Você está na página 1de 19
Notas de aula 13 “ Sorte é o que acontece quando a preparação encontra a

Notas de aula 13

Sorte é o que acontece quando a preparação encontra a oportunidade." Elmer Letterman

1

Disciplina: ESTATÍSTICA e PROBABILIDADE

1. Distribuições de Probabilidade (V.A. Contínua).

1.1 Função de Probabilidade.

Vimos em aulas anteriores que uma variável aleatória pode ser discreta ou contínua.

seus possíveis

valores. A cada resultado x i associaremos um número p(x i ) = P(X = x i ), denominado

probabilidade de x i , tal que:

Para uma variável aleatória discreta X, sejam x 1 , x 2 , x 3 , x 4 ,

a) p(x i ) 0 para todo x i

=

b)

p (

x

i

)

1

i = 1

Essa função é denominada função de probabilidade da variável aleatória discreta

e

poderá ser expressa por uma tabela, gráfico ou fórmula. Seja X uma variável aleatória contínua (quando assume valores em intervalos da reta dos números reais), teremos a função densidade de probabilidade. Denomina-se função densidade de probabilidade à função f(x) que satisfaz as seguintes condições:

X. A distribuição de probabilidade de X é dada pelos pares [

x

i

;

p

(

x

i

)]

,

i = 1, 2, 3,

a) f (x) 0 para todo

x R

b)

−∞

f

(x) dx = 1

b

Além disso, para qualquer a < b, a probabilidade P(a < X < b) =

a

f (x) dx

Observações:

1) A definição acima mostra que a probabilidade de qualquer valor específico de X, por

exemplo x 0 , tem

Sendo assim, as probabilidades abaixo são todas iguais, se X for variável aleatória contínua.

P(a X b) = P(a X < b) = P(a

P(X =

x 0 ) =

x

0

x

0

f

(

x

)

dx

= 0

< X b)

= P(a

< X < b)

2) Note-se que f(x) função densidade de probabilidade, não é probabilidade. Somente quando a função for integrada entre dois limites, ela produzirá uma probabilidade, que será a área sob a curva da função entre x = a e x = b; a < b.

1.2 Distribuição Normal.

Inúmeras variáveis contínuas que descrevem fenômenos naturais e sociais apresentam distribuições de probabilidades próximas da distribuição normal. É a mais importante distribuição de probabilidade. É também conhecida como distribuição de Gauss, Laplace ou Laplace-Gauss. Seja X uma variável aleatória contínua. X terá distribuição normal se:

2  x − µ  1 1 − .   f(x) = .
2
 x
− µ 
1
1
.
f(x) =
.
e
2
σ − ∞
<
x < ∞
σ
.
2
π

onde:

µ

=

f(x) = função densidade de probabilidade de uma v. a. X.

desvio

média

da

distribuição

σ

= e = 2,71828

π = 3,14159.

padrão

da

distribuição

Prof. Paulo Alessio – 2º semestre de 2008

2

Sendo seu gráfico:

2 Sendo seu gráfico: µ O gráfico de uma distribuição normal assemelha-se muito a um sino,

µ

O gráfico de uma distribuição normal assemelha-se muito a um sino, e seu formato

dependerá dos valores dos parâmetros µ e σ . Eis dois exemplos:

valores dos parâmetros µ e σ . Eis dois exemplos: Por tratar-se de um modelo de

Por tratar-se de um modelo de distribuição contínua, a probabilidade de X assumir

um particular valor x 0 é zero, isto é, P(X = x 0 ) = 0, logo, são iguais as probabilidades:

b) = P(a x b). Todavia, a probabilidade

de uma v.a. distribuída normalmente tomar um valor entre dois pontos quaisquer a e b, (a b), é igual a área sob a curva compreendida entre os dois pontos. O gráfico ilustra o que foi exposto:

P(a < x < b) = P(a x < b) = P(a < x

P(a < x < b) = P(a ≤ x < b) = P(a < x O

O valor numérico dessa área hachurada é o resultado da integral de f(x) entre a e

b, isto é:

2  x − µ  1 1 − .   . e 2
2
x −
µ
1
1
.
.
e
2
σ
σ
.
2
π

P(a < x < b) =

a

b

 

dx

 

Prof. Paulo Alessio – 2º semestre de 2008

3

Essa integração não pode ser calculada analiticamente e deve ser computada por métodos numéricos. Na prática, seria necessário dispormos de tabelas com os resultados das probabilidades desejadas, porém teríamos que desenvolver inúmeras tabelas diferentes, para cada combinação particular de µ e σ , o que seria praticamente impossível. O problema, porém é resolvido por meio de uma transformação de variáveis que nos conduz à chamada distribuição normal padronizada, ou distribuição normal reduzida.

