Baixe o app para aproveitar ainda mais
Prévia do material em texto
Unidade I ESTATÍSTICA Profa. Adriana Bertolino Introdução Histórica Os homens, desde a antiguidade, vem fazendo registros de dados que consideram importantes. Geralmente estes dados eram ligados a interesses do Estado, tais como: número de habitantes riquezas do povo etchabitantes, riquezas do povo, etc. A partir do século XVI surgiram as primeiras tábuas e registros organizados de fatos sociais. Ex.: casamentos e batizados. Somente no século XVIII a Estatística foi denominada como o estudo matemático de catalogação de dados numéricos coletivos. Conceitos Básicos Estatística Descritiva: responsável pela coleta, organização e descrição dos dados. Estatística Indutiva: responsável pela análise e interpretação dos dados. Dados: são informações obtidas a partir de medições, resultados de pesquisas, contagens e levantamentos em geral. Exemplos: número de alunos de uma sala número de alunos de uma sala número de famílias carentes Conceitos Básicos Dados (variáveis) qualitativos: são dados compostos de qualquer informação não numérica. Exemplos: estado civil (solteiro, casado) Dados (variáveis) quantitativos: são dados compostos de informações numéricas . Exemplos: número de filhos (1, 2, 3,...). Conceitos Básicos População: é o conjunto de entes portadores de, no mínimo, uma característica comum. A população pode ser finita ou infinita. Amostra: corresponde ao subconjunto finito e representativo de uma população. Conceitos Básicos Exemplo: Queremos obter informações sobre a audiência de certo programa de televisão. A população corresponde ao númeroA população corresponde ao número total de domicílios que possuem TV. A amostra é o conjunto de domicílios que serão visitados. Conceitos Básicos O método utilizado para a escolha da amostra chama-se amostragem. Os métodos de amostragem são: Amostragem simples (ou aleatória) Amostragem sistemática Amostragem sistemática Amostragem estratificada Interatividade Ao nascer, os bebês são pesados e medidos, para se saber se estão dentro das tabelas de peso e altura esperados. Essas duas variáveis são: a) Qualitativas. b) Ambas discretas. c) Ambas contínuas. d) Contínua e discreta, respectivamente. e) Discreta e contínua, respectivamente. Distribuição de frequências Exemplo: O rol em seguida apresenta o número de veículos por residência para um determinado bairro de uma cidade muito pequena: Construa uma distribuição de frequências contendo: fi e fri. Distribuição de frequências ______________________________ Número de carros fi fri 0 6 0,15 1 13 0,325 2 9 0,225 3 8 0,20 ___ 4____________4____0,10_ 40 1 ObObs: 6/40 = 0,15 13/40 = 0,325 9/40 = 0,225 8/40 = 0,20 4/40 = 0,10 Distribuição de frequências Exemplo: Abaixo estão apresentadas as estaturas de 40 alunos: 150 155 160 162 166 151 156 160 162 167 152 156 160 163 168152 156 160 163 168 153 156 160 163 168 154 157 161 164 169 155 158 161 164 170 155 158 161 164 172155 158 161 164 172 155 160 161 165 173 Construa a distribuição de frequências. Distribuição de frequências Fórmulas: Amplitude total: AA = 173 – 150 = 23 Número de classes: logo a distribuição terá 6 classes. Amplitude da classe: h AA/k 23/6 3 83h = AA/k = 23/6 = 3,83 Logo