Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
DE
ESTATSTICA
Aluno: ______________________________________
Introduo
PROBABILIDADE
A histria da teoria das probabilidades teve incio com os jogos de cartas, dados e de roleta.
Esse o motivo da grande existncia de exemplos de jogos de azar no estudo da probabilidade. A
teoria da probabilidade permite que se calcule a chance de ocorrncia de um nmero em um
experimento aleatrio. A estatstica surgiu muito antes da probabilidade e tratava principalmente da
coleta, organizao e apresentao de dados por meio de tabelas e cartas. Com o advento da
probabilidade, foi constatado que a estatstica poderia ser utilizada para extrair concluses vlidas
e tomar decises razoveis com base na anlise de dados, como em teoria da amostragem e
previses.
Experimento Aleatrio
aquele experimento que quando repetido em iguais condies, podem fornecer resultados
diferentes, ou seja, so resultados explicados ao acaso. Quando se fala de tempo e possibilidades
de ganho na loteria, a abordagem envolve clculo de experimento aleatrio
Exemplos : - Retirar uma carta de um baralho com 52 cartas e observar seu naipe, sua cor ou seu
nmero / letra.
- Jogar uma moeda 50 vezes e observar o nmero de caras ou coroas obtidas
- Retirar com ou sem reposio, bolas de uma caixa que contenha determinadas quantidades de
bolas pretas e brancas
- Arremessar um dado e observar o nmero da face de cima.
Espao Amostral
o conjunto de todos os resultados possveis de um experimento aleatrio. A letra que
representa o espao amostral, S.
Exemplo: Lanando uma moeda e um dado, simultaneamente, sendo S o espao amostral,
constitudo pelos 12 elementos: S = {K1, K2, K3, K4, K5, K6, R1, R2, R3, R4, R5, R6}
1.
2.
3.
Resoluo:
4
1.
2.
3.
Conceito de probabilidade
Se num fenmeno aleatrio as possibilidades so igualmente provveis, ento a probabilidade
de ocorrer um evento A :
Propriedades Importantes:
1. Se A e A so eventos complementares, ento:
P( A ) + P( A' ) = 1
2. A probabilidade de um evento sempre um nmero entre (probabilidade de evento
impossvel) e 1 (probabilidade do evento certo).
5
Probabilidade Condicional
Antes da realizao de um experimento, necessrio que j tenha alguma informao sobre o
evento que se deseja observar. Nesse caso, o espao amostral se modifica e o evento tem a
sua probabilidade de ocorrncia alterada.
Exemplo: Uma caixa tem 30 bolas, sendo 10 vermelhas e 20 azuis. Se ocorrer um sorteio de 2
bolas, uma de cada vez e sem reposio, qual ser a probabilidade de a primeira ser vermelha
e a segunda ser azul?
Resoluo:
Seja o espao amostral S=30 bolas, bolinhas e considerarmos os seguintes eventos:
A: vermelha na primeira retirada e P(A) = 10/30
B: azul na segunda retirada e P(B) = 20/29
Assim:
P(A e B) = P(A).(B/A) = 10/30.20/29 = 20/87
Eventos independentes
Dizemos que E1 e E2 e ...En-1, En so eventos independentes quando a probabilidade de ocorrer
um deles no depende do fato de os outros terem ou no terem ocorrido.
Exemplo: Uma caixa tem 30 bolas, sendo 10 vermelhas e 20 azuis. Se sortearmos 2 bolas, 1 de
cada vez e respondo a sorteada na urna, qual ser a probabilidade de a primeira ser vermelha e a
segunda ser azul?
Resoluo:
Como os eventos so independentes, a probabilidade de sair vermelha na primeira retirada e azul
na segunda retirada igual ao produto das probabilidades de cada condio, ou seja, P(A e B) =
P(A).P(B). Ora, a probabilidade de sair vermelha na primeira retirada 10/30 e a de sair azul na
segunda retirada 20/30. Da, usando a regra do produto, temos: 10/30.20/30=2/9. Observe que na
segunda retirada foram consideradas todas as bolas, pois houve reposio. Assim, P(B/A) =P(B),
porque o fato de sair bola vermelha na primeira retirada no influenciou a segunda retirada, j que
ela foi reposta na urna.
Probabilidade de ocorrer a unio de eventos
Exemplo: Se dois dados, azul e branco, forem lanados, qual a probabilidade de sair 5 no azul
e 3 no branco?
Considerando os eventos:
A: Tirar 5 no dado azul e P(A) = 1/6
B: Tirar 3 no dado branco e P(B) = 1/6
Sendo S o espao amostral de todos os possveis resultados, temos:
n(S) = 6.6 = 36 possibilidades. Da, temos:P(A ou B) = 1/6 + 1/6 1/36 = 11/36
Exemplo: Se retirarmos aleatoriamente uma carta de baralho com 52 cartas, qual a
probabilidade de ser um 8 ou um Rei?
Sendo S o espao amostral de todos os resultados possveis, temos: n(S) = 52 cartas.
Considere os eventos:
A: sair 8 e P(A) = 4/52
6
B: sair um rei e P(B) = 4/52
Assim, P(A ou B) = 4/52 + 4/52 0 = 8/52 = 2/13. Note que P(A e B) = 0, pois uma carta no
pode ser 8 e rei ao mesmo tempo. Quando isso ocorre dizemos que os eventos A e B so
mutuamente exclusivos.
Porque a estatstica importante?
Os mtodos estatsticos so usados hoje em quase todos os campos de investigao
cientfica, j que eles nos capacitam a responder a um vasto nmero de questes, tais como:
1) Como os cientistas avaliam a validade de novas teorias?
2) Como os pesquisadores mdicos testam a eficincia de novas drogas?
3) Como os demgrafos prevem o tamanho da populao do mundo em qualquer tempo futuro?
4) Como pode um economista verificar se a mudana atual no ndice de Preos ao Consumidor
a continuao de uma tendncia secular, ou simplesmente um desvio aleatrio?
5) Como possvel para algum predizer o resultado de uma eleio entrevistando apenas
algumas centenas de eleitores?
Estes so poucos exemplos nos quais a aplicao da estatstica necessria. Por isso, a
estatstica tornou-se uma ferramenta cotidiana para todos os tipos de profissionais que entram em
contato com dados quantitativos ou tiram concluses a partir destes.
Definio de Estatstica
Estatstica uma parte da Matemtica Aplicada que fornece mtodos para a coleta,
organizao, descrio, anlise e interpretao de dados. Ela dividida em:
Estatstica Descritiva: parte da Estatstica que apenas coleta, descreve, organiza e
apresenta os dados. Nela no so tiradas concluses.
Estatstica Indutiva ou Inferncia: analisa os dados e obtm-se as concluses.
