Escolar Documentos
Profissional Documentos
Cultura Documentos
UFERSA
MOSSOR-RN
2012
RESISTA
Resista
um pouco mais, mesmo que as feridas latejam e que sua coragem esteja cochilando.
Resista
mais um minuto e ser fcil resistir aos demais.
Resista
mais um instante, mesmo que a derrota seja um im, mesmo que a desiluso caminhe
em sua direo.
Resista
mais um pouco, mesmo que os invejosos digam para voc parar, mesmo que sua
esperana esteja no fim.
Resista
mais um momento, mesmo que voc no possa avistar ainda linha de chegada.
Mesmo que as inseguranas brinquem de roda a sua volta.
Resista
um pouco mais, mesmo que a sua vida esteja sendo pesada como a conscincia dos
insensatos e voc se sinta indefeso como um pssaro de asas quebradas.
Resista,
porque o ultimo instante da madrugada e sempre aquele que puxa a manha pelo
brao e essa manha bonita, ensolarada, sem algemas, nascera para voc em breve, desde que
voc resista.
Resista,
porque estamos sentados na arquibancada do tempo, torcendo ansiosos para que
voc vena e ganhe de Deus o trofu que voc merece:
A
FELICIDADE.
1. ESTATSTICA DESCRITIVA
1.1.Introduo
1.2.Coleta, organizao e apresentao de dados
1.3.Medidas de posio
1.4 .Medidas de disperso
2. CONJUNTOS E PROBABILIDADES
2.1.Conjuntos e Subconjuntos
2.2.Operaes com conjuntos
2.3.Espao amostral
2.4.Probabilidade e suas leis
2.5.Probabilidade condicional
3. VARIVEIS ALEATRIAS E DISTRIBUIO DE PROBABILIDADE
3.1.Variveis Aleatrias (conceitos)
3.2.Distribuies Discretas de Probabilidades
3.3.Funes de Distribuio para Variveis Aleatrias Discretas
3.4.Distribuies de Probabilidades Contnua.
3.5.Funes de Distribuies para Variveis Aleatrias Contnuas.
3.6.Esperana Matemtica
4. DISTRIBUIES ESPECIAIS DE PROBABILIDADE
4.1.Distribuio binomial
4.2.Distribuio de Poisson
4.3.Distribuio Normal
4.4.Distribuio Qui-quadrado
4.5.Distribuio t de Student
5. TEORIA DA AMOSTRAGEM
5.1.Introduo
5.2. Amostragem probabilstica
Amostragem casual simples
Amostragem sistemtica
Amostragem estratificada
5.3. Amostragem no probabilstica
Amostragem a esmo ou sem norma
Amostragem intencionais
6. TEORIA DE ESTIMAO
6.1.Introduo
6.2.Estimativa por ponto e por intervalo
6.3.Estimando a mdia em grandes e pequenas amostras
6.4. Estimando a diferena entre duas mdias em grandes e pequenas amostras
7. TESTES DE HIPTESES
7.1.Hiptese estatstica
7.2.Erros do tipo I e II
7.3.Testes unilaterais e bilaterais
7.4.Testes referentes a mdias
7.5.Teste de ajustamento de distribuio tericas
7.6.Testes de independncia
8. REGRESSO LINEAR E CORRELAO
8.1.Ajustamento de curvas
8.2.Estimao dos parmetros
8.3.Provas para os parmetros da Equao de Regresso
8.4.Coeficiente de Correlao
8.5.Os perigos da Extrapolao
1
2
3
4
5
6
Introduo
O Mtodo Estatstico
Definies Preliminares
Distribuio de freqncia: Coleta, organizao e apresentao de dados
Medidas de posio
Medidas de disperso
1.
INTRODUO
No nosso dia a dia fazemos uso da Estatstica.
Exemplos:
O jornal anuncia que o candidato x ganha eleio por apenas 2% a mais de votos;
A razo do nome Estatstica vem do fato de que os primeiros trabalhos eram de catalogao
de dados, sendo oneroso, somente o estado podia arcar com as despesas. Da a origem do nome.
ESTADO - STATUS ESTATSTICA
O que Estatstica?
1. a parte da Matemtica Aplicada que trata de chegar a concluses a partir de dados
observados.
2. a cincia que trata da organizao, descrio, anlise e interpretao dos dados
experimentais.
3. o estudo dos mtodos e procedimentos para recolher, classificar, resumir e analisar
dados e, a partir deles, estabelecer inferncias cientficas.
terras, proprietrios, uso da terra, animais... e serviria de base, tambm, para o clculo de
impostos.
Para responder ao desenvolvimento social surgiram estas primeiras tcnicas estatsticas:
classificar, apresentar, interpretar os dados recolhidos foram para os censos e so para a
Estatstica um aspecto essencial do mtodo utilizado. Mas, um longo caminho havia de ser
percorrido at aos dias de hoje.
At ao incio do sc. XVII, a Estatstica limitou-se ao estudo dos assuntos de Estado.
O desenvolvimento do Clculo das Probabilidades surge tambm no sculo XVII. A ligao
das probabilidades com os conhecimentos estatsticos veio dar uma nova dimenso Estatstica,
que progressivamente se foi tornando um instrumento cientfico poderoso e indispensvel.
Considera-se assim uma nova fase, a terceira, em que se comea a fazer inferncia estatstica:
quando a partir de observaes se procurou deduzir relaes causais, entre variveis, realizandose previses a partir daquelas relaes.
A palavra Estatstica surge, pela primeira vez, no sc. XVIII. Alguns autores atribuem esta
origem ao alemo Gottfried Achemmel (1719-1772), que teria utilizado pela primeira vez o
termo statistik, do grego statizein; outros dizem ter origem na palavra estado, do latim status,
pelo aproveitamento que dela tiravam os polticos e o Estado.
Na sua origem, a Estatstica estava ligada ao Estado. Hoje, no s se mantem esta ligao,
como todos os Estados e a sociedade em geral dependem cada vez mais dela. Por isso, em todos
os Estados existe um Departamento ou Instituto Nacional de Estatstica.
Na actualidade, a Estatstica j no se limita apenas ao estudo da Demografia e da Economia.
O seu campo de aplicao alargou-se anlise de dados em Biologia, Medicina, Fsica,
Psicologia, Indstria, Comrcio, Meteorologia, Educao, etc., e ainda a domnios aparentemente
desligados, como estrutura de linguagem e estudo de formas literrias.
Quando a Estatstica nos engana...
A Estatstica muito frequentemente pretexto para anedotas e
caricaturas. Mas, tal como na primeira metade do sculo XX se
pretendeu responsabilizar os fsicos atmicos e nucleares pelas decises
polticas da utilizao destes conhecimentos para efeitos de guerra, a
utilizao abusiva e no a prpria Estatstica que gera absurdos e
enganos frequentes.
Uma acusao que frequentemente se faz Estatstica a de
induzir em erro, no s porque apresenta dados obtidos por
procedimentos que podem ser questionados no seu rigor, mas tambm
porque, apesar de serem correctos e obtidos por mtodos vlidos, esses dados podem ser
apresentados de maneira a induzir confuso a quem no est especialmente familiarizado com
esta linguagem. Desta forma, parece de extrema importncia a capacidade de se detectar este tipo
de confuses e, consequentemente, imprescindvel conhec-las. Por outro lado, a anlise e a
procura de erros, desenvolvem a capacidade de observao e fomentam o sentido crtico.
1. RAMOS DA ESTATSTICA
Estatstica Descritiva
Trata da observao de fenmenos de mesma natureza, da coleta de dados
numricos referentes a esses fenmenos, da sua organizao e classificao
atravs de tabelas e grficos, bem como da anlise e interpretao.
1. A populao composta
de todas as lmpadas
produzidas com o novo
filamento.
