Estatistica (2014)

1.Fornece tabela com 3 linhas (tempo de vida entre 100 e 200, tempo de vida entre 200 e
300, tempo de vida entre 300 e 400) e duas colunas (dois grupos)
Grupo 1
Grupo 2
Tempo vidas 100 a 200
x1=20
x2=15
Tempo vida 201 a 300
x3=30
x4=15
Tempo vida 301 aos 400
x5=25
x6=45
TOTAL
Xx=75
xxx=75
a)Considerando o grupo 1, qual a porcentagem de individuos com tempo de vida entre 300 e
400 dias?
Percentagem Tp.Vid. 300 a 400 = 25 / 75 = 0,33 = 33%
b)Considerando o grupo 2, qual a porcentagem de individuos com tempo de vida de no
maximo 300?
Percentagem Tp.Vid. maximo 300 = (15+15) / 75 = 0,4 =
40%
c)O grupo tem infuencia no tempo de vida? Fazer teste de hipotese com alfa de 5%.
Sim, no Grupo 2 exister uma maior percentagem de animais com tempo de vida
mais longa de 301 a 400 dias, 60% em comparado apenas 33% do Grupo 1.
H0 : G1 = G2
Ha : G1 < G2

2.Fornece P(AA), P(Aa), P(aa) e outrras probabilidade P(BB), P(Bb), P(bb). Qual a proporo
das combinaoes geneticas para:
a) AA e BB

b) Aa e Bb

c)

Quais sao as suposices de a e b

3. O diametro mdio de uma amostra de 25 individuos 0,087 e o desvio 0,0157. Qual a

verdadeira mdia?
a)Usar 99,9% de significancia

b)quais foram as suposicoes utilizadas?

4. Regresso linear: Yi=Bo+B1.Xi+ei Quais sao as suposioes que podem ser feitas?

5. Um pesquisador quer testas dois produtos, tem um total de 29 ratos, 6 provenientes do

seu laboratorio, 9 provenientes de lab desconhecido, o restante proveniente do zoologico.
Ele acredita que a origem dos ratos pode influenciar na resposta.
a)Qual o melhor delineamento a ser utilizado?
Se ele acredia que a proveniencia dos ratos infuenciara os resultados, deve
primeiramente manter os mesmos separados por origem, e depois dentro de cada
um destes 3 grupos criar dois grupos para testar os 2 produtos
b)Montar a tabela de variancias referencia ao item a.
Produto 1
Seu Laboratorio
3
Desconhecido Laboratorio 4
Zoologico
7
TOTAL
14

Produto 2
3
5
7
15

6. Teste de hipotese - produo de leite de duas raas

a)quais hipoteses devem ser feitas?
H0 :
as duas raas produzem igual quantidade de leite.
Ha :
as duas raas produzem quantidedes diferente de leite.
b)por que fazer o teste de hipotese
Porque torna-se impossivel avaliar uma populao inteira, e atraves do Teste de
Hipoteses podemos retirar concluses com recurso a uma amostra destas
populaes

c) o que nivel de significancia para esse exemplo.

o limite que se toma como base para afirmar que um certo desvio decorrente
do acaso ou no o quanto o teste verdeiro dentro do valor de alfa

III. ESTATSTICA

Medidas estatsticas descritivas

Algumas medidas que so normalmente usadas para descrever um conjunto de
dados so medidas de tendncia central e medidas de variabilidade ou disperso.
Medidas de tendncia central incluem mdia,mediana e moda. Medidas de
variabilidade
incluem desvio
padro,varincia,
o
valor
mximo
e
mnimo, obliquidade e curtose.

Probabilidade
A Probabilidade uma funo que pode receber um evento qualquer e retornar um
nmero real entre 0 e 1. Se a probabilidade de um evento 0, o evento nunca ir
ocorrer. Se a probabilidade 1, ento ele sempre ocorrer. Na maioria das vezes, a
funo de probabilidade retorna um nmero entre 0 e 1.

