Escolar Documentos
Profissional Documentos
Cultura Documentos
Fernandes 1999 PDF
Fernandes 1999 PDF
ESTATSTICA APLICADA
com a colaborao de
A. Ismael F. Vaz
na realizao dos grficos, figuras e tabelas
Contedo
Prefcio
ix
1 Teoria da amostragem
1.1 Introduo . . . . . . . . . . . . .
1.2 Amostragem . . . . . . . . . . . .
1.3 Amostra aleatria simples . . . .
1.4 Distribuio amostral . . . . . . .
1.5 Erros no processo de amostragem
1.6 Outros tipos de amostragem . . .
1.7 Exerccios . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1
1
1
2
4
5
5
7
2 Experimentao
2.1 Introduo . . . . . . . . . . .
2.2 O planeamento da experincia
2.3 Medio de variveis . . . . .
2.3.1 Preciso das medies
2.3.2 Escalas de medio . .
2.4 Exerccios . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
13
13
14
16
16
17
19
.
.
.
.
23
23
23
25
31
.
.
.
.
.
.
.
37
37
39
41
43
44
44
46
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
4 Estatstica descritiva
4.1 Medidas centrais . . . . . . . . . .
4.2 Medidas de disperso . . . . . . . .
4.3 Distribuio normal . . . . . . . . .
4.4 Medidas de associao . . . . . . .
4.4.1 Coeficiente de correlao . .
4.4.2 Coeficiente de determinao
4.4.3 Associao, predio e causa
i
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
ii
CONTEDO
4.5
Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
49
5 Distribuies de probabilidade
5.1 Teoria das probabilidades . . . . . . . . . . . . . . . .
5.1.1 Espao da amostra . . . . . . . . . . . . . . . .
5.1.2 Probabilidades . . . . . . . . . . . . . . . . . .
5.1.3 Operaes com acontecimentos . . . . . . . . .
5.1.4 Funes de probabilidade . . . . . . . . . . . . .
5.1.5 Distribuio de funes de variveis aleatrias .
5.2 Esperana Matemtica . . . . . . . . . . . . . . . . . .
5.3 Funes de distribuio discretas . . . . . . . . . . . .
5.3.1 Tentativas de Bernoulli . . . . . . . . . . . . . .
5.3.2 Distribuio binomial . . . . . . . . . . . . . . .
5.3.3 Distribuio binomial negativa . . . . . . . . . .
5.3.4 Distribuio de Poisson . . . . . . . . . . . . . .
5.3.5 Aproximao de Poisson distribuio binomial
5.4 Funes de distribuio contnuas . . . . . . . . . . . .
5.4.1 Distribuio uniforme . . . . . . . . . . . . . . .
5.4.2 Distribuio exponencial . . . . . . . . . . . . .
5.4.3 Distribuio gama . . . . . . . . . . . . . . . .
5.4.4 Distribuio normal . . . . . . . . . . . . . . . .
5.4.5 Aproximao normal distribuio binomial . .
5.4.6 Distribuio normal bivariada . . . . . . . . . .
5.4.7 Distribuio Qui-quadrado . . . . . . . . . . . .
5.4.8 Distribuio t-Student . . . . . . . . . . . . . .
5.4.9 Distribuio F. Fisher . . . . . . . . . . . . . .
5.5 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
55
55
56
56
58
60
65
67
70
70
71
71
73
74
75
75
76
77
78
80
82
83
84
85
87
6 Estimao de parmetros
6.1 Introduo . . . . . . . . . . . . . . . . . . . . . . .
6.2 Estimao pontual de parmetros . . . . . . . . . .
6.2.1 Mdia do quadrado do erro . . . . . . . . .
6.2.2 Tendncia . . . . . . . . . . . . . . . . . . .
6.2.3 Eficincia . . . . . . . . . . . . . . . . . . .
6.2.4 Consistncia . . . . . . . . . . . . . . . . . .
6.3 Estimador de mxima verosimilhana . . . . . . . .
6.3.1 Estimador da mdia . . . . . . . . . . . . .
6.3.2 Estimador da varincia . . . . . . . . . . . .
6.3.3 Estimador para a proporo binomial . . . .
6.4 Estimao por intervalos de confiana . . . . . . . .
6.4.1 Intervalo para a mdia . . . . . . . . . . . .
6.4.2 Intervalo para a diferena entre duas mdias
6.4.3 Intervalo para a varincia . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
93
93
94
94
95
96
96
97
98
99
100
101
101
102
103
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
CONTEDO
6.5
iii
111
111
112
112
113
113
114
116
118
118
122
126
8 Testes s propores
8.1 Teste s propores de duas binomiais . . .
8.1.1 Teste proporo p1 . . . . . . . . .
8.1.2 Teste diferena de duas propores
8.2 Estatstica dos testes do Qui-Quadrado . .
8.3 Tabelas de Contingncias de duas Entradas .
8.3.1 Teste de independncia . . . . . . . .
8.3.2 Teste de homogeneidade . . . . . . .
8.4 Exerccios . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
163
163
163
164
164
166
167
169
171
175
175
176
176
177
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
130
137
140
144
146
148
150
153
iv
CONTEDO
9.2.1
9.2.2
9.3
9.4
9.5
10 Testes de regresso
10.1 Regresso linear e simples . . .
10.2 Regresso linear e mltipla . . .
10.3 Regresso no-linear . . . . . .
10.4 Anlise dos resduos . . . . . .
10.4.1 Tipos de resduos . . . .
10.4.2 Verificao das condies
10.4.3 Modelo mal especificado
10.5 Exerccios . . . . . . . . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
dos erros
. . . . . .
. . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
193
193
196
198
199
200
203
205
208
217
B Quadrados latinos
291
C Quadrados greco-latinos
295
Lista de Figuras
1.1
1.2
1.3
1.4
1.5
Roda [12] . . . . . . . . . .
Tabela das etiquetas [12] . .
Mapa da freguesia do Forno
Distribuies amostrais [12]
Populao de supermercados
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
da cidade [12]
.
.
.
.
.
3
8
9
10
12
2.1
2.2
2.3
14
15
16
3.1
3.2
3.3
3.4
3.5
3.6
3.7
3.8
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
24
25
26
27
27
28
29
30
4.1
4.2
4.3
4.4
4.5
4.6
4.7
.
.
.
.
.
e
.
. . . .
. . . .
. . . .
. . . .
. . . .
B [12]
. . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
39
40
42
45
46
47
48
5.1
5.2
5.3
5.4
5.5
5.6
5.7
Probabilidades [5] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Grfico da funo das probabilidades [5] . . . . . . . . . . . . . . . . . . .
Grfico das probabilidades acumuladas [5] . . . . . . . . . . . . . . . . . .
Exemplo de funo de distribuio acumulada . . . . . . . . . . . . . . . .
Histograma de uma distribuio de Bernoulli [5] . . . . . . . . . . . . . . .
Distribuio das probabilidades binomiais e probabilidades acumuladas [5]
Histograma de uma distribuio binomial [5] . . . . . . . . . . . . . . . . .
61
61
62
63
70
72
72
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
vi
LISTA DE FIGURAS
5.8
5.9
5.10
5.11
5.12
5.13
5.14
5.15
5.16
5.17
.
.
.
.
.
.
.
.
.
.
74
76
77
78
79
81
82
84
86
87
6.1
6.2
6.3
Estimador T tendencioso . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Estimadores T e T para o parmetro . . . . . . . . . . . . . . . . . . . .
Distribuio do estimador X . . . . . . . . . . . . . . . . . . . . . . . . . .
95
96
98
7.1
7.2
9.1
9.2
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
Lista de Tabelas
A.1 Nmeros aleatrios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
A.2 Coeficientes da Binomial . . . . . . . . . . . . . . . . . . . . . . . . . . . .
A.3 Distribuio Binomial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
A.4 Distribuio de Poisson . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
A.5 Valores de ex e de ex . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
A.6 Normal padronizada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
A.7 Valores Crticos da distribuio 2 . . . . . . . . . . . . . . . . . . . . . . .
A.8 Valores Crticos da distribuio t-student . . . . . . . . . . . . . . . . . . .
A.9 Valores Crticos da distribuio F-Fisher . . . . . . . . . . . . . . . . . . .
A.10 Estatstica do teste de Kruskal-Wallis para pequenas amostras . . . . . . .
A.11 Estatstica do teste de Kolmogorov . . . . . . . . . . . . . . . . . . . . . .
A.12 Estatstica do teste de Lilliefors (normal) . . . . . . . . . . . . . . . . . . .
A.13 Estatstica do teste de Lilliefors (Exponencial) . . . . . . . . . . . . . . . .
A.14 Estatstica do teste de Smirnov para duas amostras de tamanhos iguais a n
A.15 Estatstica do teste de Smirnov para amostras de tamanhos diferentes . . .
A.16 Estatstica do teste de Smirnov para k-amostras . . . . . . . . . . . . . . .
A.17 Estatstica do teste de Spearman . . . . . . . . . . . . . . . . . . . . . . .
A.18 Limite inferior crtico no teste dos Runs ( = 0.5) . . . . . . . . . . . . .
A.19 Limite superior crtico no teste dos Runs ( = 0.5) . . . . . . . . . . . . .
A.20 Valores Crticos da estatstica de Durbin-Watson ( = 0.05) . . . . . . . .
vii
217
220
221
232
241
243
245
246
247
267
268
270
271
272
274
276
285
286
287
288
viii
LISTA DE TABELAS
Prefcio
Este texto serve de apoio s aulas tericas e terico-prticas de uma disciplina anual de
Estatstica que inclua a Estatstica Descritiva e a Estatstica Inferencial.
Os dois primeiros captulos contm introdues teoria da amostragem e do planeamento de experincias. A organizao dos dados e a sua descrio grfica surgem no
Captulo 3. O clculo de certas medidas centrais, de disperso e de associao que descrevem algumas propriedades de certas distribuies encontra-se no Captulo 4 sobre a
Estatstica Descritiva. No Captulo 5 faz-se uma introduo teoria das probabilidades e
so descritos vrios modelos probabilsticos.
Com o Captulo 6 inicia-se a Estatstica Inferencial com a estimao pontual e por
intervalos de confiana de parmetros das distribuies. O Captulo 7 comea com uma
introduo aos testes de hipteses e descreve vrios testes s mdias das distribuies,
quer paramtricos quer no paramtricos. No Captulo 8 apresenta-se um conjunto de
testes s propores e no Captulo 9 so introduzidos os testes de ajuste de distribuies
probabilsticas. Os testes de regresso, a anlise dos resduos e os testes de dependncia
linear encontram-se nos dois ltimos captulos.
No fim de cada captulo so includos enunciados de um conjunto de problemas sobre
a respectiva matria. O Apndice A contm um conjunto de 20 tabelas, das quais 17
correspondem a tabelas de distribuies probabilsticas.
ix
PREFCIO
Captulo 1
Teoria da amostragem
1.1
Introduo
A estatstica tem como objectivo fornecer informao (conhecimento) utilizando quantidades numricas. Seguindo este raciocnio, a estatstica divide o estudo e a anlise dos
dados (factos numricos) em trs fases:
1. Obteno dos dados
2. Descrio, classificao e apresentao dos dados
3. Concluses a tirar dos dados.
A 2a. fase normalmente conhecida por Estatstica Descritiva e a 3a. por Estatstica
Inferencial. A 3a. fase das mais importantes uma vez que a obteno e organizao
dos dados sugerem concluses. Nem s nas reas das Cincias Exactas, nomeadamente na
Matemtica, e da Engenharia tem a Estatstica as suas aplicaes. Economistas, psiclogos,
socilogos e educadores consideram, j, hoje em dia, a estatstica como uma ferramenta
bsica no seu trabalho dirio. Nem mesmos os historiadores podem ignorar os mtodos
estatsticos.
1.2
Amostragem
Para se saber se o bolo de chocolate est bom, basta comer uma fatia
Esta a ideia essencial da amostragem: obter informao sobre o todo, examinando apenas uma parte. Os termos bsicos usados em amostragem so:
Populao - o grupo inteiro de objectos (unidades) dos quais se pretende obter
informaes. A populao deve ser definida claramente e em termos daquilo que se
pretende conhecer.
Unidade - qualquer elemento individual da populao.
1
Exemplo 1.2.1 Sondagens opinio pblica que servem para conhecer a opinio da populao sobre variadas questes. As mais populares so as sondagens polticas.
Exemplo 1.2.2 Inspeco de mercado utilizada com o intuito de descobrir as preferncias
das pessoas em relao a certos produtos. Um dos exemplos mais conhecidos da aplicao
desta amostragem a lista de audincias dos programas de televiso.
Exemplo 1.2.3 Censo (recenseamento da populao) que tem como objectivo obter informao relativa ao nmero de ocupantes, idade, sexo, parentesco entre eles, etc. de cada
habitao do pas (concelho ou freguesia).
Exemplo 1.2.4 Amostragem de aceitao que consiste na seleco e inspeco cuidada
de uma amostra retirada de uma encomenda enviada pelo fornecedor. Baseado no estado
da amostra, toma-se a deciso de aceitar ou rejeitar a encomenda.
Um censo uma amostra que consiste na populao inteira.
Se nos interessa obter informao relativa populao, porque no considerar um
censo?
Se a populao grande, torna-se excessivamente caro e perde-se muito tempo a fazer
um censo.
Existem, ainda, outras razes que nos levam a preferir uma amostra a um censo. Nalguns casos, as unidades que constituem a amostra para inspeco, so destrudas. Noutros
casos, pela escassez de pessoas treinadas (sem formao especfica) para levar a cabo um
censo, mais seguro confiar num nmero reduzido de informao. Haveria uma menor
ocorrncia de erros humanos.
Parece, assim, ser mais vantajoso retirar amostras e basear a anlise nessas amostras.
Este processo parece ser simples, no entanto, pode levar a enganos. A seleco das unidades
da populao que so mais facilmente acessveis, origina uma amostra conveniente. Este
tipo de amostra no representativa da populao e pode levar a concluses erradas sobre
a populao.
1.3
mesma oportunidade de ser escolhida para fazer parte da amostra. Para abreviar usaremos,
daqui para a frente, a.a.s. para designar amostra aleatria simples. Uma a.a.s. obtida
atravs de um mtodo que d a qualquer possvel amostra de tamanho n (com n elementos)
a mesma oportunidade de ser a amostra escolhida. Dos mtodos existentes, os mais usados
e simples para a obteno de uma a.a.s. consistem em:
Mtodo 1.
Usar uma roda semelhante figura 1.1, que se segue,
A roda deve ser desenhada num superfcie lisa e deve rodar em torno do centro. A
circunferncia deve ser dividida em 10 sectores iguais e numerados com: 0, 1, 2, 3,
4, 5, 6, 7, 8, 9. Fixa-se um ponteiro, como o que est representado na figura. De
cada vez que a roda girar, ela parar e o ponteiro indicar um sector, por exemplo o
2. Cada sector (nmero) tem a mesma oportunidade de sair e, como a roda no tem
memria, o resultado obtido de cada vez que a roda gira no vai afectar as tentativas
seguintes. Podemos construir, assim, uma tabela de dgitos aleatrios.
Mtodo 2.
Usar uma tabela de nmeros aleatrios (j existente), como a que est representada
na Tabela A.1 do Apndice.
A tabela apresenta agrupamentos de 5 dgitos e tem as linhas numeradas, com o
objectivo de facilitar a sua consulta. A tabela satisfaz as seguintes propriedades:
1. Qualquer par de dgitos na tabela tem a mesma oportunidade de ser (qualquer)
um dos 100 possveis pares 00, 01, 02, 03, ..., 97, 98, 99.
2. Qualquer trio de dgitos na tabela tem a mesma oportunidade de ser um dos
1000 possveis trios 000, 001, 002, 003, ..., 997, 998, 999.
1.4
Distribuio amostral
Quando examinamos uma amostra para tirar concluses sobre as caractersticas da populao, normalmente estas dizem respeito s caracterstica numricas dessa populao.
Como exemplos temos: a percentagem de trabalhadores de uma cidade que usa transportes
pblicos para se deslocar de casa para o emprego; o tempo mdio de vida das lmpadas
GE de 40 watts, etc.
Um parmetro uma caracterstica numrica da populao. um nmero fixo, mas
em geral no conhecemos o seu valor.
Uma estatstica uma caracterstica numrica da amostra. O valor de uma estatstica passa a ser conhecido logo que a amostra efectivamente retirada da populao.
No entanto, esse valor vai variar de amostra para amostra. A isto se chama variao
amostral.
Se chamarmos s variveis X1 , X2 , X3 , X4 , ..., Xn1, Xn os elementos da amostra de
tamanho n, ento uma estatstica tambm uma varivel aleatria e uma funo f dos
elementos da amostra: f (X1 , X2 , ..., Xn ). Esta estatstica usada para estimar o valor
do parmetro da populao que desconhecido.
Uma estatstica de uma a.a.s. pode tomar um padro (conjunto) de valores previsveis
em repetidas amostragens. A este padro chama-se distribuio amostral da estatstica.
1.5
Podem surgir dificuldades no processo de amostragem. Dois tipos de erros podem ocorrer:
1. Erros de amostragem aleatrios que aparecem no processo de amostragem. Do
origem a resultados diferentes dos que obteramos se tivssemos usado um censo. So
devidos aleatoriedade da repetio de uma experincia e so fceis de ultrapassar,
bastando para isso repetir vrias vezes a experincia para obter outras amostras.
2. Os erros de amostragem no aleatrios no esto relacionados com a seleco da
amostra. Muitas vezes so devidos complexidade do comportamento humano.
So exemplos tpicos destes erros, que surgem em inquritos:
a falta de dados, que pode aparecer quando no possvel contactar um sujeito
(que tenha sido seleccionado para a amostra) ou o sujeito se recusa a responder ao
questionrio;
erros nas respostas, quando o sujeito pode deliberadamente mentir ao responder s
questes colocadas, ou pode no ter entendido a questo;
erros no processamento de dados, que ocorrem no processo mecnico do clculo de
quantidades numricas e no processo de introduo de dados para um ficheiro;
efeitos do mtodo usado para a obteno dos dados, que tm a ver com os inquiridores,
com a altura em que realizado o inqurito, com a linguagem utilizada nas perguntas
e com o meio utilizado (correios, telefones ou contactos directos).
O contacto directo com o inquirido o meio mais caro, mas com inquiridores treinados,
este mtodo introduz menos tendncias do que qualquer dos outros mtodos (meios) de
obteno de dados.
1.6
Pelo que foi dito, um inqurito aleatrio opinio pblica (digno) de confiana vai depender
do uso, no s das ideias estatsticas (amostragem aleatria), mas tambm de prticas
experientes (linguagem utilizada nas questes, inquiridores treinados).
Quando o nosso objectivo retirar uma amostra de uma grande populao de sujeitos,
usar uma a.a.s. aconselhvel em termos estatsticos, mas, por vezes, no nada prtico.
Assim, em sondagens de opinio pblica e em inspeces de mercado, a nvel nacional,
costume utilizar um planeamento amostral com diversas fases e que consiste em:
seleccionar uma a.a.s. de distritos do pas,
seleccionar uma a.a.s. de concelhos, nos distritos seleccionados na fase anterior,
seleccionar uma a.a.s. de freguesias, existentes nos concelhos seleccionados na fase
anterior,
seleccionar uma a.a.s. de pequenos lugares (na rea urbana so bairros ou grupos de
casas), nas freguesias j seleccionadas, usando mapas ou fotografias areas,
seleccionar uma a.a.s. de residentes, dos lugares seleccionados.
finalmente, de cada residncia seleccionar um adulto para a entrevista.
Este tipo de amostragem tem a vantagem de no precisar de uma lista de todos os
residentes do pas, mas apenas dos residentes dos lugares entretanto seleccionados na fase
respectiva. Assim, todos os residentes que fazem parte da amostra esto agrupados por
pequenos lugares, tornando o processo de obteno de dados mais econmico e rpido.
Outra tcnica de amostragem muito usada a amostragem estratificada. Para obter
uma amostra aleatria estratificada dividem-se as unidades, donde se vai retirar a amostra,
por grupos, conhecidos por estratos. Estas camadas ou grupos so escolhidos pelo interesse
especial que temos nesses grupos ou pelo facto de que dentro de cada grupo as unidades
so muito semelhantes.
Finalmente retira-se uma a.a.s. de cada camada e combinam-se todas as amostras para
construir a amostra aleatria estratificada.
Neste tipo de amostra, as unidades da populao no tm todas a mesma oportunidade
de serem escolhidas. Alguns estratos da populao aparecem na amostra deliberadamente
representados por excesso. Uma das vantagens deste tipo de amostragem est relacionada
com a possibilidade de se obter informao acerca de cada estrato individualmente.
A anlise a efectuar dos dados vai depender do tipo de amostragem usada. As tcnicas
estatsticas para uma anlise correcta dos dados, variam de acordo com a amostragem.
Para planear uma amostra, com o objectivo de realizar um inqurito/estudo, devemos
passar pelas seguintes etapas:
1. Definio da populao (em extenso e unidades).
2. Especificao das variveis a medir (preparar o questionrio).
3. Planeamento estatstico da amostra (tamanho e tipo de amostragem).
4. Reconhecimento de certos detalhes (treino dos inquiridores, escolha da altura adequada).
1.7. EXERCCIOS
1.7
Exerccios
A2056
A2083
A2084
A2100
A2108
A2113
A2119
A2124
A2125
A2130
A2219
A2336
A2337
A2338
A2339
A2340
A2351
A2352
A2367
A2372
A2381
A2382
A2383
A2384
A2385
A2390
A2396
A2410
A2411
A2500
B0001
B0012
B0046
B0123
B0124
B0125
B0138
B0139
B0145
B0151
1.7. EXERCCIOS
10
7. J vimos como a tcnica para a obteno de dados pode influenciar a preciso dos
resultados obtidos da amostra. Os mtodos descritos em i), ii), iii) e iv) foram usados
na obteno de informao (dados) relativa s audincias televisivas, a partir de uma
amostra de residentes da cidade do Pico:
i) no mtodo de registo dirio, pedido ao residente que anote diariamente todos os
programas que viu e quem os viu, durante uma semana, e envie posteriormente
pelo correio essas anotaes (semanalmente);
ii) no mtodo de recordao, um entrevistador mostra ao sujeito uma lista dos
programas da semana anterior e pergunta quais os programas que foram vistos;
iii) no mtodo do telefonema imediato, o residente recebe chamadas, em alturas
determinadas, e -lhe perguntado se a televiso est ligada, a que programa
est a assistir e quem o est a ver;
1.7. EXERCCIOS
11
12
Estrato A
Estrato B
Mercado 1 s Mercado 1
2 s
2
3 n
3
4
5
6
7
8
9
10
n
s
n
n
s
n
s
n
n
s
Estrato C
Mercado 1 s
2 s
3 n
4 s
5 n
6 n
7 n
8 s
9 n
10 n
11
12
13
14
15
16
17
18
19
20
s
s
n
s
s
n
n
n
s
s
Captulo 2
Experimentao
2.1
Introduo
Experimentao uma actividade essencial na nossa caminhada para o progresso. Embora o objectivo da experimentao seja muitas vezes a descoberta de novos princpios
cientficos ou fenmenos, estabelecendo relaes de causa/efeito ou desenvolvendo mtodos
mais aperfeioados e processos, uma grande parte da actividade experimental conduzida
no domnio das Cincias e na Indstria dirigida obteno de condies ptimas para o
funcionamento de um processo.
ptimo significa o melhor e um termo mais forte do que melhorado.
Experimentao e amostra por observao (ou outras formas de observao) so conceitos diferentes.
Numa experincia, o experimentador controla ou manipula o ambiente das unidades.
Os investigadores intervm na experincia, administrando um tratamento com o objectivo
de estudar os seus efeitos. A vantagem da realizao de uma experincia deve-se ao facto
de podermos estudar os efeitos de tratamentos especficos que nos interessam.
A inteno dos experimentadores estudar os efeitos resultantes numa varivel, das
alteraes introduzidas noutra varivel.
Assim, distinguimos variveis resposta ou dependentes (v.d.), das variveis independentes (v.i.) que o experimentador manipula.
Podemos ter vrias variveis de cada tipo.
De uma amostra obtida por observao podemos mostrar que existe uma relao entre
duas variveis (por exemplo: o nmero de cigarros fumados por dia e nmero de mortes de
cancro no pulmo), mas j no podemos mostrar que uma varivel a causa da existncia
de outra varivel (por exemplo: o cigarro uma das causas de morte de cancro no pulmo).
H tratamentos que no podem ser impostos, por razes prticas e morais. Nestes
casos, onde no possvel realizar uma experincia, podemos tentar estudar o fenmeno
causa/efeito a partir de uma amostra obtida por simples observao.
Em princpio, as experincias podem estabelecer causas. Se alterarmos o valor de uma
v.i., sem alterar as outras condies de realizao da experincia, ento qualquer variao
13
14
CAPTULO 2. EXPERIMENTAO
resultante da v.d. deve ser causada pela variao da v.i. Na prtica, difcil repetir a
experincia sem que as outras condies se alterem.
Os termos mais utilizados em experimentao so:
Unidades - os objectos de base sobre os quais se realiza a experincia. Quando as
unidades so pessoas, chamam-se sujeitos.
Varivel - uma caracterstica mensurvel de uma unidade.
Varivel dependente - uma varivel cuja variao se pretende estudar; uma varivel
resposta.
Varivel independente - uma varivel cujo efeito na v.d. se pretende estudar.
Numa experincia chama-se factor.
Tratamento - qualquer condio experimental especfica aplicada s unidades. ,
em geral, uma combinao de valores especficos, chamados nveis, de cada um dos
factores experimentais.
Assim, as experincias permitem estudar os factores que nos interessam, individualmente ou simultneamente (combinados). A experincia pode mostrar que esses factores
causam certos efeitos. Por esta razo, devemos preferir realizar experincias, em vez de
descrever a populao por observao de uma amostra (para obter dados) sempre que o
nosso objectivo seja estudar os efeitos das variveis.
2.2
O planeamento da experincia
Por vezes, em planeamentos deste tipo, no possvel tirar concluses vlidas, pois os
efeiros da v.i. no se conseguem distinguir dos efeitos de outros factores, que no esto em
15
estudo. As variveis, que no nos interessa estudar, mas que mesmo assim influenciam a
varivel dependente so factores externos.
Os efeitos de duas variveis (variveis independentes ou factores externos) numa varivel
dependente dizem-se misturados se no podem ser distinguidos uns dos outros.
A mistura de diferentes factores (mistura dos seus efeitos) torna obscuro o verdadeiro
efeito da v.i. sobre a v.d.
Para evitar a mistura com factores externos devemos realizar experincias comparativas. Se pudermos usar dois grupos de unidades, atribumos o tratamento apenas a um
grupo, chamado grupo experimental, e ao outro grupo, o grupo de controlo, no aplicamos
o tratamento. Todas as outras condies de realizao da experincia so as mesmas.
Assim, qualquer diferena entre os grupos deve ser devida aos efeitos do tratamento.
Qualquer factor externo influencia os dois grupos, enquanto que o tratamento s est a
influenciar um grupo.
Para que as experincias comparativas sejam eficazes necessrio uma tcnica especial
de atribuio de unidades aos grupos. Grupos equivalentes, para usar em experincias,
podem ser obtidos afectando aleatoriamente as unidades aos grupos.
Assim como uma a.a.s. representativa da populao, tambm uma seleco aleatria
de metade das unidades existentes d origem criao de dois grupos - os que foram seleccionados e os que ficaram de fora. Este tipo de planeamento tem o aspecto representado
na figura 2.2:
16
CAPTULO 2. EXPERIMENTAO
2.3
Medio de variveis
Definimos varivel, na seco 1.2. do Captulo 1, como sendo uma caracterstica mensurvel
de uma unidade. As variveis surgem da medio das propriedades das unidades.
Medir uma propriedade significa atribuir quantidades numricas s unidades, como
forma de representar essa propriedade.
Nem todas as propriedades podem ser medidas atravs de nmeros. Por exemplo, as
situaes de empregado, desempregado e indivduo no activo correspondem a tentativas
de medio da propriedade, situao profissional, classificando-a.
Assim, possvel falar de classificao e diviso por categorias de variveis, separadamente da medio. A classificao de pessoas, por exemplo, por sexo, raa, ou situao
profissional, no d origem a nmeros. No entanto, podemos continuar a usar o termo
medio, atribuindo nmeros s classes. Isto , atribumos o valor 0 classe dos indivduos
no activos, o valor 1 classe dos desempregados e o valor 2 classe dos empregados.
Uma varivel uma medida vlida de uma propriedade quer ela seja relevante ou
apropriada representao daquela propriedade.
A estatstica s trata de propriedades mensurveis. Por exemplo, a inteligncia e a
maturidade no podem ser estudadas estatisticamente, no entanto, variveis como o CI
(coeficiente de inteligncia - mede apenas uma combinao de habilidade inacta, conhecimento apreendido e abertura cultura dominante) j podem ser tratadas.
2.3.1
17
2.3.2
Escalas de medio
A medio de uma propriedade significa atribuir uma quantidade numrica para a representar. Tendo planeado o processo de obteno dos dados e as medies que devem ser
feitas em relao s unidades, a etapa seguinte consiste em organizar um resumo desses
dados.
Mas antes disto, preciso saber que tipo de informao est adjacente aos nmeros.
Falar do tipo de informao adjacente s medies, equivalente a reconhecer o tipo de
escala que foi usada nas medies.
A medida de uma propriedade est numa escala nominal se a medio apenas define
a que classe a unidade pertence, em relao quela propriedade.
A medida est numa escala ordinal se tambm esclarece quando uma unidade tem
mais da propriedade do que outra unidade.
A medida est numa escala intervalar se tambm diz que uma unidade diferente por
uma certa quantidade da propriedade, de outra unidade.
A medida est numa escala proporcional se diz que uma unidade tem tantas vezes
mais da propriedade do que outra unidade.
As medies feitas numa escala nominal colocam as unidades em categorias. So exemplos, as propriedades raa, sexo, situao profissional. Podemos atribuir um cdigo a
cada categoria: feminino-0, masculino-1 ou feminino-1, masculino-0; o valor em si no
importante.
Numa escala ordinal a ordem dos nmeros atribudos s categorias tem significado.
Se um conjunto de candidatos recebe de um Comit uma pontuao de 1 (mais fraca) a
10 (mais forte), ento o candidato com pontuao 8 melhor do que o candidato com
pontuao 6 (no s diferente). O valor dos nmeros no tem significado, por exemplo,
a pontuao 8 no duas vezes melhor do que a 4.
Com as escalas intervalar e proporcional atingimos o tipo de medidas que nos mais
familiar.
H medies feitas numa escala de unidades iguais, como por exemplo: a altura em
cm., o tempo de reaco em seg., ou a temperatura em o C. Um comprimento de 4cm
duas vezes maior do que um de 2cm. A escala proporcional e o 0 tem o seu significado.
A temperatura em o C corresponde a uma escala intervalar. Uma temperatura de 40o C
no duas vezes mais quente do que uma de 20o C.
18
CAPTULO 2. EXPERIMENTAO
2.4. EXERCCIOS
2.4
19
Exerccios
20
CAPTULO 2. EXPERIMENTAO
marcado com um M. Mais de metade das pessoas envolvidas na experincia disseram
que a marca M sabia melhor.
A Coca-Cola disse que a experincia no era vlida devido s misturas de factores,
da marca Coca-Cola com outras variveis externas.
Consegue descobrir onde est a mistura?
4. Foi descoberta uma vacina contra um virus perigoso. O cientista tem consigo dez
ratinhos (chamados Alfi, Berni, Chuchu, David, Frati, J, Lili, Mm, Poli, Zti)
para a realizao de uma experincia.
Faa o planeamento da experincia que tem como objectivo comparar a eficcia da
vacina. Use a linha 140 da Tabela A.1 para fazer a atribuio aleatria de unidades.
5. Realizar apenas comparaes no faz de um estudo uma experincia. Os exemplos
seguintes so estudos baseados em observaes, ou so experincias?
Descreva claramente a diferena entre um estudo comparativo baseado em observaes e uma experincia comparativa? Quais as vantagens que a experincia tem sobre
o estudo?
(a) Um professor de latim de uma escola secundria pretende mostrar os efeitos
benficos do estudo de latim nas aulas da disciplina de Portugus. Para tal,
obteve, dos livros de termos, as classificaes, de todos os alunos do 9o. ano,
obtidas num exame de Portugus. A mdia das classificaes dos alunos que
tinham tido latim era mais alta do que a dos outros alunos que nunca tinham
tido latim. O professor concluu que - O estudo de latim melhora o domnio
da lngua portuguesa.
So os alunos que escolhem o latim, como opo.
(b) Um artigo de uma revista de mulheres dizia que as mes que amamentam os seus
filhos so mais carinhosas e apresentam maior receptividade para as crianas,
do que as mes que alimentam os filhos com bibero. O autor do artigo dizia
que amamentar tem efeitos desejveis nas atitudes da me em relao criana.
Mas, so as mulheres que escolhem amamentar ou alimentar com bibero, e
bem possvel que as mes que escolhem amamentar as crianas, j por si sejam
mais receptivas.
6. Uma empresa que confecciona comida est a preparar uma nova massa de bolo de
chocolate. muito importante que o sabor do bolo no sofra variaes devido a
pequenas alteraes no tempo de cozedura e na temperatura. A empresa pensou
planear uma experincia em que iria testar as temperaturas 300oC, 320o C e 340oC e
os tempos: 1 hora e 1 hora e 15 minutos.
Ajude no planeamento desta experincia, considerando cinco unidades em cada grupo.
Quantos tratamentos definiu e quantas unidades ir precisar? Com a Tabela A.1,
use a aleatoriedade necessria ao planeamento.
2.4. EXERCCIOS
21
22
CAPTULO 2. EXPERIMENTAO
Captulo 3
Organizao dos dados
3.1
Introduo
A ideia que a maioria das pessoas tem sobre a estatstica a de um conjunto de tabelas
com uma quantidade enorme de nmeros e com alguns grficos mistura! As tabelas
repletas de informao so muitas vezes difceis de ler e de tirar concluses e, os grficos
mal dimensionados e etiquetados so difceis de interpretar.
No entanto, as tabelas so um dos meios mais usados para organizar e resumir um
conjunto vasto e desordenado de dados. mais vantajoso contruir uma tabela pequena
com alguns valores especiais (estatsticas da amostra ou parmetros da populao) que
caracterizam e resumem a distribuio dessas observaes, do que uma tabela com um
conjunto enorme de nmeros. Os grficos tm como objectivo dar uma viso resumida e
rpida dos dados.
3.2
Tabela de frequncias
24
A frequncia de qualquer valor de uma varivel o nmero de vezes que esse valor
ocorre nos dados. Isto , a frequncia corresponde a uma contagem.
A frequncia relativa de qualquer valor a proporo, fraco ou percentagem de
todas as observaes que tm aquele valor.
As frequncias (simples) (f.) e as frequncias relativas (f.r.) so um meio muito usado
para resumir os dados quando a escala usada nominal ou ordinal. Mesmo quando a escala
intervalar/proporcional e a varivel pode tomar uma quantidade enorme de valores,
podemos fazer um resumo dos dados calculando as f. e as f.r. de grupos de valores
(chamados classes ou intervalos).
Na tabela da figura 3.1 apresenta-se um exemplo de uma tabela de f. e de f.r. respeitante
s dimenses de propriedades agrcolas, em acres (medida agrria).
Fazendas por tamanho (1969)
Tamanho
Nmero de
Percentagem
em acres
fazendas (milhares) de fazendas
Menos de 40
162
5.9
10-49
473
17.3
50-99
460
16.8
100-179
542
19.9
180-259
307
11.2
260-499
419
15.3
500-999
216
7.9
1000-1999
91
3.3
Mais de 2000
60
2.2
Total
2730
99.8
Figura 3.1: Tabela de frequncias [12]
As tabelas de f. tornam-se mais interessantes quando envolvem mais do que uma
varivel. Nalguns casos aparecem vrias variveis, provavelmente definindo um conjunto
de variveis independentes e dependentes.
Os dados so univariados se de cada unidade apenas se mede uma varivel (caracterstica).
Os dados so bivariados se de cada unidade se medem duas variveis (caractersticas).
Os dados so multivariados se de cada unidade se medem mais do que uma varivel.
Dados bivariados contm muito mais informao do que os univariados Veja-se por
exemplo, a tabela da figura 3.2 em que as entradas correspondem ao nmero de graus
acadmicos atribudos nos E.U. em 1976, classificados por duas variveis nominais: o nvel
do grau e o sexo do candidato.
Algumas questes que podem ser respondidas a partir desta tabela so:
Que proporo dos graus de doutor foram atribudos a indivduos do sexo feminino?
3.3. GRFICOS
25
Graus obtidos, por grau e sexo (1976)
Bacharelato Mestrado Doutoramento
Homens
508.549
167.745
26.273
Mulheres
425.894
145.256
7.803
Total
934.443
313.001
34.076
FONTE:Centro nacional para estatsticas da educao
3.3
Grficos
Um grfico serve para dar uma viso resumida dos dados. Um grfico bem construdo pode
revelar factos (caractersticas) sobre os dados que, a retirar de uma tabela necessitariam
de uma anlise cuidada.
1. Um grfico de linha mostra a tendncia (comportamento) de uma varivel em
relao ao tempo.
O tempo representado no eixo horizontal e a varivel observada, ao longo do tempo,
no eixo vertical. Considere a figura 3.3, onde representado o nmero de distrbios,
em funo do tempo (1968 a 1970) nos E.U.
Do grfico, pode facilmente verificar-se que:
(a) o nmero de distrbios, em cada ano, maior nos meses de Vero e menor no
Inverno (chamado efeito sazonal);
(b) o nmero de distrbios tem vindo a diminuir ao longo dos trs anos (tendncia
a longo prazo).
26
200
N m e ro d e d ist rb io s
175
150
125
100
75
50
25
0
Jan- A br-
Jul-
Jul-
Jul-
O ut-
M ar
S et
Dez
S et
Dez
S et
Dez
Jun
M ar
Jun
M ar
Jun
3.3. GRFICOS
27
Hom ens
M ulheres
500
M ilh a re s
400
300
200
100
0
B ac harelato
M es trado
Doutoram ento
28
M ilh a re s d e d m 3 p o r a cre
P ro p o r o d e m ilh o p la n ta d o p o r re n d im e n to
5400
5300
5200
5100
5000
4900
4800
4700
4600
0
10
15
20
25
30
M ilh a re s d e p la n ta s p o r a cre
figura 3.6
4. Os histogramas de frequncia so os grficos mais importantes na estatstica
inferencial.
Quando os dados so valores de uma varivel medida numa escala intervalar/proporcional,
uma tabela de frequncias para cada uma das classes mostra a distribuio de valores
dessa varivel. Esta distribuio pode ser representada graficamente num histograma.
A figura 3.7 mostra um exemplo em que os valores esto divididos por classes (ou
intervalos) de amplitudes iguais a 2000. Cada barra representa uma dessas classes e a
altura corresponde frequncia (nmero de valores que pertencem classe). Tambm
se usam frequncias relativas na definio de histogramas.
Os histogramas tm as barras verticais, umas a seguir s outras e devem ser todas da
mesma largura. Assim, ao agrupar um conjunto de dados pelas classes para representar um histograma, devemos escoher classes (intervalos) com as mesmas amplitudes.
No existe nenhum valor ideal para a amplitude das classes (intervalos). O objectivo
conseguir obter uma distribuio de frequncias equilibrada. Assim, tenta-se evitar
colocar todos os valores num nmero muito reduzido de classes enormes ou distribuir
um ou dois valores por muitas classes pequenas.
A forma da distribuio de frequncias de um conjunto de dados pode ser analisada
atravs do histograma das frequncias. A figura 3.7 mostra uma distribuio no simtrica
e descada para a direita. Por vezes, a anlise facilitada pela curva que se obtm unindo,
por linhas, os pontos mdios dos topos das barras no histograma, como se v na figura 3.7.
3.3. GRFICOS
29
70
F re q u n cia
60
50
40
30
20
10
0
10-
12-
14-
16-
18-
20-
22-
24-
26-
28-
30-
32-
34-
36-
11,9
13,9
15,9
17,9
19,9
21,9
23,9
25,9
27,9
29,9
31,9
33,9
35,9
37,9
S a la rio ($1000)
Os histogramas de frequncias ou de frequncias relativas evidenciam a forma de qualquer conjunto de observaes medidas numa escala intervalar/proporcional. No interessa
se os dados dizem respeito a uma amostra ou populao inteira.
A distribuio de frequncias de uma estatstica amostral, obtida atravs de repetidas
amostras retiradas da mesma populao, a distribuio amostral da estatstica. A
sua forma caracterstica do mtodo de amostragem utilizado e ajuda a determinar a
preciso da estatstica como uma estimativa do parmetro correspondente da populao.
Um exemplo da distribuio amostral de uma estatstica p (proporo = frequncia
relativa) est representado no primeiro grfico da figura 3.8.
A linha quebrada a que une os pontos mdios dos topos das barras do histograma
de frequncias. Este grfico pode ser aproximado por uma curva suave especial, como a
representada no 2o grfico, da mesma figura e conhecida por curva normal.
Existe uma famlia de curvas normais. Todas elas tm as mesmas caractersticas: so
simtricas, decrescem rapidamente para os extremos e tm uma forma de sino.
As curvas normais so importantes em estatstica, pois as distribuies amostrais de
muitas estatsticas podem ser razoavelmente bem descritas por curvas normais.
30
3.4. EXERCCIOS
3.4
31
Exerccios
Mea o segmento indicado, com essa rgua, registando o comprimento at s centsimas, (por exemplo 5,78 ou 5,82 cm).
32
(a) pelos nmeros das camisolas dos jogadores de uma equipa de basquetebol?
(b) pelos nmeros de endereo das casas de uma rua de uma cidade?
5. Uma srie de medies, de um peso em gramas, foram registadas: 11,25 13,73 12,00
13,25 10,75 12,50 12,25 11,00 13,25 11,75
Com so dadas duas casas decimais, podemos pensar que as medies so precisas
at segunda casa decimal. No entanto, se olharmos bem, verificamos que a preciso
muito menor. Qual a preciso que os dados tm? Justifique.
