You are on page 1of 97

1

Autarquia Educacional do Vale do So Francisco


Faculdade de Cincias Aplicadas e Sociais de Petrolina

Probabilidade e Estatstica
-Caderno de Orientao-
(De acordo com a bibliografia indicada)

Prof. Reginaldo Santos

Agosto
2007
2

AUTARQUIA EDUCACIONAL DO VALE DO SO FRANCISCO AEVSF


FACULDADE DE CINCIAS APLICADAS E SOCIAIS DE PETROLINA FACAPE
P R O G R A M A D A D I S C I P L I N A
Disciplina : Probabilidade e Estatstica Turma: perodo
Curso : Cincias da Computao Cdigo: 03.05.1.19
Perodo: 4 Carga horria Semestral: 60 h/a Ano/Exerccio: 2005/2
Pr-requisito: Clculo II
Ementa: Exposio sinttica e exploratria das principais medidas de posio, variao e
Separatrizes. Estudo dos fenmenos aleatrios com o auxlio do clculo das probabilidades.
Apresentao e discusso dos principais modelos probabilsticos contnuos e discretos e o
estudo das distribuies amostrais como suporte para a tomada de deciso com base no teste de
Hiptese e o intervalo de confiana para os estimadores.
Objetivo : Apresentar as principais tcnicas que objetivam descrever, analisar, interpretar
elementos de uma populao atravs de estimativas pontuais. Apresentar e exercitar os modelos
que regem os fenmenos aleatrios, bem como fazer inferncia sobre populaes a partir de
dados amostrais, bem como a justeza dessas estimativas.
Contedo Programtico
1. Estatstica Descritiva
1.1 Populao e Amostra Definies bsicas da Estatstica
1.2 Representao de dados Grfica e tabular
1.3 Tcnicas de amostragem
1.4 Medidas de Tendncia Central
1.5 Medidas de Disperso
1.6 Medidas de Posio
1.57 Medidas de Assimetria e Curtose
2. Clculo das Probabilidades
2.1 Experimento Aleatrio
2.2 Espao Amostral e Eventos Eventos mutuamente exclusivos
2.3 Definio de Probabilidade e Principais Teoremas
2.4 Probabilidade Condicional e Teorema do Produto
2.5 Independncia Estatstica e o Teorema de Bayes
3. Variveis Aleatrias Discretas
3.1 Definies
3.2 Esperana Matemtica e Varincia
3.3 Distribuio Conjunta de duas Variveis Aleatrias
3.4 Funo de Distribuio
4. Distribuies Tericas de Probabilidade de Variveis Aleatrias Discretas
4.1 Distribuio de Bernouilli
4.2 Distribuio Binomial
4.3 Distribuio de Poisson
5. Variveis Aleatrias Contnuas
5.1 Distribuio Uniforme
5.2 Distribuio Exponencial
3

5.3 Distribuio Normal


5.4 Distribuio de Funes de Variveis Aleatrias Normais
5.6 Aproximao da Distribuio Binomial pela distribuio Normal

6. Distribuio Amostral dos Estimadores


6.1 Distribuio Amostral da Mdia
6.2 Dimensionamento de uma amostra
6.3 Distribuio Amostral das Propores
6.4 Exerccios de Aplicao
7. Estimao
7.1 Inferncia Estatstica
7.2 Estimao de Parmetros
7.3 Estimao por Ponto
7.4 Estimao por Intervalo
8. Intervalo de Confiana para Mdias e Propores
8.1 I.C. para a Mdia de uma Populao Normal quando 2 Conhecida
8.2 I.C. para a Mdia de uma Populao Normal quando a Desconhecida
8.3 I.C. para Propores
8.4 Aplicaes Cincia da Computao
9 Testes de Hiptese
9.1 Testes de Hipteses para a Mdia de Populaes Normais com 2 Conhecida
9.2 Teste Unilateral Esquerda e Direita
9.3 Teste de Hipteses para Propores
10 Erros de Deciso
10.1 Probabilidade de Cometer os Erros tipos I e II
10.2 Funo Poder de um Teste ou Potncia de um Teste

11 Distribuio t de Student IC e TH para Mdia de Pop. Normais com 2 Desconhecida


11.1 A Distribuio de t de Student - Graus de liberdade, uso da Tabela
11.2 IC e TH para a de Populao Normal quando 2 Desconhecido
METODOLOGIA DE ENSINO
Aula terica e prtica em laboratrio e em sala de aula com exposio em quadro branco. Sero
feitas aplicaes, com trabalhos voltados informtica, utilizando recursos do computador,
calculadora e pincel atmico.
CRITRIOS DE AVALIAO
Prova escrita, realizao de projeto cientfico e desempenho individual do aluno nas trs
avaliaes e exerccios em sala de aula, individual e em grupo.
BIBLIOGRAFIA BSICA
- Fonseca, Jairo Simon Curso de Estatstica, 6 ed. So Paulo: Atlas 1996
- Barbetta, Pedro Alberto - Estatstica para os cursos de engenharia e informtica/ So Paulo:
Atlas, 2004
BIBLIOGRAFIA COMPLEMENTAR
- Morettin, Luiz Gonzaga - Estatstica Bsica/ Volunes 1 e 2 Probabilidade/ Inferncia So
Paulo: Makron Books - 1999
4

- Spiegel, Murray Ralph Probabilidade e Estatstica Makron Books do Brasil Ed. Ltda SP
- Wilton de Bussab/ Morettin, Luiz Gonzaga Estatstica bsica, 5 ed. So Paulo: Saraiva
2006
1 A NATUREZA DA ESTATSTICA

Introduo
ANTIGUIDADE - Os povos j registravam o nmero de habitantes, os nascimentos, bitos
e faziam estatsticas.
IDADE MDIA - As informaes eram tabuladas com finalidades tributrias e blicas.
SCULO VI - Surgem as primeiras anlises sistemticas, as primeiras tabelas e os
nmeros relativos.
SCULO VII - A Estatstica, j com feio cientfica, batizada por Godofredo Achenwall.
As tabelas ficam mais completas, surgem as primeiras representaes grficas e os
clculos com probabilidades. A Estatstica deixa de ser uma simples tabulao de dados
numricos para se tornar O estudo de como se chegar a concluses sobre uma
populao, partindo da observao de partes dessa populao (amostra).
1.1 Estatstica
Parte da matemtica aplicada que fornece mtodos para a coleta, organizao descrio,
anlise e interpretao de dados, bem como na utilizao dos mesmos para tomada de
deciso.
A coleta, organizao, descrio ficam a cargo da chamada Estatstica Descritiva,
enquanto que a anlise e interpretao dos dados, associado a uma margem de
incerteza, dizem respeito Estatstica Indutiva ou Inferencial que se fundamenta na teoria
e clculo das probabilidades.
1.2 O Mtodo Estatstico

Mtodo: um meio mais eficaz para atingir determinada meta.


1.2.1 Mtodo Cientfico Mtodo Experimental
Mtodo Estatstico
1.2.1.1 Mtodo Experimental

Consiste em manter constante todas as variveis, menos uma que aquela que
justamente sofre variao para se observar seus efeitos, caso existam. Ex. Estudos de
Qumica, Fsica,etc.
1.2.1.2 Mtodo Estatstico
aquele que diante da impossibilidade de manter as causas constantes admitem
todas essas causas presentes, variando-as e registrando essas variaes procurando
determinar no resultado final que influncias cabem a cada uma delas. Ex. Quais as
causas que definem o preo de uma mercadoria quando sua oferta diminui.

1.3 FASES DO MTODO ESTATSTICO


1 - Definio do Problema: Consiste em saber exatamente aquilo que se pretende
pesquisar. o mesmo que definir corretamente o problema;
5

2 - Planejamento: Consiste em responder s questes do tipo:


como levantar informaes? Que dados devero ser coletados? Que tipo de levantamento
dever ser utilizado? censitrio ou por amostragem? Qual o cronograma de atividades?
Quais os custos envolvidos? etc.
3 - Coleta de Dados:
o registro sistemtico de dados com um objetivo determinado.
Quanto origem dos dados, os mesmos podem ser:
Dados Primrios

So aqueles que so publicados pela prpria pessoa ou organizao que os


coletou. Ex: Tabelas do censo demogrfico do IBGE.
Dados Secundrios
Quando so utilizados ou publicados por outra organizao.
Ex: quando determinado jornal publica estatsticas referentes ao censo demogrfico do
IBGE.
OBS sempre mais seguro trabalhar com dados de fontes primrias. O uso de fontes
secundrias traz o risco de erros de transcrio.

Coleta Direta

Quando obtida diretamente da fonte. Ex: empresa que realiza uma pesquisa para
saber a preferncia dos consumidores pela sua marca.
A coleta de dados, quanto ao espao temporal pode ser :
Contnua registro de nascimentos, bitos, casamentos, etc.

Peridica recenseamento demogrfico, censo industrial, PNAD e,

Ocasional registro de casos de dengue e outros

Coleta Indireta
feita por dedues a partir dos elementos conseguidos pela coleta direta, por
analogia, por avaliao, indcios ou proporcionalizao.
4 Apurao dos Dados
Consiste em resumir os dados atravs de sua contagem e agrupamento. a
tabulao dos dados, propriamente dita.

5 Apresentao dos Dados


Quanto apresentao dos dados, existem duas formas que no so excludentes. A
apresentao tabular e a apresentao grfica
6 Anlise e Interpretao dos Dados
6

Esta a ltima fase do trabalho estatstico e tambm a mais importante e delicada.


Est ligada essencialmente ao clculo de medidas e coeficientes, cuja finalidade principal
descrever o fenmeno (estatstica descritiva). Enquanto que a estatstica indutiva cuida
da interpretao dos dados e se fundamenta na teoria da probabilidade.
Praticando o que aprendeu
1. Defina o que a cincia Estatstica

2. O que voc entende por um mtodo?

3. Qual a diferena entre o mtodo experimental e o mtodo estatstico?


------------------------------- ------------------------------
------------------------------- ------------------------------
------------------------------- ------------------------------
------------------------------- ------------------------------
------------------------------- ------------------------------
------------------------------- ------------------------------
4. Cite 3 exemplos do mtodo experimental e 3 do mtodo estatstico
1. - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -
2. - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -
3. - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -
1.- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -
2. - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -
3---------------------------------------------------------------
5. quantas e quais so as fases do mtodo estatstico?
----- ----------------------------------------------------------
----------------------------------------------------------
----------------------------------------------------------
----------------------------------------------------------
----------------------------------------------------------
6. Numere a 2 coluna de acordo com a 1

1. Contempla o tipo de levantamento, ( ) Apresentao


cronograma, custos envolvidos etc
2. Definir o que se deseja pesquisar ( ) Definio
3. Esto associadas ao clculo de medidas
e coeficientes ( ) Tabulao
4. Esto dispostos em forma de grficos e
tabelas ( ) Planejamento
5. Registro sistemtico de dados com um
fim especfico ( ) Coleta dos dados
7

7. Qual o objetivo da anlise e interpretao dos dados no mtodo estatstico?


-- -------------------------------------------------------------
-- -------------------------------------------------------------
-- -------------------------------------------------------------
1.4 DEFINIES BSICAS DA ESTATSTICA
Fenmeno Estatstico
qualquer evento que se pretende analisar, cujo estudo seja possvel da aplicao
do mtodo estatstico e so divididos em trs grupos:
Fenmenos de massa ou coletivo So aqueles que no podem ser definidos por uma
simples observao. Ex: A natalidade numa metrpole, o IPCA no Vale do So Francisco
Fenmenos Individuais so aqueles que iro compor os fenmenos coletivos.

Ex: cada nascimento numa metrpole, preos individuais dos produtos que compem a
cesta para o clculo de IPCA .
Dado Estatstico - um dado numrico e considerado a matria prima sobre a qual
iremos aplicar os mtodos estatsticos.
Populao - o conjunto total de elementos portadores, de pelo menos, uma
caracterstica comum.
Amostra - uma parcela representativa da populao que ser examinada com o
propsito de tirarmos concluses sobre essa populao.
Parmetro - So valores singulares que existem na populao e que servem para
caracteriz-la.
Estimativa - um valor do parmetro e calculado a partir da amostra
Atributo - So qualidades apresentadas nos dados estatsticos.
Exemplos da classificao dicotmica do atributo: Classificao dos alunos da FACAPE
quanto ao sexo.
Atributo: sexo . . . . . . . . . . . . . . . . . . . . classe :alunos da FACAPE
Dicotomia: duas subclasses (masculino e feminino)

Varivel
Uma varivel, convencionalmente, o conjunto de todos os resultados possveis de
um fenmeno
Varivel Qualitativa Quando seus valores so expressos por atributos, tipo, sexo,
estado civil, cor da pele, etc
Varivel Quantitativa Quando os dados so de carter nitidamente quantitativos, e o
conjunto de resultados possui uma estrutura numrica, trata-se portanto da estatstica de
varivel e se divide em:
Varivel Discreta ou Descontnua Quando seus valores so expressos geralmente
por valores inteiros no negativos e resulta geralmente de contagens. Ex: N de alunos da
rede pblica municipal, N de nascidos vivos, etc
8

Varivel Contnua
Resulta normalmente de uma mensurao e a escala numrica de seus valores
corresponde ao conjunto R , ou seja podem assumir, teoricamente qualquer valor num
intervalo.
Exerccios para fixao do contedo
1. Responda o que se pede
a) Qualquer fato econmico ou social que se pretende analisar, cujo estudo se possa
aplicar o mtodo estatstico.
----------------------------------------------------------------
b) Fenmenos que no podem ser definidos por uma simples observao.
----------------------------------------------------------------

c) Fenmenos que fazem parte dos fenmenos coletivos.


----------------------------------------------------------------
d) valor numrico, considerado a matria prima sobre a qual iremos aplicar os mtodos
estatsticos.
----------------------------------------------------------------
e) Conjunto de seres, elementos ou indivduos que possuem pelo menos uma
caracterstica em comum.
----------------------------------------------------------------
2. Enumere a 2 coluna de acordo com a 1

1. Valores singulares que existem na populao ( ) Atributos


e que servem para caracteriz-la.
2. Valor do parmetro e calculado a partir da amostra ( ) Varivel
3. So qualidades apresentadas nos dados estatsticos. ( ) Parmetro
4. Conjunto de todos os resultados possveis de um ( ) Estimativa
fenmeno estatstico.
5. Parcela representativa da populao ( ) Amostra

3 Coloque V ou F. Em caso de F, justifique sua resposta.


a) Uma varivel qualitativa, quando seus valores forem expressos por nmeros. ( )
----------------------------------------------------------------
b) Quando os valores de uma varivel so expressos por nmeros, dizemos que essa
varivel qualitativa ( )
----------------------------------------------------------------
9

c) A idade, a renda familiar, a temperatura, volume de uva , etc. so exemplos de


variveis qualitativas. ( )
-----------------------------------------------------------------
d) Cor dos olhos e dos cabelos dos alunos dessa turma representam variveis qualitativas
( )
-----------------------------------------------------------------
e) Uma varivel discreta sinnimo de varivel descontnua. e seus valores resultam, via
de regra, de contagens. ( )
-----------------------------------------------------------------
f) Diz-se que varivel contnua quando seus valores resultam normalmente de medidas
ou mensuraes. ( )
-----------------------------------------------------------------

4. Classifique as variveis dos fenmenos abaixo em D (discreta) e C (contnua)

a) Nmero de propagandas no horrio nobre num canal de TV ( )


b) Peso dos candidatos inscritos num vestibular ( )
c) Temperatura mdia diria numa cidade litornea ( )
d) Nmero de candidatos a deputado estadual numa eleio estadual ( )
e) Renda familiar mdia dos universitrios inscritos no FIES ( )

f) Numero de alunos matriculados na rede pblica municipal ( )

g) Volume de manga exportada para Europa no ltimo trimestre ( )


5. Em cada caso: a) Estabelea a varivel
b) Classifique a varivel em qualitativa ou quantitativa
c) Das variveis quantitativas, diga quais so contnuas ou discretas
Siga o exemplo:
1. Cor dos olhos das modelos, numa final de concurso de beleza
a) cor dos olhos b) qualitativa c) discreta
2. Os salrios dos funcionrios de uma empresa de Web Design
a) - - - - - - - - - - - - - - - - - - - b) - - - - - - - - - - - - - - - - - - c) - - - - - - - - - - - - - - - - -
3. Volume de dinheiro gasto por estudantes num congresso de Comunicao Social
a) - - - - - - - - - - - - - - - - - - - b) - - - - - - - - - - - - - - - - - - c) - - - - - - - - - - - - - - - - -
4. O nmero de filmes disponveis num hotel , por dia , para seus hspedes
a) - - - - - - - - - - - - - - - - - - - b) - - - - - - - - - - - - - - - - - - c) - - - - - - - - - - - - - - - - -
5. A quantidade de alimento, em gramas, ingerida por pessoa num restaurante X
10

a) - - - - - - - - - - - - - - - - - - - b) - - - - - - - - - - - - - - - - - - c) - - - - - - - - - - - - - - - - -
6. O nmero de pessoas da terceira idade que estudam na FASJ
a) - - - - - - - - - - - - - - - - - - - b) - - - - - - - - - - - - - - - - - - c) - - - - - - - - - - - - - - - - -
7. O nmero de filhos dos estudantes de Publicidade e Propaganda
a) - - - - - - - - - - - - - - - - - - - b) - - - - - - - - - - - - - - - - - - c) - - - - - - - - - - - - - - - - -

8. O nmero de casamentos ocorridos entre pessoas que se conheceram em Woodstock


a) - - - - - - - - - - - - - - - - - - - b) - - - - - - - - - - - - - - - - - - c) - - - - - - - - - - - - - - - - -
9. Produo de carne bovina no Brasil
a) - - - - - - - - - - - - - - - - - - - b) - - - - - - - - - - - - - - - - - - c) - - - - - - - - - - - - - - - - -
10. Produo de DVDs piratas no Brasil
a) - - - - - - - - - - - - - - - - - - - b) - - - - - - - - - - - - - - - - - - c) - - - - - - - - - - - - - - - - -
11. A idade mdia dos alunos da melhor idade da USP
a) - - - - - - - - - - - - - - - - - - - b) - - - - - - - - - - - - - - - - - - c) - - - - - - - - - - - - - - - - -

12. Volume de recursos investido por uma empresa de publicidade


a) - - - - - - - - - - - - - - - - - - - b) - - - - - - - - - - - - - - - - - - c) - - - - - - - - - - - - - - - - -

13. Nmero de vinhetas exibidas no programa do J


a) - - - - - - - - - - - - - - - - - - - b) - - - - - - - - - - - - - - - - - - c) - - - - - - - - - - - - - - - - -

Dvidas E Anotaes

------------------------------------------------------------------
- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -- - - - - - - - - - - - - - - - --
------------------------------------------------------------------
- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -- - - - - - - - - - - - - - - - --
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
11

------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
2 TCNICAS de AMOSTRAGEM
Amostragem o processo pelo qual se faz seleo de amostras e deve garantir tanto
quanto possvel o acaso na escolha.

