Probabilidades
Brulio Roberto Gonalves Marinho Couto
Janana Giovani Noronha de Oliveira
Octvio Alcntara Torres
Reinaldo Carvalho de Morais
Brulio Roberto Gonalves Marinho Couto
Janana Giovani Noronha de Oliveira
Octvio Alcntara Torres
Reinaldo Carvalho de Morais
ESTATSTICA E PROBABILIDADES
Belo Horizonte
Junho de 2015
COPYRIGHT 2015
GRUPO NIMA EDUCAO
Todos os direitos reservados ao:
Grupo nima Educao
Todos os direitos reservados e protegidos pela Lei 9.610/98. Nenhuma parte deste livro, sem prvia autorizao
por escrito da detentora dos direitos, poder ser reproduzida ou transmitida, sejam quais forem os meios
empregados: eletrnicos, mecnicos, fotogrficos, gravaes ou quaisquer outros.
Edio
Grupo nima Educao
Vice Presidncia
Arthur Sperandeo de Macedo
Coordenao de Produo
Gislene Garcia Nora de Oliveira
Ilustrao e Capa
Alexandre de Souza Paz Monsserrate
Leonardo Antonio Aguiar
Equipe EaD
Conhea
o Autor
Brulio Roberto Gonalves Marinho Couto
doutor em Bioinformtica, mestre em Cincia
da Computao, especialista em Estatstica,
bacharel em Engenharia Qumica e tcnico
em Qumica. Atuante nas reas de Estatstica,
Clculo Numrico, Informtica em Sade,
Epidemiologia Hospitalar e Bioinformtica.
Professor do Centro Universitrio de Belo
Horizonte (UniBH).
Conhea
a Autora
Janana Giovani Noronha de Oliveira
mestre em Estatstica e graduada
em Licenciatura em Matemtica com
Habilitao em Fsica. Possui experincia
como docente na rea de Matemtica e
Estatstica do Ensino superior e mdio.
Experincia com orientao de Monografias.
Conhea
o Autor
Octvio Alcntara Torres bacharel em
Estatstica e mestre em Demografia. Possui
experincia nas reas de probabilidade
e estatstica, regresso e correlao,
anlise estatstica multivariada e controle
estatstico de processo. reas de interesse:
projees populacionais, projees de mo
de obra qualificada, pesquisa de mercado,
estatstica aplicada.
Conhea
o Autor
Reinaldo Carvalho de Morais mestre e
bacharel em Administrao Pblica, graduado
em Estatstica e especialista em Gesto
Financeira. Possui experincia em pesquisas
sobre economia e finanas pblicas mineiras,
bem como docncia nas disciplinas de
estatstica, de economia, de engenharia
econmica, de matemtica financeira e de
administrao da produo.
Apresentao
da disciplina
Egressos de cursos de Engenharia e Tecnologia so profissionais que
resolvem problemas. E como isso ocorre? Pela aplicao eficiente
do mtodo cientfico. Pois bem, disso que se trata essa disciplina:
apresentar ferramentas estatsticas que possibilitaro a voc
transformar-se num especialista em qualquer rea do conhecimento
e, portanto, apto a resolver problemas. A disciplina dividida em oito
unidades cujo objetivo introduzir o aluno na rea da Estatstica e
Probabilidades, tornando-o capaz de planejar e de executar experimentos
de pequeno e mdio porte nas reas de Cincias Exatas e de Engenharia.
Alm de fazer a anlise exploratria dos dados e de realizar inferncias,
por meio da tomada de deciso na presena de incerteza.
Bom trabalho!
UNIDADE 2 023
Anlise exploratria de dados 024
Sntese grfica de dados 026
Sntese tabular de dados 047
Sntese numrica de dados 048
Reviso 059
UNIDADE 3 061
Introduo teoria de probabilidades 062
A teoria das probabilidades 064
Probabilidade clssica e probabilidade frequentista 066
Leis bsicas de probabilidades 067
Unio e interseo de eventos 068
Tabelas de contingncia 070
Eventos independentes 072
Teorema de Bayes 072
Reviso 076
UNIDADE 4 079
Modelos probabilsticos 080
Variveis aleatrias 081
Modelos probabilsticos 088
Distribuio binomial 088
Distribuio Poisson 089
Distribuio normal 090
Reviso 095
UNIDADE 5 096
Estimao de mdias e propores 097
Teorema central do limite 099
Estimao pontual e por intervalos de confiana para uma
mdia populacional 103
Estimao pontual e por intervalos de confiana para uma
proporo populacional 112
Uso do Excel no clculo de intervalos de confiana para
mdia e proporo 116
Introduo ao programa EpiInfo 120
Reviso 121
UNIDADE 6 124
Planejamento de experimentos 125
Clculo de tamanho de amostra baseado em intervalos de
confiana para uma proporo 127
Clculo de tamanho de amostra baseado em intervalos de confiana
para uma mdia 132
Planejamento de experimentos 135
Planejamento de experimentos - terminologia bsica 140
Reviso 144
UNIDADE 7 147
Testes de Hipteses 148
A construo e o significado de uma hiptese estatstica 149
Testes para uma amostra 151
Testes para duas ou mais amostras 167
Reviso 172
UNIDADE 8 174
Anlise de correlao e regresso 175
Anlise de correlao 176
Regresso linear simples 185
Regresso linear mltipla 193
Reviso 200
REFERNCIAS 202
Introduo
estatstica
Introduo
Conceitos
bsicos
Voc sabe o que populao? E amostra? Vejamos o exemplo a seguir.
Vamos supor que uma cozinheira esteja preparando dois litros de sopa.
006
unidade 1
ESTATSTICA E PROBABILIDADES
Populao:
007
unidade 1
ESTATSTICA E PROBABILIDADES
008
unidade 1
ESTATSTICA E PROBABILIDADES
Inferncia Populao
amostrada
Amostra
009
unidade 1
ESTATSTICA E PROBABILIDADES
010
unidade 1
ESTATSTICA E PROBABILIDADES
erroneamente que uma boa amostra deve conter pelo menos, digamos,
30% da populao. O que a cozinheira diria disto? Para provar dois litros
de sopa, quanto de amostra ela teria que avaliar? Isso mesmo, uma pitada. Amostra
probabilstica:
E para provar 400 litros de sopa, ela beberia um prato inteiro? No. Ela
existe uma garantia,
provar a mesma pitada, pois sabe que, o mais importante nesse processo em termos de
inferencial no o tamanho da amostra, mas provar uma amostra no probabilidade, de que
viciada, representativa de toda a sopa. qualquer membro
da populao possa
ser selecionado para
Voltando aos processos de amostragem, as amostras podem ser amostra.
classificadas em probabilsticas e no probabilsticas:
Amostra probabilstica:
Amostra no probabilstica:
011
unidade 1
ESTATSTICA E PROBABILIDADES
012
unidade 1
ESTATSTICA E PROBABILIDADES
Observe que, como o prprio nome diz, uma varivel deve variar, ou seja,
013
unidade 1
ESTATSTICA E PROBABILIDADES
TIPOS CARACTERSTICAS
014
unidade 1
ESTATSTICA E PROBABILIDADES
Tipos de
variveis
Se considerarmos a maioria absoluta das variveis envolvidas em
experimentos de pequeno e mdio porte nas reas de Cincias
Exatas e Engenharia, teremos duas situaes para o tipo da varivel.
