Escolar Documentos
Profissional Documentos
Cultura Documentos
MÁRIO ROBERTO 1
VARIÁVEIS ALEATÓRIAS
O que se entende por variável aleatória?
Até agora nossos estudos estavam praticamente voltados mais para definirmos nosso
Espaço Amostral U, sem associarmos suas respectivas probabilidades aos experimentos
aleatórios.
Existem, contudo, experimentos cujos resultados podem ser expressos por
quantidades numéricas. Ou ainda, por vezes, desejamos atribuir um valor específico a cada
resultado do experimento aleatório.
Quando realizamos a observação dos resultados de um experimento que pode ser
resultado repetidamente sob condições essencialmente inalteradas (experimento aleatório),
não poderemos, de antemão, dizer qual particular resultado irá ocorrer na próxima tentativa,
muito embora sejamos capazes de descrever o conjunto de todos os possíveis resultados do
experimento. Assim, por exemplo, antes de lançar um dado poderemos descrever que os
possíveis resultados são: l, 2, 3, 4, 5, 6, mas qual desses, em particular, irá ocorrer, no
próximo lançamento é impossível predizer com absoluta certeza. Variável aleatória é, pois
o resultado da observação de experimentos não determinísticos.
Entretanto o resultado de um experimento não é necessariamente, um número. De
fato na observação das peças que saem de uma máquina poderemos, simplesmente, anotar
as categorias "defeituosas" ou "não defeituosas". Contudo, em muitas situações
experimentais, estamos interessados na mensuração de alguma coisa e no seu registro como
um número. Mesmo no exemplo acima, poderemos atribuir um número a cada resultado
(não numérico) do experimento.
U: observação das peças (telhas) que saem de uma máquina
X número de peças defeituosas
X = 0, 1, 2, 3, .....................,n
Portanto, chama-se variável aleatória a uma variável cujo valor é um número
determinado pelo resultado de um experimento ou através da observação, e aos quais
podemos associar probabilidade.
As variáveis aleatórias podem ser classificadas em:
1- VARIÁVEIS ALEATÓRIAS DISCRETA
Seja X uma variável aleatória que assume os valores x1, x2, x3, ...........xn. Diremos que
X é uma variável aleatória discreta. Se o número de valores tomados por X é finito ou
infinito numerável.
Exemplo: U: Lançamento de quatro moedas
Seja,
X: o número de caras observadas.
X = 0, 1, 2, 3, 4
De modo geral podemos dizer que as variáveis aleatórias discretas são as que resultem de
contagens.
ESTATÍSTICA II - Mário
MATERIAL DE ESTATÍSTICA II – PROF. MÁRIO ROBERTO 2
b)
b) A altura de um indivíduo que pode ser: 1,65m, l,652m, 1,6524m, conforme
a precisão de medida.
De modo geral podemos afirmar que as variáveis aleatórias contínuas são aquelas
que resultem de "medição", em especial, de tempo, temperatura, comprimento, peso,
volume, etc.
Um aspecto interessante é o que o mesmo experimento pode dar margem à
observações de várias variáveis, e a escolha da que vai ser observada fica a critério do
observador. Como exemplo vejamos o experimento "jogar 4 moedas simultaneamente".
Como variável aleatória poderemos escolher "o número de caras obtidas ou a distância
mínima entre 2 moedas". A primeira seria uma variável aleatória discreta e a Segunda seria
uma variável aleatória contínua.
Portanto a função que associa probabilidade aos possíveis valores de uma variável
aleatória, denomina-se função de probabilidade.
A função P(X) pode ser expressa por uma tabela ou gráfico
Exemplo
Seja E: o espaço amostral no lançamento de 2 moedas e X: o número de caras C obtidas.
Isto é:
E = (K,K); (K,C); (C,K); (C,C)
X = 0, 1, 2
TABELA: X 0 1 2
GRÁFICO:
P(X)
1/2
1/4
0 1 2 X
ESTATÍSTICA II - Mário
MATERIAL DE ESTATÍSTICA II – PROF. MÁRIO ROBERTO 3
F(X) = 1/4 se x 0
F(X) = 1/2 se 1 x 2
F(X) = 1/4 se x 2
f(x) 0
f(x).d(x) = 1
b
Assim P( a x b) = f(x).d(x)
a
f(x) = 2x para 0 x 1
para x 0 F(x) = 0
0 2 0
para x 1 F(x) = 1
Representação gráfica
ESTATÍSTICA II - Mário
MATERIAL DE ESTATÍSTICA II – PROF. MÁRIO ROBERTO 4
F(x)
1 x
0, caso contrário
Para uma variável aleatória discreta todos os possíveis valores da variável aleatória
podem ser listados numa tabela com as probabilidades correspondentes: distribuição de
probabilidade Binomial, Hipergeométrica e de Poisson. Para uma variável aleatória
contínua não podem ser listados todos os possíveis valores fracionários da variável, e desta
forma as probabilidades são determinadas por uma função matemática, são retratadas,
tipicamente, por uma função densidade ou por uma curva de probabilidade.
ESTATÍSTICA II - Mário
MATERIAL DE ESTATÍSTICA II – PROF. MÁRIO ROBERTO 5
3.3.2- A média de uma variável multiplicada por uma constante é igual à constante
multiplicada pela média da variável.
3.3.4- Somando ou subtraindo uma constante a uma variável aleatória, a sua média fica
somada ou subtraída da mesma constante.
3.4- VARIÂNCIA
3.5.2- Multiplicando-se uma variável aleatória por uma constante, sua variância fica
multiplicada pelo quadrado da constante.
3.5.3- Somando-se ou subtraindo-se uma constante à variável aleatória, sua variância não se
altera.
ESTATÍSTICA II - Mário
MATERIAL DE ESTATÍSTICA II – PROF. MÁRIO ROBERTO 6
EXEMPLO:
Determine:
a) A esperança matemática
a) E(X) = 5,66
Isto é, o valor esperado para dados discretos pode ser fracionário porque ele
representa um valor médio de longo prazo e não o valor específico para qualquer
observação dada.
ESTATÍSTICA II - Mário
MATERIAL DE ESTATÍSTICA II – PROF. MÁRIO ROBERTO 7
Exercícios
X P(X)
0 0,304
1 0,228
2 0,171
3 0,128
4 0,096
5 0,073
2- Considere uma moeda perfeita lançada 3 vezes. Seja X o número de caras obtida.
Calcule
a) a distribuição de X
c) a variância ² = 0,75
3- Considere uma urna contendo três bolas vermelhas e cinco pretas. Retire três bolas sem
reposição, e defina a V.A X igual a número de bolas pretas.
a) Obtenha a distribuição de X
ESTATÍSTICA II - Mário
MATERIAL DE ESTATÍSTICA II – PROF. MÁRIO ROBERTO 8
a) a distribuição de Y
b) a média e variância de Y = 2 , ² = 1
5- Considere uma mesa contendo 10 frutas das quais 4 estão estragadas. Retire três dessas
frutas ao acaso, sem reposição e defina a V.A. X igual a número de frutas estragadas.
a) Obtenha a distribuição de X
4-DISTRIBUIÇÃO BINOMIAL
P(X = 0) = q X 0 1
P(X = 1) = p P(X) q p p+ q = 1 q = 1 - p
Obs.
q = l- p é complementar de p, pois p + q = 1.
