Professional Documents
Culture Documents
DE
SOROCABA
ESTATSTICA
GERAL
E
APLICADA
ENGENHARIAS
NOME DO(A) ALUNO(A):_____________________________________________________
CURSO:____________________________________________________
TURMA:_______
TURNO:________________
SALA:____________
AVALIAES:
1) Dia____/____/2012
Pginas:______________________________________
2) Dia____/____/2012
Pginas:______________________________________
3) Dia____/____/2012
Pginas:______________________________________
2 Semestre / 2012
Prof. Sergio Rocha
SUMRIO
pg.
INTRODUO
O que Estatstica?........................................................................................................................
Ramos da Estatstica.......................................................................................................................
Usos e abusos da Estatstica..........................................................................................................
Anlise exploratria dos dados.......................................................................................................
Estatstica com calculadoras e computadores................................................................................
Arredondamento de dados..............................................................................................................
3
3
4
4
4
5
ESTATSTICA DESCRITIVA
9
12
12
13
15
15
24
Grfico de Colunas..........................................................................................................................
Grfico de Colunas no EXCEL........................................................................................................
Diagrama de Pareto........................................................................................................................
Grfico de Linhas............................................................................................................................
Grfico de Barras............................................................................................................................
Grfico Pictrico..............................................................................................................................
Grfico de Setores...........................................................................................................................
Histograma......................................................................................................................................
Polgono de Frequncias.................................................................................................................
26
26
27
28
29
29
30
31
32
34
35
36
41
43
46
47
50
51
52
Amplitude.........................................................................................................................................
Intervalo semiquartil........................................................................................................................
Desvio mdio e desvio padro (para dados no tabulados)............................................................
Varincia..........................................................................................................................................
Clculo do desvio mdio e do desvio padro pelas FRMULAS....................................................
Clculo da mdia e do desvio padro nas CALCULADORAS........................................................
Clculo de medidas usando o EXCEL.............................................................................................
Coeficiente de variao de Pearson.................................................................................................
Desvio mdio e desvio padro (para dados tabulados)...................................................................
MEDIDAS DE ASSIMETRIA E CURTOSE......................................................................................
Assimetria.........................................................................................................................................
Curtose.............................................................................................................................................
56
56
57
57
58
62
63
64
67
70
70
71
PROBABILIDADES
Introduo.........................................................................................................................................
Probabilidades simples.....................................................................................................................
Regra da Adio e da Multiplicao.................................................................................................
Diagrama da rvore..........................................................................................................................
79
82
82
86
ANLISE COMBINATRIA
95
96
96
97
97
99
101
107
113
Distribuio exponencial...................................................................................................................
Distribuio uniforme........................................................................................................................
Distribuio normal (ou de Gauss)....................................................................................................
O coeficiente z..................................................................................................................................
Como usar a Tabela 1 (Tabela do coeficiente z).............................................................................
Aplicaes (Distribuio normal)......................................................................................................
114
114
115
116
116
118
INFERNCIA ESTATSTICA
Amostragem......................................................................................................................................
Mtodos de amostragem probabilstica............................................................................................
Mtodos de amostragem no probabilstica.....................................................................................
Distribuio amostral.........................................................................................................................
Intervalos de confiana.....................................................................................................................
ESTIMAO.....................................................................................................................................
ESTIMATIVA DE UMA MDIA POPULACIONAL...........................................................................
1 caso: Estimativa da mdia (quando o desvio padro populacional conhecido).......................
Valor do coeficiente z (para intervalos de confiana).......................................................................
Erro de estimao da mdia.............................................................................................................
Erro padro da mdia.......................................................................................................................
Fator de correo para populao finita...........................................................................................
Estimativa da mdia para populao finita (desvio padro populacional conhecido).......................
Tamanho da amostra (para estimativa da mdia populacional).......................................................
Tamanho da amostra para populao finita......................................................................................
2 caso: Estimativa da mdia (quando o desvio padro populacional desconhecido)..................
Como usar a Tabela 2 (Tabela do coeficiente t)..............................................................................
Estimativa da mdia para populao finita (desvio padro populacional desconhecido).................
ESTIMATIVA DE UMA PROPORO POPULACIONAL...............................................................
Estimativa de uma proporo para populao finita.........................................................................
Tamanho da amostra (para estimativa de uma proporo populacional).........................................
128
128
130
132
132
132
133
133
135
141
141
143
143
146
148
149
149
153
170
172
173
Hipteses estatsticas.......................................................................................................................
Nveis de significncia.......................................................................................................................
Testes unilaterais e bilaterais............................................................................................................
Valor da estatstica de teste..............................................................................................................
Testes de hipteses ou de significncia para mdias populacionais................................................
Exemplos e exerccios de testes de hipteses (utilizando o teste bilateral).....................................
Exemplos e exerccios de testes de hipteses (utilizando o teste unilateral esquerda)................
Exemplos e exerccios de testes de hipteses (utilizando o teste unilateral direita).....................
181
182
182
184
184
185
195
199
203
204
204
205
206
207
209
211
225
REFERNCIAS BIBLIOGRFICAS....................................................................................................
227
226
INTRODUO
O que Estatstica?
A palavra estatstica derivada da palavra latina status (que significa estado). Os primeiros usos da
estatstica envolviam compilao de dados e grficos que descreviam vrios aspectos de um estado ou pas. A
partir de 1662, com a publicao de John Graunt, com a informao estatstica sobre nascimentos e mortes,
iniciaram-se os estudos sobre taxas de mortalidade, doenas, tamanho de populaes, renda, taxa de
desemprego etc.
Segundo Dug de Bernonville, a Estatstica um conjunto de mtodos e processos quantitativos que serve
para estudar e medir os fenmenos coletivos.
Tambm, podemos definir a Estatstica como um conjunto de tcnicas que permite, de forma sistemtica,
organizar, descrever, analisar e interpretar dados oriundos de estudos ou experimentos, realizados em qualquer
rea do conhecimento.
Ramos da Estatstica
A Estatstica se divide em trs ramos:
Estatstica Descritiva
Teoria da Probabilidade
Inferncia Estatstica
E s t a t s t i c a D e s c r i t i v a
A Estatstica Descritiva compreende a organizao, o resumo e, em geral, a simplificao de informaes
que podem ser muito complexas. Ela utiliza nmeros para descrever fatos. Como exemplos, citamos: a mdia
industrial, a taxa de desemprego, a durabilidade mdia de produtos, a mdia de estudantes etc.
Aqui se enquadram as medidas de tendncia central ou medidas de posio (mdia aritmtica, mediana e
moda) e as medidas de disperso ou variabilidade (desvio mdio e desvio padro).
T e o r ia d a P r o b a b i l i d a d e
A probabilidade utilizada para se estudar a incerteza oriunda de fenmenos de carter aleatrio.
Fenmeno aleatrio: uma situao ou acontecimento cujos resultados no podem ser previstos com
certeza. Por exemplo, as condies climticas, taxa de inflao etc.
A teoria da probabilidade est dentro do que conhecido como um sistema axiomtico: comeamos com
algumas verdades bsicas conhecidas e construmos um sistema lgico ao seu redor. Em sua forma mais pura, o
sistema no tem valor prtico. Sua praticidade vem do conhecimento de como utilizar a teoria para produzir
aproximaes prticas.
Por mais potente que seja, natural que nenhuma estatstica vai convencer algum que uma determinada
concluso seja verdadeira.
Uma aplicao importante da teoria feita nos testes de diagnsticos. A incerteza est presente porque,
apesar das alegaes dos fabricantes, nenhum teste disponvel perfeito. Podemos, por exemplo, concluir que
cada amostra de sangue cujo resultado seja positivo para o HIV abrigue realmente o vrus? Para responder esta
questo, precisamos confiar no comportamento de mdio e longo prazo dos testes de diagnsticos. A teoria da
probabilidade nos permite quantificar esse comportamento.
Outras aplicaes:
a) Que garantia temos de que todos os paraquedas iro funcionar corretamente quando acionados?
b) Que garantia temos do fabricante de latas em conserva de que o produto poder ser consumido dentro
da validade especificada? Ele ter o mesmo valor nutritivo?
c) Que garantia temos de um fabricante de medicamentos de que o produto poder ser utilizado dentro da
validade especificada? Ele ter o mesmo efeito desejado?
3
Inferncia Estatstica
Este o terceiro ramo da Estatstica, no qual envolve a formulao de certos julgamentos sobre um todo
(populao) aps examinar apenas uma parte dele (amostra aleatria), isto , tomar decises com base em
dados colhidos de uma amostra.
A inferncia estatstica feita por meio de testes de hipteses, mas como toda inferncia, est sujeita a
erro.
A inferncia estatstica est baseada na Teoria das Probabilidades.
Inferir significa tirar por concluso; deduzir pelo raciocnio.
Clculo de Medidas
Antes de iniciar os clculos para a determinao das medidas necessrias para o desenvolvimento e
entendimento dos conceitos em Estatstica, o estudante deve familiarizar-se com a sua calculadora para
efetuar os clculos com mais segurana e rapidez.
4
ARREDONDAMENTO
DE
DADOS
Nmero a arredondar
11,372
46,8417
261,761
Arredondamento para
Inteiros
Dcimos
Centsimos
Nmero arredondado
11
46,8
261,76
Nmero a arredondar
32,827
16,763
23,42502
Arredondamento para
Inteiros
Dcimos
Centsimos
Nmero arredondado
33
16,8
23,43
61,135 61,14
a)
b)
c)
d)
e)
f)
3.
a)
58,7248 58,72
b)
47,2361 47,24
27,845 27,84
Algarismos significativos
Os algarismos significativos (ou dgitos significativos) de um nmero so os algarismos separados dos zeros
necessrios para a localizao da vrgula.
Exemplos
1. Quantidade de algarismos significativos dos nmeros:
a)
b)
c)
d)
e)
f)
g)
h)
i)
j)
k)
l)
m)
n)
o)
E X E R C C I O S (arredondamento de dados)
1.
a)
b)
c)
d)
e)
f)
g)
h)
i)
j)
k)
l)
m)
n)
o)
p)
q)
r)
s)
53,479
26,571
152,9838
31,834
65,0921
16,504
27,587
37,6032
44,964
315,500
316,500
316,750
316,705
316,735
4,972618
10,739274
81,938372
0,0034186
0,00083724
Arredondamento para
Nmero arredondado
Inteiros
Dcimos
Centsimos
Dcimos
Centsimos
Inteiros
Centsimos
Centsimos
Dcimos
Inteiros
Inteiros
Dcimos
Centsimos
Centsimos
Milsimos
Dcimos de milsimos
Milsimos
Dcimos de milsimos
Centsimos de milsimos
Respostas: a) 53; b) 26,6; c) 152,98; d) 31,8; e) 65,09; f) 17; g) 27,59; h) 37,60; i) 45,0; j) 316; k) 316;
l) 316,8; m) 316,70; n) 316,74; o) 4,973; p) 10,7393; q) 81,938; r) 0,0034; s) 0,00084
2.
a)
b)
c)
d)
e)
f)
g)
h)
i)
j)
k)
l)
m)
n)
o)
p)
q)
Respostas
Respostas: a) 12360; b) 5800; c) 7000; d) 130; e) 28,6; f) 28,7; g) 20,0; h) 32,50; i) 325,46;
j) 32,5; k) 33; l) 5,82; m) 5,83; n) 3.000; o) 270; p) 260; q) 48,9
3.
a)
b)
c)
d)
e)
f)
g)
h)
i)
j)
k)
l)
m)
n)
o)
Respostas
Respostas: a) 57,88; b) 24,5; c) 92,44; d) 8,88; e) 15,0; f) 113,4; g) R$ 64; h) R$ 64; i) R$ 65;
j) 0,05; k) 0,05; l) 0,052; m) 0,050; n) 0,050; o) 0,051
ESTATSTICA
DESCRITIVA
(1 ramo da Estatstica)
VARIVEIS
QUANTITATIVAS
QUALITATIVAS
VARIVEIS
QUANTITATIVAS
(numricas)
Discreta
QUALITATIVAS
(categorizadas)
Contnua
Ordinal
Nominal
VARIVEIS QUANTITATIVAS
As variveis quantitativas podem ser subdivididas em discretas e contnuas:
( I ) V a r i v e i s q u a n t i t a t i v a s d i s c r e t a s: Quando os valores podem ser contados. So as
observaes que podem ser feitas somente em pontos isolados ao longo de uma escala de valores.
Exemplos
(II) V a r i v e i s
quantitativas
determinado intervalo de nmeros reais, ou seja, a varivel pode assumir um valor em qualquer ponto
fracionrio ao longo de um intervalo especificado de valores.
Exemplos
Altura mdia que certo tipo de planta atinge aps trs meses de seu plantio
Capacidade mdia de passageiros (trem, nibus, avio, navio)
Comprimento do veculo (nibus, avio, navio)
Consumo mdio de gua por residncia em certa cidade
Consumo mdio de combustvel de um automvel
Dimetro de um rolamento
Durao mdia de uma conversa telefnica
Estatura das pessoas
Gasto mdio com transporte para se deslocar at o local de trabalho
Idade em meses e dias
Mdia de clientes atendidos por dia
Nmero mdio de clientes potenciais visitados por vendedores durante o ltimo ms
Nmero mdio de pacientes atendidos em certo dia num pronto-socorro
Nmero mdio de pessoas por domiclio em uma grande comunidade
Peso de cada remessa
Peso do contedo de um pacote de cereais
Peso mdio de um grupo de pessoas
Salrio (dirio, semanal, mensal)
Tempo decorrido antes da primeira falha de um dispositivo
Tempo mdio de atendimento dos pacientes de um hospital
Tempo mdio de efeito de um medicamento
Tempo mdio dirio que os estudantes gastam com o uso de computadores
Tempo mdio para a realizao de uma experincia em um laboratrio
Tempo mdio para executar um programa de computador
Tempo mdio para fabricar determinado tipo de pea
Observao: A varivel idade, medida em nmero de anos, pode ser considerada como discreta, porm, se
medida em meses, ou em dias, pode ser considerada contnua.
VARIVEIS QUALITATIVAS
As variveis so qualitativas (ou atributos) quando os possveis valores que assumem representam
atributos e/ou qualidades. So classificadas como ordinais ou nominais:
(III) V a r i v e i s
qualitativas
Exemplos
2.
Variveis Quantitativas
Discretas
N de
funcionrios
Variveis Quantitativas
Contnuas
Tempo de servio
na empresa
Nominais
Ordinais
Homens
Assiduidade
A tabela abaixo corresponde a uma pesquisa realizada com cinco famlias de determinada comunidade:
Famlia
Idade
do pai
Grau de
instruo
do pai
Religio
Classe
social
Renda mensal
(salrio
mnimo)
Nmero de
filhos em
idade escolar
Regio de
procedncia
25
E. Fundam.
Catlica
Baixa
Interior
33
E. Mdio
Africana
Mdia
10
Capital
42
E. Mdio
Esprita
Mdia
12
Outro Estado
28
Superior
Nenhuma
Mdia
16,5
Capital
38
Nenhum
Catlica
Baixa
Outro Estado
Amostras e Populaes
Ao fazermos um levantamento com um grande nmero de dados, dificilmente temos acesso ao todo, que se
chama populao ou universo, ento consideramos apenas uma parte dessa populao, que se chama
amostra, e que deve ser aleatria, isto , todo elemento da populao tem a mesma chance que todos os outros
elementos da populao de pertencer a essa amostra.
Por que se usam amostras?
Resposta: So poucas as razes, mas muito relevantes:
a) Custo e demora dos levantamentos.
Exemplo
Qual o peso mdio de todos os recm-nascidos vivos no Brasil em determinado ano?
b) Populaes muito grandes.
Exemplo
Quantos peixes tm no mar?
c) Impossibilidade fsica de examinar toda a populao.
Exemplo
Como uma fbrica faria para testar todos os fsforos por ela produzidos?
d) Comprovado valor cientfico das informaes coletadas por meio de amostras.
Exemplo
Se um pesquisador quiser estudar os hbitos de consumo de bebidas alcolicas entre adolescentes de uma
grande cidade, o melhor que ele pode fazer uma avaliao criteriosa de uma amostra, ao invs de obter
uma avaliao sumria de toda a populao de adolescentes dessa cidade.
Planejamento de Experimentos
Para o planejamento de um estudo que possa trazer bons resultados, destacamos:
a)
b)
c)
d)
e)
Organizao de Dados
Aps a coleta de um conjunto de dados, a fim de se extrair informaes a respeito de uma ou mais
caractersticas de interesse, geralmente fazemos uso de tabelas e grficos.
Dados brutos: So os dados originais que ainda no se encontram numericamente organizados.
ROL: uma lista em que os valores esto dispostos em ordem crescente ou decrescente.
12
TABELAS ESTATSTICAS
Aps o trmino da coleta dos dados de uma pesquisa, devemos apresentar esses dados em tabela (j
usamos algumas anteriormente).
Uma tabela composta de trs partes: cabealho, corpo e rodap.
Cabealho: Corresponde ao ttulo, o qual deve explicar o contedo da tabela. No exemplo abaixo, de tabela
histrica, o ttulo : Censo: Populao brasileira.
Corpo: formado por colunas, nas quais so colocados os dados apurados na pesquisa. No exemplo
abaixo, de tabela histrica, so as colunas contendo o ano e as respectivas quantidades de pessoas obtidas em
cada um desses anos.
Rodap: Local onde se coloca a fonte dos dados. No exemplo abaixo, de tabela histrica, a fonte : Censo
Demogrfico do IBGE.
Essa tabela contm os dados da maneira que foram coletados.
Quantidade
(em milhes)
30,6
41.2
51,9
70,2
93,1
121.1
146,8
166,1
190,7
2. Tabela Geogrfica
Exemplo:
reas continentais
6
Continente
rea(10 km)
sia
frica
Amrica do Norte
Amrica do Sul
Antrtida
Europa
Oceania
Amrica Central
43,608
30,335
23,434
17,611
13,340
10,498
8,923
1,915
3. Tabela Especfica
Exemplo:
% da renda
8,2
18,7
36,8
36,3
13
4. Tabela Mista
rea e produo agrcola no Brasil (2009)
Exemplo:
Classe
rea
Produo
Norte
3,858
2,2
Nordeste
1,549
6,8
Centro-Oeste
1,602
20,0
Sul/Sudeste
1,503
49,3
Exemplos
a)
b)
c)
16 a 25
26 a 35
36 a 45
46 a 55
Total
Sim
23
No
10
25
Total
12
14
15
48
A tabela abaixo apresenta as informaes sobre os salrios (varivel X), em reais, por hora, e o tempo de
servio (varivel Y), em anos, de um grupo de funcionrios de uma empresa:
X / Y
<5
5 | 10
10 |15
15 |20
20
Total
<5
32
20
62
91
5 | 10
17
30
25
14
10 | 15
13
40
15
11
25
Total
54
59
56
31
18
218
Uso de Capacete
Sim
No
22
230
131
442
153
672
Total
252
573
825
d) A tabela abaixo mostra um levantamento feito por um hospital para investigar os indivduos que foram ou no
vtimas de infarto agudo do miocrdio e se tm ou no diabetes.
Diabetes
e)
Infarto do Miocrdio
Sim
No
Total
Sim
46
26
72
No
95
121
216
Total
141
147
288
Levantamento feito em uma plantao de tulipas (4 cores) para testar a qualidade das mudas:
Resultados amostrais
Cor
Branca
Vermelha
Amarela
Roxa
Total
Floresceram
180
140
70
65
455
No floresceram
20
10
30
15
75
Total plantado
200
150
100
80
530
14
6. T A B E L A S
DE
FREQUNCIAS
Uma tabela de frequncias relaciona classes (categorias) de valores, juntamente com contagens (ou
frequncias) do nmero de valores que se enquadram em cada classe.
Na prtica, em uma tabela de frequncias o nmero de classes deve variar de 5 a 20.
Exemplo
A tabela abaixo nos d os tempos, em anos, de trabalho dos funcionrios em determinada empresa:
0a5
N de
funcionrios
18
5 a 10
53
10 a 15
158
15 a 20
65
20 a 25
37
25 a 30
Tempo
39
68
75
84
43
68
76
86
45
68
77
88
50
68
77
90
50
68
78
91
53
70
78
95
54
71
78
96
55
72
79
99
58
72
80
106
59
73
81
61
73
81
61
73
82
63
74
82
63
75
82
63
75
83
64
75
84
66
75
84
Soluo: Para se construir uma tabela de frequncias, um dos procedimentos feito da seguinte forma:
frequncias. Assim, o nmero de classes, para um total de 60 valores (pesos das 60 pessoas), :
60 = 7 ,746 k = 8 classes ATENO: FAZER O ARREDONDAMENTO NORMALMENTE
k =
Obs.: H diversos mtodos para se determinar o nmero de classes de uma tabela de frequncias.
Alm da frmula acima, destacamos:
a)
b)
No livro The Grouping Data for Graphic Portrayal, Truman L. Kelley, sugere a seguinte tabela:
10
25
50
100
200
500
1000
10
12
15
15
15
2 passo: Amplitude (ou intervalo) total (At): a diferena entre o maior e o menor valor, isto ,
At = 106 39 At = 67
67
= 8,375 i = 9 kg ATENO: NO FAA O ARREDONDAMENTO; PEGUE SEMPRE
8
O PRXIMO INTEIRO
ATENO
Como os pesos da tabela so nmeros inteiros, devemos considerar SEMPRE o
PRXIMO nmero inteiro, imediatamente superior a 8,375, mesmo que esse quociente tenha
dado como resultado um nmero inteiro.
Procedimento anlogo deve ser utilizado quando a menor unidade considerada no for
um nmero inteiro.
No exemplo acima, o prximo nmero inteiro, superior a 8,375, o 9, portanto, i = 9 , ou seja, NUNCA
UTILIZE AQUI A REGRA DO ARREDONDAMENTO.
4 passo: EXCESSO:
Para encontrar o excesso, basta multiplicar o nmero de classes (k = 8) pelo intervalo de classe (i = 9) e
subtrair a amplitude total (At = 67) para encontrar o excesso que aparecer na construo dos limites das classes
da tabela de frequncias, isto ,
8 x 9 67 = 72 67 = 5
ou seja, temos um excesso de 5 unidades, o qual deve ser repartido entre os dois extremos da distribuio, ou
seja, o primeiro limite inferior das classes iniciar com 37 (2 unidades antes do 39, que o menor valor da
distribuio) e o ltimo limite superior terminar com 109 (ou seja, 3 unidades aps 106, que o maior valor da
distribuio).
onde,
37
46
46
55
55
64
64
73
11
73
82
19
82
91
10
91
100
faixas de pesos
100
109
1
N = 60
Observaes:
1)
2)
Em todas as tabelas de frequncias que desenvolveremos em nossas aplicaes utilizaremos esse tipo de
intervalo ( | ), por ser o mais prtico e mais utilizado.
3)
a)
Intervalo fechado em ambas as extremidades, isto , fechado esquerda e fechado direita ( || ): inclui os
valores que aparecem em cada um dos extremos.
Exemplos
L
b)
ou
37
||
45
37
||
45,5
36,5
||
45,5
46
||
54
46
||
54,5
45,5
||
54,5
55
||
63
55
||
63,5
54,5
||
63,5
64
||
72
11
64
||
72,5
11
63,5
||
72,5
11
73
||
81
19
73
||
81,5
19
72,5
||
81,5
19
82
||
90
10
82
||
90,5
10
81,5
||
90,5
10
91
||
99
91
||
99,5
90,5
||
99,5
100
||
108
100
|| 108,5
99,5
||
108,5
Intervalo aberto em ambas as extremidades ( ): exclui os valores que aparecem em cada um dos
extremos.
Exemplo:
c)
ou
36,5
45,5
45,5
54,5
54,5
63,5
63,5
72,5
11
72,5
81,5
19
81,5
90,5
10
90,5
99,5
99,5
108,5
Intervalo aberto esquerda e fechado direita ( | ): exclui o valor da esquerda e inclui o valor da direita (
semelhante ao que utilizaremos em todas as nossas aplicaes).
Exemplo:
36
45
45
54
54
63
63
72
11
72
81
19
81
90
10
90
99
99
108
1
17
A distribuio abaixo nos d o tempo, em minutos, que 55 alunos aleatoriamente selecionados gastaram
para desenvolver certa experincia em um laboratrio. Fazer o tabulamento desses dados (isto , construir
uma tabela de frequncias).
20
23
25
27
27
28
28
28
30
31
31
32
32
32
33
34
35
36
36
36
36
37
37
37
38
38
38
39
40
40
41
41
41
41
41
41
42
43
45
45
45
46
48
48
48
48
49
49
50
52
52
54
55
56
60
Soluo:
Nmero de classes: k =
55 = 7,416 k = 7 classes.
40
Intervalo de classe: i =
= 5,714 i = 6 min
7
.
Excesso: 76 40 = 42 40 = 2 unidades, ou seja, o 1 limite inferior das classes iniciar com 19 (ou seja, 1
unidade antes do 20) e o ltimo limite superior terminar com 61 (ou seja, 1 unidade aps o 60).
A tabela de frequncias dos tempos para a realizao dessa experincia pelos 55 alunos :
19
25
31
37
43
49
55
L
|
|
|
|
|
|
|
25
31
37
43
49
55
61
f
2
7
12
16
9
6
3
N = 55
79
89
74
91
60
83
79
96
85
87
65
75
85
136
72
79
122
79
83
100
84
73
86
85
96
80
79
86
55
73
85
90
68
118
78
100
81
79
48
84
75
50
86
91
85
85
87
83
60
89
83
79
95
76
80
85
70
71
46
125
79
79
92
99
85
61
84
40
79
83
93
78
89
103
85
85
77
100
63
90
Soluo:
Nmero de classes: k = 80 = 8,94 k = 9 classes
Amplitude total: At = 136 40 At = 96 segundos
Intervalo de classe: i = 96 = 10,667 i = 11 segundos
9
Excesso: 911 96 = 99 96 = 3 unidades, ou seja, o 1 limite inferior das classes ser igual a 39 (uma unidade
antes do menor valor: 40) e o ltimo limite superior ser 138 (duas unidades aps o maior valor: 136).
Tabela de frequncias:
39
50
61
72
83
94
105
116
127
L
|
|
|
|
|
|
|
|
|
50
61
72
83
94
105
116
127
138
18
RESPOSTA:
L
f
39 | 50
3
50 | 61
4
61 | 72
6
72 | 83
23
83 | 94
32
94 | 105
8
105 | 116
0
116 | 127
3
127 | 138
1
N = 80
E X E R C C I O S (tabelas de frequncias)
Dadas as distribuies abaixo, fazer o tabulamento dos dados (isto , construir uma tabela de
frequncias):
1)
Soluo:
Tabela de frequncias:
L
Amplitude:
|
|
|
|
|
Excesso:
|
|
|
N=
2)
68
78
85
106
19
68
79
85
107
68
80
86
109
69
80
86
109
70
80
86
112
70
80
88
115
72
80
90
116
73
80
93
116
3) Nmero de chamadas telefnicas recebidas, por hora, em uma central de atendimento, para uma
amostra de 40 horas aleatoriamente escolhidas:
72 60 53 64 73 57 59 71 53 68 75 63 68 71 60 63 66 70 58 67
55 64 49 60 70 62 59 58 65 64 69 63 61 82 63 74 68 76 66 59
Obs.: Veja a tabulao que foi feita no exemplo 3 (dos computadores), cujos dados esto fora de ordem (no
precisa colocar os dados em ordem).
20
5)
63
74
88
64
74
89
64
74
91
65
74
95
66
75
99
18
24
36
40
48
18
25
37
42
49
18
25
37
42
50
19
26
37
42
50
19
28
37
42
50
19
29
37
42
53
20
30
37
43
56
21
20
30
37
43
57
20
30
37
43
60
21
30
38
44
68
21
32
38
45
21
33
39
45
21
35
39
45
22
36
39
45
22
36
39
46
7) Nmero dirio de clientes de um banco atendidos por determinado caixa, durante um perodo
de 52 dias aleatoriamente escolhidos:
45
150 100 125
75
150
55
50
125
75 150 45
50
95
30
80
50
75
60
75
165
50
55
100
70
80
47
90 100 125 170 130
150
50
75
130 125
95
65
15
120
50
60 130 100 65
75
47
100
60
80
70
22
570
700
920
980
1020
1100
1150
600
730
930
1000
1030
1100
1150
630
730
930
1000
1030
1100
1180
650
750
940
1000
1040
1100
1200
650
750
940
1000
1050
1100
1210
9) Nmero de horas de uso do computador pessoal durante uma semana, por um grupo de pessoas:
0,7
1,0
1,2
1,5
2,1
2,5
2,6
3,0
3,1
3,1 3,3 3,4 3,5 3,5 3,6 3,7
3,7
3,9
3,9
4,0
4,1
4,1
4,1
4,2
4,3
4,4 4,7 4,8 5,4 5,6 5,7 5,7
5,7
5,9
5,9
6,1
6,1
6,1
6,7
6,8
7,2
7,6 8,8 9,2 9,5 10,3 10,4 10,8
11,1 12,1 12,9 13,7 14,9
Respostas:
1)
59
66
73
80
87
94
101
108
L
|
|
|
|
|
|
|
|
66
73
80
87
94
101
108
115
f
4
5
9
11
17
6
7
4
2)
50
60
70
80
90
100
110
120
6)
16
22
28
34
40
46
52
58
64
L
|
|
|
|
|
|
|
|
|
22
28
34
40
46
52
58
64
70
f
14
7
8
19
15
7
3
1
1
7)
12
35
58
81
104
127
150
L
|
|
|
|
|
|
|
|
L
|
|
|
|
|
|
|
60
70
80
90
100
110
120
130
35
58
81
104
127
150
173
f
3
9
14
20
8
6
5
5
f
2
12
16
8
5
3
6
3)
48
54
60
66
72
78
L
|
|
|
|
|
|
8)
320
470
620
770
920
1070
1220
1370
1520
1670
54
60
66
72
78
84
L
|
|
|
|
|
|
|
|
|
|
23
f
3
7
13
11
5
1
470
620
770
920
1070
1220
1370
1520
1670
1820
4)
81
87
93
99
105
111
117
f
3
8
17
9
40
21
0
7
0
1
L
|
|
|
|
|
|
|
87
93
99
105
111
117
123
9)
0,5
2,6
4,7
6,8
8,9
11,0
13,1
f
5
3
5
10
9
9
4
L
|
|
|
|
|
|
|
5)
36
46
56
66
76
86
96
106
2,6
4,7
6,8
8,9
11,0
13,1
15,2
L
|
|
|
|
|
|
|
|
46
56
66
76
86
96
106
116
f
6
20
13
4
5
3
2
f
2
5
11
22
11
5
2
2
37
46
55
64
73
82
91
100
L
|
|
|
|
|
|
|
|
f
3
4
8
11
19
10
4
1
N = 60
46
55
64
73
82
91
100
109
Determine:
a) a frequncia absoluta relativa de cada classe (fr);
b) a frequncia absoluta percentual de cada classe (fp);
c) a frequncia acumulada de cada classe (F);
d) a frequncia acumulada relativa de cada classe (Fr);
e) a frequncia acumulada percentual de cada classe (Fp).
Soluo:
a) Para determinar a frequncia absoluta relativa de cada classe (fr), basta dividir a frequncia absoluta de
cada classe pelo total das frequncias absolutas dessas classes (N).
a) Para determinar a frequncia absoluta percentual de cada classe (fp), basta dividir a frequncia absoluta de
cada classe pelo total das frequncias absolutas (N), e multiplicar cada resultado por 100.
c) Para determinar a frequncia acumulada de uma classe (F), basta somar a frequncia absoluta dessa classe
com as frequncias absolutas das classes anteriores, ou somar a frequncia absoluta dessa classe com a
frequncia acumulada da classe anterior.
d) Para determinar a frequncia acumulada relativa de uma classe (Fr), basta dividir a frequncia acumulada
dessa classe pelo total das frequncias absolutas (N).
e) Para determinar a frequncia acumulada percentual de uma classe (Fp), basta dividir a frequncia
acumulada dessa classe pelo total das frequncias absolutas (N), e multiplicar cada resultado por 100.
A seguinte tabela nos d os resultados pedidos:
a)
L
b)
c)
d)
e)
fr
fp (%)
Fr
Fp (%)
37
46
0,050
5,0
0,050
5,0
46
55
0,067
6,7
0,117
11,7
55
64
0,133
13,3
15
0,250
25,0
64
73
11
0,183
18,3
26
0,433
43,3
73
82
19
0,316
31,6
45
0,750
75,0
82
91
10
0,167
16,7
55
0,917
91,7
91
100
0,067
6,7
59
0,983
98,3
100
109
0,017
1,7
60
1,000
100%
1,000
100,0
N = 60
24
50
60
60
70
70
80
14
80
90
20
90
100
100
110
110
120
120
130
5
N = 70
Determine:
a) a frequncia absoluta relativa de cada classe (fr);
b) a frequncia absoluta percentual de cada classe (fp);
c) a frequncia acumulada de cada classe (F);
d) a frequncia acumulada relativa de cada classe (Fr);
e) a frequncia acumulada percentual de cada classe (Fp).
