Professional Documents
Culture Documents
1 Introduo 1
1.4 Variveis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.6 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2 Estatstica Descritiva 11
2.1.1 Tabelas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
i
2.4.2 Mediana . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.4.3 Moda . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.5.1 Motivao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.5.2 Amplitude . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.6 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
3 Variveis Aleatrias 39
3.1.4 Varincia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
4.2.3 Exemplo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
ii
Bibliograa 70
iii
Lista de Tabelas
2.4 N
o de acidentes dirios num estacionamento, durante 50 dias. . . . . . . . . . . . 18
iv
Lista de Figuras
1981,90 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.2 Consumo per capita anual de alguns tipos de alimentos, em algumas regies
2.3 Taxa de mortalidade (em percentual) de menores de um ano no Brasil, segundo as trs
2.4 Nmero de vtimas em acidentes, segundo as grandes regies do Brasil, nos anos
de 1991 e 1992 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
v
Captulo 1
Introduo
Estatstica uma cincia muito til nos dias atuais, porm ela precisa ser entendida de forma
correta. Por exemplo, muitas pessoas acham que Estatstica composta apenas de grcos e
tabelas, e assumem este conceito errado de forma to concreta que so incapazes de aceitar
algo contrrio. Isto se d em virtude de vrios fatores, por exemplo, o modo como uma noticia
A Estatstica est interessada nos mtodos cientcos para a coleta, organizao, resumo,
1
Portanto, a estatstica uma cincia que se preocupa com o planejamento de uma pesquisa,
at a maneira como ser feita a organizao, a descrio, o resumo dos dados e a avaliao e
mtodo estatstico.
As vrias fases do mtodo estatstico esto delineadas a seguir. As etapas descritas nas sees
Por exemplo: A nota mdia no ENEM dos alunos do estado do Par menor do que
2
- peridica: quanto feita em intervalos constantes de tempo, como censos (10
pesquisa sobre mortalidade infantil que feita sobre a coleta direta de dados de
nascimentos e bitos
e) Apresentao dos Dados - Os dados sempre devem ser apresentados de forma adequada,
utilizados no processamento dos dados. A exposio dos dados tem o objetivo de facilitar
(amostra)
Probabilidade
contato com os dados pela primeira vez. Pode ser denida como um conjunto de tcnicas
3
Tabelas
Coleta de Crtica Apresentao Anlise
dados de dados dos Dados
Grcos
nmero ora uma funo matemtica. Foi desenvolvida a partir de problemas apresentados por
A Inferncia Estatstica: a parte da estatstica que trata das condies sob as quais
faz-se inferncias (ou pressuposies ou generalizaes) sobre uma populao. Se uma amostra
concluses importantes sobre a populao podem ser inferidas de sua anlise, assim, com a
inferncia estatstica fazemos inferncias alm dos dados conhecidos. A inferncia estatstica
indivduos, mas ao alvo no qual reside nosso interesse. Exemplos: todos os clientes de um
banco, todos os alunos de uma faculdade, todos os automveis da Ford, todo o sangue no
deve ser selecionada seguindo certas regras e deve ser representativa da populao, de
4
Figura 1.1: Levantamento por amostragem para avaliar a preferncia do consumidor
Amostragem o estudo das relaes existentes entre a amostra e a populao de onde esta
da populao, como por exemplo, a mdia (?), a varincia (?) ou a proporo (p) de uma
determinada caracterstica.
amostragem envolve um estudo de apenas uma parte dos elementos. A amostragem consiste em
selecionar parte de uma populao e observ-la com vista a estimar uma ou mais caractersticas
Por exemplo: Para se saber se o bolo de chocolate est bom, basta comer uma fatia."
Para estimar a prevalncia de uma doena rara, a amostra pode ser constituda por algumas
instituies mdicas, cada uma das quais tem registro dos pacientes.
O Censo apresenta diculdades que tornam a amostragem um pouco mais atraente. Entre
5
as diculdades que o censo apresenta, podem ser apresentadas as seguintes:
iv) Fatores de tempo e custo podem apontar pela preferncia entre uma amostra e um censo.
iguais;
ii) Se o tamanho da amostra necessria tiver que ser muito grande em relao populao
examinada;
precisa ser feita com critrios, pois pretendemos ter amostras que permitam, a apartir de uma
selecionados.
6
Amostra Conjunto dos 20 doentes selecionados.
produzidos.
Populao Conjunto dos alunos que entram para a escola primria sem saber ler.
confronto.
1.4 Variveis
1.4.1 Denio de Varivel:
Varivel aquilo que se deseja observar para se tirar algum tipo de concluso.
7
1.4.2 Classicao das Variveis
Nominal : variveis em que no possvel estabelecer uma ordem natural entre seus
valores. Ex.: cor da or, que pode ser rosa, branca ou vermelha; Sexo (feminino ou
masculino).
em discretas e contnuas.
Discretas: so aquelas variveis que podem assumir somente valores inteiros num
conjunto de valores. gerada pelo processo de contagem. Ex.: nmero de folhas por
padro.
Cada parmetro representado por um smbolo ou letra. No exemplo tem-se que para a
No possvel fazer inferncias baseada em parmetro, uma vez que toda a populao foi
investigada.
para que, com base na amostra, possamos obter concluses sobre a populao.
