Ao escrever esta Apostila no pretendi outra coisa, seno proporcionar aos alunos da disciplina ESTATSTICA , a facilidade de dispor de notas de aulas dos temas do Programa da Disciplina. O acompanhamento das aulas e a pesquisa em Bibliografia sobre o assunto, tornam-se necessrias para o adequado aproveitamento do curso.
NDICE 1.0 Definies Estatsticas 1.1 Por que estudar Estatstica 1.2 Natureza dos Dados 1.3 Tipos de Dados 1.4 Tipos de Levantamentos 1.5 Planejamento de Experimentos 2.0 Amostragem 2.1 Definies 2.2 Amostragem Aleatria Baseada em Nmeros Aleatrios 2.3 Outros planos de Amostragem 2.4 Amostragem por Julgamento (No Probabilstica) 2.5 Amostragem Probabilstica 3.0 Anlise Exploratria de Dados 4.0 Distribuio de Freqncias 5.0 Apresentao Grfica 5.1 Diagrama de Ordenadas 5.2 Diagrama de Barras 5.3 Diagrama de Crculos 5.4 Diagrama de Setores Circulares 5.5 Diagrama Linear 6.0 Montagem de uma Distribuio de Freqncias 7.0 Apresentao Grfica das Variveis Quantitativas 7.1 Histogramas e Polgonos das Freqncias 7.2 Histogramas e Polgonos das Freqncias Relativas 7.3 Polgono de Freqncia Acumulada ou Ogiva 7.4 Polgono de Freqncia Acumulada Relativa 8.0 Tipos de Distribuio 8.1 Distribuio Simtrica ou em Forma de Sino 8.2 Distribuio assimtrica 8.3 Distribuio Modal, Amodal, Bimodal e Multimodal 8.4 Apresentao Tipo Ramo e Folhas 8.5 Pictograma 9.0 Medidas de posio ou Tendncia Central 9.1 Mdia Aritmtica Simples 9.2 Mdia Aritmtica Ponderada 9.3 Mediana 9.4 Moda 10.0 Medidas de Variabilidade (Disperso) 10.1 Amplitude 10.2 Desvio Padro 10.2.1 Desvio Padro Amostral 10.2.2 Desvio Padro da Populao
PGINA 01
05
13 13 17
23 26
31
37
41
10.2.3 Representao Grfica do Desvio Padro 10.2.4 Sistematizao Para o Clculo 10.3 Varincia 11.0 Probabilidade 11.1 Espao Amostral 11.2 Trs Origens da Probabilidade 11.3 Matemtica da Probabilidade 12.0 Tcnicas de Contagem 12.1 Princpios de Multiplicao 12.2 Permutao, Arranjo e Combinao 12.3 Regras de Contagem Exerccios 13.0 Distribuio de Probabilidades 13.1 Distribuio Binomial Exerccios 13.2 Distribuio de Poisson Exerccios 14.0 Distribuio Normal Exerccios 15.0 Correlao 15.1 Introduo 15.2 Relao Funcional e Relao Estatstica 15.3 Diagrama de Disperso 15.4 Correlao Linear 15.5 Coeficiente de Correlao Linear 15.6 Cuidados com os Erros na Interpretao de Correlao 16.0 Regresso 16.1 Ajustamento de curvas 16.2 Mtodo dos Mnimos Quadrados 1.0 Confiabilidade da Amostra 1.1 Planejamento da Amostra 1.2 Erros provenientes da Amostragem 1.3 Erros no provenientes da Amostragem 1.4 Planejamento geral da Pesquisa 1.5 Distribuies Amostrais 1.6 Erro Padro da Mdia 1.7 O Teorema Central do Limite 2.0 Estimativa e Tamanho de Amostras 2.1 Aspectos Gerais 2.2 Estimativa de uma Mdia Populacional: Grandes Amostras 2.3 Estimativa de uma Mdia Populacional: Pequenas Amostras 2.4.Estimativa de uma Proporo Populacional 2.5 Estimativa de uma Varincia Populacional
45 46
53
61
69 76 76 77 78 79 81 83 87 89 91
ESTATSTICA
1.0 DEFINIES DE ESTATSTICA
Etimologicamente a palavra estatstica vem de status expresso latina que significa, sensu lato, o estudo do estado. Os primeiros a empregarem esse termo foram os Alemes seguidos pela Itlia, Frana, Inglaterra e ainda por outros paises. Para Levasseur a estatstica : O estudo numrico dos fatos sociais. Yule define estatstica como: Dados quantitativos afetados marcadamente por uma multiplicidade de causas. Uma definio mais usual nos dias de hoje seria: Um mtodo cientifico que permite a anlise, em bases probabilstica, de dados coligados e condensados Ou ainda podemos dizer que : A coleta, o processamento, a interpretao e a apresentao de dados numricos que pertencem ao domnio da estatstica
As variveis contnuas podem assumir qualquer valor num intervalo contnuo. Os dados referentes a tais variveis dizem-se dados contnuos. Ex. Peso, comprimento, espessura onde usa-se a mensurao. As variveis discretas assumem valores inteiros de dados discretos so os resultados da contagem de nmeros de itens. Ex. alunos da sala de aula, nmero de defeitos num carro novo, acidentes de uma fbrica.
Os dados nominais surgem quando se definem categorias e se conta o nmero de observaes pertencentes a cada categoria. Ex.: atuam dentro das variveis Qualitativas as quais devemos associar a valores numricos para que possamos processar estatisticamente. Ex.: cor dos olhos (azuis, verdes, castanhos), sexo (masculino e feminino), desempenho (excelente, bom, sofrvel, mau) etc. Os dados por postos consistem de valores relativos atribudos para denotar ordem: primeiro, segundo, terceiro, quarto, etc. Ex.: concurso de beleza se classificam em 1,2,3 colocadas.
TIPOS DE DADOS
POPULAES CONTNUOS DISCRETOS NOMINAIS POR POSTO 3 grau
CONTNUO: Quando os eventos vo sendo registrados medida que ocorrem.Exemplos os registros civis dos fatos vitais (nascimento, bitos e casamentos).
PERIDICOS: Acontecem ciclicamente. Exemplo o rescenceamento, feito no Brasil a cada dez anos.
OCASIONAIS: So aqueles realizados sem a preocupao de continuidade ou periodicidade preestabelecidas, exemplos a maioria cientifica. dos trabalhos de investigao
DADOS PRIMRIOS: Quando o investigador no encontra dados publicados adequados ao seu estudo, parte para a realizao de um inqurito, isto , os dados so levantados diretamente na populao no momento da investigao.
DADOS SECUNDRIOS: Quando o investigador para verificar as sua hipteses de trabalho utiliza- se de dados j existentes, arquivados, registrados ou publicados. Podem ser at mesmo dados gerados pelo Departamento de Estatsticas de Populaes da Fundao Instituto Brasileiro de Geografia e Estatstica (IBGE).
-3-
1- Definio do problema Um Estudo ou Uma Anlise 2- Formular plano para coleta de dados adequados 3- Coligir os dados 4- Analisar e interpretar os dados 5- Relatar as concluses
EXERCCIOS E-1
1- Identifique os seguintes exemplos em termos de tipos de dados: a- 17 gramas b- 3 certos, 2 errados c- 25 segundos d- 25 alunos na classe e- tamanho de camisa f- Km/litro g- O mais aprazvel h- O mais lento i- 5 acidentes no ms de maio
Responder as perguntas: 1- Defina o termo Estatstica 2- Responder a pergunta: Por que estudar estatstica? 3- Dar exemplos de como um administrador pode se beneficiar do conhecimento de Estatstica?
-4-
2.0 AMOSTRAGEM
AMOSTRAGEM VERSUS SENSO: Uma amostra usualmente envolve o estudo de uma parcela dos tens de uma os tens. estries ao enso: Custo opulaes infinitas Dificuldade nos critrios reciso) rodutos de testes Destrutivos f sforos, munies) empo despendido atualizao) ipos de informaes mais restritivas ua , enquanto que o censo requer o estudo de todos
asos de excesso: opulaes pequenas Amostras grandes em relao a populao e exige preciso completa e j so disponveis informaes completas
2.1 DEFINIES:
POPULAO: o conjunto de indivduos (ou objetos), que tem pelo menos uma varivel comum observvel. AMOSTRA: qualquer sub-conjunto da populao extrada para se realizar estudos estatsticos
. POPULAO
AMOSTRA
-5-
A estatstica indutiva a cincia que busca tirar concluses probabilsticas sobre a populao, com base em resultados verificados em amostras retiradas dessa populao.
Entretanto no basta que saibamos descrever convenientemente os dados da amostra para que possamos executar, com xito, um trabalho estatstico completo. Antes de tudo preciso garantir que a amostra ou amostras que sero utilizadas sejam obtidas por processos adequados. - O que necessrio garantir, em suma, que a amostra seja Re resentativa da populao.
Na indstria onde amostras so freqentemente retiradas para efeito de Controle da Qualidade dos produtos e materiais, em geral os problemas de amostragem so mais simples de resolver.
Por outro lado, em pesquisas sociais, econmicas ou de opinio, a complexibilidade dos problemas de amostragem so normalmente bastante grandes. - Interferncia estatstica envolve a formulao de certos julgamentos sobre um todo aps examinar apenas uma parte, ou a amostra, dele.
A probabilidade e a amostragem esto estreitamente correlacionadas e juntas formam o fundamento da teoria de interferncia.
Amostragem aleatria permite estimar o valor do erro possvel, isto , dizer quo prxima est amostra da populao, em termos de representatividade.
Amostragem no aleatria no apresenta esta caracterstica. vrios mtodos para extrair uma amostra talvez o mais importante seja a amostragem aleatria de modo geral, a amostragem aleatria exige que cada elemento tenha a mesma oportunidade de ser includo na amostra.
Nas Populaes discretas uma amostra aleatria aquela em que cada item da populao tem a mesma chance de ser includo na amostra. Nas Populaes contnuas, uma amostra aleatria aquela em que a probabilidade de incluir na amostra qualquer intervalo de valores igual percentagem da populao que est naquele intervalo.
Populaes finitas:
elementos, medidas ou observaes. Ex.: Peso bruto de 3000 latas de tinta de um certo lote de produo.
Populaes infinitas: so aquelas que contm, pelo menos hipoteticamente, um nmero infinito de elementos. Ex. Produo de carros V.W. produzidos no Brasil e a serem produzidos (universo volkswagem), processo probabilstico.
As tabelas de nmeros aleatrios contm os dez algarismos 0,1,2,3,4,......,9. Esses nmeros podem ser lidos isoladamente ou em grupos; podem ser lidos em qualquer ordem. A probabilidade de qualquer algarismo aparecer em Portanto todas as combinaes so igualmente provveis. qualquer ponto 1/10.
-7-
Conceitualmente, poderamos construir uma tabela de nmeros aleatrios numerando dez bolinhas com os algarismos de 0 a 9 , colocando-as numa urna, misturando bem e extraindo uma de cada vez, com reposio, anotando os valores obtidos.
A titulo de ilustrao poderamos querer selecionar aleatoriamente 15 clientes de uma lista de 830 de um grande magazine, a finalidade poderia ser : Estimar a freqncia de compras; Determinar o valor mdio de cada compra; Registrar as queixas contra o sistema.
Os planos de amostragem probabilstica so delineados de tal modo que se conhece a probabilidade de todas as combinaes amostrais possveis. Em razo disso, pode-se determinar a quantidade de varivel amostral numa amostra aleatria e uma estimativa do erro amostral. A amostragem aleatria um exemplo da amostragem probabilstica.
A amostragem no probabilstica a amostragem subjetiva, ou por julgamento, onde a variabilidade amostral no pode ser estabelecida com preciso, conseqentemente, no possvel nenhuma estimativa do erro amostral.
Se o tamanho da amostra bem pequeno; digamos, de uns 5 itens, a amostragem aleatria pode dar resultados totalmente no representativos, ao passo que uma pessoa familiarizada com a populao pode especificar quais os itens mais representativos da populao. -8-
Exemplo: Uma equipe mdica deve trabalhar com pacientes que se apresentem com voluntrios para testar um novo medicamento. Nenhum desses grupos podem ser considerados como uma amostra aleatria do p blico em geral, e seria perigoso tentar tirar concluses gerais com base em tal estudo. Todavia, os resultados poderiam proporcionar uma base para a elaborao de um plano de amostragem aleatrio para validar os resultados bsicos. Os perigos inerentes pesquisa mdica , bem como outro tipo de pesquisa, freqentemente obrigam a limitar a pesquisa inicial a um pequeno grupo de voluntrios.
Exemplo: A aplicao de hormnios em mulheres na menopausa, aps um perodo de tempo notou-se o aumento das chances de adquirirem cncer de mama, doenas cardacas etc.
AMOSTRAGEM SISTEMTICA
muito parecida com a amostragem aleatria simples. Podemos ter uma amostragem realmente aleatria, escolhendo-se cada K-sima amostra, onde K obtem-se dividindo o tamanho da populao pelo tamanho da amostra.
K= N n
ento K=200/10 = 20
Significa que ser escolhido um item a cada seqncia de 20 de uma lista. Para iniciar pode-se usar uma tabela de nmeros aleatrios de 0 a 9 para iniciar os grupos. Por exemplo se der o 9, escolhemos o 9, 29, 39 ,49 , etc.
-9-
AMOSTRAGEM ESTRATIFICADA
Pressupe a diviso da populao em sub-grupos Homogneos (Estratos), procedendo ento a amostragem de cada sub-grupo. Ex.: Para se fazer o inventrio do estoque, comum termos 10% dos itens representarem cerca de 60% do valor total em quanto que os 90% restantes representam s 40% do valor total (Curva A,B,C; Pareto; regra 80/20).
Pressupe a disposio dos itens de uma populao em sub-grupos heterogneos (sub-populaes) representativos da populao global. Neste caso cada conglomerado pode ser encarado como uma minipopulao. Ex.: Estudo pr-eleitoral para medir a preferncia dos eleitores. (Sub-grupos: sexo, educao, faixa etria, poder aquisitivo, regio da habitao,etc)
-10 -
RESUMO
A finalidade da amostra permitir fazer interferncia sobre a populao aps inspeo de apenas parte dela. Fatores com custo, ensaios destrutivos e populaes infinitas, tornam a amostragem prefervel a um estudo completo (Censo) da populao.
