Escolar Documentos
Profissional Documentos
Cultura Documentos
Juma Nicolau
Código: 708221267
Disciplina de Estatística
1° Ano
Juma Nicolau
Código: 708221267
Egina Bande.
ii
Classificação
Categoria Indicadores Padrões Nota
Pontuação do Subtotal
máxima tutor
Capa 0.5
Índice 0.5
Aspectos Introdução 0.5
Estrutura Organizacionais Discussão 0.5
Conclusão 0.5
Bibliografia 0.5
Contextualização
(Indicação clara do 1.0
Introdução problema)
Descrição dos objectivos 1.0
Conteúdo Metodologia adequada ao
objecto do trabalho 2.0
Articulação e domínio do
discurso académico 2.0
Analise e (expressão escrita
discussão cuidada, coerência ou
coesão textual)
Revisão bibliográfica
nacional e internacionais 2.0
relevantes na área de
estudo
Conclusão Exploração dos dados 2.0
Paginação, tipo de letra e
Aspectos Formatação tamanho de letra, 1.0
Gerais parágrafo, espaçamento
entre linhas.
Normas APA 6ª
Referencias edição em Rigor e coerência das
Bibliográficas citações e citações ou referências 4.0
bibliografia. bibliográficas.
Recomendações de melhoria:
iii
Índice
Introdução..............................................................................................................................................5
PARTE I.................................................................................................................................................6
MEDIDAS DE DISPERSÃO OU VARIABILIDADE..........................................................................6
4.1. Desvio Médio, Variância e Desvio Padrão de Dados agrupados e não agrupados em classes.........6
Exercícios...............................................................................................................................................7
Resolução...............................................................................................................................................7
PARTE II - NOÇÕES BÁSICAS DE PROBABILIDADES................................................................10
5.1. Definições e disposições gerais sobre Probabilidades...................................................................10
Exercícios.............................................................................................................................................11
Resolução.............................................................................................................................................12
5.3. Teoremas de produto das Probabilidades.......................................................................................12
Exercícios.............................................................................................................................................12
Resolução.............................................................................................................................................12
5.4. Independência estocástica (Probabilidades)...................................................................................13
Eventos Independentes.........................................................................................................................13
Eventos Mutuamente Exclusivos..........................................................................................................13
5.5. Participação do espaço amostra e o teorema de Bayes..................................................................13
5.5.1. Teorema da Probabilidade total..................................................................................................14
5.5.2. Teorema de Bayes......................................................................................................................14
Exercícios.............................................................................................................................................14
Resolução.............................................................................................................................................15
PARTE III - TEORIA DE AMOSTRAGEM.......................................................................................15
6.1. Distribuição amostral dos estimadores..........................................................................................15
6.1.1. Distribuição amostral da média..................................................................................................15
6.1.2. Distribuição amostral da variância.............................................................................................16
6.1.3. Distribuição amostral da proporção............................................................................................16
6.2. Estimação......................................................................................................................................17
Estimação intervalar.............................................................................................................................18
Intervalo de confiança para a média.....................................................................................................18
Quando a variância é conhecida...........................................................................................................18
Quando a variância é desconhecida......................................................................................................18
Exercícios.............................................................................................................................................19
iv
Resolução.............................................................................................................................................19
Conclusão.............................................................................................................................................22
Bibliografia..........................................................................................................................................23
v
Introdução
O presente trabalho aborda resolução de exercícios sobre medidas de dispersão ou
variabilidade, noções básicas de probabilidades e teoria de amostragem.
Teoria de amostragem é o estudo das relações existentes entre uma população e as amostras
delas extraídas. É muito utilizada para a estimação das grandezas desconhecidas da população
(parâmetros) através de conhecimento das grandezas correspondentes nas amostras
(estatísticas amostrais).
6
PARTE I
MEDIDAS DE DISPERSÃO OU VARIABILIDADE
As medidas de tendência central estudadas reduzem a série de dados a um só valor típico
(media, mediana e moda).
