You are on page 1of 41

ESTATÍSTICA

1. CONCEITOS BÁSICOS
• População - é o conjunto de elementos (pessoas, coisas, objetos) que têm em
comum uma característica em estudo. A população pode ser:
i. Finita: quando apresenta um número limitado de indivíduos.
Ex.1 a população constituída por todos os parausos produ!idos em
uma "brica em um dia.
Ex. 2 nascimento de crianças em um dia em #ovo $ambur%o.
ii. Infinita: quando o número de observaç&es or ininito.
Ex. a população constituída de todos os resultados (cara e coroa) em
sucessivos lances de uma moeda.
• Ao!t"a - é o conjunto de elementos retirados da população, suicientemente
representativos dessa população. Através da an"lise dessa amostra estaremos
aptos para analisar os resultados da mesma orma que se estud"ssemos toda a
população.

O#!. A amostra é sempre inita. 'uanto maior or a amostra mais si%niicativa é o
estudo.
• Pa"$%t"o - é uma característica numérica estabelecida para toda uma
população.
• E!tia&o" - é uma característica numérica estabelecida para uma amostra.
• 'a&o E!tat(!ti)o - é sempre um número real.
a( P"iiti*o ou B"uto: é aquele que não soreu nen)uma transormação
matem"tica. #úmero direto.
b( Ela#o"a&o ou !%)un&+"io: é aquele que soreu transormação
matem"tica. *+. porcenta%em, média, etc.
2. A,,E'ON'A-ENTO 'E 'A'OS
• 'uando o primeiro al%arismo ap,s aquele que vai ser arredondado or -, ., /, 0
e 1 despre!a(se este al%arismo e conserva(se o anterior.
*+emplo: 2,300425 6 2,307 35,51843- 6 35,5.
.
• 'uando o primeiro al%arismo ap,s aquele que vai ser arredondado or 2, 8, 3, 5
e 4 aumentamos uma unidade no al%arismo anterior.
*+emplo: 2,302425 6 2,317 35,55843- 6 35,4.
.. 'I/IS0O 'A ESTATÍSTICA
9odemos dividir a *statística em duas "reas:
• *statística :escritiva ; é < parte da *statística que tem por objetivo
descrever os dados observados e na sua unção dos dados, tem as se%uintes
atribuiç&es.
i. A o#t%nção ou )ol%ta &% &a&o! 1 é normalmente eita através de um
question"rio ou de observação direta de uma população ou amostra.
ii. A o"2ani3ação &o! &a&o! 1 consiste na ordenação e crítica quanto <
correção dos valores observados, al)as )umanas, omiss&es,
abandono de dados duvidosos.
iii. A "%p"%!%ntação &o! &a&o! 1 os dados estatísticos podem ser mais
acilmente compreendidos quando apresentados através de tabelas e
%r"icos, que permite uma visuali!ação instant=nea de todos os
dados.
• *statística >ndutiva ; é < parte da *statística que tem por objetivo obter e
%enerali!ar conclus&es para a população a partir de uma amostra, através do
c"lculo de probabilidade. A tais conclus&es estão sempre associados a um
%rau de incerte!a e conseq?entemente, a uma probabilidade de erro.
4. /A,IÁ/EIS
@ma vari"vel é qualquer característica de um elemento observado (pessoa,
objeto ou animal).
Al%umas vari"veis, como se+o e desi%nação de empre%o, simplesmente enquadram
os indivíduos em cate%orias. Autras, como altura e renda anual, tomam valores numéricos
com os quais podemos a!er c"lculos.
As e+emplos acima nos di!em que uma vari"vel pode ser:
a 1 5ualitati*a: quando seus valores são e+pressos por atributos: se+o (masculino ;
eminino), cor da pele (branca, preta, amarela, vermel)a)7
# 1 5uantitati*a: quando seus valores são e+pressos em números (sal"rios dos
oper"rios, idade dos alunos de uma escola, número de il)os, etc.). @ma vari"vel
quantitativa que pode assumir, teoricamente, qualquer valor entre dois limites recebe o
/
nome de *a"i+*%l )ont(nua (altura, peso, etc.)7 uma vari"vel que s, pode assumir valores
pertencentes a um conjunto enumer"vel recebe o nome de *a"i+*%l &i!)"%ta (número de
il)os, número de vit,rias).
Ex%")()io!
.. Blassiique as vari"veis abai+o:
(a) Cempo para a!er um teste.
(b) #úmero de alunos aprovados por turma.
(c) #ível s,cio(econDmico
(d) '> ('uociente de inteli%ência).
(e) Ee+o
() Fastos com alimentação.
(%) Apinião com relação < pena de morte
()) Geli%ião
(i) Halor de um im,vel
(j) Bonceitos em certa disciplina
(I) Blassiicação em um concurso.
/. >dentiique e classiique as vari"veis:
a) Cabela de c,di%os de declaração de bens e direitos de im,veis: .. ; Apartamento7
./ ( Basas7 .0 ; Cerrenos7 .1 ; Cerra nua7 .2 ; Ealas ou lojas7 .8 ; Bonstrução7 .3
; Jeneitorias7 .4 ; Autras7 (:eclaração de Ajuste Anual, >nstruç&es de
9reenc)imento, >mposto de Genda, 9essoa Kísica, .444)
b) LA euro começa a circular com .0 bil)&es de notas em sete valores(2, .-, /-, 2-,
.--, /-- e 2--)...A cun)a%em de 32 bil)&es de moedas de . e / euros e de ., /, 2,
.-, /- e 2- centavos de euro implicar" uma troca completa de m"quinas e
equipamentos de venda de jornais,caé e reri%erantes.M (Gevista Npoca, Ano ., nO
00 , 1P.P.444)
c) L*m sete deliciosos sabores: tan%erina, Qaranja, maracuj", lima(limão, carambola,
abaca+i e maçã verde.M ( Anúncio de um preparado s,lido artiicial para reresco)
d) L A partir de .444, as declaraç&es de >mposto de Genda dos contribuintes com
patrimDnio de até GR /- mil poderão ser eitas por teleone.M (Gevista época, ano .,
nO 00, 1P.P.444)
e) 'uantidade de sabores de reresco consumida em determinado estabelecimento no
im de semana7
) *m /5 de de!embro de .445, a Kol)a de E. 9aulo publicou a classiicação dos
preeitos de nove capitais brasileiras. As notas, em uma escala de - a .-, oram as
se%uintes: Buritiba 8,37 Gecie, 8,27 9orto Ale%re, 8,17 Klorian,polis, 8,17 Ealvador,
8,07 Kortale!a, 2,27 Jelo $ori!onte, 2,17 Gio de Saneiro, 2,1 e Eão 9aulo,0,1.
0
AP,ESENTA60O 'E 'A'OS ESTATÍSTICOS
AP,ESENTA60O TAB78A,
A apresentação de dados estatísticos na orma tabular consiste na reunião ou
%rupamento dos dados em tabelas ou quadros com a inalidade de apresenta(los de modo
ordenado, simples e de "cil percepção e com economia de espaço.
• Copon%nt%! B+!i)o!
*m termos %enéricos, uma tabela se comp&e dos se%uintes elementos
b"sicos:
T(tulo
Babeçal)o
>ndicadora
de
Boluna
B
o
Basa l Qin)a
u
n
a
,o&ap9
Ex%plo:
B"a!il - E!tiati*a &% População
1:;< 1 ;=
Ano População
>1<<< ?a#itant%!@
.43-
.43.
.43/
.430
.431
.432
.438
40..04
42.440
45.84-
.-..100
.-1./10
.-3..12
..-../1
Font%: Anu+"io E!tat(!ti)o &o B"a!il
• P"in)ipai! El%%nto! &% ua Ta#%la
T(tulo: Bonjunto de inormaç&es, as mais completas possíveis, locali!ado no
topo da tabela, respondendo <s per%untas: O AuBC On&%C 5uan&oC
Ca#%çal?o: 9arte superior da tabela que especiica o conteúdo das colunas.
1
Coluna In&i)a&o"a: 9arte da tabela que especiica o conteúdo das lin)as.
8in?a!: Getas ima%in"rias que acilitam a leitura, no sentido )ori!ontal, de
dados que se inscrevem nos seus cru!amentos com as colunas.
Ca!a ou C9lula: *spaço destinado a um s, número.
,o&ap9: são mencionadas a onte se a série é e+traída de al%uma publicação e
também as notas ou c)amadas que são esclarecimentos %erais ou particulares relativos aos
dados.
SD,IES ESTATÍSTICAS
N toda tabela que apresenta a distribuição de um conjunto de dados
estatísticos em unção de três elementos:
a. :a época7
b. :o local7
c. :a espécie.
*sses elementos determinam o sur%imento de quatro tipos undamentais de séries
estatísticas:
• Eéries Cemporais ou Bronol,%icas: são aquelas nas quais os dados são
reunidos se%undo o tempo que varia, permanecendo i+os o local e a espécie.
Ex%plo: 9rodução de petr,leo bruto ; Jrasil
.488 ; .43-.
Anos 'uantidade (cmT)
.488
.483
.485
.484
.43-
8.315.554
5.2-5.515
4.2-4.804
.-..84.20.
4.852.81.
Konte Jrasil em dados.
• Eéries Feo%r"icas: são aquelas nas quais os dados são reunidos se%undo o
local que varia permanecendo i+os o tempo e a espécie.
Ex%plo: Geban)os bovinos ; Jrasil
.43-.
Ge%i&es Jovinos (.---)
#orte
#ordeste
Eudeste
Eul
Bentro(oeste
/..0/
/-..41
02././
.5.3-/
.2.82/
Konte Jrasil em dados.
2
• Eéries *specíicas: são aquelas nas quais os dados são reunidos se%undo o
espécie que varia permanecendo i+os o tempo e o local.
Ex%plo: 9rodução pesqueira (mar) ; Jrasil
.484.
>tens 9rodução (ton.)
9ei+es 0.1
Brust"ceos 8/
Uoluscos 0
Uamíeros ./
Konte Jrasil em dados.
