04/03/2016

UNIVERSIDADE FEDERAL DO PARAN

SETOR DE CINCIAS DA TERRA
DEPARTAMENTO DE GEOMTICA

AJUSTAMENTO I GA106
Prof. Alvaro Muriel Lima Machado
1

Introduo

Medidas e Observaes
(processo ou operao X resultado da operao)

Introduo

Propriedades fundamentais da medida:

Medir significa realizar uma operao fsica, consistindo de vrias
operaes elementares tais como preparao, calibrao, pontaria,
leitura, etc.;
O resultado do processo a observao, e representa a medida;
A no ser na contagem de certos eventos, a medida sempre
realizada com o auxlio de instrumentos;
As medidas esto referenciadas a um padro, os quais so
estabelecidos por conveno. Medir ento comparar uma grandeza
a um padro, tendo ento unidade e dimenso;

04/03/2016

Introduo
As medies podem ser feitas:
Diretamente
Indiretamente

h=

d .tg
.tg
tg tg

Introduo

No processo de medio, o
operador

deve

ter

conscincia que no existe

observao exata e todas as

medidas esto afetadas por
erros.

Introduo
Erros de Observao
No existe observao exata;
Toda e qualquer observao contm erros;
O valor verdadeiro da observao nunca
conhecido;
A magnitude exata dos erros presentes no processo
sempre desconhecida.
Erro = Valor Medido Valor Verdadeiro
Desvio = Valor Medido Valor Mais Provvel
Qual a unidade de erro / desvio?

04/03/2016

Introduo

A Teoria dos Erros cuida da anlise dos erros cometidos durante as

medies para saber se eles so estatisticamente confiveis e se
suas magnitudes so aceitveis (dentro de determinados limites).

Em seguida as medidas devem ser ajustadas de acordo com as

especificaes geomtricas ou outras particularidades (condies ou
restries) que possam interferir no processo de medio.

Finalmente obtm-se a melhor determinao do ponto medido.

Introduo

Fontes de Erros
Erros Instrumentais
Erros Naturais
Erros Pessoais
Classificao dos Erros de Observao
Erros Grosseiros
Erros Sistemticos
Erros Acidentais ou Aleatrios
8

Erros Grosseiros
So oriundos de uma falsa determinao do valor de uma grandeza.
Pode ser provocado pela falta de ateno do operador (equvoco), ou
pelo uso de equipamento inadequado.
Exemplo: Troca de dgitos em anotaes de medidas
Podem ser detectados atravs de procedimentos de verificao.
Geralmente, os valores errados so facilmente detectveis devido
sua grandeza, sem relao alguma com outras observaes
efetuadas. Quando isto no acontece so muito difceis de serem
identificados.

ATENO
9

04/03/2016

Erros Sistemticos
So oriundos de influncias externas s medies, sem serem
considerados no processo. Podem ser de origem instrumental, ou de
origem fsica (condies ambientais).
Exemplos: Medida eletrnica de longa distncia sem a considerao
do efeito da refrao. Operador de nvel que realiza a leitura sempre
um pouco abaixo do trao da mira. Equipamento de medio no
calibrado.
Este tipo de erro possui a particularidade de se repetir da mesma
forma sempre que a medio for repetida em condies idnticas.
Pode ser eliminado atravs de tcnicas especiais de observao ou
de modelo fsico adequado para o clculo da grandeza medida.
10

Erros Acidentais ou Aleatrios

Depois da eliminao dos erros grosseiros (adoo de procedimentos
de verificao) e dos erros sistemticos (adoo de modelos fsicos
apropriados), as observaes repetidas sobre uma mesma grandeza
ainda se revelam com discrepncias entre si. Tais erros no so
vinculados a nenhuma causa conhecida.

O erro acidental o erro estudado

na Teoria dos Erros!

11

Erros Acidentais ou Aleatrios

Quando a quantidade de observaes cresce:
Os resduos de mesmo mdulo e sinais opostos so
igualmente provveis;
Os resduos menores ocorrem com maior frequncia;
A mdia dos resduos aproximadamente nula.
Mdia de resduos diferente
de zero deve servir de alerta
para a presena de erros
sistemticos!

12

04/03/2016

Indicadores de Preciso
Preciso X Acurcia (Exatido)

Preciso:
Grau
de
afastamento
dos
valores
medidos em relao a sua
mdia.
Acurcia:
Grau
de
afastamento
dos
valores
medidos em relao ao seu
valor verdadeiro.

Preciso est vinculado apenas a efeitos aleatrios

Acurcia vincula-se a efeitos aleatrios e sistemticos.
13

Introduo
Importncia da redundncia nas observaes
Permite a deteco de erros grosseiros atravs da confirmao dos valores
medidos;
Permite uma avaliao mais precisa das propriedades desejadas, atravs da
execuo de um ajustamento;
Permite estimar a ordem de grandeza da preciso obtida para os valores
ajustados.
Graus de liberdade
Exemplos com verificao de erros de fechamento
Nivelamento em poligonal fechada
Somatria de ngulos internos de polgonos

Modelo Matemtico: funcional e estocstico

Ajustamentos
Mtodo dos Mnimos Quadrados (MMQ)

14

Estatstica
L = [ 22,7 22,3 21,9 22,6 23,1 22,9 22,8 23,5 21,7 23,2]
Dado

um

conjunto

de

elementos,

quais

as

ferramentas estatsticas que podem ser usadas

para representar e analisar o mesmo?

15

04/03/2016

Estatstica

Populao X Amostra
A populao consiste de todas as possveis medidas
que podem ser feitas de uma quantidade particular.
As vezes a populao tem um nmero infinito de
elementos (dados);
Amostra um subconjunto de dados selecionado a
partir da populao. Deve apresentar as mesmas
caractersticas (objeto de estudo) da populao, de
forma que possa represent-la adequadamente.
16

Estatstica

Populao

Amostra

Distribuio de Probabilidade (ou FDP)

Distribuio Amostral

Parmetros
(valor fixo)

estimar

Estatsticas
(varivel aleatria)

Por pontos
Por intervalos

17

Estatstica
Espao Amostral
= Conjunto de todos os resultados possveis.
Varivel Aleatria (v.a.) ou estocstica uma funo que
associa a cada elemento de um espao amostral um
nmero real.
uma funo que assume um valor real em cada ponto
de seu espao amostral.
A v.a. definida pela sua distribuio amostral, modelo
matemtico que associa uma probabilidade a cada valor
que a v.a. pode assumir.
18

04/03/2016

Estatstica
Intervalo /Disperso / Amplitude: diferena entre o maior e o
menor valor da leitura.
Frequncia: quantidade de vezes que um evento acontece.
Frequncia Acumulada: somatrio das frequncias.
Porcentagem: calcula-se da seguinte maneira

frequncia
x100%
total
Porcentagem Acumulada: somatrio das porcentagens.

