Professional Documents
Culture Documents
SEBASTIO
GAZOLA
professor
lotado
no
Apresentao do livro
Este livro de Introduo Estatstica tem o objetivo de servir como apoio didtico
aos alunos iniciantes no estudo de estatstica. Consideramos que o texto pode ser usado de
maneira eficaz como um curso bsico para qualquer estudante interessado nas aplicaes
dos mtodos estatsticos.
A leitura do texto no exige conhecimento de matemtica alm do nvel dos cursos
do ensino mdio.
Estruturalmente, iniciamos o livro com alguns conceitos bsicos no captulo 1 e
com uma introduo s tcnicas de amostragem no captulo 2. Prosseguimos o texto com a
anlise descritiva dos dados realizada por meio da apresentao dos dados no captulo 3 e
das medidas descritivas no capitulo 4.
Uma introduo teoria de probabilidade e alguns modelos probabilsticos, que so
necessrios para o desenvolvimento dos captulos posteriores, so apresentados no capitulo
5.
Para um conhecimento inicial da inferncia estatstica apresentamos as
distribuies amostrais e a estimao de parmetros no capitulo 6 e no captulo 7 alguns
testes de hipteses.
Ao final foram citadas as referncias utilizadas para o desenvolvimento deste
material as quais recomendamos como complementao do contedo apresentado.
No anexo esto algumas tabelas necessrias para as aplicaes da metodologia.
Sumrio
Captulo 1: Introduo ..........................................................................
00
Anexos:
Tabela de Nmeros Aleatrios
Tabelas de distribuies de probabilidade
Captulo 1
INTRODUO
Varivel: a caracterstica que est sendo analisada em cada elemento de uma populao.
Exemplo: Na populao de alunos do Curso de Cincias Biolgicas Educao a
Distncia, podemos estudar as variveis peso, idade, sexo, etc. As variveis podem ser
classificadas conforme o quadro 1.
- Nominais
- Ordinais
(Grau de escolaridade)
Quantitativas:
- Contnuas:
- Discretas:
Captulo 2
TCNICAS DE AMOSTRAGEM
10
Amostragem
- Populao pequena
- Populao infinita
- Tempo limitado
- Teste destrutivo
- Custo muito alto
11
Com reposio: Nn = 62 = 36
N
6
- Sem reposio: = = 15
n 2
Exemplo 2.1 Com o interesse de conhecermos algumas caractersticas dos alunos de uma
turma de graduao com 45 alunos, vamos extrair uma amostra aleatria de 6 alunos.
12
b) Tomamos n=6 nmeros aleatrios do conjunto {01, 02, ... , 45}, desprezando os
nmeros que esto fora do conjunto e os que se repetem. Os nmeros podem ser
tomados da tabela de nmeros aleatrios, de uma calculadora que contenha a funo
nmeros aleatrios ou ainda usando um software computacional.
c) Verificamos quais os alunos que correspondem aos nmeros selecionados
aleatoriamente. Estes so os alunos que formam a amostra aleatria simples.
Exemplo 2.2 Vamos supor uma populao de 800 alunos de certa Faculdade, j
numerados, de onde se quer extrair uma amostra de 50 alunos.
a) Determinamos o intervalo de amostragem:
K=N/n=800/50=16
b) Selecionamos 1 (um) nmero aleatrio de 1 a 16, usando uma calculadora ou a tabela de
nmeros aleatrios. Tomamos os nmeros da posio correspondente ao nmero sorteado a
cada intervalo de amostragem de 16 elementos. Supomos que o nmero sorteado seja 7. Os
nmeros que faro parte da amostra so: 7, 23, 39, 55, ..., 775, 791.
c) Verificamos quais os alunos correspondentes a estes nmeros e ento temos a amostra.
estrato. A amostra final obtida atravs da unio das amostras de cada estrato. Geralmente,
os estratos so de tamanhos diferentes em funo de buscarmos a homogeneidade dentro
de cada estrato com relao caracterstica em estudo. Assim, a amostragem estratificada
pode ser obtida de duas formas:
Exemplo 2.3 Desejamos fazer um estudo dos alunos do ensino mdio de uma escola
pblica para investigar o uso de bebidas alcolicas. A escola tem trs turmas de 1 srie
(125 alunos), duas de 2 (75 alunos) e uma de 3 srie (50 alunos) num total de 250 alunos.
Desejamos realizar um levantamento por amostragem, de tamanho n=50 alunos.
Estrato B
Estrato C
(1 srie)
(2 srie)
(3 srie)
NA=125
NB=75
NC=50
Proporo
pA=125/250=0,5
pB=75/250=0,3
pC=50/250=0,2
Amostra
nA==0,5.(50)=25
nB=0,3.(50)=15
nC=0,2.(50)=10
N. de alunos
14
15
EXERCCIOS
1) Uma clnica veterinria possui os registros dos animais que atende organizados em um
arquivo. Descreva o procedimento para obter uma amostra aleatria sistemtica de
tamanho igual a 1/3 do total de animais atendidos.
2) Um pesquisador tem 5 gaiolas que contm, cada uma, 4 ratos. Descreva a maneira de
selecionar 1 rato de cada gaiola, para compor uma amostra de tamanho n=5.
3) Dada uma populao de 10 alunos {Aline, Beatriz, Carlos, Darlei, Eliane, Fabola,
Geraldo, Hlio, Isabela e Joo}. Obtenha todas as possveis amostras distintas, do tipo
sistemtica, de 5 elementos.
4) Dada uma populao de 125 alunos, estabelea uma forma de obter uma amostra casual
simples de 10 alunos.
272
295
320
275
276
318
290
295
305
283
276
285
312
312
284
291
291
297
312
296
257
277
255
265
291
267
275
313
303
302
363
261
281
315
273
298
260
290
293
318
298
299
315
288
294
305
271
298
285
320
281
310
306
305
288
286
259
265
288
251
260
318
296
265
299
257
289
271
255
262
a) Selecione uma amostra aleatria de tamanho n=8, atravs de uma amostragem aleatria
simples.
b) Selecione uma amostra aleatria de tamanho n=8, atravs de uma amostragem aleatria
sistemtica.
c) Divida a populao em dois estratos: Estrato A: pesos menores que 300 gramas e Estrato
B: pesos maiores ou iguais a 300 gramas. Selecione uma amostra estratificada proporcional
de tamanho n=16, atravs de uma amostragem sistemtica, considerando os estratos.
16
Captulo 3
APRESENTAO DE DADOS
17
A apresentao de dados estatsticos pode ser feita por meio de tabelas ou grficos.
A tabela o resumo de um conjunto de observaes, dispostos ordenadamente em
linhas e colunas. As tabelas so constitudas por:
Cabealho: a parte superior da tabela, apresentando as variveis envolvidas e indicando
as respostas numricas.
Corpo da tabela: a distribuio numrica das observaes em relao varivel.
Coluna indicadora: a coluna da varivel principal e suas variaes. As respostas so
colocadas em ordem alfabtica e apenas a primeira letra maiscula.
Total: optativo, mas quando utilizado deve aparecer em destaque, ou seja, deixar um
espao de uma varivel antes de inserir o total.
Quanto s informaes:
Ttulo: a indicao que precede a tabela e que contm a designao do fato observado, o
local e a poca em que foi registrado. (o que? onde? quando?).
Fonte: a indicao da entidade responsvel pelo fornecimento dos dados ou pela sua
elaborao.
Notas: so informaes de natureza geral, destinados a conceituar ou esclarecer o
contedo das tabelas, ou a indicar a metodologia utilizada no levantamento ou na
elaborao dos dados.
Chamadas: so informaes de natureza especfica sobre determinada parte da tabela,
destinadas a conceituar ou esclarecer dados.
18
Forma: a altura do grfico deve ter, aproximadamente, 75% da largura, de modo que,
incluindo o ttulo, legenda e o rodap, a moldura do grfico assuma mais ou menos, a
forma quadrada.
19
Sem escolaridade
6,9
3 grau
5,9
2 grau
43,1
5 a 8 srie
21,6
1 a 4 srie
22,5
0,0
5,0
10,0
15,0
20,0
25,0
30,0
35,0
40,0
45,0
50,0
Percentagem
Figura 3.1 Grau de escolaridade de uma amostra dos moradores do Bairro Sanenge,
Maring PR, 2004.
b) Tabela de dupla entrada ou de contingncia: a representao, em uma nica tabela,
de valores de mais de uma varivel, isto , a conjugao de duas tabelas.
Tabela 3.2 Grau de escolaridade versus sexo de uma amostra de moradores
Sanenge, Maring - PR, 2004.
Grau de escolaridade
Sexo
5 a 8 s.
2 grau
3 grau
Sem esc.
1 a 4 s.
5
10
3
1
Masculino
10
17
34
3
6
Feminino
13
22
44
6
7
Total
23
do bairro
Total
29
73
102
40
Masculino
34
35
Feminino
Frequncia
30
25
20
17
13
15
10
10
10
0
1 a 4 srie
5 a 8 srie
2 grau
3 grau
Sem esc.
Figura 3.2 Grau de escolaridade versus sexo dos moradores do bairro Sanenge, Maring PR, 2004.
20
Exemplo 3.1: Vamos supor que foram contados os filhos de 138 famlias da cidade de
Maring, em 2004. A tabela de distribuio de frequncias (Tabela 3.3) do nmero de
filhos das famlias construdo atravs da contagem das repeties dos resultados
observados.
Tabela 3.3 Distribuio de frequncias do nmero de filhos de 138 famlias que residem
em Maring, 2004.
N0 de Filhos
N0 de Famlias
0
5
1
30
2
55
3
30
4
10
5
5
6
3
Total
138
Fonte: Dados fictcios
A representao grfica pode ser feita de duas maneiras, por hastes verticais sobre
os valores observados (Figura 3.3) ou retngulos justapostos e com a mesma largura
(Figura 3.4).
21
60
55
Nmero de famlias
50
40
30
30
30
20
10
10
0
0
Nmero de filhos
Figura 3.3 Distribuio de frequncias do nmero de filhos de 138 famlias que residem
em Maring-PR, 2004.
60
55
Nmero de famlias
50
40
30
30
30
20
10
10
0
0
3
Nmero de filhos
Figura 3.4 Distribuio de frequncias do nmero de filhos de 138 famlias que residem
em Maring-PR, 2004.
Quando temos muitos valores diferentes da varivel devemos criar classes de
valores de ocorrncia de modo anlogo ao que feito para variveis contnuas que veremos
a seguir.
22
Tabela 3.4 Distribuio de frequncias dos pesos dos alunos da disciplina de estatstica
da UEM, 2004.
