Sei sulla pagina 1di 75

MTODOS QUANTITATIVOS

submdulo 2 - ESTATSTICA
GRADUAO
Ps
Gesto inovadora da empresa grfica
Programa
Aula 1 26 de agosto recordao de probabilidade e
estatstica bsica conceitos gerais de amostragem
Aula 2 2 de setembro amostragem aleatria simples (AAS) e
amostragem estratificada (AE)
Aula 3 16 de setembro Estimadores do tipo razo e do tipo
regresso
Aula 4 interpretao da norma NBR5426 planos de
amostragem e procedimentos na inspeo por atributos
Aula 5 exerccios prticos com aplicao da NBR5426 na
empresa grfica

CURSO SUPERIOR DE TECNOLOGIA GRFICA PS GRADUAO GESTO INOVADORA DA EMPRESA GRFICA SENAI - SP
Exerccios de probabilidade
1. Jogando-se trs dados, calcular a
probabilidade de que a soma dos pontos
obtidos seja superior a 14.
Soluo
Nmero de resultados do espao amostral S:
n = 6
3
= 216
Cada um dos 216 resultados de S tem a
mesma probabilidade 1/216.
Resultados favorveis ao evento E (m):
m=20
P(E) = m/n = 20/216=0,0926
Exerccios de probabilidade
2. Seja um baralho comum de 52 cartas.
Qual a probabilidade de uma carta ser de
ouros ou de copas?
Soluo
E = sair carta de ouros
F = sair carta de copas
P(E F) = P(E) + P(F) = + =1/2

Exerccios de probabilidade
3. Seja um baralho comum de 52 cartas.
Qual a probabilidade da primeira carta ser
de ouros e a segunda ser de copas, com
reposio?
Soluo
E = sair primeira carta de ouros
F = sair segunda carta de copas
P(E F) = P(E) P(F) = =1/16

Exerccios de probabilidade
4. Seja um baralho comum de 52 cartas.
Qual a probabilidade da primeira carta ser
de ouros e a segunda ser de copas, sem
reposio?
Soluo
E = sair primeira carta de ouros
F = sair segunda carta de copas
P(E F) = P(E) P(FE) = 13/51
=13/204

Exerccios de probabilidade
5. Seja um baralho comum de 52 cartas.
Qual a probabilidade da primeira carta ser
de ouros ou a segunda ser de copas, com
reposio?
Soluo
E = sair primeira carta de ouros
F = sair segunda carta de copas
P(E F) = P(E) + P(F) P(E F) = 7/16

Soluo alternativa pelo evento complementar
P(E F) = 1 P(~E ~F) = 1 9/16
Exerccios de probabilidade
6. Seja uma urna com 7 bolas com as letras

A A A C C R R.


Extraindo-se as bolas uma por uma, calcular a
probabilidade de obter a palavra CARCAR.
Soluo
Evento desejado: F, interseco dos 7
eventos:
E
1
= primeira bola com C
E
2
= segunda bola com A
E
3
= terceira bola com R
E
4
= quarta bola com C
E
5
= quinta bola com A
E
6
= sexta bola com R
E
7
= stima bola com A
P(F) = P(E1) P(E2|E1) P(E3|E1E2) ... =
= 2/7 3/6 2/5 2/3 1 = 1/210
Exerccios de probabilidade
7. Seja uma urna com 3 bolas brancas e 4 bolas
pretas. Extri-se simultaneamente 3 bolas. Calcular
a probabilidade de
a) pelo menos duas sejam brancas.

E = sarem 3 bolas brancas
F = sarem 2 bolas brancas e uma preta.

P(EUF) = P(E) + P(F)
P(E) = 3/7 . 2/6 . 1/5 = 1/35
P(F) = 3 (1 1/7 . 2/6 . 4/5) = 12/35
P(EUF) = 1/35 + 12/35 = 13/35

Exerccios de probabilidade
7. Seja uma urna com 3 bolas brancas e 4 bolas
pretas. Extri-se simultaneamente 3 bolas. Calcular
a probabilidade de
b) pelo menos uma seja preta.

