18/04/2012

Introduo

UNIVERSIDADE FEDERAL DO PARAN

SETOR DE CINCIAS DA TERRA
DEPARTAMENTO DE GEOMTICA

Medidas e Observaes
(processo ou operao X resultado da operao)

AJUSTAMENTO GA106
Prof. Alvaro Muriel Lima Machado
1

Introduo

Introduo

As medies podem ser feitas:

Propriedades fundamentais da medida:

Diretamente

Medir significa realizar uma operao fsica, consistindo de vrias

Indiretamente

operaes elementares tais como preparao, calibrao, pontaria,

leitura, etc.;
O resultado do processo a observao, e representa a medida;
A no ser na contagem de certos eventos, a medida sempre
realizada com o auxlio de instrumentos;
As medidas esto referenciadas a um padro, os quais so
estabelecidos por conveno. Medir ento comparar uma grandeza
a um padro, tendo ento unidade e dimenso;

Introduo

Introduo

Erros de Observao
No processo de medio, o

No existe observao exata;

operador

ter

Toda e qualquer observao contm erros;

conscincia que no existe

O valor verdadeiro da observao nunca

observao exata e todas as

conhecido;

deve

medidas esto afetadas por

A magnitude exata dos erros presentes no processo

erros.

sempre desconhecida.
Erro = Valor Medido Valor Verdadeiro
Desvio = Valor Medido Valor Mais Provvel
5

18/04/2012

Introduo

Introduo

A Teoria dos Erros cuida da anlise dos erros cometidos durante as

medies para saber se eles so estatisticamente confiveis e se
suas magnitudes so aceitveis (dentro de determinados limites).

Fontes de Erros
Erros Instrumentais
Erros Naturais

Em seguida as medidas devem ser ajustadas de acordo com as

especificaes geomtricas ou outras particularidades (condies ou
restries) que possam interferir no processo de medio.

Erros Pessoais
Classificao dos Erros de Observao
Erros Grosseiros
Erros Sistemticos

Finalmente obtm-se a melhor determinao do ponto medido.

Erros Acidentais ou Aleatrios

7

Erros Grosseiros

Erros Sistemticos

So oriundos de uma falsa determinao do valor de uma grandeza.

Pode ser provocado pela falta de ateno do operador (equvoco), ou
pelo uso de equipamento inadequado.
Exemplo: Troca de dgitos em anotaes de medidas
Podem ser detectados atravs de procedimentos de verificao.
Geralmente, os valores errados so facilmente detectveis devido
sua grandeza, sem relao alguma com outras observaes
efetuadas. Quando isto no acontece so muito difceis de serem
identificados.

So oriundos de influncias externas s medies, sem serem

considerados no processo. Podem ser de origem instrumental, ou de
origem fsica (condies ambientais).
Exemplos: Medida eletrnica de longa distncia sem a considerao
do efeito da refrao. Operador de nvel que realiza a leitura sempre
um pouco abaixo do trao da mira. Equipamento de medio no
calibrado.
Este tipo de erro possui a particularidade de se repetir da mesma
forma sempre que a medio for repetida em condies idnticas.
Pode ser eliminado atravs de tcnicas especiais de observao ou
de modelo fsico adequado para o clculo da grandeza medida.

ATENO
9

Erros Acidentais ou Aleatrios

10

Erros Acidentais ou Aleatrios

Depois da eliminao dos erros grosseiros (adoo de procedimentos

de verificao) e dos erros sistemticos (adoo de modelos fsicos
apropriados), as observaes repetidas sobre uma mesma grandeza
ainda se revelam com discrepncias entre si. Tais erros no so
vinculados a nenhuma causa conhecida.

Quando a quantidade de observaes cresce:

Os resduos de mesmo mdulo e sinais opostos so
igualmente provveis;
Os resduos menores ocorrem com maior frequncia;
A mdia dos resduos aproximadamente nula.
Mdia de resduos diferente
de zero deve servir de alerta
para a presena de erros
sistemticos!

O erro acidental o erro estudado

na Teoria dos Erros!

11

12

18/04/2012

Indicadores de Preciso

Introduo

Preciso X Acurcia (Exatido)

Importncia da redundncia nas observaes

Preciso:
Grau
de
afastamento
dos
valores
medidos em relao a sua
mdia.
Acurcia:
Grau
de
afastamento
dos
valores
medidos em relao ao seu
valor verdadeiro.

Preciso est vinculado apenas a efeitos aleatrios

Acurcia vincula-se a efeitos aleatrios e sistemticos.
13

Estatstica

um

Modelo Matemtico
Ajustamentos
Mtodo dos Mnimos Quadrados (MMQ)

14

Estatstica

L = [ 22,7 22,3 21,9 22,6 23,1 22,9 22,8 23,5 21,7 23,2]
Dado

Permite a deteco de erros grosseiros atravs da confirmao dos valores

medidos;
Permite uma avaliao mais precisa das propriedades desejadas, atravs da
execuo de um ajustamento;
Permite estimar a ordem de grandeza da preciso obtida para os valores
ajustados.
Graus de liberdade
Exemplos com verificao de erros de fechamento
Nivelamento em poligonal fechada
Somatria de ngulos internos de polgonos

conjunto

de

elementos,

quais

as

Populao X Amostra
A populao consiste de todas as possveis medidas
que podem ser feitas de uma quantidade particular.

ferramentas estatsticas que podem ser usadas

As vezes a populao tem um nmero infinito de

para representar e analisar o mesmo?

elementos (dados);
Amostra um subconjunto de dados selecionado a
partir da populao. Deve apresentar as mesmas
caractersticas (objeto de estudo) da populao, de
forma que possa represent-la adequadamente.
15

Estatstica

16

Estatstica
Espao Amostral
= Conjunto de todos os resultados possveis.

Distribuio de Probabilidade (ou FDP)

Parmetros
(valor fixo)

Varivel Aleatria (v.a.) ou estocstica uma funo que

associa a cada elemento de um espao amostral um
nmero real.
uma funo que assume um valor real em cada ponto
de seu espao amostral.

Amostra

Populao

estimar

Distribuio Amostral
Estatsticas
(varivel aleatria)

Por pontos
Por intervalos

A v.a. definida pela sua distribuio amostral, modelo

matemtico que associa uma probabilidade a cada valor
que a v.a. pode assumir.
17

18

18/04/2012

Estatstica

Microsoft Equation
3.0

Intervalo /Disperso / Amplitude: diferena entre o maior e o

menor valor da leitura.

Estatstica

Quando uma grande quantidade de dados brutos est envolvida nos

estudos, possvel distribu-los em classes ou categorias e determinar

Frequncia: quantidade de vezes que um evento acontece.

o nmero de indivduos pertencentes a cada uma das classes,

Frequncia Acumulada: somatrio das frequncias.

denominado freqncia da classe.

Porcentagem: calcula-se da seguinte maneira

Um arranjo tabular dos dados por classes, juntamente com as

frequncia
x100%
total

freqncias correspondentes, denominado distribuio de freqncia

ou tabela de freqncia.

Porcentagem Acumulada: somatrio das porcentagens.

19

Estatstica

20

Exerccio Resolvido

Histograma: grfico de barras que mostra a variao de uma medida

em um grupo de dados atravs da distribuio de frequncia.

Alturas de 100 estudantes do sexo

masculino da Universidade XYZ

Seu principal uso estimar a distribuio de uma caracterstica na

populao atravs de amostras.

Altura (cm)
151 158

Amplitude

O histograma demonstra visualmente a variabilidade das medidas de

uma caracterstica do processo em torno da mdia.

159 166

18

Classes

167 - 174

42

175 182

27

183 190

Vantagem:
Visualizao/entendimento
rpido do comportamento
da populao.