015
unidade 1
ESTATSTICA E PROBABILIDADES
016
unidade 1
ESTATSTICA E PROBABILIDADES
017
unidade 1
ESTATSTICA E PROBABILIDADES
<http://www.agriambi.com.br/revista/suplemento/index_arquivos/
PDF/181.pdf>
018
unidade 1
ESTATSTICA E PROBABILIDADES
tanques com efluente de frigorfico aps passar num sistema de filtro com
Tratamentos: (A) controle (gua potvel + rao); (B) efluente tratado (efluente do sistema de
filtro de aguap + rao)
Mdias seguidas da mesma letra, na linha, no diferem significadamente pelo teste t de Student ao nvel 5% de significncia
019
unidade 1
ESTATSTICA E PROBABILIDADES
020
unidade 1
ESTATSTICA E PROBABILIDADES
Reviso
Vimos nessa unidade alguns dos principais tpicos introdutrios do
campo da Estatstica. Em resumo, estudamos sobre:
Tipos de variveis:
021
unidade 1
ESTATSTICA E PROBABILIDADES
022
unidade 1
Anlise
exploratria
de dados
Introduo
Agora que voc j tem acesso aos dados, qual o prximo passo para
resolvermos o problema de reprovao e abandono em Clculo,
GAAL, Qumica Geral e AEDS? A primeira etapa de qualquer anlise
estatstica, ou melhor, a fase preliminar da busca das informaes
agregadas a dados j coletados, a anlise exploratria dos
mesmos. Como o prprio nome diz, a anlise exploratria dos
dados o conjunto de ferramentas da Estatstica Descritiva que tm
como objetivo fazer uma sntese dos dados, organizando-os sob a
forma de tabelas, grficos e nmeros. Portanto, para entendermos e
resolvermos nosso problema de reprovao, precisamos estudar as
ferramentas da Estatstica Descritiva:
Sntese grfica
de dados
Uma figura vale mais que mil palavras! Isso verdade, entretanto um
grfico vale mais que mil palavras se e somente se ele for desenhado
de forma clara, correta e concisa. Sempre desenhe grficos a partir
de seus dados, mas tente faz-los de tal forma que a frase basta
olhar para entender seja vlida. Os grficos mais teis para anlise
de dados de experimentos de pequeno e mdio porte na rea de
Cincias Exatas e Engenharia so: grficos de pizza, barras, colunas,
linha, sries histricas, histograma, grfico de Pareto, grfico misto,
de coluna e de linha, diagrama de disperso e box-plot (tabela 3).
De todos esses, somente vejo sentido em construi-los mo
histogramas e diagramas de disperso. Entretanto, na prtica
devemos construir grficos usando ferramentas computacionais
como o Excel.
026
unidade 2
ESTATSTICA E PROBABILIDADES
027
unidade 2
ESTATSTICA E PROBABILIDADES
A maioria absoluta (58%) dos 760 artigos publicados nos volumes 298 a 301 da NEJM utilizou somente tcnicas de
Estatstica Descritiva na anlise dos dados. Praticamente um quarto dos artigos usou teste t de student e 15% aplicou
teste de qui-quadrado nas tabelas de contingncia, ferramentas que sero discutidas na Unidade 7 deste livro.
028
unidade 2
ESTATSTICA E PROBABILIDADES
Anlise de 21 disciplinas avaliadas em sete semestres (2011/1 a 2014/1), considerando amostra de 78.399 alunos.
Quatro disciplinas tm mais de 40% de seus alunos reprovados: Clculo Diferencial, Geometria Analtica e lgebra
Linear, Clculo de Vrias Variveis e Algoritmo e Estruturas de Dados.
029
unidade 2
ESTATSTICA E PROBABILIDADES
030
unidade 2
ESTATSTICA E PROBABILIDADES
031
unidade 2
ESTATSTICA E PROBABILIDADES
FIGURA 7 Grfico distorcido: desenhando a figura com a altura muito pequena, em relao
largura, a informao falseada e se tem a sensao de estabilidade dos dados.
032
unidade 2
ESTATSTICA E PROBABILIDADES
033
unidade 2
ESTATSTICA E PROBABILIDADES
034
unidade 2
ESTATSTICA E PROBABILIDADES
Fonte: Elaborado pelo autor baseado nos dados em DAFICO, Dario de Arajo. Mtodo Simples para Explicar a Resistncia
Compresso do Concreto de Alto Desempenho. Disponvel em: http://www2.ucg.br/nupenge/pdf/Dario.pdf. Acesso em
14 maio 2015.
035
unidade 2
ESTATSTICA E PROBABILIDADES
036
unidade 2
ESTATSTICA E PROBABILIDADES
037
unidade 2
ESTATSTICA E PROBABILIDADES
038
unidade 2
ESTATSTICA E PROBABILIDADES
039
unidade 2
ESTATSTICA E PROBABILIDADES
040
unidade 2
ESTATSTICA E PROBABILIDADES
0 0 0 1 5 5 6 9 13 17 18 21
0 0 0 1 5 5 6 10 13 17 18 21
0 0 0 1 5 5 6 11 14 17 20 22
0 0 0 2 5 5 9 11 14 17 20 22
0 0 0 2 5 5 9 12 14 17 20 24
0 0 0 3 5 5 9 12 14 17 20 24
0 0 0 3 5 5 9 13 15 17 20 25
0 0 0 5 5 6 9 13 15 17 20 25
0 0 0 5 5 6 9 13 17 18 21 25
0 0 1 5 5 6 9 13 17 18 21 25
mn = 0; mx = 25; R = mx mn = 25 0 = 25
041
unidade 2
ESTATSTICA E PROBABILIDADES
042
unidade 2
ESTATSTICA E PROBABILIDADES
043
unidade 2
ESTATSTICA E PROBABILIDADES
044
unidade 2
ESTATSTICA E PROBABILIDADES
045
unidade 2
ESTATSTICA E PROBABILIDADES
FIGURA 17 Exemplo de box-plot para uma varivel quantitativa genrica: quanto maior o
tamanho das duas caixas, vermelho e cinza, maior a variabilidade e disperso dos dados.
046
unidade 2
ESTATSTICA E PROBABILIDADES
FIGURA 18 Box-plot com as taxas de aprovao de oito disciplinas de ciclo bsico de cursos
de Engenharia: Desenho e Estatstica se destacam das outras disciplinas, que tm taxas de
aprovao bem menores e mais heterogneas. Clculo Integral a disciplina com menor taxa de
aprovao e maior variabilidade dos dados.
Sntese tabular
de dados
Na anlise exploratria de dados, em ltima instncia, todos os
resultados so apresentados ou na forma de figuras ou de tabelas.
Assim como nos grficos, invista no ttulo da tabela e sempre
coloque respostas claras para pelo menos quatro perguntas: O
que? Quem? Quando? Onde? Sugerimos que a interpretao das
informaes na tabela tambm seja colocada no prprio ttulo. Se
necessrio, coloque notas explicativas, usando siglas somente
para coisas realmente conhecidas. A tabela 4 um exemplo de
formato de tabelas, apresentando modelo para sntese de variveis
categricas de uma base de dados.
047
unidade 2
ESTATSTICA E PROBABILIDADES
Sntese numrica
de dados
A sntese numrica de variveis categricas muito simples, basta
que voc apresente suas categorias, a frequncia de valores em
cada categoria e os respectivos percentuais, tal como apresentado
na tabela 3. J a sntese de variveis quantitativas mais ampla e
envolve resumir dois aspectos:
048
unidade 2
ESTATSTICA E PROBABILIDADES
Md = 9
{17; 17; 20; 20; 20; 24; 26; 28; 30; 40; 50; 50; 50; 50; 50; 51; 51; 52}
049
unidade 2
ESTATSTICA E PROBABILIDADES
30 + 40
Md = = 35
2
Se mdia e
Algumas pessoas se perguntam: Quantas casas decimais devo
mediana forem
apresentar no resultado?. Quanto menos casas decimais voc semelhantes,
conseguir apresentar nos seus resultados, melhor para o entendimento ento usar a mdia
da informao! Apresente seus resultados usando o mesmo nmero
para representar
os dados.
de casas decimais que os dados originais ou, no mximo, uma casa
decimal alm do original, como foi feito nos clculos anteriores.
050
unidade 2
ESTATSTICA E PROBABILIDADES
Pessoa A B C D E
Nmero de filhos 0 1 1 2 3
Isso mesmo, essas pessoas tm, em mdia, 1,4 filhos! Voc deve
estar se perguntado, como assim... um e 0,4 filho? No existe
051
unidade 2
ESTATSTICA E PROBABILIDADES
Pessoa A B C D E
Nmero de filhos 0 1 1 2 3
Pessoa A B C D E
Nmero de filhos 0 1 1 2 3
052
unidade 2
ESTATSTICA E PROBABILIDADES
053
unidade 2
ESTATSTICA E PROBABILIDADES
054
unidade 2
ESTATSTICA E PROBABILIDADES
CV INTERPRETAO
CV <= 20% Dados com pouca variabilidade, bem comportados, homogneos. A varivel
tem um comportamento bem previsvel.
