Você está na página 1de 23

......................................

.................

Apostila - 1

de

Prob
abilidade e Estatstica
Curso de Ps-Graduao em
Gesto da Produo e da Manuteno

Prof. Fabio Pavan Piccoli

Material do prof. Adriano Marcio Sgrancio

PONTUAO DOS TRABALHOS

questes a total
serem
resolvidas pontos por questo
Em sala
(Trabalhos 1,2, 3 e 4) 1a4 2,5 10,0
Trabalho 5 5a9 2,0 10,0
Trabalho 6 10 a 13 2,5 10,0
Trabalho 7 14 a 16 3,33 10,0
Soma 40,0
Mdia Soma / 4 = 10,0

1
ESTATSTICA DESCRITIVA

1.1) Reviso de Mdia Aritmtica: ( X )

a) Para dados no tabulados:

x
x i
, onde xi so os valores para a varivel que ser calculada a
n
mdia.

Exemplo 1: calcular a mdia dos gastos com energia eltrica de um


departamento

Gastos 1500,00 2000,00 3500,00


4700,00 6000,00 6300,00
__
X=?

b) Para dados tabulados (mdia ponderada):


b.1) Sem intervalo de classes:

Exemplo 2: Calcular o preo mdio dos produtos vendidos por uma


empresa:
Xi Fi xi . Fi
(Preos) (Quantidade vendida)
2,00 2
3,00 4
4,00 3
5,00 4
6,00 2

x
x F i i

n
__
X= ?

2
b.2) Com intervalo de classes:

Exemplo 3: Calcular o peso mdio das peas de vendidas:

Peso em Kg Fi Xi xi . Fi
(CLASSES) (Quantidade de Peas)
2 | 4 2
4 | 6 3
6 | 8 4
8 | 10 5

__
X=?

Exemplo 4: Um aluno tirou 8,0 em uma prova de peso 2 e 6,0 em um


trabalho de peso 1. Qual a nota mdia do aluno?

1.2) Reviso de Medidas de Disperso:

So medidas utilizadas para avaliar o grau de variabilidade ou


disperso dos valores em torno da mdia.

DISPERSO

x (mdia)

Exemplo 5: Sejam as sries:


a) 20, 20, 20 xa = 20
b) 15, 10, 20, 25, 30 xb = 20

Obs.: a srie b possui maior disperso do que a srie a

3
1.2.1) Varincia

CONCEITO: a mdia aritmtica dos quadrados dos desvios


calculados em relao mdia.
uma medida que caracteriza o grau de concentrao ou de
variabilidade dos dados em relao mdia aritmtica.
A varincia possui a dimenso dos dados ao quadrado.

Lgica do Clculo das medidas de disperso:

Para compreender o conceito de varincia e das outras medidas de


disperso, inicialmente vamos calcular os desvios das notas de dois alunos
em relao mdia das provas, de acordo com o exemplo a seguir:

Exemplo 6: Estude os desvios das notas dos alunos A e B

Desvio Desvio Soma


Nota 1 Nota 2 Mdia da da dos
Nota 1 Nota 2 Desvios
Aluno A 2 8 5 2-5= -3 8-5= 3 Zero
Aluno B 4 6 5 4-5= -1 6-5= 1 Zero

Os desvios na tabela acima foram calculados da seguinte forma:

Cada desvio a diferena entre o valor (xi) e a mdia ( x ), ou seja,

di xi x

Exemplo 7: Calcule os desvios (di) dos valores abaixo:

xi: {2, 4, 6, 8, 10, 12} estes nmeros podem estar representando a idade
de pessoas ou outra varivel qualquer.

Soluo:
1) Calcular a mdia aritmtica: x
x 42 7
n 6

2) Calcular o valor dos desvios (di), de acordo com a tabela:


4
xi di xi x
2
4
6
8
10
12
TOTAL

Exemplo 8: Calcule a varincia, o desvio padro e o coeficiente de


variao dos dados do exemplo anterior, da seguinte forma:

a) Clculo da varincia (VAR):

VAR
quadradosdosdesvios , ou seja,
quantidade

di
2
70
VAR 11,67
n 6

1.2.2) Clculo do Desvio Padro (DP):

CONCEITO: a raiz quadrada da varincia, ou seja,

desviopadro var incia .