Soluo:
50
| 60
60
| 70
70
| 80
14
80
| 90
20
90
| 100
100 | 110
110 | 120
120 | 130
a)
b)
c)
d)
e)
fr
fp (%)
Fr
Fp (%)
N = 70
Respostas:
a) 0,043; 0,129; 0,200; 0,286; 0,114; 0,086; 0,071; 0,071
b) 4,3; 12,9; 20,0; 28,6; 11,4; 8,6; 7,1; 7,1
c) 3; 12; 26; 46; 54; 60; 65; 70
d) 0,043; 0,171; 0,371; 0,657; 0,771; 0,857; 0,929; 1,000
e) 4,3; 17,1; 37,1; 65,7; 77,1; 85,7; 92,9; 100,0
25
Grfico de Colunas
Exemplo: Construir o grfico de colunas referente s quantidades de 5 tipos de veculos vendidos durante
certo perodo, em uma grande cidade, conforme tabela abaixo:
Soluo:
Veculos
Vendas
Corsa
550
Plio
400
Uno
1.100
Gol
1.600
Fx
750
Vendas
1600
1100
750
550
400
CORSA
PLIO
UNO
GOL
FX
Tipos de Veculos
Veculos
Vendas
Corsa
550
Plio
400
Uno
1.100
Gol
1.600
Fx
750
Vendas
2000
1500
1000
500
0
Corsa
26
Plio
Uno
Gol
Fx
Diagrama de Pareto
Um diagrama de Pareto um grfico em colunas para dados qualitativos, com colunas ordenadas de
acordo com as frequncias (absolutas ou relativas).
Exemplo
A tabela abaixo apresenta uma amostra de 150 componentes localizados incorretamente em um processo de
montagem em eletrnica, pelos inspetores de qualidade, e as respectivas causas detectadas. Construir o grfico
de Pareto para esses dados.
Legenda
Causas
Quantidade
Dimenses incorretas
41
II
Partes danificadas
32
III
Mquina
20
IV
Parte enferrujada
17
Fora de ordem
11
VI
Solda desalinhada
VI
Pintura danificada
VI
IX
Porosidade na fundio
XI
Procedimento imprprio
Total
150
Soluo:
41
35
30
25
20
15
10
5
II
III
IV
VI
27
VII
VIII
IX
XI
GRFICO DE LINHAS
Exemplos
Dadas as tabelas 1 e 2 abaixo, referentes s produes mensais, em milhares, de dois tipos diferentes de
peas, construir um grfico de linhas para cada tabela:
TABELA 1
TABELA 2
Ms
Quantidade
Ms
Jan
120
Jan
Quantidade
1040
Fev
90
Fev
1060
Mar
165
Mar
1020
Abr
60
Abr
1100
Mai
105
Mai
1140
Jun
120
Jun
1220
Jul
150
Jul
1160
Ago
75
Ago
1180
Set
30
Set
1080
Out
120
Out
1060
Nov
180
Nov
1120
Dez
135
Dez
1100
28
Grfico de Barras
Exemplo: Construir o grfico de barras referente s quantidades de 4 tipos de revistas mais vendidas durante
certo perodo em uma cidade, por uma distribuidora, conforme tabela abaixo:
Revistas
VEJA
ISTO
POCA
GALILEU
Quantidades
600
2.000
1.600
3.000
Soluo:
Revistas
VEJA
ISTO
POCA
GALILEU
600
1.600 2.000
Quantidades Vendidas
3.000
G r f i c o P i c t r i c o (Pictograma)
Esses grficos so construdos a partir de figuras. So grficos muito comuns em jornais e revistas, e tm a
finalidade de despertar a ateno das pessoas.
Exemplo: Dada a tabela abaixo, referente s quantidades aproximadas de telefones instalados em todo o
territrio nacional, construir um grfico pictrico.
Anos
N de telefones fixos
1975
10.000.000
1980
20.000.000
1985
40.000.000
1990
70.000.000
1995
80.000.000
2000
100.000.000
2005
130.000.000
Soluo:
Anos
1975
1980
1985
1990
1995
2000
2005
29
LEGENDA
= 10.000.000
Grfico de Setores
O grfico de setores (disco, circular, pizza), um diagrama de rea. Consiste em repartir um crculo em
setores circulares correspondentes s propores de cada valor.
Exemplo
Construir o grfico de setores referente aos gastos, em milhares de reais, com propaganda nos meios de
comunicao de determinada empresa, conforme tabela abaixo:
Veiculao
Valor
Televiso
500
Radio
160
Jornal
320
Outdoor
150
Internet
120
Outros
250
Total
1500
Televiso
Rdio
8%
Jornal
Outdoor
Internet
10%
Outros
11%
21%
30
Histograma
Exemplo
A tabela abaixo apresenta o tempo, em minutos, gasto pelos vendedores de um centro comercial para
atendimento de um grupo de clientes aleatoriamente escolhidos. Construir o histograma para os dados dessa
tabela.
L
10
20
20
30
10
30
40
13
40
50
16
50
60
60
70
70
80
Histograma
f
16
13
10
3
2
10
20
30
40
50
60
31
70
80
Polgono de Frequncias
Um polgono de frequncias um grfico de linha de uma distribuio de frequncias.
Exemplo: A tabela abaixo apresenta as idades, em anos, de um grupo de pessoas. Construir o polgono de
frequncias para os dados dessa tabela.
L
15
15
21
10
21
27
11
27
33
28
33
39
23
39
45
15
45
51
10
Soluo:
L
x (pontos mdios)
6
9
15
12
15
21
10
18
21
27
11
24
27
33
28
30
33
39
23
36
39
45
15
42
45
51
10
48
54
Polgono de Frequncias
28
24
N de pessoas
20
16
12
0
0
12
18
24
30
Idades (anos)
32
36
42
48
54
E X E R C C I O (grficos)
A tabela abaixo apresenta os tempos, em segundos, que uma mquina gastou para produzir cada conjunto
de peas e as respectivas quantidades amostrais de conjuntos produzidos nesses tempos.
28
30
32
34
36
38
40
L
|
|
|
|
|
|
|
30
32
34
36
38
40
42
f
14
25
32
57
41
19
8
a) Construir o Histograma.
33
MDIA ARITMTICA
De um modo geral, a mdia aritmtica a mais importante de todas as mensuraes numricas descritivas.
M=
x
n
onde,
= smbolo do somatrio (indica a soma das medidas x)
M =
x
32 + 18 + 22 + 27 + 20 + 38 157
M =
=
= 26 ,1666 K M = 26 , 2 o C
n
6
6
REGRA DO ARREDONDAMENTO
Para as mdias, deixar uma casa decimal a mais que os dados originais (exceto
quando se tratar de valor monetrio).
Como no exemplo acima os dados originais so nmeros inteiros, a mdia dever ficar com
uma casa decimal.
2. Calcule a mdia aritmtica simples dos pesos de 60 pessoas (1 exemplo de tabulamento dos dados):
39
43
45
50
50
53
54
55
58
59
61
61
63
63
63
64
66
68
68
68
68
68
70
71
72
72
73
73
73
74
75
75
75
75
75
76
77
77
78
78
78
79
80
81
81
82
82
82
83
84
84
84
86
88
90
91
95
96
99
106
Soluo: M =
x
4 .357
M =
= 72 ,6166 K M = 72,6 kg
n
60
34
M=
fX
f
M=
ou
fX
N
onde,
= smbolo do somatrio (indica a soma dos produtos de f por X)
Empregados (f)
Salrios (X)
fX
30
1000,00
30000,00
50
1300,00
65000,00
40
1700,00
68000,00
f = N = 120
fX = 163000,00
(total de empregados)
M=
paga um salrio mdio de R$ 1.358,33 por empregado (ou seja, cada empregado corresponde a um salrio de R$
1.358,33 na folha de pagamento dessa empresa).
2. A prova de um concurso pblico foi dividida em 5 partes (A, B, C, D e E), sendo que a Parte A tinha peso 2, a
Parte B peso 1, a Parte C peso 5, a Parte D peso 4 e a Parte E peso 2. Um candidato obteve as seguintes
notas, em uma escala de 0 a 100: Parte A: nota 64; Parte B: nota 71; Parte C: nota 34; Parte D: nota 57 e
Parte E: nota 81. Calcule a sua mdia na prova desse concurso.
(Obs.: Arredondar a mdia para milsimos)
Soluo:
Parte
Pesos (f)
Notas (X)
fX
64
128
71
71
34
170
57
228
81
162
f= 14
M=
fX= 759
fx
N
onde,
= smbolo do somatrio (indica a soma dos produtos de f por x)
fx
37
46
3 41,5 = 124,5
46
55
4 50,5 = 202,0
55
64
8 59,5 = 476,0
64
73
11
11 68,5 = 753,5
73
82
19
19 77,5 = 1.472,5
82
91
10
10 86,5 = 865,0
91
100
4 95,5 =382,0
100
109
1 104,5 = 104,5
N = 60
M=
Multiplicar f por x
fx 4.380,0
=
M = 73,0 kg
N
60
fx = 4.380,0
Obs.: Os pontos mdios das classes podem ser determinados das seguintes formas:
1) Somar os limites inferior e superior de cada classe e dividir por 2, como mostra a tabela abaixo.
2) Aps a determinao do primeiro ponto mdio (que a mdia aritmtica dos limites inferior e superior da
primeira classe), somando-se o intervalo de classe a esse primeiro ponto mdio encontramos o segundo
ponto mdio. O terceiro ponto mdio obtido pela soma do segundo ponto mdio com o intervalo de classe.
Os demais pontos mdios so encontrados da mesma forma, como mostra a tabela abaixo.
3) Basta somar a metade do valor do intervalo com o limite inferior de cada classe, como mostra a tabela
abaixo.
Limites das classes
L
2 forma:
3 forma:
37
46
37 + 4,5 = 41,5
46
55
41,5 + 9 = 50,5
46 + 4,5 = 50,5
55
64
50,5 + 9 = 59,5
55 + 4,5 = 59,5
64
73
59,5 + 9 = 68,5
64 + 4,5 = 68,5
73
82
68,5 + 9 = 77,5
73 + 4,5 = 77,5
82
91
77,5 + 9 = 86,5
82 + 4,5 = 86,5
91
100
86,5 + 9 = 95,5
91 + 4,5 = 95,5
109
95,5 + 9 = 104,5
100
36
E X E R C C I O S (mdia aritmtica)
1. Calcule a mdia aritmtica simples (isto , mdia aritmtica para dados no tabulados) dos seguintes
tempos, em segundos, para carga de um aplicativo, num sistema compartilhado, em 70 observaes:
53
73
80
93
118
55
75
81
95
120
58
76
81
95
121
60
76
83
97
121
60
76
83
98
124
62
78
84
98
126
65
78
84
100
66
78
84
106
68
78
85
106
68
79
85
107
68
80
86
109
69
80
86
109
70
80
86
112
70
80
88
115
72
80
90
116
73
80
93
116
2. Durante 7 meses consecutivos, foram registradas as seguintes quantidades mximas de chuva, me mm, em
determinada regio: 63,2; 49,6; 72,9; 87,3; 58,0; 58,3 e 75,1. Calcule a mdia aritmtica simples
dessas quantidades:
3. A tabela abaixo nos d o nmero peas produzidas, por operrio, num certo perodo e o respectivo nmero de
operrios que produziram cada uma dessas quantidades. Calcule a quantidade mdia de peas produzidas
pelos operrios nesse perodo.
Operrios
Peas
21
22
25
28
30
37
4. Calcule a mdia aritmtica ponderada das notas obtidas por um aluno em trs provas, sabendo que os
pesos 3, 2 e 5 e respectivas notas foram 68, 37 e 83.
Prova
Pesos
Notas
68
37
83
5. O Departamento de gua de certa cidade utiliza a tabela abaixo para calcular progressivamente o valor que
dever ser pago, de acordo com cada faixa de consumo da gua (por exemplo, se uma pessoa consumir 15
m, dever pagar um total de R$ 35,00, correspondente a 10 m a R$ 2,00 cada m e 5 m a R$ 3,00 cada m):
Consumo
(em m)
Tarifa (em
reais, por m)
At 10
2,00
De 11 a 20
3,00
De 21 a 30
5,00
De 31 a 50
6,00
Acima de 50
7,00
a) Quatro pessoas (Antonio, Benedito, Carlos e Dbora) compareceram ao escritrio do Departamento de gua e
disseram que o valor cobrado na sua fatura do ms anterior no estava correto. Se os consumos e respectivos
valores constantes nas faturas foram:
Antonio: 25 m R$ 75,00
Benedito: 58 m R$ 276,00
Carlos: 42 m R$ 182,00
Dbora: 17 m R$ 41,00
Verifique se o valor que cada um ter que pagar est correto.
Soluo:
Antonio: ____________________________________________________________________
Benedito: ___________________________________________________________________
Carlos: _____________________________________________________________________
Dbora: ____________________________________________________________________
Resposta:
38
b) Na residncia de Edson, foram consumidas mensalmente, nos ltimos seis meses, as seguintes quantidades
de gua, em m: 38, 71, 14, 29, 43 e 56. Calcule o preo mdio, por m, pago nesse perodo.
Soluo:
Valor pago no 1 ms:___________________________________________________________________
Valor pago no 2 ms:___________________________________________________________________
Valor pago no 3 ms:___________________________________________________________________
Valor pago no 4 ms:___________________________________________________________________
Valor pago no 5 ms:___________________________________________________________________
Valor pago no 6 ms:___________________________________________________________________
Valor total pago nos 6 meses:__________________________________________
Quantidade de gua consumida nesses 6 meses:________________________________________
M=
Resposta:
6. A tabela abaixo apresenta as distncias e respectivas velocidades desenvolvidas por um motorista com seu
veculo, em cada um dos quatro trechos de uma viagem de 1.000 km:
TRECHOS
200
100
400
300
Velocidade (km/h)
80
70
60
50
Calcular:
a) O tempo aproximado gasto para percorrer cada um desses trechos.
39
7. A tabela abaixo apresenta alturas, em cm, de um grupo de pessoas. Calcule a mdia aritmtica dessas
alturas.
L
145
155
155
165
11
165
175
36
175
185
30
185
195
19
195
205
8. A tabela abaixo apresenta as idades, em anos, de um grupo de pessoas. Calcule a mdia aritmtica dessas
idades.
L
16
21
14
21
26
26
31
31
36
19
36
41
15
41
46
46
51
51
56
56
61
Respostas:
1.
M=
6.045
= 86,4
70
2.
M=
464,4
= 66,34
7
3.
4.
500
= 25,0
20
693
M=
= 69,3
10
M=
5. a)
5. b)
M =
18.590
= 175,4
106
2.427,5
M =
= 32,4
75
M =
40
b) 16,596 h;
c) M =
1.000
16,596
= 60,26 km/h
M E D I A N A ( Md )
A mediana ( Md ) uma medida que se localiza no centro da distribuio. Os dados da distribuio devem
estar sempre em ordem crescente ou decrescente.
n +1
2
n +1 9 +1
=
= 5 , ento a mediana o 5 valor dessa
2
2
distribuio, e que corresponde a Md = 48 , ou seja, a mediana das notas desses alunos igual a 48 pontos.
3. Determine a mediana para os 55 valores do 2 exemplo de tabulamento:
20
34
41
48
23
35
41
49
25
36
41
49
27
36
41
50
27
36
41
52
28
36
41
52
28
37
42
54
28
37
43
55
30
37
45
56
31
38
45
60
31
38
45
32
38
46
32
39
48
32
40
48
33
40
48
n + 1 55 + 1
=
= 28 , ento a mediana o 28 valor
2
2
2 caso: Quantidade PAR de valores: neste caso, consideramos um valor intermedirio aos dois valores
centrais.
Exemplos
1. Determine a mediana para as seguintes medidas: 28, 35, 38, 40, 42 , 43 , 46, 50, 50, 58.
n + 1 10 + 1
=
= 5,5 , ento a mediana est entre o
2
2
5 valor (que o 42) e o 6 valor (que o 43), ou seja, a mediana Md = 42,5 ( a mdia aritmtica desses dois
Soluo: Como a posio da mediana nessa distribuio :
63
74
82
63
75
82
63
75
83
64
75
84
66
75
84
n + 1 60 + 1
=
= 30,5 , ento a mediana est entre o
2
2
30 valor (que o 74) e o 31 valor (que o 75), logo a mediana : Md = 74,5 kg .
Soluo: Como a posio da mediana nessa distribuio :
41
2. Idades, em anos: 11, 13, 13, 13, 15, 17, 18, 18, 18, 20, 25 e 30.
3. Nmero dirio de clientes atendidos em uma empresa: 26, 15, 37, 12, 45, 34, 52, 29 e 18.
74
87
96
74
87
96
75
88
98
76 77 77 77
89 89 89 89
98 100 101 101
5. Dada a distribuio abaixo, referente ao nmero dirio de peas defeituosas produzidas por certa mquina,
durante um perodo de 70 dias. Determine a mediana desses dados.
53
55
58
60
60
62
65
66
68
68
68
69
70
70
72
73
73
75
76
76
76
78
78
78
78
79
80
80
80
80
80
80
80
81
81
83
83
84
84
84
85
85
86
86
86
88
90
93
93
95
95
97
98
98
100 106 106 107 109 109 112 115 116 116
118 120 121 121 124 126
42
M d = linf
N
Fant
+ i 2
f med
onde,
N 50
=
= 25 (lembre-se de que a mediana se localiza no meio de uma distribuio, isto , considera
2
2
a metade dos dados da distribuio para o seu clculo)
o intervalo de classe
linf
fmed
Fant
Exemplo
A tabela a seguir apresenta os pesos, em kg, de um grupo de 50 pessoas. Determine a mediana para esses
dados.
L
40
50
50
60
60
70
70
80
20
80
90
11
90
100
100
110
2
N = 50
Soluo:
Um modo prtico de encontrar os dados para substituir na frmula e encontrar o valor da mediana dado
como segue:
1 passo:
Determinar a coluna das frequncias acumuladas F.
2 passo:
N
Calcular N (que a metade dos dados), isto , N = 50
= 25
2
2
2
2
43
linf =
fmed e Fant.
40
50
50
60
60
70
70
80
80
90
100
fmed=
Fant=
20
29
90
11
40
100
48
110
50
N = 50
M d = l inf
N
Fant
+ i 2
fm
50
M d = 70 + 10 2
= 70 + 10 16 = 70 + 160 = 70 + 8,0 Md = 78,0 kg
20
20
20
37
46
46
55
55
64
64
73
11
73
82
19
82
91
10
91
100
100
109
1
N = 60
44
25
25
31
31
37
12
37
43
16
43
49
49
55
55
61
4
N = 55
3. Calcule a mediana para as estaturas, em cm, de um grupo de pessoas, conforme tabela abaixo:
L
f
145
155
155
165
11
165
175
36
175
185
30
185
195
19
195
205
4. Calcule a mediana para a tabela abaixo, correspondente aos tempos, em meses, de vida til dos tubos de
imagem dos monitores de computadores de determinada marca e modelo.
L
f
38
45
45
52
52
59
12
59
66
22
66
73
17
73
80
15
80
87
87
94
Respostas:
1)
60
26
= 74 ,9
M d = 73 + 9 2
19
2)
55
21
= 39,4
M d = 37 + 6 2
16
3)
45
106
17
= 175
Md = 165+ 10 2
36
4)
80
39
= 66,4
M d = 66 + 7 2
17
M O D A ( Mo )
A moda (Mo ) de um conjunto de valores (moda para dados no tabulados) o valor que mais se repete.
A moda pode no existir e, mesmo que exista, pode no ser nica.
Exemplos: Determine a moda para cada um dos seguintes conjuntos de nmeros:
a) 3, 3, 6, 7, 11, 11, 11, 13, 14, 14, 17, 20.............................................. Resposta: Mo = 11 (unimodal)
b) 6, 7, 11, 14, 15, 18, 19........................................................................ Resposta: No tem moda (amodal)
c) 9, 9, 9, 12, 12, 12, 14, 14, 14, 17, 17, 17, 22, 22, 22.......................... Resposta: No tem moda (amodal)
d) 5, 6, 8, 8, 8, 10, 10, 11, 11, 11, 15...................................................... Resposta: Mo = 8 e 11 (bimodal)
e) Para os 60 valores do 5 exerccio de tabulamento (nmero dirio de peas defeituosas produzidas):
40
67
75
102
44
68
75
107
47 48
69 69
76 77
112
50
71
77
53
71
77
53
71
77
56
71
77
58
71
78
59
72
78
61
72
80
61
73
81
63
73
82
63
74
86
63
74
88
64
74
89
64
74
91
65
74
95
66
75
99
b) 35, 26, 17, 41, 26, 17, 30, 52, 35, 28, 26, 23 e 31
20
30
37
43
57
46
20
30
37
43
60
21
30
38
44
68
21
32
38
45
21
33
39
45
21
35
39
45
22
36
39
45
22
36
39
46
Md = mediana
M = mdia aritmtica
Exemplo: Determine a moda de Pearson para a seguinte tabela (1 exemplo de tabulamento dos dados):
37
46
55
64
73
82
91
100
L
|
|
|
|
|
|
|
|
46
55
64
73
82
91
100
109
f
3
4
8
11
19
10
4
1
N = 60
Soluo: Conforme calculado anteriormente para essa mesma tabela, a mdia aritmtica M = 73,0 (ver
pgina 36) e a mediana Md = 74,9 (ver pgina 44).
Da, Mo = 374,9 273,0 = 224,7 146,0, portanto, a moda de Pearson : Mo = 78,7 .
1
M o = l inf + i
1 + 2
onde l inf = limite inferior da classe modal (isto , limite inferior da classe de maior frequncia absoluta)
i = intervalo de classe
1 = diferena entre as frequncias absolutas da classe modal e da anterior
2 = diferena entre as frequncias absolutas da classe modal e da posterior
Exemplo: Determine a moda de Czuber para a seguinte tabela:
37
46
55
64
L
|
|
|
|
46
55
64
73
f
3
4
8
11
l inf = 73
82
19
82
91
100
|
|
|
91
100
109
10
4
1
N = 60
>
>
1 = 19 11 = 8
2 = 19 10 = 9
1
8
= 73 + 9
M o = linf + i
= 73 + 4,2 = 77,2 , portanto Mo = 77,2 .
8+9
1 + 2
47
L
|
|
|
|
|
|
|
|
46
55
64
73
82
91
100
109
f
3
4
8
11
19
10
4
1
N = 60
Soluo: Na tabela acima, a 5 classe a de maior frequncia absoluta, e o seu ponto mdio :
Mo =
linf + lsup
2
Mo =
73 + 82 155
=
= 77,5 , logo a moda bruta dessa tabela : Mo = 77,5 .
2
2
35
47
47
59
59
71
15
71
83
22
83
95
27
95
107
43
107
119
28
119
131
11
Calcule:
a) Mdia aritmtica
d) Moda de Czuber
b) Mediana
c) Moda de Pearson
e) Moda bruta
48
30
37
37
44
44
51
51
58
19
58
65
34
65
72
23
72
79
14
79
86
Calcule:
a) Mdia aritmtica
d) Moda de Czuber
b) Mediana
c) Moda de Pearson
e) Moda bruta
3. A tabela a seguir apresenta as quantidades dirias de clientes atendidos em certo departamento, durante
determinado perodo:
L
62
68
68
74
13
74
80
21
80
86
50
86
92
67
92
98
41
98
104
28
104
110
10
49
Calcule:
a) Mdia aritmtica
d) Moda de Czuber
b) Mediana
c) Moda de Pearson
e) Moda bruta
____________________________________________________
Respostas:
1. a) M = 92,1; b) Md = 95,8; c) Mo = 103,2; d) Mo = 101,2; e) Mo = 101
2. a) M = 61,0; b) Md = 61,8; c) Mo = 63,4; d) Mo = 62,0; e) Mo = 61,5
3. a) M = 88,4; b) Md = 88,6; c) Mo = 89,0; d) Mo = 88,4; e) Mo = 89
SEPARATRIZES
Separatriz (ou quantil) a medida de posio que divide uma distribuio em partes iguais.
Tambm se diz que a separatriz realiza um corte nos dados, que serve, entre outras coisas, para converter
variveis quantitativas em intervalares, classificar informaes socioeconmicas (por exemplo, renda,
lucratividade, endividamento etc.), estabelecer quantidades ou porcentagens de itens maiores ou menores que
certo referencial etc.
50%
50%
Md
(2) os 3 quartis, que dividem uma distribuio em quatro partes iguais, cada uma com 25% dos dados:
25%
25%
25%
Q1
Q2
25%
Q3
(3) e os 9 decis, que dividem uma distribuio em dez partes iguais, cada uma com 10% dos dados:
10%
10%
D1
10%
D2
10%
D3
10%
D4
10%
D5
10%
D6
10%
D7
10%
D8
10%
D9
(4) e os 99 centis ou percentis, que dividem uma distribuio em cem partes iguais, cada uma com 1% dos
dados:
1%
1%
C1
...
1%
C2
C3
...
C25
...
C50
...
C75
Observao:
Note que:
1%
1%
1%
N
F ant
= l inf + i 2
f med
L
|
|
|
|
|
|
|
|
|
25
30
35
40
45
50
55
60
65
f
3
4
6
14
20
12
8
4
1
N = 72
72
27
M d = 40 + 5 2
20
1
72 13
Q1 = 35 + 5 4
14
b) 1 quartil (Q1):
F
3
7
13
27
47
59
67
71
72
= 40 + 5 36 27 = 40 + 5 9 = 40 + 45 = 40 + 2 , 25 M d = 42 , 25
20
20
20
18 13
5
25
= 35 + 5
= 35 +
= 35 + 1,79 Q1 = 36 , 79
= 35 + 5
14
14
14
Interpretao do resultado do 1 quartil: 25% dos aparelhos apresentaram um rudo correspondente a 36,79
unidades ou menos.
c) 3 quartil (Q3):
72 47
54 47
= 45 + 5 .
Q3 = 45 + 5 4
= 45 + 2,92 Q3 = 47 ,92
12
12
d) 1 decil (D1):
72 7
= 30 + 5 7 , 2 7 = 30 + 0 ,17 D 1 = 30 ,17
D 1 = 30 + 5 10
6
6
e) 2 decil (D2):
72 13
= 35 + 5 14 , 4 13 = 35 + 0,50 D2 = 35 ,50
D2 = 35 + 5 10
14
14
f) 9 decil (D9):
9
72 59
D 9 = 50 + 5 10
= 50 + 5 64 ,8 59 = 50 + 3 , 625 D 9 = 53 , 62
g) 17 centil (C17):
17
72 7
12 , 24 7
= 30 + 5
C17 = 30 + 5 100
= 30 + 4 ,37 C17 = 34 ,37
6
6
h) 59 centil (C59):
59
72 27
C 59 = 40 + 5 100
20
i) 4 centil (C4):
= 40 + 5 42 , 48 27 = 40 + 3,87 C 59 = 43 ,87
20
72 0
3
3
52
EXERCCIOS
1. A tabela a seguir apresenta as idades, em anos, dos funcionrios que foram atendidos no ambulatrio mdico
de uma empresa durante certo perodo:
L
20
25
25
30
12
30
35
26
35
40
32
40
45
49
45
50
17
50
55
10
55
60
60
65
Determine:
a) Mediana
f) 9 decil
b) 1 quartil
g) 12 centil
c) 3 quartil
h) 83 centil
d) 1 decil
i) 94 centil
e) 4 decil
j) 1 centil
53
39
46
46
53
11
53
60
23
60
67
47
67
74
34
74
81
18
81
88
14
88
95
Determine:
a) Mediana
e) 8 decil
b) 1 quartil
f) 10 centil
c) 3 quartil
g) 21 centil
d) 2 decil
h) 92 centil
54
3. Um comerciante atacadista vende determinado produto em sacas, que deveriam conter 16,50 kg. A pesagem
de uma amostra de 40 sacas revelou os resultados representados na seguinte tabela:
L
14,55
15,05
15,05
15,55
15,55
16,05
16,05
16,55
16,55
17,05
10
17,05
17,55
17,55
18,05
Determine:
a) Mdia da distribuio
e) O septuagsimo centil
b) Mediana
f) O terceiro decil
Respostas:
1. a) 40,3;
b) 34,23; c) 44,29; d) 29,42; e) 38,03; f) 49,82; g) 30,33; h) 46,61; i) 52,82; j) 21,56
2. a) 66,1;
b) 60,15; c) 74,0;
d) 57,87; e) 77,11; f) 53,0;
g) 58,36; h) 85,60
3. a) 16,475; b) 16,494; c) 16,532; d) 16,650; e) 16,900; f) 16,050; g) 25%; h) 3,50
55
AMPLITUDE
Amplitude (ou intervalo) total: a diferena entre os valores extremos de uma distribuio. Para dados
tabulados, a diferena entre o maior limite superior e o menor limite inferior.
INTERVALO SEMIQUARTIL
Intervalo semiquartil: dado por: I S =
Q3 Q1
2
Obs.: Esta medida seria melhor que a amplitude total, pois no depende das medidas dos extremos, porm
possui dois defeitos: a) no depende de todas as medidas (somente de duas); b) despreza 50% dos
dados.
56
D =
d
n
onde
x
, isto , d = x m
n
n = total de dados
Obs.: Embora o desvio mdio seja uma medida de fcil compreenso, ele no muito utilizado como medida de
disperso, pois envolve a desvantagem de ignorarmos o sinal dos afastamentos em relao mdia
aritmtica, fato este que impede de us-lo em frmulas algbricas. Assim, preferimos outras medidas apresentam
propriedades matemticas mais interessantes, como, por exemplo, o desvio padro. Uma das aplicaes do
desvio mdio o controle de inventrios.
Desvio padro: a mdia quadrtica dos desvios das medidas em relao mdia aritmtica.
Intuitivamente, o desvio padro mede a variao entre valores, ou seja, mede a variabilidade da distribuio
em relao media.
O desvio padro a medida de disperso mais utilizada em Estatstica, pois indica, de forma mais
precisa, o grau de disperso dos dados em torno da mdia.
2
d 2
ou = x x
n
n n
(so equivalentes)
d 2
ou s =
n 1
nx 2 (x ) 2
n ( n 1)
(so equivalentes)
Observaes:
1) Como o desvio padro amostral tende a ser maior que o desvio padro populacional, BESSEL introduziu
no clculo do desvio padro amostral o seguinte fator de correo na frmula do desvio padro
populacional:
n
n 1
4
s
5
VARINCIA
A varincia das medidas x o quadrado do desvio padro dessas medidas.
2
A varincia populacional dada por: Var = , e a varincia amostral dada por: Var = s .
2
LEMBRETE:
29
28
39
56
44
53
249
m=
x
249
m=
m = 41,5 anos
n
6
d=xm
d
n
LEMBRETE:
29
29 41,5 = 12,5
12,5
28
28 41,5 = 13,5
13,5
39
39 41,5 = 2,5
2,5
DESVIO MDIO:
56
56 41,5 = + 14,5
14,5
44
44 41,5 = + 2,5
2,5
53
53 41,5 = + 11,5
11,5
os dados originais.
249
D=
D=
57 ,0
D = 9,5 anos
6
d = 57,0
.
d 2
.
n 1
LEMBRETE:
29
12,5
156,25
28
13,5
182,25
39
DESVIO PADRO:
2,5
6,25
56
14,5
210,25
44
2,5
6,25
53
11,5
0
132,25
249
s=
693,50
d 2
693,50
s=
= 138,70 s = 11,8 anos
n 1
6 1
58
d 693,50
=
Var = 138,70
n 1
6 1
..
Exemplos Complementares
d 2
693,50
=
= 115,58 = 10,8 anos
n
6
b) A varincia populacional.
Soluo:
A varincia (populacional) o quadrado do desvio padro (populacional), ou seja, na frmula acima (letra
a), a varincia o radicando encontrado, o qual corresponde a 115,58, portanto Var(x) = 115,58.
nx 2 (x ) 2
.
n ( n 1)
Soluo:
29
841
28
784
39
1.521
56
3.136
44
1.936
53
2.809
249
11.027
s=
nx 2 (x) 2
s=
n(n 1)
6 11027 (249) 2
66162 62001
=
6 (6 1)
65
s=
4161
= 138,70 s = 11,8 anos
30
59
2002
8,9
2003
10,3
2004
8,5
2005
11,2
2006
9,4
2007
11,0
2008
13,8
2009
14,6
Respostas:
a) 10,96; b) 1,69; c) Em mdia, h uma variao anual de 1,69 milho de hectares, para mais ou para menos, em relao mdia
aritmtica das reas plantadas de cana de acar; d) 2,22; e) 4,9341
60
2.