V(X) = p.q
Consideremos que:
b) Cada prova é uma prova de Bernoulli ou seja, admite dois resultados: sucesso ou
fracasso que são mutuamente exclusivos.
ESTATÍSTICA II - Mário
MATERIAL DE ESTATÍSTICA II – PROF. MÁRIO ROBERTO 9
P(X = x) = n p x . qn - x
x
E(x) = = n.p
V(X) = V(x1 + x2 + x3 + ........+ xn) = V(x1) + V(x2) + V(x3) + ......+ V(xn) = p.q + p.q +
p.q + .........+ p.q = n.pq. = n.p.(1 - p)
V(x) = ² = n.p.q
FÓRMULAS GERAIS:
E(X) = xi.p(xi)
xi
xi
ESTATÍSTICA II - Mário
MATERIAL DE ESTATÍSTICA II – PROF. MÁRIO ROBERTO 10
Números Combinatórios n n!
Ou binomiais p = Cn,p =
p!.(n-p)!
n=0 0
0
n=1 1 1
0 1
n=2 2 2 2
0 1 2
n=3 3 3 3 3
0 1 2 3
n=4 4 4 4 4 4
0 1 2 3 4
n=5 5 5 5 5 5 5
0 1 2 3 4 5
n=6 6 6 6 6 6 6 6
0 1 2 3 4 5 6
n n n n n n n n ... n
0 1 2 3 4 5 6 n
Substituindo-se cada número combinatório pelo respectivo valor, o triângulo de
Pascal fica assim:
ESTATÍSTICA II - Mário
MATERIAL DE ESTATÍSTICA II – PROF. MÁRIO ROBERTO 11
n=0 1
n=1 1 1
n=2 1 2 1
n=3 1 3 3 1
n=4 1 4 6 4 1
n=5 1 5 10 10 5 1
n=6 1 6 15 20 15 6 1
.
.
.
APLICAÇÕES
Solução
X = 0, 1, 2, 3, 4, 5, 6 defeituosos
ESTATÍSTICA II - Mário
MATERIAL DE ESTATÍSTICA II – PROF. MÁRIO ROBERTO 12
c) E(X) = xi.P(xi) = 0.64 / 729 + 1.192 / 729 + 2.240 / 729 + 3.160 / 729 + 4.60 / 729
62.1/729 = 5,33
Solução
q = 2/3
X = 0, 1, 2
1 6561
ESTATÍSTICA II - Mário
MATERIAL DE ESTATÍSTICA II – PROF. MÁRIO ROBERTO 13
2 6561
4- DISTRIBUIÇÃO HIPERGEOMÉTRICA
Quando a amostragem se faz sem reposição de cada item amostrado de uma
população finita, não se pode aplicar o processo de Bernoulli, uma vez que exite uma
mudança sistemática na probabilidade de sucesso á medida que os itens são retirados da
população. A distribuição Hipergeométrica é uma distribuição discreta de probabilidade
apropriada quando existe amostragem sem reposição em uma situação que, se não fosse por
isso, seria um processo de Bernoulli.
Suponha-se que tenhamos um lote de N peças e M das quais são defeituosas.
Suponha-se que escolhemos, ao acaso n peças desse lote ( n N); sem reposição. Seja X o
número de peças defeituosas encontradas. Desde que X = x se, e somente se, obtivermos
exatamente k peças defeituosas ( dentre as M defeituosas do lote) e exatamente ( n - x) não
defeituosas ( dentre as N - M não defeituosas do lote, teremos:
M N-M
P(X = x) = x . n-x
N
n
E(X) = n.p
N-1
APLICAÇÕES
ESTATÍSTICA II - Mário
MATERIAL DE ESTATÍSTICA II – PROF. MÁRIO ROBERTO 14
Solução
a)
N = 11 (total de pessoas)
n = 4 ( número de pessoas na comissão)
M = 6 ( quantidade de homens)
N - M = 5 ( quantidade de mulheres)
x = 3 (quantidade de homens na comissão)
6 5
P(X = 3) = 3 1 = 20.5/330 = 10 / 33
11
4
6 5
b) P(X = 0) = 0 4 = 1.5 / 330 = 1 / 66
11
4
c) E(X) = E(x) = 4.6/11 = 24/11 = 2,l8 2 homens
2- Uma caixa contém 12 lâmpadas das quais 5 estão queimadas. São escolhidas 6
lâmpadas ao acaso para iluminação de uma sala. Qual a probabilidade de que:
a) exatamente duas estejam queimadas?
b) Pelo menos uma seja boa?
c) Pelo menos duas estejam queimadas?
d) Encontre o número esperado de lâmpadas queimadas e a dispersão em torno da média.
Solução
X: lâmpadas queimadas
M: total de lâmpadas queimadas = 5
k: lâmpadas queimadas (ao acaso)
n: número de lâmpadas (ao acaso) = 6
N: total de lâmpadas = 12.
5 7
a) P(X=2) = 2 4 = 10.35/924 = 350/924
12
6
ESTATÍSTICA II - Mário
MATERIAL DE ESTATÍSTICA II – PROF. MÁRIO ROBERTO 15
b) X = 0, 1, 2, 3, 4, 5
P(X 5) = P(0) + P(1) + P(2) + P(3) + P(4) + P(5)
= 5 7 5 7 5 7 5 7 5 7 5 7
0 6 + 1 5 + 2 4 + 3 3 + 4 2 + 5 1
12 12 12 12 12 12
6 6 6 6 6 6
= 924/924 = 1 = 100%
924
N-1 12 - 1
5-DISTRIBUIÇÃO DE POISSON
ESTATÍSTICA II - Mário
MATERIAL DE ESTATÍSTICA II – PROF. MÁRIO ROBERTO 16
X!
E(X) = e V(X) = 2 =
EXEMPLOS
Determinar
Solução
X = 0, 1, 2, 3, ......., n
3!
0!
EXERCÍCIOS
DISTRIBUIÇÕES DISCRETAS DE PROBABILIDADES
ESTATÍSTICA II - Mário
MATERIAL DE ESTATÍSTICA II – PROF. MÁRIO ROBERTO 17
Nº de 0 1 2 3 4 5
chegadas X
Probabilida 0,15 0,25 0,25 0,20 0,10 0,05
-de P(X)
ESTATÍSTICA II - Mário
MATERIAL DE ESTATÍSTICA II – PROF. MÁRIO ROBERTO 18
4-Suponha que 40% dos empregados horistas de uma grande empresa estejam a favor da
representação sindical e que se peça uma resposta anônima a uma amostra aleatória de 10
empregados. Qual a probabilidade de estarem a favor da representação sindical:
a) a maior parte dos que responderam? 16,08%
b) Menos da metade dos que responderam? 63,92%
5- De 20 estudantes em uma classe, 15 não estão satisfeitos com o texto utilizado. Se uma
amostra aleatória de quatro alunos se perguntar sobre o texto, determinar a probabilidade de
que estivessem descontentes com o texto:
a) exatamente três estudantes. 46,96%
b) No mínimo três estudantes. 75,13%
6- Somente um de cada mil geradores montados em uma fábrica apresenta defeitos, sendo
que os geradores defeituosos se distribuem aleatoriamente ao longo da produção.
a) Qual a probabilidade de que um carregamento de 500 geradores não inclua gerador
defeituoso algum? 60,65%
b) Qual a probabilidade de um carregamento de 100 geradores contenha no mínimo
um gerador defeituosos? 9,52%
7- Suponha que a probabilidade de que um item produzido por uma máquina seja
defeituoso é de 0,2. Se dez itens produzidos por essa máquina são selecionados ao
acaso, qual a probabilidade de que não mais do que um defeituoso seja encontrado?