G = pelo menos uma ser preta.
~G = nenhuma ser preta = sarem 3 bolas brancas = E

P(G) = 1 - P(~G) = 1 1/35 = 34/35

Exerccios de probabilidade
8. Seja um baralho de 32 cartas de 7 a s. Qual
a probabilidade de tirar no poquer uma
quadra de mo?


Exerccios de probabilidade
9. Seja um baralho de 32 cartas de 7 a s. Qual
a probabilidade de tirar no poquer um flush
(todas do mesmo naipe) de mo?


Exerccios de probabilidade
10. Seja um baralho de 32 cartas de 7 a s.
Qual a probabilidade de tirar no poquer um
par de mo?
Aula 2 - AMOSTRAGEM
Noes Bsicas
Procedimentos amostrais
Objetivo: obter informaes sobre o todo,
baseando-se no resultado de uma amostra
Perigo: vis de interpretao do resultado
Adequaes e inadequaes de alguns protocolos
de obteno de amostras
Inferncia estatstica: obter resultados para o
todo, baseando-se em resultados da amostra

Vocabulrio Tcnico
Ver apndice A (Bolfarine)
Amostra subconjunto de uma populao
Amostragem por quotas processo de
amostragem em que a seleo das unidades
amostrais feita em campo, at o nmero
especificado em projeto para ser coletado em
cada estrato.
Caracterstica de interesse (varivel)
propriedade dos elementos da populao que
se pretende conhecer.

Vocabulrio Tcnico
Censo resultado do levantamento estatstico
que visa a conhecer a totalidade das
caractersticas individuais de uma populao.
Populao ou universo conjunto de elementos,
cujas propriedades e investigam por meio de
subconjuntos que lhes pertencem.
Vis ou vcio (de um estimador de um parmetro)
a diferena entre o seu valor esperado e o
valor do parmetro.
Sistema de referncia lista ou descrio das
unidades amostrais da populao, por meio da
qual possvel selecionar a amostra.
Tpicos para um levantamento amostral
Apndice B
Identificao dos objetivos e populaes
Coleta das informaes
Planejamento e seleo da amostra
Processo de coleta dos dados (em campo)
Processamento dos dados
Anlise dos resultados (modelos estatsticos)
Apresentao dos resultados
Disponibilizao dos dados
O que uma boa amostra?
1. aquela que permite a generalizao de
seus resultados dentro dos limites aceitveis
de dvidas.
2. aquela que possui um custo mnimo de
planejamento e execuo e ainda atenda ao
objetivo no. 1

O tamanho da amostra e o erro do estimador
O erro padro do estimador decresce medida que
aumenta o tamanho da amostra.
Exemplo: seja um levantamento amostral cujo
objetivo prever qual dentre os dois nicos
possveis partidos ter maior porcentagem de
votos vlidos. Um dos partidos obteve 56% dos
votos.
Caso tenha sido usada uma amostra de 100
eleitores: intervalo de 95% de confiana
indicaria um nmero entre 46% e 66%
(inconclusivo).
O tamanho da amostra e o erro do estimador
Um dos partidos obteve 56% dos votos.
Caso tenha sido usada uma amostra de 400
eleitores: intervalo de 95% de confiana
indicaria um nmero entre 51% e 61%
(conclusivo e suficiente).
Caso tenha sido usada uma amostra de 1600
eleitores: intervalo de 95% de confiana
indicaria um nmero entre 53,5% e 58,5%
(conclusivo e exagerado).
Vis e desvio padro
Seja uma populao ou universo: o conjunto
u = {1,2,...,N} de todas as unidades elementares de
interesse. N o tamanho fixo da populao, s
vezes desconhecido.