19

Estatstica

Quando uma grande quantidade de dados brutos est envolvida nos

estudos, possvel distribu-los em classes ou categorias e determinar
o nmero de indivduos pertencentes a cada uma das classes,
denominado freqncia da classe.

Um arranjo tabular dos dados por classes, juntamente com as

freqncias correspondentes, denominado distribuio de freqncia
ou tabela de freqncia.

20

Estatstica
Histograma: grfico de barras que mostra a variao de uma medida
em um grupo de dados atravs da distribuio de frequncia.
Seu principal uso estimar a distribuio de uma caracterstica na
populao atravs de amostras.
O histograma demonstra visualmente a variabilidade das medidas de
uma caracterstica do processo em torno da mdia.

Vantagem:
Visualizao/entendimento
rpido do comportamento
da populao.

21

04/03/2016

Exerccio Resolvido
Alturas de 100 estudantes do sexo
masculino da Universidade XYZ
Altura (cm)

Nmero de estudantes

151 158

Amplitude

159 166

18

Classes

167 - 174

42

175 182

27

183 190

TOTAL

Limites de classe
Comprimento de classe
Frequncia

100

22

Histograma
Como construir um histograma?
1) Conte a quantidade de valores coletados na tabulao.
2) Determine a amplitude R de toda a tabulao, subtraindo o menor valor
do maior.
3) Determine a quantidade de classes K desejada.
4) Determine o intervalo de classe H = R/K.
5) Determine o limite das classes ou os pontos limites. Simplificando, tome
a menor medida individual da tabulao para ser o valor inferior do
primeiro intervalo. A este nmero acrescente o valor H e obter o valor
superior. Proceda da mesma forma com todos os outros valores at
chegar maior medida.
6) Construa uma tabela de frequncia baseada nos valores definidos no
passo 5 para os dados trabalhados no passo 1.
7) Construa o histograma baseado na tabela de frequncias.
23

Exerccio
A tabela abaixo mostra a distribuio de frequncia dos salrios, em reais,
de 65 empregados da Companhia X & Y.
Com referncia a esta tabela, determinar: a) O limite inferior da sexta classe;
b) O limite superior da quarta classe;
Salrios (Reais)
Nmero de
c) O ponto mdio da terceira classe;
empregados
d) Os limites reais da quinta classe;
e) Amplitude do quinto intervalo de
500,00 599,00
8
classe;
f) A frequncia da terceira classe;
600,00 699,00
10
g) A frequncia relativa da terceira
700,00 799,00
16
classe;
h) O intervalo de classe que tem a
800,00 899,00
14
maior frequncia (classe modal);
900,00 999,00
10
i) A porcentagem de empregados
1000,00 1099,00
5
que ganham menos de R$800,00;
j) A porcentagem de empregados
1100,00 1199,00
2
que ganham acima de R$599,00
TOTAL
65
e abaixo de R$1000,00;
k) Construir a distribuio de
frequncia acumulada.
24

04/03/2016

Exerccio Resolvido

25

Exerccio Resolvido
k) Construir a distribuio de frequncia acumulada.

26

Exerccio
Na tabela seguinte esto relacionados os pesos de quarenta estudantes do
sexo masculino da Universidade Estadual, arredondados para meio quilo.
Construir o histograma e histograma de frequncia relativa, considerando 6
classes.

69

82

75

66

72

62,5

74,5

78,5

73

79

70

73,5

68

74

76

72

84

63

69

88

81,5

59,5

77

82,5

73

86,5

71

73,5

67,5

76,5

70

67,5

80,5

72,5

67,5

71

75

78

72,5

64
27

04/03/2016

Exerccio Resolvido

28

Exerccio Resolvido

29

Estatstica
Medidas de tendncia central
N

Mdia aritmtica

M=

x
i =1

Mediana: o valor que ocupa o ponto intermedirio.

(separatrizes: quartis, decis, percentis)

Moda: o valor que mais frequentemente se repete.

30

10

04/03/2016

Estatstica

Exemplo:
Seja uma amostra de tamanho n. A sua mdia aritmtica
n

x=

i =1

Se cada um dos r valores distintos de xi ocorrer na amostra com uma

frequncia nj, a frmula anterior assumir a forma
r

nj xj

j =1

x =
r

x = xj. f j

sendo f j =

nj

j =1

a frequncia relativa.

31

Exerccio
x

p(x)

0,020

0,001

0,002

0,005

0,002

0,040

0,180

0,370

0,250

0,120

10

0,010

32

Estatstica
Medidas de disperso
n

Varincia da populao

Varincia da amostra

s =

i =1

2
i

n
n

v
i =1

2
i

n 1

Varincia envolve soma de quadrados

unidade diferente dos dados
33

11

04/03/2016

Estatstica
Medidas de disperso
n

Erro padro

i =1

2
i

n
n

Desvio padro

s=

v
i =1

2
i

n 1
n

Desvio padro da mdia

s =

v
i =1

2
i

n( n 1)

s
n
34

Medidas de disperso

Curva normal reduzida

=0
=1

z=

35

Exerccio
O conjunto de dados, mostrado abaixo, representa a poro em segundos de
arco de 50 medidas de uma direo. Calcular a mdia, a mediana, desvio
padro da amostra e construir um histograma de classes.
L(01:10) = [34.2 33.6 35.2 30.1 38.4 34.0 30.2 34.1 37.7 36.4];
L(11:20) = [37.9 33.0 33.5 35.9 35.9 32.4 39.3 32.2 32.8 36.3];
L(21:30) = [35.3 32.6 34.1 35.6 33.7 39.2 35.1 33.4 34.9 32.6];
L(31:40) = [36.7 34.8 36.4 33.7 36.1 34.8 36.7 30.0 35.3 34.4];
L(41:50) = [33.7 34.1 37.8 38.7 33.6 32.6 34.7 34.7 36.8 31.8];

