Escolar Documentos
Profissional Documentos
Cultura Documentos
Ementário
1. Conceitos básicos de estatística;
2. Amostragem;
3. Medidas de tendência central e de dispersão
4. Interpretação de histogramas.
5. Teoria da probabilidade.
6. Estimação de parâmetros;
7. Distribuições probabilísticas
8. Teste de hipóteses;
9. Regressão simples e múltipla;
população
Amostra representativa
lord Kelvin
Estatística Descritiva
Parte da estatística que descreve aspectos importantes de
um conjunto de dados:
. Organização dos dados
. Cálculos de medidas de tendência central e dispersão
. Construção de gráficos diversos.
Estatística Inferencial
Parte da estatística que, a partir de uma amostra,
utilizamos para fazer generalizações a respeito de aspectos
importantes da população.
População:
Conjunto de entes que tem pelo menos uma
característica em comum
Amostra:
Parte de uma população que tem o objetivo de
representá-la.
Probabilística:
Amostragem Aleatória Simples (AAS)
Probabilística:
Amostragem Aleatória Simples (AAS)
Probabilística:
Amostragem Aleatória Simples (AAS)
Sugestão:
1. Elaborar uma lisa dos motoristas (ordem crescente)
2. Determinar o critério de utilização da tabela
3. Elaborar uma tabela de números aleatórios
4. Utilizar o critério para verificar a posição dos motoristas na lista
Probabilística:
Amostragem Sistemática (AS)
Probabilística:
Amostragem Sistemática (AS)
Se uma população tem 100 elementos e pretendemos escolher
uma amostra de tamanho 6, temos que r = 100/6 = 16,6 = 17
Digamos que numa amostragem aleatória simples da
população foi escolhido o número 3. Logo este será o nosso
primeiro elemento que formará a amostra.
Amostra: 3, 20, 37, 54, 71 e 88 ou formando a seqüência:
K, (K+ r), (k+2r)...
Probabilística:
Amostragem Estratificada (AE)
Probabilística:
Amostragem Estratificada (AE)
Probabilística:
Amostragem por Conglomerado(AC)
Tipo de amostragem utilizada quando a população se
acha dividida em grupos chamados de conglomerados.
Ex.: agências, edifícios, famílias, etc.
- É difícil identificar seus elementos mas sim grupos de
elementos.
A amostra é composta de um sorteio dos
conglomerados e considerado todos os elementos
destes.
Probabilística:
Amostragem por Conglomerado(AC)
Não Probabilística:
Amostragem por Julgamento
Não Probabilística:
Amostragem por Conveniência
Não Probabilística:
z
2
z N2 2
n n 2
e e N 1 z
2 2
z pˆ qˆ
2
z pˆ qˆN
2
n 2 n 2
e e N 1 z pˆ qˆ
2
Média aritmética
Dados brutos : Entrega de pizzas de calabresa por dia.
40, 56, 38, 38, 63, 59, 52, 49, 46
A média de todos esses elementos é calculada somando todos os
números e dividindo pela quantidade de números.
números
40 56 38 38 63 59 52 49 46 441
49
9 9
Portanto em média foram entregue 49 pizzas de calabresa por
dia.
xi
Generalizando a média pode ser calculada por: x
n
Prof. Raimundo Dias
FERRAMENTAS COMPUTACIONAIS
Mediana
A mediana é o ponto ou elemento ao meio do caminho
dos dados,
dados isto é, metade dos números está acima dela e
metade está abaixo. A lista de números deve estar ordenada.
Lista de valores de venda de pizzas de calabresa em
ordem decrescente: 63, 59, 56, 52, 49, 46, 40, 38, 38.
A mediana é 49, quatro valores são maiores que 49 e
quatro são menores.
Para um número ímpar de elementos é fácil achar o número
(único) que está no meio.
Prof. Raimundo Dias
FERRAMENTAS COMPUTACIONAIS
Mediana (cont.)
Suponha que a lista abaixo representa a entrega diária
de pizzas de cogumelo:
53, 52, 49, 48, 47, 46, 44, 41.
A mediana é o número que está exatamente no meio,
entre os dois números mais próximos do meio.
47 48
47,5
2
A média e a mediana são chamadas medidas de
tendência central da distribuição.
Prof. Raimundo Dias
FERRAMENTAS COMPUTACIONAIS
Média x Mediana
Suponha que os valores abaixo representem entregas de pizzas tipo
bacon/abacaxi por um período de 9 dias:
36, 35, 37, 29, 39, 36, 340, 35, 36.
