Anda di halaman 1dari 35

UNIVERSIDADE TECNOLGICA FEDERAL DO PARAN

Campus Toledo
Disciplina: Estatstica Turma: P13
Professora Aracli Ciotti de Marins



















ESTATSTICA


























Toledo, 1/2010

2
Introduo Estatstica

A disciplina Estatstica nos auxilia na obteno de resultados que possibilitam tirar
concluses e tomar decises na presena de incertezas e variaes, mediante seu
conjunto de tcnicas, dos quais alguns sero abordados neste material.
A Estatstica definida por CRESPO (1997) como uma parte da Matemtica
aplicada que fornece mtodos para a coleta, organizao, descrio, anlise e
interpretao de dados e para a utilizao dos mesmos para a tomada de decises.
Os objetivos desta disciplina so:
o Baseado em informaes de amostras, fazer generalizaes e inferncias s
populaes;
o Determinar as caractersticas de uma populao ou conjunto de dados.

Etapas da Estatstica
o Obteno dos dados;
o Organizao dos dados;
o Anlise dos dados;
o Interpretao dos dados;
o Concluso, inferncia ou predio com base nos dados.

Na parte inicial de um estudo estatstico, se determina a populao de estudo,
que aqui pode ser definida como um conjunto de objetos que constituem um certo grupo.
Nesta etapa tambm se decidem as variveis, que qualquer caracterstica cujo valor
pode mudar de um objeto para o outro na populao. Cada objeto da populao
denominado um dado, e os dados podem ser numricos ou literais, no caso de serem
numricos, a varivel chamada quantitativa, e caso seja literal, ela denomina-se
qualitativa. Um subconjunto da populao chamado amostra. As variveis
quantitativas subdividem-se em: contnuas e discretas.
Agora, que conhecemos estas definies, entenderemos melhor os procedimentos
da estatstica descritiva.
Considere assim, toda uma populao, que pode ser de qualquer objeto que voc
imaginar, como exemplo: os dentes de sua boca, os alunos desta sala, os habitantes
da cidade de Toledo, os professores de Matemtica da UTFPR, as formiguinhas do
quintal de sua casa, um grupo de pessoas de um mesmo bairro, etc.
3
Imagine que voc queira fazer um estudo para determinar algum resultado a cerca
destas populaes. Em alguns casos, seria fcil investigar toda a populao e dar os
resultados, o que caracterizaria um censo, mas em outros, como no caso das
formiguinhas, seria impossvel analisar todas de um mesmo jardim. Assim, determina-se
um nmero de elementos a serem investigados, e coleta-se uma amostra de informaes.
Suponha que voc criou certo composto para limpeza da casa que tenha vendido
em todo o estado. Imagine agora, que queira saber o grau de satisfao das pessoas que
compraram. claro que voc no vai sair perguntado para todos os que compraram, pois
com certeza foram muitos e se tornaria muito difcil.
O que fazer ento? A Estatstica d a resposta. Por meio dela, voc determinar o
tamanho da amostra da qual voc coletar informaes. Ento, voc no investigar
toda a populao, mas uma parte dela, o que facilitar sua vida e lhe dar resultados
dentro de certa margem de preciso. A seguir, voc estudar estes dados e ser capaz
de determinar o nvel de satisfao dos clientes.
Em estatstica, atribuem-se smbolos para representar cada item. Por exemplo:
o Nmero de elementos da Populao: N
o Nmero de elementos da Amostra: n
o As variveis so representadas por letras maisculas: X, Y, Z, ...
























4
Captulo 1 Estatstica Descritiva

1. Organizao de dados

a. Dados apresentados em tabelas

Elementos de uma tabela:

o Nmero: Vem sempre depois da palavra Tabela e antes do ttulo, serve para
que se possa identificar a tabela, ao cit-la no texto.

o Ttulo: Local onde se escreve o maior nmero de informaes acerca da
tabela. Localiza-se logo aps o nmero.

o Corpo, que subdividido em:
o Cabealho: parte superior do corpo da tabela, onde se especificam
os contedos da coluna;
o Coluna Indicadora: onde se especificam os contedos das linhas;
o Linhas: onde se insere o contedo.

o Rodap: Local em que se indica a fonte, caso haja.

Exemplo: A Tabela 1 indica o nmero de proprietrios de motocicletas de 120
pessoas, de acordo com o fabricante:
Tabela 1 Distribuio dos dados de motocicletas
Fabricante Quantidade
Honda 41
Yamaha 27
Kawasaki 20
BMW 3
Harley-Davidson 18
Outro 11
Fonte: Probabilidade e Estatstica: para Engenharia e Cincias, J ay L. Devore, 2006.










5
Tabela de Distribuio de Freqncia

um tipo de tabela na qual as linhas so compostas por freqncias dadas pela
contagem ou freqncias proporcionais, ou ainda percentuais, que podem ser obtidos
pela diviso de ocorrncias pelo total de elementos multiplicado por 100.
Exemplo: Montar uma tabela com os dados a respeito de: idade, sexo, estatura e
estado civil dos alunos da turma.


















Tabela de Freqncia para variveis qualitativas

Uma varivel dita qualitativa, quando os dados se referem a qualidades.
Exemplo: Construir a tabela de freqncia para as variveis sexo e estado civil do
exemplo anterior.















Tabela de Freqncia para variveis quantitativas

Uma varivel dita quantitativa, quando os dados se referem a quantidades. Para
a construo desta tabela, contudo, necessrio que os dados sejam agrupados em
intervalos de classes, seguindo o procedimento:

6
Procedimento para determinar os intervalos de classes
o Calcula-se i: nmero de classes, dado por: i =1 +3,3 log n, em que: n o
nmero de elementos da amostra.
o Calcula-se h: amplitude de classe, dado por: h = AT/i, em que: AT a
amplitude total, dada pelo maior valor menos o menor.

Exemplo: Construir a tabela de freqncia para as variveis idade e estatura do
exemplo anterior.










b. Dados apresentados em grficos

Tipos de grficos
1) Grfico de Barras
Utiliza-se um plano cartesiano, e constroem-se barras paralelas ao eixo-y com rea
correspondente ao valor das variveis.

Exemplo: A Tabela 1 apresenta o nmero de alunos da UTFPR campus de Medianeira
que cursam a disciplina de Estatstica no segundo semestre de 2006.

Tabela 1 Nmero de alunos que cursam estatstica no 2 semestre de 2006 da
UTFPR Campus Medianeira, segundo o curso.
Turma Nmero de Alunos
A21 18
E11 25
I11 23
C23 30

A Figura 1 apresenta o grfico de barras para esta varivel.










Figura 1 Nmero de alunos que cursam Estatstica no 2 semestre de 2006.
7
2) Grfico de Pizza
Utiliza-se um crculo, que subdividido em sesses cujas reas representam as
porcentagens atribudas varivel.
Exemplo: Utilizando os dados da Tabela 1, a figura 2 apresenta o grfico de pizza
para esta varivel.










Figura 2 Nmero de alunos que cursam Estatstica no 2 semestre de 2006.

3) Grfico de Disperso
um grfico de pontos no R
2
, cujo eixo-x formado pela ordem da coleta e o eixo-y
pelos valores coletados.


Exemplo: Em 2003, foram anotadas as estaturas de 18 alunos da turma A51, e os
resultados so dados na Tabela 2.

Tabela 2 Estatura dos alunos da turma ____ do primeiro semestre de 2009.
Ordem de coleta Estatura
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18



A Figura 3 apresenta o grfico de
disperso para esta varivel.
















Figura 3 Estatura em cm dos alunos
da turma ____ do 1 semestre 2009.