A durabilidade mdia
desconhecida.
4. A mdia da amostra
usada para estimar a mdia
da populao.
3. Os dados amostrais
fornecem uma durabilidade
mdia de 76 horas por
lmpada da amostra.
2.
O MTODO ESTATSTICO
A realizao de uma pesquisa deve passar necessariamente, pelas fases resumidas no
3.
DEFINIES PRELIMINARES
Populao:
um conjunto de observaes (valores, pessoas, medidas, etc.), com pelo menos uma
caracterstica em comum.
Ex: Estudantes da turma 5 da disciplina de Estatstica.
Simbologia
Tipos:
1) Finita: aquela que tem um nmero limitado de elementos.
Ex: Estudantes do sexo feminino que cursam administrao.
2) Infinita: aquela onde o nmero de elementos muito grande.
Ex: As possveis vazes da cesso de um rio.
Amostra:
um subconjunto de uma populao.
necessariamente finita - todos os seus elementos so examinados.
A amostra uma reduo da populao a dimenses menores, sem perda das
caractersticas essenciais.
Simbologia
n= x1=x2+x3+...+xn
N=25
Populao:
Eleitores brasileiros
n= 6.
Amostra:
uma parte dos eleitores
Amostragem
o processo de obteno de amostras de uma populao.
Varivel
a caracterstica pela qual se deseja que a populao seja descrita. Pode assumir
diferentes valores de elemento para elemento.
Notao:
Varivel X,Y,Z, etc.
X: Idade dos alunos da disciplina de Estatstica
Y: Altura dos alunos da disciplina de Estatstica
Dado ou observao
o valor registrado para um elemento.
Notao:
Varivel x,y,z,etc
x1: 24 anos; x2=36 anos; x3=30 anos
y1: 1,75m; y2=1,60m; y3=1,52m;
Tipos de Variveis
Varivel qualitativa
So aquelas variveis que correspondem a atributos ou categorias. Ex: Sexo, profisso,
estado civil, cor, etc.
1) Varivel qualitativa nominal:
Quando os atributos no so possveis de ordenao.
Ex: Sexo dos alunos da turma A e B.
Masculino, Feminino
SEXO
Feminino
20%
80%
Feminino
100%
Masculino
Masculino
TOTAL
37%
Casado
57%
Divorciado
16%
TOTAL
100%
Solteiro
Casado
Divorciado
Varivel quantitativa
aquela cuja estrutura numrica.
1) Varivel quantitativa discreta
So prprias de dados de contagem, isto , esto definidas em um conjunto enumervel
(nmeros inteiros racionais).
Ex: nmero de filhos
Ex: nmero de empregados de uma firma
Ex: nmero de ovos depositados por um inseto
Ex: nmero de defeitos
2) Varivel quantitativa contnua
So aquelas em que as realizaes resultam de uma medida (uma mensurao) que pode
assumir qualquer valor real entre dois extremos.
Ex: estatura dos alunos de Estatstica
Ex: peso de crianas ao nascer
Ex: velocidade um carro
DISTRIBUIO DE FREQNCIA
(Coleta, organizao e apresentao de dados)
Freqncia Absoluta
29.601
2.604
7.965
3.735
43.905
Freqncia Relativa
29.601/43.905=0,67
2.604/43.905=0,06
7.965/43.905=0,18
3.735/43.905=0,09
1,00
______________________
Tabela 02 Regio de origem de
universitrios. So Paulo, 2000.
Regio
f
f%
Urbana
240
12
Suburbana
1400
70
Rural
360
18
Total
2000
100
Fonte: Livro de Estatstica
______________________
______________________
Tabela 04 Nmero de alunos em uma
exposio de pintura segundo sexo e o tipo
de arte preferida. So Paulo, 2000.
Tipo de arte
Sexo
Arte
Arte
Clssica
Moderna
Masculino
80
70
Feminino
20
30
Fonte: Livro de Estatstica
______________________
Questo 2. Num estudo feito numa escola, recolheram-se dados referentes s seguintes
variveis:
(A) idade
(B) ano de escolaridade
(C) sexo
(D) nota na disciplina de Matemtica
(E) tempo gasto diariamente no
estudo
(F) distncia de casa escola
(G) local de estudo
(H) nmero de irmos
a) Das variveis indicadas, quais so as quantitativas e quais so as qualitativas?
b) Das variveis quantitativas, relacione as que so contnuas.
Questo 3. Enumere conforme adequado cada uma das situaes expostas com a numerao
correspondente varivel estatstica associada mesma.
1. Qualitativa nominal
2. Qualitativa ordinal
3. Quantitativa discreta
4. Quantitativa contnua
( ) N de alunos aprovados em informtica em 2007.1 no curso de Administrao distncia;
( ) Mdia final obtida pelo aluno na disciplina Matemtica I;
( ) Inteno de voto para prefeito (candidato em quem pretende votar);
( ) Nvel de escolaridade dos adolescentes internos no CEDUC;
( ) Estado civil dos alunos do curso de Administrao distncia;
A seqncia correta :
a) 3; 4; 2; 1; 2
b) 3; 4; 1; 1; 2
c) 4; 3; 1; 2; 1
d) 3; 4; 1; 2; 1
Questo 4. De acordo com os dados divulgados pelo MEC, as taxas de alfabetizao em sete
importantes municpios do RN, Natal, Parnamirim, Mossor, Caic, Paus dos Ferros, Cear
Mirim e Macaba, foram em 2000, respectivamente, igual a: 88, 86, 81, 79, 76, 69 e 70. Quando
apresentados em uma tabela ou um grfico os dados citados constituem uma srie estatstica.
Que tipo de srie essa?
a) Geogrfica
b) Especificativa
c) Temporal
d) Distribuio de freqncia
e) Mista
Regras de arredondamento (uma casa decimal aps a vrgula), conforme resoluo 886/66 da
Fundao IBGE.
a) 2,38 = ____
f) 2,97 =____
b) 24,65=____
g) 6,829=____
c) 0,351=____
h) 5,550=____
d) 4,24 =____
i) 89,99 =____
e) 328,35=____
j) 24,66 =____
PS: Quando o algarismo a ser abandonado 0, 1, 2, 3 ou 4, fica inalterado o ltimo algarismo a permanecer;
Quando o algarismo a ser abandonado 6, 7, 8 ou 9, aumenta-se de uma unidade o algarismo a permanecer;
Quando o primeiro algarismo a ser abandonado 5, h duas solues:
- Se ao 5 seguir qualquer casa um algarismo diferente de zero, aumenta-se uma unidade ao algarismo a
permanecer. Ex: 2,352= 2,4; 25,6501= 25,7.
- Se for o ltimo algarismo ou se ao 5 s se seguirem zeros, o ltimo algarismo a ser conservado s ser aumentado
de uma unidade se for mpar. Ex: 24,75= 24,8; 24,65= 24,6.
f) Intervalo de classes
um smbolo que define uma classe.
Ex:
Li
0
Ls
10
) * mais utilizado
Li + Ls
2
At
K
a) Frequncia simples
- Absoluta
- Relativa
b) Freqncias acumuladas
k) Representaes grficas
Grficos representativos das distribuies de frequncias
B) Freqncias acumuladas
a) Dados discretos
Grfico em escada
b) Dados contnuos
I A) Abaixo de
II B) Acima de
Rol
0
Distribuio de freqncia
N de cries em crianas
0
1
2
3
4
6
Total ()
fi
fr
f%
fac
fac
GRFICO EM ESCADAS
23
22
28
35
21
23
23
33
34
33
34
21
31
25
24
21
25
36
26
22
30
32
25
26
31
26
25
35
33
Rol
21
21
21
22
22
23
23
23
24
24
25
25
25
25
26
26
26
28
30
31
31
32
33
33
33
34
34
35
35
36
Xi
Fi
fr
f%
fac
Total ()
fac
1.2 Tipos:
Medidas de posio ou tendncia central
Mdia: Aritmtica
Mediana
Moda
Medidas de disperso
Amplitude total
Varincia
Desvio padro
Coeficiente de variao
Medidas de assimetria
Medidas de curtose
MEDIDAS DE POSIO:
1- Mdia Aritmtica
A mdia aritmtica a idia que ocorre a maioria das pessoas quando se fala em mdias.
a soma dos valores do conjunto dividido pelo nmero de valores no conjunto.