Peso em kg
Freqncia
50 55
55 60
60 65
65 70
70 75
75 80
80 85
85 90
90 95
95 100
TOTAL
2
3
10
14
30
18
11
7
4
1
100
ou
23
f) Amplitude das classes (h): o intervalo de valores estabelecido para cada classe, que
dado por h = AT/k. h tem que ter o mesmo nmero de casas decimais que os escores e deve
ser arredondado somente para um valor maior.
g) Limites de classes (li ou Li): So os valores extremos de cada intervalo de classe
representados por: li = limite inferior e
Li = limite superior
68
69
70
72
73
74
75
76
79
81
81
84
24
4
3
5
7
5
4
Total
28
(kg) de
Fai%
14,3
25,0
42,9
67,9
85,8
100,0
25
Calculamos
as
frequncias
absolutas
Fa1%=(Fa1/n)100=(4/28)100=14,3% ...
acumuladas
percentuais
(Fai%):
Fa6%=(Fa6/n)100=100,0%
Para a tabela 3.4 os grficos so apresentados nas Figuras 3.5, 3.6 e 3.7.
35
29
Freqncia
30
25
18
20
15
15
11
10
10
5
0
50
55
60
65
70
75
80
Peso em kg
85
90
95
100
26
35
Frequencia
30
25
20
15
10
5
102,5
97,5
92,5
87,5
82,5
77,5
72,5
67,5
62,5
57,5
52,5
47,5
Peso em kg
100
80
99 100
95
88
77
60
59
40
29
20
0
50
55
15
60
65
70 75 80
Peso em kg
85
90
95
100
27
EXERCCIOS
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
Nmero de
pessoas na
famlia
3
2
4
3
5
2
1
1
2
2
5
3
7
4
6
6
5
4
2
3
3
3
4
3
4
Sexo
Grau de
escolaridade
Idade
M
F
F
M
M
M
F
F
M
F
M
F
M
M
F
M
F
F
M
F
F
M
M
F
F
Fundamental
Mdio
Fundamental
Fundamental
Mdio
Superior
Superior
Superior
Mdio
Fundamental
Superior
Fundamental
Mdio
Superior
Fundamental
Mdio
Mdio
Superior
Superior
Fundamental
Mdio
Superior
Mdio
Superior
Mdio
32
45
38
35
41
40
39
33
36
35
33
40
42
45
36
40
36
38
43
38
41
35
40
34
41
Renda
familiar
(R$)
1200
1500
1000
950
750
1800
2200
1100
1600
2000
1250
1400
1800
1700
1700
1500
2000
1700
1800
2100
2000
1300
1500
1200
1500
28
Captulo 4
ANLISE DE DADOS
29
x=
Mdia da populao:
x=
x F
F
i
di = xi - x e
di = 0
i =1
2) Somando ou subtraindo uma constante (c) a todos os valores de uma varivel, a mdia
do conjunto fica aumentada ou diminuda dessa constante.
yi = xi c
y = x c
3) Multiplicando ou dividindo todos os valores de uma varivel por uma constante (c), a
mdia do conjunto fica multiplicada ou dividida por essa constante.
yi = xi . c y = x . c e
yi =
xi
x
y=
c
c
b) Moda. o valor que ocorre com maior frequncia em um conjunto de dados. Existem
sries em que nenhum valor aparece mais vezes que outros (sries amodais). Em outros
casos, pode aparecer dois (bimodal), trs (trimodal), ou mais valores de concentrao.
Para localizar o valor da moda, usamos os dados em rol.
A moda de dados de tabelas de distribuio de frequncias apurada, geralmente,
pela expresso de Czuber.
30
Mo = li +
h.(Fi Fi 1 )
(i representa a classe de maior frequncia).
(Fi Fi 1) + (Fi Fi +1)
x p + x p+1
2
h.(p Fa i 1 )
. ( p = n / 2 e i representa a classe que contm o menor valor de Fai ,
Fi
Quartis (Qi): Denominamos quartis os valores de uma srie que a divide em quatro
partes iguais. O primeiro quartil (Q1) delimita os 25% menores valores, o terceiro quartil
(Q3) delimita os 25% maiores valores e o segundo quartil a prpria mediana que separa
os 50% menores dos 50% maiores valores.
31
Obtemos o terceiro quartil, procedendo como se fosse calcular a mediana dos dados
maiores que a mediana j calculada.
a) mdia:
x=
x
n
O peso mdio dos alunos de 66,179 kg, que representa o ponto de equilbrio do
conjunto de dados.
b) moda: A moda o valor da srie que ocorre com maior frequncia. O valor 67 kg
ocorreu trs vezes, a moda da srie. Mo=67 kg.
c) mediana: Como a srie tem nmero par de termos, temos dois elementos ocupando o
centro da srie. Ento, a mediana a mdia aritmtica destes elementos, calculada da
seguinte forma:
p=n/2=28/2=14,
assim: M d =
x p + x p+1
2
x14 + x15 67 + 67
=
= 67
2
2
d) quartis:
Primeiro quartil: i=1/4(28+1)=7,25 , temos ento que o primeiro quartil :
32
Q1=x7,25= x7+0,25(x8-x7)=58+0,25(60-58)=58,5
Exemplo 4.2 Obtenha as medidas de posio dos dados da tabela 3.5 de distribuio de
frequncias.
a) mdia: x =
b) moda: Mo = li +
h.(Fi Fi 1 )
(i representa a classe de maior frequncia).
(Fi Fi 1) + (Fi Fi +1)
Mo = l4 +
h.(F4 F41 )
6.(7 5)
= 66 +
= 69
(F4 F41 ) + (F4 F4+1 )
(7 5) + (7 5)
c) mediana: M d = li +
h.(p Fa i 1 )
. (p=28/2=14 e i=4 representa a classe que contm o
Fi
h.(p Fa i 1 )
h.(p Fa 4 1 )
6.(14 12)
= l4 +
= 66 +
= 67, 714
Fi
F4
7
d) quartis:
Primeiro quartil:
Posio: p=(n/4).k =28/4.1=7. A posio do quartil desejado e a classe 2.
h.(p-Fa i-1 )
h.(p-Fa 2-1 )
6.(7-4)
= l2 +
= 54+
= 60
Fi
F2
3
Terceiro quartil:
Q k =li +
h.(p-Fa 5-1 )
h.(p-Fa i-1 )
6.(21-19)
= l5 +
= 72+
= 74, 4
Fi
F5
5
33
Dados originais
Amostral
Populacional
(x
=
n 1
(x
=
Distribuio de frequncias
x Fi
n 1
(x
=
(x
=
) Fi
2
Amostral
Populacional
s = s2
= 2
34
variabilidade dos dados. Para valores do cv 50%, a mdia representativa dos dados.
Quanto mais prximo de 1 ou 100%, maior a variabilidade dos dados. Neste caso, cv >
50%, a mdia no representa bem o conjunto de dados.
Populacional; CV%=(/).100
(x
=
n 1
(x
=
n 1
) = ( 48 66,179)
2
= 97, 707
b) desvio padro: s = s 2
s = s 2 = 97,707 = 9,885
a disperso dos dados em relao a mdia na unidade original.
a) varincia :
s
(x
=
x Fi
n 1
28 1
Tem por objetivo bsico medir o quanto uma distribuio se afasta da condio de
simetria. Pode ser:
35
Populacional::
As =
Mo
Amostral: A s =
x Mo
s
( assimtrica negativa ).
x M o 66,179 67
=
= 0, 083 =
s
9,885
Exemplo 4.6 Analisar a simetria dos dados da tabela 3.5 de distribuio de frequncias.
x M o 66, 643 70
=
= 0,356 =
s
9, 429
36
EXERCCIOS
Nmero de famlias
17
15
2) O quadro abaixo mostra o nmero de faltas de 30 alunos nas aulas de certa disciplina,
durante todo o curso.
Aluno
1
2
3
4
5
6
7
8
9
10
N de
faltas
3
1
8
1
5
1
4
3
2
6
Aluno
11
12
13
14
15
16
17
18
19
20
N de
faltas
1
2
2
1
5
7
1
5
6
1
Aluno
21
22
23
24
25
26
27
28
29
30
N de
faltas
5
2
1
2
1
4
5
6
1
3
Freqncia
2
4
9
15
10
Ponto mdio
1,0
3,0
5,0
7,0
9,0
40
----
38
Captulo 5
NOES DE PROBABILIDADE
E
PRINCIPAIS DISTRIBUIES
39
40
Exemplo 5.3
41
0P(A)1
P(S)=1
Esta definio no nos diz como calcular P(A). Apenas nos d algumas
propriedades gerais que P(A) deve ter. Antes de aprendermos como calcular P(A), vejamos
outras propriedades:
Propriedades:
a) P()=0
b) P(Ac)=1-P(A)
c) P(A B)=P(A)+P(B)-P(AB). Se A e B forem mutuamente excludentes ento P(A
B)=P(A)+P(B)
d) Se S for finito, ento a soma das probabilidades de todos os resultados possveis igual
a 1.
e) P(AcBc)=P((AB)c) =1 P(AB).
N(A)
,
N(S)
42
ou seja,
P(A) ~ fA
Exemplo 5.6
classificada quanto cor dos olhos e cor dos cabelos conforme tabela a seguir.
Tabela 5.1 Distribuio conjunta de frequncias da cor dos olhos e dos cabelos.
Cor dos cabelos
Cor dos olhos
TOTAL
Loiro
Castanho
Preto
Ruivo
Azul
1768
807
189
47
2811
Verde
937
1139
485
53
2614
Castanho
115
438
288
16
857
248
261
518
2829
2632
1223
116
6800
Preto
TOTAL
43
Vamos supor agora que queremos saber a probabilidade da pessoa ter olhos azuis e
cabelos castanhos.
O evento {a pessoa tem olhos azuis e cabelos castanhos} chamado de evento
interseo e representado por AC. Assim,
P(AC) =
807
= 0,1187
6800
Exemplo 5.7 Supomos que em uma universidade 50% dos alunos falam ingls, 20% falam
espanhol e 5% falam os dois idiomas. Qual a probabilidade de um aluno falar pelo menos
um desses idiomas?
Consideremos os eventos A={o aluno fala ingls}, B={o aluno fala espanhol} e
AB={o aluno fala ingls e espanhol}.
Temos que P(A)=0,5, P(B)=0,2 e P(A C)=0,05.
O evento {o aluno fala pelo menos um desses idiomas} corresponde ao evento A ou
B, ou seja, AB.
Logo P(AB)=P(A)+P(B)-P(AB) = 0,5 + 0,2 - 0,05 = 0,65.
Assim, a probabilidade de o aluno falar pelo menos um desses idiomas de 65%.
