Professional Documents
Culture Documents
Probabilidade e Estatstica
-Caderno de Orientao-
(De acordo com a bibliografia indicada)
Agosto
2007
2
- Spiegel, Murray Ralph Probabilidade e Estatstica Makron Books do Brasil Ed. Ltda SP
- Wilton de Bussab/ Morettin, Luiz Gonzaga Estatstica bsica, 5 ed. So Paulo: Saraiva
2006
1 A NATUREZA DA ESTATSTICA
Introduo
ANTIGUIDADE - Os povos j registravam o nmero de habitantes, os nascimentos, bitos
e faziam estatsticas.
IDADE MDIA - As informaes eram tabuladas com finalidades tributrias e blicas.
SCULO VI - Surgem as primeiras anlises sistemticas, as primeiras tabelas e os
nmeros relativos.
SCULO VII - A Estatstica, j com feio cientfica, batizada por Godofredo Achenwall.
As tabelas ficam mais completas, surgem as primeiras representaes grficas e os
clculos com probabilidades. A Estatstica deixa de ser uma simples tabulao de dados
numricos para se tornar O estudo de como se chegar a concluses sobre uma
populao, partindo da observao de partes dessa populao (amostra).
1.1 Estatstica
Parte da matemtica aplicada que fornece mtodos para a coleta, organizao descrio,
anlise e interpretao de dados, bem como na utilizao dos mesmos para tomada de
deciso.
A coleta, organizao, descrio ficam a cargo da chamada Estatstica Descritiva,
enquanto que a anlise e interpretao dos dados, associado a uma margem de
incerteza, dizem respeito Estatstica Indutiva ou Inferencial que se fundamenta na teoria
e clculo das probabilidades.
1.2 O Mtodo Estatstico
Consiste em manter constante todas as variveis, menos uma que aquela que
justamente sofre variao para se observar seus efeitos, caso existam. Ex. Estudos de
Qumica, Fsica,etc.
1.2.1.2 Mtodo Estatstico
aquele que diante da impossibilidade de manter as causas constantes admitem
todas essas causas presentes, variando-as e registrando essas variaes procurando
determinar no resultado final que influncias cabem a cada uma delas. Ex. Quais as
causas que definem o preo de uma mercadoria quando sua oferta diminui.
Coleta Direta
Quando obtida diretamente da fonte. Ex: empresa que realiza uma pesquisa para
saber a preferncia dos consumidores pela sua marca.
A coleta de dados, quanto ao espao temporal pode ser :
Contnua registro de nascimentos, bitos, casamentos, etc.
Coleta Indireta
feita por dedues a partir dos elementos conseguidos pela coleta direta, por
analogia, por avaliao, indcios ou proporcionalizao.
4 Apurao dos Dados
Consiste em resumir os dados atravs de sua contagem e agrupamento. a
tabulao dos dados, propriamente dita.
Ex: cada nascimento numa metrpole, preos individuais dos produtos que compem a
cesta para o clculo de IPCA .
Dado Estatstico - um dado numrico e considerado a matria prima sobre a qual
iremos aplicar os mtodos estatsticos.
Populao - o conjunto total de elementos portadores, de pelo menos, uma
caracterstica comum.
Amostra - uma parcela representativa da populao que ser examinada com o
propsito de tirarmos concluses sobre essa populao.
Parmetro - So valores singulares que existem na populao e que servem para
caracteriz-la.
Estimativa - um valor do parmetro e calculado a partir da amostra
Atributo - So qualidades apresentadas nos dados estatsticos.
Exemplos da classificao dicotmica do atributo: Classificao dos alunos da FACAPE
quanto ao sexo.
Atributo: sexo . . . . . . . . . . . . . . . . . . . . classe :alunos da FACAPE
Dicotomia: duas subclasses (masculino e feminino)
Varivel
Uma varivel, convencionalmente, o conjunto de todos os resultados possveis de
um fenmeno
Varivel Qualitativa Quando seus valores so expressos por atributos, tipo, sexo,
estado civil, cor da pele, etc
Varivel Quantitativa Quando os dados so de carter nitidamente quantitativos, e o
conjunto de resultados possui uma estrutura numrica, trata-se portanto da estatstica de
varivel e se divide em:
Varivel Discreta ou Descontnua Quando seus valores so expressos geralmente
por valores inteiros no negativos e resulta geralmente de contagens. Ex: N de alunos da
rede pblica municipal, N de nascidos vivos, etc
8
Varivel Contnua
Resulta normalmente de uma mensurao e a escala numrica de seus valores
corresponde ao conjunto R , ou seja podem assumir, teoricamente qualquer valor num
intervalo.
Exerccios para fixao do contedo
1. Responda o que se pede
a) Qualquer fato econmico ou social que se pretende analisar, cujo estudo se possa
aplicar o mtodo estatstico.
----------------------------------------------------------------
b) Fenmenos que no podem ser definidos por uma simples observao.
----------------------------------------------------------------
a) - - - - - - - - - - - - - - - - - - - b) - - - - - - - - - - - - - - - - - - c) - - - - - - - - - - - - - - - - -
6. O nmero de pessoas da terceira idade que estudam na FASJ
a) - - - - - - - - - - - - - - - - - - - b) - - - - - - - - - - - - - - - - - - c) - - - - - - - - - - - - - - - - -
7. O nmero de filhos dos estudantes de Publicidade e Propaganda
a) - - - - - - - - - - - - - - - - - - - b) - - - - - - - - - - - - - - - - - - c) - - - - - - - - - - - - - - - - -
Dvidas E Anotaes
------------------------------------------------------------------
- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -- - - - - - - - - - - - - - - - --
------------------------------------------------------------------
- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -- - - - - - - - - - - - - - - - --
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
11
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
2 TCNICAS de AMOSTRAGEM
Amostragem o processo pelo qual se faz seleo de amostras e deve garantir tanto
quanto possvel o acaso na escolha.
Exemplo Suponha uma rua com 300 casas, das quis desejamos obter uma amostra
formada por 30 casas para uma pesquisa de opinio
1 - Divide-se o tamanho da populao pelo tamanho da amostra, ou seja, 300/30 =10
2 - Escolhe-se por sorteio casual, um nmero entre 01 e 10. Supondo que esse nmero
fosse 3, a amostra seria: 3 casa, 13 casa, 23 casa, 33 43 e assim por diante, at
completar a amostra de 30 residncias.
2.1.1.4 Amostragem por conglomerados ou Agrupamentos
Algumas populaes no permitem ou se tornam difcil que se identifique seus
elementos. No obstante isso, pode ser relativamente fcil identificar alguns subgrupos da
populao. Em tais casos, uma amostra aleatria simples desses grupos (conglomerados)
pode ser escolhida e uma contagem completa deve ser feita para o conglomerado
sorteado. Agrupamentos tpicos so quarteires, famlias organizaes, agncias,
edifcios, etc.
Nmero aleatrios
12 15 06 15 17 13 17 20 14 02 23
18 14 10 02 09 13 07 12 16 12 12
15 16 10 07 13 16 01 14 19 18 29
01 27 32 14 19 09 15 18 03 41 20
Idade
Abaixo de 20 anos 3 6
20 a 29 6 14
30 34 9 21
45 59 7 20
60 anos ou mais 4 10
Soluo
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
-----------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
-----------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
-----------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
-----------------------------------------------------------------
16
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
-----------------------------------------------------------------
------------------------------------------------------------------
3 SRIES ESTATSTICAS REPRESENTAO TABULAR
Uma srie estatstica qualquer tabela que apresenta a distribuio de um conjunto
de dados estatsticos em funo da poca, do local ou da espcie.
