Académique Documents
Professionnel Documents
Culture Documents
2004.1 Data: . Professores: Alexsandro Cavalcanti, Amanda dos Santos e Rosngela Silveira
1a
NOTA DE AULA
Introduo Estatstica
ou mtodo cientco que estuda os fenmenos aleatrios e, procura inferir as leis que os mesmos obedecem. Assim, um conceito mais abrangente e absoluto deve englobar tanto o primeiro conceito, o qual o mais popular, quanto o segundo, o qual normalmente escapa noo corrente.
coleta, organizao, descrio, anlise e interpretao dos dados, a m de extrair informaes a respeito de uma populao.
Dentro dessa idia, podemos considerar a Cincia Estatstica como dividida basicamente em duas partes:
1.
2.
Nesta disciplina, sero abordados tpicos referentes estatstica descritiva, conceitos fundamentais de probabilidade e os modelos probabilsticos mais importantes para o estudo da inferncia estatstica.
1.2.1 Populao e Amostra Denio 1.2 (Populao). A populao um conjunto de todos os elementos (pessoas, objetos, etc) que possuem pelo menos uma caracterstica em comum, a(s) qual(is) os relacionam ao problema que est sendo estudado.
Exemplo 1.1. Se o problema a ser pesquisado est relacionado com a qualidade de um Exemplo 1.2. Se o objetivo de um estudo pesquisar o nvel de renda familiar de uma
certo produto produzido numa indstria, a populao pode ser composta por todas as peas produzidas numa determinada hora, turno, dia ou ms, dependendo dos objetivos; certa cidade, a populao seria todas as famlias desta populao. Mas, se o objetivo fosse pesquisar apenas a renda mensal do chefe da famlia, a populao a ser pesquisada seria composta por todos os chefes de famlia desta cidade.
A Populao pode ser:
1. 2.
Finita - quando o nmero de unidades de observao pode ser contado e limitado; Innita - quando a quantidade de unidades de observao ilimitada; populao nita o conjunto formado pelos alunos
que cursam a disciplina de estatstica num determinado semestre da UFCG. Um exemplo de pois este conjunto composto por um nmero incontvel de elementos.
populao innita seria o conjunto formado por todos os alunos de estatstica do Brasil,
Denio 1.4 (Parmetro). uma medida numrica que descreve uma caracterstica
da populao. da amostra.
Denio 1.5 (Estatstica). uma medida numrica que descreve uma caracterstica
Exemplos de algumas medidas numricas so: proporo, mdia, moda, ndices, etc.
1.2.3 Variveis (ou Dados) e Tipos de Variveis Denio 1.6 (Varivel). Uma Varivel nada mais que uma caracterstica (ou
dado) associada a cada elemento da populao ou amostra. A varivel apresenta diferentes valores, quando sujeita a mensuraes sucessivas, e, em geral, denotada pelas letras maisculas: X , Y ou Z .
Antes de realizar qualquer tratamento estatstico de um conjunto de dados, importante identicar qual o tipo de dado (ou varivel) que ser analisado, pois, mediante a este conhecimento que o pesquisador poder ou no adotar determinadas tcnicas estatsticas para a resoluo de problemas. Por exemplo, ser que possvel calcular o peso mdio de lutadores de boxe, quando os dados so coletados segundo a categoria de peso (Leve, Mdio e Pesado)?
Qualitativas ou Quan-
Raa: podendo assumir os valores Branco ou Negro; Resultado de um teste: aprovado ou reprovado; Escolaridade:
grau completo,
nais.
Nominais ou Ordi-
(a) As
apresentam apenas sob o aspecto qualitativo (Ex: raa e resultado de um teste). (b) As - so caracterizadas por categorias que escolaridade e conceito de
Por exemplo:
2.
Discreta ou Contnua.
de procedimento de contagem.
so obtidos por um procedimento de mensurao, podendo assumir quaisquer valores num intervalo dos nmeros reais, como por exemplo, a temperatura, altura, salrio, etc..
Observao 1. O fato de uma varivel ser expressa por nmeros no signica que ela
seja necessariamente quantitativa, por que a classicao da varivel depende de como foi medida, e no do modo como se manifesta. Por exemplo, para a varivel peso de um lutador de boxe, se for anotado o peso marcado na balana, a varivel quantitativa contnua; por outro lado, se esse peso for classicado segundo as categorias do boxe, a varivel qualitativa ordinal.
1a
LISTA DE EXERCCIOS
1 - Dena e/ou explique com suas prprias palavras, o que voc entende por Cincia Estatstica e quais os principais ramos (partes) da Estatstica. 2 - Atravs de um exemplo, dena: Populao e Amostra. 3 - Considere as seguintes situaes: 1) Em uma pesquisa, feita pela EMPETUR com 1015 pousadas escolhidas aleatoriamente, 269 (ou 26,5%) possuam Home-page na Internet para divulgao e prestao de servios ao turista. 2) Outra pesquisa feita entre as 50 Agncias de Viagens de uma certa localidade mostra que 42 (ou 84%) prestam servios pela Internet. Identique em qual das situaes ns temos um exemplo de Parmetro e outro de Estatstica (no sentido de medida). Justique sua resposta. 4 - O que voc entende por varivel? exemplo. 5 - Como voc diferencia uma varivel discreta de uma varivel contnua? exemplo para melhor ilustrar. 6 - Dena e/ou explique com suas prprias palavras, o que voc entende por amostragem. 7 - Qual o principal objetivo de qualquer plano de amostragem? 8 - As estatsticas geradas por intermdio de uma amostra devem ser representativas desta amostra ou da populao de origem? Justique a sua resposta. 9 - Para que uma amostra seja representativa, necessrio apenas que a mesma tenha um tamanho apropriado? Justique a sua resposta. 10 - A Revista dos Eventos, Utilize um Justique a sua resposta por intermdio de um
13,
tentando sanar, ao menos parcialmente, a carncia 1a PESQUISA Os resultados desta pesquisa se baseiam em
40 questionrios respondidos sobre um total de 1000, os quais foram encaminhados por entrega pessoal a dirigentes de entidades integrantes do cadastro da prpria Revista dos Eventos. Qual o problema ou a limitao desta pesquisa? Pelo menos teoricamente, qual seria o melhor procedimento para este tipo de pesquisa, j que a empresa possui um cadastro das entidades? 11 - Classique cada uma das informaes (variveis) abaixo, de acordo com os tipos de variveis. a) Nome b) Nvel de satisfao c) Idade d) Nmero de dias hospedado
UNIVERSIDADE FEDERAL DE CAMPINA GRANDE - Campus I DEPARTAMENTO DE MATEMTICA E ESTATSTICA Disciplina: Probabilidade e Estatstica (6 crditos - Engenharias) Aluno(a): Perodo 2004.2 Data: . Professores: Alexsandro Cavalcanti, Amanda dos Santos e Rosngela Silveira
2a
NOTA DE AULA
Estatstica Descritiva
A estatstica pode ser considerada como um instrumento ou um conjunto de mtodos
matemticos que devem ser utilizados quando se pretende transformar dados em informao. Para ilustrar este processo, veja a Figura 1: 12 15 18 17 15 12 15 19 18 18 18 20 Mdia Moda
Conjunto de dados
Figura 1 No primeiro retngulo, tem-se um conjunto de observaes da varivel idade de um grupo de 12 pessoas e, no segundo retngulo, as estatsticas (informaes) que podem representar esses nmeros.
12 17 19
12 18 20
15 18
15 18
15 18
Desta maneira, ca fcil vericar a freqncia com que cada um dos dados foi observado, por exemplo: o valor 12 ocorreu 2 vezes; o valor 15 ocorreu 3 vezes, e assim por diante.
de uma
Tabela de Freqncias, a qual constituda por uma coluna referente aos dados e outra referente s freqncias associadas a cada valor observado (ni ). Veja
como ca para o conjunto de dados da Figua 1: Tabela 1: Tabela de Freqncias da varivel idade, para um grupo de 12 pessoas.
Idade
12 15 17 18 19 20
Frequncia (ni )
2 3 1 4 1 1 12
Uma medida bastante til na interpretao de tabelas de freqncias a freqncia relativa (fi ), a qual dada pela razo entre a freqncia do i-simo valor observado, ni e o total de dados observados,
n.
fi
por 100.
Para alguns tipos de variveis, tais como a qualitativa ordinal e as quantitativas (discreta ou contnua), pode ser til tambm, a informao de quantas observaes apresentam valores menores ou iguais a um certo valor xado. Este tipo de informao denominado de por porcentagens. Vejamos, agora, como ca a tabela de freqncias anterior com estas informaes adicionadas:
freqncia acumulada, fac , a qual tambm pode ser expressa em termos relativos ou
Idade
12 15 17 18 19 20
ni
2 3 1 4 1 1 12
fi
0,1667 0,2500 0,0833 0,3333 0,0833 0,0833 1,0000
fi 100
(%)
fac
(%)
(20, 1)
representam a distribuio
Representao Grca
Uma representao grca da distribuio de freqncias de uma varivel tem a vantagem de, numa maneira rpida e concisa, informar sobre a variabilidade da mesma.
Grco de Colunas - mais adequado para variveis discretas mas tambm pode ser
utilizado para variveis qualitativas ordinais, ou ainda, para variveis qualitativas nominais cujos nomes das categorias so pequenos. Neste grco, cada valor observado representado por retngulos de mesma base e alturas proporcionais s freqncias. termos de porcentagem: Para ilustrar, veja como ca este grco para a distribuio de freqncias da varivel idade, utilizando a freqncia absoluta e relativa em
Figura 1:
Figura 2:
1o
1 7,5 11 7,5
2 8,0 12 7,0
3 9,0 13 8,5
4 7,3 14 6,8
5 6,0 15 9,5
6 5,8 16 9,8
7 10,0 17 10,0
8 3,5 18 4,8
9 4,0 19 5,5
10 6,0 20 7,0
Note que, no haver vantagem alguma se organizarmos estes dados numa tabela de freqncias, uma vez que os dados pouco se repetem. Assim, torna-se til o agrupamento dos dados, que, de um modo geral, pode ser feito de acordo com os seguintes passos:
Rol.
junto de dados. A escolha do nmero de classes arbitrria, a qual pode ser estabelecida de acordo com o bom senso do pesquisador ou obtido por alguma frmula matemtica construda para este m. Uma sugesto prtica a escolha entre 5 e 15 classes com a mesma amplitude e duas frmulas matemticas que podem orientar na escolha do nmero de classes, so: (a) (b)
k=
k = 1 + 3, 3 log(n) k
o nmero de classes e
Onde
3. Calcular a
Amplitude Total:
AT ot = xmx xm a in
Onde
xmx a
xm in
4. Determinar a
Amplitude de Classe:
h= AT ot k
5. A partir do menor valor observado no conjunto de dados, ou de algum valor imediatamente inferior e adequadamente escolhido, delimitar as classes, ou seja, determinar os limites inferiores e superiores de cada classe. Neste momento, os seguintes smbolos so teis: (a)
li |Li li |Li
i sima
classe, enquanto que o valor extremo superior (Li ) pertence. (b) - para indicar que o valor extremo inferior (li ) pertence
isima classe,
enquanto que o valor extremo superior (Li ) no pertence. 6. Aps todos estes passos, s resta proceder a contagem do nmero de observaes pertencentes cada uma das classes e organizar estas informaes numa tabela de freqncias para dados agrupados.
De acordo com estes passos, o conjunto de dados anterior pode ser organizado como:
(Construir
Histograma
Este grco uma adaptao do grco de colunas, onde as bases correspondem aos intervalos de classe e as alturas so proporcionais s freqncias de classe. Veja como ca o histograma para a distribuio das notas: (Construir
Conjunto de dados 1:
10
Conjunto de dados 2:
1.
Mediana - o valor que divide o conjunto de dados ordenados em duas partes iguais, ou seja, 50% das unidades observadas possuem valores menores ou iguais ao
valor mediano e as demais 50% possuem valores acima da mediana. Para se obter o valor da mediana necessrio os seguintes passos:
1) 2)
Ordenar o conjunto de dados em ordem crescente (ou descrescente); Identicar a posio central do conjunto de dados, ou seja, a posio onde Esta(s) posio(es) pode(m) ser vericada(s)
PM d =
(b)
P 1M d =
n n e P 2M d = + 1, se o , n, . Pois, neste 2 2 caso, existem duas posies centrais e a mediana ser a mdia aritmtica dos
valores observados nestas duas posies.
total de observaes
par
Notao:
Md
ou
M d(X).
