Baixe o app para aproveitar ainda mais
Prévia do material em texto
Apostila de Estatística Profª MÔNICA DO NASCIMENTO RIBEIRO 2014.2 Professora: Mônica Do Nascimento Ribeiro 2 CAPITULO 1 O que é estatística? É a ciência que fornece métodos para coleta, organização, descrição, análise e interpretação dos dados e para utilização dos mesmos na tomada de decisões. A Estatística trabalha com fenômenos coletivamente típicos, isto é, com fenômenos ligados a coletividade e que podem ser repetidos. Fenômenos determinísticos: Já se conhece a priori o resultado. Ex.: Preço total a pagar pela aquisição de uma determinada quantidade de um produto. Fenômeno aleatório: Conhecemos todos os possíveis resultados, mas não se sabe o resultado concreto que irá acontecer. Ex.: lançamento de um dado honesto. A estatística se divide em duas partes: (1) ESTATÍSTICA DESCRITIVA: Responsável pela coleta, organização e descrição dos dados observados. (2) ESTATÍSTICA INDUTIVA OU INFERENCIAL: Responsável pela análise e interpretação dos dados. A estatística trabalha com fenômenos de natureza aleatória, logo o cálculo das probabilidades é essencial para o estudo da Estatística indutiva. Fases do método estatístico: - Coleta dos dados: Feito através de registros – nascimento, casamento, óbitos, importação e exportação de mercadoria, banco de dados de empresas, questionários,.... - Crítica dos dados: Para verificar possíveis erros por parte dos informantes, por distração ou má interpretação das perguntas que lhe forem feitas. - Exposição ou apresentação dos dados: Tabulação e gráficos. - Análise dos resultados: Conclusão sobre o todo (POPULAÇÃO) a partir de informações fornecidas por parte representativa do todo (AMOSTRA). POPULAÇÃO: é o conjunto de indivíduos ou objetos que apresentam pelo menos uma característica comum. AMOSTRA: é um subconjunto finito de uma população. Professora: Mônica Do Nascimento Ribeiro 3 Exemplo: Digamos que a Secretaria Estadual de Educação queira pesquisar o grau de satisfação dos alunos no que se refere à qualidade da merenda escolar. População: Alunos da rede estadual. Amostra: Parte do total de alunos que representa o todo (população). Variável em estudo: variáveis que possam informar a satisfação dos alunos com a merenda escolar. As variáveis podem ser QUANTITATIVAS ou QUALITATIVAS. Qualitativas: quando seus valores são expressos por atributos. Exemplos: População: Candidatos a um exame de vestibular. Variável: sexo (masculino ou feminino). Quantitativa: Quando seus valores são expressos em números. Podem ser subdivididas em discretas (assumem valores enumeráveis, números inteiros não-negativos, contagens) e contínuas (assumem valores num certo intervalo, medições). Exemplos: População: casais residentes em uma cidade. Variáveis: Número de filhos (quantitativa discreta) Idade (quantitativa continua) Peso dos alunos (quantitativa contínua) Professora: Mônica Do Nascimento Ribeiro 4 EXERCÍCIO DE FIXAÇÃO 1) O que é estatística? 2) O que é população? 3) o que é amostra? 4) A Estatística se divide em duas partes. Cite e explique cada uma delas. 5) Quais são as fases do método estatístico? 6) Qual a diferença entre variável qualitativa e quantitativa? 7) Classifique as variáveis em qualitativas, quantitativas contínuas ou quantitativas discreta. a) População: Alunos de uma escola. Variável: Cor da pele ___________________________ b) População: Casais residentes em um bairro. Variável: Nº de filhos ___________________________ c) População: Jogadas de um dado. Variável: O ponto obtido em cada jogada______________________ d) População: Peças produzidas por certa máquina. Variável: Número de peças produzidas por hora_________________ e) População: Aparelho produzido em uma linha de montagem. Variável: Nº de defeitos por unidade__________________________ f) População: Pessoas residentes em uma cidade. Variável: Idade ___________________________ g) População: Bolsa de valores de São Paulo. Variável: Nº de ações negociadas_________________________ h) População: Funcionários de uma empresa. Variável: Salário ___________________________ i) População: Pregos produzidos por uma máquina. Variável: Comprimento do prego_________________________ j) População: Casais residentes em uma cidade. Variável: Sexo dos filhos ___________________________ 8) Dizer quais dos seguintes itens representam dados discretos e quais representam dados contínuos. a) Altura de precipitação da chuva em centímetros, de uma cidade durante vários meses do ano.____________________________ b) Velocidade de um automóvel em km/h._________________________ c) Número de notas de vinte dólares em circulação nos Estados Unidos, em qualquer época._________________________________ d) Valor total das ações vendidas diariamente na Bolsa de Valores.______________________ e) Número de estudantes matriculados em uma universidade, em certo número de anos._____________________________ Professora: Mônica Do Nascimento Ribeiro 5 9) Estabelecer quais dos dados seguintes são discretos e quais são contínuos. a) Temperatura registrada a cada meia hora em um posto de meteorologia.______________________ b) Vida média das válvulas de televisão produzidas por uma determinada companhia.___________________________ c) Comprimento de 1000 parafusos produzidos numa fábrica. __________________ GABARITO 7. a) QUALITATIVA b) QUANT. DISCRETA c) QUANT. DISCRETA d) QUANT. DISCRETA e) QUANT. DISCRETA f) QUANT. CONTÍNUA g) QUANT. DISCRETA h) QUANT. DISCRETA i) QUANT. CONTÍNUA j) QUALITATIVA 8. a) CONTÍNUA b) CONTÍNUA c) DISCRETA d) DISCRETA e) DISCRETA 9. a) CONTÍNUA b) CONTÍNUA c) CONTÍNUA Professora: Mônica Do Nascimento Ribeiro 6 CAPITULO 2 O objetivo da estatística é sintetizar os valores que uma ou mais variáveis podem assumir e isso ela consegue apresentando esses valores em TABELAS E GRÁFICOS. TABELAS ESTATÍSTICAS TABELA É UM QUADRO QUE RESUME UM CONJUNTO DE OBSERVAÇÕES Produção de café Brasil - 1978-82 ANOS PRODUÇÃO (1.000 T) 1978 2.535 1979 2.666 1980 2.122 1981 3.750 1982 2.007 Fonte: IBGE SÉRIES ESTATÍSTICAS Definição: Série Estatística é toda tabela que apresenta a distribuição de um conjunto de dados em função da época, do local ou da espécie. Classificação das Séries Estatísticas: SÉRIE HISTÓRICA, CRONOLÓGICA, TEMPORAIS: Descrevem valores da variável, em determinado local, discriminados segundo intervalos de tempo. (OS DADOS VARIAM COM O TEMPO). PRODUÇÃO MEDIA DE SOJA NO BRASIL - 2005-2006 ANOS PRODUÇÃO (1.000 t) 2005 2006 51.138 52.223 FONTE: IBGE. TÍTULO CABEÇALHO COLUNA NUMÉRICA RODAPÉ COLUNA INDICADORA LINHAS CASA OU CÉLULA CORPO Professora: Mônica Do Nascimento Ribeiro 7 SÉRIES GEOGRÁFICAS, ESPACIAIS, TERRITORIAIS OU DE LOCALIZAÇÃO: Descrevem valoresda variável, em determinado instante, discriminados segundo regiões. (OS DADOS VARIAM NO LOCAL). DURAÇÃO MÉDIA DOS ESTUDOS SUPERIORES 1994 PAÍSES NÚMERO DE ANOS Itália Alemanha França Holanda 7,5 7,0 7,0 5,9 FONTE: APA. SÉRIES ESPECÍFICAS OU CATEGÓRICAS: Descrevem valores da variável em determinado tempo e local, discriminados segundo especificações e categorias (OS DADOS VARIAM DE ACORDO COM A ESPÉCIE OU QUALIDADE DO FENÔMENO). SÉRIES CONJUGADAS, TABELAS DE DUPLA ENTRADA: Quando precisamos apresentar em uma única tabela a variação de valores de mais de uma variável (OS DADOS SÃO RELATIVOS A 2 OU 3 ASPECTOS SIMULTANEAMENTE). REGIÕES 1991 1992 1993 NORTE 342.938 375.658 403.494 NORDESTE 1.287.813 1.379.101 1.486.649 SUDESTE 6.234.501 6.729.767 7.231.634 SUL 1.497.315 1.608.989 1.746.232 CENTRO-OESTE 713.357 778.925 884.822 Fonte: Revista Veja. TERMINAIS TELEFÔNICOS EM SERVIÇOS POR REGIÕES 1991 - 1993 EXPORTAÇÃO BRASILEIRA2005 PRODUTOS QUANTIDADE (em bilhões de toneladas) Grãos Farelo Óleo 20,5 14,2 2,4 FONTE: Companhia Nacional de Abastecimento (Conab). Professora: Mônica Do Nascimento Ribeiro 8 GRÁFICOS ESTATÍSTICOS O gráfico estatístico é uma forma de apresentar os dados estatísticos, com o objetivo de mostrar uma impressão mais rápida do fenômeno em estudo, com simplicidade, clareza e veracidade. Títulos completos e o mais claro possível; Sempre que possível a escala vertical deve ser escolhida de modo a aparecer na linha o valor zero; A escala horizontal deve ser lida da esquerda para direita e a escala vertical deve ser lida de baixo para cima. Tipos mais comuns de gráficos: Gráfico em colunas ou em barras ANOS QUANTIDADE (1.000 t) 1989 18.196 1990 11.168 1991 10.468 1992 9.241 Fonte: Agropalma. (GRÁFICO DE COLUNAS) (GRÁFICO EM BARRAS) PRODUÇÃO BRASILEIRA DE CARVÃO MINERAL BRUTO - 1987 - 1992 PRODUÇÃO BRASILEIRA DE CARVÃO MINERAL BRUTO - 1989 - 1992 0 5.000 10.000 15.000 20.000 1989 1990 1991 1992 Anos M il to ne la da s Fonte: Ministério da Agricultura. PRODUÇÃO BRASILEIRA DE CARVÃO MINERAL BRUTO - 1989 - 1992 0 5.000 10.000 15.000 20.000 1989 1990 1991 1992 An os Mil toneladas Fonte: Ministério da Agricultura. Professora: Mônica Do Nascimento Ribeiro 9 Gráfico de linhas ou em curva ANOS QUANTIDADE (1.000 t) 1987 39 1988 53 1989 69 1990 55 1991 42 1992 38 Fonte: Agropalma. PRODUÇÃO BRASILEIRA DE ÓLEO DE DENDÊ - 1987 - 1992 Produção Brasileira de Óleo de Dendê - 1987 a 1992 0 20 40 60 80 1987 1988 1989 1990 1991 1992 Anos M il t o n e la d a s Fonte: Agropalma. Gráfico em setores ou de pizza: Rebanhos Brasileiros Brasil - 1988 Espécie Quantidades (milhões de cabeças) Bovinos 140 Suínos 32 Ovinos 20 Caprinos 11 Total 203 Fonte: IBGE REBANHOS BRASILEIROS BRASIL 1988 Bovinos Suínos Ovinos Caprinos Professora: Mônica Do Nascimento Ribeiro 10 EXERCÍCIO DE FIXAÇÃO 1) Construa as tabelas referentes aos dados pesquisados e classifique-as: a) Dados referentes à produção de borracha natural nos anos de 1991 (29.243 toneladas), 1992 (30.712 toneladas) e 1993 (40.663 toneladas). Fonte IBGE. b) Dados referentes à Avicultura Brasileira no ano de 1992 segundo as seguintes espécies: galinhas (204.160 cabeças), Galos, frangos, frangas e pintos (435.465 cabeças) e Codornas (2.488 cabeças). Fonte IBGE. c) Dados referentes ao total de vacinação contra a Poliomilite no ano de 1993 segundo as seguintes regiões: Norte (211.209), Nordeste (631.040), Sudeste (1.119.708), Sul (418.785) e Centro-oeste (185.823). Fonte Ministério da saúde. GABARITO 1. a) TEMPORAL b) ESPECÍFICA c) GEOGRÁFICA Professora: Mônica Do Nascimento Ribeiro 11 CAPITULO 3 Após a coleta de dados relativos a um determinado fenômeno em estudo, que compõem uma amostra, obtemos um conjunto de dados que será tabulado. Por exemplo: TABELA 1: ALTURA DOS ALUNOS Observe que os dados não estão organizados. Dessa forma ela recebe o nome de DADOS BRUTOS. Precisamos organizar os dados através de uma ordenação crescente ou decrescente. TABELA 2: ALTURA DOS ALUNOS Obteremos uma segunda ordenação que receberá o nome de ROL (seqüência ordenada dos dados brutos). Dessa forma podemos saber com facilidade qual a menor altura (150) e qual a maior (173); qual a amplitude de variação (173-150=23cm); qual o ponto médio (160+161)/2 = 160,5. Ainda assim, a variável observada (altura dos alunos) será mais facilmente estudada quando dispusermos os valores ordenados em uma coluna e ao lado de cada valor o número de vezes que aparece repetido. Obtemos dessa forma uma tabela que recebe o nome de DISTRIBUIÇÃO DE FREQÜÊNCIA POR PONTO. 166 160 161 150 162 160 165 167 164 160 162 161 168 163 156 173 160 155 164 168 155 152 163 160 155 155 169 151 170 164 154 161 156 172 153 157 156 158 158 161 150 154 155 157 160 161 162 164 166 169 151 155 156 158 160 161 162 164 167 170 152 155 156 158 160 161 162 164 168 172 153 155 156 160 160 161 162 164 168 173 Professora: Mônica Do Nascimento Ribeiro 12 ALTURA (cm) Frequência 150 1 151 1 152 1 153 1 154 1 155 4 156 3 157 1 158 2 160 5 161 4 162 2 163 2 164 3 165 1 166 1 167 1 168 2 169 1 170 1 172 1 173 1 Total 40 Fonte: MEC ALTURA DOS ALUNOS Outra solução aceitável e mais conveniente para diminuir o tamanho da tabela quando o número de valores da variável é grande, seria agrupá-los em vários intervalos. Nesse caso a tabela passa a ser denominada: DISTRIBUIÇÃO DE FREQÜÊNCIA POR INTERVALO DE CLASSE. ALTURA (cm) Frequência 150 I-- 154 4 154 I-- 158 9 158 I-- 162 11 162 I-- 166 8 166 I-- 170 5 170 I-- 174 3 Total 40 Fonte: MEC ALTURA DOS ALUNOS Lê-se: 4 alunos têm altura entre 150 e 154 anos (exclusive) – intervalo fechado à esquerda. Professora: Mônica Do Nascimento Ribeiro 13 Critério para calcular o número de classes a ser utilizado. Observação: Não é obrigatório! O bom senso também funciona. CRITÉRIO DA RAIZ Se a seqüência estatística contém n elementos e se indicarmos por i o número de classes a ser utilizado, então: ni Onde n = número total de observações. Amplitude do intervalo de classe que chamaremos de h é determinada por: i AT h , onde AT é a Amplitude Total e ni Exemplo: n = 40 Então, 40i = 6,324, portanto o inteiro mais próximo é 6. Devemos trabalhar com o inteiro mais próximo da raiz de n, o inteiro imediatamente anterior e o inteiro imediatamente superior. Logo, as opções para i são: 5, 6 ou 7. Então, a amplitude do intervalo de classe (h) é determinada por: 4833,3 6 150 - 173(min) l - (Max) L ii AT h ELEMENTOS DE UMA DISTRIBUIÇÃO DE FREQÜÊNCIA. (1) CLASSE (i): São intervalos de variação da variável. Ex.: Intervalo 150 a 154 define a 1ª classe (i=1), i = 1, 2, 3,......, k i = classe k = número total de classes. (2)LIMITES DE CLASSE: São os extremos de cada classe. il = Limite inferior iL = Limite superior Ex.: Na primeira classe: il = 150 e iL = 154. Professora: Mônica Do Nascimento Ribeiro 14 (3) AMPLITUDE DE UM INTERVALO DE CLASSE ( ih ): É a medida do intervalo que define a classe. Diferença entre o limite superior e inferior da classe. Ex.: Na primeira classe: il = 150 e iL = 154. ih = iL – il = 154 – 150 = 4 cm. (4) AMPLITUDE TOTAL DA DISTRIBUIÇÃO (AT): É a diferença entre o Limite superior da ultima classe e o Limite inferior da primeira classe. AT = L(Max) – l(min) Ex.: 174 – 150 = 24 cm Observe que quando as classes possuem o mesmo intervalo vale a relação: k h AT i 24/4 = 6 (6 = Número total de classes) (5) PONTO MÉDIO DE UMA CLASSE ( ipm ): É o ponto que divide o intervalo de classe em duas partes iguais. Ex.: Classe 1: (150 + 154)/2 = 152 cm TIPOS DE FREQÜÊNCIA: (1) FREQÜÊNCIA SIMPLES OU ABSOLUTA ( if ): É o número de observações correspondentes a classe ou a um valor. Exemplo: ALTURA (cm) 150 I-- 154 4 154 I-- 158 9 158 I-- 162 11 162 I-- 166 8 166 I-- 170 5 170 I-- 174 3 Total 40 Fonte: MEC ALTURA DOS ALUNOS if 1f = 4 => freqüência da classe 1 e 2f = 9 => freqüência da classe 2. A soma de todas as freqüências será: k i i nf 1 , n = número total de observações. (2) FREQÜÊNCIA ACUMULADA ( iF ): É o total das freqüências de todos os valores inferiores ao limite superior do intervalo de classe. k i iki ffffF 1 21 ..... Professora: Mônica Do Nascimento Ribeiro 15 Exemplo: ALTURA (cm) 150 I-- 154 4 4 154 I-- 158 9 13 158 I-- 162 11 24 162 I-- 166 8 32 166 I-- 170 5 37 170 I-- 174 3 40 Total 40 Fonte: MEC ALTURA DOS ALUNOS if i F 3 1 3213 241194 i iffffF , ou seja, existem 24 alunos com estatura inferior a 162 cm. (3) FREQÜÊNCIA RELATIVA ( ifr ): É a razões entre a freqüência simples a freqüência total. k i i i i f f fr 1 Exemplo: ALTURA (cm) 150 I-- 154 4 4 0,1 154 I-- 158 9 13 0,225 158 I-- 162 11 24 0,275 162 I-- 166 8 32 0,2 166 I-- 170 5 37 0,125 170 I-- 174 3 40 0,075 Total 40 1 Fonte: MEC ALTURA DOS ALUNOS if i F ifr 275,0 40 11 40 1 3 3 i if f fr (4) FREQÜÊNCIA ACUMULADA RELATIVA ( iFr ): É a freqüência acumulada da classe dividida pela freqüência total da distribuição. k i i i i f F Fr 1 Professora: Mônica Do Nascimento Ribeiro 16 ALTURA (cm) 150 I-- 154 4 4 0,1 0,1 154 I-- 158 9 13 0,225 0,325 158 I-- 162 11 24 0,275 0,6 162 I-- 166 8 32 0,2 0,8 166 I-- 170 5 37 0,125 0,925 170 I-- 174 3 40 0,075 1 Total 40 1 Fonte: MEC ALTURA DOS ALUNOS if i F ifr iFr 600,0 40 24 40 1 3 3 i if F Fr REPRESENTAÇÃO GRÁFICA DE UMA DISTRIBUIÇÃO DE FREQÜÊNCIA. Histograma Consiste em um conjunto de retângulos, tantos quantos forem às classes de uma distribuição. As classes são as bases dos retângulos (tantas partes quantas forem às classes) A escala para marcação dos pontos no eixo Y corresponde às freqüências. Exemplo: ANOS QUANTIDADE (1.000 t) 1989 18.196 1990 11.168 1991 10.468 1992 9.241 Fonte: Agropalma. (GRÁFICO DE COLUNAS) (GRÁFICO EM BARRAS) PRODUÇÃO BRASILEIRA DE CARVÃO MINERAL BRUTO - 1987 - 1992 PRODUÇÃO BRASILEIRA DE CARVÃO MINERAL BRUTO - 1989 - 1992 0 5.000 10.000 15.000 20.000 1989 1990 1991 1992 Anos M il to ne la da s Fonte: Ministério da Agricultura. PRODUÇÃO BRASILEIRA DE CARVÃO MINERAL BRUTO - 1989 - 1992 0 5.000 10.000 15.000 20.000 1989 1990 1991 