Escolar Documentos
Profissional Documentos
Cultura Documentos
Distribuicoes Teoricas de Probabilidades PDF
Distribuicoes Teoricas de Probabilidades PDF
Distribuicoes Teoricas de Probabilidades PDF
NOTAS DE AULA
ESTATÍSTICA BÁSICA
POMBAL - PB
NOVEMBRO de 2013
Sumário
1 Introdução Geral p. 9
1.1 A Estatística . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 9
1.10.1 Conceitos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 15
1.12.3 Ogivas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 21
2.1.1 Média . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 24
2.1.2 Moda . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 26
2.1.3 Mediana . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 28
2.3 Quartis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 31
2.4 Decis Di . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 33
2.6.2 Variância . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 37
2.6.3 Coeficiente de Variação . . . . . . . . . . . . . . . . . . . . . . . . p. 39
2.7 Exercícios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 40
3.3 Eventos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 46
3.9 Exercícios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 52
4 Probabilidade: Definições p. 53
4.2.1 Propriedades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 54
4.7 Exercícios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 59
5.5 Exercícios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 68
6.4 Exercícios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 76
7.1 Definições . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 78
7.5 Exercícios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 81
8.2.1 Média . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 85
8.3 Exercícios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 88
9 Teoria da Amostragem p. 90
9.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 90
9.5 Amostragem . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 92
9.10 Exercícios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 98
10.5.2 As variâncias σ12 e σ22 são desconhecidas mas σ12 = σ22 . . . . . . . p. 109
11.10Exercícios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 128
Referências p. 145
9
1 Introdução Geral
1.1 A Estatística
A razão pela qual consideramos a Estatística uma ferramenta importante para tomada
de decisões está no fato de que ela não deve ser considerada como um fim em si própria,
mas como um instrumento fornecedor de informações que subsidiarão, em consequência,
a tomada de melhores decisões, baseadas em fatos e dados.
Podemos considerar a Estatística como a ciência que se preocupa com a coleta, or-
ganização, descrição, análise e interpretação dos dados experimentais, ou oriundos de
estudos observacionais visando a tomada de decisões.
Dentro dessa idéia, podemos considerar a Ciência Estatística como dividida basica-
mente em duas partes: A Estatística Descritiva, que se preocupa com a organização e
descrição dos dados experimentais, e a Estatística Indutiva, que cuida da sua análise e
interpretação.
10
Em um sentido mais amplo, a Estatística Descritiva pode ser interpretada como uma
função cujo objetivo é a observação de fenômenos de mesma natureza, a coleta de dados
numéricos referentes a esses fenômenos, a organização e a classificação desses dados
observados e a sua apresentação através de gráficos e tabelas, além do cálculo de coefi-
cientes (estatísticas) que permitem descrever resumidadamente os fenômenos.
Variável é uma característica de uma unidade que será medida a partir daquela unidade
da amostra. Podemos descrever dois tipos de variáveis para estudo:
d) População Brasileira Variável: cor da pele (branca, preta, amarela, vermelha, parda).
11
a) Definição do Problema
Consiste na:
b) Planejamento
Indireta - feita através de outras fontes. Os dados podem ser obtidos pela própria
pessoa (primários) ou se baseia no registro de terceiros (secundários).
É a fase mais importante e também a mais delicada. Tira conclusões que auxiliam o
pesquisador a resolver seu problema.
13
Dados primários: são aqueles que não foram antes coletados, estando ainda em
posse dos pesquisados, e que são coletados com o propósito de atender às necessi-
dades específicas da pesquisa em andamento. As fontes básicas de dados primários são:
pesquisado, pessoas que tenham informações sobre o pesquisado e situações similares.
deve ser selecionada seguindo certas regras e deve ser representativa, de modo que ela
represente todas as características da população como se fosse uma fotografia desta.
Um dos objetivos da estatística é sintetizar os valores que uma ou mais variáveis po-
dem assumir, para que tenhamos uma visão global da variação das mesmas.
7) Casa ou Célula: parte da tabela formada pelo cruzamento de uma linha com uma
coluna.
1.10.1 Conceitos
Ex : 45, 41, 42, 41, 42, 43, 44, 41 ,50, 46, 50, 46, 60, 54, 52, 58, 57, 58, 60, 51
Rol: é uma lista em que os valores estão dispostos em uma determinada ordem, cres-
cente ou decrescente.
Ex : 41, 41, 41, 42, 42, 43, 44, 45 ,46, 46, 50, 50, 51, 52, 54, 57, 58, 58, 60, 60
Exemplo:
k
X
fi = n
i=1
Exemplo:
17
Ponto Médio de Classe xi : é o ponto que divide o intervalo de classe em duas partes
iguais. Ex: em 49 ` 53 o ponto médio x3 = (53 + 49)/2 = 51, ou seja x3 = (L3 + l3 )/2.
18
k = 1 + 3, 3 log n
At
4 - Calcule a amplitude do intervalo de classe h = k
.
fi fi
f ri = Pk =
i=1 fi n
fi
f ri = · 100
n
Exemplo:
1 41 ` 45 7 0,35 35%
2 45 ` 49 3 0,15 15%
3 49 ` 53 4 0,20 20%
4 53 ` 57 1 0,05 5%
5 57 ` 61 5 0,25 25%
P5
Total i=1 fi 20 1,00 100%
absoluta dessa classe ou desse valor com as frequências simples absolutas das classes
ou dos valores anteriores.
Exemplo:
Exemplo:
Os gráficos são uma forma de apresentação visual dos dados. Normalmente, contém
menos informações que as tabelas, mas são de mais fácil leitura. O tipo de gráfico depende
da variável em questão.
20
1.12.1 Histograma
Unindo por linhas retas os pontos médios das bases superiores dos retângulos do his-
tograma, obtém-se outra representação dos dados, denominada Polígono de Frequências.
21
1.12.3 Ogivas
A Ogiva tem por finalidade a representação gráfica das tabelas de frequências acumu-
ladas.
É a representação gráfica de uma série estatística por meio de uma linha poligonal. é
um dos mais importantes gráficos; representa observações feitas ao longo do tempo, em
intervalos iguais ou não. Tais conjuntos de dados constituem as chamadas séries históricas
ou séries temporais. Traduzem o comportamento de um fenômeno em certo intervalo de
tempo.
22
tores. O quociente entre a soma dos valores da série e a área do círculo deve ser o mesmo
que entre cada valor da variável dependente e a respectiva área do setor representativo.
Porém em virtude da proporcionalidade das áreas dos setores de um círculo com seus
ângulos centrais, podem-se dividir os valores considerados na série proporcionalmente a
estes ângulos.
24
• MÉDIA
• MODA
• MEDIANA
2.1.1 Média
Pn
x1 + x2 + . . . + x n i=1 xi
x̄ = =
n n
25
51 + 40 + 46 + 48 + 54 + 56 + 44 + 43 + 55 + 57 494
x̄ = = = 49, 4
10 10
Pn
x1 f 1 + x 2 f 2 + . . . + xn f n i=1 xi f i
x̄ = =
n n
Exemplo:
Portanto:
981
x̄ = = 49, 05
20
3 - Média: (Dados agrupados em uma distribuição de frequência por classes)
Pn
x1 f 1 + x 2 f 2 + . . . + xn f n i=1 xi f i
x̄ = =
n n
Exemplo:
26
Portanto:
996
x̄ = = 49, 80
20
2.1.2 Moda
Para este tipo de distribuição, a identificação da moda é facilitada pela simples ob-
servação do elemento que apresenta maior frequência.
27
Exemplo:
Para dados agrupados em classes, temos diversos métodos para o cálculo da moda.
Utilizaremos aqui o Método de Czuber denotado a seguir:
Método de Czuber
Procedimento:
– Utiliza-se a fórmula:
∆1
M o = li + h ·
∆2 + ∆1
em que:
Exemplo:
tem-se que:
Classe (M o): 41 ` 45
li = 41
28
h=4
∆1 = fmo − fant = 7 − 0 = 7
∆2 = fmo − fpost = 7 − 3 = 4
7
M o = 41 + 4 · = 43, 54
7+4
2.1.3 Mediana
5+1
Como n = 5, então o valor da mediana estará localizado na posição EM d = 2
= 3.
Portanto,
Md = 8
6
Como n = 6, então o valor da mediana estará localizado na posição EM d = 2
=3e
na posição consecutiva obtendo uma média aritmética desses valores. Portanto,
8 + 10
Md = =9
2
2 - Mediana (M d): (Dados agrupados em uma distribuição de frequência por valores
simples)
Exemplo:
Portanto:
20 46+50
EM d = 2
= 10, logo, M d = 2
= 48
Procedimento:
– Utiliza-se a fórmula:
EM d − Fant
M d = li + h ·
fM d
em que:
Exemplo:
Portanto:
20
EM d = 2
= 10
CLASSE(M d) = 45 ` 49
10 − 7
M d = 45 + 4 · = 45 + 4 = 49
3
31
Qi = quartis i = 1, 2, 3
Di = decis i = 1, 2, 3, . . . , 9
Ci = centis i = 1, 2, 3, . . . , 99
Assim, para dividir uma série ordenada de valores em quatro partes iguais, pre-
cisamos de três separatrizes (quartis); para dividi-la em dez, iremos recorrer a nove
separatrizes (decis); em cem, recorremos a noventa e nove separatrizes (centis). O
gráfico a seguir ilustra melhor o que foi dito em relação aos quartis e decis:
2.3 Quartis
vinte e cinco por cento dos valores sejam menores d que ele e três quartos ou setenta
e cinco por cento dos restantes sejam maiores. O elemento que indica a ordem ou
posição do primeiro quartil é determinado, para dados agrupados em classes, pela
seguinte expressão:
n
EQ1 =
4
em que n é o número de valores do conjunto, ou número de observações.
2n n
EQ2 = =
4 2
3n
EQ3 =
4
in
EQi =
4
em que i indica o número do quartil a ser calculado e n o número de elementos ou
observações da amostra.
2.4 Decis Di
A definição dos decis obedece ao mesmo princípio da dos quartis, com a modifi-
cação da porcentagem de valores que ficam aquém e além do decil que se pretenda
clacular. Assim, por exemplo:
n
ED1 =
10
Trata-se do valor que divide o conjunto em duas partes, tais que vinte por cento ou
dois décimos dos valores sejam menores e oitenta por cento ou oito décimos dos
valores sejam maiores; para saber a ordem do segundo decil, usamos a expressão:
2n
ED2 =
10
De especial interesse é o quinto decil, que divide o conjunto em duas partes, tais que
cinco décimos ou cinquenta por cento dos valores sejam menores e cinco décimos ou
cinquenta por cento dos valores restantes maiores do que ele. Assim sendo, o quinto
34
decil é igual ao segundo quartil, que por sua vez é igual à mediana. O elemento que
indica a ordem do quinto decil é igual ao elemento mediano, ou seja:
5n n 2n
ED5 = = =
10 2 4
Podemos, então, afirmar que
M d = D5 = Q2
De uma forma geral, para calcular os decis, recorreremos à seguinte expressão que
define a ordem em que o decil se encontra:
in
EDi =
10
em que n indica o número de valores observados e i o número que identifica o decil
a ser calculado.
Neste caso, cada parte em que foram subdivididos os valores do conjunto, através
dos noventa e nove centis, contará com um centésimo ou um por cento dos valores
do conjunto.
in
ECi =
100
em que i é o número indicador do centil e n é o número total de observações.
É oportuno lembrar que os centis englobam todos os decis e quartis. Assim, por
exemplo:
20n 2n
EC20 = = 0, 2n = ED2 = = 0, 2n
100 10
A fórmula de cálculo dos centis será:
ECi − Fant
Ci = l + h
f Ci
Exemplo:Na Tabela abaixo figuram os dados correspondentes ao consumo de elet-
ricidade de 80 usuários. Calcular as seguintes medidas:
c) Nono Decil: D9
e) Primeiro quartil: Q1
– DESVIO-PADRÃO
– VARIÂNCIA
– COEFICIENTE DE VARIAÇÃO
sP
n
− x̄)2
i=1 (xi
S=
n−1
Exemplo: Calcular o desvio-padrão do conjunto 10, 12, 13, 20, 25, 34, 45.
v
u
u 1 X 7 r
1
S= t (xi − 22, 714)2 = [(10 − 22, 714)2 + . . . + (45 − 22, 714)2 ]
7 − 1 i=1 6
r
1
S= × 1007, 43 = 12, 958
6
sP
n
− x̄)2 fi
i=1 (xi
S=
n−1
Exemplo:
r
803, 20 p
S= = 42, 27 = 6, 5
20 − 1
2.6.2 Variância
Pn
2 i=1 (xi − µ)2
σ =
N
ou
Pn
2 − x̄)2
i=1 (xi
S =
n−1
38
Exemplo:
como x̄ = 7, 8
38, 4
S2 = = 9, 7
4
2 - Variância: (Dados Tabulados)
Pn
2 i=1 (xi − µ)2 fi
σ =
N
ou
Pn
2 i=1 (xi − x̄)2 fi
S =
n−1
Exemplo:
803, 20
S2 = = 42, 27
19
S
CV = · 100
x̄
Exemplo:1
1.500
Sexo Masculino: CV = 4.000
· 100 = 37, 5%
1.200
Sexo Feminino: CV = 3.000
· 100 = 40%
40
2.7 Exercícios
Determine:
a) a média, a moda e a mediana das áreas plantadas de soja.
b) O desvio padrão, a variância e o coeficiente de variação.
13 18 9 10
6 11 10 14
10 11 15 12
14 8 13 7
Faixa de fri
consumo
10 ` 15 0,10
15 ` 20 0,15
20 ` 25 0,30
25 ` 30 0,25
30 ` 35 0,15
35 ` 40 0,05
Turma A B C
Média 6,5 8,0 8,0
Desvio Padrao 2,2 1,7 2,0
4 2 1 0 3 1 2 0 2 1
0 2 1 1 0 4 3 2 3 5
8 0 1 6 5 3 2 1 6 4
3 4 3 2 1 0 2 1 0 3
11. (UFPB - 2002) O gráfico ao lado mostra a porcentagem de acertos nas questões
de um concurso onde havia 12000 inscritos. Com base nos dados apresen-
tados, determine a quantidade de candidatos que acertou pelo menos duas
questões.
xi fi Fi fri
1 2 0,025
2 12
3 58
4 0,2
5
4,0 4,2 4,3 4,4 4,5 4,5 4,6 5,0 5,1 5,2
5,3 5,3 5,5 5,7 5,8 6,0 6,1 6,3 6,4 6,5
6,6 6,7 6,8 6,9 7,0 7,2 7,5 7,6 7,7 7,9
8,0 8,3 8,5 8,6 8,8 8,9 9,0 9,1 9,2 9,3
9,3 9,4 9,4 9,5 9,5 9,6 9,7 9,8 9,8 9,9
Fenômenos aleatórios: são aqueles que, mesmo repetidos várias vezes sob condições
semelhantes, apresentam resultados imprevisíveis.