Use a binomial e a distribuição de Poisson e compare os resultados. Pb = 37,58% e Pp =
40,6%
8- Num certo tipo de fabricação de fita magnética, ocorrem corte a uma taxa de um por
2000 pés. Qual a probabilidade de que um rolo com 2000 pés a fita magnética tenha:
a) nenhum corte? 36,79%
b) No máximo 2 cortes? 91,97%
c) Pelo menos dois cortes? 26,42%
10- Uma máquina, fabrica placas de papelão que podem apresentar nenhum defeito, um,
dois, três ou quatro defeitos, com probabilidade 90%, 5%, 3%, 1% e 1%,
respectivamente. O preço de venda de uma placa perfeita é 10 u.m. e à medida que
apresente defeito, o preço cai 50% para cada defeito apresentado. Qual o preço médio
de venda destas placas? E(x) = 9,34 u.m
11- Uma empresa distribuidora costuma falhar em suas entregas de mercadorias 15% das
vezes, por atraso na entrega, mercadoria fora de especificação danos, etc. causando
reclamações por parte dos clientes. Calcule a probabilidade de:
a) não ocorrer reclamações nas 10 entregas de hoje. R 19,69%
b) Acontecer pelo menos uma reclamação nas 4 primeiras entregas. R 47,80%
ESTATÍSTICA II - Mário
MATERIAL DE ESTATÍSTICA II – PROF. MÁRIO ROBERTO 19
12- Em um pedágio de determinada rodovia chegam em média 600 carros por hora.
Determine a probabilidade de :
a) chegarem exatamente 10 carros em um minuto R: 12,51%
b) chegarem menos que 5 caros em um minuto R:2,92%
P(T t) = 1 – e-
V(T) = 1/²
EXEMPLOS
ESTATÍSTICA II - Mário
MATERIAL DE ESTATÍSTICA II – PROF. MÁRIO ROBERTO 20
EXERCÍCIO
2-DISTRIBUIÇÃO NORMAL
F(X)
X = Me = Mo X
ESTATÍSTICA II - Mário
MATERIAL DE ESTATÍSTICA II – PROF. MÁRIO ROBERTO 21
2 .
onde: = 3,14159...
e = 2,7183.....
: é a média da distribuição
: é o desvio padrão da distribuição
Z = x -
Logo
-1/2.z2 -z2/2
f(x) = 1 .e = 1 .e (-oo, + oo)
2 . 2 .
ESTATÍSTICA II - Mário
MATERIAL DE ESTATÍSTICA II – PROF. MÁRIO ROBERTO 22
f(z)
-3 -2 -1 0 1 2 3 z
Parâmetros da distribuição N(, )
E(x) = = 0
V(x) = 2 = 1 N ( 0 , 1)
Exemplos
1- As alturas dos alunos de uma determinada escola são normalmente distribuídas com
média de 1,60 m e desvio padrão 0,30 m. Encontre a probabilidade de um aluno aleatório
medir:
a) entre 1,50m e 1,80m
b) mais de 1,75 m
c) menos de 1, 48m
ESTATÍSTICA II - Mário
MATERIAL DE ESTATÍSTICA II – PROF. MÁRIO ROBERTO 23
d) qual deve ser a medida mínima para escolher 10% dos mais altos?
2- Sabe-se que a vida útil de um componente elétrico segue uma distribuição normal
com média = 2000 horas e desvio padrão = 200 horas, determine.
a) a probabilidade de que um componente aleatoriamente selecionado dure entre 2000
e 2400 horas 47,72%
b) a probabilidade de que um componente aleatoriamente selecionado dure mais do
que 2200 horas. 15,87%
c) a probabilidade de que um componente aleatoriamente selecionado dure entre 1500
e 2100 horas. 68,53%
d) A probabilidade de que um componente aleatoriamente selecionado dure entre 2100
e 2500 horas. 30,23%
Regra aceitável n 30
"regra de bolso" n.p 5
n.(1 - p) 5
ESTATÍSTICA II - Mário
MATERIAL DE ESTATÍSTICA II – PROF. MÁRIO ROBERTO 24
E(x) = = n.p
= n.p.(1 - p)
Aplicações
1- Para um grande número de clientes potenciais, sabe-se que 20% dos contactados
pessoalmente por agentes de vendas realizarão uma compra. Se um representante de
vendas visita 30 clientes potenciais, podemos determinar a probabilidade de que 10 ou
mais farão uma compra.
a) utilizando as probabilidades binomiais.
b) Utilizando a aproximação normal do valor de probabilidade binomial.
Solução
a) P(x 10) = ..... 6,11%
b) = n.p = 30.2/10 = 6
Obs. Supõe-se que a classe de eventos "10 ou mais começa em 9,5 quando se utiliza
a aproximação normal. Esta subtração de meia unidade é chamada correção de
continuidade e é necessária porque embora não existem eventos possíveis no intervalo
ESTATÍSTICA II - Mário
MATERIAL DE ESTATÍSTICA II – PROF. MÁRIO ROBERTO 25
entre 9 e 10 sucessos, a área sob a curva normal deve ser distribuída entre duas classes
adjacentes. Se no exemplo, fosse pedida a probabilidade de "mais de 10" sucessos, a
correção apropriada de continuidade implicaria adicionar 0,5 a 10 e determinar a área do
intervalo começando em 10,5.
A correção de continuidade tem um efeito muito pequeno e pode, portanto, ser
omitida quando existir um grande número de valores da viável X.
=
=
Aplicação
ESTATÍSTICA II - Mário
MATERIAL DE ESTATÍSTICA II – PROF. MÁRIO ROBERTO 26
OBJETIVOS DO CAPÍTULO:
ESTATÍSTICA II - Mário
MATERIAL DE ESTATÍSTICA II – PROF. MÁRIO ROBERTO 27
Uma amostra escolhida de tal forma que cada item ou pessoa na população tem a mesma
probabilidade de ser incluída.
Se a população tem um tamanho N, cada pessoa desta população tem a mesma
probabilidade igual a 1/N de entrar na amostra. Utilizamos uma tabela de números
aleatórios para sortear (com mesma probabilidade) os elementos da amostra. Também pode
ser utilizada uma função randômica: No Excel, por exemplo, temos a função ALEATÓRIO
ENTER.
