Escolar Documentos
Profissional Documentos
Cultura Documentos
Lista 01 de Exercícios
Belém
2021
1. Dado o ‘Exemplo 1.1’, da página 2, do Capítulo 1, do Livro "ESTATÍSTICA BÁSICA. Pedro A.
Morettin, Wilton de O. Bussab. Editora Saraiva, 6a. Edição, 2010", fala uma relação lógica e
matemática do ‘resíduo’ deste exemplo com o assunto dos slides 30 a 33 do arquivo ‘Capitulo1.1-
Probabilidade e Estatisica-IntroducaoFCT.pdf’ disponível no Drive da Turma no Class Room.
Como no exemplo 1.1 do livro “ESTATÍSTICA BÁSICA, 6ª. Edição” os resíduos são todos os eventos
imprevisíveis de uma modelagem estatística, ou ainda a diferença para com o modelo proposto. De forma
análoga, temos o modelo de regressão simples, que consiste em somente duas variáveis: uma variável
independente e outra dependente. Basicamente, a variável independente explica a variação que ocorre na
variável dependente utilizada no modelo.
Como no exemplo do Capítulo1 no Slide 29, a equação que define a corrente em um circuito resistivo
depende de 2 variáveis: uma dependente e outra independente. Matematicamente, uma variável é
diretamente proporcional ao modelo(equação) enquanto a outra é inversamente proporcional, porém, assim
como visto no exemplo 1.1 do livro e em outros exemplos de modelos como o do Slide 29 Cap1 (modelo
mecanicista) existem os eventos imprevisíveis a análise probabilística(resíduos).
Esses resíduos seriam a diferença do resultado obtido através da análise (utilização da equação da
corrente) para os resultados reais por conta de eventos imprevisíveis. Esses eventos seriam: erro nos
medidores de corrente e tensão ou variações de corrente e tensão elétrica (exemplificados no Slide 29).
Para que o resultado real do modelo chegue perto do esperado são utilizados n recursos, no exemplo em
questão foi adicionado uma constante ϵ para representar os valores do resíduo na análise do circuito. Esses
recursos matemáticos servem para aproximar a resultante final encontrada através do modelo utilizado,
(tendo em vista os resíduos do sistema analisado) para encontrar um valor próximo ao mundo real, visto que
os eventos imprevisíveis sempre irão ocorrer (papel fundamental no resultado).
Uma das ferramentas importantes para o aprendizado da análise estatística de dados é o Maple e o
Geogebra.
Primeiramente, o Maple é uma ferramenta sem limitação computacional tendo no software inúmeros
recursos primários para análise como por exemplo: a modelagem estatística, a análise de dados,
manipulação estatística de dados como cálculo de variância e desvio padrão, incluindo média, coeficiente
de correlação e análise de regressão entre outros recursos. Atualmente o Maple se encontra na versão 16
e possui versão para estudantes.
Outra ferramenta tão importante quanto o Maple, é o Geogebra. Porém, o Geogebra não é um software
estatístico, mas possui um amplo pacote de ferramentas e recursos que auxiliam no aprendizado. Entre
eles estão: a análise de dados, calculadora de probabilidade, estatística amostral, probabilidade
geométrica, média harmônica e geométrica entre muitos outros recursos. A versão mais recente do
software é o Geogebra Classic 6, por não ser primariamente um software estatístico não é tão popular na
comunidade para tal finalidade, porém, é ótimo para o aprendizado da disciplina. No livro "Probabilidade &
Estatística para engenharia e ciências. Ronald E. Walpole_8aEdição, na questão 1.29 é pedido a
construção de um diagrama de dispersão, na ferramenta citada é possível a construção do gráfico assim
como informar a média, moda e mediana caso necessário assim com outros recursos.