CV > 100% Neste caso, o desvio padro maior que a mdia. Dados com variabilidade
extrema, muito heterognea. A varivel tem um comportamento catico,
completamente imprevisvel.
2,1
Tempo para correr 100 metros: cv = x 100 = 18,26%;
11,5
0,8
Salto em altura: cv = x 100 = 36%;
2,2
055
unidade 2
ESTATSTICA E PROBABILIDADES
que est sendo usada. Resuma os dados por meio de grficos, nmeros e
o problema investigado.
056
unidade 2
ESTATSTICA E PROBABILIDADES
057
unidade 2
ESTATSTICA E PROBABILIDADES
Alm de grficos, tabelas com a sntese numrica dos dados coletados no estudo
aes como o Clculo Zero, pois o fato de se ofertar essa disciplina afetava o
Referncia:
058
unidade 2
ESTATSTICA E PROBABILIDADES
Reviso
Vimos nesta unidade os principais tpicos da anlise exploratria
de dados, tambm denominada de Estatstica Descritiva:
Sntese grfica: Uma figura vale mais que mil palavras! Isso
verdade, entretanto um grfico vale mais que mil palavras se e
somente se ele for desenhado de forma clara, correta e concisa.
Sempre desenhe grficos a partir de seus dados, mas tente faz-
los de tal forma que a frase basta olhar para entender seja vlida.
Os grficos mais teis para anlise de dados de experimentos de
pequeno e mdio porte na rea de Cincias Exatas e Engenharia
so: grficos de pizza, barras, colunas, linha, sries histricas,
histograma, grfico de Pareto, grfico misto, de coluna e de linha,
diagrama de disperso e box-plot. Na prtica devemos construir Na anlise
grficos usando ferramentas computacionais como o Excel. exploratria de
dados, em ltima
instncia, todos
Sntese tabular de dados: Na anlise exploratria de dados, em
os resultados so
ltima instncia, todos os resultados so apresentados ou na forma apresentados ou na
de figuras ou de tabelas. Assim, invista no ttulo da tabela e sempre forma de figuras ou
coloque respostas claras para pelo menos quatro perguntas: O
de tabelas.
que? Quem? Quando? Onde? Tambm sugiro que a interpretao
das informaes na tabela seja colocada no prprio ttulo. Se
necessrio, coloque notas explicativas, usando siglas somente para
coisas realmente conhecidas.
059
unidade 2
ESTATSTICA E PROBABILIDADES
060
unidade 2
Introduo
teoria de
probabilidades
Introduo
A teoria das
probabilidades
A teoria das probabilidades nasce na Idade Mdia com os
tradicionais jogos de azar existentes na Corte. Jogos de
cartas e dados, ou mesmo os lanamentos de moeda so
classificados como fenmenos que envolvem o acaso, assim
como a maioria dos jogos esportivos. Uma aplicao direta
da teoria das probabilidades no campo das Engenharias o
processo de deciso, seja para aumentar o investimento ou
cortar despesas, no qual o profissional do mercado de trabalho
deve arriscar-se mantendo os ps no cho.
ser definido como uma coleo de objetos, itens ou servios que possuem
espao amostral.
064
unidade 3
ESTATSTICA E PROBABILIDADES
= ( possibilidades )(repeties)= 23 = 8
= ( possibilidades ) . ( possibilidades ) = 2 . 6 = 12
065
unidade 3
ESTATSTICA E PROBABILIDADES
Probabilidade
clssica e
probabilidade
frequentista
A probabilidade de realizao de um evento A dada pelo quociente
entre o nmero de ocorrncias de A pelo nmero de eventos
possveis, ou seja:
nmero de orcorrncias de A
P(A)=
espao amostral ()
066
unidade 3
ESTATSTICA E PROBABILIDADES
Leis bsicas de
probabilidades A probabilidade
pode ser resumida
como o quociente
Para qualquer evento E de um espao amostral : 0 P ( E ) 1; do que se quer
pelo que se tem.
P ( ) = 1;
067
unidade 3
ESTATSTICA E PROBABILIDADES
matemticas, ou seja:
Associatividade (AB)C=A(BC)
(AUB)UC=AU(BUC)
Comutatividade AB = BA
AUB = BUA
Distributividade (AB)UC=(AUC)(BUC)
(AUB)C=(AC)U(BC)
Modulares A = A
A =
A = As operaes
A =A com os eventos
utilizam as mesmas
Leis de De Morgan AB = AUB propriedades
AUB = AB matemticas.
Dupla negao A=A
Unio e interseo
de eventos
A unio de dois eventos A e B, indicada por A U B, o evento que
contm todos os elementos de A e todos os elementos de B.
P(AUB)=P(A)+P(B)-P(AB)
P ( A U B ) = P ( A ) + P ( B ), se A e B so mutuamente exclusivos;
068
unidade 3
ESTATSTICA E PROBABILIDADES
TIPO SANGUNEO
O A B AB TOTAL
Negativo 28 25 8 4 65
45 + 65 - 8 = 0,2494
409
069
unidade 3
ESTATSTICA E PROBABILIDADES
deles se realize.
ocorrncia do outro.
Tabelas de independentes.
contingncia
As tabelas de contingncia so aplicadas na avaliao do
relacionamento das categorias com respeito aos grupos segundo
dois modos: independncia ou homogeneidade. Ou seja, eventos
com dupla entrada.
070
unidade 3
ESTATSTICA E PROBABILIDADES
Defeito 10 5 15
P (defeito) = 15 = 0,0075
2000
071
unidade 3
ESTATSTICA E PROBABILIDADES
Eventos
independentes
Um ou mais eventos pode (m) ser classificado (s) como
independente (s) quando a realizao de um dos eventos no afeta
a probabilidade de ocorrncia do outro, e vice-versa.
P(A B)
P(A|B)=
P(B)
para P ( B ) > 0.
P ( B | Ei ) . P ( E i )
P ( Ei | B ) =
P(B)
072
unidade 3
ESTATSTICA E PROBABILIDADES
P ( Ei | B ) = P ( B | Ei ) . P ( Ei )
P ( B | Ej ) . P (Ej )
P ( E ) = P ( E B1 ) + P ( E B2 ) + P ( E B3 ) + ... + P ( E Bn )
P (E) = P (B1) . P (E | B1) + P (B2) P (E | B2) + P (B3 ) P (E | B3) + ... + P(Bn ) P (E | Bn)
Portanto,
P ( E ) = P ( Bi ) . P ( E | Bi )
Numa sala de aula, sabe-se que 10% dos homens e 2% das mulheres
073
unidade 3
ESTATSTICA E PROBABILIDADES
Se a empresa aqui citada produzir dois lotes com duas mil unidades em
cada por semana, distribudas entre 1000 cervejas, 600 refrigerantes e 400
sucos por lote, com aproximadamente 0,2, 0,1 e 0,15 por cento de itens
074
unidade 3
ESTATSTICA E PROBABILIDADES
evento.
075
unidade 3
ESTATSTICA E PROBABILIDADES
2. ( 0,5 . 0,2 . 0,15 + 0,5 .0,3 .0,1 + 0,5 .0,5 .0,2) 0,0800
Reviso
A teoria das probabilidades utilizada em todas as reas do
conhecimento. Ela visa auxiliar o profissional no mercado de
trabalho a predizer valores futuros, estimando as chances de
ocorrncia de um evento antes que ele ocorra.