Variveis aleatrias
uma varivel quantitativa, cujo resultado (valor) depende de fatores aleatrios.
Em Estatstica, as seguintes definies informais para varivel aleatria so
equivalentes:
1. Varivel aleatria um tipo de varivel que pode assumir diferentes valores
numricos, definidos para cada evento de um espao amostral
2. Varivel aleatria pode ser entendida como o resultado numrico de operar
um mecanismo no determinstico ou de fazer uma experincia no
determinstica paragerar resultados aleatrios.
3. varivel aleatria uma funo de um espao amostral
nos nmeros
reais .
Varivel Aleatria Contnua (VAC) aquela que pode tomar qualquer valor
numrico em um determinado intervalo ou coleo de intervalos.Tecnicamente, VAC
a varivel para a qual o conjunto A um conjunto infinito no enumervel, ou
seja, uma varivel que assume valores dentro de intervalos de nmeros reais.
Varivel Aleatria Discreta aquela varivel que toma valores que podem ser
contados, isto , aquela para a qual o conjunto A um conjunto finito ou infinito
enumervel.
Ex: A = {1, 2, 3, 4, 5, 6}, A = N = {0, 1, 2, 3, 4, 5, 6... }.
A melhor forma de explicar um conceito associarmos a algum exemplo real. Um
pequeno dado de seis lados, muito comum em jogos de tabuleiros, ele o melhor
exemplo para uma VARIVEL ALEATRIA DISCRETA FINITA. Pois todas as vezes em
que lanarmos o dado, ele sempre nos dar um "valor" inteiro. No existe a
possibilidade que ele caia de "lado" nos dando um valor surpreendente como
2,5555.

Modelos de distribuio de probabilidade:

Em estatstica, uma distribuio de probabilidade descreve a chance que
uma varivel pode assumir ao longo de um espao de valores. Ela
uma funo cujo domnio so os valores da varivel e cuja imagem so as
probabilidades de a varivel assumir cada valor do domnio. O conjunto imagem
deste tipo de funo est sempre restrito ao intervalo entre 0 e 1.
Uma distribuio de probabilidade pode ser discreta (como em um jogo de dados)
ou contnua. comum o uso de funes que se ajustem distribuio de
probabilidade.
Discreta:

distribuio Binomial a distribuio de probabilidade discreta do

nmero de sucessos numa sequncia de
tentativas tais que:
- Cada tentativa tem exclusivamente como resultado duas possibilidades,
sucesso ou fracasso (binomial, a que se chama de tentativa de Bernoulli), e;
- Cada tentativa independente das demais, e;
- A probabilidade de sucesso a cada tentativa
permanece constante
independente das demais, e;
- A varivel de interesse, ou pretendida, o nmero de sucessos nas
tentativas.

distribuio Poisson uma distribuio de probabilidade de varivel

aleatria discreta que expressa a probabilidade de uma srie de eventos
ocorrer num certo perodo de tempo se estes eventos ocorrem
independentemente de quando ocorreu o ltimo evento.
Contnua:
distribuio Normal conhecida tambm como Distribuio de Gauss
ou Gaussiana. possui grande uso na estatstica inferencial. inteiramente
descrita por seus parmetros de mdia e desvio padro, ou seja,
conhecendo-se
estes
valores
consegue-se
determinar
qualquer
probabilidade em uma distribuio Normal. Um interessante uso da
Distribuio Normal que ela serve de aproximao para o clculo de outras
distribuies quando o nmero de observaes fica grande. Essa importante
propriedade provm do Teorema do Limite Central que diz que "toda soma
de variveis aleatrias independentes de mdia finita e varincia limitada
aproximadamente Normal, desde que o nmero de termos da soma seja
suficientemente grande" (ver o teorema para um enunciado mais preciso).

t de Student uma distribuio de probabilidade terica.

simtrica, campaniforme, e semelhante curva normal padro, porm com
caudas mais largas, ou seja, uma simulao da t de Student pode gerar
valores mais extremos que uma simulao da normal. O nico parmetro v
que a define e caracteriza a sua forma o nmero de graus de liberdade.
Quanto maior for esse parmetro, mais prxima da normal ela ser. A
distribuio t de Student aparece naturalmente no problema de se
determinar a mdia de uma populao (que segue a distribuio normal) a
partir de uma amostra. Neste problema, no se sabe qual a mdia ou o
desvio padro da populao, mas ela deve ser normal. Supondo que o
tamanho da amostra n seja muito menor que o tamanho da populao,
temos que a amostra dada por n variveis aleatrias normais
independentes X1, ..., Xn, cuja mdia
melhor estimador para a mdia da populao.