Amostragem Aleatória Sistemática
Os itens ou indivíduos da população são ordenados de alguma forma – alfabeticamente ou
através de algum outro método. Um ponto de partida aleatório é sorteado, e então cada k-
ésimo membro da população é selecionado para a amostra.
Ni
ni n i 1,2,...., k
N
os estratos devem ser o mais homogêneos possíveis com relação às características
relevantes da pesquisa (variáveis que se correlacionam fortemente com a variável estudada)
para um mesmo tamanho amostral, a amostragem aleatória estratificada com repartição
proporcional é mais precisa (menor variância do estimador) do que a amostragem aleatória
simples (AAS).
ESTATÍSTICA II - Mário
MATERIAL DE ESTATÍSTICA II – PROF. MÁRIO ROBERTO 28
wi i N i i
ni n k
n k
W
i 1
i i N
i 1
i i
para um mesmo tamanho amostral a precisão é maior para amostra aleatória estratificada
com repartição de Neyman (repartição ótima) do que para a amostra aleatória estratificada
com repartição proporcional que por sua vez é maior do que a amostra aleatória simples
ESTATÍSTICA II - Mário
MATERIAL DE ESTATÍSTICA II – PROF. MÁRIO ROBERTO 29
Dois sócios são selecionados aleatoriamente. Quantas amostras ‘distintas são possíveis?
O número de amostras distintas de dois elementos tomados em 5 objetos corresponde a:
5!
5 C2 10
(2!)(3!)
Sócios Total Média
1,2 48 24
1,3 52 26
1,4 48 24
1,5 44 22
2,3 56 28
2,4 52 26
2,5 48 24
3,4 56 28
3,5 52 26
4,5 48 24
A média da população é:
22 26 30 26 22
25,2
5
ESTATÍSTICA II - Mário
MATERIAL DE ESTATÍSTICA II – PROF. MÁRIO ROBERTO 30
Para uma população com média e uma variância 2 , a distribuição amostral das
médias de todas as possíveis amostras de tamanho n, geradas a partir da população, será
aproximadamente normalmente distribuída – com a média da distribuição amostral
igual e variância igual 2 / n - assumindo que o tamanho amostral é
suficientemente grande, ou seja, n 30 .
, desde que n 30 .
padrão das médias amostrais igual a n
Note que o erro padrão das médias amostrais mostra quão próximo da média da
população a média amostral tende a ser.
X
X
n
X é o símbolo para o erro padrão das médias amostrais
s
sX
n
ESTATÍSTICA II - Mário
MATERIAL DE ESTATÍSTICA II – PROF. MÁRIO ROBERTO 31
n
(Xi X )
2
onde s i 1
n 1
6.3 Estimativa de Ponto
Exemplo: O número de itens defeituosos produzidos por uma máquina foi registrado em
cinco horas selecionadas aleatoriamente durante uma semana de trabalho de 40 horas. O
número observado de defeituosos foi 12,4,7,14 e 10. Portanto, a média amostral é 9,4.
Assim a estimativa de ponto para a média semanal do número de defeituosos é 9,4.
s
X 1,96
n
O IC de 99 % para a média populacional é dado por:
ESTATÍSTICA II - Mário
MATERIAL DE ESTATÍSTICA II – PROF. MÁRIO ROBERTO 32
s
X 2,58
n
Em geral, um intervalo de confiança para a média, é calculado por:
s
X Z
n
onde Z é obtido da tabela de distribuição normal padrão.
Exemplo 2
Uma universidade quer estimar o número médio de horas trabalhadas por semana por seus
estudantes. Uma amostra de 49 estudantes mostrou uma média de 24 horas com um desvio
padrão de 4 horas.
A estimativa de ponto do número médio de horas trabalhadas por semana é 24 horas (média
amostral).
Interprete os resultados
p Z p
onde:
ESTATÍSTICA II - Mário
MATERIAL DE ESTATÍSTICA II – PROF. MÁRIO ROBERTO 33
p é a proporção amostral
p (1 p )
p
n
O intervalo de confiança é construído por:
p (1 p )
p Z
n
onde:
p é a proporção amostral
Z é o valor da variável normal padrão para o grau de confiança adotado.
n é o tamanho amostral
Exemplo 3
(0,35) (0,65)
O CI de 98 % é 0,35 2,33 ou 0,35 0,0497
500
Interprete a resposta
ESTATÍSTICA II - Mário
MATERIAL DE ESTATÍSTICA II – PROF. MÁRIO ROBERTO 34
Para uma população finita, onde o número total de objetos é N e o tamanho da amostra
é n, o seguinte ajuste é feito para os erros padrões da média amostral e da proporção
amostral.
n 49
Agora 0,098 0,05 . Portanto, temos que usar o FCPF
N 500
4 500 49
24 1,96 22,93 ; 25,11
49 500 1
6.7 Selecionando uma Amostra
Há 3 fatores que determinam o tamanho de uma amostra, nenhum dos quais tendo uma
relação direta com o tamanho da população. Eles são:
1. O grau de confiança adotado
2. O máximo erro permissível
3. A variabilidade da população
ESTATÍSTICA II - Mário
MATERIAL DE ESTATÍSTICA II – PROF. MÁRIO ROBERTO 35
2
Zs
n
E
onde:
E é o erro permissível
Exemplo 5
2,58 20
2
n 106,50 107
5
2
Z
n p (1 p ) onde
E
p é a proporção estimada, baseada na experiência passada ou em uma amostra piloto
Exemplo 6
ESTATÍSTICA II - Mário
MATERIAL DE ESTATÍSTICA II – PROF. MÁRIO ROBERTO 36
2
1,96
n 0,300,70 893,4 893
0,03
OBJETIVOS:
Nota:
ESTATÍSTICA II - Mário
MATERIAL DE ESTATÍSTICA II – PROF. MÁRIO ROBERTO 37
Passo 5: Tome uma amostra e obtenha uma decisão: Não rejeitar H0 ou rejeitar H0 e
aceitar H1
Hipótese Alternativa H1: Uma afirmação (sentença) que é aceita se os dados amostrais
fornecem evidência de que a hipótese nula é falsa.
Erro Tipo I: Rejeitar a Hipótese Nula, H0, quando ela é efetivamente verdadeira. A
probabilidade do erro tipo I é igual ao nível de significância, (alfa).
Erro Tipo II: Aceitar a Hipótese Nula, H0, quando é efetivamente falsa. A
probabilidade do erro tipo II é igual a (beta)
Tipos de Erros
Aceita H0 Rejeita H0
H0 é verdadeira Decisão Correta Erro Tipo I
H0 é falsa Erro Tipo II Decisão Correta
ESTATÍSTICA II - Mário
MATERIAL DE ESTATÍSTICA II – PROF. MÁRIO ROBERTO 38
Valor Crítico (ou z crítico ou valor de t): O ponto divisor entre a região onde a hipótese
nula é rejeitada e a região onde ela não é rejeitada. Este valor é obtido a partir da
tabela de z (normal padrão) ou da tabela de t (t de Student).
