Escolar Documentos
Profissional Documentos
Cultura Documentos
Ensino à Distância
Universidade Pedagógica
Este módulo não pode ser reproduzido para fins comerciais. Caso haja necessidade de reprodução
deverá ser mantida a referência à Universidade Pedagógica e aos seus autores.
Universidade Pedagógica
Índice
Visão geral 1
Bem-vindo ao Módulo de Introdução à Estatística........................................................... 1
Objectivos do Módulo....................................................................................................... 1
Quem deve estudar este Módulo? ..................................................................................... 1
Como está estruturado este Módulo?................................................................................ 2
Ícones de actividade.......................................................................................................... 2
Acerca dos ícones........................................................................................... 3
Habilidades de estudo ....................................................................................................... 4
Precisa de apoio?............................................................................................................... 5
Tarefas (avaliação e auto-avaliação)................................................................................. 5
Avaliação .......................................................................................................................... 6
Unidade 1 7
Estatística Descritiva......................................................................................................... 7
Introdução................................................................................................................ 7
Lição 1 9
Estatística: Conceitos Básicos........................................................................................... 9
Introdução................................................................................................................ 9
Sumário ........................................................................................................................... 15
Exercícios........................................................................................................................ 16
Feedback ......................................................................................................................... 19
Lição nº 2 21
Tabelas e gráficos ........................................................................................................... 21
Introdução.............................................................................................................. 21
Sumário ........................................................................................................................... 30
Exercícios........................................................................................................................ 30
Feedback ......................................................................................................................... 35
Lição nº 3 37
Medidas de tendência central.......................................................................................... 37
Introdução.............................................................................................................. 37
Sumário ........................................................................................................................... 45
Exercícios........................................................................................................................ 45
Feedback ......................................................................................................................... 46
Lição nº 4 49
Quartis e percentis. Diagrama de extremos e quartis...................................................... 49
Introdução.............................................................................................................. 49
ii Índice
Sumário ........................................................................................................................... 55
Exercícios........................................................................................................................ 56
Feedback ......................................................................................................................... 57
Lição nº 5 58
Medidas de Dispersão ..................................................................................................... 58
Introdução.............................................................................................................. 58
Sumário ........................................................................................................................... 64
Exercícios........................................................................................................................ 64
Feedback ......................................................................................................................... 66
Lição nº 6 71
Coeficiente de correlação................................................................................................ 71
Introdução.............................................................................................................. 71
Sumário ........................................................................................................................... 77
Exercícios........................................................................................................................ 78
Feedback ......................................................................................................................... 79
Lição nº 7 83
Regressão linear simples................................................................................................. 83
Introdução.............................................................................................................. 83
Sumário ........................................................................................................................... 86
Exercícios........................................................................................................................ 86
Feedback ......................................................................................................................... 88
Unidade 2 91
Noções de probabilidade................................................................................................. 91
Introdução.............................................................................................................. 91
Lição nº 1 93
Conceito de probabilidade .............................................................................................. 93
Introdução.............................................................................................................. 93
Sumário ........................................................................................................................... 99
Exercícios...................................................................................................................... 100
Exercícios...................................................................................................................... 103
Lição nº 2 107
Arranjos e combinações................................................................................................ 107
Introdução............................................................................................................ 107
Introdução à Estatística Ensino à Distância iii
Lição nº 3 122
Reunião de acontecimentos........................................................................................... 122
Introdução............................................................................................................ 122
Feedback ....................................................................................................................... 124
Feedback ....................................................................................................................... 126
Sumário ......................................................................................................................... 127
Exercícios...................................................................................................................... 127
Feedback ....................................................................................................................... 130
Lição 4 135
Probabilidade condicional. Acontecimentos independentes......................................... 135
Introdução............................................................................................................ 135
Sumário ......................................................................................................................... 140
Exercícios...................................................................................................................... 141
Feedback ....................................................................................................................... 142
Lição nº 5 145
Probabilidade total e fórmula de Bayes ........................................................................ 145
Introdução............................................................................................................ 145
Feedback ....................................................................................................................... 146
Sumário ......................................................................................................................... 150
Exercícios...................................................................................................................... 150
Feedback ....................................................................................................................... 152
Unidade 3 158
Distribuição normal ...................................................................................................... 158
Introdução............................................................................................................ 158
Lição nº 1 159
Distribuição normal. Uso da tabela de distribuição normal.......................................... 159
Introdução............................................................................................................ 159
Sumário ......................................................................................................................... 165
Exercícios...................................................................................................................... 166
Feedback ....................................................................................................................... 166
Lição nº 2 169
Resolução de problemas envolvendo a distribuição normal......................................... 169
Introdução............................................................................................................ 169
iv Índice
Média 175
Feedback ....................................................................................................................... 176
Unidade 4 181
Amostragem, distribuições amostrais e estimação por intervalos. ............................... 181
Introdução............................................................................................................ 181
Lição nº 1 183
Distribuição amostral e intervalos de confiança para a média da população ............... 183
Introdução............................................................................................................ 183
Sumário ......................................................................................................................... 189
Exercícios...................................................................................................................... 189
Feedback ....................................................................................................................... 190
Lição nº 2 194
Teorema do limite central ............................................................................................. 194
Introdução............................................................................................................ 194
Sumário ......................................................................................................................... 197
Exercícios...................................................................................................................... 198
Feedback ....................................................................................................................... 199
Lição nº 3 201
Determinação do tamanho da amostra.......................................................................... 201
Introdução............................................................................................................ 201
Sumário ......................................................................................................................... 202
Exercícios...................................................................................................................... 203
Feedback ....................................................................................................................... 203
Lição nº 4 205
Intervalos de confiança com a distribuição t de Student............................................... 205
Introdução............................................................................................................ 205
Sumário ......................................................................................................................... 211
Exercícios...................................................................................................................... 211
Feedback ....................................................................................................................... 212
Lição nº 5 215
Intervalo de confiança para proporções ........................................................................ 215
Introdução............................................................................................................ 215
Introdução à Estatística Ensino à Distância v
Unidade 5 223
Testes de Hipóteses....................................................................................................... 223
Introdução............................................................................................................ 223
Lição nº 1 225
Testes de hipótese para a média e proporção da população.......................................... 225
Introdução............................................................................................................ 225
Sumário ......................................................................................................................... 237
Exercícios...................................................................................................................... 238
Feedback ....................................................................................................................... 240
Lição nº 2 247
Teste de hipótese para diferença de médias. O caso de amostras independentes. ........ 247
Introdução............................................................................................................ 247
Sumário ......................................................................................................................... 251
Exercícios...................................................................................................................... 251
Feedback ....................................................................................................................... 254
Lição nº 3 263
Teste de hipótese para diferença de médias. Caso de amostras emparelhadas. ............ 263
Introdução............................................................................................................ 263
Sumário ......................................................................................................................... 268
Exercícios...................................................................................................................... 268
Feedback ....................................................................................................................... 270
Unidade 6 274
O teste de independência do Qui-quadrado.................................................................. 274
Introdução............................................................................................................ 274
Lição nº 1 275
Teste de independência do Qui-quadrado. ................................................................... 275
Introdução............................................................................................................ 275
vi Índice
Anexos 290
Técnicas de Amostragem.............................................................................................. 290
Visão geral
Bem-Vindo ao Módulo de
Introdução à Estatística
O módulo de Introdução à Estatística apresenta uma visão geral dos
conteúdos de estatística. Na unidade 1, estatística descritiva, vamos
discutir os conceitos chave da disciplina, que serão frequentemente
tratados ao longo do Manual. Discutiremos igualmente como fazer
sumários de dados. A tabela de frequência, os gráficos e o cálculo de
medidas estatísticas são tratados neste capítulo. Nas unidades 2, 3 e 4
iremos abordar alguns conceitos de probabilidade como alicerces da
inferência estatística tratada nas unidades 5 e 6.
Espero que você nos acompanhe ao longo de todo o módulo.
Objectivos do Módulo
Ao terminar o estudo do módulo de Introdução à Estatística você será
capaz de:
Páginas introdutórias
Um índice completo.
Uma visão geral detalhada do curso / módulo, resumindo os
aspectos-chave que você precisa conhecer para completar o estudo.
Recomendamos vivamente que leia esta secção com atenção antes de
começar o seu estudo.
Outros recursos
Se você está interessado em aprender mais, preste atenção a lista de
recursos adicionais para e explore-os. Estes recursos podem incluir livros,
artigos ou sites na Internet.
Comentários e sugestões
Esta é a sua oportunidade para nos dar sugestões e fazer comentários
sobre a estrutura e o conteúdo do módulo. Os seus comentários serão
úteis para nos ajudar a avaliar e melhorar este módulo.
Ícones de actividade
Ao longo deste manual irá encontrar uma série de ícones nas margens das
folhas. Estes ícones servem para identificar diferentes partes do processo
de aprendizagem. Podem indicar uma parcela específica de texto, uma
nova actividade ou tarefa, uma mudança de actividade, etc.
Introdução à Estatística Ensino à Distância 3
Avaliação /
Actividade Auto-avaliação Teste Exemplo /
Estudo de caso
(fortitude /
Leitura preparação) Terminologia Dica
Reflexão
4 Visão geral
Habilidades de estudo
Caro estudante!
Procure um lugar tranquilo, na sua casa, numa sala de uma escola perto
da sua casa, ou outro lugar que disponha de espaço e iluminação
apropriados.
Por fim, tente resolver todos os exemplos outra vez como forma de
acompanhar adequadamente as lições. Passe para os exercícios quando
tiver a certeza que entendeu o conteúdo e os procedimentos para a sua
resolução.
Precisa de apoio?
Dúvidas e problemas são comuns ao longo de qualquer estudo. Em caso
de dúvida numa matéria tente consultar os manuais sugeridos no fim da
lição e disponíveis nos centros de ensino a distância (EAD) mais
próximos. Se tiver dúvidas na resolução de algum exercício, procure
estudar os exemplos semelhantes apresentados no manual. Se a dúvida
persistir, consulte a orientação que aperece no fim dos exercícios. Se a
dúvida persistir, veja a resolução do exercício.
Sempre que julgar pertinente, pode consultar o tutor que está à sua
disposição no centro de EAD mais próximo.
Avaliação
A avaliação visa não só informar-nos sobre o seu desempenho nas lições,
mas também estimular-lhe a rever alguns aspectos e a seguir em frente.
Teste I: Unidades 1, 2 e 3
Unidade 1
Estatística Descritiva
Introdução
Geralmente quando se faz um estudo ou se recolhe uma informação ela
aparece duma maneira desorganizada e portanto sem nenhum significado.
Para atribuir significado a esta informação é necessário organizá-la e
resumi-la. Este é o grande propósito desta Unidade. Construir tabelas,
gráficos e calcular medidas estatísticas como a média, mediana e outras.
Tempo de estudo da
Unidade: 17:30 Horas
Está pronto?
Vamos começar apresentando os objectivos desta unidade.
Ao completar esta unidade, você deverá ser capaz de:
Lição nº 1
Estatística: Conceitos Básicos
Introdução
Expressões como não se vai à machamba sem enxada ou não se vai à
guerra sem arma são bastante comuns nas conversas do dia a dia. Elas
procuram chamar atenção para algo muito básico para certa acção mas
que foi esquecido. Nesta lição, apresentam-se os conceitos básicos da
estatística, conceitos esses que lhe acompanharão até ao fim deste
módulo, e sem a compreensão dos quais o estimado estudante poderá
considerar-se até certo ponto, “um agricultor sem enxada”.
Tempo de estudo da
lição: 01:00 Hora
Estatística
2. Recolha de dados.
A Estatística descritiva é a
publicações consiste de dados reunidos e apresentados de forma clara
parte responsável pela para que o leitor possa entender. Tais sumários, que podem ser tabelas,
sumarização de dados gráficos ou medidas estatísticas são conhecidos como estatísticas
descritivas.
Hora de Hora de
Nome Chegada Nome Chegad
a
8
Número de funcionários
0
7:00 7:30 8:00 8:30 9:00
Hora de chegada
Variável
Sumário
A estatística é uma ciência ou método que trata da recolha, organização e
análise de dados. Ela divide-se em duas partes: Estatística descritiva e
indutiva.
Variável
Qualitativa Quantitativa
Exercícios
1. Diferencie os seguintes conceitos:
Os resultados foram:
3 2 5 3 4 6 5 3 2 8 6 2 4 5 1 7 4 3 2 3 3 4 6 76 8 8 9 7 9
6 3 4 5 2 7 9 3 5 7 2 5 3 7 5 8 4 4 3 3.
Tempo de realização: Em relação ao referido estudo, faça corresponder por meio de setas cada
Uma Hora.
elemento do grupo A com um só elemento do grupo B.
GRUPO A GRUPO B
a 50 famílias de Tete
b Famílias de tete
c População moçambicana
População
Agragado familiar da cidade de
d
Amostra Tete
i 50 famílias seleccionadas
Número de membros do agregado
j
familiar, quantitativa contínua
Que tal, alguma dúvida! Faça uma leitura da parte teórica e dos exemplos
mais uma vez. Tente resolver e compare com a resolução.
Feedback
1. Aspectos a realçar:
4. Passo nº 5.
5. Correcta: a)
Muito generalizada: c)
20 Lição nº 1
6.
Qualitativa ordinal c)
Esperamos que tenha resolvido com sucesso esta actividade. Para leitura
adicional do assunto desta lição, consulte os seguintes manuais:
Leitura − LEVIN, Jack at al. Estatística para ciências Humanas. São Paulo: 9ª
edição, Editora Pearson. 2004
Introdução à Estatística Ensino à Distância 21
Lição nº 2
Tabelas e gráficos
Introdução
Mais uma lição ou menos uma lição?! As duas coisas. Bem-vindo mais
uma vez. Espero que esteja bem disposto a aprender mais esta lição.
Vamos a isso!
Tabela de frequência
19, 19, 19, 18, 17, 20, 20, 19, 21, 19, 17, 18, 20, 18, 18, 23, 21, 18, 19,
20.
Pouco ou nada se pode dizer em relação a idade dos alunos da turma com
Frequência absoluta
os dados dispostos desta maneira. Coloque os dados numa tabela em que
consideramos por um lado o valor observado ( xi ) e por outro, o número
xi fi
17 2
18 5
19 6
20 4
21 2
23 1
Total 20
xi fi f r (%)
17 2 2
20
= 0,1 × 100 = 10%
18 5 25
19 6 30
20 4 20
21 2 10
23 1 5
Total 20 100
fi
fr = (1.1)
n
fr Frequência relativa
fi Frequência absoluta
n Tamanho da amostra
xi fi f r (%) Fi Fr (%)
17 2 2
20
= 0,1 × 100 = 10% 2 2
20
= 0,10 × 100 = 10%
18 5 25 2 + 5 =7 7
20
= 0,35 × 100 = 35%
19 6 30 13 65
20 4 20 17 85
21 2 10 19 95
23 1 5 20 100
Total 20 100 - -
Gráfico de barras
Gráfico de barras
7
6
Freq. absoluta
5
4
3
2
1
0
17 18 19 20 21 23
Idade
Gráfico circular
Tempo de realização:
30 minutos.