Estatstica Descritiva
Fases do Mtodo Estatstico
Tabelas
Coleta de
dados
Crtica dos
dados
Apresentao
dos dados
Anlises
Grficos
Coleta de Dados
Aps a definio do problema a ser estudado e o estabelecimento do planejamento da
pesquisa (forma pela qual os dados sero coletados; cronograma das atividades, custos
envolvidos; exame das informaes disponveis; delineamento da amostra etc.), o passo seguinte
a coleta de dados, que consiste na busca ou compilao dos dados das variveis, componentes
do fenmeno a ser estudado.
A coleta de dados pode ser direta ou indireta.
7
- coleta direta: quando os dados so obtidos na fonte originria. Os valores assim
compilados so chamados de dados primrios, como, por exemplo, nascimentos,
casamentos e bitos, registrados no Cartrio de Registro Civil; opinies obtidas em
pesquisas de opinio pblica; ou ainda, quando os dados so coletados pelo prprio
pesquisador.
A coleta direta pode ser classificada relativamente ao fator tempo em:
10 em 10 anos);
- coleta indireta: quando os dados obtidos provm da coleta direta. Os valores assim
compilados so denominados de dados secundrios, como, por exemplo, o clculo do
tempo de vida mdia, obtido pela pesquisa, nas tabelas demogrficas publicadas pela
Fundao Instituto Brasileiro de Geografia e Estatstica, se constitui em uma coleta
indireta.
Crtica dos Dados
Obtidos os dados, eles devem ser cuidadosamente criticados, procura de possveis
falhas e imperfeies, eliminando os erros capazes de provocar futuros enganos de apresentao
e anlise.
Apresentao dos Dados
Aps a crtica, os dados devem ser apresentados sob forma adequada (tabelas ou
grficos), para o melhor entendimento do fenmeno que est sendo estudado.
Caractersticas Importantes dos Dados
1- A natureza ou forma de distribuio dos dados como forma de sino, uniforme ou assimtrica.
2- Um valor representativo como uma mdia
3- Uma medida de disperso ou variao.
Podemos conhecer alguma coisa da natureza ou forma da distribuio organizando os dados e
construindo grficos.
8
- rodap: reservado pare as observaes pertinentes, bem como a identificao da fonte dos
dados .
Sries Estatsticas
toda tabela que apresenta a distribuio de um conjunto de dados estatsticos em funo
da poca, do local ou da espcie.
Conforme o critrio de agrupamento as sries classificam-se em:
a) Srie Cronolgica, Temporal, Evolutiva ou Histrica: a srie estatstica em que os
dados so observados segundo a poca de ocorrncia. Exemplo:
Vendas da Companhia Alfa - 1990-1994
Ano
1990
2.181
1991
3.948
1992
5.642
1993
7.550
1994
10.009
Empresas fiscalizadas
7.495
Nordeste
107.783
Sudeste
281.207
Sul
53.661
Centro-Oeste
15.776
Fonte: Mensrio Estatstico do IBGE
Matrculas
Cincias Biolgicas
62.109
95.949
Cincias Agrrias
32.419
Cincias Humanas
178.842
Letras
39.883
Artes
37.464
9
Duas ou mais reas
46.323
Nmero de dias
10
2
Fonte: DNER.
Grficos Estatsticos
A representao grfica das sries estatsticas tem por finalidade dar uma idia, a mais
imediata possvel, dos resultados obtidos, permitindo chegar-se a concluses sobre a evoluo do
fenmeno ou sobre como se relacionam os valores da srie. No h apenas uma maneira de
representar graficamente uma srie estatstica. A escolha do grfico mais apropriado ficar a
critrio do analista.
Contudo, os elementos simplicidade, clareza e veracidade devem ser considerados
quando da elaborao de um grfico.
Os principais tipos de grficos.
a)
Grfico em Colunas
Populao Brasileira
Grfico em Colunas
1940 1970
100
90
Populao
Populao do Brasil (milhes)
Ano
80
1940
41 236 315
70
1950
51 944 397
60
1960
70 119 071
50
1970
93 139 037
40
30
20
10
0
1940
1950
1960
Ano
1970
Populao
10
1970
Ano
1960
1950
1940
10
20
30
40
50
60
70
80
90
100
Populao
Esses dois tipos de grficos so geralmente utilizados para comparar diferentes variveis ou
diferentes valores da mesma varivel.
b)
(1996), 90,0
(1998), 150,0
(1997), 120,0
11
c)
Vendas da Companhia
Grfico Linear
500
Beta
1991 a 1997
400
Ano
Vendas
R$ 1.000,00)
230
1992
260
1993
380
1994
300
1995
350
1996
400
1997
4500
VENDAS
1991
300
200
100
1991
1992
1993
1994
1995
Anos
Dados
Dados
Quantitativos
Dados
Qualitativos
Mtodos
Tabulares
Distribuies de
freqncias
Mtodos
Grficos
Grficos de barras
e pizza
Mtodos
Tabulares
Distribuies de
freqncias
Mtodos
Grficos
Histograma
1996
1997
12
Tabela de Dados
Relaciona TODOS os dados levantados na pesquisa, independentemente de ordem.
Tabela de Dados Ordenados (Rol)
Relaciona TODOS os dados levantados na pesquisa, ordenados de alguma forma.
Tabela de Freqncia
Relaciona classes e freqncia do nmero de valores que se enquadram em cada categoria.
Amplitude de Amostra ( Amplitude Total) (Range)
Diferena entre o maior e o menor valores encontrados na Tabela de dados.
Amplitude de Classe
Diferena entre os limites superior e inferior de cada classe.
Freqncia Absoluta
o nmero de vezes que o elemento aparece na amostra, ou o nmero de elementos
pertencentes a uma classe.
Freqncia Relativa
freqncia relativa =
freqncia absoluta
freqncia de classe
ou
freqncia total
freqncia total
As freqncias relativas tambm podem ser apresentadas como porcentagens. Quando calculada
corretamente e, a menos dos erros de arredondamento, a soma das freqncias relativas deve ser
igual a 1 (ou 100%).
Freqncia Acumulada
A freqncia acumulada de uma classe a soma das freqncias daquela classe e de todas as
classes que a antecedem.
Freqncia Absoluta Acumulada
a soma da freqncia absoluta do elemento ou da classe com a freqncia absoluta dos
elementos anteriores ou das classes anteriores.
Freqncia Relativa
A freqncia relativa o valor da freqncia absoluta dividido pelo nmero total de
observaes:
fr =
fi
.
n
far =
f ac
.
n
13
Realizadas as fases anteriores, faz-se uma anlise dos resultados obtidos, atravs dos mtodos da
Estatstica Indutiva ou Inferncia, e tiram-se as concluses e previses.
Tipos de Variveis
Varivel o conjunto de resultados possveis de um fenmeno. Por exemplo:
- Para o fenmeno sexo so dois os resultados possveis: sexo masculino e sexo feminino;
- Para o fenmeno nmero de filhos h um nmero de resultados possveis expressos atravs
dos nmeros naturais: 0, 1, 2, 3, ... n;
- Para o fenmeno estatura temos uma situao diferente, pois os resultados podem tomar um
nmero infinito de valores numricos dentro de um determinado intervalo.