3.4. EXERCCIOS
33
Mulheres
Homens
34
9. A razo de mortes por cancro tem aumentado, desde 1925, como se pode ver pela
tabela ([12]):
Nmero de mortes por cancro
por 100 000 habitantes
Ano
Taxa de mortes
1925
92.0
1930
97.4
1935
108.2
1940
120.3
1945
134.0
1950
139.8
1955
146.5
1960
149.2
1965
153.5
1970
162.8
3.4. EXERCCIOS
35
De cln io d a lib r a In g le s a
D lar E.U.A
4,86
4,03
4
3
2,8
2,4
2,6
2,03
2
1
0
1925
1939
1949
1967
1971
1975
mostra um grfico, que apareceu num semanrio ingls. Diga porque razo ele no
est correcto.
11. Os dados seguintes apresentam as percentagens de elementos doutorados, do sexo
feminino, em 1976, em vrios domnios do saber:
todos os domnios 21,9 por cento
psicologia
31,8 por cento
cincias biolgicas 23,7 por cento
cincias sociais
20,4 por cento
cincias fsicas
8,3 por cento
engenharia
1,7 por cento
Represente estes dados num grfico de barras bem etiquetado.
36
Captulo 4
Estatstica descritiva
4.1
Medidas centrais
Alm das tabelas e dos grficos, que tm com objectivo organizar e dar uma imagem visual
dos dados, existem certas caractersticas de uma distribuio, como o valor central e a
disperso dos valores, que podem ser resumidas por meio de certas quantidades.
Exemplos destas quantidades, conhecidas por estatsticas descritivas, so: a mediana,
a mdia, o desvio padro e a correlao.
Medidas centrais:
A mdia de um conjunto de n observaes a mdia aritmtica; a soma das
observaes dividida pelo seu nmero. Se X1 , X2 , X3 , ..., Xn forem as n observaes,
ento a mdia deste conjunto :
n
= i=1 Xi .
X
n
Quando os dados esto agrupados numa tabela de frequncias, a soma de observaes
idnticas equivalente a multiplicar esse valor, Xi , pela sua frequncia fi . Assim, a
mdia pode ser calculada atravs de:
k
= i=1 fi Xi
X
n
k
em que n =
i=1 fi e k o nmero de valores distintos de X. Quando cada
grupo representado por um intervalo de valores, o Xi o valor que representa esse
intervalo que o valor mdio ( (limite inferior+limite superior do intervalo)/2 ).
Se os intervalos dos extremos so caracterizados por e , os valores mdios so
calculados do mesmo modo, supondo que esses intervalos tm amplitudes iguais aos
restantes.
A mediana o valor tpico, isto , o ponto central das observaes quando elas
esto colocadas por ordem crescente.
37
38
39
4.2
Medidas de disperso
40
41
s =
n
i=1 (Xi
2
X)
n
Quando os dados esto agrupados numa tabela de frequncias, a varincia pode ser calculada a partir de:
k
2
2
i=1 (fi Xi )
2
s =
X
n
k
em que n = i=1 fi , k o nmero de classes (ou intervalos), fi a frequncia da classe i
e Xi o valor que representa a classe i.
Quando as observaes formam uma amostra aleatria simples de tamanho
n, a varincia da amostra deve ser calculada usando n 1 no denominador do
primeiro termo da expresso, em vez de n, e deve-se multiplicar o segundo
n
termo por (n1)
.
Existem razes para esta escolha e tm a ver com o facto de esta estatstica poder ser
um estimador no tendencioso da varincia da populao. Voltaremos a esta questo mais
frente, onde falaremos de estimadores.
O desvio padro a raiz quadrada da varincia.
Utiliza-se s para designar o desvio padro.
Alguns comentrios sobre estas medidas:
1. A varincia uma quantidade positiva ou nula. Ser nula se todos os desvios forem
(sendo todos iguais). Neste
nulos e isto acontece quando todos os Xi forem iguais a X
caso, no existe disperso.
2. Se as observaes esto dispersas, existem de um e de outro lado da mdia. Os desvios
das observaes esquerda da mdia so negativos e os desvios das observaes
direita so positivos. Estes desvios sero tanto maiores, em valor absoluto, quanto
mais afastadas as observaes estiverem da mdia. Os quadrados dos desvios so
quantidades positivas e tanto maiores quanto maiores forem os desvios. Assim, se
os valores esto juntos, a varincia pequena; se eles esto dispersos, a varincia
grande.
3. Quando as observaes so medidas numa unidade (por exemplo, centmetros, segundos, gramas), a varincia vem nessa medida ao quadrado. No entanto, o desvio
padro j vem na mesma unidade das observaes.
4.3
Distribuio normal
Quando um conjunto de dados tem uma distribuio descrita por uma das curvas normais,
a mdia facilmente detectada. Esta distribuio simtrica, a mdia coincide com a
mediana e tambm com a moda. o valor que corresponde ao pico. Veja o 3o. grfico da
figura 4.2.
42
43
observao mdia
.
desvio padro
Por exemplo, uma pontuao de 24 unidades num teste, cuja mdia foi de 18 e o desvio
=)1 unidade de pontuao estandardizada. Uma
padro de 6, equivalente a ( 2418
6
pontuao estandardizada de 1 corresponde sempre ao percentil de ordem 84, qualquer
que seja a distribuio normal original.
4.4
Medidas de associao
As medidas centrais e de disperso fornecem informao bsica relativa a dados univariados, embora no completa. No entanto, se os dados forem bivariados, as medidas referidas
nos pargrafos 4.1, 4.2 e 4.3 no so suficientes para resumi-los. Normalmente estamos
interessados numa possvel ligao entre as variveis: - as variveis aumentam simultaneamente, como a altura e o peso das pessoas, ou variam em sentidos opostos, como o nmero
de cigarros fumados por dia e a esperana de vida do fumador?
Estudmos tabelas de frequncias de duas entradas, respeitantes a duas variveis, no pargrafo 3.2, no entanto, da tabela da figura 3.2. no possvel (mesmos com as frequncias
marginais) concluir sobre a associao entre as variveis. Para isto, necessrio trabalhar
simultaneamente com os valores das duas variveis.
A associao em dados bivariados significa que existe uma ligao directa entre as
variaes nas variveis:
quando o aumento de uma varivel tende a acompanhar o aumento de outra varivel,
diz-se que a associao positiva;
quando o aumento de uma varivel tende a acompanhar a diminuio de outra varivel, ento as variveis dizem-se associadas negativamente.
A associao medida em termos mdios.
A associao faz sentido para variveis medidas em qualquer tipo de escala. Por exemplo, considerando o caso da tabela da figura 3.2, podemos ver que existe uma associao
entre sexo e nvel de graus atribudos: s senhoras foram atribudos 46 por cento dos graus
de bacharelato e de mestre, mas apenas metade destes foram graus de doutoramento.
Associao positiva ou negativa j s faz sentido quando as variveis forem medidas
numa escala ordinal ou intervalar/proporcional.
44
4.4.1
Coeficiente de correlao
4.4.2
Coeficiente de determinao
Existe uma maneira de medir a associao linear atravs de uma quantidade r 2 , chamada
coeficiente de determinao. Este coeficiente a proporo da varincia de uma varivel, que pode ser explicada pela dependncia linear na outra varivel.
Para compreender melhor o seu significado, considere os dois grficos da figura 4.5. No
primeiro, existe uma associao perfeita linear com r = 1. A varivel y est totalmente
ligada varivel x; quando x varia, y tambm varia e o ponto (x, y) move-se ao longo
da linha. O conjunto dos 8 valores de y tem uma grande varincia; mas esta varincia
devida (explicada) ocorrncia dos diferentes valores de x, levando consigo os valores de
y. A dependncia linear em x explica toda a variao em y e r 2 = 1.
45
46
No segundo grfico, o conjunto dos 21 valores de y tambm tem uma grande varincia.
Alguma desta varincia pode ser explicada pelo facto de a variao em x levar consigo uma
variao (em mdia) em y.
O grfico apresenta esta situao, mostrando os diferentes valores de y que acompanham
os dois valores de x. Neste caso, r 2 = 1 pois a associao entre x e y explica apenas parte
da variao em y. Esta parte a fraco r 2 da varincia dos valores de y. Neste exemplo,
r 2 = 0.49 e diz-se que 49 por cento da varincia de y explicada pela dependncia linear
de y em relao a x.
O coeficiente r 2 mede apenas a intensidade da associao e no nos diz nada sobre se
ela positiva ou negativa.
4.4.3
- Quando existe uma forte associao entre duas variveis, ser que isso significa que uma
das variveis origina (causa) o aparecimento da outra?
- Se existir uma correlao moderada entre duas variveis, ser que isso significa que
uma varivel no origina a ocorrncia da outra?
A associao entre duas variveis pode ser devida a trs factores:
causa;
razo comum, quando existe(m) outra(s) varivel(eis) que origina(m) o aparecimento das duas (ou, cuja variao causa variaes nas duas) variveis em estudo;
mistura, quando as variaes numa varivel so causadas pelas variaes da outra
varivel bem como de uma terceira varivel que no se encontra em estudo.
A figura 4.6 mostra os trs casos referidos.
47
A questo da causa no simples. Embora se tenha sugerido no Captulo 2 que experincias bem planeadas so o meio mais eficaz para resolver a questo da causa, muitas
experincias no podem ser realizadas por razes prticas e morais.
Para concluir que a associao entre duas variveis devida causa, necessrio que
se verifiquem uma clara evidncia e uma boa dose de bom senso, alm dos conhecimentos
estatsticos. Assim, poder-se- pensar num caso de causa se:
a associao se repete em diferentes circunstncias, reduzindo a probabilidade de ser
consequncia da mistura entre variveis;
se conhece uma explicao plausvel, mostrando como uma varivel pode causar variaes noutra varivel;
no parecem existir outros factores que possam causar variaes nas duas variveis.
Figura 4.6: Factores que originam associao entre duas variveis A e B [12]
48
A associao que se deve a razes comuns pode ser utilizada para predizer uma das
variveis, como funo da outra.
Correlao e predio esto muito relacionadas. Por exemplo, se uma varivel independente x e uma varivel dependente y tm um r 2 = 1, isto significa que as observaes em
x e y esto sobre uma linha recta. Este modelo pode ser usado para predizer y a partir de
um valor de x (lendo na recta o correspondente valor de y).
Se o valor de r 2 pequeno, a predio menos precisa porque os pontos no esto sobre
uma linha recta e y varia muito, para um valor fixo de x.
A linha que deve ser usada para predizer a partir de uma mancha de pontos a seguinte:
a linha de regresso para predizer y a partir de x, baseada em observaes bivariadas
X1 , X2 , ..., Xn e Y1 , Y2 , ..., Yn a recta que torna a soma dos quadrados dos desvios na
direco y
(Y1 Y1 )2 + (Y2 Y2 )2 + ... + (Yn Yn )2
4.5. EXERCCIOS
4.5
49
Exerccios
Altur a da M e
68
67
66
65
64
63
62
61
60
59
58
57
56
60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75
Altur a do P a i
50
0
1.1
(a) Faa um grfico de pontos, a partir destes dados. Qual a varivel independente?
(b) A partir do grfico, d uma estimativa do consumo de gs num dia em que se
verifique 20 graus dirios.
3. Um engenheiro agrnomo desenvolveu uma variedade de milho com percentagens
mais elevadas de amino-cidos do que o milho normal. Esta variedade tem melhores
qualidades proteicas que a normal e por isso muito valiosa em regies do mundo
em que o milho a componente principal da alimentao.
Para testar as qualidades proteicas desta nova variedade, usaram-se 20 pintos de um
dia, no grupo experimental, que foram alimentados com a nova variedade de milho.
Um grupo de controlo, com 20 pintos de um dia, foi tambm utilizado. A estes,
deu-se-lhes milho normal. Os pesos, em gramas, dos pintos, aps a experincia de 21
dias, foram os seguintes ([12]):
Grupo de
380 321
283 349
356 410
350 384
345 455
controlo
366 356
402 462
329 399
316 272
360 431
Grupo experimental
361 447 401 375
434 403 393 426
406 318 467 407
427 420 477 392
430 339 410 326
(a) Esta experincia foi planeada de acordo com os princpios descritos no Captulo
2. Discuta o planeamento de experincia apropriado.
(b) Faa duas tabelas de frequncias separadas dos pesos dos pintos, nos grupos
experimental e de controlo. Use as classes:
270-299 300-329 330-359 360-389 390-419 420-449 450-479
(c) Desenhe dois histogramas de frequncias para cada grupo. Como que os
histogramas mostram o efeito da maior percentagem de amino-cidos no peso
dos pintos?
4. As entradas na tabela de nmeros aleatrios, Tabela A.1, tm a propriedade de que
cada valor 0, 1, 2, 3, 4, 5, 6, 7, 8, 9 aparece o mesmo nmero de vezes, ao fim de
muito tempo de consulta.
4.5. EXERCCIOS
51
(a) Faa uma tabela de frequncias e desenhe um histograma das entradas nas
primeiras trs linhas da Tabela A.1.(ao todo 120 algarismos).
(b) Ser esta distribuio aproximadamente normal?
De que forma ela se desvia da normalidade?
Ser uma distribuio aproximadamente simtrica?
(c) Desenhe uma curva que represente a distribuio de valores de um grande nmero de observaes retiradas da tabela de nmeros aleatrios.
5. J a seguir vem representada uma amostra de 100 tempos de reaco, a um estmulo,
em milisegundos ([12]):
10
8
13
10
14
12
11
6
20
15
14
6
11
11
12
12
8
13
8
16
11
12
12
7
12
10
11
13
17
10
15
12
10
17
10
8
10
8
12
20
7
10
8
12
9
14
13
9
19
11
7
14
9
9
7
15
8
16
14
19
20
11
14
9
11
12
11
15
17
20
10
13
18
11
9
11
11
11
12
13
14
9
12
7
18
9
13
10
18
11
9
12
10
10
6
9
20
11
16
20
52
4.5. EXERCCIOS
53
54
Captulo 5
Distribuies de probabilidade
Este captulo tem como objectivo apresentar mais alguns conceitos fundamentais em Estatstica, que sero importantes para compreender as tcnicas de experimentao, os mtodos
e procedimentos estatsticos essenciais no planeamento, realizao e anlise de experincias.
5.1
56
5.1.1
Espao da amostra
Embora no podendo predizer, com toda a certeza, qual o resultado da varivel aleatria
(v.a.) naquela tentativa, conhecemos todos os valores possveis. Este conjunto de n valores
possveis, chama-se espao da amostra e podemos representar assim:
E = {a1 , a2 , a3 , ..., an },
em que o ai representa o valor possvel de ordem i da varivel. Por exemplo, no lanamento
da moeda, podemos ter cara c, ou coroa C e E = {c, C}. No lanamento do dado,
E = {1, 2, 3, 4, 5, 6}. Na inspeco de produtos defeituosos numa linha de montagem,
temos E = {d, nd} (d=defeituoso, nd=no defeituoso). Num processo com trs linhas de
comunicao em que atribumos o valor 0 se o canal no funciona; e o valor 1 se ele funciona,
temos ento E = {(0, 0, 0), (1, 0, 0), (0, 1, 0), (0, 0, 1), (1, 1, 0), (1, 0, 1), (0, 1, 1), (1, 1, 1)}.
O espao da amostra satisfaz duas propriedades muito importantes:
os resultados (da experincia) so mutuamente exclusivos, isto , so distintos;
quando ocorre um resultado, no pode ocorrer outro qualquer;
os resultados so exaustivos, isto , os resultados da experincia s podem ser os
referidos no espao E.
Exemplo 5.1.1 Considere um circuito elctrico em operao, durante um perodo de
tempo fixo T . Se o circuito est em funcionamento durante o perodo inteiro T , representamos o resultado da experincia por um 1; se o circuito falha numa altura em que
t T , representamos este resultado por um 0. O espao da amostra constitudo por
estes dois valores : E = {0, 1}. Este um caso (muito particular) de um espao discreto,
isto , um espao em que o conjunto de valores possveis para a varivel (resultados da
experincia) finito e numervel.
Exemplo 5.1.2 Considere, agora, este caso mais complicado. O circuito elctrico estar
em funcionamento durante um perodo de tempo aleatrio t T . O espao da amostra,
desta experincia contm, agora, um nmero infinito de valores possveis, isto , E = {ti :
0 ti T }. T ser o valor mximo que a varivel poder tomar. Este um exemplo de
espao contnuo.
5.1.2
Probabilidades
Para uma dada tentativa de uma experincia aleatria, no sabemos qual o valor do espao
da amostra que ser o resultado. No entanto, se repetirmos a experincia muitas vezes,
possvel estimar a frequncia (relativa) desse resultados. Isto , se repetirmos a experincia
57
n
pi = 1.
i=1
Dois exemplos que ilustram casos simples de resultados igualmente provveis so:
o lanamento de uma moeda, com p(c) = 12 , p(C) =
1
2
e p(c) + p(C) = 1;
58
5.1.3
a
p(xi ).
i=1
200
f (t)dt
59
Existem duas operaes que envolvem acontecimentos e que so de interesse fundamental na teoria das probabilidades: a unio e a interseco.
A operao unio representada por A + B e significa que pelo menos um dos acontecimentos A ou B ocorre.
A operao interseco representada por AB e significa que ambos os acontecimentos
A e B ocorrem.
Para calcular a probabilidade p(A + B), suponha que a dos n resultados do espao
E formam o acontecimento A; b dos n resultados definem o acontecimento B; e c dos
resultados originam A e B.
A probabilidade da interseco
c
p(AB) =
p(xi )
i=1
e
p(A + B) =
a
j=1
p(xj ) +
b
p(xk )
k=1
c
p(xi )
i=1
ou seja
p(A + B) = p(A) + p(B) p(AB)
que a lei aditiva da probabilidade.
Suponha que o acontecimento A no pode ocorrer se o acontecimento B ocorrer, ou
vice-versa. Estes acontecimentos dizem-se mutuamente exclusivos, isto , nunca podem
ocorrer simultaneamente os dois acontecimentos e p(AB) = 0. Assim, neste caso, temos
p(A + B) = p(A) + p(B).
Em relao ao acontecimento composto AB, se, a ocorrncia do acontecimento A no vai
afectar de maneira nenhuma a ocorrncia de B e vice versa, os acontecimentos dizem-se
independentes. Para acontecimentos independentes
p(AB) = p(A)p(B).
Esta propriedade pode ser generalizada para qualquer nmero de acontecimentos independentes.
Por vezes, necessrio calcular a probabilidade de ocorrncia do acontecimento B, dado
que o acontecimento A ocorreu. Esta situao pressupe que a ocorrncia de A ir afectar,
de alguma maneira, a ocorrncia de B; isto , os acontecimentos A e B so dependentes.
Neste caso
p(AB) = p(A)p(B/A).
A quantidade p(B/A) corresponde probabilidade condicional do acontecimento
B, dado que ocorreu o acontecimento A. Esta probabilidade pode ser calculada a
partir de
p(AB)
p(B/A) =
p(A)
desde que p(A) = 0.
60
Teorema 1 (Teorema de Bayes): Suponha que uma experincia aleatria tem n resultados possveis mutuamente exclusivos A1 , A2 , ..., An e que existe um acontecimento B, para
o qual p(B) = 0. Ento a probabilidade condicional da ocorrncia de Ai , dado que o
acontecimento B ocorreu, dada por
p(B/Ai )p(Ai )
.
p(Ai /B) = n
j=1 p(B/Aj )p(Aj )
5.1.4
Funes de probabilidade
Para uma varivel aleatria discreta X, que pode tomar os valores x1 , x2 , x3 , ..., xn ,
as probabilidades p(xi ) (ou f (xi )) formam a distribuio das probabilidades de X.
Como j foi referido na seco 5.1.2., estas probabilidades satisfazem as leis bsicas de
probabilidade:
0 f (xi ) 1, i = 1, 2, ..., n
e
n
f (xi ) = 1.
i=1
i
f (xk )
k=1
61
0,5
0,4
f(x)
0,3
0,2
0,1
0
0
V alo r d e x
62
sendo f (t) a funo de probabilidade, que quando X uma v.a. contnua se chama funo
densidade de probabilidade.
1,2
1
F(x)
0,8
0,6
0,4
0,2
0
0
V alo r d e x
e
P (r X s) = F (s) F (r)
s
f (x)dx.
=
r
dF (x)
.
dx
Na figura 5.4 apresentamos um exemplo de uma funo distribuio acumulada de uma
varivel contnua.
A funo distribuio acumulada goza das seguintes propriedades:
f (x) =
63
F(x)
0,8
0,6
0,4
0,2
0
-4
-3
-2
-1
V alo r d e x
1. F () = 0
2. F () = 1
3. F (x) uma funo no decrescente, de x
4. F (x) uma funo contnua direita de cada valor de x.
Resumindo, as relaes existentes entre as duas funes de (densidade de) probabilidade
e de distribuio acumulada, respectivamente para os casos discreto e contnuo so:
f (xi ) = P (X = xi )
F (x) = xi x f (xi )
P (A) = xi A f (xi )
all i f (xi ) = 1
f (xi ) = F (xi ) F (xi1 );
e
f (x)dx = P (x < X < x + dx)
x
F (x) = f (t)dt
P (A) = A f (t)dt
f (x)dx = 1
64
b
f (x1i , x2j )
f (x1 , x2 )dx2
+
f (x1 , x2j )
ou
=
b
f (x1i , x2 )
so f.d.p. marginais de X2 .
Teorema 2 Duas v.a. X1 e X2 com f.d.p. conjunta f (x1 , x2 ) so estocasticamente independentes se e s se f (x1 , x2 ) pode ser considerado como um produto de uma funo no
negativa s de x1 por outra funo no negativa s de x2 . Isto ,
f (x1 , x2 ) = f1 (x1 )f2 (x2 ),
65
5.1.5
Um dos mtodos mais usados para calcular a funo distribuio de uma varivel aleatria que funo de vrias variveis, U = u(X1 , X2 , ..., Xn ), recorre tcnica da funo
distribuio e consiste em:
Se X1 , X2 , ..., Xn forem as variveis aleatrias, a funo distribuio da varivel U =
u(X1 , X2 , ..., Xn ) calcula-se usando a definio
F (u) = P [u(X1, X2 , ..., Xn ) u].
Embora parea uma expresso muito simples, este processo, por vezes, torna-se muito
trabalhoso.
Um mtodo alternativo, para o clculo da funo distribuio de uma funo de vrias
variveis, o que recorre mudana de variveis.
Transformao de variveis - caso discreto
O mtodo que recorre mudana de variveis consiste no seguinte:
Seja X uma varivel aleatria do tipo discreto, com funo de probabilidade igual a
fX (x).
Seja A o conjunto discreto de valores, para os quais fX (x) > 0 e seja a varivel
aleatria U, definida por U = u(x) uma transformao unvoca que aplica A em B.
Se resolvermos U = u(x) em ordem a x, como funo de u, isto , se x = w(u), ento,
para cada
u B temos x = w(u) A.
Os acontecimentos U = u (ou u(X) = u) e X = w(u) so equivalentes.
A funo de probabilidade de U ento:
fU (u) = P [U = u] = P [X = w(u)] = fX [w(u)], u B.
Se estendermos esta tcnica ao caso bidimensional, teremos:
Seja fX (x1 , x2 ) a funo de probabilidade conjunta de duas variveis aleatrias discretas X1 e X2 , em que o conjunto A definido pelos valores (a duas dimenses) para
os quais fX (x1 , x2 ) > 0.
Sejam u1 = U1 (x1 , x2 ) e u2 = U2 (x1 , x2 ) duas transformaes unvocas que aplicam
A em B. A funo de probabilidade conjunta das duas novas variveis u1 e u2 dada
por:
fU (u1 , u2 ) = fX [w1 (u1 , u2), w2 (u1 , u2 )]
66
x1 = w1 (u1 , u2 )
e
x2 = w2 (u1 , u2 )
as funes inversas (nicas) de u1 = U1 (x1 , x2 ) e u2 = U2 (x1 , x2 ).
A partir da funo de probabilidade conjunta fU (u1 , u2) podemos calcular as funes
de probabilidade marginais de U1 , somando em relao a u2 ou a de U2 , somando em
relao a u1 .
Interessa ainda assinalar que esta tcnica da mudana de variveis envolve a introduo (definio) de tantas variveis novas como as antigas.
Transformao de variveis - caso contnuo
Este processo de transformao de variveis do tipo contnuo tem algumas semelhanas com o processo descrito para as variveis discretas. Assim:
Considere a varivel aleatria U = u(X) em que u = u(x) define uma transformao
unvoca que aplica o conjunto A em B. Seja a inversa de u = u(x) a funo: x = w(u);
dx
e seja ainda a derivada du
= w (u) uma funo contnua e no nula para todos os
pontos u de B. Ento a funo densidade de probabilidade da varivel aleatria
U = u(X) dada por
fU (u) = fX [w(u)]|w (u)|, u B,
em que |w | representa o valor absoluto de w . A derivada J = w conhecida como
o Jacobiano da transformao.
A extenso da tcnica da mudana de variveis ao caso de duas variveis aleatrias
contnuas semelhante adoptada para as variveis discretas.
A definio anterior estendida a duas variveis:
Se U1 = u1 (X1 , X2 ) e U2 = u2 (X1 , X2 ), e como os acontecimentos
(X1 , X2 ) A e (U1 , U2 ) B
so equivalentes, temos
P [(U1 , U2 ) B] = P [(X1 , X2 ) A] =
fX (x1 , x2 )dx1 dx2 =
A
67
x1
x1
u2
x2
u2
u1
x2
u1
e
fX (w1 , w2) = fU (u1, u2 )
a funo densidade de probabilidade conjunta de u1 e u2 .
5.2
Esperana Matemtica
n
g(xi )f (xi )
i=1
E[g(X)] =
g(x)f (x)dx
n
xi f (xi )
i=1
se X for discreta, ou
= E[X] =
xf (x)dx
se for contnua.
2. a varincia da distribuio de X,
2 = var[X] =
n
i=1
(xi )2 f (xi )
68
= var[X] =
(x )2 f (x)dx
se for contnua.
Uma forma mais conveniente para o clculo da varincia pode ser deduzida a
partir das frmulas anteriores:
var[X] = E[X 2 ] (E[X])2 .
Alguns resultados elementares que envolvem os conceitos de mdia e varincia:
(a)
(b)
(c)
(d)
(e)
(f)
E[c] = c
var[c] = 0
E[cX] = cE[X]
var[cX] = c2 var[X]
E[X1 + X2 + ... + Xn ] = E[X1 ] + E[X2 ] + ... + E[Xn ]
var[X1 X2 ] = var[X1 ] + var[X2 ] 2cov[X1 , X2 ]
em que
cov[X1 , X2 ] = E[(X1 1 )(X2 2 )]
= E[X1 X2 ] 1 2
a covarincia das duas v.a. X1 e X2 ; 1 e 2 so respectivamente as mdias
de X1 e X2 e c uma constante.
n
exp(txi )f (xi )
i=1
exp(tx)f (x)dx
se X for uma v.a. contnua, sendo t uma quantidade real, com h < t < h,
para h positivo.
69
Se t = 0 ento M(0) = 1.
A funo geradora de momentos (f.g.m.) nica e define completamente a
distribuio da v.a. X. No entanto, nem todas as distribuies tm f.g.m.. A
sua existncia implica que todas as suas derivadas existam para t = 0.
Assim
dM(t)
x exp(tx)f (x)dx
= M (t) =
dt
para as discretas.
Fazendo t = 0, em ambos os casos, temos
M (0) = E[X].
Tambm chegaramos a que
M (0) = E[X 2 ]
e
70
5.3
5.3.1
Tentativas de Bernoulli
Uma tentativa de Bernoulli um acontecimento aleatrio que pode tomar apenas dois
valores. Estes dois valores, resultados de uma experincia, so normalmente representados
por sucesso e falha; usa-se o 1 para codificar sucesso e o 0 para codificar falha. So
exemplos, o lanamento de uma moeda e a inspeco de componentes defeituosos numa
linha de montagem.
O modelo probabilstico que representa este acontecimento,
p(X = x) = f (x) = px q 1x ,
para x = 0, 1, em que p a probabilidade de ocorrncia de um sucesso e q = 1 p a
probabilidade de insucesso ou falha.
A varivel aleatria X toma precisamente os valores do acontecimento x. A funo
f (x) conhecida por funo de probabilidade (f.p.) de X.
Adoptaremos a notao simplificada X B(p) para representar que a varivel X segue
a distribuio de Bernoulli, com parmetro p.
A figura 5.5 mostra um histograma para uma distribuio deste tipo, em que f (0) = 0.9
e f (1) = 0.1:
1
0,8
f(x)
0,6
0,4
0,2
0
0
1
V alo r d e x
5.3.2
71
Distribuio binomial
2 = npq.
5.3.3
72
0,8
f(x)
0,6
0,4
0,2
0
0
V alo r d e x
73
r
p
e a varincia
r 1
2 = ( 1).
p p
Se r = 1, ento a v.a. X, que representa o nmero de falhas que ocorrem at o
aparecimento do 1o. sucesso, tem f.p.
p(X = x) = f (x) = p(1 p)x
para x = 0, 1, 2, ... e diz-se que segue a distribuio geomtrica.
A notao simplificada para representar uma v.a. X que segue a distribuio binomial
negativa X bn(p, r).
5.3.4
Distribuio de Poisson
exp()x
,
x!
74
e a varincia
2 = .
A notao simplificada para representar uma v.a. X que segue esta distribuio de Poisson
X P ().
0,3
f(x)
0,2
0,1
0
0
V alo r d e x
5.3.5
A distribuio de Poisson pode tambm ser usada para aproximar probabilidades binomiais
quando a distribuio nitidamente no simtrica.
Considere um processo de Poisson caracterizado pelo parmetro , que representa o
nmero mdio de acontecimentos, por unidade de tempo. Seja Y uma varivel aleatria que
representa o nmero de chegadas num intervalo (0, t) e divida-se este intervalo em n partes
iguais, de comprimento h = t/n. Considere n tentativas de Bernoulli correspondentes aos
n subintervalos - "o sucesso"corresponde ocorrncia de um acontecimento no subintervalo
e "a falha"corresponde no ocorrncia.
Quando n aumenta indefinidamente, o h aproxima-se de 0; e assim, para pequenos
valores de h aproximadamente verdadeiro que um ou nenhum acontecimento ocorre no
intervalo de comprimento h, com probabilidades respectivamente iguais a:
p = P [ 1 acontecimento em h] = h
1 p = P [ nenhum acontecimento em h] = 1 h.
75
(t)k
exp(t).
k!
5.4
Existem vrias distribuies contnuas que surgem de processos fsicos e que nos interessam
do ponto de vista experimental. Estas so as distribuies uniforme, exponencial, gama e
normal.
Outras distribuies contnuas de interesse prioritrio na anlise de resultados de experincias, pelo facto de estarem envolvidas com certas estatsticas no processo de amostragem, so: Qui-quadrado, t de Student e F de Fisher/Snedecor.
5.4.1
Distribuio uniforme
Considere uma v.a. X que pode tomar qualquer valor do intervalo a X b, com igual
probabilidade. Neste caso diz-se que a varivel segue a distribuio uniforme dada por
f (x) =
1
, se a x b
(b a)
(a + b)
2
(b a)2
.
12
76
A notao simplificada para representar uma v.a. X que segue esta distribuio uniforme
X u(a, b).
A figura 5.9 ilustra esta funo densidade de probabilidade.
Para abreviar, usaremos f.d.p. para designar funo densidade de probabilidade de uma
varivel.
Do ponto de vista da experimentao, a distribuio uniforme no intervalo 0 X 1
tem um interesse especial. Ela define um conjunto de nmeros aleatrios que so importantes na simulao de Monte Carlo.
5.4.2
Distribuio exponencial
Vimos como uma v.a. discreta que definia o nmero de ocorrncias de um acontecimento,
num intervalo de tempo, seguia uma distribuio de Poisson com parmetro . Se considerarmos, agora, uma v.a. X, definida pelo tempo entre sucessivas ocorrncias desse
acontecimento, ento, esta varivel segue a distribuio exponencial, dada por
f (x) =
x
1
exp( ), para x 0
em que > 0.
A figura 5.10 mostra a f.d.p. para a distribuio exponencial.
A funo distribuio acumulada desta varivel X,
x
F (x) = 1 exp( ).
77
2 = 2.
A notao simplificada para representar uma v.a. X que segue esta distribuio exponencial
X e().
1,2
1
f(x)
0,8
0,6
0,4
0,2
0
0
V alo r d e x
5.4.3
Distribuio gama
x
1
x(1) exp( ), para x 0
()
diz-se que segue a distribuio gama, em que e so constantes positivas. Os parmetros que caracterizam esta distribuio so: e . A mdia
=
e a varincia
2 = 2 .
78
A notao simplificada para representar uma v.a. X que segue esta distribuio gama
X G(, ).
A importncia desta distribuio deve-se ao facto de ela descrever a distribuio de uma
v.a. X, definida como sendo a soma de variveis aleatrias independentes e igualmente
distribudas (i.i.d.) segundo a exponencial com parmetro .
O termo () a funo gama e definida por
() =
t1 exp(t)dt, > 0
0
f(x)
0,8
0,6
0,4
0,2
22
20
18
16
14
12
10
V alo r d e x
5.4.4
Distribuio normal
(x )2
1
exp(
)
2 2
2
79
0,25
0,2
0,15
0,1
0,05
0
-6
-4
-2
V alo r d e x
possvel obter uma forma da distribuio normal mais conveniente, usando os seus
parmetros e (o desvio padro) para transformar a v.a. X noutra Z de acordo com a
seguinte relao:
x
z=
.
80
5.4.5
O Teorema do Limite Central (ver teorema 4) providencia um meio de aproximar as probabilidades binomiais, quando o processo que envolve computao directa se torna muito
trabalhoso. Esta aplicao advm do facto de que uma varivel aleatria, X, que segue
uma distribuio binomial surge da soma de variveis independentes e identicamente distribudas de Bernoulli. Isto , se Yi = 0 com probabilidade 1p e Yi = 1 com probabilidade
p e se Y1 , Y2 , ..., Yn so independentes, a varivel X = Y1 + Y2 + ... + Yn tem distribuio
binomial com parmetros n e p. Esta distribuio tem mdia igual a np e varincia igual
a np(1 p). Para valores grandes de n e de acordo com o Teorema do Limite Central a
varivel X, com distribuio binomial, tem uma distribuio assimpttica normal.
Assim, a distribuio normal uma distribuio contnua que fornece uma aproximao
distribuio binomial, quando n, o nmero de tentativas (ou tamanho da amostra),
grande e a probabilidade de sucesso p aproximadamente igual a 1/2.
A figura 5.13 apresenta histogramas (grficos de barras) de distribuies binomiais, com
p = 1/2 e n = 2, 5, 10 e 25; donde se conclui que quanto maior n, mais a distribuio se
aproxima da forma de um sino, tpica da normal.
Teorema 3 Se X uma v.a. com distribuio binomial com parmetros n e p, ento a
f.g.m. da v.a.
X np
Z=
np(1 p)
aproxima-se da f.g.m. da distribuio normal padro, quando n .
A aproximao normal binomial usa-se, na prtica, mesmo quando o valor de n no
suficientemente grande, desde que p esteja prximo de 0.5 (normalmente exige-se que np
e n(1 p) sejam maiores do que 5). Contudo, quando o valor de p est prximo de 0 ou
1, a distribuio resultante no simtrica, sendo ento necessrio um valor grande de n
para que a aproximao seja aceitvel.
Devemos tambm utilizar a correco contnua, de acordo com a qual cada quantidade
inteira e no negativa k representada pelo intervalo [k1/2, k+1/2]. Assim, para calcular
a probabilidade de X = k, determina-se a rea compreendida entre k 1/2 e k + 1/2.
81
82
5.4.6
A distribuio normal bivariada uma distribuio normal a duas dimenses das v.a.
X1 e X2 . uma generalizao da distribuio normal para uma v.a. X.
A f.d.p. dada por
f (x1 , x2 ) =
21 2
1 2
exp(
q
)
2
em que 1 , 2 , 1 , 2 e so constantes e
q=
x2 2 2
1
x1 1 2 2(x1 1 )(x2 2 )
)
+(
) ].
[(
2
(1 )
1
1 2
2
E[(X1 1 )(X2 2 )]
.
1 2
A figura 5.14 mostra a f.d.p. da distribuio normal bivariada.
=
83
ento a estatstica
/ n
5.4.7
Distribuio Qui-quadrado
(n 1)s2
2
tem distribuio Qui-quadrado com parmetro g.l. = n1. O parmetro desta distribuio,
que para simplificar a notao usmos g.l., representa os graus de liberdade.
A distribuio Qui-quadrado um caso especial da distribuio gama. Fazendo = r/2,
em que r um inteiro positivo, e = 2 na f.d.p. gama, obtm-se a f.d.p.
f (x) =
1
xr/21 exp(x/2), 0 < x <
(r/2)2r/2
84
2 = 2r.
A notao simplificada para representar uma v.a. X que segue a distribuio Quiquadrado X 2 (r).
q
A tabela A.7 do Apndice apresenta valores de 1 P (Q q) = 1 0 f (x)dx para um
conjunto seleccionado de valores de r e q.
A figura 5.15 apresenta distribuies 2 , para diferentes graus de liberdade.
0,6
0,5
f(x)
0,4
0,3
0,2
0,1
0
0
10
12
14
16
18
20
22
24
V alo r d e x
5.4.8
Distribuio t-Student
85
s/ n
Z
Q/r
1
[(r + 1)/2]
, < x <
(r/2) r (1 + x2 /r)(r+1)/2
5.4.9
Distribuio F. Fisher
86
0,45
0,4
0,35
f(x)
0,3
0,25
0,2
0,15
0,1
0,05
0
-4
-3
-2
-1
V alo r d e x
Q1 /r1
,
Q2 /r2
(x) 2 1
[(r1 + r2 )/2](r1 /r2 )r1 /2
, 0 < x < ,
f (x) =
(r1 /2)(r2/2)
(1 + r1 rx2 )(r1 +r2 )/2
conhecida for distribuio F-Fisher/Snedecor.
A Tabela A.9 do Apndice apresenta valores calculados de 1P (F c) = 1
para vrios valores de r1 , r2 e c.
c
0
f (x)dx
5.5. EXERCCIOS
87
0,7
0,6
f(x)
0,5
0,4
0,3
0,2
0,1
0
0
V alo r d e x
5.5
Exerccios
88
etc.
9
,
4x+y
5.5. EXERCCIOS
89
11. Seja f (x, y) = 4xy, definida para 0 < x < 1 e 0 < y < 1 uma f.d.p. conjunta de X e
Y . Determine P (0 < X < 12 , 14 < Y < 1), P (X = Y ), P (X < Y ) e P (X Y ).
12. A moda de uma distribuio de uma v.a. X do tipo contnuo ou discreto o valor
de x que maximiza a f.d.p. f (x). Quando esse valor nico, chama-se moda da
distribuio. Determine as modas das distribuies:
i) f (x) = ( 12 )x , definida para x = 1, 2, 3, ...
ii) f (x) = 12 x2 exp(x), definida para 0 < x < .
13. A mediana de uma distribuio de uma v.a. X do tipo contnuo ou discreto o valor
de x para o qual:
P (X < x)
1
2
e P (X x) 12 .
F (x) =
x+2
4
se
x < 1
se 1 x < 1
se
x1
90
19. Considere a f.d.p. conjunta f (x, y) = exp(x y), definida para 0 < x < , 0 <
y < . Mostre se E[XY ] = E[X]E[Y ]. Calcule a funo geradora de momentos.
20. Para cada uma das f.d.p. conjuntas das v.a. X e Y , determine as f.d.p. marginais
de X e de Y e a f.d.p. condicional de X, dado Y :
i) f (x, y) =
x+y
,
21
definida para x = 1, 2, 3 e y = 1, 2
x exp()
, para x = 0, 1, 2, ...
x!
5.5. EXERCCIOS
para 0 x1 1, e
91
para 0 x2 3.
Calcule a f.d.p da varivel U1 .
28. Sejam X1 e X2 variveis aleatrias independentes que representam os tempos de vida
de duas lmpadas fabricadas por processos diferentes. Suponha que as f.d.p. so,
respectivamente
fX1 (x1 ) = exp(x1 )
para x1 0, e
para x2 0. Calcule a f.d.p da varivel U1 definida pelo quociente entre dois tempos
de vida ,
X1
U1 =
.
X2
92
Captulo 6
Estimao de parmetros
6.1
Introduo
94
6.2
ou
...
6.2.1
(6.3)
6.2.2
95
Tendncia
96
6.2.3
Eficincia
(6.5)
E[(T )2 ]
,
E[(T )2 ]
(6.6)
geralmente depende de , embora, por vezes, seja independente de . No caso de estimadores no tendenciosos, a eficincia relativa o quociente entre as varincias dos dois
estimadores. O que tiver menor varincia o estimador mais eficiente. A figura 6.2 mostra
dois estimadores no tendenciosos em , sendo T o mais eficiente.
6.2.4
Consistncia
97
zero, medida que se aumenta o nmero de observaes a incorporar nos seus clculos,
isto ,
limn E[(Tn )2 ] = 0.
(6.7)
Se esta condio se verifica, diz-se que o estimador Tn (a sequncia {Tn }) consistente
em mdia quadrtica. A condio verificar-se- se e s se a varincia de Tn e a tendncia
tenderem ambas para zero, quando n tende para infinito.
Uma vez que a convergncia em mdia quadrtica, para uma constante, implica convergncia em probabilidade, ento, Tn diz-se consistente (em probabilidade) se
limn P (|Tn | ) = 0,
> 0 ,
(6.8)
6.3
(6.9)
Na maior parte dos casos, existe uma nica estatstica de mxima verosimilhana ,
para o parmetro , sendo quase sempre calculada por diferenciao - o valor da varivel
que maximiza esta funo L, tambm maximiza o ln(L) e anula a sua primeira derivada.
