Baixe o app para aproveitar ainda mais
Prévia do material em texto
APOSTILA DE ESTATÍSTICA E PROBABILIDADE QC IM 2016 Prof Leonardo 1 Apostila de Estatística e Probabilidade para a prova do Quadro Complementar da Marinha Professor : Leonardo Licenciado em Matemática pela UFF/RJ Mestre em Matemática pela PUC/Rio Fiscal de Tributos da Prefeitura de Nilópolis Professor SEEDUC/RJ Professor do CAP Unigranrio (Unidade Caxias) Sargento da aeronáutica por 11 anos Foi professor de matemática da Prefeitura do Rio de janeiro APOSTILA DE ESTATÍSTICA E PROBABILIDADE QC IM 2016 Prof Leonardo 2 I. Conteúdo a ser estudado para as provas da marinha e aeronáutica - Oficiais Medidas de posição central; Medidas de dispersão; Medidas de ordenamento e forma; Teoria de amostragem; Análise da variância. Variáveis aleatórias e distribuição de probabilidades; Teoria da estimação; Probabilidade; APOSTILA DE ESTATÍSTICA E PROBABILIDADE QC IM 2016 Prof Leonardo 3 Estatística 1 – CONCEITO 1.1 - Estatística A Estatística é um conjunto de métodos destinados à coleta, organização, resumo, apresentação e análise de dados de observação, bem como da tomada de decisões razoáveis baseadas em tais análises. A Estatística é um conjunto de processos ou técnicas empregadas na investigação e análise de fenômenos coletivos ou de massa. 1.2 – Divisão da Estatística A Estatística divide-se em duas partes Geral e Aplicada. – Descritiva Geral ou metodológica – Indutiva ou inferencial 1.2.1 Estatística geral ou metodológica Visa elaborar métodos gerais aplicáveis a todas as fases do estudo dos fenômenos de massa. tendo por finalidade o estudo das propriedades matemáticas desses fenômenos e a dedução e demonstração rigorosa dos procedimentos e fórmulas usadas freqüentemente. Estatística Descritiva Suponha que se tenha informações de um conjunto de notas de estudantes matriculados em uma disciplina de Estatística. Na terminologia estatística, o conjunto de notas desses estudantes é chamado de conjunto de dados, e a nota individual de cada estudante é chamada de observação. Dessa maneira reduz-se o conjunto de dados, tornando-o mais maleável, constituindo tabelas, gráficos ou sumarizando os seus valores através de medidas descritivas, como a média. A parte da estatística que nos ajuda neste tipo de análise é chamada de estatística descritiva. É à parte da Estatística que tem por objetivo descrever os dados observados e na sua função dos dados, tem as seguintes atribuições. APOSTILA DE ESTATÍSTICA E PROBABILIDADE QC IM 2016 Prof Leonardo 4 i. A obtenção ou coleta de dados – é normalmente feita através de um questionário ou de observação direta de uma população ou amostra. ii. A organização dos dados – consiste na ordenação e crítica quanto à correção dos valores observados, falhas humanas, omissões, abandono de dados duvidosos. iii. A representação dos dados – os dados estatísticos podem ser mais facilmente compreendidos quando apresentados através de tabelas e gráficos, que permite uma visualização instantânea de todos os dados. Estatística Inferencial O conjunto de todos os elementos de interesse é chamado de população. A retirada de uma parte dessa população é chamada de amostra. É a parte da Estatística que tem por objetivo obter e generalizar conclusões para a população a partir de uma amostra, através do cálculo de probabilidade. A tais conclusões estão sempre associados a um grau de incerteza e conseqüentemente, a uma probabilidade de erro. A maior parte dos objetivos estatísticos, como decisões, inferências e previsões sobre populações são baseadas em resultados obtidos de amostras. A área da estatística que tem por objetivo tomar decisões, com base em amostras, é chamada de estatística inferencial ou estatística indutiva. 2 – DEFINIÇÕES APOSTILA DE ESTATÍSTICA E PROBABILIDADE QC IM 2016 Prof Leonardo 5 Já caiu na prova .... 2.1 - População x Amostra População (N): Conjunto de todos os elementos relativos a um determinado fenômeno que possuem pelo menos uma característica em comum, a população é o conjunto Universo, podendo ser finita ou infinita. Finita - apresenta um número limitado de observações, que é passível de contagem. Infinita - apresenta um número ilimitado de observações que é impossível de contar e geralmente esta associada a processos. APOSTILA DE ESTATÍSTICA E PROBABILIDADE QC IM 2016 Prof Leonardo 6 Amostra (n): É um subconjunto da população e deverá ser considerada finita, a amostra deve ser selecionada seguindo certas regras e deve ser representativa, de modo que ela represente todas as características da população como se fosse uma fotografia desta. 2.2 - Censo x Amostragem Pesquisa Estatística: É qualquer informação retirada de uma população ou amostra, podendo ser através de Censo ou Amostragem. Censo: É a coleta exaustiva de informações das "N" unidades populacionais. Amostragem: É o processo de retirada de informações dos "n" elementos amostrais, no qual deve seguir um método criterioso e adequado (tipos de amostragem). 2.3 - Parâmetros x Estatísticas Parâmetros: são medidas populacionais quando se investiga a população em sua totalidade, neste caso é impossível fazer inferências, pois toda a população foi investigada. Estatísticas ou Estimadores: são medidas obtidas da amostra, torna-se possível neste caso utilizarmos as teorias inferências para que possamos fazer conclusões sobre a população. 2.4 - Dado x Variável Dados estatísticos: é qualquer característica que possa ser observada ou medida de alguma maneira. As matérias-primas da estatística são os dados observáveis. Variável: É aquilo que se deseja observar para se tirar algum tipo de conclusão, geralmente as variáveis para estudo são selecionadas por processos de amostragem. Os símbolos utilizados para APOSTILA DE ESTATÍSTICA E PROBABILIDADE QC IM 2016 Prof Leonardo 7 representar as variáveis são as letras maiúsculas do alfabeto, tais como X, Y, Z, ... que pode assumir qualquer valor de um conjunto de dados. As variáveis podem ser classificadas dos seguintes modos: - Qualitativas (ou atributos): São características de uma população que não pode ser medidas. - Quantitativas: São características populacionais que podem ser quantificadas, sendo classificadas em discretas e contínuas. Discretas: são aquelas variáveis que pode assumir somente valores inteiros num conjunto de valores. É gerada pelo processo de contagem, como o número de veículos que passa em um posto de gasolina, o número de estudantes nesta sala de aula. Contínuas: são aquelas variáveis que podem assumir um valor dentro de umintervalo de valores. É gerada pelo processo de medição. Neste caso serve como exemplo o volume de água em um reservatório ou o peso de um pacote de cereal. Exemplos - . Cor dos olhos das alunas: qualitativa . Índice de liquidez nas indústrias capixabas: quantitativa contínua . Produção de café no Brasil: quantitativa contínua . Número de defeitos em aparelhos de TV: quantitativa discreta . Comprimento dos pregos produzidos por uma empresa: quantitativa contínua . O ponto obtido em cada jogada de um dado: quantitativa discreta Resumo Já caiu na prova .... CP-QC-IM/2014 Contabilidade APOSTILA DE ESTATÍSTICA E PROBABILIDADE QC IM 2016 Prof Leonardo 8 Gabarito : letra e. 2.5 - Arredondamento de Dados 1ª) Se o primeiro algarismo após aquele que formos arredondar for de 0 a 4, conservamos o algarismo a ser arredondado e desprezamos os seguintes. Ex.: 7,34856 (para décimos) 7,3 2ª) Se o primeiro algarismo após aquele que formos arredondar for de 6 a 9, acrescenta-se uma unidade no algarismo a ser arredondado e desprezamos os seguintes. Ex.: 1,2734 (para décimos) 1,3 2.6 – Fases do método estatístico O método estatístico abrange as seguintes fases: APOSTILA DE ESTATÍSTICA E PROBABILIDADE QC IM 2016 Prof Leonardo 9 APOSTILA DE ESTATÍSTICA E PROBABILIDADE QC IM 2016 Prof Leonardo 10 APOSTILA DE ESTATÍSTICA E PROBABILIDADE QC IM 2016 Prof Leonardo 11 APOSTILA DE ESTATÍSTICA E PROBABILIDADE QC IM 2016 Prof Leonardo 12 3 – APRESENTAÇÃO DE DADOS Quando se realiza um estudo e se quer apresentar os resultados, pode-se optar por três maneiras: tabelas, quadros e/ou gráficos. Cada um destes tipos de apresentação possui suas características próprias, as quais serão mostrados no decorrer do capítulo. 