As variveis, desta forma, podem ser:
Variveis quantitativas - referem-se a quantidades e podem ser medidas em uma escala
numrica. Exemplos: idade de pessoas, preo de produtos, peso de recm nascidos. Elas
subdividem-se em dois grupos:
- Variveis quantitativas discretas: so aquelas que assumem apenas determinados
valores tais como 0,1,2,3,4,5,6 dando saltos de descontinuidade entre seus valores.
Normalmente referem-se a contagens. Por exemplo: nmero de ovos produzidos por uma
granja, nmero de pessoas por famlia, quantidade de doentes por hospital.
- Variveis quantitativas contnuas: so aquelas cujos valores assumem uma faixa
contnua e no apresentam saltos de descontinuidade. Exemplos dessas variveis so o
peso de pessoas, a renda familiar, o consumo mensal de energia eltrica, o preo de um
produto agrcola, a produo de leite de uma fazenda.
Variveis Qualitativas - refere-se a dados no numricos. Exemplos dessas variveis so o sexo
das pessoas, a cor, o grau de instruo. Elas subdividem-se tambm em dois grupos:
- Variveis qualitativas ordinais: so aquelas que definem um ordenamento ou uma
hierarquia. Exemplos so o grau de instruo, a classificao de um estudante no curso de
estatstica, as posies das 100 empresas mais lucrativas, etc.
- Variveis qualitativas nominais: por sua vez no definem qualquer ordenamento ou
hierarquia. So exemplos destas a cor, o sexo, o local de nascimento, etc.
Populao
o conjunto de elementos a serem observados. Exemplo: alunos de uma escola.
Amostra
uma pequena parte selecionada de uma populao que se pretende estudar. Fazemos uma
amostragem quando:
14
- o nmero de elementos da populao muito grande;
- queremos economizar tempo e dinheiro.
fi
fac
fr
far
21
3/17
3/17
22
23
24
25
26
28
30
17
||||||||||||||||||||||
|||||||||||||||||||||||
fr %
far %
|||||||||||||||||||||
Histograma
Histograma uma representao grfica de uma tabela de distribuio de freqncias.
Desenhamos um par de eixos cartesianos e no eixo horizontal (abcissas) colocamos os valores da
varivel em estudo e no eixo vertical (ordenadas) colocamos os valores das freqncias. O
histograma tanto pode ser representado para as freqncias absolutas como para as freqncias
relativas. No caso do exemplo anterior, o histograma seria:
15
Freqncia Absoluta
Histograma
5
4
3
2
1
0
21
22
23
24
25
26
28
30
Mais
valores
Ogiva
Ogiva uma representao grfica de uma tabela de distribuio de freqncias acumuladas.
No caso exemplo anterior, a ogiva seria:
Ogiva
Frequencias Acumuladas
18
16
14
12
10
8
6
4
2
0
21
22
23
24
25
Valores de x
26
28
30
16
Safra (1000 t)
Ano
Safra (1000 t)
1
280
10
365
2
305
11
280
3
320
12
375
4
330
13
380
5
310
14
400
6
340
15
371
7
310
16
390
8
340
17
430
9
369
18
370
Lembrando os passos que devem ser seguidos para a tabulao de freqncias de dados.
- Sempre comear por ordenar os dados. Obter o Rol(Tabela de dados ordenados) antes de
comear a construir as Tabela de Freqncias
- Definir o nmero de classes. O nmero de classes no deve ser muito baixo nem muito alto.
Um nmero de classes pequeno gera amplitudes de classes grandes o que pode causar distores
na visualizao do histograma. Um nmero de classes grande gera amplitude de classes muito
reduzidas. Foram definidas regras prticas para a determinao do nmero de classes, sendo que
este deve variar entre 5 e 20 (5 para um nmero muito reduzido de observaes e 20 para um
nmero muito elevado). Se n representa o nmero de observaes (na amostra ou na populao,
conforme for o caso) o nmero aproximado de classes pode ser calculado por Nmero de
Classes(k), k =
k=
18 = 4,24 e podemos adotar um nmero de 5 classes, que ser razovel. Lembrar que o
AT
k
O valor do resultado tambm poder ser arredondado para um nmero inteiro mais adequado.
No nosso exemplo temos:
h=
430 - 280
= 30
5
17
Preparar a tabela de seleo com os limites de cada classe. Na tabela abaixo apresentamos
para os dados do nosso exemplo os limites inferior(Linf) e superior (Lsup) de cada uma das 5 classes
de freqncia.
Classe
Limite inferior
Limite Superior
280
310
310
340
340
370
370
400
400
430
Observa-se na tabela acima que o limite superior de cada classe coincide com o limite inferior
da classe seguinte. Prevendo-se que pode ocorrer que o valor de uma observao seja
exatamente igual ao valor do limite de classe deve-se estabelecer um critrio de incluso. Para
evitar esse tipo de dificuldade normalmente se estabelece que o limite superior de cada classe
aberto (e consequentemente, o limite inferior de cada classe fechado), ou seja, cada intervalo
de classe no inclui o valor de seu limite superior, com exceo da ltima classe.
Tabular os dados por classe de freqncia. A partir da listagem de dados seleciona-se para
cada um deles qual a sua classe de freqncia e acumula-se o total de freqncia de cada
classe. De acordo com nosso exemplo, teremos:
Classe
280 |--- 310
fi
3
Total
18
fac
fr
far
fr %
far %
18
Histograma
6
Freqncia
5
4
3
2
1
0
280 - 310
310 - 340
340 - 370
classes
370 - 400
400 - 430
Polgono de Freqncia
Freqncia
5
4
3
2
1
0
280 - 310
310 - 340
340 - 370
370 - 400
400 - 430
classes
x
Se tivermos, por exemplo, n valores, temos:
X=
Exemplo: Calcule a mdia da varivel x: 3, 5, 8, 12, 7, 12, 15, 18, 20, 20.
19
X =
x f
f
i i
i
fi
xifi
fi = 10
X=
Ento:
x f
f
i
xifi =
...................
= ..................
10
X=
P f
f
m i
i
Pm =
L inf + L sup
2
fi
2 |------ 5
5 |------ 8
10
8 |------ 11
11 |------ 14
14 |------17
2
fi = 20
Pm
Pmfi
Pmfi = ........
20
X=
Ento:
P f
f
m
.......... ......
= .......... ......
...........
G = n ( x1 )( x2 )...( xn )
Por exemplo, a mdia geomtrica de 5, 9 e 13 :
1
H=
1
1
1
x1 + x2 +...+ xn
=
n
1
(1 / x) =
n
n
(1 / x)
H=
.........
.........
..........
=
=
= .........
....... ....... ....... ........ + ........ + ........ .........
+
+
...... ...... .......
Mdia Quadrtica (Q) E a raiz quadrada da mdia dos quadrados dos valores observados
n
x
Q=
2
i
i =1
Q=
10 :
Mdia Ponderada
Tomemos um conjunto de n dados...
x1 , x 2 , x3 ,......... .., x n
21
Se, para cada dado
x .p
i
por :
P=
i =1
n
i =1
P=
Mediana (Md)
A mediana um valor real que separa o rol em duas partes deixando sua esquerda o mesmo
nmero de elementos que a sua direita. Portanto, a mediana um valor que ocupa a posio
central em uma srie. Ela denotada por: Md.
