Escolar Documentos
Profissional Documentos
Cultura Documentos
E
ESTATSTICA
(1000 ton)
2500
2000
1500
1000
500
0
84
85
86
87
88
89
90
91
92
93
94
Probabilidade e Estatstica
Luiz Roberto
SUMRIO
1.1
Introduo .......................................
1.2
Smbolos .........................................
1.3
1.4
1.5
1.6
11
1.7
12
1.8
12
1.9
Intervalos .......................................
13
1.10
14
17
2.1
Introduo .......................................
17
2.2
18
2.3
19
2.4
23
2.5
23
2.6
25
2.7
27
2.8
28
2.9
Exerccios .......................................
33
PROBABILIDADE .......................................
34
3.1
34
3.2
35
Probabilidade e Estatstica
Luiz Roberto
3.3
Evento ...........................................
36
3.4
36
3.5
38
3.6
38
3.7
43
3.8
45
3.9
46
48
4.1
48
4.2
49
4.3
Populao ........................................
50
4.4
Amostragem .......................................
52
4.5
Amostra ..........................................
52
4.6
Censo ............................................
52
4.7
53
4.8
54
4.9
55
4.10
Planejamento ......................................
56
4.11
56
4.12
57
4.13
58
4.14
58
4.15
59
4.16
59
4.17
60
4.18
61
Probabilidade e Estatstica
Luiz Roberto
62
62
63
65
66
67
68
4.20
69
4.21
74
4.22
75
76
79
79
81
82
83
84
4.23
88
4.19
4.23.1
88
4.23.2
88
BIBLIOGRAFIA ...........................................
91
Probabilidade e Estatstica
Luiz Roberto
1.1 Introduo
Conjuntos numricos so certos conjuntos cujos elementos so nmeros
que guardam entre si alguma caracterstica comum. Tais conjuntos possuem
elementos perfeitamente caracterizados e, dentre eles, o conjunto dos nmeros
naturais, dos inteiros, dos racionais, dos irracionais e, por fim, o dos
nmeros reais.
O conjunto dos nmeros naturais surgiu da necessidade de se contarem os
objetos; os outros foram surgindo com ampliaes do conjunto dos nmeros
naturais.
Para se trabalhar com conjuntos, so adotados smbolos que representam
os relacionamentos entre eles.
1.2
Smbolos
: pertence
: existe
: no pertence
: no existe
: est contido
: no est contido
: conjunto vazio N
: contm
: no contm
: tal que
: implica que
: se, e somente se
: pertence
: existe
: ou
:e
: A interseco B
: A unio B
: a maior ou igual a b
a - b: diferena de a com b
: a e b
: a ou b
: a menor ou igual a b
: Diferente
Probabilidade e Estatstica
1.3
Luiz Roberto
ou { }.
Subconjuntos:
todos
quando
os
elementos
de
um
conjunto
qualquer
Obs.:
B.
os elementos pertencentes a A e
Diferena
de
Conjuntos:
dados
os
, formado
B, simultaneamente, ou seja:
conjuntos
B,
define-se
como
Probabilidade e Estatstica
1.4
Luiz Roberto
que
possvel,
procuraremos
destacar
elemento
genrico
do
conjunto em questo.
Quando houver ... ao final dos elementos de um conjunto, trata-se de
um conjunto de infinitos elementos, como acontece com N.
O conjunto N pode ser representado geometricamente por meio de uma reta
numerada; escolhemos sobre essa reta um ponto de origem (correspondente ao
nmero
zero),
uma
medida
unitria
uma
orientao
(geralmente
para
direita).
unidade
N* = N - {0}
Utilizamos o * (asterisco) direita do nome do conjunto do qual se
quer suprimir o elemento zero.
2
Probabilidade e Estatstica
Luiz Roberto
multiplicao.
Note
que
adicionando
ou
multiplicando
dois
elementos
m,n
N, m + n
m*n
1.5
ou Z
Z* = Z - {0}
Z+ = {0,1,2,3,4,5,...}
Z *+ = {1,2,3,4,5,...}
Observe que
Z+ = N.
Probabilidade e Estatstica
Luiz Roberto
Nmeros Opostos
Dois nmeros inteiros so ditos opostos um do outro quando apresentam
soma zero; assim, os pontos que os representam distam igualmente da origem
(zero).
Considerando
os
nmeros
inteiros
ordenados
sobre
uma
reta,
podemos
2 unidades
2 unidades
Z,
no existe nmero inteiro x para o qual se tenha x = (+4) : (-12). Por esse
motivo, fez-se uma ampliao do conjunto Z, da qual surgiu o conjunto dos
nmeros racionais.
O conjunto dos nmeros racionais inicialmente descrito como o
conjunto dos quocientes entre dois nmeros inteiros.
Os nmeros racionais so todos aqueles que podem ser colocados na forma
de frao (com o numerador e denominador
Probabilidade e Estatstica
Q =
Luiz Roberto
2 2
1 1
p
0, 1, , ,.... 2, , ,..., ,...
3 5
2 3
q
p e q inteiros e q 0
Q =
p
q
Z*
Z e q
p
;
q
assim,
p
, com p e q
q
inteiros e q 0.
Quando q = 1, temos
p
= p
1
p
=
q
subconjunto de Q.
Assim, podemos construir o diagrama:
conjunto
fechado
para
multiplicao e diviso.
10
as
operaes
adio,
subtrao,
Probabilidade e Estatstica
Luiz Roberto
Exemplos:
3 6 9
=
=
1
2
3
1 2 3
b) 1 = = =
1 2 3
a) 3 =
Q = {x | x =
1.6
p
, com p Z , q Z e q 0}
q
um
nmero
racional
1
= 0,5
2
5
= 1,25
4
75
= 3,75
20
9
= 0,777... = 0,7
7
1
= 0,333... = 0,3
3
1
= 0,0454545... = 0,045
22
167
= 2,5303030... = 0,530
66
11
Probabilidade e Estatstica
Luiz Roberto
2.
nmero
0,203040...
tambm
no
comporta
representao
Os nmeros
=3,1415926535... ,
2 = 1,4142136 e
3 = 1,7320508
1.8
R = Q I = {x | x racional ou x irracional}
O diagrama abaixo mostra a relao entre os conjuntos numricos:
R
12
Probabilidade e Estatstica
Luiz Roberto
R I x 0}
R+ = {x
R I x 0}
R *+ = {x
R I x > 0}
R- = {x
R I x 0}
R * = {x
R I x < 0}
1,2
5,1 ;
5,2
Intervalos
a) Intervalo Aberto:
]a,b[ = {x
a < x < b}
b) Intervalo Fechado:
[a,b] = {x
a x b}
a x < b}
a < x b}
13
Probabilidade e Estatstica
Luiz Roberto
]-,a] = {x
f)
]-,a[ = {x
x a}
x < a}
g)
[a, +[ = {x
x a}
3
h)
]a, +[ = {x
x > a}
3
1.10
Exemplo 1
O Instituto de Meteorologia de Curitiba quis fazer um estudo de variao da
temperatura sombra e mediu-a de hora em hora, conforme a tabela abaixo:
Hora
10
11
Temperatura
12
15
Hora
12
13
14
15
16
17
18
19
20
21
22
23
Temperatura
18
18
20
20
20
18
15
13
11
14
10
10,80
12,00
Probabilidade e Estatstica
Luiz Roberto
0,10
0,12
0,15
0,20
0,25
0,30
900
625
400
225
144
100
Exerccios
1.
10
Deslocamento (cm)
12
15
18
21
24
27
30
Nmero de peas
Custo (R$)
16
25
36
15
Probabilidade e Estatstica
Luiz Roberto
relao
ao
item
anterior,
qual
numero
mximo
de
peas
3.
10
15
20
30
40
80
350
550
700
850
1.150
1.450
2.050
quantas
horas
de
sua
realizao,
30
mil
pessoas
tomam
expresso
matemtica
que
relaciona
distncia
16
Probabilidade e Estatstica
Luiz Roberto
ANLISE COMBINATRIA
2.1
Introduo:
A necessidade de calcular o nmero de possibilidades existentes nos
(1500-1557),
conhecido
como
Tartaglia.