Definio
Tabela - Uma tabela um quadro que resume um conjunto de dados dispostos em linhas
e colunas de maneira sistemtica.
De acordo com a resoluo 886 do IBGE, nas casa ou clulas da tabela devemos colocar:
(trao horizontal) quando o valor zero
(trs pontos) quando no dispomos dos dados
0 ( zero) quando o valor muito pequeno
? (ponto de interrogao) quando temos dvida, quanto exatido de determinado
valor
OBS: Tanto o lado esquerdo quanto direito de uma tabela devem ser abertos.
3.1 TIPOS DE SRIES
3.1.1 Sries homgradas
So aquelas em que a varivel descrita apresenta variao discreta ou descontnua.
Podem ser do tipo:
3.1.1.1 Srie Temporal
Identifica-se pelo carter varivel do fator cronolgico. Portanto o local e fenmeno so
elementos fixos. tambm chamada de histrica ou evolutiva
ABC VECULOS LTDA
Vendas no 1 trimestre de 2005
Perodo Unidades vendidas (1.000
unid.)
Jan/96 20
Fev/96 10
Mar 15
Total 45
3.3.4 Ponto Mdio da Classe o ponto que divide o intervalo de classe em duas
partes iguais. Ex. na classe de 49 a 53, o ponto mdio (53 49) / 2 51
3.3.5 Amplitude Total da Distribuio a diferena entre o ponto mdio da ltima
classe e o ponto mdio da primeira classe. No exemplo anterior, AT 59 43 16
3.3.6 Amplitude Total da Amostra (Rol) a diferena entre o valor mximo e o valor
mnimo do rol. Em nosso exemplo: AT 61 41 20
------------------------------------------------------------------
------------------------------------------------------------------
-----------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
Aplicao
CLASSE fi
50 54 3
54 58 7
58 62 10
21
62 66 15
66 70 4
70 74 1
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
5 MEDIDAS DE TENDNCIA CENTRAL
So medidas que fornecem o valor do ponto em torno do qual se distribuem os
dados.
5.1 A MDIA ARITMTICA mdia aritmtica uma medida estatstica que calculada
-se
todos os possveis valores de um conjunto de dados e dividindo-se pelo nmero de itens
desse mesmo conjunto. Vamos considerar dois casos:
1) Para dados no-agrupados ou dados brutos
Utilizamos a expresso X i
x
n
Ex. 1 Calcular a mdia de peso, em gramas, de ratos machos da raa Wistar com 30
dias de idade, segundo os dados abaixo:
50 62 70 86 60 64 66 77 58 55 82 74
50 62 ..... 74 804
X 67 X 67 gramas
12 12
1,5 2,0 3
2,0 2,5 16
2,5 3,0 31
3,0 3,5 34
3,5 4,0 11
4,0 4,5 4
4,5 5,0 1
n
fi
2 , Onde:
M d lmd .h
f md
Md=
5.3 A MODA
o valor que ocorre com mais ou maior freqncia em uma distribuio de dados
Aqui, tambm temos que considerar dois casos:
1) 5.3.1 DADOS NO AGRUPADOS
Exemplo 1:
Indivduos, segundo o tipo de sangue
Tipo de sangue O A B AB
Freqncia 547 441 123 25 Moda = - - - - -
Onde:
li = Limite inferior da classe modal;
1 = Diferena entre a freqncia da classe modal e a classe anterior ;
2 = Diferena entre a freqncia da classe modal e a classe posterior;
h = Amplitude da classe.
Exemplo 1: Considere os dados da tabela abaixo para calcular a moda
Classes fi Fi
35 45 5
45 55 12
55 65 18
65 75 14
75 85 6
85 95 3
58
l i = 55; 1 = 18 12 = 6; 2 = 18 14 = 4 e h = 10
Mo =
30
25 20
10 15
2 4 6 8 10 12
(a) 6,5 (c) 7,5 (b) 8,0 (d) 7,0 (e) 30
8. Na srie 15, 20, 30, 40, 50, h abaixo da mediana:
(a) 3 valores (b) 3,5 valores (c) 2 valores (d) 4 valores (e) nenhum valor
9. O clculo da mediana pressupe o conhecimento da (o):
(a) mdia (b) desvio padro (c) moda (d) ponto mdio (e) pessoa que sabe
10. Analisando os dados de uma folha de pagamentos, que medidas se utilizaria para:
26
13. Suponha que voc no se encontrando em sua profisso, resolveu entrar no ramo de
Delivery de alimentos e aps 40 semanas de vendas, resolveu fazer um levantamento
geral das atividades. O quadro abaixo mostra os valores das vendas em milhares de R$:
16 29 16 19 24 17 18 20 19 22 17 24 23
34 20 19 22 11 14 13 19 20 26 19 21 22
21 27 24 20 17 18 23 18 20 24 17 22 20
Anotaes e Clculos
28
6 MEDIDAS DE POSIO
As medidas de posio so medidas ou separatrizes que dividem a rea de uma
distribuio de freqncias em regies de reas iguais e.
6.1 QUARTIS
So Separatrizes que dividem um conjunto de dados em quatro partes iguais
0% 25% 50% 75% 100%
Q1 Q2 Q3
6.1.1 Primeiro Quartil - Q1
Separatriz que divide a distribuio em duas partes, tal que 25% dos valores sejam
menores que ele e 75% maiores que ele.
6.1.2 Segundo Quartil - Q2
O segundo quartil coincide exatamente com a mediana. o valor que divide a
distribuio em exatamente metade dos elementos.
6.1.3 Terceiro Quartil - Q3
Valor que deixa 75% dos valores sua esquerda e os 25% restante sua direita
- Frmula para o Clculo dos Quartis.
a mesma utilizada para o clculo da mediana, com pequenas adaptaes.
n
f ant
Q1 lQ1
4 .h
f Q1
Determinao de Q 1
1 Passo : Calcula-se n/4;
2 Passo : Identifica-se a classe Q1, atravs da Fi ;
3 Passo : Aplica-se a frmula.
- Determinao de Q3
29
fi 6 15 20 10 5 56
Fi 6 21 41 51 56 --
Q1 Q3
Q2=Md
1 Passo : n = 56
Q1 = ? Q2 = Md Q3 = ?
n 4 = 14 n 2 = 28 3n 4 = 42
2 Passo : Atravs da F i, identifica-se a classe Q1, M d e a Q 3
3 Passo : Uso das frmulas:
Q1 l Q1 = 17 n = 56 f ant = 6 h = 10 f Q1 = 15
Para M d l m d = 27 n = 56 f ant = 21 h = 10 f md = 20
Q3 l Q 3 = n= f ant = h= fQ3 =
Aplicando esses resultados em suas respectivas frmulas , obtemos:
Q1 = 22,33 Q2 = M d = 30,5 Q 3 = 38
O que isso significa?
25% 25% 25% 25%
7 22,23 30,5 38 57
- O valor 22,33 deixa dos elementos
- O valor 30,5 deixa 50%
38 deixa dos elementos
6.2 DECIS - Di
So separatrizes que dividem uma srie ou uma seqncia de dados ou de
observaes em 10 partes iguais.
D1 D2 D3 D4 D5 D6 D7 D8 D9 D10
- Frmula
A frmula, neste caso, tambm idntica s separatrizes anteriores.
- Procedimento
1 passo : Calcula-se (i . n) / 10, i = 1, 2, 3, 4, 5, 6, 7, 8, 9
30
in
f ac
10 Onde :
Di lDi .h
f Di
6.3 PERCENTIS - Pi
So as medidas que dividem a amostra em 100 partes iguais.