1992 An os Mil toneladas Fonte: Ministério da Agricultura. Professora: Mônica Do Nascimento Ribeiro 17 Polígono de freqüências Freqüência Simples: Freqüência Acumulada: As bases dos retângulos vão estar centradas nos pontos médios das classes. Exemplo: Professora: Mônica Do Nascimento Ribeiro 17 CAPITULO 4 MEDIDAS DE POSIÇÃO: MÉDIA, MODA e MEDIANA; O estudo sobre a Distribuição de Freqüência permitiu descrever, de um modo geral, os valores que uma variável pode assumir. Agora precisamos de um “indicativo” generalizado. O modo mais comum de se obter esse tipo de informação é através das MEDIDAS DE POSIÇÃO, estatística que representa à posição relativa da distribuição em relação ao eixo horizontal. As medidas de posição mais importantes são as MEDIDAS DE TENDÊNCIA CENTRAL – recebem esse nome pelo fato dos dados observados, em geral, se agruparem em torno dos valores centrais. São elas: MÉDIA ARITMÉTICA, MODA, MEDIANA, SEPARATRIZES, QUARTIS e PERCENTIS. Essas medidas quando bem interpretadas, podem fornecer-nos informações muito valiosas com respeito às séries estatísticas, ou seja, com estas medidas tenta-se encontrar um valor numérico que represente o comportamento típico da série em estudo. (1) MÉDIAS (Média Aritmética Simples, Média Aritmética Ponderada, Média Geométrica e Média Harmônica) i) MÉDIA ARITMÉTICA SIMPLES ( x ) MÉDIA PARA DADOS NÃO AGRUPADOS (dados brutos ou rol): Quando desejamos conhecer a média dos dados não agrupados, determinamos a média aritmética simples. n x x n i i 1 , onde ( x ) é a média aritmética, ( ix ) os valores da variável e (n) o número de valores. Exemplo: Produção leiteira diária da vaca A, durante uma semana, foi de 10, 14, 13, 15, 16, 18 e 12 litros. Qual a produção média da semana. litrosx 14 7 98 7 12181615131410 Professora: Mônica Do Nascimento Ribeiro 18 ii) MÉDIA ARITMÉTICA PONDERADA ( x ) MÉDIA PARA DADOS AGRUPADOS SEM INTERVALO DE CLASSE ou POR PONTO: Nos cálculos envolvendo média aritmética simples, todas as ocorrências têm exatamente a mesma importância ou o mesmo peso. Dizemos então que elas têm o mesmo peso relativo. No entanto, existem casos onde as ocorrências têm importância relativa diferente. Nestes casos, o cálculo da média deve levar em conta esta importância relativa ou peso relativo. n i i n i ii f fx x 1 1 , observe que if é a freqüência simples de cada variável que neste caso funciona como fator de ponderação (MÉDIA ARITMÉTICA PONDERADA). EXEMPLO 1: Alcebíades participou de um concurso, onde foram realizadas provas de Português, Matemática, Biologia e História. Essas provas tinham peso 3, 3, 2 e 2, respectivamente. Sabendo que Alcebíades tirou 8,0 em Português, 7,5 em Matemática, 5,0 em Biologia e 4,0 em História, qual foi a média que ele obteve? p = Portanto a média de Alcebíades foi de 6,45. EXEMPLO 2: Um grupo de 64 pessoas, que trabalha (com salário por dia), em uma empresa é formado por sub-grupos com as seguintes características: 12 ganham R$ 50,00 10 ganham R$ 60,00 20 ganham R$ 25,00 15 ganham R$ 90,00 7 ganham R$ 120,00 Para calcular a média salarial (por dia) de todo o grupo devemos usar a média ponderada: 50.12 + 60.10 + 25.20 + 90.15 + 120.7 MédiaPonderada = -------------------------------------------------- 12 + 10 + 20 + 15 + 7 Professora: Mônica Do Nascimento Ribeiro 19 3890 Média Ponderada = -------- 64 Média Ponderada = 60,78 Média salarial é por volta de 60,78 EXEMPLO 3: 2 2 4 4 3 12 6 3 18 8 2 16 TOTAL 10 50 ifiX ii fX 5 10 50 4 1 4 1 i i i ii f fx x Exercício: Calcule a Média. Variável estudada X(idade): 2, 5, 5, 5, 5, 6, 6, 6, 8, 8 Resposta: 5,6 IDADES fi fixi 2 5 6 8 Total MÉDIA PARA DADOS AGRUPADOS COM INTERVALO DE CLASSE. n i i n i ii f fx x 1 1 , ( ipm ) é o ponto médio de cada intervalo de classe. ( if ) a freqüência simples de cada intervalo de classe. Professora: Mônica Do Nascimento Ribeiro 20 EXEMPLO 4: Classe 0 l-- 2 2 1 2 2 l-- 4 3 3 9 4 l-- 6 2 5 10 6 l-- 8 1 7 7 8 l--10 2 9 18 10 46 if ii fpm ipm 6,4 10 46 5 1 5 1 i i i ii f fpm x EXERCÍCIO: Resposta: 161 cm ALTURA (cm) 150 I-- 154 4 154 I-- 158 9 158 I-- 162 11 162 I-- 166 8 166 I-- 170 5 170 I-- 174 3 Total 40 Fonte: MEC ALTURA DOS ALUNOS if iii) Média Geométrica A média geométrica de um conjunto de números positivos é definida como o produto de todos os membros do conjunto elevado ao inverso do número de membros. A média geométrica é muito usada no cálculo da taxa média de retorno de um investimento ou no cálculo da taxa equivalente de uma aplicação financeira. Para calcularmos a média geométrica entre números devemos realizar a multiplicação entre eles e, logo em seguida, extrair a raiz com índice igual ao número de fatores utilizados na multiplicação. EXEMPLO 3: Calcular a média geométrica dos números 2, 4 e 6, efetuamos o seguinte cálculo: Professora: Mônica Do Nascimento Ribeiro 21 A média geométrica é muito utilizada nas situações envolvendo aumentos sucessivos. EXEMPLO 4: Vamos considerar um aumento de salário sucessivo de 15% no primeiro mês, 12% no segundo mês e 21% no terceiro mês. Vamos determinar a média geométrica dos aumentos, mas para isso as taxas percentuais devem ser transformadas em taxa unitárias, observe: 15% = 1,15 12% = 1,12 21% = 1,21 O valor 1,1594 corresponde a taxa média de 15,94% de todos os aumentos sucessivos. Isso indica que se aplicarmos três vezes consecutivas a taxa de 15,94% corresponderá ao aumento sucessivo dos percentuais de 15%, 12% e 21%. Suponhamos que o salário reajustado seja de R$ 600,00. Acompanhe os aumentos utilizando as duas opções de reajustes: 1ª opção 600,00 + 15% = 690,00 690,00 + 12% = 772,80 772,80 + 21% = 935,09 2ª opção 600,00 + 15,94% = 695,64 695,64 + 15,94% = 806,53 806,53 + 15,94% = 935,09 iii) Média Harmônica A média harmônica dos números reais positivos x1,…,xn é definida como sendo o número de membros dividido pela soma do inverso dos membros, como segue: Utilizamos a Média Harmônica quando estamos tratando de observações de grandezas inversamente proporcionais como, por exemplo, velocidade e tempo. A média harmônica é Professora: Mônica Do Nascimento Ribeiro 22 particularmente recomendada para uma série de valores que são inversamente proporcionais, como para o cálculo da velocidade média, custo médio de bens comprados com uma quantia fixa. Aplicação: a é utilizado comumente em problemas que envolvem o inverso do tempo, por exemplo, em problemas de tempo de percorrimento de distância ou tempo de preenchimento de capacidade líquida. Isto porque a velocidade, tanto de percorrimento, quanto de preenchimento, é dado por onde representa capacidade ou distância. HIDRÁULICA: Vazão ou Descarga (Q) Chama-se vazão numa determinada seção, o volume de liquido que atravessa esta seção na unidade de tempo. (unidades: m3/s; l/s; m3/h, l/h) FÍSICA: MECÂNICA: Cinemática Exemplo 1: torneiras, quando agindo isoladas, enchem um tanque em , respectivamente. Funcionando todas as torneiras simultâneamente, em quanto tempo o tanque vai encher? Resolução: convencionando que a capacidade do tanque seja , temos que a velocidade total de enchimento é Como o tempo de enchimento é dado pela capacidade (volume) dividida pela velocidade total , temos: Onde representa a média harmônica dos tempos , ,..., . Exemplo 2: duas torneiras, quando agindo isoladas, enchem um tanque em e . As duas torneiras agindo juntas encherão o tanque em qual tempo ? Resolução: calcula-se a média harmônica de e : Logo, horas ou e Professora: Mônica Do Nascimento Ribeiro 23 (2) MODA (Mo) É o valor que ocorre com maior freqüência em uma série de dados. Quando uma série de dados não apresentar moda chamaremos de AMODAL. Dois valores na série, duas modas, chamaremos de BIMODAL. MODA PARA DADOS NÃO AGRUPADOS (dados brutos ou rol) Exemplo: MODA PARA DADOS AGRUPADOS SEM INTERVALO DE CLASSE. Basta verificar o valor da variável de maior freqüência. Nº de meninos na família fi 0 2 1 6 2 10 3 12 4 4 Total 34 Uma vez agrupado os dados basta fixar o valor da variável de MAIOR freqüência. A moda nesse caso é 3. Exercício: Qual a moda e o tipo para os dados agrupados em freqüência: Professora: Mônica Do Nascimento Ribeiro 24 DADOS AGRUPADOS COM INTERVALO DE CLASSE. A classe que apresentar a maior freqüência é denominada CLASSE MODAL que servirá de base para os seguintes cálculos: a) Moda de KING: ** h ff f lMo posant pos b) Moda de CZUBER: * 21 1* h DD D lMo pos ant ff ff l Onde * 2 * 1 * * ant pos * D D modal classe da intervalo do amplitude a é h modal classe da simples freqüência a é f modal classe aanterior classe da simples freqüência a é f modal classe aposterior classe da simples freqüência a é f modal classe dainferior limite o é : Exercício: Calcule a moda utilizando os dois métodos Classe 0 l-- 2 2 2 l-- 4 3 4 l-- 6 10 6 l-- 8 3 8 l--10 2 20 if Resposta.: 50 Observação: 1) A moda é utilizada quando desejamos obter uma medida rápida e aproximada de posição ou quando o valor da distribuição deve ser o valor mais típico da distribuição. 