Manual de Estatstica Descritiva, Probabilidade e Inferncia Estatstica

Tabela 2.3 Distribuio de frequncias acumuladas

Varivel
(Anos de
Servio)

Frequncia
Absoluta (fi)

Frequncia
Absoluta
Acumulada (Fi)

Frequncia
Relativa % (fr)

A frequncia relativa dada pela frmula f r =

fi
n

Frequncia Relativa
Acumulada % (Fr)

(I) e a Acumulada Fr =

Fi
n

(II)

Se n tamanho da amostra, considera-se que a amostra grande se n > 30 e

pequena se n 30 ;

Se k for o nmero de classes que pretendemos, ento k = 5 se n 30 e k = n

se n > 30 ;
Se amplitude total, ser obtido atravs da diferena entre o maior e o menor
valores da amostra.

Se c o intervalo de cada classe, ser obtido pela frmula c =

f a frequncia absoluta;
Mdia amostral

Mdia populacional
n

X=

x
i =1

(V)

x
i =1

(VI)

A frmula (V), pode ser usada para dados da tabela 2.13 se considerarmos a venda por ano
como sendo Xi.
Dados agrupados
Mdia amostral
n

X=

x
i =1

Mdia populacional
N

fi

(VII)

x f

i i

i =1

(VIII)

Mdia aritmtica ponderada: a mdia aritmtica ponderada do conjunto

x1, x2,...,xk, com pesos w1, w2,...,wk calculada por X

ap=

x1 w1 + x 2 w2 + ... + x k wk
.
w1 + w2 + ... + wk

a) Mdia geomtrica: a mdia geomtrica dos valores positivos x1, x2,...,xn,

calculada por X g =

x1 x 2 ... x n .

Mdia geomtrica ponderada: a mdia geomtrica ponderada do conjunto

Docente: Rodrigues Z. Fazenda rzfazenda@gmail.com rzfazenda@tdm.co.mz

826051185

Manual de Estatstica Descritiva, Probabilidade e Inferncia Estatstica

wi
w
w
w
x1, x2,...,xk, com pesos w1, w2,...,wk, calculada por X gp = x1 1 .x 2 2 ...x k k .

b) Mdia Harmnica: a mdia harmnica dos valores x1, x2,...,xn calculada por

o inverso da mdia aritmtica dos inversos.

1
1
1
1
+
+ ... +
x1 x 2
xn
2

n
1
1
1
+
+ ... +
x1 x 2
xn

n
1
x
i

Mdia harmnica ponderada: a mdia harmnica ponderada do conjunto

x1, x2, ..., xk, com pesos w1, w2, ...,wk, calculada por X

hp =

w
w
x

Media Harmnica Ponderada : (para dados agrupados em tabelas de frequncias)

X hp =

f
f
x

i
i
i

.
c) Mdia quadrtica: a mdia quadrtica dos valores positivos x1, x2,...,xn,
2

calculada por X q

x + x 2 + ... + x n
= 1
=
n

x
n

2
i

. a raiz quadrada da mdia aritmtica

dos quadrados

Mdia Quadrtica Simples: (para dados no agrupados) X q =

Docente: Rodrigues Z. Fazenda rzfazenda@gmail.com rzfazenda@tdm.co.mz

x12 + x 22 + ... + x n2
n

826051185

Manual de Estatstica Descritiva, Probabilidade e Inferncia Estatstica

Mdia Quadrtica Ponderada: Quando os valores da varivel estiverem dispostos

em uma tabela de frequncias, a mdia quadrtica ser determinada pela seguinte
expresso: X qp =

x f
f
2
i

N
f1
2
Me = l1 +
c
f med

Mediana

Onde l1 - limite inferior da classe mediana

N
- ponto mdio onde se localiza a respectiva frequncia acumulada
2
f1 - soma das frequncias inferiores (anteriores) a classe mediana
c - intervalo de classe dado por c =

f med - frequncia da classe mediana

M o = l1 +

Moda

d1
c
d1 + d 2

Onde l1 - limite inferior da classe modal

c - intervalo de classe dado por c =

d 1 - Diferena entre as frequncias da classe modal e a imediatamente inferior

d 2 - Diferena entre as frequncias da classe modal e a imediatamente superior
Observao: Um dos casos no tratados na moda o referente a intervalos de classes
diferentes. Para este caso usa-se a frmula de King, com a seguinte forma

