Você está na página 1de 12
UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS DA TERRA DEPARTAMENTO DE GEOMÁTICA AJUSTAMENTO – GA106
UNIVERSIDADE FEDERAL DO PARANÁ
SETOR DE CIÊNCIAS DA TERRA
DEPARTAMENTO DE GEOMÁTICA
AJUSTAMENTO – GA106
Prof. Alvaro Muriel Lima Machado
1
Introdução Propriedades fundamentais da medida: • Medir significa realizar uma operação física, consistindo de
Introdução
Propriedades fundamentais da medida:
• Medir significa realizar uma operação física, consistindo de várias
operações elementares tais como preparação, calibração, pontaria,
leitura, etc.;
• O resultado do processo é a observação, e representa a medida;
• A não ser na contagem de certos eventos, a medida é sempre
realizada com o auxílio de instrumentos;
• As medidas estão referenciadas a um padrão, os quais são
estabelecidos por convenção. Medir é então comparar uma grandeza
a um padrão, tendo então unidade e dimensão;
3
Introdução No processo de medição, o operador deve ter consciência que não existe observação exata
Introdução
No processo de medição, o
operador deve
ter
consciência que não existe
observação exata e todas as
medidas estão afetadas por
erros.
5

28/02/2014

Introdução Medidas e Observações (processo ou operação X resultado da operação) 2
Introdução
Medidas e Observações
(processo ou operação X resultado da operação)
2
Introdução As medições podem ser feitas: • Diretamente • Indiretamente 4
Introdução
As medições podem ser feitas:
• Diretamente
• Indiretamente
4
Introdução Erros de Observação • Não existe observação exata; • Toda e qualquer observação contém
Introdução
Erros de Observação
• Não existe observação exata;
• Toda e qualquer observação contém erros;
• O valor verdadeiro da observação nunca é
conhecido;
• A magnitude exata dos erros presentes no processo
é sempre desconhecida.
Erro = Valor Medido – Valor Verdadeiro
Desvio = Valor Medido – Valor Mais Provável
6
Introdução A Teoria dos Erros cuida da análise dos erros cometidos durante as medições para
Introdução
A Teoria dos Erros cuida da análise dos erros cometidos durante as
medições para saber se eles são estatisticamente confiáveis e se
suas magnitudes são aceitáveis (dentro de determinados limites).
Em seguida as medidas devem ser ajustadas de acordo com as
especificações geométricas ou outras particularidades (condições ou
restrições) que possam interferir no processo de medição.
Finalmente obtém-se a melhor determinação do ponto medido.
7
Erros Grosseiros São oriundos de uma falsa determinação do valor de uma grandeza. Pode ser
Erros Grosseiros
São oriundos de uma falsa determinação do valor de uma grandeza.
Pode ser provocado pela falta de atenção do operador (equívoco), ou
pelo uso de equipamento inadequado.
Exemplo: Troca de dígitos em anotações de medidas
Podem ser detectados através de procedimentos de verificação.
Geralmente, os valores errados são facilmente detectáveis devido à
sua grandeza, sem relação alguma com outras observações
efetuadas. Quando isto não acontece são muito difíceis de serem
identificados.
ATENÇÃO
9
Erros Acidentais ou Aleatórios Depois da eliminação dos erros grosseiros (adoção de procedimentos de verificação)
Erros Acidentais ou Aleatórios
Depois da eliminação dos erros grosseiros (adoção de procedimentos
de verificação) e dos erros sistemáticos (adoção de modelos físicos
apropriados), as observações repetidas sobre uma mesma grandeza
ainda se revelam com discrepâncias entre si. Tais erros não são
vinculados a nenhuma causa conhecida.
O erro acidental é o erro estudado
na Teoria dos Erros!
11