Na questão 1.18 é informado duas tabelas com dados de fumantes e não fumantes em relação ao tempo
para dormir, é pedido na questão o diagrama de pontos assim como o desvio padrão e média amostral,
problema possível de ser resolvido na ferramenta em questão, pois possui esses recursos
Gráfico de pontos e boxplot representados na mesma janela de visualização Gráfico Modelo de Regressão
Software: Geogebra - Construção do Autor Software: Geogebra - Construção do Autor
Fonte: https://lume.ufrgs.br/bitstream/handle/10183/214296/001114340.pdf?sequence=1&isAllowed=y
3. Dado a ‘Tabela 2.1’, da página 11, do Capítulo 2, do Livro "ESTATÍSTICA BÁSICA. Pedro A.
Morettin, Wilton de O. Bussab. Editora Saraiva, 6a. Edição, 2010", monte uma segunda Tabela que
apresente a “distribuição de frequências” da variável ‘Salário’ (algo parecido com o Exemplo 2.2 do
livro aqui citado).
fi = frequência absoluta
Índice da
Salário R$ fi Fi fr Fr
Classe Fi = frequência absoluta acumulada
1 R$ 0 → 500 1 1 (1/20) *100 = 5% 5%
2 R$ 500 → 1000 4 5 (4/20) *100 = 20% 25% fr = frequência relativa
3 R$ 1000 → 2000 3 8 (8/20) *100 = 40% 40%
Fr = frequência relativa acumulada
4 R$ 2000 → 5000 3 11 (3/20) *100 = 15% 55%
5 R$ 5 000 → 10 000 6 17 (6/20) *100 = 30% 85%
6 R$ 10 000 → 15 000 3 20 (3/20) *100 = 15% 100%
Total 20 100%
Rol *
R$ 580,00 R$ 1.900,00 R$ 13.340,00 R$ 12.280,00 *Escolha aleatória de 20 possíveis salários
R$ 800,00 R$ 10.200,00 R$ 7.370,00 R$ 3.260,00
R$ 930,00 R$ 8.500,00 R$ 720,00 R$ 6.430,00
R$ 1.600,00 R$ 4.500,00 R$ 985,00 R$ 7.369,00
R$ 2.250,00 R$ 3.400,00 R$ 1.480,00 R$ 5.480,00
4. Repita a Questão (3) para a variável ‘Estado Civil’.
fi = frequência absoluta
Fi = frequência absoluta acumulada
fr = frequência relativa
Fr = frequência relativa acumulada
5. Plote o gráfico de barra e o gráfico de pizza das Questões (3) e (4) (siga o exemplo 2.4 do livro
aqui citado).
1.3
235 a)
230
225
dia1 dia3 dia6 dia8 dia 10
220
com 227 222 218 217 225
215
envelhecimento 218 216 229 228 221
210
205 sem 219 214 215 211 219
200 envelhecimento 218 203 204 201 205
195
0 1 2 3 4 5 6
b) Não, pois no decorrer dos 10 dias de registros, a tensão foi diminuindo. Entretanto, ocorreu um aumento
na resistência no último dia para os dois casos. Logo, a resistência desse polímero tende a aumentar
conforme o tempo para ambos os eventos.
c) MÉDIA
1.4 12
10
a) média 1/N ∑𝑵
𝒊 𝟏 𝑿𝒊
8
empresa A = 79,5/10 = 7,95
6 Empresa A
empresa B = 102,6/10 = 10,26
Empresa B
4
mediana
2
Empresa A: 6,5 6,7 6,8 7,0 8,0 8,5 8,7 8,8
9,2 9,3 0
0 2 4 6 8 10 12
Empresa B: 9,6 9,7 9,8 9,9 10,2 10,2 11,0
10,1 11,0 11,1 Diagrama de dados das 2 empresas para 10 produtos.
Prod1 Prod2 Prod3 Prod4 Prod5 Prod6 Prod7 Prod8 Prod9 Prod10
Empresa
A 9,3 8,8 6,8 8,7 8,5 6,7 8 6,5 9,2 7
Empresa
B 11 9,8 9,9 10,2 10,1 9,7 11 11,1 10,2 9,6
Ao analisar o diagrama de dispersão, é notável que as molas produzidas pela empresa B são mais flexíveis
através da análise de 10 produtos.