2 ― x
2 × 360 o
Donde se conclui que x = = 36 o
20
Com ajuda dum compasso, trace uma circunferência de raio à sua escolha
(Por exemplo 5 cm). Una em seguida o centro da circunferência à curva,
obtendo deste modo o raio. Partindo deste raio meça 36º, com a ajuda de
um transferidor. Separe esta porção por meio de um raio. Esta é a parte do
gráfico que representa os alunos com 17 anos. De maneira semelhante,
determine a medida da parte correspondente aos alunos com 18anos, e,
represente-a no círculo, de tal forma que as duas porções sejam
adjacentes. Continue desta forma até completar o gráfico.
23 anos 17 anos
21 anos
18 anos
20 anos
19 anos
0 – 25 11
25 – 50 15
50 – 75 38
75– 100 14
100 – 125 8
125 – 150 3
150 – 175 1
Tabela 5: Preços de venda de casas praticados por uma agência imobiliária nos últimos 6
meses.
Histograma
fi
40
35
30
25
20
15
10
xi
0 25 50 75 100 125 150 175
Polígono de frequência
Actividade 2
0 25
175 − 200 , ambas com frequência zero, e assinale nestas também o seu
Tempo de realização : ponto médio.
10 minutos.
Una os pontos médios das barras. O polígono obtido chama-se polígono
de frequências.
Dica
40
35
30
25
20
15
10
xi
0 25 50 75 100 125 150 175
30 Lição nº 2
Sumário
As tabelas e os gráficos são formas de resumir dados. A tabela mais
comummente usada é a tabela de frequência. Além da tabela de
frequência, pode-se construir gráficos de barras, circular, histogramas,
polígono de frequência e ogiva. Um gráfico pode substituir 1000
palavras!
Exercícios
1. Um inquérito realizado para um supermercado classificou os seus
clientes segundo a frequência com que o visitam e segundo a
Não
7 6 8
Frequente
25 22
20
20
15 14
10
10
5 2
0
1g 2g 5g 10g 20g 50g
massas
7% 1%
22% 44%
26%
Número de Residências
Tipo de Combustível
Cidade A Cidade B
i) Gráfico de barras
Classificações: 7 8 9 10 11 12 13 14 15 16 17
No de alunos: 5 11 14 9 20 30 18 9 12 8 4
Categorias Nº de respostas
Candidato A 5
Candidato B 20
Candidato C 30
Candidato D 25
Indeciso 10
Votos em branco 10
4,3 6,8 9,2 7,2 8,7 8,6 6,6 5,2 8,1 8,7
7,4 4,6 4,2 7,6 6,8 7,7 8,4 7,5 8,6 6,0
7,7 8,1 7,0 8,2 8,3 8,8 6,7 8,1 9,4 7,7
6,3 7,7 9,1 7,8 7,9 7,9 9,4 8,2 6,7 8,2
Feedback
2. a) F
b) F
c) V
d) V
e) F
f) F
g) V
3. a) Cervejas de Moçambique.
b) S.E. Ginwala & Filhos, Lda.
c) 26% + 44% = 70% .
7
d) 7% de 5964674000 = × 5964674000
100
= 417527180 Meticais.
Classes fi
4,2–5,2 3
5,2–6,2 2
6,2–7,2 7
7,2–8,2 14
8,2–9,2 11
9,2–10,2 3
5,2
a= = 0,87 → 1 (Usa-se o valor 1 por questões práticas).
6
Lição nº 3
Medidas de tendência central
Introdução
Nas duas lições anteriores discutimos os conceitos básicos da Estatística e
a construção de tabelas e gráficos. Nestas próximas vamos discutir a
determinação de medidas estatísticas como outra forma de sumarizar
dados. Esteja atento aos aspectos mais importantes.
Objectivos
38 Lição nº 3
Terminologia
Média aritmética ( x )
Para a aprendizagem deste tópico, siga o exemplo seguinte:
Qual é neste caso o valor médio (média aritmética) das vendas da loja no
referido período?
mil meticais.
x=
∑x i
ou x=
∑x f i i
,
n n
um valor que possa a caracterizar cada uma das classes - O ponto médio
da classe ( xi ).
1,10 - 1,20 7
1,20 - 1,30 8
1,30 - 1,40 4
Mediana ( ~
x)
~ 8 + 8,5
x= = 8,25
2
12 6º e 7º
10 ___ e ___
16 ___ e ___
Tempo de realização :
20 minutos. 20 ___ e ___
n ___ e ___
Dica Procure uma regularidade e prove se essa regra pode ser usada para esses
casos. Por último, aplique a regra para os outros casos em que o tamanho
da amostra é maior.
42 Lição nº 3
11 6º
77 ___
101 ___
509 ___
10103 ___
n ___
Tabela 11: Determinação da posição dos valores a somar para determinação da mediana.
Caso n-impar.
Introdução à Estatística Ensino à Distância 43
Moda
Actividade nº 6
Tempo de realização:
05 minutos.
44 Lição nº 3
Dica
Sumário
A média aritmética é a medida mais usada na sumarização de dados. Ela
classe. A mediana mostra-se mais robusta pois não é afectada por valores
extremos. A moda é a única medida de tendência central que pode ser
determinada quando se está perante dados nominais.
Exercícios
b) Calcule a mediana.
Cidade: 16,2 16,7 15,9 14,4 13,2 15,3 16,8 16,0 16,1
Campo: 19,4 20,6 18,3 18,6 19,2 17,4 17,2 18,6 19,0
NOTAS 0-5 5 - 10 10 - 15 15 - 20
N° DE ESTUDANTES 4 8 18 5
Feedback
1. x=
∑x i
=
2998,95
= 299,895
n 10
~ 299,88 + 299,90
x= = 299,89
2
Introdução à Estatística Ensino à Distância 47
2. a) x=
∑x i
=
25
= 3,125
n 8
~ 3+3
b) x= =3
2
3.
Cidade Campo
´4.
Notas fi xi xi f i
0–5 4 2,5 10
5–10 8 7,5 60
Total 35 - 412,5
412,5
x= = 11,8
35
0,5 × 40 + 3 × 10
5. x= =1
50
48 Lição nº 3
Lição nº 4
Quartis e percentis. Diagrama de
extremos e quartis
Introdução
Anualmente, muitos cidadãos afluem à Universidade Pedagógica para
realizar exames de admissão aos cursos por ela fornecidos. Para o ano de
2007 por exemplo, concorreram para o curso de licenciatura em ensino de
Física na Delegação de Maputo, 459 candidatos para 50 vagas
50
disponíveis. Observe que estas vagas correspondem a × 100 ≈ 11% .
459
E é aí onde “entram” os percentis: para determinar até que nota
correspondem os melhores 11%, isto é, qual é o valor do percentil 89.
Terminologia
Percentis
Consideremos os dados da tabela 2.4, que mostra as notas obtidas por 210
candidatos a um emprego. Suponha que a empresa irá admitir os
melhores 30% dos participantes no teste. Qual é a nota mínima a
Leitura
considerar?
Notas 8 9 10 11 12 13 14 16 17
Frequência 13 20 50 31 22 30 14 18 12
xi 8 9 10 11 12 13 14 16 17
fi 13 20 50 31 22 30 14 18 12
Fr (%) 6,2 15,7 39,5 54,3 64,8 79,0 85,7 94,3 100,0
Tabela 15: Frequência absoluta e relativa acumulada das notas dos candidatos a emprego.
empresa não poderá contratar todos os candidatos com a nota 13 visto que
eles perfazem 100% − 64,8% = 35,2% , valor maior que o desejado.
70% ––––––––– x
70 × 210
o que resulta em x = = 147 (posição 147, pois corresponde
100
aos primeiros 147 casos)
pn
i= , com p = 1, 2, 3,..., 99.
100
52 Lição nº 4
70 × 210
Assim a posição do P70 é i = = 147. Sendo natural P70 será
100
dado pela média do 147°e 148°.
13 + 13
P70 = = 13.
2
Quartis
25 × 210
i= = 52,5 → 53o Q1 = 10
100
Introdução à Estatística Ensino à Distância 53
30 78 38 44 65 52 28 34 46 50 61 84 44
28 30 34 38 44 44 46 50 52 61 65 78 84.
13 + 1
i= = 7 → Me = 46
A posição da mediana para n impar é 2
90
80
70
60
50
40
30
20
N. de passageiros
95
90
85 Valor máximo
80
75
70
65
3º Quartil
60
55 25% dos
dados
50
Mediana
45 25% dos
40 dados
1º Quartil
35
30 Valor mínimo
25
20
AIQ × 1,5
Q 1
Me
Q 3
AIQ × 1,5
Sumário
Quartis e percentis são medidas usadas para localizar valores numa certa
distribuição. Os percentis pressupõem a divisão dos dados em 100 partes,
enquanto que os quartis, uma divisão do conjunto de dados em 4 partes.
Exercícios
Feedback
Resolução da auto-avaliação 4
a)
Pequenos
Médios
Lição nº 5
Medidas de Dispersão
Introdução
Suponha que a quantidade de sangue (em litros) disponível em dois
hospitais distritais, numa dada semana, distribui-se como se segue:
Segunda-feira 45 46
Terça-feira 70 48
Quarta-feira 80 54
Quinta-feira 26 50
Sexta-feira 32 49
Sábado 63 48
Domingo 34 55
Á partida é de preferir o hospital com média maior pois significa isso que
este dispõe de maior quantidade de sangue diário em termos globais do
que aquele. Como se pode observar, a quantidade média de sangue
semanal para os dois hospitais é a mesma:
350 350
Hospital A x= = 50 l Hospital B y= = 50 l
7 7
Introdução à Estatística Ensino à Distância 59
Vê-se, pois, que não bastam as medidas de tendência central para analisar
uma distribuição. Há que ter em conta a dispersão ou a variabilidade dos
dados.
81 80 79 79 80 80 77 81 77 80 81 80 77 81 83
80 84 80 82 79 80 83 79 82 75 81 79 82 77 81
A = 84 − 75 = 9
A = x máx − x min
AIQ = 81 − 79 = 2
AIQ = Q3 − Q1
2400
x= = 80
30
Introdução à Estatística Ensino à Distância 61
xi fi xi f i xi − x
75 1 75 -5
77 4 308 -3
79 5 395 -1
80 8 640 0
81 6 486 1
82 3 246 2
83 2 166 3
84 1 84 4
Total 30 2400 -
Tabela 17: Determinação dos desvios para as amostras de carvão.
Tempo de realização:
05 minutos.
Dica
62 Lição nº 5
Há duas maneiras de fazer com que a soma dos desvios não seja nula.
Sabe quais são?
xi f i xi − x xi − x xi − x f i
xi fi
75 1 75 -5 5 5
77 4 308 -3 3 12
79 5 395 -1 1 5
80 8 640 0 0 0
81 6 486 1 1 6
82 3 246 2 2 6
83 2 166 3 3 6
84 1 84 4 4 4
Total 30 2400 - - 44
Tabela 18: Determinação do desvio médio para as amostras de carvão.
44
DM = = 1,47
30
DM =
∑x i − x fi
n
xi f i xi − x ( xi − x ) 2 ( xi − x ) 2
xi fi
75 1 75 -5 25 25
77 4 308 -3 9 36
79 5 395 -1 1 5
80 8 640 0 0 0
81 6 486 1 1 6
82 3 246 2 4 12
83 2 166 3 9 18
84 1 84 4 16 16
Total 30 2400 - - 118
Tabela19: Determinação da variância para as amostras de carvão
Introdução à Estatística Ensino à Distância 63
118
σ2 = = 3,93
30
σ2 =
∑ (x i − x)2 fi
n
σ = 3,93 = 1,98
σ= σ = 2 ∑ (x i − x)2 fi
n
1,98
CV = × 100% = 2,5%
80
σ
CV = × 100 %
x
Sumário
As medidas de dispersão são usadas para comparar a variabilidade entre
dois ou mais conjuntos de dados. O conjunto que apresenta menor valor
da dispersão significa que neste os valores estão mais concentrados (ou
menos dispersos) em relação àquele. As mais usadas são:
Variância: σ 2 =
∑ (x i − x)2 fi
n
Desvio padrão: σ = σ 2
=
∑ (x i − x)2 fi
,e
n
σ
Coeficiente de variação: CV = × 100 %
x
Exercícios
1. Considere as quatro populações seguintes:
(i) 1, 2, 3, 4, 5, 6, 7, 8;
Auto-avaliação nº 5 (ii) 1, 1, 1, 1, 8, 8, 8, 8;
(iii) 1, 1, 4, 4, 5, 5, 8, 8;
(iv) -6, -3, 0, 3, 6, 9, 12, 15.
Nos quatro casos a média é a mesma (4,5). Sem fazer cálculos, ordene
as populações de acordo com as magnitudes das suas variâncias, da
menor para a maior. Confirme o seu ordenamento, calculando as
Tempo de realização: variâncias.
02:00 Horas.
Introdução à Estatística Ensino à Distância 65
CLASSIFICAÇÃO 1 2 3 4 5
N° DE ESTUDANTES 1 7 15 10 7
Turma A 3 4 4 5 6 7 8 8 9
Turma B 3 4 4 4 5 5 5 6 -
Turma C 3 4 4 5 5 5 5 6 -
Feedback
Resolução de exercícios da auto-avaliação:
I
xi xi − x ( xi − x ) 2
1 -3,5 12,25
2 -2,5 6,25
3 -1,5 2,25
4 -0,5 0,25
5 0,5 0,25
6 1,5 2,25
7 2,5 6,25
8 3,5 12,25
36 - 42
σ2 =
∑ (x i − x)2
=
42
= 5,25
n 8
II
xi xi − x ( xi − x ) 2
1 -3,5 12,25
1 -3,5 12,25
4 -0,5 0,25
4 -0,5 0,25
5 0,5 0,25
5 0,5 0,25
8 3,5 12,25
8 3,5 12,25
36 - 50
σ 2
=
∑ (x i − x)2
=
50
= 6,25
n 8
Introdução à Estatística Ensino à Distância 67
III
xi xi − x ( xi − x ) 2
1 -3,5 12,25
1 -3,5 12,25
1 -3,5 12,25
1 -3,5 12,25
8 3,5 12,25
8 3,5 12,25
8 3,5 12,25
8 3,5 12,25
36 - 98
σ2 =
∑ (x i − x)2
=
98
= 12,25
n 8
IV
xi xi − x ( xi − x ) 2
-6 -10,5 110,25
-3 -7,5 56,25
0 -4,5 20,25
3 -1,5 2,25
6 1,5 2,25
9 4,5 20,25
12 7,5 56,25
15 10,5 110,25
36 - 378
σ 2
=
∑ (x i − x)2
=
378
= 47,25
n 8
2.a) É provável que ganhe menos de 5 000 uma vez que 75% dos
salários são iguais ou inferiores a esse valor.
