Scribd Logo
Upload

Welcome to Scribd!

  • Resolucao Dos TPC

    Uploaded by

    Nuno Pires
    9 views80 pages
    piu

    Copyright

    © © All Rights Reserved

    Available Formats

    PDF or read online from Scribd

    Did you find this document useful?

    Is this content inappropriate?

    Report this Document
    piu

    Copyright:

    © All Rights Reserved
    Download as PDF or read online from Scribd
    Flag for inappropriate content
    9 views80 pages

    Resolucao Dos TPC

    Uploaded by

    Nuno Pires
    piu

    Copyright:

    © All Rights Reserved
    Download as PDF or read online from Scribd
    Flag for inappropriate content
    of 80
    Ex. 18 2005-2006 1.3-1 Relativamente a cada uma das varidveis que se descriminam abaixo, indique (i) no aque € que se pode consubstanciar (ou seja, o dominio da variavel), (ii) se 6 qualitativa (nominal ou ordinal) ou quantitativa ¢ (ii) se 6 discreta ou continua. Resolugio: Nota: Ser disoreta ou contfnua s6 faz. sentido para variaveis quantitativas. X: “Dimenséo do agregado familiar das familias do concelho de Lisboa no ano de 2002” @ 123, .0 consoante a dimensio do agregado familiar GH) quantitative Gi) discreta X: “C6r do cabelo dos alunos da cadeira de Estatfstica Para as Citncias Soviais no ano lectivo de 2002/2003” ( castanho, loiro, preto, branco, ... __¢ todas as outras cores de cabelo possfvel [nos tratamentos estatisticos, em geral atribui-se um cédigo numérico a cada uma das categorias que a varidvel pode assur) Gi) qualitativa nominal X: “Ordem de chegada dos atletas & meta da meia maratona de Lisboa no ano de 2002" @ _ primeiro, segundo, terceiro, quarto, .... & todas as outras ordens de chegada possveis [nos tratamentos estatfsticos, em geral atribuf-se um c6digo numérico a cada uma das categorias que a varidvel pode assumir. Por exemplo 1 para primeiro lugar, 2 para segundo, etc.} Gi) quatitativa ordinal fos dados podem ser ordenados] “Tempo que 08 atletas da meia maratona de Lisboa levaram a fazer a corrida no ano de 2002” (i) x= tempo, por exemplo em minutos, de cada atleta i) quantitativa ii) contfnua [0 tempo & uma variével continua} X: “Categoria profissional dos empregados de uma empresa” () cada uma das categorias profissionais existem nessa empresa [nos tratamentos estatfsticos, em geral aribuf-se um e6digo numérico a cada ‘uma das categorias que a veriavel pode assumir] Gi) qualitative nominal X: “Peso das criangas de cinco anos que foram atendidas no servigo de pediatria do Hospital de Santa Maria em 1990” (peso, por exemplo em Kg, de cada crianga Gi) quantitativa (i). continua [0 peso é uma variével continua] X: “Idade das primfparas [mulheres que dio & luz pela primeira vez] em Portugal no ano de 2000" @ _ idade, por exemplo em anos, de cada primfpara :) quantitativa continua {idade 6 uma varifvel continua] Nota: apesar da idade ser uma varidvel continua (diz respeito a qualquer perfodo de tempo), por vezes é tratada com uma varidvel discreta, Exercicio 2.1-2 Ps 18 5 19 7 20 4 2 2 22 2 20 Média: 19,45 Mediana: 19 Moda: 19 Xi Fi 200 4 210 6 220 5 23003 240 2 20 2165 215 210 0,25 0,35 fi 0,20 0,30 0,15 0,10 1,00 cum Fi 5 12 16 18 20 Cum Fi 4 10 15 18 20 cum fi 0,25 0.60 Quartil 4: Quartil 3: cum Fi 0,20 0.50 75 0,90 1,00 Quartil Quartil 3: 90 133 80 42 44 389 18 20 IF 800 1260 1100 690 480 4330 210 220 4,50 6.85 4,00 2,10 2,20 19,45 Viti 40,00 63,00 55,00 34,50 24,00 216,50 Exercicio 2.1-5 \Valor dos prémios cistribuldos aos concorrentes - Variével quantitatva disereta CRTEL IT Fi 7 70 2 002 2 20 7 07 3 30 7 oor 4 40 18 015 5 50 2 o22 6 60 23 023 i 70 7 017 8 80 4 0.04 9 90 3 0,03, Total 700 230 323 MEDIDAS DE LOCALIZAGAO, tendéncia central: [Deve fazer a interpretaco destas medidas] Moda {60 Valor X, com maior frequéncia (F, ou f) Mediana 50 N=100, par, logo tomar a média das observagses centrals (50° e 51%) Media ‘52,3 Soma XFn ou Xf, Diagrama diferencial - Frequéncias Relativas Simples 0.25 —_— 02 0.15 oA 0.05 o 0 2 9 4 6 6 7 8 9% x Diagrama integral - Frequéncias Relativas Acumuladas a 2 40 6 80 100 120 Os graficos das frequéncias absolutas tem a mesma configuragao. Ex 02-01-05 - 28 10-11.x1s,Sheett,1/1 Exeroio 247 om ise md 2000 | 0 20] won| es | | oes ad as_| asso a 5 [08 ose nae ‘oe | —s0er[ [oars tins 13076 | 148 600 Tea zr 0980 WISTOGRAMA DAS FREQUENCIAS SIMPLES RELATWAG E POLIOONO DAS FREQUENCIAS Ht i Swetee necATAs al aoe | 488 ‘. ow fries te aan | “| aa | . . 2 <2 ee L cum fi POLIGONO DE FREQUENCIAS ACUMULADAS 1,000 aaa 0,875 toe i a | i - i 0 0 100 xt CALCULO DA MEDIA: - 8 DIG | EGE. caricg x i Hl oe oe 1, S68 n 1448 = = Y xX CF = 41,568 02.01-07, Professor, 17-08-2018, 17 ‘CALCULO DA MEDIANA, ee POLIGONO DE FREQUENCIAS ACUMULADAS 55 "Cum F(M,,) 2 M, =1,(M M.) = = 4(M,)+ F(t) xa(M,) 1448 ae 526 =30+ 210 = 30 + 244 19 = 38,216 241 241 ou M,=1(M,)+ 25am Mes) ay.) = f(M.) = 39+ 252036326 19 _ 394 137 19 = 38,216 0,16644 0,166 0201-07, Professor, 17-08-2013, 277 CALCULO DA MODA F (Mus) M, =1,(M,)+>———_*+—~ xa(M,) = en Ean er eay =20+—24| _.10= 26,393 136+ 241 Ou SF (Mou) Me Si a ah )n= 1)" say 23 eee OSL OGRE 0 61503 0,09392 + 0,16644 x 02-07-07, Professor, 17-09-2013, 377 ‘CALCULO D0 1° QUARTIL sn Cun F(Q.,) Q,=1,(2)+4 1448 166 =204—4__ 102 25.444) 360 F(O) xa(Q,) = ou 0,25-Cum f(Q,,.) , =), 1 Ce eee etter 1 fe Baiteys f(2) “] 0,25—0,11464 0, 24862 = 20+ x10 = 25,444 02-01-07, Professor, 17-06-2019, 477 CALCULO DO 3° QUARTIL eee POLIGONO DEFREQUENCIAS ACUMULADAS apy) fxn Cum F(Q,,) 2,=1(0,)+3 xa(Q,) = 3 1448-972 =50+4_____ x 10 = 58,085 141 ou 0,75—Cum f(Q,,) =/ poeaneea=tenseteteeitlin eens Q,=1,(Q;)+ FG) 0,75 -—0,67127 0,09738 xa(Q,) = = 50+ x10 = 58,085 x 02.01.07, Professor, 17.08.2013, 57 CALCULO D0 1° DECIL a POLIGONO DEFREQUENCIAS ACUMULADAS 49g 00 too 500 i. pai a es eee ee SEE SS ot 4 n—Cum F(D,,) 10 D, =1,(D, D) = , = 1, (D,)+ F(D) xa(D,) J 1448-30 =10+10 —__x10 =18, 441 136 ou 0,10-Cum f(D,,) D, =1,(D,)+2———" xa(D,) = 1 ( + 7(D) xa( 1) 7 10 + 2:10=0,02072 19 18,441 0,09392 02.01.07, Professor, 