98
6.3.1
Estimador da mdia
Para estimar a mdia da populao, usando os elementos de uma amostra aleatria, parece
lgico usar-se a mdia da amostra, X.
O parmetro da populao agora a mdia e o estimador X.
Os momentos de X so:
i)
E[X] = E[
X1 + ... + Xn
1
] = (E[X1 ] + ... + E[Xn ]) =
n
n
ii)
var[X] = var[
X1 + ... + Xn
2
1
] = 2 (var[X1 ] + ... + var[Xn ]) =
n
n
n
.
n
6.3.2
99
Estimador da varincia
2 4
.
n1
(6.11)
(6.12)
1
)
n
(6.13)
+
(6.14)
n
n2
n3
em que k o momento de ordem k centrado na mdia da distribuio. Quando a distribuio normal, verifica-se 4 = 322 e a varincia de s2 reduz-se a,
var[
s2 ] =
var[
s2 ] =
2 4 (n 1)
.
n2
(6.15)
100
6.3.3
O parmetro , que se pretende estimar, agora a proporo p de unidades da populao que possuem uma certa propriedade (caracterstica). Como estimador pode usar-se a
proporo de elementos da amostra que verificam a tal propriedade
p =
X
,
n
(6.16)
1
X
] = E[X] = p ,
n
n
(6.17)
101
p(1 p)
.
var[
p] =
n
No sendo conhecido o valor de p, este pode ser substitudo, na frmula, pelo estimador
p, sendo o erro padro deste estimador dado por,
p(1 p)
.
(6.18)
n
Quando n grande, a distribuio assimpttica de p normal, com mdia p e varincia p(1p)
. Esta aproximao assegura que, antes de observada a amostra, se tem uma
n
p)
probabilidade de 0.954 de que o erro desta estimativa, |
p p|, no excede 2 p(1
.
n
6.4
6.4.1
X z 2 . < < X + z 2 .
n
n
sendo z 2 o ponto crtico da distribuio normal, de parmetros 0 e 1, direita do
qual se encontra uma rea de 2 (isto , uma probabilidade de 2 ).
102
X
s
n
6.4.2
103
(X1 X2 ) (1 2 )
2
1
2
+ n22
n1
6.4.3
<
2 ,n1
21 ,n1
2
21 ,n1
2
(n 1)s2
2
104
6.4.4
12
.
22
Se s21 e s22 forem os valores das varincias de duas amostras aleatrias independentes
de tamanhos n1 e n2 provenientes de duas populaes normais, um intervalo de confiana
2
100(1 )% para 12 dado por
2
s21
1
12
s21
1
.
<
<
.
2
2
2
s2 F 2 ,n1 1,n2 1
2
s2 F1 2 ,n1 1,n2 1
sendo F 2 ,n1 1,n2 1 o ponto crtico da distribuio F - Fisher, com n1 1 e n2 1 graus de
liberdade, direita do qual est uma rea de 2 . O valor de F1 2 ,n1 1,n2 1 pode ser retirado
.
da tabela da distribuio de F-Fisher, uma vez que F1 2 ,n1 1,n2 1 = F 1
2 ,n2 1,n1 1
6.4.5
p(1 p)
p(1 p)
< p < p + z/2 .
n
n
p1 (1
p1 )
p2 )
1
2
em que P =
+ p2 (1
, p1 = X
, p2 = X
, X1 o nmero de elementos
n1
n2
n1
n2
a
da 1 amostra, de tamanho n1 , que verificam a propriedade e X2 o nmero de
elementos da 2a amostra, de tamanho n2 , que verificam a propriedade.
6.5. EXERCCIOS
6.5
105
Exerccios
106
8. As classificaes, de um exame de admisso a um colgio, seguem uma distribuio normal com mdia 500 e desvio padro 100. Determine a probabilidade de um
estudante ter classificao
(a) superior a 650,
(b) inferior a 250,
(c) entre 325 e 675.
9. Os eixos, produzidos por uma mquina, consideram-se no defeituosos, se o desvio
do dimetro em relao a uma dimenso especificada no superior a 2 mm. A
experincia mostra que, o desvio uma varivel aleatria X, que segue a distribuio
normal com mdia zero e desvio padro igual a 1.6 mm.
Qual a percentagem de eixos no defeituosos produzidos?
10. Uma empresa tem uma produo constante de 90 toneladas por ms e a procura
desse produto uma varivel aleatria X que segue a distribuio normal com mdia
80 e desvio padro 10.
Qual a probabilidade de haver procura excedentria?
11. De um questionrio conduzido h 5 anos, concluiu-se que 30% dos adultos de uma
cidade bebiam regularmente alcool. Se esta for ainda a percentagem, qual a probabilidade de, numa amostra aleatria de 1 000 adultos, o nmero de pessoas que bebe
alcool, ser
(a) menor que 280,
(b) maior ou igual a 316.
12. A durao, em milhares de horas, de um componente de um tipo de aparelho de
radar, uma varivel aleatria X cuja f.d.p.
0.1 exp(0.1x) para x > 0
f (x) =
0
para x 0
Determine a probabilidade de um componente, escolhido ao acaso, durar
(a) menos de 4 103 horas
(b) entre 5 103 e 10 103 horas.
13. Uma fbrica de sapatos tem uma mquina que corta peas, de borracha comprimida,
para serem usadas em solas. A espessura dessas solas uma varivel aleatria normalmente distribuda com = 2mm. O valor mdio da espessura = 25mm.
Para se tentar corrigir estas medidas, reajustando a mquina, conveniente verificar
6.5. EXERCCIOS
107
1.9
1.5
1.5
1.2
1.6
1.8
1.4
1.7
1.8
2.2
1.6
1.6
1.5
1.7
2.1
1.4
2.3
1.6
0.8
3.1
2.2
1.5
2.1
1.5
1.7
1.2
1.1
2.8
2.0
1.7
1.6
1.6
1.0
2.2
1.2
D uma estimativa pontual da mdia das alturas da populao dos pinheiros e diga,
com 95.4% de certeza, qual o limite do erro cometido.
16. Determine umacondio que os coeficientes ai devem verificar de modo que a combinao linear ni=1 ai Xi defina um estimador no tendencioso para a mdia da populao .
17. Um clube de compras pelo correio, oferece mensalmente produtos que podem ser
adquiridos pelos scios. feito um teste de aceitao do produto, mandando o
produto para 250 scios, escolhidos ao acaso dentre os 9 000 membros. Baseada
nesta amostra, somente 70 scios decidiram comprar o produto. D uma estimativa
pontual da proporo de scios que se espera comprem o produto. Calcule com 95.4%
de certeza, um limite do erro cometido.
18. Um engenheiro pretende estimar a mdia do resultado de um processo qumico, baseada em trs medies, X1 , X2 e X3 , resultantes de 3 experincias.
108
X 1 + X2 + X3
X1 + 2X2 + X3
e T2 =
3
4
1 x <
1
(x 1 )
< 1 < .
exp[
] para
2
2
0 < 2 <
6.5. EXERCCIOS
109
29. Sejam s21 e s22 , as varincias de duas amostras aleatrias, de tamanhos respectivamente
n e m, tiradas de duas distribuies estocasticamente independentes, N(1 , 2 ) e
N(2 , 2 ). Use o facto de que a estatstica
(n 1)s21 + (m 1)s22
2 (n + m 2)
2
110
Captulo 7
Testes s mdias das distribuies
7.1
Hipteses estatsticas
Existe uma relao entre o teste da hiptese estatstica e o intervalo de confiana. O que
acontece, na generalidade, que qualquer hiptese, relativa a um parmetro, que cai fora
do intervalo de confiana, construdo para o parmetro, pode ser considerada rejeitada.
Por outro lado, se o valor formulado na hiptese cai dentro do intervalo de confiana,
ela considerada no rejeitada. Assim, um intervalo de confiana pode ser tomado
como um conjunto de hipteses no rejeitveis.
Quando se fala de um intervalo de confiana com probabilidade de 95%, usa-se 5%(=
100%), o seu complementar como nvel de significncia para o teste de hipteses.
Uma maneira de testar qualquer hiptese, consiste em focar a ateno numa nica
hiptese, conhecida por hiptese nula, H0 .
O teste da hiptese nula uma regra que especifica o conjunto de valores de uma
varivel aleatria T , para os quais a deciso a tomar a de rejeitar H0 .
A varivel aleatria T , cujos valores servem para determinar a aco que se toma,
chama-se estatstica do teste.
Ao conjunto de valores que levam rejeio de H0 , costume dar o nome de regio
de rejeio do teste e representa-se por C.
Um teste fica completamente especificado pela definio da sua estatstica
e da regio de rejeio.
Qualquer que seja a regra que se escolha, deve-se ter sempre em conta a probabilidade
de se tomar uma deciso errada. As situaes que se nos deparam, so:
Concluso do teste:
no rejeitar H0
rejeitar H0
H0 verdadeira
deciso correcta
deciso errada
H0 falsa
deciso errada
deciso correcta
112
erro do tipo II, quando se no rejeita H0 embora H0 fosse falsa (ou H1 fosse
verdadeira).
H1 a hiptese alternativa e normalmente define um conjunto de valores complementar ao conjunto definido pela hiptese nula.
7.1.1
(7.1)
(7.2)
7.1.2
Uma hiptese estatstica pode ser precisa e especfica, definindo completamente o modelo
probabilstico que descreve a varivel aleatria. Neste caso a hiptese diz-se simples.
No entanto, se a varivel aleatria Y descrita por uma propriedade ou satisfaz uma
certa condio que verdadeira para mais do que um modelo probabilstico, a hiptese
diz-se composta.
Por exemplo, a afirmao de que Y segue uma distribuio normal, d origem a uma
hiptese composta, pois a propriedade da normalidade no define completamente a distribuio da varivel Y . A hiptese, de que Y distribuda normalmente com = 2 e 2 = 8,
j simples.
Um outro exemplo de hiptese composta, a hiptese da varivel Y ter mdia 2 e
varincia 8, j que estes dois parmetros szinhos no definem a distribuio.
7.1.3
113
7.2
Seja Y uma varivel aleatria normalmente distribuda, com mdia igual a e varincia
igual a 2 .
Para testar a hiptese nula de que a mdia da distribuio igual ao valor K considere:
Caso A:
H0 : = K
contra a hiptese alternativa bilateral
H1 : = K.
Caso B:
H0 : = K
contra a hiptese alternativa unilateral
H1 : > K.
Sejam
Y1 , Y2, ..., Yn
os elementos de uma amostra de tamanho n retirada da populao N(, 2 ); a mdia da
amostra Y
i) Se for conhecida a varincia da populao, 2 , a estatstica do teste ser:
Y
Z=
2
n
e o teste:
Caso A:
Se |Z| > c, rejeita se H0 .
Caso B:
Se Z > c , rejeita se H0 ,
com c e c os pontos crticos da distribuio da estatstica - normal com parmetros
0 e 1 (Tabela A.6) -que definem a regio de rejeio de tamanho (rea) . O valor
114
sendo o teste,
Caso A:
Se |T | > c, rejeita se H0 .
Caso B:
Se T > c , rejeita se H0 ,
com c e c os pontos crticos da distribuio da estatstica T, com distribuio tStudent com n 1 graus de liberdade (Tabela A.8), que definem a regio de rejeio
de tamanho (rea) . O valor ser o nvel de significncia do teste.
iii) O resultado de i) pode ser estendido a problemas, em que a distribuio no seja
normal, desde que a amostra retirada da populao seja considerada suficientemente
grande (n suficientemente grande), pela aplicao do Teorema do Limite Central.
7.3
115
Sejam
Y11 , Y12 , Y13 , ..., Y1n1 e Y21 , Y22 , Y23 , ..., Y2n2
duas amostras de tamanhos n1 e n2 , retiradas respectivamente das duas populaes
N(1 , 12 ) e N(2 , 22 ); as mdias aritmticas das amostras so:
Y1 e Y2 ,
i) Se forem conhecidas as varincias das duas populaes, 12 e 22 , a estatstica do
teste ser:
(Y1 Y2 ) (1 2 )
2
Z=
1
2
+ n22
n1
e o teste:
Caso A:
Se |Z| > c, rejeita se H0 .
Caso B:
Se Z > c , rejeita se H0 ,
com c e c os pontos crticos da distribuio da estatstica - normal com parmetros
0 e 1 (Tabela A.6) -que definem a regio de rejeio de tamanho (rea) . O valor
ser o nvel de significncia do teste, isto ,
= P rob(rejeitar H0 ; H0 ).
No caso A, a regio est dividida pelos extremos da distribuio, e no caso B, a regio
encontra-se apenas no extremo do lado direito da distribuio. Veja-se a figura 7.1.
116
(Y1 Y2 ) (1 2 )
s2p ( n11 + n12 )
sendo o teste,
Caso A:
Se |T | > c, rejeita se H0 .
Caso B:
Se T > c , rejeita se H0 ,
com c e c os pontos crticos da distribuio da estatstica T - t- Student com
n1 + n2 2 graus de liberdade (Tabela A.8) - que definem a regio de rejeio de
tamanho (rea) . O valor ser o nvel de significncia do teste.
A varincia, s2p , a varincia pooled das duas amostras. Ver equao (6.20).
iii) O resultado de i) pode ser estendido a problemas, em que as duas distribuies no
sejam normais, desde que as amostras retiradas das duas populaes sejam consideradas suficientemente grandes (n1 e n2 suficientemente grandes), pela aplicao do
Teorema do Limite Central.
7.4
Se o investigador est perante um conjunto de unidades experimentais e pretende identificar e analisar os efeitos causados na varivel resposta, por um certo nmero de
factores (variveis independentes), cria as condies necessrias para a realizao de uma
experincia.
A partir dessa experincia, o investigador vai obter um conjunto de observaes experimentais, que sero posteriormente analisadas estatisticamente.
As condies necessrias para a execuo da experincia esto directamente relacionadas
com o que o investigador pretende identificar e analisar.
Para que uma experincia seja realizada eficientemente, deve usar-se uma tcnica cientfica para o planeamento dessa experincia. Os dois objectivos principais no planeamento
estatstico dessa experincia so:
1. o planeamento em si das etapas da experincia que inclui a seleco dos valores
das variveis independentes (tipo e nmero de factores que influenciam os resultados);
Ao planear a experincia o investigador dever ter ideias claras sobre o que pretende
identificar.
2. a anlise estatstica dos resultados experimentais obtidos da experincia.
117
conveniente, tambm, proceder-se de uma maneira sistemtica ao desenrolar do processo experimental. Recomenda-se assim,
em primeiro lugar, a formulao do problema,
seguida, do planeamento da experincia;
da sua realizao e
da anlise estatstica dos resultados (usando tcnicas de inferncia estatstica baseadas em amostragem);
finalmente, poder-se- tirar concluses e inferir sobre os resultados.
No planeamento de uma experincia, os termos mais usados so:
1. a unidade experimental que a unidade bsica, a partir da qual so obtidos os
resultados,
2. os factores que so as diferentes condies que so manipuladas com as unidades,
3. os nveis do factor que so os diversos modos de presena desse factor,
4. os tratamentos que so as diferentes combinaes dos nveis dos diferentes factores
a analisar,
5. a replicao que define o nmero de unidades experimentais aplicadas a um certo
tratamento,
- Se os nveis do factor correspondem a diferentes intensidades medidas numa escala, o
factor diz-se quantitativo;
- Se os nveis de um factor diferem apenas em algumas caractersticas, o factor diz-se
qualitativo.
Sempre que for necessrio comparar simultaneamente dois ou mais factores, comparando e identificando os seus efeitos, devemos usar tcnicas estatsticas do planeamento de
experincias.
Os aspectos principais do planeamento da experincia so:
1. a escolha adequada dos factores que pretendemos investigar e a determinao
dos diferentes nveis presentes em cada um dos factores. Esta seleco define os
tratamentos;
2. a escolha do nmero total de unidades a utilizar na experincia e as unidades a
testar com cada um dos tratamentos, tendo em conta o custo da experincia e a preciso dos resultados que se pretendem obter; estas escolhas definem respectivamente
o nmero de observaes (tamanho da amostra) e a replicao;
3. a escolha do modo como cada tratamento vai ser aplicado s unidades experimentais.
118
7.4.1
Anlise da varincia
A tcnica da anlise da varincia consiste na anlise da variao total dos valores das observaes em relao mdia calculada desses valores, e engloba a partio dessa variao
total em componentes. A cada uma das componentes atribuda uma causa identificvel
tambm chamada fonte de variao.
Se o conjunto de dados consiste em n resultados y1 , y2 , ..., yn e se a mdia Y , a variao
total das observaes em relao mdia, soma dos quadrados das variaes,
ST Q =
n
(yi Y )2
(7.4)
i=1
soma dos
quadrados
(devida
fonte 1)
(devida
fonte 2)
(devida
fonte 3)
dos resduos
(devida aos erros)
7.4.2
Relativamente aos custos e ao tempo gasto na anlise dos resultados, mais vantajoso
comparar vrios tratamentos simultaneamente, do que fazer comparaes tomando dois
tratamentos de cada vez.
Os princpios bsicos, no planeamento da experincia so:
1. Replicao:
- conveniente usar duas ou mais unidades experimentais para cada tratamento.
2. Aleatoriedade:
- os tratamentos devem ser aplicados s unidades experimentais atravs de um processo aleatrio, sujeito restrio de que, deve haver um nmero pr-especificado de
unidades a receber um dado tratamento.
119
A um planeamento baseado apenas nestes dois princpios d-se o nome de planeamento completamente aleatrio ou anlise de um factor, sinnimo de (comparao
entre) amostras aleatrias independentes retiradas de vrias populaes.
Cada populao identificada pela populao das respostas que seriam obtidas aps a
aplicao de um tratamento. Um planeamento completamente aleatrio aquele em que
dois ou mais tratamentos so aplicados aleatoriamente a um certo nmero de unidades
experimentais. Normalmente, existe para cada tratamento um nmero igual de unidades,
embora no seja necessrio.
Assim, durante o planeamento da experincia e pressupondo que temos k tratamentos
para estudar, o tratamento 1 aplicado, por um processo aleatrio, a n1 unidades, o
tratamento 2 aplicado aleatoriamente a n2 unidades,..., e, finalmente, o tratamento k
aplicado s restantes nk unidades. Das n unidades (n = n1 + n2 + ... + nk ), n1 unidades
experimentais so seleccionadas aleatoriamente para receber tratamento 1. Das restantes
n n1 unidades seleccionam-se aleatoriamente n2 unidades para receber tratamento 2, etc.
Os resultados da experincia formam uma tabela, em que yij , representa o resultado
da observao (proveniente da unidade) i do tratamento j,
tratamento 1 tratamento 2 ...
y11
y12
...
y21
y22
...
.
.
.
.
.
.
yn1 ,1
...
yn2 ,2
mdia do
tratamento
y .1
y .2
...
tratamento k
y1k
y2k
.
.
.
ynk ,k
grande
mdia
y .k
Pretende-se, ento, saber se existem diferenas significativas entre os efeitos (em mdia)
dos tratamentos e se possvel construir intervalos de confiana para as diferenas entre
as mdias de dois dos tratamentos.
A anlise da varincia dos resultados da tabela baseada no seguinte:
- Como o desvio, de uma observao individual relativamente grande mdia, yij Y ,
devido no s s diferenas entre as mdias dos tratamentos como tambm s
variaes casuais das medies observadas de cada tratamento, a decomposio do
desvio a seguinte,
yij Y
observao - grande mdia
(y .j Y )
desvio devido
ao tratamento
+ (yij y .j )
resduo (desvio
devido
variao casual
da medio)
120
Nota 7.4.1 Se no existirem diferenas significativas entre os efeitos dos tratamentos (entre as mdias dos tratamentos), espera-se que as diferenas y .j Y sejam aproximadamente
zero.
A medida da variao total, devida s diferenas nas mdias dos tratamentos a soma
dos quadrados dos tratamentos (SQT),
SQT =
k
nj (y .j Y )2 .
(7.5)
j=1
nj
k
(yij y .j )2 .
(7.6)
j=1 i=1
A variao total presente nos resultados medida pela soma dos quadrados dos desvios
das observaes relativamente grande mdia e representa-se por
ST Q =
nj
k
(yij Y )2 ,
(7.7)
j=1 i=1
j=1
j=1 i=1
ou seja, Q = Q4 + Q3 e se 2 for a varincia da distribuio normal das variveis, desconhecida, Q24 uma varivel aleatria, distribuda segundo o Qui-quadrado com k 1 graus de
liberdade, Q2 distribuda segundo o Qui-quadrado com kj=1 nj 1 graus de liberdade,
e de acordo com o seguinte teorema,
Teorema 5 (Teorema das Formas Quadrticas): Se Q = Q1 + Q2 + ... + Qk e se tanto a
estatstica Q como as Q1 , Q2 , ..., Qk1 forem formas quadrticas nas n variveis aleatrias
independentes yij , normalmente distribudas com mdias iguais a ij e varincia comum
igual a 2 ;
se as estatsticas
Q
Q
, Q21 , Q22 , ..., k1
2
2
forem distribudas segundo o 2 , com graus de liberdade, respectivamente iguais a
r, r1 , r2 , ..., rk1 , e se a estatstica Qk no negativa, ento
i) Q1 , Q2 , ..., Qk so variveis aleatrias estocasticamente independentes, e
Qk
2
121
A estatstica Q23 segue a distribuio Qui-quadrado com kj=1 nj k graus de liberdade.
A decomposio da soma total dos quadrados e dos graus de liberdade costume ser
apresentada numa tabela, chamada tabela da anlise da varincia, ANOVA,
soma dos
quadrados
tratamentos
SQT
fonte
erros
SQR
TOTAL
STQ
graus de
liberdade
k1
k
j=1 nj
k
j=1 nj
mdia dos
quadrados
MQT = SQT
k1
MQR =
SQR
k
j=1 nj k
v.a. F
F =
M QT
M QR
j = 1, ..., k
i = 1, ..., nj
e os eij so os erros casuais das observaes com distribuies normais de mdias iguais a
zero e desvios padres iguais a .
Para se verificar se existem diferenas significativas entre os tratamentos, formula-se a
seguinte hiptese nula:
H0 : 1 = 2 = ... = k = 0
isto , os efeitos da aplicao dos k tratamentos no so estatisticamente significativos
(ou no existem diferenas entre as mdias das k populaes).
e a hiptese alternativa ento:
H1 : os efeitos da aplicao dos tratamentos so significativos
( ou existem diferenas entre os tratamentos).
Critrio usado para testar H0 contra H1 :
Se a mdia dos quadrados dos tratamentos, MQT, for pequena, ento as mdias das
populaes so aproximadamente iguais e a hiptese nula seria rejeitada. A mdia dos
quadrados dos resduos MQR, serve de estimador no tendencioso da varincia desconhecida 2 , e pode ser usada na determinao da grandeza da mdia dos quadrados dos
tratamentos.
122
SQT
k1
SQR
k
j=1 nj k
(7.8)
segue a distribuio F - Fisher com (k 1, kj=1 nj k) graus de liberdade (Tabela A.9).
Tendo em conta o que se disse anteriormente - a hiptese nula no seria rejeitada se
MQT tivesse valores baixos - o teste a usar para este problema consiste em:
Rejeitar H0 se F > c
em que c (ponto crtico da distribuio da estatstica F que define a regio de rejeio)
determinado por forma a = P [F > c; H0 ].
Nota 7.4.2 o nvel de significncia escolhido para o teste.
Intervalos de confiana para diferenas entre pares de mdias de tratamentos
Se deste teste se concluir que existem diferenas significativas entre os tratamentos,
possvel detectar as diferenas existentes entre os tratamentos, tomando dois de cada vez,
atravs da construo de um intervalo de confiana para a diferena das duas mdias. Por
exemplo, em relao s mdias dos tratamentos 1 e 2, 1 2 , usa-se a estatstica T ,
baseada em y .1 y .2 , que uma varivel aleatria normalmente distribuda com mdia
1 2 e desvio padro ( n11 + n12 ). Como SQR
segue a distribuio 2 com kj1 nj k
2
graus de liberdade e independente das variveis y .j , temos
T =
(y .1 y .2 ) (1 2 )
SQR 1
( + n12 )
nk n1
(7.9)
que tem distribuio t - Student com n k graus de liberdade (n = kj=1 nj ) (Tabela
A.9). Este resultado usado para calcular o intervalo de confiana para 1 2 . O
mesmo raciocnio ser aplicado no clculo de intervalos de confiana para diferenas entre
quaisquer pares de mdias de tratamentos i j , i = j = 1, ..., k.
7.4.3
123
tratamento k
mdia
do bloco
y 1.
y 2.
y11
y21
y12
y22
...
...
y1k
y2k
...
yb1
yb2
...
ybk
y b.
y .1
y .2
...
y .k
para i = 1, ..., b
1
y .j =
yij
b i=1
para j = 1, ..., k
A anlise da varincia:
As observaes de uma tabela de duas entradas incluem variaes devidas aos tratamentos e variaes devidas aos blocos. A decomposio total neste caso,
yij Y
observao-grande
mdia
(y .j Y )
+
variao
devida ao
tratamento
(y i. Y )
variao
devida ao
bloco
+ (yij y i. y .j + Y )
resduo (variao
devida aos erros)
A soma dos quadrados dos tratamentos (SQT), a variao total devi- da s diferenas nas mdias dos tratamentos
SQT =
b
k
(y .j Y )2
i=1 j=1
=b
k
(y .j Y )2 .
j=1
(7.10)
124
A soma dos quadrados dos blocos (SQB), a variao total devida s diferenas nas
mdias das observaes dentro dos blocos dada por
SQB =
b
k
(y i. Y )2
i=1 j=1
b
=k
(y i. Y )2 .
(7.11)
i=1
A soma dos quadrados dos resduos (SQR), a variao total devida aos erros casuais
dada por
b
k
(yij y i. y .j + Y )2 .
(7.12)
SQR =
i=1 j=1
Finalmente, a variao total das observaes em relao grande mdia, a soma total
dos quadrados (STQ) dada
b
k
(yij Y )2
ST Q =
(7.13)
i=1 j=1
e igual a
k
b
b
k
2
2
(y .j Y ) + k
(y i. Y ) +
(yij y i. y .j + Y )2 .
b
j=1
i=1
i=1 j=1
Assim,
Q = Q4 + Q2 + Q5 .
Se considerarmos as variveis yij normalmente distribudas com varincia 2 desconhe= Q24 uma v.a. distribuda segundo o Qui-quadrado com k 1 graus de
cida, ento SQT
2
liberdade e SQB
= Q22 2 (bk 1). Aplicando o Teorema das Formas Quadrticas tira-se
2
2 com (b 1)(k 1) graus de liberdade e que as variveis Q4 , Q2 e Q5
que Q25 ou SQR
2
so estocasticamente independentes. Assim podemos formar a tabela ANOVA com,
fonte
tratamentos
blocos
erros
TOTAL
soma dos
quadrados
SQT
SQB
SQR
ST Q
graus de
liberdade
k1
b1
(b 1)(k 1)
bk 1
mdia dos
quadrados
M QT = SQT
k1
M QB = SQB
b1
SQR
M QR = (b1)(k1)
v.a. F
F1 =
F2 =
M QT
M QR
M QB
M QR
125
126
7.4.4
127
n = kr = bt
(7.15)
tratamento
A
B
C
D
bloco
1
2
3
4
A B C
A B D
A C D
B C D
bloco
1
2
3
4
y1A
y2A
y3A
y1B
y2B
y4B
y1C
y3C
y4C
y2D
y3D
y4D
128
j=1
para j = 1, ..., k.
Note-se que kij = 1 se o tratamento j ocorre no bloco i e kij = 0 se no ocorre.
O efeito estimado do tratamento j (j = 1, ..., k) dado pela estatstica
j =
tTj Bj
k
(7.17)
onde representa o nmero de vezes que um par de tratamentos aparece junto, no mesmo
bloco. Este valor constante e igual a
=
r(t 1)
k1
e caracterstico do planeamento.
A partir da grande mdia das observaes
b k
Y =
j=1 yij
i=1
t 2
,
k
j = 1, 2, ..., k .
129
b
k
i=1 j=1
soma de
quadrados
g.l.
SQT
k1
SQB
SQR
ST Q
b1
nkb+1
n1
mdia de
quadrados
M QT =
SQT
k1
M QB = SQB
b1
SQR
M QR = nkb+1
v.a. F
F1 =
M QT
M QR
F2 =
M QB
M QR
Testes de hipteses
Para testar a hiptes nula
H0 : 1 = 2 = ... = k = 0
[no existem diferenas significativas devidas aos tratamentos],
contra
H1 :existem diferenas nos resultados devidas aos tratamentos
usa-se a estatstica F1 que distribuda segundo F - Fisher com k 1 e n k b + 1
graus de liberdade (Tabela A.9).
Assim,
rejeita-se H0 se F1 > c ,
em que c determinado a partir de:
130
= Pr [rejeitar H0 ; H0 ]
= Pr [F1 > c; H0 ]
Nos planeamentos completamente aleatrio, com blocos e factorial, o erro padro da
diferena entre as mdias estimadas de dois tratamentos, era
2 2
;
(7.22)
no de observaes por tratamentos
sendo, no planeamento com blocos aleatrios, o no de observaes por tratamento igual a
b, e a varincia era estimada por MQR.
No planeamento ajustado com blocos incompletos, este erro padro maior do que o
erro em (7.22), devido ao ajuste aplicado para corrigir os efeitos dos blocos. De facto, o
no de observaes por tratamento igual a r = btk sendo b uma vez que kt 1.
costume exprimir o erro padro da diferena entre as mdias de dois tratamentos por
2
2
r
(7.23)
sendo = k(t1)
o factor de eficincia do planeamento.
t(k1)
O factor de eficincia representa a perda que se obtm pela aplicao do planeamento
com blocos incompletos, sem se ter verificado uma reduo no desvio padro.
Para este planeamento, tanto mais pequeno quanto maior for o nmero de unidades
por bloco e maior o nmero de tratamentos. Assim, est perto de 1 se o nmero de
tratamentos no excede, excessivamente, o nmero de unidades por bloco ou se este nmero
for grande.
O planeamento ajustado com blocos incompletos usa-se sempre que for possvel uma
reduo aprecivel no desvio padro. Deve obter-se uma reduo da ordem dos 10% para
que o uso deste tipo de planeamento possa trazer vantagens.
7.4.5
Cada vez mais necessrio estudar os efeitos de vrios factores em experincias. Fazendo
variar simultaneamente os factores (com diferentes nveis) durante a experincia, possvel
obter informaes sobre os efeitos causados por esses factores, bem como saber se eles
interagem. O conjunto das medies que se obtm, fazendo variar um dos factores
til para se inferir acerca desse factor. No planeamento factorial, as concluses obtidas
relativamente aos efeitos de cada factor, so baseadas no conjunto inteiro das medies.
Obtm-se assim uma utilizao eficiente das diversas fontes.
Suponha que se pretende estudar o efeito resultante da variao de dois factores, A e
B. O factor A apresenta-se com p nveis e o factor B com q nveis. Cada combinao de um
nvel de A com um nvel de B define um tratamento. Existem pois pq tratamentos. Chamase ento, um planeamento factorial pq. Um planeamento deste tipo, com uma replicao,
131
A1
A2
.
.
.
Ap
mdia do
nvel de B
nveis de B
mdia do
nvel de A
B1
y11
y21
B2
y12
y22
...
...
...
Bq
y1q
y2q
y 1.
y 2.
...
yp1
yp2
...
ypq
y p.
y .1
y .2
y .q
(y i. Y )
variao devida
ao factor A
(y .j Y )
variao devida
ao factor B
(yij y i. y.j + Y )
resduo
A soma dos quadrados do factor A, a variao total devida s diferenas nas mdias
dos nveis do factor A dada por
SQFA = q
p
i=1
(y i. Y )2 .
(7.24)
132
A soma dos quadrados do factor B, a variao total devida s diferenas nas mdias
dos nveis do factor B
q
SQFB = p
(y .j Y )2 .
(7.25)
j=1
(7.26)
i=1 j=1
(7.27)
i=1 j=1
e
ST Q = SQFA + SQFB + SQR
Q = Q2 + Q4 + Q5
Se considerarmos as variveis yij normalmente distribudas com varincia 2 desconhecida, ento
Q2
Q4
Q
2 (p 1),
2 (q 1) e
2 (pq 1) .
2
2
2
Assim Q2 , Q4 , Q5 so variveis estocasticamente independentes e de acordo com o Teorema da Formas Quadrticas Q25 2 ((q 1)(p 1)).
A tabela ANOVA, mostra a decomposio da soma total dos quadrados. As variveis
casuais F1 e F2 so usadas para os testes. Assim, para o planeamento com uma replicao,
fonte
factor A
factor B
erro
TOTAL
soma dos
quadrados
SQFA
SQFB
SQR
STQ
graus de
liberdade
p1
q1
(p 1)(q 1)
pq 1
mdia dos
quadrados
A
M QFA = SQF
p1
SQFB
M QFB = q1
SQR
M QR = (p1)(q1)
v.a. F
F1 =
F2 =
M QFA
M QR
M QFB
M QR
Testes de hipteses
i) Para testar a hiptese nula de que no existem diferenas significativas entre os nveis
do factor A, a hiptese nula
H01 : 1 = 2 = ... = p = 0
133
(mdia do
nvel i)
de A
(mdia do
nvel j)
de A
+ i + k ( + j + k ) = i j
para todos os nveis k de B, pois a diferena a mesma qualquer que seja o nvel de
B (k = 1, ..., q). Esta propriedade est representada na figura 7.2 (a), em que a diferena
entre duas das curvas constante para todos os nveis de B.
Para determinar intervalos de confiana para a diferena i j usa-se um processo
idntico ao que foi usado no planeamento com blocos aleatrios.
Pode acontecer, que a diferena entre as mdias dos nveis i e j do factor A seja positiva
para uns nveis de B e negativa para outros. O comportamento (em mdia) dos nveis do
factor A ento dependente do nvel do factor B e diz-se que os factores interagem. A
representao grfica desta situao est na figura 7.2.
Em geral ocorrem interaces entre factores e torna-se bastante importante o reconhecimento da sua presena. Para estes problemas, no permitido o uso do modelo
populacional do tipo aditivo para descrever o planeamento.
Modelo populacional multiplicativo
O modelo anterior (aditivo) pode ser estendido, com a incluso de mais um termo que
representa a interaco do nvel i do factor A com o nvel j do factor B. Esse termo passa
a ser o ij . Assim, o modelo do tipo multiplicativo :
134
Figura 7.2: Efeitos entre nveis de factores (a) sem interaco; (b) com interaco
yij = + i + j + ij + eij .
para i = 1, ..., p e j = 1, ..., q. Um planeamento factorial pq com uma s replicao no
permite fazer inferncias sobre os efeitos de ambos os factores e da interaco. Portanto,
quando a componente interaco includa no modelo, torna-se necessrio o uso de mais do
que uma replicao no planeamento factorial pq. Com r replicaes, o planeamento resultante chama-se planeamento factorial pq com r replicaes. Ao todo sero necessrias
rpq unidades experimentais para testar os pq tratamentos.
Se yijk for o resultado da observao nmero k (k = 1, ..., r), para r replicaes, do
tratamento definido pelos nveis i de A e j de B, em que A e B so os dois factores a
estudar, a tabela com as observaes tem a seguinte forma:
A1
A2
Ap
mdia do
nvel de B
B1
B2
...
Bq
...
...
...
...
y .1.
y .2.
y .q.
mdia do
nvel de A
y 1..
y 2..
y p..
Y
(y i.. Y )
variao
devida
ao factor A
(yijk y ij. )
resduo
(y .j. Y )
variao
devida
ao factor B
135
+
p
(y i.. Y )2 ,
(7.28)
i=1
q
(y .j. Y )2 ,
(7.29)
j=1
a soma dos quadrados das variaes devidas interaco entre A e B dada por
SQIAB = r
p
q
(7.30)
i=1 j=1
p
q
r
(yijk y ij. )2 .
(7.31)
p
q
r
(yijk Y )2 .
(7.32)
e
ST Q = SQFA + SQFB + SQIAB + SQR .
Se considerarmos os yijk como normalmente distribudos com varincia comum 2 podeA
B
mos definir as seguintes variveis, SQF
cuja distribuio 2 (p 1), SQF
que 2 (q 1),
2
2
SQIAB
Q
que 2 ((p 1)(q 1)). Como ST
2 (pqr 1), tambm, de acordo com o
2
2
SQR
Teorema das Formas Quadrticas 2 2 (pq(r 1)).
A tabela ANOVA para este tipo de planeamento factorial pq com r replicaes ,
fonte
factor A
factor B
iteraco A B
erro
TOTAL
soma dos
quadrados
SQFA
SQFB
SQIAB
SQR
ST Q
graus de
liberdade
p1
q1
(p 1)(q 1)
pq(r 1)
pqr 1
mdia dos
quadrados
A
M QFA = SQF
p1
B
M QFB = SQF
q1
SQIAB
M QIAB = (p1)(q1)
SQR
M QR = pq(r1)
v.a. F
F1 =
F2 =
F3 =
M QFA
M QR
M QFB
M QR
M QIAB
M QR
136
Testes de hipteses
Para testar a hiptese, de que no existem diferenas significativas entre os nveis de
A, a hiptese nula
H01 : 1 = 2 = ... = p = 0
contra a hiptese alternativa H11 : de que existem diferenas significativas entre os nveis
de A, o teste baseia-se na estatstica F1 e consiste em
rejeitar H01 se F1 > c
com c determinado de
= P r[rejeitar H01 ; H01 ] = [F1 > c; H01 ]
sendo F1 distribuda segundo F com (p 1) e pq(r 1) graus de liberdade.
Para testar a hiptese, de que no existem diferenas significativas entre os nveis de
B, a hiptese nula
H02 : 1 = 2 = ... = q = 0
contra a hiptese alternativa H12 : de que existem diferenas significativas entre os nveis
de B, o teste baseia-se na estatstica F2 e consiste em
rejeitar H02 se F2 > c
com c determinado de = P r[F2 > c; H02 ], com F2 distribuda segundo F com (q 1) e
pq(r 1) graus de liberdade.
Finalmente, para testar a hiptese nula
H03 : 11 = 12 = ... = 21 = ... = pq = 0
da no existncia de efeitos significativos da interaco entre os dois factores A e B, contra
a hiptese alternativa H13 : da existncia desses efeitos, o teste baseia-se na estatstica F3 ,
cuja distribuio F - Fisher com (p 1)(q 1) e pq(r 1) graus de liberdade. O teste
consiste em
rejeitar H03 se F3 > c
com c determinado de
= P r[F3 > c; H03 ]
sendo o nvel de significncia escolhido para o teste.
Obs: Se o efeito da interaco for considerado significativo, isto , se H03 for rejeitada,
nunca se poder concluir que o efeito principal de cada um dos factores no significativo.
7.4.6
137
Quando cada factor no planeamento aparece apenas com 2 nveis, o planeamento passa a
chamar-se factorial a dois nveis. costume usar este tipo de planeamento nas situaes
em que um nmero elevado de factores podem influenciar os resultados.
Planeamento 22
Neste tipo de planeamento factorial a dois nveis, so testados 2 factores, cada um deles
com 2 nveis. O nmero de tratamentos igual a 4.
A anlise deste tipo de planeamento vem simplificada se atribuirmos o valor -1 ao nvel
inferior e +1 ao nvel superior de cada factor. As diferentes combinaes de nveis do
origem aos tratamentos e os resultados da experincia podem ser apresentados na tabela,
tratamentos
T1
T2
T3
T4
factor
A
+
+
factor
B
+
+
AB
interaco
+
+
observaes
(r replicaes)
y11 y12 ... y1r
y21 y22 ... y2r
y31 y32 ... y3r
y41 y42 ... y4r
mdias dos
tratamentos
y1
y2
y3
y4
(y 2 y 1 ) + (y 4 y 3 )
,
2
(7.33)
(y 3 y 1 ) + (y 4 y 2 )
2
sendo
SQFB = r (efeito estimadoB )2 .
O efeito principal devido interaco entre A e B estimado por
eeAB =
(y 4 y 3 ) + (y 1 y 2 )
2
(7.34)
138
sendo
Este efeito resulta da diferena entre o aumento (variao) no resultado ao nvel superior
(y 4 y 3 ) e ao nvel inferior (y 2 y 1 ) do factor B. Se os dois factores A e B no interagem,
estes aumentos devem ser iguais ou quase iguais e a diferena estar prxima de zero.
Para se obter uma estimativa da varincia de cada um destes efeitos estimados, necessrio calcular a varincia de cada mdia das observaes (das amostras). Como existem
r observaes em cada tratamento (r replicaes) e a varincia de cada observao 2 ,
2
a varincia de cada mdia y i (i = 1, 2, 3, 4) r . Sendo as mdias, variveis aleatrias
estocasticamente independentes, a varincia dos efeitos estimados
2
.
r
Como 2 desconhecido, pode ser estimado pela varincia residual
var[ee] =
em que
(7.35)
1
s2 = (s21 + s22 + s23 + s24 )
4
r
2
j=1 (y1j y 1 )
,
s21 =
(r 1)
r
2
j=1 (y2j y 2 )
2
,
s2 =
(r 1)
... etc.
Assim, com os valores calculados de SQFA , SQFB e SQIAB , pode-se construir a tabela
ANOVA e testar as hipteses estatsticas idnticas s referidas no planeamento factorial
pq com r replicaes.
Intervalos de confiana para os efeitos devidos aos factores principais e
interaco
Como a varivel aleatria, efeito estimado (ee), segue a distribuio normal com mdia
2
, (efeito real) e varincia r , ento a varivel aleatria
ee
T =
(7.36)
2
( sr )
distribuda segundo t - student com 4(r 1) graus de liberdade. Este o nmero de
graus de liberdade da varivel que aparece em denominador
4(r 1)s2
2
que segue a distribuio Qui-quadrado com 4(r 1) graus de liberdade. A estatstica T
pode ser usada para construirmos intervalos de confiana para o efeito real= de cada
um dos factores principais ou da interaco, baseados num planeamento factorial 22 com
r replicaes.
