Apostila Estatística Básica

UNIVERSIDADE FEDERAL DE CAMPINA GRANDE
CENTRO DE CINCIAS E TECNOLOGIA AGROALIMENTAR - CAMPUS POMBAL

DISCIPLINA: ESTATSTICA BSICA
NOTAS DE AULA
ESTATSTICA BSICA
Prof. MSc. Carlos Srgio Arajo dos Santos
POMBAL - PB
NOVEMBRO de 2013
Sumrio
p. 9
1 Introduo Geral
1.1 A Estatstica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
p. 9
1.2 Estatstica Descritiva . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
p. 10
1.3 A Natureza da Estatstica (Classificao das variveis . . . . . . . . . . .
p. 10
1.4 Fases do Mtodo Estatstico . . . . . . . . . . . . . . . . . . . . . . . . .
p. 11
1.5 Pesquisas e Dados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
p. 13
1.6 Conceitos bsicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
p. 13
1.7 Tabelas Estatsticas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
p. 14
1.8 Elementos de uma Tabela . . . . . . . . . . . . . . . . . . . . . . . . . .
p. 14
1.9 Representao esquemtica . . . . . . . . . . . . . . . . . . . . . . . . .
p. 15
1.10 Distribuio de Frequncias
. . . . . . . . . . . . . . . . . . . . . . . . .
p. 15
1.10.1 Conceitos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
p. 15
1.10.2 Distribuio de frequncia sem intervalos de classe
. . . . . . . .
p. 16
1.10.3 Distribuio de frequncia com intervalos de classe
. . . . . . . .
p. 16
1.10.4 Elementos de uma Distribuio de Frequncia . . . . . . . . . . .
p. 17
1.10.5 Mtodo Prtico para construo de uma distribuio de frequncias

com classe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
p. 18
1.10.6 Tipos de Frequncias . . . . . . . . . . . . . . . . . . . . . . . . .
p. 18
1.11 Representao Grfica . . . . . . . . . . . . . . . . . . . . . . . . . . . .
p. 19
1.12 Grficos utilizados para a anlise de uma distribuio de freqncia
p. 20
. . .
1.12.1 Histograma
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
p. 20
1.12.2 Polgono de Freqncias . . . . . . . . . . . . . . . . . . . . . . .
p. 20
1.12.3 Ogivas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
p. 21
1.12.4 Grfico por linha . . . . . . . . . . . . . . . . . . . . . . . . . . . .
p. 21
1.12.5 Grfico por colunas . . . . . . . . . . . . . . . . . . . . . . . . . .
p. 22
1.12.6 Diagrama por Superfcie em Setores . . . . . . . . . . . . . . . . .
p. 22
p. 24
2 Anlise Exploratria de Dados

2.1 Medidas de Posio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
p. 24
2.1.1 Mdia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
p. 24
2.1.2 Moda . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
p. 26
2.1.3 Mediana . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
p. 28
2.2 Quartis, Decis e Percentis (ou Centis) . . . . . . . . . . . . . . . . . . . .
p. 31
2.3 Quartis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
p. 31
2.3.1 Primeiro Quartil: Q1 . . . . . . . . . . . . . . . . . . . . . . . . . .
p. 31
2.3.2 Segundo Quartil: Q2 ou M d . . . . . . . . . . . . . . . . . . . . .
p. 32
2.3.3 Terceiro Quartil: Q3 . . . . . . . . . . . . . . . . . . . . . . . . . .
p. 32
2.4 Decis Di . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
p. 33
2.4.1 Primeiro Decil: D1 . . . . . . . . . . . . . . . . . . . . . . . . . . .
p. 33
2.4.2 Segundo Decil: D2 . . . . . . . . . . . . . . . . . . . . . . . . . .
p. 33
2.5 Percentis ou Centis Ci
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.5.1 Vigsimo Centil: C20
p. 34
. . . . . . . . . . . . . . . . . . . . . . . . .
p. 34
2.6 Medidas de Disperso . . . . . . . . . . . . . . . . . . . . . . . . . . . .
p. 35
2.6.1 Desvio - Padro . . . . . . . . . . . . . . . . . . . . . . . . . . . .
p. 36
2.6.2 Varincia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
p. 37
2.6.3 Coeficiente de Variao . . . . . . . . . . . . . . . . . . . . . . . .
p. 39
2.7 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
p. 40
p. 45
3 Probabilidade: Espao amostral e eventos

3.1 Experimentos Aleatrios . . . . . . . . . . . . . . . . . . . . . . . . . . .
p. 45
3.1.1 Tipos de fenmenos . . . . . . . . . . . . . . . . . . . . . . . . . .
p. 45
3.2 Espao Amostral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
p. 45
3.3 Eventos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
p. 46
3.4 Classe dos eventos aleatrios . . . . . . . . . . . . . . . . . . . . . . . .
p. 46
3.5 Operaes com eventos Aleatrios
. . . . . . . . . . . . . . . . . . . . .
p. 47
3.6 Propriedades das operaes . . . . . . . . . . . . . . . . . . . . . . . . .
p. 49
3.7 Partio de um Espao Amostral . . . . . . . . . . . . . . . . . . . . . . .
p. 50
3.8 Eventos Mutuamente Exclusivos ou Disjuntos . . . . . . . . . . . . . . . .
p. 51
3.9 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
p. 52
p. 53
4 Probabilidade: Definies
4.1 Definio Clssica de Probabilidade . . . . . . . . . . . . . . . . . . . . .
p. 53
4.2 Definio Axiomtica de Probabilidade
. . . . . . . . . . . . . . . . . . .
p. 53
4.2.1 Propriedades . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
p. 54
4.3 Eventos Independentes . . . . . . . . . . . . . . . . . . . . . . . . . . . .
p. 55
4.4 Probabilidade Condicional . . . . . . . . . . . . . . . . . . . . . . . . . .
p. 55
4.5 Probabilidade Total . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
p. 56
4.6 Teorema de Bayes
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
p. 57
4.7 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
p. 59
5 Variveis Aleatrias discretas

5.1 Variveis Aleatrias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
p. 62
p. 62
5.2 Esperana de uma Varivel Aleatria Discreta . . . . . . . . . . . . . . . .
p. 64
5.3 Varincia de uma Varivel Aleatria Discreta . . . . . . . . . . . . . . . .
p. 65
5.4 Funo de Distribuio Acumulada . . . . . . . . . . . . . . . . . . . . . .
p. 66
5.5 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
p. 68
6 Distribuies Tericas de Probabilidades de Variveis Aleatrias Discretas
p. 70
6.1 Distribuio de Bernoulli . . . . . . . . . . . . . . . . . . . . . . . . . . .
p. 70
6.2 Distribuio Binomial . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
p. 71
6.2.1 Mdia e Varincia de uma v.a. com Distribuio

Binomial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
p. 72
6.3 Distribuio de Poisson . . . . . . . . . . . . . . . . . . . . . . . . . . . .
p. 73
6.4 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
p. 76
7 Variveis Aleatrias contnuas
p. 78
7.1 Definies . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
p. 78
7.2 Funo de Distribuio Acumulada . . . . . . . . . . . . . . . . . . . . . .
p. 79
7.3 Esperana de uma Varivel Aleatria Contnua . . . . . . . . . . . . . . .
p. 80
7.4 Variancia de uma Varivel Aleatria Contnua . . . . . . . . . . . . . . . .
p. 80
7.5 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
p. 81
8 Distribuies Tericas de Probabilidades de Variveis Aleatrias Contnuas
p. 83
8.1 Distribuio Uniforme . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
p. 83
8.2 Distribuio Normal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
p. 84
8.2.1 Mdia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
p. 85
8.2.2 Distribuio Normal Padro . . . . . . . . . . . . . . . . . . . . . .
p. 85
8.3 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
p. 88
p. 90
9 Teoria da Amostragem
9.1 Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
p. 90
9.2 Parmetros e Estatsticas . . . . . . . . . . . . . . . . . . . . . . . . . . .
p. 90
9.3 Tcnicas de amostragem . . . . . . . . . . . . . . . . . . . . . . . . . . .
p. 91
9.4 Conceitos Iniciais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
p. 91
9.5 Amostragem . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
p. 92
9.5.1 As Amostras Probabilsticas . . . . . . . . . . . . . . . . . . . . .
p. 92
9.5.2 Amostragem Aleatria Simples . . . . . . . . . . . . . . . . . . . .
p. 93
9.5.3 Amostragem Aleatria Estratificada . . . . . . . . . . . . . . . . .
p. 93
9.5.4 Amostragem por Conglomerados . . . . . . . . . . . . . . . . . . .
p. 94
9.5.5 Amostragem Sistemtica . . . . . . . . . . . . . . . . . . . . . . .
p. 94
9.6 Amostragem No-probabilstica . . . . . . . . . . . . . . . . . . . . . . .
p. 94
9.7 Erros no processo de amostragem . . . . . . . . . . . . . . . . . . . . . .
p. 94
9.8 Distribuio Amostral da Mdia . . . . . . . . . . . . . . . . . . . . . . . .
p. 95
9.9 Distribuio Amostral das Propores . . . . . . . . . . . . . . . . . . . .
p. 96
9.10 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
p. 98
10 Teoria da Estimao
p. 100
10.1 Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 100

10.2 Estimao Pontual
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 100
10.3 Propriedades dos estimadores . . . . . . . . . . . . . . . . . . . . . . . . p. 101

10.3.1 Justeza e no-tedenciosidade . . . . . . . . . . . . . . . . . . . . p. 101
10.3.2 Consistncia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 101
10.3.3 Eficincia
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 102
10.3.4 Suficincia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 103
10.4 Estimao Intervalar
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 103
10.4.1 Intervalo de Confiana para Mdia com varincia (populacional)

conhecida . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 103
10.4.2 Intervalo de Confiana para Mdia com varincia (populacional)
desconhecida . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 105
10.4.3 Intervalo de Confiana para proporo populacional . . . . . . . . p. 106
10.4.4 Intervalo de Confiana para Varincia . . . . . . . . . . . . . . . . p. 107
10.5 Intervalo de Confiana para a diferena de mdias de duas Populaes . p. 108
10.5.1 As varincias 12 e 22 (populacionais) so conhecidas . . . . . . . p. 108
10.5.2 As varincias 12 e 22 so desconhecidas mas 12 = 22 . . . . . . . p. 109
10.6 Intervalo de Confiana para Diferena de Propores
. . . . . . . . . . . p. 110
10.7 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 112

11 Testes de Hipteses
p. 118
11.1 Hiptese Nula e Hiptese Alternativa . . . . . . . . . . . . . . . . . . . . . p. 118

11.2 Regio Crtica do teste . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 118
11.3 Erros do Tipo I e erros do Tipo II . . . . . . . . . . . . . . . . . . . . . . . p. 119
11.4 Teste da hiptese para mdia populacional . . . . . . . . . . . . . . . . p. 120
11.4.1 conhecido . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 120
11.4.2 desconhecido . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 120
11.5 Teste para Proporo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 121
11.6 Teste de hiptese para varincia . . . . . . . . . . . . . . . . . . . . . . . p. 122
11.7 Teste da hiptese da igualdade de duas mdias
. . . . . . . . . . . . . . p. 123
11.7.1 12 e 22 conhecidas . . . . . . . . . . . . . . . . . . . . . . . . . . p. 124

11.7.2 12 e 22 desconhecidas . . . . . . . . . . . . . . . . . . . . . . . . p. 124
11.8 Teste de hiptese da diferena entre propores . . . . . . . . . . . . . . p. 125
11.9 Teste da razo de varincias . . . . . . . . . . . . . . . . . . . . . . . . . p. 125

11.10Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 128
12 Correlao e Regresso Linear Simples
p. 134
12.1 Correlao Linear Simples . . . . . . . . . . . . . . . . . . . . . . . . . . p. 134

12.1.1 Relao entre variveis . . . . . . . . . . . . . . . . . . . . . . . . p. 134
12.1.2 Medida de Correlao . . . . . . . . . . . . . . . . . . . . . . . . . p. 134
12.2 Regresso Linear . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 136
12.2.1 Pressuposies . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 137
12.2.2 Mtodo de estimao dos parmetros e . . . . . . . . . . . . . p. 138
12.3 Decomposio da varincia total . . . . . . . . . . . . . . . . . . . . . . . p. 140
12.4 Anlise de Varincia da Regresso
. . . . . . . . . . . . . . . . . . . . . p. 141
12.5 Coeficiente de determinao . . . . . . . . . . . . . . . . . . . . . . . . . p. 143

12.6 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 144
Referncias
p. 145
Introduo Geral
1.1
A Estatstica
Para algumas pessoas, a Estatstica no seno um quadro de colunas mais ou

menos longas de nmeros que dizem respeito populao, indstria ou ao comrcio,
como se v frequentemente em revistas; para outras, ela d grficos mostrando a variao no tempo de um fato econmico ou social, a produo ou os nmeros relativos aos
negcios de uma empresa, assim como se encontra nos escritrios de empresas privadas.
A utilizao da Estatstica cada vez mais acentuada em qualquer atividade profissional da vida moderna. Nos mais diversificados ramos de atuao, as pessoas esto
frequentemente expostas Estatstica, utilizando-a com maior ou menor intensidade. Isto
se deve s mltiplas aplicaes que o mtodo estatstico proporciona queles que dele
necessita.
A razo pela qual consideramos a Estatstica uma ferramenta importante para tomada
de decises est no fato de que ela no deve ser considerada como um fim em si prpria,
mas como um instrumento fornecedor de informaes que subsidiaro, em consequncia,
a tomada de melhores decises, baseadas em fatos e dados.
Podemos considerar a Estatstica como a cincia que se preocupa com a coleta, organizao, descrio, anlise e interpretao dos dados experimentais, ou oriundos de
estudos observacionais visando a tomada de decises.
Dentro dessa idia, podemos considerar a Cincia Estatstica como dividida basicamente em duas partes: A Estatstica Descritiva, que se preocupa com a organizao e
descrio dos dados experimentais, e a Estatstica Indutiva, que cuida da sua anlise e
interpretao.
10
1.2
Estatstica Descritiva
Principalmente em pesquisa social, o analista defronta-se amide com a situao de

dispor de tantos dados que se torna difcil absorver completamente a informao que est
procurando investigar. extremamente difcil captar intuitivamente todas as informaes
que os dados contm. necessrio, portanto, que as informaes sejam reduzidas at o
ponto em que se possa interpret-las mais claramente. Em outras palavras, indispensvel resum-las, atravs do uso de certas medidas-snteses, mais comumentes conhecidas como estatstica descritiva ou simplesmente estatsticas. Por conseguinte, a estatstica
descritiva um nmero que sozinho descreve uma caracterstica de um conjunto de dados.
Trata-se, portanto, de um nmero-resumo que possibilita reduzir os dados a propores
mais facilmente interpretveis.
Em um sentido mais amplo, a Estatstica Descritiva pode ser interpretada como uma
funo cujo objetivo a observao de fenmenos de mesma natureza, a coleta de dados
numricos referentes a esses fenmenos, a organizao e a classificao desses dados
observados e a sua apresentao atravs de grficos e tabelas, alm do clculo de coeficientes (estatsticas) que permitem descrever resumidadamente os fenmenos.
1.3
A Natureza da Estatstica (Classificao das variveis
Varivel uma caracterstica de uma unidade que ser medida a partir daquela unidade
da amostra. Podemos descrever dois tipos de variveis para estudo:
Variveis Qualitativas: Podem ser separados em diferentes categorias, atributos, que
se distinguem por alguma caracterstica no numrica. como nos seguintes exemplos:
a) Populao: alunos de uma universidade Varivel: sexo (masculino ou feminino).
b) Populao: moradores de uma cidade Varivel: tipo de habitao (casa, apartamento, barraco, etc.).
c) Populao: peas produzidas por uma mquina Varivel: qualidade (perfeita ou
defeituosa).
d) Populao Brasileira Varivel: cor da pele (branca, preta, amarela, vermelha, parda).
11
Variveis Quantitativas: Quando suas medidas consistem em nmeros que representam contagens ou medidas. Pode ser subdivida em:
1 - quantitativa discreta: pode assumir apenas valores pertences a um conjunto enumervel;
2 - quantitativa contnua: pode assumir qualquer valor em um certo intervalo de variao.
Alguns exemplos de variveis quantitativas discretas so:
a) Populao: habitaes de uma cidade. Varivel: nmero de banheiros.

b) Populao: casais residentes em uma cidade. Varivel: nmero de filhos.
c) Populao: aparelhos produzidos em uma linha de montagem. Varivel: nmero de
defeitos por unidade.
d) Populao: Bolsa de valores de So Paulo. Varivel: nmero de aes negociadas.
1.4
Fases do Mtodo Estatstico
O mtodo estatstico abrange as seguintes fases:

a) Definio do Problema
Consiste na:
- formulao correta do problema;
- examinar outros levantamentos realizados no mesmo campo (reviso da literatura);
- saber exatamente o que se pretende pesquisar definindo o problema corretamente
(variveis, populao, hipteses, etc.)
b) Planejamento
Determinar o procedimento necessrio para resolver o problema:
12
- Como levantar informaes;

- Tipos de levantamentos: Por Censo (completo); Por Amostragem (parcial).
- Cronograma, Custos, etc.
c) Coleta ou levantamento dos dados
Consiste na obteno dos dados referentes ao trabalho que desejamos fazer.
A coleta pode ser:
Direta - diretamente da fonte;
Indireta - feita atravs de outras fontes. Os dados podem ser obtidos pela prpria
pessoa (primrios) ou se baseia no registro de terceiros (secundrios).
d) Apurao dos dados ou sumarizao
Consiste em resumir os dados, atravs de uma contagem e agrupamento. um trabalho de coordenao e de tabulao.
Apurao: manual, mecnica e eletrnica.
e) Apresentao dos dados
a fase em que vamos mostrar os resultados obtidos na coleta e na organizao.
Esta apresentao pode ser:
Tabular (apresentao numrica)
Grfica (apresentao geomtrica)
f) Anlise e interpretao dos dados
a fase mais importante e tambm a mais delicada. Tira concluses que auxiliam o
pesquisador a resolver seu problema.
13
1.5
Pesquisas e Dados
Antes de iniciar a anlise de uma base de dados, preciso determinar corretamente

que tipo de dados est disponvel. Disso depende o tipo de anlise a ser feito e a ferramenta a ser utilizada.
Pesquisa Estatstica: qualquer informao retirada de uma populao ou amostra,
podendo ser atravs de Censo ou Amostragem.
Dados Estatsticos: Dados so observaes documentadas ou resultados da medio.
Os dados podem ser obtidos pela percepo atravs dos sentidos (por exemplo observao) ou pela execuo de um processo de medio.
Antes de iniciar a anlise de uma base de dados, preciso determinar corretamente
que tipo de dados est disponvel. Disso depende o tipo de anlise a ser feito e a ferramenta a ser utilizada.
Dados primrios: so aqueles que no foram antes coletados, estando ainda em
posse dos pesquisados, e que so coletados com o propsito de atender s necessidades especficas da pesquisa em andamento. As fontes bsicas de dados primrios so:
pesquisado, pessoas que tenham informaes sobre o pesquisado e situaes similares.
Dados secundrios: so aqueles que j foram coletados, tabulados, ordenados e, s
vezes, at analisados e que esto catalogados disposio dos interessados. As fontes
bsicas de dados secundrios so: a prpria empresa, publicaes, governos, Instituies
no governamentais e servios padronizados de informaes de marketing.
1.6
Conceitos bsicos
Populao: Conjunto de todos os elementos relativos a um determinado fenmeno

que possuem pelo menos uma caracterstica em comum, a populao o conjunto Universo, podendo ser finita ou infinita.
Amostra: um subconjunto da populao e dever ser considerada finita, a amostra
14
deve ser selecionada seguindo certas regras e deve ser representativa, de modo que ela
represente todas as caractersticas da populao como se fosse uma fotografia desta.
Amostragem: o processo de retirada de informaes dos "n"elementos amostrais,
no qual deve seguir um mtodo criterioso e adequado (tipos de amostragem).
Censo: a coleo de dados relativos a todos elementos da populao.
Estatstica: uma medida numrica que descreve uma caracterstica da amostra.
Parmetro: a medida numrica que descreve uma caracterstica da populao.
Estatstica Descritiva: envolve a organizao e sumarizao dos dados atravs de
metodologias simples.
Estatstica Inferencial: a parte da estatstica que envolve a anlise e interpretao
da amostra.
1.7
Tabelas Estatsticas
Um dos objetivos da estatstica sintetizar os valores que uma ou mais variveis podem assumir, para que tenhamos uma viso global da variao das mesmas.
Tabela: uma maneira de apresentar de forma resumida um conjunto de dados
1.8
Elementos de uma Tabela
1) Ttulo: O ttulo deve responder as seguintes questes:

- O que? (Assunto a ser representado (Fato));
- Onde? (O lugar onde ocorreu o fenmeno (local));
- Quando? (A poca em que se verificou o fenmeno (tempo)).
2) Cabealho: parte da tabela na qual designada a natureza do contedo de cada
coluna.
15
3) Corpo: parte da tabela composta por linhas e colunas.

4) Linhas: parte do corpo que contm uma seqncia horizontal de informaes.
5) Colunas: parte do corpo que contm uma seqncia vertical de informaes.
6) Coluna Indicadora: coluna que contm as discriminaes correspondentes aos
valores distribudos pelas colunas numricas.
7) Casa ou Clula: parte da tabela formada pelo cruzamento de uma linha com uma
coluna.
8) Rodap: o espao aproveitado em seguida ao fecho da tabela, onde so colocadas as notas de natureza informativa (fonte, notas e chamadas).
9) Fonte: refere-se entidade que organizou ou forneceu os dados expostos.
10) Notas e Chamadas: so esclarecimentos contidos na tabela (nota - conceituao
geral; chamada - esclarecer mincias em relao a uma clula).
1.9
Representao esquemtica
1.10
Distribuio de Frequncias
1.10.1
Conceitos
Dados Brutos: a relao de elementos que no foram numericamente organizados.
16
Ex : 45, 41, 42, 41, 42, 43, 44, 41 ,50, 46, 50, 46, 60, 54, 52, 58, 57, 58, 60, 51
Rol: uma lista em que os valores esto dispostos em uma determinada ordem, crescente ou decrescente.
Ex : 41, 41, 41, 42, 42, 43, 44, 45 ,46, 46, 50, 50, 51, 52, 54, 57, 58, 58, 60, 60
Tabela de Frequncias: so representaes nas quais os valores se apresentam em

correspondncia com suas repeties.
1.10.2
Distribuio de frequncia sem intervalos de classe
a simples condensao dos dados conforme as repeties de seu valores.

Exemplo:
Tabela 1: Distribuio do nmero de alunos em 20 turmas da UFCG
i
Dados
(fi )
1
41
3
2
42
2
3
43
1
4
44
1
5
45
1
6
46
2
7
50
2
8
51
1
9
52
1
10
54
1
11
57
1
12
58
2
13
60
2
Total
P13
i=1 fi
20
A soma das frequncias sempre igual ao nmero total de valores observados.

k
X
fi = n
i=1
1.10.3
Distribuio de frequncia com intervalos de classe
Quando o tamanho da amostra elevado mais racional efetuar o agrupamento dos

valores em vrios intervalos de classe.
Exemplo:
17

i
Classes
fi
41 ` 45
45 ` 49
49 ` 53
53 ` 57
57 ` 61
P5
i=1 fi
Total
1.10.4
20
Elementos de uma Distribuio de Frequncia
Frequncia Simples Absoluta: o nmero de observaes correspondentes a uma

classe ou valor individual. simbolizada por fi .
Amplitude Total At : a diferena entre o maior e o menor valor observado da varivel
em estudo. Ex: na tabela anterior At = 60 41 = 19.
Classe: so os intervalos de variao da varivel e simbolizada por i e o nmero
total de classes simbolizada por k . Ex: na tabela anterior k = 5 e 49 ` 53 a terceira
classe, em que i = 3.
Limites de Classe: so os extremos de cada classe. O menor nmero o limite
inferior de classe (li ) e o maior nmero, limite superior de classe(Li ). Ex: em 49 ` 53,
l3 = 49 e L3 = 53. O smbolo ` representa um intervalo fechado esquerda e aberto

direita.
Amplitude do Intervalo de Classe: obtida atravs da diferena entre o limite superior e inferior da classe e simbolizada por hi = Li li . Ex: na tabela anterior
hi = 53 49 = 4.
Ponto Mdio de Classe xi : o ponto que divide o intervalo de classe em duas partes
iguais. Ex: em 49 ` 53 o ponto mdio x3 = (53 + 49)/2 = 51, ou seja x3 = (L3 + l3 )/2.
18
1.10.5
Mtodo Prtico para construo de uma distribuio de frequncias com classe
1 - Organize os dados brutos em um ROL.

2 - Calcule a amplitude total At .
3 - Calcule o nmero de classes atravs da "Regra de Sturges".
k = 1 + 3, 3 log n
em que k o nmero de classes e n o nmero total de observaes
4 - Calcule a amplitude do intervalo de classe h =
At
.
k
No nosso exemplo: At = 19 e k = 5, logo h = 3, 8. Utilizaremos ento h = 4
1.10.6
Tipos de Frequncias
Frequncia Simples Absoluta fi : o nmero de repeties de um valor individual ou

de uma classe de valores da varivel.
Frequncia Simples Relativa f ri : representa a proporo de observaes de um
valor individual ou de uma classe, em relao ao nmero total de observaes.
fi
f ri = Pk
i=1
fi
fi
n
Em termos percentuais tem-se
f ri =
fi
100
n
Exemplo:
Frequncia Absoluta Acumulada "Abaixo de"Fi : a soma da frequncia simples
19

i
Classes
fi
f ri
Frequncias
relativas
percentuais
41 ` 45
0,35
35%
45 ` 49
0,15
15%
49 ` 53
0,20
20%
53 ` 57
0,05
5%
57 ` 61
P5
i=1 fi
0,25
25%
20
1,00
100%
Total
absoluta dessa classe ou desse valor com as frequncias simples absolutas das classes
ou dos valores anteriores.
Exemplo:
i
Classes
fi
Fi
41 ` 45
45 ` 49
7 + 3 = 10
49 ` 53
7 + 3 + 4 = 14
53 ` 57
7 + 3 + 4 + 1 = 15
57 ` 61
P5
i=1 fi
7 + 3 + 4 + 1 + 5 = 20
20
Total
Frequncia Absoluta Acumulada "Acima de"Fi : a soma da frequncia simples

absoluta dessa classe ou desse valor com as frequncias simples absolutas das classes
ou dos valores posteriores.
Exemplo:
1.11
Representao Grfica
Os grficos so uma forma de apresentao visual dos dados. Normalmente, contm

menos informaes que as tabelas, mas so de mais fcil leitura. O tipo de grfico depende
da varivel em questo.
20

i
Classes
fi
Fi
41 ` 45
5 + 1 + 4 + 3 + 7 = 20
45 ` 49
5 + 1 + 4 + 3 = 13
49 ` 53
5 + 1 + 4 = 10
53 ` 57
5+1=6
57 ` 61
P5
i=1 fi
20
Total
1.12
Grficos utilizados para a anlise de uma distribuio

de freqncia
1.12.1
Histograma
So os grficos mais importantes na estatstica inferencial. Quando os dados so

valores de uma varivel medida numa escala intervalar/proporcional, uma tabela de frequncias para cada uma das classes mostra a distribuio de valores dessa varivel. Esta
distribuio pode ser representada graficamente num histograma.
1.12.2
Polgono de Freqncias
Unindo por linhas retas os pontos mdios das bases superiores dos retngulos do histograma, obtm-se outra representao dos dados, denominada Polgono de Frequncias.
21
1.12.3
Ogivas
A Ogiva tem por finalidade a representao grfica das tabelas de frequncias acumuladas.
1.12.4
Grfico por linha
a representao grfica de uma srie estatstica por meio de uma linha poligonal.
um dos mais importantes grficos; representa observaes feitas ao longo do tempo, em
intervalos iguais ou no. Tais conjuntos de dados constituem as chamadas sries histricas
ou sries temporais. Traduzem o comportamento de um fenmeno em certo intervalo de
tempo.
22
1.12.5
Grfico por colunas
a representao de uma srie estatstica por intermdio de retngulos em posies

verticais. Este tipo de grficos proporciona comparar grandezas.
1.12.6
Diagrama por Superfcie em Setores
a representaao grfica de uma srie estatstica por intermdio de superfcies setoriais. utilizado quando se pretende comparar os valores de uma srie com a sua soma
total. A representaao feita tomando como figura bsica um crculo que dividido em se-
23
tores. O quociente entre a soma dos valores da srie e a rea do crculo deve ser o mesmo
que entre cada valor da varivel dependente e a respectiva rea do setor representativo.
Porm em virtude da proporcionalidade das reas dos setores de um crculo com seus
ngulos centrais, podem-se dividir os valores considerados na srie proporcionalmente a
estes ngulos.
24
Anlise Exploratria de Dados
2.1
Medidas de Posio
As medidas de posio, tambm chamada de medidas de tendncia central, possuem

trs formas diferentes para trs situaes distintas:
MDIA
MODA
MEDIANA
2.1.1
Mdia
Existem dois tipos de mdia:
POPULACIONAL, representada pela letra grega .

