Scribd Logo
Carica

Benvenuto in Scribd!

  • Estatistica Indutiva

    Caricato da

    Catarina Penim
    10 visualizzazioni61 pagine
    cet

    Copyright

    © © All Rights Reserved

    Formati disponibili

    PDF o leggi online da Scribd

    Hai trovato utile questo documento?

    Questo contenuto è inappropriato?

    Segnala questo documento
    cet

    Copyright:

    © All Rights Reserved
    Scarica in formato PDF o leggi online su Scribd
    Segnala contenuti inappropriati
    10 visualizzazioni61 pagine

    Estatistica Indutiva

    Caricato da

    Catarina Penim
    cet

    Copyright:

    © All Rights Reserved
    Scarica in formato PDF o leggi online su Scribd
    Segnala contenuti inappropriati
    di 61
    ESTATISTICA indutiva Teoria Exercicios Resolvidos Exercicios Propostos Tarefas Mirtes Vitoria Mariano Christiane Mazur Lauricella Alexandre Daliberto Frugoli INDICE 1 = INTRODUGAO. 1 1.4 - ESTATISTICA INDUTIVA 2 TAREFA 1 3 2~ AMOSTRAGEM. 5 2.1 ~ DEFINIQOES. § 2.2 - AMOSTRAGEM PROBABILISTICA 25. TEGNIGAS DE AMOSTHAGEM PROBABLISTICA $ 2.4 DADOS DE UMA AMOSTRA 2.5 — EXERCICIOS PROPOSTOS. —'o TAREFA 2 13 3 - CORRELAQAO LINEAR E REGRESSAO LINEAR. 18 3.1 - CORRELACAO LINEAR, 15, 3.2- REGRESSAO LINEAR 22 3.3 - EXERCICIOS RESOLVIDO: 27 3.4 - EXERCICIOS PROPOSTOS. 32 TAREFA 3 37 4 ESTIMATIVA DE PARAMETROS, 41 4.1 DEFINIQOES. a 4.2 - DISTRIBUIGAO AMOSTRAL 41 4.3 - TEOREMA DO LIMITE CENTRAL. 42 4.4 - ESTIMAGAO PONTUAL. 8 4.5 - ESTIMAGAO POR INTERVALOS. 4.8 - INTERVALOS DE CONFIANGA | AWEDIA, 44 4.7 - TAMANHO DA AMOSTRA, 413. INTERVALOS DE CONFIANGA PARA A NEDIA__—‘s 4.9 - INTERVALOS DE CONF. PARA A VARIANCIA EO DESVIO PADRAO__* 410 - EXERCICIOS RESOLVIDOS, 55, 4:11 - EXERCICIOS PROPOSTOS, 58 TAREFA 4 et 5 - TESTES DE HIPOTESES. 63 5.1 — INTRODUGAO_ £3 5.2 EXEMPLO DE APLIGAQKO 00 TESTE DE HIPOTESE. 5.9. TESTE DE HIPOTESE PARA MEDIA DE UMA POPUAGIOM GRANDES (GRANDES AMOSTRAS (N30), 5.4. TESTE DE HIPOTESE PARA UNIA POPULACKO NORMAL (N=30)__ “hs 5.5. TESTE DE HIPOTESE PARA MEDIAS DE DUAS POPULAGOES__—— 56 - EXERCICIOS PROPOSTOS. 28 TAREFA 5 89 9. TESTE DE QuLOUADRADOE TeSTER__os 6.1 - TESTE DE QUI-QUADRADO. 8.2. TESTE DE GUI QUADRADO ~ADERENGIA 3 6.3 - TESTE DE QUI-QUADRADO - INDEPENDENCIA_____96 6.4- TESTE F 700 6.5- EXERCIGIOS RESOLVIOOS, 102 6.8 - EXERCICIOS PROPOSTOS, 106 TAREFA 6. 109 T-ANALISE DE VARIANGIA tt 7.1- OBJETIVO. 413 7/2 - PRE-REQUISITOS PARA A APLICAGAO DA "ANALISE DE VARIANGIA 113 73> METODO DA ANALISE DE VARIANGIA__—— 113 7.4-EXERCICIORESOLVIDO§ 119 7'5 EXERCICIO PROPOSTO. 124 TAREFA 7, 127 1. Introducio, ‘A Estatistiea € uma subdivisio da Matemética que trata da coleta, ‘organizagdo, andlise e interpretagdo de dados com a finalidade de auxiiar na tomada de decisdes. Ela pode ser classificada em Estatistica Deseritiva, «que se ocupa da organizagio e descrigdo dos dados, e Estatistica Indutiva, que cuida da andlisee interpretagio de dados. Para estudarmos a Estatistica Indutiva, devemos primeiramente organizar (0 dados de uma amostra pelos conhecimentos obtides em Estatstica Descritiva. Outro fator importante é a amostragem, jé que muitos erros conclusies no satsfatrias ocorrem pela escolha de uma amostra indevida. No semestre anterior, tratamos de Estatistica Descritiva e Probabilidades. Neste texto, abordaremos os estudos da Amostragem e da Estatstica Indutiva, Indutiva Estatistica 1.1. Estatistica Indutiva. Definigao: Estatistica Indutiva é a parte da Estatist utiizados para a obtengio de conclusdes sobre uma populacio, segundo informagdes oriundas de uma amostra da populagao, que se ocupa dos métodos Geralmente, em uma pesquisa, no é possivel realizar o levantamento de todos elementos de uma populago, ent#o nos limitamos a analisar 