1.2.1 Distribuição Normal Padronizada (reduzida).

σ ) (lê-se “a variável aleatória X tem

distribuição normal com média µ e variância σ 2 ”. Consideremos a transformação de X

Seja X uma v.a. com distribuição N (

2

µ

;

para Z:

z

i

= X

i µ

σ

Demonstra-se que a média de Z é zero, e que a sua variância é igual a 1. Isto é:

(

Logo, a função densidade de probabilidade da variável Z é dada por:

µ(z) = 0

2

σ

z

)

=

1

σ (z) = 1

onde: − ∞ <

z <

µ(z) = 0

f(z) =

1

. 2 π
.
2
π

e

1

2

2

. z

σ (z) = 1

π = 3,14159

e = 2,71828

1.2.2 Propriedades da Variância.

a) A Variância de uma constante é zero.

b) Multiplicando-se uma variável aleatória por uma constante, sua variância fica

multiplicada pelo quadrado da constante. σ

c) Somando-se ou subtraindo-se uma constante à uma variável aleatória sua variância

não se altera.

d) A variância da soma ou diferença de duas variáveis aleatórias independentes é a soma

das respectivas variâncias.

1.2.3 Uso da tabela da Distribuição Normal padronizada (reduzida).

Há vários tipos de tabelas que oferecem as áreas (probabilidades) sob a curva normal padrão. O tipo mais freqüente é a Tabela de Faixa Central. A Tabela de Faixa Central dá a área sob a curva normal padrão entre z = 0 e qualquer valor positivo de z. A simetria em torno de z = 0 permite obter a área entre quaisquer valores de z (positivos ou negativos).

2

σ (

k )

2

(

k x

)

=

=

0

k

2

.

σ

2

(

x

)

σ

2

(

X

±

k

)

2

(

=

σ

σ

2

(

X

±

X

Y

)

)

σ

2

(

X

)

σ

2

(

Y

)