AMOSTRAL, representada por x.
1 - Mdia: (Dados no agrupados)
Sejam os elementos x1 , x2 , . . . , xn de uma amostra, portanto "n"valores da varivel
X . A mdia aritmtica da varivel aleatria X definida por,
x1 + x2 + . . . + x n
=
x =
n
Pn
i=1
xi
25
Exemplo: Suponha o conjunto de dados que representa o peso ao nascer de bezerros da raa Nelore: 51, 40, 46, 48, 54, 56, 44, 43, 55 e 57. Determinar a mdia
aritmtica simples deste conjunto de dados.
x =
51 + 40 + 46 + 48 + 54 + 56 + 44 + 43 + 55 + 57
494
=
= 49, 4
10
10
2 - Mdia: (Dados agrupados em uma distribuio de frequncia por valores simples)
Usa-se a mdia aritmtica dos valores x1 , x2 , . . . , xn ponderados pelas respectivas

frequncias absolutas: f1 , f2 , . . . , fn . Assim
x1 f 1 + x 2 f 2 + . . . + xn f n
x =
=
n
Pn
i=1
xi f i
Exemplo:
i
10
11
12
13
Dados (xi )
41
42
43
44
45
46
50
51
52
54
57
58
60
Total
P13
i=1 fi
(fi )
20
xi fi
123
84
43
44
45
92
100
51
52
54
57
116
120
981
x =
981
= 49, 05
20
Portanto:
3 - Mdia: (Dados agrupados em uma distribuio de frequncia por classes)

Usaremos a mdia aritmtica dos pontos mdios x1 , x2 , . . . , xn de cada classe, ponderados pelas respectivas frequncias absolutas: f1 , f2 , . . . , fn . Assim
x1 f 1 + x 2 f 2 + . . . + xn f n
x =
=
n
Exemplo:
Pn
i=1
xi f i
26

i
Classes
fi
xi
xi fi
41 ` 45
43
301
45 ` 49
47
141
49 ` 53
51
204
53 ` 57
55
55
57 ` 61
P5
i=1 fi
59
295
20
996
Total
Portanto:
x =
2.1.2
996
= 49, 80
20
Moda
o valor mais frequente da distribuio.

1 - Moda (M o): (Dados no agrupados)
Sejam os elementos x1 , x2 , . . . , xn de uma amostra, o valor da moda para este tipo
de conjunto de dados simplesmente o valor com maior frequncia.
Exemplo: Obter a moda dos seguintes conjuntos de valores:
X = {4, 5, 5, 6, 6, 6, 7, 7, 8, 8}, Moda de X : M o = 6.

Y = {1, 2, 2, 2, 3, 3, 4, 5, 5, 5, 6, 6}, Moda de Y : M o1 = 2 e M o2 = 5.
W = {1, 2, 3, 4, 5} Moda de W : amodal
2 - Moda (M o): (Dados agrupados em uma distribuio de frequncia por valores

simples)
Para este tipo de distribuio, a identificao da moda facilitada pela simples observao do elemento que apresenta maior frequncia.
27

i
10
11
12
13
Dados (xi )
41
42
43
44
45
46
50
51
52
54
57
58
60
Total
P13
i=1 fi
(fi )
20
Exemplo:
Portanto, se a maior frequncia fi = 3, logo M o = 41.
3 - Moda (M o): (Dados agrupados em uma distribuio de frequncia por classes)
Para dados agrupados em classes, temos diversos mtodos para o clculo da moda.
Utilizaremos aqui o Mtodo de Czuber denotado a seguir:
Mtodo de Czuber
Procedimento:
Identifica-se a classe modal (aquela que possuir maior frequncia) CLASSE
(M o).
Utiliza-se a frmula:
M o = li + h
1
2 + 1
em que:
li = Limite inferior da classe modal.

1 = fmo fant (frequncia modal frequncia anterior)
2 = fmo fpost (frequncia modal frequncia posterior)
h = amplitude da classe modal
Exemplo:
Determinar a moda, pelo mtodo de Czuber, usando os dados do exemplo
tem-se que:
Classe (M o): 41 ` 45
li = 41
28

i
Classes
fi
41 ` 45
45 ` 49
49 ` 53
53 ` 57
57 ` 61
P5
i=1 fi
Total
20
h=4
1 = fmo fant = 7 0 = 7
2 = fmo fpost = 7 3 = 4
M o = 41 + 4
2.1.3
7
= 43, 54
7+4
Mediana
Construdo o ROL, o valor da mediana o elemento que ocupa a posio central, ou

seja, o elemento que divide a distribuio em 50% de cada lado.
1 - Mediana (M d): (Dados no agrupados)
Sejam os elementos x1 , x2 , . . . , xn de uma amostra, portanto "n"valores da varivel
X . A mediana da varivel aleatria X definida atravs do Elemento Mediano EM d ,

O nmero de observaes mpar, ento o valor da mediana ser o valor localizado na posio EM d =
n+1
;
2
O nmero de observaes par, ento o valor da mediana ser a mdia entre

o valor da posio EM d =
n
2
e o seu valor consecutivo.
Exemplo 1: Suponha o conjunto de tempo de servio de cinco funcionrios: 3, 7, 8,

10 e 11. Determinar a mediana deste conjunto de dados.
29
Como n = 5, ento o valor da mediana estar localizado na posio EM d =
5+1
2
= 3.
Portanto,
Md = 8
Exemplo 2: Suponha o conjunto de tempo de servio de seis funcionrios: 3, 7, 8,
10, 11 e 13. Determinar a mediana deste conjunto de dados.
Como n = 6, ento o valor da mediana estar localizado na posio EM d =
6
2
=3e
na posio consecutiva obtendo uma mdia aritmtica desses valores. Portanto,
Md =
8 + 10
=9
2
2 - Mediana (M d): (Dados agrupados em uma distribuio de frequncia por valores

simples)
Quando os valores da varivel estiverem j tabulados, o procedimento a ser adotado
ser praticamente idntico ao anterior. Deve-se verificar se o nmero de observaes
mpar ou par, para o clculo do elemento mediano. Em seguida acrescenta-se uma
coluna tabela de frequncias original, onde sero determinadas as frequncias
acumuladas.
Exemplo:
i
10
11
12
13
Dados (xi )
41
42
43
44
45
46
50
51
52
54
57
58
60
Total
P13
i=1 fi
(fi )
20
( Fi )
10
12
13
14
15
16
18
20
Portanto:
EM d =
20
2
= 10, logo, M d =
46+50
2
= 48
3 - Mediana (M d): (Dados agrupados em uma distribuio de frequncia por classes)

Procedimento:
Calcula-se o elemento mediano EM d
30
Pela Fi identifica-se a classe que contm o valor da mediana - CLASSE(M d)

Utiliza-se a frmula:
M d = li + h
EM d Fant
fM d
em que:
li = Limite inferior da classe mediana;

Fant = Frequncia acumulada anterior classe mediana;
h = Amplitude da classe mediana;
fM d = Frequncia absoluta simples da classe mediana.
Exemplo:
i
Classes
fi
Fi
41 ` 45
45 ` 49
10
49 ` 53
14
53 ` 57
15
57 ` 61
P5
i=1 fi
20
20
Total
Portanto:
EM d =
20
2
= 10
CLASSE(M d) = 45 ` 49
M d = 45 + 4
10 7
= 45 + 4 = 49
3
31
2.2
Quartis, Decis e Percentis (ou Centis)
H uma srie de medidas de posio semelhantes na sua concepo mediana,

embora no sejam medidas de tendncia central. Como se sabe, a mediana divide a
distribuio em duas partes iguais quanto ao nmero de elementos de cada parte. J
os quartis permitem dividir a distribuio em quatro partes iguais quanto ao nmero
de elementos cada uma; os decis em dez partes e os centis em cem partes iguais.
Para simbolizar cada uma dessas medidas separatrizes, faremos:
Qi = quartis i = 1, 2, 3
Di = decis i = 1, 2, 3, . . . , 9
Ci = centis i = 1, 2, 3, . . . , 99
Assim, para dividir uma srie ordenada de valores em quatro partes iguais, precisamos de trs separatrizes (quartis); para dividi-la em dez, iremos recorrer a nove
separatrizes (decis); em cem, recorremos a noventa e nove separatrizes (centis). O
grfico a seguir ilustra melhor o que foi dito em relao aos quartis e decis:
2.3
2.3.1
Quartis
Primeiro Quartil: Q1
Definio: Dado um conjunto ordenado (ordem crescente) de valores, o primeiro

quartil, Q1 , o valor que divide o conjunto em duas partes tais que um quarto ou
32
vinte e cinco por cento dos valores sejam menores d que ele e trs quartos ou setenta
e cinco por cento dos restantes sejam maiores. O elemento que indica a ordem ou
posio do primeiro quartil determinado, para dados agrupados em classes, pela
seguinte expresso:
EQ1 =
n
4
em que n o nmero de valores do conjunto, ou nmero de observaes.
2.3.2
Segundo Quartil: Q2 ou M d
Definio: Dado um conjunto ordenado de valores, o segundo quartil ou mediana

o valor que divide em duas partes iguais quanto ao nmero de elementos, isto ,
cinquenta por cento ou dois quartos dos valores do conjunto so menores, e os dois
quartos restantes sao maiores do que ele. O elemento mediano calculado, como
veremos, atravs da seguinte expresso:
EQ2 =
2.3.3
n
2n
=
4
2
Terceiro Quartil: Q3
Definio: Dado um conjunto ordenado (ordem crescente) de valores, o terceiro quartil o valor que divide o conjunto em duas partes tais que setenta e cinco por cento
ou tres quartos dos valores sejam menores e vinte e cinco por cento ou um quarto
sejam maiores do que ele. O elemento que indica a ordem em que n encontra o
terceiro quartil calculado, para dados tabulados, como segue:
EQ3 =
3n
4
Genericamente, para determinar a ordem ou posio do quartil a ser calculado, usaremos a seguinte expresso:
33
EQi =
in
4
em que i indica o nmero do quartil a ser calculado e n o nmero de elementos ou

observaes da amostra.
2.4
Decis Di
A definio dos decis obedece ao mesmo princpio da dos quartis, com a modificao da porcentagem de valores que ficam aqum e alm do decil que se pretenda
clacular. Assim, por exemplo:
2.4.1
Primeiro Decil: D1
O primeiro decil de um conjunto ordenado (ordem crescente) de valores o valor

que divide um conjunto em duas partes tais que dez por cento ou um dcimo dos
valores sejam menores e nove dcimos ou noventa por cento sejam maiores do que
ele. O elemento que indica a posio do segundo decil calculado pela seguinte
expresso:
ED1 =
2.4.2
n
10
Segundo Decil: D2
Trata-se do valor que divide o conjunto em duas partes, tais que vinte por cento ou
dois dcimos dos valores sejam menores e oitenta por cento ou oito dcimos dos
valores sejam maiores; para saber a ordem do segundo decil, usamos a expresso:
ED2 =
2n
10
De especial interesse o quinto decil, que divide o conjunto em duas partes, tais que
cinco dcimos ou cinquenta por cento dos valores sejam menores e cinco dcimos ou
cinquenta por cento dos valores restantes maiores do que ele. Assim sendo, o quinto
34
decil igual ao segundo quartil, que por sua vez igual mediana. O elemento que
indica a ordem do quinto decil igual ao elemento mediano, ou seja:
ED5 =
5n
n
2n
= =
10
2
4
Podemos, ento, afirmar que
M d = D5 = Q2
De uma forma geral, para calcular os decis, recorreremos seguinte expresso que
define a ordem em que o decil se encontra:
EDi =
in
10
em que n indica o nmero de valores observados e i o nmero que identifica o decil

a ser calculado.
2.5
Percentis ou Centis Ci
Neste caso, cada parte em que foram subdivididos os valores do conjunto, atravs
dos noventa e nove centis, contar com um centsimo ou um por cento dos valores
do conjunto.
O elemento que definir a ordem do centil, em uma distribuio de frequncias de valores tabulados agrupados em classes, ser encontrado pelo emprego da expresso:
ECi =
in
100
em que i o nmero indicador do centil e n o nmero total de observaes.

oportuno lembrar que os centis englobam todos os decis e quartis. Assim, por
exemplo:
2.5.1
Vigsimo Centil: C20
O vigsimo centil igual ao segundo decil, por que
35
EC20 =
2n
20n
= 0, 2n = ED2 =
= 0, 2n
100
10
A frmula de clculo dos centis ser:
Ci = l + h
ECi Fant
f Ci
Exemplo:Na Tabela abaixo figuram os dados correspondentes ao consumo de eletricidade de 80 usurios. Calcular as seguintes medidas:
Tabela 12: Distribuio do consumo de eletricidade
i
Classes
fi
5 ` 25
25 ` 45
45 ` 65
14
65 ` 85
26
85 ` 105
14
105 ` 125
125 ` 145
145 ` 165
Total
P13
i=1
fi
80
a) Trigsimo centil: C30

b) Dcimo quinto centil: C15
c) Nono Decil: D9
d) Septuagsimo quinto centil: C75
e) Primeiro quartil: Q1
2.6
Medidas de Disperso
As medidas de disperso indicam se os valores esto relativamente prximos um dos

outros, ou separados em torno de uma medida de posio: a mdia. Consideraremos
trs medidas de disperso:
36
DESVIO-PADRO
VARINCIA
COEFICIENTE DE VARIAO
2.6.1
Desvio - Padro
Mede o grau de disperso dos dados numricos em torno de um valor mdio.

1 - Desvio - padro S : (Dados Brutos)
Seja o seguinte conjunto de nmeros x1 , x2 , . . . , xn . O desvio-padro ou mdia
quadrtica dos desvios ou afastamentos em relao mdia desse conjunto ser
definido por:
sP
S=
n
i=1 (xi
x)2
n1
Exemplo: Calcular o desvio-padro do conjunto 10, 12, 13, 20, 25, 34, 45.
sabe-se que x
= 22, 714
v
r
u
7
u 1 X
1
t
S=
(xi 22, 714)2 =
[(10 22, 714)2 + . . . + (45 22, 714)2 ]
7 1 i=1
6
r
S=
1
1007, 43 = 12, 958
6
2 - Desvio - padro S : (Dados Tabulados)

Quando os valores vierem dispostos em uma tabela de frequncias, o clculo do
desvio-padro se far atravs da seguinte frmula:
37
sP
S=
n
i=1 (xi
x)2 fi
n1
Exemplo:
i
Classes
fi
xi
(xi x
)
(xi x
)2
(xi x
)2 fi
41 ` 45
43
-6,8
46,24
323,68
45 ` 49
47
-2,8
7,84
23,52
49 ` 53
51
1,2
1,44
5,76
53 ` 57
55
5,2
27,04
27,04
57 ` 61
P5
i=1 fi
59
9,2
84,64
423,20
20
803,20
Total
como x
= 49, 80, portanto:
r
S=
2.6.2
803, 20 p
= 42, 27 = 6, 5
20 1
Varincia
A varincia de um conjunto de dados a mdia dos quadrados dos desvios dos

valores a contar da mdia. A frmula da varincia poder ser calculada de duas
formas:
POPULACIONAL, representada letra grega 2
AMOSTRAL, representada por S 2
1- Varincia: (Dados no agrupados)
Pn
i=1 (xi
)2
ou
S =
Pn
x)2
n1
i=1 (xi
38
Exemplo:
Suponha o conjunto de tempo de servio de cinco funcionrios: 3, 7, 8, 10 e 11.
Determinar a varincia deste conjunto de dados.
como x
= 7, 8
S2 =
(3 7, 8)2 + (7 7, 8)2 + (8 7, 8)2 + (10 7, 8)2 + (11 7, 8)2

=
51
S2 =
38, 4
= 9, 7
4
2 - Varincia: (Dados Tabulados)

Quando os valores vierem dispostos em uma tabela de frequncias, o clculo da
varincia se far atravs da seguinte frmula:
Pn
)2 fi
N
Pn
x)2 fi
n1
i=1 (xi
ou
S =
i=1 (xi
Exemplo:
i
Classes
fi
xi
(xi x
)
(xi x
)2
(xi x
)2 fi
41 ` 45
43
-6,8
46,24
323,68
45 ` 49
47
-2,8
7,84
23,52
49 ` 53
51
1,2
1,44
5,76
53 ` 57
55
5,2
27,04
27,04
57 ` 61
P5
i=1 fi
59
9,2
84,64
423,20
20
803,20
Total
39
como x
= 49, 80 e S = 6, 5, portanto
S2 =
2.6.3
803, 20
= 42, 27
19
Coeficiente de Variao
Trata-se de uma mdia relativa disperso, til para a comparao e observao

em termos relativos do grau de concentrao em torno da mdia de sries distintas.
dado por:
CV =
S
100
x
Classificao da distribuio quanto disperso:
Disperso Baixa: CV 15%

Disperso Mdia: 15% < CV < 30%
Disperso Alta: CV 30%
Exemplo:1
Numa empresa o salrio mdio dos funcionrios do sexo masculino de R$ 4.000,00,
com um desvio padro de R$ 1.500,00, e os funcionrios do sexo feminino em
mdia de R$ 3.000,00, com um desvio padro de R$ 1.200,00. Ento:
Sexo Masculino: CV =
Sexo Feminino: CV =
1.500
4.000
1.200
3.000
100 = 37, 5%
100 = 40%
40
2.7
Exerccios
1. Classifique as seguintes variveis como Qualitativas ou Quantitativas (discretas

ou contnuas).
a) Nmero de computadores em um laboratrio de informtica
b) Renda familiar
c) Volume de Petrleo extrado por hora de uma jazida
d) Grupo Sanguneo
e) Qualidade de uma pea produzida
f) Inteno de voto para presidente (possveis respostas so os nomes dos candidatos, alm de "nao sei")
g) Precipitao pluviomtrica
h) Magnitude de um sismo, na escala Richter
i) Tipo de gro de hbrido de milho
j) Nmero de vargens por planta
2. Os dados abaixo referem-se a resistncia ferrugem de 32 hbridos de milho
recomendados para a regio de Chapec, SC, safra 1987/88
Tabela 15: Distribuio de frequncias da resistncia ferrugem de 32 hbridos de milho
recomendados para a regio de Chapec, SC, safra 1987/88
Resistncia
ferrugem
r
fi
mr
ms
10
Obtenha as frequncias relativas fri e construa um grfico de barras para representar esses dados.
3. As fases principais do mtodo estatstico so:
a) Coleta dos dados, amostragem, apresentao tabular e apresentao grfica
e definio dos problemas.
b) Amostragem, apresentao tabular, apurao dos dados, interpretao dos
dados e planejamento.
41
c)Definio do problema, planejamento, coleta dos dados, apurao, apresentao dos dados, anlise e interpretao dos dados.
4. Os dados abaixo referem-se a 12 reas plantadas de soja na safra de vero em
milhes de hectares.
9,7
11,5
13,2
10,7
13,2
9,7
11,6
9,8
13,0
10,4
11,3
13,2
Determine:
a) a mdia, a moda e a mediana das reas plantadas de soja.
b) O desvio padro, a varincia e o coeficiente de variao.
5. Dada a tabela abaixo
Tabela 16: Produo agrcola na Paraba em milhes de Reais, 2004-2009
Ano
Produo em milhes de R$
2004
4,5
2005
5,3
2006
4,9
2007
5,1
2008
6,8
2009
7,1
Construa um grfico mais apropriado para os dados da tabela.

6. Os dados abaixo relacionados representam o nmero de focos de incndios detectados por satlite entre os Estados da Paraba e Pernambuco nos primeiros
16 dias de Novembro de 2010.
13
18
10
11
10
14
10
11
15
12
14
13
Calcular a Mdia, a Moda, a Mediana, o Desvio padro, a varincia e coeficiente

de variao de forma direta (sem construir tabela) dos dados acima.
7. Os dados abaixo referem-se ao consumo de gua, em m3 , de 40 famlias de
baixa renda de uma determinada cidade no ms de Julho de 2011.
42
Faixa de
consumo
10 ` 15
fri
15 ` 20
0,15
20 ` 25
0,30
25 ` 30
0,25
30 ` 35
0,15
35 ` 40
0,05
0,10
a) Obtenha as frequncias simples absolutas e construa o histograma.

b) Calcule a mdia, a varincia e o desvio padro.
c) Calcule a mediana e a moda
d) Qual o percentual de famlias que consumiram pelo menos 25 m3 de gua?
8. Um estudo foi realizado por um professor em trs turmas, obtendo a mdia e o
desvio padro das notas de sua disciplina, conforme abaixo. Qual a turma com
menor variabilidade? Justifique adequadamente.
Turma
Mdia
Desvio Padrao
A
6,5
2,2
B
8,0
1,7
C
8,0
2,0
9. Quarenta alunos da UFCG foram questionados quanto ao nmero de livros lidos

no ano anterior. Foram registrados os seguintes valores:
4
a) Organize os dados em uma tabela adequada.

b) Qual o percentual de alunos que leram menos do que 3 livros.
c) Qual o percentual de alunos que leram 4 ou mais livros.
d) Calcule a mdia, a moda e a mediana
e) Calcule o desvio padro, a varincia e o coeficiente de variao.
10. (UFPB - 2011)A tabela a seguir apresenta a quantidade exportada de certo
produto, em milhares de toneladas, no perodo de 2000 a 2009.
43
Considerando os dados apresentados na tabela, identifique as afirmativas corretas:

I. A quantidade exportada, de 2006 a 2008, foi crescente.
II. A mdia da quantidade exportada, de 2003 a 2006, foi de 53 mil toneladas.
III. A moda da quantidade exportada, de 2000 a 2009, foi de 52 mil toneladas.
IV. A mdia da quantidade exportada, de 2000 a 2004, foi maior que a mdia de
2005 a 2008.
V. A mediana da quantidade exportada, de 2000 a 2009, foi de 51 mil toneladas.
11. (UFPB - 2002) O grfico ao lado mostra a porcentagem de acertos nas questes
de um concurso onde havia 12000 inscritos. Com base nos dados apresentados, determine a quantidade de candidatos que acertou pelo menos duas
questes.
12. Complete a tabela e indique a mediana da amostra.
44
xi
fi
1
2
Fi
fri
0,025
12
58
0,2
5
13. De um exame final de Estatstica, aplicado a 50 alunos da UFCG em 2011
resultaram as seguintes notas:
4,0
4,2
4,3
4,4
4,5
4,5
4,6
5,0
5,1
5,2
5,3
5,3
5,5
5,7
5,8
6,0
6,1
6,3
6,4
6,5
6,6
6,7
6,8
6,9
7,0
7,2
7,5
7,6
7,7
7,9
8,0
8,3
8,5
8,6
8,8
8,9
9,0
9,1
9,2
9,3
9,3
9,4
9,4
9,5
9,5
9,6
9,7
9,8
9,8
9,9
Construa uma tabela de distribuio de frequncias com intervalo de classe

por meio da regra de Sturges. Calcule a mdia, a moda, a mediana, o desvio
padro e o coeficiente de variao das notas aps os dados estarem tabulados
por classe.
45
Probabilidade: Espao amostral e

eventos
3.1
3.1.1
Experimentos Aleatrios
Tipos de fenmenos
Fenmenos determinsticos: so aqueles em que os resultados so sempre os mesmos, qualquer que seja o nmero de ocorrncias verificadas.
Fenmenos aleatrios: so aqueles que, mesmo repetidos vrias vezes sob condies
semelhantes, apresentam resultados imprevisveis.
Exemplos:
Lanamento de uma moeda honesta;
Lanamento de um dado;
Retirada de uma carta de um baralho completo com 52 cartas;
Determinao da vida til de um componente eletrnico.
3.2
Espao Amostral
Define-se espao amostral () ao conjunto de todos os resultados possveis de um

experimento.
Nos exemplos citados anteriormente, os espaos amostrais so:
46
= {c, r} ;
= {1, 2, 3, 4, 5, 6} ;
= {Ao , . . . , Ko , Ap , . . . , Kp , Ac , . . . , Kc , Ae , . . . , Ke } ;
= {t </t 0}.
3.3
Eventos
Chamamos de evento (E ) a qualquer subconjunto do espao amostral de um experimento aleatrio.

Qualquer que seja o evento E , se E , ento E um evento de .
Se E = , E chamado evento certo

Se E e E um conjunto unitrio, E chamado evento elementar.
Se E = , E chamado evento impossvel.
3.4
Classe dos eventos aleatrios
Definio: o conjunto formado de todos os eventos (subconjuntos) do espao

amostral. Para efeito de exemplo, consideremos o espao amostral finito: =
{e1 , e2 , e3 , e4 }. A classe dos eventos aleatrios :
{e1 }, {e2 }, {e3 }, {e4 }

F () =
{e1 , e2 }, {e1 , e3 }, {e1 , e4 }, {e2 , e3 }, {e2 , e4 }, {e3 , e4 }
{e1 , e2 , e3 }, {e1 , e2 , e4 }, {e1 , e3 , e4 }, {e2 , e3 , e4 }
{e1 , e2 , e3 , e4 }
47
Genericamente, se o nmero de pontos amostrais de um espao amostral n, ento

o nmero de eventos de F 2n .
3.5
Operaes com eventos Aleatrios
Considere um espao amostral finito = {e1 , e2 , . . . , en }. Sejam A e B dois eventos

de F (). As seguintes operaes so definidas.
Unio
Definio: AB = {ei /ei A ou ei B}, i = 1, . . . , n. Portanto, o evento unio
formado pelos pontos amostrais que pertenam a pelo menos um dos conjuntos.
Figura 1: A B
Observaes:
1) A B = B A
2) A A = A
3) A = A
4) Se A B A B = B (em particular A = )
48
Interseco
Definio: A B = {ei /ei A e ei B}, i = 1, . . . , n. Portanto, o evento
interseco formado pelos pontos amostrais que pertena simultneamente aos
eventos A e B .
Figura 2: A B
Observaes:
1) A B = B A
2) A A = A
3) A =
4) Se A B A B = A (em particular A = A)
5) (A B) C = A (B C)
Complementao
= Ac = {ei /ei
Definio: A = A
/ A} , i = 1, . . . , n. O complemento de
um evento A , portanto, o evento contendo todos os resultados no espao amostral
que no pertenam a A.
Observaes:
1) (Ac )c = A
2) A Ac =
3) c =
4) A Ac =
49
= Ac
Figura 3: A
5) c =
Exemplo: Lanam-se duas moedas. Sejam A: sada de faces iguais e B : sada de
cara na primeira moeda.
Determinar os eventos: A B , A B , Ac , B c , (A B)c , (A B)c , Ac B c , Ac B c ,
B A, A B , Ac B e B c A.
3.6
Propriedades das operaes
Sejam A, B e C eventos associados a um espao amostral . As seguintes propriedades so vlidas:

a) IDEMPOTENTES
AA=A
AA=A
b) COMUTATIVAS
AB =BA
AB =BA
c) ASSOCIATIVAS
A (B C) = (A B) C
A (B C) = (A B) C
50
d) DISTRIBUTIVAS
A (B C) = (A B) (A C)
A (B C) = (A B) (A C)
e) ABSORES
A (A B) = A
A (A B) = A
f) IDENTIDADES
A=A
A=
A=
A=A
g) COMPLEMENTARES
c =
c =
A Ac =
A Ac =
(Ac )c = A
h) "LEIS DAS DUALIDADES"ou "LEIS DE MORGAN"
(A B)c = Ac B c
(A B)c = Ac B c
3.7
Partio de um Espao Amostral
Definio: Dizemos que os eventos A1 , A2 , . . . , An formam uma partio do espao

amostral se:
a) Ai 6= , i = 1, . . . , n
51
Figura 4: Partio de um Espao Amostral.

b) Ai Aj = para i 6= j
c) ni=1 Ai =
3.8
Eventos Mutuamente Exclusivos ou Disjuntos
Definio: Dois eventos ditos mutuamente exclusivos ou disjuntos se A e B no

puderem ocorrer juntos, ou seja, a realizao de um exclui a realizao do outro.
Segue que A e B so disjuntos se A B = .
Figura 5: Eventos Mutuamente Exclusivos ou Disjuntos.
52
3.9
Exerccios
1. Quais das seguintes relaes so verdadeiras?

(a)(A B) (A C) = A (B C).
(b) (A B) = (A B) B .
(c) A B = A B .
(d) (A B) C = A B C .
(e) (A B) (B C) = .
2. Lanam-se trs moedas. Enumerar o espao amostral e os eventos:
(a) faces iguais;
(b) cara na primeira moeda;
(c) coroa na segunda e terceira moedas.
53
4.1
Probabilidade: Definies
Definio Clssica de Probabilidade
Dado um experimento aleatrio, sendo o seu espao amostral, vamos admitir que
todos os elementos de tenham a mesma chance de acontecer, ou seja, que
um conjunto equiprovvel.
Define-se probabilidade de um evento A (A ) ao nmero real P (A), tal que:
P (A) =
4.2
n(A)
nmero de resultados favorveis a A
=
nmero de resultados possveis
n()
Definio Axiomtica de Probabilidade
Para um dado experimento, necessrio atribuir para cada evento A no espao

amostral um nmero P (A) que indica a probabilidade de A ocorrer. Para satisfazer a definio matemtica de probabilidade, este nmero P (A) deve satisfazer
trs axiomas especficos:
Axioma 1: Para qualquer evento A, P (A) 0.
Axioma 2: P () = 1.
Axioma 3: Para qualquer sequncia finita de eventos disjuntos A1 , A2 , . . . , An
n
[
i=1
!
Ai
n
X
i=1
P (Ai )
54
4.2.1
Propriedades
P.1 - P () = 0
P.2 - Para qualquer sequncia infinita de eventos disjuntos A1 , A2 , . . .
!
Ai
i=1
P (Ai )
i=1
P.3 - Para qualquer evento A,
P (Ac ) = 1 P (A)
P.4 - Para qualquer evento A, 0 P (A) 1.

P.5 - Se A B , ento P (A) P (B).
P.6 - Para qualquer evento dois eventos A e B
P (A B) = P (A) + P (B) P (A B)
P.7 - Se os eventos A1 , A2 , . . . , An formam uma partio do espao amostral, ento:
n
X
P (Ai ) = 1
i=1
Exemplo 1: Considere o lanamento de dois dados, sendo os eventos A = {soma

dos nmeros igual a 9}, B = {nmero do primeiro dado maior ou igual a 4} e C =
{soma dos nmeros menor ou igual a 4}. Enumere os elementos de A, B, C, A B e
A C . Obtenha P (A B) e P (A C)
55
4.3
Eventos Independentes
Suponha que dois eventos A e B ocorram independentes um do outro no sentido

que a ocorrncia ou no de um deles tenha nenhuma relao e nenhuma influncia
na ocorrncia ou na no ocorrencia do outro. Nessas condies
P (A B) = P (A) P (B)
Definio: Dois eventos so independentes se P (A B) = P (A) P (B).