8
Cada estimador tambm representado por um smbolo ou letra. Para a mdia, a varincia
1.6 Exerccios
1. Identique a populao e a amostra.
a) Uma pesquisa com 1906 residncias nos Estados Unidos descobriu que 13% tem
aproximandamente 800 postos de gasolina para determinar o preo mdio por galo
de gasolina comum. Em 12 de fevereiro de 2007, o preo mdio era $2, 24 por galo.
a) Uma pesquisa recente de uma amostra de MBAs reportou que o salrio mdio para
b) Em uma pesquisa recente com 1.503 adultos nos Estados Unidos, 53% disseram que
c) Num ano recente, a nota mdia de Estatstica para todos os granduandos na UFPI
era 21,1.
alm de no sei).
(leve,moderada, forte)
9
e) Cor dos cabelos dos alunos de uma escola
10
Captulo 2
Estatstica Descritiva
importncia para uma pesquisa, pois nela, podemos perceber as tendncias do nosso conjunto
de dados. Aps a coleta dos dados experimentais, devemos organiz-los e apresent-los; esta
A nalidade das tabelas apresentar os dados de modo ordenado, simples e de fcil interpretao,
A construo de uma tabela, entretanto, deve obedecer a uma srie de normas tcnicas. Estas
Tabular".
Elementos da Tabela
11
Ttulo: a indicao que precede a tabela contendo a designao do fato observado, o
da tabela.
fundamentais:
espcie: refere-se ao fato ou fenmeno que est sendo investigado e cujos valores numricos
As sries estatsticas so classicadas de acordo com o fator que estiver variando, podendo
1. Sries simples
12
Tabela 2.1: Produo de Petrleo Bruto no Brasil de 1976 a 1980
Anos Produo
1976 9.702
1977 9.332
1978 9.304
1979 9.608
1980 10.562
1
Fonte: Conjuntura Econmica (Fev 1983)
13
2. Sries mistas: so aquelas em que mais de um fator varia ou um fator varia mais de uma
vez.
Figura 2.1: Taxa de atividade feminina urbana, em percentual, em trs regies do Brasil, 1981,90
Figura 2.2: Consumo per capita anual de alguns tipos de alimentos, em algumas regies
metropolitanas do Brasil, no ano de 1988
Figura 2.3: Taxa de mortalidade (em percentual) de menores de um ano no Brasil, segundo as trs
principais causas, no perodo de 1984 a 1987
14
Srie especicativa histrica geogrca
Figura 2.4: Nmero de vtimas em acidentes, segundo as grandes regies do Brasil, nos anos de
1991 e 1992
3. Srie Distribuio de frequncias: ocorre quando nenhum dos fatores varia. Nesta serie os
15
2.2 Distribuio de Frequncia
Uma das formas de organizar e resumir a informao contida em dados observados por meio
freqncia total.
Freqncia acumulada relativa (Fr): o total das freqncias relativas de todos os valores
so:
16
Determinar Amplitude total ou range"R: a diferena entre o maior e o menor valor
observado.
R = xmax xmin
determinar o nmero de classes da tabela. De modo geral, este valor no dever ser inferior
a 5 e nem superior a 15. Existem algumas regras objetivas de determinao, como, por
exemplo:
k = 1 + 3, 32logn (Frmula de Sturges) ou k
= n (2.1)
onde:
k: nmero de classes
n: nmero de observaes
h
=Rk
empregando, para isso, o smbolo | (incluso por limite inferior e excluso do limite
superior).
li+ls
Ponto mdio das classes: pm = 2 onde:
Exemplo:
21,2 21,4 21,8 21,5 21,6 21,7 21,6 21,4 21,2 21,7
21,3 21,5 21,7 21,4 21,4 21,5 21,9 21,6 21,3 21,5
21,4 21,5 21,6 21,9 21,5
Soluo:
17
21,2 21,2 21,3 21,3 21,4 21,4 21,4 21,4 21,4 21,5
21,5 21,5 21,5 21,5 21,5 21,6 21,6 21,6 21,6 21,7
21,7 21,7 21,8 21,9 21,9
Amplitude de Classe: h
= R k = 0, 7 5 = 0, 14
Portanto:
Tabela 2.4: N
o de acidentes dirios num estacionamento, durante 50 dias.
concisamente, informar sobre sua variabilidade. Existem vrios tipos de grcos para as variveis
Qualitativas. Aqui sero ilustrados trs deles: Grcos em Barras, o de Composio em Setores
Grco em Barras
O grco em Barras consiste em construir retngulos ou barras, em que uma das dimenses
proporcional magnitude a ser representada (n), sendo a outra arbitrria, porm igual para
verticalmente. No exemplo a seguir temos o grco em barras (verticais) para a varivel Grau
de Instruo.
18
Tabela 2.5: Freqncias e Porcentagens dos 36 empregados da seo de oramentos da
Companhia MB segundo o grau de instruo.
Grau de Instruo Frequncia Proporo Porcentagem
Fundamental 12 0,3333 33,33%
Mdio 18 0,5 50,00%
Superior 6 0,1667 16,67%
Total n=36 1,00 100,00%
todo, dividido em setores, que correspondem s partes de maneira proporcional. Para o exemplo
19
Grco de Pareto
isto , a de maior freqncia absoluta ca esquerda, seguida pela segunda de maior freqncia,
Figura 2.7: Produo de avies em 2000. (Fonte: Boeing Commercial Airplane Company)
O grco em Barras para as variveis quantitativas construdo da mesma forma ao das variveis
20
Figura 2.8: Grco de Barras para a varivel Nmero de Filhos
Histograma
O histograma um grco de barras contguas, com bases proporcionais aos intervalos de classes
do i -simo intervalo por a i . Para que a rea do retngulo respectivo seja proporcional a fi ,
a sua altura deve ser proporcional a di = fi /hi , que chamada de densidade de freqncia da
i-sima classe. Com essa conveno, a rea total do histograma ser 1 (um).
