AOS LEIGOS E ESTUDIOSOS AGORA FICOU FACIL APRENDER ESTATISTICA! Considerada um ramo da matematica, tem sido vis- tacomo coisa hermética, s6 acessivel aos iniciados. Isso acabou! A linguagem coloquial, entremeada de humor, aproxima o autor do leitor. Com exemplos tirados do dia-a-dia, 0 aprendizado da estatistica se faz suavemente e com alegria. Afinal, embora estatistica seja coisa séria, nao € obrigatoria- mente triste! Vamos em frente! Descubra as aplicagées incriveis que a estatistica tem na vida das pessoas! editora HARBRA Itda. INTRODUGAO [LUSTRADA llustrages de Maria Paula SantoFU 4 eee ee ee UTRAMIG w aoe CONTEVDO Prericio 1 eDigAo Perici 42° Edi¢ho Um Pouco DE HistORIA.. 0... eee Cee terms ek 8 IIIT MENSURACEO..crcnesrenprensersontrence Coonnenagio EDeRIAL & pedo ve EeTuo: Mania ELizasern Soro ISTENTE. EDITORIAL Revisio ne Paws: Vera LUA Juniarto DA SILVA Gara: MARIA “PAULA SANTO ImPRessKo € Forouimos: CROMOSET GRKFICA € EDTORA Lrpa. Poruiagies & AMOsTRAS. Esrariorics Descrmiva ESTAT/STICA. INFEREACIAL. ane 28 RePResenTAcces GRAFICAS Mepipas De TeNDéNcia CENTRAL. INTRODUGAO ILVSTRADA A ESTATISTICA (com muro Humor!) 2% ED. Copyaicnr © 1992 POR EviToRA HARBRA LTDA. Rua Joaquim TKvoRA, 609, ViLA MARIANA, Sho Tuo, SP TELEFONES : 549-; 2244 € ‘s71- 0276 Mepipas De VARIABILIDADE PRomarilipare ResERVAPOS TODOS oS pIRENTDS. E TERMINANTEMENTE PRo1BID0 RURGDUER SETH OG0A, TOTAL) PAEGIALMENTE, TOR Qunisqven MEI | SEM AUTORIZAGKO EXPRESSA SoS EDITOR Disrarsvigho BINOMIAL PROVA, BE HiPGTESE...2- 02. eeee ceeren need IMPRES$ No BRasiL. Pemrep in Brazu.‘Disrripuigao NorMaL Prova De Qui-Quavrado. Disraruigho t (Stuvent)..0. CorreLagho Linear SIMPLES .. NogSes ne RecressAo Livean SIMPLES Comparacko entre Mépias .. Comparagho entre VARIANGIAS.. 0... ees TRBUA DEF, con O21% cece Tapa De F, com 07 5% ENCAIXANDO © QUE NRO COUBE No LIVRo.... INDICE. ReMissivo PREFACIO ’” 1° evicio Mais um Livro ve Esraristical De FAO, MAIS um! So que, DESTA vez, EMBORA A ESTATISTICA SEJA_& MESMA 05 RECURECS YARA APRESENTA-LA sho DIFERENTES. 0 rrdrrio TUL 3K E ESCLARECEDOR: Esraristica com ILUSTRAGOES £ com HUMOR. Numero, MEDIDA , ClENCIA so iNDiscuTiveL- MENTE colshs ‘SERIAS — MAS NiO NECESSARIAMENTE TRISTES! JX FORAM TRISTES AQUELES DIAS DE convivio AVERSIVO COM A MATEMATICA! Essa A RAZKO YOR fod Fol ESCoLHIDo © CAMINHO DA SERIEDADE com EMBoRA A PREOCUPAGAO CENTRAL Do LIVRO Rese DOTAR © _LEITOR DE LINGUAGEM & HOGINIO ESTATISTICOS , EsTUDADO_ com ATEN; AO PROPORCIONARK AO LEITOR A SATISFAGAO DE PODER WESOLVER, COM CONFORTO, QUESTSES Que ANTES LHE PARECIAM COMPLICADAS. Duas FoRAM AS MOLAS PROPULSORAS DESTE: PROSE: 0 WCENTIVo DE ALUNOS, PROFESSORES E AMIGOS, © DESETo DE OFERECER UMA ‘cONTRIBUIGAO DOLSGICA.PREFACIO ’” 2.° EDICAO PARECE QUE DEV CERTO: NENHUM LIVRO ALCANGA SEGUNDA (ALEM DE ALGUMAS TIRAGENS DA Brimema!) So FOR CAUSA Dos OLS AZUIS De Sev ATR! E Dev CERTO TRRQUE ToDcS, ALUA Bae eee A pe temTMIBuIGaOr UNS USNS, OUTROS ADOTAYDO, OUTROS AINDA, SUSERINDO E APCSTANDO. Esta se6unDA EDIGAO, ALEM DE REVISTA,VEM AMPLIADAS NUM UNICO rite. o 15—, 208 0 THTULO GERAL “COMPARAGAO ENTRE MEDIAS", Sho. ora oe eee x Sp t ae VaRIAS neDue Vaniinciny” Ferre sansa necwenttee EsP(RIIO SERIO FOREM ALEGRE QUE CARACTERIZOU A RIMEIRA EDIGRO, O excessivo REOR WATEMATICO £1 SEMPRE EWTADS, PORQUE TREVALEEEN A CERTEZA DE QUE, ADQUIRIDAS Megs, BANOS h SST Ea SA ‘DECORRER, Espera-se Que ESTA SEGUNDA EDIGAO CONTINUE A MERECER A SIMPATIA DE SEUS USUARIOS.DIZEM QUE AS PESSOAS, AO MORRER, CAEM DURANTE MuITO TEMPO EM Sono ‘PROFUNDO E ACORDAM EM ALGUM LUGAR. QueRo AcoRDAR AO ‘TEU LADO. +1200 FICAR DORMINDO PARA SEMPRE!4 UM POUCO DE HISTORIA OBJETIVOS ESPECIFICOS Do CONKLUIR © ESTUDD DESTE CAPITULO, © LEITOR DEVERK SER CAPAZ DE PE LOCALIZAR A ESTATISTICA NA LINHA Bo TEMPO; He RELACIONER A PALAVRA, ESTATISTICA COM SURS ORIGENS ETIMOLOe IAS; Dar IENTIFICAR siTURGOES PRATICAS "AS QUAIS | A PALAVRA ESTATISTICA, PODERIA SER ARLICADA, COM PROPRIEDATE -NA EPOCA pO IMPERADOR, César Pucusto i Satu oe EDITO PARA Que Se FIZESSE © = Caio oF Todd 0 HAPERIO icuunelpo Sho! ROMANO. (1) PALAIRA “censot (/ INVENTAR © | DERWA De “CENSERE™, QUE, GRABER: EM LATIM , SIGNIFICA "TAXARS) , Toa 160, 912.8 Bisya, Marin € Tosé VIASARAM PARA Belem. Amine ESTATISTICA ven ve TUS" ESTADO, ex LaTIM). Sos CSSA PALAVRA ACUMULARAM-SE DESCRIGOES € DADOS RELATWOS AO Estado. A ESTATISTICA , NAS MOS DOS ESTADISTAS, CONSTITOIU-SE VERDADEIRA FERRAMENTA ADMINISTRATIVA, SR MinistRo, QueRo’ _wte eZ Are A] UM LeVaNITAMENTO Da BS PRINCIPAIS SONEGADORES ‘PE iMposTos ! 0 cobb nseanse eRe fue se ( ‘i Listens, oRDENOU & g fesse NTAMENTO } ' EIZESSE UM ESTATISTICO 9A INGLATERRA. ESSE LEVANTAMENTO DEVERIA, INCLUIR INFORMAVOES SOSRE TERRAS , PROPRIETAR IS | USO DA TERRA, EMPREGADOS, ANIMAS €_ SERVIRIA, ‘TamBém , DE BASE PARA O CRLEILO DE _IMPOSTCS. TAL LENANTAMENTO ORIGINOU UM VOLUME INTHULRDO "DOMESDAY Book" Reonn 61, FR GE DowesDAY” siotiFiCA ‘Dik 90 surz0 FINAL’. No sécuro KYIT cANHod DEsTAQUE_NA INGLATERRA, fh PARTIR Dns TABUAS DE MORTALIDADE , & ARITMETICA POLITICA ,DE JOHN GRAUNT, Que CONSISTIV DE EXAUSTIVAS ANALISES DE NASCI E MORTES. DESEAS AUALISES RESULTOU A CONCLUSAO, ETRE OUTRAG, DE Que A PORCENTAGEM DE NASCIMENTOS ‘DE CRIANGAS DO SEXO MASCULINO ERA LIGEIRAMENTE SUPERIOR "A DE CRIANGAS DO SEXO FEMININO.(Os NASCIMENTOS REPARTEM-SE Mais ov MENS ASIM: SAZ x rennos « LOY, ve. vernns. Ont... Em 1662 essa conctusio Eve TER CAUSADO ESPANTO! E saigen que a6 TXBUAS DE MORTALIDADE usADas HOTE ELAS COMPANWIAS DE SEGUROS ORIGINARMM Se. BE ESTUDOS esse! A onarth ESTATISTICA co: conn Feo AcADENico aLerRo GOTTFRIED ACHENWALL FOR VOLTA DA METADE DO <éculD Zxyl.* *O vernere "StaTistics” (esmorigrica) aecey WA Enciaorénia Bavranica em 17 OBJETWOS ESPECIFICOS CAPAZ DE Ao cONcLUIR A DISTINGUIR A DIFERENCA ENTRE NaNeURABO € MEDIDA, ADEFINIR © QUE Vem A sex MEDIR MAGNITUDE; A RELACIONAR FUNCIONALMENTE MEDIDA, CoM MAGNITUDE € CRITERIO; A DizeR a CARACTERI DE CADA NIVEL Dt S SoRNTERR NS A IDENTIFICAR A OPERAGSES ARITHETICAS QUE PODEM SER REALIZADAS EM CADA Wer be MENSURAGAO.“Tuvo _PARECE INDICAR, QUE UMA DAS GRANDES PREOCUPAGOES 00 HOMEM E — E SEMPRE Fol — A, PASTS, A RIQUEZA, PORGOES DE HEDICAMENTOS ETC. 25+ SERK QUE BR coanh, VAL DAR ? SuPGE-SE QUE, NA ANTIGUIDADE, 0 HOMEM 0 CAMPO USASSE COLEGSES DE PEDRINHAS PARA NALIAR © TAMANHO DE SeU REBANHO. Sem Ter (ALVEZ) Nogho DO QUE GITRO FAZIR, ELE ISK ESTAVA MEDINDO E JA’ Se UTILIZAVA DE NOGSES MJITO IMPORTANTES DA MATEMATICA: CONTUNTO , INENCIA, ‘CORRESPONI ICI. Pan MeDIR Oo TAMAWHO Be sey RESANHO ELE TERIA FEIT QUEM SABE, 0 SEGUINTE SCADA Vez. QUE UM ELEMENT Do conTUNTO GADO RIRAVESSASSE O PoRTAO Do CORRAL ELE sePARARIA HA PepRA. A GLTIMA A CLE TERIA ASSOCIADO UMA PEDRA CONSIDERADA ULTIMA. 8 i MEDICAO: Men1a TeRRAS , A QUANTIDADE DE GADO No Assim, A wroRMAcio RELATIVA AO TAMANHO DO REBAWHo PODIA SER GUARDADA NUM COHPARTINENTO ONDE COURESSEM AS PEDRAS. Como € Que Esse HOMEM RUDE TERIA, USADO_A INFORMAGRO ASSIM. coUsEGuIDA ? FACILI TODA VEZ QUE © REBANHO RETORNASSE AD PASTO ELE SABIA QUE SE SOBRASSEN PEDRAS, FALTAVA GADO £6 FALTASSEM PeDRes, SOBRAVA GADO ‘OPA! FALTAY PEDeas QUE SERK Que ANDARAM g. APRONTANDO ? TALVEZ ESSA TENHA SIDO A ORIGEM DA MARCAGO PO GADO COM FERRO QUENTE.A PRESERVAGAO DAS INFORMAGSES PELO PROCESSO DE COLECIONAR PEDRAS DEVIA SER TRABALHOSA PROVAVELHENTE "WLUMOSAY. A WWVENGAO DOS “NUMEROS” (isto E,DE PALAVARS CAPAZES DE EXPRESSAR QUANTIDADES) PERMITIU QUE O HOMEM DEIKASSE. De GUARDAR AS INFORMAGOES NUM LUGAR FISICO, CONCRETO, PARA GUARDA-LAS NUM LUGAR PSICOLGICO: A MEMORIA . Mas , ASSIM COMO SE PERDEM PEDRAS , PERDEM-SE WWFORMAGSES GUARDADAS NA MEMORIA. Eo ESQUECIMENTO. CoM & ESCRITA, © HOMEM SUPERA ESSE PROBLEMA. O ALGARISMO — REPRESENTAGAO GRXFICA Do NUMERO POSSIBILITOU- UWE ANOTAR AS INFORMAGOES COMO. GARANTIA CONTRA © ESQUECIMENTO, E Assi Que 5 _BICHEIROS Fazem | MEDIR uma MAGNITUDE (GRANDEZA) SIGNIFICA AROCIAR A ESSA NAGNITUDE UM NUMERO REAL. QuANDO Sc MEDE UMA GRANDEZA , REALIZAN-SE, EM CADEIA, AS SEGUINTES OPERAGOES : * DEFINIGRO Do QUE VAI, SER MEDIDO; ‘@ DEFINIGAO DE UMCRITERIO PARA A MEDIGAO, ISTO E, De UMA ESCALA; eueruRA; # INTER PRETAGRO « SERN ERROA MEDIDA € uma RELACAO entre MaGNITUE, © cringe. FoR EXEMPLO, Se EXISTISSE UMA MEDIDA LINEAR, CHAMADA *PLIM® DE TAMANHO IGUAL A -——41, ENTAO 0 SEEMENTO AB , ABAIXO , MEDIRIA 3 PLINS. Assim: At—t—_+—_ B aa eee dein + 1 Pim + 4 POM = 3 PLIMS Emgora wrecks seta serene WIHERO, AS MAGNITUDES DIFEREM UNAS DAS OUTRAS QUANTO A CLASSE A Que FERTENCEM : ESTATURD , FESO, VELOCADADE | INTELIGENCIA , MRTURIDADE , TEMPERATURA, RELEZA CTC. A PeGOCIAGAO DA QUAL RESULTA A MEDIDA DEVE FAZER-SE SEGUNDO DETERMINADAS REGRAS. GRAMCTICA PA MENS URAG AO! 2 isto €, DA CLASSE A Qué PERTENCE A MAGNITUDE (eratpeza). ; CADA NIVEL SuPSE CERTAS CARACTERISTICAS ASCOUADH PS GRANDEZAS NELE CONTIDAS. ASSIM, HA’ CARACTERSTICAS DE fiver, 2? NWEL , 3?wVeL € 4? MiVEL. A COMPLEXIDADE € 5 INFORMAGAO AUMENTAM CoM o NIVEL. 42 wivee Swivel 42 NIVEL — E 0 NWEL De MeNsuRAghO HAIS BANKO, MAIS RUDIMENTAR PossiVEL. A EscALA De MEDIDA DES NIVEL CHAMA-SE JA. A ease, 0 FUNDAMENTS PARA A ATRISUICAD DoS NOMERDS, de NATUREZA QUALITATIVA , DISTINTIVA. ‘SEXO MASLULINO. CONVENICIONAWDO QUE 0$ HOHENS SERBO DESIGRADOS POR | E A MULHERES, FoR 2, TUDO 0 QUG Se PoE FAZER € ESLREVER O rocesso pe MENSURACEO DerENDE DO NIVEL, —NIVEIS DE MENSURACAO— EXEMPLO = numa saa wa’ 8 ALuMos 5 009 Quals DO 13Joho ——> 1 PepRo —> 1 cARLS—> | HaRia ——> 2 ADRIAWA—> 2 ALBERTo—> 4 Pein — a 2. oTeVIO a4 ou pizer: e Ha 5*4= 5 yomens oR 3”2 = 3 wwuseres 9 NovaR que NRo TEM senmioo HaTEHATico FAZER a opEeRAcAo 3x2=6 , Pos 2 NAO REPRESENTA um QUANTIDADE, As, 31M, UMA CATEGORIA. fa essa RAZAo | exse'2 PODCRIA sex SUBSTITUIDO PELO SiMBOLO Q, DAY RESULTANDO 3 Q = 3 MuLHERES. No f? Nive os ALGARISMOS. TE caRA De NOMEROS, MAS. no sho NUMEROS + Sho EXTEGORIAS | 4 Esse EXEMPLO MOsTRA QUE NO {2 NIVEL NAO Sho POSGWVEIS OPERAGOES ARITHETICAS COM 0S VALORES ATRIGUIDOS “AS VARIAVEIS. 0 1? NIVEL PRESTASE A CODIFICAG SES & ESTAS COMPORTAM , ND MAIO, CONTAGENS. Ov1R0s EXEHPLOS DE MAGNITUDES (6RANDEZAS) DE 2 wveL: NUMEROS DE TELEFONES: soRo 292-3544 ; PepRo-> 704-2444 PLACAS DE AUTOMOVEIS: DF 9024 (cagto on ADRAUA) MK {764 (cARRO Do Luis) CAMISAS DE JOGADORES: veué > 10 Bipu> 4 QUNNTO OK 4 292-3541 701-214 22 NWEL — Esre niet sw é um pouco HANS ELABORADO QUE O ANTERIOR & CORRESPONDE AO QE PORULARHENTE SE DESIGNA 702 ORDENACKO; REEALA de MEDIDA clanase ORDINAL- PS @RANDEZAS De ZP NIVEL PODEM SER MIALIADAS EH TERMOS De MAIS QUE ov MENOS QUE, EH50RA ® QUANTIPI PRECISA sesA IMPOSSIVEL.EXEMPLO = As NOTIG ESCOLARES — RESULTANTES DE FRONPS TRADICIONAIS ¥ —PRODUZEM HENSURAGOES DE ZWWeL. ASM, 5€ TORO TiRov B & MARA, 4, & POSSWVEL cONcLUIR Que Joho SABE MAIS QUE Mania, EMBORA NAO se DossA CONCLUIR QUE TORO SABA O DOBRO 50 GE ELA SABE. A ArR\BuIGhO DE NOTAS PEL METODO TRADICIOUAL & ALGO FALACIOSO , QUE SOFRE AS CONSEQUENEIAS DAS VaningZes De HUMOR, cRITERIO , FADIGA EXC. DO AVALIADOR (PROFESEOR). ENTRO , HVDANDS AS CIRCONSTANCIAS DO PROFESSOR (RELATIVAMENTE AS MESHAG PROVAS € AOS MESMOS ALUWCS), TOKO FODERIA Ter Tieado 6 6 Nowa, 5. (© PROFESSOR ESTAVA BeM-HymORABO en, << Toro sage (0 0dBRo 00 Que sage Mania (6+4 FoR que (65) niko ow 2?! Aco que ¢ porque No 2 WEL NAO Tetn senTIDO FAZER ESSA CONTA | * Prova TRADICIONAL # Prova OBTETIVA. ERREEET OMe Colo A MULTIPLICAGAO € UMA ADIGAO ABREVIADA & A Divisho, UMA sgTeagto anction NBO SENDO PossiViels as OPERAGSES DE X + , Mio ' fo “TAMBEM, Posh ,10 21 NIVEL, oe De + G0 = “TIRE! As sesuinEs NoTAS (com PRQuns TRADICLONAIS) on usan:8, 9 «4.0 POEEHOR OSE QUE MMI neon € 7. Cento? > aRACO! PARA ENCOUTEAR T FORA re mS seaunrtes Ore Rngies :(B+9+4)+3= 2 © NRO. E POSNEL encen apices com GRaNDEZAS (WARIAVEIS) De 2? NEL! RINDA 1 corns FIORES: uM ALUNO GAWHA 8 EM WistORIA E PERDE 2 oR MAU COMPORTAMENTO, Vin PARA cASA com © Que MATEMA‘TICA E Essa Que PERMITE FAZER: Bronares - 2 uananses= 6 7oHATES) Mr se a MATEMATICA NBO AUTORIZA R OPERAGHO, POR QUE AS ESCOLAS CONTINAN A, “TiaAR MEDIAS? acs Feo a € Po na MANDA eee) sé FAGA... IIE 47BP NIVEL — E no 3° NileL Que suRce , PELA THEARA VEZ, UMA ESCALA DE MEDIDA ProPRinMente’ diva. En cscacal NTE RMALAR CARACTERIZADA PELA EXISTENCIA De + ‘ofa UNIDADE. DE MEDIDA ( ARBITRARIA, Pore FIXA); + UM ZERO RELATINO, isto € ,CONVENCIONAL. EXEMPLO= As escauas texvondrmicas. 0 2600 ¢ COWENCIONAL EA TODAS, EM COMO A DISTANLIA ENTRE Doig TRAGOS CONTIGUOS — OS CHAMADSS GRAUS. As UNIcAS OPERAGGES PERMITIDAS con os ) PRAPRIOS VALORES NO 3? NIVEL, S80 ADICRO (NEM SEMPRE, oo suBTARERD, ws en HIPOTESE ALGUMA MULTIPLICAGRO ov DIVISKO. 18 Assim, se 0 coro A esta’ a 40°C € outRo,B, A | 40°C no TeH seNTIDO vizeR Que A é “QuaTRo \EzEs MAIS QUENTE™ ave B sd porque 4041024. | ° pAIyP f AGORA ME EMIGANANE! TOOO! @ DA’ PRA EXPLICAR UM POUCO MELHOR? 9 DK! Mas, pan vss0, voce PRECISA ‘TERA MRO A SeoUINTE FORMULA PE CONVERSFO TeRMOMETRICA: F22cC+32 A scouINTE TRBELA AUDA A PENSAR: | boy 3 A Fosse 4 VezeS MAIS QvenTe que B | 6 poRGvE 40°C + 10°C=4, a RELAFAO DEVERIA MANTER-SE QUANDO SE PASSASSE DA EECALA CELSIUS | PARA A FAHRENHEIT. Mas 1680 NAO OCORRE , COMO Pope Sen VERIFICADO A SeGUIR: 40°C > 104°F } 104°F = 50°F = 2,08 40°C — 50°F =Vamos VER SE ENTENDI.ENTRO com AS DIFERENGAS POss0 FAZER: = oS) as ‘i rupo Bem! E VeIA QUE ESSA AFIRMAGAO NRO DEPENDE, Dh ESCALA DE MEDIDA, PoIs: 40°C >40°C 104° F > 50°F, E wreeessanTe NOTAR QUE COM AS DIFERENGAS De 32 AIVEL TORS AS OPERRCES ARITHETICAS SAO POSSIVEIS. E sd OBSERVAR A TABELA ABAIXO: 42 NIVEL — 0 42 niet DEFINE A CHAMADA ESCALA ve RAZAo OU RACIONAL . cx ESCALA E MUITO PARECIDA CON A De 3? Ni EXCET QuANTO A OQRIGEM:0 Z6R0 © ABSOLUTO, isto € ,€ 2eRo HesMo. Ex FUNGRO DIGKd, TODAS AS OPERADeS ARITMETICAS PASSAM A TER SENTIDO E, PORTANTO, NAO HK CALCULO QUE NAO POA SER FEITO. DIFERENCAS EM OF EXEMPLOS = 205-77, 15 om}; 2.608 hm*; , 500 & sho aie ae Ss neces Ea (205 w+ 300m) #12 WS 4 (BE) ENTRO: cecaua ceLsvs | ESCALA FAHRENHEIT G0=3%20 106 = 3% 36 Th a i sg _——CONTAGEM A CONTAGEM IK ge FEZ REFERENCIA NO INICIO DesTE cAPrTulo. DR CONTAGEM SEMPRE | REsuLTAM WOMEROS INTEIROS E COM ELES sho POwIVEIS TODAS AS OPERAGOES ARITHETICAS. ‘Ol «, AMOsTRES, 3 mba DESCRITIVA ESTANMOTRCA’ INTFERERUCAL, OBJETIVOS ESPECIFICOS Po conuwin 0 eta zee cAPiTULO , © LEIToR DEVERN SER cA * DISTINGUIR & “TerRWWEL’ Ter DE ‘DIFERENY ENTRE PERTENCER “A ‘POPULAGKO VARIAVELS & te Tennant CONSTANTES; + Dag efeHPLOS varus ‘QUALTTATIVAS QuaNTITATIVAS, o NOMEAR, Si carecrensaricns De UMA POPULAGAO & ve uMA AMOSTRA; * cONSTRUIR UMA AMOSTRA A PARTIE, DE POPULAGAD; UMA DADA. + EXPLICAR A DIFERENKA Ente ESTATISTICA DESCRITIVA & ESTATISTICA INFERENCIAL ; 3 TERMOS * ESTAMISTICA C” PARRMETRO.Rs Pessons ne Umm cOMUNIDADE FODEM SER, ESTUDADAS SOB DINERSCS ANGULOS. FoR ExenPlo, PODEM SER CLASEIFICADAS QUANTO AO SEXO (uascuLino / FEMiNINO), QuANTO "A ESTATURA (paren | MEDIA | ALTA), QUANTO "® RENDA (PosRes / Ricks) Ere. SEXO, ESTATURA, RENDA sio VARIAVEIS, isto €, S50’ PROPRIEDADES ‘hs Quais Popenos, ASSOCIAR CONCEITOS ov WUMEROS € Assim EXPRESSAR , DE CCRTA HANEIRA INFORMAGSES SOB A, FORHA De MEDIDAS. Miu ? Vocé For ELEiT 0 nawico™ 24 oa vuRMA!) f DE CERT MAIEIRA SIM. cuanoa MEDIDA QUALITATIVA. Mes vocd Pose ASSOCIA A MAASCULINO 0 Net eA FEMININO 0 Ne2, emt E UMA FORMA DE MEDION? POPULALAO* ¢ anrcver cous ve INFORMAGGES QUE TENWAM,, ENTRE St, UMA CARACTERISTICA COMUM. TeHos 2s PESEONS DA CHTADA COMUWNDADE. O CONTUNTD be TODAS fs EstATURAS CONSTITUL UNA POPULAGKO DE ESTATURAS; 0 consUNTO De TODOS 05 Pesos CONSTITU UNA POPULAGAO DE PESOS; 0 covsKnrT> De TODAS AS CORES De OLHOS coNSTITUI UMA POPULAGAO CE Exavamente! © que mporta é & VARIAVEL ESTUDADA. Voc Pope TER UMA POPULAGKO DE PESOS DE RATOS Ov DE COMPRIMENTOS DE MINHOCAS. Esrarianico rem ADA IDEIA, ‘Merteno 0E SOPULACEO?... E071) —— os 'POPULAGAO ov UNIVERSO 2SE UMA POPULAGKO FoR MUITO GRANDE (FOR EXEHPLO, (© CON SUNTO DE TODAS A ESTATURAS De UMA COMUNI- DADE) 0 PESQUISADOR PODERA TER UM TRABALHO ASTROVOMICO PARA ESTUDK-LA. E EM ALGUNS CASOS (OS RESULTADOS SERBO SEMPRE FALHOS. SE QUISERMOS FAZER UM ESTUDO DAS ESTATURAS (QUAL & ESTATURA MEDIA?) PODEREMOS SIMPLIFICAR O TRABALHO COLMENDO UMA AMOSTRA DE, DIGAMOS, 40 ALUNGS E ESTUDAR © COM! MENTO DA’ VARIAVEL ESTATURA A\PIENIANS ves runes. E 58 PENSAR NO NUMERO DE NASCINENTOS | MORTES DiKe\Os Isto €, NA ENTRADA E SAI INFORMAGOES, PABA AVALIAR A DIFICULDAE 'E A IMPRECISAO 30 ‘A VARIXVEL ESTUDADA PODERIA SER’ WTELIGENCIA ov NP pe FILHOS ? ‘CLARO! Cono PoneRIAM SER OVTANS AS VARAVEIS? NP DE CARIES, NOTAS EM HISTORIA Ov RENDA QUEM Gy QUISER PARA 7h MINHA, AMOSTAA? 