Um teste é unicaudal quando a hipótese alternativa, H1, estabelece uma direção tal
como:
H0: A renda média das mulheres é menor que ou igual a renda média dos homens.
H1: A renda média das mulheres é maior que a renda média dos homens.
Figura com distribuição normal mostrando a região de rejeição para um teste unicaudal
Um teste é bicaudal quando não existe uma direção especificada para a hipótese
alternativa H1, tal com:
H0: A renda média das mulheres é igual a renda média dos homens.
H1: A renda média das mulheres não é igual a renda média dos homens.
Figura com distribuição normal mostrando a região de rejeição para um teste bicaudal
ESTATÍSTICA II - Mário
MATERIAL DE ESTATÍSTICA II – PROF. MÁRIO ROBERTO 39
X
z
n
Exemplo 1
H 0 : 16 H1 : 16
Passo 2: Estabelecer a regra de decisão:
H0 é rejeitado se o z (efetivo – calculado com base nos valores amostrais) < -1,96 ou z >
1,96.
ESTATÍSTICA II - Mário
MATERIAL DE ESTATÍSTICA II – PROF. MÁRIO ROBERTO 40
Para o exemplo anterior, z = 1,44, e desde que era um teste bicaudal, então o
p-value = 2P{z 1,44} 2(0,5 0,4251) 0,1498 . Desde que 0,1498 > 0,05, não é
rejeitada H0.
Quanto maior for o tamanho amostral for n 30, o z efetivo pode ser aproximado com
X
z
s
n
ESTATÍSTICA II - Mário
MATERIAL DE ESTATÍSTICA II – PROF. MÁRIO ROBERTO 41
Exemplo 2
H 0 : 400 H1 : 400
407 400
z 2,42
38
172
H0 é rejeitada. O administrador conclui que a média dos saldos nào pagos é maior do que
US$ 400.
ESTATÍSTICA II - Mário
MATERIAL DE ESTATÍSTICA II – PROF. MÁRIO ROBERTO 42
X1 X 2
z
12 22
n1 n2
X1 X 2
z
s12 s22
n1 n2
Exemplo 3
ESTATÍSTICA II - Mário
MATERIAL DE ESTATÍSTICA II – PROF. MÁRIO ROBERTO 43
30,4 25,6
z 6,80
2 2
3,6 2.9
45 40
Nota: Desde que neste problema estamos testando para:
H0 : 2 1
Precisamos trocar as posições das variáveis na equação do z efetivo (a seguinte equação).
X1 X 2
z
s12 s22
n1 n2
Z efetivo
Desde que o Z efetivo = 6,80 > Z crítico = 2,33, H0 é rejeitada. Aqueles que se aposentaram
no último ano tiveram mais anos de serviço.
1-Uma amostra aleatória simples de 40 itens resultou em uma média amostral de 25. O
desvio-padrão da população é = 5
a) Qual é o erro-padrão da média, x ? R. 0,79
b- Qual é a margem de erro para uma probabilidade de 95%? R. 23,45 a 26,55
ESTATÍSTICA II - Mário
MATERIAL DE ESTATÍSTICA II – PROF. MÁRIO ROBERTO 44
3-Os ganhos médios semanais dos indivíduos que trabalham em vários setores foram
apresentados no The New York Times 1998 Amanac. Os ganhos médios semanais para os
indivíduos do setor de serviços foram US$369. Considere que esse resultado foi baseado
em uma amostra de serviço de 250 indivíduos e que o desvio-padrão da amostra foi de
US$50. Calcule um intervalo de confiança de 95% para os ganhos médios semanais da
população para os indivíduos que trabalham no setor de serviços. R. 362,80 a 375,20
ESTATÍSTICA II - Mário
MATERIAL DE ESTATÍSTICA II – PROF. MÁRIO ROBERTO 45
10_ Uma empresa paga atualmente a seus operários um salário médio de R$15,00 a hora. A
empresa está planejando construir uma nova fábrica e está considerando diversos locais. A
disponibilidade de mão de obra a uma taxa menor que R$15,00 por hora é um grande fator
de decisão do local. Para uma locação, uma amostra de 40 trabalhadores mostrou um
salário médio atual de R$14,00 por hora e um desvio padrão S = R$2,40.
a) Com um nível de significância de 0,01, os dados da amostra indicam que o local tem
uma taxa de salário significativamente abaixo da taxa de R$15,00 por hora R. rejeita Ho
c) Qual é o p value R. 0,4%
ESTATÍSTICA II - Mário
MATERIAL DE ESTATÍSTICA II – PROF. MÁRIO ROBERTO 46
desvio padrão da amostra foi de 2,5 horas por dia. Há dez anos a número médio de horas
gastos diante da TV por família da população foi relatado como sendo 6,70 horas por dia.
a) Elabore um teste de hipótese para a situação
b) Com um nível de significância de 0,01, qual a conclusão sobre qualquer mudança no
tempo gasto diante da TV. Ho é rejeitado
12-Um novo programa de dieta afirma que os participantes perderão em média pelo menos
8 quilos durante a primeira semana do programa. Uma amostra aleatória de 40 pessoas
participando do programa mostrou uma perda de peso médio de 7 quilos. O desvio-padrão
da amostra foi de 3,2 quilos.
a) Qual a regra de rejeição com um nível de significância = 0,05? Ho: 8, Ha: 8
b) Qual é sua conclusão sobre a afirmação feita pelo programa da dieta? R- Rejeita Ho
c) Qual é o valor p-value? R. 0,0239
EXERCÍCIOS COMPLEMENTARES
INTERVALO DE CONFIANÇA
TESTE DE HIPÓTESES
1_ Uma população composta por 80 elementos apresenta desvio padrão de 3,2 unidades.
Uma amostra de 20 elementos selecionados ao acaso, sem reposição, apresentou uma média
de 40 unidades. Determine um intervalo de confiança de 85% para a media da população
R. 39,10 < média < 40,90
2_ Em uma cidade há 30 supermercados que comercializam determinado produto, cujo
preço de venda admite distribuição normal de probabilidades.
Uma amostra aleatória de preços deste produto levantados em seis supermercados revelou
os valores de u.m. por kg. 6,4 ; 7,3; 5,8; 6,5; 7,0.;6,0.
Sabe-se que o desvio padrão para os preços deste produto em outra cidade consultado é de
0,5 u.m por kg. Construa um intervalo de confiança de 90% para o preço médio deste
produto nestes supermercados. R. 6,2 a 6,8
ESTATÍSTICA II - Mário
MATERIAL DE ESTATÍSTICA II – PROF. MÁRIO ROBERTO 47
de conserto é de 4 horas. Por experiência anterior, o encarregado sabe que o desvio padrão
do tempo de conserto corresponde a 15% do tempo médio de conserto.
a) Qual é a previsão mínima e a máxima para o tempo de conserto de um motor, ao nível
de confiança de 98%
b) Qual é a estimativa pontual para tempo médio de conserto das 40 máquinas.
R a) 3,41 a 4,59 b) 160 horas
6_ Com a finalidade de estabelecer o custo de um novo produto, o encarregado de custos
levantou os possíveis fornecedores de um dos componentes deste produto. Dos 60
fornecedores cadastrados foram sorteados e consultados 6 deles. Os preços fornecidos
apresentam uma média de 4,83 u.m. A experiência do encarregado indica que o desvio
padrão para o preço é de 10% deste preço(da média).