076
unidade 3
ESTATSTICA E PROBABILIDADES
Filmes
Jennifer E. Smith
Com uma certa atmosfera de Um dia, mas voltado para o pblico jovem
outro voo depois de perder o seu, ela conhece Oliver. Um britnico fofo,
sobre tudo, eles provam que o tempo , sim, muito, muito relativo. Passada
onde ele menos esperava: nas cartas. Ele recrutado para integrar o
077
unidade 3
ESTATSTICA E PROBABILIDADES
estatstica) Micky Rosa (Kevin Spacey) como lder. A contagem das cartas
vencer nos grandes cassinos. Seduzido pelo dinheiro e pelo estilo de vida
de Vegas, e pela sua inteligente e sexy amiga Jill Taylor (Kate Bosworth),
Apesar da contagem da carta no ser ilegal, o risco cada vez mais elevado
078
unidade 3
Modelos
probabilsticos
Introduo
Variveis
Assim como a Matemtica, tambm a Estatstica apresenta
aleatrias
funes que norteiam o comportamento de suas variveis, como
Modelos
as retas, parbolas e hiprboles. Na Estatstica temos os modelos probabilsticos
probabilsticos. Esses modelos so funes paramtricas que
Distribuio
descrevem o comportamento de uma varivel em estudo. binomial
Distribuio
Possion
Distribuio
normal
Reviso
ESTATSTICA E PROBABILIDADES
Variveis
aleatrias
O estudo das variveis aleatrias de suma importncia nas
engenharias ou mesmo em qualquer outra rea do conhecimento
tcnico e cientfico. Isso porque, nem sempre, os dados que
compem o estudo estatstico so nmeros, sendo necessrio
descobrir um meio de transform-los em nmeros, a partir de uma
funo chamada de varivel aleatria, visando facilitar a estimativa
das medidas estatsticas.
Probabilidade As variveis
aleatrias podem
Seja um experimento aleatrio qualquer de um espao amostral e um ser classificadas
como contnuas ou
espao de probabilidades P. Ento a varivel aleatria X no espao de
discretas, de acordo
probabilidade uma funo real definida no espao amostral , tal que com o domnio da
( X x ) um evento aleatrio para qualquer x real. varivel abordada
no estudo.
As variveis aleatrias podem ser classificadas como contnuas ou
discretas, de acordo com o domnio da varivel abordada no estudo.
So classificadas como variveis discretas as funes para as
quais possvel associar um nico nmero real a cada evento de
uma partio do espao amostral . Portanto so variveis que
resultam de processos aleatrios nos quais os resultados possveis
so casuais e formam um conjunto enumervel.
081
unidade 4
ESTATSTICA E PROBABILIDADES
Variveis discretas
funo P ( x ) aquela nas quais se associam probabilidades aos
valores da varivel aleatria X abordada no estudo estatstico. Ou
seja, quando uma varivel aleatria X assume os valores x1,x2,x3,
,xn com as respectivas probabilidades p ( x1 ), p ( x2 ), p ( x3 ) ,,
p (xn) definidas por uma P ( X ), na qual a soma de todas as possveis
probabilidades igual a um, conforme apresentado na tabela 7, ou
seja:
X x1 x2 x3 ... xn
P (X) p ( x1 ) p ( x2 ) p ( x3 ) ... p ( xn )
082
unidade 4
ESTATSTICA E PROBABILIDADES
Var ( x ) = E ( x2 ) - [ E ( x ) ] 2
n
2
E ( x2 ) = xi . p ( xi )
i =1
DP ( x ) = Var ( x )
X VALORES ASSOCIADOS
P(Y)
Y VARIVEL X
083
unidade 4
ESTATSTICA E PROBABILIDADES
f.d.p. quando:
n
p ( xi ) = p ( x1) + ( x2 ) + p ( x3 ) + ... + p ( xn ) = 1
i =1
distribuio de probabilidades:
Y VALORES ASSOCIADOS
P(X)
X VARIVEL Y
n n
E ( X, Y ) = xi . yj . p ( xi , yj )
i =1 j =1
084
unidade 4
ESTATSTICA E PROBABILIDADES
Portanto,
E ( X, Y ) = a . d . p ( a , d ) + b . d . p ( b, d ) + c . d . p ( c, d ) + a . e . p ( a, e ) + b . e . p ( b , e ) +
+ c . e . p ( c, e ) + a . f . p ( a, f ) + b . f . p ( b, f ) + c . f . p ( c, f )
X
Y a b c P(Y)
d P (a, d ) P ( b, d) P ( c, d ) P(d)
e P ( a, e ) P ( b, e ) P ( c, e ) P(e)
f P ( a, f ) P ( b, f ) P ( c, f ) P(f)
P(X) P ( a ) P ( b ) P(c) 1
Variveis contnuas
uma funo f ( x ) aquela nas quais se associam probabilidades
aos infinitos valores da varivel aleatria X, abordada no estudo
estatstico. Ou seja, quando uma varivel aleatria X assume
infinitos valores em um determinado intervalo ( a, b ), sendo a
probabilidade igual a zero para valores fora desse intervalo e a
soma de todas as possveis probabilidades contidas nesse intervalo
igual a um. Portanto, para as variveis contnuas, temos que:
f (x) 0, x R;
+ oo
- oo
f ( x ) dx = 1 (toda rea sob a curva de probabilidade, ou
curva de frequncia, definida por f ( x ) vale um);
b
P ( a x b) =
a
f ( x ) dx (probabilidade correspondente
rea sob a curva limitada pelo intervalo compreendido
entre x = a e x = b ). Esse assunto ser mais detalhado
posteriormente no estudo da distribuio normal.
085
unidade 4
ESTATSTICA E PROBABILIDADES
E (x) = x .f ( x ) dx
a
Var ( x ) = E ( x2 ) - [ E ( x ) ]2,
E ( x ) = x2 . f ( x ) dx
2
a
A covarincia
para as variveis
Para uma varivel aleatria contnua bidimensional, definida
contnuas ou
em todos os valores dos nmeros reais, a funo densidade de discretas, ou seja, a
probabilidade conjunta f ( x, y ) uma funo que satisfaz: medida estatstica
que possibilita
f ( x, y ) 0, para todo ( x, y ) R2; verificar se as
variveis envolvidas
na anlise so
R R
f ( x, y ) d x d y =1 diretamente ou
inversamente
O valor esperado da distribuio conjunta, indicado por E ( X, Y ), proporcionais.
dado por:
E ( X, Y ) =
R R
x . y . f ( x, y ) d x d y
086
unidade 4
ESTATSTICA E PROBABILIDADES
Cov ( X, Y ) = E ( X, Y ) - E ( X ) . E ( Y )
X, Y = Cov ( X, Y )
X . Y
Sendo -1 X,Y 1.
E(X)= Var ( x ) = 2
E(a)=a Var ( a ) = 0
087
unidade 4
ESTATSTICA E PROBABILIDADES
Modelos
probabilsticos
Assim como na Matemtica, temos os modelos que representam
o comportamento da varivel abordada no estudo, ou seja,
as retas, parbolas e hiprboles dentre tantas outras funes
matemticas. Na Estatstica, os modelos probabilsticos descrevem
o comportamento de uma varivel, sendo possvel calcular
a probabilidade associada aos eventos da varivel abordada
no estudo, recorrendo apenas aos modelos probabilsticos.
Esses modelos so chamados de distribuies, apresentando
particularidades prprias que facilitam a sua identificao, podendo
ser divididos em contnuos e discretos, assim como as variveis
estudadas no incio deste tpico. A distribuio
binomial denotada
por X~Bin ( n; p ),
sendo n o nmero
Distribuio de amostragens
(tentativas) e p
binomial a probabilidade
de sucesso do
experimento.
A distribuio binomial denotada por X~Bin ( n; p ), sendo
n o nmero de tentativas e p a probabilidade de sucesso do
experimento. Trata-se de uma distribuio discreta, aplicada em
casos dicotmicos, ou seja, experimentos aleatrios com apenas
duas possibilidades de resposta, denotadas por sucesso ou falha.
Podemos citar como exemplo o lanamento de uma moeda, um
item ter defeito ou no, um funcionrio faltar ou no.