Obs.: O desvio padro possui a mesma dimenso dos dados.

Portanto: DP VAR 11,67 3,42

1.2.3) Clculo do Coeficiente de Variao (CV):

CONCEITO: a relao entre o desvio padro e a mdia aritmtica


dos dados. utilizado para comparao entre sries distintas de dados.
Obs.: uma medida de disperso relativa e sua representao
percentual.

DP 3,42
Portanto: CV .100 .100 48,8%
x 7
5
A disperso dos dados pode ser alta, mdia ou baixa de acordo com o valor
de CV. E pela tabela a seguir, o percentual de 48,8% considerado de alta
disperso, isto , os dados do exemplo 49 apresentam alta disperso.

Nvel de Disperso Valor do CV


Baixa disperso CV 15%
Mdia disperso 15% CV 30%
Alta disperso CV 30%

Exemplo 9: Estude a disperso das notas dos alunos A e B apresentadas a


seguir (do exemplo 6):

Nota 1 Nota 2 Mdia


Aluno A 2 8 5
Aluno B 4 6 5

Soluo:

Aluno di xi x
A
2
8
TOTAL

Aluno di x i x
B
4
6
TOTAL

NOTAO PARA AS MEDIDAS DE DISPERSO:

6

Varincia Populacional 2

Varincia Amostral S2


Desvio Padro Populacional

Desvio Padro Amostral S


Coeficiente de Variao Amostral ou Populacional CV

QUADRO RESUMO DE FRMULAS PARA AS MEDIDAS DE


DISPERSO:

POPULAO AMOSTRA

x i x x i x
2 2
2 Dados no
n S
2

n 1 Tabulados
(sem Fi)
Varincia

x i x .Fi x i x .Fi
2 2


2
S
2 Dados
n n 1 Tabulados
(com Fi)

Desvio Padro 2 S S2
( DP VAR )

Coeficiente de CV = . 100 CV = S . 100


Variao x x

Exemplo 10: Verifique se os dados a seguir possuem alta, mdia ou baixa


disperso

7
a) x = {1, 3, 6, 8}

X
1
3
6
8

b)

Classe Fi
1 | 3 2
3 | 5 4
5 | 7 4
7 | 9 2

Exemplo 11: (Trabalho N1 em sala para ser entregue em 19/09/2015,


com valor de 2,5 pontos).
Com base na amostra de notas de uma turma, verifique o nvel de disperso
da turma (alta, mdia ou baixa disperso), a mediana, o percentil 80.

Notas Fi
2 | 4 1
4 | 6 3
6 | 8 5
8 | 10 3
10 | 12 1

CONSIDERAOES REFERENTES AOS TRABALHOS:

1) Todos os Exerccios devero ser entregues com o enunciado e


com a soluo;
2) Deve ser preenchido o cabealho abaixo. (no sero aceitos de
outra forma);
3) A cada aula de atraso (sbado com aula) corresponde a 50% de
prejuzo na nota do trabalho.
8
Cabealho:

Trabalho N _____ ( ) Em sala ( ) Fora da Sala


Nome
Curso
Disciplina Estatstica Aplicada e Ferramentas da Qualidade
Turma
Data
Professor
Valor
NOTA

2) GRFICOS ESTATSTICOS

Os grficos sero estudados em aula prtica no laboratrio de


informtica, onde utilizaremos o Excel e o MINITAB (Apostila 4).

3) PROBABILIDADE

3.1) Clculo de Probabilidade:

Dado um experimento aleatrio E, e S o espao amostral, a


probabilidade de um evento A, denotada por P(A), uma funo definida
em S que associa a cada evento um nmero real, satisfazendo aos axiomas:

I) 0 P(A) 1
II) P(S) = 1
III) Se A e B forem eventos mutuamente excludentes {AB}= , ento
P(AB) = P(A) + P(B)

Definio clssica de probabilidade (para eventos equiprovveis):

P (A) = n de vezes que o evento A pode ocorrer vbnu


n de vezes que o espao amostral S ocorre

ou:
9
P (A) = NCF n de casos favorveis
NCT n de casos totais

Exemplo 12: Em um lote existem 12 peas, 4 so defeituosas. Uma pea


retirada aleatoriamente. Calcule a probabilidade dela ser defeituosa.