17.09.2013, 6/7 CALCULO DO 95° PERCENTIL -OLIGONO DE FREGUENCIAS ACUMULAD/ ee POLIGONO DE FREUENCIAS ACUMULADAS aap 0,95 anu F(Bs,) Bs =1,(Bs)+-— 7, ——-«a(Rs) = > 01448-1267 = 70+100____ 7 x10= 76 ou 0,95-Cum f(Fsi) J (Bs) x10=76 Bs =1,(Bs)+ (Bs) a 0,950,875 0,125 = 70+ 1502-01-07, Professor, 17-09-2083, 7/7 Exercicio 21-8 dade dos menores - Verivel quantitative, dados agregados em classes cise Gia er Cums Gr eh lo- 357109 183 0,285 6105 0.928 1s) 10st 434 0620 25100 3.608 (3-145 39 873 01830 20155 2.921 (ee 7 680 1,000 19830 2.883 Tolar BO TOT 7550103570 MEDIDAS DE LOCALIZACAO tecesins aati o eens ie ¢ De tendéneia centre: teguietfts ampli dl thase espe DENSIDABE DE FREGUENEIA out) Media 10,370 Woda $6,000 M=16+ E58 oxzets ‘ was sai TORTS cn SEBO 6 ger e 1 testograma Poljone des Uenelader de Frequlncis Relves Simpl Sind ams rcn £&:02.01.07-25 0.053 Resale, Exercicio 2.1-9 Idade dos homens - Varivel quantitativa, dados agregados em classes Classe OK KK CumFi_Cumfi__ XA, 118-251 20 10 273,5 0,099 27,3500 0,010 273.5 0,099 54700 1,984 [25-351 30 10 7173 0,260 71,7300 0,026 9908 0,359 215190 7,807 [35 - 45; 40 10 684,7 0,248 68,4700 0,025 1675.5 0,808 273880 9.936 [45-65] 55 20 1080,9 0,392 54,0450 0,020 27564 1,000 59449,5 21,568 Total 27s6 4 1,000 1138265 41,295 a) As classes tém amplitudes (K) diferentes! E necessério normalizar Jas frequéncias: dividir a frequéncia pela amplitude da classe respectiva -DENSIDADE DE FREQUENCIA (F//K,ou f,/K). |A classe modal 6 @ mais "cheia" e 6 a segunda classe. Se néo tivessemos feito a divisdo pela amplitude era a que tinha mais |pessoas, ou seja a quarta classe. Histograma e Poligono das Densidades de Frequéncias Relativas Simples filki 0.030 0.025 1020 0018 0.010 0,005 0,000 1s Ps 35 45 6 Idade dos Homens Empregados [ em anos] b) MEDIDAS DE LOCALIZAGAO CENTRAL PARA OS HOMENS: De tendéncia central: San ee _113826.5 Média 41,295 ef -" “a756,4 7 41295: Mediana 40,658 Moda 34,316 : 0,5x2756,4-990,8 0,5-0,359 M, =35+-————— x10 = 40, 658 ou M, =35+ ———— x 10 = 40, 658 684,7 0,24 = Tate x10 =34,316 M, = 254? (71,73 68,47) + (71, 73— 27,35) 5 02-01-09,Homens,1/1 Exercicio 2.25 a) Quadro auxiliar ade Vara WIS —— Popa Cleseee | dacaste oovencas cons CR Cf, CumF, Cum f, o 5 t ( 15-25[ 20 9 0,120 180, 2,400 9 0,120 [ 25-35, 30 19 0,263 570 7,800 8 0,373 (35-45 40 16 ate sm 8,500 “4 07 { 45-55 50 16, 0,213 800 10, 667, oO 0,800 [ ss-65{ 60 Boot 70 10,400 nz oars [ 65-75} 70 2 0087 1 er “1000 om 71000 a0 eT = Dito par ae? ‘Nota: © quadro tem os valores exacios. Diorangas no resultado das fmulas devem-s9 aes aredondementos. Média = 41,467 é, Lor < OH 110 i. Bag TAnAeT on DOs = 41,467 Classe mediana: [3545] Mediana= 40,938 T LN-Cum F (M4) : La, i (88, FURY xa(M,) = 3542, 28.10 = 40,938| jou 0,5~-Cum_f (M,s) 0,5-0,373. = = 35+ x10 = 40, 938 M104) xa(M,) +s *10= 40,938 Classe modal: [25-35[ Moda = 31,400 F (Mon) 16 =i = 25416 00-314 Moe) Ge aa) AO) = 2585 G ION Jou = L (Mon) aye 0.213 ion [Me Mo) 50 Se 7 (Man) (M4) = 25+ Ti a9¢0,013 Oh 0202-05-28 0408 xs, Resolupso a). 12 Exorcfoio 2.2.5 b) Quadro auxiliar Valoroental Ntde—Proporiod? Cum, xR) XSi x, -¥ (4 -XYR xPF dacisse oconéncles —corréncas i oi AL 4 2 a 01,1 Tao Bi, a7 ara 38H 300 2 19 0,283 0,73 7 7,600 11,467 ——2408,7088 7100 “0 18 0.213 0.587 eo 8,533,467 344178 25500 50 18 0218 0,600 00 © 10.687 8 e3tHBB,0846 40000 6 13 0,173 0,078 7e0 10,400 18,853 ates. 2078 6800 n 2 aoe 1,000 vo 1,967 28,509 628,2022 9800, Tota! 75 1,000 ao 41,47 ~ “o0ea.ee67 142000 Dh porn 41487 185.8489 1005,333 Faiz quadada 13,6228 ‘Nota O quadro tom oa valores oxados. Difrengas ro feslado das Tormlas devervee aos aredondamenos, Média: varianeia: 105,0409 a ae z So-tfn Ye-zA Yar se =f Sth” 19998, 6667 «195 549 oy 5? =X 7? = 4294) 467? 195 2480 a 75. ee} n 75. Desvio-padrao: 18,6326 : Gi 2) 5 [S= VS? = {st ——_ [85,8489 = 13,6326} Coeficiente de variagao: 0,8288 5 _ 13,6326 Icy ,3288 ou 32,88% 02-02-05 -28 04.06.18 Resolugdo 8) 272 ESTATISTICA PARA AS CIENCIAS SOCIAIS Exercicio 2.2-7 Objectivos deste exercicio: = Perceber bem o significado da média e algumas propriedades da média. = Perceber bem o significado do desvio-padrao. = Saber utilizar bem os dados em face do contexto. IAK-FCH- ECS Exercise 22-7 FREQUENCIAS SIMPLES, FREQUENCIAS, ACUMULADAS E MEDIAS [para todas as alineas] Duragao mutoearre eto [Glass | Ci a_| Gt [eum afer] W | GiFF [eum rear q al 0.04) 2a] 05 a oca| 12] 072] 3-12 7 Fo] 0.10] 00] 0.14] a] 0.02] 20] 0.04 2-16 “al tof 0.10 40] 02 al —o.ca| 56] 0,0] e200 7a 10[ 070] 160] 0.34] a] 0,09] — 762] 0,7] [0-240 22 #2] 0.12] 264] 0.46] a4] 0.53] — 02] 0.4] 24-201 23 44] 0.14 364] o.80)29] 0,20] — 754] 0,7] [pasa 39 F017] sia] arr] ta] 0.11] — 330] 0-8] 236 En ‘| 0,09] 306] —o.ae] of o.0o} —206| 0.97] 5407 a 3] 0.00] —3aa] 0,05] al o.02| 76] 1.00] (ao aI 80.05] —2ro] — 1,00] al 0.07] 42] —.09] [Soma 6| 7,00] 7220 I) EC EZ [Meaias 24.4] 24.4] a) A média aritmética é a medida adequada. Veja-se que a soma dos desvios em relagdo 4 média da zero: Dis -OR =D HA-) AR = JRA FOH- EOS - Exerecio 22-7 =» MEDIA ARITMETICA DAS VIAGENS DE AUTOCARRO: > uo X= > CF oot 4A an 100 = MEDIA ARITMETICA DAS VIAGENS DE METROPOLITANO: > 10 ' ¥y'e SSF 2440 oy 4 n 100 i=l [Note valor das médias podia er dierent nos dois | | meios de transport. Aqui s6 igual ns dois casos ‘argue os dads conduzem aesse resultado, A MEDIA £, NESTE EXERCICIO, IGUAL PARA OS DOIS MEIOS DE TRANSPORTE. A RESPOSTA A a) DESTE EXERCICIO £, ASSIM: Quer no caso do autocarro, quer no caso do metro, a antecedéncia com que devera sair de casa é de 24,4 minutos. A VISUALIZACAO GRAFICA PODE-NOS DAR UMA IDEIA DO QUE SE ESTA A PASSAR. JAK-FCH- ECS - Bxareiclo 22.7 FREQUENCIAS RELATIVAS 048 Duracao da Viagem [em minutos) Frequéncias Relativas, fle fi b) Enecessério ver qual o meio de transporte que tem menor dispersdo em relagdo 4 média: JAK FCH EOS -Exercllo 22-7 Formula da variancia (5-X)F n [neste caso :] »_w(G-X) Fi a QUADRO COM INFORMAGAO NECES: VIAGENS DE AUTOCARRO- IA A ALINEA b): ci Fi | Média |Ci-Média | (Ci-MédiayFi_ | Ci’Fi 6 4 | 244 “18,4 1364,2| 144 40 | 10 | 244 14,4 2073,6| 1000 14 | 10 | 244 “10,4 1081,6| 1960 18 | 10 | 24,4 64 409,6| 3240 22_ | 12 | 244 24 69,1| 5808 26 | 14 | 244 16 35,8| 9464 30_| 47 | 244 5.6 533,1| 15300 34 | 9 | 244 96 829,4/ 10404 3se_ | 9 | 244 13,6 1664,6| 12996 a | 5 | 244 17.6 1548,8| 8820 Total | 100 | -— i 9600,0| 69136 Diviséo porn 96) 691,36 JAA-FCH- ECS Exercicio 22-7 [QUADRO COM INFORMACAO NECESSARIA A ALINEA b) + VIAGENS DE METRO Ci_| Fi’_|Média |Ci-média | (Ci-MédiayFi | C7Fi* 6 | 2 | 244 18,4 677.4 72 10 2 24,4 14,4 A14,7 200 14 4 24,4 10,4 432,6 784 18 | 9 | 244 64 3686) 2916 22 | 31 | 244 24 178,6| 15004 26 29 24,4 16 74,2 19604 30 | 44 | 244 56 345,0| 9900 34 | 9 | 244 96 29,4 10404 38 2 244 13,6 369,9 (2888 az | 1 | 244 176 309,8| 1764 Total | 100 4000,0| 63536 | Diviséo porn 40| 635,36 2 &(C,-X) F _ 9600 VIAGENS Diese? > aeaaa- naming (nid DE a AUTOCARRO 2 69136 44 2 S a 00 — 24,47 =96 S=s* = 96 =9,80 ~*Y F _ 4000 VIAGENS s ry irae DE METRO ow pee =F? = 8536 _94 = 40 100 S= we = "i =6,32 JAK-FOH- ECS -Exorciio 22-7 COEFICIENTE DE VARIACAO — AUTOCARRO: CV = S980 4 109 ou 40,2% KX 244 COEFICIENTE DE VARIACAO - METRO: CV -& -822 0,259 ou 25,9% XY 4, A RESPOSTA A b) DESTE EXERCICIO E, ASSIM: O metro é o meio de transporte que permite planear melhor a hora de chegada porque tem menor coeficiente de variacao. Como as unidades de medida sao iguais, podiamos também concluir com base na varidncia ou no desvio-padrao. IAK-FCH - ECS - Exercico 22-7 ©) Temos de ver a frequéncia relativa acumulada para viagens de duraco igual a 16 minutos ou menor do que 16 minutos [yer tabela inicial]: [Para autocarro: Cum fi(16m)=0.24 04.24% [Paraometro: Cum fi’ (16 m)=0,08 ou 8% R: Devo escolher 0 autocarro, [ Comentar resultado e conclusio] UAK-FCH- ECS -Brarciclo22.7 Quadro Cera Dados “bale ics peta NE. (sits roi Se ea Tat W rta e—NTOM a —— era aoaeor Se 7 7 % 3 zowone MT 2 7 36 5 zones 200, 5 8 103 8 2ooweea 508 5 8 va 2 aaoanens 325 1 4 ane 3 zeowsete 208 3 5 2 8 poser 3 8 30 8 brows ey 4 53 ° guame = ST 7 100 7 aod OS 8 7 " goo «XS 8 3 “4 2oowsrs 8S 5 5 % 0” aos 500, 2 4 a ° Doone 25 2 0 2 2 prowess 304 4 3 8 7 = mosi7_281 6. 16 50 Pa ast a0 Tr 75 wastes airs 7000 ates Taste Vase sagas Aart 2335 27 308 Desi paisa 2oatez 2000" 7st 164050 S88 fra “tara — 0608 cate O10. oa i Tome ats tetee pan cnerem Quod para rsolugéo das anon BY 5 a ge } i of GE a : 2 ows 88 6 Ooms Sas een ® : i 33 @ fib bom: z 4.083 si 7 oan re so 438 ov FAL Xs 3.438 tas 8 mon nF vo 2 Brvrosvertcon mar Foes » Se -F 5 LORNA goose Vessel: pe Rg a 7 6 ee er E(x, - FY 5 Desvio-padito: saV3? = —_—_- = 4,371 =2, 0907 Ww excacn.n- 2s 04a Ree 10208, 2 a ‘A oprabo desis cuss voces tom de rf oom bate no ooeleta de va, pis i varies ‘ornare Serena () CAeute do cofeant de variagto para a verdval at de morte": '=22,4492 ‘Avie do of do aera 6 manor do uo 2 vay do nde motos. Pestemans porque hd una reguerdeda main eared de eaerte, oe qua pedo rea mou mer grande. st 6 um caso om que 6 iectvl como dev sr feta eermparaste, Porque sa panoamos com vores ‘beaut dave sur a vardnca cu Gas pada eso peraannoe orn lame flavor Gove et 9 ‘onsets vag, ‘Ceulo docotcenta de vriagto para a varlvel a dito de eden graves”: S-7y Onoloptte SEF [BE ia 3,747 34min ¥ 15 ‘fet do oot vac pr vac nels de fos on” EE ust Coetsete de veinac: (Y 1499 ow 49,9% = 91,0625 Desvie pasta: sols? (eect = 239, 1836 = 15,4656 5 _ 15,4656 Z 91,0625 (Contented variegto: CV =: 0,170 ou 17,0% ‘A dapersBocbsouta do co farids craves (ada pola varncla ou palo asp) 6 mar do quo ado nt do ‘erde Igatoe. Nasa deporsto ela (dae pl coafetnle do varie) (que €o iador ue deveroscolerat Dore erase capt) & ma. Aeln 8 hoe km ale ilaldade em lever oalendirana dos eos graves ‘oqo london ds fern gers. [A pure do quacto goal de dado pedemae var 0 sons: A deport & crscane com a eoguns cxdenato do ‘oti com valor mule babe para vlor mat allt addertes, rtd fice Takes, odo fico graves, €0 ‘motos. Poa, poraiaerl, oe aerar ctr com aot oglde , Sep, a eparsesumela com 8 (ovidede do acer. exenazos- 25 ase Aman co0208, 22 ECS - Exercicio 2.4-1 a) "esognaa Das PREQUENGA ULES ELATAS pousono oes reaver sores rela = oe 0,49, 7 £ 0,35, gto» @ 025 8 0,20 % z O15 0.10 2 10d os PO 5 Bombe rege Toe at (ae af (40 8 (8a at fs 1 armani a Feri on ia ees] ») a) Resolugdo a partir de uma tabela de frequéncias [mas 0 célculo podia ser feito directamente a partir do enunciado): [onto medio] = iene Ronis Ba: Scam fy] Gun fe Ou esanaleats| | ou 30_|__005 3 200_| 020 3 500 | 050 | 150 T 900 | 0,90 9 0,10 300 i000 | 1,00 90 FFoid = 3000) 5.70 Valores médion| = = << Calculo da média: > CF, a Fs 7-805 100 N 471000 CAlculo da mediana usando as frequéncias relativas]: (m,)+ 0,5-Cum_f (M, 4.0500-0,200. *2= 6,000 £(M,) 0,300 xa(M,) = 4 Neste caso era também possivel calcular com a classe a seguir: 0,5—Cum f(M,. ) = 6 4.0,500=0,500 FH) : 0,400 X2= 6,000 a(,) a tence 28485400 Pha ed Célculo da moda [usando as frequéncias absolutas]: My =1,(My)+— on) a(at,) = 6+! _9¢2.=6,500 F(Mgs)+F (Mon) 300+100 @ ‘Temos uma situaglio em que MédiaEdistribuic&o assimétrica negativa Nota: Como niio foi calculado no exercicio, o desvio-padrio deverd ficar para os alunos calcularem em casa. Ade Bese 256605 Pgna3 fed Glasses nom % {cart fl Jou F_un joa a1 30a sa] O08 Ea [2a af 150] —isoz{—— aso} 0,15 2oa)—o; [4a os. "300, 30.08] —— 7800] 0,30 00] 00] [oa a7. +400] —«00%| 2800] — 0,40 00] 0:0] [8a 15] 9. —i00|-—ro.0%| —“s00] 0,10 *o00] Some 1 sroo] 1.00) Dito pen 57 HISTOGRAMA DAS FREGUENCIAS SIMPLES RELATIVAS E POLIGONO [DAS FREQUENCIAS SIMPLES RELATIVAS. . Aq a Frequéncias Relatives, 0.” 