Exemplos:
– Lançamento de um dado;
Ω = {c, r} ;
Ω = {1, 2, 3, 4, 5, 6} ;
Ω = {Ao , . . . , Ko , Ap , . . . , Kp , Ac , . . . , Kc , Ae , . . . , Ke } ;
Ω = {t ∈ </t ≥ 0}.
3.3 Eventos
φ
{e1 }, {e2 }, {e3 }, {e4 }
F (Ω) = {e1 , e2 }, {e1 , e3 }, {e1 , e4 }, {e2 , e3 }, {e2 , e4 }, {e3 , e4 }
{e1 , e2 , e3 }, {e1 , e2 , e4 }, {e1 , e3 , e4 }, {e2 , e3 , e4 }
{e1 , e2 , e3 , e4 }
47
União
Figura 1: A ∪ B
Observações:
1) A ∪ B = B ∪ A
2) A ∪ A = A
3) A ∪ φ = A
4) Se A ⊂ B ⇒ A ∪ B = B (em particular A ∪ Ω = Ω)
48
Intersecção
Figura 2: A ∩ B
Observações:
1) A ∩ B = B ∩ A
2) A ∩ A = A
3) A ∩ φ = φ
4) Se A ⊂ B ⇒ A ∩ B = A (em particular A ∩ Ω = A)
5) (A ∩ B) ∩ C = A ∩ (B ∩ C)
Complementação
Observações:
1) (Ac )c = A
2) A ∪ Ac = Ω
3) φc = Ω
4) A ∩ Ac = φ
49
Figura 3: Ā = Ac
5) Ωc = φ
a) IDEMPOTENTES
A∩A=A
A∪A=A
b) COMUTATIVAS
A∪B =B∪A
A∩B =B∩A
c) ASSOCIATIVAS
A ∩ (B ∩ C) = (A ∩ B) ∩ C
A ∪ (B ∪ C) = (A ∪ B) ∪ C
50
d) DISTRIBUTIVAS
A ∪ (B ∩ C) = (A ∪ B) ∩ (A ∪ C)
A ∩ (B ∪ C) = (A ∩ B) ∪ (A ∩ C)
e) ABSORÇÕES
A ∪ (A ∩ B) = A
A ∩ (A ∪ B) = A
f) IDENTIDADES
A∩Ω=A
A∪Ω=Ω
A∩φ=φ
A∪φ=A
g) COMPLEMENTARES
Ωc = φ
φc = Ω
A ∩ Ac = φ
A ∪ Ac = Ω
(Ac )c = A
(A ∩ B)c = Ac ∪ B c
(A ∪ B)c = Ac ∩ B c
a) Ai 6= φ, i = 1, . . . , n
51
b) Ai ∩ Aj = φ para i 6= j
c) ∪ni=1 Ai = Ω
3.9 Exercícios
4 Probabilidade: Definições
Dado um experimento aleatório, sendo Ω o seu espaço amostral, vamos admitir que
todos os elementos de Ω tenham a mesma chance de acontecer, ou seja, que Ω é
um conjunto equiprovável.
Axioma 2: P (Ω) = 1.
n
! n
[ X
P Ai = P (Ai )
i=1 i=1
54
4.2.1 Propriedades
P.1 - P (φ) = 0
∞
! ∞
[ X
P Ai = P (Ai )
i=1 i=1
P (Ac ) = 1 − P (A)
P (A ∪ B) = P (A) + P (B) − P (A ∩ B)
n
X
P (Ai ) = 1
i=1
P (A ∩ B) = P (A) · P (B)
Problema
a) Mutuamente exclusivos;
b) independentes.
Resolução
P (A ∩ B)
P (A/B) = , dado P (B) > 0
P (B)
ou, equivalentemente
P (A ∩ B)
P (B/A) = , dado P (A) > 0
P (A)
k
X
P (B) = P (Ai ∩ B)
i=1
k
X
P (B) = P (Aj ) · P (B/Aj )
i=1
Exemplo: Uma urna contém 3 bolas brancas e 2 amarelas. Uma segunda urna
contém 4 bolas brancas e 2 amarelas. Escolhe-se, ao acaso, uma urna e dela retira-
se, também ao acaso, uma bola. Qual a probabilidade de que seja branca?
P (Aj )P (B/Aj )
P (Aj /B) = Pk (4.1)
i=1 P (Ai ) · P (B/Ai )
P (Aj ∩ B)
P (Aj /B) =
P (B)
4.7 Exercícios
1. Dez fichas numeradas de 1 até 10 são misturadas em uma urna. Duas fichas,
numeradas (X, Y ), são extraídas da urna, sucessivamente e sem reposição.
Qual é a probabilidade de que seja X + Y = 10? (R= 4/45)
5. Um lote é formado por 10 animais sadios, quatro com problemas menores e dois
com problemas graves. Todos os animais são numerados e é feita a escolha de
um animal ao acaso. Ache a probabilidade de que:
a) ele não tenha problemas; (R =5/8)
b) ele não tenha problemas graves; (R = 7/8)
c) ele ou seja sadio ou tenha problemas graves. (R = 3/4)
6. Duas bolas vão ser retiradas sem reposição de uma urna que contém 2 bolas
brancas, 3 pretas e 4 verdes. Qual a probabilidade de que ambas
a) sejam verdes? (R = 1/6)
b) sejam da mesma cor? ( R = 5/18)
fecundos; trinta por cento dos animais da raça Y sao não fecundos e setenta e
cinco por cento dos animais são da raça X . Escolhe-se um animal ao acaso.
Determine a probabilidade desse animal:
a) ser da raça Y dado que é fecundo; (R = 0,55)
b) ser não fecundo dado que é da raça Y .( R = 0,30)
11. Num certo colégio, 4% dos homens e 1% das mulheres têm mais de 1,75 de
altura. 60% dos estudantes são mulheres. Um estudante é escolhido ao acaso
8
e tem mais de 1,75 m. Qual a probabilidade de que seja homem? ( R = 11
=
0, 7272)
12. A e B jogam 120 partidas de xadrez, das quais A ganha 60, B ganha 40 e 20
terminam empatadas. A e B concordam em jogar 3 partidas. Determinar a
probabilidade de:
a) A ganhar todas a três; (R = 81 )
5
b) duas partidas terminarem empatadas; (R = 72
)
5
c) A e B ganharem alternadamente. (R = 36
)
13. Em uma prova caíram dois problemas. Sabe-se que 132 alunos acertaram o
primeiro, 86 erraram o segundo, 120 acertaram os dois e 54 acertaram apenas
um problema. Qual a probabilidade de que um aluno, escolhido ao acaso:
37
a) não tenha acertado nenhum problema? ( R = 124
)
21
b) tenha acertado apenas o segundo problema? (R = 124
)
14. São retiradas, com reposição, duas cartas de um baralho com 52 cartas. Qual
1
a probabilidade de que as duas sejam de ouros? (R = 16
)
61
15. Um lote de certo tipo de peças é formado de 9 peças boas, 2 com pequenos
defeitos e uma com defeito grave. Uma dessas peças é escolhida ao acaso.
Determine a probabilidade de que a peça escolhida:
a) não tenha defeito; ( R = 34 )
11
b) não tenha defeito grave. (R = 12
)
X : Ω −→ <
Exemplo
Ω = {(c, c, c), (c, c, r), (c, r, c), (c, r, r), (r, c, c), (r, c, r), (r, r, c), (r, r, r)}
a) p(xi ) ≥ 0,
P∞
b) i=1 p(xi ) = 1
Exemplo
Lançam-se dois dados. Seja a v.a. X: soma das faces. Determinar a distribuição de
probabilidade da variável aleatória X.
64
Suponha que uma variável aleatória X possua uma distribuição discreta cuja função
é p(x). A esperança de X , denotada por E(X), é um número definido por:
X
µ = E(X) = x · p(x)
x
Exemplo: Suponha que uma v.a. X possa assumir somente quatro valores: -2, 0, 1
e 4, e que P (X = −2) = 0, 1; P (X = 0) = 0, 4; P (X = 1) = 0, 3; P (X = 4) =
0, 2.
Então:
Propriedades da Esperança
E(a) = a
E(aX) = a · E(X)
E Πni=1 Xi = Πni=1 E(Xi )
Suponha que uma v.a. X possua uma distribuição discreta, cuja função é p(x). Então
X X
V (X) = (x − µ)2 · p(x) = x2 · p(x) − µ2
x x
Exemplo: Suponha que uma v.a. X possa assumir somente quatro valores: -2, 0, 1
e 4, e que P (X = −2) = 0, 1; P (X = 0) = 0, 4; P (X = 1) = 0, 3;
P (X = 4) = 0, 2.
(0, 3) + (4 − 0, 9) · (0, 2) = 3, 09
Propriedades da Variância
Observações:
c) 0 ≤ F (x) ≤ 1
e) P (a ≤ X ≤ b) = F (b) − F (a) + P (X = a)
P (X > a) = 1 − F (a)
Teoremas
X
FX (x) = P (xj )
j
67
Exemplo
Suponhamos que a v.a. X tome os três valores 0,1, e 2, com probabilidades 1/3, 1/6
e 1/2, respectivamente. Então:
5.5 Exercícios
X 1 2 3 4
P (X) 0,2 0,5 0,2 0,1
a) Determine P (X ≤ 3) e P (2 ≤ X ≤ 3).
b) Calcule E(X) e V (X).
c) Obtenha F (X) e esboçe seu gráfico.
5. Uma urna tem 4 bolas brancas e 3 pretas. Retiram-se 3 bolas sem reposição.
Seja X : número de bolas brancas, determinar a distribuição de probabilidades
de X .
X 0 1 2 3
P (X) 1/4 1/8 1/2 1/8
70
6 Distribuições Teóricas de
Probabilidades de Variáveis
Aleatórias Discretas
P (X = 0) = q e P (X = 1) = p
P (X = x) = px · q 1−x
Exemplo: Uma urna contém 15 bolas brancas e 25 bolas vermelhas. Uma bola é
71
Solução:
25 5
X=0→q= 40
= 8
15 3
X=1→p= 40
= 8
P (X = x) = ( 38 )x ( 58 )1−x
3
E(X) = p = 8
3 5 15
V (X) = pq = 8
· 8
= 64
Logo,
n k n−k
P (X = k) = p q
k
X ∼ B(n, p)
72
Solução: Se X é a v.a. que representa o número de indivíduos que são do sexo femi-
nino, temos que X segue uma distribuição binomial, cuja probabilidade de "sucesso"
(ser do sexo feminino) em cada tentativa é 0,60. Portanto,
a)
5
P (X = 3) = (0, 6)3 (0, 4)2 = 0, 3456
3
b) A probabilidade que pelo menos um dos indivíduos ser do sexo feminino é dada
por
5
1 − P (X = 0) = 1 − (0, 6)0 (0, 4)5 = 1 − 0, 0102 = 0, 9898
0
c) A probabilidade que ao menos 3 (uma maioria) ser do sexo feminino é dada por
P(X = 3) +
P(X = 4) + P(X = 5), ou seja:
5 3 2 5 4 1 5
(0, 6) (0, 4) + (0, 6) (0, 4) + (0, 6)5 (0, 4)0 = 0, 6826
3 4 5
n
k n−k
Se X ∼ B(n.p) → P (X = k) = k
p q então
E(X) = n · p e V (X) = n · p · q
1 1
p= 2
eq= 2
logo,
1
E(X) = np = 100 · 2
= 50
Seja X uma v.a. com distribuição discreta, e suponha que X assuma valores inteiros
não negativos. É dito que X possui uma distribuição de Poisson com média λ onde
(λ > 0) se a função de probabilidade de X é dada por:
e−λ λk
P (X = k) = k = 0, 1, 2, 3, . . .
k!
em que X o número de sucessos no intervalo
1. carros que passam por um cruzamento por minuto, durante uma certa hora do dia;
4. mortes por ataque de coração por ano, numa cidade. É aplicada também em
problemas de filas de espera em geral, e outros.
Solução
Seja X a v.a. que representa o número de pessoas que sofrem a reação nociva após
injerir o soro. Então,
e−λ λk
P (X = k) = k = 0, 1, 2, 3, . . .
k!
onde λ = 2000 · 0, 001 = 2. Logo,
e−2 23
P (X = 3) = = 0, 18
3!
P (X ≥ 3) = 1 − P (X ≤ 2) = 1 − [P (X = 0) + P (X = 1) + P (X = 2)]
Exemplo 2: Numa central telefônica chegam 300 telefonemas por hora. Qual a
probabilidade de que:
e−5 50
P (X = 0) = = 0, 006738
0!
dois minutos λ = 10
e−10 102
P (X = 2) = = 0, 002270
2!
76
6.4 Exercícios
1. Retira-se uma bola de uma urna contendo 30 bolas brancas e 20 verdes. Qual
a probabilidade dessa bola ser verde?
6. Se a probabilidade de uma lâmpada fluorescente ter vida útil de pelo menos 800
horas é de 0,9, determine a probabilidade de que, entre 20 lâmpadas,
a) exatamente 18 terão vida útil de pelo menos 800 horas. (R = 0,2852)
b) pelo menos 15 terão vida útil de pelo menos 800 horas. (R = 0,9887)
c) pelo menos duas não terão vida útil de pelo menos 800 horas. (R = 0,6083)
7. Uma loja tem um lote de 10 fechaduras, das quais 5 têm defeitos. Se uma
pessoa comprar 3 fechaduras, qual a probabilidade de encontrar no máximo
uma defeituosa?
a) exatamente 5 caras?
b) entre 3 e 7 caras?
10. Uma cia de seguros descobriu que somente cerca de 0,1 por cento da popu-
lação está incluída em certo tipo de acidente por ano. Se seus 10000 segu-
rados são escolhidos, ao acaso, na população, qual é a probabilidade de que
não mais do que 5 de seus clientes venham a estar incluídos em tal acidente no
próximo ano?
11. Supondo que o número de carros que chegam numa fila do guichê de um pedá-
gio tem distribuição de Poisson a uma taxa de três por minuto, calcule a proba-
bilidade de que cheguem cinco carros nos próximos dois minutos.
12. Um caixa de banco atende 150 clientes por hora. Qual a probabilidade de que
atenda:
13. Uma empresa geralmente compra grandes lotes de certo tipo de equipamento
eletrônico. O método utilizado rejeita o lote se dois ou mais ítens com defeitos
forem encontrados em uma amostra aleatória de 100 unidades.
a) Qual a probabilidade de rejeição de um lote se há 1% de ítens defeiuosas?
b) Qual a probabilidade de aceitação de um lote se há 5% de ítens defeiuosas?
