Baixe o app para aproveitar ainda mais
Prévia do material em texto
Estatística Básica para os Cursos de Engenharia 75 (a) P(X < 37,0 mm)? 5,1 0,2 0,400,37 z . Para z = -1,5 tabela 0,0668. P(X < 37,0 mm) = P(Z < -1,5) = 0,0668 ou 6,68% (b) P(X > 44,0 mm)? 0,2 0,2 0,400,44 z . Para z = 2,0 tabela 0,9772. P(X > 44,0 mm) = P(z > 2,0) = 1 – 0,9772 = 0,0228 ou 2,28%. 40 x f(x) 37 0 z g(z) -1,5 0 2 z g(z) 40 44 x f(x ) Noções de probabilidade 76 (c) P(X < 38,0 mm) + P(X > 42,0 mm)? 0,1 0,2 0,400,38 z ; 0,1 0,2 0,400,42 z . Para z = -1 tabela 0,1587. P(X < 38,0) + P(X > 42,0) = P(z < -1) + P(z > 1) = 20,1587 = 0,3174 ou 31,74%. (d) 40,0 h mm? 063,0%3,6 2 %6,12 e entrando com esse valor no corpo da Tabela II, obtém-se zc = 1,53. Para x = 40,0 + h σ μx z que 38 40 42 x f(x) 40 0 x f(x) 40-h 40+h 0,0630,063 0,437 0,437 0 z g(z) 0,4370,437 0,0630,063 Zc-Zc 0 z g(z) 1 -1 Estatística Básica para os Cursos de Engenharia 77 substituindo, resulta 0,2 0,40h0,40 53,1 , ou seja, h = 3,06. Portanto, os limites são: 40,0 + h = 40,0 + 3,06 = 43,06 mm e 40,0 – h = 40,0 – 3,06 = 36, 94 mm (e) Novo desvio padrão? 0055,0%55,0 2 %1,1 , entrando no corpo da tabela, obtém-se: zc = 2,54. Como no item (d), os limites são 36,94 e 43,06 mm, então, 0409436 542 ,, , ou 0400643 542 ,, , , que resolvendo, resulta = 1,2. 2.16.4 Distribuição qui-quadrado Sejam z1, z2, ... , z , variáveis aleatórias independentes e normais, com média 0 e variância 1. Então, a variável aleatória 2 (qui- quadrado) definida como ν 1i 2 i 2 ν 2 2 2 1 2 zzzzχ 0 z g(z) 0,00550,0055 0,4945 0,4945 -Zc Zc Noções de probabilidade 78 tem fdp dada por /2χ12/2 ν/2 2 2eχ Γ(ν/2)2 1 )f(χ , 02χ (2.61) com média ν)E(χ 2 e variância ν2)V(χ 2 . Diz-se que 2 tem uma distribuição qui-quadrado com parâmetro , sendo conhecido como número de graus de liberdade. A Figura 2.16 representa graficamente a distribuição qui- quadrado para = 1, 4 e 10 graus de liberdade. Na função (2.61), define-se a função matemática gama com parâmetro r, denotada por (r), pela integral imprópria 0 x1r dxex)r( , r > 0 (2.62) Figura 2.16 – Distribuição qui-quadrado Demonstra-se que: 0 2 4 6 8 10 12 14 16 18 20 0 0.02 0.04 0.06 0.08 0.1 0.12 0.14 0.16 0.18 0.2 2 f( 2 ) =4 =6 =10 )(f 2 Estatística Básica para os Cursos de Engenharia 79 Demonstra-se que: (1º) (r) = (r –1)(r – 1) (2.63) (2º) Se r = n, inteiro e positivo, então (n) = (n – 1)! (2.64) Quando se deseja indicar que uma variável 2 tem distribuição qui-quadrado com graus de liberdade, utiliza-se a notação νχ~χ 22 ou 22 ~ . Uma propriedade conhecida como propriedade da aditividade de 2 diz que “a soma de k variáveis aleatórias independentes 2 1 , 2 2 , ... , 2 k , tendo distribuição 2 com 1, 2, ... , k graus de liberdade, respectivamente, tem distribuição 2 com 1 + 2 + ... + k, graus de liberdade”. Na Tabela IV (apêndice) estão tabulados os valores de 2, tais que, P(2 2 ). Exemplo Determinar, na Tabela IV, os valores de 2 , tais que: (a) )0(P 23 2 = 0,975 Noções de probabilidade 80 Entrando na Tabela IV (apêndice) com P = 0,975 e = 3, obtém-se 348,9 2 3 . (b) 0,90χχP 2102 0 2 3 2 0,975 0,025 0 2 10 2 0,1 0 0,9 0 Estatística Básica para os Cursos de Engenharia 81 Entrando na Tabela IV (apêndice) com P = 0,10 e = 10, obtém-se 865,4 2 10 . 