Você está na página 1de 56

PONTIFCIA UNIVERSIDADE CATLICA DO RIO GRANDE DO SUL

FACULDADE DE MATEMTICA
DEPARTAMENTO DE ESTATSTICA

PROBABILIDADE E ESTATSTICA (SI)


Prof. Hlio Radke Bittencourt
1. CONCEITOS BSICOS DE ESTATSTICA
1.1 Conjuntos de dados. Populao e Amostra
1.2 Tipos de variveis
1.3 Escalas de mensurao
1.4 Estatstica descritiva e inferencial
2. ESTATSTICA DESCRITIVA
2.1 Tabelas de freqncia simples e cruzadas
2.2 Anlise grfica
2.3 Medidas de Tendncia Central
2.4 Separatrizes
2.5 Medidas de Variabilidade
3. PROBABILIDADE
3.1 Conceitos bsicos e a Distribuio Normal
4. AMOSTRAGEM
4.1 Conceitos bsicos
4.2 Principais tcnicas de amostragem probabilstica
5. DISTRIBUIOES AMOSTRAIS E ESTIMAO
5.1 Parmetros e Estimadores
5.2 Distribuio amostral da mdia
5.3 Estimao por ponto
5.4 Estimao por intervalos de confiana
6. TESTES DE HIPTESES
6.1 Teste t de Student para uma mdia
6.2 Testes t de Student - duas amostras independentes
6.3 Anlise de Varincia (ANOVA)
7. CORRELAO E REGRESSO
7.1 Coeficiente de correlao de Pearson
7.2 Regresso Linear Simples

Probabilidade e Estatstica Prof. Hlio Radke Bittencourt Pg.

Cap. 1. CONCEITOS BSICOS DE ESTATSTICA


1.1 Conjunto de dados. Populao e amostra
A Estatstica pode ser definida como o conjunto de ferramentas para coleta,
organizao, anlise e interpretao de dados experimentais. O objeto de estudo em
Estatstica um conjunto de dados que pode constituir uma populao ou uma
amostra.
Populao um conjunto finito ou infinito de elementos.
Amostra um subconjunto da populao. Geralmente buscamos amostras
representativas. Uma amostra representativa aquela que mantm as
caractersticas da populao.

1.2 Tipos de Variveis


Em estatstica no trabalhamos diretamente com os elementos que formam o conjunto
de dados, mas sim com suas caractersticas. Variveis so caractersticas dos
elementos que formam o conjunto de dados.
As variveis podem ser classificadas em qualitativas ou quantitativas: as variveis
qualitativas expressam uma classificao em categorias e, por isso, tambm so
chamadas de categricas. As variveis quantitativas expressam quantidades numricas
e se dividem em discretas e contnuas. As variveis discretas assumem apenas
determinados valores num dado conjunto enumervel, enquanto as variveis contnuas
podem assumir, ao menos teoricamente, qualquer valor num dado intervalo numrico.
Exemplo Listar variveis qualitativas e quantitativas para um automvel

Na prtica todas as variveis so discretas, devido limitao dos instrumentos de


mensurao.

Probabilidade e Estatstica Prof. Hlio Radke Bittencourt Pg.

1.3 Escalas de Mensurao


As variveis ainda podem ser classificadas de acordo com o nvel ou escala de
mensurao: Nominal, Ordinal ou Intervalar/Razo.
O nvel nominal de mensurao caracterizado por nmeros que apenas
diferenciam ou rotulam as categorias.
Exemplos: Sexo (1-M, 2-F), Estado Civil, Naturalidade, Curso.

O nvel ordinal de mensurao envolve nmeros que, alm de diferenciar,


hierarquizam as categorias. Tambm so chamadas de escalas Likert em homenagem
ao americano Rensis Likert que publicou o artigo "A Technique for the measurement of
attitudes" em 1932, onde sugeriu escalas de 5 pontos com uma categoria neutra ao
centro.
Exemplos: Nvel de satisfao, Nvel de concordncia, Escala de Avaliao, Nveis de
solubilidade.

O nvel intervalar ou de razo apresenta nmeros que expressam diretamente uma


quantidade seguindo uma mtrica. Podemos tranqilamente realizar operaes
matemticas com variveis deste tipo.
Exemplos: Temperatura, tamanho de objetos, pesos, contagens.

Figura Resumo dos tipos de variveis e escalas de mensurao

Probabilidade e Estatstica Prof. Hlio Radke Bittencourt Pg.

1.4 Estatstica Descritiva e Inferencial


A estatstica um conjunto de ferramentas utilizadas para a coleta, tabulao, anlise e
interpretao de um conjunto de dados experimentais. A Estatstica pode ser dividida
em duas grandes reas: Descritiva e Inferencial.
A estatstica descritiva aquela que costumamos encontrar com maior freqncia
em jornais, revistas, relatrios, etc. Essa parte da estatstica utiliza nmeros para
descrever fatos. Seu foco a representao grfica e o resumo e organizao de um
conjunto de dados, com a finalidade de simplificar informaes. Nessa categoria se
enquadram as mdias salariais, taxas de inflao, ndice de desemprego, etc.
A estatstica inferencial consiste na obteno de resultados que possam ser
projetados para toda populao a partir de uma amostra da mesma. Ela fundamenta-se
na teoria da amostragem e no clculo de Probabilidades. Essa a rea mais importante
da Estatstica.

Figura - Esquema geral de um curso de Estatstica

Descritiva
Estatstica

Inferencial

Probabilidade

Amostragem

Probabilidade e Estatstica Prof. Hlio Radke Bittencourt Pg.

Cap. 2 ESTATSTICA DESCRITIVA


2.1 Tabelas de freqncia simples e cruzadas
Vamos introduzir o tema de tabelas de freqncia simples construindo tabelas para o
banco de dados a seguir:
Exemplo 1 Banco de dados coletado em sala de aula sobre INTERNET
Tipo de acesso
1 discada
2 ADSL, telefone
3 ADSL, tv cabo
4 Rdio
5 Outro

Nmero de
contas de email
ativas

Tempo dirio Internet


(frente do computador
conectado)

Qualidade acesso
1- Pssimo; 2- Ruim; 3 Regular;
4 Muito Bom; 5 - timo.

Criar uma tabela de freqncias para cada uma das variveis.


Tabelas de freqncia so encontradas em jornais informativos (Zero Hora, Correio do
Povo, etc.), relatrios tcnicos, monografias, dissertaes, teses e revistas cientficas.
As tabelas de freqncia simples apresentam de forma concisa o nmero de
ocorrncias (absoluta e relativa) dos valores de uma varivel.
Uma tabela de freqncia genrica tem a seguinte configurao:

Tabela 1 Tabela de freqncias genrica


i
xi
fi
fri
1

x1

f1

fr1

x2

f2

fr2

xk

fk

frk

100,0%

Probabilidade e Estatstica Prof. Hlio Radke Bittencourt Pg.

A notao utilizada a seguinte:


X uma varivel qualquer
x um particular valor da varivel X
i um ndice til para enunciar as expresses matemticas
k o nmero de linhas da tabela

Os componentes da tabela de freqncias so:


Freqncia absoluta (fi): nmero de ocorrncias do valor xi.
Freqncia relativa (fri): percentual de ocorrncias do valor xi
Freqncia absoluta acumulada (Fi): nmero de ocorrncias at o valor xi.
Freqncia relativa acumulada (Fri): percentual de ocorrncias at o valor xi

As Tabelas cruzadas apresentam a distribuio de freqncias de duas variveis


simultaneamente. As tabelas cruzadas so abundantes em jornais e revistas
especializadas.
Exemplo 2 Curso Tabela Cruzada 2X2
Preencher a tabela abaixo com os dados da turma. Calcule os percentuais em relao
aos totais das linhas.

Tabela 2 Distribuio da turma por gnero e


Gnero
Masculino

Feminino

Totais

Totais

Probabilidade e Estatstica Prof. Hlio Radke Bittencourt Pg.

2.2 Anlise Grfica

O tipo de grfico adequado para cada varivel depende do tipo de varivel. Segue uma
relao de exemplos de variveis e tipos de grficos adequados.

Varivel Qualitativa Nominal (com poucas categorias)


GRFICO DE SETORES (Pizza ou Torta)
Figura Distribuio da turma por sexo

Masculino
40%
Feminino
60%

Base: 50 alunos de uma turma


Fonte: dados coletados em aula (numa turma, obviamente, no de SI)

Varivel Qualitativa Nominal (com muitas categorias):


GRFICO DE BARRAS
Figura Principais causas de morte - EUA
Cigarro

37,7%

Obesidade

28,3%

lcool

9,4%

Doenas infecciosas

8,5%

Armas de fogo

3,3%

Doenas venreas

2,8%

Acidente de carro

2,4%

Drogas

1,9%

Outras

5,7%
0%

20%

Base: ???
Fonte: TE Estatsticas, ano no declarado

40%

60%

80%

100%

Probabilidade e Estatstica Prof. Hlio Radke Bittencourt Pg.

Varivel Qualitativa Ordinal:


GRFICO DE BARRAS
Figura Avaliao do atendimento da equipe de um call-center
timo

25%

Avaliao

Muito Bom

35%

Bom

20%

Regular

8%

Ruim

5%

Pssimo

2%
0%

10%

20%
%

30%

40%

Base: 100 usurios


Fonte: Dados fictcios.

Varivel Quantitativa Discreta


GRFICO DE COLUNAS
Figura Nmero de pessoas por domiclio
100,0%
80,0%
60,0%
35,0%

40,0%
20,0%

20,0%

25,0%

7,5%

12,5%

0,0%
1
2
3
4
Nmero de pessoas por domiclio

Base: 40 domiclios
Fonte: Dados coletados numa turma de Estatstica

Probabilidade e Estatstica Prof. Hlio Radke Bittencourt Pg.

Varivel Quantitativa Contnua


HISTOGRAMA
Figura Distribuio de uma turma por altura
10

Freqncia

0
150,0

160,0

170,0

180,0

190,0

200,0

Altura (cm)

Base: 20 observaes
Fonte: Alunos de uma turma de Estatstica I. Grfico construdo no software SPSS.

Probabilidade e Estatstica Prof. Hlio Radke Bittencourt Pg. 10

2.3 Medidas de Tendncia Central


So valores que trazem informao sobre a regio em torno da qual os dados esto
posicionados. As medidas de tendncia central mais utilizadas so: Mdia, Mediana e
Moda.

2.3.1 Mdia Aritmtica (


, X)
A mdia aritmtica definida como a soma de todas observaes da varivel X,
dividida pelo nmero de elementos do conjunto de dados. Freqentemente a mdia
aritmtica o valor que melhor representa um conjunto de dados.
Quando os dados no esto organizados na forma de uma tabela de freqncias e,
portanto, esto na forma isolada, as expresses genricas para encontrar a mdia
so:
Populao

Amostra

xi
=

i =1

x
X =

i =1

Quando os dados esto organizados na forma de uma tabela de freqncias deve-se


ponderar os diferentes valores xi pelas respectivas freqncias fi. Procedendo desta
forma o clculo da mdia aritmtica torna-se mais simples e rpido.
Populao
k

x
=

Amostra
k

i fi

i =1

X =

fi

i =1

Exemplo 3 Nmero de contas de email ativas


Encontrar a mdia para o nmero de contas de email por aluno na turma.

Probabilidade e Estatstica Prof. Hlio Radke Bittencourt Pg. 11

2.3.2 Mediana (Md)


A mediana o valor que divide o conjunto de dados ordenado em duas partes com
igual nmero de observaes. Para calcular a mediana iremos utilizar uma nova
notao. Seja x[1] , x[ 2] ,K , x[ n ] um conjunto de dados ordenado (ordem crescente),
onde o valor entre colchetes representa a posio no conjunto ordenado.
Deduzindo a posio mediana:

n
3

n mpar
Fila

Md

n
4

n par
Fila

Md

As expresses genricas para encontrar a mdia so:

n mpar

n par

Quando os dados esto organizados na forma de uma tabela de freqncias pode-se


encontrar a posio mediana na coluna acumulada Fi.

