Vous êtes sur la page 1sur 154

UNIVERSIDADE FEDERAL DE CAMPINA GRANDE

CENTRO DE CINCIAS E TECNOLOGIA AGROALIMENTAR - CAMPUS POMBAL


DISCIPLINA: ESTATSTICA BSICA
NOTAS DE AULA
ESTATSTICA BSICA
Prof. MSc. Carlos Srgio Arajo dos Santos
POMBAL - PB
NOVEMBRO de 2013
Sumrio
1 Introduo Geral p. 9
1.1 A Estatstica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 9
1.2 Estatstica Descritiva . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 10
1.3 A Natureza da Estatstica (Classicao das variveis . . . . . . . . . . . p. 10
1.4 Fases do Mtodo Estatstico . . . . . . . . . . . . . . . . . . . . . . . . . p. 11
1.5 Pesquisas e Dados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 13
1.6 Conceitos bsicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 13
1.7 Tabelas Estatsticas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 14
1.8 Elementos de uma Tabela . . . . . . . . . . . . . . . . . . . . . . . . . . p. 14
1.9 Representao esquemtica . . . . . . . . . . . . . . . . . . . . . . . . . p. 15
1.10 Distribuio de Frequncias . . . . . . . . . . . . . . . . . . . . . . . . . p. 15
1.10.1 Conceitos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 15
1.10.2 Distribuio de frequncia sem intervalos de classe . . . . . . . . p. 16
1.10.3 Distribuio de frequncia com intervalos de classe . . . . . . . . p. 16
1.10.4 Elementos de uma Distribuio de Frequncia . . . . . . . . . . . p. 17
1.10.5 Mtodo Prtico para construo de uma distribuio de frequncias
com classe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 18
1.10.6 Tipos de Frequncias . . . . . . . . . . . . . . . . . . . . . . . . . p. 18
1.11 Representao Grca . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 19
1.12 Grcos utilizados para a anlise de uma distribuio de freqncia . . . p. 20
1.12.1 Histograma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 20
1.12.2 Polgono de Freqncias . . . . . . . . . . . . . . . . . . . . . . . p. 20
1.12.3 Ogivas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 21
1.12.4 Grco por linha . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 21
1.12.5 Grco por colunas . . . . . . . . . . . . . . . . . . . . . . . . . . p. 22
1.12.6 Diagrama por Superfcie em Setores . . . . . . . . . . . . . . . . . p. 22
2 Anlise Exploratria de Dados p. 24
2.1 Medidas de Posio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 24
2.1.1 Mdia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 24
2.1.2 Moda . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 26
2.1.3 Mediana . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 28
2.2 Quartis, Decis e Percentis (ou Centis) . . . . . . . . . . . . . . . . . . . . p. 31
2.3 Quartis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 31
2.3.1 Primeiro Quartil: Q
1
. . . . . . . . . . . . . . . . . . . . . . . . . . p. 31
2.3.2 Segundo Quartil: Q
2
ou Md . . . . . . . . . . . . . . . . . . . . . p. 32
2.3.3 Terceiro Quartil: Q
3
. . . . . . . . . . . . . . . . . . . . . . . . . . p. 32
2.4 Decis D
i
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 33
2.4.1 Primeiro Decil: D
1
. . . . . . . . . . . . . . . . . . . . . . . . . . . p. 33
2.4.2 Segundo Decil: D
2
. . . . . . . . . . . . . . . . . . . . . . . . . . p. 33
2.5 Percentis ou Centis C
i
. . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 34
2.5.1 Vigsimo Centil: C
20
. . . . . . . . . . . . . . . . . . . . . . . . . p. 34
2.6 Medidas de Disperso . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 35
2.6.1 Desvio - Padro . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 36
2.6.2 Varincia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 37
2.6.3 Coeciente de Variao . . . . . . . . . . . . . . . . . . . . . . . . p. 39
2.7 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 40
3 Probabilidade: Espao amostral e eventos p. 45
3.1 Experimentos Aleatrios . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 45
3.1.1 Tipos de fenmenos . . . . . . . . . . . . . . . . . . . . . . . . . . p. 45
3.2 Espao Amostral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 45
3.3 Eventos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 46
3.4 Classe dos eventos aleatrios . . . . . . . . . . . . . . . . . . . . . . . . p. 46
3.5 Operaes com eventos Aleatrios . . . . . . . . . . . . . . . . . . . . . p. 47