Qual deve ser o intervalo de confiança de 93% para o preço médio deste componente
R. 4,49 a 5,17
8_De uma população normal deve ser retirada uma amostra aleatória que avalie a média
populacional com erro padrão de estimativa de duas unidades. Se o desvio padrão
populacional é conhecido e vale 10, qual deve ser o tamanho da amostra, a um nível de
confiança de 90% R. n = 68
12- De uma população normal com média história de 18 unidades, 12 elementos foram
selecionados ao acaso, fornecendo média de 17 unidades e desvio padrão de 3 unidades.
Teste ao nível de significância 10% a hipótese nula Ho: > 18.
R. Aceita-se Ho ao nível de 10%
13- Uma população normalmente distribuída forneceu a seguinte amostra aleatória 12; 16;
15; 14; 17; 10; 9; 15; 13; 16.Um estatístico afirma que a média populacional é 15. Teste ao
nível de significância de 5% a afirmação do estatístico. R. Aceita-se Ho ao nível de 5%.
ESTATÍSTICA II - Mário
MATERIAL DE ESTATÍSTICA II – PROF. MÁRIO ROBERTO 48
ESTATÍSTICA II - Mário
MATERIAL DE ESTATÍSTICA II – PROF. MÁRIO ROBERTO 49
NÚMEROS-ÍNDICE
1- INTRODUÇÃO
po = preço na época-base
pt = preço na época atual
qo = quantidade na época-base
qt = quantidade na época atual
vo = valor na época-base
vt = valor na época atual
teremos:
pt
Relativo de Preço : P0,t
po
qt
q0,t
Relativo de Quantidade : qo
pt .qt
Relativo de Valor: v0,t
po .qo
Exemplo:
ESTATÍSTICA II - Mário
MATERIAL DE ESTATÍSTICA II – PROF. MÁRIO ROBERTO 50
Solução:
70
Relativo de Preço: p04,06 1, 4 140%
50
800
Relativo de Quantidade: q04,06 1, 6 160%
500
70.800
Relativo de Valor: vo,t 2, 24 224%
50.500
Os relativos acima definidos podem ser avaliados usando uma base fixa para estudos
que não exigem comparação ano a ano, mas comparações entre um determinado ano
considerado significativo (ano inicial de uma mudança ou de alguma meta) e os anos
subseqüentes.
Para estudos em que se deseja interpretar crescimentos anuais, usa-se o número-índice
de base móvel ou índices em cadeia. Assim,
Base fixa: p0,1; p0,2 ; p0,3 ;...
Base móvel: p0,1; p1,2 ; p2,3 ;...
4- NÚMEROS-ÍNDICE SINTÉTICOS
Na prática, surgem problemas bem mais complexos que a comparação entre termos de
uma série através dos relativos. Esses problemas ocorrem quando o fenômeno em estudo é
resultante da combinação de várias séries. A variação do custo da alimentação é um
exemplo, pois há diversos itens a considerar: pão, leite, carne, ovos, frutas, verduras etc.
Torna-se necessário determinar para cada período um único número-índice que
representa o conjunto dos preços (ou quantidades) dos itens nesse período, além de
relaciona-lo com o conjunto de preços (ou quantidades) do período-base. Precisamos
nestes casos construir os números-índice globais ou sintéticos. Para elaboração de um
índice sintético deveremos preocupar-nos com:
ESTATÍSTICA II - Mário
MATERIAL DE ESTATÍSTICA II – PROF. MÁRIO ROBERTO 51
3- PRINCIPAIS ÍNDICES
Sejam
ESTATÍSTICA II - Mário
MATERIAL DE ESTATÍSTICA II – PROF. MÁRIO ROBERTO 52
Bens 1 2 3 4 5 .... n
Onde
De preços:
pt i
Ip
po i
De quantidades:
q t
i
Iq
q
o
i
a) Não se leva em consideração a importância relativa dos itens. Assim, por exemplo,
no caso do cálculo do índice do custo de alimentação, seria atribuída ao feijão e ao
“caviar” a mesma importância.
b) Não há homogeneidade entre as unidades dos diversos bens. Assim, por exemplo, o
feijão pode vir expresso em quilos e o azeite em litros.
Exemplo:
ESTATÍSTICA II - Mário
MATERIAL DE ESTATÍSTICA II – PROF. MÁRIO ROBERTO 53
Produtos
Preço quant. Preço quant. Preço quant.
a) Calcular o índice agregativo simples de preços de 2005, tomando com base 2003
Solução:
p i
05
43 38 35
Ip 1,16 116%
37 35 28
p i
03
Portanto, segundo esse índice, houve um aumento de 16% no preço dos produtos de
2005 em relação a 2003.
Solução:
q i
05
170 90 150
Iq 1,17 117%
150 100 100
q i
04
Para o cálculo dos índices médios dos relativos, poderemos utilizar a média
aritmética, harmônica e geométrica.
MÉDIA ARITMÉTICA
Dos Preços:
p 0
i
,t
P0 , t
n
ESTATÍSTICA II - Mário
MATERIAL DE ESTATÍSTICA II – PROF. MÁRIO ROBERTO 54
Das quantidades:
q 0
i
,t
Q0 , t
n
MÉDIA GEOMÉTRICA
G n
Dos preços: P o ,t n poi ,t
i 1
n
Das quantidades: G
Q o,t n qoi ,t
i 1
MÉDIA HARMÕNICA
H n n
Dos preços: P 0,t
1
p i
t ,0 p i
0,t
H n n
Das quantidades: Q 0,t
1
q i
t ,0 q i
0,t
Exemplo:
A tabela a seguir apresenta os preços médios para o varejo e as quantidades vendidas
dos produtos: carne bovina, suína e ovina durante os anos de 2003, 2004 e 2005 (dados
fictícios).
Produtos
Preço quant. Preço quant. Preço quant.
a) Calcular o índice médio aritmético dos preços para 2005, tomando como base 2003
Solução:
ESTATÍSTICA II - Mário
MATERIAL DE ESTATÍSTICA II – PROF. MÁRIO ROBERTO 55
p i
03,05
43 38 35
37
35 28 1,17 117%
P 03,05
n 3
Logo, segundo esse índice, houve um acréscimo de 17% dos preços em 2005 em relação
a 2003.
b) Determinar índice médio aritmético da quantidades para 2004, tomando como base
2003;
q i
03,04
150 100 100
120
80
90 1, 20 120%
Q 03,04
n 3
Logo, segundo esse índice, houve um acréscimo de 20% das quantidades em 2004 em
relação a 2003.