m = li +

f i +1
ci +1
f i +1 f i 1
+
ci +1 ci 1

ci , com ci como intervalo da classe modal e fi freqncia absoluta da

classe modal. A classe modal aquela com maior peso. O peso obtido pela frmula

fi
.
ci

Medida

Notao

Definio, propriedades

Mdia

_
X

Mediana

Me

a soma dos produtos dos valores da varivel e respectiva

frequncia, dividida pelo nmero de observaes
o valor que ocupa a posio central da srie de observaes
de uma varivel, dividindo o conjunto em duas partes iguais.
50% dos dados tomam valores menores ou iguais ao valor da
mediana e os 50% restantes acima.

Docente: Rodrigues Z. Fazenda rzfazenda@gmail.com rzfazenda@tdm.co.mz

826051185

Manual de Estatstica Descritiva, Probabilidade e Inferncia Estatstica

Moda

Mo

definida como valor que ocorre com mais frequncia, dos

valores observados

3. MEDIDAS DE POSIO
3.1 Quarts (Quants)
Tabela 2.20 Resumo de quarts para Box Plot
Estatsticas
Q1
Q3
Q3 Q1
1,5 *(Q3 - Q1)
3,0 *(Q3 - Q1)
Outliers inferiores
Xi Q1 -1,5 *(Q3 - Q1)
Valores extremos
inferiores
Xi Q1 - 3,0 *(Q3 - Q1)
Outliers superiores
Xi Q3 + 1,5 *(Q3 - Q1)
Valores extremos
superiores
Xi Q3 + 3,0 *(Q3 - Q1)

1) Calcular a posio: posio =

Altura dos
Alunos
1,675
1,78
0,105
0,1575
0,315
1,5175
1,36
**
**

n
(seja n mpar ou par)
4

2) Pela Fi identifica-se a classe que contm o Q1

3) Aplica-se a frmula:

n
Fi
Qi = LQ1 + 4
c
f Q1

sendo
* LQ1 = limite inferior da classe do Q1
* n = tamanho da amostra ou n de elementos
* Fi = frequncia acum. anterior classe do Q1
* c = intervalo da classe do Q1
* f Q1 = frequncia simples da classe do Q1

5. MEDIDAS DE DISPERSO

Docente: Rodrigues Z. Fazenda rzfazenda@gmail.com rzfazenda@tdm.co.mz

826051185

Manual de Estatstica Descritiva, Probabilidade e Inferncia Estatstica

5.1 Amplitude total ( )

Desvio mdio

Varincia

Xi X
i =1

DM =
Cv =

S =
2

(X

i =1

Desvio padro

S = s2

S
* 100
X

5.4 Amplitude Iinterquartil I Q = Q 3 - Q1

2. DEFINIO AXIOMTICA DE PROBABILIDADE

Se Ai for um evento qualquer e S for espao de resultados (conjunto universal), ento:
a) P ( Ai ) 0
b) P ( S ) = 1
n

c)

P( A ) = P( Ai),
i

i =1

Ai =0/

1. A = A
2. ( A B ) C = A c B c
3. ( A B ) C = A c B c

n n de resultados favorveis
=
.
N
n de resultados possveis
n!= n (n 1) (n 2) (n 3) ... 3 2 1
P ( A) =

Casos Especiais
0! = 1
1! = 1
Permutaao P5 = 5!= 5 4 3 2 1 = 120
Permutaes com elementos repetidos

Pn( k ,t , s ,...) =

n!
k !t! s!...

3.4 Arranjos simples

Akn =

n!
n!
. L-se: Arranjos de n, k a k. fcil perceber que Ann =
= n!= Pn
(n K )!
(n n)!

Docente: Rodrigues Z. Fazenda rzfazenda@gmail.com rzfazenda@tdm.co.mz

826051185

Manual de Estatstica Descritiva, Probabilidade e Inferncia Estatstica

3.5 Combinaes simples

C kn =

n!
, que se l, combinao de n, k a k.
k!(n k )!

A frmula de combinaes mais

conhecida como sendo Nmero binomial e indicado por: ( nk ) =

n!
e que ser usado nas
k!(n k )!