2 4 6 8 10 Ronen ds Fane [em hares euros] » () —Mécia—=—«§,7000-——()-Temos ascmmora negatva ou enviezamento& ie Megiana 60000 Nese e000 + ssshivrmih De UMA DisTmIBUIGO SG eMe 2 ass nara © Quswesueewro Nemeth (i) Vermoe usr onetlent de assmtria de Pearson: 6.5 2,027313, ‘0 valor do G1 6 negative pelo que tens assimatia negatva ou eavezamento & crea: 0,395 Saas TOMER CF) 470} 10450 __50) 2.70) 1095.50] 7250) 2,70) — 147,00] 7800) 430] — 676,00] ise "330 1080,00) 8109 -5710;00| 6609) 4,470] 98.500) Bozrat3| Valor caloulado para Gt 2.394011 Ex02-04-01 -28 04-08.6, Professor, 14-02-2008, 1/1 Exercicio 3.24 a) b) Figura A: Figura 8: Figura C: Figura D: ‘A relagio entre © rendimento © 0 n° de filhos & positiva. Ou seja, quanto maior 0 trendimento maior 0 n® de flhos. A relagéo tem aspecto linear [o aspecto tem semethancas ‘com 0 aspecto de uma recta]; por isso faz sentido calcular uma regreséo linear simples. ‘A relagéo entre 0 rendimento ¢ 0 n? de filhos 6 negativa. Ou seja, quanto maior o rendimento menor 0 n® de fihos. A relagfo tem aspecto linear [o aspecto tom semelhangas com 0 aspecto de uma rectal; por isso faz sentido calcular uma regreséo linear simples. Néo parece haver relagio entre 0 rendimento e on? de filhos, Ou seja, para qualquer rendimento parece poder haver qualquier n° de filhos. Nao faz por isso sentido calcular ‘uma regressio linear simples. A relagio entre 0 rendimento @ 0 n° de filhos ¢ a seguinte: Séo a8 familias com menos rendimentos @ as familias com mais rendimentos quem tem maior n° de fihos. Ha portanto uma relago entre o rendimento e 0 n° de filhos. Mas, como essa relagao nao 6 linear, nao faz sentido calcular uma regressao linear simples. Est em causa disoutir ee as pessoas tém mais filhos porque t&m mais rendimento ou se ‘em mals rendimento porque tém mais fihos. ©: 03-02.01 - 18 06-06.08 Sheet /4 Exercicio 34-3 DISTRIBUIGAO CONJUNTA E MARGINAL DAS FREQUENCIAS ABSOLUTAS. a) (i) e (ii) © peso e a altura séo duas variéveis diferentes. O elemento Unificador é cada jogador (cada uma dessas pessoas) que tem um eso e tem uma altura b) (i) \Variavel X [altura, em metros] F(xi:y)) 11,65-4,75¢ | 11,75-1,85. | [1,85-1,95] 7o | xet80 | x=71,00 || FD 3 (0-70, 9 | 7 0 16 >s 5 iE peal 3 § [170-801 y,| ie 5 a 7 | 22 (80-80) y,| 3 = 85 0 | 7 | g 16 Fixi) 14 4“ | 46 76 Variavel X [altura, em metros} fxty)) | [1.65-1,75_ | 11,75-1,851 | [1,85-1,95] X= 1,70 x= 190 | [ fyi) 3s 0,118 0,000 0,211 >Z BE gs 0,066 0,421 0,092 0,679 "8 0,000 0002 | atte 0211 f(xi) 0,184 0605 | 0,244 1,000 03.01.08 18 08.08.16, Resolugao, 1/2 e) (i) 9) £0) =202 #-o57 ou seja 57,9% FO.) z 4375 ou seja 43,75% ou f(y ag) = Lait) - 092 f(%) — 0,21053 Trata-se da frequéncia relativa condicionada de y, dado x. Faz parte da dlstribuigao de Y quando estamos no subconjunto xs. 4375 owseja 43,75% e (ii) x F(x) |x xP) | FP Oq.33) |x F (x59) 470 Seca a tao | ap aes 7 4:90 6 304 3 Total 75 737.0 7 Zz Media 703 1.856 ‘As varidveis Xe Y sto independentes se se verificar o seguinte £69) =F)*L(»,) para todosos valores dex, e y, Ora isto no acontece. Por exemplo, Fl yI=OMS —e@——f(%)X/,) =0,184X0,211=0,039 ‘As variéveis X @ Y néo 40 independentes porque basta que f(x) seja diferente de f(x) vezes, (yj) para um nico valor, para isso acontecer. Podemos ver com facilidade que assim é porque ha zeros no quadro, - Nao serem independentes significa que a altura dos jogadores de futebol esta relacionada com o peso dos jogadores de futebol. Deverlamos usar o coeficiente de variagéo que & dado pelo desvio padréo a dividir pela média. Usamos o coeficiente de variagéo porque 0 peso e a altura sao fend menos de natureza diferente e também esto expressos em unidades diferentes. Ora 0 coeficiente de variagao ¢ uma medida que nao depende das unidades em que os fenémenos esto expresses. Ex 02:01-09- 18 08-08.s, Resolugdo, 22 EXEROICIO S14 DISTRIBUIGAO CONJUNTA E MARGINAL DAS FREQUENCIAS ABSOLUTAS Tara Feo [tose | sao. von Hism6 | years | a= n8 Fo Oy yea 3 2a aa | [ol > | it020) ia ; ES é 5 5 ve] | se 2 [rosa Peay al ‘a 20 za) | azo 1030) : a a “a 5 1a} |g 5 coo] 200 2] [ad ay (i, (i vax — ‘extyp po35) 140-45) Mame w= 88 om ToT Bel oo oe [oxo > roa ag = yeaa ova ec % | 2030) | | 3 [Poa 0 one os) aca] | 0, 190-40) Foal ca —oas oa) ——oal | 0 wo on eo] ee] [a] by (i) e (ii) x FQ) xx) FG) | 4xF py) 7 = teas @ anal 20 7500 ra zasd 200 500 eo 2200 0 2378 8 ra 00 2000 70 ood 40.00 1.00 ‘Ambdia tale aaa no subconjnto om causa gia tte eusedo para ogoe ce subconunioe Je vromoe pore. ec 0s.-04- 150608, Ress, 12 ) Gi) e (iv) ” F(y,) Y/XF(Y,) FC YD | y,xF(x,,y,) = = 250 Fa “1 18 190 280, o 00 2s | _200 000 © 2000 35 100 3500, 0 +400 Tota 00 “000 200 a0 media 200 2200) ‘Amédia totale a nécla no subconjunto om causa so gua Isto sucade para fodos os subconjuntas. J8veromos porque. °) f) — PG sys) xi i 7G V9) = =e FOr) 210 oo 28 oo a8 010 Tota 1.00 1.00 Note-s quo a distribugao condiinada 6 igual dltibuglo sem ser conaeionada Isto sucede para todos os subconjuntos. Js veromos porau a) FC ¥,) SO \%) = SE fy) FO) 3 a ery 4 030 020 26 040 i oo 36 020 020 Tota 1.00 1.0 Note-se quo a distiibulgdo condicinada 6 Igual dlstibulgao sem ser condlcionada. Isto sucede para todos os subconjuntos. Ja veremos porque. e) Por exemplo, FOINI=0010 & F(x))*F(4)=0,10%0,10 = 0,010 Isto vorfca-so para todos 0s valores. A duas variavois, X oY, so Indopondontos. E por isso que amédia em cada subconjunto o a média total sao iguais! também por isso que as distibuigdes condicionadas sic iguals As ndo condicionadas. 