a amplitude de classes deve ser 4. Distribuição de frequências Utilize o menor valor: 150 Some o valor da amplitude da classe, da seguinte forma: Cálculo Classes 150 + 4 = 154 150 ├ 154150 + 4 = 154 150 ├ 154 154 + 4 = 158 154 ├ 158 158 + 4 = 162 158 ├ 162 162 + 4 = 166 162 ├ 166 166 + 4 = 170 166 ├ 170166 + 4 = 170 166 ├ 170 Distribuição de frequências __________________________________ Estaturas__ _ fi fri Fi___ 150 ├ 154 4 0,1 4 154 ├ 158 9 0,225 13 ├158 ├ 162 11 0,275 24 162 ├ 166 8 0,20 32 166 ├ 170 5 0,125 37 170 ├ 174_____ 3_____ 0,075 ___40_ 40 1______________40________1________ Interatividade Considere a tabela apresentada ao lado: Nº de carros fi 0 2 1 9 2 5 3 2 4 2 A porcentagem de residências que possuem 3 carros é igual a: a) 2% b) 5% ∑ 20 b) 5% c) 10% d) 15% e) 20% Histograma O histograma também é conhecido por gráfico de coluna. Polígono de frequências O polígono de frequências é obtido ligando os pontos médios das colunas do histograma. Medidas de tendência central Média, Mediana e Moda Para dados não agrupados Exemplo: As notas de um aluno em uma determinada disciplina durante o ano foram: 3,5; 5,0; 6,5; 6,5 e 8,5. Calcule a nota média, a moda e a mediana do aluno na disciplina. Solução: = 3,5 + 5,0 + 6,5 + 6,5 + 8,5 = 30 = 6,0 5 5 Mo = 6,5 (número que mais aparece) Me = 6,5 (número que se encontra no centro) Medidas de tendência central Média, Mediana e Moda Para dados agrupados sem intervalo de classe Exemplo: Dada a distribuição de frequência abaixo, calcule a média, a mediana e a moda. Nº d fiNº de carros fi 0 2 1 9 2 5 3 2 4 2 ∑ 20 Solução: Mo = 1 (número que mais aparece) ∑ 20 Medidas de tendência central Média, Mediana e Moda Nº d fiNº de carros fi 0 2 1 9 2 5 3 2 4 2 ∑ 20 = 0x2 + 1x9 + 2x5 + 3x2 + 4x2 = 33 = 1,65 20 20 Mediana T t l d l t /2 20/2 10 ∑ 20 Total de elementos/2 = 20/2 = 10 10º elemento = 1 Me = 1 Medidas de tendência central Média Para dados agrupados com intervalo de classe Exemplo: Considerando a distribuição de Estaturas (cm) fi 150├ 154 4 154├ 158 15distribuição de frequências ao lado, determine a média. Solução: 154├ 158 15 158├ 162 11 162├ 166 10 ∑ 40 Solução: =152x4 + 156x15 + 160x11 + 164x10=158,7 40 Interatividade Considere a distribuição de frequências ao lado. Determine a alternativa que apresenta a média xi fi 10 1 11 3 12 4 13 5 14 7 e a moda desta distribuição. a) Média = 10 e Moda = 10 b) Média = 12,7 e Moda = 14 ) Médi 13 M d 11 20 c) Média = 13 e Moda = 11 d) Média = 13, 5 e Moda = 14 e) Média = 14 e Moda = 10 Medidas de dispersão: dados não agrupados Exemplo: Calcule a variância, o desvio padrão e o coeficiente de variação para os dados abaixo. 3,5 5,0 6,5 9,0 Solução: Média = = 24/4 = 6,0Solução: Média 24/4 6,0 xi xi- (xi- )2 3,5 3,5 - 6 = -2,5 (-2,5)2 = 6,25 5,0 5 - 6 = -1 (-1)2 = 1 6,5 6,5 – 6 = 0,5 (0,5)2 = 0,25( ) 9,0 9 - 6 = 3 (3)2 = 9 24 ∑(xi- )2 = 16,5 Medidas de dispersão: dados não agrupados Variância: 3 Desvio padrão: Coeficiente de variação: CV = 2,03 x 100 = 33,44% 6 Medidas de dispersão: dados agrupados sem intervalo de classe Exemplo: Determine a variância, o desvio padrão e o coeficiente de variação, dada a distribuição abaixo. Nº de carros fi 0 20 2 1 9 2 5 3 2 4 2 ∑ 20 Solução: = 0 + 9 + 10 + 6 + 8 = 1,65 