2) A moda é uma medida de posição, pois indica a região das máximas freqüências. Professora: Mônica Do Nascimento Ribeiro 25 (3) MEDIANA (Md) É o valor que divide o conjunto de dados ordenados em duas metades, com metade dos valores acima da mediana e a metade dos valores abaixo dela. Quando o número de observações (n) é ímpar, a mediana é o valor que ocupa a posição central. Quando n for par, há duas posições centrais no conjunto, então a mediana é a média aritmética dos dois valores que ocupam as posições centrais. MEDIANA PARA DADOS AGRUPADOS SEM INTERVALO DE CLASSE. 1) Se n for ímpar (n=número de observações),o valor mediano será o de ordem 2 1n , ou seja, o valor do elemento que ocupa está posição será a mediana. 2) Se n for par, o rol admite dois termos centrais que ocupam as posições. O de ordem 1 22 n e n , então, a mediana será a média dos valores que ocupam estas posições. Exemplos: Exemplo: 1) Nº de meninos fi Fi 0 2 2 1 6 8 2 10 18 3 12 30 4 4 34 Total 34 A mediana vai ser a média entre o 17º valor e o 18º valor da série => 2 2 22 Md meninos. Professora: Mônica Do Nascimento Ribeiro 26 2) X fi Fi 12 1 1 14 2 3 15 1 4 16 2 6 17 1 7 20 1 8 Total 8 A mediana será a média entre o 4º e o 5º elemento da série => 5,15 2 1615 Md Exercícios: Calcule a mediana. Resposta: 8 MEDIANA PARA DADOS AGRUPADOS COM INTERVALO DE CLASSE. * * * 2 h f F n lMd ant Onde: mediana a contém que classe de intervalo do amplitude a é h mediana classe da simples freqüência a é f mediana classe àanterior classe da acumulada freqüência a é F série na mediana da posição a é 2 mediana classe dainferior limite o é * * ant * n l Exemplo: idade fi Fi 3 |--- 6 2 2 6 |--- 9 5 7 9 |--- 12 7 14 12 |--- 15 3 17 15 |--- 18 2 19 total 19 * * * 2 h f F n lMd ant = 3 7 75,9 9 =10,1 Professora: Mônica Do Nascimento Ribeiro 24 Exercício: Calcule a mediana para o caso da distribuição de freqüência abaixo: Salário fi Fi 450 |--- 550 8 550 |--- 650 10 650 |--- 750 11 750 |--- 850 16 850 |--- 950 13 950 |--- 1.050 5 1.050 |-- 1.150 1 total 64 Observação: No caso de existir uma freqüência acumulada exatamente igual a 2 n , a Mediana será o limite superior da classe correspondente. Por exemplo: * * * 2 h f F n lMd ant = 10 9 413 20 =30 Nota: 1) A mediana pode coincidir ou não com um elemento da série. Vimos que, quando tivermos um número de elementos ímpar na série de dados, há coincidência. Quanto o número de elementos de uma série é par, na há coincidência. 2) A mediana depende da posição e não dos valores centrais na série ordenada. 3) Usamos a mediana quando desejamos obter o ponto que divide a distribuição em partes iguais e quando há valores extremos afetando de uma maneira acentuada a média. Classes fi Fi 0 |---10 1 1 10 |---20 3 4 20 |---30 9 13 30 |---40 7 20 40 |---50 4 24 50 |---60 2 26 total 26 Professora: Mônica Do Nascimento Ribeiro 25 (4) SEPARATRIZES As separatrizes, como o próprio nome sugere são medidas que separam a série em partes iguais. QUARTIS: São valores de uma série que a dividem em 4 partes iguais. Assim temos: 1Q = 1º quartil: Separa a seqüência ordenada deixando 25% dos valores a sua esquerda e 75% dos valores a sua direita. 2Q = 2º quartil: Separa a seqüência ordenada deixando 50% dos valores a sua esquerda e 50% dos valores a sua direita. 3Q = 3º quartil: Separa a seqüência ordenada deixando 75% dos valores a sua esquerda e 25% dos valores a sua direita. Pode-se observar que o 2º quartil e a mediana têm os mesmos valores, pois ambos dividem uma série ordenada em duas partes iguais. !---------!---------!---------!---------! Q1 Q2 Q3 !-------------------!-------------------! Md Cálculo do QUARTIL É o mesmo cálculo de mediana sendo que 2 n deve ser substituído por 4 if k , onde k é o número de ordem do quartil. * * * . 4 f hF fk lQ ant i k Exemplo: 1. Calcule o Q1 da seqüência X: 2, 5, 8, 5, 5, 10, 1, 12, 12, 11, 13, 15. Ordenar a série: X: 1, 2, 5, 5, 5, 8, 10, 11, 13, 15 3 4 12 1 4 if k Q1 = 5 Monica Ribeiro Comment on Text Cálculo do quartil para o rolnullnull1° Passo: Determina-se a posição do Quartil. null2° Passo: Identifica-se a posição mais próxima do rol.null3° Passo: Verifica-se quem está naquela posição.nullnull Monica Ribeiro Comment on Text sequência correta:null1, 2, 5, 5, 5, 8, 10, 11, 12, 12, 13, 15nullnullA posição do quartil é a a terceira (valor 5) Professora: Mônica Do Nascimento Ribeiro 26 Calcule o Q1 e Q3 ALTURA (cm) 150 I-- 154 4 154 I-- 158 9 158 I-- 162 11 162 I-- 166 8 166 I-- 170 5 170 I-- 174 3 Total 40 Fonte: MEC ALTURA DOS ALUNOS if 10 4 40 1 4 if k (classe 2) 30 4 40 3 4 if k (classe4) 67,1564 9 .410 1541 Q 1654 8 .2430 1623 Q Exercício: Para os dados agrupados em freqüência, encontre o primeiro e segundo quartil. Resposta: 4 e 6 QUINTIS: Quando dividimos uma série em 5 partes iguais, cada parte ficará com 20% dos elementos da série. Assim temos: 1K = 1º quintil – separa a seqüência ordenada deixando 20% dos valores a sua esquerda e 80% dos valores a sua direita. 2K = 2º quintil – separa a seqüência ordenada deixando 40% dos valores a sua esquerda e 60% dos valores a sua direita. 3K = 3º quintil – separa a seqüência ordenada deixando 60% dos valores a sua esquerda e 40% dos valores a sua direita. 4K = 4º quintil – separa a seqüência ordenada deixando 80% dos valores a sua esquerda e 20% dos valores a sua direita. !---------!---------!---------!---------!---------! 1K 2K 3K 4K Professora: Mônica Do Nascimento Ribeiro 27 Cálculo do QUINTIL É o mesmo cálculo de mediana sendo que 2 n deve ser substituído por 5 if k , onde k é o número de ordem do quintil. * * * . 5 f hF fk lK ant i k Exemplo: Considerando a tabela de distribuição de freqüência por intervalo de classe, calcule K2. ALTURA (cm) 150 I-- 154 4 154 I-- 158 9 158 I-- 162 11 162 I-- 166 8 166 I-- 170 5 170 I-- 174 3 Total 40 Fonte: MEC ALTURA DOS ALUNOS if 16 5 40 2 5 if k (classe 3) 1594 11 .1316 1582 k Exercício: A distribuição de freqüência abaixo representa o consumo por nota de 54 notas fiscais emitidas durante um dia em uma loja de departamentos. Calcule o quintil de ordem 2. Resposta: 70,71 Consumo por nota (R$) Nº de notas 0 |---- 50 10 50 |---- 100 28 100 |---- 150 12 150 |---- 200 2 200 |---- 250 1 250 |---- 300 1 Total 54 Professora: Mônica Do Nascimento Ribeiro 28 DECIS: Quando dividimos uma série em 10 partes iguais, cada parte ficará com 10% dos elementos da série. Assim temos: 1D = 1º decil – separa a seqüência ordenada deixando 10% dos valores a sua esquerda e 90% dos valores a sua direita. 2D = 2º decil – separa a seqüência ordenada deixando 20% dos valores a sua esquerda e 80% dos valores a suadireita. 3D = 3º decil – separa a seqüência ordenada deixando 30% dos valores a sua esquerda e 70% dos valores a sua direita. . . . 8D = 8º decil – separa a seqüência ordenada deixando 80% dos valores a sua esquerda e 20% dos valores a sua direita. 9D = 9º decil – separa a seqüência ordenada deixando 90% dos valores a sua esquerda e 10% dos valores a sua direita. !---!---!---!---!---!---!---!---!---!---! D1 D2 D3 D4 D5 D6 D7 D8 D9 Cálculo do DECIL É o mesmo cálculo de mediana sendo que 2 n deve ser substituído por 10 if k , onde k é o número de ordem do decil. * * * . 