09-01-04 18 08-00xs, Rese, 22 EXERCICIO 3.1-5 DISTRIBUIGAO CONJUNTA E MARGINAL DAS FREQUENCIAS ABSOLUTAS Tipo de Vitimas— FAB) Vitimas mortais | Vitimas no mortais Bt 82 Total 22 | Ait Dentro d Bs calidon 813 35 627 36 149] Ba | aus. 056 24 068 21 914 Frotat 1469 36 585] 58 054] a) () DISTRIBUIGAO CONJUNTA E MARGINAL DAS FREQUENCIAS RELATIVAS Tipo de Vitimas, fIA:B) Vitimas mortais_ | Vitimas nao mortais Bt B2 Total 22 [At Dentro das # | "locatdades 0.011 ota] 0.25] 32 | Az: Foradas 38 | ‘ocatidades 0.018) 0,389 0377] [Total 0,025) 0,975) 1,000) ‘As frequéncias conjuntas no so 0 produto das respectivas frequéncias marginais, Por iss0, as varidveis em causa s8o naa independentes. (ii) FREQUENCIAS CONDICIONAIS DO TIPO DE VITIMA DADA A LOCALIZAGAO. “Tipo de Vitimas Vitimas mortais | Vitimas nao mortais et 82 Total 32 Be ] {(B\A1) 0.017 0,983, 1,000 $3 | tema 0.038 981 10% Isto seria de esperar: Houve menos acidentes fora das localidades mas foram mais graves. b) As varidveis em causa so qualitativas. Temos as frequéncias, como em qualquer variavel, © @ partir dal podemos verificar se so independentes. Mas no podemos calcular as médias para estas variavels (so nominais e nao quanttativas), Ex 03-01-05 - 18 08-09.xls,Resolugao, 1/1 04s'30-90 SI - 40-Z0-£0 3 Soul SIEW LHe] enbiod o|WeWPUS Siew Wey 25 no cwuewipua Siew Wa} enbiod souly Siew Wig] SeOSsad Se a5 JNINOSIp ESNeD Wa EIS ‘sojduuis seoul) opsseuBeu ewin seIno|eo OpUES Ze} Ogu ‘EDU 9 ou OBSeIa1 Esse OWLOD ‘SeYY ‘SOUJ 9P gl 0 @ ojUaUUIPUA! o aque ORSejal LUN cyUEUOd 8H “SOuly ep <¥ JoleW Way Wonb sojvewIpUaL sJeW! WOD sejILUE} se 2 scqLeWIpUeL SOUS WOD SEI|WE) Se OES “a]UINGAS e 9 SOU ap ,Ul O 2 CIUAWIPUaL O aNUa OBSeIal Y ‘sojdwis sau opssaiBay ewn Je NoJeo OpAUES OSs! JOd Ze} OBN “SOUL 9p gl JaInbjenb Janey sepod soared cyUaWIDUOL senbjenb e1ed ‘elas ng “souly ap ,u 0 @ OJuauupUaL o axjue oBSela! JeNey ada!ed CEN ‘sojduuis seauy oesaiBa1 ewn seinoje0 opyuas ze} oss! iod ‘[eyoai ewin ap ojedse 0 wioo seSueyjauias ier opadse o} se0ul| ojodse wis} ogdejal y “Soyy ep _li O JouelU c[UeWIPUEL © Jo! oenb ‘eles NO "eAZeGOU 9 SoYly op gu o 2 oWUIPUA! o anue OBSEIA Y salduuis Jeoul| opsaiBas euin Je;noje0 opquas 2ey Ossi Jod ‘[eqDa1 euun ap ojpadse 0 wo sedueyjewias wis} ojadse o] seau| o}adse wa} opSe|a! Y “SOUIY AP gl! O JOIeW CJUaUUIpUaL © solew oyenb ‘eles no “enyisod 9 Souly ep «Uo © CWAWIPUE! o enue CESEIO! Y @ aembiy ‘o einbi4 sg eunbig cveinbiy (a(e bee orsyou0xg Exerelio 322 Assidvidade eclassfcapio obtiga ¥ Fy 1 Ciassiicagio —Assidulcade “4 20 2 oe 2 conte se rato Ss ass a) 2 i x, icc tee come rn * oe ba 2XM a nkY 524—4x10x12 _ 44 _ EX?—nX? —552-4x10* 152 0,2895 —D¥ = 12—0,2895x10 = 9,1053 [RELAGAO ENTRE A ASSIDUIDADE E 0S RESULTADOS ‘OBTIDOS NUMA DADA CADEIRA p a= een Be erpereserrerrrrrcory: ‘Assiduldade 1) A dena ne orgom nde clacton cdr eum que o aso no fos 8 Fiahurtls ovale que apareea ngs evo gorinerte scones), V) Cade rece alos (gn ance aunts a clnsiengb ay 0.09 pots. «9 Eatamos a pressor una cleo Into anke nde hoasesucnas o a vasfoagto ‘htc ne & uno singezogio, No 2 ers lag pede ro oe ear (eee), ono M8 Sey eo nen as sm se fr en © ‘econ. 0282- 18.500 sc 17 1020054 Exercicio 32-5 a) Idade do Homem 18|-——J > bad Idade da Mulher » A iterenca vertical entre a dues dade do Homem rectas é de 10. —— 18[-———J Hy 18 Idade da Mulher 2 A diferenga entre as duas idades vai aumentado @ medida que a dade da mulher aumenta. Idade do Homem =. 16 is Idade da Muther 2 03-02.05 18 05-0635 Sheet 1/4 Exercicio 3.2.7 a) b) d) Incidénea do eancro Cigaros preaptaecanere do pulmo 4000) 000 z § 00 | % Yq MATIN 0.5291 x, $ 10.00 ° R= 0.4864 409 | _—_—_____, 00 10.00 2000 9000 4000 5000 gare per apt ‘A varidvel x, independente, 6 0 n? de cigarros percapita fumados. A varivel y dependente, 880 0 1° de mortos por 100 mil hebitantes. Porque faz sentido 0 n° de 'mortos depender do 1° de cigarros, mas nao faz sentido 0 n° de cigartos depender do n? de mortos, {1) 0 valor de a [ordenada na origem] ¢ 8.4717. {il) Num estado onde ninguém fumasse era de esperar que momressem por ano 6.4717 pessoas por 100 mil hebitantes. Ou eeja, os dads indicia que ha uma parte das motes, or cancro do pulmao que ndo se deve ao consumo de cigarros. (il) © vator de b [inclinago]& 0,520 (iv) Por cada cigarro a mais per capita ¢ de esperar que as mortes por 100 mil hebitantes ‘aumentem 0,5291. b 6 a incinagao da recta mas o crucial & perceber que b dé 0 impacto fem y de cade unidade a mais de x. R? 6 igual ou maior do que zero e igual ou menor do que um. Da-me a qualidade da recta. Indica a parte da variaglo de y que & explicada pela recta, Neste caso a variagéo de y explicada pela recta € de 48,64% (i) Se fosse calculado 0 r [coefciente de cortelagao linear de Pearson] para estas duas varidveis, o seu valor seria posite. Seria positve porque, quando o n° de cigarros ‘consumidos aumenta a incid@ncia de cancro do pulmo também aumente. Essa relagto est traduzida no facto da recta de regressao ser crescente, (li) Numa regressao linear simples o valor de R? 6 0 valor de r elevado ao quacrado. Valor de x, para o Texas 20,08 Valor verificad de y, para o Texas: 20,74 ‘Valor de ya que seria dado pela recta: 053 E10 [0,} 20,21 No Estado do Texas 0 valor de x, [cigartos fumados] 6 de 20,08. E 0 valor de y verificado ¢ [mortes de cancro do puiméo por 100 mil habitantes] ¢ de 20,74. Para esse Valor de x, 0 yy dado pela recta seria de 17,10. O erro e, @ portanto de 3.64. Ou seia, esse estado morrem mais pessoas de cancro do pulmée do que o valor que seria dado pela recta estimada. Uma razao € que ha mais variaveis das quais depende o cancro do pulmao e, aqui no calculo da recta, sé estamos @ considerer o consumo de c¥garros como vvaridvel causadora dessas mores, Exercicio 3.28 ao \Vermos que a forma como os vslores se dispbem no grafico lem o aspecto de uma recta, faz morar uma recta. Por ute lado, intulvamente e pela nossa experiencia sabemos ‘que ha ura relagdo entre o peso ea altura de cada pessoa. ai) 'b€ 0 impacto no peso de cada unidade de ellura @ mais que pessoa tem. A cada metro ce altura que & pessoa tem a mals cortesponde 7.5 Kg de peso, Para o peco total ato 36 se comeende tendo en conla 9 ofdenade ne ofigem. Mas, se se penser pot fexamplo em centimettos [cad centimetio € 0.01 do meta] esse impacto jé se apreende mmehor. b ¢ a incinagdo da recla mas este aspecto nao @ 0 fuleral em leimos de Interpretacao, (un 0s ads nao se disirbuem no gifico de acordo com uma recta perfeta porque hi cuts factores para além da altura que inluenciam 0 peso. Esses faciores vO dat crigem 20 ‘ero: el relatvamente ao peso que seria Gado pela recta. Por axempio pessoas ca mesma altura podem comer mais ou menos ou podem fer uma estrutura (50a e muscular cforerte Do 2(xi-F)(-F) Covaréncia( X.Y) Dasvio-Padrio(x)x Desvio-Padrao() a(x.