20 ∑ Medidas de dispersão: dados agrupados sem intervalo de classe Nº de carros fi xi- (xi- )2 (xi - )2.fi 0 2 1,65 2,72 2,72 x 2 = 5,44 1 9 - 0,65 0,42 0,42 x 9 = 3,78 2 5 0,35 0,12 0,12 x 5 = 0,60 3 2 1 35 1 82 1 82 x 2 = 3 64 Variância Desvio padrão 3 2 1,35 1,82 1,82 x 2 = 3,64 4 2 2,35 5,52 5,52 x 2 = 11,04 ∑ 20 ∑(xi- )2.fi = 24,5 Coeficiente de variação: CV = 1,11 x 100 = 67,27% 1,65 19 Medidas de dispersão: dados agrupados com intervalo de classe Exemplo: Considere os dados abaixo. Calcule a variância e o desvio padrão. Estaturas (cm) fi 150├ 154 4 ├154├ 158 9 158├ 162 11 162├ 166 8 166├ 170 5 170├ 174 3 ∑ 40 Solução: = 6440 = 161 40 Medidas de dispersão: dados agrupados com intervalo de classe E t t fi i ( i )2 ( i )2 fiEstaturas (cm) fi xi- (xi- )2 (xi- )2.fi 150├ 154 4 -9 81 324 154├ 158 9 -5 25 225 158├ 162 11 -1 1 11 162├ 166 8 3 9 72 166├ 170 5 7 49 245166├ 170 5 7 49 245 170├ 174 3 11 121 363 ∑ 40 ∑(xi- )2.fi = 1240 Variância: Desviopadrão: 39 Interatividade Considere os resultados das medidas das estaturas e dos pesos de um mesmo grupo de indivíduos apresentados abaixo: Média s Estaturas 175 cm 5,0 cm A maior variação ocorre: a) Na estatura, pois S = 5,0 cm. b) Na estatura, pois CV = 2,86%. Estaturas 175 cm 5,0 cm Pesos 68 kg 2,0 kg ) , p , c) No peso pois, S = 2,0 kg. d) No peso, pois a média é igual a 68 kg. e) No peso, pois CV = 2,94%. ATÉ A PRÓXIMA! Unidade II ESTATÍSTICA Profa. Adriana Bertolino Conceitos básicos – Probabilidade Espaço Amostral (S): é o conjunto de todos os resultados possíveis, enquanto n(S) é o número de elementos do espaço amostral. Exemplos: a) no lançamento de uma moeda, temosa) no lançamento de uma moeda, temos S = {cara, coroa} n(S) = 2 b) no lançamento de um dado, temos) ç , S = {1, 2, 3, 4, 5, 6} n(S) = 6 Conceitos básicos – Probabilidade Evento (E): é qualquer subconjunto de um espaço amostral. Está relacionado com o experimento aleatório em questão. n(E) é o número de resultados possíveis do evento. Exemplo: no lançamento de um dado, o evento é sair um número par na face superior. Logo E = {2, 4, 6} n(E) = 3 Definição de Probabilidade Probabilidade (P): é a razão (divisão) entre o número de elementos (ou resultados) favoráveis a um determinado evento (E) e o número total de elementos (ou resultados) do espaço amostral (S). Fórmula: P = n(E) = número de elementos favoráveis n(S) número de elementos de S em que S representa o espaço amostral. Exemplo Considere o lançamento de um dado. Calcule a probabilidade de: a) sair o número 3. S = {1, 2, 3, 4, 5, 6}, logo n(S) = 6 E = {3} logo n(E) = 1E = {3}, logo n(E) = 1 P = 1/6 b) sair um número par. E = {2 4 6} logo n(E) = 3E = {2, 4, 6}, logo n(E) = 3 P = 3/6 = 1/2 Exemplo Considere o lançamento de um dado. Calcule a probabilidade de: c) sair um número maior que 10. S = {1, 2, 3, 4, 5, 6}, logo n(S) = 6 E = { } logo n(E) = 0E = { }, logo n(E) = 0 P = 0/6 = 0 (evento impossível) d) sair um número natural maior ou igual a 1 e menor ou igual a 6.g E = {1, 2, 3, 4, 5, 6}, logo n(E) = 6 P = 6/6 = 1 (evento certo) Eventos complementares Se P é a probabilidade de um evento ocorrer (sucesso), Q é a probabilidade de que o mesmo evento não ocorra (insucesso). Para obter Q, que é complementar de