Classe 4 9 9 14 14 19 19 24 Frmula
fi 8 12 17 3
f ac 8 20 37 40
Para D 4 l D4 = ; f = ; h= ; f D4 = ; n=
P 72 l P72 = ; f = ; h= ; f P72 = ; n=
- Anlise e Concluso
O valor 12,33 divide a amostra em duas partes, sendo uma contendo dos dados e
outra contendo
Enquanto que o valor 16,89 indica que da distribuio esto abaixo dele e
acima.
Anotaes
---------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
7 MEDIDAS DE DISPERSO (VARIABILIDADE)
So medidas que servem fundamentalmente para verificar a representatividade das
medidas de tendncia central, pois, estas, por si s, no so suficientes para caracterizar
totalmente uma seqncia numrica.
Considere as seguintes sries
MDIA
X 1 3 7 10 10 11 15 18 20 35 13
Y 12 12 12 13 13 13 13 14 14 14 13
Z 13 13 13 13 13 13 13 13 13 13 13
Anlise:
Concluso:
Como se Calcula ?
S r i e s Am p l i t u d e
1 - Xi : 9 10 11 20
32
2. X i 4 5 7 9
fi 1 6 10 3
3. Classes 2 4 4 6 6 8 8 10 10 12
fi 5 10 20 7 4
Vantagem: -----------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------
Desvantagem: ------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------
7.2 A VARINCIA E O DESVIO-PADRO
1. Nosso propsito medir o grau de concentrao dos dados em torno da mdia;
2. Nada mais interessante de que estudarmos os desvios de cada valor em relao
media, isto , ( X i X )
3. Tomando-se o somatrio de todos esses desvios, temos que: d i ( X i X ) 0
4. Para solucionar esse problema, pelo menos duas solues foram apresentadas. Quais
foram?
1 2 -----------------------
7.3 O DESVIO MDIO
DM
X i X
. fi
n
2
(X i X )2 . fi
2 Populacional
n
S2
( X i X )2 . fi S2 Amostral
n 1
Comentrios
1 - No clculo da varincia, quando elevamos os desvios ao quadrado, a unidade
de medida tambm ficar elevada ao quadrado, sempre;
2 - Em diversas situaes, a unidade de medida da varincia nem faz sentido. o
caso por exemplo, em que os dados so expressos em litros, pizzas, salrios, etc...
Portanto, o valor da varincia no pode ser comparado diretamente com os dados da
srie, ou seja, a varincia no tem interpretao
3 - Exatamente para suprir essa deficincia da varincia que lanamos mo da
definio do desvio-padro, que por sua vez, ter sempre a mesma unidade de medida da
srie e portanto admite interpretao.
3 2 X + +2 +3
Analisando os resultados:
Concluso
1. O coeficiente de variao um nmero puro, portanto pode ser expresso em
percentual.
2. O coeficiente de variao leva em considerao tanto a mdia quanto a disperso
absoluta da srie, portanto uma medida mais completa do que a disperso
absoluta isoladamente;
3 . Para nosso exemplo, comparando os C V de X e Y conclui-se que Y tem menor
disperso relativa do que X.
A 5 2,5
B 4 2,0
(a) A turma B apresentou maior disperso absoluta
(b) A disperso relativa de A igual disperso relativa de B
(c) Tanto a disperso absoluta quanto a disperso relativa so maiores para a turma B
(d) A disperso absoluta de A maior do que a de B, mas em termos relativos as duas
no diferem quanto ao grau de disperso das notas
(e) A turma A menos dispersa do que a turma B
6. Examinando a figura abaixo podemos concluir que:
x
(a) Tanto o desvio padro quanto a mdia de A so diferentes de B
(b) O desvio padro de A maior do que o de B e as mdias so iguais
(c) O desvio padro de A menor do que o de B e as mdias so diferentes
(d) O desvio padro de A igual ao de B e independe do valor da mdia
(e) As duas distribuies possuem o mesmo coeficiente de variao.
7. Dentre as amostras:
Amostra 1: 0 , 1 , 2
Amostra 2: 13,1 , 13,3 , 13,5 , 13,7
Amostra 3: 26 , 27 , 28
Amostra 4: 1001 , 1002 , 1003
Amostra 5: - 5 , 10 , 25
A de maior desvio-padro :
(a) 1 ( b) 2 ( c) 3 ( d) 4 ( e) 5
8) Nas operaes financeiras, o investidor tenta estabelecer um valor mdio de
rentabilidade. O risco da operao medido atravs:
a) mdia das rentabilidades
b) desvio-padro das rentabilidades
c) desvio-padro
d) desvio modal
e) mdia ponderada
9. Os coeficientes de variao das estatsticas abaixo so respectivamente:
Disciplina X S
Estatstica 80 16
Clculo I 20 5
(a) 16% e 40% (b) 50% e 25% (c) 20% 25% (d) 50% e 40% (e) 80% e 40%
36
(a) negativo (b) positivo (c) a unidade (d) zero (e) no sei do que se trata
13. O clculo da varincia supe o conhecimento da:
(a) mediana (b) ponto mdio (c) mdia (d) da moda (e) do desvio padro
15. Qual a posio da mdia, moda e mediana para distribuies consideradas
simtricas? _ _ _ _ _ _ _ _ _ _ _ _ _ __ _ _ _ _ _ _ __ _ _ _ _ _ _ __ _ _ _ _ _ _ _ _ __ _
16. Qual a forma e o nome da curva que representa as distribuies simtricas?
(a) Sino e Gosset (b) Ferradura e Laplace (c) Sino e Gauss (d) Jota e t - Student
18. Num determinado bairro residencial de classe mdia, constatou-se que o consumo
mdio de energia se distribui normalmente, com uma mdia de 250 kW, com desvio
padro de 30 kW. Calcule:
(a) a amplitude do intervalo da zona de normalidade.
(b) Se este bairro possui 7.200 famlias, quantas famlias pertencem zona de
neutralidade de amplitude dos 95% centrais
Anotaes
37
8 MEDIDAS DE ASSIMETRIA
Assimetria o grau de afastamento de uma distribuio da unidade de simetria.
Quando uma distribuio simtrica, os valores da mdia, da moda e da mediana
so coincidentes. A figura abaixo (a) mostra uma distribuio simtrica; (b) assimtrica
positiva e (c) assimtrica negativa.
(a) (b) (c)
f f f
X Mo Md M o M d X X M d M o
simtrica assimtrica positiva assimtrica negativa
8.1 COEFICIENTE DE ASSIMETRIA
Observaes
1 O uso de um ou outro coeficiente vai depender da dificuldade de se calcular
uma ou outra estatstica.
2 (Q3 Q1) Chama-se Intervalo Interqualtico.
= 0 Simtrica.
0 Assimtrica Positiva
Aplicao
Determinar o coeficiente de assimetria pelos dois processos e classificar a curva
para a distribuio abaixo:
Classe xi fi Fi
0 2
2 4
4 6
6 8
8 10
Clculos
39
9. MEDIDAS DE CURTOSE
Curtose o grau de achatamento de uma distribuio.
As figuras a, b, e c mostram as trs formas que uma distribuio pode se apresentar
segundo sua curtose.
(b)
f f f
(a) (c)
Classes 3 8 8 13 13 18 18 23
fi 5 15 20 10
40
Fac
Clculos
Exemplo: Num pomar com centenas de laranjeiras, as produes da cada planta sero
diferentes e no previsveis, mesmo estando todas, sob as mesmas condies de solo,
temperatura, umidade, etc...
Obs.