Numa regio de grande variao de energia eltrica, foram tomadas 9 medidas aleatoriamente escolhidas,
obtendo-se os seguintes valores, em Volts: 126, 104, 118, 97, 133, 122, 89, 127 e 112.
x
126
104
118
97
133
122
89
127
112
Respostas:
a) 114,2; b) 12,2; c) Em mdia, h uma variao de 12,2 V, para mais ou para menos, em relao mdia aritmtica da voltagem de
energia eltrica; d) 14,9; e) 221,44
61
Mode
29
28
39
56
44
53
Calculadoras Cientficas
(digitar)
(ver no visor)
2
M+
M+
M+
M+
M+
M+
Shift
Shift
2ndF
29
28
39
56
44
53
SD
1
(ver no visor)
ON/C
STAT
M+
1
M+
2
M+
3
M+
4
M+
5
M+
6
HP 12C (financeira)
(digitar)
f
29
28
39
56
44
53
CLX
(ponto)
+
+
+
+
+
+
(ver no visor)
m = 41,5 anos
e o desvio padro
m = 19,06 e s = 0,38
62
PLANILHA DO EXCEL
(clula)
(funo) fx
B
Idade
28
25
35
19
26
25
20
29
19
40
25
16
1
2
3
4
5
6
7
8
9
10
11
12
13
Respostas:
27,3
25,5
25
6,0
6,0
7,8
60,75
7,5
55,69
14
15
18
1.
2.
3.
19
4.
Amplitude
20
5.
6.
7.
8.
9.
Desvio mdio
Desvio padro amostral
Varincia amostral
Desvio padro populacional
Varincia populacional
16
17
21
22
23
24
No EXCEL:
=MDIA(B2:B13)
=MED(B2:B13)
=MODO(B2:B13)
=MXIMO(B2:B13)MNIMO(B2:B13)
=DESV. MDIO(B2:B13)
=DESVPADA(B2:B13)
=VARA(B2:B13)
=DESVPADP((B2:B13)
=VARP(B2:B13)
25
26
63
C o e f i c i e n t e d e V a r i a o d e P e a r s o n ( CV )
(KARL PEARSON: 18571936)
Trata-se de uma medida relativa de disperso, a qual utilizada para fazermos comparaes das disperses
das distribuies e que relaciona o desvio padro com a mdia aritmtica (isto , o coeficiente de variao
representa a porcentagem que o desvio padro da mdia aritmtica).
E X E M P L O S (coeficiente de variao)
1.
Um fabricante de caixas de papelo fabrica trs tipos de caixas para armazenamento de produtos em geral
(alimentos, medicamentos, peas, aparelhos, objetos etc.). Foram coletadas aleatoriamente amostras de 100
caixas de cada tipo, para determinar a presso necessria para romper cada caixa. Os resultados obtidos
so os seguintes:
Tipo de caixa
150
180
250
40
50
60
Determine:
a) Qual o coeficiente de variao de presso de ruptura de cada caixa?
Soluo:
O coeficiente de variao da caixa A : C VA =
sA
40
100 =
100 C V A = 26 ,67 %
mA
150
sB
50
100 =
100 C V B = 27 ,78 %
mB
180
sC
60
100 =
100 CV C = 24%
mC
250
64
2.
Em uma empresa, uma amostra aleatria dos salrios de seus funcionrios revelou que o salrio mdio
mensal dos homens de R$ 2.000,00, com um desvio padro de R$ 750,00, e o salrio mdio das
mulheres de R$ 1.500,00, com desvio padro de R$ 600,00.
CV H =
s
750,00
100 CV H =
100 C V H = 37 ,5 %
m
2000,00
CV M =
s
600,00
100 CV M =
100 CVM = 40%
m
1500,00
E X E R C C I O S (coeficiente de variao)
1.
Sucessivas medidas do dimetro de uma pea, efetuadas com um micrmetro, acusaram mdia de 2,49 mm
e desvio padro de 0,012 mm; e vrias medidas de comprimento natural de uma mola (no distendida)
efetuadas com outro micrmetro acusaram mdia de 0,75 polegada e desvio padro de 0,002 polegada.
65
2.
Um disk-pizza recebeu durante certo perodo uma mdia de 71,2 pizzas doces por semana, com um desvio
padro de 15,4 pizzas, e uma mdia de 263,4 pizzas salgadas por semana, com um desvio padro de 54,6
pizzas.
c) Qual desses dois tipos de pizzas apresentou maior variabilidade na quantidade semanal de pizzas
encomendadas?
3.
Uma mquina injetora de polipropileno foi ajustada funcionar nas velocidades 1, 2, 3 e 4 durante uma
semana em cada uma dessas velocidades e foram computadas as seguintes quantidades mdias, por hora,
de peas consideradas boas produzidas (por hora) e os respectivos desvios padres para cada uma dessas
velocidades:
1 semana (velocidade 1): m1 = 181 e s1 = 25
2 semana (velocidade 2): m2 = 203 e s2 = 29
3 semana (velocidade 3): m3 = 241 e s3 = 32
4 semana (velocidade 4): m4 = 268 e s4 = 38
a) Calcule o coeficiente de variao das produes obtidas em cada uma dessas velocidades.
b) Qual dessas quatro velocidades deve ser escolhida por apresentar uma produo de peas boas mais
constante?
Respostas:
1. a) CV1 = 0,48%; b) CV2 = 0,27%; c) o segundo micrmetro mais preciso
2. a) CV1 = 20,73%; b) CV2 = 21,63%; c) a pizza doce apresenta maior variao na quantidade de pedidos
3. a) 13,81%, 14,29%; 13,28% e 14,18%; b) Velocidade 3
66
f
N
( a letra grega delta, minscula) = desvios ou afastamentos dos pontos mdios das classes (x) em
fx
, isto , = x M
N
DESVIO PADRO:
a) Desvio padro populacional:
f
N
fx 2 fx
N
N
ou =
f 2
ou s =
N 1
N [ fx ] [ fx ]
N ( N 1)
(so equivalentes)
(so equivalentes)
14
Calcule:
14
20
a) Mdia aritmtica
20
26
b) Desvio mdio
26
32
15
32
38
11
d) Varincia
38
44
e) Coeficiente de variao
44
50
Soluo:
8
L
|
14
f
3
x
11
fx
33
-18,2
18,2
f
54,6
331,24
f
993,72
14
20
17
85
-12,2
12,2
61,0
148,84
744,20
20
26
23
184
-6,2
6,2
49,6
38,44
307,52
26
32
15
29
435
-0,2
0,2
3,0
0,04
0,60
32
38
11
35
385
5,8
5,8
63,8
33,64
370,04
38
44
41
246
11,8
11,8
70,8
139,24
835,44
44
50
47
94
17,8
17,8
35,6
316,84
633,68
N = 50
f x = 1.462
f = 338,4
fx 1.462
=
M = 29,2 anos
N
50
a)
Mdia aritmtica: M =
b)
Desvio mdio: D =
c)
d)
e)
f = 3.885,20
338 , 4
D = 6,8 anos
50
f
3.885,20
=
= 79,29 s = 8,9 anos
N 1
50 1
s
8 ,9
100 =
100 CV = 30,48%
M
29 , 2
67
A tabela abaixo apresenta as quantidades de pisos considerados defeituosos, de cada lote de mil unidades,
e as respectivas quantidades de lotes observados:
L
41
47
47
53
11
53
59
27
59
65
30
65
71
54
71
77
43
77
83
29
83
89
Calcule:
a) Mdia aritmtica
b) Desvio mdio
d) Varincia amostral
e) Coeficiente de variao
68
2.
A tabela abaixo apresenta o nmero dirio de clientes atendimentos de certo departamento de um centro
comercial durante determinado perodo:
L
72
81
15
81
90
38
90
99
57
99
108
71
108
117
47
117
126
27
126
135
12
Calcule:
a) Mdia aritmtica
b) Desvio mdio
d) Varincia amostral
e) Coeficiente de variao
69
M = Md = Mo .
b) Assimtrica negativa: quando a cauda mais alongada esquerda, ou seja, as frequncias mais altas
se encontram no lado direito da mdia, e isto ocorre quando
3(M M d )
3(M M d )
M Mo
ou AS =
e assimetria populacional: AS =
s
s
CURTOSE
A curtose nos d o grau de achatamento ou alongamento de uma curva de frequncias, podendo ser de trs
tipos:
a) Curva ou Distribuio de Frequncias MESOCRTICA: a curva de frequncias que apresenta um grau de
achatamento equivalente ao da curva normal, ou seja,
Q3 Q1
2 (D9 D1 )
onde, Q1 = 1 quartil
Q3 = 3 quartil
D1 = 1 decil
D9 = 9 decil
Se
E X E M P L O (assimetria e curtose)
O setor de manuteno de uma grande empresa de aparelhos eletrnicos registrou, para uma amostra
aleatria de telefones celulares de determinado modelo, os tempos, em dias, em que esses aparelhos
apresentaram algum tipo de defeito, conforme mostra a tabela abaixo. Calcular as medidas de assimetria e
curtose, e construir o grfico.
L
0
50
100
150
200
250
300
350
400
450
500
f
50
100
150
200
250
300
350
400
450
500
550
|
|
|
|
|
|
|
|
|
|
|
5
20
34
40
36
30
25
10
5
3
2
Soluo:
L
0
50
100
150
200
250
300
350
400
450
500
|
|
|
|
|
|
|
|
|
|
|
50
100
150
200
250
300
350
400
450
500
550
fx
5
20
34
40
36
30
25
10
5
3
2
5
25
59
99
135
165
190
200
205
208
210
25
75
125
175
225
275
325
375
425
475
525
125
1.500
4.250
7.000
8.100
8.250
8.125
3.750
2.125
1.425
1.050
192,6
142,6
92,6
42,6
7,4
57,4
107,4
157,4
207,4
257,4
307,4
37.094,76
20.334,76
8.574,76
1.814,76
54,76
3.294,76
11.534,76
24.774,76
43.014,76
66.254,76
94.494,76
f = 2.196.059,60
fx = 45.700
N = 210
M d = l inf
N
Fant
+ i 2
m med
f
185.473,80
406.695,20
291.541,84
72.590,40
1.971,36
98.842,80
288.369,00
247.747,60
215.073,80
198.764,28
188.989,52
210
99
M d = 200 + 50 2
= 200 + 8,3 Md = 208,3 dias
36
a)
Mediana:
b)
Mdia:
c)
d)
Assimetria:
e)
Concluso: A assimetria positiva (cauda mais alongada direita), o que acarreta que os valores esto
M=
fx
45.700
M =
M = 217,6 dias
N
210
AS =
s=
3 (M M d )
s
f 2 s =
N 1
AS =
2.196.059,60
= 10.507,46 s = 102,5 dias
210 1
3 ( 217,6 208,3)
102,5
AS = + 0,272
mais concentrados esquerda, ou seja, grande parte dos defeitos esto ocorrendo com uma quantidade
relativamente pequena de dias de uso.
72
f)
N Fant
4
Q1 = linf + i
f med
210 25
52,5 25
4
= 100+ 50
Q1 = 100+ 50
= 100+ 40,44
34
34
Q1 = 140,44 dias
N Fant
4
Q3 = linf + i
fmed
210135
4
30
Q3 = 287,50 dias
N Fant
D1 = linf + i 10
fmed
210 5
10
= 50 + 50 21 5 = 50 + 40,00
D1 = 50 + 50
20
20
D1 = 90,00 dias
9 Decil:
N Fant
D9 = linf + i 10
fmed
210165
= 300+ 50 189165 = 300+ 48,00
D9 = 300+ 50 10
25
25
D9 = 348,00 dias
j)
Curtose:
C =
1 Quartil:
g)
3 Quartil:
h)
1 Decil:
i)
Q3 Q1
2 ( D9 D1 )
C =
287,50 140,44
147,06
=
C = 0,285
k) Concluso: Como a curtose 0,285 > 0,263 (valor terico), ento a curva platicrtica (achatada), ou
seja, a distribuio mais heterognea, o que acarreta que certa quantidade de aparelhos est apresentando
defeito com pouco tempo de uso, outra quantidade est apresentando defeito aps algum tempo maior de dias
de uso, outra quantidade com um tempo bem maior de dias de uso e outra com um tempo muito maior ainda
de dias de uso.
l) Grfico do histograma com a curva de assimetria:
73
E X E R C C I O S (assimetria e curtose)
1.
42
49
49
56
56
63
15
63
70
26
70
77
41
77
84
34
84
91
20
91
98
Pede-se:
a) Mediana
b) Mdia aritmtica
f) 1 quartil
g) 3 quartil
74
h) 1 decil
i) 9 decil
Respostas: a) Md = 74,4; b) M = 73,9; c) s= 11,1; d) As = 0,135 assimetria negativa; e) houve maior concentrao de dias com maior
quantidade de peas defeituosas produzidas por essa mquina; f) Q1 = 66,63; g) Q3 = 81,84; h) D1 = 58,52; i) D9 = 88,41; j) C = 0,254
curva leptocrtica; k) os dados so mais homogneos, ou seja, as quantidades dirias de peas defeituosas, na maioria dos dias, no foi to
dispersa.
75
2.
L
147
153
153
159
159
165
165
171
13
171
177
11
177
183
183
189
189
195
Pede-se:
a) Mediana
b) Mdia aritmtica
f) 1 quartil
g) 3 quartil
76
h) 1 decil
i) 9 decil
Respostas: a) Md = 170,8; b) M = 171,2; c) s = 13,0; d) As = + 0,092 assimetria positiva; e) os tempos de realizao desses
experimentos ficaram mais concentrados nos valores mais baixos (isto , com menor tempo de durao); f) Q1 = 160,69; g) Q3 = 181,50;
h) D1 = 153,20; i) D9 = 190,13; j) C = 0,282 curva platicrtica; k) os dados so mais heterogneos, ou seja, os tempos de realizao desse
experimento foram mais dispersos.
77
EXERCCIOS
DE
R E V I S O (Estatstica Descritiva)
Para verificar os problemas de acidentes ocorridos com os veculos das empresas transportadoras em certa rodovia, a
polcia rodoviria colocou (sem nenhum aviso) um radar eletrnico em um lugar estratgico, para medir as velocidades dos
caminhes do tipo ba que transitaram pelo local em determinado dia, durante o perodo da manh. A distribuio abaixo
nos d as velocidades, em km/h, dos 75 veculos desse tipo, registradas no perodo verificado:
89
93
96
98
98 101 102 102 104 105 106 108 109 109 110 110 110 111 111
112 112 113 113 114 114 114 114 114 114 114 115 115 115 116 116 116 116 116
116 116 117 117 117 118 118 118 119 119 119 119 119 119 119 120 120 120 121
121 121 122 122 123 123 124 125 125 126 127 127 127 128 128 129 131 133
Com base nesses dados, pede-se:
1) Mdia aritmtica simples das velocidades (isto , mdia para dados no tabulados);
2) Mediana das velocidades, para dados no tabulados;
3) Moda das velocidades, para dados no tabulados;
4) Fazer o tabulamento dessas velocidades (isto , construir a tabela de frequncias);
5) Frequncias absolutas relativas da tabela do item 4;
6) Frequncias absolutas percentuais da tabela do item 4;
7) Frequncias acumuladas da tabela do item 4;
8) Frequncias acumuladas relativas da tabela do item 4;
9) Frequncias acumuladas percentuais da tabela do item 4;
10) Mdia aritmtica das velocidades, para dados tabulados (ver tabela encontrada no item 4);
11) Por que os resultados dos itens 1 e 10 geralmente so diferentes?;
12) Mediana das velocidades, para dados tabulados;
13) Moda das velocidades, para dados tabulados (1 estimativa);
14) Moda das velocidades, para dados tabulados (2 estimativa);
15) 1 quartil (para a tabela do item 4);
16) 3 quartil (para a tabela do item 4);
17) 1 decil (para a tabela do item 4);
18) 2 decil (para a tabela do item 4);
19) 5 decil (para a tabela do item 4);
20) 6 decil (para a tabela do item 4);
21) 9 decil (para a tabela do item 4);
22) 25 centil (para a tabela do item 4);
23) 38 centil (para a tabela do item 4);
24) 91 centil (para a tabela do item 4);
25) 3 centil (para a tabela do item 4);
26) Amplitude das velocidades para dados no tabulados (isto , para os 75 valores do enunciado);
27) Amplitude das velocidades para os dados tabulados (isto , para os dados da tabela do item 4);
28) Desvio mdio das velocidades, para dados no tabulados, somente para os dez primeiros valores da 1 linha do quadro
acima (de 89 a 105);
29) Qual a interpretao para o resultado encontrado no item 28?;
30) Desvio padro populacional das velocidades, para dados no tabulados, dos sete primeiros valores da ltima linha do
quadro acima (de 121 a 124);
31) Desvio padro amostral das velocidades, para dados no tabulados, dos oito ltimos valores da ltima linha do quadro
acima (de 127 a 133);
32) Desvio mdio das velocidades, para dados tabulados (ver tabela encontrada no item 4);
33) Desvio padro (amostral) das velocidades, para dados tabulados (ver tabela encontrada no item 4);
34) Varincia para os resultados encontrados no item 33;
35) Coeficiente de variao para os resultados do item 33;
36) Qual a interpretao para o resultado encontrado no item 35?;
37) A medida de assimetria para os dados da tabela encontrada no item 4;
38) O tipo e a interpretao da assimetria encontrada no item 37;
39) A medida de curtose para os dados da tabela encontrada no item 4;
40) O tipo e a interpretao da curtose encontrada no item 39;
41) Construa o Histograma para a tabela encontrada no item 4;
42) Construa o Polgono de Frequncias para a tabela encontrada no item 4.
Respostas:
4)
5)
6)
7)
8)
9)
1)
17) 103,17
27) 45
L
f
fr
fp
F
Fr
Fp
115,4
2)
18) 110,36
28) 4,0
116
89
94
2
0,027
2,7%
|
0,027
2,7%
2
3)
19) 117,2
30) 1,0
94
99
3
0,067
6,7%
|
0,040
4,0%
5
114, 116
e 119
20) 118,78
31) 2,2
99
104
3
0,107
10,7%
|
0,040
4,0%
8
10) 116,1
21) 126,5
32) 6,4
104
109
4
0,160
16,0%
|
0,053
5,3%
12
12) 117,2
22) 112,07
33) 8,8
109
114
11
0,307
30,7%
|
0,147
14,7%
23
13) 119,4
23) 115,20
34) 78,22
114
119
23
0,613
61,3%
|
0,307
30,7%
46
14) 117,3
24) 126,92
35) 7,58%
119
124
17
0,840
84,0%
|
0,227
22,7%
63
15) 112,07
25) 94,42
37) 0,375
124
129
9
0,960
96,0%
|
0,120
12,0%
72
16) 122,01
26) 44
39) 0,213
129
134
3
1,000
100%
|
0,040
4,0%
75
11) No exerccio 1, os valores so os dados reais e no exerccio 10 no
29) Espera-se que, em mdia, haja uma variao nas velocidades de 4 km/h, p/ mais ou p/ menos, em relao velocidade mdia
36) O desvio padro corresponde a 7,58% da mdia aritmtica
38) Assimetria negativa, ou seja, as velocidades esto concentradas nos valores mais baixos
40) Curva leptocrtica, ou seja, os dados so mais homogneos, isto , a maioria das velocidades no muito dispersa
78
PROBABILIDADES
(2 ramo da Estatstica)
Introduo
Um pouco de histria
79
(I)
(II)
(III)
(IV)
Exemplos
1)
2)
Espao amostral
a)
S = { cara, coroa }
b)
S = { defeituosa, no defeituosa }
c)
S = { comprar, no comprar }
d)
(VI)
Interseco de dois eventos: A Interseco do evento A com B, denotada por AB, a ocorrncia
simultnea de A e B.
Exemplo: No exemplo anterior, interseco dos dois eventos A = { 1, 3, 5 } e B = { 4, 5, 6 } :
AB = { 5 }, ou seja, o nmero 5, que est em A e ao mesmo tempo em B, pois o nmero que ao
mesmo tempo mpar e maior do que 3.
80
(X)
Eventos equiprovveis: Os eventos e1, e2, e3, ... , en so equiprovveis quando as probabilidades de
ocorrncia de cada um desses eventos so todas iguais, isto , p(e1) = p(e2) = p(e3) = ... = p(en).
Exemplo: No experimento: lanamento de um dado, o espao amostral S = { 1, 2, 3, 4, 5, 6 }.
As probabilidades desses eventos so: p(1) = p(2) = p(3) = p(4) = p(5) = p(6) =
(XI)
1
6
81
PROBABILIDADE
SIMPLES
A probabilidade de ocorrncia de um evento (p) definida como o quociente do nmero de casos favorveis
(n) ocorrncia desse evento, pelo nmero total de resultados possveis (N) de ocorrncias do mesmo fato,
isto ,
p=
n
.
N
p+q=1
(100%).
q=1p.
Regra da Adio
Aplica-se a Regra da Adio de dois eventos A e B, que denota-se por P(A ou B), para encontrar a
probabilidade de ocorrncia do evento A, ou do evento B, ou ocorrncia de ambos, em uma nica prova.
ou
onde P(A e B) = P(AB) a probabilidade dos eventos a e B ocorrerem ao mesmo tempo como resultado de
uma prova do experimento.
Se A e B so eventos disjuntos (isto , AB = ), ento
Regra da Multiplicao
Enquanto que a Regra da Adio para calcular a probabilidade da unio de dois eventos, a Regra da
Multiplicao para calcular a probabilidade da interseco de dois eventos.
Assim, para dois eventos independentes A e B, a probabilidade da ocorrncia de A e B :
P(AB) = P(A) P(B)
Regra Intuitiva da Multiplicao: Para calcular a probabilidade de ocorrncia do evento A em uma prova e
do evento B na prova seguinte, multiplique a probabilidade do evento A pela probabilidade do evento B, mas
verifique se a probabilidade deste ltimo leva em considerao a ocorrncia prvia do evento A.
Obs.: Quando o 3 algarismo significativo de uma probabilidade escrita na forma decimal for zero, podemos
desprez-lo. Por exemplo, a probabilidade:
82
E X E M P L O S (probabilidades simples)
1. Jogando-se um dado para o ar, determine a probabilidade de se obter um nmero menor que 3.
Soluo:
p=
n 2 1
= = ou 0,333 (33,3%)
N 6 3
2. Num certo final de semana, o Departamento de Trnsito registrou um movimento em determinado trecho de
certa rodovia de 12.358 veculos, tendo uma ocorrncia de 32 multas por infrao de trnsito. Determine a
probabilidade de ocorrncia de infrao de trnsito nesse trecho de rodovia.
32
16
=
= 0,00259 (0, 259%)
12358 6179
Observao: A probabilidade do 1 exemplo chama-se Probabilidade Matemtica ou Dedutiva ou a priori; e
Soluo:
p=
p=
10
1
=
= 0,10(10%)
100 10
1
= 0,167 (16,7%)
6
b) Nmero maior que 2 (isto , 3, 4, 5 ou 6).
4 2
Soluo:
p = = = 0,667 (66,7%)
6 3
5. Uma empresa possui 105 funcionrios, sendo 77 homens e 28 mulheres. Escolhendo-se aleatoriamente um
desses funcionrios para ser homenageado, determine a probabilidade de que seja sorteado um homem.
77 11
Soluo:
p=
=
= 0,733(73,3%)
105 15
Soluo:
p=
105
28
77
1
resto
77
21
28
2
28
7
21
1
m.d.c.
resto
numerador
1 resto
4 resto
(ltimo)
105
77
28
21
2 resto
3 resto
m.d.c.
77
77 : 7 11
Assim, p =
=
=
= 0,733(73,3%)
105 105 : 7 15
83
21
0
7
3
6.
Numa caixa tem-se 30 bolas brancas, 15 pretas e 9 azuis. Retirando-se uma bola dessa caixa, determine a
probabilidade de que a cor dessa bola:
a)
Seja branca.
Soluo:
p=
30 30 : 6 5
=
= = 0,556 (55,6%)
54 54 : 6 9
54
30
24
m.d.c.
b)
Soluo:
1 modo: p =
30 + 9 39 39 : 3 13
=
=
=
= 0,722 (72,2%)
54
54 54 : 3 18
54
39
15
m.d.c.
2 modo:
Probabilidade de que a bola seja branca: p1 =
Probabilidade de que a bola seja azul: p 2 =
30
54
9
54
p = p1 + p 2 =
c)
30 9 30 + 9 39 13
+
=
=
=
= 0,722 (72,2%)
54 54
54
54 18
No seja azul.
Soluo:
1 modo:
A probabilidade de que as bolas que no sejam azuis, isto , brancas (30) ou pretas (15), :
p=
30 + 15 45 45 : 9 5
=
=
= = 0,833(83,3%)
54
54 54 : 9 6
2 modo:
A probabilidade da bola ser de cor azul : p =
9
= 0,167
54
q =1 p q =1
ou
9 54 9 45
=
=
= 0,833(83,3%)
54
54
54
q = 1 p = 1 0,167 = 0,833(83,3%)
7. Numa sala com 40 alunos, qual a probabilidade de, escolhendo um aluno qualquer, ele ter nascido num
sbado?
Soluo:
p=
1
= 0,143(14,3%)
7
8. A comisso de formatura de uma classe fez uma rifa com nmeros de 1 a 1.000. Sabendo que os alunos
dessa classe compraram todos os nmeros com trs algarismos, determine a probabilidade de que o sorteado
seja um aluno dessa classe.
Soluo:
p=
900
9
=
= 0,90(90%)
1.000 10
84
NAIPES DO BARALHO
Paus
Espadas
Ouros
Copas
(pretas)
(pretas)
(vermelhas)
(vermelhas)
REI (figura)
DAMA (figura)
VALETE (figura)
J
10
9
8
7
6
5
4
K
Q
J
10
9
8
7
6
5
4
3
2
A
K
Q
J
10
9
8
7
6
5
4
3
2
A
K
Q
J
10
9
8
7
6
5
4
3
2
A
(nmero)
(nmero)
(nmero)
(nmero)
(nmero)
(nmero)
(nmero)
(nmero)
(nmero)
2
A
S (letra)
Soluo:
p=
4
1
=
= 0,0769 (7,69%)
52 13
13 1
= = 0,25( 25%)
52 4
10. Num sorteio de nmeros de 1 a 100, determine a probabilidade de que o nmero sorteado:
a) Tenha dois algarismos iguais.
Soluo:
O evento : { 11, 22, 33, 44, 55, 66, 77, 88, 99, 100 }. A probabilidade : p =
10
1
=
= 0,10 (10 %) .
100 10
9
= 0,090(9%) .
100
82 41
=
= 0,82(82%) .
100 50
Obs.: O nmero 100 faz parte do evento, pois um nmero que possui dois algarismos distintos: o 0 e o 1.
d)
Soluo:
Os nmeros que NO fazem parte do evento (isto , que tm apenas um algarismo, ou dois algarismos
iguais, ou trs algarismos), so: 1, 2, 3, 4, 5, 6, 7, 8, 9, 11, 22, 33, 44, 55, 66, 77, 88, 99 e 100 (ou seja, so 19
nmeros que no servem e 81 que fazem parte do evento).
Portanto, a probabilidade pedida : p =
81
= 0,81(81%) .
100
85
11. Cada um dos dois jogadores A e B, lana um dado uma s vez. Vence quem tirar o maior nmero. Se o
jogador A tirar o nmero 2, qual a probabilidade de:
a) A ganhar?
Soluo:
Como o jogador A tirou o nmero 2, o espao amostral S possui 6 elementos (pares ordenados), ou seja,
S = { (2, 1), (2, 2), (2, 3), (2, 4), (2, 5), (2, 6) }
O evento : { (2, 1) }, pois o jogador A somente ganha se o nmero que ele tirou for maior que o nmero que
o jogador B tirar; como o jogador A tirou o 2, ele s ter uma chance de ganhar, que ser se o jogador B tirar o
nmero 1. Logo, a probabilidade : p =
1
= 0,167 (16,7%) .
6
b) B ganhar?
Soluo:
O evento : { (2, 3), (2, 4), (2, 5), (2, 6) }, pois o jogador B somente ganha se o nmero que ele tirar for maior
que o nmero que o jogador A tirou, que foi o 1, portanto o jogador B ter 4 chances, que correspondem aos
nmeros 3, 4, 5 ou 6.
Logo, a probabilidade : p =
4 2
= = 0,667 (66,7%) .
6 3
c) Haver empate?
Soluo:
O evento : { (2, 2) }, pois se o jogador A tirou o 2, somente haver empate se o jogador B tambm tirar o
nmero 2.
Portanto, a probabilidade : p =
1
= 0,167 (16,7%) .
6
12. Jogando ao acaso uma moeda e um dado, qual a probabilidade de ocorrer coroa e nmero menor que 4.?
Soluo:
A probabilidade de obter coroa em uma moeda : p1 =
1
2
3
6
Como queremos a probabilidade de obter dois acontecimentos distintos e simultneos, devemos aplicar a
Regra da Multiplicao, ou seja,
p = p1 p 2 =
1 3 3 1
=
= = 0,25( 25%)
2 6 12 4
DADO
1
2
3
4
5
6
1
2
3
4
5
6
Casos
POSSVEIS:
( C, 1 )
( C, 2 )
( C, 3 )
( C, 4 )
( C, 5 )
( C, 6 )
( K, 1 )
( K, 2 )
( K, 3 )
( K, 4 )
( K, 5 )
( K, 6 )
86
p=
3 1
= = 0,25( 25%)
12 4
13. Arremessando-se um dado duas vezes sucessivas, qual a probabilidade de sair o nmero 6 na primeira
jogada e no sair na segunda?
Soluo: 1 modo:
O espao amostral formado por 36 elementos (pares ordenados): S = { (1,1), (1,2), (1,3), (1,4), (1,5), (1,6),
(2,1), (2,2), (2,3), (2,4), (2,5), (2,6), (3,1), (3,2), (3,3), (3,4), (3,5), (3,6), (4,1), (4,2), (4,3), (4,4), (4,5), (4,6), (5,1), (5,2), (5,3),
(5,4), (5,5), (5,6), (6,1), (6,2), (6,3), (6,4), (6,5), (6,6) } e o evento formado por 5 elementos (pares ordenados): { (6,1),
5
= 0,139(13,9%) .
36
2 modo:
Primeiro experimento: primeiro arremesso do dado. O espao amostral : { 1, 2, 3, 4, 5, 6 } e o evento sair
o nmero 6 : { 6 }. Logo, a probabilidade de sair o 6 na primeira jogada : p1 =
1
.
6
5.
6
1 5 5
=
= 0,139 (13,9%) .
6 6 36
14. Numa caixa h 12 bolas, sendo 4 pretas e 8 brancas. Noutra caixa h 10 bolas, sendo 6 pretas e 4 brancas.
Tirando ao acaso uma bola de cada caixa, qual a probabilidade de que a bola retirada da primeira caixa seja
preta e a da segunda seja:
a) Branca?
4 1
= e a probabilidade de sair bola branca
12 3
4 2
1 2 2
na segunda caixa: p 2 =
= . Logo, a probabilidade pedida : p = p1 p 2 = =
= 0,133(13,3%) .
10 5
3 5 15
Soluo: A probabilidade de sair bola preta na primeira caixa: p1 =
b) Preta, tambm?
4 1
= e a probabilidade de sair bola preta
12 3
6 3
1 3 3 1
na segunda caixa: p 2 =
= . Portanto, a probabilidade pedida : p = p1 p 2 = =
= = 0,20( 20%) .
10 5
3 5 15 5
15. Arremessando 3 moedas para o ar, determine a probabilidade de se obter duas caras e uma coroa, sendo:
a) Pela Regra da Multiplicao.
Soluo: Considere a s seguintes probabilidades: p1 = probabilidade se sair cara na 1 moeda ( p1 =
1
),
2
Como as duas caras e uma coroa podem sair de 3 modos diferentes nas trs moedas, ou seja, CCK, CKC e
p = 3 p1 p 2 p 3 = 3
3
1 1 1
p = = 0,375 (37 ,5%)
8
2 2 2
Cara
Coroa
p=
N de casos favorveis
N de casos possveis
2moeda
Cara
Coroa
Cara
Coroa
p=
3moeda
Cara
Coroa
Cara
8 casos possveis:
>
>
Coroa
Cara
>
Coroa
Cara
Coroa
3
= 0,375 (37 ,5%)
8
87
(C, C, C)
(C, C, K)
(C, K, C)
(C, K, K)
(K, C, C)
(K, C, K)
(K, K, C)
(K, K, K)
1 caso favorvel
2 caso favorvel
3 caso favorvel
E X E R C C I O S (probabilidades simples)
1.
Um estudo de 500 voos da American Airlines selecionados aleatoriamente, mostrou que 430 chegaram no
horrio (com base em dados do Ministrio dos Transportes). Qual a probabilidade estimada de um voo
dessa empresa chegar no horrio?
2.
Uma bola retirada ao acaso de uma urna que contm 6 bolas vermelhas, 8 pretas e 4 verdes. Determine a
probabilidade dessa bola:
a) No ser preta.
b) No ser verde.
c) Ser vermelha.
3.
Uma turma de Estatstica dos cursos das engenharias formada por 26 alunos de Engenharia de Produo,
16 de Engenharia Eltrica, 11 de Engenharia Qumica e 7 de Engenharia Ambiental. Se um desses alunos
sorteado aleatoriamente para participar de uma pesquisa, determine a probabilidade de que esse aluno:
a) Seja um estudante de Engenharia de Produo.
c) No seja um estudante de Engenharia
Eltrica.