56 05 meus Amigos? IMPARCIAL! ~ UMA AMOSTRA , PARA Se. BOA TEM DE sex REPRE- q SENTATIVA, ov Se3A, DEVE CONTER Fi EROPORE RD TPO i © QUE & PEPULAGAO POSSI QUAL QUANTI TATIVAMENTE. rem 5c sem IMPARCIAL sto 6 “TODOS OS ELEMENTOS DA POPULAGAO DEVEM TER IGUAL j OPORTUNIDADE DE FAZER PARTE DA AMOSTRA. 1 LS pep 00 S Tk comecanno & 2B °° Rais Nesses casos, © ESTATISTICO RECORRE A UMA (7 AMOSTRA, Basiconnente eae nyl win Repu se Da FORU s NORES, SEM BAS cARNCTERISTICAS ESSENCIAIS. ‘Lego ASU aeiLGS, Pom ExEMPLO, IMAGINEMOS UMA EscOLA com 400 DA AMOSTRA, MAS NAO TODOS. ALUNOS (HENINOS , IDADES ENTRE © € {6 ANOS), 2e a7Vavlos suPOR, MGORA, QUE Of ZOALNOS DA I9-3éRIE ADA SERIE REPRESENTA UMA, PoRGho (PORCENTAGEM) BO TOL. REGISTRO oz MATRICULA = 4* stm NP NOME Ne NOME Anrdnio Resende ‘Armano Boavenitura Aususto TawBabe Passos 8 Ernesto ALBUQueRQue er 9 Fixvio Teixeira 24 AnténI0 SevERINO 10 Ricagno ANTUNES 25 Anrenor D'KuLA 11 GILBERTO MENDONGA 2 Faulo Fieve; ROA 12 Toxo Lima F2 27 Laerte Rarios F? {3 iusergo Rooeugues | 28 Soko VasconceLas 4 Pavio RoseRro 29° Carios Tisinign’ wy / 6 Ant3aN0 a 30 Dario be Oneirs Esses nimetos “esquisitos* SKO PORCENTAGENS. Eles sevnesentam 1K QUANTIDADE. DE. LUNs, POR SERIE, ho oven ESTAR MESMO IMPOSSINEL QUE, NA HORA DA 05 womes who estho en one ALrABETICAL wa wdiese eS asyemce a SIMPLES. Pama At SERIES (2 x 100=(q075)(100)=75 00, ARR A 7 séniet (#3). $00. (0,475){t00)= 175 55h Fol vennstt Coon AUKILIAR, Que MePata cARauin A REPRESENTATIVIDADE & A ) Wasios supor ave TIVESSEHOS DECIDIDO TRABALHAR IALIDADE & Pacciso ofcDECeR A CERTAS. REGRINHAS: COM wm AMOSTRA De TAMmIHO 40 (BnQu! FoR ime, Ni oN = 400; QUERENOS Se < ESGINTE NOTIGRO tN(PomvLAGho) = 400; * ANKUISE DA POPULAGAD PARA YER se seus ; A TABELINNA, DAP. 28 EsPEciFICA que OS 30 ELEMENTOS DISTRIBJEM-SE HOMOGENEAMENTE. ALUNOS DA 1% SERIE CORRESPONDEM A 75% 00 2 SE FORMAN GRUPOS com, CARACTERISTICAS TRTAL DA ESCOLA. Ewrho, man alc REPRESENTATIVIDADE, PECILIARES, SE FoR ES$€ 0 cmO, TEMOS. E PRecISO GARANTIR Que, NA AMOSTRA ,TAMgeM HAVERA’ BE RESPEITAR Is PROFORGEES com QUE | 75% De ALWNOS PERTENCENTES I seie, Ov SETA: ESSES GRUPOS INTEGRAM A POPULAGAD. 18% ve 4023, * Sorreio (MepIANTE A UTILIZAKO De UMA MAQUINA GERADORA DE NUMEROS ALEATRI 00 DE UMA TABU De NUMEROS, Mexunos) 30S ELENENTOS QUE FARBO PARTE DA AMOBTRA. WeR NBAIKO ExTRATO DE UMA TXBUA DE NUMEROS ALEATORIOS.) Ben, wn’ £ que evrgan 0S WUMEROS ALEATORIOS, ESSeS* NUMEROS PERMITEM, FREER © SONTEIO DOS Hee wm como un APLICADA A CIENCIAS HUMANAS, 2.2. Sko Paurg eHeee Harsra, 1987, % 363. SURO w| owns ews! @ Nomanonul s *Extanibo ok Taseta H pe Levin, nex, ESTATISTICA 30FILEIRA 3( CLARO QUE OS NUMEROS PODERIAM SER QUAISQUER_ OUTROS!) ; DEFOIS, ADOTANDO UM SENTIDO. DE CONSULTA , rox EXEMPLO, DE CIMA PARA BAIXO, DA ESQUERDA PARA A DIREITA. ee *e os Senuinres' 61— 16 ee HIRAI RIAU Br MI Be Auréitio Rezenpe 30 & O7. ‘reapos, NA ‘ORDEM, ‘So 05 seGuINTeS: 16,09 13. 32 NoTE, QUE NiO FORAM CONSIDERADOS os NIMEROS 61,4 € 75 => Porque a 1% stale $6 Tem 30 ALunos. Lose, QUALQUER NUMERO HAIOR aque dO" estx exciuido. EH! EH! Isso DK Un dino TERNO PARA © wey so6uinHO! PRIMEIRO, ADOTANDO uM PONTO DE PARTIDA,, 70a, EXEMPLO, CRUZAMENTO DAS COLUNAS 5 EG CoM A AgoRA & NER QUEM Sho O$ ALUNOS (NA LISTA DE MATRICULA) QUE _CORRESPONDEM A ESSES NUMEROS E MEDIR sua ESTATURA. OBEDECIDAS ESsAS REGRAS, O5 sionenos sentins Figvio Teixeira Como $3 PREcIsAMoS DE 3, 0S NUMEROS SoR- Humgerto Ronricves$6 NRO fare FoR Que ‘DUAS, Tislen (Se Bea. {10 FicaRInM WAPEDIDOS DE san TRE coLUNAS! Fon PROCESSO ANKLOGO PODERIAMOS SORTEAR OS ALUNOS DAS DEMAIS SERIES E TERMINAR COM UMA TABELK ASSIME tho - 150-167 {hO- 142 = 145-158, 445 - 145-150-160 160 = 160-4b1 - Ao 145 ~ 155-160-160 - 169 145 - 155- 159- 160-168-169 154- 159-160- 160- 162-163-168 158- 160-162 - 168- 75- 180- 180 Prowto! AeowA 3K TeMos UMA AMOSTRA REPRESEN TATA DA VOPULAGRO INICIAL. As PESSOAS (No CASO, 8 ALUNOS) PASSAM , A PARTIR DESTE MOMENTO), A Sh TRATADAS COMO ‘| oes (ESTNTURAS) § EM DAR ceadee) A DIVERSAS ESTATISTICAS , cor fox ejcreuo, MEDIA mathe ica, MEDINA, 'MODh, van ICI’, DESVIO PADRI Essas RELAGOES SAO EXPRESSAS PR FéeMuLAs. O oBserivo E FREILITAR e, wKO, cOMPLICAR! Essas RELMGOES ESTATISTICAS POSSIBILITAM DESCREVER , son DNeRSos AUGULOS, © CONSUNTO BE DADOS REPRESENTADO PELA AMOSTRA, Or ESER RAZKO, 0 ESTUIO DESSAS RELAGEES PERTENCE AO CAMPO DA ESTATISTICA DESCRITIVA.O INTERESSE DO PESQVISADOR ESTK VOLTADO PARA A POPULAGAO DA QUAL SE ORIGINOU A AMOSTRA. ELE ESTUDA AS CARACTERIGTICAS DA AMOSTRA(ISTO E, CALCULA AS RELAGOES ESTATIGTICAS) com © OBSETIVO pe TRANSFERIR, De GENERALIZAR suns CONCLUSOES: PARA A POPULAGAQ. A PARTE DA EsraTISTICA QUE SE ITERESSA EI ZACOES, S TRRNSPERENCIAS, be COncLUCoES oe AMOSTRAS PARA AS POTULAGGES , CHAMA-SE ESTATISTICA INFERENCIAL. HUNF! ExcESs0 DE TRANSFERENCIA! cosnaayo NA TRANSFERENCIA DE suas concLusées (A resmsn HRN B RMLNGHO,O TESQUEADOR VALE. BE uM PoncRoio RecuRso Que EA TEORIA DAS PROBABILIDADES . Essa tconin reamite AVALIAR (E CONTROLAR) o TAMANHO DO ERRO Que ELE Esta COMETENDS Ao FAZER, GENERALIZAGOES (= INFERENCIAS). re wl AS (Fs -. K que o ERRO € PROPRIO DO seR WOMANO, O-JEITO € APLICAR UM RECURSO QUE MANTENHA 0 ERRO <0 cONTROLE. MELERIR F cenoa ALAN ESTATISTICA 2000 sx . : Rencionabns Methven BS RNSEntio, MEDIA ARITMETICA,, MEBIANA OU MODA $0 estaristicas! CoMo TAMBEM LISTAR OS DIFERENTES TIPOS DE GRAFICOS ExXiSTENTES; DISTINGUIR ENTRE REPRI > ULAR c REPRE! RES Ee ica, > CONsTRUIR INTERVALOS de DIFERENTES THPOS E MEDIDAS; > cas UMA TABELA ONDE APARECAM INCIAS ABSOLUTAS POR CLASSE ; PH CONSTRUIR UMGRKFICO A PARTIR DE UMA TABELA. RAFICO DE APROVEITAMENTO ale $6 Nao ENTENDI POR QUE O MEU ERAFICO Ficov e caneca Fas" aavx0!Um outmo TIPO 3E REPRESENTAFRO QUE ATUDA MUITo A COMPREENDER UM FENOMENO A REPRESENTACAO TABULAR. WS Og RETOMEMOS A TABELA APRESENTADA NA? Slt COM AS ESTATURAS DOS LO ALUNOS AMOSTRAIS. ‘ReyINDO OS ALUNOS EM FUNGAO DA ESTATURA, © QUADRO. PODERIA FICAR ASSIM: ESTATURA QUANTIDADE (em) DE ALUNOS, RRepresentan GRAFICAMENTE SIGMIEICA FAZER um DESENHO Qve SINTETIZE ve Mancina CLARA, ©. COMPORTAMENTO DE UMA OU MAIS. VARIAVEIS.. REPRESENTAGAO COM TABUAS??!! N&O SERIA UMA REPRESENTACRO FoR EXEMPLO, A ESTATURA DE UMA JOVEM, MuITO VOLUMOSA? Nos GLTIMOS QUATRO ANOS, PODERIA TER VARIADO ASSIMS VEM0s , PELO DESENHO (GRKFICO), quE Nos TRES ‘PRIMEIROS ANOS ELA GANHOU ESTATURAY JA” NO QUARTO ANO SUA ESTATURA PERMANECEU ESTAVEL. A & Es US o @ )-woeaanasunnnaan 40 =ToTAL 1950 1990 ENTAO EU YOSSO COMUNICAR EIS com uM oRAFICO?!! 4hUnizaNno-Nos 3x Nocko pe INTERVALO* POPEMOS APRESENTAR OS DADOS DA TABELA ANTERIOR DE MODO SEM MAIS RESUMIDO. ToR EXEMPLO, SE REUNIRMOS AS ESTATURAS QUE VAO De 140 om ATE $45 orn (EXCLUSIVE), De 145 om Até 150m (ExcLUSWE), DE 150 om ate 155 om (EXCLUSIVE) E ASSIA POR DIANTE , COM INTERVALOS DE Sem , OBTEREMOS UMA NOVA TABELA COM © SEGUINTE ASTECTO: DE ESTATURA QUANTIDADE DE ALVNOS: (om) (AGRUPADOS FoR CLASSE) ve HOw ths 3 re 145 & 150 5 pe 150 a 155 2 ve 155 a [60 7 Pe 160 A 605 14 De 165 4 (70 6 ve ATO A 175 ° ve 175 a 180 { pe 180 4 185 2 40 fg, COSTUMA-SE EMPREGAR O siMBoLob—(que s¢ LE: “INTERVALO FECHADO "A ESQUERDA*) PARA. INDICAR INTERVALOS DO TIPO ACIMA. ENTAO, REPRESENTANDO. AS CLASSES DE ESTATURA Po X &'A QUANTIDADE DE ALUNOS (VOR CLASSE DE ESTATURA) FOR Yj, ATABELA FICARK ASSIM: F DADA A seQuENCIA: 1,2,3,4,5,6,7, INTERVALO ABERTO: {8 22.3,4,5,6,7 INTERVALO FECHADO: {1—1B= 1, 2/3, 4 INTERVALO FECHADO "A ESQUERDA i—6= INTERVALO FECHADO ‘A DIREITA: {—418=2,3,4,5,6,7,8 44 HO -— 14S 145 -— 150 150 -— 155, 155 +— 160 100 -— 165 {05 -— 170 ee = 180+— 185 neosFvnow ~ $ ATEN AO: 0 wrervato Fose 18 0 TAMANHO QUE VOCE QUISER. VESA A SeeuIR_O Que CORRE COM A TARELA SE 0 INTERVALO FOR DE TAMANHO 10. =-£ VEIN 0 QUE MONTECERN COMIGO Neos DE EAFUEAR 570! 140 — 150. 150 -— 160 | {eo — 110 20 170 — 180 ' 480'— 190 a 40 ‘A pRordsiro, © TAMANHO DO )) mreRvato vs cea’ ieapo DAQUI PARA A FRENTE POR A.PoDEMOS OBSERVAR Que ® MEDIDA Que +h se rorNA MANOR & “ABcLA Val ENCURTANDO, 1510 €, VAL FICANDO com MENOR Wimero pe CLASSES (caTEGORING | INTERVALS). Nossal! Num caso EXTREMO & TARELA PODERIA FICAR ASSIM: lem) [me 40-490 1 40 7, ni, é um SIMBOLO.Em Lear ve REPETIR WNOMERO DE. PESSOAS", "NUMERO DE_RATOS® ETC., FALA-se_EM FREQUENCIA ABSOLUTA POR CLASSE & RerReseNtASe FOR Nj. ENTENDERAM 77? a HUNF! COMO FAZEM PERGUNTAS!!... 2+. MAs AGORA QUEM NAO ENTENDEU ion ro EU FoR ve esse 2°? QUE NAO E sé? feu & mintn ENORME Boca! ‘Fercwntes! Oune af ‘Brave on; E UMA vARIAVEL 0 %i* REPRESENTA AGI QUAL oO 1" SE REFERE AMOS? NA TABELA DA ® 45 ,onDE Az 100m | Gay 8), (a= 9), (ng 20), Gage} (ng 22)" a 40 ENTAO NA TABELA ONDE h=5 emo nz & Yevat AO. A soma de ToDes O5 ' VALE 40 © REPRESENTA-SE ASSIM: rn __ EXISTEM winlos TH¥0S DE SEPRESENTARSES GRAFICAS. OS MELHORES GRAFICOS SAO 05 QUE PRIMAM PELA SIMPLICIDADE £ CLAREZA. GRAFICOS PLANOS GRAFICOS PLANOS SKO DESENHOS QUE NKO SE UTILIZAM DE PERSPECTIVA , ISTO E,50 RECURSO VISUAL DE PROFUNDIDADE. DEFINEM-SE EM FUNCAO De DUAS DIMENSOES:ALTURA & LARGURA. Os @rxFicos PLANS MAIS COMUNS sKO: * DIAGRAMA DE COLUNAS; + DIAGRAMA DE BARRAS ; * HISTOGRAMA ; + POLIGONO DE FREQUENCIAS. *O sina, © 1é-se SOMATORIO.E ua Letra GREGA (ComRESPONDENTE AO S LATINO) USADA TARA. INDICAR A KDIGKO ‘DOS TERMOS DE UMA SERIE. 47O-FONTO DE PARTIDA DESSES QUATRO GRKFICOS E SEMPRE © MESMO: Dois SEGMENTOS Que TEM ORIGEM COMUM € FORMAM ENTRE si UM ANGULO RETO, TOE, um ANGULO De 40°, 4 § A M Dd A E Varios 93k EM FORMA GRAFICA A TARELA DA v.45 , onde Kz 10om. “TeacaDos © E1F0S ORTOGONAIS, VAMOS ABOTAR ARBITRARIAMENTE.-DUAS, UNIDADES DE MEDIDA! UMA PARA 0 E1XO VERTICAL — Que REPRESENTARK 0S mi— E OUTRA PARA oO Exo HORIZONTAL — que REPRESENTARA 05 X (cLAsSES | CATEGORIAS | INTERVALS: DE ESTATURAS), PARA CADA INTERVALO NO EIKO HORIZONTAL (X) CORRESPONDERK UM VALOR NO EIKO VERTICAL (wiz). ENTRO, TRAGANDO TARALELAS AO EIKO HORIZONTAL A. “PARTIR. DOS"; DA TABELA , VAI-SE FORMANDO, PROGRESSIVAMENTE,,UM DESENHO QUE YLEMBRAY UM CONJUNTO DE COLUNAS PARALELAS. a *Dors SEGMENTOS NESSAS CONDICOES FORMAM UM SISTEMA DE COORDENADAS CARTESIANAS ORTOGONAIS. SEGMENTO VERTICAL CHAMASEEIXO DAS ORDENADAS & 0 SEGMENTO HORIZONTAL, EIXO DAS ABSCISSAS. 48 Assim: ra 3 ay Foe gy $3 ae 38 Eg Ee EL EE BES O[ 140 150950 16040 {70ND 160 160 190 (cunsses DE ssn) eM om OMEGA Ko Mat No EIKO Dos X ? Que DISTANCIA DEVE SEPARAR ELIRDAS A HEDIDAS, que eu VOU "MANTER™ 2» MINHA voaneza |A CONSTRUGAO DO DIAGRAMA DE BARRAS. SEGUE OS MESMOS PRINCIPIOS DO DIAGRAMA DE COLUNAS, MAS AS VARIAVEIS X & Nz MUDAM De EIxo. Assim: Xf T_Vou APROVEITAR PAE BAR (eo) MERGULMO!... OUME AX peSeOnL fe wl ee ence eas mas, si 180 PERPENDICULARES A YARTIR DE DETERMINADOS n,;"s ! As KREAS pESSES RETANGULOS (on) OBS. : A PART PONTILHADA CORRESPONDE AO DIRGRAMA DE COLUNAS. YL LLL Kijy Dizen os renexqueos\//// QUE UM GRKFICOGRAFICOS PICTORICOS ij 2” Os sen, emasicos out se B< pe EXEMPLO s Surouwamos que ¥% fre € €, 75%) Dos QUE\IOS PRODUZ\Dos NO Brasit FOSseM, DE ORIGEM MINEIRA, Isso PODERIA Rowe MEDIA In ARITMETICA, MEDIAN MODA; > ALN A MEDIA ARITMETICA, » ME- DIANA & AMODA De us aRuiD DE DADS j > LOCALIZAR, ene: A meDIA, a MEDIANA ¢ a MODI > nerinin SIMETRIA & ASSIMETRIA En rungho ‘DAS MEDIDAS DE TENDENCIA CENTRAL; O CHEFE NAO VAL GOSTAR DA ASCIMETRIA NEGATIVA... E se ev A FizeR POsiTIvA? AcHo Que NINGUEM ‘™ NOTAR A DIFERENGA!!.., > constauiR uma OGIVA DE GALTON A PARTIR. DE UMA TABELA.we 1S mo pistes none swoene, MEDIDAS sho MEDIDAS, \st0 E, a TICAS, USS VALORES Estho PROXIMOS Do CEI ‘DE UM CONSUNTO DE DADOS. As MEDIDAS DE TENDENCIA CENTRAL By, ESTE. CAPITULO. i ate DIA MITRE ICR MEDIANA © MEDIA ARITMETICA (DADOS ISOLADOS) DE_UM CONTUNTO DE ‘DADOS (= VALORES) VALORES, ISTO E, O NOMERO ‘DE PARCELAS MA DE ( anecs)- e iaaea) QUANTIDADE DE, ) INDIcANDO A MEDIA ARITMETICA POR X BARRA) A SOMA DE TODOS OS VALORES POR X, £ 0 NUMERO DE PARCELAS Tor 1 ,vEM: O simeoto =X; LE-SE : SOMATERIO DE TODOS Xilws-2), GANDO i VARIA DE LAM. Po A Media aprericn ve 2,5, 8, 13, 1, 30, 50, io, ey 7508413 + iisibsanragedtta 40 20 Capa VALOR comet ALUM Xe, Assiets (122), (X25), 000, (Xp =40), (Kyo? 47). =Y;-200, ENTAo ¢ ** - n=10 © X20 IMPORTANTE: A méDin ARITMETICN E O VALOR QUE Pope SUBSTITUIR topos 05 VALORES DA VARIAVEL, isto E, Eo VALOR QUE A YARIAVEL TERIA = =m vez DE VARI Ela Youse CONSTANTE.(MEDIANIA (panos 1soLapos) (Sere) oats ) & papos(evaLores)/ \ QuauriDAbe De DADOS. INDICANDO A MEDIANA POR Md & o NUMERO DE. PADOS POR TL, DOIS CASOS DEVEM SER CONSIDERADOS: Sim) CADR CASO E UM CASO, E TENE ‘SER ANALISADO COM MUITA CAUTEL Esta FORMULA INDICA O TERMO Que. CORRESPONDE A MEDIANA. EXEMPLO = Carcurse 4 mepiana ve : 9, 26,15, 2,5, 50, 31,44, 21. * PRIMEIRO, ORDENAMOS OS VALORES. 96D secure, APLICAMOS & FORMULA ACIMA. Assint: Tenth det. 40, 2:5 2,5,9, 5.@, 26, 31,44, 50 5? Termo =$>..[Ma =24 a A Ma UM VALOR Bo {PROPRIO CONTUNTO.. STAS_ FORMULAS INDICAM 5 pos TERMOS CENTRAIS fy © Tz) QUE DEVEM SR USADOS No CALCULO DA MEDIANA. | 26 , 15,2, 5,50, 3 * PRIMEIRO, ORDENAMOS 0S DADOS. 