Baixe o app para aproveitar ainda mais
Prévia do material em texto
ESTATÍSTICA APLICADA ProfªAna Scardino 1 ESTATÍSTICA APLICADA ProfªAna Scardino 2 1-Introdução Séc.XVIII – Godofredo Achenwall batizou a nova ciência de Estatística como chegar a conclusões sobre o todo(população), partindo da observação de partes desse todo(amostras)). POPULAÇÃO E AMOSTRA VARIÁVEIS: Conjunto de resultados possíveis de um fenômeno. TIPOS DE VARIÁVEIS: a) Qualitativas - seus valores são expressos por atributos. Podem ser : -Ordinal - Exemplo: faixa de renda salarial - Nominal - Ex. sexo(masculino ou feminino),cor da pele(branca, parda, amarela, etc.) - Dados por postos - são sujeitos a avaliações subjetivas quanto à preferência ou desempenho em um conjunto de observações. São exemplos competições de beleza, concursos de moda. b) Quantitativas - seus valores são expressos em números . Ex. salário , idade dos alunos, etc. Variável contínua: pode assumir qualquer valor num intervalo contínuo. Ex. peso dos alunos Variável discreta: pode assumir valores inteiros. Ex. número de alunos de uma sala. Uma pergunta sobre renda pode ser apresentada como dado numérico (valor da renda), dado ordinal (faixa de renda) ou dado nominal ( rico ou pobre). Os dados quantitativos permitem uma avaliação estatística mais rica e podem ser sempre transformados em dados qualitativos. Exemplos de variáveis: Variável Quantitativa Variável Qualitativa Variável Contínua Variável Discreta Variável Nominal Variável por Postos Universo: Peças fabricadas em uma fábrica Universo: 10 lançamentos de uma moeda não viciada Universo: alunos de uma sala de aula Universo: concurso de beleza feminina Variável: diâmetro externo Variável: número de caras obtidas Variável: sexo masculino ou feminino Variável: a candidata mais bela. POPULAÇÃO Conjunto de entes portadores de, pelo menos, uma característica comum. Ex. estudantes. ESTATÍSTICA APLICADA ProfªAna Scardino 3 AMOSTRA Subconjunto representativo e finito de uma população. Ex. retirada de amostras para controle de qualidade de uma indústria. AMOSTRAGEM Existem técnicas de amostragem que garantem o acaso na escolha: - Amostragem casual : pode-se numerar a população de 1 a n e sortear k números dessa seqüência ou usar uma tabela de números aleatórios. - Amostragem proporcional estratificada. Quando a população se divide em subpopulações. Quando de estrato em estrato se verifica um comportamento heterogêneo. Ex. Uma classe com 90 alunos , 62 homens e 28 mulheres. Queremos uma amostra de 10% da população. Sexo população 10% Amostra M 62 6,2 6 F 28 2,8 3 Total 90 9,0 9 - Amostragem sistemática: seleção dos elementos pode ser feita por um sistema determinado pelo pesquisador. Ex. Numa produção diária de um produto , retirar um a cada 10 itens, para controle de qualidade. TABELA PRIMITIVA Ex. Coleta dos dados da idade , peso, estatura e média dos alunos da classe nº idade(anos) peso(kg) estatura(m) 1 33 64 1,64 2 37 55 1,61 3 40 55 1,61 4 33 60 1,61 5 33 48 1,6 6 36 68 1,68 7 38 60 1,5 8 35 63 1,6 9 40 75 1,67 10 36 62 1,6 11 32 67 1,7 12 54 66 1,58 13 31 47 1,61 14 29 52 1,59 15 28 70 1,69 16 46 75 1,69 17 38 95 1,6 18 32 100 1,9 19 40 62 1,6 20 45 63 1,67 21 48 67 1,53 22 36 75 1,76 ESTATÍSTICA APLICADA ProfªAna Scardino 4 A tabela assim obtida chama-se tabela primitiva, pois os elementos não foram numericamente organizados. Exemplo Partindo dos dados de idade acima , vamos ordená-los em ordem crescente . idade(anos) 28 29 31 32 32 33 33 33 35 36 36 36 37 38 38 40 40 40 45 46 48 54 ROL A tabela obtida após a ordenação chama-se ROL .Podemos saber agora, com mais facilidade qual a idade do aluno mais novo, do mais velho, a amplitude de variação e onde há maior concentração de idades. Se dispusermos os valores ordenados em uma coluna e colocarmos, ao lado de cada valor, o número de vezes que aparece repetido, teremos uma maneira mais fácil de observar os dados. Idade(anos) Freqüência (fi) 28 1 29 1 31 1 32 2 33 3 35 1 36 3 37 1 38 2 40 3 45 1 46 1 48 1 54 1 ESTATÍSTICA APLICADA ProfªAna Scardino 5 O número de alunos que fica relacionado a uma determinada idade chama-se FREQÜÊNCIA. A tabela obtida dessa maneira recebe o nome de DISTRIBUIÇÃO DE FREQÜÊNCIA. A tabela obtida assim ainda é inconveniente, pois torna-se muito grande. Uma maneira melhor de apresentá-la será agrupando os valores em intervalos. A escolha do número de classes deve ficar entre 5 e 15 classes.Menos de 5 classes pode ocultar detalhes importantes dos dados, e mais de 15 torna a apresentação demasiadamente detalhada. Uma regra prática consiste em tirar a raiz quadrada do número de observações e ajustá-la aos limites 5 a 15. Por exemplo, para 40 observações, teríamos √40 = 6,32, que arredondaríamos para 6 ou 7.Para 900 observações ,√900=30, que seria ajustado para 15 i = número de classes N =número total de dados i = N Exemplo: Para n=40 i = 40 = 6,32 Para n=1000 teremos i = 1000 = 31,6, que ajustaria para 15. Outra regra utilizada é a regra de Sturges, que nos dá o número de classes em função do número de dados. i=1 + 3,3logn Exemplos: a) Para n= 1000 � i = 1+3,3log1000 = 10,9 Aplicando a regra de Sturges para n = 1000, temos número de classes igual a 11 . b) Para n= 22 � i=1+3,3log22 =5.43 = 5 ( com a regra prática temos , i = √22 = 4.7 = 5) c) Para n = 40 � i = 1+3,3log40 = 6,32 = 6 INTERVALOS DE CLASSES (h) Qual a amplitude do intervalo de cada classe? (h) Chamando A =amplitude total i =número de classes , h= A/i teremos para o exemplo do rol anterior: número de classes i = 5 amplitude total A = 54-28 =26 Dividindo-se 26:5 = 5.2 , que é o intervalo de classe h. No caso podemos optar em ter h=6 e i =5 ESTATÍSTICA APLICADA ProfªAna Scardino 6 TABELA DE DISTRIBUIÇÃO DE FREQÜÊNCIA POR CLASSES Distribuição de freqüência(D.F.): É o arranjo ordenado dos valores com suas respectivas freqüências Limites de classes: Limite Inferior de classe(li)- menor número da classe Limite Superior de classe(Li)- maior número da classe Freqüência Absoluta (Fi) : É o número de vezes que o dado aparece no rol. Pontos médios das classes(xi):é a média aritmética entre o limite superior e o limite inferior: xi =(li+ls)/2 Freqüência relativa(fr): Obtém-se dividindo a freqüência absoluta de cada classe por n. fr = Fi/n freqüência acumulada(fac):é a soma das freqüências absolutas ,linha por linha. freqüência relativa acumulada (facr): é a soma linha a linha das freqüências relativas. Obtém-se também dividindo-se a freqüência acumulada pela freqüência total. i Idade Xi Fi fr fac Facr 1 28⊢34 31 8 0.364 8 0.364 2 34⊢40 37 7 0.318 15 0.682 3 40⊢46 43 4 0.182 19 0.864 4 46⊢52 49 2 0.091 21 0.955 5 52⊢58 51 1 0.045 22 1 Total 