139
Planeamento 23
Este tipo de planeamento engloba o estudo dos efeitos principais de 3 factores e interaces,
em que cada factor se apresenta com apenas 2 nveis. O nmero total de tratamentos
23 = 8. Introduzindo a notao simplificada referida no planeamento anterior, com 1
a indicar o nvel inferior e +1 o nvel superior de cada um dos factores, os resultados da
experincia podem ser apresentados numa tabela do tipo,
Tratamentos
T1
T2
T3
T4
T5
T6
T7
T8
factores
A B C
+ - + + + - +
+ - +
- + +
+ + +
interaces
AC BC ABC
+
+
+
+
+
+
+
+
+
+
+
+
AB
+
+
+
+
observaes
(r replicaes)
y11 y12 ... y1r
y21 y22 ... y2r
y31 y32 ... y3r
mdias dos
tratamentos
y1
y2
y3
...
y81
y82
...
y8r
y8
1
231
[y 1 y 2 y 3 y 4 ... y 8 ]
(7.37)
=
=
=
=
2r
2r
2r
2r
(eeA )2
(eeB )2
(eeC )2
(eeAB )2
= 2r (eeABC )2 .
140
Assim como a varincia da varivel y i (i = 1, ..., 8) r (com r o nmero de replicaes), tambm o valor da varincia de cada um dos efeitos estimados, pela frmula geral,
2
var[ee] = 2r .
A varivel
s2 + s22 + ... + s28
,
(7.38)
s2 = 1
8
conhecida por varincia residual, pode ser usada como estimador de 2 . A varivel
8(r 1)
s2
2
ee ef eito real
s2
2r
(7.39)
7.4.7
Considere a realizao de uma experincia em que esto presentes mais do que 2 factores
e em que cada um deles pode aparecer com mais do que 2 nveis. Por exemplo, o modelo
populacional respeitante ao caso de 3 factores com m, n e p nveis respectivamente e com
r observaes por tratamento seria,
yijk = + i + j + k + ij + jk + ik + ijk + eijk
em que os i , j e k representam os efeitos principais devidos aos factores A, B e C (3
factores) com i = 1, ..., m, j = 1, ..., n e k = 1, ..., p. Os ij , jk e ik representam os efeitos
devidos s interaces de 2a ordem entre dois factores e ijk , a interaco de 3a ordem em
relao aos trs factores.
Considerando vrias - r - observaes por tratamento (um total de mnp tratamentos),
cada observao seria representada pela varivel yijkl(l = 1, ..., r). Assim, seriam necessrias mnpr observaes para testar os efeitos principais dos diversos factores e as interaces
entre factores.
141
No entanto, na maior parte dos casos no possvel obter tantas observaes, conseguindose mesmo, menos do que mnp observaes (as necessrias para 1 observao por tratamento). Usando um tipo de planeamento muito simples, conhecido pelo nome de quadrado latino possvel testar um dos factores em presena dos outros dois.
Para uma melhor compreenso considere o exemplo em que trs factores esto presentes
: mquinas, operadores das mquinas (trabalhadores) e perodo de tempo de operao
com as mquinas. Cada um destes factores apresenta-se com 4 nveis. H um total de 64
possveis combinaes, ou seja tratamentos. Se no fosse usado o planeamento quadrado
latino eram necessrias, pelo menos, 64 observaes, uma por cada tratamento. No entanto,
veja-se como apenas 16 observaes sero necessrias para o estudo do efeito do factor
mquina. Considere o quadro:
cada operador (1, 2, 3 e 4) trabalha uma vez durante cada perodo de tempo (1, 2,
3 e 4) e uma vez com cada uma das mquinas,
operador
1
2
3
4
perodo
de tempo
1 2 3 4
A B C D
B C D A
C D A B
D A B C
142
yij(k) = + i + j + k + eij(k)
com i = 1, ..., s, j = 1, ..., s, s o nmero de nveis dos factores e k determinado de
acordo com o i, j e o quadrado escolhido para a experincia que ser do tipo s s. S sero
necessrias s2 observaes. Cada observao o resultado da combinao de um nvel de
cada um dos trs factores, que corresponde a uma clula da tabela de duas entradas do
tipo quadrado latino s s.
A anlise dos resultados obtidos na experincia pode ser feita do seguinte modo.
A tabela dos resultados passa a ter a forma:
factor em linha
1
2
...
s
mdia da coluna
1
y11
y21
ys1
y .1
factor em coluna
2
3
4 ... s
y12 y13 y14 ... y1s
y22 y23 y24 ... y2s
...
ys2
.
.
yss
y .2
.
.
y .s
mdia da linha
y 1.
y 2.
y s.
Y
s
(y i. Y )2 ;
(7.40)
i=1
s
(y .j Y )2 ;
(7.41)
j=1
s
k=1
(y (k) Y )2 ,
(7.42)
143
s
s
(yij(k) y i. y .j y (k) + 2Y )2 ;
(7.43)
i=1 j=1
s
s
(yij(k) Y )2 .
(7.44)
i=1 j=1
Assumindo, como nos casos anteriores, um modelo normal com varincia comum 2 ,
Q
, SQC
e SQl
so 2 (s 1), SQR
2 ((s 2)(s 1)) e ST
soma dos
quadrados
SQL
SQC
SQl
SQR
ST Q
graus de
liberdade
s1
s1
s1
(s 2)(s 1)
s2 1
mdia dos
quadrados
M QL = SQL
s1
M QC = SQC
s1
M Ql = SQl
s1
SQR
M QR = (s2)(s1)
v.a. F.
F1 =
F2 =
F3 =
M QL
M QR
M QC
M QR
M Ql
M QR
144
1
factor I A
em
II B
linha III C
IV D
V F
Factor em coluna
2
3
4
5
B C D E
C D E A
D E A B
E A B C
A B C D
As somas dos quadrados das variaes devidas aos factores em linha, em coluna, aos que
usam letras latinas e aos que usam letras gregas so obtidas de modo idntico ao referido
nos quadrados latinos. Para um quadrado do tipo s s a varivel SQR
( 2 a varincia
2
da distribuio) 2 ((s 3)(s 1)) graus de liberdade.
7.4.8
145
146
7.4.9
.....................
...
.....................
W1
W2
...
Wk
...
Rk =
R1 =
W1
n1
R2 =
W2
n2
Wk
nk
ni
j=1
147
Rij i = 1, 2, ..., k
n+1
n+1
n+1
, R2
, ..., Rk
2
2
2
H=
l
2
j=1 qj (qj 1)
n(n2 1)
148
7.4.10
Este problema aparece nas experincias em que se tenta detectar diferenas entre k tratamentos, sendo k 2. As observaes so agrupadas em blocos, que no so mais do que
grupos de k unidades experimentais homogneas. As k unidades, dentro de cada bloco,
so afectadas aleatoriamente aos k tratamentos, tal como j foi referido no planeamento
com blocos aleatrios, baseado na Anlise da Varincia. Como cada tratamento testado,
uma s vez, dentro de cada bloco, eles podem ser ento testados sem perigo da existncia
de efeitos no desejados, que podem confundir os resultados da experincia.
O nmero de bloco designado por b e b 1.
O mtodo paramtrico para testar a hiptese nula de que no existem diferenas entre
tratamentos, conhecido por planeamento com blocos aleatrios e depende da distribuio
das variveis observadas. No entanto, o mtodo no - paramtrico, aqui referido, s depende
das graduaes das observaes, dentro de cada bloco, e das graduaes das amplitudes
dos blocos. Este teste tem o nome de teste de Quade.
Os dados consistem num conjunto de b variveis aleatrias independentes a k dimenses
(yi1 , yi2 , ..., yik ), i = 1, ..., b, chamadas blocos. A varivel aleatria yij est no bloco i e
est associada com o tratamento j. Os blocos so arranjados do seguinte modo:
bloco
1
2
3
...
b
Tratamentos
1
2 ... k
y11 y12 ... y1k
y21 y22 ... y2k
...
yb1
yb2
...
ybk
149
b
Sij .
i=1
SQT =
(7.45)
b
k
Sij2 .
(7.46)
i=1 j=1
150
Ao nvel de significncia ,
a hiptese nula rejeitada se T1 > c ,
sendo c o ponto crtico da distribuio F , dada pela Tabela A.9, com (k 1) e (b1)(k 1)
graus de liberdade.
A distribuio F aproxima os valores da distribuio da estatstica T1 , para a qual no
existem tabelas exactas. No entanto, quanto maior for b, mais a distribuio se aproxima
da de F F isher.
Comparaes dois a dois
Se a hiptese nula for rejeitada, podem fazer-se comparaes mltiplas entre pares de
tratamentos. Os tratamentos i e j so considerados significativamente diferentes se
2b(ST Q SQT )
|Si Sj | > c
(7.48)
(b 1)(k 1)
sendo c o ponto crtico da distribuio t-Student, da tabela A.8, com (b 1)(k 1) graus
de liberdade que corresponde a uma regio de rejeio de tamanho , sendo o nvel de
significncia usado para o teste do Quade.
7.4.11
151
b
Rij , j = 1, ..., k
(7.49)
i=1
T2 =
(7.50)
Ao nvel de significncia ,
a H0 rejeitada se T2 > c ,
sendo c o ponto crtico da distribuio assimpttica de T2 , 2 com k 1 graus de liberdade
(Tabela A.7), que define uma regio de rejeio de tamanho .
Comparaes mltiplas
Se a hiptese nula for rejeitada, podemos comparar pares de tratamentos. Os tratamentos i e j consideram-se significativamente diferentes se a diferena, entre as somas
das graduaes atribudas s observaes provenientes da aplicao dos tratamentos i e j,
satisfaz
r(t + 1)(t 1)[bt(k 1) kT ]
|Rj Ri | > c
(7.51)
6(k 1)(bt k b + 1)
em que c o ponto crtico da distribuio t - Student com (btk b+1) graus de liberdade,
que corresponde a uma regio de rejeio de tamanho e T o valor da estatstica do
teste.
152
s2i
sendo E[Rij ] =
1
t+1 2
],
=
[Rij
t j=1
2
t
i = 1, 2, ..., b
(7.52)
t+1
.
2
var[Rj ] =
b
var(Rij ) =
s2i
(7.53)
r blocos
i=1
E[Rj ] =
b
E[Rij ] =
i=1
r(t + 1)
2
(7.54)
T2 =
(7.55)
7.5. EXERCCIOS
7.5
153
Exerccios
0
0.1
0.2
1
2
3
4
0.1 0.1 0.1 0.2
0.1 0.1 0.2 0.2
5
6
0.1 0.3
0.1 0.1
154
mquina B
4.9
4.5
4.5
4.0
4.2
mquina C
3.0
2.9
3.7
3.5
4.2
(a) Teste a hiptese nula de no existirem diferenas significativas nos efeitos das
mquinas. Considere a varivel resposta normalmente distribuda.
7.5. EXERCCIOS
155
73 64 67 62 70
84 80 81 77
82 79 71 75
Baseando-se nesta amostra, acha que os resultados, indicam alguma diferena significativa entre o tempo de durao das marcas (para = 0.05)?
10. Numa anlise de regularidade de fibras de l, consideram-se trs bobinas e pesaram-se
cinco comprimentos de 1 metro, espaados ao longo das bobinas. Os valores obtidos
foram,
bobina 1
15.0
14.3
14.3
14.2
14.6
bobina 2
17.8
18.3
18.4
17.7
17.2
bobina 3
17.3
16.7
15.6
16.7
15.4
Face a estes valores, parece-lhe que existam diferenas significativas entre as bobinas.
11. Retiraram-se seis amostras de algodo de sete fardos, para ser analisado o ndice
micronaire, que se supe segue a distribuio normal. Pretende-se saber se existem
diferenas significativas entre os fardos de algodo.
Fardos
1
2
3
4
5
6
7
1
2
3
4
5
6
Somas
3,72 3,75 3,67 3,67 3,70 3,70 22,21
3,70 3,77 3,77 3,87 3,85 3,70 22,66
3,87 3,95 3,90 3,82 3,77 3,92 23,23
4,02 4,02 4,02 3,85 3,92 3,87 23,70
4,37 4,35 4,00 4,10 3,92 3,95 24,69
3,90 3,77 3,75 3,72 3,57 3,55 22,26
3,90 3,97 3,90 4,00 4,15 4,10 24,02
27,48 27,58 27,01 27,03 26,88 26,79 162,77
156
A
B
C
D
E
6.7
5.1
4.4
6.7
6.5
5.8
4.7
4.9
7.2
5.8
5.8
5.1
4.6
6.8
4.7
5.5
5.2
4.5
6.3
5.9
gravidez:
Pas
Egipto
Knia
Mxico
nj y j
46 3.7
111 3.1
52 2.9
sj
2.5
1.8
1.8
j=1 (nj
s2r = k
1)s2j
j=1 (nj
1)
k
j=1 (nj
(b) (em vez de MQR) teste a hiptese nula de que em mdia o aumento de peso, das
mulheres grvidas nos 3 pases observados o mesmo. Suponha que a varivel
aleatria Y aumento de peso segue a distribuio normal.
14. Para comparar as velocidades de corte de 4 mquinas, arranjaram-se peas com cinco
graus diferentes de dureza. Formaram-se cinco blocos experimentais, cada um com
peas do mesmo grau de dureza.
Os resultados da experincia foram (em segundos),
7.5. EXERCCIOS
157
bloco M1
1
12
2
2
3
8
4
1
7
5
M2 M3
20 13
14
7
17 13
12
8
17 14
M4
11
5
10
3
6
(a) Teste a hiptese nula de que no existem diferenas significativas entre as velocidades de corte das diferentes mquinas, supondo que o tempo, segue a distribuio normal.
(b) Teste os efeitos resultantes dos blocos.
15. Uma experincia, levada a cabo numa estao agronmica, consiste em testar os
efeitos de 5 nveis diferentes de aplicao de potassa, nos campos, sobre as propriedades do algodo. A medida escolhida para testar essas propriedades foi o ndice de
Pressley. Tomaram-se amostras de algodo de cada um dos campos e efectuaram-se
4 determinaes da resistncia, por cada amostra. Os resultados apresentados na
tabela, correspondem aos valores mdios dessas determinaes. A experincia foi
efectuada em 3 blocos casuais de cinco campos cada um.
1
7.62
8.14
7.76
7.17
7.46
blocos
2
8.0
8.15
7.73
7.57
7.68
3
7.93
7.87
7.74
7.80
7.21
158
Trabalhador
Lus Mota
Ana Lopes
Cristina Pinto
Joana Silva
Jos Gonalves
Maria Cruz
unidades produzidas
antes
depois
80
85
75
75
65
71
82
79
70
86
56
68
blocos
1
2
3
4
5
6
7
B
627
344
337 537
520
369
396 602
tratamentos
C
D
E
248
233
251 211 160
195
278
199
169 185
240 273
F
G
563 252
442 226
297
300
595
606
Analise os efeitos dos tratamentos e dos blocos, considerando estas observaes normalmente distribudas.
18. Um tcnico investigador de uma empresa txtil est interessado em saber como 4
cores diferentes de tintas podem afectar a durabilidade dos tecidos. Como os efeitos
das tintas podem ser diferentes face s diferenas existentes entre os tecidos, o investigador pensou testar cada tinta com duas variedades diferentes de tecidos. Para cada
combinao, usou 2 amostras. Os valores observados, da varivel resposta, que se
supe normalmente distribuda, aps a realizao da experincia, foram os seguintes:
a tinta amarela (ta) com tecido 1 (12.3, 12.5); a ta com tecido 2 (14.4, 15.0);
a tinta cinzenta (tc) com tecido 1 (14.2, 14.5); a tc com tecido 2 (15.0, 15.2);
a tinta preta (tp) com tecido 1 (15.0, 15.3); a tp com tecido 2 (15.5, 15.6);
a tinta encarnada (te) com tecido 1 (13.1, 13.2) e te com tecido 2 (13.4, 13.8).
Que concluses (todas) pode tirar deste estudo? Acha que o efeito da tinta pode ser
diferente de acordo com os tipos de tecido?
7.5. EXERCCIOS
159
velha (-)
nova (+)
Dimenso A,
50(-) 55(+)
+
+
+
+
Dimenso B,
20(-) 25(+)
+
+
+
+
Observaes
68,
65,
72,
70,
48,
50,
78,
80,
67
64
70
71
48
51
77
80
160
dia da semana
2 feira
3
4
5
6
1
B 257
D 245
E 182
A 203
C 231
2
E 230
A 283
B 252
C 204
D 271
Mquina
3
A 279
E 245
C 280
D 227
B 266
4
C 287
B 80
D 246
E 193
A 334
5
D 202
C 260
A 25
B 259
E 338
5
8
10
5 6 4
10 6 6
12 9 9
5 6 7 4
5 4 3 9
10 10 6 12
Tire as concluses que os dados permitem, sabendo-se que quanto maior o valor
da escala mais favorvel a atitude do entrevistado em relao ao tema. Justifique
a utilizao do teste estatstico.
23. A freguesia de Sto Antnio da cidade de Vila Velha tem dois bairros habitacionais.
De cada bairro, seleccionaram-se aleatoriamente 20 casas e foram-lhes atribudas
classificaes de 0 a 10 dependendo do estado de degradao das casas (0 estado
novo, ..., 10 casa degradada). Os resultados da experincia foram os seguintes:
Bairro
0
4
4
6
0
8
7
4
1
5
da S
3
2
4
4
0
3
6
0
8
9
Bairro
7
4
7
0
3
6
1
4
1
2
Canoa
9
7
9
3
3
8
2
7
8
3
Faa uma lista de todos os testes no paramtricos que poderia usar na anlise
destes dados, para detectar diferenas entre o estado de degradao das casas nos
7.5. EXERCCIOS
161
armazm
1
2
3
4
5
6
7
marca
B C D
4 7 10
3 1 0
12 22 22
4 3 5
9 7 13
18 28 37
7 6 8
A
5
1
16
5
10
19
10
E
12
2
35
4
10
58
7
Face a estes dados, acha que existem diferenas significativas quanto s preferncias
dos consumidores em relao s marcas do creme.
25. Um fabricante de gelados pretende saber as preferncias das pessoas em relao s
sete variedades (de sabor) de gelados.
pedido a cada pessoa que experimente trs variedades e classifique-as de 1 a 3, (a
graduao 1 ser atribuda variedade preferida, etc.).
As graduaes, resultantes da experincia feita com sete pessoas, so as seguintes:
Pessoa
A
B
C
D
E
F
G
1
2
2
3
3
Variedade
3 4 5
1
1
2
2
1
1
2
1
3
3
3
3
2
1
2
2
Teste a hiptese nula, de que nenhuma das variedades de gelados mais preferida do
que as outras.
162
Captulo 8
Testes s propores
8.1
Sejam X1 e X2 duas variveis aleatrias distribudas segundo a lei binomial com parmetros
respectivamente iguais a p1 , n1 e p2 , n2 , sendo pi a proporo de unidades da populao i,
que possuem certa caracterstica e ni o tamanho da amostra retirada da populao.
8.1.1
Teste proporo p1
164
Se Z > c , rejeita-se H0 .
c e c so os pontos crticos da distribuio da estatstica (Tabela A.6) que definem a
regio de rejeio de tamanho (rea) . O valor ser o nvel de significncia do teste.
8.1.2
Para testar a hiptese nula de que as propores p1 e p2 das duas binomiais so iguais,
considere
Caso A:
H 0 : p1 p2 = 0
contra a hiptese alternativa bilateral
H1 : p1 p2 = 0.
Caso B:
H 0 : p1 p2 = 0
contra a hiptese alternativa unilateral
H1 : p1 p2 > 0.
Seja X1 o nmero de elementos da amostra, de tamanho n1 , retirada da 1a populao
e X2 o nmero de elementos da amostra, de tamanho n2 , retirada da 2a populao que
possuem a tal caracterstica. Ento as estatsticas
p1 =
X1
X2
e p2 =
n1
n2
sero usadas para definir estimadores pontuais, respectivamente para p1 e p2 . Para grandes
amostras n1 e n2 , a estatstica do teste
(p1 p2 ) (p1 p2 )
Z=
p1 (1p1 )
p2 )
+ p2 (1
n1
n2
tem distribuio assimpttica N(0,1), sendo o teste
Caso A:
Se |Z| > c, rejeita se H0 .
Caso B:
Se Z > c , rejeita se H0 .
com c e c os pontos crticos da distribuio da estatstica Z (Tabela A.6) que definem
a regio de rejeio de tamanho (rea) . O valor ser o nvel de significncia do teste.
8.2
np1 (1 p1 )
165
(X1 np1 )2
,
np1 (1 p1 )
iii) Generalizando o caso anterior, se X1 , X2 , ...Xk1 forem v.a. com f.d.p. conjunta
multinomial e com parmetros n, p1 , p2 , ..., pk1 e se
Xk = n (X1 + X2 + ... + Xk1 )
e
pk = 1 (p1 + p2 + ... + pk1 ),
ento a varivel aleatria Qk1 , definida por
Qk1 =
k
(Xi npi )2
i=1
npi
(8.1)
k
i=1
Xi1
n.2 =
k
i=1
Xi2
166
X11
X12
X21
X22
X31
X32
...
...
Xk1
Xk2
TOTAL
e se n.1 e n.2 forem suficientemente grandes, a
n.1
n.2
varivel aleatria
2
k
(Xij n.j pij )2
(
)
Q=
n.j pij
j=1 i=1
(8.2)
formada pela soma de duas (j = 1, 2) v.a. independentes, cada uma delas distribuda
segundo o Qui-quadrado com k 1 graus de liberdade. Assim, Q tem distribuio 2 com
2k 2 graus de liberdade.
Neste problema, a hiptese nula do tipo,
H0 : p11 = p12 , p21 = p22 , ..., pk1 = pk2
[as duas distribuies multinomiais tm propores iguais]
mas nenhum dos pi1 ou pi2 est especificado. Teremos de calcular estimadores pontuais
para estes parmetros. A tcnica da mxima verosimilhana d
pi1 = pi2 =
Xi1 + Xi2
, i = 1, ..., k
n.1 + n.2
(8.3)
i = 1, ..., k e j = 1, 2 .
k
Como o nmero de parmetros estimados k 1, pois ki=1 pi1 =
i=1 pi2 = 1, o
nmero de graus de liberdade da estatstica Q em (8.2), que vai ser usada neste
teste, de 2k 2 (no de parmetros estimados) = 2k 2 (k 1) = k 1.
Assim, o teste :
rejeita-se a hiptese nula se Q > c
em que c determinado de
= Pr [Qk1 c; H0 ].
Nas aplicaes dos testes do bom ajuste, e para os parmetros que necessitam de ser
estimados, deve usar-se o mtodo da mxima verosimilhana ou a tcnica dos mnimos
quadrados.
8.3
8.3.1
167
Teste de independncia
em favor do programa
138
64
202
indiferente
83
67
150
contra
64
84
148
TOTAL
285
215
500
A1
A2
.
.
.
Aa
Total da coluna
B1
X11
X21
B2
X12
X22
...
...
...
Bb
X1b
X2b
Total da linha
n1.
n2.
Xa2
n.2
...
...
Xab
n.b
na.
n
...
Xa1
n.1
168
b
a
(Xij fij )2
j=1 i=1
fij
(8.4)
e que consiste em
rejeitar H0 , se Q > c
em que fij so as frequncias esperadas.
O modelo especifica as probabilidades em termos das probalidades marginais, que so
parmetros desconhecidos.
Como pi. = Pr [Ai ], um estimador para pi. a frequncia relativa de Ai. . Assim,
pi. =
ni.
n
(i = 1, ..., a) .
ni. n.j
, (i = 1, ..., a e j = 1, ..., b).
n2
As frequncias esperadas fij so ento estimadas a partir de
pij = pi. p.j =
ni. n.j
para i = 1, ..., a e j = 1, ..., b
n
O nmero de parmetros estimados foi de (a1)+(b1) pois ai=1 pi. = 1 e bj=1 p.j =
fij = n
pij =
1.
8.3.2
169
Teste de homogeneidade
O teste de independncia foi baseado no esquema, segundo o qual, uma amostra aleatria
de n unidades, foi classificada de acordo com duas caractersticas A e B. As frequncias
marginais, ni. (i = 1, ..., a) e n.j , (j = 1, ..., b) eram tambm variveis aleatrias, por serem
somas de variveis aleatrias.
Se a populao aparecer como um conjunto de a subpopulaes, correspondendo aos a
nveis da caracterstica A, e se, de cada uma das subpopulaes, retirada uma amostra
aleatria de tamanho pr especificado, ni. , sendo esta classificada em relao aos nveis da
outra caracterstica, B, as frequncias marginais deixam de ser variveis, para passarem
a representar tamanhos das amostras retiradas de cada uma das subpopulaes. Isto ,
das subpopulaes A1 , A2 , ...Aa , so retiradas amostras aleatrias de tamanhos, respectivamente iguais, a n1. , n2. , ...na. , classificando depois cada amostra de acordo com os nveis
B1 , B2 , ..., Bb da caracterstica B.
O estudo baseia-se nas propores de cada nvel de B, de modo a verificar-se se elas so
aproximadamente as mesmas, para as diferentes subpopulaes, isto , pretende-se testar
a homogeneidade das subpopulaes, comparando as probabilidades associadas aos nveis
de B.
Subpopulaes
A1
A2
.
.
.
Aa
TOTAL
B1
B2
...
Bb
TAMANHO
DA AMOSTRA
X11
X21
X12
X22
...
...
X1b
X2b
n1.
n2.
Xa2
n.2
...
...
Xab
n.b
na.
n
...
Xa1
n.1
Teste de hiptese:
As probabilidades dos vrios nveis de B, para cada subpopulao, so designadas por
wij = Pr [Bj /Ai ]
= probabilidade de pertencer ao nvel j de B, Bj ,
dado que um elemento da subpopulao de Ai
(8.5)
(8.6)
(8.7)
para
j = 1, ..., b,
170
n.j
n
(8.8)
i = 1, ..., a e j = 1, ..., b .
A estatstica
Q=
b
a
(Xij fij )2
j=1 i=1
fij
(8.9)
deve ser usada para o teste da hiptese nula, tendo em conta que, Q distribuda segundo
o Qui-quadrado com
graus de liberdade
=
=
=
no de sub-populaes
- (no de
(nmero de clulas -1)
parmetros
estimados
a (b 1) (b 1)
(a 1)(b 1)
Cada subpopulao tem b clulas e cada uma contribui com b 1 graus de liberdade.
Como h a subpopulaes, o nmero total de graus de liberdade seria a(b 1). Faltaria
agora subtrair o nmero de parmetros estimados. Este nmero igual a b 1, pois as
probabilidades so iguais, w1j = w2j = ... = waj , para cada j, (j = 1, ..., b), bastando para
isso calcular uma s e bj=1 w1j = 1.
8.4. EXERCCIOS
8.4
171
Exerccios
1. At agora, a percentagem de empregados de uma firma que usavam transporte pblico, para se deslocarem para o emprego e do emprego para casa, era de 20%.
Foi feita uma campanha para a utilizao dos transportes pblicos. Pretende-se
saber se a campanha foi eficaz. Para isso, considerou-se uma amostra aleatria de 25
empregados e o nmero de empregados que passou a utilizar os transportes pblicos
dado por X.
(a) Formule a hiptese nula, em termos de p, proporo da populao de empregados
da firma que utiliza os transportes pblicos.
(b) Qual seria a regio de rejeio, se , nvel de significncia do teste, deve ser
controlado para um valor menor que 0.1?
2. Quando o resultado de um processo de produo estvel a um nvel aceitvel, diz-se
que est controlado.
Suponha que o processo tem estado controlado desde algum tempo e que a proporo
de produtos defeituosos de 0.05.
Para automatizar o processo, o chefe de produo decide considerar o processo no
controlado se mais do que 2 produtos defeituosos forem encontrados, numa amostra
aleatria de 15 produtos.
(a) Determine , a probabilidade de aparecer no controlado, quando p = 0.05.
(b) Determine o grfico da curva potncia, para este esquema de controle, quando
p = 0.05, 0.1, 0.3 e 0.4.
3. Numa fbrica, o chefe de produo afirma que, 40% das mquinas de escrever vendidas naquela regio, so produtos da sua fbrica.
Considerando p = 0.4 como a hiptese nula, o chefe decide considerar a sua afirmao
como aceitvel, a no ser que dentre 19 mquinas se verificar que X 3 ou X 12,
sendo X o nmero de mquinas de escrever vendidas pela sua fbrica.
(a) Determine o nvel de significncia deste teste.
(b) Determine a potncia do teste para vrios valores de p, desde 0.1 a 0.9.
4. Dentre as 60 lminas testadas, somente 7 lminas do rotor de uma turbina a gs,
falharam.
At agora e em testes idnticos, costumavam falhar 20% das lminas.
Sero agora as lminas testadas significativamente melhores que as usadas anteriormente?
172
32 17 11
100
29 28 16
100
Zona
Urbana
Rural
3
8
5
outras
16
28
8.4. EXERCCIOS
173
a favor
93
55
contra
21
30
indiferente
72
79
125
82
40
75
118
160
174
Captulo 9
Testes de ajuste de distribuies
9.1
de pera
88
castanha
65
encarnada
52
azul
40
branca
55
TOTAL
300
Considere, para este caso, a hiptese nula de que todas as cores so igualmente populares.
Exemplo 9.1.2 Pretende-se estudar a distribuio da frequncia dos pedidos feitos s
companhias de seguros, para o pagamento de tratamentos em hospitais. O estudo foi baseado em famlias com dois filhos, cujos pais no tenham mais do que 50 anos de idade.
De uma amostra aleatria de 200 dessas famlias, registou-se o nmero desses pedidos,
num perodo de 4 anos.
no de pedidos
frequncia
0
22
1
53
2
58
3
39
4
20
5
5
6
2
7
1
TOTAL
200
Face a estes valores, acha que a distribuio de Poisson se ajusta frequncia desses
pedidos?
Em ambos os exemplos, a anlise consiste em verificar se o modelo dado pela hiptese
nula se ajusta aos valores observados. A este tipo de anlise estatstica costume dar o
nome de teste do bom ajuste.
Em testes deste tipo, a hiptese nula especifica a estrutura para as probabilidades
desconhecidas das classes. Podem considerar-se dois casos: no primeiro (em 9.1.1) as probabilidades vm completamente especificadas na H0 e no segundo (em 9.1.2) a distribuio
no vem completamente caracterizada na H0 .
175
176
9.1.1
k
(Xi npi0 )2
i=1
npi0
(9.1)
que tem distribuio assimpttica 2(k1) . Se a estatstica tiver um valor numrico aprecivel, isto indica a existncia de diferenas significativas entre os valores observados e
o modelo descrito pela hiptese nula e o extremo do lado direito da distribuio do 2
representa a regio de rejeio.
O teste consiste em
rejeita-se H0 se Q > c
em que c determinado de tal modo que
= P r[Qk1 > c; H0 ]
o nvel de significncia escolhido para o teste.
9.1.2
177
9.2
178
9.2.1
Distribuio emprica.
vertical
Um teste de bom ajuste envolve o estudo de uma amostra aleatria retirada de uma distribuio desconhecida com funo distribuio acumulada, F (x), com o objectivo de testar
a hiptese nula de que a F (x) de facto uma determinada distribuio. Isto , a hiptese
nula especifica a funo (esperada) F (x), como, por exemplo, a que est representada na
figura 9.1.
F(x)
0,5
0
V alo r d e x
179
0,5
S(x )
F(x )
0
0
10
9.2.2
Os dados consistem num conjunto de n elementos, que formam uma amostra aleatria
X1 , X2 , ..., Xn associada a alguma funo distribuio, F (x).
Seja F (x) uma funo distribuio completamente especificada. possvel formular
as seguintes hipteses:
A. Teste bilateral
H0 : F (x) = F (x) para todo o x
H1 : F (x) = F (x) pelo menos para um valor de x
B. Teste unilateral
H0 : F (x) F (x) para todo o x
H1 : F (x) < F (x) pelo menos para um valor de x
C. Teste unilateral
H0 : F (x) F (x) para todo o x
H1 : F (x) > F (x) pelo menos para um valor de x
Considerando S(x) a funo emprica baseada na amostra X1 , X2 , ..., Xn , o teste para
o caso A., considera a estatstica, T , como sendo a maior distncia entre S(x) e F (x),
medida na vertical, isto ,
T = supx | F (x) S(x) | .
(9.2)
Para o caso B. a estatstica para o teste T + e representa a maior distncia vertical
180
conseguida, quando F (x) est acima de (tem valores superiores a) S(x), ou seja,
T + = supx [ F (x) S(x) ] .
(9.3)
Finalmente, para testar a hiptese nula do teste unilateral C., usa-se a estatstica T ,
definida como a maior das distncias verticais entre S(x) e F (x), mas s considerando
aquelas em que S(x) est acima de F (x),
T = supx [ S(x) F (x) ] .
(9.4)
9.2.3
O teste de Kolmogorov deve ser usado quando a funo distribuio da hiptese nula
est completamente especificada, isto , quando no h parmetros que necessitam de ser
estimados a partir da amostra. Caso contrrio, torna-se conservador.
Mais flexvel do que este o teste de ajuste do Qui-quadrado. Neste ltimo, tivemos
oportunidade de estimar alguns parmetros da distribuio, desconhecidos, a partir dos
dados (amostra). Como consequncia, ao nmero de graus de liberdade da estatstica do
teste, subtraa-se uma unidade por cada parmetro estimado. O teste do Qui-quadrado
tambm exige um agrupamento dos dados, que, por vezes, arbitrrio.
O teste do Kolmogorov foi modificado de modo a permitir situaes em que os parmetros so estimados a partir dos dados. A estatstica do teste do mesmo tipo (Kolmogorov)
e o que varia so os pontos crticos da tabela da distribuio da estatstica. Estas tabelas,
agora, variam de distribuio para distribuio.
181
X=
s=
(para estimar )
1
(Xi X)2
n 1 i=1
n
(para estimar ) .
Xi X
,
s
i = 1, 2, ..., n .
A funo emprica S(z) calculada, em relao aos Zi s, e a funo distribuio (acumulada) da hiptese nula F (z) reduz-se agora Normal com mdia zero e desvio padro
1. Para a representao grfica desta ltima funo, usa-se a tabela da N(0, 1) (Tabela
A.6). A mxima distncia vertical entre as duas distribuies S(z) e F (z)(= N(0, 1))
o valor da estatstica T1 . Assim,
T1 = supz | F (z) S(z) | .
(9.5)
Ao nvel de significncia ,
a hiptese nula rejeitada se T1 > c ,
sendo c o ponto crtico da distribuio de T1 , da Tabela A.12, que corresponde a p = 1 ,
com
= P rob(T1 > c; H0 )
182
F (x) = F (x) =
0
para x < 0
em que um parmetro desconhecido.
H1 : A distribuio dos Xi s no exponencial.
Determinada a mdia da amostra,
n
Xi
,
X = i=1
n
os valores estandardizados
Xi
, i = 1, 2, ..., n
X
so usados para calcular a estatstica do teste. A mdia X um estimador do parmetro
desconhecido da distribuio, .
A funo distribuio F (z), baseada nos valores estandardizados Zi s
1 ez , para z > 0
.
0
para z < 0
Zi =
A funo emprica, S(z), agora calculada com base nos Zi s. Estas duas funes
podem ser representadas graficamente e comparadas (existem tabelas de ez para ajudar
nos clculos).
A "mxima distncia vertical"entre as duas funes define a estatstica do teste:
T2 = supz | F (z) S(z) | .
(9.6)
Ao nvel de significncia ,
a hiptese nula rejeitada se T2 > c
sendo c o ponto crtico da distribuio de T2 , da Tabela A.13, que corresponde a p = 1 .
9.3
Testes s distribuies
Os testes aqui referidos servem para situaes em que so retiradas amostras de vrias
populaes (possvelmente diferentes) e tm como objectivo comparar as funes de distribuio associadas s populaes, para se verificar a existncia de diferenas significativas
183
entre elas. Para este problema, e especialmente para o caso de duas distribuies, das
quais se retiraram amostras suficientemente grandes, o teste paramtrico baseado na distribuio t adequado. Este apenas sensvel s diferenas entre as mdias (ou medianas)
das populaes, no conseguindo detectar diferenas de outro tipo, nomeadamente entre
as varincias.
O teste bilateral de Smirnov consistente em relao a todos os tipos de diferenas que
possam surgir entre as duas funes de distribuio. uma verso do teste de Kolmogorov, vlido para duas amostras, sendo tambm conhecido por teste de Kolmogorov Smirnov para duas amostras. O teste de Kolmogorov, do pargrafo 9.2.2. tambm
conhecido por teste de Kolmogorov - Smirnov para uma amostra.
9.3.1
(9.7)
(9.8)
184
(9.9)
que uma estatstica cujo valor representa a maior das distncias verticais entre S1 (x) e
S2 (x), quando S2 (x) est acima de S1 (x).
Em qualquer dos casos,
a hiptese nula rejeitada se T1 (T1+ ou T1 ) > c
sendo c o ponto crtico da Tabela A.14 (se n = m) ou da Tabela A.15 (se n = m), que
corresponde a um nvel de significncia . Note-se que as tabelas apresentam valores
diferentes consoante o teste bilateral ou unilateral.
9.3.2
185
- todas as amostras foram retiradas de populaes idnticas, uma vez que este teste
unilateral apropriado para os casos em que as diferenas entre populaes ocorrem
somente na direco indicada por H1 .
A estatstica deste teste, T2 , definida como sendo a maior das distncias, medidas
na vertical, calculadas quando Si (x) est acima (tem valores mais elevados) de Si+1 (x). As
amostras adjacentes comparadas correspondem aos i s que vo de 1 a k 1. Isto ,
T2 = supx,i<k [ Si (x) Si+1 (x) ]
(9.10)
9.4
9.4.1
Testes s varincias
Teste varincia 2
Seja X uma varivel aleatria com distribuio normal com mdia e varincia 2 , desconhecida. Se da populao se retirar uma amostra de tamanho n, X1 , X2 , X3 , ..., Xn , a
estatstica varincia da amostra,
1
(Xi X)2
s =
n 1 i=1
n
186
9.4.2
12
22
=1
12
22
> 1.
Seja X1 , X2 , ..., Xn1 uma amostra de tamanho n1 , retirada da 1a populao; Y1 , Y2, ..., Yn2
uma amostra de tamanho n2 , retirada da 2a populao. As estatsticas s21 e s22 so usadas
como estimadores pontuais, respectivamente, dos parmetros 12 e 22 . A partir delas
possvel definir as seguintes variveis estocasticamente independentes, com distribuio 2
com n1 1 e n2 1 graus de liberdade, respectivamente:
Q1 =
(n1 1)s21
,
12
Q2 =
(n2 1)s22
.
22
1)
s21
= 2 ,
F = (n 1)s2
2
2
s2
/(n
1)
2
2
que, de acordo com a hiptese nula, segue a distribuio F-Fisher com (n1 1, n2 1)
graus de liberdade. O teste unilateral consiste em:
rejeitar a hiptese nula se F > c
sendo c o ponto crtico da distribuio da estatstica F - F-Fisher com (n1 1, n2 1)
graus de liberdade (Tabela A.9) - que define a regio de rejeio de tamanho (rea) . O
valor ser o nvel de significncia do teste. Neste teste s varincias tambm podia ser
2
formulada uma hiptese alternativa bilateral (H1 : 12 = 1). O correspondente teste teria
2
de ser tambm bilateral.
9.5. EXERCCIOS
9.5
187
Exerccios
Jan-Mar Abril-Jun
110
57
Jul-Set
53
Out-Dez
80
3 4
5 6
2 1
3. Fez-se um estudo relativo aos defeitos apresentados por pea de um tecido e obtiveramse os seguintes valores:
Distribuio dos Defeitos por pea de tecido
Defeitos
0
1
2
3
4
5
6
7
8
9
10
Frequncia
8
10
15
12
10
9
4
1
0
1
0
188
Nmero de dias
70
60
40
30
frequncias
observadas
55
19
6
20
0 se x < 0
x se 0 x < 1
F (x) =
1 se x 1 .
8. Um professor de Estatstica queria testar a hiptese de que a hora de chegada dos
seus alunos aula terica das 14H00 s 16H00 de 5a feira, segue uma distribuio
9.5. EXERCCIOS
189
Normal com varincia = 4 min. Num dos dias, registou as horas de chegada dos
alunos que assistiram quela aula:
13H53 13H56 13H57 13H57 13H59 13H59
14H00 14H01 14H02 14H02 14H02 14H03
14H04 14H05 14H05 14H07 14H07 14H11
O que poder ele concluir em relao distribuio das horas de chegada dos seus
alunos?
9. Aps longos anos de experincia, verificou-se que o nmero de plaquetas no sangue
de pessoas saudveis do sexo masculino segue uma distribuio normal com mdia
235 000 por mm3 e desvio padro igual a 44 600 por mm3 . Os nmeros de plaquetas registados a partir de doentes com cancro nos pulmes foram os seguintes (em
unidades de 1 000 por mm3 ).
173 189 196 207 215 237 275 282 293 300
305 316 346 382 395 399 401 437 480 504
524 634 682 882 999
Usando = 0.01, decida se estas observaes podem ser consideradas como provenientes da populao definida pelo nmero de plaquetas no sangue de pessoas saudveis
do sexo masculino.
10. Os resultados de um investimento feito em 20 tipos distintos de stocks, seleccionados
aleatoriamente de um armazm, passados 12 meses, foram os seguintes:
9.1 5.0
4.0 8.5
190
13. Fez-se uma experincia num laboratrio, para o controlo da temperatura em salas,
que envolveu 6 homens e 6 senhoras. Pediu-se-lhes que indicassem a temperatura
(o F ), na sala, que os fizesse sentir mais confortveis. Os resultados obtidos foram os
seguintes:
Homens Senhoras
74
75
74
77
75
78
80
79
81
77
78
75
X 1 = 77 X 2 = 76.8
s1 = 3.1
s2 = 1.6
Acha que as temperaturas consideradas mais confortveis pelos homens so as mesmas do que as das senhoras? Justifique.
Use = 0.05.