5.
b) Falhe ou se deforme.
88
7.
A tabela abaixo nos d as porcentagens dos tipos de acidentes e os turnos de trabalhos, registrados por uma
empresa no ano passado:
Turno
Condies
inseguras
Erro humano
Matutino
5%
32%
Vespertino
6%
25%
Noturno
2%
30%
Escolhendo-se aleatoriamente um dos acidentes registrados, determine a probabilidade de que esse acidente
tenha ocorrido:
a) Durante o turno noturno.
f)
8.
f)
10. Numa caixa h 12 bolas, sendo 4 pretas e 8 brancas. Noutra caixa h 10 bolas, sendo 6 pretas e 4 brancas.
Tirando ao acaso uma bola de cada caixa, qual a probabilidade de que:
a) A bola retirada da primeira caixa seja preta e a da b) A bola tirada da primeira caixa seja preta e da
segunda seja branca?
segunda tambm?
89
11. Numa caixa h 20 peas, sendo 12 boas e 8 defeituosas. Noutra caixa h 15 peas, sendo 10 boas e 5
defeituosas. Tirando ao acaso uma pea de cada caixa, qual a probabilidade de que:
a) A pea retirada da primeira caixa seja boa e a da e) Ambas sejam boas ou defeituosas?
segunda seja defeituosa?
f)
12. Numa caixa h fichas numeradas de 1 a 9 e, em outra, de 11 a 19. Tirando-se uma ficha de cada caixa, qual
a probabilidade de que:
a) As duas fichas tenham nmeros pares?
c) A primeira tenha nmero par e a segunda mpar?
13. Numa caixa h fichas numeradas de 1 a 9. Retirando-se duas fichas, sem reposio, determine a
probabilidade de que a segunda ficha sorteada seja mpar, sabendo que na primeira retirada saiu nmero
par.
14. Temos um baralho comum de 52 cartas de onde sero retiradas duas cartas, sem reposio. Determine as
seguintes probabilidades:
a) Nmero par na primeira carta retirada e figura na d) A segunda carta retirada seja um rei sabendo que
segunda.
na primeira saiu um rei.
90
15. Peas produzidas por uma mquina so classificadas em trs categorias: defeituosas, recuperveis e
perfeitas, com probabilidade de 10%, 20% e 70%, respectivamente. De um grande lote dessas peas, foram
sorteadas duas delas e observada sua classificao. Determine a probabilidade de:
a) As duas peas serem defeituosas.
c) Uma ser recupervel e uma perfeita.
16. Cada caixa de determinado tipo de componente eletrnico possui 80 unidades. Foi escolhida aleatoriamente
uma das caixas para testar e classificar esses componentes quanto sua durabilidade. A tabela abaixo
apresenta os resultados obtidos:
Durabilidade
Quantidade
Muito ruim
Abaixo da mdia
13
Mdia
16
Acima da mdia
23
Excelente
20
b) Mdia ou excelente.
e) Mdia ou pior.
17. Uma urna contm 6 bolas brancas e 4 pretas; outra contm 7 brancas e 5 pretas. Se for retirada uma bola de
cada urna, determine a probabilidade de:
a) Ambas serem brancas.
c) Ambas serem da mesma cor.
91
18. Retiram-se duas bolas de uma caixa que contm 2 brancas e 3 pretas. Determine a probabilidade da 1 bola
ser branca e a 2 preta, sendo:
a) Com reposio.
b) Sem reposio.
19. Um nmero inteiro escolhido aleatoriamente dentre os nmeros 1, 2, 3, ... , 49, 50. Determine a
probabilidade desse nmero:
a) Ser par.
d) Terminar em 3.
20. Um nmero inteiro escolhido aleatoriamente entre 10 e 30. Determine a probabilidade desse nmero:
a) Ser par.
c) O nmero ser divisvel por 6 ou por 8.
22. Retirando-se uma carta de um baralho comum de 52 cartas, determine a probabilidade de sair:
a) Uma carta vermelha.
c) Um valete.
92
23. A tabela abaixo nos d a idade e estado civil de uma amostra de 150 funcionrios de uma empresa:
Estado Civil
Idade
(em anos)
Solteiro
Casado
Menos de 20
77
20 a 40
22
16
Mais de 40
21
f)
24. Joo e Pedro esto disputando um final de torneio de tiro ao alvo. A probabilidade de Joo acertar o alvo
1/2 e de Pedro acertar 3/5. Qual a probabilidade do alvo ser atingido se ambos atirarem no alvo?
25. Sabe-se que um meteorito se encaminha (aleatoriamente) para a Terra. Qual a probabilidade de que uma
cidade que tem 36 km ser atingida por esse meteorito? (A rea da superfcie da Terra de,
aproximadamente, 518 milhes de km).
26. Se as probabilidades de que em uma oficina mecnica sejam consertados 3, 4, 5, 6, 7 ou 8 ou mais carros
em qualquer dia de trabalho so, respectivamente, 0,12; 0,19; 0,28; 0,24, 0,10 e 0,07, determine a
probabilidade de que nessa oficina sero consertados pelo menos cinco carros em seu prximo dia de
trabalho?
27. Em uma empresa que tem um total de 2.627 funcionrios, foi feito um levantamento sobre os doadores de
sangue e constatou-se que 568 so doadores de sangue. Qual a probabilidade de que um funcionrio
dessa empresa aleatoriamente escolhido seja doador de sangue?
93
28. Em um jogo de moedas, o jogador ganha se tirar duas caras consecutivas. Sabe-se que um jogador jogou
uma moeda duas vezes e saiu cara em uma das jogadas. Qual a probabilidade de o jogador ter ganho?
(Dica: Construa o Diagrama da rvore)
29. A probabilidade de um homem estar vivo daqui a 25 anos de 3/5, e a de sua mulher tambm estar viva na
mesma ocasio de 2/3. Determine a probabilidade de que, daqui a 25 anos:
a) Ambos estejam vivos.
c) Somente a mulher esteja viva.
30. As probabilidades de trs motoristas serem capazes de dirigir at sua casa com segurana, depois de beber,
so 1/3, 1/4 e 1/5, respectivamente. Se decidirem dirigir at em casa, depois de beber numa festa, determine
a probabilidade de:
a) todos os trs motoristas sofrerem acidentes. b) Pelo menos um dos motoristas dirigir at em casa salvo.
Respostas:
1. 43/50 = 0,86 (86%)
2. 667/1750 = 0,381 (38,1%)
3. a) 5/9 = 0,556 (55,6%); b) 7/9 = 0,778 (77,8%); c) 1/3 = 0,333 (33,3%)
4. a) 1/2 = 0,50 (50%); b) 6/11 = 0,545 (54,5%)
5. a) 13/30 = 0,433 (43,3%); b) 3/10 = 0,30 (30%); c) 11/15 = 0,733 (73,3%)
6. a) 0,80 (80%); b) 0,55 (55%)/; c) 0,45 (45%)
7. a) 32%; b) 87%; c) 13%; d) 63%; e) 5%; f) 25%
8. a) 5/36 = 0,139 (13,9%); b) 2/9 = 0,222 (22,2%)
9. a) 1/36 = 0,0278 (2,78%); b) 25/36 = 0,694 (69,4%); c) 5/36 = 0,139 (13,9%); d) 5/36 = 0,139 (13,9%); e) 5/18 = 0,278 (27,8%);
f) 11/36 = 0,306 (30,6%)
10. a) 2/15 = 0,133 (13,3%); b) 1/5 = 0,20 (20%)
11. a) 1/5 = 0,20 (20%); b) 4/15 = 0,267 (26,7%); c) 2/5 = 0,40 (40%); d) 2/15 = 0,133 (13,3%); e) 8/15 = 0,533 (53,3%);
f) 1/3 = 0,333 (33,3%); g) 7/15 = 0,467 (46,7%); h) 13/15 = 0,867 (86,7%)
12. a) 16/81 = 0,198 (19,8%); b) 25/81 = 0,309 (30,9%); c) 20/81 = 0,247 (24,7%); d) 40/81 = 0,494 (49,4%)
13. 5/8 = 0,625 (62,5%)
14. a) 20/221 = 0,0905 (9,05%); b) 13/102 = 0,127 (12,7%); c) 11/221 = 0,0498 (4,98%); d) 1/17 = 0,0588 (5,88%); e) 12/13 = 0,923 (92,3%)
15. a) 0,01 (1%); b) 0,91 (91%); c) 0,28 (28%); d) 0,40 (40%)
16. a) 23/80 = 0,288 (28,8%); b) 9/20 = 0,45 (45%); c) 21/80 = 0,262 (26,2%); d) 59/80 = 0,738 (73,8%); e) 37/80 = 0,462 (46,2%)
17. a) 7/20 = 0,350 (35%); b) 1/6 = 0,167 (16,7%); c) 31/60 = 0,517 (51,7%); d) 29/60 = 0,483 (48,3%)
18. a) 6/25 = 0,24 (24%); b) 3/10 = 0,30 (30%)
19. a) 1/2 = 0,50 (50%); b) 7/50 = 0,14 (14%); c) 1/5 = 0,20 (20%); d) 1/10 = 0,10 (10%); e) 6/25 = 0,24 (24%); f) 2/25 = 0,08 (8%)
20. a) 9/19 = 0,474 (47,4%); b) 3/19 = 0,158 (15,8%); c) 4/19 = 0,211 (21,1%); d) 1/19 = 0,0,0526 (5,26%)
21. a) 1/6 = 0,167 (16,7%); b) 5/12 = 0,417 (41,7%); c) 1/4 = 0,25 (25%); d) 1/6 = 0,167 (16,7%)
22. a) 1/2 = 0,50 (50%); b) 1/4 = 0,25 (25%); c) 1/13 = 0,0769 (7,69%); d) 3/26 = 0,115 (11,5%)
23. a) 3/10 = 0,30 (30%); b) 11/75 = 0,147 (14,7%); c) 9/50 = 0,18 (18%); d) 77/150 = 0,513 (51,3%); e) 13/30 = 0,433 (43,3%);
f) 83/150 = 0,553 (55,3%)
24. 4/5 = 0,80 (80%)
25. 18/259000000 = 0,0000000695 (0,00000695%)
26. 0,69 (69%)
27. 8/37 = 0,216 (21,6%)
28. 1/3 = 0,333 (33,3%)
29. a) 2/5 = 0,40 (40%); b) 1/5 = 0,20 (20%); c) 4/15 = 0,267 (26,7%); d) 13/15 = 0,867 (86,7%)
30. a) 2/5 = 0,40 (40%); b) 3/5 = 0,60 (60%)
94
ANLISE COMBINATRIA
Para podermos desenvolver o estudo sobre as distribuies de probabilidades, precisamos aplicar os
conceitos da Anlise Combinatria, que a parte da Matemtica que estuda o nmero de possibilidades de
ocorrncia de um determinado acontecimento (evento) sem, necessariamente, descrever todas as possibilidades.
Tem por objetivo resolver problemas atravs de agrupamentos de elementos de um conjunto, sendo um
importante instrumento para as cincias aplicadas, como a Engenharia, a Medicina e a Estatstica, entre outras.
PRINCPIO
FUNDAMENTAL
DA
CONTAGEM
Se um acontecimento pode ocorrer por vrias etapas sucessivas e independentes, de tal modo que:
n2 = 4 (nmero de camisas)
n3 = 2 (nmero de gravatas), temos, ento, o seguinte total (n) de modos pelos quais esse
homem poder vestir-se: n1 n2 n3 = 3 4 2 = 24 modos
Uma forma de visualizarmos todos esses modos atravs do Diagrama da rvore (ou diagrama
sequencial) assim representado:
95
FATORIAL
Sendo n um nmero natural maior que 1, define-se fatorial de n, e indica-se por n! (l-se: n fatorial ou
fatorial de n) a expresso:
n! = n ( n 1) (n 2) K 3 2 1
0! = 1
1! = 1
Definies especiais:
Exemplos
1)
3! = 321 = 6
2)
5! = 54321 = 120
3)
7! = 7654321 = 5040
4)
ARRANJOS
SIMPLES
Chamam-se arranjos simples todos os agrupamentos de p elementos, todos distintos, que podemos
formar com n elementos distintos, sendo p n. Cada um desses agrupamentos se diferencia de outro pela
ordem ou natureza de seus elementos.
A frmula :
An, p =
n!
(n p)!
Exemplos
1.
Soluo:
So eles:
2.
A5,2 =
5!
5 4 3!
=
= 5 4 = 20.
(5 2)!
3!
1 nmero
12
11 nmero
34
2 nmero
13
12 nmero
35
3 nmero
14
13 nmero
41
4 nmero
15
14 nmero
42
5 nmero
21
15 nmero
43
6 nmero
23
16 nmero
45
7 nmero
24
17 nmero
51
8 nmero
25
18 nmero
52
9 nmero
31
19 nmero
53
10 nmero
32
20 nmero
54
Soluo:
A8,3 =
8!
8 7 6 5!
=
= 8 7 6 = 336.
(8 3)!
5!
96
PERMUTAO
SIMPLES
Permutao simples de n elementos distintos qualquer agrupamento ordenado, sem repetio, em que
entram todos os elementos de cada grupo.
Pn = n!= n (n 1) (n 2) K 3 2 1
E X E M P L O S (permutao simples)
De quantos modos distintos podemos colocar 3 automveis em uma garagem com capacidade para 3
automveis?
Soluo: P3 = 3! = 321 = 6, ou seja, temos 6 modos diferentes de estacionar esses 3 automveis na garagem.
1.
De fato, representando os trs automveis por A, B e C, eles podem ficar dispostos dos seis seguintes
modos na garagem: ABC, ACB, BAC, BCA, CAB e CBA.
GARAGEM
1 modo:
2 modo:
3 modo:
4 modo:
5 modo:
6 modo:
COMBINAO
SIMPLES
Chama-se combinao simples todos os agrupamentos simples de x elementos que podemos formar com
n elementos distintos, sendo x n. Cada um desses agrupamentos se diferencia de outro apenas pela natureza
de seus elementos.
A frmula :
Obs.:
n
n!
C n, x = =
x x!(n x )!
n
C n , x =
x
onde
n
x
E X E M P L O S (combinaes simples)
1.
Quantas comisses (combinaes simples) de dois alunos que podemos formar com trs alunos: Antonio,
Benedito e Carla?
3!
3!
3 2 1
Soluo: =
=
=
= 3 = 3 combinaes, ou seja, so 3 comisses que podem ser
2 2!(3 2)! 2!1! 2 1 1
2
assim constitudas: 1 comisso: Antonio e Benedito
2 comisso: Antonio e Carla
3 comisso: Benedito e Carla
Note que, na 1 comisso, se trocarmos a ordem dos dois alunos, ela ser constituda por Benedito e
Antonio, mas essa nova comisso continuar sendo a mesma, pois em uma combinao, os agrupamentos se
diferem pela natureza e no pela ordem, como ocorre nos arranjos simples.
97
ATENO
NO representar o nmero binomial
2.
3
2
por
3
: esse trao de frao entre o 3 e o 2 NO EXISTE!!
2
Uma lanchonete utiliza as seguintes frutas para preparar os sucos para seus clientes:
A (Abacate), B (Banana), L (Laranja), M (Ma) e P (Pera). Quantos tipos de sucos com trs frutas diferentes
podem ser preparados nessa lanchonete?
5!
5!
5 4 3 2 1
Soluo: Como =
=
=
= 10 combinaes, ento, com essas 5 frutas, a lancho 3 3!(5 3)! 3!2! (3 2 1) (2 1)
nete pode preparar 10 tipos diferentes de sucos utilizando 3 frutas (diferentes) de cada vez. Esses 10 sucos so:
1 suco:
2 suco:
3 suco:
4 suco:
5 suco:
6 suco:
7 suco:
8 suco:
9 suco:
10 suco:
3.
ABL
ABM
ABP
ALM
ALP
AMP
BLM
BLP
BMP
LMP
Calcule:
3
Soluo:
1 modo:
8
8!
8!
8 7 6 5 4 3 2 1
40320 40320
=
=
=
=
=
= 56
720
3 3!(8 3)! 3!5! (3 2 1) (5 4 3 2 1) 6 120
2 modo:
8
8!
8! 8 7 6 5! 336
=
=
=
=
= 56
6
3 3!(8 3)! 3!5! 3 2 1 5!
3 modo (PRTICO):
8 8 7 6 336
=
=
= 56
6
3 3 2 1
ou
8 8 7 6
=
= 56
3 3 2 1
Procedimento: Como o valor na parte inferior dos parnteses do nmero binomial 3, basta colocar no
numerador do clculo da frao 3 fatores em ordem decrescente, comeando pelo nmero
8, que o valor que est na parte superior dos parnteses do nmero binomial, ou seja,
colocar o produto: 876 = 336, e no denominador da frao colocar o 3! = 3 2 1 = 6
4.
10
Calcule:
10 10 9 8 7 5040
=
=
= 210
24
4 4 3 2 1
15
Calcule:
15 15 14 210
=
=
= 105
2 1
2
2
98
6.
Calcule:
1
7.
Calcule:
5
8.
5 5 4 3 2 1
=
=1
5 5 4 3 2 1
12
Calcule:
9.
6 6
= = 6
1 1
12 12 11 10 9 8 7 6 5 4 12 11 10
=
=
= 220
9 8 7 6 5 4 3 2 1
3 2 1
9
12
Calcule:
12 12 11 10
=
= 220
3 2 1
3
COMBINAES
COMPLEMENTARES
Obs.: Note que a coincidncia nos resultados acima, dos nmeros binomiais:
n = 12
x1 = 9
n = 12
x2 = 3
no por acaso; eles so chamados de combinaes (ou nmeros binomiais) complementares, pois a soma
de x1 e x2 igual a n, isto , x1 + x2 = 9 + 3 = 12 = n.
A frmula geral :
Cn,x = Cn, n x
E X E M P L O S (combinaes complementares)
1.
100
98
Calcule:
Soluo:
Como
100
98
100
2
=
=
= 4950
2 1
98 2
100
100!
100 99 98! 100 99 9900
=
=
=
=
= 4950
98
98
!
(
100
98
)!
98!2!
2!
2
99
2.
Calcule:
0
Soluo:
5
5!
5!
=
=
=1
0 0!(5 0)! 1 5!
5 5
= , pois so nmeros binomiais complementares.
0 5
n n
= = 1 ,
0 n
a)
De fato,
n
n!
n!
=
=
= 1e
0 0!(n 0)! 1 n!
n
= n ,
1
b)
De fato,
n
n!
n!
1
=
=
=
=1
n n!(n n)! n!0! 1 1
n
n!
n (n 1)! n
=
=
= =n
1 1!(n 1)! 1 (n 1)! 1
E X E R C C I O S (combinaes simples)
Resolver:
1. =
4
8.
4
=
4
11
=
2
9.
3
=
0
10
=
3
10.
13
=
10
11.
25
=
4
12.
2.
16
=
6
3.
40
=
5
4.
32
=
29
5.
80
=
73
6. =
6
13.
5
=
2,5
7. =
1
14.
Respostas:
1. 126;
2. 55;
3. 120;
10. 8008;
11. 658008;
4. 286;
5. 12650;
6. 7;
7. 8;
8. 1;
9. 1;
12. 4960;
13. 3176716400;
14. No definido
100
Distribuies de Probabilidades
Uma distribuio de probabilidades uma distribuio de frequncias relativas para os resultados de um
espao amostral, e que mostra a proporo das vezes em que a varivel aleatria tende a assumir cada um dos
diversos valores. As distribuies de probabilidade se dividem em duas partes iguais:
1) Distribuio discreta (ou descontnua) de probabilidades quando uma distribuio envolve variveis
aleatrias relativas a dados que podem ser contados (variveis discretas).
Destacamos como distribuio discreta de probabilidades: a binomial, a hipergeomtrica e a de Poisson.
2) Distribuio contnua de probabilidades quando uma distribuio envolve variveis aleatrias que
apresentam um grande nmero de resultados possveis.
Destacamos como distribuio contnua de probabilidades: a distribuio uniforme, a exponencial e a
normal (ou de GAUSS).
BINOMIAL
A distribuio binomial uma distribuio discreta de probabilidade, aplicvel sempre que o processo de
amostragem do tipo de Bernoulli.
n
P( x) = p x q n x
x
n
= nmero de resultados experimentais que fornecem exatamente x sucessos e n ensaios (em
x
Matemtica, chamamos de combinao ou nmero binomial)
Obs.: Quando o 3 algarismo significativo de uma probabilidade escrita na forma decimal for zero, podemos
desprez-lo. Por exemplo, a probabilidade:
101
E X E M P L O S (distribuio binomial)
1.
Soluo:
3
2
n
5 1 1
P( x) = p x q n x P( x = 3) =
x
3 2 2
5 5 4 3
Como =
= 10 , temos:
3 3 2 1
1 1 10 5
=
= 0,312 P(x = 3) = 0,312 (31,2%)
P( x = 3) = 10 =
8 4 32 16
2.
Numa caixa tem-se 20 peas boas e 6 defeituosas. Retirando-se 6 peas dessa caixa, com reposio,
determine a probabilidade de se obter 4 peas boas.
Soluo:
4
6 20 6
P( x = 4) =
4 26 26
6 6
65
Como = =
= 15 , temos:
4 2 2 1
Observaes:
a) Para padronizarmos o processo de clculo, cada um dos fatores intermedirios
deve ser arredondado para seis casas decimais.
b) Caso o fator apresente uma grande quantidade de zeros, aumentar a quantidade
de casas decimais at que tenhamos dois algarismos significativos.
Exemplo: Um fator do tipo: 0,0000003176... deve ser arredondado para 0,00000032.
3.
Numa caixa tem-se 16 bolas brancas, 10 pretas e 5 azuis. Retirando-se 5 bolas dessa caixa, com reposio,
determine a probabilidade de que 3 dessas bolas retiradas sejam branca.
Soluo:
5 43
Como =
= 10 , temos:
3 3 2 1
4.
Num determinado processo de fabricao 15% das peas so consideradas defeituosas. As peas so
acondicionadas em caixas com 7 unidades cada uma.
7
4
3
P( x = 4) = (0,15) (0,85)
4
7 7 6 5 4
Como =
= 35 , temos:
4 4 3 2 1
Soluo:
P( x > 1) = P( x = 2) + P( x = 3) + P( x = 4) + P( x = 5) + P( x = 6) + P( x = 7)
2 Modo:
Como o clculo do 1 modo bastante trabalhoso, podemos utilizar o evento complementar, pois no
queremos que seja retirada uma pea defeituosa ou nenhuma pea defeituosa da caixa. Assim, podemos utilizar
as probabilidades Po = 0,321 e P1 = 0,396 calculadas na letra b) e subtrairmos de 1 (100%), ou seja:
E X E R C C I O S (distribuio binomial)
1.
Numa caixa tem-se 30 peas boas e 10 defeituosas. Retirando-se sucessivamente 6 peas dessa caixa, com
reposio, determine a probabilidade de se obter 4 peas boas.
2.
O engenheiro responsvel pela segurana de uma empresa afirma que somente 10% de todos os
trabalhadores no usam capacetes enquanto trabalham. Determine a probabilidade de que 3 de 4
trabalhadores escolhidos aleatoriamente estejam usando capacetes enquanto trabalham.
b) Cinco caras.
e)
c) Uma cara.
f)
4.
Cada amostra de ar tem 10% de chance de conter um determinado poluente orgnico. Considere que as
amostras sejam independentes com relao presena do poluente. Determine a probabilidade de que nas
prximas 18 amostras exatamente 2 delas contenham o poluente.
104
Uma mquina produziu em lote com 60 peas das quais 10 so defeituosas. Retirando-se, com reposio,
uma amostra com 8 peas, determine a probabilidade de se encontrar:
a) 2 peas defeituosas.
b) 2 ou menos peas defeituosas.
5.
6.
Admite-se que exista uma impureza de 30% dos poos de certa comunidade rural. Um qumico escolheu
aleatoriamente dez poos dessa regio para serem testados, determine a probabilidade de que:
a) Exatamente trs poos tenham impurezas.
b) Nenhum poo tenha impurezas.
7.
8.
Uma firma de pedidos pelo correio envia uma carta circular que ter uma taxa de respostas de 8%. Suponha
que 20 cartas circulares so endereadas a uma nova rea geogrfica como teste de mercado. Supondo que
na nova rea tambm aplicvel a taxa de respostas de 8%, determine as probabilidades dos seguintes
eventos:
a) Ningum responde.
c) Seis pessoas respondem.
9.
d)
105
10. Devido s altas taxas de juros, uma firma informa que 30% de suas contas a receber de outras firmas
comerciais encontram-se vencidas. Se um contador escolhe aleatoriamente uma amostra de cinco contas,
determine a probabilidade de cada um dos seguintes eventos usando a frmula da probabilidade binomial:
a) Nenhuma das contas est vencida.
c) A maioria das contas est vencida.
d)
11. Em determinada regio industrial, verificou-se que 40% das pessoas que apresentam determinado sintoma
devido poluio ambiental, tiveram uma melhora significativa quando so tratados com certa medicao
particular. Escolhendo-se aleatoriamente 20 pacientes que se submeteram a esse tratamento, determine a
probabilidade de que 15 deles obtenham sucesso com essa medicao.
12. Um dos jogos disponveis nas casas lotricas, o LOTOGOL, composto por 5 jogos de futebol, com 25
resultados possveis em cada jogo. Se um apostador fizer um jogo simples (isto , escolher um nico
resultado possvel para cada jogo), determine a probabilidade dele:
a) Acertar os resultados de 3 dos 5 jogos.
c) Acertar os resultados dos 5 jogos.
Respostas:
1. 0,297 (29,7%)
2. 0,292 (29,2%)
3. a) 0,0439 (4,39%); b) 0,246 (24,6%); c) 0,00976 (0,976%); d) 0,000977 (0,0977%); e) 0,0107 (1,07%); f) 0,989 (98,9%)
4. 0,284 (28,4%)
5. a) 0,260 (26%); b) 0,865 (86,5%)
6. 5/72 = 0,0694 (6,94%)
7. a) 0,267 (26,7%); b) 0,0282 (2,82%)
8. 27/128 = 0,211 (21,1%)
9. a) 0,189 (18,9%); b) 0,271 (27,1%); c) 0,00314 (0,314%); d) 0,788 (78,8%)
10. a) 0,168 (16,8%); b) 0,309 (30,9%); c) 0,163 (16,3%); d) 0,360 (36%)
11. 0,00129 (0,129%)
12. a) 1/1695 = 0,00059 (0,059%); b) 1/81380 = 0,0000123 (0,00123%); c) 1/9765625 = 0,000000102 (0,0000102%)
106
DISTRIBUIO
HIPERGEOMTRICA
A distribuio hipergeomtrica uma distribuio discreta de probabilidade, aplicvel para uma populao
finita e pequena, quando os eventos no so independentes. A distribuio hipergeomtrica est estritamente
relacionada com a distribuio binomial de probabilidade, sendo que a diferena-chave entre as duas
distribuies que na distribuio hipergeomtrica a probabilidade de sucesso muda de ensaio para ensaio.
N1 N 2
n
n
P ( x) = 1 2
N
n
onde
N = N1 + N 2
n = n1 + n2
Obs.: Uma conveniente regra de bolso que se pode usar a distribuio binomial como uma aproximao da
distribuio hipergeomtrica quando n < 0,05N, isto , quando o tamanho da amostra (n) for inferior a 5% do
tamanho da populao (N).
Obs.: Quando o 3 algarismo significativo de uma probabilidade escrita na forma decimal for zero, podemos
desprez-lo. Por exemplo, a probabilidade:
107
E X E M P L O S (distribuio hipergeomtrica)
1.
Numa caixa com 10 lmpadas, 2 so defeituosas. Extrada uma amostra de 4 lmpadas dessa caixa, sem
reposio, determine a probabilidade de obter:
a) 1 lmpada defeituosa.
Soluo:
N1 N 2
n1 n 2
P1 = P ( x = 1) =
=
N
n
8 2 8 7 6 2
56 2 112
3 1
= 3 2 1 1 =
=
= 0,533 (53,3 %)
10 9 8 7
210
210
10
4 3 2 1
4
Soluo:
8 2 8 7 6 5
1
70
4 0 4 3 2 1
P0 = P ( x = 0 ) =
=
=
= 0,333 (33,3 %)
10
9
8
7
210
10
4 3 2 1
4
50 10 50 49 48 10 9
3 2
3 2 1
2 1 = 19600 45 = 882000 = 0,161(16,1%)
P ( x = 3) =
=
60 59 58 57 56
5461512 5461512
60
5
1
5
108
3.
Por causa de uma falha na luz eltrica, voc est se vestindo no escuro. Voc tem, em uma gaveta, trs ps
de meias pretas e seis vermelhas. Tirando trs meias ao acaso dessa gaveta, qual a probabilidade de obter
duas pretas?
Soluo:
3 6 3 2 6
2 1 2 1 1 18
P ( x = 2) =
=
=
= 0,214( 21,4%)
9 8 7 84
9
3 2 1
3
4.
Soluo:
28 12 28 27 26 25 24 12 11
5 2
5 4 3 2 1
2 1 = 98280 66 = 6486480 = 0,348 (34 ,8%)
P ( x = 5) =
=
40 39 38 37 36 35 34 18643560 18643560
40
7 6 5 4 3 2 1
7
5.
Soluo:
P( x 1) = P( x = 1) + P( x = 2) + P( x = 3) + P( x = 4) + P( x = 5) ou P( x 1) = 1 P( x = 0)
Calculando P(x = 0), que a probabilidade de no haver nenhum motor defeituoso, temos:
6 44
1 44 43 42 41 40
1086008
0 5
5 4 3 2 1
P ( x = 0) =
=
=
= 0,513 (51,3 %)
50 49 48 47 46
2118760
50
5
5 4 3 2 1
Portanto, P( x 1) = 1 P( x = 0) = 1 0,513 = 0,487(48,7%) , que a probabilidade de haver uma inspeo em
todos os motores.
109
E X E R C C I O S (distribuio hipergeomtrica)
1.
Numa caixa tem-se 30 peas boas e 10 defeituosas. Retirando-se sucessivamente 6 peas dessa caixa, sem
reposio, determine a probabilidade de se obter 3 peas defeituosas.
2.
Uma batelada contm 36 clulas de bactrias, das quais 12 no so capazes de replicao celular.
Selecionando-se aleatoriamente 3 dessas clulas, sem reposio, determine a probabilidade de que
exatamente uma delas no possa se replicar.
3.
Uma mquina produziu em lote com 60 peas das quais 10 so defeituosas. Retirando-se, sem reposio,
uma amostra com 8 peas, determine a probabilidade de se encontrar:
a) 3 peas defeituosas.
4.
110
5.
Sabe-se que de cada 20 clientes de uma empresa, 15 esto satisfeitos com o atendimento oferecido. Se,
para uma amostra aleatria de 4 clientes for perguntado sobre a satisfao no atendimento, determine, pela
distribuio hipergeomtrica, a probabilidade de que estiveram descontentes exatamente 3 clientes.
6.
Uma firma compra lmpadas por centenas. Examina sempre uma amostra de 8 lmpadas para verificar se
esto boas. Sabendo que o fabricante dessas lmpadas afirma que em uma centena sempre h 5 lmpadas
queimadas, determine a probabilidade de se escolher uma amostra com 3 lmpadas queimadas.
8.
Suponha que 20 livros em um lote de 200 unidades contenham erros de impresso. Adquiridos 3 desses
livros, qual a probabilidade de um deles ter erros de impresso?
9.
Num laboratrio de informtica existem 20 computadores, sendo que 3 deles esto com defeito. Se quatro
alunos entram no laboratrio e cada um escolhe um computador para utilizar, determine a probabilidade de
que 2 alunos tenham escolhido computadores com defeito e 2 tenham escolhido sem defeito.
111
10. Determinado rgo do governo suspeita que algumas indstrias violam as regulamentaes federais contra
poluio, em relao ao despejo de certo tipo de produto. Suponha que, das vinte empresas que esto sob
suspeita, trs delas estejam violando as regulamentaes. Selecionando-se aleatoriamente cinco dessas
vinte indstrias para inspeo, determine a probabilidade de que:
a) Nenhuma delas esteja violando as regulamentaes.
11. Um dos jogos disponveis nas casas lotricas, o jogo da MEGA-SENA, que possui 60 nmeros (de 1 a 60).
Se um apostador fizer um jogo simples, isto , escolher somente 6 dos 60 nmeros, determine a
probabilidade dele:
a) Acertar os 6 nmeros escolhidos.
Respostas:
1. 0,127 (12,7%)
2. 0,464 (46,4%)
3. 0,30 (30%)
4. a) 0,0994 (9,94%); b) 0,60 (60%)
5. 0,031 (3,1%)
6. 0,00311 (0,311%)
7. a) 65/203 = 0,32 (32%); b) 130/203 = 0,64 (64%)
8. 0,245 (24,5%)
9. 0,0842 (8,42%)
10. a) 0,399 (39,9%); b) 0,132 (13,2%)
11. a) 1/50.063.860 = 0,000000020 (0,0000020%); b) 81/12.515.965 = 0,00000647 (0,000647%); c) 0,379 (37,9%)
112
Distribuio de POISSON
semelhante distribuio binomial, diferenciando apenas no fato de que na distribuio binomial os
eventos ocorrem por tentativas ou observaes fixas, enquanto que na distribuio de Poisson (l-se:
poasson) os eventos ocorrem continuamente.
