Universidade Católica de Moçambique

Instituto de Educação à Distância

TRABALHO DE CAMPO II

Afani Issufo 708204601

Curso: Ensino de Matemática

Disciplina: Probabilidade e Estatística
Ano de frequência: 3º
Docente: dr. Domingos Supeda

Pemba, Julho de 2022

1
Universidade Católica de Moçambique

Instituto de Educação à Distância

TRABALHO DE CAMPO II

Afani Issufo 708204601

Trata-se de um trabalho de campo 2 pertencente a

cadeira de Probabilidade e Estatística orientado pelo
docente: Domingos Supeda.

Pemba, Julho de 2022

1
Critérios de Avaliação

Classificação
Categorias Indicadores Padrões Nota
Pontuação
do Subtotal
máxima
tutor
 Índice 0.5
 Introdução 0.5
Aspectos
Estrutura
organizacionais  Discussão 0.5
 Conclusão 0.5
 Bibliografia 0.5
 Contextualização
(Indicação clara do 2.0
problema)
Introdução  Descrição dos
1.0
objectivos
 Metodologia adequada
2.0
ao objecto do trabalho
 Articulação e domínio
do discurso académico
Conteúdo (expressão escrita 3.0
cuidada, coerência /
Análise e coesão textual)
discussão  Revisão bibliográfica
nacional e internacional
2.0
relevante na área de
estudo
 Exploração dos dados 2.5
 Contributos teóricos
Conclusão 2.0
práticos
 Paginação, tipo e
Aspectos tamanho de letra,
Formatação 1.0
gerais paragrafo, espaçamento
entre linhas
Normas APA 6ª
 Rigor e coerência das
Referências edição em
citações/referências 2.0
Bibliográficas citações e
bibliográficas
bibliografia

2II
Folha para recomendações de melhoria:A ser preenchida pelo tutor
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________

III3
ÍNDICE
1. INTRODUÇÃO ....................................................................................................................... 4

1.1. Objectivos ......................................................................................................................... 4

1.2. Metodologias .................................................................................................................... 4

2. TRABALHO DE CAMPO II ................................................................................................... 5

2.1. Distribuição de Poisson .................................................................................................... 5

2.2. Distribuição Normal Padronizada ..................................................................................... 6

2.3. Margem de Erro, Determinação de tamanho de Amostra................................................. 8

2.4. Significado do Intervalo de Confiança, numa Distribuição Normal Padronizada ............ 9

3. REFERÊNCIAS BIBLIOGRÁFICAS ................................................................................... 11

4
 1. INTRODUÇÃO

O presente trabalho referente a cadeira de Probabilidade e Estatística fala sobre a Distribuição de

Poisson; Distribuição Normal Padronizada; Margem de Erro. Determinação de tamanho de
Amostra e significado do Intervalo de Confiança, numa Distribuição Normal Padronizada.

1.1.Objectivos

Artur (2016, pag. 40), define objectivo como sendo "um fim que se pretende atingir ou alcançar,
podendo ser geral ou específico". Desta forma, o presente trabalho tem os seguintes objectivos:

1.1.1. Geral
 Compreender a distribuição de Poisson e a de normal padronizada.
1.1.2. Específicos
 Definir a distribuição de Poisson e a distribuição normal padronizada;
 Determinar o tamanho de amostra;
 Explicar o significado do intervalo de confiança, numa Distribuição Normal Padronizada.

1.2.Metodologias

Neste estudo houve a abordagem qualitativa e explicativa, que consiste em, segundo Artur (2016)
"argumentar os resultados do estudo por meio de análises e percepções". Quanto aos
procedimentos, utilizou-se como fonte de pesquisa, a consulta de obras bibliográficas.

No que diz respeito a estrutura, o trabalho apresenta a seguinte: Capa, folha de feedback, Índice;
Introdução, Desenvolvimento e Referência bibliográfica.

45
 2. TRABALHO DE CAMPO II

2.1.Distribuição de Poisson

"Na teoria da probabilidade e na estatística, a distribuição de Poisson é uma distribuição de

probabilidade de variável aleatória discreta que expressa a probabilidade de uma série de eventos
ocorrer num certo período de tempo se estes eventos ocorrem independentemente de quando
ocorreu o último evento" (Silva, 2001).

Para Barbosa (2014) "a distribuição de Poisson é uma distribuição discreta de probabilidade
aplicável a ocorrências de um número de eventos em um intervalo específico".

De igual modo, Meyer (2009) diz que "a distribuição de Poisson descreve resultados de
experiências nos quais contamos acontecimentos que ocorrem aleatoriamente mas a uma taxa
média definida".