3.1 Distribuição de Freqüência Os dados são colocados em classes pré calculadas, registrando a freqüência de ocorrência. Uma distribuição de freqüência pode ser classificada em discreta (pontual) e intervalar. Já caiu na prova .... CP-QC-IM/2014 Contabilidade Gabarito : A Gabarito : B APOSTILA DE ESTATÍSTICA E PROBABILIDADE QC IM 2016 Prof Leonardo 13 DISTRIBUIÇÃO DE FREQUÊNCIA É o tipo de série estatística na qual permanece constante o fato, o local e a época. Os dados são colocados em classes pré-estabelecidas, registrando freqüência. Divide-se em duas partes: Distribuição de Freqüência Intervalar (Var. Contínua) Distribuição de Freqüência Pontual (Var. Discreta) Já caiu na prova... 3.2.1 Distribuição de Freqüência Discreta ou Pontual É uma série de dados agrupados na qual o número de observações está relacionado com um número real. Idade de 15 alunos da ADM, 1º semetre da UNIFRA, 2010/1 Idade (xi) Nº alunos (fi) 17 2 18 3 19 5 20 2 21 3 15 Fonte: Dados Hipotéticos 3.2.2 Distribuição de Freqüências Intervalar CP-QC-IM/2014 Contabilidade Gabarito : A APOSTILA DE ESTATÍSTICA E PROBABILIDADE QC IM 2016 Prof Leonardo 14 Na distribuição de freqüência, os intervalos parciais deverão ser apresentados de maneira a evitar dúvidas quanto à classe a que permanece determinado elemento. O tipo de intervalo mais usado é do tipo fechado a esquerda e aberto a direita, representado pelo símbolo: |---. Altura dos dos Alunos da ADM, 1º semetre de 2010/1 Altura (cm) Ponto médio (xi) nº alunos (fi) 150 |--- 158 154 4 158 |--- 166 162 12 166 |--- 174 170 20 174 |--- 182 178 13 182 |--- 190 186 5 ---- 54 Fonte: Dados Hipotéticos Etapas para a construção de uma distribuição de freqüências: 1ª) Coleta dos dados Consiste em obter os dados brutos, que são os dados coletados na ordem na qual aparecem e que ainda não estão prontos para que se realize uma análise mais detalhada. 2ª) Formação do rol É a organização dos dados brutos, em uma determinada ordem, que poderá ser crescente ou decrescente. 3ª) Intervalo de classe Consiste em definir a simbologia de representação do intervalo de classe, bem como os limites de classe, em função do número de classes estabelecidas. (|--- , ---|, |---| e ---) 4ª) Ponto médio de classe (Xi) É a média aritmética simples do limite inferior com o limite superior de uma mesma classe. 2 Ll X iii 5ª) Freqüência absoluta (fi) É a número de indivíduos por classe. Deve-se cuidar a contagem dos indivíduos nas classes, em função do tipo de intervalo utilizado. APOSTILA DE ESTATÍSTICA E PROBABILIDADE QC IM 2016 Prof Leonardo 15 6ª) Freqüência absoluta acumulada (Fi) É o somatório da freqüência absoluta da i-ésima classe com a freqüência absoluta das classes anteriores, ou a freqüência acumulada da classe anterior. 7ª) Freqüência Relativa (fr): É o quociente entre a freqüência absoluta da i-ésima classe pelo somatório das freqüências. 8ª) Freqüência Relativa Acumulada (Fr): É o somatório da freqüência relativa da i-ésima classe com as freqüências relativas das classes anteriores. 3.3 Apresentação gráfica A representação gráfica é uma forma de apresentação visual dos dados. Normalmente, contém menos informações que as tabelas, mas são de fácil leitura. O tipo de gráfico depende da variável em estudo. a) Gráficos de Linhas Serve para representar séries simples ou compostas, geralmente utilizado para ilustrar uma série temporal. Quando se utiliza um gráfico de linhas compostas, ele servirá tanto para informação quanto para se fazer comparações. Exemplo 1: Venda de Combustível Automotivo, cidade de Santa Maria, período de 2001 à 2007 APOSTILA DE ESTATÍSTICA E PROBABILIDADE QC IM 2016 Prof Leonardo 16 40.000.000 41.000.000 42.000.000 43.000.000 44.000.000 45.000.000 46.000.000 47.000.000 48.000.000 49.000.000 50.000.000 2001 2002 2003 2004 2005 2006 2007 li tr o s Fonte: www.fee.rs.gov.br Exemplo 2: Venda de Combustível Automotivo, cidade de Santa Maria e Passo Fundo, período de 2001 à 2007 30.000.000 32.000.000 34.000.000 36.000.000 38.000.000 40.000.000 42.000.000 44.000.000 46.000.000 48.000.000 50.000.000 2001 2002 2003 2004 2005 2006 2007 li tr o s Santa Maria Passo Fundo Fonte: www.fee.rs.gov.br b) Gráficos de Colunas Os gráficos de colunas são formados por retângulos no eixo horizontal. Pode-se construir gráficos de colunas simples, que serve para a representação de uma série simples e o gráfico de colunas compostas, APOSTILA DE ESTATÍSTICA E PROBABILIDADEQC IM 2016 Prof Leonardo 17 que é indicado para séries compostas, podendo ser de colunas justapostas ou sobrepostas. Esses tipos de gráficos compostos são utilizados para ilustrar qualquer tipo de série e também servem para comparação. b.1) Colunas simples Exemplo:2 Emprego no Brasil, jan/2009 0 5.000 10.000 15.000 20.000 25.000 30.000 35.000 40.000 45.000 População em Idade Ativa População Economicamente Ativa População Ocupada População Desocupada População não Economicamente Ativa nº d e pe ss oa s (1 .0 00 ) Fonte: www.sidra.ibge.gov.br As larguras das colunas devem ser todas iguais e não têm nenhum significado neste caso, podendo ser adotada qualquer dimensão conveniente, desde que não se superponham. b.2) Colunas justapostas Exemplo: Poupalçao em Idade Ativa e Economicamente Ativa no Brasil, jan/2009 0 5.000 10.000 15.000 20.000 25.000 População em Idade Ativa População Economicamente Ativa N º de p es so as (1 .0 00 ) Homem Mulher Fonte: www.sidra.ibge.gov.br c) Gráfico de barras As regras usadas para o gráfico de barras são iguais àquelas usadas no gráfico de colunas, porém com a inversão dos eixos. Exemplo: Estrutura Empresarial no município de Santa Maria – RS, 2006 APOSTILA DE ESTATÍSTICA E PROBABILIDADE QC IM 2016 Prof Leonardo 18 0 1000 2000 3000 4000 5000 6000 7000 8000 Outros serviços coletivos, sociais e pessoais Agricultura, pecuária, silvicultura e exploração florestal Indústrias de transformação Construção Comércio, reparação de veículos, objetos pessoais e domésticos Alo jamento e alimentação Transporte, armazenagem e comunicações Intermediação financeira, seguros, previdência complementar Atividades imobiliárias, aluguéis e serviços prestados às empresas Administração pública, defesa e seguridade social Educação Saúde e serviços sociais nº de unidades locais Fonte: www.ibge.gov.br d) Gráfico de setores (pizza) É a representação gráfica da freqüência relativa (percentagem) de cada categoria dos dados. Este gráfico é utilizado para variáveis nominais e ordinais. Poderá ser uma opção ao gráfico de