22 1.0 Exercício 1- Dado o rol de 50 notas, agrupar os elementos em uma distribuição de freqüências: 33-35-35-39-41-41-42-45-47-48-50-52-53-54-55-55-57-59-60-60 61-64-65-65-65-66-66-66-67-68-69-71-73-73-74-74-76-77-77-78-80-81-84-85-85-88-89- 91-94-97. Perguntas: a- Quantas notas estão no intervalo de 53 a 63? b- Quantos por cento das notas estão acima de 73? c- Quantas notas estão abaixo de 63? d- Quantos por cento das notasestão no intervalo de 63 a 83 (excluindo o 83)? Resp: ESTATÍSTICA APLICADA ProfªAna Scardino 7 i notas Fi fr fac facr 1 33⊢ �� 7 14 7 14 2 43⊢⊢⊢⊢53 5 10 12 24 3 53⊢⊢⊢⊢63 9 18 21 42 4 63⊢⊢⊢⊢73 11 22 32 64 5 73⊢⊢⊢⊢83 10 20 42 84 6 83⊢⊢⊢⊢93 6 12 48 96 7 93⊢103⊢103⊢103⊢103 2 4 50 100 total 50 100 a) 9 b) 36% c) 21 d) 42% REPRESENTAÇÃO GRÁFICA DE UMA DISTRIBUIÇÃO HISTOGRAMA: é a representação gráfica da distribuição de freqüência , feita através de retângulos justapostos, cujas bases se localizam sobre o eixo horizontal, de tal modo que seus pontos médios coincidam com os pontos médios dos intervalos de classes. POLÍGONO DE FREQUÊNCIA:É um gráfico em linha, feito pelas ligações dos pontos médios, formando assim um polígono 0 10 20 30 40 50 60 70 80 90 100 1° Trim. 2° Trim. 3° Trim. 4° Trim. ESTATÍSTICA APLICADA ProfªAna Scardino 8 OUTROS TIPOS DE GRÁFICOS GRÁFICO EM SETORES Este gráfico é construído com base em um círculo, e é empregado sempre que desejamos ressaltar a participação do dado no total. O total é representado pelo círculo, que fica dividido em tantos setores quantas são as partes. Os setores são proporcionais aos dados da série. Obtemos cada setor por meio de uma regra de três simples , onde o total corresponde a 360º. Exemplo: Quanto custa 1 hora de chuveiro de 1000W meio Custo em R$ Hidrelétrica Nuclear Biomassa Eólica Solar termoelétrica 0,06 0,15 0,12 0,23 0,37 0,18 Total Fonte:Revista Super Interessante,pg.66,julho 2007 Construir o gráfico em setores GRÁFICO EM COLUNAS Constroem-se barras retangulares, separadas. Normalmente utilizado para representar variáveis qualitativas . idade dos alunos 1 2 3 4 5 ESTATÍSTICA APLICADA ProfªAna Scardino 9 Exercícios : 1- Construir um gráfico : a) Onde estão as maiores empresas de TI? cidade Porcentagem empresas (%) São Paulo 49 Rio de Janeiro 27,50 Distrito Federal 8,9 Amazonas 7,1 Rio Grande do Sul 2,2 Minas Gerais 2 Fonte: hipotética b) Qual tecnologia apresenta melhor performance na banda larga? tecnologia Percentagem ADSL 53,5 cabo 28,8 satélite 8,6 rádio 6,8 Rede celular 2,3 Fonte: Info online março 2007 2- Complete a distribuição de freqüências representando a amostra dos salários de 25 funcionários selecionados em uma empresa. 0 5 10 15 20 25 30 35 40 45 1° Trim. 2° Trim. 3° Trim. 4° Trim. ESTATÍSTICA APLICADA ProfªAna Scardino 10 Classe Salários R$ Fi 1 1.000,00 ⊢ 1.200,00 2 2 1.200,00 ⊢ 1.400,00 6 3 1.400,00 ⊢ 1.600,00 10 4 1.600,00 ⊢ 1.800,00 5 5 1.800,00 ⊢ 2.000,00 2 3-Construa o histograma ,o polígono de freqüência absoluta e o polígono de freqüência acumulada para a distribuição acima. MEDIDAS DE TENDÊNCIA CENTRAL O estudo que fizemos sobre distribuições de freqüência ,permite-nos localizar por exemplo a maior ou menor concentração de valores, mas se quisermos ressaltar as tendências características de cada distribuição ,precisaremos estudar as medidas de posição- estatísticas que representam uma série de dados orientando-nos quanto à posição da distribuição em relação ao eixo horizontal. As medidas de posição mais importantes são as medidas de tendência central ,cujo nome vem do fato de os dados observados tenderem em geral, a se agrupar em torno dos valores centrais. MÉDIA ARITMÉTICA SIMPLES É o quociente da divisão da soma dos valores da variável pelo número deles: X = ∑xi N Exemplo : Sabendo-se que o número de aulas semanais dadas por 7 professores foi de 10,14,,13,15,16,18 e 12 horas/aula, o número médio de aulas dadas será X = 10+14+13+15+16+18+12 = 14 7 Desvio em relação à média: É a diferença entre cada elemento de um conjunto de valores e a média aritmética. Di=xi – X Para o exemplo dado, temos: d1=x1- X = 10-14 =-4 d2=x2- X = 14-14=0 ---- ESTATÍSTICA APLICADA ProfªAna Scardino 11 ---- PROPRIEDADES DA MÉDIA 1-∑di = 0 No exemplo anterior , temos -4+0-1+1+2+4-2=0 2-Somando-se ou subtraindo-se uma constante de todos os valores de uma variável , a média do conjunto fica aumentada ou diminuída dessa constante. Exemplo: Some 2 a cada um dos valores da variável do exemplo dado: A média será X = 14 +2 3-Multiplicando-se ou dividindo-se todos os valores de uma variável por uma constante, a média do conjunto fica multiplicada ( ou dividida ) por essa constante. Exemplo: Multiplique por 3 cada elemento da série dada. A média será X = X.3 = 14.3 =4 Se os dados estão apresentados na forma de uma variável discreta , utilizaremos a média aritmética ponderada: MÉDIA ARITMÉTICA PONDERADA Exercício :Determinar a média da distribuição de notas obtidas pelas lojas on-line, sendo consultados 10 clientes: Xi fi 2 5 6 8 1 4 3 2 Devemos acrescentar mais uma coluna: xifi xi fi Xifi 2 5 6 8 1 4 3 2 2 20 18 16 ∑fi = 10 ∑xifi= 56 X = 56/10 = 5,6 X = ∑Xifi ∑fi ESTATÍSTICA APLICADA ProfªAna Scardino 12 Se os dados estão apresentados na forma de uma variável contínua, utilizaremos a média aritmética ponderada, considerando as freqüências simples das classes como sendo as ponderações dos pontos médios destas classes(xi). Exercício: Determinar a média da distribuição de falhas ocorridas em um sistema durante 14 dias: Classe Nº falhas fi 1 2 3 4 0⊢2 2⊢4 4⊢6 6⊢8 3 4 6 1 Exercícios: 1-Em uma escola o número de funcionários em cada função é : 4 serventes, 15 professores sub , 20 professores P1, 50 professores P2 e 3 coordenadores pedagógicos. Os salários para cada função são, respectivamente, R$200,00;R$300,00;R$500,00;R$1.000,00 e R$3.000,00.Qual a média de salários pagos por essa escola? 2- O salário de 40 funcionários de uma empresa está distribuído segundo o quadro abaixo. Calcule o salário médio destes funcionários Classe Salários $ Nº de funcionarios fi 1 2 3 4 5 6 400 ⊢ 500 500 ⊢ 600 600 ⊢ 700 700 ⊢ 800 800 ⊢900 900 ⊢1000 12 15 8 3 1 1 3- Uma empresa de TI observou em seus registros recentes, o tempo de mão de obra gasto na revisão de um programa: ESTATÍSTICA APLICADA ProfªAna Scardino 13 Classe Tempo de mão de obra(horas) Nº de programas fi 1 2 3 4 5 0 ⊢4 4 ⊢8 8 ⊢12 12⊢16 16⊢20 1 5 10 12 4 a)Determine o número de horas necessárias para a revisão de cada programa b)Qual deve ser o tempo total para a revisão de dez programas? c)Se a empresa dispõe no momento de três funcionários trabalhando 8 horas por dia nestas revisões conseguirá provavelmente revisar estes dez programas em quatro dias? 4- Considere uma pesquisa realizada com famílias de quatro filhos, tomando para variável o nº de filhos do sexo masculino. Determine a média de filhos homens por família. Nº de meninos fi 0 1 2 3 4 1 4 8 1 4 ∑=18 MÉDIA GEOMÉTRICA SIMPLES Mg = �� .. ��.