Depois
dele
vieram
os
Pascal
Fermat
Tartaglia
b)
17
Probabilidade e Estatstica
Luiz Roberto
c)
d)
hambrger e sorvete
e)
hambrger e torta
f)
2 coluna
hot dog
hambrger
sorvete
Refeio 1
torta
Refeio 2
salada de frutas
Refeio 3
sorvete
Refeio 4
torta
Refeio 5
salada de frutas
Refeio 6
escolha
do
tipo
de
sanduche:
duas
possibilidades
de
fazer
tal
escolha.
2
problemas
de
Anlise
Combinatria
precisamos
utilizar
uma
18
para n 2.
Probabilidade e Estatstica
Luiz Roberto
Exemplos:
a) 6! = 6 . 5! = 6 . 5 . 4 . 3 . 2 . 1 = 720
b) 4! = 4. 3! = 4 . 3 . 2 . 1 = 24
c) 7! = 7 . 6! = 7 . 6 . 5 . 4 . 3 . 2 . 1 = 5040
d) 10! = 10 . 9 . 8 . 7 . 6 . 5 . 4 . 3 . 2 . 1
e) 3! = 3 . 2 . 1 = 6
Perceba que 7! = 7 . 6 . 5 . 4!, ou que
6! = 6 . 5 . 4 . 3!, e assim sucessivamente.
Relao de correspondncia:
N! = n . (n 1)! ,
N*
n 2
Exerccios:
1) efetuar:
8!
6!
2) efetuar:
(8!+7! )
6!
3) efetuar:
(n + 1)!
(n 1)!
4) efetuar:
(n 4)!
(n 3)!
5) efetuar:
(6!5! )
+ 0!
5!
6) efetuar:
(n + 2)!
(n + 1)!
7) efetuar:
(10!+9! )
11!
8) efetuar:
7!
6!
8!
+
+
6!
7!
6!
9) efetuar: 6! - 20
10) Resolva a equao: (n+2)! = 6n!
11) Resolva a equao:
2.3
(2n)!
= 12
(2n 2)!
primeira etapa pode ser realizada de p maneiras distintas. Para cada uma
19
Probabilidade e Estatstica
Luiz Roberto
etapa
pode
maneiras
diferentes,
ocorrer
e
assim
de
k1
maneiras
diferentes,
sucessivamente,
ento
segunda
nmero
de
k2
de
total
alfabeto
possui
26
letras
nosso
sistema
numrico
possui
10
alfabeto
possui
26
letras
nosso
sistema
numrico
possui
10
20
Probabilidade e Estatstica
Luiz Roberto
Percebe-se que a incluso de apenas uma letra faz com que sejam licenciados,
aproximadamente, mais 170.000.000 de veculos.
Exemplo 3
H quatro estradas ligando as cidades e A e B, e trs estradas ligando as
cidades B e C. De quantas maneiras distintas pode-se ir de A a C, passando
por B?
Fazer a viagem de A a C pode ser considerado uma ao constituda de duas
etapas sucessivas:
1
2
=12.
Exemplo 4
Com os algarismos 1, 2, 3, 4, 5 e 6, quantos nmeros de trs algarismos
distintos podemos formar?
Formar um nmero de trs algarismos pode ser considerado uma ao constituda
de trs etapas sucessivas:
1
2
10 vezes
21
Probabilidade e Estatstica
Luiz Roberto
Exemplo 6
Quantos nmeros de trs algarismos podemos formar com os algarismos 0, 1, 2,
3, 4, 5, 6 e 7?
Algarismo das centenas: com exceo do zero, qualquer um dos algarismos dados
pode ser escolhido, havendo, portanto, sete possibilidades.
Algarismo das dezenas: no h restrio alguma, pois pode haver repetio de
algarismos. Assim, h oito possibilidades.
Algarismo das unidades: analogamente ao anterior, h oito possibilidades.
Logo, pelo PFC:
7 x 8 x 8 = 448.
Exemplo 7
Quantos nmeros mpares de trs algarismos distintos podemos formar com os
algarismos 0, 1, 2, 3, 4, 5, 6 e 7?
Algarismo das unidades: h quatro possibilidades (1, 3, 5 e 7).
Algarismo das centenas: h seis possibilidades devemos excluir o zero e o
algarismo escolhido para a unidade.
Algarismo das dezenas: h seis possibilidades devemos escolher algarismos
diferentes dos algarismos escolhidos para a centena e unidade.
Assim, pelo PFC, temos: 6 x 6 x 4 = 144 nmeros.
Todo problema de contagem pode, pelo menos teoricamente, ser resolvido pelo
PFC. Porm, na prtica, a resoluo de alguns desses problemas pode se tornar
muito complicada.
Dessa forma, estudaremos tcnicas de contagem de determinados agrupamentos
baseados no PFC as quais simplificaro a resoluo de muitos problemas.
Consideraremos
sempre
os
agrupamentos
simples:
arranjos,
permutaes
combinaes.
Exemplo 8
Determine
nmero
de
anagramas
da
palavra
MATEMTICA.(no
considere
acento).
Soluo:
Temos 10 elementos, com repetio. Observe que a letra M est repetida duas
vezes, a letra A trs , a letra T, duas vezes. Na frmula anterior, teremos:
n=10, a=2, b=3 e c=2. Sendo k o nmero procurado, podemos escrever: k= 10! /
(2!.3!.2!) = 151.200 anagramas
22
Probabilidade e Estatstica
2.4
Luiz Roberto
Arranjos simples
k,
qualquer
seqncia
ordenada
de
elementos
distintos
invertermos
posio
dos
elementos
de
qualquer
uma
destas
centenas
abrir
cofre,
quantas
tentativas
dever
fazer(no
mximo)
para
conseguir abri-lo?
As
seqncias
sero
do
tipo
xyz.
Para
primeira
posio
teremos
10
23
Probabilidade e Estatstica
Luiz Roberto
1 etapa
etapa
2 etapa
(h n elementos
para serem escolhidos)
3 etapa
...
k-sima
(como os elementos
devem ser distintos,
h n-1 possibilidades)
n 1
n 2
n (k 1)
vem:
(n k )(n k 1)...3.2.1
,
(n k )(n k 1)...3.2.1
Isto :
An,k =
n!
(n k )!
Exemplo 3
Obter o valor de A4,2 + A7,3.
Temos
A4,2 =
4!
4!
4.3.2!
=
=
= 12
(4 2)!
2!
2!
A7,3 =
7!
7!
7.6.5.4!
=
=
= 210
(7 3)!
4!
4!
Exemplo 4
O quadrangular de um torneio mundial de basquete disputado por quatro
selees: Brasil, China, Holanda e Itlia. De quantas maneiras distintas
podemos ter os trs primeiros colocados?
Um possvel resultado do torneio Holanda (campe), Brasil (2) e Itlia
(3). Se trocarmos a ordem desses elementos, obtemos, entre outras, Brasil
24
Probabilidade e Estatstica
Luiz Roberto
n!
(n k )!
4!
(4 3)!
A4,3 =
4!
1!
24
Exemplo 5
A senha de um carto de banco formada por duas letras distintas seguidas
por uma seqncia de trs algarismos distintos. Quantas senhas poderiam ser
confeccionadas?
Como importa a ordem que so escolhidas as letras, o nmero de maneiras de
escolh-las dado por A26,2.
Analogamente, a seqncia de trs algarismos distintos pode ser escolhida de
A10,3.
Pelo PFC, o nmero de senhas que podem ser confeccionas :
A26,2
A10,3
650 x 720
468.000.
Exemplo 6
Usando-se
as
26
letras
do
alfabeto
(A,B,C,D,...,Z),
quantos
arranjos
n!
(n k )!
n=26, k=3
26!
26 . 25 . 24 . 23!
=
= 26.25.24 = 15600
23!
23!
Resposta: A =
2.6
Permutaes simples
os
elementos
que
diferem
uns
dos
outros
pela
ordem
de
seus
elementos.
De outro modo, podemos entender permutao simples como um caso especial de
arranjo, onde n = k, ou seja:
An,k =
n!
(n k )!
n!
0!
n!
= n!
1
Pn
n!
25
Probabilidade e Estatstica
Luiz Roberto
Exemplo 2
De quantas maneiras cinco pessoas, A, B, C, D e E
fila indiana?