Elemento populacional qualquer elemento
i pertencente a u, do qual se deseja conhecer
Y
i

Parmetro populacional
o vetor de todos os valores de uma varivel
de interesse que se denota por

D = ( Y
1
,...,Y
N
)
Funo paramtrica populacional
uma caracterstica numrica qualquer da
populao, que condensa funcionalmente os
Y
i
.
Tal funo ser denotada por
(D)
Exemplo 2.1 (pag. 38)
Varivel Notao
Unidade 1 2 3 i
Nome do chefe Ada Beto Ema A
i
Sexo 0 1 0 X
i
Idade 20 30 40 Y
i
Fumante 0 1 1 G
i
Renda bruta familiar 12 30 18 F
i
No. de trabalhadores 1 3 2 T
i
Funes paramtricas populacionais
Idade mdia
(Y) = (20+30+40)/3 = 30

Renda mdia do trabalhador
(D) = (12+30+18)/(1+3+2) = 10
Funes paramtricas populacionais mais usadas
Mdia populacional
(Y) = = (Y
1
+ Y
2
+...+Y
N
)/N

Varincia populacional
(Y) =
2
= (Y
i
)
2
/N
Desvio padro

Exerccio
Determinar a mdia e o
desvio padro das
idades dos habitantes
de um determinado
bairro. Os valores esto
apresentados direita:
45 54 23 35 46 67 37
19 66 43 22 76 44 19
33 41 60 81 47 39 47
56 20 29 31 40 19 22
24 33 80 76 34 67 70
39 79 21 32 33 55 50
29 40 38 44 22 78 22
Amostras
Uma seqncia qualquer de n unidade de u
denominada uma amostra ordenada de u.
Exemplo:
u = {1,2,3}
s
1
= (1,2) s
2
= (2,1) s
3
= (1,1,3)
Planejamento amostral
Se cada amostra tem associada a si uma probabilidade de
ser sorteada e a soma de todas as probabilidades for igual
a 1, ento tem-se um planejamento amostral ordenado.
Exemplo: u = {1,2,3}
Plano A: P(11) = P(12) = P(13) = 1/9
P(21) = P(22) = P(23) = 1/9
P(31) = P(32) = P(33) = 1/9
P(s) = 0, para as demais s pertencentes ao
conjunto de todas as amostras possveis S.
Planejamento amostral
Plano B: P(12) = P(13) = P(21) = P(23) =
P(31) = P(32) = 1/6
P(s) = 0, para as demais s pertencentes ao conjunto
de todas as amostras possveis S.

Diferena entre o plano A e o plano B:
Plano A: com reposio
Plano B: sem reposio
Planejamento amostral
Plano C:
P(2) = 1/3
P(12) = P(32) = 1/9
P(112) = P(132) = P(332) = P(312) = 1/27
P(111) = P(113) = P(131) = P(311) = 1/27
P(133) = P(313) = P(331) = P(333) = 1/27
P(s) = 0, para as demais s pertencentes ao conjunto
de todas as amostras possveis S.
Descrio textual do Plano C
Plano C:
Sorteie uma unidade aps a outra, repondo a
unidade sorteada antes de sortear a seguinte,
at o surgimento da unidade 2 (i=2) ou at
que 3 unidades tenham sido sorteadas.
Planos equiprobabilsticos
So os planos em que todas as amostras tm
a mesma probabilidade de ser escolhida.
Amostragem Aleatria Simples (AAS)
Seleciona-se seqencialmente cada unidade
amostral com igual probabilidade, de tal forma que
cada amostra tenha a mesma chance de ser
escolhida. A seleo pode ser feita com ou sem
reposio.
Estimadores
O objetivo principal da amostragem produzir
estimadores para parmetros populacionais
desconhecidos.
Quando se associa uma estatstica com a expresso
que ir estimar o parmetro populacional, ele recebe
o nome de estimador. O valor numrico do
estimador, para cada amostra, chama-se estimativa.
Vis ou vcio do estimador
B
A
[
e
] = E
A
[
e
]

B de bias (vis em ingls)
Varincia de uma estatstica H
Var
A
[H] = {h(d
s
) E
A
[H]}
2
P
A
(s) para
todas as amostras do plano A.
Distribuio binomial
Seja p a probabilidade de um evento acontecer em
uma tentativa nica (probabilidade de sucesso)
q = 1 p a probabilidade insucesso
A probabilidade do evento ocorrer X vezes, em N
tentativas,
p(X) =
N
C
X
p
X
q
N-X
= N!/[X!(N-X)!] p
X
q
N-X

Exemplo: Qual a probabilidade de obter exatamente
2 caras em 6 lances de uma moeda no-viciada?

