Escolar Documentos
Profissional Documentos
Cultura Documentos
APOSTILA DE ESTATSTICA
CURSO: PROCESSAMENTO DE DADOS
NDICE
1.0 DEFINIES DE ESTATSTICA ......................................................................... 1
1.1 POR QUE ESTUDAR ESTATSTICA? ......................................................... 1
1.2 A NATUREZA DOS DADOS ........................................................................ 1
1.3 TIPOS DE DADOS ....................................................................................... 2
1.4 TIPOS DE LEVANTAMENTOS .................................................................... 3
1.5 PLANEJAMENTO DE EXPERIMENTOS ..................................................... 4
EXERCCIOS: E-1...................................................................................................... 5
2.0 AMOSTRAGEM ................................................................................................... 6
2.1 DEFINIES................................................................................................ 6
2.2 AMOSTRAGEM ALEATRIA BASEADA EM NMEROS ALEATRIOS
(RANDMICOS) ................................................................................................ 8
2.3 OUTROS PLANOS DE AMOSTRAGEM ...................................................... 9
2.4 AMOSTRAGEM POR JULGAMENTO (NO PROBABILSTICA) ................ 9
2.5 AMOSTRAGEM PROBABILSTICA ........................................................... 10
2.5.1 AMOSTRAGEM SISTEMTICA............................................................... 10
2.5.2 AMOSTRAGEM ESTRATIFICADA ......................................................... 11
2.5.3 AMOSTRAGEM POR CONGLOMERADO............................................. 11
RESUMO.......................................................................................................... 11
EXERCICIOS: E-2.................................................................................................... 13
3.0 ANLISE EXPLORATRIA DE DADOS........................................................... 14
4.0 DISTRIBUIO DE FREQNCIA ................................................................... 15
5.0 REPRESENTAO GRFICA DAS VARIVEIS QUANTITATIVAS ............... 19
x ) ............................................................................................... 43
ESTATSTICA
1.0 DEFINIES DE ESTATSTICA
Etimologicamente a palavra estatstica vem de status expresso latina que
significa, sensu lato, o estudo do estado. Os primeiros a empregarem esse termo
foram os Alemes seguidos pela Itlia, Frana, Inglaterra e ainda por outros paises.
Para Levasseur a estatstica : O estudo numrico dos fatos sociais.
Yule define estatstica como: Dados quantitativos afetados marcadamente por uma
multiplicidade de causas.
Uma definio mais usual nos dias de hoje seria: Um mtodo cientifico que permite
a anlise, em bases probabilstica, de dados coligados e condensados
Quantitativos Contnuos
Discretos
Qualitativos Nominais
Por postos
As variveis contnuas podem assumir qualquer valor num intervalo contnuo. Os
dados referentes a tais variveis dizem-se dados contnuos. Ex. Peso, comprimento,
espessura onde usa-se a mensurao.
As variveis discretas assumem valores inteiros de dados discretos so os
resultados da contagem de nmeros de itens. Ex. alunos da sala de aula, nmero de
defeitos num carro novo, acidentes de uma fbrica.
Os dados nominais surgem quando se definem categorias e se conta o nmero de
observaes pertencentes a cada categoria. Ex.: atuam dentro das variveis
Qualitativas as quais devemos associar a valores numricos para que possamos
processar estatisticamente. Ex.: cor dos olhos (azuis, verdes, castanhos), sexo
(masculino e feminino), desempenho (excelente, bom, sofrvel, mau) etc.
Os dados por postos consistem de valores relativos atribudos para denotar ordem:
primeiro, segundo, terceiro, quarto, etc. Ex.: concurso de beleza se classificam em
1,2,3 colocadas.
TIPOS DE DADOS
POPULAES
POR POSTO
3. Coligir os dados
5. Relatar as concluses
EXERCCIOS: E-1
1- Identifique os seguintes exemplos em termos de tipos de dados:
a- 17 gramas
b- 3 certos, 2 errados
c- 25 segundos
d- 25 alunos na classe
e- tamanho de camisa
f- Km/litro
g- O mais aprazvel
h- O mais lento
i- 5 acidentes no ms de maio
2- Responder as perguntas:
2.0 AMOSTRAGEM
AMOSTRAGEM VERSUS SENSO: Uma amostra usualmente envolve o estudo de
uma parcela dos tens de uma populao, enquanto que o censo requer o estudo
de todos os tens.
Restries ao Censo:
-
Custo
Populaes infinitas
Casos de excesso:
-
Populaes pequenas
2.1 DEFINIES
POPULAO: o conjunto de indivduos (ou objetos), que tem pelo menos uma
varivel comum observvel.
AMOSTRA: qualquer sub-conjunto da populao extrada para se realizar estudos
estatsticos
.
POPULAO
AMOSTRA
Amostragem aleatria permite estimar o valor do erro possvel, isto , dizer quo
prxima est amostra da populao, em termos de representatividade.
Nas Populaes discretas uma amostra aleatria aquela em que cada item da
populao tem a mesma chance de ser includo na amostra.
Nas Populaes contnuas, uma amostra aleatria aquela em que a
probabilidade de incluir na amostra qualquer intervalo de valores igual
percentagem da populao que est naquele intervalo.