Solução
3 i
p04 45 33 30
G
P 03,04 3
i
3 . . .100 1, 071 107,1%
i 1 p03 37 35 28
Solução:
i 3
q04 150 100 100
i 3
G
Q03,04 3 . . .100 1, 2019 120.19%
i 1 q03 120 80 90
Solução:
H 3 3
P 03,05 i
.100 1,1621 116, 21%
p03 37 35 28
3
i
i 1 p05
43 38 35
Solução:
ESTATÍSTICA II - Mário
MATERIAL DE ESTATÍSTICA II – PROF. MÁRIO ROBERTO 56
H 3 3
Q 03,05 i
.100 1,3669 136, 69%
3
q03 120 80 90
i
i 1 q05
170 90 150
Este índice é uma média aritmética ponderada dos relativos, sendo que a ponderação é
feita utilizando-se os preços ou as quantidades da época-base. Dessa forma, o índice de
preços de Laspeyres é dado por:
p .qi
t
i
0
L0 , t
p .qi
0
i
0
q .pi
t
i
0
L'o , t
q .p
i
0
i
0
Este índice é uma média aritmética ponderada dos relativos, sendo que a ponderação é
feita utilizando-se os preços ou quantidades da época atual. Assim, o índice de preços de
Paasche é dado Por:
ESTATÍSTICA II - Mário
MATERIAL DE ESTATÍSTICA II – PROF. MÁRIO ROBERTO 57
p .q
i
t
i
t
P0 , t
p .q
i
0
i
t
q .p
i
t
i
t
Po' , t
q .p
i
0
i
t
Este índice é obtido pela raiz quadrada do produto dos respectivos índices de
Laspeyres e Paasche. Assim:
Índice e preços:
Índice de quantidades:
EXEMPLO DE APLICAÇÃO
Produtos
Preço quant. Preço quant. Preço quant.
ESTATÍSTICA II - Mário
MATERIAL DE ESTATÍSTICA II – PROF. MÁRIO ROBERTO 58
a) Calcular o índice de preços de Laspeyres para 2005, admitindo como período base
2003.
Solução:
p i
05
i
.q03
(43).120 (38).80 (35).90
L03,05 1,16 116%
(37).120 (35).80 (28).90
p i
03
i
.q03
Solução:
q
i
05
i
. p03
(170).37 (90).35 (150).28
L'03,05 1, 4 140%
(120).37 (80).35 (90).28
q
i
03
i
. p03
Segundo esse índice, houve um aumento de 40% das quantidades em 2005, tomando
2003 como base.
c) Determinar o índice de Paasche para o preço em 2005, tomando como base 2004.
Solução:
pi
05
i
.q05
43.(170) 38.(90) 35.(150)
P04,05 1, 06 106%
45.(170) 33.(90) 30.(150)
pi
04
i
.q05
d) Qual é o índice de quantidades de Paasche para 2005, sendo 2003 a ano base?
Solução:
q i
05
i
. p05
(170).43 (90).38 (150).35
P '03,05 1, 41 141%
(120).43 (80).38 (90).35
q i
03
i
. p05
ESTATÍSTICA II - Mário
MATERIAL DE ESTATÍSTICA II – PROF. MÁRIO ROBERTO 59
e) Determinar o índice de preços de Fisher para 2005, tomando como 2003 como ano
base.
Solução:
p i
05
i
.q03
p
i i
.q05
I 03,05 L03,05 .P03,05
05
.
p i
03
i
.q03 p
i
03
i
.q05
Portanto, segundo a fórmula ideal de Fisher, houve um aumento de 17% nos preços
de 2005, tomando como base 2003.
Anos 1997 1998 1999 2000 2001 2002 2003 2004 2005
Ìndice de
Produção 100 104 97 112 120 124 134 125 141
Industrial
(1997=100)
Solução:
O novo índice será obtido dividindo-se cada um dos valores da série por 120, que é o
índice correspondente ao novo ano-base. Assim:
Anos 1997 1998 1999 2000 2001 2002 2003 2004 2005
Ìndice de
Produção 83 87 81 93 100 103 112 104 118
Industrial
(2001=100)
ESTATÍSTICA II - Mário
MATERIAL DE ESTATÍSTICA II – PROF. MÁRIO ROBERTO 60
Para estudar a evolução real dos salários devemos usar o índice de custo de vida ou
índice de preços ao consumidor. No caso de dados sobre as empresas, podemos utilizar o
índice geral de preços ou índice de preços do atacado.
Exemplo:
Uma empresa possui os dados relativos a seu faturamento ao período de 2000 a 2005,
apresentados na tabela abaixo. Dado o índice geral de preços (IGP) desse período,
determinar:
Solução:
a) para deflacionarmos ou inflacionarmos os dados deveremos tomar o inverso dos
índices com relação ao ano-base e multiplicar pelos valores que queremos atualizar.
No nosso caso, como queremos o faturamento real em termos de 2000, vamos deflacionar
os dados:
ESTATÍSTICA II - Mário
MATERIAL DE ESTATÍSTICA II – PROF. MÁRIO ROBERTO 61
ESTATÍSTICA II - Mário
MATERIAL DE ESTATÍSTICA II – PROF. MÁRIO ROBERTO 62
Verifica-se então que o faturamento real a preços constantes de 2005, que nos conduz
à mesma interpretação anterior, ou seja, o faturamento cresceu até o ano de 2002, a partir
do qual passou a diminuir.
ESTATÍSTICA II - Mário
MATERIAL DE ESTATÍSTICA II – PROF. MÁRIO ROBERTO 63
d) Para calcularmos a taxa média real do faturamento usamos a média geométrica dos
índices da comparação móvel.
G 5 1,1679.1,0702.0,7956.0,6403.0,7817
G 5 0, 4977 0,8698
G = 0,8698
Podemos obter também dividindo o último valor pelo primeiros e extraindo a média
geométrica do resultado, Assim:
270.000/542.500 = 0,4977
G 5 0, 4977 0,8698
Logo 0,8698 – 1 = -0,1302 diminuição de 13,02% ao ano.
LISTA DE EXERCÍCIOS
1 Dada a tabela abaixo:
P Q P Q P Q P Q P Q P Q
Artigos
ESTATÍSTICA II - Mário
MATERIAL DE ESTATÍSTICA II – PROF. MÁRIO ROBERTO 64
j) Calcule o índice de preço de Laspeyres, sendo 2001 = 100 e 2006 a época atual.
k) Calcule L’02,06.
l) Avalie P03,06.
m) Calcule P’04,06.
n) Calcule o índice de preços de Fisher para 2006, considerando 2001 como base.
o) Determine I’02,04
2- Sendo:
Z 60 3 65 3 65 2 65 2
3- O preço de um artigo em 2002 era 32% maior que o de 2000, porém correspondia a 80%
do preço de 2005. Determinar quanto o preço de 2000 era inferior ao de 2005.
4- Se o ICV (Índice de custo de vida) apresentar um acréscimo de 20%, qual será a perda
do poder aquisitivo dos assalariados?
Calcular:
ESTATÍSTICA II - Mário
MATERIAL DE ESTATÍSTICA II – PROF. MÁRIO ROBERTO 65
1- Introdução
Y = b + aX
valores X e Y: (x1, y1), (x2, y2), (x3, y3), ..., (xn, yn), marcando esses pontos num
sistema de coordenadas cartesianas. Assim:
ESTATÍSTICA II - Mário
MATERIAL DE ESTATÍSTICA II – PROF. MÁRIO ROBERTO 66
yn
y2
y3
y1
x1 x2 x3 ... xn x
Diagrama de dispersão.