10 f hF fk lD ant i k Exemplo: Considerando a tabela de distribuição de freqüência por intervalo de classe, calcule D3. ALTURA (cm) 150 I-- 154 4 154 I-- 158 9 158 I-- 162 11 162 I-- 166 8 166 I-- 170 5 170 I-- 174 3 Total 40 Fonte: MEC ALTURA DOS ALUNOS if 12 10 40 3 10 if k (classe 2) 55,157555,31544 9 .412 1542 D Professora: Mônica Do Nascimento Ribeiro 29 Exercício: Uma empresa de aviação observou em seus registros recentes, o tempo de mão-de-obra gasto na revisão completa de um motor de jato. O seguinte quadro foi obtido. Calcule o decil de ordem 3. Resposta: 9,44 Classe Tempo de mão-de-obra (horas) Nº de motores 1 0I------------4 1 2 4I------------8 5 3 8I-----------12 10 4 12I-----------16 12 5 16I-----------20 4 PERCENTIS ou CENTIL: São valores de uma série que a dividem em 100 partes iguais. Cada parte ficará com 1% dos elementos da série. Assim temos: 1P = 1º percentil: separa a seqüência ordenada deixando 1% dos valores a sua esquerda e 99% dos valores a sua direita. 2P = 2º percentil: separa a seqüência ordenada deixando 2% dos valores a sua esquerda e 98% dos valores a sua direita. 3P = 3º percentil: separa a seqüência ordenada deixando 3% dos valores a sua esquerda e 97% dos valores a sua direita. . . 98P = 98º percentil: separa a seqüência ordenada deixando 98% dos valores a sua esquerda e 2% dos valores a sua direita. 99P = 99º percentil: separa a seqüência ordenada deixando 99% dos valores a sua esquerda e 1% dos valores a sua direita. !---!---!---!---!---!---!---!---!---!---! P10 P20 P30 P40 P50 P60 P70 P80 P90 Cálculo do PERCENTIL É o mesmo cálculo de mediana sendo que 2 n deve ser substituído por 100 if k , onde k é o número de ordem do percentil. * * * . 100 f hF fk lP ant i k Professora: Mônica Do Nascimento Ribeiro 30 Exemplo: Considerando a tabela de distribuição de freqüência por intervalo de classe, calcule P8. ALTURA (cm) 150 I-- 154 4 154 I-- 158 9 158 I-- 162 11 162 I-- 166 8 166 I-- 170 5 170 I-- 174 3 Total 40 Fonte: MEC ALTURA DOS ALUNOS if 2,3 100 40 8 100 if k (classe 1) 2,1534 4 .02,3 1508 P Podemos notar que os quartis, quintis e decis podem ser expressos em termos dos precentis. Q1=P25 K1=P20 D1=P10 Q2=P50 K2=P40 D2=P20 Q3=P75 K3=P60 D3=P30 K4=P80 D4=P40 D5=P50 D6=P60 D7=P70 D8=P80 D9=P90 Professora: Mônica Do Nascimento Ribeiro 31 CAPITULO 5: MEDIDAS DE DISPERSÃO OU VARIABILIDADE As medidas de dispersão ou variabilidade servem para avaliar o quanto os dados são semelhantes, descreve então o quanto os dados distam do valor central. Dessas medidas, estudaremos as seguintes: - Medidas de variação absoluta: Amplitude total, Variância e o Desvio Padrão. - Medidas de variação relativa: Coeficiente de Variação. (1) MEDIDAS DE VARIAÇÃO ABSOLUTA Amplitude Total: É a diferença entre o maior e o menor valor observado. Tem o inconveniente de só levar em conta os dois valores extremos da série, não levando em consideração os valores intermediários. Ela é apenas uma indicação aproximada da dispersão ou variabilidade. AT = L (Max) – l (min) Variância e Desvio Padrão: A variância e o desvio padrão são medidas que levam em consideração a totalidade dos valores da variável em estudo, o que faz delas índices de variabilidade bastante estáveis e, por isso mesmo, os mais geralmente empregados. Cálculo da Variância ( 2 x ): A variância é a média aritmética do quadrado dos desvios (em relação à média). )( ou )( 1 1 2 2 )( 1 2 2 )( n i i i n i i x n i i x f fxx n xx Etapas do cálculo da Variância: 1. - Calcular a média aritmética X 2. - Subtrair a média X de cada valor ix do conjunto xxi , o que chamamos de desvio; 3. - Elevar cada desvio ao quadrado 2)( xxi 4. - Somar os quadrados dos desvios 2 1 n i i xx 5. - Dividir a soma por (n-1) quando se tratar de dados amostrais, ou simplesmente por n se os dados representam todos os valores de uma população. Professora: Mônica Do Nascimento Ribeiro 32 Sendo a variância calculada a partir dos quadrados dos desvios, ela é um número em unidade quadrada em relação à variável em questão, o que, sob o ponto de vista prático, é um inconveniente. Por isso mesmo, imaginou-se uma nova medida que tem a interpretação prática, denominada desvio padrão, definida como a raiz quadrada da variância. Desvio Padrão: 2)( xx Observação: (1) O desvio padrão sempre será positivo! (2) O desvio padrão de uma série indica o quanto os dados estão afastados da média e, que se os dados são iguais, o valor da medida é zero. Exemplo 7: Em uma turma de aluno, verificaram-se através da análise das notas de 15 alunos (amostra), os seguintes desempenhos: Alunos Conceito na Prova 1 4,3 9,1204 2 4,5 7,9524 3 9 2,8224 4 6 1,7424 5 8 0,4624 6 6,7 0,3844 7 7,5 0,0324 8 10 7,1824 9 7,5 0,0324 10 6,3 1,0404 11 8 0,4624 12 5,5 3,3124 13 9,7 5,6644 14 9,3 3,9204 15 7,5 0,0324 Total 109,8 44,16 Média 7,32 3,155 Variância Desvio Padrão 1,77 2XXi 2n 1i XXi Professora: Mônica Do Nascimento Ribeiro 33 Observamos no exemplo, que a média das provas, foi estimada em 7,32 com desvio padrão em 1,77. Concluímos que a maioria das notas concentrou-se em 9,09 e 5,55. Exercício: Calcular a média aritmética e o desvio padrão dos seguintes dados relativos à dosagem de hemoglobina verificada numa amostra de 12 animais bovinos (mg). 15 14 13 11 13 14 13,5 12 16 14,5 12 9 Resp.: Média = 13,083mg Variância = 3,583mg 2 Desvio padrão = 1,892mg (2) MEDIDAS DE VARIAÇÃO RELATIVA O coeficiente de variação: x x xCV )( )( . É a razão entre o desvio padrão e a média aritmética da série dos dados. Pode ser expresso em percentual . Usado para comparar a variabilidade de diferentes grupos de dados. Exercício: Os dados abaixo se referem às medidas da altura de parafusos e do diâmetro de rolamentos. Determine o coeficiente de variação, para verificar em relação a qual medida (parafuso ou rolamento) a variabilidade é maior, sabendo-se que o desvio padrão dos parafusosé de 0,46 cm e dos rolamentos é de 0,27 cm? Parafusos (cm) 10,2 10,6 9,8 10,0 9,8 10,4 9,2 Rolamentos (cm) 2,2 2,5 1,8 1,9 2,0 1,7 1,9 Resposta: CVp = 4,6 e CVr = 13,5. Os rolamentos apresentam maior variabilidade. MEDIDAS DE ASSIMETRIA Introdução: As medidas de assimetria possibilitam analisar uma distribuição de acordo com as relações entre suas medidas de moda, média e mediana, quando observadas graficamente. Uma distribuição com classes é simétrica quando : Média = Mediana = Moda Professora: Mônica Do Nascimento Ribeiro 34 Quando esta igualdade não acontece, temos uma distribuição assimétrica. Se considerarmos um eixo de referência, que chamaremos de eixo de simetria, traçado sobre o valor da média da distribuição. Sempre que a curva da distribuição se afastar do referido eixo, será considerada como tendo um certo grau de afastamento, que é considerado como uma assimetria da distribuição. Ou seja, assimetria é o grau de afastamento que uma distribuição apresenta do seu eixo de simetria. Este afastamento pode acontecer do lado esquerdo ou do lado direito da distribuição, chamado de assimetria negativa ou positiva respectivamente. Uma distribuição com classes é: Assimétrica à esquerda ou negativa quando: Média < Mediana < Moda Analogamente quando a cauda da curva da distribuição declina para esquerda, temos uma distribuição com curva assimétrica negativa: Assimétrica à direita ou positiva quando: Média > Mediana > Moda Quando a cauda da curva da distribuição declina para direita, temos uma distribuição com curva assimétrica positiva: Professora: Mônica Do Nascimento Ribeiro 35 Existem diversos métodos para o cálculo da medida de assimetria. Usaremos apenas a fórmula conhecida como o 1° coeficiente de Pearson, por ser de simples aplicação. 