Você está na página 1de 321

Enjoy!

JAIRO SIMON DA FONSECA


GILBERTO DE ANDRADE MARTINS

CUR SO DE
,
ESTATISTICA
6 Edio

SO PAULO
EDITORA ATLAS S.A. - 2011
1992 by Editora Atlas S.A.

2.ed. 1975;3.ed. 1979;4.ed. 1993;5.ed. 1994;


6. ed. 1996; 14. reimpresso 2011

Capa: Ronaldo Rizzulli

Dados Internacionais de Catalogao na Publicao (CIP)


(Cmara Brasileira do Livro, SP, Brasil)

Fonseca, Jairo Simon da


Curso de estatstica/ Jairo Simon da Fonseca, Gilberto de Andrade Martins. - 6. ed. -
14. reimpr. - So Paulo : Atlas, 2011.

ISBN 978-85-224-1471-0

l. Estatstica 2. Estatstica matemanca 3. Estatstica - Problemas, exerccios etc.


4. Probabilidades 1. Martins, Gilberto de Andrade, 1947 - II. Ttulo.

92-0830 CDD-519.5

ndices para catlogo sistemtico:


1. Estatstica 519.5
2. Estatstica matemtica 519.5

TODOS OS DIREITOS RESERVADOS - proibida a reproduo total ou parcial, de


qualquer forma ou por qualquer meio. A violao dos direitos de autor (Lei n 9.610/98)
crime estabelecido pelo artigo 184 do Cdigo Penal.

Depsito legal na Biblioteca Nacional conforme Decreto n 1.825, de 20 de dezembro de


1907.

Impresso no BrasiVPrinted in Brazil

Editora Atlas S.A.


Rua Conselheiro Nbias, 1384 (Campos Elsios)
01203-904 So Paulo (SP)
Te!.: (O__ ll) 3357-9144 (PABX)
www.EditoraAtlas.com.br
SUMRIO

Prefcio , 13

1 CLCULO DAS PROBABILIDADES, 15

1 .1 Introduo, 15
1 .2 Caracterizao de um experimento aleatrio, 15
1.3 Espao amostral , 16
1 .4 Evento, 17
1 .5 Eventos mutuamente exclusivos, 17
1.6 Definio de probabilidade , 18
1.7 Principais teoremas, 18
1.8 Probabilidades finitas dos espaos amostrais finitos, 20
1.9 Espaos amostrais finitos equiprovveis, 21
Exerccios - Srie 1, 23
1.1 O Probabilidade Condicional, 25
1.11 Teorema do produto, 27
1.12 Independncia estatstica, 27
1.13 Teorema de Bayes, 29
Exerccios - Srie li , 30
Exerccios - Srie Ili, 34

5
2 VARIA VEL ALEATRIA, 37
2.1 Definio, 37
2.2 Funo de probabilidades, 38
2.3 Funo de Repartio, 40
Exerccios - Srie 1, 41
2.4 Varivel aleatria contnua, 42
2.5 Funo densidade de probabilidade, 43
Exerccios - Srie li, 46
2.6 Varivel aleatria bidimensional, 47
2. 7 Distribuio conjunta de duas variveis aleatrias, 48
2.8 Funo densidade de probabilidade conjunta, 50
2.9 Funo de repartio conjunta, 50
2.1 O Distribuio de probabilidade marginal, 50
2.11 Variveis aleatrias independentes, 51
2.12 Medidas de posio, 51
2.12.1 Mdia ou esperana matemtica, 51
2.12.2 Mediana, 53
2.12.3 Moda, 53
2.13 Medidas de disperso, 55
2.13.1 Varincia, 55
2.13.2 Desvio-padro, 55
2.14 Covarincia e coeficiente de correlao, 57
2.14.1 Covarincia, 57
2.14.2 Coeficiente de correlao, 57
Exerccios - Srie Ili, 59

3 MODELOS DE DISTRIBUIES DISCRETAS DE PROBABILIDADE, 63


3.1 Distribuio de "Bernoulli", 63
3.2 Distribuio Binomial, 64
3.3 Distribuio Multinomial, 66
3.4 Distribuio de Poisson, 66
Exerccios - Srie 1, 68

4 MODELOS DE DISTRIBUIES CONTNUAS DE PROBABILIDADE, 72


4.1 Distribuio uniforme ou retangular, 72
4.2 Distribuio normal, 73
6
4.2.1 Distribuio normal padro, 74
4.2.2 Propriedades da distribuio normal, 75
4.2.3 Combinao de distribuies normais, 77
4.2.4 Uso da tabela de distribuio normal padro, 77
4.3 Distribuio exponencial, 82
4.3.1 Funo repartio, 83
Exerccios - Srie 1, 84
4.4 Distribuio Qui-quadrado, 89
4.5 Distribuio t de Student, 93
4.6 Distribuio F, 96
Exerccios - Srie li, 99

5 ESTATSTICA DESCRITIVA, 101


5.1 Introduo, 101
5.2 Tabelas estatsticas, 101
5.3 Grficos, 104
Exerccios - Srie 1, 109
5.4 Distribuio de freqncias, 111
5.4.1 Populao, 111
5.4.2 Amostra, 111
5.4.3 Varivel discreta e varivel contnua, 111
5.4.4 Representao da amostra, 111
Exerccios - Srie 11, 118
5.5 Medidas de posies, 120
5.5.1 Mdia aritmtica - dados no agrupados, 120
5.5.2 Mdia aritmtica - dados agrupados, 121
5.5.3 Mdia geral, 122
5.5.4 Mdia geomtrica, 122
5.5.5 Mdia harmnica, 124
Exerccios - Srie Ili, 124
5.5.6 Mediana, 128
5.5.7 Quartis, 130
5.5.8 Decis, 133
5.5.9 Percentis, 133
5.5.IO Moda, 135
Exerccios - Srie IV, 137
7
5.6 Medidas de disperso, 141
5.6.1 Amplitude total, 141
5.6.2 Desvio mdio, 142
5.6.3 Varincia, 142
5.6.4 Desvio-padro, 143
5.6.5 Coeficiente de variao, 147
5.7 Medidas de assimetria, 148
5.8 Medidas de curtose, 151
Exerccios - Srie V, 153
Exerccios - Srie VI, 155
Exerccios - Srie VII, 159
Exerccios - Srie VIII, 165

6 DISTRIBUIES AMOSTRAIS, 166


6.1 Introduo, 166
6.2 Principais conceitos, 166
6.2.1 Inferncia ou induo estatstica, 166
6.2.2 Amostra aleatria, 167
6.2.3 Estimador ou estatstica, 167
6.2.4 Estimativa, 169
6.2.5 Distribuio amostral, 169
6.3 Distribuio amostral das mdias, 169
6.3.1 Teorema 1, 169
6.3.2 Teorema 2, 170
6.3.3 Teorema 3, 170
6.3.4 Teorema 4, 170
6.4 Distribuio amostral das freqncias relativas, 171
6.5 Distribuio amostral de varincias, 172
6.6 Distribuio amostral da soma, ou diferena de duas mdias, 173
6.7 Distribuio amostral da soma, ou diferena de duas freqncias
relativas, 173
6.8 Distribuio amostral das mdias quando a varincia da populao
desconhecida, 174
6.9 Distribuio amostral de razes de varincias, 175
Exerccios - Srie 1, 175

8
7 AMOSTRAGEM, 177
7.1 Introduo, 177
7.2 Dimensionamento da amostra, 178
7.3 Composio da amostra, 181
7.3.1 Amostragem aleatria simples, 181
7.3.2 Amostragem sistemtica, 182
7.3.3 Amostragem estratificada, 182
7.3.4 Amostragem por conglomerados (ou agrupamentos), 182
7.3.5 Amostragem acidental, 183
7.3.6 Amostragem intencional, 183
7.3.7 Amostragem por quotas, 183
Exerccios - Srie 1, 184

8 INTERVALO DE CONFIANA, 186


8.1 Introduo, 186
8.2 Intervalo de confiana para a mdia populacional () quando a
varincia (o2) conhecida, 187
8.3 Intervalo de confiana para a mdia () quando a varincia (o2)
desconhecida, 189
8.4 Intervalo de confiana para a varincia, 191
8.5 Intervalo de confiana para o desvio-padro, 192
8.6 Intervalo de confiana para proporo; ou probabilidade (p), 193
Exerccios - Srie 1, 195

9 TESTE DE HIPTESES, 198


9.1 Introduo, 198
9.2 Principais conceitos, 198
9.2.1 Hiptese estatstica, 198
9.2.2 Teste de hiptese, 199
9.2.3 Tipos de hiptese, 199
9.2.4 Tipos de erro, 199
9.2.5 Configurao sobre o mecanismo dos erros, 200
9.2.6 Curva caracterstica de operao (CCO), 205
Exerccios - Srie 1, 206
9.3 Testes de significncia, 207
9.3.1 Teste de significncia para mdias, 207

9
9.3.2 Teste de significncia para varincias, 209
9.3.3 Teste de significncia para propores, 211
9.3.4 Teste de significncia para a igualdade de duas varincias,
213
9.3.5 Teste de significncia para a igualdade de duas mdias, 214
9.3.6 Teste de significncia para a igualdade de duas propores,
218
Exerccios - Srie li, 220

10 ESTATSTICA NO PARAMTRICA, 225


10.1 Introduo, 225
10.2 Teste Qui-quadrado, 225
Exerccios - Srie 1, 228
10.3 Teste Qui-quadrado para independncia ou associao, 229
Exerccios - Srie li, 233
10.4 Teste dos sinais, 234
10.5 Teste de Wilcoxon, 236
10.6 Teste de Mann-Whitney, 240
1O.7 Teste da mediana, 243
10.8 Teste Kruskal-Wallis, 246
Exerccios - Srie Ili, 249

11 COMPARAO DE VRIAS MDIAS - ANLISE DA VARINCIA , 252


11.1 Introduo, 252
11 .2 Hipteses do modelo, 253
11 .3 Classificao nica ou experimento de um fator, 253
11.3.1 Estimadores da varincia comum 0 2, 255
11.3.2 Fundamentos da anlise da varincia (ANOVA), 257
11.3.3 Quadro de anlise da varincia, 258
11 .4 Classificao de dois critrios ou experimento de dois fatores, 264
11.4.1 Estimadores da varincia comum 0 2, 266
11 .5 Experimento de dois fatores com repetio, 273
11.6 Tes~e de Scheff, 281
11. 7 Planejamento Experimental, 283
Exerccios - Srie 1, 284

10
RESPOSTAS DOS EXERCCIOS, 287
Tabelas estatsticas
1. Distribuio normal padro, 313
2. Distribuio x2 314
3. Distribuio de F de Snedecor a = 5%, 315
4. Distribuio t de Student, 316
5. Dgitos aleatrios, 318
6. Valores de e-, 320

11
PREFCIO

Decorridos 15 anos de seu lanamento, estamos apresentando uma nova


e revisada edio do Curso de Estatstica.
Aproveitando as crticas e sugestes enviadas por colegas de todo o pas,
bem como nossas experincias na conduo de cursos de Estatstica, cremos
poder oferecer um livro-texto que atenda professores e alunos de um primeiro
curso universitrio de Probabilidade e Estatstica.
Nossa preocupao foi a de produzir um texto claro e compreensvel
sobre probabilidades e estatstica, mantendo caractersticas eminentemente di-
dticas.
Esta nova verso est fundamentada no aumento da quantidade de exer-
ccios resolvidos e propostos e no tratamento de outros mtodos estatsticos
que no fizeram parte das edies anteriores.
Cada captulo inicia-se com uma exposio objetiva do assunto indicado,
soluo de exemplos e proposio de exerccios cujas respostas se encontram
no final do livro.
Os quatro primeiros captulos dedicam-se ao estudo das probabilidades,
variveis aleatrias, modelos de distribuio discretas e contnuas de probabi-
lidades.
A Estatstica Descritiva detalhada no Captulo 5, enquanto os Mtodos
sobre Inferncia so apresentados nos Captulos 6, 7, 8 e 9.
O Captulo 1O dedicado ao tratamento de testes e provas no param-
tricas. Assunto, particularmente, interessante aos estudante e pesquisadores
das reas de humanidades.

13
A Anlise da Varincia: hipteses, fundamentos e principais modelos so
explicados no Captulo 11.
Para auxlio ao leitor so apresentadas, no final do livro, as principais
tabelas estatsticas, que tambm constituem anexo til para consultas em aulas
de exerccios e avaliaes.

Os Autores

14
1
CLCULO DAS
PROBABILIDADES

1.1 INTRODUO
Todas as vezes que se estudam fenmenos de observao, cumpre-se
distinguir o prprio fenmeno e o modelo matemtico (determinstico ou pro-
babilstico) que melhor o explique.
Os fenmenos estudados pela Estatstica so fenmenos cujo resultado,
mesmo em condies normais de experimentao variam de uma observao
para outra, dificultando dessa maneira a previso de um resultado futuro.
Para a explicao desses fenmenos - fenmenos aleatrios - adota-se
um modelo matemtico probabilstico. Neste caso, o modelo utilizado ser o
CLCULO DAS PROBABILIDADES.
'

1.2 CARACTERIZAO DE UM EXPERIMENTO ALEATRIO


A fim de se entender melhor a caracterizao desses experimentos, con-
vm observar o que h de comum nos seguintes experimentos:
E1 : Retirar uma carta de um baralho com 52 cartas e observar seu
"naipe".
E2 : Jogar uma moeda 1O vezes e observar o nmero de coroas
obtidas.
E3 : Retirar com ou sem reposio, bolas de uma urna que contm
5 bolas brancas e 6 pretas.
E4 : Jogar um dado e observar o nmero mostrado na face de
cima.

15
E5 : Contar o nmero de peas defeituosas da produo diria da
mquina A.
A anlise desses experimentos revela:
a) Cada experimento poder ser repetido indefinidamente sob as mes-
mas condies ;
b) No se conhece um particular valor do experimento "a priori", porm
pode-se descrever todos os possveis resultados - as possibilidades;
c) Quando o experimento for repetido um grande nmero de vezes sur-
gir uma regularidade, isto , haver uma estabilidade da frao
f= !_ (freqncia relativa), em que n o nmero de repeties e r o
n
nmero de sucessos de um particular resultado estabelecido antes da
realizao.

Assim,

f
1

o n

Como vai se ver mais adiante, a caracterstica (c) de fundamental


importncia para a avaliao da probabilidade de um certo evento.

1.3 ESPAO AMOSTRAL


Definio: Para cada experimento aleatrio E, define-se Espao Amostral S
o conjunto de todos os possveis resultados desse experimento.

Exemplos:
a) Considere-se o experimento
E= jogar um dado e observar o n da face de cima.
ento, S = {1, 2, 3, 4, 5, 6}
b) Seja E: jogar duas moedas e observar o resultado.
ento, S = {(e, e), (e, k), (k, e), (k, k)}
em que e = cara e k = coroa.

16
Observe que sendo S um conjunto, poder ser finito ou infinito.
Neste captulo sero considerados apenas conjuntos finitos.

1.4 EVENTO
Definio: evento um conjunto de resultados do experimento, em termos
de conjuntos, um subconjunto de S. Em particular, S e <I> (con-
junto vazio) so eventos, S dito o evento certo e <I> o evento
impossvel.
Usando as operaes com conjuntos, podem-se formar novos eventos.
Assim:
1) A u B ~ o evento que ocorre se A ocorre ou B ocorre ou
ambos ocorrem;
li) A n B ~ o evento que ocorre se A e B ocorrem;
Ili) ~ o evento que ocorre se A no ocorre.

Exemplos:

a) Seja o experimento E: jogar trs moedas e observar os resul-


tados:

Ento: S = {(e, e, e), (e, e, k), (k, e, e), (e, k, e), (k, k, k), (k, k, e), (k, e, k),
(e, k, k)}
Seja A o evento: ocorrer pelo menos 2 caras.
Ento, A= {(e, e, e), (e, e, k), (e, k, e), (k, e, e)}

b) Seja o experimento E: lanar um dado e observar o nmero


de cima.
Ento S = {1, 2, 3, 4, 5, 6}
Seja B o evento: ocorrer mltiplo de 2.
Ento, B = {2, 4, 6}

Sendo S espao amostral finito, com n elementos pode-se verificar que


2n fornece o nmero total de eventos extrados de S .

1.5 EVENTOS MUTUAMENTE EXCLUSIVOS


Dois eventos A e B so denominados mutuamente exclusivos, se eles no
puderem ocorrer simultaneamente, isto , A n B = <j>.

17
Exemplo: E: jogar um dado e observar o resultado.
s= {1, 2, 3, 4, 5, 6}
Sejam os eventos: A = ocorrer n2 par, e
B = ocorrer n2 mpar.
Ento, A = {2, 4, 6} e B = {1, 3, 5}, A n B = <P
A e B so mutuamente exclusivos, pois a ocorrncia de um nmero par
e mpar no pode ser verificada como decorrncia da mesma experincia.

1.6 DEFINIO DE PROBABILIDADE


Dado um experimento aleatrio E e S o espao amostral, probabilidade
de um evento A - P (A) - uma funo definida em S que associa a cada
evento um nmero real, satisfazendo os seguintes axiomas:
1) O ~ P (A) ~ 1
li) P(S) = 1
Ili) Se A e B forem eventos mutuamente exclusivos, (A n B = <!>),
ento P(A u 8) = P(A) + P(B)

1.7 PRINCIPAIS TEOREMAS


(b Se <P o conjunto vazio, ento P (<!>) = O

Demonstrao:
Seja A um evento qualquer.
Ae <P so disjuntos, pois A n <P = <P

P (A u <!>) = P (A) + P (<!>) por Ili.

P(A) = P(A) + P(cp) pois A u <P =A

Portanto P (<!>) = O

(b Se A o complemento do evento A, ento P(A) = 1 - P(A)

Demonstraes:
Pode-se escrever S = A u A. (Veja o diagrama).

18
s

ora, A n A = <!> (so mutuamente exclusivos)


P(A u A) = P(A) + P(A)

P(S) = P(A) + P(A)


1 = P(A) + P(A) por li.
Logo: P(A) = 1 - P(A)

) Se A e B, ento P(A) ~ P(B)

Demonstrao:
Pode-se escrever B = A u (A n B)
ora, A e (A n B) so mutuamente exclusivos.
Logo, P(B) = P(A) + P(A n B)
P(A n B) = P(B) - P(A)
P (B) - P (A) ~ O por 1

Portanto, P (A) ~ P (B).

@) Teorema da soma: Se A e B so dois eventos quaisquer, ento:


l P(A u B) = P(A) + P(B) - P(A n 8)1

19
Demonstrao:

a) A e 8 so mutuamente exclusivos P (A n 8) = O recai-se no axioma Ili.


b) Para o caso em que A n 8 * <!>.

Os eventos A e (A n 8) so mutuamente exclusivos. Logo, pelo axioma


Ili: P[A u (A n 8)] = P(A u 8) = P(A) + P(A n 8). Mas, 8 a
unio dos eventos mutu~mente exclusivos (8 n A) e (8 n A); logo
P(8) = P(A n 8) + P(A n 8).
Substituindo o valor de P (A n 8) = P (8) - P (A n 8) na expresso
anterior resulta:
P(A u 8)= P(A) + P(8)- P(A n 8)

Como exerccio, o leitor poder provar o teorema acima para trs eventos:
P(A u 8 u C) = P(A) + P(8) + P(C) - P(A n 8) - P(A n C) -
- P(8 n C) + P(A n 8 n C)

Sugesto: faa A u 8 u e = (A u 8) u C e aplique o teorema da soma.


Note-se que, apesar de se ter postulado a existncia do nmero P (A) e
de vrias propriedades (teoremas) que esse nmero possui, nada foi dito quan-
to a maneira de se calcular P (A). Para esse clculo, devem ser feitas certas
suposies adicionais que conduzem a um mtodo de avaliao da probabili-
dade, porm, se essas suposies no forem fundamentadas, precisa-se re-
correr experimentao a fim de se encontrar o valor de P (A).
A f (freqncia relativa) ser de grande valia para aproximar o clculo de
P (A). Note-se que no se est afirmando que fA a mesma coisa que P (A).
Contudo, mesmo que a aproximao for muito grosseira, em nada abalar a
lgica do modelo estabelecido acima.

1.8 PROBABILIDADES FINITAS


DOS ESPAOS AMOSTRAIS FINITOS
Seja S um espao amostral finito S = { a1 , a2 , ... , an}. Considere-se o
evento formado por um resultado simples A = {aJ
A cada evento simples {ai} associa-se um nmero pi denominado proba-
bilidade de {aJ satisfazendo as seguintes condies:
a) Pi ~ O i = 1, 2, ... , n
b) P1 + P2 + P3 + ... + Pn = 1
A probabilidade P (A) de cada evento composto (mais de um elemento)
ento definida pela soma das probabilidades dos pontos de A.

20
Exemplo: Trs cavalos, A, 8 e C, esto em uma corrida; A tem duas vezes
mais probabilidade de ganhar que 8, e 8 tem duas vezes mais
probabilidade de ganhar que e.
Quais so as probabilidades de vitria de cada um, isto , P (A), P (8) e
P(C)?
Faa P ( C) = p; desde que 8 tem duas vezes mais probabilidades de
ganhar que C, P (8) = 2p e assim P (A) = 2 P (8) = 4p. Como a soma das
probabilidades 1, ento:

p + 2p + 4p = 1 ou 7p = 1 ou p = 71 .
Logo , temos:
4 2 1
P (A) = 4p = 7 ; P (8 ) = 2p = 7 e P (C) = p = 7 .
Qual seria a probabilidade de 8 ou C ganhar?
P (A u 8) = P(A) + P (8 ) axioma Ili com A n 8 = <1>.
2 1 3
Logo P (8 u C ) = P (8 ) + P (C)= - + - = -
7 7 7

1.9 ESPAOS AMOSTRAIS FINITOS EQUIPROVVEIS


Quando se associa a cada ponto amostral a mesma probabilidade , o es-
pao amostral chama-se equiprovvel ou uniforme. Em particular, se S contm
n pontos, ento, a probabilidade de cada ponto ser 1.
n
Por outro lado, se um evento A contm r pontos, ento:

P (A) = r ( ~) =~
Este mtodo de avaliar P (A) freqentemente enunciado da seguinte
maneira:

n2 de vezes em que o evento A pode ocorrer


p (A) = n2de vezes em que o Espao Amostral S ocorre

ou P (A) = N.C.F (n2 de casos favorveis)


N.T.C. (n2 total de casos)

21
Exemplos:
nos indicar que o
1) Escolha aleatoriamente (a expresso "aleatria"
equipr ovve l) uma carta de um baralh o com 52 cartas.
espao
Seja: A = {a carta de ouros}
B = {a carta uma figura}

Calcular P (A) e P (B) .

P (A) = n2 de ouros = -13


52
= -4
n2 de cartas

n2 de figuras = -12 = - 3
P (B ) = n2 de cartas 52 13

um evento reduz-se a
Como se observa, o clculo da probabilidade de
e Combinatria (Teoria de
um proble ma de contagem. Assim que a Anlis
conta r o nmero de casos
Contagem) tem fundamental importncia para se
maior ia dos proble mas tratados neste livro,
favorveis e o total de casos . Na
a combinao a tcnic a que pode ser aplica da.
) p a p (p ,;;; r). Calcu-
Combinao de r elementos tomados (combinados
la-se por:

\e (r)
: r, P = n = p ! (rr!- lJ
p) !

onde: r! = r (r- 1) (r- 2) ... 1


p ! =p (p - 1 ) (p - 2) . . . 1
admite-se que O! = 1

forma r com um
Exemplo: Quantas comisses de trs pessoas podem-se
grupo de dez pesso as?

10 ) 1O! 1O 9 8 7!
C10,3 = ( 3 = 3! c1 o - 3)! = 3 . 2 . 7! = 120

peas so retiradas
li) Num lote de 12 peas , 4 so defeituosas ; duas
aleatoriamente. Calcu le:
a~ A probabilidade de ambas serem defeit
uosas
b) A probabilidade de amba s no serem defeit uosas
osa.
c) A probabilidade de ao menos uma ser defeitu

22
Soluo:

a) A = {ambas so defeituosas}

4) 41 4 . 3 . 2!
A pode ocorrer ( 2 = ( _ )! =
214 2
.
2 21
= 6 vezes

12 11
S pode ocorrer ( 12 )
= (
12!
_ )! = 1O! = 66 vezes
2 21 12 2 2 . 101
N.C.F. 6 1
1ogo, P (A) = N.T.C. = 66 = 11

b) B = {ambas no defeituosas}
. 7 . 61
B pode ocorrer ( 2
8)
= 8!
( _ )!
21 8 2
=8 .
2 61
= 28 vezes

S .pod e ocorrer ( 12 ) = 21( 1212!_ )! = 12 . 11 . 1 O! = 66 vezes


2 2 2 . 2!

28 14
logo, P (8 ) = 66 = 33

c) C = {ao menos uma defeituosa}


C o complemento de B, C = 8
14 19
P (C) =1 - P(B) =1 - -
33
= -33

EXERCCIOS - SRIE 1 - CAPTULO 1 Respostas


1. Lance um dado e uma moeda.
a) Construa o espao amostral
b) Enumere os seguintes eventos
A = {coroa, marcado por nmero par}
B = {cara, marcado por nmero mpar}
e = {mltiplos de 3}
c) Expresse os eventos
l)B
li) A ou B ocorrem
Ili) B e C ocorrem
IV)A u B

23
Respostas
d) Verifique dois a dois os eventos A, 8 e C e diga quais so mutuamente
exclusivos.

2. Se P (A) =~; P (8) =~ e A e 8 mutuamente exclusivos, calcular:

a) P ( ) b) P(B ) c) P(A n 8)

d) P (A u 8 ) e) P(A n 8)

1
3. Se P(A) = "21 ; P(8) = 3"1 e P(A n 8) =4
Calcule
a) P (A u 8 )
b) P ( u B)
c) P ( n B)

4. Determine a probabilidade de cada evento:


a) um nmero par aparece no lanamento de um dado no viciado;
b) um rei aparece ao extrair-se uma carta de um baralho;
c) pelo menos uma cara aparece no lanamento de 3 moedas;
d) pelo menos uma cara aparece no lanamento de "n" moedas;
e) duas copas aparecem ao retirarem-se duas cartas de um baralho;
f) uma carta de copas e uma de ouros aparecem ao extrarem-se duas
cartas de um baralho.

5. Um nmero inteiro escolhido aleatoriamente dentre os nmeros 1, 2, 3, ...,


50. Qual a probabilidade de:
a) o nmero ser divisvel por 5;
b) terminar em 3;
c) ser primo;
d) ser divisvel por 6 ou 8.

6. Qual a probabilidade de sair um rei ou uma carta de copas, quando reti-


ramos uma carta de um baralho?

7. Dois dados so lanados simultaneamente. Qual a probabilidade de:


a) a soma ser menor que 4; R
b) a soma ser 9;
c) o primeiro resultado ser maior do que o segundo.

24
Respostas
8. Numa urna so misturadas dez bolas numeradas de 1 a 1O. Duas bolas
so retiradas (a, b) sem reposio. Qual a probabilidade de a + b = 1O?

9. Um lote formado por 1O peas boas, 4 com defeitos e duas 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 ou seja boa ou tenha defeitos graves.

1O. Considere o mesmo lote do problema anterior.


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.

11. Uma urna contm 5 bolas brancas e 6 pretas. Trs bolas so retiradas.
Calcular a probabilidade de:
a) todas pretas;
b) exatamente uma branca;
c) ao menos uma preta.

12. Numa classe existem 5 alunos do 4 ano, 4 do 2 e 3 do 3 ano. Qual a


probabilidade de serem sorteados 2 alunos do 2 ano, 3 do 4 e 2 do 3?

13. Numa urna existem N bolas assim distribudas: Nv (quantidade de bo-


las vermelhas); NA (quantidade de bolas azuis); e NP (quantidade de
bolas pretas). Qual a probabilidade de retirarmos "n" bolas; sendo nv
(n de bolas vermelhas), nA (n de bolas azuis) e nP (n de bolas pretas)?

1.1 O PROBABILIDADE CONDICIONAL


Seja E: lanar um dado, e o evento A = {sair o n 3}. Ento
1
P(A) = -
6
Considere agora o evento B = {sair um n mpar} = {1, 3, 5}.
de grande importncia para o clculo das probabilidades se calcular a
probabilidade condicional. No exemplo, pode-se estar interessado em avaliar
a probabilidade do evento A condicionada ocorrncia do evento B. Em sm-

25
bolos, designa-se por P (A/8); l-se: "probabilidade do evento A condicionada
ocorrncia B', ou, ainda, "probabilidade de A dado B'.

Assim: P(A/8) = -1
3
Observe: dada a informao da ocorrncia de um evento, teremos a reduo
do espao-amostra; no exemplo S = {1, 2, 3, 4, 5, 6} foi reduzido
para s = {1, 3, 5} e neste espao-amostra reduzido que se
avalia a probabilidade do evento.
Definio: Dados dois eventos, A e 8, denota-se P (A/8) a probabilidade con-
dicionada do evento A, quando 8 tiver ocorrido, por:

P(A n 8)
com P (8) t:. O, pois 8 j
P (A/ 8 ) = p (8 )
ocorreu.

Pode-se constatar que P (A/8) , assim definida, satisfaz os axiomas da


probabilidade j mencionados.
Para aplicaes, convm encontrar uma frmula mais prtica para o cl-
culo da probabilidade condicional; assim:

NCF(A n 8)
P(A n 8) NTC NCF (A n 8 )
P(A/ 8)= P( 8 ) = NCF (8) NCF (8)
NTC

Dessa maneira, para avaliar a probabilidade de A, dado 8, basta contar


o nmero de casos favorveis ao evento A n B: [NCF (A n B)] e dividir
esse nmero pela quantidade de casos favorveis ao evento 8: [NCF(8)].

Exemplo: bois dados so lanados. Consideremos os eventos:


A= {(x1 , x2 )/x1 + x2 10} e 8 = ( (x1 , x2)1x1 > x2 )
=

onde x1 o resultado do dado 1 e x2 o resultado do dado 2.


Avaliar P (A); P (8); P (A/8) e P (8/A).
Soluo: (1, 1) (1,2) (1,3) (1,4) (1,5) (1,6)
(2,1) (2,2) (2,3) (2,4) (2,5) (2,6)
s= (3,1) (3,2) (3,3) (3,4) (3,5) (3,6)
(4,1) (4,2) (4,3) (4,4) (4,5) (4,6)
(5,1) (5,2) (5,3) (5,4) (5,5) (5,6)
(6,1) (6,2) (6,3) (6,4) (6,5) (6,6)

26
P(A)=NCF ao evento A=_l_ = J__ 1/P( 8 )=NCFa8=..:!._=~
NTC 36 12 NTC 36 12

NCF a (A n 8) 1 Note: Apenas o par (6, 4)


P(A/ 8 )= NCFa8 =15 favorvel ao evento (A n B).

NCF a (A n 8) 1
P( 8 / A) = NCFaA = 3

1.11 TEOREMA DO PRODUTO


A partir da definio de probabilidade condicional pode-se enunciar o teo-
rema do produto:
"A probabilidade da ocorrncia simultnea de dois eventos, A e 8, do
mesmo espao-amostra, igual ao produto da probabilidade de um deles pela
probabilidade condicional do outro, dado o primeiro."

Assim:
P(A n 8)
P(A/ 8) = P( 8 ) P (A '\ 8) = P (8)(AI 8)

P(A n 8)
P(8/A) = P(A) P(A n 8) = P(A) (8/A)

Exemplo: Em um lote de 12 peas, 4 so defeituosas, 2 peas so retiradas


uma aps a outra sem reposio. Qual a probabilidade de que
ambas sejam boas?

Soluo: A = {a primeira pea boa}


8 = {a segunda pea boa}
P(A n 8) = P(A) P(8/ A) =
8
12

1~ = ;~

1.12 INDEPENDNCIA ESTATSTICA


Um evento A considerado independente de um outro evento 8 se a
probabilidade de A igual probabilidade condicional de A dado 8, isto , se

P (A) = P (A/8)

27
evidente que, se A independente de B, B independente de A; assim:

1 P (8) = P (8/A) 1

Considerando o teorema do produto, pode-se afirmar que: se A e 8 so


independentes, ento:

1 P (A n 8 ) = P (A) P (8 ) 1

Dados "n" eventos A 1 , A2 , .. . , An, diz-se que eles so independentes se


o forem 2 a 2; 3 a 3; ... ; na n.
Isto , se as igualdades abaixo forem verificadas:
P(A1 11 A2 ) = P(A1) P (A2 ) ; ... ; P (An-l 11 An) = P (An_ ) P(An)
1
P(A1 n A2 n A3 ) = P (A 1) P(A ) P (A ); . .. ;
2 3
P(An_ 2 n An - l n An) = P (An_ 2) P (An_ 1) P (An)

Exemplo 1. Em uma caixa temos 1O peas, das quais 4 so defeituosas. So


retiradas duas peas, uma aps a outra, com reposio . Calcular
a probabilidade de ambas serem boas.
Soluo: A = {a primeira pea boa}
8 = {a segunda pea boa}
Notem: A e 8 so independentes, pois P (8) = P (8/A).
6 6 9
Logo, P(A n 8 ) = P(A) P(8) = 1o 1o = 25

Exemplo 2. Sendo S = {1, 2, 3, 4} um espao-amostra equiprovvel e A= {1, 2};


8 = {1, 3}; C = {1, 4} trs eventos de S. Verificar se os eventos A,
8 e C so independentes.

1
Soluo: Para A e 8 P (A) = 2 ; P (8) = 21 ; P (A 11 8)
1
=4;
logo, P(A 11 8) = P(A) P(8) = 41 .

28
1 1 1
Para A e C P(A) = 2; P(C ) = 2; P(A n C) = 4;

logo, P(A n C) = P(A) P(C) =


Para 8 e C P (8)
1
= 2; P (C) = 21 ; P (8 n C) = 41 ;

logo, P (8 n C) = P(8) P (C) =


1 1 1 1
Para A, 8 e e P(A) =2; P(8) = 2; P(C)=2; P(A n 8n C) = 4;

logo, P(A n 8 n C) * P(A) . P(B). P(C)


portanto os eventos A, 8 e C no so independentes.

1.13 TEOREMA DE BAYES

Seja A,, A 2 , A ... , An, n eventos mutuamente exclusivos tais que A, U A 2 U


An = S. Sejam P (A) as probabilidades conhecidas dos vrios eventos, e B um
evento qualquer de S tal que so conhecidas todas as probabilidades condicio-
nais P (BIA;)
Ento, para cada "i" , tem-se:

O resultado acima bastante importante, pois relaciona probabilidades a


priori P (A;) com probabi lidades a posteriori P (A/8), probabil idade de A; depois
que ocorrer 8.

Exemplo: Admita a seguinte configurao:

~
s
u, U2 U3

PRETAS 3 4 2

BRANCAS 1 3 3

VERMELHAS 5 2 3

29
Escolheu-se uma urna ao acaso e dela extraiu-se uma bola ao acaso,
verificando-se que a bola branca. Qual a probabilidade da bola ter
vindo da urna 2? da 3?

1 1 1
Soluo: P(u1) = 3; P(u2) =3; P(u3) =3
1 3 1 3
P(brl u1) = g; P (brl u2) = 9 = 3; P (brl u3) =8
deseja-se calcular P (u2/br) e P (u3/br) .

Aplicando-se o teorema de Bayes, tem-se:

1 1
3 3 24
P(u2l br) =1 1 1 1 1 3-59
3 . 9 + 3 . 3+ 3 . 8
ou seja, a probabilidade a priori de u2 era ~ Dada a informao
que saiu uma bola branca, a probabilidade a posteriori de u2 ser
24
59.

Como P(u11 br) + P (u21 br) + P(u31 br) =1


.
tem-se que: P(u11br) = 1 - ( 24 + 27
59 59
J= 598

EXERCCIOS - SRIE li - CAPTULO 1 Respostas


Dado P(A) = 21 ; P(8) = 31 , P(A n 8) = 41 , calcular:
a) P(A u 8); b) P(A/8); c) P(8/A); j P[(A u 8) /..]

. 1 1 1
~ 2. Faa A e 8 s~re'!l evento~ co_m P(A) = 2 ; P (8) = 3 e P(A n 8) = 4.
Encontre P (A I 8) e P (8 I A ).

30
Respostas
"-
3. Qual a probabilidade de que r pessoas faam aniversrio em dias distintos?

_#, As probabilidades de 3 jogadores marcarem um penalty so respectivamente


v 2 4 7 \
- -e -
3 '5 10
Se cada um "cobrar" uma nica vez, qual a probabilidade de:
;f!) todos acertarem; J ,
.bY apenas um acertar;
c} todos errarem.

A probabilidade de fechamento de cada rel do circuito apresentado abai-


xo dada por p. Se todos os rels funcionarem independentemente, qual
ser a probabilidade de que haja corrente entre os terminais L e R?

Uma urna contm 12 bolas: 5 brancas, 4 vermelhas e 3 pretas. Outra


contm 18 bolas: 5 brancas, 6 vermelhas e 7 pretas. Uma bola retirada
de cada urna. Qual a probabilidade de que as duas bolas sejam da
mesma cor?
A L..
/j'F Numa bolsa temos 5 moedas de Cr$ 1,00 e 4 de Cr$ 0,50. Qual a pro-
babilidade de, ao retirarmos duas moedas, obtermos Cr$ 1,50?

Uma urna contm 5 bolas pretas, trs vermelhas e duas brancas. Foram
extradas 3 bolas com reposio. Qual a probabilidade de terem sido duas
bo las pretas e uma vermelha?

A urna n 1 contm: 1 bola vermelha e 2 brancas. A urna n 2 contm: 2


bolas verme lhas e 1 branca. Tiramos aleatoriamente uma bola da urna
n 1, colocamos na urna n 2 e misturamos. Em seguida tiramos aleato-
riamente uma bola da urna n 2. Qual a probabilidade de tirarmos uma
bola branca da urna n 2?

,,~ 6. A urna 1 contm x bolas brancas, e y bolas vermelhas. A urna 2 contm


"1
z bolas brancas e v vermelhas. Uma bola escolhida ao acaso da urna
1 e posta na urna 2. A seguir uma bola escolhida ao acaso da urna 2.
Qual ser a probabilidade de que esta bola seja branca? R

31
Respostas
Uma urna contm 1O bolas pretas e 5 bolas vermelhas. So feitas reti-
radas aleatrias. Cada bola retirada reposta, juntamente com 5 bolas
da mesma cor. Qual a probabilidade de sarem nessa ordem: 1 preta,
1 preta, 1 vermelha, 1 vermelha? E nesta ordem: 1 preta, 1 vermelha, 1
preta, 1 vermelha? Dado que a primeira bola preta, qual a probabili-
dade de que a segunda seja preta?

i,'/12. Uma caixa A contm 8 peas, das quais 3 so defeituosas e uma caixa
B contm 5 peas, das quais 2 so defeituosas. Uma pea retirada
aleatoriamente de cada caixa:
1) Qual a probabilidade p de que ambas as peasfn~ sejam defeituo-
sas? V
li) Qual a probabilidade p de que uma pea seja defeituosa e a outra
no?
Ili) 1Se uma pea defeituosa e a outra no, qual a probabilidade p
de que a pea defeituosa venha da caixa A?

, 13. A probabilidade de uma mulher estar viva daqui a 30 anos %e de seu


marido~. Calcular a probabilidade de:

a) apenas o homem estar vivo;


b) somente a mulher estar viva;
c) pelo menos um estar vivo;
d) ambos estarem vivos.

14. Uma urna A contm 4 bolas: 2 brancas, 2 pretas; uma urna B contm 5
bolas: 3 brancas, 2 pretas. Uma bola transferida de A para B. Uma bola
retirada de B e verificada ser brar:ica. Qual a probabilidade de que a
bola transferida tenha sido branca?

15: So dadas duas urnas A e B. A urna A contm uma bola preta e uma
vermelha. A urna B contm duas bolas pretas e trs vermelhas. Uma bola
escolhida ao acaso na urna A e colocada na urna B. Uma bola ento
extrada ao acaso, da urna B. Pergunta-se:
a) Qual a probabilidade de que ambas as bolas sejam da mesma cor?
b) Qual a probabilidade de que a primeira bola seja vermelha, sabendo-
se que a segunda foi preta?

~&. Uma urna contm 5 bolas vermelhas e 3 brancas. Uma bola selecionada
aleatoriamente da urna e abandonada, e duas de outra cor so colocadas
na urna. Uma segunda bola ento selecionada da urna. Encontre a
probabilidade de que:

32
Respostas
1} a segunda bola seja vermelha; e
.,t.lf ambas as bolas sejam da mesma cor.
17. Recorrendo-se ao problema precedente:
) se a segunda bola vermelha, qual a probabilidade de que a
/ primeira bola seja vermelha?
li) se ambas so da mesma cor, qual a probabilidade de que sejam
brancas?

18. A urna A contm x bolas vermelhas e y bolas brancas e a urna 8 contm


z bolas vermelhas e v bolas brancas.
1) Se uma urna selecionada ao acaso, e uma bola retirada, qual a
probabilidade de que a bola seja vermelha?
li) Se uma bola retirada da urna A e colocada na urna 8 , e uma bola
retirada da urna 8, qual a probabilidade de que a segunda bola
seja vermelha?

19. Uma urna contm x bolas brancas e y bolas pretas. Extraem-se todas
elas. Qual a probabilidade de que saiam primeiro as brancas e as pretas?

20. Seja E: lanar dois dados, e


A= {(x1 , x2 )1x1 + x2 = 8}
8 = {(x1 , x2 )1x1 = x 2 }
C = {(x1 , x 2 )1x1 + x2 = 10}
0 = {(x1 , x 2)1x1 > x 2}
E= {(x1 , x2 )1x1 = 2x2 }
Calcular: a) P (A/8) e) P (CIE) i) P (A/E)
b) P (CID) f) P (CIA) j) P (81E)
c) P (DIE) g) P (AIO) k) P (AI B 11 C)
d) P (AI C) h) P (81C) 1) P(A n 8 / C 11 O)

21. Temos duas caixas : na primeira h 3 bolas brancas e 7 pretas e na 2~. 1


bola branca e 5 pretas. De uma caixa escolhida ao acaso, seleciona-se
" uma bola e verifica-se que preta. Qual a probabilidade de que a caixa
\ ') de onde for extrada a bola seja a primeira? e a segunda?

22. A probabilidade de um indivduo de classe A comprar um carro ~' de

8 i e de C do A probabilidade do indivduo de classe A comprar

33
-\
Respostas
1
um carro da marca D
10
; de B comprar da marca D ~ e de C
3
Em certa loja comprou-se um carro d~marca D) Qual a probabilidade
10
de que o indivduo da classe B o tenha comprad?
---~
Em certo colgio, 5% dos homens e 2% das mulheres tm mais do que
1,80 m de altura. Por outro lado, 60% dos estudantes so homens. Se
um estudante selecionado aleatoriamente e tem mais de 1,80 m de
altura, qual a probabilidade de que o estudante seja mulher?

Trs mquinas, A, B e C produzem respectivamente 40%, 50% e 10% do


total de peas de uma fbrica. As percentagens de peas defeituosas nas
respectivas mquinas so 3%, 5% e 2%. Uma pea sorteada ao acaso
e verifica-se que defeituosa. Qual a probabilidade de que a pea tenha
vindo da mquina B?

Apenas uma em cada dez pessoas de uma populao tem tuberculose.


Das pessoas que tm tuberculose 80% reagem positivamente ao teste Y,
enquanto apenas 30% dos que no tm tuberculose reagem positi-
vamente. Uma pessoa da populao selecionada ao acaso e o teste Y
aplicado. Qual a probabilidade de que essa pessoa tenha tuberculose,
se reagiu positivamente ao teste?

EXERCCIOS - SRIE Ili - CAPTULO 1 Respostas


1. Uma moeda lanada trs vezes. Ache a probabilidade de se obterem:
a) trs caras;
b) duas caras e uma coroa;
c) uma cara;
d) pelo menos uma coroa;
e) nenhuma cara.

2. So lanados dois dados. Qual a probabilidade de:


a) obter-se um par de pontos iguais;
b) um par de pontos diferentes;
c) um par em que o 19 < 2 9 ;
d) a soma dos pontos ser um nmero par;
e) obter-se soma 7, se o par de pontos diferente;
f) obter-se soma 6, dado que o par de pontos igual;
g) a soma ser 14.

34
Respostas

3. A probabilidade de o aluno X resolver esse problema ~ e a do aluno Y

*Qual probabilidade de que o problema seja resolvido?

4. No lanamento de um dado, qual a probabilidade de sair o nmero 5 ou


um nmero par?

, 5y Um grupo de 15 elementos apresenta a seguinte composio:

Homens Mulheres
Menores 5 3
Adultos 5 2

Um elemento escolhido ao acaso. Pergunta-se:


a) Qual a probabilidade de ser homem?
b) Qual a probabilidade de ser adulto?
c) Qual a probabilidade de ser menor e mulher?
d) Sabendo-se que o elemento escolhido adulto, qual a probabilidade
de ser homem?
e) Dado que a escolhida mulher, qual a probabilidade de ser menor?

6. Um nmero escolhido ao acaso no conjunto {1, 2, 3, ... , 20}. Verificar


se so independentes os eventos:
a) X: o nmero mltiplo de 3.
Y: o nmero par.
b) M: o nmero primo.
N: o nmero mpar.

7. Um grupo de 100 pessoas apresenta, de acordo com o sexo e filiao


partidria, a seguinte composio:

Partido X Partido Y

Homens 21 39
Mulheres 14 26

Calcular:
a) a probabilidade de um escolhido ser homem;
b) a probabilidade de um escolhido ser mulher do partido Y;
c) a percentagem dos partidrios do Y;

35
d) a porcentagem dos homens filiados X;
e) se o sorteado for da X, qual a probabilidade de ser mulher;
f) se o sorteado for homem, qual a probabilidade de ser do Y

8. Prove: Se A e B so eventos independentes e mutuamente exclusivos,


ento P(A) =O ou P(B) =O.

9. Prove: Se A e B so eventos independentes e de probabilidades no


nulas, ento A e B no so mutuamente exclusivos, isto , A n B *
<1> .

1O. Prove: Os eventos A e S so independentes.

11. Prove: Os eventos A e <!> so independentes.

12. Prove: Os eventos S e <!> so independentes.

Respostas

36
2
VARIVEL
ALEATRIA

2.1 DEFINIO
Sejam E um experimento e S o espao associado ao experimento. Uma
funo X, que associe a cada elemento s E S um nmero real X (s) deno-
minada varivel aleatria. Veja a ilustrao.

Varivel
aleatria

Exemplo: E: lanamento de duas moedas;


X: n de caras obtidas nas duas moedas;
S = {(e, e), (e, k), (k, e), (k, k)}

X= O ~ corresponde ao evento (e, e) com probabilidade ~

X= 1 ~ corresponde ao evento (k, e), (e, k) com probabilidade ~

X= 2 ~ corresponde ao evento (k, k) com probabilidade -~

37
Observaes importantes:
1. Observe que, apesar da infelicidade da terminologia "varivel aleatria",
uma funo cujo domnio S e contradomnio R.
2. Nas aplicaes, conveniente trabalhar com nmeros e no com eventos,
da, o uso da varivel aleatria.
3. Se S numrico, ento X (s) = s.
4. Uma varivel aleatria X ser discreta se o nmero de valores possveis
de X (seu contradomnio) for finito ou infinito numervel. Caso seu con-
tradomnio seja um intervalo ou uma coleo de intervalos, ela ser uma
varivel contnua.

2.2 FUNO DE PROBABILIDADES


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 que se representa por P (X = x) ou
simplesmente P (x). (L P (xi) = 1). A funo P (X= x) determina a distribuio
de probabilidades da varivel aleatria.
P (x) pode ser expressa por uma tabela, grfico ou frmula.
Exemplo: E: lanamento de duas moedas.
X: n2 de caras obtidas.
Eis as vrias expresses para P (x):

1. Tabela

X o 2
1 1 1
P(x)
4 2 4

2. Grfico P(xJ

21 ---------------------

41 ---------- ---------- ------- - ---

o 2 X

38
3. Frmula

P(x) = ~ ( ~} para X= O, 1, 2.

Qualquer funo de uma varivel aleatria (V.A.) tambm uma varivel


aleatria, isto , se X V.A., ento Y = <p(x) tambm ser.

Exemplo: X~ V.A. pontos de um dado


Y= X + X ~ V.A. soma dos pontos de dois lanamentos
Z = Max {(x1 , x2 )} onde (x1 , x2 ) pontos de dois dados.