Exemplo 4 Nmero de contas de email ativas


Encontrar a mediana para o nmero de contas de email por aluno na turma.

Probabilidade e Estatstica Prof. Hlio Radke Bittencourt Pg. 12

2.3.3 Moda (Mo)


A moda definida como o valor mais freqente de um conjunto de dados. possvel
que o conjunto seja bimodal (duas modas) ou at mesmo multimodal (trs os mais
modas).
Mo = {xi } com maior f i

Exemplo 5 Nmero de contas de email ativas


Encontrar a moda para o nmero de contas de email por aluno na turma.

Consideraes IMPORTANTES sobre as MTC


1. A mdia a MTC mais influenciada por valores extremos, entretanto a medida
mais rica, porque considera todos valores do conjunto de dados.
2. A mediana no afetada por valores extremos.
3. A moda a MTC mais pobre, porque considera apenas os valores mais freqentes.
4. Existem outros tipos de mdia usadas em ocasies especiais. A mdia harmnica
muito utilizada em concursos pblicos e a geomtrica pode ser usada em situaes de
alta variabilidade, visto que ela mais estvel. Discutiremos isto em aula.
Mdia harmnica
Xh =

n
n

i =1 xi

Mdia geomtrica
X G = n x1 x 2 K x n

Pode-se estabelecer a seguinte relao entre as mdias:


Xh XG X

Probabilidade e Estatstica Prof. Hlio Radke Bittencourt Pg. 13

Exemplo Desempenho no Vestibular


Veja os quatro candidatos a seguir e seus respectivos desempenhos no vestibular.
Comente sobre a ao das mdias.
Tabela Desempenho de quatro alunos no vestibular
Aluno A Aluno B Aluno C Aluno D
Qumica
500
498
410
580
Fsica
500
502
405
580
Matemtica
500
500
415
580
Geografia
500
515
425
580
Histria
500
485
445
580
Portugus
500
500
900
100
Mdia Aritmtica
500,0
500,0
500,0
500,0
Mdia Harmnica
500,0
499,8
460,5
322,2
Mdia Geomtrica
500,0
499,9
476,7
432,7

a) Calcular as mdias Aritmtica e Harmnica e conferi-las no quadro acima.

Probabilidade e Estatstica Prof. Hlio Radke Bittencourt Pg. 14

2.4 Separatrizes
So valores que separam o conjunto de dados ordenado em partes com igual nmero
de observaes.
A Mediana , portanto, uma separatriz porque divide o conjunto de dados em duas
partes iguais.

Min |------------------------|------------------------| Mx
Md

Os Quartis (Qi) dividem o conjunto de dados em 4 partes iguais.


Min |------------------------|------------------------| Mx

Os Percentis (Pi) dividem o conjunto de dados em 4 partes iguais.


Min |------------------------|------------------------| Mx

Exemplo 6 Boletim de Desempenho do Provo do MEC

Exemplo 7 Distribuio de Renda no Rio Grande do Sul


A rgua de percentis a seguir apresenta a distribuio de salrios para a populao
urbana em idade economicamente ativa no ano de 1999.
R$ 238,00

R$ 400,00

R$800,00 R$ 1500,00

|-------------|-------------|-------------|---------|---|
P25
P50
P75
P90

Probabilidade e Estatstica Prof. Hlio Radke Bittencourt Pg. 15

2.5 Medidas de Variabilidade


So medidas que complementam as MTC trazendo informao sobre a disperso
existente no conjunto de dados. Para introduzi-las vamos recorrer a um exemplo onde
temos trs diferentes processadores e o tempo necessrio por eles para realizar uma
tarefa.
Exemplo 8 Entendendo as Medidas de Variabilidade
Tabela Tempos de processamento (ms)
Processador Processador Processador
Beta
Gama
Alfa
120
118
120
120

121

100

120

124

135

120

117

155

120

120

120

120

120

90

Mdia ( X )
Moda (Mo)
Mediana (Md)

Questes
1 O que aconteceu com as MTC na tabela acima?

2 Os trs processadores so iguais em relao a distribuio das PA Sistlica?


3 O que diferencia um paciente do outro?

A partir de agora aprenderemos a calcular medidas capazes de quantificar a


variabilidade existente num conjunto de dados

Probabilidade e Estatstica Prof. Hlio Radke Bittencourt Pg. 16

1.4.1 Amplitude (R, do termo Range)


a diferena entre o maior e o menor valor de um conjunto de dados.
R = mx{xi } mn{xi }

Calcular R nos trs processadores do Exemplo 8.

1.4.2 Varincia (2 , s 2)
A varincia uma medida da variao em torno da mdia. Por definio,
varincia a mdia dos quadrados dos desvios em torno da mdia.
Populao
N

(x
2 =

Amostra
)

(x

i =1

s2 =

X)

i =1

n 1

A varincia, ao contrrio da Amplitude, considera todos elementos do conjunto de


dados no seu clculo. Quanto maior for a variao dos valores do conjunto de dados,
maior ser a varincia.
Quando os dados esto organizados na forma de uma tabela de freqncias, devese ponderar os quadrados dos desvios pela freqncia. Esse procedimento facilita o
clculo.
Populao
k

(x
2 =

Amostra
k

(x

) fi
2

i =1

Calcular s2 nos trs processadores do Exemplo 8.

s2 =

X ) fi
2

i =1

n 1

Probabilidade e Estatstica Prof. Hlio Radke Bittencourt Pg. 17

1.4.3 Desvio-padro (, s)
O desvio-padro a raiz quadrada positiva da varincia. Essa medida corrige o
problema de unidade que surge na varincia. O desvio-padro tambm uma
medida da variao em torno da mdia.

Populao

Amostra

s = s2

O desvio-padro expressa a variao mdia do conjunto de dados em torno da mdia,


para mais ou para menos.

Calcular s nos trs processadores do Exemplo 8.

1.4.4 Coeficiente de Variao (CV)


O CV a razo entre o desvio-padro e a mdia de um conjunto de dados. Ele expressa
a variao relativa (%) presente no conjunto de dados em relao mdia.

Populao

CV = 100%

Amostra
s
CV = 100%
X

Quanto maior o CV, mais heterogneos sero os dados.

Calcular o CV nos trs processadores do Exemplo 8.

Probabilidade e Estatstica Prof. Hlio Radke Bittencourt Pg. 18

Consideraes sobre as Medidas de Variabilidade (MV)


1. A Amplitude a MV mais pobre, porque considera apenas os dois valores
extremos do conjunto de dados.
2. A Varincia no interpretada na prtica devido ao problema da unidade, que est
ao quadrado.
3. O Desvio-padro a MV mais conhecida, sendo amplamente utilizada.
4. Dentre as MV estudadas, sugere-se que o CV seja utilizado para comparao da
variabilidade entre diferentes conjuntos de dados. Por no ter unidade, o CV pode ser
utilizado at mesmo para comparar a variabilidade entre variveis expressas em
diferentes unidades.

Exemplo 9 Nmero de pixels corretamente classificados


Suponha que numa amostra de 30 imagens de satlite de uma mesma regio
submetidas ao mesmo classificador, os nmeros de pixels classificados de forma errada
foram:
10
5
5

5
10
6

6
7
6

5
8
7

6
8
6

9
9
6

5
9
7

a) Construir uma tabela de freqncias para a varivel X.


b) Encontrar e interpretar as MTC.
c) Calcular as Medidas de Variabilidade.

7
6
6

5
6
8

10
10
7

Probabilidade e Estatstica Prof. Hlio Radke Bittencourt Pg. 19

Cap. 3 Probabilidade
3.1 Principais conceitos
Probabilidade o ramo da matemtica que trata de fenmenos aleatrios. A
observao de um fenmeno aleatrio por parte do homem chamada de
experimento aleatrio.
Caractersticas de um experimento aleatrio:
1) No se conhece um particular valor do experimento antes dele ser executado,
porm podemos descrever todos os possveis resultados - as possibilidades;
2) Quando o experimento repetido algumas vezes, os resultados ocorrem de uma
forma aparentemente acidental. Mas quando o nmero de repeties aumenta, uma
regularidade aparecer. E esta regularidade que torna possvel construir um modelo
matemtico til para anlise do experimento.
Exemplos de fenmenos aleatrios:
1)
2)
3)
4)
5)

Condies meteorolgicas
Produo de arroz anual numa cidade
Resultado de uma cirurgia
Lanamento de uma moeda
Resultados de loterias

Exemplos de experimentos aleatrios:


E1: Jogue um dado e observe o n. na face de cima.
E2: Jogue uma moeda 3 vezes e observe o nmero de caras obtido.
E3: Jogue uma moeda 3 vezes e observe a seqncia de caras e coroas obtida.
E4: Uma mulher est grvida de gmeos. O sexo dos bebs ser verificado.
E5: Numa propriedade com 100 rvores da espcie araucria angustiflia o nmero de
rvores que apresentam um determinado parasita verificado.
E6: A temperatura de um paciente verificada pela enfermeira.
Nos seis exemplos anteriores no somos capazes de precisar o resultado, entretanto
conseguimos listar os possveis resultados.

Espao amostral de um experimento aleatrio o conjunto de todos os resultados


possveis do experimento. denotado por S ou .

Probabilidade e Estatstica Prof. Hlio Radke Bittencourt Pg. 20

Exemplos de espaos amostrais relacionados aos experimentos anteriores.

S1 =
S2 =
S3 =
S4 =
S5 =
S6 =
Um evento um subconjunto de S. Em particular, S e (conjunto vazio) so eventos;
S dito o evento certo e o evento impossvel.

Exemplo de eventos no lanamento de um dado

S = {1,2,3,4,5,6}
A: ocorre um n. par
B: ocorre a face 6
C: ocorre um n. maior que 6
D: ocorre n 6 ou n par
E: ocorre n par ou n mpar

A = {2,4,6}
B = {6}
C=
D = {2,4,6}
E = {1,2,3,4,5,6} = S

possvel realizar operaes com eventos que nada so do que operaes com
conjuntos j estudadas no Ensino Fundamental.

Operaes com eventos


Sejam A e B dois eventos associados a um espao amostral S.
1) Unio: AB A ocorre ou B ocorre ou ambos ocorrem
2) Interseo: AB A ocorre e B ocorre
3) Complementar: Ac ou A no ocorre A

Probabilidade e Estatstica Prof. Hlio Radke Bittencourt Pg. 21

Duas definies importantes:


1) Dois eventos A e B so excludentes ou mutuamente exclusivos se a ocorrncia
de um impedir a ocorrncia de outro. Em outras palavras, no podem ocorrer
simultaneamente.
2) Eventos ou resultados equiprovveis tm a mesma probabilidade de ocorrncia.

Exemplo Lanamento de um dado e uma moeda, ambos honestos


Escreva o espao amostral. Os resultados so todos equiprovveis? Qual a
probabilidade de um particular par (x,y) ser selecionado. Assinale os seguintes eventos:

3.1.1 Conceitos de probabilidade


Conceito Axiomtico
Seja A um evento de S. A probabilidade de ocorrncia de A, denotada por P(A), dever
satisfazer os seguintes axiomas (propriedades fundamentais):
Axioma 1: 0 P(A) 1
Axioma 2: P(S) = 1
Conceito clssico
Esse conceito s vlido se todos resultados de S forem equiprovveis. Para casos
assim a probabilidade de ocorrncia do evento A obtida por:

P( A) =

n( A)
Total ( S )

n(A) o nmero de resultados favorveis ao evento A


Total (s) o nmero total de resultados em S

Exemplos Conceito clssico


1) Mega-sena, Lanamento de moedas e dados honestos.

Probabilidade e Estatstica Prof. Hlio Radke Bittencourt Pg. 22

Conceito freqentista
Esse conceito s vlido se todos resultados de S forem equiprovveis. Para casos
assim a probabilidade de ocorrncia do evento A obtida por:
1) O experimento repetido n vezes.
2) Observa-se a freqncia relativa de ocorrncia de um certo resultado A:

n( A)
, onde n(A) o n de vezes em que ocorre o resultado A em n realizaes
n
do experimento.
fr(A) =

3) Probabilidade como limite. A medida que n aumenta, a fr(A) converge para a real
probabilidade P(A).