��… . � Exemplo:Calcule a media aritmética e a media geométrica simples entre: 3,5,7 e 9. Ma = 6 Mg= 5,54 Quando o número de observações for muito grande, é aconselhável o emprego de logaritmos( decimal ou neperiano) Mg = �� .. ��.��… . � Logaritmando os dois lados da equação, temos: ����� = ��� �� .. ��.��… . � = ���(� . ��…� ) ESTATÍSTICA APLICADA ProfªAna Scardino 14 ����� = �� ���(� . ��…� ) ����� = �� (���� + �����…+���� ) ����� = ��∑ ����� Mg = antilog�∑ !"#$� % Exemplo: Calcular Mg de 5,7,15,20 e 23 �� logxi 5 0,6990 7 0,8451 15 1,1761 20 1,3010 23 1,3617 total 5,3829 Mg = antilog�∑ !"#$� % = antilog(&,()*+& ) = antilog(1,07658) = 11,93 Média Geométrica Ponderada Exemplo: xi fi 2 3 8 2 10 1 ,� = √��. .�. /0 =√1 �/0 =4,15 Mg = ���23 . �*24 …��25637647..65 ,� = 89�:;: ∑;: ou ESTATÍSTICA APLICADA ProfªAna Scardino 15 log Mg = log ( ∏(xi)fi)1/∑fi log Mg = �∑2$ log (∏(xi) fi) log Mg = ��∑<�log (xi) Mg = antilog �∑2$. !"#$� % Exercícios 1- Qual a média geométrica de x={3,6,12,24,48} Resp: 12 2- Dê a Mg de 2,3,4,5 e 6 ponderados por 6,5,4,3,2 Resp:3,26 3- Uma experiência com 25 indivíduos consistiu em determinar a concentração mínima inibitória(CMI)de determinado antibiótico para um certo tipo de bactéria: CMI(µµµµg/ml) Número de indivíduos 1,00000 0,50000 0,25000 0,12500 0,06250 0,03125 1 2 6 4 3 9 Total 25 Fonte: Arango, H.G.,Bioestatística, teórica e computacional, Guanabara- Koogan, 2001 Obs: Note que a distribuição de freqüências da CMI é concentrada do lado esquerdo. O uso da média aritmética simples, da moda ou da mediana, neste caso, não fornece um resultado adequado. O ideal é calcular a média geométrica simples . A CMI normal para este tipo de bactéria é de 0,10 µg/ml. ESTATÍSTICA APLICADA ProfªAna Scardino 16 MÉDIA HARMÔNICA É o inverso da média aritmética dos inversos dos valores. �= = 11>∑ 1�� Ou Exemplo: Determinar a média entre 2,5,7,9: �= = 412 + 15 + 17 + 19 = 4,193 Exercício: Dada a série 3,4,6,e,12, determine a média harmônica Resp:4,8 Para dados agrupados: �= = ∑<�∑ <��� Exemplo: Estaturas de 76 pessoas: Estaturas(cm) Fi xi fi/xi 150⊢156 5 153 0,032670 156⊢162 4 159 0,025157 162⊢168 19 165 0,115152 168⊢174 18 171 0,105263 174⊢180 14 177 0,079096 180⊢186 12 183 0,065574 186⊢192 4 189 0,021164 total 76 0,444085 �= = 760,444085 = 171,14 FG �= = >∑ 1�� ESTATÍSTICA APLICADA ProfªAna Scardino 17 Exercícios 1- Calcule a média harmônica entre 2,5 e 8 Resp.3,64 2- Encontre a média harmônica da velocidade, para um veículo que percorre 1000 km do seguinte modo: Distância(km) 200 100 400 300 Velocidade(km/h) 80 70 60 50 Resp:60,26 km/h Exemplo Em uma certa situação, a média harmônica provê a correta noção de média. Por exemplo, se metade da distância de uma viagem é feita a 40 km por hora e a outra metade da distância a 60 km por hora, então a velocidade média para a viagem é dada pela média harmônica, que é 48; isso é, o total de tempo para a viagem seria o mesmo se se viajasse a viagem inteira a 48 quilômetros por hora. (Note, entretanto que se se tivesse viajado por metade do tempo em uma velocidade e a outra metade na outra velocidade, a média aritmética, nesse caso 50 km por hora, proveria a correta noção de média). “Da mesma forma, se um circuito elétrico contém dois resistores conectados em paralelo, um com uma resistência de 40 ohm e o outro com 60 ohm, então a média das resistências dos dois resistores é 48 ohm. Isto é, a resistência do circuito é a mesma que a de dois resistores de 48 ohm conectados em paralelo. Isso não é para ser confundido com sua resistência equivalente, 24Ω, que é a resistência necessária para substituir as duas resistências em paralelo. Note que a resistência equivalente é igual a metade do valor da média harmônica de duas resistências em paralelo. Em finanças, a média harmônica é usada para calcular o custo médio de ações compradas durante um período. Por exemplo, um investidor compra $1000 em ações todo mês durante três meses. Se os preços na hora de compra forem de $8, $9 e $10, então o preço média que o investidor pagou por ação é de $8,926. Entretanto, se um investidor comprasse 1000 ações por mês, a média aritmética seria usada. Outras utilizações são em previsões do tempo que é o campo estudado pelos meterologistas”.fonte: http://pt.wikipedia.org Escolha da Média: O diagrama de dispersão – ou a curva característica da função – pode ser uma boa pista para a escolha. Para uma progressão aritmética aconselha-se a média aritmética. Para uma progressão geométrica, por exemplo, crescimento de populações, cuja representação é uma exponencial, utiliza-se a média geométrica. Para uma série onde os inversos de seus valores definem uma série aritmética é mais indicada a média harmônica. ESTATÍSTICA APLICADA ProfªAna Scardino 18 Exemplos: Média aritmética X :H1,3,5,7,9I Média geométrica Y : H3,6,12,24,48I Média harmônica: Z: H3,4,6,12I.O inverso da série é J�( , �K , �L , ��*M uma PA de razão- � �* MEDIDAS DE POSIÇÃO MEDIANA É o número que se encontra no centro de uma série de números, estando estes dispostos segundo uma ordem. Separa em dois subconjuntos de mesmo número de elementos. Ex. Dada a série 5,13,10,2,18,15,6,16,9 Primeiro é necessário ordenar: 2,5,6,9,10,13,15,16,18 O valor central que apresenta o mesmo nº de elementos á direita e à esquerda é o 10. Se a série tiver um nº par de termos, a mediana será qualquer dos nº compreendidos entre os dois valores centrais. Utiliza-se o ponto médio nesse caso. Ex.2,6,7,10,12,13,18,21 Md = 11 Obs.1- A mediana depende da posição , e não do valor dos elementos. Ex. 5,7,10,13,15 X= 10 Md = 10 5,7,10,13,65 X=20 Md =10 2-O valor da mediana pode ou não coincidir com um elemento da série. 3-A mediana e a média não têm ,necessariamente o mesmo valor . 