A distribuio de probabilidade de X dada por uma tabela ser:

X 2 3 4 5 6
1 1 1 1 1 1
P(x)
6 6 6 6 6 6

Para se obter a distribuio de probabilidade de Y convm construir o


espao amostral para y:

(1 '1) (1,2) (1,3) (1,4) (1,5) (1,6)


(2, 1) (2,2) (2,3) (2,4) (2,5) (2,6)
(3, 1) (3,2) (3,3) (3,4) (3,5) (3,6)
S=
(4, 1) (4,2) (4,3) (4,4) (4,5) (4,6)
(5, 1) (5,2) (5,3) (5,4) (5,5) (5,6)
(6, 1) (6,2) (6,3) (6,4) (6,5) (6,6)

Logo, a distribuio de probabilidade de y ser:

y 2 3 4 5 6 7 8 9 10 11 12

1 2 3 4 5 6 5 4 3 2 1
P(y)
36 36 36 36 36 36 36 36 36 36 36

Enquanto a distribuio de Z poder ser expressa pela tabela:

z 2 3 4 5 6

1 3 5 7 9 11
P(z)
36 36 36 36 36 36

39
2.3 FUNO DE REPARTIO

Seja X uma varivel aleatria discreta.


Define-se Funo de Repartio da varivel aleatria X, no ponto x, como
sendo a probabilidade de que X assuma um valor menor ou igual a x, isto :

F (x) = P (X ,;;; x)

Propriedades:

1. F(x) = L P(xi) (clculo de F (x))


X. " X
1

2. F (- oo) =O
3. F(+oo) =1
4. P(a<X,;;;b) = F(b) - F(a)
5. P (a ,;;; X,;;; b) = F (b) - F (a) + P (X= a)
6. P (a < X< b) = F (b) - F (a) - P (X= b)

7. F (x) contnua direita -t lim F (x) = F (x0 )


x~x
0
8. F (x) descontnua esquerda, nos pontos em que a probabilidade
diferente de zero.
lim F (X) * F (Xo) para P(X = Xo) *o
x~x
0
9. A funo no decrescente, isto , F (b) ;;. F (a), para b > a.

Exemplo: Admita que a varivel aleatria X tome os valores O, 1, 2 com


probabilidades ~ , ~ , ~ respectivamente.
Ento, F (x) = O se X<O
1
F(x) = -
3
se o ,;;; X< 1

1
.F(x) = - se ,;;; X< 2
2
F(x) = 1 se X ;;,, 2

40
Eis o grfico de F (x)

F(x)

1 ---- -- ---- - ---------- - - - - - - - -

1
2 -------- --
1----i
3

o 3 X

EXERCCIOS - SRIE 1 - CAPTULO 2 Respostas


1. No lanamento simultneo de dois dados, considere as seguintes vari-
veis aleatrias:
X = nmero de pontos obtidos no primeiro dado.
Y = nmero de pontos obtidos no segundo dado.

a) Construir a distribuio de probabilidade atravs de uma tabela e gr-


fico das seguintes variveis
1) W = X- Y
li) A 2Y
Ili) Z X Y
IV) B mximo de (X, Y)

b) Construir a Funo Repartio das variveis W, Z e B e fazer os


R respectivos grficos.

c) Aplicando as Propriedades da Funo Repartio, calcular as se-


guintes probabilidades:
1) p (-3 < 3)w ,;;; VII) P (W ,;;; -8)
li) P(O ,;;; W ,;;; 4,5) VIII) P (A ;;?: 11)
111) P(A > 6) IX) p (20 ,;;; z ,;;; 35)
IV) P (Z ,;;; 5,5) X) P (B = 8)
V) P(Z= 3) XI) P (-1 < A < 8)
VI) P (1 :.;; B :.;; 4) XII) P(3,5 < Z < 34)

41
Respostas
2. Uma varivel aleatria discreta tem a distribuio de probabilidade dada por:
K
P (X) = - para x = 1, 3 , 5, 7
X

a) Calcular o valor de K b) Calcular P (x = 5)

3. Seja Z a varivel aleatria correspondente ao nmero de pontos de uma


pea de domin.
a) Construir a tabela e traar o grfico de P (Z).
b) Determinar F (Z) e traar o grfico.
c) Calcular P (2 ,;;; Z < 6).
d) Calcular F (8).

4. Numa sala temos cinco rapazes e quatro moas. So retiradas; aleatoria-


mente, trs pessoas. Faa X a Varivel Aleatria nmero de rapazes.
a) Determine a distribuio de probabilidade da varivel X. Construa uma
tabela.
b) Determine a funo repartio de X.
R c) Construa o grfico de F (X).
d) Calcule as probabilidades:
1) P (X s 2)
li) P (X s O)
Ili P (1 <X s 3)
IV) P (2 < X< 3)
V) P (X> 2)
VI) P (X> -1)
VII) P (X< 5)
e) Determine: F (2,5); F (3); F (0,5); F (3,5); F (2); F (1); F (6); F (- 0,5).

2.4 VARIVEL ALEATRIA CONTNUA


Suponha que X uma varivel aleatria, cujo contradomnio um cont-
nuo de nmeros, um intervalo, por exemplo O ,;;; x ,;;; 5, ou uma coleo de
intervalos. Neste caso, a varivel aleatria contnua.
Relembrando, no caso da varivel aleatria discreta definiu-se P (x) (fun-
o probabildade), como uma funo que associa a cada elemento um nmero
no negativo, P (x;) = P (X = x;), i = 1, 2, ... , cuja soma igual a 1. Se for
utilizado o mesmo conceito para a varivel aleatria contnua, no se pode
indagar qual a probabilidade do i-simo valor de X, pois os valores possveis

42
de X no so numerveis, da P (x;} no ter sentido. H necessidade de definir
outro conceito , o que se passa a fazer.

2.5 FUNO DENSIDADE DE PROBABILIDADE

Seja X uma varivel aleatria contnua. A funo densidade de proba-


bilidade f (x) uma funo que satisfaz as seguintes condies: -
a) f (x) ;;. O para todo x e Rx.
b) JRx f (X) dx = 1

Alm disso, define-se, para qualquer a < b em Rx

P (a < X < b) = fa
f (x) dx

em que Rx o contradomnio de X.

Observaes importantes:
1. A definio acima mostra que a probabilidade de qualquer valor especi-
ficado de X, por exemplo x0 , tem P (X = x0 ) = O, pois
XO
p (X = Xo) =J f (X) dx =o
XO

Sendo assim, as probabilidades abaixo sero todas iguais, se X for vari-


vel aleatria contnua:
P(a ~ X ~ b) = P(a ~X< b) = P(a <X~ b) = P(a < X< b)

2. Note-se que f(x), densidade de probabilidade, no probabilidade.


Somente quando a funo for integrada entre dois limites, ela produzir
uma probabilidade, que ser a rea sob a curva da funo entre x = a e
X = b; 8 < b
3. Pode-se fazer uma analogia com a Mecnica e considerar-se que numa
varivel aleatria discreta, a massa de probabilidade est concentrada em
pontos isolados da reta real, e, no caso da varivel aleatria contnua, a
massa de probabilidade est espalhada de modo contnuo em segmentos
da reta real ;

43
4. Quanto funo Repartio , neste caso ela definida como:

F (x) = r
-~
f (x) dx

Pode-se provar que f (x) = d:~XJ para todo x no qual F seja derivvel.

f
+~

Como F (+ oo) = 1, devemos ter sempre -~ f(x) dx = 1, isto , a rea


total debaixo da curva de probabilidade vale sempre 1.

Exemplo 1. Seja X uma varivel aleatria contnua. Com a seguinte funo


densidade de probabilidade:

< x < 1
f ( ) _ { 2x para O
x - O para quaisquer outros valores

a) Como se v, f (x) assim definida, realmente uma funo densidade, pois

f (x) "" o e para todo X E Rx r ~ f (x) dx =


-~
f 0

-~
dx + J12xdx+
o
ro dx = 1

Seu grfico ser

f(x)

2 ------ -

2 X

Quanto a F (x) tem-se:

para x < O F (x) = (~ O dx =O

para O ~ .x < F (x) = l~ 0 dx + r o


2 X dx = J2

para x "" 1 F (x) -- f_~ Odx+ fo1 2xdx+ f~ Odx= 1

44
Cujo grfico ser:
F(xJ

1 - - - - - --- -- - --~-----

o~----..__ ____ _
X

O grfico de F (x) no caso de V.A. discreta constitudo por segmen-


tos de retas horizontais (degraus), e no caso da V.A. contnua, ele
contnuo para todo x.
b) Qual ser o resultado de P(< x < %) ?
2 xdx == -
2><2
2 2

Exemplo 2 Uma varivel aleatria tem a seguinte funo densidade de proba-


bilidade:
x<O f(x) =O
O ~ x < 1 f(x) = kx 2
x ~ 1 f(x) =O
Pede-se determinar k e a funo repartio.
Sabe-se que:

r oo f(x) dx = 1

Ento:

o O dx + J1 kx 2 dx + J"" O dx == 1, ou
f-oo seja, kx3 l1 - !5. -- 1 .. k = 3
o 1 3 o 3

45
Quanto funo repartio, tem-se:

para x < O, F ( x) = ( O dx =O
00

para O ::; x < 1

F (x) =f
O
O dx +
fx 3x 2 dx = x3
- oo o
para x ~ 1

F (X) = J- 00
Odx + fo 3x2 dx + r
1
0 dx =0 + 1 + 0 =1

EXERCCIOS - SRIE li - CAPTULO 2


Respostas
2
1. Seja f ( X) = j%<1 - x ), O < x <
O, caso contrrio
Ache a funo Repartio e esboce o grfico.

2. Seja f (x) = i~x se O ,,;; x ,,;; 2


O se caso contrrio
Ache a funo Repartio e esboce o grfico.

3. Seja f (x) = J~x + K se O ,,;; x ,,;; 3


l O em qualquer outro caso

Pede-se:
a) encontre K b) encontre P (1 ,,;; x ,,;; 2)
4. Uma varivel aleatria contnua X tem a seguinte funo densidade de
probabilidade:
x < O
R
f(x) = O
Q ,,;; X< 2 f(x) = K
2 ,,;; X< 4 f(x) = K(x- 1)
x ~ 4 f(x) =O

Peder-se:
a) qual o valor de K? b) encontre F (x) e faa o grfico

46
Respostas
5. A funo densidade de probabilidade de uma varivel aleatria contnua
X proporcional a x (1 - x) para O < x < 1, e zero para outros valores
de x. Pede-se:
a) mostre que f (x) = 6x (1 - x) para o< x < 1
b) calcule a funo repartio

c) calcule P(x '" ~)


6. Seja x uma varivel aleatria contnua tal que:
f (x) = O para x< O
f (x) = Ax para O '" x < 500
f (x) = A (1 00 - x) para 500 '" x < 1000
f (x) = O para X;;;,, 1000
Determinar
a) o valor da constante A;
b) p (250 '" X '" 750)

7. Dada a funo de distribuio (repartio)


F (x) = O para x< - 1
F (x) =~ para -1 '"x < 1
2
F (x) = 1 para 1 '" X

Calcule:

b) P (x = O) c) P(2 < X :o:;; 3)

2.6 VARIVEL ALEATRIA BIDIMENSIONAL


At aqui considerou-se que o resultado do experimento seria registrado
como um nico nmero x. Todavia, existem casos em que h interesse por
dois resultados simultneos. Por exemplo, estatura H e peso P de pessoas.
Para tanto precisa-se da seguinte definio:
Sejam: E um experimento aleatrio e S o espao amostral asso-
ciado a E.
Sejam: X= X(s) e Y = Y(s), duas funes, cada uma associando
um nmero real a cada resultado s E S, denomina-se
(X, Y) uma varivel aleatria bidimensional.

47
O grfico ilustra a definio.

Tal como a varivel aleatria unidimensional, (X, Y) poder ser discreta


ou contnua, valendo as mesmas consideraes feitas anteriormente.

2.7 DISTRIBUIO CONJUNTA


DE DUAS VARIVEIS ALEATRIAS
Seja (X, Y) uma varivel aleatria bidimensional discreta.
Funao de Probabilidade: Trata-se de uma funo que associa um n -
mero p (x;. Y} representado por P (X= X;. Y = 't)
satisfazendo as condies:

1. p (X;, Yj ) ;;,, O

~ ~

2. I, L p(x;. Yj) =1
j=1 i= 1

Como no caso da varivel unidimensional, a distribuio poder ser repre-


sentada por uma tabela, grfico ou frmula.
Exemplo: E= jogar dois dados
(X, Y) = pontos dos respectivos dados

48
1. Tabela

~
1
1

1
2

1
3

1
4

1
5

1
6

1
36 36 36 36 36 36
1 1 1 1 1 1
2
36 36 36 36 36 36
1 1 1 1 1 1
3 - - -
36 36 36 36 36 36
1 1 1 1 1 1
4 -
36 36 36 36 36 36
1 1 1 1 1 1
5 -
36 36 36 36 36 36
1 1 1 1 1 1
6 - - - -
36 36 36 36 36 36
2. Grfico

p(x~ yj)
2 3 4 5 6
X

3. Frmula
i = 1, 2, ... , 6
j = 1, 2, . .. , 6

49
2.8 FUNO DENSIDADE DE PROBABILIDADE CONJUNTA

Seja (x, y) uma varivel aleatria bidimensional contnua. Diz-se que


f (x, y) uma funo densidade de probabilidade conjunta se:
1. f (x, y) ;;,, O

2. r~ r~ f(x, y) dxdy = 1

2.9 FUNO DE REPARTIO CONJUNTA


definida como na varivel aleatria unidimensional, assim:
F (x, y) = P (X~ x, Y ~ y)
Caso (X, Y) discreta, tem-se F (x, y) = r.r.p (xi, Yj) , tal que xi ~ x e Yj ~ y

Caso (X, Y) contnua, tem-se F (x, y) = r -oo


t -oo
f (X, y) dx dy

2.10 DISTRIBUIO DE PROBABILIDADE MARGINAL

Dada uma varivel aleatria bidimensional e sua distribuio conjunta


pode-se determinar a distribuio de X sem considerar Y, ou vice-versa. So
as chamadas distribuies marginais.
Seja (X, Y) discreta; ento:
P(X = X;)= P(X = X;, - oo < y < +oo)

ou
Distribuio marginal de X:

p ( y = Yj) = p (- 00 < X < oo, y = Yj)

ou
Distribuio marginal de Y:

P ( Y = Y) =L P( x;. Yj)
i

Se a distribuio de (X, Y) dada por uma tabela, as probabilidades


marginais sero dadas pela soma das linhas ou colunas.
No caso de (X, Y) contnua, teremos:
Q ( X) = r~ f (x, y) dy ~ funo densidade marginal de X

50
h (y) = r~ f (x, y) dx ~ funo densidade marginal de y
2.11 VARIVEIS ALEATRIAS INDEPENDENTES
Seja (X, Y) uma varivel aleatria discreta bidimensional. Diz-se que X e Y
so independentes se, e somente se, p (x1, yi) = p (x1) p ()j) para quaisquer i e J.
Seja (X, Y) uma varivel aleatria contnua bidimensional. Diz-se que X e
Y so independentes se, e somente se, f (x, y) = g (x) h (y) para todo (x, y).

Exemplo: dada a distribuio de probabilidade conjunta de (X, Y) pela tabela


abaixo. Verificar se X e Y so independentes.

N o
o

0,10
1

0,20
2

0,20
p(yj)

0,50

1 0,04 0,08 0,08 0,20

2 0,06 0,12 0,12 0,30

p(X;) 0,20 0,40 0.40 1,00

Soluo: Para todo i, j; i = O, 1, 2 e j = 1, 2, 3 deve-se ter:


P (X;, Yj) = P (X;) P (Yj)

Para o par (0,0) tem-se:


p(O,O) = 0,10 e p(x =O) p(y = 0) = 0,2 05 = 0,10
Para o par (2, 1) tem-se:
p(2,1) = 0,08 e p(x = 2) p(y = 1) = 0,4 0,2 = 0,08

Continuando-se os clculos para todos os pares verifica-se que as igual-


dades so constatadas. da concluir-se que x e y so independentes.

2.12 MEDIDAS DE POSIO

2.12.1 Mdia ou esperana matemtica


Define-se Esperana Matemtica ou Mdia de uma varivel aleatria discreta
como:

E [X] = X = = I X; p (X;)

51
Para o caso de varivel aleatria contnua tem-se:

E [X] = X = = r 00 X f (X) dx

Exemplo: E lanamento de um dado


X ponto obtido
X 1, 2, 3, 4, 5, 6

P(X) _1 , _1 , _1 , _1 , _1 , _1
6 6 6 6 6 6

E [X] =1 i- + 2 i- + 3 i- + 4 i- + 5 i- + 6 i- = 3,5
Propriedades da Mdia
Sero demonstradas para o caso de variveis discretas.
1. A mdia de uma constante a prpria constante.
E[K] = L KP(X;) = K L P(X;) = K
i i
2. Multiplicando uma varivel aleatria X por uma constante, sua mdia fica
multiplicada por essa constante.
E[KX]= L Kx;P(x;)= KL x;P(x;)= KE(K]
i i

3. A mdia da soma ou da diferena de duas variveis aleatrias a soma


ou diferena das mdias.

E{x Yl =I I (x; YjJ P(x;, Yj) =II X; P(X;. YjJ


i j i j

L L Yj p (X;' Yj) =
i j

=LX; L P(x;, Yj) L Yj L P(x;, Yj) =L X; P(x;)


i j j i i

L Yj P(yj) = E[X] E[Y].


j

4. Somando ou subtraindo uma constante a uma varivel aleatria, a sua


mdia fica somada ou subtrada da mesma constante.
E[X K] = E[X] E[K] = E[X] K

52
5. A mdia de uma varivel aleatria centrada zero.
Diz-se que a varivel aleatria est centrada quando se calculam todos
os desvios (x; - x). Assim:
E[X - (x) J = E[X] - E[(x)J = x - x = O

6. A mdia do produto de duas variveis aleatrias independentes o pro-


duto das mdias.

E [XY] = L L X; . ~ . p (X' ~)
i j

E [XY] = L, L, X; ~ P (X;) P ( ~) . pois X e Y so independentes.


i j

E[XY] =L X; P(X;) L ~ P ( ~)
i j
E[XY] = E[X] E [Y]

2.12.2 Mediana
Mediana de uma varivel aleatria o valor que divide a distribuio em
duas partes iguais, ou seja, F (Md) = 0,5, onde Md = mediana.
Exemplo: Seja X uma varivel aleatria com a segu inte funo repartio :
F (x) = O para x< O
F(x)=~ para O ~ x < 1
F (x) = 1 para x ~ 1

Logo a mediana ser o valor de x tal que F (x = Md ) = ~


Assim : Md 2 = .!_2 Md = -"\Jfl
2

2.12.3 Moda
o valor da varivel com maior probabilidade, se X for discreta, ou maior
densidade se X for contnua.

53
Exemplo:
a) X uma varivel aleatria discreta, tal que:

2
0,5

Logo, a moda ser o 2.


b) X uma varivel aleatria contnua, tal que:
f (x) = 2x para O .;:: x .;:: 1
f (x) = O para outros valores
O grfico de f (x) :

f(x)

2 ------- -- - - --- --

o X

Ento: Moda m0 = 1
(observe o grfico)
Mediana:
F(Md) = 0,5

logo

td
o
2x dx == O 5
'
~ 2 2
x / Md Md2 == O 5
2 o '

portanto Md == -vf

54
2.13 MEDIDAS DE DISPERSO

2.13.1 Varincia
Define-se varincia de uma varivel aleatria como sendo:

Var[X] = crfx) = E[(X - ex/l

Para X discreta: crfx) = L. (Xi - ex/ P (xi)

Para X contnua: crfxJ = e 00


(xi - ex/ f (x) dx

2.13.2 Desvio-padro
Por definio, desvio-padro a raiz quadrada da varincia:

Pode-se encontrar uma frmula mais prtica para o clculo da varincia:


crfx) = E [(X - ex/l = E [(x'2 - 2Xx + ~)] =
= E[x2] - E[2Xx] + E[~]=

= E[x2] - 2xE[X] + ~ =

= E[x2] - 2x . x + ~

Propriedades da Varincia
Sero demonstradas para o caso de variveis discretas.
1. A varincia de uma constante zero.

crfk) = E [(K - ek/l = E [(K - K) 2] =o

55
2. Multiplicando-se uma varivel aleatria por uma constante, sua varincia
fica multiplicada pelo quadrado da constante.

fkx) = E [(KX - Ckxll = E [K2(X - x)2] =


= K2E [(X - x)2] = K2 afx>

3. Somando-se ou subtraindo-se uma constante uma varivel aleatria,


sua varincia no se altera.
pois cr2(K) =o
4. A varincia da soma ou diferena de duas variveis aleatrias indepen-
dentes a soma das respectivas varincias.

cr2 (X Y) = E [[(X Y) - (x y)J 2] =


= E [[(X - x) (Y - y)J2] =
= E[(X - x) 2] 2 E[(X - x) . (Y - y)J + E[(Y - y)2]

mas, E[(X - x) (Y - y)J = E[(X - x)J E[(Y - y)] =


= COVxy = O, pois X e Y so independentes. Onde COVxy = covarincia
entre x e y. Veja na prxima seo.

Portanto:

cr2 (X Y) = cr2(X) + cr2 ( Y)

Exemplo: Seja X uma varivel aleatria contnua com a seguinte funo densidade:
f (x) =O para x<O
f(x) = 3x2 para ,,;;; X< 1
f (x) = O para x>1

Calcular: E [X], Var [X] e Desvio-padro


1 1
J
oo
E [X] =
- oo
x f (x) dx = Jo x 3x2 dx = 3 Jo x3 dx =

56
2
Var [X] = J
_oo

Desvio-padro:
00

<x) *
(xi - x) 2 f(x) dx =

= O, 19
J1 (X - 43J 3.x2 dx =
0
3
80

2.14 COVARINCIA E COEFICIENTE DE CORRELAO


O grau de disperso conjunta e de associao linear entre duas variveis
aleatrias podem ser avaliados pela covarincia e coeficiente de correlao.

2.14.1 Covarincia
Define-se covarincia entre x e y como:

Desenvolvendo-se os parnteses, obtem-se a frmula prtica:

2.14.2 Coeficiente de Correlao

Define-se coeficiente de correlao entre x e y como:

- 1 :s;; pxy :s;; 1

onde:

E[XY] = L, L, xi Yj p (xi, YJ para (X, Y) discreta


j
ou

E [XY] = ( ( x y f (x , y) dx dy para (X, Y) contnua


00 00

57
Exemplo: Seja (X, Y) uma varivel aleatria bidimensional discreta com a
seguinte distribuio conjunta:

~ -3 2 4

1 O, 1 0,2 0,2
3 0,3 O, 1 0,1

Calcular COVxy e Pxy.

Primeiramente convm encontrar as distribuies marginais de X e Y.


(Lembre-se soma das linhas e das colunas).

X 3 y -3 2 4
P(x) 0,5 0,5 P(y) 0,4 0,3 0,3

Ento: (x) = 1(0,5) + 3(0,5) = 2,0

(y) = - 3(0,4) + 2(0,3) + 4(0,3) = 0,6

E [x2] = (1 )2 0,5 + (3)2 '50,5 = 5,0

E [Y2] = (- 3)2 0,4 + (2) 2 0,3 + (4)2 0,3 = 9,6

fxJ = 5,0 - (2,0) 2 = 1~ :. ex) = 1

f.Yl = 9,6 - co,6)2 = 9,24 :. er> = 3,04

E[XY] = 2, X; ~ p(X;, ~)
= 1(- 3)0, 1 + 1 (2)0,2 + 1(4)0,2 + 3(- 3)0,3 + 3(2)0, 1 +
+ 3(4)0,1 =0

Logo, COVxy = E [XY] - X y


= o - (2)(0,6) = - 1,2

E [XY] - x y = - 12 -
Pxy = x i (1)(3:04) = -0,39

58
EXERCCIOS - SRIE Ili - CAPTULO 2
Respostas
1. Considere a seguinte distribuio conjunta de X e Y:

)'( -2 -1 4 5

1 O, 1 0,2 o 0,3
2 0,2 O,1 0,1 o

a) achar as distribuies marginais de X e Y;


b) calcular E [X], E [Y] e E [XY];
c) calcular covarincia entre X e Y;
d) calcular x e ay;
e) calcular Pxy;
f) as variveis so independentes? por qu?

2. Sejam M e N duas variveis aleatrias com as seguintes distribuies:

M 3 N 5 10 12
P(M) 0,6 0,4 P(N) 0,3 0,5 0,2

a) achar a distribuio conjunta de (M,N);


b) calcule E [M] e E [N];
c) calcular cr(M) e cr(N);
d) qual o valor de PNM? por qu?

3. Dada a seguinte funo densidade conjunta de (X, Y) :

0 ,,;; X ,,;;
3x 2y + 3y 2x para ,,,;:: ,,,;::
f(x , y) =
{0 ~Y~

{
o para outros valores

a) determinar as funes densidades marginais de X e Y;


b) calcular E[X] e E[Y];
c) calcular fx) e fYl ;
d) calcular P (0,5 ,,;; x ,,;; O,75);
e) calcular o coeficiente de correlao entre X e Y.

59
Respostas
4. Suponha que (X, Y) tenha a seguinte funo densidade de probabilidade

0 < X < 1
Jx + Y para {0 < y < 1
f(x, y) = la para outros valores

a) calcule as distribuies marginais de X e de Y;


b) calcule E[Y];
c) calcule E [X];
d) covarincia entre X e Y.

5. Uma varivel aleatria X, tem uma densidade de probabilidade dada por

f(x) = liX no intervalo 1 ~ x ~ 2, e

f (X) = O, fora desse intervalo.

a) determine K;
b) determine (x);
c) determine a mediana de X;
d) determinar a moda de X;
e) calcule a varincia de X.

6. X uma varivel aleatria contnua, tal que f (x) Kx2 Kx3 para O ~ x~ 1
R
= -
e f (x) = O para outros valores.
a) ache K;
b) calcule a esperana de X;
c) calcule a mediana de X;
d) determine a varincia de X.

7. X uma varivel aleatria discreta, tal que a funo repartio dada


por:
F(- 2) = 0,3 F(O) = 0,5 F (1) = 0,6
F(2) = 0,8 F(5) = 1,0
a) calcule a mdia de x;
b) calcule a moda de X;
C) P (- 1 ~ X~ 4)?;
d) calcule a varincia.

60
Respostas
8. X uma varivel aleatria tal que a funo repartio dada por:
F(x) =O para x<O
F (x) = x3 para 0 :;;; X < 1
F (x) = 1 para X ;;., 1

a) calcule a mdia;
b) determine a mediana;
c) calcule a varincia.

9. Mostre que COVxy = E [ XY] - x y

1O. Determinar a mdia e o desvio-padro do peso lquido de um produto,


sabendo-se que a mdia do peso bruto 800 g, com desvio de 20 g e o
peso da embalagem tem peso mdio de 100 g, com desvio de 1O g.

11. A funo de probabilidade conjunta de duas variveis aleatrias discretas


X e Y dada por P (x, y) = cxy para x = 1, 2, 3 e y = 1, 2, e zero em
todos os outros casos. Determine:
a) o valor das constante e;
b) a tabela de distribuio conjunta de (X, Y);
c) P (X= 3, Y = 2);
d) F (2,2);
e) P(X=1);
f) P(Y=2);
g) a mdia de X ;
h) a varincia de Y;
i) E[XY] ;
j) a covarincia entre X e Y;
1) o coeficiente de correlao .

12. (X, Y) uma varivel bidimensional contnua com a funo densidade


conjunta:
e (x 2 + y 2) O :;;; x :;;; 1 , O :;;; y :;;; 1
f (x , y) =
( O, em caso contrrio

Determine:
a) a constante e;
b) P (X < 1/2 , Y > 1/2);

61
Respostas
c) p( < X < ~}
d) P[Y < ~);
e) se X e Y so independentes;
f) a covarincia entre X e Y;
g) o coeficincia de correlao entre Ye X.

13. Um jogo consiste em se atirar um dado; se der faces dois ou cinco, a


pessoa ganha $ 50,00 por ponto obtido; se der faces um ou seis, a
pessoa ganha $ 100,00 por ponto obtido; se der faces trs ou quatro,
a pessoa paga $ 150,00 por ponto obtido. Responda: O jogo hones-
to? Calcule o desvio-padro da distribuio.
14. Em uma classe, h 6 homens e 3 mulheres. Sorteados 3 alunos ao acaso
e sem reposio, faa X: V.A. nmero de homens sorteados. Calcule a
mdia, a moda e o desvio-padro da distribuio.

15. Um processo de fabricao produz peas com peso mdio de 30 g e


desvio-padro de 0,7 g. Essas peas so acondicionadas em pacotes de
uma dezena cada. A embalagem pesa em mdia 40 g, com varincia 2,25 g2.
Qual a mdia e o desvio-padro do peso total do pacote?

16. O lucro unitrio (L) de um produto dado por L = 1,2V- o,ac - 3,5.
Sabendo-se que o preo unitrio de venda (\/) tem mdia $ 60,00 e
desvio-pa dro $ 5,00, e que o preo do custo unitrio ( C) tem uma
distribuio de mdia $ 50,00 e o desvio-padro para $ 2,00, qual a
mdia e o desvio-padro do lucro unitrio?

62
3
MODELOS DE DISTRIBUIES
DISCRETAS DE PROBABILIDADE

Neste captulo so apresentados os principais modelos de distribuies


de probabilidades para variveis discretas.

3.1 DISTRIBUIO DE "BERNOULLI"


Suponhamos a realizao de um experimento E, cujo resultado pode ser
um sucesso (se acontecer o evento que nos interessa) ou um fracasso (o
evento no se realiza).
Seja x a varivel aleatria: sucesso ou fracasso.
X -t x1 = 1 (sucesso) ou x2 = O (fracasso)
P (X) -t p (x1 ) =p p (x2 ) = 1 - p = q.
Diz-se que esta varivel, assim definida, tem uma distribuio de "Bernoulli".
Suas principais caractersticas:
1
Mdia: (X) =L Xi P (xi) = 0 q + 1 . p =p
o

Varincia: txJ = E [CX1 - ) 2 J = E cxr) - txJ


1
E [xf i = r xr p cxj) = 2 q + 12 p = p
o
crtX) = p - p2 = p (1 - p) = pq

63
3.2 DISTRIBUIO BINOMIAL
Trata-se de uma distribuio de probabilidade adequada aos experimentos
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
1-p=q.
Define-se a varivel Y como o nmero de sucessos das n provas.
Logo, Y pode tomar os valores O, 1, 2, 3, ... , n.
Fazendo sucesso corresponder a 1 e fracasso a O, ou seja, provas de
Bernoulli, tem-se:
Para Y = O, uma seqncia de n zeros: 0000 ... O. Logo:
P ( Y = O) =q . q . q . q ... q = qn
Para Y = 1, uma seqncia do tipo: 1000 ... O; 0100 ... O; 001000 ... O;
sero n seqncias, cada uma com um nico sucesso e n - 1 fracassos:
p ( y - 1 ) = n . p . qn - 1

Para Y = y, tem-se y sucessos e (n - y) fracassos, correspondendo s


seqncias com y algarismos 1 e n - y zeros. Cada seqncia ter probabili-
dade p Y qn - Y e como h ( ; ) seqncias distintas, tem-se:

que a expresso geral da distribuio Binomial.


Para Y = n, tem-se uma seqncia de n uns: 1111 ... 1, logo:
P (Y = n) = pn

O nome Binomial porque ( ~) pYqn- r, nada mais que o termo de


grau y em p no desenvolvimento do Binmio de Newton (q + p)n.

Mdia De acordo com as hipteses, v-se que Y a soma de n variveis


do tipo "Bernoulli", da,
(Y) = n (X) = n p ou seja (Y) = np 1

Varincia Lembrando o que foi feito acima, temos:

fY) = n fXJ = n p q ou seja 1 ofy) = npq

Exemplo: Uma moeda no viciada lanada 8 vezes. Encontre a probabi-


lidade de:
a) dar 5 caras;
b) pelo menos uma cara;
c) no mximo 2 caras.
Calcular a mdia e varincia da distribuio.

Soluo: Sabe-se que: n = 8, p = 21 e q = 21


Y ~ nmero de caras (sucessos)

a) P (Y = 5) = ( ~)(~ ~ J( J- 5
= ; 2 = 0,22 = 22%

b) P(Y~ 1) = 1 - P(Y= O)= 1 -


(
2.1 J = 255 = 0,996 = 99,6%
256

c) P(Y ~ 2) = P(Y = 0) + P(Y = 1) + P(Y= 2) =

=( ~ J+ 8 ( ~ )( ~ J+ ( ~ )( ~ J(~
1 8 28 37
r
= 256 + +
256
256 = 256 = 14 = 14%

A mdia ser: <Yl = n p = 8 ~ = 4

A varincia ser: fri = n p q = 8


1
2 2
1
= 2

65
3.3 DISTRIBUIO MULTINOMIAL
Uma generalizao da Binomial resulta a distribuio multinomial. Assirr
considere a possibilidade de K alternativas, isto , repartirmos o Espao Amos-
tral em K eventos A1 , A2 , ... , AK, mutuamente exclusivos com probabilidades
P1, p2 , . . . , PK tais que p 1 + p2 + ... + PK = 1. Ento n provas, a probabilidade
de que A1 ocorra X1 vezes, A2 ocorra X2 vezes ... AK ocorra XK vezes igual a

Exemplo: Um dado lanado 1O vezes. Qual a probabilidade de terelT'


aparecido duas vezes o n 2, duas vezes o n 5, trs vezes o
n 1 e uma vez os demais resultados?

Ento: n = 10

A 1 = {sair o n i}, i = 1, 2, 3, 4, 5, 6
X1 = 3; X2 = 2; X3 = 1; X4 = 1; X5 = 2; X6 =1
6
L X;= 10
i= 1

P (X1 = 3; X2 = 2; X3 = 1; X4 = 1 ; X5 = 2; X6 = 1) =
3 2 1 1 2
10!
=3!2!1!1!2!1! (6
1) (61 ) (61 J ( 61 J (61 ) ( 61 J1 ::: 0,0025 = 0,25=

3.4 DISTRIBUIO DE POISSON


Em muitos casos, conhece-se o nmero de sucessos, porm se torna
difcil e, s vezes, sem sentido, determinar o nmero de fracassos ou o nmero
total de provas. Por exemplo: Automveis que passam numa esquina. Pode- se
num determinado intervalo de tempo anotar o nmero de carros que passaram.
porm, o nmero de carros que deixaram de passar pela esquina no poder
ser determinado. Da mesma forma, o nmero de emendas num rolo de fita
colante. Pode-se determinar quantas emendas existem, porm no possvel
contar "quantas emendas no ocorreram.
Analisando os exemplos acima, verifica-se que h uma varivel te quando
t~ a probabilidade tende a aumentar.
oo

66
Para encontrar a expresso que d a probabilidade de x sucessos num
intervalo t, algumas hipteses precisam ser admitidas:

H1. P (X = 1, M) = Mt (a probabilidade de um sucesso


H2. P(X > 1, M) = O num intervalo M proporcional
H3. P (X = O, M) = 1 - Mt amplitude do intervalo)
H4. As ocorrncias de sucessos em intervalos so independentes.
t
Tem-se que: M = - , logo: P(X = 1, M) =.-
t
n n
Para se encontrar a expresso que d P (X, t), ou seja, a probabilidade
de X sucessos no intervalo t, pode-se calcular o limite de uma distribuio
Binomial com parmetros n e .f Assim:
n

P(x, t) = lim
n~oo

= lim
n (n - 1) (n - 2) ... (n- x + 1) (.t) x. (1 _ .t )n (1 _ .t J-x
x! nX n n

= lim

Portanto: p (X f) = (.f) X . e-t


, x!

que a frmula para o clculo de variveis com distribuio de Poisson. Onde


. o coeficiente de proporcionalidade e e = 2, 7 ...

Mdia Pode-se provar que

-
Varincia Pode-se provar que ofx) = f..t

67
Exemplo: Em mdia h 2 chamadas por hora num certo telefone. Calcular::
probabilidade de se receber no mximo 3 chamadas em 2 ho r~
e a probabilidade de nenhum chamada em 90 minutos.

Soluo: = .f: 2 = .f :. .= 2

P (X ~ 3, 2h) = P (X = O, 2) + P (X = 1, 2) + P (X = 2, 2) + P (X = 3, 2) =

- (4) e-4 ~-4 (4)2 e-4 (4)3 e-4_


- O! + 1! + 2! + 3! -

= 0,0183 + 0,0732 + 0,1464 + 0,1952 = 0,4331 = 43,31%

= .f

2 = .60
o
90 90
( J e-(3o) 3
30
P (X = 0,90) = O! = e- = 0,0498 = 4,98%

EXERCCIOS - SRIE 1 - CAPTULO 3 Respostas


Distribuio Binomial

1. Uma moeda jogada 1O vezes. Calcular as seguintes probabilidades:


a) de ocorrer 6 caras ;
b) de dar pelo menos 2 caras;
c) de no dar nenhuma coroa;
d) de dar pelo menos uma coroa;
e) de no dar 5 caras e 5 coroas.

2. Admitindo-se que os nascimentos de meninos e meninas sejam iguais


calcular a probabilidade de um casal com 6 filhos ter 4 filhos homens e 2
mulheres.

3. Em 320 famlias com 4 crianas cada uma, quantas se esperaria que


tivessem:
a) ~enhuma menina;
b) 3 meninos;
c) 4 meninos.

68
Respostas
4. Qual a probabilidade de obter ao menos uma vez o ponto 3 em n jogadas
de um dado?

5. Um time X tem ~ de probabilidade de vitria sempre que joga. Se X jogar


5 partidas, calcule a probabilidade de:
a) X vencer exatamente 3 partidas ;
b) X vencer ao menos uma partida;
c) X vencer mais da metade das partidas.

6. A probabilidade de um atirador acertar o alvo ~ . Se ele atirar 6 vezes,


qual a probabilidade de:
a) acertar exatamente 2 tiros?
b) no acertar nenhum tiro?

7. Num teste do tipo certo-errado, com 100 perguntas, qual a probabilidade


de um aluno, respondendo as questes ao acaso, acertar 70% das
perguntas?

8. Uma varivel aleatria com distribuio binomial tem a funo repartio dada
por:
1 131
F (O) = 243 F (3) = 243

11 211
FC1) = 243 FC4 ) = 243

51
F(2) = 243

Determinar:
a) n
b) peq
c) mdia de Y
d) varincia de y
e) P(Y ~ 1)
f) p (2 ~ y ~ 4)

9. Se 5% das lmpadas de certa marca so defeituosas, achar a probabilidade


de que, numa amostra de 100 lmpadas, escolhidas ao acaso, tenhamos:
a) nenhuma defeituosa;
b) 3 defeituosas;
c) mais do que 1 boa.

69
Respostas
10. Aplique a definio de Mdia e Varincia de uma
Varivel Aleatria D::
ereta para provar que a mdia de uma binomial n
n. p. q. p e a varino::

Distribuio Multinomial

11 . Jogue um dado 8 vezes. Calcule a probabilidade de


aparecer 2 nmer~:
2; 2 nmeros 5 e os demais nmeros, uma vez.

12. As lmpadas coloridas produzidas por uma fbrica so


60% verdes , 3G;
azuis e 10% amarelas. Em 5 lmpadas, encontre a probab
ilidade de -"
2 sejam verdes, 1 azul e 2 amarelas.

13. O sangue humano foi classificado em 4 tipos : A,


O, B e AB. Numa ce~...:
populao, as probabilidades destes tipos so respectivame
nte: 0,40 ; o..:.:
O, 1O e 0,05. Qual a probabilidade de que em 5 indivd
uos escolhidos a:
acaso haja:
a) dois do tipo A e um de cada um dos outros?
b) trs do tipo A e dois do tipo O?

Distribuio de Poisson

14. Uma fbrica de pneus verificou que ao testar seus pneus


nas pistas, ha ...
em mdia um estouro de pneu a cada 5.000 km .
a) Qual a probabilidade que num teste de 3.000 km haja
no mxim o _
pneu estourado?
b) Qual a probabilidade de que um carro ande 8.000
km sem esto_-z:-
nenhum pneu?

15. Certo posto de bombeiros recebe em mdia 3 chama


das por dia. Ca e_.:..
a probabilidade de:
a) receber 4 chamadas num dia;
b) receber 3 ou mais chamadas num dia.

16. A mdia de chamadas telefnicas numa hora 3.


Qual a probab il cz:E
de:
a) receber exatamente 3 chamadas numa hora?
b) receber 4 ou mais chamadas em 90 minutos?

17. Na pintura de paredes aparecem defeitos em mdia


na proporo :.::
defeito por metro quadrado. Qual a probabilidade de aparec
erem 3 e: -
tos numa parede de 2 x 2m?

70
Respostas
18. Suponha que haja em mdia 2 suicdios por ano numa populao de
50.000. Em uma cidade de 100.000 habitantes, encontre a probabilidade
de que em um dado ano tenha havido:
a) O;
b) 1;
c) 2;
d) 2 ou mais suicdios.

19. Suponha 400 erros de impresso distribudos aleatoriamente em um livro


de 500 pginas. Encontre a probabilidade de que uma dada pgina con-
tenha:
a) nenhum erro;
b) exatamente 2 erros.

20. Uma loja atende em mdia 2 clientes por hora. Calcular a probabilidade
de em uma hora:
a) atender exatamente 2 clientes;
b) atender 3 clientes.

21. Aplicando as definies de mdia e varincia, prove que a mdia e a


varincia de uma Poisson so iguais a 'A.t.

71
4
MODELOS DE
DISTRIBUIES CONTNUAS
DE PROBABILIDADE

Os principais modelos de distribuies de variveis aleatrias contnuas


so apresentados neste captulo.

4.1 DISTRIBUIO UNIFORME OU RETANGULAR


X uma varivel uniformemente distribuda no intervalo [a, b) se sua
funo densidade for dada por:

f (X) = 0 para x fora de [a, b]


1
f(x) = - - para a .;; x.;; b
b - a

Sua funo repartio :

F(x) =O para x<a


x-a
F(x) = - - para a .;; x < b
b - a
F(x) = 1 para x ;;. b

Pode-se demonstrar que a mdia e a varincia so dadas por:

(x) = -
a+ - b ,.2 - (b - a)2
-
2 V(X) - 12

72
Exemplo : Um ponto escolhido ao acaso no segmento de reta [O, 2]. Qual
ser a probabilidade de que o ponto escolhido esteja entre 1 e ~?
Fazendo X representar a varivel escolher um ponto de [O, 2] tem-se que a
funo densidade de X dada por f (x) = b ~ a =
2
~ 0
= ~ para O ::;:; x ::;:; 2

P 1 ::;:; X ::;:; -3 ) = f1 ,5 -1 dX = -1
( 2 1 2 4

4.2 DISTRIBUIO NORMAL


a mais importante distribuio de probabilidade, sendo aplicada em
inmeros fenmenos e utilizada para o desenvolvimento terico da estatstica.
tambm conhecida como distribuio de Gauss, Laplace ou Laplace-Gauss.
Seja X uma varivel aleatria contnua. X ter distribuio normal se:

f (X) = 1 e-~x~r, - oo < X< oo


a .J2n
onde: = mdia de distribuio
o = desvio-padro da distribuio
7t = 3,1416 .. .
e = 2,7 ...
Sendo seu grfico:

f(x)

Para o clculo das probabilidades, surgem dois grandes problemas: pri-


meiro, para a integrao de f (x) , pois para o clculo necessrio o desen-

73
volvimento em sries; segundo, seria a elaborao de uma tabela de probabi-
lidades, pois f (x) depende de dois parmetros, fato este que acarretaria um
grande trabalho para tabelar essas probabilidades considerando-se as vrias
combinaes de e a 2 .
Esses problemas podem ser solucionados por meio de uma mudana de
varivel, obtendo-se, assim, a distribuio normal padronizada ou reduzida.

4.2.1 Distribuio Normal Padro


Seja Z uma varivel aleatria tal que:

em que X uma varivel normal de mdia e varincia a 2 .


Ento a mdia de z ser:

E[z] = E[~]
a
= ..!_a jE[X - ]) = ..!_ jE[X] - E[Jf = ..!_ j - f = O
a a
E sua varincia:

2
Var[z] = Var ~X - 11 ] = -1 jVar[X - ] f = - 1 jVar[X] f = -a =
[ a a2 a2 a2
Logo, a funo densidade ser:

-1- e - .!2 z
2
(j) (Z) = , -oo < z < oo
-l2rI
Sendo o grfico de q> (z) igual a:

cp(z)

74
Como a mdia de Z O e a varincia 1, as probabilidades (reas) sob
cp (z) so calculadas e tabeladas. Nos exemplos seguintes ser explicado o
uso da tabela da distribu io normal padro.
Para se registrarem distribuies normais usa-se a seguinte notao:
X g N ( ; cr2) l-se "a varivel aleatria X tem distribuio normal com
mdia e varincia cr2."
Z g N (O ; 1) l-se "a varivel aleatria Z tem distribuio normal com
mdia O e varincia 1." Ou, simplesmente, distribuio
normal padro.

4.2.2 Propriedades da Distribuio Normal


Como foi visto, o grfico da funo densidade de uma varivel normal tem
a forma de um sino e simtrico em relao mdia . Fixando-se a mdia,
verifica-se que o "achatamento" est diretamente ligado ao valor de cr; assim:

f(x)

1 PROPRIEDADE
"f (x) simtrica em relao origem x = , ou cp (z) simtrica em
relao origem Z = O.

f(x) cp(z)

X o z

75
21! PRO PRIE DAD E
"f (x) possui um mximo para
x = , ou cp (z) possui um mximo para
Z = O, e neste caso sua ordenada vale
0,39"

f(x)
<p(z)

0,39

X o z

31! PRO PRIE DAD E


"f (x) tende a zero quando x tende para + oo
ou - oo, o mesmo acontecer -
do com cp (z) quando Z -t oo .
Isto , x ou z so assntotas de f (x) ou cp (z).

41! PRO PRIE DAD E


"f (x) tem dois pontos de inflexo cujas absci
ssas valem + o e - a
ou cp (z) tem dois pontos de inflexo cujas
abscissas valem + 1 e -1."

f{x)
<p(X)

-cr +cr X -1 o z

76
4.2.3 Combinao de Distribuies Normais
"A combinao linear de variveis com distribuies normais indepen-
dentes tambm varivel com distribuio normal."
Por exemplo: se X e Y so variveis aleatrias com distribuies normais,
ento:
W = aX + bY +e

ter distribuio normal com:


(w) = a (x) + b (y) + e, e
cr2 (w) = a 2 cr2 (x) + b2 cr2 (y)

Isto , em particular, a soma ou diferena de duas variveis aleatrias


normais tambm uma varivel aleatria normal.

4.2.4 Uso da Tabela de Distribuio Normal Padro


H vrios tipos de tabelas que oferecem as reas (probabilidades) sob a
curva normal padro. O tipo mais freqente a Tabela de Faixa Central.
A Tabela de Faixa Central d a rea sob a curva normal padro entre
z O e qualquer valor positivo de z. A simetria em torno de z = O permite obter
=
a rea entre quaisquer valores de z (positivos ou negativos).

o Zo z

A Tabela oferece a rea entre O e z 0 ou P (O ~ z ~ z0 ).

Exemplo: Desejam-se as probabilidades:


a) P (O ~ z ~ 1)
b) p (-2,55 < z < 1,2)
c) P (z ~ 1,93)

77
No caso a) tem-se:

o z

Para se obter probabilidade, basta entrar com a abscissa 1,0 (na primeira
coluna) e 0,00 (na primeira linha) da Tabela. Assim :
P (O ,,;; z ,,;; 1) = 0,3413

Confirme o resultado, consultando a Tabela 1 no final do livro.

No caso b)

-2,55 o 1,2 z

Entra-se, na Tabela, com o valor 1,2 na 1 coluna e 00 na 1 linha.


obtendo 0,3849.
Lembrando a propriedade da simetria em relao a z = O, entra-se com
2,5 na 1 coluna e 05 na primeira linha, obtendo 0,4946. Portanto,

p (-2,55 < z < 1,2) = 0,3849 + 0,4946 = 0,8795

78
No caso e)

1,93 z

Entra-se na Tabela com 1,9 na 1 coluna e 0,03 na 1 linha obtendo


0,4732. Porm, essa a rea compreendida entre O e 1,93. Lembrando que
a rea embaixo da curva vale 1 e que a funo simtrica em relao origem
z = O, tem-se
P (z > 1,93) = 0,5000 - 0,4732 = 0,0268.

Exemplos:
1. As alturas dos alunos de determinada escola so normalmente distri-
budas com mdia 1,60 m e desvio-padro 0,30 m. Encontre a probabili-
dade de um aluno medir:
a) entre 1,50 e 1,80 m;
b) mais de 1,75 m;
c) menos de 1,48 m.
Qual deve ser a medida mnima para escolhermos 10% dos mais altos?

Soluo: Sabe-se que = 1,60 e a = 0,30.