8
4) Grfico Dotplot
Constitui-se de uma linha numerada entre os valores mnimo e mximo do conjunto,
onde se marcam as freqncias das ocorrncias.
Exemplo: A Figura 4 apresenta o grfico dotplot para a varivel estatura dada na
Tabela 2.








Figura 4 Estatura em cm dos alunos da turma ____ do 1 semestre 2009.

5) Histograma
um grfico formado por um conjunto de retngulos justapostos, cujo nmero de
retngulos corresponde ao nmero de classes e tem base sobre o eixo-x e as alturas
correspondem s freqncias.
Exemplo: A Figura 5 apresenta o histograma para a varivel estatura dada na
Tabela 2.











Figura 5 Estatura em cm dos alunos da turma _____ do 1 semestre 2009.

6) Pictograma
Utiliza desenhos para representar um conjunto de dados. Para elaborar este tipo de
grfico inserem-se figuras relacionadas varivel, substituindo e representando os
elementos dos dados.
Exemplo: O pictograma abaixo refere-se aos dados da Tabela 1.











Figura 6 Nmero de alunos que cursam Estatstica no 2 semestre de 2006.
9
2. Medidas de Localizao:
Objetivo: Considere um conjunto de n valores medidos de uma determinada
varivel X: X
1
, X
2
, X
3
, ..., X
n
. O objetivo de determinar as medidas de posio de verificar
a distribuio e o comportamento de dados quantitativos, situados entre um valor mnimo
e um valor mximo, denotados respectivamente por: X
mn
e X
mx
.
a. Mdia Amostral
n
X X X
n
X
X
n
n
i
i
+ + +
= =

=

2 1 1

em que: X a mdia amostral e n o nmero de elementos da amostra.

b. Moda: o valor que mais se repete na amostra ou na populao.

c. Mediana:A mediana valor central do conjunto de dados X
1
, X
2
, X
3
, ..., X
n
. A
mediana uma medida de posio, que deixa 50% dos dados acima e 50% dos
dados acima dela. necessrio que os dados estejam ordenados de forma
crescente para determin-la.
i. Se o nmero de dados n for mpar, a mediana dada pela relao
matemtica que determina sua posio:
|
.
|

\
| +
=
2
1
~
n
X X , ou seja, o termo que se encontra no centro.
ii. Caso n seja par, para determinar a mediana, calcula-se a posio da
mediana pela relao:
2
~
1
2 2
|
.
|

\
|
+ |
.
|

\
|
+
=
n n
X X
X , que a mdia dos dois termos que se encontram
no centro do conjunto de dados.

d. Quartis: So medidas de posio que dividem os conjuntos de dados em quatro
partes iguais. Abaixo do primeiro quartil, denotado por Q
1
, esto 25% dos dados,
entre o primeiro quartil e o segundo (Q
2
), esto 25% dos dados, entre o Q
2
e o
terceiro quartil (Q
3
), esto outros 25% dos dados, e acima do Q
3
, esto os 25%
restantes.

Para calcular as posies de Q
1
e Q
3
, utilizam-se as relaes abaixo. X Q
~
2
= .
(
(

+ =
|
.
|

\
| +
|
.
|

\
|
+
+
|
.
|

\
| +
4
1
1
4
1
4
1 1
4
1
n n n
X X X Q e
(
(

+ =
|
.
|

\
| +
|
.
|

\
|
+
+
|
.
|

\
| +
4
1
* 3 1
4
1
* 3
4
1
* 3
3
4
3
n n n
X X X Q
e. Intervalo Interquartlico a diferena entre Q3 e Q1:
1 3
Q Q d =
10
3. Medidas de Disperso: Seja X uma varivel e X
1
, X
2
, X
3
, ..., X
n
, onde haja um
elemento X
mx
e um elemento X
mn
.

a. Amplitude: A Amplitude Total, denotada por R, obtida pela diferena entre
o maior e o menor valor do conjunto de dados:
mn mx
X X R =

b. Varincia: dada pela equao:
( )
1
1 2

=

=
n
X X
S
n
i
i


c. Desvio Padro;
O Desvio Padro (S) a raiz quadrada da Varincia, obtido na equao abaixo:
( )
1
1

=

=
n
X X
S
n
i
i


d. Coeficiente de Variao: obtido por:
100 =
X
S
CV (6)
Segundo Pimentel Gomes (1987), tem-se que:
o Se CV <10%, a variabilidade considerada baixa;
o Se 10% <CV <20%, os dados apresentam baixa variabilidade;
o Se 20% <CV <30%, a variabilidade dita alta;
o Se CV >30%, a variabilidade considerada muito alta.


4. Estatstica Descritiva para dados agrupados em tabelas de freqncia:
S para lembrar, quando os dados esto agrupados em uma tabela, o valor f
i

representa o nmero de vezes que o valor x
i
se repete. Assim, os valores da mdia e da
varincia so calculados pelas respectivas frmulas abaixo:
n
f X
X
n
i
i i
=
=
1
e
( )
1
1 2

=

=
n
f X X
S
n
i
i i







11
Exerccios de Estatstica Descritiva
1. Organize os dados abaixo em uma tabela de frequncias, faa um histograma, um
boxplot e calcule a mdia utilizando a tabela e compare com a mdia encontrada
ao utilizar os dados: 23 26 31 46 21 37 33 48 41
44 80

2. Dado o conjunto: 1,2 1,9 1,5 1,1 1,7 2,0 1,7, determine:
a. Moda
b. Mediana
c. Primeiro Quartil
d. Terceiro Quartil
e. Intervalo Interquartlico
f. Mdia
g. Varincia
h. Desvio Padro
i. Coeficiente de Variao
j. Amplitude

3. Em um bairro, foram entrevistados 11 casais e anotou-se o nmero de filhos. Os
resultados foram:
0 2 1 2 3 0 4 3 3 2 1
Pode-se afirmar que:
a. 50% dos casais tm mais que ____ filhos;
b. 25% dos casais tm menos que ____ filhos;
c. 75% dos casais tm menos que ____ filhos;
d. Faa um dotplot.

4. No semestre passado, um aluno da turma P13 tinha as notas a seguir para as
respectivas disciplinas:
Clculo 1 5,2
Estatstica 7,4
Geometria e lgebra 6,3
Qumica Geral 5,7
Comunicao e L. 4,3
a. Faa um grfico de barras;
b. Faa um grfico de pizza.

5. Em uma prova de 10 questes, 1 aluno no acertou questo alguma, 2 alunos
acertaram todas, 2 alunos acertaram 4, 3 alunos erraram 2, 5 alunos acertaram 6
e 4 alunos erraram 3:
a. Classifique o conjunto de dados quanto variabilidade;
b. Faa um histograma;
c. Faa um pictograma.
12
Captulo 2 Variveis aleatrias

Uma outra rea da Estatstica, muito estudada a Teoria das Probabilidades. O
termo probabilidade se refere ao estudo da incerteza e da aleatoriedade. Nesta teoria,
um experimento qualquer ao cujo resultado est sujeito incerteza, e o espao
amostral de um experimento, geralmente representado por o o conjunto de todos os
resultados possveis desse experimento.
Em geral, cada resultado de um experimento associado a um nmero,
especificando-se uma regra de associao, por exemplo, o nmero de vezes que um
aluno sai da sala na hora da explicao. Esta regra de associao chamada varivel
aleatria. Varivel porque possvel obter diferentes valores numricos e aleatria
porque o valor observado depende de qual dos resultados possveis do experimento
obtido.
Uma varivel aleatria discreta uma varivel cujos valores possveis constituem
um conjunto finito, e contnua se seu conjunto de valores possveis consiste em um
intervalo completo da reta Real.
Exemplos:
a) Varivel aleatria discreta: Nmero de filhos por casal em um bairro de Toledo;
Grau de escolaridade; Nmero de alunos na turma; etc.
b) Varivel aleatria contnua: Horas; Peso dos alunos da turma; tempo que se
demora para tomar banho; etc.