Observe que, um certo dia, uma caravana de pessoas amantes de pizza
bacon/abacaxi elevou o número de solicitações.
Calculando a média tem-se: 623/9 = 69,22 pizzas.
Mas nenhum dos valores está próximo de 69,22.
A lista ordenada (rol) fica: 29, 35, 35, 36, 36, 36, 37, 39, 340
Verificamos que a mediana é 36. O valor da mediana representa
muito melhor o provável número de entregas em determinado dia.
Se existem valores extremos a mediana é mais representativa
Prof. Raimundo Dias
FERRAMENTAS COMPUTACIONAIS
Moda
A moda é o valor que ocorre com maior frequência.
frequência Se há mais de um valor nessas condições, todos eles
são chamados modas.
Entrega de pizzas de calabresa:
63, 59, 56, 52, 49, 46, 40, 38, 38.
O valor da moda é 38, por que o número 38 ocorre duas vezes.
Entrega de pizza tipo bacon/abacaxi:
29, 35, 35, 36, 36, 36, 37, 39, 340
A moda é 36, que ocorre três vezes.
Entrega de pizzas de cogumelo:
53, 52, 49, 48, 47, 46, 44, 41.
Não há moda.
SEPARATRIZES
SEPARATRIZES - Quartis
MEDIDAS DE DISPERSÃO
x x
40 ( 40 - 49 ) ² = 81
56 ( 56 - 49 ) ² = 49 i
38
38
( 38 - 49 ) ² = 121
( 38 - 49 ) ² = 121
Var ( x) 2 i 1
63 ( 63 - 49 ) ² = 196
n
59 ( 59 - 49 ) ² = 100
686
52 ( 52 - 49 ) ² = 9
Var ( x) 76,222
49 ( 49 - 49 ) ² = 0 9
46 ( 46 - 49 ) ² = 9
TOTAL 686
Prof. Raimundo Dias
FERRAMENTAS COMPUTACIONAIS
Desvio Padrão (S = σ)
O desvio padrão é a raiz quadrada da variância.
variância
Desvantagem da variância: o seu valor numérico é difícil de
interpretar, a variância tem como unidade o quadrado da
unidade de medida de x, no caso 76,222 pizzas².
n 2
x x i
S i 1
n
(desvio padrão)
CV
(média ) x
s 8,731
CV 0,178 17,8%
x 49
Prof. Raimundo Dias
FERRAMENTAS COMPUTACIONAIS
INTRODUÇÃO A PROBABILIDADE
Probabilidade Condicional
É o calculo da probabilidade de um evento
acontecer na condição de outro ter ocorrido.
VARIAVEL ALEATÓRIA
Variável aleatória - É uma variável que assume um
valor aleatório. O próximo valor não pode ser previsível
com certeza.
Exemplos:
a) Núm. mostrado por um dado arremessado.
b) Núm. de coroas (H) quando uma moeda é arremessada 3 vezes.
c) O peso de um recém nascido num hospital.
d) A altura de um adulto.
e) Núm de arremessos necessários para uma moeda dar 3 caras
(T) consecutivas.
Prof. Raimundo Dias
FERRAMENTAS COMPUTACIONAIS
Contínua
Admite um valor dentro de um determinado intervalo
como é o caso de um processo de medição
Ex.:
. Altura de um adulto;
a) p(x) = P(X=x)
n x
px . p 1 p , x 0,1,..., n
n x
x
Parâmetros
n n! “n” e “p”
Onde : X ~ B(n,p)
x x!n x !
Média μx = n.p
(número de tentativas x probabilidade de sucesso)
DISTRIBUIÇÃO DE POISSON
e x Parâmetro :
p( x) , x 0,1,2...
x! " "
x! x.( x 1)( x 2)..1 X ~ Po( )
Aplicações
Esta distribuição é um bom modelo para descrever o
comportamento das variáveis aleatórias nos seguintes exemplos:
x 3 x 2 x x x 2 x 3
EXERCÍCIOS:
1. As entregas de um produto em um porto seguem uma
distribuição normal com média 63,5 horas e desvio
padrão de 1,5 horas.
Qual a probabilidade de uma determinada entrega chegar:
a) Acima de 65 horas?
b) Entre 61 e 63 horas?
c) Abaixo de 62 horas?