Exemplos Conceito freqentista


1) Verificando se um dado honesto.
2) Encontrando a probabilidade de ocorrncia de um acidente areo.
3) Qual a probabilidade de uma criana nascer com Sndrome de Down ?

3.1.2 Probabilidade Condicional


A probabilidade de ocorrncia de um evento pode ser influenciada pela ocorrncia de
um evento paralelo. Considere que A e B so eventos de um mesmo espao amostral S.
Chamaremos de P(A|B) a probabilidade de ocorrncia do evento A dado que o evento
B j ocorreu.
Graficamente:

Olhando para o desenho podemos estabelecer as seguintes relaes:

P(A|B) =

P(B|A) =

Probabilidade e Estatstica Prof. Hlio Radke Bittencourt Pg. 23

Exemplo Escolhendo algum na sala de aula


Suponha que um aluno da turma ser sorteado. Aps saber o resultado o professor faz
algumas perguntas utilizando probabilidade condicional.

Exemplo Tcnica empregada e Resultado


Resultado
Tcnica

Sucesso

Fracasso

Total

30

50

80

60

40

100

50

50

100

Total

140

140

280

Resolver as seguintes probabilidades:

3.1.3 Independncia
Dois eventos A e B so considerados independentes se a ocorrncia de um no
interfere na probabilidade de ocorrncia do outro:
P(A|B) = P(A)

P(B|A) = P(B)

Isolando a interseco na expresso de probabilidade condicional obtemos:


P(AB) = P(A) x P(B)
Esse conceito fundamental para aplicaes em Estatstica.

Exemplo A probabilidade de perder dados armazenados em um pen-drive de 5%.


Se voc tem 3 pen-drives

Probabilidade e Estatstica Prof. Hlio Radke Bittencourt Pg. 24

Exemplo Tendo certeza de uma gravidez


Uma jovem suspeita que est grvida e decide comprar trs diferentes testes de
gravidez em farmcias. As marcas escolhidas foram A, B e C. As probabilidades dos
exames indicarem falso-positivo so de 3%, 5% e 6%, respectivamente, enquanto as
probabilidades de falso-negativo so de 1%, 2% e 4%, respectivamente.
a) Se a jovem realmente est grvida, qual a probabilidade dos trs exames
confirmarem a gravidez?
b) Se a jovem no estiver grvida, qual a probabilidade dela levar um susto com
pelo menos um dos exame resultando positivo.

Exemplo No perder a hora


O seu despertador do tipo rdio-relgio costuma deix-lo na mo 10% das vezes por
diversos motivos, entre eles a falta de luz. Para garantir, voc tambm programa o
telefone celular para despert-lo. Sabendo que o celular pode no funcionar
corretamente em 15% das vezes.
a) Escreva o espao amostral com todas possibilidades;
b) Calcule a probabilidade de cada uma delas.

Variveis aleatrias discretas Distribuio Binomial


O exerccio acima pode ser resolvido pela Distribuio Binomial. Sempre que um
experimento que assume apenas dois possveis resultados em cada repetio for
repetido n vezes e que a probabilidade de sucesso constante em cada repetio
podemos modelar o nmero de sucessos pela distribuio Binomial.
X = nmero de sucessos, variando de 1 at n
p = probabilidade de sucesso em cada repetio
1-p = probabilidade de fracasso em cada repetio
n = nmero de repeties

Expresso genrica da Binomial

P ( X = x) =

n!
p x (1 p ) n x
x!(n x )!

Exemplo - Imagine uma prova de mltipla resposta com 3 questes e 5


alternativas cada.

Probabilidade e Estatstica Prof. Hlio Radke Bittencourt Pg. 25

O nmero esperado ou esperana de sucessos na distribuio Binomial facilmente


encontrado. Intuitivamente, responda as perguntas a seguir:
1) Se lanarmos uma moeda honesta 100 vezes, qual o nmero esperado de caras?
2) Se lanarmos um dado 600 vezes, qual o nmero esperado de faces 5.
3) No exemplo da prole de 6 filhos, qual o nmero esperado de meninos?

E( X ) = n p

3.3 Variveis aleatrias contnuas


3.3.1 Conceitos
As variveis contnuas podem, ao menos teoricamente, assumir qualquer valor num
intervalo numrico. Sendo assim fica impossvel representarmos variveis contnuas da
mesma forma que as variveis discretas.
Importante
As variveis contnuas so representadas por curvas, chamadas de funo
densidade de probabilidade, e a rea sob essa funo representa a probabilidade de
ocorrncia. Nas variveis contnuas no existe a probabilidade de ocorrncia de um
valor exato, mas sim de intervalos.

A funo densidade de probabilidade, denotada por fx(x), a funo que indica o


comportamento probabilstico da varivel aleatria contnua X. A funo densidade de
probabilidade dever satisfazer as seguintes condies:
a) f(x) 0, para todo x R.
b) rea total sob a curva deve ser igual a 1.

A rea sob a curva fx(x) nos informa a probabilidade de ocorrncia de valores da


varivel X.

Probabilidade e Estatstica Prof. Hlio Radke Bittencourt Pg. 26

Supondo que o grfico acima represente a funo de probabilidade de uma varivel


aleatria X. Como sabermos a probabilidade de ocorrncia de valores entre a e b ?

Exemplo Gerador de nmeros pseudo-aleatrios do Excel


(Distribuio Uniforme)
Praticamente todas linguagens de programao contam com um gerador de nmeros
pseudo aleatrios baseados na distribuio Uniforme no Intervalo 0 at 1.
a) Esboce graficamente a funo densidade de probabilidade para X = nmero pseudoaleatrio.

b) Calcular a probabilidade de um nmero aleatrio ser superior a 0,6.

Probabilidade e Estatstica Prof. Hlio Radke Bittencourt Pg. 27

A Distribuio Normal ou Curva de Gauss


A distribuio Normal ou Gaussiana , sem dvida, o modelo probabilstico mais
conhecido. Vrias tcnicas estatsticas necessitam da suposio de que os dados se
distribuam normalmente para serem utilizadas. Na natureza uma grande quantidade de
variveis apresentam tal distribuio.
Uma v.a.c. X tem distribuio normal com parmetros e se sua funo densidade
de probabilidade dada por:

f (x ) =

( x )2
2 2

, x ,

2
onde e so parmetros,
- < < + ; > 0

Notao
X N(,)
X tem distribuio Normal com mdia e desvio-padro .

Os parmetros da Normal so a mdia e o desvio-padro, que permitem infinitas curvas


normais com diferentes formatos (mas sempre simtricas). O grfico da fX
apresentado a seguir:

Probabilidade e Estatstica Prof. Hlio Radke Bittencourt Pg. 28

A distribuio Normal, independentemente dos valores dos parmetros,


sempre a seguinte relao:

apresenta

Entendendo os parmetros da Normal:


A mdia informa o centro da distribuio. um parmetro de locao.

-10

-5

0
5
Valores de X

10

f(x)

f(x)

f(x)

O desvio-padro informa o formato da curva.

-10

0
Valores de X

10

-10

-5

0
5
Valores de X

10

Os clculos integrais envolvendo a distribuio Normal so bastante complicados.


Felizmente, veremos a seguir uma relao que facilita muito nossa vida.

Probabilidade e Estatstica Prof. Hlio Radke Bittencourt Pg. 29

Exemplo Aplicao prtica


A altura de mulheres adultas no RS segue uma distribuio Normal com mdia de
165cm e desvio-padro de 6cm.
a) Qual a probabilidade de uma mulher ter entre 159 e 171cm?

b) Qual a probabilidade de uma mulher ter entre 153 e 177cm?

c) Qual a probabilidade de uma mulher ter mais de 177cm?

d) Qual a probabilidade de uma mulher ter menos de 180cm?

Distribuio Normal-padro ou Normal reduzida


Seja X uma varivel aleatria normalmente distribuda com quaisquer parmetros mdia
e desvio-padro . Se realizarmos a seguinte transformao obteremos uma nova
varivel Z com mdia 0 e desvio-padro 1:
X N(,)

Z=

Z (0,1)

Qualquer varivel com distribuio Normal pode ser padronizada para a


Normal. A distribuio Normal padronizada (Z) tabelada.

O valor de Z indica quantos desvios acima ou abaixo ns estamos em relao mdia.

Exemplo Aprendendo a usar a tabela


1) Calcule:
a) P(Z < 1,24) =
b) P(Z < 1,67) =
c) P (Z > 2,12) =
d) P( -1,96 < Z < 1,96) =

Probabilidade e Estatstica Prof. Hlio Radke Bittencourt Pg. 30

Cap. 4. - Amostragem
4.1 Conceitos Bsicos
Amostragem o nome dado ao conjunto de procedimentos e tcnicas para extrao
de elementos da populao para compor a amostra. O objetivo da amostragem obter
amostras representativas das populaes em estudo. Um Censo seria a investigao da
populao completa.
Por que trabalhar por amostragem?
________________________________________
________________________________________
________________________________________
________________________________________
A frao de amostragem a razo entre o tamanho amostral e o tamanho
populacional. No existem regras fixas para tamanho de amostra, ou seja cada caso
merece um cuidado especial. Frases como 20% da populao ideal, quase sempre
no so verdadeiras.
As tcnicas de amostragem se dividem em: probabilsticas e no-probabilsticas.
As tcnicas probabilsticas so aquelas onde todos elementos da populao tm uma
probabilidade no nula de seleo. Nas tcnicas no-probabilsticas no podemos
garantir que todos elementos tm probabilidade de serem selecionados para a amostra.

4.2 Principais tcnicas de amostragem probabilstica


Geralmente as tcnicas probabilsticas produzem melhores resultados do que as no
probabilsticas. A seleo dos elementos envolve obrigatoriamente a utilizao de algum
dispositivo aleatrio para seleo das unidades amostrais.
Exemplo de dispositivos aleatrios:

Probabilidade e Estatstica Prof. Hlio Radke Bittencourt Pg. 31

4.2.1 Amostragem Aleatria Simples (AAS)


Apesar de ser uma forma extremamente simples de seleo de elementos da
populao, considerada uma das melhores tcnicas de amostragem.
Na AAS cada elemento da populao tem igual probabilidade de seleo e o
pesquisador no introduz nenhum vcio no processo.
Etapas:
1) Enumerar a populao de 1 at N.
2) Sortear n nmeros no intervalo de 1 at N. Caso haja nmeros repetidos, sortear
novamente mais alguns valores.

Probabilidade de seleo de um elemento na AAS:

Nmero de amostras possveis SEM reposio:

Nmero de amostras possveis COM reposio:

Exemplo 23 Amostra n=2 da populao N=5


Verificar quantas amostras so possveis COM e SEM reposio da populao de
tamanho 5 verificando tambm as probabilidades de seleo de cada unidade.
A

Probabilidade e Estatstica Prof. Hlio Radke Bittencourt Pg. 32

4.2.2 Amostragem Estratificada


Na Amostragem estratificada a populao dividida em subpopulaes ou estratos de
forma que N1 + N2 + ... + NK = N.
Um tamanho amostral n repartido proporcionalmente entre os estratos, respeitando
as fraes Ni / N. Depois de estabelecidos o valor de ni, procede-se uma seleo
aleatria dentro de cada estrato.
Exemplo 24 Amostra estratificada na regio sul
Dividir proporcionalmente uma amostra de 1300 pessoas em trs estratos,
correspondentes aos trs estados da regio sul.
i
1
2
3

Estado
Rio Grande do Sul
Santa Catarina
Paran
Total

Pop.
9.637.682
4.875.244
9.003.804
23.516.730

Amostra

4.2.3 Amostragem Sistemtica


A amostragem sistemtica inicia com o clculo do intervalo de amostragem f=N/n.
Depois, selecionamos um nmero entre 1 e f e vamos indo sistematicamente de f em f
elementos, at o final.
A amostragem sistemtica til quando temos cadastros impressos que esto
ordenados segundo algum critrio que nada tem a ver com os interesses da pesquisa.