Nmero de estudantes

TOTAL

21

Histograma

Limites de classe
Comprimento de classe
Frequncia

100

22

Exerccio
A tabela abaixo mostra a distribuio de frequncia dos salrios, em reais,
de 65 empregados da Companhia X & Y.
Com referncia a esta tabela, determinar: a) O limite inferior da sexta classe;
b) O limite superior da quarta classe;
Salrios (Reais)
Nmero de
c) O ponto mdio da terceira classe;
empregados
d) Os limites reais da quinta classe;
e) Amplitude do quinto intervalo de
500,00 599,00
8
classe;
f) A frequncia da terceira classe;
600,00 699,00
10
g) A frequncia relativa da terceira
700,00 799,00
16
classe;
h) O intervalo de classe que tem a
800,00 899,00
14
maior frequncia (classe modal);
900,00 999,00
10
i) A porcentagem de empregados
1000,00 1099,00
5
que ganham menos de R$800,00;
j) A porcentagem de empregados
1100,00 1199,00
2
que ganham acima de R$599,00
TOTAL
65
e abaixo de R$1000,00;
k) Construir a distribuio de
frequncia acumulada.

Como construir um histograma?

1) Conte a quantidade de valores coletados na tabulao.
2) Determine a amplitude R de toda a tabulao, subtraindo o menor valor
do maior.
3) Determine a quantidade de classes K desejada.
4) Determine o intervalo de classe H = R/K.
5) Determine o limite das classes ou os pontos limites. Simplificando, tome
a menor medida individual da tabulao para ser o valor inferior do
primeiro intervalo. A este nmero acrescente o valor H e obter o valor
superior. Proceda da mesma forma com todos os outros valores at
chegar maior medida.
6) Construa uma tabela de frequncia baseada nos valores definidos no
passo 5 para os dados trabalhados no passo 1.
7) Construa o histograma baseado na tabela de frequncias.
23

24

18/04/2012

Exerccio Resolvido
a)
b)
c)
d)
e)
f)
g)
h)
i)

Exerccio Resolvido

O limite inferior da sexta classe = 1000,00;

O limite superior da quarta classe = 899,00;
O ponto mdio da terceira classe = 749,50;
Os limites reais da quinta classe = [900,00 a 999,00];
Amplitude do quinto intervalo de classe = 99,00;
A frequncia da terceira classe = 16;
A frequncia relativa da terceira classe = 16/65 = 24,6%;
O intervalo de classe modal = [700,00 a 799,00];
A porcentagem de empregados que ganham menos de R$800,00;

k) Construir a distribuio de frequncia acumulada.

8 + 10 + 16
x100% = 52,3%
65
j) A porcentagem de empregados que ganham acima de R$599,00 e
abaixo de R$1000,00;

10 + 16 + 14 + 10
x100% = 76,9%
65
25

salarios = [500 599 600 699 700 799 800 899 900 999 1000 1099 1100 1199];
empregados = [8 8 18 18 34 34 48 48 58 58 63 63 65 65];
plot(salarios, empregados)

26

Exerccio

Exerccio Resolvido

Na tabela seguinte esto relacionados os pesos de quarenta estudantes do

sexo masculino da Universidade Estadual, arredondados para meio quilo.
Construir o histograma e histograma de frequncia relativa, considerando 6
classes.

69

82

75

66

72

62,5

74,5

78,5

73

79

70

73,5

68

74

76

72

84

63

69

88

81,5

59,5

77

82,5

73

86,5

71

73,5

67,5

76,5

70

67,5

80,5

72,5

67,5

71

75

78

72,5

64
27

Exerccio Resolvido

1)
2)
3)
4)
5)

Quantidade de valores coletados na tabulao = 40.

Amplitude R de toda a tabulao = 88,0 - 59,5 = 28,5.
Quantidade de classes K desejada = 6.
Intervalo de classe H = R/K = 28,5/6 = 4,75
4,5.
Limite das classes: [59,5 a 64,0], [64,5 a 69,0], [69,5 a 74,0], [74,5 a
79,0], [79,5 a 84,0], [84,5 a 89,0].
6) Tabela de frequncia
Classes de
Pesos

Frequncia

Frequncia
Relativa

Freq Relativa
Acumulada

59,5 a 64,0

10,0

10,0

64,5 a 69,0

17,5

27,5

69,5 a 74,0

13

32,5

60,0

74,5 a 79,0

22,5

82,5

79,5 a 84,0

12,5

95,0

84,5 a 89,0

5,0

100,0

28

Estatstica
Medidas de tendncia central
N

Mdia aritmtica

M=

x
i =1

Mediana: o valor que ocupa o ponto intermedirio.

(quartis, decis, percentis)

Moda: o valor que mais frequentemente se repete.

29

30

18/04/2012

Estatstica

Exerccio
x

p(x)

0,020

0,001

0,002

0,005

0,002

0,040

0,180

0,370

0,250

0,120

10

0,010

Exemplo:
Seja uma amostra de tamanho n. A sua mdia aritmtica
n

x=

i =1

Se cada um dos r valores distintos de xi ocorrer na amostra com uma

frequncia nj, a frmula anterior assumir a forma
r

nj xj

j =1

x=

= xj. f j
j =1

x=
sendo f j =

nj
n

a frequncia relativa.

31

njxj

j =1

x=

x=
x=

= xj. f j
j =1

0*0,020 + 1*0,001 + 2*0,002 + 3*0,005 +

4*0,002 + 5*0,040 + 6*0,180 + 7*0,370 +
8*0,250 + 9*0,120 + 10*0,010
7,078

p=[0.02 0.001 0.002 0.005 0.002 0.04 0.180 0.37 0.25 0.12 0.01];
x = [0 1 2 3 4 5 6 7 8 9 10];
media = sum(x.*p)/sum(p)

Estatstica

Estatstica

Medidas de disperso

Medidas de disperso

32

Varincia da populao

2 =

i =1

Erro padro

2
i

Desvio padro

Varincia da amostra

s =

v
i =1

i =1

2
i

n
n

2
i

s=

v
i =1

2
i

n 1
n

n 1

Desvio padro da mdia

s =

v
i =1

2
i

n( n 1)

s
n

33

Medidas de disperso

34

Exerccio
O conjunto de dados, mostrado abaixo, representa a poro em segundos de
arco de 50 medidas de uma direo. Calcular a mdia, a mediana, desvio
padro da amostra e construir um histograma de classes.
L(01:10) = [34.2 33.6 35.2 30.1 38.4 34.0 30.2 34.1 37.7 36.4];
L(11:20) = [37.9 33.0 33.5 35.9 35.9 32.4 39.3 32.2 32.8 36.3];
L(21:30) = [35.3 32.6 34.1 35.6 33.7 39.2 35.1 33.4 34.9 32.6];
L(31:40) = [36.7 34.8 36.4 33.7 36.1 34.8 36.7 30.0 35.3 34.4];
L(41:50) = [33.7 34.1 37.8 38.7 33.6 32.6 34.7 34.7 36.8 31.8];

Curva normal reduzida

=0
=1

z=

35

36

18/04/2012

Exerccio Resolvido

Exerccio Resolvido
function [saida] = mediana(dados)

function [classe, frequencia] = histo(observacoes, numeroClasses)

% Funo que calcula a mediana

amplitude = max(observacoes) - min(observacoes);

% Tamanho do conjunto de dados

TamanhoClasse = amplitude / numeroClasses;

m = length(dados);

MetadeTamanhoClasse = TamanhoClasse/2;
for K = 1 : numeroClasses

% Classificao ascendente dos dados

LimiteInferiorClasse(K) = min(observacoes) +(K-1)*TamanhoClasse;

dados_em_ordem = sort(dados);

LimiteSuperiorClasse(K) = LimiteInferiorClasse(K) + TamanhoClasse;

% Qtde de elementos do conjunto par ou impar?

frequencia(K) = length(observacoes((LimiteInferiorClasse(K)<=observacoes) &

if (mod(m,2) == 0)

(observacoes<LimiteSuperiorClasse(K))));

saida = (dados_em_ordem(m/2)+dados_em_ordem(m/2+1))/2;

classe(K) = LimiteInferiorClasse(K) + MetadeTamanhoClasse;

else

end;

saida = dados_em_ordem(ceil(m/2));

plot(classe, frequencia)
37

Exerccio Resolvido

end

38

Exerccio

mean(L)

34,74

std(L)

2,2182

mediana(L)

34,70

Duas variveis, X e Y, assumem os valores X1 = 2, X2 = -5, X3 = 4, X4 = -8, e

Y1 = -3, Y2 = -8, Y3 = 10, Y4 = 6, respectivamente. Calcular:
a) X = X ;
2

Histograma para 10 classes

b) Y;
c) XY
d) X2;
e) Y2;
f) (X)(Y);
g) XY2;
h) ((X+Y)(X-Y)).