3.2) TCNICAS DE CONTAGEM

3.2.1) Diagrama de rvore

Exemplo 13: Em um lote existem 12 peas, 4 so defeituosas: 2 peas so


retiradas aleatoriamente e sem reposio. Calcule a probabilidade de:
A) Ambas serem defeituosas;
B) ambas serem perfeitas;
C) ao menos uma ser defeituosa.

4D 2 sero retiradas sem reposio


8P

P
7/11

4/11
8/12 P
D
8/11 P

4/12
D
3/11
D

3.2.2) Anlise combinatria

10
Utilizada para contar o nmero de casos favorveis de um evento qualquer
e o nmero de elementos do espao amostral.

Obs: Na combinao no interessa a ordem dos elementos, ou seja:


ab = ba
cd = dc

A combinao de n elementos tomados(combinados) x a x (x n)


calculada por:

n!
n C x

n x ! x!

Obs: 0!=1, 1!=1, 2!=2x1, 3!=3x2x1.

Exemplo 14: Fazer a combinao de 5 peas de um lote (a, b, c, d, e)


tomadas 2 a 2.
Neste caso, n=5, x=2.

5 C2= 5! = 5x4x3! = 10
2!(5-2)! 2!3!

Exemplo 15: Quantas comisses de 3 pessoas podem ser formadas de um


grupo de 10 pessoas?

Exemplo 16: Em um lote existem 12 peas, 4 so defeituosas: 2 peas so


retiradas aleatoriamente e sem reposio. Calcule a probabilidade de:
D) ambas serem defeituosas;
E) ambas serem perfeitas;
F) ao menos uma ser defeituosa.

4D 2 sero retiradas sem reposio


8P

Exerccio: Resolver o exemplo anterior considerando as retiradas com


reposio.
Sugesto: Construir o diagrama de rvore!

11
4D

8P 2 sero retiradas com reposio

3.3) Probabilidade Condicional

a probabilidade de um evento ocorrer sabendo-se da ocorrncia de outro


evento.

Exemplo 17: Joga-se um dado . S: 1,2,3,4,5,6


evento A: 2, 3
P(A)=?
evento B: 1,3,5,6
P(B) = ?

evento AB: 3
P(AB) = ?

A probabilidade de A ocorrer sabendo que B j ocorreu :

P(A/B) = 1/4 NCF (AB) (S)


NCF (B) (S)

O espao amostral fica reduzido ao evento B: 1, 3, 5, 6, ento:

P (A/B) = P(AB) = 1/6 = 1


P(B) 4/6 4

Portanto:
P (A/B) = P (AB)
P(B)
P (B/A) = P (AB)
P(A)
Ou seja,
P(AB) = P(A/B) . P (B)
P(AB) = P(B/A) . P (A)

Exerccios:

12
1) Um lote formado por 10 peas boas, 4 com defeitos leves e 2 com
defeitos graves. Uma pea escolhida ao acaso. Calcule a probabilidade
de que:
a) ela no tenha defeitos graves;
b) ela no tenha defeitos;
c) ela seja boa ou tenha defeitos graves.

2) (Trabalho N 2 em sala para ser entregue em 19/09/2015, com valor


de 2,5 pontos).

Considere o mesmo lote do exerccio anterior (um lote formado por 10


peas boas, 4 com defeitos leves e 2 com defeitos graves)
Retiram-se 2 peas ao acaso. Qual a probabilidade de que:
a) ambas sejam perfeitas;
b) pelo menos uma seja perfeita;
c) nenhuma tenha defeito grave;
d) nenhuma seja perfeita.

4) VARIVEIS ALEATRIAS (v.a.)

Sejam E um experimento e S o espao associado ao experimento. Uma


funo X, que associe a cada elemento s S um nmero real X(s)
denominada varivel aleatria (v.a).

4.1) Variveis Aleatrias Discretas

Se o nmero de valores possveis de X for finito ou infinito numervel, X


uma Varivel Aleatria Discreta. Caso o nmero de valores possveis de X
for finito muito grande, por exemplo, um intervalo de valores ento X
uma Varivel Aleatria Contnua (estudada posteriormente).

Exemplo 18:
Lanamento de 2 moedas, poderamos avaliar o nmero de caras obtidas,
neste caso,

X(s) = nmero de caras (k) que apareceram a varivel aleatria;

O espao amostral : S = {cc, kc, ck, kk};

13
e P(x) a funo de probabilidade mostrada a seguir.