Exemplo 25 Escolhendo 8 alunos de um total de 40


Planta da sala de aula
1

11

21

31

12

22

32

13

23

33

14

24

34

15

25

35

16

26

36

17

27

37

18

28

38

19

29

39

10

20

30

40

Probabilidade e Estatstica Prof. Hlio Radke Bittencourt Pg. 33

Cap. 5. - Distribuies Amostrais e Estimao


5.1 Parmetros e Estimadores
O que inferncia estatstica ?
Inferir consiste na retirada de informaes para TODA populao baseando-se numa
amostra da mesma. Chamamos de parmetros as quantidades populacionais e de
estimadores as funes de dados amostrais que iro gerar as estimativas para os
parmetros populacionais.
Tabela - Exemplos de parmetros e seus respectivos estimadores
Parmetros

Estimadores

Mdia populacional

Desvio-padro populacional

Proporo populacional
p

Mdia amostral
X
Desvio-padro amostral
s
Proporo amostral
p

H dois tipos de estimao de parmetros: a estimao por ponto e por intervalo.


Tambm existe uma outra forma de inferncia estatstica muito utilizada em situaes
prticas: os testes de hipteses.

5.2 Distribuio Amostral da Mdia


A base da estatstica inferencial o TEOREMA DO LIMITE CENTRAL.
O teorema diz que se extrairmos TODAS as possveis amostras de tamanho n de uma
populao de tamanho N a distribuio das mdias amostrais X tende a se distribuir
como uma curva Normal com mdia igual ao parmetro e desvio-padro n .
Exemplo Populao de tamanho N = 5
Considere a seguinte populao de cinco elementos e X = Idade (anos)
20
A

30
B

40
C

50
D

60
E

70
F

a) Quais so os parmetros populacionais?


b) Quantas amostras diferentes de tamanho n=2 podemos extrair da populao?

Probabilidade e Estatstica Prof. Hlio Radke Bittencourt Pg. 34

Exemplo Selecionando uma amostra na sala de aula


Suponha que seja necessrio selecionar uma amostra de n=5 alunos da turma para
representar a nossa turma numa reunio na reitoria. Qual o nmero de amostras
possveis de serem selecionadas?

Exemplo Populao com mdia 0,5


Considere uma populao infinitamente grande com mdia = 0,5 . Vamos avaliar as
distribuies amostrais da mdia amostral X com n = 30 e 300.
3,5

2,0

3,0

1,5

2,5
2,0

1,0

1,5

0,5

1,0

0,5

0,2

0,4

0,6

0,8

0,2

0,4

0,6

0,8

Mdias amostrais

Mdias amostrais

n = 30

n = 300

Percebemos claramente que com o aumento do tamanho amostral a distribuio de X


fica cada vez mais concentrada em torno do parmetro . Isso quer dizer que, quanto
maior amostra maior a possibilidade de acerto.

RESULTADO

tem distribuio Normal com

Mdia =

Desvio-padro =

Probabilidade e Estatstica Prof. Hlio Radke Bittencourt Pg. 35

5.3 Estimao por ponto


Visa estimar o valor do parmetro atravs de estimativas pontuais (nicas). A vantagem
ser de fcil interpretao e rpida, mas a probabilidade de acerto na mosca
praticamente nula, pois os estimadores podem ser encarados como variveis aleatrias
contnuas.

Exemplo World Trade Center


Um ms aps o ataque ao WTC de NY perguntamos a 1000 americanos, escolhidos de
maneira aleatria, se esto com medo de viajar em vos domsticos em territrio
americano.
Se 852 pessoas da amostra afirmam estar com medo, podemos estimar que 85,2% dos
americanos esto com medo de viajar de avio aps os ataques terroristas de
11/Set/2001.

5.4 Estimao por intervalo de confiana


Consiste em cercar o valor da estimativa pontual por uma regio cuja probabilidade de
conter o verdadeiro parmetro seja conhecida.

NOTAES que sero utilizadas a partir de agora


(alfa) = nvel de significncia

n 1;
2

1 - = nvel de confiana

= valor da distribuio t de Student com n-1 graus de liberdade e rea

direita.
z = valor da distribuio normal padro com rea
2

direita.
2

1o ) Intervalo de Confiana para (terico)


Conhecendo o teorema do limite central podemos construir intervalos de confiana para
a mdia populacional. Para isso basta cercarmos a estimativa pontual X por um
intervalo cuja probabilidade de conter o parmetro seja conhecida.

N n
I.C. para com 1- de confiana = X z

N 1
n

Probabilidade e Estatstica Prof. Hlio Radke Bittencourt Pg. 36

Na frmula de IC acima percebemos a presena de um parmetro (). Se estamos


procurando um intervalo de confiana para porque NO conhecemos .
praticamente impossvel conhecermos e no conhecermos . Por isso esse resultado
acaba sendo INTIL na prtica.
2o ) Intervalo de Confiana para (prtico)
Ao substituirmos o parmetro por seu estimador s , a distribuio amostral de X
deixa de ter uma distribuio Normal e passa a ter uma distribuio t de Student. Desta
forma os Intervalos de confiana podem ser utilizados em situaes prticas.

s
N n
I.C. para com 1- de confiana = X t

n 1,
N 1
n

N n
omitido em caso de populaes infinitas. O EXCEL
N 1
simplesmente ignora esse fator de correo.

Obs: O fator de correo

Exemplo:
Numa amostra de 121 ligaes, o tempo mdio foi de
Construir um IC 95% para o verdadeiro tempo mdio de uma ligao.

s
I.C. 95% para = X t

n 1,
n
2

Probabilidade e Estatstica Prof. Hlio Radke Bittencourt Pg. 37

O EXCEL constri Intervalos de Confiana sem o fator de correo com o comando


Estatsticas Descritivas que fica dentro da opo Anlise de Dados no Menu
Ferramentas. Para incluir essa opo deve-se ir at Ferramentas Suplementos e
assinalar a opo Ferramentas de Anlise.
ATENO: necessrio ter o banco de dados digitado em EXCEL para fazer
isso.
Figura Tela do Excel: Ferramentas > Anlise de dados > Estatstica Descritiva

Tabela - Sada do EXCEL:


Tempo
Mdia
Erro padro
Mediana
Modo
Desvio padro
Varincia da amostra
Curtose
Assimetria
Intervalo
Mnimo
Mximo
Soma
Contagem
Nvel de confiana(95,0%)

13,041
0,264
13
13
2,908
8,457
-1,209
0,041
10
8
18
1578
121
0,523

Probabilidade e Estatstica Prof. Hlio Radke Bittencourt Pg. 38

3o) Intervalo de Confiana para uma proporo populacional p


A estimativa pontual para uma proporo dada diretamente pela proporo amostral.
muito til construirmos um intervalo em torno da estimativa pontual que possua uma
probabilidade conhecida de conter a verdadeira proporo populacional.

)
I.C. para p com 1- de confiana = p z

onde

p (1 p )
N n

n
N 1

z 0,05 =1,645 (90%)


z 0,025 = 1,96 (95%)
z 0,005 = 2,576 (99%)

Obs: O fator de correo

N n
omitido em caso de populaes infinitas.
N 1

O EXCEL NO faz intervalos de confiana para propores.

Exemplo Proporo de canhotos da PUCRS


Numa amostra de n=_______ alunos de uma populao de N=30.000 de toda PUCRS,
verificamos que _______ so canhotos.
a) Qual a estimativa pontual de canhotos?

b) Construa intervalos de confiana 95% e 99% para a proporo de canhotos. Agora


use o fator de correo.

Probabilidade e Estatstica Prof. Hlio Radke Bittencourt Pg. 39

Cap. 6 Testes de Hipteses


Os testes de hiptese constituem outra forma de inferncia estatstica. Hipteses so
afirmaes sobre parmetros populacionais. Agora iremos testar se essas
hipteses podem ser consideradas verdadeiras ou no.
Os testes de hiptese so
muito objetivos, pois o resultado final a ACEITAO ou REJEIO da hiptese
formulada.
Etapas de um teste de hipteses:
1.Formular as hipteses
2.Definir qual o nvel de significncia ser utilizado (alfa)
3.Verificar qual o teste adequado e calcular a estatstica de teste
4.Decidir pela aceitao ou rejeio da hiptese de nulidade com base no p-value.
5.Concluso experimental
A hiptese nula (Ho) a hiptese sob a qual a teste realizado. Essa hiptese ser
ACEITA ou REJEITADA. Se os dados amostrais estiverem de acordo com a hiptese
nula formulada, a estatstica de teste nos levar a uma aceitao. Por outro lado, se os
dados amostrais no estiverem em sintonia com a hiptese formulada, o teste nos
levar a uma rejeio da hiptese nula.
A hiptese alternativa (H1 ou Ha) uma hiptese complementar a Ho. Por isso se
rejeitamos Ho, conseqentemente aceitamos H1.
O nvel de significncia do teste () definido pelo pesquisador. Ele significa a
probabilidade de cometermos erro tipo I, ou seja, rejeitarmos Ho sendo a mesma
verdadeira.
A deciso estatstica a REJEIO ou ACEITAO de Ho. Essa deciso est sujeita
aos seguintes erros:
Tabela Tipos de Erros
Realidade
Deciso
Aceito Ho
Rejeito Ho

Ho Verdadeira
OK
Erro tipo I

Ho Falsa
Erro tipo II

OK

O erro do tipo I ou nvel de significncia () controlado pelo pesquisador. O erro do


tipo II () geralmente esquecido. Por esse motivo vamos sempre preferir uma
REJEIO do que uma ACEITAO. No caso de uma REJEIO ou tomamos a deciso
correta ou cometemos o erro com probabilidade . Os valores de mais utilizados so
5%, 1% e eventualmente 10%.

Probabilidade e Estatstica Prof. Hlio Radke Bittencourt Pg. 40

A concluso experimental consiste em explicar com palavras simples o resultado de


um teste de hipteses.
Os testes que iremos estudar so os mais famosos e encontrados em praticamente
todos os livros de Estatstica.

Teste
Teste
Teste
Teste

t de Student para uma mdia


t de Student para comparao de duas mdias (amostras independentes)
t de Student para comparao de duas mdias (amostras emparelhadas)
Qui-Quadrado (para variveis organizadas na forma de uma tabela cruzada)

6.1 - Teste t de Student para uma mdia


uma tcnica que permite testarmos a hiptese de que a mdia populacional pode ser
considerada igual a um valor de referncia, digamos o.
Apresentao das hipteses:

Ho : = o

Ha : o

Ho : = o

Ha : > o

Ho : = o

Ha : < o

Iremos estudar apenas os testes bilaterais, ou seja, onde as hipteses no so


direcionadas para um nico sentido. As regies de rejeio ficam nos dois lados da
curva.

A estatstica de teste dada por:

t=

x - o
s/ n

Apesar de ser um procedimento simples, o EXCEL no realiza esse tipo de teste. J, o


programa estatstico SPSS, por exemplo, faz.
As regies de rejeio e aceitao do teste t so estabelecidas pelos valores de t,
conforme mostra o desenho a seguir de uma curva t com n-1 graus de liberade.

Probabilidade e Estatstica Prof. Hlio Radke Bittencourt Pg. 41

Os valores de t so encontrados na tabela t entregue em sala de aula. Comparando o


valor da estatstica de teste t calculado com os valores de t obtidos na tabela chegamos
a deciso estatstica e podemos enunciar a concluso experimental.
Apesar do EXCEL no fazer isso podemos utiliza-lo para calcular a mdia amostral e o
desvio-padro.

Exerccio:
O INMETRO est investigando se a quantidade de Paracetamol num dado comprimido
est de acordo com o valor nominal estampado no rtulo do medicamento (750mg).
Numa amostra de 20 comprimidos a mdia encontrada foi de 738mg com um desviopadro de 11,85mg.
Teste a hiptese de que a quantidade mdia de paracetamol igual ao valor nominal
informado pelo fabricante.