088
unidade 4
ESTATSTICA E PROBABILIDADES
E ( x ) = = n . p e Var ( x ) = 2 = np . ( 1 - p ), respectivamente.
n n-x
P ( X = x ) = ( x ). px. ( 1 - p )
n
sendo: ( ) a combinao de n elementos x a x, ou seja:
x
n
( )= n! e p a probabilidade de sucesso.
x
( n- x) ! . x!
Distribuio
Poisson
A distribuio Poisson denotada por X~Poisson (), sendo
1
a taxa mdia, ou seja, = e sendo tambm sempre
inversamente proporcional ao intervalo de tempo ou espao
definido no problema. Portanto, o seu valor deve corresponder
ao tamanho do intervalo apresentado. Assim, para qualquer
089
unidade 4
ESTATSTICA E PROBABILIDADES
e- . x
P(X=x)=
x!
A distribuio
Poisson pode ser
A distribuio Poisson pode ser aplicada como um caso limite da aplicada como
binomial, quando o tamanho da amostra em eventos dicotmicos
um caso limite da
binomial, quando
maior que 30. o tamanho da
amostra em eventos
dicotmicos
maior que 30.
Distribuio
normal
A distribuio normal denotada por X~Normal (; 2 ), sendo
o valor esperado, ou seja, a mdia da distribuio normal e a
varincia dadas por:
E ( x ) = e Var ( x ) = 2, respectivamente.
090
unidade 4
ESTATSTICA E PROBABILIDADES
A distribuio
amostral de
muitas estatsticas
tenderem
distribuio normal,
As principais propriedades da distribuio normal so: em face do teorema
do limite central.
1. ter a forma de um sino;
1 - No toca o eixo x.
091
unidade 4
ESTATSTICA E PROBABILIDADES
x-
z=
A rea total limitada pela curva normal e pelo eixo das abscissas
1u.a. (uma unidade de rea), ou seja, 100%, sendo as reas sob a
curva limitadas pela distncia entre o desvio padro e a mdia. Essa
rea apresentada na tabela a seguir.
092
unidade 4
ESTATSTICA E PROBABILIDADES
093
unidade 4
ESTATSTICA E PROBABILIDADES
final de cada ano, sendo que o nmero exato deles depende da frequncia
distribuio de probabilidade:
X 0 1 2 3
P(X) 0,10 0,30 0,40 0,20
E ( X ) = 1,7
094
unidade 4
ESTATSTICA E PROBABILIDADES
Reviso
A distribuio discreta usada em casos cujos dados analisados podem
ser alocados em uma tabela de probabilidades, sendo que aquelas
localizadas no centro da tabela so classificadas como probabilidade
conjunta e as localizadas nas laterais, como probabilidades marginais.
Binomial No usual para amostras com Quando os eventos estudados permitem apenas
mais de 30 elementos. duas respostas possveis.
Para estudar mais sobre os contedos abordados nessa unida, sob perspectiva aplicada, consulte as
MOORE, David. A estatstica bsica e sua prtica. Rio de Janeiro. LTC, 2014.
Para uma fundamentao matemtica mais aprofundada sobre o assunto, consulte a seguinte obra:
MONTGOMERY, Douglas; RUNGER, George Estatstica aplicada e probabilidade para engenheiros. 3 ed.
095
unidade 4
Estimao de
mdias
e propores
Introduo
Teorema
Nas unidades anteriores, voc estudou trs grandes reas do
central do limite
mtodo estatstico: amostragem e coleta de dados; anlise
Estimao
exploratria de dados; e teoria de probabilidades. A partir de agora, pontual e por
voc vai entender como essas reas se relacionam para construir a intervalos de
confiana para
quarta rea do mtodo estatstico, que a deciso na presena de
uma mdia
incerteza ou estatstica inferencial. populacional
Estimao
A estatstica inferencial recebe esse nome por ser um conjunto de pontual e por
mtodos e tcnicas que permitem, a partir dos dados provenientes
intervalos de
confiana para
de uma amostra, inferir informaes sobre toda a populao alvo uma proporo
do estudo. Logicamente existe uma incerteza associada a esse populacional
processo, mas ela quantificada atravs dos nveis de confiana Uso do Excel
e margens de erro do estudo. Essa a grande contribuio da no clculo de
intervalos
estatstica inferencial, permitir que se conhea o nvel de incerteza de confiana
da informao antes de tomar decises. para mdia e
proporo
Teorema central
do limite
Imagine a seguinte situao: um engenheiro de produo deseja
monitorar um processo de produo de fibra sinttica de maneira
a garantir que a caracterstica de qualidade resistncia trao
esteja sempre dentro dos limites de especificao. conhecido
que a resistncia trao das fibras produzidas naquela empresa
normalmente distribuda com mdia de 75 psi (libras fora por
polegada quadrada) com desvio-padro de 3,5 psi.
099
unidade 5
ESTATSTICA E PROBABILIDADES
X-
z=
n
X = e desvio-padro X =
n .
EXEMPLO
100
unidade 5
ESTATSTICA E PROBABILIDADES
73,6 - 75
z= = -2
3,5
25
Ento,
101
unidade 5
ESTATSTICA E PROBABILIDADES
102
unidade 5
ESTATSTICA E PROBABILIDADES
Estimao pontual
e por intervalos de
confiana para uma
mdia populacional
Neste tpico, voc vai aprender a obter uma estimativa para mdia
populacional e calcular a preciso dessa estimativa. Voc vai
entender por que apresentar a margem de erro e o nvel de confiana
da pesquisa to importante quanto apresentar a estimativa
pontual para mdia. Aps a leitura deste tpico, voc ter um novo
olhar sobre as estatsticas que lhe so apresentadas diariamente
em jornais ou revistas.
103
unidade 5
ESTATSTICA E PROBABILIDADES
104
unidade 5
ESTATSTICA E PROBABILIDADES
E = Z/
2
Onde:
105
unidade 5
ESTATSTICA E PROBABILIDADES
E = Z/ S
2
4
E = 1,96 = 1,325
35
IC [ ; ( 100 - ) % ] = E
106
unidade 5
ESTATSTICA E PROBABILIDADES
Exemplo:
Soluo:
IC [ ; 95% ] = E
E = Z/ S
2
Logo:
2
E = 1,96 * = 0,663
35
Ento:
107
unidade 5
ESTATSTICA E PROBABILIDADES
108
unidade 5
ESTATSTICA E PROBABILIDADES
109
unidade 5
ESTATSTICA E PROBABILIDADES
Exemplo:
110
unidade 5
ESTATSTICA E PROBABILIDADES
Soluo:
E = t S
n
111
unidade 5
ESTATSTICA E PROBABILIDADES
E = 2,262 . 45 = 32,189
10
O intervalo de confiana pode ser ento obtido:
Estimao pontual
e por intervalos
de confiana para
uma proporo
populacional
Como so calculadas as margens de erro das pesquisas eleitorais?
Possivelmente no incio da unidade voc tenha ficado instigado a
descobrir como feito esse clculo. Antes de dar incio, preciso
entender que as pesquisas eleitorais buscam descobrir o percentual
de eleitores que so favorveis ao candidato A ou B, e esses
percentuais so tratados na estatstica como propores.
112
unidade 5
ESTATSTICA E PROBABILIDADES
1.300
p = = 0,52
2.500
113
unidade 5
ESTATSTICA E PROBABILIDADES
pq
E = Z
/2 n
IC [ p ; ( 100 - ) % ]= p E
114
unidade 5
ESTATSTICA E PROBABILIDADES
Exemplo:
Soluo:
p = 21 = 0,14
150
E = Z
pq
/2 n
0,14 0,86
E = 1,645 150 = 0,047
E
IC [ p ; 90% ] = p
115
unidade 5
ESTATSTICA E PROBABILIDADES
Uso do Excel no
clculo de intervalos
de confiana para
mdia e proporo
Agora que voc j sabe exatamente como so obtidos os intervalos
O intervalo de
de confiana, vamos utilizar o Excel para construir uma calculadora
confiana para a
de intervalos de confiana. Comearemos pelo intervalo para mdia. mdia populacional
pode ser obtido
Nos tpicos anteriores, vimos que o intervalo de confiana para a
de duas maneiras:
utilizando a
mdia populacional pode ser obtido de duas maneiras: utilizando distribuio normal
a distribuio normal (estatstica z) ou a distribuio t-student (estatstica z)
(estatstica t). Vimos tambm que a distribuio t-student ou a distribuio
t-student
utilizada quando o tamanho da amostra menor que 30 e o desvio-
(estatstica t).
padro populacional desconhecido. Nos outros casos, utilizamos
a distribuio normal.