• Eéries Bomposta ou Uista: é a combinação de dois ou mais undamentais de
séries estatísticas.
*+emplo: Feo%r"ica ; Cemporal.
*volução do transporte de car%a marítima nas 1 principais bacias brasileiras
Jrasil (.485; .43-.
Jacias
Anos
.485 .484 .43-
Ama!Dnica
#ordeste
9rata
Eão Krancisco
/00.385V
.8.530
.33.3-2
20..1/
0/1.02-
/-./3/
/-0.488
15.883
0.8.223
/-./18
/-..181
23.415
Konte Jrasil em dados.
V As dados estão em toneladas.
A apresentação tabular de dados estatísticos é normali!ada pela resolução nO 558
de /8(.-(.488 do Bonsel)o #acional de *statística a im de uniormi!ar a
apresentação de dados.
*W*GBXB>AE
Ex%")()io 1: :e acordo com o >JF* (.455), em .458 ocorreram, em acidentes de
tr=nsito, /30-8 casos de vítimas atais, assim distribuídos: ..3./ pedestres, 3..8
passa%eiros e 5135 condutores. Kaça uma tabela para apresentar esses dados.
Ex%")()io 2: :e acordo com o Uinistério dos transportes, em .445, o taman)o das
mal)as de transporte no Jrasil é, assim distribuído: 0/-15- Im de Godovias
(estradas municipais não estão incluídas), /43-- Im de Kerrovias (inclui as lin)as
de trens urbanos) e 1---- Im de $idrovias (desse total, apenas 5--- Im estão
sendo usados de ato). Kaça uma tabela para apresentar esses dados.
Ex%")()io .: :e acordo com Uinistério da *ducação a quantidade e alunos
matriculados no ensino de .O %rau no Jrasil nos de .44- a .448 em mil)ares de
alunos, são: .4.3/- ; /-.283 ; /..130 ; /..553 ; /-.245 ; //.130 ; /0.281. Kaça
uma tabela para apresentar esses dados.
8
Ex%")()io 4: *stabelecimentos de ensino da re%ião norte do Jrasil em .45/. A
re%ião norte subdivide(se em: GondDnia, Acre, Ama!onas, Goraima, 9ar" e Amap"
e possuem um total de /4, .0, 35, 1, .- e 4 estabelecimentos de ensino,
respectivamente, se%undo o U*B. . Kaça uma tabela para apresentar esses dados.
Ex%")()io E: :e acordo com o >JF*(.455), a distribuição dos suicídios ocorridos no
Jrasil em .458, se%undo a causa atribuída, oi a se%uinte: /80 por alcoolismo, .45 por
diiculdade inanceira, 3-- por doença mental, .54 por outro tipo de doença, 1.8 por
desilusão amorosa e /.3 por outras causas. Apresente essa distribuição em uma tabela.
Ex%")()io =: Uuitos sistemas escolares ornecem o acesso a >nternet para seus estudantes
)oje em dia. :esde .448, o acesso Y >nternet oi acilitado a /..300 escolas elementares,
3./58 escolas do nível médio e .-.85/ escolas de nível superior (Etatistical Abstract o
@nited Etates, .443). *+iste nos *stados @nidos um total de 2..312 escolas elementares,
.1.-./ escolas do nível médio e .3.//4 escolas do nível superior.
Ex%")()io ;: A c)ance de uma campan)a publicit"ria atin%ir sucesso a ponto de ser
comentada nas ruas e até incorporada ao vocabul"rio da população é muito bai+a. :e
acordo com estudos essa probabilidade se altera de acordo com o meio de comunicação
utili!ado. #uma amostra de 0-.--- campan)as publicit"rias de G"dio (5mil), CH (.-mil) e
G"dioZCH (./mil), veriicou(se que, das /5-- que atin%iram tal sucesso, ./-- oram
veiculadas no r"dio e na CH e 2-- apenas no r"dio.
Ex%")()io F: Blassiique as séries dos e+ercícios . até 2.
:>ECG>J@>[\A :* KG*'@]#B>A
N o tipo de série estatística na qual permanece constante o ato, o local e a época. As
dados são colocados em classes pré(estabelecidas, re%istrando req?ência.
:ivide(se em duas partes:
 :istribuição de Kreq?ência >ntervalar (Har. Bontínua)
 :istribuição de Kreq?ência 9ontual (Har. :iscreta)
'i!t"i#uição &% F"%AGBn)ia Int%"*ala"
N um método de tabulação dos dados em classes, cate%orias ou intervalos, onde
teremos uma mel)or visuali!ação e aproveitamento dos dados.
*+emplo:
Nota! &o )u"!o &%
CiBn)ia &a Coputação na &i!)iplina &%
P"o2"aação I &% ua &a&a Fa)ul&a&%
#otas #O de *studantes
2 ^(( 8 .5
8 ^(( 3 .2
3 ^(( 5 ./
5 ^(( 4 -0
4 ^((.- -/
3
*lementos 9rincipais:
a) Blasse ; é cada um dos intervalos em que os dados são a%rupados.
b) Qimites de classes são os valores e+tremos de cada classe.
l
i
6 limite inerior de uma classe7
Q
i
6 limite superior de uma classe.
c) Amplitude ; é a dierença entre o maior valor e o menor valor de certo conjunto de
dados. 9ode ser reerida ao total de dados ou a uma das classes em particular.
• Amplitude Cotal (A
t
) ; é calculada pela se%uinte e+pressão:
A
t
6 Ua+. (rol) ; Uin.(rol).
• Amplitude das classes ()) ; é a relação entre a amplitude total e o número de
classes, conorme mostra a e+pressão a se%uir:
n
rol Mín rol Máx
h
) .( ) ( −
· , onde n é o número de intervalos de classe.
d) 9onto médio de classe (+
i
) ( é calculado pela se%uinte e+pressão:
/
i i
i
l L
x
+
·
e) Kreq?ência absoluta (
i
) ( req?ência absoluta de uma classe de ordem i, é o número de
dados que pertencem a essa classe.
) Kreq?ência relativa (r
i
) ( req?ência relativa de uma classe de ordem i, é o quociente da
req?ência absoluta dessa classe (
i
), pelo total, ou seja,
Total
f
fr
i
i
·
O#!: a soma de todas as req?ências absolutas é i%ual ao total.
%) Kreq?ência acumulada (K
i
) ( req?ência acumulada de uma classe de ordem i, é a soma
das req?ências até a classe de ordem i.
)) Kreq?ência relativa acumulada (Kr
i
) ( req?ência relativa acumulada de uma classe de
ordem i, é a soma das req?ências relativas até a classe de ordem i.
AGFA#>_A[\A :* @UA :>ECG>J@>[\A :* KG*'@]#B>A:
9ara or%ani!ar um conjunto de dados quantitativos em distribuição de req?ências,
aconsel)a(se se%uir a se%uinte orientação:
1
o
O"2ani3a" o "ol ; colocar os dados em ordem crescente ou ordem decrescente.
5
2
o
Cal)ula" >ou a&ota"@ o nH%"o )on*%ni%nt% &% )la!!%! ; o número de classe deve ser
escol)ido pelo pesquisador, em %eral, convém estabelecer de 2 a .2 classes. *+istem
al%umas ,rmulas para estabelecer quantas classes devem ser construídas. #os usaremos,
N n · onde N é a quantidade total de observaç&es.
.
o
Cal)ula" >ou a&ota"@ a aplitu&% &o int%"*alo &% )la!!%! )on*%ni%nt% ( a amplitude
do intervalo de classes deve ser o mesmo para todas as classes.
n
rol Mín rol Máx
h
) .( ) ( −
· onde
n
é o número de intervalos de classe.
4
o
O#t%" o! liit%! &a! )la!!%! ; @sualmente as classes são intervalos abertos " direita. As
limites são obtidos a!endo(se.
Qimite inerior da .
a
classe é i%ual ao mínimo do rol, isto é,
l
.
6 Uin.(rol)
*ncontram(se os limites das classes, adicionando(se sucessivamente a amplitude do
intervalo de classes aos limites da .
a
classe.
E
o
O#t%" a! i
f
( contar o número de elementos do rol, que pertencem a cada classe.
=
o
Ap"%!%nta" a &i!t"i#uição ; construir uma tabela com título, subtítulo, ...
:istribuição de Kreq?ência 9ontual
N uma série de dados a%rupados na qual o número de observaç&es est" relacionados
com um ponto real.
*+.: #otas do Aluno `W` na :isciplina de *statística ; .44-
Nota Alunos
8.0 /
5.1 0
2.0 /
4.2 0
8.2 2
Cotal .2
Ex%")()io!
1@ Abai+o são relacionados os sal"rios semanais (em Geais) de 8- oper"rios de uma
"brica de sapatos.
110 120 125 136 145 150 165 172 180 185
110 120 125 140 145 155 165 172 180 190
115 120 130 140 145 158 168 175 180 190
115 120 130 140 147 158 168 175 180 195
117 120 130 140 150 160 170 175 180 195
117 123 135 142 150 163 170 178 185 198
a) Bonstruir uma distribuição de req?ências adequada.
b) >nterpretar os valores da terceira classe.
4
2@ Abai+o são relacionados <s estaturas e os pesos de /2 alunos de *statística.
*staturas 9esos
Bonstruir
uma
distribuição
de
req?ências
adequada
para cada conjunto de dados.
.@ @ma amostra de /- oper"rios de uma compan)ia apresentou os se%uintes sal"rios
recebidos durante uma certa semana, arredondados para o valor mais pr,+imo e
apresentados em ordem crescente: .1-, .1-, .1-, .1-, .1-, .1-, .1-, .1-, .22, .22, .82,
.82, .5-, .5-, .4-, /--, /-2, //2, /0-, /1-. Bonstruir uma distribuição de req?ências
adequada.
4@ Bomplete os dados que altam na distribuição de req?ência:
a)
Blasses
i
x
i
f
i
F
i
fr
(a)
- ^(( / . 1 ... 1
/ ^(( 1 ... 5 ... ...
1 ^(( 8 2 ... 0- .5
... 3 /3 ... /3
5 ^(( .- ... .2 3/ ...
.- ^(( ./ ... ... 50 ...
... .0 .- 40 .-
.1 ^(( .8 ... ... ... 3