2.1 MTODOS PROBABILSTICOS


So mtodos que exigem que cada elemento da populao possua a mesma
probabilidade de ser selecionado. Assim, se N for o tamanho da populao, a
probabilidade de cada elemento ser sorteado ser 1/N. Portanto trata-se do mtodo que
garante cientificamente a aplicao das tcnicas estatsticas de inferncias e somente
com base em amostragens probabilsticas que se podem realizar inferncias ou
indues sobre a populao a partir da anlise da amostra.
2.1.1 Tipos de Amostragens
2.1.1.1 Amostragem Aleatria Simples
o processo mais elementar e mais freqentemente utilizado. equivalente a um
sorteio lotrico. Pode ser realizada numerando-se a populao de 1 a N e sorteando-se a
seguir, por meio de um dispositivo aleatrio qualquer, x nmeros dessa seqncia, os
quais correspondero aos elementos pertencentes amostra.
Exemplo: Vamos obter uma amostra de 10% representativa para uma pesquisa da
estatura de 80 alunos de uma escola qualquer.
1 - numeramos os alunos de 01 a 90
2 - escrevemos os nmeros dos alunos de 01 a 80 em pedaos iguais de papel,
colocamos numa urna e aps misturar, retiramos, um a um oito nmeros que iro compor
a amostra.
OBS: quando o nmero de elementos da amostra muito grande, esse tipo de sorteio
torna-se muito trabalhoso. Neste caso utiliza-se uma tabela de nmeros pseudo-
aleatrios, construda de modo que os algarismos de 0 a 9 so distribudos ao acaso nas
linhas e colunas.
2.1.1.2 Amostragem Proporcional Estratificada
Quando a populao se divide em estratos (sub-populaes), convm que o sorteio
dos elementos da amostra leve em considerao tais estratos, da obtermos os elementos
da amostra proporcional ao nmero de elementos desses estratos.
Exemplo: Vamos obter uma amostra proporcional estratificada, de 10% do exemplo
anterior, supondo que dos 80 alunos, 54 seja meninos e 26 sejam meninas. So portanto
dois estratos (sexo masculino e feminino). Logo, temos:
SEXO POPUILAO 10% AMOSTRA
MASCULINO 54 5,4 5
12
FEMININO 26 2,6 3
TOTAL 80 8,0 8
Numeramos, ento os alunos de 01 a 80, sendo 01 a 54 meninos e 55 a 80 meninas e
procedemos o sorteio casual com uma urna ou a tabela de nmeros aleatrios.

2.1.1.3 Amostragem Aleatria Sistemtica


Quando os elementos da populao j se encontram ordenados, no h
necessidade de construir o sistema de referncia. So exemplos , os pronturios de
hospitais, os prdios de uma rua, uma lista telefnica, etc. Nesses casos, a seleo dos
elementos que constituiro a amostra pode ser feita por um sistema imposto pelo
pesquisador, da seguinte maneira:

Exemplo Suponha uma rua com 300 casas, das quis desejamos obter uma amostra
formada por 30 casas para uma pesquisa de opinio
1 - Divide-se o tamanho da populao pelo tamanho da amostra, ou seja, 300/30 =10
2 - Escolhe-se por sorteio casual, um nmero entre 01 e 10. Supondo que esse nmero
fosse 3, a amostra seria: 3 casa, 13 casa, 23 casa, 33 43 e assim por diante, at
completar a amostra de 30 residncias.
2.1.1.4 Amostragem por conglomerados ou Agrupamentos
Algumas populaes no permitem ou se tornam difcil que se identifique seus
elementos. No obstante isso, pode ser relativamente fcil identificar alguns subgrupos da
populao. Em tais casos, uma amostra aleatria simples desses grupos (conglomerados)
pode ser escolhida e uma contagem completa deve ser feita para o conglomerado
sorteado. Agrupamentos tpicos so quarteires, famlias organizaes, agncias,
edifcios, etc.

Exemplo: Num levantamento da populao de uma cidade, podemos dispor do mapa


indicando cada quarteiro e no dispor de uma relao atualizada dos seus moradores.
Pode-se, ento, colher uma amostra dos quarteires e fazer a contagem completa de
todos os que residem naqueles quarteires sorteados.
2.2 Mtodos No Probabilsticos
So amostragens em que h uma escolha deliberada dos elementos amostrais.
No possvel generalizar os resultados das pesquisas para a populao, pois as
amostras no-probabilsticas no garantem a representatividade da populao.
2.2.1 Amostragem Acidental
Trata-se de uma amostra formada por aqueles elementos que vo aparecendo e
que so possveis de se obter at completar o tamanho da amostra. Geralmente este tipo
de amostragem utilizado em pesquisa de opinio, em que os entrevistados so
acidentalmente escolhidos.
Exemplo: pesquisas de opinio em praas pblicas, ruas movimentadas de grandes
cidades, etc.
2.2.2 Amostragem Intencional
13

So amostragens realizadas de acordo com determinado critrio. scolhe-se


intencionalmente um grupo de elementos que iro compor a amostra e intencionalmente o
investigador coleta a opinio desses elementos.
Exemplo: Numa pesquisa sobre a preferncia por determinado cosmtico, o pesquisador
se dirige a um grande salo de beleza e entrevista as pessoas que ali s encontram.
2.2.3 Amostragem por Quotas
Este o mtodo de amostragem mais comumente utilizado em pesquisas de
mercado e em prvias eleitorais. Ela abrange trs fases:
1 - Classificao da populao em termos de propriedades que se sabe ou presume
serem relevantes para a caracterstica a ser estudada;
2 - Determinao da proporo da populao para cada caracterstica, com base na
constituio conhecida, presumida ou estimada da populao;
3 - Fixao de quotas para cada entrevistador, a quem caber a responsabilidade de
selecionar os entrevistados, de modo que a amostra total observada ou entrevistada
contenha a proporo de cada classe, tal como determinada na 2 fase.
Exemplo: Numa pesquisa sobre o trabalho da mulher na atualidade. Provavelmente se
ter interesse em considerar: a diviso, cidade e campo, a habitao, moradia, idade dos
filhos, renda mdia, as faixas etrias, etc.
A primeira tarefa descobrir as propores dessas caractersticas na populao. Imagina-
se que haja 47% de homens e 53% de mulheres na populao. Logo uma amostra de 50
pessoas dever ter 23 homens e 27 mulheres. Ento o pesquisador receber uma quota
para entrevistar 27 mulheres. A considerao de vrias categorias exigir uma
composio amostral que atenda ao n determinado e s propores populacionais
estipuladas.
Exerccios
1. Uma escola de primeiro grau abriga 124 alunos. Obtenha uma amostra representativa
correspondente a 15% da populao, utilizando como ponto de inicio da linha da tabela
de nmeros aleatrios.
2. Tenho 80 lmpadas numeradas, dentro de uma caixa. Como obtemos uma amostra de
12 lmpadas?
3. Uma populao encontra-se dividida em 3 estratos, com n 1 = 40, n2 = 100 e n3 = 60.
Sabendo-se que ao realizar uma amostragem estratificada proporcional, 9 elementos
foram retirados do 3 estrato, determine o nmero de elementos da amostra.
3. Sugira um mtodo de amostragem adequado que poderia ser utilizado para obter
informaes sobre:
(a) a atitude dos passageiros em relao a fumar em servios de nibus locais.
(b) A porcentagem de componentes defeituosos produzidos a cada semana em uma linha
de produo
as atitudes dos funcionrios em relao existncia de um berrio no local de trabalho
em uma grande empresa.
d) A opinio dos motoristas de carros em relao s medidas de diminuio do trfego em
uma rua residencial
14

(e) Os provveis nmeros de vendas de um novo tipo de saquinho de ch


4. O quadro abaixo uma lista de um grupo de seminrio de alunos no 3 ano de um
curso de Comunicao Social. Com o auxlio da tabela de nmeros aleatrios a seguir
voc solicitado a selecionar uma amostra de quatro pessoas utilizando.
a) amostragem aleatria simples
b) Amostragem aleatria baseada no sexo
c) Amostragem aleatria sistemtica
Nome Nome
Ana Crisstomo
Joo Secundino
Helena Onomatopia
Pedro Trainee
Bruno Twist
ngela Risoleta
Sara Gram Bell
Joana Hobin Hood
Davi CrosBol
Eulmpio Adrenalina

Nmero aleatrios

12 15 06 15 17 13 17 20 14 02 23
18 14 10 02 09 13 07 12 16 12 12
15 16 10 07 13 16 01 14 19 18 29
01 27 32 14 19 09 15 18 03 41 20

5. A gerente representante de uma loja de departamentos local pediu a seu assistente de


marketing para conduzir uma pesquisa sobre a possibilidade de abrir at tarde nas noites
de teras e quintas. A gerente no possui uma lista dos clientes da loja, mas estima que
deve haver mais de 10.000 deles, com 90% sendo moradores locais. Ela possui,
entretanto, uma anlise de portadores de carto da loja baseada em idade e gnero,
como exibido na tabela abaixo:

Gnero Masculino Feminino

Idade
Abaixo de 20 anos 3 6
20 a 29 6 14
30 34 9 21
45 59 7 20
60 anos ou mais 4 10

Dado que o assistente de marketing possui um pequeno oramento para impresso e


produtos de papelaria, e que os resultados da pesquisa foram solicitados para daqui a
duas semanas, sugira um tamanho de amostra adequado e um mtodo de amostragem.
D motivos para sua escolha
15

6. Voc foi encarregado, por um jornal dirio nacional independente e de grande


circulao para empreender uma pesquisa nacional sobre a reao das pessoas em
relao a vrios assuntos, incluindo o tratamento da economia por parte do governo. Voc
foi instrudo que para a pesquisa tenha alguma credibilidade, ser necessrio pesquisar
uma amostra representativa de pelo menos 5.000 pessoas. Considere, detalhadamente,
os mtodos da amostragem e de coleta de dados que voc utilizaria para executar essa
pesquisa, prestando uma ateno especial s exigncias de um grupo de participantes
grande e representativo

Soluo
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
-----------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
-----------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
-----------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
-----------------------------------------------------------------
16

------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
-----------------------------------------------------------------
------------------------------------------------------------------
3 SRIES ESTATSTICAS REPRESENTAO TABULAR
Uma srie estatstica qualquer tabela que apresenta a distribuio de um conjunto
de dados estatsticos em funo da poca, do local ou da espcie.
Definio
Tabela - Uma tabela um quadro que resume um conjunto de dados dispostos em linhas
e colunas de maneira sistemtica.
De acordo com a resoluo 886 do IBGE, nas casa ou clulas da tabela devemos colocar:
(trao horizontal) quando o valor zero
(trs pontos) quando no dispomos dos dados
0 ( zero) quando o valor muito pequeno
? (ponto de interrogao) quando temos dvida, quanto exatido de determinado
valor
OBS: Tanto o lado esquerdo quanto direito de uma tabela devem ser abertos.
3.1 TIPOS DE SRIES
3.1.1 Sries homgradas
So aquelas em que a varivel descrita apresenta variao discreta ou descontnua.
Podem ser do tipo:
3.1.1.1 Srie Temporal
Identifica-se pelo carter varivel do fator cronolgico. Portanto o local e fenmeno so
elementos fixos. tambm chamada de histrica ou evolutiva
ABC VECULOS LTDA
Vendas no 1 trimestre de 2005
Perodo Unidades vendidas (1.000
unid.)
Jan/96 20
Fev/96 10
Mar 15
Total 45

3.1.1.2 Srie Geogrfica


Apresenta como elemento varivel o fator geogrfico. A poca e o fato so elementos
fixos.
17

ABC VECULOS LTDA


Vendas no 1 trimestre de 2005
Perodo Unidades vendidas (1.000 unid.)
So Paulo 20
Rio de Janeiro 10
Recife 15
Total 45

3.1.1.3 Sries Especificadas


O que varia apenas o fato ou o fenmeno, permanecendo fixos o tempo e o local.
Tambm chamada de srie categrica. Veja o exemplo:
ABC VECULOS LTDA
Vendas no 1 trimestre de 2005
perodo unidades vendidas (1.000 unid.)
Fiat 20
Gm 10
Chevrolet 15
TOTAL 45

3.1.2 Sries Conjugadas


Tambm chamadas de tabelas de dupla entrada. So apropriadas apresentao de
duas ou mais sries de maneira conjugada, havendo duas ordens de classificao: uma
horizontal e outra vertical. Veja o exemplo:
Filiais Fevereiro
Janeiro Maro
So Paulo 10 7 8
Rio de Janeiro 12 5 6
Recife 15 3 5
Total 37 25 19

3.1.3 Sries Hetergradas


So sries tabeladas em forma de distribuio de freqncias.
3.2 DEFINIES
3.2.1 Dados Brutos - So dados que ainda no foram numericamente organizados.
Portanto difcil termos uma idia exata do comportamento do grupo como um todo.
Ex: 45, 41, 42, 41, 42, 43, 44, 41, 50, 46, 50, 46, 60, 54, 52, 58, 57, 58, 60, 51
3.2.2 Rol - Um rol a tabela obtida aps a ordenao dos dados.
Ex: 41, 41, 41, 42, 42, 43, 44, 45, 46, 46, 50, 50, 51, 52, 54, 57, 58, 58, 60, 60
3.2.3 Distribuio de Freqncia sem Intervalos de Classe: a simples condensao
dos dados conforme a repetio de seus valores.
Ex:
Dados 41 42 43 44 45 46 50 51 52 54 57 58 60 Total
f 3 2 1 1 1 2 2 1 1 1 1 2 2 20
3.2.4 Distribuio de Freqncia com Intervalo de Classe
18

Quando o tamanho da amostra mais elevado, mais racional efetuar o


agrupamento dos valores em intervalos de classe. , conforme abaixo:
i Classe Freqncia ( f )
1 41 45 7
2 45 49 3
3 49 53 4
4 53 57 1
5 57 61 5
Total 20

3.3 ELEMENTOS DE UMA DISTRIBUIO DE FREQNCIA (com intervalo de classe)


3.3.1 Classe o intervalo de variao da varivel e simbolizado por i e o nmero
total de classe simbolizado por k
Ex: na tabela anterior k = 5 e i = 1, 2, ... , 5
3.3.2 Limites de Classe So os extremos de cada classe. O menor nmero o limite
inferior de classe (li) e o maior nmero limite superior de classe (l s).
Ex: na classe 49 53 , l i = 49 e ls = 53 . O smbolo representa um intervalo
fechado esquerda e aberto direita. O valor 53 pertence a 4 classe e no a 3.
3.3.3 Amplitude do Intervalo de Classe obtida por meio da diferena entre o limite
superior e inferior da classe e simbolizada por hi ls li . No exemplo anterior
hi 53 49 4

3.3.4 Ponto Mdio da Classe o ponto que divide o intervalo de classe em duas
partes iguais. Ex. na classe de 49 a 53, o ponto mdio (53 49) / 2 51
3.3.5 Amplitude Total da Distribuio a diferena entre o ponto mdio da ltima
classe e o ponto mdio da primeira classe. No exemplo anterior, AT 59 43 16

3.3.6 Amplitude Total da Amostra (Rol) a diferena entre o valor mximo e o valor
mnimo do rol. Em nosso exemplo: AT 61 41 20

3.4 MTODO PRATICO PARA A CONSTRUO DE UMA TABELA DE DISTRIBUIO


DE FREQNCIAS COM INTERVALOS DE CLASSE
1) Organizar os dados brutos em um rol;
2) Calcular a amplitude total da amostra;
3) Calcular o n de classes, utilizando a frmula de Sturges k = 1+ 3,22 + log n, onde n
o nmero de dados ou de observaes;
4) Determinar a amplitude do intervalo de classe, dividindo a amplitude total AT da
amostra pelo nmero de classes k, ou seja , faa h = AT / k.
Aplicao: Os dados a seguir representam o tempo ( em segundos) para carga de um
aplicativo, num sistema compartilhado
5,2 6,4 5,7 8,3 7,0 5,4 4,8 9,1 5,5 6,2
4,9 5,7 6,3 5,1 8,4 6,2 8,9 7,3 5,4 4,8
5,6 6,8 5,0 6,7 8,2 7,1 4,9 5,0 8,2 9,9
5,4 5,6 5,7 6,2 4,9 5,1 6,0 4,7 14,1 5,3
4,9 5,0 5,7 6,3 6,0 6,8 7,3 6,9 6,5 5,9
19

Com base nesses dados, determine:


a) o rol
b) a amplitude total (amostral)
c) o nmero de classes
d) a amplitude das classes
e) os limites de classe
f) os pontos mdios das classes
g) as freqncias absolutas das classes
h) as freqncias relativas
i) as freqncias absolutas acumuladas
j) as freqncias relativas acumuladas
Soluo e anotaes
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
-----------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
-----------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
-----------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
-----------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
20

------------------------------------------------------------------
------------------------------------------------------------------
-----------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------

4 SRIES ESTATSTICAS REPRESENTAO GRAFICA


DEFINIES
4.1 Histograma
um grfico formado por retngulos justapostos, cujas bases se localizam no eixo
horizontal de tal modo que seus pontos mdios coincidem com o ponto mdio do intervalo
de classe e suas alturas so proporcionais s suas respectivas freqncias absolutas.
4.2 Freqncia Simples ou Absoluta: So os valores que realmente representam o
nmero de dados de cada classe. A soma das freqncias simples igual ao nmero total
dos dados da distribuio.
4.3 Freqncia Simples Acumulada de uma classe: o total das freqncias de todos
os valores inferiores ao limite superior do intervalo de uma classe.

4.4 Freqncias Relativas: So os valores obtidos atravs do quociente entre as


freqncias simples de cada classe e o total das freqncias da distribuio. A soma das
freqncias relativas 1 ou 100%.
4.5 Freqncia Relativa Acumulada de uma classe: a freqncia acumulada da
classe dividida pela freqncia total da distribuio.
4.6 Polgono de Freqncias Simples: um grfico formado por uma linha poligonal
fechada, traada a partir dos pontos mdios da base superior de cada retngulo dos
intervalos de classe. Para realmente obtermos a linha fechada temos que ligar os
extremos da linha obtida aos pontos mdios da classe anterior primeira e da posterior
ltima, da distribuio.
4.7 Polgono de freqncia Acumulada
traado marcando-se as freqncias acumuladas sobre perpendiculares ao eixo
horizontal, levantadas nos pontos mdios correspondentes aos limites superiores dos
intervalos de classe.

Aplicao

CLASSE fi
50 54 3
54 58 7
58 62 10
21
62 66 15
66 70 4
70 74 1

Com base na tabela acima, pede-se:


a) os pontos mdios da distribuio
b) as freqncias absolutas acumuladas
c) as freqncias relativas
d) as freqncias relativas acumuladas
e) construir o histograma
f) construir o polgono de freqncias
g) construir o polgono de freqncias acumuladas
Clculos e Anotaes
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
22

------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
------------------------------------------------------------------
5 MEDIDAS DE TENDNCIA CENTRAL
So medidas que fornecem o valor do ponto em torno do qual se distribuem os
dados.
5.1 A MDIA ARITMTICA mdia aritmtica uma medida estatstica que calculada
-se
todos os possveis valores de um conjunto de dados e dividindo-se pelo nmero de itens
desse mesmo conjunto. Vamos considerar dois casos:
1) Para dados no-agrupados ou dados brutos
Utilizamos a expresso X i
x
n
Ex. 1 Calcular a mdia de peso, em gramas, de ratos machos da raa Wistar com 30
dias de idade, segundo os dados abaixo:
50 62 70 86 60 64 66 77 58 55 82 74
50 62 ..... 74 804
X 67 X 67 gramas
12 12

2) Para dados agrupados: Dados agrupados so aqueles que esto dispostos em


uma tabela de distribuio de freqncias. Utilizamos a expresso:
X
xi . fi . ; onde n f i
n
Ex. 2 Encontrar a mdia dos dados a seguir, que considera o nmero de aulas perdidas
por uma turma de alunos em determinada semana.
N de aulas perdidas (x) Nmero de alunos (f)
0 8
1 10
2 12
3 6
36

Logo X 52 / 36 1,44 aulas perdidas nessa semana


Ex. 3 Calcular a mdia dos nascidos vivos ao nascer segundo o peso, em kg dos
dados que se encontram dispostos na tabela abaixo
23
Classe (i) Ponto Mdio (Xi) Freqncia (fi)

1,5 2,0 3
2,0 2,5 16
2,5 3,0 31
3,0 3,5 34
3,5 4,0 11
4,0 4,5 4
4,5 5,0 1

Logo a mdia aritmtica ser: - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -


5.2 A MEDIANA
A mediana o valor que ocupa a posio central de uma distribuio de dados
ordenados em um rol. Consideremos tambm dois casos:
1) PARA DADOS NAO AGRUPADOS
5.2.1 Amostras de tamanho impar - Ex: 1, 4, 6, 9 e 11 Md=6
5.2.2 Amostras de tamanho par - Ex: 1, 5, 7, 10, e 11 M d = (7 + 8) /2 = 7,5
2) PARA DADOS AGRUPADOS. Utilizamos a expresso:

n
fi
2 , Onde:
M d lmd .h
f md

l md = Limite Inferior da classe que contm a M d


h = Amplitude da classe M d
n = Tamanho da amostra
f = Somatrio das freqncia anteriores M d
f md = Freqncia absoluta da classe M d

Exemplo 2: Calcular a mediana dos dados da tabela abaixo


Classes fi Fi
35 45 5
45 55 12
55 65 18
65 75 14
75 85 6
85 95 3

1 Passo: Calcula-se n / 2. Como n = 58, 58 / 2 = 29 posio


2 Passo: Identifica-se a classe mediana pela Fi.
3 Passo : Aplica-se a frmula.
Nesse caso, temos:
24

l m d = 55; n = 58; f i = 17; h = 10; f m d = 18.