14. Foram feitas medies da viscosidade de uma certa substncia, em dois dias diferentes. Os resultados obtidos foram:
1o dia
2o dia
37.0
33.5
28.4
30.2
31.4
33.7
31.3
32.4
Poder-se- dizer que a populao (descrita pela varivel X viscosidade da substncia) mudou de um dia para o outro? Justifique a utilizao do teste estatstico.
15. Verifique se os dados apresentados do indicao da existncia de diferenas nos
comprimentos das palavras em latim. As observaes representam o nmero de letras
das palavras em latim, seleccionadas aleatoriamente dos trs gneros: masculino,
feminino e neutro:
masculino feminino neutro
5
7 4
6 7 8
7
5 8
3 10 7
6
9 5
6 7 12
9.5. EXERCCIOS
191
16. Para verificar se um perodo maior, entre o ltimo dia de aulas e o dia do exame final,
afecta significativamente o desempenho dos alunos no exame, fez-se uma experincia
com os 48 alunos de uma turma. Estes, foram divididos, aleatoriamente, em quatro
grupos de 12 estudantes cada. Para o 1o grupo, deixou-se passar dois dias de intervalo.
O 2o grupo fez exame 4 dias aps o fim das aulas. Ao 3o grupo foi dado um intervalo
de 6 dias e ao grupo 4, 8 dias. As classificaes obtidas no exame foram as seguintes
(de 0 a 100):
1o grupo
48 71 80
61 74 82
67 75 87
68 79 89
2o grupo
48 71 81
42 70 77
67 75 92
62 73 89
3o grupo
38 73 83
58 74 87
71 79 94
70 75 90
4o grupo
58 79 93
49 77 84
73 80 94
74 84 97
192
Captulo 10
Testes de regresso
Seja Y uma varivel aleatria, resultado de uma experincia, cuja distribuio depende
no s de certos parmetros desconhecidos, como tambm de uma varivel no aleatria
X.
Sejam X1 , X2 , ..., Xn os valores escolhidos arbitrariamente para X e Yi (i = 1, ..., n) os
correspondentes valores observados da experincia.
Uma vez conhecidos os pares (Xi , Yi), estes podem ser usados para obter informaes
acerca dos parmetros da distribuio da v.a. Y que so desconhecidos.
10.1
= i=1 = Y
n
=
n
Y)
n
(Xi X)Yi
= i=1
n
2
i=1 (Xi X)
1
i X)]2
=
[Yi
(X
(n 2) i=1
2
(10.1)
(10.2)
(10.3)
194
Tanto
como so funes lineares nas v.a. Y1 , Y2 , ... e Yn , e por isso seguem tambm
distribuies normais.
A mdia da distribuio de
, sendo portanto um estimador no tendencioso. A
2
sua varincia igual a n .
A mdia de o prprio e a varincia igual a
2
.
2
i=1 (Xi X)
n
Como
i X) ,
Yi (Xi X) = (
) + ( )(Xi X) + Yi
(X
tambm
n
i=1
n
i=1
(
) +
n
( )2 (Xi X)2 +
i=1
n
i X)]2
[Yi
(X
i=1
ou seja
n
i=1
n
(Xi X)2 + (n 2)
2
i=1
e
Q = Q1 + Q2 + Q3 ,
com Q, Q1 , Q2 e Q3 formas quadrticas nas variveis Yi .
Sabe-se que Q2 2(n) , Q21 e Q22 so 2(1) e como Q3 0, pela aplicao do teorema das
formas quadrticas, temos
(n 2)
2
Q3
=
2 (n 2).
2
2
Definindo as seguintes v.a., estatsticas,
T1 =
(n2)
2
2 (n2)
=
2
n
(10.4)
n
(Xi X)2
1
T2 =
=
2
2
(n2)
2 (n2)
n
2
1 (Xi X)
(10.5)
195
(10.6)
196
1
(X0 X)2
).
+ n
2
n
i=1 (Xi X)
(10.7)
10.2
A regresso linear e mltipla uma extenso da regresso simples, para o caso de existirem
mais do que uma varivel independente, e tem como objectivo investigar simultaneamente
os efeitos, sobre Y , de vrias variveis independentes. Mesmo que s estejamos interessados
no efeito causado por uma dessas variveis, aconselhvel incluir na anlise todas as
variveis que podem afectar Y . Primeiro, porque se reduz o erro estocstico, reduzindo a
varincia residual 2 . Em segundo lugar, porque elimina a tendncia que poderia aparecer,
se ignorssemos uma varivel que afecta Y .
Considere-se o exemplo mais simples, de duas variveis independentes X e Z. O modelo
matemtico
Yi = + xi + zi + ei
197
n
i zi )2 .
(Yi
x
(10.8)
i=1
= i=1 = Y
n
sendo e calculados a partir do sistema das equaes,
n
x2i
i=1
n
n
xi zi =
i=1
xi zi +
i=1
n
n
xi Yi
i=1
zi2
i=1
n
zi Yi .
i=1
2 dado por
Para o parmetro 2 , o estimador
1
i zi )2
=
(Yi
x
(n 3) i=1
n
(10.9)
2
i=1 xi
e
var[
] = n
2
i=1 zi
A varivel aleatria
(n3)
2
2
2
( n
i=1 xi zi )
n
2
z
i=1 i
2
( n
i=1 xi zi )
n
2
x
i=1 i
(10.10)
(10.11)
198
T1 =
2
n
T2 =
(10.13)
( x z )2
x2i i 2i
z
i
T3 =
(10.12)
(10.14)
( x z )2
zi2 i 2i
x
i
10.3
Regresso no-linear
199
10.4
(10.15)
200
, 1 , 2 , ..., p .
A partir desta estimativa obtm-se os valores estimados da varivel dependente, Yi (i =
1, ..., n) usando o modelo (10.15). diferena entre o valor observado Yi e o estimado Yi
chama-se resduo,
+ 1 Xi1 + 2 Xi2 + ... + p Xip ) .
ri = Yi Yi = Yi (
Mesmo que o modelo esteja correctamente especificado, os resduos contm componentes
aleatrias e outras no aleatrias.
possvel usar os resduos para as seguintes anlises estatsticas:
i) verificao das condies a que os erros devem satisfazer;
ii) determinao de especificaes incorrectas sobre o modelo e
iii) deteco de observaes extremas e outliers.
10.4.1
Tipos de resduos
Existem vrios tipos de resduos e todos eles so funo da diferena entre os valores
observados e os estimados. Os mais comuns so:
1. resduo original,
2. resduo estandardizado,
3. resduo de Student,
4. resduo cancelado
e todos eles possuem propriedades distintas.
O resduo original j foi definido. No caso geral de regresso mltipla,
.
r = Y Y = Y (X )
Desta equao tira-se que
r = (I H)Y
(10.16)
201
T
var[r] = (I H) 2 .
np1
Este resduo no segue a normal estandardizada, uma vez que o denominador no o
desvio padro de ri . Trata-se antes de um resduo original mas escalonado.
202
(1 hii )
(ri N(0, var[ri ]) com var[ri ] = (1 hii ) 2 )
e geralmente tratado como uma estatstica t-Student com n p 1 graus de liberdade
(mesmo que ri e
no sejam independentes).
O comportamento deste resduo ti mais parecido com o do desvio normal estandardizado do que com o dos resduos originais ou estandardizados.
O resduo de Student deve ser utilizado quando se pretende verificar se os valores esto
adequadamente ajustados ao modelo. Serve tambm para evidenciar os pontos que no
esto consonantes com os restantes (outliers).
Outra tcnica, tambm muito usada para detectar os outliers, em anlise de regresso, consiste em determinar as alteraes do modelo quando se remove(em) o(s) ponto(s)
"estranho(s)".
O resduo cancelado definido com o objectivo de detectar outliers. Assim, r(i)
obtm-se estimando o valor Yi quando do modelo retirada a observao i, X e (i)
o vector das estimativas dos parmetros considerando apenas n 1 observaes, uma vez
que a i-sima foi removida dos clculos. Pode mostrar-se que
r(i) =
ri
,
1 hii
(i)
1 hii
2
sendo
(i)
a mdia do quadrado do erro residual do ajuste conseguido quando se remove
a i.sima observao.
t(i) =
.
=
(i) 1 hii
(
v ar[r(i) ])
2
Como se calcula
(i)
?
Uma vez que
2
=
tem-se
2
(i)
n
n
2
i=1 ri
np1
2
i=1 ri
(1 hii )1 ri2
.
np2
203
(1 hii )( ni=1 ri2 ) ri2 1/2
]
= ri [
np2
podendo ser calculado utilizando o conjunto inteiro das observaes (sem remover a i.sima).
10.4.2
Na anlise de regresso e para verificarmos as propriedades dos erros, ei , alm dos resduos,
podemos usar tambm as tcnicas grficas e os testes estatsticos.
A verificao das propriedades dos erros, ei , est relacionada com as seguintes condies:
A. aleatoriedade dos erros
B. varincia comum e constante, e
C. distribuio normal.
Os resduos originais e os escalonados so indicadores excelentes das violaes dessas
condies, uma vez que so valores mltiplos dos erros.
Verificao da aleatoriedade dos erros
Dois testes estatsticos podem ser usados para testar a aleatoriedade dos erros.
Um deles conhecido por testes dos runs e pode ser usado sempre que for conhecida
a ordem de obteno das observaes. Baseia-se na inspeco do arranjo dos sinais (+ ou
-) dos resduos. Assim, comea-se por
1. determinar a sequncia dos sinais dos resduos, bem como a estatstica do teste, que
definida pelo nmero de runs, r. Define-se run como sendo um grupo de resduos
adjacentes com o mesmo sinal; e em seguida,
2. verifica-se se o arranjo ou no suficientemente comum. No caso de no ser, pode
concluir-se que os resduos no surgem aleatoriamente (isto a correlao entre os
erros significativa).
Quando o nmero de sinais + ou - so 20, usam-se as tabelas A.18 e A.19 para
determinar os valores crticos, ao nvel de significncia 0.05 (nvel bilateral de 0.1). Se o
valor da estatstica, r, menor ou igual do que o limite inferior crtico ou maior ou igual
do que o limite superior, rejeita-se a H0 : de que os erros so aleatrios, ou seja, neste caso,
a ordenao no aleatria. Se n1 > 20 e n2 > 20 usa-se ento a aproximao normal.
Nesta situao, rejeita-se H0 se
r+
1
2
< c ou
1
2
>c
204
2n1 n2 (2n1 n2 n1 n2 )
2n1 n2
+ 1 e 2 =
.
n1 + n2
(n1 + n2 )2 (n1 + n2 1)
1 1
em que os i , i = 1, ..., n so variveis aleatrias normalmente distribudas e independentes, com mdias iguais a zero e varincias iguais a 2 .
A estatstica para este teste definida por
n
(ri ri1 )2
d = i=2n 2
i=1 ri
e serve para testar H0 : = 0 contra H1 : > 0.
(N.B. se = 0, ento ei = i )
Para testar H0 : = 0 contra H1 : < 0 usa-se o mesmo processo embora a estatstica
seja agora 4.0 d.
Os pontos crticos para a estatstica d so dL e dU . O teste consiste ento em:
i) rejeitar H0 se d < dL;
ii) no rejeitar H0 se d > dU e
iii) no tirar concluses se dL < d < dU .
Na tabela A.20 podemos encontrar os pontos crticos para modelos com 1, 2, ... ou 5
variveis independentes, Xi .
Se o caso iii) surge, poder-se- optar por
i) estimar novamente o modelo, tentando encontrar nova equao de regresso;
ii) adicionar o intervalo (dL, dU ) regio de rejeio; ou
iii) aproximar a distribuio da estatstica d por outras distribuies probabilsticas.
Outra tcnica para detectar correlaes entre resduos (vizinhos temporalmente) usa
a representao grfica dos mesmos. Se o grfico apresentar um padro especfico (por
exemplo, os resduos do mesmo sinal aparecem juntos) e no uma mancha aleatria de
pontos, ento esta tcnica suporta as concluses do teste dos runs e os erros no so
aleatrios (esta tcnica conhecida pela anlise grfica dos dados em srie temporal).
205
10.4.3
206
207
(10.17)
Os grficos dos resduos parciais so particularmente teis na especificao de um modelo de regresso. Enquanto que os grficos de resduos normais evidenciam desvios das
variveis independentes em relao a uma recta, os grficos de resduos parciais podem ser
usados para determinar a extenso e direco da linearidade. Servem, assim, para determinar a importncia de cada varivel independente em relao s outras e at que ponto se
no verifica a linearidade numa dada varivel. Alm disso, tambm fornecem informao
necessria para uma correcta transformao de variveis, bem como informao relativa a
pontos extremos.
Uma das propriedades mais importantes dos resduos parciais diz respeito regresso
de ri em relao aos Xj , que passa pela origem e que tem um declive igual a j . Este
o parmetro da varivel Xj no modelo completo. A equao funcional de ri em relao a
Xj
ri = j Xij
(10.18)
Nota 10.4.4 O facto de ter um declive j (no modelo), quando comparado com o declive
nulo resultante do grfico do resduo normal em relao a Xj , permite fornecer a informao sobre a direco e grandeza da linearidade bem como a no linearidade da varivel
Xj .
208
10.5
Exerccios
2. A lei de Ohm diz que a intensidade da corrente I num fio de metal proporcional
diferena de potencial V aplicada nos seus extremos e inversamente proporcional
resistncia R no fio. Usando uma equao, a lei de Ohm descrita por I = VR . Num
laboratrio, os estudantes realizaram vrias experincias para estudar esta lei.
Variaram a diferena de potencial V e para cada valor V , leram o valor da intensidade
I. Pretendiam, assim, determinar o valor de R para aquele fio.
Podemos escrever a lei de Ohm na forma
I = + V com = 0 e =
1
.
R
V
I
(a) Qual a estimativa de
1
R
(b) Como a lei de Ohm define no modelo o valor de igual a zero. Faa um teste
estatstico em relao a esta hiptese.
3. Amostras de solo seco a diferentes temperaturas, X, perdem propores diferentes
de mistura, Y . Ajuste um modelo do tipo Y = b0 + b1 x + b2 x2 + b3 x3 , considerando
os seguintes valores obtidos numa experincia:
Percentagem da
perda de peso, Y
Temperatura, X
3.71 3.81 3.86 3.93 3.96 4.20 4.34 4.51 4.73 5.35
100 105 110 115 121 132 144 153 163 179
4. Obtenha os estimadores, dos mnimos quadrados, dos parmetros da curva de regresso definida por
Yi = Xi2 + ei
em que os ei so os erros casuais de observao e seguem uma distribuio normal
com mdia 0 e varincia comum 2 .
10.5. EXERCCIOS
209
5. Para calcular a capacidade de um aparelho air flow, foram recolhidas seis amostras
de l de dimetros di, i = 1, 2, ..., 6, conhecidos.
As alturas menomtricas do aparelho, h, esto relacionadas com os dimetros das
fibras de l utilizadas, segundo a expresso
hi = k1 dki 2 ui
em que ui so os erros casuais de observao. O logaritmo decimal da varivel u
segue uma distribuio normal com mdia zero e varincia 2 .
Estime os valores dos parmetros k1 e k2 que definem o modelo, condiderando os
resultados obtidos numa experincia:
d()
h(mm)
M
C
x
y
= K, com K
Texteis algodo
Confeces
Aglom/Contrapl.
Celulose
Pneus
Ceramica fina
Fundio
Metalom. ligeira
Electro. ind.
Telec./electron.
Estaleiros navais
x
0.65
0.66
0.82
2.89
1.44
0.58
0.84
0.80
0.70
0.65
0.66
y
5.43
4.15
7.19
22.0
9.64
2.93
5.95
6.84
3.28
3.13
3.57
210
Captulo 11
Testes de independncia estocstica
Sejam X e Y duas v.a. distribudas segundo a lei normal com mdias e varincias iguais
a, respectivamente, 1 , 12 e 2 , 22 .
O coeficiente de correlao entre as duas variveis dado por,
=
E[XY ] 1 2
.
1 2
(11.1)
11.1
X)
(Y
Y
)
i
i
i=1
i=1
211
212
ou
n
i=1 Xi Yi
=
( ni=1 Xi2
n
i=1
Xi n
i=1 Yi
n
2
( n
i=1 Xi )
)( ni=1
n
Yi2
2
( n
i=1 Yi )
)
n
R n2
T =
,
1 R2
funo de R, j segue uma distribuio conhecida, a t-Student com n2 graus de liberdade.
Para este caso, o teste resume-se a,
Rejeitar H0 se |T | c
com c determinado de
= Pr [|T | c; H0 ] .
11.2
213
Uma medida de correlao uma varivel aleatria usada em situaes em que os dados
consistem em pares de nmeros.
Suponha uma amostra aleatria bivariada, de tamanho n, representada por (X1 , Y1 ),
(X2 , Y2 ), ..., (Xn , Yn ).
Exemplos de variveis aleatrias bivariadas:
1. Xi representa a altura da pessoa i e Yi a do seu pai;
2. Xi representa a classificao de um teste feito pela pessoa i e Yi as horas de treino;
3. Xi representa a pontuao mdia de um jogador de basquetebol e Yi a mdia da
pontuao da sua namorada.
As variveis X e Y podem ser independentes, como no exemplo 3.
Algumas medidas de correlao tm funes de distribuio que no dependem da de
(X, Y ) se X e Y forem independentes, sendo por isso usadas como estatsticas em testes
no - paramtricos de independncia.
A medida de correlao, agora seleccionada, funo das graduaes atribudas s
observaes. Possui funo distribuio que no depende da de (X, Y ), quando X e Y so
variveis aleatrias independentes e contnuas.
Considere uma amostra aleatria bivariada, de tamanho n, (X1 , Y1 ), ..., (Xn , Yn ). Seja
R(Xi ) a graduao do valor Xi , quando comparado com os outros X s (i = 1, 2, ..., n). Do
mesmo modo, R(Yi ) a graduao de Yi , considerando o conjunto dos Y s.
Os dados tambm podem ser observaes de natureza no-numrica e que ocorrem
aos (n) pares. A graduao pode estar baseada na qualidade das observaes (da pior
observao para a melhor) ou na ordem de preferncia.
A medida de correlao de Spearman, RS , definida por
n
n+1
n+1
i=1 [R(Xi ) 2 ][R(Yi ) 2 ]
RS =
(11.3)
n(n2 1)
12
ou
RS = 1
6T
n(n2 1)
com
T =
n
[R(Xi ) R(Yi)]2
i=1
(11.4)
214
n+1
,
2
1
1
1 n(n + 1)
n+1
R(X) =
R(Xi ) =
i=
=
.
n i=1
n i=1
n
2
2
n
Tambm
n
[R(Xi ) R(X)] =
i=1
n
i=1
n
(i
n+1 2
)
2
[i2 i(n + 1) + (
i=1
n+1 2
n(n2 1)
) ]=
.
2
12
215
rejeita-se H0 se RS > c,
em que c o ponto crtico da Tabela A.17 que corresponde a 1 , sendo o nvel de
significncia;
Em C.,
rejeita-se H0 se RS < c
sendo c o ponto que corresponde a ;
Em A.,
rejeita-se H0 se RS > c1 ou RS < c2 ,
sendo c1 o ponto crtico da Tabela A.17 que corresponde a 1
que corresponde a 2 , sendo o nvel de significncia.
e c2 o ponto crtico
T =
n
(11.5)
i=1
216
11.3
Exerccios
68 66 72 73 66
64 66 71 70 69
1
2
3
4
5
6
7
8
9
10
147 158 131 142 183 151 196 129 155 158
122 128 125 123 115 120 108 143 124 123
0
0
Apndice A
Tabelas Estatsticas
Tabela A.1: Nmeros aleatrios
Linha
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
19223
73676
45467
52711
95592
68417
82739
60940
36009
38448
81486
59636
62568
45149
61041
14459
38167
73190
95857
35476
71487
13873
54580
71035
96746
96927
43909
95034
47150
71709
38889
94007
35013
57890
72024
19365
48789
69487
88804
70206
32992
77684
26056
98532
32533
07118
55972
09984
81598
81507
09001
12149
19931
99477
Nmeros
05756 28713
99400 01927
77558 00095
93074 60227
69971 91481
15529 72765
20807 47511
17868 24943
15412 39638
18338 24697
60513 09297
04634 71197
40325 03699
75730 66280
94322 24709
31424 80371
62183 70632
04470 29669
87664 92099
39421 65850
29077 14863
95052 90908
27102 56027
43367 49497
37823 71868
36089 74192
25330 64359
217
aleatrios
96409 12531
27754 42648
32863 29485
40011 85848
60779 53791
85089 57067
81676 55300
61790 90656
85453 46816
39364 42006
00412 71238
19352 73089
71080 22553
03819 56202
73698 14526
65103 62253
23417 26185
84407 90785
58806 66979
04266 35435
61683 47052
73592 75186
55892 33063
72719 96758
18442 35119
77567 88741
40085 16925
42544
82425
82226
48767
17297
50211
94383
87964
83485
76688
27649
84898
11486
02938
31893
50490
41448
65956
98624
43742
62224
87136
41842
27611
62103
48409
85117
82853
36290
90056
52573
59335
47487
14893
18883
41979
08708
39950
45785
11776
70915
32592
61181
75532
86382
84826
11937
51025
95761
81868
91596
39244
41903
36071
218
Nmeros
06565 14374
68288 22913
87174 09517
81194 14873
84292 08796
65561 33302
18329 21337
39100 78458
77377 28744
61421 47836
40772 21558
70708 41098
13048 45144
23822 96012
97892 63408
17797 49376
83083 69453
57857 95806
66967 83401
88737 74351
19664 65441
53946 68743
41267 16853
29264 80198
77519 41109
39648 69290
21117 70595
54035 93879
88131 81800
96587 65985
68683 45335
17638 70043
34210 64158
06283 22138
88153 62336
28310 90341
49525 63078
23840 05995
51167 44728
69516 78934
41592 74472
aleatrios
13352 49367
18638 54303
84534 06489
04197 85576
43165 93739
07051 93623
35213 37741
11206 19876
75592 08563
12609 15373
47781 33586
43563 56934
72321 81940
94591 65194
77919 44575
61762 16953
46109 59505
09931 02150
60705 02384
47500 84552
20903 62371
72460 27601
84569 79367
12371 13121
98296 18984
03600 05376
22791 67306
98441 04606
11188 28552
07165 50148
34377 72941
36243 13008
76971 27689
16043 15706
21112 35574
37531 63890
17229 32165
84589 06788
20554 55538
14293 92478
96773 27090
81982
00795
87201
45195
31685
18132
04312
87151
79140
98481
79177
48394
00360
50842
14870
88604
69680
43163
90597
19909
22725
45403
32337
54969
60869
58958
28420
27381
25752
16201
41764
83993
82926
73345
99271
52630
01343
76358
27647
16479
24954
87209
08727
97245
96565
97150
09547
68508
31260
92454
14592
06928
51719
02428
53372
04178
12724
00900
58636
93600
67181
53340
88692
03316
43912
12349
22720
52067
82637
21953
86792
77038
22869
75957
26238
45297
76315
21394
26622
32708
26974
41474
219
A.1 Continuao
Linha
169 99224 00850
170 38075 73239
171 87368 49451
172 40512 00681
173 81636 57578
174 26411 94292
175 80011 09937
176 92813 87503
177 70348 72871
178 24005 52114
179 85063 55810
180 11532 73186
181 59618 03914
182 92965 50837
183 85116 27684
184 15106 10411
185 03638 31589
186 97971 48932
187 49345 18305
188 87370 88099
189 88296 95670
190 79485 92200
191 40830 24979
192 32006 76302
193 37569 85187
194 56680 79003
195 05172 08100
196 74782 27005
197 85228 93264
198 68309 12060
199 26461 88346
200 42672 67680
Nmeros
43737 75202
52555 46342
53771 48343
44282 47178
54286 27216
06340 97762
57195 33906
63494 71379
63419 57363
26224 39078
10470 08029
92541 06915
05208 84088
39921 84661
14597 85747
90221 49377
07871 25792
45792 63993
76213 82390
89695 87633
74932 65317
99401 54473
23333 37619
81221 00693
44692 50706
23361 67094
22316 54495
03894 98038
61409 03404
14762 58002
52430 60906
42376 95023
aleatrios
44753 63236
13365 02182
51236 18522
08139 78693
58758 80358
37033 85968
94831 10056
76550 45984
29685 43090
80798 15220
30025 29734
72954 10167
20426 39004
82514 81899
01596 25889
44569 28185
85823 55400
95635 28753
77412 97401
76987 85503
93848 43988
34336 82796
56227 95941
95197 75044
53161 69027
15019 63261
60005 29532
20627 40307
09649 55937
03716 81968
74216 96263
82744 03971
14260
30443
73670
34715
84115
94165
42211
05481
18763
43186
61181
12142
84582
24565
41998
80959
56026
46069
50650
26257
47597
05457
59494
46596
88389
24543
18433
47317
60843
57934
69296
96560
73686
53229
23212
75606
84568
46514
65491
50830
31714
00976
72090
26492
87317
60874
15635
76355
12193
84635
71755
51736
83044
60343
86539
11628
60313
52884
18057
92759
66167
32624
90107
55148
220
n
9
n
10
10
10
15
20
15
21
35
35
21
28
56
70
56
28
36
84
126
126
84
36
10
10
45
120
210
252
210
120
45
10
11
11
55
165
330
462
462
330
165
55
11
12
12
66
220
495
792
924
792
495
220
66
13
13
78
286
715
1287
1716
1716
1287
715
286
14
14
91
364
1001
2002
3003
3432
3003
2002
1001
15
15
105
455
1365
3003
5005
6435
6435
5005
3003
16
16
120
560
1820
4368
8008
11440
12870
11440
8008
17
17
136
680
2380
6188
12376
19448
24310
24310
19448
18
18
153
816
3060
8568
18564
31824
43758
48620
43758
19
19
171
969
3876
11628
27132
50388
75582
92378
92378
20
20
190
1140
4845
15504
38760
77520
125970
167960
184756
221
0,01
0,05
0,10
0,15
0,20
0,25
0,30
0,35
0,40
0,45
0,50
0,9900
0,9500
0,9000
0,8500
0,8000
0,7500
0,7000
0,6500
0,6000
0,5500
0,5000
0,0100
0,0500
0,1000
0,1500
0,2000
0,2500
0,3000
0,3500
0,4000
0,4500
0,5000
0,9801
0,9025
0,8100
0,7225
0,6400
0,5625
0,4900
0,4225
0,3600
0,3025
0,2500
0,0198
0,0950
0,1800
0,2550
0,3200
0,3750
0,4200
0,4550
0,4800
0,4950
0,5000
0,0001
0,0025
0,0100
0,0225
0,0400
0,0625
0,0900
0,1225
0,1600
0,2025
0,2500
0,9703
0,8574
0,7290
0,6141
0,5120
0,4219
0,3430
0,2746
0,2160
0,1664
0,1250
0,0294
0,1354
0,2430
0,3251
0,3840
0,4219
0,4410
0,4436
0,4320
0,4084
0,3750
0,0003
0,0071
0,0270
0,0574
0,0960
0,1406
0,1890
0,2389
0,2880
0,3341
0,3750
0,0000
0,0001
0,0010
0,0034
0,0080
0,0156
0,0270
0,0429
0,0640
0,0911
0,1250
0,9606
0,8145
0,6561
0,5220
0,4096
0,3164
0,2401
0,1785
0,1296
0,0915
0,0625
0,0388
0,1715
0,2916
0,3685
0,4096
0,4219
0,4116
0,3845
0,3456
0,2995
0,2500
0,0006
0,0135
0,0486
0,0975
0,1536
0,2109
0,2646
0,3105
0,3456
0,3675
0,3750
0,0000
0,0005
0,0036
0,0115
0,0256
0,0469
0,0756
0,1115
0,1536
0,2005
0,2500
0,0000
0,0000
0,0001
0,0005
0,0016
0,0039
0,0081
0,0150
0,0256
0,0410
0,0625
0,9510
0,7738
0,5905
0,4437
0,3277
0,2373
0,1681
0,1160
0,0778
0,0503
0,0313
0,0480
0,2036
0,3281
0,3915
0,4096
0,3955
0,3602
0,3124
0,2592
0,2059
0,1563
0,0010
0,0214
0,0729
0,1382
0,2048
0,2637
0,3087
0,3364
0,3456
0,3369
0,3125
0,0000
0,0011
0,0081
0,0244
0,0512
0,0879
0,1323
0,1811
0,2304
0,2757
0,3125
0,0000
0,0000
0,0005
0,0022
0,0064
0,0146
0,0284
0,0488
0,0768
0,1128
0,1563
0,0000
0,0000
0,0000
0,0001
0,0003
0,0010
0,0024
0,0053
0,0102
0,0185
0,0313
0,9415
0,7351
0,5314
0,3771
0,2621
0,1780
0,1176
0,0754
0,0467
0,0277
0,0156
0,0571
0,2321
0,3543
0,3993
0,3932
0,3560
0,3025
0,2437
0,1866
0,1359
0,0938
0,0014
0,0305
0,0984
0,1762
0,2458
0,2966
0,3241
0,3280
0,3110
0,2780
0,2344
0,0000
0,0021
0,0146
0,0415
0,0819
0,1318
0,1852
0,2355
0,2765
0,3032
0,3125
0,0000
0,0001
0,0012
0,0055
0,0154
0,0330
0,0595
0,0951
0,1382
0,1861
0,2344
0,0000
0,0000
0,0001
0,0004
0,0015
0,0044
0,0102
0,0205
0,0369
0,0609
0,0938
0,0000
0,0000
0,0000
0,0000
0,0001
0,0002
0,0007
0,0018
0,0041
0,0083
0,0156
222
0,01
0,05
0,10
0,15
0,20
0,25
0,30
0,35
0,40
0,45
0,50
0,9321
0,6983
0,4783
0,3206
0,2097
0,1335
0,0824
0,0490
0,0280
0,0152
0,0078
0,0659
0,2573
0,3720
0,3960
0,3670
0,3115
0,2471
0,1848
0,1306
0,0872
0,0547
0,0020
0,0406
0,1240
0,2097
0,2753
0,3115
0,3177
0,2985
0,2613
0,2140
0,1641
0,0000
0,0036
0,0230
0,0617
0,1147
0,1730
0,2269
0,2679
0,2903
0,2918
0,2734
0,0000
0,0002
0,0026
0,0109
0,0287
0,0577
0,0972
0,1442
0,1935
0,2388
0,2734
0,0000
0,0000
0,0002
0,0012
0,0043
0,0115
0,0250
0,0466
0,0774
0,1172
0,1641
0,0000
0,0000
0,0000
0,0001
0,0004
0,0013
0,0036
0,0084
0,0172
0,0320
0,0547
0,0000
0,0000
0,0000
0,0000
0,0000
0,0001
0,0002
0,0006
0,0016
0,0037
0,0078
0,9227
0,6634
0,4305
0,2725
0,1678
0,1001
0,0576
0,0319
0,0168
0,0084
0,0039
0,0746
0,2793
0,3826
0,3847
0,3355
0,2670
0,1977
0,1373
0,0896
0,0548
0,0313
0,0026
0,0515
0,1488
0,2376
0,2936
0,3115
0,2965
0,2587
0,2090
0,1569
0,1094
0,0001
0,0054
0,0331
0,0839
0,1468
0,2076
0,2541
0,2786
0,2787
0,2568
0,2188
0,0000
0,0004
0,0046
0,0185
0,0459
0,0865
0,1361
0,1875
0,2322
0,2627
0,2734
0,0000
0,0000
0,0004
0,0026
0,0092
0,0231
0,0467
0,0808
0,1239
0,1719
0,2188
0,0000
0,0000
0,0000
0,0002
0,0011
0,0038
0,0100
0,0217
0,0413
0,0703
0,1094
0,0000
0,0000
0,0000
0,0000
0,0001
0,0004
0,0012
0,0033
0,0079
0,0164
0,0313
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0001
0,0002
0,0007
0,0017
0,0039
0,9135
0,6302
0,3874
0,2316
0,1342
0,0751
0,0404
0,0207
0,0101
0,0046
0,0020
0,0830
0,2985
0,3874
0,3679
0,3020
0,2253
0,1556
0,1004
0,0605
0,0339
0,0176
0,0034
0,0629
0,1722
0,2597
0,3020
0,3003
0,2668
0,2162
0,1612
0,1110
0,0703
0,0001
0,0077
0,0446
0,1069
0,1762
0,2336
0,2668
0,2716
0,2508
0,2119
0,1641
0,0000
0,0006
0,0074
0,0283
0,0661
0,1168
0,1715
0,2194
0,2508
0,2600
0,2461
0,0000
0,0000
0,0008
0,0050
0,0165
0,0389
0,0735
0,1181
0,1672
0,2128
0,2461
0,0000
0,0000
0,0001
0,0006
0,0028
0,0087
0,0210
0,0424
0,0743
0,1160
0,1641
0,0000
0,0000
0,0000
0,0000
0,0003
0,0012
0,0039
0,0098
0,0212
0,0407
0,0703
0,0000
0,0000
0,0000
0,0000
0,0000
0,0001
0,0004
0,0013
0,0035
0,0083
0,0176
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0001
0,0003
0,0008
0,0020
223
A.3 Continuao
p
n
0,01
0,05
0,10
0,15
0,20
0,25
0,30
0,35
0,40
0,45
0,50
10
0,9044
0,5987
0,3487
0,1969
0,1074
0,0563
0,0282
0,0135
0,0060
0,0025
0,0010
0,0914
0,3151
0,3874
0,3474
0,2684
0,1877
0,1211
0,0725
0,0403
0,0207
0,0098
0,0042
0,0746
0,1937
0,2759
0,3020
0,2816
0,2335
0,1757
0,1209
0,0763
0,0439
0,0001
0,0105
0,0574
0,1298
0,2013
0,2503
0,2668
0,2522
0,2150
0,1665
0,1172
0,0000
0,0010
0,0112
0,0401
0,0881
0,1460
0,2001
0,2377
0,2508
0,2384
0,2051
0,0000
0,0001
0,0015
0,0085
0,0264
0,0584
0,1029
0,1536
0,2007
0,2340
0,2461
0,0000
0,0000
0,0001
0,0012
0,0055
0,0162
0,0368
0,0689
0,1115
0,1596
0,2051
0,0000
0,0000
0,0000
0,0001
0,0008
0,0031
0,0090
0,0212
0,0425
0,0746
0,1172
0,0000
0,0000
0,0000
0,0000
0,0001
0,0004
0,0014
0,0043
0,0106
0,0229
0,0439
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0001
0,0005
0,0016
0,0042
0,0098
10
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0001
0,0003
0,0010
0,8953
0,5688
0,3138
0,1673
0,0859
0,0422
0,0198
0,0088
0,0036
0,0014
0,0005
0,0995
0,3293
0,3835
0,3248
0,2362
0,1549
0,0932
0,0518
0,0266
0,0125
0,0054
0,0050
0,0867
0,2131
0,2866
0,2953
0,2581
0,1998
0,1395
0,0887
0,0513
0,0269
0,0002
0,0137
0,0710
0,1517
0,2215
0,2581
0,2568
0,2254
0,1774
0,1259
0,0806
0,0000
0,0014