Inicialmente devemos ordenar os elementos, em seguida determinamos o nmero n de elementos.
Se n mpar: a mediana o termo central, aquele que divide o rol em duas partes iguais.
Exemplo: Determinar a mediana do conjunto: x: 2, 20, 12, 23, 20, 8, 12.
Ordenando os termos: 2, 8, 12, 12, 20, 20 ,23.
A mediana ser o nmero 12, pois ele divide o conjunto em duas partes iguais. Portanto, Md = 12.
Se n par: a mediana ser a mdia aritmtica dos dois termos centrais.
Exemplo: Determinar a mediana da srie: x: 7, 21, 13, 15, 10, 8, 9, 13.
Ordenando os termos: 7, 8, 9, 10, 13, 13, 15, 21.
A mediana ser: Md =
10 + 13
= 11,5
2
Moda (Mo)
o valor de maior freqncia em um conjunto de dados. Ela denotada por Mo.
Exemplos: Determinar a moda dos conjuntos de dados:
a) x: 2, 8, 3, 5, 4, 5, 3, 5, 5, 1.
O elemento de maior freqncia 5. Portanto, Mo = 5. uma seqncia unimodal, pois s
temos uma moda.
b) X: 6, 10, 5, 6, 10, 2.
Este conjunto de dados apresenta o elemento 6 e 10 como elementos de maior freqncia.
Portanto, Mo = 6 e Mo = 10. Por isso chamada de bimodal.
Quando no houver elementos que se destaque pela maior freqncia, dizemos que a
srie amodal.
Exemplo: x: 3, 3, 3, 4, 4, 4.
22
No h moda, pois os elementos tm a mesma freqncia.
S = S 2 , para a amostra;
= 2 , para a populao.
O desvio-padro de um conjunto de valores amostrais uma medida de variao dos
valores em relao mdia.
Frmulas : desvio-padro populacional
desvio-padro amostral
s=
i =1
( x i x )2
i =1
( x i x )2
n 1
Notao
s = desvio-padro de um conjunto de dados amostrais
= desvio-padro de um conjunto de dados populacionais
s = varincia de um conjunto de dados amostrais
23
OBS : Em artigos de revistas e relatrios profissionais costuma-se indicar o desvio-padro por
SD(Standard Deviation) e a varincia por Var.
fi
20
xi fi
(xi -
)2
x f
f
i
fi(xi -
)2
.........
= ..........
.........
f (x
=
i
)2
..............
= ..............
..........
S2 =
f (P
i
X )2
n 1
f (P
=
i
)2
, para a amostra;
, para a populao.
S = S 2 , para a amostra;
= 2 , para a populao.
Exemplo: Calcule a varincia e o desvio padro da srie abaixo, representativa de uma populao:
24
classes
fi
Pm
2 |------ 5
3,5
5 |------ 8
10
8 |------ 11
11 |------ 14
14 | ------ | 17
20
Pmfi
( Pm ) 2
f i ( Pm ) 2
P f
f
m
...........
= ..........
.....
2 =
f (P
i
)2
.......... ....
= ............
.....
= ............ = .............
CV =
Se: CV 15%
desvio padro
100
mdia
Mdia disperso.
CV > 30%
25
CV =
............
100 = ...........%
......
Q1
Q3
iguais a
separa os 75% inferiores dos 25% superiores dos dados. Mais precisamente, ao
Q1 .
Q2
Q1
Q3
k=
Lx100
n
k
ou L =
.n
100
26
Incio
Ordenar os dados, do
menor para o maior.
Calcular
L = (k/100).n ,
n = nmero de valores
k = percentil desejado
Sim
L um
nmero
inteiro?
No
Modificar L, arredondando
seu valor para o maior inteiro
mais prximo
O valor de
Pk o L-simo valor a
P40
200
208
225
242
254
259
262
263
267
268
270
201
209
228
248
256
259
262
264
268
268
270
204
215
230
250
256
260
263
265
268
268
270
204
217
234
251
256
261
263
265
268
269
270
206
218
236
251
257
262
263
265
268
269
270
206
220
241
252
257
262
263
266
268
269
270
208
223
242
252
258
262
263
267
268
269
270
27
12
13
14
15
16
17
18
19
20
21
22
23
24
25
270
272
274
275
277
278
279
281
282
283
285
287
290
292
271
273
274
276
277
278
279
281
282
283
285
288
290
293
271
273
274
276
277
278
279
281
282
284
286
289
290
293
272
273
274
276
277
278
280
281
282
284
286
289
291
294
272
273
275
276
277
278
280
282
283
284
286
289
291
295
272
273
275
276
277
278
280
282
283
284
286
289
292
295
272
273
275
277
277
278
281
282
283
285
287
289
292
297
k
40
L=
n =
175 = 70
100
100
k
71
L=
n =
175 = 124,25 (valor no inteiro).
100
100
Neste caso, simplesmente se arredonda para o nmero inteiro superior mais prximo, ou seja,
L = 125. E, assim, o nmero que est no espao 125 o 280 e, portanto, P71 = 280
Treino : Determine todos os Quartis
Determine todos os Decis pares
Descubra qual o Percentil dos dados : 208, 252, 278, 287 e 294
Escores z
Quase todos ns estamos familiarizados com a sigla QI(coeficiente de inteligncia) e reconhecemos que
um QI de 102 bastante comum enquanto um QI de 170 raro. Esse QI de 102 bastante comum
porque est prximo da mdia de 100, mas o QI de 170 raro porque est bem acima de 100. Esta
circunstncia pode sugerir uma diferena entre os valores tpicos e os valores raros, com base em sua
(x x )
Populao
28
z=
xx
s
z=
= 1,75
m, desvio-padro
= 0,07 m
z=
1,98 1,75
= 3,29
0,07
Podemos interpretar este resultado dizendo que a altura do jogador de basquete est 3,29 desviospadro acima da mdia.
A importncia dos escores z na estatstica reside no fato de que eles permitem distinguir entre valores
usuais e valores raros, ou incomuns. Consideramos usuais os valores cujos escores padronizados
estejam entre 2,00 e 2,00 e incomuns os valores com escore z inferior a 2,00 ou superior a 2,00 .
Assim, a altura do jogador de basquete do exerccio anterior corresponde a um escore z de 3,29, que
consideramos incomum por ser superior a 2,00. Em comparao com a populao geral, o jogador
pode ser considerado, excepcionalmente alto.
Valores
Incomuns
Valores
Incomuns
Valores usuais
-3
-2
-1
29
denotadas
H0 .
Quaisquer outras hipteses que difiram de uma dada hiptese nula so chamadas de hipteses
alternativas e so denotadas por H 1 .
Por exemplo : Se a hiptese nula p = 0,5, hipteses alternativas podem ser
p = 0,7 , p 0,5 , p > 0,5 .