116
unidade 5
ESTATSTICA E PROBABILIDADES
117
unidade 5
ESTATSTICA E PROBABILIDADES
118
unidade 5
ESTATSTICA E PROBABILIDADES
119
unidade 5
ESTATSTICA E PROBABILIDADES
Introduo ao
programa EpiInfo
O software EpiInfo uma ferramenta muito til para anlise de
dados. Esse software foi desenvolvido pelo Centro de Controle de
Doenas (CDC) para anlise de dados epidemiolgicos, entretanto
pode ser utilizado em qualquer rea, inclusive em engenharia. O
software est disponvel no site www.cdc.gov/epiinfo
Soluo:
120
unidade 5
ESTATSTICA E PROBABILIDADES
IC [ ;99% ] = x E
E = Z/ S
2
Logo:
0,02
E = 2,575 * = 0,008
40
Ento:
Dessa forma, afirmamos com 99% de confiana que o dimetro mdio dos
Reviso
Nesta unidade, voc aprendeu a construir estimativas pontuais e por
intervalos para os verdadeiros parmetros populacionais atravs de
dados provenientes de amostras. Aprendeu tambm que existem
ao menos quatro maneiras de obter estimativas intervalares, e que
a escolha da maneira adequada para cada situao determinada
basicamente pelo tipo de dados (qualitativo ou quantitativo) e
pelo tamanho da amostra ( n < 30 ou n 30 ). O esquema abaixo
apresenta de maneira resumida o processo de deciso:
121
unidade 5
ESTATSTICA E PROBABILIDADES
Tipo de dados
Equao 1: x Z/
2
Equao 2: x Z/ S
2
Equao 3: x t S
n
q
p
Equao 4: p Z 2
/ n
Sampaio Filho; rev. tc. Galo Carlos Lopez Noriega. So Paulo: Pearson
122
unidade 5
ESTATSTICA E PROBABILIDADES
PELLI_ABNT%20NBR%2014653-2%20%282%C2%BAProjeto%29212751_1.
123
unidade 5
Planejamento de
experimentos
Introduo
Clculo de
Uma situao que utiliza o planejamento de experimentos muito tamanho de
frequentemente o estudo dos efeitos do tratamento trmico de amostra baseado
em intervalos de
metais sobre suas propriedades mecnicas. Considere que uma confiana para
equipe de engenharia deseja estudar o efeito de trs diferentes uma proporo
tipos de banho de tmpera sobre a dureza de um determinado tipo Clculo de
de ao. Os tipos de banho de tmpera utilizados so tmpera em
1 tamanho de
amostra baseado
gua, tmpera em leo e tmpera em soluo aquosa de cloreto em intervalos de
de sdio (gua salgada). O propsito do estudo determinar qual confiana para
uma mdia
banho de tmpera produzir a dureza mxima do ao.
Planejamento
de experimentos
A princpio, a equipe considerou suficiente para o propsito do
Planejamento
estudo submeter um determinado nmero de corpos de provas a
de experimentos
cada meio de tmpera e medir a dureza da liga metlica. A partir - terminologia
bsica
Reviso
A tmpera consiste essencialmente em aquecer uma pea de ao a uma certa
temperatura e, a seguir, resfri-la rapidamente em um banho, usualmente gua, leo
ou solues salinas. Seu objetivo , em geral, aumentar a dureza do ao e tornar
mais elevadas suas resistncias trao, compresso e ao desgaste
desses resultados calcular-se-ia a dureza mdia em cada um dos
diferentes tipos de banho. Aquele que apresentasse a maior dureza
mdia seria o mais adequado.
Clculo de
tamanho de
amostra baseado
em intervalos de
confiana para
uma proporo
Para alguns pesquisadores, a definio do tamanho da amostra
o nico cuidado necessrio para validade estatstica do estudo.
Como voc observou na introduo dessa unidade, existe uma srie
de cuidados que devem ser tomados ao conduzir experimentos em Se o objetivo do
engenharia, alm do tamanho da amostra. A comear pelo objetivo estudo comparar
resultados expressos
do estudo.
em forma de
porcentagens
Se o objetivo do estudo comparar resultados expressos em forma ou propores,
existe um mtodo
de porcentagens ou propores, existe um mtodo adequado para
adequado para o
o clculo do tamanho amostral. Se o objetivo comparar resultados clculo do tamanho
expressos em forma de mdias, existe outro mtodo adequado para amostral.
o clculo do tamanho amostral. Diversos outros fatores podem ser
considerados nestes clculos, alterando, assim, a adequao de
cada mtodo.
Exemplo 8
127
unidade 6
ESTATSTICA E PROBABILIDADES
(Z /2 )2 pq
n=
E2
Onde:
128
unidade 6
ESTATSTICA E PROBABILIDADES
(Z /2 )20,25
n=
E2
1,962 x 0,25
n=
0,022
n = 2.401
n = 456,19 457
129
unidade 6
ESTATSTICA E PROBABILIDADES
130
unidade 6
ESTATSTICA E PROBABILIDADES
(z )2
N pq /2
n=
(z/ )2 + (N - 1) E 2
pq 2
1,6452 x 0,25
n= = 752
0,032
n = 89
n = 60
131
unidade 6
ESTATSTICA E PROBABILIDADES
Clculo de tamanho de
amostra baseado em
intervalos de confiana
para uma mdia
No incio dessa unidade falamos que o clculo do tamanho amostral
depende de vrios fatores, sendo o principal deles o objetivo do
estudo. Nesta seo voc aprender a calcular o tamanho amostral
para um estudo que tem o interesse de estimar uma mdia
populacional. Os parmetros controlados continuam sendo o nvel
de confiana e a margem de erro mxima desejados para o estudo.
Vejamos um exemplo:
Exemplo 9
z/2 .
n=
E
132
unidade 6
ESTATSTICA E PROBABILIDADES
Onde:
n: o tamanho da amostra
: o desvio-padro populacional
n=
{ 2,5753 x 6 } 2 Devemos sempre
arredondar o
resultado para cima.
n = 26,5 27
133
unidade 6
ESTATSTICA E PROBABILIDADES
N(z /2 )2
n=
(N - 1)E 2 + (Z/2 )2
Exemplo 10
134
unidade 6
ESTATSTICA E PROBABILIDADES
n=
[ 1,965 x 30 ]2
n = 139
Planejamento de
experimentos
O planejamento de experimentos, tambm conhecido como
DOE (Design of Experiments), um conjunto de tcnicas
estatsticas que visa garantir uma coleta de dados eficiente
para uma anlise de dados que seja informativa e confivel.
Esse conjunto de tcnicas tem vasta utilizao em diversas
135
unidade 6
ESTATSTICA E PROBABILIDADES
136
unidade 6
ESTATSTICA E PROBABILIDADES
Y
SISTEMA Varaveis resposta
Entradas (Caractersticas de
(PRODUTO/PROCESSO
Qualidade)
Fatores controlveis
(especificados pelo pesquisador)
137
unidade 6
ESTATSTICA E PROBABILIDADES
138
unidade 6
ESTATSTICA E PROBABILIDADES
139
unidade 6
ESTATSTICA E PROBABILIDADES
FIGURA 34 - Blocagem dos cimentos para cada tipo de tcnica de mistura do concreto
Planejamento de
experimentos -
terminologia bsica
Agora que voc j aprendeu quais so os princpios bsicos do DOE,
vamos aprender alguns termos comuns e muito teis para o bom
planejamento do experimento. Sero apresentados seis termos
bsicos, a saber: Unidade Experimental, Fatores, Nveis de um
Fator, Tratamento, Ensaio e Varivel Resposta (ou desfecho). Para
140
unidade 6
ESTATSTICA E PROBABILIDADES
141
unidade 6
ESTATSTICA E PROBABILIDADES
Considere que voc tenha uma mquina de secar roupas que trabalha
aleatorizao.