28/02/2014

Introdução Fontes de Erros • Erros Instrumentais • Erros Naturais • Erros Pessoais Classificação dos
Introdução
Fontes de Erros
• Erros Instrumentais
• Erros Naturais
• Erros Pessoais
Classificação dos Erros de Observação
• Erros Grosseiros
• Erros Sistemáticos
• Erros Acidentais ou Aleatórios
8
Erros Sistemáticos São oriundos de influências externas às medições, sem serem considerados no processo. Podem
Erros Sistemáticos
São oriundos de influências externas às medições, sem serem
considerados no processo. Podem ser de origem instrumental, ou de
origem física (condições ambientais).
Exemplos: Medida eletrônica de longa distância sem a consideração
do efeito da refração. Operador de nível que realiza a leitura sempre
um pouco abaixo do traço da mira. Equipamento de medição não
calibrado.
Este tipo de erro possui a particularidade de se repetir da mesma
forma sempre que a medição for repetida em condições idênticas.
Pode ser eliminado através de técnicas especiais de observação ou
de modelo físico adequado para o cálculo da grandeza medida.
10
Erros Acidentais ou Aleatórios Quando a quantidade de observações cresce: • Os resíduos de mesmo
Erros Acidentais ou Aleatórios
Quando a quantidade de observações cresce:
• Os resíduos de mesmo módulo e sinais opostos são
igualmente prováveis;
• Os resíduos menores ocorrem com maior frequência;
• A média dos resíduos é aproximadamente nula.
Média de resíduos diferente
de zero deve servir de alerta
para a presença de erros
sistemáticos!
12
Indicadores de Precisão Precisão X Acurácia (Exatidão) Precisão: Grau de afastamento dos valores medidos em
Indicadores de Precisão
Precisão X Acurácia (Exatidão)
Precisão:
Grau
de
afastamento
dos
valores
medidos
em
relação
a
sua
média.
Acurácia:
Grau
de
afastamento
dos
valores
medidos em relação ao seu
valor verdadeiro.
Precisão está vinculado apenas a efeitos aleatórios
Acurácia vincula-se a efeitos aleatórios e sistemáticos.
13
Estatística L = [ 22,7 22,3 21,9 22,6 23,1 22,9 22,8 23,5 21,7 23,2] Dado
Estatística
L = [ 22,7 22,3 21,9 22,6 23,1 22,9 22,8 23,5 21,7 23,2]
Dado um conjunto de elementos, quais as
ferramentas estatísticas que podem ser usadas
para representar e analisar o mesmo?
15
Estatística População Amostra Distribuição de Probabilidade (ou FDP) Distribuição Amostral estimar
Estatística
População
Amostra
Distribuição de Probabilidade (ou FDP)
Distribuição Amostral
estimar
Parâmetros
Estatísticas
(valor fixo)
(variável aleatória)
• Por pontos
• Por intervalos
17

28/02/2014

Introdução Importância da redundância nas observações • Permite a detecção de erros grosseiros através da
Introdução
Importância da redundância nas observações
• Permite a detecção de erros grosseiros através da confirmação dos valores
medidos;
• Permite uma avaliação mais precisa das propriedades desejadas, através da
execução de um ajustamento;
• Permite estimar a ordem de grandeza da precisão obtida para os valores
ajustados.
Graus de liberdade
Exemplos com verificação de erros de fechamento
• Nivelamento em poligonal fechada
• Somatória de ângulos internos de polígonos
Modelo Matemático: funcional e estocástico
Ajustamentos
Método dos Mínimos Quadrados (MMQ)
14
Estatística População X Amostra • A população consiste de todas as possíveis medidas que podem
Estatística
População X Amostra
• A população consiste de todas as possíveis medidas
que podem ser feitas de uma quantidade particular.
As vezes a população tem um número infinito de
elementos (dados);
• Amostra é um subconjunto de dados selecionado a
partir da população. Deve apresentar as mesmas
características (objeto de estudo) da população, de
forma que possa representá-la adequadamente.
16
Estatística Espaço Amostral = Conjunto de todos os resultados possíveis. Variável Aleatória (v.a.) ou estocástica
Estatística
Espaço Amostral
= Conjunto de todos os resultados possíveis.
Variável Aleatória (v.a.) ou estocástica é uma função que
associa a cada elemento de um espaço amostral um
número real.
É uma função que assume um valor real em cada ponto
de seu espaço amostral.
A v.a. é definida pela sua distribuição amostral, modelo
matemático que associa uma probabilidade a cada valor
que a v.a. pode assumir.
18
Estatística Microsoft Equation 3.0 Intervalo /Dispersão / Amplitude: diferença entre o maior e o menor
Estatística
Microsoft Equation
3.0
Intervalo /Dispersão / Amplitude: diferença entre o maior e o
menor valor da leitura.
Frequência: quantidade de vezes que um evento acontece.
Frequência Acumulada: somatório das frequências.
Porcentagem: calcula-se da seguinte maneira
frequência
x100%
total
Porcentagem Acumulada: somatório das porcentagens.
19
Estatística Histograma: gráfico de barras que mostra a variação de uma medida em um grupo
Estatística
Histograma: gráfico de barras que mostra a variação de uma medida
em um grupo de dados através da distribuição de frequência.
Seu principal uso é estimar a distribuição de uma característica na
população através de amostras.
O histograma demonstra visualmente a variabilidade das medidas de
uma característica do processo em torno da média.
Vantagem:
Visualização/entendimento
rápido do comportamento
da população.
21
Histograma Como construir um histograma? 1) Conte a quantidade de valores coletados na tabulação. 2)
Histograma
Como construir um histograma?
1) Conte a quantidade de valores coletados na tabulação.
2) Determine a amplitude R de toda a tabulação, 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 tabulação para ser o valor inferior do
primeiro intervalo. A este número acrescente o valor H e obterá o valor
superior. Proceda da mesma forma com todos os outros valores até
chegar à maior medida.
6) Construa uma tabela de frequência baseada nos valores definidos no
passo 5 para os dados trabalhados no passo 1.
7) Construa o histograma baseado na tabela de frequências.
23