3.6 Propriedades das operaes . . . . . . . . . . . . . . . . . . . . . . . . . p. 49
3.7 Partio de um Espao Amostral . . . . . . . . . . . . . . . . . . . . . . . p. 50
3.8 Eventos Mutuamente Exclusivos ou Disjuntos . . . . . . . . . . . . . . . . p. 51
3.9 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 52
4 Probabilidade: Denies p. 53
4.1 Denio Clssica de Probabilidade . . . . . . . . . . . . . . . . . . . . . p. 53
4.2 Denio Axiomtica de Probabilidade . . . . . . . . . . . . . . . . . . . p. 53
4.2.1 Propriedades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 54
4.3 Eventos Independentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 55
4.4 Probabilidade Condicional . . . . . . . . . . . . . . . . . . . . . . . . . . p. 55
4.5 Probabilidade Total . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 56
4.6 Teorema de Bayes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 57
4.7 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 59
5 Variveis Aleatrias discretas p. 62
5.1 Variveis Aleatrias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 62
5.2 Esperana de uma Varivel Aleatria Discreta . . . . . . . . . . . . . . . . p. 64
5.3 Varincia de uma Varivel Aleatria Discreta . . . . . . . . . . . . . . . . p. 65
5.4 Funo de Distribuio Acumulada . . . . . . . . . . . . . . . . . . . . . . p. 66
5.5 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 68
6 Distribuies Tericas de Probabilidades de Variveis Aleatrias Discre-
tas p. 70
6.1 Distribuio de Bernoulli . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 70
6.2 Distribuio Binomial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 71
6.2.1 Mdia e Varincia de uma v.a. com Distribuio
Binomial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 72
6.3 Distribuio de Poisson . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 73
6.4 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 76
7 Variveis Aleatrias contnuas p. 78
7.1 Denies . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 78
7.2 Funo de Distribuio Acumulada . . . . . . . . . . . . . . . . . . . . . . p. 79
7.3 Esperana de uma Varivel Aleatria Contnua . . . . . . . . . . . . . . . p. 80
7.4 Variancia de uma Varivel Aleatria Contnua . . . . . . . . . . . . . . . . p. 80
7.5 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 81
8 Distribuies Tericas de Probabilidades de Variveis Aleatrias Contnuas p. 83
8.1 Distribuio Uniforme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 83
8.2 Distribuio Normal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 84
8.2.1 Mdia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 85
8.2.2 Distribuio Normal Padro . . . . . . . . . . . . . . . . . . . . . . p. 85
8.3 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 88
9 Teoria da Amostragem p. 90
9.1 Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 90
9.2 Parmetros e Estatsticas . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 90
9.3 Tcnicas de amostragem . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 91
9.4 Conceitos Iniciais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 91
9.5 Amostragem . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 92
9.5.1 As Amostras Probabilsticas . . . . . . . . . . . . . . . . . . . . . p. 92
9.5.2 Amostragem Aleatria Simples . . . . . . . . . . . . . . . . . . . . p. 93
9.5.3 Amostragem Aleatria Estraticada . . . . . . . . . . . . . . . . . p. 93
9.5.4 Amostragem por Conglomerados . . . . . . . . . . . . . . . . . . . p. 94
9.5.5 Amostragem Sistemtica . . . . . . . . . . . . . . . . . . . . . . . p. 94
9.6 Amostragem No-probabilstica . . . . . . . . . . . . . . . . . . . . . . . p. 94
9.7 Erros no processo de amostragem . . . . . . . . . . . . . . . . . . . . . . p. 94
9.8 Distribuio Amostral da Mdia . . . . . . . . . . . . . . . . . . . . . . . . p. 95
9.9 Distribuio Amostral das Propores . . . . . . . . . . . . . . . . . . . . p. 96
9.10 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 98
10 Teoria da Estimao p. 100
10.1 Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 100
10.2 Estimao Pontual . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 100
10.3 Propriedades dos estimadores . . . . . . . . . . . . . . . . . . . . . . . . p. 101