Da, Vamos calcular:

Md=

5.3 A MODA
o valor que ocorre com mais ou maior freqncia em uma distribuio de dados
Aqui, tambm temos que considerar dois casos:
1) 5.3.1 DADOS NO AGRUPADOS
Exemplo 1:
Indivduos, segundo o tipo de sangue
Tipo de sangue O A B AB
Freqncia 547 441 123 25 Moda = - - - - -

2) 5.3.2 DADOS AGRUPADOS


1 Passo : Identifica-se a classe modal. A classe modal aquela que possui maior
freqncia.
1
2 Passo : Aplica-se a frmula: M o li .h
1 2

Onde:
li = Limite inferior da classe modal;
1 = Diferena entre a freqncia da classe modal e a classe anterior ;
2 = Diferena entre a freqncia da classe modal e a classe posterior;
h = Amplitude da classe.
Exemplo 1: Considere os dados da tabela abaixo para calcular a moda

Classes fi Fi
35 45 5
45 55 12
55 65 18
65 75 14
75 85 6
85 95 3
58

Neste caso, a classe de maior freqncia a - - - - - classe, ento:


25

l i = 55; 1 = 18 12 = 6; 2 = 18 14 = 4 e h = 10

Logo, qual seria a moda?

Mo =

QUESTES PARA AVALIAO de APRENDIZAGEM


1. A mdia aritmtica a razo entre
(a) o nmero de valores e o somatrio deles
(b) os dois valores centrais
(c) o somatrio dos valores e o nmero deles
(d) os valores extremos
2. Na srie 60, 90, 80, 60, 50 a moda :
(a) 50 (b) 60 (c) 80 ( d) 90 (e) 85
3. A medida que tem o mesmo nmero de valores abaixo e acima dela:
(a) a moda (b) a mediana (c) a mdia (d) o lugar mediano
4. A soma dos desvios entre cada valor e a mdia :
(a) positiva (b) diferente de zero (c) negativa (d) zero (e) No sei dizer
5. Na srie 60, 50, 70, 80, 90 o valor 70 ser:
(a) a mdia e a moda (c) a mediana e a moda (b) a mdia e a mediana
6. Quando queremos verificar a questo de uma prova que apresentou
maior nmero de erros, utilizamos:
(a) moda (b) mediana (c) mdia (d) amplitude total (e) freqncia acumulada
7. Dado o histograma abaixo, no interior de cujos retngulos foram anotadas as
freqncias absolutas, ento a mediana :

30

25 20

10 15
2 4 6 8 10 12
(a) 6,5 (c) 7,5 (b) 8,0 (d) 7,0 (e) 30
8. Na srie 15, 20, 30, 40, 50, h abaixo da mediana:
(a) 3 valores (b) 3,5 valores (c) 2 valores (d) 4 valores (e) nenhum valor
9. O clculo da mediana pressupe o conhecimento da (o):
(a) mdia (b) desvio padro (c) moda (d) ponto mdio (e) pessoa que sabe
10. Analisando os dados de uma folha de pagamentos, que medidas se utilizaria para:
26

a) descobrir o salrio mais freqente - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -


b) o salrio que divide os pagamentos em partes iguais - - - - - - - - - - - - - - - - - - - - - - -
c) descobrir o salrio mdio dos funcionrios - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -
11. Dados os salrios anuais, em reais, de cinco jornalistas autnomos, calcule a mdia, a
mediana e a moda. Que medida de tendncia central fornece a medida resumo mais
adequada?
17.000 18.000 20.000 23.000 65.000
12. Considere a seguinte srie: 4, 5, 6, 6, 6. 7, 8,
a) Calcule a mdia, a moda e a mediana
b) Substitua o valor 8 pelo valor 18 e faa novamente os clculos.
c) que aconteceu com a mdia? E com a moda? E a mediana?
d) Que concluses voc pode tirar a respeito desse fato?

13. Suponha que voc no se encontrando em sua profisso, resolveu entrar no ramo de
Delivery de alimentos e aps 40 semanas de vendas, resolveu fazer um levantamento
geral das atividades. O quadro abaixo mostra os valores das vendas em milhares de R$:
16 29 16 19 24 17 18 20 19 22 17 24 23
34 20 19 22 11 14 13 19 20 26 19 21 22
21 27 24 20 17 18 23 18 20 24 17 22 20

Com base nas suas vendas, determinar:


a) O rol; b) a amplitude mxima;
c) amplitude de classes de freqncias; d) distribuio em classes de freqncias;
14. Elaborar: 15. Calcular:
a) histograma; a) a mdia;
b) histograma de freqncia acumulada; b) a mediana;
c) polgono de freqncia acumulada; c) a moda;
16. Num restaurante foi observado o consumo mensal de energia eltrica
290 321 308 213 318 302 358 286 393 398
352 235 329 333 409 351 325 458 314 181
396 340 356 369 281 386 334 331 348 339
321 415 327 377 344 209 327 245 297 355
a) Organize os dados em ordem crescente (Rol)
b) qual o menor consumo? - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -- - - - - -
c) qual o maior consumo? - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -
d) qual a amplitude total da distribuio? - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -
e) qual sua sugesto para o nmero de classes? - - - - - - - - - - - - - - - - - - - - - - - - - - - -
f) qual a amplitude do intervalo de classe? - - - - - -- - - - - - - - - - - - - - - - - - - - - - - - - -
g) construa a distribuio de freqncias

N da classe (classes) (fi)


27

h) Qual o limite inferior da segunda classe?


i) Qual o limite superior da quarta classe?
j) Qual a freqncia absoluta da quarta classe?
k) Qual a freqncia relativa da quinta classe?
l) Calcule a mdia aritmtica
m) Calcule a mediana
n) Calcule a Moda
o) Qual dessas medidas representa melhor esse consumo de energia?
17. Dada a figura abaixo, podemos afirmar que:

(a) A moda maior do que a mediana e menor de que a mdia


(b) A moda menor do que a mediana e maior do que a mdia
(c) A moda menor do que a mediana e esta maior do que a mdia
(d) A mediana maior do que a mdia e menor do que a moda
(e) A mdia igual a mediana e esta igual a moda
18. Utilizando a srie de dados: 2, 5, 7, 8, comprove as seguintes propriedades da
mdia aritmtica.
a) A soma dos desvios em torno da mdia igual a zero, isto (X i X) = 0.
b) Somando ou subtraindo a mesma quantidade arbitrria de todos os valores da srie,
c) a mdia ficar aumentada ou diminuda dessa mesma quantidade.
d) multiplicando ou dividindo cada termo de uma srie por uma constante, a mdia
ficar multiplicada ou divida pela constante.
e) a soma dos quadrados dos desvios medidos em relao mdia um mnimo, ou
seja, sempre menor que a soma dos quadrados dos desvios medidos em relao a
outro valor qualquer, isto , (X i X)2 = 0.

Anotaes e Clculos
28

6 MEDIDAS DE POSIO
As medidas de posio so medidas ou separatrizes que dividem a rea de uma
distribuio de freqncias em regies de reas iguais e.
6.1 QUARTIS
So Separatrizes que dividem um conjunto de dados em quatro partes iguais
0% 25% 50% 75% 100%
Q1 Q2 Q3
6.1.1 Primeiro Quartil - Q1
Separatriz que divide a distribuio em duas partes, tal que 25% dos valores sejam
menores que ele e 75% maiores que ele.
6.1.2 Segundo Quartil - Q2
O segundo quartil coincide exatamente com a mediana. o valor que divide a
distribuio em exatamente metade dos elementos.
6.1.3 Terceiro Quartil - Q3
Valor que deixa 75% dos valores sua esquerda e os 25% restante sua direita
- Frmula para o Clculo dos Quartis.
a mesma utilizada para o clculo da mediana, com pequenas adaptaes.

n
f ant
Q1 lQ1
4 .h
f Q1
Determinao de Q 1
1 Passo : Calcula-se n/4;
2 Passo : Identifica-se a classe Q1, atravs da Fi ;
3 Passo : Aplica-se a frmula.
- Determinao de Q3
29

1 Passo : Calcula-se 3n/4;


2 Passo : Identifica-se a classe Q3 pela Fi;
3 Passo : Aplica-se a frmula :
Aplicao: Dada a distribuio abaixo, determinar Q 1, Q2 e Q3.
Classes 7 17 17 27 27 37 37 47 47 57

fi 6 15 20 10 5 56
Fi 6 21 41 51 56 --

Q1 Q3
Q2=Md
1 Passo : n = 56
Q1 = ? Q2 = Md Q3 = ?
n 4 = 14 n 2 = 28 3n 4 = 42
2 Passo : Atravs da F i, identifica-se a classe Q1, M d e a Q 3
3 Passo : Uso das frmulas:
Q1 l Q1 = 17 n = 56 f ant = 6 h = 10 f Q1 = 15
Para M d l m d = 27 n = 56 f ant = 21 h = 10 f md = 20
Q3 l Q 3 = n= f ant = h= fQ3 =
Aplicando esses resultados em suas respectivas frmulas , obtemos:
Q1 = 22,33 Q2 = M d = 30,5 Q 3 = 38
O que isso significa?
25% 25% 25% 25%

7 22,23 30,5 38 57
- O valor 22,33 deixa dos elementos
- O valor 30,5 deixa 50%
38 deixa dos elementos
6.2 DECIS - Di
So separatrizes que dividem uma srie ou uma seqncia de dados ou de
observaes em 10 partes iguais.

0% 10 % 20% 30% 40% 50% . . . . . . . . . . . . . . . . . . . . 90% 100%

D1 D2 D3 D4 D5 D6 D7 D8 D9 D10
- Frmula
A frmula, neste caso, tambm idntica s separatrizes anteriores.
- Procedimento
1 passo : Calcula-se (i . n) / 10, i = 1, 2, 3, 4, 5, 6, 7, 8, 9
30

2 passo: Identifica-se a classe D i pela F ac.


3 passo : Aplica-se a frmula:

in
f ac
10 Onde :
Di lDi .h
f Di

l Di = limite inferior da classe D i , i = 1, 2, 3, ..9


n = tamanho da amostra
h = amplitude de classe
f Di = freqncia da classe D i
f ant = soma das freqncias anteriores classe D i
_

6.3 PERCENTIS - Pi
So as medidas que dividem a amostra em 100 partes iguais.

0% 1% 2% 3% 4% ....... 50% .... 97% 98% 99% 100%

P1 P2 P3 P4 .. P50 ............P70 P97 P98 P99 P100


- Procedimento:
1 Passo: Calcula-se in / 100 , com i = 1, 2, 3, ......, 98, 99.
2 Passo: Identifica-se a classe Pi pela F ac
3 Passo: Usa-se a mesma frmula dos Decis, trocando-se l di por l Pi e f Di por f Pi
- Exemplo:
Determinar o D4 e o P72 da seguinte distribuio:

Classe 4 9 9 14 14 19 19 24 Frmula
fi 8 12 17 3
f ac 8 20 37 40

classe D4 classe P72


Clculo de D4 Clculo de P72
1 Passo: in /10 = 4. 40 / 10 = 16 in / 100 = 72 .40 /100 = 28,8
2 Passo: Identifica-se a classe D4 e P72 pela F ac
3 Passo: Utilizao das frmulas

Para D 4 l D4 = ; f = ; h= ; f D4 = ; n=

P 72 l P72 = ; f = ; h= ; f P72 = ; n=

Substituindo nas frmulas , D4 = 12, 33 e P72 = 16,89


31

- Anlise e Concluso
O valor 12,33 divide a amostra em duas partes, sendo uma contendo dos dados e
outra contendo
Enquanto que o valor 16,89 indica que da distribuio esto abaixo dele e
acima.
Anotaes
---------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
7 MEDIDAS DE DISPERSO (VARIABILIDADE)
So medidas que servem fundamentalmente para verificar a representatividade das
medidas de tendncia central, pois, estas, por si s, no so suficientes para caracterizar
totalmente uma seqncia numrica.
Considere as seguintes sries
MDIA
X 1 3 7 10 10 11 15 18 20 35 13
Y 12 12 12 13 13 13 13 14 14 14 13
Z 13 13 13 13 13 13 13 13 13 13 13
Anlise:

Concluso:

7.1 A AMPLITUDE TOTAL


a diferena entre o maior e o menor valor de uma seqncia de dados,ou seja,
A X max X min

Como se Calcula ?
S r i e s Am p l i t u d e

1 - Xi : 9 10 11 20
32

2. X i 4 5 7 9
fi 1 6 10 3
3. Classes 2 4 4 6 6 8 8 10 10 12
fi 5 10 20 7 4

Vantagem: -----------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------
Desvantagem: ------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------
7.2 A VARINCIA E O DESVIO-PADRO
1. Nosso propsito medir o grau de concentrao dos dados em torno da mdia;
2. Nada mais interessante de que estudarmos os desvios de cada valor em relao
media, isto , ( X i X )
3. Tomando-se o somatrio de todos esses desvios, temos que: d i ( X i X ) 0
4. Para solucionar esse problema, pelo menos duas solues foram apresentadas. Quais
foram?
1 2 -----------------------
7.3 O DESVIO MDIO

DM
X i X
. fi
n

7.3.1 Clculo da Varincia e do Desvio-padro: Para o clculo da varincia e do


desvio-padro vamos considerar as seguintes expresses:

Varincia Desvio-padro Universo

2

(X i X )2 . fi
2 Populacional
n

S2
( X i X )2 . fi S2 Amostral
n 1
Comentrios
1 - No clculo da varincia, quando elevamos os desvios ao quadrado, a unidade
de medida tambm ficar elevada ao quadrado, sempre;
2 - Em diversas situaes, a unidade de medida da varincia nem faz sentido. o
caso por exemplo, em que os dados so expressos em litros, pizzas, salrios, etc...
Portanto, o valor da varincia no pode ser comparado diretamente com os dados da
srie, ou seja, a varincia no tem interpretao
3 - Exatamente para suprir essa deficincia da varincia que lanamos mo da
definio do desvio-padro, que por sua vez, ter sempre a mesma unidade de medida da
srie e portanto admite interpretao.

7.3.3 Interpretao do Desvio-padro


33

O desvio-padro , sem dvida a mais importante das medidas de disperso e


vital que o pesquisador consiga relacionar o valor obtido atravs da frmula, com os
dados da srie.

Quando uma curva de freqncia representativa de uma srie perfeitamente


simtrica , a construo grfica em forma de sino corresponde curva normal (curva de
Gauss) e podemos
afirmar que:

3 2 X + +2 +3

Zona de normalidade (2)

Intervalo (%) de valores contidos da srie


(X ) 68
( X 2 ) 95
( X 3 ) 99
- ZONA DE NORMALIDADE
A zona de normalidade definida por um conjunto de valores (ou uma regio) em
torno da mdia aritmtica, contidos num intervalo de amplitude 2 , ou seja, - antes da
mdia e + depois da mdia
Aplicao: Um restaurante cobra o almoo de cada cliente mediante peso (por quilo) da
quantidade de alimento consumida. Foi observado, durante um ms, que as quantidades
de alimento consumidas so normalmente distribudas com uma mdia de 550 g e desvio
padro de 200 g, Calcular:
a) a amplitude do intervalo da zona de normalidade.
Sendo: X 550 g e = 200 g , calcula-se o intervalo:
X 550 200 300 g X 550 200 750 g

Portanto, a amplitude do intervalo da zona de neutralidade ou de normalidade, de 350 g


at 750 g. Isso significa que 68% da clientela consomem entre 300 e 750 g de alimentos
b) a amplitude dos 95% centrais. Este com vocs!

7.4 O COEFICIENTE DE VARIAO (Disperso Relativa)


Considere as sries abaixo e suas respectivas estatsticas:
34

Varivel Mdia Desvio-padro C V


X 10 2
Y 100 5

Analisando os resultados:

1. Qual srie possui maior disperso?


2. Que tipo de disperso?
3.. Levando-se em considerao as mdias das duas sries, o desvio-padro de Y que
em relao a sua mdia que - - - - - - , menos significativo que o
desvio-padro de X que - - - - - - em relao a - - - - - - .
4. Este fato nos leva a definir uma medida de disperso relativa, que o Coeficiente de
Variao, ou seja,

Cv
X

Concluso
1. O coeficiente de variao um nmero puro, portanto pode ser expresso em
percentual.
2. O coeficiente de variao leva em considerao tanto a mdia quanto a disperso
absoluta da srie, portanto uma medida mais completa do que a disperso
absoluta isoladamente;
3 . Para nosso exemplo, comparando os C V de X e Y conclui-se que Y tem menor
disperso relativa do que X.

Ser que Voc Consegue? tente.


1. Qual a desvantagem da utilizao da varincia como medida de disperso?

2. Qual a medida que se utiliza para compensar essa desvantagem?

3. O coeficiente de variao uma medida que expressa a razo entre:


(a) A mdia e o desvio padro
(a) O desvio padro e a mdia
(c) O desvio padro e a moda
(d) a soma dos desvios e a mdia
(e) o desvio padro e a mediana
4. O desvio padro de uma distribuio 9 . A varincia ser:
(a) 3 ( b) 36 (c) 18 (d) 81 (e) 3
5. Realizou-se uma prova de microeconomia para duas turmas. O resultados foram os
seguintes:
Turma Mdia Desvio padro
35

A 5 2,5
B 4 2,0
(a) A turma B apresentou maior disperso absoluta
(b) A disperso relativa de A igual disperso relativa de B
(c) Tanto a disperso absoluta quanto a disperso relativa so maiores para a turma B
(d) A disperso absoluta de A maior do que a de B, mas em termos relativos as duas
no diferem quanto ao grau de disperso das notas
(e) A turma A menos dispersa do que a turma B
6. Examinando a figura abaixo podemos concluir que:

x
(a) Tanto o desvio padro quanto a mdia de A so diferentes de B
(b) O desvio padro de A maior do que o de B e as mdias so iguais
(c) O desvio padro de A menor do que o de B e as mdias so diferentes
(d) O desvio padro de A igual ao de B e independe do valor da mdia
(e) As duas distribuies possuem o mesmo coeficiente de variao.