36

12

04/03/2016

Exerccio Resolvido

function [classe, frequencia] = histo(observacoes, numeroClasses)

amplitude = max(observacoes) - min(observacoes);
TamanhoClasse = amplitude / numeroClasses;
MetadeTamanhoClasse = TamanhoClasse/2;
for K = 1 : numeroClasses
LimiteInferiorClasse(K) = min(observacoes) +(K-1)*TamanhoClasse;
LimiteSuperiorClasse(K) = LimiteInferiorClasse(K) + TamanhoClasse;
frequencia(K) = length(observacoes((LimiteInferiorClasse(K)<=observacoes) &
(observacoes<LimiteSuperiorClasse(K))));
classe(K) = LimiteInferiorClasse(K) + MetadeTamanhoClasse;
end;
plot(classe, frequencia)
37

Exerccio Resolvido
function [saida] = mediana(dados)
% Funo que calcula a mediana
% Tamanho do conjunto de dados
m = length(dados);
% Classificao ascendente dos dados
dados_em_ordem = sort(dados);
% Qtde de elementos do conjunto par ou impar?
if (mod(m,2) == 0)
saida = (dados_em_ordem(m/2)+dados_em_ordem(m/2+1))/2;
else
saida = dados_em_ordem(ceil(m/2));
end

38

Exerccio Resolvido

39

13

04/03/2016

Exerccio
Duas variveis, X e Y, assumem os valores X1 = 2, X2 = -5, X3 = 4, X4 = -8, e
Y1 = -3, Y2 = -8, Y3 = 10, Y4 = 6, respectivamente. Calcular:
a) X = X ;
2

b) Y;
c) XY
d) X2;
e) Y2;
f) (X)(Y);
g) XY2;
h) ((X+Y)(X-Y)).

40

Exerccio Resolvido
a) X;
X
2
-5
4
-8

X-

(X - )2

3,75
-3,25
5,75

14,0625
10,5625
33,0625
39,0625

-6,25

= -7

= 96,75

= -1,75
N

=
2

(X
i =1

) 2

N 1

96,75
= 32,25
3

41

Exerccio Resolvido

42

14

04/03/2016

Exerccio

Prove que a soma dos desvios de X1, X2, ..., Xn em relao sua mdia
aritmtica M, igual a zero.
N

X
i =1

N = X i
i =1

N = 0

i =1

X = 0
i =1

(X

i =1

) = 0

i =1

43

Exerccio
Um distancimetro eletrnico e um refletor foram instalados nos extremos
de uma linha de base com 500m de extenso aproximadamente. Um
operador repetiu 25 vezes a medida de seu comprimento e obteve os
seguintes resultados:
L(01:05) = [500.806 500.824 500.814 500.793 500.804];
L(06:10) = [500.803 500.816 500.820 500.811 500.807];
L(11:15) = [500.825 500.820 500.809 500.800 500.813];
L(16:20) = [500.813 500.817 500.812 500.815 500.805];
L(21:25) = [500.807 500.810 500.828 500.808 500.799];
Pede-se:
a) A mdia, mediana e o desvio padro dos dados;
b) Construir um histograma dos dados e descrever suas propriedades. No
histograma delimite o desvio padro a partir da mdia em ambos os
lados;
c) Quantas observaes esto entre a mdia e o desvio padro? (Ms), e
qual a percentagem que estas medidas representam?
44

Exerccio Resolvido

45

15

04/03/2016

Exerccio Resolvido
1*
2*
3*

68,26%
95,45%
99,73%

46

Exerccio
Uma distncia foi medida em duas partes com uma fita de ao de 100m de
comprimento, e depois, foi medida em sua totalidade com uma fita de ao
de 200m. As medidas foram repetidas 10 vezes em cada mtodo obtendo
os seguintes conjuntos de dados:
Observaes feitas com a fita de ao de 100m: (parte 1 e parte 2)
{100.001 100.018 99.974 99.992 99.972 99.990 99.950 99.984 99.979 99.988}
{49.329 49.365 49.346 49.300 49.327 49.324 49.349 49.357 49.341 49.333}

Observaes feitas com a fita de 200m: (medidas do total)

{149.326 149.397 149.357 149.294 149.337 149.338 149.329 149.331 149.370
149.363}

Pede-se:
a) A mdia, a varincia e o desvio padro para cada um dos dois conjuntos
das medidas parciais de distncia, e tambm para os conjuntos das
medidas considerando-se a distncia total;
b) Crie uma tabela de classes de frequncia e histograma para cada
conjunto de dados usando a largura da classe 0,009 (9mm).
47

Exerccio Resolvido

48

16

04/03/2016

Exerccios
Um pesquisador realizou um levantamento obtendo 84 observaes sobre uma
grandeza com mdia 65,00. Aps, verificou que duas destas observaes, com
medidas 95,52 e 105,82, estavam comprometidas. Deseja-se eliminar estas duas
medidas e calcular o valor da mdia.
Sabendo-se que a varincia de todas as observaes 41,590, qual vai ser o valor da
nova varincia (conjunto de observaes sem as medidas comprometidas)?

49

Exerccios
Um pesquisador realizou um levantamento obtendo 84 observaes sobre uma
grandeza com mdia 65,00. Aps, verificou que duas destas observaes, com
medidas 95,52 e 105,82, estavam comprometidas. Deseja-se eliminar estas duas
medidas e calcular o valor da mdia.
Sabendo-se que a varincia de todas as observaes 41,590, qual vai ser o valor da
nova varincia (conjunto de observaes sem as medidas comprometidas)?