21
Figura 2.9: Histograma da Varivel Salrio
Polgono de Frequncias
intervalos iguais ou no. Tais conjuntos de dados constituem as chamadas sries histricas, ou
22
2.4 Medidas de Posio ou Tendncia Central
Para resumir a quantidade de informao contida em um conjunto de dados, os estatsticos
denem medidas que descreve, atravs de um s nmero, caractersticas dos dados. Algumas
dessas medidas descrevem a tendncia central, isto , a tendncia que os dados tem de se agrupar
Mediana
Moda
denida como a soma dos valores do grupo de dados dividida pelo nmero de valores.
PN
xi
Mdia Populacional: = i=1
N
Pn
xi
Mdia Amostral: X= i=1
n
23
Mdia Arimtica para dados agrupados
PN Pn
i=1 xi Fi i=1 xi Fi
= e X=
N n
Observao: Para dados agrupados em intervalo de classe: xi : ponto mdio de cada classe.
ESCORES ALUNOS
35 |45 5
45 |55 12
55 |65 18
65 |75 14
75 |85 6
85 |95 3
TOTAL 58
Soluo:
ESCORES ALUNOS xi xi Fi
35 |45 5 40 200
45 |55 12 50 600
55 |65 18 60 1080
65 |75 14 70 980
75 |85 6 80 480
85 |95 3 90 270
TOTAL 58 3610
Pn
xi Fi 3610
Assim: X= i=1
n = 58 = 62, 24
1. A Mdia Aritmtica Simples dever estar entre o menor e o maior valor observado;
2. A soma algbrica dos desvios calculados entre os valores observados e a mdia aritmtica
igual a zero;
3. Somando-se ou subtraindo-se todos os valores (Xi) da srie por uma constante k (k 6= 0), a
nova mdia aritmtica ser igual a mdia original somada ou subtrada por esta constante
k.
24
4. Multiplicando-se ou dividindo-se todos os valores (Xi) da srie por uma constante k (k 6=
0), a nova mdia aritmtica ser igual a mdia original multiplicada ou dividida por esta
constante k.
1. Como faz uso de todos os dados para seu clculo, pode ser determinada com preciso
mtemtica;
2. Pode ser determinada quando somente o valor total e o nmero de elementos forem
conhecidos.
2.4.2 Mediana
Construindo o ROL, o valor da mediana o elemento que ocupa a posio central, ou seja, o
n n
Se n for par, ento o valor mediana ser a mdia entre os elementos de ordem
2 e 2 + 1;
x(n/2) + x( n2 +1)
Md = (2.3)
2
n+1
Se n for impar, ento o valor mediana ser o valor localizado na posio
2
M d = x( n+1 )
2
25
Exemplo : Suponha o conjunto de tempo de servio de seis funcinrios: 3,7,8,10,11 e 13.
Portanto: 50% dos funcionrios possuem at 9 anos de tempo de servio, ou, 50% possuem
dos valores x1 , x2 , ..., xn pela posio da mediana POS(Md)= n2 atravs da fequncia absoluta Fac
Soluo:
10
Posio da Mediana: P OS(M d) = 2 = 5, ou seja, quinta posio.
Procedimento
n
Calcula-se a posio da mediana: POS(Md)=
2;
26
Utiliza-se a frmula:
n P
2 f
M d = li + h
FM d
Onde:
P
f= soma das frequncias anteriores a classe da mediana;
ESCORES ALUNOS Fi Fa
35 |45 5 5
45 |55 12 17
55 |65 18 35
65 |75 14 49
75 |85 6 55
85 |95 3 58
TOTAL 58
Soluo:
n 58
Pposio da mediana: POS(Md)=
2 = 2 = 29;
Pela Fac identica-se a classe que contm o valor da mediana a terceira classe;
Utiliza-se a frmula:
n P
2 f (29 17)
M d = li + h = 55 + 10 = 55 + 6, 67 = 61, 67 (2.4)
FM d 18
2.4.3 Moda
distribuio
27
Sejam os elementos x1 , x2 , ..., xn uma amostra, o valor da moda para este tipo de conjunto
Mo = 3 e 8 Distribuio bimodal.
Moda para dados agrupados em uma distribuio de frequncia por valores simples
Para este tipo de distribuio, a identicao da moda facilitada pela simples observao do
Exemplo Em um determinado dia foi registrado o nmero de veculos negociados por uma
28
Moda para dados agrupados em uma distribuio de frequncia por classes
Para dados agrupados em classes, temos diversas frmulas para o calculo da moda. A utilizada
ser:
Frmula de Czuber
Procedimento
Utiliza-se a frmula:
1
M o = li + h
1 + 2
Onde:
1 = Fi Fi,ant ;
2 = Fi Fi,post
Frmula de Pearson
Mo = 3M d 2X
ESCORES ALUNOS Fi Fa
35 |45 5 5
45 |55 12 17
55 |65 18 35
65 |75 14 49
75 |85 6 55
85 |95 3 58
TOTAL 58
Soluo:
29
Pela Fi a classe modal a teceira classe, pois Fi = 18
Utiliza-se a frmula:
1 (18 12)
M o = li + h = 55 + 10 = 55 + 6 = 61 (2.5)
1 + 2 (18 12) + (18 14)
Portanto, o escore com maior frequncia entre o grupo de 58 alunos foi de 61pts.