Testes de Hipteses e Significncia
Se, sob a suposio de uma hiptese particular ser verdadeira, concluirmos que os resultados
observados em uma amostra aleatria diferem muito daqueles esperados, diramos que as
diferenas observadas so significantes e estaramos inclinados a rejeitar a hiptese.
Por exemplo : Se 20 lanamentos de uma moeda do 16 caras, estaramos inclinados a rejeitar a
hiptese de que a moeda honesta, apesar de admitirmos que podemos estar equivocados.
Os procedimentos que nos capacitam a decidir se aceitamos ou rejeitamos uma hiptese ou a
determinar se a amostra observada difere significativamente dos resultados esperados so
chamados de testes de hipteses, testes de significncia ou regras de deciso.
Erros do Tipo I e Do Tipo II
Se rejeitamos uma hiptese quando ela de fato verdadeira, dizemos que foi cometido um erro do
Tipo I .
Se aceitamos uma hiptese quando ela deveria ser rejeitada, dizemos que foi cometido um erro
do Tipo II .
Em ambos os casos ocorreu uma deciso errada ou um erro no julgamento.
Para que um Teste de hipteses (ou uma regra de deciso) seja bom, precisa ser construdo de
modo a minimizar erros de deciso. Este no um problema simples pois, em geral, para um
dado tamanho de amostra, a tentativa de diminuir um tipo de erro acompanhada por um aumento
no outro tipo de erro.
Na prtica, um tipo de erro pode ser mais srio do que o outro e ento deveria ser assumido um
compromisso em favor de uma limitao no erro mais srio. A nica maneira de reduzir ambos os
tipos de erros, aumentar o tamanho da amostra, o que nem sempre possvel.
Nvel de Significncia
Ao testar uma dada hiptese, a probabilidade mxima com a qual queremos arriscar cometer erro
do Tipo I chamada de nvel de significncia do teste. Esta probabilidade em geral especificada
antes de qualquer amostra ser extrada para que os resultados obtidos no venham a influenciar
nossa deciso.
Na prtica so usuais nveis de significncia de 0,05 ou 0,01 , apesar de outros valores tambm
serem usados. Se, por exemplo, um nvel de significncia de 0,05 (ou 5%) for escolhido na
construo de um teste de hipteses, ento h em torno de 5 chances em 100, da hiptese ser
rejeitada quando ela deveria ter sido aceita, isto , sempre que a hiptese nula for verdadeira,
estaremos em torno de 95% confiantes de que tomamos a deciso correta. Em tais ocasies
dizemos que a hiptese foi rejeitada ao nvel de significncia de 0,05, o que significa que podemos
estar errados com probabilidade de 5%.
30
Testes envolvendo a Distribuio Normal
Para ilustrar as idias recm apresentadas, suponhamos que sob uma dada hiptese, a
distribuio amostral de uma estatstica S uma distribuio normal com mdia s e desviopadro
. Alm disso, suponhamos que decidimos rejeitar a hiptese de S se for muito pequena
Z=
(S s )
s
a distribuio normal
padro (mdia 0, varincia 1) mostrada na figura abaixo e valores extremos de Z nos levariam
rejeio da hiptese.
Regio
crtica
0,025
Regio
crtica
0,025
0,95
z = - 1,96
z = 1,96
Como est indicado na figura, podemos estar 95% confiantes de que, se a hiptese for verdadeira,
o escore z de uma estatstica amostral verdadeira S estar entre 1,96 e 1,96 (pois a rea sob a
curva normal entre estes valores 0,95).
Entretanto, se ao escolher uma nica amostra aleatoriamente encontramos o escore z desta
estatstica fora do intervalo de 1,96 a 1,96, concluiramos que tal evento aconteceria somente
com probabilidade de 0,05(rea sombreada total na figura) se a hiptese fosse verdadeira.
Diramos ento que este escore z difere significativamente do que seria esperado sob a hiptese e
estaramos inclinados a rejeitar a hiptese.
A rea 0,05 da regio sombreada total o nvel de significncia do teste. Este nvel representa a
probabilidade de estarmos errados em rejeitar a hiptese, isto , a probabilidade de cometer o erro
do Tipo I. Portanto dizemos que uma hiptese rejeitada ao nvel de significncia de 0,05 ou que
o escore z de uma dada estatstica amostral significante ao nvel de significncia de 0,05.
O conjunto de escores z fora do intervalo de 1,96 a 1,96 constitui o que chamado de regio
crtica ou regio de rejeio da hiptese ou regio de significncia. O conjunto dos escores z
dentro do intervalo de 1,96 a 1,96 pode ser chamado de regio de aceitao da hiptese ou
regio de no-significncia.
Com base nestas observaes podemos formular as seguintes regras de deciso :
a)
Rejeito a hiptese ao nvel de significncia de 0,05 se o escore z da estatstica S
estiver fora do intervalo de 1,96 a 1,96 (isto , z > 1,96 ou z < -1,96 ). Isto
equivale dizer que a estatstica amostral observada significante ao nvel de 0,05.
b)
IMPORTANTE : Deve-se destacar que outros nveis de significncia poderiam ter sido usados.
Por exemplo : se um nvel de 0,01 fosse usado, substituiramos 1,96 por 2,58 em todos os lugares
acima. Vide as Tabelas abaixo.
Clculo do Desvio-Padro
A mdia pode ser encontrada fazendo-se
= np
31
O desvio-padro pode ser encontrado aplicando-se a frmula
= n. p.q
onde :
99,73 %
99 %
98 %
96 %
95,45 %
95 %
90 %
80 %
68,27 %
50 %
3,00
2,58
2,33
2,05
2,00
1,96
1,645
1,28
1,00
0,6745
Valores
crticos
zc
Nvel de
significncia
0,10
0,05
0,01
0,005
0,002
-1,28
ou
1,28
-1,645
e
1,645
-1,645
ou
1,645
-1,96
e
1,96
-2,33
ou
2,33
-2,58
e
2,58
-2,58
ou
2,58
-2,81
e
2,81
-2,88
ou
2,88
-3,08
e
3,08
Valores crticos
de z para testes
unilaterais
Valores crticos
de z para testes
bilaterais
Para que se possa executar o teste do qui quadrado h de se observar algumas condies
como :
a) Exclusivamente para variveis nominais e ordinais
b) Somente para observaes independentes
c) No se aplica se 20% das observaes forem inferiores a 5.(Amostras muito
pequenas)
d) No pode haver freqncias inferiores a 1
32
e) Nos dois ltimos casos, caso haja incidncia, aconselha-se agrupar os dados
segundo algum critrio especfico.
( )
( )
(x ).
2
t
xc2 =
(x ) atravs da frmula :
(oi ei )2
ei
2
c
2
t
2
c
2
c
2
t
H1 .