... ....
b)
Salários
i
x
i
f
i
F
2-- ^(( 3-- 8-- 5 5
... 5-- /- ...
4-- ^(( ...-- ... ... 02
...-- ^(( ..0-- ... 2 1-
... ..0-- ^(( ..2-- ..1-- ...
... ... . 10
..3-- ^(( ..4-- ..5-- ... ...
Cotal 11
FGbK>BAE *ECACXEC>BAE
A %r"ico estatístico é uma orma de apresentação dos dados estatísticos, cujo
objetivo é o de produ!ir, no investi%ador ou no público em %eral, uma impressão mais
r"pida e viva do enDmeno em estudo, j" que os %r"icos alam mais r"pido < compreensão
que as séries.
..3. ..5- ..32 ..30 ..5. 25 8- 8- 8/ 80
..4- ..5- ..3. ..31 ..33 5- 33 3- 5/ 8/
..80 ..5- ..35 ..51 ..5. 22 38 50 2- 35
..50 ..5- ..32 ..34 ..82 34 3- 8- 38 50
..3/ ..55 ..5- ..88 ..54 33 8- 82 3. 80
.-
A representação %r"ica de um enDmeno deve obedecer a certos requisitos
undamentais para ser realmente útil:
a) Sipli)i&a&% ; o %r"ico deve ser destituído de detal)es de import=ncia
secund"ria, assim como de traços desnecess"rios que possam levar o observador
a uma an"lise com erros.
b) Cla"%3a ; o %r"ico deve possibilitar uma correta interpretação dos valores
representativos do enDmeno em estudo.
c) /%"a)i&a&% ; o %r"ico deve e+pressar a verdade sobre o enDmeno em estudo.
Tipo! &% 2"+fi)o!
Ii!to2"aaJ Pol(2ono &% F"%AGBn)ia % O2i*a: Eão utili!ados para representar a
distribuição de req?ência.
Ii!to2"aa % Pol(2ono &% F"%AGBn)ia:
*+emplo:
#otas obtidas na disciplina de
9ro%ramação >
#otas i
2 ^(( 8 .5
8 ^(( 3 .2
3 ^(( 5 ./
5 ^(( 4 -0
4 ^((.- -/
KA#C*: :ados )ipotéticos.
O2i*a ou pol(2ono &% f"%AGBn)ia a)uula&a:
*+emplo:
K"+fi)o % lin?a: é um dos mais importantes %r"icos7 representa observaç&es eitas ao
lon%o do tempo. Cais conjuntos de dados constituem as c)amadas séries )ist,ricas ou
temporais.
EVOLUÇÃO DO DESEMPREGO NA
GRANDE PORTO ALEGRE
0
10
20
1992 1994 1996 1998 2000
ANOS
Í
N
D
I
C
E
S
..
K"+fi)o % !%to"%!: N um %r"ico construído no círculo, que é dividido em setores
correspondentes aos termos da série e proporcionais aos valores numéricos dos termos da
série. N mais utili!ado para séries especíicas ou %eo%r"icas com pequeno número de
termos e quando se quer salientar a proporção de cada termo em relação ao todo.
*+emplo:
ESPECIALIDADES MÉDICAS QUE MAIS SOFREM
PROCESSOS POR ERROS CIRÚRGICOS
ANUALMENTE
Ginecologia e Obstetrícia
Cirurgia Plástica
Of talologia
Cirurgia Geral
Orto!e"ia
Pe"iatria
Outros
K"+fi)o! % Ba""a! >ou % )oluna!@. N a representação de uma série por meio de
ret=n%ulos, dispostos )ori!ontalmente (em barras) ou verticalmente (em colunas).
'uando em barras, os ret=n%ulos têm a mesma altura e os comprimentos são
proporcionais aos respectivos dados.
GRUPOS GAÚCHOS MAIS LEMBRADOS
0 5 10 15
Tchê Garot os
Os Serranos
Tchê Barbaridade
Engenheiros do Hawai
Tchê Gur i
Í NDIC E
'uando em colunas, os ret=n%ulos têm a mesma base e as alturas são proporcionais
aos respectivos dados.
OS DEZ ES TADOS EM QUE A C OLE TA DE LIXO UR B ANO É
MAIS P R EC ÁR IA - EM % DA P OP ULAÇÃO ATENDIDA
26,5
51,5
55
68
71
75
76
62
66,5
8
!
1!
2!
"!
!
5!
6!
7!
8!
#$ %& %$ TO $% $' 'E $# (( B$
ES TADOS
./
Ca"to2"aa. N representação sobre uma carta %eo%r"ica.
*ste %r"ico é empre%ado quando o objetivo é o de i%urar os dados
estatísticos diretamente relacionados com as "reas %eo%r"icas ou políticas.
Pi)to2"aa. Bonstitui um dos processos %r"icos que mel)or ala ao público, pela
sua orma ao mesmo tempo atraente e su%estiva. A representação %r"ica consta de i%uras.
#$%& Po!ula'(o )rbana "o *rasil e 1980 +$ 10,
-onte& .nuário #statístico +1984,
.0
8ISTA 'E ELE,CÍCIOS
.) Bonstruir o $isto%rama, 9olí%ono de Kreq?ência e a A%iva das distribuiç&es dos e+ercícios .,
/ e 0 anteriores (p"%. .. e ./).
/) *scol)a o mel)or tipo de %r"ico para representar os v"rios tipos de séries.
a. As de! *stados que i!eram maior número de
Cransplantes de rim em 45
MMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMM
ESTA'OS NN 'E T,ANSP8ANTES
MMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMM
:K 01
JA 05
*E 28
9* 28
B* 53
9G .5.
GS .5.
GE .5.
UF /0.
E9 328
MMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMM
FONTE: Associação Jrasileira de Cransplante
de cr%ãos.
b. A estado das lorestas do planeta e o que
oi devastado
pela ocupação )umana ( em mil)&es de Im
BA#C>#*#C* bG*A
:*EUACA:A
bG*A AC@AQ
:*
KQAG*ECAE
AB*A#>A <.E <.:
bE>A 1<.F 4..
bKG>BA 4.E 2..
*@GA9A =.F :.=
AUNG>BA :A
E@Q
2.: =.F
AUNG>BA :A
#AGC* *
B*#CGAQ
..2 :.4
FONTE: dorld Gesources >nstitute
c. bG*A C*GG*ECG* :A JGAE>Q
MMMMMMMMMMMMMMMMMMMMMMMMMMMMMMM
,EKIOES PE,CENT7A8
MMMMMMMMMMMMMMMMMMMMMMMMMMMMMMM
#AGC* 12,/2
#AG:*EC* .5,/5
E@:*EC* .-,52
E@Q 8,38
B*#CGA(A*EC* .5,58
MMMMMMMMMMMMMMMMMMMMMMMMMMMMMMM
FONTE: >JF*
d. BAUNGB>A *WC*G>AG
JGAE>Q ( .455P.440
57ANTI'A'E >1<<< t@
ANOS ELPO,TA60O I-PO,TA60O
1:FF .84888 25-52
1:F: .33-00 23/40
1::< .85-42 23.51
1::1 .82431 80/35
1::2 .83/42 85-24
1::. .5/28. 335.0
FONTE: Uinistério da >ndústria, Bomércio e Curismo.
e. >U@#>_A[e*E ( :AE*E A9Q>BA:AE
9AG U@#>BX9>A ( .443
MMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMM
-7NICÍPIO 'OSES AP8ICA'AS
MMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMM
*G*B$>U 2./.2
#AHA $AUJ@GFA ..-511
9AGCA AQ*FG* 8.20.3
G>A FGA#:* 51443
EA#CA UAG>A .-33-.
MMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMM
FONTE: Uinstério da Eaúde.
.1
-E'I'AS ESTATÍSTICAS
*studaremos dois tipos undamentais de medidas estatísticas: medidas de tendência
central e medidas de dispersão.
As medidas de tendência central mostram o valor representativo em torno do qual os
dados tendem a a%rupar(se, com maior ou menor req?ência. Eão utili!adas para sinteti!ar
em um único número o conjunto de dados observados.
As medidas de dispersão mostram o %rau de aastamento dos valores observados em
relação <quele valor representativo.
-E'I'AS 'E TEN'PNCIA CENT,A8
A média aritmética simples
A média aritmética simples de um conjunto de valores é o valor obtido somando(se
todos eles e dividindo(se o total pelo número de valores. N denotada por x (leia(se L+
barraM)
n
x
x

· , onde + são os valores observados.


·
i
i i
f
f . x
x
, se os dados estiverem or%ani!ados em distribuição de req?ência.
Ande x
i
e f
i
são os valores do ponto médio e da req?ência absoluta da classe i(ésima
respectivamente.
*+emplos:
.O) Balcule a média aritmética dos valores abai+o:
a. W 6 f-, 8, 5, 3, 1, 8g
b. h 6 f/2, .8, /4, .4, .3g
c. _ 6 f.-2, ./0, 45, .1-g
/O) *ncontre a média para o sal"rio destes uncion"rios.
Sal+"io! !%anai! pa"a 1<< op%"+"io! não %!p%)iali3a&o!
Eal"rios
semanais

i
+
i
+
i
.
i
.1- ^(( .8- 3
.8- ^(( .5- /-
.5- ^(( /-- 00
/-- ^(( //- /2
//- ^(( /1- ..
/1- ^(( /8- 1