1° Coeficiente de Pearson AS = (X - Mo) / σ para dados populacionais; AS = (X - Mo) / S para dados amostrais; Quando: AS = 0 distribuição simétrica; AS > 0 distribuição assimétrica positiva; AS < 0 distribuição assimétrica negativa. Coeficiente de assimetria: A medida anterior, por ser absoluta, apresenta a mesma deficiência do desvio padrão, isto é, não permite a possibilidade de comparação entre as medidas de duas distribuições. Por esse motivo, daremos preferência ao coeficiente de assimetria de Person: As = 3 ( Média - Mediana ) / Desvio Padrão Escalas de assimetria: | AS | < 0,15 assimetria pequena 0,15 < | AS | < 1 assimetria moderada | AS | > 1 assimetria elevada Obs: Suponhamos AS = - 0,49 a assimetria é considerada moderada e negativa Professora: Mônica Do Nascimento Ribeiro 36 Suponhamos AS = 0,75 a assimetria é considerada moderada e positiva MEDIDAS DE CURTOSE Introdução: Denominamos CURTOSE o grau de achatamento de uma distribuição em relação a uma distribuição padrão, denominada curva normal (curva correspondente a uma distribuição teórica de probabilidade). Quando a distribuição apresenta uma curva de freqüência mais fechada que a normal (ou mais aguda ou afilada em sua parte superior), ela recebe o nome de leptocúrtica. Quando a distribuição apresenta uma curva de freqüência mais aberta que a normal (ou mais achatada em sua parte superior), ela recebe o nome de platicúrtica. A curva normal, que é a nossa base referencial, recebe o nome de mesocúrtica. Coeficiente de curtose C1 = (Q3 - Q1) / 2(P90 - P10) Onde: Professora: Mônica Do Nascimento Ribeiro 37 Q3 e Q1 são o terceiro e primeiro quartil P10 e P90 são o décimo e nonagésimo Este coeficiente é conhecido como percentílico de curtose. Relativamente a curva normal, temos: C1 = 0,263 curva mesocúrtica – normal. Nem achatada, nem alongada. C1 < 0,263 curva leptocúrtica – alongada. C1 > 0,263 curva platicúrtica – achatada. O coeficiente abaixo ( C2 ) será utilizado em nossas análises: onde S é desvio padrão C2 = 3 curva mesocúrtica C2 > 3 curva leptocúrtica C2 < 3 curva platicúrtica Professora: Mônica Do Nascimento Ribeiro 38 CAPITÚLO 6: EXPERIMENTO ALEATÓRIO, ESPAÇO AMOSTRAL, EVENTOS E PROBABILIDADE. DEFINIÇÕES: EXPERIMENTO ALEATÓRIO: São aqueles que, mesmo repetidos várias vezes sob condições semelhantes, apresentam resultados imprevisíveis. Ex.: Em uma jogada de futebol, é provável que seu time: perca; que ele ganha; que ele empate. ESPAÇO AMOSTRAL (S): Cada experimento aleatório corresponde, em geral, a vários resultados possíveis. O conjunto desses resultados possíveis recebe o nome de espaço amostral ou conjunto universo, representado por S. Exemplo: Lançamento de uma moeda: S = {Ca, Co} Lançamento de um dado: S={1, 2, 3, 4, 5, 6} Cada um dos elementos de “S” que correspondem a um resultado recebe o nome de PONTO AMOSTRAL, por exemplo, 2 a S => 2 é um ponto amostral de S (no caso do lançamento do dado). EVENTOS (A): Chamamos de evento qualquer subconjunto do espaço amostral S de um experimento aleatório. Exemplo: Lançamento de um dado: Espaço amostral: S={1, 2, 3, 4, 5, 6} Eventos: a) Obter um número par na face superior: A={2, 4, 6} => SA , logo, A é um evento de S. Professora: Mônica Do Nascimento Ribeiro 39 Seja S o seu espaço amostral. Se todos os elementos de S tem a mesma chance de acontecer, então, chamamos de PROBABILIDADE DE UM EVENTO A, SA , o número real P(A), tal que: )( )( )( Sn An AP , onde n(A) é o número de elementos de A e n(S) é o número de elementos de S. Exemplos: Considere o lançamento de uma moeda e o evento A “obter cara”. S= {Ca, Co} n(S) = 2 A = {Ca} n(A) = 1 P(A) = 2 1 EVENTOS COMPLEMENTARES Exemplo: Pesquisa afirma que de um grupo de 100 pacientes fumantes aparecem as seguintes evidências 1 . Eventos (evidências): e1 = Normal; e2 = Bronquite; e3 = Câncer no Pulmão; e4 = Tuberculose Espaço Amostral: = {Normal; Bronquite; Câncer no Pulmão; Tuberculose} Evidências Normal Bronquite Câncer no Pulmão Tuberculose Nº de Pacientes 25 60 10 5 Se a probabilidade de um paciente apresentar tuberculose é de 0,05. Então se abordarmos um paciente, ao acaso, qual a probabilidade de que ele tenha tuberculose ausente. Resolução: “e4”: paciente tem tuberculose: 05,0 100 5 )( 4 eP Como: 1)()( 44 ePeP Então, 95,005,01)(1)( 44 ePeP onde 4e significa: paciente tem tuberculose ausente. Assim, a chance de abordarmos um paciente que tem tuberculose ausente é 95%. 1 Considere estas evidências as mais comuns entre pacientes. Suponha também que as evidências acima sejam exclusivas. Professora: Mônica Do Nascimento Ribeiro 40 EVENTOS MUTUAMENTE EXCLUSIVOS Se os mesmos elementos não podem ocorrer simultaneamente. P(AB) = P(A) + P(B), a probabilidade de que um ou outro se realize é igual a soma das probabilidades. Exemplo: Considerando os dados do exemplo (1). Evidências Normal Bronquite Câncer no Pulmão Tuberculose Nº de Pacientes 25 60 10 5 Se abordarmos um paciente, ao acaso, qual é a probabilidade de que ele tenha câncer de pulmão ou tuberculose? Resolução: 15,0 100 15 100 5 100 10 )()()( 4343 ePePeeP EVENTOS QUE NÃO SÃO MUTUAMENTE EXCLUSIVOS P(AB) = P(A) + P(B) - P(AB) De um grupo de 80 pessoas considere: SITUAÇÃO EMPREGATÍCIASITUAÇÃO ESCOLAR Total Até o Nível Médio Nível Superior Empregada 10 35 45 Desempregada 15 20 35 Total 25 55 80 A probabilidade de uma pessoa estar desempregada ou ter nível superior. Resolução: 8750,0 80 70 80 20 80 55 80 35 )()()()( SDPSPDPSDP EVENTOS INDEPENDENTES Dois eventos são independentes quando a ocorrência ou a não ocorrência de um evento não tem efeito algum na probabilidade de ocorrência do outro evento. Quando lançamos dois dados, o resultado obtido em um deles independe do resultado obtido no outro. P(A e B) = P(AB) = P(A)P(B) Professora: Mônica Do Nascimento Ribeiro 41 Exemplo: Se dois por cento da população apresenta esquizofrenia. A probabilidade de se encontrar duas pessoas com esquizofrenia ausente é: Resolução: 9604,098,098,0)()()( niaEsquizofrePniaEsquizofrePniaEsquizofreniaEsquizofreP Ou seja, a chance de ambos apresentarem esquizofrenia é de 96,04%. EVENTOS DEPENDENTES Quando dois eventos são dependentes, o conceito de probabilidade condicional é empregado para indicar a probabilidade de ocorrência de um evento relacionado. A expressão P(B/A) indica a probabilidade de ocorrer o evento B, dado que tenha ocorrido o evento A. Note que “B/A” não é uma fração. P(B/A) = )( )( AP BeAP = )( )( AP ABP Exemplo: Em um grupo de 50 turistas temos as seguintes variáveis descritas abaixo: NACIONALIDADE SEXO Total M F Brasileiro (B) 20 15 35 Estrangeiro (E) 5 10 15 Total 25 25 50 Calcule as seguintes probabilidades: a) O turista ser masculino se é brasileiro. 35 20 )B/M(P 0,5714 b) O turista ser masculino se é estrangeiro. )/( EMP (0,3333) c) O turista ser feminino se é brasileiro. 35 15 )B/F(P 0,4286 d) O turista ser feminino se é estrangeiro. )/( EFP (0,6667) e) O turista ser brasileiro se é masculino. 25 20 )M/B(P 0,80 f) O turista ser estrangeiro se é masculino. )/( MEP (0,20) g) O turista ser brasileiro se é feminino. 25 15 )F/B(P 0,60 h) O turista ser estrangeiro se é feminino. )/( FEP (0,40) Professora: Mônica Do Nascimento Ribeiro 42 EXERCÍCIO DE FIXAÇÃO 1) Qual a probabilidade de sair ás de ouros quanto retiramos uma carta de um baralho de 52 cartas? 2) Qual a probabilidade de sair um rei quanto retiramos uma carta de um baralho de 52 cartas? 3) Um lote de 12 peças, 4 são defeituosas. Sendo retirada uma peça, calcule? a- A probabilidade de essa peça ser defeituosa: b- A probabilidade de essa peça não ser defeituosa: 4) No lançamento de dois dados, calcule a probabilidade de se obter soma igual a 5. 5) De dois baralhos de 52 cartas retiram-se, simultaneamente, uma carta do primeiro baralho e uma carta do segundo baralho. Qual a probabilidade de a carta do primeiro baralho ser um rei e a do segundo baralho ser o 5 de paus? 6) Uma urna A contém: 3 bolas brancas, 4 pretas, 2 verdes; Uma urna B contém: 5 bolas brancas, 2 pretas, 1 verde; Uma urna C contém: 2 bolas brancas, 3 pretas e 4 verdes. Uma bola é retirada de cada urna. Qual a probabilidade de as 3 bolas retiradas da primeira, segunda e terceira urnas serem, respectivamente, branca, preta e verde? 7) De um baralho de 52 cartas retiram-se, ao acaso, duas cartas sem reposição. Qual a probabilidade de a primeira carta ser o ás de paus e a segunda ser o rei de paus? 8) Qual a probabilidade de sair uma figura quando retiramos uma carta de um baralho de 52 cartas? 9) Qual a probabilidade de sair uma carta de copas ou de ouros quando retiramos uma carta de um baralho de 52 cartas? 