44
P(A B)
P(B)
Exemplo 5.8 Para o exemplo 5.6 a probabilidade do evento {a pessoa tem olhos azuis
sabendo que possui cabelos castanhos}, :
P(A/C) =
P ( A C)
0,1187
=
= 0,3066
P ( C)
0,3871
Por outro lado, a probabilidade do evento {a pessoa no tem olhos azuis sabendo
que possui cabelos castanhos}, :
P(Ac/C) = 1 - P(A/C) = 1 - 0,3066 = 0,6934
Exemplo 5.9 Um casal deseja ter 2 filhos. Qual a probabilidade de ambos serem do sexo
masculino?
Os eventos M={nascer uma criana do sexo masculino} e F={nascer uma criana
do sexo feminino} so equiprovveis. Logo, P(M) = P(F) = .
Por outro lado, a ocorrncia do evento A={o primeiro filho do sexo masculino}
no altera a probabilidade de ocorrncia do evento B={o segundo filho do sexo
masculino}. Assim, A e B so independentes e a probabilidade do evento AB={o
primeiro filho do sexo masculino e o segundo filho do sexo masculino} ser dada por:
P(AB)=P(A)P(B)=(1/2)(1/2)=1/4
45
Exemplo 5.10: Supomos que uma caixa 1 tem duas bolas brancas e duas bolas pretas, a
caixa 2 tem duas bolas brancas e uma bola preta e a caixa 3 tem uma bola branca e trs bolas
pretas. Se selecionarmos ao acaso uma bola, qual a probabilidade de ela ser branca?
C2
46
P (A B)
e a regra do
P (B)
P(C I ).P(F/CI )
P(F)
Exemplo: Sabendo-se que a bola branca, qual a probabilidade dela ser da caixa 2?
Temos, calculado no exemplo anterior, que a probabilidade da bola ser branca :
P(B)= P(C1) e P(B/C1) ou P(C2) e P(B/C2) ou P(C3) e P(B/C3) = P(C1).P(B/C1) +
P(C2).P(B/C2) + P(C3).P(B/C3)= 1/3.1/2 + 1/3.2/3+1/3.1/4=1/6+2/9+1/12=17/36.
Suponha a mesma probabilidade para todas as caixas, P(C1)= P(C2)= P(C3)=1/3.
A probabilidade de bola branca para a caixa 2 P(B/C2)=2/3.
Ento P(C2/B) =
47
uma funo definida no espao amostral S, que costuma ser representada por X, e
cujo valor um nmero real determinado pelo resultado de uma experincia aleatria. As
variveis aleatrias podem ser de dois tipos:
a) Discretas: quando assume valores num conjunto finito ou infinito, mas numervel.
b) Contnuas: quando assume qualquer valor real num conjunto infinito no enumervel.
p( x ) = 1
b)
Se X uma varivel discreta e x1, x2, ... , so seus valores, a distribuio de X pode
tambm ser representada pela tabela abaixo:
Valores de X
x1
x2
P(X=xi)
p(x1)
p(x2)
...
...
Total
1
48
Exemplo 5.12 Na jogada de duas moedas, o espao amostral S = { cc, ck, kc, kk }, onde
c=cara e k = coroa. Seja X a varivel aleatria que represente o nmero de caras. A
distribuio de probabilidade de X :
Valores de X
Total
P(X=xi)
0,25
0,5
0,25
1,0
a) f(x) 0 , x R
b)
f (x )dx = 1
Note que P(a X b) igual rea sob a curva f(x) do segmento horizontal (a , b):
a
P(X=a) = f ( x )dx = 0
a
b) E(X) =
xf (x )dx
Uma medida de disperso em relao ao valor mdio, dada pela varincia que
pode ser representada por 2 ou Var(X):
E(X 2 ) = x 2i p(x i )
49
x i p(x i ) =0.0,25+1.0,5+2.0,25=1,0.
Varincia: E(X2) =
2
i
varincia
a) E(a)=a
a) Var(X)0
b) E(a+bX)=a+bE(X)
b) Var(a) = 0
c) E(X+Y)=E(X)+E(Y)
c) Var(aX+b)=(a)2Var(X)
d) Se X e Y forem independentes d) Se X
E(XY)=E(X).E(Y)
forem
independentes
Var(X+Y)=Var(X)+Var(Y)
50
Var (X)=npq
()
3 1 5
= 0,35 .
1 6 6
P(X=1) =
51
Exemplo 5.14 Em uma prova com 10 questes do tipo verdadeiro ou falso, qual a
probabilidade de um aluno acertar por palpite ao menos oito?
Neste caso, a probabilidade do aluno acertar (sucesso) igual probabilidade de
errar (falha), ou seja, p = q = 0,5.
Alm disso, n=10 e os valores possveis de X so: 0, 1, 2,...,10.
A probabilidade do aluno acertar ao menos oito questes a soma das
probabilidades de acertar 8, 9 ou 10 questes.
P( X8)= P(X=8) + P(X=9) + P(X=10)
10
10
10
P(x 8) = 0,58 .0,510-8 + 0,59 .0,510-9 + 0,510 .0,510-10 =0,0547
8
9
10
A probabilidade de um aluno acertar ao menos oito questes de 5,47%.
De modo geral, dizemos que a varivel aleatria X tem uma distribuio de Poisson
com parmetro >0 se:
e k
P(X = k) =
, k = 0, 1, 2, ... .
k!
52
uma bactria? Ou ainda, c) qual a probabilidade de dois cm3 escolhidos ao acaso conterem
duas bactrias?
Se X a v.a. que representa o nmero de bactrias presentes em um cm3, temos:
a) O nmero mdio de bactrias por cm3 : E(X) = = (10000/20000) = 0,5
0,5
e-0,5 .(0,5)0
= e
= 0,6065. Assim, a probabilidade de um cm3 escolhido ao
P(X = 0) =
0!
e-0,5 (0,5)1
) = 1 0,9097 = 0,0903.
1!
e 1 (1) 2
= 0,1839. Assim, a probabilidade de dois cm3 escolhidos ao acaso
2!
e np (np) k
k!
-
1
f(x)=
e 2
2
- .
+ .
54
=10
= 5
=20
=5
55
Existem outros critrios mais precisos para se verificar se h uma boa aderncia ao
modelo normal. Um deles o grfico denominado Q-Q plot, disponvel nos programas de
computador. construdo de tal forma que se h boa aderncia dos dados ao modelo
normal, as observaes estaro alinhadas em torno de uma reta.
142
142
134
110
98
130
136
120
146
122
130
118
128
114
138
104
116
110
100
128
116
132
112
128
152
118
140
128
116
110
138
132
114
120
102
118
130
130
118
120
128
108
120
124
120
132
94
110
130
116
140
118
122
128
124
140
124
108
118
108
18
16
N. de alunos
14
12
10
8
6
4
2
0
94
102
110
118
126
134
142
150
158
P re s s o
(
)2
1
2
P(a X b) =
e
dx
a 2
b
e igual a rea sob a curva do segmento (a; b), conforme Figura 5.3:
(
)2
1
2
P(a X b) =
e
dx
a 2
b
Z=
X-
57
z0
Figura 5.4 Probabilidade P(Z z0)
Exemplo (a) Represente graficamente e calcule P(Z 1,72).
58
-0,6
1,30
Exemplo 5.19 A mdia de peso dos alunos de certa universidade 67,5 kg e o desvio
padro 12,3 kg. a) Qual a probabilidade de encontrarmos um aluno com peso superior a
75 kg? b) Qual a probabilidade de encontrarmos um aluno com peso entre 70 e 72 kg? c)
Determinar o valor do peso, abaixo do qual esto 25% das pessoas.
A mdia de peso X uma varivel aleatria normal com = 67,5 e = 12,3, ou
seja, X N(67,5 ; 12,32). Neste caso, a varivel aleatria precisa ser padronizada: Z=
a) Para X=75 z=
X-
x- 75-67,5
=
=0,61 . Assim, P(X > 75 ) = P(Z > 0,61) = P(Z < -0,61)
12,3
12,3
12,3
Assim, P(70<X<72)=P(0,20<Z<0,365)=P(Z<0,365)-P(Z<0,20)=
=0,642-0,579=0,063. A probabilidade de encontrar um aluno com peso entre 70 e 72 kg
6,3%.
59
c) Queremos o valor de x tal que P(X<x) = 0,25. Para isso, devemos procurar na tabela o
valor de z correspondente rea 0,25. Esse valor z = -0,67. Portanto, como, z =
segue que -0,67 =
x-67,5
,
12,3
x-67,5
x = 59,26 kg. 25% dos alunos tem peso inferior a 66,76 kg.
12,3
V(X)=npq resulta evidente que a curva normal mais adequada ser aquela cuja mdia e
varincias sejam estas. Assim, se n suficientemente grande e X tem distribuio
binomial, ento, podemos tomar:
X N(np , npq)
Na prtica, consegue-se uma boa aproximao se np5 e nq5.
60
EXERCCIOS
3) Consideremos trs caixas com as seguintes bolas: Uma caixa 1 tem duas bolas brancas(B)
e duas bolas pretas(P), a caixa 22 tem duas bolas brancas(B) e uma bola preta(P) e a caixa 3
tem uma bola branca(B) e trs bolas pretas(P). Resolva os exerccios de 3 a 6.
a) Tira-se uma bola de cada caixa. Determine a probabilidade de serem todas brancas.
b) Escolhe-se uma caixa ao acaso e tira-se uma bola. Qual a probabilidade de ser branca?
c) Escolhe-se uma caixa ao acaso e tira-se uma bola. Qual a probabilidade de ter sido
escolhida a caixa 1 sabendo-se que a bola extrada branca?
d) Sabendo-se que ao retirar uma bola ela da cor preta, qual a probabilidade dela ser da
a caixa 3?
05) Seja X a varivel aleatria que representa o nmero de caras na jogada de duas
moedas.
a) Construir o espao amostral e a distribuio de probabilidade.
b) Calcular o valor esperado, a varincia e o desvio-padro.
06) Sabemos que 10% dos alunos do Curso de Cincias Biolgicas Ensino a Distncia,
tem idade acima de 40 anos. Tomando-se ao acaso 6 alunos, qual a probabilidade de:
a) Exatamente dois terem idade acima de 40 anos?
61
07) Supomos que a probabilidade de um aluno de certa universidade contrair o vrus A1N1
de 0,001. Se a universidade tem 20.000 alunos, qual a probabilidade de exatamente 5
contrarem o vrus? Qual a probabilidade de no mximo 3 contrarem o vrus?
08) Supomos que certo tipo de preservativo tem probabilidade de falha de 0,0002. Se
10.000 pessoas usaram este preservativo, qual a probabilidade de falhar para trs pessoas?