Probabilidade e Estatstica Prof. Hlio Radke Bittencourt Pg. 42

Plus! Sobre o p-value


O p-value, valor de p ou significncia da estatstica o valor informado na sada
dos softwares estatsticos. Esse nmero , portanto, uma probabilidade que deve ser
comparada ao nvel de significncia adotado.
Se p-value > nvel de significncia adotado, ento ACEITAMOS Ho.
Se p-value < nvel de significncia adotado, ento REJEITAMOS Ho.

Exemplo Sada do SPSS para o exerccio do Paracetamol


One-Sample Statistics
N
Paracetamol (mg)

20

Mean
738,0000

Std.
Deviation
11,8544

Std. Error
Mean
2,6507

One-Sample Test
Test Value = 750

t
-4,527

Paracetamol (mg)

df
19

Sig.
(2-tailed)
,000

Mean
Difference
-12,0000

95% Confidence
Interval of the
Difference
Lower
Upper
-17,5480
-6,4520

Exemplo Regulando a mquina e re-inspecionando


Suponha que o fabricante tenha regulado a mquina e que a mdia agora seja de
749mg com o mesmo desvio.
One-Sample Statistics
N
PARECT

20

Mean
749,0000

Std.
Deviation
11,8544

Std. Error
Mean
2,6507

One-Sample Test
Test Value = 750

PARECT

t
-,377

df
19

Sig.
(2-tailed)
,710

Mean
Difference
-1,0000

95% Confidence
Interval of the
Difference
Lower
Upper
-6,5480
4,5480

Probabilidade e Estatstica Prof. Hlio Radke Bittencourt Pg. 43

6.2 Teste t de Student - duas amostras independentes


uma tcnica estatstica que permite testarmos a hiptese de que duas mdias
populacionais so idnticas. extremamente utilizada para comparao de dois grupos
independentes.
Apresentao das hipteses (caso bilateral):

Ho : 1 = 2

Ha : 1 2
A estatstica de teste tem uma forma um tanto amigvel:

t=

(x1 - x2 )
s12 (n1 - 1) + s22 (n2 1) 1
1
+
(n1 + n2 2 )
n1 n 2

que deve ser comparado com uma distribuio t de Student com (n1+n2-2) graus de
liberdade
As regies de rejeio e aceitao seguem a mesma lgica do teste anterior.

No EXCEL: Ferramentas Anlise de Dados Teste t: duas amostras presumindo


varincias equivalentes
ATENO: Esse teste s pode ser utilizado se a varincia (ou desvios-padro) das
duas populaes em questo no forem muito diferentes.
Exerccio:
Solos brasileiros so deficientes em fsforo. Numa comparao entre amostras de solo
da serra gacha e do Valle Central do Chile, os resultados encontrados (mg/kg) foram:

G1-Serra Gacha
G2-Valle Central

0,6
1,2

1
1,4

0,7
1,5

Resultados (xi)
1,2 1,1 1,4
1,6 1,2 1,7

1,1
1,5

1
1,2

0,9
1,3

Mdia Desvio
1,00
0,24
1,40
0,19

a) Realizar um teste t de Student para comparao entre RS e Chile ao nvel de 5%.

Probabilidade e Estatstica Prof. Hlio Radke Bittencourt Pg. 44

Exemplo Tela e sada do EXCEL para o exemplo da Ansiedade

Teste-t: duas amostras presumindo varincias equivalentes


Varivel 1 Varivel 2
Mdia
1,00
1,40
Varincia
0,06
0,04
Observaes
9,00
9,00
Varincia agrupada
0,05
Hiptese da diferena de mdia
gl
16,00
Stat t
-3,89
P(T<=t) uni-caudal
0,001
t crtico uni-caudal
1,75
P(T<=t) bi-caudal
0,001
t crtico bi-caudal
2,12

Probabilidade e Estatstica Prof. Hlio Radke Bittencourt Pg. 45

6.3 Anlise de Varincia (ANOVA)


A Anlise de Varincia (ANOVA, Analysis of Variance) pode ser encarada como uma
extenso do teste t de Student para comparao de trs ou mais mdias a partir de
amostras independentes.
As hipteses da ANOVA so:
Ho : 1 = 2 = ... = p

Ha : i j para algum i j

Exemplo Eficincia de 3 antivirus


A

Mdia
Desvio

B
90
95
86
88
90
91
90
3,03

C
85
82
83
87
89
90
86
3,22

89
93
92
90
93
95
92
2,19

a) Realizando uma Anlise de Varincia

Probabilidade e Estatstica Prof. Hlio Radke Bittencourt Pg. 46

Tela do EXCEL ANOVA

Resultado da ANOVA no EXCEL


Anova: fator nico
RESUMO
Grupo
A
B
C

ANOVA
Fonte da variao
Entre grupos
Dentro dos grupos
Total

Contagem
6
6
6

SQ
112
122
234

Soma
540
516
552

gl

Mdia Varincia
90
9,2
86
10,4
92
4,8

MQ
F
valor-P F crtico
2
56 6,885246 0,007561 3,682317
15 8,133333
17

Ateno: A ANOVA no pode ser utilizada para comparar mdias de


grupos onde a varincia muito diferente.
Existem testes de complementao para sabermos quais grupos
diferem entre si. Os mais famosos so Tukey, Duncan e Scheff.

Probabilidade e Estatstica Prof. Hlio Radke Bittencourt Pg. 47

Cap. 7. CORRELAO E REGRESSO


7.1 O COEFICIENTE DE CORRELAO DE PEARSON
O coeficiente de correlao de Peason ( R ) uma medida que varia no intervalo de 1
at +1 que visa quantificar o grau de relacionamento linear entre variveis
quantitativas.
Valores prximos de +1 indicam forte correlao direta entre as variveis enquanto que
valores prximos de 1 indicam forte correlao inversa. Valores em torno de zero
indicam ausncia de correlao. No vamos nos deter no clculo do coeficiente de
correlao de Pearson, mas sim no seu funcionamento.
Vejamos na forma de grficos de disperso os possveis tipos de correlao entre as
variveis:

Vamos verificar a correlao existente entre as variveis no arquivo exemplo a seguir:


Medida
Medida
padro-ouro alternativa
(X)
(Y)
Indivduo
1
10
11
2
20
22
3
30
26
4
40
38
5
50
48
Mdia
30
29
Desvio
15,81
14,35
No EXCEL podemos utilizar o comando CORREL.

Probabilidade e Estatstica Prof. Hlio Radke Bittencourt Pg. 48

Exemplo Correlao usando o EXCEL

Exemplo Outra forma de fazer correlao usando o EXCEL


Anlise de dados > Correlao

Probabilidade e Estatstica Prof. Hlio Radke Bittencourt Pg. 49

7.2 Regresso Linear Simples


A tcnica de Regresso Linear Simples estabelece uma relao de dependncia entre
uma varivel dependente Y e uma nica varivel independente X, supondo que o
relacionamento seja da forma linear:
Y = bo + b1X (clssica equao da reta)
Os termos bo e b1 so os parmetros do modelo. Eles so estimados de forma a
maximizar a habilidade preditiva do modelo, conforme ser mostrado no exemplo a
seguir.
Exemplo Peso X Altura de indivduos adultos

Probabilidade e Estatstica Prof. Hlio Radke Bittencourt Pg. 50

TABELA Z
Tabela: Probabilidades acumuladas associadas aos valores crticos (z) da distribuio normal
reduzida
z
0,0
0,1
0,2
0,3
0,4

0,00
0,5000
0,5398
0,5793
0,6179
0,6554

0,01
0,5040
0,5438
0,5832
0,6217
0,6591

0,02
0,5080
0,5478
0,5871
0,6255
0,6628

0,03
0,5120
0,5517
0,5910
0,6293
0,6664

0,04
0,5160
0,5557
0,5948
0,6331
0,6700

0,05
0,5199
0,5596
0,5987
0,6368
0,6736

0,06
0,5239
0,5636
0,6026
0,6406
0,6772

0,07
0,5279
0,5675
0,6064
0,6443
0,6808

0,08
0,5319
0,5714
0,6103
0,6480
0,6844

0,09
0,5359
0,5753
0,6141
0,6517
0,6879

0,5
0,6
0,7
0,8
0,9

0,6915
0,7257
0,7580
0,7881
0,8159

0,6950
0,7291
0,7611
0,7910
0,8186

0,6985
0,7324
0,7642
0,7939
0,8212

0,7019
0,7357
0,7673
0,7967
0,8238

0,7054
0,7389
0,7704
0,7995
0,8264

0,7088
0,7422
0,7734
0,8023
0,8289

0,7123
0,7454
0,7764
0,8051
0,8315

0,7157
0,7486
0,7794
0,8078
0,8340

0,7190
0,7517
0,7823
0,8106
0,8365

0,7224
0,7549
0,7852
0,8133
0,8389

1,0
1,1
1,2
1,3
1,4

0,8413
0,8643
0,8849
0,9032
0,9192

0,8438
0,8665
0,8869
0,9049
0,9207

0,8461
0,8686
0,8888
0,9066
0,9222

0,8485
0,8708
0,8907
0,9082
0,9236

0,8508
0,8729
0,8925
0,9099
0,9251

0,8531
0,8749
0,8944
0,9115
0,9265

0,8554
0,8770
0,8962
0,9131
0,9279

0,8577
0,8790
0,8980
0,9147
0,9292

0,8599
0,8810
0,8997
0,9162
0,9306

0,8621
0,8830
0,9015
0,9177
0,9319

1,5
1,6
1,7
1,8
1,9

0,9332
0,9452
0,9554
0,9641
0,9713

0,9345
0,9463
0,9564
0,9649
0,9719

0,9357
0,9474
0,9573
0,9656
0,9726

0,9370
0,9484
0,9582
0,9664
0,9732

0,9382
0,9495
0,9591
0,9671
0,9738

0,9394
0,9505
0,9599
0,9678
0,9744

0,9406
0,9515
0,9608
0,9686
0,9750

0,9418
0,9525
0,9616
0,9693
0,9756

0,9429
0,9535
0,9625
0,9699
0,9761

0,9441
0,9545
0,9633
0,9706
0,9767

2,0
2,1
2,2
2,3
2,4

0,9772
0,9821
0,9861
0,9893
0,9918

0,9778
0,9826
0,9864
0,9896
0,9920

0,9783
0,9830
0,9868
0,9898
0,9922

0,9788
0,9834
0,9871
0,9901
0,9925

0,9793
0,9838
0,9875
0,9904
0,9927

0,9798
0,9842
0,9878
0,9906
0,9929

0,9803
0,9846
0,9881
0,9909
0,9931

0,9808
0,9850
0,9884
0,9911
0,9932

0,9812
0,9854
0,9887
0,9913
0,9934

0,9817
0,9857
0,9890
0,9916
0,9936

2,5
2,6
2,7
2,8
2,9

0,9938
0,9953
0,9965
0,9974
0,9981

0,9940
0,9955
0,9966
0,9975
0,9982

0,9941
0,9956
0,9967
0,9976
0,9982

0,9943
0,9957
0,9968
0,9977
0,9983

0,9945
0,9959
0,9969
0,9977
0,9984

0,9946
0,9960
0,9970
0,9978
0,9984

0,9948
0,9961
0,9971
0,9979
0,9985

0,9949
0,9962
0,9972
0,9979
0,9985

0,9951
0,9963
0,9973
0,9980
0,9986

0,9952
0,9964
0,9974
0,9981
0,9986

3,0
3,1
3,2
3,3
3,4

0,9987
0,9990
0,9993
0,9995
0,9997

0,9987
0,9991
0,9993
0,9995
0,9997

0,9987
0,9991
0,9994
0,9995
0,9997

0,9988
0,9991
0,9994
0,9996
0,9997

0,9988
0,9992
0,9994
0,9996
0,9997

0,9989
0,9992
0,9994
0,9996
0,9997

0,9989
0,9992
0,9994
0,9996
0,9997

0,9989
0,9992
0,9995
0,9996
0,9997

0,9990
0,9993
0,9995
0,9996
0,9997

0,9990
0,9993
0,9995
0,9997
0,9998

Probabilidade e Estatstica Prof. Hlio Radke Bittencourt Pg. 51

TABELA t
Tabela - Distribuio t de Student com gl graus de liberdade e rea direita p.