.--
*+ercícios:
.) *ncontre a média dos se%uintes conjuntos de observaç&es.
a) W 6 f/, 0, 3, 5, 4g.
b) h 6 f.-, .2, //, .5, /2, .8g.
c) _ 6 f., 0, 8, 5g.
d) C 6 f., 0, 8, .--g.
/) *ncontre a média das notas na disciplina de 9ro%ramação >.
#otas obtidas na disciplina de
9ro%ramação >
#otas
i
2 ^(( 8 .5
8 ^(( 3 .2
3 ^(( 5 ./
5 ^(( 4 -0
4 ^((.- -/
KA#C*: :ados )ipotéticos.
,%!p =J=2.
A %&iana é um valor central de um rol, ou seja, a mediana de um conjunto de valores
ordenados (crescente ou decrescente) é a medida que divide este conjunto em duas partes
i%uais.
Ex%plo: Cal)ul% a %&iana &o! )onQunto! a#aixo:
a( W6f0, 3, 1, ./, .2, .-, .5, .1g
b( h6f/4, 00, 1/, 05, 0., 01, 12, 2., 42g
c( _6f/4, 00, 1/, 05, 0., 01, 12, ./-, 42g
-o&a
Eeja W um conjunto de dados estatísticos. :eine(se Moda de W, denotada por Mo
como sendo o elemento mais req?ente no conjunto.
@m conjunto de dados pode ter:
• #en)uma moda (amodal)7
• @ma moda (unimodal)7
• :uas ou mais modas (multimodal).
*+ercícios: Balcule a moda para os conjuntos abai+o:
a) W6 f/, 0, 1, 0, 3, 5, 4, .1g.
b) h6 f/, 1, 8, /, 5, 1, .-g.
c) _6 f0/, 28, 38, 1, 5, 43g.
AJE*GHA[e*E:
G: 5/8
G: 16/67
G: 4/5
G: 27/5
#ão )" re%ra para se di!er qual a mel)or medida de tendência central. *m cada
situação especíica o problema deve ser analisado pelo estatístico, que concluir" pela
medida mais adequada a situação. Assim é que:
a) A -A é a medida mais adequada quando não )" valores err"ticos ou
aberrantes.
b) A %&iana deve ser usada sempre que possível como medida
representativa de distribuiç&es com valores dispersos, como distribuição
de rendas, ol)as de pa%amentos, etc.
*+ercícios:
.) :ados os conjuntos abai+o, calcule a média aritmética, mediana e moda.
A 6 f0, 2, /, ., 1, 3, 4g.
J 6 f8, ./, .2, 3, 8, .-g.
B 6 f.-, 2, .., 5, .2, 1, .8, 2, /-, 8, .0g.
: 6 f1, 1, .-, 2, 5, 2, .-, 5g.
/) Balcule a média aritmética das distribuiç&es de req?ências dos e+ercícios . e /
das p"%inas ... ,%!p. 1@ ,R 1E1J;:S 2@ 1;.JE. ) % =FJ1E T2.
-E'I'AS 'E 'ISPE,S0O
Eervem para veriicarmos a representatividade das medidas de posição, pois é muito
comum encontrarmos séries que, apesar de terem a mesma média, são compostas de
maneira distinta.
Assim, para as séries:
a) /2, /5, 0., 01, 03
b) .3, /0, 0-, 04, 18
temos
0. · ·
b a
x x
.
#ota(se que os valores da série LaM estão mais concentrados em torno da média 0.,
do que a série LbM. 9recisamos medir a dispersão dos dados em torno da média, para isto
utili!aremos as medidas de dispersão:
'%!*io Pa&"ão
Co%fi)i%nt% &% /a"iação
:esvio 9adrão:
N a rai! quadrada positiva da média aritmética dos quadrados das dierenças entre cada
valor e a média aritmética do conjunto e é denotada por
i
. Assim,
n
) + + (
i
/
i ∑

·
x 4/4 9/3 10/3 6/8
0" 4 8/5 10 6/5
0o 6 5



·
i
i
/
i

) + + (
i , se os dados estiverem or%ani!ados em distribuição de req?ência.
*+emplo .:
*ncontre o desvio padrão para os dados das séries a), e b) acima.
*+emplo /:
Sal+"io! !%anai! pa"a 1<< op%"+"io! não %!p%)iali3a&o!
Eal"rios
semanais

i
+
i
(+
i
( x )
/
(+
i
( x )
/

i
.1- ^(( .8- 3
.8- ^(( .5- /-
.5- ^(( /-- 00
/-- ^(( //- /2
//- ^(( /1- ..
/1- ^(( /8- 1

.--
*ncontre o desvio padrão para o sal"rio destes uncion"rios.
Ex%")()io:
Balcule o desvio padrão das distribuiç&es de req?ências dos e+ercícios . e / das p"%inas
.. e ./.
Boeiciente de variação:
Crata(se de uma medida de dispersão, útil para a compreensão em termos
relativos do %rau de concentração em torno da média de séries distintas. N dado por:
x
C
v
σ
·
..--
*+emplo 1:
9ara duas emiss&es de aç&es ordin"rias da indústria eletrDnica, o preço médio di"rio,
no ec)amento dos ne%,cios, durante um período de um mês, para as aç&es A, oi de GR
.2-,-- com um desvio padrão de GR 2,--. 9ara as aç&es B, o preço médio oi de GR 2-,--
com um desvio padrão de GR 0,--. *m relação ao nível do preço, qual dos tipos de aç&es é
mais vari"velj
Ex%")()io!.
.) @ma amostra de /- oper"rios de uma compan)ia apresentou os se%uintes sal"rios
recebidos durante uma certa semana, arredondados para o valor mais pr,+imo e
apresentados em ordem crescente: .1-, .1-, .1-, .1-, .1-, .1-, .1-, .1-, .22, .22,
.82, .82, .5-, .5-, .4-, /--, /-2, //2, /0-, /1-. Balcular (a) a média, (b) a
mediana, (c) a moda, (d) o desvio padrão, (e) o coeiciente de variação, para este
%rupo de sal"rios. ,: a) .3-,27 d) 00,./.

/) A número de carros vendidos por cada um dos vendedores de um ne%,cio de
autom,veis durante um mês particular, em ordem crescente: /, 1, 3, .-, .-, .-, ./,
./, .1, .2. :eterminar (a) a média, (b) a mediana, (c) a moda, (d) o desvio padrão
,: a) 4,87 d) 0,42.
0) *m conjunto com uma auditoria anual, uma irma de contabilidade pública anota o
tempo necess"rio para reali!ar a auditoria de 2- balanços cont"beis. Balcular (a) a
média, (b) o desvio padrão, para o tempo de auditoria necess"rio para esta amostra
de re%istro. ,: a) 10,/7 b)./,/5.
T%po n%)%!!+"io pa"a a au&ito"ia &% #alanço! )ont+#%i!.
Cempo de auditoria.
(min.)
#O de balanços.
(
i
)
.- ^(( /- 0
/- ^(( 0- 2
0- ^(( 1- .-
1- ^(( 2- ./
2- ^(( 8- /-
Cotal 2-
4@ As sal"rios semanais de 2- uncion"rios de um )ospital, em reais, oram os se%uintes:

100 122 130 140 152 160 164 176 180 188 192 200 216
104 126 134 146 156 160 170 176 184 190 194 200 218
116 128 138 150 156 162 170 178 186 190 196 200
120 128 140 150 156 162 176 180 186 192 196 210
a) Bonstrua uma distribuição de req?ências, com ) 6 /- e limite inerior para a primeira classe
i%ual a .--.
b) 'uantos uncion"rios tem um sal"rio semanal situado entre GR ./-,-- (inclusive) e GR .8-,--
(e+clusive)j 1; fun)ion+"io!
c) 'ue porcenta%em de uncion"rios tem um sal"rio semanal situado entre GR .5-,-- (inclusive) e
GR /--,-- (e+clusive)j2=U
d) 'ual o sal"rio médio semanal destes uncion"rios utili!ando o item a)j1==J4
e) :etermine o desvio padrão e o coeiciente de variação da distribuição. 2FJ;=S 1;J2FU
E@ A distribuição das alturas de um %rupo de pessoas apresentou uma altura média de .5/
cm e um desvio padrão de .2 cm, enquanto que a distribuição dos pesos, apresentou um peso médio
de 35 I%, com um desvio padrão de 5 I%. 'ual das duas distribuiç&es apresentou maior dispersãoj
9or quêj
CO,,E8A60O E ,EK,ESS0O
Int"o&ução:
S" trabal)amos com a descrição de valores de uma única vari"vel. 'uando, porém,
consideramos observaç&es de duas ou mais vari"veis sur%e um novo problema: as "%laçV%!
que podem e+istir entre as vari"veis estudadas.
Assim, quando consideramos vari"veis como peso e estatura de um %rupo de
pessoas, uso do ci%arro e incidência do c=ncer, procuramos veriicar se e+iste al%uma
relação entre as vari"veis de cada um dos pares e qual dessa relação.
@ma ve! caracteri!ada a relação, procuramos descrevê(la através de uma unção
matem"tica. A "%2"%!!ão é o instrumento adequado para determinação dos par=metros
dessa unção. Ee todos os valores das vari"veis satisa!em e+atamente uma equação, di!(se
que elas estão perfeitamente correlacionadas ou que )" correla!o perfeita entre elas.
'uando estão em jo%o somente duas vari"veis, ala(se em correlação e re%ressão
simples. 'uando se trata de mais de duas vari"veis, ala(se em correlação e re%ressão
múltipla.
'ia2"aa &% 'i!p%"!ão
9ara desen)ar um dia%rama de dispersão, primeiro traça(se o sistema de ei+os
cartesianos. :epois se representa uma das vari"veis no ei+o L+M e a outra no ei+o LkM
Bolocam(se, então os valores das vari"veis sobre os respectivos ei+os e marca(se um ponto
para cada par de valores. Bonsideremos uma amostra aleat,ria, ormada por de! dos 45
alunos de uma classe da @niversidade A e pelas notas obtidas por eles em Uatem"tica e
*statística:
N
o
Nota!
-at%+ti)a
>L@
E!tat(!ti)a
>W@
-.
-/
-0
-1
-2
-8
-3
-5
-4
.-
2,-
5,-
3,-
.-,-
8,-
3,-
4,-
0,-
5,-
/,-
8,-
4,-
5,-
.-,-
2,-
3,-
5,-
1,-
8,-
/,-
Gepresentando, em um sistema cartesiano
coordenado cartesiano orto%onal, os pares
ordenados (+,k), obtemos uma nuvem de
pontos que denominamos &ia2"aa &%
&i!p%"!ão. *sse dia%rama nos ornece
uma idéia %rosseira, porém útil da
correlação e+istente:
0
2
4
6
8
10
12
13 2 7 12
Matemát!a
E
"
t
a
t
#
"
t