Qual a probabilidade de no falhar?
09) Supomos que a mdia da altura dos alunos do Curso de Cincias Biolgicas Ensino a
Distncia, de 1,70 metros e o desvio-padro de 0,20 metros. Sabendo-se que a
distribuio das alturas normal, calcule a probabilidade de um aluno ter:
a) Altura inferior a 1,60 metros.
b) Altura superior a 1,60 metros.
c) Altura entre 1,65 e 1,75 metros.
10) Na prova de Bioestatstica de certa turma, supomos que a mdia foi de 7,0 e o desviopadro 0,7. Se as notas tm distribuio normal, calcule a probabilidade de um aluno obter:
a) Nota inferior a 5,0.
b) Nota superior a 9,0.
c) Nota entre 6,0 e 8,0.
11) Supomos que o peso mdio dos alunos do Curso de Cincias Biolgicas Ensino a
Distncia de 67,0 kg e o desvio-padro de 8,0 kg e que tem distribuio
aproximadamente normal. Se 20 estudantes tm peso acima de 80 kg, quantos estudantes
tm no curso?
12) Supomos que o tempo de vida (em dias) de um animal de laboratrio tem distribuio
N(50, 36). Qual a probabilidade de um animal durar mais de 55 dias? Qual a probabilidade
de um animal durar no mximo 50 dias? 25% dos animais duram mais de quantos dias?
62
Captulo 6
DISTRIBUIES AMOSTRAIS
E
ESTIMAO DE PARMETROS
63
ESTATSTICAS
= mdia da populao
X = mdia da amostra
2 = varincia da populao
S2 = varincia da amostra
p = proporo da populao
p = proporo da amostra
64
Uma vez que a estatstica amostral uma varivel aleatria, estaremos interessados
no apenas no seu modelo probabilstico, mas tambm na sua mdia ou valor esperado e
sua varincia.
Para facilitar o entendimento dos resultados que sero apresentados, iniciamos com
um exemplo.
Exemplo 6.1
65
p(x)
1/5
1/5
2/5
1/5
Distribuio de probabilidade de X :
X
2,5
3,5
4,5
p( x )
1/25
2/25
5/25
6/25
6/25
4/25
1/25
Var( X )=
1 2
=1,4/2=0,52
n
66
2
)
n
Generalizando, seja uma populao infinita identificada pela v.a. X com mdia e
varincia conhecida 2, e seja (X1, X2, ..., Xn ) uma amostra casual simples de tamanho n.
Ento, se
X=
X1 + X 2 + ... + X n
, temos:
n
.
n
N 1
Nn
N 1
chamado de fator de
correo para populao finita. Uma regra prtica que a correo insignificante e pode
ser omitida sempre que o tamanho da amostra for menor que 5% do tamanho da populao.
67
Z=
X
/ n
N(0 , 1)
X1 N(1 ;
12
2
) e X 2 N( 2 ; 2 ), a mdia e a varincia de X1 -X 2 ,
n1
n2
V( X1 -X 2 ) =
12 22
+ ,
n1 n 2
assim,
2 2
(X -X )-(1 - 2 )
(X1 -X 2 )~N 1 - 2 , 1 + 2 e Z= 1 2
~N(0,1)
n1 n 2
12 22
+
n1 n 2
Caso X1 e X2 no tenham distribuio normal, os resultados continuam sendo
vlidos para n1 e n2 suficientemente grandes.
68
Valores de X
1-p
p =
que equivale a uma mdia aritmtica. Assim, a distribuio da proporo amostral p tem
as seguintes propriedades:
p(1-p)
Varincia da proporo amostral: V(p)=
, onde (1-p)=q.
p(1-p)
Desvio padro da proporo amostral: DP(p)=
.
p(1-p) N n
.
n
N 1
pq
) . Assim a varivel normal padronizada dada por:
n
Z =
- p
p q
n
69
Propriedades de um Estimador
1 n
X= Xi
n i=1
A varincia amostral
2
2 um estimador tendencioso de 2, pois E( ) =
n 1 2
.
n
1 n
S =E( )= (Xi -X)2
n-1 i=1
2
1 n
S = (Xi X)2
n-1 i=1
2
70
71
Z=
p -p
N(0 , 1)
p(1-p)/n
{-Z /2 Z Z /2 } = ( 1 )
P -Z
/2
{p -Z /2
p -p
Z
/2
p (1 -p ) /n
p (1 -p )/n p p + Z
/2
= (1 )
p ( 1 -p )/n
} = (1 )
onde, e=z /2
p(1-p)
n
p(1-p)
o erro mximo da estimativa. Logo, podemos escrever:
n
IC(p,(1-)%)=pe
a) Podemos simplesmente substituir p por sua estimativa p . Tal se justifica com boa
aproximao, pois, sendo a amostra j suficientemente grande para satisfazer a
72
aproximao pela Normal, a estimativa deve ser razoavelmente prxima do valor real do
parmetro. Assim, temos:
DP(p)=
p(1-p)
.
n
onde, e=Z /2 .
p(1-p)
,
n
p(1-p)
, o erro mximo da estimativa.
n
b) Uma outra maneira de estimarmos o valor de p usando o fato de que p(1-p)1/4, pois,
sendo 0p1, vemos que p(1-p) a expresso de uma parbola cujo ponto de mximo
p=1/2 com valor 1/4.
Assim temos
p(1 p)
1
1
/2 .
IC(p,(1-)%)=pZ
1
4n
p(1-p)
n
Nn
.
N 1
/2
p q
n
ou
e= Z
/2
1
4n
Fixando
e e podemos determinar o tamanho da amostra para a confiana e
preciso desejados:
73
/2
n =p(1-p).
0
e
0
2
ou
1 Z
n = . /2
0 4 e
0
OBS: Quando o tamanho da populao N finito, devemos usar o fator de correo, ento
o tamanho da amostra dado por: n=
N.n 0
N+n 0 -1
Exemplo 6.1 Vamos supor que os alunos do Curso de Cincias Biolgicas - Educao a
Distncia, desejam estimar a percentagem de estudantes que favorecem a constituio de
um Centro Acadmico. Propomos selecionar uma amostra de 100 estudantes. Se o
resultado fornecer p =80% , encontre o intervalo de confiana, com 95%, para a verdadeira
proporo p.
Dados:
n = 100
p =80%=0,8
p)
p(1
n
0,80(1 0,80)
100
1-p=1-80%=0,2
=5%=0,05
/2=2,5%=0,025
IC(p,95%)=0,800,08
Z/2=1,96
IC(p,95%) = (0,72;0,88)
Resposta: Podemos afirmar, com 95% de confiana, que o intervalo (72% ; 88%) ,
contm a verdadeira proporo populacional p do percentual de estudantes que favorecem
a constituio de um CA estudantil.
74
condies, Z=
X-
(chamado de erro padro
N(0,1) , onde E(X)= e DP(X)=
/ n
n
N-n
N-1
{-Z /2 Z Z /2 } = ( 1 )
P - Z
Z
= (1 )
/2
/2
P X - Z
.
X+Z
= (1 )
/2
/2
n
n
IC = ( , (1 )%) = XZ
,
/2 n
onde e = Z
/2
75
e=z /2
Z .
n 0 = /2
e0
Exemplo 6.2 Vamos supor que o desvio padro da altura dos alunos do Curso de Cincias
Biolgicas Educao a Distncia seja 10,5 cm. Consideremos a distribuio normal e
uma amostra de 30 alunos, que forneceu mdia 168,5 cm. Vamos encontrar uma estimativa
com 95% de confiana para a altura mdia desses alunos. Que tamanho de amostra
devemos tomar para se ter uma margem de erro de 2 cm e 95% de confiana?
Soluo:
Estimativa para a mdia:
Clculos:
Dados:
10,5
30
n = 30
= 10,5 e X = 68,5
=5%=0,05
/2=2,5%=0,025
IC(,95%) = 168,5 3, 76
Z/2=1,96
IC(,95%) = (164,74;172,26)
Resposta:
Podemos
afirmar,
com
95%
de
confiana,
que
Z .
1 ,9 6 .1 0 ,5
n 0 = /2
=
=106
2
e0
76
IC = ( , (1 )%)= X t
onde e = t / 2
S
/2 n
s
, o erro mximo da estimativa.
n
S
n
Nn
.
N 1
t .S
S . Da vem que
n 0 = /2
n
e0
77
Soluo:
Dados:
Clculos:
n = 28
S= 1,9
X = 7,60
=10%=0,10
/2=5%=0,05
IC(,90%)=7,61,7.
S
n
1,90
28
IC(,90%)=7,600,61
gl=(28-1)=27
t/2=1,70
IC(,90%) = (6,99;8,21)
Resposta: Podemos afirmar, com 90% de confiana, que o intervalo (6,99 ; 8,21), contm a
verdadeira mdia populacional da nota dos alunos.
78
EXERCCIOS
01) Uma amostra aleatria de 40 lmpadas de certa marca forneceu vida mdia de 1500
horas e desvio padro de 100 horas. Admitindo que o tempo de durao das lmpadas
tenha distribuio normal, qual o intervalo com 95% de confiana de para a vida mdia da
populao de lmpadas?
02) Uma amostra aleatria de 150 copos do tipo descartvel revelou que 7% apresentavam
algum tipo de defeito. Construir um intervalo de confiana para a proporo populacional
de defeituosos, com um nvel de confiana de 99%.
03) Desejamos estimar o tamanho da amostra para realizar uma pesquisa eleitoral.
Aceitando um erro percentual de 3% e desejando uma confiana de 95%, qual deve ser o
tamanho da amostra?
04) Os dados a seguir se referem a uma amostra de 20 tempos gastos (em minutos), por
veculos de passeio ao se deslocarem de Maring para Londrina: 76, 74, 80, 84, 72, 78, 90,
75, 76, 70, 78, 75, 74, 80, 74, 72, 80, 72, 74 e 75. Admitindo que a distribuio dos tempos
tenha distribuio normal, determine o intervalo de confiana com 95%.
06) Uma amostra aleatria de 29 copos de certo suco mostrou um contedo mdio do
lquido de 195 ml com desvio padro de 9 ml. Estimar com 95% de confiana o contedo
mdio de lquido nos copos deste tipo de suco.
07) Ao fazer uma promoo de rao para animais, uma loja de produtos agropecurios
anotou a venda diria durante 10 dias, cujos valores, em reais foram: 8500, 8300, 7500,
7100, 7200, 8000, 8800, 7600, 7000 e 7400. Admitindo que as vendas tm distribuio
normal, qual o intervalo de confiana de 95% para a verdadeira mdia de vendas?