28/02/2014

Estatística • Quando uma grande quantidade de dados brutos está envolvida nos estudos, é possível
Estatística
• Quando uma grande quantidade de dados brutos está envolvida nos
estudos, é possível distribuí-los em classes ou categorias e determinar
o número de indivíduos pertencentes a cada uma das classes,
denominado freqüência da classe.
• Um arranjo tabular dos dados por classes, juntamente com as
freqüências correspondentes, é denominado distribuição de freqüência
ou tabela de freqüência.
20
Exercício Resolvido Alturas de 100 estudantes do sexo masculino da Universidade XYZ Altura (cm) Número
Exercício Resolvido
Alturas de 100 estudantes do sexo
masculino da Universidade XYZ
Altura (cm)
Número de estudantes
151
– 158
5
Amplitude
159
– 166
18
Classes
Limites de classe
167
- 174
42
Comprimento de classe
175
– 182
27
Frequência
183
– 190
8
TOTAL
100
22
Exercício A tabela abaixo mostra a distribuição de frequência dos salários, em reais, de 65
Exercício
A tabela abaixo mostra a distribuição de frequência dos salários, em reais,
de 65 empregados da Companhia X & Y.
Com referência a esta tabela, determinar:
a)
O
limite inferior da sexta classe;
b)
O
limite superior da quarta classe;
Salários (Reais)
Número de
c)
O
ponto médio da terceira classe;
empregados
d)
Os limites reais da quinta classe;
e)
Amplitude do quinto intervalo de
500,00 – 599,00
8
classe;
600,00 – 699,00
10
f)
A frequência da terceira classe;
g)
A frequência relativa da terceira
700,00 – 799,00
16
classe;
800,00 – 899,00
14
h)
O
intervalo de classe que tem a
maior frequência (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 distribuição de
frequência acumulada.
24
Exercício Resolvido a) O limite inferior da sexta classe = 1000,00; b) O limite superior
Exercício Resolvido
a) O limite inferior da sexta classe = 1000,00;
b) O limite superior da quarta classe = 899,00;
c) O ponto médio da terceira classe = 749,50;
d) Os limites reais da quinta classe = [900,00 a 999,00];
e) Amplitude do quinto intervalo de classe = 99,00;
f) A frequência da terceira classe = 16;
g) A frequência relativa da terceira classe = 16/65 = 24,6%;
h) O intervalo de classe modal = [700,00 a 799,00];
i) A porcentagem de empregados que ganham menos de R$800,00;
8
+
10
+
16
x 100%
= 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
x 100%
= 76,9%
65
25
Exercício Na tabela seguinte estão relacionados os pesos de quarenta estudantes do sexo masculino da
Exercício
Na tabela seguinte estão relacionados os pesos de quarenta estudantes do
sexo masculino da Universidade Estadual, arredondados para meio quilo.
Construir o histograma e histograma de frequência 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
Exercício Resolvido 29
Exercício Resolvido
29