Exemplos: Acidentes por dia, clientes por hora, chamadas telefnicas por minuto, defeitos por cm2 etc.
e m m x
P ( x) =
x!
x o nmero de ocorrncias
o nmero e a base dos logaritmos naturais, isto , e = 2,71828... (constante)
m a mdia de ocorrncias num certo intervalo
Exemplos
1.
Um laboratrio estuda a emisso de partculas de certo material radioativo. Sabendo que o laboratrio
admite uma taxa mdia de 6 ocorrncias a cada minuto, determine a probabilidade de que ocorrer a
seguinte emisso de:
P ( x = 5) =
60
60
x( partculas ) 10 segundos
cada 10 segundos
P ( x = 3) =
2.
e 1 13 0,367879 1 0,367879
=
=
= 0,0613 P(x = 3) = 0,0613 (6,13%)
3!
3 2 1
6
Determinado tipo de fio condutor de energia apresenta, em mdia, 3 falhas a cada rolo de 100 m. Qual a
probabilidade de que em um rolo de 50 m aleatoriamente escolhido para inspeo contenha 1 falha.
Soluo:
Como a mdia de 3 falhas a cada 100 m, ento a mdia de falhas a cada 50 m :
3 falhas 100m
3 50 150
x=
=
x = 1,5 , ou seja, a mdia de 1,5 falha a cada 50 m
100 100
xfalhas 50m
P ( x = 1) =
distribuio exponencial
distribuio uniforme
distribuio normal (ou de GAUSS)
Distribuio
Exponencial
A distribuio exponencial envolve probabilidades ao longo do tempo ou da distncia entre ocorrncias num
intervalo contnuo. Tem sido amplamente utilizada nas reas de fsica, engenharia, computao e biologia, entre
outras.
Como exemplo, destacamos o tempo entre falhas de equipamento eltrico, tempo entre chamadas
telefnicas, intervalos entre as chegadas de veculos (nibus, trens ou avies em um terminal) etc.
A distribuio exponencial aplicada quando estamos interessados com o tempo (ou espao) at a
ocorrncia do primeiro evento, quer no tempo entre dois eventos sucessivos, ou quer no decorrido at acontecer
o primeiro evento aps um ponto aleatoriamente selecionado.
Sendo m o nmero mdio de ocorrncias no intervalo de interesse, a probabilidade exponencial de que o
primeiro evento x ocorrer dentro do intervalo especificado de tempo ou espao ( t ), sendo m a mdia de
ocorrncias durante um intervalo, dado por:
P( x t ) = 1 e m
P( x > t ) = e m
Exemplo: Certo tipo de fusvel tem durao de vida que segue uma distribuio exponencial, com vida mdia de
100 horas. Determine a probabilidade de um fusvel durar:
a) Menos de 100 horas.
Soluo: P ( x 100 h ) = 1 e 1 = 1 0,367879 = 0,632121 0,632 P ( x 100 h ) = 0,632 (63,2%)
b) Mais de 100 horas.
Soluo: P ( x > 100 h ) = e 1 = 0,367879 0,368 P ( x > 100 h ) = 0,368(36,8%)
Distribuio
Uniforme
utilizada quando uma varivel aleatria pode assumir qualquer valor de uma escala contnua num intervalo
de modo que nenhum valor seja mais provvel que outro.
a
P (c x d ) =
d c
ba
Observaes:
a) A probabilidade de qualquer valor particular zero.
b) P ( a x b ) = P ( a < x < b )
Exemplo: Se o volume de refrigerante uma lata de alumnio variar uniformemente entre 340 ml e 370 ml, qual a
probabilidade de uma lata aleatoriamente escolhida conter entre 345 ml e 365 ml?
Soluo: P (345 x 365) =
365 345
= 0,667(66,7%)
370 340
114
DISTRIBUIO
N O R M A L (ou de GAUSS)
Um dos mais importantes exemplos de uma distribuio continua de probabilidades a distribuio normal,
ou a curva normal, ou a distribuio de Gauss (Karl Friedrich Gauss, 17771855), que constitui a base terica
de toda inferncia estatstica. A funo de densidade de probabilidade de uma varivel x com distribuio normal
definida pela seguinte equao:
y = f ( x) =
1 xM
A curva tem um ponto de mximo no eixo dos y (eixo vertical), que corresponde mdia, no eixo dos x (eixo
horizontal).
2.
3.
Tem dois pontos de inflexo (isto , pontos nos quais a curva muda de concavidade), que correspondem a
M .
4.
assinttica em relao ao eixo dos x (eixo horizontal), isto , a curva no intercepta o eixo dos x.
5.
6.
7.
rea sob a curva normal, no intervalo [a, b], corresponde probabilidade de uma varivel x estar compreendida
entre a e b:
115
O Coeficiente z
Quando a varivel x expressa em termos da unidade reduzida:
z=
xM
y=
z2
1
e 2
2
Temos, ento, a distribuio normal padronizada, com mdia 0 (zero), pois a mdia est distncia 0 (zero)
de si mesma.
Observao: Nos clculos de probabilidades atravs da distribuio normal, usamos a mdia e o desvio padro
da populao, mas, o mais comum conhecer somente a mdia e o desvio padro da amostra. por isso que
as amostras tm que ser obtidas por tcnicas de amostragem confiveis para que sejam consideradas
significativas e representem bem a populao.
Tabela 1
z
0,00
0,01
0,02
0,03
0,04
0,05
0,06
0,07
0,08
0,0
0,1
0,2
0,09
1,1
1,2
0,3997
1,3
Na 1 coluna da tabela, descendo at a linha 1,2, e percorrendo-a, nessa direo, at a coluna 0,08,
encontraremos o valor 0,3997. Portanto, a rea de probabilidade correspondente a z = 1,28 0,3997 (39,97%),
que representa a regio localizada direita da linha da mdia no grfico da curva normal, conforme mostra a
figura.
116
b) z = 0,67
Soluo:
O valor negativo de z nos indica a rea se localiza esquerda da linha da mdia no grfico da curva normal.
Como a curva normal simtrica em relao linha da mdia, a Tabela 1, fornece apenas os valores positivos
(isto , os valores que esto direita da linha da mdia).
Assim sendo, basta procurar na Tabela 1 o valor de z = + 0,67, cuja rea ser IGUAL rea de z = 0,67, e
que corresponde a 0,2486 (24,86%).
Tabela 1
z
0,00
0,01
0,02
0,03
0,04
0,05
0,06
0,07
0,0
0,1
0,2
0,3
0,4
0,5
0,6
0,08
0,09
0,2486
0,7
0,8
E X E R C C I O S (valor de z na Tabela 1)
1. Encontre a rea de probabilidade (Tabela 1) para os seguintes valores do coeficiente z:
a) z = 2,14
b) z = 0,70
Respostas:
1. a) 0,4838 (48,38%); b) 0,2580 (25,80%)
2. a) z = 1,22; b) z = 2,58
117
A PL I C A E S (distribuio normal)
1.
O peso mdio de 500 estudantes do sexo masculino de 75,5 kg e o desvio padro 7,5 kg. Admitindo-se
que os pesos esto distribudos normalmente, determine quantos estudantes pesam:
z1 =
z2 =
x1 m
x2 m
60 75,5
= 2,066K z1 = 2,07 , que corresponde, na Tabela 1, a 0,4808 (48,08%)
7,5
77,5 75,5
= 0,266K z2 = 0,27 , que corresponde, na Tabela 1, a 0,1064 (10,64%)
7,5
Logo, a rea de probabilidade : 0,4808 + 0,1064 = 0,5872 (58,72%), ou seja, esperamos que 58,72% dos
estudantes tenham um peso compreendido entre 60 e 77,5 kg.
Portanto, o nmero esperado de estudantes desse grupo : 500x0,5872 = 293,6 294 estudantes.
z1 =
z2 =
x1 m
x2 m
81,2 75,5
= 0,76 z1 = 0,76 , que corresponde, na Tabela 1, a 0,2764 (27,64%)
7,5
86 75,5
= 1,40 z2 = 1,40 , que corresponde, na Tabela 1, a 0,4192 (41,92%)
7,5
118
x1 m
z1 =
x2 m
z2 =
68,2 75,5
= 0,9733K z1 = 0,97 , que corresponde, na Tabela 1, a 0,3340
7,5
72,6 75,5
= 0,3866K z2 = 0,39 , que corresponde, na Tabela 1, a 0,1517
7,5
z=
xm
83,7 75,5
= 1,0933K z = 1,09 , que corresponde, na Tabela 1, a 0,3621
7,5
e) Acima de 69 kg.
Soluo:
A medida do peso x = 69 corresponde seguinte unidade reduzida (z):
z=
x m 69 75,5
=
= 0,8666K z = 0,87 , que corresponde, na Tabela 1, a 0,3078
7,5
119
xm
z=
85,6 75,5
= 1,3466 K z = 1,35 , que corresponde, na Tabela 1, a 0,4115
7,5
xm
z=
71,5 75,5
= 0,5333K z = 0,53 , que corresponde, na Tabela 1, a 0,2019
7,5
Um levantamento feito nos EUA revelou que um adulto tem mdia de 175 cm de altura. Assumindo que o
desvio padro seja de 8 cm, determine:
a) A probabilidade de que um adulto aleatoriamente escolhido tenha altura entre 160 cm e 170 cm.
Soluo:
As medidas das alturas x1 = 160 e x2 = 170 correspondem s seguintes unidades reduzidas (z):
z1 =
z2 =
x1 m
x2 m
160 175
= 1,875 z1 = 1,88 , que corresponde, na Tabela 1, a 0,4699 (46,99%).
8
170 175
= 0,625 z 2 = 0,62 , que corresponde, na Tabela 1, a 0,2324 (23,24%).
8
z=
x m 185 175
=
= 1,25 z = 1,25 , que corresponde, na Tabela 1, a 0,3944 (39,44%).
120
xm
1,76 =
x 175
Portanto, esperamos que apenas 4% dos adultos tenham uma altura superior a 189 cm.
d) Para os 2,5% de adultos mais baixos, que altura representa?
Soluo:
P = 0,5 (50%) 0,025 (2,5%) = 0,475 (47,5%) z = 1,96 z =
xm
x 175
1,96 =
Portanto, esperamos que apenas 2,5% dos adultos tenham uma altura inferior a 159 cm.
3.
Um fabricante de certo tipo de forno eltrico, sabe, por longa experincia, que o desvio padro da vida til de
seus fornos de 250 dias. Uma amostra aleatria de 2.000 fornos apresentou uma vida til mdia de 1.000
dias e desvio padro de 250 dias. Sabendo que o fabricante oferece uma garantia de 1 ano (365 dias),
determine:
a) A porcentagem de fornos que espera consertar (ou trocar) durante o perodo de garantia dado.
Soluo:
A medida da garantia x = 365 dias corresponde seguinte unidade reduzida (z):
z=
xm
365 1000
= 2,54 z = 2,54 , que corresponde, na Tabela 1, a 0,4945.
250
Logo, a rea de probabilidade : 0,5 0,4945 = 0,0055 (0,55%), ou seja, o fabricante espera que 0,55% dos
fornos apresentem algum tipo de defeito durante o perodo de garantia.
b) O nmero de fornos dessa amostra que o fabricante espera trocar (ou consertar) durante o perodo de
garantia.
Soluo:
O nmero esperado de fornos que podero apresentar algum tipo de defeito : 2000x0,0055 = 11 fornos, ou
seja, o fabricante espera que 11 fornos devero ser trocados (ou consertados) no perodo de garantia de 1 ano.
c) O nmero de fornos dessa amostra que o fabricante espera trocar se ele oferecer uma garantia extra
(estendida) de mais um ano, ou seja, durante os dois anos de garantia.
Soluo:
z=
xm
730 1000
= 1,08 z = 1,08 , que corresponde, na Tabela 1, a 0,3599, portanto a rea de
250
121
E X E R C C I O S (distribuio normal)
1.
a) Inferior a 7 anos.
e) Inferior a 10 anos.
122
2.
No exerccio 1, se a mdia de 8,2 anos e o desvio padro de 1,1 ano tivessem sido obtidos de uma amostra
de 600 aparelhos de TV, determine o nmero esperado de aparelhos dessa amostra com as respectivas
probabilidades encontradas nas letras a), c) e d).
3.
No exerccio 1, determine o tempo mximo de uso desse aparelhos de TV, no qual apenas 1% deles tero
que ser substitudos.
4.
No exerccio 1, determine o tempo mnimo de uso desse aparelhos de TV, no qual apenas 2% deles tero a
maior durabilidade.
123
5.
As mquinas que vendem refrigerantes em latas (ou outros produtos), so fabricadas de modo que seus
proprietrios possam ajustam os pesos das moedas para tentar rejeitar as moedas falsas. Supondo que as
moedas tenham pesos distribudos normalmente, com mdia 5,67 g (gramas) e desvio padro 0,070 g .
Determine a probabilidade de que uma dessas mquinas, escolhida aleatoriamente, possa rejeitar moedas
verdadeiras que pesem menos de 5,50 g ou mais de 5,80 g.
Certo tipo de cimento tem resistncia compresso com mdia de 5.800 kg/cm e desvio padro de 180
kg/cm, segundo uma distribuio normal. Dada uma amostra desse cimento, determine a probabilidade de a
resistncia:
a) Ser inferior a 5.600 kg/cm.
6.
Certo tipo de monitor de computador produzido por uma companhia tem uma vida til mdia de 1.500 horas,
com um desvio padro de 100 horas. Determine a probabilidade de que um monitor escolhido aleatoriamente
tenha vida til compreendida:
a) Entre 1.450 e 1.650 horas.
7.
124
h) Se a amostra fosse constituda de 400 monitores, qual seria a quantidade esperada de monitores nos itens a),
d) e f)?
125
Numa fbrica foram instaladas 1.000 lmpadas novas. Sabe-se que a durao mdia das lmpadas de 800
horas e desvio padro de 100 horas, com distribuio normal. Determine a quantidade esperada de
lmpadas que duraro:
a) Menos de 500 horas.
8.
Um laboratrio verificou que certo composto qumico apresentou um tempo mdio de reao de 408
segundos. Sabendo que o desvio padro do tempo de reao desse composto de 100 segundos,
determine o tempo previsto:
a) Para que apenas 0,2% dos compostos tenham uma reao mais rpida.
9.
126
10. Determinado tipo de cabo de ao suporta um peso mdio de 380 kg. Sabendo que o desvio padro dos
pesos que esses cabos suportam igual a 65 kg, determine:
a) O peso no qual somente 3% desses cabos suportaro uma carga superior a esse peso.
11. A mdia dos dimetros internos de uma amostra de 200 arruelas produzidas por certa mquina 0,502
polegada e o desvio padro e 0,005 polegada. A finalidade para a qual essas arruelas so fabricadas permite
a tolerncia mxima, para o dimetro, de 0,496 a 0,508 polegada. Admitindo-se que os dimetros so
distribudos normalmente, determine:
a) A percentagem de arruelas defeituosas produzidas pela mquina.
12. Certo tipo de piso cermico apresenta uma absoro de gua com mdia 2,5% e desvio padro 0,6%.
Supondo que essa distribuio pode ser considerada normal, determine a probabilidade de que uma unidade
desse piso aleatoriamente escolhida tenha absoro de gua entre 2% e 3,5%.
Respostas:
1. a) 0,1379 (13,79%); b) 0,5027 (50,27%); c) 0,7939 (79,39%); d) 0,2746 (27,46%); e) 0,9495 (94,95%); f) 0,2529 (25,29%);
g) 0,1814 (18,14%)
2. a) 83 aparelhos de TV; c) 476 aparelhos de TV; d) 165 aparelhos de TV
3. 5,6 anos
4. 10,5 anos
5. 0,0389 (3,89%)
6. a) 0,1335 (13,35%); b) 0,6632 (66,32%)
7. a) 0,6247 (62,47%); b) 0,8849 (88,49%); c) 0,1451 (14,51%); d) 0,2119 (21,19%); e) 0,2857 (28,57%); f) 0,0548 (5,48%);
g) 0,7580 (75,8%); h) item a): 250 monitores; item d): 85 monitores; item f): 22 monitores
8. a) 1 lmpada; b) 841 lmpadas; c) 553 lmpadas
9. a) 120 s; b) 641 s
10. a) 503 kg; b) 229 kg
11. a) 0,2302 (23,02%); b) 154 arruelas
12. 0,7492 (74,92%)
127
INFERNCIA
ESTATSTICA
(3 ramo da Estatstica)
O objetivo da Estatstica de conhecer populaes por meio das informaes amostrais. Para encontrar os
parmetros tpicos das populaes (mdia, desvio padro e proporo), utilizamos os seguintes mtodos para
realizar inferncias (estimativas) a respeito desses parmetros: o da estimao e os testes de hipteses, os
quais estudaremos a seguir.
AMOSTRAGEM
A amostragem o ato ou processo de seleo ou extrao de amostras de uma populao.
Quando recebemos um copo de um novo tipo de refresco num supermercado e em seguida vamos decidir
pela compra do produto, ou ento ouvimos alguns trechos das msicas de um novo CD para ento decidir se o
compramos ou no, estamos, na verdade, fazendo amostragem.
A amostragem parte integrante da vida cotidiana. Como poderamos obter muita informao sobre outras
pessoas a no ser mediante amostragem daquelas que nos cercam? Poderamos, por exemplo, eventualmente
discutir problemas polticos com outros estudantes, para sondar a postura geral dos estudantes em relao s
suas opinies polticas; ou poderamos tentar determinar como nossos colegas de turmas esto estudando para
determinado exame contatando de antemo apenas uns poucos elementos da classe; poderamos at investir no
mercado de aes aps constatar que uma pequena amostra de associados ganhou dinheiro em investimentos.
A amostragem probabilstica quando cada unidade amostral na populao tem uma probabilidade
conhecida e diferente de zero de pertencer amostra. De outra forma, dizemos que a amostragem no
probabilstica.
A estatstica resume uma caracterstica da amostra; o parmetro resume uma caracterstica da
populao.
A finalidade da amostragem obter uma indicao do valor de um ou mais parmetros de uma populao,
tais como a mdia, o desvio padro ou a proporo de itens que possuem determinada caracterstica.
A probabilidade e a amostragem esto intimamente ligadas formando o fundamento da teoria da
amostragem, que um estudo das relaes existentes entre uma populao e as amostras dela extradas.
128
Exemplo: Imagine que voc quer obter uma amostra de 2% dos 500 pacientes de uma clnica para entrevist-los
sobre a qualidade de atendimento da secretria. Qual seria o procedimento?
Soluo: 2% de 500 igual a 10 pacientes. Um modo escrever o nome de cada um dos 500 pacientes em um
pedao de papel, colocando-os em uma caixa, misturando-os bem, e sortear os 10 pacientes, retirando um de
cada vez.
Outra forma de obter essa amostra aleatria simples fazer uma lista desses 500 pacientes numerando-os
de 001 a 500 e, em seguida, utilizar uma tabela de nmeros aleatrios (existem vrias tabelas desse tipo).
Obs.: Esse mesmo exemplo dos 500 pacientes poderia ser o de uma populao de:
129
Se voc foi incumbido de entrevistar 30 homens com mais de 50 anos e que recebam mais de 6 e menos de
10 salrios mnimos. Ento, voc dever julgar, pela aparncia da pessoa, se ela se enquadra nas
caractersticas descritas. Se achar que viu a pessoa certa, deve fazer a abordagem e depois confirmar as
caractersticas com perguntas. O nmero de pessoas depende do nmero delas na populao (quotas).
b)
Um reprter pode amostrar dois ou trs senadores, julgando que eles refletem a opinio geral de todos os
senadores. No entanto, a qualidade dos resultados da amostra depende do julgamento da pessoa que
seleciona a amostra. Tambm, neste caso, exige-se grande cuidado ao tirar as concluses baseadas nas
amostras de julgamento usadas para fazer inferncias (isto , tirar concluses) sobre as populaes.
c)
Para extrair uma amostra por julgamento de revistas que reflitam os valores da classe mdia, poderamos,
em um nvel intuitivo, selecionar Veja, poca, Selees Readers Digest, entre outras, porque os artigos
dessas revistas parecem retratar o que a maioria das pessoas de classe mdia deseja.
d)
Voluntrios, tais como indivduos doadores de sangue, ensaios clnicos para teste de novos medicamentos.
130
b)
Um professor que realiza uma pesquisa em uma universidade pode usar estudantes voluntrios para
construir uma amostra simplesmente porque eles esto disponveis e participaro como indivduos por um
pequeno custo ou sem custo algum, ou seja, se um professor est usando alunos de sua classe (so os
alunos que esto ao seu alcance) como amostra de toda a universidade est usando uma amostra de
convenincia. Por exemplo, se ele quiser fazer uma pesquisa sobre pessoas canhotas.
c)
Pesquisa com pessoas que moram no mesmo edifcio em que o pesquisador mora, ou que faam
compras no mesmo supermercado, ou que talvez residam no mesmo bairro.
d)
Um inspetor pode amostrar o embarque de laranjas selecionando as laranjas a esmo entre vrios
engradados. Rotular cada laranja e usar o mtodo de probabilidade de amostragem seria impraticvel.
e)
Exemplo prtico: Um(a) nutricionista que entrevistar 50 mes de crianas com idade de 3 a 4 anos para
conhecer os hbitos alimentares dessas crianas. Como obteria essa amostra?
Soluo: Se o(a) nutricionista trabalha em uma escola, para obter essa amostra, provavelmente procurar as
mes de crianas matriculadas nessa escola.
UM ALERTA: Se uma emissora de TV quiser fazer uma pesquisa com os espectadores que liguem para um
nmero de telefone 0800 para registrar suas opinies, poderia ser muito conveniente (e talvez at lucrativo),
mas essa pesquisa seria autosselecionada e os resultados seriam provavelmente tendenciosos.
IMPORTANTE: A recomendao para que os resultados da amostra se aproximem das caractersticas da
populao em estudo, que sejam utilizados os mtodos da amostragem probabilstica, pois uma amostragem de
excelncia no pode ser feita com base em amostragem de convenincia ou de julgamento. Assim, deve-se
tomar muito cuidado na interpretao dos resultados quando mtodos de amostragem no probabilstica so
usados.
ERRO AMOSTRAL: Um erro amostral a diferena entre um resultado amostral e o verdadeiro resultado
populacional, sendo que tais erros resultam de flutuaes amostrais aleatrias.
131
Distribuio amostral
Uma distribuio amostral uma distribuio de probabilidades que indica at que ponto uma estatstica
amostral tende a variar devido a variaes casuais na amostragem aleatria.
Na prtica, as distribuies amostrais so deduzidas matematicamente e colocadas disposio dos
analistas sob forma de tabelas e grficos. Duas das distribuies amostrais mais usadas so a binomial e a
normal (de GAUSS).
Um fato importante que a mdia da distribuio amostral igual a mdia populacional.
Exemplo: Este fato ilustra bem o caso: Seja uma populao composta de 3 valores (por exemplo, preos de um
certo produto): 2, 3 e 7. A distribuio amostral se compe de todas as amostras possveis. Considerando todas
as amostras de dois valores, as combinaes so: 2 e 3, 2 e 7, 3 e 7, cujas mdias amostrais so:
2+3 5
2+7 9
3 + 7 10
= m1 = 2,5 ; m 2 =
= m 2 = 4,5 e m3 =
=
m3 = 5
2
2
2
2
2
2
m + m 2 + m 3 2,5 + 4,5 + 5
Assim, a mdia das trs mdias amostrais : m = 1
=
m=4
3
3
2 + 3 + 7 12
E a mdia da populao : M =
=
M =4
3
3
m1 =
Observao: Se tivermos uma amostra de 4 elementos, por exemplo, 7, 10, 9 e 6, a mdia populacional ser
igual a 8 e a mdia das mdias para todas as amostras com 2 elementos tambm ser igual a 8, o mesmo
acontecendo para as amostras com 3 elementos. Verifique!
ESTIMAO
Um dos principais objetivos da inferncia estatstica consiste em estimar os valores das caractersticas da
populao com base nas caractersticas obtidas por meio de amostras (aleatrias).
Dois so os principais problemas que a inferncia estatstica envolve: a estimao e o teste de hipteses ou
teste de significncia (ser visto mais adiante).
A estimao o processo que consiste em utilizar dados amostrais para estimar parmetros populacionais
desconhecidos. Esses parmetros so: a mdia, o desvio padro e a proporo populacional (em
porcentagem).
Intervalos de confiana
Um intervalo de confiana (ou estimativa intervalar) est associado a um grau de confiana (ou nvel de
confiana ou coeficiente de confiana) que uma medida de nossa certeza de que o intervalo contm o
parmetro populacional.
Se tomarmos uma amostra dos preos de certa mercadoria e a mdia for R$ 45,21, a nossa dvida a
seguinte: Ser que a nossa mdia (amostral) est muito prxima ou muito afastada da mdia da populao?
Como nunca saberemos ao certo, devemos contentar-nos com uma atribuio probabilstica dada pelos
intervalos de confiana.
Tipos de estimativas
a)
Estimativa por pontos quando dada por um nmero nico, isto , por um nico parmetro populacional.
Estimativa por intervalos ocorre quando dada por dois nmeros, entre os quais pode-se considerar
que ele esteja situado.
Exemplo: Se afirmarmos que o preo de certa mercadoria de R$ 80,00, estamos fazendo uma estimativa por
pontos. Agora, se dissermos que o preo de R$ 80,00 R$ 5,00, ou seja, que o preo compreendido entre R$
75,00 e R$ 85,00, temos uma estimativa por intervalo (isto , dada por dois nmeros).
132
(B)
m z
(I)
onde
m = mdia amostral
z = coeficiente de confiana desejado para % (valor dado pela Tabela 1)
m z
intervalo de m 1,96
m +1,96
m+ z
amostras as mdias caiam dentro desse intervalo, ou seja, s 5% das amostras tenham mdia fora desse
intervalo.
Observao: Devemos empregar este mtodo para amostras com mais de 30 observaes.
Para 30 ou menos observaes, a amostra deve ser considerada normal (ou aproximadamente normal).
133
IMPORTANTE:
Para a determinao dos intervalos de confiana das mdias populacionais, precisaremos utilizar os
valores dos coeficientes z e t os quais so dados pelas Tabelas 1 e 2, respectivamente, empregando-se o
conceito do teste bilateral, pelo fato de que a mdia amostral pode ser maior ou menor do que a mdia real.
Observando a frmula ( I )
m z
c) Disperso da populao ( ):
Se aumentar o valor de (desvio padro populacional), o intervalo de confiana tambm aumenta ( est no
numerador).
REGRA DO ARREDONDAMENTO
Para os INTERVALOS DE CONFIANA usados para estimar a MDIA
POPULACIONAL, utilizar uma casa decimal a mais das que foram usadas para a
mdia amostral (exceto quando se tratar de valor monetrio).
134
Para uma confiana de 98%, devemos procurar na Tabela 1 a rea corresponde meia curva, ou seja,
49% (isto porque a verdadeira mdia populacional pode localizar-se tanto esquerda da mdia amostral como
direita, ou seja, se queremos uma rea de 98% de confiana, devemos considerar uma rea de 49% esquerda
da mdia amostral e outra de 49% direita).
Na Tabela 1, uma rea de 49% corresponde, em nmero decimal, com quatro casas decimais, a 0,4900.
Como o valor exato desse nmero decimal no se encontra na Tabela 1, devemos considerar o prximo
nmero superior a esse valor, que o 0,4901. Percorrendo a linha em que se localiza este ltimo nmero,
encontramos, na lateral esquerda, o valor 2,3 (na coluna z), e na parte superior da coluna desse nmero, o
valor 0,03, logo o valor procurado de z : 2,33 (veja o esquema (parte da Tabela 1) e a figura abaixo).
z
0,0
2,2
2,2
2,3
2,4
0,00
0,01
0,02
0,03
0,4901
0,04
EXERCCIO
Encontre os valores crticos do coeficiente z para construir um intervalo de % de confiana para a
mdia populacional, quando:
a)
= 90%
c)
= 95%
b)
= 99%
d)
= 80%
135
Uma amostra aleatria de 60 unidades de certo produto qumico apresentou preo mdio, por kg, de R$
45,21. Determine um intervalo de
a) = 90%
Soluo:
(1): Dados
(2): Tabela, coeficiente de confiana, e desenho (opcional) da curva normal
(3): Frmula
(4): Calculo dos limites do intervalo de confiana
(5): Concluso
(1) Dados:
m z
45,21 1,65
6,32
45,21 1,35 de (45,21 1,35) a (45,21 + 1,35) de 43,86 a 46,56.
60
(5) Concluso (resposta): Portanto, o intervalo de 90% de confiana para a verdadeira mdia populacional do
preo desse produto, por kg, de R$ 43,86 a R$ 46,56, isto , esperamos que 90% das mdias amostrais
fiquem nesse intervalo de preos.
136
b) = 95%
Soluo:
Pela frmula ( I )
m z
6,32
45,21 1,60 de 43,61 a 46,81.
60
Resposta: Portanto, o intervalo de 95% de confiana para a verdadeira mdia populacional do preo desse
produto, por kg, de R$ 43,61 a R$ 46,81.
c) = 99%
Soluo:
Pela frmula ( I ) m z
6,32
45,21 2,11 de 43,10 a 47,32.
60
Resposta: Portanto, o intervalo de 99% de confiana para a verdadeira mdia populacional do preo desse
produto, por kg, de R$ 43,10 a R$ 47,32.
2.
Uma amostra aleatria de 40 latas de cerveja de uma indstria de bebidas revelou uma quantidade mdia
347 ml de cerveja inserida nas latas. Admitindo-se que o desvio padro de 4 ml, construir um intervalo de
= 95%
4
347 1,2 de 345,8 a 348,2 ml.
40
Resposta: Portanto, o intervalo de 95% de confiana para a verdadeira quantidade mdia de cerveja inserida nas
latas de 345,8 a 348,2 ml (ou seja, a quantidade mdia de cerveja nas latas de 347 ml, com um erro de at
1,2 ml, para mais ou para menos).
b)
= 99%
4
347 1,6 de 345,4 a 348,6 ml.
40
Resposta: Portanto, o intervalo de 99% de confiana para a verdadeira quantidade mdia de cerveja inserida nas
latas de 345,4 a 348,6 ml.
137
Para m = 26,2 (mdia amostral); n = 85 (tamanho da amostra) e = 3,1 (desvio padro populacional),
encontre os intervalos de % de confiana para a verdadeira mdia populacional, sendo:
a)
= 80%
b)
= 85%
c)
= 95%
d)
= 98%
138
As medidas dos dimetros de uma amostra aleatria de 200 rolamentos esfricos produzidos por certa
mquina, durante uma semana, apresentaram uma mdia de 0,824 polegada. Por medies feitas
anteriormente, sabe-se que o desvio padro de 0,042 polegada. Determine o intervalo de % de confiana
para o dimetro mdio de todos os rolamentos esfricos produzidos por essa mquina, sendo:
a) = 95%
2.
b)
3.
= 99%
Uma amostra aleatria constituda de 12 medidas da tenso de ruptura de um fio de algodo apresentou
uma mdia de 7,38 kg. Sabendo-se que em medidas feitas anteriormente podemos considerar o desvio
padro como sendo 1,24 kg, determine um intervalo de confiana de 95% para a verdadeira tenso mdia de
ruptura desse tipo de fio.
4.
Uma indstria eltrica fabrica lmpadas com vida til distribuda aproximadamente normal, com desvio
padro de 42 horas. Se uma amostra aleatria de 35 lmpadas apresentou vida til mdia de 810 horas,
determine um intervalo de confiana de 94% para a mdia populacional de todas as lmpadas produzidas
por essa indstria.
139
5.
O rendimento de um processo qumico est sendo estudado por uma engenheira qumica. Por experincias
prvias com esse processo, sabe-se que o rendimento normalmente distribudo e que o desvio padro
igual a 3. Os ltimos cinco dias de operao com esse processo resultaram nos seguintes percentuais: 91,6;
88,75; 90,8; 89,95 e 91,3.
b) Encontre o intervalo de 92% de confiana para o verdadeiro rendimento mdio desse processo.
6.
Um engenheiro civil est analisando a resistncia compresso do concreto. Sabe-se que a resistncia do
concreto distribuda normalmente, com varincia igual a 1.000 (psi). Uma amostra aleatria de 12 corposde-prova apresentou uma resistncia mdia compresso de 3.250 psi. Construir um intervalo de 98% de
confiana para a verdadeira resistncia mdia compresso do concreto.
(Lembrete: O desvio padro a raiz quadrada da varincia)
7.
Em um estudo sobre a concentrao de zinco em certo rio, um engenheiro ambiental tomou uma amostra
aleatria desse material em 42 locaes diferentes obtendo uma mdia de 2,5 g/ml (gramas por mililitro).