Naturalmente espera-se que a amostra seja representativa da populao da qual foi extrada.
Potencialmente, este objetivo atingido quando a amostragem aleatria. Para populaes discretas o termo A eatri significa que cada item da populao tem a mesma chance de participar na amostra.
No caso de populaes contnuas, significa que a probabilidade de incluir qualquer valor de um dado intervalo de valores igual proporo com valores naquele intervalo.
- Utilizando-se uma tabela de nmeros aleatrios para proceder seleo de uma lista. Em certas condies, podem ser mais eficientes variantes da amostragem aleatria simples, tais como amostragem sistemtica (peridica), estratificada (sub-grupos Homogneos), heterogneos). ou amostragem por aglomerados (sub-grupos convenientes e
A principal vantagem da amostragem aleatria que se pode determinar o grau de variabilidade amostral, o que essencial na interferncia estatstica. amostragem no probabilstica falta esta caracterstica. -11-
EXERCICIOS E-2
2- Quando se deve preferir um censo a uma amostragem? 3- Defina Amostra Aleat ria.
4- Descreva os vrios mtodos de obteno de uma amostra aleatria. Como escolher o mtodo a ser usado em determinada situao?
7- Que amostragem probabilstica e quando deve ser usada? 8- Explique o significado de Amostra Aleat ria quando a populao :
a. contnua
b. Discreta
-12-
Em alguma fase de seu trabalho, o pesquisador se v s voltas com o problema de analisar e entender uma massa de dados, relevantes ao seu particular objeto de estudos.
De modo geral, podemos dizer que a essncia da cincia a observao e que seu objetivo bsico a interferncia. Esta parte da metodologia da cincia que tem por objetivos a coleta, reduo, anlise e modelagem dos dados, a partir do que, finalmente, faz-se a interferncia para uma populao, da qual os dados (amostras) foram obtidos.
informaes. Porem podemos usar algumas tcnicas empregadas num caso, podemos adapt-las para outros.
Quando se estuda uma varivel, o maior interesse do pesquisador conhecer a distribuio dessa varivel atravs das possveis realizaes (valores) da mesma.
Exemplo: Dados relativos a uma amostra de 36 funcionrios de uma populao de 2000 funcionrios da empresa Milsa. Ver resultados anotados na tabela abaixo.
-13-
TABELA 1
N 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36
N DE SALRIO ESTADO GRAU DE IDADE REGIO DE CIVIL INSTRUO FILHOS (X SAL. MIN) ANOS MESES PROCEDNCIA
solteiro casado casado solteiro solteiro casado solteiro solteiro casado solteiro casado solteiro solteiro casado casado solteiro casado casado solteiro solteiro casado solteiro solteiro casado casado casado solteiro casado casado casado solteiro casado casado solteiro casado casado 1 grau 1 grau 1 grau 2 grau 1 grau 1 grau 1 grau 1 grau 2 grau 2 grau 2 grau 1 grau 2 grau 1 grau 2 grau 2 grau 2 grau 1 grau superior 2 grau 2 grau 2 grau 1 grau superior 2 grau 2 grau 1 grau 2 grau 2 grau 2 grau superior 2 grau superior superior 2 grau superior --1 2 ----0 ----1 --2 ----3 0 --1 2 ----1 ----0 2 2 --0 5 2 --1 3 --2 3 4 4,56 5,25 5,73 6,26 6,66 6,86 7,39 7,59 7,44 8,12 8,46 8,74 8,95 9,13 9,35 9,77 9,8 10,53 10,76 11,06 11,59 12,OO 12,79 13,23 13,6 13,85 14,69 14,71 15,99 16,22 16,61 17,26 18,75 19,4O 23,3O 26 32 36 20 40 28 41 43 34 23 33 27 37 44 30 38 31 39 25 37 30 34 41 26 32 35 46 29 40 35 31 36 43 33 48 42 03 10 05 10 07 00 00 04 10 06 06 11 05 02 05 08 07 07 08 04 09 02 00 01 05 00 07 08 06 10 05 04 07 07 11 02
interior capital capital outro outro interior interior capital capital outro interior capital outro outro interior outro capital outro interior interior outro capital outro outro interior outro outro interior interior capital outro interior capital capital capital interior
-14-
TABELA 2
TABULAO
IIIIIIIIIIII IIIIIIIIIIIIIIIIII
superior I I I I I I
TOTAL
Freqncia e percentagem dos 2000 empregados (Populao) da empresa Milsa (Censo x Probabilidade)
TABELA 3
superior
TOTAL
-15-
TABELA 4
CLASSE DE SALRIOS
10 12 8 5 1 36
TABELA 5
Exercicio -Representar a distribuicao de frequencia para Idade e a Regiao de procedencia dos funcionarios da Empresa Milsa. -16-
-17-
Grficos devem ser auto-explicativos e de fcil compreenso, de preferncia sem comentrios inseridos.Devem ser simples, atrair a ateno do leitor e inspirar confiana.
freqncias
12
10
Salrios -18-
A mesma distribuio acima poderia ser representada por meio de diagrama que levasse em conta a magnitude da rea da figura geomtrica, j que a vista repousa melhor sobre uma superfcie do que sobre uma linha.
freqncias
12
10
-19 -
devem ser proporcionais s magnitudes das freqncias, isto , C = . f onde o fator de proporcionalidade, segue-se que:
. f = . r , ou seja,
r = .f
Se chamar de `, tem-se
: r = `. f
portanto, os raios dos crculos devem ser proporcionais a raiz quadrada das freqncias das modalidades da varivel. Assim se quisermos representar graficamente a distribuio da tabela 1.4, os raios do crculo devero ser: r1 = 27,78 . `= 5,27 . ` 5,27. 3 = 15.8 mm r2 = 33,33 . `= 5.77 . ` 5,77. 3 = 17,3 mm r3 =
22.22. `=
r4 = 13,89 . `= r5 =
3,72. 3 = 11,1 mm
2,78 . ` =
2,7 % %
13,89 %
22,22
27,78 %
33,33 %
-20-
Outra opo seria atravs de setores circulares, na qual se divide a rea total de um crculo em subreas (setores) proporcionais as freqncias. Lembrando que o crculo compreende setores cujas reas (S) so produto do raio (r) pelo tamanho do arco (a), isto , S = r.a, e com S deve ser proporcional a freqncia f, tem-se S= .f , onde o fator de proporcionalidade; ento:
.f = r. a a = .f r
Se chamarmos
de `, tem-se
ngulos centrais de um crculo igual a 360, e sendo F a freqncia total, tem-se 360 = `. F ou seja: `= 360 Portanto a = 360. f
120 50 10
.
100
80
-22-
No diagrama linear deve-se plotar os pontos nos eixos como foi feito no diagrama de barras e em seguida unir esses pontos por semi-retas contituindo-se desta forma o diagrama linear.
freqncias
12
10
x 8
6 x 4
2 x
salrios
-23-
6.6 O PICTOGRAMA
(comumente encontrada em jornais, revistas e relatrios de vrios tipos), no caso abaixo representa a populao dos Estados Unidos.
1920 1930
-24-
aglutinao organizada de informaes, conforme regras cuja prtica demonstrou serem eficientes. Consideremos uma relao de pesos de pacotes de manteiga, em gramas, de uma amostra de 100 pacotes extrados parcialmente de um processo automtico de empacotamento.
15
TABELA 6
AMOSTR AMOSTR AMOSTR AMOSTR AMOSTR A PESO A PESO A PESO A PESO A PESO 1 207 21 220 41 210 61 210 81 217 2 213 22 204 42 214 62 220 82 211 3 210 23 213 43 219 63 213 83 213 4 215 24 211 44 215 64 217 84 218 5 201 25 214 45 217 65 214 85 213 6 210 26 217 46 213 66 219 86 216 7 212 27 224 47 218 67 214 87 218 8 204 28 211 48 214 68 215 88 216 9 209 29 220 49 215 69 223 89 206 10 212 30 209 50 212 70 217 90 212 11 215 31 214 51 221 71 213 91 207 12 216 32 208 52 211 72 218 92 213 13 221 33 217 53 218 73 207 93 215 14 219 34 214 54 205 74 210 94 212 15 222 35 209 55 220 75 208 95 223 16 225 36 212 56 203 76 214 96 210 17 215 37 208 57 216 77 211 97 226 18 218 38 215 58 222 78 205 98 224 19 213 39 211 59 206 79 215 99 214 20 216 40 216 60 221 80 207 100 215
O agrupamento destes dados em sub-grupos feito com base nos seguintes conceitos: -25Amplitude total ( R.T.): a diferena entre a medida mxima e a medida mnima. No caso da amostra de pacotes de manteiga acima, temos: R.T. = 226 201 = 25 gramas
Nmero de classes (d) : o nmero de divises que estipulamos para a Amplitude Total. Normalmente pode-se usar d = n onde n= n mero de itens na amostra para o
exerccio temos d = 100 10 classes, porem deve-se utilizar sempre que possvel nmero impar de classes no caso 9 classes.
Amplitude do intervalo de classe (R.I.): a diferena entre os valores mximos e mnimos de cada classe. Amplitude intervalo de cada classe R.I . = R.T Nmero de Classes No caso do exerccio temos: Amplitude intervalo de cada classe R.I . = 25 = 2,7 aprox. 3 7 RI adotado = 3 RT adotado = 27 diferenca 2 comeca uma antes do menor e termina um antes do maior valor. As classes devem ser mutuamente exclusivas, para que no haja duvida na localizao dos valores das variveis, podemos dai utilizar as seguintes simbologias para os intervalos: 0 ----I 10 intervalo aberto & fechado, para significar que o intervalo compreende os valores da varivel maiores do que 0 (excludo) e at 10 (inclusive); 0 I---- 10 intervalo fechado & aberto, para significar que compreende os valores da varivel a partir de 0 (inclusive) e at 10 (exclusive); 0 ----- 10 Intervalo aberto & aberto, para significar que compreende valores maiores do que 0 e menores do que 10. 0 I----I 10 intervalo fechado & fechado, para significar que compreende os valores da varivel a partir de 0 (inclusive) e at 10 (inclusive). -26-
Para a facilidade e metodizao do processo de anlise estatstica, monta-se um tabela que agrupe as informaes obtidas, de forma de Tabela de Freqncias. Para os pacotes em pauta, teremos a seguinte tabela de freqncias: TABELA 7
VALOR COMPRIMENTO CLASSE CLASSE FREQ. FREQUENCIA FREQUENCIA FREQUENCIA
TABULAO
RELATIVA %
ACUM.
ACUM. REL.%
1 2 3 4 5 6 7 8 9
200 ---I 203 I I 203 ---I 206 I I I I I I 206 ---I 209 I I I I I I I I I I 209 ---I 212 I I I I I I I I I I I I I I I I I I 212 ---I 215 I I I I I I I I I I I I I I I I I I I I I I I I I I I I 215 ---I 218 I I I I I I I I I I I I I I I I I I 218 ---I 221 I I I I I I I I I I 221 ---I 224 I I I I I I 224 ---I 227 I I
2 6 10 18 28 18 10 6 2
2 6 10 18 28 18 10 6 2
2 8 18 36 64 82 92 98 100
2 8 18 36 64 82 92 98 100
100 Onde:
100%
Freqncia (F) = o numero de vezes que as medidas ocorrem no intervalo de classes Freqncia relativa (FR) = a percentagem da freqncia de cada classe em relao ao total de elementos. F d x 100 n Freqncia acumulada (FA) = a soma das freqncias at o intervalo de classe considerado. Ex. Fa5 = F1+ F2 + F3 + F3 + F5 2+ 6+ 10+ 18+ 28 = 64 FR =
Freqncia acumulada relativa (FAR) = a soma das freqncias relativas at o intervalo considerado Far3 = Fr1 + Fr2 + Fr3 2 + 6 + 10 = 18 -27-
freqncias
28 POLIGONO DE FREQNCIAS
21
14
CLASSES
-28-
%
28% POLIGONO DE FREQNCIA RELATIVA
21%
14%
7%
0 1 2 3 4 5 6 7 8 9 CLASSES
-29-
60
40
20
01
CLASSES
-30-
%
100 %
F.AC REL.
80 %
60 %
40 %
20 %
0 %1
CLASSES
- 31 -
B) Alongada
-32-
C) Achatada
A) Assimtrica Positiva
-33-
B) Assimtrica Negativa
mo
-34-
mo
mo
mo
mo
mo
-35-
61 50 58 59 43
52 53 92 79 80
64 103 51 80 75
84 40 64 73 70
35 62 71 49 45
57 77 75 71 91
58 78 89 97 50
95 66 37 62 64
82 60 54 68 56
64 41 67 53 86
SOLUO: 3 4 5 6 7 8 9 10
5 0 0 0 0 0 1 3 7 1 0 1 1 0 2 3 1 2 1 2 5 5 2 2 3 4 7 9 3 4 5 6 3 4 5 9 4 4 7 6 4 8 7 6 9 8 7 8 8 9 F 2 5 12 11 9 6 4 1 F.A. 2 7 19 30 39 45 49 50
= 64
-36-
MEDIANA;
MODA.
Dada uma distribuio de freqncias, chama-se de mdia aritmtica desta destituio, e representa-se por variveis n. a soma de todos os valores da varivel, dividida pelo nmero de
= Sendo:
x
n
n
x
i= 1
8 + 3 + 5 + 12 + 10 = 38 = 7,6 5 5
-37-
K xi .fi
i= 1
=
K
x
i= 1
fi
Nmeros Freqncias
x = 5, 8, 6, 2 f = 3, 4, 2, 1
= 57 = 5,7 10
9.3 MEDIANA x)
Se ordenarmos uma seqncia de nmeros do menor para o maior e se a quantidade desses nmeros for impar, ento a mediana ser o valor do meio, ou a mdia dos dois valores do meio caso a quantidade de nmeros seja par. O smbolo que usamos para representar a mediana x l-se x ti .