10) No lançamento de um dado, qual a probabilidade de se obter um número não inferior a 5? Professora: Mônica Do Nascimento Ribeiro 43 GABARITO 1. A = sair ás de ouros P(A)=1/52 2. A = sair rei P(A)=4/52 3. a) A= a peça ser defeituosa P(A)=4/12 b) B=a peça ser perfeita P(B)=8/12 4. A= a soma ser 5 A={(1,4), (2,3), (3,2), (4,1)} P(A) = 4/36 5. A= sair rei B= sair 5 de paus P(A E B) = P(A)x P(B) = 4/52 x 1/52 = 4/2704 6. A= 3 bolas retiradas da primeira, segunda e terceira urnas serem, respectivamente, branca, preta e verde P(A)= 3/9 x 2/8 x 4/9 = 24/648 7. C= sair ás de paus e reis de paus P(C1 e C2)= P(C1). P(C2/C1) = 1/52 x 1/51 = 1/2652 8. Figuras = valete, dama e rei A= sair uma figura P(A) = 12/52 9. A= sair copas ou ouros P(A)=13/52 + 13/52 = 26/52 10. A= número maior que 5 P(A)=1/6 Professora: Mônica Do Nascimento Ribeiro 44 CAPÍTULO 07 DISTRIBUIÇÃO DE PROBABILIDADE Quando conhecemos todos os valores de uma variável aleatória juntamente com suas respectivas probabilidade, temos uma distribuição de probabilidade. Exemplo: Distribuição de probabilidade no número de acidentes aéreos com a GOL, dentre sete acidentes. X p(x) 0 0,210 1 0,367 2 0,275 3 0,115 4 0,029 5 0,004 6 0+ 7 0+ A representação gráfica de uma DISTRIBUIÇÃO DE PROBABILIDADES é feita através do HISTOGRAMA DE PROBABILIDADES, semelhantes ao HISTOGRAMA DE FREQÜÊNCIA, sendo que a escala vertical apresenta probabilidades, em lugar das correspondentes freqüências. Condições para uma DISTRIBUIÇÃO DE PROBABILIDADE: 1) A soma de todas as probabilidades individuais é 1: 1 xp 2) Para qualquer evento A implica que p(x) deve estar entre 0 e 1 para qualquer valor de x: 1)(0 xP MÉDIA DE UMA DISTRIBUIÇÃO DE PROBABILIDADE n i ii xpxXE 1 VARIÂNCIA DE UMA DISTRIBUIÇÃO DE PROBABILIDADE n i ii xpXExXVAR 1 22 A probabilidade de 0 acidentes com a GOL (dentre sete acidentes) é 0,210; Os valores denotados 0+ representam probabilidades muito pequenas; Professora: Mônica Do Nascimento Ribeiro 45 EXERCÍCIO DE FIXAÇÃO 1) Determine se é dada uma distribuição de probabilidade. Nos casos em que não é descrita uma distribuição de probabilidade, identifique a condição que não é satisfeita. E quando for descrita uma distribuição de probabilidade, determine sua média e desvio padrão. a) Se sua faculdade contrata os 4 próximos funcionários sem distinção de sexo e o conjunto de candidatos é grande, com números iguais de homens e mulheres, a tabela a seguir dá a distribuição de probabilidade do número x de mulheres contratadas. X p(x) 0 0,0625 1 0,2500 2 0,3750 3 0,2500 4 0,0625 Resposta: 2 e 1 b) Ao avaliar riscos de crédito, Jefferson investiga o número de cartões de crédito que a pessoa tem. Com x sendo o número de cartões de crédito que os adultos possuem a tabela a seguir dá a distribuição de probabilidade para um conjunto de solicitantes. X p(x) 0 0,26 1 0,16 2 0,12 3 0,09 4 0,07 5 0,09 6 0,07 7 0,14 Resposta: 2,8 e 2,52 2)Seja X uma variável aleatória discreta assumido valores no conjunto {1, 2, 3} e com distribuição de probabilidade dada por: x 1 2 3 P(X=x) 1/3 1/6 1/2 a. Calcule a média de X. (resposta: 2,165) b. Calcule a ( 2xP (resposta: 0,666) c. Calcule a ( 2xP (resposta: 0,5) 3)O tempo T, em minutos, necessário para um operário processar certa peça é uma variável aleatória com a seguinte distribuiçãode probabilidade: T 2 3 4 5 6 7 P(T=t) 0,1 0,1 0,3 0,2 0,2 0,1 Calcule o tempo médio de processamento. Resposta: 4,6 minutos Professora: Mônica Do Nascimento Ribeiro 46 DISTRIBUIÇÕES ESTATÍSTICAS: DISCRETA E CONTÍNUA (1) DISTRIBUIÇÃO BINOMIAL (discreta) Vimos que uma variável aleatória associa um valor numérico a cada resultado de um experimento aleatório e uma distribuição de probabilidade associa uma probabilidade a cada valor de uma variável aleatória. Veremos agora como determinar as probabilidades para uma categoria importante de distribuição de probabilidades: OS EXPERIMENTOS BINOMIAIS. Os experimentos binomiais têm a característica de apresentarem exatamente dois resultados complementares: SUCESSO E FRACASSO. Exemplo: Em processos industriais: as peças falham ou não falham. Na medicina: um paciente sobrevive ou morre. Em propaganda, um consumidor reconhece um produto ou não. Definição: Um experimento binomial é um experimento que satisfaz as seguintes condições: 1. O experimento deve comportar um número fixo de provas (n). 2. As provas devem ser independentes (o resultado de qualquer prova não afeta as probabilidades das outras provas.) 3. Cada prova deve ter todos os resultados classificados em duas categorias (sucesso e fracasso). 4. As probabilidades devem permanecer constantes para cada prova. Quando fazemos um experimento binomial, a distribuição da variável aleatória x é chamada uma DISTRIBUIÇÃO BINOMIAL. Professora: Mônica Do Nascimento Ribeiro 47 Notação: p => probabilidade de sucesso q => probabilidade de fracasso x => denota um número específico de sucessos em n provas, podendo ser qualquer inteiro entre 0 e n, inclusive. P(x) => denota a probabilidade de obter exatamente x sucessos em n provas. Parâmetros da Distribuição Binomial: ),(~ pnBX Cálculo da Probabilidade de uma Distribuição Binomial: xnxnx ppxXP )1.().( xnxxnxxn xnxn x qp xxn n ppCppxXP .. !)!( ! )1.(.)1.().( , Para x = 0, 1, 2, .....,n Média de uma Distribuição Binomial: E(x) = np Variância da Distribuição Binomial: V(x) = npq Obs.: lembrando que 0! = 1 (por definição) Exercício: 1) Aplicando a fórmula da probabilidade binomial, determine a probabilidade de obter 3 estudantes canhotos em uma turma de 15 estudantes, dado que 10% da população são canhotos. Isto é determine P(3), se n=15, x=3, p=0,1 e 1=0,9. Resposta: 0,1285 Professora: Mônica Do Nascimento Ribeiro 48 EXERCÍCIO DE FIXAÇÃO 1) Suponha que em um experimento binomial, uma prova se repita n vezes. Determine a probabilidade de x sucessos, dada a probabilidade p de sucesso em uma prova: Respostas: a) n = 3, x= 2, p=0,9 (0,243) b) n=8, x=7, p=0,99 (0,0745) c) n=10, x=4, p=0,30 (0,2001) d) n=6, x=1, p=0,05 (0,2321) 2) Uma firma afirma que 20% de suas pastilhas de chocolate M&M são vermelhas. Determine a probabilidade de que, em 15 pastilhas M&M escolhidas aleatoriamente, exatamente 20%, ou seja, 3 pastilhas sejam vermelhas. Resposta: 0,250 3) Acredita-se que 20% dos moradores das proximidades de uma grande indústria siderúrgica têm alergia aos poluentes lançados ao ar. Admitindo que este percentual de alérgicos é real (correto), calcule a probabilidade de que pelo menos 4 moradores tenham alergia entre 13 selecionados ao acaso. Resposta: 0,252 4) Três em cada quatro alunos de uma universidade fizeram cursinho antes de prestar vestibular. Se 16 alunos são selecionados ao acaso, qual é a probabilidade de que: Respostas a) Pelo menos 12 tenham feito cursinho? (0,6302) b) No máximo 13 tenham feito cursinho? (0,8029) c) Exatamente 12 tenham feito cursinho? (0,2252) Professora: Mônica Do Nascimento Ribeiro 49 Professora: Mônica Do Nascimento Ribeiro 50 Professora: Mônica Do Nascimento Ribeiro 51 Professora: Mônica Do Nascimento Ribeiro 52 Professora: Mônica Do Nascimento Ribeiro 53 (2) DISTRIBUIÇÃO NORMAL OU GAUSS (contínua) Se X é uma variável aleatória contínua, então X assume todos os valores em um intervalo de números reais (). - A distribuição de probabilidade de X é descrita por uma curva de densidade, ou função de densidade. 2 2 1 . 2 1 x exf Π (Pi): (≈ 3,14159) e: (≈ 2,71828). - A probabilidade de qualquer evento é a área sob a curva de densidade entre os valores de X que compõe o evento. - A área total sob qualquer curva de densidade é 1, de modo que a probabilidade de um evento varia entre 0 e 1. - Parâmetros da Distribuição Normal ),(~ 2NX Média da Distribuição Normal: E(X) = Variância da Distribuição Normal: VAR(X) = 2 Algumas propriedades da Distribuição Normal: P(X=x) = f(X) = 0 (pois não existe a probabilidade no ponto e sim na área) f(X) é simétrica ao redor da média, ou seja, a probabilidade de ocorrer valor menor do que a média é igual a probabilidade de ocorrer valor menor do que a média. A curva normal depende de duas constantes, e 2: - corresponde ao centro da simetria da curva e 2 graficamente, fornece a distância do centro da simetria aos pontos onde a curva muda de sentido. Professora: Mônica Do Nascimento Ribeiro 54 Distribuição Normal Padrão: Na prática desejamos calcular probabilidades para diferentes valores de e . Para isso, a variável cuja distribuição é ),(~ 2NX é transformada numa forma padronizada com distribuição )1,0(~ NX (distribuição normal padrão), pois tal distribuição é tabelada. A quantidade é dada por: X Z Exemplo: 1) Se já X a variável aleatória que representa os diâmetros dos parafusos produzidos por certa máquina. Suponha que essa variável tenha Distribuição Normal com média 2cm e desvio padrão 0,04cm. a) A probabilidade de um parafuso ter um diâmetro com valor entre 2 e 2,05 é: 3944,0)25,10() 04,0 205,2 04,0 22 ()05,22( ZP X PXP b) P(-1,25<Z<0) = c) P(0,8<Z<1,23) = d) P(Z>0,6) = Obs.: Quando temos uma variável aleatória com distribuição Normal, nosso principal interesse é obter a probabilidade de essa variável aleatória assumir um valor em um determinado intervalo. Professora: Mônica Do Nascimento Ribeiro 55 Tabela: Probabilidades da Distribuição Normal Z 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09 0,0 0,000000 0,003989 0,007978 0,011966 0,015953 0,019939 0,023922 0,027903 0,031881 0,035856 0,1 0,039828 0,043795 0,047758 0,051717 0,055670 0,059618 0,063559 0,067495 0,071424 0,075345 0,2 0,079260 0,083166 0,087064 0,090954 0,094835 0,098706 0,102568 0,106420 0,110261 0,114092 0,3 0,117911 0,121720 0,125516 0,129300 0,133072 0,136831 0,140576 0,144309 0,148027 0,151732 0,4 0,155422 0,159097 0,162757 0,166402 0,170031 0,173645 0,177242 0,180822 0,184386 0,187933 0,5 0,191462 0,194974 0,198468 0,201944 0,205401 0,208840 0,212260 0,215661 0,219043 0,222405 0,6 0,225747 0,229069 0,232371 0,235653 0,238914 0,242154 0,245373 0,248571 0,251748 0,254903 0,7 0,258036 0,261148 0,264238 0,267305 0,270350 0,273373 0,276373 0,279350 0,282305 0,285236 0,8 0,288145 0,291030 0,293892 0,296731 0,299546 0,302337 0,305105 0,307850 0,310570 0,313267 0,9 0,315940 0,318589 0,321214 0,323814 0,326391 0,328944 0,331472 0,3339770,336457 0,338913 1,0 0,341345 0,343752 0,346136 0,348495 0,350830 0,353141 0,355428 0,357690 0,359929 0,362143 1,1 0,364334 0,366500 0,368643 0,370762 0,372857 0,374928 0,376976 0,379000 0,381000 0,382977 1,2 0,384930 0,386861 0,388768 0,390651 0,392512 0,394350 0,396165 0,397958 0,399727 0,401475 1,3 0,403200 0,404902 0,406582 0,408241 0,409877 0,411492 0,413085 0,414657 0,416207 0,417736 1,4 0,419243 0,420730 0,422196 0,423641 0,425066 0,426471 0,427855 0,429219 0,430563 0,431888 1,5 0,433193 0,434478 0,435745 0,436992 0,438220 0,439429 0,440620 0,441792 0,442947 0,444083 1,6 0,445201 0,446301 0,447384 0,448449 0,449497 0,450529 0,451543 0,452540 0,453521 0,454486 1,7 0,455435 0,456367 0,457284 0,458185 0,459070 0,459941 0,460796 0,461636 0,462462 0,463273 1,8 0,464070 0,464852 0,465620 0,466375 0,467116 0,467843 0,468557 0,469258 0,469946 0,470621 1,9 0,471283 0,471933 0,472571 0,473197 0,473810 0,474412 0,475002 0,475581 0,476148 0,476705 2,0 0,477250 0,477784 0,478308 0,478822 0,479325 0,479818 0,480301 0,480774 0,481237 0,481691 2,1 0,482136 0,482571 0,482997 0,483414 0,483823 0,484222 0,484614 0,484997 0,485371 0,485738 2,2 0,486097 0,486447 0,486791 0,487126 0,487455 0,487776 0,488089 0,488396 0,488696 0,488989 2,3 0,489276 0,489556 0,489830 0,490097 0,490358 0,490613 0,490863 0,491106 0,491344 0,491576 2,4 0,491802 0,492024 0,492240 0,492451 0,492656 0,492857 0,493053 0,493244 0,493431 0,493613 2,5 0,493790 0,493963 0,494132 0,494297 0,494457 0,494614 0,494766 0,494915 0,495060 0,495201 2,6 0,495339 0,495473 0,495604 0,495731 0,495855 0,495975 0,496093 0,496207 0,496319 0,496427 2,7 0,496533 0,496636 0,496736 0,496833 0,496928 0,497020 0,497110 0,497197 0,497282 0,497365 2,8 0,497445 0,497523 0,497599 0,497673 0,497744 0,497814 0,497882 0,497948 0,498012 0,498074 2,9 0,498134 0,498193 0,498250 0,498305 0,498359 0,498411 0,498462 0,498511 0,498559 0,498605 3,0 0,498650 0,498694 0,498736 0,498777 0,498817 0,498856 0,498893 0,498930 0,498965 0,498999 3,1 0,499032 0,499065 0,499096 0,499126 0,499155 0,499184 0,499211 0,499238 0,499264 0,499289 3,2 0,499313 0,499336 0,499359 0,499381 0,499402 0,499423 0,499443 0,499462 0,499481 0,499499 3,3 0,499517 0,499534 0,499550 0,499566 0,499581 0,499596 0,499610 0,499624 0,499638 0,499651 3,4 0,499663 0,499675 0,499687 0,499698 0,499709 0,499720 0,499730 0,499740 0,499749 0,499758 3,5 0,499767 0,499776 0,499784 0,499792 0,499800 0,499807 0,499815 0,499822 0,499828 0,499835 3,6 0,499841 0,499847 0,499853 0,499858 0,499864 0,499869 0,499874 0,499879 0,499883 0,499888 3,7 0,499892 0,499896 0,499900 0,499904 0,499908 0,499912 0,499915 0,499918 0,499922 0,499925 3,8 0,499928 0,499931 0,499933 0,499936 0,499938 0,499941 0,499943 0,499946 0,499948 0,499950 3,9 0,499952 0,499954 0,499956 0,499958 0,499959 0,499961 0,499963 0,499964 0,499966 0,499967 4,0 0,499968 0,499970 0,499971 0,499972 0,499973 0,499974 0,499975 0,499976 0,499977 0,499978 Professora: Mônica Do Nascimento Ribeiro 56 EXERCÍCIO DE FIXAÇÃO 1) Determinar o valor, ou valores, de z em cada um dos casos, nos quais as áreas referem-se às limitadas pela curva normal: Resposta: a) a área entre 0 e z é 0,3770 (z= 1,16) b) a área a esquerda de z é 0,8621 (z=1,09) 2) O peso médio de 500 estudantes do sexo masculino de uma determinada universidade é 75,5kg e o desvio padrão é de 7,5 kg. Admitindo-se que os pesos estão distribuídos normalmente, determinar quantos estudantes pesam: Resposta a) entre 60 e 77,5kg (P(-2,06<z<0,266)=0,6 => 300 estudantes) b) mais do que 92,5kg (P(z>2,26)=0,0119 = > 6 estudantes) 3) A média dos diâmetros internos de uma amostra de 200 arruelas produzidas por certa máquina é 0,502 polegadas e o desvio padrão é 0,005 polegadas. A finalidade para a qual essas arruelas são fabricadas permite a tolerância máxima, para o diâmetro, de 0,496 a 0,508 polegadas; se isso não se verifica, as arruelas serão consideradas defeituosas. Determinar a porcentagem de arruelas defeituosas produzidas pela máquina, admitindo-se que os diâmetros são distribuídos normalmente. Resposta: 23,02% 4) Se z é normalmente distribuída, com média zero e variância 1, determinar: Resposta: a) P(z>-1,64) = (0,9495) b) P(-1,96<z<1,96) = (0,95) c) P(0<z<1,44) = (0,4251) d) P(-0,85<z<0) = (0,3023) e) P(-1,48<z<2,05) = (0,9104) f) P(0,72<z<1,86) = (0,2044) Professora: Mônica Do Nascimento Ribeiro 57 CAPITULO 8 INTRODUÇÃO A REGRESSÃO e a CORRELAÇÃO são técnicas utilizadas para estimar uma relação que possa existir na população, enquanto as técnicas anteriormente estudadas (Medidas de Tendência Central e de Dispersão: Média, Desvio Padrão, Variância, etc.) servem para estimar um único parâmetro populacional. A análise de correlação e regressão compreende a análise de dados amostrais para saber se e como duas ou mais variáveis estão relacionadas uma com a outra numa população. A correlação mede a força, ou grau, de relacionamento entre duas variáveis; a regressão dá a equação que descreve o relacionamento em termos matemáticos. (1) CORRELAÇÃO Definição: Quando duas variáveis estão ligadas por uma relação estatística, dizemos que existe correlação entre elas. Por exemplo: - A circunferência C e o raio r estão perfeitamente correlacionados, porque 2C r. - As variáveis altura e peso de indivíduos revelariam alguma correlação. Diagrama de dispersão: O diagrama de dispersão é um gráfico onde pontos no espaço cartesiano XY são usados para representar simultaneamente os valores de duas variáveis quantitativas medidas em um conjunto de dados. Professora: Mônica Do Nascimento Ribeiro 58 Por exemplo: Um dos objetivos dos pesquisadores neste estudo é encontrar uma maneira de conhecer o peso do urso através de uma medida mais fácil de se obter do que a direta (carregar uma balança para o meio da selva e colocar os ursos em cima dela) como, por exemplo, uma medida de comprimento (altura, perímetro do tórax, etc.). O problema estatístico aqui é encontrar uma variável que tenha uma relação forte com o peso, de modo que, a partir de seu valor medido, possa ser calculado (estimado) o valor peso indiretamente, através de uma equação matemática. O primeiro passo para encontrar esta variável é fazer o diagrama de dispersão das variáveis candidatas (eixo horizontal) versus o peso (eixo vertical), usando os pares de informações de todos os ursos. Você pode tentar as variáveis: idade, altura, comprimento da cabeça, largura da cabeça, perímetro do pescoço e perímetro do tórax. A Figura mostra a relação entre peso e altura e entre peso e perímetro do tórax. Analisando o gráfico: 1) Podemos ver que, tanto a altura quanto o perímetro do tórax são fortemente associados ao peso do urso, no sentido de que quanto mais alto o urso ou quanto maior a medida de seu tórax, mais pesado ele será. 2) Note que este crescimento é linear para o perímetro do tórax e não-linear para a altura. 3) Os pontos estão mais dispersos no gráfico da altura, a variável mais adequada para estimar o peso é o perímetro do tórax. Professora: Mônica Do Nascimento Ribeiro 59 Observação: A correlação entre duas variáveis pode ser POSITIVA, NULA ou NEGATIVA. -30 -25 -20 -15 -10 -5 0 5 10 0 5 10 15 20 25 30 Gráfico 1 (+) Gráfico 2 (-) -10 -5 0 5 10 15 0 5 10 15 20 25 30 Gráfico 3 (nula) Cálculo do Coeficiente de Correlação Linear
Compartilhar