0s dados de uma parte desta populagio, denominada amostra Para o desenvolvimento do assunto, necessitamos de dois conceitos que so de fundamental importancia: o de populago ¢ 0 de amostra, Populago € o conjunto completo de todos os elementos que constituem o sistema em estudo, Ou seja, 0 conceito de populagdo inclui a totalidade de medigdes, resultados, observagGes ou outros itens considerados em determinada andlise estatstica Amostra é um subconjunto de uma populacao. Exemplo: Podemos estar interessados em verificar a qualidade das pegas fabricadas por uma méquina. No entanto, como nio € possivel verificar todas as pegas, utilizamos apenas uma parte das pecas e fazemos a andlise desejada, No caso descrito acima, a populacio é toda a produgdo da méquina ¢ a amostra é constituida por apenas uma parte das pegas fabricadas. Mas ‘como sao escolhidas essas pegas? No proximo capitulo, mostraremos algumas técnicas para obtengio de uma amostra Tarefa 1: Introdugio. Nome: Naimero: Turma: Curs 1. Defina Estatistica. 2, Defina populagdo e amostra. 3. Diferencie Estatistica Indutiva de Estatistica Descrtiva, 4, Conforme foi visto em Estatstica Descritiva, escreva trés medidas de tendéncia central 5. Conforme foi visto em Estatistica Descritiva, escreva trés medidas de dispersio, 2. Amostragem, ‘Suponha que estivéssemos interessados em conhecer o grau de instrugo os habitantes do Estado de Sio Paulo. Assuma que os dados coletados fossem relativos a uma amostra de 400 moradores de regises com dificil acesso a uma escola ou a uma Universidade, Logicamente, esta amostra nio é representativa de toda populago do Estado de So Paulo. Assim, a média calculada com a amostra de 400 alunos ndo seria confidvel, podendo-se dizer que se trata de uma amostra tendenciosa, Uma amostra deve ser representativa, devendo apresentar as_mesmas caracteristicas da populago no que diz respeito ao que esté sendo analisado, Dependendo do critério usado ao selecionar-se os elementos que consttuirio a amostra, a pesquisa poders ser totalmente prejudicada e as conclusdes finaisestardo incorretas. 2.1. Definigies, Amostragem é uma técnica de selego de uma amostra que possibilita 0 estudo das caracteristicas de uma populagao. Erro Amostral € 0 erro que ocorre na utilizagZo de uma amostra. 2.2. Amostragem Probabilistica, ‘A amostragem probabilistica ¢ a técnica de selegdo de uma amostra na qual cada elemento da populagdo tem probabilidade conhecida, diferente de zero, de pertencer & amostra ‘A utilizagdo de uma amostragem probabilistica garante a representatividade dda amostra, 2.3, Técnicas de amostragem probabilistica. ‘© Amostragem Aleatoria Simples. Em uma amostragem aleat6ria simples, todos os elementos da populagdo tém a mesma probabilidade de serem selecionados. Para esta técnica, podemos utilizar © sorteio lotérico, uma tabela de riimeros a0 acaso, etc Exemplo: Suponha que desejéssemos obter uma amostra aleatria simples de 20 pessoas em um grupo formado de 200 pessoas. Podemos usar a seguinte téenica: escrever niimeros de 1 a 200, colocé-los em uma uma e pedir para alguém retirar 20 destes papéis da uma. Teremos assim uma amostra aleatéria simples, ‘+ Amostragem Estratificada. E uma técnica que utiliza a separagio da populagdo em estratos. Em cada estrato, deve haver menor variabilidade possivel ¢, entre os estratos, deve ocorrer uma grande variabilidade. Os elementos que constituirdo a amostra so retirados dos estratos, podendo ser retirada uma mesma quantidade de cada estrato ou uma ‘quantidade proporcional ao tamanho de cada estrato, ‘© Amostragem por Conglomerados. Quando a populagio apresenta uma subdivisio em pequenos grupos, chamados de conglomerados, € conveniente fazer uma amostragem pelo sorteio