Faa X a varivel normal altura dos alunos. Ento:
a) P (1 ,50 ~ X ~ 1,80) = P (z1 ~ z ~ z2 ) =
= p (--0,33 ~ z ~ 0,67) =
= 0,1293 + 0,2486 = 0,3779 = 37,79% .

em que z1 =~
O"
= 1 50
-
0,30
16
= - O'33 ' e
z = K..=-J!: = 1,80 - 1,60 = O 67
2 O" 0,30 '

79

1,50 1,60 1,80 X --0,33 o 0,67 z

b) P(X > 1,75) = P(z > z1) = P(z > 0,5) =


= 0,5000 - O, 1915 = 0,3085

em que z1 1,75 - 1,60 = o5


0,30 '


1,60 1,75 X

e) P (X < 1,48) = P(z < z1) = P (z < -0,4) =


= 0,5000 - O, 1554 = 0,3446

em que z1 1,48 - 1,50 = - o4


0,30 - '


1,48 1,60 X -0,4 o z

80
d) o problema inverso dos itens anteriores, pois neste caso
tem-se a probabilidade e deseja-se a medida:

1,60 X=? X o z

Para se encontrar o valor de z que deixa O,1O direita, deve-se entrar


na tabela com 0,40, assim: descobrimos que z = 1,28. Logo,
=~ 1' 28 = X - 1,60
z cr =::} 0,30

portanto X = 1,98 m deve ser a medida para se encontrar 10% dos


mais altos.

2. Um produto pesa, em mdia, 1O g, com desvio-padro de 2 g. embalado


em caixas com 50 unidades. Sabe-se que as caixas vazias pesam 500 g,
com desvio-padro de 25 g. Admitindo-se uma distribuio normal dos
pesos e independncia entre as variveis dos pesos do produto e da
caixa, calcular a probabilidade de uma caixa cheia pesar mais de 1.050 g.

Soluo: Peso do Produto: P = 1O e crP = 2


Peso da Caixa: e = 500 e e = 25
Ento, a mdia da caixa cheia ser:
total= 50 10 + 500 = 1.000

Quanto ao desvio-padro da caixa cheia, deve-se lembrar as propriedades


da varincia. Assim:
crfotal = 50 ( Var. do produto) + Var. da Caixa:

= 50(2)2 + (25)2 = 825

Portanto, o desvio-padro do total ser:


total= .Y825 = 28,72

81
Ento,

P (X > 1.050) = P (Z > z1) = P (Z > 1,74) = 0,5000 - 0,4591

= 0,0409 = 4,09%

em que z 1 1.050 - 1.000 = 1 74


28,72


1000 1050 X o 1.74 z

4.3 DISTRIBUIO EXPONENCIAL


A distribuio de probabilidade do intervalo t entre dois sucessos conse-
cutivos de uma lei de Poisson a distribuio exponencial.
Sua funo densidade dada por:

l
f (t) =O para t < O

f (t) = ')..e-t para t ~ O, /.,. > O

O grfico de f (t) dado por:

f(t)

82
4.3.1 Funo Repartio:
para t < O; F (t) = O

para t ~ O;

Grfico de F (t)

f(t)

Conhecida a funo repartio de t, pode-se facilmente determinar:


P(T ~ t0 ) = 1 - F(t0 ) = 1 - [1 - e-J..to] = e-J..to

Veja o grfico:

f(t)

83
' me'd"1a: (tl
Q uan to a = I1
' vananc1a.
Q uan to a """.2
cr(t) = ').1.,2

Exemplo: Os defeitos de um tecido seguem a distribuio de Poisson com


mdia de um defeito a cada 400 m. Qual a probabilidade de que
o intervalo entre dois defeitos consecutivos seja:
a) no mnimo de 1.000 m;
b) entre 800 e 1.000 m.
Calcule a mdia e a varincia da distribuio.

Soluo: Sabe-se que na distribuio de Poisson,

= '). .,/
1
logo 1 = MOO '). ., = 400

1.000
a) P (t ;;:, 1.000) = e-fo = e - 4oO = e- 2 5 = 0,0821 = 8,21 %

b) p (800 ~ t ~ 1.000) = p (t ;;:, 800) - p (t ;;:, 1.000)

800 1.000
= e- 400 e- 4o0 = e-2 - e-25 = 0,0532= 5,32%

Quanto mdia e varincia de t :

1 1 1
(t)= I = - - = 400 m 02 - J_ - - 160000 m2
1 (1) - '). .,2 - (-1- J2 -
400 400

EXERCCIOS - SRIE 1 - CAPTULO 4 Respostas


Distribuio Uniforme

1. Um ~onto escolhido ao acaso no segmento de reta [1, 4]. Calcular:


a) probabilidade de que o ponto escolhido esteja entre 2 e 3;
b) entre 0,5 e 2,5;
c) seja exatamente o 2;

84
Respostas
d) a mdia dessa distribuio;
e) a varincia dessa distribuio.

2. Calcular a expresso para a mdia e varincia de uma varivel uniforme-


mente distribuda entre a e b.

3. Suponha que X seja uniformemente distribudo entre [-a, a], em que


a > O. Quando possvel, calcular a de modo que as seguintes relaes
sejam satisfeitas:
1
a) P(X > 1) = -
3
1
b) P(X > 1)= -
2

c) P( X < ~ ) = 0,7
d) P ( X < ~) = 0,3

Distribuio Normal

4. Faa z uma varivel com distribuio normal padronizada e encontre (use


a tabela):
a) P (0 .;;; z .;;; 1,44)
b) P (-0,85 < z < O)
c) P (-1 ,48 < z < 2,05)
d) P(0,72 < z < 1,89)
e) P(z ~ 1,08)
f) P (Z ~ - 0,66)
g) P( lz l .;;; 0,5 )

5. A durao de um certo componente eletrnico tem mdia 850 dias e


desvio-padro 45 dias. Calcular a probabilidade desse componente durar:
a) entre 700 e 1.000 dias;
b) mais que 800 dias;
c) menos que 750 dias;
d) exatamente 1 .000 dias.
Qual deve ser o nmero de dias necessrios para que tenhamos de
repor no mximo 5% dos componentes?

85
Respostas
6. Os pesos de 600 estudantes so normalmente distribudos com mdia
65,3 kg e desvio-padro 5,5 kg. Encontre o nmero de alunos que pesam :
a) entre 60 e 70 kg;
b) mais que 63,2 kg.

7. Suponha que as notas de uma prova sejam normalmente distribudas com


mdia 73 e desvio-padro 15. 15% dos alunos mais adiantados recebem
a nota A e 12% dos mais atrasados recebem nota F. Encontre o mnimo
para receber A e o mnimo para passar, no receber F.

8. Uma fbrica de pneumticos fez um teste para medir o desgaste de seus


pneus e verificou que ele obedecia a uma distribuio normal, de mdia
48.000 km e desvio-padro 2.000 km. Calcular a probabilidade de um
pneu escolhido ao acaso:
a) dure mais que 46.000 km;
b) dure entre 45.000 e 50.000 km.

9. X uma varivel aleatria contnua, tal que X= N (12,25). Qual a proba-


bilidade de uma observao ao acaso:
a) ser menor do que -3;
b) cair entre -1 e 15.
1O. O salrio semanal dos operrios industriais so distribudos normal-
mente em torno de uma mdia de $ 180,00 com desvio-padr o de
$ 25,00. Pede-se:
a) encontre a probabilidade de um operrio ter salrio semanal situa-
do entre $ 150,00 e $ 178,00;
b) dentro de que desvios de ambos os lados da mdia, cairo 96% dos
salrios?

11. Certo produto tem peso mdio de 1O g 'e desvio-padro 0,5 g. embalado
em caixas de 120 unidades que pesam em mdia 150 g e desvio-padro
8 g. Qual a probabilidade de que uma caixa cheia pese mais de 1.370 g?

12. Determinada mquina enche latas baseada no peso bruto com mdia 1 kg
e desvio-padro 25 g.
As latas tm peso de 90 g com desvio-padro 8 g. Pede-se:
a) a probabilidade de uma lata conter menos de 870 g de peso lquido;
b) . a probabilidade de uma lata conter mais de 900 g de peso lquido.

13. Um avio de turismo de 4 lugares pode levar uma carga til de 350 kg.
Supondo que os passageiros tm peso de 70 kg com distribuio normal
de peso e desvio-padro 20 kg, e que a bagagem de cada passageiro

86
Respostas
pese em mdia 12 kg, com desvio-padro 5 kg e distribuio normal do
peso. Calcular a probabilidade de:
a) haver sobrecarga se o piloto no pesar os 4 passageiros e respectiva
bagagem;
b) que o piloto tenha de tirar pelo menos 50 kg de gasolina para evitar
sobrecarga.
14. Em uma distribuio normal, 28% dos elementos so superiores a 34 e
12% inferiores a 19. Encontrar a mdia e a varincia da distribuio.
15. Seja Y uma funo tal que Y = X1 + X2 + X3 e as variveis X; so
independentes com as seguintes distribuies: X1 = N(10;9); X2 = N(-2;4);
X3 = N (5,25). Qual a distribuio de Y?
16. Suponha que o dimetro mdio dos parafusos produzidos por uma fbrica
de 0,25 polegadas, e o desvio-padro 0,02 polegadas. Um parafuso
considerado defeituoso se seu dimetro maior que 0,28 polegadas ou
menor que 0 ,20 polegadas.
a) Encontre a porcentagem de parafusos defeituosos;
b) Qual deve ser a medida mnima para que tenhamos no mximo 12%
de parafusos defeituosos?
17. Suponha que a durao de vida de dois equipamentos E1 e E2 tenham
respectivamente distribuies: N (45;9) e N (40,36). Se o equipamento ti -
ver que ser usado por um perodo de 45 horas, qual deles deve ser
preferido?
18. Certa mquina de empacotar determinado produto oferece variaes de
peso com desvio-padro de 20 g. Em quanto deve ser regulado o peso
mdio do pacote para que apenas 10% tenham menos que 400 g?
Calcule a probabilidade de um pacote sair com mais de 450 g.
19. . Sendo X d N (; a 2}, determine:
a) P ( - a s X s + a)
b) P ( - 2a s X s + 2a)
c) P ( - 3a s X s + 3a)
d) P ( - 1,5a s X s + 1,5a)
e) P ( - 3 ,5o s X s ~L + 3 ,5o)

20. Com base nas respostas obtidas no exerccio anterior, pode-se concluir que:
para qualquer distribuio Normal:
a) o intervalo compreendido entre o valor da mdia menos "um" desvio-padro
e o valor da mdia mais "um" desvio-padro contm aproximadamente
68% das observaes.
Elabore concluses semelhantes, considerando os resultados obtidos
nos outros itens do exerccio 19.

87
Respostas
21. Como voc ver no captulo 5, os percentis (P1) so medidas estatsticas
que dividem uma distribuio em 100 partes iguais. Da mesma forma os
decis (01) dividem a distribuio em dez partes iguais, enquanto os quartis
(01) dividem a distribuio em quatro partes iguais, e a mediana (Md) di-
vide a distribuio em duas partes iguais. Ou seja:

percentis O 1% 2% 99%100%

P4 P2 .

decis o 10% ... 90% 100%

o,

quartis o 25% 50% 75% 100%
a, 3
mediana O 50% 100%
Md
Determine o que se pede:
a) P5 de uma N (18; 64)
b) P85 de uma N (20; 100)
c) 0 1 de uma N (30; 49)
d) 0 1 de uma N (120; 81)
e) 0 1 de uma N (5; 9)
f) 0 3 de uma N (78; 121)
g) Md de uma N (30; 40)
22. Usando a tabela da distribuio N (O, 1) determine Z0 tal que:
a) P(Z< Z0 ) = 0,05
b) P(Z< Z0 ) = 12%
c) P (Z < Z 0 ) = 35%
d) P (Z < Z0 ) = 50%
e) P(Z< Z0 ) = 60%
f) P (Z < Z0) = 75%
g) P (Z < Z0 ) = 90%
h) : (Z> Z0) = 72%
i) P (Z> Z0 ) = 0,65
j) P (Z> Z 0 ) = 0,38
1) P (Z> Z0 ) = 0,08

88
Respostas
Distribuio Exponencial

23. Uma lmpada tem a durao de acordo com a densidade de probabilidade


a seguir:

t < o
f(t)= j t ~ o
1.000
Determinar:
a) a probabilidade de que uma lmpada qualquer queime antes de 1.000
horas;
b) a probabilidade de que uma lmpada qualquer queime depois de sua
durao mdia;
c) qual o desvio-padro da distribuio.

24. Se as interrupes no suprimento de energia eltrica ocorrem segundo


uma distribuio de Poisson com a mdia de uma interrupo por ms
(quatro semanas), qual a probabilidade de que entre duas interrupes
consecutivas haja um intervalo de :
a) menos de uma semana;
b) entre dez e doze semanas;
c) exatamente um ms;
d) mais de trs semanas.

25. Prove que f ( t) uma funo densidade de probabilidade .


1
26. Prove que <tl = ~ .

2 1
27. Prove que ui = . 2 .

4.4 DISTRIBU IO QUl-QUA DRADO


Trata-se de um modelo de distribuio contnua muito importante para a
teoria da inferncia estatstica.
Seja x1 , x 2, .. ., xP, "p" variveis aleatrias independentes , normalmente
distribudas, com mdia zero e varincia 1. Define-se varivel aleatria com
distribuio qui-quadrado, como:

x$ = xf + x~ + . . . + x$

89
onde "p" um parmetro da funo densidade denominado grau de liberdade.
Normalmente utiliza-se a letra grega q> (l-se fi) para se indicar o grau de
liberdade.
Pode-se demonstrar que a mdia de uma distribuio qui-quadrado igual
ao grau de liberdade, e que a varincia igual ao dobro do nmero de graus
de liberdade. Assim:
E[x~J = (X~) = <i>

Var [x~ J = cr 2 (X~) = 2 q>


Conforme o nmero de graus de liberdade (valor do parmetro), a curva que
descreve a funo densidade tem determinada forma. Eis algumas dessas curvas :
f(X~J
0,3

0,2

0,1

o s 10 1s x 2<p

A distribuio qui-quadrado est tabelada. No anexo do livro voc encon-


trar uma tabela que d a abscissa da distribuio para diversas reas (pro-
babilidades) da cauda direita. Assim:

o
L encontra-se na tabela
Na tabela tem-se ;

~1---------------------- ~.
'
D --------------------- ~ valor da abscissa

90
Exemplos: a) Admita parmetro 9, ou seja, cp = 9 e a = 5%.
Entrando-se na 1 coluna com cp = 9, e na 1linha com a = 0,05, encon-
tra-se na interseco dessa linha e coluna o nmero 16,9. Graficamente tem-se:

b) Sendo cp = 25 e a seguinte distribuio:

O valor da abscissa direita, chamado qui-quadrado superior, obtido na


tabela entrando-se na 1 coluna com 25 e 1 linha com 0,025. Assim:
x;up = 40,6 .
O valor da abscissa esquerda, chamado qui-quadrado inferior, obtido
na tabela entrando-se na 1 coluna com 25 e 1 linha com 0,975 = (1.000 - 0,025),
j que a tabela considera reas somente na cauda direita, encontrando-se
13, 1. Assim Xi~f = 13,1.

c) Considere uma distribuio qui-quadrado com parmetro 18.


Encontre a mdia varincia, desvio-padro, mediana, 1 quartil
e 90 2 percentil.

91
Soluo: Mdia: (Xf8 ) = 18

Varincia: cr2 (X18) = 2(18) = 36

Desvio-padro: cr (Xf8 ) = "36 = 6


Mediana:

11J quartil:

90IJ percentil:

cp=18

90%

~___[~~~~~~~~~~~~~~x2
O P00 = 26,0

92
4.5 DISTRIBUIO t DE STUDENT

Trata-se de um modelo de distribuio contnua que se assemelha distri-


buio normal padro , N (O,1 ). utilizada para inferncias estatsticas, particu-
larmente, quando se tem amostras com tamanhos inferiores a 30 elementos.
A distribuio t tambm possui um parmetro denominado grau de liber-
dade (cp). A mdia da distribuio zero, e sua varincia dada por:

Var [t ] = cr2 (t ) = ~ (cp > 2)


<p <p cp-2

A distribuio t simtrica em relao sua mdia.


Eis um exemplo da forma do grfico da distribuio t de Student, quando
cp = 4.

Observe que para valores de cp < 30 a distribuio "t" apresenta maior


disperso do que a N(O ,1), j que o desvio-padro, nestes casos , maior do
que 1, que o desvio-padro da distribuio Normal Padro. Por exemplo,
para cp = 4, tem-se:

(J ( t4) = -V 4 ~ 2 1 ,4 1

Se cp = 35 tem-se:

(J (t35) = -V 353.:. 2 = 1,03

Se cp = 60 tem-se:

cr Uso) = -V 606~ 2 = 1,02

93
A distribuio t est tabelada. No anexo do livro voc encontrar uma
tabela que d as abscissas da distribuio para diversas reas (probabilidades)
nas caudas. Trata-se de uma tabela bicaudal. Assim:

encontra-se na tabela ..J o L encontra-se na tabela

Na tabela procede-se assim:

D --------------------- ~ valor da abscissa que


deixa %na cauda direita

(valor positivo), e %na cauda


esquerda (valor negativo).

Exemplos: a) Admita parmetro 9, ou seja, <p =9 e a = 5%.


Entrando-se na 1 coluna com <p = 9, e na 1 linha com a = 0,05, encon-
tra-se na interseco dessa linha e coluna o nmero 2,2622. Graficamente
tem-se:

.!! = 025
2 ' 95%

-2,2622 o 2,2622

94
b) Sendo cp = 25 e a = 10% . Tem-se:

<p=25

90%

-1.7081 o 1,7081
Confira na tabela

c) Considere uma distribuio t com parmetro 18. Encontre a


mdia, varincia, desvio-padro, mediana, 1 quartil e 95 per-
centil.

Soluo: Mdia: (t18) = O


2 18
Varincia: cr (f18) = 18
_
2
= 1 ,13
Desvio-padro: cr (t18) = N3 = 1,06

Mediana:

<p=18

logo Md(t18) = O

95
12 quartil:

q>=18

25%

o, =- 0,68837 o

95!} percentil:

q> = 18

'
''
9 ~%
'
'
'

O P95 =1.7341

4.6 DISTRIBUIO F
Trata-se de um modelo de distribuio contnua tambm til para infe-
rncias estatsticas.
A distribuio F a razo entre duas variveis aleatrias independentes
com distribuies qui-quadrado. Assim , uma distribuio F com "p" graus de
liberdade no numerador, e "q" graus de liberdade no denominador expressa por:

~
x2 2
F (p, q) = .2- = !e 9.
~ xg P
q

96
A distribuio F possui dois parmetros: grau de liberdade do numerador
e grau de liberdade do denominador, que so denominados, comumente, por
<p 1 e <p2 respectivamente.
Quanto mdia, dada por:

A varincia expressa por:


~~~~~~~~~~~~

a2 = 2<p~(<Jl1 + <Jl2 - 2)
<Jl1 (<Jl2 - 4)(<Jl2 - 2)2

E a moda:

Eis algumas formas de grficos da distribuio F para determinados graus


de liberdade:

F(2,10)

A distribuio F est tabelada. No anexo do livro voc encontrar uma


tabela que d as abscissas que deixam 5% na cauda direita, dados os
parmetros <p 1 e <p2 . Assim:

97
F(q>,,<p,)

5%

o L encontra-se na tabela

Na tabela procede-se assim:

~1--------------------- ~.
'
O ---------- ---- -------.. ~ valor da abscissa

Existem tabelas que expressam abscissas para outros nveis de probabi-


lidade na cauda direita.
Para se encontrar o valor da abscissa F1 - a (<p 1 , <p2 ) utiliza-se a seguinte
frmula:

Exemplo: Sendo <p 1 = 9, <p2 = 5 e a = 5%.


logo:

F(9,5)

5%
90%

o 3,18 = 0,29 4,77

98
Respostas
EXERCCIOS - SRIE li - CAPTULO 4
1. Considere uma distribuio qui-quadrado, com 23 graus de liberdade.
Determine a mdia, varincia, desvio-padro, mediana e 32 quartil.

2. Determine os valores do X~up e Xi~f

q>=8

80%

3. Considere uma distribuio t com parmetro 23. Determine a mdia, va-


rincia, desvio-padro, 1 quartil, o 52 percentil e moda.

4. Consulte a tabela para descobrir os valores das abscissas.

q>=20

5. Admite uma distribuio F com cp 1 = 8 e cp2 = 1O. Determine a mdia,


varincia, desvio-padro e moda bem como as abscissas para:

99
Respostas
6. Determine o que se pede:
a) 1 2 quartil de uma distribuio N (100; 49).
b) Za. tal que: P (Z> Z0) = 65%.
c) Za. tal que: P (Z < Zo) = 80%.
d) p (- 1,57 s z s 2,42).
e) 90 2 percentil de uma distribuio N (R$ 2.000,00; R$ 2.225,00) .
f) Mediana de um qui-quadrado com parmetro 30.

g) X 2 tal que: p (x~s < X


2
) = 10%.

h) X 2 tal que: P ( X~o > X


2
) = 0,25%.
i) 92 decil de um qui-quadrado com varincia 50.

j) P (13,8 s x~6 s 38,9).


1) 3 quartil de uma "t" de Student com <p = 5.
m) p (t8 > 2,3060).
n) P (t 14 < - 2,9768).
o) P (- 1, 1816 s t22 s 3, 1188).
p) 952 percentil de uma ''t" com parmetro 27.
q) P (- 0,68276 s ~os 2,7500).
r) 5 2 percentil de uma F (8,7).
s) 952 percentil de uma F (7,8).
t) P (0,00418 s F (1,8) s 5,32).
u) P (F (6,4) < 0,22075).

100
5
ESTATSTICA
DESCRITIVA

5.1 INTRODUO

Como o prprio nome sugere, estatstica descritiva se constitui num con-


junto de tcnicas que objetivam descrever, analisar e interpretar os dados
numricos de uma populao ou amostra.
Neste captulo sero apresentados exemplos de tabelas e grficos que
podem representar, de maneira sinttica, as informaes sobre o comporta-
mento de variveis numricas levantadas atravs de processos de pesquisa.
Sero destacadas as medidas estatsticas que podem representar uma
amostra: medidas de posio, disperso, assimetria e curtose.

5.2 TABELAS ESTATSTICAS

Existem regulamentaes para construo de tabelas estatsticas, todavia,


em funo dos objetivos prticos deste livro, no sero adotadas normas rgi-
das para a elaborao de tabelas. Tendo-se claro que a tabela dever ser uma
forma objetiva de se demonstrar o comportamento de variveis , o que se deve
buscar so representaes simples que possibilitem ao leitor a compreenso
do fenmeno sem muito esforo.
Uma tabela deve apresentar a seguinte estrutura;
cabealho ;
corpo ;
rodap .

101
O cabealho deve conter o suficiente para que sejam respondidas as
questes:
O que est representado?
Onde ocorreu?
Quando ocorreu?

O corpo da tabela representado por colunas e subcolunas dentro dos


quais sero registrados os dados numricos e informaes.
O rodap reservado para observaes pertinentes tabela, bem como
para o registro e identificao da fonte dos dados.
Conforme critrio de agrupamento as tabelas podem representar diversas
sries. Assim:

1. Srie Cronolgica, Temporal, Evolutiva ou Histrica.


a srie estatstica em que os dados so observados segundo a poca
de ocorrncia. Exemplo:

Vendas da Companhia Alfa - 1970-1977

Ano Vendas (em$ 1.000,00)

1970 2.181

1971 3.948

1972 5.642

1973 7.550

1974 10.009
1975 11.728
1976 18.873

1977 29.076

Fonte: Departamento e Marketing da Companhia.

2. Sr!e Geogrfica ou de Localizao.


a srie estatstica em que os dados so observados segundo a locali-
dade de ocorrncia. Exemplo:

102
INAMPS - Empresas fiscalizadas em 1973

Regies Empresas fiscalizadas

Norte 7.495

Nordeste 107.783

Sudeste 281.207

Sul 53.661

Centro-Oeste 15.776

Fonte: Mensrio Estatstico 259/260.

3. Srie Especfica:
a srie estatstica em que os dados so agrupados segundo a modali-
dade de ocorrncia. Exemplo:

Matrcula no Ensino de Terceiro Grau


Brasil - 1975 (ciclo bsico)

reas de ensino Matrculas

Cincias Biolgicas 32.109

Cincias Exatas e Tecnologia 65.949

Cincias Agrrias 2.419

Cincias Humanas 148.842

Letras 9.883

Artes 7.464

Duas ou mais reas 16.323

Fonte: Servio de Estatstica da Educao e Cultura.

4. Distribuio de Freqncias.
a srie estatstica em que os dados so agrupados com suas respecti-
vas freqncias absolutas. Exemplos:
a) Nmero de Acidentes por Dia na Rodovia X em Janeiro de
1977.

103
Nmero de acidentes por dia Nmero de dias

o 10
7
2 4
3 5
4 3
5 2

Fonte: DNER.

b) Altura dos Alunos da Classe em Maro de 1977.

Alturas (m) Nmero de alunos

1,50 f- 1,60 5
1,60 f- 1,70 15
1,70 f- 1,80 17
1,80 f- 1,90 3

Fonte: Secretaria da escola.

5.3 Grficos
A representao grfica das sries estatsticas tem por finalidade representar
os resultados obtidos, permitindo chegar-se a concluses sobre a evoluo do fe-
nmeno ou sobre como se relacionam os valores da srie. No h uma nica
maneira de representar graficamente uma srie estatstica. A escolha do grfico mais
apropriado ficar a critrio do analista. Contudo, os elementos simplicidade, clareza
e veracidade devem ser considerados quando da elaborao de um grfico.
Eis os principais tipos de grficos.

1. Grfico em Colunas
Populao Brasileira - 1940-1970

Ano Populao
1940 41.236.315
1950 51.944.397
1960 70.119.071
1970 93.139.037

Fonte: Anurio Estatstico - 1974.

104
100

V) 90
~ 80

.s
:-:::
70
(/)

cu~ 60
.g 50
o
~ 40
~
::i
Q. 30
&
20
10

1940 1950 1960 1970 Ano

2. Grfico em Barras
semelhante ao grfico em colunas, porm os retngulos so dispostos
horizontalmente. Eis uma configurao:

105
3. Grficos em Setores
a representao grfica de uma srie estatstica, em um crculo, por
meio de setores. utilizado principalmente quando se pretende comparar cada
valor da srie com o total. Para constru-lo, divide-se o crculo em setores
cujas reas sero proporcionadas aos valores da srie. Essa diviso podera
ser obtida pela soluo da regra de trs.

total 360"
parte x'

Exemplo:
Receita do Municpio X de 1975 a 1977

Anos Receita (em Cr$ 1.000.000,00)


1975 90
1976 120
1977 150
Total 360
Fonte: Departamento da Fazenda, Municpio X.

para 1975: 360 - 360


90 - X x = 90'
para 1976: 360 - 360
120 - X
. X = 120
para 1977: 360 - 360
150 - X
. X = 150"

Receita do Municpio X

~ 1975
1 1 1976

1977
111111111111111111111111111111

106
4. Grfico Polar
a representao de uma srie por meio de um polgono. Geralmente
presta-se para apresentao de sries temporais. Para constru-lo, divide-se
uma circunferncia em tantos arcos iguais quantos forem os dados a repre-
sentar. Pelos pontos de divisas traam-se raios.
Em cada raio representado um valor da srie, marcando-se um ponto
cuja distncia ao centro diretamente proporcional a esse valor. A seguir
unem-se os pontos. Exemplo:

Movimento Mensal de Compras da Empresa Delta em 1972

Meses Valores (Cr$ 1.000,00)


Janeiro 12
Fevereiro 13
Maro 14
Abril 12
Maio 15
Junho 19
Julho 17
Agosto 18
Setembro 14
Outubro 16
Novembro 12
Dezembro 18

Fonte: Departamento de compras da empresa Delta.

Veja o grfico na prxima pgina.

5. Grficos em Curvas
Vendas da Companhia Beta - 1971 a 1977

Ano Vendas (Cr$ 1.000,00)


1971 230
1972 260
1973 380
1974 300
1975 350
1976 400
1977 450

Fonte: Departamento de Marketing da Companhia.

Veja o grfico na prxima pgina.

107
Grfico Polar

Abril
Maro Maio

Fevereiro Junho

Dezembro Agosto

Novembro Setembro
Outubro

Grfico em Curvas
Vendas

500

400 /
/
300 / ~/
t---
V
200

100

1971 1972 1973 1974 1975 1976 1977 Anos

108
De uso mais restrito, tm-se os cartogramas (representao por interm-
dio de carta geogrfica). os pictogramas (apresentao de uma srie estatstica
por meio de smbolos representativos do fenmeno) e os estereogramas
(representao grfica de uma srie estatstica por meio de corpos slidos
geomtricos).

EXERCCIOS - SRIE 1 - CAPTULO 5


1. Montar uma srie cronolgica para representar os valores das exporta-
es de acar, fornecidas pelo Instituto do Acar e do lcool, nos anos
de 1965 a 1971 em milhares de dlares: 60.193 - 80.114 - 812.826 -
106.879 - 112.064 - 126.740 - 149.548.

2. Idealizar uma srie geogrfica para representar o seguinte fato: populao


da regio Norte do Brasil em 1970, sabendo-se que em Rondnia, Acre,
Amazonas, Roraima, Par e Amap, temos, respectivamente: 116.620 -
218.006 - 960.934 - 41.638 - 2.197.072 e 116.480 habitantes, segundo
dados da Fundao IBGE.

3. Fazer uma tabela estatstica para representar o movimento religioso de


certo municpio no perodo 1975-1977, que apresentou os seguintes
dados: em 1975, houve 56.738 habitantes batizados (dos quais 26.914 do
sexo feminino) , 15.884 casamentos e 13.678 extremas-unes. Em 1976,
houve 33.915 batizados do sexo masculino e 29.568 do sexo feminino; os
casamentos foram em nmero de 17.032 e as extremas-unes, 14.328.
Em 1977, em um total de 71.232, 34.127 eram do sexo masculino; as
extremas-unes foram 16. 107 e os casamentos 16. 774.

4. A tabela a seguir mostra as reas, em milhes de km 2 , dos oceanos.


Representar graficamente os dados, usando: a) um grfico de colunas; b)
um grfico de setores.

Oceano Antrtico rtico Atlntico ndico Pacfico

rea 36,8 23,2 199,4 137,9 342,7


(milhes km2)

5. Representar em um grfico polar os dados:

Meses J F M A M J J A s o N D
Temperatura 28 29 27 24 20 19 18 21 22 24 28 30
("C)

109
6. Construir um grfico em barras que represente a srie:

INAMPS - Benefcios Concedidos - Brasil - 1973

Espcie Quantidade
Auxlio-natalidade 901.000
Auxlio-doena 467.000
Auxlio-funeral 88.000
Aposentadoria por Invalidez 40.000
Aposentadoria por Tempo de Servio 39.000
Abono Permanente em Servio 30.000
Penso por Morte 73.000
Outras Espcies 44.000

Fonte: Mensrio Estatstico do INAMPS.

7. Usando um grfico em curva, representar a tabela a seguir:

ndices dos Preos Recebidos pelos Agricultores


no Brasil em 1976 (1986 100)=
ndices
Meses
Lavoura Produtos Animais Agropecurio
Janeiro 1.304 884 1.044
Fevereiro 1.418 891 1.092
Maro 1.494 916 1.136
Abril 1.580 943 1.186
Maio 1.715 964 1.250
Junho 1.816 960 1.287
Julho 1.929 972 1.337
Agosto 2.013 1.015 1.396
Setembro 2.113 1.066 1.473
Outubro 2.197 1.097 1.517
Novembro 2.290 1.119 1.566
Dezembro 2.358 1.144 1.607

Fonte: IBGE.

110
5.4 DISTRIBUIO DE FREQNCIAS
Por constituir-se no tipo de tabela mais importante para a Estatstica Des-
critiva, ser apresentado um estudo completo das distribuies de freqncias.
A seguir so descritos os procedimentos usuais na construo dessas tabelas.
Eis alguns conceitos fundamentais:

5.4.1 Populao
um conjunto de indivduos ou objetos que apresentam pelo menos uma
caracterstica em comum. A populao pode ser finita ou infinita. Na prtica,
quando uma populao finita, com um nmero grande de elementos, consi-
dera-se como populao infinita.

5.4.2 Amostra
Considerando-se a impossibilidade, na maioria das vezes , do tratamento
de todos os elementos da populao, retira-se uma amostra. Para os prop-
sitos dessa apresentao, admite-se que uma amostra j tenha sido escolhida
de conformidade com alguma tcnica de amostragem.

5.4.3 Varivel Discreta e Varivel Contnua


A varivel discreta quando assume valores em pontos da reta real.
Exemplo: nmero de erros em um livro: O, 1, 2, 3, 4, 5, .. .
Por outro lado, quando a varivel pode assumir teoricamente qualquer
valor em certo intervalo da reta real, ela ser uma varivel contnua. Exemplo:
peso de alunos, pois, teoricamente, um indivduo poder ter 50,5 kg; 50,572
kg; 50,585 kg ; ...

5.4.4 Representao da Amostra


Como se observou anteriormente, a Estatstica tem como objetivo encon-
trar leis de comportamento para todo o conjunto, por meio da sintetizao dos
dados numricos, sob a forma de tabelas, grficos e medidas. A seguir so
apresentados os procedimentos para a representao das distribuies de fre-
qncias.

111
1. Dados brutos
O conjunto dos dados numricos obtidos aps a crtica dos valores coletados
constitui-se nos dados brutos. Assim: 24 - 23 - 22 - 28 - 35 - 21 - 23 -
33 - 34 - 24 - 21 - 25 - 36 - 26 - 22 - 30 - 32 - 25 - 26 - 33 - 34 -
21 - 31 - 25 - 31 - 26 - 25 - 35 - 33 - 31 so exemplos de dados brutos.

2. Rol
o arranjo dos dados brutos em ordem crescente ou decrescente. Assim:
21 - 21 - 21 - 22 - 22 - 23 - 23 - 24 - 25 - 25 - 25 - 25 - 26 - 26
- 26 - 28 - 30 - 31 - 31 - 31 - 32 - 33 - 33 - 33 - 34 - 34 - 34 - 35
- 35 - 36 constituem o rol.

3. Amplitude total ou "range" (R)


a diferena entre o maior e o menor valor observados. No exemplo,
R = 36 - 21 = 15.

4. Freqncia absoluta (Fi)


o nmero de vezes que o elemento aparece na amostra, ou o nmero
de elementos pertencentes a uma classe. No exemplo, F(21 ) = 3.

5. Distribuio de freqncia
o arranjo dos valores e suas respectivas freqncias. Assim, a distri-
buio de freqncias para o exemplo ser:
X F
21 3
22 2
23 2
24 1
25 4
26 3 Exemplo de distribuio
28 de freqncias de uma
varivel discreta (tipo A)
30
31 3
32 1
33 3
34 3
35 2
36 1
r. 30

112
Observe: 1. X representa a varivel.
2. L F; = n.
3. n = tamanho da amostra.
Exemplo de distribuio de freqncias para varivel contnua:
Seja X; peso de 100 indivduos:

Classe F;
45 f- 55 15 Exemplo da distribuio
de freqncias de uma
55 f- 65 30
varivel contnua (tipo B)
65 f- 75 35
75 f- 95 15
85 f- 95 5
:E 100

6. Nmero de classes (K)


No h uma frmula exata para o clculo do nmero de classes.
a) K = 5 para n ~ 25 e K = fn, para n > 25.
b) Frmula de Sturges K =
1 + 3,22 log n, em que n = tamanho da
amostra.
Exemplo: Seja n = 49, ento:
K = -./49 = 7 ou K =: 1 + 3,22 log 49 =: 7.

7. Amplitude das classes (h)


h=:R+K
Assim como no caso do nmero de classes (K), a amplitude das classes
(h) deve ser aproximada para o maior inteiro. Assim, se K 6,4, usa-se =
K= 7 ou h = 1,7, usa-se h = 2.

8. Limites das classes


Existem diversas maneiras de expressar os limites das classes. Eis
algumas:
a) 1O H 12: compreende todos os valores entre 1O e 12;
b) 1O 1- 12: compreende todos os valores de 1O a 12, excluindo o 12;
c) limite aparente 1O - 12; limite real 9,5 - 11,5;
d) 1O -1 12 compreende todos os valores, excluindo o 1O.

Usaremos a forma expressa no exemplo b.

111
9. Pontos mdios das classes (x;}
a mdia aritmtica entre o limite superior e o limite inferior da classe.
Assim, se a classe for 1O f- 12, teremos:
1 12
xi = o +2 = 11 , como pon t o me'd"10 d a c1asse.

1 O. Freqncia absoluta acumulada (F8 c)


a soma das freqnc ias do valores inferiores ou iguais ao valor dado.
Exemplo:

xi F; Fac
o 3 3
1 5 8
2 2 10
L 10

11. Freqncia relativa (fJ.


F.
A freqncia relativa de um valor dada por ti = -'- , ou seja, a porcen-
tagem daquele valor na amostra. Exemplo: n

X;
5 5/ 14

2 7 1/2

3 2 1/7

L 14

Note: L.f; = 1. Assim 1/2 = 50% dos elementos correspondem ao 2.

12. Histograma
a representao grfica de uma distribuio de freqncia por meio de
retngulos justapostos (veja exemplo a seguir).

11 Polgono de freqncias
E a representao grfica de uma distribuio por meio de um polgono .
E~ stograma e polgono de freqncias):
Idade dos Alunos da Escola

Idade F;
2 f- 4 3
4 f- 6 5
6f-8 10
Sf-10 6
10f-12 2
1: 26

F-1

10 ----- - ------ - ------ - - - ----~--~

8 Polgono de
freqncia
7

6 --------- -------------

2 3 4 5 6 7 8 9 10 11 12
Limite das classes

14. Polgono de freqncia acumulada


Exemplo:

Classes 2 f- 4 4 f- 6 6 f- 8 8 f- 10 10 f- 12

F1 3 5 10 6 2

Fac 3 8 18 24 26

115
Fac
26
25
24
23
22
21
20
19
18
17
16
15
14
13
12
11
10
9
8
7
6
5
4
3 ------------- -------
2
1

2 3 4 5 6 7 8 9 10 11 12
Limite das classes

Exemplo: Dado o rol de 50 notas (dadas em crditos), agrupar os elementos


em classe e construir os grficos:
33 - 35 - 35 - 39 - 41 - 41 - 42 - 45 - 47 - 48
50 - 52 - 53 - 54 - 55 - 55 - 57 - 59 - 60 - 60
61 - 64 - 65 - 65 - 65 - 66 - 66 - 66 - 67 - 68
69 - 71 - 73 - 73 - 74 - 74 - 76 - 77 - 77 - 78
80 - 81 - 84 - 85 - 85 - 88 - 89 - 91 - 94 - 97

Soluo: Amplitude total (R)


R = 97 - 33 = 64

Nmero de classes ( K):


K=: 1 + 3,22 log 50 =1 + 3,22(1,7) =7
116
Amplitude de classe (h):
h =64 : 7 =10
Limite das classes, freqncias e pontos mdios:
Para facilitar a contagem das freqncias, inicia-se a primeira classe por
30. Todavia, poder-se-ia iniciar com 33. Assim, a distribuio de freqncia
ser:

Classes F1 Fac f; X;
30 f- 40 4 4 0,08 35
40 f- 50 6 10 0,12 45
50 f- 60 8 18 O, 16 55
60 f- 70 13 31 0,26 65
70 f- 80 9 40 0,18 75
80 f- 90 7 47 0,14 85
90 f- 100 3 50 0,06 95
:E 50

O histograma e polgono de freqncia dados por:

F;

13 ------------ ---------- ------- -- -

4 ----------- ----

30 40 50 60 70 80 90 100 classe

117
Assim como o grfico das freqncias acumuladas:

Fac
50 -- -- ----- ---------- -- ----- - -- - ------------------ -----
47 - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -

40 - --------- - ----- --- - - ---- - ------ -------

31 ------------------ - ----------- -- -

18 ------------------ --------

10 --------- - ---------

4 -- - --- -- --- -

30 40 50 60 70 80 90 100 classes

EXERCCIOS - SRIE li - CAPTULO 5 Respostas


1. Dada a amostra: 3, 4, 4, 5, 7, 6, 6, 7, 7, 4, 5, 5, 6, 6, 7, 5, 8, 5, 6. :
pede-se:
a) construir a distribuio de freqncia;
b) construir o grfico das freqncias ;
c) determinar as freqncias relativas;

R d)
e)
determinar as freqncias acumuladas;
qual a amplitude amostral;
f) qual a percentagem de elementos maiores que 5.

2. Considere os dados obtidos pelas medidas das alturas de 100 indivdu~


(dadas em cm):
151 - 152 - 154 - 155 - 158 - 159 - 159 - 160 - 161 - 161
161 - 162 - 163 - 163 - 163 - 164 - 165 - 165 - 165 - 166
166 - 166 - 166 - 167 - 167 - 167 - 167 - 167 - 168 - 168
168 - 168 - 168 - 168 - 168 - 168 - 168 - 168 - 169 - 169
169 - 169 - 169 - 169 - 169 - 170 - 170 - 170 - 170 - 170
:170 - 170 - 171 - 171 - 171 - 171 - 172 - 172 - 172 - 173
173 - 173 - 174 - 174 - 174 - 175 - 175 - 175 - 175 - 176
176 - 176 - 176 - 177 - 177 - 177 - 177 - 178 - 178 - 178
179 - 179 - 180 - 180 - 180 - 180 - 181 - 181 - 181 - 182
182 - 182 - 183 - 184 - 185 - 186 - 187 - 188 - 190 - 190

118
R
Pede-se determinar:
a) a amplitude amostral;
b) o nmero de classes;
c) a amplitude das classes;
d) os limites das classes;
e) as freqncias absolutas das classes ;
f) as freqncias relativas;
g) os pontos mdios das classes;
h) a freqncia acumulada;
i) o histograma - polgono de freqncia;
j) os grficos de freqncia acumulada.

3. As notas de 32 estudantes de uma classe esto descritas a seguir:


6,0 - 0,0 - 2,0 - 6,5 - 5,0 - 3,5 - 4,0 - 7,0
R 8,0
2,0
-
-
7,0
5,0
-
-
8,5
5,5
-
-
6,0
5,0
-
-
4,5
7,0
-
-
0,0
1,5
-
-
6,5
5,0
-
-
6,0
5,0
4,0 - 4,5 - 4,0 - 1,0 - 5,5 - 3,5 - 2,5 - 4,5
Determinar:
a) o rol;
b) as distribuies de freqncias (varivel contnua). (Sugesto: iniciar
por O e intervalo de classe 1,5);
c) o maior e o menor graus;
d) a amplitude total;
e) qual a porcentagem dos alunos que tiveram nota menor do que 4;
f) qual o limite superior da segunda classe;
g) qual o ponto mdio da quarta classe;
h) qual o ponto mdio da terceira classe;
i) os grficos (histograma e grfico da FaJ.

4. Os pesos de 40 alunos esto relacionados a seguir:


69 57 72 54 93 68 72 58 64 62 R
65 76 60 49 74 59 66 83 70 45
60 81 71 67 63 64 53 73 81 50
67 68 53 75 65 58 80 60 63 53
a) Construir a tabela de distribuio de freqncia, dado log 40 = 1,6.
b) Construir os grficos da distribuio.

119
5. Completar os dados que faltam:

Valores F; Fac f;
1 4 0,08
2 4
3 16 0,16
4 7 0,14
5 5 28
6 38
7 7 45 0,14
8

5.5 MEDIDAS DE POSIES


Foi visto nas sees anteriores a sintetizao dos dados sob a forma :.
tabelas, grficos e distribuies de freqncias. Aqui, destaca-se o clcu lo :.-
medidas que possibilitam representar um conjunto de dados relativos obs:
vao de determinado fenmeno de forma resumida. So as medidas de ~
sio. Tais medidas orientam-nos quanto posio da distribuio no eixc
(eixo dos nmeros reais), possibilitam comparaes de sries de dados e n~
si pelo confronto desses nmeros. So chamadas medidas de tendnc:
central, pois representam os fenmenos pelos seus valores mdios, em tor":
dos quais tendem a concentrar-se os dados.

5.5.1 Mdia Aritmtica - Dados No Agrupados


Sejam x1 , x 2 , ... , xn, portanto "n" valores da varivel X. A mdia aritmtic=.
simples de X representada por :X definida por:

LX
ou simplesmente X= n
X=

em que n o nmero de elementos do conjunto.


Exemplo: Determinar a mdia aritmtica simples dos valores: 3, 7, 8, 1O, 11
_LX
X= n = 3+7+8+10+11
5

:X= 7,8

120
5.5.2 Mdia Aritmtica - Dados Agrupados
Quando os dados estiverem agrupados numa distribuio de freqncia
usaremos a mdia aritmtica dos valores x1 , x2 , ... , xn, ponderados pelas res-
pectivas freqncias absolutas: F1 , F2 , F3 , ... , Fn- Assim:

n
L X;F;
ou
-
X= - -
LXI F-I
X= 1_ _
=_
,_ n
n

Exemplos:
a) Dada a seguinte distribuio:

determinar a mdia.
Um dispositivo prtico para esse clculo a composio da seguinte
tabela:

X; F; x1 F1

_ LX; F; 26
2 3 6 x= - - = - = 26
n 10 '
3 5 15

4 4 lembre-se de que LF; = n


:E 10 26

Exemplo: Determinar a mdia da distribuio:

Renda Familiar f- 10 f- 12
(milhares de $)
2 f- 4 4 f- 6 6 f- 8 8 10

Nfl de Famlias 5 10 14 8 3

Nesse caso, as classes so representadas pelos seus pontos mdios,


portanto:

1 ?1
Classes X; X; F;
2 f- 4 5 3 15
- :E X; F; 268
4 f- 6 10 5 50 X= - - = -
n 40
6 f- 8 14 7 98
8 f- 1o 8 9 72 x= 6,7

10 f- 12 3 11 33
40 268

Como a renda familiar foi dada em milhares, pode-se dizer que a renc
mdia desse grupo de 40 famlias de $ 6.700,00.

5.5.3 Mdia Geral


Sejam x1 , x2 , x3, ... , xk as mdias aritmticas de k sries e n1 , n2 , n~
... , nk os
nmeros de termos destas sries, respectivamente. A mdia aritmticc.
da srie formada pelos termos das k sries dada pela frmula:

Exemplo: Sejam as sries:


1) 4, 5, 6, 7, 8 em que n1 = 5 e :X1 = 6
2) 1, 2, 3 em que n2 = 3 e x2 = 2
3) 9, 10, 11, 12, 13 em que n3 =5 e x3 = 11
Ento, a mdia geral das sries, utilizando a frmula acima,
ser:

x= 5 6 + 3 2 + 5 11 =7
5 + 3 + 5

5.5.4 M<tia Geomtrica


Sejam x1 , x2 , x3 , ... , xn, valores de X, associados s freqncias absolutas
F1 , F2 , F3 , .. . . , Fn, respectivamente. A mdia geomtrica de X definida por:

122
Mg = '!,/ xfi x2F; x{ .. . x/: 0
1

Em particular, Se F1 = F2 = F3 = ... = Fn = 1, tem-se:

Exemplo 1: Calcular a mdia geomtrica dos valores 3, 6, 12, 24, 48. Logo:

Mg = ?,/3 X 6 X 12 X 24 X 48

Mg = ?./248.832 :. Mg = 12

Exemplo 2: Calcular a mdia geomtrica para a distribuio:

2 3 5
8 6 5 3

Soluo: Note que a aplicao direta da definio acarreta grande nmero


de operaes. Nestes casos conveniente o uso dos logaritmos.
Assim , tomando-se o logaritmo de ambos os membros da frmula,
tem-se:

F1 log X1 + F2 log X2 + F3 log X3 + .. . + Fn log Xn


log Mg = - - ' - - - - ' - - - - - - "'-----'::..___::..___-=-.._ _ _..:..:....__....:..:.
n

Logo:
log Mg = 8 log1 + 6 log 2 + 5 log 3 + 3 log 5
22
I M _ 8(0) + 6(0,3010) + 5(0,4771) + 3(0,6990)
og g - 22

log Mg = 0,2858 ou Mg = antilog 0,2858 = 100,2858

Mg = 1,9311
5.5.5 Mdia Harmnica
Sejam x1 , x2 , x3 , ... , xn, valores de X , associados s freqncias absolutas
F1 , F2 , F3 , ... , Fn, respectivamente.
A mdia harmnica de X definida por:

n
--
n Fi
L
=1
X
I

Em particu lar, se F1 = F2 = F3 = ... = Fn = 1, tem-se:

n n
Mh = 1 1 1 n
-+-+ -X3 +
X1 X2 Li1
=
x.
I

Exemplo: Calcular a mdia harmnica para 2, 5, 8.


Ento:
3
Mh =
1 1 1
= 3,64
2+5+8

EXERCCIOS - SRIE Ili - CAPTULO 5 Respostas


1. Determine a mdia aritmtica das seguintes sries:
a) 3, 4, 1, 3, 6, 5, 6
b) 7, 8, 8, 10, 12
c) 3,2; 4; 0,75; 5; 2, 13; 4;75
d) 70, 75, 76, 80, 82, 83, 90

2. A mdia mnima para aprovao em determinada disciplina 5,0. Se


um estudante obtm as notas 7,5; 8,0; 3 ,5; 6,0; 2,5; 2,0; 5,5; 4,0 nos
trabalhos mensais da disciplina em questo, pergunta-se se ele foi ou
no aprovado.

124
Respostas
3. Calcule para cada uma das distribuies abaixo sua respectiva mdia.

a) X; 3 4 7 8 12 b) X; 10 11 12 13

F; 2 5 8 4 3 F; 5 8 10 6
1

c) X; Fac d) X; f; e) X; F;
2 3 7 1/ 16 85 5

3 9 8 5/18 87

4 19 9 1/3 88 10

5 25 10 219 89 3

6 28 11 5/48 90 5

4. Dadas as estaturas de 140 alunos, conseguiu-se a distribuio abaixo.


Calcular a mdia.

Esta-
turas 145 t- 150 150 t- 155 155 t- 160 160 t- 165 165 t- 170 170 t- 175 175 t- 180 180 t- 185
(cm)
. N dos 2 10 27 38 27 21 8 7
alunos

5. Abaixo temos a distribuio dos aluguis de 65 casas. Determine sua


mdia.

Alugue! 1,5 f- 3,5 3,5 f- 5,5 5,5 f- 7,5 7,5 f- 9,5 9,5 f- 11,5
(milhares de $)
N de casas 12 18 20 10 5

6. Dada a distribuio

Classes 68 f- 72 72 f- 76 76 f- 80 80 f- 84

8 20 35 40

determinar a mdia.

125
Respostas
7. Dados os seguintes nmeros:

3 5 7 9 2 4 6 8 10 15 20 25 o
2 3 4 5 6 7 8 9 9 8 7 8 6 5 <!

3 2 o 10 15 20 25 12 11 8 6 4 2
3 5 7 9 11

a) Construa a distribuio de freqncia do tipo "A".


b) Determine a mdia.

8. Turmas que possuem determinada disciplina em comum apresentam , nes-


sa disciplina:
turma A (40 alunos) mdia 6,5
turma B (35 alunos) - mdia 6,0
turma c (35 alunos) - mdia 4,0
turma D (20 alunos) - mdia 7,5
Determine a mdia geral.

9 . Dada a amostra:

28 33 27 30 31 30 33 30 33 29
27 33 31 27 31 28 27 29 31 24
31 33 30 32 30 33 27 33 31 33
23 29 30 24 28 34 30 30 18 17
18 15 16 17 17 18 19 19 20 29

a) Agrupar os elementos em classes (inicie pelo 15) e use h = 5.


R b) Construir a tabela de distribuio de freqncia do tipo "B".
c) Determinar a mdia.

1O. Calcule a mdia geomtrica para as sries:


a) 8, 15, 10, 12
b) 3, 4, 5, 6, 7, 8.

C) X; 8 9 10 11 12
'
12 10 7 5 3

126
Respostas
Encontre a mdia harmnica para as sries:
a) 5, 7, 12, 15

b) X; 2 3 4 5 6

F; 3 4 6 5 2

Tem-se $ 2.000,00 disponveis, mensalmente, para a compra de deter-


minado artigo que custou, nos meses de junho, julho e agosto, respecti-
vamente, $ 200,00; $ 500,00 e$ 700,00. Qual foi o custo mdio do artigo
para esse perodo?

Utilizando a srie de dados: 2, 7, 8 e 15, comprove as seguintes proprie-


dades da mdia aritmtica.
a) A soma dos desvios em torno da mdia zero. Isto ,
I. (xi - x) = O.
Sugesto: Calcule a mdia ( x ). Depois, determine para cada valor da
srie o seu desvio (xi - x). Some tais desvios e a propriedade ficar
provada.
b) Somando ou subtraindo a mesma quantidade arbitrria de todos os
valores da srie, a mdia ficar aumentada ou diminuda dessa mes-
ma quantidade.
Sugesto: Utilize, por exemplo, a quantidade arbitrria 2. Calcule a
mdia ( x ); some o nmero 2 a todos os valores. Determine a mdia
desses "novos" valores. Compare as duas mdias obtidas. Observe
que a segunda mdia supera a primeira em duas unidades, o que
prova a propriedade.
c) Multiplicando ou dividindo cada termo de uma srie por uma constan-
te, a mdia ficar multiplicada ou dividida pela constante.
Sugesto: Admita a constante igual a 3 e prove mais essa proprie-
dade.
d) A soma dos quadrados dos desvios medidos em relao mdia
um mnimo, ou seja, sempre menor que a soma dos quadrados dos
desvios medidos em relao a outro valor qualquer. Isto ,
I. (Xi - :X) 2 mnima.
Sugesto: Utilize os desvios calculados para a propriedade a). Calcule
a soma de seus quadrados e constate que ela menor que qualquer
outra soma de quadrados cuja origem no seja a mdia :X.

127
5.5.6 Mediana
Colocados em ordem crescente, mediana ( o valor que divide "x)
amostra, ou populao, em duas partes iguais. Assim:

o 50% 100%

Clculo da mediana - varivel discreta

Se n for mpar, a mediana ser o elemento central (de ordem n ; 1


Caso n seja par, a mediana ser a mdia entre os elementos centrais (e::
n n
ordem e + 1).
2 2
Exemplos: a) Dada a distribuio:

xi F; Fac
n = 11, n mpar, logo ( x) ser o elemer-::
1 1 1 n+ 1 . 11 + 1
de ordem - - , ou seia, - -- = 6 .
2 3 4 2 2
~Contm o
3 5 9 Ser, portanto, o sexto elemento. Para ide--
62 elemento tific-lo, abre-se a coluna da Freqncia Ac-
4 2 11
mulada Crescente (Fac).
L 11

Por meio dessas freqncias acumuladas encontra-se o valor (xi) corres-


pondente mediana.
Neste exemplo ser o 3 (x
= 3). Observe : ser o xi correspondente .
classe que contiver a ordem calculada.

b) Seja:

X; F; Fac
82 5 5 n = 42, n par, logo (x) ser a mdia ent:
85 10 15 os elementos de ordem 2n e 2n + 1 . ou s&-
87 15 30 ~ 21 2 e 222 42 42
89 . 8 38 Ja ' 2 = 21 2 e
2
+ 1 = 222 .
90 4 42 Como no exemplo anterior, identificam-se e:
elementos de ordem 21 e 22 pela Fac.
L 42

128
21 corresponde a 87.
22 corresponde a 87, logo,
x = 87 ; 87 = 87 .

Clculo da mediana - varivel contnua.

1 Passo: Calcula-se a ordem ~ . Como a varivel contnua, no se


preocupe se n par ou mpar.
2 12 Passo: Pela Fac identifica-se a classe que contm a mediana (clas-
se Md).
3 12 Passo: Utiliza-se a frmula:

_ (~ - Lf) h
x = eMd + F
Md

em que
e Md limite inferior da classe Md
n tamanho da amostra ou nmero de elementos
Lf soma das freqncias anteriores classe Md
h amplitude da classe Md
FMd = freqncia da classe Md.

Exemplo: Dada a distribuio amostral, calcular a mediana.

Classes F; Fac
35 I- 45 5 5
451- 55 12 17
55 I- 65 18 35 f- classe Md
65 I- 75 14 49
751- 85 6 55
85 I- 95 3 58
:E 58

129
19 Passo: Calcula-se
n
2 Como n = 58 , temos 258 = 29 .

2 11 Passo: Identifica-se a classe Md pela Fac Neste caso, a classe '


a 3.
3 9 Passo : Aplica-se a frmula:

No caso

n = 58; L,f = 17; h = 10; FMd=18.

Logo :

( ~ - 17 J. 10
x = 55 + 18
= 61,67

5.5.7 Quartis
Os quartis dividem um conjunto de dados em quatro partes iguais. Assim

0% 25% 50% 75% 100%

o,

01 = 12 quartil, deixa 25% dos elementos.


0 2 = 22 quartil, coincide com a mediana, deixa 50% dos elementos.
0 3 = 32 quartil, deixa 75% dos elementos.

Eis as frmulas para os clculos de 0 1 e 0 3 para o caso de variveis


contnuas.

130
Determinao de 0 1 :

n
4.
1 Passo: Calcula-se

2 Passo: Identifica-se a classe 0 1 pela Fac


3 Passo: Aplica-se a frmula:

Determinao de 0 3 :

1 Passo: 3n
Calcula-se
4
2 Passo: Identifica-se a classe 0 3 pela Fac

3 Passo: Aplica-se a frmula:

Exemplo: Dada a distribuio, determinar os quartis (0 e 0 ) e mediana.


1 3

Classes F1 Fac
71- 17 6 6
17 1- 27 15 21 ~classe 01
27 f- 37 20 41 ~ classe Md
37 f- 47 10 51 ~classe 03
47 f- 57 5 56
L 56

131
tfJ Passo: n 56
=
01 ? X ?
n 56 !!. = 56 = 28
4 =4 = 14 2 2
2f} Passo: Pela Fac identifica-se a classe 0 1 , classe Md e classe O~
3fJ Passo: Uso das frmulas

Para 0 1 temos: t 0
1
= 17, n = 56, Lf= 6; h = 10, F0
1
= 1:;

Para Xtemos: t MO = 27, n = 56, Lf = 21, h = 1O, FMd = 2C


Para 0 3 temos: t 0
3
= 37, n = 56, I,f= 41, h = 10, F0
3
= 1C

Logo:

(~-6 ) .10
17 + 15 = 22,33

( ~- 21 ) . 1o
x= 27 + 20 = 30,5

(
3
~ 56 - 41 ) . 1o
03 = 37 + 1o = 38

Diante desses resultados, pode-se afirmar que, nesta distribuio, tem-se:

25% 25% 25% 25%

7 22,33 30,5 38 57

Isto :
22,33 deixa 25% dos elementos
30,5 deixa 50% dos elementos
38 deixa 75% dos elementos

132
CdAtlnuando G estudo tias niedi.'!:s separatrlz~s miana ,e quartis, tem-
GS deis. So s Valores que dividem a serie ~m 1 Q part~ iguaiS.

0% 10% 2D;% 30% 40o/,o ~OJ'9 pe% 70% 8'0% 90o/o 1QO%
1 1 1 1 1 1 1

Com.ovoq l Cleve ter percebido, a ffmu!a neste..caso tambm seme-


nte s s,eparatrlzs anteriores. Ei-!a c

. i . fT
Calcula-se --,o , em qu.e r. =1, 2. 3, 4, 5, 6, 7 , a e 9

ldentifii:;a-se a class D; pela F8 17 .

3~ Passo; Apli:~-S!'! a, frmulai

( .!!!.
10
- !f;
.h
D1 = t 0 + - -F:
1 u,

t 0; = limite inferior da classe D1. i = 1, 2 . 3 , ..., 9


n = tamanho da amostr-a
h = amplilule da classe 0 1
Fo, fr-e.qncia da c laf'se D;
I 1 = soma das freqnias antejors class(:1 O;

Si:Yas medftas qu divide.m a amostra em too parte.s.Jg,uas. Asslm;

()% 1% 2% 3% 50% 97% 98lll; 99% 100%

P, P', P,

133
O clculo de um percentil dado por:

19 Passo: Calcula-se ~o , em
1
que = 1, 2, 3, ... , 98, 99.

2 9 Passo: Pela Fac identifica-se a classe P;.

3 9 Passo: Usa-se a frmula:

p I. = t pi +

em que eP. = limite da classe P;, em que = 1, 2, 3, ... , 99


I

n tamanho da amostra
"i.f soma das freqncias anteriores classe P;
h amplitude da classe P;
Fp = freqncia da classe P;
I

Exemplo: Determinar o 4 Decil e o 72 Percentil da seguinte distribuio:

Classes Fac
4 f- 9 8 8
9 f- 14 12 20 ~ classe 0 4
14 f- 24 17 37 ~ classe P72
19 f- 24 3 40
40

Clculo do D4 : Clculo do P72 :


19 Passo: 19 Passo:
n 4 40 n 72 (40) = ,
10 = - 1-0 -= 162 28 82
100 - 100

2 9 Passo: Identifica-se a classe D4 e P72 pela Fac

134
3 Passo:

Para 0 4 : e 04 = 9; I.f = 8; n = 40; h = 5; F0 = 12


4

Para P72 : e p72 = 14; I.f = 20; n= 40; h = 5; Fp = 17


72

( 4 1. o40 - 8 ) . 5

04 = 9 + 12 = 12,33

72 . 40 - 20 ) . 5
( 100
P72 = 14 +
17
= 16,89

Portanto, nesta distribuio, o valor 12,33 divide a amostra em duas par-


tes: uma com 40% dos elementos e a outra com 60% dos elementos. O valor
16,89 indica que 72% da distribuio esto abaixo dele e 28% acima.
Para a determinao das separatrizes (mediana, quartis, decis e per-
centis) pode-se utilizar o grfico da freqncia acumulada. Assim:

Fac
n
80n/100 1-----------~~

3n/4 1----------::>f"

o, 03 0 8 = P00 Classes

5.5.10 Moda
Dentre as principais medidas de posio, destaca-se a Moda. o valor
mais freqente da distribuio. Para distribuies simples (sem agrupamento
em classes), a identificao da Moda facilitada pela simples observao do
elemento que apresenta maior freqncia. Assim, para a distribuio

243 245 248 251 307


7 17 23 20 8

135
a Moda ser 248. Indica-se Mo = 248.
Para dados agrupados em classes, h diversas frmulas para o clcu-
lo da Moda.

a) 1 processo: frmula de Czuber


1 Passo:
Identifica-se a classe modal (aquela que possuir maior freqncia) .
2 Passo:
Aplica-se a frmula:

em que:
e limite inferior da classe modal
111 diferena entre a freqncia da classe modal e a imediata-
mente anterior
112 = diferena entre a freqncia da classe modal e a imediata-
mente posterior
h amplitude da classe.

Exemplo: Determinar a moda para a distribuio.

Classes o 1- 1- 2 2 1- 3 3 1- 4 4 f- 5 L

F, 3 10 17 8 5 43


1 Passo: Indica-se a classe modal. No caso, trata-se da 3 classe 2 1- 3
2 Passo: Aplica-se a frmula:
111
Mo= e+ A A h
u1 + u2
em que: e = 2
111= 17 - 1o = 7
112 = 17 - 8 = 9
h = 1
Portanto: 7
Mo = 2 + - - 1 = 2 44
7+9 '
Exemplo: Calcular a moda para a distribuio.

Salrios (U5$) 80 1- 180 180 1- 250 250 1- 300 300 1- 500

Ne de empregados 70 140 140 60

136
Observe que as amplitudes das classes no so iguais. Nestes casos
preciso calcular as "densidades" das classes: ~ + h para se identificar
qual a classe modal (aquela com maior densidade). Assim:

Salrios (US$) F, F,lh

80 ~O) 180 70 70/100 = 0,7


180 ~O) 250 140 140/70 = 2,0
250 P.:) 300 140 140/50 = 2,8 ~ classe modal

300 ~O) 500 60 60/200 = 0,3

1 Passo: Classe modal. No caso ser a 3 classe 250 f- 300.


2 Passo: Aplica-se a frmula, onde:
f = 250
t.1 2,8 - 2,0 = 0,8
t.2 = 2,8 - 0,3 = 2,5
h 50

Mo = 250 +
018
: 2.~
8
50 = 262,12

Portanto, o salrio mais freqente US$ 262, 12.

2 processo: frmula de Pearson

Mo"' 3.X- 2x
Ou seja, a moda aproximadamente a diferena entre o triplo da me-
diana e o dobro da mdia. Esta frmula d uma boa aproximao quando
a distribuio apresen.ta razovel simetria em relao mdia.

EXERCCIOS - SRIE IV - CAPTULO 5 Respostas


1'. Para cada srie, determine a mediana:
1) 1, 3, 3, 4, 5, 6, 6 Ili) 12, 7, 10, 8, 8
11) 1, 3 , 3 , 4, 6, 8 , 8, 9 IV) 82, 86, 88, 84, 91, 93

2. Para cada distribuio, determine a mediana:

1) xl 2 3 4 5 7
F, 3 5 8 4 2
1 1

li) x, 73 75 77 79 81
F, 2 10 12 5 2
1 1 137
Respostas
111) x, 12 13 15 17

Fac 5 13 18 20

IV) x, 232 235 237 240

Fac 15 40 55 61

3. Para cada distribuio, determine a mediana:

1) Classes 1 1- 3 3 1- 5 5 1- 7 7 1- 9 9 1- 11 11 1- 13

F1 3 5 8 6 4 3

11) Classes 22 1- 25 25 1- 28 28 1- 31 31 1- 34
25 30 20

4 . Para cada srie, determine a moda:


1) 3, 4, 7, 7, 7, 8, 9, 1 o
li) 43, 40, 42, 43, 47, 45, 45, 43, 44, 48

5. Para cada distribuio, determine a moda:


1) x, 72 75 78 80 li) X; 2,5 3,5 4,5 6,5
F1 8 18 28 38 F1 7 17 10 5

6. Para cada distribuio, determine a moda pelos dois processos:


1) Classes 7 f- 10 10 1- 13 13f-16 16 f- 19 19 1- 22

F1 6 10 15 10 5

li) Classes 10 1- 20 20 1- 30 30 1- 40 401- 50

Fac 7 19 28 32

7. Para as distribuies:
1) Classes 4 1- 6 6 1- 8 8 f- 10 10 1- 12
F, 4 11 15 5

138
Respostas

11) Classes 20 1- 30 30 1- 40 40 1- 50 50 1- 60 60 1- 70
3 8 18 22 24

8. Abaixo temos a distribuio do nmero de acidentes por dia, durante 53


dias, em certa rodovia:

N2 de acidentes o 2 3 4
N de dias 20 15 10 5 3

Pede-se:
a) determinar a mdia;
b) determinar a mediana;
c) calcular a moda;
d) qual a percentagem de dias em que tivemos dois ou mais acidentes
por dia?

9. O nmero de operrios acidentados por ms, numa fbrica, nos ltimos


dois anos, foi:

~ o
Jan. Fev. Mar. Abr. Mai. Jun. Jul. Ago. Set. Out. Nov. Dez.

1975 4 8 3 6 7 7 3 8 2 4 3 3

1976 7 4 6 5 10 5 4 3 5 4 4 1

Faa X ~ nmero de operrios acidentados por ms.


a) construa a distribuio de freqncia (tipo A).
b) Calcule a mdia, mediana e moda.

10. Sendo:

Idade (anos) 101-14 14 1- 18 181- 22 221- 26 261- 30 301- 34 34 I- 38 381- 42

N de pessoas 15 28 40 30 20 15 10 5

a) determinar a mdia .
b) calcular a medida que deixa 50% dos elementos;
c) determinar a moda (frmula de Czuber);

139
Respostas
d) calcular o 32 decil;
e) determinar a medida que deixa 1/4 dos elementos;
f) calcular o percentil 80;
g) qual a porcentagem das pessoas maiores de idade?

11. Foi pedido aos alunos de uma classe de 40 alunos que escolhessem 1..-
dentre os nmeros O, 1, 2, 3, 4, 5, 6, 7, 8 e 9. Obteve-se o seguinte resultao:
8-0-2-3-3- 5-7-7-7-9
8-4-1-9-6- 6-6 - 8-3-3
7-7-6-0-1- 3-3-3-7-7
6-5-5-1-2- 5-2-5-3-2
a) montar a distribuio de freqncia (tipo A);
b) determinar a mdia;
c) qual foi o n2 mais escolhido? O que ele representa?
d) calcule a mediana.

12. Abaixo esto dadas as notas (em crditos) de 50 alunos:


60 85 33 52 65 77 84 65 74 57
71 3581 5035647447546 8
R 80 61 41 91 55 73 59 53 77 45
41 55 78 48 69 85 67 39 60 76
94 98 66 66 73 42 65 94 88 89
Pede-se:
a) determinar a amplitude total da amostra;
b) nmero de classes pela frmula Sturges. Dado log 50 = 1,7;
c) amplitude das classes;
d) quais as classes? (inicie pelo 30);
e) freqncias absolutas das classes;
f) freqncias relativas;
g) pontos mdios das classes;
h) freqncia acumulada;
i) histograma;
j) polgono de freqncia;
k) grfico da freqncia acumulada;
R 1) mdia
m) mo.da - processo grfico;
n) mediana - pelo grfico do item k;
o) 12 e 3 2 quartis - pelo grfico do item k;
p) 72 decil e 55 2 percentil pelo grfico.

140
5.6 MEDIDAS DE DISPERSO
So medidas estatsticas utilizadas para avaliar o grau de variabilidade,
ou disperso, dos valores em torno da mdia. Servem para medir a repre-
sentatividade da mdia.

disperso

X;

Sejam as sries:
a) 20, 20, 20
b) 15, 1O, 20, 25, 30
Tem-se: x8 = 20 e xb = 20

Observe: Apesar de as sries terem mdias iguais, na srie "a" no se tem


disperso, enquanto os valores da srie "b" apresentam disper-
ses em torno da mdia 20. Assim , a mdia muito mais repre-
sentativa para a srie "a" do que para a srie "b".

5.6.1 Amplitude Total


a diferena entre o maior e o menor dos valores da srie.

R = Xmx - Xmn

Exemplo: Para a srie 1O, 12, 20, 22, 25, 33, 38


R = 38 - 10 = 28
A utilizao da amplitude total como medida de disperso muito limitada,
pois, sendo uma medida que depende apenas dos valores externos, instvel,
no sendo afetada pela disperso dos valores internos.

141
5.6.2 Desvio Mdio
Desde que se deseja medir a disperso os dados em relao mdia
parece interessante a anlise dos desvios em torno da mdia. Isto , analisa
os desvios:

d; = (X; - X)

Mas a soma de todos os desvios igual a zero. Isto :

L.d; = L.(X; - :X) = 0

Logo, ser preciso encontrar uma maneira de se trabalhar com os desvios


sem que a soma d zero. Dessa forma define-se desvio mdio como:

Veja que os desvios foram considerados em mdulo, evitando-se assirr


que soma fosse nula. Observe exemplo adiante.

5.6.3 Varincia
2
Neste caso considera-se o quadrado de cada desvio (x; - x) , evitando
com isso que "I.d; = O. Assim, a definio da varincia populacional dada por:

- 2
L.(x; - X) F; L.df F;
cr2 =- - - --- - --
N N

Trata-se da mdia aritmtica dos quadrados dos desvios.

Observao: 1. cr2 indica varincia populacional e l-se sigma ao quadrado.


2. X da frmula a mdia da populao.

142
Para o caso do clculo da varincia amostral conveniente o uso da
seguinte frmula:

- _
:L(X,_ 2 Fi
x) _
s2 = __ _
n - 1

Como voc deve ter notado, as diferenas entre as frmulas so: para o
caso da varincia populacional: cr2 , utiliza-se a mdia populacional (X ) tendo
como denominador o tamanho da populao: N. Para o clculo da varincia
amostral:se,utiliza-se a mdia amostral ( x) , tendo como denominador o tamanho
da amostra menos um: (n - 1). Frmulas prticas para os clculos das varincias :

ou

2 1
S = --
[ 2
:Lx./ F-1 - - - -
2]
(:Lxi Fi)
n- 1 n

que foram obtidas por transformaes nas respectivas frmulas originais.

5.6.4 Desvio-padro
Observando-se a frmula original para o clculo da varincia, nota-se que
uma soma de quadrados. Dessa forma, se a unidade da varivel for, por
exemplo, metro (m) teremos como resultado metro ao quadrado (m 2 ) . Para se
ter a unidade original, necessita-se definir outra medida de disperso, que a