50

Exerccios
Em uma instituio bancria, o salrio mdio dos 100 empregados do sexo
masculino de R$ 1.500,00, com desvio padro de R$100,00. O salrio mdio dos
150 empregados do sexo feminino de R$ 1.000,00, com desvio padro de
R$200,00. A varincia em (R$)2 dos dois grupos reunidos de: (BACEN, 2005)
a) 25.600,00; b) 28.000,00; c) 50.000,00; d) 62.500,00; e) 88.000,00

51

17

04/03/2016

Exerccios
Em uma instituio bancria, o salrio mdio dos 100 empregados do sexo
masculino de R$ 1.500,00, com desvio padro de R$100,00. O salrio mdio dos
150 empregados do sexo feminino de R$ 1.000,00, com desvio padro de
R$200,00. A varincia em (R$)2 dos dois grupos reunidos de: (BACEN, 2005)
a) 25.600,00; b) 28.000,00; c) 50.000,00; d) 62.500,00; e) 88.000,00

52

Exerccios
Em uma instituio bancria, o salrio mdio dos 100 empregados do sexo
masculino de R$ 1.500,00, com desvio padro de R$100,00. O salrio mdio dos
150 empregados do sexo feminino de R$ 1.000,00, com desvio padro de
R$200,00. A varincia em (R$)2 dos dois grupos reunidos de: (BACEN, 2005)
a) 25.600,00; b) 28.000,00; c) 50.000,00; d) 62.500,00; e) 88.000,00

53

Estatstica

Distribuio de probabilidade de uma v.a. discreta

Seja X uma v.a. discreta, isto , que assume valores em
associao com nmeros inteiros x1, x2, ..., xn.
Associemos a cada xi um nmero p(xi) representativo da
sua probabilidade.
p(xi) = P(X = xi)
tal que
a) 0 p(xi) 1
n

b)

p( x )
i =1

=1

c) P(a X b) =

p( x ) i tal que a X b.
i

54

18

04/03/2016

Estatstica

Distribuio de probabilidade de uma v.a. contnua

Seja X uma v.a. contnua.
A probabilidade pontual associada varivel discreta
substituda pela densidade de probabilidade (x) relativa
a um intervalo infinitsimo.
(x)dx = P(x X x+dx) ou ( x) = lim
x 0

P ( x X x + x)
x

tal que
a) (x) 0
b)

( x).dx = 1

c) P(a X b) =

( x).dx
a

55

Estatstica
A funo que estabelece a correspondncia
entre um valor da v.a. contido no intervalo
elementar e a densidade de probabilidade
denominada funo densidade de probabilidade
(fdp).
x2

P( x1 X x2 ) = ( x).dx
x1

56

Estatstica

Funo de distribuio de probabilidade acumulada

A funo tal que
x

( x) = P( X x) = (u ).du

funo
de
distribuio
(de
chama-se
probabilidade) acumulada (fda) de uma v.a.
contnua X.

57

19

04/03/2016

Exerccio
A mdia dos dimetros internos de uma amostra de 200 arruelas produzidas
por uma certa mquina 0,502 cm e o desvio padro 0,005 cm. A finalidade
para a qual essas arruelas so fabricadas permite a tolerncia mxima, para o
dimetro de 0,496cm a 0,508cm; se isso no se verificar, as arruelas sero
consideradas defeituosas. Determinar a percentagem de arruelas defeituosas
produzidas pela mquina, admitindo-se que os dimetros so distribudos
normalmente.
Curva normal reduzida
=0
=1

z=

58

Exerccio Resolvido

59

Exerccio

O peso mdio de 500 estudantes do sexo masculino, de uma determinada

universidade, 75,5kg e o desvio padro 7,5kg. Admitindo-se que os
pesos esto distribudos normalmente, com largura de classe
considerada de 0,5kg, determinar quantos estudantes pesam:
a) Entre 60,0kg e 77,5kg;
b) Mais do que 92,5kg;
c) Menos do que 64,0kg;
d) 64,0kg;
e) 64,0kg ou menos;

60

20

04/03/2016

Exerccio Resolvido

61

Exerccio Resolvido

62

Exerccio Resolvido

63

21

04/03/2016

Exerccio Resolvido

64

Exerccio Resolvido

65

Exerccio
Uma varivel aleatria contnua X, que pode assumir somente valores
compreendidos entre 2 e 8, inclusive, tem uma funo de densidade de
probabilidade dada por a*(X+3), em que a uma constante.
a) Calcular o valor de a;
b) Determinar Prob{3<X<5}
c) Determinar Prob{X4}
d) Determinar Prob{|X-5|<0,5}

66

22

04/03/2016

Exerccio Resolvido
b

a)

P (a X b ) = ( x ).dx
a

b) Prob{3<X<5} =

67

Exerccio Resolvido
8

c) Prob{X4} =

a * ( X + 3) * dx
4

d) Prob{|X-5|<0.5} = Prob{4,5<X<5,5}

68

Exerccio Resolvido
Usando a tabela de distribuio normal reduzida, determinar x de tal forma que:
a) P(0 X x)

d) P(X x)

b) P(-x X x)

e) P(X -x ou X x)

c) P(X x)
Elaborar uma tabela com 19 linhas
contendo todas as probabilidades de
5% a 95%, em incrementos de 5%.
69

23

04/03/2016

Exerccio Resolvido
a) P(0 X x)

d) P(X x)

b) P(-x X x)

e) P(X -x ou X x)

c) P(X x)

70

Distribuies
Funo de distribuio normal (Gauss)

f ( x) =

1 x 2

71

Distribuies
Funo de distribuio t (Student)
usada para comparar a mdia da populao com a mdia da
amostra M com base no nmero de graus de liberdade da amostra.
Esta distribuio indicada quando a amostra menor do que 30
(pequenas amostras). Assim ela muito importante para analisar
dados de levantamentos.

t=

72

24

04/03/2016

Distribuies
Funo de distribuio t (Student)
Para pequenas amostras a distribuio normal apresenta valores
menos precisos.
A principal diferena entre a distribuio normal e a t de Student que
esta tem mais rea nas caudas.

73

Distribuies
Funo de distribuio Chi-Quadrado

Compara a relao entre a varincia da amostra s2 e a varincia da

populao com base no nmero de redundncias ou graus de
liberdade da amostra.

.s 2
= 2

74

Distribuies
Funo de distribuio Chi-Quadrado

A distribuio Chi-Quadrado usada nas amostragens estatsticas

para determinar o limite (superior e/ou inferior) no qual a
varincia da populao pode ser esperada a ocorrer com base em:
a) Alguma porcentagem de probabilidade especificada;
b) A varincia da amostra;
c) O nmero de graus de liberdade da amostra.