7. Dentre as amostras:
Amostra 1: 0 , 1 , 2
Amostra 2: 13,1 , 13,3 , 13,5 , 13,7
Amostra 3: 26 , 27 , 28
Amostra 4: 1001 , 1002 , 1003
Amostra 5: - 5 , 10 , 25
A de maior desvio-padro :
(a) 1 ( b) 2 ( c) 3 ( d) 4 ( e) 5
8) Nas operaes financeiras, o investidor tenta estabelecer um valor mdio de
rentabilidade. O risco da operao medido atravs:
a) mdia das rentabilidades
b) desvio-padro das rentabilidades
c) desvio-padro
d) desvio modal
e) mdia ponderada
9. Os coeficientes de variao das estatsticas abaixo so respectivamente:
Disciplina X S
Estatstica 80 16
Clculo I 20 5

(a) 16% e 40% (b) 50% e 25% (c) 20% 25% (d) 50% e 40% (e) 80% e 40%
36

10. Para quaisquer valores de X, quanto vale a expresso (X X)?

(a) 5 (b) 3 (c) 2 (d) 0 (e) 1


11. Para analisar os dados de uma folha de pagamentos que medida voc utilizaria para
descobrir a disperso absoluta em torno da mdia?
12. Numa distribuio de valores iguais, o desvio padro :

(a) negativo (b) positivo (c) a unidade (d) zero (e) no sei do que se trata
13. O clculo da varincia supe o conhecimento da:

(a) mediana (b) ponto mdio (c) mdia (d) da moda (e) do desvio padro
15. Qual a posio da mdia, moda e mediana para distribuies consideradas
simtricas? _ _ _ _ _ _ _ _ _ _ _ _ _ __ _ _ _ _ _ _ __ _ _ _ _ _ _ __ _ _ _ _ _ _ _ _ __ _
16. Qual a forma e o nome da curva que representa as distribuies simtricas?
(a) Sino e Gosset (b) Ferradura e Laplace (c) Sino e Gauss (d) Jota e t - Student

17. Falando em distribuio simtrica, preencha o quadro abaixo:


Intervalo % Significado
X ------ -------------------------------------------------------------------------
--------- 95 -------------------------------------------------------------------------
--------- ------- -------------------------------------------------------------------------

18. Num determinado bairro residencial de classe mdia, constatou-se que o consumo
mdio de energia se distribui normalmente, com uma mdia de 250 kW, com desvio
padro de 30 kW. Calcule:
(a) a amplitude do intervalo da zona de normalidade.
(b) Se este bairro possui 7.200 famlias, quantas famlias pertencem zona de
neutralidade de amplitude dos 95% centrais
Anotaes
37

8 MEDIDAS DE ASSIMETRIA
Assimetria o grau de afastamento de uma distribuio da unidade de simetria.
Quando uma distribuio simtrica, os valores da mdia, da moda e da mediana
so coincidentes. A figura abaixo (a) mostra uma distribuio simtrica; (b) assimtrica
positiva e (c) assimtrica negativa.
(a) (b) (c)
f f f

X Mo Md M o M d X X M d M o
simtrica assimtrica positiva assimtrica negativa
8.1 COEFICIENTE DE ASSIMETRIA

1 Coeficiente de Pearson 2 Coeficiente de Pearson (Bowley)


(X M o ) (Q Q3 2 M d )
As As 1
Q3 Q1

Observaes
1 O uso de um ou outro coeficiente vai depender da dificuldade de se calcular
uma ou outra estatstica.
2 (Q3 Q1) Chama-se Intervalo Interqualtico.

= 0 Simtrica.

3 AS 0 distribuio Assimtrica Negativa


38

0 Assimtrica Positiva

Aplicao
Determinar o coeficiente de assimetria pelos dois processos e classificar a curva
para a distribuio abaixo:

Classe xi fi Fi
0 2
2 4
4 6
6 8
8 10

Clculos
39

9. MEDIDAS DE CURTOSE
Curtose o grau de achatamento de uma distribuio.
As figuras a, b, e c mostram as trs formas que uma distribuio pode se apresentar
segundo sua curtose.
(b)
f f f
(a) (c)

mesocrtica leptocrtica platicrtica


k = 0,263 k > 0,263 k < 0,263
9.1 CLCULO DO COEFICIENTE DE CURTOSE
Para se medir o Grau de Achatamento ou de Curtose de uma distribuio utiliza-se
Q
o Coeficiente: K
P90 P10

que chamado de Coeficiente Percentlico de Curtose


Onde Q = 1/2 (Q 3 - Q 1) chamado de Intervalo Semi-interqualtico
- Exemplo
Classificar a curva que corresponde distribuio :

Classes 3 8 8 13 13 18 18 23
fi 5 15 20 10
40

Fac
Clculos

10 TEORIA E CLCULO DAS PROBABILIDADES


Introduo
Consciente ou inconscientemente a probabilidade utilizada por qualquer indivduo
que toma deciso em momentos de incerteza. Conhecendo-se ou no as regras para seu
clculo, muitas pessoas interessam-se por eventos ligados probabilidade. Do contrrio
com poderamos explicar o grande nmero de pessoas que arriscam a sorte, jogando em
loterias, bingos, corridas de cavalos, etc. Alis, as aplicaes iniciais do clculo das
probabilidades tiveram inicio no sculo XVII em funo dos jogos de azar.
A utilizao das probabilidades indica a existncia de um elemento ao acaso ou de
incerteza quanto ocorrncia ou no de um evento aleatrio.
Ao estudarmos um fenmeno coletivo, verificamos a necessidade de descrever o prprio
fenmeno e o modelo matemtico associado ao mesmo, que permita explic-lo da melhor
forma possvel.
A teoria das probabilidades um modelo matemtico utilizado para explicar
fenmenos aleatrios coletivos e fornecem estratgias para a tomada de deciso. Tais
fenmenos, mesmo em condies normais de experimentao, seus resultados variam de
uma observao para outra, dificultando a previso de um resultado futuro.
10.1 Tipos de Fenmenos
a) Determinsticos Os resultados so sempre os mesmos, quaisquer que sejam
as n repeties.
Exemplo: a gua submetida temperatura de 100, passar do estado lquido para o
gasoso, sempre.
b) Aleatrios Casuais ou No-Determinsticos Os resultados no so
previsveis, mesmo que haja n repeties.
41

Exemplo: Num pomar com centenas de laranjeiras, as produes da cada planta sero
diferentes e no previsveis, mesmo estando todas, sob as mesmas condies de solo,
temperatura, umidade, etc...
Obs.
1.Quando um fenmeno ------------------------------- a teoria das probabilidades no
fornece um modelo matemtico adequado para explicar o fenmeno;
2. O objeto da teoria ------------------------------------ so os fenmenos aleatrios;
3. Para facilitar o desenvolvimento da teoria sem usar recursos matemticos mais
sofisticados, por ora, vamos restringir nosso estudo a uma classe de fenmenos
aleatrios chamados de ------------------------------------------------------

10.2 Experimento Aleatrio E

Os experimentos so fenmenos aleatrios e mesmo que as condies iniciais


sejam sempre as mesmas, os resultados finais de cada tentativa, sero diferentes e no
previsveis e possui as seguintes caractersticas:
a) Poder ser repetido indefinidamente sob as mesmas condies;
b) No se conhece, a priori, um valor particular do experimento, porm pode-se descrever
todos seus possveis resultados;
c) Quando for repetido um grande nmero de vezes, surgir uma regularidade, ou seja,
haver uma estabilidade da frao f = r/n ,
onde :
r = o nmero de sucessos de um particular resultado estabelecido antes da realizao do
experimento

n = o nmero de repeties

0 n
10.3 Espao Amostral Finito Equiprovvel S
Um Espao Amostral o conjunto de todos os possveis resultados de um
experimento aleatrio.
Ele ser Equiprovvel ou Uniforme quando associa cada ponto do espao amostral a
mesma probabilidade de ocorrncia.
Exemplos
E1 =Lanar um dado no viciado e anotar o nmero de pontos;
42

S1 = {1, 2, 3, 4, 5, 6}
E2 = Lanar uma moeda e anotar a face voltada para cima;
S2 =

E3 = Retirar uma carta de um baralho com 52 cartas, anotar o naipe


S3 =
E4 = lanar duas moedas e observar as faces voltadas para cima.
S4 =

E5 = Lanar uma moeda sucessivamente at que se obtenha a 1 cara


S5 =
E6 = Escolha de um ponto no intervalo 3 , 12 e anotar a distncia do ponto
escolhido P ao ponto 5;
S6 =
E7 = Jogar uma moeda 4 vezes e anotar o nmero de caras obtidas
S7 =

E8 = O nmero de rebites utilizados na asa de um avio


S8 =
10.4 Evento e Operaes com Eventos
Um evento qualquer subconjunto do espao amostral S.
Considere S = 1, 2, 3, 4, 5, 6 , o espao amostral relativo ao lanamento de um dado.

Note que, se A = 1, 2 ; B = 2, 4 e C = , so subconjuntos de S e portanto so


eventos. Dessa forma:
O prprio espao amostral S e o so eventos;
S dito o evento certo de ocorrer e o evento impossvel;
Usando as operaes com conjuntos, podemos formar novos eventos:

i) A B = x S / x A e x B evento que ocorre se A ocorre ou B ocorre, ou


ambos ocorrem.
II) A B = x S / x A ou x B evento que ocorre se A e B ocorrerem ao
mesmo tempo
III) A ou CA evento que ocorre se A no ocorrer
Exemplo
Seja S = 1, 2, 3, 4, 5, 6 ; Se A = 1, 2, 3 B =2, 3, 6 C = 2, 3, 4

AB= A C = CA =
CB = C (A B) = C(A C) =

10.5 Eventos Mutuamente Exclusivos


Dois eventos A e B so mutuamente exclusivos quando a ocorrncia de um deles
exclui a possibilidade da ocorrncia do outro, ou seja, eles no podem ocorrer
simultaneamente, isto , A B =
43

Exemplo:
E : jogar um dado e observar o resultado S = 1, 2, 3, 4, 5, 6 . Sejam os eventos :

A = ocorrer n par A = 2, 4, 6 e B = ocorrer n mpar B = 1, 3, 5

Logo, A B = . O que isto significa? - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -

10.6 Definio de Probabilidade


Probabilidade uma funo que associa a cada evento S um nmero real e
satisfaz aos seguintes axiomas:
S R
P
B
A 0 ,1
C

I) 0 P (A) 1
II) P (S) =1
III) Se E1, E2, ..........En, forem mutuamente excludentes, ento:
P (E1 E2 .........En ) = P (E1) + P (E2) +. . . . + P(En)

10.7 Principais Teoremas

8.1 - Se o conjunto vazio, ento: P() = 0


8.2 - Se A o complementar de A , ento: P( A ) = 1 P (A)
8.3 - Se A B, ento: P (A) P (B)
8.4 - Se A e B so dois eventos quaisquer, ento: P (A B) = P (A) + P (B) P (A B)
8.5 Se A, B e C forem trs eventos quaisquer, ento:
P (A B C) = P (A) + P (B) + P (C)

10.8 Eventos Equiprovveis


So aqueles que tm a mesma probabilidade de ocorrerem, ou seja se o espao
amostral S contm n pontos e a probabilidade de cada ponto ser :
Pi = 1 np = 1 p = 1/n
Por outro lado, se um evento A contm r pontos, ento:
P(A) = r . (1/n) . Este o mtodo de avaliar P(A). e enunciado da seguinte forma:

N de casos favorveis
P(A) =
N de casos possveis
Exemplo
Retira-se uma carta de um baralho comum, bem embaralhado de 52 cartas. Qual a
probabilidade de:
44

a) A = Sair um rei P(A) = 4/52


b) B = Sair uma carta de espadas P(B) = 13/52
c) C = Sair um rei ou uma carta de espadas P(A B) = ?

P(A B) = P(A) + P(B) P(A B) P(A B) = - - - - - - - - - - - - - - - - - - - - -- - - -

Logo, P(A B) = ----------------------------------------------------

Praticando o que aprendeu


1. Considere o espao amostral do lanamento de um dado e a observao da face
superior. Descreva, por seus elementos, os seguintes eventos;

a) Sair face par ----------------------------------------


b) Sair face primo ----------------------------------------
c) Sair face maior que 3 ----------------------------------------
d) Sair face maior que 6 ----------------------------------------
e) Sair face mltipla de 3 ----------------------------------------
f) Sair face menor ou igual a 4 - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -
2. Considere o espao amostral S = 1, 2, 3, 4, 5, 6, 7, 8, 9, 10 e os seguintes eventos:

A = 2, 3, 4; B = 1, 3, 5, 7, 9; C = 5; D = 1, 2, 3; E = 2, 4, 6

Determinar:
a) A B b) A B c) A C d) CA e) CB f) C(A B)
3. Se P (A) = 1/2 ; P (B) =1/4 , sendo A e B mutuamente exclusivos, calcular:
a) P (A) b) P (B) c) e) P (A B) d) P (A B) e) P (AB)

2. Determine a probabilidade de cada evento:


a) Um nmero par aparecer no lanamento de um dado no viciado;
b) Um rei aparecer ao extrair-se uma carta de um baralho;
c) Pelo menos uma cara aparece no lanamento de trs moedas;
d) Duas copas aparecem ao retirarem-se duas cartas de um baralho.
3. Dois dados so lanados simultaneamente. Qual a probabilidade de:
a) A soma ser menor que 4
b) A soma ser 9
c) O primeiro resultado ser maior do que o segundo
d) O primeiro resultado ser igual ao segundo
4. Uma urna contm 5 bolas brancas e 6 pretas. Trs bolas so retiradas. Calcular a
probabilidade de:
a) Todas serem pretas
b) Exatamente uma ser branca
c) Ao menos uma ser preta
5. Um lote formado por 10 peas boas, 4 com defeitos e duas com defeitos graves. Uma
pea escolhida ao acaso. Calcule a probabilidade de que:
a) Ela no tenha defeitos graves
b) Ela no tenha defeitos
c) Ela ou seja boa ou tenha defeitos graves
45

6. Um experimento consiste em lanar trs moedas e observar a diferena entre o nmero


de caras e o nmero de coroas obtidos neste lanamento, Explicite esse espao
amostral.
7. Num grupo de 300 turistas cadastrados por uma agncia de viagens, 100 viajam para
Petrolina e 80 para Juazeiro e 30 viajam para as duas cidades simultaneamente. Qual a
probabilidade de um turista escolhido ao acaso estar de viagem para:
a) Petrolina b) Juazeiro c) Petrolina ou Juazeiro

Anotaes
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
10.9 Probabilidade Condicional P (A / B)
Muitas vezes, estamos interessados em calcular a probabilidade de ocorrncia de um
certo evento, sabendo previamente que outro j ocorreu Por exemplo:

A probabilidade de chover amanh sabendo que choveu hoje;


A probabilidade de um dispositivo eletrnico funcionar 200 horas, sabendo que j
funcionou por 100 horas;
A probabilidade de um projeto de lei ser aprovado no senado, sabendo que j foi
aprovado na cmara;
Em outras palavras, queremos calcular a probabilidade de ocorrncia de um evento A
condicionada ocorrncia prvia de B, ou seja,

P (A / B) L-se, P de A dado B

10.10 Definio
Dados dois eventos, A S e B S, a probabilidade condicionada do evento A,
quando B tiver ocorrido ser dada por:

P( A B) P ( B A)
P( A / B) , P (B) 0 e P ( B / A) , P (A) 0
P( B) P ( A)

Exemplo 1:
46

Sendo P (A) = 1/3 P (B) =3/4 e P (A B) = 11/12, calcular P (A/B).

P (A B)
Como P(A/B) = , devemos calcular:
P (B)
P (AB) = P (A) + P (B) P (A B) - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -

Da, P (A B) = 1/6. Logo P (A/B) = - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -


Exemplo 2:
O quadro abaixo se refere distribuio de alunos presentes numa reunio, classificados
por sexo e por curso:

Curso ADM EC Total


Sexo
H 40 60 100
M 70 80 150
Total 110 140 250
Sorteia-se ao acaso um estudante da populao de 250 alunos.
a) Qual a probabilidade de ser mulher?
Como o espao amostral composto de 250 alunos, dos quais apenas 150
satisfazem ao evento, ento: P (M) = 150/250
b) Qual a probabilidade do aluno sorteado ser mulher, sabendo que ela estuda economia?
Nesse caso o espao amostral ficou reduzido a 140 estudantes que estudam economia,
dos quais apenas 80 so mulheres, ento:
80/250 P (M E)
P (M/E) = 80 /150 = =
150/250 P (E)
c) Qual a probabilidade do aluno sorteado ser homem, sabendo que ele estuda
administrao?
10.11 Regra do Produto
Sejam A e B dois eventos quaisquer contidos em S, ento:
P (A B) = P (B) P (A/B) ou P (A B) = P (A) P (B/A)
Exemplo: Duas bolas so retiradas de uma urna que contm 2 bolas brancas, 3 pretas e
4 verdes. Qual a probabilidade de que ambas
a) Sejam verdes? b) Sejam brancas? c) Sejam da mesma cor?
a) P (V V) = P(V) P(V/V) = 4/9 3/8 = 1/6

b)
c) - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -
47

10.12 Eventos Independentes

Intuitivamente se A e B so independentes porque:

P (A/B) = P (A) e P (B/A) = P (B)


Definio
Dois eventos A e B so independentes se: P (A B) = P (A) P (B)

Exemplo: Lanam-se 3 moedas. Os eventos A e B so independentes? :


A = Sada de cara na 1 moeda
B = Sada de coroa na 2 e 3 moedas
E = {c,c,c), (c,c,k), (c,k,c), (k,c,c), (k,k c), (k,c,k), (c,k,k), (k,k,k)}

A={ } P(A) =

B={ } P(B) =

AB= { } P(A B) =

P (A) . P (B) = ---------------------------------------------------


Concluso:

Importante
1 Trs eventos A, B, e C sero independentes, se todas as 4 proposies abaixo forem
satisfeitas:
a) P (A B C) = P (A) . P (B) . P (C)
b) P (A B) = P (A) . P (B)
c) P (A C) = P (A) . P (C)
d) P (B C) = P (B) . P (C)

2 Se A e B so mutuamente exclusivos, ento A e B so dependentes, pois se A ocorre,


B no ocorre, isto , a ocorrncia de um evento condiciona a no-ocorrncia do outro.
10.13 Teorema da Probabilidade Total
Sejam A1, A2 , . . . , An eventos que formam uma partio do espao amostral S.
Seja B tambm um evento desse espao, ento:
P (B) = P (Ai) . P (B/Ai)

A1 A2
A5

B
A3 A4 An
48

Os eventos (B Ai) e (B A j) para i j , i = 1, 2, . . . n e j = 1, 2, .... n, so


mutuamente excludentes, pois: (B Ai) (B Aj) = B (Ai A j) = B =
O evento B ocorre da seguinte forma:
B = (B A1) (B A2) . . . . . (B A n). Da:
P (B) = P (B A1) P (B A2) . . . . . P (B An).
P (B) = P (A1) . (B / A1) + P (A2) . (B / A2) + . . . . . + P (An) . (B / An).

P (B) = P (A i) . P (B / A i)

Esta relao muito til, porque freqentemente, quando P (B) pedida pode ,
como na maioria das vezes, ser difcil calcula-la diretamente. No entanto com a
informao adicional de que os A i tenham ocorrido seremos capazes de calcular P (B/A i)
e em seguida empregar a frmula acima.
Aplicao:
Uma urna contm 3 bolas brancas e 2 amarelas. Uma segunda urna contm 4 bolas
brancas e 2 amarelas. Escolhe-se ao acaso uma urna e dela retira-se uma bola. Qual a
probabilidade de que seja branca?

3B P (I) =1/2 4B P (II) = 1/2


2A P (B/I) = 3/5 2A P (B/II) = 2/3

I II
A retirada da bola branca pode ocorrer da seguinte forma:
B = (B I) (B II) P (B) = P {(B I) (B II)}
P (B) = P (B I) + P (B II) = P (I) . P (B/I) + P (II) . P (B/II) =1/2 . 3/5 + 1/2. 2/3 = 19/30

10.14 Teorema de Bayes


Sejam A1 , A2 , . . . ., A n, eventos mutuamente exclusivos que formam uma partio
de S. Sejam P (Ai) as probabilidades conhecidas dos vrios eventos e B um evento
qualquer de S, tal que sejam conhecidas todas as probabilidades condicionais P (B/A i).
Ento para cada i tem-se:

P (A j) . P (B / A j) Este um resultado de muita importncia,


P(A j / B) = pois relaciona probabilidades a priori (A i)
P (A i) . P (B / A i) com probabilidades a posteriori P (B / A i).