A simbologia usada para a mdia a seguinte:
- Para a populao usa-se: .
- Para a amostra usa-se: x .
Clculo da mdia
Dados no agrupados
1) Para a populao
Sejam {x1, x2, x3,...., xn} dados de uma populao.
n
xi
x1 + x 2 + x3 + ... + xn i =1
=
=
N
N
2) Para a amostra
Sejam {x1, x2, x3,...., xn} dados de uma amostra.
n
x1 + x 2 + x3 + ... + xn
x=
=
n
xi
i =1
Exemplo:
1) Seja Yi a varivel referente a salrios mensais em reais de cinco empregados de uma
agroindstria: Determine o salrio mdio mensal dos trabalhadores.
Yi = {R$780,00, R$790,00, R$800,00, R$810,00 e R$820,00}, n=5.
X =
Dados agrupados
Dados agrupados sem intervalo de classes (Discreta)
xi fi
x=
i =1
onde n = fi
i =1
Exemplo:
2) Seja Yi a varivel referente o nmero de cries em crianas: Determine o nmero mdio de
cries por criana.
1 2
Xi
fi
0 1
Xifi
xi fi
x=
i =1
Dados agrupados
xi fi
x=
i =1
i =1
Exemplo:
3) Seja Yi a varivel referente ao nmero de residentes por quarto avaliados em 40 casas da
residncia universitria: Determine o nmero mdio de residentes por quarto.
Classes
[2, 4)
[4, 6)
[6, 8)
[8, 10)
[10, 12)
fi
5
10
14
8
3
40
xi
xifi
2- Mediana
Colocando-se os valores de uma srie em ordem crescente ou decrescente, a mediana o
valor que ocupa a posio central.
Caractersticas da mediana
Fi
2
4
12
Fac
2
6
18
[75,100)
1
19
19
-
Clculo da mediana
Mediana para dados discretos
Se n for impar:
A mediana igual ao valor de ordem (n+1)/2 do conjunto.
n + 1
Med =
Se n for par:
A mediana definida como qualquer valor situado entre os valores de ordem Md1=n/2 e
n n
+ + 1
Md1 + Md 2 2 2
Med =
=
2
2
Exemplo 1: Calcular a mediana da srie: 12, 13, 14, 15, 16, 16, 17, 20
Passos:
(1 Passo) Calcular a ordem, ou posio da mediana, PMed= (
n
). No importa se n
2
impar ou par.
(2 Passo) Atravs da fac identificar a classe que contm a mediana.
(3 Passo) Aplicar na frmula:
n
fac ant
2
Md = Li +
.c , onde
fiMd
Md = Mediana
Limed = Limite inferior da classe mediana
n = fi
fi
fac
[35, 45)
[45, 55)
12
17
[55, 65)
18
35
[65, 75)
14
49
[75, 85)
55
[85, 95)
58
58
n
fac ant
Md = Li + 2
.c
fiMd
3- Moda
a medida que indica o valor que ocorre com maior frequncia num conjunto de dados.
Caractersticas da moda
2) muito utilizada quando h valores extremos que afetam de maneira acentuada o valor da
mdia
Dados qualitativos
E= excelente
O=timo
B=bom
Restaurante A= P, R, B, B, O, O, O, O, E, E.
R=regular
P=pssimo
Qual a moda?
Restaurante B= R, B, B, B, B, O, O, O, O, E.
Qual a moda?
Restaurante
C=
P,P,
Qual a moda?
R,R, B, B, O, O,E, E.
Dados quantitativos
A: {2, 3, 7, 9, 12, 15}:
B: {1, 1, 2, 2, 3, 3, 6, 6}:
C: {2, 3, 4, 4, 4, 5, 5, 6, 6, 8, 9}:
D: {2, 3, 7, 7, 7, 9, 9, 11, 11, 11, 12, 13, 14, 15}:
E: {2, 3, 3, 4, 4, 5, 5, 6, 7, 8}:
fi
15
10
13
6
3
3
50
Qual a moda?
Passos:
(1 Passo) Identificar a classe modal: A classe modal aquela que apresenta o valor que ocorre
com maior freqncia;
fpost
.c , onde
Mo = Li +
fant + fpost
Mok = Moda
Limo = Limite inferior da classe modal
fpost = freqncia absoluta da classe posterior classe modal
fant = frequncia absoluta da classe anterior classe modal
Imo = Intervalo (comprimento) da classe modal - At
Exemplo: Calcular a moda dos dados da distribuio de freqncia abaixo:
Classes
Fi
fac
[35, 45)
[45, 55)
12
17
[55, 65)
18
35
[65, 75)
14
49
[75, 85)
55
[85, 95)
58
58
Qual a moda?
4. Separatrizes
b)
xi
3
4
7
8
fi
2
5
8
4
12
3
22
Classes
68-72
72-76
76-80
80-84
fi
8
20
35
40
103
c)
MEDIDAS DE DISPERSO
As medidas de disperso de uma distribuio so valores que indicam o grau de
afastamento dos valores da varivel em relao mdia.
Amplitude total
A amplitude total (AT) de uma distribuio de frequncia a diferena entre o maior e o
menor valor da varivel, dos dados, da classe.
Exemplo: Seja Yi a varivel referente a salrios mensais em reais de cinco empregados de uma
agroindstria: Determine a amplitude total dos salrios dos trabalhadores.
Yi = {R$780,00, R$790,00, R$800,00, R$810,00 e R$820,00}, n=5.
( xi )
xi
S =
n 1
Dados no agrupados
Exemplo 1: Seja Yi a varivel referente a salrios mensais em reais de cinco empregados de uma
agroindstria: Determine a varincia dos salrios dos trabalhadores.
Yi = {R$780,00, R$790,00, R$800,00, R$810,00 e R$820,00}, n=5.
Resposta:
Dados agrupados
xifi
xi
fi
xifi
15
30
( xi )
xi
S =
n 1
fi
5
10
14
8
3
40
xi
xifi
xi
xifi
Resposta:
( xi )
xi
S =
n 1
Desvio padro
O desvio padro de uma distribuio a raiz quadrada positiva da varincia.
O desvio padro representado por (sigma) e o desvio padro da amostra por S.
Exemplo 1: S=S
S=
- Dados agrupados sem intervalo de classes
Exemplo 2: S=S
S=
- Dados agrupados em classe
Exemplo 3: S=S
S=
Coeficiente de variao
O coeficiente de variao a relao entre o desvio-padro e a mdia.
CV= S
x
Exemplo 1:
CV= S . 100
x
Exemplo 2:
CV= S
x
Exemplo 3:
CV= S
x
ASSIMETRIA E CURTOSE
a) Assimetria
b) Curtose
fa
frac
frac
24,5
23,0
25,9
28,5
33,6
38,0
21,4
24,7
26,5
28,0
Questo 4 Calcule a mdia, mediana e moda da amostra: (26, 25, 23, 34, 31, 26, 26, 20, 35, 30,
24,30).
Resposta: Mdia:27,5; Md:26; Mo: 26.
Questo 6 Os dados seguintes referem-se a uma amostra de n = 10. (10, 8, 12, 9, 15, 6, 7, 5, 12,
10). Calcule a amplitude, varincia, desvio padro, desvio padro da mdia e coeficiente de
variao.