No caso de calculo da mediana quando estamos trabalhando com distribuio de freqncia determinamos o valor mais provvel dessa distribuio a partir de:
-38-
FA 2
(para n
er s
ares)
{ n+1 }
2
mpar temos um n mero inteiro e d a posiao da mediana; Exemplo: Determine a posio da mediana para a) n=15 b) n=45 c)n=88
a) b)
n+1 = 15+1 = 8, e a mediana o valor do 8 elemento; 2 2 n+1 = 45+1 = 23, e a mediana o valor do 23 elemento; 2 2 88 = 44 e a mediana o valor correspondente ao valor do 44elemento. 2
c) n 2
No caso do exerccio da distribuio dos 100 valores de peso de pacotes de manteiga temos: X = n 2 = 100 2 = 50, e a mediana o valor do 50 elemento
50 valor
FA 0 X 200
2 203
8 206
18 209
36 212
64 215
82 218
92 221
98 224
100 227
50
36 212 64 215
(215 212)
9.4 MODA
(X)
Em um conjunto de nmeros a moda o valor que ocorre com maior freqncia, isto , o valor mais comum. Exemplos: 1) 2, 2, 3, 7, 8, 8, 8, 9, 10 moda=8 2) 1, 2, 3, 4, 5, 6, 7, 8, 9, 10 moda = no existe moda) 3) 2, 2, 4, 4, 4, 5, 6, 7, 8, 8, 8, 9 moda = 4 e 8
Para o exemplo do exerccio das distribuies de freqncias dos pacotes de manteiga temos que a moda o ponto mdio da classe modal, localiza-se a classe modal como sendo a classe com maior freqncia e em seguida determina-se seu ponto mdio.
-40-
Em todos os casos, o valor zero indica ausncia de disperso; a disperso aumenta proporo que aumenta o valor da medida (amplitude,desvio-padrao, varincia).
xx x x x x xxx xxx xx x x
a) pequena disperso
xx x x xxx x x x x x x x x xx x x xxx x x x xx x x x x xx
b) grande disperso
a medida mais simples de disperso. a diferena entre o maior e o menor valor das observaes. R.T. = Xmax Xmin Embora exista simplicidade de clculo, existem duas restries ao seu generalizado:
1- Utiliza apenas uma parcela das informaes contidas nas observaes. O seu valor no se modifica mesmo que os valores das observaes variem, desde que conservem os seus valores Mximo e mnimo. 2- Depende do n er e serva es na amostra. Em geral o valor da amplitude
X min.I
I x max.
R.T. = pequeno
X min.
I R.T. = Grande
I X max.
-42-
S=
(X1-
) + (X2-
) + (X3n
) + ..... +(Xn-
Onde: S=
( Xi n
O desvio padro da populao representa a o grau de disperso da populao em torno da mdia representado por , tambm representa a distncia do ponto de inflexo, e dado pela expresso:
(X1-
) + (X2-
) + (X3n-1
) + ..... +(Xn-
( Xi n-1
-43-
10.2.4 SISTEMATIZAO PARA O CLCULO Para sistematizar o clculo do desvio padro de uma amostra utilizado o seguinte procedimento:
observaes medidas
1 2 3
Xi
Xi -
(Xi -
X1 X2 X3
X1 X2 X3 -
) ) )
. . .
n
. . .
Xn Xn -
. . .
( Xn -
. . .
)
(Xi-
-44-
3-Aplicam-se as frmulas:
S=
( Xi n
( Xi n-1
10.3 VARINCA
Varincia da populao a soma dos quadrados dos desvios de cada observao em relao mdia de x, divide-se por n 1. Indica-se a Varincia da Populao por . Podemos fazer a mesma analogia com a Varincia da Amostra dada por S.
( Xi
S=
i=1
( Xi
=
i=1
n-1
Como medida de disperso, a Varincia tem a desvantagem de apresentar unidade de medida igual ao quadrado da unidade de medida dos dados. Se os dados esto em metros, a Varincia fica em metros quadrados. O desvio padro por sua vez, fica com valor na mesma da unidade da varivel. -45-
11.0 PROBABILIDADE
O problema fundamental da estatstica consiste em lidar com o acaso e a incerteza. Chama-se probabilidade de um acontecimento a razo entre o nmero de casos favorveis ao mesmo e o nmero total de acontecimentos possveis. Assim quando se considera uma populao limitada de P indivduos, a probabilidade de cada um ser escolhido, ao acaso, de 1/P. Laplace definiu probabilidade como: O quociente do n mero de casos favorveis sobre o nmero de casos igualmente possveis. or exemplo, se jogarmos uma moeda no viciada para o ar, de modo geral no podemos afirmar se vai dar cara ou coroa. Porm existem apenas dois eventos possveis: sair cara ou c r a Nesse exemplo existe um caso favorvel a esse evento em dois casos possveis. A P (K) = ou 50%. Considerando-se cara como sucesso e coroa como fracasso e representando-se o acontecimento favorvel como e o no favorvel como Q, temos as razes:
P= Sendo Ento
Q=
P+Q = 1 P= (1 - Q) e Q = (1 - P)
A probabilidade de um evento A, denotada por P (A), um nmero de 0 a 1, que indica a chance de ocorrncia do evento A. Quanto mais prxima de 1,00 P(A), maior a chance de ocorrncia do evento A, e quanto mais prxima de Zero, menor a chance de ocorrncia do evento A. Um evento impossvel atribui-se a probabilidade Zero. Um evento certo tem probabilidade de 1. As probabilidades podem ser expressas, inclusive por valores decimais, fraes e percentagem como: 20%; 2 em 10; 0,2; ou ainda 1/5. -46-
Alm do uso na interpretao de jogos de azar, usa-se ainda a probabilidade mediante determinada combinao de julgamento, experincia ou dados histricos, para predizer Quao Provvel a ocorrncia de determinado evento futuro.
H numerosos exemplos de tais situaes no campo dos Negcios e do Governo. A previso da aceitao de um novo produto, o clculo dos custos de produo, a contratao de um novo empregado, o preparo do oramento, a avaliao do impacto de uma reduo de impostos sobre a inflao tudo isso contm algum elemento de Acaso.
onsideremos o experimento que consiste em extrair uma carta de um baralho de 52 cartas. 52 eventos elementares no espa o amostral. Quanto aos eventos podemos
classific-los em:
ESPAO AMOSTRAL
COMPLEMENTO
elementos em comum.
-47-
OBJETIVO
SUBJETIVO
Opinio Pessoal
O Mtodo Clssico
Os jogos de azar (lanamento de moedas, jogo de dados, extrao de cartas) usualmente apresentam resultados igualmente provveis. Nestes casos temos:
P(cada resultado) =
Se cada carta de um baralho de 52 tem a mesma chance de ser escolhida, ento a probabilidade de extrair cada uma delas de 1/52 : P (A) = 1/52 1,92%.
Da mesma forma a probabilidade de termos uma cara no lanamento de uma moeda ou 50%. O mesmo ocorre com uma coroa, ou seja ou 50%.
No caso de um dado temos a probabilidade de dar qualquer nmero: 1,2,3,4,5,6 de 1/6 ou de 16,66%.
-48-
De forma geral vale tambm a expresso: P(A) = Nmero de resultados associados ao evento A Nmero total de resultados possveis Por exemplo, a probabilidade de extrao de uma dama, de acordo com esta definio, P (dama) = 4 damas = 4 52 cartas 52 = 1 = 7,69% 13
Analogamente, a probabilidade de obter nmero mpar no lance de um dado P(mpar) = 3 faces 6 faces possveis = 3 6 ou 50%
da probabilidade de
combinaes de eventos. H duas categorias de eventos de interesse, A e B, no espao amostral. Pode ser necessrio determinar P(A e B), isto ; a probabilidade de ocorrncia de ambos os eventos. Em outras situaes, podemos querer a probabilidade de ocorrncia de A ou B P(A ou B). C cu a Pr a i i a e a c rrncia e is event s independentes P A e B)
Se dois eventos so independentes, ento a probabilidade da ocorrncia de ambos igual ao produto de suas probabilidades individuais: P(A e B) = P(A) . P(B) Exemplo Jogam-se duas moedas equilibradas.Qual a probabilidade da ocorrncia de ambas darem cara? razovel admitir que os resultados das duas moedas sejam independentes um do outro. Alm disso, para moedas equilibradas, P(cara)= . Logo p(cara e cara) ser: 1 moeda x 2moeda = ou 25% -49-
C cu
a Pr
a i i a e a c rrncia e
P(A ou B ocorrer)
Se dois eventos mutuamente excludentes, a probabilidade de ocorrncia de qualquer um deles a soma de suas probabilidades individuais. Para dois eventos A e B temos:
P(A ou B) = P(A) + P(B) Exemplo, qual a probabilidade de aparecer cinco ou seis numa jogada de um dado equilibrado? P(cinco) ou P(seis) = P (5) + P(6) = 1 + 1 = 2 = 33,33% 6 6 6 C cu a Pr a ii a e a c rrncia ) e is event s n utua ente
exc u ente P A u B u a
s c rrer
Suponhamos a probabilidade de extrao de uma carta de paus ou um dez de um baralho de 52 cartas . omo possvel que uma carta seja simultaneamente de paus e um dez, os eventos no so mutuamente excludentes. Assim devemos excluir a probabilidade de interseo. Ento temos:
P(paus) = 13 , 52
P(dez)=
4 , P( dez de paus) = 1 52 52
= 13 + 52
4 52
- 1 52
= 16 52
-50-
NAIPE
PAUS PRETA OUROS VERMELHA K Q J 10 9 8 7 6 5 4 3 2 A COPAS VERMELHA ESPADA PRETA
K Q J 10 9 8 7 6 5 4 3 2 A
K Q J 10 9 8 7 6 5 4 3 2 A
K
Q J 10 9 8 7 6 5 4 3 2 A a carta um dez
Regra de probabilidade
P (A e B), para eventos independentes (Multiplicao) P(A) x P(B)
P (A ou B ou ambos ocorrero), para eventos no mutuamente excludentes P(A) + P(B) - P(A intercepta B)
-51-
EXERCCIOS 1- Extrai-se uma s carta de um baralho de 52. Determine a probabilidade de obter: a- Um valete b- Uma figura c- Uma carta vermelha d- Uma carta de ouros e- Um dez de paus f- Um nove vermelho ou um oito preto 2- Relacione os resultados possveis do lance de um s dado. Ache a probabilidade e adicione-as. 3- Joga-se uma vez um dado equilibrado; determine a probabilidade de obter: a- um seis b- cinco, seis ou sete c- um nmero par d- um nmero menor que quatro 4- Doze fichas so numeradas de 0 a 12 e colocadas numa urna. Escolhida uma aleatoriamente, determine a probabilidade de sair: a- o nmero 3 b- um nmero impar c- um nmero menor que quatro d- o nmero dez 5- Joga-se um par de dados equilibrados: a- Qual a probabilidade de ambas as faces serem seis? b- Qual a probabilidade de ambas as faces serem dois? c- Qual a probabilidade de ambas as faces serem pares? 6- Sejam P(A) = 0,30, P(B) = 0,80 e P(A e B) = 0,15. a- A e B so mutuamente excludentes? Explique. b- Determine P(A ou B). 7- Sejam A e B mutuamente excludentes, P(A) = 0,31 e P(B) = 0,29. a- A e b so coletivamente exaustivos? Explique. b- Determine P(A ou B). c- Determine P (A e B) 8- Joga-se uma moeda trs vezes. Qual a probabilidade de aparecer coroa trs vezes? Qual a probabilidade de no aparecer coroa nas trs vezes? -52-
Uma das possibilidades o uso das rvores de deciso, mas quando o numero de resultados grande, essa lista se torna muito trabalhosa; necessrio ento recorrer a formulas matemticas para determinar o numero total de resultados possveis.
Suponhamos que um estudante esteja fazendo um teste de 20 questes do tipo ver a eir -ou-fa s . Suponhamos ainda que ele, no tenha estudado nada, esteja dando todas as respostas na base do palpite. Qual a probabilidade de ele responder corretamente todo o teste?
Em segundo lugar devemos explorar suas diversas verses. Imaginemos que o teste consista de apenas:
Uma questo
temos V ou F
Duas questes temos VV, VF, FV, FF Trs questes temos VVV, VVF, VFF, VFV, FVF, FVV, FFV, FFF
Numero de resultados :
Nota-se que se, o numero de itens for grande, a listagem se tornara praticamente impossvel. Em seguida podemos ver um diagrama de rvore para determinar todos os arranjos possveis.
-53-
UES O
N2
N3 RESULTADOS
V V F
V F V F
.
V F F
V F V F
Alem disso, o que realmente necessario determinar o numero total de resultados; nada se tem a ganhar identificando cada resultado.
NUMERO DE QUESTOES
TOTAL DE RESULTADOS
1 2 3 4
2=2 2 x 2 =4 2x2x2=8 2 x 2 x 2 x 2 = 16
-54-
4=4 4 x 4 = 16 4 x 4 x 4 = 64
2x2x2x2x2x.......x2
1 2 3 4 5 . . . . . . . . . . 20
= 2
= 1.048.576 ou
1 . 1.048.576
De um modo geral, se ha n decises seqenciais, cada uma com m escolhas, o n numero total de resultados
m .
Quando a ordem em que os elementos se dispem importante, o numero total de resultados possveis conhecido como Arranjo ou Permutao. Quando a ordem no interessa, o numero total de resultados possveis designado como Combinao.
Para o uso na analise combinatria usaremos o numero fatorial representado pelo smbolo ! como por exemplo
4!
Outros exemplos:
-55-
5! = 5x4x3x2x1 7! 7x6x5x4x3x2x1
= 5! 7 x 6 x 5!
1 7x6
1 42
4! = 2!
4 x 3 x 2 x 1 = 4 x 3 x 2! = 4 x 3 = 12 2x1 2!
5! 2! 3!
= 5 x 4 x 3! 2 x 1 x 3!
= 5 x 4 = 20 = 10 2x1 2
( 5 - 3 )! = 2 ! ( 9 - 2 )! = 7! ( 3 + 1)! = 4!
e no ( 5! - 3! )
8! = 8! 3 ( 8 3 )! 3! . 5!