1» Devois , APLICAMOS AS FORMULAS ACIMA. Assime phages z 4 2,5,9,@,QO, 31,44, 50 fe ge Davi MEDIANA & UM VALOR TEORICO Que NBO FIGURA ENTRE OS DADOS ORIGINS, ‘DE AVALISAR TODOS 05, cASOS, A CONCLUSAO NAO E ELEMENTAR®, MEU CARO LEITOR 7ChAMANDO A MoDA De Mo, A vaRidver de X As FREQUENCING DE iz , Vem: IMPORTANTE: Quanso ni ¢ A Md & UM VALOR BO paces EONSUNTO; Quanino 1 E PAR, A Md e AMEDIA ARITME- etree ea a— FREQuENCIA (POR 1580, Wo CASO DE PAR, A Freq EDpUA © SEMPRE om VALOR EORICO.) ALIKS, NA PRATICA, OCORRE 0 MESMO:SE A ORIN DAS FESEOAS COMECA A OUVIR OS CLAGSICOS, LEMOS QUE A"MUSICA, CLASSICA EsTK NA MODAY 5 A MAIORIA COMEGA A USAR CHAPEU , 08 “CHAPEUS dus!) (Quen, seu IMO©DA (panos IsoLapos) APARECE MAIS VEZES, 1st =| 0 valom no QUAL eXteIA | associana’ m tReauencin ABSoLUTA. Als ALTAY \in.on po consunta Que MoDA De um consuyto pe |= (PADOS [= VALORES) SEIN CALCULA A _MODA DE: 8,2, 18,8, 10,8, 12,10,6,8, 12.MEDIA ARITMETICA (DADOS AGRUPADOS) _, RETOMEMOS A TARELA DAP. 45. NLA ESTAO, REPRESENTADAS AS. ESTATURAS, EM CENTIMETROS, DE 40 ALUNOS DE DETERMINADA ESCOLA. Varios AGORA CALCULAR A MEDIA ARITMETICA DESSAS ESTATURAS. FORMULAS (PROCESSO BREVE) ‘TK ro00 munpo po1c0 Mesto tL ‘A FORMULA D0 PROCESSO LONGO € BREVE ¢ «50 PROCESSO BREVE E LONGANII! |] PROCESSO LONGO NA FORMULA DO PROCESSO LONGO, Xj REPRESENTA 9 Ponto Meio pe capa cLAsse. Esse Tonto MEDIO A SeHi~SoHA Dos LIMITES DE cADA CLASSE (INTERVALO). Encoutaascs,o¢ Xi's 0 pio sEcpiNTE & (Xen) + (Xame) + (Xango 177,5 3650 *Paah sMPLIFICAR, ELIMINAREMOS 05 fiDICES (SUPERIOR E INFERIOR) Do SEMPRE QUE ELES SA -TENHAM 51DO USADOS 7ELO MENOS UMA Vez ANTES. WHER Avénpice D.PROCESSO_BREVE eee PaRA Que A MEDIA ARITMETICA PSSA SER CALCULADA PELO PROCESSO BREVE & PRECISO QUE *0s Pontos MEDICS FoRMEM uM) RESSA UMA PROGRESSKO ARITMETICA? ots 2) ses, constanre. 4: hee Que necdcio ¢ esse. eh?7 @ | IF Pe e Percesen 7% ah Regn 90 PRocesto BREE usn 9 AO QUAL CORRESPONDE. § MA FREGUENCIA ASSob yA See righ tA AIOR PROVISORIO DE X (Xp). Se esse vaLon PROVIGCRO (esrmuiva) esTiveR conRETO, “Yor EXEMPLO, NA TABELA DA ROS, De hg e Les NO WTERVALO DA IP cLagse: MAOH 16: oh Se, entaeranto, K# Kp, A vistorgko ser ah Que, esse cro, Nessa FdRMULA APARECE UM simgoLo Novo—di —QUE REPRESENTA UMA VARIAVEL DISCRETA (so VALORES INTEIROS) QUE COMEGA EM O. E VAt AUMENTANSO DE 4 eM { TANTO PARA © LADO ROSITIVO COMO PARA © NEGATIVo.O ZERO Fick NA ALTURA DO MAIOR Wi (MAIOR FREQUENCIA) ;05 VALORES NEGATIWOS FICAM Do O Pata cima(t)e 05 PosITINOS, Bo O waRA BAIYO(¥). Assin: HO -— 145, 145 150 150}— 155 455 -— 160 160 -— 165, 165 — 170 170 — {75 115 — {80 {80 — 185 Fura Sl r-oe ral t En, Zain;* ®Nlessns Notages, Tob0 0 canes ANA E Povco! OBseRVAR Que Zain: # Sdini. >[EDIAINA (panos AcRUPADOS) VAMOS RETOMAR A MESMA TABELA € CONSTRUIR, Nova coLUNA: Ni. Nessa coLUNA VAMOS EScREVER ‘n,'s ACUMULADOS No sentipo DescenDENTE. 159, 875 om IDS FICA MAIS FACIL? 4 Ossenvun ave osrvemos 0 Ho Ake. MESMO VALOR 3K CONSEGUIDO 145 1-— 150 ANTERIORMENTE. ae 15S+-— 160 4 —> Ibor— {65 (..E voc SABIA, MINA QUERIDR, QUE PLoS DoIS ma. PRCCESSOS 0 RESULTADO © GERALMENTE 0 MESMO? ese 170 Pols €, AS PEQUENAS DIFERENGAS que OCOREEREM Seto EMIDAS A ARREDONDAMENTOS, Mas se VOCE Aro tis TINER Dé OPTAR Por um 175 — 180 10s PROGESSOS | OPTE 180-— Peto BREVE. Dx rtenos Bor= ee TRABALHO, LIDA COM | NimeRos ‘meNones, € MAS RAPIDO E TEM Este ULTIMo vALoR DEVE! PVCS ARREDONDAMENTOS. SER SEMPRE IGUAL A Sn, E MAIS, Su Bt aX. £ 7 Clip-on Fru nae Vamos acorn cncovrean o Lucan MEDIANO (LMd), 1st0°€ , » CLASSE (INTERVALS) ONDE A MEDINA, DRIERK siTUAR-SE. PARA 1950, CALCULAMOS © VALOR DE ‘ARGH! Eu oPto POR mee E 3. wish 2 ah | ove are co ue HO 2Sa Peers coun N; DE CIMA PARA IN (DA vrvos AGRUPADOS) x0 SPA Bienmee ave * nko CABE em 3 net em 10 er. mas CABE em 34. Entio, o LUI MEDIANG ¢ a 5% ciasse, ousesn,,! teonee EHIEH! Acora & ENTRAR NA NNQss J. secuinte rogmuca: fara 0 cKLCULO DA MODA VAMOS USAR A EGVINTE. FORMULA: * n . arene), Mo: + [aa =) Jno Jiao > Limite INFERIOR 9s curse ** 22 MAIOR FREQUENCIA ABSOLUTA (isto ¢,MAIOR 1;) ame 7 Ti ANTERIOR a0 MAIOR nz No & MAIOR viz DA TABELA pmo; POSTERIOR so MAIOR ni Ryo & 5h Que connesPonDe ® CLASSE MODAL. n Sig > LIMITE INFERIOR Da cLasse meDIANA Nama*Ni ANTERIOR Ao vo LMa Twa 77: PA PROPRIA cLAsse MeDIANA Fg DA CLASSE MEDIANA ENTAO: z 20-17) 5 » Ma. 160 (20-17 ) 52 ENTRANDO NA FORMULA COM 0S DADOS DA MESMA TABELA , TeMOS: E t= Noe 33 No= ox teal 8 162,33 om *Essn rdnmuta & veviDA A CzUSER. "Ecce CLASSE DENOMINA'SE CLASSE MODAL. =| to, 68ReTomanno os vaLores ve X,Md & Mo, VERIFICAMOS QUE: INICIALMENTE CONSTRUIREMOS UM HISTOGRAMA. UBUIR,, LocALIZAREMOS X, MA € Mo. 159,87 50m) < (Md= 164 ,O7em)<(Mo=462, 330m Como o PRdPRIC Nome succRE, VALOR pA MEDIANA veve estan EM ALGUM PONTO ENTRE © valor DA MEDIA = o vaton pA MODA. Nko é Que ev ESTEIA DUVIDANDO DA SUA CRIATIVI- DADE, MAS EU GOSTARIA DE ENXERGAR 0 quapro pA, SALA DE VISITAS, Se Fosse POSWVEL“LIXAR” ESSE HISTOGRAMA DE | IN QUE TODAS AS SUAS QUINAS FICASSEM ARREDON- ] ADAG, corpus UMA FIGURA SUNIG DENOMINADA LIDA. ; RET SNcAMENTE, eXISTEM THES 10S DE GURUMS FOLIDAS! (curva rssimeraica | G) Cunun rsoiméraica POSITIVA Eu PENSE! QUE ERA Pasa A UNIAO !] SALA DE RE ! Fa lade Pann ENXERGAR esses VALORES ,VAMos USAR RECURSOS Do CAPITULO 4 € CONSTRUIR ALGUNS GRKFICOS. SIMETRICA | HK UM SEITO DE FAZER 1550 MAIS FACIL. 70A curva ¢ nssiméraicn NEGATIVA em A forque 0 sev LADO IGADO PRosetA-se PARA © CAMPO DOS Nivenos NEGATIVOS. Basta vex QUE A ORIENTAGRO DO ElXO DAS ABSCISSAS E —® OU SEIA, DE PARA 6. caso DA cuRVA B, A ASSIMETRIA E POSITIVA, foxaie “LADO. ALONGADO caninin No MESMO SENTIDO que 0 co DAS ABSCISEAS. MODA PELO PROCESSO GRAFICO (ver wsroceana wa v7) => LocaLizan NO HISTOGRAMA h CLASSE MODAL. > Cauzan os seamentos RR € BA, PARA OBTeR Oo PONTO %. => Baixag foR % UMA PERPENDICULAR AO EIKO DAS ABSCISSAS. = RK Mo Eo VALOR (EIKg DAS ABSCIS6AS) QUE. CoanesPouDe ho PEP dessa TERRENDICVLAR. URVAS MULTIIMODAIS Una DisTaavi¢io be FREQUENCIAS fop ais g Be A MoBA. ican, as CURVAS FORMA ENTRE DUAS MaDAS CONTIGUAS, Net rTOt ‘& ANTIMODA (AMo). EXEMPLOS: TORTRENTOS DIFERENTES Lene pee) tNPARA CONSTRUI-LO, MARCAM-SE NO EIKO DAS PROCESSO DE Be Sas Sea ae Oe NY QUE FIZEMOS CoM Oo MUSTRORAMA A SEGUIR, PEARSO! Bixo Yeenicat (oRDENADAS) 5 isto € | DAS. MULAI uniko. Dos, Nis SE_UMA DiSTRIBUIGRO DE Fy eaeucln. FoR IM os Resrectivos LIMITES SUPERIORES UNIMODAL £ POUCO ASSIMETRICA CLASSES RESULTA UMA FiGuRA que TEM MODA foerK, sex APROXIMADA VELA ‘oul FORMA DE S—ALONGADO* € Que EA FORMULA EMPIRICA DEvIDA A PEARSON: OGIVA DE GALTON Mo=3M. Vavios A ELA, UTILIZANDO-NOS DA TARELA JA G7. i GALTON cRIOU UM DISPOSiTIVo Que PoSsIBILIT | Usanyo og VALORES DE XK = Md 3x zg | CALCULADOS,, TEMos: z Mo =3({61,07)~2(159,873) = [03,46 om ] & | 3 | 8 OGIVA DE GALYON oa [8 8 8 8 GaLTON PENSOU NA PRATICA, Pogue De regen ‘ey NAO (| ne FC SSRE BSE LSS AGUENTO AAs!!! RS S23 0 S-ALoNGAdS_& , pe FATO, "DENTADO®. SS POLIDA” © TECRICA. : 74MEDIDAS bE VARIABILIDADE OBJETIVOS ESPECIFICOS Ao conicwvin 0 EStuD0 ESTE cAPiTULO, © LEITOR DEVERA scR CAPAZ DE We RELACIONAR ERUSAS com EFEITOS Pann A IDENTIFICAGRO De WARIAGOES | ke perinim VARIANCIA c DESVIO PADRAO DE UM GRUPO DE DADOS; TENDENCIA CENTRAL MAIS USADA EM VIRTUDE DE SUAS PROPRIEDADES ALGEBRICAS®, Taek TERMINAR: 2 A MEDIA ARITMETICA EA MEDIDA DE 6 2 A MEDIA ARITMETICA SOFRE A INFLUENCIA DETODOS 05 9ADOS.TER 1850, 0 ESTATISTICO PREFERE, MS VEZES, TRABALHAR, COM A, MEDIANA— ave Niko sorge A INFLUENCIA DE VALORES EXTREMOS(MUITO ALTos ou MU\TO BAIKOS ). FOR EXEMPLO , NUMA PESQUISA SALARIAL, A MEDIANA Tenbe A "REFLETIR, MELHOR" A REALIDADE SOCIAL, PRINCIPAL MENTE QUANDO AS DISTANCIAS ENTRE OS. QUE_GANHAM POUCO E OS QUE GANHAM MutT Sho ENORMES. + Curpane com A MEDIA agrTMerics.. ELA * REQUER INTERPRETAGAO. TOR EXEMPLO, & caLcULAR A VARIANCIA ve um se za By A comeR 2 reanicns & GRYPo DE DADOS; A Pessoa B, NeNHUM, EM MEDIA cADA Pessoa TeRX “comipo® f FRANGO. SS que YK carcutar o DESVIO PADRAO ve UMA DELAS VAI TER INDIGESTAO E A UM GRUPO PE DADOS. OUTRA, UMA FOME DE DOER... | Como vocé CONSESUE, PANTER © SEU $aLD0 BANCARIO SEMPRE EstAVEL? E simeces! Sempre sem DINHEIRO, A ypaIANCIA Fh wasuReza peste LIVRO WRO COMPORTA ESTO AUGEBRICO BA MEDIA. ToGe» warurezn rosse ESTAVEL, se as MESMAS CAUSAS PropuzisemM SEMPRE os MESMOS. EFEITOS € Bem TossiVEL QUE 0 HOMEM NUNCA TIVESSE DESENVOLVISO A Nogho De VARIAGAO.. Mas a REALI~ DADE € OUTRA!O MUNDO ESTA EM PERMANENTE. OSCILAGAO. ASSIM CoM 0 HOMEM SEMPRE 3€ PREOCUPOU COM "MEDIR AS COISAS® (EXTENSRO DAS PROPRIEDADES, TAMANHO DoS REBANHOS, QUANTIDADE DE DINHEIRO EfG.), PREOCUPOU-SE _TAMBEM COM A CRIAGEO DE. MET SOS MATEMATICOS QUE LHE POSSIBILITASSEM, MEDIR AS VARIAGOES ocornipas. , AO CONTUNTO DAS MEDIDAS, Isto DAS ESTATISTICAS ve De UMA Das 10 ressons oBsen- Wwors soMenire | NiO ESCORREGO NA CASCA De| BANDA we SORTUDO Esse cara! carver peu-te'o. tome be MEDIDAS ‘De VARIABILIDADE. Emsonm exisrio VKRIAS MEDIDAS DE VARIABILIDADE, VAMOS OCUPAR-NOS, NESTE LWRO, DE APENAS DUAS: VARIANCIA |e DESVIO PADRAO 78 IMAcINEMOs DoIs coNSuNTos (A £ B) DE ATIRADORES, 0s NUMERO, Nos QUADROS ABAIXO, BRO-NOS 05 ACERTOS DE CADA 'ATIRADOR, 05 TOTAIS DE ACERTOS E 0 NUMERO DE ATIRADORES DE CADA CONTUNITO ®. CONIJUNTO A: 8,9, 10,8,6,11,7, 13 TOIL DE ACERTOS: 72 TOTAL DE ATIRADORES : & CONSUNTO B: 7,3, 10,6,5, 13,18, 10 TOTAL DE ACERTOS : en peR‘aMos AGORA FAZER A, SEOUINTE FERGUNTA: QUAL DoS GRUPOS DE ATIRADORES E MAS ESTAVEL? Ou, EM QUAL DOS ares VARIAGAO ENtRe 05 01 DesemMPentos & MENOR? Estados ADHITINDS QUE A VARIAVEL TENHA DISTRIBUIGAO NORMAL.Reconnen A MEDIA ARITMETICA Dos ACERTOS NAO_RESOLVE 0 PROBLEMA (EM AMBOS 05 cASOS , 4 AcERTOS); CONCLUIR QUE OS cONSUNTOS Sf YOUALMENTE ESTAVES TAMBEM NBO DK, POIs NO CONJUNTO A 6 acenas vaninaien ve AMPLITUDE M De CONJUNTO B (0S ACERTOS VARIARAM PE 3A 1B. 2 AMPLITUDE TOTAL ce. VARIAGAO = 18-3215 AcERTOS ORA, PARA DIZER QUE ALGO VARIOU, PRECISAMOS, PONTO te REFERENCIA. E ESSE PONTO VAI SER MEDIA. ARI ITRIETICA 75 EADA const (rebin Que, FOR COINCIDENCIA , ¢ icvaL em Ac 3). FARA SABER COMO & DISTRIBUEM Os NALORES EM TORNO DA HA, VAMOS , EM AMBOS: OS CASOS, FAZER 0 a Stine © SUBTRAIR DE CADA VALOR A, MEDIA ARITMETICA DO CONSUNTO. Ao QUAL PERTeNCE; ¢ © ELEVAR_CADA DIFERENGA ENCONTRADA AO QUADRADO; S26 SOMAR 05 QUADRADOS; #8 8* DIVIDIR A SOMA DoS QUADRADOS. PELO NUMERO DE PARCELAS. 80 CONJUNTO A* CONJUNTO B maremaricamente 64 =] 20,5 ge Zx120 lov qe 8 EyitO). Ewrko, 0 RECURSO E ELEVAR AS DISCREPANGIAS AD QUADRAO E ELIMINAR. ASSIM O-EFEITO DOS SINAIS, PARA EVITAR CONFUSOES, A VARIKVEL "NUMERO DE ACERTOS SERX DESIGNADA FOR X No'CONTUNTO A E POR Y NO B. pea A DPsREES, 23 QUE pest Oo (x, -Kcunmnse IGIA.& & SEMPRE DESIGNADA YOR UMA LETRA PaINDSEULR. A OBSERVAGAO VALE TAMBEM PARA, gi OeCada UM DOS VALORES ENcoNTRADOS (4,5 ACERTOS* 20,5 acerros*) cHamase WARIANCIA & Desicna-se PoR SX) © S*(Y), RESPECTIVAMENTE , SUPONDO QUE 05 consuNTos Ae B constituam AMOSTRAS ©: Ona, “aces no QuaDRADOY | JX sem © QUNDRADO. REERTAR NAO E PRCIL... ‘NL Gs FaRA “FUGIR* DESSA UNIDADE DE MEDIDA TKO. EMBARAGOSA, VAMOS EXTRAIR A RAIZ QUADRADA POSITIVA ** essas VARIANCIAS. ¥ SE, G4 LugaR pe AMOSTRAS, TIvéssemos POPULACOES, 45 NOTACOES seninn ,ResrecTivA’ MENTE, F(X) = 4,5 acerTos® € (#(Y)= 20,5 ACERTOS®, *] eM BRAR QUE A RAIZ QUADRADA DE UM NUMERO REAL FOSITIVO Tem DUAG ResToSTAs: UMA POSITIVA,OUTRA, NEGATIVA. A NOS 50 INTERESSA A POSITIVA. 21 acerros O resurtapo é uma nova mepipa: 0 DESVIO = QUE TEM A VANTAGEM DE VIR. EXPRESSO EM UMA UNIDADE pe MEDIDA LINEAR. Assim: 5(X)=+V4,50 acertos? = S(Y)= +V20,50 acerros* = 4,5 NERTOS Sintetizanvo: ———————Essns SRMULAS "LEMBRAM mépas. De rato, PoDEMOS INTERPRETAR 0 DESVIO PADRKO como uma MEDIA CAPAZ DE MEDIR VARIACAO. Assim, AO DIZERMOS QUE S(X)=2,1 AcERTOS, ESTAMOS DIZENDO Que os 'ACERTOS ORIGINAIS (X;) distar(=vaRiAM) Dk RESPECTIVA MEDIA(X) 2,4 ACERTOS EM MEDIA. Dh MESMA FORMA, NO GRUPO 0S ACERTOS ORIGINAIS (Y:) DISTAM DA_RESPECTIVA MEDIA Ue negates em MEDIA. => Quanto MAIOR A VARIANCIA , MAIOR A HETEROGENEIDADE enec’ os eLementos DE_UM CONTUNTO. => Quanto MAIOR a VARIANCIA, MAIOR o CORRESPONDENTE DESVIO PADRAO. We Entio, como (500) =2 4 acenqos)<(s10)= 4,5 cent ° enue AE MAIS ESTAVEL, MAIS HOMOGENEO Que o GRUPO B. ARIANCIA « DESVIO VARIANCIA « PADRAO (DADOS AGRUPADOS) PROCESSO LONGO O cKLcULO DA_VARIANCIA & Do DESvIO FADRAO DE DADQS AGRUPADOS EM CLASSES DE FREQUENCIAS scave SASICAMENTE 0 MESMo CAMINHO ADOTADO, PARA DADOS ISOLADOS Que AcABAMOS PE" Lian. E PRECISO APENAS TOMAR AS SEGUINITES PRECAUGOES: #05 Xi ho SER oS PONTOS MEDIOS Das cLASSES; #6 As DIScREPANCINS (Xz) DEPOIS De ELEVADAS BO QUADRADO, DEVERAO SER MULTIPLICADAS, PELOS RESPECTIVOS Mi- Vamos ENTRO RETOMAR A TABELA DA PF. 63, E CALCULAR A VARIRNCIA & © DESVIO PADRAO com hg SEGUINTES FORMULAS: VARIANCIA DESVIO PRDRAOni UNICA QUE (tiene), OO). om cKLeULo be S? VARIANCIA EM om?; ‘ATENCAO: Desvic avRKO Em FORMULA LEMBRA MuITO © CALCULD DE X WELO Proceso BREVE. fx is50,vaMos RETOMAR A TABELA APLICANDO AS FORMULAS DA RBS, VEM: FALTANDO PARA o Esta St) 3 SMT E00. = (89, 9844 emn* +V89,4844 six) PAR 5, £ constRuiR A coluna Sdi¥ STK (42z) 0094/8! bbs’ 7 002} 8L'€Z0'r i oz90b8' ts |sz9'zz = SL8'bsi - $'Z8h 029049 '0Fe | 079049 ‘ole s19'bs} - S'LLh lost SLI 000000'0 0790 b¢'bSI Sle'es} - s'zLh SLi—alt osiewe ere |oza0H'es | 529% = sze’sst- S129 OL}—459 0s18%'% | sz9088'9 |¢z9'z =sL9'bs/-s'z9 S909 sLeneh'se |] $Z9049'9 | sze'z -=SL9'bS1- SLSH ov-asst oszi@eor | szgote'ns | sue z -=S28'bsI- s'zst 3S!40S1 coreor'sa, | oz90m'esi] Sze'z1-=S18'bsI- S241 ost Sot 09919506 | 029088' 10g =S18'bSI-S'24h Shh OnbEnrho: Sta fy atwowte fe 7/ PROBABILIDADE 4 7 E PRovAVEL Que 2 WocE GANHE UMA BICICLETA. = [89,9844 om ina CL Me WA ESCOLA, CLARO!I... Como S(X)* = +VS*(x) , Temos: (x)= +V84,9844 = 4, 49 cn af OBJETIVOS ESPECIFICOS Cylpape | —\ Ao conciuin 0 esune pesre CAPITULO, © LEITOR DEVERN SER CAPAZ DE fi , > FAZER uMA sintese DA HISTORIA DA ny PROBABILIDADE; pesricuis, EVENTOS. feo DE + A wanshncis sf pope sem cptevinnn eho EVENTOS POSS(VEIS Procesto BREVE quavo oh € os X's FORMAM UMA ‘PROORCSSIO STRTETICA. CALCULAR, A PROBABILIDADE ‘DE uM EVENTO; #0 As vEZes PoDeRK OcORRER UMA PEQUENA DAR EXEMPLOG De SITUAGEES EM QUE SE DIFERENGA NO RESULTADO FINAL QUANDO A rca 4 LE) DA Sopa ou A VARIANCIA, FOR CALCULADA YELOS DOIS PROCESSOS. Le: DA MuttiPLicagao; E cut, nko ARO, 0 oRocerso LONGO cHoLie \ | ERROS DE ARREDONDAMENTO Que NEM SEMPRE DISCRIMINAR AS SITUAGSES QUE ENVOLVEM SE_COMPENSAM. NESSES CASOS, 0 PROCESSO PROBABILIDADES CONDICIONAIS; BREVE FoRNece 0 MELHOR’ RESULTADO. ConsTRuiR UMA ARVORE DE ‘PROBABILIDADES; a RIME! Thy esonesses SH) SW) LEent se nerecalane, postoice x PROea INDE Senay “S-QuadRADO DE X™ DE xX” 88Bor no séovro SEIIL , com 05 cHAMADos JOGOS, DE AZAR, QUE SuRGIRAM 05 PRIMEIROS ESTUDOS DE, ° 5 PROBABILIDADE *. Grandes Nomes Da Histénia Sa RGRE Tie aa DA MATEMATICA Sho RESPONSAVEIS PEL CORR DE CESSRA ue SS CONKCCIMENTOS QUE conSTITUI Hose A TEORIA, ‘PROBABILIDADES : Biaise Pascal (1623 - 1662), IERRE DE FERMAT (1604 - 1665), HuYGENs(1629- 1695), Isaac Newton (1642-1727), JacoB BERNouLL! (1654- Esse PESSOAL AINDA 4705), LapLace (1749-1827), BaYes(1702 - 1761), ACABA COM 0 MEU Koimogoror® (1903 - ?) ENTRE OUTROS. Zi Entio 08 s060s De AZAR 3d rém uns 300 ANos ? ns ocho ve Ane PROBABILIDADE E TODA.» seORIA Deconnenve, sim! MAS 05 sth05, De AZAR PERPEM- 3H No Temvo» AUNS, CONTA A Histéwa Que FAZIA PARTE. 