1.Quando um fenmeno ------------------------------- a teoria das probabilidades no
fornece um modelo matemtico adequado para explicar o fenmeno;
2. O objeto da teoria ------------------------------------ so os fenmenos aleatrios;
3. Para facilitar o desenvolvimento da teoria sem usar recursos matemticos mais
sofisticados, por ora, vamos restringir nosso estudo a uma classe de fenmenos
aleatrios chamados de ------------------------------------------------------
n = o nmero de repeties
0 n
10.3 Espao Amostral Finito Equiprovvel S
Um Espao Amostral o conjunto de todos os possveis resultados de um
experimento aleatrio.
Ele ser Equiprovvel ou Uniforme quando associa cada ponto do espao amostral a
mesma probabilidade de ocorrncia.
Exemplos
E1 =Lanar um dado no viciado e anotar o nmero de pontos;
42
S1 = {1, 2, 3, 4, 5, 6}
E2 = Lanar uma moeda e anotar a face voltada para cima;
S2 =
AB= A C = CA =
CB = C (A B) = C(A C) =
Exemplo:
E : jogar um dado e observar o resultado S = 1, 2, 3, 4, 5, 6 . Sejam os eventos :
I) 0 P (A) 1
II) P (S) =1
III) Se E1, E2, ..........En, forem mutuamente excludentes, ento:
P (E1 E2 .........En ) = P (E1) + P (E2) +. . . . + P(En)
N de casos favorveis
P(A) =
N de casos possveis
Exemplo
Retira-se uma carta de um baralho comum, bem embaralhado de 52 cartas. Qual a
probabilidade de:
44
A = 2, 3, 4; B = 1, 3, 5, 7, 9; C = 5; D = 1, 2, 3; E = 2, 4, 6
Determinar:
a) A B b) A B c) A C d) CA e) CB f) C(A B)
3. Se P (A) = 1/2 ; P (B) =1/4 , sendo A e B mutuamente exclusivos, calcular:
a) P (A) b) P (B) c) e) P (A B) d) P (A B) e) P (AB)
Anotaes
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
10.9 Probabilidade Condicional P (A / B)
Muitas vezes, estamos interessados em calcular a probabilidade de ocorrncia de um
certo evento, sabendo previamente que outro j ocorreu Por exemplo:
P (A / B) L-se, P de A dado B
10.10 Definio
Dados dois eventos, A S e B S, a probabilidade condicionada do evento A,
quando B tiver ocorrido ser dada por:
P( A B) P ( B A)
P( A / B) , P (B) 0 e P ( B / A) , P (A) 0
P( B) P ( A)
Exemplo 1:
46
P (A B)
Como P(A/B) = , devemos calcular:
P (B)
P (AB) = P (A) + P (B) P (A B) - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -
b)
c) - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -
47
A={ } P(A) =
B={ } P(B) =
AB= { } P(A B) =
Importante
1 Trs eventos A, B, e C sero independentes, se todas as 4 proposies abaixo forem
satisfeitas:
a) P (A B C) = P (A) . P (B) . P (C)
b) P (A B) = P (A) . P (B)
c) P (A C) = P (A) . P (C)
d) P (B C) = P (B) . P (C)
A1 A2
A5
B
A3 A4 An
48
P (B) = P (A i) . P (B / A i)
Esta relao muito til, porque freqentemente, quando P (B) pedida pode ,
como na maioria das vezes, ser difcil calcula-la diretamente. No entanto com a
informao adicional de que os A i tenham ocorrido seremos capazes de calcular P (B/A i)
e em seguida empregar a frmula acima.
Aplicao:
Uma urna contm 3 bolas brancas e 2 amarelas. Uma segunda urna contm 4 bolas
brancas e 2 amarelas. Escolhe-se ao acaso uma urna e dela retira-se uma bola. Qual a
probabilidade de que seja branca?
I II
A retirada da bola branca pode ocorrer da seguinte forma:
B = (B I) (B II) P (B) = P {(B I) (B II)}
P (B) = P (B I) + P (B II) = P (I) . P (B/I) + P (II) . P (B/II) =1/2 . 3/5 + 1/2. 2/3 = 19/30
Exemplo
Considere a seguinte configurao:
Gaveta G1 G2 G3
Bolas
Pretas 3 4 2
Brancas 1 3 3
Azuis 5 2 4
49
Total 9 9 9
Vamos escolher uma gaveta ao acaso e dela extrair uma bola. Sabendo que a bola
escolhida branca, qual a probabilidade dela ter vindo da gaveta 2, por exemplo?
O que queremos saber P (G2/B)
3 1 5 4 3 2 2 3 4
P (G1) = 1/3 P (G2) = 1/3 P (G3) = 1/3
P (B/G1) = 1/9 P (B/G2) = 3/9 P (B/G3) = 3/9
P (G2) . P (B / G2)
Da : P (G2 / B) = = 9/21
P (G1) . P (B/G1) + P (G2). P (B/G2) + P (G3). P (B/G3)
Concluso: A probabilidade a priori de se sortear G2 que era 1/3, mas sabendo que a
bola escolhida foi branca, essa probabilidade passou (a posteriori) para 9/21.
11. A tabela abaixo descreve os hspedes registrados pelo perodo de uma semana num
hotel de Petrolina. A distribuio segue de acordo com o sexo e a idade.
Idade Sexo Total
Feminino Masculino
Abaixo de 20 anos 20 15 35
Entre 20 e 40 anos 65 150 215
Acima de 40 anos 50 95 145
Total 135 260 395
Se um hspede escolhido aleatoriamente, qual a probabilidade:
a) de ser mulher?
b) de ser mulher e ter acima de 40 anos?
c) de ser homem e ter menos de 20 anos?
d) de ser mulher entre 20 e 40 anos?
e) ser homem e ter menos de 40 anos
f) ter entre 20 e 40 anos
12. Um projeto para ser transformado em lei deve ser aprovado pala Cmara dos
Deputados e pelo Senado . A probabilidade de ser aprovado pala Cmara dos Deputados
de 40%. Caso seja aprovado na Cmara dos Deputados, a probabilidade de ser
aprovado no Senado 80%. Calcule a probabilidade deste projeto ser aprovado. R: 0,32
51
13 Uma empresa avalia em 60% a sua probabilidade de ganhar uma concorrncia para o
recolhimento do lixo em um bairro a da capital. Se ganhar a concorrncia no bairro A,
acredita que tem 90% de probabilidade de ganhar outra concorrncia em um bairro B
prximo de A. Qual a probabilidade de a empresa ganhar ambas as concorrncias? R:
0,54
14 No primeiro ano de uma faculdade, 25% so reprovados em Clculo, 15% so
reprovados em Estatstica e 10% so reprovados em ambas .
Um estudante selecionado ao acaso, nesta faculdade, calcule a probabilidade de que
ele seja reprovado em Clculo sabendo que foi reprovado em Estatstica. R: 2/3
15. Uma rifa composta por 15 nmeros ir definir o ganhador de dois prmios sorteados
um de cada vez. Se voc adquiriu trs nmeros, qual a probabilidade de ganhar os dois
prmios? R: 1/35
Anotaes
11 VARIVEIS ALEATRIAS
Intrioduo
Uma varivel aleatria uma varivel tal que, no sabemos ao certo que valor
tomar, mas para a qual podemos calcular a probabilidade de tomar determinado valor.
11.1 Definio
Seja E um experimento aleatrio e S o espao amostral associado a esse
experimento. Definimos varivel aleatria como sendo uma funo X que associa a cada
elemento s S um nmero real X(s). Veja a ilustrao.
X
S R
s Varivel X(s)
Aleatria
Observao
52
b) p (x) = 1
P (x) pode ser expressa por uma tabela, grfico ou uma frmula.
a) Tabela
X 0 1 2 p(x)
P (x) 1/4 1/2 1/4 1
b) Grfico
1
1/2
1/4
0 1 2
c) Frmula
2
P(x) = 1/4 . Para x = 0, 1, 2.
x
OBS.