10.3.1 Justeza e no-tedenciosidade . . . . . . . . . . . . . . . . . . . . p. 101
10.3.2 Consistncia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 101
10.3.3 Ecincia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 102
10.3.4 Sucincia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 103
10.4 Estimao Intervalar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 103
10.4.1 Intervalo de Conana para Mdia com varincia (populacional)
conhecida . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 103
10.4.2 Intervalo de Conana para Mdia com varincia (populacional)
desconhecida . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 105
10.4.3 Intervalo de Conana para proporo populacional . . . . . . . . p. 106
10.4.4 Intervalo de Conana para Varincia . . . . . . . . . . . . . . . . p. 107
10.5 Intervalo de Conana para a diferena de mdias de duas Populaes . p. 108
10.5.1 As varincias
2
1
e
2
2
(populacionais) so conhecidas . . . . . . . p. 108
10.5.2 As varincias
2
1
e
2
2
so desconhecidas mas
2
1
=
2
2
. . . . . . . p. 109
10.6 Intervalo de Conana para Diferena de Propores . . . . . . . . . . . p. 110
10.7 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 112
11 Testes de Hipteses p. 118
11.1 Hiptese Nula e Hiptese Alternativa . . . . . . . . . . . . . . . . . . . . . p. 118
11.2 Regio Crtica do teste . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 118
11.3 Erros do Tipo I e erros do Tipo II . . . . . . . . . . . . . . . . . . . . . . . p. 119
11.4 Teste da hiptese para mdia populacional . . . . . . . . . . . . . . . . p. 120
11.4.1 conhecido . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 120
11.4.2 desconhecido . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 120
11.5 Teste para Proporo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 121
11.6 Teste de hiptese para varincia . . . . . . . . . . . . . . . . . . . . . . . p. 122
11.7 Teste da hiptese da igualdade de duas mdias . . . . . . . . . . . . . . p. 123
11.7.1
2
1
e
2
2
conhecidas . . . . . . . . . . . . . . . . . . . . . . . . . . p. 124
11.7.2
2
1
e
2
2
desconhecidas . . . . . . . . . . . . . . . . . . . . . . . . p. 124
11.8 Teste de hiptese da diferena entre propores . . . . . . . . . . . . . . p. 125
11.9 Teste da razo de varincias . . . . . . . . . . . . . . . . . . . . . . . . . p. 125
11.10Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 128
12 Correlao e Regresso Linear Simples p. 134
12.1 Correlao Linear Simples . . . . . . . . . . . . . . . . . . . . . . . . . . p. 134
12.1.1 Relao entre variveis . . . . . . . . . . . . . . . . . . . . . . . . p. 134
12.1.2 Medida de Correlao . . . . . . . . . . . . . . . . . . . . . . . . . p. 134
12.2 Regresso Linear . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 136
12.2.1 Pressuposies . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 137
12.2.2 Mtodo de estimao dos parmetros e . . . . . . . . . . . . . p. 138
12.3 Decomposio da varincia total . . . . . . . . . . . . . . . . . . . . . . . p. 140
12.4 Anlise de Varincia da Regresso . . . . . . . . . . . . . . . . . . . . . p. 141
12.5 Coeciente de determinao . . . . . . . . . . . . . . . . . . . . . . . . . p. 143
12.6 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 144
Referncias p. 145
9
1 Introduo Geral
1.1 A Estatstica
Para algumas pessoas, a Estatstica no seno um quadro de colunas mais ou
menos longas de nmeros que dizem respeito populao, indstria ou ao comrcio,
como se v frequentemente em revistas; para outras, ela d grcos mostrando a vari-
ao no tempo de um fato econmico ou social, a produo ou os nmeros relativos aos
negcios de uma empresa, assim como se encontra nos escritrios de empresas privadas.
A utilizao da Estatstica cada vez mais acentuada em qualquer atividade pros-
sional da vida moderna. Nos mais diversicados ramos de atuao, as pessoas esto
frequentemente expostas Estatstica, utilizando-a com maior ou menor intensidade. Isto
se deve s mltiplas aplicaes que o mtodo estatstico proporciona queles que dele
necessita.
A razo pela qual consideramos a Estatstica uma ferramenta importante para tomada
de decises est no fato de que ela no deve ser considerada como um m em si prpria,
mas como um instrumento fornecedor de informaes que subsidiaro, em consequncia,
a tomada de melhores decises, baseadas em fatos e dados.