Exemplo: Uma equipe mdica deve trabalhar com pacientes que se apresentem
com voluntrios para testar um novo medicamento. Nenhum desses grupos podem
ser considerados como uma amostra aleatria do pblico em geral, e seria
perigoso tentar tirar concluses gerais com base em tal estudo. Todavia, os
resultados poderiam proporcionar uma base para a elaborao de um plano de
amostragem aleatrio para validar os resultados bsicos. Os perigos inerentes
pesquisa mdica , bem como outro tipo de pesquisa, freqentemente obrigam a
limitar a pesquisa inicial a um pequeno grupo de voluntrios.
K= N
n
ento K=200/10 = 20
Significa que ser escolhido um item a cada seqncia de 20 de uma lista. Para
iniciar pode-se usar uma tabela de nmeros aleatrios de 0 a 9 para iniciar os
grupos. Por exemplo se der o 9, escolhemos o 9, 29, 39 ,49 , etc.
10
RESUMO
A finalidade da amostra permitir fazer interferncia sobre a populao aps
inspeo de apenas parte dela. Fatores com custo, ensaios destrutivos e
populaes infinitas, tornam a amostragem prefervel a um estudo completo
(Censo) da populao.
12
EXERCICIOS: E-2
QUESTES PARA RECAPITULAO
1- Em que circunstncia a amostragem prefervel a um censo completo?
a. contnua
b. Discreta
13
De modo geral, podemos dizer que a essncia da cincia a observao e que seu
objetivo bsico a interferncia. Esta parte da metodologia da cincia que tem
por objetivos a coleta, reduo, anlise e modelagem dos dados, a partir do que,
finalmente, faz-se a interferncia para uma populao, da qual os dados
(amostras) foram obtidos.
14
15
TABELA 1
N
ESTADO
CIVIL
GRAU DE
N DE
SALRIO
IDADE
REGIO DE
solteiro
1 grau
---
26
03
interior
casado
1 grau
4,56
32
10
capital
casado
1 grau
5,25
36
05
capital
solteiro
---
5,73
20
10
outro
solteiro
1 grau
---
6,26
40
07
outro
casado
1 grau
6,66
28
00
interior
solteiro
1 grau
---
6,86
41
00
interior
solteiro
1 grau
---
7,39
43
04
capital
casado
2 grau
7,59
34
10
capital
10
solteiro
2 grau
---
7,44
23
06
outro
11
casado
2 grau
8,12
33
06
interior
12
solteiro
---
8,46
27
11
capital
13
solteiro
---
8,74
37
05
outro
14
casado
8,95
44
02
outro
15
casado
2 grau
9,13
30
05
interior
16
solteiro
2 grau
---
9,35
38
08
outro
17
casado
2 grau
9,77
31
07
capital
18
casado
9,8
39
07
outro
19
solteiro
---
10,53
25
08
interior
20
solteiro
2 grau
---
10,76
37
04
interior
21
casado
2 grau
11,06
30
09
outro
22
solteiro
2 grau
---
11,59
34
02
capital
23
solteiro
---
12,OO
41
00
outro
24
casado
12,79
26
01
outro
25
casado
2 grau
13,23
32
05
interior
26
casado
2 grau
13,6
35
00
outro
27
solteiro
---
13,85
46
07
outro
28
casado
2 grau
14,69
29
08
interior
29
casado
2 grau
14,71
40
06
interior
30
casado
2 grau
15,99
35
10
capital
31
solteiro
---
16,22
31
05
outro
32
casado
16,61
36
04
interior
33
casado
superior
17,26
43
07
capital
34
solteiro
superior
---
18,75
33
07
capital
35
casado
19,4O
48
11
capital
36
casado
23,3O
42
02
interior
2 grau
1 grau
2 grau
1 grau
1 grau
superior
1 grau
superior
1 grau
superior
2 grau
2 grau
superior
16
TABELA 2
GRAU DE
TABULAO
INSTRUO
FR %
1 grau
IIIIIIIIIIII
12
33,33
2 grau
IIIIIIIIIIIIIIIIII
18
50,OO
16,67
36
100
superior I I I I I I
TOTAL
TABELA 3
GRAU DE
FRQNCIA
FREQ. RELATIVA
FREQ. RELATIVA
INSTRUO
FR % Censo
FR % Provvel
1 grau
650
32,50
33,33
2 grau
1020
51,00
50,OO
superior
330
15,50
16,67
TOTAL
2000
100
100
17
TABELA 4
CLASSE DE SALRIOS
FR %
4 I------- 8
10
27,78
8 I------- 12
12
33,33
12 I------- 16
22.22
16 I------- 20
13,89
20 I------- 24
2,78
TOTAL
36
100
TABELA 5
NMERO DE FILHOS
Xi
FR %
20
25
35
15
20
100
TOTAL
18
o ttulo;
o corpo;
o cabeario;
as colunas indicadoras.
Fontes;
Notas.