0 LAZER DE SOLDABOS GREGOS ROMANOS SOGAR ASTRAGALOS. VAMOS USAR, NESTE LIVRO, NOCSES TIRADAS DE VWRIAS “TEORIAS#, SEM , ENTRETANTO, NENHUM APROFUNDAMENTO ACADEMICO, COMECEMOS EXAMINANDO AS seeuINTES AFIRMACOES? i a3 E PROVAVEL av Soto | | E PROVAVEL que Ani WK AO TEATRO AMANHA. € Eva TENHAM EXISTIDO. EM AMBAS ESTKO PRESENTES AS IDEIAS DE: %& INCERTEZA; the GRAU DE CONFIANGA que derositanos NAQUILO QUE AFIRMAMOS. * 0 pRimeiRo TRABALHO ESCRITO DE Que SE TEM NOTICIA E Que EXVOLVE A NoGho DE PROBABILIDADE saa De 1477. TRATA-Se DE UM COMENTKRIO FEITO Divina ComeDia (Dante) ONDE HK RETERENCIA XS PROBABILIDADES ASSOCIADAS AOS VARIOS RESULTADOS DECORRENTES DO JOGO DE 3 DADOS. fo Lonco Dos Sitios MBs <écvLOS, VARIAS, FORA ThORIAc Poros ing: EXPERIMEN TALISTA (Semon) NCA (LapLace) CQUENCIALISTA(ELUs VEEN E Vou Mises), AXIDMIA TIGR Kocioco Nor), 90Nove Que A PALAVRA “PROVAVEL* TaMBEM_DA’ A DEIN DE FUTURO, Mas NA AFIRMAGAO TL ESTAMOS FALANDO ‘DE ALGO QUE DEVE TER QcoRRIDO No PASSADO— se que ocorreu! Ist PORQUE WA AFIRMAGKo IL A "PROBABILIDADI Mio ESTK LIGADA Ao TEMPO, mas, sim, EVENTUAL VERACIDADE mx oasrain ‘AFiRMag! E PRoVAVEL Que ESTE ANO Vocé ENCONTRE © "HOMEM DA SUA VIDA! ONDE? QUANDO? COMO??7!! FARA MEDIR JE MoDo RACIONAL 0 GRAV DE CONFIANGA QUE DEPOSITAMOS EM CERTAS AFIRMA- GOES, VAMOS PROPOR A SEGUINTE DEFINICRO: PROBABILIDADE ¢ 0 NUMERO que RESULTA DA DIVISAO DO NUMERO DE CASOS FAVORA- NEIS A UM EVENTo PELO NUMERO TOTAL De CASOS POSSIVEIS., FoR EXEMPLO, Se, NUMA HOEDA* cONVENCIONARHOS Su 2, Lado po NUMERO £ “cara” E 0 Do ) “COROA* , PODEMOS CALCULAR & PROBABILIDADE DE’ SAIR “CARAT ASSIM: NOMERO DE VEZES Que 0 sere) “CARR PODE SAIR NUMA SOGADA, peas) : “CARY + 4 BRS (Sven vara caaee sealing) Entio: > Quanitas sho As "CARAS NUMA MOEDA "HONESTAT? = —>4 =P QUAL 0 NUMERO TOTAL DE casos Possivers ? ——> 2, isto Ey 1 cara’ 6 1 Yeoroa® Lose: PROBABILIDADE - 1 DE TARA PYhwios sempre surom A MoeDA “Honesta’ 1st E, CONS TRUIDA DE TAL FORMA QUE, "SERRADA* LONGITUDINAL- MENTE (DE MOD QUE A “CARA SE SEPARE DA "COROA"), WABAS AS METADES TENHAM Pesos IGUAIS.ValoS AGORA “TESTA A DEFINIGRO Com UM. Dano *HonesTo®. ENTRo, NUMA UNICA, SOGADA , QUAL ‘A PROBABILIDADE DE ‘sain FACE 57 CASOS PossiVEls: isos rayorsveisy: Th OCORRENCIA ( PROBABILIDAD SEGURE FIRME QUE AY VEM uM MoNTAO 3E_“PROBLEMAS*! AIL E eu estou TONTO DE hos SEMPRE SUPOR 0 SEGUINTE:(A)O DADO TERA © FACES; (BAS FACES, COM EXCEGAC DO ALGARISMO (12,3 ,4,5,6), seRBo IGUAIS EM TUDO: MESMo MATERIAL, MesMo VES0, HESMA KREA ETC.(LEMBRAR © QUE Fol DITO COM RESPEITO A MOEDA “HoNESTA’) 4 VAMOS, CALCULAR AGORA, A PROBABILIDADE DE SNR, NUMA UNicA SOGADA, MULTIPLO DE 3. ORA, DE ACORDO COM © PROBLEMA,AS UNICAS FACES Que SERIEM sho: FF e "fh. —_ Que conresvonse “Que cogrestoNDE n 3x4 ABZ ExisTEM, PoptanTo, 2 €ASOS FAVORAVEIS DE FACE COM MULTIPLO DE 3. Mag, SENDO “HONESTO" 0 DADO, EXISTEM 6 cAsoS POSSIVENS , ve conTiNuAM SeNDO: Entio (roa) A PROBABILIDADE ¢ SEMPRE EXPRESSA FoR UM NUMERO PURO, is10€, SEM UNIDADE DE MEDIi natOuzRo PROBLEMA: QUAL A PROBABILIDAPE DE FACE IMPAR Numa Unica JOGADA? SOLUGAOD: Greet 4)" m+ 4 elo 0 rg " 2 ov Da OBSERVAGAO DESSES PROBLEMAS, PODEMOS TIRAR A FORMULA Nessa FoRMULA: P(X)—F PROBABILIDADE DE OCORRER 0 EVENTO X P-Pnimero pe casos POSSIVEIS fonidmero ve casos FAVORKVENS » oconnéncia ve X OsseRvanso 05 PROBLEMAS JK RESOLVIDOS YODE-sé TIRAR QUE, EM PROBABILIDADE A TALAVRA ‘OU _SIGNIFICA ADIGAD. Vamos EXAMINAR ISSO COM CUIDADO. QueRipo, ncora sé FALTA. 0 Vestip0. OU UMA SAIA OU BLUSA ov CmSACO OU.01 OUn.n. Se X= FACE IMPAR, & EVIDENTE Que QuALQu! Dos TRES SEGUINTES RESULTADOS SERVE: [>] [r, Enrhor aa *raurse em REGRA DA ADi¢ao.A réqmuLa PH=t PERMITE OUTRAS CONCLUSOES: We | nko wove sex Maron que p. Mas Pode seR IGUAL, EXEMPLO: QUAL A PROBABILIDADE DE sain “cARA*(C) OU "concn (K) NUMA. UNICA JOEADA 7 Plcouk)= (c) + PUK) = ————————— 12» MAIOR PROBABILIDADE Que existe £ EA MEDIDA Do EWVENTO CERTO. Be We} rove sen ze00. EXEMPLO: Numa UNIcA JOGADA DE um DABS, QUAL A PROBABILIDADE DE saz FACE 7? q ‘ Esreanto | NAO ACHO A, Face 7It TK retcnnoo, ‘Que eu sou 0 Qué 2727 ZERO casos FAVoRKVEIS _ _O {] 6 casos PossiVEIS © SSS 7 OA MENOR PROBABILIDADE * Que existe e CA MEDIDA Do EVENTO IMPOSSIVEL. Vamos EXAMINAR AGORA UM wee GEN et Mas Coscticanes SACORRO!/ mech Pheu 7? *Nio EXISTE PROBABILIDADE NEGATIVA.a coins os QUADRADINHOS Que ESTRo NO CANTO Be casos PssiVeIs INFERIOR _DIREITO ‘DA TABELA. Assim: ‘$6 Teros AMARELAS, D Plx=soma>0)= QuAL ® PROBRBILIDADE DE SAIn BOLA BRANCA pean Jk SimPLiFicau po: VERMELHA?* P(X= soma > 10)= 4 ue Milslaidsp bles 2 sa a \ciia. O SOLUECAO 8 P(K=2 ov X=42)= Plxs2) + P(x=42)= 2 ¢ 4 sorte10 2 PRIMEIRO >t Avena GOADRADINBO ag a Oo tere | sorrEio! 3Bis\|3|alviviviviviv SUPERIOR ESQUERDO INFERIOR. DIREITO B By | By | 3v | Bv |v [BV B 3v_| Bv | Bv | Bv | By | BV . 4 3 ‘By | BV | Bv [av | Bv [av Smpriricanno: | P[(X=2) ou (X=12)) = : acta {artw/ [aya Walt [alae Vamos AgoRA ANALISAR UM OUTRO PROBLEMA a ee ee IMPORTANTE.. Vales bal [a Vo ferl> (aches ‘SUPONHAMOS QUE UMA URNA CONTENHA 4 BOLAS Vv olele]e Brancas (B)e 6 BOLAS VeRMELHas (V) IBVAIS EM viel-|-|- TUDO | P50, TAHANO MATERIAL)EXCETO NA COR. VAMOS. SoRTEAR 2 BOLAS EM MOMENTOS DISTINTOS, ENDO 0 CUIDADO DE REPOR A ZOLA SORTEADA NA URNA APO'S 0 PRIMEIRO soRTEIO. (Iseo CORRESPONDE A TIRAR DESSA URNA UMA AMOSTRA DE TAMANHO 2 COM_REPOSICAO, cARANTINDO QuE TODAS AS BOLAS TERAO IGUAL PROBABILIDADE DE SORTEIO.) ELEMENTO QUE FiGURA EM LINHA, | Sy TOR CONVENCKO, ESCREVE-SE PRIMEIRO © DEFOIS, o QUE FIGURA EM COLUNA. Dito de OUTRA FORMA: P(BOLA BRANCA € SOLA VERMELHA). 102 103Assim: * Faua-se em REGRA pA Mustipucagio. 404 ConsiDEREMOS AGORA SORTEIOS INDE- PENDENTES cOM REPOSICAO: 4 casos FAVORAWEIS A BoLA BRANCA - (a) = 4° 10m 10 casos Possivers 10m {0 casos tossiveis SE MULTIPLICARMOS £5545 PROBABILIDADES, OBTEREMOS OC MESMO RESULTADO acima: 9(8)+ Plv)z 4-62 A. £-024 => “e* OBSERVAGAOs xc » onver ons seins Fosse VERMELHA sccuina be BRANCA, A PROBABILIDADE SERIA A MESMA, A no sex Que. SE PEDISSEM 2 BOLAG, UMA DE CADA COR, EM QUALQUER oxDem, CASOS FAVORAVEIS & SOLA BRANCA eels SE VERMELHA 4, 100 25 TOTAL DE casos POSSIVEIS eae Deive-ne ver se ENTENDI: PRIMEIRO £ ESTA, DEfoIs ESTA... (ETOTALIDADE DA. URNA) © cASOS FAVORAVEIS A OLA VERMELHA (STOTALIDADE DA URNA) Assim: P(VeB)= 2 eS 0,24 \ (VER NA TRBELA 05 QUADRADINHOS CoM UM PONTING), 10°10" 100 © 26 , Enrrevanto: SIGNIFICA MULTIPLICAGAO *. P((BEV) ov (Ve B))= P(BEV) + VEB)= 4B 2 (8 V)=P(8)- PLY) “fo Tes * | oo © 25 7948 | Neste REesuLTAdO ESTA REUNIDAS AS BUAS REGRASTADICAO E. MULTIPLICACAO,EXAMINEMOS COMO SERIA E55 PROBLEMA SEM P(B/V)—> ProBABILIDADE DE SIR BOLA BRANCA DADO A REPOSIGRO DA PRIMEIRA ZOLA. QE ANTES 3K'sau B0LA VERMELHA. => P(8/v) st SORTEIO DA | SORTEIO DA 3 poaque no 1? 2oRTEI0 4 BLA 25 BOLA a salu ZOLA B B+ Pla)=2 SE A ORDEM DAs BOLAS No TER mPORTAN- GIA (1870 €, Se QUALQUER oReM seRvin): PB) 78 Meee ee P[lBe Vou (Ve B= P[BeV)+P(VeB)= “eT ‘tom =P(B)+ P(Vv) + Plv)+ P(B)= 2 Va Peg shoe bihe 2 = P(B)=4 s Piece 224426. qo 90 Pv)=& : oo od PW)== SOCORRO! E uM ATAQUE DE BOLAS!!! Estas PROBABILIDADES ILUSTRAM © QUE 05 ESTATIS- TICOS CHAMAM DE PROBABILIDADE CONDICIONAL ov scsA, A PROBABILIDADE DE OCORRER YM EVENTO NA ‘CONS DIGRO DE QUE OUTRO(EVENTO) JA TENHA OCORRIDO. Em s(mBolos: P(V/B)—> ProBrBiLiDADE DE SAIR BOLA VERMELHA DADO QUE ANTES 3x salu BOLA BRANCA. > Plv/B)=x 108 PARA TERMINAR, DUAS INFORMAGSES: A PROBABILIDADE CALCULADA COM BASE MUM EXPERIMENT CHAMASE PROBABILIDADE “a POSTERIORI” ov PROBABILIDADE EXPERIMENTAL. A PROBARILIDADE CALCULADA A PARTIR DE DADOS TEDRICOS SEM MANIPULAGAO EXPERIMENTAL CRAMA-SE PROBABILIDADE “a Priori” ov PROBABILIDADE MATEMATICA. 7 Aa Noc& CALCULOU A PROBABILIDAPE “a PosTERiOR!” ou “A Proai®? DISTRIBUICAO BINOMIAL OBJETIVOS ESPECIFICOS Ao CNCLUIR 0 ESTUDO DESTE CAPITULO, © LEITOR pEVERK sER CAPAZ DE perinie DISTRIBUICAO DE PROBABILIDADE; ESCREVER ToDos 05 RESULTADOS POSSIVEIS, RESULTANTES DO "CQUZAMENTO® DE n MOEDAS EQUIPROVAVEIS; ienriricaR EVENTOS INDEPENDENTES, = MUTUAMENTE EXCLUDENTES; . 7 > RELACIONAR REPOSIGAO (2n8e."A Estos F* com AMOSTRAGEM; | 2522 ssUP uso. Voce EMPRESTA ESCREVER 05 PARAMETROS FUNDAMENTAIS D< una DISTRIBUIGRO BINOMIAL; USAR_ADEQUADAMENTE. UMATABELA DE BINOMIAL; CALCULAR A MEDIA, suregerica € A VARIANCIA ve UMA DISTRIBUIGRO BINOMIAL,Com AS NOGOES DE PROBABILIDADE APRESENTADAS NO CAPITULO ANTERIOR, Fick FACIL DEFINIR. DISTRIBUIGAO PROBASILISTICA IMaciNemos UM covsoNTo FintiTe DE VALORES DE FORMA TAL QUE A CADA VALOR CORRESTONDAr DETERMINADA —PROBABILIDADE. Por exePlo, se X ¢ uA vARIAVEL E Se A PROBABILIDADE |ASSOCIADA A ELA FOR P(X)2p , ENTAo © cONSUNTO FORMA UMA DISTRIBUIFAO PROBABILISTICA®. ExisTEM MUITAS DISTRIBUIGOES PROBABILISTICAS, NESTE LIVRO VRO SER APRESENTADAS ALGUMAS! BINOMIAL , NORMAL , t PE STUDENT exc. ADISTRIBVICAO BINOMIAL, OBJETo DESTE CAPITULO, TEM ESSE NOME PoRQUE SE BASEIA NO DESENVOLVIMENTO De (a+ &)™, ave ¢ o BINOMIO DE NEWTON. =O QUADRO ACIMA MOSTRA QUE Pideg , Pde py, (a) ps, O sitB0L0 p; €S1K No LUGAR De uM NUMERO, 'syo E REPRESENTA A PROBABILIDADE BO VALOR X;. no No cAPiTULO 7 EXAMINAMOS: ALGUNS PROBLEMAS QUE ENVOLVIAM © LANCAMENTO DE MOEDAS E De PADOS. RETOMEMOS O ASSUNTO. Vamos LANcAR { MoEDA "HONESTAT DUAS VEZES E COLECIONAR 05 RESULTADOS POSSiVEIS. NoTEMOS, De sAIDA, QUE LANCAR | MoEDA Duns VEZES £0 MESMO QUE LANGAR 2 MOEDAS ("HONESTAS*) UMA Vez. Assim , FAZENDO wearas=C £ "coroas=K , RESULTA © SEGUINTE QUADRO DE POSsIBILIDADES: RESULTADOS DA JeesULTApOS—~_2* MOEDA DALI MoeDA (M;) Ma) c ce K KC Este QUADRO MOSTRA-NOs QUE 0s UNICOS RESULTADOS “TOSSIVEIS SKot (“CARA“CARAY), (een Conon), Coonen-tanss), (cota eon bas). Ural NAO ADIANTA Tentan! NAO WK MEsMo OUTROS RESULTADOS!!!CoLoguemos E5565 RESULTADOS EM COLUNAS. YARA MELHOR VISUALIZAGAO: ke [kk } cx ee ESTA @ & cQLUNA Es £m coun De_O “cans. De A tcawas. Esta & & coLUNA pe_{*card(PoR GRUPO). BS DISTRIBUICAO REDISPoNDO 0S Nossos DADOS: Vatones, pe X ‘PROBABILIDADES ASSOCINDAS A EADA pe VALOR DE X a # [PIKk) PCC) PiCKou KC) Proansiipare ZERO ve que NT eu rave Rico “com 1550 ! "2 Ewtio Plcc)= 0,25 PICK ov KC)=0,50 P(KK)=0,25 Cerro? Vamos REPETIR © RACIOCINIO COM 1 MOEDA (HonestaY) ZOGADA TRES VEZES. JK SABEMOS QUE © TRABALHO PODE SER SIMPLIFICADO SE JOGARMOS 3 MoEDAS UMA VEZ — © QUE, DO PONTO TE VISTA LOGICO, DA ABSOLU- TAMENTE NO MeSMo. RESIEHDES a atti MONTANDO © QUADRO DE DISTRIBUIGAO , Vem: X 0 , 4, 2 5 3 “earas* Px)>t i Fi Bis + 2 (X=0) t Pie2) t P(x+4) Px=3)* Agors 0 “eRxrico™ *s ckK | coK | kek | Ckc | KK [KK¢ | Kec [coc (X=0) (ket) (x2) (X-3) Xn? pe “eames Poe oa Hum! Veramos | PUxe a) PORQUE Sko TRES 0S cASOS FAVORAVEIS A 2 “CARAS” (FR GRUP) & 8 sho os casos POSSIVEIS (a toratizane). E set (neem como € Léeieo ave Meu Pescogo ESTK ronda!) *culpapo! 0 "eaxrico! cama _é apenas um RECURSO VISUAL.O VERDADEIRO GRKFICO de uma DisTRIBUIGAD BINOMIAL CONSTITUI-SE DE PONTOS APENAS. M4 com A E (CEH! EH! Gostazam Da ( MSUTILEZAY Wo EWSI O *GRKFico” DA BINOMIAL VAI VeSAMos ENTKO © Que Mento de 4 MoEDAS: KCCK (EEI! Esses “exaricos® ESTRO FICANDO PARECIDOS VAK cuRVA Que EU CONHEGO £ QUE Tem Forma pe SINO. detco! A CURVA NORMAL. Vamos SSTUDK-LA I°SE. TORNANDO CADA VEZ MAIS PARECIDO com A TAL CURVA, EM SINO > MEDIDA que AUMENTA 0 NUMERO De MOEDAS (PORQUE AUMENTA TAMBEM ©. NOMERO DE COLUNAS NO "GRKFICO"). CORRE NO_LAUGAY KKKC]RESUMO DOS VALORES DE X E RESPECTIVAS ‘PROBABILIDADES > X—>0,1,2, weasas (*) P(X) it oe Pal 44 £ eo ADogy t a ie 2) A Be casera wth 1) Ply=3) Vena vere PL¥=0) P(K=4) DpERIAM SER "cOROAS™, MAS DECIDIMOS TRABALHAE COM "CARAS". A pRoPdSITO , ‘ve "CARAS" (ou "COROAS*) cuawase VARIAVEL OBSE! GIONAL cv VARIAVEL IBSERVAGAO. 0s EXERcICIOS QUE FIZEMOS NAS PXGINAS iveniones wosren aie wma DIST RIBUICAO BINOMIAL 20s wioses ve X sho SEMPRE INTEIROS; D ~05 evenros (*cans'|*conor) sho INDE PENDENTES © MUTVAMENTE EXCLUDENTES; 3 mrs moaneininanes pressure REPOSIEAD, Gy ORDER ex, ove peanecen os gLeMeNTOs wm GRUP NAO TEM IMPORTANCIA (cana®, 2"canas®, NotAR que em © YcaRas® ETC. TODAS. AS. COLUNAS, No Pose HAVER © NUMERO DE tare. MOEDAS NAO VARIA. Neste est. Se on anet teste esr30, NFO SAI "cOROA™ Cokeckts! E VICE-VERSA. eG ce A sisteiguicho BINOMIAL Possul Dols PARAMETROS: FUNDAMENTAIS: 1 & 99. Esses vaLoRes, Que SE EFEREM SEMPRE > POPULACAO, FossisiLiTAM MoNTAR A DISTRIBUICAO, ALEM DE "FoRNECEREM ELEMENTOS PARA UMA NOTAGAO ABREVIADA. Assim: Bln; p).Se INTRODUZIRMOS A NoTAGO DE POTENCIA, 05 RESULTADOS DAS PAGINAS ANTERIORES PODEM SER SIMPLIFICADOS. ExeMPLO: a> [erae | QUE & 0 DESENVOLVIMENTO DE. BINORAIO be NEWTON > Que E 0 DesENVOLVIMENTo DE BINGO DE NEWTON 18 FRcIL! AGORA voc® NAO PRECISA FAZER UM QUADRO IMENSO PARA CALCULAR AS_ PROBABILIDADES AssociADAS A 5 MOEDAS. BASTA TESENVOLVER (C#K)S PARA FACILITAR A MANIPULAGAO 30S SIMBOLOS , VAMOS CONVENCIONAR Que UM ENE! PARTICULAR. FRACASS0: OCORRENCIA Sucesso: OCORRENCIA] | 5. QUALQUER EVENTO NTO que NBO sE5K 0 CONVENGIONADO coMo EXEMPLO SE X=N? De “cARAS*, OCORRENDO "CARA* —> ‘SucESso; OCORRENDO “COROA* => FRACASSO.Jocanno-se. { oEDR "HONESTAY 5 VEZES, QUAL A PROBABILIDADE, EM QUALQUER ORDEM, De TERMOS: B 5 "caras' j B 3 "caras’; 9 2 "cars; D 1 “conor: ? Osservar, Que © TEX ESSE PROBLEMA PODERIA SER ABREVIADO PARA BC 5; 0,5). Prerino Nao ID? \ ching! Sh ° SOLUEAO IvtRopuzINDO A Notagho DAS PxGINAS AVTERIORES, VEM: X=N? DE *CARAS* (VARIAVEL OBSERVACIONAL) PIC)= p (sucesso) P(K)=q (rnacasso) Entio: AG te)= 9+ Shp 10g Ss 10gey? + 5qgh +p? j Wk0) a 4) 702) Como Estamos Wonesta®, PCC) PC Pye) POH) tes ‘SUCE: Ft 10 _E Esses DoIs EVENTOS, BXCLUEM MUTUAMENTE , CORRESPONDEM A TUDO QUE Pode AcONTECER.)B) P(X=5"cmras*)= P(X=5)= p® p= (0,5)* = | 0,03125 B) P(X=3) = 10q%p® 10q%p?= 10 (0,5)*(0,5)*= 10(0,5)°z | 0, 3125 aesuntanas) ( _ )= 10 ail ere) 9D PUx=2)= 1043p 10q2p?= 10(0;5)*(0,5)*= 10(0,5)° D P(x=4) Note que P(1 "conon') 2 0 mesmo que "CARAS*). Como ESCOLHEMOS TRABALMAR OM Plx=4)= 5qpt Sqp*= 5(0,5)(0,5)*= 5(05)' | | MoORTANTE <— No DESENVOLVIMENTO DE (¢. +p)", TN =PNUMERO DE MOEDAS Ov NUMERO DE REPETICEES DA JOGADA* GQ =P deve Figura SEMPRE antes DE P PARA QUE 05 RESULTADOS. SAIAM ORDENADOS (q+ p)=4 SE CALCULARMOS A PROBABILIDADE QUE FALTA (MARA X+0) £ somARMoS TODAS AS. PROBABILIDADES IBTIDAS, © RESULTADO SERK OBRIEATORIAMENTE 4] VesAmMos: P(X=0)= 0,03425 P(x: PIX: PIX: Nem sempre 0 rRoBLeMa FNVOLVERK MOEDAS.DE Modo RAL) 1 CORRESPONDE Ao IANHO DA AMOSTRA.Vortenos 10 Binémio(q+p)® No esenvot- VIMENTO DESSE BINSMIo OS EXPOENTES pc TODOS os TeRmos somam SEMPRE 5. No MAS) NA VERDADE, ESTK LK. Sd QUE COM © EXPOENTE ZERO: g*p. No SEGUNDO TeRMo , TeMOs 5qtp © OS EXPOENTES soMaM 51st €, G44; € Hatin, VAI ATE p%, ONDE oO ERVOENTE De q ¢ ZERO(E POR 15S0 ELE NAO APARECE). ALEM Disso, 0s EXPOENTES DE fp vio CRESCENDO DE 1 Em tis PS EXPOENTES DEG. vio DieiNUINDO DE f Em 4. s+NKO ERA Mais FACIL, COLOCAR UMA PLACA 27, Os COEFICIENTES de capa TeRMO(P EX.: 5, 40, 10) PoDEM SER OBTIDOS NUMA TABELA CHAMADA. TRIANGVLO Dz PASCAL (REPRODUZIDA PARCIALMENTE A sequir). 