Cada maneira de compor a fila uma permutao das cinco pessoas, pois
qualquer fila obtida uma seqncia ordenada na qual comparecem sempre as
cinco pessoas.
Assim, o resultado esperado :
P5 = 5!
= 120
Exemplo 3
Baseado no exemplo anterior, quantas filas podem ser compostas comeando por
A ou B?
A 1 posio da fila pode ser escolhidas de duas maneiras (pois tanto A como
B pode inici-la).
Definido
incio
da
fila,
restaro
sempre
quatro
lugares
para
serem
=
24
possibilidades.
Pelo PFC, o resultado : 2 x 24 = 48.
Exemplo 4
Oito pessoas, entre elas, Antonio e Pedro, vo posar para uma foto. De
quantas maneiras elas podem ser dispostas se Antonio e Pedro se recusarem-se
a ficar lado a lado?
Caso no houvesse a restrio mencionada, o nmero total de possibilidades
seria:
P8 = 8! = 40.320.
Para determinar o nmero de possibilidades em que Antonio e Pedro aparecem
juntos, vamos consider-los uma s pessoa, que ir permutar com as seis
restantes, num total de:
26
Probabilidade e Estatstica
Luiz Roberto
P7 = 7! = 5.040 maneiras.
Porm, para cada uma das possibilidades acima, Antonio e Pedro podem trocar
de lugar entre si, num total de:
P2 = 2! = 2.
Desta forma, o nmero de possibilidades em que Antonio e Pedro aparecem
juntos : 2x 5.040
A diferena
= 10.080.
(a,b,c)
n!
a!b! c!
nmero
Exemplo 1
Determine
de
anagramas
da
palavra
MATEMTICA.(no
considere
acento)
Temos 10 elementos, com repeties. A letra M est repetida duas vezes, a
27
Probabilidade e Estatstica
Luiz Roberto
letra A trs, a letra T, duas vezes. Na frmula anterior, teremos: n=10, a=2,
b=3 e c=2.
P = 10! / (2!.3!.2!) = 151200
Exemplo 2
Quantos anagramas podem ser formados com as letras da palavra MARIA?
Neste problema temos n = 5 (cinco letras) e a = 2 (a letra A se repete duas
vezes)
P = 5!/2! = 5.4.3 = 60
Exemplo 3
Quantos anagramas podem ser formados com as letras da palavra ARARA?
Neste problema temos n = 5 (cinco letras), a = 2 (a letra R se repete duas
vezes) e b = 3 (a letra A se repete trs vezes).
P = 5!/(3!.2!) = 5.4.3!/(3!.2) = 10
2.8
Combinaes simples
de
A,
tomados
k,
qualquer
subconjunto
formado
por
para
representao
discente
na
universidade.
De
quantas
maneiras
10!
= 720 seqncias ordenadas.
7!
28
Probabilidade e Estatstica
Luiz Roberto
{A, B, C} ,
pois
1 combinao
720 arranjos
x combinaes
Logo,
720
x =
= 120 comisses
6
Cn,k =
A n, k
Pk
ou
Cn,k =
n!
k! (n k )!
,n k
Exemplo 1
Escrever todas as combinaes dos cinco elementos do conjunto
M =
{a, e, i, o, u}
{a, e}
exemplo.
Assim, as combinaes pedidas so:
{a, e}, {a, i}, {a, o}, {a, u}, {e, i}, {e, o} , {e, u}, {i, o}, {i, u}, {o, u}
29
{e, a},
por
Probabilidade e Estatstica
Luiz Roberto
Exemplo 2
Cinco alunos Pedro, Lus, Jos, Abel e Mrcio participam de um concurso
que
sero
sorteadas
trs
bicicletas.
Quais
os
possveis
resultados
do
concurso?
Sortear
pois
Exemplo 3
Uma prova consta de 15 questes das quais o aluno deve resolver 10. De
quantas formas ele poder escolher as 10 questes?
Observe que a ordem das questes no muda o teste. Logo, podemos concluir que
trata-se de um problema de combinao de 15 elementos com taxa 10.
Aplicando simplesmente a frmula chegaremos a:
C15,10 = 15! / [(15-10)! . 10!] = 15! / (5! . 10!) = 15.14.13.12.11.10! /
5.4.3.2.1.10! = 3003
Tanto arranjo como combinao so agrupamentos de k elementos
escolhidos a partir de um conjunto de n elementos. A diferena que,
no arranjo, se mudarmos a ordem dos elementos de certo agrupamento,
obteremos um novo agrupamento; na combinao, mudando a ordem dos
elementos de certo agrupamento, obtemos o mesmo agrupamento.
Exemplo 3
Uma prova consta de 15 questes das quais o aluno deve resolver 10. De
quantas formas ele poder escolher as 10 questes?
Observe que a ordem das questes no muda o teste. Logo, podemos concluir que
trata-se
de
C15,10
15!
(15 10)!.10!
um
problema
=
de
combinao
15!
5!.10!
30
de
15
elementos
15.14.13.12.11.10!
5.4.3.2.1.10!
com
taxa
10.
3003
Probabilidade e Estatstica
Luiz Roberto
Exemplo 4
Um coquetel preparado com trs bebidas distintas. Se existem 7 bebidas
distintas, quantos coquetis diferentes podem ser preparados?
7!
(7 3)!.3!
C7,3 =
7!
4!.3!
7.6.5.4!
4!.3.2.1
35
Exemplo 5
Sobre
uma
circunferncia
so
marcados
pontos,
dois
dois
distintos.
9!
(9 2)!.2!
9!
7!.2!
9.8.7!
7!.2.1
36
Exemplo 6
Uma pizzaria oferece 15 sabores de pizzas diferentes.
a) De quantas maneiras se pode escolher trs desses sabores?
b) Suponha que uma famlia sempre opte por mussarela. Como podero ser
escolhidos os outros dois sabores?
Resp. a)
Escolher as pizzas
{P1, P 2, P3}
{P3, P 2, P1}.
Assim, cada possvel escolha uma combinao das 15 pizzas tomadas trs a
trs:
C15,3
15!
3!12!
15.14.13.12!
3.2.1.12!
455
Resp. b)
Como um dos sabores j foi definido, os outros dois sabores sero escolhidos
entre os 14 restantes.
C14,2
14!
12!2!
14.13.12!
12!.2.1
91
Exemplo 7
Uma turma tem 15 alunos, sendo 9 meninos e 6 meninas.
a) Quantas comisses de dois meninos e duas meninas podem ser formadas?
O nmero de escolher os meninos
C9,2.
C6,2.
x C6,2
36 x 15 =
31
540
Probabilidade e Estatstica
Luiz Roberto
{A, B, C}
{B, C , A}
determinam
o mesmo tringulo.
B
A
dois pontos de r
C5,2 = 10 possibilidades
um ponto de s
C4,1 = 4 possibilidades
um ponto de r
C5,1 = 5 possibilidades
dois pontos de s
C4,2 = 6 possibilidades
32
Probabilidade e Estatstica
Luiz Roberto
Exemplo 9
Um salo tem 6 portas. De quantos modos distintos esse salo pode estar
aberto?
Para
primeira
porta
temos
duas
opes:
aberta
ou
fechada
- 1 = 63.
2.9
Exerccios
distintas,
quantos
coquetis
diferentes
podem
ser
preparados?
Resp: 120
02 -
tringulos
podem
ser
construdos
com
vrtices
nos
pontos
marcados?
Resp: 84
03 - Uma famlia com 5 pessoas possui um automvel de 5 lugares. Sabendo que
somente 2 pessoas sabem dirigir, de quantos modos podero se acomodar para
uma viagem?
Resp: 48
33
Probabilidade e Estatstica
Luiz Roberto
PROBABILIDADE
Todas
as
vezes
que
se
estudam
fenmenos
de
observao,
cumpre-se
Para
explicao
desses
fenmenos
fenmenos
aleatrios
Experimento aleatrio
Todo experimento que, repetido em condies idnticas, pode apresentar
diferentes
resultados,
recebe
nome
de
experimento
aleatrio.
fim
de
se
entender
melhor
caracterizao
desses
experimentos,
experimento
poder
ser
repetido
indefinidamente
sob
as
mesmas
condies.
b) No se conhece um particular valor do experimento a priori , porm
pode-se
34
Probabilidade e Estatstica
Luiz Roberto
isto
haver
uma
estabilidade
da
frao
r/n
Exemplo 1
a) E = Jogar um dado e observar o nmero mostrado na face de cima
= {1, 2, 3, 4, 5, 6}
b) E = jogar duas moedas e observar os resultados.