Diniz (2011) ao definir a distribuição de Poisson afirma que:

Uma variável aleatória X com distribuição de Poisson expressa o número de

eventos que ocorrem num determinado intervalo de tempo ou espaço fixo. A
intensidade ou número esperado de vezes que tal evento ocorre em cada espaço
ou intervalo de tempo é representado pelo parâmetro ℷ . Por exemplo para contar
o número de chamadas que uma central telefónica recebe num determinado
intervalo de tempo, o número de doentes de malária que fazem consulta numa
unidade hospitalar por dia, o número de erros ortográficos de uma monografia
científica por página, etc
Portanto, percebe-se que a distribuição de poisson é uma distribuição discreta de probabilidade
que se aplica a ocorrências de um evento ao longo de um intervalo especificado de tempo,
distância, área, volume ou outra unidade semelhante. Alguns exemplos são o número de
chamadas telefónicas para a polícia por hora, o número de clientes chegando a uma bomba de
gasolina por hora, e o número de acidentes num cruzamento por semana.

Assim, de acordo com Meyer (2009), a formula da distribuição de poisson é dada por:

ℷ 𝑋 𝑒 −ℷ
𝑃 𝑋 =
𝑋!

Onde X: número designado de sucessos; λ: o número médio de sucessos num intervalo

específico, e: base do logaritmo natural, ou 2,71828

56
Exemplo de Cálculo da Distribuição de Poisson

O departamento de polícia do comando Distrital de Namuno disponibilizou um número de

telefone a população para solicitações em caso de suspeitas de existência de insurgentes.
Portanto, se este departamento receber em média 6 solicitações por hora. Qual será a
probabilidade de receber 3 solicitações numa hora seleccionada aleatoriamente?

Solução

Para resolver este problema podemos aplicar a distribuição de poisson:

ℷ 𝑋 𝑒 −ℷ
𝑃 𝑋 =
𝑋!

Assim, olhando para a descrição do problema, temos:

X: O número designado de sucessos = 3

λ = o número médio de sucessos num intervalo específico (uma hora) = 6

Substituindo, temos:

63 𝑒 −6 216 . (0,00248) 0,53568

𝑃 3 = = = = 0,08928
3! 3×2×1 6

Resposta: a probabilidade de receber 3 solicitações numa hora seleccionada aleatoriamente será

de 8,928%.

2.2.Distribuição Normal Padronizada

"É nada mais que uma distribuição normal sempre com os mesmos parâmetros, que são μ=0,
𝜎 2 =1" (Barbosa, 2014).

No mesmo sentido, Silva (2001) afirma que "a distribuição normal com média nula e desvio
padrão unitário é chamada de distribuição normal centrada e reduzida ou de distribuição normal
padrão".

Portanto, o uso da distribuição normal padronizada nos permite calcular áreas sob a curva de uma
distribuição normal qualquer, pois as áreas associadas com a normal padronizadas são tabeladas.

67
Assim, se x é uma observação de uma distribuição que tem média μ e desvio-padrão σ, o valor
padronizado de x é:

𝑥−𝜇
𝑍=
𝜎

Exemplo

Os dados de uma pesquisa mostram algumas informações sobre o tempo de cirurgias para
reconstrução ACL em hospitais com alto volume de cirurgia. A partir dos dados foram
calculados, o tempo médio de 129 minutos com um desvio padrão de 14 minutos.

Qual é a probabilidade de uma cirurgia ACL, em um hospital com alto volume de cirurgias ser
completada em menos de 100 minutos?

Solução

Para resolvermos este problema temos que usar a denotação:

𝑥−𝜇
𝑍=
𝜎

Portanto, seja X o tempo, onde X∼N( 𝜇 , 𝜎 2 ). Se 𝜇 = 𝑚𝑒𝑑𝑖𝑎 𝑒 𝜎 2 = 𝑑𝑒𝑠𝑣𝑖𝑜 𝑝𝑎𝑑𝑟ã𝑜 , e na

descrição do problema temos 129 minutos como tempo médio com desvio padrão de 14 minutos,
então temos:

X∼N(129,142 ).

Assim, substituindo temos:

𝑥 − 𝜇 100 − 129 −29

𝑍= = = = −2,0714
𝜎 14 14

𝑃 𝑋 < 100 = ∅ −2,0714 = 0,01916072 ≈ 0,0192

Resposta: a probabilidade de uma cirurgia ACL, em um hospital com alto volume de cirurgias ser
completada em menos de 100 minutos é de 1,92%.

78
 2.3.Margem de Erro, Determinação de tamanho de Amostra

Segundo Meyer (2009) "a margem de erro é uma percentagem que indica a proximidade dos
resultados obtidos da amostra do valor real para a população total do estudo".

Portanto, "se a População consiste em um conjunto de indivíduos que compartilham de, pelo
menos, uma característica comum, então a amostra é o pequeno grupo de indivíduos retirados da
população" (Lewis, 2008).