8 x 7 x 6 x 5! = 8 x 7 x 6 3 x 2 x 5! 3x2
= 56
0! = 1. 1! = 1.
ARRANJOS
So agrupamentos que podem variar pela ordem ou natureza dos elementos. Quando se consideram n elementos distintos tomados x a x chamamos arranjo ou agrupamentos eneri s que se podem formar com esses n elementos, dispomos de todas as formas possveis de modo que dois arranjos quaisquer difiram ao menos pela ordem dos elementos. Assim, os arranjos possveis com as letras A, B e C so A 3,2 (3 elementos dois a dois) A 3,2 = AB; BA; AC; CA, BC; CB. E com os nmeros: 2, 6 e 8 podem ser feitos os seguintes arranjos A 3,2 A 3,2 = 26; 28; 62; 68; 82; 86.
-56-
Outro exemplo: Se ha sete cavalos num preo, quantos arranjos ha considerando 1,2 e 3 lugares?
A n,x =
n! ( n x )!
A 7,3 =
7! ( 7 3 )!
7! 4!
7 x 6 x 5 x 4! = 7 x 6 x 5 = 210 4!
PERMUTAO
Denomina-se permutao aos arranjos de objetos tomados n a n. Neste caso cada objeto entra s uma vez em todos os grupos.
Em geral o numero de permutaes distintas com n itens, dos quais n1 so indistinguveis de um tipo, n2 de outro tipo, etc, : n1, n2, ....nK Pn = n! (n1!) (n2!) (n3!) ......(nk!)
Exemplo: Quantas permutaes distintas de 3 letras podemos formar com as letras: RRRR UUU N
4 3 1
P8 =
= 280
-57-
COMBINAO
Chama-se combinao quando no interessa a ordem para denotar o numero de agrupamentos distintos possveis.
Exemplo: a escolha de 2 tipos de vegetal de um cardpio com 5 tipos. A escolha de batata e cenoura a mesma que cenoura e batata.
De um modo geral, para agrupamentos de tamanho x extrados de uma lista de n itens, o numero de combinaes possveis :
C n,x =
n! x! (n - x )!
n x
Quantos comits distintos, de 3 pessoas cada um, podemos formar com um grupo de 10 pessoas?
C10,3 =
10! 7! 3!
= 10 x 9 x 8 x 7! = 120 3 x 2 x 7!
De quantas maneiras podemos formar um comit de 1 mulher e 2 homens, de um total de 4 mulheres e 6 homens.
Mulheres ( C 4,1 )
Homens ( 6,2 )
4! 3 ! 1!
6! 4! 2!
= 4 x 15
= 60
-58-
decises
A n,x =
n! ( n x )!
PERMUTAO COM REPETIES (OU DISTINGUIVEIS): alguns itens so idnticos, e a ordem importante. n1, n2, ....nK Pn = n! (n1!) (n2!) (n3!) ......(nk!) COMBINAES: a ordem no importa. C n,x = n! x! (n - x )! n x
-59-
a-
3 2
b-
4 4
c-
5 1
d-
9 6
4- Um vendedor de automveis deseja impressionar os possveis compradores com o maior numero de combinaes diferentes possveis. Um modelo pode ser dotado de trs tipos de motor, dois tipos de transmisso, cinco cores externas e duas internas. Quantas so a escolhas possveis?
5- Em um determinado Estado, as placas de licena constam de trs letras e quatro algarismos. Quantas placas diferentes podemos formar admitindo-se o uso de todas as (26 letras) e os (10 algarismos)?
6- Quantas permutaes distintas podem ser feitas com as letras da palavra BLUEBEARD ?
7- Se um torneio de basquetebol consiste de 36 times, de quantas maneiras podem ser conquistados os trs primeiros lugares?
8- De quantas maneiras diferentes podemos escolher um comit de cinco pessoas dentre oito?
9- A Pizzaria do Joe oferece as seguintes escolhas de pizza: presunto, cogumelos, pimento, enchovas e muzzarella. De quantas maneiras podemos escolher dois tipos diferente de pizza?
-60-
Se a moeda equilibrada, P(K) = P(C) = .As probabilidades dos diversos resultados so:
RESULTADOS
PROBABILIDADE DO RESULTADO
NUMERO DE CARAS
P(X)
1 CC 2 1 CK 2 1 KC 2 1 KK 2
1 = 2
1 2
1 2
1 2
-61-
Assim, pois, a distribuio de probabilidades para o numero de caras em duas jogadas de uma moeda so: NUMERO DE CARAS 0 1 2 P(X) 0,25 0,50 0,25 1,00
Note-se que a soma de todas as probabilidades 1,00, como de esperar, pois os resultados apresentados so mutuamente excludentes e coletivamente exaustivos. A mesma distribuio pode ser apresentada em forma acumulada. NUMERO DE CARAS 0 1 2 P(X ou menos) 0,25 0,75 1,00
1,OO
0,75
0,5
0,25
0,25
0,25
0 0 1 2 NUMERO DE CARAS
0 1 2 NUMERO DE CARAS
-62-
Suponhamos agora o experimento E4= Lanamento de 4 moedas. A tabela abaixo mostra todas as possibilidades de combinaes cara/coroa, os eventos que estas combinaes originam e os valores correspondentes da varivel aleatria X : Numero de vezes que sai Cara.
POSSIBILIDADE
MOEDA N
EVENTO
VALOR DE X
N 1 2a 2b 2c 2d 3a 3b 3c 3d 3e 3f 4a 4b 4c 4d 5
1, 2, 3, 4 CCCC CCCK CCKC CKCC KCCC CCKK CKKC KKCC CKCK KCKC KCCK KKKC KKCK KCKK CKKK KKKK 0K e 4C 1K e 3C
2K e 2C
3K e 1C
4K e 0C
Utilizando as regras do produto para eventos independentes (e) e da adio para eventos mutuamente exclusivos (ou) possvel calcular as probabilidades associadas aos valores de X.
A probabilidade de X=0 obtida pelo conhecimento de termos 4 coroas, sabe-se que a probabilidade de sair coroa , a probabilidade final ser: 0,5x0,5x0,5x0,5 = 0,0625. -63-
Para o calculo da probabilidade X=1 deve-se trabalhar com o evento 1K e 3 como temos as opes a,b,c,d, que so mutuamente exclusiva, a regra da soma manda efetuar a adio 0,0625 +0,0625 +0,0625 +0,0625 ou, o que o mesmo de se efetuar o produto 4x 0,0625 = 0,25.
X 0 1 2 3 4
EVENTO 0K e 4C 1K e 3C 2K e 2C 3K e 1C 4K e 0C
P(X = x)
0 4 0 4
= 1p
1
q
3
= 4p
2
q
2
= 6p
3
q
1
= 1p
4
q
0
= 1p
TOTAL
1,00
Generalizando temos;
x n-x
P(x) =
n! x! (n x)!
p . q
-64-
X Numero de C r as e 10 jogadas
n! x ! (n x) !
Distribuio Amostral
10
p(10) =
10! 10! (10 10)! 10! 9! (10 9) ! 10! 8! (10 8) ! 10! 7! (10 7) ! 10! 6! (10 6) ! 10! 5! (10 5) ! 10! 4! (10 4) ! 10! 3! (10 3) ! 10! 2! (10 2) ! 10! 1! (10 1) ! 10! 0! (10 0) !
1/1024 = 0,000976
p(9) =
10
1/1024 = 0,009760
p(8) =
45
1/1024 = 0,043940
p(7) =
120
1/1024 = 0,117180
p(6) =
210
1/1024 = 0,205070
p(5) =
252
1/1024 = 0,246090
p(4) =
210
1/1024 = 0,205070
p(3) =
120
1/1024 = 0,117180
p(2) =
45
1/1024 = 0,043940
p(1) =
10
1/1024 = 0,009760
p(0) =
1
10
1/1024 = 0,000976
TOTAL = 2
= 1024
-65-
EXERCICIOS: Use a formula binomial para responder s questes abaixo: 1- Um fabricante de mesas de bilhar suspeita que 2% de seu produto apresenta algum defeito. Se tal suspeita correta, determine a probabilidade de que, numa amostra de nove mesas: a- Haja ao menos uma defeituosa b- No haja nenhuma defeituosa
2- Dos estudantes de um colgio, 41% FUMAM CIGARROS. Escolhem-se seis ao acaso para darem sua opinio sobre o fumo. a- Determine a probabilidade de nenhuma das seis ser fumante. b- Determine a probabilidade de todos os seis ser fumante. c- Qual a probabilidade de ao menos a metade dos seis serem fumantes.
3- Doze por cento dos que reservam lugar num vo sistematicamente faltam ao embarque. O avio comporta 15 passageiros. a- determine a probabilidade de que todos os 15 que reservaram lugar compaream ao embarque b- Se houve 16 pedidos de reserva, determine a probabilidade de uma pessoa ficar de fora.
4- Um revendedor de automveis novos constatou que 80% dos carros vendidos so devolvidos ao departamento mecnico para corrigir defeitos de fabricao, nos primeiros 25 dias apos a venda. De 11 carros vendidos num perodo de 5 dias, qual a probabilidade de que: a- Todos voltem dentro de 25 dias para reparo. b- S um no volte
5- Suponha que 8% dos cachorros-quentes vendidos num estdio de futebol sejam pedidos sem mostarda. Se sete pessoas pedem cachorro, determine a probabilidade de que: a- Todos queiram mostarda b- Apenas um no a queira. -66-
> 100
n.p < 10
Temos a distribuio de Poisson com: n.p = 150 . (0,05) = 7,5 A formula a ser usada : x - n.p (n.p) . e x! e= 2,718 Exemplo: Sabe-se que 2% dos livros encadernados em uma certa livraria apresentam defeitos de encadernao. Utilize a aproximao de Poisson da distribuio Binomial para achar a probabilidade de que 5 entre 400 livros encadernados nessa livraria apresentam algum defeito de encadernao. Temos: n = 400 -8 e = 0,000335 temos ento: x - n.p (n.p) . e x!
5 -8
f (x) =
para x = 1, 2, 3, .......
p = 2% = 0,02
x=5
f (x) =
8 . e 5!
Outro Exemplo: Supnhamos que os defeitos em fios para tear possam ser aproximados por um processo de Poisson com media de 0,2 defeitos por metro
(p = 0,2) .Inspecionando-se pedaos de fio de 6 metros de comprimento, determine a probabilidade de menos de 2 (isto 0 ,1) defeitos. Temos : n = 6 p = 0,2
0 -1,2
n . p = 6 . 0,2 = 1,2
x =1 e
X=2
f(0) =
1,2 0!
1
-1,2
f(1) =
1,2 1!
1- Verifique, em cada caso, se os valores de n e p satisfazem as regras empricas para a utilizao de Poisson como aproximao da Binomial: abcn = 500 e n = 100 n = 60 e e p = 0,001 p = 0,12 p = 0,002
2- Se 0,6% dos detonadores fornecidos a um arsenal so defeituosos, utilize a aproximao de Poisson para a distribuio Binomial para determinar a probabilidade de que, em uma amostra aleatria de 500 detonadores, quatro sejam defeituosos. 3- Em uma certa cidade 3,2% dos habitantes se envolve em, ao menos, um acidente de carro em um ano. Com o auxilio da aproximao de Poisson para a distribuio Binomial, determine a probabilidade de que, dentre 200 motoristas escolhidos aleatoriamente nessa cidade. a- Exatamente seis se envolvam em ao menos um acidente em um ano; b- No Maximo oito se envolvam em ao menos um acidente em um ano; c- Cinco ou mais se envolvam em ao menos um acidente em um ano; 4- Suponha que, em media 2% das pessoas sejam canhotas. Encontre a probabilidade de 3 ou mais canhotos em 100 pessoas -68-
14.0 DISTRIBUIO NORMAL (ou de GAUSS, ou de LAPLACE, ou ainda, dos ERROS DAS OBSERVAES) uma distribuio contnua e simtrica, cujo grfico tem a forma de um sino. A distribuio normal o resultado da atuao conjunta de causas aleatrias.
F (x)
x- 3
x- 2
x- 1
x +1 x+ 2
x+ 3
Parmetros da Distribuio Normal Mdia da Populao Determinam o formato da curva Desvio padro da populao Equao da Funo de Probabilidade A equao da funo de probabilidade dada pela expresso: - ( x - ) 2 f(x) = 1 2 -69-
- < x < +
- a varivel x obedecer a uma Distribuio Normal, se a probabilidade de que um valor x seja menor ou igual a outro xo for:
- ( x - ) x0 2 P( x < x0 ) = f(x0) = 1 2 -
dx
xo.
F (x)
-
X0
Portanto: A probabilidade de ocorrncia de um valor menor ou igual rea abaixo da curva, entre os valores -
x .
Os valores = 3,1416 e
e ( nmero
-70-
c- A rea total sob a curva normal igual a 1, pela prpria equao da probabilidade. d- Em virtude da simetria as reas direita e esquerda do valor so iguais
Z=
-
e como unidade de
escalados z e o desvio padro , teremos transformado a expresso da funo das probabilidades na distribuio normal reduzida:
- z
2 f(z)= 1 2
= . dz -71-
- z
z f(z)= 1 2 2
e
-
dz
As reas sob a curva permanecem as mesmas, mas agora podem ser tabuladas em funo dos valores de Z (Ver figura abaixo, eixo dos Z). Basta construir a tbua das reas para os valores I(z), na tbua 1.
Por exemplo, a rea desde Z=0, at Z= 1,0 I(1,0) = 0,3413 ou 34,13% da rea total da curva; conseqentemente, dentro do intervalo 1 temos 68,26% da rea total da curva. Se procurarmos a probabilidade de encontrarmos um valor de x dentro do intervalo 0,95 onde a media, o desvio padro da populao, teremos: 0,95 < Z < + 0,95 )
Apresentamos na tabela abaixo alguns dos mais importantes intervalos de distribuio normal para aplicaes em exerccios de probabilidade na curva normal.
Z=
valores de z e em seguida construir uma tabela com resultados das integrais, que corresponde rea sob a curva xo intervalo de 0 a Z0 identificada por Iz0.