39

Exerccio Resolvido

40

Exerccio Resolvido

a) X;
X
2
-5
4
-8

X-
3,75
-3,25
5,75
-6,25

= -7

X = [2 -5 4 -8];

(X -

Y = [-3 -8 10 6];

)2

14,0625
10,5625
33,0625
39,0625
= 96,75

= -1,75
N

=
2

(X
i =1

) 2

N 1

96,75
=
= 32,25
3

41

a) X;

std(X)^2

b) Y;

std(Y)*std(Y)

c) XY

std(X.*Y)*std(X.*Y)

d) (X2);

std(X.*X)^2

674,2487

e) (Y2);

std(Y.*Y)^2

1517,5855

f) (X)(Y);

(std(X)*std(Y))^2

g) (XY2);

std(X.*Y.*Y)^2

h) ((X+Y)(X-Y)).

std((X+Y).*(X-Y))^2

32,2500
67,5833
1790,3307

2179,5639
112211,6004
2295,3298

42

18/04/2012

Exerccio

Exerccio
Um distancimetro eletrnico e um refletor foram instalados nos extremos
de uma linha de base com 500m de extenso aproximadamente. Um
operador repetiu 25 vezes a medida de seu comprimento e obteve os
seguintes resultados:

Prove que a soma dos desvios de X1, X2, ..., Xn em relao sua mdia
aritmtica M, igual a zero.
N

X
i =1

L(01:05) = [500.806 500.824 500.814 500.793 500.804];

L(06:10) = [500.803 500.816 500.820 500.811 500.807];
L(11:15) = [500.825 500.820 500.809 500.800 500.813];
L(16:20) = [500.813 500.817 500.812 500.815 500.805];
L(21:25) = [500.807 500.810 500.828 500.808 500.799];

N
N

N = X i
i =1

Pede-se:
a) A mdia, mediana e o desvio padro dos dados;
b) Construir um histograma dos dados e descrever suas propriedades. No
histograma delimite o desvio padro a partir da mdia em ambos os
lados;
c) Quantas observaes esto entre a mdia e o desvio padro? (Ms), e
qual a percentagem que estas medidas representam?

N = 0

i =1

(X
i =1

) = 0

43

44

Exerccio Resolvido

Exerccio Resolvido
hold on

mean(L)

500,811160

Xmin = mean(L) std(L);

mediana(L)

500,811

Xmax = mean(L) + std(L);

std(L)

0,008464

Conta = length(L((Xmin<=L) & (L<=Xmax)))

[classe, frequencia] = histo(L,10)

Xe = [Xmin Xmin];

plot(classe, frequencia)

Xd = [Xmax Xmax];

1*
2*
3*
Conta = 17

68,26%
95,45%
99,73%
17 / 25 = 68%

Y = [0 5];
line(Xe, Y)
line(Xd, Y)
hold on

45

Exerccio

46

Exerccio Resolvido

Uma distncia foi medida em duas partes com uma fita de ao de 100m de
comprimento, e depois, foi medida em sua totalidade com uma fita de ao
de 200m. As medidas foram repetidas 10 vezes em cada mtodo obtendo
os seguintes conjuntos de dados:
Observaes feitas com a fita de ao de 100m: (parte 1 e parte 2)
{100.001 100.018 99.974 99.992 99.972 99.990 99.950 99.984 99.979 99.988}
{49.329 49.365 49.346 49.300 49.327 49.324 49.349 49.357 49.341 49.333}

Observaes feitas com a fita de 200m: (medidas do total)

{149.326 149.397 149.357 149.294 149.337 149.338 149.329 149.331 149.370
149.363}

Pede-se:
a) A mdia, a varincia e o desvio padro para cada um dos dois conjuntos
das medidas parciais de distncia, e tambm para os conjuntos das
medidas considerando-se a distncia total;
b) Crie uma tabela de classes de frequncia e histograma para cada
conjunto de dados usando a largura da classe 0,009 (9mm).
47

L1=[100.001 100.018 99.974 99.992 99.972 99.990 99.950 99.984 99.979 99.988];
L2=[49.329 49.365 49.346 49.300 49.327 49.324 49.349 49.357 49.341 49.333];
L3 = L1 + L2;
L4=[149.326 149.397 149.357 149.294 149.337 149.338 149.329 149.331 149.370
149.363];
Media1 = mean(L1)
99,948
Media2 = mean(L2)
49,3371
Media3 = mean(L3)
149,3219
Media4 = mean(L4)
149,3442
Dp1 = std(L1)
0,018195
Dp2 = std(L2)
0,018687
Dp3 = std(L3)
0,026198
Dp4 = std(L4)
0,028514
Var1 = Dp1*Dp1
0,000331
Var2 = Dp2*Dp2
0,000349
Var3 = Dp3*Dp3
0,000262
Var4 = Dp4*Dp4
0,000813
48

18/04/2012

Estatstica

Estatstica

Distribuio de probabilidade de uma v.a. discreta

Distribuio de probabilidade de uma v.a. contnua

Seja X uma v.a. discreta, isto , que assume valores em

associao com nmeros inteiros x1, x2, ..., xn.
Associemos a cada xi um nmero p(xi) representativo da
sua probabilidade.

Seja X uma v.a. contnua.

A probabilidade pontual associada varivel discreta
substituda pela densidade de probabilidade (x) relativa
a um intervalo infinitsimo.

p(xi) = P(X = xi)

(x)dx = P(x X x+dx) ou ( x) = lim

x 0

tal que
a) 0 p(xi) 1

tal que
a) (x) 0

b)

p( x )
i =1

P ( x X x + x)
x

=1

c) P(a X b) = p ( xi )
i

b)

i tal que a X b.

( x).dx = 1

c) P(a X b) =

( x).dx
a

49

Estatstica

50

Estatstica

A funo que estabelece a correspondncia

entre um valor da v.a. contido no intervalo
elementar e a densidade de probabilidade
denominada funo densidade de probabilidade
(fdp).
x2

P( x1 X x2 ) = ( x).dx

Funo de distribuio de probabilidade acumulada

A funo tal que
x

( x) = P( X x) = (u ).du

x1

chama-se
funo
de
distribuio
(de
probabilidade) acumulada (fda) de uma v.a.
contnua X.

51

Exerccio

52

Exerccio Resolvido

A mdia dos dimetros internos de uma amostra de 200 arruelas produzidas

por uma certa mquina 0,502 cm e o desvio padro 0,005 cm. A finalidade
para a qual essas arruelas so fabricadas permite a tolerncia mxima, para o
dimetro de 0,496cm a 0,508cm; se isso no se verificar, as arruelas sero
consideradas defeituosas. Determinar a percentagem de arruelas defeituosas
produzidas pela mquina, admitindo-se que os dimetros so distribudos
normalmente.