Distribuies de Probabilidade

Em um certo experimento, quando so atribudas probabilidades a diversos
resultados de o, elas, por sua vez, determinam probabilidades associadas aos valores de
qualquer varivel aleatria X. A distribuio de probabilidade de X expressa como a
probabilidade total 1 distribuda entre os diversos valores possveis de X.
As distribuies mais estudadas so: Distribuio Normal, Distribuio de
Bernoulli, Distribuio Binomial, Distribuio Hipergeomtrica, Distribuio de Poisson,
Distribuio Gama, Distribuio Exponencial, entre outras.
13
Considere o experimento em que um aluno tente passar na disciplina de
Estatstica. Se ele passar, ter sucesso S e se reprovar, ter fracasso F. Com o ={S,F},
defina uma varivel X como:
X(S) =1 X(F) =0
A varivel X indica se o estudante pode (1) ou no (2) passar.
Assim, pode-se escrever a distribuio de probabilidade X como sendo:

=
passar no aluno o se 0
passar aluno o se 1
X
Definio: Qualquer varivel aleatria cujos nicos valores possveis so 0 e 1
denominada Varivel aleatria de Bernoulli

Seja um experimento que satisfaa as seguintes condies:
- O experimento consiste em uma seqncia de n experimentos menores
denominados tentativas, onde n estabelecido antes do experimento;
- Cada tentativa pode resultar em um de dois resultados possveis, chamados de
sucesso (S) ou falha (F);
- As tentativas so independentes, de forma que o resultado de qualquer tentativa
particular no influencia o resultado de qualquer outra tentativa.
- A probabilidade de sucesso constante de uma tentativa para a outra.
Denominamos essa probabilidade p.
Definio: Um experimento para o qual as condies 1-4 so satisfeitas denominado
Experimento Binomial.
Definio: Dado um experimento binomial consistindo de n tentativas, a Varivel
aleatria Binomial X a ele associada e definida como:
X =quantidade de S nas n tentativas
Exemplo: A mesma moeda lanada sucessiva e independentemente n vezes. Suponha,
por exemplo que n =3. Haver ento oito resultados possveis para o experimento:
SSS SSF SFS SFF FSS FSF FFS FFF
A partir da definio de X, temos: X(SSS) =3, X(SSF) =2, ..., X(FFS) =1 e X(FFF) =0.
Os valores possveis de X em um experimento de n tentativas so x =0, 1, 2, ..., n.




14
A funo distribuio de probabilidade (fdp) de uma varivel aleatria definida
para cada nmero x por p(x) =P(X=x) =P. Em outras palavras, para cada valor possvel
de x da varivel aleatria, a fdp especifica a probabilidade de observar aquele valor
quando o experimento for realizado. Por exemplo, no lanamento de um dado, P(X=2)
indica a probabilidade de que o valor resultante de X seja 2.

Definio: Seja X uma varivel contnua. A distribuio de probabilidade ou funo de
densidade de probabilidade (fdp) de X ser, ento, uma funo f(x) tal que, para
quaisquer dois nmeros a e b com a b,
( ) ( )
}
= s s
b
a
dx x f b X a P

A distribuio normal a mais importante de todas em probabilidade e em
estatstica, j que muitos clculos e suposies s podem ser realizados diante da certeza
de que a distribuio normal.
Definio: Diz-se que uma varivel contnua X possui distribuio normal com
parmetros e o, se a fdp de X for:
( )
( )
( )
2
2
2
2
1
, ,

=
x
e x f - <x <





















15
Captulo 3 Amostragem

Aqui sero explicados trs tipos de amostragem probabilsticos que existem na
literatura estatstica e suas diferenas, com um exemplo de cada tipo.

Amostragem Aleatria Simples ou Casual
uma amostragem na qual cada elemento de uma populao tem a mesma
probabilidade de ser includo na amostra, ou seja, os dados so escolhidos ao acaso.
Para escolher aleatoriamente os dados que faro parte da amostra, pode-se
recorrer tabelas matemticas (nmeros randmicos), calculadora cientfica, utilizando
a funo RAN, ou tambm ao Programa Excell, que fornece nmeros aleatrios atravs
da J anela Colar Funo, opo Aleatrio.
Ex.: Escolher 10 alunos de uma sala de aula de 40 para representarem a turma
em uma competio organizada pela escola.
Pelo processo de Amostragem Aleatria Simples, pode-se numerar os alunos de 1
40 e a seguir utilizar, por exemplo, a funo RAN da calculadora cientfica e a partir dos
valores dados pela mesma, determinar os alunos que representaro a turma.

Amostragem Proporcional Estratificada
utilizada quando a populao em estudo pode se dividida em sub-populaes,
que podem tambm ser chamadas estratos.
Ex.: Quer-se verificar a opinio dos moradores de um municpio quanto a
satisfao com relao aos rgos pblicos. Sabe-se que 3.500 pessoas so de classe
alta, 24,500 so de classe mdia e 42.000 de classe baixa. Obter uma amostra
significativa (que represente a populao) de 300 moradores desta cidade.
A amostra dever ser proporcional. Como h 70.000 habitantes, a amostra dever
ser composta por: 5% por pessoas de classe alta, 35% de classe mdia e 60% de classe
baixa. Logo, 15 pessoas de classe alta, 105 de classe mdia e 180 de classe baixa.

Amostragem Sistemtica
um processo no qual a amostra selecionada segundo um sistema j
elaborado. Ex.: Escolher 15 alunos de uma classe utilizando o nmero da chamada como
critrio. Poderamos, por exemplo, escolher apenas os alunos cujos nmeros de chamada
so mpares.
16
Captulo 4 Anlise de Regresso

Nos casos estudados at agora, considervamos apenas uma varivel. De agora
em diante, estudaremos o caso de conjuntos de dados em que sejam coletadas
informaes sobre duas ou mais variveis. Isto caracteriza o estudo da Anlise de
Regresso.
Muitas variveis esto correlacionadas, por exemplo:
o Idade e altura das crianas
o Tempo de prtica de esportes e ritmo cardaco
o Tempo de estudo e nota na prova
o Taxa de desemprego e taxa de criminalidade
o Expectativa de vida e taxa de analfabetismo

Exemplo: Sejam duas variveis tempo de estudo e nota na prova de estatstica. Foram
escolhidos sete alunos ao acaso, e anotou-se suas notas e respectivas horas gastas para
estudar para a prova:

Questo a ser considerada: Faz sentido, ou existe uma explicao lgica ou terica para
que estas variveis estejam relacionadas?

Nomeando as variveis
o X =varivel independente (explicativa);
o Y =varivel dependente (explicada).

Em nosso exemplo:
o X =Horas de estudo
o Y =Nota obtida na prova

Investigaremos a existncia de relao linear sob dois pontos de vista:
o Quantificando a fora dessa relao: correlao.
o Explicitando a forma dessa relao: regresso.

Nota 0 1,5 4,2 6,5 7,9 8,7 9,4
Horas de Estudo 0 0,5 1 1,8 2,3 2,5 3
17
Verificando a existncia de relao Linear
o Atravs do diagrama de disperso;
o Atravs do Coeficiente de Correlao Linear de Pearson.