-72F (x)
x- 3
x- 2
x- 1
x +1
x+ 2
x+ 3
-3
-2
-1
Transformao de X em Z
Xo
Z=
Zo
+ 1 + 2 + 3 - 1 - 2 - 3
- + 1- + 2- + 3- -- - 2 - - 3 -
0 1 2 3 -1 -2 -3
-73-
I Zo
Zo
AREAS I ZO = I Z0
Z0
0,00 0,05 0,10 0,15 0,20 0,25 0,30 0,35 0,40 0,45 0,50 0,55 0,0000 0,0199 0,0398 0,0596 0,0793 0,0987 0,1179 0,1369 0,1554 0,1736 0,1915 0,2088
Z0
0,60 0,65 0,70 0,75 0,80 0,85 0,90 0,95 1,00 1,05 1,10 1,15 0,2257 0,2422 0,2580 0,2734 0,2881 0,3051 0,3159 0,3289 0,3413 0,3531 0,3643 0,3749
Z0
1,20 1,25 1,30 1,35 1,40 1,45 1,50 1,55 1,60 1,65 1,70 1,75 0,3849 0,3944 0,4032 0,4115 0,4192 0,4279 0,4332 0,4394 0,4452 0,4505 0,4554 0,4599
Z0
1,80 1,85 1,90 1,95 2,00 2,05 2,10 2,15 2,20 2,25 2,30 2,35 0,4641 0,4678 0,4713 0,4744 0,4772 0,4798 0,4821 0,4842 0,4861 0,4878 0,4893 0,4906
Z0
2,40 2,45 2,50 2,55 2,60 2,65 2,70 2,75 2,80 2,85 2,90 2,95 0,4918 0,4929 0,4938 0,4946 0,4953 0,4960 0,4965 0,4970 0,4974 0,4978 0,4981 0,4984
Z0
3,00 3,05 3,10 3,15 3,20 3,25 3,30 3,35 3,40 3,50 3,70 3,90 0,4987 0,4989 0,4990 0,4992 0,4993 0,4994 0,4995 0,4996 0,4997 0,4998 0,4999 0,5000
EXERCICIOS - E7
1- Trace uma curva normal e sombreie a rea desejada a partir das informaes:
a- rea direita de z=1,0 b- rea da esquerda de z= 1,0 c- rea entre z=0 e z=1,5 d- rea entre z=0 e z= - 2,9 e- rea entre z=1,0 e z= 2,0 f- rea entre z= -2,0 e z= 2,0 g- rea entre z= 2,5 e z=3,0 -74-
2- Ache os valores de z correspondentes as seguintes reas: a- rea esquerda de para Iz = 0,0505 b- rea esquerda de para Iz = 0,0228 c- rea esquerda Iz= 0,4505 e rea da direita Iz = 0,4861
3- Uma distribuio normal tem media 50 e desvio padro 5. Que percentagem da populao estaria provavelmente dentro dos intervalos: a- P ( x
60)
e- P ( 35 x 45)
4- Suponha uma renda mdia de uma grande comunidade possa ser razoavelmente aproximada por uma distribuio normal com media anual de R$ 10.000,00 e desvio padro de R$ 2.000,00.
a- Que percentagem da populao ter renda superior a R$ 15.000,00? b- Numa amostra de 50 assalariados, quantos podemos esperar que tenham menos de R$ 8.000,00 de renda?
-75-
15.0 CORRELAO
15.1 INTRODUO
At agora nossa preocupao era descrever a distribuio de valores de uma nica varivel. Com esse objetivo, aprendemos a calcular medidas de tendncia central e variabilidade. Quando porem, consideramos observaes de duas ou mais variveis, surge um novo problema: as relaes que podem existir entre duas ou mais variveis estudadas.
Assim, quando consideramos variveis como peso e altura de um grupo de pessoas, uso do cigarro e incidncia do cncer, a potencia gasta e a temperatura da gua no chuveiro, Procuramos verificar se existe alguma relao entre as variveis de cada um dos pares e qual o grau dessa relao. Para isso, necessrio o conhecimento de novas medidas. Sendo a relao entre as variveis de natureza quantitativa, a correlao o instrumento adequado para descobrir e medir essa relao. Uma vez caracterizada a relao, procuramos descreve-la atravs de uma funo matemtica. A regresso o instrumento adequado par a determinao dos parmetros dessa funo.
Atribuindo-se, ento, um valor qualquer de L, possvel determinar exatamente o valor do permetro. -76-
Considerando, agora a relao que existe entre o peso e a estatura de um grupo de pessoas. evidente que essa relao no do mesmo tipo da anterior, ela bem menos precisa. Assim, pode acontecer que a estaturas diferentes correspondam a pesos iguais ou que estaturas iguais correspondam a pesos diferentes.
As relaes do tipo perimetro-lado so conhecidas como relaes funcionais. As relaes do tipo peso-estatura, como relaes estatsticas.
Quando duas variveis esto ligadas por uma Relao Estatstica, dizemos que existe uma correlao entre elas.
01 08 24 38 44 58 59 72 80 92
5,0 8,0 7,0 10,0 6,0 7,0 9,0 3,0 8,0 2,0
6,0 9,0 8,0 10,0 5,0 7,0 8,0 4,0 6,0 2,0
-77-
Representando, em um sistema de coordenadas cartesiano ortogonal, os parmetros (xi ; yi), obtemos uma nuvem de pontos que denominamos DIAGRAMA DE DISPERSAO. Esse diagrama nos fornece uma idia grosseira, porem til, da correlao existente: yi 10 . .
o o
8 . . 6 . .
o
4 . . 2 . . . . 2
o
. 4
. 6
. 8
. 10 xi
possvel verificar que cada correlao esta associada como i age uma relao funcional. Por esse motivo, as relaes funcionais so chamadas Relaes Perfeitas.
yi 10 . .
o
RETA IMAGEM
8 . . 6 . .
o
4 . . 2 . . . . 2
o
. 4
. 6
. 8
. 10 xi
omo a correlao em estudo tem como imagem uma reta ascendente, ela chamada de Correlao Linear Positiva.
Assim uma correlao : a- Linear Positiva se os pontos do diagrama tem com imagem uma reta ascendente; b- Linear negativa se os pontos tem como imagem uma reta descendentes; c- Nao-linear se os pontos tem como imagem uma curva.
-79-
Se os pontos apresentam-se dispersos, no oferecendo uma i age definida, conclumos que no h relao alguma entre as variveis em estudo. Temos: Y
o oo ooo oo ooooo ooo ooooo oo o oo
X Y
o oo ooo oo ooooo ooo ooooo oo o oo
X
o o oo oo oooo ooo oo oo ooo ooooo o correlao no-linear ooo oooo ooooo ooo oo oo o oooo oo ooo
Y
oo o o o o o o o oooo ooo o ooo oo ooo oooo oooo oooo o o oo ooo ooooo o o ooo oo o ooooo
no h correlao
-80-
Onde
[ n xi xi)] [ n yi yi)]
n = nmero de observaes Os valores limites de r so -1 e +1, isto , o valor de r pertence ao intervalo [ -1 e +1]. Assim: A- Se a correlao entre duas variveis perfeita e positiva, ento r = +1. B- Se a correlao perfeita e negativa, ento r = -1 C- Se no h correlao entre as variveis ou a relao por ventura no-linear, ento r = 0. NOTAS Para que uma relao possa ser descrita por meio do Coeficiente de Correlao de Person imprescindvel que ela se aproxime de uma funo Linear. Uma maneira pratica de verificarmos a linearidade da relao a inspeo do Diagrama de Disperso: se a elipse apresenta salincias ou reentrncias muito acentuadas, provavelmente trata-se de uma relao curvilnea. Para podermos tirar algumas concluses significativas sobre o comportamento simultneo das variveis analisadas, necessrio que: 0,6 Se Se 0,3 0 | r | 1 | r | < 0,6, h uma correlao relativamente fraca entre as variveis. < | r | < 0,3, a correlao muito fraca e, praticamente, nada podemos
Em seguida vamos calcular o coeficiente de correlao relativos ao exerccio anterior. O modo mais pratico para obtermos r abrir, na tabela, colunas correspondentes aos valores de xi yi, xi e yi. Assim:
MATEMATICA (xi)
ESTATISTICA (yi)
xi yi
xi
yi
5,0 8,0 7,0 10,0 6,0 7,0 9,0 3,0 8,0 2,0 =65
6,0 9,0 8,0 10,0 5,0 7,0 8,0 4,0 6,0 2,0 =65
30 72 56 100 30 49 72 12 48 04 =473
25 64 49 100 36 49 81 09 64 04 =481
36 81 64 100 25 49 64 16 36 04 =475
Logo: 10 x 473 65 x 65
r=
505
550 4.554,18
= 0,911
(4.810 4.225)
(4.750 4.225)
585 x 525
Dai: r = 0,91
-82-
Identificamos
1- Devemos evitar a concluso de que a correlao implica em casualidade . Um estudo mostrou uma correlao entre salrios de professores de Estatstica e o consumo individual de cerveja. Porem essas duas variveis so afetadas pelas condies econmicas que envolvem no s o professor de Estatstica, aparece neste caso uma terceira varivel oculta.
2- Surge outra fonte de erro potencial quando os dados se baseiam em taxas ou mdias. Quando utilizamos taxas ou mdias para os dados, suprimimos a variao entre os indivduos ou elementos, e isto pode levar a um coeficiente de correlao inflacionado.
3- Um terceiro erro diz respeito propriedade de linearidade . A concluso de que no h correlao linear significativa no quer dizer que x e y no estejam relacionados de alguma forma provavelmente possa haver uma correlao no linear.
-83-
EXERCICIOS: E 8
xi yi
4 12
6 10
8 8
10 12
12 14
Temos:
(xi)
(yi)
xi yi
xi
yi
12,0 . 14,0 = = =
r=
.........
........ .........
= ........
..... x ......
ONDE: r =
-84-
(xi) 34 30 40 34 39 35 42 45 43 = =
(yi) 21 22 25 28 15 24 24 22 17
xi yi
xi
yi
b-
(yi) 46 46 52 50 48 40 42 44 =
xi yi
xi
yi
-85-
1 AVALIAO 2 AVALIAO
estudante 1 2 3 4 5 6 7 8 9 10 11 =
(xi) 82 84 86 83 88 87 85 83 86 85 87
(yi) 92 91 90 92 87 86 89 90 92 90 91 =
xi yi
xi
yi
5- Com os dados abaixo, sobre crimes violentos e a temperatura mdia entre 21 e 2 horas das noites de sbado numa grande comunidade, monte o grfico para os dados e calcule o coeficiente de correlao.
Crimes Violentos/ 1000 residentes 5,0 2,2 4,1 5,4 2,8 3,0 3,6 4,9 4,1 4,2 2,0 2,7 3,1 -86-
Sejam duas variveis X e Y, entre as quais exista uma correlao acentuada, embora no perfeita, como, por exemplo, as do exerccio j apresentado:
MATEMATICA (xi) 5,0 8,0 7,0 10,0 6,0 7,0 9,0 3,0 8,0 2,0
ESTATISTICA (yi) 6,0 9,0 8,0 10,0 5,0 7,0 8,0 4,0 6,0 2,0 -87-
yi 10 . .
o
RETA IMAGEM
8 . . 6 . .
o
4 . . 2 . . . . 2
o
. 4
. 6
. 8
. 10 xi
Podemos concluir, pela forma do diagrama, que se trata de uma correlao retilnea, de modo a permitir o ajustamento de uma reta, imagem da funo definida por: Y = ax+ b
a = n i Yi - xi . yi n i - xi) e
b = Y - a X
Onde : n o nmero de observaes
X mdia dos valores de Xi (X = i ) n Y mdia dos valores de Yi (Y = Yi ) n Nota: Como estamos fazendo uso de uma amostra para obtermos os valores dos parmetros, o resultado, na realidade, uma estimativa da verdadeira equao de regresso. Sendo assim, escrevemos: Y^ = a X + b Onde Y^ o Y estimado A tabela de valores: MATEMTICA (xi) ESTATSTICA (yi)
xi yi
xi
5,0 8,0 7,0 10,0 6,0 7,0 9,0 3,0 8,0 2,0 =65
6,0 9,0 8,0 10,0 5,0 7,0 8,0 4,0 6,0 2,0 =65
25 64 49 100 36 49 81 09 64 04 =481
Temos assim a = 10 x 473 65 x 65 = 4730 - 4225 = 505 = 0,8632 10 x 481 (65) 4810 - 4225 585 Como: X = 65 = 6,5 10 Vem: b = 6,5 0,8632 x 6,5 = 6,5 - 5,6108 = 0,8892, Donde: a = 0,86 Logo: Y^ = 0,86 X + 0,89 Para traarmos a reta no grfico, basta determinar dois de seus pontos: X=0 X=5 Assim temos: yi
10 . . 8 . . 6 . 5,19 . 4 . . 2 . o o o o o o o o o o Y^ = 0,86 X + 0,89
Y = 56 = 6,5 10
b = 0,89
.
0,89
.
2
.
4
.
6
.
8
.
10
xi
- 90-
Quando recorremos a uma reta de mnimos quadrados, precisamos saber qual a preciso dos valores obtidos para a e b na equao de mnimos quadrados? Qual a preciso da estimativa Y^?
Os valores calculados so apenas estimativas baseadas em dados amostrais e, se fundamentarmos nosso trabalho em outra amostra de mesmo tamanho n o mtodo de mnimo quadrado poderia gerar valores diferentes de para a poderia gerar valores para Y^ diferentes. e b , como tambm
Para prever essas diferenas possvel estabelecermos um intervalo para o qual possamos afirmar, com certo grau de confiana valores de Y^.
O clculo desses intervalos segue os mesmos raciocnios visto anteriormente para as mdias , propores, varincias e desvio padro, e analisaremos a seguir.