barras, quando se pretende dar ênfase à comparação das percentagens de cada categoria. Exemplo:Tipo de Frota no município de Santa Maria – RS, 2007 APOSTILA DE ESTATÍSTICA E PROBABILIDADE QC IM 2016 Prof Leonardo 19 Automóvel 73% Caminhonete 3% Ônibus/Micro-ônibus 2% Motocicleta 22% Fonte: www.ibge.gov.br Características: - A área do gráfico equivale à totalidade de casos (100%); - Cada 'fatia' representa a percentagem de cada categoria representada. e) Gráficos pictoriais Tipo de gráfico cuja característica principal é a analogia entre o dado representado e o tipo de figura utilizado na sua representação. É bastante utilizado na propaganda, fazendo o apelo visual e percepção imediata do que se está falando. Tem por objetivo despertar a atenção do público em geral. Muitos desses gráficos apresentam grande dose de originalidade e de habilidade na arte de apresentação dos dados. Evolução da frota nacional de carros a álcool, de 1979 à 1987 APOSTILA DE ESTATÍSTICA E PROBABILIDADE QC IM 2016 Prof Leonardo 20 9.645 1979 1.277.107 1983 2.473.581 1985 3.631.647 1987 Fonte: Anfavea Os métodos mais eficientes para deixar de fumar segundo 30.000 fumantes entrevistados no Canadá - 2000 30% 27% 19,5% 18,5% Goma de mascar com nicotina mais sessões de apoio psicológico Internamento em hospital e uso de drogas relaxantes Acupuntura Hipnose Injeção de Clonidina, droga que reduz os efeitos da abstinência 34% Fonte: Sem origem da informação Devastação Selvagem: extração de madeiras no Brasil - 2000 Eucalipto Madeira nativa Pinus 24,4% 68,8% 6,8% Fonte: Sociedade Brasileira de Silvicultura f) Histograma APOSTILA DE ESTATÍSTICA E PROBABILIDADE QC IM 2016 Prof Leonardo 21 Destina-se a representar uma distribuição de freqüência intervalar. Os dados são representados por colunas justapostas. Onde a base representa os intervalos e altura apresenta as freqüências absolutas ou freqüências relativas dentro de cada intervalo. Altura dos dos Alunos da ADM, 1º semetre da UNIFRA, 2010/1 0 5 10 15 20 25 fi 158 166 174 182 190150 Fonte: Dados Hipotéticos 3 - MEDIDAS ESTATÍSTICAS Tem por objetivo descrever um conjunto de dados de forma organizada e compacta que possibilita a visualização do conjunto estudado por meio de suas medidas estatísticas. 3.1 - Médias São medidas descritivas que tem por finalidade representar um conjunto de dados. 3.1.1. - Média Aritmética Símbolo: Amostral ( x ); Populacional () a) Dados Não Tabelados N X =ou n X x N 1i i n 1i i Exemplo: Idade de cinco alunos da Engenharia, 1º semetre: 19 22 20 16 26 APOSTILA DE ESTATÍSTICA E PROBABILIDADE QC IM 2016 Prof Leonardo 22 b) Dados Tabelados b.1) Tabela de frequências Média Aritmética Ponderada ( x ), (onde fi é a frequencia) f fX X n 1i i n 1i ii Exemplo: Altura dos dos Alunos da Engenharia, 1º semetre Altura (cm) Xi Fi 150 |--- 158 154 4 158 |--- 166 162 12 166 |--- 174 170 20 174 |--- 182 178 13 182 |--- 190 186 5 ---- 54 Fonte: Dados Hipotéticos b.1) Tabela com Valores Ponderados Média Aritmética Ponderada ( X w ), (onde Wi é o peso) W WX X n 1i i n 1i ii w Exemplo: Nota do aluno "X" 1 semestre de 2008 Notas (Xi) Pesos (Wi) 7,8 2 8,3 3 9,2 2 5,8 3 10 Fonte: Dados Hipotéticos MÉDIA ARITMÉTICA = É igual ao quociente entre a soma dos valores do conjunto e o número total dos valores. ...... onde xi são os valores da variável e n o número de valores. . APOSTILA DE ESTATÍSTICA E PROBABILIDADE QC IM 2016 Prof Leonardo 23 Dados não-agrupados: Quando desejamos conhecer a média dos dados não-agrupados em tabelas de freqüências, determinamos a média aritmética simples. Ex: Sabendo-se que a venda diária de arroz tipo A, durante uma semana, foi de 10, 14, 13, 15, 16, 18 e 12 kilos, temos, para venda média diária na semana de: .= (10+14+13+15+16+18+12) / 7 = 14 kilos Desvio em relação à média: é a diferença entre cada elemento de um conjunto de valores e a média aritmética, ou seja:. . di = Xi - No exemplo anterior temos sete desvios:... d1 = 10 - 14 = - 4 , ...d2 = 14 - 14 = 0 , d3 = 13 - 14 = - 1 , ...d4 = 15 - 14 = 1 ,... d5 = 16 - 14 = 2 ,... d6 = 18 - 14 = 4 ...e. .. d7 = 12 - 14 = - 2. . Propriedades da média aritmética 1ª propriedade: A soma algébrica dos desvios em relação à média é nula. No exemplo anterior : d1+d2+d3+d4+d5+d6+d7 = 0 2ª propriedade: Somando-se (ou subtraindo-se) uma constante (c) a todos os valores de uma variável, a média do conjunto fica aumentada ( ou diminuída) dessa constante. Se no exemplo original somarmos a constante2 a cada um dos valores da variável temos: Y = 12+16+15+17+18+20+14 / 7 = 16 kilos ou Y = .+ 2 = 14 +2 = 16 kilos 3ª propriedade: Multiplicando-se (ou dividindo-se) todos os valores de uma variável por uma constante (c), a média do conjunto fica multiplicada ( ou dividida) por essa constante. Se no exemplo original multiplicarmos a constante 3 a cada um dos valores da variável temos: APOSTILA DE ESTATÍSTICA E PROBABILIDADE QC IM 2016 Prof Leonardo 24 Y = 30+42+39+45+48+54+36 / 7 = 42 kilos ou Y = x 3 = 14 x 3 = 42 kilos Dados agrupados: Sem intervalos de classe Consideremos a distribuição relativa a 34 famílias de quatro filhos, tomando para variável o número de filhos do sexo masculino. Calcularemos a quantidade média de meninos por família: Nº de meninos freqüência = fi 0 2 1 6 2 10 3 12 4 4 total 34 Como as freqüências são números indicadores da intensidade de cada valor da variável, elas funcionam como fatores de ponderação, o que nos leva a calcular a média aritmética ponderada, dada pela fórmula: ..xi. ..fi. ..xi.fi . 0 2 0 1 6 6 2 10 20 3 12 36 4 4 16 total 34 78 onde 78 / 34 = 2,3 meninos por família Com intervalos de classe Neste caso, convencionamos que todos os valores incluídos em um determinado intervalo de classe coincidem com o seu ponto médio, e determinamos a média aritmética ponderada por meio da fórmula: .. APOSTILA DE ESTATÍSTICA E PROBABILIDADE QC IM 2016 Prof Leonardo 25 onde Xi é o ponto médio da classe. Ex: Calcular a estatura média de bebês conforme a tabela abaixo. Estaturas (cm) freqüência = fi ponto médio = xi ..xi.fi. 50 |------------ 54 4 52 208 54 |------------ 58 9 56 504 58 |------------ 62 11 60 660 62 |------------ 66 8 64 512 66 |------------ 70 5 68 340 70 |------------ 74 3 72 216 Total 40 2.440 Aplicando a fórmula acima temos: 2.440 / 40.= 61. logo... = 61 cm 3.1.2 MÉDIA GEOMÉTRICA = g É a raiz n-ésima do produto de todos eles. Média Geométrica Simples: ou . Ex.: - Calcular a média geométrica dos seguintes conjuntos de números:E a) { 10, 60, 360 }.: = ( 10 * 60 * 36 0) ^ (1/3) ....R: 60 b) { 2, 2, 2 }........: = (2 * 2 * 2 ^ (1/3) .. .R: 2 c) { 1, 4, 16, 64 }: = (1 * 4 * 16 * 64 ) ^(1/4) ....R: 8 . Média Geométrica Ponderada : ou .. Ex - Calcular a média geométrica dos valores da tabela abaixo: ...xi... ...fi... 1 2 3 4 9 2 APOSTILA DE ESTATÍSTICA E PROBABILIDADE QC IM 2016 Prof Leonardo 26 27 1 Total 9 = (1 2 * 3 4 * 9 2 * 27 1 ) (1/9) ........R: 3,8296 . 3.1.3 MÉDIA HARMÔNICA - h É o inverso da média aritmética dos inversos. . Média Harmônica Simples:. (para dados não agrupados) .. ou . Média Harmônica Ponderada : (para dados agrupados em tabelas de freqüências) .. Ex.: Calcular a média harmônica dos valores da tabela abaixo: classes ....fi.... ....xi.... ........fi/xi........ 1 |--------- 3 2 2 2/2 = 1,00 3 |--------- 5 4 4 4/4 = 1,00 5 |--------- 7 8 6 8/6 = 1,33 7 |--------- 9 4 8 4/8 = 0,50 9 |--------- 11 2 10 2/10 = 0,20 Total 20 4,03 Resp: 20 / 4,03 = 4,96 OBS: A média harmônica não aceita valores iguais a zero como dados de uma série. A igualdade g = h.