2 extrao
vermelha
vermelha
branca
Vermelha
branca
branca
35
Probabilidade e Estatstica
Luiz Roberto
n() = 4.
Evento
Evento
um
conjunto
de
resultados
do
experimento,
em
termos
de
Exemplo 1
a) Seja o experimento E: jogar trs moedas e observar os resultados:
Probabilidade de um Evento
Agora podemos quantificar o grau de confiana de qualquer evento.
36
Probabilidade e Estatstica
Luiz Roberto
de
seus
elementos
na
relao
de
freqncia.
Este
nmero
chama-se
Imagem
(B) branca
2/9
(V) vermelha
3/9
(P) preta
4/9
= {branca, vermelha, preta}
nmero
obtido
da
soma
das
imagens
de
cada
elemento
na
relao
de
freqncia.
Portanto, se somarmos as imagens da bola branca, 2/9, e da vermelha,
3/9, que aparecem na relao de freqncia deste exemplo, vamos conhecer o
valor da probabilidade do evento A, indicado por P(A).
Assim,
p(A) =
2
3
5
+
=
9
9
9
37
Probabilidade e Estatstica
Luiz Roberto
ento,
que
espao
amostral
equiprovvel,
que
sua
probabilidade uniforme.
3.5
Evento complementar
Consideremos um evento E relativo a um espao amostral . Chamamos
evento complementar de
indicado por
Notemos que E
= e E
Exemplo 1
Uma urna contm 10 bolas numeradas de 1 a 10. Retira-se da urna, ao acaso,
uma bola. Se E o evento ocorre mltiplo de 3, ento
Notemos que E
3.6
ser:
Temos:
= .
(I)
0 pi 1
k
(II)
i=1
= 1 , isto , p1 + p2 + ... + pk = 1
38
Probabilidade e Estatstica
Luiz Roberto
p + p + p + ... + p = 1
k . p = 1
p =
1
k
K vezes
P (E) = p1 + p2 + ... + pr
p(E) =
1
1
1
1
+
+
+
k
k
k
k
r
Nmero de elementos de E
=
k
Nmero de elementos de
p(E) =
n(E)
n()
n(E)
n()
tal que
0 p(E) 1
determinado
favorveis
(ou
evento
nmero
de
dada
caos
que
pala
nos
razo
entre
interessam)
nmero
de
casos
nmero
de
casos
n(E)
n()
f
, onde o evento A tem
k
39
Probabilidade e Estatstica
Luiz Roberto
amostral :
dizemos
que
probabilidade
do
evento
1/6,
isto
no
significa que, se jogarmos o dado seis vezes, em uma delas sair, com toda a
certeza, o nmero 5. Pode ser que o nmero 5 no saia nenhuma vez, ou ele
pode sair mais de uma vez.
A probabilidade 1/6 indica apenas que, se repetirmos esse experimento
um nmero muito grande de vezes, o evento A vai ocorrer em aproximadamente
1/6 do total de jogadas.
Exemplo 1
Uma urna contm 15 bolas numeradas de 1 a 15. Uma bola extrada ao acaso.
Qual a probabilidade de ser sorteada uma bola com nmero maior ou igual a 11?
Temos:
n()
5
1
=
15
3
= 33,3%
Exemplo 2
Um dado lanado e observa-se o nmero da face voltada para cima. Qual a
probabilidade desse nmero ser:
a) menor que 3?
b) Maior ou igual a 3?
a) Temos = {1, 2, 3, 4, 5, 6}
E = {1, 2}.
Ento,
p(E)
2
6
1
3
Note que
n(Ec)
p(E ) =
n()
c
4
6
2
.
3
p(E) + p(Ec) = 1
Exemplo 3
Uma moeda lanada trs vezes, sucessivamente. Qual a probabilidade de
observarmos: a) exatamente uma cara?;
40
Probabilidade e Estatstica
Vamos
construir
um
Luiz Roberto
diagrama
de
rvore
onde
na
1,
colunas,
K
K
C
K
C
C
(K,K,K)
(K,K,C)
(K,C,K)
(K,C,C)
(C,K,K)
(C,K,C)
(C,C,K)
(C,C,C)
K: cara
C: coroa
n()
3
8
37,5%
7
= 87,5%.
8
Exemplo 4
Uma turma tem 20 homens e 25 mulheres. Deseja-se formar uma comisso de cinco
alunos para representantes de turma. Qual a probabilidade de essa comisso
vir a ser formada exclusivamente por meninos?
O nmero de elementos de igual ao nmero de maneiras de se escolher uma
comisso qualquer de cinco pessoas, a partir dos 45 alunos. Como vimos, n()
= C45,5 .
O evento que interessa aquele em que todos os alunos da comisso so
meninos. O nmero de comisses assim existentes C20,5 .
Assim, a probabilidade pedida :
C20,5
P(E) =
C45,5
0,0126 = 1,26%
41
Probabilidade e Estatstica
Luiz Roberto
Exemplo 5
Escolhe-se,
ao
acaso,
um
dos
anagramas
da
palavra
XADREZ.
Qual
n(E)
n()
24
= 3,33%
720
Exemplo 6
Numa comunidade residem 100 pessoas. Uma pesquisa sobre os hbitos
alimentares dessa comunidade revelou que:
C
25
58
14
1) H 25 pessoas na integrao de C e V.
2) Pessoas que consomem exclusivamente verduras: 83 25 = 58
3) Pessoas que consomem exclusivamente carnes: 39 25 = 14
4) Como 25 + 58 + 14 = 97, h 3 pessoas que no comem carnes nem verduras.
Assim, as probabilidades pedidas so:
a)
14
= 0,14 = 14%
100
b)
3
= 0,03 = 3%
100
42
Probabilidade e Estatstica
3.7
Luiz Roberto
U B.
I B =
Temos:
n(A
U B)
n()
n(A)
n()
n(B)
n()
U B) = p(A) + p(B)
I B
B
A
I B
O evento A
p(A
Exemplo 1
Uma urna contm 25 bolas numeradas de 1 a 25. Uma bola extrada ao acaso
dessa urna.
a) Qual a probabilidade de o nmero da bola sorteada ser mltiplo de 2
ou de 3?
Consideremos os eventos A, o nmero mltiplo de 2 e B, o nmero
mltiplo de 3. Queremos encontrar p(A
U B). Temos:
43
Probabilidade e Estatstica
Luiz Roberto
A = {2, 4, 6, 8, 10, 12, 14, 16, 18, 20, 22, 24} p(A) =
B = {3, 6, 9, 12, 15, 18, 21, 24} p(B) =
n(B)
n()
n(A)
n()
12
25
8
25
p(A
Temos:
p(A
U B) =
12
8
4
+
=
25
25
25
p(A
I B) =
4
.
25
16
= 0,64 = 64%.
25
5
25
3
25
I B = , temos:
5
3
+
=
25
25
8
= 0,32 = 32%.
25
Exemplo 2
A probabilidade de um guarda rodovirio aplicar quatro ou mais multas em um
dia de 63%; a probabilidade de ele aplicar quatro ou menos multas em um dia
de 56%. Qual a probabilidade de o guarda aplicar exatamente quatro
multas?
Consideremos os eventos:
A: quatro ou mais multas; p(A) = 0,63
B: quatro ou menos multas; p(B) = 0,56
Temos:
1) A
determinar p(A
I B).
2) A
U B =
44
Probabilidade e Estatstica
Assim, p(A
P(A
Luiz Roberto
Exemplo 3
Observe a roleta da figura abaixo e pense na probabilidade existente de sada
para cada nmero.
P({2,4,6}) = 3/8
Experincia Composta
Tambm
pode
nos
interessar
clculo
da
probabilidade
de
uma
do
casos,
freqncia
experimento
obtida
relativa
a
esperada
partir
do
para
produto
cada
das
resultado
freqncias
Indicar
tambm
as
freqncias
relativas
esperadas
para
cada
experincia parcial.