Problema
Sejam A e B eventos tais que P (A) = 0, 2, P (B) = P , P (A B) = 0, 6. Calcular P
considerando A e B :
a) Mutuamente exclusivos;
b) independentes.
Resoluo
a) P (A B) = 0 como P (A B) = P (A) + P (B) P (A B) vem 0, 6 = 0, 2 + p 0
P = 0, 4
b) P (A B) = P (A) P (B) = 0, 2 P como P (A B) = P (A) + P (B) P (A B)
vem 0, 6 = 0, 2 + P 0, 2P 0, 4 = 0, 8P logo, P = 0, 5
4.4
Probabilidade Condicional
Se A e B so dois eventos, a probabilidade de A ocorrer, depois B ter acontecido, representada por P (A/B) (Probabilidade de A dado B ) e denominada
probabilidade condicional de A, depois de B ter ocorrido.
portanto natural definir-se a probabilidade condicional P (A/B) como a proporo
56
da probabilidade total P (B) que representada pela probabilidade P (A B). Portanto, tem-se a seguinte definio
P (A/B) =
P (A B)
,
P (B)
dado P (B) > 0
Se P (B) = 0 a P (A/B) no definida

ou, equivalentemente
P (B/A) =
P (A B)
,
P (A)
dado P (A) > 0
Se P (A) = 0 a P (B/A) no definida.

Tiramos da definio da probabilidade condicional o chamado TEOREMA DO PRODUTO: Sejam A e B . Ento, P (A B) = P (B) P (A/B) ou P (A B) =
P (A) P (B/A).
Exemplo: Um grupo de 86 pessoas est assim formado:
Escolhendo-se, ao acaso, uma pessoa do grupo, qual a probabilidade de que seja:

a) Uma mulher que fez o curso de medicina ?
b) Uma pessoa que fez o curso de medicina ?
c) Um engenheiro dado que seja homem ?
d) No ser mdico dado que no seja homem ?
4.5
Probabilidade Total
Seja o espao amostral de um experimento, e considere K eventos A1 , A2 , . . . , Ak

em tal que A1 , A2 , . . . , Ak sejam disjuntos e
Sk
i=1
Ai = . Diz-se, ento, que estes
57
eventos formam uma partio de .

Se os eventos A1 , A2 , . . . , Ak formam uma partio de , e B qualquer outro evento
em , ento:
B = (A1 B) (A2 B) . . . (Ak B)

Como os K eventos do lado direito da equao anterior so disjuntos:
P (B) =
k
X
P (Ai B)
i=1
Mas P (Aj B) = P (Aj ) P (B/Aj ) em que j = 1, 2, . . . , k . Ento
P (B) =
k
X
P (Aj ) P (B/Aj )
i=1
Exemplo: Uma urna contm 3 bolas brancas e 2 amarelas. Uma segunda urna
contm 4 bolas brancas e 2 amarelas. Escolhe-se, ao acaso, uma urna e dela retirase, tambm ao acaso, uma bola. Qual a probabilidade de que seja branca?
4.6
Teorema de Bayes
Sejam os eventos j = 1, 2, . . . , k que formam uma partio do espao amostral tal

que P (Aj ) > 0 para todo j = 1, 2, . . . , k e seja B qualquer evento tal que P (B) > 0.
Ento, para i = 1, 2, . . . , k , temos:
P (Aj /B) = Pk
P (Aj )P (B/Aj )
i=1
P (Ai ) P (B/Ai )
Prova: Pela definio de probabilidade condicional,
(4.1)
58
P (Aj /B) =
P (Aj B)
P (B)
O numerador da equao (1) igual a P (Aj B) e o denominador igual a P (B)

(pela frmula para probabilidade total).
Exemplo: Em uma fbrica de parafusos, as mquinas A, B e C produzem 25, 35 e 40
por cento do total produzido, respectivamente. Da produo de cada mquina, 5, 4
e 2 por cento, respectivamente, so parafusos defeituosos. Escolhe-se ao acaso um
parafuso e se verifica ser defeituoso. Qual ser a probabilidade de que o parafuso
venha da mquina A? Da B? Da C?
59
4.7
Exerccios
1. Dez fichas numeradas de 1 at 10 so misturadas em uma urna. Duas fichas,

numeradas (X, Y ), so extradas da urna, sucessivamente e sem reposio.
Qual a probabilidade de que seja X + Y = 10? (R= 4/45)
2. Considere o conjunto de nmeros inteiros {1, 2, 3, . . . , 19, 20}, e, por meio de
um sorteio aleatrio, retire um nmero. Se o nmero sorteado for mpar, qual a
probabilidade de o nmero sorteado ser o nmero 13? ( R = 1/10)
3. A probabilidade de que o aluno A resolva determinado problema 2/3 e a probabilidade de que o aluno B o resolva 4/5. Se ambos tentarem independentemente a resoluo, qual a probabilidade do problema ser resolvido? ( R =
14/15)
4. Numa festa beneficente, foram vendidos 20 nmeros em uma "rifa", e sero
sorteados dois prmios. Qual a probabilidade de uma pessoa que tenha adquirido
quatro nmeros ganhar os dois prmios? (R = 3/95)
5. Um lote formado por 10 animais sadios, quatro com problemas menores e dois
com problemas graves. Todos os animais so numerados e feita a escolha de
um animal ao acaso. Ache a probabilidade de que:
a) ele no tenha problemas; (R =5/8)
b) ele no tenha problemas graves; (R = 7/8)
c) ele ou seja sadio ou tenha problemas graves. (R = 3/4)
6. Duas bolas vo ser retiradas sem reposio de uma urna que contm 2 bolas
brancas, 3 pretas e 4 verdes. Qual a probabilidade de que ambas
a) sejam verdes? (R = 1/6)
b) sejam da mesma cor? ( R = 5/18)
7. Uma urna contm 5 bolas brancas, 4 vermelhas e 3 azuis. Extraem-se 3 bolas
(uma aps a outra). Achar a probabilidade de que:
a) nenhuma seja vermelha. (R= 14/55)
b) exatamente uma seja vermelha. (R = 28/55)
c) todas sejam da mesma cor. (R= 4/55)
8. Numa populao composta por 200 animais de duas raas X e Y , os animais
podem ser fecundos e no fecundos. Vinte por cento dos animais da raa X so
60
fecundos; trinta por cento dos animais da raa Y sao no fecundos e setenta e
cinco por cento dos animais so da raa X . Escolhe-se um animal ao acaso.
Determine a probabilidade desse animal:
a) ser da raa Y dado que fecundo; (R = 0,55)
b) ser no fecundo dado que da raa Y .( R = 0,30)
9. Uma indstria produz determinado tipo de pea em trs mquinas M1 , M2 e
M3 . A Mquina M1 produz 40% das peas, enquanto M2 e M3 produzem

30% cada uma. As porcentagens de peas defeituosas produzidas por essas
mquinas so respectivamente iguais a 1%, 4% e 3%. Se uma pea selecionada aleatriamente da produo total, qual a probabilidade dessa pea
ser defeituosa? (R = 0,025)
10. A urna A contm 3 fichas vermelhas e 2 azuis, e a urna B contm 2 vermelhas
e 8 azuis. Joga-se uma moeda honesta. Se a moeda der cara, extrai-se uma
ficha da urna A; se der coroa, extrai-se uma ficha da urna B. Uma ficha vermelha
extrada. Qual a probabilidade de ter sado cara no lanamento? (R = 34 )
11. Num certo colgio, 4% dos homens e 1% das mulheres tm mais de 1,75 de
altura. 60% dos estudantes so mulheres. Um estudante escolhido ao acaso
e tem mais de 1,75 m. Qual a probabilidade de que seja homem? ( R =
8
11
0, 7272)
12. A e B jogam 120 partidas de xadrez, das quais A ganha 60, B ganha 40 e 20
terminam empatadas. A e B concordam em jogar 3 partidas. Determinar a
probabilidade de:
a) A ganhar todas a trs; (R = 81 )
b) duas partidas terminarem empatadas; (R =
c) A e B ganharem alternadamente. (R =
5
)
72
5
)
36
13. Em uma prova caram dois problemas. Sabe-se que 132 alunos acertaram o
primeiro, 86 erraram o segundo, 120 acertaram os dois e 54 acertaram apenas
um problema. Qual a probabilidade de que um aluno, escolhido ao acaso:
a) no tenha acertado nenhum problema? ( R =
37
)
124
b) tenha acertado apenas o segundo problema? (R =
21
)
124
14. So retiradas, com reposio, duas cartas de um baralho com 52 cartas. Qual
a probabilidade de que as duas sejam de ouros? (R =
1
)
16
61
15. Um lote de certo tipo de peas formado de 9 peas boas, 2 com pequenos
defeitos e uma com defeito grave. Uma dessas peas escolhida ao acaso.
Determine a probabilidade de que a pea escolhida:
a) no tenha defeito; ( R = 34 )
b) no tenha defeito grave. (R =
11
)
12
16. Suponha que A e B sejam eventos independentes associados a um experimento. Se a probabilidade de A ou B ocorrerem for igual a 0, 6, enquanto a
probabilidade da ocorrncia de A for igual a 0, 4, determine a probabilidade da
ocorrncia de B. (R = 0,33)
17. As probabilidades de que dois eventos independentes ocorram so p e q , respectivamente. Qual a probabilidade:
a) de nenhum desses eventos ocorra? (R = (1 p)(1 q))
b) de que pelo menos um desses eventos ocorra? ( R = (p + q pq))
62
5.1
Variveis Aleatrias discretas
Variveis Aleatrias
Definio: Considere um experimento para o qual o espao amostral denotado por
. Define-se varivel aleatria como uma funo que associa um valor real a cada
elemento do espao amostral.
X : <
Representa-se as variveis aleatrias por letras maisculas e suas ocorrncias por

letras minsculas.
Exemplo
Suponha o experimento "lanar trs moedas". Seja X: nmero de ocorrncias da
face cara . O espao amostral do experimento :
= {(c, c, c), (c, c, r), (c, r, c), (c, r, r), (r, c, c), (r, c, r), (r, r, c), (r, r, r)}
Se X o nmero de caras, X assume os valores 0, 1, 2 e 3.
63
Definio: Seja X uma varivel aleatria (v.a.). Se o nmero de valores possveis

de X (isto , o seu contradomnio), for finito ou infinito enumervel, denominamos X
de varivel aleatria discreta.
Definio: Seja X uma varivel aleatria discreta. Portanto, o contradomnio de
X ser formado por um nmero finito ou enumervel de valores x1 , x2 , . . .. A cada

possvel resultado xi , associaremos um nmero p(xi ) = P (X = xi ), i = 1, 2, 3, . . .,
denominado probabilidade de xi . Os nmeros p(xi ) devem satisfazer s seguintes
condies:
a) p(xi ) 0,
b)
i=1
p(xi ) = 1
A funo p definida acima, denominada funo de probabilidade da varivel

aleatria X . A coleo de pares [xi , p(xi )], i = 1, 2, . . ., denominada distribuio
de probabilidade.
Exemplo
Lanam-se dois dados. Seja a v.a. X: soma das faces. Determinar a distribuio de
probabilidade da varivel aleatria X.
64
5.2
Esperana de uma Varivel Aleatria Discreta
Suponha que uma varivel aleatria X possua uma distribuio discreta cuja funo
p(x). A esperana de X , denotada por E(X), um nmero definido por:
= E(X) =
x p(x)
Exemplo: Suponha que uma v.a. X possa assumir somente quatro valores: -2, 0, 1
e 4, e que P (X = 2) = 0, 1;
P (X = 0) = 0, 4;
P (X = 1) = 0, 3;
P (X = 4) =
0, 2.
Ento:
E(X) = 2 (0, 1) + 0 (0, 4) + 1 (0, 3) + 4 (0, 2) = 0, 9

Propriedades da Esperana
P1. Se a uma constante qualquer
E(a) = a
P2. Se a uma constante qualquer
E(aX) = a E(X)
P3. Se X1 , X2 , . . . , Xn so n variveis aleatrias tais que E(Xi ) existe (i = 1, 2, . . . , n),
ento
E(X1 + X2 + . . . + Xn ) = E(X1 ) + E(X2 ) + . . . + E(Xn ).

P4. Se X1 , X2 , . . . , Xn so n variveis aleatrias independentes tais que E(Xi ) existe (i = 1, 2, . . . , n), ento
65

E ni=1 Xi = ni=1 E(Xi )
5.3
Varincia de uma Varivel Aleatria Discreta
Definio: Suponha que X uma v.a. com mdia = E(X). A varincia de x,

representada por V (X) definida por
V (X) = E[(x )2 ]
V (X) = E(X 2 ) [E(X)]2

Variveis Aleatrias Discretas
Suponha que uma v.a. X possua uma distribuio discreta, cuja funo p(x). Ento
V (X) =
X
X
x2 p(x) 2
(x )2 p(x) =
x
Exemplo: Suponha que uma v.a. X possa assumir somente quatro valores: -2, 0, 1
e 4, e que P (X = 2) = 0, 1;
P (X = 0) = 0, 4;
P (X = 1) = 0, 3;
P (X = 4) = 0, 2.
Como visto anteriormente, E(X) = 0, 9. Ento
V (X) =
x (x
)2 p(x) = (2 0, 9)2 (0, 1) + (0 0, 9)2 (0, 4) + (1 0, 9)2
(0, 3) + (4 0, 9) (0, 2) = 3, 09
Propriedades da Varincia
P1. V (c) = 0 se e somente se c for uma constante.
P2. V (aX) = a2 V (X). sendo a constante
66
P3. V (aX + b) = a2 V (X). com a e b constantes

P4. V (X Y ) = V (X) + V (Y ) 2cov(X, Y ).
5.4
Funo de Distribuio Acumulada
Definio: A funo de distribuio da varivel aleatria X , representada por Fx ou

simplesmente F , definida por:
FX (x) = P (X x) =xi x P (xi )

Observaes:
a) A funo de distribuio de X tambm frequentemente chamada de funo de
distribuio acumulada de X .
b) A funo FX (x) no-decrescente quando x aumenta, isto , se x1 < x2 , ento
FX (x1 ) FX (x2 ).
c) 0 F (x) 1
d) P (a < X b) = F (b) F (a)
e) P (a X b) = F (b) F (a) + P (X = a)
f) P (a < X < b) = F (b) F (a) P (X = b)
g) Para qualquer valor de x
P (X > a) = 1 F (a)
Teoremas
a) Se X for uma varivel aleatria discreta,
FX (x) =
X
j
P (xj )
67
onde o somatrio estendido a todos os ndices j que satisfaam a condio xj x

Exemplo
Suponhamos que a v.a. X tome os trs valores 0,1, e 2, com probabilidades 1/3, 1/6
e 1/2, respectivamente. Ento:
O grfico de F est apresentado na Figura abaixo
68
5.5
Exerccios
1. Suponha que 0,4; 0,3; 0,2 e 0,1, respectivamente, sejam as probabilidades de

que nenhum, um dois ou trs problemas com energia afetaro certa subdiviso
durante dado ano. Determine a mdia e a varincia da varivel aleatria X que
representa o nmero de problemas com energia que afeta essa subdiviso.
2. As probabilidades de que haja 0, 1, 2, 3 ou 4 partes defeituosas em uma
mquina quando trs partes so amostradas da linha de produo so, respectivamente: 0,05; 0,20; 0,40; 0,25 e 0,10. Determinar:
a) o nmero mdio de partes defeituosas;
b) a varincia V (X) ;
c) F (X) e esboar seu grfico.
d) P (2 < X 4).
3. A funo de probabilidades da varivel aleatria X : P (X) = 15 , para
X = 1, 2, 3, 4, 5.
a) Calcule E(X) e V (X)
b) Calcule P (X 2) e P (X < 4)
c) Determine F (X) e esboce seu grfico.
4. Suponha que a durao X de uma ligao telefnica, em minutos, seja dada
pela seguinte distribuio de probabilidades:
X
1
P (X) 0,2
2
0,5
3
0,2
4
0,1
a) Determine P (X 3) e P (2 X 3).
b) Calcule E(X) e V (X).
c) Obtenha F (X) e esboe seu grfico.
5. Uma urna tem 4 bolas brancas e 3 pretas. Retiram-se 3 bolas sem reposio.
Seja X : nmero de bolas brancas, determinar a distribuio de probabilidades
de X .
6. Fazer o exerccio anterior considerando extrao com reposio.
69
7. Um jogo consiste em se retirar, ao acaso, uma bola de uma caixa contendo 5

bolas brancas, 3 pretas e 2 vermelhas. Se a bola selecionada for branca ganhase R$ 10,00 e se for preta ou vermelha perdem-se, respectivamente, R$ 5,00 e
R$ 15,00. Qual o lucro mdio do jogo?
8. Calcule a esperana e a varincia de g(X) = 2X + 3, onde X a varivel
aleatria com distribuio de probabilidade
X
0
P (X) 1/4
1
1/8
2
1/2
3
1/8
70
6.1
Distribuies Tericas de
Probabilidades de Variveis
Aleatrias Discretas
Distribuio de Bernoulli
Consideremos uma nica tentativa de um experimento aleatrio. Podemos ter sucesso

ou fracasso nessa tentativa.
Seja p a probabilidade de sucesso e q a probabilidade de fracasso, com p + q = 1,
ou seja, q = 1 p.
Seja X : nmero de sucessos em uma nica tentativa do experimento. X assume o
valor 0 que corresponde ao fracasso, com probabilidade q , ou o valor 1, que corresponde ao sucesso, com probabilidade p.
P (X = 0) = q e P (X = 1) = p
Nessas condies a varivel aleatria X tem distribuio de BERNOULLI, e sua
funo de probabilidade dada por:
P (X = x) = px q 1x
A esperana da distribuio de Bernoulli E(X) = p e sua varincia
V (X) = pq
Exemplo: Uma urna contm 15 bolas brancas e 25 bolas vermelhas. Uma bola
71
retirada da urna e a varivel aleatria X anota o nmero de bolas brancas obtidas.

Calcule a mdia e a varincia de X e determinar P (X).
Soluo:
X=0q=
25
40
5
8
X=1p=
15
40
3
8
P (X = x) = ( 38 )x ( 58 )1x
E(X) = p =
3
8
V (X) = pq =
6.2
3
8
5
8
15
64
Distribuio Binomial
Consideremos n tentativas independentes de um mesmo experimento aleatrio. Cada

tentativa admite apenas dois resultados: fracasso com probabilidade q e sucesso
com probabilidade p, p + q = 1. As probabilidades de sucesso e fracasso so as
mesmas para cada tentativa.
Seja X : nmero de sucessos em n tentativas.
Determinaremos a funo de probabilidades da varivel X , isto , P (X = k).
Logo,

n k nk
P (X = k) =
p q
k
A varivel X tem distribuio binomial, com parmetros n e p, e indicaremos pela
notao
X B(n, p)
72
Exemplo: Ser extraida uma amostra de 5 indivduos de uma grande populao,

onde 60% so do sexo feminino. Qual a probabilidade de:
a) exatamente 3 dos indivduos escolhidos ser do sexo feminino?
b) pelo menos um dos indivduos ser do sexo feminino?
c) ao menos 3 (uma maioria) ser do sexo feminino ?
Soluo: Se X a v.a. que representa o nmero de indivduos que so do sexo feminino, temos que X segue uma distribuio binomial, cuja probabilidade de "sucesso"
(ser do sexo feminino) em cada tentativa 0,60. Portanto,
a)

5
P (X = 3) =
(0, 6)3 (0, 4)2 = 0, 3456
3
b) A probabilidade que pelo menos um dos indivduos ser do sexo feminino dada
por

5
1 P (X = 0) = 1
(0, 6)0 (0, 4)5 = 1 0, 0102 = 0, 9898
0
c) A probabilidade que ao menos 3 (uma maioria) ser do sexo feminino dada por
P(X = 3) +
P(X = 4) + P(X = 5), ou seja:

5
5
5
3
2
4
1
(0, 6) (0, 4) +
(0, 6) (0, 4) +
(0, 6)5 (0, 4)0 = 0, 6826
3
4
5
6.2.1 Mdia e Varincia de uma v.a. com Distribuio

Binomial
Se X B(n.p) P (X = k) =
n
k
k nk
p q
ento
E(X) = n p e V (X) = n p q
Exemplo: Em 100 lances de uma moeda honesta, determeine a mdia e a varincia
do nmero de caras.
73
p=
1
2
eq=
1
2
logo,
E(X) = np = 100
1
2
= 50
V (X) = npq = 100 12
6.3
1
2
= 25
Distribuio de Poisson
Seja X uma v.a. com distribuio discreta, e suponha que X assuma valores inteiros
no negativos. dito que X possui uma distribuio de Poisson com mdia onde
( > 0) se a funo de probabilidade de X dada por:
P (X = k) =
e k
k!
k = 0, 1, 2, 3, . . .
em que X o nmero de sucessos no intervalo

Observao:O smbolo e representa uma constante que aproximadamente igual a
2,7183. O seu nome uma homenagem ao matemtico suio I. Euler, e constitui a
base do chamado logaritmo natural.
A distribuio de Poisson muito usada na distribuio do nmero de:
1. carros que passam por um cruzamento por minuto, durante uma certa hora do dia;
2. erros tipogrficos por pgina, em um material impresso;
3. defeitos por unidade (m2 , m3 , m, etc.) por pea fabricada;
4. mortes por ataque de corao por ano, numa cidade. aplicada tambm em
problemas de filas de espera em geral, e outros.
A esperana E(X) = e a varincia V (X) = .
74
A v.a. de P oisson tem um amplo range de aplicaes em uma grande variedade

de reas, porque se emprega como uma aproximao para uma v.a. binomial com
parmetros (n, p) quando n grande e p pequeno. Supondo que X uma v.a.
binomial com parmetros (n; p) ento = np.

Exemplo 1: Se a probabilidade de um indivduio sofrer uma reao nociva, resultante
de ter tomado um certo soro 0,001, determinar a probabilidade de que, entre 2000
indivduos:
a) exatamente trs sofrerem a reao;
Soluo
Seja X a v.a. que representa o nmero de pessoas que sofrem a reao nociva aps
injerir o soro. Ento,
P (X = k) =
e k
k!
k = 0, 1, 2, 3, . . .
onde = 2000 0, 001 = 2. Logo,
P (X = 3) =
e2 23
= 0, 18
3!
b) mais do que dois sofrerem a reao.
P (X 3) = 1 P (X 2) = 1 [P (X = 0) + P (X = 1) + P (X = 2)]
=1[
e2 20 e2 21 e2 22
+
+
] = 0, 323
0!
1!
2!
Exemplo 2: Numa central telefnica chegam 300 telefonemas por hora. Qual a
probabilidade de que:
a) num minuto no haja nenhum chamado
X : nmero de chamadas por minuto = 5
75
P (X = 0) =
e5 50
= 0, 006738
0!
b) em 2 minutos haja 2 chamados

dois minutos = 10
P (X = 2) =
e10 102
= 0, 002270
2!
76
6.4
Exerccios
1. Retira-se uma bola de uma urna contendo 30 bolas brancas e 20 verdes. Qual
a probabilidade dessa bola ser verde?
2. Seja X Bernoulli(p) Mostre que E(X) = p e V (X) = pq , q = 1 p
3. A probabilidade de que certo tipo de componente sobreviver a um teste de
choque de 3/4. Determine a probabilidade de que exatamente dois dos prximos quatro componentes testados sobrevivam. (R = 27/128)
4. Uma grande rede varesjista compra certo tipo de equipamento eletrnico de
um fabricante. O fabricante indica que a taxa de equipamentos com defeito
de 3%. O inspetor da rede seleciona 20 tens de um carregamento. Qual a
probabilidade de que haja pelo menos um tem defeituoso entre esses 20? (R
= 0,4562)
5. De acordo com a publicao Chemical Energineerring Progress (nov. 1990)
aproximadamente 30% de todas as falhas nas tubulaes das indstrias so
causadas por erro do operador. Qual a probabilidade de que no mais que
quatro de 20 falhas sejam causadas por erro do operador? (R = 0,2375)
6. Se a probabilidade de uma lmpada fluorescente ter vida til de pelo menos 800
horas de 0,9, determine a probabilidade de que, entre 20 lmpadas,
a) exatamente 18 tero vida til de pelo menos 800 horas. (R = 0,2852)
b) pelo menos 15 tero vida til de pelo menos 800 horas. (R = 0,9887)
c) pelo menos duas no tero vida til de pelo menos 800 horas. (R = 0,6083)
7. Uma loja tem um lote de 10 fechaduras, das quais 5 tm defeitos. Se uma
pessoa comprar 3 fechaduras, qual a probabilidade de encontrar no mximo
uma defeituosa?
8. Em 10 lanamentos de uma moeda honesta, qual a probabilidade de observarmos
a) exatamente 5 caras?
b) entre 3 e 7 caras?
c) mais do que 7 caras?
77
9. Uma empresa produz 10% de peas defeituosas. As peas so embaladas em

caixas que contm 12 peas. Calcule a probabilidade de um cliente comprar
uma caixa contendo:
a) nenhuma pea defeituosa;
b) uma pea defeituosa.
10. Uma cia de seguros descobriu que somente cerca de 0,1 por cento da populao est includa em certo tipo de acidente por ano. Se seus 10000 segurados so escolhidos, ao acaso, na populao, qual a probabilidade de que
no mais do que 5 de seus clientes venham a estar includos em tal acidente no
prximo ano?
11. Supondo que o nmero de carros que chegam numa fila do guich de um pedgio tem distribuio de Poisson a uma taxa de trs por minuto, calcule a probabilidade de que cheguem cinco carros nos prximos dois minutos.
12. Um caixa de banco atende 150 clientes por hora. Qual a probabilidade de que
atenda:
a) Nenhum cliente em 4 minutos
b) No mximo dois clientes em 2 minutos
13. Uma empresa geralmente compra grandes lotes de certo tipo de equipamento
eletrnico. O mtodo utilizado rejeita o lote se dois ou mais tens com defeitos
forem encontrados em uma amostra aleatria de 100 unidades.
a) Qual a probabilidade de rejeio de um lote se h 1% de tens defeiuosas?
b) Qual a probabilidade de aceitao de um lote se h 5% de tens defeiuosas?
78
Variveis Aleatrias contnuas
7.1
Definies
Definio: Seja X uma varivel aleatria. Suponha que <x , o contra-domnio de X ,

seja um intervalo ou uma coleo de intervalos. Ento diz-se que X uma varivel
aleatria contnua.
Definio: Seja X uma varivel aleatria contnua. A funo densidade de probabilidade f , indicada abreviadamente por f.d.p., uma funo f que satisfaz as seguintes
condies:
a) f (x) 0, x <x
b)
R
<x
f (x)dx = 1
Alm disso, define-se, para qualquer c < d (em <x )
Z
P (c < x < d) =
f (x)dx
c
Observaes:
a) P (c < x < d) representa a rea sob a curva da f.d.p. f , entre os pontos x = c e
x = d.
b) Constitui uma consequncia da descrio probabilstica de X que, para qualquer
valor especificado de X , digamos x0 , teremos P (X = x0 ) = 0, porque P (X = x0 ) =
R x0
x0
f (x)dx = 0.
79
7.2
Funo de Distribuio Acumulada
Definio: A funo de distribuio da varivel aleatria X , representada por Fx ou

simplesmente F , definida por:
FX (x) = P (X x)
Teorema
a) Se X for uma varivel aleatria contnua com f.d.p f ento:
f (s)ds
FX (x) =
Suponha que X seja uma varivel contnua com f.d.p.
O grfico est apresentado na Figura abaixo
Figura 6: Meyer, pgina 75.
80
7.3
Esperana de uma Varivel Aleatria Contnua
Se uma varivel aleatria X possui uma distribuio contnua com f.d.p. f (x), ento
a esperana E(X) definida por:
x f (x)dx
= E(X) =
Exemplo: Suponha que f.d.p. de uma v.a. X com uma distribuio contnua seja:
(
f (x) =
2x para 0 < x < 1

0
Ento E(X) =
7.4
R1
0
x (2x)dx =
R1
0
caso contrrio
2x2 dx =
2x3
3
|10 =
2
3
Variancia de uma Varivel Aleatria Contnua
Suponha que uma v.a. X possua uma distribuio contnua, cuja f.d.p. f (x). Ento
(x ) f (x)dx =
V (X) =
x2 f (x)dx 2
Exemplo: Suponha que f.d.p. de uma v.a. X com uma distribuio contnua seja:
(
f (x) =
2x para 0 < x < 1

0
caso contrrio
Como visto anteriormente, E(X) = 32 . Ento
V (x) =
R1
0
x2 (2x)dx ( 23 )2 =
R1
0
2x3 dx ( 23 )2 =
2x4
4
|10 ( 23 )2 =
2
4
4
9
2
36
81
7.5
Exerccios
1. Sendo f (x) = Kx3 a densidade de uma varivel aleatria contnua no intervalo
0 < x < 1, determine o valor de K.

2. Uma varivel aleatria contnua X definida pela seguinte funo densidade:
(
f (x) =
3
(x
2
1)2 se 0 x 2
caso contrrio
Determinar:
a) A mdia.
b) A varincia.
3. O dimetro X de um cabo eltrico uma varivel aleatria contnua com funo
densidade de probabilidade dada por:
(
f (x) =
K(2x x2 ) se 0 x 1
0
se x < 0 ou x > 1
a) Determinar K.
b) Calcular E(X) e V (X).
c) Calcular P (0 x 1/2).
4. Determinar a mdia e a varincia de X , cuja f.d.p. dada por:
(
f (x) =
2
x2
se 1 x 2
se x < 1 ou x > 2
5. Dada a funo
(
f (x) =
2e2x se x 0
0
se x < 0
a) Mostre que esta uma f.d.p.

b) Calcule a probabilidade de X > 10.
6. A durao de uma lmpada uma varivel aleatria T , cuja f.d.p. :
(
f (t) =
t
1
e 1000
1000
para t 0 (em horas)
se t < 0
82
Calcular a probabilidade de uma lmpada:

a) Se queimar antes de 1.000 horas.
b) Durar entre 800 e 1.200 horas.
7. Uma varivel aleatria contnua tem a seguinte fdp:
f (x) =
2kx se 0 x < 3
kx
para 3 x < 5
caso cantrrio
Determinar o valor de k, a mdia e a varincia da varivel aleatria.