-¥Y . foQ=F) 0.26859 ig fons x J34,09195 Vain Yin dear nein de +189) 46410 $506 = 1852976 ‘Variagio total de Y {VF}? 259098684 >w + @.um valor posto que indica que 2 relagao entre os valores de X ede Y@ arecta ou postive. Ou se 2s relacionarls com maior paso. O valor @ alto pos esté bastante mals proximo de 1 d0 que de zero. Podemos assim dizer que existe corelagao liar entre x e Y e que essa correlagao ¢ levaca, (© volor de R* signee que 60.2% da variagto de Y em tome da sua média ¢ exces ‘ela recta de rogressdoPermie-nos cer que a qusldade co ajustamento da recs & de e02%. fe ia, = a+ bx, = -65,152+77,6X1,80 = 74,528 0 peso que é do esperar 6 de 74528 Ko em No caso do josador de ftabolo procedemento adequado, pois faz parte do po oe alias que fol usado Fara estima areca de rgressdo. No caso do alta de Malta Ji nfo faz sentido porque a sus esiruura fsica & diferente oa estulura fsice cos Jogadores de utebo! x02.02.08-26 0910 Reoneo $4 Exercicio 5.24 )__Valores em percentagem [ %]: Aa Q 6s 68 ») P(A)=0,68+0,068=0,748 ou 74,8% ) PEANB) _ 0,068 _ PB) 0122 Portanto P(A) # P(\B)=> Ae Bro sioindependentes, i) P(A)=0,748 © P(A\B)=- 0,574 it) P(A)>PCA\B) ‘A proporgdo de criangas que vBo & escols & menor no subconjunto das que trabalham. x 05-02-01 - 18 08-00.x5 Resolupao,1/1 Exercfcio 5.2-2 a ii) Representago grafiea através de um diagrama de Venn: 2% ») PAC) = P(A) + P(C)- (ANC) = P(BUC) = P(B)+P(C)- PAC) R: Deve ser escolhidas as revistas A ¢ C pois a o conjunto de duas revistas que tem maior percentagem de leitores é 0 destas duas revistas. ©) Trata-se da probabilidade de ler pelo menos uma dessas 3 revistas. PAU BUC)= P(A)+ P(B)+ P(C)=P(ANB)~ P(ANC)~PBNC)+ PAD B NC) = 0,60+0,50+0,38-0,30-0,15 ~0,15+0,10=0,98 R: 0,98 04 98,00% °°) atc Bean tPA ee) Exercicio 5.2-7 a) __ Valores em percentagem [ % ]: a Q 35 b) PUA) + PCB) ~ PLAN BY =. = 55% PUA) + PC)— PLANE) = = 62% PUB) + P(C)~ PLB AC) =... = 58% Deviam ser escolhidos os jornais A € C. c) PIANBAC]_ 0,10 P(C\(AnB) PlanBn¢] _o.10 0,667 ou 66,7% PUAMB) 0,15 a) P(ANB) _ 0,15 a i - \ By =2EO#) _ ONS _ 9,371 i) P(A)=0,3 e P(A\B P(B) 0.40 5 Portanto P(A) # P(A\ B) => Ae Bnao so independentes . P(ANC) _ 0,18 it = (Cr) = FARO) _ 0.18 ) P(C)=0,5 © PU ) P(A) 0,30 ),60 Portanto P(C)# P(C\ A) => AeC nao sioindependentes e) ) 5% ii) 40% EXPLICAGAO POR PALAVRAS (i) Os dois inquéritos foram feitos as mesmas pessoas. Ora g total de pessoas ‘no pode ser superior a 100%. Por isso, como s6 havia 35% de pessoas que nao andava em nenhum daqueles trés meios de trasporte (combéio, metro e autocarro), e havia 40% que andava de automével, pelos menos 5% [40%- 35%] no podia andar s6 de automovel, (ii) O maximo era 40% e correspondia ao caso em que, todas as pessoas que andavam de automevel, também andavam em pelo menos um dos outros meios de transporte. Ex 05-02-07 - 18 08-09,Resolucao, 1/1 Exercicio 6.1-3 a) =E(X)= % xf) adie. No nosso exercicio: hey =00,10+1x0,20+20,30++4+30,30+4%x0,10=2,1 iH 2 7 =V(X)= ee (XL YP FO) No nosso exerefcio: OZ — =(0—2,1)’ x0,10+ (1-2,1)? x0, 20 +(2—2,1)* x0,30+ +(3—2,1)' x0,30+(4—2,1)’ x0,10= =0,441+0,242 +0,003 +0,243 +0,361=1,29 Podiamos também ter usado a formula: V(X) Ree) SC) valores Go. No nosso exercicio: ford 0? x0,10+ 1? x0,20 +2 x0,30 +3? x0,30+4 4? x0,10—2,17 4+0,241,242,74+1,6—4,41=5,7-4,41= 1,29 Cloulo do desvio-padrao: O;, = (GF = 1,05 = 136 » E crucial perceber que num énico jogo nunca se obtém 0 valor esperado. O valor esperado & a média de pontuagéio que se obtém, ou melhor, que se espera obter se aquele Jogo for ogado muitas vezes. 2 Podemos também discutir 0 desvio-padréo. ‘Quanto mais pequeno o desvio-padréo maior a previeibildade dos resultados. Ou, mais parecidos si ‘com 0 valor esperado. Ex 06-01-03.x15,Resolugto,1/1 Exercicio 6.1-4 o) Me=BQD= F xf) Nona eat Hg =1¥0,49005 2x0,249943x0,2601=1,7701 or=V(X)= as (Hr FQ) meee GF =(1-1,7701)?x0,4900-+(2-1,7701) x0,2499+ +(3-1,7701)?x0,2601= 10,2906 +0,0132-+40,1934~0,6972 Podianas tan te edo Smal: ai aV(X)=8(e)-ai= FS fle)-at vised Catoulo do desvio-padro: [O} =(0,6972 =0,835 0,49, M M [049M [Prasenece : = ito pt u— H ] ‘As probabilidedes do diagrama em drvore © 08 cBleulos acima tém em conta que os resultados de ‘cada nascimento sio independentes dos resultados dos outros nascimentos.- Este aspecto da Independnela dos nascimenios é fundamental para os resultados alcangados. robabiliade de parer no primelto nascimento [nasce ogo meninal: 0,49. 0,51%0,49 Probablldade ce parar no segundo nescimento: 2499 Probabildade de passar 20 torcelonascimento: 0,51x0,51=0,2601 [No terceiro nascimento para sempre qualquer que seja 0 saxo do bebé, Assim, ofereelro ramo no & necesséro para 0 oélculo das probabildedes que nes interessam. Se 0 quisésseomas usar triamos {9)0, 510 510,4940,6'90,5110,51=0,2001. x 06-01-04 » 28 05-00.x1sResolugéo1I1 Exercicio 6.2-2 a) Tratese de uma distribuigo binomial porque, a selecgo a0 aeaso de uma pessoa dessa populaglo, como essa populagto € muito grande, ¢ independente da selecso de outras pessoas dessa populagdo. Ou soja, a probubilidade de uma pessoa ser seleccionada nto influencia a probabilidade de outras pessoas serem seleccionadas. Em termos genéricos a vvarivel ¢ a distribuigo binomial em causa sto dadas pelas expressbes: X: Nilmero de portugueses com mais de 18 anos que assume ndo ter conhecimento da obrigatoriedade do uso do cinto de seguranca quando segue no banco de tris do veiculo SQ)= PIX =3]=Clxpx(-pY* Hing em que, nesta ane, p=4=0,25 © Nota: Quanto recorremos as tabelas basta por a indicapo da distribuigto, dos eleulos em causa e apreseniar o resultado final (dado pela tabela). Nao & preciso fazer os céloulos intermédios. Entilo, fazendo o célculo, temos como solupio de (i): PLX =3] = C%x0,25" x(1-0,25)"" = 840, 25° x0, 75 = 84x0, 015625%0,177979 = 0,2336 (ji) Tedos saberem ¢ 0 mesmo que zero nfio saberem: PLX =0}= (2x0, 25°X (10,25) =1%0,258x0,79 = R: (9 0,2336.0123,36%% (40,0751 ou 7.51%. 