78
7.1 Definições
a) f (x) ≥ 0, x ∈ <x
R
b) <x
f (x)dx = 1
Z d
P (c < x < d) = f (x)dx
c
Observações:
FX (x) = P (X ≤ x)
Teorema
Z x
FX (x) = f (s)ds
−∞
Se uma variável aleatória X possui uma distribuição contínua com f.d.p. f (x), então
a esperança E(X) é definida por:
Z ∞
µ = E(X) = x · f (x)dx
−∞
Exemplo: Suponha que f.d.p. de uma v.a. X com uma distribuição contínua seja:
(
2x para 0 < x < 1
f (x) =
0 caso contrário
R1 R1 2x3 2
Então E(X) = 0
x · (2x)dx = 0
2x2 dx = 3
|10 = 3
Suponha que uma v.a. X possua uma distribuição contínua, cuja f.d.p. é f (x). Então
Z ∞ Z ∞
2
V (X) = (x − µ) f (x)dx = x2 f (x)dx − µ2
−∞ −∞
Exemplo: Suponha que f.d.p. de uma v.a. X com uma distribuição contínua seja:
(
2x para 0 < x < 1
f (x) =
0 caso contrário
R1 R1 2x4
V (x) = 0
x2 (2x)dx − ( 23 )2 = 0
2x3 dx − ( 23 )2 = 4
|10 −( 23 )2 = 2
4
− 4
9
= 2
36
81
7.5 Exercícios
(
3
2
(x − 1)2 se 0 ≤ x ≤ 2
f (x) =
0 caso contrário
Determinar:
a) A média.
b) A variância.
(
K(2x − x2 ) se 0 ≤ x ≤ 1
f (x) =
0 se x < 0 ou x > 1
a) Determinar K.
b) Calcular E(X) e V (X).
c) Calcular P (0 ≤ x ≤ 1/2).
(
2
x2
se 1 ≤ x ≤ 2
f (x) =
0 se x < 1 ou x > 2
5. Dada a função
(
2e−2x se x ≥ 0
f (x) =
0 se x < 0
a) Mostre que esta é uma f.d.p.
b) Calcule a probabilidade de X > 10.
( t
1
1000
e− 1000 para t ≥ 0 (em horas)
f (t) =
0 se t < 0
82
2kx se 0 ≤ x < 3
f (x) = kx para 3 ≤ x < 5
0 caso cantrário
8. O número total de horas, medido em unidades de 100 horas, que uma família
utiliza o aspirador de pó em sua casa, durante o período de um ano, é uma
variável aleatória contínua X , que tem função de densidade
x se 0 < x < 1
f (x) = 2 − x para 1 ≤ x < 2
0 caso cantrário
8 Distribuições Teóricas de
Probabilidades de Variáveis
Aleatórias Contínuas
Usada comumente nas situações em que não há razão para atribuir probabilidades
diferentes a um conjunto possíveis de valores da variável aleatória em um determi-
nado intervalo.
Uma variável aleatória contínua X , definida no intervalo [a, b], tem distribuição Uni-
forme se sua função densidade de probabilidade for especificada por
(
k para a≤x≤b
f (x) =
0 para x < a ou x > b
Z b
k dx = 1
a
k · x |ba = 1
1
k=
b−a
Logo,
84
1
b−a
para a≤x≤b
f (x) =
0 para x < a ou x > b
x
x−a
Z
1
ds =
a b−a b−a
b+a (b−a)2
E(X) = 2
e V (X) = 12
Uma variável normal, de modo geral, retrata bem fenômenos cujo efeito final corres-
ponde à soma de múltiplas causas ou é afetado por diversas variáveis independentes
(típico de variáveis físico químicas, socioeconômicas, psicossociais, etc).
85
Carl Friedrich Gauss em 1809 se tornou associado com essa distribuição quando ele
analizou dados astronomicos, e definiu a equação desta densidade de probabilidade.
Ela é frequentemente chamada de curva de sino porque o gráfico da sua densidade
de probabilidade se assemelha um sino (JOHNSON e KOTZ, 1970).
Definição: Dizemos que uma v.a. X possui uma distribuição Normal (ou Gaussiana)
com média µ e variância σ 2 (−∞ < µ < ∞ e σ > 0) se X possuir uma distribuição
contínua com função densidade de probabilidade dada por:
2
1 1 x−µ
f (x) = √ e− 2 σ para −∞<x<∞
σ 2π
8.2.1 Média
E(X) = µ
V (X) = σ 2
1 x2
φ(x) = √ e− 2
2π
Se uma variável X tem uma distribuição normal com média µ e variância σ 2 , então a
variável
86
X −µ
Z=
σ
As probabilidades para uma distribuição normal com qualquer média e variância po-
dem ser determinadas através de Tabelas de uma distribuição normal padrão.
a) P (100 ≤ X ≤ 106)
b) P (89 ≤ X ≤ 107)
87
c) P (X ≤ 114)
d) P (X ≥ 108)
Resolução
X−100
µ = 100 e σ = 5, Z = 5
.
c) P (X ≤ 114) = P (Z ≤ 2, 8) = 0, 9918
2. Supor uma população em que o peso dos indivíduos seja distribuido normalmente
com média 68 kg e desvio padrão 4 kg. Determinar a proporção de indivíduos
a) abaixo de 66 kg
b) acima de 72 kg
c) entre 66 e 72 kg
c) P (66 < X < 72) = P (−0, 5 < Z < 1) = P (Z < 1) − P (Z < −0, 5) = 0, 8413 −
0, 3085 = 0, 5328
88
8.3 Exercícios
1. A dureza H de uma peça de aço pode ser pensada como uma variável aleatória
com distribuição uniforme no intervalo [50,70] da escala Rockwel. Calcular a
probabilidade de que uma peça tenha dureza entre 55 e 60.
4. Certo tipo de armazenados de bateria dura, em média, três anos, com desvio
padrão de 0,5 ano. Assumindo que a vida dos armazenadores é distribuída
normalmente, encontre a probabilidade de que certo armazenador dure pelo
menos 2,3 anos.
5. Uma indústria elétrica fabrica lâmpadas que têm vida útil, antes de queimarem,
normalmente distribuída com média igual a 800 horas e desvio padrão de 40
horas. Encontre a probabilidade de que uma lâmpada queime entre 778 e 834
horas.
8. Vamos supor que uma galinha da linhagem Shaver 579 produza, em um período
de 72 semanas, 200 ovos em média, com variância de 49 ovos, e que esta var-
89
9 Teoria da Amostragem
9.1 Introdução
População: O conjunto da totalidade dos indivíduos sobre o qual se faz uma infer-
ência recebe o nome de população ou universo. A população congrega todas as
observações que sejam relavantes para o estudo de uma ou mais seres animados
ou inanimados. Em linguagem mais formal, a população é o conjunto constituído
por todos os indivíduos que apresentem pelo menos uma característica comum, cujo
comportamento interessa analisar (inferir).
Amostra: A amostra pode ser definida como um subconjunto, uma parte selecionada
da totalidade de observações abrangidas pela população, através da qual se faz um
juízo ou inferência sobre as características da população.
Variável: uma característica de uma unidade que será medida a partir daquela
unidade da amostra.
9.5 Amostragem
Probabilística: São amostragem em que a seleção é aleatória de tal forma que cada
elemento tem igual probabilidade de ser sorteado para amostra.
A Amostragem aleatória simples é uma técnica segundo a qual cada um dos elemen-
tos (sujeitos) que compõe a população alvo tem igual probabilidade de ser escolhido
para fazer parte de uma amostra. A amostragem aleatória simples consiste em elab-
orar uma lista numérica de elementos de onde se tira, com a ajuda de uma tabela de
números aleatórios, uma série de números para constituir a amostra.
Exemplo:
Vamos retirar uma amostra para uma pesquisa de estatura de quarenta alunos de
uma sala de aula.
Consiste quando existe uma lista ordenada de elementos da população. Esta técnica
consiste K elementos dessa lista sendo o primeiro elemento da amostra retirado ao
acaso.
Não há dúvida de que uma amostra não representa perfeitamente uma população.
Ou seja, a utilização de uma amostra implica na aceitação de uma margem de erro
95
n
1X σ2
x̄ = xi ∼ N (µ, )
n i=1 n
σ2
ou seja, x̄ tem distribuição Normal com E(x̄) = µ e V (x̄) = n
. Podemos
σ2
escrever de forma equivalente que, se x̄ ∼ N (µ, n
) então
x̄ − µ
Z= ∼ N (0, 1)
√σ
n
σ2 N − n
x̄ ∼ N µ,
n N −1
96
N −n
em que N −1
é o fator de correção.
(
X = 1 se o elemento da população tem a característica
X = 0 se o elemento da população não tem a característica
Vejamos agora:
x 1 1
V (p̂) = V n
= n2
· V (x) = n2
npq ∴
pq
p pq
ou V (p̂) = n
ou σp̂ = n
p̂ − p
Z = p pq ∼ N (0, 1)
n
Exemplo 3: Um fabricante afirma que sua vacina contra gripe imuniza em 80%
dos casos. Uma amostra aleatória de 25 indivíduos que tomaram a vacina foi
obtida e testes foram feitos para verificar a imunização ou não desses indiví-
duos. Se o fabricante estiver correto, qual é a probabilidade da proporção de
imunizados na amostra ser inferior a 0,75? E superior a 0,85?
9.10 Exercícios
1. Com o objetivo de verificar que lanche deveria ser servido para os ado-
lescentes de um acampamento, selecionou-se uma amostra composta por
250 adolescentes sorteados entre os 2.000 presentes num acampamento.
Que tipo de amostragem foi utilizada?
2. Em uma cidade de 138.000 habitantes, deseja-se fazer uma pesquisa so-
bre as preferências de lazer entre pessoas da terceira idade, levando em
conta o sexo a que pertencem. Supondo que na cidade haja 8.500 mul-
heres e 5.300 homens acima de 65 anos de idade, determine uma amostra
estratificada com 200 elementos.
3. Um repórter da revista Business Week obtém uma relação numerada de
1.000 empresas com maiores cotações de ações na bolsa. Ele entrevistará
100 gerentes gerais das empresas correspondentes a esta amostra. Que
tipo de amostragem você surgeriria e por que?
4. Um tipo de fio é fabricado com resistência média à tensão de 78,3 quilogra-
mas e desvio-padrão de 5,6 quilogramas. Em quanto a variância da média
amostral muda quando o tamanho da amostra é
a) Aumentado de 64 para 196?
b) Reduzido de 784 para 49?
5. Uma engarrafadora utiliza uma máquina para encher garrafas plásticas com
refrigerante, cujo conteúdo segue uma distribuição Normal com µ = 298 ml
e σ = 3 ml. Qual é a probabilidade de:
a) determinada garrafa conter menos de 295 ml?
b) o conteúdo médio das garrafas de um pacote de 6 ser inferior a 295 ml?
6. Seja a variável X = chamadas telefonicas de longas distâncias (em minu-
tos), com X ∼ N (µ, σ 2 ) em que µ = 8 e σ 2 = 4. Se amostras aleatórias de
25 chamadas forem selecionadas,
a) que proporção das médias amostrais estará entre 7,8 e 8,2 min?
b) que proporção das médias amostrais estará entre 7,5 e 8 min?
c) Que proporção das médias amostrais estará entre 7,8 e 8,2 min para
uma amostra aleatória de 100 chamadas? Comparar os resultados a) e c).
7. A renda de um conjunto de pessoas de uma certa região tem média 6 s.m.
99
10 Teoria da Estimação
10.1 Introdução
A adoção de um estimador que não seja justo nos levará a incorrer no vício de
estimação, ou viés.
Exemplo
Seja X1 , X2 , . . . , Xn uma amostra aleatória de tamanho n obtida de uma pop-
1
Pn
ulação com média µ e variância σ 2 , então X̄ = n i=1 Xi é um estimador não
viciado de µ.
Pn Pn nµ
E(X̄) = E( n1 i=1 Xi ) = 1
n i=1 E(Xi ) = n
=µ
10.3.2 Consistência
lim E(Tn ) = θ
n→∞
lim V (Tn ) = 0
n→∞
Exemplo
Pn
Se Xi ∼ Bernoulli(p) então X = i=1 Xi ∼ Binomial(n, p), daí E(X) = np
e V (X) = np(1 − p). Então,
E(X) np
E(p̂) = E( Xn ) = n
= n
= p (e p̂ é um estimador não viciado de p);
10.3.3 Eficiência
V (T ) < V (T 0 ),
Solução:
Pn Pn np(1−p)
V (p̂) = V ( X1 +X2n+...+Xn ) = 1
n2 i=1 V (Xi ) = 1
n2 i=1 p(1 − p) = n2
=
p(1−p)
n
;
103
p(1−p)
Como, para n > 1, V (p̂) = n
< V (p̂1 ) = p(1 − p) e, sendo p̂ e p̂1 esti-
madores não viciados então, de acordo com a Definiçao, p̂ é mais eficiente do
que p̂1 .
10.3.4 Suficiência
Uma estimativa pontual de parâmetros, por não dizer o quão próximo o parâmetro
estimado vai estar do parâmetro verdadeiro, não é suficiente para informar sobre
a precisão da estimativa. Os métodos de estimação por intervalo tem propósito
de determinar os intervalos aleatórios, chamados intervalos de confiança, que
contém o valor do parâmetro desconhecido com uma probabilidade especifi-
cada chamada nível de confiança. Neste caso a amplitude do intervalo dá uma
indicação da precisão da estimativa obtida.
1
Pn 2
X̄ = n i=1 Xi ∼ N (µ, σn ) e, com a variância σ 2 é suposta conhecida, a
variável aleatória
104
X̄ − µ
Z= ∼ N (0, 1)
√σ
n
X̄ − µ
P − Z α2 ≤ σ ≤ Z α =1−α
√ 2
n
ou, equivalentemente,
σ σ
P X̄ − Z α2 · √ ≤ µ ≤ X̄ + Z α2 · √ =1−α
n n
σ σ
IC(µ, 1 − α) = X̄ − Z · √ ; X̄ + Z 2 ·
α α √
n 2
n
σ
IC(µ, 1 − α) = X̄ ± Z · √ α
n 2
Exemplo
Suponha que se extraia uma amostra de tamanho 35 de uma população com
média µ e desvio padrão conhecido e igual a 3,90. Suponha que a média
amostral seja 44,8. Determinar um intervalo com 95% de confiança para µ.
Solução:
Temos que,
α 0,05
1 − α = 0, 95, α = 0, 05, P (Z ≤ Zα/2 ) = 1 − 2
= 1− 2
= 0, 975. Logo,
Zα/2 = 1, 96
105
3,90
IC(µ, 95%) = (44, 8 ± 1, 96 · √
35
)
X̄ − µ
t= ∼ tn−1
√S
n
X̄ − µ
P −t n−1; α ≤ ≤tn−1; α =1−α
2 √S 2
n
e, de forma equivalente,
S S
P X̄ − tn−1; α2 · √ ≤ µ ≤ X̄ + tn−1; α2 · √ =1−α
n n
de modo que o intervalo de confiança simétrico para µ é
S S
IC = (µ, 1 − α) = X̄ − tn−1; α2 · √ ; X̄ + tn−1; α2 · √
n n
ou, de outra forma
S
IC = (µ, 1 − α) = X̄ ± t n−1; α ·√
2
n
em que S é o desvio padrão amostral dado por
106
v
u n
u 1 X
S=t (Xi − X̄)2
n − 1 i=1
Exemplo
Suponha que se extraia uma amostra de tamanho 25 de uma população com
média µ e desvio padrão desconhecido. Suponha que a média amostral seja
4,004 e o desvio padrão amostral seja 0,366. Determinar intervalo 99% de
confiança para µ.