P, temos: P + Q = 1 = 100% Exemplo: se a probabilidade de um evento ocorrer é de 1/5, a probabilidade de o mesmo evento não ocorrer é calculada por:mesmo evento não ocorrer é calculada por: P = 5 – 1 = 4 5 5 Interatividade Considere o lançamento de duas moedas. Determine a probabilidade de o resultado apresentar duas caras. a) ½ b) 2/3b) 2/3 c) ¼ d) 1/3 e) 1 Eventos independentes – definição Dois eventos são independentes quando a realização de um deles não afeta a probabilidade de realização do outro, e vice-versa. A probabilidade de os eventos se realizarem simultaneamente é dada por: P = P1 x P2 em que P1 e P2 são os eventos independentes (também chamados de eventos produto). Eventos independentes – exemplo Ao serem lançados dois dados, qual é a probabilidade de obtermos 1 no primeiro dado e um número par no segundo dado? Solução: probabilidade de sair 1 = 1/6probabilidade de sair 1 1/6 probabilidade de sair número par = 3/6 = ½ P = 1 x 1 = 1 6 2 12 Eventos mutuamente exclusivos – definição Dois eventos são mutuamente exclusivos quando a realização de um interfere na realização do outro. Por exemplo, no lançamento de uma moeda, o evento tirar cara e o tirar coroa são mutuamente exclusivos pois se um deles for realizadoexclusivos, pois, se um deles for realizado, o outro não será. A probabilidade de que um ou outro evento se realize é dada por: P = P1 + P2 em que P1 e P2 são os eventos mutuamente exclusivos (também chamados de eventos soma). Eventos mutuamente exclusivos – exemplo Ao lançar um dado, qual é a probabilidade de o resultado ser 3 ou 5 na face superior? Solução: probabilidade de sair o número 3 = 1/6 probabilidade de sair o número 5 = 1/6probabilidade de sair o número 5 = 1/6 P = 1 + 1 = 2 = 1 6 6 6 3 Exemplos de probabilidade Numa caixa existem 10 bolinhas idênticas, numeradas de 1 a 10. Qual a probabilidade de que, ao se retirar uma bolinha, ela seja múltiplo de 2 ou de 5? Solução: S = {1, 2, 3, 4, 5, 6, 7, 8, 9, 10} n(S) = 10 E = {2, 4, 5, 6, 8,10} n(E) = 6 P = 6 = 3 10 5 Exemplos de probabilidade Uma caixa contém 20 canetas iguais, das quais 7 são defeituosas, e outra caixa contém 12, das quais 4 são defeituosas. Uma caneta é retirada aleatoriamente de cada caixa. Determine as probabilidades de que ambas sejam defeituosasque ambas sejam defeituosas. Solução: Caixa A – 20 canetas, em que 7 são defeituosas e 13 são perfeitas. Caixa B – 12 canetas, em que 4 sãoCaixa B 12 canetas, em que 4 são defeituosas e 8 são perfeitas. P = 7 x 4 = 28 = 11,67% 20 12 240 Interatividade Considere uma urna que contém 7 bolas brancas, 2 bolas vermelhas e 5 bolas pretas. Determine a probabilidade de se retirar, ao acaso, uma bola preta. a) ½ b) 1/6 c) 5/12 d) 5/7 e) 5/2 Distribuição normal de probabilidades – exemplo Os comprimentos das peças produzidas por certa máquina apresentaram as seguintes medidas estatísticas: média = 2,00 cm desvio-padrão = 0,04 cmdesvio padrão 0,04 cm Qual é a probabilidade de uma peça retirada aleatoriamente do lote analisado ter comprimento entre 2,00 cm e 2,0508 cm? Solução: z = 2,00 – 2,00 = 0 0,04 z = 2,0508 – 2,00 = 0,0508 = 1,27 0,04 0,04 Distribuição normal de probabilidades – exemplo z 0 1 2 3 4 5 6 7 8 9 0,0 0,1 0,2 0,3 Verificando na tabela, temos que a b bilid d é d d ... 