2.5.1 Motivao
Para preencher uma nica vaga existente em uma empresa, 50 candidatos foram submetidos
Que candidato escolher? Um critrio inicial poderia ser o de escolher o que tem a maior
mdia, mas:
Candidatos A B C
Mdia
Candidatos A B C
Moda
Mediana
Soluo: Um segundo critrio de escolha pode ser escolher o candidato que apresentou
notas mais homogneas, isto , aquele que apresentou menor disperso das notas.
2.5.2 Amplitude
A amplitude denida pelo intervalo entre o valor mximo e o valor mnimo da srie de dados,
ou seja,
30
Candidatos A B C
Amplitude
A varincia de um conjunto de dados a mdia dos quadrados dos desvios dos valores a contar
(x1 )2
P
2
= (2.6)
N
Notas
Candidato A 7,0 7,5 8,0 8,0 8,5 9,0
Soluo:
Mdia: X = 8, 0
Varincia:
Notas
Candidato B 6,0 7,0 8,0 8,0 9,0 10
Soluo:
Mdia: X = 8, 0
31
Varincia:
Notas
Candidato C 7,5 8,0 8,0 8,0 8,0 8,5
Soluo:
Mdia: X = 8, 0
Varincia:
Assim: SC =
Resumindo
Observao: Para uma distribuio de frequncia por classe, xi representa o ponto mdio
de cada classe.
Exemplo Em um determinado dia foi registrado o nmero de veculos negociados por uma
32
veculos negociados nmero de vendedores
1 1
2 3
3 5
4 1
Total 10
Soluo:
2 2
veculos negociados nmero de vendedores xi Fi xi X xi X Fi
1 1 1 2,56 2,56
2 3 6 0,36 1,08
3 5 15 0,16 0,80
4 1 4 1,96 1,96
Total 10 26 5,04 6,40
padro em torno da mdia, encontramos a concentrao da maioria dos veculos negociados por
vendedor.
ESCORES ALUNOS
35 |45 5
45 |55 12
55 |65 18
65 |75 14
75 |85 6
85 |95 3
TOTAL 58
Determinar o desvio-padro.
Soluo:
2 2
ESCORES ALUNOS xi xi Fi xi X xi X Fi
35 |45 5 40 200 494,62 2.473
45 |55 12 50 600 149,82 1.797,84
55 |65 18 60 1.080 5,02 90,36
65 |75 14 70 980 60,22 843,08
75 |85 6 80 480 315,42 1.892,52
85 |95 3 90 270 770,62 2.312,86
TOTAL 58 3.610 9.409,66
33
Como X = 62, 24, ento S 2 = 165, 1pontos2 S = 12, 85pontos. Portanto, o desvio padro
padro em torno do escore mdio de 62,24, encontraremos a concentrao da maioria dos alunos
se alteram.
y2 = k 2 x2
y = |k| x
embalagens de um quilo ou 1000 gramas. Para efeitos de controle do processo de enchimento das
embalagens, sorteia-se uma amostra de 10 embalagens de cada uma das mquinas, obtendo-se
os seguintes resultados:
x = 295g
300g (2.11)
= 5g
x = 995g
1000g (2.12)
= 5g
Na primeira mquina, as embalagens deveriam est fornecendo peso de 300g mas, devido a
erros de ajuste da mquina de enchimento, o peso mdio das 10 embalagens de apenas 295g .
O desvio padro de 5g signca que, em mdia, os pesos das embalagens esto 5 gramas abaixo
ou acima do peso mdio das 10 latas. Uma interpretao anloga vale para a segunda mquina.
Em qual das duas situaes a variabilidade parece ser maior? Ou seja, em qual das duas
mquinas parece haver um problema mais srio? Note que, em ambos os casos, h uma disperso
34
Surge assim, a necessidade de uma medida de disperso relativa, que permita comparar, por
denido como a razo entre o desvio padro dos dados e sua mdia, ou seja:
S
CVpopulacional = 100 ou CVamostral = 100
X
No exemplo das latas de ervilha, os coecientes de variao para as embalagens oriundas das
2 mquinas so:
5
300g CV = 100 = 1, 67%
300
5
1000g CV = 100 = 0, 5%
1000
relativamente maior.
2.6 Exerccios
1. Faa o grco de barras, o de composio em setores e o de Pareto para os dados fornecidos
na Tabela abaixo.
para cada um deles o seu salrio (em salrios mnimos). Se estas 3 empresas estivessem
oferecendo emprego, em qual delas voc trabalharia sendo que o resultado da pesquisa
35
Empresa A Empresa B Empresa C
5,5 4 5
6 5 6
6 6 6
6 6 6
6,5 9 7
Obs: Obtenha a Amplitude, Varincia e Desvio Padro de cada empresa para tomar sua
deciso.
o
4. A distribuio abaixo indica o N de acidentes ocorridos com 70 motoristas de uma
N
o ACIDENTES 0 1 2 3 4 5 6 7
o
N MOTORISTAS 20 10 16 9 6 5 3 1
5. A tabela abaixo apresenta uma distribuio de freqncia das reas de 400 lotes:
reas (m )
2 nmero de lotes
300| 400 14
400| 500 46
500| 600 58
600| 700 76
700| 800 68
800| 900 62
900| 1.000 48
1.000| 1.100 22
1.100| 1.200 6
a) A amplitude total.