Solução:
Temos que,
t0,005;24 = 2, 797
0,366
IC(4, 004 ± 2, 797 · √ )
25
p̂ − p
Z=q ∼ N (0, 1)
p(1−p)
n
r r
p̂(1 − p̂) p̂(1 − p̂)
IC(p, 1 − α) = p̂ − Z · α ; p̂ + Z α2 ·
2
n n
r
p̂(1 − p̂)
IC(p, 1 − α) = p̂ ± Z α2 ·
n
Exemplo
Uma amostra aleatória de 600 peças de computador são obtidas de um grande
lote de produção, observando-se 45 com defeito. Estimar, através de um inter-
valo de confiança de 95%, a proporção verdadeira, p, de peças de computador
com defeito no lote.
Solução:
X 45
Temos p̂ = n
= = 0, 075, para 1 − α = 0, 95, α = 0, 05 e Z α2 = 1, 96 logo,
600
q
IC(p, 95%) = (0, 075 ± 1, 96 0,075·0,925
600
) = (0, 075 ± 0, 0211) ou
IC(p, 95%) = (0, 0539; 0, 0961) ou, ainda: IC(p, 95%) = (5, 39%; 9, 61%).
(n − 1)S 2
P χ2n−1;1− α ≤ ≤ χ2
α
n−1; 2 = 1 − α,
2 σ2
ou, equivalentemente,
(n − 1)S 2 (n − 1)S 2
2
P ≤σ ≤ 2 = 1 − α,
χ2n−1; α χn−1;1− α
2 2
108
(n − 1)S 2 (n − 1)S 2
2
IC(σ , 1 − α) = ; 2 .
χ2n−1; α χn−1;1− α
2 2
Exemplo Suponha que seja retirada uma amostra de tamanho cinco de uma popu-
lação normalmente distribuída, e que se tenha encontrado uma variância amostral de
13,52. Construa um intervalo com 95% de confiança para a variância populacional.
Solução:
Temos que χ20,975;4 = 0, 484 e χ20,025;4 = 11, 143. Logo o intervalo de confiança para
σ2 é
4(13,52) 4(13,52)
IC(σ 2 , 95%) = 11,143
; 0,484
Estes intervalos podem ser úteis em diversas situações práticas em que se deseja
comparar dois grupos com relação a certa característica. Por exemplo, um industrial
pode querer comparar dois processos de produção; um pesquisador médico certa-
mente interessa saber o efeito de uma nova droga em dois tipos de pacientes.
Como
x̄1 − µ1
∼ N (0, 1)
√σ1
n1
109
x̄2 − µ2
∼ N (0, 1)
√σ2
n2
Logo
Assim, temos
s s
σ12 σ22 σ12 σ22
IC(µ1 − µ2 , 1 − α) = (x̄1 − x̄2 ) − Z α2 + ; (x̄1 − x̄2 ) + Z α2 +
n1 n2 n1 n2
Sabemos que
1n
1 X
S12 = (xi − x̄)2
n1 − 1 i=1
110
2n
1 X
S22 = (xi − x̄)2
n2 − 1 i=1
são as variâncias amostrais. Como estamos supondo que σ12 = σ22 = σ 2 , então um
estimador não viciado para σ 2 é dado por
r r
2
1 1 2
1 1
IC(µ1 −µ2 , 1−α) = (x̄1 −x̄2 )−tn1 +n2 −2; 2 Sp ( + ); (x̄1 −x̄2 )+tn1 +n2 −2; 2 Sp ( + )
α α
n1 n2 n1 n2
r
2
1 1
IC(µ1 − µ2 , 1 − α) = (x̄1 − x̄2 ) ± tn1 +n2 −1; 2 Sp ( + )
α
n1 n2
Exemplo: Duas amostras de plantas foram cultivadas com dois fertilizantes difer-
entes. A primeira amostra oriunda de 20 sementes, acusou altura média de 10,9 cm
e desvio padrão 2,0 cm. A segunda amostra, de 10 sementes, acusou uma altura
média de 10,5 cm com desvio padrão de 5,0 cm. Construir um intervalo de confiança
entre as alturas médias das populações ao nível de 95% de confiança.
tem-se que:
p1 (1 − p1 ) p2 (1 − p2 )
p̂1 − p̂2 ∼ N p1 − p2 ; +
n1 n2
Portanto, o intervalo de confiança para p1 − p2 , com coeficiente de confiança 1 − α é
dado por:
s s
p̂1 (1 − p̂1 ) p̂2 (1 − p̂2 ) p̂1 (1 − p̂1 ) p̂2 (1 −
IC(p1 −p2 , 1−α) = (p̂1 −p̂2 )−Z α2 + ; (p̂1 −p̂2 )+Z α2 +
n1 n2 n1 n2
ou
s
p̂1 (1 − p̂1 ) p̂2 (1 − p̂2 )
IC(p1 − p2 , 1 − α) = (p̂1 − p̂2 ) ± Z α2 +
n1 n2
10.7 Exercícios
X1 + X2 + X3
T1 =
3
e
X1 + 2X2 + X3
T2 =
4
a) Encontre a esperança e a variância dos estimadores acima.
b) Verifique se são não viciados e consistentes. Qual é o melhor? Porquê?
13. Seja X uma única variável aleatória com distribuição de Bernoulli com parâmetro
θ. Sejam θ̂1 = X e θ̂2 = 1/2 dois estimadores de θ. Verifique se θ̂1 e θ̂2 são não
viciados para θ.
14. T1 e T2 são estimadores de um parâmetro θ, tais que:
E(T1 ) = θ V (T1 ) = 9
E(T2 ) = 3θ V (T2 ) = 3
114
e σ2 = 5. [-8,636 ; -6,764]
b) Determine o intervalo de confiança a 90% para µ1 − µ2 assumindo, como é
mais natural, que os desvios padrão são desconhecidos. [-8,58 ; -6,82]
21. Em uma pesquisa de possuidores de carros em uma universidade, entre alunos
e alunas, foram obtidos: 48 de 200 alunos possuem automóveis e 19 de 100
alunas possuem automóveis. Encontre um IC de 90% para a diferença entre
proporções. Estatisticamente existe diferença entre proporção de alunos e alu-
nas que possuem automóveis?
22. Uma amostra aleatória de 200 possuidores de cartão de crédito mostra que o
débito médio anual nesses cartões, para contas individuais, é U$ 1592, com
desvio padrão de U$ 997 (com base em dados do USA Today). Com essas
estatísticas, construa um intervalo de 95% de confiança para o débito médio
anual em cartões de crédito para a população de todas as contas.
23. Um banco pretende estimar a percentagem de clientes que passam cheques
sem cobertura. Numa amostra de 150 clientes 15 deles já tinham passado
cheques sem cobertura. Estime, a 95% de confiança a verdadeira percentagem
(ou proporção) de clientes do banco que passam cheques sem cobertura.
24. Extraída duas amostras de professores homens e mulheres, obteve-se os seguintes
resultados quantos aos salários em milhares de dólares: Construir um intervalo
de 95% de confiança para a diferença das médias entre os saláriosdos profes-
sores.
Homens Mulheres
n1 = 25 n2 = 5
x̄1 = 16, 0 x̄2 = 11, 0
S12 = 16 S22 = 10
25. A média dos pesos de uma amostra de 10 embalagens de adubos (em kg) dis-
tribuídos por uma empresa foi de 46,02 kg e com desvio padrão de 0,64 kg.
a) Com 99% de confiança, estime um intervalo para a verdadeira média dos
pesos das embalagens de adubo.
b) Ao nível de 90% de confiança, determine um intervalo para verdadeira variân-
cia das embalagens de adubo.
26. A média aritmética dos gastos com livros de uma amostra de 100 estudantes do
primeiro ano de agronomia é de 70 reais com desvio padrão populacional de 15
116
reais. Construa intervalos com 95% e 99% de confiança para o gasto médio de
todos os estudantes.
27. Em uma amostra com 200 estudantes de uma universidade, verificou-se que
57% são favoráveis a um determinado projeto. Construir e interpretar um inter-
valo de 95% e 99% de confiança para a verdadeira proporção de estudantes fa-
voráveis ao determinado projeto. R: ]0:501386; 0:638614[ e ]0:4796816; 0:6603184[
28. Suponha que estejamos interessados em estimar a porcentagem de consumi-
dores de certo produto. Se a amostra de tamanho 300 forneceu 100 indivíduos
que consomem o dado produto, determine o intervalo de confiança de p, a pro-
porção de pessoas que consomem o produto, com coeficiente de 95% (interprete
o resultado).
29. Numa pesquisa sobre a opinião dos moradores de duas cidades, A e B, com
relação a um determinado projeto, obteve-se a tabela abaixo. Utilize o Intervalo
de confiança de 95% para avaliar a diferença entre os percentuais de favoráveis
nas duas cidades.
Cidade A B
Número de Entrevistados 400 600
Número de favoráveis 180 350
30. De uma população normal com média e variância desconhecidas, extrai-se uma
amostra de tamanho 15 obtendo-se x̄ = 12 e s2 = 49. Obtenha um intervalo de
confiança para a variância populacional, utilizando o nível de confiança de 95%.
31. Em duas populações de cobaias de laboratório (com comportamentos normais
e variâncias iguais), uma de animais do sexo masculino e outra de animais do
sexo feminino, foram recolhidas duas amostras com dimensões 11 e 31 respec-
tivamente. Os dados amostrais relativos aos pesos, em gramas, destas cobaias
foram os seguintes:
n1 = 11 x̄1 = 818 s1 = 40
n2 = 31 x̄2 = 715 s2 = 50
11 Testes de Hipóteses
H0 : θ ∈ Ω0
H1 : θ ∈ Ω1
Como Ω0 e Ω1 são disjuntos (Ω0 ∪Ω1 = Ω), somente uma das hipóteses é verdadeira.
O pesquisador deve decidir se aceita H0 ou se aceita H1 . Um problema desse tipo é
chamado um problema de teste de hipóteses.
Antes de decidir se aceita ou não a hipótese nula, observa-se uma amostra aleatória
X1 , X2 , . . . , Xn . Seja S o espaço amostral, isto é, o conjunto de todos os possíveis
resultados da amostra.
118
– O de aceitar H0 quando ela é falsa. Este erro é denominado erro do tipo II. A
probabilidade deste erro ocorrer é representada por β
H0 é verdadeira H0 é falsa
11.4.1 σ conhecido
H0 : µ = µ0
H1 : µ 6= µ0 ou µ < µ0 ou µ > µ0
x̄ − µ0
Z= √
σ/ n
3 - Sob a hipótese nula, tem-se que Z possui uma distribuição normal padrão.
Portanto,
11.4.2 σ desconhecido
H0 : µ = µ0
H1 : µ 6= µ0 ou µ < µ0 ou µ > µ0
120
Calcula-se a estatística
x̄ − µ0
t= √
S/ n
Sob a hipótese nula, tem-se que t possui uma distribuição t-Student com n − 1 graus
de liberdade. Portanto,
Aceita-se H0 se | t |≤ tα/2;(n−1)
Observação
Exemplo: Um fabricante afirma que seus cigarros contém não mais que 30 mg de
nicotina. Uma amostra de 25 cigarros fornece média de 31,5 mg e desvio padrão de
3 mg. Ao nível de 5%, os dados refutam ou não a afirmação do fabricante?
H0 : p = p0
H1 : p 6= p0 ou p < p0 ou p > p0
Calcula-se a estatística
p̂ − p0
Z=q
p0 (1−p0 )
n
Aceita-se H0 se | Z |≤ zα/2
Exemplo: De um grande lote de CD’s produzidos tiramos uma amostra de 240 CD’s
e observamos que 6 apresentavam problemas. Com esse resultado, pode-se con-
cluir que a proporção de CD’s com problemas no lote é inferior a 3%? (use 5% de
significância).
Suponha que uma variável seja normalmente distribuída com uma variância descon-
hecida e se deseje efetuar o seguinte teste de hipóteses:
H0 : σ 2 = σ02
Calcula-se a estatística
(n − 1)s2
2
X =
σ02
Observações
H1 : σ 2 > σ02
H1 : σ 2 < σ02
122
Solução:
Deseja-se testar:
H0 : σ 2 = 100
H1 : σ2 6= 100
(n − 1)s2 (15)(169)
X2 = 2
= = 25, 35
σ0 100
isto é,
H0 : µ1 = µ2
H1 : µ1 6= µ2 ou µ1 > µ2 ou µ1 < µ2
calcula-se a estatística
x̄1 − x̄2
Z=q 2
σ1 σ2
n1
+ n22
Sabe-se que, sob a hipótese H0 , a variável Z possui uma distribuição normal padrão.
Portanto, o procedimento do teste consiste em:
Aceita-se H0 se | Z |≤ Zα/2
Suponha que a hipótese de igualdade de variâncias não seja rejeitada. Então pode-
mos supor que σ12 = σ22 , mas esta variância comum não é conhecida. Para efetuar
o teste de igualdade de médias, neste caso, procedemos da seguinte maneira:
qx̄1 −x̄2
1
n
+ n1
1 2
t= q
(n1 −1)S12 +(n2 −1)S22
n1 +n2 −2
124
Esta estatística possui uma distribuição t-Student com n1 +n2 −2 graus de liberdade.
Portanto.
H0 : p1 = p2
H1 : p1 6= p2 ou p1 > p2 ou p1 < p2
p1 q1 p2 q2 1 1
Como µp̂1 −p̂2 = p1 − p2 = 0 (sob H0 ) e σp̂2A −p̂B = n1
+ n2
= pq n1
+ n2
(sob H0 )
em que
n1 p̂1 + n2 p̂2
P =
n1 + n2
p̂1 − p̂2
Z=
σp̂1 −p̂2
e aceita-se H0 se | Z |≤ Zα/2
H0 : σ12 = σ22
125
H1 : σ12 6= σ22
ou, equivalentemente,
σ12
H0 : =1
σ22
σ12
H1 : 6= 1
σ22
O procedimento do teste é:
Calcula-se a estatística
s21
f=
s22
1
≤ f ≤ Fα/2,[n1 −1],[n2 −1]
Fα/2,[n2 −1],[n1 −1]
1
f<
Fα/2,[n2 −1],[n1 −1]
ou
Solução:
H0 : σA2 = σB2
Temos que:
s2A 1000
f= 2 = = 0, 625
sB 1600
Devemos aceitar H0 ao nível de significância α = 0, 05 se
1
f≥
F0,05,[14],[9]
ou seja, se
f ≥ 0, 33
11.10 Exercícios
1. Sabe-se que o consumo mensal per capita de determinado produto tem dis-
tribuição normal, com desvio padrão de 2 kg. A diretoria da empresa que fabrica
esse produto resolveu que retiraria o produto da linha de produção se a média
de consumo per capita fosse menor do que 8 kg, caso contrário, continuaria a
fabricá-lo. Foi realizado uma pesquisa de mercado, tomando-se uma amostra
aleatória de 25 pessoas e verificou-se um consumo total de 180 kg do produto.