Determine o intervalo de 93% de confiana para a mdia de concentrao de zinco nesse rio. Assuma que o
desvio padro seja 0,3 g/ml.
Respostas:
1. a) 25,77 a 26,63; b) 25,72 a 26,68; c) 25,54 a 26,86; d) 25,42 a 26,98
2. a) 0,8182 a 0,8298 polegada; b) 0,8163 a 0,8317 polegada
3. 6,678 a 8,082 kg
4. 796,6 a 823,4 horas
5. a) 90,48; b) 88,119 a 92,841
6. 3228,7 a 3271,3 psi
7. 2,42 a 2,58 g/ml
140
E = z
(II)
E=z
mz
E=z
m+ z
e=
onde
(III)
O tempo mdio de secagem de uma amostra de 25 pinturas de certa marca de tinta ltex foi de 4,7
horas. Suponha que as medidas representam uma amostra aleatria de uma populao normal.
Sabendo que o desvio padro populacional de 1,1 hora, determine:
a) O tempo mdio pontual de secagem dessa tinta.
Resposta: O tempo mdio pontual o prprio tempo mdio obtido na amostra, ou seja, 4,7 horas.
b) O intervalo de 98% de confiana para o verdadeiro tempo mdio de secagem dessa tinta.
Soluo: Dados: m = 4,7 horas (mdia amostral)
m z
1,1
4,7 0,51 de 4,19 a 5,21 horas.
25
Resposta: Portanto, o intervalo de 98% de confiana para o verdadeiro tempo mdio de secagem dessa tinta
de 4,19 a 5,21 horas.
c)
o erro mximo de estimao da mdia populacional ou margem de erro para uma confiana de 90%.
, temos: E = 1,65
1,1
E = 0,36 , portanto, para uma confiana de 90%, o
25
erro de estimao do tempo mdio de secagem dessa tinta igual a 0,36 hora.
d) o erro padro da mdia do tempo de secagem dessa tinta.
Soluo: Pela frmula (III) e =
, temos: e =
1,1
e = 0,22, portanto, o erro padro da mdia igual a 0,22 hora.
25
141
b) O intervalo de confiana de 95% para o verdadeiro volume mdio de enchimento de detergente nas garrafas
feitos por essa mquina.
Resposta: O intervalo de..........% de confiana para o verdadeiro volume mdio de detergente nas garrafas
de.................a.................onas.
c) Qual a margem de erro da letra b)?
d) O erro mximo de estimao do volume mdio de enchimento de detergente nas garrafas da letra b), mas
para uma confiana de 99%.
Resposta: a) 30,87 onas; b) 30,801 a 30,939 onas; c) 0,069 ona; d) 0,091 ona; e) 0,035 ona
142
Quando a populao finita e a amostra superior a 5% da populao, devemos aplicar o seguinte fator
de correo para populao finita para modificar os desvios padres das frmulas:
N n
N 1
(IV)
onde
e a amostra superior a 5% da
populao, devemos utilizar a seguinte frmula (sendo o desvio padro populacional conhecido):
m z
N n
N 1
(V)
E =z
N n
N 1
(VI)
e=
N n
N 1
(VII)
143
De um lote completo de N rolamentos esfricos produzidos por certa mquina, durante uma semana, foi
retirada uma amostra aleatria de 200 rolamentos e, em seguida, foram medidos os dimetros dessas peas,
os quais apresentaram a mdia de 0,824 polegada. Por medies feitas anteriormente, sabe-se que o desvio
padro de 0,042 polegada. Determine os limites de 90% de confiana, para o verdadeiro dimetro mdio
de todos os rolamentos esfricos desse lote, produzidos por essa mquina, quando:
a) N = 2.000
Soluo: Como a populao finita e o tamanho da amostra
devemos usar o fator de correo finita. Pela frmula (V)
0,8241,65
0,042
200
m z
n
200
100 =
100 = 10% > 5% , ento
N
2.000
N n
, temos:
n N 1
2.000 200
0,824 0,0046 de 0,8194 a 0,8286 polegada.
2.0001
Resposta: Portanto, o intervalo de 90% de confiana para o verdadeiro dimetro mdio de todos os rolamentos
esfricos desse lote, produzidos por essa mquina, de 0,8194 a 0,8286 polegada.
b) N = 5.000
Soluo: Como a populao finita e o tamanho da amostra
devemos usar o fator de correo finita. Pela frmula ( I )
0,824 1,65
0 ,042
200
m z
n
200
100 =
100 = 4% < 5% , ento no
N
5.000
, temos:
Resposta: Portanto, o intervalo de 90% de confiana para o verdadeiro dimetro mdio de todos os rolamentos
esfricos desse lote, produzidos por essa mquina, de 0,8191 a 0,8289 polegada.
2.
n
3.
, temos: E = 1,65
0,042
E = 0,0049 polegada.
200
5.
N n
, temos: E = 1,65 0,042 2.000 200 E = 0,0046 polegada.
N 1
2.000 1
200
N n
0,042 2.000 200
, temos: e =
e = 0,0028 polegada.
N 1
2.000 1
200
, temos: e =
0,042
e = 0,0030 polegada.
200
144
1.
3.
4.
5.
145
TAMANHO
DA
A M O S T R A (n)
Quando desejamos obter uma amostra para estimar uma mdia populacional, a nossa primeira dvida
saber o tamanho da amostra, isto , o valor de n.
Recordemos que o erro de estimao da mdia (frmula IV) dado por:
E = z
n = z
z
n=
(VIII)
Note que o tamanho da amostra (n) no depende do tamanho da populao (N); depende sim destas 3
condies:
a) do grau de confiana desejado (z );
b) do desvio padro populacional ( );
c) do erro de estimao pretendido ou tolervel (E ).
E X E M P L O S (tamanho da amostra)
1.
O engenheiro de controle e automao, responsvel pela produo de uma indstria, precisa determinar o
tempo mdio gasto para perfurar cinco orifcios em uma placa de metal. Por experincia prvia, pode-se
admitir um desvio padro em torno de 40 s (segundos). Com um erro de estimao de 14 s e uma confiana
de 95%, determine o tamanho da amostra necessrio para estimar o tempo mdio amostral para fazer as
perfuraes necessrias nessas placas.
2
z
1,96 40
Soluo: Pela frmula (VIII) n =
, temos: n =
= 31,36 n = 32 placas
E
14
2.
..
Com os dados histricos sobre a temperatura do pasteurizador de um laticnio, sabe-se que a varincia de
aproximadamente 1,8 (C). Planeja-se fazer uma amostragem para avaliar o valor mdio da temperatura do
pasteurizador. Suponha que as observaes sejam feitas sob as mesmas condies e de forma
independente. Qual deve ser o tamanho de amostra, para garantir um erro mximo de 0,3C, com um nvel
de 90% de confiana?
2
z
(1,65) 1,8
z
=
= 54,45 n = 55 observaes
Soluo: Pela frmula (VIII) n =
, temos: n =
2
E
(0,3)2
E
3.
Determine o nmero de observaes necessrio para estimar o tempo mdio de servio de atendimento a
chamadas de um bombeiro hidrulico, se o erro mximo deve ser de 35 minutos para um nvel de confiana
de 95%, sabendo-se que o tempo de atendimento tem um desvio padro de 1 hora. necessrio supor a
normalidade da populao?
2
z
1,96 60
Soluo: Pela frmula (VIII), temos: n =
, temos: n =
= 11,2896 n = 12 observaes
E
35
Importante: Como n = 12 30, necessrio supor que a populao tenha distribuio normal.
146
..
E X E R C C I O S (tamanho da amostra)
1.
Um analista do departamento pessoal deseja estimar o nmero mdio de horas de treinamento anual para os
chefes de uma diviso de uma grande companhia, com um fator de erro de 3 horas (para mais ou para
menos) e com
% de confiana. Baseado em dados de outras divises, ele estima o desvio padro das
b) = 92%
c) = 90%
2.
Determine o tamanho da amostra de virabrequins de certo tipo de motor necessrio para estimar a mdia de
uma dimenso crtica, com um erro mximo de 0,020 mm e uma confiana de 95%, sabendo que o desvio
padro do processo de fabricao igual a 0,060 mm.
3.
Um engenheiro industrial est interessado em estimar o tempo mdio necessrio para se montar uma placa
de circuito impresso, com uma confiana de 96% e um erro mximo de 0,15 minuto. Qual deve ser o
tamanho da amostra, sabendo que o desvio padro do tempo de montagem de 0,40 minuto?
Respostas:
1. a) 242 chefes; b) 138 chefes; c) 121 chefes
2. 35 virabrequins
3. 31 placas
147
Quando desejamos obter uma amostra de uma populao finita para estimar uma mdia populacional, o
procedimento idntico ao utilizado para encontrar a frmula anterior.
Da frmula (VI) E = z
N n
nE
N n
, obtemos
. Elevando ao quadrado ambos os membros
=
N 1
z
N 1
n E N n
=
n E ( N 1) = ( N n) z n ( N 1) E 2 = N z n z 2 2
z N 1
n ( N 1) E 2 + n z = N z n [( N 1) E 2 + n z 2 2 ] = N z 2 2
Logo,
n=
N z
( N 1) E + z
(IX)
onde,
N = tamanho da populao
n = tamanho da amostra
z = grau de confiana desejado
n=
n=
N z
, temos:
( N 1) E + z
172872
172872
5000 (1,96) 3
=
= 34,34 n = 35 peas
(5000 1) 1 + (1,96) 3
4999 + 34,5744 5033,5744
148
INTRODUO
Neste caso, que o mais comum, substitumos o desvio padro populacional pelo desvio padro amostral
A forma da distribuio t muito parecida com a normal. A principal diferena entre as duas distribuies
que a distribuio t tem rea maior nas caudas (ver figura abaixo).
149
E X E M P L O S (valor de t na Tabela 2)
Conhecendo-se apenas o desvio padro amostral (s), determinar os valores crticos de t na Tabela 2 quando:
1.
Soluo:
Linha da tabela: n 1 = 16 1 = 15 graus de liberdade (ou seja, linha 15 da tabela 2).
Coluna da tabela: Como a confiana de 90%, ento a metade da diferena entre 100% e 90% igual a
5%, e que corresponde rea no extremo de cada cauda da curva, logo devemos utilizar a coluna 0,05 (5%) da
Tabela 2.
Tabela 2
Graus
liberd.
0,05
0,025
14
15
1,753
16
t = 1,753 .
Obs.: A rea de probabilidade pode localizar-se esquerda (o valor de t negativo) ou direita (o valor de t
positivo), de acordo com o nosso interesse.
2.
Soluo:
Linha da tabela: n 1 = 10 1 = 9 graus de liberdade (ou seja, linha 9 da tabela 2).
Coluna da tabela: a coluna 0,025 (correspondente a 2,5%), para uma confiana de 95% .
Portanto, a rea de probabilidade de 2,5% situada no extremo de cada cauda da curva de probabilidade,
corresponde aos seguintes valores crticos:
t = 2,262 .
150
E X E R C C I O (valor de t na Tabela 2)
Encontre os valores crticos de t (Tabela 2) para a estimativa da mdia populacional, sendo conhecido o
desvio padro amostral (s), quando:
a) n = 25 e 90% de confiana.
b) n = 8 e 95% de confiana.
c) n = 19 e 80% de confiana.
d) n = 13 e 99,5% de confiana.
e) n = 16 e 99% de confiana.
f) n = 10 e 98% de confiana.
151
mt
(X)
Uma amostra aleatria constituda de 12 medidas da tenso de ruptura de um fio de algodo apresentou
uma mdia de 7,38 kg e um desvio padro de 1,24 kg. Determine um intervalo de 95% de confiana para a
verdadeira tenso mdia de ruptura desse tipo de fio.
Soluo:
Como n 30 e o desvio padro populacional ( ) desconhecido, isto , conhecido o desvio padro
amostral (s), devemos utilizar a Tabela 2 (coeficiente t).
mt
s
n
Resposta: Portanto, o intervalo de 95% de confiana para a verdadeira tenso mdia de ruptura desse tipo de fio
de algodo de 6,592 a 8,168 kg.
2.
Uma fbrica de lmpadas testou uma amostra aleatria de 8 lmpadas, as quais apresentaram um vida til
mdia de 1.120 horas, com o desvio padro de 125 horas. Determine um intervalo de 90% de confiana para
a verdadeira vida til mdia dessas lmpadas.
Soluo:
mt
s
n
125
8
Resposta: Portanto, o intervalo de 90% de confiana para a verdadeira vida til mdia de todas as lmpadas
desse tipo produzidas por essa fbrica de 1.036,3 e 1.203,7 horas.
152
m z
(XI)
m z
s
n
Resposta: Portanto, o intervalo de 95% de confiana para a verdadeira tenso mdia de ruptura desse tipo de fio
de algodo de 6,996 a 7,764 kg.
Vimos anteriormente que quando a populao (de tamanho N) finita e a amostra (de tamanho n)
superior a 5% da populao, devemos usar o fator de correo finita (frmula IV).
Assim, as frmulas (X) e (XI) ficaro, respectivamente:
mt
m z
N n
N 1
(XII)
N n
N 1
(XIII)
Obs.: Nas frmulas do erro de estimao da mdia e do erro padro da mdia, tambm dever ser
utilizado o fator de correo.
153
n
25
100 =
100 = 6,25% > 5% , ento
N
400
E como n = 25, ou, seja, n 30, e o desvio padro o amostral (s), ento devemos utilizar a Tabela 2
(coeficiente t), ou seja, t = 2,064.
Assim, pela frmula (XII)
243 2,064
16
25
mt
N n
, temos:
N 1
400 25
243 6,4 de 236,6 a 249,4 gramas.
400 1
Resposta:
Portanto, o intervalo de confiana do peso mdio de todas as peas desse lote de 236,6 a 249,4 gramas.
b) n = 40
Soluo: Como a populao finita e o tamanho da amostra
usar o fator de correo finita.
n
40
100 =
100 = 10% > 5% , ento devemos
N
400
E como n = 40, ou, seja, n > 30, ento devemos utilizar a Tabela 1 (coeficiente z), ou seja, z = 1,96.
16
40
m z
N n
, temos:
N 1
400 40
243 4,7 de 238,3 a 247,7 gramas.
400 1
Resposta:
Portanto, o intervalo de confiana do peso mdio de todas as peas desse lote de 238,3 a 247,7 gramas.
c) n = 10
Soluo: Como a populao finita e o tamanho da amostra
devemos usar o fator de correo finita.
n
10
100 =
100 = 2,5% < 5% , ento NO
N
400
E como n = 10, ou, seja, n 30, e o desvio padro o amostral (s), ento devemos utilizar a Tabela 2
(coeficiente t), ou seja, t = 2,262.
Assim, pela frmula (X)
mt
s
n
16
10
Resposta:
Portanto, o intervalo de 95% de confiana para o peso mdio de todas as peas do produto desse lote de
231,6 a 254,4 gramas.
154
IMPORTANTE
n
100 > 5% , ou seja,
N
Determine o valor do coeficiente z, para a estimativa da mdia populacional, para uma confiana de
sendo:
%,
a) = 90%
Soluo: A metade de = 90% 45%, ou seja, 0,4500. Na Tabela 1, o valor mais prximo e superior a 0,4500
0,4505, cujo valor z = 1,65.
b) = 96%
Soluo: A metade de = 96% 48%, ou seja, 0,4800. Na Tabela 1, o valor mais prximo e superior a 0,4800
0,4803, cujo valor z = 2,06.
c) = 87,5%
Soluo: A metade de = 87,5% 43,75%, ou seja, 0,4375. Na Tabela 1, o valor mais prximo e superior a
0,4375 0,4382, cujo valor z = 1,54.
2.
Sendo n = tamanho da amostra, % = nvel de confiana desejado e conhecido o desvio padro amostral
(s), determine o valor do coeficiente t nos seguintes casos:
a) n = 14 e = 90%
Soluo:
b) n = 10 e = 99%
Soluo:
Graus de liberdade: n = 10 1 = 9 ver linha 9 da Tabela 2
Nvel de confiana: 99% ver coluna 0,005 (0,5%) da Tabela 2
c) n = 25 e = 80%
Soluo:
Graus de liberdade: n = 25 1 = 24 ver linha 24 da Tabela 2
Nvel de confiana: 80% ver coluna 0,10 (10%) da Tabela 2
d) n = 18 e = 95%
Soluo:
Graus de liberdade: n = 18 1 = 17 ver linha 17 da Tabela 2
Nvel de confiana: 95% ver coluna 0,025 (2,5%) da Tabela 2
155
t = 1,771
t = 3,250
t = 1,318
t = 2,110
3.
n
40
100 =
100 = 4% < 5% , ou seja, a amostra inferior
N
1.000
n
20
100 =
100 5,7% > 5% , ou seja, a amostra
N
350
superior a 5% da populao, ento devemos utilizar o fator de correo para populao finita.
s
n
N n
, temos: 15,0 1,729 2,0 350 20 15,0 0,75 de 14,25 a 15,75.
N 1
350 1
20
156
c) m = 15,0
= 2,0 (desvio padro populacional)
= 99% (nvel de confiana)
n = 13 (tamanho da amostra)
Soluo: Coeficiente de confiana: Como o desvio padro populacional ( ) conhecido, o coeficiente o z
(Tabela 1), cujo valor para 99% de confiana z = 2,58.
Assim, pela frmula ( I ) m z
2 ,0
13
n
35
100 =
100 7,8% > 5% , ou seja, a amostra
N
450
superior a 5% da populao, ento devemos utilizar o fator de correo para populao finita.
N n
, temos: 15,0 2,33 2,0 450 35 15,0 0,76 de 14,24 a 15,76.
N 1
450 1
35
Uma amostra aleatria de 25 lmpadas apresentou vida til mdia de 1.000 horas e um desvio padro de
100 horas. Determine um intervalo de 80% de confiana para a verdadeira vida til mdia dessas lmpadas.
mt
100
25
Resposta: O intervalo de 80% de confiana para a verdadeira vida til mdia de todas as lmpadas de 973,6 a
1.026,4 h.
5.
Refazer a questo anterior considerando uma confiana de 90%, e que a amostra foi retirada de um lote
cujo total era de 400 unidades.
n
25
100 =
100 = 6, 25 % > 5% , ou seja, a amostra
N
400
superior a 5% da populao, ento devemos utilizar o fator de correo para populao finita.
Pela frmula (XII) m t
1.000 1,711
s
n
N n
, temos:
N 1
100 400 25
Resposta: O intervalo de 90% de confiana para a verdadeira vida til mdia de todas as lmpadas de 966,8 a
1.033,2 horas.
157
6.
Uma amostra aleatria de 60 lmpadas apresentou vida til mdia de 1.200 horas. Sabendo-se que em
testes feitos anteriormente obteve-se um desvio padro de 150 horas, determine um intervalo de 90% de
confiana para a verdadeira vida til mdia dessas lmpadas.
Soluo:
Coeficiente de confiana: Como o tamanho da amostra n = 60 > 30, ento o coeficiente o z (Tabela 1),
cujo valor para 90% de confiana z = 1,65.
Pela frmula ( I ) m z
150
, temos: 1.200 1,65
1.200 32,0 de 1.168,0 a 1.232,0 horas.
n
60
Resposta: O intervalo de 90% de confiana para a vida til mdia de todas as lmpadas de 1.168,0 a 1.232,0
horas.
7.
Uma amostra aleatria de 10 peas apresentou vida til mdia de 2.000 horas. Sabendo que o desvio
padro populacional de 300 horas, construir um intervalo de 98% de confiana para a verdadeira vida til
mdia dessas peas.
Soluo:
Coeficiente de confiana: Como o desvio padro populacional ( ) conhecido, o coeficiente o z (Tabela
1), que para uma confiana de 98% corresponde a z = 2,33.
Pela frmula ( I ) m z
300
, temos: 2.000 2,33
2.000 221,0 de 1.779,0 a 2.221,0 horas.
n
10
Resposta: O intervalo de 98% de confiana para a verdadeira vida til mdia de todas as peas de 1.779,0 a
2.221,0 horas.
8.
Refazer a questo anterior considerando uma confiana de 90%, e que a amostra foi retirada de um lote
cujo total era de 400 unidades.
Soluo:
Coeficiente de confiana: Para uma confiana de 90%, o valor do coeficiente de confiana z = 1,65.
Fator de Correo: Como a populao finita e
n
10
100 =
100 = 2,5% < 5% , ou seja, a amostra inferior
N
400
300
2.000 156,5 de 1.843,5 a 2.156,5 horas.
10
Resposta: O intervalo de 98% de confiana para a verdadeira vida til mdia de todas as peas de 1.842,5 a
2.157,5 horas.
9.
Uma amostra aleatria de 50 componentes eletrnicos apresentou vida til mdia de 1.500 horas, com um
desvio padro de 200 horas. Determine um intervalo de 80% de confiana para a verdadeira vida til mdia
desses componentes.
Soluo:
Coeficiente de confiana: Como o tamanho da amostra n = 50 > 30, ento o coeficiente o z (Tabela 1),
cujo valor para 80% de confiana z = 1,29.
Pela frmula (XI) m z
s
s
200
, temos: m z
1.500 1,29
1.500 36,5 de 1.463,5 a 1.536,5 horas.
n
n
50
Resposta: O intervalo de 80% de confiana para a vida til mdia de todos os componentes eletrnicos de
1.463,5 a 1.536,5 horas.
158
10. Uma amostra aleatria de 100 aparelhos eltricos apresentou vida til mdia de 1.600 horas. Sabendo que o
desvio padro populacional de 200 horas, determine um intervalo de 90% de confiana para a verdadeira
vida til mdia desses aparelhos.
Soluo:
Coeficiente de confiana: Como o tamanho da amostra n = 100 > 30, ento o coeficiente o z (Tabela
1), cujo valor para 90% de confiana z = 1,65.
Pela frmula ( I ) m z
100
Resposta: O intervalo de 90% de confiana para a vida til mdia de todos os aparelhos eltricos de 1.567,0 a
1.633,0 horas.
11. Uma amostra aleatria de 15 pneus apresentou vida til mdia de 1.000 dias. Sabendo-se que o desvio
padro foi anteriormente estimado em 100 dias, determine um intervalo de 99% de confiana para a
verdadeira vida til mdia desses pneus.
Soluo:
Coeficiente de confiana: Como o desvio padro populacional ( ) conhecido, ento o coeficiente o z
(Tabela 1), cujo valor para 99% de confiana z = 2,58.
Pela frmula ( I ) m z
100
, temos: 1.000 2,58
1.000 66,6 de 933,4 a 1.066,6 dias.
n
15
Resposta: O intervalo de 90% de confiana para a vida til mdia de todos os pneus de 933,4 a 1.066,6 dias.
12. Uma amostra de 10 peas produzidas por uma mquina apresentou os seguintes comprimentos, em cm:
98,0; 98,4; 98,4; 98,6; 98,0; 98,4; 98,6; 98,4, 99,0 e 98,6. Construir um intervalo de 95% de confiana
para o verdadeiro comprimento mdio desse tipo de pea.
Soluo:
Pelas frmulas, ou com o auxlio de uma calculadora, encontramos um comprimento mdio amostral de
98,44 cm, e desvio padro amostral de 0,30 cm.
Como o desvio padro populacional () desconhecido (isto , conhecido o desvio padro amostral s), e
o tamanho da amostra n = 10 < 30, ento o coeficiente o t (Tabela 2), cujo valor para 95% de confiana
t = 2,262.
Pela frmula (X)
mt
s
n
0,30
10
Resposta: O intervalo de 95% de confiana para o comprimento mdio de todas as peas produzidas por essa
mquina de 98,23 a 98,65 cm.
159
Determine os valores dos coeficientes z e t, para a estimativa da mdia populacional, sendo n = tamanho da
amostra e % = nvel de confiana, nos seguintes casos:
a) n = 11 e = 90%
Soluo:
Coeficiente z (Tabela 1):
Coeficiente t (Tabela 2):
z = ________
Linha: _________
Coluna: _______
t = ________
t = ________
t = ________
b) n = 5 e = 95%
Soluo:
Coeficiente z (Tabela 1):
Coeficiente t (Tabela 2):
z = ________
Linha: _________
Coluna: _______
c) n = 7 e = 98%
Soluo:
Coeficiente z (Tabela 1):
Coeficiente t (Tabela 2):
z = ________
Linha: _________
Coluna: _______
d) n = 23 e = 99%
e) n = 16 e = 80%
f) n = 15 e = 99,5%
160
Sendo m = mdia amostral, = desvio padro populacional, s = desvio padro amostral, N = tamanho da
populao, n = tamanho da amostra e % = nvel de confiana, determine um intervalo de confiana para a
verdadeira mdia populacional para as seguintes situaes:
a) m = 36,8; s = 5,4; N = 1.000; n = 100 e = 95%
2.
161
Certa marca de margarina diettica foi analisada por um engenheiro qumico para determinar o nvel (em
porcentagem) de cidos graxos insaturados. Uma amostra aleatria de seis pacotes resultou mdia de 16,9
e um desvio padro de 0,3. Supondo que o nvel de cidos graxos insaturados normalmente distribudo,
determine:
a) A estimativa pontual do nvel mdio de cidos graxos dessa marca de margarina.
3.
Resposta: O intervalo de...........% de confiana para o verdadeiro nvel mdio de cidos graxos dessa marca de
margarina encontrado em todos os pacotes de margarina de.................a................... .
c) O erro de estimao da mdia referente letra b).
4.
Uma engenheira ambiental est fazendo um estudo para investigar a contaminao por mercrio em um
determinado tipo de peixe de gua doce. Uma amostra aleatria desse tipo de peixe foi selecionada
aleatoriamente proveniente de 40 lagos e mediu-se a concentrao (em ppm) de mercrio no tecido
muscular, obtendo uma concentrao mdia de mercrio de 0,5250 e um desvio padro de 0,3512. Construir
um intervalo de 95% de confiana para a verdadeira concentrao mdia de mercrio em todos os peixes
desse tipo.
Resposta: O intervalo de.............% de confiana para a verdadeira concentrao mdia de mercrio em todos os
peixes desse tipo de..................a................... .
162
5.
Um engenheiro eltrico de uma indstria eletroeletrnica est analisando a voltagem de sada de certo tipo
de transformador. Para tanto tomou uma amostra aleatria de 10 transformadores, aleatoriamente
selecionados na linha de produo e verificou que a voltagem mdia desses transformadores de 12,08
volts. Sabendo que a varincia do processo de fabricao desses transformadores de 0,7 (volts),
construir um intervalo de 80% de confiana para a verdadeira voltagem mdia de todos os transformadores
desse tipo produzidos por essa indstria.
Resposta: O intervalo de...........% de confiana para a verdadeira voltagem mdia de todos os transformadores
desse tipo produzidos por essa indstria de..................a................. volts.
6.
Um engenheiro eltrico de uma indstria eletroeletrnica est analisando a voltagem de sada de certo tipo
de transformador. Para tanto tomou uma amostra aleatria de 10 transformadores, aleatoriamente
selecionados na linha de produo e verificou que a voltagem mdia desses transformadores de 12,08
volts e a varincia de 0,7 (volts). Construir um intervalo de 80% de confiana para a verdadeira voltagem
mdia de todos os transformadores desse tipo produzidos por essa indstria, sendo:
163
8.
Um engenheiro de computao pretende estudar o tempo para que um sistema computacional execute
determinada tarefa. Para tanto, essa tarefa foi colocada para execuo por 200 vezes e obteve um tempo
mdio de 352 segundos e um desvio padro de 8 segundos. Construir um intervalo de 99% de confiana
para o verdadeiro tempo mdio para execuo dessa tarefa.
164
10. De um grande lote de latas de peras em compota, foi extrada uma amostra aleatria de 50 latas as quais
apresentaram um peso mdio de 446,3 g e um desvio padro de 9,1 g. Com que confiana podemos afirmar
que o erro desta estimativa , no mximo, de 3 g?
11. De um grande lote de latas de peras em compota, foi extrada uma amostra aleatria de n latas as quais
apresentaram um peso mdio de 446,3 g e um desvio padro de 8,4 g. Construa um intervalo de % de
confiana para o peso mdio de todas as latas produzidas, sendo:
a) n = 40 e = 90%
165
b) n = 15 e = 99%
166
b) N = 2.000, n = 80 e = 99%
15. Um engenheiro qumico pretende examinar os pesos de um lote de 200 tambores de certo produto qumico.
Para tanto, retirou desse lote uma amostra aleatria de 20 tambores e encontrou um peso mdio de 240,8
kg. Sabendo que o desvio padro dos pesos dos tambores do lote pode ser considerado igual a 10,2 kg,
construir um intervalo de 99% de confiana para o peso mdio de todos os tambores desse lote.
16. Calcule o tamanho que deve ter uma amostra de pessoas para que se obtenha um intervalo de confiana
para a altura mdia populacional, com um nvel de confiana de 99%, e com um erro mximo de estimao
de 0,2 dm, sabendo que o desvio padro pode ser considerado igual a 10,2 cm.
17. Foram retiradas 25 peas da produo diria de uma mquina, encontrando-se uma medida mdia de 5,2
mm. Sabendo que as medidas tm distribuio normal com desvio padro populacional de 1,2 mm, construir
um intervalo de 90% de confiana para a mdia populacional.
167
18. Uma engenheira de computao aps fixar certos parmetros de entrada em um sistema computacional
mediu 13 vezes os tempos de execuo de um algoritmo, obtendo os seguintes resultados, em minutos:
18, 15, 17, 13, 16, 19, 14, 15, 18, 15, 14, 20 e 17. Construir um intervalo de 99% de confiana para o
verdadeiro tempo mdio de execuo desse algoritmo.
19. Uma amostra aleatria de n refeies, aleatoriamente escolhidas, servidas em um restaurante por quilo,
acusou um peso mdio de 480 g, com um desvio padro de 120 g. Construir um intervalo de % de
confiana para o verdadeiro peso mdio de todas as refeies servidas por esse restaurante, sendo:
a) n = 25 e = 90%
b) n = 50 e = 99%
20. Uma amostra aleatria de n refeies, aleatoriamente escolhidas, servidas em um restaurante por quilo,
acusou um peso mdio de 450 g. Sabendo que o desvio padro dos pesos de todas as refeies pode ser
considerado como sendo de 100 g, construir um intervalo de % de confiana para o verdadeiro peso mdio
de todas as refeies servidas por esse restaurante, sendo:
a) n = 80 e = 95%
b) n = 15 e = 98%
168
21. Uma engenheira de controle de qualidade de uma indstria mediu as espessuras de uma amostra aleatria
de n garrafas de vidro de 1 litro, obtendo uma mdia de 4,35 mm e desvio padro de 0,09 mm. Construir um
intervalo de
Resposta: O intervalo de...........% de confiana para a verdadeira espessura mdia de todas as .........................
........................................................................................................................................
b) n = 60 e = 98%
Resposta: O intervalo de...........% de confiana para a verdadeira espessura mdia de todas as .........................
........................................................................................................................................
22. Um engenheiro civil de uma grande construtora, tomou uma amostra aleatria de 25 azulejos de um grande
lote e obteve uma rea mdia de 400 cm e um desvio padro de 5 cm. Estime o intervalo de 95% de
confiana para a verdadeira rea mdia de todos os azulejos desse lote.
Resposta: O intervalo de...........% de confiana para a verdadeira rea mdia de todos os..................................
........................................................................................................................................
Respostas:
1.a) z = 1,65 e t = 1,812; b) z = 1,96 e t = 2,776; c) z = 2,33 e t = 3,143;
d) z = 2,58 e t = 2,819; e) z = 1,29 e t = 1,341; f) z = 2,81 e t = 3,326
2.a) 35,80 a 37,80; b) 147,134 a 198,526; c) 80,58 a 88,42;
d) 392,3 a 459,7; e) 5,5521 a 7,4619
3.a) 16,9; b) 16,65 a 17,15; c) 0,25; d) 0,12
4. 0,41616 a 0,63384
5. 11,739 a 12,421 V
6. 11,714 a 12,446 V
7.a) 29,17 a 36,03 s; b) 3,43 s
8. 350,5 a 353,5 s
9. a) 246,2 a 263,8 refrescos; b) 228,5 a 281,5 refrescos
10. 98%
169
Estimativa pontual
Estimativa intervalar (ou intervalo de confiana)
Tamanho da amostra
Notao para as propores:
P = proporo populacional
p = proporo amostral de x sucessos em uma amostra de tamanho n, isto , p =
x
n
Estimativa pontual
A estimativa amostral p a melhor estimativa pontual da proporo populacional P.
Estimativa intervalar
A estimativa intervalar para a proporo populacional P (para grandes amostras) dada por:
p z
pq
n
(XIV)
onde
z = coeficiente de confiana (Tabela 1)
Observaes:
a)
b) Para construirmos os intervalos de confiana para uma proporo populacional, usamos apenas a
distribuio z ( a distribuio t no usada).