4-A mediana pode ser chamada por valor mediano Mediana de dados agrupados Posição da Md = ∑fi/2 -Sem intervalos de classe Determinar a mediana da distribuição de notas obtidas pela loja on-line “tal”, sendo consultados 10 clientes: Notas (Xi) fi 2 5 6 8 1 4 3 2 ESTATÍSTICA APLICADA ProfªAna Scardino 19 A mediana será o valor que ocupa a posição: 10/2 � Entre 5ª e 6ª. Se construirmos a coluna das fac verificamos que esse elemento deve estar na 2ª e 3ª classe, ou seja, a média entre as notas 5 e 6 : Md = (5 + 6)/2= 5,5 Exemplo: 1-Calcule a mediana xi fi fac 12 14 15 16 17 20 1 2 1 2 1 1 1 3 4 6 7 8 ∑=8 ∑fi/2 = 8/2=4.Mas fac3 =4,então Md=xi+xi+1 2 Md=(15+16)/2 = 15,5 Exercício : Det.a mediana xi fi fac 2 4 6 8 10 3 7 12 8 4 -Com intervalos de classes Considere a distribuição de freqüências dos salários de funcionários selecionados em uma empresa. Classe Salários R$ Fi Fac 1 1.000,00 ⊢ 1.200,00 2 2 2 1.200,00 ⊢ 1.400,00 6 8 3 1.400,00 ⊢ 1.600,00 10 18 4 1.600,00 ⊢ 1.800,00 5 23 5 1.800,00 ⊢ 2.000,00 2 25 ESTATÍSTICA APLICADA ProfªAna Scardino 20 A mediana é o valor de separa o nº de elementos da série em dois grupos, contendo cada um deles 50% dos elementos. Portanto, a posição da mediana na série é N/2.No ex. 25/2 = 12,5ª posição. O valor decimal 12,5 indica que a mediana é um valor posicionado entre o décimo segundo e o décimo terceiro elemento da série. Verificando na coluna da freqüência acumulada para identificar em qual classe estão situados esses elementos: 3ª classe. A mediana deve ser umvalor entre R$1.400,00 e R$1.600,00.Esse intervalo contém dez elementos. Supondo que eles estão uniformemente distribuídos neste intervalo, então dividiremos este intervalo de modo proporcional à posição da mediana na série. 8ª 12,5ª 18ª 1400 Md 1600 Ou seja 18-8___ = 12,5-8 1600-1400 Md – 1400 (Md –1400) . 10 = (12,5 –8).200 Md= 1400 + 12,5 –8 .200 = 1490,00 10 1400 é o li da classe mediana 12,5 é posição central dos elementos da série,N/2 8 é a freqüência acumulada da classe anterior à classe mediana 10 é a freqüência simples da classe mediana 200 é a amplitude do intervalo de classe Md = li(md) +( N/2 – Facant. ) . h fmd Exercícios 1-Calcule a mediana da seqüência: 2,5,8,10,12,15,8,5,12 2-Calcule a mediana da distribuição: xi fi 2 4 5 6 8 5 20 32 40 2 3- Salário de 25 funcionários : classe Salários –R$ Nº de func. ESTATÍSTICA APLICADA ProfªAna Scardino 21 1 2 3 4 5 1000⊢1400 1400⊢1800 1800⊢2200 2200⊢2600 2600⊢3000 4 10 16 6 2 4- A coordenação de vendas de uma empresa, resolveu premiar com uma viagem a metade dos vendedores que contribuírem com mais “vendas”. Para isto, fez um levantamento mensal, obtendo a tabela: A partir de qual volume de vendas (em real) a turma será premiada? Vendas- R$ Nº de turmas 0⊢100,00 100,00⊢200,00 200,00⊢300,00 300,00⊢400,00 400,00⊢500,00 1 12 27 31 10 MODA É o valor que ocorre com maior freqüência em uma série de valores. Moda = valor que mais se repete Ex. Seja a série 3,4,5,5,5,6,6,6,6,6,7,8,9,9 A moda Mo = 6 Se não ocorrer valores que se repetem a série é amodal Ex. 3,5,7,8,9 Se houver dois ou mais valores de concentração, dizemos que a série tem dois ou mais valores modais. Ex.2,3,4,4,4,5,6,7,7,7,8,9 – série bimodal Variável discreta: É só identificar o elemento de maior freqüência na série: Exemplo:Notas obtidas em uma turma: ESTATÍSTICA APLICADA ProfªAna Scardino 22 Notas (xi) fi 0 2 5 7 9 2 5 8 3 1 A maior freqüência é 8 e corresponde ao elemento 5 .Mo=5 Variável contínua: Moda de Pearson Mo = 3 Md – 2 X Exemplo : Classe Salários R$ Fi Xi Xi fi fac 1 1.000,00 ⊢ 1.200,00 2 1100 2200 2 2 1.200,00 ⊢ 1.400,00 6 1300 7800 8 3 1.400,00 ⊢ 1.600,00 10 1500 15000 18 4 1.600,00 ⊢ 1.800,00 5 1700 8500 23 5 1.800,00 ⊢ 2.000,00 2 1900 3800 25 total 25 37300 Cálculo da média e da mediana X = 37300/25= R$ 1.492,00 Md= R$ 1.490,00 Mo = 3x 1490 – 2 x 1492 = R$1.486,00 EXERCÍCIOS 1-Calcule a moda das séries abaixo: a)2,3,5,4,2,5,7 b) xi fi 2 3 4 5 1 7 2 2 ESTATÍSTICA APLICADA ProfªAna Scardino 23 2-Calcule a média aritmética e a moda para a distribuição que representa a nota de 60 alunos em uma prova: Classe Notas Nº de alunos 1 2 3 4 5 0 ⊢2 2 ⊢4 4 ⊢6 6 ⊢8 8⊢10 5 20 12 20 3 3- Calcule a média aritmética simples, a mediana e a moda da distribuição que representa as alturas de 70 alunos de uma classe Classe Altura N º de alunos 1 2 3 4 5 6 150 ⊢160 160 ⊢170 170 ⊢180 180 ⊢190 190 ⊢200 200 ⊢210 2 15 18 28 16 1 MEDIDAS SEPARATRIZES QUARTIS: Dividem um conjunto de dados em 4 partes iguais O quartil 2 coincide com a mediana Determinação: 1º) Calcula-se a posição do quartil pela fórmula in/4 2º) Identifica-se a classe Q1 pela fac 3º) Aplica-se a fórmula: N� = �O� + PQR4 − <TFUVWX . ℎ <N� Exemplos: xi fi fac 7⊢17 6 6 0 25% 50% 75% 100% ESTATÍSTICA APLICADA ProfªAna Scardino 24 17⊢27 15 21 27⊢37 20 41 37⊢47 10 51 47⊢57 5 56 Resp: Q1=22,33 e Q3 = 38 DECIS: São os valores que dividem a série em 10 partes iguais D[ = l][ + P in10 − faccdeX . h fg[ Exemplo: xi Fi fac 4⊢9 8 8 9⊢14 12 20 14⊢19 17 37 19⊢24 3 40 I=4; n=40; D4= 12,33 PERCENTIS Dividem a série em 100 partes iguais Pi = �h� + P $i 3jjk 2UlminX.o 2p$ Exemplo: Considerando a tabela anterior, temos in =72x40; P72 = 16,59 MEDIDAS DE DISPERSÃO OU DE VARIABILIDADE Podemos sintetizar um conjunto de valores em poucos valores representativos: a média, a mediana e a moda. No entanto, mesmo essas medidas de tendência central não são suficientes para ter-se uma idéia retrospectiva de como os dados se apresentavam na tabela. 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100% ESTATÍSTICA APLICADA ProfªAna Scardino 25 Ex. O preço médio de uma mercadoria ser igual a R$70,00 em várias cidades pode significar uma oscilação de R$5,00 à R$160,00 ou então de R$68,00 à R$72,00. Vamos analisar os seguintes conjuntos de valores: A: 70,70,70,70,70 B:68,69,70,71,72 C:5,15,50,120,160 Calculando a média aritmética de cada um desses conjuntos, obtemos: XA = 350/5=70 XB = 350/5=70 XC = 350/5=70 Vejamos a amplitude total de cada série: Aa = 70-70 =0 Ab = 72-68 =4 Ac = 160-5=155 A amplitude total é um valor instável, por se deixar influenciar por valores extremos, que são na sua maioria ,devido ao acaso Para evitar essa falha define-se as medidas: variância e desvio padrão Vejamos inicialmente o conceito de desvio médio simples: DESVIO MÉDIO SIMPLES(D.M.S.) Rol: DMS = ∑xi – X ∑fi Ex.2,8,5,6 X =( 2+8+5+6)/4 = 5,25 x1 – X = 3,25 x2 – X =2,75 x3 - X =0,25 x4 - X = 0,75 O DMS é a média aritmética simples destes valores: DMS = 3,15+2,75 + 0,25+0,75 = 7 =1,75 4 4 Em média , cada elemento da seqüência está afastado do valor 5,25 por 1,75 unidades Variável discreta: xi fi Xifi xi- X . fi 1 3 4 5 2 5 2 1 2 15 8 5 4 0 2 2 ESTATÍSTICA APLICADA ProfªAna Scardino 26 10 30 8 A média da série é 30/10 =3 O DMS é: DMS= ∑ xi- X .fi = 8/10 = 0,8 ∑fi Em média cada elemento da série está afastado do valor 3 por 0,8 Variável contínua: x fi xi xifi xi – X . fi 2 ⊢ 4 4⊢ 6 6⊢ 8 8⊢ 10 5 10 4 1 3 5 7 9 15 50 28 9 10,50 1,00 7,60 3,90 20 102 23 DMS = ∑ Xi – X .fi ∑fi DMS = 23/20 = 1,15 Em média cada elemento da série está afastado de 1,15 da média 5,1 Exercícios 1-calcule o DMS das séries: a)3,8,12,3,9,7 b) xi fi 2 4 5 6 8 10 3 8 10 6 2 1 c) salários Nº de vendedores 70 ⊢ 120 120 ⊢ 170 88 28 ESTATÍSTICA APLICADA ProfªAna Scardino 27 170 ⊢220 220 ⊢270 270 ⊢320 320 - 370 54 32 12 6 VARIÂNCIA Uma forma