Construa um teste de hipótese adequado para verificar a hipótese acima a um
nível de significância de 2,5% e diga qual deve ser a decisão a ser adotada pela
empresa?
2. Ao final de 90 dias de uma dieta alimentar envolvendo 25 pessoas, constatou-se
o seguinte ganho médio de peso de 40g, e desvio padrão de 1,378g. Supondo
que o ganho de peso médio dessas pessoas é de 45g, teste a hipótese para
α = 5%, se esse valor é o mesmo.
3. Um processo de fabricação de arame de aço dá um produto com resistência
média de 200 psi. O desvio padrão é de 20 psi. O engenheiro de controle de
qualidade deseja elaborar um teste que indique se houve ou não variação na
média do processo, usando uma amostra de 25 arames obteve-se uma média
de 285 psi. Use um nível de significância de 5%.
4. Suponha que alguém tenha sugerido de experiências passadas que 60% das lar-
vas de mosquito num certo lago deveriam ser da espécie Aedes detritus. Foram
encontrados 60 desse tipo de uma amostra de 80. Os dados suportam esta
hipóteste? Use α = 5%
5. As condições de mortalidade de uma região são tais que a proporção de nasci-
dos que sobrevivem até 60 anos é de 0,6. Testar essa hipótese ao nível de
2%, se em 1000 nascimentos amostrados aleatoriamente, verificou-se 530 so-
breviventes até 60 anos.
6. Observou-se a produção mensal de uma indústria durante alguns anos e verificou-
se que ela obedecia a uma distribuição normal com variância igual a 300 u2 . Foi
adotada então uma nova técnica de produção e durante um período de 24 meses
observou-se a produção mensal. Após este período constatou-se que a variân-
cia foi de 400 u2 . Há motivos para se acreditar que houve alteração na variância
ao nível de 10%?
128
Exemplos:
O estudo da correlação tem por objetivo medir e avaliar o grau de relação entre as
variáveis X e Y através da disposição dos pontos (X, Y ) em torno de uma reta.
cov(x, y)
r=
Sx Sy
Como
sP sP
n n
−
i=1 (xi x̄)2 − ȳ)2
i=1 (yi
Sx = e Sy =
n−1 n−1
Pn
− x̄)(yi − ȳ)
i=1 (xi
cov(x, y) =
Sx Sy
P
P P
xi y i − xi y i
n
r=p P 2
[n xi − ( xi )2 ] · [n yi2 − ( yi )2 ]
P P P
−1 ≤ r ≤ 1
– A equação pode ser usada para estimar ou predizer valores de uma variável
quando se conhecem ou se supõem conhecidos valores de outra variável.
A equação de regressão tem por finalidade estimar valores de uma variável, com
base em valores conhecidos da outra.
136
Yi = α + βxi + εi (12.1)
Observação: Chamamos (1) de modelo linear, pois este representa uma reta. To-
davia, em casos mais gerais, o termo linear refere-se ao modo como os parâmetros
entram no modelo, ou seja, de forma linear.
12.2.1 Pressuposições
Exemplo
obs 1 2 3 4 5 6 7 8
Vendas 201 225 305 380 560 600 685 735
Lucro 17 20 21 23 25 24 27 27
137
– O método mais usado para ajustar uma linha reta para um conjunto de pontos
(xi , yi ), i = 1, 2, . . . , n é o Método dos Mínimos Quadrados.
Caracteristicas:
εi = yi − (α + βxi ), i = 1, 2, . . . , n
n
X n
X
SQ(α, β) = ε2i = {yi − (α + βxi )}2 .
i=1 i=1
n
X n
X
nα̂ + β̂ xi = yi
i=1 i=1
n
X n
X n
X
α̂ xi + β̂ x2i = xi y i
i=1 i=1 i=1
α̂ = ȳ − β̂ x̄ (12.2)
Pn
xi yi − nx̄ȳ
β̂ = Pi=1
n 2 2
(12.3)
i=1 xi − nx̄
Exemplo
184 3691
ȳ = 8
= 23 e x̄ = 8
= 461, 38
139
P
xi yi − nx̄ȳ 89.802 − 8 · (461, 38)(23)
β̂ = P 2 2
= = 0, 0159
xi − nx̄ 2.011.501 − 8(461, 38)2
Logo,
ŷ = 0, 0159x + 15, 66
Partindo da reta de regressão pode-se afirmar que para uma venda de 400 mil pode-
se obter um lucro de ŷ = (0, 0159)(400.000) + 15, 66 = 22 mil.
A dispersão da variação aleatória "y "pode ser medida através da soma dos quadra-
dos dos desvios em relação a sua média ȳ . Essa soma de quadrados será denomi-
nada Soma de Quadrados Total (SQTotal)
n
X
SQTotal = (yi − ȳ)2
i=1
140
n
X n
X n
X
2 2
(yi − ȳ) = (ŷi − ȳ) + (yi − ŷi )2
i=1 i=1 i=1
Assim,
n
X n
X n
X 2
2 2
SQTotal = (yi − ȳ) = n yi − yi ,
i=1 i=1 i=1
n
X Xn n
X n
X
2
SQRegressão = (yi − ŷi ) = β n xi y i − xi yi ,
i=1 i=1 i=1 i=1
SQRegressão/1 QM Regressão
= ,
SQResíduo/n − 2 QM Resíduo
Esse fato nos permite empregar a distribuição F de Snedecor para testar a significân-
cia da regressão, através da chamada Análise de Variância, sintetizada no quadro a
seguir.
141
C. V. g.l. SQ QM F
SQReg QM Reg
Regressão 1 SQReg QM Reg = 1 QM Res
= Fcalc
SQRes
Resíduo n−2 SQRes QM Res = n−2
Total n − 1 SQTotal -
h Xn n
X n
X i
SQRegressão = β n xi y i − xi yi =
i=1 i=1 i=1
n
X n
X 2
SQTotal = n yi2 − yi = 8(4.318) − (184)2 = 688
i=1 i=1
C. V. g.l. SQ QM F
Regressão 1 624,42 624,42 58,93
Resíduo 6 63,58 10,60
Total 7 688,00
Uma vez estabelecida e testada a equação de regressão, a mesma pode ser us-
ada para explicar o relacionamento entre as variáveis e também fazer predições dos
valores de y para os valores fixados x.
P 2
n Pn Pn
n i=1 xi yi − i=1 xi i=1 yi cov(x, y)
r2 = Pn 2 Pn 2
Pn 2 Pn 2
=
[n i=1 xi − ( i=1 xi ) ] · [n i=1 yi − ( i=1 yi ) ] Sxx Syy
O valor de r2 varia de 0 a 1.
No exemplo,
[8(89.802) − (3.691)(184)]2
r2 = = 0, 908
[8(2.011.501) − (3.691)2 ] · [8(4.318) − (184)2 ]
indica que aproximadamente 91% da variação dos lucros estão relacionados com a
variação das vendas.
143
12.6 Exercícios
ŷ = −1, 20 + 0, 40x
xi 4 6 8 10 12
yi 12 10 8 12 14
Produção xi 12 4 6 11 8
Custo total yi 80 44 51 70 61
xi 77 50 71 72 81 94 96 99 67
yi 82 66 78 34 47 85 99 99 68
Referências
BUSSAB, W. O., MORETTIN, P. A., Estatística Básica, São Paulo: Saraiva 5.ed
(2003).
COSTA NETO, P. L. O., Estatística, São Paulo: Edgard Blucher 3.ed. (2002).
DEVORE, J. L. Probabilidade e Estatística para Engenharia e Ciências. São
Paulo: Pioneira Thomson Learning. (2006).
FONSECA, J. S. da; MARTINS, G. A. Curso de estatística. São Paulo: Atlas, (2009).
MAGALHÃES, M. N.; LIMA, A. C. P. Noções de Probabilidade e Estatística. 6a Ed.
São Paulo. Editora Edusp, (2005).
MARTINS, G. de A. Estatística Geral e aplicada. São Paulo: Atlas, (2001).
MEYER, P.L. Probabilidade, Aplicações à Estatística. Rio de Janeiro; Ao Livro
Técnico S.A. (1976).
MILONE, G., Estatística: Geral e Aplicada, São Paulo: Pioneira Thomson Learning
1.ed. (2004).
MORETTIN, L. G. Estatística Básica - Probabilidade e Inferência. Volume Único.
São Paulo: : Pearson Prentice Hall. (2010).
SPIEGEL, M.R. Estatística. São Paulo: McGraw-Hill do Brasil, (1975).
TOLEDO, G. L., OVALLE, I. I., Estatística Básica, São Paulo: Atlas 2.ed. (1985).
TRIOLA, M. F. Introdução à Estatística, 9 ed. São Paulo: LTC. (2005).
WALPOLE, R. E... [et al.]. Probabilidade e Estatística para engenharia e ciências.
São Paulo: Pearson Prentice Hall, (2009).
Tabelas estatísticas
Tabela da Distribuição Normal Padrão
P(Z<z)
z 0,0 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0,0 0,5000 0,5040 0,5080 0,5120 0,5160 0,5199 0,5239 0,5279 0,5319 0,5359
0,1 0,5398 0,5438 0,5478 0,5517 0,5557 0,5596 0,5636 0,5675 0,5714 0,5753
0,2 0,5793 0,5832 0,5871 0,5910 0,5948 0,5987 0,6026 0,6064 0,6103 0,6141
0,3 0,6179 0,6217 0,6255 0,6293 0,6331 0,6368 0,6406 0,6443 0,6480 0,6517
0,4 0,6554 0,6591 0,6628 0,6664 0,6700 0,6736 0,6772 0,6808 0,6844 0,6879
0,5 0,6915 0,6950 0,6985 0,7019 0,7054 0,7088 0,7123 0,7157 0,7190 0,7224
0,6 0,7257 0,7291 0,7324 0,7357 0,7389 0,7422 0,7454 0,7486 0,7517 0,7549
0,7 0,7580 0,7611 0,7642 0,7673 0,7704 0,7734 0,7764 0,7794 0,7823 0,7852
0,8 0,7881 0,7910 0,7939 0,7967 0,7995 0,8023 0,8051 0,8078 0,8106 0,8133
0,9 0,8159 0,8186 0,8212 0,8238 0,8264 0,8289 0,8315 0,8340 0,8365 0,8389
1,0 0,8413 0,8438 0,8461 0,8485 0,8508 0,8531 0,8554 0,8577 0,8599 0,8621
1,1 0,8643 0,8665 0,8686 0,8708 0,8729 0,8749 0,8770 0,8790 0,8810 0,8830
1,2 0,8849 0,8869 0,8888 0,8907 0,8925 0,8944 0,8962 0,8980 0,8997 0,9015
1,3 0,9032 0,9049 0,9066 0,9082 0,9099 0,9115 0,9131 0,9147 0,9162 0,9177
1,4 0,9192 0,9207 0,9222 0,9236 0,9251 0,9265 0,9279 0,9292 0,9306 0,9319
1,5 0,9332 0,9345 0,9357 0,9370 0,9382 0,9394 0,9406 0,9418 0,9429 0,9441
1,6 0,9452 0,9463 0,9474 0,9484 0,9495 0,9505 0,9515 0,9525 0,9535 0,9545
1,7 0,9554 0,9564 0,9573 0,9582 0,9591 0,9599 0,9608 0,9616 0,9625 0,9633
1,8 0,9641 0,9649 0,9656 0,9664 0,9671 0,9678 0,9686 0,9693 0,9699 0,9706
1,9 0,9713 0,9719 0,9726 0,9732 0,9738 0,9744 0,9750 0,9756 0,9761 0,9767
2,0 0,9772 0,9778 0,9783 0,9788 0,9793 0,9798 0,9803 0,9808 0,9812 0,9817
2,1 0,9821 0,9826 0,9830 0,9834 0,9838 0,9842 0,9846 0,9850 0,9854 0,9857
2,2 0,9861 0,9864 0,9868 0,9871 0,9875 0,9878 0,9881 0,9884 0,9887 0,9890
2,3 0,9893 0,9896 0,9898 0,9901 0,9904 0,9906 0,9909 0,9911 0,9913 0,9916
2,4 0,9918 0,9920 0,9922 0,9925 0,9927 0,9929 0,9931 0,9932 0,9934 0,9936
2,5 0,9938 0,9940 0,9941 0,9943 0,9945 0,9946 0,9948 0,9949 0,9951 0,9952
2,6 0,9953 0,9955 0,9956 0,9957 0,9959 0,9960 0,9961 0,9962 0,9963 0,9964