Distribuio binomial
Esta distribuio discreta de probabilidade
denominada distribuio binomial, visto que a
X= 0, 1, 2, ..., N correspondem os termos
sucessivos da frmula binomial ou do
desenvolvimento binomial

(p+q)
n
= q
N
+
N
C
1
q
N-1
p
1
+
N
C
2
q
N-2
p
2
+...+p
N
em que 1,
N
C
1
,
N
C
2
,... so os coeficientes
binomiais
Propriedades da distribuio binomial
Mdia = N p
Varincia
2
= N p q
Desvio padro = raiz (N p q)
Distribuio de Poisson
p(X) =
X
e
-
/X!
em que e = 2,71828...
e uma constante dada
Mdia: =
Varincia:
2
=
Relao entre as distribuies
binomial e de Poisson
Se N for grande e p for pequeno, o
evento raro. Na prtica:
N50 e Np<5, ento o evento raro.
Neste caso, a distribuio binomial
muito aproximada da de Poisson,
com = Np
Exerccio
Dez por cento das revistas produzidas por um
certo processo revelaram-se defeituosos.
Determinar a probabilidade de em uma
amostra de 10 ferramentas escolhidas ao
acaso, exatamente duas serem defeituosas,
mediante o emprego:
a) da distribuio binomial
b) da aproximao de Poisson para essa
distribuio
Exerccio - resoluo
Probabilidade de uma revista ser defeituosa:
p = 0,1
a) Pr{2 revistas defeituosas em 10} =

10
C
2
p
2
q
8
= 10!/(2!8!) (0,1)
2
(0,9)
8

= 0,1937
b) = Np = 10 (0,1) = 1

Pr{2 revistas defeituosas em 10} =
2
e
-
/2!
= 0,1839
Distribuio normal (ou de Gauss)
2 2
/ ) ( 2 / 1
2
1
o
t o

=
X
e Y
na qual a mdia, o desvio padro,
=3,14159..., e= 2,712828...
Distribuio normal (ou de Gauss)
2
2 / 1
2
1
z
e Y

=
t
Usando a unidade reduzida z = (X )/:
Distribuio normal (ou de Gauss)
68,27%
99,73%
95,45% (-2 a +2)
Relao entre as distribuies
binomial e normal
Se N for grande e nem p nem q forem
prximos de zero, a distribuio
binomial muito aproximada da de
uma normal. Quanto maior o N,
melhor ser a aproximao.
Exerccio
Determinar a probabilidade de, em 120 lances
de uma moeda honesta, ocorrerem caras:
a) entre 40 e 60%;
b) em 5/8 ou mais desses lances.
Soluo
a) caras entre 40% e 60%
40% de 120 = 48
60% de 120 = 72
probabilidade do evento cara p =
probabilidade do evento coroa q = 1 p =
Nmero de caras uma varivel discreta
Em uma distribuio normal, verifica-se a
probabibilidade do nmero de caras estar
situado entre 47,5 e 72,5
Soluo (cont.)
a) = nmero esperado de caras = Np = 60

2
= 120 (1/2) (1/2) = 30
= 5,48
47,5 em unidades reduzidas=(47,5-60)/5,48
z
1
= -2,28
72,5 em unidades reduzidas=(72,5-60)/5,48
z
2
= +2,28
Probabilidade = rea (sob a curva normal
entre z
1
= -2,28 e z
2
=+2,28) = 0,9774

Soluo (cont.)
b) 5/8 ou mais dos lances serem caras
nmero de caras > 120 x 5/8 = 75 caras
nmero de caras entre 74,5 e 120
74,5 em unidades reduzidas:
z
1
= (74,5 60)/5,48 = 2,65
120 em unidades reduzidas:
z
2
= (120 60)/5,48 = 10,95
Prob = 0,50 0,4960 = 0,004
Exerccio
Cada pessoa de um grupo de 500, lana uma
moeda honesta 120 vezes. Quantas
pessoas seria de esperar que relatassem ter
obtido caras:
a) entre 40 e 60% dos seus lances;
b) em 5/8 ou mais desses lances.