Exemplo :
Um vendedor trabalhou comercializando um produto em cinco bairros residenciais de uma mesma
cidade, num mesmo perodo do ano. O gerente decidiu verificar se o desempenho do vendedor
oscilava em virtude do bairro trabalhado, ou seja, se as diferenas eram significativas entre os
bairros trabalhados. A partir deste estudo o gerente pretendia elaborar uma estratgia comercial
especfica para cada bairro ou manter uma mesma estratgia para todos.
Bairro
Valores
Observados
Total
11
25
20
15
80
Valores
Esperados
16
16
16
16
16
80
Soluo :
Passo 01 : A hiptese nula
estudados e, assim, uma hiptese alternativa H 1 poder ser As diferenas observadas entre os
bairros mais discrepantes ( 3 e 4) so significativamente diferentes para melhor em relao aos
demais bairros
33
= 0,05 = 5%
= k 1 = 5 1 = 4
(x ) =9,488 9,49
2
t
2
c
Passo 04 :
+ ..(... .....)
]=
.......... .
2
(
.....) + (.....) + ..... + ..... + (.....)
..... + ..... + ..... + ..... + ..... .........
=
=
=
= ...........
..........
........
........
2
(x ) > (x ) pois
2
c
2
t
H 0 em
de significncia para os bairros 3 e 4 e o gerente dever mesmo elaborar uma estratgia comercial
para cada bairro.
34
sendo = (L 1) (C 1), onde L = nmeros de linhas da tabela e C = ao nmero de
colunas.. Encontrar portanto, o valor do qui-quadrado tabelado;
Passo 04 : Para encontrar o valor esperado (E), utilizar a frmula a seguir:
E=
Passo 05 : Sendo o qui quadrado calculado, maior do que o tabelado, rejeita-se H0 em favor de H1.
H dependncia ou as variveis no esto associadas.
Sabor do chocolate
Chocolate com caju
Chocolate com amendoim
Chocolate com flocos
Chocolate com passas
Taquari
40
10
13
20
83
150
110
140
150
550
Taquari
Passo 05 :
-qui quadrado para a linha Chocolate com caju
X2 =
.........
.........
.........
= .......... .
X2 =
........
.........
.........
= ..........
35
- qui quadrado para a linha Chocolate com flocos
2
2
2
(
...... ......)
(
...... ......)
(
..... ......)
(...... ....)..2
=
+
+
+
.........
.........
.........
.........
= ........
2
2
2
2
(
(
(
(
...... ......)
...... ......)
...... ......)
...... ......)
=
+
+
+
.........
.........
.........
.........
= .......... .
CONCLUSO : Portanto ............... diferena significativa, ao nvel de 0,05 ou (5%), entre as cidades.
Correlao
Existe uma correlao entre duas variveis quando uma delas est, de alguma forma, relacionada
com a outra.
O coeficiente de correlao linear r mede o grau de relacionamento linear entre os valores
emparelhados x e y em uma amostra. O coeficiente de correlao linear chamado s vezes de
coeficiente momento-produto de Pearson.
TABELA PARA CLCULO DE r
x
-
y
-
r=
x.y
x. y
X
x2
Y
y2
n xy ( x )( y )
[ n( x 2 ) ( x )2 ][
( y ) ( y ) ]
2
36
Deveremos arredondar o coeficiente de correlao linear r para trs casas decimais, a fim de que
seu valor possa ser comparado com os valores crticos da Tabela de Valores Crticos do
Coeficiente de Correlao r de Pearson, encontrada na maioria dos livros de Estatstica.
Regresso Linear
A expresso
y = b0 + b1 x
chamada de :
Onde
b1 = coeficiente angular
OBS : 1)- Os valores
populacionais
0 e 1 .
Objetivo
O objetivo utilizar dados amostrais emparelhados para estimar a equao de regresso.
Dispondo apenas de dados amostrais, no poderemos achar os valores exatos dos parmetros
populacionais 0 e 1 mas, com os dados amostrais, podemos estim-los com b0 e b1 , que se
obtm com as frmulas :
Regras de Arredondamento :
1) - De modo geral, para arredondar,
utilize um decimal a mais do que os que
aparecem nos dados originais.
2) - Arredondar apenas a resposta final e
no os valores intermedirios.
Exemplos :
1)- A mdia de (2), (3) e (5)
3,33333333............. , que pode ser
37
(y)(x ) (x)(xy)
=
n(x ) (x)
2
b0
b1 =
n( xy ) ( x )( y )
n x 2 ( x )
TABELA
DE
Graus
de
liberdade
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
0,995
0,99
0,975
0,95
0,90
0,10
0,05
0,025
0,01
0,005
---0,010
0,072
0,207
0,412
0,676
0,989
1,344
1,735
2,156
2,603
3,074
3,565
4,075
4,601
5,142
5,697
6,265
6,844
7,434
8,034
8,643
9,260
9,886
10,520
11,160
11,808
12,461
---0,020
0,115
0,297
0,554
0,872
1,239
1,646
2,088
2,558
3,053
3,571
4,107
4,660
5,229
5,812
6,408
7,015
7,633
8,260
8,897
9,542
10,196
10,856
11,524
12,198
12,879
13,565
0,001
0,051
0,216
0,484
0,831
1,237
1,690
2,180
2,700
3,247
3,816
4,404
5,009
5,629
6,262
6,908
7,564
8,231
8,907
9,591
10,283
10,982
11,689
12,401
13,120
13,844
14,573
15,308
0,004
0,103
0,352
0,711
1,145
1,635
2,167
2,733
3,325
3,940
4,575
5,226
5,892
6,571
7,261
7,962
8,672
9,390
10,117
10,851
11,591
12,338
13,091
13,848
14,611
15,379
16,151
16,928
0,016
0,211
0,584
1,064
1,610
2,204
2,833
3,490
4,168
4,865
5,578
6,304
7,042
7,790
8,547
9,312
10,085
10,865
11,651
12,443
13,240
14,042
14,848
15,659
16,473
17,292
18,114
18,939
2,706
4,605
6,251
7,779
9,236
10,645
12,017
13,362
14,684
15,987
17,275
18,549
19,812
21,064
22,307
23,542
24,769
25,989
27,204
28,412
29,615
30,813
32,007
33,196
34,382
35,563
36,741
37,916
3,841
5,991
7,815
9,488
11,071
12,592
14,067
15,507
16,919
18,307
19,675
21,026
22,362
23,685
24,996
26,296
27,587
28,869
30,144
31,410
32,671
33,924
35,172
36,415
37,652
38,885
40,113
41,337
5,024
7,378
9,348
11,143
12,833
14,449
16,013
17,535
19,023
20,483
21,920
23,337
24,736
26,119
27,488
28,845
30,191
31,526
32,852
34,170
35,479
36,781
38,076
39,364
40,646
41,923
43,194
44,461
6,635
9,210
11,345
13,277
15,086
16,812
18,475
20,090
21,666
23,209
24,725
26,217