=

+

( x ) σ 2 ( X ± k ) 2 ( = σ σ 2

Prof. Paulo Alessio – 2º semestre de 2008

4

Distribuição Normal Padronizada

z

0,00

0,01

0,02

0,03

0,04

0,05

0,06

0,07

0,08

0,09

0,0

0,0000

0,0040

0,0080

0,0120

0,0160

0,0199

0,0239

0,0279

0,0319

0,0359

0,1

0,0398

0,0438

0,0478

0,0517

0,0557

0,0596

0,0636

0,0675

0,0714

0,0753

0,2

0,0793

0,0832

0,0871

0,0910

0,0948

0,0987

0,1016

0,1064

0,1103

0,1141

0,3

0,1179

0,1217

0,1255

0,1293

0,1331

0,1368

0,1406

0,1443

0,1480

0,1517

0,4

0,1554

0,1591

0,1628

0,1664

0,1700

0,1736

0,1772

0,1808

0,1844

0,1879

0,5

0,1915

0,1950

0,1985

0,2019

0,2054

0,2088

0,2123

0,2157

0,2190

0,2224

0,6

0,2257

0,2291

0,2324

0,2357

0,2389

0,2422

0,2454

0,2486

0,2518

0,2549

0,7

0,2580

0,2612

0,2642

0,2673

0,2704

0,2734

0,2764

0,2794

0,2823

0,2852

0,8

0,2881

0,2910

0,2939

0,2967

0,2995

0,3023

0,3051

0,3078

0,3106

0,3133

0,9

0,3159

0,3186

0,3212

0,3238

0,3264

0,3289

0,3315

0,3340

0,3365

0,3389

1,0

0,3413

0,3438

0,3461

0,3485

0,3508

0,3531

0,3554

0,3577

0,3599

0,3621

1,1

0,3643

0,3665

0,3686

0,3708

0,3729

0,3749

0,3770

0,3790

0,3810

0,3830

1.2

0,3849

0,3869

0,3888

0,3907

0,3925

0,3944

0,3962

0,3980

0,3997

0,4015

1,3

0,4032

0,4049

0,4066

0,4082

0,4099

0,4115

0,4131

0,4147

0,4162

0,4177

1,4

0,4192

0,4207

0,4222

0,4236

0,4251

0,4265

0,4279

0,4292

0,4306

0,4319

1,5

0,4332

0,4345

0,4357

0,4370

0,4382

0,4394

0,4406

0,4418

0,4429

0,4441

1,6

0,4452

0,4463

0,4474

0,4484

0,4495

0,4505

0,4515

0,4525

0,4535

0,4545

1,7

0,4554

0,4564

0,4573

0,4582

0,4591

0,4599

0,4608

0,4616

0,4625

0,4633

1,8

0,4641

0,4649

0,4656

0,4664

0,4671

0,4678

0,4686

0,4693

0,4699

0,4706

1,9

0,4713

0,4719

0,4726

0,4732

0,4738

0,4744

0,4750

0,4756

0,4761

0,4767

2,0

0,4772

0,4778

0,4783

0,4788

0,4793

0,4798

0,4803

0,4808

0,4812

0,4817

2,1

0,4821

0,4826

0,4830

0,4834

0,4838

0,4842

0,4846

0,4850

0,4854

0,4857

2.2

0,4861

0,4864

0,4868

0,4871

0,4875

0,4878

0,4881

0,4884

0,4887

0,4890

2,3

0,4893

0,4896

0,4898

0,4901

0,4904

0,4906

0,4909

0,4911

0,4913

0,4916

2,4

0,4918

0,4920

0,4922

0,4925

0,4927

0,4929

0,4931

0,4932

0,4934

0,4936

2,5

0,4938

0,4940

0,4941

0,4943

0,4945

0,4946

0,4948

0,4949

0,4951

0,4952

2,6

0,4953

0,4955

0,4956

0,4957

0,4959

0,4960

0,4961

0,4962

0,4963

0,4964

2,7

0,4965

0,4966

0,4967

0,4968

0,4969

0,4970

0,4971

0,4972

0,4973

0,4974

2,8

0,4974

0,4975

0,4976

0,4977

0,4977

0,4978

0,4979

0,4979

0,4980

0,4981

2,9

0,4981

0,4982

0,4982

0,4983

0,4984

0,4984

0,4985

0,4985

0,4986

0,4986

3,0

0,49865

0,49869

0,49874

0,49878

0,49882

0,49886

0,49889

0,49893

0,49897

0,49900

3,1

0,49903

0,49906

0,49910

0,49913

0,49916

0,49918

0,49921

0,49924

0,49926

0,49929

3.2

0,49931

0,49934

0,49936

0,49938

0,49940

0,49942

0,49944

0,49946

0,49948

0,49950

3,3

0,49952

0,49953

0,49955

0,49957

0,49958

0,49960

0,49961

0,49962

0,49964

0,49965

3,4

0,49966

0,49968

0,49969

0,49970

0,49971

0,49972

0,49973

0,49974

0,49975

0,49976

3,5

0,49977

0,49978

0,49978

0,49979

0,49980

0,49981

0,49981

0,49982

0,49983

0,49983

3,6

0,49984

0,49985

0,49985

0,49986

0,49986

0,49987

0,49987

0,49988

0,49988

0,49989

3,7

0,49989

0,49990

0,49990

0,49990

0,49991

0,49991

0,49992

0,49992

0,49992

0,49992

3,8

0,49993

0,49993

0,49993

0,49994

0,49994

0,49994

0,49994

0,49995

0,49995

0,49995

3,9

0,49995

0,49995

0,49996

0,49996

0,49996

0,49996

0,49996

0,49996

0,49997

0,49997

Prof. Paulo Alessio – 2º semestre de 2008

5

1.2.4 Aproximação da Distribuição Binomial pela Distribuição Normal. Quando na distribuição Binomial n.p > 5 e n.q > 5, temos uma boa aproximação da mesma quando calculada pela distribuição Normal. A média e o desvio padrão da

Distribuição Binomial são respectivamente: µ = n.p

Utilizamos estes valores para calcular a variável reduzida (escore padronizado)

n. p.q
n. p.q

σ =

z = x

µ

σ

da distribuição Normal.

Exemplos. Desejam-se as probabilidades:

a) P(0 z 1) Tem-se:

as probabilidades: a) P(0 ≤ z ≤ 1) Tem-se: Para obter a probabilidade, basta entrar com

Para obter a probabilidade, basta entrar com a abscissa 1,0 (na primeira coluna) e 0,00 (na primeira linha) da Tabela. Assim:

b) P(-2,55 < z < 1,2)

P(0 z 1) = 0,3413

b) P(-2,55 < z < 1,2) P(0 ≤ z ≤ 1) = 0,3413 Entra-se na Tabela,

Entra-se na Tabela, com o valor 1,2 na 1ª coluna e 00 na 1ª linha, obtendo 0,3849 Lembrando a propriedade da simetria em relação a z = 0, entra-se com 2,5 na 1ª coluna e 05 na 1ªlinha, obtendo 0,4946. Portanto,

P(-2,55 < z < 1,2) = 0,3849 + 0,4946 = 0,8795

c)

P(z 1,93)

z < 1,2) = 0,3849 + 0,4946 = 0,8795 c) P(z ≥ 1,93) Entra-se na Tabela

Entra-se na Tabela com 1,9 na 1ª coluna e 0,03 na 1ª linha obtendo 0,4732. Porém, essa é a área compreendida entre 0 e 1,93. Lembrando que a área embaixo da curva vale 1 e que a função é simétrica em relação à origem z = 0, tem-se P(z > 1,93) = 0,5000 – 0,4732 = 0,0268

Prof. Paulo Alessio – 2º semestre de 2008

6

Exercícios.