28/02/2014

Exercício Resolvido k) Construir a distribuição de frequência acumulada. salarios = [500 599 600 699
Exercício Resolvido
k) Construir a distribuição de frequência acumulada.
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
Exercício Resolvido 1) Quantidade de valores coletados na tabulação = 40. 2) Amplitude R de
Exercício Resolvido
1) Quantidade de valores coletados na tabulação = 40.
2) Amplitude R de toda a tabulação = 88,0 - 59,5 = 28,5.
3) Quantidade de classes K desejada = 6.
4) Intervalo de classe H = R/K = 28,5/6 = 4,75 4,5.
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 frequência
Classes de
Frequência
Frequência
Freq Relativa
Pesos
Relativa
Acumulada
59,5 a 64,0
4
10,0
10,0
64,5 a 69,0
7
17,5
27,5
69,5 a 74,0
13
32,5
60,0
74,5 a 79,0
9
22,5
82,5
79,5 a 84,0
5
12,5
95,0
84,5 a 89,0
2
5,0
100,0
28
Estatística Medidas de tendência central N ∑ x • Média aritmética i i = 1
Estatística
Medidas de tendência central
N
∑ x
• Média aritmética
i
i = 1
M =
N
• Mediana: é o valor que ocupa o ponto intermediário.
(separatrizes: quartis, decis, percentis)
• Moda: o valor que mais frequentemente se repete.
30
Estatística Exemplo: Seja uma amostra de tamanho n. A sua média aritmética é n ∑
Estatística
Exemplo:
Seja uma amostra de tamanho n. A sua média aritmética é
n
x
i
i = 1
x =
n
Se cada um dos r valores distintos de x i ocorrer na amostra com uma
frequência n j , a fórmula anterior assumirá a forma
r
n j x
j
x =
n
j = 1
r
n
x
=
∑ x
. f
j
sendo
f j =
a frequência relativa.
j
j
n
j = 1
31
Estatística Medidas de dispersão n 2 ∑ i 2 i = 1 Variância da população
Estatística
Medidas de dispersão
n
2
∑ i
2
i = 1
Variância da população
=
n
n
2
v
i
Variância da amostra
2
i
= 1
s
= ∑
n
1
Variância envolve soma de quadrados
unidade diferente dos dados
33
Medidas de dispersão Curva normal reduzida z = x µ = 0 σ = 1
Medidas de dispersão
Curva normal reduzida
z = x
µ = 0
σ = 1
35

28/02/2014

Exercício r n x r x p(x) j j x = ∑ = ∑ x
Exercício
r
n x
r
x
p(x)
j
j
x =
=
x
.
f
j
j
0
0,020
n
j =
1
j
=
1
1
0,001
2
0,002
x
= 0*0,020 + 1*0,001 + 2*0,002 + 3*0,005 +
4*0,002 + 5*0,040 + 6*0,180 + 7*0,370 +
3
0,005
8*0,250 + 9*0,120 + 10*0,010
4
0,002
5
0,040
x
= 7,078
6
0,180
7
0,370
8
0,250
9
0,120
10
0,010
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)
32
Estatística Medidas de dispersão n 2 ∑ i i = 1 Erro padrão = n
Estatística
Medidas de dispersão
n
2
∑ i
i
= 1
Erro padrão
=
n
n
2
v
i
= ∑
i
= 1
Desvio padrão
s
n
1
n
2
v
i
s
= ∑
i = 1
Desvio padrão da média
s
=
n (
n
1)
n
34
Exercício O conjunto de dados, mostrado abaixo, representa a porção em segundos de arco de
Exercício
O conjunto de dados, mostrado abaixo, representa a porção em segundos de
arco de 50 medidas de uma direção. Calcular a média, a mediana, desvio
padrão 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];
36
Exercício Resolvido function [classe, frequencia] = histo(observacoes, numeroClasses) amplitude = max(observacoes) -
Exercício Resolvido
function [classe, frequencia] = histo(observacoes, numeroClasses)
amplitude = max(observacoes) - min(observacoes);
TamanhoClasse = amplitude / numeroClasses;
MetadeTamanhoClasse = TamanhoClasse/2;
for K = 1 : numeroClasses
LimiteInferiorClasse(K) = min(observacoes) +(K-1)*TamanhoClasse;
LimiteSuperiorClasse(K) = LimiteInferiorClasse(K) + TamanhoClasse;
frequencia(K) = length(observacoes((LimiteInferiorClasse(K)<=observacoes) &
(observacoes<LimiteSuperiorClasse(K))));
classe(K) = LimiteInferiorClasse(K) + MetadeTamanhoClasse;
end;
plot(classe, frequencia)
37
Exercício Resolvido mean(L) 34,74 std(L) 2,2182 mediana(L) 34,70 Histograma para 10 classes 39
Exercício Resolvido
mean(L)
34,74
std(L)
2,2182
mediana(L)
34,70
Histograma para 10 classes
39
Exercício Resolvido a) ΣX; X X - µ (X - µ) 2 2 3,75 14,0625
Exercício Resolvido
a) ΣX;
X
X - µ
(X - µ) 2
2
3,75
14,0625
-5
-3,25
10,5625
4
5,75
33,0625
-8
-6,25
39,0625
Σ = -7
Σ = 96,75
µ = -1,75
N
(
X
) 2
i
96,75
2
= ∑
i = 1
=
= 32,25
N
1 3
41