Questo 7 - Calcule a amplitude, varincia e desvio padro da distribuio em classes de
freqncias.
Classes
fi
xi
xifi
xi2fi
20 25
5
25 30
6
30 35
15
35 40
8
40 45
4
45 50
2
Total
40
Resposta: At: ; S:
; S:
2.1
Conjuntos e Subconjuntos
2.2
Representao de conjuntos
a) Tabular
A= {1, 2, 3, 4, 5, 6}
b) Uma propriedade
S={x/x seja as faces de uma dados}
c) Diagrama de Venn
1.1.
3
5
Conceitos
Experimentos aleatrios
Ex: S = {t R/ t 0}
Evento
Se E
S e E um conjunto unitrio, E chamado evento elementar.
Se E = , E chamado evento impossvel.
1.2.
1.4.1 Unio
1.4.2 Interseo
1.4.3 Complementar de A
1.4.4 Eventos Mutuamente Excludentes
1.4.5 Eventos Independentes
1.4.6 Eventos dependentes
1.5 Probabilidade e suas leis
F=m/n
b)
A medida no negativa
P(A) 0
0 P(A) 1
c)
ou seja, S= A A, assim:
P(S) = P(A) + P(A), mas P(S)=1
P(A) + P(A) = 1
P(A) = 1- P(A)
c)
Note que A B pode ser decomposto nos eventos mutuamente exclusivos A\B e B, ou
seja, A
U
A
U
A
d)
U
A
e)
P(A
Exemplo 1:
Considere que dois dados foram equilibrados so lanados, registrando-se o resultado
como (x1, x2). Por isso, o espao amostral S pode ser representado pela seguinte lista de 36
resultados equiprovveis.
n=36
(1,1) (1,2) (1,3) (1,4) (1,5) (1,6)
(2,1) (2,2) (2,3) (2,4) (2,5) (2,6)
(3,1) (3,2) (3,3) (3,4) (3,5) (3,6)
S=
B={(x1,x2)/ x1>x2}
B={( , ), ( , ), ( , ) ( , ), ( , ),
( , ), ( , ), ( , ) ( , ), ( , ),
( , ), ( , ), ( , ) ( , ), ( , )}
Exemplo 2
Suponha-se que a UFERSA possua 100 mquinas de calcular. Algumas dessas mquinas
so Eltricas (E), enquanto outras so manuais (M), e algumas so novas (N), enquanto outras
so muito usadas (U).
A tabela a seguir d o nmero de mquinas de cada categoria.
N
U
E
40
20
60
M
30
10
40
Total
70
30
100
Uma pessoa entra no escritrio, pega uma mquina ao acaso, e descobre que nova. Qual ser a
probabilidade de que seja eltrica? Logo P(E-N)?
Resposta:
Teorema do produto
Complementar de A
P(A) = 1 P(A).
2.
P(A ou B)
Eventos dependentes
P(A
B) = P(A) + P(B)
P(A e B)
(Eventos dependentes)
S = {1, 2, 3, 4, 5,6}
A = {4}
B = {1, 3, 5}
P(A)= 1/6
P(B) = 3/6
2.
figura e espada?
3.
Num baralho de 52 cartas, colocados numa urna, uma carta escolhida aleatoriamente,
5.
Num baralho de 52 cartas, colocados numa urna, uma carta escolhida casualmente, qual
6.
Um baralho de 52 cartas tira-se uma carta ao acaso. Qual a probabilidade de ser ouros ou
7.
8.
No mesmo baralho, do exemplo anterior. Qual a probabilidade de se tirar 2 figuras ou 2
azes?
9.
Uma caixa contm 4 bolas pretas e 2 bolas brancas. Retirando-se, ao acaso, duas bolas
Das 10 alunas de uma classe, 3 tem olhos azuis. Se duas delas so escolhidas ao acaso,
qual a probabilidade de ambas terem olhos azuis? Calcule tambm a probabilidade de nenhuma
ter olhos azuis.
12.
Um casal tem dois filhos. Qual a probabilidade de: (a) O primognito ser homem? (b)
Os dois filhos serem homens? (c) Pelo menos um dos filhos ser homem?
13.
Numa escola fez-se uma enqute com duas perguntas: Gosta de matemtica? Gosta de
Estatstica? Os resultados obtidos foram: 86 respostas sim primeira pergunta; 75 respostas sim
segunda; 23 respostas sim s duas perguntas e 42 respostas no s duas perguntas. Pede-se:
a) Quantos alunos foram entrevistados?
b) Sorteando, ao acaso, um dos alunos entrevistados, qual a probabilidade de que ele tenha
respondido sim primeira pergunta?
c) Sorteando, ao acaso, um dos alunos entrevistados, qual a probabilidade de que ele tenha
respondido sim primeira pergunta e no segunda pergunta?
42
A
63
23
B
52
3. INTRODUO
3.1 Conceitos
1-Varivel Aleatria Discreta - aquela cujos valores so obtidos atravs de contagem.
2-Varivel Aleatria Contnua - aquela cujos valores so obtidos atravs de
mensurao (medidas).
D.D.P.
f (xi) = 1
0;
= E ( x) = xiP( xi)
2 = E ( x ) [E ( x) ] 2 = E [( x )]
cv =
* 100
e Distribuio de probabilidade
Distribuio de Probabilidade
Nmero de caras
P(xi)
P(X)
2) Suponha-se que uma loja tenha compilado os seguintes dados sobre vendas de refrigeradores:
Xi
Nmero vendido
0
1
2
3
4
P(xi)
Freqncia relativa
0,20
0,30
0,30
0,15
0,05
1,00
Resposta: E(X) =
E(x)=xiP(xi)=?
P(xi)
1/6
1/6
1/6
1/6
1/6
1/6
1,00
Resposta:E(X)=
1,00
Calcule o prazo esperado para a execuo da obra, de acordo com essas estimativas.
Resposta: E(X) =
6) Dez por cento dos carros num parque de carros usados tm bateria defeituosa. Se h 82 carros
no lote, qual o nmero esperado de carros com bateria defeituosa?
Resposta: E(X) =
7) Uma confeitaria estabeleceu um registro de vendas para certo tipo de bolo. Determine o
nmero esperado de bolos encomendados. Determine a varincia, desvio padro e coeficiente de
variao.
Nmero de bolos/dia
0
1
2
3
4
5
6
7
8
9
Fr
0,02
0,07
0,09
0,12
0,20
0,20
0,18
0,10
0,01
0,01
1,00
Resposta: E(X) =
Freqncia
22
5
2
1
30
Pede-se:
- Em um dia, a probabilidade de:
a) no ocorrer acidente.
b) ocorrer um acidente.
c) ocorrer dois acidentes
d)ocorrer trs acidentes
- A mdia dos acidentes
- A varincia, o desvio padro e o coeficiente de variao dos acidentes.
Resposta:
a)
b)
c)
d) Mdia:
S:
S:
CV(%):
1.
f(x) 0 x R
+
2.
f(x)dx=1
P(axb)=
f(x)dx
Grfico de f(x)
b
P(axb)=
= E(x) =
f(x)dx
= E ( x ) [E ( x)] =
2
(x ) f ( x)dx
E(X)=
CV=
x.f(x)dx
* 100
Pergunta-se:
a) A funo f(x) uma densidade legtima?
b) Calcule (2x3).
c) Calcule a mdia da reao qumica
d) Calcule a varincia e o desvio padro da reao
2) O tempo de corroso de determinada pea em contato com uma soluo uma varivel
contnua com funo densidade de probabilidade dada por:
kx , 0 x 6, x
centenas de horas
f ( x) =
0, caso contrrio
a) determine k;
b) uma pea escolhida ao acaso de um lote e colocada em contato com a soluo. Qual a
probabilidade de que dure menos de 400 horas;
c) qual a percentagem de pacas com vida til entre 100 e 400 horas.