1)

Seja z uma variável com distribuição normal padronizada, encontre:

a)

P(0 z 1,44)

Resposta. 0,4251 Resposta. 0,3023 Resposta. 0,9104 Resposta. 0,2064 Resposta. 0,1401 Resposta. 0,7454 Resposta. 0,3830

b)

P(-0,85 < z < 0)

c)

P(-1,48 < z < 2,05)

d)

P(0,72 < z < 1,89)

e)

P(z 1,08)

 

f)

P(z -0,66)

g)

P(

z

0,5)

2)

As alturas dos alunos de determinada escola são normalmente distribuídas com média

de 1,60 m e desvio-padrão de 0,30 m.Encontre a probabilidade de um aluno medir:

a)

entre 1,50 e 1,80 m;

Resposta. 37,79%

b)

mais de 1,75 m;

Resposta. 30,85%

c)

menos de 1,48 m;

Resposta. 0,3446

d)

Qual deve ser a medida mínima para escolhermos 10% dos mais altos?

 

Resposta. altura mínima de 1,98 m.

3)

Após 28 dias de curagem, o cimento Portland comum tem resistência compressiva

média de 4000 psi. Suponha que essa resistência tenha distribuição normal com desvio- padrão de 120 psi. Determine as probabilidades seguintes para uma resistência compressiva de 28 dias:

a)

menor que 3900

Resposta. 20,33%

b)

menor que 3850

Resposta. 10,56%

c)

d)

maior que 3850

maior que 3880

Resposta. 89,44%

Resposta. 84,13%

4)

aproximadamente normal com média de 50.000 psi e variância de 8.100 psi 2 . Supondo

verdadeira a hipótese, que percentagem de mensuração dará superior a 50.000 psi? Resposta. 50%

Um fornecedor de ferro alega que seu produto apresenta resistência à tensão

5) A duração de um certo componente eletrônico tem média de 850 dias e desvio-padrão

de 45 dias. Calcular a probabilidade desse componente durar:

a)

entre 700 e 1.000 dias;

Resposta. 0,9991

b)

mais que 800 dias;

Resposta. 0,8665

c)

menos que 750 dias;

Resposta. 0,0132

6)

Os pesos de 600 estudantes são normalmente distribuídos com média de 65,3 kg e

desvio-padrão de 5,5 kg. Encontre o número de alunos que pesam:

a) entre 60 e 70 kg;

Resposta. 380

b) mais que 63,2 kg.

Resposta. 389

Prof. Paulo Alessio – 2º semestre de 2008

7

7) Uma fábrica de pneumáticos fez um teste para medir o desgaste de seus pneus e

verificou que ele obedecia a uma distribuição normal, de média 48.000 km e desvio- padrão 2.000 km. Calcular a probabilidade de um pneu escolhido ao acaso:

a)

dure mais que 46.000 km;

Resposta. 0,8413

b)

dure entre 45.000 e 50.000 km.

Resposta. 0,7745

8)

Sabe-se que 10% das peças produzidas por uma máquina apresentam pequenos

defeitos. Calcule a probabilidade de que em uma amostra de 200 peças encontrarmos

entre 17 e 22 peças com defeito.

Resposta. 0,4420

9) Em um exame final de Matemática, a média foi 72 e o desvio-padrão 15. Determinar a

variável reduzida dos estudantes que obtiveram graus:

a) 60;

Resposta. z a = - 0,8

b) 93;

Resposta. z b =

1,4

c) 72.

Resposta. z c =

0

10) Com referência ao problema 9, determinar os graus correspondentes aos escores reduzidos:

a) -1;

b) 1,6.

Resposta. X = 57 Resposta. X = 96

11) Dois estudantes foram informados de que alcançaram as variáveis reduzidas de 0,8 e -0,4, respectivamente, em um exame de múltipla escolha de inglês. Se seus graus foram 88 e 64, respectivamente, determinar a média e o desvio-padrão dos graus do exame. Resposta. Média = 72 Desvio-padrão = 20

12) O peso médio de 500 estudantes do sexo masculino, de uma determinada universidade, é 75,50 kg e o desvio-padrão é 7,5 kg. Admitindo-se que os pesos estão normalmente distribuídos, determinar quantos estudantes pesam entre 59,75 e 77,75 kg. Resposta. 300 estudantes