de fazer com que as diferenças xi- X sejam sempre positivas é considerar o quadrado dessas diferenças: (xi- X )2 Se substituirmos esse quadrado na fórmula do DMS obtemos a fórmula da variância σ2. σ2 = ∑(xi – X )2 N Exemplo: a)Rol: 4,5,8,5 X =(4+5+8+5)/4=5,5 (x1-X)2=(4-5,5)2= 2,25 (x2-X)2= (5-5,5)2=0,25 (x3-X)2= (8-5,5)2=6,25 (x4-X)2 =(5-5,5)2=0,25 ∑(xi-X)2=9 σ2= 9/4=2,25 DESVIO PADRÃO:σσσσ É a raiz quadrada positiva da variância. Sendo a variância calculada a partir dos quadrados dos desvios, ela é um número em unidade quadradaem relação à variável em questão, o que é inconveniente. Por isso, imaginou-se uma nova medida que tem utilidade e interpretação práticas ,denominada desvio padrão. σ = √ ∑(xi- X)2 N Exemplo: Cálculo do desvio padrão do ex. anterior: σ(x) = √ σ2 = √2,25 = 1,5 unidades ESTATÍSTICA APLICADA ProfªAna Scardino 28 VARIÁVEL DISCRETA: Exemplo: xi fi xifi (xi-X)2.fi 2 3 4 5 3 5 8 4 6 15 32 20 8,1675 2,1125 0,9800 7,2900 20 73 18,55 Variância = σ2= ∑(xi-X)2..fi / ∑fi = 18,55/20 = 0,9275 � σ = √0,9275 = 0,963 - Variável contínua: Int.classe fi xi xifi (xi-X)2.fi 2 ⊢4 4 ⊢6 6 ⊢ 8 8 ⊢10 5 10 4 1 3 5 7 9 15 50 28 9 22,05 0,1 14,44 15,21 ∑fi=20 ∑xifi=102 ∑(xi-x)2.fi = 51,8 σ2= ∑ (xi – x )2.fi = 51,8/20 = 2,59 � σ =1,61 ∑fi Observações No cálculo da variância quando elevamos ao quadrado a diferença ( xi- x), a unidade de medida da série fica também elevada ao quadrado. Ex. Dados expressos em metros, variância expressa em m2.Em alguns casos a unidade de medida da variância nem faz sentido.Ex.litros2. Para suprir essa deficiência é que se define o desvio padrão, que tem sempre a mesma unidade de medida do dado. Para o caso de dados amostrais , a fórmula para o desvio padrão será σ2 = ∑(xi-x)2 .fi N-1 POSIÇÃO RELATIVA DA MÉDIA, MEDIANA E MODA DISTRIBUIÇÃO SIMÉTRICA As três medidas coincidem: X= Md = Mo ESTATÍSTICA APLICADA ProfªAna Scardino 29 X=Md=Mo Mo<Md<X X<Md<Mo Assimétrica positiva assimétrica negativa MEDIDAS DE ASSIMETRIA COEFICIENTE DE PEARSON As= X – M0 σ As = 0 distribuição é simétrica As <0 distribuição é assimétrica negativa As >0 distribuição é assimétrica positiva MEDIDAS DE CURTOSE Mede o grau de achatamento da curva de distribuição Observando a concentração dos valores de uma série em torno de sua moda, podemos observar três situações: 1-Os dados estão fortemente concentrados em torno da moda. 2-Os dados estão razoavelmente concentrados em torno da moda, o que faria a curva de freqüência ser razoavelmente afilada 3-Os dados estão fracamente concentrados em torno da moda: leptocúrtica mesocúrtica ESTATÍSTICA APLICADA ProfªAna Scardino 30 platicúrtica Para classificar uma distribuição quanto a sua curtose, podemos utilizar o coeficiente de curtose dado por: ∑(xi-x)4 .fi K= ∑fiii -3 σ4 K=0 mesocúrtica k>0 leptocúrtica k<0 platicúrtica O valor 3 representa o valor da curtose para uma distribuição teórica de probabilidades chamada distribuição normal padrão, que caracteriza distribuição mesocúrtica. Exemplos: 1- Classifique quanto à assimetria a distribuição abaixo: (amostra) Xi fi 1 2 3 4 5 6 2 10 6 4 2 1 2-Classifique quanto à assimetria e quanto à curtose: xi fi 2 3 4 5 6 7 8 2 4 6 10 6 4 2 LISTA DE EXERCÍCIOS – 1-Uma empresa que monta microcomputadores verificou que o nº de defeitos encontrados por computador segue a tabela: Nº de defeitos Nº de computadores 0 32 ESTATÍSTICA APLICADA ProfªAna Scardino 31 1 2 3 4 5 28 11 4 3 1 Pede-se: a) O nº médio de defeitos por computador b) A porcentagem de computadores com 2 defeitos c) A moda d) O D.M.S e) A variância f) O desvio padrão g) O coeficiente de variação h) A classificação quanto à assimetria i) A classificação quanto à curtose 2- Um teste de 50 questões foi aplicado em uma turma, tendo-se obtido os seguintes resultados Classe acertos fi 1 7⊢12 2 2 12⊢17 5 3 17⊢22 13 4 22⊢27 10 5 27⊢32 9 6 32⊢37 6 7 37⊢42 5 a) O valor médio dos acertos b) O polígono de freqüências c) O valor mediano dos acertos d) A moda e) O D.M.S f) A variância g) O desvio padrão h) O coeficiente de variação i) Classificar quanto à assimetria j) Classificar quanto à curtose 3- Os dados abaixo referem-se às notas de Estatística do 1º Bi 3º: 8,0 4,5 6,0 9,5 5,0 4,5 6,0 9,5 7,5 9,0 5,5 7,0 5,0 6,0 6,0 6,0 3,5 8,0 2,5 9,0 5,5 8,5 6,0 6,5 6,0 6,0 7,5 8,5 6,0 10,0 9,5 4,0 2,0 9,0 3,5 8,5 6,0 8,5 7,0 4,5 ESTATÍSTICA APLICADA ProfªAna Scardino 32 5,0 8,5 9,0 9,0 6,5 10,0 a)Construir o rol e calcular a média aritmética. b)Construir a distribuição de freqüências com h=2, começando de zero c)Calcular a média aritmética da distribuição de freqüência d)Localizar no rol a mediana e a moda. e)Calcular a mediana e a moda f)Calcular a variância e o desvio padrão g)calcular o coeficiente de variação h)verificar se a percentagem de dados nos intervalos considerados no ítem acima coincidem com os valores obtidos do rol i)Qual a percentagem de alunos que tiraram nota igual ou maior do que 7,0 j)Qual a percentagem de alunos que tiraram nota inferior à 4,0 4- Qual das séries abaixo apresenta maior dispersão? a) Xa = 10 , σa = 1 ou Xb = 100 , σb = 20 PROBABILIDADES Fenômenos aleatórios a) determinísticos-repetidos sob mesmas condições iniciais conduzem sempre a um só resultado. Ex. corpo em queda livre. As condições iniciais se não são as mesmas, podem ser consideradas assim, já que as diferenças podem ser desprezadas b) aleatórios-repetidos sob mesmas condições iniciais podem conduzir a mais que um resultado. Ex. lançamento de um dado. Ao se verificar o nº de pontos da face superior do dado, dificilmente conseguiremos após repetidos lançamentos obter o mesmo resultado. Pequenas variações no momento de lançamento do dado muda as condições que inferirão no resultado final, tornando esse um fenômeno aleatório. A maioria dos fenômenos que trata a estatística são de natureza aleatória ou probabilística. O cálculo de probabilidades é portanto um necessidade para o estudo da estatística indutiva ou inferencial. Os experimentos são fenômenos aleatórios que possuem as características de repetitividade e regularidade. ESPAÇO AMOSTRAL Ao conjunto de resultados possíveis em um experimento aleatório damos o nome de espaço amostral, representado por S Exemplo: Lançamento de uma moeda: S = {cara, coroa} Lançamento de um dado: S ={1,2,3,4,5,6} ESTATÍSTICA APLICADA ProfªAna Scardino 33 Em dois lançamentos sucessivos de uma moeda podemos obter: S={(ca,ca),(ca,co),(Co,ca),(co,co)} Cada um dos elementos de S que corresponde a um resultado recebe o nome de ponto amostral EVENTOS Chamamos de evento qualquer subconjunto do espaço amostral S de um experimento aleatório. Exemplo: No lançamento de um dado, onde S={1,2,3,4,5,6} Temos: A={2,4,6} está contido em S, logo é um evento de S B={5} é tb. um evento de S PROBABILIDADE Chamamos probabilidade de um evento A o número real p(A), tal que P(A) = n(A)/n(S) Onde n(A) = n.