Questo 3.
Suponha que 2% dos itens produzidos por uma fbrica sejam defeituosos. Encontre a
probabilidade P e de existirem 3 defeituosos em uma amostra de 100.
Questo 4.
Seja X o nmero de pontos que aparece na jogada de um dado no-viciado.
a) encontre a distribuio de probabilidade de x;
b) calcule P(1< x< 4)
Questo 5.
O nmero de acidentes no trecho X da Rodoviria Y no perodo da noite, em dias de
chuva, uma varivel aleatria com a seguinte distribuio de probabilidade:
P(X=x) = k. (3-x). (4-x), x= 0, 1, 2, 3 (k constante)
a) encontre o valor de k;
b) qual a probabilidade de nenhum acidente naquele trecho e naquele perodo?;
c) qual a probabilidade de pelo menos um acidente;
d) qual a probabilidade de uma acidente no mximo.
Questo 6.
O quadro a seguir fornece o nmero de avarias apresentadas por 28 computadores antes
de completar seis meses de trabalho e as probabilidades respectivas. Encontre o valor esperado
(mdia de avarias por mquina durante o perodo analisado), a varincia e o desvio padro.
X=x
P(X=x)
2
28
4
28
6
28
10
28
3
28
2
28
1
28
Questo 7.
Seja X a varivel aleatria do exerccio 3 (nmero de avarias apresentadas por 28
computadores) e defina-se Y=2X, como sendo o custo para concerto de X avarias. Pede-se:
a) Custo mdio
b) P(Y 4).
Questo 8.
A funo de densidade de probabilidade de uma V.A. X dada por:
kx 2 ,0 x 6
f ( x) =
0, x < 0
Encontre:
a) O valor de K
b) P(X>2)
c) P(0<X 4).
Resposta: a) b) c) d) Mdia: S: S: e CV(%):
Questo 9.
O tempo de espera por caminhoneiro para desembarque de carga do produto Z em uma
indstria uma varivel aleatria com f.d.p. dada por:
kx, 0 < x < 4, medida em horas
f ( x) =
0, caso contrrio
Questo 10.
Seja,
1
x + k , se x 3
f ( x) =
0, em qualquer outro caso
Pede-se:
a) Encontre o valor de k na funo para que f(x) seja uma funo de densidade de
probabilidade (f.d.p.);
b) Encontre P(1 x 2)
c) P( 2)
Questo 11.
O tempo de reao de um determinado elemento qumico uma varivel aleatria x com
a seguinte funo de densidade de probabilidade:
cx ,1 x 2
f ( x) =
cx , 2 x 3
0, caso
contrrio
Determine:
a) A constante c;
b) P(x>2)
3
2
c) P(1<x< )
Questo 12.
O tempo (em horas) gasto por um tcnico na execuo de certo reparo uma varivel
com f.d.p. dada por:
Kt , t > 1
f ( x) =
0, t 1
Sabendo-se que ele cobra R$50,00 por hora de trabalho para os concertos que duram menos
de 3 horas e R$ 40,00 para os concertos que duram 3 horas ou mais, quanto custa em mdia um
concerto?
Resposta: a) b) c) d) Mdia: S: S: e CV(%):
Tipos
As distribuies de probabilidades podem ser discretas ou contnuas, segundo a varivel
aleatria seja discreta ou contnua respectivamente.
Distribuies tericas discretas ou descontnuas: Uniforme, Bernoulli, Binomial, Poisson,
Geomtrica ou Pascal, Hipergeomtrica, Polinomial ou Multinomial, Binomial Negativa, etc.
Distribuies tericas contnuas: Uniforme, Normal, Triangular, Beta, Gama, Gauchy,
Qui-quadrado, t de Student, F de Snedecor-Fisher, etc.
ii) Uma pea escolhida, ao acaso, de um lote, contendo 500 peas; esta pea defeituosa ou
no defeituosa.
Em todos os casos, estamos interessados na ocorrncia de um sucesso (ocorrncia de
cara, pea defeituosa etc.). Para cada experimento acima, podemos definir uma varivel X que
assume apenas dois valores: o valor 1, se ocorre sucesso e o valor 0, se ocorre fracasso
indicamos p a probabilidade de sucesso, p(sucesso) = p(s) = p, onde 0 < p < 1.
p + q = 1.
n
x
P(x=x)=
o termo geral
do desenvolvimento do Binmio de Newton
n
C(n, x) = C . px. (1 x
n
p)n-x
P(x=x)=
n! . px. qn-x
(p + q)n =
x =0
P(x) =1
x!(n-x)!
n= nmero de ensaios
x= nmero de sucessos em um ensaio
n-x= nmero de falhas em um ensaio
p= probabilidade de sucesso n
x
q= 1 - p = probabilidade de falha
n
C = nmero possvel de maneiras na qual o sucesso pode ocorrer
x
p (x = 0) = P(X=0) = qn
p (x 1) = 1 [p(x = 0)]
4.1.3
= E (x) = n.p
2 = n.p.q
= n.p.q
4.1.5 Situaes reais que envolvem variveis aleatrias discretas ou descontnuas nas quais
pode ser aplicado o modelo matemtico da distribuio binomial:
e.t.c.
b)
c)
05)
Sabendo-se que 4% das peas produzidas por certa mquina so defeituosas. Em um lote
b)
c)
Generalidades
um modelo usado para descrever as probabilidades do nmero de
ocorrncias de acontecimentos (eventos) raros, em geral num intervalo de tempo, distncia, rea
ou volume (contnuo), como por exemplo o nmero de ligaes erradas num circuito telefnico.
O nmero de automveis que passam numa esquina (observe que poderemos anotar o nmero de
automveis que passaram (sucesso), porm o nmero de carros que deixaram de passar no
poder ser determinado (fracasso)).
Note-se que a unidade de medida (tempo, rea, volume) contnuo, mas a varivel
(nmero de ocorrncias) discreta.Sendo assim denominada distribuio de eventos raros.
P(x = k) =
k e -
, onde k = {0, 1, 2, ..., }
k!
- Onde,
x = k = nmero de ocorrncias
e = base do logaritmo natural
e = 2,71828
= taxa mdia por intervalo ou unidade (constante positiva dada), = . t
= nmero mdio de eventos ocorrendo no intervalo considerado
- A distribuio de Poisson caracterizada por um nico parmetro (a mdia do processo que o
).
Mdia: E(x) = x =
Varincia: V(x) =
2x
4.2.4.Situaes reais que envolvem variveis aleatrias discretas nas quais pode ser
aplicado o modelo matemtico da distribuio de Poisson.
O nmero de chamadas telefnicas, Recebidas por uma central num intervalo de 1 hora;
O nmero de sementes de ervas daninhas presentes num lote de sementes de uma cultura;
etc.
4.2.5. Notao: X pois (), significa que uma varivel aleatria discreta X possui distribuio
de probabilidade de Poisson com parmetro .
Exemplo 1. Os clientes chegam a uma loja a uma razo de cinco por hora. Admitindo que esse
processo possa ser aproximado por um modelo de Poisson, determine a probabilidade de que
durante qualquer hora:
a. No chegue nenhum cliente;
b. Chegue mais de um cliente.
Fonte: Oliveira, 2008. Estatstica e Probabilidade.
Pag.159; exerc.25
Exemplo 2. Numa lmina verificou-se que existiam em mdia 2,5 bactrias/cm2. A lmina foi
subdividida em 300 quadrados de 1cm2. Em quantos destes quadrados vocs espera encontrar no
mximo 1 bactria? Qual a probabilidade de se encontrar mais de 3 bactrias por centmetro
quadrado?