= ....só ocorrerá quando todos os valores da série forem iguais. APOSTILA DE ESTATÍSTICA E PROBABILIDADE QC IM 2016 Prof Leonardo 27 OBS: Quando os valores da variável não forem muito diferentes, verifica-se aproximadamente a seguinte relação: g = ( .+ h ) /.2 Demonstraremos a relação acima com os seguintes dados: z = { 10,1 ; 10,1 ; 10,2 ; 10,4 ; 10,5 } Média aritmética = 51,3 / 5 = 10,2600 Média geométrica= = 10,2587 Média harmônica = 5 / 0,4874508 = 10,2574 Comprovando a relação: 10,2600 + 10,2574 / 2 = 10,2587 = média geométrica Já caiu na prova... APOSTILA DE ESTATÍSTICA E PROBABILIDADE QC IM 2016 Prof Leonardo 28 3.1.4 Média Ponderada Já caiu na prova... APOSTILA DE ESTATÍSTICA E PROBABILIDADE QC IM 2016 Prof Leonardo 29 Exercicios: 1) Considerando as distribuições de frequencia seguinte, ache a media aritmética: I PESOS (kg) Fi 1 40 |----- 44 2 2 44 |----- 48 5 3 48 |------52 9 4 52 |------56 6 5 56 |------60 4 Total = 26 APOSTILA DE ESTATÍSTICA E PROBABILIDADE QC IM 2016 Prof Leonardo 30 2 ) 3) ÁREAS (m 2 ) 300 |---400 |---500 |---600 |---700 |---800 |---900 |---1000 |--- 1100 |---1200 Nº de lotes 14 46 58 76 68 62 48 22 6 4) Conhecidas as notas de 50 alunos: 68 85 33 52 65 77 84 65 74 57 71 35 81 50 35 64 74 47 54 68 80 61 41 91 55 73 59 53 77 45 41 55 78 48 69 85 67 39 60 76 94 98 66 66 73 42 65 94 88 89 Determine: a) a distribuição de frequencia começando por 30 e adotando o intervalo de classe de amplitude igual a 10; b) as frequencias acumuladas c) as frequencias relativas d) o histograma 3- Separatrizes (Mediana) I ESTATURAS (cm) Fi 1 150 |----- 156 1 2 156 |----- 162 5 3 162 |------168 8 4 168 |------174 13 5 174 |------180 3 = 30 APOSTILA DE ESTATÍSTICA E PROBABILIDADE QC IM 2016 Prof Leonardo 31 São medidas de posição que divide o conjunto de dados em partes proporcionais, quando os mesmos são ordenados. a) Dados Não Tabelados Antes de determinarmos a MEDIANA devemos em primeiro lugar encontrar a posição da mesma. A Mediana será o elemento de ordem: 2 1 )( n mdP Exemplos: 1) Idade de cinco alunos da ADM, 1º semetre da UNIFRA, 2010/1: 19 22 20 16 26 2) Idade de seis alunos da ADM, 1º semetre da UNIFRA, 2010/1: 19 22 20 16 26 23 b) Dados Tabelados b.1) Distribuição de freqüências pontual Segue a mesma regra usada para dados não tabelados. Exemplo: Idade de 15 alunos da ADM, 1º semetre da UNIFRA, 2010/1 Idade (xi) Nº alunos (fi) 17 2 18 3 19 5 20 2 21 3 15 Fonte: Dados Hipotéticos b.2) Distribuição de freqüências intervalar 2 )( n mdP Mediana -> * *.)( 2 * f hantF f l md i Sendo: l* = limite inferior L* = limite superior F(ant) = freq. acumulada anterior h*= amplitude de classe f* = freqüência simples da classe APOSTILA DE ESTATÍSTICA E PROBABILIDADE QC IM 2016 Prof Leonardo 32 Já caiu na prova... APOSTILA DE ESTATÍSTICA EPROBABILIDADE QC IM 2016 Prof Leonardo 33 Quartil 1 -> * *.)( 4 * 1 f hantF f l q i Quartil 3 -> * *.)( 4 3 * 3 f hantF f l q i onde: mdl limite inferior da classe que contém a separatriz; 2 n posição da separatriz; Fant freqüência acumulada da classe anterior a que contém a mediana; mdf freqüência absoluta da classe que contém a mediana; h amplitude do intervalo de classe; Exemplo: Altura dos dos Alunos da ADM, 1º semetre da UNIFRA, 2010/1 Altura (cm) Xi fi 150 |--- 158 154 4 158 |--- 166 162 12 166 |--- 174 170 20 174 |--- 182 178 13 182 |--- 190 186 5 ---- 54 Fonte: Dados Hipotéticos APOSTILA DE ESTATÍSTICA E PROBABILIDADE QC IM 2016 Prof Leonardo 34 3.3 - Moda (Mo) É definida como sendo a observação de maior freqüência. a) Dados Não Tabelados Exemplo: 3 4 4 4 5 5 6 6 7 8 9 Mo = 4 (unimodal) 5 6 7 8 9 10 11 12 13 Mo = (amodal) 1 1 2 2 3 3 3 4 5 5 5 Mo1 = 3 Mo2 = 5 (bimodal) 5 5 6 6 7 7 8 8 Mo = (amodal) 5 5 6 6 7 7 8 Mo1 = 5 Mo2 = 6 Mo3 = 7 (trimodal) Obs.: Acima de 4 modas usamos o termo polimodal. b) Dados Tabelados b.1) Distribuição de freqüências pontual Moda -> 2 ** lL mo - Moda Bruta (Mob): é o ponto médio da classe de maior freqüência b.2) Distribuição de freqüências intervalar - Moda de Czuber (Moc) O processo para determinar a moda usado por Czuber leva em consideração as freqüências anteriores e posteriores à classe modal. posMo2 antMo1 21 1 Moc ff ff .hlMo onde: lMo limite inferior da classe modal; fMo freqüência absoluta da classe modal; h amplitude do intervalo de classe; fant freqüência absoluta da classe anterior a classe modal; fpos freqüência absoluta da classe posterior a classe modal; Exemplo: Altura dos dos Alunos da ADM, 1º semetre da UNIFRA, 2011/1 Altura (cm) xi fi 150 |--- 158 154 4 158 |--- 166 162 12 166 |--- 174 170 20 174 |--- 182 178 13 APOSTILA DE ESTATÍSTICA E PROBABILIDADE QC IM 2016 Prof Leonardo 35 182 |--- 190 186 5 ---- 54 Fonte: Dados Hipotéticos Exercicios sobre mediana e moda: 1) Ache a mediana e moda nas tabelas abaixo e seu histograma: a) Um grau de nebulosidade, registrano em décimos, ocorre de acordo com a distribuição abaixo: NEBUL 0 |--- 0,5 |---1,5 |---2,5 |---3,5 |--- 4,5 |---5,5 |---6.5 |---7,5 |--- 8,5 |--- 9,5 |- -- 10,5 Fi 320 125 75 65 45 45 55 65 90 145 676 b) Peso (Kg) Freqüênci a 4,0 2 4,3 3 4,5 5 4,6 8 APOSTILA DE ESTATÍSTICA E PROBABILIDADE QC IM 2016 Prof Leonardo 36 4,7 6 4,8 5 4,9 4 5,0 3 5,1 3 5,5 2 total 41 c) d) Resumo e revisão APOSTILA DE ESTATÍSTICA E PROBABILIDADE QC IM 2016 Prof Leonardo 37 Relação entre as medidas de Posição APOSTILA DE ESTATÍSTICA E PROBABILIDADE QC IM 2016 Prof Leonardo 38 MEDIDAS DE ASSIMETRIA Introdução: Uma distribuição com classes é simétrica quando : Média = Mediana = Moda Uma distribuição com classes é : Assimétrica à esquerda ou negativa quando : Média < Mediana < Moda Assimétrica à direita ou positiva quando : Média > Mediana > Moda 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: APOSTILA DE ESTATÍSTICA E PROBABILIDADE QC IM 2016 Prof Leonardo 39 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 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) Este coeficiente é conhecido como percentílico de curtose. Relativamente a curva normal, temos: APOSTILA DE ESTATÍSTICA E PROBABILIDADE QC IM 2016 Prof Leonardo 40 C1 = 0,263 curva mesocúrtica C1 < 0,263 curva leptocúrtica C1 > 0,263 curva platicúrtica 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 APOSTILA DE ESTATÍSTICA E PROBABILIDADE QC IM 2016 Prof Leonardo 41 Já caiu na prova... APOSTILA DE ESTATÍSTICA E PROBABILIDADE QC IM 2016 Prof Leonardo 42 4 - MEDIDAS DE VARIABILIDADE OU DISPERSÃO Visam descrever os dados no sentido de informar o grau de dispersão ou afastamento dos valores observados em torno de um valor central (representativo) chamado média. Informa se um conjunto de dados é homogêneo (pouca variabilidade) ou heterogêneo (muita variabilidade). 