E = z
pq
n
(XV)
170
Uma engenheira civil tomou uma amostra aleatria de 120 pisos cermicos e verificou que 15 deles
apresentaram determinadas imperfeies que inviabilizam o seu uso. Com esses dados, determine:
a) A estimativa pontual da proporo populacional de todos os pisos que apresentam alguma imperfeio.
Soluo: A estimativa pontual de P : p =
x 15
=
= 0,125 (12,5%)
n 120
b) A estimativa intervalar de 95% de confiana para a proporo populacional de todos os pisos que apresentam
alguma imperfeio.
Soluo: Como p = 0,125, ento q = 1 p = 1 0,125, logo q = 0,875.
A estimativa intervalar de P dada pela frmula (XIV)
Da, 0 ,125 1,96
p z
pq
n
0 ,125 0,875
0,125 0,0592 de 0,0658(6,58%) a 0,184 (18,4%).
120
Resposta: Portanto, o intervalo de 95% de confiana para a proporo populacional de todos os pisos que
apresentam alguma imperfeio de 0,0658 (6,58%) a 0,184 (18,4%).
c) O erro de estimativa da proporo populacional encontrada em b).
Soluo: O erro de estimativa de P dado pela frmula (XV)
Da, E = 1,96
2.
E = z
pq
n
0,125 0,875
E = 0,0592 (5,92%).
120
Uma pesquisa feita com uma amostra aleatria de 1.850 eleitores para saber se votariam em determinado
candidato, revelou que 1.134 deles responderam afirmativamente.
a) Construir um intervalo de 90% de confiana para a verdadeira proporo das pessoas que pretendem votar
nesse candidato no dia da eleio.
Soluo:
x 1134
=
p = 0,613 (61,3%).
n 1850
E a proporo amostral dos eleitores que no votam nesse candidato : q = 1 p q = 0,387 (38,7%).
A proporo amostral dos eleitores que votam nesse candidato : p =
p z
pq
n
0,613 0,387
0,613 0,0187 de 0,594 (59,4%) a 0,632 (63,2%).
1.850
Resposta: Portanto, o intervalo de 90% de confiana para a proporo populacional de todas as pessoas que
pretendem votar nesse candidato no dia da eleio de 0,594 (59,4%) a 0,632 (63,2%).
b) O erro de estimativa da proporo populacional encontrada em a).
Soluo: O erro de estimativa de P dado pela frmula (XV)
Da, E = 1,65 0,613 0,387 E = 0,0187 (1,87%).
1.850
171
E = z
pq
n
p z
pq N n
n
N 1
(XVI)
E = z
pq N n
n
N 1
(XVII)
p=
x 34
=
p= 0,34 (34%) q = 1 p =1 0,34 q = 0,66 (66%).
n 100
n
100
100 =
100 = 27,8% > 5% , ento devemos utilizar o fator de correo para
N
360
0,34 1,96
pq N n
, temos:
n
N 1
Resposta: Portanto, o intervalo de 95% de confiana para a proporo populacional de todas as mquinas dessa
indstria, que apresentaram algum tipo de problema no ms anterior de 0,261 (26,1%) a 0,419 (41,9%).
b) Qual o erro de estimao da proporo populacional na letra a)?
Soluo:
Na letra a), encontramos: p E, ou seja, 0,34 0,079.
Logo, o erro de estimao da proporo populacional : E = 0,079 (7,9%).
172
c) Construir um intervalo de 98% de confiana para a proporo de todas as mquinas dessa indstria, que
apresentaram algum tipo de problema no ms anterior, sendo N = 1.500 e n = 60.
Soluo:
Para uma confiana de 98%, o valor do coeficiente z 2,33.
A proporo amostral das mquinas que apresentaram algum problema :
p=
x 34
=
p = 0,567 (56,7%) q = 1 p =1 0,567 q= 0,433 (43,3%).
n 60
n
60
100 =
100 = 4% < 5% , ento NO devemos utilizar o fator de correo para
N
1.500
0,567 2,33
p z
pq
n
, temos:
0,567 0,433
0,567 0,149 de 0,418 a 0,716.
60
Resposta: Portanto, o intervalo de 98% de confiana para a proporo populacional de todas as mquinas dessa
indstria que apresentaram algum tipo de problema no ms anterior de 0,418 (41,8%) a 0,716 (71,6%).
d) Qual o erro de estimao da proporo populacional na letra c)?
Soluo: Na letra c), encontramos: p E, ou seja, 0,567 0,149.
Logo, o erro de estimao da proporo populacional : E = 0,149 (14,9%).
T A M A N H O D A A M O S T R A (n)
(para estimativa de uma proporo populacional)
De E = z
onde
z2 p q
pq
, obtemos: n =
(XVIII)
E2
n
REGRA DO ARREDONDAMENTO
Quando a frmula no conduz a um
n = tamanho da amostra
z = coeficiente de confiana
E = erro amostral
p = estimativa da proporo
q = complemento de p, isto , q = 1 p
Obs.: Quando no se conhece o valor de p, consideramos p = 0,5 (50%) e q = 0,5 (50%) e a frmula
anterior fica: n =
z 2 0,25
E2
(XIX)
Exemplo: Certo tipo de pea produzido por determinada indstria. Qual o tamanho da amostra que permite
estimar a proporo de itens defeituosos, com um erro mximo de 3,2% e uma confiana de 98%, se:
a) Em estudo anterior, constatou-se que 4,8% das peas so defeituosas.
( 2,33) 2 0,25
z 2 0,25
,
temos:
n
=
= 1.325,42 n = 1.326 peas
E2
(0,032 ) 2
173
. .
e) Comparando os resultados anteriores, qual a concluso que se chega sobre os percentuais de p quanto ao
nvel de confiana?
Resposta: Quanto maior o nvel de confiana desejado, maior dever ser o tamanho da amostra.
Exerccio
Agora, resolva voc:
Os engenheiros da Philips desejam estimar a proporo populacional dos aparelhos de som que se avariam
durante os trs primeiros meses do perodo de garantia. Admitindo um erro mximo de 4% e uma confiana de
99%, determine o tamanho necessrio da amostra, se:
a) Em estudo anterior, constatou-se que 12,5% dos aparelhos apresentam defeitos durante esse perodo.
N z2 p q
n= 2
(XX)
E ( N 1) + z 2 p q
onde
N = tamanho da populao
n = tamanho da amostra
z = coeficiente de confiana
E = erro amostral
p = estimativa da proporo
q = complemento de p, isto , q = 1 p
Exemplo: Certa cidade possui um total de 20.000 habitantes. Determine o tamanho da amostra para se estimar a
proporo populacional de pessoas que consideram satisfatrio o atendimento mdico municipal, admitindo que o
pesquisador suspeite que 30% acham o atendimento satisfatrio, utilizando um nvel de 95% de confiana e um
erro amostral de 2% (para mais ou para menos).
N z2 p q
Soluo: Pela frmula (XX) n = 2
, temos:
E ( N 1) + z 2 p q
n=
b) Qual a estimativa pontual da proporo populacional dos operrios que esto usando capacetes, para
n = 60 e x = 9?
c) Construa um intervalo de 98% de confiana para a verdadeira proporo populacional dos operrios que no
esto usando capacetes nesse projeto, sendo n = 35 e x = 6.
Resposta: O intervalo de............% de confiana para verdadeira proporo populacional dos operrios que no
esto usando capacetes de.................(..............%) a.................(..............%).
d) Qual o erro de estimativa da proporo populacional encontrada na letra c)?
e) Suponha que h 700 operrios trabalhando nesse projeto. Construa um intervalo de 90% de confiana para a
verdadeira proporo populacional dos operrios que no esto usando capacetes nesse projeto, sendo
n = 45 e x = 4.
175
g) Suponha que h 1.200 operrios trabalhando nesse projeto. Construa um intervalo de 90% de confiana para
a verdadeira proporo populacional dos operrios que no esto usando capacetes nesse projeto, sendo
n = 50 e x = 6.
Determine o tamanho da amostra para uma confiana de 90%, e um erro de estimao igual a 0,025, quando
a proporo amostral igual:
a) p = 0,10
2.
b) p = 0,30
176
3.
Determine o tamanho da amostra para uma proporo amostral igual a 0,30, erro de estimao igual a 0,030
e uma confiana de:
a) 80%
b) 90%
Determine o tamanho da amostra para uma confiana de 90% e uma proporo amostral de 0,30, quando o
erro de estimao igual a:
a) E = 1%
4.
b) E = 2%
Uma unidade da Intel produziu um lote de N chips em um certo perodo. O engenheiro de produo
selecionou aleatoriamente n chips para testes e verificou que x unidades desses chips no tm a velocidade
de processamento adequada. Construir um intervalo de % de confiana para a verdadeira proporo de
chips considerados adequados desse lote, sendo:
a) N = 10.000, n = 600, x = 22 e = 90%.
5.
Resposta: O intervalo de...........% de confiana para a verdadeira proporo de todos os chips considerados
adequados de.................(..............%) a.................(..............%).
177
Uma amostra aleatria de 70 capacetes de corredores de motos e automveis foi submetida a um teste de
impacto, sendo reprovados 22 desses capacetes por no oferecerem toda a segurana necessria. Construir
um intervalo de 99% de confiana para a verdadeira proporo dos capacetes que no resistem a um teste
de impacto.
7.
Uma reprter de uma revista especializada em informtica deseja fazer uma pesquisa para estimar a
verdadeira proporo de todos os universitrios que possuem computador pessoal, e quer ter 95% de
confiana de que seus resultados tenham uma margem de erro de 0,04. Quantos universitrios devem ser
pesquisados?
8.
178
Um fabricante de flashes deseja estimar a probabilidade de um flash funcionar. Como se trata de teste
destrutivo, ele deseja manter o tamanho da amostra o menor possvel. Determine o nmero de observaes
que devem ser feitas para estimar a probabilidade, a menos de 0,04, com 98% de confiana, se:
a) Ele no tem ideia da porcentagem de flashes defeituosos.
9.
10. Um engenheiro eltrico de determinada companhia pretende fazer um estudo sobre o funcionamento e
qualidade dos medidores residenciais aps 5 anos de uso. Uma amostra aleatria de 1.234 domiclios que
possuem medidores com mais de 5 anos de uso, revelou que 20 medidores apresentavam algum problema
de funcionamento.
a) Com os dados amostrais, construa um intervalo de 99% de confiana para a proporo de todos os medidores
que apresentam algum problema de funcionamento aps 5 anos de uso.
b) Utilizando os dados amostrais como estudo piloto, determine o tamanho mnimo da amostra necessrio para
estimar a proporo dos medidores que apresentam algum problema de funcionamento aps 5 anos de uso.
Admita um nvel de confiana de 95% em que a estimativa no apresente erro superior a 0,005.
11. Suponha que o departamento de estradas de rodagem de um Estado queira estimar a proporo de
caminhes que transportam mercadorias entre duas cidades, trafegam com excesso de peso, com ao menos
0,95 de probabilidade de seu erro no ser superior a 4%. Qual deve ser o tamanho da amostra, se:
a) utilizarmos os resultados de uma pesquisa anterior, a qual apontou que 25% dos caminhes trafegavam com
excesso de peso?
179
12. Um fabricante de pilhas do tipo AA retirou uma amostra aleatria de n pilhas de um lote de 1.800 unidades,
as quais foram postas em uso ininterrupto sob as mesmas condies e observou-se que 8 delas tiveram uma
durao inferior a 100 horas de uso. Construir um intervalo de 90% de confiana para a proporo de todas
as pilhas desse lote que tm durao inferior a 100 horas de uso, sendo:
a) n = 120
b) n = 50
Respostas:
1. a) 0,175 (17,5%); b) 0,85 (85%); c) 0,0227 (2,27%) a 0,319 (31,9%); d) 0,148 (14,8%); e) 0,0211 (2,11%) a 0,157 (15,7%);
f) de 15 a 110 operrios; g) 0,0442 (4,42%) a 0,196 (19,6%); h) de 53 a 235 operrios; i) 0,0678 (6,78%) e 0,0758 (7,58%);
j) Cada operrio tem a mesma chance que todos os outros de ser escolhido para fazer parte da amostra em estudo; k) Para poder usar
uma distribuio amostral
2. a) 393; b) 915
3. a) 389; b) 636
4. a) 5.718; b) 1.430
5. a) 0,951 (95,1%) a 0,975 (97,5%); b) 0,887 (88,7%) a 0,925 (92,5%)
6. 0,171 (17,1%) a 0,457 (45,7%)
7. 601 universitrios
8. 0,00145 (0,145%) a 0,00349 (0,349%)
9. a) 849 flashes; b) 192 flashes
10. a) 0,00693 (0,693%) a 0,0255 (2,55%); b) 2.450 medidores
11. a) 451 caminhes; b) 601 caminhes
12. a) 0,0304 (3,04%) a 0,103 (10,3%); b) 0,0745 (7,45%) a 0,246 (24,6%)
180
HIPTESES ESTATSTICAS
Uma hiptese estatstica uma alegao ou afirmao sobre uma propriedade de uma populao.
Para desenvolver processos de testes de hipteses estatsticas, devemos formular duas hipteses, a saber:
Hiptese nula (Ho): uma afirmao que diz que no h diferena significativa entre os parmetros da
amostra e da populao, ou seja, a diferena observada foi devida ao acaso (isto , a afirmao verdadeira).
Hiptese alternativa (H1): aceita se Ho rejeitada.
Observao: Na construo das hipteses nula (Ho) e alternativa (H1), utilizamos os seguintes smbolos
matemticos:
Smbolo matemtico
<
>
Igual
Igual
Diferente
Menor do que
Diferente; no igual
Inferior; menor; abaixo
Menor ou igual
Maior do que
Maior ou igual
No mximo; no superior; at
Superior; maior; acima
No mnimo; no inferior; pelo menos
181
Nveis de significncia
O nvel de significncia de um teste a probabilidade de uma hiptese nula ser rejeitada, quando ela
verdadeira (tambm chamada erro Tipo I).
Na prtica, os nveis de significncia mais frequentemente utilizados em testes de hipteses so os de 5% e
1%, embora possam ser usados outros valores. Assim, se escolhermos o nvel de significncia de 5%, isto quer
dizer que temos cerca de 5 chances em 100 da hiptese nula ser rejeitada quando deveria ser aceita, ou seja, h
uma confiana de cerca de 95% de que se tome uma deciso acertada.
T e s t e b i l a t e r a l (o u b i c a u d a l):
Quando a variao est concentrada em ambas as direes, ou seja, quando a regio crtica (ou regio de
E x e m p l o s (t es t e s b i l a t e r a i s)
a) Fabricao de calados, onde os tamanhos podem fugir do padro. Por exemplo, o n 40 pode ser maior ou
menor que o normalmente encontrado na praa.
b) Fabricao de peas que precisam ajustar-se uma a outra. Exemplo: parafuso, porca e engrenagem de
cmbio de um carro.
c) Consumo mdio de combustvel de certo tipo de veculo, o qual pode ser maior ou menor que o especificado
pela fbrica.
d) Tempo de efeito de um composto qumico, que pode ser maior ou menor que o estabelecido.
(2) T e s t e u n i l a t e r a l (o u u n i c a u d a l) e s q u e r d a:
Quando a variao est concentrada nos valores abaixo do esperado, ou seja, quando a regio crtica (ou
regio de rejeio da hiptese nula) est no lado esquerdo da curva de distribuio, como mostra a figura (ver
tabela z para encontrar o valor crtico):
182
E x e m p l o s (t e s t e s u n i l a t e r a i s e s q u e r d a)
a)
b)
c)
d)
(3) T e s t e u n i l a t e r a l (o u u n i c a u d a l) d i r e i t a:
Quando a variao est concentrada nos valores acima do esperado, ou seja, quando a regio crtica (ou
regio de rejeio da hiptese nula) est no lado direito da curva de distribuio, como mostra a figura (ver
tabela z para encontrar o valor crtico):
E x e m p l o s (t e s t e s u n i l a t e r a i s d i r e i t a)
a) Contedo mximo de gordura no leite.
b) Nmero de peas defeituosas de certa remessa.
c) Poluio atmosfrica ocasionada por certa fbrica.
d) Radiao emitida por usinas nucleares.
Observao: Em todas as nossas aplicaes, quando o tamanho da amostra n 30, estaremos admitindo que
a referida amostra provm de uma populao que tenha aproximadamente a forma de uma distribuio
normal.
183
mM
, onde e = erro padro da mdia (isto ,
e
mM
( XXI )
n
2) Quando o desvio padro o amostral ( s ) e n > 30, o valor do teste dado por: z teste =
mM
s
( XXII )
n
3) E quando o desvio padro o amostral ( s ) e n 30, o valor do teste dado por: t teste =
mM
s
( XXIII )
2.
, ento o teste b i l a t e r a l.
ou
H1: M < Mo
ou
H1: M > Mo
M = mdia populacional
Mo = valor hipottico especfico para mdia populacional
3.
Construir uma figura com a curva normal e as regies de aceitao e rejeio da hiptese nula.
4.
5.
6.
7.
8.
9.
184
O engenheiro responsvel pelo setor de produo de uma empresa afirmou ao gerente financeiro que o
tempo mdio para produo de determinado tipo de aparelho igual a 82,8 minutos. O gerente dessa
empresa, desejando testar essa afirmao do engenheiro, tomou uma amostra aleatria de 36 aparelhos, e
anotou os tempos gastos na sua produo, obtendo um tempo mdio de 78,3 minutos, com um desvio
padro de 15,3 minutos. Testar a afirmao do engenheiro responsvel pelo setor de produo, ao nvel de
significncia de 5%, contra a alternativa de que o tempo mdio de produo desses aparelhos diferente de
82,8 minutos.
Soluo:
( I ) Dados: M = 82,8 (mdia populacional)
z crt = 1,96
(IV) Valor do teste:
A nossa hiptese nula (Ho) nos diz que essa diferena verificada devida ao acaso. Para sabermos se
devemos aceitar ou rejeitar essa hiptese, vamos transformar a mdia da amostra no coeficiente zteste e
compar-lo com o valor crtico de z (zcrt).
78,3 82,8
Pela frmula (XXII) z teste = m M , temos: z
z teste = 1,76
teste =
15,3
36
(V) Concluso: Como zteste = 1,76 encontra-se na regio de aceitao, devemos aceitar a hiptese nula, ou
seja, o gerente deve aceitar a afirmao do engenheiro responsvel pelo setor de produo de que o
tempo mdio para produo desses aparelhos igual a 82,8 minutos, pois a diferena ocorrida entre as
mdias amostral e populacional irrelevante (insignificante), isto , foi devida ao acaso.
185
2.
A engenheira responsvel pelo setor de produo de uma grande indstria afirmou que o tempo mdio para
montagem de determinado equipamento igual a 82,8 minutos. O gerente geral dessa empresa, desejando
testar essa afirmao da engenheira, escolheu aleatoriamente 25 desses equipamentos na linha de
montagem e verificou que o tempo mdio gasto foi de 88,1 minutos, com um desvio padro de 15,3 minutos.
Testar a afirmao da engenheira, ao nvel de significncia de 10%, contra a alternativa de que o tempo
mdio para montagem desse equipamento no de 82,8 minutos.
Soluo:
( I ) Dados: M = 82,8 (mdia populacional)
88,1 82,8
Pela frmula (XXIII) t teste = m M , temos: t
t teste = + 1,732
teste =
15,3
25
(V) Concluso:
Como tteste = + 1,732 encontra-se na regio de rejeio, devemos rejeitar a hiptese nula, ou seja, no
devemos aceitar a afirmao da engenheira, portanto o gerente geral no deve aceitar a afirmao da
engenheira, logo, o tempo mdio para montagem desse equipamento diferente de 82,8 minutos, pois a
diferena ocorrida entre as mdias relevante (significativa), isto , no foi devida ao acaso, ou seja,
existe algum motivo.
186
3.
Soluo:
( I ) Dados: M = 40 minutos (mdia populacional)
m M , temos:
42 40
Pela frmula (XXI) z
z teste =
z teste = +4,17
teste =
2, 4
25
(V) Concluso:
Como zteste = + 4,17 encontra-se na regio de rejeio, devemos rejeitar a hiptese nula, ou seja, no
devemos aceitar a afirmao dos funcionrios da fbrica, portanto o engenheiro responsvel pelo setor
no deve aceitar a alegao dos funcionrios, logo, o tempo mdio para encerramento do expediente
dirio no de 40 minutos.
187
4.
Soluo:
( I ) Dados: M = 40 minutos (mdia populacional)
39 40
Pela frmula (XXIII) t teste = m M , temos: t
t teste = 2,083
teste =
s
2, 4
25
(V) Concluso:
Como tteste = 2,083 encontra-se na regio de aceitao, devemos aceitar a hiptese nula, ou seja,
devemos aceitar a afirmao dos funcionrios da fbrica, portanto, a engenheira da fbrica deve aceitar a
afirmao dos funcionrios de que o tempo mdio para execuo dessas tarefas de 40 minutos.
188
(V) Concluso:
b) = 1%
Soluo:
( I ) Dados:
(V) Concluso:
189
2.
Um lote de mquinas com defeitos foi recebido em um departamento de conserto de mquinas. O tcnico
responsvel estimou um tempo mdio de 100 minutos para o conserto de cada mquina. Para uma amostra
aleatria de 12 mquinas, o tempo mdio necessrio para o conserto de 90 minutos, com um desvio
padro de 15 minutos. Testar a afirmao do tcnico, ao nvel de significncia de 10%, contra a alternativa
de que o tempo mdio de conserto diferente de 100 minutos, supondo que a distribuio do tempo de
conserto aproximadamente normal.
O fabricante de lmpadas fluorescentes de determinada marca, afirma que a vida til mdia dessas
lmpadas de 1.600 horas. Uma amostra aleatria de 100 lmpadas apresentou uma vida til mdia de
1.570 horas, com desvio padro de 120 horas. Testar a afirmao do fabricante, ao nvel de significncia de
%, contra a alternativa de que a vida til mdia dessas lmpadas no de 1.600 horas, quando:
a) = 5%
3.
190
b)
= 1%
O fabricante afirma que o peso mdio de seu produto de 820 g. Uma amostra de n unidades desse produto
acusou um peso mdio de m gramas, com um desvio padro de 15 g. Testar a afirmao do fabricante, ao
nvel de significncia de %, contra a alternativa de que o peso mdio desse produto diferente de 820 g,
quando:
a) m = 814 g, n = 20 e = 5%.
4.
191
b) m = 830 g, n = 40 e = 2%.
c) m = 827 g, n = 16 e = 10%.
192
d) m = 815 g, n = 35 e = 0,5%.
O fabricante afirma que o consumo mdio mensal de energia de seu aparelho de 80 kWh, e o desvio
padro de 12 kWh. Uma amostra de n aparelhos revelou um consumo mdio mensal de m kWh. Testar a
afirmao do fabricante, ao nvel de significncia de %, contra a alternativa de que o consumo mdio
mensal de energia no de 80 kWh, quando:
a) m = 85 kWh, n = 22 e = 1%.
5.
193
b) m = 76 kWh, n = 50 e = 20%.
Respostas:
Ho: M = 680 g
1. a)
1. b)
2.
3. a)
3. b)
4. a)
H1: M 680 g
Ho: M = 680 g
H1: M 680 g
Ho: M = 100 min
H1: M 100 min
Ho: M = 1.600 h
4. c)
4. d)
zcrt = 2,58
zteste = + 2,45
tcrt = 1,796
tteste = 2,309
zcrt = 1,96
Ho: M = 1.600 h
H1: M 1.600 h
Teste
bilateral
zcrt = 2,58
zteste = 2,5
Ho: M = 820 g
Teste
bilateral
tcrt = 2,093
Teste
bilateral
zcrt = 2,33
Ho: M = 820 g
H1: M 820 g
Ho: M = 820 g
H1: M 820 g
Ho: M = 820 g
Ho: M = 80 kWh
H1: M 80 kWh
5. b)
Teste
bilateral
zteste = + 2,45
Teste
bilateral
H1: M 820 g
5. a)
Teste
bilateral
zcrt = 1,96
H1: M 1.600 h
H1: M 820 g
4. b)
Teste
bilateral
Ho: M = 80 kWh
H1: M 80 kWh
Teste
bilateral
zteste = 2,5
tteste = 1,789
zteste = + 4,22
tcrt = 1,753
tteste = + 1,867
Teste
bilateral
zcrt = 2,81
Teste
bilateral
zcrt = 2,58
Teste
bilateral
zcrt = 1,29
zteste = 1,97
zteste = + 1,95
zteste = 2,36
194
O engenheiro de uma fbrica de elevadores pretende adquirir de certo fabricante uma remessa de cabos de
ao para determinado tipo de elevador, com a garantia do fabricante de que esses cabos suportam um peso
mdio de, no mnimo, 600 kg, e que o desvio padro do processo de 50 kg. O engenheiro tomou uma
amostra aleatria de 12 cabos desse tipo, a qual apresentou uma resistncia mdia de 575 kg. Ao nvel de
significncia de 5%, testar a afirmao do fabricante desses cabos contra a alternativa de que a resistncia
mdia desses cabos inferior a 600 kg, sendo:
Soluo:
( I ) Dados: M = 600 kg (mdia populacional)
z crt = 1,65
(IV) Valor do teste:
m M , temos:
575 600
Pela frmula (XXI) z
zteste =
z teste = 1,73
teste =
50
12
(V) Concluso:
Como zteste = 1,73 encontra-se na regio de rejeio, devemos rejeitar a hiptese nula, ou seja, no
devemos aceitar a afirmao do fabricante de cabos de ao, portanto, o engenheiro da fbrica de
elevadores no deve aceitar a afirmao do fabricante de cabos de ao de que a resistncia mdia de,
no mnimo, de 600 kg, ou seja, ao que tudo indica, os cabos de ao tm uma resistncia mdia inferior a
600 kg.
2.
195
O gerente de uma empresa de transporte suspeita da afirmao de um vendedor de pneus de que seu
produto tem uma vida til mdia de, no mnimo, 56.000 km. Para verificar a afirmao do vendedor, a
empresa instala n pneus desse tipo em seus caminhes, obtendo uma vida til mdia de 55.126 km, com
desvio padro de 2.696 km. Testar, ao nvel de significncia de %, a afirmao do vendedor de pneus
contra a alternativa de que a vida til mdia desses pneus inferior a 56.000 km. Qual a concluso do
gerente, se:
a) n = 40 e = 1%
3.
Soluo:
( I ) Dados: M = 56.000 km (mdia populacional)
m = 55.126 km (mdia amostral)
s = 2.696 km (desvio padro amostral)
n = 40 (tamanho da amostra)
Nvel de significncia de 1%
(II) Hipteses estatsticas: As nossas hipteses nula (Ho) e alternativa (H1), so:
Ho: M 56.000 km ( a afirmao do vendedor de pneus e que ser testada)
H1: M < 56.000 km ( o que o gerente da transportadora pretende verificar)
(III) Valor crtico: Como n = 40 > 30, ento devemos utilizar o coeficiente z (Tabela 1).
Como o teste unilateral, pois na hiptese alternativa estamos testando apenas as mdias amostrais que
se encontram abaixo da mdia populacional, ento o valor crtico de z, ao nvel de significncia de 1%, :
z crt = 2,33
m M , temos:
55.126 56.000
(IV) Valor do teste: Pela frmula (XXII) z
zteste =
z teste = 2,05
teste =
s
2.696
40
(V) Concluso: Como zteste = 2,05 encontra-se na regio de aceitao, devemos aceitar a hiptese nula, ou
seja, a diferena ocorrida entre as mdias irrelevante, isto , foi devida ao acaso, portanto, a suspeita do
gerente no confirmada pelos dados amostrais, logo o gerente dessa empresa deve aceitar a afirmao
do vendedor de que a vida til mdia dos pneus de, no mnimo, 56.000 km.
Obs.: O fato de o gerente aceitar a hiptese nula uma deciso dele, e no um problema da estatstica.
b) n = 25 e = 10%
Soluo:
( I ) Dados: M = 56.000 km (mdia populacional)
m = 55.126 km (mdia amostral)
s = 2.696 km (desvio padro amostral)
n = 25 (tamanho da amostra)
Nvel de significncia de 10%
(II) Hipteses estatsticas: As nossas hipteses nula (Ho) e alternativa (H1), so:
Ho: M 56.000 km ( a afirmao do vendedor de pneus e que ser testada)
H1: M < 56.000 km ( o que o gerente da transportadora pretende verificar)
(III) Valor crtico:
Como n = 25 < 30 e o desvio padro amostral (s), ento devemos utilizar o coeficiente t (Tabela 2).
O valor crtico de t, para o teste unilateral, ao nvel de significncia de 10%, : t crt = 1,318
55.126 56.000
(IV) Valor do teste: Pela frmula (XXIII) t teste = m M , temos: t
t teste = 1,621
teste =
2.696
25
(V) Concluso: Como tteste = 1,621 encontra-se na regio de rejeio, no devemos aceitar a hiptese nula,
ou seja, a diferena ocorrida entre as mdias relevante (isto , no foi devida ao acaso; existe um motivo),
ento devemos aceitar a hiptese alternativa, portanto, o gerente da transportadora no deve aceitar a
afirmao do vendedor; assim a suspeita do gerente da empresa transportadora confirmada pelos dados
amostrais, de que a vida til mdia dos pneus inferior a 56.000 km.
196
(V) Concluso:
197
(V) Concluso:
c) Em qual das partes a) e b) preciso saber que a populao aproximadamente normal? Por que?
2.
O fabricante de mquinas empacotadoras afirma que as embalagens empacotadas por suas mquinas
fornecem um peso mdio lquido de, no mnimo, 174 gramas. Para testar a afirmao do fabricante, o diretor
comercial da empresa que pretende adquirir uma dessas mquinas tomou uma amostra aleatria de 22
pacotes embalados por esse tipo de mquina, obtendo um peso mdio lquido 171 gramas, com um desvio
padro de 10 gramas. Testar a afirmao do fabricante, a um nvel de significncia de 5%, contra a
alternativa de que o peso mdio lquido dos pacotes embalados por essa mquina inferior a 174 gramas.
Respostas:
1. a)
1. b)
1. c)
2.
Ho: M 400 h
H1: M < 400 h
Ho: M 400 h
H1: M < 400 h
Teste unilateral
esquerda
Teste unilateral
esquerda
tcrt = 2,896
tteste = 2,0
zcrt = 2,33;
zteste = 2,40
esquerda
tteste = 1,408
H1: M < 174 g
mdio lquido mximo de 174 g.
198
m M , temos:
350 340
(IV) Valor do teste: Pela frmula (XXIII) t
tteste =
t teste = +1,5
teste =
s
20
9
(V)
Concluso: Como tteste = + 1,5 encontra-se na regio de aceitao, devemos aceitar a hiptese nula, isto
, o gerente da rede de lanchonetes deve aceitar a afirmao do engenheiro da fbrica de que o
contedo mdio fornecido pelas mquinas de, no mximo, 340 ml por copo, pois a diferena entre as
mdias irrelevante, ou seja, foi devida ao acaso.
b) n = 36
Soluo:
( I ) Dados: M = 340 ml (mdia populacional)
m = 350 ml (mdia amostral)
s = 20 ml (desvio padro amostral)
n = 36 (tamanho da amostra)
Nvel de significncia de 5%
(II) Hipteses estatsticas: As nossas hipteses nula (Ho) e alternativa (H1), so:
Ho: M 340 ml ( a afirmao do engenheiro e que ser testada)
H1: M > 340 ml ( o que o gerente da rede de lanchonetes pretende verificar)
(III) Valor crtico: Como n= 36 > 30, ento devemos utilizar a Tabela 1 (z).
O valor crtico de z, para o teste unilateral, ao nvel de significncia de 5%, : z crt = + 1,65
199
350 340
(IV) Valor do teste: Pela frmula (XXII) z teste = m M , temos: z
z teste = +3,0
teste =
20
36
(V) Concluso: Como zteste = + 3,0 encontra-se na regio de rejeio, devemos rejeitar a hiptese nula e
aceitar a hiptese alternativa de que o contedo mdio, por copo, superior a 340 ml, portanto, o gerente
da rede de lanchonetes no deve aceitar a afirmao do engenheiro, e assim solicitar imediatamente novo
ajuste em seus maquinrios para garantir a segurana em seus produtos.
O fabricante de mquinas empacotadoras afirma que as embalagens empacotadas por suas mquinas
fornecem um peso mdio lquido de, no mximo, 174 gramas. Para testar a afirmao do fabricante, o
diretor comercial da empresa que pretende adquirir uma dessas mquinas tomou uma amostra aleatria de
22 pacotes embalados por esse tipo de mquina, obtendo um peso mdio lquido 171 gramas, com um
desvio padro de 10 gramas. Testar a afirmao do fabricante, a um nvel de significncia de 5%, contra a
alternativa de que o peso mdio lquido dos pacotes embalados por essa mquina superior a 174 gramas.