Diagrama de Disperso
um grfico de pontos, em que no eixo x ficam os dados da varivel independente,
e no eixo y os valores da varivel dependente. O diagrama de disperso do nosso exemplo
:







Coeficiente de Correlao Linear de Pearson
o r: coeficiente de correlao linear de Pearson;
o
X
: mdia dos valores de X;
o
Y
: mdia dos valores de Y;
o n: nmero de pares.

Sobre r pode-se afirmar:
o -1 r 1 sempre;
o r =0: no existe relao linear;
o 0 <|r | 0,2: relao linear indefinida;
o 0,2 <|r | 0,4: relao linear fraca;
o 0,4 <|r | 0,7: relao linear acentuada;
o 0,7 <|r | <1: relao linear forte;
o |r | =1: ralao linear perfeita.
( )( ) | |
( ) ( )

= =
=


=
n
i
n
i
i i
n
i
i i
Y Y X X
Y Y X X
r
1 1
2 2
1
18
O sentido da Relao Linear

Pode ser verificado atravs do valor de r:
o se r <0 relao inversa;
o se r >0 relao direta.

Nosso Exemplo
o Qual o valor de r?
o Classifique a relao quanto sua fora.
o Qual o sentido da relao?

A Regresso

Fazer a regresso entre dois conjuntos de dados, nada mais , que verificar a
forma com que esto relacionados, ou seja, qual a equao matemtica, que nos
permite fazer previses sobre valores no coletados.
Toda relao linear da forma:
o
y
: valores a serem estimados;
o X: valores da varivel independente;
o a: taxa de variao de Y com respeito a X;
o b: variao de Y que no depende de X.

Determinando os valores a e b:
Nosso Exemplo
o Determine qual a ralao existente entre as variveis.
o Verifique se uma pessoa que tivesse estudado 2,06 horas teria atingido a mdia?
( ) ( ) | |
X a Y b
X X n
Y X Y X n
a
i i
i i i i
=

=


2
2
b aX y + =
19
Poder de explicao do Modelo

Para todo modelo de regresso podemos calcular uma estatstica denominada
Coeficiente de Determinao, tambm chamado de Coeficiente de Explicao do
Modelo, representado por R
2
.
O R
2
mede o percentual da variabilidade total da varivel Y que explicada pelo
modelo. Como R
2
representa uma porcentagem, um valor de 0 a 100%. Quanto maior
for R
2
o ajuste considerado melhor.
O clculo de R
2

o
y
o valor estimado pelo modelo
o
y
o valor da varivel Y
o Em Nosso Exemplo
Verifique, atravs do Coeficiente de Determinao, quanto da varivel Y
explicada pelo modelo encontrado.













( )
( )

=

=

=
n
i
Y
i
y
n
i
Y
i
y
R
1
2
1
2

2
20
Exerccios de Anlise de Regresso

1) A taxa de eficincia de uma amostra de ao imersa em um tanque de fosfatao
o peso do revestimento de fosfato dividido pela perda do metal (ambos em
mg/ps). O artigo Statistical Process Control of a Phosphate Coating Line
forneceu os dados a seguir sobre a temperatura do tanque (X) e a taxa de
eficincia (Y):
X 170 172 173 174 174 175 176 177 180 180
Y 0,84 1,31 1,42 1,03 1,07 1,08 1,04 1,08 1,45 1,6

a. Elabore um grfico de disperso dos dados. H indcios de que a taxa de
eficincia pode ser prevista de maneira altamente satisfatria pelo valor da
temperatura?
b. Calcule o valor de r para verificar a existncia de correlao linear entre
estas variveis.

2) Os valores do mdulo de elasticidade MOE (GPa) e a resistncia flexo (MPa)
foram determinados para um tipo de amostra de vigas de concreto, gerando os
dados a seguir:
MOE 29,8 33,2 33,7 35,3 35,5 41,0 45,6 48,0 62,6 79,5
Resistncia 5,9 7,2 7,3 7,5 8,1 9,0 9,7 9,7 11,6 11,8

a. Faa um diagrama de disperso e verifique se h indcios de que estas
variveis estejam relacionadas linearmente;
b. Verifique se h correlao linear utilizando o coeficiente de correlao
linear de Pearson, e caso haja, determine o sentido e a fora da relao;
c. Determine a relao linear;
d. Estime o valor da resistncia para o mdulo de elasticidade igual a 50 GPa;
e. Determine o poder de explicao do modelo criado;

3) Os dados a seguir representam a taxa de deposio (X) (mg/m
2
/d) de SO
2
e a
perda de peso do ao (Y) (g/m
2
).
X 14 18 40 43 45 112
Y 280 350 470 500 560 1200

a. Elabore um grfico de disperso. O modelo de regresso linear simples
parece razovel nessa cisrcustncia?
b. Calcule r e confirme sua resposta da letra (a);
c. Calcule a equao da reta de regresso;
d. Que porcentagem da variao observada na perda de peso do ao pode
ser atribuda relao do modelo com a variao na taxa de deposio?

4) Verifique se existe relao linear entre as variveis abaixo, utilizando o coeficiente
de correlao linear de pearson, diga a fora da relao linear, se existir.
Adubo NPK (Kg) 200 250 300 350
Produtividade da soja (sc ha
-1
) 30 35 38 40

5) Determine a relao linear entre as variveis, caso exista. J ustifique.
Peso de uma criana (kg) 3 4 5 6
Idade (meses) 1 2 3 4
21
6) Na tabela abaixo so apresentados os custos na fabricao de peas de
computadores, e o nmero de peas produzidas:
Custo (R$) Nmero de peas
produzidas (por hora)
78 16
94 20
100 24
120 28

Com base nos dados da tabela pede-se:
a. Faa um grfico de disperso para estas variveis e verifique se h
indcios de correlao linear entre elas.
b. Verifique se existe correlao linear por meio do Coeficiente de Correlao
Linear de Pearson, e, caso haja correlao linear:
i. Classifique a relao quanto ao sentido (direta ou inversa).
ii. Diga se a relao fraca, forte, acentuada, perfeita ou indefinida.
c. Determine a equao da relao linear, caso exista.
d. Qual seria o custo para a empresa, se fossem produzidas 75 peas?

7) A resistncia do papel usado na fabricao de caixas de papelo (Y) est
relacionada porcentagem da concentrao de madeira de lei na polpa original
(X). Os dados dessas variveis esto amostrados abaixo:
X 101,4 117,4 117,1 106,2 131,9 146,9 146,8 133,9 111,0 123,0 125,1 145,2
Y 1,0 1,5 1,5 1,5 2,0 2,0 2,2 2,4 2,5 2,5 2,8 2,8

a. Ajuste um modelo de regresso simples aos dados;
b. Estime a resistncia se a porcentagem de madeira de lei for de 2,7;
c. Determine o poder de explicao do modelo.

8) A tabela abaixo apresenta o tempo de uma reao qumica baseado na
temperatura.
Tabela 1. Tempo de reao qumica x Temperatura
Temperatura Tempo
20 12,2
30 11,4
40 10,8
50 9,8
60 9,4
70 9,1
80 8,4
90 7,9

a) Faz sentido ou existe uma explicao lgica para que estas variveis estejam
relacionadas? Caso a resposta seja sim, qual a varivel independente e qual a
dependente?
b) Faa um grfico de disperso para estas variveis. Em sua opinio, os dados
parecem estar alinhados sobre uma reta?
c) Verifique se existe relao linear entre essas variveis. ( r )
d) Qual o sentido e a fora da relao?
e) Qual a relao existente? ( y =ax +b )
f) Quanto da varivel Y explicada pelo modelo? ( R
2
)
22
9) As equaes abaixo representam a relao linear para os dados da tabela a
seguir. Determine qual a equao que melhor explica a varivel Y, utilizando o
Coeficiente de Determinao. Se necessrio, utilize os demais dados da tabela.