Exemplo 3. Na reviso tipogrfica de um livro achou-se em mdia 1,5 erros por pgina. Das 800
pginas do livro, estimar quantas no precisam ser modificadas por no apresentarem erros.
Exemplo 4. O nmero de chamadas telefnicas que chegam a uma central segue uma
distribuio de Poisson com mdia 6 por minuto.
a) Qual a probabilidade de nenhuma chamada chegar a central em um minuto?
b) Duas ou mais chamadas chegarem?
Exemplo 5. Caminhes chegam a um depsito a razo de 2,8 caminhes por hora. Determine a
probabilidade de chegarem trs ou mais caminhes:
a) Num perodo de 30 minutos;
b) Num perodo de 1 hora;
c) Num perodo de 2 horas.
n n 30
0,01
P
0,03
P 0,05
n 100
P 0,08
2
= n . p. q. = 1 - e ( x ) = 1
, q = 1 - , (x)
n
n
n
Exerccio de aplicao
Exemplo 3: Estima-se em 0,01 a probabilidade de vender uma aplice de seguro a pessoas que
respondem a um determinado anncio. Com base nessa informao, se 400 pessoas respondem
ao anncio, qual a probabilidade de que:
a) exatamente 1 compre a aplice;
b) pelo menos 1 compre a aplice;
c) no mximo 2 comprem a aplice.
Exerccio de fixao
2) Segue-se a distribuio de probabilidade da varivel aleatria x.
x
f(x)
a.
b.
c.
d.
20
0,20
25
0,15
30
0,25
35
0,40
0,10
0,15
0,30
0,20
0,15
0,10
4) A Empresa Equilibrada S.A. vende trs produtos, cujos lucros e probabilidades de venda
esto anotados na tabela a seguir:
Produto
A
B
C
Lucro unitrio (US$)
15
20
10
Probabilidade de venda
20
30
50
(%)
Pede-se:
a) O lucro mdio por unidade vendida e o desvio padro.
b) O lucro total esperado num ms em que foram vendidas 5000 unidades.
Fonte: Oliveira, 2008. Estatstica e Probabilidade.
6) Uma fbrica de automveis deve enviar peas pesadas de seu equipamento para sua
fbrica de montagem na cidade de Marimb.
Sabe-se que:
As peas podem ser enviadas por via area ou via martima;
O custo por via area geralmente mais alto, porm h a possibilidade de
haver greve no embarque, o que atrasaria a chegada das peas a Marimb.
A matriz de custo, expressa em US$, dada por:
Deciso
Com greve
Sem greve
Enviar por avio (Ea)
2.000
2.000
6.000
1.000
Para se achar a rea includa entre dois pontos especficos pode ser determinada pela
aplicao da integrao em combinao com a funo matemtica para esta curva de
probabilidade.
Distribuio Normal
a mais importante das distribuies do grupo continuo pela grande aplicabilidade em
pesquisas das cincias agrrias. A distribuio normal tem densidade dada por:
f ( x) =
1
2
1 x
padronizada-N(0,1). Sabe-se que a probabilidade de X estar entre dois valores quaisquer (a, b)
dada pela rea sob a curva normal entre estes valores:
e) P(0,72 Z 1,89)
b) P(-0,85 Z 0)
f) P(-0,85 Z 2)
c) P(Z 1,93)
d) P(Z 1,93)
2) As alturas dos alunos da turma de Engenharia so normalmente distribudas com mdia 1,60 e
desvio padro 0,30. Encontre a probabilidade de um aluno medir:
a)
b)
mais de 1,75 m;
c)
menos de 1,48 m
d)
qual deve ser a mdia mnima para escolhermos 10% dos mais altos?
3) Um teste padronizado de escolaridade tem distribuio normal com mdia 100 e desvio padro
10. Determine a probabilidade de um indivduo submetido ao teste ter notas entre:
a)
entre 85 e 115
b)
c)
d)
maior que 80
4) Os pesos de 600 estudantes so normalmente distribudo com mdia 65,3kg e desvio padro
5,5kg. Determine o nmero de estudantes que pesam:
a)
entre 60 e 70 kg;
b)
c)
5) X uma varivel aleatria contnua, tal que XN(12, 25). Qual a probabilidade de uma
observao ao acaso:
a)
b)
5.1 Introduo
5.2 Amostragem Probabilstica
5.2.1 Amostragem casual simples
5.2.2 Amostragem sistemtica
5.2.3 Amostragem estratificada
5.3 Amostragem no probabilstica
5.3.1 Amostragem a esmo ou sem norma
5.3.2 Amostragem intencionais
5.1 Introduo
Populao e a varivel a ser observada
Caracterstica X observvel:
POPULAO:
eleitores brasileiros
AMOSTRA: uma
parte dos
eleitores
Conceitos
Exemplo:
Considere a populao P = {1, 3, 5, 6}. Em seguida, observe os clculos do nmero de
amostras atravs dos procedimentos de amostragem com e sem reposio, para tamanhos de
amostras de 2 e 3.
Sem reposio
Exemplo:
Considere a populao P = {1, 3, 5, 6}. Em seguida, observe os clculos do nmero de
amostras atravs dos procedimentos de amostragem com e sem reposio, para tamanhos de
amostras de 2 e 3.
Com reposio
2,
ento
nmero
de
amostras
possveis
ser:
Estimativa: valor calculado com base na amostra, e usado com a finalidade de avaliar
aproximadamente um parmetro.
Amostragem
POPULAO
AMOSTRA
=?
Parmetro
Voto do eleitor:
X1
X1
2
Resultado estatstico:
X1
3
..
.
Estatstica
= p erro amostral
Economia
Menor tempo
Populao infinita
Tcnicas de Amostragem
escolhido conhecida.
Usa alguma forma de sorteio - aleatoriedade
Amostragem sistemtica
Amostragem estratificada
01. Aristteles
02. Anastcia
03. Arnaldo
04. Bartolomeu
05. Bernardino
06. Cardoso
07. Carlito
08. Cludio
09. Ermlio
10. Herclio
11. Ernestino
12. Endevaldo
13. Francisco
14. Felcio
15. Fabrcio
16. Geraldo
17. Gabriel
18. Getlio
19. Hiraldo
20.Joo Silva
21. Joana
22. Joaquim
23. Joaquina
26. Josefa
27. Josefina
28.Maria Jos
29. Ma Cristina
30. Mauro
59 58 48 36 47
92 85 05 08 65
47 49 10 41 05
10 75 59 75 99
17 28 97 99 75
53 26 21 50 21
37 93 85 52 86
86 22 75 34 37
69 85 25 03 78
50 26 18 25 10
AMOSTRA: parte da
comunidade da escola
20%
servidor
aluno
20%
60%
20%
60%
50
2 Amostragem no probabilstica
2.1 Amostragem por quotas prvias eleitorais
2.2 Amostragem intencional- opinio de elementos especficos
2.3 Amostragem acidental - rpida e barata -supermercados
Exemplo: Suponha que a universidade deseja investigar o nvel de satisfao dos alunos quanto
aos seus servios. Com esse intuito realizada uma pesquisa de opinio pblica junto aos alunos
da instituio. Para minimizar as despesas uma amostra deve ser extrada da populao de 3000
alunos. Supondo um erro amostral de 5% qual deve ser o tamanho da amostra?
N=3000
Eo=5%
N=?
no=
n=
1
E o2
N .no
N + no
1
(0,05) 2
=400
3000.(400)
3000 + 400
=352,94 353
8. Em uma populao em que N =6, tal que X = {1, 3, 4, 7, 8, 11}, calcular a mdia amostral para
todas as possveis amostras de tamanho 2. Provar que X uma estimativa no viezada (ou noviciada) de (mdia da populao). Use o processo com e sem reposio.