Evento Varivel Aleatria: Funo de Probabilidade


X nmero de caras (k) P(x)
cc 0 P(0) = P(0 kara) =
ck, kc 1 P(1) = P(1 kara) =
kk 2 P(2) = P(2 karas) =

4.1.1) Funo de Probabilidade: P(x) da v.a. discreta

Seja X uma varivel aleatria discreta. A probabilidade de que a varivel


aleatria X assuma um particular valor x, a funo de probabilidade de X
representado por P(X = x) ou, simplesmente P(x).

OBS: P(x) = 1

Representao de P(x) Tabelas e grficos

Exemplo 19: Construir um grfico de P(x) em funo de X do exemplo


anterior (lanamento de 2 moedas), considerando X = varivel aleatria
nmero de caras (k).

Grfico do exemplo acima:

P(x)

1/2

1/4

x
0 1 2

14
4.1.2) Funo de Repartio F(x) ou Funo de Distribuio
Acumulada (fda) da v.a. discreta:

a probabilidade de varivel aleatria X assumir um valor menor ou


igual a X, isto :
F(x) = P(X x)

Exemplo 20: Seja X a varivel aleatria nmero de caras obtidas no


lanamento de 2 moedas, determine F(x) e construa o grfico de F(x).

Soluo:

x P(x) F(x)
0 1/4 1/4
1 1/2 3/4
2 1/4 1

Portanto os valores para F(x) so:

zero, quando: x < 0.


1/4, quando: 0 x < 1.
F(x) = 3/4, quando: 1 x < 2.
1, quando: x 2.

F(X)

4/4

3/4

1/4

0 1 2 X

15
4.1.3) Mdia () ou Esperana Matemtica (E(x)) da v.a. discreta

Define-se E(x) ou mdia da varivel aleatria discreta como sendo:

= E(x) = [(x . P(x)] ,onde a mdia aritmtica da v.a.

4.1.4) Varincia da varivel aleatria (VAR(x)) da v.a. discreta

VAR(x) = 2 = (x - )2 . P(x)

4.1.5) Desvio Padro da varivel Aleatria ( ) da v.a. discreta

2 VAR ( X )

Exemplo 21: Joga-se uma moeda 2 vezes, determine o nmero esperado de


caras, a varincia e o desvio padro da varivel aleatria nmero de caras.

X P(x) x. P(x) (x - ) (x - )2 (x - )2.P(x)


0
1
2

Exerccio: * (Trabalho N3 em sala para ser entregue em 19/09/2015,


com valor de 2,5 pontos).

Escolha aleatoriamente TRS peas de um lote que contm peas que


podem ser D (defeituosas) ou P (perfeitas). Suponha que a probabilidade
de uma pea ser defeituosa seja igual a . Com estes dados responda:

a) Construa o espao amostral;


b) Represente em um grfico a funo de probabilidade P(x) em funo
da varivel aleatria X = nmero de peas Defeituosas;
c) Represente em um grfico a funo de Repartio ou Funo de
Distribuio Acumulada da varivel aleatria X.
d) Calcular a mdia, a varincia e o desvio padro do nmero de peas
Defeituosas X.

16
* Este exerccio pode ser resolvido usando a Distribuio Binomial
estudada, posteriormente, nesta apostila, ou pode ser utilizada a tabela
abaixo.

X P(x) x. P(x) (x - ) (x - )2 (x - )2.P(x)


0
1
2
3

4.2) Variveis Aleatrias Contnuas

Caso o nmero de valores possveis de X for finito muito grande, por


exemplo, um intervalo de valores ento X uma Varivel Aleatria
denominada Contnua

4.2.1) Funo de Densidade de Probabilidade: f(x) da v.a. contnua

Diz-se que X uma varivel aleatria contnua, se existir uma funo f(x)
denominada funo densidade de probabilidade (fdp) de X que satisfaa s
seguintes condies:

a) f ( x) 0 para todo x;

b)

f ( x ) dx 1 ;

c) para quaisquer a , b, com a b , teremos P ( a X b)


f ( x)dx
a

Exemplo 22: (Este exemplo deve ser resolvido aps a reviso de Integral)
Suponhamos que a varivel aleatria (contnua) X seja o tempo gasto com
mo-de-obra e a fdp de X, f (x) , :
f ( x) 2 x , para 0 < x < 1
e f ( x) 0 , para quaisquer outros valores de x.