0,496 em unidades reduzidas = (0,496 0,502) / 0,005 = - 1,2

0,508 em unidades reduzidas = (0,508 0,502) / 0,005 = +1,2

Curva normal reduzida

=0
=1

z=

Proporo de arruelas no defeituosas

= (rea limitada pela curva normal entre z = -1,2 e z = 1,2)
= (2 vezes a rea entre z = 0 e z = 1,2)
= 2*(0,3849) = 0,7698
76,98%

Porcentagem de arruelas defeituosas = 100% - 76,98% = 23,02%

53

54

18/04/2012

Exerccio

Exerccio Resolvido
A proporo desejada de estudantes = (rea entre z = -2,10 e z = 0,30)
= (rea entre z = -2,10 e z = 0) + (rea entre z = 0 e z = 0,30)
= 0,4821 + 0,1179 = 0,6000

O peso mdio de 500 estudantes do sexo masculino, de uma determinada

universidade, 75,5kg e o desvio padro 7,5kg. Admitindo-se que os
pesos esto distribudos normalmente, com largura de classe
considerada de 0,5kg, determinar quantos estudantes pesam:
a) Entre 60,0kg e 77,5kg;
b) Mais do que 92,5kg;
c) Menos do que 64,0kg;
d) 64,0kg;
e) 64,0kg ou menos;

a) Os pesos relacionados entre 60,0kg e 77,5kg podem ter, na realidade,

qualquer valor compreendido entre 59,75kg e 77,75kg (largura de classe).
Ento, o nmero de estudantes cujos pesos esto entre 60,0kg e 77,5kg
= 500*0,6000 = 300

59,75kg em unidades reduzidas = (59,75 75,50) / 7,5 = -2,10

77,75kg em unidades reduzidas = (77,75 75,50) / 7,5 = 0,30
55

Exerccio Resolvido

Se W representa o peso de um estudante escolhido ao acaso, o

resultado acima pode ser resumido, em termos de probabilidade,
escrevendo-se: Prob{59,75 W 77,75} = 0,6000

Exerccio Resolvido

b) Os estudantes com pesos superiores a 92,50kg devem pesar pelo

menos 92,75kg.
92,75kg em unidades reduzidas = (92,75 75,50) / 7,5 = 2,30

c) Os estudantes que pesam menos do que 64,0kg devem pesar menos

do que 63,75kg.
63,75kg em unidades reduzidas = (63,75 75,50) / 7,5 = -1,57

A proporo desejada de estudantes = (rea direita de z = 2,30)

= (rea direita de z = 0) (rea entre z = 0 e z = 2,30)
= 0,5 - 0,4893 = 0,0107

A proporo desejada de estudantes = (rea esquerda de z = -1,57)

= (rea esquerda de z = 0) (rea entre z = -1,57 e z = 0)
= 0,5 - 0,4418 = 0,0582

Ento, o nmero de estudantes que pesam mais do que 92,50kg

= 500*0,0107 = 5

56

57

Exerccio Resolvido

Ento, o nmero de estudantes que pesam menos do que 64,0kg

= 500*0,0582 = 29

58

Exerccio Resolvido

d) Os estudantes que pesam 64,0kg tem pesos compreendidos entre

63,75kg e 64,25kg.
63,75kg em unidades reduzidas = (63,75 75,50) / 7,5 = -1,57
64,25kg em unidades reduzidas = (64,25 75,50) / 7,5 = -1,50
A proporo desejada de estudantes = (rea entre z = -1,57 e z = -1,50)
= (rea entre z = -1,57 e z = 0) (rea entre z = -1,50 e z = 0)
= 0,4418 0,4332 = 0,0086

e) Os estudantes que pesam 64,0kg ou menos devem ter pesos inferiores

a 64,25kg.
64,25kg em unidades reduzidas = (64,25 75,50) / 7,5 = -1,50
A proporo desejada de estudantes = (rea esquerda de z = -1,50)
= (rea esquerda de z = 0) (rea entre z = -1,50 e z = 0)
= 0,5 0,4332 = 0,0668

Ento, o nmero de estudantes que pesam 64,0kg ou menos

= 500*0,0668 = 33

Ento, o nmero de estudantes que pesam 64,0kg

= 500*0,0086 = 4
59

60

10

18/04/2012

Exerccio

Exerccio Resolvido

Uma varivel aleatria contnua X, que pode assumir somente valores

compreendidos entre 2 e 8, inclusive, tem uma funo de densidade de

a)

P (a X b ) = ( x ).dx
a

X2

X2

P (2 X 8) = a * ( X + 3) * dx = a
+ 3 X a
+ 3 X = 1
2
2

8
2
2

probabilidade dada por a*(X+3), em que a uma constante.

a) Calcular o valor de a;
b) Determinar Prob{3<X<5}

a = 1/48

c) Determinar Prob{X4}
d) Determinar Prob{|X-5|<0,5}
b) Prob{3<X<5} =

1 a * ( X + 3) * dx a * ( X + 3) * dx

= 1 0,114583 0,593750 = 0,291667

61

Exerccio Resolvido

62

Exerccio Resolvido

c) Prob{X4} =

a * ( X + 3) * dx

Usando a tabela de distribuio normal reduzida, determinar x de tal forma que:

a) P(0 X x)

d) P(X x)

b) P(-x X x)

e) P(X -x ou X x)

= 1,166667 0,416667 = 0,750000

d) Prob{|X-5|<0.5} = Prob{4,5<X<5,5}
4,5

5, 5

1 a * ( X + 3) * dx a * ( X + 3) * dx
= 1 (0,492188 0,166667) (1,166667 0,658854) = 0,166667

c) P(X x)
Elaborar uma tabela com 19 linhas
contendo todas as probabilidades de
5% a 95%, em incrementos de 5%.

63

Exerccio Resolvido
a) P(0 X x)

b) P(-x X x)

c) P(X x)

Distribuies
Funo de distribuio normal (Gauss)

d) P(X x)

e) P(X -x ou X x)

64

Probabilidade
5%
10%
15%
20%
25%
30%
35%
40%
45%
50%
55%
60%
65%
70%
75%
80%
85%
90%
95%

a
0,13
0,25
0,39
0,52
0,67
0,84
1,04
1,28
1,65
4,60

b
0,06
0,13
0,19
0,25
0,32
0,39
0,45
0,52
0,60
0,67
0,76
0,84
0,93
1,04
1,15
1,28
1,44
1,65
1,96

c
-1,65
-1,28
-1,04
-0,84
-0,67
-0,52
-0,39
-0,25
-0,13
0,00
0,13
0,25
0,39
0,52
0,67
0,84
1,04
1,28
1,65

d
1,65
1,28
1,04
0,84
0,67
0,52
0,39
0,25
0,13
0,00
-0,13
-0,25
-0,39
-0,52
-0,67
-0,84
-1,04
-1,28
-1,65

e
1,96
1,65
1,44
1,28
1,15
1,04
0,93
0,84
0,76
0,67
0,60
0,52
0,45
0,39
0,32
0,25
0,19
0,13
0,06

65

f ( x) =

1 x 2

66

11

18/04/2012

Distribuies

Distribuies

Funo de distribuio t (Student)

Funo de distribuio t (Student)

usada para comparar a mdia da populao com a mdia da

amostra M com base no nmero de graus de liberdade da amostra.
Esta distribuio indicada quando a amostra menor do que 30
(pequenas amostras). Assim ela muito importante para analisar
dados de levantamentos.

Para pequenas amostras a distribuio normal apresenta valores

menos precisos.
A principal diferena entre a distribuio normal e a t de Student que
esta tem mais rea nas caudas.

t=

67

Distribuies
Funo de distribuio Chi-Quadrado

68

Distribuies

Funo de distribuio Chi-Quadrado

Compara a relao entre a varincia da amostra s2 e a varincia da

populao com base no nmero de redundncias ou graus de
liberdade da amostra.

A distribuio Chi-Quadrado usada nas amostragens estatsticas

para determinar o limite (superior e/ou inferior) no qual a
varincia da populao pode ser esperada a ocorrer com base em:
a) Alguma porcentagem de probabilidade especificada;

.s
= 2

b) A varincia da amostra;

c) O nmero de graus de liberdade da amostra.

69

Distribuies

70

Estimativa de Parmetros

Funo de distribuio F (Snedecor)

Esta distribuio usada quando se quer comparar a varincia de
duas amostras.

F=

12 / 1
22 / 2

71

72

12

18/04/2012

Estimao

Exerccios
Um ngulo foi medido dez vezes, conforme a
tabela. Calcule as estimativas pontual e por
intervalo.