8. O nmero total de horas, medido em unidades de 100 horas, que uma famlia
utiliza o aspirador de p em sua casa, durante o perodo de um ano, uma
varivel aleatria contnua X , que tem funo de densidade
f (x) =
se 0 < x < 1
2 x para 1 x < 2
0
caso cantrrio
Determine a probabilidade de que, durante o perodo de um ano, a famlia use

o aspirador
a) menos de 120 horas;
b) entre 50 e 100 horas.
83
8.1
Distribuies Tericas de
Probabilidades de Variveis
Aleatrias Contnuas
Distribuio Uniforme
Usada comumente nas situaes em que no h razo para atribuir probabilidades

diferentes a um conjunto possveis de valores da varivel aleatria em um determinado intervalo.
Uma varivel aleatria contnua X , definida no intervalo [a, b], tem distribuio Uniforme se sua funo densidade de probabilidade for especificada por
(
f (x) =
k para
axb
0 para
x < a ou x > b
O valor de k pode ser obtido da seguinte forma
k dx = 1
a
k x |ba = 1
k=
Logo,
1
ba
84
f (x) =
1
ba
para
axb
para
x < a ou x > b
Sua Funo de distribuio F (X) dada por
Z
a
1
xa
ds =
ba
ba
Sua mdia E(X) e Varincia V (X) so dados por
E(X) =
b+a
2
e V (X) =
(ba)2
12
Exemplo: Um ponto escolhido ao acaso no intervalo [0,2]. Qual a probabilidade de

que esteja entre 1 e 1,5?
8.2
Distribuio Normal
A distribuio Normal, tambm conhecida por distribuio Gaussiana, segunda lei

de Laplace, Laplace, Laplace-Gauss, de Moivre, uma famlia importante das distribuies contnuas de probabilidade, aplicvel em muitas reas (JOHNSON e KOTZ,
1970). Suas propriedades, alm de fundamentar decises, medir e prevenir riscos
e at explicar curiosidades, descrevem bem variveis como comprimento de pinos e
dimetros de discos, altura, peso, inteligncia e tempo de gestao de seres vivos,
rendas e despesas de famlias ou categorias profissionais, rendimentos de mquinas
e campos de trigo, qualidade do ar, velocidade de molcula, distribuies diamtricas e volumtricas de rvores, etc. Cada membro dessa famlia pode ser definido
por dois parmetros, locao e escala: a mdia e a varincia 2 , respectivamente.
A distribuio normal padro possui mdia zero e varincia um (JOHNSON e KOTZ,
1970).
Uma varivel normal, de modo geral, retrata bem fenmenos cujo efeito final corresponde soma de mltiplas causas ou afetado por diversas variveis independentes
(tpico de variveis fsico qumicas, socioeconmicas, psicossociais, etc).
85
Carl Friedrich Gauss em 1809 se tornou associado com essa distribuio quando ele
analizou dados astronomicos, e definiu a equao desta densidade de probabilidade.
Ela frequentemente chamada de curva de sino porque o grfico da sua densidade
de probabilidade se assemelha um sino (JOHNSON e KOTZ, 1970).
Definio: Dizemos que uma v.a. X possui uma distribuio Normal (ou Gaussiana)
com mdia e varincia 2 ( < < e > 0) se X possuir uma distribuio
contnua com funo densidade de probabilidade dada por:
1
1
f (x) = e 2
2
8.2.1
2
para
<x<
Mdia
E(X) =
V (X) = 2
Usaremos a seguinte notao: X N (, 2 )
8.2.2
Distribuio Normal Padro
A distribuio normal com mdia zero ( = 0) e varincia um ( 2 = 1) denominada

distribuio normal padro N (0, 1). A funo densidade de probabilidade de uma
distribuio normal padro em geral representada por (x) e dada por
x2
1
(x) = e 2
2
Se uma varivel X tem uma distribuio normal com mdia e varincia 2 , ento a
varivel
86
Z=
Z chamada de Varivel Normal Reduzida, Normal Padronizada ou Varivel Normalizada.

As probabilidades para uma distribuio normal com qualquer mdia e varincia podem ser determinadas atravs de Tabelas de uma distribuio normal padro.
Como ilustrao, na Figura 1 apresentado o grfico da funo normal representada
com diferentes parametrizaes.
Figura 7: Densidade da distribuio normal segundo diferentes parametrizaes.

Exemplos do uso da Tabela
1. Seja X N (100, 25). Calcular
a) P (100 X 106)
b) P (89 X 107)
87
c) P (X 114)
d) P (X 108)
Resoluo
= 100 e = 5, Z =
X100
.
5
a) P (100 X 106) = P (0 Z 1, 2) = P (Z 1, 2) P (Z 0) = 0, 8849
0, 5000 = 0, 3849
b) P (89 X 107) = P (2, 2 Z 1, 4) = P (Z 1, 4) P (Z 2, 2) =
0, 9192 0, 0139 = 0, 9053

c) P (X 114) = P (Z 2, 8) = 0, 9918
d) P (X 108) = P (Z 1, 6) = 1 P (Z 1, 6) = 1 0, 9452 = 0, 0548
2. Supor uma populao em que o peso dos indivduos seja distribuido normalmente
com mdia 68 kg e desvio padro 4 kg. Determinar a proporo de indivduos
a) abaixo de 66 kg
b) acima de 72 kg
c) entre 66 e 72 kg
a) P (X < 66) = P (Z < 0, 5) = 0, 3085
b) P (X > 72) = P (Z > 1) = 1 P (Z 1) = 1 0, 8413 = 0, 1587
c) P (66 < X < 72) = P (0, 5 < Z < 1) = P (Z < 1) P (Z < 0, 5) = 0, 8413
0, 3085 = 0, 5328
88
8.3
Exerccios
1. A dureza H de uma pea de ao pode ser pensada como uma varivel aleatria
com distribuio uniforme no intervalo [50,70] da escala Rockwel. Calcular a
probabilidade de que uma pea tenha dureza entre 55 e 60.
2. A varivel aleatria X tem distribuio uniforme com parmetros a = 5 e b = 10.
Calcule as probabilidades:
a) P (X < 7)
b) P (8 < X < 9)
c) P (X > 8, 5)
3. A distribuio da altura de plantas de Amaranthus hybridus, X , pode ser aproximada por uma distribuio normal de mdia 29,7 cm e desvio padro 2,7 cm.
A probabilidade de uma planta apresentar altura:
a) entre 29,7 e 32,0 cm?
b) acima de 32,0 cm?
c) abaixo de 30,0 cm?
4. Certo tipo de armazenados de bateria dura, em mdia, trs anos, com desvio
padro de 0,5 ano. Assumindo que a vida dos armazenadores distribuda
normalmente, encontre a probabilidade de que certo armazenador dure pelo
menos 2,3 anos.
5. Uma indstria eltrica fabrica lmpadas que tm vida til, antes de queimarem,
normalmente distribuda com mdia igual a 800 horas e desvio padro de 40
horas. Encontre a probabilidade de que uma lmpada queime entre 778 e 834
horas.
6. Certa mquina fabrica resistores eltricos com uma resistncia mdia de 40
ohms e desvio padro de 2 ohms. Supondo que a resistncia siga uma distribuiao normal e que pode ser medida para qualquer grau de acuidade, qual
a porcentagem de resistores que tero uma resistncia excedendo 43 ohms?
7. O dimetro de uma cabo eltrico normalmente distribudo com mdia 0,8 e
desvio padro 0,02. Qual a probabilidade de que o dimetro ultrapasse 0,81?
8. Vamos supor que uma galinha da linhagem Shaver 579 produza, em um perodo
de 72 semanas, 200 ovos em mdia, com varincia de 49 ovos, e que esta var-
89
ivel (produo de ovos) apresente distribuio aproximadamente Normal. Calcule a probabilidade de uma galinha dessa linhagem produzir, em 72 semanas,
um nmero entre 190 e 210 ovos.
9. As massas das peas de um determinado lote tm distribuio normal, com
mdia de 65,3 g e desvio padro de 5,5 g. Encontre a probabilidade de peas
com massas:
a) entre 60 e 70 g;
b) superiores a 63,2 g.
90
9.1
Teoria da Amostragem
Introduo
Um problema de inferncia estatstica um problema no qual os dados de uma

certa populao com uma distribuio de probabilidade desconhecida precisa ser
analizado, e algum tipo de inferncia sobre essa distribuio desconhecida precisa
ser feito. Essa inferncia feita atravs dos dados de uma amostra.
9.2
Parmetros e Estatsticas
Parmetros: so medidas populacionais quando se investiga a populao em sua

totalidade, neste caso impossvel fazer inferncias, pois toda a populao foi investigada.
Estatsticas ou Estimadores: so medidas obtidas da amostra, torna-se possvel
neste caso utilizarmos as teorias infernciais para que possamos fazer concluses
sobre a populao.
91
9.3
Tcnicas de amostragem
O pesquisador procura tirar concluses a respeito de um grande nmero de sujeitos.

Por exemplo, ele poderia desejar estudar:
Os 190.000.000 de cidados que constituem a populao brasileira.
Os 1.000 membros de um sindicato.
Os 45.000 estudantes de intercmbio e assim sucessivamente.
Se o pesquisador trabalha com todo o grupo que ele tenta compreender, dizemos que est trabalhando com a POPULAO.
9.4
Conceitos Iniciais
Antes de iniciar o estudo da teoria da amostragem necessrio conhecer alguns

conceitos bsicos.
Populao: O conjunto da totalidade dos indivduos sobre o qual se faz uma inferncia recebe o nome de populao ou universo. A populao congrega todas as
observaes que sejam relavantes para o estudo de uma ou mais seres animados
ou inanimados. Em linguagem mais formal, a populao o conjunto constitudo
por todos os indivduos que apresentem pelo menos uma caracterstica comum, cujo
comportamento interessa analisar (inferir).
Amostra: A amostra pode ser definida como um subconjunto, uma parte selecionada
da totalidade de observaes abrangidas pela populao, atravs da qual se faz um
juzo ou inferncia sobre as caractersticas da populao.
Censo: a coleo de dados relativos a todos elementos da populao.
Estatstica: a medida numrica que descreve uma caracterstica da amostra.
Parmetro: a medida numrica que descreve uma caracterstica da populao.
Varivel: uma caracterstica de uma unidade que ser medida a partir daquela
unidade da amostra.
Unidade: qualquer elemento individual da populao.
92
9.5
Amostragem
Esta a ideia essencial da amostragem: obter informao sobre o todo, examinando

apenas uma parte.
Exemplos da utilizao da amostragem:
Sondagens opinio pblica que servem para conhecer a opinio da populao
sobre variadas questes. As mais populares so as sondagens polticas.
Inspeo de mercado utilizada com o intuito de descobrir as preferncias das
pessoas em relao a certos produtos. Um dos exemplos mais conhecidos da
aplicao desta amostragem a lista de audincias dos programas de televiso.
Censo (recenseamento da populao) que tem como objectivo obter informao
relativa ao nmero de ocupantes, idade, sexo, parentesco entre eles, etc. de
cada habitao do pas.
Amostragem de aceitao que consiste na seleo e inspeo cuidada de uma
amostra retirada de uma encomenda enviada pelo fornecedor. Baseado no estado da amostra, toma-se a deciso de aceitar ou rejeitar a encomenda.
O pesquisador busca generalizar concluses referentes AMOSTRA, estendendoas para toda a POPULAO da qual essa amostra foi extrada.
As regras de amostragem podem ser classificadas em duas categorias:
Probabilstica: So amostragem em que a seleo aleatria de tal forma que cada
elemento tem igual probabilidade de ser sorteado para amostra.
No-probabilstica: So amostragens em que h uma escolha deliberada dos elementos da amostra.
9.5.1
As Amostras Probabilsticas
Os mtodos de amostragem probabilstica servem para assegurar uma certa preciso na estimao dos parmetros da populao, reduzindo o erro amostral.
A principal caracterstica dos mtodos de amostragem probabilstica reside no fato
de que cada elemento da populao tem uma probabilidade conhecida e diferente
de zero, de ser escolhida, quando da tiragem ao acaso para fazer parte da amostra.
93
O objetivo desta abordagem obter a melhor representatividade possvel.

Os tipos de amostragem probabilsticas so: Amostragem Aleatria Simples, Amostragem
Aleatria Estratificada, Amostragem por Conglomerados e Amostragem Sistemtica.
9.5.2
Amostragem Aleatria Simples
A Amostragem aleatria simples uma tcnica segundo a qual cada um dos elementos (sujeitos) que compe a populao alvo tem igual probabilidade de ser escolhido
para fazer parte de uma amostra. A amostragem aleatria simples consiste em elaborar uma lista numrica de elementos de onde se tira, com a ajuda de uma tabela de
nmeros aleatrios, uma srie de nmeros para constituir a amostra.
Exemplo:
Vamos retirar uma amostra para uma pesquisa de estatura de quarenta alunos de
uma sala de aula.
a) Numeramos os alunos de 01 a 40.
b) Escrevemos os nmeros, de 01 a 40, em pedaos de papel, colocando-os dentro
de uma urna. Mexemos a urna para misturar bem os papis, e retiramos, um a um,
quatro nmeros que faro parte da amostra. Neste exemplo o tamanho da amostra
igual a 10% da populao mas este percentual pode variar dependendo do tamanho
da populao que est sendo estudada.
9.5.3
Amostragem Aleatria Estratificada
A Amostragem aleatria estratificada uma variante da amostra aleatria simples.

Esta tcnica consiste em dividir a populao alvo em subgrupos homogneos chamados "estratos"e a seguir tirar de forma aleatria uma amostra de cada estrato. A
Amostragem aleatria estratificada utilizada quando a populao inteira reconhecida por certas caractersticas precisas, tais como a idade, o sexo, a incidncia
de uma condio de sade, tudo isto para assegurar a melhor representatividade
possvel.
94
9.5.4
Amostragem por Conglomerados
Algumas populaes no permitem, ou tornam-se extremamente difceis que se identifiquem seus elementos, mas podemos identificar subgrupos da populao. Em tais
casos, uma amostra aleatria simples desses subgrupos (conglomerados) podem
ser escolhida, e uma contagem completa deve ser feita no conglomerado sorteado.
Agregados tpicos so: quarteires, famlias, organizaes, agncias, edifcios, etc.
9.5.5
Amostragem Sistemtica
Consiste quando existe uma lista ordenada de elementos da populao. Esta tcnica
consiste K elementos dessa lista sendo o primeiro elemento da amostra retirado ao
acaso.
O intervalo entre os elementos corresponde razo entre o tamanho da populao
e da amostra.
Exemplo: Se pretender uma amostra de 100 indivduos e a populao for de 1000 o
sistema ser r = 1000/100 = 10 (dez em dez o sistema), isto , ser includo um
elemento da lista de 10 em 10 indivduos a partir do primeiro nmero sorteado.
9.6
Amostragem No-probabilstica
A amostragem no-probabilstica a amostragem subjetiva, ou por julgamento, onde

a variabilidade amostral no pode ser estabelecida com preciso, consequentemente,
no possvel nenhuma estimativa do erro amostral.
Se o tamanho da amostra bem pequeno; digamos, de uns 5 itens, a amostragem
aleatria pode dar resultados totalmente no representativos, ao passo que uma
pessoa familiarizada com a populao pode especificar quais os itens mais representativos da populao.
9.7
Erros no processo de amostragem
No h dvida de que uma amostra no representa perfeitamente uma populao.

Ou seja, a utilizao de uma amostra implica na aceitao de uma margem de erro
95
que denominaremos ERRO AMOSTRAL.

Erro Amostral a diferena entre um resultado amostral e o verdadeiro resultado
populacional; tais erros resultam de flutuaes amostrais aleatrias.
Ocorrem erros no-amostrais quando:
Os dados amostrais so coletados, registrados ou analisados incorretamente.
H uma utilizao de um instrumento defeituoso durante a realizao de mensuraes.
Um questionrio ou formulrio possui questes formuladas de modo tendencioso.
No podemos evitar a ocorrncia do ERRO AMOSTRAL, porm podemos limitar
seu valor atravs da escolha de uma amostra de tamanho adequado. Quanto
maior o tamanho da amostra, menor o erro cometido e vice-versa.
9.8
Distribuio Amostral da Mdia
De uma populao X , tiramos uma amostra de tamanho n constituda pelos

elementos x1 , x2 , . . . , xn obtida de uma distrbuio N (, 2 ). Ento, o estimador
da Mdia populacional na amostra :
n
2
1X
xi N (, )
x =
n i=1
n
ou seja, x
tem distribuio Normal com E(
x) = e V (
x) =
escrever de forma equivalente que, se x
N (,
Z=
2
n
2
.
n
Podemos
) ento
N (0, 1)
que a forma mais adequada para aplicaes.

H uma observao importante a ser feita: se a populao for finita e de tamanho
N conhecido, e se a amostra de tamanho n dela retirada for sem reposio, ento:
2 N n
x N ,
n N 1
96
em que
N n
N 1
o fator de correo.
Exemplo 1: Se X N (, 2 ) onde = 20 e 2 = 16, calcule a probabilidade

que:
a) x
> 21 se x for baseado numa amostra de tamanho 16.
b) 19 < x
< 23 se x for baseado numa amostra de tamanho 36.
Exemplo 2: Sabe-se que a altura mdia dos alunos de uma faculdade de
175 cm e o desvio padro, 25 cm. Retiramos uma amostra sem reposio, de
tamanho n = 100. Qual a probabilidade amostral da mdia das alturas estar
entre 160 e 180 cm?
9.9
Distribuio Amostral das Propores
Veremos a distribuio amostral da proporo p de sucessos, caracterstica que

se estuda na populao
Seja p conhecida. A populao pode ser definida como uma varivel X tal que
X = 1 se o elemento da populao tem a caracterstica

X = 0 se o elemento da populao no tem a caracterstica
logo, = E(X) = p, 2 = V (X) = p(1 p).

Retiramos uma grande amostra, n , x1 , x2 , . . . , xn , dessa populao, com
reposio, e definimos x como o nmero de sucessos na amostra, isto , o
nmero de elementos da amostra com a caracterstica que se quer estudar.
O estimador de p definido por p = nx : proporo de sucessos na amostra.
X B(n, p) e E(X) = np e V (X) = npq sendo q = 1 p

Calculando esperana e varincia de p, temos:
E(
p) = E

x
n
= n1 E(x) =
1
n
np = p E(
p) = p ou p = p
O que garante que, para grandes amostras, a proporo amostral se distribui

com mdia igual proporo populacional.
97
Vejamos agora:
V (
p) = V

ou V (
p) =
x
n
pq
n
1
n2
V (x) =
ou p =
1
npq
n2
p pq
n
Logo, a variancia da proporo amostral a varincia da populao dividida

pelo nmero de elementos da amostra.

pq
Quando n p = N p, n , p aproximadamente normal.

Segue-se que, nas mesmas condies,
p p
Z = p pq N (0, 1)
n
A preciso da aproximao normal melhora na medida que o valor do tamanho

da amostra, n, aumenta e, para p prximo de 1/2. Uma regra geral usada,
que a aproximao normal boa quando np e nq 5.
Exemplo 3: Um fabricante afirma que sua vacina contra gripe imuniza em 80%
dos casos. Uma amostra aleatria de 25 indivduos que tomaram a vacina foi
obtida e testes foram feitos para verificar a imunizao ou no desses indivduos. Se o fabricante estiver correto, qual a probabilidade da proporo de
imunizados na amostra ser inferior a 0,75? E superior a 0,85?
Exemplo 4: Um varejista compra copos diretamente da fbrica em grandes
lotes. Os copos so embrulhados individualmente. Periodicamente o varejista
inspeciona os lotes para determinar a proporo dos quebrados. Se um grande
lote contm 10% de quebrados qual a probabilidade do varejista obter numa
amostra de 100 copos 17% ou mais defeituosos?
98
9.10
Exerccios
1. Com o objetivo de verificar que lanche deveria ser servido para os adolescentes de um acampamento, selecionou-se uma amostra composta por
250 adolescentes sorteados entre os 2.000 presentes num acampamento.
Que tipo de amostragem foi utilizada?
2. Em uma cidade de 138.000 habitantes, deseja-se fazer uma pesquisa sobre as preferncias de lazer entre pessoas da terceira idade, levando em
conta o sexo a que pertencem. Supondo que na cidade haja 8.500 mulheres e 5.300 homens acima de 65 anos de idade, determine uma amostra
estratificada com 200 elementos.
3. Um reprter da revista Business Week obtm uma relao numerada de
1.000 empresas com maiores cotaes de aes na bolsa. Ele entrevistar
100 gerentes gerais das empresas correspondentes a esta amostra. Que
tipo de amostragem voc surgeriria e por que?
4. Um tipo de fio fabricado com resistncia mdia tenso de 78,3 quilogramas e desvio-padro de 5,6 quilogramas. Em quanto a varincia da mdia
amostral muda quando o tamanho da amostra
a) Aumentado de 64 para 196?
b) Reduzido de 784 para 49?
5. Uma engarrafadora utiliza uma mquina para encher garrafas plsticas com
refrigerante, cujo contedo segue uma distribuio Normal com = 298 ml
e = 3 ml. Qual a probabilidade de:
a) determinada garrafa conter menos de 295 ml?
b) o contedo mdio das garrafas de um pacote de 6 ser inferior a 295 ml?
6. Seja a varivel X = chamadas telefonicas de longas distncias (em minutos), com X N (, 2 ) em que = 8 e 2 = 4. Se amostras aleatrias de
25 chamadas forem selecionadas,
a) que proporo das mdias amostrais estar entre 7,8 e 8,2 min?
b) que proporo das mdias amostrais estar entre 7,5 e 8 min?
c) Que proporo das mdias amostrais estar entre 7,8 e 8,2 min para
uma amostra aleatria de 100 chamadas? Comparar os resultados a) e c).
7. A renda de um conjunto de pessoas de uma certa regio tem mdia 6 s.m.
99
e desvio padro de 2 s.m. Se desta populao for extrada uma amostra de

n = 100 pessoas, qual a probabilidade da mdia desta amostra acuse um
valor superior a 6,3 s.m?
8. Se vamos extrair amostras de n = 100 observaes de uma populao
muito grande, em que a proporo populacional 0,20, que porcentagem
de propores amostrais poderemos esperar nos intervalos:
a) 0,16 a 0,24?
b) maior que 0,24?
9. Tendo em mente estimar a proporo de alunos de um determinado "Campus"universitrio que eram favorveis reestruturao das contas acadmicas, um pesquisador social entrevistou uma amostra aleatria de 590 estudantes e constatou que 57% deles era de fato, favorveis citada reestruturao. Considerando a proporo obtida como sendo o valor "p"populacional:
a) Calcule a probabilidade de numa amostra de 49 alunos, menos de 49%
sejam favorveis reestruturao das contas acadmicas.
b) Calcule a probabilidade de numa amostra de 36 alunos, menos de 55%
sejam favorveis reestruturao das contas acadmicas.
10. A proporo de estmatos da epiderme abaxial da folha de macieira da
variedade M-9, com tamanho acima de um determinado valor 0,12. Extrada uma amostra de 35 folhas, qual a probabilidade de que a proporo
amostral esteja entre 0,08 e 0,13?
11. Numa floresta de Eucalyptus saligna, a proporo de rvores mortas de
4%. Foi tomada uma amostra aleatria de 100 rvores. Qual a probabilidade de que a proporo de rvores mortas na amostra fique entre 2 e
6%
100
10
Teoria da Estimao
10.1
Introduo
Inferncia estatstica o processo pelo qual podemos tirar concluses acerca

de um conjunto maior (a populao) usando informao de um conjunto menor
(a amostra).
Podemos estimar o parmetro usando a informao de nossa amostra. Chamamos
este nico nmero que representa o valor mais plausvel do parmetro (baseado
nos dados amostrais) de uma estimativa pontual de . Alguns exemplos so a
mdia amostral, o desvio padro amostral, a mediana amostral, os quais estimam a verdadeira mdia, desvio padro e mediana da populao (que so
desconhecidos).
10.2
Estimao Pontual
A estimao pontual (por ponto) consistir simplesmente em, falta de melhor

informao, adotar a estimativa disponvel como sendo o valor do parmetro.
A idia , em sua essncia, extremamente simples, porm a qualidade dos resultados ir depender fundamentalmente da conveniente escolha do estimador.
Assim, dentre os vrios estimadores razoveis que poderemos imaginar para
um determinado parmetro, devemos ter a preocupao de escolher aquele
que melhor satisfaa s propriedades de um bom estimador.
101
10.3
Propriedades dos estimadores
Consideremos uma amostra (X1 , X2 , . . . , Xn ) de uma v.a. que descreve uma

caracterstica de interesse de uma populao.
Seja um parmetro que desejamos estimar, como por exemplo a mdia =
E(X) ou a varincia 2 = V (X).

Definio: Um estimador T do parmetro qualquer funo das observaes
da amostra, ou seja, T = g(X1 , X2 , . . . , Xn ).
10.3.1
Justeza e no-tedenciosidade
Diremos que um estimador T justo (ou no-tedencioso, ou no-viciado, ou

no-viesado) se sua mdia (ou expectncia) for o prprio parmetro que se
pretende estimar
E(T ) = para todo

A adoo de um estimador que no seja justo nos levar a incorrer no vcio de
estimao, ou vis.
Exemplo
Seja X1 , X2 , . . . , Xn uma amostra aleatria de tamanho n obtida de uma pop-
=
ulao com mdia e varincia 2 , ento X
1
n
Pn
i=1
Xi um estimador no
viciado de .
= E( 1
E(X)
n
10.3.2
Pn
i=1
Xi ) =
1
n
Pn
i=1
E(Xi ) =
n
n
Consistncia
Diremos que uma sequncia de estimadores Tn consistente se, para todo
> 0,
P {| Tn |> } 0,
(10.1)
102
Em vez de usar (1) para verificar se uma sequncia de estimadores consistente, pode-se usar o seguinte resultado
Proposio:Uma sequncia {Tn } de estimadores de consistente se
lim E(Tn ) =
lim V (Tn ) = 0
Exemplo
Se Xi Bernoulli(p) ento X =
Pn
i=1
Xi Binomial(n, p), da E(X) = np
e V (X) = np(1 p). Ento,
E(
p) = E( Xn ) =
E(X)
n
np
n
V (
p) = V ( Xn ) =
V (X)
n2
np(1p)
n2
= p (e p um estimador no viciado de p);

=
p(1p)
n
e limn
p(1p)
n
=0
concluindo-se que p um estimador consistente de p.
10.3.3
Eficincia
Se T e T 0 so dois estimadores no-viesados de um mesmo parmetro , e

ainda
V (T ) < V (T 0 ),
ento T diz-se mais eficiente do que T 0
Exemplo
Seja X1 , X2 , . . . , Xn uma amostra aleatria obtida de X com distribuio de
Bernoulli com parmetro p, desconhecido. Encontre as varincias V (
p) e V (
p1 );
compare e mostre que p mais eficiente do que p1 .
Soluo:
V (
p) = V ( X1 +X2n+...+Xn ) =
p(1p)
;
n
1
n2
Pn
i=1
V (Xi ) =
1
n2
Pn
i=1
p(1 p) =
np(1p)
n2
103
V (
p1 ) = V (X1 ) = p(1 p).
Como, para n > 1, V (
p) =
p(1p)
n
< V (
p1 ) = p(1 p) e, sendo p e p1 esti-
madores no viciados ento, de acordo com a Definiao, p mais eficiente do

que p1 .
10.3.4
Suficincia
Em poucas palavras, diremos que um estimador suficiente se contm o mximo possvel de informao com referncia ao parmetro por ele estimado.
Definio A estatstica T = T (X1 , X2 , . . . , Xn ) dita suficiente para o parmetro
desconhecido , quando a distribuio condicional de X1 , X2 , . . . , Xn dado T
independente de
10.4
Estimao Intervalar
Uma estimativa pontual de parmetros, por no dizer o quo prximo o parmetro

estimado vai estar do parmetro verdadeiro, no suficiente para informar sobre
a preciso da estimativa. Os mtodos de estimao por intervalo tem propsito
de determinar os intervalos aleatrios, chamados intervalos de confiana, que
contm o valor do parmetro desconhecido com uma probabilidade especificada chamada nvel de confiana. Neste caso a amplitude do intervalo d uma
indicao da preciso da estimativa obtida.
10.4.1 Intervalo de Confiana para Mdia com varincia (populacional) conhecida

Seja X1 , X2 , . . . , Xn uma amostra aleatria de tamanho n obtida de X N (, 2 ).
Ento
=
X
1
n
Pn
i=1
Xi N (, n ) e, com a varincia 2 suposta conhecida, a
varivel aleatria
104
Z=
N (0, 1)
Assim, dado o nvel de confiana 1 , tendo em vista a simetria da distribuio
N (0, 1) e, para garantir que o intervalo obtido tenha amplitude mnima, obtemos
na tabela da distribuio normal padronizada, q1 = Z 2 e q2 = q1 = Z 2 tal
que P (Z Z 2 ) = 1
de modo que

X
Z
P Z 2
=1
ou, equivalentemente,

+ Z = 1
Z X
P X
2
2
n
n
sendo o intervalo de confiana simtrico para dado por
;X + Z2
IC(, 1 ) = X Z 2
n
n

Em geral usa-se tambm a seguinte representao:
IC(, 1 ) = X Z 2
n

Exemplo
Suponha que se extraia uma amostra de tamanho 35 de uma populao com
mdia e desvio padro conhecido e igual a 3,90. Suponha que a mdia
amostral seja 44,8. Determinar um intervalo com 95% de confiana para .
Soluo:
Temos que,
1 = 0, 95, = 0, 05, P (Z Z/2 ) = 1