19
de
pontos
eqidistantes
na
reta,
traa-se
perpendiculares
cujos
freqncias
12
10
0
4 I-------8
8 I-------12
12 I-------16
16 I-------20
20 I-------24
Salrios
20
freqncias
12
10
0
4 I-------8
8 I-------12
12 I-------16
16 I------- 20
20 I-------24
Salrios
21
. f = . r , ou seja,
r = .f
Se chamar
portanto, os
de `, tem-se
: r = `. f
r3 =
22.22. `=
r4 = 13,89 . `=
r5 =
2,78 . ` =
3.72. `
3,72. 3 = 11,1 mm
2,7
%
13,89
%
22,22
27,78
%
33,33
%
22
.f = r. a
a =
.f
r
Se chamarmos
r
ngulos centrais de um crculo igual a 360, e sendo F a freqncia total, tem-se
360 = `. F
ou seja: `= 360
Portanto a = 360. f
a3 = 360 x 22,22 = 80
100
a4 = 360 x 13,89 = 50
100
S5 = 360 x 2,78 = 10
100
23
120
50
10
100
80
33%
22%
28%
14%
3%
24
12
10
x
8
6
x
4
2
x
0
4 I-------8
8 I-------12
12 I-------16
16 I-------20
20 I-------24
salrios
25
6.6 O PICTOGRAMA
A figura abaixo mostra um exemplo de apresentao pictogrfica de dados temporais
(comumente encontrada em jornais, revistas e relatrios de vrios tipos), no caso abaixo
representa a populao dos Estados Unidos.
1920
1930
1940
1950
1960
1970
1980
1990
Cada smbolo
= 10 milhes de pessoas
26
TABELA 6
AMOSTRA PESO AMOSTRA PESO AMOSTRA PESO AMOSTRA PESO AMOSTRA PESO
1
207
21
220
41
210
61
210
81
217
213
22
204
42
214
62
220
82
211
210
23
213
43
219
63
213
83
213
215
24
211
44
215
64
217
84
218
201
25
214
45
217
65
214
85
213
210
26
217
46
213
66
219
86
216
212
27
224
47
218
67
214
87
218
204
28
211
48
214
68
215
88
216
209
29
220
49
215
69
223
89
206
10
212
30
209
50
212
70
217
90
212
11
215
31
214
51
221
71
213
91
207
12
216
32
208
52
211
72
218
92
213
13
221
33
217
53
218
73
207
93
215
14
219
34
214
54
205
74
210
94
212
15
222
35
209
55
220
75
208
95
223
16
225
36
212
56
203
76
214
96
210
17
215
37
208
57
216
77
211
97
226
18
218
38
215
58
222
78
205
98
224
19
213
39
211
59
206
79
215
99
214
20
216
40
216
60
221
80
207
100
215
O agrupamento destes dados em sub-grupos feito com base nos seguintes conceitos:
27
d = n
exerccio temos d = 100 10 classes, porem deve-se utilizar sempre que possvel
nmero impar de classes no caso 9 classes.
R.T
Nmero de Classes
As classes devem ser mutuamente exclusivas, para que no haja duvida na localizao
dos valores das variveis, podemos dai utilizar as seguintes simbologias para os
intervalos:
0 ----I 10 intervalo aberto & fechado, para significar que o intervalo compreende os
valores da varivel maiores do que 0 (excludo) e at 10 (inclusive);
0 I---- 10 intervalo fechado & aberto, para significar que compreende os valores da
varivel a partir de 0 (inclusive) e at 10 (exclusive);
0 ----- 10 Intervalo aberto & aberto, para significar que compreende valores maiores do
que 0 e menores do que 10.
28
0 I----I 10 intervalo fechado & fechado, para significar que compreende os valores da
varivel a partir de 0 (inclusive) e at 10 (inclusive).
TABELA 7
VALOR COMPRIMENTO
CLASSE
CLASSE
TABULAO
RELATIVA %
ACUM.
ACUM. REL.%
10
10
18
18
18
18
36
36
28
28
64
64
18
18
82
82
10
10
92
92
98
98
100
100
100
100%
29
Onde:
Freqncia (F) = o numero de vezes que as medidas ocorrem no intervalo de classes
F d x 100
N
considerado.
Ex.
30
freqncias
28
POLIGONO DE
FREQNCIAS
21
14
CLASSES
31
%
28%
POLIGONO DE
FREQNCIA
RELATIVA
21%
14%
7%
0
1
CLASSES
32
F.AC.
100
POLIGONO DE
FREQNCIAS
ACUMULADA
80
60
40
20
01
CLASSES
33
F.AC
REL.
100 %
POLIGONO DE
FREQNCIAS
ACUMULADA
RELATIVA
80 %
60 %
40 %
20 %
0 %1
CLASSES
34
A) Normal
B) Alongada
35
C) Achatada
A) Assimtrica Positiva
36
B) Assimtrica Negativa
mo
37
mo
mo
mo
mo
mo
38
61
52
64
84
35
57
58
95
82
64
50
53
103
40
62
77
78
66
60
41
58
92
51
64
71
75
89
37
54
67
59
79
80
73
49
71
97
62
68
53
43
80
75
70
45
91
50
64
56
86
SOLUO:
3
10
F.A.
12
19
11
30
39
45
49
50
39
MEDIANA;
MODA.
variveis n.
x
n
n
Sendo:
x
i= 1
8 + 3 + 5 + 12 + 10 = 38 = 7,6
5
40
K
xi .fi
i= 1
=
K
fi
i= 1
x = nmeros
freqncias 3, 2, 4 e 1, respectivamente
Nmeros
x = 5, 8, 6, 2
Freqncias
f = 3, 4, 2, 1
= 57 = 5,7
10
l-se x til.