0,0158
0,0536
0,1107
0,1721
0,2201
0,2428
0,2365
0,2060
0,1611
0,0000
0,0001
0,0025
0,0132
0,0388
0,0803
0,1321
0,1830
0,2207
0,2360
0,2256
0,0000
0,0000
0,0003
0,0023
0,0097
0,0268
0,0566
0,0985
0,1471
0,1931
0,2256
0,0000
0,0000
0,0000
0,0003
0,0017
0,0064
0,0173
0,0379
0,0701
0,1128
0,1611
0,0000
0,0000
0,0000
0,0000
0,0002
0,0011
0,0037
0,0102
0,0234
0,0462
0,0806
0,0000
0,0000
0,0000
0,0000
0,0000
0,0001
0,0005
0,0018
0,0052
0,0126
0,0269
10
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0002
0,0007
0,0021
0,0054
11
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0002
0,0005
11
224
0,01
0,05
0,10
0,15
0,20
0,25
0,30
0,35
0,40
0,45
0,50
12
0,8864
0,5404
0,2824
0,1422
0,0687
0,0317
0,0138
0,0057
0,0022
0,0008
0,0002
0,1074
0,3413
0,3766
0,3012
0,2062
0,1267
0,0712
0,0368
0,0174
0,0075
0,0029
0,0060
0,0988
0,2301
0,2924
0,2835
0,2323
0,1678
0,1088
0,0639
0,0339
0,0161
0,0002
0,0173
0,0852
0,1720
0,2362
0,2581
0,2397
0,1954
0,1419
0,0923
0,0537
0,0000
0,0021
0,0213
0,0683
0,1329
0,1936
0,2311
0,2367
0,2128
0,1700
0,1208
0,0000
0,0002
0,0038
0,0193
0,0532
0,1032
0,1585
0,2039
0,2270
0,2225
0,1934
0,0000
0,0000
0,0005
0,0040
0,0155
0,0401
0,0792
0,1281
0,1766
0,2124
0,2256
0,0000
0,0000
0,0000
0,0006
0,0033
0,0115
0,0291
0,0591
0,1009
0,1489
0,1934
0,0000
0,0000
0,0000
0,0001
0,0005
0,0024
0,0078
0,0199
0,0420
0,0762
0,1208
0,0000
0,0000
0,0000
0,0000
0,0001
0,0004
0,0015
0,0048
0,0125
0,0277
0,0537
13
10
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0002
0,0008
0,0025
0,0068
0,0161
11
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0001
0,0003
0,0010
0,0029
12
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0001
0,0002
0,8775
0,5133
0,2542
0,1209
0,0550
0,0238
0,0097
0,0037
0,0013
0,0004
0,0001
0,1152
0,3512
0,3672
0,2774
0,1787
0,1029
0,0540
0,0259
0,0113
0,0045
0,0016
0,0070
0,1109
0,2448
0,2937
0,2680
0,2059
0,1388
0,0836
0,0453
0,0220
0,0095
0,0003
0,0214
0,0997
0,1900
0,2457
0,2517
0,2181
0,1651
0,1107
0,0660
0,0349
0,0000
0,0028
0,0277
0,0838
0,1535
0,2097
0,2337
0,2222
0,1845
0,1350
0,0873
0,0000
0,0003
0,0055
0,0266
0,0691
0,1258
0,1803
0,2154
0,2214
0,1989
0,1571
0,0000
0,0000
0,0008
0,0063
0,0230
0,0559
0,1030
0,1546
0,1968
0,2169
0,2095
0,0000
0,0000
0,0001
0,0011
0,0058
0,0186
0,0442
0,0833
0,1312
0,1775
0,2095
0,0000
0,0000
0,0000
0,0001
0,0011
0,0047
0,0142
0,0336
0,0656
0,1089
0,1571
0,0000
0,0000
0,0000
0,0000
0,0001
0,0009
0,0034
0,0101
0,0243
0,0495
0,0873
10
0,0000
0,0000
0,0000
0,0000
0,0000
0,0001
0,0006
0,0022
0,0065
0,0162
0,0349
11
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0001
0,0003
0,0012
0,0036
0,0095
12
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0001
0,0005
0,0016
13
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0001
225
A.3 Continuao
p
n
0,01
0,05
0,10
0,15
0,20
0,25
0,30
0,35
0,40
0,45
0,50
14
0,8687
0,4877
0,2288
0,1028
0,0440
0,0178
0,0068
0,0024
0,0008
0,0002
0,0001
0,1229
0,3593
0,3559
0,2539
0,1539
0,0832
0,0407
0,0181
0,0073
0,0027
0,0009
0,0081
0,1229
0,2570
0,2912
0,2501
0,1802
0,1134
0,0634
0,0317
0,0141
0,0056
0,0003
0,0259
0,1142
0,2056
0,2501
0,2402
0,1943
0,1366
0,0845
0,0462
0,0222
0,0000
0,0037
0,0349
0,0998
0,1720
0,2202
0,2290
0,2022
0,1549
0,1040
0,0611
0,0000
0,0004
0,0078
0,0352
0,0860
0,1468
0,1963
0,2178
0,2066
0,1701
0,1222
0,0000
0,0000
0,0013
0,0093
0,0322
0,0734
0,1262
0,1759
0,2066
0,2088
0,1833
0,0000
0,0000
0,0002
0,0019
0,0092
0,0280
0,0618
0,1082
0,1574
0,1952
0,2095
0,0000
0,0000
0,0000
0,0003
0,0020
0,0082
0,0232
0,0510
0,0918
0,1398
0,1833
0,0000
0,0000
0,0000
0,0000
0,0003
0,0018
0,0066
0,0183
0,0408
0,0762
0,1222
15
10
0,0000
0,0000
0,0000
0,0000
0,0000
0,0003
0,0014
0,0049
0,0136
0,0312
0,0611
11
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0002
0,0010
0,0033
0,0093
0,0222
12
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0001
0,0005
0,0019
0,0056
13
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0001
0,0002
0,0009
14
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0001
0,8601
0,4633
0,2059
0,0874
0,0352
0,0134
0,0047
0,0016
0,0005
0,0001
0,0000
0,1303
0,3658
0,3432
0,2312
0,1319
0,0668
0,0305
0,0126
0,0047
0,0016
0,0005
0,0092
0,1348
0,2669
0,2856
0,2309
0,1559
0,0916
0,0476
0,0219
0,0090
0,0032
0,0004
0,0307
0,1285
0,2184
0,2501
0,2252
0,1700
0,1110
0,0634
0,0318
0,0139
0,0000
0,0049
0,0428
0,1156
0,1876
0,2252
0,2186
0,1792
0,1268
0,0780
0,0417
0,0000
0,0006
0,0105
0,0449
0,1032
0,1651
0,2061
0,2123
0,1859
0,1404
0,0916
0,0000
0,0000
0,0019
0,0132
0,0430
0,0917
0,1472
0,1906
0,2066
0,1914
0,1527
0,0000
0,0000
0,0003
0,0030
0,0138
0,0393
0,0811
0,1319
0,1771
0,2013
0,1964
0,0000
0,0000
0,0000
0,0005
0,0035
0,0131
0,0348
0,0710
0,1181
0,1647
0,1964
0,0000
0,0000
0,0000
0,0001
0,0007
0,0034
0,0116
0,0298
0,0612
0,1048
0,1527
10
0,0000
0,0000
0,0000
0,0000
0,0001
0,0007
0,0030
0,0096
0,0245
0,0515
0,0916
11
0,0000
0,0000
0,0000
0,0000
0,0000
0,0001
0,0006
0,0024
0,0074
0,0191
0,0417
12
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0001
0,0004
0,0016
0,0052
0,0139
13
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0001
0,0003
0,0010
0,0032
14
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0001
0,0005
15
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
226
0,01
0,05
0,10
0,15
0,20
0,25
0,30
0,35
0,40
0,45
0,50
16
0,8515
0,4401
0,1853
0,0743
0,0281
0,0100
0,0033
0,0010
0,0003
0,0001
0,0000
0,1376
0,3706
0,3294
0,2097
0,1126
0,0535
0,0228
0,0087
0,0030
0,0009
0,0002
0,0104
0,1463
0,2745
0,2775
0,2111
0,1336
0,0732
0,0353
0,0150
0,0056
0,0018
0,0005
0,0359
0,1423
0,2285
0,2463
0,2079
0,1465
0,0888
0,0468
0,0215
0,0085
0,0000
0,0061
0,0514
0,1311
0,2001
0,2252
0,2040
0,1553
0,1014
0,0572
0,0278
0,0000
0,0008
0,0137
0,0555
0,1201
0,1802
0,2099
0,2008
0,1623
0,1123
0,0667
0,0000
0,0001
0,0028
0,0180
0,0550
0,1101
0,1649
0,1982
0,1983
0,1684
0,1222
0,0000
0,0000
0,0004
0,0045
0,0197
0,0524
0,1010
0,1524
0,1889
0,1969
0,1746
0,0000
0,0000
0,0001
0,0009
0,0055
0,0197
0,0487
0,0923
0,1417
0,1812
0,1964
0,0000
0,0000
0,0000
0,0001
0,0012
0,0058
0,0185
0,0442
0,0840
0,1318
0,1746
17
10
0,0000
0,0000
0,0000
0,0000
0,0002
0,0014
0,0056
0,0167
0,0392
0,0755
0,1222
11
0,0000
0,0000
0,0000
0,0000
0,0000
0,0002
0,0013
0,0049
0,0142
0,0337
0,0667
12
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0002
0,0011
0,0040
0,0115
0,0278
13
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0002
0,0008
0,0029
0,0085
14
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0001
0,0005
0,0018
15
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0001
0,0002
16
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,8429
0,4181
0,1668
0,0631
0,0225
0,0075
0,0023
0,0007
0,0002
0,0000
0,0000
0,1447
0,3741
0,3150
0,1893
0,0957
0,0426
0,0169
0,0060
0,0019
0,0005
0,0001
0,0117
0,1575
0,2800
0,2673
0,1914
0,1136
0,0581
0,0260
0,0102
0,0035
0,0010
0,0006
0,0415
0,1556
0,2359
0,2393
0,1893
0,1245
0,0701
0,0341
0,0144
0,0052
0,0000
0,0076
0,0605
0,1457
0,2093
0,2209
0,1868
0,1320
0,0796
0,0411
0,0182
0,0000
0,0010
0,0175
0,0668
0,1361
0,1914
0,2081
0,1849
0,1379
0,0875
0,0472
0,0000
0,0001
0,0039
0,0236
0,0680
0,1276
0,1784
0,1991
0,1839
0,1432
0,0944
0,0000
0,0000
0,0007
0,0065
0,0267
0,0668
0,1201
0,1685
0,1927
0,1841
0,1484
0,0000
0,0000
0,0001
0,0014
0,0084
0,0279
0,0644
0,1134
0,1606
0,1883
0,1855
0,0000
0,0000
0,0000
0,0003
0,0021
0,0093
0,0276
0,0611
0,1070
0,1540
0,1855
10
0,0000
0,0000
0,0000
0,0000
0,0004
0,0025
0,0095
0,0263
0,0571
0,1008
0,1484
11
0,0000
0,0000
0,0000
0,0000
0,0001
0,0005
0,0026
0,0090
0,0242
0,0525
0,0944
12
0,0000
0,0000
0,0000
0,0000
0,0000
0,0001
0,0006
0,0024
0,0081
0,0215
0,0472
13
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0001
0,0005
0,0021
0,0068
0,0182
14
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0001
0,0004
0,0016
0,0052
15
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0001
0,0003
0,0010
16
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0001
17
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
227
A.3 Continuao
p
n
0,01
0,05
0,10
0,15
0,20
0,25
0,30
0,35
0,40
0,45
0,50
18
0,8345
0,3972
0,1501
0,0536
0,0180
0,0056
0,0016
0,0004
0,0001
0,0000
0,0000
0,1517
0,3763
0,3002
0,1704
0,0811
0,0338
0,0126
0,0042
0,0012
0,0003
0,0001
0,0130
0,1683
0,2835
0,2556
0,1723
0,0958
0,0458
0,0190
0,0069
0,0022
0,0006
0,0007
0,0473
0,1680
0,2406
0,2297
0,1704
0,1046
0,0547
0,0246
0,0095
0,0031
0,0000
0,0093
0,0700
0,1592
0,2153
0,2130
0,1681
0,1104
0,0614
0,0291
0,0117
0,0000
0,0014
0,0218
0,0787
0,1507
0,1988
0,2017
0,1664
0,1146
0,0666
0,0327
0,0000
0,0002
0,0052
0,0301
0,0816
0,1436
0,1873
0,1941
0,1655
0,1181
0,0708
0,0000
0,0000
0,0010
0,0091
0,0350
0,0820
0,1376
0,1792
0,1892
0,1657
0,1214
0,0000
0,0000
0,0002
0,0022
0,0120
0,0376
0,0811
0,1327
0,1734
0,1864
0,1669
0,0000
0,0000
0,0000
0,0004
0,0033
0,0139
0,0386
0,0794
0,1284
0,1694
0,1855
10
0,0000
0,0000
0,0000
0,0001
0,0008
0,0042
0,0149
0,0385
0,0771
0,1248
0,1669
11
0,0000
0,0000
0,0000
0,0000
0,0001
0,0010
0,0046
0,0151
0,0374
0,0742
0,1214
12
0,0000
0,0000
0,0000
0,0000
0,0000
0,0002
0,0012
0,0047
0,0145
0,0354
0,0708
13
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0002
0,0012
0,0045
0,0134
0,0327
14
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0002
0,0011
0,0039
0,0117
15
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0002
0,0009
0,0031
16
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0001
0,0006
17
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0001
18
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
228
0,01
0,05
0,10
0,15
0,20
0,25
0,30
0,35
0,40
0,45
0,50
19
0,8262
0,3774
0,1351
0,0456
0,0144
0,0042
0,0011
0,0003
0,0001
0,0000
0,0000
0,1586
0,3774
0,2852
0,1529
0,0685
0,0268
0,0093
0,0029
0,0008
0,0002
0,0000
0,0144
0,1787
0,2852
0,2428
0,1540
0,0803
0,0358
0,0138
0,0046
0,0013
0,0003
0,0008
0,0533
0,1796
0,2428
0,2182
0,1517
0,0869
0,0422
0,0175
0,0062
0,0018
0,0000
0,0112
0,0798
0,1714
0,2182
0,2023
0,1491
0,0909
0,0467
0,0203
0,0074
0,0000
0,0018
0,0266
0,0907
0,1636
0,2023
0,1916
0,1468
0,0933
0,0497
0,0222
0,0000
0,0002
0,0069
0,0374
0,0955
0,1574
0,1916
0,1844
0,1451
0,0949
0,0518
0,0000
0,0000
0,0014
0,0122
0,0443
0,0974
0,1525
0,1844
0,1797
0,1443
0,0961
0,0000
0,0000
0,0002
0,0032
0,0166
0,0487
0,0981
0,1489
0,1797
0,1771
0,1442
0,0000
0,0000
0,0000
0,0007
0,0051
0,0198
0,0514
0,0980
0,1464
0,1771
0,1762
10
0,0000
0,0000
0,0000
0,0001
0,0013
0,0066
0,0220
0,0528
0,0976
0,1449
0,1762
11
0,0000
0,0000
0,0000
0,0000
0,0003
0,0018
0,0077
0,0233
0,0532
0,0970
0,1442
12
0,0000
0,0000
0,0000
0,0000
0,0000
0,0004
0,0022
0,0083
0,0237
0,0529
0,0961
13
0,0000
0,0000
0,0000
0,0000
0,0000
0,0001
0,0005
0,0024
0,0085
0,0233
0,0518
14
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0001
0,0006
0,0024
0,0082
0,0222
15
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0001
0,0005
0,0022
0,0074
16
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0001
0,0005
0,0018
17
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0001
0,0003
18
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
19
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
229
A.3 Continuao
p
n
0,01
0,05
0,10
0,15
0,20
0,25
0,30
0,35
0,40
0,45
0,50
20
0,8179
0,3585
0,1216
0,0388
0,0115
0,0032
0,0008
0,0002
0,0000
0,0000
0,0000
0,1652
0,3774
0,2702
0,1368
0,0576
0,0211
0,0068
0,0020
0,0005
0,0001
0,0000
0,0159
0,1887
0,2852
0,2293
0,1369
0,0669
0,0278
0,0100
0,0031
0,0008
0,0002
0,0010
0,0596
0,1901
0,2428
0,2054
0,1339
0,0716
0,0323
0,0123
0,0040
0,0011
0,0000
0,0133
0,0898
0,1821
0,2182
0,1897
0,1304
0,0738
0,0350
0,0139
0,0046
0,0000
0,0022
0,0319
0,1028
0,1746
0,2023
0,1789
0,1272
0,0746
0,0365
0,0148
0,0000
0,0003
0,0089
0,0454
0,1091
0,1686
0,1916
0,1712
0,1244
0,0746
0,0370
0,0000
0,0000
0,0020
0,0160
0,0545
0,1124
0,1643
0,1844
0,1659
0,1221
0,0739
0,0000
0,0000
0,0004
0,0046
0,0222
0,0609
0,1144
0,1614
0,1797
0,1623
0,1201
0,0000
0,0000
0,0001
0,0011
0,0074
0,0271
0,0654
0,1158
0,1597
0,1771
0,1602
10
0,0000
0,0000
0,0000
0,0002
0,0020
0,0099
0,0308
0,0686
0,1171
0,1593
0,1762
11
0,0000
0,0000
0,0000
0,0000
0,0005
0,0030
0,0120
0,0336
0,0710
0,1185
0,1602
12
0,0000
0,0000
0,0000
0,0000
0,0001
0,0008
0,0039
0,0136
0,0355
0,0727
0,1201
13
0,0000
0,0000
0,0000
0,0000
0,0000
0,0002
0,0010
0,0045
0,0146
0,0366
0,0739
14
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0002
0,0012
0,0049
0,0150
0,0370
15
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0003
0,0013
0,0049
0,0148
16
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0003
0,0013
0,0046
17
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0002
0,0011
18
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0002
19
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
20
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
230
0,01
0,05
0,10
0,15
0,20
0,25
0,30
0,35
0,40
0,45
0,50
25
0,7778
0,2774
0,0718
0,0172
0,0038
0,0008
0,0001
0,0000
0,0000
0,0000
0,0000
0,1964
0,3650
0,1994
0,0759
0,0236
0,0063
0,0014
0,0003
0,0000
0,0000
0,0000
0,0238
0,2305
0,2659
0,1607
0,0708
0,0251
0,0074
0,0018
0,0004
0,0001
0,0000
0,0018
0,0930
0,2265
0,2174
0,1358
0,0641
0,0243
0,0076
0,0019
0,0004
0,0001
0,0001
0,0269
0,1384
0,2110
0,1867
0,1175
0,0572
0,0224
0,0071
0,0018
0,0004
0,0000
0,0060
0,0646
0,1564
0,1960
0,1645
0,1030
0,0506
0,0199
0,0063
0,0016
0,0000
0,0010
0,0239
0,0920
0,1633
0,1828
0,1472
0,0908
0,0442
0,0172
0,0053
0,0000
0,0001
0,0072
0,0441
0,1108
0,1654
0,1712
0,1327
0,0800
0,0381
0,0143
0,0000
0,0000
0,0018
0,0175
0,0623
0,1241
0,1651
0,1607
0,1200
0,0701
0,0322
0,0000
0,0000
0,0004
0,0058
0,0294
0,0781
0,1336
0,1635
0,1511
0,1084
0,0609
10
0,0000
0,0000
0,0001
0,0016
0,0118
0,0417
0,0916
0,1409
0,1612
0,1419
0,0974
11
0,0000
0,0000
0,0000
0,0004
0,0040
0,0189
0,0536
0,1034
0,1465
0,1583
0,1328
12
0,0000
0,0000
0,0000
0,0001
0,0012
0,0074
0,0268
0,0650
0,1140
0,1511
0,1550
13
0,0000
0,0000
0,0000
0,0000
0,0003
0,0025
0,0115
0,0350
0,0760
0,1236
0,1550
14
0,0000
0,0000
0,0000
0,0000
0,0001
0,0007
0,0042
0,0161
0,0434
0,0867
0,1328
15
0,0000
0,0000
0,0000
0,0000
0,0000
0,0002
0,0013
0,0064
0,0212
0,0520
0,0974
16
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0004
0,0021
0,0088
0,0266
0,0609
17
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0001
0,0006
0,0031
0,0115
0,0322
18
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0001
0,0009
0,0042
0,0143
19
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0002
0,0013
0,0053
20
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0003
0,0016
21
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0001
0,0004
22
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0001
231
A.3 Continuao
p
n
0,01
0,05
0,10
0,15
0,20
0,25
0,30
0,35
0,40
0,45
0,50
30
0,7397
0,2146
0,0424
0,0076
0,0012
0,0002
0,0000
0,0000
0,0000
0,0000
0,0000
0,2242
0,3389
0,1413
0,0404
0,0093
0,0018
0,0003
0,0000
0,0000
0,0000
0,0000
0,0328
0,2586
0,2277
0,1034
0,0337
0,0086
0,0018
0,0003
0,0000
0,0000
0,0000
0,0031
0,1270
0,2361
0,1703
0,0785
0,0269
0,0072
0,0015
0,0003
0,0000
0,0000
0,0002
0,0451
0,1771
0,2028
0,1325
0,0604
0,0208
0,0056
0,0012
0,0002
0,0000
0,0000
0,0124
0,1023
0,1861
0,1723
0,1047
0,0464
0,0157
0,0041
0,0008
0,0001
0,0000
0,0027
0,0474
0,1368
0,1795
0,1455
0,0829
0,0353
0,0115
0,0029
0,0006
0,0000
0,0005
0,0180
0,0828
0,1538
0,1662
0,1219
0,0652
0,0263
0,0081
0,0019
0,0000
0,0001
0,0058
0,0420
0,1106
0,1593
0,1501
0,1009
0,0505
0,0191
0,0055
0,0000
0,0000
0,0016
0,0181
0,0676
0,1298
0,1573
0,1328
0,0823
0,0382
0,0133
10
0,0000
0,0000
0,0004
0,0067
0,0355
0,0909
0,1416
0,1502
0,1152
0,0656
0,0280
11
0,0000
0,0000
0,0001
0,0022
0,0161
0,0551
0,1103
0,1471
0,1396
0,0976
0,0509
12
0,0000
0,0000
0,0000
0,0006
0,0064
0,0291
0,0749
0,1254
0,1474
0,1265
0,0806
13
0,0000
0,0000
0,0000
0,0001
0,0022
0,0134
0,0444
0,0935
0,1360
0,1433
0,1115
14
0,0000
0,0000
0,0000
0,0000
0,0007
0,0054
0,0231
0,0611
0,1101
0,1424
0,1354
15
0,0000
0,0000
0,0000
0,0000
0,0002
0,0019
0,0106
0,0351
0,0783
0,1242
0,1445
16
0,0000
0,0000
0,0000
0,0000
0,0000
0,0006
0,0042
0,0177
0,0489
0,0953
0,1354
17
0,0000
0,0000
0,0000
0,0000
0,0000
0,0002
0,0015
0,0079
0,0269
0,0642
0,1115
18
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0005
0,0031
0,0129
0,0379
0,0806
19
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0001
0,0010
0,0054
0,0196
0,0509
20
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0003
0,0020
0,0088
0,0280
21
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0001
0,0006
0,0034
0,0133
22
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0002
0,0012
0,0055
23
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0003
0,0019
24
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0001
0,0006
25
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0001
232
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1,0
0,9048
0,8187
0,7408
0,6703
0,6065
0,5488
0,4966
0,4493
0,4066
0,3679
0,0905
0,1637
0,2222
0,2681
0,3033
0,3293
0,3476
0,3595
0,3659
0,3679
0,0045
0,0164
0,0333
0,0536
0,0758
0,0988
0,1217
0,1438
0,1647
0,1839
0,0002
0,0011
0,0033
0,0072
0,0126
0,0198
0,0284
0,0383
0,0494
0,0613
0,0000
0,0001
0,0003
0,0007
0,0016
0,0030
0,0050
0,0077
0,0111
0,0153
0,0000
0,0000
0,0000
0,0001
0,0002
0,0004
0,0007
0,0012
0,0020
0,0031
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0001
0,0002
0,0003
0,0005
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0001
1,1
1,2
1,3
1,4
1,5
1,6
1,7
1,8
1,9
2,0
0,3329
0,3012
0,2725
0,2466
0,2231
0,2019
0,1827
0,1653
0,1496
0,1353
0,3662
0,3614
0,3543
0,3452
0,3347
0,3230
0,3106
0,2975
0,2842
0,2707
0,2014
0,2169
0,2303
0,2417
0,2510
0,2584
0,2640
0,2678
0,2700
0,2707
0,0738
0,0867
0,0998
0,1128
0,1255
0,1378
0,1496
0,1607
0,1710
0,1804
0,0203
0,0260
0,0324
0,0395
0,0471
0,0551
0,0636
0,0723
0,0812
0,0902
0,0045
0,0062
0,0084
0,0111
0,0141
0,0176
0,0216
0,0260
0,0309
0,0361
0,0008
0,0012
0,0018
0,0026
0,0035
0,0047
0,0061
0,0078
0,0098
0,0120
0,0001
0,0002
0,0003
0,0005
0,0008
0,0011
0,0015
0,0020
0,0027
0,0034
0,0000
0,0000
0,0001
0,0001
0,0001
0,0002
0,0003
0,0005
0,0006
0,0009
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0001
0,0001
0,0001
0,0002
2,1
2,2
2,3
2,4
2,5
2,6
2,7
2,8
2,9
3,0
0,1225
0,1108
0,1003
0,0907
0,0821
0,0743
0,0672
0,0608
0,0550
0,0498
0,2572
0,2438
0,2306
0,2177
0,2052
0,1931
0,1815
0,1703
0,1596
0,1494
0,2700
0,2681
0,2652
0,2613
0,2565
0,2510
0,2450
0,2384
0,2314
0,2240
0,1890
0,1966
0,2033
0,2090
0,2138
0,2176
0,2205
0,2225
0,2237
0,2240
0,0992
0,1082
0,1169
0,1254
0,1336
0,1414
0,1488
0,1557
0,1622
0,1680
0,0417
0,0476
0,0538
0,0602
0,0668
0,0735
0,0804
0,0872
0,0940
0,1008
0,0146
0,0174
0,0206
0,0241
0,0278
0,0319
0,0362
0,0407
0,0455
0,0504
0,0044
0,0055
0,0068
0,0083
0,0099
0,0118
0,0139
0,0163
0,0188
0,0216
0,0011
0,0015
0,0019
0,0025
0,0031
0,0038
0,0047
0,0057
0,0068
0,0081
0,0003
0,0004
0,0005
0,0007
0,0009
0,0011
0,0014
0,0018
0,0022
0,0027
10
0,0001
0,0001
0,0001
0,0002
0,0002
0,0003
0,0004
0,0005
0,0006
0,0008
11
0,0000
0,0000
0,0000
0,0000
0,0000
0,0001
0,0001
0,0001
0,0002
0,0002
12
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0001
233
A.4 Continuao
x
3,1
3,2
3,3
3,4
3,5
3,6
3,7
3,8
3,9
4,0
0,0450
0,0408
0,0369
0,0334
0,0302
0,0273
0,0247
0,0224
0,0202
0,0183
0,1397
0,1304
0,1217
0,1135
0,1057
0,0984
0,0915
0,0850
0,0789
0,0733
0,2165
0,2087
0,2008
0,1929
0,1850
0,1771
0,1692
0,1615
0,1539
0,1465
0,2237
0,2226
0,2209
0,2186
0,2158
0,2125
0,2087
0,2046
0,2001
0,1954
0,1733
0,1781
0,1823
0,1858
0,1888
0,1912
0,1931
0,1944
0,1951
0,1954
0,1075
0,1140
0,1203
0,1264
0,1322
0,1377
0,1429
0,1477
0,1522
0,1563
0,0555
0,0608
0,0662
0,0716
0,0771
0,0826
0,0881
0,0936
0,0989
0,1042
0,0246
0,0278
0,0312
0,0348
0,0385
0,0425
0,0466
0,0508
0,0551
0,0595
0,0095
0,0111
0,0129
0,0148
0,0169
0,0191
0,0215
0,0241
0,0269
0,0298
0,0033
0,0040
0,0047
0,0056
0,0066
0,0076
0,0089
0,0102
0,0116
0,0132
10
0,0010
0,0013
0,0016
0,0019
0,0023
0,0028
0,0033
0,0039
0,0045
0,0053
11
0,0003
0,0004
0,0005
0,0006
0,0007
0,0009
0,0011
0,0013
0,0016
0,0019
12
0,0001
0,0001
0,0001
0,0002
0,0002
0,0003
0,0003
0,0004
0,0005
0,0006
13
0,0000
0,0000
0,0000
0,0000
0,0001
0,0001
0,0001
0,0001
0,0002
0,0002
14
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0001
4,1
4,2
4,3
4,4
4,5
4,6
4,7
4,8
4,9
5,0
0,0166
0,0150
0,0136
0,0123
0,0111
0,0101
0,0091
0,0082
0,0074
0,0067
0,0679
0,0630
0,0583
0,0540
0,0500
0,0462
0,0427
0,0395
0,0365
0,0337
0,1393
0,1323
0,1254
0,1188
0,1125
0,1063
0,1005
0,0948
0,0894
0,0842
0,1904
0,1852
0,1798
0,1743
0,1687
0,1631
0,1574
0,1517
0,1460
0,1404
0,1951
0,1944
0,1933
0,1917
0,1898
0,1875
0,1849
0,1820
0,1789
0,1755
0,1600
0,1633
0,1662
0,1687
0,1708
0,1725
0,1738
0,1747
0,1753
0,1755
0,1093
0,1143
0,1191
0,1237
0,1281
0,1323
0,1362
0,1398
0,1432
0,1462
0,0640
0,0686
0,0732
0,0778
0,0824
0,0869
0,0914
0,0959
0,1002
0,1044
0,0328
0,0360
0,0393
0,0428
0,0463
0,0500
0,0537
0,0575
0,0614
0,0653
0,0150
0,0168
0,0188
0,0209
0,0232
0,0255
0,0281
0,0307
0,0334
0,0363
10
0,0061
0,0071
0,0081
0,0092
0,0104
0,0118
0,0132
0,0147
0,0164
0,0181
11
0,0023
0,0027
0,0032
0,0037
0,0043
0,0049
0,0056
0,0064
0,0073
0,0082
12
0,0008
0,0009
0,0011
0,0013
0,0016
0,0019
0,0022
0,0026
0,0030
0,0034
13
0,0002
0,0003
0,0004
0,0005
0,0006
0,0007
0,0008
0,0009
0,0011
0,0013
14
0,0001
0,0001
0,0001
0,0001
0,0002
0,0002
0,0003
0,0003
0,0004
0,0005
15
0,0000
0,0000
0,0000
0,0000
0,0001
0,0001
0,0001
0,0001
0,0001
0,0002
234
5,3
5,4
5,5
5,6
5,7
5,8
5,9
6,0
0,0061
0,0055
0,0050
0,0045
0,0041
0,0037
0,0033
0,0030
0,0027
0,0025
0,0311
0,0287
0,0265
0,0244
0,0225
0,0207
0,0191
0,0176
0,0162
0,0149
0,0793
0,0746
0,0701
0,0659
0,0618
0,0580
0,0544
0,0509
0,0477
0,0446
0,1348
0,1293
0,1239
0,1185
0,1133
0,1082
0,1033
0,0985
0,0938
0,0892
0,1719
0,1681
0,1641
0,1600
0,1558
0,1515
0,1472
0,1428
0,1383
0,1339
0,1753
0,1748
0,1740
0,1728
0,1714
0,1697
0,1678
0,1656
0,1632
0,1606
0,1490
0,1515
0,1537
0,1555
0,1571
0,1584
0,1594
0,1601
0,1605
0,1606
0,1086
0,1125
0,1163
0,1200
0,1234
0,1267
0,1298
0,1326
0,1353
0,1377
0,0692
0,0731
0,0771
0,0810
0,0849
0,0887
0,0925
0,0962
0,0998
0,1033
0,0392
0,0423
0,0454
0,0486
0,0519
0,0552
0,0586
0,0620
0,0654
0,0688
10
0,0200
0,0220
0,0241
0,0262
0,0285
0,0309
0,0334
0,0359
0,0386
0,0413
11
0,0093
0,0104
0,0116
0,0129
0,0143
0,0157
0,0173
0,0190
0,0207
0,0225
12
0,0039
0,0045
0,0051
0,0058
0,0065
0,0073
0,0082
0,0092
0,0102
0,0113
13
0,0015
0,0018
0,0021
0,0024
0,0028
0,0032
0,0036
0,0041
0,0046
0,0052
14
0,0006
0,0007
0,0008
0,0009
0,0011
0,0013
0,0015
0,0017
0,0019
0,0022
15
0,0002
0,0002
0,0003
0,0003
0,0004
0,0005
0,0006
0,0007
0,0008
0,0009
16
0,0001
0,0001
0,0001
0,0001
0,0001
0,0002
0,0002
0,0002
0,0003
0,0003
17
0,0000
0,0000
0,0000
0,0000
0,0000
0,0001
0,0001
0,0001
0,0001
0,0001
235
A.4 Continuao
x
6,1
6,2
6,3
6,4
6,5
6,6
6,7
6,8
6,9
7,0
0,0022
0,0020
0,0018
0,0017
0,0015
0,0014
0,0012
0,0011
0,0010
0,0009
0,0137
0,0126
0,0116
0,0106
0,0098
0,0090
0,0082
0,0076
0,0070
0,0064
0,0417
0,0390
0,0364
0,0340
0,0318
0,0296
0,0276
0,0258
0,0240
0,0223
0,0848
0,0806
0,0765
0,0726
0,0688
0,0652
0,0617
0,0584
0,0552
0,0521
0,1294
0,1249
0,1205
0,1162
0,1118
0,1076
0,1034
0,0992
0,0952
0,0912
0,1579
0,1549
0,1519
0,1487
0,1454
0,1420
0,1385
0,1349
0,1314
0,1277
0,1605
0,1601
0,1595
0,1586
0,1575
0,1562
0,1546
0,1529
0,1511
0,1490
0,1399
0,1418
0,1435
0,1450
0,1462
0,1472
0,1480
0,1486
0,1489
0,1490
0,1066
0,1099
0,1130
0,1160
0,1188
0,1215
0,1240
0,1263
0,1284
0,1304
0,0723
0,0757
0,0791
0,0825
0,0858
0,0891
0,0923
0,0954
0,0985
0,1014
10
0,0441
0,0469
0,0498
0,0528
0,0558
0,0588
0,0618
0,0649
0,0679
0,0710
11
0,0244
0,0265
0,0285
0,0307
0,0330
0,0353
0,0377
0,0401
0,0426
0,0452
12
0,0124
0,0137
0,0150
0,0164
0,0179
0,0194
0,0210
0,0227
0,0245
0,0263
13
0,0058
0,0065
0,0073
0,0081
0,0089
0,0099
0,0108
0,0119
0,0130
0,0142
14
0,0025
0,0029
0,0033
0,0037
0,0041
0,0046
0,0052
0,0058
0,0064
0,0071
15
0,0010
0,0012
0,0014
0,0016
0,0018
0,0020
0,0023
0,0026
0,0029
0,0033
16
0,0004
0,0005
0,0005
0,0006
0,0007
0,0008
0,0010
0,0011
0,0013
0,0014
17
0,0001
0,0002
0,0002
0,0002
0,0003
0,0003
0,0004
0,0004
0,0005
0,0006
18
0,0000
0,0001
0,0001
0,0001
0,0001
0,0001
0,0001
0,0002
0,0002
0,0002
19
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0001
0,0001
0,0001
0,0001
236
7,3
7,4
7,5
7,6
7,7
7,8
7,9
8,0
0,0008
0,0007
0,0007
0,0006
0,0006
0,0005
0,0005
0,0004
0,0004
0,0003
0,0059
0,0054
0,0049
0,0045
0,0041
0,0038
0,0035
0,0032
0,0029
0,0027
0,0208
0,0194
0,0180
0,0167
0,0156
0,0145
0,0134
0,0125
0,0116
0,0107
0,0492
0,0464
0,0438
0,0413
0,0389
0,0366
0,0345
0,0324
0,0305
0,0286
0,0874
0,0836
0,0799
0,0764
0,0729
0,0696
0,0663
0,0632
0,0602
0,0573
0,1241
0,1204
0,1167
0,1130
0,1094
0,1057
0,1021
0,0986
0,0951
0,0916
0,1468
0,1445
0,1420
0,1394
0,1367
0,1339
0,1311
0,1282
0,1252
0,1221
0,1489
0,1486
0,1481
0,1474
0,1465
0,1454
0,1442
0,1428
0,1413
0,1396
0,1321
0,1337
0,1351
0,1363
0,1373
0,1381
0,1388
0,1392
0,1395
0,1396
0,1042
0,1070
0,1096
0,1121
0,1144
0,1167
0,1187
0,1207
0,1224
0,1241
10
0,0740
0,0770
0,0800
0,0829
0,0858
0,0887
0,0914
0,0941
0,0967
0,0993
11
0,0478
0,0504
0,0531
0,0558
0,0585
0,0613
0,0640
0,0667
0,0695
0,0722
12
0,0283
0,0303
0,0323
0,0344
0,0366
0,0388
0,0411
0,0434
0,0457
0,0481
13
0,0154
0,0168
0,0181
0,0196
0,0211
0,0227
0,0243
0,0260
0,0278
0,0296
14
0,0078
0,0086
0,0095
0,0104
0,0113
0,0123
0,0134
0,0145
0,0157
0,0169
15
0,0037
0,0041
0,0046
0,0051
0,0057
0,0062
0,0069
0,0075
0,0083
0,0090
16
0,0016
0,0019
0,0021
0,0024
0,0026
0,0030
0,0033
0,0037
0,0041
0,0045
17
0,0007
0,0008
0,0009
0,0010
0,0012
0,0013
0,0015
0,0017
0,0019
0,0021
18
0,0003
0,0003
0,0004
0,0004
0,0005
0,0006
0,0006
0,0007
0,0008
0,0009
19
0,0001
0,0001
0,0001
0,0002
0,0002
0,0002
0,0003
0,0003
0,0003
0,0004
20
0,0000
0,0000
0,0001
0,0001
0,0001
0,0001
0,0001
0,0001
0,0001
0,0002
21
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0001
0,0001
237
A.4 Continuao
x
8,1
8,2
8,3
8,4
8,5
8,6
8,7
8,8
8,9
9,0
0,0003
0,0003
0,0002
0,0002
0,0002
0,0002
0,0002
0,0002
0,0001
0,0001
0,0025
0,0023
0,0021
0,0019
0,0017
0,0016
0,0014
0,0013
0,0012
0,0011
0,0100
0,0092
0,0086
0,0079
0,0074
0,0068
0,0063
0,0058
0,0054
0,0050
0,0269
0,0252
0,0237
0,0222
0,0208
0,0195
0,0183
0,0171
0,0160
0,0150
0,0544
0,0517
0,0491
0,0466
0,0443
0,0420
0,0398
0,0377
0,0357
0,0337
0,0882
0,0849
0,0816
0,0784
0,0752
0,0722
0,0692
0,0663
0,0635
0,0607
0,1191
0,1160
0,1128
0,1097
0,1066
0,1034
0,1003
0,0972
0,0941
0,0911
0,1378
0,1358
0,1338
0,1317
0,1294
0,1271
0,1247
0,1222
0,1197
0,1171
0,1395
0,1392
0,1388
0,1382
0,1375
0,1366
0,1356
0,1344
0,1332
0,1318
0,1256
0,1269
0,1280
0,1290
0,1299
0,1306
0,1311
0,1315
0,1317
0,1318
10
0,1017
0,1040
0,1063
0,1084
0,1104
0,1123
0,1140
0,1157
0,1172
0,1186
11
0,0749
0,0776