Distribuies de Probabilidade tericas discretas (Binomial e Hipergeomtrica)

4. Algumas consideraes sobre leis, axiomas e teoremas:
Se A e B, so dois eventos quaisquer de S, teremos:
1) P ( Ai ) 0
2) 0 P( A) 1
n

3)

P( A ) = 1
i =1

P ( A B) = P( A) + P( B), se A B = 0/ , i.e, A e B so mutuamente exclusivos

P ( A B) = P( A) + P( B) P( A B), se A B 0/ , i.e, A e B no so mutuamente exclusivos
P ( A B) = P( A) P( B) A e B so independentes
P ( A B) = P( A) P ( B / A) ou P( A B) = P( B) P( A / B) A e B so dependentes
P( A B)
A ocorre depois de B ter ocorrido , define Probabilidade condicional
8) P ( A / B ) =
P( B)
9) P ( S ) = 1
10) P (0/ ) = 0
4)
5)
6)
7)

11) P ( A ) = 1 P ( A)

P ( A B C ) = P( A) P( B) P (C )
Regra Geral da Multiplicao numa Probabilidade Condicional

P ( A B) = P( A) P( B / A)
7. PROBABILIDADE TOTAL
P(C ) = P( A1 ) P(C / A1 ) + P( A2 ) P(C / A2 ) + ... + P( An ) P(C / An ) .
8. TEOREMA DE BAYES
P( Ai ) P( B / Ai )
P ( Ai ) P( B / Ai )
P ( Ai / B) =
= n
P ( A1 ) P( B / A1 ) + P( A2 ) P( B / A2 ) + ... + P( An ) P( B / An )
P( Ai ) P( B / Ai )
i =1

Docente: Rodrigues Z. Fazenda rzfazenda@gmail.com rzfazenda@tdm.co.mz

826051185

Manual de Estatstica Descritiva, Probabilidade e Inferncia Estatstica

VARIVEIS ALEATRIA, FUNES DE DISTRIBUIO

E DISTRIBUIES TERICAS DE PROBABILIDADE
2 VARIVEL ALEATRIA DISCRETA (VAD)
= E ( X ) = [ X .P ( X )]
Se as variveis aleatrias X e Y so independentes, ento E[ X Y ] = E[ X ] E[Y ]
O inverso (recproca) no verdadeiro em geral: E[ X Y ] = E[ X ] E[Y ] no implica que X e
Y sejam independentes.

2 = [(X ) 2 P( X )]

O desvio padro : = 2

3. DISTRIBUIES DE PROBABILIDADE TERICAS DISCRETAS

3.1 A Distribuio Binomial
A Distribuio Binomial tem as seguintes caractersticas:
Consideremos um experimento que apresenta somente dois resultados possveis que so
categorias mutuamente exclusivas: sucesso e fracasso (ocorre ou no ocorre). Referindo-se a
uma dicotomia
a) O experimento repetido vrias vezes.
b) A probabilidade de sucesso permanece constante para cada tentativa
(consequentemente, a probabilidade de falha tambm permanece constante).
c) As tentativas so independentes, significando que o resultado de uma tentativa no
afecta o resultado de qualquer outra tentativa. Se for o caso de tirar algo de uma
urna, a independncia garantida por retirada com reposio.
Para construir uma distribuio binomial, assumir que:
n o nmero de tentativas
r o nmero de sucessos observados
p a probabilidade de sucesso em cada tentativa
q a probabilidade de (insucesso) falha em cada tentativa, em que q = 1 p
A distribuio de probabilidade para uma distribuio discreta binomial dada por

P(X = r) = C

r
n

nr

n!
p
r ! ( n r )!

nr

A Mdia e Varincia de uma Distribuio Binomial

A mdia dada por: = np
A varincia dada por: 2 = np(1 p )
Para o exemplo anterior:
Docente: Rodrigues Z. Fazenda rzfazenda@gmail.com rzfazenda@tdm.co.mz

826051185

Manual de Estatstica Descritiva, Probabilidade e Inferncia Estatstica

p = 0,05 e n = 6

= np = 6 0,05 = 0,3
2 = np (1 p ) = 6 0,05 0,95 = 0,285
3.2. Distribuio HipergeomtrIca
para X=k casos favorveis ser P ( X = k ) =

A probabilidade procurada

esperana matemtica ou mdia populacional ser = E ( X ) =

C Mk C Nn kM
, a sua
C Nn

kn
, a varincia dada pela
N

nk 1 k N n

N N N 1

frmula seguinte 2 =

3.3 Distribuio Multinomial ou Polinomial

n!
p1k1 p 2k2 p3k3 ... p kk k ,
k1 k 2 k 3 ... k k
E ( X i ) = npi
Var ( X ) = n pi qi

P ( X 1 = k1 , X 2 = k 2 , X 3 = k 3 ,..., X k = k k ) =
k1 + k 2 + k 3 + ... + k k = n

onde

3.4 Distribuio Geomtrica

P ( X = k ) = q k 1 p

E( X ) = =

1
p

Var ( X ) =

q
p2

3.5 Distribuio de pascal

P ( X = k ) = C rk11 p r q k r , onde k = r, r+1, ...