FA
41
{ n+1 }
a)
b)
c) n
2
88 = 44 e a mediana o valor correspondente ao valor do 44elemento.
2
= 100
50
valor
FA
18
36
64
82
92
98
100
X 200
203
206
209
212
215
218
221
224
227
50
(64 36)
(215 212)
(64 50)
36
64
212
215
42
14 x 3 = 1,5
28
9.4 MODA (
x )
Em um conjunto de nmeros a moda o valor que ocorre com maior freqncia, isto , o
valor mais comum.
Exemplos:
1) 2, 2, 3, 7, 8, 8, 8, 9, 10
moda=8
2) 1, 2, 3, 4, 5, 6, 7, 8, 9, 10
43
xx x x x x xxx xxx xx x x
a) pequena disperso
xx
xxx
x x x
x x x x x xx x x
xxx
x x xx x x
x x xx
b) grande disperso
1- Utiliza apenas uma parcela das informaes contidas nas observaes. O seu
valor no se modifica mesmo que os valores das observaes variem, desde que
conservem os seus valores Mximo e mnimo.
X min.I
I x max.
R.T. = pequeno
X min.
I X max.
R.T. = Grande
S=
(X1-
) + (X2-
) + (X3-
) + ..... +(Xn-
45
( Xi -
n = Nmero de elementos ou
valores
(X1-
) + (X2-
) + (X3-
) + ..... +(Xn-
n-1
( Xi -
n-1
46
observaes
Xi
Xi -
(Xi -
X1
X1 -
(X1 -
X2
X2 -
(X2 -
X3
X3 -
(X3 -
Xn
medidas
Xn -
( Xn -
(Xi-
3-Aplicam-se as frmulas:
S=
( Xi -
( Xi -
n-1
47
10.3 VARINCIA
( Xi
S=
i=1
( Xi
=
)
onde n 1 = nmero de graus de liberdade
i=1
n-1
48
F (x)
x- 3
x- 2
x- 1
x +1 x+ 2 x+ 3
Mdia da Populao
Determinam o formato da curva
Desvio padro da populao
- < x < +
49
1
2
dx
xo.
F (x)
X0
Portanto:
xo .
Os valores = 3,1416 e
e ( nmero
c- A rea total sob a curva normal igual a 1, pela prpria equao da probabilidade.
d- Em virtude da simetria as reas direita e esquerda do valor so iguais
Z=
e como unidade de
- z
2
f(z)=
dx
dx
= . dz
51
- z
z
f(z)=
1
2
dz
As reas sob a curva permanecem as mesmas, mas agora podem ser tabuladas em
funo dos valores de Z (Ver figura abaixo, eixo dos Z). Basta construir a tbua das reas
para os valores I(z), na tbua 1.
Por exemplo, a rea desde Z=0, at Z= 1,0 I(1,0) = 0,3413 ou 34,13% da rea total da
curva; conseqentemente, dentro do intervalo 1 temos 68,26% da rea total da curva.
Se procurarmos a probabilidade de encontrarmos um valor de x dentro do intervalo
0,95 onde
Z=
valores de z e em seguida construir uma tabela com resultados das integrais, que
corresponde rea sob a curva xo intervalo de 0 a Z0 identificada por Iz0.
52
F (x)
x- 3
x- 2
-3
-2
x- 1
-1
x +1
x+ 2
x+ 3
Transformao de X em Z
Xo
Z=
X -
Zo
+ 1
+ 2
+ 3
- 1
- 2
- 3
+ 1-
+ 2-
+ 3-
--
- 2 -
- 3 -
0
1
2
3
-1
-2
-3
53
I Zo
Zo
Z0
I Z0
Z0
I Z0
Z0
I Z0
Z0
I Z0
Z0
I Z0
Z0
0,00 0,0000 0,60 0,2257 1,20 0,3849 1,80 0,4641 2,40 0,4918 3,00 0,4987
0,05 0,0199 0,65 0,2422 1,25 0,3944 1,85 0,4678 2,45 0,4929 3,05 0,4989
0,10 0,0398 0,70 0,2580 1,30 0,4032 1,90 0,4713 2,50 0,4938 3,10 0,4990
0,15 0,0596 0,75 0,2734 1,35 0,4115 1,95 0,4744 2,55 0,4946 3,15 0,4992
0,20 0,0793 0,80 0,2881 1,40 0,4192 2,00 0,4772 2,60 0,4953 3,20 0,4993
0,25 0,0987 0,85 0,3051 1,45 0,4279 2,05 0,4798 2,65 0,4960 3,25 0,4994
0,30 0,1179 0,90 0,3159 1,50 0,4332 2,10 0,4821 2,70 0,4965 3,30 0,4995
0,35 0,1369 0,95 0,3289 1,55 0,4394 2,15 0,4842 2,75 0,4970 3,35 0,4996
0,40 0,1554 1,00 0,3413 1,60 0,4452 2,20 0,4861 2,80 0,4974 3,40 0,4997
0,45 0,1736 1,05 0,3531 1,65 0,4505 2,25 0,4878 2,85 0,4978 3,50 0,4998
0,50 0,1915 1,10 0,3643 1,70 0,4554 2,30 0,4893 2,90 0,4981 3,70 0,4999
0,55 0,2088 1,15 0,3749 1,75 0,4599 2,35 0,4906 2,95 0,4984 3,90 0,5000
54
EXERCCIOS: E-3
1- Trace uma curva normal e sombreie a rea desejada a partir das informaes:
a- P ( x
60)
b- P ( 35 x 62)
c- P ( 55
d- P ( x >
x 65)
55)
e- P ( 35 x 45)
4- Suponha uma renda mdia de uma grande comunidade possa ser razoavelmente
aproximada por uma distribuio normal com media anual de R$ 10.000,00 e
desvio padro de R$ 2.000,00.