Como observamos no esquema da figura anterior, o espao amostral :
= {(cara, vermelha), (cara, preta), (coroa, vermelha), (coroa, azul)}
45
Probabilidade e Estatstica
Luiz Roberto
2
7
vermelha
cara
5
7
1
2
1
2
preta
vermelha
4
5
coroa
1
5
objetivo
definir
uma
azul
probabilidade
para
conjunto
que
Imagem
cara, vermelha
cara, preta
coroa, vermelha
coroa, azul
Probabilidade condicional
Seja E:
1
6
probabilidade
condicional.
No
exemplo,
pode-se
querer
avaliar
46
Probabilidade e Estatstica
Luiz Roberto
P(A/B) = 1/3.
= {1, 3, 5} e neste
Dados
dois
eventos,
B,
denota-se
P(A/B)
probabilidade
com P(B) 0,
pois B j ocorreu
P(A I B)
P(B)
P(A/B)
P(A I B)
P(B)
NCF(A I B)
NTC
=
NCF(A
NCF(B)
I B)
NTC = Nmero
total de casos
NCF (B)
NTC
Desta maneira, para calcular a probabilidade de A dado B, basta contar o
nmero de casos favorveis ao evento A
X2
10}
P(A) =
NCF ao evento A
NTC
P(A/B) =
NCF a (A
I B)
NTC a B
3
36
1
3
47
1
12
Obs: apenas o par
(6,4) favorvel
ao evento (A I B).
Probabilidade e Estatstica
Luiz Roberto
ESTATSTICA BSICA
4.4
CONCEITOS FUNDAMENTAIS
A Estatstica pode ser encarada como uma cincia ou como um mtodo de
dados
numricos
sobre
nascimentos,
falecimentos,
matrimnios,
desquites, etc.
b) no singular (estatstica), indica um corpo de tcnicas, ou ainda uma
metodologia
tcnica
desenvolvida
para
coleta,
classificao,
48
Probabilidade e Estatstica
Luiz Roberto
Planejamento
Modelagem
Formulao e
anlise do
Problema
Experimentao
Coleta de
dados
Formulao do
modelo
conceitual
Traduo do
modelo
Experimentao
Verificao
e validao
do modelo
Anlise
estatstica
dos
resultados
Coleta de macro
informaes
4.5
Concluso
Planejamento do
projeto
Projeto
experimental
Comparao e
identificao
das melhores
solues
Documentao
Apresentao
dos resultados
Implementao
DIVISO DA ESTATSTICA
Mtodos
Estatsticos
Estatstica
Descritiva
Estatstica
Inferencial
amostra,
estabelece
hipteses,
tira
concluses
sobre
populao
de
49
Probabilidade e Estatstica
Luiz Roberto
Populao?
Envolve:
Estimao
Teste de Hiptese
Propsito:
Tomar Decises sobre as
caractersticas da Populao
Populao
Estimativas &
testes
Estatstica
Amostral
( X )
Amostra
4.6
POPULAO
apresentam
conjunto,
em
finito
comum
ou
infinito,
determinadas
de
indivduos
caractersticas
ou
objetos
definidas,
que
cujo
50
Probabilidade e Estatstica
Luiz Roberto
Exemplos:
1. Estudar os filhos tidos, tipo de moradia, condies de trabalho, tipo de
sanitrio. Nmeros de quartos para dormir, estado civil, uso da terra, tempo
de trabalho, local de nascimento, tipo de cultivo, etc., dos agricultores do
Estado do Amazonas.
Populao: Todos os agricultores (proprietrios de terra ou no) plantadores
das culturas existentes no Estado do Amazonas.
2. Estudar a precipitao pluviomtrica anual (em mm) na cidade de Manaus.
Populao: Conjunto das informaes coletadas pela Estao Pluviomtrica,
durante o ano.
4.
As
alturas
dos
cidados
do
Amazonas
constituem
uma
populao
ou
Populao
Dados
Amostragem
Estatstica
Descritiva
Estatstica Inferencial
(Probabilidade)
Diviso Da Populao
- Populao Finita: apresenta um nmero limitado de elementos. possvel
enumerar todos os elementos componentes.
Exemplos:
1. Idade dos universitrios do Estado do Par.
Populao: Todos os universitrios do Estado do Par.
- Populao Infinita: apresenta um nmero ilimitado de elementos. No
possvel enumerar todos os elementos componentes.
Entretanto, tal definio existe apenas no campo terico, uma vez que,
na prtica, nunca encontraremos populaes com infinitos elementos, mas sim,
51
Probabilidade e Estatstica
Luiz Roberto
AMOSTRAGEM
coleta
das
informaes
de
parte
da
populao,
chamada
AMOSTRA
uma
parte
(um
subconjunto
finito)
representativa
de
uma
seja
representativa,
ou
seja,
amostra
deve
conter
as
mesmas
induzir
estamos
sujeitos
erros.
Entretanto,
Estatstica
Indutiva, que obtm resultados sobre populaes a partir das amostras, diz
qual a preciso dos resultados e com que probabilidade se pode confiar nas
concluses obtidas.
4.6
CENSO
o exame completo de toda populao.
Quanto maior a amostra, mais precisas e confiveis devero ser as
52
Probabilidade e Estatstica
Luiz Roberto
TIPOS DE VARIVEIS
Varivel Qualitativa
Quando seus valores so expressos por atributos ou qualidade.
Exemplos:
1) Populao: Estudantes universitrios do Estado do Par.
Variveis: sexo, profisso, escolaridade, religio, meio onde vivem (rural,
urbano).
2) Populao: Populao dos bairros perifricos do municpio de Belm.
Variveis: tipo de casa, existncia de gua encanada (sim, no), bairro de
origem.
Variveis qualitativas que no so ordenveis recebem o nome de nominais.
Exemplo: religio, sexo, raa, cor.
Raa do AM - 2005
Raa
Freqncia
Branca
Negra
Parda
Outra
Total
Fonte: Fictcia
Variveis qualitativas que so ordenveis recebem o nome de ordinais.
Exemplo: nvel de instruo, classe social.
Classe social
Classe social
do AM - 2005
Freqncia
Classe A
Classe B
Classe C
Classe D
Total
Fonte: Fictcia
53
Probabilidade e Estatstica
Luiz Roberto
Varivel Quantitativa
Quando seus valores so expressos por nmeros. Esses nmeros podem ser
obtidos por um processo de contagem ou medio.
Exemplos:
1) Populao: Todos os agricultores do Estado do Par.
Variveis: nmero de filhos tidos, extenso da rea plantada, altura, idade.
2) Populao: Populao dos bairros perifricos do municpio de Belm
Variveis: nmero de quartos, rea da casa em m2, nmero de moradores.
A VARIVEL QUANTITATIVA DIVIDE-SE EM:
a. Varivel Discreta: so aquelas que podem assumir apenas valores inteiros
em pontos da reta real. possvel enumerar todos os possveis valores da
varivel.
Exemplos:
. Populao: Universitrios do Estado do Par.
Variveis: nmero de filhos, nmero de quartos da casa, nmero de moradores,
nmero de irmos.
b. Varivel Contnua: so aquelas que podem assumir qualquer valor num certo
intervalo (contnuo) da reta real. No possvel enumerar todos os possveis
valores.
. Populao: Todos os agricultores do Estado do Par.
Variveis: idade, renda familiar; extenso da rea plantada (em m2 ) , peso e
altura das crianas agricultoras.
4.8
DEFINIO DO PROBLEMA
A primeira fase do trabalho estatstico consiste em uma definio ou
54
Probabilidade e Estatstica
Luiz Roberto
4.9
coletar o material
em lugar de
Dados
pessoais:
grau
de
instruo,
religio,
nacionalidade,
dados
Opinies,
expectativas,
nveis
de
informao,
angstias,
esperanas,
sobre as
condies habitacionais e
55
as
Probabilidade e Estatstica
4.10
Luiz Roberto
PLANEJAMENTO
Metodologia
Estatstica
objetivo determinado.