-91-
EXERCICIOS: E 9
1- Aps 6 horas de treinamento, um cachorro cometeu 5 erros em uma exposio canina, outro cachorro aps 12 horas cometeu 6 erros, e
finalmente um outro cachorro, apos 18 horas, cometeu apenas 1 erro. Denotando por x o nmero de horas de treinamento e por y o nmero de erros cometidos, qual das duas retas se ajusta melhor aos trs pontos, no sentido de mnimos quadrados?
a- y = 10 - x b- y = 8 1/3
2- A tabela a seguir mostra quantas semanas seis pessoas trabalharam em um posto de inspeo de automveis e quantos carros foram inspecionados entre 12 e 14 horas, em determinado dia:
x .y =721
b- Com o auxilio da parte a, estime quantos carros uma pessoa que venha trabalhando no posto de inspeo ha 8 semanas poder inspecionar?
-92-
3- Os dados abaixo se referem ao resduo de cloro em uma piscina em vrios momentos, aps ter sido tratada com produtos qumicos: X Nmero de Horas 0 2 4 6 8 10 12 Y Resduo de cloro (P.P.M.) 2,2 1,8 1,5 1,4 1,1 1,1 0,9
A leitura de zero horas foi feita imediatamente aps completado o tratamento qumico. a- Ajuste uma reta de mnimos quadrados que nos permita predizer o resduo de cloro em termos do nmero de horas aps a piscina ter sido tratada com produtos qumicos.
b- Com a equao da reta de mnimos quadrados, estime o resduo de cloro na piscina 5 horas aps ter sido tratada.
c- Com a equao da reta de mnimos quadrados, estime o resduo de cloro na piscina 8 horas aps ter sido tratada. Por que razo o resultado diverge do valor 1,1 da tabela.
-93-
INTERFERNCIA ESTATSTICA
1.0 CONFIABILIDADE DA AMOSTRA
A estimativa do tamanho da amostra um dos fatores determinantes para o sucesso de uma Pesquisa Estatstica. Como j mencionado, o tamanho da amostra pode ser pequeno em relao populao geral. Ao longo do curso veremos formas especificas para o calculo da amostra mnima necessria para dar confiana aos resultados obtidos. Entretanto, existem dois fatores estatsticos que devem ser mantidos em mente: - Quanto maior o tamanho da amostra, mais precisas so as informaes sobre a populao; - Acima de determinado tamanho, poucas informaes extras sobre a populao podem ser obtidas, no entanto, os custos de tempo e dinheiro aumentam.
Registros incorretos dos dados; Transferncia incorreta de dados para a calculadora ou computador para processamento;
Para resumir, aqui temos uma lista de verificao das principais etapas do projeto de uma pesquisa:
Defina as metas da pesquisa; Defina a populao; Identifique o esquema de Amostragem (definir a amostra e o tamanho que ela deve ter);
Decida que mtodo de coleta de dados utilizar (questionrio pessoal, entrevista, medies, etc);
Caso decida usar questionrio, preparar um apropriado para entrevistas pessoais; Selecione e treine qualquer pessoa envolvida no processo de coleta de dados.
-95-
= 3 + 5 + 7 +9 +11 = 7 5
Se tomarmos agora amostra n=2 neste caso temos 10 possibilidades, isto , a combinao 5,2, ou seja, 5! 2! 3! 3e5 3e7 3e9 3 e 11 5e7 5e9 5 e 11 7e9 7 e 11 9 e 11 = 10
Como cada amostra tem probabilidade 1/10, obtemos a seguinte Distribuio Amostral da Mdia: Mdia X 4 5 6 7 8 9 10 -96Probabilidade 1/10 1/10 2/10 2/10 2/10 1/10 1/10
2/10
1/10
1/10
Observa-se que para X = 6, 7, 8 h uma probabilidade de 6/10 de uma Mdia Amostral no ser diferente de 1 da Mdia Populacional = 7. Tambm para mdia X = 5, 6, 7, 8 ou 9 h uma probabilidade de 8/10 de uma Mdia Amostral no ser diferente de 2 da Mdia Populacional = 7 Assim, se no conhecssemos a Mdia da Populao dada e quisssemos estima-la com a mdia de uma Amostra Aleatria de tamanho n =2 o processo acima nos daria uma idia do tamanho possvel do erro envolvido.
Para obtermos outras informaes teis sobre a distribuio Amostral da Mdia Calculamos : x e
x .
x = 4 + 5 + 6 + 6 + 7 + 7 + 8 + 8 + 9 + 10 = 7
10
x x
= (4 7)+ (6 7)+ (6 7)+ (7 7)+ (7 7)+ (8 7)+ (8 7)+ (9 7)+ (10 7) 10 = 3 -97-
, a Distribuio Normal de x
tem mdia:
x=
e o Desvio Padro da Mdia
ou
N -n
N -1
Dependendo de a Populao ser Infinita ou Finita de Tamanho N, respectivamente. Costuma-se referir-se a como o Erro Padro da Mdia, se:
x e pequeno h uma boa chance que a Mdia da Amostra estar prximo da Mdia da
Populao.
N -n
N -1
Exemplo Com referncia ao exerccio anterior, tnhamos n =2 e N =5 e segunda das formulas de Fazendo n = 2 ,N = 5 e
8 verifique que a
da
=8
N -n
N 1
= 8 2
5 2
5-1
8X3
2X4 -98-
=3
EXERCCIOS
a- Calcule a Mdia Populacional e o Desvio Padro b- Relacione Quantas Amostras so possveis se n = 2 (combinao 6,2) c- Montar todas as amostras possveis e calcular os X d- Construa o Histograma da Distribuio Amostral da Mdia para amostras Aleatrias de tamanho n = 2 extradas, sem reposio, dessa Populao Finita. e- Determine o Desvio Padro da Distribuio Amostral da Mdia
x .
-99-
Sabemos j calcular a mdia e o desvio padro, mas temos tambm que saber a forma da Distribuio Amostral. Se temos uma distribuio individual normal A distribuio das mdias tambm ser normal para qualquer nmero de amostras
A distribuio
Amostras Grandes
Isso significa que para qualquer distribuio individual, podemos sempre que tenhamos a distribuio normal com a nica restrio que o tamanho da amostra seja grande, ou seja, acima de 30 amostras. Esses resultados so conhecidos como o Teorema Central do Limite.
1- Se a populao sob amostragem tem distribuio normal, a distribuio das mdias tambm ser normal para todos os tamanhos de amostras. 2- Se a populao bsica no e normal, a distribuio das mdias amostrais ser aproximadamente normal para grandes amostras. Exemplo 1 Uma populao muito grande tem mdia = 20 e desvio padro = 1,4. Extrai-se uma amostra de 49 observaes .
Questes Resolvidas:
A- Qual a mdia da Distribuio Amostral? A mdia da distribuio Amostral e sempre igual a mdia da populao , logo x = 20. -100 -
x = x
n
C - Qual a Percentagem das possveis mdias amostrais que diferiro por mais de 0,2 da mdia da populao ?
TEMOS:
x = 0,2
x = 20 Portanto a curva normal seria
F (x)
0,3413
0,3413
x x-3 x x-2 x x - x x+ x x +2 x x+ 3 x
Z Z1 Z1 = 19,8 20 = - 0,2 = -1 0,2 0,2 Z1 = 20,2 20 = 0,2 0,2 = 0,2 1 Z2 Iz1= 0,3413
Iz1= 0,3413
EXERCICIOS
1- Um fabricante de baterias alega que seu artigo de primeira categoria tem uma vida esperada mdia de 50 meses. Sabe-se que o desvio padro correspondente de 4 meses. Que percentagem da amostra de 36 observaes acusara vida mdia no intervalo de 1 ms em torno de 50 meses, admitindo-se ser de 50 meses a verdadeira vida mdia das baterias? Qual ser a reposta para uma amostra de 64 observaes?
2- Se se extrai uma amostra de uma distribuio normal, qual a probabilidade de a mdia amostral estar compreendida em cada intervalo?
3- A mdia de uma distribuio amostral de mdias e 50 e seu desvio padro e de 10. Suponha normal a distribuio Amostral.
a - Que percentagem de mdias amostrais estar entre 45 e 55? b- Idem para 42,5 e 57,5 c - Que percentagem de mdias amostrais ser menor que a mdia populacional? d - Que percentagem de mdias amostrais ser igual mdia populacional?
4- Determine a mdia da distribuio de mdias amostrais, dada cada uma das seguintes mdias populacionais:
5- Calcule o desvio padro da distribuio amostral de mdias para cada um dos casos seguintes: a- x = 5,0 e b- x = 6,2 e c- x = 1,0 e d- x = 3,2 e e- x = 2,0 e n=6 n = 100 n = 36 n = 44 n = 40
6- Deve-se extrair uma amostra de 36 observaes de uma mquina que cunha moedas comemorativas a espessura mdia das moedas e de 0,2 cm, com desvio padro de 0,01 cm.
a- preciso saber que a populao normal para determinar a percentagem de mdias amostrais que esto dentro de certos intervalos? Explique. b- Que percentagem de mdias amostrais estar no intervalo 0,20 0,004 cm? c- Qual a probabilidade de se obter uma mdia amostral que se afaste por mais de 0,005 cm da mdia do processo?
-103 -
Quando decidimos usar mtodos de Amostragem para checar a uma deciso sobre a varivel investigada, devemos definir rigorosamente nossos conceitos e procedimentos. Em seguida, devemos assegurar que nossa A agregado no mximo grau possvel. stra reflita as caractersticas do
A principal vantagem de se adotar seleo aleatria de amostras em investigao cientifica a de que sabemos matematicamente alguma coisa sobre a natureza do comportamento destas Amostras Aleatrias.
Do ponto de vista do Estatstico as amostras devem ser to grandes quanto possveis. Quanto maior a amostra, maior a confiana que se tem nos resultados. Para entender as razoes desse ponto de vista, imagine que em uma cidade existem dois hospitais.
Em um deles nascem 120 bebes por dia e no outro 12. A razo de meninos e meninas , em mdia, 50% nos dois hospitais.
Uma vez nasceu, em um dos hospitais, duas vezes mais meninos do que meninas (67% meninos e 33% meninas). Em qual dos hospitais provvel que isso tenha ocorrido? claro que foi no menor.
A probabilidade de obter uma estimativa que se desvia muito do parmetro aumenta quando a amostra for pequena.
As amostras muito pequenas so inteis por que no do, em geral, boas estimativas.
No entanto amostras muito grandes, porem mal feitas, so piores porque do a iluso de conter a verdade. -104 -
Um estimador uma estatstica amostral (como a mdia amostral x) utilizada para obter uma aproximao de um parmetro populacional.
Uma estimativa um valor especifico, ou um intervalo de valores, usado para aproximar um parmetro populacional.
H duas razoes para explicar por que uma mdia amostral x tende a centrar-se em torno da ia u aci na .
1- Para muitas populaes, a distribuio de mdias amostrais x tende a ser consistente (apresentar menor variao) do que as distribuies de outras estatsticas amostrais (mediana ou a moda). ia P u aci na .
x1 x3 x4 x2 x5
x6 x8 x7
estimativa pontual no temos qualquer indicao de quo boa e essa estimativa. Para isso foi desenvolvida outro tipo de estimativa, que efetivamente indica quo boa uma estimativa pontual. -105 -
Essa estimativa, chamada intervalo de confiana ou estimativa intervalar, consiste em uma amplitude (ou um intervalo) de valores, em lugar de um nico valor.
Um intervalo de confiana est associado a um grau de confiana que e a medida da nossa certeza de que o intervalo contem o parmetro populacional. Para tanto usa a probabilidade , que corresponde a rea na curva normal, a qual pela simetria da curva divide-se em duas partes como aprece sombreada na curva abaixo:
/2
z=0
/2
So escolhas comuns para o grau de confiana: 90% (com = 0,10) 95% (com = 0,05) 99% (com = 0,01) A opo mais comum e a opo 95%
EXEMPLOS
1- Ache os valores crticos z /2 correspondentes aos graus de confiana:
90%
= 0,10
10% DE INCERTEZA
/2=0.05
0,45
0,45
/2=0,05
/2=0.05
z=-1,645
95% = 0,0 5
z=0
z=1,645
5% DE INCERTEZA
0,475
0,475
/2=0.025
/2=0.025
z=-1,96
99% = 0,01
z=0
z=1,96
1% DE I CER EZA
0,495 0,495
/2=0.005 /2=0.005
z=-2,575
z=0
-107 -
z=2,575
z /2
z=0
z /2
AREAS SIMETRICAS NAS CAUDAS AREA 0,001 0,002 0,003 0,004 0,005 Z /2 3,291 3,090 2,968 2,878 2,807 AREA 0,01 0,02 0,03 0,04 0,05 Z /2 2,576 2,326 2,170 2,054 1,960 AREA 0,06 0,07 0,08 0,09 0,10 Z /2 1,881 1,812 1,751 1,695 1,645 AREA 0,20 0,30 0,40 0,50 0,60 Z /2 1,282 1,036 0,842 0,674 0,524
u aci na , a margem
de erro, denotada por E e a diferena mxima provvel (com probabilidade 1-) entre a mdia amostral observada a verdadeira E = erro mximo da estimativa FORMULA ia u aci na .
E = Z /2 x
a r
ua
Quando e desconhecido: Se n > 30, podemos substituir na frmula acima pelo Desvio padro Amostral S. Se n 30, a curva deve ser normal e devemos conhecer obrigatriamente o para aplicar a formula. Adiante daremos uma outra soluo quando n 30.
Com base na definio da margem de erro E, podemos agora identificar o intervalo de confiana para a mdia populacional . Intervalo de confiana ( ou estimativa Intervalar) para a mdia populacional (com base em grandes amostras: n > 30).