424 ® LINKA, PRIMEIRO TeRMo (q+), p APARENTEMENTE INexiste, ENTES LEMBRA um TRIANGULO. Dar” © CoEFICIENTE 35 A pisposicko pos 1 © Rclocivie € © mesmo: coer OR RECORRENCIA GRKFICO QUE, fo 5 24 FARA 36 35 IS com 20. 410 2 8 28 56 70 56] 28 9 36 8 126 126 4] 36] 9 10 45 120 210 252 210 120 45 5 1 1 1 8+28. IMEDIATAMENTE ANTERIOR A ELE. VER No Fol OBTIDO SOMANDO 1! 36: FQUALQUER Novo COEFICIENTE PODE SER OBTIDO FoEsses coericien 1 120 TIRADOS Do TRIANGULO DE Pascar. VER A LINHA ONDE n=8. ENTAO s€ voc€ QuiseR CALCULAR, ‘A PROBABILIDADE DE 3 “CARAS” EM 8 JOGADAS DE UMA MoEDA "HONEsTEY FACA (¢+p)® & PRocURE © TERMO QUE CORRESPONDE A (X=3), Texto ABREviApo: B(8; 0,5). Carcucar P(X=3), 5 TOs. Agu oO coericieNTE E41. RR 50 Aho SE ESCREVE , Pos tp8= (1p) = pa. 0 mesmo RaciociNio VALE PARA g 8. TES FORAM Cama! EXISTEM TABELAS PRONTAS QUE FACILITAM A VIDA... | O vator ve X ¢ SEMPRE I6uA. 40 EXPOENTE 5b q°p* = 56(0,5)°(0,5)*= 50(0,5)* = ‘A FORA DE cABELA, as PROBABILIBADES QUE RESuLTAM DE FARA DNERSOS VALORES 3E Dp. B(8; 0,40) 8(8; 0,20) B(8; 0,05) STICA. So Pauro, exo. TABUAS DE ESTATI HarBea, 1985, p. 12. FonTe: Bussas € SeveVAMOS AGORA APRENDER A USAR A TABELA, aS A > ‘heh FINALIZAR, FALTAM APENAS. ‘PROBASILIDADES ‘DUAS FORMULINHAS. ASBOCIADAS A Ip VALOR DE iy 0 Lee y Lon 5 SO rns ours? ARGH! .... Vatonss| re X Aqui DENTRO ESTAO AS ‘FROBABILIDADES PROCURADAS VALOR De W ‘Pama CALCULAR MEDIA ARITMETICA se om CVIDAGO LI eee ARTA Nao EXISTE PROBABILIDADE MAIoR que 1. 1560, £ PRECISO ACRESCENTAR (ZERO + WREULA) A TODOS 05 NUMEROS QUE FiguRAM No MIOLO A TABELA. ExemPLi 2 046 PARA p= 0,20 008 FARA p= 0,40 =0,249 wea p= 0,50 ‘PeoBABILIDADES ASSOCIADAS & VARIANICIA ve oma osreiseighe BINOMIAL USAR EXEMPLO= 1 stozon ssovesta® ro: socana Mas 1x Aga tas PX3)= 20,2876 72 Quando =0,50. Bvezes. Se K=N? De 'CARAS", QUANTO VALEM, | fea que Nes6A DISTRIBUIGRO , Sri Rectan | 249 2 A VARIANGIA; 9 © dESVIO PADRAO ? 128Conon unin "AV BM =p > = 8(0,5)= [4 “canas® DCTs npg > CT? 8(0,5)(0,5)= | 2”cane’ t ATENCAO: “canss* Ao QUADRADO*. 90 =+Vnpq > T= +V2 "cars? 4,4 "caras* *Vae A PENA INSISTIR: sé X CARR), A VARIANCIA, E “capa®? (ISTO €, "CARAT AD _QUADRADO); se XE BATATINNA, A VARIANGIA, E BATATINHA? (isto &, BATATINMA! AO. GuADEADS); SEX E PEGA Derel-, TUOSA, A VARIANCIA E PEGA DEFEITUOSAY (1sTO E, Pega 'DEFEITOSA AO QUADRADO). 130 Heesrese( H,): worTa KEUA, RETEITADA ? PROVA DE HIPOTESE OBJETIVOS ESPECIFICOS Ao CONCLUIR © EsTUDO DESTE CAPITULO, © LEITOR DEVERA SER CAPAZ DE * Dering CIENTISTA, EXPERIMENTO, EXPERIENCIA , HIPOTESE + Dirincuin A DIPERENGA eniree. HIPOTESE NULA € HIPOTESE EXPERIMENTAL, + RECONHECER AS SITUAGOES QYE LEVAM A REJEIGAO DE UMA’ HIPOTESE ; + NOMEAR AS FASES DE. PROCEDIMENTO EXPERIMENTAL ; perinye HIPOTESE CIENTIFICA € HIPOTESE NAO-CIENTIFICA; DEFINIR ESTIMAGAO DE PARAMETROS; DEFINIR AGASO ; * DAR EXEMPLOS DE SITUAGSES EM QUE © PESQUISADOR PODERA’ COMETER UM ERRO TIPO IT ov om ERRO TIPO T; deri NIVEL DE SiGNIFICANCIA; LOCALIZAR NUM CONJUNTO DE RESULTADOS, & REGIAO CRITICA; 3EFINIR PODER DE UM EXPERIMENTO.Emsora 4 crsuga Q oPULAR APONTE © CIENTISTA COMO UMA PESECA DESLIGADA DE PROBLEMAS CORRIQUEIROS , A VERDADE E BEM OUTRA. Deoea! Tova vex cu ME EWROSCO Nisso!l... © ciewrista & uma Pessoa que “DIALOGA® COM A NATUREZA. Coo. Todo DIKLOGo PRESSUPEE| UMA LINGUAGEM COMUM, A PrEPaRACKo DE uM CIENTISTA CONSISTE FUNDAMENTALMENTE EM FAZE-LO ADQUIRIR ESSA LINGUAGEM. en X fv on ab, O asrecto BXsico Desse "DIXLoGo € Que ELE NRO se DEsENROLA como UMA COMVERSA SOCIAL EM QUE AMBAS AS ARTES PERGUNTAM E AMBAS AS VARIES RESPONDEM. A WDA Do CIENTISTA E MAIS COMPLICADA: & ELE QUE SEMPRE PERGUNTA c ANA Tem © TRABALHO Je _OBRIGAR A NATUREZA A DAR-LHE RESPOSTAS. Mas 1880 NKo & Tudo. Como a NATUREZA & YREDIEA, NA MAIORIA DoS CASOS ELA LHE DK VARIAS RESPOSTAS € A’ ELE, com BASE EM EXPERIENCIA ACUMULADA, DECIDE Qua pas RESPOSTAS & A MELHOR. VAMOS PASSEAR a 2Eu PREFIKO cONVERSAR com vock! Peto menos Wocf ME ENTENDE! 0 cientista “CONVERSA® Com A, NATUREZA FOR MEO De HIPOTESES & ‘osnicn*-a A DAR-LHE RESTOSTAS FOR Melo. ve EXPERIMENTS *, 2 A HIPOTESE £ um conSecTURA, UMA RESPOSTA PROVISORIA Que ve Adare COM Centos cRITERIs SERN REJENADA ov NAO REJEITADA*# 0 resquisavox Tore hs vezes Tescinnie se EXPERIMENTOS: TIRA SUAS. CoNcLUSGES (RESPOSTAS) DOS PaSPRIOs DADOS E DAs RELAGSES EuISTONTES Entre ees. € cone se a NATURA ELA PROPRIA — TWWESSE "REALIZADO UM EXPERIMENTO* ANTES bs itevenigko Do Pesquenten” “A waturszn Niko € DETERMINISTA! AS MESMAS caushs NEM SEMPRE rropuzen os mecmos EFeiTos. Toe 1s50, EM LUGAR De ACEITAR. CIENTIST PREFERE SER MAIS CAUTELOSO E DIZER NAO REJEITAR, assoumno A essa dLTIMA ExPREssio UMA’ PROBABILIDADE. 134 AK EXPERIMEN TO ¢ una sivacio CRIADA | CONSTRUIDA PELO CIENTISTA CoM 0 OBJETIVO DE TESTAR UMA HIPOTESE. VAMOS k UM EXEMPLO BEM SIMPLES (iNcOMPLETO F ATé Socoso). Um Fesquisavon® quek reservar H., mas re NAO REJEITAR H,. No _QUERENDO USAR seu PREPRIO PALADAR COMO "INSTRUMENTO DE DECISAO*, O CIENTISTA PLANESA © SEGUINTE EXPERIMENTO! BoLo 3K ESTA MAIS, a i PROKIMA. OPERAGAO — Aorciguan iar muna . GRITERIO + Seo ri sisserver-se, PoeRn, R, has aoe Se 0 75 NAO se vissoLver, FopeRs SER PEDRA, @. Hes MAO agucan. OPERACAO Dderxan a mistura secar Ao AR LiVRE. ; é, i FEsrx mtrLicita & we ve AMOSTRA. A ToTAL Dane GRITERIO — Se ron apvcar, 4 DO PS CONSTITUI A POPULAGAO. O cieMnista PREFERE QuANTIDADE DE MOSCA: TRABALHAR com UMA PARTE (AMOSTRA) PeRave oO SOBRE A MISTURA EXVERIMENTO ‘TODE PROBABILIDADE — TV VY VT AND SE PEDRA NKO SE DISSOLVE EM Nou, ENTAS 0 PS REALMENTE NRO € DE PEDRA. SceeTezaa TIAN 139ALOGICA DA NATUREZA nko se conrunse Gon A LOGICA FORMAL. Esta TRABALHA com CERTEZAS, AquctA, com PROBABILIDADES. A PROVA DE HIPOTESE ¢ um accurco LOGICO - PROBABILISTICO, E onne wx PROBABILIDADE WK RISCO DE ERRO. Tox ExEMPLO, AO “secIDe Que 0 7S € AGUCAR, 0 SieNTisTA ODE ESTAR coMETENDO UM ERRO. £ craic? Pope sea, MAS SERIA MUITO MAIS GRAVE SE SUA ConcLushd “so TIWESSE BASE EMOCIONAL. % H A OBSERVACAO Faz ante po-rRoceDiMeNTo EXPERIMENTAL. O PESQuISADOR NUNCA "ACHA® NADAS Ete OBSERVA, ANALISA & CONCLUI. Derois DE OBSERVAR, ELE DESCREVE © MEDE (ou CLASSIFICA). ELE SAMAIS ATRIRUI AO QUE ESTA’ Venvo JUIZOS DE VALOR *. “0s guizos Foren scx ve VALOR E pe REALIDADE, Um sui20 De VALOR ACRESCENTA ) Cosh um ATRIBUTO, Rex. Mesa BONITIA. O ARiBuTo Nao este mm MESA, MAS NA PESSOA QUE A CONSIDERA Come TAL, Um ‘suizo ne ReaLiDave ¢ OBJETIVO £ POE sez GOMPROVADO. 7. cx. esa De dm x O,80m. REPLICANDO A MENSURAGKO , TESTA-SE OBSETIVA- MENTE © 3UIZ0 DE REALIDADE, 40 As HIPSTESES CLASSIFICAM-SE EM CIENTIFICAS wo-ciemITiFIcAs 4 4 A sva VERACIDADE ou & SUA FALSIDADE MA wore sen A sua nteinepe OU A sum FALSI fope sex POSTA A POSTA ‘A PROVA PROVA,, DRETA ov TOR PROCEDIMENTO INDIRETAMENTE, EXPERIMENTAL. YOR PROCEDIMENTO ExemPLos: . EXPERIMENTAL. HiPOTESES TeLSsIcAs, HiRSTESES FILOSSFICAS, Como Poss0 Testar EXPERIMENTALMENTE UM TRATADO DE tdoica ve AristoTELes 21! IMPOSSIVELIN . Isso NAO sienirica Que Essne mivOTeses NAO TENHAM VALOR. O PROBLEMA ¢ Que, DADA.» SUR NATUREZA NBO- CIENTIFICA, ELAS NRO Popem sen TESTADHS TOR POE DIMEN TOS EXTERIMENTAIS. OTKAMIGHComo vimos NA PR 139, CERTEZA 0 Pesqui- GRAGAS AOS TRABALHOS pe NEYMAN E FEARSON, SADOR SO TEM QUANDO ESTA DIANTE DE NEGACGES ® TEORIA DA PROVA DE HIPOTESE constiTu1 CATEGORICAS (NAo-emociona's): HOSE UM DOS PILARES SOBRE 05 QUAIS SE ASSENTA A CiENcIA. O ourre PILAR & A TEORIA DA Estima¢Ao*. "SE PEDRA NAO SE DISSOLVE EM KGUA, ENTAO 0 96 REALMENTE NAO E DE PEDRA.~ APENGAO A CERTEZA Estk om Arian que o ® NAO E DE PEDRA. DIANTE DE UM PROBLEMA cIENTiFICo, o PROCEDIMENTO HABITUAL DO PESQUISADOR EO SEGUINTE: ko ACASO A OcoRRENCIA DO FENSMENO OBSERVADO; © FoRMULAR OUTRA HI?CTESE, que siRVA DE f ACASO nfo & uma Ficus ALTERNATIVA ‘A PRIMEIRA, Se FicaR ‘Be REPIRICA. ACASo E UMA DEMONSTRADO QUE 0 ACA$O NAo Fore sea. WARIAVEL (ou um consunto R 3 RIAVEIS) CU! ESPONSABILIZADO PELO FENOMENO OBSERVADO, GaGa AasRaieome ale {CONTROLAR (OU MEDI). As vezes, ATE PODERIA Mas 0s EFEITOS Estimag&o & 0 vrocepimento estaristico PRODUEIDOS FOR ELA (A. VARIAVEL”ACASO) QUE PERMITE PREVER, com ceRTA PROBABILIDADE, KO TKO PEQUENOS QUE DESPREZK-LOS © VALOR De uM PARAMETRO. ‘DESCONHECIDO ' FICA MAIS C6MODO (E QUASE SEMPRE (POPULACIONAL) A TARTIR. DE INFORMACSES Mais BARATO!). COLHIPAS EM AMOSTRAS. oo 142., As HIPSTESES NEM SeMPRE sho VERDADEIRAS; ALEM Isso, © CIENTISTA NEM SEMPRE DECIDE ACERTADAMENTE. O QUADRO ABAIKO MOSTRA QUE EXISTEM QUATRO CURSOS POSSIVEIS DE AGAO. A nipdtese POPE ° Clenrista en ) (F) DECIDIR: VERDADEIRA FALSA Regeiran A | AQui eve AQUI ELE HiPSTESE ERRA ACERTA NAO REJEITAR AQUI ELE, A HIPOTESE ERRA Varios ion cata | Na casein 4 LI RROU QUE. JEITOU UMA HIPOTESE VERDADEIRA. Ao razer 1950, ELE COMETEU_ UM ERR og 1° ESPECIE ov ERRO TIPO =. Na casein 4 eLe ergou DE Novo: DEIX + DEIXOU REJEITAR UMA HIPOTESE FALSA. Cometeu, won, dl ERRO og 2? RSPECIE ov ERRO TIPO Wt, E inpossiveL, LocicaMENTE, EVITAREM-SE 10 MESMO TEMPO, OS Do's TIPOS DE ERRO. UM EXEMPLO PRATICO POPE AJUDAR A COMPREENDER © QUADRO DA PAGINA ANTERIOR. IMAGINEMOS UMA URNA com 10 BOLAS IGUAIS EM Tuo MENS HA COR: 4 BRaNcAs [B) E 6 VermeLnas (V). Vanos suPOR AcoRA Que UM PEsquISADOR SAIBA QUE HA BOLAS BRANCAS E BOLAS VERMELHAS NA URNA, MAS NAO CONMEGA A PROPORGAO entze AS coRES. Nessas conpicdes, 0 No a pi QUE ELE FAZ € LEVANTAR fi ALGUMAS HIPOTESES. fon A wena zil EXeMPLo, ELE Pope ADMITIR Que A DISTRIBUIGRO DAS CORES & CASUAL E, NESSE CASO, HAYERK, PARA CADA, COR, IGUAL NUMERO De BOLAS. E & PRECISAMENTE 1880 Que cLe FAZ. A HiPOTESE QUE VAI SER POSTA A PROVA, (TESTADA) GHAMA-SE, em Estatisrica, HIPOTESE NULA ov HiPOTESE PROBANDA & DESIGNA-SE POR Hp ("AGK-ZERO"). A HIPSTESE QUE PODERK "FICAR NO LUGAR® DA Ho —, CASO ELA SEJA REJEITADA — CHAMA:SE HivdTESE EXPERIMENTAL ov HipoTEse ALTERNATIVA & DESIENA-SE For Ha ("ae K*).ENTAO: SE o FEsqui SADOR . as ADMITE “ Ho: P(B)= 0,5 Jam Min yee BOLAS DE CADA cor: P(B)=PW)=L=0,5 Ist MosTRA Que o Pesquisadon RESOLVE TRABALHAR com Xen? oe 20LAS BRANCAS*, it ESTA ALTERNATIVA A INDICA Que A (A) P(B)#O5 Je aitnsee Se OLAS BRANCAS DIFERENTE >a QUANTIDADE DE Bolas, VERMELHAS, MAS. Nao ESPECIFICA PREVALENCIA, Est ALTERNATIVA : INDICA que o (®)] Hat PIB) >0,5 | eee Scomre EXISTIREM MALS BOLAS BRANGAS QUE VERMELHAS NA URNA. i ESTA ALTERNATIVA c i INDICA Que () | HasP(B) < 05: | eA eo existiRem MENOS BOLAS BRANCAS QUE, VERMELHAS NA URNA. = ELE PopeRIA Ter ERIA TER ESCOLUIDO OBSERVAR O t MENTO $6 DAS BOLAS VERMELHAS, a tho ViMos _ANTERIORMENTE Que DECISAO « ERRO CAMINHAM SUNTOS....--.e. O Pesquisador,, Ao REJEITAR ov NRO. REJEITAR vn WiPSTESE , PODE comMeTER ros Ele , DE FATO, QUER' coMETER ERRO ALGUM, mas Esra DISPOSTO A TOLERAR UM ERRO GIP ese caso ror PEQUENO. Se ELE ESCOLHE A HiPdtese ALTERNATIVA (A) PoKque NKO SABE PARA QUE LADO ”/PENDE A BALANGA®, 'STO E, ADMITE QUE QUALQUER DAS CORES PODE TER PREVALENCIA SOBRE A OUTRA. NESSE. CASO, A HIPSTESE cHAMA-sE BILATERAL, BIDIRECIONAL ov BICAUDAL. O wome sucere Que, SE ELE ERRAR,O ERRO ESTARK REPARTIDO: UM ‘Poco PARA CADA LADO (se PossiVEL, METADE ). SE ELE ESCOLHE A HIPOTESE ALTERNATIVA (B) E PORQUE Tem BOAS RAZOES PARA SUSPEITAR QUE HX MAIS ZOLAS BRANCAS QUE VERMELHAS. A NIPSTESE, NESSE CASO, cHAMA-S¢ UNILATERAL DIREIT/ UNIDIRECIONAL DIREITA ov UNICAUDAL DIREITA & © ERRO ESTARK CONCENTRADO No LADO DIREITO. No caso DE ELE ESCOLNER A HIPSTESE ALTERNA: TIVA (C), SUA SUSPEITA DE MAIORIA CAIRA SOBRE AS BoLAS VERMELHAS; A MIRSTESE SERA’ UNIGAUDAL ESQUERDA c 0 chro, nORA, ESTARK CONCENTRADO No Labo ESQUERDO.VAMOS suPOR que 0 Pesqui: ISADOR Ti escoLHibo A Ha: P(B) PoucaS BOLAS BRANCAS. e 4 E se cater MUITAS BOLAS BRANCAS 7 O Pesquisapor PODE ERRONEAMENTE DECIDIR, RETEITAR A Hp MESMO QUE ELA SEJAVERDADEIRA. (Sd Que Etc NAO SABE isso.) Mas, se ELA FOR VERDADEIRA,, ELE QUER QUE A PROBABILIDADE De MIRA COMETER ESSE ERRO (TIPo I) seJA PEQUENA. Essa, PROBABILIDADE CHAMA-SE NIVEL ve SIGNIFICANCIA. O que o PesquisADoR serriguatealts PAE é 0 SEGUINTE: ESTABELECE UM GRITERIO PARA REPARTIR R(esPaco EXPERIMENTAL) EM DOIS PEDACOS CHAAADOS RESPECTIVAMENTE REGIAO , CRITICA(Re) € REGIAO NAO-CRITICA(Rc*) *. SE 0 VALOR DE X OBTIDO NO EXPERIMENTO PERTENCER A REGIRO cRITICA,A Ho DEVERA SER REJEITADA; 5 0 VALOR DE X TERTENCER A REGIAO Nao-cRITICA,A Hp NAO DEVERK SER REJEITADA. Se XE Re —PHo REIEITADA Se XE Re —PHo NAO-RETEITADA Xe Re ov K ¢ Re Fo ese" z ma Re ré-se "enre-cE*; Re™ Lé-se “ERRe-cB-esTRELA’ 449O CRITERIO PARA RePRTR R DE TAL HOD Que E DADO PELO NIVEL DE sieNiFICANCIALveR ®. 144). ONWEL 9€ siGMIFICANCIA, INDICADO POR , PODE TER QUALQUER VALOR (0,1% , 1%, 2% , 5% etc), MAS RARAMENTE EXCEDE 15%. ey, (S08 a wi Vavos suman oer, ( 5 519 3 Apartano (q+ 1p)” As conDIGSES Do EXPERI MENTO £ DESENVOLVENDO © BINGMIO, RESULTA Que? +p)" >(q+p)*=9°+ 6q5p+ 1Botp* + 20q?p +... +p oe ft rK=2) (X24) X23) eto: Nio & PReciso P(X=0) = q¢=(0,5)*=0,015625* COMPLETAR © ora, 0.015625 <0,12. DESENVOLVIMEWTO EntBo(X=0) serve, 1st E, Pos sd Nos. FAZ PARTE DA Re. INTERESSAM OS VALORES DE X PUX=1) = ba%p = 6(0,5)*(0,5)= eats (0,015625) = 0,09375 ORA, 0,09375 0,12. Ewrho (X=4) SeRve, iSTo , FAZ PARTE DA Re. — * FoR que g=0,5? Porque p20,5, Essa imFoRMacho SAL DA Ho. 150 ALEM 91580, (0,015625) + (0,09375)= 0,109375 < 0,12 al tein erat anee ieee) £ PREcIso Que A SOMA 3x5 PROBABILIDADES: TAMBEM sesa MENOR que 12%. Plx=2)= 1S. ghp* = 15(0,5)* (0,5)°= aa 3 (ofo1s625)= 0.234375 Come 0.234375 > 012 , (K=2) NAO Fax PARTE pA Re- Pronto! IK tems como epanrin a RR: 0 23 4 5 6 Saito a woo ve : ORICLUSIO Como (X=4) € Re > Ho Reserrann*® * (X21) ve AcoRDO CoM © EXPERINENTD DA. 148. 4 Hy For RESEITADA COM uM % EFETIVO de ae ). RA 9 PESQUISADOR ESTIVESSE DI RTFRANSICIR ie Boero cxveminene Da roRPA Como Fol MONTADO, IMPEDIV-O DE "ERRAR TANTO".RESEITAR Ho SIGNIFICA NAO CONCORDAR com A RELAGKO P(B)=0,5. Etho,NA FALTA DE HIPOTESE MELHOR, Ficamos com A Ha QUE SUGERE ser o NUMERO DE BOLAS BRANCAS. MENOR QUE © DE BOLAS VERMELHAS. ReseITAR Ho siNiFicA NAO REJEITAR Ha (Com A CERTEZA DE NBO ESTAR COMETENDO, NESTE CASO, ERRO Tito I surerwe A 12%), EXAMINEMOS AGORA Esse. EXPERIMENTO 0B 0 ANGULO vo Erro Tito IL, Como vimos PXGINAS ATRKS, © PESQUISADOR COMETE ESSE TIPO DE ERRO SEMPRE Que DEIXA DE RESEITAR UMA HIPOTESE FALSA. Ora, DA MesMA FORMA QUE ELE NAO QUER. REJEITAR UMA IPSTESE VERDADEIRA (E TOR Iss FIXA UM & PEQUENO), TAMPOUCO QUER DEIKAR DE RESEITAR UMA HIPCTESE FALSA. O sero BuscaR UMA Assim ELE NAO FICA ~ PROBABILIDADE GRANDE cet & INCE HODA ASSOCIADA'A ESSE RISCO,POIS, | Seca deten A SENDo GRANDE, ELA "DENUNCIA® ‘\coMipo Garo TOR LEBRE. ,/ A PRESENGA DO ERRO. 5 <4 152 A PROBABILIDADE DE NKo COMETER UM Erno Tipo Tl cHama-se PODER po EXPERIMENTO|~ --"== PODER & E DESIGNADA POR Evtko: P (Mo coneteR) =/3. Na VeRDADE, 0 PODER Representa A SENSIBILIDADE DA REGIAO CRITICA Para PERCEBER (E REJEITAR) UMA HIPSTESE FALSA GRAFICAMENTE RE Re Re¥=(R-Re) w= PEST 1) =P) = Pea = P(t SRS) PRIM) Ss = Essas NOTAGSES SIGNIFICAM © SEGUINTES YK % EA PROBABILIDADE DE A Re RETEITAR A Ho GIB ELA (A Ho) FoR VERDADEIRA WOM BE» PRoBrBitiDane ve A Re NRO REJEITAR 4 Ho. SB ELA (A Ha) FoR VERDADEIRA.VAMOS A UM EXEMPLO NAO numérico *, IMAGINEMOS AS MAQS DE duAS PeSsoAS:De UM PROFESSOR £ de UMA SENHORA Bem PostA WA WDA, classe A \ A DELe, EMBORA "SOCIALMENTE ACEITAVELS , UM Pouco ASPERA, FRuTO DE CONSTANTE CONTATO COM IZ. A peta E FINA E BEM CUIDADA, TALVEZ POR NRO TER DE FAZER 05 SERVIGOS CHAMADOS “MENOS NOBRES". VAMOS. DESIGNAK VAMOS DesionaR A MBO 20 HOME A Hilo DA MULHER ToR Mgt Toe Mg. — * DADA A NATUREZA ELEMENTAR DESTE, LIVRO ,slKo " SERA FEITAS CONSIDERAGOES NUMERICAS (is10 E, CKLCULO DE PROBABILIDADES) soBRE 0 PODER. O Lerron INTERESSADO NESSE TAPICO PoDERK consuLTAs Levit, Thon, STATISTICA APLICADA A CIENCIAS HUMANAS /2.