56
Probabilidade e Estatstica
Luiz Roberto
tipo
do
problema,
objetivos
do
trabalho,
escala
de
atuao
grau
de
detalhamento
com
respeito
ao
interesse
dos
quesitos
Fontes
secundrias:
quando
so
publicados
ou
registrados
por
outra
atravs
documentos
organizao.
A
coleta
de
dados
secundrios
se
realiza
de
perguntas
dos
questionrios
uniformemente
mal
compreendidas,
os
dos
dados,
por
deficincia
do
observador,
por
imperfeio
do
57
Probabilidade e Estatstica
Luiz Roberto
crtica
informaes
interna
obtidas.
diz
respeito
mister
examinar
verificao
as
da
respostas
exatido
dadas,
das
sanando
de
origem
sempre
que
se
fizerem
necessrio
sua
correo
ou
complementao.
4.13
dados
de
fenmenos
geogrficos
podem
ser
organizados
em
mapas,
Apresentao Tabular
uma apresentao numrica dos dados. Consiste em dispor os dados em
linhas
colunas
distribudos
de
modo
ordenado,
segundo
algumas
regras
58
Probabilidade e Estatstica
Luiz Roberto
sobre determinado assunto, de modo a se obter uma viso global mais rpida
daquilo que se pretende analisar.
Apresentao Grfica
Constitui uma apresentao geomtrica dos dados. Permite ao analista
obter uma viso rpida e clara do fenmeno e sua variao.
4.15
auxiliem
etapa,
interesse
pesquisador
estatsticos
est
ligada
maior
resolver
consiste
seu
essencialmente
em
tirar
problema.
ao
clculo
concluses
anlise
de
dos
medidas,
que
dados
cuja
pode
ser
expresso
por
nmero-resumo,
as
estatsticas,
que
REGRAS DE ARREDONDAMENTO
De acordo com as Normas de Apresentao Tabular - 3 edio/1993 - da
Arredondamento para
Inteiro
Inteiro
Dcimos
Centsimos
Nmero arredondado
6
12
20,7
35,99
Arredondamento para
Inteiro
Inteiro
Dcimos
Centsimos
Inteiros
inteiros
dcimos
centsimos
59
Nmero arredondado
16
22
16,6
17,58
216
217
216,8
216,71
Probabilidade e Estatstica
Luiz Roberto
Quantidade
(1000 ton)
2535
2666
2122
3760
2007
2500
1978 (1)
1979
1980
1981
1982
1983
Fonte: Fictcia
Nota: Produo destinada para o consumo interno.
(1) Parte exportada para a Argentina.
Denomina-se SRIE ESTATSTICA toda tabela que apresenta a distribuio
de um conjunto de dados estatsticos em funo da POCA, do LOCAL, ou da
ESPCIE (fenmeno).
Numa srie estatstica observa-se a existncia de trs elementos ou
fatores: o TEMPO, o ESPAO e a ESPCIE.
Conforme varie um desses elementos, a srie estatstica classifica-se
em TEMPORAL, GEOGRFICA e ESPECFICA.
4.17
60
Probabilidade e Estatstica
4.18
Luiz Roberto
GRFICOS ESTATSTICOS
A Estatstica Descritiva pode descrever os dados atravs de grficos.
A
apresentao
grfica
um
complemento
importante
da
apresentao
impresso
visual
da
distribuio
dos
valores
ou
das
freqncias
objetivo
proporcionar
uma
visualizao
rpida
clara
da
61
Probabilidade e Estatstica
Luiz Roberto
Caractersticas:
- deve conter ttulo em letra de forma;
-
as
legendas
podem
ser
omitidas,
desde
que
as
informaes
presentes
4.19.1
62
Probabilidade e Estatstica
Luiz Roberto
(1000 ton)
2500
2000
1500
1000
500
0
84
4.19.2
85
86
87
88
89
90
91
92
93
94
GRFICOS EM COLUNAS
a
representao
de
uma
srie
estatstica
atravs
de
retngulos,
Tabela 4.2
Produo de Soja do Municpio X - 1991-1995
Quantidade
Anos
(ton.)
1991
117.579
1992
148.550
1993
175.384
1994
220.272
1995
265.626
Fonte: Secretaria Municipal de Agricultura
63
Probabilidade e Estatstica
Luiz Roberto
Toneladas
1992
1993
1994
1995
Norte
Nordeste
Sudeste
Sul
Centro-Oeste
64
Probabilidade e Estatstica
4.19.7
Luiz Roberto
GRFICOS EM BARRAS
facilitar
comparao
dos
valores.
categoria
outros
(quando
00
00
00
00
00
00
00
00
.0
.0
.0
.0
.0
.0
.0
.0
0
0
0
0
0
0
0
0
Km2
00
00
50
50
50
00
00
50
1.
2.
2.
1.
3.
3.
4.
Tabela 4.4 Matrcula no Ensino Superior, segundo os ramos de ensino -Brasil - 1995
Ramos de ensino
Filosofia, Cincias e Letras
Direito
Engenharia
Administrao e Economia
Medicina
Odontologia
Agricultura
Servio Social
Arquitetura e Urbanismo
Farmcia
Demais ramos
Total
65
Matrculas
44.802
36.363
26.603
24.027
17.152
6.794
4.852
3.121
2.774
2.619
11.002
180.109
Probabilidade e Estatstica
Luiz Roberto
Grafico 4.5. Matrcula efetiva no Ensino Superior, segundo os ramos de ensino - Brasil - 1999.
Filosofia, Cincias e Letras
Direito
Engenharia
Administrao e Econmia
Medicina
Odontologia
Agricultura
Servio Social
Arquitetura e Urbanismo
Farmcia
Demais ramos
0
00
10
00
50
0
00
15
0
00
20
0
00
40
0
00
35
0
00
30
0
00
25
0
00
45
Matrculas
tipo
de
grfico
til
para
estabelecer
comparaes
entre
as
Grfico
de
modalidade
de
apresentao
das
colunas
chamado
de
Estados
Total
1992
4.526
1993
4.633
1994
4.450
Fonte: Fictcia
Amap
2.291
2.456
2.353
66
So Paulo
1.626
1.585
1.389
Paran
609
592
708
Quantidade
Probabilidade e Estatstica
Luiz Roberto
1992
Amap
4.19.9
1993
So Paulo Paran
1994
Portugal
Itlia
Frana
Argentina
Chile
Espanha
Grfico 4.7. Importao Brasileira de vinho e champanhe proveniente de vrias origens 1994.
Frana
Portugal
Itlia
Espanha
Chile
Argentina
50
100
Vinho
67
Champanhe
150
200
250
1000 dlares
Probabilidade e Estatstica
4.19.10
Luiz Roberto
GRFICO EM SETORES
grfico
em
setores
representam
valores
absolutos
ou
porcentagens
complementares.
As sries geogrficas, especficas e as categorias em nvel nominal so
mais representadas em grficos de setores, desde que no apresentem muitas
parcelas (no mximo sete).
Cada parcela componente do total ser expressa em graus, calculada
atravs de uma regra de trs:
Total
Parte
Exemplo:
360
x
Tabela 4.7
Produo Agrcola do Estado A - 1995
Produtos
Quantidade (t)
Caf
400.000
Acar
200.000
Milho
100.000
Feijo
20.000
Total
720.000
Fonte: Fictcia
Feijo
3%
Caf
55%
Aucar
28%
68
Probabilidade e Estatstica
Luiz Roberto
Caf
Aucar
Milho
Feijo
00
.0
0
5
00
.
00
00
.
50
00
.
00
00
.
50
00
.
00
00
.
50
00
.
00
Quantidade (t)
Probabilidade e Estatstica
poca,
local
fenmeno
Luiz Roberto
so
fixos.
fenmeno
apresenta-se
atravs
de
de um grupo de 50 casais
1
1
1
3
0
1
5
6
1
7
6
2
7
1
3
1
2
2
1
2
2
0
0
1
3
5
2
1
0
2
1
1
2
3
7
1
1
2
4
7
4 filhos: 3
1 filho: 16
5 filhos: 3
2 filhos: 9
6 filhos: 3
3 filhos: 8
7 filhos: 2
70
Probabilidade e Estatstica
Luiz Roberto
nmero
levantamento
qualquer,
de
observaes
chamado
ou
repeties
freqncia
desse
de
um
valor.
valor,
Uma
em
um
tabela
de
absoluta
eficiente para a anlise dos dados, especialmente nos caso em que se deseja
comparar
distribuio
de
uma
mesma
varivel
ao
longo
de
populaes
fi =
Como Fi
n, segue que 0
Fi
n
fi
expressar fi em porcentagem.