75

25

04/03/2016

Distribuies
Funo de distribuio F (Snedecor)
Esta distribuio usada quando se quer comparar a varincia de
duas amostras.

F=

12 / 1
22 / 2

76

Estimativa de Parmetros (Estimao)

A estimativa de um parmetro populacional, dada por um nmero
nico, denominada estimativa por pontos.
A estimativa de um parmetro populacional, dada por dois nmeros,
entre os quais pode-se considerar que ele esteja situado,
denominado estimativa por intervalos.
As estimativas por intervalos indicam sua preciso e so, portanto,
preferveis s estimativas por pontos.
Exemplo: Dizendo-se que uma distncia foi observada com 5,28m,
est se apresentando uma estimativa por pontos. Se, por outro lado,
se disser que a distncia mede 5,280,03m, isto , que ela est
compreendida entre 5,25 e 5,31m, dentro de uma certa
probabilidade, apresenta-se uma estimativa por intervalos.
77

Exerccios
Um ngulo foi medido dez vezes, conforme a
tabela. Calcule as estimativas pontual e por
intervalo.
ESTIMATIVA PONTUAL
a) Mdia

b) Erro Mdio Quadrtico de uma

observao isolada

c) Erro Mdio Quadrtico da Mdia

Observao

ngulo (ai)

120 31' 40,1"

120 31' 41,2"

120 31' 40,8"

120 31' 42,1"

120 31' 42,9"

120 31' 42,4"

120 31' 43,0"

120 31' 40,7"

120 31' 41,9"

10

120 31' 41,5"

78

26

04/03/2016

Exerccios

Teste unilateral

Teste bilateral

79

Exerccios

O nvel de significncia representado pela letra grega (usualmente

expresso em porcentagem *100%). Indica a probabilidade de erro.

O nvel de confiana o complemento do nvel de significncia (1- )*100%,

e indica a probabilidade de certeza nas inferncias estatsticas.

80

Exerccios
ESTIMATIVA POR INTERVALO
a) Intervalo de confiana para a mdia (em funo do desvio padro)

P[ x

t1 / 2 x +

t1 / 2 ] = 1
Desvio padro da mdia

81

27

04/03/2016

Exerccios
ESTIMATIVA POR INTERVALO
a) Intervalo de confiana para a mdia (em funo do desvio padro)

P[ x

t1 / 2 x +

t1 / 2 ] = 1

82

Exerccios
ESTIMATIVA POR INTERVALO
b) Intervalo de confiana para a varincia
Cauda
superior

Graus de liberdade

2 (n 1)
2 (n 1)
P[ 2
2
] = 1
1 / 2
2 / 2

Cauda
inferior

83

Exerccios
ESTIMATIVA POR INTERVALO
b) Intervalo de confiana para a varincia

P[

2 (n 1)
2 (n 1)
2
] = 1
2
1 / 2
2 / 2

84

28

04/03/2016

Exerccios
Um ngulo foi medido em quatro etapas.
Tomando pesos proporcionais ao
nmero de observaes, estimar o valor
do ngulo e sua preciso.
ESTIMATIVA PONTUAL
a) Mdia ponderada

ngulo

Observaes

Peso

80 50 12

80 50 14

80 50 12

80 50 18

b) Erro Mdio Quadrtico de uma observao

isolada

m = =

( pi vi2 )
=
n 1

c) Erro Mdio Quadrtico da Mdia Ponderada

mx = x =

pi
85

Exerccios
ESTIMATIVA POR INTERVALO
a) Intervalo de confiana para a mdia ponderada

P[ x x t1 / 2 x + x t1 / 2 ] = 1

86

Exerccios
ESTIMATIVA POR INTERVALO
b) Intervalo de confiana para a varincia

P[

pi vi2

2
1 / 2

pi vi2

2 / 2

] = 1

87

29

04/03/2016

Estatstica

Esperana Matemtica de uma v.a.

Define-se valor esperado, valor mdio, expectncia, esperana
matemtica, ou simplesmente esperana de uma v.a. contnua X por

E{ X } = x =

x. ( x).dx

De maneira anloga define-se a esperana de uma funo de v.a. f(X)

E{ f ( X )} = x =

f ( X ). ( x).dx

Esperana matemtica de uma v.a. discreta

n

E{ X } = xi . p ( xi )
i =1

88

Estatstica
Se

x E{X }

f i p( xi )

Propriedades da esperana matemtica:

a) Sendo C e C constantes
E{C} = C;
E{CX} = CE{X};
E{C+CX} = C+CE{X}
b) E{X+Y+...+Z} = E{X} + E{Y} + ... + E{Z}
E{CX+CY} = CE{X} + CE{Y}
c) E{XY} = E{X} . E{Y} +cov(XY)
d) E{E{X}} = E{X}
e) E{X2} (E{X})2
89

Estatstica
Momento de ordem r de uma v.a.
em relao sua esperana matemtica
(momento centrado) definido como:
+

M r = E{( X x ) r } = ( x x ) r .( x ).dx

Tem particular importncia o momento de segunda ordem ou VARINCIA (r = 2)

+( x ) 2 . ( x).dx
x

var( X ) = = E{( X x ) } =
2
(
x

i x ) . p( xi )
i =1
2

(v.a.c.)

(v.a.d.)

90

30

04/03/2016

Exerccio
1) Se um homem adquirir um bilhete de loteria, poder ganhar um primeiro
prmio de R$5000,00 ou um segundo de R$2000,00, com as
probabilidades de 0,001 e de 0,003. Qual ser o preo justo a pagar
pelo bilhete?

2) Em uma certa especulao comercial, um homem pode ter um lucro de

R$3000,00, com a probabilidade de 0,6, ou um prejuzo de R$1000,00,
com a probabilidade de 0,4. determinar sua esperana.

3) Qual o preo justo a pagar para entrar em um jogo no qual se pode

ganhar R$25,00 com probabilidade de 0,2 e R$10,00 com probabilidade
de 0,4?