12.0 PROBABILIDADE
O problema fundamental da estatstica consiste em lidar com o acaso e a incerteza.
Chama-se probabilidade de um acontecimento a razo entre o nmero de casos
favorveis ao mesmo e o nmero total de acontecimentos possveis.
P=
Sendo
P+Q = 1
Ento
P= (1 - Q)
Q=
e Q = (1 - P)
ESPAO AMOSTRAL
COMPLEMENTO
No se interceptam cartas de
MUTUAMENTE EXCLUDENTE
NAO SO MUTUAMENTE
EXCLUDENTE
elementos em comum.
espadas
57
OBJETIVO
SUBJETIVO
CLSSICO
EMPRICO
Opinio Pessoal
(dados histricos)
O Mtodo Clssico
Os jogos de azar (lanamento de moedas, jogo de dados, extrao de cartas)
usualmente apresentam resultados igualmente provveis.
Nestes casos temos:
P(cada resultado) =
1
Nmero de resultados possveis
P (A) = 1/52
1,92%.
58
Por exemplo, a probabilidade de extrao de uma dama, de acordo com esta definio,
P (dama) =
4 damas = 4
52 cartas
52
= 1 = 7,69%
13
P(mpar) =
3 faces
6 faces possveis
3
6
ou
50%
da probabilidade de
59
1 moeda
2moeda
ou 25%
P(paus) = 13 ,
52
P(dez)=
4 , P( dez de paus) = 1
52
52
= 13 +
52
52
- 1
= 16
52
52
60
NAIPE
PAUS
PRETA
OUROS
VERMELHA
K
Q
J
10
9
8
7
6
5
4
3
2
A
K
Q
J
10
9
8
7
6
5
4
3
2
A
COPAS
VERMELHA
K
Q
J
10
9
8
7
6
5
4
3
2
A
ESPADA
PRETA
K
Q
J
10
9
a carta um dez
8
7
6
5
4
3
2
A
Carta de paus
Os eventos paus e dez se interceptam.
Regra de probabilidade
P (A e B), para eventos independentes
61
EXERCCIOS: E-4
1- Extrai-se uma s carta de um baralho de 52. Determine a probabilidade de obter:
a- Um valete
b- Uma figura
e- Um dez de paus
f- Um nove vermelho ou um
oito preto
62
Uma das possibilidades o uso das rvores de deciso, mas quando o numero de
resultados grande, essa lista se torna muito trabalhosa; necessrio ento recorrer a
formulas matemticas para determinar o numero total de resultados possveis.
Em segundo lugar devemos explorar suas diversas verses. Imaginemos que o teste
consista de apenas:
Uma questo
temos V ou F
Conclue-se:
Numero de questes
: 1 2 3 4
Numero de resultados :
2 4 8 16
Nota-se que se, o numero de itens for grande, a listagem se tornara praticamente
impossvel.
Em seguida podemos ver um diagrama de rvore para determinar todos os arranjos
possveis.
63
QUESTO
N1
N2
N3 RESULTADOS
V
V
F
.
V
F
F
VVV
VVF
VFV
VFF
FVV
FVF
FFV
FFF
TOTAL DE RESULTADOS
2=2
2 x 2 =4
2x2x2=8
2 x 2 x 2 x 2 = 16
TOTAL DE RESULTADOS
4=4
4 x 4 = 16
4 x 4 x 4 = 64
64
2x2x2x2x2x.......x2
1
= 220
= 1.048.576 ou
1.048.576
. . . . . . . . . . 20
m n.
4!
Outros exemplos:
5! = 5 x 4 x 3 x 2 x 1 = 120
12! = 12 x 11 x 10 x 9 x 8 x 7 x ..............x 1 = 479.001.600
Os fatoriais crescem de modo extremamente rpido, medida que aumenta o numerobase.
Felizmente, quase nunca necessrio utilizar-se completamente os fatoriais, pois eles
aparecem em grupos, permitindo cancelamentos:
5! =
5x4x3x2x1
5!
7!
7x6x5x4x3x2x1
4! =
4 x 3 x 2 x 1 = 4 x 3 x 2! = 4 x 3 = 12
2!
5!
2! 3!
2x1
= 5 x 4 x 3!
2 x 1 x 3!
7 x 6 x 5!
1
7x6
1
42
2!
= 5 x 4 = 20 = 10
2x1
( 5 - 3 )! = 2!
e no ( 5! - 3! )
( 9 - 2 )! = 7!
( 3 + 1)!
8!
= 4!
=
8!
8 x 7 x 6 x 5! = 8 x 7 x 6
3! . 5!