Para
expressar
resultado
em
termos
percentuais,
multiplica-se
Em % = fi =
Fi
n
. 100
2:
soma
das
freqncias
relativas
percentuais
de
uma
71
tabela
de
Probabilidade e Estatstica
Varivel N
filhos (xi)
0
1
2
3
4
5
6
7
Total ()
Luiz Roberto
Freqncia
absoluta:
Numero de
casais (Fi)
6
16
9
8
3
3
3
2
50
Freqncia
relativa (fi)
Porcentagem
6/50 = 0,12
16/50 = 0,32
9/50 = 0,18
8/50 = 0,16
3/50 = 0,06
3/50 = 0,06
3/50 = 0,06
2/50 = 0,04
1,00
12%
32%
18%
16%
6%
6%
6%
4%
100%
Obs:
1. X: representa a varivel Nmero de filhos.
2. xi: representa os valores que a varivel assume.
3. Fi: o nmero de vezes que cada valor aparece no conjunto de dados
(freqncia absoluta).
4. fi: representa a freqncia relativa
5. ni = n = 50 : tamanho da amostra (ou n de elementos observados).
c.2. Distribuio de freqncias para varivel contnua
Os dados da varivel so agrupados em classe (grupo de valores).
1. Dados brutos
Tabela 4.5 - Taxas municipais de urbanizao (em %) no Estado
8
24
46
13
38
54
44
20
18
15
30
24
20
8
24
18
38
79
15
62
23
13
62
18
11
17
9
35
23
22
37
36
10
6
92
16
15
23
37
36
44
17
9
30
26
18
37
43
28
41
42
35
35
42
71
50
19
7
28
23
29
29
58
77
12
40
25
7
32
34
22
7
9
16
31
30
de AL - 2000
17
14
9
10
8
22
8
13
8
13
14
9
52
17
72
34
44
15
2. Rol
Tabela 4.6 - Rol das taxas municipais de urbanizao,
6
6
7
7
7
8
8
9
9
9
9
10
10
11
13
13
14
14
14
15
15
16
17
17
17
17
18
18
20
20
22
22
22
23
23
24
24
25
26
28
28
29
30
31
32
34
34
34
35
37
37
38
38
40
41
42
44
44
46
50
52
54
58
72
77
79
92
72
em AL (em %) - 2000.
8
8
9
12
13
13
15
15
16
18
18
19
23
23
24
29
30
30
35
35
36
42
43
44
62
62
71
Probabilidade e Estatstica
Luiz Roberto
recomenda-se
agrupar
os
valores
observados
em
classes,
tanto
para
Amplitude
total
(AT):
diferena
entre
maior
menor
valor
observado no experimento.
No exemplo, tabela 4.6, AT = 92 - 6 = 86
b. Amplitude da classe (Ac): a diferena entre o maior e o menor valor da
classe.
No exemplo, tabela 4.7, Ac = 16 - 6 = 10
ou
36 26 = 10.
(1 classe);
86 --- 96
(7 classe)
73
Probabilidade e Estatstica
4.21
Luiz Roberto
DISTRIBUIES CUMULATIVAS
Fi
Fac
12
14
14
xi
Fi
Fac
fi
5/14
12
7/14 = 1/2
14
2/14 = 1/7
14
Fi
) nesta tabela:
n
10 + 12
= 11
2
Histograma
a representao grfica de uma distribuio de freqncia por meio de
retngulos justapostos.
Polgono de freqncia
a representao grfica de uma distribuio de freqncia por meio de um
polgono.
74
Probabilidade e Estatstica
Luiz Roberto
Fi
Exemplo:
Idade
Fi
2-4
4-6
6-8
10
8-10
10-12
26
10
9
8
7
6
5
4
3
2
1
1
10
11
12
75
Probabilidade e Estatstica
4.22.1
Luiz Roberto
Mdia Aritmtica
16 Mdias amostrais
Distribuio amostral
2 Obs.
Obs
1,0
1,5
2,0
2,5
.3
1,5
2,0
2,5
3,0
.2
2,0
2,5
3,0
3,5
.1
2,5
3,0
3,5
4,0
.0
Histograma
X
1,0
1,5
2,0
2,5
3,0
3,5
4,0
x1 + x2 + x3 + ... + xn
=
xi =
n
xi
i =1
ou simplesmente
x
n
xi =
x1 + x2 + x3 + ... + xn
n
10 + 15 + 14 + 13 + 16 + 19 + 18
7
15 litros
os
valores
da
varivel
forem
agrupados
em
uma
distribuio
de
freqncias ser usada a mdia aritmtica dos valores x1, x2, x3 ,..., xn
ponderadas pelas respectivas freqncias absolutas: F1, F2, F3 ,..., Fn.
76
Probabilidade e Estatstica
Luiz Roberto
X=
xiFi
ou
I =1
X=
Fixi
n
aritmtica
para
dados
agrupados
sem
classes
(Mdia
aritmtica
ponderada)
Tabela 4.4 - Nmero de filhos de um grupo de 50 casais
Nmero de
Numero
filhos
de casais
Fi . xi
(xi)
(Fi)
0
6
Fixi
X =
=
1
16
n
2
9
3
8
4
3
5
3
X = 2,3 filhos
6
3
7
2
50
Total ()
Os 50 casais possuem, em mdia 2,3 filhos.
117
50
= 2,34
Fixi
n
__________
77
Probabilidade e Estatstica
Luiz Roberto
d1
d2
d3
d4
d5
=
=
=
=
=
di = xi 2 6 =
4 6 =
6 6 =
8 6 =
10 6 =
x
-4
-2
0
+2
+4
0
X =
2 + 4 + 6 + 8 + 10
5
2 propriedade
Somando-se ou subtraindo-se uma constante (c) a todos os valores de uma
varivel, a mdia do conjunto fica aumentada ou diminuda dessa constante.
Somar o valor 2 aos dados da tabela e calcular a nova mdia
Idades (xi)
2
4
6
8
10
X =
xi +
2 + 2 =
4 + 2 =
6 + 2 =
8 + 2 =
10 + 2 =
2
4
6
8
10
12
40
40
= 8.
5
xi x
2 x 2 =
4 x 2 =
6 x 2 =
8 x 2 =
10 x 2 =
78
2
4
8
12
16
20
60
Probabilidade e Estatstica
A nova mdia : X =
4.22.2
Luiz Roberto
60
= 12. A mdia aritmtica ficou multiplicada por 2.
5
Esperana matemtica
= =
P(xi)
Exemplo:
E = lanamento de um dado
X = ponto obtido: 1, 2, 3, 4, 5, 6
P(X) =
1
1
1
1
1
1
,
,
,
,
,
6
6
6
6
6
6
E(X) = 1 .
4.22.3
1
1
1
1
1
1
+2.
+3.
4.
+5.
+6.
= 3,5
6
6
6
6
6
6
Moda (Mo)
moda
como
valor
que
ocorre
com
maior
freqncia
em
conjunto de dados.
Exemplo: Se o salrio modal dos empregados de uma empresa igual a mil
reais, este o salrio recebido pela maioria dos empregados dessa empresa.
A moda utilizada quando os dados esto na escala nominal.
Exemplo:
Sexo
Freqncia
Masculino
40
Feminino
60
Total
100
A moda sexo feminino porque tem maior freqncia.
Moda para dados no agrupados
Primeiramente os dados devem ser ordenados para , em seguida,
observar o valor que tem maior freqncia.
Exemplo: Calcular a moda dos seguintes conjuntos de dados:
79
Probabilidade e Estatstica
Luiz Roberto
Numero de
casais
(fi)
6
16
9
8
3
3
3
2
50
80
Probabilidade e Estatstica
Luiz Roberto
6 --- 16
16 --- 26
26 --- 36
36 --- 46
46 --- 56
56 --- 66
66 --- 76
76 --- 86
86 --- 96
Total ()
4.22.4
29
24
16
13
4
3
2
2
1
94
Mo =
Li + Ls
2
6 + 16
Mo =
11
Mediana (Md)
iguais.