1,2 0,3980 ... probabilidade é dada por: P = 0,3980 = 39,80% Distribuição normal de probabilidades – exemplo A nota média de uma classe de alunos é igual a 8,50, com desvio-padrão igual a 0,40. Sabendo que a nota é normalmente distribuída, calcule a probabilidade de encontrar alunos com média entre 8,00 e 9 509,50. Solução: z = 8,00 – 8,50 = 0,50 = – 1,25 0 40 0 400,40 0,40 z = 9,50 – 8,50 = 1,00 = 2,5 0,40 0,40 Distribuição normal de probabilidades – exemplo Verificando na tabela a probabilidade de encontrar a variável entre: 0 e 1,25 é igual a 0,3944 0 e 2,5 é igual a 0,4938 Sendo assim: P = 0,3944 + 0,4938 P = 0,8882 P = 88 82%P = 88,82% Correlação linear Em Estatística, a correlação é um parâmetro que indica o grau de correspondência entre duas variáveis (neste estudo, simbolizadas por x e y). Exemplos: salário de um trabalhador X escolaridade do trabalhador; quantidade de livros que uma pessoa já leu X escolaridade; horas de estudo X nota na prova; horas de estudo X nota na prova; temperatura de um forno X tempo de cozimento no forno. Correlação linear A correlação pode ser: positiva – dada pela relação direta entre as variáveis (se a variável x aumentar, a variável y também aumentará, e vice- versa). Exemplo: horas de estudo X nota na prova. negativa – dada pela relação inversa entre as variáveis (se a variável x aumentar, a variável y tenderá a diminuir, e vice-versa). Exemplo: velocidade do carro X tempo da viagem. Interatividade Encontre na tabela normal de probabilidades a probabilidade de encontrar uma variável padrão entre 0 e 1,47. a) 0,4292 b) 0,4676 c) 0,2332 d) 0,3454 e) 0,1234 Correlação linear – Diagrama de Dispersão Considere os dados apresentados abaixo que representam o número de anos que a pessoa estudou (xi) e número de livros que a pessoa já leu (yi). xi 3 5 7 9 10 14 16 yi 1 2 3 5 7 10 13 Construa o diagrama de dispersão equivalente. Correlação linear – Diagrama de Dispersão Solução: xi 3 5 7 9 10 14 16 yi 1 2 3 5 7 10 13 Correlação linear: coeficiente de correlação de Pearson Fórmula:Os possíveis valores de r variam de –1 a 1, em que: r = –1,00: correlação negativa perfeita; r = 0: correlação inexistente; r = 0: correlação inexistente; r = 1: correlação positiva perfeita. Correlação linear – exemplo Abaixo estão apresentados os dados referentes ao número de anos que a pessoa estudou (xi) e ao número de livros que a pessoa já leu (yi). xi 3 5 7 9 10 14 16 yi 1 2 3 5 7 10 13 Calcule o coeficiente de correlação de Pearson e interprete-o. Correlação linear – exemplo Solução: xi yi xi.yi xi2 yi2 3 1 3 9 1 5 2 10 25 4 7 3 21 49 9 9 5 45 81 25 10 7 70 100 49 14 10 140 196 100 16 13 208 256 16916 13 208 256 169 64 41 497 716 357 Correlação linear – exemplo Interatividade Foi realizada uma pesquisa sobre a relação entre as horas de estudo e a nota da prova e verificou-se que o coeficiente de correlação é igual a 0,98. Podemos concluir que a correlação é: a) fraca. b) positiva forte, ou seja, quanto maior o número de horas de estudo, maior a nota. c) positiva forte, ou seja, quanto maior oc) positiva forte, ou seja, quanto maior o número de horas de estudo, menor a nota. d) inexistente. e) negativa. ATÉ A PRÓXIMA! sld_1 sld_2
Compartilhar