O valor central mais usado é o valor médio, que contudo, nem sempre dá uma ideia suficiente
da série estatística
As medidas de dispersão mais usadas são: Amplitude total, Desvio quartílico, desvio médio,
variância e desvio padrão.
4.1. Desvio Médio, Variância e Desvio Padrão de Dados agrupados e não agrupados em
classes.
É a média dos valores absolutos dos desvios dos dados, a partir da média.
∑|x i− X|
i=1
Dm=
n
∑ f i ×|x i−X|
i=1
Dm=
n
Variância
É uma medida que representa a variabilidade de um conjunto de dados e, é obtida pelo cálculo
da média dos quadrados dos desvios em relação à média.
7
n n
População:
∑ ( x i− X ) 2
Amostra: ∑ ( x i− X )2
S2= i=1 S2= i=1
n n−1
n n
População:
∑ f i × ( x i−X )2 Amostra: ∑ f i × ( x i−X )2
2 i=1 2 i=1
S= S=
n n−1
Desvio padrão
√ √
n n
População: ∑ ( x i−X ) 2
Amostra: ∑ ( x i−X )2
i=1 i=1
S= S=
n n−1
√ √
n n
População: ∑ f i × ( xi −X ) 2
Amostra: ∑ f i × ( xi −X )2
i=1 i=1
S= S=
n n−1
Exercícios
1. Faça a soma dos desvios dos números: 10, 15, 25, 10
2. Num hospital, foi possível registrar o peso, em kg, de crianças. A lista abaixo informa
quais são esses pesos
19,5−19,8−20,2−20,3−20,6−21,0−21,1−21 ,2−21,6−22,7
3. Em 1600 fábricas diferentes de uma determinada indústria, obteve-se os seguintes dados
em relação a produção dum certo produto:
𝑀é𝑑𝑖𝑎 = 18 𝑡𝑜𝑛𝑒𝑙𝑎𝑑𝑎𝑠;
1º 𝑄𝑢𝑎𝑟𝑡𝑖𝑙 = 9 𝑡𝑜𝑛𝑒𝑙𝑎𝑑𝑎𝑠;
70º 𝑃𝑒𝑟𝑐𝑒𝑛𝑡𝑖𝑙 = 25 𝑡𝑜𝑛𝑒𝑙𝑎𝑑𝑎𝑠;
𝑉𝑎𝑟𝑖𝑎𝑛ç𝑎 = 25% 𝑑𝑎 𝑚é𝑑𝑖𝑎=4,5 toneladas.
8
a) Quantas fábricas produziram até 9 toneladas?
b) Quantas fábricas produziram mais de 25 toneladas?
c) Determine o coeficiente de variação.
Resolução
1. Faça a soma dos desvios dos números: 10, 15, 25, 10
Media
n
∑ Xi× f i 60
i=1
X= = =15
n 4
xi
fi x i−X |xi− X| ( xi− X )2 |xi− X|× f i ( xi− X)2 × f i xi × f i
10 2 -5 5 25 10 50 20
15 1 0 0 0 0 0 15
25 1 10 10 100 10 100 25
Total 4 15 125 20 150 60
Desvio medio
n
∑|xi −X| 15
DM = i=1 = =3.75
n 4
Variância
n
Desvio padrão
S= √ S =√ 41.66=6.46
2
2. Num hospital, foi possível registrar o peso, em kg, de crianças. A lista abaixo informa quais
são esses pesos
9
Resolução
Dados em rol
19,5−19,8−20,2−20,3−20,6−21,0−21,1−21 ,2−21,6−22,7
Amplitude total
Número de classes
Amplitude de classes
R 3.2
h= = =0.8
K 4.2
Media
n
∑ xi ∙ fi 208.6
i=1
X= = =20.9
n 10
Desvio medio
n
10
Variância
n
Desvio padrão
S= √ S =√ 0.684=0.827
2
𝑀é𝑑𝑖𝑎 = 18 𝑡𝑜𝑛𝑒𝑙𝑎𝑑𝑎𝑠;
1º 𝑄𝑢𝑎𝑟𝑡𝑖𝑙 = 9 𝑡𝑜𝑛𝑒𝑙𝑎𝑑𝑎𝑠;
70º 𝑃𝑒𝑟𝑐𝑒𝑛𝑡𝑖𝑙 = 25 𝑡𝑜𝑛𝑒𝑙𝑎𝑑𝑎𝑠;
𝑉𝑎𝑟𝑖𝑎𝑛ç𝑎 = 25% 𝑑𝑎 𝑚é𝑑𝑖𝑎=4,5 toneladas.