XE
-E
Onde RESUMO
E = Z /2 x
Processo de construo de um intervalo de confiana para a mdia n > 30). 2- Determinar o valor critico Z /2 correspondente ao grau de confiana desejado. Exemplo: 95% Z /2 = 1,96
se o desvio padro da populao n no conhecido, utilizar o desvio padro da amostra S, desde que n > 30. 3- Com a margem de erro e o valor da mdia amostral X, calcular os valores X E e X+ E Levar esses valores na expresso do intervalo de confiana. XE E Ou = ou ( X E ;X E) -109 E
EXERCCIO: 1- Determine o intervalo de confiana 95% para a mdia populacional para os valores abaixo:
2- Determine o valor critico de Z /2 que corresponde ao grau de confiana indicado: a- 99% b- 94% c- 98% d- 92% e- 96% 3- Use o grau de confiana e os valores amostrais dados para achar a margem de erro e o intervalo de confiana para a ia u aci na .
a- Altura das alunas: 95% de confiana, n = 50, X = 164 b- Mdias das notas: 99% de confiana, n = 70, X = 7,0
S = 4,5 S = 0,88
c- Notas de um teste: 90% de confiana, n = 150, X = 77,6 S = 14,6 d- Salrio da Policia: 92% de confiana, n = 64, X = R$ 1200,00 S = R$ 80,00
4- A partir de uma amostra de 35 crnios de homens egpcios que viveram por volta de 1850 AC mede-se a largura mxima de cada crnio, obtendo-se:
X = 134,5 mm e S = 3,48 mm. Com esses dados amostrais construa um intervalo de 95% de confiana para a ia u aci na .
-110 -
Suponha que estamos definindo um procedimento para uma pesquisa cientifica. Como sabemos quantos elementos da populao devem ser escolhidos?
Suponha por exemplo, que queiramos estimar a renda mdia de pessoas que concluram um curso superior, no primeiro ano aps a formatura. Quantas rendas devemos incluir em nossa amostra?
n =
Z /2 x E
O nmero da amostra deve ser um nmero inteiro, quando isso no ocorre devemos arredondar usando o nmero inteiro mais prximo para cima.
EXEMPLO Um Economista deseja estimar a renda mdia para o primeiro ano de trabalho de um bacharel por uma faculdade, que teve a feliz idia de fazer um curso de Estatstica. Quantos valores de renda devem ser tomados, se o Economista deseja ter 95% de confiana que a mdia amostral esteja a menos de R$ 20,00 da verdadeira mdia Populacional? suponha que saibamos por um estudo prvio, que, para tais rendas o desvio padro = R$ 100,00. SOLUO: Queremos determinar o tamanho da amostra n dado que = 0,05 (95% de confiana). Desejamos que a mdia Amostral esteja a menos de R$ 20,00 da mdia populacional de forma que o Erro E = 20. Supondo que = R$ 100,00, aplicamos a Formula
2 2
n =
Z /2 x E
= 96.04
97 a
stras
Devemos, portanto, obter uma amostra de 97 rendas de primeiro ano, selecionadas aleatoriamente, de Bacharis de Faculdades que tenham feito um curso de estatstica.
Com tal amostra teremos 95% de confiana em que a mdia amostral X difira em menos de R$ 20,00 da verdadeira mdia populacional, XE < < X 20 < < + 20
-E
Quando no conhecemos o valor de podemos estimar o valor a partir pelo menos de 31 valores amostrais selecionando aleatoriamente em um estudo piloto, no caso anterior poderamos encontrar o valor R$ 2300,00 como a maior renda e R$ 1900,00 como a menor renda, o pode ser estimado:
= RT
4
= 400 =
4
100
2.3
ESTIMATIVA
DE
UMA
MDIA
POPULACIONAL,
PEQUENAS
AMOSTRAS
Agora veremos a estimativa da mdia populacional quando o tamanho n da m amostra pequeno, ou seja, n 30.
Neste caso: A melhor estimativa continua sendo a partir de X Usaremos intervalo de confiana a partir da curva normal com a mesma margem de erro do capitulo anterior.
Usaremos a distribuio
de tudent
t= X -
S n -112 -
O nmero de graus de liberdade para um conjunto de dados corresponde ao nmero de valores que podem variar apos terem sido impostas certas restries a todos os valores.
EXEMPLO Se 10 estudantes tm em um teste mdia 80, podemos atribuir valores arbitrrios a nove delas, mas a dcima fica determinada univocamente. A soma das 10 notas deve ser 800, de modo que a 10 deve ser igual a 800 menos a soma das 9 primeiras. Como as nove primeiras podem ser escolhidas arbitrariamente, dizemos que h nove graus de liberdade (n 1 ).
t de Student
distribuio normal, mas reflete a maior variabilidade que esperada em pequenas amostras; 3- A distribuio
n mas superior a 1, ao contrrio que a destruio normal onde = 1. 5- medida que aumenta o tamanho n da amostra a distribuio se aproxima mais e mais da distribuio normal Padronizada.
1- O tamanho da amostra pequeno n 30) 2- desconhecido 3- A populao original tem distribuio Normal
-113 -
E = t /2 x S n
-E
Onde
E = t /2 x S n
teste
de
coliso
de
carros
um
exemplo
muito
dispendioso
de
teste
destrutivo.Dificilmente pode-se fazer colidir mais de 30 carros, a fim de poder utilizar uma distribuio normal. uponhamos que tenhamos feito teste de coliso de 12 carros de um tipo A cujo preo de venda seja R$ 59.000,00 sob diversas condies que simulam colises tpicas.
A analise do 12 carros danificados resulta em custos de conserto que parecem ter distribuio em forma de sino com mdia de $ 26.000,00 e desvio padro S= $ 15.000,00. Determine: a- A melhor estimativa da mdia populacional , do custo de conserto de cada carro danificado. b- A estimativa intervalar de 95% de .
-114 -
SOLUO: a- A melhor estimativa pontual de o valor X neste caso $ 26.000,00. b- Usamos t de Student porque as condies bsicas esto satisfeitas: - n 30 n=12 porem conhecemos S= $ 15.000,00
- desconhecido Ento: E = t /2 x S n
-E
26.000 9.530,61 < < 26.000 + 9.530,61 16.490 < < 35.530 ou 9.530 26.000 ou (16.490;35.530)
Com base nesse resultado, temos 95% de confiana de que os limites 16.490 e 35.530 contem o valor da mdia populacional .
Esse exemplo real e trata de um carro americano, dos mais caros para consertar em caso de coliso.
-115 -
EXERCICIOS:
2- Dados os graus de confiana e os elementos amostrais, determine: I- Margem de erro II-O intervalo de confiana para a mdia . Admita que a populao tenha distribuio normal. a- Altura das alunas: 95% de confiana; n=10; X= 164; S= 4,5cm. b- Mdia das Notas: 99% de confiana; n=15; X= 7,0; S= 0,88. c- Notas de um teste: 90% de confiana; n= 16 X= 77,6; S= 14,2 d- salrio da Policia: 98% de confiana, n=19, X=R$1200,00; S= R$80,00
3- Determine corretamente se os intervalos de confiana so calculados com a distribuio normal padronizada ou com a distribuio
de Student. Em
teste de coliso feitos em 15 minivans Honda, os custos de conserto apresentam distribuio em forma de sino, com mdia de $ 1786 e desvio padro de $937.Construa um intervalo de confiana de 99% para o custo mdio de conserto para esse tipo de veiculo.
4- Suponha que tenhamos apenas 10 temperaturas do corpo Humano, para esses valores a mdia X = 98,44F e S= 0,30F. Construa um intervalo de confiana de 95% para a mdia de todas as temperaturas do corpo humano. Sabendo-se que essa distribuio normal.
-116 -
Neste capitulo vamos abordar os mesmos trs conceitos estudados nos captulos anteriores. (1) Estimativa pontual (2) Intervalo de confiana (3) Determinao do tamanho da Amostra n. Nos captulos anteriores aplicamos esses conceitos a estimativa de uma mdia populacional ; neste capitulo vamos aplica-lo a Proporo Populacional P.
EXEMPLO: Uma companhia de seguros poderia se interessar na estimativa da proporo de motoristas embriagados.
Vamos trabalhar com a denominao p^ ( l-se p chapu) para a proporo amostral. Sabemos j que Q=1-P; podemos associar que Q^= 1-P^, desta forma:
FORMULAS Estimativa Pontual A proporo Amostral P^ a melhor estimativa pontual da proporo Populacional P.
Margem de Erro da Estimativa P E= Z /2 P^Q^ n Intervalo de confiana (ou estimativa intervalar de uma proporo Populacional P) P^ - E < P < P^+E Eventualmente podemos dizer:
E
P = P^ Ou ( P^- E; P^+E)
-117 -
EXEMPLO: Os pesquisadores de opinio publica so atormentados por uma diversidade de fatores de confuso, como secretrias eletrnicas. Em uma pesquisa junto a 1068 Americanos, 673 informaram ter secretaria eletrnica com esses resultados amostrais determine: a- A estimativa pontual da proporo populacional de todos os Americanos que possuem secretaria eletrnica. b- A estimativa intervalar 95% da proporo Populacional de todos os Americanos que tem secretaria eletrnica
P^ = X n Dai
Q^= 1 P^
0,63 x 0,37
1068
= 0,029
Podemos agora achar o intervalo de confiana usando P^= 0,63 e E= 0,029 P^ - E < P < P^+E 0,63 0,029 < P < 0,63 + 0,029
ou
Entre os Americanos, a percentagem dos que tem secretaria eletrnica e estimada em 63%, com uma margem de erro de 2,9 pontos percentuais -118 -
EXEMPLO: As companhias de seguros esto preocupadas com o fato de que o nmero crescente de telefones celulares resulte em um maior nmero de colises de veculos. Ento, por isso, esto pensando em cobrar um prmio maior para motoristas que usam celulares. Desejamos estimar com uma margem de erro de trs pontos percentuais 3%, a percentagem de motoristas que falam ao celular enquanto esto dirigindo. Supondo que se pretende um nvel de confiana de 95% nos resultados, Quantos motoristas devem ser pesquisados?
A- Suponha que tenhamos uma estimativa de P^ com base em estudos anteriores que mostrou que 18% dos motoristas falam ao telefone dirigindo. B- Suponha que no tenhamos qualquer informao que possa sugerir um valor de P^
Q^ = 0,82 Z /2 = 1,96 0,03 ^ 1,96 x 0,18 x 0,82 0,03 -119 = 631 (arredondado para cima)
b- Quando no sabemos P^ usamos P^xQ^= 0,25 n = Z /2 x 0,25 E 1,96 x 0,25 0,03 = 1068 (arredondado para cima)
No caso da pesquisa eleitoral Determine o tamanho da amostra necessria para saber a preferncia do eleitorado com um nvel de confiana de 95% e admitindo um erro de mais ou menos 2,2 pontos percentuais.
SOLUO:
Como desconhecemos as propores P^ dos candidatos usamos a frmula: n = Z /2 x 0,25 E 1,96 x 0,25 0,022 = 1985 (arredondado para cima)
a- Calcular o mesmo exerccio para um nvel de confiana de 99% com margem de erro de 2 pontos percentuais.
b- Calcular o mesmo exerccio para um nvel de confiana de 90% com margem de erro de 2 pontos percentuais.
Note que essas frmulas no incluem o tamanho da populao N, neste caso e irrelevante.
A maioria das pesquisas de opinio apresentadas em jornais, revistas e tv envolvem amostras com tamanho de 1000 a 2000 elementos.
-120 -
EXERCICIOS:
1- Usando uma amostra para estimar uma proporo populacional P. Determine a margem de erro que corresponde aos valores dados n, X, e o grau de confiana:
2- Utilize os dados amostrais e o grau de confiana para construir uma estimativa intervalar para a proporo populacional P:
3- Utilize os dados abaixo para determinar o tamanho da amostra necessria para estimar uma proporo ou percentagem populacional?
c- Margem de erro 4 pontos percentuais, nvel de confiana 99%, P^ estimado em 0,20 com base em estudos anteriores.
d- Margem de erro 2 pontos percentuais, nvel de confiana 97%, P^ estimado em 0,85 com base em estudos anteriores.
4- A Ita seguros deseja estimar a percentagem dos motoristas que trocam fita ou CD enquanto dirigem, uma amostra de 850 motoristas acusou 544 que trocam fitas ou CD quando dirigem. -121 -
a- Determine a estimativa pontual da percentagem de todos os motoristas que trocam fitas ou Cd quando dirigem. b- Determine uma estimativa intervalar de 90% da percentagem de todos os motoristas que trocam fitas ou Cd.
5- Selecionados aleatoriamente e pesquisados 500 estudantes universitrios verificou/se que 135 deles tem computadores pessoais.
A- Determine a estimativa pontual da verdadeira proporo populacional de todos os universitrios que tem computador pessoal. B- Determine um intervalo de confiana de 95% para a verdadeira proporo de todos os universitrios que tem computador pessoal.
-121 -
GL=10
GL=20
10
15
20
25 -122 -
30
40
45
3- A uma distribuio Qui-Quadrado diferente para cada nmero de graus de liberdade. medida que eles aumentam a distribuio tende Normal. Tabela 1 Cada valor critico corresponde a uma rea dada na linh superior da Tabela, e essa rea representa a regio total localizada a direita do valor critico. EXEMPLO: Determine os valores crticos de que definem regies criticas contendo uma rea de 0,025 em cada cauda. Suponh que o tamanho da amostra seja 10, de modo que o nmero de graus de liberdade 10-1= 9. soluo: Conforme a figura abaixo, obtem-se o valor critico direita = 19,023) diretamente, localizando 9 na coluna de graus de liberdade a Esquerda e 0,025 na parte superior. O valor critico = 2,70 a esquerda mais uma vez correspondente a 9 na coluna de graus de liberdade mas devemos localizar 0,975 (1- 0,025) na parte superior, por que os valores no topo so sempre reas direita do valor critico. Verifique na figura abaixo, que a rea total a direita de = 2,70 e 0,975.
0,025
0,025
L=2,7 Este valor corresponde na coluna esquerda 9 graus de liberdade e 0,975 na linh superior GL=9) -123 -
R =19,023 Este valor corresponde na coluna esquerda 9 graus de liberdade e 0,025 na linh superior.
Estimadores de A variana Amostral S e a melhor estimativa pontual da variana populacional . Embora S seja a melhor estimativa de no podemos avaliar quo boa e essa
estimativa, portanto estabelecemos uma estimativa intervalar mais reveladora. Intervalo de confiana (ou estimativa Intervalar) para a variana populacional . (n-1) R < < n-1) L
Dessa expresso deferimos a estimativa Intervalar para o desvio padro Populacional atravs da raiz quadrada de cada componente.