Equaes:
a. X Y 69 , 0 72 , 4

1
+ =
b. X Y 65 , 0 5

2
+ =
c. X Y 52 , 0 5

3
+ =
d. X Y 6 , 0 9 , 4

4
+ =

Tabela 2. Nota que voc vai tirar nesta prova dependendo do nmero de horas de estudo

Horas de
Estudo
(X
i
)
Nota que voc
vai tirar nesta
prova (Y
i
)
( )
2
Y Y
i
( )
2
1

Y Y ( )
2
2

Y Y ( )
2
3

Y Y ( )
2
4

Y Y
2 5,5 4 1.96 1.44 2.1316 1.96
3 7,5 0 0.50 0.3025 0.8836 0.64
4,5 8,0 0.25 0.11 0.180625 0.03 0.01
6,5 9,0
2.25 2.91 2.975625 0.77 1.69





















23
Captulo 5 Testes de Hiptese

Um Teste de hipteses utilizado quando desejamos verificar se uma hiptese
que temos a respeito de um conjunto de dados verdadeira ou falsa. Para tal, fazemos
algumas continhas e conclumos com base em valores obtidos em tabelas. Todos os
testes aqui apresentados levam em considerao que a populao tem distribuio
normal.

As Hipteses:
o H
0
: a hiptese nula, normalmente aquela que praticamente no possui
possibilidade de ocorrer;
o H
1
: a hiptese alternativa, aquela que gostaramos de provar ser verdade.
H
0
: _____
vs
H
1
: _____

Os tipos de erros:
Realidade
H
0
verdadeira H
0
falsa
Aceitar H
0
Deciso Correta
(1-o)
Erro Tipo II (|)
Deciso
Rejeitar H
0
Erro Tipo I (o) Deciso Correta
(1-|)

As estatsticas do Teste: Cada teste possui uma estatstica, normalmente
calculada por uma frmula. Esta estatstica sempre comparada com um valor,
determinado Valor Crtico do Teste.

O valor crtico do Teste: obtido geralmente em tabelas, e est associado ao nvel
de significncia e aos graus de liberdade.

Resultado do Teste: sempre enunciado em termos de H
0
, ou seja, rejeita-se a
hiptese nula, ou no rejeita-se. Nunca se deve dizer que se aceita ou se rejeita a
hiptese alternativa.




24
Teste de Hipteses para uma mdia com desvio padro populacional conhecido

As hipteses do Teste so:

1 2 3
H
0
: =
0
H
0
: =
0
H
0
: =
0

vs vs vs
H
1
: <
0
H
1
: >
0
H
1
: =
0


Em todos os casos a Estatstica do Teste :





em que:
o X : mdia amostral
o
0
: mdia da hiptese
o : desvio-padro populacional

Regra de Deciso:
Hipteses Rejeita-se H
0
H
0
: =
0

vs
H
1
: <
0

z < - z

H
0
: =
0

vs
H
1
: >
0

z > z


H
0
: =
0

vs
H
1
: =
0

|z| > z
/2


Exemplo: O desvio-padro de uma populao distribuda normalmente conhecido e
igual a 22. Se uma amostra de cem elementos, retirada dessa populao forneceu mdia
igual a 115,8, podemos afirmar que a mdia dessa populao inferior a 120 unidades,
ao nvel de 5% de significncia? Por qu?

Teste de Hipteses para uma mdia com desvio padro populacional desconhecido

As nicas coisas que mudam com respeito ao teste com desvio padro conhecido, a
estatstica do teste e a regra de deciso:


n
X
z

=
n S
X
t
n
0
1

=

25
Regra de Deciso:
Hipteses Rejeita-se H
0
H
0
: =
0

vs
H
1
: <
0

t
n-1
< -t
n-1,
H
0
: =
0

vs
H
1
: >
0

t
n-1
> t
n-1,

H
0
: =
0

vs
H
1
: =
0

|t
n-1
| < t
n-1, /2


Exemplo: Em indivduos sadios, o consumo renal de oxignio distribui-se normalmente em
torno de 12 cm
3
/min. Deseja-se investigar, com base em cinco indivduos portadores de
certa molstia, se esta tem influncia no consumo renal mdio de oxignio. Os consumos
mdios para estes pacientes foram: 14,5 12,9 15,0 13,7 13,5. Qual a concluso, ao
nvel de 5% de significncia?

Exerccios de Intervalo de Confiana e Teste de Hipteses

1) Uma classe de 30 alunos determinou a energia de ativao de uma reao
qumica como 27,7 kcal/mol (valor mdio), com um desvio padro de 5,2 kcal/mol.
Os dados esto de acordo com o valor de 30,8 kcal/mol descrito na literatura em:
a. Um nvel de confiana de 95%?
b. Um nvel de confiana de 99%?

2) Um qumico obteve os seguintes dados para o teor alcolico de uma amostra de
sangue: % de C
2
H
5
OH: 0,084; 0,089 e 0,079. Determine o intervalo de confiana a
95% para a mdia, considerando:
c. Que os trs resultados obtidos so os nicos (desvio padro
desconhecido);
d. Que uma pesquisa anterior com centenas de amostras mostrou desvio
padro igual a 0,005% de C
2
H
5
OH.

3) Determine o intervalo de confiana com 90% para a concentrao de glicose
(mg/l) em pacientes com nveis elevados: 1,108 1,122 1,075 1,099 1,115
1,083 1,100 992 975 1,022 1,001.

4) Um novo procedimento automtico para a determinao da glicose em soro
sanguineo (Mtodo A) ser comparado com o mtodo estabelecido (Mtodo B).
Ambos os mtodos so realizados em amostras de sangue dos mesmos pacientes
para eliminar variabilidades entre os pacientes. Os resultados que seguem
confirmam uma diferena entre os dois mtodos em um nvel de confiana de
95%?
Paciente 1 Paciente 2 Paciente 3 Paciente 4 Paciente 5 Paciente 6
Glicose mtodo A 1,044 720 845 800 957 650
Glicose mtodo B 1,028 711 820 795 935 639
26

5) Considere os seguintes conjuntos de rplicas de medidas:
A B C D E F
3,5 70,24 0,812 2,7 70,65 0,514
3,1 70,22 0,792 3,0 70,63 0,503
3,1 70,1 0,794 2,6 70,64 0,486
3,3 0,900 2,8 70,21 0,497
2,5 3,2 0,472
Calcule a mdia e o desvio padro para cada um dos seis conjuntos de dados.
Calcule o intervalo de confiana de 95% para cada conjunto de dados. Qual o
significado desse intervalo?

6) O esgoto e os poluentes industriais lanados em um corpo de gua podem reduzir
a concentrao de oxignio dissolvido e afetar negativamente espcies aquticas.
Em um estudo, foram feitas leituras semanais no mesmo local em um rio durante
um perodo de dois meses.
Semana O
2
dissolvido, ppm
1 4,9
2 5,1
3 5,6
4 4,3
5 4,7
6 4,9
7 4,5
8 5,1
Alguns cientistas consideram que 5,0 ppm um nvel de O
2
dissolvido que limtrofe
para a sobrevivncia de peixes. Realize um teste de hipteses para determinar se a
mdia da concentrao de O
2
dissolvido menor que 5,0 ppm em um nvel de
confiana de 95%. Defina claramente as hipteses nula e alternativa.





















27
Captulo 6 Planejamento Experimental e Anlise de Varincia

Para que se possa realizar um experimento, deve-se garantir uma Abordagem
Cientfica com dados apropriados e tcnicas estatsticas adequadas

Princpios bsicos do planejamento experimental

o Rplica: So repeties do experimento feitas sob mesmas condies
experimentais
o Aleatorizao: Alocao do material experimental e ordem dos ensaios so
determinadas ao acaso
o Formao de blocos: Controlar efeito de efeitos perturbadores sob os quais no se
tem interesse.