13) O salário semanal dos operários industriais são distribuídos normalmente em torno de uma média de $ 180,00 com desvio-padrão de $ 25,00. Pede-se:

a) encontre a probabilidade de um operário ter salário semanal situado entre $ 150,00 e $

178,00;

Resposta. 35,30%

b) dentro de que desvios de ambos os lados da média, cairão 96% dos salários? Resposta. 128,75 X 231,25

14) Um certo produto tem peso médio de 10 g e desvio-padrão de 0,5 g. É embalado em caixas de 120 unidades que pesam em média 150 g e desvio-padrão de 8 g. Qual a probabilidade de que uma caixa cheia pese mais de 1370 g? Resposta. 1,97%

15) Um produto pesa em média, 10 g, com desvio-padrão de 2 g. É embalado em caixas com 50 unidades. Sabe-se que as caixas vazias pesam 500 g, com desvio-padrão de 25 g. Admitindo-se uma distribuição normal dos pesos e independência entre as variáveis dos pesos do produto e da caixa, calcular a probabilidade de uma caixa cheia pesar mais

de 1.050 g.

Resposta. 4,09%

Prof. Paulo Alessio – 2º semestre de 2008

8

16) Um avião de turismo de quatro lugares pode levar uma carga útil de 350 kg. Supondo que os passageiros têm peso de 70 kg com distribuição normal de peso e desvio-padrão de 20 kg, e que a bagagem de cada passageiro pese em média 12 kg, com desvio-padrão de 5 kg e distribuição normal de peso. Calcular a probabilidade de:

a) haver sobrecarga se o piloto não pesar os 4 passageiros e respectiva bagagem; Resposta. 29,81%

b) que o piloto tenha que tirar pelo menos 50 kg de gasolina para evitar sobrecarga. Resposta. 4,01%

17) Suponha que o diâmetro médio dos parafusos produzidos por uma fábrica é de 0,25 polegadas, e o desvio-padrão 0,02 polegadas. Um parafuso é considerado defeituoso se seu diâmetro é maior que 0,28 polegadas ou menor que 0,20 polegadas. Encontre a percentagem de parafusos defeituosos. Resposta 7,3%

18) Um processo industrial produz canos com diâmetro médio de 2,00” e desvio-padrão de 0,01”. Os canos com diâmetro que variem de mais de 0,03” a contar da média são considerados defeituosos. Qual a porcentagem de canos defeituosos? Resposta. 0,27%

19) Suponha que a renda média de uma grande comunidade possa ser razoavelmente

aproximada por uma distribuição normal com média de $ 15.000,00 e desvio-padrão

$ 3.000,00. Que percentagem da população terá renda superior a $ 18.600,00? Resposta. 11,51%

de

20) Suponha que as notas de uma prova sejam normalmente distribuídas com média 73 e desvio padrão 15. 15% dos alunos mais adiantados recebem a nota A e 12% dos mais atrasados recebem nota F. Encontre o mínimo para receber A e o mínimo para passar, não receber F. Resposta. 88,6 e 55,4

2 A Distribuição t (Student).

Esta distribuição foi desenvolvida pelo químico britânico W. S. Gosset, que publicou seus trabalhos em 1908 sob o pseudônimo “Student”. Gosset trabalhava em uma cervejaria, que aparentemente não desejava que seus concorrentes descobrissem que sua equipe de profissionais estava utilizando técnicas estatísticas para o aprimoramento de seus processos produtivos.

Se x 1 , x 2 , x 3 ,

x n é uma amostra aleatória de uma população normal com média µ

e desvio padrão σ , então a distribuição de

t =

x µ

s / n
s
/
n

é denominada distribuição t de Student, com ν graus de liberdade. Chama-se

grau de liberdade o número de observações (eventos) de uma amostra menos 1, portanto: ν = n 1 . A qualificação com ν graus de liberdade é necessária porque para cada valor diferente do tamanho da amostra n (ou, o que é equivalente, para cada valor diferente de (n – 1) existe uma distribuição t específica). A função densidade de probabilidade da distribuição de Student é dada por:

Prof. Paulo Alessio – 2º semestre de 2008

9

 ν  ν + 1  + 1  −    Γ
ν
ν + 1 
+ 1 
− 
Γ
2
2
1
2
  t
f t
( )
=
.
.
 1 +
onde
Γ é a função GAMA
π ν
.
 