Z/2 = 1, 96
= 1
0,05
2
= 0, 975. Logo,
105
IC(, 95%) = (44, 8 1, 96
3,90
)
35
IC(, 95%) = (44, 8 1, 29)

Logo, o intervalo com 95% de confiana para [43,51; 46,09]
10.4.2 Intervalo de Confiana para Mdia com varincia (populacional) desconhecida

Admitindo, mais realisticamente, que a varincia 2 desconhecida, a varivel
aleatria
t=

X
S
n
tn1
isto , tem distribuio de Student com n1 graus de liberdade, e independente

de .
Dado o nvel de confiana 1 , como a distribuio de t simtrica e, para
obter um intervalo com amplitude mnima, obtemos na tabela da distribuiao
tn1 , q1 = tn1; 2 e q2 = q1 = tn1; 2 tal que P (t tn1; 2 ) =
,
2
ento que
P t
n1;
2
n1;
2
S
n
=1
e, de forma equivalente,

tn1; S X
+ tn1; S = 1
P X
2
2
n
n
de modo que o intervalo de confiana simtrico para

tn1; S ; X
+ tn1; S
IC = (, 1 ) = X
2
2
n
n
ou, de outra forma
S
IC = (, 1 ) = X tn1; 2
n

em que S o desvio padro amostral dado por
seguindo
106
v
u
u
S=t
1 X
2
(Xi X)
n 1 i=1
Exemplo
Suponha que se extraia uma amostra de tamanho 25 de uma populao com
mdia e desvio padro desconhecido. Suponha que a mdia amostral seja
4,004 e o desvio padro amostral seja 0,366. Determinar intervalo 99% de
confiana para .
Soluo:
Temos que,
t0,005;24 = 2, 797
IC(4, 004 2, 797
0,366
)
25
IC(4, 004 0, 205)

Logo, o intervalo com 99% de confiana para [3,799; 4,209].
10.4.3
Intervalo de Confiana para proporo populacional
Seja X1 , X2 , . . . , Xn uma amostra aleatria de tamanho n obtida de uma populao de Bernoulli com parmetro p, onde os componentes da amostra s
podem assumir os valores 0 e 1.
, a proporo amostral de sucessos, para n suficientemente

Tem-se p = X
grande, tem uma distribuio aproximadamente normal com mdia p e varincia
p(1p)
.
n
Logo,
p p
Z=q
N (0, 1)
p(1p)
n
A expresso final para o intervalo de confiana aproximado para p, com nvel de

confiana 1 , ser
107
IC(p, 1 ) = p Z
p(1 p)
; p + Z 2
n
p(1 p)
n
ou, de forma equivalente,
IC(p, 1 ) = p Z 2
p(1 p)
n
Exemplo
Uma amostra aleatria de 600 peas de computador so obtidas de um grande
lote de produo, observando-se 45 com defeito. Estimar, atravs de um intervalo de confiana de 95%, a proporo verdadeira, p, de peas de computador
com defeito no lote.
Soluo:
X
n
45
600
= 0, 075, para 1 = 0, 95, = 0, 05 e Z 2 = 1, 96 logo,

q
IC(p, 95%) = (0, 075 1, 96 0,0750,925
) = (0, 075 0, 0211) ou
600
Temos p =
IC(p, 95%) = (0, 0539; 0, 0961) ou, ainda: IC(p, 95%) = (5, 39%; 9, 61%).
10.4.4
Intervalo de Confiana para Varincia
Sendo desconhecida e
(n1)S 2
2
2n1 no depende de 2 . Com procedi-
mento semelhante ao caso anterior, temos

(n 1)S 2
2
P 2n1;1
= 1 ,
n1; 2
2
2
(n 1)S 2
2n1;
2
(n 1)S 2
2
= 1 ,
n1;1
2
108
Portanto, o intervalo de confiana simtrico para 2 dado por
(n 1)S 2 (n 1)S 2
.
IC( , 1 ) =
; 2
2n1;
n1;1
2
Exemplo Suponha que seja retirada uma amostra de tamanho cinco de uma populao normalmente distribuda, e que se tenha encontrado uma varincia amostral de
13,52. Construa um intervalo com 95% de confiana para a varincia populacional.
Soluo:
Temos que 20,975;4 = 0, 484 e 20,025;4 = 11, 143. Logo o intervalo de confiana para
2
IC( 2 , 95%) =
4(13,52) 4(13,52)
; 0,484
11,143
IC( 2 , 95%) = (4, 85; 111, 74)
10.5 Intervalo de Confiana para a diferena de mdias de duas Populaes

Estes intervalos podem ser teis em diversas situaes prticas em que se deseja
comparar dois grupos com relao a certa caracterstica. Por exemplo, um industrial
pode querer comparar dois processos de produo; um pesquisador mdico certamente interessa saber o efeito de uma nova droga em dois tipos de pacientes.
Descreveremos a seguir, como construir intervalos de confiana para a diferena
entre duas mdias populacionais.
10.5.1
As varincias 12 e 22 (populacionais) so conhecidas
Como
x1 1
1
n1
N (0, 1)
109
x2 2
2
n2
N (0, 1)
Logo
Z=
(
x1 x2 ) (1 2 )
q 2
N (0, 1)
22
1
+ n2
n1
Assim, temos

(
x1 x2 ) (1 2 )
q
P Z
Z2 = 1
12
22
+
n1
n2

resultando ento, no seguinte intervalo de confiana simtrico para 1 2 :
s

IC(1 2 , 1 ) = (
x1 x2 ) Z 2
12
n1
22
n2
s
; (
x1 x2 ) + Z 2
12 22
+
n1 n2
Exemplo: O peso mdio de duas amostras aleatrias independentes de n1 = 30
1 = 130g e X
2 = 125g ,
e n2 = 40 peas, extradas de dois grandes lotes, foi X
respectivamente. Admitindo que os pesos tenham distribuio normais com varincias respectivas 12 = 60g e 22 = 80g , estimar, atravs de um intervalo de 95% de
confiana, a diferena real dos pesos mdios, 1 2 , para os dois lotes.
10.5.2
As varincias 12 e 22 so desconhecidas mas 12 = 22
Se 12 = 22 = 2 ento, temos
Z=
(
x1 x2 ) (1 2 )
q
2 ( n11 + n12 )
Sabemos que
n
S12
1
1 X
=
(xi x)2
n1 1 i=1
110
e
n
S22
2
1 X
=
(xi x)2
n2 1 i=1
so as varincias amostrais. Como estamos supondo que 12 = 22 = 2 , ento um

estimador no viciado para 2 dado por
Sp2
(n1 1)S12 + (n2 1)S22

=
n1 + n2 2
Temos finalmente
(
x1
x )(1 2 )
q 2
2 ( n1 + n1 )
t= q
(n1 +n2 2)Sp2

2 (n1 +n2 2)
(
x1 x2 ) (1 2 )
q
tn1 +n2 2
Sp2 ( n11 + n12 )
Procedendo de maneira anloga ao caso anterior, obtemos as seguintes expresses

para o IC(1 2 , 1 ) simtrico:
r
r
1
1
1
1
2
2
IC(1 2 , 1) = (
x1
x2 )tn1 +n2 2; 2 Sp ( + ); (
x1
x2 )+tn1 +n2 2; 2 Sp ( + )
n1 n2
n1 n2

r
1
1
2
IC(1 2 , 1 ) = (
x1 x2 ) tn1 +n2 1; 2 Sp ( + )
n1 n2

Exemplo: Duas amostras de plantas foram cultivadas com dois fertilizantes diferentes. A primeira amostra oriunda de 20 sementes, acusou altura mdia de 10,9 cm
e desvio padro 2,0 cm. A segunda amostra, de 10 sementes, acusou uma altura
mdia de 10,5 cm com desvio padro de 5,0 cm. Construir um intervalo de confiana
entre as alturas mdias das populaes ao nvel de 95% de confiana.
10.6
Intervalo de Confiana para Diferena de Propores
Sejam duas propores p1 e p2 , e suas respectivas propores amostrais p1 e p2 ,

baseadas em amostras de tamanhos n1 e n2 . Para grandes tamanhos de amostra
111
tem-se que:

p1 (1 p1 ) p2 (1 p2 )
+
p1 p2 N p1 p2 ;
n1
n2
Portanto, o intervalo de confiana para p1 p2 , com coeficiente de confiana 1
dado por:
s

IC(p1 p2 , 1) = (
p1
p2 )Z 2
p1 (1 p1 ) p2 (1 p2 )
+
; (
p1
p2 )+Z 2
n1
n2
p1 (1 p1 ) p2 (1
+
n1
n2
ou
s

IC(p1 p2 , 1 ) = (
p1 p2 ) Z 2
p1 (1 p1 ) p2 (1 p2 )
+
n1
n2
Exemplo 1: Numa pesquisa sobre inteno do comprador brasileiro, 30 famlias de

uma amostra aleatria de 150 declararam ter uma inteno comprar um carro novo
dentro de um ano. Uma outra amostra de 160 famlias 25 declararam a mesma
inteno. Construir um intervalo de 99% de confiana para a diferena entre as
propores.
Exemplo 2: Numa pesquisa sobre a opinio dos moradores de duas cidades, A e B,
com relao a um determinado projeto, revelou que na cidade A, dos 400 entrevistados, 180 eram favorveis ao projeto, na cidade B, dos 600 entrevistados, 350 foram
favorveis. Verifique, por meio de um intervalo de 90% de confiana, se h diferena
entre as propores de moradores favorveis nas duas cidades.
112
10.7
Exerccios
1. Suponha que X o nmero de sucessos em n provas de Bernoulli com parmetro
p. Mostre que a proporo amostral de sucessos p =
X
,
n
um estimador no
viciado da proporo populacional de sucessos p

2. Se X1 , X2 , . . . , Xn uma amostra aleatria obtida de X com distribuio de
um estimador no
Poisson com parmetro , mostre que a mdia amostral X
viciado de .
3. Seja X a durao da vida de uma pea de equipamento tal que = 5 horas.
Admita que 100 peas foram ensaiadas fornecendo uma durao de vida mdia
de 500 horas e que se deseja obter um intervalo de 95% para a verdadeira mdia
populacional.
4. Deseja-se estimar a nota mdia em um exame aplicado em uma escola. Para
isso considerou-se uma amostra de 16 alunos submetidos a esse exame e
obteve-se uma nota mdia de 7,3 e um desvio padro de 0,4. Construa o intervalo com 95% de confiana para a verdadeira mdia.
5. A seguinte amostra refere-se a quantidade de peas de roupas confeccionadas
por 10 funcionrios numa determinada empresa num determinado dia: 9, 8, 12,
7, 9, 6, 11, 6, 10, 9. Construir um intervalo de confiana para com um nvel de
99%.
6. Uma empresa emprega 200 pessoas. Numa amostra aleatria de 25 notas de
despesas numa semana de dezembro, um auditor constatou uma despesa mdia de 220 u.m. com desvio padro de 20 u.m. Qual a estimativa intervalar com
99% de confiana para a despesa mdia da empresa com seus empregados ?
7. Em uma empresa, o nmero mdio da venda de 12 produtos distintos, coletados
por amostragem, indicou 27,33 como mdia de produtos vendidos por perodo
de tempo. O desvio-padro desta amostra foi 4,28. Se desejarmos construir
um intervalo de 99% confiana para a verdadeira mdia de vendas, podemos
afirmar o qu?
8. Para avaliar a taxa de desemprego em uma cidade, obteve-se uma amostra
aleatria de 1.000 habitantes em idade de trabalho, dos quais 87 eram desempregados. Estimar a porcentagem de desempregados em toda a cidade atravs
de um intervalo de 90% de confiana.
113
9. Uma amostra de onze elementos, extrada de uma populao com distribuio

normal, forneceu varincia s2 = 7, 08. Construir um intervalo de 90% de confiana para a varincia dessa populao.
10. Em uma pesquisa de mercado sobre a preferncia dos consumidores em relao a um novo produto, 155 de uma amostra de 250 consumidores preferiram
o novo produto. Estime, com 90% de confiana a proporo verdadeira de consumidores da populao que preferiro esse novo produto.
11. Atravs de uma amostra aleatria simples de 145 profissionais de certa regio,
verificou-se que o salrio mdio de 8 salrios mnimos (s.m.) com um desvio
padro de 1,8 s.m. A amostra tambm forneceu a informao de que 70% dos
profissionais eram casados.
a) Determine e interprete o intervalo de confiana de 99% para a proporo de
profissionais casados desta regio?
b) Determine e interprete um Intervalo de Confiana de 90% para 2 .
12. Um engenheiro deseja estimar o rendimento mdio de um processo qumico
com distribuio normal baseado nas observaes de rendimento obtidas de 3
repeties do experimento. Considere os dois estimadores do rendimento mdio:
T1 =
X1 + X2 + X3
3
T2 =
X1 + 2X2 + X3
4
a) Encontre a esperana e a varincia dos estimadores acima.

b) Verifique se so no viciados e consistentes. Qual o melhor? Porqu?
13. Seja X uma nica varivel aleatria com distribuio de Bernoulli com parmetro
. Sejam 1 = X e 2 = 1/2 dois estimadores de . Verifique se 1 e 2 so no

viciados para .
14. T1 e T2 so estimadores de um parmetro , tais que:
E(T1 ) =
V (T1 ) = 9
E(T2 ) = 3
V (T2 ) = 3
114
Diga, justificando, qual destes estimadores melhor estimador de .

15. Para uma amostra aleatria de 100 trabalhadores, em uma firma com 1200 empregados, 70 preferem receber seus salrios atravs de crditos em conta corrente bancria. De posse dessa informao construir o intervalo de 90% de
confiana para a proporo de trabalhadores da firma que tm preferncia pelo
crdito em conta corrente para seus trabalhos. [0,62 ; 0,77]
16. Um empresrio est estudando os custos de produo de um determinado produto sob determinadas condies. Ele admite que essa varivel normalmente
distribuda com desvio padro = 2 U.M.(Unidades Monetrias).
a) Determine os ICs de 99%; 95% e 93% para o custo mdio verdadeiro do
produto utilizando os valores da seguinte amostra aleatria obtida: 4,8
8,1
4,5
5,6
6,8
7,2
7,1
5,7
[4,415 ; 8,035] , [4,839 ; 7,611] , [5,065 ; 7,385]

b) Suponha que no item a) o desvio padro no fosse conhecido. Como ficaria
seus clculos para determinar os ICs para ?
[5,076 ; 7,385] , [5,345 ; 7,105] , [5,489 ; 6,961]
17. Em uma amostra aleatria de 400 eleitores de uma cidade, 228 foram contra
o uso de recurso pblicos para a construo de uma certa obra. Com 95% de
confiana, qual a proporo correspondente a todos os eleitores da cidade?
18. Em uma amostra de 300 clientes de um supermercado, 234 deles utilizavam
carto de crdito em suas compras. Construa um intervalo de 99% de confiana
para a proporo de que um cliente escolhido ao acaso v comprar com carto
de crdito.
19. Uma amostra aleatria da previso de 15 analistas financeiros sobre os ganhos
por ao da General Motors Corporation foi coletada. O desvio padro amostral
foi de $ 0,88. Ache o intervalo de confiana de 99% para a varincia das previses dos analistas.
20. Uma amostra aleatria de dimenso n1 = 120 retirada da populao X1 com
distribuio Normal de parmetros 1 e 1 , deu origem aos seguintes valores:
x1 = 20, 5 e s1 = 3, 5. Uma outra amostra, independente da anterior, de dimenso n2 = 130 e retirada da populao X2 de parmetros 2 e 2 , deu origem aos
valores x
2 = 28, 2 e s2 = 4, 8.
a) Determine o intervalo de confiana a 90% para 1 2 admitindo que 1 = 4
115
e 2 = 5. [-8,636 ; -6,764]
b) Determine o intervalo de confiana a 90% para 1 2 assumindo, como
mais natural, que os desvios padro so desconhecidos. [-8,58 ; -6,82]
21. Em uma pesquisa de possuidores de carros em uma universidade, entre alunos
e alunas, foram obtidos: 48 de 200 alunos possuem automveis e 19 de 100
alunas possuem automveis. Encontre um IC de 90% para a diferena entre
propores. Estatisticamente existe diferena entre proporo de alunos e alunas que possuem automveis?
22. Uma amostra aleatria de 200 possuidores de carto de crdito mostra que o
dbito mdio anual nesses cartes, para contas individuais, U$ 1592, com
desvio padro de U$ 997 (com base em dados do USA Today). Com essas
estatsticas, construa um intervalo de 95% de confiana para o dbito mdio
anual em cartes de crdito para a populao de todas as contas.
23. Um banco pretende estimar a percentagem de clientes que passam cheques
sem cobertura. Numa amostra de 150 clientes 15 deles j tinham passado
cheques sem cobertura. Estime, a 95% de confiana a verdadeira percentagem
(ou proporo) de clientes do banco que passam cheques sem cobertura.
24. Extrada duas amostras de professores homens e mulheres, obteve-se os seguintes
resultados quantos aos salrios em milhares de dlares: Construir um intervalo
de 95% de confiana para a diferena das mdias entre os salriosdos professores.
Homens
Mulheres
n1 = 25
n2 = 5
x1 = 16, 0 x2 = 11, 0
S12 = 16
S22 = 10
25. A mdia dos pesos de uma amostra de 10 embalagens de adubos (em kg) distribudos por uma empresa foi de 46,02 kg e com desvio padro de 0,64 kg.
a) Com 99% de confiana, estime um intervalo para a verdadeira mdia dos
pesos das embalagens de adubo.
b) Ao nvel de 90% de confiana, determine um intervalo para verdadeira varincia das embalagens de adubo.
26. A mdia aritmtica dos gastos com livros de uma amostra de 100 estudantes do
primeiro ano de agronomia de 70 reais com desvio padro populacional de 15
116
reais. Construa intervalos com 95% e 99% de confiana para o gasto mdio de
todos os estudantes.
27. Em uma amostra com 200 estudantes de uma universidade, verificou-se que
57% so favorveis a um determinado projeto. Construir e interpretar um intervalo de 95% e 99% de confiana para a verdadeira proporo de estudantes favorveis ao determinado projeto. R: ]0:501386; 0:638614[ e ]0:4796816; 0:6603184[
28. Suponha que estejamos interessados em estimar a porcentagem de consumidores de certo produto. Se a amostra de tamanho 300 forneceu 100 indivduos
que consomem o dado produto, determine o intervalo de confiana de p, a proporo de pessoas que consomem o produto, com coeficiente de 95% (interprete
o resultado).
29. Numa pesquisa sobre a opinio dos moradores de duas cidades, A e B, com
relao a um determinado projeto, obteve-se a tabela abaixo. Utilize o Intervalo
de confiana de 95% para avaliar a diferena entre os percentuais de favorveis
nas duas cidades.
Cidade
Nmero de Entrevistados
Nmero de favorveis
A
400
180
B
600
350
30. De uma populao normal com mdia e varincia desconhecidas, extrai-se uma
amostra de tamanho 15 obtendo-se x
= 12 e s2 = 49. Obtenha um intervalo de
confiana para a varincia populacional, utilizando o nvel de confiana de 95%.
31. Em duas populaes de cobaias de laboratrio (com comportamentos normais
e varincias iguais), uma de animais do sexo masculino e outra de animais do
sexo feminino, foram recolhidas duas amostras com dimenses 11 e 31 respectivamente. Os dados amostrais relativos aos pesos, em gramas, destas cobaias
foram os seguintes:
n1 = 11 x1 = 818 s1 = 40
n2 = 31 x2 = 715 s2 = 50
Determine um intervalo de confiana a 99% para a diferena dos pesos mdios
e verifique se uma das populaes , em mdia, mais pesada do que a outra.
117
11
Testes de Hipteses
11.1
Hiptese Nula e Hiptese Alternativa
Consideraremos aqui problemas estatsticos envolvendo um parmetro cujo valor

desconhecido mas deve cair dentro de um certo domnio (isto , o conjunto
de todos os possveis valores de ). Vamos supor que possa ser particionado em
2 (dois) subconjuntos distintos 0 e 1 , e que o pesquisador deva decidir se o valor
desconhecido de cai em 0 ou em 1 .
Seja H0 a hiptese de que 0 e H1 a hiptese de que 1 , isto :
H0 : 0
H1 : 1
Como 0 e 1 so disjuntos (0 1 = ), somente uma das hipteses verdadeira.

O pesquisador deve decidir se aceita H0 ou se aceita H1 . Um problema desse tipo
chamado um problema de teste de hipteses.
H0 denominada hiptese nula, e
H1 denominada hiptese alternativa
11.2
Regio Crtica do teste
Antes de decidir se aceita ou no a hiptese nula, observa-se uma amostra aleatria
X1 , X2 , . . . , Xn . Seja S o espao amostral, isto , o conjunto de todos os possveis

resultados da amostra.
118
Especifica-se um procedimento de teste que consiste em dividir o espao amostral

em dois subconjuntos:
Um deles consiste dos valores da amostra para o qual ele rejeita H0 ,

Outro contm os valores para o qual se rejeita H1 .
O subconjunto para o qual H0 ser rejeitada chamada regio crtica do teste. O
complemento da regio crtica contm todos os possveis valores para qual H0 ser
aceita.
11.3
Erros do Tipo I e erros do Tipo II
Quando estabelecemos um procedimento do teste, podemos incorrer em dois tipos

de erros:
O de rejeitar H0 quando ela de fato verdadeira. Este erro denominado

erro do tipo I. A probabilidade () deste tipo de erro ocorrer controlada pelo
pesquisador e denominada nvel de signicncia do teste.
O de aceitar H0 quando ela falsa. Este erro denominado erro do tipo II. A
probabilidade deste erro ocorrer representada por
Tabela 17: Representao dos erros do tipo I e II.
H0 verdadeira
H0 falsa
aceita H0
1 (coef. de confiana)
rejeita H0
(nvel de significncia)
1 (poder do Teste)
119
11.4
Teste da hiptese para mdia populacional
11.4.1
conhecido
H0 : = 0
H1 : 6= 0 ou < 0 ou > 0
1 - Retira-se uma amostra de tamanho "n"e calcula-se x
.
2 - Calcula-se o valor da estatstica
Z=
x 0
/ n
3 - Sob a hiptese nula, tem-se que Z possui uma distribuio normal padro.
Portanto,
Rejeita-se H0 se | Z |> Z/2 (isto , se Z < Z/2 ou Z > Z/2 )
Aceita-se H0 se | Z |< Z/2 (isto , se Z/2 Z Z/2 )
em que o nvel de significncia do teste.
Exemplo: O salrio mdio dos empregados das indstrias siderrgicas de 2,5
salrios mnimos, com um desvio padro de 0,5 salrios mnimos. Se uma firma particular emprega 49 operrios com um salrio mdio de 2,3 salrios mnimos, podemos afirmar que essa indstria paga salrios inferiores, ao nvel de 5%?
11.4.2
desconhecido
H0 : = 0
H1 : 6= 0 ou < 0 ou > 0
120
Calcula-se a estatstica
t=
x 0
S/ n
Sob a hiptese nula, tem-se que t possui uma distribuio t-Student com n 1 graus
de liberdade. Portanto,
Rejeita-se H0 se | t |> t/2;(n1)
Aceita-se H0 se | t | t/2;(n1)
Observao
Se os testes tiverem uma hiptese alternativa unilateral (isto , se H1 : > 0
ou H1 : < 0 ) o teste dever rejeitar unilateralmente (isto , se t > t;(n1) ou
t < t;(n1) , respectivamente)

Exemplo: Um fabricante afirma que seus cigarros contm no mais que 30 mg de
nicotina. Uma amostra de 25 cigarros fornece mdia de 31,5 mg e desvio padro de
3 mg. Ao nvel de 5%, os dados refutam ou no a afirmao do fabricante?
11.5
Teste para Proporo
Suponha que se deseje testar a hiptese:
H0 : p = p0
H1 : p 6= p0 ou p < p0 ou p > p0
p p0
Z=q
p0 (1p0 )
n
Rejeita-se H0 se | Z |> z/2
121
Aceita-se H0 se | Z | z/2
Exemplo: De um grande lote de CDs produzidos tiramos uma amostra de 240 CDs
e observamos que 6 apresentavam problemas. Com esse resultado, pode-se concluir que a proporo de CDs com problemas no lote inferior a 3%? (use 5% de
significncia).
11.6
Teste de hiptese para varincia
Suponha que uma varivel seja normalmente distribuda com uma varincia desconhecida e se deseje efetuar o seguinte teste de hipteses:
H0 : 2 = 02
H1 : 2 6= 02 ou 2 < 02 ou 2 > 02
(n 1)s2
X =
02
2
Rejeita-se H0 se X 2 < 21/2,[n1] ou X 2 > 2/2,[n1]

Aceita-se H0 se 21/2,[n1] X 2 2/2,[n1]
Observaes
1 - Se a hiptese alternativa fosse
H1 : 2 > 02
H0 seria rejeitada se X 2 > 2,[n1]
2 - Se a hiptese alternativa fosse
H1 : 2 < 02
122
H0 seria rejeitada se X 2 < 21,[n1]

Exemplo: Uma das maneiras de manter sob controle a qualidade de um produto
controlar a sua variabilidade. Uma mquina de encher pacotes de caf est regulada
para ench-los com mdia de 500 g e desvio padro de 10 g . Colheu-se uma amostra
de 16 pacotes e observou-se uma varincia s2 = 169g 2 . Supondo que o peso de cada
pacote segue uma distribuio normal, voc diria que a mquina est desregulada
com relao varincia?
Soluo:
Deseja-se testar:
H0 : 2 = 100
H1 : 2 6= 100
A estatstica a ser calculada :
X2 =
(n 1)s2
(15)(169)
=
= 25, 35
2
0
100
e o procedimento do teste : Aceita-se H0 se 21/2,[n1] X 2 2/2,[n1]

isto ,
Aceita-se H0 se 6, 262 X 2 27, 488,
e
Rejeita-se H0 seX 2 < 27, 488 ou X 2 > 27, 488
Portanto, aceita-se H0 , e conclumos que a mquina no est desregulada quanto
varincia.
11.7
Teste da hiptese da igualdade de duas mdias
Suponha que se tenha
123
H0 : 1 = 2
H1 : 1 6= 2 ou 1 > 2 ou 1 < 2
11.7.1
12 e 22 conhecidas
calcula-se a estatstica
x1 x2
Z=q 2
1
2
+ n22
n1
Sabe-se que, sob a hiptese H0 , a varivel Z possui uma distribuio normal padro.
Portanto, o procedimento do teste consiste em:
Rejeita-se H0 se | Z |> Z/2
Aceita-se H0 se | Z | Z/2
11.7.2
12 e 22 desconhecidas
Suponha que a hiptese de igualdade de varincias no seja rejeitada. Ento podemos supor que 12 = 22 , mas esta varincia comum no conhecida. Para efetuar
o teste de igualdade de mdias, neste caso, procedemos da seguinte maneira:
t= q
1
x2
qx
1
1
+
n
n
1
(n1 1)S12 +(n2 1)S22

n1 +n2 2
124
Esta estatstica possui uma distribuio t-Student com n1 +n2 2 graus de liberdade.
Portanto.
Rejeita-se H0 se | t |> t/2;n1 +n2 2
Aceita-se H0 se | t | t/2;n1 +n2 2
11.8
Teste de hiptese da diferena entre propores
Suponha que se tenha
H0 : p1 = p2
H1 : p1 6= p2 ou p1 > p2 ou p1 < p2
Como p1 p2 = p1 p2 = 0 (sob H0 ) e p2A pB =
p1 q1
n1
em que
P =
n1 p1 + n2 p2
n1 + n2
adotado como estimativa de p. Calcula-se
Z=
p1 p2
p1 p2
e aceita-se H0 se | Z | Z/2
11.9
Teste da razo de varincias
Suponha que se deseje testar:
H0 : 12 = 22
p2 q2
n2
= pq
1
n1
1
n2
(sob H0 )
125
H1 : 12 6= 22
H0 :
12
=1
22
H1 :
12
6= 1
22
O procedimento do teste :
f=
s21
s22
Vimos que, sob a hiptese H0 , a estatstica f possui uma distribuio F com n1 1

e n2 1 graus de liberdade. Portanto,
Aceita-se H0 ao nvel de significncia se
1
F/2,[n2 1],[n1 1]
f F/2,[n1 1],[n2 1]
Rejeita-se H0 ao nvel de significncia de se
f<
1
F/2,[n2 1],[n1 1]
ou
f > F/2,[n1 1],[n2 1]

Exemplo: Uma das maneiras de medir o grau de satisfao dos empregados de
uma mesma categoria quanto poltica salarial por meio do desvio padro de
seus salrios. A fbrica A diz ser mais coerente na poltica salarial do que a fbrica
126
B. Para verificar essa afirmao, sorteou-se uma amostra de 10 funcionrios no

especializados de A, e 15 de B, obtendo-se as varincias s2A = 1000 reais e s2B =
1600 reais. Qual seria a sua concluso ao nvel de 5%?

Soluo:
A hiptese a ser testada :
H0 : A2 = B2
H1 : A2 < B2
Temos que:
1000
s2A
= 0, 625
f= 2 =
sB
1600
Devemos aceitar H0 ao nvel de significncia = 0, 05 se
1
F0,05,[14],[9]
ou seja, se
f 0, 33
Como este o caso, aceitamos H0 ao nvel de significncia de 0,05, e conclumos
que a fbrica A no mais coerente na poltica salarial do que a fbrica B..
127
11.10
Exerccios
1. Sabe-se que o consumo mensal per capita de determinado produto tem distribuio normal, com desvio padro de 2 kg. A diretoria da empresa que fabrica
esse produto resolveu que retiraria o produto da linha de produo se a mdia
de consumo per capita fosse menor do que 8 kg, caso contrrio, continuaria a
fabric-lo. Foi realizado uma pesquisa de mercado, tomando-se uma amostra
aleatria de 25 pessoas e verificou-se um consumo total de 180 kg do produto.
Construa um teste de hiptese adequado para verificar a hiptese acima a um
nvel de significncia de 2,5% e diga qual deve ser a deciso a ser adotada pela
empresa?
2. Ao final de 90 dias de uma dieta alimentar envolvendo 25 pessoas, constatou-se
o seguinte ganho mdio de peso de 40g, e desvio padro de 1,378g. Supondo
que o ganho de peso mdio dessas pessoas de 45g, teste a hiptese para
= 5%, se esse valor o mesmo.