!
a
"#F$N$%&' (: Co""%lação
:i!emos que duas ou mais vari"veis e+pressam a relação de causa e eeito ou se elas
variam concomitantemente, são vari"veis consideradas correlacionadas.
A %rau de relacionamento para dados amostrais é dado pela se%uinte e+pressão:

,
_

¸
¸

,
_

¸
¸

,
_

¸
¸

,
_

¸
¸

,
_

¸
¸

,
_

¸
¸

·
∑ ∑ ∑ ∑
∑ ∑ ∑
· · · ·
· · ·
n
. i
/
n
. i
i
/
i
n
. i
/
n
. i
i
/
i
n
. i
n
. i
i
n
. i
i i i
h h n W W n
h W h W n
r
Ande: n é o número de observaç&es7
" é o coeiciente de correlação linear para uma amostra.
#)#M*L' (: *ncontre o coeiciente de correlação para os dados da tabela anterior.
(W) (h)
23 2
2
3
2
2 8
30 25 36
5 4
72 64 81
3 5
56 49 64
.- .-
100 100 100
8 2
30 36 25
3 3
49 49 49
4 5
72 81 64
0 1
12 9 16
5 8
48 64 36
/ /
4 4 4
65 65 473 481 475
4.. , -
2/2 252
2-2
82 132 . .- 82 15. . .-
82 . 82 130 . .-
r
/ /
· ·
− −

·
P,OP,IE'A'E 'O COEFICIENTE 'E CO,,E8A6AO 8INEA, ".
.. A valor de r est" sempre entre ;. e ..
/. A valor de r não varia se todos os valores de qualquer uma das vari"veis são
convertidos para uma escala dierente.
0. A valor de r não é aetado pela escol)a de + ou k.
1. r mede a intensidade, ou %rau, de um relacionamento linear. #ão serve para medir a
intensidade de um relacionamento não(linear.
CO,,E8A60O POSITI/A E CO,,E8A60O NEKATI/A
Ee as vari"veis + e k crescem no mesmo sentido, isto é, quando + cresce, k também
cresce, di!(se que as duas vari"veis têm correlação positiva.
*ntão, notas de matem"tica e notas de estatística dos alunos tem correlação
positiva, porque quando uma das vari"veis cresce, a outra , em média, também cresce.
Ee as vari"veis + e k variam em sentido contr"rio, isto é, quando + cresce, em média
k decresce, di!(se que as duas vari"veis têm correlação ne%ativa. Abserve os dados da
Cabela abai+o:
Con!uo in&i*i&ual &% p"ot%(na! &% o"i2% anialJ % 2"aa!J % )o%fi)i%nt% &%
natali&a&%J % 14 pa(!%!J 1:=1.
9aís Bonsumo
de
proteínas
Boe. de
natalidade
Kormosa 1,3 12,8
Ual"sia 3,2 04,3
Xndia 5,3 00,-
Sapão 4,3 /3,-
>u%osl"via ..,/ /2,4
Frécia .2,/ /0,2
>t"lia .2,/ /0,1
Jul%"ria .8,5 //,/
Aleman)a 03,0 /-,-
>rlanda 18,3 .4,.
:inamarca 28,. .5,0
Austr"lia 24,4 .5,-
*stados @nidos 8.,1 .3,4
Euécia 8/,8 .2,-
Konte: Bastro(.48.)
$
%$
&$
'$
($
)$
$ &$ ($ *$

*i+o + 6 consumo de proteínas
*i+o k6 coeiciente de natalidade
ANÁ8ISE 'E ,EK,ESS0O
Uuitas ve!es é de interesse estudar(se um elemento em relação a dois ou mais
atributos ou vari"veis simultaneamente.
#esses casos presume(se que pelo menos duas observaç&es são eitas sobre cada
elemento da amostra. A amostra consistir", então, de pares de valores, um valor para cada
uma das vari"veis, desi%nadas, W e h. @m indivíduo LiM qualquer apresenta o par de valores
(W
i
7 h
i
). A objetivo visado quando se re%istra pares de valores (observaç&es) em uma
amostra, é o estudo das relaç&es entre as vari"veis W e h.
9ara a an"lise de re%ressão interessam principalmente os casos em que a variação de
um atributo é sensivelmente dependente do outro atributo.
A problema consiste em estabelecer a unção matem"tica que mel)or e+prime a
relação e+istente entre as duas vari"veis. Eimbolicamente a relação é e+pressa por uma
equação de re%ressão e %raicamente por uma curva de re%ressão.
,EK,ESS0O 8INEA, SI-P8ES
Uodelo: h
i
6 β Zα +
i
Z ε
i
9ressuposiç&es:
a) A relação entre W e h é linear (os acréscimos em W produ!em acréscimos proporcionais
em h e a ra!ão de crescimento é constante).
b) As valores de W são i+ados arbitrariamente ( W não é uma vari"vel aleat,ria ).
c) h é uma vari"vel aleat,ria que depende entre outras coisas dos valores de W.
d) ε
i
é o erro aleat,rio, portanto uma vari"vel aleat,ria com distribuição normal, com média
!ero e vari=ncia σ
/
. l ε
i
# (-, σ
/
)m. ε
i
representa a variação de h que não é e+plicada pela
vari"vel independente W.
e) As erros são considerados independentes.
E!tiati*a! &o! Pa"$%t"o! α % β
As estimativas dos par=metros α e β dadas por LaM e LbM, serão obtidas a partir de
uma amostra de n pares de valores (+
i
, k
i
) que correspondem a n pontos no dia%rama de
dispersão. *+emplo:
>L@ >W@
2 8
5 4
3 5
.- .-
8 2
3 3
4 5
0 1
5 8
/ /
0
2
4
6
8
10
12
0 5 10
Va+á,e- .
/
3
3 !re4isto
Abtemos então: b a+ kn
i i
+ ·
9ara cada par de valores (+
i
, k
i
) podemos estabelecer o desvio:
i i i
kn k e − · 6 k
i
(( a+
i
Z b)
-9to&o &o! -(nio! 5ua&"a&o!
A método dos mínimos quadrados consiste em adotar como estimativa dos
par=metros os valores que minimi!em a soma dos quadrados dos desvios.
bm ( a+ ( lk 6 e E
n
. i
/
i i
n
. i
/
i ∑ ∑
· ·
·
E 6 (a, b)
*ssa soma, unção de LaM e de LbM, ter" mínimo quando suas derivadas parciais em
relação a LaM e LbM orem nulas.
9ara acilitar a escrita, considera(se
∑ ∑
·
·
n
. i
[ ] ( )
[ ] ( )
¹
¹
¹
¹
¹
'
¹
· − − − ·
· − − − ·


- + b a+ k /
a o
! o
- . b a+ k /
b o
! o
i i i
i i
[ ]
[ ] ( )
¹
¹
¹
'
¹
· − −
· − −


- + b a+ k
- b a+ k
i i i
i i
¹
¹
¹
'
¹
· − −
· − −
∑ ∑ ∑
∑ ∑
- + b + a k +
- nb + a k
i
/
i i i
i i
¹
¹
¹
'
¹
· − −

·
∑ ∑ ∑
∑ ∑
- + a + b k +
n
+ a k
b
/
i i i i
i i

Gesolvendo(se esse sistema, obtemos as estimativa para o c"lculo de:
( )
∑ ∑
∑ ∑ ∑


·
/
i
/
i
i i i i
+ + n
k + k + n
a
e a partir da .O equação
+ a k b − ·
#o e+emplo:
>L@ >W@ L.W L
2
W
2
2 8 30 25 36
5 4
72 64 81
3 5
56 49 64
.- .-
100 100 100
8 2
30 36 25
3 3
49 49 49
4 5
72 81 64
0 1
12 9 16
5 8
48 64 36
/ /
4 4 4
65 65 473 481 475
0
2
4
6
8
10
12
0 5 10
Va+á,e- .
/
580/ , -
252
2-2
82 15. . .-
82.82 ( .-.130
a
/
· ·