Por
esse
motivo,
mediana
considerada
uma
medida
a) O nmero de valores
b) O nmero de valores observados par
observados impar
Exemplo: Considere o conjunto de dados:
Exemplo: Considere o conjunto de
dados:
X = (4, 3, 9, 8, 7, 2, 10, 6)
X = (5, 2, 7, 10, 3, 4, 1)
ou
P =
n +1
,
2
7 +1
P =
= 4 ==> 4 posio.
2
4 posio o nmero 4.
Mediana:
P =
P =
n
2
8
= 4 posio
2
P =
n
+ 1 ,
2
P =
8
+ 1 = 5
2
posio
Os nmeros so 6 (4 posio) e 7 (5
posio). Tira-se a mdia aritmtica entre
os dois nmeros.
Md = 4
Md =
6+7
2
81
= 6,5
Probabilidade e Estatstica
4.22.5
Luiz Roberto
performance
mdia
do
empregado
de
70
peas
produzidas
xmax xmin
Empregado A = 71 69 = 2
Empregado B = 83 60 = 23
(xi X )
xi = valores observados
di = (xi X ) = 0
X = mdia aritmtica
82
Probabilidade e Estatstica
Luiz Roberto
A
70
70
70
70
70
=
=
=
=
=
0
+1
1
0
0
Empregado
d1 = 60
d2 = 80
d3 = 70
d4 = 62
d5 = 83
di = 0
B
71
71
71
71
71
11
+9
1
9
+12
d1 =
d2 =
d3 =
d4 =
d5 =
|0|=0
|+1| = 1
|1|= 1
|0|=0
|0|=0
| di | = 2
d1 =
d2 =
d3 =
|11|
|+9 |
|1 |
|9 |
= 11
= 9
= 1
= 9
d4 =
d5 = |+12 | = 12
| di | = 42
DM
| di |
n
| xi X |
Empregado A
DM =
2
5
Empregado B
DM =
= 0,4
42
5
= 8,4
DM =
4.22.6
| di | .Fi
| xi X |.Fi
n
Varincia
0.
=
2
(di)2.Fi
n
(xi - X )2.Fi .
n
Empregado A
= (0)2 = 0
= (+1)2 = 1
= (1)2 = 1
= (0)2 = 0
= (0)2 = 0
(di)2 = 2
d1
d2
d3
d4
d5
Empregado B
Empregado A
= (11)2 = 121
2
= 0,4
2 =
= (+9)2 = 81
5
= (1)2 = 1
= (9)2 = 81
= (+12)2 = 144
(di)2 = 428
83
Empregado B
2 =
428
= 85,6
5
Probabilidade e Estatstica
Luiz Roberto
(xi - X)2.Fi .
S =
As
n 1
diferenas
populacional
entre
( 2 ),
as
frmulas
utiliza-se
so:
mdia
para
populacional
caso
da
(X )
varincia
tendo
como
2 =
1
xi 2 Fi
n
( (xiFi) 2 )
n
S2 =
1
n 1
xi Fi
( (xiFi) 2 )
n
Desvio-padro
Desvio-padro amostral
s
s2
5
2
7
3
8
5
| xi X |.Fi
n
ou
| di | .Fi
n
84
9
4
11
2
Probabilidade e Estatstica
Luiz Roberto
xi
5
7
8
9
11
xi . Fi
10
21
40
36
22
129
Fixi
n
129
= 8,06
16
Fi
xi . Fi
| xi X |
|di| Fi
5
7
8
9
11
2
3
5
4
2
16
10
21
40
36
22
129
| 5 - 8,06 |
| 7 - 8,06 |
| 8 - 8,06 |
| 9 - 8,06 |
| 11 - 8,06 |
6,12
3,18
0,30
3,76
5,88
19,24
Portanto, DM =
| di | .Fi
n
19,24
= 1,20
16
S =
1
n 1
xi
(
( xiFi) 2 )
Fi
n
Logo: S2 =
Fi
2
3
5
4
2
16
xi2 Fi
10
147
320
324
242
1.083
xi . Fi
10
21
40
36
22
129
(129 )2 = 2,86
1
1083
16 1
16
85
Probabilidade e Estatstica
Luiz Roberto
S2
2,86 = 1,69.
S =
Resumindo: a distribuio possui uma mdia 8,06. Isto , seus valores esto
em torno de 8,06 a seu grau de concentrao de 1,2, medido pelo Desvio
Mdio, e de 1,69, medido pelo Desvio-Padro.
Exemplo 2: Dada a distribuio amostral abaixo, calcular a mdia, o desvio
mdio e o desvio padro.
Classes
2 ---- 4
4 ---- 6
Fi
X2 Fi
- 7,2|= 4,2
8,4
18
|7
- 7,2|= 2,2
8,8
100
49
|8
- 7,2|= 0,2
1,4
343
36
|9
- 7,2|= 1,8
7,2
324
11
33
|11
- 7,2|= 3,8
11,4
363
16
129
37,2
1.148
Classes
xi
Fi
xi . Fi
2 ---- 4
|3
4 ---- 6
20
6 ---- 8
8 ---- 10
10 ---- 12
X =
| xi X |
144
= 7,2
20
Logo: S2 =
DM =
37,2
= 1,86
20
(144)2 = 5,86
1
1148
20 1
20
86
5,86
= 2,42
Probabilidade e Estatstica
Luiz Roberto
Fi
xi
Fi
xi . Fi
X2 Fi
12
36
25
125
18
108
14
98
15
71
371
(71)2 = 2,33
1
371
15
15
2 =
Desvio-padro populacional:
2,33
= 1,53
N
casais
(Fi)
6
16
9
8
3
3
3
2
50
xi . Fi
xi2
Varincia amostral:
xi2. Fi
S2 =
1
n 1
xi Fi
( (xiFi) 2 )
Desvio-padro:
s
117
87
s2
Probabilidade e Estatstica
4.23
Luiz Roberto
4.23.1
DISTRIBUIO DE BERNOULLI
(sucesso)
ou
x2 = 0
P(X) p (x1) = p
Diz-se
que
esta
(fracasso)
p (x2) = 1 p = q
varivel,
assim
definida,
tem
uma
distribuio
de
Mdia:
(X) =
xi P(Xi) = 0 . p + 1 . p = p
2
(X )
E[X i ] =
x i P(Xi) = 02 q + 12 p = p
( X ) = p p2 = p(1-p) = pq
4.23.2
DISTRIBUIO BINOMIAL
apenas
dois
resultados
(sucesso
ou
fracasso).
Esse
modelo
e de fracasso 1-p = q
sucesso
corresponder
fracasso
0,
ou
seja,
provas
Bernoulli, tem-se:
Para Y = 0, uma seqncia de n zeros: 0000 ... 0. Logo:
P (Y=0) = q . q . q . q ... q = qn
Para Y = 1, uma seqncia do tipo: 1000 ... 0; 0100 ... 0; 001000 ... 0;
88
de
Probabilidade e Estatstica
Luiz Roberto
P (Y=y) = pyqn-y
y
= n
Varincia:
2
(X)
= n . p
ou
(Y) = np
seja
(Y ) = n ( X ) = n . p . p
(Y ) =
ou seja
npq
1
1
e q =
; Y nmero de caras
2
2
(sucessos).
5
85
a) P(Y=5) =
8 1 1
5 2 2
b) P(Y 1) =
1 P(Y=0) = 1 -
7
= 0,22 = 22%
32
89
255
= 0,996 = 99,6%
256
Probabilidade e Estatstica
c) P(Y 2) =
Luiz Roberto
8 1 1
1
1 1
+ 8 + =
2
2 2
2 2 2
1
8
28
37
+
+
+
= 0,14 = 14%
256
256
256
256
A mdia ser: 9(Y) = n . p = 8 .
2
A varincia ser: (Y ) =
1
= 4
2
n . p . q
90
8 .
1
1
.
= 2
2
2
Probabilidade e Estatstica
Luiz Roberto
BIBLIOGRAFIA
FONSECA, Jairo Simon; MARTINS, G. A. Curso de Estatstica.
Atlas, 1996.
So Paulo:
91