p
gl

0,100

0,050

0,025

0,010

0,005

3,078

6,314

12,706

31,821

63,657

1,886

2,920

4,303

6,965

9,925

1,638

2,353

3,182

4,541

5,841

1,533

2,132

2,776

3,747

4,604

1,476

2,015

2,571

3,365

4,032

1,440

1,943

2,447

3,143

3,707

1,415

1,895

2,365

2,998

3,499

1,397

1,860

2,306

2,896

3,355

1,383

1,833

2,262

2,821

3,250

10

1,372

1,812

2,228

2,764

3,169

11

1,363

1,796

2,201

2,718

3,106

12

1,356

1,782

2,179

2,681

3,055

13

1,350

1,771

2,160

2,650

3,012

14

1,345

1,761

2,145

2,624

2,977

15

1,341

1,753

2,131

2,602

2,947

16

1,337

1,746

2,120

2,583

2,921

17

1,333

1,740

2,110

2,567

2,898

18

1,330

1,734

2,101

2,552

2,878

19

1,328

1,729

2,093

2,539

2,861

20

1,325

1,725

2,086

2,528

2,845

21

1,323

1,721

2,080

2,518

2,831

22

1,321

1,717

2,074

2,508

2,819

23

1,319

1,714

2,069

2,500

2,807

24

1,318

1,711

2,064

2,492

2,797

25

1,316

1,708

2,060

2,485

2,787

26

1,315

1,706

2,056

2,479

2,779

27

1,314

1,703

2,052

2,473

2,771

28

1,313

1,701

2,048

2,467

2,763

29

1,311

1,699

2,045

2,462

2,756

30

1,310

1,697

2,042

2,457

2,750

40

1,303

1,684

2,021

2,423

2,704

50

1,299

1,676

2,009

2,403

2,678

60

1,296

1,671

2,000

2,390

2,660

120

1,289

1,658

1,980

2,358

2,617

Infinito

1,282

1,645

1,960

2,326

2,576

Tabela F
F(v1,v2;Alpha)
Den (v2)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
40
50
60
120
Inf.

1
39,86
8,53
5,54
4,54
4,06
3,78
3,59
3,46
3,36
3,29
3,23
3,18
3,14
3,10
3,07
3,05
3,03
3,01
2,99
2,97
2,96
2,95
2,94
2,93
2,92
2,91
2,90
2,89
2,89
2,88
2,84
2,81
2,79
2,75
2,71

Alpha=
2
49,50
9,00
5,46
4,32
3,78
3,46
3,26
3,11
3,01
2,92
2,86
2,81
2,76
2,73
2,70
2,67
2,64
2,62
2,61
2,59
2,57
2,56
2,55
2,54
2,53
2,52
2,51
2,50
2,50
2,49
2,44
2,41
2,39
2,35
2,30

3
53,59
9,16
5,39
4,19
3,62
3,29
3,07
2,92
2,81
2,73
2,66
2,61
2,56
2,52
2,49
2,46
2,44
2,42
2,40
2,38
2,36
2,35
2,34
2,33
2,32
2,31
2,30
2,29
2,28
2,28
2,23
2,20
2,18
2,13
2,08

0,100
4
55,83
9,24
5,34
4,11
3,52
3,18
2,96
2,81
2,69
2,61
2,54
2,48
2,43
2,39
2,36
2,33
2,31
2,29
2,27
2,25
2,23
2,22
2,21
2,19
2,18
2,17
2,17
2,16
2,15
2,14
2,09
2,06
2,04
1,99
1,94

5
57,24
9,29
5,31
4,05
3,45
3,11
2,88
2,73
2,61
2,52
2,45
2,39
2,35
2,31
2,27
2,24
2,22
2,20
2,18
2,16
2,14
2,13
2,11
2,10
2,09
2,08
2,07
2,06
2,06
2,05
2,00
1,97
1,95
1,90
1,85

(rea direita)
6
58,20
9,33
5,28
4,01
3,40
3,05
2,83
2,67
2,55
2,46
2,39
2,33
2,28
2,24
2,21
2,18
2,15
2,13
2,11
2,09
2,08
2,06
2,05
2,04
2,02
2,01
2,00
2,00
1,99
1,98
1,93
1,90
1,87
1,82
1,77

7
58,91
9,35
5,27
3,98
3,37
3,01
2,78
2,62
2,51
2,41
2,34
2,28
2,23
2,19
2,16
2,13
2,10
2,08
2,06
2,04
2,02
2,01
1,99
1,98
1,97
1,96
1,95
1,94
1,93
1,93
1,87
1,84
1,82
1,77
1,72

8
59,44
9,37
5,25
3,95
3,34
2,98
2,75
2,59
2,47
2,38
2,30
2,24
2,20
2,15
2,12
2,09
2,06
2,04
2,02
2,00
1,98
1,97
1,95
1,94
1,93
1,92
1,91
1,90
1,89
1,88
1,83
1,80
1,77
1,72
1,67

Numerador (v1)
9
10
12
59,86
60,19
60,71
9,38
9,39
9,41
5,24
5,23
5,22
3,94
3,92
3,90
3,32
3,30
3,27
2,96
2,94
2,90
2,72
2,70
2,67
2,56
2,54
2,50
2,44
2,42
2,38
2,35
2,32
2,28
2,27
2,25
2,21
2,21
2,19
2,15
2,16
2,14
2,10
2,12
2,10
2,05
2,09
2,06
2,02
2,06
2,03
1,99
2,03
2,00
1,96
2,00
1,98
1,93
1,98
1,96
1,91
1,96
1,94
1,89
1,95
1,92
1,87
1,93
1,90
1,86
1,92
1,89
1,84
1,91
1,88
1,83
1,89
1,87
1,82
1,88
1,86
1,81
1,87
1,85
1,80
1,87
1,84
1,79
1,86
1,83
1,78
1,85
1,82
1,77
1,79
1,76
1,71
1,76
1,73
1,68
1,74
1,71
1,66
1,68
1,65
1,60
1,63
1,60
1,55

15
61,22
9,42
5,20
3,87
3,24
2,87
2,63
2,46
2,34
2,24
2,17
2,10
2,05
2,01
1,97
1,94
1,91
1,89
1,86
1,84
1,83
1,81
1,80
1,78
1,77
1,76
1,75
1,74
1,73
1,72
1,66
1,63
1,60
1,55
1,49

20
61,74
9,44
5,18
3,84
3,21
2,84
2,59
2,42
2,30
2,20
2,12
2,06
2,01
1,96
1,92
1,89
1,86
1,84
1,81
1,79
1,78
1,76
1,74
1,73
1,72
1,71
1,70
1,69
1,68
1,67
1,61
1,57
1,54
1,48
1,42

24
62,00
9,45
5,18
3,83
3,19
2,82
2,58
2,40
2,28
2,18
2,10
2,04
1,98
1,94
1,90
1,87
1,84
1,81
1,79
1,77
1,75
1,73
1,72
1,70
1,69
1,68
1,67
1,66
1,65
1,64
1,57
1,54
1,51
1,45
1,38

30
62,26
9,46
5,17
3,82
3,17
2,80
2,56
2,38
2,25
2,16
2,08
2,01
1,96
1,91
1,87
1,84
1,81
1,78
1,76
1,74
1,72
1,70
1,69
1,67
1,66
1,65
1,64
1,63
1,62
1,61
1,54
1,50
1,48
1,41
1,34

40
62,53
9,47
5,16
3,80
3,16
2,78
2,54
2,36
2,23
2,13
2,05
1,99
1,93
1,89
1,85
1,81
1,78
1,75
1,73
1,71
1,69
1,67
1,66
1,64
1,63
1,61
1,60
1,59
1,58
1,57
1,51
1,46
1,44
1,37
1,30

50
62,69
9,47
5,15
3,80
3,15
2,77
2,52
2,35
2,22
2,12
2,04
1,97
1,92
1,87
1,83
1,79
1,76
1,74
1,71
1,69
1,67
1,65
1,64
1,62
1,61
1,59
1,58
1,57
1,56
1,55
1,48
1,44
1,41
1,34
1,26

120
63,06
9,48
5,14
3,78
3,12
2,74
2,49
2,32
2,18
2,08
2,00
1,93
1,88
1,83
1,79
1,75
1,72
1,69
1,67
1,64
1,62
1,60
1,59
1,57
1,56
1,54
1,53
1,52
1,51
1,50
1,42
1,38
1,35
1,26
1,17

Inf.
63,33
9,49
5,13
3,76
3,11
2,72
2,47
2,29
2,16
2,06
1,97
1,90
1,85
1,80
1,76
1,72
1,69
1,66
1,63
1,61
1,59
1,57
1,55
1,53
1,52
1,50
1,49
1,48
1,47
1,46
1,38
1,33
1,29
1,19
1,00

Probabilidade e Estatstica Prof. Hlio Radke Bittencourt Pg. 53

Tabela F
F(v1,v2;Alpha)
Den (v2)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
40
50
60
120
Inf.

1
161,45
18,51
10,13
7,71
6,61
5,99
5,59
5,32
5,12
4,96
4,84
4,75
4,67
4,60
4,54
4,49
4,45
4,41
4,38
4,35
4,32
4,30
4,28
4,26
4,24
4,23
4,21
4,20
4,18
4,17
4,08
4,03
4,00
3,92
3,84

Alpha=
2
199,50
19,00
9,55
6,94
5,79
5,14
4,74
4,46
4,26
4,10
3,98
3,89
3,81
3,74
3,68
3,63
3,59
3,55
3,52
3,49
3,47
3,44
3,42
3,40
3,39
3,37
3,35
3,34
3,33
3,32
3,23
3,18
3,15
3,07
3,00

3
215,71
19,16
9,28
6,59
5,41
4,76
4,35
4,07
3,86
3,71
3,59
3,49
3,41
3,34
3,29
3,24
3,20
3,16
3,13
3,10
3,07
3,05
3,03
3,01
2,99
2,98
2,96
2,95
2,93
2,92
2,84
2,79
2,76
2,68
2,60

0,05
4
224,58
19,25
9,12
6,39
5,19
4,53
4,12
3,84
3,63
3,48
3,36
3,26
3,18
3,11
3,06
3,01
2,96
2,93
2,90
2,87
2,84
2,82
2,80
2,78
2,76
2,74
2,73
2,71
2,70
2,69
2,61
2,56
2,53
2,45
2,37

5
230,16
19,30
9,01
6,26
5,05
4,39
3,97
3,69
3,48
3,33
3,20
3,11
3,03
2,96
2,90
2,85
2,81
2,77
2,74
2,71
2,68
2,66
2,64
2,62
2,60
2,59
2,57
2,56
2,55
2,53
2,45
2,40
2,37
2,29
2,21

(rea direita)
6
233,99
19,33
8,94
6,16
4,95
4,28
3,87
3,58
3,37
3,22
3,09
3,00
2,92
2,85
2,79
2,74
2,70
2,66
2,63
2,60
2,57
2,55
2,53
2,51
2,49
2,47
2,46
2,45
2,43
2,42
2,34
2,29
2,25
2,18
2,10

7
236,77
19,35
8,89
6,09
4,88
4,21
3,79
3,50
3,29
3,14
3,01
2,91
2,83
2,76
2,71
2,66
2,61
2,58
2,54
2,51
2,49
2,46
2,44
2,42
2,40
2,39
2,37
2,36
2,35
2,33
2,25
2,20
2,17
2,09
2,01

8
238,88
19,37
8,85
6,04
4,82
4,15
3,73
3,44
3,23
3,07
2,95
2,85
2,77
2,70
2,64
2,59
2,55
2,51
2,48
2,45
2,42
2,40
2,37
2,36
2,34
2,32
2,31
2,29
2,28
2,27
2,18
2,13
2,10
2,02
1,94