Qualquer funo de uma varivel aleatria ser tambm uma varivel aleatria, isto , se
X uma V.A, ento Y = f (x) tambm ser uma varivel aleatria.
Exemplo: Considere
X = V.A. Os pontos obtidos no lanamento de um dado
Y = X + X A soma dos pontos em dois lanamentos
53
Clculos
54
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
------------------------------------------------------------------
--------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
11.3 Funo de densidade de probabilidade - fdp
Seja X uma varivel aleatria contnua. A funo densidade de probabilidade f(x),
tambm chamada de funo de massa de probabilidade ou funo de probabilidade
uma funo que satisfaz as seguintes condies:
a) (x) 0 , xRx
b) R x f (x) dx = 1
Observaes importantes:
1. A definio mostra que a probabilidade de qualquer valor especificado de X, por
exemplo
x0, tem P (X = x0) = 0, ou seja, P(X = x0) = xo, xo f(x) dx = 0, e tambm que:
P (a X b) = P (A X b) = P (a X B) = P (a X b)
Exemplo
1.Seja X uma varivel aleatria contnua com a f.d.p. dada por:
f (x) = 2x para 0 x 1
0 para outros valores
a) verificar se f(x) uma f.d.p.
x dx = dx 2x dx dx
f(x)
2 y = 2x
0 1 X
2x dx x /2
2
= (3/4)2 = 1/2
Teste seus conhecimentos
1. Esboce o grfico para:
a) o lanamento de um dado b) trs lances de uma moeda honesta
1. Uma v. a tem a seguinte f.d.p.
0 para x 0
f(x) = kx2 0 x 1
0 para x 1
f (x) = 0 para x 0
f (x) = Ax para 0 x 500
f (x) = A (100 x) para 500 x 1000
f (x) = 0 para x 1000
Determinar:
a) o valor da constante A b) P (50 X 750)
Clculos
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
12 ESPERANA E VARINCIA DE VARIVEIS ALEATRIAS
12.1 Esperana Matemtica
Define-se Esperana Matemtica ou simplesmente Mdia de uma varivel aleatria
X como sendo:
12.1.1 Para o caso discreto:
n
E X x xi . p ( xi )
1
Exemplo
1. Um fabricante produz peas tais que 10% so defeituosas. Se uma pea defeituosa for
produzida o fabricante perde R$ 1,00, enquanto que uma pea boa lhe d um lucro de R$
5,00. Qual o lucro lquido esperado por pea?
Seja X = Lucro lquido por pea
E(X) = x i . p (x i) = 1 . 0,10 5 . 0,90 = R$ 4,40/pea
57
Problema proposto
Uma seguradora paga R$ 30.000,00 em caso de acidente com carro e cobra uma taxa de
R$ 1.000,00. Sabendo-se que a probabilidade de que um carro sofra um acidente de
3%, quanto a seguradora espera ganhar por carro segurado ?
12.1.1.1 Propriedades da Esperana
2.3 E ( X) = E (X)
2.5 E (X x) = E (X) E ( x) = x x = 0
2.6 A mdia da soma ou da diferena de duas variveis aleatrias igual a soma ou a
diferena das mdias
E (X Y) = (xi y j).P(xi ,y j) = xi . P(xi ,y j) y j . P(x i ,y j)
i j i j i j
x i P(x i ,y j) y j P(x i ,y j) = x i . P(xi) y j . P(y j) = = E (X) E ( Y)
i j j i i j
12.2 Varincia
O simples fato de conhecermos a mdia de uma distribuio de probabilidade j
de grande valia, porm no dispomos de uma mediada que nos fornea o grau de
disperso de probabilidade em torno dessa mdia.
J vimos que o desvio mdio, E (X ) nulo, portanto no serve como medida e
disperso. Ento, igualmente fizemos em Estatstica Descritiva, vamos lanar mo de
uma medida que fornea o grau de disperso em torno da mdia , que justamente a
varincia.
Definio
VAR (X) = V (X) = 2 = E X E (X) 2 = E (X 2 ) E 2 (X)
Sendo: E (X) = x i . p (x i) e E (X 2 ) = x i2 . p (x i)
Y -2 -1 0 3 5
58
P(Y) 1/5 1/5 1/5 1/5 1/5 1
Y. P(Y) -2/5 -1/5 0 3/5 5/5 1
Y2.P(Y) 4/5 1/5 0 9/5 25/5 39/5
2. V (k . X) = k 2 . V (X)
V(k.X) = E(kXkE(X) 2=E k.(X E(X) 2 = E k 2. (X E(X) 2
E k 2. E (X E(X) 2 = k 2 . V (X)
5. V (a X b) = a2 V(X) , a e b constantes
aproximadamente 700 horas. Da a varincia uma medida quantitativa, que serve para
distinguir essas situaes.
Definio : Seja X uma varivel aleatria. Definimos a varincia de X, como sendo:
VAR (X) = V (X) = 2 E X E (X) 2 E (X 2) E (X) 2
Exemplo: Calcular a varincia da varivel aleatria contnua X com f.d.p. dada por:
f(x) = 1 + x 1<x<0
1x 0<x<1
1 0 1
fcil perceber que pela simetria de f(x) em relao a x = 0, que E(X) = 0
Logo,
V(X) = E(X2) = -1, 0 x2(1 + x) dx + 0,1 x2(1 x)dx = 1/6
Anotaes
Sejam X = X (s) e Y = Y (s), duas funes, que associam um nmero real a cada
resultado s S. Nessas condies, o par (X, Y) ser uma varivel aleatria bidimensional.
13.2 Grfico R x
S X(s)
Y(s)
Igualmente varivel aleatria unidimensional, (X,Y) poder ser tanto Discreta quanto
Contnua.
13.3 Distribuio Conjunta de Duas Variveis Aleatrias
13.4 Definio
Seja X uma v. a que assume os valores x 1, x2, .... , xn e Y que assume os valores y1,
y2, ..., yn, a funo que associa cada par (x i ,y j), i = 1, 2, .... n, e j = 1, 2,....., n a
probabilidade P (X = x i,Y = y j) = p (x i,y j) , chamamos de Distribuio Conjunta de
Probabilidade da varivel aleatria bidimensional (X,Y).
P (X = x i , Y = y j) = 1, para o caso Discreto
f (x,y) dx dy = 1, para o caso Contnuo
2/10
1/10
4 5 6
500 Y
600
700
800
X
y
y
x X x X x X
Exerccios
1. Considere a seguinte distribuio de probabilidade conjunta de X e Y:
Y -2 -1 4 5
X
1 0,1 0,2 0,0 0,3
2 0,2 0,1 0,1 0,0
Y 0 1 2
X
0 0 0 1/4
1 0 2/4 0
2 1/4 0 0
c (x2 + y2) 0 x 1 e 0 y 1,
f(x, y) =
0, em caso contrrio
64
Determine:
a) a constante c. R: 3/2
b) P (X 1/2, Y 1/2) R:1/4
c) P (1/4 X 3/4) R: 29/64
d) P (Y 1/2) R: 5/16
Clculos
-------------------------------------------------------------------
-------------------------------------------------------------------
-------------------------------------------------------------------
-------------------------------------------------------------------
-------------------------------------------------------------------
-------------------------------------------------------------------
-------------------------------------------------------------------
-------------------------------------------------------------------
-------------------------------------------------------------------
-------------------------------------------------------------------
-------------------------------------------------------------------
-------------------------------------------------------------------
-------------------------------------------------------------------
-------------------------------------------------------------------
-------------------------------------------------------------------
-------------------------------------------------------------------
-------------------------------------------------------------------
-------------------------------------------------------------------
-------------------------------------------------------------------
-------------------------------------------------------------------
-------------------------------------------------------------------
-------------------------------------------------------------------
-------------------------------------------------------------------
-------------------------------------------------------------------
-------------------------------------------------------------------
-------------------------------------------------------------------
-------------------------------------------------------------------
-------------------------------------------------------------------
-------------------------------------------------------------------
-------------------------------------------------------------------
-------------------------------------------------------------------
14 PRINCIPAIS MODELOS DISCRETOS DE PROBABILIDADE
14.1 A DISTRIBUIO DE BERNOUILLI
Muitos experimentos so tais que apresentam ou no uma determinada
caracterstica. Considere os seguintes exemplos:
a) O lanamento de uma moeda: Resultado: cara ou coroa
b) Um a pea escolhida num lote: de peas. Resultado: defeituosa ou boa
c) O nascimento de caprinos:Resultado: macho ou fmea
65
14.1.3 A Varincia
V (X) = p p 2 = p (1 p) = p.q V (X) = p q
Aplicao: Uma urna tem 20 bolas brancas e 30 verdes. Retira-se uma bola dessa urna.