3 ( 8 3 )!
3 x 2 x 5!
0! = 1.
O fatorial de 1
1! = 1.
igual a um
= 56
3x2
ARRANJOS
So agrupamentos que podem variar pela ordem ou natureza dos elementos. Quando se
consideram n elementos distintos tomados x a x chamamos arranjo ou agrupamentos
enerios que se podem formar com esses n elementos, dispomos de todas as formas
possveis de modo que dois arranjos quaisquer difiram ao menos pela ordem dos
elementos.
Outro exemplo: Se ha sete cavalos num preo, quantos arranjos ha considerando 1,2 e
3 lugares?
A n,x =
n!
( n x )!
A 7,3 =
7!
( 7 3 )!
7!
4!
7 x 6 x 5 x 4! = 7 x 6 x 5 = 210
4!
PERMUTAO
66
Pn =
n!
(n1!) (n2!) (n3!) ......(nk!)
Soluo
Ha 8 letras : 4Rs 3Us 1N dai:
4, 3, 1
P8 =
8!
= 280
COMBINAO
C n,x =
n!
x! (n - x )!
67
Quantos comits distintos, de 3 pessoas cada um, podemos formar com um grupo de 10
pessoas?
C10,3 =
10!
= 10 x 9 x 8 x 7! = 120
7! 3!
3 x 2 x 7!
Mulheres
Homens
( C 4,1 )
( 6,2 )
4!
6!
3! 1!
4! 2!
= 4 x 15
= 60
A n,x =
n!
( n x )!
Pn =
n!
(n1!) (n2!) (n3!) ......(nk!)
C n,x =
n!
x! (n - x )!
x
68
EXERCCIOS: E-5
1- Calcule:
a- 2!
b- 3!
c- 10!
d- 1!
e- 0!
2- Calcule:
a-
3
2
b-
4
4
c-
5
1
d-
9
6
b- A 4,4
c- A 5,1
d- A 9,6
e- A 1,0
69
Valor da v.a.
CC
CK
KC
KK
PROBABILIDADE DO RESULTADO
1
CC
2
.
0,25
0,25
1
=
0
4
CK
P(X)
1
=
NUMERO DE CARAS
0,50
1
KC
=
2
1
2
.
KK
2
0,25
0,25
1
=
1
4
4
70
NUMERO DE CARAS
P(X)
0,25
0,50
0,25
1,00
P(X ou menos)
0,25
0,75
1,00
71
1,00
P
R 0,75
O
B
A
B
I
0,5
L
I
D
A
D 0,25
E
0,5
0,25
0,25
0
0
1
2
NUMERO DE CARAS
A
C
U 0,25
M
U
L
A
D
0
A
1,OO
0,75
0,25
0
1
2
NUMERO DE CARAS
72
POSSIBILIDADE
MOEDA N
EVENTO
VALOR DE X
1, 2, 3, 4
CCCC
0K e 4C
2a
2b
2c
2d
CCCK
CCKC
CKCC
KCCC
1K e 3C
3a
3b
3c
3d
3e
3f
CCKK
CKKC
KKCC
CKCK
KCKC
KCCK
2K e 2C
4a
4b
4c
4d
KKKC
KKCK
KCKK
CKKK
3K e 1C
KKKK
4K e 0C
73
EVENTO
P(X = x)
0
= 1p
0K e 4C
1K e 3C
2K e 2C
= 6p
3K e 1C
4K e 0C
TOTAL
= 4p
= 1p
= 1p
q
0
1,00
n = numero de moedas
p = probabilidade de K = P(K) = 0,5
q = 1 p = probabilidade de C = P(C) = 0,5
n!
x! (n x)!
Generalizando temos;
x
P(x) =
n!
n-x
p . q
x! (n x)!
74
10
n!
Distribuio
x ! (n x) !
p(10) =
p(9) =
p(8) =
p(7) =
p(6) =
p(5) =
p(4) =
p(3) =
p(2) =
p(1) =
p(0) =
Amostral
P(X) probabilidade % de
encontrar a
Amostra
10!
10! (10 10)!
1/1024 = 0,000976
10!
9! (10 9) !
10
1/1024 = 0,009760
10!
8! (10 8) !
45
1/1024 = 0,043940
10!
7! (10 7) !
120
1/1024 = 0,117180
10!
6! (10 6) !
210
1/1024 = 0,205070
10!
5! (10 5) !
252
1/1024 = 0,246090
10!
4! (10 4) !
210
1/1024 = 0,205070
10!
3! (10 3) !
120
1/1024 = 0,117180
10!
2! (10 2) !
45
1/1024 = 0,043940
10!
1! (10 1) !
10
1/1024 = 0,009760
10!
0! (10 0) !
1/1024 = 0,000976
10
TOTAL = 2
= 1024
75
EXERCICIOS: E-6
Use a formula binomial para responder s questes abaixo:
1- Um fabricante de mesas de bilhar suspeita que 2% de seu produto apresenta
algum defeito. Se tal suspeita correta, determine a probabilidade de que, numa
amostra de nove mesas:
a- Haja ao menos uma defeituosa
b- No haja nenhuma defeituosa
3- Doze por cento dos que reservam lugar num vo sistematicamente faltam ao
embarque. O avio comporta 15 passageiros.
a- determine a probabilidade de que todos os 15 que reservaram lugar
compaream ao embarque
b- Se houve 16 pedidos de reserva, determine a probabilidade de uma pessoa
ficar de fora.