Exemplo
Considere a seguinte configurao:

Gaveta G1 G2 G3
Bolas
Pretas 3 4 2
Brancas 1 3 3
Azuis 5 2 4
49
Total 9 9 9

Vamos escolher uma gaveta ao acaso e dela extrair uma bola. Sabendo que a bola
escolhida branca, qual a probabilidade dela ter vindo da gaveta 2, por exemplo?
O que queremos saber P (G2/B)

3 1 5 4 3 2 2 3 4
P (G1) = 1/3 P (G2) = 1/3 P (G3) = 1/3
P (B/G1) = 1/9 P (B/G2) = 3/9 P (B/G3) = 3/9
P (G2) . P (B / G2)
Da : P (G2 / B) = = 9/21
P (G1) . P (B/G1) + P (G2). P (B/G2) + P (G3). P (B/G3)

Concluso: A probabilidade a priori de se sortear G2 que era 1/3, mas sabendo que a
bola escolhida foi branca, essa probabilidade passou (a posteriori) para 9/21.

Teste seus conhecimentos


1. Determinar a probabilidade p, ou sua estimativa, para cada um dos eventos:
a) de aparecer um nmero mpar em um nico lanamento de um dado honesto.
b) de ocorrer pelo menos uma cara em dois lances de uma moeda honesta.
c) de surgir um s, um dez de ouros ou um dois de espadas na retirada de uma
carta nica de um baralho, bem embaralhado, de 52 cartas
d) de aparecer o total 7 em um nico lanamento de dois dados
2. Uma bola retirada ao acaso de uma urna que contm 6 bolas vermelhas, 4 brancas e
5 azuis. Determinar a probabilidade de ela ser:
a) vermelha b) branca c) azul d) no ser vermelha e) vermelha ou branca
3. Uma moeda lanada trs vezes. Ache a probabilidade de se obterem:
a) Trs caras b) Duas caras e uma coroa c) Uma cara
d) Pelo menos uma cara e) Nenhuma cara
4. So lanados dois dados. Qual a probabilidade de:
a) obter-se um par de pontos iguais;
b) um para de pontos diferentes
c) um par em que o 1 > 2
d) a soma dos pontos ser um nmero par;
e) obter-se a soma 7, se o par de pontos diferente;
f) obter-se a soma 6, dado que o par de pontos igual;
g) a soma ser 14
50

5. A probabilidade de um aluno do sexo masculino resolver um problema de estatstica


de 3/5 e de uma aluna resolver esse mesmo problema de 4/7. Qual a probabilidade de
que o problema seja resolvido?
6. No lanamento de um dado, qual a prob. de sair o nmero 5 ou um nmero par?
7. A probabilidade de que um homem esteja vivo daqui a 30 anos 2/5; a e sua mulher
de 2/3. Determinar a probabilidade de que daqui a 30 anos:
a) Ambos estejam vivos; b) Somente o homem esteja vivo;
c) Somente a mulher esteja viva; d) Nenhum esteja vivo;
e) Pelo menos um esteja vivo;
8. A e B jogam 120 partidas de xadrez, das quais A ganha 60, B ganha 40 e 20 terminam
empatadas. A e B concordam em jogar 3 partidas. Determinar a probabilidade de:
a) A ganhar todas as trs partidas;
b) Duas partidas terminarem empatadas;
c) A e B ganharem alternadamente.
9. Uma urna contm 5 bolas brancas, 4 vermelhas e 3 azuis. Extraem-se
simultaneamente 3 bolas. Achar a probabilidade de que:
a) nenhuma seja vermelha;
b) exatamente uma seja vermelha;
c) todas sejam da mesma cor.
10. As probabilidades de 3 jogadores A, B, e C marcarem um gol quando cobram um
pnalti so 2/3, 4/5 e 7/10, respectivamente. Se cada um cobrar uma nica vez, qual a
probabilidade de que pelo menos um marque um gol.
a) todos acertarem b) apenas um acertar c) todos errarem

11. A tabela abaixo descreve os hspedes registrados pelo perodo de uma semana num
hotel de Petrolina. A distribuio segue de acordo com o sexo e a idade.
Idade Sexo Total
Feminino Masculino
Abaixo de 20 anos 20 15 35
Entre 20 e 40 anos 65 150 215
Acima de 40 anos 50 95 145
Total 135 260 395
Se um hspede escolhido aleatoriamente, qual a probabilidade:
a) de ser mulher?
b) de ser mulher e ter acima de 40 anos?
c) de ser homem e ter menos de 20 anos?
d) de ser mulher entre 20 e 40 anos?
e) ser homem e ter menos de 40 anos
f) ter entre 20 e 40 anos
12. Um projeto para ser transformado em lei deve ser aprovado pala Cmara dos
Deputados e pelo Senado . A probabilidade de ser aprovado pala Cmara dos Deputados
de 40%. Caso seja aprovado na Cmara dos Deputados, a probabilidade de ser
aprovado no Senado 80%. Calcule a probabilidade deste projeto ser aprovado. R: 0,32
51

13 Uma empresa avalia em 60% a sua probabilidade de ganhar uma concorrncia para o
recolhimento do lixo em um bairro a da capital. Se ganhar a concorrncia no bairro A,
acredita que tem 90% de probabilidade de ganhar outra concorrncia em um bairro B
prximo de A. Qual a probabilidade de a empresa ganhar ambas as concorrncias? R:
0,54
14 No primeiro ano de uma faculdade, 25% so reprovados em Clculo, 15% so
reprovados em Estatstica e 10% so reprovados em ambas .
Um estudante selecionado ao acaso, nesta faculdade, calcule a probabilidade de que
ele seja reprovado em Clculo sabendo que foi reprovado em Estatstica. R: 2/3
15. Uma rifa composta por 15 nmeros ir definir o ganhador de dois prmios sorteados
um de cada vez. Se voc adquiriu trs nmeros, qual a probabilidade de ganhar os dois
prmios? R: 1/35
Anotaes

11 VARIVEIS ALEATRIAS
Intrioduo
Uma varivel aleatria uma varivel tal que, no sabemos ao certo que valor
tomar, mas para a qual podemos calcular a probabilidade de tomar determinado valor.
11.1 Definio
Seja E um experimento aleatrio e S o espao amostral associado a esse
experimento. Definimos varivel aleatria como sendo uma funo X que associa a cada
elemento s S um nmero real X(s). Veja a ilustrao.
X
S R

s Varivel X(s)
Aleatria

Exemplo: Seja E: o lanamento de duas moedas; e,


X: N de caras obtidas nas duas moedas S = (c,c) , (c,k) , (k,c) , (k,k)

0 corresponde ao evento (k,k) 1/4


X = 1 corresponde ao evento (k,c) , (c,k) P(X) = 2/4
2 corresponde ao evento (c,c) 1/4

Observao
52

1. Nas aplicaes conveniente trabalhar com nmeros e no com eventos, da, o


uso da expresso Varivel Aleatria;
2. Uma V. A. X ser Discreta se seu contradomnio for finito ou infinito numervel.
Caso seu contradomnio seja um seja um intervalo ou um conjunto de intervalos,
ela ser uma V. A. Contnua.

11.2 Varivel Aleatria Discreta Funo de Distribuio de Probabilidade

A probabilidade de que a v. a. X, assuma um particular valor x, a chamada


Funo de Probabilidade de X que se representa por: P (X =x i) ou simplesmente P (x).
A funo P (X = x i) determina a distribuio de probabilidade de X.
Os nmeros p (xi) devem satisfazer s seguintes condies:

a) p (x i) 0 para todo i = 1, 2, .....

b) p (x) = 1

P (x) pode ser expressa por uma tabela, grfico ou uma frmula.

Exemplo: Seja E : lanamento de duas moedas e, X : o n de caras obtidas

a) Tabela
X 0 1 2 p(x)
P (x) 1/4 1/2 1/4 1
b) Grfico
1

1/2

1/4

0 1 2
c) Frmula
2
P(x) = 1/4 . Para x = 0, 1, 2.
x
OBS.
Qualquer funo de uma varivel aleatria ser tambm uma varivel aleatria, isto , se
X uma V.A, ento Y = f (x) tambm ser uma varivel aleatria.
Exemplo: Considere
X = V.A. Os pontos obtidos no lanamento de um dado
Y = X + X A soma dos pontos em dois lanamentos
53

Z = Max (x 1 , x 2) onde x 1 e x 2 so os pontos dos dois dados.

Construir a distribuio de probabilidade de X, Y e Z.


a) distribuio de probabilidade de X em forma de tabela:
X 1 2 3 4 5 6 P(X)
P(X) 1/6 1/6 1/6 1/6 1/6 1/6 1
b) Distribuio de probabilidade de Y

(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)
S= (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)

Logo,a distribuio de probabilidade de Y em forma de tabela ser:


Y 2 3 4 5 6 7 8 9 10 11 12
P(Y) 1/36 2/36 3/36 4/36 5/36 6/36 5/36 4/36 3/36 2/36 1/36
c) A distribuio de probabilidade de Z ser dada pela seguinte tabela:
Z 1 2 3 4 5 6
P(Z) 1/36 3/36 5/36 7/36 9/36 11/36

Teste seus conhecimentos


1. Uma varivel aleatria discreta tem a seguinte distribuio de probabilidade dada
por:
P(x) = k/x para x = 1, 3, 5, 7
a) Calcular o valor de k b) Calcular P (x = 5) c) P (2 x 6)

2. No lanamento simultneo de dois dados, considere as seguintes variveis aleatrias:


X = nmero de pontos obtidos no primeiro dado
Y = nmero de pontos obtidos no segundo dado
Construir a distribuio de probabilidade atravs de uma tabela e grfico das seguintes
variveis:
I) W = X Y II) A = 2Y III) Z = XY IV) B = mx de (X,Y)
3. Suponha que a varivel aleatria X tenha a funo de distribuio
de probabilidade dada por:
P(X = j) = 1/2j , j= 1, 2, 3, , n . Calcular as seguintes probabilidades:
a) P (X ser par) b) P ( X 3) c) P (X ser mltiplo de 3)

Clculos
54

----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
------------------------------------------------------------------
--------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
11.3 Funo de densidade de probabilidade - fdp
Seja X uma varivel aleatria contnua. A funo densidade de probabilidade f(x),
tambm chamada de funo de massa de probabilidade ou funo de probabilidade
uma funo que satisfaz as seguintes condies:
a) (x) 0 , xRx
b) R x f (x) dx = 1

Define-se tambm que , a b em R x P (a X b) = a,b f(x) dx

Observaes importantes:
1. A definio mostra que a probabilidade de qualquer valor especificado de X, por
exemplo
x0, tem P (X = x0) = 0, ou seja, P(X = x0) = xo, xo f(x) dx = 0, e tambm que:
P (a X b) = P (A X b) = P (a X B) = P (a X b)

2. f (x), funo de probabilidade, no probabilidade. Isto s ocorrer quando a funo for


integrada entre dois limites que ser a rea sob a curva entre x = a e x = b com a b
3. Analogamente mecnica, podemos considerar que numa varivel aleatria discreta, a
massa de probabilidade est concentrada em pontos isolados da reta real, enquanto que
55

na varivel aleatria contnua a massa de probabilidade est espalhada de forma


contnua em segmentos de R . Alm do mais: , x dx = 1

Exemplo
1.Seja X uma varivel aleatria contnua com a f.d.p. dada por:

f (x) = 2x para 0 x 1
0 para outros valores
a) verificar se f(x) uma f.d.p.
x dx = dx 2x dx dx

b) construir o grfico da f.d.p.

f(x)
2 y = 2x

0 1 X

c) Calcular a P(1/4 X 3/4)


2x dx x /2
2
= (3/4)2 = 1/2

Teste seus conhecimentos
1. Esboce o grfico para:
a) o lanamento de um dado b) trs lances de uma moeda honesta
1. Uma v. a tem a seguinte f.d.p.

0 para x 0
f(x) = kx2 0 x 1
0 para x 1

Verifique se f(x) uma funo de densidade de probabilidade e esboce seu grfico.


2. A f. d. p de uma varivel aleatria X proporcional a x(1 x) para todo 0 x 1, e
zero para outros valores de x. Pede-se :
a) mostrar que f (x) = x (1 x) para todo 0 x 1
b) calcular P (x 1/2)

3.Seja x uma varivel aleatria contnua tal que :


56

f (x) = 0 para x 0
f (x) = Ax para 0 x 500
f (x) = A (100 x) para 500 x 1000
f (x) = 0 para x 1000
Determinar:
a) o valor da constante A b) P (50 X 750)

Clculos
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
----------------------------------------------------------------
12 ESPERANA E VARINCIA DE VARIVEIS ALEATRIAS
12.1 Esperana Matemtica
Define-se Esperana Matemtica ou simplesmente Mdia de uma varivel aleatria
X como sendo:
12.1.1 Para o caso discreto:
n
E X x xi . p ( xi )
1
Exemplo
1. Um fabricante produz peas tais que 10% so defeituosas. Se uma pea defeituosa for
produzida o fabricante perde R$ 1,00, enquanto que uma pea boa lhe d um lucro de R$
5,00. Qual o lucro lquido esperado por pea?
Seja X = Lucro lquido por pea
E(X) = x i . p (x i) = 1 . 0,10 5 . 0,90 = R$ 4,40/pea
57

2. Calcular a Esperana da seguinte funo de probabilidade:


X 1 2 3 4
P(X) 1/10 4/10 2/10 3/10

E(X) = x i . p (x i) = 1.1/10 + 2.4/10 + 3. 2/10 4.3/10 2,7

Problema proposto
Uma seguradora paga R$ 30.000,00 em caso de acidente com carro e cobra uma taxa de
R$ 1.000,00. Sabendo-se que a probabilidade de que um carro sofra um acidente de
3%, quanto a seguradora espera ganhar por carro segurado ?
12.1.1.1 Propriedades da Esperana

2.1 E (k) = k, k = cte


E(k) = k. p (x) = k p (x) = k . 1 = k
2.2 E (k . X) = k . E (X) , k = cte.
E (k . X) = k . x . p (x) = k . x . p (x) = k . E (X)

2.3 E ( X) = E (X)

2.4 E (a X b) = E (a X) E (b) = a E (X) b a e b, constantes

2.5 E (X x) = E (X) E ( x) = x x = 0
2.6 A mdia da soma ou da diferena de duas variveis aleatrias igual a soma ou a
diferena das mdias
E (X Y) = (xi y j).P(xi ,y j) = xi . P(xi ,y j) y j . P(x i ,y j)
i j i j i j
x i P(x i ,y j) y j P(x i ,y j) = x i . P(xi) y j . P(y j) = = E (X) E ( Y)
i j j i i j
12.2 Varincia
O simples fato de conhecermos a mdia de uma distribuio de probabilidade j
de grande valia, porm no dispomos de uma mediada que nos fornea o grau de
disperso de probabilidade em torno dessa mdia.
J vimos que o desvio mdio, E (X ) nulo, portanto no serve como medida e
disperso. Ento, igualmente fizemos em Estatstica Descritiva, vamos lanar mo de
uma medida que fornea o grau de disperso em torno da mdia , que justamente a
varincia.
Definio
VAR (X) = V (X) = 2 = E X E (X) 2 = E (X 2 ) E 2 (X)
Sendo: E (X) = x i . p (x i) e E (X 2 ) = x i2 . p (x i)

Exemplo: Considerando a distribuio de probabilidade abaixo, calcular a varincia de Y.

Y -2 -1 0 3 5
58
P(Y) 1/5 1/5 1/5 1/5 1/5 1
Y. P(Y) -2/5 -1/5 0 3/5 5/5 1
Y2.P(Y) 4/5 1/5 0 9/5 25/5 39/5

V(Y) = E(Y 2) E(Y) 2 = 39/5 1 2 = 34/5 V(Y) = 6,8


12.2.1 Propriedades da Varincia
1. V (k) = 0
V (k) = E k E (k) 2= E k k 2= 0

2. V (k . X) = k 2 . V (X)
V(k.X) = E(kXkE(X) 2=E k.(X E(X) 2 = E k 2. (X E(X) 2
E k 2. E (X E(X) 2 = k 2 . V (X)

3. V(X Y) = V(X) V(Y) 2 COV(X,Y)


V (X Y) = E(X Y) E (X Y) 2= E(X E(X)) (Y E(Y)) 2=
E (X E(X) 2 (Y E(Y) 2 2 (X E(X). (Y E(Y) =
E (X E(X) 2 + E (Y E(Y) 2 2 E(X E(X). (Y E(Y) = V(X) V(Y) 2 COV(X,Y)

4. V X i = V (X i) 2 COV (X i , X j), com i < j

5. V (a X b) = a2 V(X) , a e b constantes

12.3 O desvio Padro


Para o clculo do desvio padro, basta tomarmos a raiz quadrada positiva da
varincia, ou seja: Var ( X )
No nosso exemplo anterior, basta tomar 6,8 2,61
12.2.1 Para Caso contnuo
Seja X uma varivel aleatria contnua com f.d.p. f(x), o Valor esperado ou a esperana
de X definida como:
E X = x x x dx

12.2.1 Propriedades da Esperana

1. E (k) = k , onde k = constante


2. E (k . X) = k E (X) , com k = cte
3. E (X Y) E (X) E (Y) , X e Y so variveis aleatrias quaisquer
4. E (XY) = E (X) E (Y) , (X Y) uma v.a. bidimensional e X e Y so independentes
5. E (X1, X2, X3, ....,Xn) = E (X1) + E (X2) + E (X3) ,....., E (Xn)
12.3 Varincia
Suponha que X represente a durao de vida, em horas, de lmpadas que estejam
sendo entregues por um fabricante e que E(X) = 1.000. Isto poder significar por exemplo:
que a maioria das lmpadas deveria durar um perodo compreendido entre 900 e 1.100
horas.
Poderia tambm significar que as lmpadas recebidas so formadas de dois tipos
inteiramente diferentes: cerca de metade so de muito boa qualidade e durao
aproximadamente 1.300 horas, enquanto outra metade de m qualidade e durao
59

aproximadamente 700 horas. Da a varincia uma medida quantitativa, que serve para
distinguir essas situaes.
Definio : Seja X uma varivel aleatria. Definimos a varincia de X, como sendo:
VAR (X) = V (X) = 2 E X E (X) 2 E (X 2) E (X) 2

Exemplo: Calcular a varincia da varivel aleatria contnua X com f.d.p. dada por:
f(x) = 1 + x 1<x<0
1x 0<x<1

Cujo grfico encontra - se na figura abaixo.

1 0 1
fcil perceber que pela simetria de f(x) em relao a x = 0, que E(X) = 0
Logo,
V(X) = E(X2) = -1, 0 x2(1 + x) dx + 0,1 x2(1 x)dx = 1/6

Anotaes

13 VARIVEIS ALEATRIAS BIDIMENSIONAIS


Introduo
Muitas vezes estamos interessados em estudar dois resultados simultneos de um
experimento aleatrio verificar possveis relaes que posam existir entre as mesmos.
Por exemplo:
- A estatura H e o peso P de pessoas;
- Renda e nvel de escolaridade;
- Variao cambial e volume de investimentos num pas;
- tempo e crescimento da populao, etc..
13.1 Definio
Considere E um experimento aleatrio e S o espao amostral associado a E.
60

Sejam X = X (s) e Y = Y (s), duas funes, que associam um nmero real a cada
resultado s S. Nessas condies, o par (X, Y) ser uma varivel aleatria bidimensional.