2.16.5 Distribuição t de Student Se Z ~ N(0,1) e W ~ 2(), sendo Z e W variáveis aleatórias independentes, então a variável aleatória W/ν Z t (2.65) tem fdp dada por 2 1ν 2 ν t 1 2 ν Γπν 2 1ν Γ f(t) , - < t < (2.66) com média E(t) = 0 e variância 2ν ν V(t) para > 2, onde o parâmetro é denominado de graus de liberdade da distribuição. A Figura 2.17 mostra graficamente a distribuição t de Student para = 1, 5 e . A distribuição t de Student é simétrica em relação a t = 0, sendo que, para ela tende para uma distribuição normal com média zero e variância 1 (distribuição normal padronizada). Quando se deseja indicar que uma variável t tem uma distribuição t de Student com graus de liberdade, deve-se usar a notação t ~ t() ou t ~ t. A Tabela III (apêndice) mostra os valores de t, tais que, P(|t| < t) = P. Noções de probabilidade 82 Figura 2.17 - Distribuição t de Student Exemplo Determinar, na Tabela III (apêndice), os valores de t, tais que: (a) P(t < t5) = 0,05. Como P(t < t5) = 0,05, então, de acordo com a tabela, t5 = -2,02. -5 -4 -3 -2 -1 0 1 2 3 4 5 0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 t f( t) =1 =5 = inf 0 0,05 t 5 t f(t) f(t) Estatística Básica para os Cursos de Engenharia 83 (b) P(t t8) = 0,10. Como P(t t8) = 0,10, então de acordo com a tabela, t8 = 1,40. (c) P(-t10 < t < t10) = 0,95. Como P(|t| > t10) = 0,025, então, de acordo com a tabela, t10 = 2,23, e por simetria, -t10 = -2,23. 2.16.6 Distribuição F de Snedecor Sejam as variáveis aleatórias independentes 2 1 e 2 2 , então 0 0,10 t t f(t) 0 f(t) 0,025 0,025 0,475 0,475 t8 -t10 t10 Noções de probabilidade 84 2 ν1 2 ν2 2 ν 2 ν νν21 2 1 2 1 21 χν χν χ χ ,F)ν,F(ν (2.67) tem fdp dada por )/2ν(ν 2 1 2)/2(ν /2ν 2 121 21 21 1 1 ν Fν 1 F ν ν 2 ν Γ 2 ν Γ 2 νν Γ f(F) , F 0 (2.68) com média 2ν ν E(F) 2 2 , 2 > 2, (2.69) e variância 4ν2νν 2νν2ν V(F) 2 2 21 21 2 2 , 2 > 4. (2.70) A distribuição F de Snedecor depende de dois parâmetros: 1 e 2, denominados, respectivamente, de graus de liberdade do numerador e denominador. A Figura 2.18 mostra o gráfico da distribuição F de Snedecor para (1, 2) = (4, 4), (4, 25) e (10, 4). Quando se deseja indicar que a variável aleatória F tem uma distribuição F de Snedecor com 1 graus de liberdade no numerador e 2 no denominador, é usada a notação Estatística Básica para os Cursos de Engenharia 85 F ~ F(1, 2) ou F ~ 21 , F . Os valores tabulados de F(1, 2) tais que P[F F(1, 2) ] = são encontrados nas Tabelas V e VI (apêndice). Figura 2.18 – Distribuição F de Snedecor Exemplo Determinar nas Tabelas V e VI (apêndice), os valores de F(1, 2) tais que: (a) P[F > F(3,5)] = 0,05. 0 1 2 3 4 5 6 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 F f( F ) (4,25) (4,4) (10,4) f(F) Noções de probabilidade 86 Entrando na tabela com 1 = 3 e 2 = 5, obtém-se F3,5 = 5,41. (b) P[F < F(7,9)] = 0,05. Neste caso, utiliza-se a fórmula de recorrência: )] 1 ν, 2 (ναFP[F 1 ) 2 ν, 1 (ν α1 F , (2.71) portanto, 27,0 68,3 1 (9,7) 0,05 F 1 (7,9) 0,95 F , ou seja, toma-se o inverso do valor de F da tabela, fazendo-se a troca dos graus de liberdade do numerador pelo denominador, e vice-versa. 0 F f(F) 0,95 0,05 F(3,5) 0 F f(F) 0,05 0,95 F(7,9) Estatística Básica para os Cursos de Engenharia 87 2.17 TEOREMA CENTRAL DO LIMITE Esse teorema, geralmente é apresentado sob diversas formas, e, uma delas diz que: “sendo X1, X2, ... , Xn uma seqüência de variáveis aleatórias independentes com média i = E(Xi) e variância ) i V(X 2 i σ , (i = 1, 2, ... , n). Então, a variável aleatória X = X1 + X2 + ... + Xn = n 1i i X , sob condições bastante gerais, para n suficientemente grande, tem distribuição normal de média n 1i i μμ e variância n 1i 2 i σ2σ , sendo a variável padronizada dada por σ μX n 1i 2 i σ n 1i i μX Z ” (2.72) 2.18 AJUSTAMENTO DAS DISTRIBUIÇÕES TEÓRICAS ÀS DISTRIBUIÇÕES AMOSTRAIS O problema do ajustamento de distribuições teóricas às distribuições amostrais é de muito interesse prático, pois, para se saber se uma dada distribuição amostral segue um certo modelo