de um nimeto suficiente destes conglomerados, cujos elementos. consttuirlo a amostra, As unidades de amostragem, sobre as quais é feito 0 sorteio, passam a ser os conglomerados e no mais os elementos individuais da populagao. ‘* Amostragem Sistematica. A amostragem € denominada sistemética quando os elementos da populagio apresentam-se ordenados ¢ a retirada dos elementos da amostra é dada por um determinado perfodo, Exemplo: Em uma produgao diéria de pegas automotivas, podemos, a ‘cada 20 pegas produzidas, retirar uma para pertencer a uma amostra da produgio de um dia. 2.4. Dados de uma amostra. Para a descrigio de um conjunto de dados, retiramos uma amostra da populagio da qual temos interesse. ‘Vamos, a partir de agora, supor que todas as amostras foram retiradas por meio de técnicas probabilisticas ¢ por amostragem aleatéria simples. 44 vimos que, para o estudo da Estatistica Indutiva, primeiramente devemos corganizar e deserever os dados, segundo os conceitos da Estatistica Descritiva. Embora a média, a varidncia e o desvio-padrio j4 tenham sido cestudados anteriormente, vamos fazer uma breve recordago, lembrando ‘que agora teremos amostras. Média Amostral (x) Dados isolados Dados agrupados ‘Varidncia Amostral (s*) Dados isolados | — Dados agrupados Sex -¥? Yo, os) Desvio-Padrio Amostral (3) Dados isolados Dados agrupados So-8 Observacdo: Note que a varidncia e 0 desvio-padrio da amostra sio calculados dividindo-se a somatéria dos quadrados por n-1, pois usando lum valor menor no denominador, aumentamos 0 valor do quociente e obtemos uma estimativa mais préxima do valor verdadeiro. 8 Exemplo: Determinar a média € 0 desvio-padrio da amostra 5,10, 12, 15 18. a Se10412415018 5 2 ye (212) + (1512) +0 ot 2) (8 af _ 8 «(Bosse Exemplo: Determine a média e a variéncia para a amostra representada na tabela abaixo: x] is] 2 2 | 4 3 7 30 | 2 3 | 5 x fo] xt] aa)? | 00, 15 | 2 | 30 | (s-26"| 242 20 | 4 | 80 | 20-26)" | 144 25 | 7 | 175 |as-26"| 7 30 | 2 | 60 | ao-26*) 32 35 | 5 | 175 [(es-26| 405 total | 20) 520 330 Exemplo: Determine a média ¢ o desvio-padrio da amostra para a tabela ~ classes | freqiiéncias de dados agrupados em classes de freqiiéncias. eT 3 classes] freqiéncias eR 4 20-25 3 REA 6 25-30 3 TER 7 30-35 8 3E37 3 35-40 4 37a 3 ras 6 4550 4 Determine: 4) a média amostral; lasses | freqléncias | Ponto xh ) 0 desvio-padrio amostral médio Resposta: ¥=265em e s=79em Wr IS 3 25 112.5 | 781.25 230 3 m5 B25 | 168,75 2. A seguir, temos uma amostra dos salirios, em reais, de 8 funcionétios de 30F35 8 325 260 30 ‘uma empresa de seguros: 3540 4 375 150 5 600 [680 [700 [720750 800 [820 | 898 ar as 6 BS | 255 357.5 451-50 4 a5 190 05 Determine: ‘oral 30 1050 | 1987.5 8) a média amostral; a varidncia amostal Resposta: X=746 reais e s* =8568 reais? 2.5. Exercicios Propostos. 1, Em uma amostra de 30 medigdes do didmetro exteno de uma engrenagem, obtivemos a seguinte distribuigdo de valores, em cm: ‘Tarefa 2: Amostragem Nome: Niimero: Tura: Curso: ‘Turno: |, Defina Amostragem. 2. Quais sd0 0s tipos de amostragens probabi 3. Por que a amostra deve ser representativa da populagiio? classes | freqiéncias 4, Calcule a média e o desvio-padro da amostra: 12, 15, 16, 18, 20, 22, 24 e 25. Respostas: ¥=19 e $= 457 5. Uma amostra apresentou a seguinte distribuigdo de freqiéncias 2r6 6r10 E18 ‘1822 22% | 6 7 3 TOF 14 10 8 7 Calcule a média © variancia Respostas: ¥=195 € s? 32 jo Linear e Regressiio 341. Correlagio Linear. 