13.2 Grfico R x

S X(s)

Y(s)

Igualmente varivel aleatria unidimensional, (X,Y) poder ser tanto Discreta quanto
Contnua.
13.3 Distribuio Conjunta de Duas Variveis Aleatrias

O quadro a seguir refere-se ao salrio e tempo de servio de 10 operrios. Qual


seria a distribuio conjunta de probabilidade da varivel X (salrios) e da varivel Y
(tempo de servio).
Operrio A B C D E F G H I J
X 500 600 600 800 800 700 700 700 700 600
Y 6 5 6 4 6 6 5 6 6 5

A distribuio de probabilidade conjunta de X e Y ser:


Y 4 5 6 p(X)
X
500 0 0 1/10 1/10
600 0 2/10 1/10 3/10
700 0 1/10 2/10 3/10
800 0 2/10 3/10
p(Y) 1/10 3/10 6/10 1

13.4 Definio
Seja X uma v. a que assume os valores x 1, x2, .... , xn e Y que assume os valores y1,
y2, ..., yn, a funo que associa cada par (x i ,y j), i = 1, 2, .... n, e j = 1, 2,....., n a
probabilidade P (X = x i,Y = y j) = p (x i,y j) , chamamos de Distribuio Conjunta de
Probabilidade da varivel aleatria bidimensional (X,Y).
P (X = x i , Y = y j) = 1, para o caso Discreto
f (x,y) dx dy = 1, para o caso Contnuo

13.5 Grfico- Representao espacial de P (X,Y)


Da mesma forma que construmos o grfico para variveis aleatrias de apenas
uma dimenso podemos tambm constru para as bidimensionais.Veja a ilustrao:
P(X,Y)
61

2/10

1/10
4 5 6
500 Y
600
700
800

X

13.6 Distribuio Marginal de Probabilidade


Dada uma varivel aleatria bidimensional e sua distribuio conjunta, pode-se
determinar a distribuio de X sem considerar Y, ou vice-versa. So as chamadas
distribuies marginais de probabilidade.
Seja (X,Y) uma varivel aleatria bidimensional, ento a distribuio marginal de:
X ser igual a P (X = x i) = P (x i , y j), com x i fixo
j Para o caso discreto
Y ser igual a P (Y = j j) = P (x i , y j), com y j fixo
i
Para o caso de X e Y serem contnuas, tem-se que:
g (x) = , f (x,y) dy funo de densidade marginal de X
h (y) = , f (x,y) dx funo de densidade marginal de Y

13.7 Variveis Aleatrias Independentes


Seja (X,Y) uma varivel aleatria bidimensional. Diz-se que X e Y so
independentes, se somente se:
P (x i , y j ) = p (x i) . p (y j) i, j R Para X e Y discretas
f (x,y) = f (x) . f (y) (x ,y)

13.8 A Covarincia e o Coeficiente de Correlao


Tanto a Covarincia quanto o Coeficiente de Correlao so estatsticas que
medem o grau de disperso conjunta ou da associao linear entre duas variveis
aleatrias.

13.8.1 A Covarincia - COV


COV (X,Y) = E (X i , x . Yj y E XY x y
x i y j p (x i , y j) , para o caso discreto
i j
Onde E XY =
x y f(x,y) dx dy , para o caso contnuo

13.8.2 O Coeficiente de Correlao -


62

O Coeficiente de Correlao entre X e Y : x y Cov (XY) / x . y 1 1


Y Y Y


y
y

x X x X x X

COV (X,Y) 0 COV (X,Y) 0 COV (X,Y) 0


xy 0 xy 0 xy 0

Exerccios
1. Considere a seguinte distribuio de probabilidade conjunta de X e Y:

Y -2 -1 4 5
X
1 0,1 0,2 0,0 0,3
2 0,2 0,1 0,1 0,0

a) Achar as distribuies marginais de X e Y


b) Calcular E (X), E (Y) e E (XY)
c) Calcular a covarincia entre X e Y
d) Calcular o desvio padro de X ( x )e de Y(y )
e) Calcular o coeficiente de correlao entre X e Y ( x y )
f) As variveis X e Y so independentes? Por que?
Respostas:
a) X 1 2 Y -2 -1 4 5
P(X) 0,6 0,4 P(Y) 0,3 0,3 0,1 0,3
b) 1,4 ; 1 ; 0,9 c) 0,5 d) 0,49 ; 3,1 e) 0,3
2. seja (X, Y) uma varivel aleatria discreta com a seguinte distribuio de probabilidade:
Y -3 2 1
X
1 0,1 0,2 0,3
3 0,3 0,3 0,1
a) Calcular a Covarincia entre X e Y e o Coeficiente de Correlao. R 1,2 ; 0,39
b) Interprete os resultados obtidos
c) Construa o grfico de (X,Y)
3. Sejam M e N duas V. A. independentes com as seguintes distribuies de
probabilidade:
M 1 3 N 5 10 12
P(M) 0,6 0,4 P(N) 0,3 0,5 0,2
63

a) achar a distribuio conjunta de (M,N).


b) Calcule E(M) e E(N) R: 1,8 ; 8,9
c) Calcular M e N R: 0,96 ; 2,66
d) qual o valor de NM? Por qu? R: Zero , M e N so independentes
4. A funo de probabilidade conjunta de duas variveis aleatrias discretas X e Y dada
por P (X,Y) = cxy para x = 1, 2, 3 e y = 1, 2
0 em outro caso
Determinar:
a) O valor da constante c R : 1/18 b) A tabela de distribuio conjunta de (X,Y)
c) P (X= 3, Y=2) R: 1/3 d) P (X = 1) R: 1/6
e) P (Y = 2) R: 2/3 f) A mdia de X R: 7/3
g) A varincia de Y R: 2/9 h) E [X,Y] R: 35/9
i) A covarincia entre X e Y R: 0 j) O coeficiente de correlao entre X e Y R: 0
5. Uma varivel aleatria X, tem uma densidade de probabilidade dada por:
f (x) = k/x no intervalo 1 x 2, e
0 fora desse intervalo.
a) Determine k R: 1/ ln2 b) Determine x R: 1 / ln2 c) Calcule a varincia de X. R: 1
6. Dada a seguinte funo de densidade conjunta de (X, Y);
3 x2 y + 3 y 2 x para 0 x 1 e 0 y 1
f(x , y) = 0 para outros valores
a) Determinar as funes marginais de densidade de X e Y; R: g (x) = 3/2 x 2
h (y) = 3/2 y2
b) Calcular E (X) e E (Y) R:17 / 21 e 17 / 24
c) Calcular x e y
2 2
R: 139 / 2880 e 139 / 2880
d) Calcular P (0,5 X 0,75) R: 39/128
e) calcular o coeficiente de correlao entre X e Y. R: = 0,036

7. Dada a distribuio conjunta de (X, Y) representada pela tabela de dupla entrada,


determinar:
a) R: - 1
b) A representao espacial de P (X, Y)
c) Se possvel a reta de regresso de Y em funo de X R: Y = - X + 2

Y 0 1 2
X
0 0 0 1/4
1 0 2/4 0
2 1/4 0 0

8. (X,Y) uma varivel bidimensional contnua com a funo densidade conjunta:

c (x2 + y2) 0 x 1 e 0 y 1,
f(x, y) =
0, em caso contrrio
64

Determine:
a) a constante c. R: 3/2
b) P (X 1/2, Y 1/2) R:1/4
c) P (1/4 X 3/4) R: 29/64
d) P (Y 1/2) R: 5/16

Clculos
-------------------------------------------------------------------
-------------------------------------------------------------------
-------------------------------------------------------------------
-------------------------------------------------------------------
-------------------------------------------------------------------
-------------------------------------------------------------------
-------------------------------------------------------------------
-------------------------------------------------------------------
-------------------------------------------------------------------
-------------------------------------------------------------------
-------------------------------------------------------------------
-------------------------------------------------------------------
-------------------------------------------------------------------
-------------------------------------------------------------------
-------------------------------------------------------------------
-------------------------------------------------------------------
-------------------------------------------------------------------
-------------------------------------------------------------------
-------------------------------------------------------------------
-------------------------------------------------------------------
-------------------------------------------------------------------
-------------------------------------------------------------------
-------------------------------------------------------------------
-------------------------------------------------------------------
-------------------------------------------------------------------
-------------------------------------------------------------------
-------------------------------------------------------------------
-------------------------------------------------------------------
-------------------------------------------------------------------
-------------------------------------------------------------------
-------------------------------------------------------------------
14 PRINCIPAIS MODELOS DISCRETOS DE PROBABILIDADE
14.1 A DISTRIBUIO DE BERNOUILLI
Muitos experimentos so tais que apresentam ou no uma determinada
caracterstica. Considere os seguintes exemplos:
a) O lanamento de uma moeda: Resultado: cara ou coroa
b) Um a pea escolhida num lote: de peas. Resultado: defeituosa ou boa
c) O nascimento de caprinos:Resultado: macho ou fmea
65

Consideremos um experimento E, sendo realizada apenas uma nica tentativa cujo


resultado pode ser um sucesso ou um fracasso. E seja p a probabilidade de sucesso e
q a probabilidade de fracasso.
14.1.1 Construo do Modelo
Seja X : o nmero de sucessos em uma nica tentativa do experimento. Ento,
0 fracasso com P (X = 0) = q
X=
1 sucesso com P (X = 1) = p
Nessas condies, dizemos que a varivel aleatria X tem distribuio de Bernoulli, e sua
funo de probabilidade ser dada por:
P ( X x ) p x .q1 x
14.1.2 A Esperana Matemtica

Atravs da funo de distribuio de probabilidade de X, vamos obter a mdia e a


varincia da distribuio de Bernouilli.

X P(X) X . P (X) X2 . P (X)


0 q 0 0
1 p p p
1 p p
Verificando a tabela vemos que: E (X) = p

14.1.3 A Varincia
V (X) = p p 2 = p (1 p) = p.q V (X) = p q
Aplicao: Uma urna tem 20 bolas brancas e 30 verdes. Retira-se uma bola dessa urna.
Considere X o nmero de bolas verdes. Determinar P (X) e calcular a E (X) e V(X)
Seja X = Nmero de bolas verdes.
0 q = 20/50 = 2/5 q = 2/5
X=
1 p = 30/50 = 3/5 p = 3/5

P ( X x ) p x .q1 x (3 / 5) x .(2 / 5)1 x

E (X) = p = 2/5 E (X) = 2/5 e V (X) = p . q = 2/5 . 3/5 = 6/25 V (X) = 6/25
14.2 A DISTRIBUIO BINOMIAL
uma distribuio de probabilidade que se adeqa perfeitamente aos
experimentos aleatrios que apresentam apenas dois resultados, sucesso ou fracasso.

14.2.1 Hipteses do Modelo


H1 So realizadas n provas independentes e do mesmo tipo. (provas de Bernouilli)
H2 Cada prova s admite dois resultados: sucesso ou fracasso;
H3 A probabilidade de sucesso em cada prova p e de fracasso 1 p = q.
66

14.2.2 Construo do Modelo (Funo de Probabilidade)


1 Seja X : o nmero de sucessos nas n tentativas

2 Logo X pode tomar os valores 0, 1, 2, 3, .. , n

3 Seja SSS .... SFF... F, um resultado particular do experimento. Da


P(SSS .....SFFF .F) = p . p . p .... . p .q . q . q . . . q = p k .q n k .
E, considerando todas as n-plas com k sucessos, podemos escrever :
n
Se X: B (n , p) P( X k ) = . p k .q n k
k

Aplicao
1. Uma moeda lanada 20 vezes. Qual a probabilidade de sarem 8 caras ?
Dados: n = 20 p = 1/2 q = 1/2 k=8

Seja X = O nmero de caras X : B (n , p) X : B (20, )

P (X = 8) = C8 . (1/2) 8 . (1/2) 12 = 0,12 013 P (X = 8) = 0,12013


20

2. Numa criao de coelhos, 40% so machos. Qual a probabilidade de que nasam pelo
menos 2 coelhos machos num dia em que nasceram 20 coelhos?
Dados : n = 20 p = 0,40 q = 0,60 k=2
Queremos P (X 2) = 1 P (X 2) = 1 P ( X = 0) + P (X = 1)=

1 C020 .(40)0 .(0,60) 20 C120 .(0,40)1.(0,60)19 0,99948

14.2.3 A Esperana Matemtica


De acordo com as hipteses do modelo, vimos que X uma soma de n variveis de
Bernoulli. Portanto:
E (X) = n . x = n p E (X) = n . p

14.2.4 A Varincia V (X) = n . 2x = n p q V (X) = n . p . q

Aplicao

Calcular. a mdia e a varincia da varivel aleatria Y = 3X + 2, onde X : B (20 ; 0,3).


Sendo n= 20 e p = 0,3, temos:
Se E (X) = n p = 20 x 0,3 = 6 E (X) = 6
E, V (X) = n p q = 20 x 0,3 x 0,7 = 4,2 V (X) = 4.2, logo:
E (Y) = E (3X + 2) = 3 E (X) + E (2) = 3 x 6 + 2 = 20 E (Y) = 20
67

V (Y) = V (3X + 2) = V (3X) + V (2) = 9 .V (X) = 9 x 4,2 = 37,8

Exerccios Propostos
1.Sendo X : B(10, 2/5), Calcular:
a) P (X = 3) R: 0,21499 e) P ( X 2 1) R: 0,37623
b) P (X 2) R: 0,16729 f) P (3 X 5) R: 0,45148
c) P (X 4) R: 0,61772 g) P ( X 3 1) 0,41326
d) P (X 2 1) R: 0,16729 h) E (X) e V (X) R: 4 e 2,4
i) E (Z) e V( Z) sendo Z = X X X

2. Seja B (n,p). Sabendo-se que E(X) = 12 e V(X) = 4. Determinar:


n, p, E(Z) e V(Z), sendo Z = (X 3) /3. R: 18; 2/3; 2 e 4/9
3. A probabilidade de um arqueiro acertar um alvo com uma nica flecha de 0,20. Se o
arqueiro lana 30 flechas, qual a probabilidade de que:
a) Exatamente 4 acertem o alvo? R: 0,13252
b) Pelo menos 3 acertem o alvo? R: 0,95581
4. Uma moeda no viciada lanada 8 vezes. Encontre a probabilidade de aparecer:
a) 5 caras R: 22%
b) Pelo menos 1 cara R: 99,6%
c) No mximo 2 caras R: 14%
(d) Calcular a mdia e varincia da distribuio dessa varivel aleatria. R: 4 e 2
5. Uma urna contm 20 bolas pretas e 30 brancas. Retiram-se 25 bolas com reposio.
Qual a probabilidade de que:
a) 2 sejam pretas? R: 0,00038 b) pelo menos 3 sejam pretas? R:0,99957
6. Um lote de placas de multimdia recebido por uma empresa. 30 placas so
inspecionadas. O lote rejeitado se pelo menos 4 forem defeituosos. Sabendo-se que 1%
da placas defeituosa, determinar a probabilidade da empresa rejeitar todo o lote.
R: 0,00022
7. Uma prova tipo teste tem 50 questes independentes. Cada questo contm 5
alternativas e apenas uma correta. Se um aluno resolve a prova respondendo a esmo
as questes, qual a probabilidade de tirar nota 5? R: 0,000002
8. Em 320 famlias com 4 crianas cada uma, quantas se esperaria que tivessem:
a) nenhuma menina; R=20 b) 2 meninos; R= 80 c) 4 meninos; R: 20

9. Um time de futebol X tem 2/3 de probabilidade de vitria sempre que joga. Se X jogar 5
partidas, calcule a probabilidade de X vencer:
a) Exatamente 3 partidas; R: 33%
b) Ao menos uma partida; R: 99,6%
c) Mais da metade das partidas. R: 79%
10. Num teste do tipo certo ou errado, com 100 perguntas, qual a probabilidade. de um
aluno, respondendo as questes no chute, acertar 70% das questes?
R: C100,70 . (1/2) 100. (1/2) 70
68

11. Um tcnico visita os clientes que compraram assinatura de um canal de TV para


verificar o decodificador. Sabe por experincia, que 90% desses aparelhos no
apresentam defeitos.
R: 0,86705
a) determinar a probabilidade de que em 20 aparelhos pelo menos 17 no apresentem
defeitos.
b) se a probabilidade de defeito for de 0,0035, qual a probabilidade de que em 2000
visitas ocorra no mximo 1 defeito. R 0,007295
12. Uma remessa de estabilizadores de tenso recebida pelo controle de qualidade de
uma empresa. So inspecionados 20 aparelhos de remessa, que ser aceita se ocorrer
no mximo um defeituoso. H 80 aparelhos defeituosos no lote. Qual a probabilidade de o
lote ser aceito? R: 39%
13. Um economista rejeita, em mdia, 10% dos projetos recebidos opor uma carteira de
viabilidade econmica. Calcular a probabilidade de que sejam recusados:
a) Pelo menos 3 projetos de uma remessa de 20 projetos examinados. R: 0,32307
b) no mximo 2 projetos de um lote de 25 projetos examinados. R: 0,53710

Clculos

14.3 A DISTRIBUIO DE POISSON


Muitas vezes quando utilizamos o modelo binomial, acontece que o nmero de
tentativas muito grande (n ) e no se encontra tabelado. Da termos de lanar mo
de algum artifcio para resolver essa situao.
14.3.1 Caractersticas
1 - A probabilidade de ocorrncia de um sucesso no intervalo proporcional ao intervalo
2 - A probabilidade de mais de um sucesso nesse intervalo bastante pequena com
relao probabilidade de um sucesso.
3 - As ocorrncias so independentes e aleatrias
14.3.2 Construo do Modelo
69

Seja X o nmero de sucessos no intervalo considerado. Se X uma v. a. discreta,


que assume valores: 0, 1, 2, .... , n , .... Ento:
P (X = k) = (e ) / k!, k = 0, 1, 2, ., n , 0

OBS. Essa expresso nada mais do que uma aproximao da distribuio Binomial
quando:
1 n (maior do que o valor tabelado)
2 p 0 (p 0,1)
3 0 10

Quando isso ocorre a mdia E (X) = np da Binomial ser tomada como np = na


Poisson. Portanto a Binomial tem a distribuio de Poisson como limite quando n e
p 0

14.3.3 Exemplos da Utilizao da Distribuio de Poisson:


1 - Carros que passam num cruzamento/ minuto, durante uma determinada hora do
dia;
2 - Colnias de bactrias numa dada cultura por 0,01 mm 2, numa plaqueta de
microscpio;
3 - Mortes por ataque do corao por ano, numa cidade;
4 - Nmero de doutorandos que no terminam suas teses em tempo;
5 - Nmero de filmes que faturam mais de 25 milhes de dlares em um ano, etc, ...
aplicada tambm em problemas de filas de espera em geral, e muitas outras
situaes do cotidiano
14.3.4 A Esperana e a Varincia
Se X tiver distribuio de Poisson com parmetro , ento: E (X) = e V (X) =
Aplicao: 1. Suponha que X : B (200; 0,01). Calcular P (X = 10) usando a distribuio
Binomial e a aproximao pela distribuio de Poisson.