Numerador (v1)
9
10
12
240,54 241,88 243,91
19,38
19,40
19,41
8,81
8,79
8,74
6,00
5,96
5,91
4,77
4,74
4,68
4,10
4,06
4,00
3,68
3,64
3,57
3,39
3,35
3,28
3,18
3,14
3,07
3,02
2,98
2,91
2,90
2,85
2,79
2,80
2,75
2,69
2,71
2,67
2,60
2,65
2,60
2,53
2,59
2,54
2,48
2,54
2,49
2,42
2,49
2,45
2,38
2,46
2,41
2,34
2,42
2,38
2,31
2,39
2,35
2,28
2,37
2,32
2,25
2,34
2,30
2,23
2,32
2,27
2,20
2,30
2,25
2,18
2,28
2,24
2,16
2,27
2,22
2,15
2,25
2,20
2,13
2,24
2,19
2,12
2,22
2,18
2,10
2,21
2,16
2,09
2,12
2,08
2,00
2,07
2,03
1,95
2,04
1,99
1,92
1,96
1,91
1,83
1,88
1,83
1,75

15
245,95
19,43
8,70
5,86
4,62
3,94
3,51
3,22
3,01
2,85
2,72
2,62
2,53
2,46
2,40
2,35
2,31
2,27
2,23
2,20
2,18
2,15
2,13
2,11
2,09
2,07
2,06
2,04
2,03
2,01
1,92
1,87
1,84
1,75
1,67

20
248,01
19,45
8,66
5,80
4,56
3,87
3,44
3,15
2,94
2,77
2,65
2,54
2,46
2,39
2,33
2,28
2,23
2,19
2,16
2,12
2,10
2,07
2,05
2,03
2,01
1,99
1,97
1,96
1,94
1,93
1,84
1,78
1,75
1,66
1,57

24
249,05
19,45
8,64
5,77
4,53
3,84
3,41
3,12
2,90
2,74
2,61
2,51
2,42
2,35
2,29
2,24
2,19
2,15
2,11
2,08
2,05
2,03
2,01
1,98
1,96
1,95
1,93
1,91
1,90
1,89
1,79
1,74
1,70
1,61
1,52

30
250,10
19,46
8,62
5,75
4,50
3,81
3,38
3,08
2,86
2,70
2,57
2,47
2,38
2,31
2,25
2,19
2,15
2,11
2,07
2,04
2,01
1,98
1,96
1,94
1,92
1,90
1,88
1,87
1,85
1,84
1,74
1,69
1,65
1,55
1,46

40
251,14
19,47
8,59
5,72
4,46
3,77
3,34
3,04
2,83
2,66
2,53
2,43
2,34
2,27
2,20
2,15
2,10
2,06
2,03
1,99
1,96
1,94
1,91
1,89
1,87
1,85
1,84
1,82
1,81
1,79
1,69
1,63
1,59
1,50
1,39

50
251,77
19,48
8,58
5,70
4,44
3,75
3,32
3,02
2,80
2,64
2,51
2,40
2,31
2,24
2,18
2,12
2,08
2,04
2,00
1,97
1,94
1,91
1,88
1,86
1,84
1,82
1,81
1,79
1,77
1,76
1,66
1,60
1,56
1,46
1,35

120
253,25
19,49
8,55
5,66
4,40
3,70
3,27
2,97
2,75
2,58
2,45
2,34
2,25
2,18
2,11
2,06
2,01
1,97
1,93
1,90
1,87
1,84
1,81
1,79
1,77
1,75
1,73
1,71
1,70
1,68
1,58
1,51
1,47
1,35
1,22

Inf.
254,31
19,50
8,53
5,63
4,37
3,67
3,23
2,93
2,71
2,54
2,40
2,30
2,21
2,13
2,07
2,01
1,96
1,92
1,88
1,84
1,81
1,78
1,76
1,73
1,71
1,69
1,67
1,65
1,64
1,62
1,51
1,44
1,39
1,25
1,00

Probabilidade e Estatstica Prof. Hlio Radke Bittencourt Pg. 54

Tabela F
F(v1,v2;Alpha)
Den (v2)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
40
50
60
120
Inf.

1
648
38,51
17,44
12,22
10,01
8,81
8,07
7,57
7,21
6,94
6,72
6,55
6,41
6,30
6,20
6,12
6,04
5,98
5,92
5,87
5,83
5,79
5,75
5,72
5,69
5,66
5,63
5,61
5,59
5,57
5,42
5,34
5,29
5,15
5,02

Alpha=
2
799
39,00
16,04
10,65
8,43
7,26
6,54
6,06
5,71
5,46
5,26
5,10
4,97
4,86
4,77
4,69
4,62
4,56
4,51
4,46
4,42
4,38
4,35
4,32
4,29
4,27
4,24
4,22
4,20
4,18
4,05
3,97
3,93
3,80
3,69

3
864
39,17
15,44
9,98
7,76
6,60
5,89
5,42
5,08
4,83
4,63
4,47
4,35
4,24
4,15
4,08
4,01
3,95
3,90
3,86
3,82
3,78
3,75
3,72
3,69
3,67
3,65
3,63
3,61
3,59
3,46
3,39
3,34
3,23
3,12

0,025
4
900
39,25
15,10
9,60
7,39
6,23
5,52
5,05
4,72
4,47
4,28
4,12
4,00
3,89
3,80
3,73
3,66
3,61
3,56
3,51
3,48
3,44
3,41
3,38
3,35
3,33
3,31
3,29
3,27
3,25
3,13
3,05
3,01
2,89
2,79

5
922
39,30
14,88
9,36
7,15
5,99
5,29
4,82
4,48
4,24
4,04
3,89
3,77
3,66
3,58
3,50
3,44
3,38
3,33
3,29
3,25
3,22
3,18
3,15
3,13
3,10
3,08
3,06
3,04
3,03
2,90
2,83
2,79
2,67
2,57

(rea direita)
6
937
39,33
14,73
9,20
6,98
5,82
5,12
4,65
4,32
4,07
3,88
3,73
3,60
3,50
3,41
3,34
3,28
3,22
3,17
3,13
3,09
3,05
3,02
2,99
2,97
2,94
2,92
2,90
2,88
2,87
2,74
2,67
2,63
2,52
2,41

7
948
39,36
14,62
9,07
6,85
5,70
4,99
4,53
4,20
3,95
3,76
3,61
3,48
3,38
3,29
3,22
3,16
3,10
3,05
3,01
2,97
2,93
2,90
2,87
2,85
2,82
2,80
2,78
2,76
2,75
2,62
2,55
2,51
2,39
2,29

8
957
39,37
14,54
8,98
6,76
5,60
4,90
4,43
4,10
3,85
3,66
3,51
3,39
3,29
3,20
3,12
3,06
3,01
2,96
2,91
2,87
2,84
2,81
2,78
2,75
2,73
2,71
2,69
2,67
2,65
2,53
2,46
2,41
2,30
2,19

Numerador (v1)
9
10
12
963
969
977
39,39
39,40
39,41
14,47
14,42
14,34
8,90
8,84
8,75
6,68
6,62
6,52
5,52
5,46
5,37
4,82
4,76
4,67
4,36
4,30
4,20
4,03
3,96
3,87
3,78
3,72
3,62
3,59
3,53
3,43
3,44
3,37
3,28
3,31
3,25
3,15
3,21
3,15
3,05
3,12
3,06
2,96
3,05
2,99
2,89
2,98
2,92
2,82
2,93
2,87
2,77
2,88
2,82
2,72
2,84
2,77
2,68
2,80
2,73
2,64
2,76
2,70
2,60
2,73
2,67
2,57
2,70
2,64
2,54
2,68
2,61
2,51
2,65
2,59
2,49
2,63
2,57
2,47
2,61
2,55
2,45
2,59
2,53
2,43
2,57
2,51
2,41
2,45
2,39
2,29
2,38
2,32
2,22
2,33
2,27
2,17
2,22
2,16
2,05
2,11
2,05
1,94

15
985
39,43
14,25
8,66
6,43
5,27
4,57
4,10
3,77
3,52
3,33
3,18
3,05
2,95
2,86
2,79
2,72
2,67
2,62
2,57
2,53
2,50
2,47
2,44
2,41
2,39
2,36
2,34
2,32
2,31
2,18
2,11
2,06
1,94
1,83

20
993
39,45
14,17
8,56
6,33
5,17
4,47
4,00
3,67
3,42
3,23
3,07
2,95
2,84
2,76
2,68
2,62
2,56
2,51
2,46
2,42
2,39
2,36
2,33
2,30
2,28
2,25
2,23
2,21
2,20
2,07
1,99
1,94
1,82
1,71

24
997
39,46
14,12
8,51
6,28
5,12
4,41
3,95
3,61
3,37
3,17
3,02
2,89
2,79
2,70
2,63
2,56
2,50
2,45
2,41
2,37
2,33
2,30
2,27
2,24
2,22
2,19
2,17
2,15
2,14
2,01
1,93
1,88
1,76
1,64

30
1001
39,46
14,08
8,46
6,23
5,07
4,36
3,89
3,56
3,31
3,12
2,96
2,84
2,73
2,64
2,57
2,50
2,44
2,39
2,35
2,31
2,27
2,24
2,21
2,18
2,16
2,13
2,11
2,09
2,07
1,94
1,87
1,82
1,69
1,57

40
1006
39,47
14,04
8,41
6,18
5,01
4,31
3,84
3,51
3,26
3,06
2,91
2,78
2,67
2,59
2,51
2,44
2,38
2,33
2,29
2,25
2,21
2,18
2,15
2,12
2,09
2,07
2,05
2,03
2,01
1,88
1,80
1,74
1,61
1,48

50
1008
39,48
14,01
8,38
6,14
4,98
4,28
3,81
3,47
3,22
3,03
2,87
2,74
2,64
2,55
2,47
2,41
2,35
2,30
2,25
2,21
2,17
2,14
2,11
2,08
2,05
2,03
2,01
1,99
1,97
1,83
1,75
1,70
1,56
1,43

120
1014
39,49
13,95
8,31
6,07
4,90
4,20
3,73
3,39
3,14
2,94
2,79
2,66
2,55
2,46
2,38
2,32
2,26
2,20
2,16
2,11
2,08
2,04
2,01
1,98
1,95
1,93
1,91
1,89
1,87
1,72
1,64
1,58
1,43
1,27

Inf.
1018
39,50
13,90
8,26
6,02
4,85
4,14
3,67
3,33
3,08
2,88
2,73
2,60
2,49
2,40
2,32
2,25
2,19
2,13
2,09
2,04
2,00
1,97
1,94
1,91
1,88
1,85
1,83
1,81
1,79
1,64
1,55
1,48
1,31
1,00

Probabilidade e Estatstica Prof. Hlio Radke Bittencourt Pg. 55

Tabela F
F(v1,v2;Alpha)
Den (v2)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
40
50
60
120
Inf.