º de elementos de A n(S) = n.º de elementos de S Exemplos: a)lançamento de uma moeda.Evento A:obter cara s={ca,co} -> n(S) = 2 A={ca} -> n(A) = 1 P(A) = ½ Temos 50% de chance de que apareça cara na face superior da moeda b)lançamento de um dado: -probabilidade do evento A:”obter um n.º par na face superior” acontecer S={1,2,3,4,5,6} A={2,4,6} P(A) = 3/6 = ½ -prob. do evento B:”obter um n.º menor ou igual a 6 S={1,2,3,4,5,6} A={1,2,3,4,5,6}P(B) = 6/6 = 1 = 100 % ESTATÍSTICA APLICADA ProfªAna Scardino 34 - prob. do evento C: “ obter o n.º 4 S={1,2,3,4,5,6} C={4} -> n(C) = 1 P(C) = 1/6 -prob. do evento D: “obter um n.º maior que 6 n(S) = 6 D = vazio -> n(D) =0 P(D) = 0/6 = 0 EVENTOS COMPLEMENTARES Sabemos que um evento pode ocorrer ou não. Sendo p a probabilidade de que ele ocorra ( sucesso) e q a probabilidade de que ele não ocorra(insucesso), para um mesmo evento existe sempre a relação : p + q = 1 ou q = 1 - p Assim se a probabilidade de realizar um evento é p=1/5, a prob. de que ele não ocorra é q =1 – 1/5 = 4/5 Sabemos que a prob. de tirar o 4 no lançamento de um dado é 1/6.Logo , a prob. de não tirar o 4 é q = 1 – 1/6 = 5/6 EVENTOS INDEPENDENTES Dois eventos são independentes quando a realização ou a não realização de um dos eventos não afeta a prob. de realização do outro e vice-versa Exemplo.Lançamento de dois dados. O resultado obtido em um deles independe do resultado obtido no outro. A probabilidade de que dois eventos independentes ocorram simultaneamente é igual ao produto das probabilidades de realização de cada evento. P=p1*p2 Exemplo:lançamento de dois dados.A prob. de obtermos 1 no primeiro dado é p=1/6. A prob. de obtermos 5 no segundo dado é p = 1/6 logo , a prob. de obtermos, simultaneamente, 1 no 1º e 5 no 2º é p = 1/6 * 1/6 = 1/36 Observando o espaço amostral e o conjunto A dos eventos temos: S = {(1,1),(1,2),(1,3),(1,4),(1,5),(1,6), (2,1),(2,2),(2,3),(2,4),(2,5),(2,6), (3,1),(3,2),(3,3),(3,4),(3,5),(3,6), ESTATÍSTICA APLICADA ProfªAna Scardino 35 (4,1),(4,2),(4,3),(4,4),(4,5),(4,6), (5,1),(5,2),(5,3),(5,4),(5,5),(5,6), (6,1),(6,2),(6,3),(6,4),(6,5),(6,6)} A={(1,5)} P=1/36 SOMA DE PROBABILIDADES: EVENTOS MUTUAMENTE EXCLUSIVOS Dizemos que dois ou mais eventos são mutuamente exclusivos quando a realização de um exclui a realização dos outros. Se dois eventos são mutuamente exclusivos, a probab. de que um ou outro se realize é igual a soma das probabilidades de que cada um deles se realiza. p= p1 + p2 Ex. Lançamento de um dado.A prob. de tirar o 3 ou o 5 é: p = 1/6 + 1/6 = 2/6 = 1/3 Eventos não exclusivos Ocorrência de um evento A ou um evento B,não mutuamente exclusivos.Ex. Urna com 30 bolas, numeradas de 1 a 30 .Extrair uma bola para verificar a ocorrência de um múltiplo de 2 ou de 3 S= {1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,.....................30} A= {2,4,6,8,10,12,14,16,18,.....................................................30} B={3,6,9,12,15,18,.........................................30} Observar a ocorrência de A ou de B significa aceitar como resultados a ocorrência : somente de A ( e não de B) Somente de B de A e B , simultaneamente PA = 15/30 =1/2 PB = 10/30 = 1/3 A A ESTATÍSTICA APLICADA ProfªAna Scardino 36 Múltiplos de 3 Múltiplos de 2 Múltiplos de 2 e 3(ou múltiplos de 6) Observar a ocorrência de A ou B equivale a observar a ocorrência da união dos dois eventos, isto é, do evento A ∪B . nA∩B = nA + nB - nA∩B dividindo ambos os membros dessa igualdade por nS nA∪B = nA + nB - n A∩B ns ns ns ns pA∪B = pA + pB - pA∩B Como os valores {6,12,18,24,30} aparecem em ambos os conjuntos A e B é necessário quando somamos os elementos nA e nB, descontar esses múltiplos de 6 (de 2 e 3 simultaneamente), pois foram somados duas vezes. No nosso exemplo: p A∩B = 5/30 =1/6 Portanto: pA∪B = pA + pB - pA∩B P= 1/2 + 1/3 - 1/6 P=2/3 No caso em que A∩B = ∅ , dizemos que A e B são eventos mutuamente exclusivos, isto é ,se um deles ocorrer, o outro certamente não ocorrerá. Então p = pA + pB Exercícios 1-Qual a probabilidade de sair o ás de ouro quando retiramos uma carta de um baralho de 52 cartas? P= 1/52 2- Qual a probabilidade de sair um rei nesse baralho? P=4/52 = 1/13 3-Em um lote de 12 peças , 4 são defeituosas. Sendo retirada uma peça, calcule: a)a probabilidade de essa peça ser defeituosa p=4/12 = 1/3 c) a probabilidade de não ser defeituosa ESTATÍSTICA APLICADA ProfªAna Scardino 37 p= 1 – 1/3 = 2/3 4-No lançamento de 2 dados ,qual a probabilidade de se obter soma igual a 5? A={(1,4),(4,1),(2,3),(3,2)} � n(A) = 4 S = {(1,1),(1,2),(1,3),(1,4),(1,5),(1,6), (2,1),(2,2),(2,3),(2,4),(2,5),(2,6), (3,1),(3,2),(3,3),(3,4),(3,5),(3,6), (4,1),(4,2),(4,3),(4,4),(4,5),(4,6), (5,1),(5,2),(5,3),(5,4),(5,5),(5,6), (6,1),(6,2),(6,3),(6,4),(6,5),(6,6)} P = 4/36 = 1/9 1- De 2 baralhos de 52 cartas retiram-se , simultaneamente, uma carta do primeiro baralho e uma carta do segundo. Qual a probabilidade de a carta do primeiro baralho ser um rei e a do segundo ser o 5 de ouro? P1 = 4/52 = 1/13 p2 = 1/52 P= 1/13*1/52 = 1/676 (eventos independentes e simultâneos) 6-De um baralho de 52 cartas, retiram-se , ao acaso, duas cartas sem reposição. Qual é a probabilidade de a primeira carta ser o ás de ouro e a Segunda ser o rei de ouro? P = 1/52 * 1/51 = 1/2652 7-Qual a probabilidade de sair uma figura quando retiramos uma carta de um baralho de 52 cartas? P(rei) = 4/52 = 1/13 P(dama) = 4/52 = 1/13 P(valete) = 4/52 = 1/13 P = 1/13 + 1/13 + 1/13 = 3/13 Ou p = 12/52 = 3/13 8-Considere bolas coloridas colocada em 3 urnas segundo a tabela abaixo: Urna brancas pretas verdes A 3 4 2 B 5 2 1 C 2 3 4 Qual a probabilidade de as 3 bolas retiradas da primeira, Segunda e terceira urnas serem, respectivamente, branca, preta e verde? P(branca) = 3/9 = 1/3 P(preta) = 2/8 = ¼ P(verde) = 4/9 = 4/9 ESTATÍSTICA APLICADA ProfªAna Scardino 38 P = 1/3*1/4*4/9 = 1/27 9-Qual a probabilidade de sair uma carta de copas ou de ouro quando retiramos uma carta de um baralho de 52 cartas? P(copas) = 13/52 = ¼ P(ouro) = 13/52 = ¼ Eventos exclusivos : p = ¼ + ¼ = 2/4 = ½ 10- No lançamento de um dado, qual a probabilidade de se obter um nº não inferior a 5 ? A= {5,6} � p = 2/6 = 1/3 11- São dados 2 baralhos de 52 cartas. Tiramos ao mesmo tempo uma carta do primeiro e uma carta do segundo.Qual a probabilidade de tirarmos uma dama e um rei, não necessariamente nessa ordem? Eventos independentes: 4/52 * 4/52 = 1/169 ( um rei e uma dama) 4/52*4/52 = 1/169(uma dama e um rei) eventos mutuamente exclusivos : 