2,7 0,9965 0,9966 0,9967 0,9968 0,9969 0,9970 0,9971 0,9972 0,9973 0,9974
2,8 0,9974 0,9975 0,9976 0,9977 0,9977 0,9978 0,9979 0,9979 0,9980 0,9981
2,9 0,9981 0,9982 0,9982 0,9983 0,9984 0,9984 0,9985 0,9985 0,9986 0,9986
3,0 0,9987 0,9987 0,9987 0,9988 0,9988 0,9989 0,9989 0,9989 0,9990 0,9990
3,1 0,9990 0,9991 0,9991 0,9991 0,9992 0,9992 0,9992 0,9992 0,9993 0,9993
3,2 0,9993 0,9993 0,9994 0,9994 0,9994 0,9994 0,9994 0,9995 0,9995 0,9995
3,3 0,9995 0,9995 0,9995 0,9996 0,9996 0,9996 0,9996 0,9996 0,9996 0,9997
3,4 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9998
3,5 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998
3,6 0,9998 0,9998 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999
3,7 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999
3,8 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999
3,9 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000
P(Z<z)
z 0,0 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0,0 0,5000 0,4960 0,4920 0,4880 0,4840 0,4801 0,4761 0,4721 0,4681 0,4641
-0,1 0,4602 0,4562 0,4522 0,4483 0,4443 0,4404 0,4364 0,4325 0,4286 0,4247
-0,2 0,4207 0,4168 0,4129 0,4090 0,4052 0,4013 0,3974 0,3936 0,3897 0,3859
-0,3 0,3821 0,3783 0,3745 0,3707 0,3669 0,3632 0,3594 0,3557 0,3520 0,3483
-0,4 0,3446 0,3409 0,3372 0,3336 0,3300 0,3264 0,3228 0,3192 0,3156 0,3121
-0,5 0,3085 0,3050 0,3015 0,2981 0,2946 0,2912 0,2877 0,2843 0,2810 0,2776
-0,6 0,2743 0,2709 0,2676 0,2643 0,2611 0,2578 0,2546 0,2514 0,2483 0,2451
-0,7 0,2420 0,2389 0,2358 0,2327 0,2296 0,2266 0,2236 0,2206 0,2177 0,2148
-0,8 0,2119 0,2090 0,2061 0,2033 0,2005 0,1977 0,1949 0,1922 0,1894 0,1867
-0,9 0,1841 0,1814 0,1788 0,1762 0,1736 0,1711 0,1685 0,1660 0,1635 0,1611
-1,0 0,1587 0,1562 0,1539 0,1515 0,1492 0,1469 0,1446 0,1423 0,1401 0,1379
-1,1 0,1357 0,1335 0,1314 0,1292 0,1271 0,1251 0,1230 0,1210 0,1190 0,1170
-1,2 0,1151 0,1131 0,1112 0,1093 0,1075 0,1056 0,1038 0,1020 0,1003 0,0985
-1,3 0,0968 0,0951 0,0934 0,0918 0,0901 0,0885 0,0869 0,0853 0,0838 0,0823
-1,4 0,0808 0,0793 0,0778 0,0764 0,0749 0,0735 0,0721 0,0708 0,0694 0,0681
-1,5 0,0668 0,0655 0,0643 0,0630 0,0618 0,0606 0,0594 0,0582 0,0571 0,0559
-1,6 0,0548 0,0537 0,0526 0,0516 0,0505 0,0495 0,0485 0,0475 0,0465 0,0455
-1,7 0,0446 0,0436 0,0427 0,0418 0,0409 0,0401 0,0392 0,0384 0,0375 0,0367
-1,8 0,0359 0,0351 0,0344 0,0336 0,0329 0,0322 0,0314 0,0307 0,0301 0,0294
-1,9 0,0287 0,0281 0,0274 0,0268 0,0262 0,0256 0,0250 0,0244 0,0239 0,0233
-2,0 0,0228 0,0222 0,0217 0,0212 0,0207 0,0202 0,0197 0,0192 0,0188 0,0183
-2,1 0,0179 0,0174 0,0170 0,0166 0,0162 0,0158 0,0154 0,0150 0,0146 0,0143
-2,2 0,0139 0,0136 0,0132 0,0129 0,0125 0,0122 0,0119 0,0116 0,0113 0,0110
-2,3 0,0107 0,0104 0,0102 0,0099 0,0096 0,0094 0,0091 0,0089 0,0087 0,0084
-2,4 0,0082 0,0080 0,0078 0,0075 0,0073 0,0071 0,0069 0,0068 0,0066 0,0064
-2,5 0,0062 0,0060 0,0059 0,0057 0,0055 0,0054 0,0052 0,0051 0,0049 0,0048
-2,6 0,0047 0,0045 0,0044 0,0043 0,0041 0,0040 0,0039 0,0038 0,0037 0,0036
-2,7 0,0035 0,0034 0,0033 0,0032 0,0031 0,0030 0,0029 0,0028 0,0027 0,0026
-2,8 0,0026 0,0025 0,0024 0,0023 0,0023 0,0022 0,0021 0,0021 0,0020 0,0019
-2,9 0,0019 0,0018 0,0018 0,0017 0,0016 0,0016 0,0015 0,0015 0,0014 0,0014
-3,0 0,0013 0,0013 0,0013 0,0012 0,0012 0,0011 0,0011 0,0011 0,0010 0,0010
-3,1 0,0010 0,0009 0,0009 0,0009 0,0008 0,0008 0,0008 0,0008 0,0007 0,0007
-3,2 0,0007 0,0007 0,0006 0,0006 0,0006 0,0006 0,0006 0,0005 0,0005 0,0005
-3,3 0,0005 0,0005 0,0005 0,0004 0,0004 0,0004 0,0004 0,0004 0,0004 0,0003
-3,4 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0002
-3,5 0,0002 0,0002 0,0002 0,0002 0,0002 0,0002 0,0002 0,0002 0,0002 0,0002
-3,6 0,0002 0,0002 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001
-3,7 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001
-3,8 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001
-3,9 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
Tabela 5 Distribuição t de Student Á re a
in d icad a
( )
1 2
use a aproximação: χp =
2
2 p
z + 2k − 1 , onde zp é o valor
correspondente na normal padrão.
Probabilidades da distribuição F de Snedecor – valores de Fv1 ,v 2 ,p , onde p = P(Fv1 ,v2 ≥ Fv1 ,v2 ,p ) ; p = 10%
v1
v2
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 25 30 40 50 60 100 150 infinito
1 39,90 49,50 53,60 55,80 57,20 58,20 58,90 59,40 59,90 60,20 60,50 60,70 60,90 61,10 61,20 61,30 61,50 61,60 61,70 61,70 62,10 62,30 62,50 62,70 62,80 63,00 63,10 63,33
2 8,53 9,00 9,16 9,24 9,29 9,33 9,35 9,37 9,38 9,39 9,40 9,41 9,42 9,42 9,43 9,43 9,43 9,44 9,44 9,44 9,45 9,46 9,47 9,47 9,48 9,48 9,49 9,49
3 5,54 5,46 5,39 5,34 5,31 5,29 5,27 5,25 5,24 5,23 5,22 5,22 5,21 5,21 5,20 5,20 5,19 5,19 5,19 5,18 5,18 5,17 5,16 5,16 5,15 5,14 5,14 5,13
4 4,55 4,33 4,19 4,11 4,05 4,01 3,98 3,96 3,94 3,92 3,91 3,90 3,89 3,88 3,87 3,86 3,86 3,85 3,85 3,84 3,83 3,82 3,80 3,80 3,79 3,78 3,77 3,76
5 4,06 3,78 3,62 3,52 3,45 3,41 3,37 3,34 3,32 3,30 3,28 3,27 3,26 3,25 3,24 3,23 3,22 3,22 3,21 3,21 3,19 3,17 3,16 3,15 3,14 3,13 3,12 3,11
6 3,78 3,46 3,29 3,18 3,11 3,06 3,01 2,98 2,96 2,94 2,92 2,91 2,89 2,88 2,87 2,86 2,86 2,85 2,84 2,84 2,82 2,80 2,78 2,77 2,76 2,75 2,74 2,72
7 3,59 3,26 3,07 2,96 2,88 2,83 2,79 2,75 2,73 2,70 2,68 2,67 2,65 2,64 2,63 2,62 2,62 2,61 2,60 2,60 2,57 2,56 2,54 2,52 2,51 2,50 2,49 2,47
8 3,46 3,11 2,92 2,81 2,73 2,67 2,62 2,59 2,56 2,54 2,52 2,50 2,49 2,48 2,46 2,45 2,45 2,44 2,43 2,43 2,40 2,38 2,36 2,35 2,34 2,32 2,31 2,29
9 3,36 3,01 2,81 2,69 2,61 2,55 2,51 2,47 2,44 2,42 2,40 2,38 2,36 2,35 2,34 2,33 2,32 2,31 2,31 2,30 2,27 2,26 2,23 2,22 2,21 2,19 2,18 2,16
10 3,29 2,92 2,73 2,61 2,52 2,46 2,41 2,38 2,35 2,32 2,30 2,28 2,27 2,26 2,24 2,23 2,22 2,22 2,21 2,20 2,17 2,16 2,13 2,12 2,11 2,09 2,08 2,06
11 3,23 2,86 2,66 2,54 2,45 2,39 2,34 2,30 2,27 2,25 2,23 2,21 2,19 2,18 2,17 2,16 2,15 2,14 2,13 2,12 2,10 2,08 2,05 2,04 2,03 2,01 1,99 1,97
12 3,18 2,81 2,61 2,48 2,39 2,33 2,28 2,25 2,21 2,19 2,17 2,15 2,13 2,12 2,11 2,09 2,08 2,08 2,07 2,06 2,03 2,01 1,99 1,97 1,96 1,94 1,93 1,90
13 3,14 2,76 2,56 2,43 2,35 2,28 2,23 2,20 2,16 2,14 2,12 2,10 2,08 2,07 2,05 2,04 2,03 2,02 2,01 2,01 1,98 1,96 1,93 1,92 1,90 1,88 1,87 1,85
14 3,10 2,73 2,52 2,40 2,31 2,24 2,19 2,15 2,12 2,10 2,07 2,05 2,04 2,02 2,01 2,00 1,99 1,98 1,97 1,96 1,93 1,91 1,89 1,87 1,86 1,83 1,82 1,80
15 3,07 2,70 2,49 2,36 2,27 2,21 2,16 2,12 2,09 2,06 2,04 2,02 2,00 1,99 1,97 1,96 1,95 1,94 1,93 1,92 1,89 1,87 1,85 1,83 1,82 1,79 1,78 1,76
16 3,05 2,67 2,46 2,33 2,24 2,18 2,13 2,09 2,06 2,03 2,01 1,99 1,97 1,95 1,94 1,93 1,92 1,91 1,90 1,89 1,86 1,84 1,81 1,79 1,78 1,76 1,74 1,72
17 3,03 2,65 2,44 2,31 2,22 2,15 2,10 2,06 2,03 2,00 1,98 1,96 1,94 1,93 1,91 1,90 1,89 1,88 1,87 1,86 1,83 1,81 1,78 1,76 1,75 1,73 1,71 1,69
18 3,01 2,62 2,42 2,29 2,20 2,13 2,08 2,04 2,01 1,98 1,95 1,93 1,92 1,90 1,89 1,88 1,86 1,85 1,85 1,84 1,81 1,78 1,75 1,74 1,72 1,70 1,68 1,66
19 2,99 2,61 2,40 2,27 2,18 2,11 2,06 2,02 1,98 1,96 1,93 1,91 1,89 1,88 1,87 1,85 1,84 1,83 1,82 1,81 1,78 1,76 1,73 1,71 1,70 1,67 1,66 1,63
20 2,98 2,59 2,38 2,25 2,16 2,09 2,04 2,00 1,97 1,94 1,91 1,89 1,88 1,86 1,85 1,83 1,82 1,81 1,80 1,79 1,76 1,74 1,71 1,69 1,68 1,65 1,64 1,61
25 2,92 2,53 2,32 2,18 2,09 2,02 1,97 1,93 1,90 1,87 1,84 1,82 1,80 1,79 1,77 1,76 1,75 1,74 1,73 1,72 1,68 1,66 1,63 1,61 1,59 1,57 1,55 1,52
30 2,88 2,49 2,28 2,14 2,05 1,98 1,93 1,88 1,85 1,82 1,79 1,77 1,75 1,74 1,72 1,71 1,70 1,69 1,68 1,67 1,63 1,61 1,57 1,55 1,54 1,51 1,49 1,46
40 2,84 2,44 2,23 2,09 2,00 1,93 1,87 1,83 1,79 1,76 1,74 1,72 1,70 1,68 1,66 1,65 1,64 1,63 1,62 1,61 1,57 1,54 1,51 1,48 1,47 1,43 1,42 1,38
50 2,81 2,41 2,20 2,06 1,97 1,90 1,84 1,80 1,76 1,73 1,70 1,68 1,66 1,64 1,63 1,61 1,60 1,59 1,58 1,57 1,53 1,50 1,47 1,44 1,42 1,39 1,37 1,33
60 2,79 2,39 2,18 2,04 1,95 1,88 1,82 1,78 1,74 1,71 1,68 1,66 1,64 1,62 1,60 1,59 1,58 1,56 1,55 1,54 1,50 1,48 1,44 1,41 1,40 1,36 1,34 1,29
100 2,76 2,36 2,14 2,00 1,91 1,83 1,78 1,73 1,70 1,66 1,64 1,61 1,59 1,57 1,56 1,54 1,53 1,52 1,51 1,49 1,45 1,42 1,38 1,36 1,34 1,29 1,27 1,21
150 2,74 2,34 2,12 1,98 1,89 1,81 1,76 1,71 1,67 1,64 1,61 1,59 1,57 1,55 1,53 1,52 1,50 1,49 1,48 1,47 1,43 1,40 1,35 1,33 1,31 1,26 1,23 1,17
infinito 2,71 2,30 2,08 1,95 1,85 1,77 1,72 1,67 1,63 1,60 1,57 1,55 1,52 1,51 1,49 1,47 1,46 1,44 1,43 1,42 1,38 1,34 1,30 1,26 1,24 1,19 1,15 1,00
Probabilidades da distribuição F de Snedecor – valores de Fv1 ,v 2 ,p , onde p = P(Fv1 ,v2 ≥ Fv1 ,v2 ,p ) ; p = 5%
v1
v2
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 25 30 40 50 60 100 150 infinito