A estimativa de um parmetro populacional, dada por um nmero

nico, denominada estimativa por pontos.
A estimativa de um parmetro populacional, dada por dois nmeros,
entre os quais pode-se considerar que ele esteja situado,
denominado estimativa por intervalos.

Observao

ngulo (ai)

120 31' 40,1"

120 31' 41,2"

120 31' 40,8"

120 31' 42,1"

120 31' 42,9"

120 31' 42,4"

120 31' 43,0"

120 31' 40,7"

120 31' 41,9"

10

120 31' 41,5"

ESTIMATIVA PONTUAL
a) Mdia

x = 120o 31'41,6600"
b) Erro Mdio Quadrtico de uma
observao isolada

As estimativas por intervalos indicam sua preciso e so, portanto,

preferveis s estimativas por pontos.

( ai x )
= 0,9698"
n 1
2

e.m.q. = =

Exemplo: Dizendo-se que uma distncia foi observada com 5,28m,

est se apresentando uma estimativa por pontos. Se, por outro lado,
se disser que a distncia mede 5,280,03m, isto , que ela est
compreendida entre 5,25 e 5,31m, dentro de uma certa
probabilidade, apresenta-se uma estimativa por intervalos.

c) Erro Mdio Quadrtico da Mdia

m x = x =

= 0,3067"

73

74

Exerccios

Exerccios

O nvel de significncia representado pela letra grega (usualmente

expresso em porcentagem *100%). Indica a probabilidade de erro.

O nvel de confiana o complemento do nvel de significncia (1- )*100%,

e indica a probabilidade de certeza nas inferncias estatsticas.

Teste unilateral

Teste bilateral

75

76

Exerccios

Exerccios
ESTIMATIVA POR INTERVALO
a) Intervalo de confiana para a mdia (em funo do desvio padro)

ESTIMATIVA POR INTERVALO

a) Intervalo de confiana para a mdia (em funo do desvio padro)

P[ x

t1 / 2 x +

Adotando 1 = 95%
Graus de liberdade = 10 1 = 9

t1 / 2 ] = 1

P[ x

Desvio padro da mdia

1 / 2 = 0,975
t0,975 (0,05) =

x
x+

x+

t0,975 = 120o31'41,66"+0,70" = 120o 31'42,36"

P[120 31'40,96" 120 31'42,36" ] = 95%

o

77

t1 / 2 ] = 1

t0 ,995 (0,01) =

3,250

t 0,995 = 0,31" x3,25 = 1,0075"

t0,975 = 120o 31'41,66"0,70" = 120o 31'40,96"

1 / 2 = 0,995

Graus de liberdade = 10 1 = 9

t 0,975 = 0,31" x 2,26 = 0,70"

t1 / 2 x +

Adotando 1 = 99%
2,262

Na tabela dada... As colunas indicam a soma das reas contidas nas duas caudas.

t0,995 = 120o 31'41,66"1,01" = 120o31'40,65"

t0,995 = 120o31'41,66"+1,01" = 120o31'42,67"

P[120o31'40,65" 120o31'42,67" ] = 99%

78

13

18/04/2012

Exerccios

Exerccios

ESTIMATIVA POR INTERVALO

b) Intervalo de confiana para a varincia

P[

Cauda
superior

P[

Cauda
inferior

1 / 2 = 0,975

Adotando 1 = 95%

/2 =
Na tabela dada...
As colunas indicam a rea na cauda superior.
2

2
0 , 025

(0,975) =

P[

80

Exerccios

Um ngulo foi medido em quatro etapas.

Tomando pesos proporcionais ao
nmero de observaes, estimar o valor
do ngulo e sua preciso.
ESTIMATIVA PONTUAL
a) Mdia ponderada

( pi ai )
x=
= 80o50'13,75"
pi

ngulo

Observaes

Peso

80 50 12

80 50 14

80 50 12

80 50 18

ESTIMATIVA POR INTERVALO

a) Intervalo de confiana para a mdia ponderada

P[ x x t1 / 2 x + x t1 / 2 ] = 1
1 / 2 = 0,975

Adotando 1 = 95%

t0 ,975 (0,05) =

Graus de liberdade = 4 1 = 3

3,182

x t0,975 = 1,4649 * 3,182 = 4,6613"

b) Erro Mdio Quadrtico de uma observao

isolada

x x t0, 975 = 80o50'13,75"4,66" = 80o 50'09,09"

( pi vi2 )
51,501
=
= 4,1433"
n 1
3

x + x t0, 975 = 80o50'13,75"+4,66" = 80o50'18,41"

c) Erro Mdio Quadrtico da Mdia Ponderada

P[80o50'09,09" 80o50'18,41" ] = 95%

= 1,4649"
81

Exerccios

P[

12 / 2

Adotando 1 = 95%

82

Estatstica

ESTIMATIVA POR INTERVALO

b) Intervalo de confiana para a varincia

pi vi2

1,735

0,96982 * 9
0,96982 * 9
2
] = 0,99
23,589
1,735

79

Exerccios

pi

23,589

P[0,60" 2,21" ] = 99%

P[0,67" 1,77" ] = 95%

12 / 2 = 02,995 (0,005) =
2 / 2 = 02,005 (0,995) =

P[0,3588"( 2 ) 2 4,8784"( 2) ] = 0,99

P[0, 4449"( 2 ) 2 3,1344"( 2) ] = 0,95

m x = x =

1 / 2 = 0,995

Graus de liberdade = 10 1 = 9

2,7004

0,96982 * 9
0,96982 * 9
2
] = 0,95
19,0228
2,7004

m = =

2 (n 1)
2 (n 1)
2
] = 1
2
1 / 2
2 / 2

Adotando 1 = 99%

12 / 2 = 02,975 (0,025) = 19,0228

Graus de liberdade = 10 1 = 9

P[

ESTIMATIVA POR INTERVALO

b) Intervalo de confiana para a varincia

Graus de liberdade

(n 1)
(n 1)
2
] = 1
12 / 2
2 / 2
2

pi vi2

2 / 2

] = 1

1 / 2 = 0,975

Graus de liberdade = 4 1 = 3

51,501
51,501
2
] = 95%
9,3484
0,2158
( 2)
2
P[5,5091" 238,6515"( 2) ] = 95%
P[

Esperana Matemtica de uma v.a.

Define-se valor esperado, valor mdio, expectncia, esperana
matemtica, ou simplesmente esperana de uma v.a. contnua X por

/ 2 (0,975) = 0,2158
2
1 / 2 (0,025) = 9,3484
2

x. ( x).dx

De maneira anloga define-se a esperana de uma funo de v.a. f(X)

E{ f ( X )} = x =

f ( X ). ( x).dx

P[2,35" 15,45" ] = 95%

No caso de desvio da mdia
1
1
=
P[0,83"
pi
8

E{ X } = x =

Esperana matemtica de uma v.a. discreta

n

E{ X } = xi . p ( xi )

5,46" ] = 95%

i =1

83

84

14

18/04/2012

Estatstica
Se

Estatstica

x E{X }

f i p( xi )

Momento de ordem r de uma v.a.

em relao sua esperana matemtica
(momento centrado) definido como:

Propriedades da esperana matemtica:

a) Sendo C e C constantes
E{C} = C;
E{CX} = CE{X};
E{C+CX} = C+CE{X}

M r = E{( X x ) r } = ( x x ) r .( x ).dx

b) E{X+Y+...+Z} = E{X} + E{Y} + ... + E{Z}

E{CX+CY} = CE{X} + CE{Y}

Tem particular importncia o momento de segunda ordem ou VARINCIA (r = 2)

+( x ) 2 . ( x).dx
x

var( X ) = = E{( X x ) } =
2
( xi x ) . p( xi )
i =1

c) E{XY} = E{X} . E{Y} +cov(XY)

d) E{E{X}} = E{X}

(v.a.c.)

(v.a.d.)

e) E{X2} (E{X})2
85

Exerccio

Exerccios

1) Se um homem adquirir um bilhete de loteria, poder ganhar um primeiro

prmio de R$5000,00 ou um segundo de R$2000,00, com as
probabilidades de 0,001 e de 0,003. Qual ser o preo justo a pagar
pelo bilhete?