Usando a Binomial P (X = 10) = C 200, 10 . (0,01) 10. (0,99) 190 = 0,000033

Usando a Poisson = np = 200 . 0,01 = 2 = 2

Da, P (X =10) = (e 2 . 2 10 )/ 10! = 0,000038 P (X = 10) = 0,000038

2. A probabilidade de uma lmpada se queimar ao ser ligada 0,01. Numa instalao com
100 lmpadas, qual a probabilidade de 2 lmpadas se queimarem ao serem ligadas?
Seja X: O nmero de lmpadas queimadas e usando a Binomial, temos X: B (100 ; 0,01),
Da, P ( X = k) = P (X = 2) = C 100 , 2 . (0,01) 2 . (0,99) 98 = 0.183940 e usando Poisson,
temos = np = 100 . 0,01 = 1 = 1. Da,

P (X = 2) = (e 1 . 1 2 )/2! = 0,183940 (Poisson com X = 2 e = 1)

Aplicao
70

Num livro de 800 pginas h 800 erros de impresso. Qual a probabilidade de que uma
pgina contenha pelo menos 3 erros?
= 1 porque = 800/800 = 1 (taxa mdia de ocorrncia)
X = nmero de erros por pgina
P (X 3) = 1 P (X 3) = 1 P (X = 0) + P (X = 1) + P (X = 2)

= 1 (e 1.10 ) / 0!+ (e 1.11) / 1! + (e 1 .1 2) / 2! =

1 (0,367879 +0,367879 + 0,183940) = 0,080302

Teste seus Conhecimentos


1.Seja X : B (400; 0,02). Calcular, usando a aproximao pela Poisson:
a) P (X = 7) R: 0,139587
b) P (2 X 6) R: 0,188216
c) P (X 3) R: 0,986245

2. Seja X: B (200; 0,04). Usando aproximao, Calcular:


a) P (X = 6) R: 0,122138
b) P (X + 2 ) R: 0,986245
c) Sendo Z = 4X 5, calcular E (Z) e V (Z) R: 27 e 122,9

3. Numa central telefnica chegam 300 telefonemas por hora. Qual a prob. de que:
a)
num minuto, no haja nenhuma chamada R: 0,006738
b)
em 2 minutos haja 2 chamadas R: 0,002270
c)
em t minutos no haja chamadas R: e 5 t
4. Numa fita de som, h um defeito em cada 200 metros. Qual a probabilidade de que:
a) em 500 metros no acontea nenhum defeito? R: 0,082085
b) em 800 metros ocorram pelo menos 3 defeitos.? R: 0,761896
5. O nmero de mortes por afogamento em fins de semana, numa cidade praiana, de 2
para cada 50.000 habitantes. Qual a probabilidade de que em:
a) 200.000 habitantes ocorram 5 afogamentos? R: 0,091603
b) 112.500 habitantes ocorram pelo menos 3 afogamentos? R: 0,826422

6. Numa estrada, h 2 acidentes para cada 100 km. Qual a probabilidade de que em:
a) 250 km ocorram pelo menos 3 acidentes? R: 0,875348
b) 300 km ocorram 5 acidentes? R: 0,160623
7. Numa linha adutora dgua, de 60 km ocorrem 30 vazamentos no perodo de um ms.
Qual a probabilidade de ocorrer, durante o ms, pelo menos 3 vazamentos num certo
setor de 3 km de extenso? R: 0,191154
8. Uma firma recebe 720 mensagens em seu fax em 8 horas de funcionamento. Qual a
probabilidade de que:
a) Em 6 minutos receba pelo menos 4 mensagens? R: 0,978774
b) Em 4 minutos no receba nenhuma mensagem? R: 0,002479
71

9. Voc est consultando um banco de dados e sabe por experincia, que essas
consultas ocorrem de forma independente e aleatria, com uma taxa mdia de trs
consultas por minuto. Deseja-se saber:

a) a probabilidade de que no prximo minuto ocorram menos do que trs consultas;

b) b) a probabilidade de que nos prximos dois minutos ocorram mais do que 5


consultas.
10. Em um canal de comunicao digital, a probabilidade de se receber um bit com erro
de 0,0002. Se 10.000 bits forem transmitidos por esse canal qual a probabilidade de que
mais de quatro bits sejam recebidos com erro?

Clculos

15 A DISTRIBUIO NORMAL
Introduo
considerada a mais importante distribuio de probabilidade, sendo aplicada em
inmeros fenmenos e utilizada para o desenvolvimento terico da estatstica.
72

tambm conhecida como distribuio de Gauss., Laplace ou Gauss-Laplace e possui a


forma de um sino com a boca voltada para baixo.
Dizemos que uma Varivel Aleatria Contnua X tem uma distribuio Normal, se sua
funo de distribuio de probabilidade ou de densidade for dada por :
1 x 2

1 .
f ( x) e 2 , x . Onde:
2
= mdia da distribuio ; = desvio padro da distribuio
= 3,14159 .... e e = 2,71828 ....
14.1 Grfico da Funo de Densidade de Probabilidade
ponto de mximo

3 2 1 1 2 3
14.2 Principais Caractersticas da Distribuio Normal
a) o ponto de mximo de f(x) o ponto x = ;
b) os pontos de inflexo da funo so x = ;
c) a curva simtrica em relao x = ;
d) E (X) = e V (X) =2
1 x 2
1 .
Se f (x ) uma f.d.p.. ento 2 .e

2
dx 1

14.3 Calculando Probabilidades


Para calcular a probabilidade indicada na figura abaixo, devemos proceder:

a b X
1 x 2
1 .
b
P (a X b) .e 2
dx
a
2

O que apresentaria grandes dificuldades, pois surgem dois grandes problemas:


1 Para a integrao de f (x) necessrio o desenvolvimento em sries de Fourrier;
73

2- Seria necessrio a elaborao de uma tabela de probabilidades, pois f (x) depende de


dois parmetros, fato este que acarretaria um enorme trabalho para tabelar essas
probabilidades, considerando-se as vrias combinaes de e 2.

14.4 A Distribuio Normal Padro


Dada s dificuldades matemticas para o clculo das probabilidades, lanamos
mo da distribuio Normal Reduzida, Distribuio Normal Padro ou Normal (0,1)
Seja X: N ( , 2). Vamos definir uma varivel aleatria Z, tal que: Z f ( X ) , ou seja,
X
Z e demonstra-se que: E (Z) = 0 V (Z) = 1. Portanto,

Se X: N (, 2 Z: N ( 0,1).
Vejamos:
X 1 1 1
E (Z ) E E ( X ) E ( X ) E ( ) ( ) 0 E (Z) = 0

X
2 V ( X ) 2 V ( X ) V ( ) 2 0 1
1 1 1
V (Z ) V 2
V (Z) = 1

z2
1
Logo a f.d.p. de Z ser dada por ( z) e 2
2

cujos valores se encontram tabelados a partir de z = 0 e qualquer valor positivo de z.


Em caso de valores negativos, o clculo se d por simetria, j que (z) simtrica
em relao a z = 0.
14.4.1 Grfico DE Z
(z)

0
14.4.2 Propriedades de Z
a) f (x) simtrica em relao x = (z) simtrica em relao z = 0
f (x) (z)

50% 50% 50% 50%

x= z=0
b) f (x) possui um mximo para x = e (z) para z = 0
c) f (x) tende a 0 quando x tende para ou
d) f (x) tem dois pontos de inflexo cujas abscissas valem ou (z) possui dois
pontos de inflexo cujas abscissas valem 1.
74

f (X) (z)

X 1 0 +1 Z
14.4.3 Combinao Linear de Variveis Aleatrias
A combinao linear de variveis aleatrias com distribuio normal e
independentes, ser tambm uma distribuio normal.
Sejam X e Y variveis aleatrias normais e independentes e suponha que
W = a X + b Y + c , W ter distribuio normal com:

Mdia = E (W) = E (a X + b Y + c) = a E (X) + B (Y) + E (c) = a x + b y + c

E(W) = a x + b y+ c , e
Varincia = V (W) = V (a X + bY + c) = a2 (X) + b2 (Y)

V (W) = a2 2 + b2 2
Concluso
A soma ou a diferena de Variveis Aleatrias Normais tambm ser uma varivel
aleatria normal.

14.4.4 Uso da Tabela


A tabela de faixa central o tipo mais freqentemente utilizado e fornece a rea
sob a curva normal padro entre z = 0 e qualquer valor positivo de z. A simetria em torno
de z = 0, permite obter a rea entre quaisquer valores de z (positivos ou negativos). Ver
figura abaixo que fornece a P (0 z Z ).

0 Z Z
14.4.5 Exemplos
1. Seja X: N (100, 25). Calcular: a) P (100 X 106) = P (0 Z 1,2) = 0,384930
X
= 100 e = 5 e Z . Logo,

Z1 = X1 / = X1 100 /5 = 100 100 /5 = 0 Z1= 0


Z2 = (X2 / = X2 106 /5 = 106 100 /5 =1,2 Z2 = 1,2
75

100 106 0 1,2


b) P (89 X 106 = P2,2 Z 1,4 = P (2,2 Z 0 P (0 Z 1,2)
= 0,486097 + 0,384930 P (89 X 106) = 0,871027

Z1 = 89 100 5 = 2,2 e Z2 = 106 100 5 = 1,2

89 100 107 X 2,2 0 1,4 Z

c) P (112 X 116) = P (2,4 Z 3,2) = P (0 Z 3,2) P(0 Z 2,4)


= 0,499313 0,491803 = 0,007510
Z1 = (112 100 5 = 2,4 e Z2 = 116100 /5 = 3,2

100 112 116 X 0 2,4 3,2 Z


d) P (X 108) = P (Z 1,6) = 0,5 P(0 Z 1,6) = 0,5 0,445201= 0,054799

Z1 = (108 100) /5 = 1,6

100 108 X 0 1,6 Z


2. Sendo X: N (50, 16) Determinar X tal que:

a) P(X X ) = 0,05 Dados 50 e = 4

= 0,05 = 0,05

50 X X 0 Z Z

Procurando 0,45 = (0,50 0,05) no corpo da tabela , encontramos Z = 1,64.

X X 50
Como Z 1,64 X 56,56
4

b) P (X X = 0,99
76

0,99 0,99

0,01 0,01

50 X X 0 Z Z

Procurando na tabela a abscissa que corresponde probabilidade de 0,49 (0,50 0,01),


encontramos 2,32; ou seja Z = 2,32.

X X 50
Z 2,32 X 59,28
4

Divirtam-se

1.Calcule as seguintes probabilidades


a) P(0 Z 1 R = 0,3413 ; b) P(-2,55 Z1,2) R = 0,8795 ; c) P (Z 1,93) R = 0,0268
2.As alturas dos alunos da FACAPE so normalmente distribudas com mdia 1,60 e
desvio padro 0,30 m. Encontre a probabilidade de um aluno medir
a) entre 1,50 e 1,8 R = 37,8% ; b) mais de 1,75 R = 30,8 ; c) menos de 1,48 R = 0,3446
3. A durao de vida de um certo componente eletrnico tem mdia de 850 dias e desvio
padro de 45 dias. Calcular a probabilidade desse componente durar:
a) entre 700 e 1.000 dias; R = 1
b) mais que 800 dias R = 0,8665
c) menos que 750 dias ; R = 0,0132
d) exatamente 1.000 dias; R = 0
Qual deve ser o nmero de dias necessrios para que tenhamos de repor no mximo 5%
dos componentes; R = 776 dias
4. Uma fbrica de pneumticos fez um teste para medir o desgaste de seus pneus e
verificou que ele obedecia a uma distribuio normal, de mdia 48.000 km e desvio
padro 2.000 km. Calcular a probabilidade de um pneu escolhido ao acaso;
a) dure mais que 46.000 km; R = 0,8413
b) dure entre 45.000 e 50.000 km; R = 0,7745
5. Os salrios mdios dos diretores das empresas de Petrolina distribuem-se
normalmente com mdia de R$ 8.000,00 e varincia de R$ 500,00. Qual a percentagem
de diretores que recebem:
a) Menos de R$ 6470,00 ? R = 0,001107
b) Entre R$ 8.920,00 e R$ 9.380,00 ? R = 0,029994
6. Um fabricante de baterias usadas em laptop sabe, por experincia passada, que as
baterias de sua fabricao tm vida mdia de 600 dias e desvio-padro de 100 dias,
sendo que a durao tem aproximadamente distribuio normal. Oferece uma garantia de
312 dias, isto , troca as baterias que apresentam falhas nesse perodo. Fabrica 10.000
77

baterias mensalmente. Quantas baterias dever repor mensalmente, pelo uso da


garantia? R = 20 baterias
7. Uma fbrica de automveis sabe que os motores de sua fabricao tm durao
normal com mdia de 150.000 km e desvio-padro de 5.000 km. Qual a probabilidade de
que um carro, escolhido ao acaso, dos fabricados por essa firma, tenha um motor que
dure:
a) menos de 170.000 km? R= 0,999968
b) Entre 140.000 km e 165.000 km? R = 0,97590
c) Se a fbrica substitui o motor que apresenta durao inferior garantia, qual deve ser
esta garantia para que a porcentagem de motores substitudos seja inferior a 0.2%?
R = 135.650
8. 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.
Determinar a quantidade de lmpadas que duraro:

a) menos de 500 horas? R = 1,4


b) mais de 700 horas? R = 841,3
c) Entre 516 e 684 horas? R = 120,8

Anotaes

15 DISTRIBUIO EXPONENCIAL
78

Introduo
O modelo Exponencial possui um estreito relacionamento com o modelo de
Poisson. Enquanto o modelo de Poisson serve para modelar o nmero de ocorrncias em
um perodo de tempo ou comprimento, a distribuio exponencial se presta para modelar
a varivel aleatria contnua que representa o intervalo de tempo decorrido ou o
comprimento, entre essas ocorrncias.
Esquematicamente, teramos

N de ocorrncias Poisson
do evento

o x x x x t
Tempo at a
ocorrncia do Exponencial
evento
Exemplos
O tempo entre falhas de sistemas, equipamentos ou componentes
O tempo entre chegadas de clientes a um shoping, a um caixa eletrnico, a uma clnica
mdica, etc...
A rea entre dois defeitos consecutivos de uma pea de tecido.

15.1 A Funo de Densidade de Probabilidade


Consideremos a equivalncia entre os seguintes eventos:

A 1 ocorrncia ser depois Nenhuma ocorrncia


do tempo t no intervalo (0,t)

E as seguintes variveis:
X = Nmero de ocorrncias em (0 , t];
T = Tempo decorrido entre as ocorrncias.
Sendo a taxa de ocorrncia por unidade de tempo e considerando independncia entre
as ocorrncias, X t obedece a uma distribuio de Poisson com parmetro t.

Da, T0 Xt=0

e y .(t ) 0
P (T 0) P ( X t 0) = e t
0!
Agora, usando o evento complementar, podemos definir , t 0, a funo de distribuio
acumulada de uma varivel aleatria T com distribuio exponencial, ou seja,
F(T) = P (T t) = 1 e t

Em conseqncia para T 0 f (t) = e t t0


79

15.2 Grfico

f (t) = e t

0 t
1


t t

0
e t
dt ( e ) dt = ( e ) =1
0
15.3 A Esperana Matemticae a Varincia
Com o auxlio da noo de limites e integrao por partes demonstra-se que:
Mdia = (t) = 1/ e Varincia = V(t) = 1/2
15.4 Calculando Probabilidades

f(t) = e t
P (T t0) = 1 e to
P (T t 0) = e to

0 t0 t

Aplicao:
Suponha que em determinado perodo do dia, o tempo mdio de atendimento a um caixa
de banco seja de 10 minutos. Admitindo que o tempo para atendimento tenha
distribuio exponencial, determine a probabilidade de um cliente:
a) esperar mais do que 10 minutos:
Pela mdia da exponencial = 1/ 10 = 1 / = 0,1

P (T 10) = e to = e ( 0,1 x 10) = e 1 = 0,367879 36,79%

b) esperar menos do que 10 minutos:


P (T 10) = 1 e to = 1 e ( 0,1 x 10) = 1 0,367879 63,21%
c) esperar entre 8 e 13 minutos
80
( 0,1 x 8)
P (8 T 13) = P (T 8) P (T 13) = e e ( 0,1 x 13) = e 0,8 e 1,3 = 0,449329
0,272532 =,0176797 17,68%

15.5 Aplicao da Distribuio Exponencial Teoria da Confiabilidade.

PREMISSAS
1. A teoria da confiabilidade de componentes equipamentos ou sistemas, considera a
probabilidade que no venham a falhar durante um intervalo 0, t0, ou seja, a
probabilidade de que o equipamento ainda esteja funcionando no tempo t 0
2. Admite-se que taxa de falhas constante, ou seja, depois que a pea, componente ou
sistema esteja em uso, sua probabilidade de falha no se altera;
3. Quando o modelo exponencial admitido, no se considera o efeito do desgaste;
4. Uma das mais importantes leis de falhas aquela cuja durao at falhar descrita
pela distribuio exponencial;
Exemplo:
Suponha que a durao de vida de um dispositivo eletrnico seja exponencialmente
distribuda com tempo mdio entre falhas de 200 horas:
a) Qual a probabilidade de o dispositivo no falhar em 250 horas de uso?
= 1/ 200 = 1/ = 0,005
P(T 250) = e to = e ( 0,005 x 250) = e 1,25 = 0,2865 28.65%

b) Qual o nmero de horas necessrias para se ter uma confiabilidade de 90% ?

EM TEMPO:
Confiabilidade: a probabilidade de um sistema ou parte dele ter desempenho
satisfatrio, sem falhas, em certas condies de uso, durante um perodo especificado de
tempo. a probabilidade de que ele vai funcionar tal qual o esperado.
Com base nessa definio:
R (t) = e t 0,90 = e 0,005 t ln 0,90 = 0,005 t t = 21,08 horas
ou seja, temos 90% de probabilidade do dispositivo no falhar.

Anotaes
81

TENTE MAIS MA VEZ


1.Uma lmpada tem durao de acordo com a densidade de probabilidade a seguir:

0 t0
f(t) = 1 e t / 1000 t 0
1.000

Determine
a) A prob de que uma lmpada qualquer queime antes de 1.000 horas; R: 0,6321
b) A prob. de que uma lmpada qualquer se queime depois de sua durao mdia; R :
0,3679
c) O desvio-padro da distribuio R = 1.000 horas

2. Se as interrupes de energia eltrica no suprimento de energia eltrica ocorrem


segundo uma distribuio de Poisson com a mdia de uma interrupo por ms (4
semanas), qual a probabilidade de que entre duas interrupes consecutivas haja um
intervalo de:
a) menos de uma semana? R: 0,2212
b) entre 10 e 12 semanas? R: 0,0323
c) exatamente um ms? R: 0
d) mais de trs semanas? R : 0,4724

3. O tempo de atendimento numa oficina aproximadamente exponencial com mdia de


quatro minutos. Qual a probabilidade de:
a) espera superior a quatro minutos? R = 0,3679
b) espera inferior a cinco minutos? R = 0,7135
c) espera de exatamente quatro minutos? R = 0
d) espera entre trs e 6 minutos?

4. Sabemos que o intervalo entre ocorrncias sucessivas de uma doena contagiosa


uma varivel aleatria que tem distribuio exponencial com mdia de 100 dias. Qual a
probabilidade de no se ter registro de incidncia da doena por pelo menos 200 dias a
partir da data em que o ltimo caso foi registrado? R:14%

5. O tempo de vida (em horas) de um transistor uma varivel aleatria T com


distribuio exponencial. O tempo mdio de vida do transistor de 500 horas:
a) Calcule a probabilidade de o transistor durar mais do que 500 horas. R: 0,4134
b) Calcule a probabilidade de o transistor durar entre 300 e 1000 horas R: 0,8859

6. Dada a varivel aleatria T = tempo de resposta a um banco de dados (em minutos)


com funo de densidade de probabilidade

f(t) = 2 e 2 t para t 0
0, para t 0

a) Calcular a probabilidade da consulta demorar mais que 3 minutos


b) P (2 T 3)
82

7. Suponha que a durao de vida de um dispositivo eletrnico seja exponencialmente


distribuda com tempo mdio entre falhas de 100 horas.
a) Qual a probabilidade de o dispositivo no falhar em 150 horas de uso? R: 22,31%
b) Qual seria o nmero de horas necessrias para se ter uma confiabilidade de 90%? R:
10,54 horas

Clculos
83

16 ESTATSTICAS E PARAMETROS
Introduo
At agora vimos os principais modelos de distribuies de probabilidade e as
medidas que caracterizam uma amostra, quando nos referimos ao estudo da estatstica
descritiva.
Aqui, nessa abordagem, vamos juntar o conhecimento adquirido a partir dos modelos e
das medidas estudadas anteriormente para obter as distribuies amostrais dos
principais estimadores.
O conhecimento das distribuies amostrais, ser a base para aplicao das tcnicas da
inferncia estatstica e para um melhor entendimento desses conceitos, vamos conhecer
algumas estatsticas e alguns parmetros.
16.1 Principais Conceitos
16.1.1 Inferncia ou Induo Estatstica
Trata-se do processo de obter informaes sobre uma populao a partir de
resultados observados em amostras. Serve , fundamentalmente para dar ao pesquisador
um grau de confiana em suas incertezas.
De modo geral tem-se uma populao com um grande nmero de elementos e
deseja-se, a partir de uma amostra dessa populao, conhecer o mais prximo possvel
algumas caractersticas dessa populao. Veja a figura abaixo:
Populao (N) Amostra (n)

Inferncia ou induo estatstica


16.1.2 Amostra Aleatria
Uma amostra aleatria o conjunto de n variveis aleatrias e independentes
(X1 , X2, ... ,Xn) tal que cada xi (i = 1, 2, ...,n) possui a mesma caracterstica, ou
distribuio da varivel populacional X" que se deseja estudar.