36
e) A freqncia acumulada da quinta classe.
f) O N
o de lotes cuja rea no atinja 700m2 .
g) O N
o de lotes cuja rea atinja e ultrapasse 800m2 .
j) A percentagem dos lotes cuja rea de 500m2 no mnimo, mas inferior a 1000m2 .
6. Uma pesquisa com usurios de transporte coletivo na cidade de So Paulo indagou sobre os
diferentes tipos usados nas suas locaes dirias. Dentre nibus, metr e trem, o nmero
voc acha que a porcentagem dos usurios que utilizam mais de um tipo de transporte
grande?
e) Determine o desvio-padro.
7. o tempo de ignio fria"de um motor de carro est sendo investigado por um fabricante
8. O Departamento pessoal de uma certa rma fez um levantamento dos salrios dos 120
tabela abaixo.
37
c) Se for concedido um aumento de 100% para todos os 120 funcionrios, haver
d) Se for concedido um abono de dois salrios minimos para todos os 120 funcionrios,
9. Faa uma anlise comparativa do desempenho dos alunos e alunas de uma turma de
Estatstica, segundo as notas dadas a seguir. Para isso, calcule a mdia, o desvio padrao
Homens 4,5 6,1 3,2 6,9 7,1 8,2 3,3 2,5 5,6 7,2 3,4
Mulheres 6,3 6,8 5,9 6,0 4,9 6,1 6,3 7,5 7,7 6,5
38
Captulo 3
Variveis Aleatrias
varivel aleatria X como uma funo que associa um nmero real X(w) a cada elemento do
espao amostral, w .
X:R
Representamos as variveis aleatrias por letras maisculas e suas ocorrncias por letras
minsculas.
innito enumervel, isto , existe um conjunto nito ou enumervel {x1 , x2 , . . . , } R tal que
X(w) {x1 , x2 , . . . , }w
1. Lana-se uma moeda 10 vezes e anota-se o nmero de caras. Este nmero pode ser
0, 1, 2, . . . , 10.
2. Em uma pesquisa de mercado feita com 200 pessoas, perguntam-se estes compram um
39
3. Conta-se o n
o de acidentes que ocorrem em uma rodovia num feriado prolongado. O
nmero de acidentes em questo pode ser: 0, 1, 2, . . . Como no temos um valor que limite
esse nmero, supomos que o nmero de acidentes qualquer inteiro no negativo.
conveniente transformar seus resultados em nmeros. Isto feito atravs da varivel aleatria
que uma funo que associa um valor numrico a cada ponto do espao amostral. Para
Representamos as variveis aleatrias por letras maisculas e suas ocorrncias por letras
minsculas.
eventos que correspondem a nenhuma, uma, duas ou trs caras respectivamente, como segue:
X Evento correspondente
0 A1 = {(kkk)}
1 A2 = {(ckk), (kck), (kkc)}
2 A3 = {(cck), (ckc), (kcc)}
3 A4 = {(ccc)}
Seja X uma varivel aleatria discreta. Deni-se Funo de Probabilidade a funo que associa
a cada valor assumido pela varivel aleatria X a probabilidade do evento correspondente, isto
p(xi ) = P (X = xi ) = P (Ai ), i = 1, 2, . . . .
40
0 p(xi ) 1;
P
i=1 p(xi ) = 1.
X.
Distribuio de Probabilidade de X
X p(x) = P (X = x)
0 1/8
1 3/8
2 3/8
3 1/8
Grco:
Exemplo 3: Considere o experimento : Lanar dois dados. Seja X a soma das faces,
2 = {(1, 1), (1, 2), (1, 3), (1, 4), (1, 5), (1, 6)
(2, 1), (2, 2), (2, 3), (2, 4), (2, 5), (2, 6)
(3, 1), (3, 2), (3, 3), (3, 4), (3, 5), (3, 6)
(4, 1), (4, 2), (4, 3), (4, 4), (4, 5), (4, 6)
(5, 1), (5, 2), (5, 3), (5, 4), (5, 5), (5, 6)
(6, 1), (6, 2), (6, 3), (6, 4), (6, 5), 6, 6)}
A distribuio de Probabilidade de X :
41
X Evento p(x) = P (X = x)
2 {(1, 1)} 1/36
3 {(1, 2), (2, 1)} 2/36
4 {(1, 3), (2, 2), (3, 1)} 3/36
5 {(1, 4), (2, 3), (3, 2), (4, 1)} 4/36
6 {(1, 5), (2, 4), (3, 3), (4, 2), (5, 1)} 5/36
7 {(1, 6), (2, 5), (3, 4), (4, 3), (5, 2), (6, 1)} 6/36
8 {(2, 6), (3, 5), (4, 4), (5, 3), (6, 2)} 5/36
9 {(3, 6), (4, 5), (5, 4), (6, 3)} 4/36
10 {(4, 6), (5, 5), (6, 4)} 3/36
11 {(5, 6), (6, 5)} 2/36
12 {(6, 6)} 4/36
Gracamente:
FX (x) = P (X x)x R
Propriedades
0 FX (x) 1;
FX () = 0 e FX () = 1;
42
P (a < X b) = FX (b) FX (a);
1. P (X > a) = 1 P (X a) = 1 FX (a)
5. P (a X < b) = FX (b ) FX (a )
6. P (a X b) = FX (b) FX (a )
X
FX (x) = p(xi ),
i
Assim como denimos a mdia de uma distribuio de freqncias como a soma dos produtos dos
diversos valores observados pelas respectivas freqncias relativas, natural denirmos agora
a mdia de uma v.a., ou de sua distribuio de probabilidade, como a soma dos produtos dos
43
n
X n
X
E(X) = xi p(xi ) = xi P (X = xi ).
i=1 i=1
Exemplo 5: Um lojista mantm extensos registros das vendas dirias de certo aparelho.
probabilidade:
Nmero xi 0 1 2 3 4 5
Probabilidade p(xi ) 0,1 0,1 0,2 0,3 0,2 0,1
Se for de R$20, 00 o lucro por unidade vendida, qual o lucro esperado nas vendas de uma
semana?
em uma semana:
Para x unidades vendidas o lucro 20x. Logo, o lucro esperado de R$54, 00.