> 100
n.p < 10
n = Elementos da Populao
p = Probabilidade
Exemplo: n = 150
p = 0,05
- n.p
(n.p) . e
para x = 1, 2, 3, .......
x!
e= 2,718
Exemplo: Sabe-se que 2% dos livros encadernados em uma certa livraria apresentam
defeitos de encadernao. Utilize a aproximao de Poisson da distribuio Binomial para
achar a probabilidade de que 5 entre 400 livros encadernados nessa livraria apresentam
algum defeito de encadernao.
Temos: n = 400
p = 2% = 0,02
x=5
-8
e
= 0,000335
77
temos ento:
x
f (x) =
- n.p
(n.p) . e
-8
8 . e
x!
5!
120
120
-67Outro Exemplo: Supnhamos que os defeitos em fios para tear possam ser aproximados
por
um
processo
de
Poisson
com
media
de
0,2
defeitos
por
metro
n = 6 p = 0,2
f(0) =
x =1 e
X=2
-1,2
1,2
e
0!
1
f(1) =
n . p = 6 . 0,2 = 1,2
= 1 . 0,301 = 0,301
1
-1,2
1,2
e
1!
78
EXERCICIOS: E-7
n = 500 e
p = 0,001
b-
n = 100
p = 0,12
c-
n = 60
p = 0,002
79
15.0 CORRELAO
15.1 INTRODUO
At agora nossa preocupao era descrever a distribuio de valores de uma nica
varivel. Com esse objetivo, aprendemos a calcular medidas de tendncia central e
variabilidade.
Quando porem, consideramos observaes de duas ou mais variveis, surge um novo
problema: as relaes que podem existir entre duas ou mais variveis estudadas.
Assim, quando consideramos variveis como peso e altura de um grupo de pessoas, uso
do cigarro e incidncia do cncer, a potencia gasta e a temperatura da gua no
chuveiro,
Procuramos verificar se existe alguma relao entre as variveis de cada um dos pares
e qual o grau dessa relao.
P= PERIMETRO
L= LADO DO QUADRADO
80
Quando duas variveis esto ligadas por uma Relao Estatstica, dizemos que existe
uma correlao entre elas.
MATEMATICA
(xi)
ESTATISTICA
(yi)
01
5,0
6,0
08
8,0
9,0
24
7,0
8,0
38
10,0
10,0
44
6,0
5,0
58
7,0
7,0
59
9,0
8,0
72
3,0
4,0
80
8,0
6,0
92
2,0
2,0
81
.
o
8 .
6 .
4 .
.
2 .
.
.
.
2
.
4
.
6
.
8
.
10 xi
Podemos imaginar que, quanto mais fina for a elipse mais ela se aproximar de uma
reta.
Dizemos, ento, que a correlao de forma elptica tem como imagem uma reta, sendo,
por isso denominada de Correlao Linear.
82
possvel verificar que cada correlao esta associada como imagem uma relao
funcional. Por esse motivo, as relaes funcionais so chamadas Relaes Perfeitas.
yi
10 .
RETA IMAGEM
.
o
8 .
6 .
4 .
.
2 .
.
.
.
2
.
4
.
6
.
8
.
10 xi
Como a correlao em estudo tem como imagem uma reta ascendente, ela chamada
de Correlao Linear Positiva.
Temos:
Y
o
oo
ooo
oo
ooooo
ooo
ooooo
oo
o
oo
X
Y
o
oo
ooo
oo
ooooo
ooo
ooooo
oo
o
oo
X
o
o oo
oo
oooo
ooo
oo
oo
ooo
ooooo
o
correlao no-linear
ooo
oooo
ooooo
ooo
oo
oo
o
oooo
oo
ooo
X
oo
o o o o
o o o oooo ooo o ooo
oo ooo oooo oooo oooo o
o oo ooo ooooo o
o ooo oo o
ooooo
no h correlao
84
r=
n xi yi (xi ) (yi)
[ n xi (xi)] [ n yi (yi)]
Onde:
n = nmero de observaes
Os valores limites de r so -1 e +1, isto , o valor de r pertence ao intervalo [ -1 e +1].
Assim:
A- Se a correlao entre duas variveis perfeita e positiva, ento r = +1.
NOTAS
-
Para que uma relao possa ser descrita por meio do Coeficiente de
Correlao de Person imprescindvel que ela se aproxime de uma funo
Linear. Uma maneira pratica de verificarmos a linearidade da relao a
inspeo do Diagrama de Disperso: se a elipse apresenta salincias ou
reentrncias muito acentuadas, provavelmente trata-se de uma relao
curvilnea.
Se
0,3
| r | 1
85
Se 0
MATEMATICA
ESTATISTICA
(xi)
(yi)
xi yi
xi
yi
5,0
6,0
30
25
36
8,0
9,0
72
64
81
7,0
8,0
56
49
64
10,0
10,0
100
100
100
6,0
5,0
30
36
25
7,0
7,0
49
49
49
9,0
8,0
72
81
64
3,0
4,0
12
09
16
8,0
6,0
48
64
36
2,0
2,0
04
04
04
=481
=475
=65
=65
=473
Logo:
r=
10 x 473 65 x 65
(4.810 4.225)
(4.750 4.225)
505
585 x 525
550
= 0,911
4.554,18
Dai: r = 0,91 Resultado que indica uma correlao linear positiva altamente significativa
entre as duas variveis.