2- Ajustamento da reta
x . y n. X .Y
i i
a i 1
n
x
2
2
i n. X
i 1
b = y ax
x i
X i 1
n
n
y i
Y i 1
ESTATÍSTICA II - Mário
MATERIAL DE ESTATÍSTICA II – PROF. MÁRIO ROBERTO 67
3- Exemplo de aplicação
Suponhamos que num determinado período tenham sido registradas as seguintes
observações relativas a preços e respectivas quantidades demandadas de certo bem, no
mercado.
P 1 2 3 4
D 8 5 4 1
a) Esboce os pontos num sistema cartesiano e trace uma linha que melhor ajuste este
pontos.
b) Faça a regressão linear para determinar a reta y = Ax + B, onde
n
xi.yi - n. X. Y
i=1
a= b = Y - AX
n
( xi)² - n.(X)²
i=1
Solução
a)
5
4
0 1 2 3 4 P
ESTATÍSTICA II - Mário
MATERIAL DE ESTATÍSTICA II – PROF. MÁRIO ROBERTO 68
b)
x=P y=D x² = P² x.y = P.D
1 8 1 8
2 5 4 10
3 4 9 12
4 1 16 4
10 18 30 34
Portanto: D = -(11/5).P + 10, é a reta que melhor ajusta a distribuição (P, D) dada.
Exercícios
1- Determinar a equação de uma reta que melhor ajuste cada uma das demandas dadas
pelas tabelas abaixo:
a) Pi 2 3 4 5 6 b) Pi 6 8 9 10 11
Di 12 8 7 6 3 Di 18 13 12 6 3
2- Aproximar, pela reta de regressão linear, a distribuição de pontos a tabela abaixo que
representa as quantidades oferecidas e os preços de um bem num determinado período.
P 6 7 8 9 10
S 1 2 4 8 15 S = 3,4P – 21,2
Outro exemplo
Sendo:
ESTATÍSTICA II - Mário
MATERIAL DE ESTATÍSTICA II – PROF. MÁRIO ROBERTO 69
a)
Ajuste da reta
x . y n. X .Y
i i
a i 1
n
= (44,7 – 5.0.24,7)/(10 – 5.0²) = 4,47
x
2
2
i n. X
i 1
y = 24,7 + 4,47.(3) = 24,7 + 13,41 = 38,11 toneladas é a quantidade prevista para 2005.
EXERCÍCIOS
1- Os lucros de uma companhia no período de 2002 a 2006 são dados abaixo:
ESTATÍSTICA II - Mário
MATERIAL DE ESTATÍSTICA II – PROF. MÁRIO ROBERTO 70
4- CORRELAÇÃO LINEAR
Para avaliar o grau de correlação linear entre duas variáveis, ou seja, medir o grau de
ajustamento dos valores em torno de uma reta, usaremos o coeficiente de correlação de
Pearson, que é dado por:
n n n
n. xi . yi ( xi ).( yi )
r i 1 i 1 i 1
n n n n
[n. xi2 ( xi )²].[n. yi2 ( yi )²]
i 1 i 1 i 1 i 1
ESTATÍSTICA II - Mário
MATERIAL DE ESTATÍSTICA II – PROF. MÁRIO ROBERTO 71
r > 0 (fraca correlação positiva) – pontos mais afastados da reta no sentido positivo.
r < 0 (fraca correlação negativa) – pontos mais afastados da reta no sentido negativo
r = 0 (ausência de correlação linear)
Exemplo de aplicação:
Aluno A B C D E F G H I J
Matemática 7 6 9 10 3 4 8 7 6 2
(x)
Estatística 6 5 10 9 2 3 9 5 6 3
(y)
Solução
X Y X.Y X² Y²
7 6 42 49 36
6 5 30 36 25
9 10 90 81 100
10 9 90 100 81
3 2 6 9 4
4 3 12 16 9
8 9 72 64 81
7 5 35 49 25
6 6 36 36 36
2 3 6 4 9
62 58 419 444 406
n n n
n. xi . yi ( xi ).( yi )
r i 1 i 1 i 1
n n n n
[n. xi2 ( xi )²].[n. yi2 ( yi )²]
i 1 i 1 i 1 i 1
10.419 62.58
r = 0,9....
[10.444 62²].[10.406 58²]
r = 94%. Este resultado indica uma forte correlação entre as notas de Matemática e
Estatística para esse grupo de 10 alunos.
ESTATÍSTICA II - Mário
MATERIAL DE ESTATÍSTICA II – PROF. MÁRIO ROBERTO 72
EXERCÍCIOS
1- Sendo
X 0 1 2 3 4 5
Y 10 20 30 40 50 60
X 10 20 30 40 50
Y 6 8 7 8 6
3- A tabela abaixo apresenta uma amostra com os pesos de 10 pais e de seus filhos mais
velhos.
Peso dos pais (X) 60 65 70 68 63 69 71 64 66 64
Peso dos 63 64 71 69 63 68 73 63 64 62
filhos(Y)
Calcular o coeficiente da correlação entre os pesos dos pais e dos filhos, utilizando as
seguintes transformações da variáveis.
Z = (X – 66) e W = (Y – 67).
ESTATÍSTICA II - Mário
MATERIAL DE ESTATÍSTICA II – PROF. MÁRIO ROBERTO 73
CONTEÚDO PROGRAMÁTICO:
1- DISTRIBUIÇÃO DE PROBABILIDADE
1.1 Variáveis Aleatórias
1.2 Variáveis Aleatórias Discretas
1.3 Variáveis Aleatórias Contínuas
1.4 Distribuições Discreta de Probabilidades
1.5 Valor Esperado
1.6 Variância
3 -DISTRIBUIÇÕES AMOSTRAIS
4- INTERVALOS DE CONFIANÇA
5- TESTE DE HIPÓTESES
ESTATÍSTICA II - Mário
MATERIAL DE ESTATÍSTICA II – PROF. MÁRIO ROBERTO 74
7- NÚMEROS ÍNDICES
REFERÊNCIAS BIBLIOGRÁFICAS:
BÁSICA:
VIEIRA, Sonia Vieira. Elementos de estatística. 4ª ed., São Paulo: Atlas, 2003.
COMPLEMENTAR:
KAZMIER, Leonard J. Estatística aplicada à administração e economia. Rio de Janeiro,
McGraw Hill, 1982.
ESTATÍSTICA II - Mário
MATERIAL DE ESTATÍSTICA II – PROF. MÁRIO ROBERTO 75
ESTATÍSTICA II
Estudo de caso.
1- OBJETIVO:
Aplicar e interpretar os conceitos básicos de estatística
indutiva (inferencial) em situações práticas do cotidiano.
2-PROCEDIMENTOS
2.3- Destacar uma amostra da população com seus parâmetros (média e desvio
padrão), em seguida fazer a estatística populacional referente os parâmetros
(média de o desvio padrão) com o IC de 95%, 99%.
ESTATÍSTICA II - Mário