142
unidade 6
ESTATSTICA E PROBABILIDADES
blocagem.
SOLUO:
de lavar.
exemplo.
e T3 = Alto.
para secagem das roupas, que pode ser medido em minutos, por
exemplo.
b. Para este estudo, uma rplica seria secar umas trs trouxas de
143
unidade 6
ESTATSTICA E PROBABILIDADES
ser controlada para que cada ensaio seja feito de forma mais
seis peas jeans, deve-se alocar duas para cada trouxa de roupas.
Reviso
Nesta unidade voc aprendeu que, para calcular o tamanho
amostral, diversos fatores devem ser levados em considerao.
Em especial voc aprendeu a calcular o tamanho amostral em
quatro situaes: quando o objetivo do estudo a estimativa de
uma proporo populacional, sendo o tamanho populacional finito
ou infinito. E quando o objetivo do estudo a estimativa de uma
mdia populacional, novamente, sendo o tamanho populacional
finito ou infinito. O quadro abaixo resume essas situaes:
144
unidade 6
ESTATSTICA E PROBABILIDADES
e rev tc Ana Maria Lima de Farias, Vera Regina Lima de Farias e Flores.
145
unidade 6
ESTATSTICA E PROBABILIDADES
da UFMG, 1996.
146
unidade 6
Testes de
Hipteses
Introduo
A construo e
o significado de
uma hiptese
estatstica
Uma hiptese estatstica pode ser construda a partir de alguma teoria
sobre determinado assunto, ou atravs de alguma afirmao sobre
certo parmetro da populao em anlise. No caso do engenheiro
interessado em testar se o tempo mdio de durao de um fusvel
1.000 horas, a hiptese no se deu atravs de uma teoria, mas
possivelmente em funo da experincia dele com o assunto.
Exemplo 11
149
unidade 7
ESTATSTICA E PROBABILIDADES
SOLUO:
H0: = 30 minutos
H1: 30 minutos
Nvel de
Alm da definio acerca das hipteses, o nvel de significncia significncia:
tambm deve ser escolhido pelo analista.
Consiste na
probabilidade de
rejeitar a hiptese
nula, dado que ela
verdadeira.
nula, dado que ela verdadeira. Geralmente representado pela letra grega
150
unidade 7
ESTATSTICA E PROBABILIDADES
151
unidade 7
ESTATSTICA E PROBABILIDADES
Exemplo 12
152
unidade 7
ESTATSTICA E PROBABILIDADES
1 e
tapa: Estabelea as hipteses de interesse
2-U
m parmetro refere-se determinada medida que caracterize a populao de
interesse. Os parmetros mais frequentemente investigados atravs dos testes
de hipteses so: a mdia, o desvio-padro, no caso de variveis quantitativas e a
proporo, no caso de variveis categricas.)
3-A
variabilidade amostral ocorre porque existem chances de tomarmos tanto
amostras parecidas com a populao de interesse quanto amostras pouco
semelhantes populao. Qualquer processo de amostragem sujeita-se a essa
situao. Cabe ao pesquisador levar esse fato em considerao ao construir um
teste de hipteses
153
unidade 7
ESTATSTICA E PROBABILIDADES
-
Z=
x
x = n
s
s = n
x
-
Z = s/n
154
unidade 7
ESTATSTICA E PROBABILIDADES
502 - 500
Z= = 4,0
3/36
155
unidade 7
ESTATSTICA E PROBABILIDADES
4-O
bserve pela Figura 35 que 34% + 13,5% = 47,5%. Ao multiplicarmos esse valor
por dois, obtemos os 95%.
156
unidade 7
ESTATSTICA E PROBABILIDADES
157
unidade 7
ESTATSTICA E PROBABILIDADES
158
unidade 7
ESTATSTICA E PROBABILIDADES
4 etapa: Concluso
Exemplo 13
1 e
tapa: Estabelea as hipteses de interesse
H0 : = 120 centmetros
H1 : 120 centmetros
-
Z=
s/n
159
unidade 7
ESTATSTICA E PROBABILIDADES
120,2 - 120,0
Z= = 1,0
1,6/64
5-O
valor 0,10 refere-se aos 10% escolhidos como nvel de significncia pelo
pesquisador. Tal valor consiste na probabilidade de rejeitar a hiptese nula, dado
que ela verdadeira, ou seja, probabilidade de tomar uma deciso equivocada em
relao hiptese.
160
unidade 7
ESTATSTICA E PROBABILIDADES
161
unidade 7
ESTATSTICA E PROBABILIDADES
4 etapa: Concluso
Exemplo 14
1 e
tapa: Estabelea as hipteses de interesse
H0: = 10 milmetros
H1: 10 milmetros
162
unidade 7
ESTATSTICA E PROBABILIDADES
- = 10,2 - 10,0
t=
s/n 0,2/16 = 4,0
163
unidade 7
ESTATSTICA E PROBABILIDADES
4 etapa: Concluso
164
unidade 7
ESTATSTICA E PROBABILIDADES
(1 -)
Sp =
n
Exemplo 15
1 e
tapa: Estabelea as hipteses de interesse
H0: = 0,30
H1: 0,30
165
unidade 7
ESTATSTICA E PROBABILIDADES
Sp =
(1 -)
n
=
0,30 (1 - 0,30)
49
=
0,21
49
= 0,004286 = 0,0655
166
unidade 7
ESTATSTICA E PROBABILIDADES
4 etapa: Concluso
167
unidade 7
ESTATSTICA E PROBABILIDADES
1 - 2
Z=
n1 n2
Exemplo 16
H0: A = B
H1: A B
168
unidade 7
ESTATSTICA E PROBABILIDADES
4 Etapa: Concluso
2
p 1 - p
Z=
p (1 - p) + p (1 - p)
n1 n2
169
unidade 7
ESTATSTICA E PROBABILIDADES
x +x
p = n 1 + n 2 (proporo amostral combinada)
1 2
Exemplo 17
H0 : p1 = p2
H1 : p1 p2
170
unidade 7
ESTATSTICA E PROBABILIDADES
4 Etapa: Concluso
171
unidade 7
ESTATSTICA E PROBABILIDADES
possam assumir pode ser til para a otimizao do processo. Por exemplo:
Reviso
Nessa unidade aprendemos os fundamentos dos testes de
hipteses. O principal objetivo deles contrapor uma hiptese de
interesse, conhecida como hiptese nula, a uma hiptese contrria,
conhecida como hiptese alternativa, em relao a um parmetro
de interesse (geralmente a mdia, no caso de variveis quantitativas
e a proporo, no caso de variveis categricas).
172
unidade 7
ESTATSTICA E PROBABILIDADES
MOORE, David. A estatstica bsica e sua prtica. Rio de Janeiro: LTC, 2014.
173
unidade 7
Anlise de
correlao
e regresso
Introduo
Anlise de
correlao
Quando temos interesse em investigar o quanto duas variveis
quantitativas esto associadas, podemos utilizar uma medida
conhecida como coeficiente de correlao.
Diagrama de disperso
O coeficiente de
Antes de calcular a correlao entre duas variveis, interessante correlao mede o
representar os dados num diagrama de disperso.
grau de intensidade
do relacionamento
linear entre
duas variveis
quantitativas.
Diagrama de disperso: Consiste na representao grfica de duas
176
unidade 8
ESTATSTICA E PROBABILIDADES
800
700
600
Valor do imvel (R$ mil)
500
400
300
200
100
-
0 50 100 150 200 250 300
rea (em metros quadrados)
6-A
ssociao negativa: Duas variveis apresentam associao negativa quando o
crescimento de uma se associa diminuio da outra, ou o contrrio, a queda em
uma se associa ao acrscimo da outra.