Resposta a) 489 pessoas
b) 2 pessoas.
Exerccio
Verificou-se que 2% das revistas produzidas por
uma certa impressora so defeituosas. Qual
a probabilidade de, em uma remessa de 400
dessas revistas, revelarem-se defeituosas: (a)
3% ou mais; (b) 2% ou menos?
Soluo
a) 3% ou mais
(3% de 400) = 12 revistas defeituosas.
Baseado na continuidade, 12 ou mais revistas
significam 11,5 ou mais.
X = (2% de 400) = 8

2
= N p q = (400) x (0,02) x (0,98) = 7,84
= 2,8
11,5 em unidades reduzidas: z = (11,5 8)/2,8
z = 1,25
Prob = 0,5 0,3944 = 0,1056 = 10,56%
Soluo (cont.)
b) 2% ou menos
(2% de 400) = 8 revistas
8 revistas ou menos significa 8,5 ou menos
8,5 em unidades reduzidas:
z = (8,5 8)/2,8 = 0,18
Prob = (0,5 + 0,0714) = 0,5714 = 57,14%
Exerccio
Uma pesquisa amostral foi conduzida com o objetivo de se estudar
o ndice de ausncia ao trabalho em um determinado tipo de
indstria. Uma AAS sem reposio de mil operrios de um total de
36 mil observada com relao ao nmero de faltas no
justificadas em um perodo de 6 meses. Os resultados obtidos
foram:
Faltas 0 1 2 3 4 5 6 7 8
Operrios 451 162 187 112 49 21 5 11 2
Qual a estimativa de dada por essa amostra?
Qual o erro aceitvel dentro de um intervalo de confiana de 95%?
Distribuio amostral das mdias
Todas as amostras possveis de tamanho N so
retiradas, sem reposio, de uma populao finita
de tamanho Np > N. Se a media e o desvio padro
da distribuio amostral das mdias foram
designados por e

e os valores correspondentes da populao o
forem por e , ento:
X

X
o
=
X
1

=
p
p
X
N
N N
N
o
o
296 , 1
1000
) 8 2 ... 1 162 0 451 (
=
+ + +
=
397 , 2
1
) (
2
2
=

n
Y
i

o
048 , 0
1 36000
1000 36000
1000
397 , 2
1
=

=
p
p
X
N
N N
N
o
o
Para ter 95% de certeza: intervalo entre -1,96
X
e +1,96
X

isto , (1,20;1,39)
Exerccio
Em uma populao de 60 milhes de eleitores, foi feita
uma pesquisa com 2500 eleitores de acordo com um
plano de amostragem aletoria simples, sem reposio.
Um determinado candidato obteve 51% dos votos.

Qual a estimativa de nmero total de votos desse
candidato na populao total, a partir da estatstica
amostral?
Qual o erro aceitvel dentro de um intervalo de confiana
de 95%?
Distribuio amostral das propores
pq = o
) 516 , 0 ; 504 , 0 ( 25000
49 , 0 00998 , 0 96 , 1 51 , 0 96 , 1
53 , 0 00998 , 0 96 , 1 51 , 0 96 , 1
00998 , 0
1 60000000
2500 60000000
2500
499 , 0
1
4999 , 0 49 , 0 51 , 0
2500
60000000
51 , 0
:
=
= =
= + = +
=

=
= =
=
=
= =
N
N
N N
N
N
N
p
P P
P P
P
P
P
P
P
o
o
o
o
o

Exerccio
Em uma tiragem de 3000 livros, foi analisada uma
amostra de 100 livros de acordo com um plano de
amostragem aletoria simples, sem reposio.
Foram encontrados um certo nmero de livros
defeituosos.

Qual a estimativa de nmero total de livros
defeituosos na tiragem?
Qual o erro aceitvel dentro de um intervalo de
confiana de 95%?
Intervalos de confiana
% n, em n
68,27 1
95 1,96
95,45 2
99 2,58
99,73 3
NBR 5426
Planos de amostragem e procedimentos
na inspeo por atributos

Potrebbero piacerti anche