Terminologia

o Unidade experimental: Unidade bsica para a qual ser feita a medida da
resposta.
o Fatores: Tipos distintos de condies que so manipuladas nas unidades
experimentais. Ou variveis que tem influncia na resposta.
o Nvel de um fator: Diferentes modos de presena de um fator no estudo
considerado.
o Tratamento: Combinaes especficas dos nveis de diferentes fatores.
o Ensaio: Cada realizao de experimento em uma determinada condio de
interesse, ou, cada coleta de dados.
o Varivel resposta: Resultado de interesse registrado aps a realizao de um
ensaio. Testemunha: Conjunto de parcelas que no recebe tratamento ou recebe
tratamento conhecido
o Bordadura: reas separadas da parcela para evitar influncia dos tratamentos
aplicados em parcelas vizinhas
o Erro experimental: Duas parcelas que recebem o mesmo tratamento, no
apresentam necessariamente a mesma resposta; a variao existente medida
pelo erro experimental.


Fases para realizar um experimento
o Identificao dos objetivos;
o Seleo da varivel resposta;
o Escolha dos fatores e nveis;
o Planejamento do procedimento experimental;
o Realizao do experimento coleta de dados;
o Anlise de dados;
o Interpretao dos resultados;
o Elaborao do relatrio.






28

Anlise de Varincia ANOVA

A Anlise de Varincia introduzida por R. A. Fisher compara a magnitude das
variaes de mais de duas amostras. A terminologia ANOVA vem da expresso inglesa:
ANalisys Of VAriance, chamando-se F-teste, em homenagem a Fisher.
Para realizar a ANOVA, primeiramente devemos entender o que significa
Inferncia, inferir, fazer predies sobre a populao geral, baseado nessas
informaes. Em seguida, opta-se por um dos tipos de delineamento experimental, e
pode-se optar entre fazer os clculos manualmente, ou utilizar-se de softwares
estatsticos.

Tipos de experimentos

o Delineamento completamente casualizado;
o Delineamento em blocos casualizados;
o Delineamento fatorial;
o Delineamento hierrquico;
o Delineamento Split Plot;
o Delineamento Split Split Plot;
o Delineamento quadrado latino.


Delineamento Inteiramente Casualizado DIC

Neste experimento, divide-se o local experimental, de forma que todas as parcelas
tem a mesma probabilidade de serem escolhidas, ou seja, elas so designadas de forma
totalmente aleatria.
Aps ter decidido qual ser o melhor delineamento experimental, procede-se
obteno da Tabela ANOVA, que ser diferente para cada tipo de delineamento
experimental. Finalmente, observando o valor de F0 nessa tabela, compara-se com o
valor de F na Tabela F, em anexo.

ANOVA para delineamento inteiramente casualizado
Monta-se primeiro a tabela:









Em seguida, monta-se a tabela a seguir:






29

As frmulas utilizadas so:



















O Teste F e suas hipteses

Para verificar se existem diferenas significativas entre as mdias dos tratamentos em
estudo, testam-se as hipteses:
H
0
: as mdias so iguais
vs
H
1
: as mdias so diferentes

Regra de deciso: Se F >F
(k-1,n-k,o)
, rejeita-se H
0
ao nvel de o% de significncia.

Exerccio: Verificar se os trs banhos de tmpera do exemplo so diferentes a 5% de
significncia.

Testes de Comparao de Mdias

Os mais conhecidos e utilizados so:
o Teste Tukey;
o Teste de Fisher;
o Teste de Duncan;
o Teste de Dunnet.










30
Exerccios de Anlise de Varincia

1) Alexiev e colaboradores desenvolveram um mtodo espectrofotomtrico para a
determinao de Fe
3+
baseado no seu efeito cataltico sobre a oxidao do cido
sulfanlico pelo periodato de potssio (KIO
4
). Como parte do estudo, foi
determinada a concentrao de Fe
3+
no plasma sanguneo de humanos por meio
do mtodo proposto e do mtodo padro de anlise. A seguir so apresentados os
resultados obtidos, com as concentraes em micromoles/L.













Verificar se o mtodo proposto igual ao mtodo padro, ao nvel de 5% de
significncia.

2) Cinco analistas obtiveram os resultados (mmol de Ca), mostrados na tabela que
segue, para determinao de clcio por um mtodo volumtrico. As mdias
diferem significativamente em um nvel de confiana de 95%?

Rplica Analista 1 Analista 2 Analista 3 Analista 4 Analista 5
1 10,93 9,5 12,1 9,6 11,6
2 9,8 8,6 13,0 8,3 12,5
3 11,4 8,9 12,4 8,2 11,4

3) Dois mtodos analticos diferentes foram usados para determinar cloro residual em
efluentes de esgoto. Ambos os mtodos foram usados nas mesmas amostras,
mas cada amostra foi coletada em vrios locais, com tempos de contato diferentes
com o efluente. A concentrao de Cl, expressa em mg/l, foi determinada pelos
dois mtodos e os seguintes resultados foram obtidos:

Amostra Mtodo A Mtodo B
1 0,39 0,36
2 0,84 1,35
3 1,76 2,56
4 3,35 3,92
5 4,69 5,35
6 7,7 8,33

Verifique se o mtodo utilizado no significativo a 10% de significncia.

31
4) Cinco laboratrios diferentes participaram de um estudo interlaboratorial
envolvendo determinaes dos nveis de Fe em amostras de gua. Os seguintes
resultados so rplicas de determinaes de PPM de Fe para os laboratrios A-E.

Resultado Lab A Lab B Lab C Lab D Lab E
1 10,3 9,5 10,1 8,6 10,6
2 11,4 9,9 10,0 9,3 10,5
3 9,8 9,6 10,4 9,2 11,1
a) Defina as hipteses apropriadas.
b) Os laboratrios diferem a 99% de confiana?

5) O teor de fsforo foi medido em trs solos diferentes locais. Cinco rplicas de
medidas foram feitas para cada amostra de solo. Uma tabela ANOVA parcial
mostrada a seguir:

Fonte
de Variao
SQ
1
gl
2
QM
3
F
Tratamento
Resduos 0,0081
Total 0,374

1- Soma dos Quadrados
2- Graus de liberdade
3- Quadrados mdios

a. Preencha os campos vazios (corretamente)
b. Defina as hipteses nula e alternativa
c. Os trs solos diferem nos teores de fsforo em um nvel de significncia de
1%?






