Determine:
a) Construa o grfico de f (x)
b) Verifique se f (x) uma fdp. Sugesto: Verifique as duas condies:

f ( x) 0 para todo x e f ( x ) dx 1

17
c) A probabilidade do tempo gasto estar entre 0 e h, isto ,
P (0 X 1 / 2) ? Sugesto: Calcular a integral:
1/ 2

P(0 X 1 / 2)
f ( x)dx , cuja resposta .
0

4.2.2) Reviso de Integral:

Para estudar as v.a. contnuas necessrio fazer uma breve reviso de


integrais:

a) Integrais indefinidas

No est definido o intervalo de integrao.


Integrar uma funo a partir de uma derivada (x) encontrar a funo
(x) cuja derivada (x), ou seja, conhecendo a taxa de variao de uma
determinada funo possvel obter a funo de origem: f ' ( x) f ( x) C

a.1) Regra da potncia (Vlida para n -1) :


xn dx = 1 . xn+1 + C
n+1

n deve ser -1, pois se n = -1 ento: 1/(n+1) no existe.

Exemplo 23: Determine:


a) x3 dx = ?
b) x2 dx = ?

Respostas a) (1/4)x4 + C b) (1/3)x3 + C

Observao: (1/x)dx = ln x + C , pois se y = ln x y = 1/x

b) Integrais Definidas

Agora queremos obter a variao na funo entre dois valores de x.


Por exemplo, (x) a derivada de uma funo, se desejamos obter a variao de (x)
entre x = a; e x = b calcularemos:

18
b

f ' ( x)dx f ( x)
b
a
, ou seja, x est variando de a at b, portanto:
a
b

f ' ( x)dx f (b) f (a) ,


a

onde:
b

b e a so os limites de integrao e
a
f ' ( x )dx a integral definida de de a at b.

Exemplo 24: Se f (x) = x2, determine:


5

a) f ' ( x)dx
2
Resposta: 117 / 3.

Exemplo 25: Em uma fbrica o custo marginal (derivada do custo total) de 2x 2 5


por unidade produzida, ou seja, f ' ( x) 2 x 2 5 , onde x a quantidade produzida.
Deseja-se saber qual ser o aumento no custo total ( f ( x )) se a produo (x) aumentar
de 6 para 10 unidades.
Soluo:

(2x2 5)dx = 2x2 dx - 5 dx

= 2. x2 dx - 5 . dx
10 10

6 - 5. x6
3
= 2.( x /3) f(x) que a funo custo total (sua variao que est sendo pedida)

= 2 (103/3 63/3) 5 (10 6)

= 2 (333,33 72) 20

= 2.261,33 20 = 502,66

(Fim da reviso de Integrao). Agora possvel resolver o Exemplo 22.

Lembrando: (Exemplo 22): Suponhamos que a varivel aleatria


(contnua) X seja o tempo gasto com mo-de-obra e a fdp de X, f (x) , :
f ( x) 2 x , para 0 < x < 1
e f ( x) 0 , para quaisquer outros valores de x.

Determine:
d) Construa o grfico de f (x)
e) Verifique se f (x) uma fdp. Sugesto: Verifique as duas condies:

f ( x) 0 para todo x e f ( x ) dx 1

19
f) A probabilidade do tempo gasto estar entre 0 e h, isto ,
P (0 X 1 / 2) ? Sugesto: Calcular a integral:
1/ 2

P(0 X 1 / 2)
f ( x)dx , cuja resposta .
0

4.2.1) Funo de Distribuio Acumulada: F(x) da v.a. contnua

Seja X uma varivel aleatria, discreta ou contnua. Define-se a funo


F(x) como a funo de distribuio acumulada da varivel aleatria X
(abreviadamente indicada fda) como:

No caso da v.a. Discreta (j visto) F(x) = P(X x)


x

No caso da v.a. Contnua F ( x)


f ( s)ds

Exemplo 26: No exemplo anterior em que a varivel aleatria (contnua) X


era o tempo gasto com mo-de-obra e a fdp de X, f (x) , foi dada:
f ( x) 2 x , para 0 < x < 1
e f ( x ) 0 , para quaisquer outros valores de x.