Considere X o nmero de bolas verdes. Determinar P (X) e calcular a E (X) e V(X)
Seja X = Nmero de bolas verdes.
0 q = 20/50 = 2/5 q = 2/5
X=
1 p = 30/50 = 3/5 p = 3/5
E (X) = p = 2/5 E (X) = 2/5 e V (X) = p . q = 2/5 . 3/5 = 6/25 V (X) = 6/25
14.2 A DISTRIBUIO BINOMIAL
uma distribuio de probabilidade que se adeqa perfeitamente aos
experimentos aleatrios que apresentam apenas dois resultados, sucesso ou fracasso.
Aplicao
1. Uma moeda lanada 20 vezes. Qual a probabilidade de sarem 8 caras ?
Dados: n = 20 p = 1/2 q = 1/2 k=8
2. Numa criao de coelhos, 40% so machos. Qual a probabilidade de que nasam pelo
menos 2 coelhos machos num dia em que nasceram 20 coelhos?
Dados : n = 20 p = 0,40 q = 0,60 k=2
Queremos P (X 2) = 1 P (X 2) = 1 P ( X = 0) + P (X = 1)=
Aplicao
Exerccios Propostos
1.Sendo X : B(10, 2/5), Calcular:
a) P (X = 3) R: 0,21499 e) P ( X 2 1) R: 0,37623
b) P (X 2) R: 0,16729 f) P (3 X 5) R: 0,45148
c) P (X 4) R: 0,61772 g) P ( X 3 1) 0,41326
d) P (X 2 1) R: 0,16729 h) E (X) e V (X) R: 4 e 2,4
i) E (Z) e V( Z) sendo Z = X X X
9. Um time de futebol X tem 2/3 de probabilidade de vitria sempre que joga. Se X jogar 5
partidas, calcule a probabilidade de X vencer:
a) Exatamente 3 partidas; R: 33%
b) Ao menos uma partida; R: 99,6%
c) Mais da metade das partidas. R: 79%
10. Num teste do tipo certo ou errado, com 100 perguntas, qual a probabilidade. de um
aluno, respondendo as questes no chute, acertar 70% das questes?
R: C100,70 . (1/2) 100. (1/2) 70
68
Clculos
OBS. Essa expresso nada mais do que uma aproximao da distribuio Binomial
quando:
1 n (maior do que o valor tabelado)
2 p 0 (p 0,1)
3 0 10
2. A probabilidade de uma lmpada se queimar ao ser ligada 0,01. Numa instalao com
100 lmpadas, qual a probabilidade de 2 lmpadas se queimarem ao serem ligadas?
Seja X: O nmero de lmpadas queimadas e usando a Binomial, temos X: B (100 ; 0,01),
Da, P ( X = k) = P (X = 2) = C 100 , 2 . (0,01) 2 . (0,99) 98 = 0.183940 e usando Poisson,
temos = np = 100 . 0,01 = 1 = 1. Da,
Aplicao
70
Num livro de 800 pginas h 800 erros de impresso. Qual a probabilidade de que uma
pgina contenha pelo menos 3 erros?
= 1 porque = 800/800 = 1 (taxa mdia de ocorrncia)
X = nmero de erros por pgina
P (X 3) = 1 P (X 3) = 1 P (X = 0) + P (X = 1) + P (X = 2)
3. Numa central telefnica chegam 300 telefonemas por hora. Qual a prob. de que:
a)
num minuto, no haja nenhuma chamada R: 0,006738
b)
em 2 minutos haja 2 chamadas R: 0,002270
c)
em t minutos no haja chamadas R: e 5 t
4. Numa fita de som, h um defeito em cada 200 metros. Qual a probabilidade de que:
a) em 500 metros no acontea nenhum defeito? R: 0,082085
b) em 800 metros ocorram pelo menos 3 defeitos.? R: 0,761896
5. O nmero de mortes por afogamento em fins de semana, numa cidade praiana, de 2
para cada 50.000 habitantes. Qual a probabilidade de que em:
a) 200.000 habitantes ocorram 5 afogamentos? R: 0,091603
b) 112.500 habitantes ocorram pelo menos 3 afogamentos? R: 0,826422
6. Numa estrada, h 2 acidentes para cada 100 km. Qual a probabilidade de que em:
a) 250 km ocorram pelo menos 3 acidentes? R: 0,875348
b) 300 km ocorram 5 acidentes? R: 0,160623
7. Numa linha adutora dgua, de 60 km ocorrem 30 vazamentos no perodo de um ms.
Qual a probabilidade de ocorrer, durante o ms, pelo menos 3 vazamentos num certo
setor de 3 km de extenso? R: 0,191154
8. Uma firma recebe 720 mensagens em seu fax em 8 horas de funcionamento. Qual a
probabilidade de que:
a) Em 6 minutos receba pelo menos 4 mensagens? R: 0,978774
b) Em 4 minutos no receba nenhuma mensagem? R: 0,002479
71
9. Voc est consultando um banco de dados e sabe por experincia, que essas
consultas ocorrem de forma independente e aleatria, com uma taxa mdia de trs
consultas por minuto. Deseja-se saber:
Clculos
15 A DISTRIBUIO NORMAL
Introduo
considerada a mais importante distribuio de probabilidade, sendo aplicada em
inmeros fenmenos e utilizada para o desenvolvimento terico da estatstica.
72
3 2 1 1 2 3
14.2 Principais Caractersticas da Distribuio Normal
a) o ponto de mximo de f(x) o ponto x = ;
b) os pontos de inflexo da funo so x = ;
c) a curva simtrica em relao x = ;
d) E (X) = e V (X) =2
1 x 2
1 .
Se f (x ) uma f.d.p.. ento 2 .e
2
dx 1
a b X
1 x 2
1 .
b
P (a X b) .e 2
dx
a
2
X
2 V ( X ) 2 V ( X ) V ( ) 2 0 1
1 1 1
V (Z ) V 2
V (Z) = 1
z2
1
Logo a f.d.p. de Z ser dada por ( z) e 2
2
0
14.4.2 Propriedades de Z
a) f (x) simtrica em relao x = (z) simtrica em relao z = 0
f (x) (z)
x= z=0
b) f (x) possui um mximo para x = e (z) para z = 0
c) f (x) tende a 0 quando x tende para ou
d) f (x) tem dois pontos de inflexo cujas abscissas valem ou (z) possui dois
pontos de inflexo cujas abscissas valem 1.