28/02/2014

Exercício Resolvido function [saida] = mediana(dados) % Função que calcula a mediana % Tamanho do
Exercício Resolvido
function [saida] = mediana(dados)
%
Função que calcula a mediana
%
Tamanho do conjunto de dados
m
= length(dados);
%
Classificação ascendente dos dados
dados_em_ordem = sort(dados);
% Qtde de elementos do conjunto é par ou impar?
if (mod(m,2) == 0)
saida = (dados_em_ordem(m/2)+dados_em_ordem(m/2+1))/2;
else
saida = dados_em_ordem(ceil(m/2));
end
38
Exercício Duas variáveis, X e Y, assumem os valores X 1 = 2, X 2
Exercício
Duas variáveis, X e Y, assumem os valores X 1 = 2, X 2 = -5, X 3 = 4, X 4 = -8, e
Y 1 = -3, Y 2 = -8, Y 3 = 10, Y 4 = 6,
respectivamente. Calcular:
2
a)
ΣX =
;
X
b) ΣY;
c) ΣXY
d) ΣX 2 ;
e) ΣY 2 ;
f) (ΣX)(ΣY);
g) ΣXY 2 ;
h) Σ((X+Y)(X-Y)).
40
Exercício Resolvido X = [2 -5 4 -8]; Y = [-3 -8 10 6]; a)
Exercício Resolvido
X = [2 -5 4 -8];
Y = [-3 -8 10 6];
a) ΣX;
std(X)^2
32,2500
b) ΣY;
std(Y)*std(Y)
67,5833
c) ΣXY
std(X.*Y)*std(X.*Y)
1790,3307
d) Σ(X 2 );
std(X.*X)^2
674,2487
e) Σ(Y 2 );
std(Y.*Y)^2
1517,5855
f) (ΣX)(ΣY);
(std(X)*std(Y))^2
2179,5639
g) std(X.*Y.*Y)^2
Σ(XY 2 );
112211,6004
h) std((X+Y).*(X-Y))^2
Σ((X+Y)(X-Y)).
2295,3298
42
Exercício Prove que a soma dos desvios de X 1 , X 2 , ,
Exercício
Prove que a soma dos desvios de X 1 , X 2 ,
, X n em relação à sua média
aritmética M, é igual a zero.
N
X
i
= i = 1
N
N
N
=
∑ X
i
i = 1
N
X
N
= 0
i
i = 1
N
(
X i
)
=
0
i = 1
43
Exercício Resolvido mean(L) 500,811160 mediana(L) 500,811 std(L) 0,008464 [classe, frequencia] = histo(L,10)
Exercício Resolvido
mean(L)
500,811160
mediana(L)
500,811
std(L)
0,008464
[classe, frequencia] = histo(L,10)
plot(classe, frequencia)
45
Exercício Uma distância foi medida em duas partes com uma fita de aço de 100m
Exercício
Uma distância foi medida em duas partes com uma fita de aço de 100m de
comprimento, e depois, foi medida em sua totalidade com uma fita de aço
de 200m. As medidas foram repetidas 10 vezes em cada método obtendo
os seguintes conjuntos de dados:
Observações feitas com a fita de aço 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}
Observações 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 média, a variância e o desvio padrão para cada um dos dois conjuntos
das medidas parciais de distância, e também para os conjuntos das
medidas considerando-se a distância total;
b) Crie uma tabela de classes de frequência e histograma para cada
conjunto de dados usando a largura da classe 0,009 (9mm).
47