€D. , Sho PuLo, HARBRA, 1987 me 264 © 265. 154, PROBLEMA | (<2... este Decipir Qua Das PROBLEMA?! MAOS £ MAIS DELICADA. EXPERIMENTO: um PEDREIRO vai CUMPRIMENTAR (ne 4) AMBOS (0 PROFESSOR E A SENHORA) ; APERTANDO A MAO BE CADA UM. EXPERIMENTO: uma ENFERMEIRA DE BERCARIO (22) VAL COMPRIMENTAR AMBOS APERTANDO A MAO DE CADA UM Tis BEM, SARENOS QUE Mp ¢ mals DELIcADA que Mg.(Mas isso NOS SABEMos’ O PEDREIRO NiO SABE, NEM A ENFERMEIRA.) ADMITINDO QUE AS DIFERENGAS SezaM Tho PEQUENAS QUE POSSAM SER EXPLICADAS PELO CASO SE CONSIDERARHOS 16 HS Do] Minin wo E) FEDRERRO E DA ENFERMEIRA Como (ruD0 12207 INSTRUMENTOS DE MEDIDA (E GERADORES DE VALORES que ratio PARTE T DAR E DA RM) & PROWMVEL QUE... 0 simi? sionitica Que A Ho Deve sem TESTADA CONTRA A Hy (E NUNCA A FAVOR), No SENTIBO DE QUE A REJEIGAO DE UMA LEVA OBRIGATORIAMENTE ‘A NAG- RESEIGAS DA OUTRA,A mio DA eNFERMEiRA (pe BERCARIO) DEVE TER, +. ENFERMEIRA PERCEBA DIFERENCA TAMBEM DADA A NATUREZA DE SEU TRABALHO, ENTRE Mg © Mg' € CONSIGA DIZER Qe CARACTERISTICAS OPOSTAS [AS OBSERVADAS NAS| MAOS Mo & A MAIS DELICADA - Do PepReiko. Loco: +0 é GRANDE. -0 PEDREIRO NAO PERCEBA DIFERENCA Ea atc nae IRE Mg & Mgt e NAO CONSIGA * A Mio DA_ENFERMEIRA (=INSTRUMENTO) DIZER QUAL A mais DELICADA. TEM GRANDE PODER. Piquei MEU EDINHO ! Porque A MAo pO PeDREIRO E, DADA A NATUREZA DE seu TRABALHO, MUITO GROSSA. Os CALOS TIRAM-LHe SENSIBILIDADE E, COM 130, ELE TEM MENOR CAPACIDADE DE, PERCERER 'PEQUENAS DIFERENGAS TKCTEIS. * OP vo Pepreino ¢ PEQUEND. + A Mio Do _Pepreino (= insTRuMENTo) Fuxan & TEM PEQUENO PODER. comico Na Pearica, o Esraristico (Pesquisabor , CIENTISTA) 0 ABACAX! FAZ 0 SEGUINTE: FIRA E SUAVE UM & PEQUENO € MonTA como UMA 0 EXPERIMENTO DE FORMA SEDA, Ao? Que o stu B sein 0 MAIOR POSSIVEL.TERMINAR * Se APARECER O SINAL + NA Ha ELA & BICAUDAL. SEMPRE! * SE ApaREceR 0 SINAL >ou Z| ELA ¢ UNICAUDAL. SEMPRE! * TRANSFORMANDO > ov < Em "FLECHAY, YQUALIFICA'SE A UNICAUDAL. ASSiM: ———> unicaupaL DIREITA <— unicauraL ESQUERDA , * UMA PROVA DE HIPOTESE Funciona como uMA LENTE DE AUMENTO: com e.a, 0 PESQUISADOR “AMPLIAY AS DIFERENGAS E, ENXERGANDO-AS MELHOR , PODE TOMAR DECISSEs: WWTELIGENTES." #0 VALOR pe O (NIVEL DE siGNIFICANcIA) DEVE SER FIXADO ANTES DA REALIZACAO Do EXPERIMENTO. Cuneo! Se eu NAO TER de DIzeR ANTES! Bo JOGO PARA QUAL TIME Ev TORGO, Oo “meu Times NUNCA VAI PERDER. 0 & E isso! 40 DISTRIBUICAO NORMAL OBJETIVOS ESPECIFICOS Ao CONCLUIR © ESTUDO DESTE CAPITULO, © LEITOR, PEVERK SER CAPAZ DE © IDENTIFICAR AS Sataggepionicas VISIVEIS DE UMA CURVA NORMAL ™ NoMeAR os PARAMETROS De UMA DISTRIBUIGRO NORMAL; Qua. ® DIFERENGA, ENTRE NORMAL (DEAL? Alona @ NORMALE peat DistiNGuIR A DIFERENGA ENTRE FENOMENO FENSMENO IDEAL € | FENOMENO COMUM; OPERAR COM A CHAMADA NORMAL REDUZIDA; Teausronan Xen Z; UTILIZAR ADEQUAPAMENTE UMA TABELA DE. NORMAL; RESOLVER PROBLEMAS 36 BINOMIAL vor RECORRENCIA “A DISTRIBUIGAO NORMAL.A DisTRIBUICAD NORMAL ¢ umn vs MAIS IMPORTANTES DISTRIBUIGDES DE TROBABILIDADES CONHECIDAS. ISTO SE DEVE NAO Sd AOS RECURSOS QUE ELA PROPRIA OFERECE , MAS TAMBEM AO FATO DE QUE MUITAS OUTRAS DISTRIBUIGOES DE PROBABILIDADES CONVERGEM ara ELA. (...€ como uM wo que TEM vARIOS APLUENTES...) “, NG | ws e DISTRIBUICAO NORMay acre Tat auemrumeen © J FORMA GRAFICA 3A ion oe LEMBRA UM silo. ELA. E COnWECIDA TOR VKRIAS DENOMINAGSES: CURVA NORMAL , CURVA EM SINO c CURVA DE GAUSS. OEM Lao ra a 5) 0s PRIMEIROS EsTUDOS LIGADOS "A DISTRIBUIGBO NORMAL FoRAM FEITOS POR De MowRe E, CEM Boles DePoIS, FoR LAPLACE., QUE CONSOLIDOU AS DESCOBERTAS FEITAS ATE ENTAO. Tw som! JK se que € CURVA EM SIN... tI! NAO PRECISAVA ME DEIXAR ‘surpo! to E sempae assion PRPRGRIO. COME 0 MuLHo € PeRIQuiTo LEVAA FAMA..«! * EMBORA Gauss TeNHA, NASCIDO 23 Anos DEPOIS DA HoRTE DE_De Moivee, A DISTRIBUICAO & a CURVA + NORMAIS AcABARAM RECEBENDO OSBU None. CARACTERISTICAS VISUAL DE UMA CURVA NORMAL A curva € SIMETRICA com ELAGRO A PERPENDICULAR, No Ponto, X que COWEDE COM A MEDIA ARITHETICA. = 99 x #00: ( KREA =( 9 \FONTILHADAL Mépia= MeDIANA= MopA HACHU RADY 7 FAMILIA NUMEROSA Existem INFINITAS DISTRI- BUIGSES (e CURVAS) NORMAIS: BASTA QUE MUDE UM Dos PARAMETROS PARA TeRHos OUTRA DisTRIBUIGRO. VER GRAFICOS ABAIXO. ‘POPULACIONAIS.A DIsTRIBUIGAO. NORAL Ton ose me DIA ARITHETICA (11) € VARIANCIN (G2). | OW. AX - fe Bo MESA MEDIA, VARIANCIAS VARIANCIAS 1@UAIS, MEDIAS DirerenTes: (2 > G2. DIFERENTES: lp > Me fotIMMPORTANTE HEA disraiourcko NORMAL ¢ UMA DISTRIBUI- GRO CONTINUA: X Pose assuMiR QUAISQUER, VALORES BO CAMPO REAL DesDe -20ard +00. 56 PODERK TER VALORES INTEIROS: 0,4,2,3 er. X-eVARIAVEL DISCRETA ou DESCONTiNUA.. + se X Ter sisrRiBui¢ko NORMAL , PODERK ASSUMIR 0 VALOR, (saueny, 13 POR EXEMPLO. yy” se X riveR DistRIBuicio BINOMIAL, OIC Un roma aszeviana re INDICAR QUE A VARIAVEL X Se DISTRIBUI NORMALMENTE. (ov Tem DistarBuigko WoRMAL) E escREVER Xoo NUWGC8) onde Hl 6 0 sso on TROS FUNDAMENTAIS. BOK Pr sex simraicn, A coma woRMaL se, 7h» POSSI IMPORTANTE. PROPRIEDADE : | SE. LEVANTARHOS PERPENDACULARES Ao ENO dos X Nos PONTOS (AtT), (At 20), (M230), OBTEREMOS, RESPECTIVAMENTE, As Seouintes AREAS! SOB A CURVA: 68,26% WAb% © 9,74%, ‘CADA_UMA DESIRE "SoBRASY CORRESPONDE K 0,43% DA XRER TOTAL. 1 eI IC A cunva norman € ASSINTETICA com ELAGAO AO EIKO HORIZONTAL , i570 €, st CAUDAS APROXIMAM-SE DELE, MAS NAO 0 TocAM TAMAIS. NA PRATICA, ENTRETANTO, com Mt 30 (MEDIA #3 Desvios ‘PADRSES) , 49, 74% DA KREA SOR A CURVA FICAM COBERTOS. (CLEMBRAR QUE A AREA $0B A CURVA CORRESPONDE A 100%.) NORMAL ~ IDEAL x COMUM Essas REs IDEIAS SAO HABITUALMENTE CONFUNDIDAS NO_LINGUATAR COMUM E USADAS Como SINGNIMOS ENTRE Si. UM FENSMeNo € NORMAL QuANDO 05 VALORES: DA VARIAVEL Que 0 EXPRIME ENCONTRAM ABRIGO $0B 4 CURVA NORMAL. fox ExeMPLo,ESTATURA E OMA VARIRVEL QUE TEM DISTRIBUIGRO NORMAL; Lo6o, NAo HK PEsso& Por BAIKA ov ALTA Que SEA QUE NKO SE ENCAIXE SOB A CURVA. UM FeENOMENo €_IDEAL QuANpO Sud OCORRENCIA € DESEJAVEL. ToR ExemPLo, NAO TER CARIES E UM FENGMENO DESEIKVEL—TORTANTO IDEAL— EMBORA SAIBAMOS QUE, NA PRATICA, CARIES OcorREM. ENTAO, TER CARIES — NORMAL AINDA QUE NAO SETA IDEAL. Comum ¢ o que Acontece HABITUALMENTE. Ks OCORRENCIAS COMUNS ESTAO LOCALIZADAS No MEIO DA CURVA (8% APROKIMADAMENTE); AS OGORRENCIAS MAIS RARAS DISTANCIAM-SE DA MEDIA (J) € LOCALIZAM-se NAS CAUDAS,Mamie Diz Que eu sou NorMaL! SERA: Estaturas MUITO PEQUENAS oy MUITO GRANDES fonem NRO sex COMUNS (estho 1s CAUDAS), HAS sho NORMAIS. NORMAL REDUZIDA VAMOS IMAGINAR UMA vARIKEL X QUE TeNHA DISTRIBUIGR NORMAL com MEDIA ARITMETICA M & Desvio PADRAG T. (OBseR- VaR LQUE SE_TRATA De UMA POPULAGAO vos, se ‘Se. TRATAGSE DE UMA AMOSTRA ,05 siH120L05 seriam Xe $(X).) Se “EMPURRARMOS" 0 E1xo VERTICAL (FREQUENCIAS) PARA A DIREITA ATE 0 CENTRO DA CURVA, TEREMos FEITO UMA OFERAGRO cHAMADA MUDANCA, DE ORIGEM, em que 0 ZERO "Mudou De LUGAR” Assim: ToMWwdo UMA NoVA VARIAVEL Z € DEFININDO-A como , ONE X. € QUALQUER VALOR DA VARIAVEL X No CAMPO REAL (~20 ATE +20), 7EREMOS CONSTRULDO UMA DISTRiBVIC. NORMAL REDUZIDA (1amsem CHAMAPA DISTRIBUICAD NORMAL PADRONIZADA) OM 0S SEGUINTES PARAMETROS ¢ Estas OPERAGOES E ESSES DADOS SKo MuITO IMPORTANTES TOR DUAS RAZGES: * AS INFINITAS DISTRIBUIGEES NORMAIS REDUZEM-SE A ARENAS UMA;N(O; 1), O04; oo A vaRIAVEL Z E DesPROVIDA DE UNIDADE De, MEDIDA, OU SESA, CONSTITUL UM NUMERO PURO. OBSERVAGAO: Z.(Z-ca’tito) € o VALOR Que A VARIAVEL Z ASSUME PARA UM DADO Xj. TRANSFORMAGHO oe Ken Z A TRANSFoRMAGhO QUE TIZEMOS ACIMA Fez com Que Z viesse exPRessk Em TeRMos ve DESVIOS PADROES.For Exemplo, se X-+N(40; 16); X,=44 TRANSFORMA-SE EM Ze=4(1sTo €, 1 Desvio PAPRAO A DIREITA DA MEDIA). Assim: (40; 16) SL Nett ao ee | — e COMPARAR, , MAIS uM ExeRcicio. SEIA X com 05 SEGUINTES Relates N(25; 36). QuAL 0 VALOR DE Z, PARA N (25;36) - Ae Vae=6 72k Bf 25 x ef H Ne 4) wl TAT besvio PavRRo Z370 Zz TA" ESQUERDA DA MEDIA, *Lemprag Que desvio PADRE seNPRE POSITIVO. 166 Com uma UNICA TABU E FossiVEL RESOLVER 0S INFI- ENVOLVAM UMA, VARIAVEL X NORMALMENTE ‘DISTRI BUIDA: BASTA, TRANSFORMAR X em Z LER NA TaseLa N(O;4) a PROBABILIDADE, CORRES PONDENTE. TABUA DE PROBABILIDADES PaRm CONSULTAR A TKBUA, & PRECIO DECOMPOR o Z, EM DUAS PARCELAS: PARTE INTEIRA+A® CASA DECIMAL ¢ O,0+2%cAsA DECIMAL —S_——_Vv 1% PARCELA 2% PARCELA Assim: se Zc 243d 17 PARCELA AS 2% PARCELA-> 0,09 4 PaRcela > 2,0 st Z¢=2,00> i 2% PARCELA-» 0,00 0 Z vecomposto EM DUAS PARCELAS COMPSE A. "moLDURA® DA TKBUA. No CRUZAMENTO Das DuAs VARCELAS ENCONTRA'SE A PROBABILIDADE CORRES- PONDENTE ‘A AREA DA CURVA ENTRE O £ O Ze CALCULADO(TAMBEM CHAMADO ERITICO).“(oySviaway)1s¢ “t! Leb) 'vaeavy ‘oT, OS, "32 SYNYWNH SWIINIID V VAVOITdY VIILSILWISg *9we "nay :3uNOy 164 gebh'0 | 98640 Seby'o} 48640 zebyo feb] bz rabn0 | oBb4o bLbn'o | ezbho aLbH'o Loyd} oz 4b70| E640 12670] ozbh'o zavrd sauyo| Lz asbio Fen’ e560 8e64'0 eb Fabnd | 09670 bsbno 84640] abn +990 sno ebro | nebyd. HEb470 | bebyo zenvo Broo’ | Hz aro bobyo | aoby'0 bev £870 | £2 over yay | ere" 99870 yogn'o| tz 45990 9840 | zB" oesy0 heay0] 4 Ligh’o 20840 | @bLy0 eyo 2LLy0) oe thL4'0 b9n'o 4959/0 zs4h'0 zeer'o 9zLno 98940 <1s4'0 temo used zoL40 oSL4'0 | 474140 90140 98% | 82940 tea70 9094/0] bbs4'o sys’ sos ban/o abso biero bern'o zane oll nsse'o sige i508’ 79Lz0 aso eziz’o zuLro 9040 2201'0 9¢90'0 bezoo hELz'0 renzo ga0r'o 9eui'o goei'o 29600 9bs0'o bbt0'0_ VoLTemos Ao EXEMPLO DA FP. 167, ONDE Ze= 1,39. THO: —P ProcunAR 4,3 NA MARGEM ESQUERDA (VERTICAL); —P PROCURAR 0,07 NA MARGEM SUPERIOR (HoRIZONTAL); ‘—P CRUZAR ESSES VALORES E LER A PROBABILIDADE No MILO DA TABUA. Temos: ‘A PRoBABILIDADE que] A TKBUR FORNECE (0,4177) corres- ONDE A ESTA AREA HACHURADA.. Zal3F Vamos AGORA A UM PROBLEMA um fouco MAIS COMPLEXO. SuPONHAMos X—> N(40; 10). QuaL a Co ‘De X PERTENCER AO INTERVALO mt G5? 3 gonugso P40 < X<45)= =P(040); B)P(xS20); O (35 PROBABILIDADES PeDipas (hs VEZES E TRECISO FAZER ALGUMAS OPERACGES SIMPLES (+ 0U —) PARA ORTER A. ‘RESPOSTA FINAL), E Esse 'eino® no eeeerece eee eeroaoees de ( Toca NADA! 9) P(x 240) = P(zZ 22) E este o vator que VAMOS CALCULAR, INICIALMENTE. ENtAo? 9(Z € (0+ +=} = 0,5000(T) PIZ € (oH 2,;50))= 0,4938 (1) 40-30 _40_ Ve 4 250 2. P(X 240) = P(z 22,50) Supteatnno (IL) pe (I) Temes: P(Z6(2,50r +2)} = 0,0062 | P(X 2 40) = 0,0062 poo vsoecasserecveresen N(30; 46) -= Ye = B (XS 20) = P(Z ) Este ¢ 0 vALOR que VAMOS CALCULAR, ¥ 7 NA REsoLuGAo, ELIMINAMOS 0 INDICE & Do XE DoZ. INICIALMENTE, 4220-80. 10. +250 for ESTE RESULTADO + VEMOS QUE ESTE PROBLEMA 1 € QUASE IGUAL AO ! AMTeRiOR. A DIFERENGA . EqueoZe SE 40 Z** NEGATIVO, isto €, ® ESQUERDA nz 72,50 M=O, ras & PROBABILIDADE fenanoive EER SEEN ROBABILIDADE ENTAo: ?(Z<-2,50) = P(- $Z $0) - P(-2,50$Z<0) eee aes 05000 0.4938 P(Z <- 2,50) = 0,5000 - 0,4938 =0,0062 w. | P(X< 20)= 0,0062 Ce ee ey . P(358)=P(Z 2087) TEMOS: P(Z 20,87)= s7(0$2z < +00)~ Plogz<087) P(2Z 2 0,87)= 0,5000 - 0,3078 = 0,1922 . [P(X28) = 01922 = 0,87 ATENGAO: Resposta PeLA BINOMIAL: 0,494 Resposta Peta NORMAL: 0, 1922 ~r Enwo De. somonnneho = 00048 [esTez et) APLICACAO NUMA PROVA DE HIPOTESE VAMOS IMAGINAR QUE UMA MOEDA TeNHA SIDO. JOGADA 40 NeZES & QUE TENHAM OCORRIDO 28 “CARAS*(C). QUEKEMOS TESTAR , COM A= 10% , SE ESSA MOEDA Pode SER CONSIDERADA "HONESTA®.Ho: PIC) = 0,5 Ha? P(C) #0,5<— Ha BICAUDAL Porque Niko WA NENHUMA INDICACAO SOBRE O LADO DA MOEDA QUE PODERIA ESTAR "DESBALANCEADO™. Neste EXERCIUIO VAMOS PROCEDER DE Mobo DIFERENTE. Em LUGAR pe BscARHos uA PROBABILI- DADE A PARTIR DE UM Ze ,vaMos Buscar um Zo A PARTIR DE UMA, PROBABILIDADE . .£ ssa PROBABIL Dade € DADA TeLO NIVEL DE SIGNIFICANCIA(®= 40%). Como ® Hy & BIOAUDNL, = 5% DEVERN’ PRoDuZIR, eM AMBAS A> caupre UM Ze QUE DEFINIRA A REGIAO CRITICA(R,). Xu 54 Hisy Vamos CALCULAR 0 Zao 275% Zc. SE METADE 3A » CURVA CORRESTONDE a Bz 4 08000 « ale 2 Ie 7 DETERMINA A Re, DIREITA, TeMOs: 0,500 ~ 0,0500 = 044500 PRoURANDO No MIOLO ‘DA TKBUA A PROBABILIDADE 0,450 , ENconrRamos DOIS VALORES PARA Z.:uM POR FALTA :Z, = 4,64 (que CORRESPONDE A p,=0,4495) E outro POR EXCESSO: Zc,= he5( Que coRResPoNDE » p,= 04505). Quem esr COM EXCESSO ve 178 EM GERAL, 0 ESTATISTICO FICK COM © VALOR . QUE PRopuz A MENOR DIFERENGA. Neste caso, & INDIFERENTE , ois AS DIFERENGRS SRO RIGOROSA- MENTE IGUAIS. Enric IK Temos AS REGIOES CRITICNS DETERMINADAS: R SERA ALGUM = + Zio awlle ~ 404 +404 SO FALTA AGORA ENCONTRAR 0 Z QUE CORRESPONDE A_X=28 E VERIFICAR SE ELE CAI DENTRO ov FORA DA Rc. Z,=04t95)-np = 28405-20 _ 28+0,5-20 Vapq vio 340 Como A APROXIMAGKO AO 28 PODE SER FEITA YOR FALIA E POR _EXCESSO, vamos consipeRaR os Bols VALORES De Z QUE DECORREM DA FORMULA RCIMAL = 275-20 15 _ a 3m (8G ABz, ~ 285-20. 85 _ 316 310” es 2,69Vemos, assim que (X= 28), em TerMos ve Z, DEFINE UM INTERVAL CoM 05 SEGUINTES LIMITES: 23744 2,64. Ora, ESSE INTERVALO CAI NA Rg DIREITA, DONDE RESULTA QUE Qu sé5a, A MOEDA NAO) EQUIPROVAVEL. VAMOS VER Isso NO G@RAFICO: Esse cuRVA NORMAL TEM VARIAS UTILIDADES...!!! 44 PROVA pe QUI-QUADRADO OBJETIVOS ESPECIFIcOS Ao concLuiR 0 ESTUDO DEsTE cAPiTULO, © LEIToR DEVERA SER CAPAZ DE A eNTIFICAR As Huw LE DIEM Que SITUASES que ESTAS PANELAS Sho ReQueren uA ANTIADERENTE: PROVA DE ADERENCIA ; YK IDENTIFICAR AS SITUAGOES QUE REQUEREM UMA PROVA DE. INDEPENDENCIA; OK cALCULAR uM QUI- QUADRADO ; YK sag _ADEQuaDAMENTE UMA TABELA DE QUI-QUADRADO ; WK EXPLICAR oO SIGNIFICADO DE GRAUS DE LIBERDADE ; wh ArLicaR & FORMULA SIMPLIFICADA tna 0 CRLCULO DE QuI-QUADRADO EM TABELAS 2x 2; HK cALCULAR 0 Gur-gunperso con A CORRES DE YATES.Hi MOMENTOS NA VIDA EM que & EXTREMA- MENTE IMPORTANTE DECIDIR (OU PODER DECIDIR) SE 0S DADOS ( vaLores. S_ ATUSTAM-SE Ri BEM & UMA, DETERMNADAY Ext EXPECTATIVA. Al, Tho! $0 'E55E E EU FICO HILIONARIO!! Vamos SuPOR QUE UMA MOEDA TENHA SID0 LANIpADA 30 VEZES, PRODUZINDO 05 SEBUINTES RESULTADOS: 18 “caRAs*(C) € 12 “coroas'(K). QuEREMOS SABER, COM X= 5% , SE ESSA MOEDA PODE SER CONSIDERADA’ “HONESTAY. FARA RESOLVERMOS ESSE PROBLEMA, PODEMOS, ADOTAR UMA DAS DUAS SEGUINTES SOLUCSES: BINOMIAL ov QUI-QUADRADO ov NORMAL, ‘SEGUNDO ORIENTAGAO OFERECIDA NAS PAGINAS 175, 176 e 477. 182 J, spLugi© BINOMIAL SEGUE © MODELO OFERECIDO EAPITULO INTITULADO “Prova ve HiPiTESe™ |] Fits FoR CONTA Do LEITOR TESTAR A “HONESTI- | WADE DESSA MoEDA FoR BINOMIAL. @ur-quaoen DO (nano X2)¢ om arcs CONCEBIDA PoR KARL PEARSON EM B PRESTASE A ESTAR BAS|CAMENTE Do's “i DE HIPOTESES: ADERENCI: INDEPEND! NCI. Vamos Ao PRIMEIRO. | COMFANDINDO || PARE ASYDAR 0 | Esmaisricn | | fesquisapor § i on 1 | DeciDiR se og 'Mepicina ov } | gap0s Que ELE Poirica?!! 