4.1 - Desvio Quadrático ou Variância - S2 (amostra) ou 2 (populacional) a) para dados não tabelados: (Fórmula sem freqüência) APOSTILA DE ESTATÍSTICA E PROBABILIDADE QC IM 2016 Prof Leonardo 43 Variância -> 22 2 n x n x s ii Desvio Padrão -> 22 n x n x s iiAPOSTILA DE ESTATÍSTICA E PROBABILIDADE QC IM 2016 Prof Leonardo 44 APOSTILA DE ESTATÍSTICA E PROBABILIDADE QC IM 2016 Prof Leonardo 45 Exemplo: Idade de cinco alunos da ADM, 1º semetre da UNIFRA, 2010/1: 19 22 20 16 26 Exercicios: APOSTILA DE ESTATÍSTICA E PROBABILIDADE QC IM 2016 Prof Leonardo 46 Ache a variância e o Desvio Padrão dos dados abaixo: Sem intervalo de freqüência. a) 40 , 45, 48 , 52 , 54 , 62 , 70 b) 21,25, 28,29, 30, 33, 35, 40, 41, 50 c) 10,12,13,14,18,19,21,25 Já para dados tabelados (Fórmula com freqüência) Variância -> 22 2 n xf n xf s iiii Desvio Padrão -> 22 n xf n xf s iiii Exemplo: Altura dos dos Alunos da ADM, 1º semetre da UNIFRA, 2010/1 Altura (cm) xi Fi 150 |--- 158 154 4 158 |--- 166 162 12 166 |--- 174 170 20 174 |--- 182 178 13 182 |--- 190 186 5 ---- 54 Fonte: Dados Hipotéticos Exercicio 1) A tabela abaixo apresenta a distribuição de freqüência dos salários mensais em reais, de 65 empregados da companhia P & R. Calcule a variancia e o desvio padrão. Salários (R$) Nº de Empregados 5.000 ---- 6.000 8 6.000 ---- 7.000 10 7.000 ---- 8.000 16 APOSTILA DE ESTATÍSTICA E PROBABILIDADE QC IM 2016 Prof Leonardo 47 8.000 ---- 9.000 14 9.000 ---- 10.000 10 10.000 ---- 11.000 5 11.000 ---- 12.000 2 Total 65 2) Foi feito um inquérito a 40 pessoas que compraram carro novo com o objetivo de se saber quantas reparações, ou substituições de peças, foram feitas durante o primeiro ano utilização dos veículos. Obtiveram: 1 4 1 2 2 3 3 2 1 2 3 2 3 1 0 1 2 7 4 3 5 1 2 4 2 1 3 1 0 1 2 1 1 3 1 0 4 2 3 5 Organize os dados numa tabela de freqüências. (freqüências absolutas, relativas, e freqüências acumuladas, absolutas e relativas), ache a Mediana os Quartis (Q1 e Q3) o desvio padrão e a variância. 4.2 - Desvio Padrão [S (amostra) ou (população)] Variância Sou Exemplos: 1) Idade de cinco alunos da ADM, 1º semetre da UNIFRA, 2009/1: 19 22 20 16 26 2) Altura dos dos Alunos da ADM, 1º semetre da UNIFRA, 2009/1 Altura (cm) xi Fi 150 |--- 158 154 4 158 |--- 166 162 12 166 |--- 174 170 20 174 |--- 182 178 13 182 |--- 190 186 5 ---- 54 APOSTILA DE ESTATÍSTICA E PROBABILIDADE QC IM 2016 Prof Leonardo 48 Fonte: Dados Hipotéticos Já caiu na prova... Já caiu na prova... APOSTILA DE ESTATÍSTICA E PROBABILIDADE QC IM 2016 Prof Leonardo 49 4.3 - Medidas de Dispersão Relativa Já caiu na prova... APOSTILA DE ESTATÍSTICA E PROBABILIDADE QC IM 2016 Prof Leonardo 50 4.3.1 - Coeficiente de Variação de Pearson É a medida de variabilidade em geral expressa em porcentagem, e tem por função determinar o grau de concentração dos dados em torno da média. 100 .. xVC População 100 S .. x X VC Amostra Obs.: 0% C.V.P. 100% C.V.P 50% a média é representativa C.V.P. 0 é a maior representatividade da média (S = 0) Já caiu na prova... APOSTILA DE ESTATÍSTICA E PROBABILIDADE QC IM 2016 Prof Leonardo 51 Resumão APOSTILA DE ESTATÍSTICA E PROBABILIDADE QC IM 2016 Prof Leonardo 52 APOSTILA DE ESTATÍSTICA E PROBABILIDADE QC IM 2016 Prof Leonardo 53 Já caiu na prova... 5 – NOÇÕES DE AMOSTRAGEM 5.1 - Conceitos em Amostragem Inferência Estatística - é o processo de obter informações sobre uma população a partir de resultados observados ma Amostra. Amostragem - É o processo de retirada de informações dos "n" elementos amostrais, na qual deve seguir um método adequado (tipos de amostragem). APOSTILA DE ESTATÍSTICA E PROBABILIDADE QC IM 2016 Prof Leonardo 54 FIGURA 1 – Inferência e amostragerm 5.2 - Plano de Amostragem 1º) Definir os Objetivos da Pesquisa 2º) População a ser Amostrada Parâmetros a ser Estimados (Objetivos) 3º) Definição da Unidade Amostral Seleção dos Elementos que farão parte da amostra 4º) Forma de seleção dos elementos da população Tipo de Amostragem: dosconglomera adaestratific asistemátic simplesaleatória 5º) Tamanho da Amostra Exemplo: Moradores de uma Cidade (população alvo) APOSTILA DE ESTATÍSTICA E PROBABILIDADE QC IM 2016 Prof Leonardo 55 Objetivo: Tipo de Residência emprestada alugada própria Unidade Amostral: Domicílios (residências) Elementos da População: Família por domicílio Tipo de Amostragem: adaestratific asistemátic simplesaleatória 5.3 - Tipos de Amostragem 5.3.1 - Amostragem Simples ou Ocasional É o processo mais elementar e freqüentemente utilizado. Todos os elementos da população tem igual probabilidade de serem escolhidos. Para uma população finita o processo deve ser sem reposição. Todos os elementos da população devem ser numerados. Para realizar o sorteio dos elementos da população pode-se usar a Tabela de Números Aleatórios ou gerar números aleatórios por meio de um software; 5.3.2 - Amostragem Sistemática Trata-se de uma variação da Amostragem Aleatória Ocasional, conveniente quando a população está naturalmente ordenada, como fichas em um fichário, lista telefônica, etc. Ex.: N = 500 (População) n = 50 (Amostra) então 100 n N r , (teremos uma Progressão Aritmética (PA) de razão 10) Sorteia-se usando a Tabela de Números Aleatórios um número entre 1 e 10, (x=3), o número sorteado refere-se ao 1o elemento da amostra, logo os elementos da amostra serão: 3 13 23 33 43 ...... Para determinar qualquer elemento da amostra podemos usar a fórmula do termo geral de uma P.A. APOSTILA DE ESTATÍSTICA E PROBABILIDADE QC IM 2016 Prof Leonardo 56 rnaan ).1(1 5.3.3 - Amostragem Estratificada É um processode amostragem usado quando nos depararmos com populações heterogêneas, na qual pode-se distinguir subpopulações mais ou menos homogêneas, denominados estratos. Após a determinação dos estratos, seleciona-se uma amostra aleatória de cada uma subpopulação (estrato). As diversas subamostras retiradas das subpopulações devem ser proporcionais aos respectivos números de elementos dos estratos, e guardarem a proporcionalidade em relação a variabilidade de cada estrato, obtendo-se uma estratificação ótima. Tipos de variáveis que podem ser usadas em estratificação: idade, classes sociais, sexo, profissão, salário, procedência, etc. 5.3.4 - Amostragem por Conglomerados (ou Agrupamentos) Algumas populações não permitem, ou tornam-se extremamente difícel que se identifiquem seus elementos, mas podemos identificar subgrupos da população. Em tais casos, uma amostra aleatória simples desses subgrupos (conglomerados) podem ser escolhida, e uma contagem completa deve ser feita no conglomerado sorteado. Agregados típicos são: quarteirões, famílias, organizações, agências, edifícios, etc. 5.4 – Tamanho da Amostra 5.4.1 - Introdução Os pesquisadores de todo o mundo, na realização de pesquisas científicas, em qualquer setor da atividade humana, utilizam as técnicas de amostragem no planejamento de seus trabalhos, não só pela impraticabilidade de poderem observar, numericamente, em sua totalidade determinada população em estudo, como devido ao aspecto econômico dessas investigações, conduzidos com um menor custo operacional, dentro de um menor tempo, além de possibilitar maior precisão nos respectivos resultados, ao contrário, do que ocorre com os trabalhos realizados pelo proceso censitário. A técnica da amostragem, a despeito de sua larga utilização, ainda necessita de alguma didática mais adequada aos pesquisadores iniciantes. Na teoria da amostragem, são consideradas duas dimensões: 1ª) Dimensionamento da Amostra; 2ª) Composição da Amostra. APOSTILA DE ESTATÍSTICA E PROBABILIDADE QC IM 2016 Prof Leonardo 57 Tabela utilizada para saber sem fazer calculos quantas amostras podemos utilizar para n população: Tamanho da Amostra Obs.: um passo importante antes de iniciar o cálculo do tamanho da amostra é definir qual o erro amostral tolerável para o estudo que será realizado. Observe a seguinte fórmula: , onde: APOSTILA DE ESTATÍSTICA E PROBABILIDADE QC IM 2016 Prof Leonardo 58 n0 é a primeira aproximação do tamanho da amostra E0 é o erro amostral tolerável (Ex.: 2% = 0,02 ) , onde: N é o número de elementos da população n é o tamanho da amostra Observe o seguinte exemplo para compreender melhor: Exemplo Em uma empresa que contém 2000 colaboradores, deseja-se fazer uma pesquisa de satisfação. Quantos colaboradores devem ser entrevistados para tal estudo? Resolução N = 2000 Definindo o erro amostral tolerável em 2% E0 = 0,02 n0 = 1 / (E0) 2 n0 = 1 / (0,02) 2 n0 = 2500 n = (N . n0) / (N + n0) n = (2000 . 