teórico de distribuição (exponencial, normal, binomial, etc), deve-se efetuar o ajustamento e testar a qualidade do mesmo. Exemplos: (1) Dos 100 lotes de 5 válvulas cada um, verificou-se que o número de válvulas defeituosas tem a distribuição seguinte Noções de probabilidade 88 Nº de defeituosas 0 1 2 3 4 5 Total Nº de lotes 75 21 3 1 0 0 100 Ajustar uma distribuição binomial aos dados dessa distribuição amostral. O modelo binomial, como visto, é dado por xn q x p x n )xX(P , onde p é a probabilidade de uma válvula qualquer ser defeituosa. A média teórica é = np = 5p, e o número médio de válvulas defeituosas observadas é 100 0 5 100 0 4 100 1 3 100 3 2 100 21 1 100 75 0 6 1 i ipixXE = 0,3. Igualando as duas médias, = x , tem-se que 5p = 0,3 , portanto, p = 0,06 e q = 1 – 0,06 = 0,94. Assim, a distribuição binomial ajustada será x5 )94,0( x )06,0( x 5 )xX(P , resultando as freqüências ajustadas na Tabela 2.1. Estatística Básica para os Cursos de Engenharia 89 Tabela 2.1 – Freqüências ajustadas N° de defeituosas P(X=x) Freq.teórica=Freq.total P(X=x) Freq. Observadas 0 0,733904 1000,733904=73 75 1 0,234225 1000,234225=23 21 2 0,029901 1000,029901= 3 3 3 0,001909 1000,001909= 0 1 4 0,000061 1000,000061= 0 0 5 0,000001 1000,000001= 0 0 A qualidade do ajustamento será testada no Capítulo 5. (2) Em uma amostra de 300 máquinas fabricadas por certa indústria, o número de defeitos observados segue a distribuição seguinte Nº de defeitos 0 1 2 3 4 Total Nº de máquinas 80 122 53 31 14 300 Ajustar uma distribuição de Poisson aos dados dessa distribuição amostral. A distribuição de Poisson é dada por x! μ e x μ x)P(X . Como a média não é conhecida, ela será estimada pela média amostral 26,1 300 14 4 300 31 3 300 53 2 300 122 1 300 80 0 n 1i i p i xx . Assim , a distribuição de Poisson ajustada será x! 26,1 e x 1,26 x)P(X , Noções de probabilidade 90 resultando na Tabela 2.2 as freqüências ajustadas. Tabela 2.2 – Freqüências ajustadas à distribuição de Poisson Nº de defeitos P(X=x) Freq. Teórica = (Freq. total) P(X=x) Freqüências observadas 0 0,283654 3000,283654= 85 80 1 0,357404 3000,357404=107 122 2 0,225165 3000,225165= 68 53 3 0,094569 3000,094569= 28 31 4 0,029789 3000,029789= 9 14 (3) Em determinada seção de um rio, foram realizadas 1000 medidas de sua vazão (em m3/s), obtendo-se a distribuição Vazão (m3/s) Freqüência (fi) 10 |- 14 55 14 |- 18 126 18 |- 22 325 22 |- 26 315 26 |- 30 130 30 |- 34 49 Total 1000 Ajustar uma distribuição normal aos dados dessa distribuição amostral. Inicialmente, calcula-se a média ( x ) e o desvio padrão (s), obtendo-se os resultados 9,21x m3/s e 71,4s m3/s. Estatística Básica para os Cursos de Engenharia 91 Como 71,4 9,21x s xx z , resulta: Tabela 2.3 – Freqüências ajustadas à distribuição normal Limites de classes (x) z para os limites Probab. das classes (P) Freq. teórica = (Freq. total)P Freq. obs. 10 -2,53 0,0408 10000,0408= 41 55 14 -1,68 0,1568 10000,1568=157 126 18 -0,83 0,3047 10000,3047=305 325 22 0,02 0,2998 10000,2998=300 315 26 0,87 0,1495 10000,1495=150 130 30 1,72 0,0376 10000,0376= 38 49 34 2,57 - - - 2.19 PROBLEMAS PROPOSTOS 01. O número médio de defeitos em certo tipo de máquina industrial é de 1,25. Supondo que a distribuição de Poisson possa ser empregada, calcular a probabilidade de (a) uma máquina apresentar mais de 3 defeitos; (b) três máquinas apresentarem menos de dois defeitos; (c) exatamente 2 máquinas entre 5 máquinas iguais, apresentarem no máximo 1 defeito por máquina. 