3.
xi fi xi f i xi − x ( xi − x ) 2 ( xi − x ) 2 f i
1 1 1 -2,375 5,640625 5,640625
2 7 14 -1,375 1,890625 13,23438
3 15 45 -0,375 0,140625 2,109375
4 10 40 0,625 0,390625 3,90625
5 7 35 1,625 2,640625 18,48438
Total 40 135 - - 43,375
3a) x=
∑x i fi
=
135
= 3,375
n 40
3b) σ2 =
∑ (x i − x)2
=
43,375
≈ 1,08
n 40
σ = σ 2 = 1,08 ≈ 1,04
4.
Turma A
xi xi − x ( xi − x ) 2
3 -3 9
4 -2 4
4 -2 4
5 -1 1
6 0 0
7 1 1
8 2 4
8 2 4
9 3 9
54 - 36
x=
∑x i fi
=
54
=6
n 9
σ=
∑ (x i − x)2
=
36
=2
n 9
σ 2
CV = × 100% = × 100% ≈ 33,3
x 6
Introdução à Estatística Ensino à Distância 69
Turma B
xi xi − x ( xi − x ) 2
3 -1,5 2,25
4 -0,5 0,25
4 -0,5 0,25
4 -0,5 0,25
5 0,5 0,25
5 0,5 0,25
5 0,5 0,25
6 1,5 2,25
36 6
x=
∑x i
=
36
= 4,5
n 8
σ=
∑ (x i − x)2
=
6
≈ 0,87
n 8
σ 0,87
CV = × 100% = × 100% ≈ 19,3
x 4,5
Turma C
xi xi − x ( xi − x ) 2
3 -1,625 2,640625
4 -0,625 0,390625
4 -0,625 0,390625
5 0,375 0,140625
5 0,375 0,140625
5 0,375 0,140625
5 0,375 0,140625
6 1,375 1,890625
37 5,875
x=
∑x i fi
=
37
=,625
n 8
σ=
∑ (x 5,875
i − x)2
≈ 0,86 =
n 8
σ 0,86
CV = × 100% = × 100% ≈ 18,6
x 4,625
Leia ainda:
Lição nº 6
Coeficiente de correlação
Introdução
Até aqui usamos medidas descritivas para sintetizar dados para uma
variável de cada vez. Frequentemente, para tomar uma decisão precisa e
analisar o comportamento de duas ou mais variáveis simultaneamente é
usado o coeficiente de correlação. Por exemplo, na determinação
experimental da lei de Ohm, num laboratório, os estudantes realizaram
várias experiências para estudar esta lei. Variando a diferença de
potencial, eles fazem a leitura do valor da intensidade I.
Terminologia
Número de 2 5 1 3 4 1 5 3 4 2
anúncios
Volume de 50 57 41 54 54 38 63 48 59 46
vendas(US$1
00)
Tabela 23: Volume de vendas em função do número de anúncios feitos.
Vamos estudar, tomando como exemplo este caso, a relação entre as duas
variáveis: Número de anúncios ( xi ) e volume de vendas ( y i ) .
Um dos primeiros passos que pode ser dado na análise da relação entre
Diagrama de Dispersão
duas variáveis é a construção do diagrama de dispersão. O diagrama de
dispersão é um gráfico de pontos. Constrói-se fazendo corresponder
através de pontos o número de anúncios ( xi ) ao valor correspondente do
volume de vendas ( y i ).
Introdução à Estatística Ensino à Distância 73
Actividade 9
Tempo de realização:
10 minutos.
Figura 12: Diagrama de dispersão para a relação número de anúncios e volume de vendas.
Dica
Com base no diagrama acima, que tipo de relação existe entre o número
de anúncios e o volume de vendas?
Actividade nº 10
Tempo de realização:
02 minutos.
Dica
Actividade nº 11
xi yi xi − x yi − y ( xi − x )( yi − y )
2 50
5 57
1 41
Tempo de realização :
20 munitos. 3 54
4 54
1 38
5 63
3 48
4 59
2 46
Total
covariância.
Dica
sxy =
∑ ( x − x )( y
i i − y)
Covariância ( s xy ) n
76 Lição nº 6
Actividade nº 12
xi − x yi − y ( xi − x )( yi − y ) ( xi − x )2 ( yi − y )2
-1 -1 1
2 6 12
-2 -10 20
Tempo de realização: 0 3 0
30 minutos.
1 3 3
-2 -13 26
2 12 24
0 -3 0
1 8 8
-1 -5 5
- - 99
rx , y =
s xy
=
∑ ( x − x )( y − y )
i i
sx s y ∑ (x − x ) ∑ (y − y )
i
2
i
2
0 < rxy < 0,2 ou -0,2 < rxy < 0 Associação muito baixa;
0,2 ≤ rxy < 0,4 ou -0,4 < rxy ≤ -0,2 Associação baixa;
0,4 ≤ rxy < 0,7 ou -0,7 < rxy ≤ -0,4 Associação moderada;
0,7 ≤ rxy < 0,9 ou -0,9 < rxy ≤ -0,7 Associação forte;
Sumário
Um dos primeiros passos na análise da relação entre duas variáveis é a
construção do diagrama de dispersão. Este pode indicar uma relação
linear, quadrática, logarítmica, exponencial etc, dependendo da
disposição dos pontos.
sua determinação é: rx , y =
s xy
=
∑ ( x − x )( y − y )
i i
.
sx s y ∑ (x − x ) ∑ (y − y )
i
2
i
2
Exercícios
e) Altura e peso.
Tempo de realização : f) Preço do produto e nível de consumo do mesmo.
02:00Horas.
2. Cinco observações tomadas para duas variáveis são apresentadas
a seguir:
xi 4 6 11 3 16
yi 50 50 40 60 30
x 340 230 405 325 280 195 265 300 350 310
y 71 65 83 74 67 56 57 78 84 65
Tabela 28: Espaço ocupado por uma linha de produtos em função das vendas.
Feedback
Resolução dos exercícios de auto-avaliação
1.
xi yi xi − x yi − y ( xi − x )( yi − y ) ( xi − x )2 ( yi − y )2
4 50 -4 4 -16 16 16
6 50 -2 4 -8 4 16
11 40 3 -6 -18 9 36
3 60 -5 14 -70 25 196
16 30 8 -16 -128 64 256
40 230 - - -240 118 520
c)
s xy =
∑ (x i − x )( y i − y )
=
− 240
= −48
n 5
A covariância confirma a existência duma relação negativa entre as duas
variáveis.
Introdução à Estatística Ensino à Distância 81
d)
rx , y =
∑ ( x − x )( y − y )
i i
=
− 240
≈ −0,97
∑ (x − x ) ∑ (y − y )
i
2
i
2
118 × 520
3.
xi yi xi − x yi − y ( xi − x )( yi − y ) ( xi − x )2 ( yi − y )2
40 68 -1 -2 2 1 4
43 74 2 4 8 4 16
40 70 -1 0 0 1 0
40 68 -1 -2 2 1 4
42 70 1 0 0 1 0
205 350 - - 12 8 24
rx , y =
∑ ( x − x )( y − y )
i i
=
12
≈ 0,87
∑ (x − x ) ∑ (y − y )
i
2
i
2
8 × 24
4.
xi yi xi − x yi − y ( xi − x )( yi − y ) ( xi − x )2 ( yi − y )2
340 71 40 1 40 1600 1
230 65 -70 -5 350 4900 25
405 83 105 13 1365 11025 169
325 74 25 4 100 625 16
280 67 -20 -3 60 400 9
195 56 -105 -14 1470 11025 196
265 57 -35 -13 455 1225 169
300 78 0 8 0 0 64
350 84 50 14 700 2500 196
310 65 10 -5 -50 100 25
3000 700 - - 4490 33400 870
82 Lição nº 6
rx , y =
∑ ( x − x )( y − y )
i i
=
4490
≈ 0,83
∑ (x − x ) ∑ (y − y )
i
2
i
2
33400 × 870
Lição nº 7
Regressão linear simples
Introdução
A pergunta que agora se pode colocar em relação à questão do número de
comerciais e o volume de vendas é a seguinte: De que maneira poderão
comportar-se as vendas, se durante o final de semana passar 6 vezes o
anúncio? Há, neste caso, que encontrar uma relação que possa estimar o
volume de vendas com base no número de comerciais mostrados no final
de semana. Esta técnica chama-se análise da regressão.
Terminologia
84 Lição nº 7
∑(y
2
a soma i − yˆ ) ; onde ŷ é o valor estimado.
a=
s xy
=
∑ ( x − x )( y − y ) .
i 1
b = y − ax
s 2
x ∑ (x − x)
i
2
Tempo de realização :
20 minutos.
Introdução à Estatística Ensino à Distância 85
R 2 = rxy2
R 2 = 0,932 = 0,8649
variância constante σ 2 ;
Sumário
Quando o diagrama de dispersão sugere uma relação linear entre duas
variáveis, torna-se possível construir um modelo de regressão linear para
estimar os valores da variável dependente para um dado valor da variável
independente. Pode-se também discutir modelos que não sejam os da
regressão linear simples, caso por exemplo do modelo quadrático,
exponencial, etc.
Exercícios
1. De acordo com algumas teorias, o consumo de quantidades
moderadas de vinho tinto reduziria o perigo de ataques cardíacos.
xi yi
0,41 1850
0,46 2620
0,44 2340
0,47 2690
0,42 2160
0,39 1760
0,41 2500
0,44 2750
0,43 2730
0,44 3120
Tabela 30: Dados duma amostra de madeira
Feedback
Resolução da Auto-avaliação
1.a)
2.
xi yi xi − x yi − y ( xi − x )( yi − y ) ( xi − x )2 ( yi − y )2
a)
a=
∑ ( x − x )( y − y ) = − 171,25 ≈ −44,2
i 1
∑ (x − x) i
2
3,875
y = −44,2 x + 654,875
5,5 aparelhos.
3.
xi yi xi − x yi − y ( xi − x )( yi − y ) ( xi − x )2 ( yi − y )2
0,41 1850
x i y i
b)
a=
∑ ( x − x )( y − y ) = 64,78 ≈ 12245,7
i 1
∑ (x − x) i
2
0,00529
c)
y = 12245,7 x − 2825,9
y = 12245,7 × 0,43 − 2825,9 = 5265,651 − 2825,9 = 2439,751
90 Lição nº 7
Unidade 2
Noções de probabilidade
Introdução
A humanidade tem lidado com incertezas desde épocas mais remotas e
esforços para as reduzir têm sido feitos na tentativa de obter vantagens
em disputas, por exemplo, e evitar perdas advindas de factores
‘‘imprevisíveis’’. Há milhares de anos que os jogos de azar têm sido parte
da nossa civilização. Pinturas em tumbas egípcias feitas em 3500 a.n.e.
mostram pessoas jogando uma forma primitiva de dados feitos de um
osso de calcanhar de nome astrágalos. Estas práticas juntamente com o
crescimento da área de seguros, estimularam o desenvolvimento da teoria
de probabilidades, um campo indispensável a muitas áreas do saber.
Tempo de estudo da
Unidade: 10:00 Horas
acontecimentos;
Lição nº 1
Conceito de probabilidade
Esperamos que seja de 100%. Lembre-se que as suas sessões não devem
ser demasiadamente longas. Crie espaço suficiente para o seu estudo,
interrompa para beber um copo de água ou um chá. Lembre-se que a cada
lição que passa além de mais conhecimentos adquiridos é menos uma
lição rumo ao fim do módulo e do curso. O certificado espera-lhe e…
“boa viagem”.
Introdução
Muitos de nós agimos com base na chance da ocorrência de eventos.
Alguns de nós viajamos em aviões reconhecendo que embora haja a
chance de uma colisão com outro aparelho, essa chance é colidir com o
outro? A teoria de probabilidade tenta responder esta e outras questões
cuja ocorrência se associe à fenómenos aleatórios.
Terminologia
O número da página que segue depois da página que está a ler agora;
Tempo de realização:
01:00 Hora.
1
a) P (5) = ≈ 0,17 ; pois das seis possibilidades apenas
6
uma é que satisfaz a condição de sair o número 5.
Ao conjunto de resultados
também se pode chamar 3
espaço amostral, espaço b) P ( par ) = = 0,5 ; pois do conjunto dos números, 3
de resultados ou universo 6
amostral
deles são pares.
2
c) P ( X > 4) = ≈ 0,33 ; pois 2 números são maiores que
6
4.
Definição frequencista
Observa que o espaço de
resultados pode ser
discreto ou contínuo. O
caso descrito Esse conceito deriva da compreensão comum de que a probabilidade de
anteriormente (do
lançamento do dado) um resultado particular de um processo significa a frequência relativa
representa um espaço
discreto enquanto o
com que o resultado ocorre quando o processo é repetido um certo
tempo que uma estudante número de vezes.
leva a estudar um certo
tema deste livro é Os primeiros proponentes dessa abordagem “frequencista” sugeriram a
contínuo.
probabilidade de um resultado específico de um processo como uma
frequência relativa desse resultado “ao final de muitas realizações” do
processo.
Introdução à Estatística Ensino à Distância 97
Definição axiomática
Notável matemático
probabilidade. Paralelamente, foram idealizados métodos
soviético. Dedicou-se à alternativos para relacionar a construção da matemática da
lógica, teoria de
probabilidades, topologia, probabilidade àquelas definições. Esses procedimentos de cálculo
entre outros campos de
matemática. Morreu em alternativo tomam diferentes visões em termos de significado da
Outubro de 1987
sua noção fundamental, mas, em geral, eles têm uma estrutura
lógica comum.
Kolmogorov propôs uma abordagem axiomática em que a
probabilidade é definida como uma função de conjuntos que
satisfaz as propriedades da frequência relativa e estende o conceito
de probabilidade a situações mais gerais.
Axioma 1: 0 ≤ P( A) ≤ 1 .
Axioma 2: P ( S ) = 1 .
Escritor, filósofo e matemático, é uma moeda ao ar duas vezes seguidas, qual a probabilidade de obtermos
autor de Discours préliminaire pelo menos uma vez cara?”
de l'Encyclopedie, Elogios
acadêmicos e Tratado de D’Alembert respondeu que a probabilidade era 2 para 3 e justificou
dinâmica.
dizendo que havia três possibilidades: duas coroas, duas caras e uma cara
Suas pesquisas em física
relacionaram-se à mecânica e uma coroa e só uma das possibilidades era desfavorável.
racional; princípio fundamental da
dinâmica; problema dos três D’Alembert contou mal os casos possíveis e os favoráveis da experiência
corpos; cordas vibrantes e
hidrodinâmica. em questão. Qual a resposta que D’Alemebert deveria ter dado?