(n-1) R
<
<
n-1) L
Com uma rea total dividida igualmente entre as extremidades de uma distribuio Qui-Quadrado, L denota o valor critico da extrema esquerda e R denota o valor critico da extrema direita. Outra conotao: L= R = 1 - /2 /2
EXEMPLO: Uma confeitaria fabrica bombons que so embalados em pacotes com 12 unidades pesando no total 420 g. Se a variao dos bombons e muito grande, algumas caixas tero peso a menos (prejudicando o consumidor) e outras tero peso a mais (diminuindo o lucro). Este problema pode ser evitado se os bombons tiverem um peso mdio de 35 gramas e um desvio padro de 0,60 gramas ou menos. Selecionam-se aleatoriamente, na linh de produo, doze bombons que so pesados, dando os resultados a seguir: 35,8 35,0 36,8 36,1 34,2 35,2 -124 36,6 35,0 33,6 34,2
Construa dois intervalos de confiana de 95%, um para e outro para , e determine se o processo esta com problemas.
Calcula-se: X = 35,25
Passamos a construo do intervalo de confiana de Com uma amostra de 10 valores, temos 9 graus de liberdade. Com o grau de confiana de 95%, dividimos = 0,05 igualmente entre as duas caudas de distribuio e localizamos os valores 0,975 e 0,25 na linh superior. Os valores crticos de R e L na tabela so: L = 2,70 R = 19,023 X = 35,25
n-1 = 1,070
n = 10 Aplicamos a frmula (n-1) R < < n-1) L < (10 1) 1,07 2,70 3,816
<
<
1,953
Com base nesses resultados parece que o desvio padro populacional e sempre superior ao desejado = 0,60 mostrando que o peso dos bombons deve ser mais consistente. Deve-se controlar melhor o processo.
-125 -
EXERCICIOS:
1- Ache os valores crticos tamanho da amostra dados: L e R que correspondem ao grau de confiana e ao
abaa-
n = 26 n = 60 n = 17 n = 50
2- Use o grau de confiana e os dados amostrais indicados para achr um intervalo de confiana para o desvio padro populacional . Em cada caso admita que a populao tenh distribuio normal.
a- Altura das alunas: 95% de confiana, n = 10, X = 164 b- Mdias das notas: 99% de confiana, n = 15, X = 7,0
S = 4,5 S = 0,88
c- Notas de um teste: 95% de confiana, n = 16, X = 77,6 S = 14,2 d- salrio da Policia: 92% de confiana, n = 19, X = R$ 1200,00 S= R$ 80,00
3- Suponh uma pesquisa na Uniso junto aos formandos do curso de Administrao, sobre o tempo gasto para se formarem. A mdia de 5,15 anos e o desvio padro 1,68 anos, Suponh que a amostra seja 100 alunos. Com base nesses dados amostrais, construa o intervalo de 99% de confiana para o desvio padro do tempo gasto por todos os formandos?
-126 -
Tabela 1
Z 0,0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1,0 1,1 1,2 1,3 1,4 1,5 1,6 1,7 1,8 1,9 2,0 2,1 2,2 2,3 2,4 2,5 2,6 2,7 2,8 2,9 3,0 3,1 3,2 3,3 3,4 3,5 3,6 3,7 3,8 3,9
0,00 0,0000 0,0398 0,0793 0,1179 0,1554 0,1915 0,2257 0,2580 0,2881 0,3159 0,3413 0,3643 0,3849 0,4032 0,4192 0,4332 0,4452 0,4554 0,4641 0,4713 0,4772 0,4821 0,4861 0,4893 0,4918 0,4938 0,4953 0,4965 0,4974 0,4981 0,4986 0,4990 0,4993 0,4995 0,4997 0,4998 0,4998 0,4999 0,4999 0,4999
0,01 0,0040 0,0438 0,0832 0,1217 0,1591 0,1950 0,2291 0,2611 0,2910 0,3186 0,3438 0,3665 0,3869 0,4049 0,4207 0,4345 0,4463 0,4564 0,4649 0,4719 0,4778 0,4826 0,4864 0,4896 0,4920 0,4940 0,4955 0,4966 0,4975 0,4982 0,4987 0,4991 0,4993 0,4995 0,4997 0,4998 0,4998 0,4999 0,4999 0,4999
0,02 0,0080 0,0478 0,0871 0,1255 0,1628 0,1985 0,2324 0,2642 0,2939 0,3212 0,3461 0,3686 0,3888 0,4066 0,4222 0,4357 0,4474 0,4573 0,4656 0,4726 0,4783 0,4830 0,4868 0,4898 0,4922 0,4941 0,4956 0,4967 0,4976 0,4982 0,4987 0,4991 0,4994 0,4995 0,4997 0,4998 0,4999 0,4999 0,4999 0,4999
0,03 0,0120 0,0517 0,0910 0,1293 0,1664 0,2019 0,2357 0,2673 0,2967 0,3238 0,3485 0,3708 0,3907 0,4082 0,4236 0,4370 0,4484 0,4582 0,4664 0,4732 0,4788 0,4834 0,4871 0,4901 0,4925 0,4943 0,4957 0,4968 0,4977 0,4983 0,4988 0,4991 0,4994 0,4996 0,4997 0,4998 0,4999 0,4999 0,4999 0,4999
0,04 0,0160 0,0557 0,0948 0,1331 0,1700 0,2054 0,2389 0,2704 0,2995 0,3264 0,3508 0,3729 0,3925 0,4099 0,4251 0,4382 0,4495 0,4591 0,4671 0,4738 0,4793 0,4838 0,4875 0,4904 0,4927 0,4945 0,4959 0,4969 0,4977 0,4984 0,4988 0,4992 0,4994 0,4996 0,4997 0,4998 0,4999 0,4999 0,4999 0,4999
0,05 0,0199 0,0596 0,0987 0,1368 0,1736 0,2088 0,2422 0,2734 0,3023 0,3289 0,3531 0,3749 0,3944 0,4115 0,4265 0,4394 0,4505 0,4599 0,4678 0,4744 0,4798 0,4842 0,4878 0,4906 0,4929 0,4946 0,4960 0,4970 0,4978 0,4984 0,4989 0,4992 0,4994 0,4996 0,4997 0,4998 0,4999 0,4999 0,4999 0,4999
0,06 0,0239 0,0636 0,1026 0,1406 0,1772 0,2123 0,2454 0,2764 0,3051 0,3315 0,3554 0,3770 0,3962 0,4131 0,4279 0,4406 0,4515 0,4608 0,4686 0,4750 0,4803 0,4846 0,4881 0,4909 0,4931 0,4948 0,4961 0,4971 0,4979 0,4985 0,4989 0,4992 0,4994 0,4996 0,4997 0,4998 0,4999 0,4999 0,4999 0,4999
0,07 0,0279 0,0675 0,1064 0,1443 0,1808 0,2157 0,2486 0,2794 0,3078 0,3340 0,3577 0,3790 0,3980 0,4147 0,4292 0,4418 0,4525 0,4616 0,4693 0,4756 0,4808 0,4850 0,4884 0,4911 0,4932 0,4949 0,4962 0,4972 0,4979 0,4985 0,4989 0,4992 0,4995 0,4996 0,4997 0,4998 0,4999 0,4999 0,4999 0,4999
0,08 0,0319 0,0714 0,1103 0,1480 0,1844 0,2190 0,2518 0,2823 0,3106 0,3365 0,3599 0,3810 0,3997 0,4162 0,4306 0,4429 0,4535 0,4625 0,4699 0,4761 0,4812 0,4854 0,4887 0,4913 0,4934 0,4951 0,4963 0,4973 0,4980 0,4986 0,4990 0,4993 0,4995 0,4996 0,4998 0,4998 0,4999 0,4999 0,4999 0,4999
0,09 0,0359 0,0753 0,1141 0,1517 0,1879 0,2224 0,2549 0,2852 0,3133 0,3389 0,3621 0,3830 0,4015 0,4177 0,4319 0,4441 0,4545 0,4633 0,4706 0,4767 0,4817 0,4857 0,4890 0,4916 0,4936 0,4952 0,4964 0,4974 0,4981 0,4986 0,4990 0,4993 0,4995 0,4997 0,4998 0,4998 0,4999 0,4999 0,4999 0,4999
Tabela 2
Graus de liberdade 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 40 60 120 0,10 (10%) 3,078 1,886 1,638 1,533 1,476 1,440 1,415 1,397 1,383 1,371 1,363 1,356 1,350 1,345 1,341 1,337 1,333 1,330 1,328 1,325 1,323 1,321 1,319 1,318 1,316 1,315 1,314 1,313 1,311 1,310 1,303 1,296 1,289 1,282 0,05 (5%) 6,314 2,920 2,353 2,132 2,015 1,943 1,895 1,860 1,833 1,812 1,796 1,782 1,771 1,761 1,753 1,746 1,740 1,734 1,729 1,725 1,721 1,717 1,714 1,711 1,708 1,706 1,703 1,701 1,699 1,697 1,684 1,671 1,658 1,645
Tabela 3
Distribuio Qui Quadrado (rea direita do valor crtico) 99,5% 0,5% = 99% de confiana 99% 1% = 98% de confiana 97,5% 2,5% = 95% de confiana 90% de confiana 80 %
99,5% 0,995 0,010 0,072 0,207 0,412 0,676 0,989 1,344 1,735 2,156 2,603 3,074 3,565 4,075 4,601 5,142 5,697 6,265 6,844 7,434 8,034 8,643 9,260 9,886
99% 0,99 0,020 0,115 0,297 0,554 0,872 1,239 1,646 2,088 2,558 3,053 3,571 4,107 4,660 5,229 5,812 6,408 7,015 7,633 8,260 8,897 9,542
97,5% 0,975 0,001 0,051 0,216 0,484 0,831 1,237 1,690 2,180 2,700 3,247 3,816 4,404 5,009 5,629 6,262 6,908 7,564 8,231 8,907 9,591 10,283 10,982
95% 0,95 0,004 0,103 0,352 0,711 1,145 1,635 2,167 2,733 3,325 3,940 4,575 5,226 5,892 6,571 7,261 7,962 8,672 9,390 10,117 10,851 11,591 12,338 13,091 13,848 14,611 15,379 16,151 16,928 17,708 18,493 26,509 34,764 43,188 51,739 60,391 69,126 77,929
90% 0,90 0,016 0,211 0,584 1,064 1,610 2,204 2,833 3,490 4,168 4,865 5,578 6,304 7,042 7,790 8,547 9,312 10,085 10,865 11,651 12,443 13,240 14,042 14,848 15,659 16,473 17,292 18,114 18,938 19,768 20,559 29,051 37,689 46,459 55,329 64,278 73,291 82,358
10% 0,10 2,706 4,605 6,251 7,779 9,236 10,645 12,017 13,362 14,684 15,987 17,275 18,549 19,812 21,064 22,307 23,542 24,769 25,989 27,204 28,412 29,615 30,813 32,007 33,196 34,382 35,563 36,741 37,916 39,087 40,256 51,805 63,167 74,397 85,527 96,578 107,565 118,498
5% 0,05 3,801 5,991 7,815 9,488 11,071 12,592 14,067 15,507 16,919 18,307 19,675 21,026 22,362 23,685 24,996 26,296 27,587 28,869 30,144 31,410 32,671 33,924 35,172 36,415 37,652 38,885 40,113 41,337 42,557 43,773 55,758 67,505 79,082 90,531 101,879 113,145 124,342
2,5% 0,025 5,024 7,378 9,348 11,143 12,833 14,449 16,013 17,535 19,023 20,483 21,920 23,337 24,736 26,119 27,488 28,845 30,191 31,526 32,852 34,170 35,479 36,871 38,076 39,364 40,646 41,923 43,194 44,461 45,722 46,979 59,342 71,420 83,298 95,023 106,629 118,136 129,561
1% 0,01 6,635 9,210 11,345 13,277 15,086 16,812 18,475 20,090 21,666 23,209 24,725 26,217 27,688 29,141 30,578 32,000 33,409 34,805 36,191 37,566 38,932 40,289 41,638 42,980 44,314 45,642 46,963 48,278 49,588 50,892 63,691 76,154 88,379 100,425 112,329 124,116 135,807
0,5% 0,005 7,879 10,597 12,838 14,860 16,750 18,548 20,278 21,955 23,589 25,188 26,757 28,299 29,819 31,319 32,801 34,267 35,718 37,156 38,582 39,997 41,401 42,796 44,181 45,559 46,928 48,290 49,645 50,993 52,336 53,672 66,766 79,490 91,952 104,215 116,321 128,299 140,169
10,520 11,524 13,120 11,160 12,198 13,844 11,808 12,879 14,573 12,461 13,565 15,308 13,121 14,257 16,047 13,787 14,954 16,791 20,707 22,164 24,433 27,991 29,707 32,357 35,534 37,485 40,482 43,275 45,442 48,758 51,172 53,540 57,153 59,196 61,754 65,647 67,328 70,065 74,222
Bibliografia Bibliografia bsica FREUND, John E. e SIMON, Gary A. Estatstica aplicada economia, administrao e contabilidade. Porto Alegre: Bookman, 2000. TRIOLA, Mrio F. Introduo estatstica. Rio de Janeiro: LTC, 1999. Bibliografia complementar KUME, Hitoshi, Mtodos Estatsticos para a Melhoria da Qualidade. So Paulo:Gente,1993. RAMOS A.W., CEP para Processos Contnuos e em Bateladas. So Paulo:E.Blucher, 2000. BUSSAB, Wilton O e MORETTIN, Pedro A. Estatstica bsica. So Paulo: Saraiva,2002. DOWNING Douglas e CLARK Jeffrey. Estatstica aplicada. So Paulo: Saraiva, 2000. MILONE, Giuseppe e ANGELINI, Flvio. Estatstica aplicada. So Paulo: Atlas, 1995. KAZMIER, L.B. Estatstica aplicada Economia e Administrao . So Paulo: McGraw-Hill, 1982. SPIEGEL, Murray R. Estatstica. So Paulo: Makron Books, 1993. (519.5 S734e)
-130 -