4) Quanto deveria ser o valor do premio da megasena de forma que o

preo justo a pagar para um jogo simples na MegaSena (6 nmeros)
seja igual ao valor de aposta = R$2,50? Probabilidade de acerto =
1/50063860

91

Exerccios
Probabilidade (%) Fator de Sigma
50

0,6745

90

1,645

95

1,960

99

2,576

99,7

2,968

99,9

3,29

Um observador realizou diversas medies de um objeto (distribuio normal)

obtendo:
L(01:05) = [212.22, 212.25, 212.23, 212.15, 212.23];
L(06:10) = [212.11, 212.29, 212.34, 212.22, 212.24];
L(11:15) = [212.19, 212.25, 212.27, 212.20, 212.25];
Verifique se existe alguma observao que possa ser rejeitada por estar fora
do nvel de exatido de 95,0%.
92

MVC
Varivel Aleatria Bidimensional
Seja X o resultado de um experimento e Y de um segundo experimento,
ambos com varincia prpria.

X2 = E{( X X ) 2 }

Y2 = E{(Y Y ) 2 }

Podemos agora definir a covarincia XY da v.a. bidimensional para exprimir

a correlao entre as duas componentes, ou seja, o grau de dependncia
entre as mesmas:

cov( X , Y ) = xy = E{( X x )(Y y )}

ou

xy =

( x

).( y y ). ( x, y ).dx.dy

93

31

04/03/2016

MVC
Desenvolvendo a equao

xy = E{( X x )(Y y )}

xy = E{ XY } + x y x E{Y } y E{ X }
xy = E{ XY } + x y x y y x
xy = E{ XY } x y
xy = E{ XY } E{ X }.E{Y }
Quando as componentes so estatsticamente independentes

( XY ) = ( X ). (Y )

E{XY} = E{X}.E{Y}

Quando as componentes X e Y so estatsticamente independentes

a covarincia nula, sem que a recproca seja necessariamente
verdadeira.

xy = 0

94

MVC
Varivel Aleatria n-Dimensional
Seja X = [x1 x2 ... Xn]T com cada xi representando agora uma v.a. unidimensional.
A esperana matemtica da varivel n-dimensional ou, em outras palavras, o vetor
esperado E{X} da distribuio n-dimensional, escreve-se:

x1 E{x1} 1


x E{x2 } 2
U x = E{ X } = E 2 =
=
M M M

xn E{xn } n

Cada componente xi de X uma v.a. unidimensional de varincia:

i2 = E{( xi i ) 2 }
95

MVC
Varivel Aleatria n-Dimensional
Temos assim n varincias

12 , 22 ,L, n2

(de cada uma das

componentes) e n*(n-1) covarincias entre os pares de componentes de

ndices diferentes (ij)

cov( xi , x j ) = ij = E{( xi i )( x j j )}

ij = ji

96

32

04/03/2016

MVC
Matriz Varincia-Covarincia (MVC)
As varincias

i2

e as covarincias

ij

(ij) das componentes de uma

varivel n-dimensional X podem ser dispostas de maneira a formar uma matriz

quadrada (n x n) que indicada por

12 12 13

22 23
X = 21
L L L

n1 n 2 n3

L 1n

L 2n
L L

L n2

A matriz acima, simtrica, recebe o nome de matriz varincia-covarincia (MVC)

ou simplesmente matriz covarincia (pois a varincia um caso particular da
covarincia para i=j).
No caso das componentes do vetor X serem independentes entre si as
covarincias sero nulas e a MVC degenera numa matriz diagonal.
97

MVC
Desenvolvendo a expresso matricial

x1 1
x
2
2
[x 1
M 1

xn n

( X U x )( X U x )T

x2 2 L xn n ]

( x1 1 )( x1 1 ) ( x1 1 )( x2 2 )
( x )( x ) ( x )( x )
2
1
1
2
2
2
2
2
LLLL
LLLL

( xn n )( x1 1 ) ( xn n )( x2 2 )

L ( x1 1 )( xn n )
L ( x2 2 )( xn n )

L
LLLL

L ( xn n )( xn n )

o que nos permite escrever

X = E{( X U x )( X U x )T }

98

MVC

Obs.: Sempre que as varincias da v.a. forem finitas a correspondente MVC

ser positiva semidefinida, isto

X T .( MVC ). X 0

para todos os vetores X n 1

Propriedades de matriz positiva semidefinida:

Autovalores no negativos ( 0)
Elementos diagonais no negativos ( 0)
Matriz simtrica

99

33

04/03/2016

MVC
As seguintes matrizes NO podem ser matrizes de varincia e covarincia

3
A=
4
5
B = 1

4
1

2 3
D = 3 5
5 3

1 3
3 0

0 4

E = [5 4 2]

6 6
C=

6 6

Covarincia uma medida do grau de correlao existente entre duas

componentes quaisquer de uma funo n-dimensional.
100

MVC
Coeficiente de Correlao Linear
Chama-se

coeficiente

de

correlao

linear

coeficiente

(adimensional) que descreve a dependncia linear entre as duas

componentes da v.a. bidimensional.

xy =

Demonstra-se que

xy
x . y

1 xy +1

101

MVC

Podemos afirmar que h uma perfeita relao linear entre X e Y ou,

xy = 1

em outras palavras, que Y uma funo linear de X. Ver figuras (a)

e (b).

xy = 0

Dizemos que as variveis no so correlacionadas (X e Y no

tendem a variar juntas (figura (c)), mas isso no significa
necessariamente

que

as

componentes

sejam

independentes

estatsticamente.