Considerando
temos o seguinte resultado:

como a varincia amostral,

A varivel aleatria t dada por:

ou :

segue uma distribuio t de Student com

graus de liberdade.

 Qui-quadrado

uma
das
distribuies
mais
utilizadas
em estatstica inferencial, principalmente para realizar testes de 2. Este
teste serve para avaliar quantitativamente a relao entre o resultado de um
experimento e a distribuio esperada para o fenmeno. Isto , ele nos diz
com quanta certeza os valores observados podem ser aceitos como regidos
pela teoria em questo. Muitos outros testes de hiptese usam, tambm, a
distribuio 2.

Introduo inferncia estatstica:

O que ? Quando se utiliza? Para que serve?
um processo de raciocnio indutivo, em que se procuram tirar concluses
indo do particular, para o geral. um tipo de raciocnio contrrio ao tipo de
raciocnio matemtico, essencialmente dedutivo.
Utiliza-se quando se pretende estudar uma populao, estudando s alguns
elementos dessa populao, ou seja, uma amostra.
Serve para, a partir das propriedades verificadas na amostra, inferir
propriedades para a populao.
Tcnicas de amostragem o estudo de um pequeno grupo de
elementos retirado de uma populao que se pretende conhecer.
Esses pequenos grupos retirados da populao so chamados de Amostras.
Por que realizar um estudo por amostragem? Como a amostragem considera
apenas parte da populao, diferentemente de um censo, o tempo para
anlise e o custo so menores, alm de ser mais fcil e gerar resultados
satisfatrios.
Quando no se deve realizar um estudo por amostragem? Quando o
tamanho da amostra grande em relao ao tamanho da populao, ou
quando se exige o resultado exato, ou quando j se dispe dos dados da
populao, recomendado realizar um censo, que considera todos os
elementos da populao.
Para realizar um estudo por amostragem, a amostra deve ser representativa
da populao estudada. Para isso, existem tcnicas adequadas para cada
tipo de situao.
Amostragem Aleatria Simples
o processo mais elementar e freqentemente utilizado. Pode ser realizado
numerando-se os elementos da populao de 1 an e sorteando-se, por meio
de um dispositivo aleatrio qualquer, X nmeros dessa seqncia, que
correspondero aos elementos pertencente amostra.
Amostragem Estratificada
Quando a populao possui caractersticas que permitem a criao de
subconjuntos, as amostras extradas por amostragem simples so menos
representativas. Nesse caso, utilizada a amostragem estratificada.
Como a populao se divide em subconjuntos, convm que o sorteio dos
elementos leve em considerao tais divises, para que os elementos da
amostra sejam proporcionais ao nmero de elementos desses subconjuntos.
Amostragem Sistemtica
Esta tcnica de amostragem em populaes que possuem os elementos
ordenados, em que no h a necessidade de construir um sistema de
referncia. Nesta tcnica, a seleo dos elementos que comporo a amostra
pode ser feita por um sistema criado pelo pesquisador.
Amostragem por Conglomerados

Esta tcnica usada quando a identificao dos elementos da populao

extremamente difcil, porm pode ser relativamente fcil dividir a populao
em conglomerados (subgrupos) heterogneos representativos da populao
global.
A seguir, descrito o procedimento de execuo desta tcnica:
1) Seleciona uma amostra aleatria simples dos conglomerados existentes;
2) Realizar o estudo sobre todos os elementos do conglomerado
selecionado.
So exemplos de conglomerados: quarteires, famlias, organizaes,
agncias, edifcios, etc.
Amostragem Acidental
Trata-se da formao de amostras por aqueles elementos que vo
aparecendo. Este mtodo utilizado, geralmente, em pesquisas de opinio,
em que os entrevistados so acidentalmente escolhidos.
Amostragem Intencional
De acordo com determinado critrio, escolhido intencionalmente um grupo
de elementos que comporo a amostra. O pesquisador se dirige
intencionalmente a grupos de elementos dos quais deseja saber a opinio.