Em matemática estudou as
equações com derivadas
parciais; equações diferenciais
ordinárias; definiu a noção de
Para ajudar a contar os casos possíveis, observa o diagrama de árvore.
limite; inventou um critério de
convergência das séries;
demonstrou o teorema
fundamental da álgebra que
afirma ter toda equação algébrica,
pelo menos, uma raiz real ou
imaginária (teorema de
D’Alembert-Gauss).
Sumário
A probabilidade mede a ocorrência de acontecimentos chamados
aleatórios. São acontecimentos que, repetidos em condições semelhantes,
não possibilitam prever o resultado a ocorrer com exactidão, mesmo
sabendo o conjunto de resultados possíveis. Embora não aplicável a todas
as situações, a definição clássica parece a que mais expressão encontra
nos exercícios e exemplos ao longo do manual. Ela define a
probabilidade como o quociente entre o número de casos favoráveis e
possíveis ao acontecimento. Para a aplicação desta definição exige-se
que os casos sejam igualmente prováveis, termo que envolve ainda o
conceito de probabilidade.
100 Lição nº 1
Exercícios
1 Temos 5 cartões iguais numerados de 3 a 7. Tiramos um cartão à
sorte. Qual é a probabilidade de sair:
0 0,05
1 0,15
2 0,35
3 0,25
4 0,10
5 0,10
a) Sem vagas.
b) Pelo menos quatro vagas.
c) Duas vagas ou menos.
1 5
2 15
3 30
4 40
5 10
Tabela 32: Tabela de frequência do projecto preferido por uma amostra de 100
consumidores.
102 Lição nº 1
Número de
Frequência
Actividades
0 8
1 20
2 12
3 6
4 3
5 1
Exercícios
Resolução da auto-avaliação
1.
1
a) A probabilidade é de = 20% visto que em cinco cartões
5
apenas um têm o número 6.
2
b) A probabilidade é de = 40% , visto que dos 5 cartões dois têm
5
número par (4 e 6).
2
c) A probabilidade é de = 40% , No conjunto dos 5 cartões dois
5
tem números maiores que 5 (6 e 7)
2.
a) Sem vagas corresponde ao acontecimento Vagas = 0. sendo
assim, o ponto amostral é {0} e a probabilidade é P(0) = 0,05 , conforme
a tabela.
b) Pelo menos quatro vagas correspondem a quatro vagas ou mais.
Os pontos amostrais são {4,5} e a probabilidade é
P(4) + P (5) = 0,10+,010 = 0,20
3.
a) Neste caso, o saco a escolher seria o A, uma vez que a
3
probabilidade de sair uma bola azul deste saco é enquanto do outro
4
1
saco é .
4
podemos ter cada um dos números que aparece numa das faces
Dado 2
1 2 3 4 5 6
1 1,1 1,2 1,3 1,4 1,5 1,6
2 2,1 2,2 2,3 2,4 2,5 2,6
Dado 1
6
Logo a probabilidade é ≈ 0,17 = 17% .
36
5.
Uma vez que cada projecto é tão provável quanto outro e tendo em conta
que a soma de todas probabilidades para este o espaço amostral é 1 ou
1
100%, a probabilidade de selecção para projecto é de = 20%
5
6.
6 + 3 + 1 10
probabilidade é P ( B ) = = = 20% .
50 50
106 Lição nº 1
Lição nº 2
Arranjos e combinações
Introdução
Em muitas situações que envolvem o cálculo de probabilidades torna-se
desnecessário indicar todos os elementos do conjunto, mas é importante
saber quantos são. A determinação ou contagem sistemática dos
elementos do conjunto é estudada na análise combinatória. Nesta lição o
estudante vai familiarizar-se com essas técnicas, como forma de facilitar
a determinação de probabilidades.
Terminologia
108 Lição nº 2
fazendo 3 × 2 = 6
Introdução à Estatística Ensino à Distância 109
Entrada
Sopa
Salada
Prato
Camarão grelhado
Filetes de Peixe
Costelas de porco
Frango a zambeziana
Sobremesa
Fruta da época
Pudim
Tarte de noz
Actividade 15 2. Suponha que uma criança é capaz de desenhar dois tipos de caras, 3
tipos de chapéus e quatro tipos de corpos. Quantos bonecos com chapéus
pode ela desenhar?
Tempo de realização :
20 minutos
Noção de factorial
Determine:
a) 4!= 4 × 3 × 2 × 1 = 24
Exemplo 8 b) 6!= 6 × 5 × 4 × 3 × 2 × 1 = 720
c) n!= n × (n − 1) × (n − 2) × ... × 2 × 1
Por definição:
0! = 1
1! = 1
Repare que
6!= 6 × 5!= 6 × 5 × 4!= 6 × 5 × 4 × 3!= 6 × 5 × 4 × 3 × 2!= 6 × 5 × 4 × 3 × 2 × 1
Arranjo
25 52 72 82
27 57 75 85
28 57 78 87
Exemplo 9
O primeiro caso também podia ter sido resolvido da mesma maneira, isto
é, A24 = 4 × 3 = 12 .
Determine:
a) A37
Actividade 16 b) A25
c) A45
d) A33
Tempo de realização :
10 minutos
Dica de acordo com o número que se encontra em baixo. Para o caso da alínea
a), comece pelo factor sete e busque três factores em ordem decrescente.
A37 = 7 × 6 × 5 = 210
5!
Repare que A25 = 5 × 4 =
(5 − 2)!
n!
Apn = .
(n − p )!
Observe que
Pn = n!
1. Determine:
a) A39 6
Actividade 17 b) A711
c) A520
d) A35
e) A27
Tempo de realização :
15 minutos 2. Determine n sabendo que:
a) A2n = 5
b) A2n +1 = 3× A2n
n!
Use as definições A pn = e A = n p . Explore também a sua
(n − p )!
− b ± b 2 − 4ac
ax 2 + bx + c = 0 que é x1, 2 = .
2a
Introdução à Estatística Ensino à Distância 115
Combinações
Sejam A, B e C os representantes.
AB AC
BA BC
CA CB
6
Claro que não! Então o número de comissões diferentes é = 3 . A isto
2
6
se chama combinação de 3 elementos 2 a 2. Escreve-se C23 = =3
2
24 A4
C34 = = 4 , ou seja C34 = 3
6 3!
Observe os exemplos:
A35
a) C35 = = 10 .
Exemplo 10 3!
A610 10! 10 × 9 × 8 × 7
b) C610 = = = = 210 .
6! 6!4! 24
Apn n!
c) C pn = =
p! p!(n − p )!
Actividade 18 a) C 27
b) C310
c) C515
Tempo de realização :
d) C88
15 minutos
Introdução à Estatística Ensino à Distância 117
Sumário
As técnicas da análise combinatória permitem contar sistematicamente os
elementos de um dado conjunto. Nos arranjos, a ordem em que os
elementos estão dispostos é importante, sendo portanto sequências. Nas
combinações a ordem de disposição dos elementos não interessa. As
combinações são conjuntos.
n!
Arranjo simples de n por p: Apn =
(n − p )!
Permutação de n elementos: Pn = n!
Apn n!
Combinações simples de n elementos por p: C pn = =
p! p!(n − p )!
Exercícios
1. De quantas maneiras diferentes podem ser colocados, numa
prateleira cinco livros diferentes?
Feedback
Resolução da Auto-avaliação
n!
= 45 . Desenvolvendo o numerador com a definição de
2!(n − 2)!
n(n − 1)(n − 2)!
factorial até encontrar o factor n-2 segue: = 45 .
2(n − 2)!
n(n − 1)
Simplificando o factor (n-2) fica: = 45 . E resolvendo equação
2
resultante: n 2 − n = 90 ⇔ n 2 − n − 90 = 0 ⇔ ( n − 10)(n + 9) = 0 , uma
vez que o produto das raízes é – 90 e a soma – 1. As soluções da equação
são n1 = 10 ∨ n 2 = −9 . A solução para o problema é n = 10 uma vez
que não podemos ter -9 pessoas.
120 Lição nº 2
A solução pode também ser encontrada tendo em conta que o turista tem
estradas e pode subir e descer pela mesma estrada. Trata-se de
A25 = 5 2 = 25.
1
2 3 4
10. Observe que uma salada de alface e tomate não difere duma
salada de tomate e alface, isto é, a ordem de disposição das verduras não
é importante. Repare ainda que pode-se fazer saladas com uma, duas,
três, quatro ou cinco espécies de verduras. A solução é
C15 + C 25 + C 35 + C 45 + C 55 = 5 + 10 + 10 + 5 + 1 = 31
Lição nº 3
Reunião de acontecimentos
Introdução
Até agora estudou casos que envolvem a determinação de probabilidades
para acontecimentos simples. Nesta lição aprenderá como determinar
probabilidades para a reunião de dois e três acontecimentos.
10 10
5
# aprovados a português 15 3
a) P( P) = = =
# total de alunos 50 10
Restantes =25
# aprovados a Matemática 20 2
M=20 b) P(M ) = = =
# total de alunos 50 5
c)
d)
1 3 2 1
Note que = + − , Isto é
2 10 5 5
P ( A ∪ B ∪ C ) = P ( A) + P ( B ) + P (C ) − P ( A ∩ B ) − P ( A ∩ C ) −
P( B ∩ C ) + P( A ∩ B ∩ C ) .
124 Lição nº 3
Feedback
Resolução:
U = 100
M=40 P=50
Restantes =35
M=20 a) P ( M ∪ A) = P( M ) + P( A) − P( M ∩ A)
50 40 25
+ − = 0,65 .
100 100 100
b) P ( M ∪ A) = 1 − 0,65 = 0,45 .
Introdução à Estatística Ensino à Distância 125
40 25
c) P( A ∩ M ) = − = 0,15.
100 100
Feedback
Resolução:
Como aparecem os
números no diagrama?
Comece por colocar a U=80
intersecção dos três
conjuntos (5),
representado a vermelho. A=40
B=30
Repare que a parte
vermelha faz parte das
intersecções de A e B, A e
27
F, B e F. Logo (10-5 =5), 3
(9-5=4) e (8-5=3). Por fim
18
os alunos que só se
escreveram a uma 5 5
modalidade são
4
encontrados subtraindo as
intersecções (30-3-5-
4=10), (40-3-5-5=27), (25-
4-5-5=11) 11
F=25
Restantes=7
P ( A ∪ B ∪ C ) = 18 + 3 + 27 + +5 + 5 + 11 = 73
P( A ∪ B ∪ F ) = P( A) + P( B) + P( F ) − P( A ∩ B) − P( A ∩ F ) −
P( B ∩ F ) + P( A ∩ B ∩ F )
= 30 + 25 + 40 − 8 − 10 − 9 + 5 = 73 .
Introdução à Estatística Ensino à Distância 127
Os que não estão inscritos em nenhuma modalidade são os que estão fora
dos círculos, mas dentro do rectângulo. É o complementar da reunião de
A, B e F, isto é, os que pertencem ao universo (total de estudantes) mas
não pertencem à reunião.
P ( A ∪ B ∪ F ) = 80 − 73 = 7 .
Sumário
A representação dos dados do problema recorrendo ao diagrama de Venn
é um passo importante na resolução de problemas que envolvem a
reunião de probabilidades.
− P( A ∩ C ) − P( B ∩ C ) + P( A ∩ B ∩ C )
Exercícios
1. Sejam A e B dois acontecimentos. Conhecem-se as
probabilidades P(A) = 0,4, P(B) = 0,5 P ( A ∩ B ) = 0,2.
Auto-avaliação 10 Calcule em função destes valores, as probabilidades dos
seguintes acontecimentos:
e) Realiza-se A e não B.
a) Encontre p(A);
b) Encontre p(B);
c) Encontre p(A∩B);
d) Encontre p(A∪B).
Dica notação da teoria de conjuntos para representar os pedidos não deve ser
encerrado com o imprescindível, devendo o estudante usar se se encontrar
em condições de o fazer.
130 Lição nº 3
Feedback
0,2 0,2
0,3
1. Dados:
c) P ( A ∪ B) = 1 − P ( A ∪ B) = 1 − 0,7 = 0,3
d) P ( A ∩ B) = 1 − P ( A ∩ B) = 1 − 0,2 = 0,8
2. Dados:
M=154 C=152
155 152
a) P(M ) = ≈ 0,61; P(C ) = ≈ 0,60;
44 110
254 254
42
110
P(M ∩ C ) = ≈ 0,43
Restantes =57 254
M=20
b) P( M ∪ C ) = P( M ) + P(C ) − P( M ∩ C )
c) P ( M ∪ C ) = 1 − P ( M ∪ C ) = 1 − 0,78 = 0,22
Introdução à Estatística Ensino à Distância 131
3.Dados:
P( A) = 0,458 P ( B ) = 0,54
P ( A ∩ B ) = 0,30
0,158 0,24
4 Dados:
A = Homem, B = irmão.
4
a) P ( A) = = 0,5 uma vez que há no total oito pessoas, sendo 4
8
homens.
2
b) P( B) = = 0,25 uma vez que dos 8 trabalhadores, apenas duas
8
pessoas são irmãos.
2
c) P( A ∩ B) = uma vez que há dois homens irmãos
8
( A ∩ B ) no conjunto das oito pessoas.
d) P ( A ∪ B) = P( A) + P ( B) − P ( A ∩ B )
5.
a probabilidade dos que lêem apenas A é 0,11 uma vez que dos 0,22, 0,02
lêem os três, 0,03 apenas A e C, 0,06 lêem apenas A e B totalizando 0,11
e faltando apenas 0,11 (dos que lêem apenas A) para completar.
U =1
B = 0,15
A = 0,22
0,05
0,06
0,11
0,02
0,02
0,03
0,06
C = 0,13
a)
P( A ∪ B ∪ C ) = P( A) + P( B) + P(C ) − P( A ∩ B)
− P( A ∩ C ) − P( B ∩ C ) + P( A ∩ B ∩ C )
b) A probabilidade procurada é
P ( A ∩ B ∩ C ) + P ( A ∩ B ∩ C ) + P( A ∩ B ∩ C ) , onde cada uma das
parcelas representa sucessivamente os que só lêem A, B e C. Essa
probabilidade é conforme o diagrama 0,11 + 0,05 + 0,06 = 0,21
134 Lição nº 3
P ( A ∪ B ∪ C ) = 1 − P ( A ∪ B ∪ C ) = 01 − 0,35 = 0,65
Lição 4
Probabilidade condicional.
Acontecimentos independentes
Introdução
Na lição anterior estudou o conceito de probabilidade da reunião de
acontecimentos. Nesta lição vai observar como a realização de um
acontecimento pode influenciar a realização do outro e usar o conceito de
probabilidade condicional para identificar acontecimentos independentes.
Esteja atento!