1
4052
98,50
34,12
21,20
16,26
13,75
12,25
11,26
10,56
10,04
9,65
9,33
9,07
8,86
8,68
8,53
8,40
8,29
8,18
8,10
8,02
7,95
7,88
7,82
7,77
7,72
7,68
7,64
7,60
7,56
7,31
7,17
7,08
6,85
6,64

Alpha=
2
4999
99,00
30,82
18,00
13,27
10,92
9,55
8,65
8,02
7,56
7,21
6,93
6,70
6,51
6,36
6,23
6,11
6,01
5,93
5,85
5,78
5,72
5,66
5,61
5,57
5,53
5,49
5,45
5,42
5,39
5,18
5,06
4,98
4,79
4,61

3
5403
99,17
29,46
16,69
12,06
9,78
8,45
7,59
6,99
6,55
6,22
5,95
5,74
5,56
5,42
5,29
5,18
5,09
5,01
4,94
4,87
4,82
4,76
4,72
4,68
4,64
4,60
4,57
4,54
4,51
4,31
4,20
4,13
3,95
3,78

0,01
4
5625
99,25
28,71
15,98
11,39
9,15
7,85
7,01
6,42
5,99
5,67
5,41
5,21
5,04
4,89
4,77
4,67
4,58
4,50
4,43
4,37
4,31
4,26
4,22
4,18
4,14
4,11
4,07
4,04
4,02
3,83
3,72
3,65
3,48
3,32

5
5764
99,30
28,24
15,52
10,97
8,75
7,46
6,63
6,06
5,64
5,32
5,06
4,86
4,69
4,56
4,44
4,34
4,25
4,17
4,10
4,04
3,99
3,94
3,90
3,85
3,82
3,78
3,75
3,73
3,70
3,51
3,41
3,34
3,17
3,02

(rea direita)
6
5859
99,33
27,91
15,21
10,67
8,47
7,19
6,37
5,80
5,39
5,07
4,82
4,62
4,46
4,32
4,20
4,10
4,01
3,94
3,87
3,81
3,76
3,71
3,67
3,63
3,59
3,56
3,53
3,50
3,47
3,29
3,19
3,12
2,96
2,80

7
5928
99,36
27,67
14,98
10,46
8,26
6,99
6,18
5,61
5,20
4,89
4,64
4,44
4,28
4,14
4,03
3,93
3,84
3,77
3,70
3,64
3,59
3,54
3,50
3,46
3,42
3,39
3,36
3,33
3,30
3,12
3,02
2,95
2,79
2,64

8
5981
99,37
27,49
14,80
10,29
8,10
6,84
6,03
5,47
5,06
4,74
4,50
4,30
4,14
4,00
3,89
3,79
3,71
3,63
3,56
3,51
3,45
3,41
3,36
3,32
3,29
3,26
3,23
3,20
3,17
2,99
2,89
2,82
2,66
2,51

Numerador (v1)
9
10
12
6022
6056
6106
99,39
99,40
99,42
27,35
27,23
27,05
14,66
14,55
14,37
10,16
10,05
9,89
7,98
7,87
7,72
6,72
6,62
6,47
5,91
5,81
5,67
5,35
5,26
5,11
4,94
4,85
4,71
4,63
4,54
4,40
4,39
4,30
4,16
4,19
4,10
3,96
4,03
3,94
3,80
3,89
3,80
3,67
3,78
3,69
3,55
3,68
3,59
3,46
3,60
3,51
3,37
3,52
3,43
3,30
3,46
3,37
3,23
3,40
3,31
3,17
3,35
3,26
3,12
3,30
3,21
3,07
3,26
3,17
3,03
3,22
3,13
2,99
3,18
3,09
2,96
3,15
3,06
2,93
3,12
3,03
2,90
3,09
3,00
2,87
3,07
2,98
2,84
2,89
2,80
2,66
2,78
2,70
2,56
2,72
2,63
2,50
2,56
2,47
2,34
2,41
2,32
2,18

15
6157
99,43
26,87
14,20
9,72
7,56
6,31
5,52
4,96
4,56
4,25
4,01
3,82
3,66
3,52
3,41
3,31
3,23
3,15
3,09
3,03
2,98
2,93
2,89
2,85
2,81
2,78
2,75
2,73
2,70
2,52
2,42
2,35
2,19
2,04

20
6209
99,45
26,69
14,02
9,55
7,40
6,16
5,36
4,81
4,41
4,10
3,86
3,66
3,51
3,37
3,26
3,16
3,08
3,00
2,94
2,88
2,83
2,78
2,74
2,70
2,66
2,63
2,60
2,57
2,55
2,37
2,27
2,20
2,03
1,88

24
6235
99,46
26,60
13,93
9,47
7,31
6,07
5,28
4,73
4,33
4,02
3,78
3,59
3,43
3,29
3,18
3,08
3,00
2,92
2,86
2,80
2,75
2,70
2,66
2,62
2,58
2,55
2,52
2,49
2,47
2,29
2,18
2,12
1,95
1,79

30
6261
99,47
26,50
13,84
9,38
7,23
5,99
5,20
4,65
4,25
3,94
3,70
3,51
3,35
3,21
3,10
3,00
2,92
2,84
2,78
2,72
2,67
2,62
2,58
2,54
2,50
2,47
2,44
2,41
2,39
2,20
2,10
2,03
1,86
1,70

40
6287
99,47
26,41
13,75
9,29
7,14
5,91
5,12
4,57
4,17
3,86
3,62
3,43
3,27
3,13
3,02
2,92
2,84
2,76
2,69
2,64
2,58
2,54
2,49
2,45
2,42
2,38
2,35
2,33
2,30
2,11
2,01
1,94
1,76
1,59

50
6303
99,48
26,35
13,69
9,24
7,09
5,86
5,07
4,52
4,12
3,81
3,57
3,38
3,22
3,08
2,97
2,87
2,78
2,71
2,64
2,58
2,53
2,48
2,44
2,40
2,36
2,33
2,30
2,27
2,25
2,06
1,95
1,88
1,70
1,52

120
6339
99,49
26,22
13,56
9,11
6,97
5,74
4,95
4,40
4,00
3,69
3,45
3,25
3,09
2,96
2,84
2,75
2,66
2,58
2,52
2,46
2,40
2,35
2,31
2,27
2,23
2,20
2,17
2,14
2,11
1,92
1,80
1,73
1,53
1,32

Inf.
6366
99,50
26,13
13,46
9,02
6,88
5,65
4,86
4,31
3,91
3,60
3,36
3,17
3,00
2,87
2,75
2,65
2,57
2,49
2,42
2,36
2,31
2,26
2,21
2,17
2,13
2,10
2,06
2,03
2,01
1,80
1,68
1,60
1,38
1,00

Probabilidade e Estatstica Prof. Hlio Radke Bittencourt Pg. 56

Tabela F
F(v1,v2;Alpha)
Den (v2)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
40
50
60
120
Inf.

1
16211
198,50
55,55
31,33
22,78
18,63
16,24
14,69
13,61
12,83
12,23
11,75
11,37
11,06
10,80
10,58
10,38
10,22
10,07
9,94
9,83
9,73
9,63
9,55
9,48
9,41
9,34
9,28
9,23
9,18
8,83
8,63
8,49
8,18
7,88

Alpha=
2
19999
199,00
49,80
26,28
18,31
14,54
12,40
11,04
10,11
9,43
8,91
8,51
8,19
7,92
7,70
7,51
7,35
7,21
7,09
6,99
6,89
6,81
6,73
6,66
6,60
6,54
6,49
6,44
6,40
6,35
6,07
5,90
5,79
5,54
5,30

3
21615
199,17
47,47
24,26
16,53
12,92
10,88
9,60
8,72
8,08
7,60
7,23
6,93
6,68
6,48
6,30
6,16
6,03
5,92
5,82
5,73
5,65
5,58
5,52
5,46
5,41
5,36
5,32
5,28
5,24
4,98
4,83
4,73
4,50
4,28

4
22500
199,25
46,19
23,15
15,56
12,03
10,05
8,81
7,96
7,34
6,88
6,52
6,23
6,00
5,80
5,64
5,50
5,37
5,27
5,17
5,09
5,02
4,95
4,89
4,84
4,79
4,74
4,70
4,66
4,62
4,37
4,23
4,14
3,92
3,72

0,005

(rea direita)

5
23056
199,30
45,39
22,46
14,94
11,46
9,52
8,30
7,47
6,87
6,42
6,07
5,79
5,56
5,37
5,21
5,07
4,96
4,85
4,76
4,68
4,61
4,54
4,49
4,43
4,38
4,34
4,30
4,26
4,23
3,99
3,85
3,76
3,55
3,35

6
23437
199,33
44,84
21,97
14,51
11,07
9,16
7,95
7,13
6,54
6,10
5,76
5,48
5,26
5,07
4,91
4,78
4,66
4,56
4,47
4,39
4,32
4,26
4,20
4,15
4,10
4,06
4,02
3,98
3,95
3,71
3,58
3,49
3,28
3,09

7
23715
199,36
44,43
21,62
14,20
10,79
8,89
7,69
6,88
6,30
5,86
5,52
5,25
5,03
4,85
4,69
4,56
4,44
4,34
4,26
4,18
4,11
4,05
3,99
3,94
3,89
3,85
3,81
3,77
3,74
3,51
3,38
3,29
3,09
2,90

8
23925
199,37
44,13
21,35
13,96
10,57
8,68
7,50
6,69
6,12
5,68
5,35
5,08
4,86
4,67
4,52
4,39
4,28
4,18
4,09
4,01
3,94
3,88
3,83
3,78
3,73
3,69
3,65
3,61
3,58
3,35
3,22
3,13
2,93
2,74

Numerador (v1)
9
10
12
24091
24224
24426
199,39 199,40 199,42
43,88
43,69
43,39
21,14
20,97
20,70
13,77
13,62
13,38
10,39
10,25
10,03
8,51
8,38
8,18
7,34
7,21
7,01
6,54
6,42
6,23
5,97
5,85
5,66
5,54
5,42
5,24
5,20
5,09
4,91
4,94
4,82
4,64
4,72
4,60
4,43
4,54
4,42
4,25
4,38
4,27
4,10
4,25
4,14
3,97
4,14
4,03
3,86
4,04
3,93
3,76
3,96
3,85
3,68
3,88
3,77
3,60
3,81
3,70
3,54
3,75
3,64
3,47
3,69
3,59
3,42
3,64
3,54
3,37
3,60
3,49
3,33
3,56
3,45
3,28
3,52
3,41
3,25
3,48
3,38
3,21
3,45
3,34
3,18
3,22
3,12
2,95
3,09
2,99
2,82
3,01
2,90
2,74
2,81
2,71
2,54
2,62
2,52
2,36

15
24630
199,43
43,08
20,44
13,15
9,81
7,97
6,81
6,03
5,47
5,05
4,72
4,46
4,25
4,07
3,92
3,79
3,68
3,59
3,50
3,43
3,36
3,30
3,25
3,20
3,15
3,11
3,07
3,04
3,01
2,78
2,65
2,57
2,37
2,19

20
24836
199,45
42,78
20,17
12,90
9,59
7,75
6,61
5,83
5,27
4,86
4,53
4,27
4,06
3,88
3,73
3,61
3,50
3,40
3,32
3,24
3,18
3,12
3,06
3,01
2,97
2,93
2,89
2,86
2,82
2,60
2,47
2,39
2,19
2,00

24
24940
199,46
42,62
20,03
12,78
9,47
7,64
6,50
5,73
5,17
4,76
4,43
4,17
3,96
3,79
3,64
3,51
3,40
3,31
3,22
3,15
3,08
3,02
2,97
2,92
2,87
2,83
2,79
2,76
2,73
2,50
2,37
2,29
2,09
1,90

30
25044
199,47
42,47
19,89
12,66
9,36
7,53
6,40
5,62
5,07
4,65
4,33
4,07
3,86
3,69
3,54
3,41
3,30
3,21
3,12
3,05
2,98
2,92
2,87
2,82
2,77
2,73
2,69
2,66
2,63
2,40
2,27
2,19
1,98
1,79

40
25148
199,47
42,31
19,75
12,53
9,24
7,42
6,29
5,52
4,97
4,55
4,23
3,97
3,76
3,58
3,44
3,31
3,20
3,11
3,02
2,95
2,88
2,82
2,77
2,72
2,67
2,63
2,59
2,56
2,52
2,30
2,16
2,08
1,87
1,67

50
25211
199,48
42,21
19,67
12,45
9,17
7,35
6,22
5,45
4,90
4,49
4,17
3,91
3,70
3,52
3,37
3,25
3,14
3,04
2,96
2,88
2,82
2,76
2,70
2,65
2,61
2,57
2,53
2,49
2,46
2,23
2,10
2,01
1,80
1,59

120
25359
199,49
41,99
19,47
12,27
9,00
7,19
6,06
5,30
4,75
4,34
4,01
3,76
3,55
3,37
3,22
3,10
2,99
2,89
2,81
2,73
2,66
2,60
2,55
2,50
2,45
2,41
2,37
2,33
2,30
2,06
1,93
1,83
1,61
1,36

Inf.
25464
199,50
41,83
19,32
12,14
8,88
7,08
5,95
5,19
4,64
4,23
3,90
3,65
3,44
3,26
3,11
2,98
2,87
2,78
2,69
2,61
2,55
2,48
2,43
2,38
2,33
2,29
2,25
2,21
2,18
1,93
1,79
1,69
1,43
1,00