79
08) Uma amostra de 15 pacotes de certa marca de caf apresentou peso mdio de 496 g e
desvio padro de 7 g. Admitindo que o peso tem distribuio normal, estime com 95% de
confiana a mdia de peso deste produto.
09) Vamos supor que o peso de recm nascidos tenha distribuio normal com desvio
padro 0,75 kg. Em uma amostra aleatria de 100 recm nascidos de uma regio,
obtivemos um peso mdio de 3 kg. Estime com 95% de confiana o peso mdio dos recm
nascidos daquela regio. Que tamanho de amostra devemos tomar para que tenhamos um
erro mximo de 0,12 kg com a mesma confiana?
80
Captulo 7
TESTES DE HIPTESES
81
H 0 :=0
H 0 :=0
ou
H1: 0
H1: > 0
ou
H 0 :=0
H1: < 0
H 0 :1 =2
H1:1 2
ou
H 0 :1 =2
ou
H1:1 > 2
H 0 :1 =2
H1:1 < 2
82
H 0 :=70
H1: 70
ou
H 0 :=70
H1: > 70
ou
H 0 :=70
H1: < 70
83
H
a)
: = 0
H1 : > 0
H 0 : = 0
H1 : 0
b)
c) H 0 : = 0
H1 : <
Como o teste feito com base em uma amostra e sabemos que essa amostra vai nos
trazer informaes sobre a populao, e no o seu comportamento exato, no fundo o que
se quer testar se h, ou no, uma diferena estatisticamente significativa entre a
informao ( x ), que a amostra traz sobre a mdia da populao, e o verdadeiro valor
( 0 ) dessa mdia, a ponto de rejeitar, ou no, a hiptese nula H0.
Assim, o critrio de deciso consiste em no rejeitar a hiptese H0 se forem
estatisticamente no significativas essas diferenas ( x 0 ); bem como rejeitar H0 se
essas diferenas forem estatisticamente significativas. Para medir essas diferenas, usamos
a estatstica do teste obtida da distribuio de X , que o estimador de .
2) Estatstica do teste:
a) Para varincia populacional, 2, conhecida: Pelo teorema do limite central sabemos
que X N(, 2/n), para qualquer tamanho de amostra n se a populao tiver distribuio
normal e para n suficientemente grande (n30) se a populao no tiver distribuio
normal. Nestas condies, a estatstica do teste :
Z=
X-
N(0 , 1).
/ n
X-
t(n-1)
s/ n
84
x- 0
/ n
ou
t calc =
x- 0
s/ n
4) Deciso: Se o valor da estatstica do teste zcal ou tcal pertencer regio crtica RC,
rejeitamos a hiptese H0 ao nvel de significncia. Caso contrrio, no podemos rejeitla.
85
Exemplo 7.1 Estamos desconfiados de que a mdia dos alunos do Curso de Cincias
Biolgicas - Ensino a Distncia, na disciplina de Bioestatstica 7,0. Tomamos uma
amostra aleatria de 25 alunos que forneceu mdia 6,5 e desvio padro 1,6. Se as notas dos
alunos tm distribuio normal, vamos testar ao nvel de significncia de 5% se a
verdadeira nota dos alunos 7,0.
Soluo:
Dados: =7,0,
n=25,
x =6,5
s=1,6
=5%
X-
.
s/ n
x- 0
s/ n
6,5-7,0
= 1, 56
1,6/ 25
86
87
H : p = p0
a) 0
H1 : p > p0
H : p = p0
b) 0
H1 : p p0
H : p = p0
c) 0
H1 : p < p0
2) Estatstica do teste:
Se np5 temos que p N(p , pq/n). Nestas condies, a estatstica do teste ser:
Z=
p -p
N(0,1)
p(1-p)
n
p -p 0
p 0 (1-p 0 )
n
3) Regio crtica ou de rejeio corresponde s reas hachuradas da figura abaixo para cada
tipo de teste:
4) Deciso: Se o valor da estatstica do teste zcal pertencer regio crtica RC, rejeitamos a
hiptese H0 ao nvel de significncia. Caso contrrio, no podemos rejeit-la.
1) Hipteses:
88
H 0 :p=0,12
H1:p>0,12
2) A estatstica do teste adequada :
Z=
p -p
N(0,1)
p(1-p)
n
4) Deciso: Como zcal=1,85 pertence regio crtica, rejeitamos a hiptese H0. Logo, pelos
dados amostrais, existe evidncia amostral para contestar a afirmao do produtor, ao nvel
de significncia de 5%.
89
EXERCCIOS
01) Supomos que a verdadeira proporo de estudantes que no estudam nos finais de
semana seja de 75%. Em um inqurito realizado entre 100 estudantes de certa
Universidade, verificamos que 65% no estudam nos finais de semana. Teste a hiptese ao
nvel de significncia de 1%.
02) Um fabricante afirma que 5% dos copos que ele fornece apresentam defeitos. Em 120
copos selecionados aleatoriamente, encontramos 7 copos com defeitos. Ao nvel de
significncia de 5% podemos concluir que a proporo de copos com defeitos superior a
que o fabricante afirma?
03) Uma amostra aleatria de 29 copos de certo suco mostrou um contedo mdio do
lquido de 195 ml, com desvio padro de 9 ml. Supondo populao normal, teste a hiptese
de que a mdia inferior a 200 ml, ao nvel de 5% de significncia.
04) Ao fazer uma promoo de rao para animais, uma loja de produtos agropecurios
anotou a venda diria durante 10 dias, cujos valores, em reais foram: 8500, 8300, 7500,
7100, 7200, 8000, 8800, 7600, 7000 e 7400. Supondo distribuio normal e se a venda
mdia diria da loja de 7500 reais, verifique ao nvel de significncia de 5%, se a
promoo foi vlida ou no.
05) Desconfiamos que o peso dos pacotes de certa marca de caf est abaixo do
especificado na embalagem que de 500 g. Uma amostra de 15 pacotes apresentou mdia
de 496 g. Supondo distribuio normal com desvio padro 7,0 g para os pesos dos pacotes,
h evidencia amostral para confirmar a suspeita, ao nvel de 5% de significncia?
90
H 0 : 12 = 22
a)
2
2
H 1 : 1 2
H 0 : 12 = 22
b)
2
2
H 1: 1 > 2
H : 2 = 22
c ) 0 12
2
H 1: 1 < 2
S12 / 12
tem uma distribuio F com (n1-1, n2-1) graus de liberdade. Sob a
S 22 / 22
S12 / 12
S 22 / 22
~ F(n 1 1, n 2 1)
s12
s 22
2
2
,
se
s
s
ou
F
=
, se s 22 s12
1
2
cal
s 22
s12
Os graus de liberdade da distribuio F devem ser tomados de tal forma que o grau
de liberdade do numerador deve ser sempre citado primeiro.
91
4) Deciso: Se o valor da estatstica do teste Fcal pertencer regio crtica RC, rejeitamos a
hiptese H0 ao nvel de significncia. Caso contrrio, no podemos rejeit-la.
Exemplo 7.3 (Analyst 1982, 107, 1047, D. Ballinger, A. Lloyd, A. Morrish) Um mtodo
proposto para a determinao do consumo qumico de oxignio em guas residuais foi
comparado com o mtodo de referncia (mtodo do sal de mercrio). Os resultados
seguintes foram obtidos para uma amostra de esgotos. Foram feitas 8 determinaes.
Podemos concluir que a preciso do mtodo proposto significativamente maior do que o
mtodo padro? Considerar nvel de significncia = 5%.
Mtodo
Mdia
Desvio padro
Standard
72
3,31
Proposto
72
1,51
H 1 : 1 > 2
s12 (3,31) 2
=
=4,8
s 22 (1,51) 2
92
Deciso: Como o valor observado excede ao valor crtico da distribuio (4,8 > 3,79)
rejeitamos a hiptese nula ao nvel de 5%. A preciso do mtodo proposto
significativamente maior.
A questo que trataremos agora pode ser colocada da seguinte forma: Ser que duas
amostras independentes de dimenso n1 e n2, com mdias x1 e x 2 , e varincias s12 e s 22 ,
respectivamente, provm de populaes com mesma mdia? Em outras palavras, h
evidncia amostral de que as mdias populacionais 1 e 2 so iguais? Para verificar isso
consideremos duas populaes X1 e X2 independentes tais que X1 N( 1 , 12 ) e X2 N( 2
, 22 ).
H : = 2
b) 0 1
H 1 : 1 > 2
H : = 2
c) 0 1
H 1 : 1 < 2
(X 1 -X 2 )-(1 - 2 )
21
n1
22
N(0,1)
n2
(X 1 -X 2 )
21
n1
22
n2
93
1 1
+
n1 n 2
t=
t v , onde v=
2
2
2
2
s1 s 2
S2 n
S2 n
+
1 1
2 2
n1 n 2
+
n -1
n -1
1
2
) (
s1 s 2
+
n1 n 2
Para a construo da regio crtica podemos substituir a tabela t pela tabela N(0,1)
sempre que o grau de liberdade for maior que 30.
Exemplo 7.4 Vamos supor duas turmas (T1 e T2) de Bioestatstica. Desejamos comparar as
turmas com relao mdia na disciplina. Uma amostra de tamanho 11, da turma 1,
forneceu valores para a mdia e varincia respectivamente 7,6 e 6,5. Uma amostra de
tamanho 13, da turma 2, forneceu valores 7,0 para a mdia e 4,5 para a varincia. Supondo
normalidade das populaes, podemos concluir com 5% de significncia, que a turma 1
tem mdia maior que a turma 2?
94
s12 6,5
=
=1,44
s 22 4,5
4) Deciso: Como o valor observado no excede ao valor crtico da distribuio (1,44 <
3,37) no rejeitamos a hiptese nula ao nvel de 5%. H homogeneidade das varincias.
H 0 : 1 = 2
1) Hipteses:
onde 1 a mdia da turma 1 e 2 a mdia da turma 2.
H 1 : 1 > 2
t cal =
(7,6-7,0)
(11-1)6,5+(13-1)4,5 1 1
+
11+13-2
11 13
=0,65
95
x1 x2 x3 ................xn
y1
y2
y3 ................yn
D=X-Y
d1
d2
d3 ................dn
96
H 0 : D =0
b)
H1: D >0
H 0 : D =0
c)
H1: D <0
D- D ,
t=
s n
onde D=
i=1
Exemplo 7.5 Vamos supor que dez aves foram submetidas a um tratamento com uma
rao especial para o aumento de peso. Os pesos, em gramas, no princpio e no fim de uma
semana, esto abaixo. Ao nvel de 1% de significncia, podemos concluir que o uso da
rao contribuiu para o aumento do peso mdio das aves?