Probabilidade (%) Fator de Sigma

E(X) = 0,001*5000 + 0,003*2000 = R$ 11,00

2) Em uma certa especulao comercial, um homem pode ter um lucro de
R$3000,00, com a probabilidade de 0,6, ou um prejuzo de R$1000,00,
com a probabilidade de 0,4. determinar sua esperana.
E(X) = 0,6*3000 - 0,4*1000 = R$ 1400,00

50

0,6745

90

1,645

95

1,960

99

2,576

99,7

2,968

99,9

3,29

Media = mean(L);
DesvioPadrao = std(L);
MenorValor = Media - 1.96*DesvioPadrao
MaiorValor = Media + 1.96*DesvioPadrao

Um observador realizou diversas medies de um objeto (distribuio normal)

obtendo:
L(01:05) = [212.22, 212.25, 212.23, 212.15, 212.23];
L(06:10) = [212.11, 212.29, 212.34, 212.22, 212.24];
L(11:15) = [212.19, 212.25, 212.27, 212.20, 212.25];
Verifique se existe alguma observao que possa ser rejeitada por estar fora
do nvel de exatido de 95,0%.

3) Qual o preo justo a pagar para entrar em um jogo no qual se pode

ganhar R$25,00 com probabilidade de 0,2 e R$10,00 com probabilidade
de 0,4?
E(X) = 0,2*25 + 0,4*10 = R$ 9,00
4) Qual o preo justo a pagar para um jogo simples na MegaSena (6
nmeros valor de aposta = R$2,00)? Probabilidade de acerto =
1/50063860
87

MVC

Duas observaes podem ser rejeitadas

212.11 e 212.34

88

MVC

Varivel Aleatria Bidimensional

Desenvolvendo a equao

Seja X o resultado de um experimento e Y de um segundo experimento,

ambos com varincia prpria.

X2 = E{( X X ) 2 }

Y2 = E{(Y Y ) 2 }

Podemos agora definir a covarincia XY da v.a. bidimensional para exprimir

a correlao entre as duas componentes, ou seja, o grau de dependncia
entre as mesmas:

xy =

( x

xy = E{( X x )(Y y )}

xy = E{ XY } + x y x E{Y } y E{ X }
xy = E{ XY } + x y x y y x
xy = E{ XY } x y
xy = E{ XY } E{ X }.E{Y }
Quando as componentes so estatsticamente independentes

cov( X , Y ) = xy = E{( X x )(Y y )}

ou

86

( XY ) = ( X ). (Y )

E{XY} = E{X}.E{Y}

Quando as componentes X e Y so estatsticamente independentes

a covarincia nula, sem que a recproca seja necessariamente
verdadeira.

).( y y ). ( x, y ).dx.dy

xy = 0

89

90

15

18/04/2012

MVC

MVC

Varivel Aleatria n-Dimensional

Seja X = [x1 x2 ... Xn

]T

Varivel Aleatria n-Dimensional

com cada xi representando agora uma v.a. unidimensional.

A esperana matemtica da varivel n-dimensional ou, em outras palavras, o vetor

esperado E{X} da distribuio n-dimensional, escreve-se:

x1 E{x1} 1


x E{x2 } 2
=
U x = E{ X } = E 2 =

M
M
M

xn E{xn } n

Temos assim n varincias

12 , 22 ,L, n2

(de cada uma das

componentes) e n*(n-1) covarincias entre os pares de componentes de

ndices diferentes (ij)

cov( xi , x j ) = ij = E{( xi i )( x j j )}

ij = ji

Cada componente xi de X uma v.a. unidimensional de varincia:

i2 = E{( xi i ) 2 }
91

MVC

MVC

Matriz Varincia-Covarincia (MVC)

As varincias

92

2 e as covarincias
i

ij

Desenvolvendo a expresso matricial

(ij) das componentes de uma

varivel n-dimensional X podem ser dispostas de maneira a formar uma matriz

quadrada (n x n) que indicada por

12 12 13

22 23
X = 21
L L L

n1 n 2 n3

L 1n

L 2n
L L

L n2

A matriz acima, simtrica, recebe o nome de matriz varincia-covarincia (MVC)

ou simplesmente matriz covarincia (pois a varincia um caso particular da
covarincia para i=j).
No caso das componentes do vetor X serem independentes entre si as
covarincias sero nulas e a MVC degenera numa matriz diagonal.
93

MVC

x1 1
x
2
2
[x 1
M 1

xn n

( X U x )( X U x )T

x2 2 L xn n ]

( x1 1 )( x1 1 ) ( x1 1 )( x2 2 )
( x )( x ) ( x )( x )
2
1
1
2
2
2
2
2
LLLL
LLLL

( xn n )( x1 1 ) ( xn n )( x2 2 )

L ( x1 1 )( xn n )
L ( x2 2 )( xn n )

L
LLLL

L ( xn n )( xn n )

o que nos permite escrever

X = E{( X U x )( X U x )T }

94

MVC
As seguintes matrizes NO podem ser matrizes de varincia e covarincia

Obs.: Sempre que as varincias da v.a. forem finitas a correspondente MVC

3
A=
4
5
B = 1

ser positiva semidefinida, isto

X .( MVC ). X 0
T

para todos os vetores X n 1

Propriedades de matriz positiva semidefinida:

Autovalores no negativos ( 0)

4
1
1 3
3 0

0 4

6 6
C=

6 6

Elementos diagonais no negativos ( 0)

Matriz simtrica

2 3
D = 3 5
5 3
E = [5 4 2]

Covarincia uma medida do grau de correlao existente entre duas

componentes quaisquer de uma funo n-dimensional.
95

96

16

18/04/2012

MVC

MVC

Coeficiente de Correlao Linear

Chama-se

coeficiente

de

correlao

linear

Podemos afirmar que h uma perfeita relao linear entre X e Y ou,

coeficiente

xy = 1

(adimensional) que descreve a dependncia linear entre as duas

e (b).

componentes da v.a. bidimensional.

xy =

xy
x . y

xy = 0

Dizemos que as variveis no so correlacionadas (X e Y no

tendem a variar juntas (figura (c)), mas isso no significa
necessariamente

1 xy +1

Demonstra-se que

em outras palavras, que Y uma funo linear de X. Ver figuras (a)

que

as

componentes

sejam

independentes

estatsticamente.

97

98

MVC

Matriz dos Coeficientes de Correlao

A partir da MVC pode-se calcular a matriz dos coeficientes de correlao

R = 21
L

n1

ij =

12
1
L

13 L 1n
23 L 2 n
L

n 2

n3 L

ij
i . j

99

100

MVC Correlao estatstica

n

x, y =

( x x )( y
i

i =1

Exerccios
Implementar uma rotina (function) em FreeMat que calcule a Matriz dos

y)

Coeficientes de Correlao, a partir da MVC.

(x x) ( y y)
2

i =1

x, y =

1 n
xi2 ( xi ) 2

n i =1
i =1

function [CoefCor] = coefcor(mvc);

[Lmax,Cmax] = size(mvc);
for L = 1:Lmax
for C = 1:Cmax
if (L==C)

x y nx y
i =1

function [saida] = nome (entrada)

i =1

i =1

i =1

CoefCor(L,C) = 1;

1 n
yi2 ( yi ) 2

n i =1
i =1

else
CoefCor(L,C) = mvc(L,C)/sqrt(mvc(L,L)*mvc(C,C));
end;
end;
end;
101

102

17

18/04/2012

Exerccios

Exerccios

Dois estudantes discutem sobre quem realiza a melhor medio de um

ngulo. Para resolver a disputa, ambos concordam em medir um
determinado ngulo quinze vezes. Os resultados das observaes so:
(Extrado de GHILANI, C. D. Adjustment Computations Spatial Data
Analysis. John Wiley & Sons, Inc, New Jersey, 2010. Fifth ed, pp 31)
Aluno A

1) Calcular a mdia, mediana, desvio padro, varincia, desvio padro da mdia:

a) [6, 2, 4, 5, 3];
b) [6, 4, 5, 3, 2, 5];
c) [5, 7, 3, 6, 2, 9];

Aluno B

1082619

1082611

1082627

1082625

1082628

1082621

1082620

1082616

1082618

1082624

1082621

1082623

d) [8, 4, 3, 6, 5, 7, 2];

1082630

1082623

1082623

1082617

1082623

1082622

2) Um operador executa uma determinada atividade em tempo mdio de 12

1082618

1082622

1082620

1082623

1082619

1082627

minutos e desvio padro de 1,5 minutos, com distribuio normal. Qual a

1082614

1082622

1082620

1082624

1082619

1082624

probabilidade de que este operador leve entre 10 minutos e 15 minutos para

executar a atividade?