74
f (X) (z)
X 1 0 +1 Z
14.4.3 Combinao Linear de Variveis Aleatrias
A combinao linear de variveis aleatrias com distribuio normal e
independentes, ser tambm uma distribuio normal.
Sejam X e Y variveis aleatrias normais e independentes e suponha que
W = a X + b Y + c , W ter distribuio normal com:
E(W) = a x + b y+ c , e
Varincia = V (W) = V (a X + bY + c) = a2 (X) + b2 (Y)
V (W) = a2 2 + b2 2
Concluso
A soma ou a diferena de Variveis Aleatrias Normais tambm ser uma varivel
aleatria normal.
0 Z Z
14.4.5 Exemplos
1. Seja X: N (100, 25). Calcular: a) P (100 X 106) = P (0 Z 1,2) = 0,384930
X
= 100 e = 5 e Z . Logo,
= 0,05 = 0,05
50 X X 0 Z Z
X X 50
Como Z 1,64 X 56,56
4
b) P (X X = 0,99
76
0,99 0,99
0,01 0,01
50 X X 0 Z Z
X X 50
Z 2,32 X 59,28
4
Divirtam-se
Anotaes
15 DISTRIBUIO EXPONENCIAL
78
Introduo
O modelo Exponencial possui um estreito relacionamento com o modelo de
Poisson. Enquanto o modelo de Poisson serve para modelar o nmero de ocorrncias em
um perodo de tempo ou comprimento, a distribuio exponencial se presta para modelar
a varivel aleatria contnua que representa o intervalo de tempo decorrido ou o
comprimento, entre essas ocorrncias.
Esquematicamente, teramos
N de ocorrncias Poisson
do evento
o x x x x t
Tempo at a
ocorrncia do Exponencial
evento
Exemplos
O tempo entre falhas de sistemas, equipamentos ou componentes
O tempo entre chegadas de clientes a um shoping, a um caixa eletrnico, a uma clnica
mdica, etc...
A rea entre dois defeitos consecutivos de uma pea de tecido.
E as seguintes variveis:
X = Nmero de ocorrncias em (0 , t];
T = Tempo decorrido entre as ocorrncias.
Sendo a taxa de ocorrncia por unidade de tempo e considerando independncia entre
as ocorrncias, X t obedece a uma distribuio de Poisson com parmetro t.
Da, T0 Xt=0
e y .(t ) 0
P (T 0) P ( X t 0) = e t
0!
Agora, usando o evento complementar, podemos definir , t 0, a funo de distribuio
acumulada de uma varivel aleatria T com distribuio exponencial, ou seja,
F(T) = P (T t) = 1 e t
15.2 Grfico
f (t) = e t
0 t
1
t t
0
e t
dt ( e ) dt = ( e ) =1
0
15.3 A Esperana Matemticae a Varincia
Com o auxlio da noo de limites e integrao por partes demonstra-se que:
Mdia = (t) = 1/ e Varincia = V(t) = 1/2
15.4 Calculando Probabilidades
f(t) = e t
P (T t0) = 1 e to
P (T t 0) = e to
0 t0 t
Aplicao:
Suponha que em determinado perodo do dia, o tempo mdio de atendimento a um caixa
de banco seja de 10 minutos. Admitindo que o tempo para atendimento tenha
distribuio exponencial, determine a probabilidade de um cliente:
a) esperar mais do que 10 minutos:
Pela mdia da exponencial = 1/ 10 = 1 / = 0,1
PREMISSAS
1. A teoria da confiabilidade de componentes equipamentos ou sistemas, considera a
probabilidade que no venham a falhar durante um intervalo 0, t0, ou seja, a
probabilidade de que o equipamento ainda esteja funcionando no tempo t 0
2. Admite-se que taxa de falhas constante, ou seja, depois que a pea, componente ou
sistema esteja em uso, sua probabilidade de falha no se altera;
3. Quando o modelo exponencial admitido, no se considera o efeito do desgaste;
4. Uma das mais importantes leis de falhas aquela cuja durao at falhar descrita
pela distribuio exponencial;
Exemplo:
Suponha que a durao de vida de um dispositivo eletrnico seja exponencialmente
distribuda com tempo mdio entre falhas de 200 horas:
a) Qual a probabilidade de o dispositivo no falhar em 250 horas de uso?
= 1/ 200 = 1/ = 0,005
P(T 250) = e to = e ( 0,005 x 250) = e 1,25 = 0,2865 28.65%
EM TEMPO:
Confiabilidade: a probabilidade de um sistema ou parte dele ter desempenho
satisfatrio, sem falhas, em certas condies de uso, durante um perodo especificado de
tempo. a probabilidade de que ele vai funcionar tal qual o esperado.
Com base nessa definio:
R (t) = e t 0,90 = e 0,005 t ln 0,90 = 0,005 t t = 21,08 horas
ou seja, temos 90% de probabilidade do dispositivo no falhar.
Anotaes
81
0 t0
f(t) = 1 e t / 1000 t 0
1.000
Determine
a) A prob de que uma lmpada qualquer queime antes de 1.000 horas; R: 0,6321
b) A prob. de que uma lmpada qualquer se queime depois de sua durao mdia; R :
0,3679
c) O desvio-padro da distribuio R = 1.000 horas
f(t) = 2 e 2 t para t 0
0, para t 0
Clculos
83
16 ESTATSTICAS E PARAMETROS
Introduo
At agora vimos os principais modelos de distribuies de probabilidade e as
medidas que caracterizam uma amostra, quando nos referimos ao estudo da estatstica
descritiva.
Aqui, nessa abordagem, vamos juntar o conhecimento adquirido a partir dos modelos e
das medidas estudadas anteriormente para obter as distribuies amostrais dos
principais estimadores.
O conhecimento das distribuies amostrais, ser a base para aplicao das tcnicas da
inferncia estatstica e para um melhor entendimento desses conceitos, vamos conhecer
algumas estatsticas e alguns parmetros.
16.1 Principais Conceitos
16.1.1 Inferncia ou Induo Estatstica
Trata-se do processo de obter informaes sobre uma populao a partir de
resultados observados em amostras. Serve , fundamentalmente para dar ao pesquisador
um grau de confiana em suas incertezas.
De modo geral tem-se uma populao com um grande nmero de elementos e
deseja-se, a partir de uma amostra dessa populao, conhecer o mais prximo possvel
algumas caractersticas dessa populao. Veja a figura abaixo:
Populao (N) Amostra (n)
OBS Essa definio nos permite concluir que qualquer combinao das variveis
amostrais (X1 , X2, .... , Xn) um estimador ou estatstica.
16.2 ESTIMADORES
16.2.1 Estimador para a Mdia Populacional
84
xi
x a Mdia Aritmtica Amostral
n
16.2.2 Estimador para a Varincia Populacional 2
S2
(x i x )2
Varincia Amostral
n 1
X
f p Freqncia Relativa
n
S S2 Desvio-padro Amostral
16.3 Estimativa
Anotaes
17 DISTRIBUIO AMOSTRAL
85
Populao Parmetro :
xX
Amostra Estimadores :
Am
De uma determinada populao X, retiramos uma amostra de tamanho n
formada pelos elementos x1, x2, ...,xn, ento o estimador da mdia populacional ,
x
calculada na amostra, ser dado por:
xi
n
Exemplo:
Consideremos uma populao finita de tamanho N = 5. Seja X = 1, 2, 3, 4, 5 ; os
elementos dessa populao. Calculemos ento, a mdia e a varincia dessa
populao:
E (X) = x = x i p(x i) E (X) = 1/5 (1 2345) = 15/5 = 3 E (X) = x = 3
OBS - A mdia de cada amostra varia de uma amostra para outra, portanto x uma
varivel aleatria, nesse caso, discreta.