Distribuies amostrais:
Definio 1: Uma amostra aleatria de n elementos de uma populao
representada pelas variveis aleatrias
, no qual cada
,
com
representa um elemento da amostra. Se
e
so independentes e possuem mesma funo de probabilidade (ou funo
densidade de probabilidade), para todo
, dizemos que os elementos da
amostra so independentes e igualmente distribudos (i.i.d).
Definio 2: Seja
uma amostra aleatria i.i.d. de tamanho
de uma populao e seja
domnio inclui o espao amostral de

uma funo real ou vetorial cujo

. Neste caso, dizemos

que
a varivel ou vetor
aleatrio

chamado
de estatstica. A distribuio de probabilidade da estatstica Y chamada
de distribuio amostral de Y. Uma estatstica associada a algum parmetro
populacional tambm chamada de estimador.

Estimao de parmetros
A estimao um processo que consiste em utilizar dados amostrais (retirados
segundo amostragem probabilstica) a fim de obter concluses sobre os parmetros
da populao que so desconhecidos. A estimao pode ser feita por ponto ou por
intervalo.

Teste de hipteses
um mtodo de inferncia estatstica usando dados de um estudo cientfico. um
procedimento estatstico baseado na anlise de uma amostra, atravs da teoria de
probabilidades, usado para avaliar determinados parmetros que so
desconhecidos numa populao.
Os testes de hiptese so constitudos de alternativas que so testadas. Uma
populao tem uma amostra retirada e atravs da aplicao de teoria de
probabilidades possvel tirar concluses em relao a essa amostra, como
determinar sua veracidade em relao a composio da populao, distinguir entre
diferentes populaes das quais a amostra pode ser oriunda, auxiliar na
comprovao de uma teoria ou no remodelamento dos mtodos de testes aplicados

para a sua comprovao, determinar limites estatsticos para uma populao

(doenas, intenes de voto, salrio, por exemplo), checar a confiabilidade de um
estudo e no auxlio de qualquer tomada de deciso simples em que seja necessrio
um rigor estatstico para comprovao da escolha.
So fundamentais os seguintes conceitos para um teste de hiptese:
Hiptese nula (H0) : a hiptese que assumimos como verdade para a construo
do teste. o efeito, teoria, alternativa que estamos interessados em testar.
Hiptese alternativa (H1) : o que consideramos caso a hiptese nula no tenha
evidncia estatstica que a defenda.
Erro do tipo I: a probabilidade de rejeitarmos a hiptese nula quando ela
efetivamente verdadeira (\alpha)
Erro do tipo II: a probabilidade de rejeitarmos a hiptese alternativa quando ela
efetivamente verdadeira.
Ao estabelecermos um teste de hiptese, podemos adotar um procedimento
sistemtico como se segue[2] :
1. Avaliando o problema, escolhemos as hipteses. A hiptese nula, que ser
testada, e a hiptese alternativa.
2. Utilizando da teoria estatstica e informaes disponveis no problema,
decidimos qual ser a estatstica utilizada para testar a hiptese nula. Em
outras palavras, qual ser o estimador para o teste. Geralmente obtemos as
propriedades para esse estimador (mdia, desvio padro, distribuio
estatstica).
3. Admita um valor para o Erro do tipo I ( ), tambm chamado nvel de
significncia. Com o valor para
escolhido, e com os parmetros que
desejamos testar e os que obtemos do problema, construmos a regio
crtica. Esta que nos servir de regra de deciso para rejeitarmos ou no a
hiptese nula.
4. Retiramos da populao uma amostra, e, usando as observaes desta,
como a mdia, desvio padro, distribuio, executamos os clculos para
determinarmos o valor da estatstica de teste. Geralmente tratamos
da Distribuio Normal, que usamos a estatstica de teste Z, ou
da Distribuio t de Student, cuja estatstica t.
5. Se o valor da estatstica (Z ou t) calculado com os dados da amostra retirada
da populao no pertencer regio crtica estabelecida pelo nvel de
significncia, no rejeite a hiptese nula. Se pertencer, rejeite a hiptese
nula.
Para situaes onde no possvel rejeitar a hiptese nula, o procedimento pode
ser repetido com diferentes valores para o nvel de significncia, a fim de dar maior
preciso para a deciso fornecida pelo clculo da regio crtica e da estatstica de
teste.