177
unidade 8
ESTATSTICA E PROBABILIDADES
80
70
60
50
40
Y
30
20
10
0
0 5 10 15 20
X
178
unidade 8
ESTATSTICA E PROBABILIDADES
15
14
14
13
13
Y
12
12
11
11
10
0 5 10 15 20
X
Fonte: Elaborado pelo autor
179
unidade 8
ESTATSTICA E PROBABILIDADES
( x -x ) ( y - y )
Cor ( X, Y ) = r =
sxsy ( n - 1)
X - Temperatura ( Celsius) 100 110 120 130 140 150 160 170 180 190
Y - Resultado (porcentagem) 45 51 54 61 66 70 74 78 85 89
Soluo:
180
unidade 8
ESTATSTICA E PROBABILIDADES
100
90
80
Y - Resultado (%)
70
60
50
40
30
20
10
0
0 50 100 150 200
X - Temperatura ( C)
3985 3985
Cor ( X, Y ) = r = = = + 0,99
( 30,3) (14,7) (10 -1) 4008,7
181
unidade 8
ESTATSTICA E PROBABILIDADES
Exemplo 19
Preo (X) 10 11 12 13 14 15 16 17 18 19
Quantidade (Y) 200 171 168 165 170 147 120 130 105 124
Soluo:
220
200
180
Y - Quantidade
160
140
120
100
8 10 12 14 16 18 20
X - Preo
Fonte: Elaborado pelo autor
182
unidade 8
ESTATSTICA E PROBABILIDADES
TABELA 16 - Dados para o clculo do coeficiente de correlao entre preo (X) e quantidade (Y)
-747 -747
Cor ( X, Y ) = r = = = - 0,93
( 3,0) (29,6) (10 -1) 799,2
183
unidade 8
ESTATSTICA E PROBABILIDADES
= CORREL (matriz1;matriz2)
184
unidade 8
ESTATSTICA E PROBABILIDADES
Regresso
linear simples
A regresso linear simples tem como objetivo estimar uma equao
que relacione matematicamente duas variveis, sendo que uma
delas explicada pela outra. A varivel explicada geralmente
denominada varivel resposta ou varivel dependente. A varivel
explicativa denominada varivel explanatria ou varivel
independente.
185
unidade 8
ESTATSTICA E PROBABILIDADES
reta.
Yi = 0 + 1 X i + i Mtodo dos
mnimos
quadrados: uma
tcnica estatstica
Onde:
utilizada para
resumir um conjunto
Yi = valor da varivel dependente na i-sima tentativa, ou observao; de variveis
quantitativas numa
equao.
0 = primeiro parmetro da equao de regresso, o qual indica o
intercepto no eixo Y, ou seja, o valor de Y quando X = 0;
186
unidade 8
ESTATSTICA E PROBABILIDADES
^ ^ ^
Y = 0+ 1X
A anlise de
A estimativa dos parmetros 0 e 1 do modelo se d a partir das regresso se
seguintes frmulas: distingue da
correlao por supor
uma relao de
^ XY - nXY causalidade entre as
1 =
X2 - nX2
variveis resposta e
explanatria.
^
o = Y - ^ 1X
Exemplo 20
187
unidade 8
ESTATSTICA E PROBABILIDADES
Horas de Nota na
Estudante
estudo (X) prova (Y)
1 20 72
2 15 62
3 35 87
4 26 77
5 30 90
6 24 83
7 18 68
Fonte: Elaborado pelo autor
Soluo:
[a] P
odemos incluir mais duas colunas na tabela para facilitar a
operacionalizao dos clculos:
Horas de Nota na 2
Estudante X X.Y
estudo (X) prova (Y)
1 20 72 400 1440
2 15 62 225 930
3 35 87 1225 3045
4 26 77 676 2002
5 30 90 900 2700
6 24 83 576 1992
7 18 68 324 1224
2
MDIA (X) = 24 MDIA(Y) = 77 X = 4.326 XY = 13.333
Fonte: Elaborado pelo autor
188
unidade 8
ESTATSTICA E PROBABILIDADES
^
Y = 44,6 + 1,35 . X
[b] Para calcular o valor estimado da nota (Y) com base no nmero
de horas estudadas (X), basta inserir o valor de X na equao.
Considerando X = 20, temos:
^
Y = 44,6 + 1,35 . 20 = 44,6 + 27 = 71,6
FIGURA 52 - Previso da NOTA (Y) com base no nmero de HORAS DE ESTUDO (X)
189
unidade 8
ESTATSTICA E PROBABILIDADES
190
unidade 8
ESTATSTICA E PROBABILIDADES
Estatstica de regresso
R mltiplo 0,918
R-Quadrado 0,843
R-quadrado ajustado 0,811
Erro padro 4,470
Observaes 7
Fonte: Elaborado pelo autor
191
unidade 8
ESTATSTICA E PROBABILIDADES
ANOVA
gl SQ MQ F Valor p
Regresso 1 536,085 536,085 26,8271 0,00353
Resduo 5 99,915 19,983
Total 6 636
Fonte: Elaborado pelo autor
H0: 0 = 0
H1: 0 0
H0: 1 = 0
H1: 1 0
A equao estimada :
^
Y = 44,6 +1,35 . X1
192
unidade 8
ESTATSTICA E PROBABILIDADES
^
Y = 44,6 + 1,35 x 30 = 44,6 + 40,5 = 85
Na regresso
linear simples, uma
Regresso varivel resposta
pode ser explicada
linear mltipla por uma varivel
explanatria.
193
unidade 8
ESTATSTICA E PROBABILIDADES
Yi = 0 + 1 X 1 + 2 X 2 + + k X k + i
Onde:
Exemplo 22
194
unidade 8
ESTATSTICA E PROBABILIDADES
195
unidade 8
ESTATSTICA E PROBABILIDADES
Chart
Title
800.000,00
700.000,00
y
=
1868,2x
+
239876
600.000,00
R
=
0,55094
Axis
Title
500.000,00
400.000,00
Series1
300.000,00
200.000,00
Linear
(Series1)
100.000,00
-
0
50
100
150
200
250
300
Axis
Title
196
unidade 8
ESTATSTICA E PROBABILIDADES
Soluo
197
unidade 8
ESTATSTICA E PROBABILIDADES
A equao estimada :
^
Y = 86.873 + 1.335X1 + 67.719X2
198
unidade 8
ESTATSTICA E PROBABILIDADES
^
Y = 86.873 + 106.800 + 203.157 = R$ 396.830
verdade, esses modelos podem ser utilizados com um nmero bem maior
de variveis explicativas.
199
unidade 8
ESTATSTICA E PROBABILIDADES
de tempo.
Reviso
A presente unidade tratou do tema relao entre duas ou mais
variveis quantitativas. Foi demonstrado que, para o estudo de
duas variveis quantitativas simultaneamente, faz-se interessante
o uso de diagramas de disperso com o objetivo de inspecionar
visualmente se elas apresentam associao. Devemos observar,
principalmente, a forma, a intensidade e a direo da relao entre as
variveis. Alm disso, tambm importante o clculo do coeficiente
de correlao, que fornece um valor entre 0 e 1, podendo ser negativo
no caso de relacionamento linear inverso entre as variveis.
200
unidade 8
ESTATSTICA E PROBABILIDADES
seguintes obras:
MOORE, David. A estatstica bsica e sua prtica. Rio de Janeiro: LTC, 2014.
TRIOLA, Mrio. Introduo Estatstica. 10 ed. Rio de Janeiro: LTC. 2008. 722p.
201
unidade 8
ESTATSTICA E PROBABILIDADES
Referncias
BARBETTA, Pedro Alberto, REIS, Marcelo Menezes, BORNIA, Antnio
Cezar. Estatstica: Para Cursos de Engenharia e Informtica. 3 ed. Atlas,
2010. VitalBook file.
202
ESTATSTICA E PROBABILIDADES
MOORE, David. A estatstica bsica e sua prtica. Rio de Janeiro. LTC, 2014.
203
ESTATSTICA E PROBABILIDADES
204
www.animaeducacao.com.br