02. Em certos tipos de instrumentos eletrônicos, verificou-se que 5% dos mesmos são defeituosos. Um comerciante adquiriu um lote de 20 desses instrumentos, calcular a probabilidade de ser defeituoso (a) exatamente 1 instrumento; (b) mais de 3 instrumentos; (c) menos de 4 instrumentos. (d) Qual o número esperado de instrumentos defeituosos? Noções de probabilidade 92 03. O controle de qualidade de certo produto químico é exercido de tal forma que, em cada lote de 100 frascos de 300 ml desse produto são analisados 10 frascos, sendo o lote aceito normalmente se for encontrado no máximo 2 frascos contendo impurezas acima de 1%; caso contrário, o lote deve sofrer inspeção total. Supondoque existem 5 frascos por lote contendo impurezas acima de 1% calcular: (a) a probabilidade de não haver inspeção total em um certo lote; (b) a probabilidade de em 10 lotes, menos de 3 sofrerem inspeção total. 04. Em uma central nuclear, a probabilidade de falha em certo tipo de equipamento de segurança é de 0,001. Foram utilizados 100 desses equipamentos, qual a probabilidade de menos de 3 apresentarem falhas? 05. Uma variável aleatória X é uniformemente distribuída no intervalo [0, 10]. Calcular: (a) o valor de c tal que P(X < c) = 5P(X c); (b) a média e o desvio padrão da distribuição. 06. Suponha que a duração até falhar (em horas) de um certo tipo de dispositivo eletrônico seja uma variável aleatória contínua com fdp dada por f(x) = 0,001e-0,001x se x 0, = 0 se x < 0. Foram instalados dois desses dispositivos. Qual será a probabilidade de que pelo menos um deles seja substituído após 1200 h de serviço? 07. A resistência dos resistores fabricados por certa indústria segue a distribuição normal com média 200 ohms e desvio padrão de 5 ohms. Em um lote de 2000 resistores, quantos terão resistência (a) abaixo de 220 ohms; (b) acima de 205 ohms; (c) entre 183 e 213 ohms? Estatística Básica para os Cursos de Engenharia 93 08. Uma máquina fabrica esferas para rolamentos com diâmetro médio de 10 mm e desvio padrão de 0,1 mm. O setor de controle de qualidade dessa indústria verificou que 5% das esferas estão sendo rejeitadas por apresentarem diâmetros pequenos e 3% por apresentarem diâmetros grandes. Calcular: (a) os limites de tolerância para esse diâmetro; (b) o número de esferas rejeitadas por diâmetros pequenos, em um lote de 1000 esferas. (c) Supondo que os limites de tolerância do item (a) fossem 9,5 e 10,3 mm, qual deveria ser a nova média e o novo desvio padrão? 09. A variável X segue uma distribuição de Qui-quadrado (2) com = 10 graus de liberdade. Calcular xc tal que: (a) P(X < xc) = 0,01. (b) P(X xc) = 0,05. 10. A variável aleatória Y segue uma distribuição t de Student com = 5 graus de liberdade, determinar yc tal que: (a) P(Y yc) = 0,025; (b) P(Y > yc) = 0,005; (c) P(-yc Y yc) = 0,90. 11. Se a variável W segue uma distribuição F de Snedecor com 1 = 5 e 2= 6 graus de liberdade no numerador e denominador, respectivamente, calcular wc, tal que: (a) P(W > wc) = 0,05. (b) P(W wc) = 0,05. Noções de probabilidade 94 12. Ajustar os dados seguintes a um modelo de Poisson. x 0 1 2 3 4 5 fi (nº de dias) 53 31 12 3 1 0 A variável X representa o número de acidentes de trabalho (por dia), verificados durante 100 dias. 13. Foram inspecionados 200 lotes de 4 peças cada um, sendo que o número X de peças defeituosas por lote segue a distribuição seguinte. Ajustar uma distribuição binomial aos dados. x 0 1 2 3 4 fi 43 80 54 18 5 14. Os comprimentos (em metros) de uma amostra de 50 barras de ferro produzidas por uma siderúrgica seguem a distribuição seguinte. Ajustar um modelo normal. Comprimentos (em metros) Freqüência (fi) 3,1 |- 3,2 3 3,2 |- 3,3 9 3,3 |- 3,4 12 3,4 |- 3,5 15 3,5 |- 3,6 7 3,6 |- 3,7 3 3,7 |- 3,8 1
Compartilhar