9. Suponha que uma companhia telefnica queria selecionar uma amostra aleatria de n = 20
assinantes (escolheu-se um nmero pequeno para simplificar o exerccio) entre 7.000, visando
estudar a atitude dos assinantes com relao aos servios prestados por essa companhia. Se os
assinantes forem numerados, a fim de serem identificados,indique que assinantes voc incluiria
nessa amostra. Use a tabela de nmeros aleatrios e mostre como escolher essa amostra.
10. Uma cidade pequena tem 20.000 eleitores. Use a tabela de nmeros aleatrios para identificar
os eleitores que devem ser includos em uma amostra de 15.
11. Doze pessoas devem tomar uma vacina, segundo uma ordem aleatria. Use a tabela de
nmeros aleatrios para escolher a melhor ordem.
12. Se uma pesquisa de um jornal feita pedindo-se aos leitores que respondam a um questionrio
publicado, as respostas resultantes fornecero uma amostra aleatria da opinio dos leitores?
Justifique a resposta.
13. Uma amostra aleatria da opinio pblica, em uma cidade pequena, foi obtida, selecionandose cada dcima pessoa que passava pela esquina mais movimentada dessa cidade. Essa amostra
tem as caractersticas de uma amostra aleatria dos cidados dessa cidade? Justifique a resposta.
14. Determinar o nmero mnimo de elementos de uma amostra se desejarmos com 95% de
confiana que a nossa estimativa de tenha um erro de no mximo 5%, sendo 2 = 0,09.
16. Foram feitas vinte medidas de tempo total gasto para a precipitao de um sal, em segundos,
numa dada experincia, obtendo-se:
13
17
15
14
12
16
14
15
17
15
15
13
16
14
15
14
16
15
16
15
Sendo assim pergunta-se: esses dados so suficientes, para estimar o tempo mdio gasto na
precipitao com preciso de meio segundo e 95% de certeza? Caso negativo, qual o tamanho da
amostra adicional necessrio?
Amostragem
Amostra (x)
Populao ( )
Inferncia Estatstica
6.1 Conceitos bsicos:
1.
Parmetro ( )
- uma medida estatstica que serve para identificar determinada caracterstica populacional.
2.
Estimador ( )
uma regra que diz como calcular a estimativa com base na informao contida na amostra onde
representado atravs de uma frmula.
3.
Estimativa ( o )
Estimao
o processo que consiste em utilizar os dados amostrais para estimar valores de parmetros
populacionais desconhecidos.
Distribuio
Normal
n 30
2
Distribuio
t-Student
n<30
s2
T
x
s/ n
P(x-1,96
. x 1,96
/ n
<1,96)=95%
)=95%
so os limites de confiana;
Valores de Z tabelado
Probabilidade
90%
95%
99%
Z tabelado
1,64
1,96
2,57
Representao grfica
0,45
-1,645
Z= 0
0,45
+1,645
Esse valor indica o afastamento mximo que o parmetro pode ter em relao aos limites
de confiana para determinado nvel de confiana.
Z .
Exemplo:
1) Estabelecer um intervalo de confiana de 95% para , sendo que uma amostra de tamanho
n=36, dessa populao forneceu x=30 e s=4.
P(x - z
P(30-1,96
<<x+z
)=1-
4
4
< < 30+1,96
)=95%
36
36
Z . = 1,96.4 = 35,76~36
e
1,31
P(x-t / 2
x
s/ n
s
n
)= (1- ) 100%
Exemplo:
1) Qual o intervalo de confiana para , no nvel de 95%, sendo que uma amostra de tamanho 20
forneceu x=38 e s=5?
P(x-t
s
s
< < x+t
)=1-
n
n
4
4
< < 30+1,96
)=95%
36
36
P(30-1,31< < 30+1,31)=95%
P(28,69< < 31,31)=95%
P(30-1,96
Concluso: Este intervalo significa que provavelmente com 95% de confiana o intervalo conter o
verdadeiro valor da .
6.5 Estimativa de uma Proporo
Numa amostra de n elementos, obtm-se uma estimativa por ponto da proporo p de
indivduos com determinada caracterstica da populao atravs do valor p= x , onde x o nmero
n
pq
n
P(p- Z / 2
p' q'
<p< p+ Z / 2
n
p' q'
)= 1-
n
Exemplo:
Examinando 100 peas produzidas por uma mquina, foram encontradas 3 defeituosas. Estimar,
no nvel de 95%, a proporo de peas defeituosas dessa mquina?
p=x/n3/100 = 0,03
q=1-p1-0,03= 0,97
=0,95%
z=1,96
P(p- Z / 2
p' q'
<p< p+ Z / 2
n
p' q'
)= 1-
n
0,03.0,97
0,03.0,97
<p< 0,03 + 1,96
)= 0,95
100
100
P(0,03 0,033<p< 0,03 + 0,033)= 0,95
P(0,003 <p< 0,063)= 0,95
ou
3% <p< 6,3%
Concluso: Este intervalo significa que provavelmente com 95% de confiana o intervalo
conter o verdadeiro valor da proporo.
P(0,03 - 1,96
de probabilidade.
Caso 1- Intervalo de confiana para a diferena entre mdias de duas populaes normais
(varincias conhecidas)
P(Z1< Z< Z2) = 95%
P(-1,96 < Z<1,96)=95%
P(-1,96 <
/ n
<1,96)=95%
P((x1-x2)-1,96
. x 1,96
so os limites de confiana;
)=95%
20,5
21,3
24,5
22,0
10- Uma amostra de 36 crianas de uma escola de 1 grau forneceu peso mdio de 28,5 kg e
desvio padro de 5,2 kg. Determinar, no nvel de 95%:
a) Intervalo de confiana da .
b) qual seria o tamanho da amostra para que o erro mximo de estimativa fosse de 1,2?
c) qual seria o erro mximo de estimativa, se amostra fosse de 200 crianas? Interprete o
resultado.
7.1. Introduo
7.2. Teste de hipteses
7.3. Hiptese estatstica
7.4. Tipos de hipteses estatstica
7.5. Natureza dos teste
7.6. Tipos de Testes de hiptese
7.7. Riscos envolvidos na tomada de deciso
7.8. Procedimentos para se efetuar um teste de hiptese
7.9. Tipos de teste paramtricos
7.9.1para mdia,
7.9.2 diferena entre mdias
7.9.3 propores
7.9.4 diferena entre propores
7.9.5 varincia e razo entre varincias
7.9.6 teste no-paramtrico:
a) Teste do Qui-quadrado
7.2 Teste de Hiptese ou Significncia
7.2.1 Teste de hiptese uma tcnica com objetivos bem definidos que auxiliam o
podendo se refletir tanto a forma, como aos parmetros da distribuio de probabilidade dessa
populao.
- Altura mdia da populao brasileira 1,65 m.
Ho: = 1,65 m;
H1: 1,65 m;
> 1,65 m;
< 1,65 m;
b)
1 > 2 ;
1 < 2
Teste bilateral
RR
H0
Ho: p = 40
H1: p
b)
40
RR
H0
RAH0
1- = 95%
Ho: p = 40
RRH0
1-
H1: p > 40
c)
Aceitar Ho
Rejeitar Ho
Se Ho verdadeira
Se Ho falsa
Deciso errada
Erro tipo I Deciso correta
Poder do teste
Enunciar as hipteses Ho e H1
2)
3)
4)
5)
Concluses
Observaes importantes:
a) A rejeio da Hiptese Ho, implicar a aceitao da hiptese H1.
b) A Hiptese Alternativa geralmente representa a suposio que o pesquisador quer
provar, sendo a Hiptese Ho formulada com o expresso propsito de ser rejeitado.
c) A Hiptese Ho considerada verdadeira ao longo da realizao do Teste de Hiptese
at o momento em que haja clara evidncia apontando em sentido contrrio.