Por exemplo: Se X : N ( , 2 ), cada X i: N ( , 2)

16.1.3 Estimador ou Estatstica


Um estimador ou estatstica qualquer varivel aleatria funo dos elementos
amostrais, ou seja, f ( X 1 , X 2 ,...., X n )

OBS Essa definio nos permite concluir que qualquer combinao das variveis
amostrais (X1 , X2, .... , Xn) um estimador ou estatstica.
16.2 ESTIMADORES
16.2.1 Estimador para a Mdia Populacional
84

xi
x a Mdia Aritmtica Amostral
n
16.2.2 Estimador para a Varincia Populacional 2

S2
(x i x )2
Varincia Amostral
n 1

6.2.3 Estimador para a Proporo ou Probabilidade de Evento Populacional p

X
f p Freqncia Relativa
n

16.2.4 Estimador para o Desvio-Padro Populacional

S S2 Desvio-padro Amostral

16.3 Estimativa

o valor numrico do estimador

Exemplo: x = 1,65m uma estimativa da mdia populacional

Anotaes

17 DISTRIBUIO AMOSTRAL
85

Considerando todas as possveis amostras de tamanho n que podem ser


extradas de uma populao e se para cada uma delas, calcularmos um valor do
estimador, tem-se uma distribuio amostral desse estimador. Como o estimador uma
varivel aleatria, podemos determinar suas caractersticas, ou seja, sua mdia,
varincia, desvio-padro,...

17.1 DISTRIBUIO AMOSTRAL DA MDIA

Populao Parmetro :
xX
Amostra Estimadores :
Am
De uma determinada populao X, retiramos uma amostra de tamanho n
formada pelos elementos x1, x2, ...,xn, ento o estimador da mdia populacional ,

x
calculada na amostra, ser dado por:
xi
n
Exemplo:
Consideremos uma populao finita de tamanho N = 5. Seja X = 1, 2, 3, 4, 5 ; os
elementos dessa populao. Calculemos ento, a mdia e a varincia dessa
populao:
E (X) = x = x i p(x i) E (X) = 1/5 (1 2345) = 15/5 = 3 E (X) = x = 3

V (X) = 2x = E (X2) E2(X) = 11 9 = 2 V (X) = 2x = 2


Agora vamos retirar dessa populao todas as amostras possveis, com reposio, de
tamanho n = 2, ou seja, sero 25 amostras, e calcularemos as mdias da cada amostra.

Amostra Xi Amostra Xi Amostra Xi X P( X ) X 2 .P ( X )


X .P ( X )
(1,1) 1,0 (3,1) 2,0 (5,1) 3,0 1,0 1/25 1/25 1/25
(1,2) 1,5 (3,2) 2,5 (5,2) 3,5 1,5 2/25 3/25 4,5/25
(1,3) 2,0 (3,3) 3,0 (5,3) 4,0 2,0 3/25 6/25 12/25
(1,4) 2,5 (3,4) 3,5 (5,4) 4,5 2,5 4/25 10/25 25/25
(1,5) 3,0 (3,5) 4,0 (5,5) 5,0 3,0 5/25 15/25 45/25
(2,1) 1,5 (4,1) 2,5 3,5 4/25 14/25 49/25
(2,2) 2,0 (4,2) 3,0 4,0 3/25 12/25 48/25
(2,3) 2,5 (4,3) 3,5 4,5 2/25 9/25 40,5/25
(2,4) 3,0 (4,4) 4,0 5,0 1/25 1/25 25/25
(2,5) 3,5 (4,5) 4,5 1 75/25 250/25

OBS - A mdia de cada amostra varia de uma amostra para outra, portanto x uma
varivel aleatria, nesse caso, discreta.

Ento, vamos determinar sua distribuio de probabilidade, sua mdia e sua varincia.
86

Logo, E ( x ) x x p ( x ) 75 / 25 3 x E ( X ) 3

E, V ( x ) E ( x 2 ) E 2 ( x ) 10 9 1 V ( x ) x2 1

Concluso:
Proposio 1

A mdia das mdias amostrais E (x ) igual mdia populacional , ou seja, E (x )


- Demonstrao

n

1 n

E (x ) = E 1 1 x = n E x = 1 n E x = 1 n = E (x )
n i 1
n

V (X )
Sendo, V ( X ) 2 , n = 2 e V ( x ) 1 , conclumos que: V (x)
n

Proposio 2

A varincia da mdia amostral igual varincia populacional dividida pelo tamanho da


2
amostra, ou seja, V ( x )
n

- Demonstrao

V ( x ) V
x 1 1 1
2 V xi 2 V x1 x2 .... xn 2 V ( x1 ) V ( x2 .... V ( xn )
n n n n

1 2 1 2 2
( 2
..... 2
) ( n. 2
) V ( x )
n2 n2 n n

Graficamente, teramos:

P(x) P (x )

5/25
4/25
1/5 3/25
2/25
1/25

0 1 2 3 4 5 0 1 2 3 4 5

1,5 2,5 3,5 4,5

Concluso:
87

1 - Se X: N ( 2) e se dessa populao retirarmos uma amostra de tamanho n


suficientemente grande, com reposio, ento:
2
x N , e isto significa que, quanto maior o tamanho da amostra, menor ser a
n
varincia de x , ou o estimador x ser mais preciso medida que aumentarmos n.
2 Se a populao X no normal, a varivel no ser exatamente normal, mas sim
x x
aproximadamente normal, ou seja, a varivel Z ter como distribuio limite a
x
distribuio N (0,1).
3 Se a populao for finita e de tamanho N conhecido e se a amostra dela retirada for
sem reposio, ento:
N n
x .
n n 1
Exemplo
Sabe-se que a altura mdia dos alunos de uma faculdade de 175 cm e desvio-
padro de 5 cm. Sabendo-se que esta populao tem 5.000 alunos e retirou-se uma
amostra sem reposio de tamanho n = 100, qual a distribuio da mdia amostral?
Se X: N (175; 25) = 175 cm e =5 cm

N n 5 5.000 100
x E ( X ) 175 e, x . 0,49880
n n 1 10 5.000 1

Logo, a mdia das mdias amostrais 175 com desvio padro 0,5 cm.
Aplicao
Seja X: N (80,26). Dessa populao retiramos uma amostra de n = 25. Calcular:

a) P( x 83) b) P ( x 82) c) P( x 2 x x 2 x )

a) Como X: N (80,26) x : N (80,26 / 25)

x x 83 80
Z 2,94 Z 3,94 . Isto porque: x 26 / 25 1,02
x 1,02

80 83 x 0 2,94 Z
P ( x 83) P( Z 2,94) 0,5 - P(Z 2,94 = 0,5 0,498359 = 0,001641

b) P( x 82) P( Z 1,96) 0,5 0,47002 0,975002


88

80 82 x 0 1,96 Z

c) P( x 2 x x 2 x ) P( 2 x x 2 x ) P (80 2.1,02 x 80 2.1,02)


P (80 2.1,02 x 80 2.1,02) P (77,96 x 82,04) P( 2 Z 2)) 0,954500 95%

Concluso

De posse desse valor, podemos afirmar que, temos 95% de confiana de que se,
retirarmos dessa populao, uma amostra de 25 elementos, a mdia amostral estar no
intervalo (77,96 : 82,04) ou, ento, se selecionarmos 100 amostras de tamanho 25, em 95
delas o valor da mdia pertencer ao intervalo e em 5 delas no pertencer.

ANOTAES

Teste seus conhecimentos


89

1 Uma populao se constitui dos nmeros 2, 3, 4, 5. Considere todas as amostras


possveis, de tamanho 2, que podem ser extradas dessa populao com reposio.

Determinar:

a) A mdia da populao x 3,5


b) O desvio-padro populacional x 1,12
c) A mdia da distribuio amostral das mdias amostrais ; x 3,5
d) O desvio-padro da distribuio amostral das mdias ; x 0,7906
e) Com os valores obtidos, constate que ; E ( x ) x e x / n

2 Seja X: N (900 , 642) .Retiramos uma amostra de tamanho 30 dessa populao.


Determinar:
a) P ( x 894) ; 0,096801
b) P (896 x 903) ; 0,54726

c) P( x 3 x x 3 x ) ; 0,9973

3. Seja X: N(1200 , 1444). Retiramos uma amostra de tamanho 15. Determinar:


a) P (1.194 x 1.206) ; 0,458138

b) P( x Z . x x Z . x ) 0,90 ; P(1183,91 x 1216,08) = 0,90

4. Qual dever ser o tamanho de uma amostra a ser retirada de uma populao normal
com mdia 1.200 e varincia 840, de tal forma que:
a) P 1196 x 1204 = 0,90. ; 141
b) Que concluses se pode tirar a partir do dimensionamento de n?

5. Que tamanho dever ter uma amostra para ser retirada de uma populao
X : N (200,350) , para que P ( x 5) 0,95 ; n 54

6. Seja X: N(100 ; 65). Retiramos dessa populao uma amostra de tamanho 20.
Determinar:
a) P (95 x 105) ; R = 0,984902
b) P( x 95) P( x 105

c) P( x Z . x x Z . x ) 0,95 ; R = P (95.96 x 104,4) 0,95

d) Qual o risco de que a mdia no pertena a esse intervalo?


e) O que significa o 0,95 da questo c

17.2 DISTRIBUIO AMOSTRAL DAS PROPOROES


Seja X uma populao infinita e p a probabilidade ou proporo de sucessos de
um evento de X. Ento (1 p) ser a probabilidade desse evento no ocorrer. Nessas
condies e segundo Poisson:
90

A mdia ser: = E (X) = p e a varincia 2 = V (X) = pq

Vamos retirar uma grande amostra, n , (x1, x2, ... ,xn) dessa populao, com
reposio e seja x o nmero de sucessos na amostra, isto o nmero de elementos
com a caracterstica que se quer estudar. Com essas caractersticas X ter uma
distribuio Binomial ou seja, X : B (n, p) com:
mdia, E (X) = np e varincia V(X) = n p q.
Ento, a distribuio amostral da freqncia relativa ou do estimador populacional
p ser dada por:
X
p f
n
temos:
Calculando a esperana e a varincia de p
x 1 np
E ( p ) E .E ( x ) p E ( p ) p ou p p e,
n n n

x 1 1 pq pq pq
V ( p ) V 2 V ( X ) 2 .npq V ( p ) ou p
n n n n n n

Concluso :
Para n 30 e pelo teorema central do limite, a distribuio amostral de
p ser
aproximadamente normal e,

p p
p p Z N (0,1)
p
ser assintoticamente normal , isto , p.q
n

OBS

1 - Quando a proporo populacional p desconhecida e a amostra com reposio


grande, determina-se p o = x / n, como estimativa de p.

2 Estatisticamente uma amostra suficiente grande quando n.p 5 e n.q 5

Graficamente, teramos:

pq pq
n n

0 p

APLICAO

1. Para se conhecer a proporo de pessoas de uma populao, portadoras de


determinada doena, retira-se uma amostra de 400 pessoas e atravs de um exame
91

constata-se que existem 8 portadoras dessa enfermidade. Definir os limites de


confiabilidade de 99% para a proporo populacional.
Soluo
O que queremos saber a proporo de pessoas na populao portadoras dessa
doena.
Como no conhecemos a proporo populacional, temos que estim-la, atravs da
freqncia amostral, assim:
x 8
p0 0,02 po 0,02 e qo 0,98 ;
n 400
p0. .q0 0,02.x0,98
p 0,007 p 0,07
n 400

Como no temos condies da estabelecer um nmero exato para os portadores dessa


doena, deveremos estabelecer um intervalo, onde esta proporo estar contida.

Da, queremos: P ( p 0 Z . p p p0 Z . p ) 0,99

0,05% 0,99% 0,05%

-Z 0 Z
Como Z = Z o , 495 = 2,57 ; Ento temos que:
P (0,02 2,57 . 0,007 p 0,02 + 2,57 . 0,007) = P (0, 002 p 0,038) = 99%.
Ou seja, podemos garantir com uma confiabilidade de 99% que a proporo de pessoas
portadoras da doena na populao varia de 0,2% no mnimo a 3,8% no mximo

Anotaes

18 INTERVALOS DE CONFIANA
Introduo
Trata-se de uma tcnica para se fazer inferncia estatstica. A partir de um
intervalo de confiana, construdo com os elementos amostrais pode-se inferir sobre um
parmetro populacional.
92

Esta tcnica diferente da estimao por ponto, onde se calcula um nico valor
para o parmetro populacional. Agora, busca-se um segmento ou intervalo que dever
conter o parmetro desconhecido.
Tomemos como exemplo, uma amostra de 100 estudantes e calculando-se a mdia
das alturas, encontra-se 1,66 m. Atravs da tcnica de intervalos de confiana poder-se-ia
encontrar um intervalo, por exemplo 1,58 ; 1,68 que em 95% das vezes, incluiria a
verdadeira altura dos estudantes, ou a mdia da populao dos estudantes, = 1,66m

POPULAO

AMOSTRA

ESTIMATIVA Inferncia

PONTO INTERVALO

TOMADA DE DECISO EM
MOMENTOS DE INCERTEZA

1
2
3
4
5
6
7
8
9
10
(fixo)
Configurao: 10 intervalos de confiana para 10 amostras de mesmo tamanho e (1 - )
= 90%

17.2.1 NTERVALO DE CONFIANA PARA A MDIA POPULACIONAL QUANDO A


VARINCIA 2 CONHECIDA

J sabemos que o estimador da mdia populacional x .


Tambm conhecemos a distribuio de x para o caso de populaes infinitas, ou seja:
x : N ( ; 2/n) , sendo a varivel padronizada de x
93

dada por: x x
Z=
/ n

Fixando-se um nvel de confiana de 1 temos :

Z /2 0 Z /2

Queremos, ento: a P Z 2 Z Z 2 = 1

Substituindo o valor de Z, na expresso acima,vem:

x x
P Z / 2 Z / 2 1 e resolvendo as duas inequaes para ,
/ n
temos o intervalo de confiana para a mdia populacional quando a varincia
conhecida:

P x Z / 2 . x x Z / 2 . 1
n n

Exemplo

A durao de vida de um componente eletrnico tal que = 5 horas. Foram amostradas


100 dessas peas obtendo-se a mdia de 500 horas. Deseja-se construir um intervalo se
confiana para a verdadeira durao mdia da pea com um nvel de confiana de 95%.
Soluo
Dados : = 5; n = 100; x = 500 (1 - ) = 95%

2,5% 9 5% 2,5%

1,96 500 1,96


OBS
Para encontrar a abscissa 1,96, entrou-se na tabela com 47,5% ou 0,475 = 0,5 0,25
Substituindo-se os valores correspondentes na frmula, temos:
P (500 1,96 . 5/10 500 + 11,96 . 5/10) = 95%

P (499,02 500,98) = 95%


Interpretao:
94

1 - Podemos afirmar com 95% de confiana que o intervalo 499,02 ; 500,98, contm a
verdadeira mdia populacional que no caso, desconhecida.

2 Das 100 peas, amostradas, em 95 delas a mdia pertencer ao intervalo e em 5


delas a mdia populacional estar fora desse intervalo.

Para o caso de populaes finitas e amostragens sem reposio, usa-se a frmula:

N n N n
P x Z / 2 x Z / 2 1
n N 1 n N 1

ANOTAES
95

9. TESTE DE HIPTESES
Introduo
O teste de hipteses um mtodo de fazer inferncia estatstica sobre parmetros
populacionais. Em vez de se calcular uma estimativa pontual ou por intervalo, do
parmetro, admite-se um valor hipottico do parmetro populacional e com base em
elementos amostrais, realiza-se um teste estatstico para aceitar ou rejeitar esse valor
hipottico.

N n

Em resumo, um processo de anlise que permite decidir por um valor do parmetro


populacional ou por sua modificao do qual depende uma lei de distribuio estatstica,
com um grau de risco, a priori, conhecido.

1. Hiptese Estatstica
Uma hiptese estatstica uma suposio que o pesquisador faz baseado no
verdadeiro valor do parmetro populacional, ou quanto natureza da distribuio de
probabilidade de uma varivel populacional.

So exemplos de hipteses estatsticas:


1 A altura mdia da populao brasileira 1,65 m: = 0 = 1,65
2 A mquina A produz peas com variabilidade menor do que a mquina B: A2 B2
3 A proporo de pessoas de uma regio A com uma certa doena, maior do que na
regio B: p A pB

So dois os tipos de hipteses estatsticas:


1 H o hiptese nula, a hiptese a ser testada, e
2 H 1 Hiptese alternativa
2. O Teste de Hipteses
A questo bsica para o teste a formulao de uma hiptese, quanto ao
verdadeiro valor do parmetro populacional e atravs dos elementos amostrais realiza-se
um teste que indicar a aceitao ou rejeio da hiptese formulada com um risco, a
priori, conhecido.
A hiptese nula expressa por uma igualdade e a hiptese alternativa por uma
desigualdade.
Exemplos
Ho : = 1,65 para testes bilaterais
H1 : 1,65

H0 : A2 B2 para testes unilaterais esquerda


96

H1 : A2 B2

H0 : p A pB para testes unilaterais direita


H1 : p A pB

4. Procedimento Padro para Montagem do Teste


1. Define-se as hipteses: nula H0 e a alternativa H1
2. Fixa-se um nvel de significncia (risco);
3. Seleciona-se uma amostra de tamanho n e calcula-se uma estimativa 0 do
parmetro populacional;
4. Para cada tipo de teste, usa-se uma varivel cuja distribuio amostral do estimador
em questo, seja mais concentrado em torno do verdadeiro valor do parmetro
populacional;
5. Calcula-se, com o valor 0, dado por H0 , o valor crtico (V cal)
6. Fixam-se duas regies:
uma regio de no rejeio de H 0 (RNR) e outra de rejeio de H 0 ou crtica (RC) para o
valor calculado, ao nvel e significncia ou risco e adota-se a seguinte regra de deciso:

Se V cal RNR , decide-se no rejeitar H0


Se V cal RC , rejeita-se H0
5. Teste de Hiptese para a Mdia de Populaes Normais com Varincia Conhecida
Aplicao
De uma populao normal com varincia 36, toma-se uma amostra casual de tamanho
16, obtendo-se x 43 . Ao nvel de 10% testar as hipteses:

H 0 : 45
H1 : 45

Dados: = 10% ; n = 16 ; x 43 e 2 = 36
Sendo o teste para mdia de populaes normais com varincias conhecidas, usaremos a
varivel Z : N(0,1) como critrio. Da,
x H 0 43 45 6 6
Z 1,33 Z cal 1,33 Sendo x 1,5
x 1,5 n 16 4

Como o teste bilateral, temos que Z = Z5% = Z0,05 = 1,64

RC RNR RC
5%
5% 90% 5%

1,64 1,64

Como Z cal = 1,33 pertence a RNR, a deciso no rejeitarmos H 0, ou seja, a mdia


45, com 10% de risco de no rejeitarmos uma hiptese falsa
97

6 Tipos de Erros
Como falamos anteriormente , ao aplicarmos esta tcnica, estaremos cometendo
erros, por estarmos trabalhando com amostras. Diante desse fato podemos classificar os
erros em dois tipos:

6.1 Erro Tipo I ( )

o erro cometido quando se rejeita H o, sendo H o verdadeira.

6.2 Erro Tipo II ( )


o erro cometido quando aceitamos uma hiptese falsa.

H0 Hipteses

Deciso Verdadeira Falsa

Aceitar No h erro Erro tipo II


(1 - ) ()

Rejeitar Erro tipo I No h erro


() (1- )

Com base no quadro acima, conclui-se que:

- S cometemos o erro tipo I quando rejeitamos uma hiptese verdadeira


- S cometemos o erro tipo II quando aceitamos uma hiptese falsa