Pede-se:
25 % ×1600 40000
x= = =400
100 % 100
70 % ×1600 1120000
x= = =1120
100 % 100
1600−1120=480
11
δ 2,12
CV = × 100 %= × 100 %=0,118 ×100 %=11.8 %
X 18
R: a distribuição tem variabilidade baixa porque coeficiente de variação está abaixo de 20%
A pedra vai para o fundo. 2ª) ´´lançar uma moeda para cima``. Não podemos afirmar se sai
cara ou coroa.
Ex.1: Na experiência de lançamento de uma moeda, os resultados possíveis são: S= ca, co,
Ex.2: lançar simultaneamente duas moedas e observar as faces que ficam voltadas para cima.
Temos: S= caca, caco, coca, coco Ex.3: lança-se um dado honesto e observa-se a face
voltada para cima: S 1,2,3,4,5,6
12
Se n (A) =nº de casos favoráveis ao evento A e n (S) =nº total dos casos possíveis (S), desde
que igualmente provável (equiparável), então, a probabilidade (sucesso) da ocorrência de um
experimento A, é igual ao quociente entre o nº de casos favoráveis ao evento e o nº de casos
possíveis (S).
Ou , Lei de Laplace
Exercícios
1. Se é escolhido aleatoriamente um número da sequência (2, 3, 5, 7, 11, 13, 17, 19) qual a
probabilidade de escolher um número primo?
Resolução
1. Espaço amostral S= { 2, 3 , 5 ,7 ,11 , 13 ,17 , 19 }
Todos elementos do espaço amostral são números primos, portanto o número de casos
possíveis são iguais ao número de casos favoráveis.
Como todos elementos do espaço amostral são números primos, portanto o número de casos
possíveis é igual ao número de casos favoráveis.
8
⟺ P= =1
8
13
P ( BA )= P (PA( ∩B
B)
)
⟺ P ( A ∩ B ) =P ( B ) × P ( )
A
B
P ( BA )= P (PA( ∩B
A)
)
⟺ P ( A ∩ B ) =P ( A ) × P ( )
B
A
Exercícios
2. Uma pessoa foi até a padaria para comprar pão e iogurte. Se o estabelecimento possui 30
pães, sendo que 5 são do dia anterior e os outros foram fabricados no dia, e 20 iogurtes
com data de validade inelegível, dos quais 1 já venceu, qual a probabilidade do cliente
escolher um pão do dia e um iogurte dentro da validade?
3. Qual a probabilidade de escolher uma carta no baralho e essa carta não ser um ás?
Resolução
2. Neste caso, a quantidade de pães é 30 e 25 são do dia.
25
P ( P 1 )=
30
25 19 475 19
P ( P 1 ∩ I 1 )=P ( P 1 ) × P ( I 1 ) = × = =
30 20 600 24
19
R: a probabilidade de um cliente escolher um pão do dia e um iogurte dentro de validade é
24
.
3. Qual a probabilidade de escolher uma carta no baralho e essa carta não ser um ás?
n=52
4 1 48 12
P ( A )= = ∧ P ( A )= =
52 13 52 13
14
12
R: a probabilidade de escolher uma carta e essa carta não ser as é .