2500) / (2000 + 2500) n = 1111 colaboradores Com o erro amostral tolerável em 2%, 1111 colaboradores devem ser entrevistados para a pesquisa. Vamos repetir os cálculos, definindo o erro amostral tolerável em 4%. N = 2000 E0 = 0,04 n0 = 1 / (E0) 2 n0 = 1 / (0,04) 2 n0 = 625 n = (N . n0) / (N + n0) n = (2000 . 625) / (2000 + 625) n = 476 colaboradores Através deste segundo cálculo, é possível observar que, quando aumentamos a margem de erro, o tamanho da amostra reduz. E se houvesse 300.000 colaboradores na empresa? N = 300.000 E0 = 0,04 n0 = 1 / (E0) 2 n0 = 1 / (0,04) 2 n0 = 625 APOSTILA DE ESTATÍSTICA E PROBABILIDADE QC IM 2016 Prof Leonardo 59 n = (N . n0) / (N + n0) n = (300.000 . 625) / (300.000 + 625) n = 623 colaboradores Observe que a diferença entre n e n0, neste último cálculo, é muito pequena. Portanto: se o número de elementos da população (N) é muito grande, a primeira aproximação do tamanho da amostra já é suficiente. Fórmula para populações finitas( revisando) 2 0 0 1 E n Primeira aproximação 0 0. nN nN n Tamanho da amostra pedida Exercícios: 1) Temos 200 famílias com erro amostral de 4% qual deve ser o tamanho da minha amostra? 2) E para N = 20.000 famílias? 3) Numa pesquisa para uma população presidencial, qual deve ser o tamanho de uma amostra aleatória simples, se deseja garantir um erro amostral não superior a 2%? 4) Numa escola com 1000 alunos, deseja-se estimar a percentagem dos que estão satisfeitos com a direção. Qual deve ser o tamanho da amostra aleatória simples que garanta um erro amostral não superior a 5%? 5) Qual deve ser o tamanho mínimo de uma amostra aleatória simples tais que possamos admitir com alta confiança, que os erros amostrais não ultrapassem 7%: a) Para 5500 pessoas? b) Para 25000 pessoas? c) Para 100.000 pessoas? 6) Numa empresa de 10000 funcionários, deseja-se estimar a percentagem de funcionários favoráveis a certo programa de treinamento. Qual deve ser o tamanho da amostra aleatória simples que garanta com alto nível de confiança, com erro amostral não superior a 4,3% ? APOSTILA DE ESTATÍSTICA E PROBABILIDADE QC IM 2016 Prof Leonardo 60 7) Numa pesquisa, queremos investigar informações a respeito de 800 pessoas pesquisando apenas parte destes, sem correr o risco de errar com mais de 3,7%. Quantas pessoas deverão consultar? 8) Para dar a porcentagem de defeitos das 3000 peças fabricadas por dia com um erro amostral de 4,1 %, quantas peças devemos verificar? APOSTILA DE ESTATÍSTICA E PROBABILIDADE QC IM 2016 Prof Leonardo 61 Probabilidade APOSTILA DE ESTATÍSTICA E PROBABILIDADE QC IM 2016 Prof Leonardo 62 APOSTILA DE ESTATÍSTICA E PROBABILIDADE QC IM 2016 Prof Leonardo 63 APOSTILA DE ESTATÍSTICA E PROBABILIDADE QC IM 2016 Prof Leonardo 64 Arranjo APOSTILA DE ESTATÍSTICA E PROBABILIDADE QC IM 2016 Prof Leonardo 65 Arranjos simples de n elementos tomados s a s (s ≤ n) são os diferentes agrupamentos ordenados que se podem formar com p dos n elementos dados. Indica-se por An,s ou o total desses agrupamentos, que calculamos assim: APOSTILA DE ESTATÍSTICA E PROBABILIDADE QC IM 2016Prof Leonardo 66 Exemplos: A8,4 (onde n = 8 e p = 4) Exemplo 1: Calcular a) A 6,2 b) 1,22,4 2,34,5 AA AA Exemplo 2: Calcular E = A7,3 + A3,2 – A5,4 Exemplo 3: Quantos números de 3 algarismos podemos formar com os algarismos 1, 2, 3, 4, 5 e 7 , sem repeti-los? Exemplo 4: Quantos números pares de 4 algarismos podemos formar com os algarismos 0, 1, 2, 3, 4, 5 e 6, sem repeti-los? APOSTILA DE ESTATÍSTICA E PROBABILIDADE QC IM 2016 Prof Leonardo 67 Exemplo 5: Numa sala de 20 alunos, deseja-se formar grupos de estudos de três elementos, que tenham projetos diferentes. a) De quantos modos diferentes se podem escolher os alunos? b) De quantas maneiras se podem escolher os alunos sabendo que dois dos alunos não podem pertencer ao mesmo grupo? Exercícios: Calcule: 1) Quantos números de 5 algarismos distintos podemos formar com os algarismos 1, 2, 3, 4, 5, 6, 7, 8 e 9? 2) Quantos números de 3 letras, sem repetição, podemos formar com as 9 primeiras letras do nosso alfabeto? 3) Quantos números de 3 algarismos, sem repetição, podemos formar com os algarismos 1, 2, 3, 4, 5, 6, 7, 8 e 9, incluindo sempre o algarismo 4? 4) Quantos números de 4 algarismos distintos podemos formar com os algarismos 0,1, 2, 3, 4, 5, 6, 7, 8 e 9 ? 5) Quantos são os números compreendidos entre 2 000 e 3 000, formados por algarismos distintos escolhidos entre 1, 2, 3, 4, 5, 6, 7, 8 e 9 ? APOSTILA DE ESTATÍSTICA E PROBABILIDADE QC IM 2016 Prof Leonardo 68 6) Cinco homens e uma mulher pretendem utilizar um banco de cinco lugares. De quantas maneiras diferentes podem sentar-se,nunca fincando em pé a mulher? Permutação Quando k = n, isto é, quando os arranjos abrangem a totalidade dos elementos, temos o que se chama PERMUTAÇÃO de n elementos, cuja representação simbólica é Pn. Pn = n! Exemplo: Considere uma urna com 5 bolas numeradas de 1 a 5. De quantas maneiras diferentes podemos retirar, sem reposição, as 5 bolas. Solução: Aqui teremos uma seqüência de 5 bolas numeradas onde cada seqüência nos fornece um número diferente e o quantitativo de bolas selecionada é o quantitativo que se encontra na urna. Logo temos uma permutação de 5 bolas ou um arranjo de 5 bolas tomadas 4 a 4: P5 = 5 . 4 . 3 . 2 . 1 = 120 maneiras diferentes Exercícios: 1) Calcular E, sendo E= 2 46 5 .2 P PP P 2) Quantos números de4algarismos distintos podem ser formados, usando-se os algarismos 1, 3, 5 e 7? APOSTILA DE ESTATÍSTICA E PROBABILIDADE QC IM 2016 Prof Leonardo 69 3) Considere os números obtidos do número 12345, efetuando-se todas as permutações de seus algarismos. Colocando esses números em ordem crescente, qual o lugar ocupado pelo número 43521? 4) Formados e dispostos em ordem alfabética todos os anagramas da palavra ESAN, determine a posição que ocupará apalavra NASE? 5) Calcule o número de permutação que podem ser feitas com as letras da palavra CAPITULO, de forma que não fiquem juntas duas vogais e duas consoantes. COMBINAÇÕES Quando necessitamos formar conjuntos de k elementos não importando a ordem dos elementos, não podemos utilizar a definição de arranjo onde a ordem é relevante. Temos então a definição de combinação de n elementos tomados k a k, cuja definição é: )!(! ! knk n k n C Kn Exemplo: Considere o lançamento de 6 moedas. De quantas maneiras diferentes podemos obter 4 caras? Solução: Este experimento leva em consideração somente o total de caras e coroas, não importando a ordem com que os resultados aparecem. Assim, estamos no âmbito das combinações, ou seja, APOSTILA DE ESTATÍSTICA E PROBABILIDADE QC IM 2016 Prof Leonardo 70 Exercícios: 1) De quantas maneiras podemos escalar um time de futebol de salão disposto de 8 jogadores? 2) Numa sala, temos 5 rapazes e6moças.quantos grupos podemos formar de 2 rapazes e 3 moças? 