Determine:
a) determine a F(x) com seus respectivos intervalos.
b) Construa o grfico da F(x)
c) A probabilidade do tempo gasto ser de no mximo h, isto ,
P ( X 1 / 4) ?

Soluo do item a):


F ( x) 0 , se x 0

x x
F ( x) f ( x)dx 2.xdx x
2
, se 0 x 1
0

F ( x) 1 , se x 1

Soluo do item b):

Soluo do item c):


20
1/ 4

P ( X 1 / 4)
f ( x)dx x 1 / 16 .
2 1/ 4
0
0

5) DISTRIBUIES DISCRETAS DE PROBABILIDADE

Nesta seo so apresentados os principais modelos de distribuies de


probabilidades para variveis discretas.

5.1) DISTRIBUIO BINOMIAL

Trata-se de uma distribuio de probabilidade adequada aos experimentas


que apresentam apenas dois resultados (sucesso ou fracasso). Este modelo
fundamenta-se nas seguintes hipteses:
H1. n provas independentes e do mesmo tipo so realizadas;
H2. cada prova admite dois resultados - sucesso ou fracasso;
H3. a probabilidade de sucesso em cada prova p e de fracasso
q, ou seja,
1 p = q.

Define-se a varivel X como o nmero de sucessos das n provas.


Logo, X pode tomar os valores 0, 1, 2, 3.....n.

A expresso geral da distribuio Binomial:

n!
P ( x ) n C x . p x .q n x , onde: a combinao : n Cx n x ! x!

Mdia: np Varincia: 2 npq

Obs.: Para n = 1 a distribuio Binomial chamada de Distribuio de


Bernoulli, isto significa que a Binomial uma repetio n provas (vezes)
da Bernoulli.

21
Exemplo 27: DISTRIBUIO BINOMIAL. Suponha que peas saiam de
uma linha de produo e sejam classificadas como defeituosas (D) ou
perfeitas (P). Admita que TRS dessas peas, da produo de um dia,
sejam escolhidas ao acaso e classificadas como D ou P.

O espao amostral para esse experimento, S, pode ser assim apresentado:

S = { PPP, PPD, PDP, DPP, DDP, DPD, PDD, DDD }

Suponhamos que seja 1/2 a probabilidade de uma pea ser defeituosa e 1/2
a de ser perfeita. Considere as trs Hipteses da BINOMIAL:

H1: n provas independentes e do mesmo tipo so realizadas, ou seja, a


classificao de qualquer pea em particular, seja independente da
classificao de qualquer outra pea e as retiradas so todas da mesma
forma;

H2: cada prova admite dois resultados - sucesso ou fracasso, ou seja, em


qualquer retirada podemos ter uma pea D ou P.

H3: a probabilidade de sucesso em cada prova p e de fracasso q e que


essas probabilidades sejam as mesmas para cada retirada de pea, ao menos
enquanto durar o nosso estudo, ou seja,

P(P) = p = 1/2 e
P(D) = q = 1/2.

Se o interesse for no nmero de peas defeituosas, ento o conjunto dos


valores possveis de X (v.a. nmero de defeituosas):

Evento X= P(x)
nmero de
Defeituosas
PPP 0 P(0) = P(PPP) = p.p.p = p 3 = .. = 1/8
PPD,PDP,DPP 1 P(1) = 3.p.p.q = 3 p 2 q = 3. .. = 3/8
PDD,DPD,DDP 2 P(2) = 3.p.q.q = 3 pq 2 = 3. .. = 3/8
DDD 3 P(3) = q.q.q = q 3 = .. = 1/8

Exemplo 28: Resolva o Exemplo anterior para calcular P(x) pela frmula
da BINOMIAL.

22
Exemplo 29: BINOMIAL. Suponha que uma vlvula eletrnica, instalada
em determinado circuito, tenha probabilidade 0,2 de funcionar mais do que
500 horas. Se ensaiarmos 10 vlvulas, qual ser a probabilidade de que
exatamente 3 funcionem mais que 500 horas?

Soluo:
Se X for a v.a. nmero de vlvulas que funcionam mais de 500 horas,
admitiremos que X tenha uma distribuio binomial (funciona ou no
funciona). Ento...

23