103

104

Exerccios

Exerccios

3) Suponha que uma fbrica tenha estabelecido que a vida mdia dos pneus para

4) Um fabricante de refrigerantes vende um de seus produtos engarrafados em

automveis, de sua fabricao, de 35.000km rodados, com um desvio padro

vasilhames de 1 litro. Para engarrafar este produto utilizada uma mquina que,

de 3.000km. Suponha ainda que o tempo de durao dos pneus seja uma v.a.

calibrada, permite obter o volume desejado, segundo uma distribuio normal,

normalmente distribuda.
a)

com um desvio padro de 30ml.

Se a fbrica oferecer uma garantia de 30.000km, em condies normais de uso

a)

do veculo, qual a probabilidade de que um pneu vendido tenha de ser

8% das garrafas tenham um volume menor do que o nominal, em quanto deve

substitudo?
b)

ser regulada a mquina para que o fabricante no seja autuado?

Qual quilometragem a fbrica deve oferecer como garantia, para que nenhum

b)

pneu vendido tenha de ser substitudo?

c)

Se a mquina for calibrada para colocar 1,035ml de lquido no vasilhame, qual

a porcentagem de vasilhames que no estaro atendendo s especificaes do

A fbrica est interessada em melhorar a qualidade dos pneus e, para isso, est
estudando a possibilidade de se aumentar a durao mdia dos pneus. Qual
deveria ser a durao mdia para que, com uma garantia de 30.000km, somente
1% dos pneus vendidos tenham de ser trocados?

Se o rgo Fiscalizador do Governo (OFG) faz a exigncia de que no mais de

OFG?
c)

Para qual valor deve ser ajustada a preciso da mquina, para que estando
calibrada em 1.350ml, as especificaes do OFG sejam atendidas?

105

106

Exerccios

Exerccios

5) Foram observados os tempos de durao do intervalo para o cafezinho, para uma

6) Um fabricante de lmpadas afirma que o tempo de durao do seu produto, em horas,

amostra de 20 empregados de uma grande empresa (1000 funcionrios), obtendo-se

distribudo aproximadamente normal. Se uma amostra aleatria de 30 lmpadas

os seguintes resultados, em minutos:

teve tempo de vida mdio de 780 horas, com desvio padro de 40 horas, encontre um

[15.79 15.75 18.11 14.54 10.06 17.32 18.52 16.11 13.59 18.63]

intervalo de 95% de confiana para o tempo mdio de vida das lmpadas desta

[16.27 13.75 15.16 14.75 13.03 18.47 12.14 14.67 16.52 12.47]

fbrica.

Supondo a varivel tempo distribuda segundo uma Normal:

7) Um aluno de engenharia cartogrfica realizou um levantamento fazendo observaes

de duas v.a., obtendo os seguintes resultados:

a) Encontre a mdia e a variabilidade estimadas do tempo de durao do intervalo

para o cafezinho dos funcionrios desta empresa. Encontre, ainda, intervalos de
90% de confiana para a mdia e a varincia.

x = [1.559 1.577 1.513 1.565 1.535]

y = [8.026 8.070 8.118 8.130 8.154]
Deseja-se saber se existe correlao (estatstica) entre as variveis x e y, e o valor do
coeficiente de correlao linear.

b) Quantos funcionrios da empresa tero o tempo de durao do intervalo para o

cafezinho maior que 20 minutos?
107

108

18

18/04/2012

Exerccios

Exerccios

Microsoft
Equation 3.0

1) Calcular a mdia, mediana, desvio padro, varincia, desvio padro da mdia:

2) Um operador executa uma determinada atividade em tempo mdio de 12

a) [6, 2, 4, 5, 3];

minutos e desvio padro de 1,5 minutos, com distribuio normal. Qual a

b) [6, 4, 5, 3, 2, 5];

probabilidade de que este operador leve entre 10 minutos e 15 minutos para

c) [5, 7, 3, 6, 2, 9];

executar a atividade?

d) [8, 4, 3, 6, 5, 7, 2];
a = [6,2,4,5,3]

(a)

(b)

(c)

(d)

4,0000

4,1667

5,3333

5,0000

mean(a)

Mdia

sort(a)

Mediana

4,0000

4,5000

5,5000

5,0000

2
x

1,5811

1,4720

2,5820

2,1602

2,5000

2,1667

6,6667

4,6667

0,7071

0,6009

1,0541

0,8165

std(a)
var(a)
std(a)/sqrt(length(a))

= 12
= 1,5

10 12
1,5 = 1,33

15 12

= 2,00
1,5

0,4082

0,4772

P(10 <= tempo <= 15) = 0,4082 + 0,4772 = 0,8854

109

110

Exerccios

Exerccios

3) Suponha que uma fbrica tenha estabelecido que a vida mdia dos pneus para

3a)

automveis, de sua fabricao, de 35.000km rodados, com um desvio padro

= 35000
= 3000

30000 35000
= 1,67

3000

de 3.000km. Suponha ainda que o tempo de durao dos pneus seja uma v.a.

P(tempo de durao do pneu < 30.000Km) = 0,5000 0,4525 = 0,0475

normalmente distribuda.
a)

Se a fbrica oferecer uma garantia de 30.000km, em condies normais de uso

do veculo, qual a probabilidade de que um pneu vendido tenha de ser

3b) 0Km

A fbrica no d garantia!

substitudo?
b)

Qual quilometragem a fbrica deve oferecer como garantia, para que nenhum

3c)

pneu vendido tenha de ser substitudo?

c)

30000
= 2,33

3000

= 36.990Km

A fbrica est interessada em melhorar a qualidade dos pneus e, para isso, est
estudando a possibilidade de se aumentar a durao mdia dos pneus. Qual
deveria ser a durao mdia para que, com uma garantia de 30.000km, somente
1% dos pneus vendidos tenham de ser trocados?

111

112

Exerccios

Exerccios

4) Um fabricante de refrigerantes vende um de seus produtos engarrafados em

4a)

vasilhames de 1 litro. Para engarrafar este produto utilizada uma mquina que,

1000
= 1,41

30

= 1042,3ml

calibrada, permite obter o volume desejado, segundo uma distribuio normal,

com um desvio padro de 30ml.
a)

4b)

Se o rgo Fiscalizador do Governo (OFG) faz a exigncia de que no mais de

8% das garrafas tenham um volume menor do que o nominal, em quanto deve

P(vasilhames no atendem OFG) = 0,5000 0,3790 = 0,1210

ser regulada a mquina para que o fabricante no seja autuado?

b)

Se a mquina for calibrada para colocar 1.035ml de lquido no vasilhame, qual

a porcentagem de vasilhames que no estaro atendendo s especificaes do
OFG?

c)

1000 1035
= 1,17

30

4c)

1000 1035
= 1,41

= 24,82ml

Para qual valor deve ser ajustada a preciso da mquina, para que estando
calibrada em 1.035ml, as especificaes do OFG sejam atendidas?
113

114

19

18/04/2012

Exerccios

Exerccios

5) Foram observados os tempos de durao do intervalo para o cafezinho, para uma

P[ x

os seguintes resultados, em minutos:

[15.79 15.75 18.11 14.54 10.06 17.32 18.52 16.11 13.59 18.63]

a) Encontre a mdia e a variabilidade estimadas do tempo de durao do intervalo

para o cafezinho dos funcionrios desta empresa. Encontre, ainda, intervalos de
90% de confiana para a mdia e a varincia.
b) Nestas condies, quantos funcionrios da empresa tero o tempo de durao do
intervalo para o cafezinho maior que 20 minutos?