Exemplo: Suponhamos que um nmero seja sorteado de 1 a 10, inteiros positivos. Seja X
o nmero de divisores do nmero sorteado. Calcular o nmero mdio de divisores do nmero
sorteado.
Nmero 1 2 3 4 5 6 7 8 9 10
Num. de divisores 1 2 2 3 2 4 2 4 3 4
Assim:
X p(x) = P (X = x) X p(x)
1 1/10 1/10
2 4/10 8/10
3 2/10 6/10
4 3/10 12/10
Total 1 2,7
44
E(a) = a
E(X a) = E(X) a;
E(bX) = bE(X);
3.1.4 Varincia
Denio: Suponha que X uma varivel aleatria com mdia = E(X). A varincia de X,
representada por V ar(X) denida por:
Denio: Dada uma varivel aleatria discreta X, cuja funo de distribuio p(x).
Ento, a varincia de X denida por:
X
V ar(X) = (x )2 p(x).
x
V ar(a) = 0;
V ar(X a) = V ar(X);
V ar(bX) = b2 V ar(X);
45
3.1.5 Desvio Padro
sendo assim, uma unidade sem signicado fsico. Para se ter uma medida de disperso na mesma
unidade dos dados, dene-se o desvio padro como a raiz quadrada da varincia.
p
DP (X) = V ar(X)
real. Aqui tambm sabemos que esse nmero no passa de 3 metros, mas conveniente
considerar qualquer n
o real positivo.
candidato; aqui tambm consideramos que o resultado pode ser qualquer nmero real
positivo.
se o nvel de colesterol. O valor de cada medida pode ser um nmero real no negativo.
acendendo-a;
nvel de colesterol;
temperatura;
46
Denio: Seja X uma varivel aleatria. Suponha que os possveis valores de X seja um
intervalo que possui innitos valores, ento diremos que X uma varivel aleatria contnua.
fX (x) 0;
R
fX (x)dx =1
Z b
P (a < x < b) = fX (x)dx,
a
observao:
Exemplo 5: Suponhamos que a varivel aleatria X seja contnua. Seja a funo fX (x)
denida por:
2x, se 0<x<1
fX (x) = (3.1)
0, caso contrrio .
Verique se fX (x) uma funo densidade de probabilidade.
R1
Soluo: fX (x) f.d.p de X se
0 fX (x)dx = 1.
47
R1
Mas:
0 2xdx = x2 |10 = 1 0 = 1, logo fX (x) f.d.p de X.
Exemplo 6: Suponhamos que a varivel aleatria X seja contnua. Seja a funo fX (x)
denida por:
cx2 ,
se 0<x<2
fX (x) = (3.2)
0, caso contrrio .
Qual o valor da contante c para que fX (x) seja uma funo densidade de probabilidade?
R2
Soluo: fX (x) f.d.p de X se
0 fX (x)dx = 1
Mas:
2
x3 2
Z
8c 3
cx2 dx = 1 c |0 = 1 =1c= (3.3)
0 3 3 8
substituio gratuita se o tubo de imagem falhar. Ele estima o tempo de falha (em unidades de
1 x/4
fX (x) = 4e , se x>0
(3.4)
0, caso contrrio .
R0 1 x/4
Soluo: P (X 1) = 1 4e dx = 0, 2
Denio: Seja X uma v.a contnua. O valor mdio ou esperana matemtica de X denido
por: Z
E(X) = xfX (x)dx
Denio: Dada uma varivel aleatria contnua X , cuja funo densidade de probabilidade
48
Z Z
2
V ar(X) = (x ) fX (x)dx = x2 fX (x)dx 2 .
Exemplo 9: Seja
kx, se 0<x1
fX (x) = (3.5)
0, caso contrrio .
Determinar:
b) P (0 X 1/2).
R 1/2 1/2
Soluo: P (0 X 1/2) = 0 2xdx = x2 |0 = 41 .
c) E(X) e V ar(X)
R
x3
R1 R1 2
Soluo: E(X) = xfX (x)dx = 0 x2xdx = 0 2x2 dx = 2 3 |10 = 3
R
x4
R1 R1 1
E(X 2 ) = 2
x fX (x)dx = 0 x2 2xdx = 0 2x3 dx = 2 4 |10 = 2
1 1
Portanto: V ar(X) = E(X 2 ) [E(X)]2 = 2 49 = 18
Exemplo 10: Seja X o tempo durante o qual um equipamento eltrico usado em carga
1
5002
x, se0 x < 1.500
fX (x) = 1 (3.6)
5002
(3.000 x), se 1.500 x 3.000
Calcular E(X), ou seja, o tempo mdio em que o equipamento ser utilizado em carga
mxima.