86
87
EXERCICIOS: E-8
1- Complete o esquema de clculo do coeficiente de correlao para os valores das
variveis xi e yi :
xi
10
12
yi
12
10
12
14
Temos:
(xi)
(yi)
4,0
12,0
....
12,0
14,0
xi yi
xi
yi
Logo:
r=
.........
..... x ......
........
= ........
.........
ONDE: r =
88
(xi)
(yi)
34
21
30
22
40
25
34
28
39
15
35
24
42
24
45
22
43
17
xi yi
xi
yi
B-
(xi)
(yi)
3,9
46
4,6
46
6,0
52
2,8
50
3,1
48
3,4
40
4,2
42
4,0
44
xi yi
xi
yi
89
estudante
(xi)
(yi)
82
92
84
91
86
90
83
92
88
87
87
86
85
89
83
90
86
92
10
85
90
11
87
91
xi yi
xi
yi
4- Com os dados abaixo, sobre crimes violentos e a temperatura mdia entre 21 e 2 horas
das noites de sbado numa grande comunidade, monte o grfico para os dados e calcule
o coeficiente de correlao.
Crimes Violentos/ 1000 residentes
5,0
87
2,2
50
4,1
75
5,4
90
2,8
55
3,0
54
3,6
68
4,9
85
4,1
82
4,2
80
2,0
45
2,7
58
3,1
66
90
Podemos dizer que a analise de regresso tem por objetivo descrever, atravs de um
modelo matemtico, a relao entre duas variveis, partindo de n observaes das
mesmas.
onde a e b so parmetros.
Sejam duas variveis X e Y, entre as quais exista uma correlao acentuada, embora
no perfeita, como, por exemplo, as do exerccio j apresentado:
MATEMATICA
ESTATISTICA
(xi)
(yi)
5,0
6,0
8,0
9,0
7,0
8,0
10,0
10,0
6,0
5,0
7,0
7,0
9,0
8,0
3,0
4,0
8,0
6,0
2,0
2,0
91
RETA IMAGEM
.
o
8 .
6 .
4 .
.
2 .
.
.
.
2
.
4
.
6
.
8
.
10 xi
Podemos concluir, pela forma do diagrama, que se trata de uma correlao retilnea, de
modo a permitir o ajustamento de uma reta, imagem da funo definida por:
Y = ax+ b
b = Y - a X
92
Onde :
n o nmero de observaes
Onde Y^ o Y estimado
A tabela de valores:
MATEMTICA
ESTATSTICA
(xi)
(yi)
xi yi
5,0
6,0
30
25
8,0
9,0
72
64
7,0
8,0
56
49
10,0
10,0
100
100
6,0
5,0
30
36
7,0
7,0
49
49
9,0
8,0
72
81
3,0
4,0
12
09
8,0
6,0
48
64
2,0
2,0
04
04
=65
=65
=473
xi
=481
Temos assim
a = 10 x 473 65 x 65 = 4730 - 4225 = 505 = 0,8632
10 x 481 (65)
4810 - 4225
585
93
Como:
X = 65 = 6,5
Y = 56 = 6,5
10
10
Vem:
b = 6,5 0,8632 x 6,5 = 6,5 - 5,6108 = 0,8892,
Donde:
a = 0,86
b = 0,89
Logo:
Y = 0,86 X + 0,89
Y^ = 0,89
X=5
Assim temos:
yi
10 .
o
Y^ = 0,86 X + 0,89
8 .
6 .
5,19 .
o
o
4 .
.
2 .
.
0,89
.
2
.
4
.
6
.
8
.
10
xi
94
e b , como tambm
95
EXERCICIOS: E-9
1- Aps 6 horas de treinamento, um cachorro cometeu 5 erros em uma exposio
canina, outro cachorro aps 12 horas cometeu
cachorro, apos 18 horas, cometeu apenas 1 erro. Denotando por x o nmero de horas
de treinamento e por y o nmero de erros cometidos, qual das duas retas se ajusta
melhor aos trs pontos, no sentido de mnimos quadrados?
a- y = 10 - x
b- y = 8 -
1/3
Nmero de semanas
Trabalhadas
Nmero de carros
inspecionados
13
21
23
14
15
12
21
x.y =721
b- Com o auxilio da parte a, estime quantos carros uma pessoa que venha
trabalhando no posto de inspeo ha 8 semanas poder inspecionar?
96
Nmero de Horas
Resduo de cloro
(P.P.M.)
2,2
1,8
1,5
1,4
1,1
10
1,1
12
0,9
x .y =48,6
A leitura de zero horas foi feita imediatamente aps completado o tratamento qumico.
a- Ajuste uma reta de mnimos quadrados que nos permita predizer o resduo de cloro
em termos do nmero de horas aps a piscina ter sido tratada com produtos
qumicos.
97
BIBLIOGRAFIA
BIBLIOGRAFIA BSICA
BIBLIOGRAFIA COMPLEMENTAR
98