3. Um processo de fabricao de arame de ao d um produto com resistncia
mdia de 200 psi. O desvio padro de 20 psi. O engenheiro de controle de
qualidade deseja elaborar um teste que indique se houve ou no variao na
mdia do processo, usando uma amostra de 25 arames obteve-se uma mdia
de 285 psi. Use um nvel de significncia de 5%.
4. Suponha que algum tenha sugerido de experincias passadas que 60% das larvas de mosquito num certo lago deveriam ser da espcie Aedes detritus. Foram
encontrados 60 desse tipo de uma amostra de 80. Os dados suportam esta
hipteste? Use = 5%
5. As condies de mortalidade de uma regio so tais que a proporo de nascidos que sobrevivem at 60 anos de 0,6. Testar essa hiptese ao nvel de
2%, se em 1000 nascimentos amostrados aleatoriamente, verificou-se 530 sobreviventes at 60 anos.
6. Observou-se a produo mensal de uma indstria durante alguns anos e verificouse que ela obedecia a uma distribuio normal com varincia igual a 300 u2 . Foi
adotada ento uma nova tcnica de produo e durante um perodo de 24 meses
observou-se a produo mensal. Aps este perodo constatou-se que a varincia foi de 400 u2 . H motivos para se acreditar que houve alterao na varincia
ao nvel de 10%?
128
7. Uma amostra de dez elementos extrada de uma populao suposta normal

forneceu varincia igual a 12,4. Pergunta-se: esse resultado suficiente para
se concluir, ao nvel = 5% de significncia, que a varincia dessa populao
inferior a 25?
8. Para verificar se a variabilidade das espessuras de um tipo de disco metlico
inferior a 3 mm, considerou-se uma amostra de 25 desses discos e obteve-se
uma estimativa para o desvio-padro de 1,8 mm. Com este resultado, qual seria
a concluso a respeito da variabilidade das espessuras? (use = 5%)
9. Uma amostra de 10 lmpadas eltricas, da marca A, apresentou a vida mdia de
1400 horas e uma amostra de 20 lmpadas eltricas, da marca B, apresentou a
vida mdia de 1200 horas. Suponha que os desvios padres populacionais dos
tempos de vida das lmpadas das duas marcas sejam conhecidos e iguais a 120
e 100, respectivamente. Teste, ao nvel de significncia de 1%, a hiptese que
as duas marcas produzem lmpadas com o mesmo tempo mdio de vida.
10. Sendo
Amostra 1
Amostra 2
n1 = 60 x1 = 5, 71 12 = 43
n2 = 35 x2 = 4, 12 22 = 28
Testar a igualdade das duas mdia usando = 5%

11. Duas fbricas devem ser comparadas em relao ao tempo gasto por seus trabalhadores para executar determinada tarefa. Na fbrica A so considerados 15
trabalhadores e so obtidos um tempo mdio estimado de 12 min e um desvio
padro de 2 min. Na fbrica B so considerados 20 trabalhadores e o tempo mdio obtido de 10 min e o desvio padro de 3 min. Sabendo-se que o tempo de
execuo da tarefa tem a mesma variabilidade nas duas fbricas, pode-se considerar que os trabalhadores da fbrica B so mais rpidos que os da A?(use
= 0, 05)
12. Duas tcnicas de vendas so aplicadas por dois grupos de vendedores: a tcnica A, por 12 vendedores, e a tcnica B, por 15 vendedores. Espera-se que
a tcnica B produza melhores resultados que a tcnica A. No final de um ms,
os vendedores de A venderam uma mdia de 68 tens, com uma varincia de
50, enquanto que os vendedores de B venderam uma mdia de 76 tens com
uma varincia de 75. Testar, ao nvel de significncia de 5%, se a tcnica B
129
realmente melhor que a tcnica A.

13. Uma amostra de 370 azulejos tirados da produo de um dado dia acusou
19 azulejos com defeito. Numa amostra de 165 azulejos da produo do dia
seguinte havia 15 azulejos com defeito. H razes estatsticas vlidas para se
afirmar que nesse segundo dia a produo tenha piorado? (Use nvel de 5% de
significncia).
14. Uma empresa de pesquisa de opinio seleciona, aleatriamente, 300 eleitores
de So Paulo e 400 do Rio de Janeiro, e pergunta a cada um se votar ou no
num determinado candidato nas prximas eleies. 75 eleitores de SP e 120
do RJ responderam afirmativo. H diferena entre as propores de eleitores
favorveis ao candidato naqueles dois Estados? (use = 0, 01)
15. Dois programas de treinamento de funcionrios foram efetuados. Os 21 funcionrios treinados no programa antigo apresentaram uma varincia de 146 pontos em sua taxa de erro. No novo programa, 11 funcionrios apresentaram uma
varincia de 200. Sendo = 10%, pode-se concluir que a varincia diferente
para os dois programas?
16. O fabricante I de um tipo especial de ao afirma que, em relao resistncia
trao, seu produto mais homognio que o do fabricante II. Para verificar essa
afirmao foi considerada uma amostra de 11 cabos de ao do fabricante I e uma
de 15 do II. As estimativas dos desvios padres obtidas foram, respectivamente,
5 kg/cm e 8 kg/cm. Com esses resultados, qual seria a concluso a respeito da
afirmao do fabricante I? (Use nvel de 2,5% de significncia).
17. A Hudson Valley Boaling Company distribui um tipo de cerveja sem lcool em
garrafas que indicam o contedo de 32 oz. O Bureau of Weights anel Measures
seleciona aleatoriamente 26 dessas garrafas, mede seu contedo e obtm uma
mdia amostral de 31,8 oz, com desvio-padro de 0,75 oz. Ao nvel de 0,01 de
significncia, teste a afirmao do Instituto de que a companhia est ludibriando
os consumidores. Deve-se formalizar uma queixa?
18. Esto em teste dois processos para fechar latas de comestveis. Em duas seqncias de 1000 latas, o processo 1 gera 50 rejeies, enquanto o processo 2
acusa 200 rejeies. Pode ao nvel de 5%, concluir que os dois processos sejam
diferentes?
19. Em uma pesquisa de opinio, 32 dentre 80 homens declararam apreciar certa
130
revista, acontecendo o mesmo com 26 dentre 50 mulheres. Ao nvel de 5% de

significncia os homens e as mulheres apreciam igualmente a revista?
20. A variabilidade de dois produtos similares deve ser comparada. Coletam-se 15
observaes do produto 1 e 18 do produto 2. A amostra de produto 1 apresenta
S1 = 15, e a amostra de produto 2 apresenta S2 = 18. Teste a hiptese de que

as varincias sejam as mesmas (considere = 0, 10).
21. Um fornecedor de matria-prima afirma que o teor de impureza de seu produto
2,5%. 152 amostras so analisadas, sendo 8 delas classificadas como impuras.
Conclua a respeito da hiptese do fornecedor (use = 0, 05).
22. Um fabricante garante que 90% das peas que fornece a um cliente esto de
acordo com as especificaes exigidas. O exame de uma amostra aleatria de
200 destas peas revelou 25 fora das especificaes. Verifique se aos nveis de
5% e 1% de significncia se h exagero na afirmativa do fabricante.
23. Diversas polticas, em relao s filiais de uma rede de supermercados, esto
associadas ao gasto mdio dos clientes em cada compra. Deseja-se comparar
estes parmetros de duas novas filiais, atravs de duas amostras de 50 clientes,
selecionados ao acaso, de cada uma das novas filiais. As mdias obtidas foram
62 e 71 unidades monetrias. Supondo que os desvios padres sejam idnticos
e iguais a 20 um, teste a hiptese de que o gasto mdio dos clientes no o
mesmo nas duas filiais. Utilize uma significncia de 5%?
24. Em dois anos consecutivos foi feito um levantamento de mercado sobre a preferncia dos consumidores por um determinado produto. No primeiro ano o produto era anunciado com frequncia semanal nos veculos de comunicao e no
segundo ano com frequncia mensal. No levantamento foram utilizados duas
amostras independentes de 400 consumidores cada. No primeiro ano o percentual de compradores ficou em 33% e no segundo ano em 29%. Considerando
o nvel de significncia de 5%, teste a hiptese de que a frequncia do anncio
tem influncia na manuteno da fatia de mercado.
25. Uma agncia de empregos alega que os candidatos por elas colocados nos
ltimos 6 meses tm salrios de R$ 9.000,00 anuais, em mdia. Uma agncia
governamental extraiu uma amostra aleatria daquele grupo, encontrando um
salrio mdio de R8.000,00, com desvio-padro de R$ 1.000,00 com base em
30 empregados. Teste a afirmao da agncia, contra a alternativa de que o
131
salrio mdio inferior a R$ 9.000,00, ao nvel de significncia de 0,05.

26. Um pesquisador deseja saber se a mdia da ingesto calrica diria em populao rural de um pas desenvolvido menor do que 2000 calorias, valor considerado como ideal. Estudando 500 pessoas, obteve mdia de 1985 e desvio
padro de 210. Realize o teste de hiptese.(use = 3%)
27. Um pesquisador quis determinar os efeitos de um programa orientado de exerccios de longa durao em uma empresa. Os dados foram coletados de 13 pessoas que participavam voluntariamente do programa de exerccios e que praticavam atividade fsica por uma mdia de 13 anos. O grupo controle foi formado
por 17 pessoas. A varivel resposta medida foi o nmero de vezes que as pessoas se erguiam em 30 segundos. O grupo de exerccios teve uma mdia de
21.0 e um desvio padro de 4.9. O grupo controle teve mdia de 12.1 e desvio
padro de 5.6. Assumindo que as duas populaes tm distribuio normal e
que as varincias populacionais so iguais, realize o teste de hipteses de que
as mdias so iguais. (use = 5%)
28. Estudos sobre mortalidade de homens com idade superior a 65 anos de uma
cidade mostram que 4% deles morrem dentro de um ano. Num grupo de 1000
indivduos selecionados dessa populao, 60 morreram no perodo de um ano.
Suspeita-se de que houve um aumento da mortalidade anual nessa populao.
(use = 5%)
29. Um restaurante compra frangos abatidos inteiros com peso mdio de 3 quilos h
vrios anos de um fornecedor. Outro fornecedor prope ao gerente do restaurante vender frangos com peso mdio maior que 3 quilos ao mesmo preo do
fornecedor antigo. Antes de mudar de fornecedor, o gerente do restaurante decidiu comprar 25 frangos do novo fornecedor e pes-los. Encontrou um peso
mdio de 3,2 quilos com um desvio padro de 0,4 quilos. (use = 2, 5%)
30. Uma fbrica de automveis anuncia que seus carros consomem, em mdia, 11
litros por 100 km, com desvio padro de 0,8 litro. Uma revista resolve testar
essas afirmao e analisa 35 automveis dessa marca, obtendo 11,3 litros por
100 km como consumo mdio (considerar distribuio normal). O que a revista
pode concluir sobre o anuncio da fbrica, ao nvel de 10%?
31. Um especialista em marketing de uma fbrica de massas acredita que 40% dos
amantes de massas preferem lasanha. Se nove de 20 amantes de massas es-
132
colhem lasanha em vez de outras massas, o que podemos concluir sobre a

afirmao? Use um nvel de significncia de 0,05.
32. Examinaram-se 2 classes de 14 e 15 alunos de um mesmo perodo de um curso.
Na primeira, o grau mdio foi de 7,4 com desvio padro de 0,8. Na segunda, a
mdia foi de 7,8, com desvio padro de 0,7. H uma diferena significativa entre
os aproveitamentos das 2 classes ao nvel de 5%?
33. Em um estudo para estimar a proporo de residentes em certa cidade e seus
arredores que a favor da construo de uma usina nuclear, descobriu-se que
63 de cem moradores da rea urbana so a favor, enquanto somente 59 de
125 moradores dos arredores so a favor. H uma diferena significante entre
a proporo de moradores da rea urbana e dos arredores que so a favor da
construo da usina? (use = 1%)
34. Deseja-se testar ao nvel de 5% se duas populaes tm as mesmas varincias.
Os dados obtidos nas amostras so: n1 = 10, s21 = 5, 22, n2 = 21 e s22 = 16, 9.
Qual a concluso fornecida pelos dados?
35. A vida mdia das lmpadas eltricas produzidas por uma empresa era de 1120
horas. Uma amostra de 8 lmpadas extrada recentemente apresentou a vida
mdia de 1070 horas, com desvio padro de 125 horas. Testar a hiptese de
que a vida mdia das lmpadas no se alterou ao nvel de 1%.
36. Uma amostra aleatria de cem registros de mortes nos Estados Unidos durante
o ano passado mostrou uma expectativa de vida de 71,8 anos. Assumindo um
desvio padro de 8,9 anos, isso parece indicar que a mdia da expectativa de
vida hoje maior do que 70 anos? Use um nvel de significncia de 0,05.
133
12
Correlao e Regresso Linear

Simples
12.1
Correlao Linear Simples
12.1.1
Relao entre variveis
Se desejarmos verificar a existncia e o grau de relao entre variveis ento devemos realizar o estudo da correlao entre essas variveis.
Exemplos:
O peso pode estar relacionado com a idade;
O consumo das famlias pode estar relacionado com a renda;
A demanda de um determinado produto estar relacionado com seu preo.
12.1.2
Medida de Correlao
O estudo da correlao tem por objetivo medir e avaliar o grau de relao entre as
variveis X e Y atravs da disposio dos pontos (X, Y ) em torno de uma reta.
O instrumento de medida da correlao linear dado pelo coeficiente de correlao
linear de Pearson, ou, simplesmente, coeficiente de correlao.
r=
cov(x, y)
Sx Sy
em que Sx e Sy so os desvios padres das variveis X e Y na amostra.
134
Como
sP
Sx =
n
i=1 (xi
n1
sP
x)2
e Sy =
n
i=1 (yi
y)2
n1
e a covarincia cov(x, y) dada por
Pn
cov(x, y) =
x)(yi y)
Sx Sy
i=1 (xi
Para Calculo direto do coeficiente de correlao linear de Pearson, tem-se a seguinte

frmula:
P P
xi y i xi y i
r=p P 2
P
P
P
[n xi ( xi )2 ] [n yi2 ( yi )2 ]
n
O campo de variao do coeficiente r situa-se entre 1 e +1.
1 r 1
Sua interpretao depender do valor numrico e do sinal.
Figura 8: Diagramas de Disperso.
135
12.2
Regresso Linear
A anlise de regresso linear apresenta como resultado uma equao matemtica

que descreve um determinado relacionamento.
A equao pode ser usada para estimar ou predizer valores de uma varivel
quando se conhecem ou se supem conhecidos valores de outra varivel.
Definio: Constitui em tentativa de estabelecer uma equao matemtica linear
que melhor descreva o relacionamento entre duas variveis (uma dependente e outra
independente).
A equao de regresso tem por finalidade estimar valores de uma varivel, com
base em valores conhecidos da outra.
136
Modelo de regresso linear
Yi = + xi + i
(12.1)
em que Yi o valor estimado (varivel dependente), xi a varivel independente,

o coeficiente de regresso (coeficiente angular), o coeficiente linear e i o
resduo
Observao: Chamamos (1) de modelo linear, pois este representa uma reta. Todavia, em casos mais gerais, o termo linear refere-se ao modo como os parmetros
entram no modelo, ou seja, de forma linear.
12.2.1
Pressuposies
A relao entre X e Y linear (os acrescimos em X produzem acrescimos

proporcionais em Y e a razo de acrescimo constante).
Os valores de X so fixados arbitrariamente (X no varivel aleatria)
i o erro aleatrio, portanto uma varivel aleatria com distribuio normal,
com mdia zero e varincia constante 2 . [i N (0, 2 )]. i representa a
variao de Y que no explicada pela varivel independente X . Implica que
yi N ( + xi , 2 ).
Se i 6= j , cov(i , j ) = 0, isto , para duas observaes distintas, os erros so
no-correlacionados (os erros so considerados independentes).
Exemplo
Vendas (1000) X Lucro (100)
obs
Vendas
Lucro
1
201
17
2
225
20
3
305
21
4
380
23
5
560
25
6
600
24
7
685
27
8
735
27
137
Figura 11: Diagrama de Disperso.
12.2.2
Mtodo de estimao dos parmetros e
As estimativas dos parmetros e dados por

e , sero dados a partir de
uma amostra de n pares de valores (xi , yi ) que correspondem a n pontos no
diagrama de disperso.
O mtodo mais usado para ajustar uma linha reta para um conjunto de pontos
(xi , yi ), i = 1, 2, . . . , n o Mtodo dos Mnimos Quadrados.

O mtodo dos mnimos quadrados consiste em adotar como estimativa dos
parmetros os valores que minimizam a soma dos quadrados dos desvios.
Caracteristicas:
A soma dos desvios verticais dos pontos em relao a reta zero;
A soma dos quadrados desses desvios mnima.
sero estimados de tal forma que

Os valores
e da reta de regresso y =
+ x
minimizam a soma dos erros, dados por
i = yi ( + xi ),
i = 1, 2, . . . , n
Obtemos, ento, a quantidade de informao perdida pelo modelo ou soma dos

quadrados dos erros (ou desvios)
138
SQ(, ) =
n
X
n
X
=
{yi ( + xi )}2 .
2i
i=1
i=1
Derivando em relao a e e igualando a zero, observa-se que as solues

e
devem satisfazer.
n
+
n
X
xi =
n
X
i=1
n
X
xi +
i=1
n
X
yi
i=1
x2i =
i=1
n
X
xi y i
i=1
as quais produzem as solues
= y x
(12.2)
Pn
xi yi n
xy
= Pi=1
n
2
x2
i=1 xi n
(12.3)
Para cada par de valores (xi , yi ) pode-se estabelecer o desvio i = yi yi = yi
i)
(
+ x
Exemplo
Para facilitar os clculos da reta de regresso, acrescenta-se trs novas colunas na
tabela de dados.
obs
1
2
3
4
5
6
7
8
y =
184
8
Vendas (xi )
201
225
305
380
560
600
685
735
3.691
= 23 e x =
3691
8
Lucro (yi )
17
20
21
23
25
24
27
27
184
= 461, 38
x2i
yi2
xi y i
40.401
50.625
93.025
144.400
313.600
360.000
469.225
540.225
2.011.501
289
400
441
529
625
576
729
729
4.318
3.417
4.500
6.405
8.740
14.000
14.400
18.495
19.845
89.802
139
P
xi yi n
xy 89.802 8 (461, 38)(23)
= P 2
= 0, 0159
=
2.011.501 8(461, 38)2
xi n
x2
= y x = 23 (0, 0159)(461, 38) = 15, 66

Logo,
y = 0, 0159x + 15, 66
Partindo da reta de regresso pode-se afirmar que para uma venda de 400 mil podese obter um lucro de y = (0, 0159)(400.000) + 15, 66 = 22 mil.
Figura 12: Diagrama de Disperso com a reta ajustada.
12.3
Decomposio da varincia total
A disperso da variao aleatria "y "pode ser medida atravs da soma dos quadrados dos desvios em relao a sua mdia y. Essa soma de quadrados ser denominada Soma de Quadrados Total (SQTotal)
n
X
SQTotal =
(yi y)2
i=1
140
A SQTotal pode ser decomposta da seguinte forma:

n
n
n
X
X
X
2
2
(yi y) =
(
yi y) +
(yi yi )2
i=1
i=1
i=1
Assim,
SQTotal = SQRegresso + SQResduo

Frmulas para clculo:
n
n
n
X
2
X
X
2
2
SQTotal =
(yi y) = n
yi
yi ,
i=1
i=1
i=1
com (n 1) graus de liberdade.

n
n
n
n
X

X
X
X
2
SQRegresso =
(yi yi ) = n
xi y i
xi
yi ,
i=1
i=1
i=1
i=1
com 1 grau de liberdade.
12.4
Anlise de Varincia da Regresso
A Soma de Quadrados da Regresso (SQRegresso), segue uma distribuio 2 com

um grau de liberdade, enquanto que a Soma de Quadrados do Resduo (SQResduo)
segue a mesma distribuio, porm com (n 2) graus de liberdade. Portanto, o
quociente
QM Regresso
SQRegresso/1
=
,
SQResduo/n 2
QM Resduo
segue uma distribuio F de Snedecor com 1 e (n 2) graus de liberdade.
Esse fato nos permite empregar a distribuio F de Snedecor para testar a significncia da regresso, atravs da chamada Anlise de Varincia, sintetizada no quadro a
seguir.
141
Tabela 18: Tabela ANOVA para modelo de regresso

C. V.
g.l.
SQ
Regresso
SQReg
QM Reg =
SQReg
1
Resduo
n2
SQRes
QM Res =
SQRes
n2
Total
QM
n 1 SQTotal
F
QM Reg
QM Res
= Fcalc
Para testar a significncia da regresso, formula-se as seguintes hipteses:
H0 : = 0 contra H1 : 6= 0, em que representa o coeficiente de regresso

paramtrico.
Se o valor de F , calculado a partir do quadro anterior, superar o valor terico de F
com 1 e (n 2) graus de liberdade, para o nvel de significncia , rejeita-se H0 e
conclui-se que a regresso significativa.
Se Fcal > F,[1,(n2)] , rejeita-se H0 .
Para o exemplo anterior,
yi = 0, 0159xi + 15, 66
n
n
n
h X
i
X
X
SQRegresso = n
xi y i
xi
yi =
i=1
i=1
i=1
SQRegresso = 0, 0159[8(89.802) (3.691)(184)] = 624, 42
SQTotal = n
n
X
i=1
yi2
n
X
2
yi = 8(4.318) (184)2 = 688

i=1
Comparando o Fcal = 58, 93 com o Ftab = F0,05;(1,6) = 5, 99

Conclui-se que a regresso de y sobre x segundo o modelo yi = 0, 0159xi + 15, 66
142
Tabela 19: Tabela ANOVA para modelo de regresso

C. V.
Regresso
Resduo
Total
g.l.
SQ
QM
1
6
7
624,42
63,58
688,00
624,42
10,60
58,93
siginificativa ao nvel de 5%.

Uma vez estabelecida e testada a equao de regresso, a mesma pode ser usada para explicar o relacionamento entre as variveis e tambm fazer predies dos
valores de y para os valores fixados x.
12.5
Coeficiente de determinao
Este coeficiente uma medida da proporo da variao da varivel resposta Y que

explicada pela equao de regresso quando est envolvida a varivel independente
X.
O coeficiente de determinao dado por
2
P
Pn
Pn
n
n i=1 xi yi i=1 xi i=1 yi
cov(x, y)
Pn
Pn 2
Pn
=
r2 = Pn 2
2
2
[n i=1 xi ( i=1 xi ) ] [n i=1 yi ( i=1 yi ) ]
Sxx Syy
O valor de r2 varia de 0 a 1.
No exemplo,
r2 =
[8(89.802) (3.691)(184)]2
= 0, 908
[8(2.011.501) (3.691)2 ] [8(4.318) (184)2 ]
indica que aproximadamente 91% da variao dos lucros esto relacionados com a
variao das vendas.
143
12.6
Exerccios
1. Suponha que uma cadeia de supermercados tenha financiado um estudos dos

gastos com mercadorias para famlias de 4 pessoas. O estudo se limitou a
famlias com renda lquida entre 8 e 20 salrios mnimos. Obteve-se a seguinte
equao:
y = 1, 20 + 0, 40x
em que y despesa mensal estimada com mercadorias e x renda lquida mensal.
Estimar a despesa de uma famlia com renda mensal lquida de 15 s.m.
2. Complete o esquema de clculo do coeficiente de correlao para os valores das
variveis xi e yi . Obtenha os parmetros e da reta ajustada.
xi
yi
4
12
6
10
8
8
10
12
12
14
3. Os dados abaixo forma colhidos de cinco fbricas diferentes de uma determinada

indstria:
Produo xi
Custo total yi
12
80
4
44
6
51
11
70
8
61
a) Estime uma funo linear para o custo total dessa indstria.

b) Determine o valor do coeficiente de determinao r2 .
c) Construa a tabela ANOVA e realize o teste de hiptese.
4. As notas de uma sala com nove estudantes em um relatrio de meio de curso
(x) e em um exame final (y ) so as seguintes
xi
yi
77
82
50
66
71
78
72
34
81
47
94
85
96
99
99
99
67
68
a) Estime a reta de regresso linear

b) Estime a nota do exame final de um aluno que teve uma nota 85 no relatrio
de meio de curso.
c) Determine o valor de r2 e interprete o resultado.
d) Construa a tabela ANOVA e realize o teste de hiptese.
144
Referncias
BUSSAB, W. O., MORETTIN, P. A., Estatstica Bsica, So Paulo: Saraiva 5.ed
(2003).
COSTA NETO, P. L. O., Estatstica, So Paulo: Edgard Blucher 3.ed. (2002).
DEVORE, J. L. Probabilidade e Estatstica para Engenharia e Cincias. So
Paulo: Pioneira Thomson Learning. (2006).
FONSECA, J. S. da; MARTINS, G. A. Curso de estatstica. So Paulo: Atlas, (2009).
MAGALHES, M. N.; LIMA, A. C. P. Noes de Probabilidade e Estatstica. 6a Ed.
So Paulo. Editora Edusp, (2005).
MARTINS, G. de A. Estatstica Geral e aplicada. So Paulo: Atlas, (2001).
MEYER, P.L. Probabilidade, Aplicaes Estatstica. Rio de Janeiro; Ao Livro
Tcnico S.A. (1976).
MILONE, G., Estatstica: Geral e Aplicada, So Paulo: Pioneira Thomson Learning
1.ed. (2004).
MORETTIN, L. G. Estatstica Bsica - Probabilidade e Inferncia. Volume nico.
So Paulo: : Pearson Prentice Hall. (2010).
SPIEGEL, M.R. Estatstica. So Paulo: McGraw-Hill do Brasil, (1975).
TOLEDO, G. L., OVALLE, I. I., Estatstica Bsica, So Paulo: Atlas 2.ed. (1985).
TRIOLA, M. F. Introduo Estatstica, 9 ed. So Paulo: LTC. (2005).
WALPOLE, R. E... [et al.]. Probabilidade e Estatstica para engenharia e cincias.
So Paulo: Pearson Prentice Hall, (2009).
Tabelas estatsticas
Tabela da Distribuio Normal Padro