E( X ) =

r
q

Var ( X ) =

rq
p2

3.6. Distribuio de Poisson

e k
P( X ) =
, onde k = o, 1, 2, 3, ..., n, ..., diremos que X tem uma distribuio de
k!
Var (X ) =
Poisson com parmetro f 0 , simbolicamente X ~ Po ( ) E (X ) =

E ( X ) = x1 p1 + x 2 p 2 + ... + x K p K =

x p
i =1

Docente: Rodrigues Z. Fazenda rzfazenda@gmail.com rzfazenda@tdm.co.mz

826051185

Manual de Estatstica Descritiva, Probabilidade e Inferncia Estatstica

E ( x) = ( x) =

k
x f ( x)dx

2 = ( x ) 2 f ( x)dx

f (X ) =

2 2

( X )
2 2

E[ X ] =

( X E[ X ])

e V[X ] =

f ( X )dx =

2 2

(X )

2 2

Z=

s
sX =
n

(X

s=

dx =

2 2

( X ) 2

( X ) 2

Xf ( X )dx = X

e desvio = 2

i =1

dx = 2

X )2
V (X ) =

n 1

2
n

A.2 Amostragem Sistemtica

k=

N
n

V (X ) =

2
n

[1 + (n 1)] .

V (X s )
= n
V (X )

[1 + (n 1)]
2

= 1 + (n 1)

n
A.3 Amostra Estratificada

ni = N i

P( x z

n
.
N
s
s
<<x+z
) = 1
n
n

zs

n =
X

xz

s
s
s
<<x+z
. =z
n
n
n

A = 2z

s
n

Interpretando os resultados

P( x t

s
n 1

< < x +t

s
n 1

) = 1 x t

s
n 1

< < x +t

s
n 1

II Intervalo de confiana para uma proporo populacional

P( p - Z

p(1 p)
p(1 p)
< p< p+Z
) = 1
n
n

Docente: Rodrigues Z. Fazenda rzfazenda@gmail.com rzfazenda@tdm.co.mz

826051185

Manual de Estatstica Descritiva, Probabilidade e Inferncia Estatstica

2

Zp (1 p)
p (1 p )
p (1 p )
.
=Z
, a amplitude A = 2Z
e o tamanho da amostra n =
p

p
n
n

1- Intervalo de confiana para uma varincia se a mdia conhecida

n

(X

P ( i =1

< 2 <

(X
i =1

(X

) = 1

(n 1) s 2
2

2
1

P(

i =1

<2 <

2
1

(n 1) s 2

) = 1

(n 1) s

2
1

< 2 <

(n 1) s

< 2 <

(X
i =1

1 1 (n 1)S12 + (n2 1)S 22

1 1 (n 1)S12 + (n2 1)S 22
P X 1 X 2 t ( + ) 1
1 2 X 1 X 2 + t ( + ) 1

n1 n2
n1 + n2 2
n1 n2
n1 + n2 2

( p* pB* ) ( pA pB )
p p
X
Z cal = A
z=
z=
s
p(1 p)
p*Aq*A pB* qB*
+
n
n
nA
nB

=1

I. Teste de Independncia

amostra

(observado esperado) 2
=
esperado

O Teste exacto de Fisher

A + C B + D

A
B

= ( A + B)!*(C + D)!*( A + C )!*(B + D)!

p=
N !*A!*B!*C!*D!
N

A + B

Tcal =

10

(X

P( x Z

< < x+Z

X 2 ) (1 2 )

1 1 (n1 1)S12 + (n2 1)S22

+
n1 + n2 2
n1 n2

Docente: Rodrigues Z. Fazenda rzfazenda@gmail.com rzfazenda@tdm.co.mz

826051185

) = 1