Aves
10
Antes(X)
1635
1704
1662
1560
1603
1745
1650
1515
1603
1659
Depois(Y)
1640
1744
1692
1568
1620
1750
1700
1585
1635
1682
40
30
17
50
70
32
23
Di
t cal =
d
s
28
= 4,19
21,12 10
4) Deciso: como o valor de tcal= 4,19 > t = 2,82, a deciso rejeitarmos a hiptese nula,
ao nvel de confiana de 1%. Logo, pelos dados amostrais, podemos dizer que houve
aumento de peso, ou seja, o tratamento foi significativo.
97
EXERCCIOS
06) Um estudo sobre a produo de leite de duas raas de animais forneceu os seguintes
resultados da produo diria (em kg). Desconfiamos que as raas A e B diferem quanto
produo mdia diria de leite. Supondo populaes normais, qual a concluso ao nvel de
5% de significncia?
Raa
10
11
12
13
21
19
22
18
20
23
25
21
18
19
22
23
20
18
21
20
19
22
23
19
18
22
24
23
21
20
07) Para comparar as mdias de duas populaes (I e II) em um estudo, amostras aleatrias
foram obtidas. Os resultados so apresentados abaixo. Teste a hiptese de que a mdia da
populao I maior que a da populao II, considerando um nvel de 10% de significncia
e populaes normais.
Amostra (I)
30
35
50
75
80
60
80
Amostra (II)
70
90
35
82
61
55
69
08) Para testarmos a eficincia de determinada rao para o aumento de peso (em gramas)
em ratos, selecionamos 10 animais. O peso antes do tratamento e aps 12 dias de uso do
produto so apresentados abaixo. Supondo populao normal, qual a concluso sobre a
eficincia do produto ao nvel de 5% de significncia?
Animais
10
Incio
10
Final
11
12
11
12
13
10
14
12
13
98
Animais
10
Incio
21
19
20
18
20
20
18
21
18
20
Aps 30 dias
21
24
22
19
25
23
19
22
23
24
10) Uma mquina empacota caf em embalagens de 500 g, com variabilidade praticamente
constante. Duas amostras retiradas em duas semanas consecutivas forneceram os seguintes
resultados: n1=10 ; x 1 = 501; s1=5; n2=15; x 2 = 495; s2=6,0. Desconfiamos que a
regulagem da mquina quanto ao peso mdio fornecido possa ter sido modificada entre a
coleta das duas amostras. Qual a concluso, ao nvel de 5% de significncia, considerando
populaes normais?
99
1) Hipteses.
H0: As variveis so independentes.
H1: As variveis no so independentes, ou seja, elas apresentam algum grau
de associao entre si.
2) Estatstica do teste: A estatstica
(O ij -E ij ) 2
i= 1
j=1
E ij
2
v
, que tem
r o nmero de linhas.
f i .f j
n
100
2
cal
(O ij -E ij ) 2
i= 1
j= 1
E ij
4) Deciso: Se o
Exemplo 7.6
Tipo Sanguneo
Sexo
O
AB
Total
Masculino
132
160
20
320
Feminino
160
130
30
10
330
Total
292
290
50
18
650
1) Hipteses.
H0: Sexo e tipo sanguneo so variveis independentes.
H1: As variveis no so independentes, ou seja, elas apresentam algum grau
de associao entre si.
r
(O ij -E ij ) 2
i= 1
j=1
E ij
2
v
101
2
cal
(O ij -E ij ) 2
i= 1
j= 1
E ij
4) Deciso:
=31,14
2
3:0
, 0 1 = 7,81.
c2a l =31,14 est na regio crtica, ento rejeitamos a hiptese H0, ou seja, as
102
EXERCCIOS
1) Para estudar a associao entre sexo e tabagismo, numa certa populao, foi observada
uma amostra aleatria de 300 pessoas adultas dessa populao. Os dados esto
apresentados na tabela abaixo. As variveis faixa-etria, sexo e tabagismo so ou no
independentes? Usar um nvel de significncia de 5%.
Sexo
Tabagismo
Total
Masculino
Feminino
Fumante
92
38
130
No-fumante
108
62
170
Total
200
100
300
2) Com base nos dados fictcios, abaixo, teste a hiptese de independncia entre as
variveis condio e sexo, ao nvel de significncia de 5%.
Condio
Sexo
Total
Masculino
Feminino
Alcolatra
50
10
60
No-alcolatra
2150
1190
3340
Total
2200
1200
3400
103
REFERNCIAS
104
9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36
37 38 39 40 L/C
50
8
7
6
6
2
4
6
1
4
7
5
9
5
7
0
2
3
7
1
4
4
3
2
1
0
8
5
8
4
7
8
0
8
7
3
1
8
2
6
2
4
0
2
3
9
0
1
3
8
9
6
3
6
5
0
3
8
9
9
1
5
4
8
2
4
2
0
6
5
5
0
3
1
0
9
6
9
5
1
5
5
2
2
7
2
8
0
5
6
6
6
4
2
8
8
1
5
2
3
3
5
4
2
1
2
7
5
4
7
7
8
0
3
7
4
4
9
4
9
6
5
7
1
3
9
3
0
5
9
6
2
0
8
5
8
5
3
6
3
7
0
2
2
4
4
8
6
5
6
0
5
4
1
5
6
7
7
3
2
7
0
2
2
6
8
8
1
6
8
1
2
8
0
8
6
9
8
6
3
6
7
7
9
8
1
3
0
5
5
8
2
3
7
8
6
6
0
6
2
3
1
4
0
5
6
7
2
9
1
3
8
1
3
0
8
6
3
1
1
8
7
0
7
2
8
2
2
1
8
6
9
9
3
6
6
0
5
0
6
7
5
9
6
2
4
5
0
7
2
7
3
6
3
9
2
0
7
1
8
6
6
4
1
8
5
9
6
6
8
9
9
9
1
1
4
4
5
9
6
9
4
1
0
7
1
5
1
7
6
2
3
7
6
8
6
2
0
8
7
4
0
4
8
4
4
8
6
0
1
0
7
0
9
0
2
3
1
8
7
3
8
5
1
7
8
1
2
3
0
8
9
0
4
7
8
0
2
1
2
2
8
2
4
1
8
0
1
4
7
7
4
4
9
8
4
3
5
1
8
8
8
6
6
3
8
3
8
6
3
4
9
6
3
0
8
1
3
5
9
9
2
7
5
1
5
4
1
3
5
3
2
1
6
6
9
9
5
8
2
1
5
3
6
8
9
3
6
7
6
6
1
0
0
9
1
6
2
4
7
0
2
7
8
4
0
6
5
8
4
6
1
7
6
5
9
8
9
2
8
9
5
3
6
3
2
0
9
1
9
6
7
2
1
4
0
3
7
5
1
5
5
7
2
4
4
3
4
8
3
1
5
1
3
1
7
3
0
4
8
7
8
0
1
1
0
5
6
5
8
7
6
3
4
7
8
1
6
0
1
4
L/C
9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36
L/C
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
6
3
3
8
5
5
9
8
6
5
1
2
5
8
5
4
0
5
7
4
3
4
8
4
0
1
0
8
7
5
9
2
9
8
7
7
3
5
8
6
9
1
9
1
3
7
6
7
8
4
0
9
5
5
8
6
5
7
0
9
0
6
0
4
7
5
0
8
8
4
3
8
7
3
3
5
8
5
1
2
4
2
0
8
9
7
8
1
7
1
3
4
9
3
5
5
1
8
4
6
9
6
0
0
5
7
2
3
8
0
3
2
1
4
8
5
4
3
4
6
6
1
2
8
6
2
4
9
2
1
1
5
6
0
3
6
5
7
6
8
6
8
1
7
6
9
5
2
8
4
4
3
3
5
0
7
1
3
0
2
8
3
6
7
2
3
1
5
9
7
3
5
3
8
3
2
7
2
5
7
4
4
1
2
9
2
7
7
4
9
7
8
6
0
2
7
3
6
7
3
9
7
9
7
3
7
3
6
6
6
4
0
0
3
1
5
6
6
8
3
5
1
2
7
9
2
0
4
8
5
2
9
6
0
3
6
4
4
9
2
3
7
9
4
4
8
6
2
2
3
9
4
6
3
5
7
9
9
3
9
2
8
1
1
1
7
4
8
3
4
0
4
7
9
8
1
8
3
1
2
5
0
0
7
5
8
1
4
2
1
9
6
6
4
2
5
9
5
2
9
4
2
4
6
0
2
2
7
2
4
3
3
2
6
2
3
2
9
5
4
6
3
3
2
7
6
4
7
1
6
4
9
9
1
9
3
4
7
7
0
8
2
6
0
6
1
1
1
8
5
3
8
0
3
0
1
6
1
6
6
8
2
5
1
1
6
7
6
7
8
0
6
2
1
4
2
6
0
4
1
5
2
9
3
9
2
7
6
0
7
0
9
2
4
8
8
9
4
3
4
6
1
9
5
7
9
6
6
9
0
4
9
9
1
7
0
0
5
8
8
2
1
4
4
9
6
3
5
0
1
1
8
6
3
9
1
5
3
8
4
5
2
8
3
6
2
9
1
0
1
1
4
2
8
7
5
1
9
4
5
3
5
8
0
4
8
9
6
4
4
1
3
6
2
0
7
6
0
9
2
4
2
8
2
9
4
7
4
9
5
5
7
8
1
5
4
0
0
3
6
9
4
0
7
9
9
0
7
5
2
8
3
0
7
1
9
1
7
7
1
6
4
2
3
7
5
7
7
4
9
8
5
8
7
2
6
7
1
3
7
0
5
0
3
6
0
9
6
1
5
3
2
0
7
6
0
3
4
4
0
4
0
6
5
5
0
3
9
3
3
2
0
5
8
9
9
3
2
0
4
0
1
1
0
0
4
6
7
2
1
8
6
5
2
6
9
8
2
4
8
7
1