49
Captulo 4
2. um dado lanado: ou ocorre face 5 ou no (ocorrendo, ento, umas das faces 1,2,3,4 ou
6);
3. uma pea escolhida ao acaso de um lote contendo 500 peas: essa pea defeituosa ou
no;
4. uma pessoa escolhida ao acaso entre os moradores de uma cidade e verica-se se ela
Consideremos uma unica tentativa de um experimento aleatrio, cujo resultado pode ser
50
Seja X: nmero de sucessos em uma nica tentativa do experimento.
0, fracasso, com P (X = 0) = q = 1 p
X= (4.1)
1, sucesso, com P (X = 1) = p.
Denio A v.a X que assume apenas os valores 0 e 1 com funo de probabilidade p(x),
tal que: p(0) = P (X = 0) = 1 p = q e p(1) = P (X = 1) = p, chamada varivel aleatria de
P (X = x) = px q 1x , x = 0, 1.
Notao: X Bernoulli(p)
1 x 1 1x
Exemplo: Se X Bernoulli(1/2) p(x) = 2 2
Caractersticas
E(X) = p;
Exemplo: Uma urna contm 30 bolas brancas e 20 verdes. Retira-se uma bola dessa urna.
Seja a v.a X: nmero de bolas verdes. Determinar a funo de probabilidade de X, p(x), E(X)
e V ar(X).
1. uma moeda landa trs vezes: qual a probabilidade de se obter duas caras?
2. um dado lanado cinco vezes: qual a probabilidade de se obter face 5 no mximo trs
vezes?
51
3. dez peas so extradas, ao acaso, com reposio, de um lote contendo 500 peas; qual a
probabilidade de que todas sejam defeituosas, sabendo-se que 10% das peas do lote so
defeituosas?
4. sabe-se que 90% das pessoas de uma cidade so favorveis a um projeto municipal.
n x nx n n!
P (X = x) = p q , x = 0, 1, . . . , n e = (4.2)
x x (n x)!x!
Notao: X Binomial(n, p)
4 1 x
1 4x
Exemplo: Se X Binomial(4, 1/2) p(x) = 2 2 ,x = 0, 1, 2, 4
x
Caractersticas
E(X) = np;
V ar(X) = npq .
caras?
ocupadas 40% do tempo. Suponha que os eventos em que as linhas estejam ocupadas em
ocupadas?
b) Qual a probabilidade de que, para no mnimo uma chamada, as linhas estejam ocupadas?
52
1. uma moeda com probabilidade p de cara lanada at que aparea cara pela primeira vez;
2. Considere uma populao muito grande onde p% das pessoas sofrem de uma doena
desconhecida. Precisa-se encontrar uma pessoa portadora da doena para que os mdicos
possam estud-la. Quantas pessoas teremos que examinar at encontrar uma portadora?
de uma pessoa) tem dois resultados possveis (cara ou coroa e Portadora ou no portadora da
P (X = x) = q x1 p, x = 1, 2, 3, .....
E(X) = 1/p;
V ar(X) = q/p2 .
Bernoulli, o que signica que em todas elas a probabilidade de sucesso (e, portanto, de fracasso)
Exemplo: Um atirador acerta na mosca do alvo, 20% dos tiros. Qual a probabilidade de ele
Este modelo descreve processos aleatrios, tais como, o nmero de chamadas telefnicas, que
chegam a uma central, por minuto; o nmero de acidentes de comboio, num certo intervalo de
tempo; o nmero de participaes feitas a uma companhia de seguros, por unidade de tempo;
53
o nmero de defeitos por 1000 metros de cabo elctrico e o nmero de defeitos por linha de
montagem.
probabilidade dessa ocorrncia num dado intervalo de tempo (pequeno) relativamente pequena,
A varivel aleatria discreta X tem distribuio de Poisson com parmetro , se sua funo
x
P (X = x) = e , x = 0, 1, 2, . . .
x!
E(X) = V (X) = ;
Exemplo Numa central telefnica chegam 300 telefonemas por hora. Qual a probabilidade
de que:
Uma varivel aleatria contnua X tem distribuio uniforme no intervalo [a, b] (nito) se sua
f (x) = k, x [a, b]
54
Figura 4.1: Densidade uniforme no intervalo [a, b]
Logo, a funo de densidade de uma v.a. uniforme no intervalo [a, b] dada por:
1
ba se axb
fX (x) = (4.3)
0 caso contrrio
Por denio, temos que FX (x) = P (X x) e essa probabilidade dada pela rea sob a curva
0 x<a
se
xa
FX (x) = se a x b (4.4)
ba
1 se x b
(ba)2
V (X) = 12 .
55
4.2.3 Exemplo
c) seja exatamente o 2;
A distribuio exponencial um modelo para um tempo de vida com taxa de falha constante.
Uma varivel aleatria X tem distribuio exponencial com parmetro se sua densidade
de probabilidade da forma:
ex
se x0
fX (x) = (4.5)
0 caso contrrio
onde o parmetro uma constante real positiva. A gura mostra um grco da densidade
exponencial.
exponencial. Ento, usaremos a notao X exp() para indicar o fato de que a v.a. X tem
56
Funo de distribuio acumulada
1 ex
se x>0
FX (x) == P (X x) (4.6)
0 se x0
1
E(X) =
1
V (X) = 2
Exemplos
k/2ex
se x0
fX (x) = (4.7)
0 se x<0
a) Calcular o valor de k;
b) Determinar F (x);
b) Calculer P (1 X 2);
57
4.2.5 A Distribuio Normal
A distribuio Normal a distribuio de probabilidade mais usada na Estatstica, pois
serve de modelo para um grande nmero de variveis contnuas e tambm como modelo
Uma varivel aleatria contnua X, denida para todos os valores da reta real, tem
densidade normal com parmetros e 2, onde < < e 0 < 2 < , se sua
" 2 #
1 1 x
fX (x) = exp <x< (4.8)
2 2 2
Ser usada a seguinte notao para indicar que uma v.a. X tem distribuio normal com
parmetros 2
e : X N (, 2 ).