102

34

04/03/2016

MVC

103

Matriz dos Coeficientes de Correlao

A partir da MVC pode-se calcular a matriz dos coeficientes de correlao

12

R = 21
L

n1

ij =

13 L 1n
23 L 2 n

1
L

n 2

n3 L

ij
i . j
104

MVC Correlao estatstica

n

x, y =

( x x )( y
i

i =1

y)

(x x) ( y y)
2

i =1

x, y =

x y nx y
i =1

1 n
xi2 ( xi ) 2

n i =1
i =1

i =1

i =1

i =1

1 n
yi2 ( yi ) 2

n i =1
i =1

105

35

04/03/2016

Exerccios
Implementar uma rotina (function) em FreeMat que calcule a Matriz dos
Coeficientes de Correlao, a partir da MVC.
function [saida] = nome (entrada)
function [CoefCor] = coefcor(mvc);
[Lmax,Cmax] = size(mvc);
for L = 1:Lmax
for C = 1:Cmax
if (L==C)
CoefCor(L,C) = 1;
else
CoefCor(L,C) = mvc(L,C)/sqrt(mvc(L,L)*mvc(C,C));
end;
end;
end;
106

Exerccios
Dois estudantes discutem sobre quem realiza a melhor medio de um
ngulo. Para resolver a disputa, ambos concordam em medir um
determinado ngulo quinze vezes. Os resultados das observaes so:
(Extrado de GHILANI, C. D. Adjustment Computations Spatial Data
Analysis. John Wiley & Sons, Inc, New Jersey, 2010. Fifth ed, pp 31)
Aluno A

Aluno B

1082619

1082611

1082627

1082625

1082628

1082621

1082620

1082616

1082618

1082624

1082621

1082623

1082630

1082623

1082623

1082617

1082623

1082622

1082618

1082622

1082620

1082623

1082619

1082627

1082614

1082622

1082620

1082624

1082619

1082624

107

Exerccios
1) Calcular a mdia, mediana, desvio padro, varincia, desvio padro da mdia:
a) [6, 2, 4, 5, 3];
b) [6, 4, 5, 3, 2, 5];
c) [5, 7, 3, 6, 2, 9];
d) [8, 4, 3, 6, 5, 7, 2];
2) Um operador executa uma determinada atividade em tempo mdio de 12
minutos e desvio padro de 1,5 minutos, com distribuio normal. Qual a
probabilidade de que este operador leve entre 10 minutos e 15 minutos para
executar a atividade?

108

36

04/03/2016

Exerccios
3) Suponha que uma fbrica tenha estabelecido que a vida mdia dos pneus para
automveis, de sua fabricao, de 35.000km rodados, com um desvio padro
de 3.000km. Suponha ainda que o tempo de durao dos pneus seja uma v.a.
normalmente distribuda.
a)

Se a fbrica oferecer uma garantia de 30.000km, em condies normais de uso

do veculo, qual a probabilidade de que um pneu vendido tenha de ser
substitudo?

b)

Qual quilometragem a fbrica deve oferecer como garantia, para que nenhum
pneu vendido tenha de ser substitudo?

c)

A fbrica est interessada em melhorar a qualidade dos pneus e, para isso, est
estudando a possibilidade de se aumentar a durao mdia dos pneus. Qual
deveria ser a durao mdia para que, com uma garantia de 30.000km, somente
1% dos pneus vendidos tenham de ser trocados?

109

Exerccios
4) Um fabricante de refrigerantes vende um de seus produtos engarrafados em
vasilhames de 1 litro. Para engarrafar este produto utilizada uma mquina que,
calibrada, permite obter o volume desejado, segundo uma distribuio normal,
com um desvio padro de 30ml.
a)

Se o rgo Fiscalizador do Governo (OFG) faz a exigncia de que no mais de

8% das garrafas tenham um volume menor do que o nominal, em quanto deve
ser regulada a mquina para que o fabricante no seja autuado?

b)

Se a mquina for calibrada para colocar 1,035ml de lquido no vasilhame, qual

a porcentagem de vasilhames que no estaro atendendo s especificaes do
OFG?

c)

Para qual valor deve ser ajustada a preciso da mquina, para que estando
calibrada em 1.350ml, as especificaes do OFG sejam atendidas?
110

Exerccios
5) Foram observados os tempos de durao do intervalo para o cafezinho, para uma
amostra de 20 empregados de uma grande empresa (1000 funcionrios), obtendo-se
os seguintes resultados, em minutos:
[15.79 15.75 18.11 14.54 10.06 17.32 18.52 16.11 13.59 18.63]
[16.27 13.75 15.16 14.75 13.03 18.47 12.14 14.67 16.52 12.47]
Supondo a varivel tempo distribuda segundo uma Normal:

a) Encontre a mdia e a variabilidade estimadas do tempo de durao do intervalo

para o cafezinho dos funcionrios desta empresa. Encontre, ainda, intervalos de
90% de confiana para a mdia e a varincia.

b) Quantos funcionrios da empresa tero o tempo de durao do intervalo para o

cafezinho maior que 20 minutos?
111

37

04/03/2016

Exerccios
6) Um fabricante de lmpadas afirma que o tempo de durao do seu produto, em horas,
distribudo aproximadamente normal. Se uma amostra aleatria de 30 lmpadas
teve tempo de vida mdio de 780 horas, com desvio padro de 40 horas, encontre um
intervalo de 95% de confiana para o tempo mdio de vida das lmpadas desta
fbrica.
7) Um aluno de engenharia cartogrfica realizou um levantamento fazendo observaes
de duas v.a., obtendo os seguintes resultados:
x = [1.559 1.577 1.513 1.565 1.535]
y = [8.026 8.070 8.118 8.130 8.154]
Deseja-se saber se existe correlao (estatstica) entre as variveis x e y, e o valor do
coeficiente de correlao linear.

112

Exerccios
1) Calcular a mdia, mediana, desvio padro, varincia, desvio padro da mdia:
a) [6, 2, 4, 5, 3];
b) [6, 4, 5, 3, 2, 5];
c) [5, 7, 3, 6, 2, 9];
d) [8, 4, 3, 6, 5, 7, 2];

113

Exerccios
2) Um operador executa uma determinada atividade em tempo mdio de 12
minutos e desvio padro de 1,5 minutos, com distribuio normal. Qual a
probabilidade de que este operador leve entre 10 minutos e 15 minutos para
executar a atividade?

114

38

04/03/2016

Exerccios
3) Suponha que uma fbrica tenha estabelecido que a vida mdia dos pneus para
automveis, de sua fabricao, de 35.000km rodados, com um desvio padro
de 3.000km. Suponha ainda que o tempo de durao dos pneus seja uma v.a.
normalmente distribuda.
a)

Se a fbrica oferecer uma garantia de 30.000km, em condies normais de uso

do veculo, qual a probabilidade de que um pneu vendido tenha de ser
substitudo?

b)

Qual quilometragem a fbrica deve oferecer como garantia, para que nenhum
pneu vendido tenha de ser substitudo?

c)

A fbrica est interessada em melhorar a qualidade dos pneus e, para isso, est
estudando a possibilidade de se aumentar a durao mdia dos pneus. Qual
deveria ser a durao mdia para que, com uma garantia de 30.000km, somente
1% dos pneus vendidos tenham de ser trocados?