27,688
29,141
30,578
32,000
33,409
34,805
36,191
37,566
38,932
40,289
41,638
42,980
44,314
45,642
46,963
48,278
7,879
10,597
12,838
14,860
16,750
18,548
20,578
21,955
23,589
25,188
26,757
28,299
29,819
31,319
32,801
34,267
35,718
37,156
38,582
39,997
41,401
42,796
44,181
45,559
46,928
48,290
49,645
50,993
38
29
30
40
50
60
70
80
90
100
13,121
13,787
20,707
27,991
35,534
43,275
51,172
59,196
67,328
14,257
14,954
22,164
29,707
37,485
45,442
53,540
61,754
70,065
16,047
16,791
24,433
32,357
40,482
48,758
57,153
65,647
74,222
17,708
18,493
26,509
34,764
43,188
51,739
60,391
69,126
77,929
19,768
20,599
29,051
37,689
46,459
55,329
64,278
73,291
82,358
39,087
40,256
51,805
63,167
74,397
85,527
96,578
107,565
118,498
42,557
43,773
55,758
67,505
79,082
90,531
45,722
46,979
59,342
71,420
83,298
95,023
101,879
113,145
124,342
106,629
118,136
129,561
De Donald B. Owen, Hanbook of Statistical Tables, @ 1962 Addison-Wesley Publishing Co. , Reading, MA
TABELA
Valores Crticos do Coeficiente de
Correlao r de Pearson
n
= 0,05
= 0,01
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
25
30
35
40
45
50
60
70
80
0,950
0,878
0,811
0,754
0,707
0,666
0,632
0,602
0,576
0,553
0,532
0,514
0,497
0,482
0,468
0,456
0,444
0,396
0,361
0,335
0,312
0,294
0,279
0,254
0,236
0,220
0,999
0,959
0,917
0,875
0,834
0,798
0,765
0,735
0,708
0,684
0,661
0,641
0,623
0,606
0,590
0,575
0,561
0,505
0,463
0,430
0,402
0,378
0,361
0,330
0,305
0,286
49,588
50,892
63,691
76,154
88,379
52,336
53,672
66,766
79,490
91,952
100,425
112,329
124,116
135,807
104,215
116,321
128,299
140,169
39
90
100
0,207
0,196
0,269
0,256
***
***
***
****
***
****
***
***
****
***
****
x
**
* **
***
* ** * **
**
*** *
** * *
** *
**** * *
* * * **
****** *
* * * **
x
*
*
*
*
*
*
*
*
*
*
*
(b)
Forte
Correlao
positiva entre x e
*
** *
* * *
*
* * * * **
** ** * *
** *** * *
* ** *** * *
** *
** * *
**
(c)
Correlao
positiva
perfeita entre x e y
*
***
**
***
**
**
*
*
*
*
*
*
***
**
***
*
*
*
*
*
***
Correlao
(d) Correlao negativa entre x e y Forte
(e)
negativa entre x e
*
(f)
Correlao negativa
perfeita entre x e y
40
*
*
*
***
***
* *
*
*
**
* *
*
*
*
*
* **
***
***
* **
**
*
*
*
*
*
*
2. Idealizar uma srie geogrfica para representar o seguinte fato: populao da regio Norte
do Brasil em 1970, sabendo-se que em Rondnia, Acre, Amazonas, Roraima, Par e
Amap temos, respectivamente, 116620 218006 960934 41638 2197072 e 116480
habitantes, segundo dados da Fundao IBGE.
3. Fazer uma tabela estatstica para representar o movimento religioso de certo municpio no
perodo 1975-1977, que apresentou os seguintes dados: em 1975 houve 56738 habitantes
batizados (dos quais 26914 do sexo feminino), 15884 casamentos e 13678 extremasunes. Em 1976, houve 33915 batizados do sexo masculino e 29568 do sexo feminino;
os casamentos foram em nmero de 17032 e as extremas-unes, 14328. Em 1977, em
um total de 71232 batizados, 34127 eram do sexo masculino; as extremas-unes foram
16107 e os casamentos 16774.
Antrtico
rtico
Atlntico
ndico
Pacfico
41
rea
(milhes km)
36,8
23,2
199,4
137,9
342,7
Exerccio de Estatstica
Completar as Tabelas de Distribuio de Freqncias abaixo.
Xi
Fa
21
22
23
24
25
26
28
30
31
32
33
34
35
36
3
2
2
1
4
3
1
1
3
1
3
3
2
1
Fa a
Fr
Fr a
|||||||||||||||||||||||||||
Classe
Fa
45 |--- 55
55 |--- 65
65 |--- 75
15
20
35
Fa a
||||||||||||||||||||||||||||
Fr
Fr a
42
75 |--- 85
85 |--- 95
20
10
|||||||||||||||||||||||
|||||||||||||||||||||||
22
23
24
21
26
19
21
30
18
22
20
21
20
22
21
24
26
21
27
20
20
19
30
21
17
27
34
23
20
26
27
21
28
21
26
23
30
23
25
27
23
21
23
23
28
22
29
23
27
24
18
25
26
28
30
27
23
21
23
22
32
26
29
25
19
18
40
24
25
26
23
32
25
24
31
23
22
26
27
28
29
30
30
29
19
35
24
23
29
22
21
21
21
20
19
20
23
24
30
21
42
28
18
28
22
21
21
23
24
25
28
26
25
21
28
29
17
19
18
19
21
20
20
21
27
24
23
20
28
29
30
23
22
23
22
23
23
24
25
25
25
21
29
30
31
32
33
34
21
23
22
22
22
25
23
24
22
23
24
22
21
23
28
23
21
20
17
34
34
25
17
21
24
23
18
24
25
27
24
28
29
28
Pede-se :
Calcular a mdia de idade dos jogadores utilizando-se uma Tabela de Freqncias com intervalo
de Classes em uma das seguintes situaes :
1) Descartando a menor idade encontrada
2) Descartando a maior idade encontrada
3) Descartando a maior e a menor idade encontradas
4) Considerando todas as idades encontradas
43
Utilizar K =
K / Situao
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
26
25
20
20
1111111111-
26
28
27
25
22
21
28
28
26
28
22
25
29
29
26
29
27
20
28
25
26
27
23
27
21
29
20
30
29
25
23
29
23
29
27
27
27
20
24
28
30
23
25
26
28
25
26
28
201
209
228
248
256
259
262
264
268
268
270
271
204
215
230
250
256
260
263
265
268
268
270
271
204
217
234
251
256
261
263
265
268
269
270
272
206
218
236
251
257
262
263
265
268
269
270
272
206
220
241
252
257
262
263
266
268
269
270
272
208
223
242
252
258
262
263
267
268
269
270
272
208
224
242
253
259
262
263
267
268
269
270
272
208
225
242
254
259
262
263
267
268
269
270
272
208
225
242
254
259
262
263
267
268
269
270
272
28
20
25
30
44
272
273
273
273
273
273
273
274
274
274
274
275
275
275
275
276
276
276
276
276
277
277
277
277
277
277
277
277
278
278
278
278
278
278
278
279
279
279
280
280
280
281
282
283
283
284
284
284
285
286
286
287
287
288
288
288
2 a Transforme este Rol numa Tabela com dados agrupados com
Intervalos de classe
2 b Calcule a Varincia desta Populao
2 c Calcule o Desvio-Padro desta Populao
2 d Calcule o Coeficiente de Variao (CV ) desta pesquisa.