Terminologia
Probabilidade condicionada
66
a) P( D) = (66 doentes no total de 126 pessoas).
126
35
b) P (+ ) = (35 positivos no total de 126 pessoas).
126
60
c) P(+ ∩ D) = (60 positivos e doentes no total de 126
126
pessoas).
Esta probabilidade chama-se condicional, uma vez que não incide sobre
todo o conjunto de elementos mas apenas alguns que respondem à
condição “Teste Positivo”. Representa-se por P( D | + ) .
60
P( D \ +) =
65
138 Lição 4
60
60 120 P(+ ∩ D)
Repare que = ou seja, P ( D \ + ) =
65 65 P(+)
126
Se os acontecimentos não
são independentes, dizem- Substituindo P( A) = P( A \ B) em P( A ∩ B) = P( B) × P( A \ B) tem-
se dependentes.
se a fórmula da intersecção para acontecimentos independentes:
P( A ∩ B) = P( A) × P( B)
Introdução à Estatística Ensino à Distância 139
Idade
Masculino
Total
Dica usado.
140 Lição 4
Numa população, 55% dos indivíduos têm excesso de peso, 60% têm
tensão arterial elevada e 20% têm ambas as coisas. Esses dados permitem
concluir que a tensão arterial é independente do excesso de peso?
Exemplo 15
Sumário
Se A e B são dois acontecimentos quaisquer, define-se a probabilidade
P( A ∩ B) P( A ∩ B)
condicional como P ( A | B) = e P( B | A) = ,
P( B) P( A)
sendo P( B) ≠ 0 e P( A) ≠ 0 respectivamente.
P ( A ∩ B ) = P( A) × P( B) .
Introdução à Estatística Ensino à Distância 141
Exercícios
1. A seguinte tabela mostra a distribuição dos tipos de sangue na
população em geral.
Auto-avaliação 11
A B AB O
Rh– 6% 2% 1% 6%
2. Numa turma 20% dos alunos falam bem inglês, 40% falam bem
francês e 15% dominam as duas línguas.
a) Qual é P(A∩B)?
b) Qual é P(A\B)?
c) Um estudante de estatística argumenta que os conceitos
de acontecimentos mutuamente exclusivos e de eventos
independentes são realmente os mesmos e que, se os
142 Lição 4
Dados os resultados desse problema, que conclusão geral você tira sobre
acontecimentos mutuamente exclusivos e eventos independentes?
Feedback
Resolução da Auto-avaliação
A B AB O Total
Rh– 6% 2% 1% 6% 15%
P ( Rh − ∩ O) 0,06
P ( Rh − | O) = = ≈ 0,14
P(O) 0,44
P( B ∩ Rh + ) 0,09
f) P ( B | Rh + ) = = ≈ 0,11
Rh + 0,85
3.
P( A ∩ B) 0
b) P( A | B) = = = 0.
P( B) 0,40
Lição nº 5
Probabilidade total e fórmula de
Bayes
Introdução
Na lição anterior, com o conceito de probabilidade condicional, vimos
que a revisão de probabilidades quando uma nova informação é obtida é
um processo importante na análise de probabilidades. Frequentemente
começamos a análise com um cálculo de probabilidade inicial ou prévia.
A partir de fontes como amostras, relatórios ou experiências obtemos
informação adicional. Com essa informação actualizamos os valores
prévios de probabilidade calculados anteriormente determinando as
probabilidades posteriores. O teorema de Bayes fornece um meio para
fazer esses cálculos de probabilidades.
Feedback
Resolução:
B e L são as probabilidades
de não receber a bolsa e de
não se licenciar
respectivamente.
B
L
Figura 13: Diagrama de árvore para o problema exposto acima.
Introdução à Estatística Ensino à Distância 147
P ( L ) = P ( B ∩ L) + P ( B ∩ L)
e P ( B ∩ L) = P ( B ) × P( L | B ) .
Substituindo: P ( L) = P ( B ∩ L) + P ( B ∩ L)
= P( B) × P( L \ B) + P ( B ) × P ( L | B )
= 0,57
A expressão P ( L) = P ( B) × P ( L \ B ) + P( B × P ( L \ B ) chama-se
fórmula de probabilidade total.
b) Facilmente determina-se
P( B ∩ L) P( B) × P( L \ B) 0,3 × 0,85
P( B \ L) = = = ≈ 0,45
P( L) P( L) 0,57
.
P ( B ) = P ( A1 ) × P( B \ A1 ) + P ( A2 ) × P( B \ A2 ) Fórmula de
Probabilidade total para dois acontecimentos.
P ( A1 ∩ B)
E P ( A1 | B) = fórmula de
P ( A1 ) × P( B | A1 ) + P( A2 ) × P ( B | A2 )
Bayes para 2 acontecimentos.
P ( B ) = ∑ P ( Ai ) × P( B | Ai )
P( A1 ∩ B )
P ( A1 | B) =
∑ P( Ai ) × P( B | Ai )
Dados:
BEV=Bem vestidos, MAV
= Mal vestidos, MOV=
Moderamete vestidos. V
V=Vinho
V ∩ MAV V ∩ BEV
P( BEV ) = 0,5
P( MAV ) = 0,4
P ( MOV ) = 0,1
P (V | MOV ) = 0,5
P (V ) = ?
P ( BEV | V ) = ?
a)
P(V) = P(BEV) × P(V | BEV) + P(MOV) × P(V | MOV) + P(MAV) × P(V | MAV)
=0,58.
Sumário
Para determinar probabilidades posteriores use a fórmula de Bayes,
P( A1 ∩ B )
P ( A1 | B) = , onde
∑ P( Ai ) × P( B | Ai )
∑ P( A ) × P( B | A ) = P( B) , com i = 1,2,3,..., n
i i
Exercícios
Dica
Feedback
Resolução da Auto-avaliação
1.
São dados:
A
S
S
B
S
Introdução à Estatística Ensino à Distância 153
b) Pede - se P( B ∩ S ) .
Observe que P ( S ) = P( S ∩ A) + P( S ∩ B ) .
P ( B ∩ S ) = P ( S ) − P ( S ∩ A) substituindo
P ( A ∩ S ) 0,48
de Bayes: P ( A | S ) = = ≈ 0,69 . Repare que
P( S ) 0,7
P ( A ∩ S ) = P( A) × P( S | A) = 0,6 × 0,8 = 0,48 já foi
determinado a alínea anterior.
2. Dados:
H - ‘a pessoa é homem’
M - ‘a pessoa é mulher’
P ( M ) = 1 − 0,55 = 0,45 .
3. Dados:
Esquematicamente:
0,95
+
0,03
D
0,04
+
0,97
B
P (+ ) = P( D) × P(+ | D) + P ( B ) × P (+ | B )
Para verificar que as peças boas (mas consideradas como defeituosas pelo
controle de qualidade) são a maioria basta comparar as contribuições das
duas partes nas peças rejeitadas que correspondem a uma percentagem de
0,0673. As peças boas contribuem em
0,97 × 0,04 = 0,0388 > 0,03 × 0,95 = 0,0285 que é a contribuição das
peças efectivamente defeituosas.
Introdução à Estatística Ensino à Distância 155
4.
Esquematicamente:
0,80
+
0,08
D
− 0,20
+ 0,20
0,92
ND
−
0,80
P( D) × P (+ | D)
P( D | +) = , Substituindo,
P( D) × P (+ | D) + P( ND) × P(+ | ND)
5.
0,6 1 1
A1 D2 A2
0,25
D1
0,4
A1 0,6
A2
0,75 0,25
D2 0,4
D1
A2
0,75
D2
0,6 1 1
A1 D2 A2
0,25
D1
0,4
A1 0,6
A2
0,75 0,25
D2 0,4
D1
A2
0,75
D2
0,6 1 1
A1 D2 A2
0,25
D1
0,4
A1 0,6
A2
0,75 0,25
D2 0,4
D1
A2
0,75
D2
O avião não é abatido em duas hipóteses: não ser detectado por ambas
estações e não ser detectado pela primeira mas ser detectado pela segunda
sem no entanto ser abatido por esta.
P ( A1 ∩ A) P( A1 )
c) P ( A1 | A) = =
P ( A) P( A)
Leitura complementar
Unidade 3
Distribuição normal
Introdução
A distribuição normal é um dos modelos estatísticos mais importantes.
Esta importância prende-se ao facto de muitos acontecimentos na
natureza seguirem a distribuição normal ou se aproximarem a ela. Nesta
unidade vai aprender a determinar percentagens (probabilidades) usando
a distribuição normal e resolver problemas ligados a esta distribuição.
Tempo de estudo da
Unidade: 04:30 Horas
Lição nº 1
Distribuição normal. Uso da tabela
de distribuição normal.
Introdução
Nesta lição vamos introduzir a distribuição normal, falando da curva da
distribuição, e do uso da tabela desta distribuição para determinar
probabilidades de variáveis que sejam normalmente distribuídas.
N° de alunos 3 5 11 14 12 4 1
Tabela 36: Tabela de frequência das alturas de alunos dum curso de contabilidade
30
25
% de alunos
20
15
10
5
0
142.5
147.5
152.5
157.5
162.5
167.5
172.5
177.5
182.5
Altura (cm)
Observe que a área sob o polígono corresponde a 100%. Isto significa ser
possível com ajuda do gráfico encontrar a percentagem de estudantes
com uma altura inferior a 150 cm, bastando para tal conhecer a área sob o
polígono à esquerda de 150.
Introdução à Estatística Ensino à Distância 161
x = Mo = Me
Figura 15: Curva de distribuição normal
1 x−μ
1 − ( )2
f ( x) = e 2 σ
σ 2π
160 1 x −162 2
1 − ( )
7 2π ∫
150
e 2 7
dx ;
Mas tanto a média assim como o desvio padrão podem assumir uma
infinidade de valores, o que implicaria uma infinidade de tabelas
contendo as diversas combinações dos dois parâmetros μ e σ . Como
consequência para o cálculo de probabilidades, em vez de se considerar a
variável original X, utiliza-se a variável Z, designada por variável
estandardizada, reduzida ou normal padrão. A variável Z resulta da
variável X mediante a transformação:
x −μ
z=
σ
Z
0
Figura 16: Área à esquerda da curva de distribuição normal
padrão. FZ ( z ) = P(Z ≤ z )
Introdução à Estatística Ensino à Distância 163
1 − P ( Z < 0,89) , bastando para tal consultar a linha 0,8 e coluna 0,09.
P( Z ≥ 0,89) = 1 − 0,8133 = 0,1867.
Note que:
a) P(Z ≤ 2)
c) P(–2 ≤ Z ≤ 1,43)
a)
2
164 Lição nº 1
b)
-1,35
-2 1,43
a) U
c) P( Z ≤ 1,34)
d) P( Z ≥ −1,09)
e) P(2,07 < Z ≤ 3)
Dica parte, a segunda casa decimal. A primeira parte deve-se consultar na linha
e a outra na coluna. A tabela fornece-nos a parte à esquerda do valor de Z
dado. Os casos de Z ≥ a podem ser resolvidos consultando a área
simétrica Z ≤ − a .
Sumário
A determinação de probabilidades da distribuição normal faz-se mediante
a consulta na tabela. As tabelas constam nos apêndices A e B. A tabela do
apêndice A é vantajosa quando se deseja encontrar a área á esquerda de
um dado valor de Z, enquanto a do apêndice B dá mais facilidades
quando a área a determinar está na parte à esquerda.
166 Lição nº 1
Exercícios
a) P(Z ≤ 1,43)
Auto-avaliação 13
b) P(Z ≥ 1,15)
c) P( Z ≤ -1,24)
d) P( Z ≥ -1,64)
e) P(-2 ≤ Z ≤ -1)
f) P(1,31 ≤ Z ≤ 2,44)
g) P(0 ≤ Z ≤ 2)
Tempo de realização :
30 minutos. h) P(-2 ≤ Z ≤ 0)
i) P(-1,32 ≤ Z ≤ 1,74)
Feedback
− 2 −1
g) P (0 ≤ Z ≤ 2) = P( Z ≤ 2) − P ( Z ≤ 0)
P(−2 ≤ Z ≤ 0) = 47,72%
Ou P (−2 ≤ Z ≤ 0) = P ( Z ≤ 0) − P( Z ≤ −2)
168 Lição nº 1
− 1,32 1,74
Lição nº 2
Resolução de problemas
envolvendo a distribuição normal
Introdução
Na natureza, variáveis como a altura, o peso, a temperatura do corpo do
homem saudável, a quantidade de hemoglobina no sangue, etc,
apresentam aproximadamente uma distribuição normal. Nesta lição vai
usar a distribuição normal para resolver problemas envolvendo esse tipo
de varáveis.
Objectivos
X −μ
z=
σ
Em que:
μ a média e;
σ o desvio padrão.
Feedback
Resolução:
X Z
45 55 -1 1
Figura 17: Diagramas ilustrando a passagem duma distribuição normal para uma
distribuição normal padrão.
X1 − μ 45 − 50
Z1 = = = −1
σ 5
X2 − μ 55 − 50
Z2 = = =1
σ 5
60 − 50
b) P ( X < 60) = P( Z < ) = P ( Z < 2) = 97,72%
5
X −μ
Use a expressão z = para passar o valor da variável para a forma
σ
normal padrão.
Dica
172 Lição nº 2
Feedback
Resolução:
60 − 80
a) P ( X ≤ 60) = P( Z ≤ ) = P( Z ≤ −2) = 2,28%
10
60 − 80 75 − 80
b) P (60 < X < 75) = P( <Z< )=
10 10
90 − 80
c) P ( X > 90) = P ( Z > ) = P ( Z > 1)
10
= 1 − 0,8413 = 15,87%
Introdução à Estatística Ensino à Distância 173
Sumário
Na resolução de problemas envolvendo a distribuição normal há que
mediante a expressão
X −μ
z=
σ
Exercícios
b) P(x ≥ 8).
c) P(10 ≤ x ≤ 13).
b) Entre 54 Kg e 74 Kg;
Teste A Teste B
Desvio padrão 12 11
Feedback
Resolução da auto-avaliação :
1.
10 − 12
a) P ( X ≤ 10) = P ( Z ≤ ) ≈ P ( Z ≤ −1,33) = 9,18%
1,5
8 − 12
b) P ( X ≥ 8) = P( Z ≥ ) ≈ P (−2,67)
1,5
= 1 − 0,0038 = 99,62%
10 − 12 13 − 12
c) P (10 ≤ X ≤ 13) = P( ≤Z≤ )
1,5 1,5
5−8
a) P ( X ≤ 5) = P( Z ≤ ) = P ( Z ≤ −0,75) = 22,66%
4
15 − 8
b) P ( X ≥ 15) = P ( Z ≥ ) = P ( Z ≥ 1,75)
4
3.
64 − 64
Ou P ( X > 64) = P( Z > ) = P( Z > 0) = 0,5 .