·
554/ , -
.-
82
. 580/ , -
.-
82
b · − ·
554/ , - + 580/ , - kn
i i
+ ·
ELE,CÍCIOS
#os *+ercícios .(.-,
a) :etermine o coeiciente de correlação.
b) :etermine a equação da reta de re%ressão.
.. A tabela apresenta dados de amostra reerentes ao número de )oras de estudo ora de
classe para determinados alunos de um curso de estatística, bem como os %raus obtidos em
um e+ame aplicado no im do curso.
E!tu&ant% 1 2 . 4 E = ; F
Io"a! &% %!tu&o /- .8 01 /0 /3 0/ .5 //
K"au no %xa% 81 8. 51 3- 55 4/ 3/ 33
c) *stimar o %rau no e+ame obtido por um estudante que dedicou 0- )oras ora de
classe.
/. A tabela mostrada relaciona os números + de a!ulejos e os custos k (em d,lares) de sua
ajusta%em e colocação.
0 1 2 3 5 6
1 5 8 11 17 20
c) 9ara + 6 1, ac)e
+n
, o valor predito de k.
0. As dados emparel)ados que se se%uem consistem no perímetro tor"cico (em pole%adas) e
dos pesos (em libras) de uma amostra de ursos mac)os.
W C,ra+ /8 12 21 14 1. 14 11 .4
W P%!o 4- 011 1.8 015 /8/ 08- 00/ 01
c) 9ara um urso com perímetro tor"cico de 2/ in, ac)e
+n
, o peso predito.
1. As dados da tabela abai+o consistem nos pesos (em libras) de pl"stico descartado e
taman)os de residências.
Pl+!ti)o >l#.@ -,/3 .,1. /,.4 /,50 /,.4 .,5. -,52 0,-2
Ta. &a "%!i&Bn)ia / 0 0 8 1 / . 2
c) Ac)e o taman)o predito de uma residência que descarta /,2- lb. de pl"stico.
2. A tabela abai+o apresenta os pesos totais (em libras) de li+o descartado e taman)os de
residências.
Pe"2 t2ta- 10/76 19/96 27/6 38/11 27/9 21/9 21/83 49/27 33/27 35/54
Tam 3a
Re"345!a
2 3 3 6 4 2 1 5 6 4
c) Ac)e o taman)o predito de uma residência que descarta /-,- lb. de li+o.
8. As dados se%uintes oram obtidos da altura (pole%adas) e do peso (libras) de mul)eres
nadadoras.
Altu"a 85 81 8/ 82 88
P%!o .0/ .-5 .-/ ..2 ./5
c) *stimar o peso de uma mul)er, que possui 83 pole%adas.
3. As dados se%uintes mostram o %asto com mídia (mil)&es de d,lares) e as vendas de
cai+as (mil)&es) para sete %randes marcas de reri%erantes.
-a")a Ka!to! )o (&ia >7SR@ /%n&a! &% )aixa!
Boca(Bola .0.,0 .4/4,/
9epsi(Bola 4/,1 .051,8
Boca(Bola Qi%)t 8-,1 5..,1
Eprite 22,3 21.,2
:r. 9epper 1-,/ 208,4
Uountain :ep /4,- 202,8
3( @p ..,8 /.4,2
Konte: Euperbrands q45, /- de outubro de .443
c) *stimar as vendas, sabendo que oi %asto @ER 5-,- com mídia.
5. As dados a se%uir são a média das notas + e sal"rios mensais k de estudantes que
obtiveram bac)arelado em administração com ênase em sistemas de inormação.
05"ia "as 6otas 2/6 3/4 3/6 3/2 3/5 2/9
7alário 0ensal +)78, 2800 3100 3500 3000 3400 3100
c) Eupondo que a nota de um estudante de bac)arelado em administração com
ênase em sistemas de inormação seja 5,-. *stime ser" seu sal"rio mensal.
4.@m %erente de vendas reuniu os se%uintes dados considerando os anos de e+periência e as vendas
anuais.
/%n&%&o
"
Ano! &% %xp%"iBn)ia /%n&a! anuai! >7SR 1.<<<@
. . 5-
/ 0 43
0 1 4/
1 1 .-/
2 8 .-0
8 5 ...
3 .- ..4
5 .- ./0
4 .. ..3
.- .0 .08
c) *stimar as vendas anuais, supondo que um vendedor ten)a 4 anos de e+periência.
.- ados sobre os %astos com publicidade (@ER ..---) e aturamento (@ER ..---) para
o Kour Eeasons Gestaurant são apresentados a se%uir.
,astos com publicidade Faturamento
. .4
/ 0/
1 11
8 1-
.- 2/
.1 20
/- 21
c) Eabendo que os %astos com publicidade oi de @ER 3.---,--. 'uanto espera %an)ar o
Kour Eeasons Gestaurantj
P,OBABI8I'A'E
1.1. INTRODUÇÃO
*ncontramos na nature!a dois tipos de enDmenos: determinísticos e aleat-rios.
As enDmenos determinísticos são aqueles em que os resultados são sempre os mesmos,
qualquer que seja o número de ocorrências.
#os enDmenos aleat,rios, os resultados não serão previsíveis, mesmo que )aja um %rande
número de repetiç&es do mesmo enDmeno.
#os e+perimentos aleat,rios, mesmo que as condiç&es iniciais sejam as mesmas, os
resultados inais de cada tentativa do e+perimento, serão dierentes e não previsíveis, por isso, é
conveniente dispormos de uma medida para o estudo de tais situaç&es. *sta medida é a
probabilidade.
1.2. EXPERIMENTO ALEATÓRIO. ESPAÇO AMOSTRAL. EVENTO
Antes de passarmos < deinição de probabilidade, é necess"rio i+armos os conceitos de
e+perimento, espaço amostral e evento.
@m experimento aleat-rio é o processo de coleta de dados relativos a um enDmeno que
acusa variabilidade em seus resultados.
#)#M*L'S.
a@ lançamento de uma moeda )onesta7
#@ lançamento de um dado7
)@ determinação da vida útil de um componente eletrDnico7
#spao amostral é o conjunto de todos os resultados possíveis de um e+perimento. Hamos
denot"(lo por Ω.
#)#M*L'S.
1@ #o caso do lançamento de um dado, Ω 6
2@ @ma l=mpada é li%ada e observada até queimar anotando(se os tempos decorridos, Ω 6
'uando o espaço amostral consiste em um número inito ou ininito numer"vel de eventos, é
c)amado espaço amostral discreto7 e quando or todos os números reais de determinado intervalo, é
um espaço amostral contínuo.
@m evento é um subconjunto de um espaço amostral
#)#M*L'. #os e+emplos anteriores . e /. 'ual seria um possível evento para cada um dos
e+emplosj
1.3. DEFINIÇÕES DE PROBABILIDADE
Eeja LAM um evento de um e+perimento aleat,rio, deinimos a probabilidade de LAM,
denotada por P>A@,
que é a deinição cl"ssica de probabilidade.
#)#M*L'. #a jo%ada de um dado, qual a probabilidade de aparecer ace 0 ou ace 2j
Solu!o.
#)#M*L'. Bonsideremos o e+perimento que consiste em lançar uma moeda .2 ve!es.
Eupon)amos que o número de caras obtido ten)a sido .-. :etermine a probabilidade do evento cara:
íveis casos poss N/mero de
ráveis casos favo N/mero de
*0A1 ·
Solu!o.
1.4. OPERAÇÕES COM EVENTOS ALEATÓRIOS
Bonsideremos um espaço amostral inito Ω. Eejam A e B dois eventos de Ω. As se%uintes
operaç&es são deinidas.
a1 2N$&'
A evento união de A e B equivale < ocorrência de A, ou de B, ou de ambos. Bontém os
elementos do espaço amostral em que estão em pelo menos um dos dois conjuntos. :enota(se por
A∪B. A "rea )ac)urada da i%ura abai+o ilustra a situação.
#)#M*L'. Ee A é o conjunto dos alunos de um *stabelecimento que req?entam o curso de
Bontabilidade e B é o conjunto de alunos do mesmo estabelecimento que a!em Biência da
Bomputação, então:
A∪J 6

b1 $NT#3S#C%&'
A evento intersecção de dois eventos A e B equivale < ocorrência de ambos. Bontém todos os
pontos do espaço amostral comuns a A e a B. :enota(se por A∩B. A intersecção é ilustrada pela
"rea )ac)urada do dia%rama abai+o.
#)#M*L'. Eeja A o conjunto de alunos de uma >nstituição que req?entam o /
O
%rau, e B o
conjunto dos que req?entam um curso acultativo de interpretação musical. A interseção A∩B é
dada por:
A∩J 6
c1 #)CL2S&'
:ois eventos A e B di!em(se mutuamente e+clusivos ou mutuamente e+cludentes quando a
ocorrência de um deles impossibilita a ocorrência do outro. As dois eventos não têm nen)um
elemento em comum. *+prime(se isto escrevendo A∩B X ∅. A dia%rama a se%uir ilustra esta
situação.
#)#M*L'. #a jo%ada de um dado, seja A o evento Laparece número parM e B o evento
Laparece número ímparM. *ntão A∩J 6
d1 N#,A%&'
abai+o. i%ura na )ac)urada
parte na ilustrada N . de ar complement evento c)amada é por denotada , evento do ne%ação A A A A
#)#M*L'. Ee, na jo%ada de um dado, o evento A consiste no aparecimento de ace par, seu
complementar é dado por: · A
REGRAS BÁSICAS
Ee A e J são dois eventos do espaço amostral Ω, então valem as se%uintes re%ras b"sicas:
• - ≤ 9(A) ≤ .
9(A) 6 - o evento é impossível e 9(A) 6 . o evento é certo.
• 9(Ω) 6 .
• Ee A e J são eventos mutuamente e+cludentes, A∩B X ∅, então: 9(A∪J) 6 9(A) Z
9(J).
• Ee A∩B ≠ ∅, então: 9(A∪J) 6 9(A) Z 9(J) ; 9(A∩J).
• 9(A) 6 .( 9(A).
• Ee ∅ é o va!io, então 9(∅) 6-.
#)#3C4C$' : Bonsideremos os alunos matriculados na disciplina de *statística. Cemos
rrrrr )omens com mais de /2 anos, rrrrr )omens com menos de /2 anos, rrrr mul)eres com
mais de /2 anos, rrrr mul)eres com menos de /2 anos. @ma pessoa é escol)ida ao acaso dentre os
rrrr. As se%uintes eventos são deinidos:
A: a pessoa tem mais de /2 anos7 C: a pessoa é um )omem7
B: a pessoa tem menos de /2 anos7 ': a pessoa é uma mul)er.
Balcular: 9(J∪:) e 9(A∩B).
ELE,CÍCIOS
.. 'uais dos valores abai+o não podem ser probabilidadesj
-7 / 7 -,--.7 (-,/7 0P/7 /P0.
/. @m estudo de 2-- vDos da American Airlines selecionados aleatoriamente mostrou
que 10- c)e%aram no )or"rio (com base em dados do Uinistério dos transportes).
'ual é a probabilidade de um vDo da American Airlines c)e%ar no )or"rioj
0. *m uma pesquisa entre estudantes de uma aculdade, ..8/ airmaram que LcolaramM nos
e+ames, enquanto /185 airmaram não LcolarM. Eelecionado aleatoriamente um desses
estudantes, determine a probabilidade de ele ou ela ter LcoladoM em um e+ame.
1. A UasterBard >nternational eetuou um estudo de raudes em cart&es de créditos7 os
resultados estão a%rupados na tabela a se%uir.
Tipo &% f"au&% NN &% )a"tV%!
Bartão roubado /10
Bartão alsiicado 52
9edidos por correioPteleone 2/
Autros 18
Eelecionado aleatoriamente uma caso de raude nos casos resumidos na tabela, qual a
probabilidade de a raude resultar de um cartão alsiicadoj . G: <J2.
2. Ee >9 (A)6 /P2, determine ) A >9( .
8. Bom base em dados do Bentro #acional de *statística de Eaúde dos *@A, a probabilidade
de uma criança ser menino é -,2.0. :etermine a probabilidade de uma criança ser menina.
3. :etermine ) A 9( > , dado que >9 (A)6 -,//5.
5. Bom base em dados do Bentro #acional de *+aminadores Korenses, se escol)ermos
aleatoriamente uma pessoa que se submete ao e+ame para e+ercício da advocacia, a
probabilidade de obter al%uém que seja aprovado é -,23. Ac)e a probabilidade de al%uém
que seja reprovado.
4. As pesquisadores estão preocupados com declínio do nível de cooperação por parte dos
entrevistados em pesquisas. A tabela mostra o resultado de uma pesquisa eita com 024
pessoas.
Kai+a et"ria Gespondem #ão respondem Cotal
.5(/. 30 .. 51
//(/4 /22 /- /32
Cotal 0/5 0. 024
a) 'ual probabilidade de obter al%uém que não queira responderj G: <J<F=.
b) 'ual probabilidade de obter al%uém na ai+a et"ria //(/4j G: <J;==.
c) :etermine a probabilidade de obter al%uém na ai+a et"ria .5(/. ou al%uém que recuse
responder. G: <J2:.
d) :etermine a probabilidade de obter al%uém na ai+a et"ria .5(/. que não recuse
responder. G: <J2<..
T%!t%! &% IipYt%!%!
#esta seção, vamos admitir um valor )ipotético para o par=metro descon)ecido ( as
)ip,teses estatísticas ( e, depois utili!ar a inormação da amostra para aceitar ou rejeitar
esse valor )ipotético.
9or e+emplo, com base na produtividade de uma )ortaliça cultivada em uma "rea, onde
or usado um novo ertili!ante, e em outra "rea onde se utili!a o ertili!ante padrão, temos
de decidir se o novo ertili!ante é, ou não, mel)or. A diiculdade aqui ( e daí a necessidade
de dados estatísticos ( é que a produtividade varia de planta para planta.
As testes de )ip,teses permitem(nos tomar decis&es em presença da variabilidade, ou
seja, veriicar se estamos diante de uma dierença real (si%niicativa) ou de uma dierença
devida simplesmente < lutuação aleat,ria inerente ao processo.
#a reali!ação de um teste, são eitas duas )ip,teses: a h!"#$%$ &'() *+
,
-, que ser"
testada, e a h!"#$%$ )(#$.&)#/) *+
1
-, que ser" aceita caso nosso teste indique a rejeição da
)ip,tese nula.
Ex%plo! :
.( >ndique as )ip,teses nula e alternativa para cada uma das situaç&es:
a) Cubos %alvani!ados devem ter média de / pole%adas para serem aceit"veis.
b) @m abricante de conservas deseja evitar e+cesso no enc)imento de potes de ./ o!.
:e %eléia.
/( 9ara cada um dos casos se%uintes, decida se é adequado um teste '&()#$.)( ou um
teste 0()#$.)(, trace a curva normal para ilustrar o teste.
a) $
-
: µ6.- , $
.:
µ≠.-, α6-,-/
b) $
-
: µ6-,-03 , $
.:
µs-,-03, α6-,-2
c) $
-
: µ60,/ , $
.:
µt0,/, α6-,-.
Tipo! &% E""o!
A esquema a se%uir mostra os erros que podemos cometer:
C1&2('%31 41 #$%#$ +
,
/$.4)4$.) +
,
5)(%)
N!o re5eitar 6
7
Correto #rro tipo $$
3e5eitar 6
7
#rro tipo $ Correto
♦ P"o)%&i%nto pa"a !% %f%tua" u t%!t% &% ?ipYt%!%
1N@ *nunciar as )ip,teses $
-
e $
.
7
2N@ Ki+ar(se o limite de erro α e identiicar(se a vari"vel do teste7
.N@ :eterminar(se a re%ião crítica em unção da vari"vel tabelada7
4N@ Balcular o valor da vari"vel do teste, obtido na amostra7
EN@ Aceitar ou rejeitar a )ip,tese nula de acordo com a estimativa obtida no item 1O, em
comparação com a re%ião crítica estabelecida no 0O) passo.
/alo"%! )"(ti)o! &% 3 % t%!t%! &% ?ipYt%!%!
N(*%l &%
!i2nifi)$n)ia
Tipo &% t%!t%
unilat%"al #ilat%"al
EU Z1J=E ou
-1J=E
t1J:=
1U Z2J.. ou
-2J..
t2JEF
T%!t% pa"a a 9&ia > σ
2
)on?%)i&o@
.O) *nunciar as )ip,teses:
I
<
: µ 6 µ
-
I
1
:
µ µ
µ µ
µ µ