273
275
277
277
279
281
285
289
274
275
277
278
279
281
286
289
274
275
277
278
279
282
286
290
208
224
242
253
259
262
263
267
268
269
270
272
273
275
277
277
279
280
282
283
285
287
289
292
297
208
225
242
254
259
262
263
267
268
269
270
272
274
275
277
278
279
281
282
283
285
287
290
292
297
208
225
242
254
259
262
263
267
268
269
270
272
274
275
277
278
279
281
282
283
285
287
290
292
300
200
208
225
242
254
259
262
263
267
268
269
270
272
274
275
277
278
279
281
282
283
285
287
290
292
201
209
228
248
256
259
262
264
268
268
270
271
273
274
276
277
278
279
281
282
283
285
288
290
293
204
215
230
250
256
260
263
265
268
268
270
271
273
274
276
277
278
279
281
282
284
286
289
290
293
204
217
234
251
256
261
263
265
268
269
270
272
273
274
276
277
278
280
281
282
284
286
289
291
294
206
218
236
251
257
262
263
265
268
269
270
272
273
275
276
277
278
280
282
283
284
286
289
291
295
206
220
241
252
257
262
263
266
268
269
270
272
273
275
276
277
278
280
282
283
284
286
289
292
295
208
223
242
252
258
262
263
267
268
269
270
272
273
275
277
277
278
280
282
283
285
287
289
292
297
208
225
242
254
259
262
263
267
268
269
270
272
274
275
277
278
279
281
282
283
285
287
290
292
300
45
a) Os Percentis
b) Os Quartis
Q1 , Q 2 , Q 3
c) Os Decis D3 , D 5 , D 7
d) Determine o Percentil correspondente a 252 , 279 , 287
e) Qual a diferena entre D2 e P20 ?
f)
g)
h)
i)
03 Calcule para cada uma das distribuies abaixo, sua respectiva mdia.
a)
xi | 3 4 7 8 12
b)
fi | 2 5 8 4 3
c)
xi |
f ac
2
3
4
5
6
3
9
19
25
28
|
|
|
|
|
xi | 10 11 12 13
f i | 5 8 10 6
d)
xi |
7
8
9
10
11
|
|
|
|
|
fi
1/16
5/18
1/3
2/9
5/48
e)
xi |
85
87
88
89
90
|
|
|
|
|
fi
5
1
10
3
5
46
47
a) Determine o escore z para um homem de 22 anos de idade, que tem um ndice de
colesterol de 274,9 mg / ml.
b) Esse nvel pode ser considerado muito elevado ?
06 ) Trs candidatos a um emprego fazem testes equivalentes de desempenho em pensamento
crtico e voc o encarregado de decidir qual deles contratar.
A. da Silva acertou 38 questes em um teste onde a mdia era de 29 e o desvio-padro, 6.
B. dos Santos acertou 399 questes no teste de mdia 313 e desvio-padro, 56
C. Oliveira teve nota 4,11 em teste de mdia 2,76 e desvio-padro 0,91.
a) Qual deles seria o seu escolhido ?
b) Por que ?
07) Em exame de estatstica a mdia foi de 78 e o desvio-padro foi 10.
a) Determine os escores z de dois alunos cujas notas foram 93 e 62, respectivamente.
b) Determine as notas de dois alunos cujos escores z foram -0,6 e 1,2, respectivamente
08) Encontre a mdia e o desvio-padro em um exame onde as notas 70 e 88 correspondem a
escores z de -0,6 e 1,4, respectivamente.
03) Em um experimento sobre percepo extra sensorial (PES), uma pessoa em uma sala
questionada sobre a cor(vermelha ou azul) de uma carta escolhida de um baralho de 50 cartas
embaralhadas por um indivduo em outra sala. A pessoa desconhece quantas cartas vermelhas ou
azuis tm no baralho. Se a pessoa identifica 32 cartas corretamente, determine se os resultados
so significantes ao nvel de
(a) 0,05 de significncia
(b) 0,01 de significncia.
04) Em 200 lanamentos de uma moeda, 115 caras e 85 coroas foram observadas. Teste a hiptese de que a moeda
honesta usando um nvel de significncia de: (a) 0,05
(b) 0,01
05) A tabela abaixo mostra as freqncias observadas e esperadas no lanamento de um dado 120 vezes.
(a) Teste a hiptese de que o dado honesto, usando um nvel de significncia de 0,05.
Face
Freqncia
Observada
Freqncia
Esperada
25
17
15
23
24
16
20
20
20
20
20
20
48
06) Considere dois grupos, A e B, cada um consistindo de 100 pessoas portadoras de uma doena. Um soro dado
ao Grupo A, mas no ao Grupo B(o qual chamado grupo de controle); caso contrrio, os dois grupos so tratados
identicamente. constatado que nos Grupos A e B, 75 e 65 pessoas, respectivamente, se recuperaram da doena.
Teste a hiptese de que o soro ajudou a curar a doena usando um nvel de significncia de: (a) 0,01
(b) 0,05
(c) 0,10.
07) Em 60 lanamentos de uma moeda, 37 caras e 23 coroas foram observadas. Teste a hiptese da moeda ser honesta usando um
nvel de significncia de : (a) 0,05
(b) 0,01.
08) Em um longo perodo de tempo as notas atribudas por um grupo de instrutores em determinado curso tm sido
em mdia, 12% As, 18% Bs, 40% Cs, 18% Ds e 12% Es.
Um novo instrutor atribuiu 22 As, 34 Bs, 66 Cs, 16 Ds
e 12 Es durante dois semestres. Determine, ao nvel de significncia de 0,05, se o novo instrutor est seguindo o
padro de notas dos outros instrutores.
09) O nmero de livros emprestados por uma biblioteca pblica durante uma certa semana dado pela tabela abaixo. Teste a
hiptese de que o nmero de livros emprestados no depende do dia da semana, usando um nvel de significncia de
(a) 0,05
(b) 0,01.
Segunda
Tera
Quarta
Quinta
Sexta
N de livros
emprestados
135
108
120
114
146
10) Duzentos parafusos de porca foram selecionados aleatoriamente da produo de cada uma de 4 mquinas. O
nmero de parafusos defeituosos encontrados foram, 2, 9, 10, 3. Determine se existe uma diferena significante entre
as mquinas usando um nvel de significncia de 0,05.
54,3
61,2
61,8
49,5
72,4
37,6
88,7
28,4
118,6
19,2
194,0
10,1
49
1,2
4,5
1,8
5,9
3,1
7,0
4,9
7,8
5,7
7,2
7,1
6,8
8,6
4,5
9,8
2,7
71 53
59 49
10
6
havendo,
67 55
62 51
11
8
apresente
58 77 57 56 51
50 55 48 52 42
7
10
9
10
6
a Equao de Regresso
76 68
61 57
12
9
para :