1.7
Desvio padrão = |média| - |N|
3,7-2,5 =1,2 3,7 - 3,7 =0
3,7-2,8 = 0,9 3,7 - 4,0 = 0,3
3,7-2,8 = 0,9 3,7- 4,4 = 0,7
3,7-3,0 = 0,7 3,7 – 4,8 = 1,1
3,7-3,3 = 0,4 3,7-5,7 = 1,5
3,7 -3,4 =0,3 3,7 – 5,6 = 1,9
3,7-3,6 = 0,1
Variância = 1/N∑𝑵 2 2 2 2 2 2 2 2 2 2 2 2
𝒊 𝟏 𝑿𝒊 = 1,2 +0,9 +0,7 +0,4 +0,3 +0,1 +0,3 +0,7 +1,1 +1,5 +1,9 /13= 10,65/13 = 0,819
1.9
Desvio Padrão (sem envelhecimento) = |Média|-|N|
227-221,1 =5,9 229 – 221,1 =7,9
222-221,1 = 0,9 228 – 221,1 = 6,9
218-221,1 = 3,1 221- 221,1 = 0,1
217-221,1 = 4,1
225-22,1 = 3,9
218 -221,1 = 3,1
216-221,1 = 5,1
Variância = 1/N∑𝑵 2 2 2 2 2 2 2 2 2 2 2
𝒊 𝟏 𝑿𝒊 = 5,9 +0,9 +3,1 +4,1 +3,9 +3,1 +5,1 +7,9 +6,9 +0,1 /10 = 222,9/10 = 22,9
Variância = 1/N∑𝑵 2 2 2 2 2 2 2 2 2 2 2
𝒊 𝟏 𝑿𝒊 = 9,1 + 4,1 + 5,1 + 1,1 + 0,9 + 8,1 + 6,9 + 5,9 + 8,9 + 4,9 = 378,9/10 = 37,89
1.13
a)
Média = 123 +116 +122 +110 +175 +126 +125 +111 +118 +117/10 = 1243/10 = 124,3
Mediana = 110 111 112 116 117 118 123 125 126 175
b) A variação considerável que ocorre nos últimos registros da vida útil da bateria
1.14
a)
média = (572+572+573+568+569+575+565+570) /8 = 4564/8 = 570,5
mediana = 565 568 569 570 572 572 573 575
b)
desvio padrão = (570,5-565 = 5,5) (570,5 -568 = 2,5) (570,5 -569 = 1,5) (570,5-570 = 0,5) (570,5-572 = 1,5)
(570,5-572=1,5) (570,5-573=2,5) (570,5-575= 4,5)
Variância = 1/N∑𝑵 2 2 2 2 2 2 2 2 2
𝒊 𝟏 𝑿𝒊 = ((5,5) +(2,5) +(1,5) +(0,5) +(1,5) +(1,5) +(2,5) +(4,5) )/8
Variância = 1/N∑𝑵 2
𝒊 𝟏 𝑿𝒊 = (30,25 + 6,25 + 2,25 + 0,25 + 2,25 + 6,25 + 20,25)/8 = (67,75)/8 = 8,46875
a) média 1/N ∑𝑵
𝒊 𝟏 𝑿𝒊
fumantes: 69,3 +56,0 +22,1 +47,6 +53,2 +48,1 +52,7 +34,4 +60,2 +43,8 +23,2 +13,8 = 524,4/12 = 43,7
não fumantes: (28,6 +25,1 +26,4 +34,9 +29,8 +28,4 +38,5 +30,2 +30,6 +31,8 +41,6 +21,1 +36,0 +37,9
+13,9) /8 = (454,8) /15 = 30,32
b) desvio padrão fumantes: 25,6 12,3 21,6 3,9 9,5 4,4 9 9,3 16,5 0,1 20,5 29,9
desvio padrão não fumantes: 1,6 5,1 3,8 4,7 0,4 1,8 8,3 0 0,4 1,6 11,4 9,1 5,8 7,7 16,3
50 Média Desvio-Padrão
45 25,6 12,3 21,6 3,9
40 Fumantes 43,7 9,5 4,4 9 9,3
35 16,5 0,1 20,5 29,9
30 1,6 5,1 3,8 4,7
25 Não 0,4 1,8 8,3 0
20 30,32
Fumantes 0,4 1,6 11,4 9,1
15 5,8 7,7 16,3
10
5
0 Pela análise de desvio padrão e da média dos dados
0 1 2 3 4 5 obtidos, conclui-se que os não-fumantes levam
Média Desvio-Padrão menos tempo para dormir, ou seja, o tabagismo
contribui diretamente para a falta de sono.