1/169+1/169 = 2/169 12-Dois dados são lançados conjuntamente. Qual a probabilidade de a soma ser 10 ou mais. Soma 10 � A ={(4,6),(5,5),(6,4)} p = 3/36 = 1/12 Soma 11 � B={ (5,6),(6,5)} p = 2/36 = 1/18 Soma 12 � C={(6,6)} p = 1/36 Mutuamente exclusivos : 1/18 + 1/36 + 2/36 = 1/6 13- Um casal planeja ter 3 filhos .Calcule a probabilidade de nascerem: a) 0 homens b) 1 homem c) 2 homens d) 3 homens S={(H,M,M),(H,H,H),(H,M,H),(H,H,M),(M,M,M),(M,H,H),(M,M,H),(M,H,M)} a) 1/8 b) 3/8 c) 3/8 d) 1/8 14-Faça uma distribuição de probabilidades e o gráfico correspondente: X(evento homens) 0 1 2 3 P(X) 1/8 3/8 3/8 1/8 ESTATÍSTICA APLICADA ProfªAna Scardino 39 0 1 2 3 x(nº de homens) PROBABILIDADE CONDICIONAL Exemplo:Considere uma urna contendo 4 bolas brancas e 6 bolas pretas Qual a prob.de sair bola branca seguidade preta sem que seja feita reposição da bola tirada no primeiro sorteio? P(branca) = 4/10 P(preta) = 6/10 (dado que antes já saiu bola branca) P = 4/10 *6/9 = 24/90 = 4/15 DISTRIBUIÇÃO DE PROBABILIDADES -Distribuição binomial Antes de definirmos a função probabilidade ,vamos avaliar alguns exemplos obtidos com o lançamento de uma moeda: a)probabilidades obtidas ao se lançar uma moeda duas vezes (ou lançar duas moedas ao mesmo tempo). Possíveis resultados: Moedas cara Coroa Cara Ca,ca Ca,co Coroa Co,ca Co,co Sendo x o número de caras , podemos montar a tabela: X(cara) 0 1 2 probabilidade 1/4 2/4 ¼ 0 1 2 (nº de caras) Repetindo o mesmo procedimento para uma moeda jogada 3 vezes ( ou 3 moedas jogadas uma vez) Moedas Ca,ca Ca,co Co,ca Co,co Ca Ca,ca,ca Ca,co,ca Co,ca,ca Co,co,ca Co Ca,ca,co Ca,co,co Co,ca,co Co,co,co Montando o quadro de distribuição X(cara) 0 1 2 3 ESTATÍSTICA APLICADA ProfªAna Scardino 40 P(x) 1/8 3/8 3/8 1/8 0 1 2 3 Repetindo o mesmo para o lançamento de 4 moedas: Moedas Ca,ca,ca Ca,ca,co Ca,co,ca Ca,co,co Co,ca,ca Co,ca,co Co,co,ca Co,co,co Ca C,c,c,c C,c,k,c C,k,c,c C,k,k,c K,c,c,c K,c,k,c K,k,c,c K,k,k,c Co C,c,c,k C,c,k,k C,k,c,k C,k,k,k K,c,c,k K,c,k,k K,k,c,k K,k,k,k X(caras) 0 1 2 3 4 P(x) 1/16 4/16 6/16 4/16 1/16 0 1 2 3 4 Vejamos como expressar matematicamente esses resultados: a) para dois lançamento: ca2 + 2.ca.co + co2 = (ca+co)2 =(p+q)2 =p2+2p.q+q2 onde p2 = probabilidade de ocorrer 2 caras = p*p = 1/2*1/2 =1/4, 2*p*q=prob. de ocorrer uma cara(e portanto uma coroa) = 2*1/2*1/2=2/4 e q*q = prob. de ocorrer nenhuma cara(2 coroas)=1/2*1/2=1/4 b) para três lançamentos: ca3+ 3ca2co +3caco2 +co3=(ca+co)3=(p+q)3 = p3+3p2.q + 3 p q2+q3 onde p3=probabilidade de ocorrer 3 caras=1/2*1/2*1/2 =1/8 3*p2*q = probab. de ocorrer 2 caras e uma coroa = 3*(1/2)2*1/2 = 3/8, 3*p*q2 = probab. de ocorrer 1 cara(2 coroas)=3*1/2*(1/2)2 = 3/8 e q3=probab. de ocorrer nenhuma cara(3 coroas) = (1/2)3=1/8 c) para 4 lançamentos: ca4+4ca3co + 6ca2co2+4caco3+co4 =(ca+co)4=(p+q)4 p4+4p3q + 6 p2q2 + 4pq3+q4 onde p4= probab.de ocorrer cara nas 4 moedas = (1/2)4 = 1/16 4*p3q = probab. de ocorrer cara em 3 moedas=4*(1/2)3*1/2 = 4/16 6*p2q2= probab. de ocorrer cara em 2 moedas = 6*(1/2)2(1/2)2= 6/16 4*p*q3= probab. de ocorrer cara em 1 moeda = 4*1/2*(1/2)3= 4/16 e q4 = probab. de ocorrer cara em nenhuma moeda(ocorrer coroa em todas) = (1/2)4 = 1/16 Este é o desenvolvimento do Binômio de Newton,cujos coeficientes dessa expansão são: (n=1) 1 1 (n=2) 1 2 1 (n=3) 1 3 3 1 ESTATÍSTICA APLICADA ProfªAna Scardino 41 (n=4) 1 4 6 4 1 (n=5) 1 5 10 10 5 1 (n=6) 1 6 15 20 15 6 1 (n=7) 1 7 21 35 35 21 7 1 (n=8) 1 8 28 56 70 56 28 8 1 (n=9) 1 9 36 84 126 126 84 36 9 1 (n=10)1 10 45 120 210 252 210 120 45 10 1 A disposição dos coeficientes lembra um triângulo.daí o nome triângulo de Pascal(em homenagem ao matemático Blaise Pascal,que foi quem primeiro escreveu um tratado sobre as propriedades dessa tabela) Essa tabela também pode ser construída com os números binomiais. P00X P10X P 1 1X P20X P 2 1X P 2 2X P30X P 3 1X P 3 2X P 3 3X P40X P 4 1X P 4 2X P 4 3X P 4 4X .................................................... onde PRqX = n! e n!= n.(n-1)(n-2)(n-3).. k!(n-k)! então (p+q)n= PR0X p0qn + P R 1X p1qn-1 + P R 2X p2qn-2 + ..... P R qXpnq0 = P R qX pk qn-k Notemos que o número que representa a posição do termo na expansão é uma unidade maior que a classe do coeficiente binomial. A probabilidade de que um evento se realize K vezes de n tentativas é dada então,pela função: Tp+1 = PRqX pkqn-k Função probabilidade = p(x) P(x) = PRqX pkqn-k ESTATÍSTICA APLICADA ProfªAna Scardino 42 Note que K é o expoente de p no desenvolvimento do Binômio de Newton. P(x) = p(k) = probabilidade de que o evento se realize k vezes em n provas p é a probabilidade de que o evento se realize em uma única prova(sucesso) q é a probabilidade de que o evento não se realize em uma só prova(insucesso) n é o coeficiente binomial de n sobre k, igual a n! . K!(n-k)! Condições para se ter distribuição binomial: a- o experimento deve ser repetido, nas mesmas condições, um nº finito de vezes(n) b- as provas repetidas devem ser independentes, isto é ,o resultado de uma não deve afetar os resultados sucessivos c- em cada prova deve aparecer um dos dois possíveis resultados:sucesso e insucesso d- no decorrer do experimento, a probabilidade p do sucesso e a probabilidade q do insucesso manter-se-ão constantes. e- P(x=k) é a prob. De que o evento se realize K vezes em n provas;p é a prob. de que o evento se realize em uma só prova-sucesso e q é a prob. de que o evento não se realize - insucesso Exercícios. 1-Uma moeda é lançada 5 vezes seguidas e independentes.Calcule a prob . de serem obtidas 3 caras nessas 5 provas n=5 k=3 P(x=3) = P53X p3q5-3 = P 5 3Xp3q2 =5.4.3.2.1 *(1/2)3(1/2)2 3.2.1.2.1 =5/16 2-Dois times de futebol A e B jogam entre si 6 vezes. Encontre a probabilidade de o time A ganhar 4 jogos n=6,k=4 p=1/3 e q=1-1/3 =2/3 P(X=4) = P64X (1/3)4.(2/3)2= 15.1/81.4/9 = 20/243 3-Calcular a prob.de 3 caras em 8 jogadas: n=8, k=3 ,p=1/2 e q=1/2 P(X=3) = P83X p3q5 = 56p3q5 = 0,2187472 4-Num exame de 10 testes(5 alternativas cada, uma só correta),um aluno “chuta” os 10 testes.Qual a probabilidade dele acertar a metade?(em percentagem) ESTATÍSTICA APLICADA ProfªAna Scardino 43 n=10, k=5, p=1/5, q= 1-1/5 =4/5 p(x=5) = (5) p5q5 = 252.(1/5)5.(4/5)5 = 0,02642 = 2,64 % 5-Lançando-se um dado 5 vezes , qual a probabilidade de ocorrer o número 6 no mínimo 3 vezes? N=5,k=3,p=1/6 e q = 5/6 P1=probabilidade de ocorrer A em 3 vezes: P1= P53X (1/6)3(5/6)2 = 10.(1/6)3(5/6)2 P1=0,03215 P2=probabilidade de ocorrer A em 4 vezes: P2= P54X (1/6)4(5/6) = 5.