32
ANEXO TABELA F




1 2 3 4 5 6 7 8 9 10 11 12


1 0.100 39.864 49.500 53.593 55.833 57.240 58.204 58.906 59.439 59.857 60.195 60.473 60.705
1 0.050 161.446 199.499 215.707 224.583 230.160 233.988 236.767 238.884 240.543 241.882 242.981 243.905
1 0.025 647.793 799.482 864.151 899.599 921.835 937.114 948.203 956.643 963.279 968.634 973.028 976.725
1 0.010 4052 4999 5404 5624 5764 5859 5928 5981 6022 6056 6083 6107
1 0.005 16212 19997 21614 22501 23056 23440 23715 23924 24091 24222 24334 24427
1 0.001 405312 499725 540257 562668 576496 586033 593185 597954 602245 605583 608444 610352

2 0.100 8.526 9.000 9.162 9.243 9.293 9.326 9.349 9.367 9.381 9.392 9.401 9.408
2 0.050 18.513 19.000 19.164 19.247 19.296 19.329 19.353 19.371 19.385 19.396 19.405 19.412
2 0.025 38.506 39.000 39.166 39.248 39.298 39.331 39.356 39.373 39.387 39.398 39.407 39.415
2 0.010 98.502 99.000 99.164 99.251 99.302 99.331 99.357 99.375 99.390 99.397 99.408 99.419
2 0.005 198.503 199.012 199.158 199.245 199.303 199.332 199.361 199.376 199.390 199.390 199.419 199.419
2 0.001 998.378 998.843 999.309 999.309 999.309 999.309 999.309 999.309 999.309 999.309 999.309 999.309

3 0.100 5.538 5.462 5.391 5.343 5.309 5.285 5.266 5.252 5.240 5.230 5.222 5.216
3 0.050 10.128 9.552 9.277 9.117 9.013 8.941 8.887 8.845 8.812 8.785 8.763 8.745
3 0.025 17.443 16.044 15.439 15.101 14.885 14.735 14.624 14.540 14.473 14.419 14.374 14.337
3 0.010 34.116 30.816 29.457 28.710 28.237 27.911 27.671 27.489 27.345 27.228 27.132 27.052
3 0.005 55.552 49.800 47.468 46.195 45.391 44.838 44.434 44.125 43.881 43.685 43.525 43.387
3 0.001 167.056 148.488 141.095 137.079 134.576 132.830 131.608 130.618 129.861 129.221 128.755 128.319

4 0.100 4.545 4.325 4.191 4.107 4.051 4.010 3.979 3.955 3.936 3.920 3.907 3.896
4 0.050 7.709 6.944 6.591 6.388 6.256 6.163 6.094 6.041 5.999 5.964 5.936 5.912
4 0.025 12.218 10.649 9.979 9.604 9.364 9.197 9.074 8.980 8.905 8.844 8.794 8.751
4 0.010 21.198 18.000 16.694 15.977 15.522 15.207 14.976 14.799 14.659 14.546 14.452 14.374
4 0.005 31.332 26.284 24.260 23.154 22.456 21.975 21.622 21.352 21.138 20.967 20.824 20.705
4 0.001 74.127 61.249 56.170 53.435 51.718 50.524 49.651 48.996 48.472 48.050 47.701 47.410

5 0.100 4.060 3.780 3.619 3.520 3.453 3.405 3.368 3.339 3.316 3.297 3.282 3.268
5 0.050 6.608 5.786 5.409 5.192 5.050 4.950 4.876 4.818 4.772 4.735 4.704 4.678
5 0.025 10.007 8.434 7.764 7.388 7.146 6.978 6.853 6.757 6.681 6.619 6.568 6.525
5 0.010 16.258 13.274 12.060 11.392 10.967 10.672 10.456 10.289 10.158 10.051 9.963 9.888
5 0.005 22.785 18.314 16.530 15.556 14.939 14.513 14.200 13.961 13.772 13.618 13.491 13.385
5 0.001 47.177 37.122 33.200 31.083 29.751 28.835 28.165 27.649 27.241 26.914 26.645 26.419


33




1 2 3 4 5 6 7 8 9 10 11 12


6 0.100 3.776 3.463 3.289 3.181 3.108 3.055 3.014 2.983 2.958 2.937 2.920 2.905
6 0.050 5.987 5.143 4.757 4.534 4.387 4.284 4.207 4.147 4.099 4.060 4.027 4.000
6 0.025 8.813 7.260 6.599 6.227 5.988 5.820 5.695 5.600 5.523 5.461 5.410 5.366
6 0.010 13.745 10.925 9.780 9.148 8.746 8.466 8.260 8.102 7.976 7.874 7.790 7.718
6 0.005 18.635 14.544 12.917 12.028 11.464 11.073 10.786 10.566 10.391 10.250 10.133 10.034
6 0.001 35.507 27.001 23.705 21.922 20.802 20.031 19.463 19.030 18.688 18.412 18.183 17.990

7 0.100 3.589 3.257 3.074 2.961 2.883 2.827 2.785 2.752 2.725 2.703 2.684 2.668
7 0.050 5.591 4.737 4.347 4.120 3.972 3.866 3.787 3.726 3.677 3.637 3.603 3.575
7 0.025 8.073 6.542 5.890 5.523 5.285 5.119 4.995 4.899 4.823 4.761 4.709 4.666
7 0.010 12.246 9.547 8.451 7.847 7.460 7.191 6.993 6.840 6.719 6.620 6.538 6.469
7 0.005 16.235 12.404 10.883 10.050 9.522 9.155 8.885 8.678 8.514 8.380 8.270 8.176
7 0.001 29.246 21.690 18.772 17.197 16.207 15.520 15.018 14.634 14.330 14.083 13.879 13.708

8 0.100 3.458 3.113 2.924 2.806 2.726 2.668 2.624 2.589 2.561 2.538 2.519 2.502
8 0.050 5.318 4.459 4.066 3.838 3.688 3.581 3.500 3.438 3.388 3.347 3.313 3.284
8 0.025 7.571 6.059 5.416 5.053 4.817 4.652 4.529 4.433 4.357 4.295 4.243 4.200
8 0.010 11.259 8.649 7.591 7.006 6.632 6.371 6.178 6.029 5.911 5.814 5.734 5.667
8 0.005 14.688 11.043 9.597 8.805 8.302 7.952 7.694 7.496 7.339 7.211 7.105 7.015
8 0.001 25.415 18.494 15.829 14.392 13.484 12.858 12.398 12.045 11.767 11.540 11.352 11.194

9 0.100 3.360 3.006 2.813 2.693 2.611 2.551 2.505 2.469 2.440 2.416 2.396 2.379
9 0.050 5.117 4.256 3.863 3.633 3.482 3.374 3.293 3.230 3.179 3.137 3.102 3.073
9 0.025 7.209 5.715 5.078 4.718 4.484 4.320 4.197 4.102 4.026 3.964 3.912 3.868
9 0.010 10.562 8.022 6.992 6.422 6.057 5.802 5.613 5.467 5.351 5.257 5.178 5.111
9 0.005 13.614 10.107 8.717 7.956 7.471 7.134 6.885 6.693 6.541 6.417 6.314 6.227
9 0.001 22.857 16.387 13.901 12.560 11.714 11.129 10.697 10.368 10.106 9.894 9.719 9.570

10 0.100 3.285 2.924 2.728 2.605 2.522 2.461 2.414 2.377 2.347 2.323 2.302 2.284
10 0.050 4.965 4.103 3.708 3.478 3.326 3.217 3.135 3.072 3.020 2.978 2.943 2.913
10 0.025 6.937 5.456 4.826 4.468 4.236 4.072 3.950 3.855 3.779 3.717 3.665 3.621
10 0.010 10.044 7.559 6.552 5.994 5.636 5.386 5.200 5.057 4.942 4.849 4.772 4.706
10 0.005 12.827 9.427 8.081 7.343 6.872 6.545 6.303 6.116 5.968 5.847 5.746 5.661
10 0.001 21.038 14.905 12.553 11.283 10.481 9.926 9.517 9.204 8.956 8.754 8.587 8.446



34





1 2 3 4 5 6 7 8 9 10 11 12


11 0.100 3.225 2.860 2.660 2.536 2.451 2.389 2.342 2.304 2.274 2.248 2.227 2.209
11 0.050 4.844 3.982 3.587 3.357 3.204 3.095 3.012 2.948 2.896 2.854 2.818 2.788
11 0.025 6.724 5.256 4.630 4.275 4.044 3.881 3.759 3.664 3.588 3.526 3.474 3.430
11 0.010 9.646 7.206 6.217 5.668 5.316 5.069 4.886 4.744 4.632 4.539 4.462 4.397
11 0.005 12.226 8.912 7.600 6.881 6.422 6.102 5.865 5.682 5.537 5.418 5.320 5.236
11 0.001 19.687 13.812 11.561 10.346 9.579 9.047 8.655 8.355 8.116 7.923 7.762 7.625