11
Exemplo 1:
2
mediana
Note que, o nmero de observaes, n = 5, mpar, logo o valor da mediana (valor n+1 central) est na posio PM d = = 5+1 = 3, que igual a M d = 2. 2 2
Exemplo 2:
2 3
dois valores centrais
Agora, neste caso, o nmero de observaes, valores centrais localizados nas posies
3 + 1 = 4.
Md =
Observao:
Pode-se, tambm, obter a posio da mediana atravs dos seguintes passos:
1) 2)
Obter o valor que representa a metade do total de observaes: Utilizar a seguinte regra:
PM d =
n ; 2
(a) Se
PM d
for um nmero
para
o maior inteiro mais prximo, e, assim, o valor da mediana estar nesta nova posio obtida. (b) Se
PM d for um nmero inteiro, ento o valor da mediana ser a mdia aritmtica dos valores que esto nas posies PM d e PM d + 1.
Utilizando-se os procedimentos descritos na observao acima, temos n que, para o conjunto de dados 1, PM d = = 5 = 2, 5 (no inteiro), logo o valor da 2 2 mediana estar na posio PM d = 3 (maior inteiro mais prximo), que dado por
Exemplo 3:
M d = 2.
Exemplo 4:
3 + 1 = 4:
n = 6 = 3 (inteiro), assim, de 2 2 acordo com o procedimento descrito na observao acima, temos que a mediana
No conjunto de dados 2, temos
PM d =
PM d = 3 e PM d +1 =
Md =
12
2.
Moda
freqncia. Notao:
Mo
ou
Mo (X). 1 2 2 3 5,
dito ser
Exemplo 5:
Mo = 2.
unimodal,
tendo em vista que um nico valor ocorre com maior frequncia. Assim, a moda
Exemplo 6:
tendo em vista que, neste caso, dois valores ocorrem com maior frequncia, assim, os valores modais so: 3.
Mo = 2
Mo = 5.
Mdia Aritmtica (Mdia) - obtida a partir da razo entre a soma dos valores
observados e o total de observaes: soma dos valores total de observaes
Mdia
(n)
Notao:
M e, M e(X)
ou
x.
Exemplo 7:
A partir do conjunto de dados 1, a mdia obtida por: soma dos valores total de observaes
M e(X) = x =
(n)
1+2+2+3+5 = 2, 6. 5
Por exemplo, se
x 1 , x2 , . . . , x k
so
X,
M e(X) = x =
Agora, se, de um total de
x1 + x2 + . . . + xk 1 = k k
xi
i=1
x2
ocorreu
n2
vezes,...,
n valores observados (ou observaes), x1 ocorreu n1 vezes, xk ocorreu nk vezes, ento a mdia de X pode ser reescrita
como:
xi .ni
i=1 k
(1)
xi .
i=1 k
ni n
(2)
=
i=1
Onde:
xi .fi .
(3)
13
ni fi
xi ,
n=
k i=1
ni
o total de observaes, e,
xi . 1 2 2 3 5 5,
temos:
Exemplo 8:
1 M e(X) = x = n
i=1
1 18 xi .ni = (1 1 + 2 2 + 3 1 + 5 2) = = 3. 6 6
Exerccio:
12
12
15
15
15
17
18
18
18
18
19
20
Soluo:
Exemplo:
S =salrio
(dados
agrupados em classes):
Salrio
Frequncia Absoluta
4, 00| 8, 00 8, 00| 12, 00 12, 00| 16, 00 16, 00| 20, 00 20, 00| 24, 00
10 12 8 8 2
14
Soluo:
X: 3 4 5 6 7 Y : 3 5 5 7
a qual nada informa sobre a variao dos
M e(X) = M e(Y ) = 5,
valores nos dois grupos. Assim, torna-se importante o conhecimento de uma medida que fornea este tipo de informao. Na prtica, existem vrias medidas que expessam a variabilidade de um conjunto de dados, sendo que as mais utilizadas baseam-se na idia que consiste em vericar a distncia de cada valor observado em relao mdia. Estas distncias so denominadas de
em relao mdia.
desvios
conjunto de dados e, obtida pelo clculo da mdia dos quadrados dos desvios em relao mdia:
1 V ar(X) = s = n
2 k
(xi x)2 ni
i=1
15
Y:
apresenta ...
Observao:
xi
por
si ,
(xi x)2 ni
i=1
O uso do desvio padro como medida de variabilidade prefervel pelo fato de ser expresso na mesma unidade de medida dos valores observados. Pois, a varincia pode causar problemas de interpretao por ser expressa em termos quadrticos.
medida relativa de variabilidade. O seu valor determinado por intermdio do quociente entre o desvio padro e a mdia aritmtica dos dados.
CV (X) = s 100 x
A utilidade imediata do coeciente de variao a possibilidade de avaliar o grau de representatividade da mdia. Esta medida tambm bastante til na comparao entre conjunto de dados, em relao variabilidade; ainda que as unidades de medida nos conjuntos de dados sejam distintas. Por exemplo, comparar a variabilidade das distribuies da varivel peso expressa em quilogramas (Kg ) e altura expressa em metros (m). Um critrio de deciso sobre a representatividade ou no da mdia, pode ser dada pela seguinte linha de corte: Se Se
a mdia
no representativa.
a mdia representativa.
Exemplos:
a) O desvio padro das variveis
DP (X) = DP (Y ) = s = Km,
40
2 = 1, 41. Km.
Calcule
Km
e 50
16
quartis, denota-
Q1 , Q2
Q3 ,
Q1 Q2 Q3
superiores dos valores ordenados; superiores, ou seja, a mediana; e superiores dos dados;
Analogamente, h nove
decis,
denotados por
D1 , D2 , . . . , D9 ,
em 10 grupos com cerca de 10% deles em cada grupo. Finalmente, h 99 dividem os dados em 100 grupos com cerca de 1% em cada grupo.
percentis que
Basicamente, dois passos so necessrios para se encontrar as medidas em questo. Primeiro deve-se identicar a sua posio, e, em seguida, determinar o seu valor. Veja a seguir, como obter os valores referentes aos percentis, quando se est trabalhando com dados brutos ou em distribuio de freqncias para dados
no agrupados:
expresso:
L=
Onde: -
k 100
L k n
k esimo
percentil; e
2)
1. Se
for um nmero
no inteiro,
para o maior
inteiro mais prximo, e, assim, o valor do que ocupa esta nova posio obtida. 2. Se
k esimo
percentil,
Pk ,
for um nmero
L + 1.
Uma vez dominados os clculos para os percentis, pode-se seguir o mesmo processo
L=
para calcular os quartis e decis, tendo-se o cuidado de calcular o valor de L, pelas frmulas k k n, k = 1, 2, 3 e L = 10 n, k = 1, 2, . . . , 9, respectivamente. Pode-se, 4 ainda, obter os quartis e decis pelas seguintes relaes existentes entre estas medidas e os percentis:
17
Quartis
Q1 = P25 Q2 = P50 Q3 = P75
Decis
D1 = P10 D2 = P20
. . .
D9 = P90
Alm das medidas de tendncia central e de variao j introduzidas, costuma-se denir outras estatsticas utilizando quartis, decis ou percentis, tais como:
de
Observao: O histograma pode ser utilizado para se obter o k esimo percentil, Pk , no caso dados agupados em classes. Veremos como proceder, atravs de um exemplo que
1) 2) xmx , a 3)
A mediana (M d); Os extremos: o menor e o maior valor observado no conjunto de dados (xm e in
Q1 ,
na mediana
M d = Q2
e no terceiro quartil
Q3 .
Exemplo:
18
52 68 84
52 69 90
60 71
60 72
60 73
60 75
63 78
63 80
66 82
67 83
a) A mdia, a moda e o desvio padro; b) O primeiro, segundo e terceiro quartil; c) Construa uma tabela de frequncias para os dados agrupados em 7 classes; d) Construa o histograma e o diagrama em caixa;
a) A mdia, a moda e o desvio padro; b) O primeiro, segundo e terceiro quartil utilizando o histograma;
19
2a
LISTA DE EXERCCIOS
20 30 40
a) Se substitumos o valor mesmos? Justique? b) Analisando os resultados acima, ressalte uma caracterstica vantajosa da mediana em relao mdia. 3 - Mostre que:
40
por
70,
(xi x) ni =
i=1
E, por isso, a varincia
x2 ni i
i=1
k i=1
xi =
x2 ni nx2 i
i=1
x2 ni x2 i
i=1
4 - Na turma A do curso normal da Escola X, esto matriculados 50 alunos no corrente ano. O levantamento das chas biomtricas revelou as seguintes estaturas em centmetros: 165 164 151 160 155 169 153 156 165 160 170 157 162 162 155 154 151 155 162 150 168 160 154 151 168 155 156 158 166 155 154 152 163 156 170 158 171 159 175 154 159 158 153 158 156 162 165 156 161 157 a) Elabore uma distribuio de freqncias, fazendo o limite inferior da primeira classe igual a 150 (inclusive) e amplitudes dos intervalos de classe igual a 5 cm. b) Baseado na distribuio de freqncia calcule: a mdia, a mediana, a moda, os quartis. c) Esboce o histograma 5 - As taxas de juros recebidas por 10 aes durante certo perodo foram (medidas em porcentagem): 2.59; 2.64; 2.60; 2.62; 2.57; 2.55; 2.61; 2.50; 2.63; 2.64. Calcule a mdia e a mediana.
20
B =
{0, 1, 2, 3, 4, 5}
a) o desvio-padro de A igual a 100 vezes o desvio-padro de B. b) o desvio-padro de A igual ao desvio-padro de B. c) o desvio-padro de A igual ao desvio-padro de B multiplicado pelo quadrado de 1000. d) o desvio-padro de A igual ao desvio-padro de B dividido por 1000. e) o desvio-padro de A igual ao quadrado do desvio-padro de B. 7 - Em uma granja foi observada a distribuio dos frangos em relao ao peso, que era a seguinte:
Peso (g) 960 - 980 980 - 1000 1000 - 1020 1020 - 1040 1040 - 1060 1060 - 1080 TOTAL
ni
60 160 280 260 160 80 1000
a) Qual a mdia da distribuio? E qual a varincia? b) Queremos dividir os frangos em quatro categorias com relao ao peso de modo que: os 20% mais leves sejam da categoria D; os 30% seguintes sejam da categoria C; os 30% seguintes sejam da categoria B; os 20% seguintes (ou seja os mais pesados) sejam da categoria A. Quais os limites de peso entre as categorias A,B,C e D?
21
UNIVERSIDADE FEDERAL DE CAMPINA GRANDE - Campus I DEPARTAMENTO DE MATEMTICA E ESTATSTICA Disciplina: Probabilidade e Estatstica (6 crditos - Engenharias) Professores: Alexsandro, Alecxandro e Amanda Aluno(a): Perodo 2003.2 Data: .
3a
NOTA DE AULA
Introduo Probabilidade
Objetivo: denir um modelo matemtico probabilstico que seja conveniente a descrio e interpretao de fenmenos aleatrios.
3.1 Introduo
Ao jogarmos uma moeda para o ar, de modo geral, no podemos armar se vai dar cara ou coroa, da mesma forma, quando lanamos um dado no sabemos qual das faces 1, 2, 3, 4, 5, ou 6 ocorrer. H numerosos exemplos de tais situaes no campo dos negcios e do governo. A previso da procura de um produto novo, o clculo dos custos de produo, a opinio plblica sobre determinado assunto, a contratao de um novo empregado - tudo isso contm algum elemento de acaso. Independente de qual seja a aplicao em particular, a utilizao das probabilidades indica que existe um elemento de acaso, ou de incerteza, quanto ocorrncia ou no de um evento futuro. Assim que em muitos casos, pode ser virtualmente impossvel armar com antecipao o que ocorrer; mas possvel dizer o que pode ocorrer. O ponto central em todas essas situaes a possibilidade de quanticar quo provvel determinado evento. As probabilidades so utilizadas para exprimir a chance de ocorrncia de determinado evento.
3.2 Denies
Denio 3.1 (Fenmenos aleatrios ou Experimentos aleatrios). So aqueles
onde o processo de experimentao est sujeito a inuncias de fatores casuais e conduz a resultados incertos.