ν
ν
Γ
 
2
y
1 0
8
6
4
2
x
onde:
− 4
− 2
2
4

A distribuição t é contínua e simétrica, com média igual a zero. Sua aparência é bastante parecida com a da distribuição normal padronizada, mas a distribuição t é mais variável. Assim como a distribuição normal padronizada, a distribuição t também é tabelada. As tabelas fornecem os valores t γ ;ν para vários graus de liberdade (ν ). Isto é, t γ ;ν é o

ponto que determina na curva da distribuição t, com ν graus de liberdade, uma cauda à direita com área (probabilidade) γ veja a figura seguinte.

com área ( probabilidade ) γ veja a figura seguinte. Para que se possa entender como

Para que se possa entender como a tabela deve ser utilizada, observar o ponto que determina na curva da distribuição t, com 15 graus de liberdade (ν = 15), uma cauda

à direita com área igual a 0,10 (γ = 0,10) é

. O resultado implica

que o ponto que determina na curva da distribuição t, com ν graus de liberdade, uma

γ (e, conseqüentemente, uma cauda à

cauda à direita com área (probabilidade) 1

esquerda com área γ ) é igual ao valor negativo do ponto que determina na curva da

γ . A partir deste

resultado, obtemos

distribuição t, com ν

t 0,10 ;15

=

1,341

(tabelado).

=

t γ

;

ν

Como a distribuição é simétrica, temos: t 1 γ ; ν

graus de liberdade, uma cauda à direita com

t

0,90

;15

=

t

0,10

;

15

=

1,341

Prof. Paulo Alessio – 2º semestre de 2008

10

Média da distribuição: E[t] = µ[t] = 0

ν

Variância da distribuição: Var [ t ] = ν 2

Tabela da Distribuição t.

γ ν
γ
ν

0,40

0,25

0,10

0,05

0,025

0,010

0,005

0,0025

0,0010

0,0005

1

0,325

1,000

3,078

6,314

12,706

31,821

63,657

127,321

318,309

636,619

2

0,289

0,816

1,886

2,920

4,303

6,975

9,925

14,089

22,327

31,599

3

0,277

0,765

1,638

2,353

3,182

4,541

5,841

7,453

10,215

12,924

4

0,271

0,741

1,533

2,132

2,776

3,747

4,604

5,598

7,173

8,610

5

0,267

0,727

1,476

2,015

2,571

3,365

4,032

4,773

5,893

6,869

6

0,265

0,718

1,440

1,943

2,447

3,143

3,707

4,317

5,208

5,959

7

0,263

0,711

1,415

1,895

2,365

2,998

3,499

4,029

4,785

5,408

8

0,262

0,706

1,397

1,860

2,306

2,896

3,355

3,833

4,501

5,041

9

0,261

0,703

1,383

1,833

2,262

2,821

3,250

3,690

4,297

4,781

10

0,260

0,700

1,372

1,812

2,228

2,764

3,169

3,581

4,144

4,587

11

0,260

0,697

1,363

1,796

2,201

2,718

3,106

3,497

4,025

4,437

12

0,259

0,695

1,356

1,782

2,179

2,681

3,055

3,428

3,930

4,318

13

0,259

0,694

1,350

1,771

2,160

2,650

3,012

3,372

3,852

4,221

14

0,258

0,692

1,345

1,761

2,145

2,624

2,977

3,327

3,787

4,140

15

0,258

0,691

1,341

1,753

2,131

2,602

2,947

3,286

3,733

4,073

16

0,258

0,690

1,337

1,746

2,120

2,583

2,921

3,252

3,686

4,015

17

0,257

0,689

1,333

1,740

2,110

2,567

2,898

3,222

3,646

3,965

18

0,257

0,688

1,330

1,734

2,101

2,552

2,878

3,197

3,610

3,922

19

0,257

0,688

1,328

1,729

2,093

2,539

2,861

3,174

3,579

3,883

20

0,257

0,687

1,325

1,725

2,086

2,528

2,845

3,153

3,552

3,850

21

0,257

0,686

1,323

1,721

2,080

2,518

2,831

3,135

3,527

3,819

22

0,256

0,686

1,321

1,717

2,074

2,508

2,819

3,119

3,505

3,792

23

0,256

0,685

1,319

1,714

2,069

2,500

2,807

3,104

3,485

3,768

24

0,256

0,685

1,318

1,711

2,064

2,492

2,797

3,091

3,467

3,745

25

0,256

0,684

1,316

1,708

2,060

2,485

2,787

3,078

3,450

3,725

26

0,256

0,684

1,315

1,706

2,056

2,479

2,779

3,067

3,435

3,707

27

0,256

0,684

1,314

1,703

2,052

2,473

2,771

3,057

3,421

3,690

28

0,256

0,683

1,313

1,701

2,048

2,467

2,763

3,047

3,408

3,674

29

0,256

0,683

1,311

1,699

2,045

2,462

2,756

3,038

3,396

3,659

30

0,256

0,683

1,310

1,697

2,042

2,457

2,750

3,030

3,385

3,646

Fonte: (WERKEMA, 1996, P.272).