3) Numa classe de10 estudantes, um grupo de 4 será selecionada para uma excursão.De quantas maneiras o grupo poderá ser formado se dois dos 10 são marido e mulher e só irão juntos? 4) Numa turma de 30 alunos, 9 tem motocicleta e outros 8 tem bicicleta.quantos grupos diferentes de 7 alunos se podem formar naquela turma, de modo a haver em cada grupo 4 motocicletas e 2 bicicletas? 5) Num plano temos 16 pontos; 9 deles pertencem a uma reta. Quantas circunferências podem passar por 3 quaisquer daqueles pontos? 6) Sobre uma reta, marcam-se 8 pontos e sobre uma outra reta, pararela a primeira marcam-se 5 pontos. Quantos triângulos obteremos unindo 3 quaisquer desses pontos? APOSTILA DE ESTATÍSTICA E PROBABILIDADE QC IM 2016 Prof Leonardo 71 Introdução à Probabilidade As origens da probabilidade remontam ao século XVI. As aplicações iniciais referiam-se quase todas, a jogos de azar. Os jogadores aplicavam o conhecimento da teoria das probabilidades para planejar estratégias de apostas. Atualmente a utilização das probabilidades ultrapassou de muito o âmbito desses jogos. Hoje os governos, as empresas, as organizações profissionais incorporam a teoria das probabilidades em seus processos diários de deliberações. Independentemente de qual seja a aplicação em particular, a utilização das probabilidades indica que existe um elemento de acaso, ou de incerteza, quanto à ocorrência ou não de um evento futuro. Assim é que, em muitos casos, pode ser virtualmente impossível afirmar por antecipação o que ocorrerá, mas é possível dizer o que pode ocorrer. Há numerosos exemplos de tais situações no campo dos negócios e do governo. A previsão da procura de um novo produto, o cálculo dos custos da produção, a previsão das safras, a compra de apólices de seguros, a avaliação da redução de impostos sobre a inflação. As probabilidades são úteis, pois ajudam a desenvolver estratégias. O ponto central em todas as situações é a possibilidade de quantificar quão provável é determinado evento. As probabilidades são utilizadas para exprimir a chance de ocorrência de determinado evento. O estudo das probabilidades é importante pois elas são a base para o estudo estatístico. Experimento aleatório Experimentos aleatórios são aqueles que, mesmo repetidos várias vezes sob condições semelhantes, apresentam resultados imprevisíveis. Características dos experimentos aleatórios: 1. Podem ser repetidos indefinidamente sob as mesmas condições. 2. Não se pode adiantar um resultado particular, mas podem-se descrever todos os resultados possíveis. 3. Se repetidos muitas vezes apresentarão uma regularidade em termos de freqüência de resultados. Exemplos: lançamento de uma moeda, lançamento de um dado, aposta na loteria, .... Ao descrever um experimento aleatório deve-se especificar não somente que operação ouprocedimento deva ser realizado, mas também o que deverá ser observado. (Note a diferença entre o 2º e o 3º) Joga-se um dado e observa-se o número obtido na face superior. Joga-se uma moeda 4 vezes e o observa-se o número de caras obtido. APOSTILA DE ESTATÍSTICA E PROBABILIDADE QC IM 2016 Prof Leonardo 72 Joga-se uma moeda 4 vezes e observa-se a seqüência de caras e coroas. Um lote de 10 peças contém 3 defeituosas. As peças são retiradas uma a uma (sem reposição) até que a última defeituosa seja encontrada. Conta-se o número de peças retiradas. Uma lâmpada nova é ligada e observa-se o tempo gasto até queimar. Lança-se uma moeda até que ocorra uma cara e conta-se então o número de lançamentos necessários. Lançam-se dois dados e anota-se o total de pontos obtidos. Lançam-se dois dados e anota-se o par obtido. Espaço amostral O espaço amostral (S) de um experimento aleatório é o conjunto de todos os possíveis resultados do experimento. n(S) é o número de elementos do conjunto S, ou o número de Exemplo: Um experimento é o lançamento de uma moeda. Os possíveis resultados são cara ou coroa, então, S={cara, coroa}. Em dois lançamentos de uma moeda, sendo interessante observar a ordem dos resultados, os possíveis resultados são: 1) cara e cara, 2) cara e coroa, 3) coroa e cara e 4) coroa e coroa. resultados possíveis. APOSTILA DE ESTATÍSTICA E PROBABILIDADE QC IM 2016 Prof Leonardo 73 O espaço amostral é S={(Ca,Ca), (Ca,Co), (Co,Ca) e (Co,Co)}. n(S)=4 Eventos Chama-se de evento qualquer subconjunto do espaço amostral S de um experimento aleatório, ou seja, qualquer resultado do espaço amostral. n(A) é o número de resultados associados ao evento A. Exemplo: no lançamento de uma moeda S = {cara, coroa}. Um evento de interesse A pode ser “obter cara no lançamento de uma moeda” e n (A) = 1. No lançamento de um dado, o evento de interesse (A) pode ser obter face par e n(A)=3. A probabilidade de um evento Seja A um evento. A probabilidade de este evento ocorrer é dada por P(A), que é um número entre 0 e 1. Quanto mais próxima a probabilidade estiver de 1, maior será sua chance de ocorrência. A um evento impossível atribui-se probabilidade 0, enquanto que um evento certo tem probabilidade 1. Há três maneiras diferentes de calcular ou estimar probabilidades: o método clássico, quanto o espaço amostral tem resultados igualmente prováveis. O método empírico, que se baseiam na freqüência relativa de ocorrência de um evento num grande número de provas repetidas e o método subjetivo, que utiliza estimativas pessoais de probabilidade, baseadas num certo grau de crença. Em geral vamos utilizar o método clássico de cálculo de probabilidades.Quando os resultados são equiprováveis, a probabilidade de cada resultado é função do número de resultados possíveis: número de resultados associados ao evento A número total de resultados possíveis Exemplo: Experimento: lançar um dado e observar a face superior Espaço amostral: S= {1,2,3,4,5,6} n(S) = 6 Evento A: face par n(A)=3 P(A)= 3/6 = ½ = 0,5 ou 50% Exercícios 1) No lançamento de um dado, determinar a probabilidade de se obter: a) o número 2 b) um número par c) um número múltiplo de 3 P(A) = APOSTILA DE ESTATÍSTICA E PROBABILIDADE QC IM 2016 Prof Leonardo 74 2) De um baralho com 52 cartas tiram-se, sucessivamente, sem reposição, duas cartas. Determinar a probabilidade dos eventos: a) as duas cartas são “damas”, b) as duas cartas são de “ouro”. 3) Complete a tabela com os valores calculados da probabilidade dos eventos ocorrerem. Experimento Evento P(Evento) Lançar uma moeda uma vez Cara Lançar um dado uma vez Face 3 Extrair uma carta de um baralho com 52 cartas 6 vermelho Extrair uma carta de um baralho de 52 cartas Valete de ouros APOSTILA DE ESTATÍSTICA E PROBABILIDADE QC IM 2016 Prof Leonardo 75 Cálculo das probabilidades Muitas aplicações da estatística exigem a determinação da probabilidade de combinações dos eventos. Há duas características de combinações. Pode ser necessário determinar a probabilidade de ambos os eventos acontecerem P(A e B) ou a probabilidade de um deles, A ou B, ou seja, P(A ou B). Em um prédio com 2 elevadores, poderíamos perguntar: Qual a probabilidade de ambos elevadores estarem em serviço? Ou então, Qual a probabilidade de um ou outro elevador estar em serviço? APOSTILA DE ESTATÍSTICA E PROBABILIDADE QC IM 2016 Prof Leonardo 76 Ambos implica P(A e B) Um ou outro implica P(A ou B) Regra da adição: A regra da adição leva em conta a ocorrência do evento A ou do evento B ou de ambos os eventos e é denotada por P(AUB). Quando os eventos são mutuamente excludentes (não tem elementos em comum), então a probabilidade de ambos é nula e o termo P(A e B) será zero. A B P(A ou B) = P(A) + P(B) – P(A e B) P(A U B) = P(A) + P(B) – P(A B) P(A B) Se A e B são mutuamente excludentes P(A U B) = P(A) + P(B) APOSTILA DE ESTATÍSTICA E PROBABILIDADE QC IM 2016 Prof Leonardo 77 APOSTILA DE ESTATÍSTICA E PROBABILIDADE QC IM 2016 Prof Leonardo 78 APOSTILA DE ESTATÍSTICA E PROBABILIDADE QC IM 2016 Prof Leonardo 79 APOSTILA DE ESTATÍSTICA E PROBABILIDADE QC IM 2016 Prof Leonardo 80 APOSTILA DE ESTATÍSTICA E PROBABILIDADE QC IM 2016 Prof Leonardo 81 APOSTILA DE ESTATÍSTICA E PROBABILIDADE QC IM 2016 Prof Leonardo 82 Exercícios: 1. Numa urna existem 10 bolas numeradas de 1 a 10. Retira-se uma bola ao acaso. Qual a probabilidade do número ser par ou maior que 4? 