28/02/2014

Exercício Um distanciômetro eletrônico e um refletor foram instalados nos extremos de uma linha de
Exercício
Um distanciômetro eletrônico e um refletor foram instalados nos extremos
de uma linha de base com 500m de extensão aproximadamente. Um
operador repetiu 25 vezes a medida de seu comprimento e obteve os
seguintes resultados:
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];
Pede-se:
a) A média, mediana e o desvio padrão dos dados;
b) Construir um histograma dos dados e descrever suas propriedades. No
histograma delimite o desvio padrão a partir da média em ambos os
lados;
c) Quantas observações estão entre a média e o desvio padrão? (M±s), e
qual a percentagem que estas medidas representam?
44
Exercício Resolvido hold on Xmin = mean(L) – std(L); 1*σ 68,26% 2*σ 95,45% 3*σ 99,73%
Exercício Resolvido
hold on
Xmin = mean(L) – std(L);
1*σ 68,26%
2*σ 95,45%
3*σ 99,73%
Xmax = mean(L) + std(L);
Conta = length(L((Xmin<=L) & (L<=Xmax)))
Conta = 17 17 / 25 = 68%
Xe = [Xmin Xmin];
Xd = [Xmax Xmax];
Y = [0 5];
line(Xe, Y)
line(Xd, Y)
hold on
46
Exercício Resolvido 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
Exercício Resolvido
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)
Media2 = mean(L2)
Media3 = mean(L3)
Media4 = mean(L4)
Dp1 = std(L1)
Dp2 = std(L2)
Dp3 = std(L3)
Dp4 = std(L4)
Var1 = Dp1*Dp1
Var2 = Dp2*Dp2
Var3 = Dp3*Dp3
Var4 = Dp4*Dp4
99,9848
49,3371
149,3219
149,3442
0,018195
0,018687
0,026198
0,028514
0,000331
0,000349
0,0006863
0,000813
48
Exercícios Microsoft Equation 3.0 Um pesquisador realizou um levantamento obtendo 84 observações sobre uma grandeza
Exercícios
Microsoft
Equation 3.0
Um pesquisador realizou um levantamento obtendo 84 observações sobre uma
grandeza com média 65,00. Após, verificou que duas destas observações, com
medidas 95,52 e 105,82, estavam comprometidas. Deseja-se eliminar estas duas
medidas e calcular o valor da média.
Sabendo-se que a variância de todas as observações é 41,590, qual vai ser o valor da
nova variância (conjunto de observações sem as medidas comprometidas)?
N
= 84
N
= 82
T
P
X
X
5258,66
T
P
=
= 65,00
=
= ?
T
P
N
N
= = 64,13
82
T
P
∑ X
= *
N
= 65,00*84 = 5460
T
T
T
∑ X
X
=
P + 95,52 +105,82
T
∑ X
=
∑ X
T 95,52 105,82 = 5460 95,52 105,82 = 5258,66
P
49
Exercícios Em uma instituição bancária, o salário médio dos 100 empregados do sexo masculino é
Exercícios
Em uma instituição bancária, o salário médio dos 100 empregados do sexo
masculino é de R$ 1.500,00, com desvio padrão de R$100,00. O salário médio dos
150 empregados do sexo feminino é de R$ 1.000,00, com desvio padrão de
R$200,00. A variância em (R$) 2 dos dois grupos reunidos é de: (BACEN, 2005)
a) 25.600,00;
b) 28.000,00;
c) 50.000,00;
d) 62.500,00;
e) 88.000,00
Observe-se que se está falando de população e não amostra. Segue-se que:
(
X
)
2 ∑
X
2
=
e =
N N
o que também pode ser escrito como:
2
2
2
2
2
2
2
2*
*
X
+
X
2*
N
*
+
N
*
X
N
*
2 X
= ∑
= ∑
= ∑
N N
N
ou ainda:
∑ X
2
2
2
= N *(
+
)
 N
=
100
 N
= 150
M
F
Ora, tem-se:
M = 1500,00
F = 1000,00
=
100
= 200
M
F
51
Exercícios Em uma instituição bancária, o salário médio dos 100 empregados do sexo masculino é
Exercícios
Em uma instituição bancária, o salário médio dos 100 empregados do sexo
masculino é de R$ 1.500,00, com desvio padrão de R$100,00. O salário médio dos
150 empregados do sexo feminino é de R$ 1.000,00, com desvio padrão de
R$200,00. A variância em (R$) 2 dos dois grupos reunidos é de: (BACEN, 2005)
a) 25.600,00;
b) 28.000,00;
c) 50.000,00;
d) 62.500,00;
e) 88.000,00
Logo:
2
2
2
2
2
2
(
N
+
N
)*(
+
)
= N
*(
+
)
+ N
*(
+
)
M
F
M
M
M
F
F
F
de onde se pode concluir:
6
6
2
2
226*10
+
156*10
250*1200
=
= 88000
250
53