Exemplos.

1) Admita parâmetro 9, ou seja 9 graus de liberdade e γ = 5% , encontramos na tabela para o valor t = 1,833.

Prof. Paulo Alessio – 2º semestre de 2008

11

2) Sendo ν = 25 e γ = 10% . Na tabela da distribuição t (student), encontramos t =

1,316.

3) Considere uma distribuição t com 18 graus de liberdade. Encontre a média, a variância e o desvio padrão.

Média: E[t] =

Variância: Var [t]= ν 2

µ(t)

= 0

ν

18

18

2

=

Desvio padrão:

1,125
1,125

=

1,061

Exercícios.

=

1,125

1) Determinar os valores críticos de t para os quais a área da extremidade direita da distribuição t é 0,05, quando o número de graus de liberdade ν for igual a: a) 16 e b) 27. Resposta: a) t = 1,746 b) t = 1,703.

2) Considere uma distribuição de student (t) com 18 graus de liberdade. Encontre o 1º quartil, o 3º quartil e o 95º percentil.

Resposta:

Q

1

0,688

,

Q

3

=

=

0,688

e

P

95

=

1,734

3 Distribuição do Qui-quadrado.

3.1 Conceito.

O χ 2 é lido como “qui-quadrado”, χ é uma letra grega e tal denominação deve-se

a Karl Pearson. χ 2 é uma medida que compara, em uma prova onde existe um número

finito de eventos, as freqüências observadas com as freqüências esperadas de conformidade com alguma teoria existente. Conforme o valor obtido dessa comparação, podemos afirmar com certo nível de confiança, se há ou não compatibilidade entre as freqüências observadas na prova realizada com as freqüências esperadas. Entre outras utilizações, é de realçar a sua aplicação no estudo da variância de uma população a partir de uma amostra.

O

valor

do

χ 2 é

obtido

através

da

seguinte

fórmula:

2

χ

=

k

= 1

i

(

o

i

e

i

)

2

e

i

onde: k = número de eventos possíveis de ocorrer o i = freqüência observada em cada evento e i = freqüência esperada em cada evento

Exemplo.

Uma prova consiste em lançar 100 vezes duas moedas. Os eventos que podem ocorrer nessa prova são:

A = duas “caras”

B = duas “coroas”

C = uma “cara” e uma “coroa”

O espaço amostral S = { cc, ck, kc, kk } temos: P(A) = 1/4

,

P(B) = 1/4

e P(C) = 1/2

Dessa forma, as freqüências esperadas para cada evento são respectivamente: 25, 25 e 50. Admitamos que as freqüências observadas para A, B e C, na prova realizada,

Prof. Paulo Alessio – 2º semestre de 2008

12

tenham sido respectivamente: 22, 34 e 44. O valor do χ 2 para essa prova, ou seja, o

valor que mede a extensão da discrepância entre os dados observados e os esperados é

2

χ

=

k

1

i =

(

o

i

e

i

)

2

e

i

χ 2 = (

22

25

)

2

25

+

(

34

25

)

2

25

+

(

44

50

)

2

50

= 4,32

Esse valor, será comparado com valores tabelados, que permitirá concluir se a discrepância verificada é significativa em determinado nível.

3.2 Função do Qui-quadrado. A função densidade ν 1 − 1 − 2 f (
3.2 Função do Qui-quadrado.
A
função
densidade
ν
1
1 −
2
f
(
χ 2 )
=
(
χ
)
2 e
ν
ν
2
2
Γ (
2 )

de

χ

2

2

.

probabilidade

da

distribuição

qui-quadrado

é

Sua representação gráfica é uma curva simétrica alongada para o lado positivo do eixo. A forma da função dessa distribuição contínua depende do valor do parâmetro conhecido como Grau de Liberdade (ν ). O número de graus de liberdade é igual a n – 1, onde n é o número de eventos, possibilidades ou casas. Podemos verificar claramente o número de graus de liberdade tomando o lançamento de um dado. Considere o lançamento de um dado 120 vezes. Para a ocorrência “face 1”, podemos arbitrar uma freqüência de 0 a 120. Se atribuirmos a freqüência 18 para a “face1”, então para a “face 2” temos a liberdade de arbitrar uma freqüência entre 0 e 102. Desta forma, quando arbitrarmos uma freqüência para a “face 5”, a freqüência para a “face 6” estará determinada, pois será o valor que adicionado às 5 freqüências anteriores dá o total de 120. Assim, o número de graus de liberdade é 5 (6 – 1). Analogamente, no exemplo do lançamento das duas moedas o número de graus de liberdade é 2 (3 – 1).