7
6
0
8
0
3
2
9
4
7
3
1
3
0
4
0
5
7
9
6
2
6
5
9
9
8
1
2
9
6
8
8
0
8
8
8
8
6
7
8
4
3
1
7
1
4
3
1
7
0
4
2
6
1
0
9
3
1
8
6
2
1
7
4
9
3
8
6
3
2
0
5
3
5
9
4
5
9
8
9
1
5
1
1
8
3
9
4
2
1
2
9
9
6
8
8
9
0
1
6
4
3
9
8
2
2
4
8
3
6
3
3
8
1
1
4
7
6
2
4
2
2
9
5
6
6
6
1
9
0
2
5
4
2
0
3
2
7
4
9
0
8
8
5
4
7
5
2
3
7
5
7
4
7
4
7
9
6
6
0
9
6
6
4
1
2
1
9
9
4
4
7
4
7
4
0
8
0
1
3
4
0
1
2
6
3
9
0
7
8
7
8
6
6
2
9
4
6
1
9
8
7
8
7
0
3
8
2
6
1
2
5
5
3
6
1
9
7
9
9
2
1
9
2
8
9
0
5
9
5
8
8
1
9
4
7
8
0
3
3
9
4
0
4
5
7
0
8
1
2
9
4
7
0
2
4
7
5
0
2
4
8
1
6
0
3
9
2
0
9
4
4
2
9
3
7
5
5
6
3
3
4
7
1
9
3
6
3
2
4
5
0
5
9
7
5
4
9
7
7
7
3
0
7
3
8
4
8
2
4
4
7
0
3
2
4
2
1
8
8
7
3
9
5
5
8
7
2
8
4
3
4
8
7
5
3
2
3
4
3
8
0
8
5
3
0
3
0
3
9
6
1
6
5
3
0
5
1
1
4
4
6
4
2
1
5
7
0
6
5
5
8
7
9
8
6
5
7
1
0
6
9
1
9
4
8
3
0
9
9
9
8
7
9
0
0
1
0
0
1
1
5
5
1
5
0
6
7
9
2
3
8
5
4
1
9
7
7
5
2
8
3
4
3
0
9
8
6
9
6
1
0
5
4
2
2
1
4
3
2
2
3
2
8
9
0
3
1
8
9
1
8
2
7
7
7
6
2
4
7
3
8
9
9
0
4
1
2
3
8
8
0
6
9
8
0
3
5
4
2
3
3
3
4
2
5
9
4
2
7
0
4
9
1
8
6
3
7
2
9
3
6
0
2
2
6
8
6
0
4
6
0
0
8
0
2
7
8
1
3
3
4
2
2
6
4
7
7
7
7
2
9
9
6
3
4
8
9
8
5
9
4
5
6
9
2
5
0
1
3
0
7
0
5
9
3
7
4
5
4
4
1
9
8
2
9
8
8
7
5
2
3
4
7
7
5
3
4
6
9
5
2
6
4
0
8
1
9
4
7
4
4
3
1
9
6
5
2
7
9
6
9
5
2
0
8
9
7
5
9
7
0
7
1
9
7
8
4
9
0
1
5
1
5
1
1
1
5
5
0
1
3
7
1
8
2
4
8
2
8
6
9
2
7
6
3
6
1
9
2
8
0
1
5
5
2
2
7
0
4
8
1
8
1
5
1
6
3
4
5
6
9
4
2
6
1
8
0
6
5
2
6
6
0
2
1
8
9
1
4
5
5
7
9
6
6
3
5
7
9
2
0
7
9
3
3
5
3
0
5
1
3
0
0
3
5
1
9
6
2
3
0
1
1
9
2
0
6
3
4
5
0
7
3
9
7
0
2
9
8
6
2
2
6
6
9
8
1
9
4
9
7
0
0
0
8
4
4
4
6
5
0
5
0
2
7
8
7
8
6
7
8
9
7
7
8
2
6
6
6
0
3
6
2
9
1
2
1
9
9
1
7
7
4
1
3
6
9
1
5
0
7
6
0
7
6
7
3
4
3
1
5
1
4
4
7
9
8
0
8
8
4
3
5
1
3
5
3
6
5
9
6
5
7
1
9
5
6
3
9
4
1
5
7
0
7
2
7
6
2
8
1
8
6
1
2
3
6
1
1
0
6
9
2
9
0
4
5
0
1
3
4
2
4
5
9
0
1
2
0
2
2
4
6
3
1
9
3
9
7
0
8
4
7
9
0
0
7
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
37 38 39 40 L/C
105
D IS TR IB U I O NO R M A L PAD R ON IZA DA
f(x) = 1/[(2 ) 1/2 * ] * e **{-1/2*[(x- )/ ] 2 }
z
-3,0
-2,9
-2,8
-2,7
-2,6
-2,5
-2,4
-2,3
-2,2
-2,1
-2,0
-1,9
-1,8
-1,7
-1,6
-1,5
-1,4
-1,3
-1,2
-1,1
-1,0
-0,9
-0,8
-0,7
-0,6
-0,5
-0,4
-0,3
-0,2
-0,1
0,0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1,0
1,1
1,2
1,3
1,4
1,5
1,6
1,7
1,8
1,9
2,0
2,1
2,2
2,3
2,4
2,5
2,6
2,7
2,8
2,9
3,0
0,00
0,0013
0,0019
0,0026
0,0035
0,0047
0,0062
0,0082
0,0107
0,0139
0,0179
0,0228
0,0287
0,0359
0,0446
0,0548
0,0668
0,0808
0,0968
0,1151
0,1357
0,1587
0,1841
0,2119
0,2420
0,2743
0,3085
0,3446
0,3821
0,4207
0,4602
0,5000
0,5398
0,5793
0,6179
0,6554
0,6915
0,7257
0,7580
0,7881
0,8159
0,8413
0,8643
0,8849
0,9032
0,9192
0,9332
0,9452
0,9554
0,9641
0,9713
0,9772
0,9821
0,9861
0,9893
0,9918
0,9938
0,9953
0,9965
0,9974
0,9981
0,9987
0,01
0,0013
0,0018
0,0025
0,0034
0,0045
0,0060
0,0080
0,0104
0,0136
0,0174
0,0222
0,0281
0,0351
0,0436
0,0537
0,0655
0,0793
0,0951
0,1131
0,1335
0,1562
0,1814
0,2090
0,2389
0,2709
0,3050
0,3409
0,3783
0,4168
0,4562
0,5040
0,5438
0,5832
0,6217
0,6591
0,6950
0,7291
0,7611
0,7910
0,8186
0,8438
0,8665
0,8869
0,9049
0,9207
0,9345
0,9463
0,9564
0,9649
0,9719
0,9778
0,9826
0,9864
0,9896
0,9920
0,9940
0,9955
0,9966
0,9975
0,9982
0,9987
0,02
0,0013
0,0018
0,0024
0,0033
0,0044
0,0059
0,0078
0,0102
0,0132
0,0170
0,0217
0,0274
0,0344
0,0427
0,0526
0,0643
0,0778
0,0934
0,1112
0,1314
0,1539
0,1788
0,2061
0,2358
0,2676
0,3015
0,3372
0,3745
0,4129
0,4522
0,5080
0,5478
0,5871
0,6255
0,6628
0,6985
0,7324
0,7642
0,7939
0,8212
0,8461
0,8686
0,8888
0,9066
0,9222
0,9357
0,9474
0,9573
0,9656
0,9726
0,9783
0,9830
0,9868
0,9898
0,9922
0,9941
0,9956
0,9967
0,9976
0,9982
0,9987
0,03
0,0012
0,0017
0,0023
0,0032
0,0043
0,0057
0,0075
0,0099
0,0129
0,0166
0,0212
0,0268
0,0336
0,0418
0,0516
0,0630
0,0764
0,0918
0,1093
0,1292
0,1515
0,1762
0,2033
0,2327
0,2643
0,2981
0,3336
0,3707
0,4090
0,4483
0,5120
0,5517
0,5910
0,6293
0,6664
0,7019
0,7357
0,7673
0,7967
0,8238
0,8485
0,8708
0,8907
0,9082
0,9236
0,9370
0,9484
0,9582
0,9664
0,9732
0,9788
0,9834
0,9871
0,9901
0,9925
0,9943
0,9957
0,9968
0,9977
0,9983
0,9988
0,04
0,0012
0,0016
0,0023
0,0031
0,0041
0,0055
0,0073
0,0096
0,0125
0,0162
0,0207
0,0262
0,0329
0,0409
0,0505
0,0618
0,0749
0,0901
0,1075
0,1271
0,1492
0,1736
0,2005
0,2296
0,2611
0,2946
0,3300
0,3669
0,4052
0,4443
0,5160
0,5557
0,5948
0,6331
0,6700
0,7054
0,7389
0,7704
0,7995
0,8264
0,8508
0,8729
0,8925
0,9099
0,9251
0,9382
0,9495
0,9591
0,9671
0,9738
0,9793
0,9838
0,9875
0,9904
0,9927
0,9945
0,9959
0,9969
0,9977
0,9984
0,9988
0,05
0,0011
0,0016
0,0022
0,0030
0,0040
0,0054
0,0071
0,0094
0,0122
0,0158
0,0202
0,0256
0,0322
0,0401
0,0495
0,0606
0,0735
0,0885
0,1056
0,1251
0,1469
0,1711
0,1977
0,2266
0,2578
0,2912
0,3264
0,3632
0,4013
0,4404
0,5199
0,5596
0,5987
0,6368
0,6736
0,7088
0,7422
0,7734
0,8023
0,8289
0,8531
0,8749
0,8944
0,9115
0,9265
0,9394
0,9505
0,9599
0,9678
0,9744
0,9798
0,9842
0,9878
0,9906
0,9929
0,9946
0,9960
0,9970
0,9978
0,9984
0,9989
0,06
0,0011
0,0015
0,0021
0,0029
0,0039
0,0052
0,0069
0,0091
0,0119
0,0154
0,0197
0,0250
0,0314
0,0392
0,0485
0,0594
0,0721
0,0869
0,1038
0,1230
0,1446
0,1685
0,1949
0,2236
0,2546
0,2877
0,3228
0,3594
0,3974
0,4364
0,5239
0,5636
0,6026
0,6406
0,6772
0,7123
0,7454
0,7764
0,8051
0,8315
0,8554
0,8770
0,8962
0,9131
0,9279
0,9406
0,9515
0,9608
0,9686
0,9750
0,9803
0,9846
0,9881
0,9909
0,9931
0,9948
0,9961
0,9971
0,9979
0,9985
0,9989
0,07
0,0011
0,0015
0,0021
0,0028
0,0038
0,0051
0,0068
0,0089
0,0116
0,0150
0,0192
0,0244
0,0307
0,0384
0,0475
0,0582
0,0708
0,0853
0,1020
0,1210
0,1423
0,1660
0,1922
0,2206
0,2514
0,2843
0,3192
0,3557
0,3936
0,4325
0,5279
0,5675
0,6064
0,6443
0,6808
0,7157
0,7486
0,7794
0,8078
0,8340
0,8577
0,8790
0,8980
0,9147
0,9292
0,9418
0,9525
0,9616
0,9693
0,9756
0,9808
0,9850
0,9884
0,9911
0,9932
0,9949
0,9962
0,9972
0,9979
0,9985
0,9989
0,08
0,0010
0,0014
0,0020
0,0027
0,0037
0,0049
0,0066
0,0087
0,0113
0,0146
0,0188
0,0239
0,0301
0,0375
0,0465
0,0571
0,0694
0,0838
0,1003
0,1190