13
P ( A ∪ B ) =P ( A )+ P ( B )
Neste caso:
Se A B, A B, A B, ⇒ P ( A ∪ B ∪C ) =P ( A )+ P ( B ) + P ( C )
( ) ( ) ( ) ( )
n
A A A A
P ( A )=P ( B1 ) × P + P ( B2 ) × P +⋯+ P ( Bn ) × P =∑ P ( Bi ) × P
B1 B2 Bn i=1 Bi
15
P ( )=
Bj
(
P ( Bj) × P
B )
A
j
∑ P ( B ) × P( B )
n
A A
i
i=1 i
Resolução
4. Seja I – 𝑜 𝑐𝑙𝑖𝑒𝑛𝑡𝑒 é 𝑖𝑛𝑎𝑑𝑖𝑝𝑙𝑒𝑛𝑡𝑒
A - 𝑜 𝑐𝑙𝑖𝑒𝑛𝑡𝑒 é 𝑎𝑑𝑖𝑝𝑙𝑒𝑛𝑡𝑒
R - 𝑜 𝑔𝑒𝑟𝑒𝑛𝑡𝑒 𝑟𝑒𝑐𝑢𝑠𝑎 𝑜 𝑒𝑚𝑝𝑟é𝑠𝑡𝑖𝑚𝑜
Nota que se ele acaba de recusar um empréstimo, só pode ter tomado a decisão incorrecta se
recusou conceder o empréstimo a um adiplente
16
P(A∩R) P ( A )× P (R ¿ ) 0.88 ×0.05
P( A ¿)= = = =0.301
P ( R) P ( A ) × P ( R ¿ )+ P ( I ) × P ( R ¿ ) 0.88 ×0.05+ 0.12× 0.85
P( A ¿)=0.301
R: probabilidade de o Gerente do banco ter tomado a decisão incorrecta é de 0.301
Existem vários estimadores mas este trabalho focalizou-se na média, variância e proporção.
Pretende-se caracterizar a distribuição amostral desses parâmetros.
n
xi
X =∑
i=1 n
Propriedades:
μ X =E( X)=μ ;
2 1 2
σ X =Var ( X )= σ
n
1
σ 2X = σ 2
n (N−n
N−1 )
17
6.1.2. Distribuição amostral da variância
Seja X 1 , X 2, … , Xn , uma amostra aleatória duma dada população com variância S2. A
variância amostral é definida por:
2
n
( x i− X )
S =∑
2
i =1 n−1
Propriedades:
μS =E ( S )=S
2 2
2
2 σ4
Se a distribuição da população for Normal então σ 2S =Var ( S2 ) = 2 .
n−1
2 ( n−1 ) ×S 2 2
X = 2
X n−1
σ
n
Xi
X =∑
i=1 n
Propriedades:
μ P=E ( P )= p
2 p ( n−1 )
μ P=Var ( P )=
n
Se a dimensão da amostra for pequena então sabe-se que,
n x
P ( X=x )=C x p ( 1− p )
n− x , x=0 , 1 , … , n com 0< p<1 , pelo que
18
1 2 n
P ( P=a )=P ( X=na )=C nna pna ( 1− p )n−na, a=0 , , , … ,
n n n
Se a dimensão da amostra for grande então, pelo Teorema de Moivre-Laplace (i.e., variante
do T. L. C. para a distribuição Binomial),
P−p
( √ )
p ( n− p ) Z= N ( 0 ,1 )
P ˙ N p;
n
, ou seja,
√
p ( n− p ) ˙
n
6.2. Estimação
Tal como foi definido na introdução, existe agora o objetivo adicional de caracterizar a
população a partir da qual foi retirada a amostra, procurando, nomeadamente, estimar os
parâmetros desta população.
Estimação intervalar
Na estimação por intervalos, em vez de se propor apenas um valor concreto para certo
parâmetro da população, constrói-se um intervalo de valores (𝑤1; 𝑤2) que, com um certo
grau de certeza, previamente estipulado, contenha o verdadeiro valor do parâmetro.