P(Z<z)
z
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
3,1
3,2
3,3
3,4
3,5
3,6
3,7
3,8
3,9
0,0
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
0,9990
0,9993
0,9995
0,9997
0,9998
0,9998
0,9999
0,9999
1,0000
0,01
0,5040
0,5438
0,5832
0,6217
0,6591
0,6950
0,7291
0,7611
0,7910
0,8186
0,8438
0,8665
0,8869
0,9049
0,9207
0,9345
0,9463
0,9564
0,9649
0,9719
0,9778
0,9826
0,9864
0,9896
0,9920
0,9940
0,9955
0,9966
0,9975
0,9982
0,9987
0,9991
0,9993
0,9995
0,9997
0,9998
0,9998
0,9999
0,9999
1,0000
0,02
0,5080
0,5478
0,5871
0,6255
0,6628
0,6985
0,7324
0,7642
0,7939
0,8212
0,8461
0,8686
0,8888
0,9066
0,9222
0,9357
0,9474
0,9573
0,9656
0,9726
0,9783
0,9830
0,9868
0,9898
0,9922
0,9941
0,9956
0,9967
0,9976
0,9982
0,9987
0,9991
0,9994
0,9995
0,9997
0,9998
0,9999
0,9999
0,9999
1,0000
0,03
0,5120
0,5517
0,5910
0,6293
0,6664
0,7019
0,7357
0,7673
0,7967
0,8238
0,8485
0,8708
0,8907
0,9082
0,9236
0,9370
0,9484
0,9582
0,9664
0,9732
0,9788
0,9834
0,9871
0,9901
0,9925
0,9943
0,9957
0,9968
0,9977
0,9983
0,9988
0,9991
0,9994
0,9996
0,9997
0,9998
0,9999
0,9999
0,9999
1,0000
0,04
0,5160
0,5557
0,5948
0,6331
0,6700
0,7054
0,7389
0,7704
0,7995
0,8264
0,8508
0,8729
0,8925
0,9099
0,9251
0,9382
0,9495
0,9591
0,9671
0,9738
0,9793
0,9838
0,9875
0,9904
0,9927
0,9945
0,9959
0,9969
0,9977
0,9984
0,9988
0,9992
0,9994
0,9996
0,9997
0,9998
0,9999
0,9999
0,9999
1,0000
0,05
0,5199
0,5596
0,5987
0,6368
0,6736
0,7088
0,7422
0,7734
0,8023
0,8289
0,8531
0,8749
0,8944
0,9115
0,9265
0,9394
0,9505
0,9599
0,9678
0,9744
0,9798
0,9842
0,9878
0,9906
0,9929
0,9946
0,9960
0,9970
0,9978
0,9984
0,9989
0,9992
0,9994
0,9996
0,9997
0,9998
0,9999
0,9999
0,9999
1,0000
0,06
0,5239
0,5636
0,6026
0,6406
0,6772
0,7123
0,7454
0,7764
0,8051
0,8315
0,8554
0,8770
0,8962
0,9131
0,9279
0,9406
0,9515
0,9608
0,9686
0,9750
0,9803
0,9846
0,9881
0,9909
0,9931
0,9948
0,9961
0,9971
0,9979
0,9985
0,9989
0,9992
0,9994
0,9996
0,9997
0,9998
0,9999
0,9999
0,9999
1,0000
0,07
0,5279
0,5675
0,6064
0,6443
0,6808
0,7157
0,7486
0,7794
0,8078
0,8340
0,8577
0,8790
0,8980
0,9147
0,9292
0,9418
0,9525
0,9616
0,9693
0,9756
0,9808
0,9850
0,9884
0,9911
0,9932
0,9949
0,9962
0,9972
0,9979
0,9985
0,9989
0,9992
0,9995
0,9996
0,9997
0,9998
0,9999
0,9999
0,9999
1,0000
0,08
0,5319
0,5714
0,6103
0,6480
0,6844
0,7190
0,7517
0,7823
0,8106
0,8365
0,8599
0,8810
0,8997
0,9162
0,9306
0,9429
0,9535
0,9625
0,9699
0,9761
0,9812
0,9854
0,9887
0,9913
0,9934
0,9951
0,9963
0,9973
0,9980
0,9986
0,9990
0,9993
0,9995
0,9996
0,9997
0,9998
0,9999
0,9999
0,9999
1,0000
0,09
0,5359
0,5753
0,6141
0,6517
0,6879
0,7224
0,7549
0,7852
0,8133
0,8389
0,8621
0,8830
0,9015
0,9177
0,9319
0,9441
0,9545
0,9633
0,9706
0,9767
0,9817
0,9857
0,9890
0,9916
0,9936
0,9952
0,9964
0,9974
0,9981
0,9986
0,9990
0,9993
0,9995
0,9997
0,9998
0,9998
0,9999
0,9999
0,9999
1,0000
P(Z<z)
z
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
-3,1
-3,2
-3,3
-3,4
-3,5
-3,6
-3,7
-3,8
-3,9
0,0
0,5000
0,4602
0,4207
0,3821
0,3446
0,3085
0,2743
0,2420
0,2119
0,1841
0,1587
0,1357
0,1151
0,0968
0,0808
0,0668
0,0548
0,0446
0,0359
0,0287
0,0228
0,0179
0,0139
0,0107
0,0082
0,0062
0,0047
0,0035
0,0026
0,0019
0,0013
0,0010
0,0007
0,0005
0,0003
0,0002
0,0002
0,0001
0,0001
0,0000
0,01
0,4960
0,4562
0,4168
0,3783
0,3409
0,3050
0,2709
0,2389
0,2090
0,1814
0,1562
0,1335
0,1131
0,0951
0,0793
0,0655
0,0537
0,0436
0,0351
0,0281
0,0222
0,0174
0,0136
0,0104
0,0080
0,0060
0,0045
0,0034
0,0025
0,0018
0,0013
0,0009
0,0007
0,0005
0,0003
0,0002
0,0002
0,0001
0,0001
0,0000
0,02
0,4920
0,4522
0,4129
0,3745
0,3372
0,3015
0,2676
0,2358
0,2061
0,1788
0,1539
0,1314
0,1112
0,0934
0,0778
0,0643
0,0526
0,0427
0,0344
0,0274
0,0217
0,0170
0,0132
0,0102
0,0078
0,0059
0,0044
0,0033
0,0024
0,0018
0,0013
0,0009
0,0006
0,0005
0,0003
0,0002
0,0001
0,0001
0,0001
0,0000
0,03
0,4880
0,4483
0,4090
0,3707
0,3336
0,2981
0,2643
0,2327
0,2033
0,1762
0,1515
0,1292
0,1093
0,0918
0,0764
0,0630
0,0516
0,0418
0,0336
0,0268
0,0212
0,0166
0,0129
0,0099
0,0075
0,0057
0,0043
0,0032
0,0023
0,0017
0,0012
0,0009
0,0006
0,0004
0,0003
0,0002
0,0001
0,0001
0,0001
0,0000
0,04
0,4840
0,4443
0,4052
0,3669
0,3300
0,2946
0,2611
0,2296
0,2005
0,1736
0,1492
0,1271
0,1075
0,0901
0,0749
0,0618
0,0505
0,0409
0,0329
0,0262
0,0207
0,0162
0,0125
0,0096
0,0073
0,0055
0,0041
0,0031
0,0023
0,0016
0,0012
0,0008
0,0006
0,0004
0,0003
0,0002
0,0001
0,0001
0,0001
0,0000
0,05
0,4801
0,4404
0,4013
0,3632
0,3264
0,2912
0,2578
0,2266
0,1977
0,1711
0,1469
0,1251
0,1056
0,0885
0,0735
0,0606
0,0495
0,0401
0,0322
0,0256
0,0202
0,0158
0,0122
0,0094
0,0071
0,0054
0,0040
0,0030
0,0022
0,0016
0,0011
0,0008
0,0006
0,0004
0,0003
0,0002
0,0001
0,0001
0,0001
0,0000
0,06
0,4761
0,4364
0,3974
0,3594
0,3228
0,2877
0,2546
0,2236
0,1949
0,1685
0,1446
0,1230
0,1038
0,0869
0,0721
0,0594
0,0485
0,0392
0,0314
0,0250
0,0197
0,0154
0,0119
0,0091
0,0069
0,0052
0,0039
0,0029
0,0021
0,0015
0,0011
0,0008
0,0006
0,0004
0,0003
0,0002
0,0001
0,0001
0,0001
0,0000
0,07
0,4721
0,4325
0,3936
0,3557
0,3192
0,2843
0,2514
0,2206
0,1922
0,1660
0,1423
0,1210
0,1020
0,0853
0,0708
0,0582
0,0475
0,0384
0,0307
0,0244
0,0192
0,0150
0,0116
0,0089
0,0068
0,0051
0,0038
0,0028
0,0021
0,0015
0,0011
0,0008
0,0005
0,0004
0,0003
0,0002
0,0001
0,0001
0,0001
0,0000
0,08
0,4681
0,4286
0,3897
0,3520
0,3156
0,2810
0,2483
0,2177
0,1894
0,1635
0,1401
0,1190
0,1003
0,0838
0,0694
0,0571
0,0465
0,0375
0,0301
0,0239
0,0188
0,0146
0,0113
0,0087
0,0066
0,0049
0,0037
0,0027
0,0020
0,0014
0,0010
0,0007
0,0005
0,0004
0,0003
0,0002
0,0001
0,0001
0,0001
0,0000
0,09
0,4641
0,4247
0,3859
0,3483
0,3121
0,2776
0,2451
0,2148
0,1867
0,1611
0,1379
0,1170
0,0985
0,0823
0,0681
0,0559
0,0455
0,0367
0,0294
0,0233
0,0183
0,0143
0,0110
0,0084
0,0064
0,0048
0,0036
0,0026
0,0019
0,0014
0,0010
0,0007
0,0005
0,0003
0,0002
0,0002
0,0001
0,0001
0,0001
0,0000
Tabela 5 Distribuio t de Student
re a
in d icad a
(V alor tab u lad o)
gl
0,25
0,10
0,05
rea na cauda superior

0,025 0,01 0,005 0,0025
0,001 0,0005
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
35
40
45
50
z
1,000
0,816
0,765
0,741
0,727
0,718
0,711
0,706
0,703
0,700
0,697
0,695
0,694
0,692
0,691
0,690
0,689
0,688
0,688
0,687
0,686
0,686
0,685
0,685
0,684
0,684
0,684
0,683
0,683
0,683
0,682
0,681
0,680
0,679
0,674
3,078
1,886
1,638
1,533
1,476
1,440
1,415
1,397
1,383
1,372
1,363
1,356
1,350
1,345
1,341
1,337
1,333
1,330
1,328
1,325
1,323
1,321
1,319
1,318
1,316
1,315
1,314
1,313
1,311
1,310
1,306
1,303
1,301
1,299
1,282
6,314
2,920
2,353
2,132
2,015
1,943
1,895
1,860
1,833
1,812
1,796
1,782
1,771
1,761
1,753
1,746
1,740
1,734
1,729
1,725
1,721
1,717
1,714
1,711
1,708
1,706
1,703
1,701
1,699
1,697
1,690
1,684
1,679
1,676
1,645
12,71
4,303
3,182
2,776
2,571
2,447
2,365
2,306
2,262
2,228
2,201
2,179
2,160
2,145
2,131
2,120
2,110
2,101
2,093
2,086
2,080
2,074
2,069
2,064
2,060
2,056
2,052
2,048
2,045
2,042
2,030
2,021
2,014
2,009
1,960
318,3
22,33
10,21
7,173
5,894
5,208
4,785
4,501
4,297
4,144
4,025
3,930
3,852
3,787
3,733
3,686
3,646
3,610
3,579
3,552
3,527
3,505
3,485
3,467
3,450
3,435
3,421
3,408
3,396
3,385
3,340
3,307
3,281
3,261
3,090
31,82
6,965
4,541
3,747
3,365
3,143
2,998
2,896
2,821
2,764
2,718
2,681
2,650
2,624
2,602
2,583
2,567
2,552
2,539
2,528
2,518
2,508
2,500
2,492
2,485
2,479
2,473
2,467
2,462
2,457
2,438
2,423
2,412
2,403
2,326
63,66
9,925
5,841
4,604
4,032
3,707
3,499
3,355
3,250
3,169
3,106
3,055
3,012
2,977
2,947
2,921
2,898
2,878
2,861
2,845
2,831
2,819
2,807
2,797
2,787
2,779
2,771
2,763
2,756
2,750
2,724
2,704
2,690
2,678
2,576
Nota: A coluna em destaque a mais usada.
BARBETTA, P. A. - Estatstica aplicada s Cincias Sociais. 7 ed.

Florianpolis: Editora da UFSC, 2010
127,3
14,09
7,453
5,598
4,773
4,317
4,029
3,833
3,690
3,581
3,497
3,428
3,372
3,326
3,286
3,252
3,222
3,197
3,174
3,153
3,135
3,119
3,104
3,091
3,078
3,067
3,057
3,047
3,038
3,030
2,996
2,971
2,952
2,937
2,807
636,6
31,60
12,92
8,610
6,869
5,959
5,408
5,041
4,781
4,587
4,437
4,318
4,221
4,140
4,073
4,015
3,965
3,922
3,883
3,850
3,819
3,792
3,768
3,745
3,725
3,707
3,689
3,674
3,660
3,646
3,591
3,551
3,520
3,496
3,291
Tabela 3 - Valores crticos (unilaterais esquerda) da distribuio Qui-Quadrado

P(2 com n graus de liberdade valor tabelado) =
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
0,995
0,000
0,010
0,072
0,207
0,412
0,676
0,989
1,344
1,735
2,156
2,603
3,074
3,565
4,075
4,601
5,142
5,697
6,265
6,844
7,434
8,034
8,643
9,260
9,886
10,520
11,160
11,808
12,461
13,121
13,787
14,458
15,134
15,815
16,501
17,192
17,887
18,586
19,289
19,996
20,707
21,421
22,138
22,860
23,584
24,311
25,041
25,775
26,511
27,249
27,991
0,99
0,000
0,020
0,115
0,297
0,554
0,872
1,239
1,647
2,088
2,558
3,053
3,571
4,107
4,660
5,229
5,812
6,408
7,015
7,633
8,260
8,897
9,542
10,196
10,856
11,524
12,198
12,878
13,565
14,256
14,953
15,655
16,362
17,073
17,789
18,509
19,233
19,960
20,691
21,426
22,164
22,906
23,650
24,398
25,148
25,901
26,657
27,416
28,177
28,941
29,707
0,975
0,001
0,051
0,216
0,484
0,831
1,237
1,690
2,180
2,700
3,247
3,816
4,404
5,009
5,629
6,262
6,908
7,564
8,231
8,907
9,591
10,283
10,982
11,689
12,401
13,120
13,844
14,573
15,308
16,047
16,791
17,539
18,291
19,047
19,806
20,569
21,336
22,106
22,878
23,654
24,433
25,215
25,999
26,785
27,575
28,366
29,160
29,956
30,754
31,555
32,357
0,95
0,004
0,103
0,352
0,711
1,145
1,635
2,167
2,733
3,325
3,940
4,575
5,226
5,892
6,571
7,261
7,962
8,672
9,390
10,117
10,851
11,591
12,338
13,091
13,848
14,611
15,379
16,151
16,928
17,708
18,493
19,281
20,072
20,867
21,664
22,465
23,269
24,075
24,884
25,695
26,509
27,326
28,144
28,965
29,787
30,612
31,439
32,268
33,098
33,930
34,764
0,9
0,016
0,211
0,584
1,064
1,610
2,204
2,833
3,490
4,168
4,865
5,578
6,304
7,041
7,790
8,547
9,312
10,085
10,865
11,651
12,443
13,240
14,041
14,848
15,659
16,473
17,292
18,114
18,939
19,768
20,599
21,434
22,271
23,110
23,952
24,797
25,643
26,492
27,343
28,196
29,051
29,907
30,765
31,625
32,487
33,350
34,215
35,081
35,949
36,818
37,689
0,1
2,706
4,605
6,251
7,779
9,236
10,645
12,017
13,362
14,684
15,987
17,275
18,549
19,812
21,064
22,307
23,542
24,769
25,989
27,204
28,412
29,615
30,813
32,007
33,196
34,382
35,563
36,741
37,916
39,087
40,256
41,422
42,585
43,745
44,903
46,059
47,212
48,363
49,513
50,660
51,805
52,949
54,090
55,230
56,369
57,505
58,641
59,774
60,907
62,038
63,167
0,05
3,841
5,991
7,815
9,488
11,070
12,592
14,067
15,507
16,919
18,307
19,675
21,026
22,362
23,685
24,996
26,296
27,587
28,869
30,144
31,410
32,671
33,924
35,172
36,415
37,652
38,885
40,113
41,337
42,557
43,773
44,985
46,194
47,400
48,602
49,802
50,998
52,192
53,384
54,572
55,758
56,942
58,124
59,304
60,481
61,656
62,830
64,001
65,171
66,339
67,505
0,025
5,024
7,378
9,348
11,143
12,832
14,449
16,013
17,535
19,023
20,483
21,920
23,337
24,736
26,119
27,488
28,845
30,191
31,526
32,852
34,170
35,479
36,781
38,076
39,364
40,646
41,923
43,195
44,461
45,722
46,979
48,232
49,480
50,725
51,966
53,203
54,437
55,668
56,895
58,120
59,342
60,561
61,777
62,990
64,201
65,410
66,616
67,821
69,023
70,222
71,420
0,01
6,635
9,210
11,345
13,277
15,086
16,812
18,475
20,090
21,666
23,209
24,725
26,217
27,688
29,141
30,578
32,000
33,409
34,805
36,191
37,566
38,932
40,289
41,638
42,980
44,314
45,642
46,963
48,278
49,588
50,892
52,191
53,486
54,775
56,061
57,342
58,619
59,893
61,162
62,428
63,691
64,950
66,206
67,459
68,710
69,957
71,201
72,443
73,683
74,919
76,154
OBS.: (1) G.L. = Graus de Liberdade