0,1401
0,1635
0,1894
0,2177
0,2483
0,2810
0,3156
0,3520
0,3897
0,4286
0,5319
0,5714
0,6103
0,6480
0,6844
0,7190
0,7517
0,7823
0,8106
0,8365
0,8599
0,8810
0,8997
0,9162
0,9306
0,9429
0,9535
0,9625
0,9699
0,9761
0,9812
0,9854
0,9887
0,9913
0,9934
0,9951
0,9963
0,9973
0,9980
0,9986
0,9990
0,09
0,0010
0,0014
0,0019
0,0026
0,0036
0,0048
0,0064
0,0084
0,0110
0,0143
0,0183
0,0233
0,0294
0,0367
0,0455
0,0559
0,0681
0,0823
0,0985
0,1170
0,1379
0,1611
0,1867
0,2148
0,2451
0,2776
0,3121
0,3483
0,3859
0,4247
0,5359
0,5753
0,6141
0,6517
0,6879
0,7224
0,7549
0,7852
0,8133
0,8389
0,8621
0,8830
0,9015
0,9177
0,9319
0,9441
0,9545
0,9633
0,9706
0,9767
0,9817
0,9857
0,9890
0,9916
0,9936
0,9952
0,9964
0,9974
0,9981
0,9986
0,9990
106
DISTRIBUIO T DE STUDENT
f(x) = [( +1)/2]/ ( /2) * ( * )[-1/2] * [1 + (x2/ )][-( +1)/2]
UNICAUDAL
0,005
0,01
BICAUDAL
NVEL DE SIGNIFICNCIA PARA TESTE UNILATERAL
0,015 0,02 0,025 0,03 0,035 0,04 0,05 0,1 0,15
Graus de
NVEL DE SIGNIFICNCIA PARA TESTE BILATERAL
Liberdade
0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,10 0,20 0,30
gl
1
63,66 31,82 21,20 15,89 12,71 10,58 9,06 7,92 6,31 3,08 1,96
2
9,92 6,96 5,64 4,85 4,30 3,90 3,58 3,32 2,92 1,89 1,39
3
5,84 4,54 3,90 3,48 3,18 2,95 2,76 2,61 2,35 1,64 1,25
4
4,60 3,75 3,30 3,00 2,78 2,60 2,46 2,33 2,13 1,53 1,19
5
4,03 3,36 3,00 2,76 2,57 2,42 2,30 2,19 2,02 1,48 1,16
6
3,71 3,14 2,83 2,61 2,45 2,31 2,20 2,10 1,94 1,44 1,13
7
3,50 3,00 2,71 2,52 2,36 2,24 2,14 2,05 1,89 1,41 1,12
8
3,36 2,90 2,63 2,45 2,31 2,19 2,09 2,00 1,86 1,40 1,11
9
3,25 2,82 2,57 2,40 2,26 2,15 2,06 1,97 1,83 1,38 1,10
10
3,17 2,76 2,53 2,36 2,23 2,12 2,03 1,95 1,81 1,37 1,09
11
3,11 2,72 2,49 2,33 2,20 2,10 2,01 1,93 1,80 1,36 1,09
12
3,05 2,68 2,46 2,30 2,18 2,08 1,99 1,91 1,78 1,36 1,08
13
3,01 2,65 2,44 2,28 2,16 2,06 1,97 1,90 1,77 1,35 1,08
14
2,98 2,62 2,41 2,26 2,14 2,05 1,96 1,89 1,76 1,35 1,08
15
2,95 2,60 2,40 2,25 2,13 2,03 1,95 1,88 1,75 1,34 1,07
16
2,92 2,58 2,38 2,24 2,12 2,02 1,94 1,87 1,75 1,34 1,07
17
2,90 2,57 2,37 2,22 2,11 2,02 1,93 1,86 1,74 1,33 1,07
18
2,88 2,55 2,36 2,21 2,10 2,01 1,93 1,86 1,73 1,33 1,07
19
2,86 2,54 2,35 2,20 2,09 2,00 1,92 1,85 1,73 1,33 1,07
20
2,85 2,53 2,34 2,20 2,09 1,99 1,91 1,84 1,72 1,33 1,06
21
2,83 2,52 2,33 2,19 2,08 1,99 1,91 1,84 1,72 1,32 1,06
22
2,82 2,51 2,32 2,18 2,07 1,98 1,90 1,84 1,72 1,32 1,06
23
2,81 2,50 2,31 2,18 2,07 1,98 1,90 1,83 1,71 1,32 1,06
24
2,80 2,49 2,31 2,17 2,06 1,97 1,90 1,83 1,71 1,32 1,06
25
2,79 2,49 2,30 2,17 2,06 1,97 1,89 1,82 1,71 1,32 1,06
26
2,78 2,48 2,30 2,16 2,06 1,97 1,89 1,82 1,71 1,31 1,06
27
2,77 2,47 2,29 2,16 2,05 1,96 1,89 1,82 1,70 1,31 1,06
28
2,76 2,47 2,29 2,15 2,05 1,96 1,88 1,82 1,70 1,31 1,06
29
2,76 2,46 2,28 2,15 2,05 1,96 1,88 1,81 1,70 1,31 1,06
30
2,75 2,46 2,28 2,15 2,04 1,95 1,88 1,81 1,70 1,31 1,05
40
2,70 2,42 2,25 2,12 2,02 1,94 1,86 1,80 1,68 1,30 1,05
50
2,68 2,40 2,23 2,11 2,01 1,92 1,85 1,79 1,68 1,30 1,05
60
2,66 2,39 2,22 2,10 2,00 1,92 1,84 1,78 1,67 1,30 1,05
120
2,62 2,36 2,20 2,08 1,98 1,90 1,83 1,77 1,66 1,29 1,04
2,58 2,33 2,17 2,05 1,96 1,88 1,81 1,75 1,64 1,28 1,04
0,2
0,25
0,40
1,38
1,06
0,98
0,94
0,92
0,91
0,90
0,89
0,88
0,88
0,88
0,87
0,87
0,87
0,87
0,86
0,86
0,86
0,86
0,86
0,86
0,86
0,86
0,86
0,86
0,86
0,86
0,85
0,85
0,85
0,85
0,85
0,85
0,84
0,84
0,50
1,00
0,82
0,76
0,74
0,73
0,72
0,71
0,71
0,70
0,70
0,70
0,70
0,69
0,69
0,69
0,69
0,69
0,69
0,69
0,69
0,69
0,69
0,69
0,68
0,68
0,68
0,68
0,68
0,68
0,68
0,68
0,68
0,68
0,68
0,67
107
Distribuio Qui-Quadrado
f(x) = {1/[2 /2* ( /2)]} * [x( /2)-1 * e-x/2]
Graus de
Liberdade gl
0,5%
1,0%
2,0%
2,5%
4,0%
5,0%
10,0% 15,0%
20,0%
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
50
7,88
10,60
12,84
14,86
16,75
18,55
20,28
21,95
23,59
25,19
26,76
28,30
29,82
31,32
32,80
34,27
35,72
37,16
38,58
40,00
41,40
42,80
44,18
45,56
46,93
48,29
49,64
50,99
52,34
53,67
55,00
56,33
57,65
58,96
60,27
61,58
62,88
64,18
65,48
66,77
79,49
6,63
9,21
11,34
13,28
15,09
16,81
18,48
20,09
21,67
23,21
24,72
26,22
27,69
29,14
30,58
32,00
33,41
34,81
36,19
37,57
38,93
40,29
41,64
42,98
44,31
45,64
46,96
48,28
49,59
50,89
52,19
53,49
54,78
56,06
57,34
58,62
59,89
61,16
62,43
63,69
76,15
5,41
7,82
9,84
11,67
13,39
15,03
16,62
18,17
19,68
21,16
22,62
24,05
25,47
26,87
28,26
29,63
31,00
32,35
33,69
35,02
36,34
37,66
38,97
40,27
41,57
42,86
44,14
45,42
46,69
47,96
49,23
50,49
51,74
53,00
54,24
55,49
56,73
57,97
59,20
60,44
72,61
5,02
7,38
9,35
11,14
12,83
14,45
16,01
17,53
19,02
20,48
21,92
23,34
24,74
26,12
27,49
28,85
30,19
31,53
32,85
34,17
35,48
36,78
38,08
39,36
40,65
41,92
43,19
44,46
45,72
46,98
48,23
49,48
50,73
51,97
53,20
54,44
55,67
56,90
58,12
59,34
71,42
4,22
6,44
8,31
10,03
11,64
13,20
14,70
16,17
17,61
19,02
20,41
21,79
23,14
24,49
25,82
27,14
28,44
29,75
31,04
32,32
33,60
34,87
36,13
37,39
38,64
39,89
41,13
42,37
43,60
44,83
46,06
47,28
48,50
49,72
50,93
52,14
53,34
54,55
55,75
56,95
68,80
3,84
5,99
7,81
9,49
11,07
12,59
14,07
15,51
16,92
18,31
19,68
21,03
22,36
23,68
25,00
26,30
27,59
28,87
30,14
31,41
32,67
33,92
35,17
36,42
37,65
38,89
40,11
41,34
42,56
43,77
44,99
46,19
47,40
48,60
49,80
51,00
52,19
53,38
54,57
55,76
67,50
2,71
4,61
6,25
7,78
9,24
10,64
12,02
13,36
14,68
15,99
17,28
18,55
19,81
21,06
22,31
23,54
24,77
25,99
27,20
28,41
29,62
30,81
32,01
33,20
34,38
35,56
36,74
37,92
39,09
40,26
41,42
42,58
43,75
44,90
46,06
47,21
48,36
49,51
50,66
51,81
63,17
1,64
3,22
4,64
5,99
7,29
8,56
9,80
11,03
12,24
13,44
14,63
15,81
16,98
18,15
19,31
20,47
21,61
22,76
23,90
25,04
26,17
27,30
28,43
29,55
30,68
31,79
32,91
34,03
35,14
36,25
37,36
38,47
39,57
40,68
41,78
42,88
43,98
45,08
46,17
47,27
58,16
2,07
3,79
5,32
6,74
8,12
9,45
10,75
12,03
13,29
14,53
15,77
16,99
18,20
19,41
20,60
21,79
22,98
24,16
25,33
26,50
27,66
28,82
29,98
31,13
32,28
33,43
34,57
35,71
36,85
37,99
39,12
40,26
41,39
42,51
43,64
44,76
45,89
47,01
48,13
49,24
60,35
108
109
110
111
112