115

Exerccios

116

Exerccios
4) Um fabricante de refrigerantes vende um de seus produtos engarrafados em
vasilhames de 1 litro. Para engarrafar este produto utilizada uma mquina que,
calibrada, permite obter o volume desejado, segundo uma distribuio normal,
com um desvio padro de 30ml.
a)

Se o rgo Fiscalizador do Governo (OFG) faz a exigncia de que no mais de

8% das garrafas tenham um volume menor do que o nominal, em quanto deve
ser regulada a mquina para que o fabricante no seja autuado?

b)

Se a mquina for calibrada para colocar 1.035ml de lquido no vasilhame, qual

a porcentagem de vasilhames que no estaro atendendo s especificaes do
OFG?

c)

Para qual valor deve ser ajustada a preciso da mquina, para que estando
calibrada em 1.035ml, as especificaes do OFG sejam atendidas?
117

39

04/03/2016

Exerccios

118

Exerccios
5) Foram observados os tempos de durao do intervalo para o cafezinho, para uma
amostra de 20 empregados de uma grande empresa (1000 funcionrios), obtendo-se
os seguintes resultados, em minutos:
[15.79 15.75 18.11 14.54 10.06 17.32 18.52 16.11 13.59 18.63]
[16.27 13.75 15.16 14.75 13.03 18.47 12.14 14.67 16.52 12.47]
Supondo o tempo v.a. em conformidade com a distribuio Normal para pequenas
amostras (t-Student)
a) Encontre a mdia e a variabilidade estimadas do tempo de durao do intervalo
para o cafezinho dos funcionrios desta empresa. Encontre, ainda, intervalos de
90% de confiana para a mdia e a varincia.
b) Nestas condies, quantos funcionrios da empresa tero o tempo de durao do
intervalo para o cafezinho maior que 20 minutos?

119

Exerccios

120

40

04/03/2016

Exerccios
Graus de liberdade

5a)

2 (n 1)
2 (n 1)
P[ 2
2
] = 1
1 / 2
2 / 2

Cauda
superior

Cauda
inferior

121

Exerccios

122

Exerccios
6) Um fabricante de lmpadas afirma que o tempo de durao do seu produto, em horas,
distribudo aproximadamente normal. Se uma amostra aleatria de 30 lmpadas
teve tempo de vida mdio de 780 horas, com desvio padro de 40 horas, encontre um
intervalo de 95% de confiana para o tempo mdio de vida das lmpadas desta
fbrica.
7) Um aluno de engenharia cartogrfica realizou um levantamento fazendo observaes
de duas v.a., obtendo os seguintes resultados:
x = [1.559 1.577 1.513 1.565 1.535]
y = [8.026 8.070 8.118 8.130 8.154]
Deseja-se saber se existe correlao (estatstica) entre as variveis x e y, e o valor do
coeficiente de correlao linear.

123

41

04/03/2016

Exerccios
7) Um aluno de engenharia cartogrfica realizou um levantamento fazendo observaes
de duas v.a., obtendo os seguintes resultados:
x = [1.513 1.535 1.559 1.565 1.577]
y = [8.026 8.070 8.118 8.130 8.154]
Deseja-se saber se existe correlao (estatstica) entre as variveis x e y, e o valor do
coeficiente de correlao linear.
n

x, y =

( x x )( y
i

i =1

y)

(x x) ( y y)
2

i =1

i =1

124

Exerccios
8) Duas variveis amostrais X e Y assumem os valores X1 = 2, X2 = 5, X3 = 4,
X4 = 8, e Y1 = 3, Y2 = 7, Y3 = 2, Y4 = 6. Calcular:
a) MVC(X*Y);
b) MVC(X)*MVC(Y);
c) Mdia, mediana e desvio padro de X;
d) Mdia, mediana e desvio padro de Y.

125

Exerccios
9) Dada a MVC de trs variveis aleatrias [3,2,1;2,5,2;1,2,4] (sintaxe
Freemat), determinar quais duas variveis apresentam a maior correlao entre
si, e qual o porcentual.
(ver funo de clculo do coeficiente de correlao slide 101)

126

42

04/03/2016

Exerccios
10) Uma distncia foi medida cinco vezes, conforme a tabela. Calcule as
estimativas pontual e por intervalo de confiana (95%).
Observao Distncia (m)
1

55,88

56,06

55,83

55,95

56,02

127

Exerccios

128

Exerccios
10a)
Cauda
superior

Graus de liberdade

2 (n 1)
2 (n 1)
P[ 2
2
] = 1
1 / 2
2 / 2

Cauda
inferior

129

43

04/03/2016

Exerccios
11) Para se ajustar a uma mquina, a correia deve ter entre 0.98 e 1,02m de
comprimento. Tendo em vista o processo de fabricao, o comprimento
dessas correias pode ser considerado como uma varivel aleatria com
distribuio normal de mdia 100,3cm e desvio padro 0,8cm. Pergunta-se
qual a probabilidade de uma correia, escolhida ao acaso, poder ser usada na
mquina?

130

Exerccios
12) Um fabricante de lmpadas afirma que o tempo de durao do seu produto,
em horas, distribudo aproximadamente normal. Se uma amostra aleatria de
100 lmpadas teve tempo de vida mdio de 780 horas, com desvio padro de
40 horas, qual o maior tempo mdio de vida das lmpadas que o fabricante
pode oferecer garantia sabendo-se que ele est disposto a trocar at 5% das
lmpadas?

131

Exerccios
13) Uma turma de 50 alunos fez uma prova em tempo mdio de 1,5horas,
com desvio-padro de 15 minutos. Pergunta-se:
a) Quantos alunos terminaro a prova em 1 hora 1,25 hora, 1,5 hora, 1,75
hora e 2,0 hora?

132

44