1 161,40 199,50 215,70 224,60 230,20 234,00 236,80 238,90 240,50 241,90 243,00 243,90 244,70 245,40 245,90 246,50 246,90 247,30 247,70 248,00 249,30 250,10 251,10 251,80 252,20 253,00 253,50 254,31
2 18,51 19,00 19,16 19,25 19,30 19,33 19,35 19,37 19,39 19,40 19,41 19,41 19,42 19,42 19,43 19,43 19,44 19,44 19,44 19,45 19,46 19,46 19,47 19,48 19,48 19,49 19,49 19,50
3 10,13 9,55 9,28 9,12 9,01 8,94 8,89 8,85 8,81 8,79 8,76 8,75 8,73 8,72 8,70 8,69 8,68 8,68 8,67 8,66 8,63 8,62 8,59 8,58 8,57 8,55 8,55 8,53
4 7,71 6,94 6,59 6,39 6,26 6,16 6,09 6,04 6,00 5,96 5,94 5,91 5,89 5,87 5,86 5,84 5,83 5,82 5,81 5,80 5,77 5,75 5,72 5,70 5,69 5,66 5,65 5,63
5 6,61 5,79 5,41 5,19 5,05 4,95 4,88 4,82 4,77 4,74 4,70 4,68 4,66 4,64 4,62 4,60 4,59 4,58 4,57 4,56 4,52 4,50 4,46 4,44 4,43 4,41 4,39 4,37
6 5,99 5,14 4,76 4,53 4,39 4,28 4,21 4,15 4,10 4,06 4,03 4,00 3,98 3,96 3,94 3,92 3,91 3,90 3,88 3,87 3,84 3,81 3,77 3,75 3,74 3,71 3,70 3,67
7 5,59 4,74 4,35 4,12 3,97 3,87 3,79 3,73 3,68 3,64 3,60 3,58 3,55 3,53 3,51 3,49 3,48 3,47 3,46 3,45 3,40 3,38 3,34 3,32 3,30 3,28 3,26 3,23
8 5,32 4,46 4,07 3,84 3,69 3,58 3,50 3,44 3,39 3,35 3,31 3,28 3,26 3,24 3,22 3,20 3,19 3,17 3,16 3,15 3,11 3,08 3,04 3,02 3,01 2,98 2,96 2,93
9 5,12 4,26 3,86 3,63 3,48 3,37 3,29 3,23 3,18 3,14 3,10 3,07 3,05 3,03 3,01 2,99 2,97 2,96 2,95 2,94 2,89 2,86 2,83 2,80 2,79 2,76 2,74 2,71
10 4,97 4,10 3,71 3,48 3,33 3,22 3,14 3,07 3,02 2,98 2,94 2,91 2,89 2,87 2,85 2,83 2,81 2,80 2,79 2,77 2,73 2,70 2,66 2,64 2,62 2,59 2,57 2,54
11 4,84 3,98 3,59 3,36 3,20 3,10 3,01 2,95 2,90 2,85 2,82 2,79 2,76 2,74 2,72 2,70 2,69 2,67 2,66 2,65 2,60 2,57 2,53 2,51 2,49 2,46 2,44 2,40
12 4,75 3,89 3,49 3,26 3,11 3,00 2,91 2,85 2,80 2,75 2,72 2,69 2,66 2,64 2,62 2,60 2,58 2,57 2,56 2,54 2,50 2,47 2,43 2,40 2,38 2,35 2,33 2,30
13 4,67 3,81 3,41 3,18 3,03 2,92 2,83 2,77 2,71 2,67 2,64 2,60 2,58 2,55 2,53 2,52 2,50 2,48 2,47 2,46 2,41 2,38 2,34 2,31 2,30 2,26 2,24 2,21
14 4,60 3,74 3,34 3,11 2,96 2,85 2,76 2,70 2,65 2,60 2,57 2,53 2,51 2,48 2,46 2,45 2,43 2,41 2,40 2,39 2,34 2,31 2,27 2,24 2,22 2,19 2,17 2,13
15 4,54 3,68 3,29 3,06 2,90 2,79 2,71 2,64 2,59 2,54 2,51 2,48 2,45 2,42 2,40 2,39 2,37 2,35 2,34 2,33 2,28 2,25 2,20 2,18 2,16 2,12 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 2,46 2,43 2,40 2,37 2,35 2,33 2,32 2,30 2,29 2,28 2,23 2,19 2,15 2,12 2,11 2,07 2,05 2,01
17 4,45 3,59 3,20 2,97 2,81 2,70 2,61 2,55 2,49 2,45 2,41 2,38 2,35 2,33 2,31 2,29 2,27 2,26 2,24 2,23 2,18 2,15 2,10 2,08 2,06 2,02 2,00 1,96
18 4,41 3,56 3,16 2,93 2,77 2,66 2,58 2,51 2,46 2,41 2,37 2,34 2,31 2,29 2,27 2,25 2,23 2,22 2,20 2,19 2,14 2,11 2,06 2,04 2,02 1,98 1,96 1,92
19 4,38 3,52 3,13 2,90 2,74 2,63 2,54 2,48 2,42 2,38 2,34 2,31 2,28 2,26 2,23 2,22 2,20 2,18 2,17 2,16 2,11 2,07 2,03 2,00 1,98 1,94 1,92 1,88
20 4,35 3,49 3,10 2,87 2,71 2,60 2,51 2,45 2,39 2,35 2,31 2,28 2,25 2,23 2,20 2,18 2,17 2,15 2,14 2,12 2,07 2,04 1,99 1,97 1,95 1,91 1,89 1,84
25 4,24 3,39 2,99 2,76 2,60 2,49 2,41 2,34 2,28 2,24 2,20 2,17 2,14 2,11 2,09 2,07 2,05 2,04 2,02 2,01 1,96 1,92 1,87 1,84 1,82 1,78 1,76 1,71
30 4,17 3,32 2,92 2,69 2,53 2,42 2,33 2,27 2,21 2,17 2,13 2,09 2,06 2,04 2,02 2,00 1,98 1,96 1,95 1,93 1,88 1,84 1,79 1,76 1,74 1,70 1,67 1,62
40 4,09 3,23 2,84 2,61 2,45 2,34 2,25 2,18 2,12 2,08 2,04 2,00 1,97 1,95 1,92 1,90 1,89 1,87 1,85 1,84 1,78 1,74 1,69 1,66 1,64 1,59 1,56 1,51
50 4,03 3,18 2,79 2,56 2,40 2,29 2,20 2,13 2,07 2,03 1,99 1,95 1,92 1,90 1,87 1,85 1,83 1,81 1,80 1,78 1,73 1,69 1,63 1,60 1,58 1,53 1,50 1,44
60 4,00 3,15 2,76 2,53 2,37 2,25 2,17 2,10 2,04 1,99 1,95 1,92 1,89 1,86 1,84 1,82 1,80 1,78 1,76 1,75 1,69 1,65 1,59 1,56 1,53 1,48 1,45 1,39
100 3,94 3,09 2,70 2,46 2,31 2,19 2,10 2,03 1,98 1,93 1,89 1,85 1,82 1,79 1,77 1,75 1,73 1,71 1,69 1,68 1,62 1,57 1,52 1,48 1,45 1,39 1,36 1,28
150 3,90 3,06 2,67 2,43 2,27 2,16 2,07 2,00 1,94 1,89 1,85 1,82 1,79 1,76 1,73 1,71 1,69 1,67 1,66 1,64 1,58 1,54 1,48 1,44 1,41 1,35 1,31 1,22
infinito 3,84 3,00 2,61 2,37 2,21 2,10 2,01 1,94 1,88 1,83 1,79 1,75 1,72 1,69 1,67 1,64 1,62 1,60 1,59 1,57 1,51 1,46 1,39 1,35 1,32 1,24 1,20 1,00
Probabilidades da distribuição F de Snedecor – valores de Fv1 ,v 2 ,p , onde p = P(Fv1 ,v2 ≥ Fv1 ,v2 ,p ) ; p = 2,5%
v1
v2
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 25 30 40 50 60 100 150 infinito
1 647,8 799,5 864,2 899,6 921,8 937,1 948,2 956,6 963,3 968,6 973,0 976,7 979,8 982,5 984,9 986,9 988,7 990,3 991,8 993,1 998,1 1001,4 1005,6 1008,1 1009,8 1013,2 1014,9 1018,3
2 38,51 39,00 39,17 39,25 39,30 39,33 39,36 39,37 39,39 39,40 39,41 39,42 39,42 39,43 39,43 39,44 39,44 39,44 39,45 39,45 39,46 39,47 39,47 39,48 39,48 39,49 39,49 39,50
3 17,44 16,04 15,44 15,10 14,89 14,74 14,62 14,54 14,47 14,42 14,37 14,34 14,31 14,28 14,25 14,23 14,21 14,20 14,18 14,17 14,12 14,08 14,04 14,01 13,99 13,96 13,94 13,90
4 12,22 10,65 9,98 9,60 9,36 9,20 9,07 8,98 8,91 8,84 8,79 8,75 8,72 8,68 8,66 8,63 8,61 8,59 8,58 8,56 8,50 8,46 8,41 8,38 8,36 8,32 8,30 8,26
5 10,01 8,43 7,76 7,39 7,15 6,98 6,85 6,76 6,68 6,62 6,57 6,53 6,49 6,46 6,43 6,40 6,38 6,36 6,34 6,33 6,27 6,23 6,18 6,14 6,12 6,08 6,06 6,02
6 8,81 7,26 6,60 6,23 5,99 5,82 5,70 5,60 5,52 5,46 5,41 5,37 5,33 5,30 5,27 5,24 5,22 5,20 5,18 5,17 5,11 5,07 5,01 4,98 4,96 4,92 4,89 4,85
7 8,07 6,54 5,89 5,52 5,29 5,12 5,00 4,90 4,82 4,76 4,71 4,67 4,63 4,60 4,57 4,54 4,52 4,50 4,48 4,47 4,41 4,36 4,31 4,28 4,25 4,21 4,19 4,14
8 7,57 6,06 5,42 5,05 4,82 4,65 4,53 4,43 4,36 4,30 4,24 4,20 4,16 4,13 4,10 4,08 4,05 4,03 4,02 4,00 3,94 3,89 3,84 3,81 3,78 3,74 3,72 3,67
9 7,21 5,72 5,08 4,72 4,48 4,32 4,20 4,10 4,03 3,96 3,91 3,87 3,83 3,80 3,77 3,74 3,72 3,70 3,68 3,67 3,60 3,56 3,51 3,47 3,45 3,40 3,38 3,33
10 6,94 5,46 4,83 4,47 4,24 4,07 3,95 3,86 3,78 3,72 3,67 3,62 3,58 3,55 3,52 3,50 3,47 3,45 3,44 3,42 3,36 3,31 3,26 3,22 3,20 3,15 3,13 3,08
11 6,72 5,26 4,63 4,28 4,04 3,88 3,76 3,66 3,59 3,53 3,47 3,43 3,39 3,36 3,33 3,30 3,28 3,26 3,24 3,23 3,16 3,12 3,06 3,03 3,00 2,96 2,93 2,88
12 6,55 5,10 4,47 4,12 3,89 3,73 3,61 3,51 3,44 3,37 3,32 3,28 3,24 3,21 3,18 3,15 3,13 3,11 3,09 3,07 3,01 2,96 2,91 2,87 2,85 2,80 2,78 2,73
13 6,41 4,97 4,35 4,00 3,77 3,60 3,48 3,39 3,31 3,25 3,20 3,15 3,12 3,08 3,05 3,03 3,00 2,98 2,97 2,95 2,88 2,84 2,78 2,74 2,72 2,67 2,65 2,60
14 6,30 4,86 4,24 3,89 3,66 3,50 3,38 3,29 3,21 3,15 3,10 3,05 3,01 2,98 2,95 2,92 2,90 2,88 2,86 2,84 2,78 2,73 2,67 2,64 2,61 2,57 2,54 2,49
15 6,20 4,77 4,15 3,80 3,58 3,42 3,29 3,20 3,12 3,06 3,01 2,96 2,93 2,89 2,86 2,84 2,81 2,79 2,77 2,76 2,69 2,64 2,59 2,55 2,52 2,47 2,45 2,40
16 6,12 4,69 4,08 3,73 3,50 3,34 3,22 3,13 3,05 2,99 2,93 2,89 2,85 2,82 2,79 2,76 2,74 2,72 2,70 2,68 2,61 2,57 2,51 2,47 2,45 2,40 2,37 2,32
17 6,04 4,62 4,01 3,67 3,44 3,28 3,16 3,06 2,99 2,92 2,87 2,83 2,79 2,75 2,72 2,70 2,67 2,65 2,63 2,62 2,55 2,50 2,44 2,41 2,38 2,33 2,30 2,25
18 5,98 4,56 3,95 3,61 3,38 3,22 3,10 3,01 2,93 2,87 2,81 2,77 2,73 2,70 2,67 2,64 2,62 2,60 2,58 2,56 2,49 2,45 2,38 2,35 2,32 2,27 2,24 2,19
19 5,92 4,51 3,90 3,56 3,33 3,17 3,05 2,96 2,88 2,82 2,77 2,72 2,68 2,65 2,62 2,59 2,57 2,55 2,53 2,51 2,44 2,39 2,33 2,30 2,27 2,22 2,19 2,13
20 5,87 4,46 3,86 3,52 3,29 3,13 3,01 2,91 2,84 2,77 2,72 2,68 2,64 2,60 2,57 2,55 2,52 2,50 2,48 2,46 2,40 2,35 2,29 2,25 2,22 2,17 2,14 2,09
25 5,69 4,29 3,69 3,35 3,13 2,97 2,85 2,75 2,68 2,61 2,56 2,52 2,48 2,44 2,41 2,38 2,36 2,34 2,32 2,30 2,23 2,18 2,12 2,08 2,05 2,00 1,97 1,91
30 5,57 4,18 3,59 3,25 3,03 2,87 2,75 2,65 2,58 2,51 2,46 2,41 2,37 2,34 2,31 2,28 2,26 2,23 2,21 2,20 2,12 2,07 2,01 1,97 1,94 1,88 1,85 1,79
40 5,42 4,05 3,46 3,13 2,90 2,74 2,62 2,53 2,45 2,39 2,33 2,29 2,25 2,21 2,18 2,15 2,13 2,11 2,09 2,07 1,99 1,94 1,88 1,83 1,80 1,74 1,71 1,64
50 5,34 3,98 3,39 3,05 2,83 2,67 2,55 2,46 2,38 2,32 2,26 2,22 2,18 2,14 2,11 2,08 2,06 2,03 2,01 1,99 1,92 1,87 1,80 1,75 1,72 1,66 1,62 1,55
60 5,29 3,93 3,34 3,01 2,79 2,63 2,51 2,41 2,33 2,27 2,22 2,17 2,13 2,09 2,06 2,03 2,01 1,99 1,96 1,94 1,87 1,82 1,74 1,70 1,67 1,60 1,56 1,48
100 5,18 3,83 3,25 2,92 2,70 2,54 2,42 2,32 2,24 2,18 2,12 2,08 2,04 2,00 1,97 1,94 1,91 1,89 1,87 1,85 1,77 1,72 1,64 1,59 1,56 1,48 1,44 1,35
150 5,13 3,78 3,20 2,87 2,65 2,49 2,37 2,28 2,20 2,14 2,08 2,03 1,99 1,96 1,92 1,89 1,87 1,84 1,82 1,80 1,72 1,67 1,59 1,54 1,50 1,42 1,38 1,27
infinito 5,02 3,69 3,12 2,79 2,57 2,41 2,29 2,19 2,11 2,05 1,99 1,95 1,90 1,87 1,83 1,80 1,78 1,75 1,73 1,71 1,63 1,57 1,48 1,43 1,39 1,30 1,24 1,00
Probabilidades da distribuição F de Snedecor – valores de Fv1 ,v 2 ,p , onde p = P(Fv1 ,v2 ≥ Fv1 ,v2 ,p ) ; p = 1%
v1
v2