0,0802
0,0828
0,0853
0,0878
0,0902
0,0925
0,0948
0,0970
12
0,0505
0,0530
0,0555
0,0579
0,0604
0,0629
0,0654
0,0679
0,0703
0,0728
13
0,0315
0,0334
0,0354
0,0374
0,0395
0,0416
0,0438
0,0459
0,0481
0,0504
14
0,0182
0,0196
0,0210
0,0225
0,0240
0,0256
0,0272
0,0289
0,0306
0,0324
15
0,0098
0,0107
0,0116
0,0126
0,0136
0,0147
0,0158
0,0169
0,0182
0,0194
16
0,0050
0,0055
0,0060
0,0066
0,0072
0,0079
0,0086
0,0093
0,0101
0,0109
17
0,0024
0,0026
0,0029
0,0033
0,0036
0,0040
0,0044
0,0048
0,0053
0,0058
18
0,0011
0,0012
0,0014
0,0015
0,0017
0,0019
0,0021
0,0024
0,0026
0,0029
19
0,0005
0,0005
0,0006
0,0007
0,0008
0,0009
0,0010
0,0011
0,0012
0,0014
20
0,0002
0,0002
0,0002
0,0003
0,0003
0,0004
0,0004
0,0005
0,0005
0,0006
21
0,0001
0,0001
0,0001
0,0001
0,0001
0,0002
0,0002
0,0002
0,0002
0,0003
22
0,0000
0,0000
0,0000
0,0000
0,0001
0,0001
0,0001
0,0001
0,0001
0,0001
238
9,3
9,4
9,5
9,6
9,7
9,8
9,9
10,0
0,0001
0,0001
0,0001
0,0001
0,0001
0,0001
0,0001
0,0001
0,0001
0,0000
0,0010
0,0009
0,0009
0,0008
0,0007
0,0007
0,0006
0,0005
0,0005
0,0005
0,0046
0,0043
0,0040
0,0037
0,0034
0,0031
0,0029
0,0027
0,0025
0,0023
0,0140
0,0131
0,0123
0,0115
0,0107
0,0100
0,0093
0,0087
0,0081
0,0076
0,0319
0,0302
0,0285
0,0269
0,0254
0,0240
0,0226
0,0213
0,0201
0,0189
0,0581
0,0555
0,0530
0,0506
0,0483
0,0460
0,0439
0,0418
0,0398
0,0378
0,0881
0,0851
0,0822
0,0793
0,0764
0,0736
0,0709
0,0682
0,0656
0,0631
0,1145
0,1118
0,1091
0,1064
0,1037
0,1010
0,0982
0,0955
0,0928
0,0901
0,1302
0,1286
0,1269
0,1251
0,1232
0,1212
0,1191
0,1170
0,1148
0,1126
0,1317
0,1315
0,1311
0,1306
0,1300
0,1293
0,1284
0,1274
0,1263
0,1251
10
0,1198
0,1210
0,1219
0,1228
0,1235
0,1241
0,1245
0,1249
0,1250
0,1251
11
0,0991
0,1012
0,1031
0,1049
0,1067
0,1083
0,1098
0,1112
0,1125
0,1137
12
0,0752
0,0776
0,0799
0,0822
0,0844
0,0866
0,0888
0,0908
0,0928
0,0948
13
0,0526
0,0549
0,0572
0,0594
0,0617
0,0640
0,0662
0,0685
0,0707
0,0729
14
0,0342
0,0361
0,0380
0,0399
0,0419
0,0439
0,0459
0,0479
0,0500
0,0521
15
0,0208
0,0221
0,0235
0,0250
0,0265
0,0281
0,0297
0,0313
0,0330
0,0347
16
0,0118
0,0127
0,0137
0,0147
0,0157
0,0168
0,0180
0,0192
0,0204
0,0217
17
0,0063
0,0069
0,0075
0,0081
0,0088
0,0095
0,0103
0,0111
0,0119
0,0128
18
0,0032
0,0035
0,0039
0,0042
0,0046
0,0051
0,0055
0,0060
0,0065
0,0071
19
0,0015
0,0017
0,0019
0,0021
0,0023
0,0026
0,0028
0,0031
0,0034
0,0037
20
0,0007
0,0008
0,0009
0,0010
0,0011
0,0012
0,0014
0,0015
0,0017
0,0019
21
0,0003
0,0003
0,0004
0,0004
0,0005
0,0006
0,0006
0,0007
0,0008
0,0009
22
0,0001
0,0001
0,0002
0,0002
0,0002
0,0002
0,0003
0,0003
0,0004
0,0004
23
0,0000
0,0001
0,0001
0,0001
0,0001
0,0001
0,0001
0,0001
0,0002
0,0002
24
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0001
0,0001
0,0001
239
A.4 Continuao
x
11,0 12,0
13,0
14,0
15,0
16,0
17,0
18,0
19,0
20,0
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0002
0,0001
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0010
0,0004
0,0002
0,0001
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0037
0,0018
0,0008
0,0004
0,0002
0,0001
0,0000
0,0000
0,0000
0,0000
0,0102
0,0053
0,0027
0,0013
0,0006
0,0003
0,0001
0,0001
0,0000
0,0000
0,0224
0,0127
0,0070
0,0037
0,0019
0,0010
0,0005
0,0002
0,0001
0,0001
0,0411
0,0255
0,0152
0,0087
0,0048
0,0026
0,0014
0,0007
0,0004
0,0002
0,0646
0,0437
0,0281
0,0174
0,0104
0,0060
0,0034
0,0019
0,0010
0,0005
0,0888
0,0655
0,0457
0,0304
0,0194
0,0120
0,0072
0,0042
0,0024
0,0013
0,1085
0,0874
0,0661
0,0473
0,0324
0,0213
0,0135
0,0083
0,0050
0,0029
10
0,1194
0,1048
0,0859
0,0663
0,0486
0,0341
0,0230
0,0150
0,0095
0,0058
11
0,1194
0,1144
0,1015
0,0844
0,0663
0,0496
0,0355
0,0245
0,0164
0,0106
12
0,1094
0,1144
0,1099
0,0984
0,0829
0,0661
0,0504
0,0368
0,0259
0,0176
13
0,0926
0,1056
0,1099
0,1060
0,0956
0,0814
0,0658
0,0509
0,0378
0,0271
14
0,0728
0,0905
0,1021
0,1060
0,1024
0,0930
0,0800
0,0655
0,0514
0,0387
15
0,0534
0,0724
0,0885
0,0989
0,1024
0,0992
0,0906
0,0786
0,0650
0,0516
16
0,0367
0,0543
0,0719
0,0866
0,0960
0,0992
0,0963
0,0884
0,0772
0,0646
17
0,0237
0,0383
0,0550
0,0713
0,0847
0,0934
0,0963
0,0936
0,0863
0,0760
18
0,0145
0,0255
0,0397
0,0554
0,0706
0,0830
0,0909
0,0936
0,0911
0,0844
19
0,0084
0,0161
0,0272
0,0409
0,0557
0,0699
0,0814
0,0887
0,0911
0,0888
20
0,0046
0,0097
0,0177
0,0286
0,0418
0,0559
0,0692
0,0798
0,0866
0,0888
21
0,0024
0,0055
0,0109
0,0191
0,0299
0,0426
0,0560
0,0684
0,0783
0,0846
22
0,0012
0,0030
0,0065
0,0121
0,0204
0,0310
0,0433
0,0560
0,0676
0,0769
23
0,0006
0,0016
0,0037
0,0074
0,0133
0,0216
0,0320
0,0438
0,0559
0,0669
24
0,0003
0,0008
0,0020
0,0043
0,0083
0,0144
0,0226
0,0328
0,0442
0,0557
25
0,0001
0,0004
0,0010
0,0024
0,0050
0,0092
0,0154
0,0237
0,0336
0,0446
26
0,0000
0,0002
0,0005
0,0013
0,0029
0,0057
0,0101
0,0164
0,0246
0,0343
27
0,0000
0,0001
0,0002
0,0007
0,0016
0,0034
0,0063
0,0109
0,0173
0,0254
28
0,0000
0,0000
0,0001
0,0003
0,0009
0,0019
0,0038
0,0070
0,0117
0,0181
29
0,0000
0,0000
0,0001
0,0002
0,0004
0,0011
0,0023
0,0044
0,0077
0,0125
30
0,0000
0,0000
0,0000
0,0001
0,0002
0,0006
0,0013
0,0026
0,0049
0,0083
31
0,0000
0,0000
0,0000
0,0000
0,0001
0,0003
0,0007
0,0015
0,0030
0,0054
32
0,0000
0,0000
0,0000
0,0000
0,0001
0,0001
0,0004
0,0009
0,0018
0,0034
33
0,0000
0,0000
0,0000
0,0000
0,0000
0,0001
0,0002
0,0005
0,0010
0,0020
34
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0001
0,0002
0,0006
0,0012
35
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0001
0,0003
0,0007
36
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0001
0,0002
0,0004
240
13,0
14,0
15,0
16,0
17,0
18,0
19,0
20,0
37
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0001
0,0002
38
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0001
39
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0001
241
Tabela A.5: Valores de ex e de ex
x
0,0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1,0
1,1
1,2
1,3
1,4
1,5
1,6
1,7
1,8
1,9
2,0
2,1
2,2
2,3
2,4
ex
1,00000
1,10517
1,22140
1,34986
1,49182
1,64872
1,82212
2,01375
2,22554
2,45960
2,71828
3,00417
3,32012
3,66930
4,05520
4,48169
4,95303
5,47395
6,04965
6,68589
7,38906
8,16617
9,02501
9,97418
11,02318
ex
1,00000
0,90484
0,81873
0,74082
0,67032
0,60653
0,54881
0,49659
0,44933
0,40657
0,36788
0,33287
0,30119
0,27253
0,24660
0,22313
0,20190
0,18268
0,16530
0,14957
0,13534
0,12246
0,11080
0,10026
0,09072
x
5,0
5,1
5,2
5,3
5,4
5,5
5,6
5,7
5,8
5,9
6,0
6,1
6,2
6,3
6,4
6,5
6,6
6,7
6,8
6,9
7,0
7,1
7,2
7,3
7,4
ex
148,41316
164,02191
181,27224
200,33681
221,40642
244,69193
270,42641
298,86740
330,29956
365,03747
403,42879
445,85777
492,74904
544,57191
601,84504
665,14163
735,09519
812,40583
897,84729
992,27472
1096,63316
1211,96707
1339,43076
1480,29993
1635,98443
ex
0,00674
0,00610
0,00552
0,00499
0,00452
0,00409
0,00370
0,00335
0,00303
0,00274
0,00248
0,00224
0,00203
0,00184
0,00166
0,00150
0,00136
0,00123
0,00111
0,00101
0,00091
0,00083
0,00075
0,00068
0,00061
242
Continuao
12,18249
13,46374
14,87973
16,44465
18,17415
20,08554
22,19795
24,53253
27,11264
29,96410
33,11545
36,59823
40,44730
44,70118
49,40245
54,59815
60,34029
66,68633
73,69979
81,45087
90,01713
99,48432
109,94717
121,51042
134,28978
0,08208
0,07427
0,06721
0,06081
0,05502
0,04979
0,04505
0,04076
0,03688
0,03337
0,03020
0,02732
0,02472
0,02237
0,02024
0,01832
0,01657
0,01500
0,01357
0,01228
0,01111
0,01005
0,00910
0,00823
0,00745
7,5
7,6
7,7
7,8
7,9
8,0
8,1
8,2
8,3
8,4
8,5
8,6
8,7
8,8
8,9
9,0
9,1
9,2
9,3
9,4
9,5
9,6
9,7
9,8
9,9
1808,04241
1998,19590
2208,34799
2440,60198
2697,28233
2980,95799
3294,46808
3640,95031
4023,87239
4447,06675
4914,76884
5431,65959
6002,91222
6634,24401
7331,97354
8103,08393
8955,29270
9897,12906
10938,01921
12088,38073
13359,72683
14764,78157
16317,60720
18033,74493
19930,37044
0,00055
0,00050
0,00045
0,00041
0,00037
0,00034
0,00030
0,00027
0,00025
0,00022
0,00020
0,00018
0,00017
0,00015
0,00014
0,00012
0,00011
0,00010
0,00009
0,00008
0,00007
0,00007
0,00006
0,00006
0,00005
243
0,00
0,01
0,02
0,03
0,04
0,05
0,06
0,07
0,08
0,09
-3,4
0,0003
0,0003
0,0003
0,0003
0,0003
0,0003
0,0003
0,0003
0,0003
0,0002
-3,3
0,0005
0,0005
0,0005
0,0004
0,0004
0,0004
0,0004
0,0004
0,0004
0,0003
-3,2
0,0007
0,0007
0,0006
0,0006
0,0006
0,0006
0,0006
0,0005
0,0005
0,0005
-3,1
0,0010
0,0009
0,0009
0,0009
0,0008
0,0008
0,0008
0,0008
0,0007
0,0007
-3,0
0,0013
0,0013
0,0013
0,0012
0,0012
0,0011
0,0011
0,0011
0,0010
0,0010
-2,9
0,0019
0,0018
0,0018
0,0017
0,0016
0,0016
0,0015
0,0015
0,0014
0,0014
-2,8
0,0026
0,0025
0,0024
0,0023
0,0023
0,0022
0,0021
0,0021
0,0020
0,0019
-2,7
0,0035
0,0034
0,0033
0,0032
0,0031
0,0030
0,0029
0,0028
0,0027
0,0026
-2,6
0,0047
0,0045
0,0044
0,0043
0,0041
0,0040
0,0039
0,0038
0,0037
0,0036
-2,5
0,0062
0,0060
0,0059
0,0057
0,0055
0,0054
0,0052
0,0051
0,0049
0,0048
-2,4
0,0082
0,0080
0,0078
0,0075
0,0073
0,0071
0,0069
0,0068
0,0066
0,0064
-2,3
0,0107
0,0104
0,0102
0,0099
0,0096
0,0094
0,0091
0,0089
0,0087
0,0084
-2,2
0,0139
0,0136
0,0132
0,0129
0,0125
0,0122
0,0119
0,0116
0,0113
0,0110
-2,1
0,0179
0,0174
0,0170
0,0166
0,0162
0,0158
0,0154
0,0150
0,0146
0,0143
-2,0
0,0228
0,0222
0,0217
0,0212
0,0207
0,0202
0,0197
0,0192
0,0188
0,0183
-1,9
0,0287
0,0281
0,0274
0,0268
0,0262
0,0256
0,0250
0,0244
0,0239
0,0233
-1,8
0,0359
0,0351
0,0344
0,0336
0,0329
0,0322
0,0314
0,0307
0,0301
0,0294
-1,7
0,0446
0,0436
0,0427
0,0418
0,0409
0,0401
0,0392
0,0384
0,0375
0,0367
-1,6
0,0548
0,0537
0,0526
0,0516
0,0505
0,0495
0,0485
0,0475
0,0465
0,0455
-1,5
0,0668
0,0655
0,0643
0,0630
0,0618
0,0606
0,0594
0,0582
0,0571
0,0559
-1,4
0,0808
0,0793
0,0778
0,0764
0,0749
0,0735
0,0721
0,0708
0,0694
0,0681
-1,3
0,0968
0,0951
0,0934
0,0918
0,0901
0,0885
0,0869
0,0853
0,0838
0,0823
-1,2
0,1151
0,1131
0,1112
0,1093
0,1075
0,1056
0,1038
0,1020
0,1003
0,0985
-1,1
0,1357
0,1335
0,1314
0,1292
0,1271
0,1251
0,1230
0,1210
0,1190
0,1170
-1,0
0,1587
0,1562
0,1539
0,1515
0,1492
0,1469
0,1446
0,1423
0,1401
0,1379
-0,9
0,1841
0,1814
0,1788
0,1762
0,1736
0,1711
0,1685
0,1660
0,1635
0,1611
-0,8
0,2119
0,2090
0,2061
0,2033
0,2005
0,1977
0,1949
0,1922
0,1894
0,1867
-0,7
0,2420
0,2389
0,2358
0,2327
0,2296
0,2266
0,2236
0,2206
0,2177
0,2148
-0,6
0,2743
0,2709
0,2676
0,2643
0,2611
0,2578
0,2546
0,2514
0,2483
0,2451
-0,5
0,3085
0,3050
0,3015
0,2981
0,2946
0,2912
0,2877
0,2843
0,2810
0,2776
-0,4
0,3446
0,3409
0,3372
0,3336
0,3300
0,3264
0,3228
0,3192
0,3156
0,3121
-0,3
0,3821
0,3783
0,3745
0,3707
0,3669
0,3632
0,3594
0,3557
0,3520
0,3483
-0,2
0,4207
0,4168
0,4129
0,4090
0,4052
0,4013
0,3974
0,3936
0,3897
0,3859
-0,1
0,4602
0,4562
0,4522
0,4483
0,4443
0,4404
0,4364
0,4325
0,4286
0,4247
-0,0
0,5000
0,4960
0,4920
0,4880
0,4840
0,4801
0,4761
0,4721
0,4681
0,4641
244
0,00
0,01
0,02
0,03
0,04
0,05
0,06
0,07
0,08
0,09
0,0
0,5000
0,5040
0,5080
0,5120
0,5160
0,5199
0,5239
0,5279
0,5319
0,5359
0,1
0,5398
0,5438
0,5478
0,5517
0,5557
0,5596
0,5636
0,5675
0,5714
0,5753
0,2
0,5793
0,5832
0,5871
0,5910
0,5948
0,5987
0,6026
0,6064
0,6103
0,6141
0,3
0,6179
0,6217
0,6255
0,6293
0,6331
0,6368
0,6406
0,6443
0,6480
0,6517
0,4
0,6554
0,6591
0,6628
0,6664
0,6700
0,6736
0,6772
0,6808
0,6844
0,6879
0,5
0,6915
0,6950
0,6985
0,7019
0,7054
0,7088
0,7123
0,7157
0,7190
0,7224
0,6
0,7257
0,7291
0,7324
0,7357
0,7389
0,7422
0,7454
0,7486
0,7517
0,7549
0,7
0,7580
0,7611
0,7642
0,7673
0,7704
0,7734
0,7764
0,7794
0,7823
0,7852
0,8
0,7881
0,7910
0,7939
0,7967
0,7995
0,8023
0,8051
0,8078
0,8106
0,8133
0,9
0,8159
0,8186
0,8212
0,8238
0,8264
0,8289
0,8315
0,8340
0,8365
0,8389
1,0
0,8413
0,8438
0,8461
0,8485
0,8508
0,8531
0,8554
0,8577
0,8599
0,8621
1,1
0,8643
0,8665
0,8686
0,8708
0,8729
0,8749
0,8770
0,8790
0,8810
0,8830
1,2
0,8849
0,8869
0,8888
0,8907
0,8925
0,8944
0,8962
0,8980
0,8997
0,9015
1,3
0,9032
0,9049
0,9066
0,9082
0,9099
0,9115
0,9131
0,9147
0,9162
0,9177
1,4
0,9192
0,9207
0,9222
0,9236
0,9251
0,9265
0,9279
0,9292
0,9306
0,9319
1,5
0,9332
0,9345
0,9357
0,9370
0,9382
0,9394
0,9406
0,9418
0,9429
0,9441
1,6
0,9452
0,9463
0,9474
0,9484
0,9495
0,9505
0,9515
0,9525
0,9535
0,9545
1,7
0,9554
0,9564
0,9573
0,9582
0,9591
0,9599
0,9608
0,9616
0,9625
0,9633
1,8
0,9641
0,9649
0,9656
0,9664
0,9671
0,9678
0,9686
0,9693
0,9699
0,9706
1,9
0,9713
0,9719
0,9726
0,9732
0,9738
0,9744
0,9750
0,9756
0,9761
0,9767
2,0
0,9772
0,9778
0,9783
0,9788
0,9793
0,9798
0,9803
0,9808
0,9812
0,9817
2,1
0,9821
0,9826
0,9830
0,9834
0,9838
0,9842
0,9846
0,9850
0,9854
0,9857
2,2
0,9861
0,9864
0,9868
0,9871
0,9875
0,9878
0,9881
0,9884
0,9887
0,9890
2,3
0,9893
0,9896
0,9898
0,9901
0,9904
0,9906
0,9909
0,9911
0,9913
0,9916
2,4
0,9918
0,9920
0,9922
0,9925
0,9927
0,9929
0,9931
0,9932
0,9934
0,9936
2,5
0,9938
0,9940
0,9941
0,9943
0,9945
0,9946
0,9948
0,9949
0,9951
0,9952
2,6
0,9953
0,9955
0,9956
0,9957
0,9959
0,9960
0,9961
0,9962
0,9963
0,9964
2,7
0,9965
0,9966
0,9967
0,9968
0,9969
0,9970
0,9971
0,9972
0,9973
0,9974
2,8
0,9974
0,9975
0,9976
0,9977
0,9977
0,9978
0,9979
0,9979
0,9980
0,9981
2,9
0,9981
0,9982
0,9982
0,9983
0,9984
0,9984
0,9985
0,9985
0,9986
0,9986
3,0
0,9987
0,9987
0,9987
0,9988
0,9988
0,9989
0,9989
0,9989
0,9990
0,9990
3,1
0,9990
0,9991
0,9991
0,9991
0,9992
0,9992
0,9992
0,9992
0,9993
0,9993
3,2
0,9993
0,9993
0,9994
0,9994
0,9994
0,9994
0,9994
0,9995
0,9995
0,9995
3,3
0,9995
0,9995
0,9995
0,9996
0,9996
0,9996
0,9996
0,9996
0,9996
0,9997
3,4
0,9997
0,9997
0,9997
0,9997
0,9997
0,9997
0,9997
0,9997
0,9997
0,9998
245
0,995
0,99
0,975
0,95
0,9
0,8
0,2
0,1
0,05
0,025
0,01
0,005
0,00
0,00
0,00
0,00
0,02
0,06
1,64
2,71
3,84
5,02
6,63
7,88
0,01
0,02
0,05
0,10
0,21
0,45
3,22
4,61
5,99
7,38
9,21
10,60
0,07
0,11
0,22
0,35
0,58
1,01
4,64
6,25
7,81
9,35
11,34
12,84
0,21
0,30
0,48
0,71
1,06
1,65
5,99
7,78
9,49
11,14
13,28
14,86
0,41
0,55
0,83
1,15
1,61
2,34
7,29
9,24
11,07
12,83
15,09
16,75
0,68
0,87
1,24
1,64
2,20
3,07
8,56
10,64
12,59
14,45
16,81
18,55
0,99
1,24
1,69
2,17
2,83
3,82
9,80
12,02
14,07
16,01
18,48
20,28
1,34
1,65
2,18
2,73
3,49
4,59
11,03
13,36
15,51
17,53
20,09
21,95
1,73
2,09
2,70
3,33
4,17
5,38
12,24
14,68
16,92
19,02
21,67
23,59
10
2,16
2,56
3,25
3,94
4,87
6,18
13,44
15,99
18,31
20,48
23,21
25,19
11
2,60
3,05
3,82
4,57
5,58
6,99
14,63
17,28
19,68
21,92
24,73
26,76
12
3,07
3,57
4,40
5,23
6,30
7,81
15,81
18,55
21,03
23,34
26,22
28,30
13
3,57
4,11
5,01
5,89
7,04
8,63
16,98
19,81
22,36
24,74
27,69
29,82
14
4,07
4,66
5,63
6,57
7,79
9,47
18,15
21,06
23,68
26,12
29,14
31,32
15
4,60
5,23
6,26
7,26
8,55
10,31
19,31
22,31
25,00
27,49
30,58
32,80
16
5,14
5,81
6,91
7,96
9,31
11,15
20,47
23,54
26,30
28,85
32,00
34,27
17
5,70
6,41
7,56
8,67
10,09
12,00
21,61
24,77
27,59
30,19
33,41
35,72
18
6,26
7,01
8,23
9,39
10,86
12,86
22,76
25,99
28,87
31,53
34,81
37,16
19
6,84
7,63
8,91
10,12
11,65
13,72
23,90
27,20
30,14
32,85
36,19
38,58
20
7,43
8,26
9,59
10,85
12,44
14,58
25,04
28,41
31,41
34,17
37,57
40,00
21
8,03
8,90
10,28
11,59
13,24
15,44
26,17
29,62
32,67
35,48
38,93
41,40
22
8,64
9,54
10,98
12,34
14,04
16,31
27,30
30,81
33,92
36,78
40,29
42,80
23
9,26
10,20
11,69
13,09
14,85
17,19
28,43
32,01
35,17
38,08
41,64
44,18
24
9,89
10,86
12,40
13,85
15,66
18,06
29,55
33,20
36,42
39,36
42,98
45,56
25
10,52
11,52
13,12
14,61
16,47
18,94
30,68
34,38
37,65
40,65
44,31
46,93
26
11,16
12,20
13,84
15,38
17,29
19,82
31,79
35,56
38,89
41,92
45,64
48,29
27
11,81
12,88
14,57
16,15
18,11
20,70
32,91
36,74
40,11
43,19
46,96
49,65
28
12,46
13,56
15,31
16,93
18,94
21,59
34,03
37,92
41,34
44,46
48,28
50,99
29
13,12
14,26
16,05
17,71
19,77
22,48
35,14
39,09
42,56
45,72
49,59
52,34
30
13,79
14,95
16,79
18,49
20,60
23,36
36,25
40,26
43,77
46,98
50,89
53,67
40
20,71
22,16
24,43
26,51
29,05
32,34
47,27
51,81
55,76
59,34
63,69
66,77
50
27,99
29,71
32,36
34,76
37,69
41,45
58,16
63,17
67,50
71,42
76,15
79,49
60
35,53
37,48
40,48
43,19
46,46
50,64
68,97
74,40
79,08
83,30
88,38
91,95
80
51,17
53,54
57,15
60,39
64,28
69,21
90,41
96,58
101,88
106,63
112,33
116,32
100
67,33
70,06
74,22
77,93
82,36
87,95
111,67
118,50
124,34
129,56
135,81
140,17
246
0,25
0,2
0,15
0,1
0,05
0,025
0,02
0,01
0,005
0,0005
1,000
1,376
1,963
3,078
6,314
12,706
15,894
31,821
63,656
636,578
0,816
1,061
1,386
1,886
2,920
4,303
4,849
6,965
9,925
31,600
0,765
0,978
1,250
1,638
2,353
3,182
3,482
4,541
5,841
12,924
0,741
0,941
1,190
1,533
2,132
2,776
2,999
3,747
4,604
8,610
0,727
0,920
1,156
1,476
2,015
2,571
2,757
3,365
4,032
6,869
0,718
0,906
1,134
1,440
1,943
2,447
2,612
3,143
3,707
5,959
0,711
0,896
1,119
1,415
1,895
2,365
2,517
2,998
3,499
5,408
0,706
0,889
1,108
1,397
1,860
2,306
2,449
2,896
3,355
5,041
0,703
0,883
1,100
1,383
1,833
2,262
2,398
2,821
3,250
4,781
10
0,700
0,879
1,093
1,372
1,812
2,228
2,359
2,764
3,169
4,587
11
0,697
0,876
1,088
1,363
1,796
2,201
2,328
2,718
3,106
4,437
12
0,695
0,873
1,083
1,356
1,782
2,179
2,303
2,681
3,055
4,318
13
0,694
0,870
1,079
1,350
1,771
2,160
2,282
2,650
3,012
4,221
14
0,692
0,868
1,076
1,345
1,761
2,145
2,264
2,624
2,977
4,140
15
0,691
0,866
1,074
1,341
1,753
2,131
2,249
2,602
2,947
4,073
16
0,690
0,865
1,071
1,337
1,746
2,120
2,235
2,583
2,921
4,015
17
0,689
0,863
1,069
1,333
1,740
2,110
2,224
2,567
2,898
3,965
18
0,688
0,862
1,067
1,330
1,734
2,101
2,214
2,552
2,878
3,922
19
0,688
0,861
1,066
1,328
1,729
2,093
2,205
2,539
2,861
3,883
20
0,687
0,860
1,064
1,325
1,725
2,086
2,197
2,528
2,845
3,850
21
0,686
0,859
1,063
1,323
1,721
2,080
2,189
2,518
2,831
3,819
22
0,686
0,858
1,061
1,321
1,717
2,074
2,183
2,508
2,819
3,792
23
0,685
0,858
1,060
1,319
1,714
2,069
2,177
2,500
2,807
3,768
24
0,685
0,857
1,059
1,318
1,711
2,064
2,172
2,492
2,797
3,745
25
0,684
0,856
1,058
1,316
1,708
2,060
2,167
2,485
2,787
3,725
26
0,684
0,856
1,058
1,315
1,706
2,056
2,162
2,479
2,779
3,707
27
0,684
0,855
1,057
1,314
1,703
2,052
2,158
2,473
2,771
3,689
28
0,683
0,855
1,056
1,313
1,701
2,048
2,154
2,467
2,763
3,674
29
0,683
0,854
1,055
1,311
1,699
2,045
2,150
2,462
2,756
3,660
30
0,683
0,854
1,055
1,310
1,697
2,042
2,147
2,457
2,750
3,646
40
0,681
0,851
1,050
1,303
1,684
2,021
2,123
2,423
2,704
3,551
50
0,679
0,849
1,047
1,299
1,676
2,009
2,109
2,403
2,678
3,496
80
0,678
0,846
1,043
1,292
1,664
1,990
2,088
2,374
2,639
3,416
100
0,677
0,845
1,042
1,290
1,660
1,984
2,081
2,364
2,626
3,390
1000
0,675
0,842
1,037
1,282
1,646
1,962
2,056
2,330
2,581
3,300
0,674
0,842
1,036
1,282
1,645
1,960
2,054
2,326
2,576
3,290
247
g.l.2
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
40
50
60
100
200
1000
0,1
0,05
39,86 161,45
8,53 18,51
5,54 10,13
4,54
7,71
4,06
6,61
3,78
5,99
3,59
5,59
3,46
5,32
3,36
5,12
3,29
4,96
3,23
4,84
3,18
4,75
3,14
4,67
3,10
4,60
3,07
4,54
3,05
4,49
3,03
4,45
3,01
4,41
2,99
4,38
2,97
4,35
2,96
4,32
2,95
4,30
2,94
4,28
2,93
4,26
2,92
4,24
2,91
4,23
2,90
4,21
2,89
4,20
2,89
4,18
2,88
4,17
2,84
4,08
2,81
4,03
2,79
4,00
2,76
3,94
2,73
3,89
2,71
3,85
0,025
647,79
38,51
17,44
12,22
10,01
8,81
8,07
7,57
7,21
6,94
6,72
6,55
6,41
6,30
6,20
6,12
6,04
5,98
5,92
5,87
5,83
5,79
5,75
5,72
5,69
5,66
5,63
5,61
5,59
5,57
5,42
5,34
5,29
5,18
5,10
5,04
0,01
0,001
4052,18 405311,58
98,50
998,38
34,12
167,06
21,20
74,13
16,26
47,18
13,75
35,51
12,25
29,25
11,26
25,41
10,56
22,86
10,04
21,04
9,65
19,69
9,33
18,64
9,07
17,82
8,86
17,14
8,68
16,59
8,53
16,12
8,40
15,72
8,29
15,38
8,18
15,08
8,10
14,82
8,02
14,59
7,95
14,38
7,88
14,20
7,82
14,03
7,77
13,88
7,72
13,74
7,68
13,61
7,64
13,50
7,60
13,39
7,56
13,29
7,31
12,61
7,17
12,22
7,08
11,97
6,90
11,50
6,76
11,15
6,66
10,89
248
0,025
799,48
39,00
16,04
10,65
8,43
7,26
6,54
6,06
5,71
5,46
5,26
5,10
4,97
4,86
4,77
4,69
4,62
4,56
4,51
4,46
4,42
4,38
4,35
4,32
4,29
4,27
4,24
4,22
4,20
4,18
4,05
3,97
3,93
3,83
3,76
3,70
0,01
0,001
4999,34 499725,34
99,00
998,84
30,82
148,49
18,00
61,25
13,27
37,12
10,92
27,00
9,55
21,69
8,65
18,49
8,02
16,39
7,56
14,90
7,21
13,81
6,93
12,97
6,70
12,31
6,51
11,78
6,36
11,34
6,23
10,97
6,11
10,66
6,01
10,39
5,93
10,16
5,85
9,95
5,78
9,77
5,72
9,61
5,66
9,47
5,61
9,34
5,57
9,22
5,53
9,12
5,49
9,02
5,45
8,93
5,42
8,85
5,39
8,77
5,18
8,25
5,06
7,96
4,98
7,77
4,82
7,41
4,71
7,15
4,63
6,96
249
A.9 Continuao
g.l.1 g.l.2
0,1
0,05
3
1
53,59 215,71
2
9,16 19,16
5,39
9,28
3
4
4,19
6,59
5
3,62
5,41
3,29
4,76
6
7
3,07
4,35
2,92
4,07
8
2,81
3,86
9
10
2,73
3,71
2,66
3,59
11
2,61
3,49
12
13
2,56
3,41
2,52
3,34
14
15
2,49
3,29
2,46
3,24
16
2,44
3,20
17
18
2,42
3,16
2,40
3,13
19
20
2,38
3,10
2,36
3,07
21
2,35
3,05
22
23
2,34
3,03
2,33
3,01
24
2,32
2,99
25
26
2,31
2,98
2,30
2,96
27
28
2,29
2,95
2,28
2,93
29
2,28
2,92
30
40
2,23
2,84
2,20
2,79
50
60
2,18
2,76
2,14
2,70
100
2,11
2,65
200
1000 2,09
2,61
0,025
864,15
39,17
15,44
9,98
7,76
6,60
5,89
5,42
5,08
4,83
4,63
4,47
4,35
4,24
4,15
4,08
4,01
3,95
3,90
3,86
3,82
3,78
3,75
3,72
3,69
3,67
3,65
3,63
3,61
3,59
3,46
3,39
3,34
3,25
3,18
3,13
0,01
0,001
5403,53 540256,50
99,16
999,31
29,46
141,10
16,69
56,17
12,06
33,20
9,78
23,71
8,45
18,77
7,59
15,83
6,99
13,90
6,55
12,55
6,22
11,56
5,95
10,80
5,74
10,21
5,56
9,73
5,42
9,34
5,29
9,01
5,19
8,73
5,09
8,49
5,01
8,28
4,94
8,10
4,87
7,94
4,82
7,80
4,76
7,67
4,72
7,55
4,68
7,45
4,64
7,36
4,60
7,27
4,57
7,19
4,54
7,12
4,51
7,05
4,31
6,59
4,20
6,34
4,13
6,17
3,98
5,86
3,88
5,63
3,80
5,46
250
0,025
899,60
39,25
15,10
9,60
7,39
6,23
5,52
5,05
4,72
4,47
4,28
4,12
4,00
3,89
3,80
3,73
3,66
3,61
3,56
3,51
3,48
3,44
3,41
3,38
3,35
3,33
3,31
3,29
3,27
3,25
3,13
3,05
3,01
2,92
2,85
2,80
0,01
0,001
5624,26 562667,85
99,25
999,31
28,71
137,08
15,98
53,43
11,39
31,08
9,15
21,92
7,85
17,20
7,01
14,39
6,42
12,56
5,99
11,28
5,67
10,35
5,41
9,63
5,21
9,07
5,04
8,62
4,89
8,25
4,77
7,94
4,67
7,68
4,58
7,46
4,50
7,27
4,43
7,10
4,37
6,95
4,31
6,81
4,26
6,70
4,22
6,59
4,18
6,49
4,14
6,41
4,11
6,33
4,07
6,25
4,04
6,19
4,02
6,12
3,83
5,70
3,72
5,46
3,65
5,31
3,51
5,02
3,41
4,81
3,34
4,65
251
A.9 Continuao
g.l.1 g.l.2
0,1
0,05
5
1
57,24 230,16
2
9,29 19,30
5,31
9,01
3
4
4,05
6,26
5
3,45
5,05
3,11
4,39
6
7
2,88
3,97
2,73
3,69
8
2,61
3,48
9
10
2,52
3,33
2,45
3,20
11
2,39
3,11
12
13
2,35
3,03
2,31
2,96
14
15
2,27
2,90
2,24
2,85
16
2,22
2,81
17
18
2,20
2,77
2,18
2,74
19
20
2,16
2,71
2,14
2,68
21
2,13
2,66
22
23
2,11
2,64
2,10
2,62
24
2,09
2,60
25
26
2,08
2,59
2,07
2,57
27
28
2,06
2,56
2,06
2,55
29
2,05
2,53
30
40
2,00
2,45
1,97
2,40
50
60
1,95
2,37
1,91
2,31
100
1,88
2,26
200
1000 1,85
2,22
0,025
921,83
39,30
14,88
9,36
7,15
5,99
5,29
4,82
4,48
4,24
4,04
3,89
3,77
3,66
3,58
3,50
3,44
3,38
3,33
3,29
3,25
3,22
3,18
3,15
3,13
3,10
3,08
3,06
3,04
3,03
2,90
2,83
2,79
2,70
2,63
2,58
0,01
0,001
5763,96 576496,12
99,30
999,31
28,24
134,58
15,52
51,72
10,97
29,75
8,75
20,80
7,46
16,21
6,63
13,48
6,06
11,71
5,64
10,48
5,32
9,58
5,06
8,89
4,86
8,35
4,69
7,92
4,56
7,57
4,44
7,27
4,34
7,02
4,25
6,81
4,17
6,62
4,10
6,46
4,04
6,32
3,99
6,19
3,94
6,08
3,90
5,98
3,85
5,89
3,82
5,80
3,78
5,73
3,75
5,66
3,73
5,59
3,70
5,53
3,51
5,13
3,41
4,90
3,34
4,76
3,21
4,48
3,11
4,29
3,04
4,14
252
0,025
937,11
39,33
14,73
9,20
6,98
5,82
5,12
4,65
4,32
4,07
3,88
3,73
3,60
3,50
3,41
3,34
3,28
3,22
3,17
3,13
3,09
3,05
3,02
2,99
2,97
2,94
2,92
2,90
2,88
2,87
2,74
2,67
2,63
2,54
2,47
2,42
0,01
0,001
5858,95 586032,87
99,33
999,31
27,91
132,83
15,21
50,52
10,67
28,83
8,47
20,03
7,19
15,52
6,37
12,86
5,80
11,13
5,39
9,93
5,07
9,05
4,82
8,38
4,62
7,86
4,46
7,44
4,32
7,09
4,20
6,80
4,10
6,56
4,01
6,35
3,94
6,18
3,87
6,02
3,81
5,88
3,76
5,76
3,71
5,65
3,67
5,55
3,63
5,46
3,59
5,38
3,56
5,31
3,53
5,24
3,50
5,18
3,47
5,12
3,29
4,73
3,19
4,51
3,12
4,37
2,99
4,11
2,89
3,92
2,82
3,78
253
A.9 Continuao
g.l.1 g.l.2
0,1
0,05
7
1
58,91 236,77
2
9,35 19,35
5,27
8,89
3
4
3,98
6,09
5
3,37
4,88
3,01
4,21
6
7
2,78
3,79
2,62
3,50
8
2,51
3,29
9
10
2,41
3,14
2,34
3,01
11
2,28
2,91
12
13
2,23
2,83
2,19
2,76
14
15
2,16
2,71
2,13
2,66
16
2,10
2,61
17
18
2,08
2,58
2,06
2,54
19
20
2,04
2,51
2,02
2,49
21
2,01
2,46
22
23
1,99
2,44
1,98
2,42
24
1,97
2,40
25
26
1,96
2,39
1,95
2,37
27
28
1,94
2,36
1,93
2,35
29
1,93
2,33
30
40
1,87
2,25
1,84
2,20
50
60
1,82
2,17
1,78
2,10
100
1,75
2,06
200
1000 1,72
2,02
0,025
948,20
39,36
14,62
9,07
6,85
5,70
4,99
4,53
4,20
3,95
3,76
3,61
3,48
3,38
3,29
3,22
3,16
3,10
3,05
3,01
2,97
2,93
2,90
2,87
2,85
2,82
2,80
2,78
2,76
2,75
2,62
2,55
2,51
2,42
2,35
2,30
0,01
0,001
5928,33 593185,42
99,36
999,31
27,67
131,61
14,98
49,65
10,46
28,17
8,26
19,46
6,99
15,02
6,18
12,40
5,61
10,70
5,20
9,52
4,89
8,65
4,64
8,00
4,44
7,49
4,28
7,08
4,14
6,74
4,03
6,46
3,93
6,22
3,84
6,02
3,77
5,85
3,70
5,69
3,64
5,56
3,59
5,44
3,54
5,33
3,50
5,24
3,46
5,15
3,42
5,07
3,39
5,00
3,36
4,93
3,33
4,87
3,30
4,82
3,12
4,44
3,02
4,22
2,95
4,09
2,82
3,83
2,73
3,65
2,66
3,51
254
0,025
956,64
39,37
14,54
8,98
6,76
5,60
4,90
4,43
4,10
3,85
3,66
3,51
3,39
3,29
3,20
3,12
3,06
3,01
2,96
2,91
2,87
2,84
2,81
2,78
2,75
2,73
2,71
2,69
2,67
2,65
2,53
2,46
2,41
2,32
2,26
2,20
0,01
0,001
5980,95 597953,80
99,38
999,31
27,49
130,62
14,80
49,00
10,29
27,65
8,10
19,03
6,84
14,63
6,03
12,05
5,47
10,37
5,06
9,20
4,74
8,35
4,50
7,71
4,30
7,21
4,14
6,80
4,00
6,47
3,89
6,20
3,79
5,96
3,71
5,76
3,63
5,59
3,56
5,44
3,51
5,31
3,45
5,19
3,41
5,09
3,36
4,99
3,32
4,91
3,29
4,83
3,26
4,76
3,23
4,69
3,20
4,64
3,17
4,58
2,99
4,21
2,89
4,00
2,82
3,86
2,69
3,61
2,60
3,43
2,53
3,30
255
A.9 Continuao
g.l.1 g.l.2
0,1
0,05
9
1
59,86 240,54
2
9,38 19,38
5,24
8,81
3
4
3,94
6,00
5
3,32
4,77
2,96
4,10
6
7
2,72
3,68
2,56
3,39
8
2,44
3,18
9
10
2,35
3,02
2,27
2,90
11
2,21
2,80
12
13
2,16
2,71
2,12
2,65
14
15
2,09
2,59
2,06
2,54
16
2,03
2,49
17
18
2,00
2,46
1,98
2,42
19
20
1,96
2,39
1,95
2,37
21
1,93
2,34
22
23
1,92
2,32
1,91
2,30
24
1,89
2,28
25
26
1,88
2,27
1,87
2,25
27
28
1,87
2,24
1,86
2,22
29
1,85
2,21
30
40
1,79
2,12
1,76
2,07
50
60
1,74
2,04
1,69
1,97
100
1,66
1,93
200
1000 1,64
1,89
0,025
963,28
39,39
14,47
8,90
6,68
5,52
4,82
4,36
4,03
3,78
3,59
3,44
3,31
3,21
3,12
3,05
2,98
2,93
2,88
2,84
2,80
2,76
2,73
2,70
2,68
2,65
2,63
2,61
2,59
2,57
2,45
2,38
2,33
2,24
2,18
2,13
0,01
0,001
6022,40 602245,33
99,39
999,31
27,34
129,86
14,66
48,47
10,16
27,24
7,98
18,69
6,72
14,33
5,91
11,77
5,35
10,11
4,94
8,96
4,63
8,12
4,39
7,48
4,19
6,98
4,03
6,58
3,89
6,26
3,78
5,98
3,68
5,75
3,60
5,56
3,52
5,39
3,46
5,24
3,40
5,11
3,35
4,99
3,30
4,89
3,26
4,80
3,22
4,71
3,18
4,64
3,15
4,57
3,12
4,50
3,09
4,45
3,07
4,39
2,89
4,02
2,78
3,82
2,72
3,69
2,59
3,44
2,50
3,26
2,43
3,13
256
0,025
968,63
39,40
14,42
8,84
6,62
5,46
4,76
4,30
3,96
3,72
3,53
3,37
3,25
3,15
3,06
2,99
2,92
2,87
2,82
2,77
2,73
2,70
2,67
2,64
2,61
2,59
2,57
2,55
2,53
2,51
2,39
2,32
2,27
2,18
2,11
2,06
0,01
0,001
6055,93 605583,19
99,40
999,31
27,23
129,22
14,55
48,05
10,05
26,91
7,87
18,41
6,62
14,08
5,81
11,54
5,26
9,89
4,85
8,75
4,54
7,92
4,30
7,29
4,10
6,80
3,94
6,40
3,80
6,08
3,69
5,81
3,59
5,58
3,51
5,39
3,43
5,22
3,37
5,08
3,31
4,95
3,26
4,83
3,21
4,73
3,17
4,64
3,13
4,56
3,09
4,48
3,06
4,41
3,03
4,35
3,00
4,29
2,98
4,24
2,80
3,87
2,70
3,67
2,63
3,54
2,50
3,30
2,41
3,12
2,34
2,99
257
A.9 Continuao
g.l.1 g.l.2
0,1
0,05
12
1
60,71 243,90
2
9,41 19,41
5,22
8,74
3
4
3,90
5,91
5
3,27
4,68
2,90
4,00
6
7
2,67
3,57
2,50
3,28
8
2,38
3,07
9
10
2,28
2,91
2,21