10
Introdução à Estatística Ensino à Distância 177
54 − 64 74 − 64
b) P (54 < X < 74) = P ( <Z< )
10 10
4.
5.
4,8 − 5 5,02 − 5
P(Z < ) + P(Z > ) = P ( Z < −1) + ( Z > 1)
0,2 0,2
6.
55 − 46
a) P ( X ≥ 55) = P( Z ≥ ) = P ( Z ≥ 0,75)
12
178 Média
62 − 46
P ( X ≥ 62) = P( Z ≥ ) ≈ P ( Z ≥ 1,33)
12
150 − 135
Francisco Z = 1,25
12
130 − 105
Miguel Z = ≈ 2,27
11
0,85
0,15
Z
Introdução à Estatística Ensino à Distância 179
100 − 87
Z= = 1,625 > 0,84 , o que mostra que estudante admite.
8
9.
50 − 80
a) P ( X < 50) = P( Z < ) = P ( Z < −3) = 0,13%
10
90 − 80
b) P ( X > 90) = P ( Z > ) = P( Z > 1) = 1 − 0,8413
10
= 0,1587 = 15,87%
0,975
0,025
0,975
0,025
90 + S
180 Média
X −μ 90 + S − 80
Z= ⇔ 1,96 = ⇔ 1,96 × 10 = 10 + S
σ 10
Unidade 4
Amostragem, distribuições
amostrais e estimação por
intervalos.
Introdução
O grande objectivo da inferência estatística é estimar parâmetros da
população a partir de medidas estatísticas extraídas de uma parte da
população chamada amostra. Esta unidade introduz-nos aos métodos de
inferência estatística dando realce às distribuições amostrais da média, às
proporções e à estimação por intervalos.
Tempo de estudo da
Unidade: 20:00 Horas
Ao completar esta unidade, você será capaz de:
Lição nº 1
Distribuição amostral e intervalos
de confiança para a média da
população
Introdução
Quais seriam as implicações em usar a média da amostra para estimar a
média da população? Este é um dos problemas fundamentais da
estatística que é discutido nesta lição.
Terminologia
184 Lição nº 1
 Ele pode afirmar que o saldo médio das 10 000 contas bancárias
é 3,28 milhões de meticais?
 Se ele seleccionar uma outra amostra de 500 contas bancárias,
sua média será necessariamente igual a 3,28 milhões de
meticais?
70 80 93 86 85 96 40 72
90 56 52 67 40 99 86 96
78 57 89 49 48 56 56 49
99 72 30 96 94 52 67 56
μ= X1 = X2 = X3 =
Actividade 22 Compare cada uma das médias da amostra com a média da população.
X 1 = 75,75
μ = 71,55
X 1 = 68,25
X1 = 62,25
μ = 71,55
X = 69,85
X = 69,85 .
σ 20,1
σX = = = 11,8 .
n 3
95%
-1,96 +1,96
Isto significa que há 95% de certeza de que a média das notas do exame
esteja entre 46,75 (69,85 - 23,1) e 92,95 (69,85 + 23,1). Note que admite-
se em 5% dos casos que a verdadeira média esteja fora do intervalo
proposto, isto é, admite-se um erro em 5% na estimativa da média das
notas do exame. Este valor é conhecido como nível de signficância.
σ
Passo 1 Determine o erro padrão da média.( σ X = )
n
σ 38
σX = = = 2,8
n 190
Sumário
Uma forma de estimar a média da população é construir um intervalo de
confiança, com um grau de confiança conhecido. O intervalo para a
média da população com distribuição normal e desvio padrão da
população conhecido é dado por. X ± Z cσ X .
Exercícios
Auto-avaliação 15 aleatória de 160 blocos foi tomada, num determinado dia, tendo-
se constatado que possui média 4,07.
Tempo de realização :
02:00 horas.
190 Lição nº 1
Feedback
Resolução da Auto-avaliação
1.
normal.
0,95
0,025 0,025
− 1,96 1,96
σ 0,12
X ± Zα = 4,07 ± 1,96 × = 4,07 ± 0,02
2 n 160
2.
σ
O intervalo de confiança é dado por X ± Z α , com α = 0,1 ,
2 n
α
= 0,05 e Z α = 1,64 . (também pode usar o valor 1,65 uma vez que
2 2
σ 1,4
Então: X ± Z α = 26,88 ± 1,64 × = 26,88 ± 0,94
2 n 6
3.
σ σ σ σ σ
= X + Zα − (X − Zα ) = X + Zα − X + Zα = 2Z α
2 n 2 n 2 n 2 n 2 n
0,039
0,015 × Z α = 0,039 ⇔ Z α = = 2,6 .
2 2
0,015
Introdução à Estatística Ensino à Distância 193
σ 0,06
Já vimos anteriormente que 2 Z α = A ⇔ 2 × 2,6 × = 0,039 ,
2 n n
elevando ao quadrado ambas igualdades segue:
Lição nº 2
Teorema do limite central
Introdução
O resultado apresentado na lição anterior apresenta um resultado apenas
para casos em que a população segue aproximadamente uma distribuição
normal. Esta lição apresenta uma solução que pode ser usada para casos
mas diversos, mesmo que a distribuição seja desconhecida.
Objectivos
S n − nμ
aleatória , segue uma distribuição normal com média 0 e
σ n
variância 1 {N(0, 1)}; com S n = X 1 + X 2 + ... + X n .
X −μ
variável Z = segue aproximadamente uma distribuição normal
σX
com média 0 (zero) e variância 1. Um intervalo de confiança para a
média da população é dado por X ± Z cσ X . O valor correspondente a um
IC de 90% é Z c = 1,64
196 Lição nº 2
0,1
X ± Z cσ X = 2,1 ± 1,64 × = 2,1 ± 0,03 ⇒ 2,07 < μ < 2,13
31
250 265 267 269 271 275 277 281 283 284
287 289 291 293 293 298 301 303 306 307
307 309 311 315 319 322 324 328 335 339
X =
∑x i
=
8899
= 296,6
n 30
s′ =
∑x 2
i − nx 2
=
2654071 − 30 × 296,62
= 22,7
n −1 29
s′ 22,7
s′X = = = 0,76
n 30
Introdução à Estatística Ensino à Distância 197
Uma vez que o intervalo não contém o valor de 300 kg, conclui-se com
95% de confiança que esta amostra não satisfaz às especificações.
Sumário
Quando a distribuição da população não é conhecida e a tamanho da
amostra for de 30 ou mais, a distribuição amostral da média segue
aproximadamente uma distribuição normal. O intervalo de confiança é
dado por X ± Z cσ X . No caso de não se conhecer o desvio padrão da
Exercícios
31 31
∑x
i =1
i = 54,3; ∑x
i =1
2
i = 95,57
Feedback
Resolução da Auto-avaliação
1.
σ 4000
X ± Zα = 42000 ± 1,48 × = 42000 ± 374,4
2 n 250
s′ 0,62
2. X ± Zα = 1,64 ± 1,64 × = 1,64 ± 0,05
2 n 400
s′ 12
3. X ± Zα = 36 ± 1,04 × = 36 ± 1,14
2 n 120
X =
∑x i
=
54,3
= 1,75
n 31
s′ =
∑x 2
i − nx 2
=
95,57 − 31 × 1,75 2
= 0,15
n −1 30
200 Lição nº 2
s′ 0,15
X ± Zα = 1,75 ± 2,57 × = 1,75 ± 0,07
2 n 31
Lição nº 3
Determinação do tamanho da
amostra
Introdução
Uma pergunta comum quando se deseja fazer estudo estatístico é: que
tamanho da amostra devo recolher para este estudo? Este capítulo tenta
responder esta questão.
Objectivos
Z c2σ 2 Z c2σ 2
= E , e, isolando o n segue: n =
2
. Esta expressão
n E2
possibilita a determinação do tamanho da amostra necessário para
satisfazer uma certa margem de erro. Note que o desvio padrão da
população deverá ser conhecido.
Z c2σ 2
A expressão para determinar o tamanho da amostra é n =
E2
Z c2σ 2 1,96 2 × 25 2
n= = = 97
E2 52
Sumário
Se uma desejada margem de erro E é escolhida antes da amostragem, os
procedimentos desta lição podem ser usados para determinar o tamanho
necessário da amostra para satisfazer as exigências da margem de erro.
Z c2σ 2
Use a expressão n = para determinar tal valor de n. Note que o
E2
desvio padrão da população deve ser conhecido.
Introdução à Estatística Ensino à Distância 203
Exercícios
a) 125 MT
b) 100 MT
c) 50 MT
Feedback
Resolução de Auto-avaliação
1.
σ 2
a) X ± Zα = 12,5 ± 1,96 × = 12,5 ± 0,98
2 n 16
Z c2σ 2 1,96 2 × 2 2
n= = = 6147 ou mais.
E2 0,05 2
2.
Lição nº 4
Intervalos de confiança com a
distribuição t de Student.
Introdução
No caso em que o tamanho da amostra é menor que 30 o teorema de
limite central não pode ser aplicado. A distribuição amostral de X
depende da distribuição da população. Se a distribuição da população é
normal e o desvio padrão da população é conhecido, o procedimento
apresentado nas lições 1 e 2 pode ser usado para desenvolver um
intervalo de confiança para μ . No caso em que a população é normal e o
desvio padrão da população não é conhecido, este pode ser estimado a
partir do desvio padrão da amostra. Neste caso, a distribuição amostral
segue a distribuição conhecida como t de Student. Se a hipótese de
distribuição normal para a população não é apropriada a única alternativa
é aumentar o tamanho da amostra para 30. Nesta lição é dada especial
atenção a casos em que n < 30 , desconhecendo o desvio padrão da
população.
s′ =
∑ (x − x)
i
2
=
∑x
2
i − nx 2
n −1 n −1
s
. sX =
n
X −μ
A estatística T= segue não a distribuição normal mas a
sX
distribuição t de Student (em homenagem ao matemático que a descobriu
de nome William Sealy Gosset) com n − 1 graus de liberdade. Quanto
maior o tamanho da amostra, maior é o número de graus e liberdade e
mais próxima da distribuição normal está a distribuição t.
(figura)
a)
1,782
X −μ
antes a estatística T = segue a distribuição t de Student com
sX
n − 1 graus de liberdade. O intervalo de confiança para a média da
população neste caso é dado por X ± ts X .
X =
∑x i
=
27
= 2,7 .
n 10
s′ =
∑x 2
i − nx 2
=
89 − 10 × 2,7 2
= 1,3
n −1 9
s′ 1,3
sX = = = 0,4
n 10
s′ 10
sX = = = 2,4
n 18
n − 1 = 17 IC = 0,9 ⇒ tα = 1,740
2
Sumário
Para pequenas amostras de populações normais em que se desconhece o
valor do desvio padrão, o intervalo de confiança pode ser construído
usando a distribuição t. tal intervalo e dado por X ± t α s X
2
Exercícios
∑ ∑
25 25 2
x = 75 ;
i =1 i
x = 321
i =1 i
6,9 7,8 7,3 6,8 7,6 7,6 7,0 6,6 6,5 7,1 6,5 5,5 7,1
7,2 6,0 6,2 7,6 6,9 5,8 7,2 5,3 6,7 6,0 8,6 7,7.
Feedback
Resolução da auto-avaliação
1.
s′ 180
a) X ± tα s X = X ± tα = 1200 ± 2,947 ×
2 2 n 16
X =
∑x i
=
75
= 3.
n 25
s′ =
∑x 2
i − nx 2
=
321 − 25 × 3 2
=2
n −1 24
s′ 2
X ± tα = 3 ± 2,064 × = 3 ± 0,83
2 n 25
xi xi2
5.3 28.09
5.5 30.25
5.8 33.64
6 36
6 36
6.2 38.44
6.5 42.25
6.5 42.25
6.6 43.56
6.7 44.89
6.8 46.24
6.9 47.61
6.9 47.61
7 49
7.1 50.41
7.1 50.41
7.2 51.84
7.2 51.84
7.3 53.29
7.6 57.76
7.6 57.76
7.6 57.76
7.7 59.29
7.8 60.84
8.6 73.96
171.5 1190.99
X =
∑x i
=
171,5
= 6,86 .
n 25
s′ =
∑x 2
i − nx 2
=
1190,99 − 25 × 6,86 2
≈ 3,14
n −1 24
s′ 3,14
X ± tα = 6,86 ± 2,064 × = 6,86 ± 1,30
2 n 25
Lição nº 5
Intervalo de confiança para
proporções
Introdução
x
pˆ =
n
pˆ qˆ
proporções (erro padrão) é igual a , ( q = 1 − p ).
n
Nos casos em que não temos p e q estes podem ser
estimados a partir de p̂ e q̂ .
pˆ − p
Então, a estatística Z = segue uma distribuição normal de média
sp
pq
o (zero) e desvio padrão 1, com s p = ;
n
74 0,62 × 0,38
pˆ = = 0,62 ; s p = = 0,04 , Z c = 1,96
120 120
pqZ α2
pq
E = Zα sp = Zα ⇒n= 2
.
2 2
n E2
0,25 × 1,642
n= = 421 .
0,042
218 Lição nº 5
c)
x 921
pˆ = = = 0,921
n 1000
pq 0,921 × 0,079
sp = = = 0,009
n 1000
Sumário
Um intervalo de confiança para proporção é dado por pˆ ± Z α s p em que
2
pq
sp = é o desvio padrão amostral. Nos casos em que p não é
n
conhecido estime-o a partir de p̂ . Desejado o tamanho da amostra para
pqZ α2
satisfazer uma certa margem de erro use n = 2
E2
Exercícios
Auto-avaliação 19 cabeça. Num inquérito feito a 250 pessoas, 198 concordaram que
o chá cura de facto as dores de cabeça. Construa um intervalo de
confiança de 99% para a percentagem de potenciais
consumidores que concordam com o dono da ervanária.
Feedback
Resolução da Auto-avaliação
pq 198
pˆ ± Z α , substituindo, pˆ = = 0,792 e usando este para
2
n 250
estimar p, (não se esqueça que q = 1 - p ) resulta:
pq 0,792 × 0,208
pˆ ± Z α = 0,792 ± 2,57 × = 0,792 ± 0,066
2
n 250
2.
pq 0,15 × 0,85
a) pˆ ± Z α = 0,15 ± 2,57 × = 0,15 ± 0,065
2
n 200
pqZ α2
0,15 × 0,85 × 2,57 2
b) n= 2
= = 2106 , use p̂ no lugar de
E2 0,02 2
p.
3.
pq 0,66 × 0,34
a) pˆ ± Z α = 0,66 ± 2,57 × = 0,66 ± 0,087
2
n 195
4.
pq 0,15 × 0,85
i) pˆ ± Z α = 0,15 ± 1,96 × = 0,15 ± 0,04
2
n 300
pq 0,15 × 0,85
i) pˆ ± Z α = 0,15 ± 2,57 × = 0,15 ± 0,05
2
n 300
pq 0,55 × 0,45
5. pˆ ± Z α = 0,55 ± 2,57 × = 0,55 ± 0,13
2
n 100
Unidade 5
Testes de Hipóteses
Introdução
Tempo de estudo da
Unidade: 12:00 Horas
aceitação.