raiz quadrada da varincia - o desvio-padro. Assim :

o desvio-padro populacional.

o desvio-padro amostral

Resumindo: para o clculo do desvio-padro deve-se primeiramente de-


terminar o valor da varincia e, em seguida, extrair a raiz quadrada desse
resultado.

143
Exemplo: Calcular o desvio-mdio, a varincia e o desvio-padro da segu inte
distribuio amostral:

X; 11

1 : 1 : 1 : 1 : 1
2

1 Q) Clculo do desvio mdio:

Primeiramente precisa-se do valor da mdia:

X; F; X; F;

5 2 10

7 3 21

8 5 40 LX1 F1 129
X= - - = - = 8 06
n 16 '
9 4 36

11 2 22
16 129

Para o clculo do DM so abertas novas colunas, assim:

X; F; X; F; IX;-:XI = ld;I ld; 1 F;


5 2 10 1 5 - 8,06 1 = 3,06 6,12
7 3 21 1 7 - 8,06 = 1,06
1 3,18
8 5 40 1 8 - 8,06 1 = 0,06 0,30
9 4 36 1 9 - 8,06 1 = 0,94 3,76
11 2 22 1 11 - 8,06 1 = 2,94 5,88
:E 16 129 19,24

Portanto, :Eld;I F;_ 19,24_


DM = n - 16 - 1 ,20
2 2) Clculo da varincia amostral

S 2 = -1- [ .r.x?F. - -(L-x,n.F;)


- -2 ]
n - 1 I I

Observe que o clculo ser facilitado, pois sabe-se que: n = 16; L-x; F; = 129.
Resta encontrar L-xf F;. Para tanto, uma nova coluna considerada na tabela.

Observe:

x, F; X; F; x?F1
5 2 10 50 xf F1 = 52 2 = 50
7 3 21 147 X~ F2 = 72 3 = 147
8 5 40 320
9 4 36 324
11 2 22 242
:E 16 129 1.083

S2 = _1_ [ I.x? F. - (LX; F;)2]


/ 1
= 1 [ 1.083 - (11269)2 ]
n-1 n 16-1

8 2= J_ [ 1 083 _ 16.641
15 . 16
J = _1 [ 17.328 - 16.641 J
15 16

S 2 -_ 15687 -
. 16 - 2 86

Logo, a varincia amostral 2,86; ou seja, S 2 = 2,86.

32 ) Clculo do desvio-padro amostral

Como S = "1$2 , logo S = '12,86 = 1,69.


Resumindo: A distribuio possui mdia 8,06. Isto , seus valores esto
em torno de 8,06 e seu grau de concentrao de 1,2, medido pelo Desvio
Mdio, e de 1,69 , medido pelo Desvio-padro.

14.1\
Eis outro exemplo:
Dada a distribuio amostral abaixo, encontrar a mdia, o desvio me-:
e o desvio-padro.

Classes
I ~ I ~ I ~ I ~. ,. I ' ~ 12
A constituio da tabela auxiliar para os clculos deve ser construa::.
medida que voc for necessitando dos resultados parciais, portanto, no :-
preocupe em memorizar a ordem das colunas. Eis a tabela auxiliar:

Classes F; X; X;F; IX1 - 'XI 1 d;I F; xf F


2 f- 4 2 3 6 1 3 - 7,2 1 = 4,2 8,4 18
4 f- 6 4 5 20 1 5 - 7,2 1 = 2,2 8,8 10C
6 f- 8 7 7 49 1 7 - 7,2 1 = 0,2 1,4 342
8 f- 10 4 9 36 1 9 - 7,2 1=1,8 7,2 32~

10 f- 12 3 11 33 1 11 - 7,2 1 = 3,8 11,4 363


E 20 144 37,2 1.148

x= 144 = 7 2
20
OM -- 37,2 - 1 86
20 - '
'

~ ;~) J =
1 2
s2 = 20
[ 1.148 - < 5,86

s = "15,85 = 2,42

Exemplo: Clculo da varincia populacional. Determinar a varincia para a sN:

2 3 5 6 7
4 5 3 2

Soluo: A frmula prtica para o clculo da varincia populacional dada por

146
Ser conveniente a construo da seguinte tabela:

xi Fi xi Fi xfFi
2 1 2 4
3 4 12 36
5. 5. '25. 1-'LS.
6 3 18 108
7 2 14 98
:E 15 71 371

Assim

1
cr2 = - [ 371
15 ---!iJ
15

cr2 = 2,33

Quanto ao desvio-padro populacional, tem-se:

O' = ../2,33

O' = 1,53

5.6.5 Coeficiente de Variao


Trata-se de uma medida relativa de disperso til para a comparao em
termos relativos do grau de concentrao em torno da mdia de sries distin-
tas. dado por:

CV = ~
X
X 100 ou CV = -=-Xs X 100

onde: O' desvio-padro populacional


X mdia populacional
S desvio-padro amostral
x mdia amostral.
O coeficiente de variao expresso em percentagens.

147
Exemplo: Numa empresa, o salrio mdio dos homens de$ 4.000,00, cor
desvio-padro de $ 1.500,00, e o das mulheres em mdia de
$ 3.000,00, com desvio-padro de $ 1.200,00. Ento:

1.500
para os homens e . V = ~O" = 4.000 X 100 = 37,5%

O" 1.200
para as mulheres C V= ~ = .000 x 100 = 40%
3

Logo, podemos concluir que os salrios das mulheres apresentam maic


disperso relativa que os dos homens.
Diz-se que a distribuio possui pequena variabilidade (disperso) quanc:
o coeficiente der at 10%; mdia disperso quando estiver acima de 10% a::
20%; e grande disperso quando superar 20%. Alguns analistas considerarr

baixa disperso: CV ~ 15%


mdia disperso: 15% < CV < 30%
alta disperso: CV ~ 30%

5. 7 MEDIDAS DE ASSIMETRIA
Denomina-se assimetria o grau de afastamento de uma distribuio e:
unidade de simetria.
Em uma distribuio simtrica tem-se igualdade dos valores da md ~
mediana e moda. Eis um exemplo grfico de distribuio simtrica.

eixo de simetria

x = x = mo
Em uma distribuio assimtrica positiva, ou assimtrica direita, tem-s.=
Mo< x< x
148
Eis um exemplo grfico de distribuio assimtrica positiva:

mo xx

Em uma distribuio assimtrica negativa, ou assimtrica esquerda,


tem-se:
x< x< Mo

Eis um exemplo de distribuio assimtrica negativa:

x x mo

Existem vrias frmulas para o clculo do coeficiente de assimetria, dentre


elas so teis:

12 Coeficiente de Pearson

AS= x- Mo ou AS= x - Mo
(J s

149
2 2 Coeficiente de Pearson

Se: AS = O diz-se que a distribuio simtrica


AS > O diz-se que a distribuio assimtrica positiva ( direit
AS < O diz-se que a distribuio assimtrica negativa ( esquerel.

Pode-se utilizar qualquer uma das frmulas para identificar o grau c~


assimetria de uma distribuio.

Exemplo: Dada a distribuio amostral. Calcular os dois coeficientes de Pearscr

Salrios($ 1.000,00) 30 f- 50 50 f- 100 100 f- 150

Empregados 80 50 30

Para aplicar as frmulas necessrio calcular a mdia, moda, des


padro, 12 e 3 quartis e a mediana. Assim:

Classes F1 x, X; F; xlF; F1+ h

30 f- 50 80 40 3.200 128.000 80 + 20 = 4 80

50 f- 100 50 75 3.750 281.250 50 + 50 = 1 130

100 f- 150 30 125 3.750 468.750 30 + 50 = 0,6 160

l: 160 10.700 878.000

10700 = 66 875
- =
X 160 '
4
Mo = 30 + + 20 = 41 ,429
4 3

s2 159 .
1 7
= - 1- [ 878 000 - ( O.
160
oo)2 ] = 1021 '62
S=31 ,96

01 = 30 + (40 - 8~) . 20 = 40

150
03 = 50 + (120 - 80) . 50 = 90
50
x = 30 + (80 - 0) . 20 = 50
80
AS = x - Mo = 66,875 - 41 ,429 =O 796
s 31,96 '
01 + 03 - 2x- 40 + 90 - 2 . (50)
AS = 03 - 01 = 90 - 40 = 0,6

Como, nos dois casos, AS > O, diz-se que a distribuio assimtrica positiva.

5.8 MEDIDAS DE CURTOSE


Denomina-se curtose o grau de achatamento da distribuio.
Uma distribuio nem chata, nem delgada, chama-se mesocrtica. Eis um
exemplo grfico de distribuio mesocrtica.

X;

Uma distribuio delgada chama-se leptocrtica. Eis um exemplo grfico


de distribuio leptocrtica.

151
Uma d(stdbufo achatada denomfna-se pfatfcrtfca. Ets um exemplo gr:
fico de distribuio platicrtica.

Para medir o grau de curtose utiliza-se o coeficiente:

em que: 03 3 2 quartil
01 1 quartil
Pgo 902 percentil
P10 1O percentil

Se K = 0,263, diz-se que a curva correspondente distribuio de


qncia mesocrtica.
Se K > 0,263, diz-se que a curva correspondente distribuio de
qncia platicrtica.
Se K < 0,263, diz-se que a curva correspondente distribuio de
qncia leptocrtica.

Exemplo: Dizer que tipo de curva corresponde distribuio amostral.

Classes 3 f- 8 8 f- 13 13 f- 18 18 f- 23
Fi 5 15 20 10

Soluo:

Classes 3 f- 8 8 f- 13 13 f- 18 18 f- 23

Fi 5 15 20 10

Fac 5 20 40 50
i i i i
classe P10 classe 0 1 classe o3 classe P90

152
O1 = 8 + (12,5 - 5) . 5 = 1o 5
15 '

Q = 13 (37,5 - 20) . 5 = 17 38
3 + 20 '

P10 -- 3 + (5 - 50) . 5 -- 8

P. = 18 (45 - 40) . 5 = 20 5
90 + 10 '

K= 17,38-10 ,5 =
2(20,5 - 8) 027
' .

Portanto, K > 0,263, logo a curva correspondente suavemente platicrtica.

EXERCCIOS - SRIE V - CAPTULO 5


Respostas
Medidas de Disperso, Assimetria, Curtose.

1. Dada a amostra: 2, 3, 4, 5, 7, 1O, 12


a) qual a amplitude total?
b) determine o desvio mdio;
c) calcule a varincia.

Para a srie 5, 5, 5, 6, 6, 6, 6, 7, 7, 7, 7, 7, 7, 8, 8, 8, 9, 9.
a) construir a distribuio simples de freqncia;
b) calcular a amplitude;
c) determinar o desvio mdio;
d) calcular a varincia populacional;
e) determinar o desvio-padro populacional;
f) calcular o coeficiente de variao.

Calcular a varincia amostral:

Classes

Num teste aplicado a 20 alunos, obteve-se a seguinte distribuio de pontos:

Pontos
N 2 de alunos 3 8 3 3 2

153
Respostas
a) calcular o desvio mdio;
b) determinar a varincia populacional;
c) determinar o desvio-padro;
d) calcular o coeficiente de variao;
e) determinar o coeficiente de assimetria (1 2 coeficiente de Pearson);
f) calcular o coeficiente de curtose.

5. Abaixo temos a distribuio de freqncia dos pesos de uma amostra de


45 alunos:

Peso em k 40 f- 45 45 f- 50 50 f- 55 55 f- 60 1 60 f- 65 65 f- 70
Ng de alunos 4 10 15 8 1 5 3

a) determinar a mdia;
b) determinar a varincia;
c) qual o valor do coeficiente de variao?
d) a distribuio simtrica?
e) a distribuio mesocrtica?

6. Sendo:

Classes 30 f- 40 40 f- 50 50 f- 60 60 f- 70 1 70 f- 80
Fi 1O 20 35 25 / 1O

calcular x, S 2 , S, CV, AS e K.

7. A distribuio abaixo possui desvio-padro igual a 3,02. Determine o valor


do coeficiente de variabilidade.

Classes o f- 4 4 f- 8 8 f- 12
R Freqncia 2 3 2

8. Um fabricante de caixas de cartolina fabrica trs tipos de caixa. Testa-se


a resistncia de cada caixa, tomando-se uma amostra de 100 caixas e
determinando-se a presso necessria para romper cada caixa. So os
seguintes os resultados dos testes:

Tipos de caixas A B c
Presso mdia de ruptura (bria) 150 200 300
Desvio-padro das presses (bria) 40 50 60

154
Respostas
a) que tipo de caixa apresenta a menor variao absoluta na presso de
ruptura?
b) que tipo de caixa apresenta a maior variao relativa na presso
de ruptura?
9. Um pesquisador da rdio XY aborda 30 transeuntes ao acaso e pergun-
ta-lhes a idade. O resultado dado pela tabela:

35 26 39 25 39 22
42 40 39 22 21 40
16 32 39 21 28 39
18 37 23 14 27 44
30 32 21 15 26 43

a) resuma as informaes sob forma de uma distribuio de freqncia.


Dado log 30 = 1,48;
b) apresente os dados na forma de um histograma;
c) calcule a mdia e o desvio-padro amostral.

1o. dada a distribuio dos salrios semanais de 100 funcionrios:


Salrio por soo f- 1.000 1.000 f- 1.500 1.soo f- 2.000 2.000 f- 2.500 2.500 f- 3.ooo
semana($)
Nr; de
26 43 17 9 5
empregados

a) calcule a varincia populacional;


b) a distribuio assimtrica?
c) a distribuio leptocrtica?

EXERCCIOS - SRIE VI - CAPTULO 5 Respostas


Medidas de Posio, Disperso, Assimetria e Curtose

1. Dada a srie: 1,2; 1,4; 1,5; 1,8; 2 calcular a mdia e o desvio-padro


populacional.

2. Calcular:
a) mdia
b) mediana
c) moda

155
Respostas
d) desvio mdio
e) coeficiente de assimetria da seguinte distribuio:

Altura (cm) Freqncia

160 f- 164 5
164 f- 168 13
168 f- 172 22
172 f- 176 25
176 f- 180 10
180 f- 184 3

3. Num fim de semana, o supermercado X vendeu as seguintes quantidades o:


carne:

Tipo de Carne Preo ($ por kg) Quantidade (kg)


Boi 35 1.000
Porco 38 450
Galinha 39 600
Peru 45 350
Peixe 28 250

Qual foi o preo mdio por quilograma vendido?

4. Completar os dados que faltam para a seguinte distribuio:

xi

4 0,04
2 8
3 30 0,18
4 27 0,27
5 15 72
6 83
7 10 93 0,10
8

156
Respostas
5. Encontrar a freqncia correspondente terceira classe da distribuio a
seguir, sabendo-se que a mdia igual a 11 ,50.

x, 5
4
5 1 .13. . I '
3
1 25
1

6. Achar o 1 quartil, o 72 decil e o 732 percentil da distribuio:

Classes O 1- 1 1 1- 2 2 1- 3 3 1- 4 4 1- 5
10 12 12 10 6

7. Obter a moda e a varincia para a distribuio amostral:

Classes Ol-25 251- 50 501- 75 751- 100 100 1- 125


F; 20 140 180 40 10

8. Lanando um dado 50 vezes, obteve-se a seguinte distribuio:

6
2 11
3 6
4 7
5 9
6 11

calcular a varincia populacional e o desvio-padro.

9. Calcule a mdia e a varincia amostral:

X; 30.000 30.002 30.004 30.006 30.008 30.01 o


10 22 36 46 50 52

Estudar a distribuio abaixo, com respeito assimetria e curtose.


Classes 150 f- 200 200 f- 250 250 f- 300 300 f- 350 350 f- 400 400 f- 450 450 f- 500
F; 5 16 21 28 19 8 3

157
Respostas
11. Cronometrando o tempo para vrias provas de uma gincana automobi ls-
tica, encontramos:

Equipe 1: 40 provas
tempo mdio: 45 segundos
varincia: 400 segundos ao quadrado

Equipe 2: tempo: 20 40 50 80

n de provas: 10 15 30 5

a) qual o coeficiente de variao relativo equipe 1?


b) qual a mdia da equipe 2?
c) qual o desvio-padro relativo equipe 2?
d) qual a mdia aritmtica referente s duas equipes consideradas em conjunto-
e) qual a equipe que apresentou resultados mais homogneos? Justifique

12. Dada a amostra de 60 rendas (em milhares) de dada regio geogrfica

10 7 8 5 4 3 2 9 9 6
3 15 13 14 4 3 6 6 8
10 11 12 13 14 2 15 5 4 10
2 3 8 10 11 13 14 15 16
8 9 5 3 2 3 3 4 4 4
5 6 7 8 9 12 13 14 16

a) agrupar os elementos em classes. Sendo K =6 e h = 3;


R b) construir o histograma e o polgono de freqncia acumulada;
c) construir o grfico de freqncia acumulada;
d) calcular a mdia;
R e) calcular a mediana;
f) determinar o 3 quartil;
g) calcular o 4 decil;
h) calcular o 47 percentil;
i) determinar a medida que deixa 25% das rendas;
j) calcular o desvio mdio;
1) determinar a varincia ;
m) determinar o desvio-padro ;
n) qual o valor do coeficiente de variao?
o) a distribuio simtrica?

158
Respostas
p) a distribuio mesocrtica?
q) usando o grfico da freqncia acumulada, determine o 1 quartil, o
7 decil e o 80 percentil;
r) prepare um relatrio para a descrio das rendas dessas famlias.

EXERCCIOS - SRIE VII - CAPTULO 5

Para cada uma das questes abaixo,


assinale a alternativa correta.

1. A mdia aritmtica a razo entre:


a) ( ) o nmero de 11a\ores e o somatrio deles,
b) ( ) o somatrio dos valores e o nmero deles;
c) ( ) os valores extremos;
d) ( ) os dois valores centrais.

2. Na srie 60, 90, 80, 60, 50 a moda ser:


a) ) 50; b) ( ) 60;
c) ( ) 66; d) ( ) 90.

3. A medida que tem o mesmo nmero de valores abaixo e acima dela :


a) ) a moda; b) ( ) a mdia;
c) ( ) a mediana; d) ( ) o lugar mediano.

4. A soma dos desvios entre cada valor e a mdia :


a) ) positiva; b) ( ) negativa;
c) ( ) diferente de zero; d) ( ) zero.

5. Na srie 60, 50, 70, 80, 90 o valor 70 ser:


a) ) a mdia e a moda;
b) ) a mdia e a mediana;
c) ) a mediana e a moda;
d) ) a mdia, a mediana e a moda.

6. Quando queremos verificar a questo de uma prova que apresentou maior


nmero de erros, utilizamos:
a) ) moda; b) ) mdia;
c) ( ) mediana; d) ) qualquer das anteriores.

159
Respostas
7. Dado o histograma abaixo, no interior de cujos retngulos foram ano~a
as freqncias absolutas, ento a mediana :

30
25
20
10 15
1

2 4 6 8 10 12

a) ( ) 6,5; b) ( ) 8,0; c) ) 7,5; d) ) 7,0.

8. Na srie 15, 20, 30, 40, 50, h abaixo da mediana:


a) ) 3 valores; b) ) 2 valores;
c) ) 3,5 valores; d) ) 4 valores.

9. Dada a figura a seguir, podemos afirmar que:

a) ) a moda maior do que a mediana e menor do que a mdia;


b) ) a moda menor do que a mediana e maior do que a mdia;
c) ) a moda menor do que a mediana e esta maior do que a mdia
d) ) a mediana maior do que a mdia e menor do que a moda.

1O. O coeficiente de variao uma medida que expressa a razo entre:


a) ) desvio-padro e mdia;
b) ) mdia e desvio-padro;
c) ) amplitude semi-interquartlica e mediana;
d) ) desvio-padro e moda.

160
Respostas
11 . O clculo da varincia supe o conhecimento da:
a) ( ) mdia; b) ( ) mediana;
c) ( ) ponto mdio; d) ( ) moda.
12. Numa distribuio de valores iguais, o desvio-padro :
a) ( ) negativo; b) ( ) positivo;
c) ( ) a unidade; d) ( ) zero.
13. Na srie 1O, 20, 40, 50, 70, 80 , a mediana ser:
a) ( ) 30; b) ( ) 35;
c) ( ) 40; d) ( ) 45.
14. Examinando a figura a seguir podemos dizer:

a) ) o desvio-padro da distribuio A maior do que o da distribuio


B, e as mdias so iguais:
b) ) o desvio-padro de A menor do que o de B e as mdias so dife-
rentes;
c) ) o desvio-padro de A igual ao de B, independentemente do valor
da mdia;
d) ) as distribuies possuem o mesmo coeficiente de variao.

15. Realizou-se uma prova de matemtica para duas turmas. Os resultado


s
foram os seguintes:
Turma A: x= 5 e cr = 2,5
Turma B: x= 4 e cr = 2

Com esses resultados, podemos afirmar:


a) ( ) a turma B apresentou maior dispers o absoluta ;
b) ( ) a disperso relativa igual dispers o absoluta;

161
Respostas
c) ) tanto a disperso absoluta quanto a relativa so maiores para a
turma B;
d) ) a disperso absoluta de A maior do que a de B, mas em termos
relativos as duas turmas no diferem quanto ao grau de disperso
das notas.

16. O desvio-padro de um conjunto de dados 9. A varincia ser:


a) ) 3; b) ( ) 18;
c) ( ) 36; d) ( ) 81.

17. 50% dos dados da distribuio situam-se:


a) ) abaixo da mdia; b) ( ) acima da mediana;
c) ( ) abaixo da moda; d) ( ) acima da mdia.

18. Dada a figura a seguir (polgono de freqncia) , o primeiro quartil e:


distribuio ser:
a) ) 5,0; b) ) 5,5;
c) ( ) 4,8; d) ) 3,0.

7 ------- ------------
6
5
4 ------------- -----~----
' ' '
3 : : :
' ' '
2 ----- -~-----L-----~----~-----
: 1 : 1 :

'
:' '
2 4 6 8 10 12 Classes

19. Os coeficientes de variao dos resultados abaixo so:


Estatstica: x= 80; S = 16
Histria: x = 20; S =5
a) ) 16% e 40% b) ) 20% e 25%;
c) ) 50% e 40%; d) ) 80% e 40%.

20. Mdia, mediana e moda so medidas de:


a) ) disperso; b) ( ) posio;
c) ( ) assimetria; d) ( ) curtose.

162
Respostas
21. Uma empresa possui dois serventes recebendo salrios de $ 2.500,00
cada um, quatro escriturrios recebendo $ 6.000,00 cada um, um chefe
de escritrio com salrio de$ 10.000,00 e trs tcnicos recebendo$ 22.000,00
cada um. A mdia destes salrios :
a) ) $ 1.050,00 b) ) $ 5.050,00;
e) ( ) $ 26.250,00 d) ( ) n.r.a.

22. O valor dominante de uma distribuio de freqncia chama-se:


a) ) mediana; b) ( ) mdia;
c) ( ) moda; d) (
) 1 quartil.

23. Na distribuio abaixo:

Classes Freqncia
30 f- 40 10
40 f- 50 20
50 f- 60 35
60 f- 70 25
70 f- 80 10

A moda :
a) ) 50,6; b) ) 55;
e) ( ) 50; d) ) 56.

24. Para a distribuio:

Classes 150 f- 200 200 f- 250 250 f- 300 300 f- 350 350 f- 400 400 f- 450 450 f- 500
F; 5 16 21 28 19 8 3

A mdia ser:
a) ) 350; b) ) 313;
e) ( ) 324,76; d) ) 323,80.

25. O valor da medida que deixa 45% dos elementos da distribuio:

Renda 10 f- 20 20 f- 30 30 f- 40 40 f- 50 50 f- 60 60 f- 70 70 f- 80 80 f- 90 90 f- 100

N 9 de
famlias 50 100 150 250 150 100 80 70 50

163
Respostas

:
a) ) 45; b) ) 50;
c) ) 46; d) ) 63.
26. O 5 decil da distribuio:

Classe s 2 f- 4 4 f- 6 6 f- 8 8 f- 10 10 f- 12
F; 5 7 10 3 5

:
a) ) 7,20; b) ) 5,50;
c) ) 6,60; d) ) 7,20.
27. A mdia da distribuio:

Classe s o f- 6 6 f- 12 12 f- 18
Fac 2 5
:
a) ) 12,0; b) ) 8,5;
c) ) 10,83 d) ) 11,4.
28. O desvio mdio da distrib uio :

Classe s 90 f- 110 110 f- 130 130 f- 150


FI 2 2

:
a) ) 12; b) ) 14;
c) ) 16; d) ) 18.
29. A varin cia da distribu io:

Classe s 1 f- 3 31- 5 5 1- 7
2 2
ji
5 5 5
:
a) ) 2,24; b) ) 2,8;
e) ) 2,5; d) ) 4.
30. A mdia de uma srie de valores iguais a uma constante :
a) ) zero;
b) ) o valor da constante;
c) ) a unidade; Respostas
d) ) no possvel calcular o desvio-padro.

EXERCCIOS - SRIE VIII - CAPTULO 5


1. Explique qual a utilidade das medidas de posio. D 3 exemplos.

2. O que so medidas de disperso?

3. Fale sobre as medidas de curtose .

4. Se multiplicarmos todos os elementos de uma srie por uma constante,


que acontecer com a mdia? E com a varincia da srie?

5. Quanto vale 1: (xi - x)?

6. Se somarmos a todos os elementos de uma sene um nmero, o que


acontecer com a mdia e a varincia da srie?

7. O 1 decil igual ao dcimo percentil? Explique.

8. Para analisar os dados de uma folha de pagamentos, quais medidas voc


utilizaria para:
a) descobrir o salrio mais freqente;
b) descobrir o salrio que divide os pagamentos em partes iguais;
c) descobrir a disperso absoluta em torno da mdia;
d) descobrir o grau de disperso relativo.

9. Numa distribuio, teremos sempre a mediana e a mdia entre o 1 e 32


quartis. Discuta.

165
6
DISTRIBUIES AMOSTRAIS

6.1 INTRODUO
No Captulo 4 foram apresentados os principais modelos de distribui:
de probabilidade, enquanto no Captulo 5 foram destacadas as medidas qu:
caracterizam uma amostra.
Neste captulo juntam-se os modelos e as medidas obtendo-se as distr--
buies amostrais dos principais estimadores.
O conhecimento dessas distribuies a base para aplicar as tcnica:
de inferncias estatsticas apresentadas nos captulos seguintes.

6.2 PRINCIPAIS CONCEITOS

6.2.1 Inferncia ou Induo Estatstica


Trata-se do processo de obter informaes sobre uma populao a par
de resultados observados na amostra.
De modo geral tem-se uma populao com grande nmero de elemente::
e deseja-se, a partir de uma amostra dessa populao, conhecer "o mais pr:
ximo possvel" algumas caractersticas da populao.
Seja X" uma das variveis da populao que se deseja estudar. Seja
uma caracterstica (medida) de X que se quer conhecer. Esse "conheciment:
de e se d pela construo de um estimador que revelar o valor ma_
aproximado de e a partir dos elementos amostrais. Assim:

166
Populao (N) Amostra (n)

j
Inferncia ou
induo estatstica

Para efeitos do desenvolvimento dos demais conceitos sero conside-


radas populaes infinitas. Ou seja, amostragens de populaes muito grandes
podem ser consideradas como amostragens de populaes infinitas. Portanto,
os parmetros populacionais e so desconhecidos.

6.2.2 Amostra Aleatria


Seja X uma varivel populacional que se deseja estudar. Uma amostra
aleatria de X o conjunto de n variveis aleatrias independentes (X1 , X2 , ... Xn)
tal que cada Xi (i = 1, 2, ... , n) tem a mesma caracterstica, ou distribuio, da
varivel X.

Assim, se X g N (; cr2 ), cada Xi ter distribuio N (; cr2) .

6.2.3 Estimador ou Estatstica


Dada uma amostra aleatria, estimador ou estatstica qualquer varivel
aleatria funo dos elementos amostrais. Ou seja:

~ = f(x1 , x2 , ... , xn) um estimador de e


Observe que a definio extremamente elstica, permitindo que
"qualquer" combinao das variveis amostrais (X1 , X2 , ... , Xn) seja um estima-
dor ou estatstica.
As medidas de posio, disperso, assimetria e curtose vistas no Captulo
5 so exemplos de estimadores. Assim:

167
a) Estimadores para a mdia populacional: .
Mdia aritmtica ou amostral
X1' X2 + ... + Xn r, xi
X= - -----
n n

Mdia geomtrica

e outras mdias.

b) Estimador para a varincia populacional: cr2


Varincia amostral
L (X - X)2 F.
$2 = I I
n - 1

c) Estimador para a proporo ou probabilidade de um eve-


populacional P.
Freqncia relativa

f = " = !!_ = nmero de casos favorveis ao evento


p n nmero total de casos

d) Estimador para o desvio-padro populacional cr.


Desvio-padro amostral

s = -JS2
e) Estimador para a soma, ou diferena, de duas mdias pc:
!acionais (1 ~) .

Estimadores: a) (x1 + x2 )
b) Mg1 Mg2
e outras mdias.

Pelo que foi apresentado deve-se ter um critrio para escolher o "me-:
estimador de um parmetro populacional. Numa das prximas sees di:~
cap tulo voc conhecer alguns critrios para se "eleger" um bom estima~

168
6.2.4 Estimativa

O valor numrico de um estimador conhecido como uma estimativa.


Assim, x = 17,8 uma estimativa da mdia populacional .

6.2.5 Distribuio Amostral

Considere todas as possveis amostras de tamanho n que podem ser


extradas de determinada populao. Se para cada uma delas se calcu lar
um valor do estimador, tem-se uma distribuio amostral desse estimador.
Ora, como o estimador uma varivel aleatria, pode-se determinar suas
caractersticas, isto , encontrar sua mdia, varincia, desvio-padro ...

As distribuies amostrais so fundamentais para o processo de infern-


cia estatstica, como poder ser constatado nos captulos posteriores.

6.3 DISTRIBUIO AMOSTRAL DAS MDIAS


Lembrando o conceito de distribuio amostral, visto anteriormente, bus-
ca-se descobrir qual a distribuio da mdia aritmtica x ?
L, X
Sabe-se que x= -
n
1
(mdia aritmtica) um estimador da mdia
populacional . O estimador x uma varivel aleatria, portanto, busca-se
conhecer sua distribuio de probabilidade.

6.3.1 Teorema 1

A mdia da distribuio amostral das mdias, denotada por (x) igual


mdia populacional . Isto :

1 E[x] = (x) = 1

Assim, provado que a mdia das mdias amostrais igual media


populacional.

169
6.3.2 Teorema 2
Se a populao infinita, ou se a amostragem com reposio, ento ~
varincia da distribuio amostral das mdias, denotada por cr2 (:X) dada pc

1 E[( X - ) 2 ) = a2 ( X) = ~ 1

onde cr2 a varincia da populao. Isto , pode-se afirmar que, para pop.
laes infinitas, ou amostragens com reposio, a varincia da distribuio o::.
mdias igual varincia da populao dividida pelo tamanho da amostra

6.3.3 Teorema 3
Se a populao finita, ou se a amostragem sem reposio , entc
varincia da distribuio amostral das mdias dada por:

sendo que: (x ) =

6.3.4 Teorema 4
Se a populao tem ou no distribuio normal com mdia e varir:
cr2 , ento a distribuio das mdias amostrais ser normalmente distrib1.. :.
2
com mdia e varincia .Q_ .
n
Esses quatro teoremas provam que a mdia amostral (:X) tem distribu :
normal com mdia igual mdia da populao () e varincia dada por _

(~ =~ ) para populaes finitas.


2
para populaes infinitas, e :

170
Graficamente:

-
-
Ou ainda:

-X =
d N( ncr2 J
; ou - = N(; ncr2 (N
X d N -
- n
1 ))

Com distribuies padronizadas dadas por:

X; -
xi -
Z=
I
- -
(J
ou Z; =
.../n

6.4 DISTRIBUIO AMOSTRAL


DAS FREQNC IAS RELATIVAS
Seja X uma populao infinita, e p a probabilidade (ou proporo) e certo
evento de X. Logo 1 - p = q ser a probabilidade de o evento no ocorrer.
Seja (x1, x2 , . . . xn ) uma amostra aleatria de n elementos dessa popula-
o e x o nmero de sucessos na amostra. fcil identificar como uma varivel
aleatria com distribuio Binomial (nmero de sucessos na amostra), de m-
dia np e varincia npq.

Ento, a distribuio amostral da freqncia relativa p = f = !..n ser dada


por:

171
Var [ f] = Var [ !_ ] = !!E9. = PS1
n rf n

Para n ;;;:.: 30 a distribuio amostral de f ser normal:

Assim, a sua distribuio padronizada ser:

Ou, graficamente:

-- - p f

6.5 DISTRIBUIO AMOSTRAL DE VARINCIAS

Sabe-se que a varincia da populao designada por cr2 .


Seja 5 2 (varincia amostral} o estimador de cr2 .

Se se desejar saber qual a distribuio de 5 2 ? Pode-se demonstrar O--

2 cr 4
E[52 ] = cr2 e Var[52 ] =- -
n - 1

e que 5 2 tem distribuio qui-quadrado com (n - 1) graus de liberdade. :::


seja:

(n-1)52 .Q 2
- Xn-1
cr2
Lembre-se que (n - 1) e cr2 so constantes. Graficamente, a relao
entre S 2 e cr2 dada por uma distribuio qui-quadrado.

<p=n-1

o (n-1) S
cr2

6.6 DISTRIBUIO AMOSTRAL DA SOMA,


OU DIFERENA DE DUAS MDIAS
Deseja-se encontrar a distribuio amostral do estimador ( :X1 :X2 ).
Sabe-se, conforme o item 6.4, que:

Considerando-se amostras independentes de duas populaes tem-se:

Ou seja ( :X1 :X2 ) tem distribuio normal de mdia igual soma ou


diferena das mdias populacionais, e varincia igual soma das varincias.

6.7 DISTRIBUIO AMOSTRAL DA SOMA, OU


DIFERENA DE DUAS FREQNCIAS RELATIVAS
Deseja-se saber qual a distribuio amostral de (f1 t2) .

173
Sabe-se, conforme o item 6.5, que:

Com n1 ;;;.; 30 e n2 ;;;.; 30 .


Considerando-se amostras independentes de duas populaes tem-se

Cf1 f2) =d N ( P1 P2 ; P1 q1 + P2 q2
~------------n_1__ - n2
l' 1

Ou seja (f1 f2 ) tem distribuio normal de mdia igual soma ou d";.


rena das propores populacionais e varincia igual soma de suas varincia::

6.8 DISTRIBUIO AMOSTRAL DAS MDIAS QUANDO A


VARINCIA DA POPULAO DESCONHECIDA

Como foi visto , :X g ( ; 0


: J. Ou seja, sua distribuio normal, padro"
zada dada por:

Z= - -
xi -
' cr
-fii

Como no se conhece o valor de cr2 , portanto de cr, uma possibilidade =


substituir o cr pela varivel aleatria S (desvio-padro amostral) e procurar ::
distribuio da estatstica T.

T=
x-
:.:___e:
11

s
-fii

Pode-se demonstrar que T tem distribuio d.e Student com n - 1 gra-. ~


de liberdade. Assim:

174
Para o caso da soma ou diferena entre duas mdias, admitindo-se va-
rincias desconhecidas e iguais tem-se:

onde Se o desvio-padro comum dado por:

6.9 DISTRIBUIO AMOSTRAL DE RAZES DE VARINCIAS


s2
Deseja-se conhecer a distribuio amostral da razo: ~
S2
Dadas duas amostras aleatrias independentes: n1 e n2 , ento a estatstica:

n1 (n1 - 1) ~
cr2
F= 1
n2 (n2 - 1) ~

tem distribuio F com (n1 - 1) e (n2



- 1) graus de liberdade. Ou seja,
exceo das constantes, S.fIS~ tem distribuio F.

EXERCCIOS - SRIE 1 - CAPTULO 6 Respostas


1. Uma populao se constitui dos nmeros 2, 3, 4, 5. Considere todas as
amostras possveis, de tamanho 2, que podem ser extradas dessa popula-
o com reposio. Determine: a) a mdia da populao, b) o desvio-padro
da populao, c) a mdia da distribuio amostral das mdias amostrais, d)
o desvio-padro da distribuio amostral das mdias. Constate que:

(x) = e cr (x) = .rn


175
Respostas
2. Considere os dados da populao do exerc1c10 anterior e amostras ,... -
tamanho 2 sem reposio. Constate que:

(x ) = e a (x ) = w --V(~)
_Q_
N- 1

3. Diz-se que um estimador ~ justo, ou no tendencioso se E[~] = e . o;


trs exemplos de estimadores justos.

4. Uma caixa contm trs peas boas e uma defeituosa. Considere amostra~
de tamanho 2, e sucesso extrao de uma pea boa.
a) Supondo o processo com reposio, comprove os resultados:

(f) = P e

b) Supondo o processo sem reposio, comprove os resultados:

(f) = p e a (f) = n . n
.r:___:::i
n
(N - n)
- -
N - 1

5. Uma amostra simples ao acaso de 30 domiclios foi selecionada de um.


zona urbana que contm 15.000 domiclios. O nmero de pessoas d:
cada um dos domiclios que integram a amostra o seguinte:

5 6 3 3 2 3 3 3 4 4 3 2 7 4 3
5 4 4 3 3 4 3 3 2 4 3 4 2 4
Estimar o nmero total de pessoas que vivem nesta rea. Use o estimado
x* = Nx.

6. As assinaturas de um requerimento foram colhidas em 676 folhas. Cad<:.


folha comporta 42 assinaturas, mas em muitas folhas foi registrado nmerc
menor de assinaturas. Retirou-se uma amostra de 50 folhas, obtendo-se

NQ de 42 41 36 32 29 27 23 19 16 15 14 11 10 9 7 6 5 4 3
assinaturas

NQ de 23 4 1 1 1 2 1 1 2 2 1 1 1 1 1 3 2 1 1
folhas

Estimar o nmero total de assinaturas.

7. Observe um jornal e d trs exemplos de estimativas.

176
7
AMOSTRAGEM

7.1 INTRODUO
Geralmente, as pesquisas so realizadas atravs de estudo dos elemen-
tos que compem uma amostra extrada da populao que se pretende anali-
sar. O conceito de populao intuitivo; trata-se do conjunto de indivduos ou
objetos que apresentam em comum determinadas caractersticas definidas
para o estudo. Amostra um subconjunto da populao.
compreensvel que o estudo de todos os elementos da populao
possibilita preciso conhecimento das variveis que esto sendo pesquisadas;
todavia, nem sempre possvel obter as informaes de todos os elementos
da populao. Limitaes de tempo, custo e as vantagens do uso das tcnicas
estatsticas de inferncias justificam o uso de planos amostrais. Torna-se claro
que a representatividade da amostra depender do seu tamanho (quanto
maior, melhor) e de outras consideraes de ordem metodolgica. Isto , o
investigador procurar acercar-se de cuidados, visando obteno de uma
amostra significativa, ou seja, que de fato represente "o melhor possvel" toda
a populao.
Na teoria da amostragem, so consideradas duas dimenses:

a) Dimensionamento da amostra.
b) Composio da amostra.

177
7.2 DIMENSIONAMENTO DA AMOSTRA
Procedimento:
1) Analise o questionrio, ou roteiro da entrevista e escolha u,....
varivel que julgue mais importante para o estudo. Se poss1 :-
escolha mais do que uma.
2) Verifique o nvel de mensurao da varivel: se nominal, or::
nal ou intervalar.
32 ) Considere o tamanho da populao: infinita ou finita.
4) Se a varivel escolhida for intervalar e a populao cons e:-
rada infinita, voc poder determinar o tamanho da amos
pela frmula:

onde: Z = abscissa da curva normal padro, fixado um ,. -


de confiana.
Se o nvel for 95,5%, Z = 2
Se o nvel for 95%, Z = 1,96
Se o nvel for 99%, Z = 2,57
Geralmente, utiliza-se Z = 2.
a = desvio-padro da populao, expresso na unic:::
varivel. Voc poder determin-lo de pelo m&~
trs maneiras:
- Especificaes tcnicas
- Resgatar o valor de estudos semelhantes
- Fazer conjeturas sobre possveis valores.
d = erro amostral, expresso na unidade da varive
erro amostral a mxima diferena que o inves ~
dor admite suportar entre e x, istc
J - x 1 < d , onde a verdadeira mdia p:::::
!acional, que ele no conhece , e x ser a r:--
amostral a ser calculada a partir da amostra.
52 ) Se a varivel escolhida for intervalar e a populao finita, te ....~

z2-a2 -N
n=------~
d 2 (N-1 )+ z2a2

178
onde: Z = abscissa da normal padro (veja comentrio ante-
rior)
cr = desvio-padro da populao (veja comentrio
anterior)
N = tamanho da populao
d = erro amostral (veja comentrio anterior)
6) Se a varivel escolhida for nominal ou ordinal, e a populao
considerada infinita, voc poder determinar o tamanho da
amostra pela frmula:

2 A A
n = _
Z_---'-
P~ _,_
q
d2

onde: Z = abscissa da normal padro (veja comentrio do item


4)
A
p = estimativa da verdadeira proporo de um dos n-
veis da varivel escolhida. Por exemplo, se a va-
rivel escolhida for porte da empresa, p
poder
ser a estimativa da verdadeira proporo de
grandes empresas do setor que est sendo estu-
dado.
A
Ser expressoA
em decimais. Assim, se
p = 30%, teremos: p = 0,30.
A A
q = 1 - p
d = erro amostral, expresso em decimais. O erro
amostral neste caso ser a mxima diferena que
o investigador admite suportar entre p e p,
isto :
p
IP - 1 < d, em que p a verdadeira proporo,
que ele no conhece, e p
ser a proporo (fre-
qncia relativa) do evento a ser calculado a partir
da amostra.
7) Se a varivel escolhida for nominal ou ordinal e a populao
finita, tem-se:

n = z2. p. q. N
d 2 (N - 1) + Z2 p. q

onde: N = tamanho da populao


Z = abscissa da normal padro (veja item 4)

179
/\
p = estimativa da proporo (veja item 6)
/\
q = 1 - p (veja item 62 )
d = erro amostral (veja item 62 )

Estas frmulas so bsicas para qualquer tipo de composio da amost::.


todavia, existem frmulas especficas segundo o critrio de composio ::...
amostra.
Se o investigador escolhe mais de uma varivel, deve optar pelo ma :-
"n" obtido.

Eis alguns exemplos:

1- Suponha que a varivel escolhida num estudo seja o peso de ce-


pea e que a populao infinita. Pelas especificaes do prodL-:
o desvio-padro (disperso em torno da mdia) de 1O kg. Log:
admitindo-se um nvel de confiana de 95,5% e um erro amostrai J-
1,5 kg, tem-se:

2
= ( 2x10 J 177,77 = 178
n 1,5

li - Admita os mesmos dados do exemplo anterior e que a popul a.7.


seja finita de 600 peas. Logo:

2 2 . 102 . 600
n = 1,52(600 - 1) + 22. 102 = 137,31=138

Ili - Suponha que a varivel escolhida num estudo seja a proporo ~


eleitores favorveis ao candidato X e que o investigador tenha e =
mentes para suspeitar que essa percentagem seja de 30%. Adf"'"
a populao infinita e que se deseja um nvel de confiana de 9f
e um erro amostral de 2% (ou seja: que a diferena entre a verc:
deira proporo de eleitores do candidato X e a estimativa a s.::
calculada na amostra seja no mximo de 2%). Assim:

z= 2,57
/\
p = 30% = 0,30
/\
q = 1 - 0,30 = 0,70

(2,57)2 (0,30) (O, 70)


d = 2% = 0,02 n = = 3.467,57 = 3468
(0,02) 2

180
IV - Admita os mesmos dados do exemplo anterior, e que a populao
de eleitores seja finita de 20.000 eleitores. Logo:

n= (2,57) 2 . (0,30) (0,70) (20.000) = 2955 ,33 =2956


(0,02) 2 (20.000 - 1) + (2,57)2 (0,30) (0,70)

Observao: Quando voc no tiver condies de prever o valor de "p" ,


p
admita = 0,50 , pois, dessa forma, voc ter o maior tamanho
da amostra, admitindo-se constantes os demais elementos.

7.3 COMPOSIO DA AMOSTRA


Basicamente, existem dois mtodos para composio da amostra: proba-
bilstico e no probabilstico ou intencional.

a) Mtodos Probabilsticos
O mtodo de amostragem probabilstica exige que cada elemento da po-
pulao possua determinada probabilidade de ser selecionado. Normalmente
possuem a mesma probabilidade. Assim, se N for o tamanho da populao, a
probabilidade de cada elemento ser 1!N. Trata-se do mtodo que garante
cientificamente a aplicao das tcnicas estatsticas de inferncias. Somente
com base em amostragens probabilsticas que se podem realizar inferncias
ou indues sobre a populao a partir do conhecimento da amostra.

7.3.1 Amostragem Aleatria Simples


o processo mais elementar e freqentemente utilizado. Atribui-se a cada
elemento da populao um nmero distinto. Se a populao for numerada
utilizam-se esses "rtulos". Efetuam-se sucessivos sorteios at completar-se o
tamanho da amostra: n. Para realizar os sorteios, utilizam-se "tbuas de n-
meros aleatrios" que consistem em tabelas que apresentam seqncias dos
dgitos de O a 9 distribudos aleatoriamente.
Se, por exemplo, a populao tem 1.000 elementos (N = 1.000), pode-se
numer-los de 000 a 999. Escolhendo uma posio de qualquer linha da tabela
de nmeros aleatrios, faz-se o sorteio, ou seja, retiram-se conjuntos de trs
algarismos para se escolherem os elementos que iro compor a amostra.
Assim, imagine-se que a seqncia de dgitos aleatrios seja: 385 559 555 432
886 ... logo, os elementos de nmeros 385 - 559 - 555 - 432 ... sero os
componentes da amostra.

181
Se o nmero sorteado superar o maior nmero dos elementos rotu lao:
abandona-se o nmero sorteado, prosseguindo-se o processo. Se o nme
sorteado for repetido, convm abandon-lo.
No final do livro, voc encontrar uma tabela de dgitos aleatrios.

7.3.2 Amostragem Sistemtica


Trata-se de uma variao da amostragem aleatria simples, convenie-.
quando a populao est ordenada segundo algum critrio, como fichas :-
um fichrio, listas telefnicas ...
Calcula-se o intervalo de amostragem N!n aproximando-o para o inte -
rnais prximo: a. Utilizando-se a tbua dos nmeros aleatrios, sorteia-se _-
nmero x entre 1 e a, formando-se a amostra dos elementos corresponden~=
aos nmeros x; x + a; x + 2a; ...
Por exemplo, seja N = 1.000, n = 200. Logo:

Imagine que trs seja o nmero sorteado entre 1 e 5. Portanto, os e=--


mentos da populao numerados por 3, 8, 13, ... , 998 iro compor a amostr..

7 .3.3 Amostragem Estratificada


No caso de populao heterognea em que se podem distinguir subpc
pulaes mais ou menos homogneas, denominadas estratos, possvel u-
lizar o processo de amostragem estratificada.
Aps a determinao dos estratos, seleciona-se uma amostra aleatria e=
cada subpopulao (estrato).
Se as diversas subamostras tiverem tamanhos proporcionais aos respe:-
tivos nmeros de elementos dos estratos, e guardarem proporcionalidade co-
respeito variabilidade de cada estrato, obtm-se uma estratificao tima.
As variveis de estratificao mais comuns so: classe social, idade, sex:
profisso ... ou qualquer outro atributo que revele os estratos dentro da popula:

7.3.4 Amostragem por Conglomerados (ou Agrupamentos


Algumas populaes no permitem, ou tornam extremamente difcil qt.:
se identifiquem seus elementos. No obstante isso, pode ser relativamente f::

182
identificar alguns subgrupos da populao. Em tais casos, uma amostra alea-
tria simples desses subgrupos (conglomerados) pode ser colhida, e uma con-
tagem completa deve ser feita para o conglomerado sorteado. Agregados
~icos so quarteires, famlias, organizaes, agncias, edifcios etc.

Assim, por exemplo, num levantamento da populao de uma cidade,


podemos dispor do mapa indicando cada quarteiro e no dispor de uma rela-
o atualizada dos seus moradores. Pode-se, ento, colher uma amostra dos
quarteires e fazer a contagem completa de todos os que residem naqueles
quarteires sorteados.

b) Mtodos No Probabilsticos
So amostragens em que h uma escolha deliberada dos elementos da
amostra. No possvel generalizar os resultados das pesquisas para a popu-
lao, pois as amostras no-probabilsticas no garantem a representatividade
da populao.

7.3.5 Amostragem Acidental


Trata-se de uma amostra formada por aqueles elementos que vo apare-
cendo, que so possveis de se obter at completar o nmero de elementos
da amostra. Geralmente utilizada em pesquisas de opinio, em que os entre-
vistados so acidentalmente escolhidos.

7.3.6 Amostragem Intencional


De acordo com determinado critrio, escolhido intencionalmente um
grupo de elementos que iro compor a amostra. O investigador se dirige in-
tencionalmente a grupos de elementos dos quais deseja saber a opinio. Por
exemplo, numa pesquisa sobre preferncia por determinado cosmtico, o
pesquisador se dirige a um grande sal~o de beleza e entrevista as pessoas
que ali se encontram.

7.3. 7 Amostragem por Quotas


Um dos mtodos de amostragem mais comumente usados em levanta-
mentos de mercado e em prvias eleitorais o mtodo de amostragem por
quotas. Ele abrange trs fases:
1) classificao da populao em termos de propriedades que se
sabe, ou presume, serem relevantes para a caracterstica a
ser estudada;

183
2) determinao da proporo da populao para cada cara::-
rstica, com base na constituio conhecida, presumida ou =-
timada, da populao ; e
3) fixao de quotas para cada observador ou entrevistadc
quem tocar a responsabilidade de selecionar interlocutc
ou entrevistados, de modo que a amostra total observada _
entrevistada contenha a proporo de cada classe tal cc-
determinada em (2).

Exemplificando: Admite-se que se deseja pesquisar o "trabalho das -


lheres". Provavelmente se ter interesse em considerar: a diviso cidade/ca-
po, a habitao, o nmero de filhos, a idade dos filhos, a renda mdia
faixas etrias ...
A primeira tarefa descobrir as propores (percentagens) dessas car:.
tersticas na populao. Imagine-se que haja 47% de homens e 53% de -
lheres na populao. Logo, uma amostra de 50 pessoas dever ter 23 hon-:-
e 27 mulheres. Ento o pesquisador receher 11ma "quota" para entrevista _
mulheres. A considerao de vrias categorias exigir uma composio ar-_
trai que atenda ao n determinado e s propores populacionais estipulac:.

EXERCCIOS - SRIE 1
Respostas
1. Dada a seguinte populao (rendas em $ 1000)
29 6 34 12 15 31 34 20 8 30
8 15 24 22 35 31 25 26 20 10
30 4 16 21 14 21 16 18 20 12
31 20 12 18 12 25 26 13 10 5
13 19 30 17 25 29 25 28 32 15
10 21 18 7 16 14 11 22 21 36
32 17 15 13 8 12 23 25 13 21
5 12 32 21 10 30 30 10 14 17