Exemplos: E1 E2 E3
: : :
Jogar uma moeda e observar o nmero de coroas obtido. Lanar um dado e observar o nmero mostrado na face superior. Retirar uma carta de um baralho e observar seu naipe.
22
Observaes: a) Cada experimento poder ser repetido um grande nmero de vezes sob as mesmas condies; b) No podemos armar que resultado particular ocorrer, porm podemos descrever o conjunto de todos os possveis resultados do experimento, ou seja, as possibilidades de resultado; c) Quando o experimento repetido um grande nmero de vezes, surgir uma regularidade nos resultados. Esta regularidade, chamada de regularidade estatstica, que torna possvel construir um modelo matemtico preciso com o qual se analisar o experimento.
E2
Observao: Como estamos tratando com conjuntos, so vlidas todas as operaes indicadas na teoria dos conjuntos:
A A
c A - ocorre se A no ocorre.
Denio 3.4 (Eventos mutuamente Excludentes). Dois eventos so mutuamente exclusivos, se eles no podem ocorrer simultaneamente, isto , A B = .
23
3.3 Probabilidade
Denio 3.5 (Denio Clssica de Probabilidade - Freqncia Relativa).
Suponha que um experimento repetido n vezes, e seja A e B dois eventos associados ao experimento. Sejam nA e nB o nmero de vezes que o evento A e o evento B ocorram nas n repeties. A freqncia relativa do evento A, representada por fA , defenida como
fA = nA . n
Propriedades:
(i) (ii) (iii)
0 fA 1; fA = 1, fA = 0, A
e se, e somente se, se, e somente se,
A A
repeties;
repeties;
(iv) Se
fAB
for a freqncia
A B,
ento,
fAB = fA + fB .
axiomas:
(i) 0 P (A) 1; (ii) P () = 1; (iii) Se A e B forem mutuamente exclusivos (A B = ), ento P (A B) = P (A) + P (B) .
Observao: A probabilidade de um evento A, denotada por ocorrncia do evento A. Quanto mais prxima de 1
do evento A, e quanto mais prxima de zero, menor a chance de ocorrncia do evento A. Principais Teoremas: a) Se
P (A B) .
A, P (A), pi ,
associado a um espao
A = {ai }.
denominado probabilidade de
{ai },
a) b)
pi 0, i = 1, 2, ..., k ; p1 + p2 + ... + pk = 1. A
seja constitudo por
resultados,
1 r k,
ou
j1, j2, ..., jr, representam um qualquer dos r ndices de 1 at k . {ajr } so mutuamente excludentes, podemos escrever P (A) = pj1 + pj2 + ... + pjr .
Ento, considerando
Exemplo: Suponha-se que somente trs resultados sejam possveis em um experimento, a saber, que
a1 , a2 e a3 .
a1
a2 ,
o qual por sua vez duas vezes mais provvel de ocorrer que
a3 .
Encontre as
probabilidades
p 1 , p2
p3 .
pontos do tipo
as probabilidades
P ({ak }
sero dadas
Exemplo:
Se ento
S = {a1 , a2 , ..., ak }
pontos amostrais (m
k),
P (A) =
m . k
Exemplo: Uma urna contm duas bolas brancas, trs pretas e cinco azuis. a) Qual a probabilidade de se extrair uma bola branca? b) Qual a probabilidade de se extrair uam bola preta ou uma azul?
25
Em muitos casos existem situaes em que o experimento pode ser realizado em duas etapas, a primeira podendo ser realizada de a tarefa completa pode ser executada de
p maneiras e p q maneiras.
a segunda de
maneiras, ento
(P (A B)) ,
depende da
P (A B) = P (A) P (B) .
Exemplo: Jogam-se duas moedas equilibradas. Qual a probabilidade de ambas darem cara?
Suponhamos agora que queiramos estender este resultado ao caso de trs moedas. Qual a probabilidade de trs caras?
Exemplo: Um tero dos eleitores de certa comunidade constituido de mulheres, e 40% dos eleitores votaram na ltima eleio presidencial. Supondo que esses dois eventos sejam independentes, determine a probabilidade de escolher um eleitor da lista geral, que seja mulher e que tenha votado na ltima eleio presidencial.
Exemplo: Uma urna contm duas bolas brancas e cinco pretas. Qual a probabilidade de sair duas bolas pretas supondo que os sorteios so feitos com reposio?
P (A) =
Considere agora o seguinte evento
B:
P (B) =
Suponha agora que soubssemos da ocorrncia de bilidade de
A.
a proba-
P (A | B) =
26
Formalmente denimos probabilidade condicional da seguinte maneira: Dados dois eventos, evento
B,
denotaremos
P (A | B) P (A B) P (B)
a probabilidade condicionada do
A,
quando
P (A | B) =
com
P (B) = 0.
Exemplo: Dois dados so lanados. Considere os eventos:
A = {(x1 , x2 ); x1 + x2 = 10}
Calcule:
B = {(x1 , x2 ); x1 > x2 }.
e
P (A), P (B), P (A | B)
P (B | A)
P (A | B) =
P (AB) P (B)
P (A B) = P (B)P (A | B).
Analogamente
P (B | A) =
P (AB) P (A)
P (A B) = P (A)P (B | A).
Exemplo: Em um lote de 12 peas, 4 so defeituosas, 2 peas so retoradas uma aps a outra sem reposio. Qual a probabilidade de que ambas sejam boas? O teorema da multiplicao de probabilidades pode ser generalizado para mais de dois eventos da seguinte maneira:
se a probabilidade condi-
dado
igual a probabilidade de
A,
isto , se
P (A | B) = P (A).
evidente que se
independente de
B, B
independente de
A.
Assim
P (B | A) = P (B).
Exemplo: Em uma caixa temos 10 peas, das quais 4 so defeituosas. So retiradas duas peas com reposio. Calcule a probabilidade de ambas serem boas.
27
B1 , B2 , ..., Bk
S,
i = j,
para todo
i.
referente a
S,
B1 , B2 , ..., Bk
uma partio de
S.
Assim,
A = (A B1 ) (A B2 ) (A B3 ) ... (A Bk ).
Logo,
P (A) = P (A B1 ) + P (A B2 ) + P (A B3 ) + ... + P (A Bk ).
Ento, como
da probabilidade total:
Bi
dada a ocorrncia de
da seguinte forma
P (Bi | A) =
P (Bi A) = P (A)
P (Bi )P (A | Bi ) . j P (Bj )P (A | Bj )
Esse teorema til quando co-
Bi 's
e a probabilidade condicional de
dado
Bi ,
mas no
A.
28
Exemplo: Um saco contm trs moedas, uma das quais foi cunhada com duas caras, enquanto as outras duas so normais e no viciadas. Uma moeda retirada ao acaso e jogada. Dado que o resultado foi cara, qual a probabilidade de que essa seja a moeda de duas caras? Exemplo: Suponha trs urnas com as seguintes conguraes: a urna 1 contm 3 bolas pretas, 1 branca e 5 vermelhas; a urna 2 contm 4 bolas pretas, 3 brancas e 2 vermelhas; a urna 3 contm 2 bolas pretas, trs brancas e 3 vermelhas. Escolheu-se uma urna ao acaso e dela extraiu-se uma bola ao acaso, vericou-se que a bola branca. Qual a probabilidade da bola ter vindo da urna 2? da 3?
3a
1 - Uma caixa com
LISTA DE EXERCCIOS
r
lmpadas
lmpadas contm
(r < N )
Essas lmpadas so vericadas uma a uma, at que uma lmpada defeituosa seja encontrada. Descreva um espao amostral para este experimento. Suponha agora, que as lmpadas so vericadas at que todas as defeituosas sejam encontrdas. Descreva um espao amostral para este experimento. 2 - O seguinte grupo de pessoas est numa sala: 5 homens maiores de 21 anos; 4 homens com menos de 21 anos de idade; 6 mulheres maiores de 21 anos, e 3 mulheres menores. Uma pessoa escolhida ao acaso. Denem-se os seguintes eventos: A: A pessoa maior de 21 anos B: A pessoa menor de 21 anos C: A pessoa homem D: A pessoa mulher Calcule: a) b)
P (B D) P (A C)
3 - Um inteiro escolhido ao acaso, dentre os nmeros 1, 2, ..., 50. Qual a probabilidade de que o nmero escolhido seja divisvel por 6 ou por 8? 4 - A urna 1 contm brancas e
bolas brancas e
bolas vermelhas.
A urna 2 contm
bolas
urna 2. A seguir, uma bola escolhida ao acaso da urna 2. Qual a probabilidade de que esta bola seja branca? 5 - Suponha que ocorrncia de
A A
a probabilidade
B.
6 - Um estudante se submete a um exame de mltipla escolha no qual cada questo tem 4 respostas possveis das quais exatamente uma correta. O estudante seleciona a resposta correta se ele sabe a resposta. Caso contrrio, ele seleciona ao acaso uma
29
resposta entre as 4 possveis. Suponha que o estudante saiba a resposta de 60% das questes. Se o estudante escolhe a resposta correta para uma dada questo, qual a probabilidade de que ele sabia a resposta? 7 - Mostre que, se os eventos
B.
8 - Um dado viciado de tal forma que a probabilidade de sair um certo ponto proporcional ao seu valor (por exemplo, o ponto 6 3 vezes mais provvel de sair do que o ponto 2). Calcular a probabilidade de tirar um nmero par, sabendo-se que saiu um nmero maior que 3. 9 - Mostre que se
P (C | A B) =
10 - Uma caixa tem trs moedas: uma no viciada, outra com duas caras e uma terceira 1 viciada, de modo que a probabilidade de ocorrer cara nesta moeda de . Uma 5 moeda selecionada ao acaso na caixa. Saiu cara. Qual a probabilidade de que a moeda viciada tenha sido a selecionada? 11 - Uma urna contm 4 bolas brancas e 6 bolas vermelhas; outra urna contm 3 bolas brancas e 6 vermelhas. Passa-se uma bola, escolhida ao acaso, da primeira para a segunda urna, e em seguida, retiram-se trs bolas desta ltima, sem reposio. Qual a probabilidade de que ocorram trs bolas da mesma cor?
2 12 - A probabilidade de que A resolva um problema de e a probabilidade de que 3 B resolva de 3 . Se ambos tentarem independentemente, qual a probabilidade do 4 problema ser resolvido?
13 - Uma companhia de seguros analisou a freqncia com que 2000 segurados usaram o hospital. Os resultados so apresentados na tabela:
A, B
40%, 20% e 10%. Um desses colgios selecionado ao acaso e 8 alunos so escolhidos, com reposio. Se obtemos RRRMMMMM (R para rapaz e M para moa) qual a probabilidade de ter sido selecionado o colgio B?
30
UNIVERSIDADE FEDERAL DE CAMPINA GRANDE - Campus I DEPARTAMENTO DE MATEMTICA E ESTATSTICA Disciplina: Probabilidade e Estatstica (6 crditos - Engenharias) Professores: Alexsandro, Alecxandro e Amanda Aluno(a): Perodo 2003.2 Data: .
4a
NOTA DE AULA
Variveis Aleatrias
um experimento e
X:
nmero de caras
S.
Seja
uma varivel
RX ,
isto ,
um evento denido em
P (B)
da
RX = {0, 1, 2, 3}
(isto ,
RX )
Exemplo: Considere uma urna com duas bolas brancas e trs vermelhas. aremos a varivel aleatria reposio. Denio: de Seja
X:
Portanto
RX ,
o contradomnio
X,
x1 , x2 , ...
31
xi
associaremos um nmero
xi .
Os nmeros
A funo
X.
p denida acima, denominada funo de probabilidade da varivel aleatria coleo de pares [xi , p(xi )], i = 1, 2, ..., denominada distribuio de probabilidade.
Exemplo: Um empresrio pretende estabelecer uma rma para montagem de um produto composto de uma esfera e um cilindro. As partes so adquiridas em fbricas diferentes, e a montagem consistir em juntar as duas partes e pint-las. Para estudar a variabilidade do seu empreendimento, o empresrio quer ter uma idia da distribuio dos lucros por pea montada. Cada componente pode ser classicada como Bom, Longo ou Curto, conforme suas medidas estejam dentro das especicaes. Sabe-se que o custo por pea de 5 u.m. Alm disso, foram obtidos as probabilidades de produo de cada componente com suas respectivas caractersticas. A Tabela com esses valores se encontra abaixo.
Se o produto nal apresentar algum componente coma caracterstica C, ele ser irrecupervel, e o conjunto ser vendido como sucata ao preo de 5 u.m. Cada componente longo pode ser recuperado a um custo adicional de 5 u.m. Se o preo de venda de cada unidade de 25 u.m., como seria a distribuio das freqncias da varivel aleatria L: lucro por conjunto montado? Exemplo: Suponhamos que uma vlvula eletrnica seja posta em um soquete e ensa3 iada. Admitamos que a probabilidade de que o teste seja positivo seja ; da, a probabilidade 4 1 de que seja negativo igual a . Adimitamos tambm que estejamos ensaiando uma partida 4 grande dessas vlvulas. Os ensaios continuam at que a primeira vlvula positiva aparea. Considere a varivel aleatria Assim
X : no
S= P (X = n) =
f,
f (x) 0
+
para todo
x,
f (x)dx = 1,
32
c) para quaisquer
a, b ,
com
teremos
P (a X b) = f.d.p. f
dada
b a
f (x)dx.
Exemplo: Suponhamos que a varivel aleatria seja contnua. Seja a
por
f (x) =
Exemplo: Suponha que estamos atirando dardos em um alvo circular de raio de 10 cm, e seja
f.d.p.
de
f (x) =
kx, 0 x 10 0, c.c
a) Qual a probabilidade de acertar a mosca, se ela um crculo de raio 1 cm? b) Mostre que a probabilidade de acertar qualquer crculo concntrico proporcional a sua rea.
como
F F (x) = P (X x).
como
p(xj ),
F (x) =
f (s)ds. X
tome os trs valores 0,1 e 2, com
F.d.a.
de
dada por:
f.d.p.
f (x) =
Ento, a
F.d.a.
de
dada por:
33
Teorema 4.4. (a) Seja F a funo de distribuio de uma varivel aleatria contnua,
com f.d.p. f . Ento,
f (x) = d F (x), dx
(b) Seja X uma varivel aleatria discreta, com valores possveis x1 , x2 , ..., e suponha-se que esses valores tenham sido indexados de modo que x1 < x2 < ... Seja F a funo de distribuio de X . Ento,
p(xj ) = P (X = xj ) = F (x+ ) F (x ). j j
Observaes: a) Se funo
for uma varivel aleatria discreta, com um nmero nito de valores possveis,
o grco
x.
c) A funo de distribuio Exemplo: Suponha que Esboce o grco de
x.
F (x) =
e calcule a
X ),
X uma varivel aleatria p(xi ) = P (X = xi ), i = 1, 2, ..., n, ... denotado por E(X) denido como
x1 , x2 , ..., xn , ...
(ou esperana de
X? f.d.p f .
O valor esperado de
denido como
E(X) =
xf (x)dx.
Pode acontecer que esta integral (imprpria) no convirja. conseqentemente, diremos que
E(X)
|x| f (x)dx
34
Suponha que
seja
o tempo (em minutos) durante o qual um equipamento eltrico seja utilizado em carga mxima, em um certo perodo de tempo especicado. Suponha-se que aleatria contnua com a seguinte
f.d.p.:
x , 15002 (x3000) , 15002
f (x) =
0,
f.d.p. f (x) =
1 , ba
0,
a x b, c.c.
X = C,
onde
E(X) = C . X
uma varivel aleatria.
Propriedade 2: Ento,
Suponha-se que
Propriedade 3: Sejam
E(aX + b) =
aE(X) + b.
propriedade 4: Seja a) Se
H(X)
for uma varivel aleatria discreta assumindo valores x1 , x2 , ... com funo de probabilidade p(xi ), i = 1, 2, ..., ento E[H(X)] = i=1 H(xi )p(xi ); + b) Se X for uma varivel aleatria contnua com f.d.p. f , ento E[H(X)] = H(x)f (x)dx.
Denimos a Varincia de
X,
denotada por
V ar(X),
da seguinte maneira:
X.
V ar(X)
Teorema 4.5.
V ar(X) = E(X 2 ) [E(X)]2 .
35
V ar(C) = 0.
Propriedade 2: Se
V ar(CX) = C 2 V ar(X).
Propriedade 3: Sejam = a2 V ar(X).
a, b
constantes e
V ar(aX +
b)
Exemplo: O servio de meteorologia classica o tipo de cu que visvel, em termos de graus de nebulosidade. Uma escala de 11 categorias empregada: 0,1,2,...,10, onde 0 representa um cu perfeitamente claro, 10 representa um cu completamente encoberto, enquanto os outros valores representam as diferentes condies intermedirias. Suponhase que tal classicao seja feita em uma determinada estao meteorolgica, em um determinado dia e hora. Seja
seja
X=x P (X = x)
Portanto
0 0,05
1 0,15
2 0,15
3 0,06
4 0,06
5 0,06
6 0,06
7 0,06
8 0,15
9 0,15
10 0,05
f.d.p.
f (x) =
Ento
1 + x, 1 x 0, 1 x. 0 x 1.
E(X) = V ar(X) =
36
4a
LISTA DE EXERCCIOS
(T )
que os candidatos levam para
T pi
3 0,1
4 0,1
5 0,2
6 0,2
7 0,2
8 0,1
9 0,1
O candidato recebe 4 pontos se terminar a digitao em 9 minutos, 5 se terminar em 8 minutos e assim por diante. Determine a mdia e a varincia do nmero de pontos obtidos no teste. 2 - Suponha que a demanda por certa pea, numa loja de autopeas, siga o seguinte modelo:
P (X = k) =
a) Encontre o valor de b) Calcule a
a2k , k = 1, 2, 3, 4. k!
a.
F.d.a
de
X.
c) Calcule a demanda esperada. d) Qual a variabilidade da demanda? 3 - A funo de probabilidade da varivel aleatria X P (X 2 2 Calcule E(X), E(X ), V ar(X), E[(X + 3) ] e V ar(3X
j = 1, 2, ...
a) Calcule b) Calcule c)Calcule
P (X
ser par).
P (X 5).
ser divisvel por 3). resultados possveis: 0,1,2,... Suponha que
P (X
b) Verique que essa expresso representa uma legtima distribuio de probabilidade. c) Mostre que, para quaisquer dois inteiros positivos
t,
se se
0 x 1. x 0.
37
c) d)
f (x) =
(x3) , se 2
se
3 x 5.
f (x) = 2, =
0 x 2.
1 + x, se 1 x 0 1 x, se 0 < x 1.
se
= ,
< x < 0. f.d.p. f (x) = 3x2 , 1 x 0. 1 < b < 0, calcule P (X > b | X < b/2). f.d.p.
no mesmo intervalo Se
for um
sejam
a x b.
a) Verique que
f +g
no uma
f.d.p.
nesse intervalo.
f.d.p.
F.d.a.
da varivel
X.
tal que
x)/4, (1 + 2x)/4
probabilidade?
X pode tomar quatro valores, com probabilidades (1+3x)/4, (1 (1 4x)/4. Para que valores de x essa uma distribuio de X
tem
Calcule
E(X)
V ar(X). (f.d.p)
para o com-
12 - Numa certa regio, fsseis de pequenos animais so freqentemente encontrados e um arquelogo estabeleceu o seguinte modelo de probabilidade primento, em centmetros, desses fsseis.
f (x) =
x + 3, 20 5 1 , se 10
x , 40
a)Calcule a
F.d.a.
b) Para um fssil encontrado nessa regio, determine a probabilidade do comprimento ser inferior a 6 cm? E de ser superior a 5 mas inferior a 10,5 cm. c)Encontre o valor esperado para o comprimento dos fsseis da regio.
38
UNIVERSIDADE FEDERAL DE CAMPINA GRANDE - Campus I DEPARTAMENTO DE MATEMTICA E ESTATSTICA Disciplina: Probabilidade e Estatstica (6 crditos - Engenharias) Professores: Alexsandro, Alecxandro e Amanda Aluno(a): Perodo 2003.2 Data: .
5a
NOTA DE AULA
x1 , x2 , ..., xk . Dizemos que X segue o modelo Uniforme Discreto se atribui a mesma pro1/k a cada um desses k valores, isto , sua funo de probabilidade dada por P (X = xj ) = 1 , j = 1, 2, ..., k. k
Exemplo: Uma rifa tem 100 bilhetes numerados de 1 a 100. Tenho 5 bilhetes consecutivos numerados de 21 a 25, e meu colega tem outros 5 bilhetes, com os nmeros 1, 11, 29, 68 e 93. Quem tem maior possibilidade de ser sorteado?
Propriedades
fcil vericar que:
E(X) = V ar(X) = 1 k
k
k i=1
xi
k x2 i (
,
k i=1
xi )2
i=1
1p
da seguinte forma:
X = 0,
se no ocorre sucesso, ou 1,
P (X = 0) = 1 p P (X = 1) = p.
39
P (X = x) = px (1 p)1x , x = 0, 1.
Note que,
E(X) = p
e fracasso com
1 p.
X:
nmero de sucessos em
tentativas.
X : b(n, p).
Teorema 5.1. Seja X uma varivel aleatria binomial com parmetros n e p. Ento
P (X = k) = n k pk (1 p)nk
Teorema 5.2. Seja X uma varivel aleatria binomial com parmetros n e p. Ento
E(X) = np e V ar(X) = np(1 p).
Exemplos: Sabe-se que a ecincia de uma vacina de 80%. Um grupo de trs
indivduos sorteado dentre a populao vacinada, e submetidos a testes para averiguar se a imunizao foi efetiva. Construa a distribuio de probabilidade da varivel de indivduos imunes na amostra.
X=
nmero
p a probabilidade de sucesso, logo 1p a probabilidade de fracasso. Considere X : nmero de ensaios at ocorrer o primeiro sucesso. Suponha que os P (X = x) = (1 p)x1 p, x = 1, 2, ...
p.
X:
Geomtrica(p).
(i) E(X) =
1 p 1p p2
(ii) V ar(X) =
Exemplo: Se a probablidade de que um certo ensaio d reao positiva for igual a 0,4, qual ser a probabilidade de que menos de 5 reaes negativas ocorram antes da primeira positiva?
terstica (sucesso). Retiramos dessa populao, sem reposio, uma amostra de tamanho
n.
Seja
X:
dada por
P (X = k) =
r k
N r nk N n
, 0 k n, k r.
A varivel
p = r/N . Ento
e
V ar(X) = np(1 p)
(N n) . (N 1)
Exemplo: Pequenos motores so guardados em caixas com 50 unidades. Um inspetor de qualidade examina cada caixa, antes da posterior remessa, testando 5 motores. Se nenhum motor for defeituoso, a caixa aceita. Se pelo menos um for defeituoso, todos os 50 motores so testados. H 6 motores defeituosos numa caixa. Qual a probabilidade de que seja necessrio examinar todos os motores dessa caixa?
> 0,
se sua funo
P (X = k) =
e k , k = 0, 1, 2, ..., k!
41
sendo X : P o().
A notao
e
V ar(X) = .
Exemplo 1: Num livro de 800 pginas h 800 erros de impresso. Qual a probabilidade de que uma pgina contenha pelo menos 3 erros? Exemplo 2: Numa central telefnica chegam 300 telefonemas por hora. Qual a probabilidade de que: a) num minuto no haja nenhum chamado; b) em 2 minutos haja 2 chamados; c) em
[a, b],
f.d.p.
f (x) =
Notao:
1 , ba
0,
a x b, c.c.
Propriedades: Se
(i) (ii)
E[X] =
a+b ; 2 (ba)2 . 12
V ar[X] =
Exemplo: Com o objetivo de vericar a resistncia presso de gua, os tcnicos de qualidade de uma empresa inspecionam os tubos de PVC produzidos. Os tubos produzidos tm 6 metros de comprimento e so submetidos a grandes presses at o aparecimento do primeiro vazamento, cuja distncia a uma das extremidades (xada priori) anotada para ns de anlise posterior. Escolhe-se um tubo ao acaso para ser inspecionado. Queremos calcular a probabilidade de que o vazamento esteja, no mximo, a 1 metro das extremidades. Seja
42
f (x) =
Notao:
X : Exp().
Propriedades: a)
E (X) =
1 e
V ar (X) =
1 . 2
s, t > 0,
teremos
= 0, 2.
Vamos
calcular a probabilidade de haver uma emisso em um intervalo inferior a 2 minutos. 2) Considerando a distribuio do exemplo anterior, calculemos agora, a probabilidade do intervalo ser superior ou igual a 7, sabendo-se que ele superior ou igual a 5 minutos.
Notao:
X : N (, 2 ) .
Propriedades
(i) Grco: tem a forma de sino; (ii)
f (x)
x = ; ;
E (X) =
V ar (X) = 2 ;
43
X : N (, 2 ), E(Z) = 0
e
distribuio normal.
Z V ar(Z) = 1.
X . Mostra-se que Z tambm tem chamada de varivel normal padro ou reduzida. fcil ver
Z =
f.d.p.
de
dada por
X : N (, 2 ) Z : N (0, 1).
A distribuio de
se encontra tabelada;
P (0 Z z),
z.
Dessa
forma, podemos calcular probabilidades envolvendo qualquer distribuio normal, X atravs da transformao Z = . Exemplos:
1. Considere a) b) c) d)
X : N (100, 25),
calcular:
2. Sendo a) b)
x ,
tal que:
P (X x ) = 0, 05 P (X x ) = 0, 99
44
5a
1 - Seja a) b) c) d) e) f)
LISTA DE EXERCCIOS
X : b(10, 2 ). 5
Calcular:
P (X = 3); P (X 2); P (X 2 < 1); P (|X 2| 1); P (|X 3| > 1); E(X)
e
V ar(X);
Sabendo-se que X6 sendo Z = . 3
2 - Seja
E(X) = 12
V AR(X) = 4,
determinar
3 - Numa cidade, selecionada uma amostra de 60 adultos e a esses indivduos pedido para opinarem se so a favor ou contra determinado projeto. Como resultado obtido, observou-se 40 a favor. Se na realidade as opinies pr e contra so igualmente divididas, qual a probabilidade de ter obtido tal resultado? 4 - O nmero de partculas Gama emitidas por segundo, por certa substncia radioativa, uma varivel aleatria com distribuio de Poisson com parmetro
= 3.
Se
um instrumento registrador torna-se inoperante quando h mais de 4 partculas por segundo, qual a probabilidade de isto acontecer em qualquer dado segundo? 5 - Em um pronto-socorro o nmero de atendimentos de emrgncia segue uma distribuio de Poisson com mdia de 60 atendimentos por hora. Calcular: a) A probabilidade do pronto-socorro no efetuar nenhum atendimento num intervalo de 5 minutos. b) A probabilidade do pronto-socorro efetuar pelo menos 2 atendimentos num intervalo de 10 minutos. 6 - Uma moeda no viciada lanada sucessivamente, de modo independente, at que ocorra a primeira cara. Seja
V ar(X)
d) Quantas vezes deve, no mnimo, ser lanada a moeda para garantir a ocorrncia de cara com pelo menos 0,8 de probabilidade? 7 - Numa urna h 40 bolas brancas e 60 bolas pretas. Retiram-se 20 bolas. Qual a
probabilidade de que ocorram no mnimo 2 bolas brancas, considerando as extraes: a) Sem reposio; b) Com reposio.
45
8 - Uma urna tem 10 bolas brancas e 40 pretas. a) Qual a probabilidade de que a sexta bola retirada com reposio seja a primeira branca? b) Qual a probabilidade de que em 16 bolas retiradas sem reposio ocorram 3 brancas? c) Qual a probabilidade de que em 30 bolas retiradas com reposio ocorram no mximo 2 brancas? 9 - Sendo a) b) c) d) e)
X : U [0, 4] ,
calcule:
P (X > 2) P (X 2)
P (1 < X < 2)
10 - Admite-se que uma pane pode ocorrer em qualquer ponto de uma rede eltrica de 10 km com a mesma probabilidade. a) Qual a probabilidade da pane ocorrer nos primeiros 500 metros? E de ocorrer nos 3 quilmetros centrais da rede? Resp. 1/20 e 3/10 b) O custo de reparo da rede depende da distncia do centro de servio ao local da pane. Considere que o centro de servio est na origem da rede e que o custo de R$ 200,00 para distncias at 3quilmetros, de R$400,00 entre 3 e 8 quilmetros e de R$ 1000,00 para as distncias acima de 8 quilmetros. Qual o custo mdio do conserto? Resp. 460 11 - Suponha que o valor esperado de uma varivel aleatria com distribuio uniforme 1 e a varincia igual a 1/12. Encontre a probabilidade da varivel assumir valores menores que 3/4. Resp. 1/4 12 - Sendo a) b) c) d) e)
X:
P (X < 2 | X > 1)
= 1/20
Resp. 0,779
X : N (4, 1) ,
determine:
P (X 4)
Resp. 0,5
46
b) c) d) e) f)
15 - Seja a) b) c) d) e)
X : N (90, 100) ,
Resp. 0,9938
f ) O valor de 16 - Para a) b) c) d) e)
tal que
P (90 a X 90 + a) = 0, 95.
Resp.
a = 19, 6
X : N (5, 10) ,
P (5 < X 2) P (X 0) P (X > 6)
P (7 X 6) P (|X + 5| > 2) .
Resp. 0,4286
17 - Uma clnica de emagrecimento recebe pacientes adultos com peso seguindo uma distribuio normal de mdia 130 kg e desvio padro 20 kg. Para efeito de determinar o tratamento mais adequado, os 25% pacientes de menor peso so classicados de magros, enquanto os 25% de maior peso de obesos. kg 18 - Um teste de aptido feito por pilotos de aeronaves em treinamento inicial requer que uma srie de operaes seja realizada em uma rpida sucesso. Suponha que o tempo necessrio para completar o teste seja distribudo de acordo com uma normal de mdia 90 minutos e desvio padro 20 minutos. a) Para passar no teste, o candidato deve complet-lo em menos de 80 minutos. Se 65 candidatos tomam o teste, quantos so esperados passar? b) Se os 5% melhores candidatos sero alocados para aeronaves maiores, quo rpido deve ser o candidato para que obtenha essa posio? Determine os valores que delimitam cada uma dessas classicaes. Resp. Magros: 116,6 kg Obesos: 143,4
47
UNIVERSIDADE FEDERAL DE CAMPINA GRANDE - Campus I DEPARTAMENTO DE MATEMTICA E ESTATSTICA Disciplina: Probabilidade e Estatstica (6 crditos - Engenharias) Professores: Alexsandro, Alecxandro e Amanda Aluno(a): Perodo 2003.2 Data: .
6a
NOTA DE AULA
X,
e o nmero de vestibu-
Y.
X Y X Y
no 1
sim 1
no 2
no 1
no 1
sim 2
sim 3
no 1
sim 1
sim 1
no 2
no 2
sim 1
no 3
sim 2
no 2
no 2
no 1
sim 3
no 2
Podemos coletar as freqncias de ocorrncia dos possveis pares, construindo uma tabela de freqncia conjunta de
Y. (X, Y )
freqncia
Total
Esta mesma tabela pode ser apresentada de maneira mais conveniente atravs da tabela de dupla entrada, da seguinte forma:
48
X|Y
Total
Total
Dessa forma, ca facilitada a tarefa de obter a tabela de freqncia individual para cada varivel que, pela posio em que seus valores aparecem na tabela de dupla entrada, chamada de tabela marginal de freqncia da varivel de
(ou
Y ).
X Y,
(ou
Y ), ou simplesmente marginal
tabelas de freqncia:
freqncia
freqncia
Total
Total
Observe que podemos construir as mesmas tabelas considerando agora as freqncias relativas.
x1 , x2 , ..., xm
p(xi , yj ) = P [(X = xi ) (Y = yj )] = P (X = xi , Y = yj ),
isto ,
p(xi , yj )
representa a probabilidade de
(X, Y )
ser igual a
(xi , yj ).
(X, Y )
ao conjunto:
P (X = xi , Y = yj ) = 1.
i=1 j=1
A distribuio conjunta de probabilidades da varivel tambm, atravs de uma tabela de dupla entrada. Exemplo: Uma regio foi subdividida em 10 sub-regies. Em cada uma delas, foram observadas duas variveis: nmero de poos artesianos presentes na sub-regio
(X, Y )
(X)
(Y ).
49
Sub-regio
1 0 1
2 0 2
3 0 1
4 0 0
5 1 1
6 2 0
7 1 0
8 2 1
9 2 2
10 0 2
X Y
Considerando que escolhemos uma das sub-regies ao acaso, isto , cada sub-regio tem mesma probabilidade 1/10 de ser escolhida, podemos construir a distribuio conjunta de
Total
X|Y
Total
Total
ou de
de uma tabela de dupla entrada, tal como apresentada a seguir: Tabela 1: tabela de dupla entrada para apresentar a distribuio conjunta de (X,Y).
Y X x1 x2
... ...
y1 p(x1 , y1 ) p(x2 , y1 )
... ...
yn
Total
p(x1 , yn ) p(x2 , yn )
... ...
p(x1 ) p(x2 )
... ...
xm
Total
p(xm , y1 ) p(y1 )
X,
obtida a partir de
X = xi P (X = xi ) Y = yj P (Y = yj )
M)
(F, M ) p(f, m)
(8,3) (8,4) (8,5) (9,3) (9,4) (9,5) (10,4) (10,5) Total 3/10 1/10 1/10 2/10 1/20 1/10 1/10 1/20 1
F +M
F.M .
Acrescentando,
tabela anterior, colunas correspondendo aos valores dessas novas variveis temos
51
(F, M ) p(f, m) F + M
(8,3) (8,4) (8,5) (9,3) (9,4) (9,5) (10,4) (10,5) 3/10 1/10 1/10 2/10 1/20 1/10 1/10 1/20
F.M
Z = F +M
W = F.M ,
para isso basta somar as probabilidades nos valores comuns, por exemplo:
1 1 3 + = . 10 20 20
e de
W: Z=z P (Z = z) W =w P (W = w)
11
12
13
14
15
24
27
32
36
40
45
50
X = x,
dado que
Y =y
P (X = x | Y = y) =
Caso
P (X = x, Y = y) , se P (Y = y) > 0. P (Y = y)
pode ser denida arbitrariamente e
adotaremos
Denio: Duas variveis aleatrias discretas so independentes, se a ocorrncia de qualquer valor de uma delas no altera a chance de ocorrncia de valores da outra. seja, Ou
P (X = x | Y = y) = P (X = x),
para todos os possveis valores podemos usar:
(x, y)
das variveis
(X, Y ).
P (X = x, Y = y) = P (X = x)P (Y = y),
para quaisquer
(x, y). X
e
Observao:
so independentes
(x0 , y0 )
tal que:
ento,
no so independentes.
X|Y
1 2 3
1 0 1/5 0
3 0 1/5 0
Y.
Propriedade 1:
Y,
Propriedade 2:
Se
E(XY ) = E(X)E(Y ).
Obs: A recproca desta propriedade no verdadeira, ou seja, se
E(XY ) = E(X)E(Y ),
ento no necessariamente verdade que Exemplo: Considere as variveis
X Y
2
so independentes.
tendo distribuio conjunta dada por: 3 0 1/12 2/12 4 3/12 1/12 2/12
X|Y
-1 0 1
2/12 0 1/12
53
Calcule,
E(X), E(Y )
E(XY ).
Depois determine se
X
e
so independentes.
so independentes, ento a
caso, no sempre verdadeira. A partir da covarincia, denimos uma nova medida de dependncia linear. Denio: O coeciente de correlao linear entre as variveis aleatrias
X,Y =
Onde,
Cov(X, Y ) . X Y X
e
X Y
Y. |X,Y | 1.
A
A diviso pelo produto dos desvios-padro, tem a funo de padronizar a medida e tornar possvel a comparao com outras variveis. Pode-se mostrar que de interpretao de sua expresso segue os mesmos passos da covarincia, sendo que valores
X,Y
prximos de
Propriedade 3:
Sejam
so independentes, ento
Cov(F, M )
F,M
54
6a
LISTA DE EXERCCIOS
1 - O setor de emergncia de um pronto socorro infantil anotou o nmero de crianas atendidas (C), de mdicos (M) e de auxiliares (A) de planto em 15 dias de atividades. Os dados so apresentados na tabela abaixo: Dia C M A 1 5 1 4 2 7 1 4 3 5 2 5 4 6 2 6 5 5 2 7 6 5 1 7 7 7 2 6 8 5 1 5 9 6 1 5 10 6 2 6 11 7 2 7 12 5 2 7 13 5 2 6 14 6 2 6 15 6 2 7
a) Determine as tabelas de freqncia marginais de C, M e A. b) Obtenha a tabela de freqncia conjunta entre (C, M), (C, A) e (M, A). c) Calcule a mdia das variveis M e A.
2 - Para famlias de um certo bairro de So Paulo, apresentamos abaixo a tabela de freqncia conjunta das variveis: nmero de automveis (A) e de TVs (T). A\ T 0 1 2 total 0 110 51 15 176 1 235 122 84 441 2 120 178 162 460 total 465 351 261 1077
3 - Uma moeda equilibrada lanada duas vezes de forma independente. Ao nal dos lanamentos, duas variveis aleatrias so anotadas: o nmero total de caras (C) e o nmero de coroas no 2
lanamento (K).
a) Construa uma tabela com a distribuio conjunta das variveis C e K. b) Determine o valor esperado de C.
4 - A funo conjunta de probabilidade entre as variveis X e Y apresentada abaixo (com algumas entradas faltando): X\ Y -2 -1 1 2 1/16 1/64 5/64 5/16 -1 0 3/64 1/16 11/64 3/64 2 1/32 0 1/64 1/32 1/4 1 5/16 4
P (X)
5/16
P (Y )
b)
a) Complete a tabela.
so independentes?
c) Obtenha as marginais de X e Y.
55
W = XY.
(X, Y ). X
e
5 - A funo de probailidade conjunta entre as variveis aleatrias na tabela abaixo: X\ Y -1 1 -2 0,1 0,2 0 0,2 0 2 0,1 0,1 4 0,2 0,1
apresentada
Y.
so independentes?
c) Calcule
(X, Y ).
6 - Na caixa I existem duas bolas numeradas 0 e 1, enquanto que a caixa II contm duas bolas numeradas -1 e 0. Uma bola retirada aleatoriamente de cada caixa, de forma independente uma da outra. A esse experimento, associamos as variveis aleatrias: nmero da bola retirada na caixa I
(X),
(Y )
(Z). Xe Y
e entre
Z.
Xe Y
Z.
).
V ar (X + Y ) .
Bernoulli com
7 - A varivel
p = 0, 4
Y : b(3 : 0, 5).
Admita que
so
independentes. a) Determine
P (X = 0 | Y = 2) . Xe Y
e do produto
W = XY.
E (X) , E (Y )
E (W )
e verique que
E (W ) = E (X) E (Y ) .
(X, Y ) .
56
UNIVERSIDADE FEDERAL DE CAMPINA GRANDE - Campus I DEPARTAMENTO DE MATEMTICA E ESTATSTICA Disciplina: Probabilidade e Estatstica (6 crditos - Engenharias) Professores: Alexsandro, Alecxandro e Amanda Aluno(a): Perodo 2003.2 Data: .
7a
NOTA DE AULA
7.1 Introduo
A Estatstica uma cincia que tem como objetivo a tomada de deciso em situaes de incerteza. Esta cincia divide-se basicamente em duas partes. A primeira parte conhecida como
Estatstica Descritiva que trata da coleta, organizao e descrio de dados. A segunda a Estatstica Inferencial que se preocupa em fazer armaes e/ou testar
hipteses sobre caractersticas numricas em situaes de incerteza. Para iniciar o estudo da Estatstica Inferencial necessrio compreender os seguintes conceitos bsicos:
Denio 7.1 (Populao). A populao um conjunto formado por todos os elementos que possuem pelo menos uma caracterstica observvel. um subconjunto da populao.
so os de
Parmetro e Estatstica.
Populao e Amostra
Denio 7.3 (Parmetro). uma caracterstica numrica da populao. Denio 7.4 (Estatstica). uma caracterstica numrica da amostra que ser usada para extrair informaes sobre a populao.
Alguns exemplos so:
1)
Populao: os eleitores da cidade de Campina Grande Amostra: 650 eleitores escolhidos aleatoriamente ( ao acaso) Caracterstica de interesse: percentual de eleitores que planejam votar num candidato X nas prximas eleies.
2)
Populao: automveis Uno Mille produzidos em 1995 Amostra: todos os automveis produzidos em agosto de 1995 Caractersticas de interesse: nmero de defeitos apresentados
57
nos primeiros 3
meses de uso, quilometragem mdia e uma possvel relao entre estas duas variveis.
3)
Populao: todos os domiclios com TV na cidade de Campina Grande. Amostra: 1000 domiclios com TV escolhidos ao acaso. Caracterstica de interesse: percentual de audincia de cada emissora
cada dia da semana no horrio de 18 s 22 horas.
de TV a
4)
Populao: populao acima de 15 anos na cidade de Campina Grande. Amostra: 200 pessoas com mais de 15 anos. Caractersticas de interesse:
i. percentual de bebedores de cerveja. ii. dentre os bebedores de cerveja, quantos so homens? iii. dentre os bebedores de cerveja, quantos preferem Brahma? iv. dentre os bebedores de Brahma, quantas cervejas eles tomam por semana e a que classe social eles pertencem? v. Existe alguma relao entre as variveis Marca de Cerveja consumida e Classe Social?
Caractersticas numricas como mdia, varincia e proporo so consideradas parmetros se obtidas pelo uso de dados populacionais e no apresentam incerteza sobre seu real valor. Por outro lado, quando estas caractersticas so baseadas em dados amostrais (dados de uma parte da populao) tem-se as estatsticas, as quais podem apresentar diferentes valores se obtidas a partir de diversas amostras.
Tcnicas de Amostragem, as quais tem como objetivo principal garantir a representatividade da populao, ou seja, fazer com
que a amostra seja um retrato el da populao. Basicamente, existem dois tipos de amostragem: Probabilstica e No-Probabilstica.
58
da populao e da amostra, o que levado em considerao pelos mtodos de anlise da Estatstica Inferencial. Os principais tipos de amostragem probabilstica so:
Amostragem Estraticada
Muitas vezes a populao se divide em Sub-populaes ou Estratos, sendo razovel supor que, de estrato para estrato, a(s) varivel(is) de interesse apresente(m) comportamento(s) substancialmente diverso(s) (comportamento heterogneo), tendo, entretanto, comportamento(s) razoavelmente homogneo(s) dentro de cada estrato. Em tais casos, se o sorteio dos elementos da amostra for realizado sem levar em considerao a existncia dos estratos, pode acontecer que os diversos estratos no sejam convenientemente representados na amostra, a qual seria mais inuenciada pelas caractersticas da varivel nos estratos mais favorecidos pelo sorteio. Evidentemente, a tendncia ocorrncia de tal fato ser tanto maior quanto menor o tamanho da amostra. Para evitar isso, pode-se adotar uma amostragem estraticada. A amostragem estraticada consiste em identicar os estratos (grupos distintos da populao), e em especicar quantos elementos da amostra sero retirados em cada estrato. costume considerar trs tipos de amostragem estraticada: uniforme, proporcional e tima. Detalhes sobre estas tcnicas podem ser obtidos em literatura especca.
Amostragem Sistemtica
Uma amostragem sistemtica quando a retirada dos elementos da populao feita periodicamente, sendo o intervalo de seleo calculado, para uma populaa nita, por meio da diviso do tamanho da populao pelo tamanho da amostra a ser selecionada.
59
amostragem no-probabilstica podem ser considerados equivalentes aos de amostragem probabilstica, resulta que os processos no-probabilsticos de amostragem tm tambm sua importncia. Apresentamos a seguir alguns casos de amostragem no-probabilstica.
60
Amostragens intencionais
Enquadram-se aqui os diversos casos em que o amostrador deliberadamente escolhe certos elementos para pertencer amostra, por julgar tais elementos bem representativos da populao. O perigo desse tipo de amostragem obviamente grande, pois o amostrador pode facilmente se equivocar em seu pr-julgamento. Apesar disso, o uso de amostragens intencionais, ou parcialmente intencionais, bastante freqente, ocorrendo em vrios tipos de situaes reais. Exemplos freqentes ocorrem na rea empresarial, em que os administradores de uma empresa desejam que determinados elementos de uma populao no quem fora da amostra. Devemos, chamar a ateno que esta intencionalidade pode ser usada tanto para garantir a representatividade da amostra, como tambm para induzir resultados. Um exemplo deste ltimo objetivo seria a intencionalidade de um poltico para que pertenam a amostra, uma ou mais comunidades em que ele suspeita que a maioria dos eleitores so favorveis a sua candidatura.
populao um outro problema associado amostragem. O tamanho amostral deve minimizar os custos operacionais da amostragem e ser tanto maior quanto for a variabilidade das caractersticas populacionais a serem estudadas.
7.2.4 Amostra Aleatria Simples Denio 7.5 (Amostra Aleatria Simples - AAS). Variveis aleatrias X1 , X2 , ..., Xn
constituem uma amostra aleatria simples de tamanho n, ou simplesmente amostra aleatria (a.a.) de uma varivel aleatria (v.a) X , quando satisfazem as seguintes condies: 1) As variveis aleatrias X1 , X2 , ..., Xn so independentes, e 2) Cada uma das variveis aleatrias Xi , i = 1, 2, ..., n tm a mesma distribuio de probabilidade da varivel X .
Exemplo : Considere uma populao formada pelos seguintes elementos Considere a varivel de probabilidade de
{1, 3, 5, 5, 7}.
X=x P (X = x)
Considere todas as amostras possveis de tamanho 2, com reposio, da populao cuja distribuio dada acima. Alm disso considere
X1
61
extrao e
X2
(X1 , X2 )
e as distribuies marginais de
X1
X2 . X.
Observe que
X1
X2
Denio 7.6. Um parmetro uma medida usada para descrever uma caracterstica
da populao.
E(X)
Assim, identicando a populao pela varivel aleatria e a sua Varincia
V ar(X).
Denio 7.7. Uma estatstica uma caracterstica da amostra, ou seja dada uma
amostra aleatria X1 , X2 , ..., Xn de uma populao X , deniremos uma estatstica T como qualquer funo de X1 , X2 , ..., Xn , ou seja T = f (X1 , X2 , ..., Xn ).
Assim, dada uma amostra aleatria mdia amostral
X1 , X2 , ..., Xn ,
1 X = (X1 + X2 + + Xn ). n
X1 , X2 , ..., Xn uma amostra aleatria, uma pergunta natural seria o que aconT quando retiramos todas as amostras de uma populao conhecida segundo um plano amostral adotado, ou seja qual a distribuio de T quando X1 , X2 , ..., Xn
Sendo tece com a estatstica assume todos os valores possveis. Essa distribuio ser chamada de distribuio amostral da estatstica
T.
Exemplo: Considerando o exemplo da seo 7.2.4 podemos construir a distribuio de 1 algumas estatsticas, como por exemplo a distribuio de X = (X1 + X2 + + Xn ) e n n 2 2 S = i=1 (Xi X) /(n 1). Assim, teramos
X=x P (X = x) S2 = s P (S 2 = s)
Total
Total
62
Teorema 7.1. Seja X uma varivel aleatria com mdia e varincia 2 , e seja
(X1 , X2 , ..., Xn ) uma amostra aleatria de X . Ento, E(X) =
2 V ar(X) = . n
Um teorema bem mais forte do que este o que se refere distribuio de probabilidade
da varivel
X.
Teorema 7.2 (Teorema Central do Limite). Para amostras aleatrias (X1 , X2 , ..., Xn ), retiradas de uma populao com mdia e varincia 2 nita, a distribuio amostral da mdia X aproxima-se, para n sucientemente grande, de uma distribuio normal, com mdia e varincia 2 /n.
Observaes:
No teorema acima no zemos nenhuma suposio sobre a natureza das distribuies das variveis
X1 , X2 , ..., Xn ,
X1 , X2 , ..., Xn
tribuio normal e no apenas uma aproximao. Exemplo: Em uma certa cidade, a durao de conversas telefnicas em minutos, originrias de telefones pblicos, segue um modelo exponencial com parmetro 1/3. Observandose uma amostra aleatria de 50 dessas chamadas, qual ser a probabilidade delas, em mdia, no ultrapassarem 4 minutos? Exemplo: Uma v.a. a) Se calcule
tem distribuio normal, com mdia 100 e desvio padro 10. de uma amostra de 16 elementos retirados dessa populao,
p.
como:
X = 1,
se o indivduo for
portador da caracterstica e
X = 0,
p.
Logo,
P (Sn = k) = P
Sn k = n n
63
p p=
Sn .
pN
p,
p(1 p) n
Exemplo: Suponha que 30% dos estudantes de uma escola sejam mulheres, colhemos uma amostra aleatria de 10 estudantes e calcula-se a proporo amostral de estudantes do sexo feminino. Qual a probabilidade de que
p dira
de
em menos de 0,01?
Exemplo: Um procedimento de controle de qualidade foi planejado para garantir um mximo de 10% de itens defeituosos na produo. A cada 6 horas sorteia-se uma amostra de 20 peas e, havendo mais de 15% de defeituosas, encerra-se a produo para vericao do processo. Qual a probabilidade de uma parada desnecessria?
X,
n.
determinar o valor de
de modo que
P ( X ) = ,
com
0<<1
Como
>0
xados.
X N (, 2 /n), X
ento
e portanto
P
onde
=P X
Logo, podemos obter
n n Z N (0, 1),
tal que
, =
P (z/2 Z
z/2 =
n , . 2,
para re-
n=
2 2 z/2 2
Observao: Na prtica, no se conhece o valor da varincia populacional populacional ou ento baseia-se em alguma informao prvia sobre a mesma.
solver este problema utiliza-se uma pequena amostra piloto para estimar o valor da varincia
Exemplo: Suponha que uma pequena amostra piloto de tamanho 10, extrada de uma 2 populao, forneceu os valores X = 15 e S = 16. Fixando-se = 0, 5 e = 0, 95, calcule o valor de
n. S2 =
Normalmente usa-se esta es-
(Xi X)2 , a varincia amostral. (n1) tatstica para se estimar a varincia populacional.
Observao:
64
7a
LISTA DE EXERCCIOS
p
amostrada, de forma in-
dependente, duas vezes. Apresente a distribuio de probabilidade da mdia amostral. 2 - O nmero de divrcios, por indivduo adulto casado, em certa comunidade foi modelado pela varivel aleatria seguir:
D,
D pi
0 0,5
1 0,4
2 0,05
3 0,05 foi sorteada com dois desses Para cada estimador, obtenha
(D1 , D2 ),
1 =
D1 D2
2 = max(D1 , D2 ) min(D1 , D2 ).
sua distribuio de probabilidade. 3 - Coleta-se uma amostra de 10 observaes independentes de uma a probabilidade de a mdia amostral: a) Ser inferior a 1. (Resp. 0,0125) b) Ser superior a 2,5. (Resp. 0,1315) c) Estar entre 0 e 2. (Resp. 0,5) 4 - Supe-se que o consumo mensal de gua por residncia em um certo bairro tem 3 distribuio normal com mdia 10 e desvio padro 2 (em m ). Para uma amostra de 25 dessas residncias, qual a probabilidade de a mdia amostral no se afastar da 3 verdadeira mdia por mais de 1 m ? (Resp. 0,9876) 5 - Um fabricante arma que sua vacina contra gripe imuniza em 80% dos casos. Uma amostra de 25 indivduos que tomaram a vacina foi sorteada e testes foram feitos para vericar a imunizao ou no desses indivduos. Se o fabricante estiver correto, qual a probabilidade da proporo de imunizados na amostra ser inferior a 0,75? E superior a 0,85? (Resp. 0,2643 e 0,2643) 6 - A capacidade mxima de um elevador de 500kg. Se a distribuio usurios for suposta
N (2, 2).
Determine
N (70, 100),
sarem esse limite? (Resp. 0,35) 7 - Suponha que uma indstria farmacutica deseja saber a quantos voluntrios se deva aplicar uma vacina, de modo que a proporo de indivduos imunizados na amostra dira de menos de 2% da proporo verdadeira de imunizados na populao, com probabilidade 90%. Qual o tamanho da amostra a escolher sabendo-se que
p(1p)
1/4?
(Resp. 1692)
65
UNIVERSIDADE FEDERAL DE CAMPINA GRANDE - Campus I DEPARTAMENTO DE MATEMTICA E ESTATSTICA Disciplina: Probabilidade e Estatstica (6 crditos - Engenharias) Professores: Alexsandro, Alecxandro e Amanda Aluno(a): Perodo 2003.2 Data: .
8a
NOTA DE AULA
Estimao de Parmetros
8.1 Introduo
Neste captulo iremos estudar as propriedades de um estimador e a estimao intervalar. No iremos abordar os mtodos de estiamao pontual, mas justicaremos porque
so bons estimadores para a mdia e a proporo, respectivamente. Nosso objetivo ser construir intervalos de conana para a mdia e para a proporo populacional a partir das distribuies de
p,
respectivamente.
ou seja
X1 , X2 , ..., Xn de uma v.a. que descreve alguma carac um parmetro desta populao e um estimador = T (X1 , X2 , ..., Xn ). Algumas denies so necessrias:
Exemplo 8.2. Considere uma populao com N elementos. Assim, a varincia pop1 = N
2 N
(Xi )2 ,
i=1
onde, =
1 N
N i=1
Xi a mdia populacional.
66
Um possvel estimador para 2 , baseado numa amostra aleatria de tamanho n extrada dessa populao,
1 = n
2 n
(Xi X)2 .
i=1
Mostre que este estimador viciado para 2 e E( 2 ) = (n1) 2 . Portanto, seu n 2 2 vcio B( ) = n . Logo, atravs de um simples ajuste em 2 podemos obter um estimador no viciado para 2 . Este estimador
S2 = 1 n1
n
(Xi X)2 .
i=1
aumenta, seu valor esperado converge para o parmetro de interesse e sua varincia converge para zero. Ou seja, consistente se as duas propriedades abaixo so satisfeitas:
(i) limn E() = ; (ii) limn V ar() = 0.
Observao:
Se o estimador
no viciado para
sistncia, basta observar a segunda condio da denio acima. Ou seja, um estimador no viciado consistente para
se
limn V ar() = 0.
N (, 2 ). Considere os estimadores 1 = X e 2 = mediana(X1 , X2 , ..., Xn ). Sendo 2 E(2 ) = e V ar(2 ) = , quem mais eciente para ? 2n
2 2 e S 2 para 2 , sendo V ar(S 2 ) = n1 e V ar( 2 ) = (n1) 2 4 , qual dos dois estimadores n voc escolheria para estimar 2 analisando apenas a varincia do estimador?
intervalo de conana,
incorpora,
estimativa pontual do parmetro, informaes a respeito de sua variabilidade. Intervalos de conana so obtidos atravs da distribuio amostral de seus estimadores.
67
8.3.1 Intervalo de Conana para a mdia de uma populao com varincia conhecida
Considere uma amostra aleatria X1 , X2 , ..., Xn de uma populao X , que tem mdia de2 sconhecida e varincia conhecida. Daqui por diante faremos as seguintes consideraes:
0<<1
P (0 < Z < z/2 ) = /2 onde Z : N (0, 1). 2 Pelo Teorema Central do Limite, a mdia amostral X N (, /n). Assim, o erro que cometemos ao estimarmos a mdia por X ser uma varivel aleatria denida por e = X e ter distribuio aproximadamente N (0, 2 /n). Logo, /e n N (0, 1).
e um nmero tal que
z/2
Portanto, a probabilidade de cometermos erros de determinadas magnitudes, pode ser calculada por
P
ou seja,
= ,
= ,
P
da,
= ,
= . ,
dado por
e, portanto, o intervalo obtido tambm aleatrio. Desta forma, podemos interpretar o intervalo acima da seguinte maneira: se obtivermos vrias amostras de mesmo tamanho e para cada uma calcularmos os correspondentes intervalos de conana com coeciente de conana igual a
seja
Exemplo 8.5. Suponha que os comprimentos de jacars adultos de uma certa raa
siga o modelo normal com mdia desconhecida e varincia igual a 0,01 m2 . Uma amostra de dez animais foi sorteada e forneceu mdia 1,69 m. Calcule um intervalo de conana para o parmetro desconhecido .
Observao: A amplitude do intervalo de conana dada pela diferena entre o
extremo superior e o extremo inferior, isto , dado pela semi-amplitude, ou seja, z/2 . n
2z/2 n .
68
Exemplo 8.6. A vida mdia de baterias automotivas de uma certa marca est sendo
estudada. Baseado em estudos similares, com outras marcas, possvel admitir que a vida til dessas baterias segue uma distribuio normal com desvio padro de 4,5 meses. De qual tamanho dever ser a amostra, para que a amplitude do intervalo de 90% de conana para a vida mdia seja de 3 meses?
pN
p, p
p(1 p) n
.
dado por
IC(p, ) = p z/2
Como
p(1 p) ; p + z/2 n
p(1 p) . n
Uma possvel
p desconhecido, o intervalo ainda no pode ser calculado diretamente. soluo substituirmos p(1 p) por p(1 p). Portanto, o intervalo ser: IC1 (p, ) = p z/2 p(1 p) ; p + z/2 n p(1 p) . n p(1 p)
Outra soluo possvel, baseada no fato que a expresso igual a 1/4, quando substituindo
0 p 1.
por 1/4:
p(1 p)
1 ; p + z/2 4n
1 . 4n
IC1 , estamos levando em considerao que a varincia p(1) p . Se preferirmos IC2 , estaremos substituindo a varincia n por um valor seguramente maior do que o real. Assim, estamos nos assegurando que o
Observao: Ao aceitarmos
de
Ao utilizarmos
p,
IC1 .
Exemplo 8.7. Numa pesquisa de mercado, 400 pessoas foram entrevistadas sobre de-
terminado produto, e 60% delas preferiram a marca A. Construa um intervalo de conana para p com coeciente de conana = 0, 95.
69
8.3.3 Intervalo de Conana para a mdia de uma populao com varincia desconhecida
At aqui consideramos a mdia de uma populao desconhecida e a varincia conhecida. Esta situao no muito realista, pois se no conhecemos a mdia, como podemos conhecer a varincia de uma populao? Desta forma, uma situao mais prxima da realidade seria o caso em que, tanto a mdia como a varincia, so desconhecidas. Iremos considerar 2 a siuao em que X : N (, ) com e desconhecidos. Para isso, iremos utilizar a distribuio t de Student, que denida como:
Denio 8.6. Uma v.a. T dita ter distribuio t de Student com n graus de liberdade, se sua f.d.p. da forma
fn (t) = [(n + 1)/2] (n/2) n 1+ t2 n
(n+1)/2
, < t < ,
onde (p) =
xp1 ex dx,
Observaes:
(i) Notao:
T : t(n) ;
(ii) Essa distribuio leva este nome em homenagem ao estatstico ingls W.S. Gosset, que publicou sua pesquisa sob o pseudnimo de Student; (iii) O grco de
fn (t)
1 2 lim fn (t) = et /2 . n 2
(iv) Em virtude da importncia desta distribuio, ela se encontra tabulada. fornece o valor de A tabela de
tc ,
tal que
0 < < 1,
onde
Tn
tem
P (t Tn t ) = 1 , para alguns valores distribuio t de Student com n graus de liberdade. X : N (, 2 ) com e X1 , ..., Xn de X , pode-se
Nosso objetivo agora estudar a situao em que hecidos. que Assim, considerando uma amostra aleatria
desconmostrar
(X ) : t(n1) , S/ n S2 =
1 n1 n i=1 (Xi
onde
X)2 .
teremos
Assim, dado
0<<1
P
onde
(X ) t S/ n
= ,
= 1 ,
P (t T(n1) t ) = .
70
1 ,
dado por
S S X t ; X + t . n n
Exemplo 8.8. Numa grande empresa uma amostra aleatria de 20 empregados forneceu
a idade mdia igual a 32,8 e desvio padro 5,3. Estimar a idade mdia de toda a empresa com uma conana de 99%. Que suposio devemos fazer para estimar a idade mdia?
medicamento pode ser considerado como tendo distribuio normal. Vinte pacientes foram sorteados, receberam o medicamento e tiveram seu tempo de reao anotado. Os dados foram os seguintes (em minutos): 2,9; 3,4; 3,5; 4,1; 4,6; 4,7; 4,5; 3,8; 5,3; 4,9; 4,8; 5,7; 5,8; 5,0; 3,4; 5,9; 6,3; 4,6; 5,5 e 6,2. Obtenha um intervalo de conana para o tempo mdio de reao. Use = 0, 95.
71
8a
LISTA DE EXERCCIOS
1 - De uma populao normal com varincia igual a 16, levantou-se uma amostra, obtendo-se as observaes: 10, 5, 10, 15. Determinar ao nvel de 87% um IC para a mdia da populao. Resp. [4,98; 11,02] 2 - A experincia com trabalhadores de uma certa indstria indica que o tempo necessrio para que um trabalhador, aleatoriamente selecionado, realize uma tarefa distribudo de maneira aproximadamente normal, com desvio padro de 12 minutos. amostra de 25 trabalhadores forneceu ana de 95% para a mdia conana? Resp. [135,3; 144,7] 3 - Em uma linha de produo de certa pea mecnica, colheu-se uma amostra de 100 itens, constatando-se que 4 peas eram defeituosas. Construir um IC para a proporo de itens defeituosos na populao ao nvel de 10%. Resp. [0,78%; 7,21%] 4 - Em uma pesquisa de opinio, entre 600 pessoas pesquisadas, 240 responderam sim a determinada pergunta. Estimar a porcentagem de pessoas com essa mesma opinio na populao, dando um intervalo de 95% de conabilidade. Resp. [36,08%; 43,92%] 5 - Seja Uma
x = 140
e varincia
2,
de que so extradas
1 = 1 X1 + 1 X2 2 2 2 = 1 X1 + 3 X2 . 4 4
a) Qual ou quais dos estimadores acima so no-viesados para b) Qual dos dois estimadores acima o melhor? Justique. 6 - Colhida uma amostra de 30 peas, forneceu os seguintes pesos:
250, 265, 267, 269, 271, 275, 277, 281, 283, 284, 287, 289, 291, 293, 293, 298, 301, 303, 306, 307, 307, 309, 311, 315, 319, 322, 324, 328, 335, 339.
Por meio da construo do intervalo de conana, responder se esta amostra satisfaz a espectativa pela qual o peso mdio deve ser 300 Kg. Sugesto: Adote um nvel de 5%. Resp. satisfaz, [288,33; 304,93]
72
7 - Sendo
= 0, 5,
intervalo de 95% de conana para a mdia adimitindo-se que nossa estimativa tenha um erro de 10%. Resp.
n = 96
8 - Em 50 lances de uma moeda, foram obtidas 30 caras. A partir de um intervalo de conana de 96%, pode-se dizer que a moeda honesta? Resp. sim, [0,46; 0,74] 9 - Construa um IC para a mdia ao nvel de 5% considerando a distribuio amostral abaixo: Classes 0 5 5 10 10 15 15 20
ni
2 3 5 2
p.
X n
Seja
p1 = p2 =
p2
so consistentes.
p2
p?
73
UNIVERSIDADE FEDERAL DE CAMPINA GRANDE - Campus I DEPARTAMENTO DE MATEMTICA E ESTATSTICA Disciplina: Probabilidade e Estatstica (6 crditos - Engenharias) Professores: Alexsandro, Alecxandro e Amanda Aluno(a): Perodo 2003.2 Data: .
9a
NOTA DE AULA
Testes de Hipteses
9.1 Introduo
At o presente momento consideramos o problema de estimarmos um parmetro desconhecido da populao tanto pontualmente como atravs de um intervalo de conana. Apresentaremos agora, outra maneira de tratar o problema de fazer uma armao sobre um parmetro desconhecido. Em vez de procurarmos uma estimativa do parmetro, freqentemente nos parecer conveniente admitir um valor hipottico para ele e, depois, utilizar a informao da amostra para conrmar ou rejeitar esse valor hipottico.
Teste de Hipte-
H0 : H1 : H1
Geralmente, a hiptese
H0
H0 ,
a hiptese
1. Teste bilteral
H0 : = 0 H1 : = 0
2. Teste unilateral direita
H0 : = 0 H1 : > 0
74
H0 : = 0 H1 : < 0
Denio 9.1 (Erro Tipo I). Rejeita-se H0 , sendo H0 verdadeira. Denotando por
a probabilidade de se cometer esse erro, teremos = P (rejeitar H0 | H0 verdadeira). a probabilidade de se cometer esse erro, teremos
Denio 9.2 (Erro Tipo II). No rejeita-se H0 quando H0 falsa. Denotando por
= P (nao rejeitar H0 | H0 f alsa).
se a hiptese
H0
ou
no aceitvel. Essa deciso tomada atravs da considerao de uma regio crtica RC.
H0 .
P ( RC | H0 verdadeira) = ,
onde
xado a priori.
importante destacar que a regio crtica sempre construda sob a hiptese de ser verdadeira. A probabilidade
H0
H0
(ii) Usa-se a teoria estatstica e as informaes disponveis para decidir qual estatstica (estimador) ser usada para testar a hiptese (iii) Fixa-se a probabilidade
H0 ; H0 ,
a partir de
= P (rejeitar H0 | H0 verdadeira).
75
(iv) Atravs da amostra, calcula-se a estatstica de teste; (v) Se a estatstica de teste pertencer regio crtica, rejeita-se rejeitamos
H0 ,
caso contrrio, no
H0 .
H 0 : = 0 H 1 : = 0 H 0 : = 0 H1 : > 0 H 0 : = 0 H1 : < 0
b)
c)
X=
X N (0, 1). / n
(iii) Fixado o nvel de signicncia do teste struir a regio crtica do teste como: a)
()
e supondo
H0
RC = x; P X 0 z 1 n ou X 0 + z 1 n = = ; 0 z 1 n
2 2 2 2
0 + z 1
; . n
A regio crtica tambm pode ser escrita em termos de valores padronizados, ou seja
RCp = z; P |Z| z 1
2
= = ; z 1
2
z 1 ; .
2
b)
RC = x; P
X 0 + z 12 n = = 0 + z 1 n ;
2 2
. Ou ento,
RCp = z; P Z > z 12
2
= ) = z 12 ; .
2
c)
RC = x; P X 0 z 12 n = = ; 0 z 12 n
2 2
. Ou ento,
RCp = z; P Z z 12
2
= ) = ; z 12 .
2
76
(iv) Estatstica de teste: dada uma amostra de tamanho n, a estatstica de teste ser x0 = n i=1 xi , ou ento, considerando o intervalo com valores padronizados, a estatstica n de teste ser: x 0 0 . z0 =
/ n
(v) Concluso: se
x0 RC
ou
z0 RCp ,
rejeitamos
H0 ,
H0 .
Exemplo 9.1. Seja X uma populao normal com varincia 36. Dessa populao,
hipteses:
H0 : = 45 H1 : = 45
toma-se uma amostra de tamanho 16, obtendo-se x = 43. Ao nvel de 10%, testar as
apresenta-se abaixo de 26 mg por cigarro. Um laboratrio realiza 10 anlises do ndice obtendo: 26, 24, 23, 22, 28, 25, 27, 26, 28, 14. Sabendo-se que o ndice de nicotina dos cigarros da marca X se distribui normalmente com varincia 5,36 mg 2 , pode-se aceitar a armao do fabricante, ao nvel de 5%?
Exemplo 9.2. Uma fbrica anuncia que o ndice de nicotina dos cigarros da marca X
fabricao e acredita que aumentar a resistncia mdia, que de 206 kg. A resistncia das lajotas tem distribuio normal com desvio padro de 12 kg. Retira-se uma amostra de 30 lajotas, obtendo-se x = 210 kg. Ao nvel de 10%, pode o fabricante aceitar que a resistncia mdia de suas lajotas tenha aumentado?
onde
X =1
com probabilidade
1 p.
sabemos que
pN
p,
p(1 p) n
H0 : p = p 0 H1 : p = p 0 H0 : p = p 0 H 1 : p > p0 H0 : p = p 0 H 1 : p < p0
b)
c)
77
RC = [0, p0 z 1
2
p0 (1p0 ) ] n
[p0 + z 1
2
p0 (1p0 ) , 1]. n
RC = [p0 + z 12
2
RC = [0, p0 z 12
2
Onde
P (0 Z z ) =
Z : N (0, 1).
3. A estatstica de teste
p avaliada
Exemplo 9.4. Uma estao de televiso arma que 60% dos televisores estavam lig-
ados no seu programa especial da ltima segunda-feira. Uma rede competidora deseja contestar essa armao e decide usar uma amostra de 200 famlias para um teste. Qual deve ser o procedimento adotado para avaliar a veracidade da armao da estao, adimitindo-se que, das 200 famlias pesquisadas, 104 estavam assistindo ao programa? Utilize um nvel de 5%.
9.6 Teste para a mdia de uma populao normal com varincia desconhecida
Consideraremos agora, o caso em que queremos testar hipteses sobre a mdia de uma populao com distribuio normal, porm, com varincia desconhecida. Para isso, teremos 2 que estimar a varincia atravs da estatstica S . Alm disso, utilizaremos o fato de que
(X ) : t(n1) . S/ n
Assim, a estatstica do teste ser
T =
(X) . S/ n
b)
c)
S RC = , 0 t n
S 0 + t n ,
78
b) c)
S RC = 0 + t2 n ,
. .
S RC = , 0 t2 n
Onde
P (|T | < t ) = 1
T : t(n1) .
Exemplo 9.5. Um fabricante arma que seus cigarros contm no mais que 30 mg de
nicotina. Uma amostra de 25 cigarros fornece mdia de 31,5 mg e desvio padro de 3 mg. Ao nvel de 5%, testar a armao do fabricante.
Exemplo 9.6. Estamos desconados de que a mdia das receitas municipais per capita
das cidades pequenas (0-20.000 habitantes) maior do que a das receitas do estado, que de 1.229 unidades. Para comprovar ou no essa hiptese, sorteamos dez cidades pequenas, e obtivemos os seguintes resultados: 1.230; 582; 576; 2.093; 2621; 1045; 1439; 717; 1838; 1.359. obs: Para facilitar os clculos, informamos que a soma das observaes 13.500, e a soma dos quadrados das observaes 22.335.650, alm disso, 13.5002 = 182.250.000. a) Mostre que o teste de hiptese usado, com = 0, 05, levar aceitao de que a mdia das cidades pequenas igual do estado. b) Voc no acha estranha essa concluso quando observa que a mdia da amostra obtida bem maior do que a mdia do estado? Como voc explicaria isso?
79
9a
LISTA DE EXERCCIOS
Uma amostra de 40 indivduos apresentou
1 - Os indevduos de um pas apresentam altura mdia de 170 cm e desvo padro de 5 cm. A altura tem distribuio normal. mdia de 167 cm. Podemos armar, ao nvel de 5%, que essa amostra formada por indivduos daquele pas? 2 - Lana-se uma moeda 100 vezes e observa-se 40 caras. Baseado nesse resultado,
podemos armar, ao nvel de 5%, que a moeda no honesta? 3 - A tenso de ruptura de cabos fabricados por uma empresa apresenta distribuio normal, com mdia 1800 kg e desvio padro de 100 kg. Mediante uma nova tcnica de produo, proclamou-se que a tenso de ruptura teria aumentado. Para testar essa declarao, ensaiou-se uma amostra de 50 cabos, obtendo-se como tenso mdia de ruptura 1850 kg. Pode-se aceitar a proclamao ao nvel de 5%? 4 - Um certo tipo de rato apresenta, nos trs primeiros meses de vida, um ganho mdio de peso de 58g. Uma amostra de 10 ratos foi alimentada desde o nascimento at a idade de 3 meses com uma rao especial, e o ganho de peso de cada rato foi: 55, 58, 60, 62, 65, 67, 54, 64, 62 e 68. H razes para crer, ao nvel de 5%, que a rao especial aumenta o peso nos trs primeiros meses de vida? 5 - Um fabricante de droga medicinal arma que ela 90% ecaz na cura de uma alergia, em um determinado perodo. Em uma amostra de 200 pacientes, a droga curou 150 pessoas. Testar ao nvel de 1% se a pretenso do fabricante legtima. 6 - Um exame padro de inteligncia tem sido usado por vrios anos com mdia de 80 pontos e desvio padro de 7 pontos. Um grupo de 25 estudantes ensinado, dando-se nfase resoluo de testes. Se esse grupo obtem mdia de 83 pontos no exame, h razes para se acreditar que a nfase dada mudou o resultado do teste ao nvel de 10%? 7 - De uma populao normal levantaram-se os seguintes dados: Classes 1 3 5 7 9 11 13 3 5 7 9 11 13 15
ni
1 5 13 14 10 5 2
Testar, ao nvel de 5%, se a mdia dessa populao igual a 7. 8 - Uma mquina automtica que empacota o alimento A programada para colocar 100g de peso. Para vericar a preciso da mquina, uma amostra de 60 pacotes do referido alimento fornece peso mdio de 98g e desvio padro de 6g. O que se pode concluir ao nvel de 1%?
80