>
<
¹
'
¹
¹
¹
-
-
-



( )
( )
( )
a
b
c
/O) Ki+ar o nível de si%niic=ncia α.
Admitindo(se que con)ecemos a vari=ncia populacional a vari"vel do teste ser" a
distribuição #ormal (_)
0O) Ge%ião crítica
1O) Balcular:
onde: ) 6 média amostral
µ
-
6 valor da )ip,tese nula
σ 6 desvio padrão da população
n 6 taman)o da amostra
2O) Con)lu!V%!:
a) Ee ¦ _ ¦ s ! rejeita(se $
-
(para um teste 02)'4)()
b) Ee _ s ! rejeita(se $
-
(para um teste '&2)'4)( a direita).
c) Ee _ t (! rejeita(se $
-
(para um teste '&2)'4)( a esquerda).
Ex%plo 2: @ma m"quina autom"tica de enc)er pacotes de erva mate, enc)e(os
se%undo uma distribuição normal com média µ e desvio padrão de /-%. A m"quina oi
re%ulada para µ62--%. :esejamos veriicar se a produção esta sob controle, para isto
analisamos uma amostra de 0- pacotes. Ee uma amostra apresentar média W614/%, você
pararia ou não a produção para veriicar se a m"quina deve ser re%uladaj @se α6.a.
1
o
Pa!!o:
2
o
Pa!!o:
.
o
Pa!!o:
4
o
Pa!!o:
n
)
8
σ
µ
-

·
E
o
Pa!!o:
T%!t% pa"a a 9&ia > σ
2
&%!)on?%)i&oS n [ .<@
#este caso usaremos a distribuição LtMde Etudent. Qo%o no 1
o
e 2
o
passo teremos:
1O) Balcular:
onde: ) 6 média amostral
µ
-
6 valor da )ip,tese nula
E 6 desvio padrão da amostra
n 6 taman)o da amostra
2O) Con)lu!V%!:
b) Ee ¦ C ¦ s t rejeita(se $
-
(para um teste 02)'4)()
b) Ee C s t rejeita(se $
-
(para um teste '&2)'4)( a direita).
c) Ee C t (t rejeita(se $
-
(para um teste '&2)'4)( a esquerda).
Ex%plo .: @m abricante airma que a média de vida útil das l=mpadas por ele
abricadas é de 1./-- )oras. A média da vida útil para uma amostra de #6.- l=mpadas é de
1.--- )oras com um desvio padrão de amostral de E6/-- )oras. A vida útil das l=mpadas
se%ue uma distribuição normal. Ceste a airmação do abricante a um nível de si%niic=ncia
de 2a.
1
o
Pa!!o:
2
o
Pa!!o:
.
o
Pa!!o:
4
o
Pa!!o:
E
o
Pa!!o:
n
S
)
T
-
µ −
·
ELE,CÍCIOS
1@ @ma amostra aleat,ria de 1- elementos retirados de uma população normal com desvio
padrão σ 6 0 apresentou um valor médio i%ual a 8-. Ceste, ao nível de si%niic=ncia de
2a, a )ip,tese de que a média populacional seja i%ual a 24, supondo a )ip,tese
alternativa µ s 24.
2@ @ma amostra aleat,ria de .-- mortes naturais, no Gio Frande do Eul, deu uma média
de W63.,5 anos, com um desvio padrão de 5,4 anos. >sto indica que o tempo médio de
vida no GE, atualmente, é maior do que 3- anosj (α6 2a)
.@ @ma amostra aleat,ria de taman)o n 6 .5 de uma população normal tem média x 6
0.,2 e desvio padrão s 6 1,/. Ao nível de si%niic=ncia de 2a, estes dados su%erem que
a média populacional seja superior a 0-j
4@ A resistência dos cabos abricados por determinada compan)ia acusa média de .5--
libras e desvio padrão de .-- libras. Adotando(se uma nova técnica de abricação,
espera(se aumentar esta resistência. 9ara testar tal )ip,tese, toma(se uma amostra de 2-
cabos abricados pelo novo processo, obtendo(se uma resistência média de .52- libras.
9ode(se aceitar a )ip,tese ao nível de si%niic=ncia de -,-.j
E@ :o!e latas de lubriicante de certa marca acusam os conteúdos médios se%uintes
(decilitros):.-./ 4.3 .-.. .-.0 .-.. 4.5 4.4 .-.1 .-.0 4.5 .-.1
.-./. Ao nível de .a , testar a )ip,tese de que o conteúdo médio das latas daquele
lubriicante é µ 6 .- dl. Admitir a normalidade da distribuição.
T%!t% &% &if%"%nça %nt"% 9&ia!:
Ao!t"a! '%p%n&%nt%!.
#este caso usaremos a distribuição LtMde Etudent. Qo%o no 1
o
e 2
o
passo teremos:
1O) Balcular:
onde: & 6 valor médio das dierenças d para os
dados
amostrais emparel)ados( dependentes)
&
\
6 média das dierenças d para a
população de dados emparel)ados.
S
&
6 desvio padrão das dierenças d para os
dados amostrais emparel)ados
n 6 número de pares de dados.
K"au! &% li#%"&a&% 6 n(..
2O) Con)lu!V%!:
c) Ee ¦ C ¦ s t rejeita(se $
-
(para um teste 02)'4)()
b) Ee C s t rejeita(se $
-
(para um teste '&2)'4)( a direita).
c) Ee C t (t rejeita(se $
-
(para um teste '&2)'4)( a esquerda).
n
E
u d
C
d
d