34 22 30 48 19 12 8 7 15 20
26 25 22 30 33 14 17 13 10 9
a) calcule o tamanho da amostra para se estimar a mdia, ser:.
d = $ 2000, a=$ 7000 e 1 - a= 95,5%;
b) retire uma amostra aleatria simples considerando o tam ar
amostral obtido em a);
c) agrupe os elementos da amostra em classes;
d) calcule sua mdia;
e) calcule o desvio-padro amostral;
184 f) calcule a mdia da populao e verifique se l- xj :S d.
Escolha uma pgina qualquer da lista telefnica e retire uma amostra
sistemtica de cinqenta nomes.

Calcule o tamanho da amostra de seus colegas desta faculdade, para


estimar a proporo dos usurios de culos.

Sendo fJ = q= 0,5, populao infinita, d = 0,05 e 1 - a = 95,5%, determine


o tamanho amostral.

Sendo p q
= = 0,5, populao de 200.000, d = 0,05 e 1 - a = 95,5%,
determine o tamanho amostral. Compare com o resultado obtido no Exer-
ccio 4.

Determine o tamanho amostral para se estimar o salrio mdio dos traba-


lhadores do municpio em que voc mora.

Respostas

185
8
INTERVALO DE CONFIANA

8.1 INTRODUO
Trata-se de uma tcnica para se fazer inferncia estatstica. Ou seja
partir de um intervalo de confiana, construdo com os elementos amostra_
pode-se inferir sobre um parmetro populacional.
A construo de intervalos de confiana fundamenta-se nas distribuit-
amostrais vistas no Captulo 6. Sua "lgica" a seguinte:
Seja e um parmetro populacional.
Seja um estimador de e.
Conhecida a distribuio de probabilidade de , possvel construir _-
intervalo:

que contm 0, e se exigir que a probabilidade do intervalo seja de (1 - a


nvel de confiana.
Geralmente (1 - a) 100 = 90%; 95%; 99% ...
Esta tcnica diferencia-se da estimao "por ponto", onde se calcula _
nico valor (estimativa) para o parmetro populacional. No caso do inter\:.
de confiana busca-se um "segmento", ou intervalo 1 ; 2 que contm o pa~....
metro desconhecido.
Por exemplo, retira-se uma amostra de 500 brasileiros e calcula-se _
mdia de suas alturas encontrando-se 1,66 m. Logo, uma estimao pon:_..
da verdadeira altura mdia () dada por x = 1,66 m. J atravs do inter.:.
de confiana poder-se-ia encontrar um intervalo, por exemplo [1,58; 1,68] -=
em 95% das vezes, incluiria (a verdadeira altura mdia dos brasileiros).

186
Os clculos das medidas de posio e disperso vistos no Captulo 5
constituem exemplos de estimaes pontuais.
Neste captulo sero apresentadas as estimativas por intervalos.

8.2 INTERVALO DE CONFIANA


PARA A MDIA POPULACIONAL ()
QUANDO A VARINCIA (cr2 ) CONHECIDA
Como se sabe, o estimador de x. Tambm conhecida a distribuio
de probabilidade de X:

x gN ( ; : ) para as populaes infinitas.

d N ( ;
-X = ncr2 ( NN -- n))
1 para as popu 1aoes
- f.lll'tas.

Assim, para o caso de populaes infinitas, a varivel padronizada de x


ser:

Fixando-se um nvel de confiana: 1 - ex. tem-se:

' a
Ha 2
'

o zg,_
2

Ou seja: P (- z% .; ; z .; ; z% ) = 1 - a

187
Substituindo-se o valor de Z,

-a

Resolvendo-se as duas inequaes para, tem-se o intervalo de conr::-


a para a mdia populacional () quando a varincia (cr2 ) conhecida:

Como poder ser verificado, a aplicao da frmula extremame-


simples. Fixa-se o valor de 1 - a, ou (1 - a) 100 = %, observa-se na tac:
da distribuio normal padro o valor das abscissas que deixam %em ca:.
uma das caudas. Com os valores de x (mdia amostral), cr = desvio-padrc -
populao, que neste caso conhecido, e n (tamanho da amostra), constr --
o intervalo.

Exemplo: A durao da vida de uma pea de equipamento tal que cr =


horas. Foram amostradas 100 dessas peas obtendo-se a me-::
de 500 horas. Deseja-se construir um intervalo de confiana p=. _
a verdadeira durao mdia da pea com um nvel de 95%.

Soluo: Do problema se tem:


cr = 5; n = 100 x = 500 (1 - a) 100 = 95%
O grfico da distribuio normal padro ser:

2,5% 95% 2,5%

-1 ,96 o 1,96 z

Lembre-se que para descobrir a abscissa 1,96, entrou-se na tabela cc-


0,475 = 47,5%, j que a tabela de faixa central.

188
Substituindo-se os dados na frmula:

5
p ( 500 - 1,96. --J100 ,;;;; ,;;;; 500 + 1,96. --J1~0 ) = 95%

Efetuando-se os clculos:

p (499,02 ,;;;; ,;;;; 500,98) = 95%

que o intervalo solicitado.


A interpretao desse resultado dada por:
O intervalo [499,02; 500,98] contm a durao mdia da pea com 95%
de confiana.
Isto significa que se forem construdos intervalos dessa mesma maneira,
para um grande nmero de amostras, em 95% dos casos tais intervalos inclui-
riam.
Para o caso de populaes finitas usa-se a seguinte frmula:

8.3 INTERVALO DE CONFIANA PARA A MDIA()


QUANDO A VARINCIA (cr2) DESCONHECIDA
O processo para se obter o intervalo de confiana semelhante quele
mostrado no item anterior. Como no se conhece cr, porm, preciso substi-
tu-lo por S (desvio-padro amostral) que, contrariamente a cr, uma varivel
aleatria. Da se ter o quociente entre duas variveis aleatrias, x
e S, pois:

Pode-se demonstrar que:

t=
x- 11
.:..:...___e:
s
.[,7

189
tem distribuio "t" de Student com (n - 1) graus de liberdade.
Fixando-se um nvel de confiana: 1 - ex. tem-se:

<p=n-1
'
'
''
''
Hu
'

o t Q,_
2

Ou seja: P(- t% , ; t , ; t%) = 1 - ex.

Substituindo-se o valor de "t" e resolvendo-se as inequaes para e.:.


tm-se o intervalo para a mdia quando a varincia (cr2 ) desconhecida.

onde a varivel "t" possui (n - 1) graus de liberdade.

Exemplo: A amostra: 9, 8, 12, 7, 9, 6, 11, 6, 1O, 9 foi extrada de u-:.


populao normal. Construir um intervalo de confiana para a 17"::--
dia ao nvel de 95%.
Soluo: Calculando-se a mdia e o desvio-padro da amostra obtm-s:
x = 8,7 e S = 2
Como: 1 - ex.= 95% e g.I. = 9 pois g.I. = <p = n - 1 = 1O - 1 = 9

<p=9

'
'
2,5% s5%

-2,2622 o

Confira os valores de t0 025 na tabela.

190
Logo:

p( 8,7 - 2,2622 k ~ ~ 8,7 + 2,2622 . k) = 95%

ou:

P(7,27 ~ ~ 10,13) = 95%

A interpretao desse resultado dada por:


"O intervalo [7,27; 1O,13] contm a verdadeira mdia com 95% de con-
fiana."
Para o caso de populaes finitas usa-se a seguinte frmula:

8.4 INTERVALO DE CONFIANA PARA A VARINCIA

0 estimador de cr
2 2
e S . Demonstra-se que
(n - 1) s2- tem distri-
cr2
buio qui-quadrado com (n - 1) graus de liberdade. Ou seja:

d (n - 1) S 2
Xn-1 2
0

Ento, o intervalo ser:

--i<='=L--------!L'-======-- x2
O X~

191
Substituindo-se o valor de x2 , e isolando-se cr2 obtm-se:

P (n - 1) . s 2 :o;;;cr:o;;;
2 (n - 1) . s2] = 1-a
2 2
( Xsup Xinf

que o IC (intervalo de confiana) para cr2 . Onde a distribuio qui-quadrac:


possui parmetro: (n - 1).

Exemplo: Admita n = 1O, S2 = 4 e que se deseja construir um IC para :.


varincia ao nvel 90%.
Soluo: tem-se: n = 1O, S2 = 4, 1 - a = 90% e <P = (n - 1) = (1O - 1) = S

Consultando-se a tabela da distribuio qui-quadrado:

90%

~--,~CLLL!.'---~~~~-=:=L..'-LLLL.CLLLL.ULL.l.'LLLL.l.:.c....._~x2
O X~nt=3,3 X~=16,9

Logo:

P(2,13 :o;; cr2 :o;; 10,81) = 90%

A interpretao que o intervalo [2,13; 10,81] contm a verdadeira ~=


rincia com 90% de confiana.

8.5 INTERVALO DE CONFIANA PARA O DESVIO-PADRO

Como o desvio-padro a raiz quadrada da varincia, pode-se usar :


seguinte frmula:

192
p [ S .... /(n ; 1)
.\J Xsup
~ cr ~ S .... / (n ; 1)
\J Xinf
l
= 1 - a

Com a distribuio qui-quadrado de parmetro: cp = (n - 1).


A interpretao segue o modelo j apresentado.

8.6 INTERVALO DE CONFIANA PARA PROPORO;


OU PROBABILIDADE (P)
Foi visto no captulo anterior que f, o estimador de "p", tem distribuio
dada por:

para populao infinita e,

para populao finita.

Assim , para o caso de populaes infinitas, a varivel padronizada de f


dada por:

f- p
Z=H L__9_
n

Fixando-se um nvel de confiana 1 - a tem-se:

'
a '
'
2 Ha
'
''
''
z
o zSl:.2

193
Ou seja: P(- z%~ Z ~ z%J = 1 - ex

Substituindo-se o valor de Z:

1 - ex

+-z% --je
Isolando-se "p" do denominador, encontra-se:

n q ., p ., 1+ z% --je n q ) = 1 - ex

Para amostras grandes (n > 30) pode-se substituir "p" e q = 1 - p do


radicando por "f" e (1 - f) . Assim, o IC para a proporo ser:

Para o caso de populaes finitas o IC ser:

P[f - z !!:. '1f (1-f)


2 n
(N-nJ
N- 1
~P~ t + z !!:. '1f (1-f)
2 n
(N-nJ] 1_
N-1
= 0

Exemplo: Examinadas 500 peas de uma grande produo encontrou-se 260


defeituosas. No nvel de 90% construir um IC para a verdadeira
proporo de peas defeituosas.

Soluo: Tem-se: n = 500, x = 260, 1 - ex = 90%


260
Logo f

= -Xn = -500 = O 52
'

90%
'
'
'
_::}Z~~~ <=z..._------'-----'LLLLl.OG<. ~~~=- z
- 1,64 o 1,64

194
Ento, o IC ser:

p [ 0,52 - 1.64 '1 ~~ ~ ~


52 522
p 0,52 + 1,64 '1 ~~
52 52
2 l= 90%

ou: P(0,488 ~ p ~ 0,552) = 90%, ou ainda:


P(48,8% ~ p ~ 55,2%) = 90%,
E a interpretao de que o intervalo [48,8%; 55,2%] contm a verdadeira
porcentagem (ou proporo) de peas defeituosas.

EXERCCIOS - SRIE 1 - CAPTULO 8 Respostas


Construa os IC e interprete cada resultado

Para a Mdia Populacional


1. Foram retiradas 25 peas da produo diria de uma mquina, encon-
trando-se para uma medida uma mdia de 5,2 mm. Sabendo-se que as
medidas tm distribuio normal com desvio-padro populacional 1,2 mm,
construir intervalos de confiana para a mdia aos nveis de 90%, 95% e
99%.

2. De uma distribuio normal com cr2 = 1,96, obteve-se a seguinte amostra:


25,2; 26,0; 26,4; 27, 1; 28,2; 28,4. Determinar o intervalo de confiana para
a mdia da populao, sendo a = 0,05 e a = O, 1O.

3. Suponha que as alturas dos alunos de nossa faculdade tenham distri-


buio normal com cr = 15 cm. Foi retirada uma amostra aleatria de 100
alunos obtendo-se x = 175 cm. Construir, ao nvel de significncia de 95%
o intervalo para a verdadeira altura mdia dos alunos.

4. Dados n = 1O, x = 11 O e S = 1O, determinar os intervalos de confiana


aos nveis de 90% e 95%.

5. Uma amostra composta pelos seguintes elementos: 7, 7, 8, 9, 9, 9, 1O,


11, 11, 11 , 12, 13, 13, 14, 15, 15. Construir os intervalos de confiana
para a mdia sendo: 1 - a = 97,5% e 1 - a = 75%.

6. Colhida uma amostra de 30 peas, forneceu os seguintes pesos:


250, 265, 267, 269, 271, 275, 277, 281, 283, 284,
287, 289, 291, 293, 293, 298, 301 , 303, 306, 307,
307, 309, 311, 315, 319, 322, 324, 328, 335, 339.

195
Respostas
Por meio da construo do intervalo de confiana, responder se esta amostr::.
satisfaz a especificao pela qual o peso mdio deve ser 300 kg.
Sugesto: Adote a = 5%.

7. Em uma fbrica, colhida uma amostra de certa pea, obtiveram-se ~


seguintes medidas para os dimetros:
10, 11, 11, 11, 12, 12, 12, 12, 13, 13,
13, 13, 13, 13, 13, 13, 13, 13, 13, 13,
14, 14, 14, 14, 14, 15, 15, 15, 16, 16.

a) Estimar a mdia e a varincia;


b) Construir um intervalo de confiana para a mdia sendo a = 5%.

8. Em quatro leituras experimentais de um "comercial" de 30 segundos, l r


locutor levou em mdia 29 ,2 segundos com uma S 2 = 5,76 segundos a:
quadrado. Construir os limites de confiana para a mdia. Dado a = 1 oc ~

9. Construir intervalos de confiana para a mdia admitindo-se as segu inte:.


distribuies amostrais, ao nvel de 95%:

a) Classes 1 0-5 5 - 10 10 - 15 15 - 20
Fi 2 3 5 1
2

b) Classes 15 - 18 18 - 21 21 - 24 24 - 27 27 - 30 30 - 33
Fi 8 9 12 15 7 4

c) Classes 2,2 - 6,2 6,2 - 10,2 10,2 - 14,2 14,2 - 18,2


Fi 3 4 5 3

Intervalos de Confiana para a Varincia


1O. Supondo populaes normais, construir o intervalo de confiana para :
varincia ao nvel de 90% para as amostras:
a) 44,9 - 44, 1 - 43 - 42,9 - 43,2 - 44,5;
b) 2 - 2 - 2 - 3 - 3 - 4 - 5 - 5- 5 - 5 - 6 - 6 - 7 - 7 - 8.

11. Suponhamos que uma amostra de n = 1O fornecesse S 2 = 2,25. Qua_


os limites de confiana a 80% para a verdadeira varincia?

12. Sendo X uma populao tal que X = N (, a2) em que e a2 so d~


R conhecidos. Uma amostra de tamanho 15 forneceu os valo=:
L.xi = 8,7 e L.xf = 27,3. Determinar um intervalo de confiana de 95% para e-

196
13. Determinar, ao nvel de 99%, o intervalo para o desvio-padro da popu-
lao que deu origem amostra do exerccio 6 desta srie.

14. Qual o intervalo de confiana que conter com 90% a verdadeira va-
rincia de uma populao normal que resultou I.Xi = 700,8 e
r.><f = 23.436,80 de uma amostra de 30 elementos?

Intervalos de Confiana para a Proporo

15. Uma centena de componentes foi ensaiada e 93 deles funcionaram mais


de 500 horas. Determinar um intervalo de confiana de 95% para a pro-
poro.

16. Uma amostra aleatria de 400 domiclios mostra-nos que 25% deles so
casas de aluguei. Qual o intervalo de confiana da proporo de casas
de aluguei? a = 2%.

17. Em 50 lances de uma moeda, foram obtidas 30 caras . A partir de um


intervalo de confiana de 96%, pode-se dizer que a moeda honesta?

18. Para verificar se um dado era viciado , jogou-se o mesmo 120 vezes,
obtendo-se 25 vezes o nmero cinco. Calcular um intervalo de confiana
para a proporo a = 1%. Pode-se dizer que o dado viciado?

19. Uma amostra de 300 habitantes de uma cidade mostrou que 180 dese-
javam a gua fluorada. Encontrar os limites de confiana de 90% e 95%
para a proporo da populao favorvel a fluorao.

Respostas

197
9
TESTE DE HIPTESES

9.1 INTRODUO

Trata-se de uma tcnica para se fazer inferncia estatstica. Ou seja. =.


partir de um teste de hipteses, realizado com os dados amostrais, pode-s=
inferir sobre a populao.
No caso das inferncias atravs da IC, busca-se "cercar" o parmec:
populacional desconhecido. Aqui formula-se uma hiptese quanto ao valor e:
parmetro populacional, e pelos elementos amostrais faz-se um teste que ir-
dicar a aceitao ou rejeio da hiptese formulada.

9.2 PRINCIPAIS CONCEITOS

9.2.1 Hiptese Estatstica


Trata-se de uma suposio quanto ao valor de um parmetro popu lao:
nal, ou quanto natureza da distribuio de probabilidade de uma vari =
populacional.
Neste captulo sero apresentados os testes referentes aos parmerr:
da populao.
So exemplos de hipteses estatsticas:
a) A altura mdia da populao brasileira 1,65 m, isto : H: = 1,65 -
b) A varincia populacional dos salrios vale $ 5.000 2 , isto =
H: a 2 = 5.0002 .

198
c) A proporo de paulistas com a doena X 40%, ou seja:
H: p = 0,40.
d) A distribuio dos pesos dos alunos da nossa faculdade
normal.
e) A chegada de navios ao porto de Santos descrita por uma
distribuio Poisson.

9.2.2 Teste de Hiptese


uma regra de deciso para aceitar ou rejeitar uma hiptese estatstica
com base nos elementos amostrais.

9.2.3 Tipos de Hiptese


Designa-se por H0 , chamada hiptese nula, a hiptese estatstica a ser
testada, e por H1 a hiptese alternativa. A hiptese nula expressa uma igual-
dade, enquanto a hiptese alternativa dada por uma desigualdade.

Exemplos:

a) H0 : = 1 ,65 m Dar origem a um


H 1 : -::f. 1,65 m teste bicaudal

b) H0 : = 1,65 m Dar origem a um


H 1 : > 1,65 m teste unicaudal direta

c) H0 : = 1,65 m Dar origem a um teste


H 1 : < 1,65 m unicaudal esquerda

9.2.4 Tipos de Erro


H dois tipos possveis de erro ao testar uma hiptese estatstica. Pode-se
rejeitar uma hiptese quando ela , de fato, verdadeira, ou aceitar uma hiptese
quando ela , de fato, falsa. A rejeio de uma hiptese verdadeira chamada
"erro tipo I''. A aceitao de uma hiptese falsa constitui um "erro tipo li''.
As probabilidades desses dois tipos de erros so designados, respectiva-
mente, por a e ~
A probabilidade a do erro tipo 1 denominada "nvel de significncia" do
teste.

199
Os possveis erros e acertos de um teste esto sintetizados na tabela:

Realidade

H 0 verdadeira H0 falsa

Aceitar H0 Deciso correta (1 - a.) Erro tipo li (~)


Deciso
Rejeitar H0 Erro tipo 1 (a.) Deciso correta (1 - ~

Observe que o erro tipo 1 s poder ser cometido se se rejeitar H0 , e :


erro tipo li, quando se aceitar H0 .
O tomador de deciso deseja, obviamente, reduzir ao mnimo as probab-
lidades dos dois tipos de erros. Infelizmente, esta uma tarefa difcil, porqtJ:
para uma amostra de determinado tamanho, a probabilidade de se incorrer e-
um erro tipo li aumenta medida que diminui a probabilidade do erro tipo
E vice-versa. A reduo simultnea dos erros poder ser alcanada pelo a_-
mento do tamanho da amostra.

9.2.5 Configurao sobre o Mecanismo dos Erros


Para compreender o relacionamento dos erros e suas dimenses varr::
idealizar um exemplo.
Deseja-se testar H0 : = 20 contra H1 : > 20. Sabe-se que a varirc::.
da populao vale 16, e que foi retirada de uma amostra de 16 elementos. e_
seja:
H0 : = 20 a 2 = 16 n = 16

H 1 : > 20

Como x, estimador de , que por hiptese vale 20, tem-se graficamer-=

=20

200
Ora, para valores amostrais de x prximos de 20 a hiptese H0 poder
ser aceita. Como H 1 : > 20, deve-se ter um limite crtico direita para valores
de x. Assim:

Regio de aceitao Regio de rejeio


para H0 :=20 para H0 :=20

Observe: A rea hachurada direita de xc corresponde probabilidade de


rejeitar H0 : = 20, quando H0 : = 20 verdadeira. Ou seja, a
rea representa ex (probabi lidade de cometer o erro tipo 1).

Para encontrar o limite crtico (xc) pode-se atribuir diversos valores para
ex. Admita que ex = 5%. Assim, para se encontrar xc basta passar para distri-
buio normal das mdias para a distribuio normal padro.

a=5% 5%

20 1,64 z

2
x =d N ( ; cr nJ ~ Z =
d N (O, 1)

XC - XC - 20
z= cr
ou 1,64 = 4
-..fri ili

logo: xc = 21,64.

201
Assim, a regra de deciso para H0 ser:

Rejeitar H0 quandox > 21,64


Aceitar H0 quando x .;; 21,64.

fcil constatar que se tem grande probabilidade de aceitar H (95c


pouca probabilidade (5%) de rejeitar H . Ora, quando se aceita uma0 hiptE-
0
pode-se estar cometendo o erro tipo li - aceitar H , quando H falsa.
0 0
exemplo, essa probabilidade poder ser de at 95%. O que preocupa. =:.
outro lado, tem-se apenas 5% de chances para rejeitar H . Todavia, quar:.
0
se rejeita H0 pode-se estar cometendo o erro tipo 1 - rejeitar H quando r: -
0
verdadeira. Como a probabilidade neste caso relativamente baixa, at 5: _
deciso de rejeitar H0 mais segura do que a deciso de aceitar H . Este. -
0
a lgica do teste de significncia:
atribuem-se baixos valores para a geralmente de 1% a 1oe -
formula-se H0 com a pretenso de rejeit-la, da o nome :.-
"hiptese nula";
se o teste indicar a rejeio de H0 tem-se um indicador m<:.
seguro para a deciso ;
caso o teste indique a aceitao de H diz-se que, com o n _
0
de significncia a, no se pode rejeitar H , e nestes casos ...
0
deciso no to segura quanto rejeio de H .
0
Fixado a, pode-se determinar a probabilidade P de se cometer o erro t :.:
li. Para o clculo de p (probabilidade de aceitar H , quando H falsa =
0
preciso admitir outros valores para H0 , j que o seu valor original 0considera:.:
falso. No exemplo, H0 : = 20 seria falso, ou seja, em realidade > 20. Or:.
essa suposio corresponde a uma infinidade de possveis valores de , p:
exemplo: 20, 1; 20,5; 21 ; 22 ... Para cada um desses valores pode-se de~<:
minar o valor de p condicionado hiptese admitida. Assim, para um va:-
qualquer, 1 > 20, tem-se a seguinte configurao de p.

Regio de aceitao p/ H0 :=20 Regio de crtica p/ H0 :=20

20 21 ,64 ,

202
Se x, por exemplo, for igual a 20,5 , ser aceita a hiptese falsa
H0 : = 20, quando na realidade a verdadeira hiptese H0 : = 1 .

Observe: Quando se consideram valores de 1 prximos de 20 tem-se


elevados ndices para p. Imagine, olhando o grfico, o desloca-
mento de 1 para a esquerda. Quando 1 = 21 ,64 tem-se
P CP/ 1) = 50%, e esse valor ir crescendo medida que se
consideram valores para 1 menores que 21 ,64.

Vamos calcular alguns valores de p.


a) Quanto valer p, dado que = 22?

20 22

21,64

21
P CPI = 22) = P cx < 21,64/ = 22) = P [z < ~ 22 = - 0,36] = 0,3594
ili

b) Quanto valer p, dado que = 21 ,64?

P cp1 = 21,64) = P cx<21,64/ = 21,64) = P (z < 21 64 ~ 21 64 =o) = o,5000

203
c) Quanto valer p, dado que = 21?

21,64-21 = 0,64) = 0,7339


P(p/=21) = P(x < 21,64/=21) = P Z <
( 1

d) Quanto valer p, dado que = 20,5?

20 20,5 21,64

2 1 64 2 5
P <PI= 20,5) = P (x < 21,64/ = 21) = P ( Z < - __,- - - -__,o,_ = 1, 14) = 0,8729
1

Assim:
1- ~
20,50 0,8729 O,1271
21 ,00 0,7389 0,2611
21 ,64 0,5000 0,5000
22,00 0,3594 0,6406

Observe: Quando se tem hipteses prximas hiptese original que se esta


testando, os valores de p so elevados, diminuindo medida que
o valor de 1 se afasta do valor testado. Veja. No comprome-
tedor se ter elevados valores de p para hipteses prximas daque-
las que se est testando. Ou seja, dizer que h um erro de 0,8729
(87,29%) de se aceitar H0 : = 20, quando na realidade
H0 : = 20,5 no um resultado preocupante, pois se est ace -
tando 20, quando o verdadeiro poder ser 20,5. A diferena de 0.5
(erro absoluto) no to preocupante. Concordas?

204
9.2.6 Curva Caracterstica de Operao (CCO)
to do
Trata-se da construo de uma curva que expressa o comportamen
alterna tivas feitas para H , fixando -se
erro ~ em funo das diversas hipteses 0
o nvel de a.
No exemplo que se est analisando, a eco dado por:

1,0
0,9 - - - - - - - -,
0,8 :
0,7 - - - - - - - :- - - -
0,6
0,5
~4 _______ J_____ ~-- - ------
0,3 ' 1
' ' :

~2 '
0,1

20,5 21 22 23 24 25
20

CCO - Ho:=2 0- a =5%; <i=16 e n=16

a conse-
Como era de esperar, quando se aumenta o tamanho da amostr
~. admitindo-se a baixo (entre 1% e 10%). O
guem-se menores erros para
grfico a seguir exibe tal situa o.

1,0

0,5

o~--~------------
~

205
Como voc j percebeu, as curvas caractersticas de operao constitu e~
elementos para anlise do comportamento do erro p, e tambm a, pois =
possvel construir curvas para combinaes a e p, variando-se os tamanhc=
amostrais.
Para tomar decises inequvocas, ou seja, sabendo-se previamente qua =
os erros p e a, preciso a construo das CCO. Todavia, como moroso :
trabalho dos clculos dos erros p, na prtica, realizam-se mais freqentemen:=
os "testes de significncia". Ou seja, considera-se apenas o risco a, "torce--
do-se" para que o teste indique a rejeio de H0 , como foi explicado ante:-
riormente.
Uma alternativa s curvas caractersticas a construo da curva e=
poder do teste, ou curva de fora do teste, em que a fora do teste (1 - p _
obtida em funo dos valores atribudos hiptese H0 .

EXERCCIOS - SRIE 1 - CAPTULO 9


1. Formule hipteses para:
a) porcentagem de brasileiros analfabetos;
b} peso mdio dos alunos de sua classe;
c) varincia dos salrios dos professores da sua escola;
d) salrio mdio dos trabalhadores brasileiros;
e) proporo de garotos da sua escola.

2. Explique os erros tipo 1 e li que podem ocorrer quando um profess~


decide aprovar ou reprovar um aluno.

3. Explique os erros tipo 1 e li que podem ocorrer quando um gerente e=


recursos humanos decide contratar, ou no, determinado profissional.

4. Construa a CCO para se testar H0 : = 50, contra H1 : > 50, admi -


do-se intervalos sucessivos de 0,4 a partir de 50 at 55, senc:
cr2 = 25: n = 25 e a = 10%.
5. Construa a curva de fora do teste para H0 : = 15, H1 : :1= 15, em o-=
n = 9; cr = 2 e a = 5%. Admita: 12,0; 12,5; 13,0; 13,5; 14,0; 14,5; 15:
15,5; 16,0; 16,5; 17,0; 17,5; 18,0 como possveis hipteses verdadeiras

6. As especificaes para fabricao de certo produto exigem 25 mg de "' -


composto Y. Sabe-se que a distribuio de Y no produto normal, co-
desvio-padro de 2 mg para qualquer mdia. O fabricante est examina-
do a inspeo de cada lote antes de sua liberao para se decidir er=
entreg-lo ao consumo ou mant-lo para reprocessamento.

206
a) Para uma amostra de 16, quais seriam os limites decisrios se a
probabilidade de reter incorretamente o produto que satisfaa as espe-
cificaes deva ser limitado a 5%?
b) Trace a curva de fora para a norma decisria em intervalos de 0,40 mg
de = 23,0 at = 27,0.
c) Trace a curva de fora para amostras de tamanho 16 com a = 20%.
d) Trace a curva de fora para amostras de 36 com a = 5%.

7. Construir o CCO para se testar H0 : p = 0,5 contra H1 : p > 0,5, sendo


n = 100. Admita p = 0,55; 0,60; 0,65; 0,70; 0,75, sendo a= 5%. Lembre-
se: f gN ( p, ~}
8. Quanto vale~/= 1,65 m, sendo H0 : = 1,70 m, n = 36; e cr2 = 0,04 m2
e a = 8%. H1 : < 1,70.

9.3 TESTES DE SIGNIFICNCIA


Como j foi dito, os testes de significncia consideram apenas o erro a.
So os mais usados nas pesquisas educacionais, scio-econmicas ...
O procedimento para realizao dos testes de significncia resumido
nos seguintes passos:
1. enunciar as hipteses H0 e H1 ;
2. fixar o limite do erro a , e identificar a varivel do teste ;
3. com o auxlio das tabelas estatsticas, considerando a e a varivel do
teste, determinar as RC (regio crtica) e RA (regio de aceitao)
para H0 ;
4. com os elementos amostrais, calcular o valor da varivel do teste;
5. concluir pela aceitao ou rejeio de H0 pela comparao do valor
obtido no 4 2 passo com RA e RC.

9.3.1 Teste de Significncia para Mdias


1. Ho: = o
H1 : uma das alternativas
':f. o (a)
> o (b)
< o (c)

207
2. Fixar a. Admitindo-se que a 2 desconhecida, a varivel do teste ser "f :
Student, como q:i = (n - 1).

3. Com auxlio da tabela "t" determinam-se RA e RC.

q>=n-1

RA RA
o
(a) (b) (e)

4. Clculo do valor da varivel


x- o onde:
tcal = s x mdia amostral
...;n o valor da hiptese nula
s desvio-padro amostral
n tamanho da amostra

5. Concluses

a) Se - t Q. :;::; tcal :;::; t Q. no se pode rejeitar H0


2 2
Se tcal > t Q. ou
2
tcal < - t % rejeita-se H0 .

b) Se tcal < ta, no se pode rejeitar H0


Se tcal > ta, rejeita-se H0
c) Se tcal > ta, no se pode rejeitar H0
Se tcal < ta, rejeita-se H0

Exemplo: Os dois registros dos ltimos aos de um colgio, atestam para :.::
calouros admitidos uma nota mdia 115 (teste vocacional). Pa~~
testar a hiptese de que a mdia de uma nova turma a mesr:-:.
tirou-se, ao acaso, uma amostra de 20 notas, obtendo-se mec2
118 e desvio-padro 20. Admitir que a= 0,05, para efetuar o tes~
Ento,

1 2) H 0 : = 115
H1 : 7c- 115

208
2 2 ) a.= 0,05
Varivel "t" com 19 graus de liberdade.
32)

RA
'

- 2,093 o 2,093

4) t - 118 - 115 = 0,67


cal - 20
J20
5) Como - 2,0930 ,;;;; tcal ,;;;; 2,0930, no se pode rejeitar
H0 : = 115 com esse nvel de significncia.

9.3.2 Teste de Significncia para Varincias

1. Ha: o2 = B
H1 : uma das alternativas

a2 "# o (a)
a2 > o (b)

a2 < o (c)

2. Fixar ex. Escolher a varivel qui-quadrado com cp = (n - 1).

3. Com auxlio da tabela "x2" determinam-se RA e RC. Vide grficos a, b,


e e (pgina seguinte).

4. Clculo do valor da varivel


2 (n -1 )$2 onde:
Xcal = d n tamanho da amostra
o 52 varincia amostral
o2 = valor da hiptese nula

209
2. Fixar a. Admitindo-se que o 2 desconhecida, a varivel do teste ser "t" d
Student, como <p = (n - 1).

3. Com auxlio da tabela "t" determinam-se RA e RC.

RA
o
(a} (b} (e}

4. Clculo do valor da varivel


onde:
x mdia amostral
o valor da hiptese nula
s desvio-padro amostral
n tamanho da amostra

5. Concluses

a) Se - t Q. ~ t Q. no se pode rejeitar H
tcal ~
2 2 0

Se tcal
a reie1ta-se
> t Q. ou tcal < - t 2' .. H
2 0.

b) Se tcal < ta, no se pode rejeitar H0


Se tcal > ta, rejeita-se H0
c) Se tcal > ta, no se pode rejeitar H0
Se tcal < ta, rejeita-se H0

Exemplo: Os dois registros dos ltimos aos de um colgio, atestam para os


calouros admitidos uma nota mdia 115 (teste vocacional). Para
testar a hiptese de que a mdia de uma nova turma a mesma,
tirou-se , ao acaso, uma amostra de 20 notas, obtendo-se mdia
118 e desvio-padro 20. Admitir que a = 0,05, para efetuar o teste.
Ento,

1) H0 : = 115
H1 : ~ 115

208
2 2 ) o. = O, 10; varivel x2 com 25 - 1 = 24 gt.

3)

0,10

--f""""""""">I----- - - -- -- - ---==---- x2
/.,, =1 5.7

4) 2 - (25 - 1) . 18,3 17,56


Xcal - 25

5 2) Como X~ai > 15,7, no se pode rejeitar H0 : a 2 = 25 ao nvel de


significncia de 10%.

9.3.3 Teste de Significncia para Propores

1. Ho: P = Po
H1 : uma das alternativas

P =t Po (a)

P > Po (b)
P < Po (c)

FA
o
(a) (b) (e)

211
2. Fixar a . Escolher a varivel norma padro: Z.

3. Com auxlio da tabela da distribuio normal padro, determin am-:


RA e RC.
4. Clculo do valor da varivel

onde:
f - Po
zcal = f freqncia relativa do evento -
-VPo (1 - Po) amostra
p0 valor da hiptese nula
n
n tamanho da amostra

5. Concluses:

a) Se-Z~ ,... Zcal ,... Z % no se pode rejeitar H0


2
Se Zcal > Z %ou Zcal < - Z % rejeita-se H0

b) Se Zcal < Z a, no se pode rejeitar H


0

Se Zcal > Z a, rejeita-se H0

c) Se Zcal > - Z a, no se pode rejeitar H


0

Se Zcal < - Z a, rejeita-se H0

Exemplo: As condies de mortalidade de uma regio so tais que a :


poro de nascidos que sobrevivem at 60 anos de 0,6. Tes-
essa hiptese ao nvel de 5% se em 1000 nascimentos amostra:
aleatoriamente, verificou-se 530 sobreviventes at 60 anos.

12 ) H0 : p = 0,6
H1 : p -:f. 0,6

22 ) a = 0,05 e a varivel escolhida, a normal (O, 1).

3) RA e RC (ver grfico na pgina seguinte).


f - Po 0,53 - 0,6
42 ) Zcal = =- 4,42
fPo (1 n- Po)
A f 0,6 (1 - 0,6)
A

\j \j 1000
5 2 ) Como Zcal < - 1,96, rejeita-se H , concluindo-se, ao nve
0
5%, que p -::1= 0,6.

212
9.3.4 Teste de Significncia para a
Igualdade de duas Varincias
1. Ho: o~=~

H1 : o~*-~
Podem-se testar as desigualdades < ou >, todavia, o mais comum *
2. Fixar a. Escolher a varivel "F" com (n1 - 1) graus de liberdade no
numerador, e (n2 - 1) graus de liberdade no denominador.

3. Com auxlio da tabela da distribuio "F", determinam-se RA e RC

Cl
2

RA
O F.,, F

4. Clcu lo do valor da varivel


521
Fcal = 2
52

5. Concluses:
Se Fint ""' Fcal ""' Fsup no se pode rejeitar H0 .
Se Fcal > Fsup ou Fcal < fint, rejeita-se H0 .

213
Exemplo: Dois programas de treinamento de funcionrios foram efetuadc:
Os 21 funcionrios treinados no programa antigo apresentam ur _
varincia 146 em suas taxas de erro. No novo programa,
funcionrios apresentaram uma varincia de 200. Sendo a = O,:
pode-se concluir que a varincia diferente para os dois programas

1) H0 : a~ = a~
H1 : a~ * a~
22 ) a=0,10.Avari velFcom<p1 =n1 -1 =20e<p2 =n2 -1 = 1:.

3) RA e RC

5%

5%
RA

0,43 2,54 F

S.f? 146
4) Fcal = 2 = 200 = 0,73
. S2

52 ) Como 0,43 .;; Fcal .;; 2,54, no se pode rejeitar H0 , portam:


no se pode concluir que as varincias sejam diferentes co-
esse nvel de significncia.

9.3.5 Teste de Significncia para a


Igualdade de duas Mdias

12 Caso: As varincias populacionais so conhecidas, independentes e nc


mais.
1. H0 : 1 = 2 ou 1 - 2 = d onde d > O uma diferer;::
admitida entre as mdias.

H1: 1 *
2 ou 1 - 2 d *
Os testes unicaudais so permitidos.

214
2. Fixar a. Escolher a varivel normal padro: Z.

3. Com auxlio da tabela da distribuio normal padro, deter-


minar RA e RC.

4. Clculo do valor da varivel

5. Concluses:

Se - Z %, ;:; Zcal ,,;:; Z%no se pode rejeitar H 0.

Se Zcal > Z %ou Zcal < - Z % rejeita-se H0.

Exemplo: Um fabricante de pneus faz dois tipos. Para o tipo A, cr = 2500


milhas, e para o tipo 8, cr = 3000 milhas. Um txi testou 50 pneus
do tipo A e 40 de tipo 8, obtendo 24000 milhas e 26000 milhas
de durao mdia dos respectivos tipos. Adotando-se um risco alfa
de 4%, testar a hiptese de que a vida mdia dos dois tipos a
mesma.

1) Ho: A - 9 = O A = 9
H1: A * 8
2) a = 0,04, a varivel N (O, 1)

3) RA e RC

215
-2,05 o 2,05

24000 - 26000
42) z = = -3,38
... I <25oof (300022
\J 50 + 40

5 2 ) Como Zcal < - 2,05, rejeita-se H0 , concluindo-se com risc:


4% que as vidas mdias dos pneus so diferentes.

2 2 caso: As varincias populacionais so desconhecidas e, adm


iguais, independentes e normais.
1 Ho: 1 = 2 ou
H1: 1 *- 2 ou

2. Fixar a. Escolher a varivel "t" com <p = (n1 + n2 - 2)

3. Com auxlio da tabela da distribuio "t", determinam-se =-


RC.

a a
2 2

-ta o ta
2 2

216
4. Clculo do valor da varivel

onde, se = desvio-padro comum dado por:


(n1 - 1)Sf + (n2 - 1)$~
se = n1 + n2 - 2

5. Concluses:

Se - t %.; ; tcal .;;; t % no se pode rejeitar H 0.

Se tcal > t %ou tcal < - t % rejeita-se H0 .

Exemplo: Dois tipos de tinta foram testados sob as mesmas condies me-
teorolgicas. O tipo A registrou uma mdia de 80 com um desvio
de 5 em 5 partes. O tipo B, uma mdia de 83 com um desvio de
4 em 6 partes. Adotando a = 0,05 testar a hiptese da igualdade
das mdias.

1) Ho: A = B
H1: A :f. B

2) a = 0,05 e a varivel t com 5 + 6 - 2 = 9 graus de liberdade.

3) RA e RC

RA

-2,2622 o 2,2622

217
42) s = .... I <5 - 1252 + (6 - 1242 = 4 ,47
e \J 5 + 6 - 2

_ _80_ - _8_3_ = - 1, 12
/5 + 6
A

4,47 \J~

52 ) Como -2,2622 ~ fcal ~ 2,2622, no se pode rejeitar H :.


0
esse nvel de significncia .

9.3.6 Teste de Significncia para a


Igualdade de Duas Propores
1. Ho: P1 = P2
H1: P1 * P2
2. Fixar a. Escolher a varivel normal padro: Z.

3. Com auxl io da tabela da distribuio normal padro, d: -


minam-se RA e RC.

4. Clculo do valor da varivel

218
onde: f1 e f2 so as freqncias relativas amostrais; p o estimado comum
a p1 e p 2 , dado por:

/\ X1 + X2
P= n1 + n2

X1 X2
f1 = e f2 =-
n1 n2

5. Concluses:

Se - Z %.; :; Zcal .;;:; Z % no se pode rejeitar H0 .


Se Zcal > Z %ou Zcal < - Z % rejeita-se o H0 .

Exemplo: Deseja-se testar se so iguais as propores de homens e mu-


lheres que lem revista e se lembram de determinado anncio.
So os seguintes os resultados de amostras aleatrias indepen-
dentes de homens e mulheres:

Homens Mulheres

onde x 1 o nmero de homens que se lembram do anncio e x2 o corres-


pondente nmero de mulheres. Admita a = 10%.

1. Ho: P1 = P2
H1: P1 'f:. P2
2. a= 10%. Escolher a varivel N(0,1).

3. Determinao de RA e RC .

219
X1 70 X2 50
4. f1 = -n = -200 = o' 35 f. = -n = -200 = 025
1 2
2 '

A X1 + X2 70 + 50
p = n1 + n2 = 200 + 200 = 0 30

0 ,35 - 0,25
Zcal = = 2, 18
'10,3 (O, 7) ( 2~ 0 )
5. Concluso:
Como Zcal > 1,64, rejeita-se a hiptese da igualdade das :
pores, concluindo-se com risco de 10% que as propor:.-
so diferentes.

EXERCCIOS - SRIE li - CAPTULO 9 Respostas


Testes para a Mdia Populacional

1. Uma amostra de 25 elementos resultou mdia 13,5 com desvio-pac~_


4,4. Efetuar o teste ao nvel de 0,05 para a hiptese que = 16 cor
* 16; e < 16.

2. Retirada uma amostra de 15 parafusos, obteve-se as seguintes medic.::


para seus dimetros:
10 10 10 11 11 12 12 12 12
13 13 14 14 14 15

Testar H0 : = 12,5 contra * 12,5; > 12,5; < 12,5. Adotar:.


o. = 0,05.

3. Dada a distribuio amostral

Classes 1 5 - 10
3

Testar a hiptese de que a mdia da populao 20 contra H :


sendo o. = 2 ,5%. 1 *?

220
Respostas
4. As estaturas de 20 recm-nascidos foram tomadas no Departamento de
Pediatria da FMRP, cujos resultados so em cm:
41 50 52 49 49 54 50 47 52 49
50 52 50 47 49 51 46 50 49 50

a) Suponha inicialmente que a populao das estaturas normal com


varincia 2 cm2 ; teste a hiptese de que a mdia desta normal 50 cm
(a = 0,05) (teste unicaudal).
b) Faa o mesmo teste para a mdia, mas agora desconhecendo a va-
rincia (teste unicaudal).

5. 15 animais foram alimentados com uma certa dieta durante 3 semanas e


verificou-se os seguintes aumentos de pesos:
25 30 32 24 40 34 37 33
34 28 30 32 38 29 31

Testar a hiptese de que a mdia 30, sendo a = 10% (teste bicaudal).

Testes para a Varincia Populacional

6. Um laboratrio fez oito determinaes da quantidade de impurezas em


pores de certo composto. Os valores eram: 12,4; 12,6; 12,0; 12,0; 12,1 ;
12,3; 12,5 e 12,7 mg.
a) Estimar a varincia de impurezas entre pores.
b) Testar a hiptese de que a varincia 1, ao nvel de a= 0,05 e a= 0,10,
contra H1 : cr2 < 1.

7. Testar H0 : cr2 = 1O contra H1 : cr2 :;:. 1O admitindo a seguinte distribuio:

Classes 5 - 10 10 - 15 15 - 20 20 - 25 25 - 30

3 5 8 3

Admita a = 20%

8. Suponha X = N (, cr2) em que e cr2 so desconhecidos. Uma amostra


de tamanho 15 forneceu I.xi = 8,7 e I.xr = 27,3. Testar a hiptese de R
que a varincia da populao 4. Adotar a = 1% (testes uni e bicaudal).

Testes para a Proporo

9. Uma amostra de 500 eleitores selecionados ao acaso d 52% ao Partido


Democrtico. Poderia esta amostra ter sido retirada de urna populao
que tivesse 50% de eleitores democratas? Admita a = 0,05.

221
Respostas
10. Com base na tabela

Cigarros Cigarros No fumam Total


slfiltro e/filtro

Homens 12 64 14 90
Mulheres 8 26 16 50
Total 20 90 30 140

a) Testar a hiptese de que a proporo de fumantes 80% sendo a = O.C-


b) Testar a hiptese de que a proporo dos que fumam cigarros cc-
filtro 70%. a = 0,02.
c) Testar a hiptese de que a populao de fumantes femininas 40:
a= 0,01.

11. Lana-se uma moeda 100 vezes e obtm-se 60 caras. Testar ao nvel ~-
5% a hiptese de que a moeda honesta.

12. Uma pesquisa revelou que das 500 donas de casas consultadas, 3:
preferiram o detergente A. Testar a hiptese ao nvel de 0,04 pa--:
H0 : p = 0,5 contra H1 : p -:1- 0,5.

13. A experincia tem demonstrado que 40% dos estudantes so reprovac:-_


num exame de ESTATSTICA (?). Se 40 de 90 estudantes fossem rep:
vados, poderamos concluir que esses estudantes so inferiores em Estatis
ca? a= 5%.

Testes para a Igualdade de Duas Varincias

14. Para verificar a eficcia de uma nova droga foram injetadas doses em - :.
ratos , obtendo-se a seguinte tabela:

tamanho da amostra Varincia


Machos 41 43,2
Fmeas 31 29,5

Testar a igualdade das varincias sendo a = 10%.

15. Tome duas dietas quaisquer do exerccio 19 e teste a igualdade das \e:
rincias sendo a = 10%.

16. Sendo a = 10%, testar a igualdade das varincias para as duas marC..-
A e B do exerccio 18.

222
Respostas
Testes para a Igualdade entre Duas Mdias

17. Sendo: Amostra 1: n1 = 60; x = 5,71; cr2 = 43


Amostra 2: n2 = 35; x = 4, 12: cr2 = 28
testar H0 : 1 = 2 sendo a= 0,04.

18. Na tabela abaixo esto registrados os ndices de vendas em 6 supermer-


cados para os produtos concorrentes da marca A e marca B. Testar a
hiptese de que a diferena das mdias no ndice de vendas entre as
marcas zero. Sendo a = 5%.

Supermercado Marca A Marca B

14 4
2 20 16
3 2 28
4 11 9
5 5 31
6 12 10

19. Com a finalidade de se estudar a influncia da dieta no ganho de peso


de prematuros, um grupo de 25 recm-nascidos (com pesos entre 1500
e 2000 g) foi dividido em 5 grupos de 5 crianas cada, e submetidas a
diferentes dietas. Os dados abaixo representam o ganho mdio dirio em
gramas:

DIETA

A B e D E

22 22 42 21 26
31 26 30 21 19
31 24 28 17 23
26 21 26 19 25
27 40 25 28 17
LXj 137 133 151 106 11 o
l:x.2
1
3811 3777 4749 2316 2480

a) Tome 2 dietas quaisquer e teste a igualdade de mdias. a = 0,05.


b) Repita o teste para outras duas.

223
20. Da populao feminina extraiu-se uma amostra resultando:

Rendas (em $1000) 10 f-- 25 25 f-- 40 40 f-- 55 55 f-- 70 7C -


N2 de mulheres 7 12 10 6

Da populao masculina retirou uma amostra resultando:

Rendas (em $1000) 15 f-- 30 30 f-- 45 45 f-- 60 60 f-- 75 75 -


N2 de Homens 8 15 12 7

Testar ao nvel de 10% a hiptese de que a diferena entre a renda ~


dos homens e das mulheres valha $ 5000,00.

Testes para igualdade de duas propores


21. Uma empresa de pesquisa de opinio pblica seleciona, aleatoriar-:-
300 eleitores de So Paulo e 400 do Rio de Janeiro, e pergunta a :
um se votar ou no no candidato A nas prximas eleies. 75 ele-~
de SP e 120 do RJ respondem afirmativamente. H diferena significa.
entre as propores de eleitores a favor de A naqueles dois Estados"' .
a.= 5%.

22. Esto em teste dois processos para fechar latas de comestveis.


seqncia de 1.000 latas, o processo 1 gera 50 rejeies, enquar _
processo 2 acusa apenas 200 rejeies. Pode-se, no nvel de 0,05. :
cluir que os dois processos sejam diferentes?

23. Numa pesquisa sobre possuidores de videocassete, encontram-se _


das 200 casas pesquisadas do bairro X e 240 das 500 residncias
bairro Y. H diferena significativa entre a proporo de possuidores
vdeo nos dois bairros? Use a. = 10%.

Respostas

224
10
ESTATSTICA
NO PARAMTRICA

10.1 INTRODUO
As tcnicas da Estatstica No Paramtrica so, particularmente, adapt-
veis aos dados das cincias do comportamento. A aplicao dessas tcnicas
no exige suposies quanto distribuio da populao da qual se tenha
retirado amostras para anlises. Podem ser aplicadas a dados que se dispo-
nham simplesmente em ordem, ou mesmo para estudo de variveis nominais.
Contrariamente ao que acontece na Estatstica Paramtrica onde as variveis
so, na maioria das vezes, intervalares, como foi visto nos Captulos 8 e 9. Os
testes no-paramtricos so extremamente interessantes para anlises de
dados qualitativos.
Os testes da Estatstica no paramtrica exigem poucos clculos e so
aplicveis para anlise de pequenas amostras (n < 30).
Como o prprio nome sugere, a estatstica no-paramtrica independe
dos parmetros populacionais (; cr2 ; cr; P ...) e de suas respectivas estimativas
ex, s2 , s, t... ).

10.2 TESTE QUl-QUADRADO

O mais popular teste no-paramtrico o teste qui-quadrado, ou teste de


adequao do ajustamento.
Seja e um experimento aleatrio. Sejam E1 , E2 , ... , Ek, "K" eventos asso-
ciados a e. Admita que o experimento realizado "n" vezes.
Sejam: Fo1, Fo2 , ... Fok as freqncias observadas dos "K" eventos.

225
Sejam: Fe 1, Fe2 , ... Fek as freqncias esperadas, ou freqncias te~
cas dos "K" eventos.
Deseja-se realizar um teste estatstico para verificar se h adequao e;
ajustamento entre as freqncias observadas e as freqncias esperadas. Is-:
, se as discrepncias (Fo; - Fe;), i = 1, 2, ... K, so devidas ao acaso, ou s:
de fato existe diferena significativa entre as freqncias.
Eis o procedimento para se efetuar o teste.
1Q) Enunciar as hipteses H0 e H1.
H0 afirmar no haver discrepncia entre as freqncias observao::.....
e esperadas, enquanto H1 afirmar que as freqncias observadas ::
esperadas so discrepantes.
22 ) Fixar a. Escolher a varivel qui-quadrado com <p = (K - 1). Lembre-s:
que K = nmero de eventos.
32 ) Com auxlio da tabela x2 , determinam-se RA e RC.

q>= k-1

RA
o

42 ) Clculo do valor da varivel


K
(Fo; - Fe;) 2 (Fo1 - Fe1) 2 (Fok - Fek)2
2 - ~
Xcal - k... Fe; Fe1 + + Fek
i= 1

5Q) Concluso
Se xca
2
1
< xsup
2 , no se pode rejeitar H0 , ou seja, as freqncias :-:
servadas e esperadas no so discrepantes.
Se xca
2 > xsup, rejeita-se
1
H0 , concluindo-se com risco a que h :.
crepncia entre as freqncias observadas e esperadas. Ou seja. -