0 “Novo Dicionério Basico da Lingua Portuguesa — Aurélio” apresenta as seguintes definigdes para a palavra corelagdo: 1, “Relago mitua entre dois termos.” Pe Pe ualidade de correlative.” “orrespondéncia.” Em Estatistica, a correlagio & um parimetro que indica 0 “grau de correspondéncia” entre duas varidveis. Ou seja, a correlagdo mostra a “imtensidade” com a qual dois conjuntos de dados esto relacionados ‘mutuamente. ‘Assim, a correlagdo indica 0 comportamento conjunto de duas variéveis. Podemos utilizar a correlagdo para responder questdes do tipo: ¥ O salério de um trabalhador esté relacionado com a escolaridade do mesmo, ou seja, em que grau a varidvel “salério médio de um trabalhador” esté “ligada” com a varidvel “escolaridade do trabalhador”? YA quantidade de livros que uma pessoa jé leu esté relacionada com sua escolaridade? ¥ Em que grau o peso de uma pessoa esté relacionado com sua altura? ¥ A cestatura de uma pessoa esté relacionada com sua alimentaglo? Podemos verificar 0 quanto duas varidveis estio relacionadas entre si seguindo uma fungo do 1° grau (relagdo linear), ou seja, podemos calcular lum pardmetro que indique a “correlagao linear” entre as duas variéveis. Is Inicialmente, estudaremos um caso de “correlacio linear perfita”, denominado de exemplo 1, que dificilmente serd observado em situagdes “experimentais". No entanto,€ interessante que o estudemos a fim de fixar 60s conceitos envolvides e praticar 0s cculos necesséios. Tabela 3.1: Exemplo 1 - “Correlagdo Linear Perfeita” x 0 T 2 3 a 3 0 3 6 9 2 15 A tabela 3.1 indica as correspondéncias: “x;=0 com yi=0", “xa ""xse4 com ys=12" e “xy=5 com yi53", 522 com ys=6", "Xe=3 com ye yerl5”, A tabela 3.2 mostra o procedimento preliminar para 0 célculo da correlaglo: listar os valores de x, yi, x? (x: elevado ao quadrado), yi? (yi elevado a0 quadrado), x.y; (produto de x; por y), Tx, (somatéria de x, ou seja, xy+xs4xs4XetXs+Xe para 0 exemplo em estudo), Sy (somatéria de y.), Ex? (somat6ria de x, elevado a0 quadrado), Sy? (somatéria de y, elevado a0 quadrado) e x,y, (somat6ria do produto de x, por 9). ‘Tabela 3.2: Procedimento para célculo da correlagio ~ exemplo 1 % % x ¥ i 0 0 Or=0 oO O.=0 1 3 aret [| GF=9 (1.3) =3 2 6 Qed P= | @.OG=12 3 9 OF=9 Oss | OO=7 4 2 | @i=16 | cars | @c2=48 5s | @r=25 | (5)"=225 | G).(15)=75 Ens 15 | En=45 | Ea7=55 495 | Ixy = 165 16 Lembrando que: Dry O14 3S Dy = 0434649412415 = 45 Tx = 0414449416425 = 55 Dy? = 049436+81+1444225 = 495 Ixy }+34+12427+48475 = 165 ‘A medida para 0 grau de correlagdo linear entre duas varidveis é 0 coeficiente de correlagio de Pearson (conhecido como coeficiente de ccorrelagiio linear), indicado por “r”, ealculado por: conde n representa o nimero de pares de dados em estudo (no caso do exemplo 1: n=6). Para o exemplo 1, temos: 5.145) 990-675 315 Yless—a5 6495-43) 330~225).2970—2025) Ji05.945 315 Quando o valor de + € 1, significa que as varidveis em estudo estio perfeitamente relacionadas, ou se, se fizermos um diagrama de dispersdo (epresentagio cartesiana de um conjunto de dados), a distribuigdo dos Pontos experimentas “Segue” exatamente uma reta, conforme ilustrado na figura 3.1. Diagrama de dleperséo -exemplo 1 Figura 3.1: Diagrama de dispersdo ~ exemplo | Os possiveis valores de corelagio linear variam de -1 a 1, ov seja-1SrS1 Podemos proceder & seguinte classificagdo: 00: correlagio negativa perfeita .75: correlagdo negativa forte. 50: correlagao negativa média, ),25: correlagio negativa fraca. ,00: correlagao linear inexistente, 25: comelasio postivafraca + r= 40,50: comelagio postiva média, + = 40,75: comelagio postiva forte. ++1,00: correlagao positiva perfeita, Na correlagio positiva, as varidveis em estudo alteram-se no mesmo sentido (se uma variével “aumenta”, a outra varidvel também “aumenta” ou se uma variével “dimin @ outra varidvel também “diminui”), Na correlagdo negativa, as varidveis em estudo alteram-se em sentidos opostos (se uma varigvel “aumenta”, a outra varidvel “

    Potrebbero piacerti anche