Lição nº 1
Testes de hipótese para a média e
proporção da população
Introdução
H 0 : μ ≥ 37°C .
H a : μ < 37°C .
a) H 0 : μ ≥ 250 b) H 0 : μ ≤ 250 c)
H 0 : μ = 250
H a : μ ≠ 250
H 0 : μ ≤ 250
H a : μ > 250
95%
2,5% 2,5%
valor que está a ser testado esteja dentro do intervalo e rejeita-lo caso
contrário.
228 Lição nº 1
95%
2,5% 2,5%
95%
2,5% 2,5%
95%
2,5% 2,5%
X −μ
Z= → N (0,1) .
sX
36,78 − 37
Substituindo segue: Z = = −7,19 , que pertence à região de
0,315
106
rejeição, o que nos leva a rejeitar a hipótese nula como no procedimento
anterior.
230 Lição nº 1
Tipos de Erro
Realidade
Manter a
Decisão Correcta Erro tipo II
hipótese nula
Decisão
Rejeitar a
Erro tipo I Decisão correcta
hipótese nula
Valor p
Uma outra abordagem que pode ser usada para se decidir rejeitar ou não
H 0 está baseada numa probabilidade chamada valor p.
36,78 − 37
Z= = −7,19
0,315
106
H 0 : μ = 15,2 minutos
H a : μ ≠ 15,2 minutos
X −μ
portanto Z = → N (0, 1) .
s′X
bilateral.
X − μ 14,3 − 15,2
Z= = = −1,06
s′X 5
35
X −μ
estatística T = segue a distribuição t de Student
s′X
com n − 1 graus de liberdade.
X − μ 63 − 60
T = = = 3,231
s′X 5
29
a)
H 0 : p ≤ 0,80 .
H a : P > 0,80 .
pˆ − p
Z= segue a distribuição normal com média 0 e
sp
desvio padrão 1.
α = 0,05 ⇒ Zα = 1,64 .
pˆ − p 0,85 − 0,80
Z= = = 2,80
pˆ qˆ 0,85 × 0,15
n 400
b)
Sumário
Um dos primeiros passos no teste de hipóteses é a determinação de H 0 e
H a . Embora na maior parte dos casos esta escolha não seja óbvia, o
importante é colocar sempre a hipótese da pesquisa como hipótese
alternativa.
X −μ
Use Z = (Esta estatística segue distribuição normal com média
σ
n
zero e desvio padrão 1) para casos em que n ≥ 30 , estimando σ (desvio
padrão da população) por s ′ (desvio padrão da amostra) nos casos em que
não se conhece.
X −μ
Use T = (T segue distribuição t com n-1 graus de liberdade) nos
s′
n
casos em que a população segue distribuição normal e desconhece-se o
desvio padrão.
pˆ − p
Z= (Z segue distribuição normal com média 0 e desvio padrão
pˆ qˆ
n
1) para proporções;
uma regra de rejeição para a hipótese nula. Se este não for dado, use
α = 0,05 ;
Exercícios
15 15
∑x
i =1
i = 1407 ∑ (x − x)
i =1
i
2
= 1674
Tempo de realização:
02:00 Horas.
Admitindo a normalidade dos pesos, qual a sua opinião, ao nível
de significância de 1%, relativamente à afirmação dos
fabricantes.
150 150
∑ xi = 1498
i =1
∑ (x − x)
i =1
i
2
= 600
Feedback
Resolução da Auto-avaliação
1.
H 0 : μ = 100 g
H a : μ ≠ 100 g
X −μ
estatística T = segue a distribuição t de Student
s′X
com n − 1 graus de liberdade.
de um teste bilateral.
X =
∑x i
=
1407
= 93,8 .
n 15
Introdução à Estatística Ensino à Distância 241
s′ =
∑ (x i − x)2
=
1674
= 10,9
n −1 14
X − μ 93,8 − 100
T= = = −2,2
s′ 10,9
n 15
2.
H 0 : μ ≤ 8 Horas.
H a : μ > 8 horas
X −μ
portanto Z = → N (0, 1) .
s′X
X =
∑x i
=
1498
= 10,0 .
n 150
s′ =
∑ (x i − x)2
=
600
= 2,46
n −1 99
X − μ 10,0 − 8
Z= = = 9,96
s′ 2,46
n 150
3.
X =
∑x i
=
1850
= 74
n 25
σ 50
X ± Zα = 74 ± 1,96 × = 74 ± 19,6
2 n 25
b)
H 0 : μ ≥ 100 euros
unilateral à esquerda.
X =
∑x i
=
1850
= 74 .
n 25
X −μ 74 − 100
Z= = = −2,6
σ 50
n 25
4.
pq 0,6 × 0,4
a) pˆ ± Z α = 0,6 ± 1,96 × = 0,6 ± 0,06
2
n 220
pqZ α2
0,6 × 0,4 × 1,96 2
n= 2
= = 257
E2 0,06 2
H a : P ≠ 0,5 .
onde
pˆ − p
Z= segue a distribuição normal com média 0 e
pq
n
desvio padrão 1.
pˆ − p 0,6 − 0,5
Z= = = 2,97
pq 0,5 × 0,5
n 220
H 0 : p = 0,5 .
H a : P ≠ 0,5 .
pˆ − p
Z= segue a distribuição normal com média 0 e
pq
n
desvio padrão 1.
246 Lição nº 1
pˆ − p 0,45 − 0,5
Z= = = −1
pq 0,5 × 0,5
n 100
Lição nº 2
Teste de hipótese para diferença
de médias. O caso de amostras
independentes.
Introdução
De certeza em algum momento já procurou resposta para a seguinte
questão: Será que as notas da milha turma à estatística são melhores que
as da outra turma? O que seria necessário fazer neste caso é comparar a a
nota media a turma. Este procedimento é discutido nesta lição.
Amostras independentes
X1 − X 2 σ 12 σ 22
Z= → N (0,1); σX = + , Quando
σX 1−X2
1−X2
n1 n2
X1 − X 2 n1s12 + n2 s22
T = → t (n1 + n2 − 2); σ =
1 1 n1 + n2 − 2
σ +
n1 n2
Por não ser de grande utilidade prática não se aborda o caso em que as
variâncias dos dois grupos são desconhecidas e diferentes.
H 0 : μ1 = μ 2
H a : μ1 ≠ μ2
Introdução à Estatística Ensino à Distância 249
X1 − X 2 180 − 170
O valor do teste é Z = = = 3,3 , o que indica que a
σX 1−X2
3,0
H1 : μ1 > μ 2 .
X1 − X 2
T = → t (n1 + n2 − 2);
1 1
σ +
n1 n2
n1s12 + n2 s22 25 × 82 + 28 × 62
σ = = = 7,2
n1 + n2 − 2 25 + 28 − 2
X1 − X 2 75 − 72
T = = = 1,51
1 1 1 1
σ + 7,2 × +
n1 n2 25 28
Sumário
Para testar a diferença de médias use
X1 − X 2 σ 12 σ 22
Z= → N (0,1); σX = + quando as
σX 1−X2
1−X2
n1 n2
X1 − X 2 n1s12 + n2 s22
T = → t (n1 + n2 − 2); σ = quando a
1 1 n1 + n2 − 2
σ +
n1 n2
suposição de igualdade das variâncias pode ser assumida.
Exercícios
1. Os testes de aptidão para um curso numa Universidade
forneceram os resultados seguintes (por sexo):
Auto-avaliação 21
Tempo de realização: Tabela 41: Estatísticas de amostras de homens e mulheres duma Universidade.
02:00 Horas.
Teste a hipótese de que as duas populações tem médias iguais,
adoptando a hipótese alternativa de que os homens têm média
mais alta que as mulheres.
252 Lição nº 2
Sr. Caracol 16 22 20
Sr. Vagaroso 21 29 12
I 13 74,5 82,6
II 11 71,8 112,6
Fornecedor A Fornecedor B
n1 = 50 n2 = 30
s1 = 3 dias s2 = 2 dias
Administradores Economistas
30,6 31,6
31,2 26,6
28,9 25,5
35,2 25,0
25,1 25,9
33,2 32,9
31,3 26,9
35,3 25,8
31,0 27,5
30,1 29,6
29,9 23,9
24,4 26,9
24,4 25,5
Feedback
Resolução da auto-avaliação:
1.
H1 : μ1 > μ 2 .
Introdução à Estatística Ensino à Distância 255
X1 − X 2
O valor do teste é Z = ,
σ X −X
1 2
s1′ 21 s 2′ 2
em que σˆ X = + .
1−X2
n1 n2
X1 − X 2 X1 − X 2 85,8 − 71,5
Z= = = = 7,3
σ X −X s1′
2
s′ 2
19,3 2 12,2 2
1 2
+ 2 +
n1 n 2 151 108
2.
H 0 : μ1 ≤ μ2 ,
H1 : μ1 > μ 2 .
X1 − X 2
T = → t (n1 + n2 − 2); com
1 1
σ +
n1 n2
n1 s12 + n2 s 22
σ= .
n1 + n2 − 2
n1 s12 + n2 s 22 21 × 20 2 + 16 × 12 2
σ= = = 17,49
n1 + n2 − 2 21 + 16 − 2
X1 − X 2 29 − 22
T= = = 1,21
1 1 1 1
σ + 17,49 × +
n1 n2 21 16
3.
H 0 : μ1 = μ 2 ,
H 1 : μ1 ≠ μ 2 .
X1 − X 2
T = → t (n1 + n2 − 2); com
1 1
σ +
n1 n2
n1 s12 + n2 s 22
σ= .
n1 + n2 − 2
258 Lição nº 2
X1 − X 2 74,5 − 71,8
T= = = 0,64 .
1 1 1 1
σ + 10,25 × +
n1 n 2 13 11
4.
H 0 : μ1 ≤ μ 2
H1 : μ1 > μ 2 .
X1 − X 2
O valor do teste é Z = ,
σ X −X
1 2
s1′ 21 s 2′ 2
em que σˆ X = + .
1−X2
n1 n2
X1 − X 2 X1 − X 2 14 − 12,5
Z= = = = 2,68 .
σ X −X s1′ 2 s 2′ 2 32 2 2
1 2
+ +
n1 n2 50 30
5.
H 0 : μ1 = μ 2 ,
H 1 : μ1 ≠ μ 2 .
X1 − X 2
T = → t (n1 + n2 − 2); com
1 1
σ +
n1 n2
n1 s12 + n2 s 22
σ= .
n1 + n2 − 2
xi x12 xi x12
30,6 936,36 31,6 998,56
31,2 973,44 26,6 707,56
28,9 835,21 25,5 650,25
35,2 1239,04 25 625
25,1 630,01 25,9 670,81
33,2 1102,24 32,9 1082,41
31,3 979,69 26,9 723,61
35,3 1246,09 25,8 665,64
31 961 27,5 756,25
30,1 906,01 29,6 876,16
29,9 894,01 23,9 571,21
24,4 595,36 26,9 723,61
366,2 11298,46 24,4 595,36
25,5 650,25
378 10296,68
X1 =
∑x i
=
366,2
≈ 30,5 . X2 =
∑x i
=
378
= 27
n1 12 n2 14
s 2
=
∑x 2
i − n1 x12
=
11298,46 − 12 × 30,5 2
= 12,3
1
n1 − 1 11
s 2
=
∑x 2
i − n2 x 22
=
10296,68 − 14 × 27 2
= 7, 0
2
n2 − 1 13
X1 − X 2 30,5 − 27
T= = = 2,78 .
1 1 1 1
σ + 3,2 × +
n1 n 2 12 14
262 Lição nº 2
Lição nº 3
Teste de hipótese para diferença
de médias. Caso de amostras
emparelhadas.
Introdução
Na lição anterior foi tratado o caso de comparação de médias para duas
amostras independentes. Esta lição apresenta o teste de hipóteses no caso
em que as amostras são emparelhadas. É o caso da comparação de médias
envolvendo e mesmo conjunto de dados em dois momentos diferentes
(antes e depois).
Amostras Emparelhadas
Avaliação de compra
1 5 6
2 4 6
3 7 7
4 3 4
5 3 5
6 9 8
7 7 5
8 6 6
H a : μ1 < μ 2 ou d < 0
Introdução à Estatística Ensino à Distância 265
d
T = ,
sd
onde: d =
∑d i
é a média das diferenças e
n
s
sd = é o erro padrão. O desvio padrão da diferença é dado por
n −1
s=
∑d i
2
− nd 2
n
1 5 6 -1 1
2 4 6 -2 4
3 7 7 0 0
4 3 4 -1 1
5 3 5 -2 4
6 9 8 1 1
7 7 5 2 4
8 6 6 0 0
Total - - -3 15
3
d =− = −0,375
8
s=
∑d i
2
− nd 215 − 8 × (−0,375) 2
= = 1,32
n 8
s 1,32
sd = = = 0,50
n −1 8 −1
d − 0,375
T = = = −0,75
sd 0,50
Como − 0,75 > −1,895 a decisão a tomar é não rejeitar a hipótese nula,
o que mostra que não houve uma variação significativa na média do
potencial de compra depois do comercial.
Exemplo 31
Indivíduo A B C D E F G H I J
Antes do 52 45 55 50 55 47 50 46 56 53
almoço
Depois do 50 49 51 48 53 43 49 47 55 50
almoço
H0 : d = 0
Ha : d ≠ 0
Introdução à Estatística Ensino à Distância 267
d
T= , segue distribuição t de Student com n − 1 graus
sd
de liberdade.
− 1,383 a 1,383
d =
∑d i
=
14
= 1,4
n 10
s=
∑d i
2
− nd 2
=
72 − 10 × 1,42
= 2,29
n 10
s 2,29
sd = = = 0,76
n −1 10 − 1
d 1,4
T= = = 1,84
sd 0,76
Sumário
O teste a usar para hipóteses no caso de amostras emparelhadas é
d
T = ,
sd
onde: d =
∑d i
é a média das diferenças e
n
s
sd = é o erro padrão. O desvio padrão da diferença é dado por
n −1
s=
∑d i
2
− nd 2
n
Exercícios
Tempo de realização :
02:00 Horas.
Introdução à Estatística Ensino à Distância 269
Estudantes A B C D E F G H I J K
Teste diagnóstico 08 10 15 06 09 15 07 05 18 17 13
Teste final 10 12 16 18 12 14 14 07 18 18 15
Sem aditivo 8,08 6,85 8,46 7,80 7,0 10,53 8,47 6,79 7,11 9,30
6
Com aditivo 7,71 6,72 8,42 7,76 6,7 10,34 8,42 6,21 6,83 9,29
0
Feedback
Resolução da Auto-Avaliação
1.