h adequao do ajustamento.

226
Exemplos:
1. Em 100 lances de uma moeda, observaram-se 65 coroas e 35 caras.
Testar a hiptese de a moeda ser honesta, adotando-se a. = 5%.

Soluo: 12 ) H0: A moeda honesta.


H1: A moeda no honesta.

2 2 ) a. = 5%. Escolhe-se uma x~. pois K = 2 e q> = 2 - 1 = 1.


3 2 ) Determinao da RC e RA.

RA
o

4 2 ) Clculo do valor da varivel

Eventos Cara Coroa


Freqncias observadas 35 65
Freqncias esperadas 50 50

2
(Foi - Fei)~ (35 - 50)2 (65 - 50)2 _
Xcal
2 -
-
""'
"" Fei - 50 + 50 - 9
i= 1

52) Concluso:
Como x~ 2: 3,84, rejeita-se H0 , concluindo-se, com risco
de 5%, que a moeda no honesta.

Eis outro exemplo:


Deseja-se testar se o nmero de acidentes numa rodovia se distribui igual-
nte pelos dias da semana. Para tanto foram levantados os seguintes dados:
Dia da semana Dom Seg Ter Qua Qui Sex Sb
Nmero de acidentes 33 26 21 22 17 20 36

227
Adotar a = 5%.
Soluo: 1. H0 = As freqncias so iguais em todos os dias da ser:.
H 1 = As freqncias so diferentes.

2. a = 5%. Escolhe-se uma varivel qui-quadrado com


<p = K - 1 = 7 - 1 = 6.
3. Determinao de RA e RC.

RA
12,6

4. Clculo do valor da varivel.

Foes 33 26 21 22 17 20 3:
Fesp 25 25 25 25 25 25

Observe: Fesp = ?1 . 175 = 25


(33 - 25)2 (26 - 25)2 (21 - 25)2 (22 - 25 2
Xcal = 25 + 25 + 25 + 25 -

(17 - 25)2 (20 - 25)2 (36 - 25)2 = 12 o


+ 25 + 25 + 25 ,

5. Concluso
Como X~al < 12,6, no se pode rejeitar H0 , logo as frec_-
cias de acidentes no so diferentes para os dias da ser:.-

EXERCCIOS - SRIE 1 - CAPTULO 10 Respostas


1. Uma moeda lanada 200 vezes e verifica-se 11 O caras e 90 cor-:_
Testar a honestidade da moeda, sendo a = O, 1O.

228
Respostas

2. Um dado lanado 180 vezes e as seguintes freqncias so observa-


das:

Eventos Sair o 1 Sair o 2 Sair o 3 Sair o 4 Sair o 5 Sair o 6


Freqncias 31 28 35 26 29 31

Testar a hiptese do dado no ser viciado adotando a= 0,05 e a= 0,025.

3. Em 240 lances de um par de dados, observaram-se 17 somas "4" e 42


somas "?". Verificar se os dados so honestos adotando o nvel de signi-
ficncia 0,01.

4. O ltimo algarismo do CIC de 40 pessoas resultou:


2 8 o 4 5 7 3 7 7 4 3 2 o 9 6 5 9 1 9
8 o 3 3 2 9 8 7 6 6 o 2 4 9 3 7 6 4

Testar se razovel supor esses nmeros aleatrios, a = 5%.


5. O nmero de pessoas de certa raa que possua 4 tipos de sangue estaria
nas propores O, 18; 0,48; 0,20; O, 14. Dadas as freqncias observadas
de 180; 360; 130 e 100 para uma outra raa, coloque prova a hiptese
da igualdade das distribuies. Adote a = 2,5%.

6. O nmero de livros emprestados por uma biblioteca, durante uma deter-


minada semana, est indicado a seguir. Testar a hiptese de o nmero
de livros emprestados no depender do dia da semana, sendo a = 0,01.

Dias da semana Seg Ter Qua Qui Sex


Nmero de livros emprestados 11 O 135 120 146 114

10.3 TESTE QUlQUADRADO PARA INDEPENDNCIA


OU ASSOCIAO
Uma importante aplicao do teste qui-quadrado ocorre quando se quer
estudar a associao ou dependncia, entre duas variveis. A representao
das freqncias observadas dada por uma tabela de dupla entrada ou tabela
de contingncia.
O clculo das freqncias esperadas fundamenta-se na definio de va-
riveis aleatrias independentes, conforme visto no Captulo 2. Isto : diz-se
que X e Y so independentes se a distribuio conjunta de (X, Y) igual ao
produto das distribuies marginais de X e de Y. Isto :
P (x;. Yjl = p (X;) p (yj) para todo i e j.
Procedimento para efetuar o teste:
1. H0 : as variveis so independentes, ou as variveis no es .
associadas.
H1: as variveis so dependentes, ou as variveis esto E-
ciadas.
2. Fixar a. Escolher a varivel qui-quadrado com <p = (L - 1) (C -
onde L = nmero de linhas da tabela de contingncia, e C = n~
de colunas.
3. Com auxlio da tabela x2 , determinam-se RA e RC.

cp

RA
o

4. Clculo do valor da varivel.


L
2
Xcal -- ""
L,,
i= 1 j=1

onde cada Feij determinado por

Fe .. = (soma da linha i) (soma da coluna j)


IJ (total de observaes)

5. Concluso
Se X~al < X~up' no se pode rejeitar H0 , isto , no se ~
dizer que as variveis sejam dependentes.

Se X~al > x~up' rejeita-se H0 , concluindo-se com risco a , e ::


as variveis so dependentes, ou esto associadas.

Exemplo: Testar ao nvel de 5% se h dependncia entre as preferno~


por sabor da pasta de dentes e o bairro.

230
Bairros
Sabor da pasta :E
A B e
limo 70 44 86 200
chocolate 50 30 45 125
hortel 10 6 34 50
outros 20 20 85 125
:E 150 100 250 500

Soluo: 1. H0 : A preferncia pelo sabor independe do bairro.


H1 : A preferncia pelo sabor depende do bairro.

2. a = 5%. Escolher um x2 com:


<p = (4 -1) (3 - 1) = 6 g 1

3. RA e RC.

<p=6

4. Clculo do valor da varivel.


A tabela das freqncias esperadas dada por:

Bairros
Sabor
A (1) B (2) e (3)
(1) limo 60 40 100

(2) chocolate 37,5 25 62,5

(3) hortel 15 10 25

(4) outros 37,5 25 62,5

231
onde, por exemplo,
(soma da linha 1) (soma da coluna 1)
total de observaes

ou seja:
(150) (200) = 60
500

(soma da linha 4) (soma da coluna 3)


e
Fe43 = total de observaes

Fe43 = (125) (250) = 62 5


500 '

Assim:

2 (70 - 60)2 (50 - 37,5)2 (1 o - 15)2 (20 - 37,5)6


Xcal 60 + 37,5 + 15 + 37,5 +
(44 - 40)2 (30 - 25)2 (6 - 10) 2 (20 - 25)2
+ 40 + 25 + 1o + 25 +

+ (86 - 100)2 + (45 - 62,5)2 (34 - 25)2 (85 - 62,5)2 = 37 88


100 62,5 + 25 + 62,5 '

5. Concluso: Como x~' > 12,6, rejeita-se H0 , concluindo-se,


com risco de 5%, que h dependncia entre sabor da pasta
de dentes e o bairro.

Observaes:
1 . O teste qui-quadrado de associao aconselhvel quando o tama-
nho da amostra razoavelmente grande e deve ser aplicado com
maior cuidado se existem freqncias esperadas menores do que 5.
Nestes casos, a soluo juntar classes adjacentes evitando-se que
Fesp < 5.
2. Quando uma das variveis possui nveis que contemplam todas as
categorias da populao (por exemplo: varivel sexo: masculino e fe-
minino, no sendo possvel outra modalidade de sexo ... ) diz-se que
o teste de homogeneidade.

232
3. Um indicador do grau de associao entre duas variveis analisadas
pelo teste qui-quadrado o coeficiente de contingncia, dado por:

O coeficiente pode variar entre [O, 1], estando mais associadas as vari-
veis quanto maior o valor de C. O limite superior do coeficiente depende do
tamanho da tabela de contingncia. Assim, para tabelas (2 x 2), o mximo de
C dado por 0,7071. Sendo maior para tabelas maiores.

EXERCCIOS - SRIE li - CAPTULO 10 Respostas


1. Testar (a= 5%) se h alguma relao entre as notas escolares e o salrio.

Notas Escolares.

s Alta Mdia Baixa


A
L
Alto 18 17 5
R Mdio 26 38 16
1
o Baixo 6 15 9

2. A tabela apresenta os resultados de um experimento destinado a investi-


gar o efeito da vacinao de animais contra determinada doena. Testar
a homogeneidade dos resultados utilizando: a) a = 5%; b) a = 1%.

Contraram a doena No contraram a doena


Vacinados 14 42
No vacinados 16 28

3. Determine o valor do coeficiente de contingncia considerando os dados:

Arena PMDB

Homens 50 72
Mulheres 29 35

4. Verificar se h associao entre os nveis de renda e os municpios onde


foram pesquisados 400 moradores. Adote a = 1%.

233
Respostas
Nveis de renda
Munlclplos
A B e D
1
1 28 42 30 24
2 44 78 78 76

5. Os dados abaixo so o resultado de um questionrio aplicado a 500 eleit~

Opinio a Partidos
respeito Esquerda Centro Direita
da pena de morte

Aprovam 35 50 80
No aprovam 45 80 60
Sem opinio 20 70 60

Os dados sugerem que a opinio em relao pena de morte seja irir.,,;-


pendente do partido? Use a = 5%.

10.4 TESTE DOS SINAIS


utilizado para anlise de dados emparelhados (o mesmo indivd uo -
submetido a duas medidas). aplicado em situaes em que o pesquisac:-
deseja determinar se duas condies so diferentes.
A varivel de estudo poder ser intervalar ou ordinal. O nome "teste e::
sinais" se deve ao fato de se utilizar em sinais "mais" e "menos" em lugar e:
dados numricos. Assim, se houve alterao para maior, usa-se (+), se pa."":
menor, (- ). No havendo alterao, atribui-se (O) . Para o teste desconsidera-
se os casos de empate, ou seja, os pares em que foram atribudos zeros.
A "lgica" do teste que as condies podem ser consideradas igua.:
quando as quantidades de "+" e "- " forem aproximadamente iguais. Isto :
proporo de sinais "+" equivale a 50%, ou seja: p = 0,5.

Procedimento:
1. H0 : no h diferena entre os grupos, ou seja: p = 0,5.
H1 : h diferena, ou seja: uma das alternativas
p * 0,5
(a)
p < 0,5 (b)
p > 0,5 (e)

234
2. Fixar a. Escolher a distribuio N (0, 1) se n > 25 ou Binomial
se n :.,;;; 25.
3. Com auxlio da tabela, determinam-se RA e RC (para n > 25),
caso n < 25 utiliza-se a distribuio Binomial.

'
'
''
'
RA
o Za
z
-Za
2 (a)
2

4. Clculo do valor da varivel (n > 25)


Z - y - n. p. onde:
cal - -Jn. p. q.
y nmero de sinais "+"
n = ta,.rrianhe da amostra descontados
os empates
p 0,5
q 1 - p = 0,5

5. Concluses:

Se - Z %Zcal :.,;;; Z .% no se pode rejeitar H0 .

Se Zcal > Z %ou Zcal < - Z % rejeita-se H0 , concluindo-se,


com risco a, que h diferena entre os dois grupos, ou duas
condies.

Exemplo: Sessenta alunos matriculam -se num curso de ingls. Na primeira


aula aplica-se um teste qu e mede o conhecimento da lngua. Aps
seis meses, aplica-se um segundo teste. Os resultados mostram
que 35 alunos apresentaram melhora (35 "+"), 20 se conduziram
melhor no primeiro teste (20 "-") e 5 no apresentaram modifi-
cao (5 "O"). Testar, no nvel de 5%, se o curso alterou o conhe-
cimento de ingls do grupo de 60 alunos.

Soluo: 1. H0 : O curso no alterou (p = 0,5).


H1 : O curso melhorou o conhecimento de ingls.

235
2. a = 5%. Varivel N (O, 1)
3. RA e RC

Observe, devido ao enunciado de H , optou-se pelo teste unicauc:.


1
direita. Caso H 1 fosse "piorou", o teste seria unicaudal esquerda.

4. Clculo do valor da varivel.


z - 35 - 55 (0,5) = 2,02
cal - ,,,/55 (0,5) (0,5)

onde: y = 35
n = 60 - 5 = 55
p = q = 0,5

5. Concluso
Como Zcal > 1,64, rejeita-se H0 , concluindo-se, com riscc
5%, que o curso melhorou o conhecimento de ingls.

10.5 TESTE DE WILCOXON


Trata-se de uma extenso do teste dos sinais. mais interessante do
aquele, pois leva em considerao a magnitude da diferena para cada o:.
=-

Procedimento:
Antes de enunciar as hipteses preciso:
a) Determinar para cada par a diferena (di) entre os dois escc =-
b) Atribuir postos (colocar em ordem crescente) a todos os ~::
desconsiderando-se os sinais. No caso de empate, atribL
mdia dos postos empatados.

236
c) Identificar cada posto pelo sinal "+" ou "-" do "di" que ele
representa.
d) Determinar T = a menor das somas de postos de mesmo sinal.
e) Abater do "n" o nmero de zeros, isto , di = O.

Eis o teste:
1. H0 : no h diferena entre os grupos.
H 1 : h diferena.
2. Fixar a. Escolher a varivel N (O, 1) se n > 25. Se n ,,;; 25 h
tabela prpria.
3. Com auxlio da tabela N (O, 1) determinam-se RA e RC .

4. Clculo do valor da varivel


T- T
zcal = - -- onde: T = menor das somas de
r postos de mesmo sinal
_ n (n + 1)
cn- 4

_ ~ n (n + 1) (2n + 1)
cn- 24

5. Concluso:

Se - Z %, ;; Zcal ,,;; Z % no se pode rejeitar H0 .


Se Zcal > Z % ou Zcal < - Z % rejeita-se H0 , concluindo-
se, com risco a, que h diferena entre os dois grupos, ou
duas condies.

237
Exemplo: Ser apresentado um exemplo com n < 25, todavia, no se e
a tabela apropriada. O propsito ilustrar o procedimento de -
Um grupo de 15 pessoas submeteu-se a um novo processo de er _
cimento. Testar no nvel de 5% a hiptese de que no houve diminui:
nificativa do peso.

Indivduos Peso (kg) antes da dieta Peso (kg) depois da e.

85 83
2 78 70
3 65 67
4 80 80
5 58 60
6 58 55
7 93 80
8 80 79
9 80 84
10 65 60
11 62 60
12 87 87
13 95 90
14 513 57
15 90 94

Soluo: Convm apresentar os dados numa tabela do tipo:

Peso-antes Peso-depois di Postos(+) Postos (-4


85 83 (85 - 83) = 2 4,5
78 70 8 122
65 67 -2 4,5
60 80 o
58 60 -2 4,52
58 55 3 7
93 80 13 13

contir:..::

238
Peso-antes Peso-depois di Postos(+) Postos(-)

80 79 1,5
80 84 -4 8,5
65 60 5 10,52
62 60 2 4,5
87 87 o
95 90 5 10,52
58 57 1,5
90 94 -4 8,5
L 65 26

Veja:
houve empate para di = 1, ento o posto atribudo foi:
12 + 2 = 1 5
2 '
32 + 4 + 5 2 + 6 2 = 4 52
para di = 2, tambm houve empate, assim,
4 '
ser o posto atribudo ao "2"
e dessa maneira para os demais casos.
Teste: 1. H0 : no houve diferena dos pesos.
H1: houve diferena.
2. a= 5%. Escolher a distribuio N (O, 1).
3. Determinao de RA e RC.

239
4. Clculo do valor da varivel.
T = 1O (menor das somas)
Lembre-se: n = 15, mas houve dois empates, logo

13 (13+1)
n* = 13 T = = 45,5
4

... I 13(13 + 1>(2(13) + 1> = 14,31


m = \J 24

zcal = 26 - 45,5 = -1,36


14,31

5. Como -1,96 :s Zca1 :s 1,96, no se pode rejeitar H0 ao nvel de 5c:

10.6 TESTE DE MANN-WHITNEY

usado para testar se duas amostras independentes foram retiradas :.-


populaes com mdias iguais. Trata-se de uma interessante alternativa a-
teste paramtrico para igualdade de mdias, pois o teste Mann-Whitney n2-
exige nenhuma considerao sobre as distribuies populacionais e suas .:.
rincias. Como foi visto, o teste paramtrico para igualdade de mdias ex"
populaes com distribuies normais de mesma varincia.
Este teste poder ser aplicado para variveis intervalares ou ordinai s.

Procedimento:
a) Considerar n1 = nmero de casos do grupo com menor qua-
dade de observaes e n2 = nmero de casos do maior grupo.
b) Considere todos os dados dos dois grupos e coloque-os e-
ordem crescente. Atribua primeiro ao escore que algebric:.
mente for menor e prossiga at N = n1 + n2 ,

s observaes empatadas atribuir a mdia dos postos correspondente:

c) Calcular R 1 = soma dos postos do grupo n 1.


R2 = soma dos postos do grupo n2 .
d) Escolher a menor soma entre R1 e R2 .

240
e) Calcular a estatstica:
n1(n1 + 1)
1 = n1 n2 + 2 - R1
n2 (n2 + 1)
ou 2 = n1 . n2 + 2 - R2

Teste:
1. H0 : no h diferena entre os grupos.
H1 : h diferena.
Para n1 , n2 < 1O h tabela prpria.
2. Fixar a. Escolher a varivel N (O, 1).

3. Com auxilio da tabela N (O, 1) determinam-se RA e RC.

'
'
1'
1

RA
- Za o Za
z
2 2

4. Clculo do valor da varivel.


- (u)
zcal = cr(u)

onde: ( u)

... / n1 n2(n1 + n2 + 1)
<J(U) = \J----12_ __ _

5. Concluso:

Se - Z %"" Zcal "" Z % no se pode rejeitar H0 .


Se Zcal > Z ~ ou Zcal < - Z ~ rejeita-se H0 , concluindo,
com risco a , que h diferena entre os grupos.

241
Exemplo: Determine, no nvel de 10%, se as vendas mdias dos dois "shop-
pings" so diferentes.

Shopping A Shopping B
(em 106 $)
10 22
18 17
9 15
8 10
2 7
11 7
4 8
3 14
9 15
12
10

Soluo: a) n1 = 9 (shopping B) e n2 = 11 .
b) Postos de todas as vendas.

A B
11 Q 20Q
19Q 1BQ
8,5Q 16,5Q
6,5Q 11 Q
1Q 4,5Q
13Q 4,5Q
3Q 6,5Q
2Q 15Q
8,5Q 16,5Q
14Q
11 Q
Soma 97,5 112,5

R2 = 97,5 R1 = 112,5

242
d) Escolher R2 = 97,5
11(11+1)
e) U2 = 9(11) + - 97,5 = 67,5
2
Teste:
1. H0 : as vendas so iguais.
H1: as vendas so diferentes.

2. a = 10%. Escolher N (0,1)

3. Com auxlio da tabela:

RA
-1,64 o 1,64
z

4. Clculo do valor da varivel

(u) = <9)~11 ) = 49,5

( ) = '19{11}{9 + 11 + 1} = 13,16
cr u 12

67,5 - 49,5
Zcal = = 1,37
13,16

5. Concluso:
Como -1,64 =s:: Zcal =s:: 1,64, no se pode rejeitar a hiptese
de que as vendas so iguais.

10.7 TESTE DA MEDIANA

Trata-se de uma alternativa ao teste de Mann-Whitney. Testa-se a hipte-


se de dois grupos independentes tenham medianas iguais. aplicado para
variveis ordinais ou intervalares.

243
Procedimento:
a) Determina-se a mediana do grupo combinado (duas amostras juntas
b) Monta-se a tabela:
Grupo I Grupo li

Freqncias observadas
acima da mediana

Freqncias observadas
abaixo ou igual mediana

c) Realiza-se o teste:
1. H0 : As medianas so iguais.
H1 : As medianas so diferentes.

2. Fixar a. Escolher a varivel qui-quadrado com <p = 1 gl.


3. Com auxlio da tabela qui-quadrado determinam-se RA e RC.

q>=1

RA
o
4. Clculo do valor da varivel.

2
Xcal =
~
k...
(Foij - Fe; /
Fe-
i=1 j=1 IJ

As freqncias observadas so obtidas pela contagem dos elemento::


de cada grupo que se encontram acima da mediana, e aqueles que est:
abaixo ou so iguais mediana.
As freqncias esperadas so obtidas da mesma maneira que aque ::
utilizada para o teste x.2 de independncia:
(soma da linha i) (soma da coluna j)
Feif= ~~~~~~~~~~~~~~~
(total de observaes)
244
5. Concluso:
Se x2cal ,,;; x2sup, no se pode rej eitar H0 .
Se X~al > x~up' rejeita-se H0 , concluindo-se com risco a que as
medianas so diferentes.
Exemplo: Duas turmas de Estatstica de duas faculdades distintas obtiveram
as seguintes notas:
Fac. X: 8 - 7 - 5 - 5 - 1O - 4 - 6 - 9 - 3
Fac. Y: 1- 2 - 4 - 6 - 8 - 10 - 7

Testar no nvel de 5% a igualdade das medianas.

Soluo: Calcula-se a mediana do grupo combinado.

X; F; Fac -n = -16 = 8g
1 1 1 2 2

2 1 2

3 1 3 16
!2 + 1 =2 + 1 = 92
4 2 5 2
5 2 7
6 + 6
2 9 ~ 8g e gg logo Md = - - = 6
6 2
7 2 11

8 2 13

9 1 14

10 2 16

:E 16

Monta-se a tabela:
Fac. X Fac. Y l:

Freqnci as acima da mediana

Freqnc ias abaixo ou igual mediana

9 7 16
9 x7
Observe que Fe11 = 16 = 3,94

Trata-se da freqncia observada de notas acima de 6 na Faculdade X. Confira.


245
O teste:
1. H0 : As medianas so iguais:
H1 : As medianas so diferentes.

2. a. = 5%. Escolhe-se a varivel qui-quadrado com 1 gl.


3. RA e RC.

4. Clculo do valor da varivel (*)


2 2 2
2 - (4 - 4) (5 - 5 ) (3 - 3) + (4 - 4) 2 = o
XC~ - 4 + 5 + 3 4

5. Concluso : Como xca


2
1
< 3,84, no se pode rejeitar a hipr=--
de que as medianas so iguais.

10.8 TESTE KRUSKAL-WALLIS


Trata-se de teste extremamente til para decidir se K amostras (K > _
independentes provm de populaes com mdias iguais. Poder ser aplica:
para variveis intervalares ou ordinais.

Procedimento:
a) Dispor, em ordem crescente, as observaes de todos os K g rup:
atribuindo-lhes postos de 1 a n. Caso haja empates, atribuir o pcs:
mdio.

246
b) Determinar o valor da soma dos postos para cada um dos K grupos: Ri
i = 1, 2, ... , K.
c) Realizar o teste:
1. H0 : As mdias so iguais.
H1 : H pelo menos um par diferente.

2. Fixar a. Escolher uma varivel qui-quadrado com q> = k - 1.


3. Com auxlio da tabela qui-quadrado determinam-se RA e RC.

q>= k-1

RA
o

4. Calcula-se a estatstica:

12 K (R;)2
H= - - - - I - - cn +
n (n + 1) i = 1 n;
3 1)

5. Concluso:
Se H < x2sup, no se pode rejeitar H0 .
Se H > x2sup, rejeita-se H0 concluindo-se
.
com risco a que h
diferena entre as mdias dos K grupos.

Exemplo: Testar, no nvel de 5%, a hiptese da igualdade das mdias para


os trs grupos de alunos que foram, submetidos a esquemas di-
ferenciados de aulas. Foram registradas as notas obtidas para
uma mesma prova.

247
Aulas Expositivas Aulas com recursos Aulas atravs de
audiovisuais ensino programado

65 60 61
62 71 69
68 66 67
70 63 72
60 64 74
59

Soluo: Atribuem-se postos s notas:

Postos

Aulas Aulas Recursos Aulas


Expositivas Audiovisuais Ensino Programadc
a2 2,52 42
52 142 122
11 2 92 102
132 6g 15
2,52 7g 162
1g
L. 39,5g 39,5g 572

1. H0 : as notas mdias so iguais.


H1 : as notas mdias so diferentes.
2. a = 5%. Escolhe-se uma distribuio qui-quadrado corr :
pois <p = K - 1 = 3 - 1 = 2.
3. Com auxlio da tabela da distribuio determinam-se RA =

248
RA
o 5,99

4. Clculo da estatstica H.

12 [ 39,52 39,52 572 ]


H = 16 (16 + 1) - 5- + - 6 - + 5 - 3 (16 + 1)

H = 2,90 .
5. Concluso: Como H < 5,99, no se pode rejeitar H0 .
Assim, as notas mdias podem ser consideradas iguais, ao
nvel de 5%.

EXERCCIOS - SRIE Ili - CAPTULO 1O Respostas


1. Para cada uma das situaes aplique o teste dos sinais e o teste de
Wilcoxon. Adote a = 2,5%.
a) Indivduos submetidos a um programa de dieta.

Peso (kg) pr-dieta Peso (kg) ps-dieta Continuao

55 50 48 50
63 65 49 51
78 78 90 81
81 79 93 85
68 70 90 90
58 57 56 58
60 58 66 64
60 62 67 68

249
Respostas

Peso (kg) pr-dieta Peso (kg) ps-dieta Continuao

75 70 73 7G

85 81 74 7C

90 80 48 53

50 60 68 65

58 55 72 7C
83 75 86 83

47 52 80 8

b) Veculos com um novo aditivo.

Km//

Antes Depois Antes Depois

8,7 9,3 4,8 5,5

9,8 9,2 6,7 6,8

10,0 9,5 8,3 8,5

9,6 9,6 9,5 9,0

8,5 8,8 10,5 10,0

5,8 6,5 12,5 13,0

6,3 7,0 12,5 12,0

12,5 11,5 9,0 10,0

8,8 8,9 14,0 12,0

7,3 8,0 13,0 11 ,0

12,5 11 ,0 9,5 10,5

13,8 14,0 8,0 9,3

2. Use o teste de Mann-Whitney para determinar se a mdia do grupo


maior do que a mdia do grupo Y. Adote a = 1%.
R X: 63 65 70 48 50 81 88 99 35 47 75 85 61
Y: 90 50 60 70 40 38 89 47 51 65 87

3. Aplique o teste da mediana nos dados do Exerccio 2. Adote a = -


Compare as concluses.

250
Respostas
So dadas as duraes (em km) de duas marcas de amortecedores. Apli-
que um teste para verificar a igualdade das quilometragens. Use a = 5%.

Marca A Marca B
26.560 33.400
21 .900 29.600
28.800 25.500
27.700 27.900
31.800 24.500
24.500 23.800
27.800 27.800
30.600 30.100
25.600 28.860
24.600 27.700
25.400 24.450
35.500 32.300
26.300 34.300
27.900
28.400

5. Testaram-se quatro tipos de lmpadas para determinar se havia diferena


entre suas vidas mdias. Adote a = 5% para realizar o teste estatstico
que confirma, ou no, a igualdade da durao.

MARCA A 704 604 1.038 881 924 672 723 591


MARCA B 752 709 717 921 761 991 805 981
MARCA C 873 666 1.021 992 816 918 978 1.203
MARCA D 690 850 824 856 915 734 799 700

6. Verificar se h diferena entre as vendas mdias dos shoppings. Use a = 2,5%.

(Em$ 1.000.000)
A 3,2 4 ,8 5,0 2,7 1,8 6,0 7,0 5,5
B 6,2 1,3 1,7 2,0 5,0 2,3
c 5,0 4,0 3,0 2 ,0 1, 7 1,0 4,5

251
11
COMPARAO DE
VRIAS MDIAS -
ANLISE DA VARINCIA

11.1 INTRODUO
Nos captulos anteriores foram apresentados testes, paramtrico e n:
paramtrico, para verificar a igualdade entre duas mdias: teste "t" e de Mar-
Whitney. Ainda no Captulo 1 O o teste de Kruskal-Wallis foi aplicado para tesiE..
a igualdade de K mdias, K > 2.
Uma alternativa ao teste de Kurskal-Wallis a anlise da varincia.
Trata-se de um mtodo estatstico, desenvolvido por Fisher, que atra _
de testes de igualdades de mdias, verifica se fatores produzem mudan:..
sistemticas em alguma varivel de interesse. Os fatores propostos podem s:-
variveis quantitativas ou qualitativas, enquanto a varivel dependente de -
ser quantitativa (intervalar) e observada dentro das classes dos fatores - :_
tratamentos.
Por exemplo, pode-se estar interessado no consumo de combustvel e:_
automveis. Poder-se-ia admitir que a marca do veculo, idade, potncia s-:
como fatores. Por meio da anlise da varincia possvel verificar se as me;.
cas, idade, potncia ... , ou uma combinao desses fatores produzem efe;: _
apreciveis sobre o consumo, ou se concluir que tais fatores no tm influnc:
sobre o consumo.
A finalidade apresentar os fundamentos esse mtodo. Para estua:_
mais aprofundados recomenda-se consultas a livros que tratam, com exo_
sividade, desse assunto.
11.2 HIPTES ES DO MODELO
H trs suposies bsicas que devem ser satisfeitas para que se possa
aplicar a anlise da varincia.
1. As amostras devem ser aleatrias e independentes.
2. As amostras devem ser extradas de populaes normais.
3. As populaes devem ter varincias iguais.

11.3 CLASSIFICAO NICA OU EXPERIMENTO DE UM


FATOR
Admite-se um nico fator (varivel independente) que subdividido em
tratamentos (nveis do fator). A varivel de estudo (varivel dependente)
medida atravs de amostras de cada tratamento. Eis a configurao desse tipo
de experimento:

~ o
da a os
1 X11
2

X21
3

X31
K

XK1

2 X12 X22 X32 XK'2


3 X13 X23 X33 X1<3

Somas Total

Mdias X

i = 1, 2, 3, ..., K
j = 1, 2, 3, ... , n;

Assim xij denota o valor da fsima observao sujeito ao i-simo tratamento.

253
A mdia dos valores observados no -simo grupo ser

n;

L. xij
i= 1
xi = i = 1, 2, ... , K
ni

A mdia geral dada por:

K n; K
- 1 - 1
X=-n L, L, xij ou X= -n L, nixi
= 1 j=1 i=1

K
em que n = L, ni o nmero total de observaes.
= 1

A hiptese nula de que todos os tratamentos tenham mdias iguais, is:


:

E que todas as "K" populaes dos tratamentos tenham a mesma varir-


cia: cr2.
A hiptese alternativa de que pelo menos um par de mdias seja difE-
rente:

A aceitao de H0 revelar que o fator considerado no acarreta mudar-


as significativas na varivel de estudo. Por outro lado, a rejeio de H0 ind -
car , com risco a, que o fator considerado exerce influncia sobre a varive
de estudo.
A base da anlise da varincia est nas comparaes que podem se
feitas com os estimadores da varincia comum de todos os tratamento (cr2 ).

254
11.3.1 Estimadores da Varincia Comum cr2
Admitindo-se H0 como verdadeira, pode-se estimar a varincia comum de
trs maneiras diferentes:
1) No primeiro caso consideram-se os K tratamentos como uma nica
amostra de tamanho n e a mdia geral X. Se H0 : 1 = 2 = ... = K =
verdadeira, tem-se que:

K n
L L (x;j - x )2
= 1 j= 1
St2_
- n- 1

ser um estimador justo de cr2 , isto , E [Sf] = cr2. Por outro lado, se H0 no
for verdadeira, s[ ir superestimar cr2 (veja configurao frente) .
K n
Ao numerador L, L, (X;j - x) 2 denomina-se variao total ( Qt).
i= 1 j=1

:E :E (X - x ) 2
Pelo Teorema de Fisher:
a
i , tem distribuio qui-quadrado
com (n - 1) graus de liberdade.

Desenvolvendo-se o quadrado obtm-se uma frmula prtica para o cl-


culo da variao total. Assim :

K n;
Variao total = Qt = L L xij - e
i= 1 j= 1

2
n. ]
em que
(
K
L,
= 1
i,
j= 1
xij

C= - -- - - -
n

255
2~) A segunda forma de se estimar a varincia comum cr2 pela e:
derao das mdias dos K grupos e a mdia geral X. Se H for verdac-
0
teremos para cada amostra:

K
L. cxi - x)2
1
s2= i= ser um estimador justo de cr2 e
K-1 ~

K
L ni (Xi - x)2
i= 1
S2
e
= n. 5 2
'
=-----
K - 1

ser um estimador justo de cr2 , isto : E[S~] = cr2.


Porm, se H0 no for verdadeira, S~ ir superestimar cr2 . (Veja a cc-.r
gurao frente).
K
Ao numerador L ni (xi - x) 2 denomina-se variao entre tratamen tc:
i= 1

Pelo teorema de Fisher:


K
L ni (xi - x)2
i= 1
, tem distribuio qui-quadrado com (k - 1) graus :.-
liberdade.

Eis a frmula prtica para o clculo de Qe.

Qe = - e

256
3) A terceira maneira de se estimar a varincia cr2 comum ser por meio
de cada uma das K amostras. Assim, para o i-simo tratamento, tem-se:

Como i = 1, 2, .. ., K tm-se "K'' estimadores do tipo sr Ento o estima-


dor da varincia comum ser dado pela mdia aritmtica dos Sr ponderadas
pelos respectivos graus de liberdade(<!>;= n; - 1), assim:

ou seja
s2 = = 1 j= 1
r n - K

Sob a condio de H0 ser verdadeira ou no, tem-se E [StJ = cr2, isto ,


S~ justo. (Veja configurao frente).

K n;

Ao numerador L,. L,. (xij - xi)2 denomina-se variao dentro dos trata-
i= 1 j=1
mentos ou variao residual (Qrl

Pelo teorema de Fisher:


K n;

L L (Xij - x) 2
= 1 j= 1
, tem distribuio qui-quadrado com (n - k) graus de

liberdade.

257
Eis a frmula prtica para o clculo de o,.

K
o, = L.
i=1

Pode-se demonstrar que:

Isto , a variao total igual soma da variao entre tratame


ntos e :
variao residual. Ou seja, 0 - Qe - O, = O.
1
Resumindo, as variaes 0 , Qe e o, tm distribuio x2
1 respecti :
mente com (n - 1), (K - 1) e (n - K) graus de liberdade.

Isto : xn-1
2
= x2K-1 + x2n-K
Nota-se que: (n - 1) = (K - 1) + (n - K)
Sendo esta a condio necessria e suficiente para que Xk- 1 e xL
sejam independentes.
Dessa maneira,

Xk-1 Qe
K - 1
F = - 2-
K - 1 S~
= - Q- = - 2
Xn - K r S,
n-K n- K

ter distribuio F com (K - 1) g e. no numerador e (n - K)


g t. no denom -
nador.
O quociente F ser utilizado para testar a hiptese H .
0
Quanto mais prximo de 1 for o quociente H dever ser aceita;
0 ao con-
trrio, quanto maior o valor de F, o teste ir indicar a rejeio
de H0 , e nesse
caso conclui-se com risco a que o fator considerado tem influn
cia sobre a
varivel dependente.

258
11.3.2 Fundamentos da Anlise da Varincia (ANOVA)
A configurao seguinte ilustra a base do mtodo e o conseqente uso
do quociente F para se testar a hiptese da igualdade das mdias. Para
tanto, vamos supor trs amostras de quatro elementos cada uma, cujos
valores so:

Amostra 1: x1j : 14 16 15 13
Amostra 2: x2j : 7 7 8 9
Amostra 3: x3j : 16 17 18 19

e que esto mostradas no grfico:

1 1 1 1 1 1 1 1 1 1 1 1 X X X X 1 1 1 1 1 X11
13141516

X
1 1 1 1 1 1 1 X X X 1 1 1 1 1 1 1 1 1 1 1 1 X21
7 8 9

1 1 1 1 1 1 1 1 1 1 1 1 1 X X X X 1 1
16 17 18 19

V-se claramente um caso em que a hiptese H0 ser rejeitada pela


anlise de varincia. As trs amostras parecem confirmar a hiptese de
homocedasticidade (varincias iguais), todavia, as mdias, diferem claramente
de amostra para amostra: (x1 = 14,5; x2 = 7, 75; x3 = 17,5) calculando-se,
dessa forma, os valores das estimativas da varincia encontraremos:
Sf = 19,30; s~ = 99,75; s;- = 1,42.
Nota-se pela anlise do grfico e dos resultados que, sendo H0 falsa, haver
uma tendncia de Sf e S~ superestimarem (1 9,30 e 99,75, respectivamente) cr2.
O que no ocorre com S~ , j que, s;- = 1,42, uma boa estimativa de cr2.
Contrariamente, se H0 for verdadeira, Sf, S~ e S~ fornecero boas esti-
mativas para cr2 . Imagine, olhando para o grfico com os trs grupos alinhados
em torno de um eixo vertical (x).
Tem-se a o fundamento lgico da anlise da varincia. Na verdade, o
teste de igualdade de mdias substitudo por um teste de igualdade de
." . . 2 2
varianc1as. cr0 = r

259
Assim, se a hiptese de igualdade das varincias for aceita, pode-se
cluir que as mdias so iguais, pois neste caso o estimador o S~ ter a rr:-
dimenso que Si",
ou seja, o quociente entre ambos estar prximo da L -
de. Porm, se a hiptese da igualdade das mdias no verificada se -
S~ bem maior do que S'f, e conseqentemente o valor do quociente ser :-
maior do que a unidade.
fcil compreender que o teste da anlise da varincia ser unicauc:..
direita, com o risco ex concentrado na cauda direita.

11.3.3 Quadro de Anlise da Varincia


Os resultados obtidos podero ser reunidos no Quadro de Anlise
Varincia, assim:
Quadro de Anlise da Varincia

Fonte de Soma de Graus de Quadrados Teste


Variao Quadrados Liberdade Mdios F

Entre
Qe K-1 s2 =~
Tratamentos e K- 1
s~

Dentro das Qt - Qe
Fcat = SJ
Amostras O,= Qt - Qe n-K s2=
r n - K
(Residual)

Total Qt n- 1

Para testar a hiptese H0 : 1 = 2 = 3 = .. . = K = cor


H1: P * q , para p * q, compara-se o valor Fcal com o valor F tabea~
com (K - 1) g e no numerador e (n - K) no denominador, fixando certo n -
ex de significncia.
Se Fcal ,;;; Ftab ento aceita-se H0 e conclui-se com risco ex que o fa-:
considerado no causa efeito sobre a varivel em estudo. Por outro lado. x
Fcal > Fiab rejeita-se H0 , concluindo-se pela diferena das mdias e cons::-
qente influncia do fator sobre a varivel analisada.
A seguir apresenta-se um procedimento para a efetivao do teste:

12 ) Dispor os elementos, segundo a tabela a seguir, obtendo as so rr~


das colunas e suas respectivas mdias.

260
-
Tratamentos
1 2 3 K
Elemento
da amostra
X11 X21 X31 XK1

2 X12 X22 X32 XK2

2) Calcula-se a constante

K n;

3) Avalia-se a soma: L,. L,. xff , obtendo a variao total


i= 1 i= 1

K n;

Or= I.. I.. xff - e


i= 1 j= 1

42 ) Calcula-se a variao entre tratamentos

261
5) Obtm-se a variao residual por diferena: a, = 0 1 - 0 8.
2
6 ) Constri-se o Quadro de Anlise da Varincia, avaliando o Fcai
7) Determina-se a regio crtica e de aceitao da hiptese H0 por me:
da tabela F.

f (F)

F (K - 1, n - k)

RA
F
o F,..

8) Compara-se Fcal com Fiab obtendo-se a concluso.

Exemplo: O resultado das vendas efetuadas por 3 vendedores de uma ~


dstria durante certo perodo dado a seguir. Deseja-se saber, a:
nvel de 5%, se h diferena de eficincia entre os vendedores.

Vendedores
A B e
29 27 30
27 27 30
31 30 31
29 28 27
32 29
30

Soluo: Sem afetar os resultados, pode-se subtrair uma constante, digamo:;


28, a todos os valores, simplificando dessa maneira os clculos.

262
Assim:

Vendedores
A B e
1 -1 2
-1 -1 2
3 2 3
1 o -1
4 1
2 Total
l: 10 o 7 17

2
22 )C = @15 = 1927 1

3 n;
32 ) L, L, xff = 1 2 + c- 1) 2 + 3 2 + 1 2 + ... + c-1) 2 + 1 2 = 57
i= 1 j= 1

Qt = 57 - 19,27 = 37,73

4 2) e
I,
o=[(L&2l_ I= 1
.
/]-e
ni

= (~O)\ ~ +
2 2
ip - 19,27 = 7,20

52 ) a,= 0 1- ; o,= 37,73 - 7,20 = 30,53

263
Fonte de Soma de G.L. Quadrados Teste
Variao Quadrados Mdios F

Entre os K-1 s2
0 6 = 7,20 = 7,2 = 3 s F 3,6 1 .
Tratamentos 3- 1 = 2 e 2 cal = .
2 54 = . ~

n-K
Residual O, = 30,53 8 2 = 30,53 = 2 54
15-3=12 r 12 '

Total
n-1
Or= 37,73
15-1=14

f(F)

RA
o F(2, 12)=3,89

8 2 ) Como Fcal = 1,42 < Ftab = 3 ,89, aceita-se H0 , concluindo-se a:-


nvel de 5% que no h diferena entre os vendedores. Isto , ac=
ta-se H0 : (A) = (Bl = (C )

11.4 CLASSIFICAO DE DOIS CRITRIOS


OU EXPERIMENTO DE DOIS FATORES
Admitem-se dois fatores (variveis independentes). A varivel de est ... :;.
(varivel dependente) observada em cada cela, combinao dos tratamer~:.
do fator 1, e dos blocos do fator 2. Tem-se uma tabela de "K" colunas e _
linhas. Ou seja, K L = n observaes.
r

Primeiro critrio (colunas) =tratamentos


Segundo X21
critrio
(linhas)
Blocos

Considere um experimento de natureza agrcola consistindo no exame das


safras por are de 3 variedades de soja, em que cada variedade plantada em
4 lotes diferentes de terra. Tem-se um total de (3) (4) = 12 lotes. Em tal caso
conveniente combinar os lotes em blocos, digamos 3 lotes constituindo um
bloco, com uma variedade distinta de soja plantada em cada lote do bloco.
So, ento, necessrios 4 blocos. Neste caso, h duas classificaes ou fa-
tores, pois pode haver diferena na produo por are devida: ao tipo de soja;
ou ao particular bloco considerado .
Denota-se por x; a mdia de uma coluna i qualquer, por xj a mdia de
uma linha j qualquer e por X a mdia geral:

K
X n 'L
i= 1

Assim, como no caso da classificao nica, admite-se que todas as


amostras provenham de populaes normais com a mesma varincia:
Para a comparao das mdias entre colunas (tratamentos) a hiptese
nula ser H8: ; = para qualquer i = 1, 2, ... , K ser testada contra a hiptese
alternativa Hf: ; * .
Analogamente, para a comparao das mdias entre linhas (blocos) , a
hiptese que ser colocada prova ser Hlf j = para qualquer j = 1, 2, ... , L,
enquanto H} : j -:t .

265
11.4.1 Estimadores da Varincia Comum cr2

Pode-se estimar a varincia de cr2 de 4 formas diferentes. A estimat _


totalsf. a estimativa entre linhas, s[, a estimativa entre colunas S~. e
estimativa residual, sr
Assim:

1 2) Estimativa total: S'f-


K L

L. L.
i= 1
<xij - X) 2
j=1
St -2_
- --n -- 1- -- - -n Qt
-
- 1

O numerador (Qt) representa a variao total. Por outro lado, sabe-se e_,.::
Q
--..!2 tem distribuio
cr
x2 com (n - 1) g e. A frmula prtica da variao tota -
dada por:

L xg-
IJ
e
j=1
C=
n

22 ) Estimativa entre colunas: S~


K

L
i= 1
CX; - X) 2
S~ =L K-1
O numerador (QEc) representa a variao entre colunas. Demonstra-s.-
0
que
cr
E;
tem distribuio x2 com (K - 1) g e. A frmula prtica para o clCL-
de OEc dada por:

266
32) Estimativa entre linhas: s[
L

L
j= 1
CX -
J
X) 2

L - 1

A variao entre colunas dada pelo numerador da expresso. Da mesma


Q
maneira,
o
E; tem distribuio x2 com (L - 1) g e. A frmula prtica para seu
clculo dada por:

;~ [U;J]- e
42) Estimativa residual: S~

K L

L L
= 1 j= 1
[(xij - x) - CX; - X) - CXj - x)J2
(K - 1) (L - 1)

ou
K L

L L
= 1j=1
(X - X - X
IJ f J
+ X)2

(K - 1 )(L - 1) (K - 1)(L - 1)

Q
A variao residual dada pelo numerador e tambm neste caso ---.!2 tem
o
distribuio x2 com (K - 1) (L - 1) graus de liberdade. A avaliao de a,
obtida por diferena, j que tambm neste caso vlida a igualdade:

267
Assim: Qr = Qt - QEC - QEL 1

Convm observar tambm neste caso que St; St sero estimadores jus
tos se tanto H8 como Ht forem verdadeiras, ao passo que ser um es:- s7
mador justo sob quaisquer hipteses sobre o comportamento das mdias.
Por outro lado, nota-se que, se

ento

2.2 - 2.2 2.2 2.2


A.n-1 - A.K-1 + A.L-1 + OA,(K-1 )(L- 1)

ou, ainda,

2 2 2 2
Xn-1 = XK-1 + XL - 1 + X(K- 1)(L- 1)

Nota-se que a soma dos graus de liberdade dos qui-quadrados do segur-


do membro igual ao nmero de g e. do qui-quadrado particionado, isto .

n- = (K - 1) + (L - 1) + (K - 1) (L - 1)
n- =K- 1+ L - 1 + KL - K - L + 1
n- = KL - 1
Lembre-se de que KL = n. Logo:

XR - 1 ; x[ - 1 e XfK - 1)(L - 1>

so qui-quadrados independentes, e, dessa maneira, pode-se testar a igualda-


de das mdias segundo as colunas e/ou linhas mediante o clculo de

para colunas:
e _
Fcal -
St.2 '
sr

para linhas:
L Sf
Fcal = s2
r

268
Deve-se, tambm , salientar que o fato de Hfj no ser verdadeira no
mpede que se teste H/s,
e vice-versa. O quadro da anlise da varincia a
seguir resume ambos os testes.

QAV

Fonte de Soma dos G.L. Quadrados Teste


Variao Quadrados Mdios F

Entre
colunas QEC = ~ 7:[ ( r]- C
K-1
2
Se =
QEC
1(-=-1

~ 7: r]-
e St
Entre L-1
2 - QEL Fcal = s2
linhas SL - L - 1 r
OEL = [( C

2_ Qr L - S[
Residual Qr = Qt - QEC - QEL (K-1 ) (L -1) Sr - (K - 1)(L - 1) Fcai- s2
r

I.i Lj xff- e
~
01 = n-1
Total

Regra de deciso: Fixando certo nvel de significncia a, tem-se :

1. Se Ffa 1 ~ F[(K-1) ;(K- 1)(L - 1)], ento, aceita-se


H0 : ; = para qualquer i = 1, 2, ..., K, e conclui-se com
e
risco a que o fator 1 (tratamentos) no causa efeito na varivel
dependente. Por outro lado, se Ffa1 > Ftab rejeita-se H0 , con-
cluindo-se pela diferena das mdias das colunas e conse-
qente influncia do fator sobre a varivel analisada.

2. Se Ftai ~ F [(L - 1); (K - 1)(L - 1)], ento, aceita-se


H/r j = para qualquer j = 1, 2, ... , L, e conclui-se com risco
a que o fator 2 (blocos) no causa efeito na varivel depen-
dente. Por outro lado, se Ftai > Ftab rejeita-se H0 , concluin-
do-se pela diferena das mdias das linhas e conseqente
influncia do fator sobre a varivel em estudo.
Encontram-se, a seguir, os principais passos para a efetivao do testE
1. Dispor os elementos segundo a tabela que segue. Obtendo as somas da_
colunas e linhas, bem como suas respectivas mdias:

~i) 1 2 .. .... K L. x
F, lj) I

1 X11 X2 1 ..... . XK1


2 X12 X22 .... . . XK2

L x1L x2L . .. ... XKL

:E

X;

L ]2
L X;j
j=1
2. Avalia-se a constante n

Lembre-se de que n = KL

3. Calcula-se a variao total

K L
ot = L L
i = 1 j= 1
xi -c
4. Determina-se a variao entre colunas

270
5. Avaliase a variao entr!l Unhas

6. Obtm-se a va.riao residual por diferena

7. COnstrise o quadro de anlise da varincia, avaliando-se Ffar e F~a1


8. Determina-se a RC ea RA por meio da tabela F,

C.,,,o ,.,,,,.., lin~

"- F
o fl!L-1 ): (K-11 IL-111

9. Efetuam-se as concluses pela comparao dos respectvos va!or6S dos


F calculados e tabelados.

Exemplo: Em uma experincia agrcola, foram U$ados cinco diterentes ferti-


lizantes e m duas variedades de trigo. A produo est indicada a
seguir. Verificar ao nivel de 5% se: a} h diferena na produo
devido ao fertilizante: b) h di1erena na saf~a devido variedade
do trigo.

Fertiliz<1nte A 6 e D E
Variedade 1 54 38 46 50 44
Vanedade 2 SI 42 45 53 50

271
Soluo: Considerando-se o fator 1 como o tipo de fertilizante e o fatc
como variedade de trigo, constri-se a tabela, subtraindo .!5
todos os valores observados. Assim:

~ 1
2
A

9
B

-7
e

1
D

5
E

-1
L

7
2 12 -3 o 8 5 22
L 21 -10 1 13 4 29

2. C=
[ K = 1L = 1
10
xij]2

=
( 29) 2
10 = 84,1

5 2
3. o, = L, L, xff - e
K = 1 L=1

= 9 2+ 12 2 + (-7) 2 + ... + 5 2 - 84, 1 = 314,9

4. QEC = i~
5 [[ 2 L,
j= ~
xij J] - C

5.

2 2
=m
5 + 5
- 84 1
'
= 22 ' 5
6. Qr = Qt - QEC - QEL
Qr = 314,9 - 279,4- 22,5 = 13

272
7. QAV

Fonte de Soma dos Quadrados Teste


variao quadrados G.L. 1 mdios F
Entre 1 e 69,85
colunas
279,4 4 69,85 Fcal = 3,25 = 21,49
Entre
22,5 1 22,5 L 22,5
linhas = 6,92
Fcal = 3,25
Residual 13 4 3,25

Total 314,9 9

RC e RA

f(F) colunas f(F) linhas

F (4,4) = 6,39 F(1,4)=7,71

9. Concluso: Para o primeiro fator, fertilizante, tem-se que


Fcfa1 = 21 ,49 ~ 6,39; portanto, rejeita-se H0 : ; = ; i = 1,2,... ,5, con-
cluindo-se que o tipo de fertilizante tem influncia na produo de trigo.
Para o segundo fator, variedade de trigo, tem-se que 1
= 6,92 < 7,71; Fta.
portanto, aceita-se H0 : j = ; j = 1, 2, concluindo-se que a variedade de tri-
go no altera a produo.

11.5 EXPERIMENTO DE DOIS FATORES COM REPETIO


Nesse caso haver mais de um valor correspondendo a um tratamento e
um bloco. Admite-se que haja R valores para cada posio. Tem-se K colunas
(tratamentos); L linhas (blocos) e R observaes para cada interao. Assim,
n = KLR, sendo xife o elemento correspondente coluna de ordem i, linha j ,
e repetio de ordem e, sendo i = 1, 2, ... , K; j = 1, 2, ... , L; e = 1, 2, ... , R.

273
Como anteriormente, a variao total 0 1 pode decompor-se em varia~
devido s colunas: QE variao devido s linhas: QEL; variao devic:
interao: Q 1 e variao residual: O,; assim:

Qt = QEC + QEL + QI + O, 1

onde:

a) variao total

K L R K L R
Qt = L L L (Xije - x)
2
ou 01 = L, L. L. i/Je - e
i = 1 j = 1 t =1 i = 1 j = 1 &= 1

L LJ LX~
em que 2
]
( 1 e
C=
n

b) variao entre tratamento

Ec = L, L, L, ex; - X) 2 = RL L, CX; - x) 2
; j e ;

ou

K
L,
i= 1
[ [ i
i=1 eR=L1
Xijt l2j
- e

274
e) variao entre blocos

L
2
aEL = L, L, L, (xj - X)
2 = RK L, (xj - X)
i t j= 1

ou

d) variao residual

o, = Li Li Li cxil - xi
; e

ou

K L R K

O,= L L L4 - L
i = 1 j = 1 e= 1 i= 1

e) variao devido a interao

o, = L, L, L, cxij - x; - xj + X)2
i j K

ou

o, = R L, L, cxij - x; - xj + X)2
i j

275
Praticamente, seu valor ser obtido por diferena:

Usando o nmero apropriado de graus de liberdade para cada fonte :..-


variao, pode-se montar o quadro de anlise da varincia.

QAV

Fonte de Soma dos


G.L. Quadrados mdios Teste F
variao quadrados

Entre 2 _ QEC
QEC K-1
colunas Se - K - 1 e Sl
Fcal = S~
Entre 2 QEL
QEL L-1 SL = L-=-1
linhas

Devido
o, (L -1) (K - 1)
2 o, L Sz
interao s, = (K - 1)(L - 1) Fcal = S~

Residual o, LK(R-1)
2_ o,
S, - LK(R - 1)
52
52 _ _ Qt
_ picai= s~
Total Qt n-1 = KLR- 1 t - n - 1

Os Fcal da ltima coluna podem ser usados para testar as hipteses nu a:


Hf Todas as mdias de tratamento (colunas) so iguais;
Hf;: Todas as mdias de blocos (linhas) so iguais;

Hb : No h interaes entre tratamentos e blocos.


Eis o procedimento para se testarem essas trs hipteses:

1. Dispor os dados da maneira exposta na tabela seguinte. Obter as sorrE..:


das celas, das linhas e das colunas.

276
1 2 K :E

1 X111 X112 X11R X211 X212 X21R XK11 ... XK1R


2 X121 X122 X12R X221 X222 X22R XK x~R
21

Avaliar a constante [ ~ 77X;jr


C=~----~
n

bem como a variao total o, = L, L. L. xi~ -e


j t

Calcular a variao entre tratamentos (colunas):

Determinar a variao entre blocos (linhas):

[ [ L, L,e xi1J 2 ]
L,L 1 -C
j=1 RK

277
5. Determinar a variao residual:

o,= L L LX~
e

6. Avaliar a variao devido interao

7. Fixado um nvel a de significncia, determinar as regies crtica e e:


aceitao para cada teste.

f(F) colunas f(F) linhas f(F) interao

8. Construir o O.A.V.
9. Fazer a concluso, comparando os respectivos Fcal com as regies crtiC
e de aceitao.
Exemplo: As compras de ch-mate de 18 famlias esto dadas a segui
Cada famlia est classificada segundo a cidade em que reside e
o nmero de vezes que foi exposta propaganda do ch noticiadr:.
pela TV. Para se conhecer a evoluo do efeito da propaganda
deseja-se saber ao nvel de 5%:
a) se h alguma relao entre propaganda noticiada e consume
do produto;
b) se h alguma diferena significativa para o consumo entre as Ct-
dades;
c) se h alguma relao entre propaganda noticiada e as cida-
des.

278
Nmero de vezes de colocao da propaganda
Cidades
de 1 a 5 vezes de 6 a 10 vezes mais de 10 vezes
A 19 27 18 20 30 18
8 18 26 27 19 25 32
e 24 21 19 31 25 30

Soluo:
1. Subtraindo-se a todos os valores a constante 25, obteremos a tabela:

~ --6 2
k

-4 -7 -5
k

-12 5 -7
k

-2 -18
k

-7 1 --6 2 --6 -4 o 7 7 -3
-1 -4 -5 --6 6 o o 5 5 o
L - 15 -16 10 - 21

2. C=
[;~ i~J..~
n = KLR
r = (- 21)2 = 24 5
18 1

3 3 2
1 = L L L x~ -
i = 1 j = 1 t =1
e

3 L,
3 L,
2 xiJ ] ]
3. OEc = .L [[ j = 1 e= 1 - e
1
=
1 RL

2 2 2
= (-~ 5) + (-~ 6) + (~0) - 24,5 = 72,33
279
4. oEL = I,
3 r[
i= 1 e= 1
xil ] 2j
_ e
J= 1 RK

= (-18)2 + (-3)2 + (0)2 - 245 = 31


6 6 6 '

5.

(-5)2 (-12)2 (5)21


+ 2 + -2- + ... + 2 J = 283,5
6. Q/ = Qt - QEC - QEL - 0,
o, = 416,5 - 72,33 - 31 - 283,5 = 29,67
7. Com o auxlio da tabela F, determinam-se as regies crtica e de aceita-
o.

f(F) colunas f(F) linhas f(F) interao

F( 4,9)=3,63

280
8. QAV

Fonte de Soma dos Quadrados Teste


G.L.
variao quadrados mdios F
1

Entre 72,33 2 36,17


colunas e _ 36,17 _
Fcal - 31 5 - 1,15
Entre 2 15,5
31
linhas L _ 15,5 _
Fcal - 31 ,5 - 0,49
Devido 4 7,42
29,67
interao

Residual 283,5 9 31,5 /{ai = ~;~; = 0,24

Total 416,5 17

9. Concluso:
a) Como Fc~I < Ftab aceita-se H0, concluindo-se com risco de 5% que
no h relao entre propaganda noticiada e consumo de ch.
b) Como Fc1ai < Ftab aceita-se H0, concluindo-se com risco de 5% que
no h diferena para o consumo entre cidades.
c) Como F{;a1 < Ftab aceita-se H0, concluindo-se com risc0 de 5% que
no h relao entre propaganda e cidades.

11.6 TESTE DE SCHEFF


O mtodo de anlise de varincia indica a aceitao ou rejeio da hip-
tese de igualdade das mdias. Se H 0 for rejeitada, pelo menos uma das mdias
diferente das demais. Surge, contudo, a questo: Quais mdias devem ser
consideradas diferentes?
Existem alguns testes para a soluo dessa questo; apresentaremos um
deles: o teste de Scheff.
Segundo esse procedimento, devem ser consideradas distintas entre si,
ao nvel de significncia adotado, as mdias A e 8 , tais que:
1. Para o caso do modelo de classificao nica:

IXA - x8 1 > .... s;cK- 1) (J_ + J_J Fa[(K- 1);(n - K)J


\J nA na

281
2. Para o caso de duas classificaes:

para as colunas:
8 r2 2(K-1)
L
Fcx [(K-1 );(K-1 )(L-1 )J

para as linhas:
8 r2 2(L-1
K
) Fcx [(L-1 );(K-1 )(L- 1)J

3. Para o caso de duas classificaes com repetio:

para as colunas:
2 2(K-1 ) Fcx [(K-1 ); KL(R-1 )J
8
r RL

para as linhas:
8 2 2(L - 1) Fcx [(L - 1); KL(R- 1)J
r RK

Exemplo : Vamos descobrir os pares de mdias diferentes para o exemplo


de classificao dupla visto anteriormente. Naquele caso, o pri-
meiro fator - fertilizante - tem influncia na produo de trigo.
Relembrando:

Fertilizante A B e D E
Variedade 1 54 38 46 50 44
Variedade 2 57 42 45 53 50
111 80 91 103 94
Mdias das colunas xi 55,5 40 45,5 51,5 47

282
IXA - X8 1 = 155,5 - 40 1 = 15,5 1X8 - X0 1 = 140 - 51 ,5 1 = 11 ,5

IXA - Xc 1 = 155,5 - 45,5 r = 1o IX8 - XE 1 = 140 - 471 = 7

IXA - X0 1 = 155,5 - 51,5 1 = 4 IXc - X0 1= 145,5 - 51 ,5 1 = 6

IXA - XEI = 155,5 - 471 = 8,5 IXc - XEI = 145,5 - 471=1,5

1X8 - Xc 1 = 140 - 45,5 1 = 5,5 IX0 - XEI = 151,5 - 471 = 4,5

Ento:

2 4
ti= 3,25 ( )} ) F5 %[(5 - 1);(5-1)(2- 1)] = ._/ 3,25 (4) 6,39

ti = 9,11

comparando-se as diferenas das mdias com o valor de ti = 9, 11 , conclui-se


que os pares de mdias(A; 8 ); (A; e); (8 ; 0 ) so diferentes.

11.7 PLANEJAMENTO EXPERIMENTAL


Experimentos podem ser definidos como: "estudos cuja implementao
envolve a interveno do investigador alm daquela necessria sua medio".
O planejamento experimental consiste na escolha dos fatores , deter-
minao do grupo de controle , escolha do modelo a ser usado, e, fundamen-
talmente, o planejamento dos cuidados e detalhes que devem ser observados
para minimizar os efeitos de outras fontes de variao (outras variveis) que
no esto sendo consideradas no estudo.
A Anlise da Varincia , particularmente, utilssima para o tratamento de
dados oriundos de planejamentos experimentais. tambm utilizada nos
planejamentos de estudos observacionais, onde o investigador apenas observa
e mede o fenmeno estudado.

283
Respostas
EXERCCIOS - SRIE 1 - CAPTULO 11
1. Quatro analistas determinaram o rendimento de dado processo, obter::

Analistas

1 2 3 4

26 17 36 20
27 20 33 18
24 22 31 17
25 21 29 22
29 21
28 23

Determine: a) as mdias para os diferentes analistas;


b) a mdia total;
c) a variao total;
d) a variao entre tratamentos;
e) a variao dentro dos tratamentos (residual) ;
f) se h diferena entre as mdias, adote a = 5%;
g) se possvel, identifique os pares de mdias diferentes, usa-
teste de Scheff.

2. Uma companhia deseja testar quatro tipos diferentes de vlvu las A, a


O. As vidas mdias em horas constam da tabela que segue, em que CG;:
tipo foi testado aleatoriamente em seis aparelhos idnticos. Teste SE -
diferena significativa entre as vlvulas, ao nvel de 5%.

A 53 58 56 60 51 55
B 52 60 52 58 50 54
e 51 57 55 53 54 50
D 49 54 52 50 53 51

284
Respostas
3. So feitas cinco misturas da mesma liga metlica e para cada mistura
sero efetuadas seis determinaes da densidade. Os resultados so:

Densidades
Mistura A 3,6 3,5 3,7 3,1 3,1 3,2
Mistura B 3,3 3,5 3,4 3,2 3,4 3,4
Mistura C 3,5 3,3 3,4 3,4 3,3 3,2
Mistura D 3,5 3,4 3,0 3,3 3,3 3,8
Mistura E 3,7 3,4 3,6 3,5 3,6 3,4

H evidncia de que certas misturas tenham densidade mdia maior do


que outra? a = 5%.

4. Os dados a seguir representam, em segundos, o tempo gasto por cinco


operrios para realizar certa tarefa, usando trs mquinas diferentes.
Considerando a = 5%, verifique se h diferenas entre as mquinas e
entte os operrios.

Mquinas
Operrios A B e
40 59 42
2 39 55 51
3 47 55 45
4 45 50 40
5 52 52 41

Plantam-se quatro tipos diferentes de sementes de caf em cinco blocos.


Cada bloco dividido em quatro lotes, pelos quais se distribuem, ento,
aleatoriamente, os quatro tipos de sementes. Ao nvel de significncia de
0,05, teste se a produo, indicada na tabela, varia significativamente:
a) devido ao solo (isto , os cinco blocos);
b} devido variedade do caf.

Tipos de caf
li Ili IV
A 15 12 10 14
B 19 15 12 11
Blocos e 18 14 15 12
D 16 11 12 16
E 17 16 11 14

285
Respostas
6. A seguir esto anotadas as quantidade vendidas de certo artigo, conside-
rando-se trs preos de venda e trs tipos de distribuidores:

~s
ore
P1 =54 P2 = 49 P3 :44

Farmcias 78 - 76 108 - 106 124 - 122


74 - 77 110 - 104 123 - 125
Drogarias 78 - 78 108 - 110 126 - 125
80 - 77 111 - 107 122 - 128
Outros 80 - 78 110 - 106 128 - 130
79 - 81 108 - 111 126 - 129

a) Testar se a distribuio interfere nas quantidades vendidas;


b) testar se o preo interfere nas quantidades vendidas;
c) testar o efeito da interao.
Observao: Adote a = 5% para os trs testes.

7. Trs tcnicos fazem trs determinaes de dureza em cada um de quatro


blocos de certo metal. Ao nvel de 5% determine se
a) as durezas mdias dos blocos so constantes;
b) as determinaes dos tcnicos so iguais;
c) h alguma interao entre tcnicos e blocos.

Blocos
Tcnicos
1 2 3 4
X 516 513 514 517 513 513 512 508 511 506 505 506
y 529 517 519 513 510 511 509 512 513 508 508 508
z 518 520 518 517 515 516 506 508 509 507 506 506

8. Um experimento foi executado por seis mquinas e dez operrios, de


modo que cada operrio use cada mquina apenas uma vez. Complete o
quadro a seguir e faa as concluses ao nvel de 5%.
R
Fonte de variao Soma dos quadrados G.L. Quadrados mdios Teste F
Entre mquinas 904
Entre operrios 2.334
Resduo
Total 5.832

9. Aplique a regra de Scheff para descobrir as mdias diferentes, conside-


rando os dados do Exerccio 7.

286
RESPOSTAS
DOS EXERCCIOS

SRIE 1 - CAPTULO 1
1. a) s= \1 e. 2C, 3C, 4C, 5C, 6C, 1K, 2K, 3K, 4K, 5K, 6K )
b) A= ( K2 , K4,K6 )
B = / C1 , C3, C5 )
C = \ 3C, 6C, 3K, 6K )

e) 1) B = / 2C, 4C, 6C, 1K, 2K, 3K, 4K, 5K, 6K )


li) A u B = \ K2, K4, K6, C1, C3, C5 )
Ili) B 11 C = / 3C )
IV) A u B = \ K1 , K3, K5 , C2, C4, C6 )
d) A e B so mutuamente exclusivos

2. a)
1
b)
3
e) o d) ~ e) 1
2 4 4
7 3 5
3. a) b) e)
12 4 12
1
- -1 7
-
1 13
4. a) b) e) e) 17 f) 102
2 13 8
1
5. a) - b) -1 e)
3
d) 0,24
5 10 10
4
6.
13

287
1 1 5
7. a) b)
12 9 e) 12
4
8. -
45
7 5 3
9. a) b) e)
8 8 4
3 7 91 1
10. a) b) e) d)
8 8 120 8
4 5 31
11 . a) b) e)
33 11 33
5
12.
22

( ~:) ( ~: ) (~; )
13.
( ~)
SRIE li - CAPTULO 1

1. a) 172 b) ~ e)
1
-
2
d) 1
5 5
2 8; 6

3 _ 365.364 . . . (365 - r+ 1)
365'

4 28 b) .! 1
) 75 6 e) 50

5. 2p2 - p4
35
6
108
5
7. 9
8. ~
40
9. ___
12

288
10.
( X : y) (Z : : 1 1 ) + ( x7y ) (z+ ~ + 1 )
11. _L J_, -
30' 30' 4
3 19 9
12. 1) li) Ili)
8 40 19
3 3 9 9
13. a) b) e) 10 d)
20
20 10
4
14.
7
7 2
15. a) b)
12 5
41 13
16. 1) 11)
72 36
20 3
17. 1) li)
41 13

[ 11) ( XZ + X+ Y,Z )
21
18. 1) X Z ]
x+y+z+v (X + Y)(Z + V + 1)

X!,!:'.'.!
19.
(X + y)I

20. a) 1/6 b) 1/15 e) d) o e) o


f) o g) 2/15 h) 1/3 i) o j) o
k) o 1) o
~. 25
21.
46' 46
10
22.
19
4
23. -
19
25
24.
39
8
25.
35

289
SRIE Ili - CAPTULO 1
1 3 3 7 1
1. a) b) e) d) e)
8 8 8 8 8
1 5 5 1 1 1 -
2. a) b) e) d) e) f) g)
6 6 12 2 5 6
29
3.
35
2
4.
3
2 7
5. a) b) e) -1 d)
5
e)
3
3 15 5 7 5

6. a) X e Y so independentes.

b) M e N no so independentes.

7. a) 60% b) 26% e) 65% d) 21% e) 40% f) 65%

SRIE 1 - CAPTULO 2
1. a) Tabelas

1) w -5 -4 -3 -2 -1 o 1 2 3 4 5
1 2 3 4 5 6 5 4 3 2 1
P(w)
36 36 36 36 36 36 36 36 36 36 36

li) A 2 4 6 8 10 12
P(A)
1 1 1 1 1 1
6 6 6 6 6 6

Ili)
z1 2 3 4 5 6 8 9 10 12 15 16 18 20 24 25 30 36
1 2 2 - 3 2 - 4 - 2 1 2 4 2 1 2 2 2 1 -2 1
P(z)
36 36 36 36 36 36 36 36 36 36 36 36 36 36 36 36 36 36

IV) B 1 2 3 4 5 6
1 3 5 7 9 11
p (B) 36 36 36 36 36 36

290
b) Funo Repartio de B

para B < 1 F=O para 4 ,,.; B < 5 F = !_


36
1 F = 25
para 1 ,,.; B < 2 F=- para 5 ,,.; B < 6
36 36
4
para 2 ,,.; B < 3 F= - para B ~ 6 F = 1
36
9
para 3 ,,.; B < 4 F= -
36

e) 1)
3
li)
5
Ili)
1
- IV)
5
V)
1
VI) -1
4 9 2 18 18 4
1 7 1 5
VII) o VIII)
6
IX)
36
X) o XI)
2
XII)
6

K= 105 21
2. a) b) -
176 176

3. a) z o 1 2 3 4 5 6 7 8 9 10 11 12
1 1
P (z)
1 1 2 2 3 3 4 3 -
3 -
2 -2
28 28 28 28 28 28 28 28 28 28 28 28 28

5 11
e) d)
14 14

4. a) X o 2 3
2 15 20 5
p (x) - -
42 42 42 42

b) F(x) =O para X<O


2
F(x) = 42 para Osx<1

17
F(x) = 42 para 1sX<2

37
F(x) =- para 2sx <3
42
F (x) = 1 para x~ 3

291
e) F(X')
1 --------- - - --~
1
1
1
37/42 ---------~

1
17/42 ----r---
1 1
1
1
1

2/42
Dx
o 2 3 4

37 2 25
d) 1 ) -
42 li) 42 Ili) 42 IV) O

5
V) 42 VI) 1 VII) 1

e)
37. 1.
42
4 1 37 17 1
-
42
- -
42 42
. . .
;o

SRIE li - CAPTULO 2

1. Para x < o F(x) =O

Para O "" x < 1 F(x) = xp 2- x2)


Para x ;;. 1 F (x) = 1

2. Para x < O F(x) =O

Para x ;;. 2 F (x) = 1

Para O "" x < 2 F (X) = -x2


4
1 1
3. a) - b)
12 3

292
1
4. a)
6

5. a) K=6 b)
r"
F (X) =
=1
F(x) = 3x2 - 2x3
para
para
para
X<
0
X
~X<
;l:
0

1
1 e)
1
2

6. A= _ 1_ 3
a) b)
50a2 4

1
7. a) b) o e) o
2

SRIE Ili - CAPTULO 2

1. a)

b) 1,4; 1; 0,9 e) -0,5 d) 0,49; 3, 1 e) -0,3


f) No pois, por exemplo, P (x = 1, y = -2) '# P (x = 1) P (y = -2)

2. a)
IX 1 0,18
5 10

0,30
12

0,12
3 0,12 0,20 0,08

b) 1,8; 8,9 e) ...;o,96 ; ...;7,09


d) igual a zero, pois M e N so independentes.

3. a) g (X) = ~ x2 + X h(y)=~y2+y
2
\
b) .!Z. . .!Z. e) 139 . 139 39
e) p = -0,036
24 ' 24 2880' 2880 d) 128

4. a) g (X) = X + 21 h(y)=y+-
2
1

b) 7 7 1
e) 12 d)
12 144
1 3 1
5. a) b) e) '12 d) 1 e)
tn2 en2 2t n2 erJ2.2

293
3 1
6. a) K = 12 b) e) 4md3 - 3md4 = 0,5 d)
5 25
7. a) 0,9 b) -2 e) 0,5 d) 6,29

3 1 3
8. a) b) e)
4 ~ 80
10. = 700 e cr = 22,36
1
11. a)
18

b)
>< 1
1
18
1 2

1
9
3

1
6
1 2 1
2
9 9 3

1 1 1 2 7
e) d) e) f) g)
3 2 6 3 3
2 35
h)
9
i)
9
j) o i) o
12. a) 3 1 29 5 1
2
b) e) d) e) no ij g) -0,2
4 64 16 64
13. sim; 409,27
14. = 2; % = 2, cr = O, 71
15. = 340; cr = 2,67
16. (L) = 28,5; cr{L) = 6,21

SRIE 1 - CAPTULO 3

Distribuio Binomial

105 1.013 1 1.023 193


1. a) b) e) d) e)
512 1.024 1.024 1.024 256
15
2.
64

3. a) 20 b) 80 e) 20

294
4.
1 - (~ J
80 242 64
5. a) b) e)
243 243 81

80 64
6. a) b)
243 729

7. l1 ~g )( ~ )100

8. a) 5 b) 2 1 e) _1Q d) _1Q e) 242 f) 200


3 e 3 3 9 243 243

9. a) (0,95) 100

e) 1 - (0,05) 100 - 100 (0,95) (0,05) 99

Distribuio Multinomial

35
11
5832

12. 0,0324

13. a) 0,0216 b) 0,1296

Distribuio de Poisson

14. a) 0,8784 b) 0,2020


15. a) 0,168 b) 0,5767
16. a) 0,2241 b) 0,658
17. 0,1952
18. a) 0,0183 b) 0,0732 e) 0,1464 d) 0,9085
19. a) 0,449 b) 0,1437
20. a) 0,270 b) 0,180

295
SRIE 1 - CAPTULO 4

Distribuio Uniforme
1 1 3
1. a) -
3
b) -
2
e) o d) 2,5 e) -
4
5
3. a) 3 e)
4

Distribuio Normal

4. a) 0,4251 b) 0,3023 e) 0,9104 d) 0,2064 e) 0.1401


f) 0,7454 g) 0,3830
5. a) 1 b) 0,8665 e) 0,0132 d) o e) 776 dias
6. a) 380 b) 389
7. 88,5 e 55
8. a) 0,8413 b) 0,7745
9. a) 0,0013 b) 0,7210
10. a) 0,3530 b) 128,75 .;; X .;; 231,25
11 . 0,0197
12. a) 0,0643 b) 0,6480
13. a) 0,2981 b) 0,0409
14. = 29,03: cr 2 = 73,44
15. Y = N (13; 38)
16. a) 7,3% b) 0,2266
17. E,
18. a) 425.60 b) 0,1112
19. a) 68,26% b) 95,44% e) 99,74% d) 70,62%
e) 100% aproximadamente
21. a) 4,88 b) 30,4 e) 21,04 d) 124,5
e) 2,99 f) 85,37 g) 30
22. a) -1,64 b) -1,17 e) -0,39 d) o
e) 0,25 f) 0,67 g) 1,28 h) -0,58
i) -0,39 j) 0,31 1) 1,41

296
Distribuio Exponencial

23. a) 0,6321 b) 0,3679 e) 1.000


24. a) 0,2212 b) 0,0323 e) O d) 0,4724

SRIE 11 - CAPTULO 4
1. . (X~3) = 23 o 2 (X~ 3 ) = 46
Md (X~ 3 ) = 22,3 03 = 27,1
2. x;up = 13,4
2
Xinf = 3,49

3. . U23) = O o 2 (t23) = 1,095 (j tf23) = 1,046


01 = - 0,68531 P5 =-1,7139 Mo= O

4. -1,1848 2,0860

5. . = 1,25 o2 = 1,042 (j = 1,021 Mo= 0,625

0,2985 4,07
6. a) 95,31 b) -0,39 e) 0,84 d) 0,9340
e) R$ 2.019,2 f) 29,3 g) 8,55 h) 15,5
i) 34,4 j) 0,925 1) 0,72669 m) 0,025
n) 0,005 o) 0,8725 p) 1,7033 q) 0,745
r) 0,2857 s) 3,50 t) 0,90 u) 0,05

SRIE li - CAPTULO 5

1. a)
b) X; F; f; Fac
e) 3 1 0,05 1

4 3 0,15 4

5 5 0,25 9
!
1
6 1 6 0,30 15
1

7 4 0,20 19

8 1 0,05 20
1

297
d)

6 -- -- ------------------ --- --- --- ---

5 - - - -- - - ------- --------------

4 - ----- ---- ------- --- ---- - ---

3 - - - - -- - - - - - ---- -- -- ---

1
---------------r--- ----- ----- ----------1
3 4 5 6 7 8 X,

e) 5 f) 55%

2. a) R = 39 b) K= 8 e) h=5 d) e) f) g) h)

limites das classes F; X; f; Fac


151 f- 156 4 153,5 0,04 4
156 f- 161 4 158,5 0,04 8
161 f- 166 11 163,5 O, 11 19
166 f- 171 33 168,5 0,33 52
171 f- 176 17 173,5 0,17 69
176 f- 181 17 178,5 0,17 86
181 f- 186 9 183.5 0,09 95
186 f- 191 5 188.5 o.os 100
- -

Z9B
i) j)

F;
33 - -------- -

100

17 -- --- -- -- -

11 - -- ----
9 -------

5
4

151156 16116617 11761811 86191 151156161 16617117 6181186 191


Classes Classes
3. a) O- o- 1 - 1,5 - 2 - 2 - 2,5 - 3,5 - 3 ,5 - 4 - 4 - 4 - 4,5 - 4,5 -

4,5 - 5 - 5 - 5 - 5 - 5 - 5,5 - 5,5 - 6 - 6 - 6 - 6,5 - 6,5 - 7 - 7 -


7 - 8 - 8,5
b) Classes O f- 1,5 1,5 f- 3,0 3,0 f- 4,5 4,5 f- 6,0 6,0 f- 7,5 7,5 f- 9,0

3 4 5 10 8 2

e) 8,5 e o d) 8,5 e) 28,185% f) 3 g) 4,5 h) 3,75

i)
F; Fac
32 -------- --------- - ----
30 ------- ------- ----

10 -- - -

8 ------ --- --

5 -
4
3
2 - --- . ..... -

O 1,5 3,0 4,5 6,0 7,5 9,0 Classes O 1,5 3,0 4,5 6,0 7,5 9,0 Classes

299
4. a) Classes F; Fac
45 f- 52 3 3

52 f- 59 7 10

59 f- 66 11 21

66 f- 73 10 31

73 f- 80 4 35
80 f- 87 4 39
87 f- 94 40
b) F;
11
Fac

45 52 59 66 73 80 87 94 45 52 59 66 73 80 87 94
Classes Classes

SRIE Ili - CAPTULO 5


1. a) 4 b) 9 e) 3,305 d) 79.43
2. No foi aprovado; x= 4,875
3. a) 6,82 b) 11,59 e) 4 d) 9,03 e) 87,88
4. 164,93
5. $ 5.820
6. 78,16

7. a) X; o 2 3 4 5 6 7 8 9 10 11 12 15 20 25
F, 2 4 4 4 4 4 4 4 5 4 2 2 2 2 2

b) 7 ,24

8 . 5,85
9. a) b)

300
Classes F; X;
15 1- 20 10 17,5

201- 25 4 22,5

25 f- 30 12 27,5

301- 35 24 32,5
:E 50

e) 27,5
10. a) 10,95 b) 5,22 e) 9,29
11. a) 8,12 b) 3,53
12. 355,93

SRIE IV - CAPTULO 5
1. 1) 4 li) 5 111) 8 IV) 87
2. 1) 4 li) 77 Ili) 13 IV) 235
3. 1) 6,63 11) 28,35
4. 1) 7 11) 43
5. 1) 80 11) 3,5
6. 1) 14,5 11) 26,25
7. 1) 8,8; 9,03; 6,86 11) 33,6; 42,32; 50
8. a) 1,17 b) 1 e) o d) 34%

~
9. a) 2
1 : 1 1 : 1 : 1 : 1 : 1 : 1 : I ',
b) 4,83 ; 4; 4

1O. a) 22,99 b) 21,85 e) 20, 18 d) 18,59


e) 17,68 f) 29,48 g) 74%

~
11. a) 4

1 : 1 : 1 1 : 1 : 1 : 1 : 1 :
1 : 1 :

b) 4,63
e) 7; moda
d) 5

301
12. a) 65 b) 7 e) 10
d) e) f) g) h)

Classes F; t, X; Fac
30 f- 4 -
2
40 35 4
25
3
40 f- 50 6 45 10
25
4
50 f- 60 8 55 18
25
6
60 f- 70 12 65 30
25
9
70 f- 80 9 75 39
50
7
80 f- 90 7 85 46
50
2
90 f- 100 4 -
25
95 50

1: 50 1

i) j) m)

F,

12
11
10
9
8
7
6
5
4
3
2

30 40 50 60 70 80 90 100 Classes

mo ; 66

302
k) n) o) p) 1) 65,8

Fac

50 ----------- ----------- ----------- ----------- --

40
35+-----------w
30
27,5-+----------____,,

20

10

30 40 50 60 70 80 90 100 Classes

SRIE V - CAPTULO 5
1. a) 10 b) 3,02 e) 13,81

2. a)
X; 1
F; : 1 : 1 : 1 : 1 :

b) 4 e) 0,98 d) 1,47 e) 1,21 f) 18%


5,84
a) 11 b) 175 e) 13,23
d) 20% e) 0,38 f) 0,260
a) 53,5 b) 45 e) 13%
d) As = 0,21, a distribuio no simtrica.
e) K = 0,260, a distribuio no mesocrtica.
X= 55,5; s2 = 126; s' = 11,22; CV =20%; As= -0,045;
K = 0,275

303
7. 50%
8. a) A b) A

9. a) Classes ~
14 1- 19 4 16,5
19 1- 24 6 21,5
24 1- 29 5 26,5
29 1- 34 3 31,5
34 1- 39 2 36,5
39 1- 44 10 41,5
30

b)

F,

10
9
B
7
6
5
4
3
2

14 19 24 29 34 39 44 Classes

e) 30 ,33 e '9,53

10. a) 295.600 b) A.= 0,32 Sim e) K = 0,227 Sim

SRIE VI - CAPTULO 5
1. x = 1,58; cr = 0,286
2. a) 171 ,59 b) 171 ,82 e) 172,67 d) 3,99
e) - 0,22
3. $ 37,08

304
x, F1 f;

\ t.. IJ,IJA.
2 8 12 0,08
3 18 30 0,18
4 27 57 0,27
5 15 72 0,1 5

6 11 83 O, 11
7 10 93 0,10
8 7 100 0,07
.E 100

5. F; = 7
6. 01 = 1,21 ; 0 7 = 3, 1 ; P73 = 3,25
7. s2 = 422,68; mo = 55,56
8. cr2 = 3,05; cr = 1,75
9. x = 30.003,69; !-(x) = 7,43
10. A 5 = - O,11 : . a distribuio assimtrica negativa
K = 0,2718 :. a distribuio platicrtica
11. a) 44% b) 45 e) 15,13 d) 45
e) A equipe 2, pois cr = 15 e c.v. = 34%

12. a) Classes Fi X; ld1 1F1 Fac


1 1- 4 14 2,5 79,8 14

4 1- 7 14 5,5 37,8 28

7 f- 10 11 8,5 3,3 39

101- 13 8 11,5 26,4 47

13 f- 16 11 14,5 69,3 58

16 f- 19 2 17,5 18,6 60

.E 60 235,2

305
b)

F;

14

11

o 4 7 10 13 16 19 Classes

e)

Fac

60 -------------------- -- ------ ----------

50
48
42
40

30

20

10

o 4 7 10 13 =P00 16 19 Classes
0,=11

306
d) 8,2 e) 7,55 f) 12,25 g) 6,14 h) 7,05
i) 4,21 j) 3,92 1) 21,26 m) 4,61 n) 56%
o) A.= 0,49, n0
p) K = 0,3185, no
q) vide grfico da Fac

SRIE VII - CAPTULO 5


1. b 11. a 21. d
2. b 12. d 22. c
3. c 13. d 23. d
4. d 14. a 24. b
5. b 15. d 25. c
6. a 16. d 26. c
7. d 17. b 27. d
8. b 18. a 28. c
9. d 19. b 29. a
1 O. a 20. b 30. b

SRIE 1 - CAPTULO 6
1 . a) (X) = 3,5 b) cr(x) = 1,1180
c) (x) = 3,5 d) a (x) = 0,7906
5. 52.000
6. 19.888

SRIE 1 - CAPTULO 7
1. a) n = 33
4. n = 400
5. n = 399. Comparando-se os resultados de 4 e 5 verifica-se que uma populao
de 200.000 d aproximadamente o resultado de uma populao infinita.

307
SRIE 1 - CAPTULO 8
1. O intervalo [4,81 ; 5,59] contm a mdia populacional com 90% de confiana;
O intervalo [4,73; 5,67] contm a mdia populacional com 95% de confiana;
O intervalo [4,58 ; 5,82] contm a mdia populacional com 99% de confiana.
2. O intervalo [25,76; 28,00] contm a mdia populacional com 95% de con-
fiana;
O intervalo [25,94 ; 27,82] contm a mdia populacional com 90% de con-
fiana.
3. O intervalo (172,06 cm ; 177,94 cm] contm a verdadeira altura mdia dos
alunos com 95% de confiana.
4. O intervalo (104,2 ; 115,8] contm a mdia populacional com 90% de con-
fiana;
O intervalo [102,84 ; 117,16] contm a mdia populacional com 95% de
confiana.
5. O intervalo [9, 164 ; 12,586] contm a mdia populacional com 97,5% de
confiana;
O intervalo [9,993 ; 11,757] contm a mdia populacional com 75% de con-
fiana.
6. Satisfaz, pois o intervalo [288,33 kg ; 304,93 kg] contm a mdia da popu-
lao com 95% de confiana.

7. a) :X= 13,13 s2 = 2,05


b) O intervalo (12,60; 13,66] contm a mdia populacional com 95% de
confiana.

8. Os limites de confiana para a mdia so: (26,38 seg ; 32,02 seg] com 90%.
9. a) O intervalo [7,26 ; 13,58] contm a mdia populacional com 95% de
confiana;
b) O intervalo [22,00 ; 24,55] contm a mdia populacional com 95% de
confiana;
c) O intervalo [7,98 ; 12,67] contm a mdia populacional com 95% de
confiana.

1O. a) O intervalo [0,32 ; 3, 13] contm a varincia populacional com 90% de


confiana;
b) O intervalo [2,25 ; 8, 13] contm a varincia populacional com 90% de
confiana.

11 . Os limites de confiana a 80% para a varincia so [1,38 ; 4,86].

308
12. O intervalo [0,85 ; 3,95) contm a varincia populacional com 95% de con-
fiana.
13. O intervalo [16,55 ; 33,06) contm o desvio-padro populacional com 99%
de confiana.
14. O intervalo ao nvel de 90%, ser: [165,86; 399,20).
15. O intervalo [0,88 ; 0,98) contm a proporo com 95% de confiana.
16. O intervalo [16% ; 34%) contm a proporo de casas de aluguei com 98%
de confiana.
17. Pode-se dizer ao nvel de 96% que a moeda honesta, pois o intervalo ser
[0,46 ; 0,74).
18. No se pode dizer ao nvel de 99% que o dado seja viciado, pois o intervalo
ser [0,11 ; 0,31).
19. O intervalo [0,56 ; 0,65) contm a proporo com 90% de confiana;
O intervalo [0,54 ; 0,66) contm a proporo com 95% de confiana.

SRIE li - CAPTULO 9
1. Como tcal = - 2,84, rejeita-se H , concluindo-se, com risco de 5%, que a
0
mdia diferente de 16.
Como tcal = - 2,84, rejeita-se H , concluindo-se, com risco de 5%, que a
0
mdia menor do que 16.
2. Como tcal = - 0,72, no se pode rejeitar H0 ao nvel 5% nos trs testes.
3. Como tcal = - 2,71, rejeita-se H0 , concluindo-se, com risco de 2,5%, que a
mdia diferente de 20.
4. a) Como Zcal = - 2 ,06, rejeita-se H0 , concluindo-se, com risco de 5%,
que a mdia no 50 cm.
b) Como tcal = - 1,068, no se pode rejeitar a hiptese de que a mdia
50 cm, ao nvel de 5%.

5. Como tcal = 1,56, no se pode rejeitar a hiptese de que a mdia 30, ao


nvel de 5%.
6. a) s2 = 0,07 mg 2
b) Como X~al = 0,49, rejeita-se H0 , concluindo-se, com risco de 5% ou
10%, que a varincia menor do que 1.

7. Como ~ 1 = 55,5, rejeita-se H0 , concluindo-se, com risco de 20%, que a


varincia populacional diferente de 1O.

309
8. Como ~ai = 5,57, no se pode rejeitar a hiptese de que a varincia popu-
lacional 4, ao nvel de 1%.
9. Como Zca1 = 0,89, no se pode rejeitar a hiptese de que a proporo de
eleitores democratas 50%, ao nvel de 5%.
10. a) Como Zcal = 0,33, no se pode rejeitar, ao nvel de 4%, a hiptese de
que a proporo de fumantes seja de 80%.
b) Como Zcal = 2,75, rejeita-se H0 , concluindo-se, com risco de 2%, que
a proporo dos que fumam cigarros com .filtro diferente de 70%.
c) Como Zcal = 4,05, rejeita-se H0 , concluindo-se, com risco de 1%, que
a proporo de fumantes femininas diferente de 40%.

11 . Como Zcal = 2, rejeita-se H0 (p = 0,50), concluindo-se ao nvel de 5% que a


moeda no honesta.
12. Como Zcal = 4,47, rejeita-se H0 , concluindo-se, com risco de 4%, que a
proporo diferente de Q,5.
13. Como Zca1 = 0,85, no se pode rejeitar a hiptese de que a proporo de
reprovados seja 40%, ao nvel de 5%.
14. Como Fcal = 1,46, no se pode rejeitar, ao nvel de 10%, a hiptese de que
as varincias so iguais.
16. Como Fcal = 0,347, no se pode rejeitar, ao nvel de 10%, a hiptese de que
as varincias so iguais.
17. Como Zcal = 1,29, no se pode rejeitar a hiptese de igualdade das mdias,
ao nvel de 4%.
18. Como tcal = 1,1, no se pode rejeitar a hiptese de igualdade das mdias,
ao nvel de 5%.
20. Como tcal = 0,35, no se pode rejeitar a hiptese de que a diferena valha
$ 5.000,00, ao nvel de 10%.
21. Como Zca1 = - 1,67, no se pode rejeitar a hiptese de igualdade entre as
propores ao nvel de 5%.
22. Como Zcal = - 1O, rejeita-se H0 , concluindo-se, com risco de 5%, que os dois
processos so diferentes.
23. Como Zcal = - 2,86, rejeita-se H0 , concluindo-se, com risco de 10%, que as
propores so diferentes.

310
SRIE 1 - CAPTULO 10
1. Como x~1 = 2, no se pode rejeitar a hiptese de honestidade da moeda,
ao nvel de 10%.
2. Como X~al = 1,6, no se pode rejeitar a hiptese de honestidade do dado,
aos nveis de 5% e 2,5%.
3. Como X~al = 0,56, no se pode rejeitar a hiptese de honestidade dos dados,
ao nvel de 1%.
4. Como X~al = 19,28, rejeita-se H , concluindo-se, ao nvel de 5%, que
0
os nmeros no so aleatrios.
5. Como x~1 = 16,92, rejeita-se a hiptese de que as distribuies sejam
iguais, ao nvel de 2,5%.
6. Como ~ai = 7,296, no se pode rejeitar a hiptese de que o nmero de
livros emprestados independe do dia da semana, ao nvel de 1%.

SRIE li - CAPTULO 10
1. Como x~ 1 = 6, 11, no se pode rejeitar a hiptese de que as variveis sejam
independentes, ao nvel de 5%.
2. Como x~1 = 1,52, no se pode rejeitar a hiptese de haver homogeneidade
aos nveis de 5% e 1%.
3 . e = 0,04 = 4%.
4. Como ~ai = 5,81 , no se pode rejeitar a hiptese de independncia entre
as variveis, ao nvel de 1%.
5. Como x~1 = 16,83, rejeita-se H0 , concluindo-se, com risco de 5%, que h
dependncia entre as opinies sobre a pena de morte e os partidos.

SRIE Ili - CAPTULO 10


1. a) (Sinais) Como Zcal = - 0,75, no se pode rejeitar a hiptese de que
no houve diferena dos pesos, ao nvel d.e 2,5%.
a) (Wilcoxon) Como Zcal = - 3, 12, rejeita-se H , concluindo-se, ao nvel
0
de 2,5%, que houve diferena.
b) (Sinais) Como Zcal = - 1,04, no se pode rejeitar a hiptese de que
no h diferena de consumo, ao nvel de 2,5%.
b) (Wilcoxon) Como Zcal = - 1,0, no se pode rejeitar a hiptese de que
no h diferena de consumo, ao nvel de 2,5%.
2. Como Zcal = 0,43, no se pode rejeitar a hiptese de igualdad e das
mdias ao nvel de 1%.

3. Como x~ 1 = 0,23, no se pode rejeitar a hiptese de igualdad e das


mediana s ao nvel de 1%. As conclus es so as mesmas .
4. Como Zcal = - 0,62, no se pode rejeitar a hiptese de igualdade das marcas
A e B, ao nvel de 5%.
5. Como H = 4,30, no se pode rejeitar a hiptese de igualdade das vidas
mdias das 4 marcas, ao nvel de 5%.
6. Como H = 3,37, no se pode rejeitar a hiptese de igualdad e entre as
vendas dos trs shopping s ao nvel de 2,5%.

SRIE 1 - CAPTULO 11
1. a) x1 = 26,50 :X2 = 20 :X3 = 32,25 x4 = 20,17

b) :X= 24,45
c) 542,95
d) 457,37
e) 85,08
f) H diferena. Fcal = 28,69
g) 1 * 2; 1* ~; -:t; 4;

2 * 3; ~ * 4
2. Fcal = 1,92. No h diferena significativa entre as vlvulas.
3. Fcal = 1. No h evidncia.
4. ~I = 6,43
Pcai =0,29; s h entre as mquinas.
5. ~ 1 = 5,83. H diferena devido variedade do caf.
Pcai= 0,65. No h diferena devido ao solo.

6. a) Pcai = 9,03. A distribuio interfere nas quantidades.


b) ~ai = 1.968,54. O preo interfere nas quantidades.
c) Pcal = 0,92. No h efeito devido interao .

7. a) No so constantes. ~ai= 41,68

b) So iguais. Pcai = 2,02


c) H interao: Pcai= 3,78

312
8. Fcal (op.) = 4,5
Fcal (mq.) = 3,14
H diferena entre operrios e entre mquinas.

Tabela 1. reas de uma distribuio normal padro


Cada casa na tabela d a proporo sob a curva
inteira entre z = O e um valor positivo de z. As
reas para os valores de z negativos so obtidas
por simetria.
o z

z 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
o.o 0,0000 0,0040 0,0080 0,0120 0,0160 0,0199 0,0239 0,0279 0,0319 0,0359
0,1 0,0398 0,0438 0,0478 0,0517 0,0557 0,0596 0,0636 0,0675 0,0714 0,0753
0,2 0,0793 0,0832 0,0871 0,0910 0,0948 0,0987 0,1026 0,1064 0,1103 0,1141
0,3 0,1179 0,1217 0,1255 0,1 293 0,1331 0,1368 0,1406 0,1443 0,1480 0 ,1517
0,4 0,1554 0,1591 0,1628 0,1664 0,1700 0,1736 0,1772 0,1808 0 ,1844 0,1879

0,5 0,1915 0,1950 0,1985 0,2019 0,2054 0,2088 0,2123 0,2157 0,2190 0 ,2224
0,6 0,2257 0,2291 0,2324 0,2357 0,2389 0,2422 0,2454 0,2486 0,2517 0,2549
0,7 0,2580 0,2611 0,2642 0,2673 0,2703 0,2734 0,2764 0,2794 0,2823 0,2852
0,8 0,2881 0,2910 0,2939 0,2967 0,2995 0,3023 0,3051 0,3078 0,3106 0,3133
0,9 0,3159 0,3186 0,3212 0,3238 0,3264 0,3289 0,3315 0,3340 0,3365 0 ,3389

1,0 0,3413 0,3438 0,3461 0,3485 0,3508 0,3531 0,3554 0,3577 0 ,3599 0,3621
1,1 0,3643 0,3665 0,3686 0,3708 0,3729 0,3749 0,3770 0,3790 0,3810 0,3830
1,2 0,3849 0,3869 0,3888 0,3907 0,3925 0,3944 0,3962 0,3980 0,3997 0,4015
1,3 0,4032 0,4049 0,4066 0,4082 0,4099 0,4115 0,4131 0,4147 0,4162 0,4177
1,4 0,4192 0,4207 0,4222 0,4236 0,4251 0,4265 0,4279 0,4292 0,4306 0,4319

1,5 0,4332 0,4345 0,4357 0,4370 0,4382 0,4394 0,4406 0,4418 0,4429 0,4441
1,6 0,4452 0,4463 0,4474 0,4484 0,4495 0,4505 0,4515 0,4525 0,4535 0,4545
1,7 0,4554 0,4564 0,4573 0,4582 0,4591 0,4599 0,4608 0,4616 0,4625 0,4633
1,8 0,4641 0,4649 0,4656 0,4664 0,4671 0,4678 0,4686 0,4693 0,4699 0,4706
1,9 0,4713 0,4719 0,4726 0,4732 0,4738 0,4744 0,4750 0,4756 0,4761 0,4767

(continua)

313
(continuao)

z 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
2,0 0,4772 0,4778 0,4783 0,4788 0,4793 0,4798 0,4803 0,4808 0,4812 0,4817
2,1 0,4821 0,4826 0,4830 0,4834 0,4838 0,4842 0,4846 0,4850 0,4854 0,4857
2,2 0,4861 0,4864 0,4868 0,4871 0,4875 0,4878 0,4881 0,4884 0,4887 0,4890
2,3 0,4893 0,4896 0,4898 0,4901 0,4904 0,4906 0,4909 0,4911 0,4913 0,4916
2,4 0 ,4918 0,4920 0,4922 0,4925 0,4927 0,4929 0,4931 0,4932 0,4934 0,4936

2,5 0,4938 0,4940 0,4941 0,4943 0,4945 0,4946 0,4948 0,4949 0,4951 0,4952
2,6 0,4953 0,4955 0,4956 0,4957 0,4959 0,4960 0,4961 0,4962 0,4963 0,4964
2,7 0,4965 0,4966 0,4967 0,4968 0,4969 0,4970 0,4971 0,4972 0,4973 0,4974
2,8 0,4974 0,4975 0,4976 0,4977 0,4977 0,4978 0,4979 0,4979 0,4980 0,4981
2,9 0,4981 0,4982 0,4982 0,4983 0,4984 0,4984 0,4985 0,4985 0,4986 0,4986

3 ,0 0,4987 0,4987 0,4987 0,4988 0,4988 0,4989 0,4989 0,4989 0,4990 0,4990

Tabela 2. Distribuio de x2

~ 1
0,995 0,990 0,975 0,950 0,900

0,0000 0,0002 0,0010 0,0039 0,0158 0,102


0,750 0,500 0,250 0,100 0,050 0,025 0,010 0,005

0,455 1,32 2,71 3,84 5,02 6,63 7,88


2 0,0100 0,0001 0,0506 0,103 0,211 0,575 1,39 2,77 4,61 5,99 7,38 9,21 10,6
3 0,071 7 0,115 0,216 0,352 0,584 1,021 2,37 4, 11 6,25 7,81 9,25 11 ,3 12,8
4 0,207 0,297 0,484 0,711 1,06 1,92 3,36 5,39 7,78 9,49 11,1 13,3 14,9
5 0,412 0,554 0,831 1,15 1,61 2,67 4,35 6,63 9,24 11 ,1 12,8 15,1 16,7
6 0,676 0,872 1,24 1,64 2,20 3,45 5,35 7,84 10,6 12,6 14,4 16,8 18,5
7 0,989 1,24 1,69 2,17 2 ,83 4,25 6,35 9,04 12,0 14,1 16,0 18,5 20,3
8 1,34 1,65 2,18 2,73 3,49 5,07 7,34 10,2 13,4 15,5 17,5 20,1 22,0
9 1,73 2,09 2,70 3,33 4,17 5,90 8,34 11,4 14,7 16,9 19,0 21,7 23,6
10 2,16 2,56 3,25 3,94 4,87 6,74 9,34 12,5 16,0 18,3 20,5 23,2 25,2
11 2,60 3,05 3,82 4,57 5,58 7,58 10,3 13,7 17,3 19,7 21,9 24,7 26,8
12 3,07 3,57 4,40 5,23 6,30 8,44 11 ,3 14,8 18,5 21 ,0 23,3 26,2 28,3
13 3,57 4,11 5,01 5,89 7,4 9,30 12,3 16,0 19,8 22,4 24,7 27,7 29,8
14 4,07 4,66 5,63 6,57 7,79 10,2 13,3 17,1 21 ,1 23,7 26,1 29,1 31 ,3

(continua)

314
(continuao)

~ 0,995 0,990 0,975 0,950 0,900 0,750 0,500 0,250 0,100 0,050 0,025 0,010 0,005

15 4,60 5,23 6,23 7,26 8,55 11,0 14,3 18,2 22.3 25,0 27,5 30,6 32,8

16 5,14 5,80 6,91 7,96 8,31 11,9 15,3 19,4 23,5 26,3 28,4 32,0 34,3

17 5,70 6,41 7,56 8,67 10,1 12,8 16,3 20,5 24,8 27,6 30,2 53,4 35,7

18 6,26 7,01 8,23 9,39 10,9 13,7 17,3 21,6 26,0 28,9 31,5 34,8 37,2

19 6,84 7,63 8,91 10,1 11,7 14,6 18,3 22,7 27,2 30,1 32,9 36,2 38,6

10,9 12,4 15,5 19,3 23,8 28,4 31,4 34,2 37,6 40,0
20 7,43 8,26 9,59
13,2 16,3 20,3 24,9 29,6 32,7 35,5 38,9 41 ,4
21 8,03 8.90 10,3 11,6

11,0 14,0 17,2 21,3 26,0 30,8 33,9 36,8 40,5 42,8
22 8,64 9,54 12,3

23 9,26 10,2 11,7 13,1 14,8 18,1 22,3 27,1 32,0 35,2 38,1 41,6 44,2

24 9,89 10,9 12,4 13,8 15,7 19,0 23,3 28,2 33,1 36,4 39,4 43,0 45,6

25 10,5 11,5 13,1 14,6 16,5 19,9 24,3 29,3 34 ,4 37,7 40,6 44,3 46,9

17,3 20,8 25,3 30,4 35,6 38,9 41,9 45,6 48,3


26 11,2 12,2 13,8 15,4

18,1 21,7 26,3 31,5 36,7 40,1 43,2 47,0 49,6


27 11,8 12,9 14,6 16,2

18,9 22,7 27,3 32,6 37,9 41 ,3 44,5 48,3 51,0


28 12,5 13,6 15,3 16,9

19,8 23,6 28,3 33,7 39,1 42,6 45,7 49,6 52,5


29 13,1 14,3 16,0 17,7

20,6 24,5 29,3 34,8 40,3 43,8 47,0 50,9 53.7


30 13,8 15,0 16,8 18,5

Para <p > 30 usar a aproximao: x2X

Tabela 3. Distribuio de F de
Snedecor a = 5%

~~
2
1 2 3 4 5 6 7 8 9 10 20 30 120 00

161 ,4 199,5 215,7 224,6 230.2 234,0 236,8 238,9 240,5 241,9 248,0 250,1 253,3 254,3
1
18,51 19,00 19.16 19,25 19,30 19,33 19,35 19,37 19,38 19,40 19,45 19,46 19,49 19,50
2
10,1 3 9,55 9,28 9,12 9,01 8,94 8.89 8,85 8,81 8.79 8,66 8,62 8,55 8.53
3
7,71 6,94 6,59 6,39 6,26 6,16 6,09 6,04 6,00 5,96 5,80 5,75 5,66 5,63
4
6,61 5,79 5,41 5,19 5,05 4,95 4,88 4,82 4,77 4,74 4,56 4,50 4,40 4,36
5
5,99 5,14 4,76 4,53 4,39 4,28 4,21 4,15 4,1 0 4,06 3,87 3,81 3,70 3,67
6
5,59 4,74 4,35 4,12 3,97 3,87 3,79 3,73 3,68 3,64 3,44 3,38 3,27 2,23
7
5,32 4,46 4,07 3,84 3,69 3,58 3,50 3,44 3,39 3,35 3,15 3,08 2,97 2,92
8
5,12 4,26 3,86 3,63 3,48 3,37 3.29 3,23 3,18 3,14 2,94 2,86 2,75 2,71
9

(continua)

315
(continuao)

~
10
'2
1
4,96
2

4,10
3

3,71
4

3,48
5
3,33
6
3,22
7

3,14
8

3.07
9

3,02
10
2,98
20
2,77
30
2,70
120 00

2,54
2,58

11 4,84 3,98 3,59 3,36 3,20 3,09 3,01 2,95 2,90 2,85 2,65 2,57 2,45 2,40

12 4,75 3,89 3,49 3,26 3,11 3,00 2,90 2,85 2,80 2,75 2,54 2,47 2,34 2,30

13 4,67 3,81 3,41 3,18 3,03 2.92 2,83 2,77 2,71 2,67 2,46 2,38 2,25 2,21

14 4,60 3,74 3,34 3,11 2,96 2,85 2,76 2,70 2,65 2,60 2,39 3,31 2,18 2,13

15 4,54 3,68 3,29 3,06 2,90 2,79 2,71 2,64 2,59 2,54 2,33 2,25 2,11 2.07

16 4,49 3.63 3,24 3,01 2,85 2.74 2,66 2,59 2,54 2,49 2.28 2,19 2,06 2,01

17 4,45 3,59 3,20 2,96 2,81 2,70 2,61 2,55 2,49 2,45 2,23 2,15 2,01 1,96

18 4,4 1 3,55 3,16 2,93 2,77 2,66 2,58 2,51 2,46 2,41 2,19 2,11 1,97 1,92

19 4,38 3,52 3,1 3 2.90 2,74 2,63 2,54 2,48 2,42 2,38 2,16 2,07 1,93 1,88

20 4,35 3,49 3,10 2,87 2,71 2,60 2,51 2,45 2,39 2,35 2,12 2,04 1,90 1,84

21 4,32 3,47 3,07 2,84 2,68 2,57 2,49 2,42 2,37 2,32 2.10 2,01 1,87 1,81

22 4,30 3,44 4,05 2,82 2,66 2,55 2,46 2,40 2,34 2,30 2,07 1,98 1,84 1,78

23 4,28 3,42 3,03 2,80 2,64 2,53 2,44 2,37 2,32 2,27 2.05 1,96 1,81 1,76

24 4,26 3,40 3.01 2.78 2,62 2,51 2.42 2,36 2,30 2,25 2,03 1,94 1,79 1,73

30 4.17 3.32 2.92 2.69 2.53 2,42 2,33 2.27 2,21 2,16 1,93 1,84 1,68 1,62

40 4,08 3,23 2.84 2,61 2.45 2,34 2,21 2,18 2,12 2,08 1,84 1,74 1,58 1,51

60 4.00 3.15 2.76 2.53 2.37 2.25 2.17 2.10 2,04 1,99 1,75 1,65 1,47 1,39

120 3.92 3,07 2.68 2,45 2,29 2.17 2,09 2,02 1,96 1,91 1,66 1,55 1,35 1,25

00 3,84 3,00 2,60 2.37 2,21 2.10 2,01 1,94 1,88 1.83 1,57 1.46 1,22 1,00

u
Tabela 4. Distribuio t de Student

-r o t

~ 1
0,50

1,00000
0,25

2,4 142
0,10

6,3138
0,05

12.706
0,025

25.542
0,01

63.657
0,005

127,32
2 0,81650 1,6036 2 ,9200 4,3127 6,2053 9,9248 14,089
3 0,76489 1,4226 2,3534 3,1825 4,1765 5,8409 7,4533
4 0,74070 1,3444 2,1318 2,7764 3,4954 4,6041 5,5976

(continua)

316
(continuao)

;z
5
0,50

0,72669
0,25

1,3009
0,10

2,0150
0,05

2,5706
0,025

3,1634
0,01

4 ,0321
0,005

4,7733
6 0,71756 1,2733 1,9432 2,4469 2,9687 3 ,7074 4,3168
7 0,71114 1,2543 1,8946 2,3646 2,8412 3,4995 4,0293
8 0,70639 1,2403 1,8595 2,3060 2,7515 3,3554 3,8325
9 0,70272 1,2297 1,8331 2,2622 2,6850 3 ,2498 3,6897

10 0,69981 1,2213 1,8125 2,2281 2,6338 3 ,1693 3,5814


11 0,69745 1,2145 1,7959 2,2010 2,5931 3,1058 3,4966
12 0,69548 1,2089 1,7823 2,1788 2,5600 3,9545 3,4284
13 0,69384 1,2041 1,7709 2,1604 2,5326 3,0123 3,3725
14 0,692 1,2001 1,7613 2,1448 2,5096 2,9768 3,3257

15 0,69120 1, 1967 1,7530 2,1 315 2,4899 2,9467 3,2860


16 0,69013 1, 1937 1,7459 2, 1199 2,4729 2,9208 3,2520
17 0,68919 1, 191 o 1,7396 2,1098 2,4581 2,8982 3,2225
18 0,68837 1, 1887 1,7341 2,1009 2,4450 2,8784 3,1966
19 0,68763 1,1866 1,7291 2,0930 2,4334 2,8609 3,1737

20 0,68696 1, 1848 1,7247 2,0860 2,4231 2,8453 3,1534


21 0,68635 1, 1831 1,7207 2,0796 2,4138 2,8314 3,1352
22 0,68580 1, 1816 1,7171 2,0739 2,4055 2,8188 3, 1188
23 0,68531 1, 1802 1,7139 2,0687 2,3979 2,8073 3,1040
24 0,68485 1, 1789 1,7109 2,0639 2,3910 2,7969 3,0905

25 0,68443 1, 1777 1,7081 2,0595 2,3846 2,7874 3,0782


26 0,68405 1, 1766 1,7056 2,0555 2,3788 2,7787 3,0669
27 0,68370 1, 1757 1,7033 2,0518 2,3734 2,7707 3,0565
28 0,68335 1, 1748 1,701 1 2,0484 2,3685 2,7633 3 ,0469
29 0,68304 1, 1739 1,6991 2,0452 2,3638 2,7564 3 ,0380

30 0,68276 1, 1731 1,6973 2,0423 2,3596 2,7500 3,0298


40 0,68066 1, 1673 1,6839 2,0211 2,3289 2,7045 2,9712
60 0,67862 1, 1616 1,6707 2,0003 2,2991 2,6603 2,9146
120 0,67656 1, 1559 1,6577 1,9799 2,2699 2,6174 2,8599
00 0,67449 1, 1503 1,6449 1,9600 2,2414 2,5758 2,8070

317
Tabela 5. Dgitos aleatrios

03991 10461 93716 16894 98953 73231 39528 72484 82474 25593
38555 95554 32886 59780 09958 18065 81616 18711 53342 44276
17546 73704 92052 46215 15917 06253 07586 16120 82641 22820
32643 52861 95819 06831 19640 99413 90767 04235 13574 17200
69572 68777 39510 35905 85244 35159 40188 28193 29593 88627

24122 66591 27699 06494 03152 19121 34414 82157 86887 55087
61196 30231 92692 61773 22109 78508 63439 75363 44989 16822
30532 21704 10274 12202 94205 20380 67049 09070 93399. 45547
03788 97599 75867 20717 82037 10268 79495 04146 52162 90286
48228 63379 85783 47619 87481 37220 91704 30552 04737 21031

88618 19161 41290 67312 74857 15957 48545 35247 18619 13674
71299 23853 05870 01119 92784 26340 75122 11724 74627 73707
27954 58909 82444 99005 04921 73701 92904 13141 32392 19763
80863 00514 20247 81759 45197 25332 69902 63742 78464 22501
33564 60780 48460 85558 15191 18782 94972 11598 62095 36787

90899 75754 60833 25983 01291 41349 19152 00023 12302 80783
78038 70267 43529 06318 38384 74761 36024 00867 76378 41605
55986 66485 88722 56736 66164 49431 94458 74284 05041 49807
87539 08823 94813 31900 54155 83436 54158 34243 46978 35482
16818 60311 74457 90561 72848 11834 75051 93029 47665 64382

34677 58300 74910 64345 19325 81540 60365 94653 35075 33949
45305 07521 61318 31855 14413 70951 83799 42402 56623 34442
59747 67277 76503 34513 39663 77544 32960 07405 36409 83232
16520 69676 11654 99893 02181 68161 19322 53845 57620 52606
68652 27376 92852 55866 88448 03584 11220 94747 07399 37408

(continua)

318
(continuao)

79375 95220 01159 63267 10622 48391 31751 57260 68980 05339
33521 26665 55823 47641 86225 31704 88492 99382 14454 04504
59589 49067 66821 41575 49767 04037 30934 47744 07481 83828
20554 91409 96277 48257 50816 97616 22888 48893 27499 98748
59404 72059 43947 51680 43852 59693 78212 16993 35902 91386

42614 29297 01918 28316 25163 01889 70014 15021 68971 11403
34994 41374 70071 14736 65251 07629 37329 33295 18477 65622
99385 41600 11133 07586 36815 43625 18637 37509 14707 93997
66497 68646 78138 66559 64397 11692 05327 82162 83745 22567
48509 23929 27482 45476 94515 25624 95096 67946 16930 33361

15470 48355 88651 22596 83761 60873 43253 84145 20368 07126
20094 98977 74843 93413 14387 06345 80854 09279 41196 37480
73788 06533 28597 20405 51321 92246 80088 77074 66919 31678
60530 45128 74022 84617 72472 00008 80890 1 800~ 35352 54131
44372 15486 65741 14014 05466 55306 93128 18464 79982 68416

18611 19241 66083 24653 84609 58232 41849 84547 46850 52323
58319 15997 08355 60860 29735 47762 46352 33049 69248 93460
61199 67940 55121 29281 59076 07936 11087 96294 14013 31792
18627 90872 00911 98936 76355 93779 52701 08337 56303 87315
00441 58997 14060 40619 29549 69616 57275 36898 81304 48585

32624 68691 14845 46672 61958 77100 20857 73156 70284 24326
65961 73488 41839 55382 17267 70943 15633 84924 90415 93614
20288 34060 39685 23309 10061 68829 92694 48297 39904 02115
59362 95938 74416 53166 35208 33374 77613 19019 88152 00080
99782 93478 53152 67433 35663 52972 38688 32486 45134 63545

319
Tabela 6. Valores de e -

o 1 2 3 4 5 6 7 8 9
0,0 1,0000 0,9900 0,9802 0,9704 0,9608 0,9512 0,9418 0,9324 0,9231 0,9139
0,1 0,9048 0,8958 0,8869 0,8781 0,8694 0,8607 0,8521 0,8437 0,8353 0,8270
0,2 0,8187 0,8106 0,8025 0,7945 0,7866 0,7788 0,7711 0,7634 0,7558 0,7483
0,3 0,7408 0,7334 0,7261 0,7189 0,7118 0,7047 0,6977 0,6907 0,6839 0,6771
0,4 0,6703 0,6636 0,6570 0,6505 0,6440 0,6376 0,6313 0,6250 0,6188 0,6126
0,5 0,6065 0,6005 0,5945 0,5886 0,5827 0,5770 0,5712 0,5655 0,5599 0,5543
0,6 0,5488 0,5434 0,5379 0,5326 0,5273 0,5220 0,5169 0,5117 0,5066 0,5016
0,7 0,4966 0,4916 0,4868 0,4819 0,4771 0,4724 0,4677 0,4630 0,4584 0,4538
0,8 0,4493 0,4449 0,4404 0,4360 0,4317 0,4274 0,4232 0,4190 0,4148 0,4107
0,9 0,4066 0,4025 0,3985 0,3946 0,3906 0,3867 0,3829 0,3791 0,3753 0,3716

2 3 4 5 6 7 8 9 10
e- 0,36788 o,13534 0,04979 0,01832 0,006738 0,002479 0,000912 0,000335 0,000123 0,000045

Fonnato 17 x 24 cm
Papel Alta Alvura 75 gim' (miolo)
Supremo 250 gim' (capa)
Nmero de pginas 320
320 Impresso Editora Santurio