Diagrama de dispersão de fumantes e não fumantes.
1.18
c) média 1/N ∑𝑵
𝒊 𝟏 𝑿𝒊
14 14
(23 +60 +79 +32 +57 +74 +52 +70 +82 +36 +80 +77
10 +81 95 41 65 92 85 +55 +76 +52 +10 +64 +75 +78 +25
+80 +98 +81 +67 +41 +71 +83 +54 +64 +72 +88 +62
+74 +43 +60 +78 +89 +76 +84 +48 +84 +90 +15 79 34
4 4 4 67 17 82 +69 +74 +63 +80 +85 +61) / 60 = 3972/60 =
3 2 3
média = 66,2
1 2 3 4 5 6 7 8 9
Curva de estimativa da Distribuição
Mediana = 10 15 17 23 25 32 34 36 41 41 43 48 52 52 54 55 57 60 60 61 62 63 64 64 65 67 67 69
70 71 72 74 74 74 75 76 76 76 76 77 78 79 79 80 80 80 81 81 82 82 83 84 84 85 85 88 89 90 92 95
98
Desvio padrão = 17,8 18,2 17,8 23,8 51,2 12,8 23,8 51,2 12,8 32,2 0,8 49,2 15,8 2,8
7,8 3,2 13,8 18,8 5,2 3,2 6,2 12,8 34,2 9,2 7,8 14,2 15,8 30,2 13,8 10,8 19,8 28,8 25,2 1,2 25,8 18,8
11,2 9,8 14,2 56,2 2,2 8,8 11,8 41,2 13,8 31,8 14,8 0,8 25,2 4,8 16,8 12,2 2,2 5,8 21,8 4,2 7,8 23,2
6,2 11,8 22,8 9,8
1.28
1 2 3 4 5
Gráfico de Altas e Baixas Velocidade 71,62 71,68 71,54 71,48 71,55
alta 71,52 71,71 71,56 71,7 71,5
Velocidades
Velocidade 72,68 72,62 72,58 72,48 73,07
82
baixa 72,55 72,42 72,84 72,58 79,92
80
1.29
100 Média 1 2 3 4 5
Velocidade 93,25 93,19 92,87 93,29 93,37
90 93,168
Alta 92,98 93,47 93,75 93,89 91,62
80 Velocidade 76,2 76,09 75,98 76,15 76,17
76,09
70 baixa 75,94 76,12 76,18 76,25 75,82
60 Média Alta Média Baixa
50
100
40
80 93,17
30
76,09
60
20
10 40
0 20
0 1 2 3 4 5 6 7
0
Velocidade Alta Velocidade baixa Média Alta Média Baixa Média
Para esse caso em que foi utilizada uma temperatura para o molde elevada, a taxa de encolhimento para a
velocidade de injeção foi superior a velocidade baixa. A temperatura é fator direto para o encolhimento do
molde, a média entre ambas as velocidades demonstra esse fato.
Logo, para este caso e o do exercício anterior, tanto a temperatura quanto a velocidade de injeção são
fatores a serem observados para se chegar a um melhor resultado para o encolhimento do molde, visto
que são componentes que exercem papel direto no resultado, percebe-se a necessidade de ajuste desses
eventos para a resultante estatística final. O ajuste ideal desses fatores irá ocasionar a menor taxa possível
de encolhimento para molde.
1.30
100
Média com Média com
80 Temperatura Temperatura
Média com 'Alta' constante 'baixa'
60 Temperatura
Velocidade
'Alta' 93,168 71,586
Alta
40 Média com
Velocidade
Temperatura 76,09 73,374
20 constante 'baixa' baixa
Condição Média 1 2 3 4 5 6 7 8 9 10
VI Alta 73,374 71,62 71,68 71,74 71,48 71,55 71,52 71,71 71,56 71,7 71,5 Tabela com todos os
VI Baixa 71,586 72,68 72,62 72,58 72,48 73,07 72,55 72,42 72,84 72,58 72,92 valores de velocidade e
VIT Alta 93,168 93,25 93,19 92,87 93,29 93,37 92,98 93,47 93,75 93,89 91,62 temperatura.
VIT Baixa 76,09 76,2 76,09 75,98 76,15 76,17 75,94 76,12 76,18 76,25 75,82
Resumo