0,0751 ) Continuamos a ter uma distribuigio binomial, como na alinea a), mas em que, nesta alinea, 1n=600. Queremos obter: p»0=0,25%600"150 R: E de esperar que em 600 portugueses com mais de 18 anos, 150 nfo saibam dessa obrigatoriedade, 0629028 252006406. 11 1a) Trala-se de uma distribuiggo binomial porque, no contexto indicado, o facto de um condutor distrair- ‘se nfo influencia os outros condutores distrairem-se ou nfo . Ou seja, « probabilidade de um condutor se distrair nfo influencia a probebilidade de outros condutores se distrairem. Em termos genéricos a vvatidvel e a distribuigio binomial em causa so dadas pelas expressbes: X: Namero condutores, numa amostra de 15, que se distraem da condupo com essa publickdade, S@)=P[X Ix p*x(I-p)"* x03] 3n 25 Neste =15 = =0,25 feste caso on © P=Tp ‘Nota: Quanto recomemos as tabolas basta por a indicagio da distribuigio, dos céloulos em causa & apresentar o resultado final (dado pela tabela). Nilo é preciso fazer os célculos intermédios. Portanto, pademos fazer 0 oélaulo manualmente, podemos fazer pela folha de célculo, ou recorrer &s tabelas, Fazendo o caleulo manualmente temos que: 1()=P[X= Céloulo pela fotha de célouio fou tabelas]: PIX=6] = Dix '5005x0,000244x0,075085 = 0,0917 Ci! x0,25*% (1-0,25) {=15; 9=0,25) = 0.0817 R: 0,0017 ou 9,17 %. b) Continvames a ter a mesma distribuigo binomial da alinea a) mas, agora, queremso calcular uma probabilidade acurmulada. Neste caso o célculo manual é demorado pelo que é preferivel recorrer & folha de célculo ou as tabelas. O eélculo manual seria o seguinte: F(6)=P[X <5] = 3,0! x0,25"(1-0,25)* = =0,013363-+0,066817 +0,155907-+0,225199-+225199 +0,165146 = 0,8516 CCaloulo peta foha de calouo fou tabelas): 0,856 R: 0,8516 ou 85,16%. ©) Continuamos a ter uma distribuigio binomial em que p=0,25 mas, agora, n=2000. O que se pede é o valor esperado dessa distribuigio binomial. B(X) = nx p= 2000%0,25 = 500 : 500 condutores. Ex 06-02-08 © 06-02-04. xl, 6.2-3,1/2 Exoreioto 6.24 a) Trate-se de uma distibuigSo binomial porque, sendo o universo os empregados de um pais, o seu X: Nomero empregados, numa emostra de 10, que foram alvo de intimidagao no emprego. S(x)=P[X=x]=Crxp*x(I-p) t= Oh, in Neste caso n=10 e p=0,20 ‘Nota: Quanto recorremos as tabolas basta pfs « indicapEo da distribuigSo, dos ofleulos om causa 6 Portanto, podemos fazer 0 cAloulo manualmente, podemos fazer pela flha de céloulo, ou recorer as i) f@)=P[X =0]=C x0,20° x (10,20)? = 1x1x0,1074 =0,1074 ii) O=P[X<6J=>, C!x0,20* x(1-0,20)"* =0,9991 itt) P[X>2]= 1-P[xs2]=1-3 c!x0,20"x(1-0,20)°* = 1-0,6778=0,3222. ©) Contouamos ater uma distrTouigdo binomial em que p-0,20 w10. O que s pede €o valor esprado E(X)=nx p =10%0,20=2 ©) Continuamos ater uma distribuigto binomial em que p=0,20 mas, agora, 1-200. O que se pede & 0 E(I) =nx p =200X0,20=40 Exerciclo 6.24 a) Trata-se de uma distribuipo binomial porque, sendo o universo os empregados de um pais, o seu nimero é muito grande. Por isso, o que se passa com cada empregado, se for seleccionado ao acaso © de forma independente, no é influenciado pelo que se passa com outros empregados, Trata-se por isso de provas de Bernoulli: ou foi ou nfo foi alvo de intimidagio, Em termos genéricos a variével © a distribuigo binomial em causa so dadas pelas expresses: X: Numero empregados, numa amostra de 10, que foram alvo de intimidagao no emprego. f(x)=P[X= =Ctxp*x(l-p)"™ »x=05) 50 Neste caso n=10 e p=0,20 ‘Nota: Quanto recorremos as tabelas basta por a indicago da distribuiglo, dos céleulos em causa e apresentar 0 resultado final (dado pela tabela), Nao é preciso fazer os céleulos intermédios. Portanto, podemos fazer o calculo manualmente, podemos fazer pela folha de célculo, ou recorrer as tabelas. Indicando 0 céloulo e recorrendo as tabelas: Z ‘) £0) = PLX =0] = Cl” x0,20° x(1- 0,20)? =1x1%0,1074 = 0,1074 ii) (6) = P[X <6]= > C! x 0,207 x(1—0,20)'"* = 0,9991 iii) . P[X>2]= 1-P[X<2]= > Cl x0, 20* x(1-0,20)"* = = 1-0,6778 = 0,3222 ©) Continuamos a ter uma distribuiggo binomial em que p=0,20 ¢ n=10. O que se pede é 0 valor cesperado dessa distribuigio binomial, E(X)=nx p=10%0,20=2 c) Continuamos a ter uma distribuigdo binomial em que p=0,20 mas, agora, n=200. O que se pede é 0 valor esperado dessa distribuigfo binomial. Apesar do n ser grande, para caloular o valor esperado nao & preciso fazer a aproximagio da binomial & normal. O valor esperado daria exactamente o mesmo, E(X)= nx p=200%0,20 = 40 Ex 06-02-04 - 28 05-08.xis,Resolugso, 1/4 Exorciclo 6.2-5 2) Trata-se de uma distibuiggo binomial porque, no contexto indioado, o facto de um candidato ter 0 perfil adequado nko influencia o perfil dos outros candidatos, Em termos genéricos a varidvel e & distribuigdo binomial em causa sio dedas pelas expresses: X: Namero candidates, numa emostra de 10, que tém o perfil adequado. SQ)=PLX x]=CIxp*x(I-p)™ x= 051; Neste caso n=10 € p=0,40 in Nota: Quanto recorremos as tabelas basta por a indicagto da distribuigo, dos edloulos em causa © apresentar 0 resultado final (dado pela tabola). Nao & preciso fazer os céloulos intermédios, Portanto, podemos fazer 0 eélculo manualmente, podemos fazer pela fotha de célculo, ou recorrer as tabelas, Fazendo o céloulo manualmente temos que: (4) = P[X =4] = C1 x0,40* x(1-0,40)° = 210%0,0256%0, 046656 = 0,2508 Célculo peta fotha de célculo fou tabelas}: PIX=4] = b(x=4; N=10; p=0,40) = 0.2508 Ri 0,2508 ou 25,08 %, Outros céleuulos apenas polas tabolas: Céleulo pela folha de célculo [ou tabelas}: PIX=7] = b(x=7; N=10; p=0,40) = 0.0425 ») X: Numero candidatos, numa amostra de 8, que tém o perfil adequado, f (2) =P[X =x]=Cyxp*x(I-p) 2x=O;]) un Neste caso n e p=0,40 Outros cAlcuulos apenas pelas tabelas: ‘Céloulo pela folha de edloulo fou tabelas): PIX=5] = b(x=5; N=8; p=0,40) = 0.1239 Ccuo pela folha de céloulo [ou tabolas}: PIX=8] = b(x=8; N=8; p=0,40) = 0.0007 Ex 06-02-08 xls Resolugao,1/4 Exorciclo 629 1X: Procura dria de um determinado produto, em toneatas 1 tom gltoig8o nornal em que: KON (ity =216y =0,5) [Z<-1,00]=1-P[Z <1,00]= =1-0,8413=0,1587 ov — 15,87% » piysexes]=r[x<3]-PLx <15)=7|2 <2 ]-7[2 =1,6449 <> a =1,6449%0,5+2 <> 82245 toneladas x 06-02-08 2 0502-42.315.8.29,114 Exercicio 6.2-10 A: Procura diria de dgua, numa dada cidade, em milhbes de ms. tom distribuigdo normal em que: XON (My =230y = 0,9) 9 PLx>1,09] ~P[z> BO? | plz» —ol}=Plz 0,9 => woe 1,2816 <> a=1,2816x0,9+2 <= a=3,15344 milhées de m°. Ex 06-02-09 a 06-02-12.,l6,6.2-10,2/4 Exercicio 6.2-11 X: rendimento semanal das familias, da populagto de uma determinada regio subdeservotvida, em °X tem cistribuigéio normal em que: XAN (My =10030y = 20) 9) P[X >120] =| z> 12020 | p[z>1,0)=1-P[2s.00)= =1-0,8413=0,1587 ou —15,87% ” plo 1,80] =7[z>" 2) -plz>2.0)=1-7(252.00]= ( 0,0228x500=11,4 =lalunas ») © pli70¢x<1,80]=P[X <1,80]~P[X <1,70]= ofzcdae. oat] = P[Z<2,00]-P[Z <1,00]=0,9772-0,8413 = 0,1359 ow 13,59% (1) n=800. (alunas da escola) [N® de alunas que é de esperar que tenham altura entre 1,70 8 1,80 m: 0,1359x500=67,95 =68alunas 9 pLreal= 0,20 ¢ PX m0,001646 en 0,2416%0,101,50 42 ami,68 (metros) * ‘ X;; Altura de uma aluna, escolhida ao acaso X, ON (ty = H= 1,60; 0, = 0 =0,10) §51,2,...,16 Esté em causa a média da amostra: Média da altura de 16 alunas, seleccionadas ao acaso 2a a ‘ o _ 0,10 yaa =n ( ue = H=100 5 Op =o pee =0,025] 2 1,65-1,60 P(X <1,65)= P| Z<27=2"* |= p(z <2,00)=0; 72% (¥ <1,65) [z< 0,005 - P(Z<2,00)=0,9772 ou 97, 72% Ex 07-01-08 - 28 05-08.xls,Resolugao,1/4 Exercicio 74-6 ‘Tomos duas formas de abordar o exercicio que vao conduzir ao mesmo resultado: Primeira: X;; Distribuigtio do peso para cada passageiro ‘Sabemos que a média e 0 desvio-padrdo sto iguais para todos os passageiros: Hay =H=9S [n° de passageiros] On on45 [° de passageitos] Nao nos dizem como se distribui esse peso. Mas, como 0 n é grande {malor ou igual a 30] ¢ todos os XI f8m a mesma média e o mesmo desvio-padrdo, podemos aplicar 0 teorema do limite central para calcular @ distrbuigsio da soma da amostra. Dizemos entéo que a soma da amotra 6 uma distribuig8 normal em que a média € soma das médias © o desvio-padréo é a raiz quadrada da soma das variancias Segunda: ‘Tratando-se do peso 6 de esperar que se trate de uma distrbulgio normal: X;;: Distribuigdo do peso para cada passageiro KON (ip = HE95; 0g = T= 48) FS boot [n° de passageiros] ‘Se cada Xi tem distibuiggo normel, entiio a soma da amotra ¢ uma distribuiggo normal em que a ‘média é soma das médias e © desvio-padro 6 a raiz quadrada da soma das varléncias, a) ¥ Soma do peso do n passageiros no avisio y=>X, =N(, NK: Oy =nxo*) n= 225 [lotagao completa] donde: nx t= 25X95 = 21375 Inxa® =f225%45* = (455625 = 675 X,~N (fly =21375 ; 0, = 675) 22500-21375 675 ~0,9525=0,0475 ou 4,75% P[y > 22500] ole > [-etzouenl= -P[z<1,61]= Ex 07-01-06 - 28 05-08.x's,1/2 b) n=210 donde: nX [= 210%95 =19950 '¥ Soma do peso do n passageitos no avito ve5%, oN (ty =x 5 0 =Ynxo*) {nxo? = [210x4F = 425250 = 652,11] ¥ = 35%, -N (dy =19950 ; 0, = 652,11) oi P[¥ > 22500] = P| Z>- 652,11 22500-19950 |-stz>aot=t-rles39i)- =1-1=0 on 0% [Com 210 passagelros & pouco provavel que tenha de} roforgar 0 combustivel. Teriam de ser passagelros| muito pesados. x 07-01-06 - 28 05-06.xts,212 Exercicio 7.1-12 Resolugio do exercicio P[-a| NAO REJEITAR a? Hy - df Blo teste evidencia DECISAO DECISAO B | queo pitoto ébom CORRECTA INCORRECTA, 26 SB) RewrraRH, ©} O teste evidencia ‘5 < Z | que o piloto nko DECISAO __ DECISAO: BS |bom INCORRECTA CORRECTA, z CASO DA CONTRATACAO DE UM NOVO PILOTO PARA OS AVIOES (0) SITUACAO REAL HyEVERDADEIRA’ | -HoLRALSA’ VERIFICA-SE Hy £ um bom piloto Nao € um bom piloto NKO dian DECISAO CORRECTA | DECISAQ INCORRECTA © teste evidencia| PROBABILIDADE — | ERRO TIPO.TLOU DE aque o piloto é bom Lo “ACEITACAO; PROBABILIDADEE 8B REJEITAR Ho | pECISAO INCORRECTA | DECISAO CORRECTA © teste evidencia f DECISAO BASEADA NA AMOSTRA [no testo] que o piloto mio é| ERROTROLOUDE | PROBABILIDADE. bom REJEICAO: Pan PROBABILIDADE. Lp oe, ‘Bc OP1-02 28 2005. 20064e0 Pyne CASO DA CONTRATAGAO DO JOGADOR DE FUTEBOL (1) SITUACAO REAL HG VERDADEIRA [HE KALSA™ VERIFICA-SE Hy © jogador tem muita © jogador nfio tem qualidade qualidade ] NAO REMEITAR : <% Hy 2 | 0 teste evidencia DECISKO “is DECISAD. Al culevoue an CORRECTA “SINCORRECTA muita qualidade "dks pg 1 : a © teste evidencia se i 3 | que o jogador nio DECISO # Bg | tomaualidaae INCORRECTA CASO DA CONTRATAGAO DO JOGADOR DE FUTEBOL (0) a ‘SITUAGK ‘Hy E VERDADEIRA O jogador tem muita ae qualidade Po nae DECISAQ CORRECTA fo O teste evidencia PROBABILIDADE ‘ERRO.TIRO WOU DE que o jogador tem a “ACEITAGKO: muita qualidade * PROBABILIDADI REJEITAR Ho | DECISAO INCORRECTA © ‘teste evidencia que 0 jogador nio| ERRO TIROLOUDE tem qualidade REJEICAO: PROBABILIDADE e DECISAO BASEADA NA AMOSTRA [no teste] ‘BcOR-1-00 28 205 2006dee, Pin 2 2 eereiio 824 [X: Classificagéo numa disciplina | IXAN (“= %0=4) si os, SL. Classificagzo de 100 ahinos: E> ia iis ite a aio tai, [esta visuatzagh pra para explicarocalmere Bll ; Fon(ureme My =10 Vo [valor exitico] ie sem werpbrpbiduin steal He Ripon 4) Hip6tese nulao hipstese altermativa Hy w=10 Hr M310 Dever war ma git ria unitater! diet, 2) Esootha da estatistica para fazer o testo Boni mior~F) + ZAN(H:=0:07=1) 08.0201 -75 05.06xtRessit611 8) Escotha do erro de rojeicdo e escotha da dimensio da amostra Brro derejeipfo: a =0,05 ow 5% Dimenstio da amostra: n=100 [Neste exercfcio é um dado do exerefeio] 4) "Estatistica” da amostra usada para fazer o teste Foa(ine 4-10 Z= ahs aoe emque ZN (ft, =0;0; =1) in 100 5) Determinagio da rogiso ertioa e do valor ertco atin tone @=0,05 To ° 1,6449 [valor eritico) Zz 08.0201 -28 os o8xResolnte 2 Na dstrbutgtocriginal “Queto acho valor que tom 95% de probabildede a esquerda na dstbuipo orginal Yoee VOID) 449 > 1 6449%0,4+ 10 10,658 oO ed Hy =10 6) Recolha de informagao e ensale da hipétese Bx, pak 5 gum Z 100." va Yoo Vatycaanes m aetite Tein gies va apts rar we aia RRS OAT cas Cv GS SE Fin Re BGT pT Ger syuncance sce onerieotes ot at Ou rote Prone cdlrcce wena vr vase te sastegten eh ovo » povalue -r(221) wto(2

    You might also like