Não podemos evitar a ocorrência do erro amostral, porém podemos limitar seu
valor através da escolha de uma amostra de tamanho adequado. Obviamente, o
erro amostral e o tamanho da amostra seguem sentidos contrários. Quanto maior
o tamanho da amostra, menor o erro cometido e vice-versa (Lewis, 2008).
Assim, segundo Lewis (2008), a fórmula para cálculo do tamanho da amostra para uma
estimativa confiável da média populacional (µ) é dada por:

𝑧𝛼/2 . 𝜎 2
𝑛=
𝐸

Onde:

n = número de indivíduos na amostra

Zα/2 = valor crítico que corresponde ao grau de confiança desejado.

σ = Desvio-padrão populacional da variável estudada (no exemplo, renda).

E = margem de erro ou erro máximo de estimativa. Identifica a diferença máxima entre a média
amostral ( x ) e a verdadeira média populacional.

Exemplo

Um economista deseja estimar a renda média para o primeiro ano de trabalho de um bacharel em
direito. Quantos valores de renda devem ser tomados, se o economista deseja ter 95% de
confiança em que a média amostral esteja a menos de 500,00 mts da verdadeira média
populacional? Suponhamos que saibamos, por um estudo prévio, que para tais rendas, σ =
6250,00 mts.

89
Solução

Queremos determinar o tamanho n da amostra, dado que α = 0,95 (95% de confiança). Desejamos
que a média amostral seja a menos de 500 da média populacional, de forma que E = 500.
Supondo σ = 6250, aplicando a equação acima, obtemos:

2 2
𝑧𝛼/2 . 𝜎 1,96 .6250
𝑛= =𝑛= = 600,25 = 601 (𝑎𝑟𝑟𝑒𝑑𝑜𝑛𝑑𝑎𝑛𝑑𝑜 𝑝𝑎𝑟𝑎 𝑐𝑖𝑚𝑎)
𝐸 500

Resposta: o tamanho da amostra é de ao menos 601 rendas de primeiro ano.

2.4.Significado do Intervalo de Confiança, numa Distribuição Normal Padronizada

Segundo Silva (2001) "o intervalo de confiança é uma estimativa de um intervalo utilizado na
estatística, que contém um parâmetro populacional".

Portanto, trata-se de um conjunto de valores calculados com base na amostra que se supõe cobrir
o parâmetro de interesse, com certo grau (nível) de confiança.

Assim, a fórmula para intervalo de confiança é:

𝜎
𝐼𝐶 = 𝑋 ± 𝑧𝛼/2 .
𝑛

Exemplo

Os multímetros são aparelhos de medição bastante utilizados. Um tipo comum de multímetro

analógico é o que realiza as medidas com ajuda do galvanómetro um instrumento que funciona
com uma bobina eléctrica montada em um anel ao redor de um imã. O anel contém eixo e
ponteiro que podem girar sobre o imã. O ponteiro é mantido no zero por um sistema de molas.
Quando uma corrente passa pela bobina, é criado um campo magnético oposto ao do imã, que
tem como efeito o giro do conjunto e a medição. Em um lote de amostras para verificação da
qualidade, testaram-se 18 válvulas com o multímetro. O valor médio encontrado foi de 3,2 µV.
Construa um intervalo de confiança para a sensitividade média, com nível de confiança de 98% e
sabendo que a variância 𝜎 2 é conhecida e igual a 4

10
9
Solução

Os dados do problema são:

𝑋 = 3,2𝜇𝑉;

𝜎 = 2𝜇𝑉;

𝑛 = 18 𝑣á𝑙𝑣𝑢𝑙𝑎𝑠;

𝛼 = 0,02

Começamos com a divisão de α por dois e buscando o valor de 𝑧𝛼 /2

𝛼
= 0,01
2

𝑧𝛼/2 = 2,33

Depois dessas informações, podemos montar o intervalo de confiança (I.C.):

𝜎 2
𝐼𝐶 = 𝑋 ± 𝑧𝛼/2 . = 3,2 ± 2,33 .
𝑛 18

𝐼𝐶 = 3,2 ± 1,09 = (2,11 ; 4,29)

10
11
 3. REFERÊNCIAS BIBLIOGRÁFICAS

Artur, Sérgio D. (2015). Metodologias de Investigação Cientifica II. Manual do tronco comum.
Universidade Católica de Moçambique. Beira
Barbosa, J. A. (2014). Distribuição de Poisson. TCC: Universidade Estadual da Paraiba.
Diniz, Paulo. (2011). Probabilidade e Estatística. Manual de Licenciatura em Ensino de Física.
Universidade Católica de Moçambique. Beira
Lewis, J. (2008). Estatística Aplicada a Ciências Humanas. (2ª Ed). São Paulo: Editora Harbra

Meyer J. T. (2009). Probabilidade e Estatística: Volume I. Editora Mc Graw-Hill. Portugal-

Lisboa
Silva, M. F. (2001). Introdução à Estatística. (7ª Ed). Rio de Janeiro

11
12