12 0.100 3.177 2.807 2.606 2.480 2.394 2.331 2.283 2.245 2.214 2.188 2.166 2.147
12 0.050 4.747 3.885 3.490 3.259 3.106 2.996 2.913 2.849 2.796 2.753 2.717 2.687
12 0.025 6.554 5.096 4.474 4.121 3.891 3.728 3.607 3.512 3.436 3.374 3.321 3.277
12 0.010 9.330 6.927 5.953 5.412 5.064 4.821 4.640 4.499 4.388 4.296 4.220 4.155
12 0.005 11.754 8.510 7.226 6.521 6.071 5.757 5.524 5.345 5.202 5.085 4.988 4.906
12 0.001 18.645 12.973 10.805 9.633 8.892 8.378 8.001 7.711 7.480 7.292 7.136 7.005

13 0.100 3.136 2.763 2.560 2.434 2.347 2.283 2.234 2.195 2.164 2.138 2.116 2.097
13 0.050 4.667 3.806 3.411 3.179 3.025 2.915 2.832 2.767 2.714 2.671 2.635 2.604
13 0.025 6.414 4.965 4.347 3.996 3.767 3.604 3.483 3.388 3.312 3.250 3.197 3.153
13 0.010 9.074 6.701 5.739 5.205 4.862 4.620 4.441 4.302 4.191 4.100 4.025 3.960
13 0.005 11.374 8.186 6.926 6.233 5.791 5.482 5.253 5.076 4.935 4.820 4.724 4.643
13 0.001 17.815 12.313 10.209 9.073 8.355 7.856 7.489 7.206 6.982 6.799 6.647 6.519

14 0.100 3.102 2.726 2.522 2.395 2.307 2.243 2.193 2.154 2.122 2.095 2.073 2.054
14 0.050 4.600 3.739 3.344 3.112 2.958 2.848 2.764 2.699 2.646 2.602 2.565 2.534
14 0.025 6.298 4.857 4.242 3.892 3.663 3.501 3.380 3.285 3.209 3.147 3.095 3.050
14 0.010 8.862 6.515 5.564 5.035 4.695 4.456 4.278 4.140 4.030 3.939 3.864 3.800
14 0.005 11.060 7.922 6.680 5.998 5.562 5.257 5.031 4.857 4.717 4.603 4.508 4.428
14 0.001 17.142 11.779 9.730 8.622 7.922 7.436 7.078 6.802 6.583 6.404 6.256 6.130

15 0.100 3.073 2.695 2.490 2.361 2.273 2.208 2.158 2.119 2.086 2.059 2.037 2.017
15 0.050 4.543 3.682 3.287 3.056 2.901 2.790 2.707 2.641 2.588 2.544 2.507 2.475
15 0.025 6.200 4.765 4.153 3.804 3.576 3.415 3.293 3.199 3.123 3.060 3.008 2.963
15 0.010 8.683 6.359 5.417 4.893 4.556 4.318 4.142 4.004 3.895 3.805 3.730 3.666
15 0.005 10.798 7.701 6.476 5.803 5.372 5.071 4.847 4.674 4.536 4.424 4.329 4.250
15 0.001 16.587 11.340 9.335 8.253 7.567 7.091 6.741 6.471 6.256 6.081 5.935 5.812


35




1 2 3 4 5 6 7 8 9 10 11 12


16 0.100 3.048 2.668 2.462 2.333 2.244 2.178 2.128 2.088 2.055 2.028 2.005 1.985
16 0.050 4.494 3.634 3.239 3.007 2.852 2.741 2.657 2.591 2.538 2.494 2.456 2.425
16 0.025 6.115 4.687 4.077 3.729 3.502 3.341 3.219 3.125 3.049 2.986 2.934 2.889
16 0.010 8.531 6.226 5.292 4.773 4.437 4.202 4.026 3.890 3.780 3.691 3.616 3.553
16 0.005 10.576 7.514 6.303 5.638 5.212 4.913 4.692 4.521 4.384 4.272 4.179 4.099
16 0.001 16.120 10.970 9.006 7.944 7.272 6.805 6.460 6.195 5.984 5.812 5.668 5.547

17 0.100 3.026 2.645 2.437 2.308 2.218 2.152 2.102 2.061 2.028 2.001 1.978 1.958
17 0.050 4.451 3.592 3.197 2.965 2.810 2.699 2.614 2.548 2.494 2.450 2.413 2.381
17 0.025 6.042 4.619 4.011 3.665 3.438 3.277 3.156 3.061 2.985 2.922 2.870 2.825
17 0.010 8.400 6.112 5.185 4.669 4.336 4.101 3.927 3.791 3.682 3.593 3.518 3.455
17 0.005 10.384 7.354 6.156 5.497 5.075 4.779 4.559 4.389 4.254 4.142 4.050 3.971
17 0.001 15.722 10.658 8.727 7.683 7.022 6.562 6.224 5.962 5.754 5.584 5.443 5.324

18 0.100 3.007 2.624 2.416 2.286 2.196 2.130 2.079 2.038 2.005 1.977 1.954 1.933
18 0.050 4.414 3.555 3.160 2.928 2.773 2.661 2.577 2.510 2.456 2.412 2.374 2.342
18 0.025 5.978 4.560 3.954 3.608 3.382 3.221 3.100 3.005 2.929 2.866 2.814 2.769
18 0.010 8.285 6.013 5.092 4.579 4.248 4.015 3.841 3.705 3.597 3.508 3.434 3.371
18 0.005 10.218 7.215 6.028 5.375 4.956 4.663 4.445 4.276 4.141 4.030 3.938 3.860
18 0.001 15.380 10.390 8.487 7.460 6.808 6.355 6.021 5.763 5.557 5.390 5.251 5.132

19 0.100 2.990 2.606 2.397 2.266 2.176 2.109 2.058 2.017 1.984 1.956 1.932 1.912
19 0.050 4.381 3.522 3.127 2.895 2.740 2.628 2.544 2.477 2.423 2.378 2.340 2.308
19 0.025 5.922 4.508 3.903 3.559 3.333 3.172 3.051 2.956 2.880 2.817 2.765 2.720
19 0.010 8.185 5.926 5.010 4.500 4.171 3.939 3.765 3.631 3.523 3.434 3.360 3.297
19 0.005 10.073 7.093 5.916 5.268 4.853 4.561 4.345 4.177 4.043 3.933 3.841 3.763
19 0.001 15.081 10.157 8.280 7.265 6.622 6.175 5.845 5.591 5.387 5.222 5.084 4.967

20 0.100 2.975 2.589 2.380 2.249 2.158 2.091 2.040 1.999 1.965 1.937 1.913 1.892
20 0.050 4.351 3.493 3.098 2.866 2.711 2.599 2.514 2.447 2.393 2.348 2.310 2.278
20 0.025 5.871 4.461 3.859 3.515 3.289 3.128 3.007 2.913 2.837 2.774 2.721 2.676
20 0.010 8.096 5.849 4.938 4.431 4.103 3.871 3.699 3.564 3.457 3.368 3.294 3.231
20 0.005 9.944 6.987 5.818 5.174 4.762 4.472 4.257 4.090 3.956 3.847 3.756 3.678
20 0.001 14.819 9.953 8.098 7.096 6.461 6.019 5.692 5.440 5.239 5.075 4.939 4.823