(2) Para graus de liberdade que no esto na tabela, isto acima de 50,
2
1
2
use a aproximao: p =
z + 2k 1 , onde zp o valor
2 p
correspondente na normal padro.
0,005
7,879
10,597
12,838
14,860
16,750
18,548
20,278
21,955
23,589
25,188
26,757
28,300
29,819
31,319
32,801
34,267
35,718
37,156
38,582
39,997
41,401
42,796
44,181
45,558
46,928
48,290
49,645
50,994
52,335
53,672
55,002
56,328
57,648
58,964
60,275
61,581
62,883
64,181
65,475
66,766
68,053
69,336
70,616
71,892
73,166
74,437
75,704
76,969
78,231
79,490
Probabilidades da distribuio F de Snedecor valores de Fv1 ,v 2 ,p , onde p = P(Fv1 ,v2 Fv1 ,v2 ,p ) ; p = 10%
v2
1
v1
10
11
12
13
14
15
16
17
18
19
20
25
30
40
50
60
100
150
infinito
39,90 49,50 53,60 55,80 57,20 58,20 58,90 59,40 59,90 60,20 60,50 60,70 60,90 61,10 61,20 61,30 61,50 61,60 61,70 61,70 62,10 62,30 62,50 62,70 62,80 63,00 63,10 63,33
8,53
9,00
9,16
9,24
9,29
9,33
9,35
9,37
9,38
9,39
9,40
9,41
9,42
9,42
9,43
9,43
9,43
9,44
9,44
9,44
9,45
9,46
9,47
9,47
9,48
9,48
9,49
9,49
5,54
5,46
5,39
5,34
5,31
5,29
5,27
5,25
5,24
5,23
5,22
5,22
5,21
5,21
5,20
5,20
5,19
5,19
5,19
5,18
5,18
5,17
5,16
5,16
5,15
5,14
5,14
5,13
4,55
4,33
4,19
4,11
4,05
4,01
3,98
3,96
3,94
3,92
3,91
3,90
3,89
3,88
3,87
3,86
3,86
3,85
3,85
3,84
3,83
3,82
3,80
3,80
3,79
3,78
3,77
3,76
4,06
3,78
3,62
3,52
3,45
3,41
3,37
3,34
3,32
3,30
3,28
3,27
3,26
3,25
3,24
3,23
3,22
3,22
3,21
3,21
3,19
3,17
3,16
3,15
3,14
3,13
3,12
3,11
3,78
3,46
3,29
3,18
3,11
3,06
3,01
2,98
2,96
2,94
2,92
2,91
2,89
2,88
2,87
2,86
2,86
2,85
2,84
2,84
2,82
2,80
2,78
2,77
2,76
2,75
2,74
2,72
3,59
3,26
3,07
2,96
2,88
2,83
2,79
2,75
2,73
2,70
2,68
2,67
2,65
2,64
2,63
2,62
2,62
2,61
2,60
2,60
2,57
2,56
2,54
2,52
2,51
2,50
2,49
2,47
3,46
3,11
2,92
2,81
2,73
2,67
2,62
2,59
2,56
2,54
2,52
2,50
2,49
2,48
2,46
2,45
2,45
2,44
2,43
2,43
2,40
2,38
2,36
2,35
2,34
2,32
2,31
2,29
3,36
3,01
2,81
2,69
2,61
2,55
2,51
2,47
2,44
2,42
2,40
2,38
2,36
2,35
2,34
2,33
2,32
2,31
2,31
2,30
2,27
2,26
2,23
2,22
2,21
2,19
2,18
2,16
10
3,29
2,92
2,73
2,61
2,52
2,46
2,41
2,38
2,35
2,32
2,30
2,28
2,27
2,26
2,24
2,23
2,22
2,22
2,21
2,20
2,17
2,16
2,13
2,12
2,11
2,09
2,08
2,06
11
3,23
2,86
2,66
2,54
2,45
2,39
2,34
2,30
2,27
2,25
2,23
2,21
2,19
2,18
2,17
2,16
2,15
2,14
2,13
2,12
2,10
2,08
2,05
2,04
2,03
2,01
1,99
1,97
12
3,18
2,81
2,61
2,48
2,39
2,33
2,28
2,25
2,21
2,19
2,17
2,15
2,13
2,12
2,11
2,09
2,08
2,08
2,07
2,06
2,03
2,01
1,99
1,97
1,96
1,94
1,93
1,90
13
3,14
2,76
2,56
2,43
2,35
2,28
2,23
2,20
2,16
2,14
2,12
2,10
2,08
2,07
2,05
2,04
2,03
2,02
2,01
2,01
1,98
1,96
1,93
1,92
1,90
1,88
1,87
1,85
14
3,10
2,73
2,52
2,40
2,31
2,24
2,19
2,15
2,12
2,10
2,07
2,05
2,04
2,02
2,01
2,00
1,99
1,98
1,97
1,96
1,93
1,91
1,89
1,87
1,86
1,83
1,82
1,80
15
3,07
2,70
2,49
2,36
2,27
2,21
2,16
2,12
2,09
2,06
2,04
2,02
2,00
1,99
1,97
1,96
1,95
1,94
1,93
1,92
1,89
1,87
1,85
1,83
1,82
1,79
1,78
1,76
16
3,05
2,67
2,46
2,33
2,24
2,18
2,13
2,09
2,06
2,03
2,01
1,99
1,97
1,95
1,94
1,93
1,92
1,91
1,90
1,89
1,86
1,84
1,81
1,79
1,78
1,76
1,74
1,72
17
3,03
2,65
2,44
2,31
2,22
2,15
2,10
2,06
2,03
2,00
1,98
1,96
1,94
1,93
1,91
1,90
1,89
1,88
1,87
1,86
1,83
1,81
1,78
1,76
1,75
1,73
1,71
1,69
18
3,01
2,62
2,42
2,29
2,20
2,13
2,08
2,04
2,01
1,98
1,95
1,93
1,92
1,90
1,89
1,88
1,86
1,85
1,85
1,84
1,81
1,78
1,75
1,74
1,72
1,70
1,68
1,66
19
2,99
2,61
2,40
2,27
2,18
2,11
2,06
2,02
1,98
1,96
1,93
1,91
1,89
1,88
1,87
1,85
1,84
1,83
1,82
1,81
1,78
1,76
1,73
1,71
1,70
1,67
1,66
1,63
20
2,98
2,59
2,38
2,25
2,16
2,09
2,04
2,00
1,97
1,94
1,91
1,89
1,88
1,86
1,85
1,83
1,82
1,81
1,80
1,79
1,76
1,74
1,71
1,69
1,68
1,65
1,64
1,61
25
2,92
2,53
2,32
2,18
2,09
2,02
1,97
1,93
1,90
1,87
1,84
1,82
1,80
1,79
1,77
1,76
1,75
1,74
1,73
1,72
1,68
1,66
1,63
1,61
1,59
1,57
1,55
1,52
30
2,88
2,49
2,28
2,14
2,05
1,98
1,93
1,88
1,85
1,82
1,79
1,77
1,75
1,74
1,72
1,71
1,70
1,69
1,68
1,67
1,63
1,61
1,57
1,55
1,54
1,51
1,49
1,46
40
2,84
2,44
2,23
2,09
2,00
1,93
1,87
1,83
1,79
1,76
1,74
1,72
1,70
1,68
1,66
1,65
1,64
1,63
1,62
1,61
1,57
1,54
1,51
1,48
1,47
1,43
1,42
1,38
50
2,81
2,41
2,20
2,06
1,97
1,90
1,84
1,80
1,76
1,73
1,70
1,68
1,66
1,64
1,63
1,61
1,60
1,59
1,58
1,57
1,53
1,50
1,47
1,44
1,42
1,39
1,37
1,33
60
2,79
2,39
2,18
2,04
1,95
1,88
1,82
1,78
1,74
1,71
1,68
1,66
1,64
1,62
1,60
1,59
1,58
1,56
1,55
1,54
1,50
1,48
1,44
1,41
1,40
1,36
1,34
1,29
100
2,76
2,36
2,14
2,00
1,91
1,83
1,78
1,73
1,70
1,66
1,64
1,61
1,59
1,57
1,56
1,54
1,53
1,52
1,51
1,49
1,45
1,42
1,38
1,36
1,34
1,29
1,27
1,21
150
2,74
2,34
2,12
1,98
1,89
1,81
1,76
1,71
1,67
1,64
1,61
1,59
1,57
1,55
1,53
1,52
1,50
1,49
1,48
1,47
1,43
1,40
1,35
1,33
1,31
1,26
1,23
1,17
infinito
2,71
2,30
2,08
1,95
1,85
1,77
1,72
1,67
1,63
1,60
1,57
1,55
1,52
1,51
1,49
1,47
1,46
1,44
1,43
1,42
1,38
1,34
1,30
1,26
1,24
1,19
1,15
1,00
v2
v1
10
11
12
13
14
15
16
17
18
19
20
25
30
40
50
60
100
150
infinito
161,40 199,50 215,70 224,60 230,20 234,00 236,80 238,90 240,50 241,90 243,00 243,90 244,70 245,40 245,90 246,50 246,90 247,30 247,70 248,00 249,30 250,10 251,10 251,80 252,20 253,00 253,50 254,31
18,51 19,00 19,16 19,25 19,30 19,33 19,35 19,37 19,39 19,40 19,41 19,41 19,42 19,42 19,43 19,43 19,44 19,44 19,44 19,45 19,46 19,46 19,47 19,48 19,48 19,49 19,49 19,50
10,13
9,55
9,28
9,12
9,01
8,94
8,89
8,85
8,81
8,79
8,76
8,75
8,73
8,72
8,70
8,69
8,68
8,68
8,67
8,66
8,63
8,62
8,59
8,58
8,57
8,55
8,55
8,53
7,71
6,94
6,59
6,39
6,26
6,16
6,09
6,04
6,00
5,96
5,94
5,91
5,89
5,87
5,86
5,84
5,83
5,82
5,81
5,80
5,77
5,75
5,72
5,70
5,69
5,66
5,65
5,63
6,61
5,79
5,41
5,19
5,05
4,95
4,88
4,82
4,77
4,74
4,70
4,68
4,66
4,64
4,62
4,60
4,59
4,58
4,57
4,56
4,52
4,50
4,46
4,44
4,43
4,41
4,39
4,37
5,99
5,14
4,76
4,53
4,39
4,28
4,21
4,15
4,10
4,06
4,03
4,00
3,98
3,96
3,94
3,92
3,91
3,90
3,88
3,87
3,84
3,81
3,77
3,75
3,74
3,71
3,70
3,67
5,59
4,74
4,35
4,12
3,97
3,87
3,79
3,73
3,68
3,64
3,60
3,58
3,55
3,53
3,51
3,49
3,48
3,47
3,46
3,45
3,40
3,38
3,34
3,32
3,30
3,28
3,26
3,23
5,32
4,46
4,07
3,84
3,69
3,58
3,50
3,44
3,39
3,35
3,31
3,28
3,26
3,24
3,22
3,20
3,19
3,17
3,16
3,15
3,11
3,08
3,04
3,02
3,01
2,98
2,96
2,93
5,12
4,26
3,86
3,63
3,48
3,37
3,29
3,23
3,18
3,14
3,10
3,07
3,05
3,03
3,01
2,99
2,97
2,96
2,95
2,94
2,89
2,86
2,83
2,80
2,79
2,76
2,74
2,71
10
4,97
4,10
3,71
3,48
3,33
3,22
3,14
3,07
3,02
2,98
2,94
2,91
2,89
2,87
2,85
2,83
2,81
2,80
2,79
2,77
2,73
2,70
2,66
2,64
2,62
2,59
2,57
2,54
11
4,84
3,98
3,59
3,36
3,20
3,10
3,01
2,95
2,90
2,85
2,82
2,79
2,76
2,74
2,72
2,70
2,69
2,67
2,66
2,65
2,60
2,57
2,53
2,51
2,49
2,46
2,44
2,40
12
4,75
3,89
3,49
3,26
3,11
3,00
2,91
2,85
2,80
2,75
2,72
2,69
2,66
2,64
2,62
2,60
2,58
2,57
2,56
2,54
2,50
2,47
2,43
2,40
2,38
2,35
2,33
2,30
13
4,67
3,81
3,41
3,18
3,03
2,92
2,83
2,77
2,71
2,67
2,64
2,60
2,58
2,55
2,53
2,52
2,50
2,48
2,47
2,46
2,41
2,38
2,34
2,31
2,30
2,26
2,24
2,21
14
4,60
3,74
3,34
3,11
2,96
2,85
2,76
2,70
2,65
2,60
2,57
2,53
2,51
2,48
2,46
2,45
2,43
2,41
2,40
2,39
2,34
2,31
2,27
2,24
2,22
2,19
2,17
2,13
15
4,54
3,68
3,29
3,06
2,90
2,79
2,71
2,64
2,59
2,54
2,51
2,48
2,45
2,42
2,40
2,39
2,37
2,35
2,34
2,33
2,28
2,25
2,20
2,18
2,16
2,12
2,11
2,07
16
4,49
3,63
3,24
3,01
2,85
2,74
2,66
2,59
2,54
2,49
2,46
2,43
2,40
2,37
2,35
2,33
2,32
2,30
2,29
2,28
2,23
2,19
2,15
2,12
2,11
2,07
2,05
2,01
17
4,45
3,59
3,20
2,97
2,81
2,70
2,61
2,55
2,49
2,45
2,41
2,38
2,35
2,33
2,31
2,29
2,27
2,26
2,24
2,23
2,18
2,15
2,10
2,08
2,06
2,02
2,00
1,96
18
4,41
3,56
3,16
2,93
2,77
2,66
2,58
2,51
2,46
2,41
2,37
2,34
2,31
2,29
2,27
2,25
2,23
2,22
2,20
2,19
2,14
2,11
2,06
2,04
2,02
1,98
1,96
1,92
19
4,38
3,52
3,13
2,90
2,74
2,63
2,54
2,48
2,42
2,38
2,34
2,31
2,28
2,26
2,23
2,22
2,20
2,18
2,17
2,16
2,11
2,07
2,03
2,00
1,98
1,94
1,92
1,88
20
4,35
3,49
3,10
2,87
2,71
2,60
2,51
2,45
2,39
2,35
2,31
2,28
2,25
2,23
2,20
2,18
2,17
2,15
2,14
2,12
2,07
2,04
1,99
1,97
1,95
1,91
1,89
1,84
25
4,24
3,39
2,99
2,76
2,60
2,49
2,41
2,34
2,28
2,24
2,20
2,17
2,14
2,11
2,09
2,07
2,05
2,04
2,02
2,01
1,96
1,92
1,87
1,84
1,82
1,78
1,76
1,71
30
4,17
3,32
2,92
2,69
2,53
2,42
2,33
2,27
2,21
2,17
2,13
2,09
2,06
2,04
2,02
2,00
1,98
1,96
1,95
1,93
1,88
1,84
1,79
1,76
1,74
1,70
1,67
1,62
40
4,09
3,23
2,84
2,61
2,45
2,34
2,25
2,18
2,12
2,08
2,04
2,00
1,97
1,95
1,92
1,90
1,89
1,87
1,85
1,84
1,78
1,74
1,69
1,66
1,64
1,59
1,56
1,51
50
4,03
3,18
2,79
2,56
2,40
2,29
2,20
2,13
2,07
2,03
1,99
1,95
1,92
1,90
1,87
1,85
1,83
1,81
1,80
1,78
1,73
1,69
1,63
1,60
1,58
1,53
1,50
1,44
60
4,00
3,15
2,76
2,53
2,37
2,25
2,17
2,10
2,04
1,99
1,95
1,92
1,89
1,86
1,84
1,82
1,80
1,78
1,76
1,75
1,69
1,65
1,59
1,56
1,53
1,48
1,45
1,39
100
3,94
3,09
2,70
2,46
2,31
2,19
2,10
2,03
1,98
1,93
1,89
1,85
1,82
1,79
1,77
1,75
1,73
1,71
1,69
1,68
1,62
1,57
1,52
1,48
1,45
1,39
1,36
1,28
150
3,90
3,06
2,67
2,43
2,27
2,16
2,07
2,00
1,94
1,89
1,85
1,82
1,79
1,76
1,73
1,71
1,69
1,67
1,66
1,64
1,58
1,54
1,48
1,44
1,41
1,35
1,31
1,22
infinito
3,84
3,00
2,61
2,37
2,21
2,10
2,01
1,94
1,88
1,83
1,79
1,75
1,72
1,69
1,67
1,64
1,62
1,60
1,59
1,57
1,51
1,46
1,39
1,35
1,32
1,24
1,20
1,00
Probabilidades da distribuio F de Snedecor valores de Fv1 ,v 2 ,p , onde p = P(Fv1 ,v2 Fv1 ,v2 ,p ) ; p = 2,5%
v2
1
v1
10
11
12
13
14
15
16
17
18
19
20
25
647,8
799,5
864,2
899,6
921,8
937,1
948,2
956,6
963,3
968,6
973,0
976,7
979,8
982,5
984,9
986,9
988,7
990,3
991,8
993,1
998,1 1001,4 1005,6 1008,1 1009,8 1013,2 1014,9 1018,3
30
40
50
60
100
150
infinito
38,51 39,00 39,17 39,25 39,30 39,33 39,36 39,37 39,39 39,40 39,41 39,42 39,42 39,43 39,43 39,44 39,44 39,44 39,45 39,45 39,46 39,47 39,47 39,48 39,48 39,49 39,49 39,50
17,44 16,04 15,44 15,10 14,89 14,74 14,62 14,54 14,47 14,42 14,37 14,34 14,31 14,28 14,25 14,23 14,21 14,20 14,18 14,17 14,12 14,08 14,04 14,01 13,99 13,96 13,94 13,90
12,22 10,65
9,98
9,60
9,36
9,20
9,07
8,98
8,91
8,84
8,79
8,75
8,72
8,68
8,66
8,63
8,61
8,59
8,58
8,56
8,50
8,46
8,41
8,38
8,36
8,32
8,30
8,26
10,01
8,43
7,76
7,39
7,15
6,98
6,85
6,76
6,68
6,62
6,57
6,53
6,49
6,46
6,43
6,40
6,38
6,36
6,34
6,33
6,27
6,23
6,18
6,14
6,12
6,08
6,06
6,02
8,81
7,26
6,60
6,23
5,99
5,82
5,70
5,60
5,52
5,46
5,41
5,37
5,33
5,30
5,27
5,24
5,22
5,20
5,18
5,17
5,11
5,07
5,01
4,98
4,96
4,92
4,89
4,85
8,07
6,54
5,89
5,52
5,29
5,12
5,00
4,90
4,82
4,76
4,71
4,67
4,63
4,60
4,57
4,54
4,52
4,50
4,48
4,47
4,41
4,36
4,31
4,28
4,25
4,21
4,19
4,14
7,57
6,06
5,42
5,05
4,82
4,65
4,53
4,43
4,36
4,30
4,24
4,20
4,16
4,13
4,10
4,08
4,05
4,03
4,02
4,00
3,94
3,89
3,84
3,81
3,78
3,74
3,72
3,67
7,21
5,72
5,08
4,72
4,48
4,32
4,20
4,10
4,03
3,96
3,91
3,87
3,83
3,80
3,77
3,74
3,72
3,70
3,68
3,67
3,60
3,56
3,51
3,47
3,45
3,40
3,38
3,33
10
6,94
5,46
4,83
4,47
4,24
4,07
3,95
3,86
3,78
3,72
3,67
3,62
3,58
3,55
3,52
3,50
3,47
3,45
3,44
3,42
3,36
3,31
3,26
3,22
3,20
3,15
3,13
3,08
11
6,72
5,26
4,63
4,28
4,04
3,88
3,76
3,66
3,59
3,53
3,47
3,43
3,39
3,36
3,33
3,30
3,28
3,26
3,24
3,23
3,16
3,12
3,06
3,03
3,00
2,96
2,93
2,88
12
6,55
5,10
4,47
4,12
3,89
3,73
3,61
3,51
3,44
3,37
3,32
3,28
3,24
3,21
3,18
3,15
3,13
3,11
3,09
3,07
3,01
2,96
2,91
2,87
2,85
2,80
2,78
2,73
13
6,41
4,97
4,35
4,00
3,77
3,60
3,48
3,39
3,31
3,25
3,20
3,15
3,12
3,08
3,05
3,03
3,00
2,98
2,97
2,95
2,88
2,84
2,78
2,74
2,72
2,67
2,65
2,60
14
6,30
4,86
4,24
3,89
3,66
3,50
3,38
3,29
3,21
3,15
3,10
3,05
3,01
2,98
2,95
2,92
2,90
2,88
2,86
2,84
2,78
2,73
2,67
2,64
2,61
2,57
2,54
2,49
15
6,20
4,77
4,15
3,80
3,58
3,42
3,29
3,20
3,12
3,06
3,01
2,96
2,93
2,89
2,86
2,84
2,81
2,79
2,77
2,76
2,69
2,64
2,59
2,55
2,52
2,47
2,45
2,40
16
6,12
4,69
4,08
3,73
3,50
3,34
3,22
3,13
3,05
2,99
2,93
2,89
2,85
2,82
2,79
2,76
2,74
2,72
2,70
2,68
2,61
2,57
2,51
2,47
2,45
2,40
2,37
2,32
17
6,04
4,62
4,01
3,67
3,44
3,28
3,16
3,06
2,99
2,92
2,87
2,83
2,79
2,75
2,72
2,70
2,67
2,65
2,63
2,62
2,55
2,50
2,44
2,41
2,38
2,33
2,30
2,25
18
5,98
4,56
3,95
3,61
3,38
3,22
3,10
3,01
2,93
2,87
2,81
2,77
2,73
2,70
2,67
2,64
2,62
2,60
2,58
2,56
2,49
2,45
2,38
2,35
2,32
2,27
2,24
2,19
19
5,92
4,51
3,90
3,56
3,33
3,17
3,05
2,96
2,88
2,82
2,77
2,72
2,68
2,65
2,62
2,59
2,57
2,55
2,53
2,51
2,44
2,39
2,33
2,30
2,27
2,22
2,19
2,13
20
5,87
4,46
3,86
3,52
3,29
3,13
3,01
2,91
2,84
2,77
2,72
2,68
2,64
2,60
2,57
2,55
2,52
2,50
2,48
2,46
2,40
2,35
2,29
2,25
2,22
2,17
2,14
2,09
25
5,69
4,29
3,69
3,35
3,13
2,97
2,85
2,75
2,68
2,61
2,56
2,52
2,48
2,44
2,41
2,38
2,36
2,34
2,32
2,30
2,23
2,18
2,12
2,08
2,05
2,00
1,97
1,91
30
5,57
4,18
3,59
3,25
3,03
2,87
2,75
2,65
2,58
2,51
2,46
2,41
2,37
2,34
2,31
2,28
2,26
2,23
2,21
2,20
2,12
2,07
2,01
1,97
1,94
1,88
1,85
1,79
40
5,42
4,05
3,46
3,13
2,90
2,74
2,62
2,53
2,45
2,39
2,33
2,29
2,25
2,21
2,18
2,15
2,13
2,11
2,09
2,07
1,99
1,94
1,88
1,83
1,80
1,74
1,71
1,64
50
5,34
3,98
3,39
3,05
2,83
2,67
2,55
2,46
2,38
2,32
2,26
2,22
2,18
2,14
2,11
2,08
2,06
2,03
2,01
1,99
1,92
1,87
1,80
1,75
1,72
1,66
1,62
1,55
60
5,29
3,93
3,34
3,01
2,79
2,63
2,51
2,41
2,33
2,27
2,22
2,17
2,13
2,09
2,06
2,03
2,01
1,99
1,96
1,94
1,87
1,82
1,74
1,70
1,67
1,60
1,56
1,48
100
5,18
3,83
3,25
2,92
2,70
2,54
2,42
2,32
2,24
2,18
2,12
2,08
2,04
2,00
1,97
1,94
1,91
1,89
1,87
1,85
1,77
1,72
1,64
1,59
1,56
1,48
1,44
1,35
150
5,13
3,78
3,20
2,87
2,65
2,49
2,37
2,28
2,20
2,14
2,08
2,03
1,99
1,96
1,92
1,89
1,87
1,84
1,82
1,80
1,72
1,67
1,59
1,54
1,50
1,42
1,38
1,27
infinito
5,02
3,69
3,12
2,79
2,57
2,41
2,29
2,19
2,11
2,05
1,99
1,95
1,90
1,87
1,83
1,80
1,78
1,75
1,73
1,71
1,63
1,57
1,48
1,43
1,39
1,30
1,24
1,00
v2
1
v1
10
11
12
13
14
15
16
17
18
19
20
25
30
40
50
60
4052
4999
5404
5624
5764
5859
5928
5981
6022
6056
6083
6107
6126
6143
6157
6170
6181
6191
6201
6209
6240
6260
6286
6302
6313
100
6334
150
6345
infinito
6366
98,50 99,00 99,16 99,25 99,30 99,33 99,36 99,38 99,39 99,40 99,41 99,42 99,42 99,43 99,43 99,44 99,44 99,44 99,45 99,45 99,46 99,47 99,48 99,48 99,48 99,49 99,49 99,50
34,12 30,82 29,46 28,71 28,24 27,91 27,67 27,49 27,35 27,23 27,13 27,05 26,98 26,92 26,87 26,83 26,79 26,75 26,72 26,69 26,58 26,50 26,41 26,35 26,32 26,24 26,20 26,13
21,20 18,00 16,69 15,98 15,52 15,21 14,98 14,80 14,66 14,55 14,45 14,37 14,31 14,25 14,20 14,15 14,11 14,08 14,05 14,02 13,91 13,84 13,75 13,69 13,65 13,58 13,54 13,46
16,26 13,27 12,06 11,39 10,97 10,67 10,46 10,29 10,16 10,05
9,96
9,89
9,83
9,77
9,72
9,68
9,64
9,61
9,58
9,55
9,45
9,38
9,29
9,24
9,20
9,13
9,09
9,02
13,75 10,93
9,78
9,15
8,75
8,47
8,26
8,10
7,98
7,87
7,79
7,72
7,66
7,61
7,56
7,52
7,48
7,45
7,42
7,40
7,30
7,23
7,14
7,09
7,06
6,99
6,95
6,88
12,25
9,55
8,45
7,85
7,46
7,19
6,99
6,84
6,72
6,62
6,54
6,47
6,41
6,36
6,31
6,28
6,24
6,21
6,18
6,16
6,06
5,99
5,91
5,86
5,82
5,76
5,72
5,65
11,26
8,65
7,59
7,01
6,63
6,37
6,18
6,03
5,91
5,81
5,73
5,67
5,61
5,56
5,52
5,48
5,44
5,41
5,38
5,36
5,26
5,20
5,12
5,07
5,03
4,96
4,93
4,86
10,56
8,02
6,99
6,42
6,06
5,80
5,61
5,47
5,35
5,26
5,18
5,11
5,06
5,01
4,96
4,92
4,89
4,86
4,83
4,81
4,71
4,65
4,57
4,52
4,48
4,42
4,38
4,31
10 10,04
7,56
6,55
5,99
5,64
5,39
5,20
5,06
4,94
4,85
4,77
4,71
4,65
4,60
4,56
4,52
4,49
4,46
4,43
4,41
4,31
4,25
4,17
4,12
4,08
4,01
3,98
3,91
11
9,65
7,21
6,22
5,67
5,32
5,07
4,89
4,74
4,63
4,54
4,46
4,40
4,34
4,29
4,25
4,21
4,18
4,15
4,12
4,10
4,01
3,94
3,86
3,81
3,78
3,71
3,67
3,60
12
9,33
6,93
5,95
5,41
5,06
4,82
4,64
4,50
4,39
4,30
4,22
4,16
4,10
4,05
4,01
3,97
3,94
3,91
3,88
3,86
3,77
3,70
3,62
3,57
3,54
3,47
3,43
3,36
13
9,07
6,70
5,74
5,21
4,86
4,62
4,44
4,30
4,19
4,10
4,03
3,96
3,91
3,86
3,82
3,78
3,75
3,72
3,69
3,67
3,57
3,51
3,43
3,38
3,34
3,27
3,24
3,17
14
8,86
6,52
5,56
5,04
4,70
4,46
4,28
4,14
4,03
3,94
3,86
3,80
3,75
3,70
3,66
3,62
3,59
3,56
3,53
3,51
3,41
3,35
3,27
3,22
3,18
3,11
3,08
3,00
15
8,68
6,36
5,42
4,89
4,56
4,32
4,14
4,00
3,90
3,81
3,73
3,67
3,61
3,56
3,52
3,49
3,45
3,42
3,40
3,37
3,28
3,21
3,13
3,08
3,05
2,98
2,94
2,87
16
8,53
6,23
5,29
4,77
4,44
4,20
4,03
3,89
3,78
3,69
3,62
3,55
3,50
3,45
3,41
3,37
3,34
3,31
3,28
3,26
3,17
3,10
3,02
2,97
2,93
2,86
2,83
2,75
17
8,40
6,11
5,19
4,67
4,34
4,10
3,93
3,79
3,68
3,59
3,52
3,46
3,40
3,35
3,31
3,28
3,24
3,21
3,19
3,16
3,07
3,00
2,92
2,87
2,84
2,76
2,73
2,65
18
8,29
6,01
5,09
4,58
4,25
4,02
3,84
3,71
3,60
3,51
3,43
3,37
3,32
3,27
3,23
3,19
3,16
3,13
3,10
3,08
2,98
2,92
2,84
2,78
2,75
2,68
2,64
2,57
19
8,19
5,93
5,01
4,50
4,17
3,94
3,77
3,63
3,52
3,43
3,36
3,30
3,24
3,20
3,15
3,12
3,08
3,05
3,03
3,00
2,91
2,84
2,76
2,71
2,67
2,60
2,57
2,49
20
8,10
5,85
4,94
4,43
4,10
3,87
3,70
3,56
3,46
3,37
3,29
3,23
3,18
3,13
3,09
3,05
3,02
2,99
2,96
2,94
2,84
2,78
2,70
2,64
2,61
2,54
2,50
2,42
25
7,77
5,57
4,68
4,18
3,86
3,63
3,46
3,32
3,22
3,13
3,06
2,99
2,94
2,89
2,85
2,81
2,78
2,75
2,72
2,70
2,60
2,54
2,45
2,40
2,36
2,29
2,25
2,17
30
7,56
5,39
4,51
4,02
3,70
3,47
3,31
3,17
3,07
2,98
2,91
2,84
2,79
2,74
2,70
2,66
2,63
2,60
2,57
2,55
2,45
2,39
2,30
2,25
2,21
2,13
2,09
2,01
40
7,31
5,18
4,31
3,83
3,51
3,29
3,12
2,99
2,89
2,80
2,73
2,67
2,61
2,56
2,52
2,48
2,45
2,42
2,39
2,37
2,27
2,20
2,11
2,06
2,02
1,94
1,90
1,81
50
7,17
5,06
4,20
3,72
3,41
3,19
3,02
2,89
2,79
2,70
2,63
2,56
2,51
2,46
2,42
2,38
2,35
2,32
2,29
2,27
2,17
2,10
2,01
1,95
1,91
1,83
1,78
1,68
60
7,08
4,98
4,13
3,65
3,34
3,12
2,95
2,82
2,72
2,63
2,56
2,50
2,44
2,39
2,35
2,32
2,28
2,25
2,22
2,20
2,10
2,03
1,94
1,88
1,84
1,75
1,70
1,60
100
6,90
4,82
3,98
3,51
3,21
2,99
2,82
2,69
2,59
2,50
2,43
2,37
2,31
2,27
2,22
2,19
2,15
2,12
2,09
2,07
1,97
1,89
1,80
1,74
1,69
1,60
1,55
1,43
150
6,81
4,75
3,92
3,45
3,14
2,92
2,76
2,63
2,53
2,44
2,37
2,31
2,25
2,20
2,16
2,12
2,09
2,06
2,03
2,00
1,90
1,83
1,73
1,67
1,62
1,52
1,47
1,33
infinito
6,64
4,61
3,78
3,32
3,02
2,80
2,64
2,51
2,41
2,32
2,25
2,19
2,13
2,08
2,04
2,00
1,97
1,93
1,91
1,88
1,77
1,70
1,59
1,52
1,47
1,36
1,29
1,00
Probabilidades da distribuio F de Snedecor valores de Fv1 ,v 2 ,p , onde p = P(Fv1 ,v2 Fv1 ,v2 ,p ) ; p = 0,5%
v2
1
v1
10
11
12
13
14
15
16
17
18
19
20
25
30
40
50
60
100
150
infinito
16213
19997
21614
22501
23056
23440
23715
23924
24092
24222
24334
24427
24505
24572
24632
24684
24729
24766
24803
24837
24959
25041
25146
25213
25254
25339
25377
25464
198,5 199,0 199,2 199,2 199,3 199,3 199,4 199,4 199,4 199,4 199,4 199,4 199,4 199,4 199,4 199,4 199,4 199,4 199,4 199,4 199,4 199,5 199,5 199,5 199,5 199,5 199,5 199,5
55,55 49,80 47,47 46,20 45,39 44,84 44,43 44,13 43,88 43,69 43,53 43,39 43,27 43,17 43,09 43,01 42,94 42,88 42,83 42,78 42,59 42,47 42,31 42,21 42,15 42,02 41,96 41,83
31,33 26,28 24,26 23,15 22,46 21,98 21,62 21,35 21,14 20,97 20,82 20,71 20,60 20,52 20,44 20,37 20,31 20,26 20,21 20,17 20,00 19,89 19,75 19,67 19,61 19,50 19,44 19,33
22,79 18,31 16,53 15,56 14,94 14,51 14,20 13,96 13,77 13,62 13,49 13,39 13,29 13,22 13,15 13,09 13,03 12,99 12,94 12,90 12,76 12,66 12,53 12,45 12,40 12,30 12,25 12,14
18,64 14,54 12,92 12,03 11,46 11,07 10,79 10,57 10,39 10,25 10,13 10,03
9,95
9,88
9,81
9,76
9,71
9,66
9,63
9,59
9,45
9,36
9,24
9,17
9,12
9,03
8,98
8,88
16,24 12,40 10,88 10,05
9,52
9,16
8,89
8,68
8,51
8,38
8,27
8,18
8,10
8,03
7,97
7,92
7,87
7,83
7,79
7,75
7,62
7,53
7,42
7,35
7,31
7,22
7,17
7,08
14,69 11,04
9,60
8,81
8,30
7,95
7,69
7,50
7,34
7,21
7,11
7,02
6,94
6,87
6,81
6,76
6,72
6,68
6,64
6,61
6,48
6,40
6,29
6,22
6,18
6,09
6,04
5,95
13,61 10,11
8,72
7,96
7,47
7,13
6,89
6,69
6,54
6,42
6,31
6,23
6,15
6,09
6,03
5,98
5,94
5,90
5,86
5,83
5,71
5,63
5,52
5,45
5,41
5,32
5,28
5,19
10 12,83
9,43
8,08
7,34
6,87
6,55
6,30
6,12
5,97
5,85
5,75
5,66
5,59
5,53
5,47
5,42
5,38
5,34
5,31
5,27
5,15
5,07
4,97
4,90
4,86
4,77
4,73
4,64
11 12,23
8,91
7,60
6,88
6,42
6,10
5,87
5,68
5,54
5,42
5,32
5,24
5,17
5,10
5,05
5,00
4,96
4,92
4,89
4,86
4,74
4,65
4,55
4,49
4,45
4,36
4,32
4,23
12 11,75
8,51
7,23
6,52
6,07
5,76
5,52
5,35
5,20
5,09
4,99
4,91
4,84
4,78
4,72
4,67
4,63
4,60
4,56
4,53
4,41
4,33
4,23
4,17
4,12
4,04
3,99
3,90
13 11,37
8,19
6,93
6,23
5,79
5,48
5,25
5,08
4,94
4,82
4,72
4,64
4,57
4,51
4,46
4,41
4,37
4,33
4,30
4,27
4,15
4,07
3,97
3,91
3,87
3,78
3,74
3,65
14 11,06
7,92
6,68
6,00
5,56
5,26
5,03
4,86
4,72
4,60
4,51
4,43
4,36
4,30
4,25
4,20
4,16
4,12
4,09
4,06
3,94
3,86
3,76
3,70
3,66
3,57
3,53
3,44
15 10,80
7,70
6,48
5,80
5,37
5,07
4,85
4,67
4,54
4,42
4,33
4,25
4,18
4,12
4,07
4,02
3,98
3,95
3,91
3,88
3,77
3,69
3,59
3,52
3,48
3,39
3,35
3,26
16 10,58
7,51
6,30
5,64
5,21
4,91
4,69
4,52
4,38
4,27
4,18
4,10
4,03
3,97
3,92
3,88
3,83
3,80
3,76
3,73
3,62
3,54
3,44
3,38
3,33
3,25
3,20
3,11
17 10,38
7,35
6,16
5,50
5,08
4,78
4,56
4,39
4,25
4,14
4,05
3,97
3,90
3,84
3,79
3,75
3,71
3,67
3,64
3,61
3,49
3,41
3,31
3,25
3,21
3,12
3,08
2,98
18 10,22
7,22
6,03
5,38
4,96
4,66
4,45
4,28
4,14
4,03
3,94
3,86
3,79
3,73
3,68
3,64
3,60
3,56
3,53
3,50
3,38
3,30
3,20
3,14
3,10
3,01
2,97
2,87
19 10,07
7,09
5,92
5,27
4,85
4,56
4,35
4,18
4,04
3,93
3,84
3,76
3,70
3,64
3,59
3,54
3,50
3,46
3,43
3,40
3,29
3,21
3,11
3,04
3,00
2,91
2,87
2,78
20
9,94
6,99
5,82
5,17
4,76
4,47
4,26
4,09
3,96
3,85
3,76
3,68
3,61
3,55
3,50
3,46
3,42
3,38
3,35
3,32
3,20
3,12
3,02
2,96
2,92
2,83
2,78
2,69
25
9,48
6,60
5,46
4,84
4,43
4,15
3,94
3,78
3,65
3,54
3,45
3,37
3,30
3,25
3,20
3,15
3,11
3,08
3,04
3,01
2,90
2,82
2,72
2,65
2,61
2,52
2,47
2,38
30
9,18
6,36
5,24
4,62
4,23
3,95
3,74
3,58
3,45
3,34
3,26
3,18
3,11
3,06
3,01
2,96
2,92
2,89
2,85
2,82
2,71
2,63
2,52
2,46
2,42
2,32
2,28
2,18
40
8,83
6,07
4,98
4,37
3,99
3,71
3,51
3,35
3,22
3,12
3,03
2,95
2,89
2,83
2,78
2,74
2,70
2,66
2,63
2,60
2,48
2,40
2,30
2,23
2,18
2,09
2,04
1,93
50
8,63
5,90
4,83
4,23
3,85
3,58
3,38
3,22
3,09
2,99
2,90
2,83
2,76
2,70
2,65
2,61
2,57
2,53
2,50
2,47
2,35
2,27
2,16
2,10
2,05
1,95
1,90
1,79
60
8,50
5,80
4,73
4,14
3,76
3,49
3,29
3,13
3,01
2,90
2,82
2,74
2,68
2,62
2,57
2,53
2,49
2,45
2,42
2,39
2,27
2,19
2,08
2,01
1,96
1,86
1,81
1,69
100
8,24
5,59
4,54
3,96
3,59
3,33
3,13
2,97
2,85
2,74
2,66
2,58
2,52
2,46
2,41
2,37
2,33
2,29
2,26
2,23
2,11
2,02
1,91
1,84
1,79
1,68
1,62
1,49
150
8,12
5,49
4,45
3,88
3,51
3,25
3,05
2,89
2,77
2,67
2,58
2,51
2,44
2,39
2,34
2,29
2,25
2,21
2,18
2,15
2,03
1,94
1,83
1,76
1,70
1,59
1,53
1,37
infinito
7,88
5,30
4,28
3,72
3,35
3,09
2,90
2,74
2,62
2,52
2,43
2,36
2,29
2,24
2,19
2,14
2,10
2,06
2,03
2,00
1,88
1,79
1,67
1,59
1,53
1,40
1,32
1,00

Apostila Estatística Básica

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Apostila Estatística Básica

Enviado por

Direitos autorais:

Formatos disponíveis

UNIVERSIDADE FEDERAL DE CAMPINA GRANDE

CENTRO DE CINCIAS E TECNOLOGIA AGROALIMENTAR - CAMPUS POMBAL

Prof. MSc. Carlos Srgio Arajo dos Santos

1.2 Estatstica Descritiva . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.3 A Natureza da Estatstica (Classificao das variveis . . . . . . . . . . .

1.4 Fases do Mtodo Estatstico . . . . . . . . . . . . . . . . . . . . . . . . .

1.5 Pesquisas e Dados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.6 Conceitos bsicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.7 Tabelas Estatsticas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.8 Elementos de uma Tabela . . . . . . . . . . . . . . . . . . . . . . . . . .

1.9 Representao esquemtica . . . . . . . . . . . . . . . . . . . . . . . . .

1.10 Distribuio de Frequncias

1.10.2 Distribuio de frequncia sem intervalos de classe

1.10.3 Distribuio de frequncia com intervalos de classe

1.10.4 Elementos de uma Distribuio de Frequncia . . . . . . . . . . .

1.10.5 Mtodo Prtico para construo de uma distribuio de frequncias

1.10.6 Tipos de Frequncias . . . . . . . . . . . . . . . . . . . . . . . . .

1.11 Representao Grfica . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.12 Grficos utilizados para a anlise de uma distribuio de freqncia

1.12.2 Polgono de Freqncias . . . . . . . . . . . . . . . . . . . . . . .

1.12.4 Grfico por linha . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.12.5 Grfico por colunas . . . . . . . . . . . . . . . . . . . . . . . . . .

1.12.6 Diagrama por Superfcie em Setores . . . . . . . . . . . . . . . . .

2 Anlise Exploratria de Dados

2.2 Quartis, Decis e Percentis (ou Centis) . . . . . . . . . . . . . . . . . . . .

2.3.1 Primeiro Quartil: Q1 . . . . . . . . . . . . . . . . . . . . . . . . . .

2.3.2 Segundo Quartil: Q2 ou M d . . . . . . . . . . . . . . . . . . . . .

2.3.3 Terceiro Quartil: Q3 . . . . . . . . . . . . . . . . . . . . . . . . . .

2.4.1 Primeiro Decil: D1 . . . . . . . . . . . . . . . . . . . . . . . . . . .

2.4.2 Segundo Decil: D2 . . . . . . . . . . . . . . . . . . . . . . . . . .

2.5 Percentis ou Centis Ci

2.5.1 Vigsimo Centil: C20

2.6 Medidas de Disperso . . . . . . . . . . . . . . . . . . . . . . . . . . . .

2.6.1 Desvio - Padro . . . . . . . . . . . . . . . . . . . . . . . . . . . .

2.6.3 Coeficiente de Variao . . . . . . . . . . . . . . . . . . . . . . . .

3 Probabilidade: Espao amostral e eventos

3.1.1 Tipos de fenmenos . . . . . . . . . . . . . . . . . . . . . . . . . .

3.2 Espao Amostral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

3.4 Classe dos eventos aleatrios . . . . . . . . . . . . . . . . . . . . . . . .

3.5 Operaes com eventos Aleatrios

3.6 Propriedades das operaes . . . . . . . . . . . . . . . . . . . . . . . . .

3.7 Partio de um Espao Amostral . . . . . . . . . . . . . . . . . . . . . . .

3.8 Eventos Mutuamente Exclusivos ou Disjuntos . . . . . . . . . . . . . . . .

4.2 Definio Axiomtica de Probabilidade

4.3 Eventos Independentes . . . . . . . . . . . . . . . . . . . . . . . . . . . .

4.4 Probabilidade Condicional . . . . . . . . . . . . . . . . . . . . . . . . . .

4.5 Probabilidade Total . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

4.6 Teorema de Bayes

5 Variveis Aleatrias discretas

5.2 Esperana de uma Varivel Aleatria Discreta . . . . . . . . . . . . . . . .

5.3 Varincia de uma Varivel Aleatria Discreta . . . . . . . . . . . . . . . .

5.4 Funo de Distribuio Acumulada . . . . . . . . . . . . . . . . . . . . . .

6 Distribuies Tericas de Probabilidades de Variveis Aleatrias Discretas

6.1 Distribuio de Bernoulli . . . . . . . . . . . . . . . . . . . . . . . . . . .

6.2 Distribuio Binomial . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

6.2.1 Mdia e Varincia de uma v.a. com Distribuio

6.3 Distribuio de Poisson . . . . . . . . . . . . . . . . . . . . . . . . . . . .

7 Variveis Aleatrias contnuas

7.2 Funo de Distribuio Acumulada . . . . . . . . . . . . . . . . . . . . . .

7.3 Esperana de uma Varivel Aleatria Contnua . . . . . . . . . . . . . . .

7.4 Variancia de uma Varivel Aleatria Contnua . . . . . . . . . . . . . . . .

8 Distribuies Tericas de Probabilidades de Variveis Aleatrias Contnuas

8.1 Distribuio Uniforme . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

8.2 Distribuio Normal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .