Professional Documents
Culture Documents
2015
Editorial
Comit Editorial
Durval Corra Meirelles
Ronald Castro Paschoal
Otvia Travenolo Muniz Sala
Autor do Original
Valria Aparecida Ferreira
Su
ri o
Estatstica Aplicada
Captulo 1: Conceitos Introdutrios e
Tcnicas de Amostragem......................................... 7
Objetivos da sua aprendizagem......................................... 7
Voc se lembra?....................................................................... 7
1.1 Breve histrico....................................................................... 8
1.2 Definio de Estatstica.............................................................. 8
1.3 Amostragem.................................................................................. 11
1.4 Exemplo Prtico Envolvendo Tcnicas de Amostragem
Probabilstica................................................................................................ 15
Atividades....................................................................................................... 19
Reflexo............................................................................................................. 24
Leitura recomendada............................................................................................. 24
Referncias.............................................................................................................. 24
No prximo captulo.................................................................................................. 25
Captulo 2: Distribuio de Frequncias e Medidas de Posio Central............. 27
Objetivos da sua aprendizagem.................................................................................... 27
Voc se lembra?............................................................................................................. 27
2.1 Distribuio de Frequncias.................................................................................... 28
2.2 Medidas de posio.................................................................................................. 33
Atividades....................................................................................................................... 43
Leitura recomendada...................................................................................................... 47
Referncias.................................................................................................................... 47
No prximo captulo..................................................................................................... 48
Captulo 3: Medidas de Ordenamento e Forma, Medidas de Disperso e
Grficos................................................................................................................... 49
Objetivos da sua aprendizagem............................................................................ 49
Voc se lembra?................................................................................................ 49
3.1 Medidas de ordenamento........................................................................ 50
3.2 Medidas de Disperso........................................................................ 59
3.3 Grficos........................................................................................... 73
Atividades.......................................................................................... 83
Reflexo........................................................................................................................... 87
Leitura recomendada........................................................................................................ 87
Referncias....................................................................................................................... 88
No prximo captulo........................................................................................................ 88
Captulo 4: Distribuies Amostrais e Estimao....................................................... 89
Objetivos da sua aprendizagem....................................................................................... 89
Voc se lembra?............................................................................................................... 89
4.1 Conceitos Bsicos..................................................................................................... 90
4.2 Estimador de uma Mdia Populacional................................................................... 91
4.3 Estimador de uma Proporo Populacional.............................................................. 93
4.4 Propriedades da Distribuio Normal....................................................................... 94
4.5 Distribuies Amostrais............................................................................................ 95
4.6 Erro Padro de um Estimador................................................................................... 97
4.7 Intervalos de Confiana para a Mdia Populacional............................................... 100
4.8 Intervalos de Confiana para a Proporo Populacional........................................ 102
Atividades...................................................................................................................... 105
Reflexo......................................................................................................................... 107
Leitura recomendada...................................................................................................... 107
Referncias..................................................................................................................... 107
No prximo captulo...................................................................................................... 108
Captulo 5: Distribuio Normal e Teste de Hiptese............................................... 109
Objetivos da sua aprendizagem..................................................................................... 109
Voc se lembra?............................................................................................................. 109
5.1 Varivel Aleatria.................................................................................................... 110
5.2 Funo Densidade de Probabilidade....................................................................... 110
5.3 Modelo Probabilstico para Variveis Aleatrias Contnuas....................................111
5.4 Teste de Hiptese.................................................................................................... 117
Atividades...................................................................................................................... 124
Leitura recomendada...................................................................................................... 126
Reflexo......................................................................................................................... 126
Referncias..................................................................................................................... 126
Gabarito.......................................................................................................................... 127
Prezados(as) alunos(as)
Ap
res
ent
Conceitos Introdutrios e
Tcnicas de Amostragem
CCC
CC C
CC C
Voc se lembra?
Estatstica Aplicada
Estatstica Aplicada
10
Estatstica Descritiva a parte da estatstica que trata da organizao e do resumo do conjunto de dados por meio de grficos, tabelas e
medidas descritivas (quantidades).
Estatstica Indutiva a parte que se destina a encontrar mtodos
para tirar concluses (ou tomar decises) sobre a populao de interesse,
geralmente, baseado em informaes retiradas de uma amostra desta populao.
Varivel uma caracterstica da unidade experimental. Vamos estudar dois tipos de variveis: quantitativas e qualitativas.
Variveis quantitativas so aquelas cujas respostas da varivel so
expressas por nmeros (quantidades). Podemos distinguir dois tipos de
variveis quantitativas: quantitativa contnua e discreta.
Variveis quantitativas contnuas so aquelas que podem assumir,
teoricamente, infinitos valores entre dois limites (num intervalo), ou seja,
podem assumir valores no inteiros. Por exemplo: altura (em metros) de
alunos de uma determinada faixa etria, peso (em kg), salrio, etc.
Variveis quantitativas discretas so aquelas que s podem assumir
valores inteiros. Por exemplo: nmero de filhos por casal, nmero de livros em uma biblioteca, nmero de carros vendidos, etc.
Variveis qualitativas so as variveis cujas respostas so expressas
por um atributo. Podemos distinguir dois tipos de variveis qualitativas:
nominal e ordinal.
Variveis qualitativas nominais definem-se como aquelas em que
as respostas so expressas por um atributo (nome) e esse atributo no pode
ser ordenado. Por exemplo: tipo sanguneo, religio, estado civil, etc.
Variveis qualitativas ordinais tm suas respostas expressas por um
atributo (nome) e esse atributo pode ser ordenado. Por exemplo: grau de
instruo, classe social, etc.
1.3 Amostragem
Em qualquer estudo que envolva coleta de dados, sabemos que dificilmente podemos estudar a populao de interesse como um todo. Para
isso, utilizamos tcnicas de amostragem para selecionar amostras que
sejam representativas da populao de interesse. No prximo item estudaremos algumas tcnicas de amostragem muito utilizadas em estudos e/
ou pesquisas.
11
Estatstica Aplicada
12
Estatstica Aplicada
14
Exemplo 1.4: Vamos supor que uma pesquisa tem como objetivo
estudar uma determinada caracterstica do povo brasileiro, como por
exemplo, a renda familiar. Nesse caso, a populao de interesse constituda por todo cidado que mora no Brasil. Podemos considerar cada
estrato como sendo cada um dos estados brasileiros. Em cada um deles
ser selecionado um nmero x de elementos, proporcional populao de
cada estado.
Estatstica Aplicada
Profissionais
16
Idade
Opinio
Tipo de empresa
52
contra
Pblica
22
a favor
pblica
36
a favor
privada
35
a favor
privada
35
a favor
privada
50
contra
pblica
44
contra
pblica
42
contra
pblica
40
contra
pblica
10
45
contra
pblica
11
36
a favor
privada
12
34
a favor
privada
13
23
contra
pblica
14
26
a favor
pblica
15
28
a favor
pblica
16
28
a favor
pblica
17
29
a favor
privada
18
30
a favor
privada
19
30
a favor
privada
20
34
a favor
privada
21
38
a favor
privada
22
41
contra
pblica
23
42
contra
pblica
24
50
contra
pblica
25
49
contra
pblica
26
38
contra
privada
27
26
a favor
privada
28
29
a favor
privada
29
26
a favor
privada
30
36
a favor
privada
31
27
a favor
privada
32
32
a favor
privada
33
31
a favor
privada
34
33
a favor
privada
35
33
a favor
privada
36
36
contra
pblica
37
34
a favor
pblica
38
46
contra
privada
39
44
contra
pblica
40
65
contra
pblica
41
56
contra
pblica
42
52
contra
pblica
43
35
a favor
pblica
44
24
a favor
privada
45
23
a favor
privada
46
28
a favor
privada
47
30
a favor
privada
48
34
a favor
privada
49
46
contra
pblica
50
26
a favor
privada
Idade
Opinio
Tipo de empresa
36
a favor
privada
42
contra
pblica
13
23
contra
pblica
18
30
a favor
privada
23
42
contra
pblica
17
Estatstica Aplicada
28
29
a favor
privada
33
31
a favor
privada
38
46
contra
privada
43
35
a favor
pblica
48
34
a favor
privada
348
= 34, 8 anos
10
18
Atividades
01. Classifique as variveis abaixo em quantitativas (discretas ou contnuas) ou qualitativas (nominal ou ordinal).
a) cor dos olhos
b) nmero de peas produzidas por hora
c) dimetro externo
d) nmero de pontos em uma partida de futebol
e) produo de algodo
f)
j)
k) grau de escolaridade
19
Estatstica Aplicada
l)
nvel social
m) tipo sanguneo
n) estado civil
02. A guerra das Colas o termo popular para a intensa competio
entre Coca-Cola e Pepsi mostrada em suas campanhas de marketing. As
campanhas tm estrelas de cinema e televiso, vdeos de rock, apoio de
atletas e afirmaes das preferncias dos consumidores com base em testes
de sabor. Como uma parte de uma campanha de marketing da Pepsi, suponha que 1 000 consumidores de refrigerante sabor cola submetam-se a um
teste cego de sabor (isto , as marcas esto encobertas). Cada consumidor
questionado quanto sua preferncia em relao marca A ou B.
a) Descreva a populao.
c) Descreva a amostra.
d) Descreva a inferncia.
20
03. Suponha que voc tenha determinado conjunto de dados e classifique cada unidade da amostra em quatro categorias: A, B, C ou D. Voc
planeja criar um banco de dados no computador com esses dados e decide
codific-los como A = 1, B = 2, C = 3 e D = 4. Os dados A, B, C e D so
qualitativos ou quantitativos? Depois de introduzidos no banco de dados
como 1, 2, 3 e 4, os dados so qualitativos ou quantitativos? Explique sua
resposta.
21
Estatstica Aplicada
Sinistros grandes
390 132 36
22
73 55 178
N de
funcionrios
propriedades
0 20
500
20 50
320
50 100
100
100 200
50
200 400
30
Total
1000
Amostra estratificada
(n = 50)
Uniforme
Proporcional
50
50
Observao: Amostragem estratificada uniforme quando retiramos o mesmo nmero de elementos de cada estrato, independente do
tamanho do estrato.
23
Estatstica Aplicada
Reflexo
Estamos encerrando nosso primeiro captulo. Vimos, aqui, alguns
conceitos que sero fundamentais na compreenso dos outros contedos
abordados no livro. J deve ter dado para perceber que, mesmo estando
no incio da disciplina, as aplicaes prticas que voc poder fazer na
sua rea de atuao sero muitas. A compreenso e interpretao das mais
variadas informaes, com as quais nos deparamos em nosso cotidiano,
dependem, em parte, do conhecimento de certos elementos estatsticos.
Estamos apenas no comeo. Muitas tcnicas (muito interessantes!)
ainda sero abordadas. E lembre-se que o conhecimento e o domnio da Estatstica certamente levaro voc, futuro gestor, s decises mais acertadas.
Leitura recomendada
Sugerimos que voc oua os udios que esto no seguinte endereo:
<http://m3.ime.unicamp.br/recursos/1252>. No primeiro mdulo voc
conhecer um pouco da histria da Estatstica e, no segundo mdulo, a
histria da Probabilidade.
Referncias
ANDERSON, David R.; SWEENEY, Denis J.; WILLIAMS, Thomas
A. Estatstica aplicada administrao e economia. So Paulo: Pioneira Thomson Learning, 2003.
BUSSAB, Wilton de O.; MORETTIN, Pedro A.. Estatstica bsica.
So Paulo: Saraiva, 2003.
24
No prximo captulo
Agora que j sabemos como coletar dados, aprenderemos no prximo captulo como organizar, resumir e apresentar os dados coletados em
distribuies de frequncias. Estudaremos, tambm, como resumir informaes de conjuntos de dados numricos em alguns valores que sejam
representativos de todo o conjunto.
25
Estatstica Aplicada
Minhas anotaes:
26
Distribuio de
Frequncias e Medidas
de Posio Central
Cap
t u
lo
Voc se lembra?
Estatstica Aplicada
28
Nmero de
operrios (f)
fr(%)
02
43
39,09
24
39
35,45
46
16
14,55
68
7,27
8 10
3,64
Total
110
100
Resoluo:
Em todos os nossos exemA varivel em estudo a renda
plos, na distribuio de frequncias
dos operrios de uma determinada
construda com intervalos de classes,
empresa. Esta varivel classifivamos considerar que o intervalo de classe
fechado esquerda e aberto direita. Por
cada como quantitativa contnua,
exemplo, no caso dessa tabela, considerando
pois pode assumir qualquer valor a terceira classe de frequncia, podemos dizer
dentro de um intervalo numrico.
que os 16 operrios que esto nesta classe
recebem de 4 a menos que 6 salrios
As frequncias absolutas
mnimos por ms.
(f) so fonecidas no problema.
As frequncias relativas (fr(%)) so
encontradas dividindo cada frequncia
absoluta (de cada classe de frequncia) pelo
total de operrios (110) e multiplicando por 100.
Uma distribuio de frequncias apresenta, basicamente, as 3 colunas apresentadas na tabela 2.1. Desta maneira, conseguimos organizar de
forma resumida um conjunto de dados.
Em alguns estudos podemos ter interesse em outras quantidades relacionadas tabela, como, por exemplo, a frequncia acumulada ou a frequncia acumulada (%). Veremos mais adiante que a frequncia acumulada
utilizada na construo de um grfico denominado Ogiva. A tabela 2.2
apresenta a frequncia acumulada e a frequncia relativa acumulada (%).
29
Estatstica Aplicada
Nmero de
operrios (f)
fr(%)
Frequncia
acumulada (fa)
02
43
39,09
43
39,09
24
39
35,45
82
75,55
46
16
14,55
98
89,09
68
7,27
106
96,36
8 10
3,64
110
100,00
Total
110
100
fra (%)
30
Nmero de filhos
Nmero de
operrios (f)
fr(%)
13,33
24,44
28,89
15,56
11,11
2,22
4,44
Total
45
100,00
Estatstica Aplicada
Quando no tivermos nenhuma referncia sobre qual deve ser o nmero de classes a se trabalhar, podemos utilizar o critrio que sugerido
por vrios autores. Chama-se regra da raiz e ser apresentado a seguir.
Considere:
k
h=
k
k'
(2.1)
onde k o nmero de classes que vamos construir na distribuio de frequncias; n o tamanho da amostra que estamos trabalhando; h a amplitude de cada uma das classes e R a amplitude total dos dados.
Os valores de k e h devem ser arredondados sempre para o maior
valor. Por exemplo, para uma amostra de tamanho n = 50 cujo menor valor 4 e o maior valor 445 temos que R = 441 (maior valor menor valor). O nmero de classes seria dado por k n = 50 = 7, 07106... 8
(maior inteiro depois de 7) e a amplitude (tamanho) de cada uma das
8 classes acima dever ser h = R = 441 = 55,125 56 (maior inteiro
k
depois de 55). Ou seja, deveramos, para este exemplo, montar uma tabela com
8 classes e de amplitude 56. A tabela pode ser iniciada pelo menor valor do conjunto de dados.
32
Resumindo, para montar uma distribuio de frequncias com intervalos de classes devemos:
Achar o mnimo e o mximo dos dados.
Determinar as classes de frequncias que na verdade nada mais
do que escolher intervalos de mesmo comprimento que cubra
a amplitude entre o mnimo e o mximo. Para determinar o
nmero de classes, usaremos k n e para determinar o tak
manho das classes usaremos h = k'
Contar o nmero de observaes que pertencem a cada intervalo de classe. Esses nmeros so as frequncias observadas da
classe.
A mdia aritmtica ( x ) a mais comum e mais simples de ser calculada dentre todas as medidas de posio mencionadas.
Para calcul-la, basta fazer a diviso da soma de todos os valores
(x1, x2, ..., xn) da varivel pelo nmero total de elementos do conjunto de
dados (n):
n
x=
xi
i =1
(2.2)
onde:
x = a mdia aritmtica;
xi = os valores da varivel;
n = o nmero de valores no conjunto de dados.
2.2.2 Mediana
A mediana outra medida de posio, dita mais robusta que a mdia, pois, da forma como ela determinada, no permite que alguns valores muito altos ou muito baixos interfiram de maneira significativa em seu
33
Estatstica Aplicada
(2.3)
Se o nmero de elementos do conjunto de dados for par, ento a mediana ser exatamente a mdia dos dois valores do meio, isto :
x n + x n
Md =
+1
2
(2.4)
2.2.3 Moda
34
x=
xi
i =1
35
Estatstica Aplicada
x=
xi fi
i =1
fi
(2.5)
i =1
onde:
xi o valor da varivel (ou o ponto mdio de uma classe de frequncia);
fi a frequncia referente a cada valor (ou classe);
Proibida a reproduo UniSEB
36
fi
i =1
A expresso (2.5) apresentada acima tambm conhecida como frmula da mdia ponderada.
No caso de distribuies de frequncias que no apresentam intervalos de classes, a mediana e a moda so encontradas utilizando os conceitos apresentados nos itens 2.2.2 e 2.2.3, respectivamente.
Exemplo 2.4: Em um determinado ms, foi computado o nmero
de faltas ao trabalho, por motivos de sade, que cada funcionrio de uma
determinada empresa teve. Os dados esto apresentados na tabela abaixo:
Tabela 2.4 Nmero de faltas ao trabalho, por motivos de sade.
Nmero de faltas
31
20
Total
63
xi fi ( 0 31) + (1 20 ) + ( 2 8) + ( 3 2 ) + ( 4 0 ) + ( 5 1) + ( 6 1) 53
x = i =1
=
=
0,84
k
fi
63
63
i =1
37
Estatstica Aplicada
Mediana
Como os dados esto tabelados,
Quando os dados estiverem
eles j se encontram ordenados.
dispostos numa distribuio de frequncias, o clculo da mdia aritmtica
Para ficar mais fcil encontrar o
pode ser feito acrescentando uma coluna
valor da mediana, vamos incluir
na distribuio de frequncias. Esta coluna
na distribuio de frequncias
denominada xi x fi e obtida multiplicando
uma coluna com as frequncias cada valor da varivel (xi ) pela sua respectiva
frequncia (fi ). A mdia aritmtica obtida
acumuladas.
dividindo a soma dos valores desta coluna pela soma dos valores da coluna
da frequncia.
Nmero de faltas
31
31
20
51
59
61
61
62
63
Total
63
fa
38
2 Passo: a mediana ser o valor da varivel associado frequncia acumulada imediatamente superior ao valor encontrado no 1 Passo.
Ento, a frequncia acumulada imediatamente superior a 31,5 fa = 51. .
Portanto, o valor da mediana o valor da varivel associado fa = 51, ou
seja,
Md = 1 falta
Neste conjunto de dados, pelo menos 50% das observaes so
maiores ou iguais a 1 falta.
fi
No caso do valor i =1
ladas fa, o clculo da mediana ser a mdia aritmtica entre dois valores da
varivel: xi e xi + 1.
k
fi
= f a e o valor da varivel xi + 1
Moda
As medidas resumo calcuA resposta que aparece com
ladas quando os dados estiverem
maior frequncia neste conjunto de
agrupados em intervalos de classes
so
apenas aproximaes dos verdadeiros
dados o 0 (com frequncia 31),
valores, pois substitumos os valores das
ou seja, mais frequente encon- observaes pelo ponto do mdio do intervalo
trar funcionrios que no faltam.
de classe.
No caso do exemplo 2.5
veremos que os dados esto agrupados em intervalos de classes.
Quando o conjunto de dados for apresentado sob a forma agrupada perdemos a
informao dos valores das observaes. Neste
caso, vamos supor que todos os valores dentro de uma classe tenham seus
valores iguais ao ponto mdio desta classe.
Os clculos da mdia, da moda e da mediana para distribuio de
frequncias agrupadas em classes esto apresentados a seguir.
Vale ressaltar que, sempre que possvel, as medidas de posio e
disperso devem ser calculadas antes dos dados serem agrupados.
Exemplo 2.5: A tabela abaixo apresenta a distribuio de frequncias do tempo de vida de 60 componentes eletrnicos (medido em dias)
submetidos experimentao num laboratrio especializado. Calcular as
medidas de posio.
39
Estatstica Aplicada
318
1833
25,5
3348
40,5
4863
55,5
6378
10
70,5
7893
28
85,5
93108
100,5
108123
115,5
Total
60
Resoluo:
Neste tipo de tabela, como temos classes de frequncias, devemos
encontrar um valor que represente cada classe, para que possamos efetuar
os clculos. Por exemplo, considerando a primeira classe de frequncia,
Tempo de vida (dias)
318
40
Mdia Aritmtica
k
x=
xi fi
i =1
fi
i =1
4155
=
= 69, 25
60
h ( X m Fiaa )
F
(2.6)
onde
Xe o limite inferior da classe que contm a mediana;
Xm: metade do valor da frequncia total;
Fiaa: frequncia acumulada da classe anterior classe que contm a
mediana;
Fi: nmero de observaes na classe que contm a mediana;
h: amplitude da classe que contm a mediana.
No clculo da mediana para os dados da tabela 2.5 temos que primeiramente encontrar a classe que contm a mediana. Esta classe corresponde classe associada frequncia acumulada imediatamente superior
f
i.
2
f
Como i = 60 = 30 , temos que a classe que contm a mediana
2
2
de 7893 (pois fa = 57).
41
Estatstica Aplicada
Classe que
contm
a mediana
Tempo
de vida
P. M
xi
fa
318
10,5
1833
25,5
3348
40,5
11
4863
55,5
19
6378
10
70,5
29
7893
28
85,5
57
93108
100,5
59
108123
115,5
60
Total
60
N de
observaes da
classe que contm
a mediana
fa da classe
anterior a classe
que contm
a Md.
fi
15 ( 30 29 )
= 28 + 0.54 78.5
28
Atravs da mediana podemos dizer que pelo menos 50% dos componentes eletrnicos avaliados tm durao igual ou inferior a 78 dias e
12 horas.
Para calcularmos a moda para distribuies de frequncias com intervalos de classes, utilizaremos a seguinte frmula:
42
Mo = X o +
h ( Fm Fa )
2Fm - Fa + Fp
(2.7)
onde
Xo o limite inferior da classe que contm a moda;
Fm: frequncia mxima;
Fa: frequncia anterior frequncia mxima;
Fp: frequncia posterior frequncia mxima;
h: amplitude da classe que contm a moda.
No clculo da moda para os dados da Tabela 2.5 temos que primeiramente encontrar a classe que contm a moda. Esta classe corresponde
classe que possui a frequncia mxima. Ento, a classe que contm a
moda de 7893 (pois f = 28).
Alm disso, temos:
Xo 78;
Fm: 28;
Fa: 10;
Fp: 2;
h: 15.
Agora, basta substituirmos todos os valores encontrados na frmula
2.7 e encontramos o valor da moda:
Mo = 78 +
15 ( 28 10 )
270
= 78 +
84,1
2 ( 28 ) (10 + 2 )
44
Portanto, comum encontrar componentes eletrnicos que durem, aproximadamente, 84 dias e 2 horas.
Atividades
01. Abaixo temos as idades dos
funcionrios de uma determinada
empresa. Construir uma distribuio
de frequncias, agrupando os dados
em classes.
Conexo:
Sugerimos os vdeos:
Novo Telecurso E. Fundamental Matemtica Aula 34 (parte 1)
e Novo Telecurso E. Fundamental
Matemtica Aula 34 (parte 2) disponveis,
respectimante em <http://www.youtube.com/
watch?v=SyWbYOtAIYc&NR=1> e <http://
www.youtube.com/watch?v=ejMyWfuSO5k>.
que apresenta de modo bem prtico a
utilizao das medidas de posio.
43
Estatstica Aplicada
28
37
26
29
59
27
28
30
40
42
35
23
22
31
21
51
19
27
28
36
25
40
36
49
28
26
27
41
29
44
4,89
11,00
5,60
73,85
24,83
98,00
186,00
234,87
58,00
198,65
223,86
341,42
94,76
445,76
82,80
35,00
455,00
371,00
398,60
234,00
64,90
54,98
48,80
68,90
120,32
126,98
76,43
6,35
9,98
12,68
243,00
18,65
134,90
11,10
321,09
290,76
74,00
48,80
74,52
138,65
26,00
210,13
15,78
197,45
75,00
76,55
32,78
166,09
105,34
99,10
10
12
14
14
14
15
16
18
18
18
18
18
19
20
20
20
20
20
21
22
22
22
22
22
22
22
22
22
22
22
22
23
23
24
24
24
24
24
24
24
25
25
25
25
26
26
26
26
26
26
27
27
27
28
28
29
30
30
32
35
36
40
41
Pede-se:
a) Calcule e interprete as seguintes medidas descritivas calculadas para
os dados brutos (dados no tabulados): mdia aritmtica; mediana; moda.
b) Construir uma distribuio de frequncias completa (com freq. absoluta, freq. relativa, freq. acumulada e ponto mdio).
45
Estatstica Aplicada
Nmero de vendedores
0 | 1
1 | 2
12
2 | 3
20
3 | 4
48
4 | 5
14
5 | 6
10
Total
110
e) Qual a porcentagem de vendedores com vendas mensais entre 3 (inclusive) e 5 (exclusive) milhes de reais?
46
f) Qual a porcentagem de vendedores que vendem, pelo menos, 3 milhes de reais mensais?
frequncia de famlias
19
22
28
16
Leitura recomendada
Referncias
ANDERSON, David R.; SWEENEY, Denis J.; WILLIAMS, Thomas
A. Estatstica aplicada administrao e economia. So Paulo: Pioneira Thomson Learning, 2003.
BUSSAB, Wilton de O.; MORETTIN, Pedro A.. Estatstica bsica.
So Paulo: Saraiva, 2003.
COSTA NETO, Pedro Luiz de Oliveira. Estatstica, So Paulo: Edgard
Blucher, 2002.
47
Estatstica Aplicada
No prximo captulo
Se at agora vimos como organizar os dados (informaes) em distribuies de frequncias e como resumir as informaes numricas em
medidas de posio central, iremos incrementar esse processo atravs da
insero de medidas de ordenamento e disperso. As medidas de ordenamento nos fornecem uma ideia sobre a distribuio dos dados ordenados e
apresentam a vantagem de no serem afetadas pela forma da distribuio
dos dados ou por valores discrepantes. Para que tenhamos informaes
mais completas do conjunto de dados, necessrio estudar a sua variabilidade. As estatsticas que tm essa funo so denominadas medidas de variabilidade ou de disperso. Finalizaremos o captulo apresentando vrios
tipos de grficos que representam de maneira adequada as informaes
contidas em um conjunto de dados.
48
Medidas de Ordenamento
e Forma, Medidas de
Disperso e Grficos
Cap
t u
lo
Voc se lembra?
Voc se lembra de, aps ter feito uma prova bimestral, algum professor ter informado que o desempenho mdio da turma ficou em torno
de 7,2? Para efeito de comparao, ele tambm pode ter calculado
a mdia de outra turma, e verificado que o desempenho mdio
tambm ficou em torno de 7,2. Surgem os seguintes questionamentos:
ser que as notas das duas turmas foram iguais?
ser que as notas das turmas esto prximas da mdia ou dispersas?
Utilizaremos os conceitos deste captulo para responder a estas perguntas.
Estatstica Aplicada
50
(3.1)
Onde
Q: quartil que se deseja obter;
nq: nmero do quartil que se deseja obter (1, 2 ou 3);
x: elemento do conjunto de dados ordenados;
n: tamanho da amostra.
Exemplo 3.1: Um escritrio que presta consultoria em administrao levantou os tempos de espera de pacientes que chegam a uma clnica
de ortopedia para atendimento de emergncia. Foram coletados os seguintes tempos, em minutos, durante uma semana. Encontre os quartis.
2 5 10 11 3 14 8 8 7 12 3 4 7 3 4 2 6 7
Resoluo:
Para encontrarmos os quartis, precisamos ordenar o conjunto de
dados. Ento:
2
10
11
12
14
1
+
4
2
Q1 = x5
51
Estatstica Aplicada
Q2 = x9,5
Portanto, o segundo quartil est entre os elementos que ocupam a
nona e a dcima posio do conjunto de dados orenados. Para encontrlo, fazemos a mdia entre os valores que esto nestas posies, ou seja:
6 + 7
Q2 =
= 6, 5
2
Pelo menos, 50% das observaes so menores ou iguais a
6,5 minutos.
Terceiro quartil (Q3)
Q3 = x 3 18
1
+
2
4
Q3 = x14
Portanto, o terceiro quartil o elemento que ocupa a dcima quarta
posio do conjunto de dados ordenados. Ento:
Q3 = 8
52
3.1.1.2 Decis
Os decis dividem o conjunto de dados ordenados em 10 partes. Eles
podem ser obtidos atravs da seguinte frmula:
Dnq = x nd n
(3.2)
1
+
2
10
Onde
D: decil que se deseja obter;
nd: nmero do decil que se deseja obter (1, 2 ou 3);
x: elemento do conjunto de dados ordenados;
n: tamanho da amostra.
Exemplo 3.2: Vamos utilizar os dados do Exemplo 3.1 para encontrar o oitavo decil:
2 5 10 11 3 14 8 8 7 12 3 4 7 3 4 2 6 7
Resoluo:
Para encontrarmos os decis, precisamos ordenar o conjunto de dados. Ento:
2
10
11
12
14
1
+
2
10
D8 = x14,9
Portanto, o oitavo decil corresponde ao elemento 14,9 no conjunto
de dados ordenados, situados entre as posies 14 e 15. Como o oitavo
decil no est exatamente no meio de dois elementos (x14,9), obtemos este
elemento seguindo o seguinte raciocnio:
x8 2
=
0, 9
1
53
Estatstica Aplicada
3.1.1.3 Percentis
Os percentis dividem o conjunto de dados ordenados em 100 partes.
Eles so obtidos de maneira similiar aos quartis e decis, ou seja:
Pnq = x np n
(3.3)
1
+
2
100
Onde
P: percentil que se deseja obter;
np: nmero do percentil que se deseja obter (1, 2, ..., 99);
x: elemento do conjunto de dados ordenados;
n: tamanho da amostra.
Exemplo 3.3: Vamos utilizar os dados do Exemplo 3.1 para encontrar o trigsimo quinto percentil:
2 5 10 11 3 14 8 8 7 12 3 4 7 3 4 2 6 7
54
Resoluo:
Para encontrarmos os percentis, precisamos ordenar o conjunto de
dados. Ento:
2
10
11
12
14
10
P35 = x6,8
Portanto, o trigsimo quinto percentil corresponde ao elemento 6,8
no conjunto de dados ordenados, situados entre as posies 6 e 7. A sexta
e a stima posio so ocupadas pela observao 4, portanto:
P35 = 4
Ento, aproximadamente 35% das observaes so menores ou
iguais a 4 minutos.
Pnx
nx x
Faant
= Li + 100
Fi
onde
n: nmero de elementos da amostra.
nx: 1, 2, ..., 99;
Li: limite inferior da classe encontrada;
h: amplitude do intervalo;
Faant: frequncia acumulada anterior
classe Pi.
Fi: frequncia absoluta da classe encontrada Pi.
(3.4)
Conexo:
Podemos utilizar esta
frmula geral, pois Q1= P25,
Q2= P50 e Q3 = P75, D1 = P10,
D2 = P20, ..., D9 = P90
55
Estatstica Aplicada
Exemplo 3.4: Vamos utilizar os dados do Exemplo 2.5 para encontrar o terceiro quartil, o quinto decil e o dcimo quinto percentil.
Tempo de vida
(dias)
318
1833
P. M.
x1
fa
10,5
25,5
3348
40,5
11
4863
55,5
19
6378
10
70,5
29
7893
28
85,5
57
93108
100,5
59
108123
115,5
60
Total
60
Resoluo
Terceiro Quartil
Primeiramente, temos que encontrar a classe que contm o terceiro
quartil. Esta classe corresponde classe associada frequncia acumulada imediatamente superior 75 fi .
Como
75 fi
100
100
75 60
=
= 45 , temos que a classe que contm o
100
56
nx n
100 Faant
Pnx = Li +
h
Fi
75 60
100 29
P75 = 78 +
15
28
45 29
P75 = 78 +
15 = 78 + 8,57 86, 6
28
De acordo com o resultado obtido podemos esperar que aproximadamente 25% dos dados so maiores ou iguais a 86,6, ou seja, aproximadamente 25% dos componentes eletrnicos tm durao superior a 86 dias
e 14 horas.
Quinto decil
Primeiramente, temos que encontrar a classe que contm o quinto
decil. Esta classe corresponde classe associada frequncia acumulada
50 fi
imediatamente superior
.
100
50 fi 50 x 60
Como
=
= 30 , temos que a classe que contm o
100
100
57
Estatstica Aplicada
nx n
100 Faant
Pnx = Li +
h
Fi
50 60
100 29
P50 = 78 +
15
28
30 29
P50 = 78 +
15 = 78 + 0,54 78,5
28
De acordo com o resultado obtido podemos esperar que aproximadamente 50% dos dados so menores ou iguais a 78,5, ou seja, aproximadamente 50% dos componentes eletrnicos tm durao inferior a 78 dias
e 12 horas.
Vale ressaltar que o P50 = Md e este clculo j havia sido feito no
exemplo 2.5.
Dcimo quinto percentil
58
nx n
100 Faant
Pnx = Li +
h
Fi
15 60
100 7
P15 = 33 +
15
4
97
P15 = 33 +
15 = 33 + 7,5 40,5
4
De acordo com o resultado obtido podemos esperar que aproximadamente 15% dos dados so menores ou iguais a 40,5, ou seja, aproximadamente 15% dos componentes eletrnicos tm durao inferior a 40 dias
e 12 horas.
Estatstica Aplicada
(3.5)
60
Amplitude do interquartil = Q3 Q1
(3.6)
3.2.3 Desvio-Padro
Primeiramente, vamos entender qual a definio da palavra desvio
em estatstica. Desvio nada mais do que a distncia entre qualquer valor
do conjunto de dados em relao mdia aritmtica deste mesmo conjunto de dados.
Existem vrias medidas de disperso que envolvem os desvios.
So elas: o desvio-padro (mais utilizada), a varincia e o coeficiente de
variao.
O desvio-padro a medida mais utilizada na comparao de diferenas entre grupos, por ser mais precisa e estar na mesma medida do conjunto de dados. Matematicamente, sua frmula dada pela raiz quadrada
da mdia aritmtica aproximada dos quadrados dos desvios, ou seja:
n
s=
( xi x )2
i =1
n 1
( x1 x ) 2 + ( x2 x ) 2 + + ( xn x ) 2
=
n 1
(3.7)
s=
xi2
( xi )
n 1
(3.8)
61
Estatstica Aplicada
onde:
xi2
( xi )
yi = xi c S y = S x
62
yi = xi c S y = c S x
yi =
ou
xi
S
Sy = x
c
c
s2 =
( xi x )2
i =1
n 1
ou
s2 =
(3.9)
( xi )
x2
i
n 1
Estatstica Aplicada
s
100
x
(3.11)
Exemplo 3.6: Um gerente de banco deseja estudar a movimentao de pessoas em sua agncia na segunda semana de um ms qualquer.
Ele constata que no primeiro dia entraram 1348 pessoas, no segundo dia,
1260 pessoas, no terceiro, 1095, no quarto, 832 e no ltimo dia do levantamento, 850 pessoas. Encontre a amplitude, o desvio-padro, a varincia
e o coeficiente de variao para este conjunto de dados e interprete os
resultados.
64
Resoluo:
A amplitude dada por:
R = x(mximo) x(mnimo) = 1348 832 = 516 pessoas
A diferena, no nmero de pessoas que entram na agncia, entre o
dia de maior movimento e o dia de menor movimento de 516 pessoas.
Para encontrarmos a amplitude interquartil precisamos calcular o
primeiro e o terceiro quartil. Para isto, vamos seguir os procedimentos
descritos no item 3.1.1.1.
Primeiro quartil (Q1)
Q1 = x 1 5
1
+
4 2
Q1 = x1,75
Portanto, o primeiro quartil est entre os elementos que ocupam a
primeira e a segunda posio do conjunto de dados ordenados. Ento:
x 832 850 832
=
0, 75
1
x 832 = 13, 5
x = 832 + 13, 5 = 845, 5
1
+
4 2
Q3 = x4,25
65
Estatstica Aplicada
s=
=
66
( xi x )2
i =1
n 1
(1348 1077 )2 + (1260 1077 )2 + (1095 1077 )2 + (832 1077 )2 + (850 1077 )2
5 1
218808
= 54702 233 , 88 pessoas
4
No h como interpretar a expresso pessoas2. Por esse motivo, utilizamos o desvio-padro no lugar da varincia.
O coeficiente de variao, dado pela frmula (3.11), muito fcil
de ser obtido desde que j conheamos os valores da mdia aritmtica e
do desvio-padro. Pela frmula podemos observar que basta fazermos
uma simples diviso. Para este exemplo temos que:
cv =
s 233, 88
=
0, 2172 ou 21, 72%
x
1077
s=
( xi x )2 fi
i =1
(3.12)
n 1
s=
xi2 fi
( xi fi )
n 1
(3.13)
67
Estatstica Aplicada
onde, para ambas as frmulas (3.12) e (3.13), xi representa cada uma das
observaes do conjunto de dados ou, se os dados estiverem agrupados
em classes de frequncias, xi representa o ponto mdio da classe, x a
mdia do conjunto de dados, fi a frequncia associada a cada observao
(ou classe de observaes) do conjunto de dados e n o nmero de total
de observaes no conjunto de dados.
s2
( xi x )2 fi
i =1
(3.14)
n 1
ou
s2
xi2 fi
( xi fi )
n 1
(3.15)
68
31
20
Total
63
69
Estatstica Aplicada
Nmero de
faltas (xi)
xi fi
x2i fi
31
20
20
20
16
32
18
25
36
Total ( )
63
53
131
s=
xi2 fi
( xi fi )
n -1
2
53)
(
131
63
63 1
2809
63 131 44, 59
62
62
131
=
70
Como 1,3938 faltas2 no tem interpretao, utilizamos o desviopadro para interpretar o comportamento dos dados.
O coeficiente de variao para este exemplo dado por:
cv =
s 1,18
=
1, 4048 ou 140.48%
x 0, 84
O coeficiente de variao nos diz que este conjunto de dados apresenta uma alta disperso.
Para finalizarmos, vamos fazer os clculos para os dados agrupados
em classes de frequncias. Para isto vamos utilizar o exemplo 2.5 que se
encontra no item 2.2.
Exemplo 3.8: A tabela abaixo apresenta a distribuio de frequncias do tempo de vida de 60 componentes eletrnicos (medido em dias)
submetidos experimentao num laboratrio especializado.
Ponto
Mdio
(xi)
Tempo de vida
(dias)
318
1833
25,5
3348
40,5
4863
55,5
6378
10
70,5
7893
28
85,5
93108
100,5
108123
115,5
Total
60
10,5
Estatstica Aplicada
A maior diferena entre os tempos de vida (em dias) dos componentes eletrnicos foi de 120 dias, ou seja, o componente com maior sobrevivncia durou 120 dias a mais do que o componente que durou menos
tempo.
Para o clculo do desvio-padro, podemos utilizar as frmulas
(3.12) ou (3.13), onde o termo xi o ponto mdio de cada classe de frequncia. Como a mdia aritmtica envolve valores decimais, mais simples
efetuar os clculos atravs da frmula (3.13). Como no exemplo anterior,
vamos construir um quadro acrescentando as colunas que fornecero os
valores que precisamos para substituir na frmula 3.13.
Classes de
frequncias
318
1833
Ponto
Mdio
(xi)
xi fi
x2i fi
10,5
31,5
330,75
25,5
102
2601
3348
40,5
162
6561
4863
55,5
444
24642
6378
10
70,5
705
49702,5
7893
28
85,5
2394
204687
93108
100,5
201
20200,5
108123
115,5
115,5
13340,25
Total
60
4155
322065
s=
72
xi2 fi
( xi fi )
n -1
2
4155 )
(
322065
60
60 1
172640025
322065 287733, 75
60
59
59
322065
s 24,12
=
0, 3483 ou 34, 83%
x 69, 25
3.3 Grficos
O objetivo da utilizao de grficos
em anlise de dados o de facilitar a compreenso do fenmeno estatstico por meio
do efeito visual imediato que os grficos
proporcionam.
Conexo:
Vamos refletir um pouco
sobre a necessidade de abordagens pedaggicas para o ensino e
a aprendizagem de grficos acessando o endereo <http://www.ufrrj.br/
emanped/paginas/conteudo_producoes/docs_22/carlos.pdf>.
Estatstica Aplicada
Vamos saber um pouco quando usar e como construir cada um destes grficos.
Exemplo 3.9: A tabela 3.1 fornece uma lista do nmero de assinantes de telefones celulares, em milhes, de 1997 a 2007, do pas X. Construa um grfico para resumir os dados da tabela abaixo.
Tabela 3.1 Assinantes de telefones celulares, em milhes, de
1997 a 2007.
74
Ano
1997
1,1
1998
1,3
1999
1,5
2000
1,9
2001
2,4
2002
2,6
2003
3,1
2004
7,4
2005
18,6
2006
21,5
2007
29
30
29
25
21,5
20
18,6
15
10
5
0
1996
7,4
1,1
1,3
1998
1,5
1,9
2000
2,4
2,6 3,1
2002
Anos
2004
2006
2008
75
Estatstica Aplicada
M administrao
5,2
Roubos de funcionrios
3,9
5,5
Assaltos s lojas
1,8
Perda do estoque
1,6
Atendimento ruim
0,8
76
6
4
Atendimento ruim
Perda do estoque
Assaltos s lojas
Roubos de funcionrios
M administrao
Causas
Atendimento ruim
Perda do estoque
Causas
Assaltos s lojas
Fraudes nas vendas
Roubos de funcionrios
M administrao
0
Perda do estoque
8%
Atendimento ruim
4%
M administrao
28%
Assaltos
s lojas
10%
Roubos de funcionrios
21%
Estatstica Aplicada
3.3.1.4 Histograma
Um histograma semelhante ao diagrama de barras, porm referese a uma distribuio de frequncias para dados quantitativos contnuos. Por isso, apresenta uma diferena: no h espaos entre as barras.
Os intervalos de classes so colocados no eixo horizontal enquanto as
frequncias so colocadas no eixo vertical. As frequncias podem ser absolutas ou relativas.
Exemplo 3.11: A tabela abaixo apresenta o salrio de funcionrios
de uma empresa no interior de Minas Gerais.
Tabela 3.3 Distribuio de frequncias dos salrios dos funcionrios de uma empresa no interior de Minas Gerais.
78
Salrio (R$)
Freq. Absoluta
(f)
Freq. Acumulada
(fa)
400,00800,00
38
800,001200,00
18
56
1200,001600,00
12
68
1600,002000,00
76
2000,002400,00
84
2400,002800,00
89
2800,003200,00
92
3200,003600,00
92
3600,004000,00
94
4000,004400,00
94
4400,004800,00
95
Total
95
38
4400,004800,00
4000,004400,00
3600,004000,00
3200,003600,00
2800,003200,00
2400,002800,00
2000,002400,00
1600,002000,00
1200,001600,00
800,001200,00
40
35
30
25
20
15
10
5
0
400,00800,00
Frequncia
Salrio (R$)
Figura 4 Histograma dos salrios dos funcionrios de uma empresa no interior de Minas
Gerais.
79
Estatstica Aplicada
40
38
35
Frequncia
30
25
20
18
15
12
10
5
0
8
5
3
2
1
0
0
0
0
200 600 1000 1400 1800 2200 2600 3000 3400 3800 4200 4600 5000
Ponto mdio das faixas salariais (R$)
3.3.1.6 Ogiva
80
100
90
Frequncia Acumulada
80
70
60
50
40
30
20
10
0
400
800 1200 1600 2000 2400 2800 3200 3600 4000 4400 4800
Salrio (R$)
Figura 6 Ogiva dos salrios dos funcionrios de uma empresa no interior de Minas
Gerais.
28
140
20
110
22
100
14
75
10
60
52
81
Estatstica Aplicada
160
140
120
100
80
60
40
20
0
10
15
20
25
30
82
Atividades
01. Uma agncia de turismo est interessada em saber o perfil dos seus
clientes com relao varivel estado civil. Para isso, o gerente desta agncia pediu ao funcionrio do setor de vendas para fazer um grfico que
resuma estas informaes. Construa o grfico e interprete-o.
Estado civil
Nmero de clientes
Solteiro
2600
Casado
900
Vivo
345
Separado
1200
Outros
1020
Total
6065
11,00
5,60
73,85
24,83
98,00
186,00
234,87
58,00
198,65
223,86
341,42
94,76
445,76
82,80
35,00
455,00
371,00
398,60
234,00
64,90
54,98
48,80
68,90
120,32
126,98
76,43
6,35
9,98
12,68
243,00
18,65
134,90
11,10
321,09
290,76
74,00
48,80
74,52
138,65
26,00
210,13
15,78
197,45
75,00
76,55
32,78
166,09
105,34
99,10
83
Estatstica Aplicada
45
17
1400| 1700
1700| 2100
2100| 2400
2400| 2700
1100| 1400
12
800| 1100
50
45
40
35
30
25
20
15
10
5
0
500| 800
Frequncia
Salrio (R$)
84
e) Qual a porcentagem de funcionrios que ganham entre R$500,00 (inclusive) e no mais que R$1100,00?
10
12
14
14
14
15
16
18
18
18
18
18
19
20
20
20
20
20
21
22
22
22
22
22
22
22
22
22
22
22
22
23
23
24
24
24
24
24
24
24
25
25
25
25
26
26
26
26
26
26
27
27
27
28
28
29
30
30
32
35
36
40
41
Pede-se:
a) Calcule e interprete as seguintes medidas de disperso, calculadas
para os dados brutos (dados no tabulados): amplitude, desvio-padro, varincia e coeficiente de variao e interprete os resultados.
b) Construir uma distribuio de frequncias completa (com freq. absoluta, freq. relativa, freq. acumulada e ponto mdio).
c) Atravs da distribuio de frequncias construda no item b), encontre a amplitude, o desvio-padro, a varincia e o coeficiente de variao e
interprete os resultados.
d) Com a tabela construda no item b), encontre as seguintes medidas: 1
quartil, 7 decil e 99 Percentil. Interprete os resultados.
e) Construa o histograma para este conjunto de dados.
85
Estatstica Aplicada
05. Os dados a seguir representam as notas de 5 disciplinas de um determinado candidato em um concurso pblico. So elas:
2, 5, 8, 8, 9
Calcule a amplitude, o desvio-padro, a varincia e o coeficiente de variao. Interprete os resultados.
06. Numa pesquisa realizada com 91 famlias, levantaram-se as seguintes
informaes com relao ao nmero de filhos por famlia:
nmero de filhos
frequncia de famlias
19
22
28
16
frequncias
Histograma
16
15
14
13
12
11
10
9
8
7
6
5
4
3
2
1
0
Idade
86
08. Um fabricante de caixas de cartolina fabrica trs tipos de caixa. Testase a resistncia de cada caixa, tomando-se uma amostra de 100 caixas e
determinando-se a presso necessria para romper cada caixa. So os seguintes os resultados dos testes:
Tipos de caixas
15
20
30
Reflexo
Leitura recomendada
Sugerimos a leitura do artigo E se todos fossem ao cinema ao mesmo tempo? do professor Luiz Barco, disponvel em:<http://super.abril.
com.br/ciencia/lei-regularidade-estatistica-se-todos-fossem-ao-mesmocinema-ao-mesmo-tempo-439499.shtml>. Ele retrata, de forma bem
interessante, a questo da regularidade dos fenmenos relacionados ao
comportamento social.
87
Estatstica Aplicada
Referncias
ANDERSON, David R.; SWEENEY, Denis J.; WILLIAMS, Thomas
A. Estatstica aplicada administrao e economia. So Paulo: Pioneira Thomson Learning, 2003.
BRUNI, Adriano L. Estatstica Aplicada Gesto Empresarial.
2.ed. So Paulo: Atlas, 2010.
BUSSAB, Wilton de O.; MORETTIN, Pedro A.. Estatstica bsica.
So Paulo: Saraiva, 2003
COSTA NETO, Pedro Luiz de Oliveira. Estatstica, So Paulo: Edgard
Blucher, 2002.
DOWNING, Douglas; CLARK, Jeffrey. Estatstica aplicada. So
Paulo: Saraiva, 2002.
FARIAS, Alfredo Alves de; SOARES, Jos Francisco; CSAR, Cibele
Comini. Introduo estatstica. Rio de Janeiro: LTC, 2003.
TRIOLA, Mario F.. Introduo estatstica. Rio de Janeiro: LTC,
1999.
VIEIRA, Sonia. Estatstica Bsica. So Paulo: Cengage Learning,
2013.
No prximo captulo
88
Distribuies Amostrais e
Estimao
Cap
t u
lo
Voc se lembra?
Voc se lembra de j ter ouvido notcias sobre divulgao de resultados de pesquisas em que foram citados termos como margem de
erro e nvel de confiana da pesquisa? Sempre que as pesquisas so
realizadas em amostras, esses conceitos passam a fazer parte dos
resultados que sero obtidos. Vamos compreender melhor o que
eles significam e como so determinados.
Estatstica Aplicada
Parmetro
Amostra
Estatstica
Interferncia Estatstica
Figura 8 Esquema de inferncia sobre um parmetro
90
des dos estimadores para decidir qual utilizar. Vamos estudar agora duas
propriedades dos estimadores: vcio e consistncia.
Vcio: um estimador no viciado para se E( ) = , ou seja, o
valor esperado do estimador igual ao valor do parmetro.
Consistncia: um estimador consistente se:
^
limE() =
n
(4.1)
limVar() = 0
n
Podemos observar que um estimador consistente se, quando aumentamos o tamanho da amostra, o valor esperado do estimador igual
ao valor do parmetro, portanto, no viciado, e a varincia do estimador
convergir para zero.
Dois parmetros populacionais muito importantes e de grande interesse em se estimar so a mdia e a proporo. Portanto, vamos escolher
agora os estimadores utilizados para estimar estes dois parmetros de maneira que eles satisfaam as propriedades de vcio e consistncia.
X=
1
( X + X 2 + ... + X n )
n 1
(4.2)
91
Estatstica Aplicada
X + X 2 + ... + X n 1
E( X ) = E 1
= n E ( X1 ) + E ( X 2 ) + ... + E ( X n )
n
n
1
= [ + + ... + ] =
=
n
n
e
X + X 2 + ... + X n 1
Var ( X ) = Var 1
= n 2 Var ( X1 ) + Var ( X 2 ) + ... + Var ( X n )
n
1
n2 2
= 2 [2 + 2 + ... + 2 ] = 2 =
n
n
n
X=
92
Ento, podemos concluir que, neste bairro, aproximadamente 1 pessoa possui nvel superior completo.
A distribuio de Bernoulli
uma distribuio de probabilidade
discreta com as seguintes caractersticas: o experimento realizado somente
uma vez e a v.a. X assume apenas dois valores, P(sucesso) = P(X = 1) = p e P (fracasso)
= P(X = 0) = 1 p, com E(X) = p e VAR(X) =
1 p.
Portanto, o estimador da
proporo populacional uma
mdia de variveis aleatrias convenientemente definidas.
Seja X 1 , X 2 , ..., X n uma
sequncia de variveis aleatrias
independentes com distribuio de
Bernoulli. Pelas propriedades da esperana e da varincia temos:
X + X 2 + ... + X n 1
E p = E 1
= n E ( X1 ) + E ( X 2 ) + ... + E ( X n )
n
1
np
= [p + p + ... + p] =
=p
n
n
( )
X + X 2 + ... + X n 1
Var p = Var 1
= n 2 Var ( X1 ) + Var ( X 2 ) + ... + E ( X n )
n
1
np (1 p ) p (1 p )
= 2 [ p (1 p ) + p (1 p ) + ... + p (1 p )] =
=
n
n
n2
( )
93
Estatstica Aplicada
A distribuio normal uma distribuio contnua de probabilidade
de uma varivel aleatria X. Seu grfico chamado de curva normal.
94
0,9
0,8
= 0, 2 = 0,2
0,7
= 0, 2 = 1,0
0,6
= 0, 2 = 5,0
= 2, 2 = 0,5
0,5
0,4
0,3
0,2
0,1
0
5
Fonte:<http://www.cultura.ufpa.br/dicas/biome/bionor.htm>.
Estatstica Aplicada
96
Quando a amostragem for sem reposio e o tamanho amostral n for maior que
5% do tamanho finito N da populao, ou seja, n > 0,05 N, devemos ajustar o
desvio padro das mdias amostrais multiplicando-o pelo fator de correo
x
para populao finita:
N -n
N -1
(4.5)
(4.6)
EP(X) =
=
n
n
(4.7)
s2
s
=
n
n
(4.8)
Estatstica Aplicada
p (1 p )
n
(4.9)
p 1 p
n
(4.10)
98
As escolhas mais comuns para o nvel de confiana e, consequentemente, os respectivos valores crticos obtidos da distribuio normal so:
Nvel de confiana
90%
0,10
1,645
95%
0,05
1,96
99%
0,01
2,575
Estatstica Aplicada
(4.11)
O valor obtido de z / 2
chamado margem de erro ou erro mn
ximo da estimativa.
cido
100
Quando coletamos um
conjunto de dados amostrais para
estimar um parmetro populacional, o
valor obtido pelo estimador deste parmetro
tipicamente diferente do valor do parmetro. A diferena entre estes dois valores
chamada margem de erro ou erro mximo de
estimativa, ou seja, a diferena mxima
provvel entre a estimativa obtida atravs
do estimador e o verdadeiro valor do
parmetro populacional.
s
n
(4.11)
Distribuio
Condies
Use a distribuio t
Notas: 1. Critrios para decidir se a populao ou no normalmente distribuda: A populao no precisa ser exatamente normal, mas deve parecer simtrica
de alguma forma, com uma nica moda e sem outliers.
2. Tamanho amostral n > 30: Essa uma diretriz comumentemente usada,
mas tamanhos amostrais de 15 a 30 so adequados se a populao parecer ter
uma distribuio que no se afasta muito da normal e se no h outliers. Para
algumas distribuies populacionais que se afastam extremamente da normal, o
tamanho amostral pode precisar ser maior do que 50, ou mesmo 100.
Estatstica Aplicada
p (1 p )
n
Conexo:
Os requisitos necessrios
para a costruo de intervalos de
confiana para a proporo populacionam exigem conhecimento da distribuio
de probabilidade Binomial. Para isto, leia a
Seo 7.2 Estimao da Proporo Populacional, em (TRIOLA, 2008, p. 252).
O v a l o r o b t i d o d e /2
n
chamado margem de erro ou erro mximo da estimativa.
Exemplo 4.3: De uma amostra de 40 observaes de uma populao normal com mdia desconhecida e desvio-padro =5, obtemos uma
mdia amostral x = 25.
Construir um intervalo de 95% de confiana para a mdia populacional.
Resoluo:
Neste exemplo vamos usar a frmula do intervalo de confiana descrito no 1 CASO. Os dados que o exerccio fornece so:
102
; x + z / 2
x z / 2
n
n
5
5
; 25 + 1, 96
25 1, 96
40
40
9, 8
9, 8
25 6, 3246 ; 25 + 6, 3246
[ 25 1, 5495 ; 25 + 1, 5495]
[ 23, 4505 ;
26, 5495]
Vamos usar o intervalo de confiana descrito no 2 CASO, pois temos uma populao normal com desconhecido. Os dados so:
x = 23, 5; n = 15; S = 0, 5; 1 = 0, 9; = 0,1;
/2 = 0,05; t / 2 = 1, 761; n 1 = 14
103
Estatstica Aplicada
Usando a frmula:
S
S
; x + t / 2
x t / 2
n
n
0, 5
0, 5
; 23, 5 + 1, 761
23, 5 1, 761
15
15
0, 8805
0, 8805
104
S
S
; p + z / 2
p z / 2
n
n
0, 6 0, 4
0, 6 0, 4
; 0, 6 + 1, 96
0, 6 1, 96
2.000
2.000
Se quisermos um intervalo de
95% de confiana para a porcentaPodemos interpretar este
gem populacional podemos expresintervalo da seguinte maneira:
entre os moradores desta cidade, a
sar este resultado como [57,85% ;
porcentagem dos que esto satisfeitos com
62,15%].
o atual prefeito estimada em 60%, com uma
Atividades
02. A fim de averiguar a popularidade da gesto da nova reitoria de determinada universidade, uma amostra aleatria de 400 estudantes foi selecionada e constatou-se que 45% estavam satisfeitos com a nova gesto.
105
Estatstica Aplicada
03. Os dados abaixo referem-se ao nmero de horas semanais que os estudantes do primeiro semestre de administrao passaram se preparando
para o exame de Estatstica.
1
7 7
Determine:
a) o erro padro estimado da mdia;
106
Reflexo
Vimos que possvel encontrar a melhor estimativa pontual da
mdia e da proporo, mas no temos indicao de quo boa esta nossa
melhor estimativa. Para contornar isto, utilizamos a estimativa intervalar,
ou intervalo de confiana, que consiste em uma faixa de valores em vez
de apenas um nico valor. Como dissemos anteriormente, precisamos ser
cuidadosos para interpretar corretamente os intervalos de confiana. Na
interpretao correta, o nvel de confiana se refere taxa de sucesso do
processo em uso para se estimar o parmetro populacional e no a chance
de que o verdadeiro valor do parmetro esteja entre os limites do intervalo
de confiana. Por exemplo, um nvel de confiana de 95% nos diz que o
processo em uso resultar, a longo prazo, em limites de intervalo de confiana que contenham o verdadeiro valor do parmetro populacional 95%
das vezes.
Leitura recomendada
Sugerimos que voc oua os udios que esto no seguinte endereo:
<http://m3.ime.unicamp.br/recursos/1288>. Nestes udios voc aprender
o significado da expresso margem de erro no contexto da Matemtica.
Referncias
107
Estatstica Aplicada
SMAILES, Joanne; McGRANE, Angela. Estatstica aplicada administrao com Excel. So Paulo: Atlas, 2002.
SPIEGEL, Murray R.. Estatstica. So Paulo: Makron Books, 1993.
TRIOLA, Mario F.. Introduo estatstica. Rio de Janeiro: LTC,
2008.
No prximo captulo
Neste captulo estudamos a tcnica de Estimao, uma das mais importantes da inferncia estatstica. Usando dados amostrais, aprendemos
a obter estimativas pontuais e intervalares para parmetros populacionais
importantes: mdia e proporo. Para a construo de intervalos de confianas vimos que precisamos encontrar valores crticos da distribuio
normal padro ou da distribuio t-student.
No prximo captulo estudaremos outra tcnica da inferncia estatstica: teste de hiptese. E, nos aprofundaremos no estudo da distribuio
normal.
108
Distribuio Normal e
Teste de Hiptese
Cap
t u
lo
Identificar situaes nas quais podemos aplicar o modelo de probabilidade normal, bem como calcular probabilidades associadas a tal modelo.
Compreender quais so as etapas necessrias para a realizao de um
teste de hiptese.
Voc se lembra?
Estatstica Aplicada
E ( X ) = x f ( x ) dx
(5.1)
110
Var ( X ) = E ( X 2 ) E ( X )
(5.2)
2
1
2
exp-( x - ) / 2 ,
2
< x<
(5.3)
111
Estatstica Aplicada
f ( x ) dx
(5.4)
a b
112
(5.5)
A tabela fornecida no final do livro, utilizada nos clculos das probabilidades, nos d a P(0 Z zc) = P, isto ,
A caracterstica de simetria da distribuio normal implica que a probabilidade de estar acima (ou abaixo) de zero 0,5,
ou seja, P(Z 0) = 0,5 = P( Z 0).
113
Estatstica Aplicada
Exemplo 5.1: As vendas mensais de determinado produto tm distribuio aproximadamente normal, com mdia 500 unidades e desviopadro 50 unidades. Determine as probabilidades de que, em um ms, as
vendas do produto sejam:
a) no mximo 530 unidades;
b) no mnimo 460 unidades;
c) entre 450 e 550 unidades;
d) no mnimo 530 unidades.
Resoluo:
Vamos definir a v.a. como
sendo X: vendas mensais de
determinado produto. Portanto,
X ~ N(500,2500).
a) P(X 530)
X 530 500 30
=
= = 0, 6
50
50
0,6
114
Portanto,
P(X 530) = P(Z 0,6) =0,5 + P(0 Z 0,6) = 0,5 + 0,2257= 0,7257
O valor 0,5 vem do fato que P(Z 0) = 0,5.
b) P(X 460)
Usando a transformao:
Z=
X 460 500
=
= 40 / 50 = 0, 8
50
-0,8
Portanto,
P(X 460) = P(Z 0,8) = P(0,8 Z 0) + 0,5 = 0,2881 + 0,5 = 0,7881
Observao.: Devido simetria da distribuio normal temos que
P(0,8 Z 0) = P(0 Z 0,8) e, como no item anterior, o valor 0,5 vem
do fato que P(Z 0) =0,5.
c) P(450 X 550)
Transformando:
X 450 500 50
=
= = 1
50
50
X 550 500 50
=
= =1
Z2 =
50
50
Z1 =
+1
Estatstica Aplicada
X 530 500 30
=
= = 0, 6
50
50
Portanto,
P(X 530) = P(Z 0,6) =0,5 P(0 Z 0,6) = 0,5 0,2257= 0,2743
O valor 0,5 vem do fato que P(Z 0) =0,5
Exemplo 5.2: O tempo de vida mdio de certo aparelho de dez
anos, com desvio-padro de 1,5 ano. O fabricante substitui os aparelhos
que acusam defeito dentro do prazo de garantia. Qual deve ser o prazo de
garantia para que a porcentagem de aparelhos substitudos seja no mximo 5%?
Resoluo
X: tempo de vida do aparelho
X ~N (10, 2,25)
Neste exerccio queremos encontrar Xc: prazo de garantia para que
no mximo 5% dos aparelhos produzidos sejam substitudos dentro desse
prazo. Observe que o exerccio j forneceu a probabilidade e queremos
encontrar qual o valor correspondente a esta probabilidade, isto ,
116
Transformando na v.a. Z temos P(Z Zc) =0,5 e procurando no corpo da tabela 0,45 (0,5-0,05) encontramos Zc = 1,645.
0,05
z = 1,645
Portanto:
Xc
X
1, 645 = c
1, 5
X c 10 = 2, 4675
Zc =
X c = 2, 4675 + 10
X c = 7, 5325
Ento, o prazo de garantia deve ser de 7,5 anos.
Estatstica Aplicada
H0 : = k
H1 : > k
118
H0 : = k
H1 : < k
H0 : = k
H1 : k
Exemplo 5.3: Identifique as hipteses nulas e alternativa e identifique qual representa a afirmao em cada um dos itens abaixo.
a) Uma universidade alega que a proporo de seus alunos
que so do sexo masculino de 46%. O departamento de
marketing da universidade deseja testar esta afirmao.
b) Os amortecedores de automveis que circulam em cidades
duram, em mdia, 35.000 quilmetros, segundo informao de
algumas oficinas especializadas. Um proprietrio de automvel deseja testar essa afirmao.
c) Um veterinrio conseguiu ganho mdio dirio de 2,5 litros de
leite por vaca com uma nova composio de rao. Um pecuarista acredita que o ganho no to grande assim.
Resoluo:
a) H0 : p = 0,46 afirmao
H1 : p 0,46
b) H0 : = 35.000 afirmao
H1 : 35.000
c) H0 : = 2,5 afirmao
H1 : < 2,5
ou
t=
x
s
n
119
Estatstica Aplicada
120
Um teste de hiptese pode ser bilateral, unilateral esquerda ou unilateral direita. O tipo de teste depende da regio da distribuio amostral que favorece uma rejeio de H0
Temos que:
Se a hiptese alternativa H1 contiver o smbolo <, o teste de
hiptese ser um teste unilateral esquerda, ou seja, a regio
crtica est na cauda esquerda sob a curva;
Se a hiptese alternativa H1 contiver o smbolo >, o teste de hiptese ser um teste unilateral direita, ou seja, a regio crtica
est na cauda direita sob a curva;
Se a hiptese alternativa H1 contiver o smbolo , o teste de
hiptese ser um teste bilateral, ou seja, a regio crtica est nas
duas caudas sob a curva;
Nos testes bilaterais, o nvel de significncia dividido igualmente
entre as duas caudas que constituem a regio crtica. Em testes unilaterais
esquerda ou direita, a rea da regio crtica na cauda respectiva .
121
Estatstica Aplicada
n
780.000 820.000
40.00
Z=
=
= 1, 97
120.000
20283, 702
35
Z =
Z/2 = 1,755
122
n
1.000 1.450
450
Z=
=
= 14, 37
700
31, 204952
5 00
Z =
Z = 2,055
4. Concluir o teste com base na estatstica de teste e na regio
crtica.
Temos que a estatstica de teste caiu na regio de rejeio, pois
14,37 < 2,055.
Portanto, rejeitamos a hiptese nula.
H evidncia suficiente para garantir a rejeio da afirmativa de
que salrio mdio dos funcionrios da construtora seja de, no mnimo,
R$ 1.450,00.
Estatstica Aplicada
Atividades
124
b) Qual deve ser a garantia (em km) para assegurar que o fabricante troque sob garantia no mximo 2% dos pneus?
02. As vendas de determinado produto tm distribuio aproximadamente normal, com mdia 700 unidades e desvio-padro 80 unidades. Se a
empresa decide fabricar 800 unidades no ms em estudo, qual a probabilidade de que no possa atender a todos os pedidos desse ms, por estar
com a produo esgotada?
03. As velocidades dos carros numa rodovia tm distribuio normal,
com mdia de 90km/h. Determinar:
a) o desvio-padro das velocidades, se 5% dos carros ultrapassar
100 km/h;
04. Uma fbrica de embalagens de papelo afirma que suas caixas modelo
padro tm uma resistncia mdia no inferior a 14 kg. Uma amostra de
cinco caixas revelou uma resistncia mdia igual a 12,6 kg. Assumindo um
nvel de significncia igual a 2%, possvel confiar na palavra da fbrica?
Sabe-se que o desvio padro populacional das resistncias das caixas
igual a 2 kg e que esta varivel encontra-se normalmente distribuda.
125
Estatstica Aplicada
Leitura recomendada
Sugerimos que voc assista ao vdeo que est no seguinte endereo:
<http://m3.ime.unicamp.br/recursos/1098>. Voc aprender algumas tcnicas de planejamento de experimento, bem como verificar a importncia da formulao correta de uma hiptese na anlise estatstica.
Reflexo
126
Referncias
ANDERSON, David R.; SWEENEY, Denis J.; WILLIAMS, Thomas
A. Estatstica aplicada administrao e economia. So Paulo: Pioneira Thomson Learning, 2003.
Gabarito
Captulo 1
1.
a) qualitativa nominal
b) quantitativa discreta
c) quantitativa contnua
d) quantitativa discreta
EAD-15-Estatstica Aplicada Proibida a reproduo UniSEB
e) quantitativa contnua
f) quantitativa contnua
g) quantitativa discreta
h) qualitativa nominal
i) quantitativa contnua
j) quantitativa contnua
k) qualitativa ordinal
l) qualitativa ordinal
m) qualitativa nominal
n) qualitativa nominal
127
Estatstica Aplicada
2.
a) Como estamos interessados nas respostas dos consumidores de refrigerantes sabor
cola no teste de sabor, um consumidor desse tipo de refrigerante uma unidade experimental. Assim, a populao de interesse a coleo ou conjunto de todos esses consumidores.
b) A caracterstica que a Pepsi deseja medir a preferncia do consumidor de refrigerante sabor cola revelada sob a aplicabilidade de um teste cego, logo, a preferncia pelo tipo
de refrigerante a varivel de interesse.
c) A amostra de 1.000 consumidores de refrigerante sabor cola selecionados da populao de todos os consumidores desse tipo de refrigerante.
d) A inferncia de interesse a generalizao da preferncia de refrigerantes sabor cola
dos 1.000 consumidores da amostra para a populao de todos os consumidores desse
tipo de refrigerante. Em particular, as preferncias dos consumidores da amostra podem
ser usadas para estimar o percentual de todos os consumidores que preferem cada marca.
3. Qualitativos.
Qualitativos, pois as categorias foram simplesmente codificadas. Mas, isto no torna a
varivel quantitativa. No h sentido, por exemplo, calcular a mdia para estes dados
codificados.
4.
a) Todos os cidados brasileiros.
b) Avaliao do trabalho do presidente (bom ou mau); qualitativa.
c) 2.500 indivduos sorteados.
d) Estimar a proporo de todos os cidados que acreditam que o presidente est fazendo
um bom trabalho.
e) Pesquisa.
f) A amostra em estudo no representativa, pois foram entrevistadas somente pessoas
que possuem telefone.
5. Aproximadamente 48.
128
6.
a) Sim, ser representativa.
b) Foram utilizados pelo menos 3 tipos de tcnicas de amostragem: Amostragem Estratificada no primeiro momento, Amostragem casual simples no segundo momento e Amostragem por meio de conglomerados para finalizar.
7.
a) x p = 161.33; x g =1279, 85
b) x ponderada = 524, 85
8.
a)
Amostra estratificada
N de
N de
funcionrios
propriedades
0 20
(n = 50)
Uniforme
Proporcional
500
10
25
20 50
320
10
15
50 100
100
10
100 200
50
10
200 400
30
10
Total
1.000
50
50
Captulo 2
Antes das respostas gostaramos de deixar claro que as interpretaes das questes ficam
a cargo do estudante. Se ocorrer dvidas, entrar em contato com o tutor.
1. k 6 classes e amplitude da classe h 7
EAD-15-Estatstica Aplicada Proibida a reproduo UniSEB
1926
fr
0,1667
fa
2633
13
0,4333
18
3340
0,1333
22
4047
0,1333
26
4754
0,1000
29
5461
0,0333
30
Total
30
129
Estatstica Aplicada
a) 18
b) 13,33%
c) 17
d) 73,33%
e) 26,67%
2.
a) Valores gastos com supermercado. Varivel quantitativa contnua.
b)
4,8961,89
17
0,34
17
61,89118,89
13
0,26
30
118,89175,89
0,10
35
175,89232,89
0,10
40
232,89289,89
0,06
43
289,89346,89
0,06
46
346,89403,89
0,04
48
403,89460,89
0,04
50
Total
30
fr
fa
3.
a) x = 23,1, Md = 22, 5, Mo = 22
b)
130
Classes
1014
Pm
fr
0,0469
fa
3
12
1418
0,0781
16
1822
12
0,1875
20
20
2226
25
0,3906
45
24
2630
12
0,1875
57
28
3034
0,0469
60
32
3438
0,0313
62
36
3842
0,0313
64
40
Total
64
1,0000
4.
a) Vendas mensais. Varivel quantitativa contnua.
b) x 3, 2, Md = 3, 4, Mo = 3, 5
c) 16,36%
d) 21,82%
e) 56,36%
f) 65,45%
5.
x 1, 7, Md = 2, Mo = 2
6. 4,3
Captulo 3
1.
Outros
16,82%
Solteiro
42,87%
Separado
19,79%
Vivo
5,69%
Casado
14,84%
Atravs do grfico, podemos dizer que aproximadamente 43% dos clientes desta agncia
de turismo so solteiros, 20% so separados, 17% tm outro tipo de estado civil, 15% so
casados e apenas 5% so vivos. Esta informao importante na hora de lanar pacotes
de viagens. A agncia deve se lembrar que grande parte de seus clientes so solteiros.
Tambm pode criar estratgias para trazer mais clientes casados ou vivos, que provavelmente devem ter outro tipo de perfil.
131
Estatstica Aplicada
2.
a)
Idades
4,8961,89
17
0,34
17
61,89118,89
13
0,26
30
118,89175,89
0,10
35
175,89232,89
0,10
40
232,89289,89
0,06
43
289,89346,89
0,06
46
346,89403,89
0,04
48
403,89460,89
0,04
50
Total
50
fr
fa
b)
346,89403,89
403,89460,89
289,89346,89
232,89289,89
175,89232,89
118,89175,89
61,89118,89
18
16
14
12
10
8
6
4
2
0
4,8961,89
Frequncia
Histograma
Gastos (R$)
Polgono de Frequncias
18
17
16
14
13
132
Frequncia
12
10
8
6
2
0
0
0
33,39
0
90,38 147,39 204,39 261,39 318,39 375,39 432,39 489,39
Ponto mdio das classes Gastos (R$)
3.
a) Salrio de funcionrios de uma empresa. Esta varivel classificada como quantitativa contnua.
b) 45 funcionrios
c) 86 funcionrios
d) 9,30%
e) 72,09%
f) Tabela 1: Distribuio de frequncias dos salrios dos funcionrios de uma empresa.
Idades
f
fr
fa
500,00800,00
17
19,77
17
800,001100,00
45
52,33
62
1100,001400,00
12
13,95
74
1400,001700,00
4,65
78
1700,002100,00
3,49
81
2100,002400,00
3,49
84
2400,002700,00
2,33
86
Total
86
100
4.
a) R = 31, s 6,1, s 2 37, 2, cv 0, 2633 ou 26, 33%
b)
c)
Classes
1014
Pm
fr
0,0469
fa
3
12
1418
0,0781
16
1822
12
0,1875
20
20
2226
25
0,3906
45
24
2630
12
0,1875
57
28
3034
0,0469
60
32
3438
0,0313
62
36
3842
0,0313
64
40
Total
64
1,0000
133
Estatstica Aplicada
e)
30
Frequncia
25
20
15
10
3842
3438
3034
2630
2226
1822
1418
1014
Nmero de horas
5.
6.
7.
8.
a) Caixa A (menor variao absoluta (s))
b) Caixa A (maior variao relativa (cv))
Captulo 4
1. [14,04902 ; 15,95098] Margem de erro: 0,95098
^
2. a) EP( p ) =
^
3. a) EP(X) =
p (1 p )
= 0, 02487
n
S
= 0, 3863
n
EP(X) =
S
= 0, 34
n
b) [0,40125 ; 0,49875]
b) [4,3749 ; 6,0251]
4. [0,52110 ; 0,57890]
134
5. a) p = 0.4
b) EP( p ) =
p (1 p )
= 0, 01549
n
Captulo 5
1. a) 0,0132
b) 51.496 km
2. 0,1056
3. a) =6.08
b) 5,05%
0.00
0.0000
0.0398
0.0793
0.1179
0.1554
0.1915
0.2257
0.2580
0.2881
0.3159
0.3413
0.3643
0.3849
0.4032
0.4192
0.4332
0.4452
0.4641
0.4713
0.4772
0.4821
0.4861
0.4893
0.4918
0.4938
0.4953
0.4965
0.4974
0.4981
0.4987
0.01
0.0040
0.0438
0.0832
0.1217
0.1591
0.1950
0.2291
0.2611
0.2910
0.3186
0.3438
0.3665
0.3869
0.4049
0.4207
0.4345
0.4463
0.4649
0.4719
0.4778
0.4826
0.4864
0.4896
0.4920
0.4940
0.4955
0.4966
0.4975
0.4982
0.4987
0.02
0.0080
0.0478
0.0871
0.1255
0.1628
0.1985
0.2324
0.2642
0.2939
0.3212
0.3461
0.3686
0.3888
0.4066
0.4222
0.4357
0.4474
0.4656
0.4726
0.4783
0.4830
0.4868
0.4898
0.4922
0.4941
0.4956
0.4967
0.4976
0.4982
0.4987
0.03
0.0120
0.0517
0.0910
0.1293
0.1664
0.2019
0.2357
0.2673
0.2967
0.3238
0.3485
0.3708
0.3907
0.4082
0.4236
0.4370
0.4484
0.4664
04732
0.4788
0.4834
0.4871
0.4901
0.4925
0.4943
0.4957
0.4968
0.4977
0.4983
0.4988
0.07
0.0279
0.0675
0.1064
0.1443
0.1808
0.2157
0.2486
0.2794
0.3078
0.3340
0.3577
0.3790
0.3980
0.4147
0.4292
0.4418
0.4525
0.4693
0.4756
0.4808
0.4850
0.4884
0.4911
0.4932
0.4949
0.4962
0.4972
0.4979
0.4985
0.4989
0.08
0.0319
0.0714
0.1103
0.1480
0.1844
0.2190
0.2517
0.2823
0.3106
0.3365
0.3599
0.3810
0.3997
0.4162
0.4306
0.4429
0.4535
0.4699
0.4761
0.4812
0.4854
0.4887
0.4913
0.4934
0.4951
0.4963
0.4973
0.4980
0.4986
0.4990
0.09
0.0359
0.0753
0.1141
0.1517
0.1879
0.2224
0.2549
0.2852
0.3133
0.3389
0.3621
0.3830
0.4015
0.4177
0.4319
0.4441
0.2545
0.4706
0.4767
0.4817
0.4857
0.4890
04916
0.4936
0.4952
0.4964
0.4974
0.4981
0.4986
0.4990
135
Estatstica Aplicada
P(|t de Student|
136
G. L.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
60
70
80
90
100
110
120
0.50
1.000
0.816
0.765
0.741
0.727
0.718
0.711
0.706
0.703
0.700
0.697
0.695
0.694
0.692
0.691
0.690
0.689
0.688
0.688
0.687
0.686
0.686
0.685
0.685
0.684
0.684
0.684
0.683
0.683
0.683
0.682
0.682
0.682
0.682
0.682
0.681
0.681
0.681
0.681
0.681
0.681
0.680
0.680
0.680
0.680
0.680
0.680
0.680
0.680
0.679
0.679
0.678
0.678
0.677
0.677
0.677
0.677
0.674
0,25
0.10
6.314
2.920
2.353
2.132
2.015
1.943
1.895
1.860
1.833
1.812
1.796
1.782
1.771
1.761
1.753
1.746
1.740
1.734
1.729
1.725
1.721
1.717
1.714
1.711
1.708
1.706
1.703
1.701
1.699
1.697
1.696
1.694
1.692
1.691
1.690
1.688
1.687
1.686
1.685
1.684
1.683
1.682
1.681
1.680
1.679
1.679
1.678
1.677
1.677
1.676
1.671
1.667
1.664
1.662
1.660
1.659
1.658
1.645
0,05
0.05
12.706
4.303
3.182
2.776
2.571
2.447
2.365
2.306
2.262
2.228
2.201
2.179
2.160
2.145
2.131
2.120
2.110
2.101
2.093
2.086
2.080
2.074
2.069
2.064
2.060
2.056
2.052
2.048
2.045
2.042
2.040
2.037
2.035
2.032
2.030
2.028
2.026
2.024
2.023
2.021
2.020
2.018
2.017
2.015
2.014
2.013
2.012
2.011
2.010
2.009
2.000
1.994
1.990
1.987
1.984
1.982
1.980
1.960
0,025
0.04
15.894
4.849
3.482
2.999
2.757
2.612
2.517
2.449
2.398
2.359
2.328
2.303
2.282
2.264
2.249
2.235
2.224
2.214
2.205
2.197
2.189
2.183
2.177
2.172
2.167
2.162
2.158
2.154
2.150
2.147
2.144
2.141
2.138
2.136
2.133
2.131
2.129
2.127
2.125
2.123
2.121
2.120
2.118
2.116
2.115
2.114
2.112
2.111
2.110
2.109
2.099
2.093
2.088
2.084
2.081
2.078
2.076
2.054
0,02
0.02
31.821
6.965
4.541
3.747
3.365
3.143
2.998
2.896
2.821
2.764
2.718
2.681
2.650
2.624
2.602
2.583
2.567
2.552
2.539
2.528
2.518
2.508
2.500
2.492
2.485
2.479
2.473
2.467
2.462
2.457
2.453
2.449
2.445
2.441
2.438
2.434
2.431
2.429
2.426
2.423
2.421
2.418
2.416
2.414
2.412
2.410
2.408
2.407
2.405
2.403
2.390
2.381
2.374
2.368
2.364
2.361
2.358
2.326
0,01
0.01
63.656
9.925
5.841
4.604
4.032
3.707
3.499
3.355
3.250
3.169
3.106
3.055
3.012
2.977
2.947
2.921
2.898
2.878
2.861
2.845
2.831
2.819
2.807
2.797
2.787
2.779
2.771
2.763
2.756
2.750
2.744
2.738
2.733
2.728
2.724
2.719
2.715
2.712
2.708
2.704
2.701
2.698
2.695
2.692
2.690
2.687
2.685
2.682
2.680
2.678
2.660
2.648
2.639
2.632
2.626
2.621
2.617
2.576
0,005
0.005
127.321
14.089
7.453
5.598
4.773
4.317
4.029
3.833
3.690
3.581
3.497
3.428
3.372
3.326
3.286
3.252
3.222
3.197
3.174
3.153
3.135
3.119
3.104
3.091
3.078
3.067
3.057
3.047
3.038
3.030
3.022
3.015
3.008
3.002
2.996
2.990
2.985
2.980
2.976
2.971
2.967
2.963
2.959
2.956
2.952
2.949
2.946
2.943
2.940
2.937
2.915
2.899
2.887
2.878
2.871
2.865
2.860
2.807
0,0025
0.001
636.578
31.600
12.924
8.610
6.869
5.959
5.408
5.041
4.781
4.587
4.437
4.318
4.221
4.140
4.073
4.015
3.965
3.922
3.883
3.850
3.819
3.792
3.768
3.745
3.725
3.707
3.689
3.674
3.660
3.646
3.633
3.622
3.611
3.601
3.591
3.582
3.574
3.566
3.558
3.551
3.544
3.538
3.532
3.526
3.520
3.515
3.510
3.505
3.500
3.496
3.460
3.435
3.416
3.402
3.390
3.381
3.373
3.290
0,0005