200
Determinada reao qumica de um composto gasta, em mdia, um tempo mximo de 35 minutos. Com o
intuito de retardar o tempo dessa reao, um engenheiro acrescentou certa substncia a esse composto e
aps n experincias com esse novo composto, obteve um tempo mdio de 36,5 minutos, com um desvio
padro de 5,1 minutos. Testar, ao um nvel de significncia de 10%, a alternativa de que o tempo de reao
superior a 35 minutos e diga se a substncia foi eficiente para retardar a reao qumica, sendo:
a) n = 40
2.
b) n = 20
201
Um fabricante de geladeiras de determinada capacidade afirma que o consumo mdio mensal de, no
mximo, 62 quilowatts-hora. Em um recente estudo para verificar o consumo dos diversos tipos de
eletrodomsticos, foi includo esse tipo de geladeira, obtendo, para uma amostra aleatria de 15 casas que
possuem esse tipo de geladeiras, um consumo mdio mensal de 68 quilowatts-hora, com desvio padro de
12,7 quilowatts-hora. Testar a afirmao do fabricante, a um nvel de significncia de %, contra a
alternativa de que o consumo mdio mensal superior a 62 quilowatts-hora, sendo:
a) = 5%
3.
b)
= 1%
Respostas:
1.
2. a)
2. b)
3. a)
3. b)
Ho: M 174 g
H1: M > 174 g
Ho: M 35 min
H1: M > 35 min
Ho: M 35 min
H1: M > 35 min
Ho: M 62 kWh
H1: M > 62 kWh
Ho: M 62 kWh
H1: M > 62 kWh
Teste
unilateral
direita
Teste
unilateral
direita
Teste
unilateral
direita
Teste
unilateral
direita
Teste
unilateral
direita
tcrt = + 1,721;
tteste = + 1,408
zcrt = + 1,29
zteste = + 1,86
tcrt = + 1,328;
tteste = + 1,315
tcrt = 1,761
tteste = 1,830
tcrt = 2,624
tteste = 1,830
202
203
Correlao direta (ou positiva) quando os valores crescentes (ou decrescentes) de x estiverem
associados a valores crescentes (ou decrescentes) de y, conforme mostra o diagrama de disperso:
Varivel y
Varivel x
b)
Correlao inversa (ou negativa) quando os valores crescentes (ou decrescentes) de x estiverem
associados a valores decrescentes (ou crescentes) de y, conforme mostra o diagrama de disperso:
Varivel y
Varivel x
c)
Varivel y
Correlao Nula
Varivel x
A correlao linear (ou do 1 grau) quando pode ser representada por uma reta.
A correlao no linear quando representada por uma funo parablica (ou do 2 grau), exponencial,
logartmica, geomtrica, inversa etc.:
Varivel y
Correlao No Linear
Varivel x
204
C O E F I C I E N T E D E C O R R E L A O L I N E A R (r)
O Coeficiente de Correlao Linear um indicador de fora de uma relao linear, ou seja, mede o grau
de relacionamento linear entre as variveis x e y em uma amostra, atravs da disposio dos pontos (x, y) em
torno de uma reta y.
A interpretao do Coeficiente de Correlao como medida de intensidade da relao linear entre duas
variveis puramente matemtica, e est isenta de qualquer implicao de causa e efeito. O fato de duas
variveis aumentarem ou diminurem juntas no implica que uma delas tenha algum efeito direto, ou indireto,
sobre a outra, pois ambas podem ser influenciadas por outras variveis de maneira que d a uma das variveis
em estudo uma forte correlao entre elas.
O Coeficiente de Correlao Linear (r) estabelecido por Karl Pearson (18571936), para n pares de
pontos (x, y) das duas variveis, dado por:
r=
n xy (x) (y )
[n x 2 (x) 2 ] [n y 2 (y ) 2 ]
205
1.
O coeficiente de correlao quantifica somente o grau da relao linear entre duas variveis, ou seja, se a
relao for no linear, o coeficiente r no fornecer uma medida dessa associao.
2.
Se uma distribuio tiver valores atpicos ou pares de observaes fora do intervalo de outros pontos, o
coeficiente de correlao poder trazer resultados enganosos.
Por exemplo, determinados medicamentos para o tratamento de uma doena tm uma produo e consumo
que podem ser previstos num certo intervalo com um bom resultado. Agora, se em um estudo que estiver
sendo realizado sobre essas variveis, e ocorrer um surto dessa doena nesse perodo, consequentemente
o consumo e a produo sero enormes, e se esses valores forem utilizados para determinao do
coeficiente de correlao r, o resultado ir interferir nas demais projees futuras, pois o coeficiente de
correlao altamente sensvel a valores extremos.
3.
A correlao estimada nunca dever ser extrapolada para alm dos intervalos observados das variveis.
4.
Uma alta correlao entre duas variveis no implica que ela prpria seja uma relao de causa e efeito.
A regresso linear tem por objetivo fazer previses dos valores de uma varivel, quando so conhecidos os
valores da outra varivel.
O mtodo mais usado para ajustar uma linha reta a um conjunto de pontos conhecido como mtodo dos
mnimos quadrados, o qual foi proposto por Karl Friedrich Gauss (17771855).
Assim, a regresso linear dada pela reta:
y = a + bx
onde,
b=
n xy (x) (y)
n x 2 (x) 2
a=
Obs.:
y
x
b
n
n
a)
b)
A soma dos quadrados desses desvios mnima, isto , nenhuma outra reta daria menor soma de
quadrados de tais desvios).
206
E X E M P L O S (correlao e regresso)
1.
A tabela abaixo apresenta as produes dirias (x) de determinado tipo de pea, e os respectivos
estoques (y) dessas peas, observados em 6 dias aleatoriamente escolhidos:
Produo (x)
138
167
204
183
125
190
a)
Estoque (y)
29
40
53
36
32
47
n xy (x) (y)
De r =
x
19044
27889
41616
33489
15625
36100
x = 173763
, temos: r =
y
841
1600
2809
1296
1024
2209
y = 9779
Resposta: Com base nessa amostra parece haver forte correlao linear entre as produes e os estoques
observados nesse perodo. Como r positivo, medida que a produo dessas peas aumenta, tambm
verificamos que h uma tendncia no aumento da quantidade de peas no seu estoque; equivalentemente,
medida que a produo diminui, h uma tendncia na diminuio do estoque de peas.
c)
Soluo:
d)
x 1007
=
m x = 167,8
n
6
Soluo:
e)
mx =
my =
y 237
=
m y = 39,5
n
6
n xy (x ) (y )
7413
b=
b = 0,260 (Obs.: deixar 3 casas decimais)
2
2
28529
n x ( x )
y
x
237
1007
a=
b
a=
0,260
= 39,5 43,637 a = 4,137 (Obs.: deixar 3 casas decimais)
n
n
6
6
b=
Qual o valor esperado do estoque para uma produo correspondente a 150 unidades?
207
g)
1 Parte Escala para os valores de x (produo): Aplicar a Regra de Trs Simples sobre a diferena entre
o MAIOR e o MENOR valor de x da tabela:
maior
menor
Prod. (x)
cm
138
2,0
167
6,4
204
12
183
8,8
125
190
204 125 = 79
138 125 = 13
-------------------
12 cm
204 125 = 79
167 125 = 42
-------------------
12 cm
204 125 = 79
183 125 = 58
-------------------
12 cm
0
9,9
204 125 = 79
-------------------
12 cm
190 125 = 65
x
x
x
x
x=
1312
79
= 2,0 cm
x=
4212
79
= 6,4 cm
x=
5812
79
= 8,8 cm
x=
6512
79
= 9,9 cm
3 Parte Escala para os valores do eixo y (vertical) Aplicar a Regra de Trs Simples sobre a diferena
entre o MAIOR e o MENOR dos 8 valores de y (so os 6 valores da tabela e as 2 ordenadas y1 e
y2 da reta):
maior
menor
Estoque (y)
cm
29
0,2
40
4,2
53
36
2,8
32
1,3
53 28,4 = 24,6
29 28,4 = 0,6
---------------
9 cm
53 28,4 = 24,6
40 28,4 = 11,6
---------------
9 cm
53 28,4 = 24,6
36 28,4 = 7,6
---------------
9 cm
x
x
x
47
6,8
28,4
53 28,4 = 24,6
32 28,4 = 3,6
---------------
9 cm
y1 =
y2 =
48,9
7,5
53 28,4 = 24,6
---------------
9 cm
47 28,4 = 18,6
53 28,4 = 24,6
48,9 28,4 = 20,5
---------------
9 cm
x
x
x
x=
0,69
24,6
x=
11,69
= 4,2 cm
24,6
x=
x=
3,69
24,6
x=
18,69 = 6,8 cm
24,6
x=
20,59 = 7,5 cm
24,6
7,6 9
79
= 0,2 cm
= 2,8 cm
= 1,3 cm
Portanto, o grfico com o diagrama de disperso e a reta de tendncia linear (Obs.: A escala da figura
abaixo no a mesma que a sugerida acima):
208
2.
A tabela abaixo apresenta as vendas dirias (x) de determinado tipo de produto, e os respectivos estoques
(y) desse produto, em unidades, observados em 7 dias aleatoriamente escolhidos:
Venda (x)
79
102
58
72
65
90
107
a)
Estoque (y)
30
12
25
40
67
35
20
n xy (x) (y )
[ n x ( x ) ] [ n y ( y ) ]
2
x
6241
10404
3364
5184
4225
8100
11449
x = 48967
, temos: r =
y
900
144
625
1600
4489
1225
400
y = 9383
r=
122983131217
8234
=
r = 0,596 ( 59,6%) correlao inversa (negativa)
[342769 328329] [65681 52441]
1444013240
b)
Resposta: Com base nessa amostra dizemos que h uma correlao linear entre as vendas e os estoques desse
produto observados nesse perodo. Como r negativo, medida que ocorre um aumento nas vendas desse
produto, h uma tendncia de diminuio no seu estoque; equivalentemente, medida que as vendas
diminuem, isso ocasiona aumento no estoque.
c)
b=
8234
n xy (x) (y )
b=
b = 0,570
2
2
n x (x)
14440
a=
y
x
229
573
b a =
(0,570)
= 32,714 + 46,659 a = 79,373
n
n
7
7
Qual o valor esperado do estoque para um total de vendas igual correspondente a 80 unidades.
Soluo:
O valor esperado de y (estoque) para x = 80 (vendas) :
y = 79,373 0,570x y = 79,373 0,57080 = 79,373 45,6 y = 33,8
g)
1 Parte
Escala para os valores de x (produo): Aplicar a Regra de Trs Simples sobre a diferena
entre o MAIOR e o MENOR valor de x da tabela:
209
Venda (x)
cm
79
4,7
102
9,9
58
72
3,1
65
1,6
83
5,6
107
11
menor
maior
107 58 = 49
79 58 = 21
-------------------
11 cm
107 58 = 49
102 58 = 44
-------------------
11 cm
107 58 = 49
72 58 = 14
-------------------
11 cm
107 58 = 49
65 58 = 7
-------------------
11 cm
107 58 = 49
83 58 = 25
-------------------
11 cm
x
x
x
x
x
x=
2111
49
x=
4411
49
x=
1411
49
= 3,1 cm
x=
711
49
= 1,6 cm
x=
2511
49
= 5,6 cm
= 4,7 cm
= 9,9 cm
3 Parte Escala para os valores do eixo y (vertical): Neste caso, aplicar a Regra de Trs Simples
utilizando o MAIOR valor de y (so 9 valores, sendo 7 da tabela e as 2 ordenadas y1 e y2 da reta):
cm
4,0
67
30
---------
9 cm
30
12
25
40
1,6
3,4
5,4
67
12
---------
9 cm
9
4,7
2,7
6,2
2,5
30
25
---------
9 cm
67
35
20
46,3
18,4
67
40
---------
9 cm
67
35
---------
9 cm
67
20
---------
9 cm
67
y1 = 46,3
---------
9 cm
67
y2 = 18,4
---------
9 cm
Estoque (y)
maior
y1
y2
x
x
x
x
x
x
x
x
x=
309
67
= 4,0 cm
x=
129
67
= 1,6 cm
x=
259
67
x=
409
67
= 5,4 cm
x=
359
67
= 4,7 cm
x=
20
67
x=
46,39 = 6,2 cm
67
x=
18,49 = 2,5 cm
67
= 3,4 cm
= 2,7 cm
Portanto, o grfico com o diagrama de disperso e a reta de tendncia linear (Obs.: A escala da figura
abaixo no a mesma que a sugerida acima):
210
A P L I C A E S (correlao e regresso)
1.
A tabela abaixo apresenta os resultados de um estudo que um engenheiro est realizando sobre o efeito da
temperatura (x), em graus Celsius (C), de operao do processo sobre o resultado da produo (y), em
porcentagem (%), em determinada mquina:
Graus (x)
Produo (y)
139
71
90
13
163
75
132
65
190
88
148
84
180
93
80
20
118
44
171
80
211
cm
139
90
163
132
maior
190
148
180
menor
80
118
171
Tipo de Escala para os valores de x: Aplicar a Regra de Trs Simples sobre a diferena
entre o maior e o menor valor de x da tabela:
190 80 = 110
139 80 = 10
-----------------------------
12 cm
190 80 = 110
90 80 = 10
-----------------------------
12 cm
190 80 = 110
163 80 = 83
-----------------------------
12 cm
190 80 = 110
132 80 = 52
-----------------------------
12 cm
190 80 = 110
148 80 = 68
-----------------------------
12 cm
190 80 = 110
180 80 = 100
-----------------------------
12 cm
190 80 = 110
118 80 = 38
-----------------------------
12 cm
190 80 = 110
171 80 = 91
-----------------------------
12 cm
x=
59 ..........
110
........cm
x=
10 ..........
110
........cm
x=
83 ..........
110
........cm
x=
52 ..........
110
........cm
x=
68 ..........
110
........cm
x=
100 ..........
110
x=
38 ..........
110
........cm
x=
91 ..........
110
........cm
.........cm
________80 y1 =_______
________190 y2 =_______
212
No se esquea de usar
os 10 valores de y da
tabela MAIS os dois
valores de y encontrados
na equao da reta
x1 = 80 (menor)
x2 = 190 (maior)
Produo (y)
71
13
75
65
88
84
93
20
44
80
y1 =
y2 =
cm
Tipo de Escala para os valores de y: Aplicar a Regra de Trs Simples utilizando o maior
valor de y:
-------------------------------
cm
cm
x=
x=
x=
x=
x=
x=
x
cm
x
cm
x
cm
x
cm
-------------------------------
x=
cm
-------------------------------
-------------------------------
x=
cm
-------------------------------
-------------------------------
x=
cm
-------------------------------
-------------------------------
x=
cm
-------------------------------
-------------------------------
x=
-------------------------------
cm
x
213
2.
Um tcnico realizou um estudo sobre a quantidade de chuvas (x) e de poluio do ar removida (y), o qual
produziu os seguintes dados:
x
y
Escala (x)
Escala (y)
4,5
121
2,1
141
5,2
118
3,8
132
6,1
114
5,6
118
7,5
108
5,9
116
4,3
126
Coordenadas de 2 pontos
da reta:
214
215
216
3.
O alongamento de uma mola funo da carga aplicada. A tabela abaixo apresenta a relao entre a carga
aplicada (x), em kg, e o alongamento da mola (y), em cm:
Carga (x)
Alongam. (y)
3,2
1,8
2,4
1,5
5,5
2,5
1,0
0,4
4,0
2,2
3,5
1,9
5,2
2,4
6,0
3,6
2,0
1,3
4,5
2,3
1,6
0,9
Escala (x)
Escala (y)
Coordenadas de 2 pontos
da reta:
Para x1 =..........(Sugesto: Considerar o menor valor de x na tabela) y1 =............
(escala):
e para x2 =..........(Sugesto: Considerar o maior valor de x na tabela) y2 =...........
(escala):
d) Qual o alongamento esperado de uma mola para uma carga de 4,9 kg?
217
218
A tabela abaixo apresenta um levantamento que uma transportadora fez com seus caminhes, referentes
aos pesos das cargas (x), em milhares de quilos, que os mesmos transportaram pelas rodovias do pas e da
quilometragem mdia rodada por litro de combustvel (y):
Pesos (x)
Km/l (y)
Escala (x) Escala (y)
4.
7,50
4,72
6,88
5,12
5,60
4,92
9,85
3,67
8,75
3,94
10,60
3,40
8,10
4,06
12,70
3,48
7,15
4,87
11,40
3,29
Coordenadas de 2
pontos da reta:
d) Qual a previso da quilometragem mdia rodada por litro de combustvel para o transporte de uma carga de
8.400 kg?
219
220
5.
A seguinte tabela apresenta um levantamento da cotao do dlar (x) e da quantidade exportada (y) de
certo produto:
Cotao (x)
Quantid. (y)
2,16
410
2,31
648
2,09
788
1,98
387
2,07
508
2,20
589
2,18
540
2,42
844
2,25
476
Escala (x)
Escala (y)
Coordenadas de 2 pontos
da reta:
Para x1 =..........(Sugesto: Considerar o menor valor de x na tabela) y1 =............
(escala):
e para x2 =..........(Sugesto: Considerar o maior valor de x na tabela) y2 =...........
(escala):
d) Qual a quantidade esperada de exportao desse produto se o dlar estiver cotado a R$ 2,12?
221
222
6.
Um estudo desenvolvido por um engenheiro para verificar o quanto o comprimento de um cabo (x) em
metros, da porta serial de microcomputadores influencia na qualidade da transmisso de dados, medidas
atravs do nmero de falhas em 100.000 lotes de dados transmitidos (taxa de falha por lote). A seguinte
tabela mostra os resultados:
Comprimento (x)
N de
falhas (y)
2,7
2,4
3,1
3,8
10
4,1
10
4,8
11
6,2
11
5,7
12
9,8
12
8,7
13
14,1
13
13,1
14
17,3
14
15,4
15
19,7
223
7.
A tabela abaixo apresenta a quantidade de itens descartados na linha de produo da Seo A (x) e na linha
de produo da Seo B (y), durante oito dias do mesmo ms (obs.: a quantidade de dados pequena para
evitar muito clculo):
Dias
N de itens descartados
Seo A (x)
Seo B (y)
Respostas:
1. a) x = 1411; y = 633; xy = 98208; x = 211383; y = 47245; r = + 0,947 (+ 94,7%): forte correlao direta (positiva); b) O aumento
da temperatura do processo implica em um aumento no percentual da produo (equivalentemente, aplicando-se uma temperatura menor
no processo, h uma reduo no percentual da produo);
c) y = 38,715 + 0,723x; d) 73,4%
2. a) x = 45,0; y = 1094; xy = 5348,2; x = 244,26; y = 133786; r = 0,979 ( 97,9%): forte correlao inversa (negativa);
b) O aumento (ou diminuio) da quantidade de chuva provoca uma diminuio (ou aumento) da poluio do ar removida;
c) y = 153,176 6,324x; d) 122,8
3. a) x = 38,9; y = 20,8; xy = 87,43; x = 165,35; y = 46,86; r = + 0,959 (+ 95,9%): forte correlao direta (positiva); b) O aumento (ou
diminuio) na carga aplicada provoca um aumento (ou diminuio) no alongamento da mola; c) y = 0,126 + 0,499x; d) 2,57
4. a) x = 88,53; y = 41,47; xy = 354,2506; x = 828,8719; y = 176,3867; r = 0,913 ( 91,3%): forte correlao inversa (negativa);
b) O aumento (ou diminuio) no peso da carga transportada acarreta uma diminuio (ou aumento) na quilometragem mdia rodada por
litro de combustvel; c) y = 6,679 0,286x; d) 4,277 km/litro
5. a) x = 19,66; y = 5190; xy = 11433,70; x = 43,0864; y = 3194214; r = + 0,574 (+ 57,4%) correlao direta (positiva); b) O aumento
(ou diminuio) na cotao do dlar provoca um aumento (ou diminuio) na quantidade exportada; c) y = 925,615 + 687,718x; d) 532,3
6. a) x = 169; y = 131; xy = 1651,7; x = 1975; y = 1614,57; r = + 0,966 (+ 96,6%) forte correlao direta (positiva);
b) O aumento (ou diminuio) no comprimento do cabo implica em aumento (ou diminuio) na taxa de falha de dados transmitidos;
c) y = 19,372 + 2,494x; d) 14,3 falhas por lote de dados transmitidos
7. a) x = 21; y = 20; xy = 57; x = 63; y = 56; r = + 0,655 (+ 65,5%): correlao direta (positiva); b) Nas duas linhas de produo ocorre
simultaneamente um aumento (ou reduo) nos itens descartados
224
Tabela 1
0,00
0,01
0,02
0,03
0,04
0,05
0,06
0,07
0,08
0,09
0,0
0,0000
0,0040
0,0080
0,0120
0,0160
0,0199
0,0239
0,0279
0,0319
0,0359
0,1
0,2
0,0398
0,0793
0,0438
0,0832
0,0478
0,0871
0,0517
0,0910
0,0557
0,0948
0,0596
0,0987
0,0636
0,1026
0,0675
0,1064
0,0714
0,1103
0,0753
0,1141
0,3
0,4
0,1179
0,1554
0,1217
0,1591
0,1255
0,1628
0,1293
0,1664
0,1331
0,1700
0,1368
0,1736
0,1406
0,1772
0,1443
0,1808
0,1480
0,1844
0,1517
0,1879
0,5
0,6
0,1915
0,2257
0,1950
0,2291
0,1985
0,2324
0,2019
0,2357
0,2054
0,2389
0,2088
0,2422
0,2123
0,2454
0,2157
0,2486
0,2190
0,2518
0,2224
0,2549
0,7
0,8
0,2580
0,2881
0,2611
0,2910
0,2642
0,2939
0,2673
0,2967
0,2704
0,2995
0,2734
0,3023
0,2764
0,3051
0,2794
0,3078
0,2823
0,3106
0,2852
0,3133
0,9
0,3159
0,3186
0,3212
0,3238
0,3264
0,3289
0,3315
0,3340
0,3365
0,3389
1,0
1,1
0,3413
0,3643
0,3438
0,3665
0,3461
0,3686
0,3485
0,3708
0,3508
0,3729
0,3531
0,3749
0,3554
0,3770
0,3577
0,3790
0,3599
0,3810
0,3621
0,3830
1,2
1,3
0,3849
0,4032
0,3869
0,4049
0,3888
0,4066
0,3907
0,4082
0,3925
0,4099
0,3944
0,4115
0,3962
0,4131
0,3980
0,4147
0,3997
0,4162
0,4015
0,4177
1,4
0,4192
0,4207
0,4222
0,4236
0,4251
0,4265
0,4279
0,4292
0,4306
0,4319
1,5
0,4332
0,4345
0,4357
0,4370
0,4382
0,4394
0,4406
0,4418
0,4429
0,4441
1,6
1,7
0,4452
0,4554
0,4463
0,4564
0,4474
0,4573
0,4484
0,4582
0,4495
0,4591
0,4505
0,4599
0,4515
0,4608
0,4525
0,4616
0,4535
0,4625
0,4545
0,4633
1,8
1,9
0,4641
0,4713
0,4649
0,4719
0,4656
0,4726
0,4664
0,4732
0,4671
0,4738
0,4678
0,4744
0,4686
0,4750
0,4693
0,4756
0,4699
0,4761
0,4706
0,4767
2,0
0,4772
0,4778
0,4783
0,4788
0,4793
0,4798
0,4803
0,4808
0,4812
0,4817
2,1
2,2
0,4821
0,4861
0,4826
0,4864
0,4830
0,4868
0,4834
0,4871
0,4838
0,4875
0,4842
0,4878
0,4846
0,4881
0,4850
0,4884
0,4854
0,4887
0,4857
0,4890
2,3
2,4
0,4893
0,4918
0,4896
0,4920
0,4898
0,4922
0,4901
0,4925
0,4904
0,4927
0,4906
0,4929
0,4909
0,4931
0,4911
0,4932
0,4913
0,4934
0,4916
0,4936
2,5
2,6
0,4938
0,4953
0,4940
0,4955
0,4941
0,4956
0,4943
0,4957
0,4945
0,4959
0,4946
0,4960
0,4948
0,4961
0,4949
0,4962
0,4951
0,4963
0,4952
0,4964
2,7
2,8
0,4965
0,4974
0,4966
0,4975
0,4967
0,4976
0,4968
0,4977
0,4969
0,4977
0,4970
0,4978
0,4971
0,4979
0,4972
0,4979
0,4973
0,4980
0,4974
0,4981
2,9
0,4981
0,4982
0,4982
0,4983
0,4984
0,4984
0,4985
0,4985
0,4986
0,4986
3,0
3,1
0,4986
0,4990
0,4987
0,4991
0,4987
0,4991
0,4988
0,4991
0,4988
0,4992
0,4989
0,4992
0,4989
0,4992
0,4989
0,4992
0,4990
0,4993
0,4990
0,4993
3,2
3,3
0,4993
0,4995
0,4993
0,4995
0,4994
0,4995
0,4994
0,4996
0,4994
0,4996
0,4994
0,4996
0,4994
0,4996
0,4995
0,4996
0,4995
0,4996
0,4995
0,4997
3,4
0,4997
0,4997
0,4997
0,4997
0,4997
0,4997
0,4997
0,4997
0,4998
0,4998
3,5
0,4998
0,4998
0,4998
0,4998
0,4998
0,4998
0,4998
0,4998
0,4998
0,4998
3,6
3,7
0,4998
0,4999
0,4998
0,4999
0,4999
0,4999
0,4999
0,4999
0,4999
0,4999
0,4999
0,4999
0,4999
0,4999
0,4999
0,4999
0,4999
0,4999
0,4999
0,4999
3,8
0,4999
0,5000
0,4999
0,5000
0,4999
0,5000
0,4999
0,5000
0,4999
0,5000
0,4999
0,5000
0,4999
0,5000
0,5000
0,5000
0,5000
0,5000
0,5000
0,5000
3,9 ou mais
225
Tabela 2
Graus de
liberdade
0,10
0,05
0,025
0,01
0,005
0,0025
0,001
0,0005
3,078
6,314
12,706
31,821
63,657
127,320
318,310
636,620
1,886
2,920
4,303
6,965
9,925
14,089
22,327
31,598
1,638
2,353
3,182
4,541
5,841
7,453
10,214
12,924
1,533
2,132
2,776
3,747
4,604
5,598
7,173
8,610
1,476
2,015
2,571
3,365
4,032
4,773
5,893
6,869
1,440
1,943
2,447
3,143
3,707
4,317
5,208
5,959
1,415
1,895
2,365
2,998
3,499
4,029
4,785
5,408
1,397
1,860
2,306
2,896
3,355
3,833
4,501
5,041
1,383
1,833
2,262
2,821
3,250
3,690
4,297
4,781
10
1,371
1,812
2,228
2,764
3,169
3,581
4,144
4,587
11
1,363
1,796
2,201
2,718
3,106
3,497
4,025
4,437
12
1,356
1,782
2,179
2,681
3,055
3,428
3,930
4,318
13
1,350
1,771
2,160
2,650
3,012
3,372
3,852
4,221
14
1,345
1,761
2,145
2,624
2,977
3,326
3,787
4,140
15
1,341
1,753
2,131
2,602
2,947
3,286
3,733
4,073
16
1,337
1,746
2,120
2,583
2,921
3,252
3,686
4,015
17
1,333
1,740
2,110
2,567
2,898
3,222
3,646
3,965
18
1,330
1,734
2,101
2,552
2,878
3,197
3,610
3,922
19
1,328
1,729
2,093
2,539
2,861
3,174
3,579
3,883
20
1,325
1,725
2,086
2,528
2,845
3,153
3,552
3,850
21
1,323
1,721
2,080
2,518
2,831
3,135
3,527
3,819
22
1,321
1,717
2,074
2,508
2,819
3,119
3,505
3,792
23
1,319
1,714
2,069
2,500
2,807
3,104
3,485
3,767
24
1,318
1,711
2,064
2,492
2,797
3,091
3,467
3,745
25
1,316
1,708
2,060
2,485
2,787
3,078
3,450
3,725
26
1,315
1,706
2,056
2,479
2,779
3,067
3,435
3,707
27
1,314
1,703
2,052
2,473
2,771
3,057
3,421
3,690
28
1,313
1,701
2,048
2,467
2,763
3,047
3,408
3,674
29
1,311
1,699
2,045
2,462
2,756
3,038
3,396
3,659
30
1,310
1,697
2,042
2,457
2,750
3,030
3,385
3,646
40
1,303
1,684
2,021
2,423
2,704
2,971
3,307
3,551
60
1,296
1,671
2,000
2,390
2,660
2,915
3,232
3,460
120
1,289
1,658
1,980
2,358
2,617
2,860
3,160
3,373
infinito
1,282
1,645
1,960
2,326
2,576
2,807
3,090
3,291
226
REFERNCIAS
BIBLIOGRFICAS
1.
ANDERSON, David R.; SWEENEY, Dennis J.; WILLIAMS, Thomas A. Estatstica aplicada administrao
e economia. So Paulo: Thomson, 2003.
2.
BARBETTA, Pedro Alberto; REIS, Marcelo Menezes; BORNIA, Antonio Cezar. Estatstica para os cursos
de engenharia e informtica. 3. ed. So Paulo: Atlas, 2010.
3.
BARBOSA, Ruy Madsen. Estatstica elementar: estatstica descritiva. Vol. 1. 8.ed. So Paulo: Livraria
Nobel S. A., 1975.
4.
BUSSAB, WILTON. O. & MORETTIN, PEDRO A. Estatstica bsica. 5.ed. So Paulo: Atual, 2002.
5.
COSTA NETO, Pedro Luiz de Oliveira; CYMBALISTA, Melvin. Probabilidades. So Paulo: Edgard Blcher,
1974.
6.
7.
FREUND, John E.; SIMON, Gary A. Estatstica aplicada a economia, administrao e contabilidade.
Porto Alegre: Bookman, 2000.
8.
GATTI, Bernardete A.; FERES, Nagib Lima. Estatstica bsica para cincias humanas. So Paulo: Editora
Alfa-Omega, 1977.
9.
10. KAZMIER, L.B. Estatstica aplicada economia e administrao. So Paulo: McGraw-Hill do Brasil, 1982.
11. LARSON, Ron; FARBER, Betsy. Estatstica aplicada. 4.ed. So Paulo: Pearson Prentice Hall, 2010.
12. LEVIN, Jack. Estatstica aplicada a cincias humanas. 2.ed. So Paulo: Harper&Row do Brasil, 1977.
13. LEVIN, Jack; FOX, James Alan. Estatstica para cincias humanas. 9.ed. So Paulo: Pearson Prentice
Hall, 2004.
14. LIPSCHUTZ, Seymour. Teoria e problemas de probabilidade. 2.ed.rev.So Paulo: McGraw-Hill do Brasil,
1974.
15. MAGALHES, Marcos N.; LIMA, Antonio C. P. Noes de probabilidade e estatstica. 4.ed. So Paulo:
Edusp, 2002.
16. MARTINS, Gilberto de Andrade. Estatstica geral e aplicada. 3.ed. So Paulo: Atlas, 2008.
17. MEDEIROS (coordenadora), Valria Zuma; CALDEIRA, Andr Machado; PACHECO, Giovanna Lamastra;
MACHADO, Maria Augusta Soares; GASSENFERTH, Walter. Mtodos quantitativos com excel. So
Paulo: Cengage Learning, 2008.
18. MILONE, Giuseppe. Estatstica geral e aplicada. So Paulo: Pioneira Thomson Learning, 2004.
19. MONTGOMERY, C. Douglas; RUNGER, George C. Estatstica aplicada e probabilidade para
engenheiros. 4. ed. Rio de Janeiro: LTC, 2009.
20. MOORE, David. A estatstica bsica e sua prtica. Rio de Janeiro: LTC, 2000.
21. MORETTIN, Luiz Gonzaga. Estatstica bsica - probabilidade. 6.ed. So Paulo: Makron Books, 1994.
22. MORETTIN, Luiz Gonzaga. Estatstica bsica probabilidade e inferncia. Volume nico. So Paulo:
Pearson Prentice Hall, 2011.
23. SPIEGEL, Murray Ralph. Estatstica. 3.ed. So Paulo: Makron Books, 2005.
24. SPIEGEL, Murray Ralph. Probabilidade e estatstica. So Paulo: McGraw-Hill do Brasil, 1978.
25. SPINELLI, Walter; SOUZA, Maria Helena S. de. Introduo estatstica. 2.ed. So Paulo: tica, 1996.
26. STEVENSON, William J. Estatstica aplicada administrao. So Paulo: Harper&Row do Brasil, 1981.
27. TOLEDO, Geraldo Luciano, OVALLE, Ivo Izidoro. Estatstica bsica. 2.ed. So Paulo: Atlas, 1985.
28. TRIOLA, Mario F. Introduo estatstica. 10.ed. Rio de Janeiro: LTC, 2008.
29. VIEIRA, Snia. Estatstica para a qualidade. 13.reimpresso. Rio de Janeiro: Elsevier, 1999.
30. VIEIRA, Snia; HOFFMANN, Rodolfo. Elementos de estatstica. So Paulo: Atlas, 1986.
31. WALPOLE, Ronald E.; MYERS, Raymond H.; MYERS, Sharon L; YE, Keying. Probabilidade e estatstica
para engenharia e cincias. 8.ed. So Paulo: Pearson Printice Hall, 2009.
227