2. Numa urna existem 10 bolas numeradas de 1 a 10. Retira-se uma bola ao acaso. Qual a probabilidade do número ser um número primo ou maior que 8? 3.Qual a probabilidade de se jogar um dado e se obter o número 3 ou o numero ímpar?APOSTILA DE ESTATÍSTICA E PROBABILIDADE QC IM 2016 Prof Leonardo 83 4.Numa caixa estão 20 bolas numeradas de 1 a 20. Retira-se 1bolaao acaso.qual é a probabilidade de se obter maior que o numero 16 ou um numero múltiplo de 4. Eventos Complementares Sabemos que um evento pode ocorrer ou não. Sendo p a probabilidade de que ele ocorra (sucesso) e q a probabilidade de q ele não ocorra (insucesso), para que um mesmo evento existe sempre a relação: p + q = 1 => q = 1 – p Assim, se a probabilidade de se realizar um evento é p=1/5, a probabilidade de que ele não ocorra é: q = 1 – p => q = 1 – (1/5) = 4/5 Sabemos que a probabilidade de tirar o 4 no lançamento de um dado é p = 1/6. logo a probabilidade de não tirar o 4 no lançamento de um dado é: q = 1 – (1/6) = > q = 5/6 Outro modo de aplicarmos a probabilidade de um evento completar é quando que usar a fórmula de COMBINAÇÃO para resolvermos o exercício: Sejam A e A dois eventos de um espaço amostral U; sendo A o evento complementar de A, temos: P(A) + P(A) = 1 A + A = U n(A) + n(A) = n(U) => 1)()( )( )( )( )( )( )( APAP Un Un Un An Un An Exemplo: Consideramos um conjunto de 10 frutas, das quais 3 estão estragadas. Escolhendo-se aleatoriamente 2 frutas desse conjunto, determinar a probabilidade de que: a) ambas não estejam estragadas b)pelo menos uma esteja estragada Resolução: a) Calculo do número de maneiras pelas quais duas frutas podem ser escolhidas: Cálculo do número de maneiras pelas quais duas frutas podem se ser escolhidas sem estarem estragadas: U A A APOSTILA DE ESTATÍSTICA E PROBABILIDADE QC IM 2016 Prof Leonardo 84 b) A é o evento: pelo menos uma fruta esta estragada Exercícios: 1)De um lote de 14 peças, das quais 5 são defeituosas, escolhemos 2, aleatoriamente. Determine: a) a probabilidade de que ambas sejam defeituosas; b) a probabilidade de que ambas não sejam defeituosas; c) a probabilidade de que uma seja defeituosa. 2) Uma urna contém 3 bolas brancas e 4 pretas. Tiramos, sucessivamente, 2 bolas. Determine a probabilidade de: a) as bolas terem a mesma cor; b) as bolas terem cores diferentes. Eventos Independentes Dizemos que dois eventos são independentes quando a realização ou a não realização de um dos eventos afeta a probabilidade de realização do outro e vice-versa. Por exemplo, quando lançamos dois dados, o resultado obtido em um deles independe do resultado obtido no outro. Se dois eventos são independentes, a probabilidade de que eles se realizem simultaneamente é igual ao produto das probabilidades de realização dos dois eventos. APOSTILA DE ESTATÍSTICA E PROBABILIDADE QC IM 2016 Prof Leonardo 85 Assim, sendo p1, a probabilidade de realização do primeiro evento e p2 a probabilidade de realização do segundo evento, a probabilidade de que tais eventos se realizem simultaneamente é dada por: p = p1 x p2 Exemplo: Lançamento de dois dados. A probabilidade de obtermos 1 no primeiro dado é: p1=1/6. A probabilidade de obtermos 5 no segundo dado é: p2 = 1/6 Logo a probabilidade de obtermos simultaneamente, 1 no primeiro e 5 no segundo é: p = 36 1 6 1 6 1 x Eventos Mutuamente Exclusivos Dizemos que dois ou mais eventos são mutuamente exclusivos quando a realização de um exclui a realização do(s) outro(s). Assim, no lançamento de uma moeda, o evento “tirar cara” e o evento “tirar coroa”, são mutuamente exclusivos, já que, ao se realizar um deles, o outro não se realiza. Se dois eventos são mutuamente exclusivos, a probabilidade de que um ou outro se realize é igual à soma das probabilidades de que cada um deles se realize: p = p1 + p2 Exemplo: Lançamos um dado. A probabilidade de se tirar o 3 ou o 5 é: p = 3 1 6 2 6 1 6 1 , pois, como vimos dois eventos são mutuamente exclusivos. Exercícios: 1) De dois 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 segunda carta ser 5 de paus? 2) 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, 4 verdes. Uma bola é retirada de cada urna. Qual a probabilidade de as três bolas retiradas da primeira, segunda e terceira urnas serem, respectivamente, branca , preta e verde? APOSTILA DE ESTATÍSTICA E PROBABILIDADE QC IM 2016 Prof Leonardo 86 3) No lançamento de um dado, qual a probabilidade de se obter um numero não inferior a 5? 4) São dados dois baralhos de 52 cartas. Tiramos, ao mesmo tempo, uma carta do primeiro baralho e uma carta do segundo. Qual a probabilidade de tirarmos uma dama e um rei, não necessariamente nessa ordem? 5) Dois dados são lançados conjuntamente. Determine a probabilidade de soma ser 10 ou mais que 10. 6) Uma moeda é lançada 4 vezes. Qual a probabilidade de que apareça coroa nas quatro vezes? 7) Retirando-se duas cartas ao acaso, sem reposição, de um baralho de 52 cartas, qual a probabilidade de ser a primeira de paus e a segunda de copas? 8) Considerem-se duas caixas, I e II. Na caixa I, há 4 bolas pretas e 6 bolas azuis, e na caixa II, há 8 bolas pretas e 2 bolas azuis. Escolhe-se ao acaso, uma caixa e, em seguida, dela se tira uma bola. Qual a probabilidade de que esta bola seja : a) preta? b) azul? APOSTILA DE ESTATÍSTICA E PROBABILIDADE QC IM 2016 Prof Leonardo 87 Distribuições Discretas mais Importantes As principais distribuições discretas são: Distribuição Binomial e Distribuição Poisson e Distribuição. Distribuição Binomial Seja um processo composto de uma seqüência de observações independentes, onde o resultado de cada observação pode ser um sucesso ou uma falha. Se a probabilidade de sucesso é constante e igual a p, a distribuição do número de sucessos seguirá o modelo Binomial. A distribuição Binomial é usada com freqüência no controle de qualidade. É o modelo apropriado quando a amostragem é feita sobre uma população infinita ou muito grande. A distribuição binomial possui quatro propriedades essenciais: 1. As observações possíveis podem ser obtidas através de dois diferentes métodos de amostragem. Cada observação pode ser considerada como se tivesse sido selecionada a partir de uma população infinita sem reposição ou a partir de uma população finita com reposição. 2. Cada observação pode ser classificada em uma de duas categorias mutuamente excludentes e coletivamente exaustivas, usualmente chamadas sucesso ou falha. 3. A probabilidade de uma observação ser classificada como sucesso (p) é constante de observação para observação. Assim sendo, a probabilidade de fracasso
Compartilhar