Teste do qui-quadrado
Qui Quadrado, simbolizado por 2 um teste de hipteses que se destina a
encontrar um valor da disperso para duas variveis nominais, avaliando a
associao existente entre variveis qualitativas.
um teste no paramtrico, ou seja, no depende dos parmetros populacionais,
como mdia e varincia.
O princpio bsico deste mtodo comparar propores, isto , as possveis
divergncias entre as frequncias observadas e esperadas para um certo evento.
Evidentemente, pode-se dizer que dois grupos se comportam de forma semelhante
se as diferenas entre as frequncias observadas e as esperadas em cada categoria
forem muito pequenas, prximas a zero.
Portanto, o teste utilizado para:
Verificar se a frequncia com que um determinado acontecimento observado em
uma amostra se desvia significativamente ou no da frequncia com que ele
esperado.
Comparar a distribuio de diversos acontecimentos em diferentes amostras, a
fim de avaliar se as propores observadas destes eventos mostram ou no

diferenas significativas ou se as amostras diferem significativamente quanto s

propores desses acontecimentos.
Condies necessrias Para aplicar o teste as seguintes proposies precisam ser
satisfeitas:
Os grupos so independentes,
Os itens de cada grupo so selecionados aleatoriamente,
As observaes devem ser frequncias ou contagens
Cada observao pertence a uma e somente uma categoria e
A amostra deve ser relativamente grande (pelo menos 5 observaes em cada
clula e, no caso de poucos grupos - pelo menos 10 - Exemplo: em tabelas 2x 2).
Como calcular
Karl Pearson props a seguinte frmula para medir as possveis discrepncias entre
propores observadas e esperadas: 2 = [(o - e)2 /e] em que
o = frequncia observada para cada classe,
e = frequncia esperada para aquela classe.
Note-se que (o - e) = desvio (d), portanto a frmula tambm pode ser escrita como
2 = (d 2 /e)
Percebe-se que as frequncias observadas so obtidas diretamente dos dados das
amostras, enquanto que as frequncias esperadas so calculadas a partir destas
importante notar que (o - e) a diferena entre a frequncia observada e a
esperada em uma classe. Quando as frequncias observadas so muito prximas s
esperadas, o valor de 2 pequeno. Mas, quando as divergncias so grandes (o e) passa a ser tambm grande e, consequentemente, 2 assume valores altos.
Hipteses a serem testadas
O pesquisador trabalha com duas hipteses:
Hiptese nula: As frequncias observadas no so diferentes das frequncias
esperadas. No existe diferena entre as frequncias (contagens) dos grupos.
Portanto, no h associao entre os grupos
Hiptese alternativa: As frequncias observadas so diferentes da frequncias
esperadas, portanto existe diferena entre as frequncias. Portanto, h associao
entre os grupos. Procedimento necessrio obter duas estatsticas denominadas 2
calculado e 2 tabelado.
As frequncias observadas so obtidas diretamente dos dados das amostras,
enquanto que as frequncias esperadas so calculadas a partir destas. Assim, o 2
calculado obtido a partir dos dados experimentais, levando-se em considerao os
valores observados e os esperados, tendo em vista a hiptese. J o 2 tabelado
depende do nmero de graus de liberdade e do nvel de significncia adotado.
A tomada de deciso feita comparando-se os dois valores de 2 :
Se 2 calculado > ou = 2 tabelado: Rejeita-se Ho.
Se 2 calculado < 2 tabelado: Aceita-se Ho.
Quando se consulta a tabela de 2 observa-se que determinada uma
probabilidade de ocorrncia daquele acontecimento.
Portanto, rejeita-se uma hiptese quando a mxima probabilidade de erro ao
rejeitar aquela hiptese for baixa (alfa baixo). Ou, quando a probabilidade dos
desvios terem ocorrido pelo simples acaso baixa.
O nvel de significncia (alfa) representa a mxima probabilidade de erro que se
tem ao rejeitar uma hiptese.
O nmero de graus de liberdade, nesse caso assim calculado:
G.L. = nmero de classes - 1
E, evidentemente, quanto maior for o valor do 2 mais significante a relao entre
a varivel dependente e a varivel independente.