·
*+emplo: @tili!ando um cronometrador de reação oi obtido a tabela abai+o, no nível de
-,-2 de si%niic=ncia, teste a airmação de que )" uma dierença entre a média dos tempos
de reação da mão direita e da mão esquerda.
9essoa A J B : * K F $ > S v Q U #
:ireita .4. 43 ..8 .82 ..8 ./4 .3. .22 ../ .-/ .55 .25 ./. .00
*squerd
a
//1 .3. .4. /-3 .48 .82 .33 .82 .1- .55 .22 /.4 .33 .31
d (00 (31 (32 (1/ (5- (08 (8 (.- (/5 (58 00 (8. (28 (1.
1
o
Pa!!o:
2
o
Pa!!o:
.
o
Pa!!o:
4
o
Pa!!o:
E
o
Pa!!o:
Ao!t"a! K"an&%! % In&%p%n&%nt%!.
#este caso usaremos a distribuição #ormal. Qo%o no 1
o
e 2
o
passo teremos:
1O) Balcular:
AJE: Ee não con)ecemos os valores de σ
.
e σ
/
, podemos substituí(los por s
.
e s
/
, desde
que ambas as amostras sejam %randes.
2O) Con)lu!V%!:
d) Ee ¦ _ ¦ s ! rejeita(se $
-
(para um teste 02)'4)()
b) Ee _ s ! rejeita(se $
-
(para um teste '&2)'4)( a direita).
c) Ee _ t (! rejeita(se $
-
(para um teste '&2)'4)( a esquerda).
/
/
/
.
/
.
/ . / .
n
i
n
i
) u u ( ) + + (
_
+
− − −
·
*+emplo:
.) As alunos de uma aculdade selecionaram aleatoriamente /.3 carros de
estudantes e constataram que a média de suas idades era de 3,54 anos, com desvio padrão
de 0,83 anos. Eelecionaram também, aleatoriamente, .2/ carros do corpo docente e do
pessoal da administração, constatando uma média de 2,44 anos e um desvio padrão de 0,82
anos. #o nível de si%niic=ncia de -,-2, teste a airmação de que os carros dos estudantes
são mais vel)os do que os dos proessores e demais uncion"rios.
1
o
Pa!!o:
2
o
Pa!!o:
.
o
Pa!!o:
4
o
Pa!!o:
E
o
Pa!!o:
Ao!t"a! P%Au%na! % In&%p%n&%nt%!.
#este caso usaremos a distribuição #ormal. Qo%o no 1
o
e 2
o
passo teremos:
1O) Balcular:
Ande
) . n ( ) . n (
s ) . n ( s ) . n (
s
/ .
/
/ /
/
. . /
p
− + −
− + −
·
e o %rau de liberdade é %l 6 n
.
Zn
/
(/.
2O) Con)lu!V%!:
e) Ee ¦ _ ¦ s ! rejeita(se $
-
(para um teste 02)'4)()
b) Ee _ s ! rejeita(se $
-
(para um teste '&2)'4)( a direita).
c) Ee _ t (! rejeita(se $
-
(para um teste '&2)'4)( a esquerda).
*+emplo:
/
/
p
.
/
p
/ . / .
n
s
n
s
) u u ( ) + + (
C
+
− − −
·
As dados amostrais a se%uir apresentam os níveis de concentração de "lcool no san%ue por
ocasião da prisão de criminosos selecionados aleatoriamente, e que oram condenados por
diri%irem embria%ados. As dados são cate%ori!ados por tipo de bebida consumida.
Berveja @ísque
0/129 0/154 0/187 0/185 0/225 0/247
0/146 0/155 0/19 0/19 0/226 0/253
0/148 0/164 0/203 0/22 0/227 0/257
0/224 0/241
Bom o nível de -,-2 de si%niic=ncia, teste a )ip,tese de que os bebedores de cerveja e os de
uísque e semel)antes têm os mesmos níveis concentração de "lcool no san%ue.
-/1/3 , - s e .81 , - +
. .
· · e -/0.3 , - s e //3 , - +
/ /
· ·
1
o
Pa!!o:
2
o
Pa!!o:
.
o
Pa!!o:
4
o
Pa!!o:
E
o
Pa!!o:
Ex%")()io!:
.. Bostuma(se avaliar a inteli%ência das crianças dando(l)es blocos e pedindo(l)es que
construam uma torre tão alta quanto possível. Gepetiu(se um mês depois o mesmo
e+perimento, com os tempos (em se%undos) dados na tabela a se%uir. #o nível de
-,-. de si%niic=ncia, teste a airmação de que não )" dierença entre os dois
tempos.
Briança A J B : * K F $ > S v Q U # A
.w tentativa 0- .4 .4 /0 /4 .35 1/ /- ./ 04 .1 5. .3 0. 2/
/w tentativa 0- 8 .1 5 .1 2/ .1 // .3 5 .. 0- .1 .3 .2
/. @tili!e o nível de si%niic=ncia de -,-2 para testar a ale%ação de que as duas
amostras provêm de populaç&es com a mesma média. As amostras são
independentes.
*lementos Cratados *lementos #ão(Cratados
n
.
6 8- n
/
6 32
·
.
+ 5,32 88 , 4 +
/
·
E
.
6 /,-2 E
/
6 /,55
0. A estresse aeta a capacidade de memori!ação de testemun)as ocularesj *ste
problema oi estudado em um e+perimento que testou a mem,ria visual de uma
testemun)a uma semana ap,s o interro%at,rio normal de um suspeito que
cooperava, e um interro%at,rio e+austivo de um suspeito que não cooperava. As
números de detal)es lembrados uma semana ap,s o incidente estão resumidos aqui.
#o nível de -,-., teste a airmação do arti%o de que Lo cansaço concorre para
diminuir a quantidade de detal)es lembrados.M
Eem *stresse Bom *stresse
n
.
6 1- n
/
6 1-
·
.
+ 20,0 0 , 12 +
/
·
E
.
6 ..,8 E
/
6 .0,/
1. As dados relativos <s rendas mensais observadas em uma amostra de ./
en%en)eiros e .1 advo%ados estão na tabela abai+o:
*n%en)eiros Advo%ados
8 11/5 7 9
9 11/5 7 9
9/5 12 7/5 9
10 12/5 8 10/5
11 13 8 11
11 13 8/5 11
8/5 12
Ceste a airmação que a renda mensal média de advo%ados e en%en)eiros são i%uais. (α
6 -,-2)
2. As distúrbios psiqui"tricos sérios estão relacionados com atores biol,%icos que possam ser
observados isicamentej *m um estudo oi utili!ada a tomo%raia computadori!ada de raios
W para coletar dados sobre o taman)o do cérebro de um %rupo de pacientes com distúrbios
obsessivos(compulsivos, e um %rupo de controle constituído de pessoas sadias. A lista
apresenta os resultados amostrais (em milímetros) para volumes do cordato direito.
9acientes obsessivos(compulsivos Frupo de controle
0/21 0/305 0/344 0/334 0/429 0/483
0/287 0/308 0/407 0/349 0/445 0/501
0/288 0/334 0/455 0/402 0/46 0/519
0/304 0/34 0/463 0/413 0/476 0/594
Bom nível de -,-. de si%niic=ncia, teste a airmação de que os pacientes obsessivos(compulsivos e
as pessoas sadias têm os mesmos volumes cerebrais.
T%!t% pa"a ua p"opo"ção
:evemos calcular:
onde:
pn
6 proporção amostral
p
-
6 valor da )ip,tese nula
n 6 taman)o da amostra
Ex%plo: @ma estação de televisão airma que 8-a dos televisores estavam li%ados no seu
pro%rama especial do último s"bado. @ma rede competidora deseja contestar essa
airmação e decide, para isso, usar uma amostra de /-- amílias. :estas /-- amílias .-1
responderam airmativamente. Ao nível de 2a de si%niic=ncia qual a sua conclusãoj
1
o
Pa!!o:
n
p p
p p
8
) . (
-
 



·
2
o
Pa!!o:
.
o
Pa!!o:
4
o
Pa!!o:
E
o
Pa!!o:
T%!t% pa"a &ua! p"opo"çV%!
:evemos calcular:
onde:
.
pn
6
.
.
n
+
(proporção amostral)
p
.
6 proporção populacional
n
.
6 taman)o da amostra
/ .
/ .
n n
+ +
p
+
+
·
e
p . q − ·
.
*+emplo: 9esquisadores i!eram um estudo de empre%adas da >JU que estavam %r"vidas.
:e 0- empre%adas que lidavam com éter(%licol, .- (ou 00,00a) tiveram aborto
(espont=neo), mas, de 32- que não estavam e+postas ao éter(%licol, apenas ./- (ou .8a)
abortaram. #o nível de -,-. de si%niic=ncia, teste a airmação de que as mul)eres e+postas
ao éter(%licol apresentam maior ta+a de aborto.
1
o
Pa!!o:
2
o
Pa!!o:
.
o
Pa!!o:
4
o
Pa!!o:
E
o
Pa!!o:
1@ A preocupação com ambiente entra req?entemente em conlito com a tecnolo%ia
moderna, como no caso dos p"ssaros que representam peri%o para a aviação durante a
decola%em. @m %rupo ambiental airma que tais acidentes com p"ssaros são tão raros
que não se justiica mat"(los. @m %rupo de pilotos ale%a que entre as decola%ens
interrompidas que levam um avião a ultrapassar o inal da pista, .-a são devidas a
colisão com p"ssaros. Ceste esta airmação ao nível de -,-2. os dados consistem em 31
decola%ens interrompidas, destas 2 oram devidos < colisão com p"ssaros.
2@ @m relat,rio do Uinistério da Sustiça dos *@A inclui a airmação de que Lem casos de
crimes entre casais, as esposas acusadas têm menor probabilidade de ser condenadas do
/ .
/ . / .
n
q . p
n
q . p
) p p ( ) pn pn (
_
+
− − −
·
que os maridos acusados.M As dados amostrais consistiram em /33 condenaç&es entre
0.5 maridos acusados, e .22 condenaç&es entre /// esposas acusadas. Cese a airmação
eita com nível de -,-. de si%niic=ncia.
.@ @ma questão de teste é considerada boa se permite discriminar entre estudantes
preparados e estudantes não(preparados. A primeira questão de um teste oi respondida
corretamente por 8/ dentre 5- alunos preparados, e por /0 dentre 2- alunos não(
preparados. Bom o nível de -,-2 de si%niic=ncia, teste a airmação de que esta questão
oi respondida corretamente por uma proporção maior de estudantes preparados