duas moedas o número de graus de liberdade é 2 (3 – 1). 3.2.1 Média: E[

3.2.1 Média: E[ χ 2 ] =

χ

µ

2

= ν

3.2.2 Variância: Var [ χ 2 ] = 2ν

Prof. Paulo Alessio – 2º semestre de 2008

13

3.3 Tabela da Distribuição Qui-quadrado.

13 3.3 Tabela da Distribuição Qui-quadrado. α 2 χ α ν 0,995 0,990 0,975 0,950 0,900

α

2

χ

α ν
α
ν

0,995

0,990

0,975

0,950

0,900

0,750

0,500

0,250

0,100

0,050

0,025

0,010

0,005

 

1 0,0000

0,0002

0,0010

0,0039

0,0158

0,102

0,455

1,32

2,71

3,84

5,02

6,63

7,88

 

2 0,0100

0,0001

0,0506

0,103

0,211

0,575

1,39

2,77

4,61

5,99

7,38

9,21

10,6

 

3 0,0717

0,115

0,216

0,352

0,584

1,021

2,37

4,11

6,25

7,81

9,25

11,3

12,8

 

4 0,207

0,297

0,484

0,711

1,06

1,92

3,36

5,39

7,78

9,49

11,1

13,3

14,9

 

5 0,412

0,554

0,831

1,15

1,61

2,67

4,35

6,53

9,24

11,1

12,8

15,1

16,7

 

6 0,676

0,872

1.24

1,64

2,20

3,45

5,35

7,84

10,6

12,6

14,4

16,8

18,5

 

7 0,989

1,24

1,69

2,17

2,83

4,25

6,35

9,04

12,0

14,1

16,0

18,5

20,3

 

8 1,34

1,65

2,18

2,73

3,49

5,07

7,34

10,2

13,4

15,5

17,5

20,1

22,0

 

9 1,73

2,09

2,70

3,33

4,17

5,90

8,34

11,4

14,7

16,9

19,0

21,7

23,6

 

10 2,16

2,56

3,25

3,94

4,87

6,74

9,34

12,5

16,0

18,3

20,5

23,2

25,2

 

11 2,60

3,05

3,82

4,57

5,58

7,58

10,3

13,7

17,3

19,7

21,9

24,7

26,8

 

12 3,07

3,57

4,40

5,23

6,30

8,44

11,3

14,8

18,5

21,0

23,3

26,2

28,3

 

13 3,57

4,11

5,01

5,89

7,04

9,30

12,3

16,0

19,8

22,4

24,7

27,7

29,8

 

14 4,07

4,66

5,63

6,57

7,79

10,2

13,2

17,1

21,1

23,7

26,1

29,1

31,3

 

15 4,60

5,23

6,23

7,26

8,55

11,0

14,3

18,2

22,3

25,0

27,5

30,6

32,8

 

16 5,14

5,80

6,91

7,96

9,31

11,9

15,3

19,4

23,5

26,3

28,4

32,0

34,3

 

17 5,70

6,41

7,56

8,67

10,1

12,8

16,3

20,5

24,8

27,6

30,2

33,4

35,7

 

18 6,26

7,01

8,23

9,39

10,9

13,7

17,3

21,6

26,0

28,9

31,5

34,8

37,2

 

19 6,48

7,63

8,91

10,1

11,7

14,6

18,3

22,7

27,2

30,1

32,9

36,2

38,6

 

20 7,43

8,26

9,59

10,9

12,4

15,5

19,3

23,8

28,4

31,4

34,2

37,6

40,0

 

21 8,03

8,90

10,3

11,6

13,2

16,3

20,3

24,9

29,6

32,7

35,5

38,9

41,4

 

22 8,64

9,54

11,0

12,3

14,0

17,2

21,3

26,0

30,8

33,9

36,8

40,5

42,8

 

23 9,26

10,2

11,7

13,1

14,8

18,1

22,3

27,1

32,0

35,2

38,1

41,6

44,2

 

24 9,89

10,9

12,4

13,8

15,7

19,0

23,3

28,2

33,1

36,4

39,4

43,0

45,6

 

25 10,5

11,5

13,1

14,6

16,5

19,9

24,3

29,3

34,4

37,7

40,6

44,3

46,9

 

26 11,2

12,2

13,8

15,4

17,3

20,8

25,3

30,4

35,6

38,9

41,9

45,6

48,3

 

27 11,8

12,9

14,6

16,2

18,1

21,7

26,3

31,5

36,7

40,1

43,2

47,0

49,6

 

28 12,5

13,6

15,3

16,9

18,9

22,7

27,3

32,6

37,9

41,3

44,5

48,3

51,0

 

29 13,1

14,3

16,0

17,7

19,8

23,6

28,3

33,7

39,1

42,6

45,7