7.7.1 Testes Paramtricos: So aqueles que formulamos Hipteses com respeito ao(s)
valor(res) de um(uns) parmetro(s) populacional.
>40.
1) Hipteses:
Ho:
H1: .
2) Nvel de significncia
=
Exemplo 3. Numa amostra de 100 peas produzidas por uma mquina foram encontradas 4
defeituosas. Testar, no nvel de significncia 0,05, a hiptese de que p=0,05 (5%).
1) Hipteses:
Ho:
H1: .
2) Nvel de significncia
=
1
. A previso terica para
6
1
x 60 = 10 (i = 1, 2, 3, 4, 5, 6).
6
Fo
12
11
10
14
Fe
10
10
10
10
10
10
qui quadrado : [ ].
O valor da estatstica teste o seguinte.
(4 10) (12 10) (9 10) (11 10) (10 10) (14 10)
+
+
+
+
+
= 5,8
10
10
10
10
10
10
Como o valor do qui quadrado teste calculado menor que o valor do qui-quadrado
tabelado, ento aceita-se a hiptese Ho.
As concluses so de que, de acordo com o teste do qui-quadrado com cinco graus de
liberdade, e um nvel de significncia de 5% de probabilidade pode-se concluir, portanto que, a
hiptese de nulidade ser aceita, isto , as freqncias observadas no diferem das freqncias
calculadas mais do que seria esperado na variao acidental do processo de amostragem. A
deciso considerar o dato como honesto ou no viciado.
Teste de Ajustamento
Objetivo:
So usados para verificar se resultados experimentais esto coerentes com resultados
tericos conhecidos a priori ou so usados na comprovao de uma lei natural, ou verificar
hipteses elaboradas por raciocnio indutivo.
A hiptese Ho diz que os resultados experimentais obedecem a Lei Natural, e a hiptese
alternativa H1 diz o contrrio da hiptese Ho.
Exemplo:
1) Os nveis de nitrognio x rendimento da cultura
2) Peso x altura
3) Notas de clculo x nota de estatstica
1 Regresso:
A origem do termo regresso deve-se ao antropologista, meteorologista, matemtico e
estatstico ingls, Francis Galton (1885), quando pesquisava relaes entre as alturas dos pais e
altura dos filhos.
A anlise de regresso simples uma tcnica, usada pelos pesquisadores onde relacionase uma varivel aleatria Y com uma ou mais varivel X, fixa.
2 - Diagrama de disperso:
Uma maneira de examinar visualmente se duas variveis esto relacionadas construir
um diagrama de disperso. Na qual cada ponto representa um par de valores conhecidos ou
observados de Y e X.
Para interpretar um diagrama de disperso, atente primeiro para o padro geral. Esse
padro deve revelar a direo, a forma e a fora (ou intensidade) da relao entre as duas
variveis.
Xxx
A fora de uma relao determinada pelo grau de proximidade dos pontos do diagrama
de disperso a uma forma simples como uma reta.
Exemplo de diagrama de disperso:
Exemplo:
(X)
15
41
33
18
37
52
28
24
45
(Y)
12
10
10
20
30
40
50
60
Observaes:
y =a+bx
y = o valor estimado da varivel dependente (Y) para um valor de X.
a= intercepto de y, valor de y quando x=0.
b=coeficiente angular da reta.
x=valor da varivel independente.
Para determinar os coeficientes da equao utilizamos o mtodo dos mnimos quadrados.
Esse mtodo requer que a reta que ajustamos aos dados tenha a propriedade de que seja mnima a
soma dos quadrados das distncias verticais dos pontos reta.
( x y )
n
x
x
n
xy
b=
4.2 - Expresso para obteno do Coeficiente linear (a): a ordenada do ponto em que a
reta corta o eixo das ordenadas.
a=
y b x ,
n
Exemplos:
1) Desejamos conhecer uma possvel relao linear entre o preo de venda (Y) e o valor
estimado ou valor contbil de residncias em determinado bairro. Escolhemos uma amostra de 5
residncias que foram vendidas no ltimo ano. Os valores esto em unidade de $100.000.
Residncias
1
2
3
4
5
3
4
5
6
5
7
10
11
b=
xy
x
a=
X
2
3
4
5
6
20
( x y )
n
x2
Y
2
5
7
10
11
35
b=
y b x
n
Equao obtida:
y =
x2
xy
y2
OBS: o nmero de observaes disponveis deve ser maior que o nmero de parmetros da
equao de regresso.
y.
VE b.SPXY
=
.100% , onde
VT
SQY
b=
( x y )
xy
x
n
x2
n
y. x
i =1
VE = SQYX= b. xy
VT= SQY=
i =1
( y )
y
No campo de variao desse coeficiente devemos ter sempre ele variando entre 0 e 1, ou
seja: 0 r 1.
10 Correlao linear:
A correlao linear simples uma medida do grau de associao entre duas variveis
quantitativas, e essa associao entre essas duas variveis pode ser medida matematicamente
atravs do coeficiente de correlao linear de Pearson (r).
Esta anlise s vlida se satisfizermos as seguintes pressuposies:
i) Tanto X como Y so variveis aleatrias e normalmente distribudos;
ii) O relacionamento entre as variveis seja linear;
iii) Cada par de observao no est conectado com outro par.
( x )( y )
X Y
n
;
x ( x ) . y ( y )
i
SXY
rxy =
=
( SXX )( SYY )
i i
2
i
2
i
iv) Se o sinal for positivo as duas caractersticas estudadas tendem a variar no mesmo
sentido.
v) Se a relao entre as variveis perfeita , o valor de r = 1 ou -1 e se no e zero.
vi) Numa amostra bicaracterizada, o valor de r uma estimativa de da populao.
48
56
64
60
72
Vendas (X)
201
225
305
380
560
600
685
735
Lucros (Y)
17
20
21
23
25
24
27
27
Horas
10
Nota
10
2,0
2,2
2,0
2,2
1,9
2,3
6,7
7,7
6,5
7,4
6,1
7,4
a) Diagrama de disperso;
b) Coeficiente de correlao de Pearson;
c) Coeficiente de determinao;
d) Ajuste da reta de regresso.
5 - As exportaes de castanha in natura, processadas pela Empresa Yasmin Ltda., no perodo de
1983 a 1989, encontram-se na tabela abaixo a seguir:
Ano
Quantidade
1983
1984
1985
1986
1987
1988
1989
50
46
36
31
25
11
18
4
5
6
5
6
8
6
8
7
7
9
8
8
10
10
2,0
6,7
2,2
7,7
2,0
6,5
2,2
7,4
1,9
6,1
2,3
7,4
BUSSAB, W. O. & MORETTIN, P. A. Estatstica Bsica. So Paulo: ed. ATUAL. 4.ed. 1997. 130p.
BUSSAB, W. O. & MORETTIN, P. A. Estatstica Bsica. So Paulo: SARAIVA, 5.ed. 2003, 526P.
COSTA NETO, P.L.O. Estatstica. So Paulo: Edgard Blucher, 1977. 264p.
FONSECA, J.S.; MARTINS, G.A. & TOLEDO, G.L. Estatstica Aplicada. So Paulo: Atlas, 1985.
267p.
HOFFMANN, R. Estatstica para Economistas. So Paulo: Livraria Pioneira Editora. 1990. 238p.
MEYER, P.L. Probabilidade Aplicaes e Estatstica. Rio de Janeiro: Livro Tcnico, 1973. 391p.
STELL, R.G.D. & TORRIES, J. Introduction to Statistics. New York: Mc Graw-Hill Book Campany,
1976. 387p.
THURSTONE, L.L. Noes Bsicas de Estatstica. So Paulo: Livraria Martins Editora, 1963.
253p.