19
X−μ
Z= N (0 , 1)
σ
√n
S S
¿ X −Z α × ≤μ≤ X +Zα × ¿
2 √n 2 √n
α σ α σ
¿ X −t n−1 , 1− × ; X +t n−1 ,1− × ¿
2 √n 2 √n
Exercícios
1. Num estudo de mercado foi encontrado o intervalo de confiança de [0.52; 0.61] a 95%
para a proporção de pessoas receptivas a um novo tipo de espuma de banho a lançar
em breve no mercado: comente as seguintes afirmações, indicando se estas lhe
parecem correctas ou incorrectas:
a) 95% das pessoas vão passar a usar a nova espuma de banho.
b) A probabilidade da nova espuma de banho alcançar uma quota de mercado de 50%,
é de 0.95.
c) A quota de mercado poderá ser, com 95% de confiança, de 56.5% (valor intermédio
do intervalo).
d) O resultado obtido indica apenas que é oportuno proceder ao lançamento da nova
espuma de banho.
20
2. Desejando estimar o nº médio semanal de acesso ao sistema virtual Moodle, dos
estudantes da EAD do curso de História da UCM-IED, selecionamos uma amostra de
40 alunos e verificamos que estes tiveram um acesso médio de 19,4 acessos ao
sistema. Sabendo-se que os acessos semanais de todos os estudantes deste curso
ocorrem com uma variância de 2,2, realize a estimação desejada com uma
confiabilidade de 90%. (depois usarem a tabela de norma padrão para achar o valor de
Z, cujo valor seja o mais próximo do valor achado).
Resolução
1. Num estudo de mercado foi encontrado o intervalo de confiança de [0.52; 0.61] a 95%
para a proporção de pessoas receptivas a um novo tipo de espuma de banho a lançar em
breve no mercado: comente as seguintes afirmações, indicando se estas lhe parecem
correctas ou incorrectas:
c) A quota de mercado poderá ser, com 95% de confiança, de 56.5% (valor intermédio
do intervalo).
21
d) O resultado obtido indica apenas que é oportuno proceder ao lançamento da nova espuma
de banho.
Dado que n=40 ; S=√2.2=1.5 ; x̅ =19.4 ;(1 – α ).100 %=90 % onde α=0.10
( )
2
S
X N μ,
n
E S=1.5 e Z α2 =Z 0.05=1.645
S S
X −Z α × ≤μ≤ X +Zα ×
2 √n 2 √n
1.5 1.5
19.4−1.645 × ≤ μ ≤19.5+1.645 ×
√ 40 √ 40
19.0052≤ μ ≤19.7948
22
Interpretação
A um nível de confiança de 90% pode se afirmar que o intervalo [19.0052; 19.7948] contêm o
verdadeiro nº médio semanal de acesso ao sistema virtual Moodle.
23
Conclusão
Em suma, este trabalho focou-se quatro medidas de dispersão: amplitude, desvio medio,
variância e desvio padrão. Todas elas, exceto a amplitude, têm na média o ponto de
referência. Em cada caso, o valor zero indica ausência de variação; a dispersão aumenta à
proporção que aumenta o valor da medida (intervalo, variância, etc.).
Teoria de amostragem, esta teoria é também útil para determinar se as diferenças observadas
entre duas amostras são devidas a uma variação casual ou são verdadeiramente significativas.
Por exemplo: queremos testar se os tempos de processamento da matéria-prima de dois
sistemas de produção são diferentes ou não. A resposta a esta questão implica o uso de testes
de hipótese, que será visto mais adiante.
24
Bibliografia
Módulo de ensino á Distancia (CED) da universidade Católica de Moçambique – UCM da
Cadeira de Estatística.
CORREA, Sónia Maria Barros Barbosa. (2003). Probabilidade e Estatística. 2ª Edição – Belo
horizonte: PUC Minas Virtual;
25