Passo 1. Determinar as hipóteses nula e alternativa:
H0 : d ≤ 0
Ha : d > 0
liberdade; onde s d =
s
com s =
∑d i
2
− nd 2
n −1 n
Nº Nº
Quiexas queixas
Org. antes depois di d i2
A 33 34 -1 1
B 25 27 -2 4
C 18 7 11 121
D 45 20 25 625
E 19 5 14 196
F 10 2 8 64
G 10 0 10 100
H 15 2 13 169
I 15 12 3 9
J 14 10 4 16
K 8 2 6 36
L 2 8 -6 36
M 2 0 2 4
N 0 0 0 0
O 1 0 1 1
88 7744
d =
∑d i
=
88
≈ 6,29
n 14
d d 6,29
T= = = = 0,97
sd d − nd
i
2 2
7744 − 14 × 6,29 2
n(n − 1) 14 × 13
2.
Passo 1. Determinar as hipóteses nula e alternativa:
H0 : d ≤ 0
Ha : d > 0
d
T= , segue distribuição t de Student com n − 1 graus de
sd
liberdade; onde s d =
s
com s =
∑d i
2
− nd 2
n −1 n
d =
∑d i
=
− 31
≈ −2,82
n 11
d d − 2,82
T= = = = −2,56
sd d − nd
i
2 2
221 − 11 × (−2,82) 2
n(n − 1) 11 × 10
3.
Passo 1. Determinar as hipóteses nula e alternativa:
H0 : d ≤ 0
Ha : d > 0
d
T= , segue distribuição t de Student com n − 1 graus de
sd
liberdade; onde s d =
s
com s =
∑d i
2
− nd 2
n −1 n
d =
∑d i
=
2,05
≈ −0,205
n 10
d d 0,205
T= = = = 3,44
sd d i2 − nd 2 0,7401 − 10 × (0,205) 2
n(n − 1) 10 × 9
Leitura LEVIN, Jack et al; Estatística para ciências Humanas. São Paulo.Editora
Pearson, 2004.
274 Unidade 6
Unidade 6
O teste de independência do Qui-
quadrado
Introdução
Expressões como estas são frequentes no nosso dia a dia:
Há mais mulheres infectadas pelo HIV do que homens. Como testar tais
hipóteses?
Tempo de estudo da
Unidade: 04:00 Horas
Lição nº 1
Teste de independência do Qui-
quadrado.
Introdução
Até agora a inferência estatística tem sido apresentada em relação a
problemas paramétricos. Nos problemas não paramétricos sucede em
geral que a forma de distribuição da população não é conhecida. Os
métodos não paramétricos introduzem procedimentos aplicáveis
independentemente da forma da distribuição.
Resultado Final
Alto 23 45
Baixo 97 75
Resultado Final
Alto 23 45 68
Baixo 97 75 172
68 × 120
34 = = e11 (frequência esperada da linha 1 e coluna 1)
240
Resultado Final
Tabela 52: Frequência observada e esperada dos dados sobre os resultados dos alunos da 12ª
classe.
( f ij − eij ) 2
χ 2 = ∑∑ ,
i j eij
Onde:
Para tirar alguma conclusão, o valor obtido deve ser comparado com o
valor do Qui-quadrado tabelado com (l − 1)(c − 1) graus de liberdade.
b) À direita de 27,59
2. Determine:
a) χ 02,95 (17)
Homens 19 15 24
Mulheres 16 18 16
Feedback
Resolução:
Desporto Preferido
Homens 19 15 24 58
Mulheres 16 18 16 50
Total 35 33 40 108
58 × 35 58 × 33 58 × 40
e11 = = 18,80 e12 = = 17,72 e13 = = 21,48
108 108 108
50 × 35 50 × 33 50 × 40
e21 = = 16,20 e22 = = 15,28 e23 = = 15,52
108 108 108
( f ij − eij ) 2
Célula f ij eij f ij − eij ( f ij − eij ) 2
eij
Total 1,2168
χ 2 ≈ 1,22
Nota:
distribuição de Qui-quadrado.
Sumário
Uma aplicação da distribuição qui-quadrado é o uso de dados amostrais
para testar a independência de duas variáveis. A estatística do teste é
( f ij − eij ) 2
χ = ∑∑
2
.
i j eij
Exercícios
1. Perguntamos a 50 fumantes e a 50 não fumantes se eles
acreditam que o fumo pode conduzir ao cancro do pulmão e
Fumantes 11 39
Não Fumantes 28 22
Tempo de realização: Tabela 56: percepção de fumantes e não fumantes sobre a influência do fumo no cancro
do pulmão.
02:00 Horas.
Introdução à Estatística Ensino à Distância 283
Preferência
Solteiro 40 25 30
Casado 26 31 33
Divorciado 46 33 31
Viúvo 33 38 34
Classificação
Atribuída 10 35 50
Não atribuída 75 20 10
Feedback
Resolução:
1.
Passo 1 Determinar as hipóteses H 0 e H a :
Fumantes 11 39 50
Não Fumantes 28 22 50
Total 39 61 100
Introdução à Estatística Ensino à Distância 285
50 × 39 50 × 61
e11 = = 19,5 e12 = = 30,5
100 100
50 × 39 50 × 61
e21 = = 19,5 e22 = = 30,5
100 100
( f ij − eij ) 2
Célula f ij eij f ij − eij ( f ij − eij ) 2
eij
Total 12,1479613
χ 2 ≈ 12,15
2.
Preferência
Total
Estado civil Policial Comédia Romance
Solteiro 40 25 30 95
Casado 26 31 33 90
Divorciado 46 33 31 110
Viúvo 33 38 34 105
95 × 145 95 × 127
e11 = = 34,4375 e12 = = 30,1625
400 400
95 × 128 90 × 145
e13 = = 30,4 e21 = = 32,625
400 400
Introdução à Estatística Ensino à Distância 287
90 × 127 90 × 128
e22 = = 28,575 e23 = = 28,8
400 400
110 × 145 110 × 127
e31 = = 39,875 e32 = = 34,925
400 400
110 × 128 105 × 145
e13 = = 35,2 e41 = = 38,0625
400 400
105 × 127 105 × 128
e42 = = 33,3375 e43 = = 33,6
400 400
( f ij − eij ) 2
Célula f ij eij f ij − eij ( f ij − eij ) 2
eij
Total 6,8291944
χ 2 ≈ 6,83
288 Lição nº 1
3.
Classificação
Total
Bolsa Suficiente Bom Muito Bom
Atribuída 10 35 50 95
95 × 85 95 × 55
e11 = = 40,375 e12 = = 26,125
200 200
95 × 60 105 × 85
e13 = = 28,5 e21 = = 44,625
200 200
105 × 55 105 × 60
e22 = = 28,875 e32 = = 31,5
200 200
( f ij − eij ) 2
Célula f ij eij f ij − eij ( f ij − eij ) 2
eij
Total 80,1638678
χ 2 ≈ 80,16
Anexos
Técnicas de Amostragem
Amostragem probabilística
Amostragem Sistemática
Amostragem Estratificada
Amostragem acidental.
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
296 P(Z<z) (área à esquerda do valor de Z indicado)
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
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
Introdução à Estatística Ensino à Distância 297
-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
298 P(Z<z) (área à esquerda do valor de Z indicado)
-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
Introdução à Estatística Ensino à Distância 299
0 t
(valor tabulado)
α
0,995 0,99 0,975 0,95 0,90 0,75 0,50 0,25 0,10 0,05 0,025 0,01 0,005 0,001
ϕ
1 0,0004 0,002 0,001 0,004 0,016 0,102 0,455 1,323 2,706 3,841 5,024 6,635 7,879 10,828
2 0,010 0,020 0,051 0,103 0,211 0,575 1,386 2,773 4,605 5,991 7,378 9,210 10,597 13,816
3 0,072 0,115 0,216 0,352 0,584 1,213 2,366 4,108 6,251 7,815 9,348 11,345 12,838 16,266
4 0,207 0,297 0,484 0,711 1,064 1,923 3,357 5,385 7,779 9,488 11,143 13,277 14,860 18,467
5 0,412 0,554 0,831 1,145 1,610 2,675 4,351 6,626 9,236 11,071 12,833 15,086 16,750 20,515
6 0,676 0,872 1,237 1,635 2,204 3,455 5,348 7,841 10,645 12,592 14,449 16,812 18,548 22,458
7 0,989 1,239 1,690 2,167 2,833 4,255 6,346 9,037 12,017 14,067 16,013 18,475 20,278 24,322
8 1,344 1,646 2,180 2,733 3,490 5,071 7,344 10,219 13,362 15,507 17,535 20,090 21,955 26,125
9 1,735 2,088 2,700 3,325 4,168 5,899 8,343 11,389 14,684 16,919 19,023 21,666 23,589 27,877
10 2,156 2,558 3,247 3,940 4,865 6,737 9,342 12,549 15,987 18,307 20,483 23,209 25,188 29,588
11 2,603 3,053 3,816 4,575 5,578 7,584 10,341 13,701 17,275 19,675 21,920 24,725 26,757 31,264
12 3,074 3,571 4,404 5,226 6,304 8,438 11,340 14,845 18,549 21,026 23,337 26,217 28,299 32,909
13 3,565 4,107 5,009 5,892 7,042 9,299 12,340 15,984 19,812 22,362 24,736 27,688 29,819 34,528
14 4,075 4,660 5,629 6,571 7,790 10,165 13,339 17,117 21,064 23,685 26,119 29,141 31,319 36,123
15 4,601 5,229 6,262 7,261 8,547 11,036 14,339 18,245 22,307 24,996 27,488 30,578 32,801 37,697
16 5,142 5,812 6,908 7,962 9,312 11,912 15,338 19,369 23,542 26,296 28,845 32,000 34,267 39,252
17 5,697 6,408 7,564 8,672 10,085 12,792 16,338 20,489 24,769 27,587 30,191 33,409 35,718 40,790
18 6,265 7,015 8,231 9,390 10,865 13,675 17,338 21,605 25,989 28,869 31,526 34,805 37,156 43,312
19 6,844 7,633 8,907 10,117 11,651 14,562 18,338 22,718 27,204 30,144 32,852 36,191 38,582 43,820
20 7,434 8,260 9,591 10,851 12,443 15,452 19,337 23,828 28,412 31,410 34,170 37,566 39,997 45,315
21 8,034 8,897 10,283 11,591 13,240 16,344 20,337 24,935 29,615 32,671 35,479 38,932 41,401 46,797
22 8,643 9,542 10,982 12,338 14,042 17,240 21,337 26,039 30,813 33,924 36,781 40,289 42,796 48,268
23 9,260 10,196 11,689 13,091 14,848 18,137 22,337 27,141 32,007 35,172 38,076 41,638 44,181 49,728
24 9,886 10,856 12,401 13,848 15,659 19,037 22,337 28,241 33,196 36,415 39,364 42,980 45,559 51,179
25 10,520 11,524 13,120 14,611 16,473 19,939 24,337 29,339 34,382 37,652 40,646 44,314 46,928 52,620
302 P(Z<z) (área à esquerda do valor de Z indicado)
26 11,160 12,198 13,844 15,379 17,292 20,843 25,336 30,434 35,563 38,885 41,923 45,642 48,290 54,052
27 11,808 12,879 14,573 16,151 18,114 21,749 26,336 31,528 36,741 40,113 43,194 46,963 49,645 55,476
28 12,461 13,565 15,308 16,928 18,939 22,657 27,336 32,620 37,916 41,337 44,461 48,278 50,993 56,892
29 13,121 14,257 16,047 17,708 19,768 23,567 28,336 33,711 39,087 42,557 45,722 49,588 52,336 58,302
30 13,787 14,954 16,791 18,493 20,599 24,478 29,336 34,800 40,256 43,773 46,979 50,892 53,672 59,703
31 14,458 15,655 17,539 19,281 21,434 25,390 30,336 35,887 41,422 44,985 48,232 52,191 55,003 61,098
32 15,134 16,362 18,291 20,072 22,271 26,304 31,336 36,973 42,585 46,194 49,480 53,486 56,328 62,487
33 15,815 17,074 19,047 20,867 23,110 27,219 32,336 38,058 43,745 47,400 50,725 54,776 57,648 63,870
34 16,501 17,789 19,806 21,664 23,952 28,136 33,336 39,141 44,903 48,602 51,966 56,061 58,964 65,247
35 17,192 18,509 20,569 22,465 24,797 29,054 34,336 40,223 46,059 49,802 53,203 57,342 60,275 66,619
36 17,887 19,233 21,336 23,269 25,643 29,973 35,336 41,304 47,212 50,998 54,437 58,619 61,581 67,985
37 18,586 19,960 22,106 24,075 26,492 30,893 36,336 42,383 48,363 52,192 55,668 59,892 62,883 69,346
38 19,289 20,691 22,878 24,884 27,343 31,815 37,335 43,462 49,513 53,384 56,896 61,162 64,181 70,701
39 19,996 21,426 23,654 25,695 28,196 32,737 38,335 44,539 50,660 54,572 58,120 62,428 65,476 72,055
40 20,707 22,164 24,433 26,509 29,051 33,660 39,335 45,616 51,805 55,758 59,342 63,691 66,766 73,402
41 21,421 22,906 25,215 27,326 29,907 34,585 40,335 46,692 52,949 56,942 60,561 64,950 68,053 74,745
42 22,138 23,650 25,999 28,144 30,765 35,510 41,335 47,766 54,090 58,124 61,777 66,206 69,336 76,084
43 22,859 24,398 26,785 28,965 31,625 36,436 42,335 48,840 55,230 59,304 62,990 67,459 70,616 77,419
44 23,584 25,148 27,575 29,787 32,487 37,363 43,335 49,913 56,369 60,481 64,201 68,710 71,893 78,750
45 24,311 25,901 28,366 30,612 33,350 38,291 44,335 50,985 57,505 61,656 65,410 69,957 73,166 80,077
50 27,991 29,707 32,357 34,764 37,689 42,942 49,335 56,334 63,167 67,505 71,420 76,154 79,490 86,661
60 35,534 37,485 40,482 43,188 46,459 52,294 59,335 66,981 74,397 79,082 83,298 88,379 91,952 99,607
70 43,275 45,442 48,758 51,739 55,329 61,698 69,335 77,577 85,527 90,531 95,023 100,425 104,215 112,317
80 51,172 53,540 57,153 60,391 64,278 71,145 79,335 88,130 96,578 101,879 106,629 112,329 116,321 124,839
90 59,196 61,754 65,647 69,126 73,291 80,625 89,335 98,650 107,565 113,145 118,136 124,116 128,299 137,208
100 67,328 70,065 74,222 77,929 82,358 90,133 99,335 109,141 118,498 124,342 129,561 135,807 140,169 149,449
Introdução à Estatística Ensino à Distância 303
Bibliografia