2,79
11
2,15
2,69
12
13
2,10
2,60
2,05
2,53
14
15
2,02
2,48
1,99
2,42
16
1,96
2,38
17
18
1,93
2,34
1,91
2,31
19
20
1,89
2,28
1,87
2,25
21
1,86
2,23
22
23
1,84
2,20
1,83
2,18
24
1,82
2,16
25
26
1,81
2,15
1,80
2,13
27
28
1,79
2,12
1,78
2,10
29
1,77
2,09
30
40
1,71
2,00
1,68
1,95
50
60
1,66
1,92
1,61
1,85
100
1,58
1,80
200
1000 1,55
1,76
0,025
976,72
39,41
14,34
8,75
6,52
5,37
4,67
4,20
3,87
3,62
3,43
3,28
3,15
3,05
2,96
2,89
2,82
2,77
2,72
2,68
2,64
2,60
2,57
2,54
2,51
2,49
2,47
2,45
2,43
2,41
2,29
2,22
2,17
2,08
2,01
1,96
0,01
0,001
6106,68 610351,56
99,42
999,31
27,05
128,32
14,37
47,41
9,89
26,42
7,72
17,99
6,47
13,71
5,67
11,19
5,11
9,57
4,71
8,45
4,40
7,63
4,16
7,00
3,96
6,52
3,80
6,13
3,67
5,81
3,55
5,55
3,46
5,32
3,37
5,13
3,30
4,97
3,23
4,82
3,17
4,70
3,12
4,58
3,07
4,48
3,03
4,39
2,99
4,31
2,96
4,24
2,93
4,17
2,90
4,11
2,87
4,05
2,84
4,00
2,66
3,64
2,56
3,44
2,50
3,32
2,37
3,07
2,27
2,90
2,20
2,77
258
0,025
984,87
39,43
14,25
8,66
6,43
5,27
4,57
4,10
3,77
3,52
3,33
3,18
3,05
2,95
2,86
2,79
2,72
2,67
2,62
2,57
2,53
2,50
2,47
2,44
2,41
2,39
2,36
2,34
2,32
2,31
2,18
2,11
2,06
1,97
1,90
1,85
0,01
0,001
6156,97 616073,61
99,43
999,31
26,87
127,36
14,20
46,76
9,72
25,91
7,56
17,56
6,31
13,32
5,52
10,84
4,96
9,24
4,56
8,13
4,25
7,32
4,01
6,71
3,82
6,23
3,66
5,85
3,52
5,54
3,41
5,27
3,31
5,05
3,23
4,87
3,15
4,70
3,09
4,56
3,03
4,44
2,98
4,33
2,93
4,23
2,89
4,14
2,85
4,06
2,81
3,99
2,78
3,92
2,75
3,86
2,73
3,80
2,70
3,75
2,52
3,40
2,42
3,20
2,35
3,08
2,22
2,84
2,13
2,67
2,06
2,54
259
A.9 Continuao
g.l.1 g.l.2
0,1
0,05
20
1
61,74 248,02
2
9,44 19,45
5,18
8,66
3
4
3,84
5,80
5
3,21
4,56
2,84
3,87
6
7
2,59
3,44
2,42
3,15
8
2,30
2,94
9
10
2,20
2,77
2,12
2,65
11
2,06
2,54
12
13
2,01
2,46
1,96
2,39
14
15
1,92
2,33
1,89
2,28
16
1,86
2,23
17
18
1,84
2,19
1,81
2,16
19
20
1,79
2,12
1,78
2,10
21
1,76
2,07
22
23
1,74
2,05
1,73
2,03
24
1,72
2,01
25
26
1,71
1,99
1,70
1,97
27
28
1,69
1,96
1,68
1,94
29
1,67
1,93
30
40
1,61
1,84
1,57
1,78
50
60
1,54
1,75
1,49
1,68
100
1,46
1,62
200
1000 1,43
1,58
0,025
993,08
39,45
14,17
8,56
6,33
5,17
4,47
4,00
3,67
3,42
3,23
3,07
2,95
2,84
2,76
2,68
2,62
2,56
2,51
2,46
2,42
2,39
2,36
2,33
2,30
2,28
2,25
2,23
2,21
2,20
2,07
1,99
1,94
1,85
1,78
1,72
0,01
0,001
6208,66 620841,98
99,45
999,31
26,69
126,43
14,02
46,10
9,55
25,39
7,40
17,12
6,16
12,93
5,36
10,48
4,81
8,90
4,41
7,80
4,10
7,01
3,86
6,40
3,66
5,93
3,51
5,56
3,37
5,25
3,26
4,99
3,16
4,78
3,08
4,59
3,00
4,43
2,94
4,29
2,88
4,17
2,83
4,06
2,78
3,96
2,74
3,87
2,70
3,79
2,66
3,72
2,63
3,66
2,60
3,60
2,57
3,54
2,55
3,49
2,37
3,15
2,27
2,95
2,20
2,83
2,07
2,59
1,97
2,42
1,90
2,30
260
0,025
998,09
39,46
14,12
8,50
6,27
5,11
4,40
3,94
3,60
3,35
3,16
3,01
2,88
2,78
2,69
2,61
2,55
2,49
2,44
2,40
2,36
2,32
2,29
2,26
2,23
2,21
2,18
2,16
2,14
2,12
1,99
1,92
1,87
1,77
1,70
1,64
0,01
0,001
6239,86 623703,00
99,46
999,31
26,58
125,84
13,91
45,69
9,45
25,08
7,30
16,85
6,06
12,69
5,26
10,26
4,71
8,69
4,31
7,60
4,01
6,81
3,76
6,22
3,57
5,75
3,41
5,38
3,28
5,07
3,16
4,82
3,07
4,60
2,98
4,42
2,91
4,26
2,84
4,12
2,79
4,00
2,73
3,89
2,69
3,79
2,64
3,71
2,60
3,63
2,57
3,56
2,54
3,49
2,51
3,43
2,48
3,38
2,45
3,33
2,27
2,98
2,17
2,79
2,10
2,67
1,97
2,43
1,87
2,26
1,79
2,14
261
A.9 Continuao
g.l.1 g.l.2
0,1
0,05
0,025
0,01
0,001
30
1
62,26 250,10 1001,40 6260,35 626087,19
2
9,46 19,46
39,46
99,47
999,31
5,17
8,62
14,08
26,50
125,44
3
4
3,82
5,75
8,46
13,84
45,43
5
3,17
4,50
6,23
9,38
24,87
2,80
3,81
5,07
7,23
16,67
6
7
2,56
3,38
4,36
5,99
12,53
2,38
3,08
3,89
5,20
10,11
8
2,25
2,86
3,56
4,65
8,55
9
10
2,16
2,70
3,31
4,25
7,47
2,08
2,57
3,12
3,94
6,68
11
2,01
2,47
2,96
3,70
6,09
12
13
1,96
2,38
2,84
3,51
5,63
1,91
2,31
2,73
3,35
5,25
14
15
1,87
2,25
2,64
3,21
4,95
1,84
2,19
2,57
3,10
4,70
16
1,81
2,15
2,50
3,00
4,48
17
18
1,78
2,11
2,44
2,92
4,30
1,76
2,07
2,39
2,84
4,14
19
20
1,74
2,04
2,35
2,78
4,00
1,72
2,01
2,31
2,72
3,88
21
1,70
1,98
2,27
2,67
3,78
22
23
1,69
1,96
2,24
2,62
3,68
1,67
1,94
2,21
2,58
3,59
24
1,66
1,92
2,18
2,54
3,52
25
26
1,65
1,90
2,16
2,50
3,44
1,64
1,88
2,13
2,47
3,38
27
28
1,63
1,87
2,11
2,44
3,32
1,62
1,85
2,09
2,41
3,27
29
1,61
1,84
2,07
2,39
3,22
30
40
1,54
1,74
1,94
2,20
2,87
1,50
1,69
1,87
2,10
2,68
50
60
1,48
1,65
1,82
2,03
2,55
1,42
1,57
1,71
1,89
2,32
100
1,38
1,52
1,64
1,79
2,15
200
1000 1,35
1,47
1,58
1,72
2,02
262
263
A.9 Continuao
g.l.1 g.l.2
0,1
0,05
0,025
0,01
0,001
50
1
62,69 251,77 1008,10 6302,26 630378,72
2
9,47 19,48
39,48
99,48
999,31
5,15
8,58
14,01
26,35
124,68
3
4
3,80
5,70
8,38
13,69
44,88
5
3,15
4,44
6,14
9,24
24,44
2,77
3,75
4,98
7,09
16,31
6
7
2,52
3,32
4,28
5,86
12,20
2,35
3,02
3,81
5,07
9,80
8
2,22
2,80
3,47
4,52
8,26
9
10
2,12
2,64
3,22
4,12
7,19
2,04
2,51
3,03
3,81
6,42
11
1,97
2,40
2,87
3,57
5,83
12
13
1,92
2,31
2,74
3,38
5,37
1,87
2,24
2,64
3,22
5,00
14
15
1,83
2,18
2,55
3,08
4,70
1,79
2,12
2,47
2,97
4,45
16
1,76
2,08
2,41
2,87
4,24
17
18
1,74
2,04
2,35
2,78
4,06
1,71
2,00
2,30
2,71
3,90
19
20
1,69
1,97
2,25
2,64
3,77
1,67
1,94
2,21
2,58
3,64
21
1,65
1,91
2,17
2,53
3,54
22
23
1,64
1,88
2,14
2,48
3,44
1,62
1,86
2,11
2,44
3,36
24
1,61
1,84
2,08
2,40
3,28
25
26
1,59
1,82
2,05
2,36
3,21
1,58
1,81
2,03
2,33
3,14
27
28
1,57
1,79
2,01
2,30
3,09
1,56
1,77
1,99
2,27
3,03
29
1,55
1,76
1,97
2,25
2,98
30
40
1,48
1,66
1,83
2,06
2,64
1,44
1,60
1,75
1,95
2,44
50
60
1,41
1,56
1,70
1,88
2,32
1,35
1,48
1,59
1,74
2,08
100
1,31
1,41
1,51
1,63
1,90
200
1000 1,27
1,36
1,45
1,54
1,77
264
265
A.9 Continuao
g.l.1 g.l.2
0,1
0,05
0,025
0,01
0,001
120
1
63,06 253,25 1014,04 6339,51 634193,42
2
9,48 19,49
39,49
99,49
999,31
5,14
8,55
13,95
26,22
123,98
3
4
3,78
5,66
8,31
13,56
44,40
5
3,12
4,40
6,07
9,11
24,06
2,74
3,70
4,90
6,97
15,98
6
7
2,49
3,27
4,20
5,74
11,91
2,32
2,97
3,73
4,95
9,53
8
2,18
2,75
3,39
4,40
8,00
9
10
2,08
2,58
3,14
4,00
6,94
2,00
2,45
2,94
3,69
6,18
11
1,93
2,34
2,79
3,45
5,59
12
13
1,88
2,25
2,66
3,25
5,14
1,83
2,18
2,55
3,09
4,77
14
15
1,79
2,11
2,46
2,96
4,48
1,75
2,06
2,38
2,84
4,23
16
1,72
2,01
2,32
2,75
4,02
17
18
1,69
1,97
2,26
2,66
3,84
1,67
1,93
2,20
2,58
3,68
19
20
1,64
1,90
2,16
2,52
3,54
1,62
1,87
2,11
2,46
3,42
21
1,60
1,84
2,08
2,40
3,32
22
23
1,59
1,81
2,04
2,35
3,22
1,57
1,79
2,01
2,31
3,14
24
1,56
1,77
1,98
2,27
3,06
25
26
1,54
1,75
1,95
2,23
2,99
1,53
1,73
1,93
2,20
2,92
27
28
1,52
1,71
1,91
2,17
2,86
1,51
1,70
1,89
2,14
2,81
29
1,50
1,68
1,87
2,11
2,76
30
40
1,42
1,58
1,72
1,92
2,41
1,38
1,51
1,64
1,80
2,21
50
60
1,35
1,47
1,58
1,73
2,08
1,28
1,38
1,46
1,57
1,83
100
1,23
1,30
1,37
1,45
1,64
200
1000 1,18
1,24
1,29
1,35
1,49
266
267
2,2,2
3,2,1
3,2,2
3,3,1
3,3,2
3,3,3
4,2,1
4,2,2
4,3,1
4,3,2
4,3,3
4,4,1
4,4,2
4,4,3
4,4,4
5,2,1
5,2,2
5,3,1
5,3,2
5,3,3
5,4,1
5,4,2
5,4,3
5,4,4
5,5,1
5,5,2
5,5,3
5,5,4
5,5,5
W0.90
3,7143
3,8571
4,4643
4,0000
4,2500
4,6000
4,0179
4,1667
3,8889
4,4444
4,7000
4,0667
4,4455
4,7730
4,5000
4,0500
4,2933
3,8400
4,4946
4,4121
3,9600
4,5182
4,5231
4,6187
4,0364
4,5077
4,5363
4,5200
4,5000
W0.95
4,5714
4,2857
4,5000
4,5714
5,1389
5,0667
4,8214
5,1250
5,0000
5,4000
5,7273
4,8667
5,2364
5,5758
5,6538
4,4500
5,0400
4,8711
5,1055
5,5152
4,8600
5,2682
5,6308
5,6176
4,9091
5,2462
5,6264
5,6429
5,6600
W0.99
4,5714
4,2857
5,3571
5,1429
6,2500
6,4889
4,8214
6,0000
5,8333
6,3000
6,7091
6,1667
6,8727
7,1364
7,5385
5,2500
6,1333
6,4000
6,8218
6,9818
6,8400
7,1182
7,3949
7,7440
6,8364
7,2692
7,5429
7,7914
7,9800
268
n
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
p (Teste unilateral)
0,900 0,950 0,975 0,990
p (Teste bilateral)
0,800 0,900 0,950 0,980
0,900 0,950 0,975 0,990
0,684 0,776 0,842 0,900
0,565 0,636 0,708 0,785
0,493 0,565 0,624 0,689
0,447 0,509 0,563 0,627
0,410 0,468 0,519 0,577
0,381 0,436 0,483 0,538
0,358 0,410 0,454 0,507
0,339 0,387 0,430 0,480
0,323 0,369 0,409 0,457
0,308 0,352 0,391 0,437
0,296 0,338 0,375 0,419
0,285 0,325 0,361 0,404
0,275 0,314 0,349 0,390
0,266 0,304 0,338 0,377
0,258 0,295 0,327 0,366
0,250 0,286 0,318 0,355
0,244 0,279 0,309 0,346
0,237 0,271 0,301 0,337
0,232 0,265 0,294 0,329
0,226 0,259 0,287 0,321
0,221 0,253 0,281 0,314
0,216 0,247 0,275 0,307
0,212 0,242 0,269 0,301
0,208 0,238 0,264 0,295
0,204 0,233 0,259 0,290
0,200 0,229 0,254 0,284
0,197 0,225 0,250 0,279
0,193 0,221 0,246 0,275
0,190 0,218 0,242 0,270
0,187 0,214 0,238 0,266
0,184 0,211 0,234 0,262
0,182 0,208 0,231 0,258
0,179 0,205 0,227 0,254
0,177 0,202 0,224 0,251
0,174 0,199 0,221 0,247
0,995
0,990
0,995
0,929
0,829
0,734
0,669
0,617
0,576
0,542
0,513
0,489
0,468
0,449
0,432
0,418
0,404
0,392
0,381
0,371
0,361
0,352
0,344
0,337
0,330
0,323
0,317
0,311
0,305
0,300
0,295
0,290
0,285
0,281
0,277
0,273
0,269
0,265
269
A.11 Continuao
p (Teste unilateral)
0,900 0,950 0,975 0,990
p (Teste bilateral)
n
0,800 0,900 0,950 0,980
37
0,172 0,196 0,218 0,244
38
0,170 0,194 0,215 0,241
0,168 0,191 0,213 0,238
39
40
0,165 0,189 0,210 0,235
1,22
1,36
1,52
1,07
>40
n
n
n
n
0,995
0,990
0,262
0,258
0,255
0,252
1,63
270
n
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
25
30
>30
0,80
0,300
0,285
0,265
0,247
0,233
0,223
0,215
0,206
0,199
0,190
0,183
0,177
0,173
0,169
0,166
0,163
0,160
0,142
0,131
0,736
0,85
0,319
0,299
0,277
0,258
0,244
0,233
0,224
0,217
0,212
0,202
0,194
0,187
0,182
0,177
0,173
0,169
0,166
0,147
0,136
0,768
p
0,90
0,352
0,315
0,294
0,276
0,261
0,249
0,239
0,230
0,223
0,214
0,207
0,201
0,195
0,189
0,184
0,179
0,174
0,158
0,144
0,805
0,95
0,381
0,337
0,319
0,300
0,285
0,271
0,258
0,249
0,242
0,234
0,227
0,220
0,213
0,206
0,200
0,195
0,190
0,173
0,161
0,886
0,99
0,417
0,405
0,364
0,348
0,331
0,311
0,294
0,284
0,275
0,268
0,261
0,257
0,250
0,245
0,239
0,235
0,231
0,200
0,187
1,031
271
0,050
0,100
0,200
0,300
0,500
0,700
0,800
0,900
0,950
0,990
0,999
0,3127
0,3200
0,3337
0,3617
0,4337
0,5034
0,5507
0,5934
0,6133
0,6284
0,6317
0,2299
0,2544
0,2899
0,3166
0,3645
0,4122
0,4508
0,5111
0,5508
0,6003
0,6296
0,2072
0,2281
0,2545
0,2766
0,3163
0,3685
0,4007
0,4442
0,4844
0,5574
0,6215
0,1884
0,2052
0,2290
0,2483
0,2877
0,3317
0,3603
0,4045
0,4420
0,5127
0,5814
0,1726
0,1882
0,2102
0,2290
0,2645
0,3045
0,3320
0,3732
0,4085
0,4748
0,5497
0,1604
0,1750
0,1961
0,3126
0,2458
0,2838
0,3098
0,3481
0,3811
0,4459
0,5185
0,1506
0,1646
0,1845
0,2006
0,2309
0,2671
0,2914
0,3274
0,3590
0,4208
0,4913
0,1426
0,1561
0,1746
0,1897
0,2186
0,2529
0,2758
0,3101
0,3404
0,3995
0,4679
10
0,1359
0,1486
0,1661
0,1805
0,2082
0,2407
0,2626
0,2955
0,3244
0,3813
0,4473
12
0,1249
0,1364
0,1524
0,1657
0,1912
0,2209
0,2411
0,2714
0,2981
0,3511
0,4132
14
0,1162
0,1268
0,1418
0,1542
0,1778
0,2054
0,2242
0,2525
0,2774
0,3272
0,3858
16
0,1091
0,1191
0,1332
0,1448
0,1669
0,1929
0,2105
0,2371
0,2606
0,3076
0,3632
18
0,1032
0,1127
0,1260
0,1369
0,1578
0,1824
0,1990
0,2242
0,2465
0,2911
0,3441
20
0,0982
0,1073
0,1199
0,1303
0,1501
0,1735
0,1893
0,2132
0,2345
0,2771
0,3277
22
0,0939
0,1025
0,1146
0,1245
0,1434
0,1657
0,1809
0,2038
0,2241
0,2649
0,3135
24
0,0901
0,0984
0,1099
0,1195
0,1376
0,1590
0,1735
0,1954
0,2150
0,2542
0,3010
26
0,0868
0,0947
0,1058
0,1150
0,1324
0,1530
0,1670
0,1881
0,2069
0,2447
0,2899
28
0,0838
0,0914
0,1021
0,1110
0,1278
0,1477
0,1611
0,1815
0,1997
0,2362
0,2799
30
0,0811
0,0885
0,0988
0,1074
0,1236
0,1428
0,1559
0,1756
0,1932
0,2286
0,2709
35
0,0754
0,0822
0,0918
0,0997
0,1148
0,1326
0,1447
0,1630
0,1793
0,2123
0,2517
40
0,0707
0,0771
0,0861
0,0935
0,1077
0,1243
0,1356
0,1528
0,1681
0,1990
0,2361
45
0,0668
0,0729
0,0814
0,0884
0,1017
0,1174
0,1281
0,1443
0,1588
0,1880
0,2231
50
0,0636
0,0693
0,0774
0,0840
0,0966
0,1116
0,1217
0,1371
0,1509
0,1787
0,2121
60
0,0582
0,0635
0,0708
0,0769
0,0885
0,1021
0,1114
0,1255
0,1381
0,1635
0,1943
70
0,0541
0,0589
0,0658
0,0714
0,0821
0,0946
0,1033
0,1164
0,1281
0,1517
80
0,0507
0,0553
0,0616
0,0669
0,0769
0,0887
0,0968
0,1090
0,1200
0,1421
90
0,0479
0,0522
0,0582
0,0632
0,0726
0,0838
0,0914
0,1029
0,1132
0,1341
100
0,0455
0,0496
0,0553
0,0600
0,0690
0,0796
0,0868
0,0977
0,1075
0,1274
>100
0,4550
0,4959
0,5530
0,6000
0,6898
0,7957
0,8678
0,9773
1,0753
1,2743
272
n
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
34
36
38
40
p (Teste unilateral)
0,900 0,950 0,975 0,990
p (Teste bilateral)
0,800 0,900 0,950 0,980
2/3
2/3
3/4
3/4
3/4
3/5
3/5
4/5
4/5
3/6
4/6
4/6
5/6
4/7
4/7
5/7
5/7
4/8
4/8
5/8
5/8
4/9
5/9
5/9
6/9
4/10
5/10
6/10
6/10
5/11
5/11
6/11
7/11
5/12
5/12
6/12
7/12
5/13
6/13
6/13
7/13
5/14
6/14
7/14
7/14
5/15
6/15
7/15
8/15
6/16
6/16
7/16
8/16
6/17
7/17
7/17
8/17
6/18
7/18
8/18
9/18
6/19
7/19
8/19
9/19
6/20
7/20
8/20
9/20
6/21
7/21
8/21
9/21
7/22
8/22
8/22 10/22
7/23
8/23
9/23 10/23
7/24
8/24
9/24 10/24
7/25
8/25
9/25 10/25
7/26
8/26
9/26 10/26
7/27
8/27
9/27 11/27
8/28
9/28 10/28 11/28
8/29
9/29 10/29 11/29
8/30
9/30 10/30 11/30
8/31
9/31 10/31 11/31
8/32
9/32 10/32 12/32
8/34 10/34 11/34 12/34
9/36 10/36 11/36 12/36
9/38 10/38 11/38 13/38
9/40 10/40 12/40 13/40
0,995
0,990
4/5
5/6
5/7
6/8
6/9
7/10
7/11
7/12
8/13
8/14
8/15
9/16
9/17
9/19
9/19
10/20
10/21
10/22
10/23
11/24
11/25
11/26
11/27
12/28
12/29
12/30
12/31
12/32
13/34
13/36
14/38
14/40
273
A.14 Continuao
p (Teste unilateral)
0,900 0,950 0,975 0,990
p (Teste bilateral)
n
0,800 0,900 0,950 0,980
1,52
1,73
1,92
2,15
>40
n
n
n
n
0,995
0,990
2,30
274
m
9
10
3
4
5
6
7
8
9
10
4
5
6
7
8
9
10
12
5
6
7
8
9
10
12
16
6
7
8
9
10
15
20
7
8
0,80
17/18
9/10
5/6
3/4
4/5
5/6
5/7
3/4
7/9
7/10
3/4
2/3
2/3
2/3
5/8
2/3
3/5
7/12
3/5
7/12
17/28
5/8
5/9
11/20
7/12
9/16
3/5
4/7
11/20
5/9
1/2
8/15
1/2
23/42
1/2
p (Teste unilateral)
0,95
0,975
0,99
p (Teste bilateral)
0,90
0,95
0,98
4/5
5/6
6/7
7/8
8/9
4/5
3/4
4/5
2/3
5/7
3/4
2/3
7/10
2/3
3/4
2/3
5/7
5/8
2/3
13/20
2/3
5/8
2/3
23/35
5/8
3/5
3/5
3/5
11/20
4/7
7/12
0,995
0,99
7/8
8/9
9/10
4/5
5/6
6/7
3/4
7/9
4/5
3/4
4/5
3/4
3/4
3/4
3/4
7/10
2/3
11/16
2/3
5/7
27/40
31/45
7/10
2/3
3/5
29/42
2/3
6/7
7/8
8/9
9/10
5/6
4/5
5/6
6/7
7/8
7/9
4/5
3/4
3/4
5/6
29/35
4/5
7/9
7/10
11/15
7/10
5/7
3/4
8/9
9/10
11/12
5/6
6/7
7/8
8/9
4/5
5/6
13/16
5/6
6/7
4/5
4/5
4/5
11/15
3/4
5/6
3/4
275
A.15 Continuao
0,90
n
10
12
15
16
m
9
10
12
18
24
8
9
10
14
28
9
10
12
16
32
10
12
15
18
36
15
20
40
15
16
18
20
20
20
n e m grandes
0,80
1/2
1/2
1/2
4/9
11/24
27/56
31/63
33/70
3/7
3/7
4/9
19/40
11/24
7/16
13/32
7/15
4/9
19/45
7/18
13/36
2/5
2/5
7/20
23/60
3/8
13/36
11/30
7/20
27/80
1.07 m+n
mn
p (Teste unilateral)
0,95
0,975
0,99
p (Teste bilateral)
0,90
0,95
0,98
5/9
2/3
13/18
17/30
19/30
7/10
7/12
7/12
2/3
5/9
11/18
2/3
1/2
7/12
5/8
33/56
5/8
41/56
5/9
40/63
5/7
39/70
43/70
7/10
1/2
4/7
9/14
13/28
15/28
17/28
13/24
4/8
2/3
21/40
23/40
27/40
1/2
7/12
5/8
1/2
9/16
5/8
7/16
1/2
9/16
1/2
26/45
2/3
1/2
5/9
11/18
22/45
8/15
3/5
4/9
1/2
5/9
5/12
17/36
19/36
7/15
1/2
17/30
9/20
1/2
11/20
2/5
9/20
1/2
9/20
1/2
11/20
7/16
23/48
13/24
5/12
17/36
19/36
5/12
7/15
31/60
2/5
13/30
29/60
31/80
17/40
19/40
1.22 m+n
mn
1.36 m+n
mn
1.52 m+n
mn
0,995
0,99
7/9
11/15
3/4
13/18
2/3
3/4
47/63
5/7
5/7
9/14
3/4
7/10
2/3
5/8
19/32
31/45
2/3
29/45
11/18
5/9
19/30
3/5
7/12
7/12
5/9
17/30
31/60
41/80
1.63 m+n
mn
276
n
2
3
4
5
6
7
8
9
10
12
14
16
18
20
25
30
35
40
45
50
>50
0,90
0,95
p
0,975
2
3
3
3
4
4
4
4
5
5
6
6
6
7
8
8
9
10
10
1,52
2
3
3
4
4
4
5
5
5
6
6
7
7
8
9
10
10
11
12
1,73
3
4
4
5
5
5
6
6
7
7
8
8
9
10
11
12
12
13
1,92
(n)
(n)
(n)
0,99
0,995
4
5
5
5
6
6
7
7
8
9
9
10
11
12
13
14
15
2,15
4
5
5
6
6
7
7
8
9
9
10
11
12
13
14
15
16
2,30
(n)
(n)
277
A.16 Continuao
k
3
n
2
3
4
5
6
7
8
9
10
12
14
16
18
20
25
30
35
40
45
50
>50
0,90
0,95
p
0,975
2
3
3
4
4
4
5
5
5
6
6
7
7
8
9
10
10
11
12
1,73
3
4
4
5
5
5
6
6
7
7
8
8
9
10
11
12
12
13
1,92
4
5
5
5
6
6
7
7
8
8
9
10
11
12
13
14
14
2,09
(n)
(n)
(n)
0,99
0,995
4
5
5
6
6
7
7
8
9
9
10
11
12
13
14
15
16
2,30
5
6
6
7
7
8
8
9
10
10
12
13
14
15
16
17
2,45
(n)
(n)
278
n
2
3
4
5
6
7
8
9
10
12
14
16
18
20
25
30
35
40
45
50
>50
0,90
0,95
p
0,975
3
4
4
4
5
5
5
6
6
7
7
8
9
10
10
11
12
13
1,85
3
4
4
5
5
6
6
6
7
8
8
8
9
10
10
11
12
13
2,02
4
5
5
6
6
6
7
8
8
9
9
10
11
12
13
14
15
2,19
(n)
(n)
(n)
0,99
0,995
5
6
6
6
7
8
8
9
9
10
11
12
14
15
15
16
2,39
5
6
6
7
7
8
9
9
10
11
12
13
14
15
16
17
2,53
(n)
(n)
279
A.16 Continuao
k
5
n
2
3
4
5
6
7
8
9
10
12
14
16
18
20
25
30
35
40
45
50
>50
0,90
0,95
p
0,975
3
4
4
5
5
5
6
6
7
7
8
8
9
10
11
12
12
13
1,92
4
5
5
5
6
6
7
7
8
8
9
10
11
12
13
13
14
2,09
4
5
5
6
6
6
7
8
8
9
9
11
12
13
14
15
15
2,25
(n)
(n)
(n)
0,99
0,995
5
6
6
7
7
8
8
9
10
10
12
13
14
15
16
17
2,45
5
6
6
7
7
8
9
10
10
11
12
14
15
16
17
18
2,59
(n)
(n)
280
n
2
3
4
5
6
7
8
9
10
12
14
16
18
20
25
30
35
40
45
50
>50
0,90
0,95
p
0,975
3
4
4
5
5
5
6
6
7
7
8
8
9
10
11
12
13
13
1,97
4
5
5
5
6
6
7
7
8
9
9
10
11
12
13
14
15
2,14
4
5
5
6
6
7
7
8
9
9
10
11
12
13
14
15
16
2,30
(n)
(n)
(n)
0,99
0,995
5
6
6
7
7
8
9
9
10
10
12
13
14
15
16
17
2,49
6
7
7
8
8
9
10
10
11
12
14
15
16
17
18
2,63
(n)
(n)
281
A.16 Continuao
k
7
n
2
3
4
5
6
7
8
9
10
12
14
16
18
20
25
30
35
40
45
50
>50
0,90
0,95
p
0,975
3
4
4
5
5
5
6
6
7
8
8
8
10
11
11
12
13
14
2,02
4
5
5
6
6
6
7
8
8
9
9
10
11
12
13
14
15
2,18
4
5
5
6
6
7
7
8
9
9
10
11
12
13
14
15
16
2,34
(n)
(n)
(n)
0,99
0,995
5
6
6
7
7
8
9
9
10
11
12
13
14
15
16
17
2,53
6
7
7
8
8
9
10
11
11
13
14
15
16
17
18
2,66
(n)
(n)
282
n
2
3
4
5
6
7
8
9
10
12
14
16
18
20
25
30
35
40
45
50
>50
0,90
0,95
p
0,975
3
4
4
5
5
6
6
7
7
8
8
9
10
11
12
12
13
14
2,05
4
5
5
6
6
6
7
8
8
9
9
11
12
13
13
14
15
2,22
5
6
6
6
7
8
8
9
9
10
11
12
13
14
15
16
2,37
(n)
(n)
(n)
0,99
0,995
5
6
6
7
7
8
9
10
10
11
12
13
15
16
17
17
2,55
6
7
7
8
9
9
10
11
11
13
14
15
16
17
18
2,69
(n)
(n)
283
A.16 Continuao
k
9
n
2
3
4
5
6
7
8
9
10
12
14
16
18
20
25
30
35
40
45
50
>50
0,90
0,95
p
0,975
4
5
5
5
6
6
7
7
8
8
9
10
11
12
13
13
14
2,09
4
5
5
6
6
6
7
8
8
9
9
11
12
13
14
15
15
2,25
5
6
6
6
7
8
8
9
10
10
11
13
14
15
16
16
2,40
(n)
(n)
(n)
0,99
0,995
5
6
6
7
7
8
9
10
10
11
12
14
15
16
17
18
2,58
6
7
7
8
9
9
10
11
11
13
14
15
17
18
19
2,72
(n)
(n)
284
n
2
3
4
5
6
7
8
9
10
12
14
16
18
20
25
30
35
40
45
50
>50
0,90
0,95
p
0,975
4
5
5
5
6
6
7
7
8
8
9
10
11
12
13
14
14
2,11
4
5
5
6
6
7
7
8
8
9
10
11
12
13
14
15
16
2,27
5
6
6
7
7
8
8
9
10
10
12
13
14
15
16
17
2,42
(n)
(n)
(n)
0,99
0,995
5
6
7
7
7
8
9
10
10
11
12
14
15
16
17
18
2,61
6
7
7
8
9
9
10
11
12
13
14
16
17
18
19
2,74
(n)
(n)
285
0,900
0,8000
0,7000
0,6000
0,5357
0,5000
0,4667
0,4424
0,4182
0,3986
0,3791
0,3626
0,3500
0,3382
0,3260
0,3148
0,3070
0,2977
0,2909
0,2829
0,2767
0,2704
0,2646
0,2588
0,2540
0,2490
0,2443
0,2400
0,950
0,8000
0,8000
0,7714
0,6786
0,6190
0,5833
0,5515
0,5273
0,4965
0,4780
0,4593
0,4429
0,4265
0,4118
0,3994
0,3895
0,3789
0,3688
0,3597
0,3518
0,3435
0,3362
0,3299
0,3236
0,3175
0,3113
0,3059
0,975
0,990
0,995
0,999
0,9000
0,8286
0,7450
0,7143
0,6833
0,6364
0,6091
0,5804
0,5549
0,5341
0,5179
0,5000
0,4853
0,4716
0,4579
0,4451
0,4351
0,4241
0,4150
0,4061
0,3977
0,3894
0,3822
0,3749
0,3685
0,3620
wp =
0,9000
0,8857
0,8571
0,8095
0,7667
0,7333
0,7000
0,6713
0,6429
0,6220
0,6000
0,5824
0,5637
0,5480
0,5333
0,5203
0,5078
0,4963
0,4852
0,4748
0,4654
0,4564
0,4481
0,4401
0,4320
0,4251
0,9429
0,8929
0,8571
0,8167
0,7818
0,7455
0,7273
0,6978
0,6747
0,6536
0,6324
0,6152
0,5975
0,5825
0,5684
0,5545
0,5426
0,5306
0,5200
0,5100
0,5002
0,4915
0,4828
0,4744
0,4665
0,9643
0,9286
0,9000
0,8667
0,8364
0,8182
0,7912
0,7670
0,7464
0,7265
0,7083
0,6904
0,6737
0,6586
0,6455
0,6318
0,6186
0,6070
0,5962
0,5856
0,5757
0,5660
0,5567
0,5479
zp
n1
onde zp o ponto crtico , com rea p direita, obtido da distribuio normal padronizada
286
n2
10
11
12
13
14
15
16
17
18
19
20
2
3
4
5
10
11
10
10
12
13
10
10
10
10
14
10
10
10
11
11
15
10
10
11
11
11
12
16
10
10
11
11
11
12
12
17
10
10
11
11
11
12
12
12
18
10
10
11
11
12
12
13
13
19
10
10
11
11
12
12
13
13
13
20
10
10
11
12
12
13
13
13
14
287
n2
10
10
11
11
10
11
12
11
12
11
12
10
11
12
13
14
15
12
13
13
13
13
13
13
14
14
14
13
14
14
15
15
16
17
18
19
20
14
15
15
15
16
16
16
16
17
17
17
17
17
13
14
14
15
16
16
16
17
17
18
18
18
18
18
18
10
13
14
15
16
16
17
17
18
18
18
19
19
19
20
20
11
13
14
15
16
17
17
18
19
19
19
20
20
20
21
21
12
13
14
16
16
17
18
19
19
20
20
21
21
21
22
22
13
15
16
17
18
19
19
20
20
21
21
22
22
23
23
14
15
16
17
18
19
20
20
21
22
22
23
23
23
24
15
15
16
18
18
19
20
21
22
22
23
23
24
24
25
16
17
18
19
20
21
21
22
23
23
24
25
25
25
17
17
18
19
20
21
22
23
23
24
25
25
26
26
18
17
18
19
20
21
22
23
24
25
25
26
26
27
19
17
18
20
21
22
23
23
24
25
26
26
27
27
20
17
18
20
21
22
23
24
25
25
26
27
27
28
288
n
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
45
50
55
60
65
70
75
80
85
90
95
p=1
dL
dU
1,08 1,36
1,10 1,37
1,13 1,38
1,16 1,39
1,18 1,40
1,20 1,41
1,22 1,42
1,24 1,43
1,26 1,44
1,27 1,45
1,29 1,45
1,30 1,46
1,32 1,47
1,33 1,48
1,34 1,48
1,35 1,49
1,36 1,50
1,37 1,50
1,38 1,51
1,39 1,51
1,40 1,52
1,41 1,52
1,42 1,53
1,43 1,54
1,43 1,54
1,44 1,54
1,48 1,57
1,50 1,59
1,53 1,60
1,55 1,62
1,57 1,63
1,58 1,64
1,60 1,65
1,61 1,66
1,62 1,67
1,63 1,68
1,64 1,69
p=2
dL
dU
0,95 1,54
0,98 1,54
1,02 1,54
1,05 1,53
1,08 1,53
1,10 1,54
1,13 1,54
1,15 1,54
1,17 1,54
1,19 1,55
1,21 1,55
1,22 1,55
1,24 1,56
1,26 1,56
1,27 1,56
1,28 1,57
1,30 1,57
1,31 1,57
1,32 1,58
1,33 1,58
1,34 1,58
1,35 1,59
1,36 1,59
1,37 1,59
1,38 1,60
1,39 1,60
1,43 1,62
1,46 1,63
1,49 1,64
1,51 1,65
1,54 1,66
1,55 1,67
1,57 1,68
1,59 1,69
1,60 1,70
1,61 1,70
1,62 1,71
p=3
dL
dU
0,82 1,75
0,86 1,73
0,90 1,71
0,93 1,69
0,97 1,68
1,00 1,68
1,03 1,67
1,05 1,66
1,08 1,66
1,10 1,66
1,12 1,66
1,14 1,65
1,16 1,65
1,18 1,65
1,20 1,65
1,21 1,65
1,23 1,65
1,24 1,65
1,26 1,65
1,27 1,65
1,28 1,65
1,29 1,65
1,31 1,66
1,32 1,66
1,33 1,66
1,34 1,66
1,38 1,67
1,42 1,67
1,45 1,68
1,48 1,69
1,50 1,70
1,52 1,70
1,54 1,71
1,56 1,72
1,57 1,72
1,59 1,73
1,60 1,73
p=4
dL
dU
0,69 1,97
0,74 1,93
0,78 1,90
0,82 1,87
0,86 1,85
0,90 1,83
0,93 1,81
0,96 1,80
0,99 1,79
1,01 1,78
1,04 1,77
1,06 1,76
1,08 1,76
1,10 1,75
1,12 1,74
1,14 1,74
1,16 1,74
1,18 1,73
1,19 1,73
1,21 1,73
1,22 1,73
1,24 1,73
1,25 1,72
1,26 1,72
1,27 1,72
1,29 1,72
1,34 1,72
1,38 1,72
1,41 1,72
1,44 1,73
1,47 1,73
1,49 1,74
1,51 1,74
1,53 1,74
1,55 1,75
1,57 1,75
1,58 1,75
p=5
dL
dU
0,56 2,21
0,62 2,15
0,67 2,10
0,71 2,06
0,75 2,02
0,79 1,99
0,83 1,96
0,86 1,94
0,90 1,92
0,93 1,90
0,95 1,89
0,98 1,88
1,01 1,86
1,03 1,85
1,05 1,84
1,07 1,83
1,09 1,83
1,11 1,82
1,13 1,81
1,15 1,81
1,16 1,80
1,18 1,80
1,19 1,80
1,21 1,79
1,22 1,79
1,23 1,79
1,29 1,78
1,34 1,77
1,38 1,77
1,41 1,77
1,44 1,77
1,46 1,77
1,49 1,77
1,51 1,77
1,52 1,77
1,54 1,78
1,56 1,78
289
A.20 Continuao
p=1
p=2
p=3
p=4
p=5
dL
dU
dL
dU
dL
dU
dL
dU
dL
dU
n
100 1,65 1,69 1,63 1,73 1,61 1,74 1,59 1,76 1,57 1,78
290
Apndice B
Quadrados latinos
33
A B C
B C A
C A B
44
1
A B C D
B A D C
C D B A
D C A B
A B C D
B C D A
C D A B
D A B C
3
A B
B D
C A
D C
4
C D
A C
D B
B A
55
A B C D E
B A E C D
C D A E B
D E B A C
E C D B A
66
A B C D E
B F D C A
C D E F B
D A F E C
E C A B F
F E B A D
291
F
E
A
B
D
C
A B C
B A D
C D A
D C B
D
C
B
A
292
77
A B C D E
B C D E F
C D E F G
D E F G A
E F G A B
F G A B C
G A B C D
F G
G A
A B
B C
C D
D E
E F
88
A B C D E F
B C D E F G
C D E F G H
D E F G H A
E F G H A B
F G H A B C
G H A B C D
H A B C D E
99
A B C D E F
B C D E F G
C D E F G H
D E F G H I
E F G H I A
F G H I A B
G H I A B C
H I A B C D
I A B C D E
A B C D
B C D E
C D E F
D E F G
E F G H
F G H I
G H I J
H I J A
I J A B
J A B C
10 10
E F
F G
G H
H I
I J
J A
A B
B C
C D
D E
G H
H A
A B
B C
C D
D E
E F
F G
G H I
H I A
I A B
A B C
B C D
C D E
D E F
E F G
F G H
G
H
I
J
A
B
C
D
E
F
H I J
I J A
J A B
A B C
B C D
C D E
D E F
E F G
F G H
G H I
293
A
B
C
D
E
F
G
H
I
J
K
A
B
C
D
E
F
G
H
I
J
K
L
11 11
B C D E F G
C D E F G H
D E F G H I
E F G H I J
F G H I J K
G H I J K A
H I J K A B
I J K A B C
J K A B C D
K A B C D E
A B C D E F
B C D E
C D E F
D E F G
E F G H
F G H I
G H I J
H I J K
I J K L
J K L A
K L A B
L A B C
A B C D
12 12
F G
G H
H I
I J
J K
K L
L A
A B
B C
C D
D E
E F
H I J K
I J K A
J K A B
K A B C
A B C D
B C D E
C D E F
D E F G
E F G H
F G H I
G H I J
H
I
J
K
L
A
B
C
D
E
F
G
I J K L
J K L A
K L A B
L A B C
A B C D
B C D E
C D E F
D E F G
E F G H
F G H I
G H I J
H I J K
294
Apndice C
Quadrados greco-latinos
33
A1 B3 C2
B2 C1 A3
C3 A2 B1
A1
B2
C3
D4
A1
B2
C3
D4
E5
F6
G7
44
B3 C4
A4 D3
D1 A2
C2 B1
D2
C1
B4
A3
A1
B2
C3
D4
E5
B3
C4
D5
E1
A2
55
C5
D1
E2
A3
B4
D2
E3
A4
B5
C1
E4
A5
B1
C2
D3
B5
C6
D7
E1
F2
G3
A4
C2
D3
E4
F5
G6
A7
B1
77
D6
E7
F1
G2
A3
B4
C5
E3
F4
G5
A6
B7
C1
D2
F7
G1
A2
B3
C4
D5
E6
295
G4
A5
B6
C7
D1
E2
F3
296
A1
B2
C3
D4
E5
F6
G7
H8
A1
B2
C3
D4
E5
F6
G7
H8
I9
A1
B2
C3
D4
E5
F6
G7
H8
I9
J10
K11
B7
C8
D9
E10
F11
G1
H2
I3
J4
K5
A6
B5
A8
G4
F3
H1
D7
C6
E2
B3
C1
A2
E6
F4
D5
H9
I7
G8
C2
D3
E4
F5
G6
H7
I8
J9
K10
A11
B1
C2
G1
A7
E6
D8
H4
B3
F5
C2
A3
B1
F5
D6
E4
I8
G9
H7
D8
E9
F10
G11
H1
I2
J3
K4
A5
B6
C7
88
D3 E7
F7 H3
E1 D2
A5 C8
C4 A6
B8 G5
H2 F1
G6 B4
D7
E8
F9
G1
H2
I3
A4
B5
C6
99
E9
F7
D8
H3
I1
G2
B6
C4
A5
F4
D6
H5
B1
G3
A2
E8
C7
F8
D9
E7
I2
G3
H1
C5
A6
B4
11 11
E3 F9 G4
F4 G10 H5
G5 H11 I6
H6
I1
J7
I7
J2
K8
J8
K3 A9
K9 A4 B10
A10 B5 C11
B11 C6 D1
C1 D7 E2
D2 E8 F3
G8
C5
B6
H7
F2
E3
A4
D1
G4
H5
I6
A7
B8
C9
D1
E2
F3
H10
I11
J1
K2
A3
B4
C5
D6
E7
F8
G9
H6
E4
F8
G2
B7
C1
D5
A3
H6
I4
G5
B9
C7
A8
E3
F1
D2
I5
G6
H4
C8
A9
B7
F2
D3
E1
I5
J6
K7
A8
B9
C10
D11
E1
F2
G3
H4
J11
K1
A2
B3
C4
D5
E6
F7
G8
H9
I10
K6
A7
B8
C9
D10
E11
F1
G2
H3
I4
J5
297
A1
B2
C3
D4
E5
F6
G7
H8
I9
J10
K11
L12
B12
A11
D10
C9
F4
E3
H2
G1
J8
I7
L6
K5
C6
D5
A8
BL
G10
H9
E12
F11
K2
L1
I4
J3
D7
C8
B5
A6
H11
G12
F9
E10
L3
K4
J1
I2
I5
J6
K7
L8
A9
B10
C11
D12
E1
F2
G3
H4
12 12
J4 K10
I3
L9
L2 I12
K1 J11
B8 C2
A7 D1
D6 A4
C5 B3
F12 G6
E11 H5
H10 E8
G 9 F7
L11
K12
J9
I10
D3
C4
B1
A2
H7
G8
F5
E6
E9
F10
G11
H12
I1
J2
K3
L4
A5
B6
C7
D8
F8
E7
H6
G5
J12
I11
L10
K9
B4
A3
D2
C1
G2
H1
E4
F3
K6
L5
I8
J7
C10
D9
A12
B11
H3
G4
F1
E2
L7
K8
J5
I6
D11
C12
B9
A10
298
Bibliografia
[1] W.J. CONOVER. Practical Nonparametric Statistics. John Wiley and Sons.
[2] D.H. SANDERS R.J. ENG e A.F. MURPH. Statistics. A Fresh Approach. McGrawHill Int. Ed., 1985.
[3] R.V. HOGG e A.T. CRAIG. Introduction to Mathematical Statistics. Macmillan Publ.
Co. Inc., 3 edition, 1970.
[4] D.S. MOORE e G.P. McCABE. Introduction to the Practice of Statistics. W.H
Freeman and Company, 1989.
[5] W.E. BILES e J.J. SWAIN. Optimization and Industrial Experimentation. John Wiley
and Sons, 1980.
[6] RUI C. GUIMARES e JOS A. S. CABRAL. Estatstica. Mc Graw-Hill de Portugal,
1997.
[7] W. HUNTER e J.S. HUNTER. An introduction to design, data analysis and model
building. John Wiley and Sons, G.E.P. BOX.
[8] J.E. FREUND e R.E. WALPOLE. Mathematical Statistics. Prentice-Hall Inc., 3
edition, 1980.
[9] T.H. WONNACOTT e R.J. WONNACOTT. Introduo Estatstica. Livros Tcnicos
e Cient. Ed.
[10] P.G. HOEL. Introduction to Mathematical Statistics. John Wiley and Sons.
[11] P.L. MEYER. Probabilidades. Aplicaes Estatstica. Livros Tcnicos e Cient. Ed.
[12] D.S. MOORE. Statistics, Concepts and Controversies. W.H. Freeman and Company,
1979.
[13] B.J.F. MURTEIRA. Probabilidades e Estatstica, volume I e II. McGraw-Hill Portugal.
299