Ento, vamos determinar sua distribuio de probabilidade, sua mdia e sua varincia.
86
Logo, E ( x ) x x p ( x ) 75 / 25 3 x E ( X ) 3
E, V ( x ) E ( x 2 ) E 2 ( x ) 10 9 1 V ( x ) x2 1
Concluso:
Proposio 1
n
1 n
E (x ) = E 1 1 x = n E x = 1 n E x = 1 n = E (x )
n i 1
n
V (X )
Sendo, V ( X ) 2 , n = 2 e V ( x ) 1 , conclumos que: V (x)
n
Proposio 2
- Demonstrao
V ( x ) V
x 1 1 1
2 V xi 2 V x1 x2 .... xn 2 V ( x1 ) V ( x2 .... V ( xn )
n n n n
1 2 1 2 2
( 2
..... 2
) ( n. 2
) V ( x )
n2 n2 n n
Graficamente, teramos:
P(x) P (x )
5/25
4/25
1/5 3/25
2/25
1/25
0 1 2 3 4 5 0 1 2 3 4 5
Concluso:
87
N n 5 5.000 100
x E ( X ) 175 e, x . 0,49880
n n 1 10 5.000 1
Logo, a mdia das mdias amostrais 175 com desvio padro 0,5 cm.
Aplicao
Seja X: N (80,26). Dessa populao retiramos uma amostra de n = 25. Calcular:
a) P( x 83) b) P ( x 82) c) P( x 2 x x 2 x )
x x 83 80
Z 2,94 Z 3,94 . Isto porque: x 26 / 25 1,02
x 1,02
80 83 x 0 2,94 Z
P ( x 83) P( Z 2,94) 0,5 - P(Z 2,94 = 0,5 0,498359 = 0,001641
80 82 x 0 1,96 Z
Concluso
De posse desse valor, podemos afirmar que, temos 95% de confiana de que se,
retirarmos dessa populao, uma amostra de 25 elementos, a mdia amostral estar no
intervalo (77,96 : 82,04) ou, ento, se selecionarmos 100 amostras de tamanho 25, em 95
delas o valor da mdia pertencer ao intervalo e em 5 delas no pertencer.
ANOTAES
Determinar:
c) P( x 3 x x 3 x ) ; 0,9973
4. Qual dever ser o tamanho de uma amostra a ser retirada de uma populao normal
com mdia 1.200 e varincia 840, de tal forma que:
a) P 1196 x 1204 = 0,90. ; 141
b) Que concluses se pode tirar a partir do dimensionamento de n?
5. Que tamanho dever ter uma amostra para ser retirada de uma populao
X : N (200,350) , para que P ( x 5) 0,95 ; n 54
6. Seja X: N(100 ; 65). Retiramos dessa populao uma amostra de tamanho 20.
Determinar:
a) P (95 x 105) ; R = 0,984902
b) P( x 95) P( x 105
Vamos retirar uma grande amostra, n , (x1, x2, ... ,xn) dessa populao, com
reposio e seja x o nmero de sucessos na amostra, isto o nmero de elementos
com a caracterstica que se quer estudar. Com essas caractersticas X ter uma
distribuio Binomial ou seja, X : B (n, p) com:
mdia, E (X) = np e varincia V(X) = n p q.
Ento, a distribuio amostral da freqncia relativa ou do estimador populacional
p ser dada por:
X
p f
n
temos:
Calculando a esperana e a varincia de p
x 1 np
E ( p ) E .E ( x ) p E ( p ) p ou p p e,
n n n
x 1 1 pq pq pq
V ( p ) V 2 V ( X ) 2 .npq V ( p ) ou p
n n n n n n
Concluso :
Para n 30 e pelo teorema central do limite, a distribuio amostral de
p ser
aproximadamente normal e,
p p
p p Z N (0,1)
p
ser assintoticamente normal , isto , p.q
n
OBS
Graficamente, teramos:
pq pq
n n
0 p
APLICAO
-Z 0 Z
Como Z = Z o , 495 = 2,57 ; Ento temos que:
P (0,02 2,57 . 0,007 p 0,02 + 2,57 . 0,007) = P (0, 002 p 0,038) = 99%.
Ou seja, podemos garantir com uma confiabilidade de 99% que a proporo de pessoas
portadoras da doena na populao varia de 0,2% no mnimo a 3,8% no mximo
Anotaes
18 INTERVALOS DE CONFIANA
Introduo
Trata-se de uma tcnica para se fazer inferncia estatstica. A partir de um
intervalo de confiana, construdo com os elementos amostrais pode-se inferir sobre um
parmetro populacional.
92
Esta tcnica diferente da estimao por ponto, onde se calcula um nico valor
para o parmetro populacional. Agora, busca-se um segmento ou intervalo que dever
conter o parmetro desconhecido.
Tomemos como exemplo, uma amostra de 100 estudantes e calculando-se a mdia
das alturas, encontra-se 1,66 m. Atravs da tcnica de intervalos de confiana poder-se-ia
encontrar um intervalo, por exemplo 1,58 ; 1,68 que em 95% das vezes, incluiria a
verdadeira altura dos estudantes, ou a mdia da populao dos estudantes, = 1,66m
POPULAO
AMOSTRA
ESTIMATIVA Inferncia
PONTO INTERVALO
TOMADA DE DECISO EM
MOMENTOS DE INCERTEZA
1
2
3
4
5
6
7
8
9
10
(fixo)
Configurao: 10 intervalos de confiana para 10 amostras de mesmo tamanho e (1 - )
= 90%
dada por: x x
Z=
/ n
Z /2 0 Z /2
Queremos, ento: a P Z 2 Z Z 2 = 1
x x
P Z / 2 Z / 2 1 e resolvendo as duas inequaes para ,
/ n
temos o intervalo de confiana para a mdia populacional quando a varincia
conhecida:
P x Z / 2 . x x Z / 2 . 1
n n
Exemplo
2,5% 9 5% 2,5%
1 - Podemos afirmar com 95% de confiana que o intervalo 499,02 ; 500,98, contm a
verdadeira mdia populacional que no caso, desconhecida.
N n N n
P x Z / 2 x Z / 2 1
n N 1 n N 1
ANOTAES
95
9. TESTE DE HIPTESES
Introduo
O teste de hipteses um mtodo de fazer inferncia estatstica sobre parmetros
populacionais. Em vez de se calcular uma estimativa pontual ou por intervalo, do
parmetro, admite-se um valor hipottico do parmetro populacional e com base em
elementos amostrais, realiza-se um teste estatstico para aceitar ou rejeitar esse valor
hipottico.
N n
1. Hiptese Estatstica
Uma hiptese estatstica uma suposio que o pesquisador faz baseado no
verdadeiro valor do parmetro populacional, ou quanto natureza da distribuio de
probabilidade de uma varivel populacional.
H1 : A2 B2
H 0 : 45
H1 : 45
Dados: = 10% ; n = 16 ; x 43 e 2 = 36
Sendo o teste para mdia de populaes normais com varincias conhecidas, usaremos a
varivel Z : N(0,1) como critrio. Da,
x H 0 43 45 6 6
Z 1,33 Z cal 1,33 Sendo x 1,5
x 1,5 n 16 4
RC RNR RC
5%
5% 90% 5%
1,64 1,64
6 Tipos de Erros
Como falamos anteriormente , ao aplicarmos esta tcnica, estaremos cometendo
erros, por estarmos trabalhando com amostras. Diante desse fato podemos classificar os
erros em dois tipos:
H0 Hipteses