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 25 30 40 50 60 100 150 infinito
1 4052 4999 5404 5624 5764 5859 5928 5981 6022 6056 6083 6107 6126 6143 6157 6170 6181 6191 6201 6209 6240 6260 6286 6302 6313 6334 6345 6366
2 98,50 99,00 99,16 99,25 99,30 99,33 99,36 99,38 99,39 99,40 99,41 99,42 99,42 99,43 99,43 99,44 99,44 99,44 99,45 99,45 99,46 99,47 99,48 99,48 99,48 99,49 99,49 99,50
3 34,12 30,82 29,46 28,71 28,24 27,91 27,67 27,49 27,35 27,23 27,13 27,05 26,98 26,92 26,87 26,83 26,79 26,75 26,72 26,69 26,58 26,50 26,41 26,35 26,32 26,24 26,20 26,13
4 21,20 18,00 16,69 15,98 15,52 15,21 14,98 14,80 14,66 14,55 14,45 14,37 14,31 14,25 14,20 14,15 14,11 14,08 14,05 14,02 13,91 13,84 13,75 13,69 13,65 13,58 13,54 13,46
5 16,26 13,27 12,06 11,39 10,97 10,67 10,46 10,29 10,16 10,05 9,96 9,89 9,83 9,77 9,72 9,68 9,64 9,61 9,58 9,55 9,45 9,38 9,29 9,24 9,20 9,13 9,09 9,02
6 13,75 10,93 9,78 9,15 8,75 8,47 8,26 8,10 7,98 7,87 7,79 7,72 7,66 7,61 7,56 7,52 7,48 7,45 7,42 7,40 7,30 7,23 7,14 7,09 7,06 6,99 6,95 6,88
7 12,25 9,55 8,45 7,85 7,46 7,19 6,99 6,84 6,72 6,62 6,54 6,47 6,41 6,36 6,31 6,28 6,24 6,21 6,18 6,16 6,06 5,99 5,91 5,86 5,82 5,76 5,72 5,65
8 11,26 8,65 7,59 7,01 6,63 6,37 6,18 6,03 5,91 5,81 5,73 5,67 5,61 5,56 5,52 5,48 5,44 5,41 5,38 5,36 5,26 5,20 5,12 5,07 5,03 4,96 4,93 4,86
9 10,56 8,02 6,99 6,42 6,06 5,80 5,61 5,47 5,35 5,26 5,18 5,11 5,06 5,01 4,96 4,92 4,89 4,86 4,83 4,81 4,71 4,65 4,57 4,52 4,48 4,42 4,38 4,31
10 10,04 7,56 6,55 5,99 5,64 5,39 5,20 5,06 4,94 4,85 4,77 4,71 4,65 4,60 4,56 4,52 4,49 4,46 4,43 4,41 4,31 4,25 4,17 4,12 4,08 4,01 3,98 3,91
11 9,65 7,21 6,22 5,67 5,32 5,07 4,89 4,74 4,63 4,54 4,46 4,40 4,34 4,29 4,25 4,21 4,18 4,15 4,12 4,10 4,01 3,94 3,86 3,81 3,78 3,71 3,67 3,60
12 9,33 6,93 5,95 5,41 5,06 4,82 4,64 4,50 4,39 4,30 4,22 4,16 4,10 4,05 4,01 3,97 3,94 3,91 3,88 3,86 3,77 3,70 3,62 3,57 3,54 3,47 3,43 3,36
13 9,07 6,70 5,74 5,21 4,86 4,62 4,44 4,30 4,19 4,10 4,03 3,96 3,91 3,86 3,82 3,78 3,75 3,72 3,69 3,67 3,57 3,51 3,43 3,38 3,34 3,27 3,24 3,17
14 8,86 6,52 5,56 5,04 4,70 4,46 4,28 4,14 4,03 3,94 3,86 3,80 3,75 3,70 3,66 3,62 3,59 3,56 3,53 3,51 3,41 3,35 3,27 3,22 3,18 3,11 3,08 3,00
15 8,68 6,36 5,42 4,89 4,56 4,32 4,14 4,00 3,90 3,81 3,73 3,67 3,61 3,56 3,52 3,49 3,45 3,42 3,40 3,37 3,28 3,21 3,13 3,08 3,05 2,98 2,94 2,87
16 8,53 6,23 5,29 4,77 4,44 4,20 4,03 3,89 3,78 3,69 3,62 3,55 3,50 3,45 3,41 3,37 3,34 3,31 3,28 3,26 3,17 3,10 3,02 2,97 2,93 2,86 2,83 2,75
17 8,40 6,11 5,19 4,67 4,34 4,10 3,93 3,79 3,68 3,59 3,52 3,46 3,40 3,35 3,31 3,28 3,24 3,21 3,19 3,16 3,07 3,00 2,92 2,87 2,84 2,76 2,73 2,65
18 8,29 6,01 5,09 4,58 4,25 4,02 3,84 3,71 3,60 3,51 3,43 3,37 3,32 3,27 3,23 3,19 3,16 3,13 3,10 3,08 2,98 2,92 2,84 2,78 2,75 2,68 2,64 2,57
19 8,19 5,93 5,01 4,50 4,17 3,94 3,77 3,63 3,52 3,43 3,36 3,30 3,24 3,20 3,15 3,12 3,08 3,05 3,03 3,00 2,91 2,84 2,76 2,71 2,67 2,60 2,57 2,49
20 8,10 5,85 4,94 4,43 4,10 3,87 3,70 3,56 3,46 3,37 3,29 3,23 3,18 3,13 3,09 3,05 3,02 2,99 2,96 2,94 2,84 2,78 2,70 2,64 2,61 2,54 2,50 2,42
25 7,77 5,57 4,68 4,18 3,86 3,63 3,46 3,32 3,22 3,13 3,06 2,99 2,94 2,89 2,85 2,81 2,78 2,75 2,72 2,70 2,60 2,54 2,45 2,40 2,36 2,29 2,25 2,17
30 7,56 5,39 4,51 4,02 3,70 3,47 3,31 3,17 3,07 2,98 2,91 2,84 2,79 2,74 2,70 2,66 2,63 2,60 2,57 2,55 2,45 2,39 2,30 2,25 2,21 2,13 2,09 2,01
40 7,31 5,18 4,31 3,83 3,51 3,29 3,12 2,99 2,89 2,80 2,73 2,67 2,61 2,56 2,52 2,48 2,45 2,42 2,39 2,37 2,27 2,20 2,11 2,06 2,02 1,94 1,90 1,81
50 7,17 5,06 4,20 3,72 3,41 3,19 3,02 2,89 2,79 2,70 2,63 2,56 2,51 2,46 2,42 2,38 2,35 2,32 2,29 2,27 2,17 2,10 2,01 1,95 1,91 1,83 1,78 1,68
60 7,08 4,98 4,13 3,65 3,34 3,12 2,95 2,82 2,72 2,63 2,56 2,50 2,44 2,39 2,35 2,32 2,28 2,25 2,22 2,20 2,10 2,03 1,94 1,88 1,84 1,75 1,70 1,60
100 6,90 4,82 3,98 3,51 3,21 2,99 2,82 2,69 2,59 2,50 2,43 2,37 2,31 2,27 2,22 2,19 2,15 2,12 2,09 2,07 1,97 1,89 1,80 1,74 1,69 1,60 1,55 1,43
150 6,81 4,75 3,92 3,45 3,14 2,92 2,76 2,63 2,53 2,44 2,37 2,31 2,25 2,20 2,16 2,12 2,09 2,06 2,03 2,00 1,90 1,83 1,73 1,67 1,62 1,52 1,47 1,33
infinito 6,64 4,61 3,78 3,32 3,02 2,80 2,64 2,51 2,41 2,32 2,25 2,19 2,13 2,08 2,04 2,00 1,97 1,93 1,91 1,88 1,77 1,70 1,59 1,52 1,47 1,36 1,29 1,00
Probabilidades da distribuição F de Snedecor – valores de Fv1 ,v 2 ,p , onde p = P(Fv1 ,v2 ≥ Fv1 ,v2 ,p ) ; p = 0,5%
v1
v2
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 25 30 40 50 60 100 150 infinito
1 16213 19997 21614 22501 23056 23440 23715 23924 24092 24222 24334 24427 24505 24572 24632 24684 24729 24766 24803 24837 24959 25041 25146 25213 25254 25339 25377 25464
2 198,5 199,0 199,2 199,2 199,3 199,3 199,4 199,4 199,4 199,4 199,4 199,4 199,4 199,4 199,4 199,4 199,4 199,4 199,4 199,4 199,4 199,5 199,5 199,5 199,5 199,5 199,5 199,5
3 55,55 49,80 47,47 46,20 45,39 44,84 44,43 44,13 43,88 43,69 43,53 43,39 43,27 43,17 43,09 43,01 42,94 42,88 42,83 42,78 42,59 42,47 42,31 42,21 42,15 42,02 41,96 41,83
4 31,33 26,28 24,26 23,15 22,46 21,98 21,62 21,35 21,14 20,97 20,82 20,71 20,60 20,52 20,44 20,37 20,31 20,26 20,21 20,17 20,00 19,89 19,75 19,67 19,61 19,50 19,44 19,33
5 22,79 18,31 16,53 15,56 14,94 14,51 14,20 13,96 13,77 13,62 13,49 13,39 13,29 13,22 13,15 13,09 13,03 12,99 12,94 12,90 12,76 12,66 12,53 12,45 12,40 12,30 12,25 12,14
6 18,64 14,54 12,92 12,03 11,46 11,07 10,79 10,57 10,39 10,25 10,13 10,03 9,95 9,88 9,81 9,76 9,71 9,66 9,63 9,59 9,45 9,36 9,24 9,17 9,12 9,03 8,98 8,88
7 16,24 12,40 10,88 10,05 9,52 9,16 8,89 8,68 8,51 8,38 8,27 8,18 8,10 8,03 7,97 7,92 7,87 7,83 7,79 7,75 7,62 7,53 7,42 7,35 7,31 7,22 7,17 7,08
8 14,69 11,04 9,60 8,81 8,30 7,95 7,69 7,50 7,34 7,21 7,11 7,02 6,94 6,87 6,81 6,76 6,72 6,68 6,64 6,61 6,48 6,40 6,29 6,22 6,18 6,09 6,04 5,95
9 13,61 10,11 8,72 7,96 7,47 7,13 6,89 6,69 6,54 6,42 6,31 6,23 6,15 6,09 6,03 5,98 5,94 5,90 5,86 5,83 5,71 5,63 5,52 5,45 5,41 5,32 5,28 5,19
10 12,83 9,43 8,08 7,34 6,87 6,55 6,30 6,12 5,97 5,85 5,75 5,66 5,59 5,53 5,47 5,42 5,38 5,34 5,31 5,27 5,15 5,07 4,97 4,90 4,86 4,77 4,73 4,64
11 12,23 8,91 7,60 6,88 6,42 6,10 5,87 5,68 5,54 5,42 5,32 5,24 5,17 5,10 5,05 5,00 4,96 4,92 4,89 4,86 4,74 4,65 4,55 4,49 4,45 4,36 4,32 4,23
12 11,75 8,51 7,23 6,52 6,07 5,76 5,52 5,35 5,20 5,09 4,99 4,91 4,84 4,78 4,72 4,67 4,63 4,60 4,56 4,53 4,41 4,33 4,23 4,17 4,12 4,04 3,99 3,90
13 11,37 8,19 6,93 6,23 5,79 5,48 5,25 5,08 4,94 4,82 4,72 4,64 4,57 4,51 4,46 4,41 4,37 4,33 4,30 4,27 4,15 4,07 3,97 3,91 3,87 3,78 3,74 3,65
14 11,06 7,92 6,68 6,00 5,56 5,26 5,03 4,86 4,72 4,60 4,51 4,43 4,36 4,30 4,25 4,20 4,16 4,12 4,09 4,06 3,94 3,86 3,76 3,70 3,66 3,57 3,53 3,44
15 10,80 7,70 6,48 5,80 5,37 5,07 4,85 4,67 4,54 4,42 4,33 4,25 4,18 4,12 4,07 4,02 3,98 3,95 3,91 3,88 3,77 3,69 3,59 3,52 3,48 3,39 3,35 3,26
16 10,58 7,51 6,30 5,64 5,21 4,91 4,69 4,52 4,38 4,27 4,18 4,10 4,03 3,97 3,92 3,88 3,83 3,80 3,76 3,73 3,62 3,54 3,44 3,38 3,33 3,25 3,20 3,11
17 10,38 7,35 6,16 5,50 5,08 4,78 4,56 4,39 4,25 4,14 4,05 3,97 3,90 3,84 3,79 3,75 3,71 3,67 3,64 3,61 3,49 3,41 3,31 3,25 3,21 3,12 3,08 2,98
18 10,22 7,22 6,03 5,38 4,96 4,66 4,45 4,28 4,14 4,03 3,94 3,86 3,79 3,73 3,68 3,64 3,60 3,56 3,53 3,50 3,38 3,30 3,20 3,14 3,10 3,01 2,97 2,87
19 10,07 7,09 5,92 5,27 4,85 4,56 4,35 4,18 4,04 3,93 3,84 3,76 3,70 3,64 3,59 3,54 3,50 3,46 3,43 3,40 3,29 3,21 3,11 3,04 3,00 2,91 2,87 2,78
20 9,94 6,99 5,82 5,17 4,76 4,47 4,26 4,09 3,96 3,85 3,76 3,68 3,61 3,55 3,50 3,46 3,42 3,38 3,35 3,32 3,20 3,12 3,02 2,96 2,92 2,83 2,78 2,69
25 9,48 6,60 5,46 4,84 4,43 4,15 3,94 3,78 3,65 3,54 3,45 3,37 3,30 3,25 3,20 3,15 3,11 3,08 3,04 3,01 2,90 2,82 2,72 2,65 2,61 2,52 2,47 2,38
30 9,18 6,36 5,24 4,62 4,23 3,95 3,74 3,58 3,45 3,34 3,26 3,18 3,11 3,06 3,01 2,96 2,92 2,89 2,85 2,82 2,71 2,63 2,52 2,46 2,42 2,32 2,28 2,18
40 8,83 6,07 4,98 4,37 3,99 3,71 3,51 3,35 3,22 3,12 3,03 2,95 2,89 2,83 2,78 2,74 2,70 2,66 2,63 2,60 2,48 2,40 2,30 2,23 2,18 2,09 2,04 1,93
50 8,63 5,90 4,83 4,23 3,85 3,58 3,38 3,22 3,09 2,99 2,90 2,83 2,76 2,70 2,65 2,61 2,57 2,53 2,50 2,47 2,35 2,27 2,16 2,10 2,05 1,95 1,90 1,79
60 8,50 5,80 4,73 4,14 3,76 3,49 3,29 3,13 3,01 2,90 2,82 2,74 2,68 2,62 2,57 2,53 2,49 2,45 2,42 2,39 2,27 2,19 2,08 2,01 1,96 1,86 1,81 1,69
100 8,24 5,59 4,54 3,96 3,59 3,33 3,13 2,97 2,85 2,74 2,66 2,58 2,52 2,46 2,41 2,37 2,33 2,29 2,26 2,23 2,11 2,02 1,91 1,84 1,79 1,68 1,62 1,49
150 8,12 5,49 4,45 3,88 3,51 3,25 3,05 2,89 2,77 2,67 2,58 2,51 2,44 2,39 2,34 2,29 2,25 2,21 2,18 2,15 2,03 1,94 1,83 1,76 1,70 1,59 1,53 1,37
infinito 7,88 5,30 4,28 3,72 3,35 3,09 2,90 2,74 2,62 2,52 2,43 2,36 2,29 2,24 2,19 2,14 2,10 2,06 2,03 2,00 1,88 1,79 1,67 1,59 1,53 1,40 1,32 1,00