(1/6)4(5/6) = 0,000643 P3=probabilidade de ocorrer a em 5 vezes P3= P55X (1/6)5 = 0,0001286 P = p1+p2+p3 = 0,3215+0,000643+0,0001286=0,03292 = 3.29% Exercícios propostos: 1-Lançando-se uma moeda 10 vezes , determine a probabilidade de ocorrer: a)cara na 8ª vez b)cara na 8ª vez, sabendo que nas 7 primeiras jogadas ocorrem cara d) 3 vezes cara 2-Sabendo que um casal pretenda ter 4 filhos e supondo que não haja nascimento de gêmeos, qual a probabilidade de 2 dos 4 filhos serem do sexo feminino? 3- E a probabilidade de 3 dos 4 filhos serem do sexo feminino? 4-Numa caixa de controle há 10 interruptores, cada um comandando um circuito elétrico. Cada circuito tem probabilidade de 20 % de queimar ao ser acionado. Acionando 10 interruptores, qual a probabilidade de no máximo dois circuitos resultarem queimados? Gabarito: 1-a)1/2 b)1/2 ESTATÍSTICA APLICADA ProfªAna Scardino 44 2- 3/8 3-1/4 4-67,78% DISTRIBUIÇÃO NORMAL- CURVA DE GAUSS A distribuição normal, de variável aleatóriacontínua, é uma das mais empregadas . Essa distribuição segue as seguintes propriedades: • A variável X pode assumir qualquer valor real • A representação gráfica é uma curva em forma de sino- A CURVA DE GAUSS • A área total limitada pela curva e pelo eixo das abscissas é igual a 1. Essa área corresponde à probabilidade de a variável aleatória x assumir qualquer valor. • A curva é simétrica em torno da média. A probabilidade de ocorrer valor maior do que a média é igual à probabilidade de ocorrer valor menor do que a média. P(x>rs)=p(x<rs) = 0,5 Para verificar a probabilidade de uma variável aleatória assumir um valor em um determinado intervalo , que é o maior interesse nesse tipo de distribuição , vejamos um exemplo. Uma prova aplicada em um concurso apresentou média igual a 100 e desvio padrão 10. Vejamos a probabilidade de um indivíduo apresentar nota maior que 120: A probabilidade em questão corresponde à área hachurada da figura acima.Para determinar essa probabilidade é necessário recorrer à distribuição normal reduzida, uma distribuição normal de média 0 e desvio padrão 1.A vantagem da distribuição reduzida é que seus valores já estão tabelados ,sem a necessidade de se efetuarem os cálculos. Para trabalhar com essas tabelas, temos que determinar a variável z: z = #k tsu A tabela de distribuição normal reduzida nos fornece a probabilidade de z tomar qualquer valor entre a média 0 e um dado valor z, isto é : p(0 < Z < z) Pode- se trabalhar com a seguinte igualdade: p(�̅ < X < x ) =p(0 < Z < z). No caso para p(Z > 0 ) é igual a 0,5. Para determinar p(Z>2) , então, temos que diminuir 0,5 de 0,4772 = 0,0228 = 2,28%. Essa é a probabilidade procurada. ESTATÍSTICA APLICADA ProfªAna Scardino 45 Exemplo: Qual a probabilidade de um indivíduo apresentar nota entre 100 e 120? Como queremos calcular p (100<x<120) , então teremos que determinar z . Para x = 100: Z = �wwk�ww�w =0 Par x = 120: x = �*wk�ww�w = 2 Vamos então verificar a p( 0 < Z < 2) na tabela , que é igual a 0,4772, ou seja 47,72% Os exemplos acima e exercícios abaixo citados foram retirados do livro CRESPO, ANTÔNIO ARNOT, Estatística Fácil, SãoPaulo:Saraiva,8ªed,1991,pg.145 a 147 1- Seja x a variável aleatória que representa os diâmetros dos parafusos produzidos por certa máquina. Supor média = 2 cm e desvio padrão igual a 0,04 cm. Qual a probabilidade de um parafuso ter diâmetro com valor entre 2 e 2,05 cm? Procuramos p ( 2<x<2,05) 2 2,05 P(2<x<2,05 )=? Z = #k #̅ σ Para obter essa probabilidade ,precisamos , em primeiro lugar, calcular o valor de z que corresponde a x=2,05 ( x=2 ,implica em z=0) Z=*,w&k*w,wK = w,w&w,wK = 1,25 Procuremos agora na tabela do anexo 0 valor z = 1,25. Na primeira coluna encontramos o valor 1,2. Em seguida , encontramos, na primeira linha, o valor 5, que corresponde ao último algarismo do número 1,25. Na intersecção da linha e coluna correspondentes encontramos o valor 0,3944, o que dá a probabilidade procurada como sendo 39,44%. 2- a) Determine a probabilidade p(-1,25<Z<0) Resp: 39,44% b)p(-0,5<Z<1,48) Resp:62,21% c)p(0,8<Z<1,23) Resp:10,26% d)p(z>0,6) Resp:0,5-0,2257 = 0,2743 ESTATÍSTICA APLICADA ProfªAna Scardino 46 3- Um teste efetuado em um concurso tem distribuição normal com média 100 e desvio padrão 10. Determine a probabilidade de um indivíduo submetido ao teste ter nota: a) maior que 120 Resp: 2,28% b)Maior que 80 Resp: 97,72% c)entre 85 e 115 Resp: 86,64% ESTATÍSTICA APLICADA ProfªAna Scardino 47 Anexo:Tabela de Distribuição Normal reduzida. Tabela 01 z 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09 0,0 0,0000 0,0040 0,0080 0,0120 0,0160 0,0199 0,0239 0,0279 0,0319 0,0359 0,1 0,0398 0,0438 0,0478 0,0517 0,0557 0,0596 0,0636 0,0675 0,0714 0,0753 0,2 0,0793 0,0832 0,0871 0,0910 0,0948 0,0987 0,1026 0,1064 0,1103 0,1141 0,3 0,1179 0,1217 0,1255 0,1293 0,1331 0,1368 0,1406 0,1443 0,1480 0,1517 0,4 0,1554 0,1591 0,1628 0,1664 0,1700 0,1736 0,1772 0,1808 0,1844 0,1879 0,5 0,1915 0,1950 0,1985 0,2019 0,2054 0,2088 0,2123 0,2157 0,2190 0,2224 0,6 0,2257 0,2291 0,2324 0,2357 0,2389 0,2422 0,2454 0,2486 0,2517 0,2549 0,7 0,2580 0,2611 0,2642 0,2673 0,2704 0,2734 0,2764 0,2794 0,2823 0,2852 0,8 0,2881 0,2910 0,2939 0,2967 0,2995 0,3023 0,3051 0,3078 0,3106 0,3133 0,9 0,3159 0,3186 0,3212 0,3238 0,3264 0,3289 0,3315 0,3340 0,3365 0,3389 1,0 0,3413 0,3438 0,3461 0,3485 0,3508 0,3531 0,3554 0,3577 0,3599 0,3621 1,1 0,3643 0,3665 0,3686 0,3708 0,3729 0,3749 0,3770 0,3790 0,3810 0,3830 1,2 0,3849 0,3869 0,3888 0,3907 0,3925 0,3944 0,3962 0,3980 0,3997 0,4015 1,3 0,4032 0,4049 0,4066 0,4082 0,4099 0,4115 0,4131 0,4147 0,4162 0,4177 1,4 0,4192 0,4207 0,4222 0,4236 0,4251 0,4265 0,4279 0,4292 0,4306 0,4319 1,5 0,4332 0,4345 0,4357 0,4370 0,4382 0,4394 0,4406 0,4418 0,4429 0,4441 1,6 0,4452 0,4463 0,4474 0,4484 0,4495 0,4505 0,4515 0,4525 0,4535 0,4545 1,7 0,4554 0,4564 0,4573 0,4582 0,4591 0,4599 0,4608 0,4616 0,4625 0,4633 1,8 0,4641 0,4649 0,4656 0,4664 0,4671 0,4678 0,4686 0,4693 0,4699 0,4706 1,9 0,4713 0,4719 0,4726 0,4732 0,4738 0,4744 0,4750 0,4756 0,4761 0,4767 2,0 0,4772 0,4778 0,4783 0,4788 0,4793 0,4798 0,4803 0,4808 0,4812 0,4817 2,1 0,4821 0,4826 0,4830 0,4834 0,4838 0,4842 0,4846 0,4850 0,4854 0,4857 2,2 0,4861 0,4864 0,4868 0,4871 0,4875 0,4878 0,4881 0,4884 0,4887 0,4890 2,3 0,4893 0,4896 0,4898 0,4901 0,4904 0,4906 0,4909 0,4911 0,4913 0,4916 2,4 0,4918 0,4920 0,4922 0,4925 0,4927 0,4929 0,4931 0,4932 0,4934 0,4936 2,5 0,4938 0,4940 0,4941 0,4943 0,4945 0,4946 0,4948 0,4949 0,4951 0,4952 2,6 0,4953 0,4955 0,4956 0,4957 0,4959 0,4960 0,4961 0,4962 0,4963 0,4964 2,7 0,4965 0,4966 0,4967 0,4968 0,4969 0,4970 0,4971 0,4972 0,4973 0,4974 2,8 0,4974 0,4975 0,4976 0,4977 0,4977 0,4978 0,4979 0,4979 0,4980 0,4981 2,9 0,4981 0,4982 0,4982 0,4983 0,4984 0,4984 0,4985 0,4985 0,4986 0,4986 3,0 0,4987 0,4987 0,4987 0,4988 0,4988 0,4989 0,4989 0,4989 0,4990 0,4990
Compartilhar