(c) E(X) = ;
(d) V (X) = 2 ;
(e) limx+ = limx = 0;
(f ) f ( + x) = f ( x). A densidade simtrica em torno de ;
(g) O valor mximo de f ocorre em x = ;
(h) Os pontos de inexo de f esto em x = .
58
Efeito da mdia e do desvio-padro na curva normal
(b) A curva normal, alm de ter uma rea total igual a 1, simtrica em torno da mdia
59
(c) P (X [a; b]) = P (a X b) = rea da curva no intervalo [a; b]:
41 = 65 2 12(= 2)
60
89 = 65 + 2 12(= + 2)
auxilio de tabelas (em anexo) e serve de referncia para calcular probabilidades das outras
distribuies normais.
uma curva normal no possvel e a soluo encontrada foi usar mtodos numricos para
A tabela d as probabilidades sob uma cursa normal padro, que mada mais so do que
P (0 Z Zc ), onde Z N (0, 1)
Exemplos:
61
b) P (1 < Z < 2)
Logo:
P (1 < Z < 2) = P (0 < Z < 2) P (0 < Z < 1) = 0, 4772 03413 = 0, 1359 (4.9)
c) P (Z 1)
62
63
Logo: P (Z 1) = P (Z 0) P (0 Z 1) = 0, 5 0, 3413 = 0, 1587
d) Determine o valor de k tal que P (Z k) = 0, 90.
Soluo: Queremos encontrar a abcissa k da normal padro com 0, 90 de rea
k tem que ser maior que zero, isto , temos que ter k > 0. Veja a Figura abaixo
P (Z k) = 0, 90
P (Z 0) + P (0 < Z k) = 0, 90
0, 5 + P (0 < Z k) = 0, 90
P (0 < Z k) = 0, 40
tab(k) = 0, 40
Tabela. Para identicar k; temos que buscar no corpo dessa tabela, o valor mais
0, 39973 e 0, 40147. Como a primeira est mais prxima de 0,40, olhamos qual a
e) P (2, 1 Z 1, 4)
Soluo: Note que este exemplo trata da rea (probabilidade) entre duas abcissas,
64
desejada. Essa rea a soma das reas representadas nas Figuras 2 e 3. Por simetria,
essa ltima rea igual rea sombreada na Figura 4, o que nos leva cocnluso de
que
P (2, 1 Z 1, 4) = P (0 Z 1, 4) + P (2, 1 Z 0)
= P (0 Z 1, 4) + P (0 Z 2, 1)
= tab(1, 4) + tab(2, 1)
= 0, 4821 + 0, 4192 = 0, 9013
X
Z=
ter uma distribuio N (0, 1). Essa transformao ilustrada pela gura abaixo:
65
Exemplos
k X + k
P ( k X + k) = P
66
= P (k Z k)
k=1
k=2
k=3
Essas probabilidades nos dizem que, para qualquer distribuio normal, 68, 28% dos
99, 73% dos valores esto a trs desvios-padro da mdia. Veja a Figura abaixo para
P (X k) = 0, 90
X 3 k3 k3
P = 0, 90 Z = 0, 90
2 2 2
67
k3
P (Z 0) + P 0 Z = 0, 90
2
k3
0, 5 + P 0 Z = 0, 90
2
k3
P 0Z = 0, 40
2
k3
tab = 0, 40
2
k3
= 1, 28 k = 5, 56
2
(e) O consumo mensal em minutos por conta de celular em uma regio uma varivel
a) Qual a probabilidade de uma pessoa desta regio usar o telefone celular por
menos de 48 minutos?
b) Qual a probabilidade de uma pessoa desta regio usar o telefone celular por
mais de 30 minutos?
c) Qual o tempo mnimo que algum deve gastar ao telefone no ms para estar entre
i.
X 36 48 36
P (X < 48) = P <
12 12
= P (Z < 1, 0) = P (Z < 0) + P (0 < Z < 1)
= 0, 5 + tab(1, 0)
= 0, 5 + 0, 34134 = 0, 84134
ii.
X 36 30 36
P (X > 30) = P >
12 12
= P (Z > 0, 5) = P (Z > 0) + P (0, 5 < Z < 0)
= P (Z > 0) + P (0 < Z < 0, 5)
= 0, 5 + tab(0, 5)
= 0, 5 + 0, 19146 = 0, 69146
68
A pessoa tem que falar pelo menos 55,68 minutos para estar entre os 5% que mais
usam o celular.
69
Referncias Bibliogrcas
Paulo.
[4] COSTA NETO, Pedro de oliveira. Estatstica. Editora Edgard Blucher, Ltda. 1997.
[6] Farias, Ana Maria Lima de. Mtodos Estatsticos I. v. nico/Ana Maria Lima.
[7] Farias, Ana Maria Lima de. Mtodos Estatsticos II. v. 2 / Ana Maria Lima de
70