Regresso linear
uma equao para se estimar a condicional (valor esperado) de uma varivel y,
dados os valores de algumas outras variveis x. A regresso, em geral, trata da
questo de se estimar um valor condicional no esperado.

A regresso linear chamada "linear" porque se considera que a relao da

resposta s variveis uma funo linear de alguns parmetros. Os modelos de
regresso que no so uma funo linear dos parmetros se chamam modelos
deregresso no-linear. Sendo uma das primeiras formas de anlise regressiva a
ser estudada rigorosamente, e usada extensamente em aplicaes prticas. Isso
acontece porque modelos que dependem de forma linear dos seus parmetros
desconhecidos, so mais fceis de ajustar que os modelos no-lineares aos seus
parmetros, e porque as propriedades estatsticas dos estimadores resultantes so
fceis de determinar.
Modelos de regresso linear so frequentemente ajustados usando a abordagem
dos mnimos quadrados, mas que tambm pode ser montada de outras maneiras,
tal como minimizando a "falta de ajuste" em alguma outra norma (com menos
desvios absolutos de regresso), ou atravs da minimizao de uma penalizao da
verso dos mnimos quadrados. Por outro lado, a abordagem de mnimos quadrados
pode ser utilizado para ajustar a modelos que no so modelos lineares. Assim,
embora os termos "mnimos quadrados" e "modelo linear" esto intimamente
ligados, eles no so sinnimos.
Equao da Regresso Linear
Para se estimar o valor esperado, usa-se de uma equao, que determina a relao
entre ambas as variveis.
Em que:
- Varivel explicada (dependente); o valor que se quer atingir;
- uma constante, que representa a interceptao da reta com o eixo vertical;
- outra constante, que representa o declive(coeficiente angular)da reta;
- Varivel explicativa (independente), representa o fator explicativo na equao;
- Varivel que inclui todos os factores residuais mais os possveis erros de
medio. O seu comportamento aleatrio, devido natureza dos factores que
encerra. Para que essa frmula possa ser aplicada, os erros devem satisfazer
determinadas hipteses, que so: serem variveis normais, com a mesma
varincia
(desconhecida), independentes e independentes da varivel
explicativa X.
Clculo dos fatores

Definindo

, temos que

se relacionam por:

Correlao linear
Existe uma correlao entre duas variveis quando uma delas est, de alguma
forma, relacionada com a outra. Grfico ou Diagrama de Disperso o mtodo
grfico feito sobre dois eixos, x e y, que representa a correo entre as variveis.

Experimentao:
Repetio e casualizao;
Delineamento experimental inteiramente ao acaso;
Delineamento experimental em blocos ao acaso;
Testes de comparao de mdias.

Bibliografia bsica:
ANDRADE, D. F.; OGLIARI, P. J. Estatstica para as cincias Agrrias e
biolgicas: com noes de experimentao. Florianpolis: UFSC, 2007. 438p.
BUSSAB, W. O., MORETTIN, P. A. Estatstica Bsica. 7. ed. So Paulo: Saraiva,
2011. 540 p.
KAPS, M.; LAMBERSON, W.R. Biostatistics for animal science.
Cambridge:
CABI, 2004. 445p.
MAGALHES, M. N., LIMA, A. C. P. Noes de Probabilidade e Estatstica. 6.
ed. So Paulo: EDUSP, 2007.
TRIOLA, M. F. Introduo estatstica. 9. ed. Rio de Janeiro: LTC, 2005. 656p.
VIEIRA, S. Estatstica Experimental. 2. ed. So Paulo: Atlas, 1999. 185p.
VIEIRA, S. Elementos de Estatstica. 4. ed. So Paulo: Atlas, 2003. 168p.
VIEIRA, S., Bioestatstica: Tpicos Avanados. 2. ed. Editora Campus,
2004.
216p.