28/02/2014

Exercícios Microsoft Equation 3.0 Um pesquisador realizou um levantamento obtendo 84 observações sobre uma grandeza
Exercícios
Microsoft
Equation 3.0
Um pesquisador realizou um levantamento obtendo 84 observações sobre uma
grandeza com média 65,00. Após, verificou que duas destas observações, com
medidas 95,52 e 105,82, estavam comprometidas. Deseja-se eliminar estas duas
medidas e calcular o valor da média.
Sabendo-se que a variância de todas as observações é 41,590, qual vai ser o valor da
nova variância (conjunto de observações sem as medidas comprometidas)?
(
X
) 2
∑ X
2
= ∑
T
T
T
= 41,590
=
T
N
1
T N
T
T
2
2
2
(
X
)
=
(
x
)
2 +
(
x
)
+
+
(
x
)
1
T
T
T
2
T
T
T
2
2
2
2
2
2
X
2
X
+
X
2
(
N
)
+
X
N
N T
2
= ∑
T
T
T
T
= ∑
T
T
T
T
T
= ∑
T
T
T
T
N
1
N
1
N
1
T
T
T
2
2
X
N
2
338030,0272
64,13 *82
2
P
P
P
= ∑
= ?
=
= 9,780
P
N
1
82
1
P
2
2
2
2
X
=
(
N
1) +
N
=
41,590*83
+
65,00 *84
=
358351,97
T
T
T
T
T
2
2
2
2
X
=
X
95,52
105,82
=
338030,0272
50
P
T
Exercícios Em uma instituição bancária, o salário médio dos 100 empregados do sexo masculino é
Exercícios
Em uma instituição bancária, o salário médio dos 100 empregados do sexo
masculino é de R$ 1.500,00, com desvio padrão de R$100,00. O salário médio dos
150 empregados do sexo feminino é de R$ 1.000,00, com desvio padrão de
R$200,00. A variância em (R$) 2 dos dois grupos reunidos é de: (BACEN, 2005)
a) 25.600,00;
b) 28.000,00;
c) 50.000,00;
d) 62.500,00;
e) 88.000,00
2
2
2
6
Desta forma, pode-se calcular:
X
=
N
*(
+
)
=
226*10
M
M
M
M
2
2
2
6
X
=
N
*(
+
)
=
156*10
F
F
F
F
Para o conjunto total da população tem-se:
2
2
2
2
2
X
= ∑
X
+
X
=
N
*(
+
)
onde
N = N
+ N
M
F
M
F
A média da população total pode ser calculada:
X = N *
=
X
+
X
=(N
+
N
)*
= N
*
+ N
*
M
F
M
F
M
M
F
F
N
*
N
*
+ F
M
F
= M
= 1200,00
N
+ N
M
F
52
Estatística Distribuição de probabilidade de uma v.a. discreta Seja X uma v.a. discreta, isto é,
Estatística
Distribuição de probabilidade de uma v.a. discreta
Seja X uma v.a. discreta, isto é, que assume valores em
associação com números inteiros x 1 , x 2 ,
, x n .
Associemos a cada x i um número p(x i ) representativo da
sua probabilidade.
p(x i ) = P(X = x i )
tal que
a) 0 ≤ p(xi) ≤ 1
n
b) x
p
(
= 1
i )
i = 1
c)
P(a ≤ X ≤ b) = ∑
p(x
)
i tal que a ≤ X ≤ b.
i
i
54
Estatística Distribuição de probabilidade de uma v.a. contínua Seja X uma v.a. contínua. A probabilidade
Estatística
Distribuição de probabilidade de uma v.a. contínua
Seja X uma v.a. contínua.
A probabilidade “pontual “ associada à variável discreta é
substituída pela densidade de probabilidade φ(x) relativa
a um intervalo infinitésimo.
P
(
x
X
x
+
x
)
φ(x)dx = P(x ≤ X ≤ x+dx) ou
(
x ) =
lim
0
x
x
tal que
a) φ(x) ≥ 0
∫ +•
b)
(x).dx = 1
c) P(a ≤ X ≤ b) =
b
∫ a
(x).dx
55
Estatística Função de distribuição de probabilidade acumulada A função φ tal que x (x) =
Estatística
Função de distribuição de probabilidade acumulada
A função φ tal que
x
(x)
=
P( X
x)
=
(u).du
chama-se função de distribuição (de
probabilidade) acumulada (fda) de uma v.a.
contínua X.
57
Exercício Resolvido 0,496 em unidades reduzidas = (0,496 – 0,502) / 0,005 = - 1,2
Exercício Resolvido
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
Proporção de arruelas não defeituosas
= (área limitada pela curva normal entre z = -1,2 e z = 1,2)
= (2 vezes a área entre z = 0 e z = 1,2)
= 2*(0,3849) = 0,7698 76,98%
Porcentagem de arruelas defeituosas = 100% - 76,98% = 23,02%
59