7 | coumeu se ATUSTAM * BEM A UMA DETEAMINADA LEN. Riiatn eiwnse Teste (ov Pron) DE AJUSTAMENTO. 183,As wiroTeses — Ho € Ha— FOPEM SER AS MESMAS QUE UTILIZAMOS PAGINAS ATRAS. Goro 0s DADOS EXPERIMENTAIS PODEM VARIAR AULelg sveAnn aa, Uy. 255 roma se AMOSTRA VARA AMOSTRA, UMA MANEIRA SENSATA y DA Ho, A 3 IVALIAR QUAO GRANDES OU QUAG PEQUENAS sho CRODABILIBADES Ellin. rk ep iratccrae Xb DIFERENCAS E ELEVK-LAS AO QUADRADO * Pee Recs DADO: ‘STOS' EM, stGuIDA, DIVIDI-LAS toR um VALOR pee lebGres TTAVEL , tt &, uM VALOR QUE Se MANTENHA INSTANTE em QUALQUER ANMOSTRA. & VALOR & DADO PELA LEI. a = TAL pe Xe Oe) Pouce VARIA DE ACORDO COM CADA SITUAGAO. ESPECIFICA *. O Teste DE _QUI-QUADRADO DE ADERENCIA Consists EM COMPARAR os DADOS OBTIDOS esc” 3 EXPERIMENTALMENTE con os DADOS ae z ESPERADOS DE ACORDO COM A LEl. Das Muito’ E wuito COMPARACEES suRSEM DIFERENGAS — Que Posen F pal SER GRANDES 0 PEQUENAS. Se roxem Poueo & Pouco! GRANDES, & Ho ( que PRESSUPOE *BoMY ATUSTAMEN- TO) Devers’ scx REJEITADA &™ FAVOR DA Ha; Se FoREM PEQUENAS A H. NAO Xe Ho RETEITADA Se X22 XE Ho nio-eeserrapa @ NELYSNO (XG = 1,200) < (X2 = 3,844) so Ho NRO-RETEITADA % No QUADRO ORIGINAL PA P, 186 TEMoS DUAS. TARCELAS QUE, SOMADAS, DAO 30. ORA, SE "CHUTARMOS® © VALOR DE_UMA DAS 'PARCELAS, 0 VALOR DA OUTRA ESTARA FATALMENTE. DETERMINADO Em, VIRTUDE DA RESTRIGAO REPRESENTADA POR SOMA 30. Veramios: 1 “cHuTe™ } ENTRO, SE $6 PoPEMOS “cHUTAR™ 1 DETERMINADO 1 papo, 36 temos 30m RESTRIGKO 1 GRAV DE LIBERDADE. 188 * AFIRMAR QUE A Ho Fol NAO-: SIGNIFICA ADMITIR. QUE PCK EM PALAVRAS | EQuIVALE A: A MOEDA POPE SER CONSIDERADA EQUILIBRADA ( EQUIPROVAVEL , "HONESTA®). A CEeRTEZA CoM QUE FAZEMOS s AFRO AeIMA € DE, PELo MENOS, 95% * Do PonTo DE VisTh “TRABALHO DE CALCULC, A PROVA DE QUI-QUADRADO Ee Mas "MOD QUE A BINOMIAL. ELEVA ® MESMA CONCLUSAO. UM ERRO! FO Fw urns PLavRas: GERIA. NECESSKRIO REALIZAR © MESMo BXPERIMENTO (oan, 1 MoeDA exes) VEZES PARA, BVENTUALMENTE, MCORRER uM Bako (Mxximo) Me 5%.Um TesTE DE INDEPENDENCIA serve PARA ASUDAR ©. PESQUISADOR A DECIDIR SE DUAS VARIAVEIS ESTAO_OU NAO "AMARRADAS™ UMA A OUTRA PoR UMA RELACKO De DEPENDENCIA. A PROVA DE QUI-QUADRADO DE INDEPENDENCIA TAMBEM, DEPENDE DE uma LEI — so que esta "sAI* DA PROPRIA TABELA DE DAPOS ORIGINAIS. A Lécica suBSACENTE A Es6& PROVA E HUITO SIMPLES : QUANTO MENOR A DEPENDENCIA ENTRE AS Duas VARIAVES MENOR O VALOR DE Xi. (Lensran ove ° 4 CALCULAPO; o XE € TABELADO.) A REGRA DE DECISAO TAMBEM E A MESMA: ‘PARA UM PADO VALOR DE of E CERTO NUMERO DE GRAUS DE _LIBERDADE, aye 2 56 Ko > Xe — Ho RETEITADA; 88 SE KS < KE Ho NRO-REIEITADA. % Pos € AG Menina LREIEITADO i 3 = CALCULO oe NUMERO DE GRAUS DE LIBERDADE SE,NA TABELA ORIGINAL (suPLA ENTRADA), IZeRMOS C=NUMERO DE COLUNAS E SNOMERS De LINHAS , ENTAO: GLB = (e-4)(2-4) Pars uma PROVA DE X” dE INDEPENDENCIA WOASE UMA TABELA ESPECIAL DENOMINADA TABELA UPLA ITRADA. Nessa TABELA HA’ LINHAS: COLUNAS E DE SEU CRUZAMENTO ResuLTAM GASELAS. Faa-se em TABELA pe £ LINHAS € © COLUNAS & INDICA-SE POR Axc. Os VALORES QUE FIGURAM NAS CASELAS Sho MUTUAMENTE EXCLUDENTES: NAO PODEM PERTENCER ‘WO MESMo TEMPO A MAIS DE UMA CASELA. ‘Assim como voc® NKO POPE PERTENCER A MAIS DE UM CORAGAOZINHO..... CALCUL oa LEI PARA CADA CASELA, VALE A RELAGKO? (METAL DE LINHA) (TOTAL DE COLUNA) (ToTAL GERAL)EXEMPLO PRATICO SUPONHAMOS QUE CERTO PESQUISADOR TENHA COLHIDO UMA AMOSTRA De 200 FUMANTES (Aomens E MULHERES)E QUE OS TENHA CLASSIFICA: Bo EM FUNGAO DE TRES MARCAS DE CIGARRO: A, Be C. & PESqUISA TINHA POR OBJETIVO VERIFICAR Se AS VARIAVEIS MARCA(D0 ciGaRRo) E SEXO, (So "Fumante) Exam DEPENDENTES (oc= 5%). COLUNAS (c) LINHAS Nesta TABELA HA 2=2 LINHAS & ¢=3 COLUNAS. > TRDELA 2x3 LEITURA DA TABELA ExempLos: 15 MULHERES FUMAM MaRcA B ; 30 WOMENS FUMAM MARCA C. No TOTAL HA, 120 HOMENS E 6O MULHERES. A MARCA A E CONSUMIDA POR GO PESSOAS (HoMENS & MULHERES). 492 OBSERVEMOS AGORA QUE 05 VALORES 6O, 120 PER CS. Porque SAIRAM DIRETAMENTE DO RIMENTO. (A amosTRA De TAMANHO ZOO | DECIDIDA PELO _PESQUISADOR E A PARTIR DESSE MENTO ToRNA-se TAMBEM um vator KO.) ORA, manTipos os TOTAIS MARGINAIS INAS E COLUNAS),© VALOR 20 ToDERIA WAR &M sucessivAs REPLICAS Do eExreni- To. ENTKO, & PERGUNTA: QUE VALOR RAZOA- iL POPERIA SER PosTO NESSA CASELA “SUBSTITUIR® © 207 Vamos PENsaR EM TERMOS DE PROPORGAO : 20 esth PARA 60 assim como 420 Est PARA 200. AC); 20 - 420 ENTAO: 2 = 36 E como saBemos que 020 yope VARIAR & Vamos SUBSTITUI-Lo FoR D (=vesconnecibo) & TRAN, © seu VALOR: Be ZZ r(200)= (12060) (12060) OBsERVEMOS Que 1550 Bo MeESMO 200 QUE CALCULAR: 4 (420) (60) (OTALDE_LINWA)(TOTAL DE COLUNA) GOrAL GERAL) (200) E, Wo LUGAR De {S(DADO EXPERIMENTAL) Fo- JEHOS PER 34 (GUE SAI DA LEI), € MAIM POR, DIANTE,AGorA E CONSTRUIR AS HIPOTESES ESTATISTICAS, MONTAR A TABELA Nos MESMOS MOLDES 30 QUE IW Fol VISTO, FAZER OS CALCULOS E TIRAR A CONCLUSAO FINAL. Ho: P(M/A) = P(m/3)= P(M/c) * ov P(F/B) = P(F/C) IMPORTANTE —— Quanpo As VARIAVEIS sho INDEPENDENTES, “8 %S TENDE A ZERO. for EXEMPLO, EXAMINEMOS, 25%, o QUE ocoRRE com | Dano & MOEDA ( HONESTOS ) TOGADOS SIMULTANEAMENTE, vezes. 36,1556 = 36,156©X5 AGORA: GLIB=(2-4)(c~4) | (XG = 36,156) > (02 = 5,994) GLIB = (2-4)(3-4)= 412) =[2] 0,0834567 0,0770370 010979710 0,090434-7 te [Hy RETEITADA * Ou, Hot As VARIAVEIS SEXO & MARCA XE SOMENTE FoR INFLUENCIA Sessa “/INFLAGAO* E A Ho val seR REJEITADA sem NECESSIDADE . TARA CONTORNAR ESSE OBSTACULO, YATES Riou om PRECEDENTS, TAMBEN, ConhcrDo FELO NOME CORREERO DE INVIDADE , CONSISTE EM SUBTE a Oe PO VALOR ABSOLUTO' ws EIEERENGAS or ay ANTES DE ELEVA-LAS EXEMPLO SEIA (%=5%) € A SEGUINTE TABELA: y x 2 Ho: X£Y sho x | 6 20 INDE PENDENTES. x, | 7 16 Hai XY sio = la 36 DEPENDENTES. Isto €, SEM LEVAR EM CONTA 0 SINAL ALGEBRICO + ou-. 198 3,075 = 3,008)<(X2=3,864), X% ie H, NAO-REJEITADA. Pcorec, 05 estatisticos DESENVOLVERAM UMA FORMULA Que ELNOHIEN, TEND E ESPAGO SEMPRE QUE DE YATES se FAGA NecessARIA: a nf[l(ap-30)]- FJ (avB)(C+D)(AtC)(B+D)Vesamos (razeta aa ? 198): DISTRIBULCAO t (STUDENT) 2 | eS solliena-me- 3] | eon (20)( 4o)(23)(13) - , DBIETIVOS ESPECIFICOS fo conciuin 0 EsTup0 DesTe carituLo, P LBITOR DEVERN SER CAPAZ DE Bacto a DISTRIBUIGAO DE MEDIAS AMOSTRAIS; CALCULA. ©. Seno # CITAR AS couse QUENcIAS Do TEOREMA _ sell 44-20-16)" ~ 3,614 95.680 t Este ResuLtano & FRATICAMENTE © MESMO Qué OBTIVEMOS NA PAGINA ANTERIOR, } A. PEQUENA DIFERENGA | OBSERVADA DEVE-SE. A ERROS DE ARREDONDAMENTO, FINALMENTE AHI... Reona Posse LER oO Mev TORNAL! DE CONFIANGA PARA A MEDIA; CALCULAR, © TAMANHO DE UMA AMOSTRA; * DisTINGUIg enTRE ESTIMAGAO, ESTIMADOR E ESTIMATIVA; SIDENTIFICAR, AS _SITUAGGES EM QUE sé APLICA A DISTRIBUIGAO t; * LocaLizar um € CRITICO NA TABELA ; TESTAR UMA HIPOTESE uswno a vismiRuigiot. Sd Tem sENTIDO FAZER A corresho DE YaTes se a Hy tiveR s10 REJEITADA.DISTRIBUIEAO DE MEDIAS AMOSTRAIS 1 SUPONHAMOS QUE A VARIAVEL X ASSUMA 05. valores 1,2,3,4,5. Vamos piste Ten AS AMOSTRAS PossiVEIS, COM REPOSICAO, DE TAMANHO n=2,& DEPOIS CALLULAR AS MEDIAS. (aRrTMETICAS) RELATIVAS A TODAS AS AMOSTRAS.. Exrea! Extra! Onan, ANOVA "TABLITAY A TRBELA MosTRA Que A MEDIA ¢ TAMBEM UMA VARIAVEL: AFINAL, NO QUADRO ACIMA , ELA ASSUMIU VALORES De 10 A 5,0. DP Note que PARA UM PARTICULAR GRufo se Datos, X € consTANTE. Mag se VocE. TRABALHAR com AMOSTRAS TIRADAS DESSE MesHo ‘RUF De Dabs, Woe OBTERK VARIAS MEDIAS. TRATA-SE DE UMA AMPLIAGAO. ‘DO CONCEITO DE MEDIA. 202 ISunyo DE valores 1,2,3,4 € 5 consti A (17) De ONDE FORAM TIRADAS 25 AMOSTRAS: nee. 0 CALCULAR & MEDIA ARITMETICA, DA POPULAGAO JAS AMOSTRAIS E COMPARAR 05 RESULTADOS. (nr) Conansno 05 ‘RESULTADOS , NERIFICA- if Tamanto 5) Mos QUE A MEDIA DAS: 34,5 MEDIAS AMOSTRAIS, — E RIGOROSAMENTE =x IGUAL '\ MEDIA. N ‘PoPULACIONAL. PA+3th+S 15 =#2.[3 hart - 8 [5] Wer cAtcure ve X ABA) th) K [mw [hn Al isto & , TaMANHo 2) 1 110; 1,5;...; 4,5; 5,0 Zz - 3 5 2h $ 4 5 3 2 = as ae » a SIONIFICA MEDIA tas MEDIAS) 750 Diante visso, PoDERIAMos PENSAR QUE © MESMO JOOINIO SE APLICA AO CRLCULO DA VARIANCIA. 203SE TAL FOSSE veRDADE, ©7(x)= 07(X). O Que DE FATO cconne é : axl) = WeelX) A Mepipa que vi Camano SAS AMOsTRAS ) CRESCE, as MEDIAS AMOSTRAIS vho ProsRessivA- Mente TENDENDO A uma A DISTRIBUICAO LIMITE — qe € A ‘Disreipvicko NORMAL, Para EFeITOS Préticos com NZ 30 A APROKIMAGRO € MUITO BOA. Mesmo vara ne2, A CURVA IK LEMBRA uma NORMAL. ov sex , DONDE Esrq esvaristica S caava-se ERRO, ‘PADRAD DA MEDIA. 5 4 te or rerecry ATENGAO!! ))) O7(X)= 2,00 # C2(K)= 4,00 om ent sets Egmo Tapnto 9 DA m EDA (a, 4 # F(R) =40 " AMOSTRAIS), FoDEM0s USAR ‘DUAS FORMULAS: " E $00 8 | ENTRETANTO, se_Fizermos O(%) = oo — (1) s(%) ali DEsvIO PAPREO DA AoPULAG.O a. gee Mi Msapa qunnpo AAs | © 5% oR) tt a8 dot scotia. (BE x)= = 7 cA. \F EF 14 [10] esta cf 4 Dev IGUA\ ‘PARA Que A FORMULA "FUNCIONE™ BEM— No caso De A VARIANCIA POPULACIONAL SER DESCONHESIDA- E PRECISo Que n> 30. Moc#s quvt@am 2 CurpaDo ONDE Pisae || TEOREMA ce WMITE CENTRAL As RELAGES QUE ACABAMOS DE EXAMINAR cono- TWYEM A BASE DE UM IMPORTANTE TEOREMA DA ESTA: TISTICA CHAMADO TEOREMA DO LIMITE CENTRAL. 204,CoHo RARAMENTE © PESQUISADOR CONHECE A VARIANCIA DA POPULAGAO, ELE CERCA-SE DE ALGUNS CUIDA- BOS E USA A FORMULA IL (PAGINA ANTERIOR). INTERVALOS pe CONFIANCA A. Fommuta TL Foss |BILITA-NOS CONSTRUIR INTERVALOS DE CONFIANGA PARA A MEDIA. VESAMOS A SUA mesADA: wrenvato com 95%, 3 cee =e) WiTeRVALS com 99% De cERTEZA (ceRTEZA Ve QUE A MEDIA ca DENTRO Po INTERVALS) 6 Pal!!! Voc? tem ceRteen DE QUE AS MINAS NECESSIDADES ESTAC DENTRO DESSES cALCULOS 777 EXEMPLO = thas resquisa 0 SALARIO MEDIO (X) DE FUNcIONKRIOS DE DETERMINADA CATEGORIA, UM ESTATISTICO SELECIONOU UMA AMOSTRA CASUAL DE 225 FUNCONKRIOS E VERIFICOU QUE X=G.h4s000,00 € que S(X)=Grf 270,00. PARA ESTAR ceRTo EM IS% DAs VezEs, Que IWTERVALO DE CONFIANGA ELE DEVERIA TER USADO? 206 SOLUGAO Come n> 30, PODEMOS USAR 0 DESVIO PADRAO DA AMOSTRA PARA ESTIMAR © PESVIO PAPRAO DA POPULAGAO. Assim: 6(3)=-S00. - Geb 270,00 _ Gf 270,00. Gi}18,00 Vn V225 15 PARA ESTAR CERTO EM 15% DAS VEZES,0 SEU RESULTADO DEVERK “FuGiR® Das PoNTAS (CAUDAS) DE WHA CURVA NORMAL EM 2,5% DE CADA LADO. ORA, GONSIDERANDO UMA METADE DA curva, TeMos: (0,5000 - 0,0250) = 0,4750. Pocuranpo p=0,4750 Numa tKBUA pe N(O;4), WERIFICAMOS ‘Que Z, = 1,96. ENTAO: GAB 45.000,00 + 1,9 ( Ceff 18,00) "Ger o INTERVALO DE CONFIANGA DesesAvo. Assim: Gi 45.000,00 + Gif 35,28 Gif 4.5.000,00 + GY 45.000,00 "Gg 35,28 Cs 36,28 OG 44.964,72 HG 45.035,28 (Limite inFeRior ) (Limite superior) Esse INTERVALO DEVE ER INTERPRETADO DA SeeuINTE MANERA:==> SE O ESTATISTICO COLHESSE 100 AMOSTRAS De TAMANHO N= 225 DA PoPULAGAO EM ESTUDO E SE, PARA CADA AMOSTRA, ELE CALCULASSE A RESPECTIVA MEDIA INTERVALO DE CONFIANGA, No FINAL DA OPERAGRO ELE TERIA 100 INTERVALS DE LMITes IM DEFINIDOS. A MEDIA POPULACIONAL (A "VeRDA- DEIRAY MEDIA) DEVERIA ESTAR CONTIDA EM 95 DESSES INTERVALOS E CAR FORA ve Arenas 5. CALCULO vo TAMANEIO pe uma AMOSTRA Devivo so sey BRILANTE PESEMPENHO, You PROMOVE-Lo_E AUMENTAR 0 SEU SALKRIO. EM 0,0001%0. Viios, Ho EKEMPLO ANTERIOR, que_A MEDIA © .4}45.000,00 “apmite’ um ERRO DE * ye + Crd) 35,28. CHAMANDO. E , PODEMOS ESCREVER QUE CAG) 35,28. Mas, se LeMBRARMOS QUE, ne( ) = Caf 35,28 , concLuimes Que: A_UMA TERCEIRA so 4s¢( 522) (7a QUANTIADES a) VeUAIS ENTRE Si. Como A. "CONFIANGA DESEIADA NEM SemPRE E DE Sb, & FREFERWEL VALOR PARTICULAR DE_UM ESTIMADOR (Pex., =3 X(AMostaA) VARIA DEO A 5,0. Ver #202 € 208, ENTKO, quanto Y= 25,25 € uma ESTIMATIVA DE A.)VAMOS EXPERIMENTAR ESTA FORMULA NO PROBLEMA QUE ACABAMOS DE RESOLVER. A QUESTAO, AGORA, 2A SEGUINTE: NUMA PESQUISA SALARIAL DE FUNCIONARICS, Me AG o nee, CATESORIA , ae ADMITE ERRo NA SUPERIOR A $35; DEVERA SER O TAMANHO = MINIMO. DAY “AMOSTRA ea PARA Qué OS RESULTADOS SEJAM DADOS CoM 96% DE CONFIANGA? SOLUCAO Pet UM Davo ESSENCIAL Para x10 NA FORMULA ANTERIOR: © PADRES DA . FARA CONTORNAR © PROBLEMA, FAZEMOS uM ESTUDQ-PI| COLHENBO UMA, MMOSTRA ‘DE, DIGAMOS, 30 FUNCIONARIOS E CALCULA © DESVIo PADRAO DE ‘SEUS SALKRIOS. SUPONKAMOS QUE Esse DESVio SETA DA ORDEM DE Cuff 285,00. Be ‘BEM, NA "FALTA DE COISA MELHOR” 2 ESSA A INFORMAGAO QUE SERK LEVADA ‘A FORMULA. ASSIM: | Ze+ SX)]* é URERITE I Preciswse. ve -{ {,96)(285,c0) GERENTE. 3528 Phan-se “BEM, = 342.033,96 12,6784 = 250,69 ENtRo, como NR FODEMOS TRABALHAR CoM FUNICONARIO™, ARREDONDAMOS PARA I$", Done nz 251. 0 LeitoR TODERN PERGUNITAR, ASORA: ERA!!! Mas _quanivo n eRa 225, © DESVIO PADRAO Tanséns ERA CONHECIDO. Acora , Nao | O mpoRTANTe,, ENTRETANTO, E QUE CoM POUQUISSIMA INFORMAGAS QUE Sd EXCEDE A PRIMEIRA EM 26 PESOAS : 251 - 225= 26. Assim, PROCEDENDO, RESULTAM AS SEGUINTES VANTAGENS+ MA deveRMINAcho Do _TAMANHO MiNIMo DA AMOSTRA ME 95% DE CONFIANGA nos, acsuLtAD0S, MM ECONOMIA: uma amostRA MENOR ReDUZ GASTOS DESNECESSARIOS DE VERBA & TEMPO. DisrRIBWIEhO DE STUDENT A Disreipuigio t De Si Sroent Fo cavon Matson Senty Gomer (tue eNse). Sempre para MAIS.GOsseT TRABALHAVA, Ma EPOCA , NUMA, CERVETARIA NA IRLANDA E ESTAVA CIENTE DE Que SEU EMPREGADORES NRO QUERIAM QUE FUNCIONKRIOS “PUBLICASSEM © QUE QUER QUE Fosse— COM, RECEIO, TALVEZ , DE QUE SEGREDOS INDUSTRIAIS, caissem NO Dominio, POBLICO E, PRINCIPALMENITE NAS MBOS DA CONCORRENCIA, Pr 1860, Gosser, Ao DESCOBRIR UMA Nova DISTRIBUICKO DE PROBABI- tapes (DIsTRIBUIGAS t), PUBLICOD SEUS TRABALHOS 'sog © Pseudduimo De STUDENT. SABEDOR Das LIMITAGOES que uma AMosTRA GRANDE (n> 30) MPSE AO PESQUISADOR , GosseT CRIOU UMA ESTATISTICN ADEQUADA A PEQUENAS AMOSTRAS(n < 30). A FSRMULA DESSA ESTATISTICA E: X — MEDIA ARITMETICA DE pane UMA AMOSTRA (PEQuENA) 1 p> MEDIA ARITMETICA (PRESUMIDA) > POPULAGAO. DE ONDE Ho: [= 1000m =P: ¢ + 4.000 ™ (-. BICAUDAL) Como n28, 6liB: 7. ENtao, com %= 5% (picaupat), (to=-3,542) < (t= -2,365) siHo RETEITADA Acora Te PeGuEl DE JEITO! A REGRA DE vecisto (n 214) NAO ALA EM + Negative IL (SECORRG}! Bem que Me Fanon ave Coropma DeMANs CAUSA ALUCINAGOES! |Na. 243 Ficou pifo que A DISTRIBU! é . q iho t € SIMETRICA. Tor ESSA RAZAO, AS TABUAS 53 REGISTRAM 5 te POSITIVOS (NA METADE DIREITA DA cURVA), Economial.... AFINAL, No MUNDO bos Neader0s, Tero & DAKE LRO! Mas E claro Que o t-critico_vSADO NA SOLUGRO 0 PROBLEMA DEVE" SER INTERPRETADO DA SEGUINTE MANEIRA: ~354af (or Ao REZEITARMOS A Ho ESTAMOS DE FATO, ADMITINDO A HIPOTESE (ALTERNATIVA) DE. QUE NAQUELE DIA SORTEADO A PROI MEDIA HORKRIA Fo! DIFERENTE 30 EXPECTATIVA. CORRELAGAO LINEAR SIMPLES OBJETIVOS ESPECIFICOS Ao conciuig 0 esTuDO TESTE cAPiTULO, © LEITOR EVERX SER CAPAZ DE > DEFINIR CORRELAGAO; > DeFINIR CORRELACAO LINEAR SIMPLES; > CALCULAR 0 COEFICIENTE DE CORRE- LACAO LINEAR DE PEARSON CONSTRUIR_ UMA NN NUVEM DE PONTOS (OM OS VALORES ve X BE Y; INTERPRETAR 05 ie DIFERENTES VALORES cH QUE Fy PODE = aAssuMIR; , Testar A PASE (Tr aster SIGNIFICANCIA 1 fy; Be re EXEMPLIFICAR A DIFERENGA ENTRE CORRELAGAO & eusn-€-EFeITO; CALCULAR 0 COEFICIENTE DE ‘DETERMINAGAOO remo ELA SIGNIFICA RELAGAO EM 2 DOIS SENTIDOS (co+ E como se RELAGAO) EE USADO. CORRELACAO Em ESTATISTICA, SIGNIFICASEE PARA DESIGNAR A “TUNTIDKO"| FORGA que MavTéM UNIDOS" BOIS CONSUNTOS DE VALORES. VaMios IMAGINAR QUE TEHHAMOS