Exerccios
Graus de liberdade
Cauda
inferior

1 / 2 = 0,95

t 0,95 =

t1 / 2 ] = 1

1 / 2 = 0,95

t0 ,95 (0,10) =

1,729

2,3422
x1,729 = 0,9055 min
20

x
t0,95 = 15,2825 0,9055 = 14,3770
n

x+
t0,95 = 15,2825 + 0,9055 = 16,1880
n
116

5b)

20 15,2825
= 2,01

2,3422

0,5000 0,4778 = 0,0222

1000*0,0222 = 22,2 funcionrios

12 / 2 = 02,95 (0,05) =

30,144

2 = 2 (0,95) =

10,117

/2
0 , 05
Na tabela dada...
As colunas indicam a rea na cauda superior.

P[

t1 / 2 x +

Exerccios

2 (n 1)
2 (n 1)
P[ 2
2
] = 1
1 / 2
2 / 2

Graus de liberdade = 20 1 = 19

P[14,3770 16,1880] = 90%

115

Adotando 1 = 90%

2 = 5,4859

= 2,3422

Graus de liberdade = 20 1 = 19

amostras (t-Student)

Cauda
superior

Adotando 1 = 90%

[16.27 13.75 15.16 14.75 13.03 18.47 12.14 14.67 16.52 12.47]
Supondo o tempo v.a. em conformidade com a distribuio Normal para pequenas

5a)

= 15,2825

5a)

amostra de 20 empregados de uma grande empresa (1000 funcionrios), obtendo-se

2,34222 *19
2,34222 *19
2
] = 0,90
30,144
10,117

P[3,4578 min 2 2 10,3027 min ( 2 ) ] = 0,90

P[1,8595 min 3,2098 min] = 90%

117

Exerccios

118

Exerccios

6) Um fabricante de lmpadas afirma que o tempo de durao do seu produto, em horas,

distribudo aproximadamente normal. Se uma amostra aleatria de 30 lmpadas
teve tempo de vida mdio de 780 horas, com desvio padro de 40 horas, encontre um
intervalo de 95% de confiana para o tempo mdio de vida das lmpadas desta
fbrica.

7) Um aluno de engenharia cartogrfica realizou um levantamento fazendo observaes

de duas v.a., obtendo os seguintes resultados:
x = [1.513 1.535 1.559 1.565 1.577]
y = [8.026 8.070 8.118 8.130 8.154]
Deseja-se saber se existe correlao (estatstica) entre as variveis x e y, e o valor do

7) Um aluno de engenharia cartogrfica realizou um levantamento fazendo observaes

coeficiente de correlao linear.

n

de duas v.a., obtendo os seguintes resultados:

x = [1.559 1.577 1.513 1.565 1.535]

x, y =

y = [8.026 8.070 8.118 8.130 8.154]

Deseja-se saber se existe correlao (estatstica) entre as variveis x e y, e o valor do

( x x )( y
n

y)

(x x) ( y y)
2

i =1

coeficiente de correlao linear.

i =1

i =1

covarXY = sum((x-medX).*(y-medY))/sqrt(sum((x-medX).^2)*sum((y-medY).^2))

119

covarXY = 1,0000

120

20

18/04/2012

Exerccios

Exerccios

1) Duas variveis amostrais X e Y assumem os valores X1 = 2, X2 = 5, X3 = 4,

X4 = 8, e Y1 = 3, Y2 = 7, Y3 = 2, Y4 = 6. Calcular:
a) MVC(X*Y);
b) MVC(X)*MVC(Y);
c) Mdia, mediana e desvio padro de X;
d) Mdia, mediana e desvio padro de Y.
a) X = [2, 5, 4, 8];
Y = [3, 7, 2, 6];
A = X.*Y;
mvcA = var(A)
425.5833

2) Dada a MVC de trs variveis aleatrias [3,2,1;2,5,2;1,2,4] (sintaxe

Freemat), determinar quais duas variveis apresentam a maior correlao entre
si, e qual o porcentual.
(ver funo de clculo do coeficiente de correlao slide 102)
Mvc = [3,2,1;2,5,2;1,2,4];

b) X = [2, 5, 4, 8];
Y = [3, 7, 2, 6];
mvcB = var(X)*var(Y)
35.4167

CoefCor = coefcor(mvc)

CoefCor =

c)

mediaX = mean(X)
x = sort(X);
medianaX = (x(2)+x(3))/2
dpadX = std(X)
4.75
4.50
2.50

d) mediaY = mean(Y)
y = sort(Y);
medianaY = (y(2)+y(3))/2
dpadY = std(Y)
4.50
4.50
2.3805

Resposta: Variveis 1 e 2 com porcentual de 51,64%

121

122

Exerccios

Exerccios

3) Uma distncia foi medida cinco vezes, conforme a tabela. Calcule as

estimativas pontual e por intervalo de confiana (95%).

P[ x

t1 / 2 x +

55,88

56,06

Adotando 1 = 95%

55,83

Graus de liberdade = 5 1 = 4

55,95

56,02

n
55.9480
0.0952
0.0426
123

Exerccios

2 (n 1)
2 (n 1)
P[ 2
2
] = 1
1 / 2
2 / 2

Adotando 1 = 95%
Graus de liberdade = 5 1 = 4

t 0,975

t1 / 2 ] = 1

1 / 2 = 0,975

t0 ,975 (0,05) =

2,776

0,0952
=
x 2,776 = 0,118187m
5

x
t0,975 = 55,9480 0,1182 = 55,8298
n

x+
t0, 975 = 55,9480 + 0,1182 = 56,0662
n

P[55,8298 56,0662] = 95%

124

Exerccios
Graus de liberdade
Cauda
inferior

1 / 2 = 0,975

12 / 2 = 02,975 (0,025) = 11,143

2 / 2 = 02, 025 (0,975) = 0,484

Na tabela dada...
As colunas indicam a rea na cauda superior.

P[

D = [55.88, 56.06, 55.83, 55.95, 56.02];

mediaD = mean(D)
desvpadD = std(D)
desvpadMedD = std(D)/sqrt(5)

Cauda
superior

2 = 0,0091

= 0,0952

= 55,9480

Observao Distncia (m)

5a)

1.0000 0.5164 0.2887

0.5164 1.0000 0.4472

0.2887 0.4472 1.0000

0,09522 * 4
0,09522 * 4
2
] = 0,95
11,143
0,484

4) Para se ajustar a uma mquina, a correia deve ter entre 0.98 e 1,02m de
comprimento. Tendo em vista o processo de fabricao, o comprimento
dessas correias pode ser considerado como uma varivel aleatria com
distribuio normal de mdia 100,3cm e desvio padro 0,8cm. Pergunta-se
qual a probabilidade de uma correia, escolhida ao acaso, poder ser usada na
mquina?
Zinf = (98 media)/ = -2,8750

0,4980

Zsup = (102 media)/ = 2,1250

0,4832

Probabilidade = 0,4980 + 0,4832 = 0,9812

98,12%

P[0,003253 m 2 2 0,074901 m 2 ] = 0,95

P[0,0571 m 0,2738 m] = 95%

125

126

21

18/04/2012

Exerccios

Exerccios

5) Um fabricante de lmpadas afirma que o tempo de durao do seu produto,

em horas, distribudo aproximadamente normal. Se uma amostra aleatria de
100 lmpadas teve tempo de vida mdio de 780 horas, com desvio padro de
40 horas, qual o maior tempo mdio de vida das lmpadas que o fabricante
pode oferecer garantia sabendo-se que ele est disposto a trocar at 5% das
lmpadas?
(tempo media)/sigma = -1,64
tempo = media - 1.64*sigma

714,4 horas

127

128

22