28/02/2014

Estatística A função φ que estabelece a correspondência entre um valor da v.a. contido no
Estatística
A função φ que estabelece a correspondência
entre um valor da v.a. contido no intervalo
elementar e a densidade de probabilidade é
denominada função densidade de probabilidade
(fdp).
2
P
(
x
X
x
)
=
∫ x
(
x
).
dx
1
2
x
1
56
Exercício A média dos diâmetros internos de uma amostra de 200 arruelas produzidas por uma
Exercício
A média dos diâmetros internos de uma amostra de 200 arruelas produzidas
por uma certa máquina é 0,502 cm e o desvio padrão é 0,005 cm. A finalidade
para a qual essas arruelas são fabricadas permite a tolerância máxima, para o
diâmetro de 0,496cm a 0,508cm; se isso não se verificar, as arruelas serão
consideradas defeituosas. Determinar a percentagem de arruelas defeituosas
produzidas pela máquina, admitindo-se que os diâmetros são distribuídos
normalmente.
Curva normal reduzida
µ = 0
σ = 1
z = x
58
Exercício O peso médio de 500 estudantes do sexo masculino, de uma determinada universidade, é
Exercício
O peso médio de 500 estudantes do sexo masculino, de uma determinada
universidade, é 75,5kg e o desvio padrão é 7,5kg. Admitindo-se que os
pesos estão distribuídos 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).
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
60
Exercício Resolvido A proporção desejada de estudantes = (área entre z = -2,10 e z
Exercício Resolvido
A proporção desejada de estudantes = (área entre z = -2,10 e z = 0,30)
= (área entre z = -2,10 e z = 0) + (área entre z = 0 e z = 0,30)
= 0,4821 + 0,1179 = 0,6000
Então, o número de estudantes cujos pesos estão entre 60,0kg e 77,5kg
= 500*0,6000 = 300
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
61
Exercício Resolvido c) Os estudantes que pesam menos do que 64,0kg devem pesar menos do
Exercício Resolvido
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 proporção desejada de estudantes = (área à esquerda de z = -1,57)
= (área à esquerda de z = 0) – (área entre z = -1,57 e z = 0)
= 0,5 - 0,4418 = 0,0582
Então, o número de estudantes que pesam menos do que 64,0kg
63
= 500*0,0582 = 29
Exercício Resolvido e) Os estudantes que pesam 64,0kg ou menos devem ter pesos inferiores a
Exercício Resolvido
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 proporção desejada de estudantes = (área à esquerda de z = -1,50)
= (área à esquerda de z = 0) – (área entre z = -1,50 e z = 0)
= 0,5 – 0,4332 = 0,0668
Então, o número de estudantes que pesam 64,0kg ou menos
= 500*0,0668 = 33
65

28/02/2014

Exercício Resolvido b) Os estudantes com pesos superiores a 92,50kg devem pesar pelo menos 92,75kg.
Exercício 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
A proporção desejada de estudantes = (área à direita de z = 2,30)
= (área à direita de z = 0) – (área entre z = 0 e z = 2,30)
= 0,5 - 0,4893 = 0,0107
Então, o número de estudantes que pesam mais do que 92,50kg
62
= 500*0,0107 = 5
Exercício Resolvido d) Os estudantes que pesam 64,0kg tem pesos compreendidos entre 63,75kg e 64,25kg.
Exercício 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 proporção desejada de estudantes = (área entre z = -1,57 e z = -1,50)
= (área entre z = -1,57 e z = 0) – (área entre z = -1,50 e z = 0)
= 0,4418 – 0,4332 = 0,0086
Então, o número de estudantes que pesam 64,0kg
= 500*0,0086 = 4
64
Exercício Uma variável aleatória contínua X, que pode assumir somente valores compreendidos entre 2 e
Exercício
Uma variável aleatória contínua X, que pode assumir somente valores
compreendidos entre 2 e 8, inclusive, tem uma função de densidade de
probabilidade dada por a*(X+3), em que a é uma constante.
a) Calcular o valor de a;
b) Determinar Prob{3<X<5}
c) Determinar Prob{X≥4}
d) Determinar Prob{|X-5|<0,5}
66
Exercício Resolvido b a) P(a X b) = ∫ (x).dx a 8 2 2 
Exercício Resolvido
b
a) P(a
X
b)
=
∫ (x).dx
a
8
2
2
P
(2
X
8)
=
∫ a
*(
X
+
3)*
dx
=
a   X
+ 3 X 
  X
+ 3 X 
= 1
a 
2
 2
2
8
2
a = 1/48
3 8
b) Prob{3<X<5} =
1
a *(X
+
3)*dx
a *(X
+
3)* dx
2 5
= 1 – 0,114583 – 0,593750 = 0,291667
67

28/02/2014

Exercício Resolvido 8 c) Prob{X≥4} = ∫ a *( X + 3)* dx 4 =
Exercício Resolvido
8
c) Prob{X≥4} =
a *( X
+ 3)* dx
4
= 1,166667 – 0,416667 = 0,750000
d) Prob{|X-5|<0.5} = Prob{4,5<X<5,5}
4,5
8
1
a *(X
+
3)*dx
a *(X
+
3)* dx
2 5,5
= 1 – (0,492188 – 0,166667) – (1,166667 – 0,658854) = 0,166667
68