Potrebbero piacerti anche

• Apoio matricial: uma estratégia para ampliar a clínica e integrar serviços

  

  Documento10 pagine

  Apoio matricial: uma estratégia para ampliar a clínica e integrar serviços

  Brenda Dantas

  Nessuna valutazione finora
• Trabalho Caef

  

  Documento14 pagine

  Trabalho Caef

  Brenda Dantas

  Nessuna valutazione finora
• Trabalho Caef

  

  Documento14 pagine

  Trabalho Caef

  Brenda Dantas

  Nessuna valutazione finora
• • Riviste
  • Podcast
  • Spartito
• Triagem - Texto Eliana Herzberg

  

  Documento8 pagine

  Triagem - Texto Eliana Herzberg

  Brenda Dantas

  Nessuna valutazione finora
• A Nova Desordem Amorosa - Pascal Bruckner

  

  Documento218 pagine

  A Nova Desordem Amorosa - Pascal Bruckner

  Brenda Dantas

  100% (1)
• Dardot e Laval - A Prova Poliì Tica Da Pandemia

  

  Documento8 pagine

  Dardot e Laval - A Prova Poliì Tica Da Pandemia

  Brenda Dantas

  Nessuna valutazione finora
• Pedido, queixa e demanda no Plantão Psicológico

  

  Documento8 pagine

  Pedido, queixa e demanda no Plantão Psicológico

  Brenda Dantas

  Nessuna valutazione finora
• Contribuições da psicologia social e política para o desenvolvimento da psicologia comunitária

  

  Documento10 pagine

  Contribuições da psicologia social e política para o desenvolvimento da psicologia comunitária

  Brenda Dantas

  100% (1)
• Pedido, queixa e demanda no Plantão Psicológico

  

  Documento8 pagine

  Pedido, queixa e demanda no Plantão Psicológico

  Carlos Bengio

  Nessuna valutazione finora
• Terapia dialética: comportamental ou cognitiva

  

  Documento14 pagine

  Terapia dialética: comportamental ou cognitiva

  Letícia S. de Lima

  Nessuna valutazione finora
• DISSERTToledoLiliane PDF

  

  Documento176 pagine

  DISSERTToledoLiliane PDF

  Brenda Dantas

  Nessuna valutazione finora
• Por Uma Psicologia Comunitária Como Práxis de Libertação 2008 PDF

  

  Documento9 pagine

  Por Uma Psicologia Comunitária Como Práxis de Libertação 2008 PDF

  Brenda Dantas

  Nessuna valutazione finora
• Reflexões Saúde Mental (Safra)

  

  Documento8 pagine

  Reflexões Saúde Mental (Safra)

  Brenda Dantas

  Nessuna valutazione finora
• Representando A Violencia

  

  Documento9 pagine

  Representando A Violencia

  Brenda Dantas

  Nessuna valutazione finora
• Formação do psicólogo e diretrizes curriculares para a saúde mental

  

  Documento18 pagine

  Formação do psicólogo e diretrizes curriculares para a saúde mental

  Anderson Castro

  Nessuna valutazione finora
• Metodo Estudo Leonardo Lugaresi 1

  

  Documento8 pagine

  Metodo Estudo Leonardo Lugaresi 1

  Velda Torres

  100% (1)
• Oficinas em Dinamica de Grupo Na Area Da Saude Maria Afonso 2006 PDF

  

  Documento329 pagine

  Oficinas em Dinamica de Grupo Na Area Da Saude Maria Afonso 2006 PDF

  Marcos

  67% (3)
• Psicologia Social e Saúde Coletiva: Reconstruindo Identidades

  

  Documento12 pagine

  Psicologia Social e Saúde Coletiva: Reconstruindo Identidades

  SeventhEclipse

  Nessuna valutazione finora
• Massimi - Descobrimento e Maravilha

  

  Documento19 pagine

  Massimi - Descobrimento e Maravilha

  Brenda Dantas

  Nessuna valutazione finora
• O cérebro social e a neuropsicologia

  

  Documento8 pagine

  O cérebro social e a neuropsicologia

  Brenda Dantas

  Nessuna valutazione finora
• A Nova Desordem Amorosa - Pascal Bruckner

  

  Documento218 pagine

  A Nova Desordem Amorosa - Pascal Bruckner

  Brenda Dantas

  100% (1)
• De Princesas A Sapos Escaldados Um Estudo Sobre As MADA

  

  Documento94 pagine

  De Princesas A Sapos Escaldados Um Estudo Sobre As MADA

  Brenda Dantas

  Nessuna valutazione finora
• Pluralidade Metodológica Da Ciência Contemporânea

  

  Documento7 pagine

  Pluralidade Metodológica Da Ciência Contemporânea

  Almir José Weinfortner

  Nessuna valutazione finora
• Sobre o Behaviorismo

  

  Documento112 pagine

  Sobre o Behaviorismo

  Fábio Alves Medeiros

  Nessuna valutazione finora
• Desenvolvimento Histórico e Fundamentos Metodológicos Da Neuropsicologia

  

  Documento16 pagine

  Desenvolvimento Histórico e Fundamentos Metodológicos Da Neuropsicologia

  ValdeciRocha

  Nessuna valutazione finora
• A Descoberta Do Outro - Gustavo Corção

  

  Documento100 pagine

  A Descoberta Do Outro - Gustavo Corção

  Marisa Rampa

  100% (14)
• Aprendizagem Relacional e Comportamento Simbólico No Processo de Conhecimento Do Mundo

  

  Documento52 pagine

  Aprendizagem Relacional e Comportamento Simbólico No Processo de Conhecimento Do Mundo

  Brenda Dantas

  Nessuna valutazione finora
• Teorias da loucura no século XX

  

  Documento11 pagine

  Teorias da loucura no século XX

  Ataualpa Maciel

  Nessuna valutazione finora
• A Psicologia Face Aos Novos Progressos Da Genética Humana - Rossano Dal-Farra

  

  Documento14 pagine

  A Psicologia Face Aos Novos Progressos Da Genética Humana - Rossano Dal-Farra

  Erick Vieira

  Nessuna valutazione finora