Podemos considerar a Estatstica como a cincia que se preocupa com a coleta, or-
ganizao, descrio, anlise e interpretao dos dados experimentais, ou oriundos de
estudos observacionais visando a tomada de decises.
Dentro dessa idia, podemos considerar a Cincia Estatstica como dividida basica-
mente em duas partes: A Estatstica Descritiva, que se preocupa com a organizao e
descrio dos dados experimentais, e a Estatstica Indutiva, que cuida da sua anlise e
interpretao.
10
1.2 Estatstica Descritiva
Principalmente em pesquisa social, o analista defronta-se amide com a situao de
dispor de tantos dados que se torna difcil absorver completamente a informao que est
procurando investigar. extremamente difcil captar intuitivamente todas as informaes
que os dados contm. necessrio, portanto, que as informaes sejam reduzidas at o
ponto em que se possa interpret-las mais claramente. Em outras palavras, indispen-
svel resum-las, atravs do uso de certas medidas-snteses, mais comumentes conheci-
das como estatstica descritiva ou simplesmente estatsticas. Por conseguinte, a estatstica
descritiva um nmero que sozinho descreve uma caracterstica de um conjunto de dados.
Trata-se, portanto, de um nmero-resumo que possibilita reduzir os dados a propores
mais facilmente interpretveis.
Em um sentido mais amplo, a Estatstica Descritiva pode ser interpretada como uma
funo cujo objetivo a observao de fenmenos de mesma natureza, a coleta de dados
numricos referentes a esses fenmenos, a organizao e a classicao desses dados
observados e a sua apresentao atravs de grcos e tabelas, alm do clculo de coe-
cientes (estatsticas) que permitem descrever resumidadamente os fenmenos.
1.3 A Natureza da Estatstica (Classicao das variveis
Varivel uma caracterstica de uma unidade que ser medida a partir daquela unidade
da amostra. Podemos descrever dois tipos de variveis para estudo:
Variveis Qualitativas: Podem ser separados em diferentes categorias, atributos, que
se distinguem por alguma caracterstica no numrica. como nos seguintes exemplos:
a) Populao: alunos de uma universidade Varivel: sexo (masculino ou feminino).
b) Populao: moradores de uma cidade Varivel: tipo de habitao (casa, aparta-
mento, barraco, etc.).
c) Populao: peas produzidas por uma mquina Varivel: qualidade (perfeita ou
defeituosa).
d) Populao Brasileira Varivel: cor da pele (branca, preta, amarela, vermelha, parda).
11
Variveis Quantitativas: Quando suas medidas consistem em nmeros que repre-
sentam contagens ou medidas. Pode ser subdivida em:
1 - quantitativa discreta: pode assumir apenas valores pertences a um conjunto enu-
mervel;
2 - quantitativa contnua: pode assumir qualquer valor em um certo intervalo de vari-
ao.
Alguns exemplos de variveis quantitativas discretas so:
a) Populao: habitaes de uma cidade. Varivel: nmero de banheiros.
b) Populao: casais residentes em uma cidade. Varivel: nmero de lhos.
c) Populao: aparelhos produzidos em uma linha de montagem. Varivel: nmero de
defeitos por unidade.
d) Populao: Bolsa de valores de So Paulo. Varivel: nmero de aes negociadas.
1.4 Fases do Mtodo Estatstico
O mtodo estatstico abrange as seguintes fases:
a) Denio do Problema
Consiste na:
- formulao correta do problema;
- examinar outros levantamentos realizados no mesmo campo (reviso da literatura);
- saber exatamente o que se pretende pesquisar denindo o problema corretamente
(variveis, populao, hipteses, etc.)
b) Planejamento
Determinar o procedimento necessrio para resolver o problema:
12
- Como levantar informaes;
- Tipos de levantamentos: Por Censo (completo); Por Amostragem (parcial).
- Cronograma, Custos, etc.
c) Coleta ou levantamento dos dados
Consiste na obteno dos dados referentes ao trabalho que desejamos fazer.
A coleta pode ser:
Direta - diretamente da fonte;
Indireta - feita atravs de outras fontes. Os dados podem ser obtidos pela prpria
pessoa (primrios) ou se baseia no registro de terceiros (secundrios).
d) Apurao dos dados ou sumarizao
Consiste em resumir os dados, atravs de uma contagem e agrupamento. um tra-
balho de coordenao e de tabulao.
Apurao: manual, mecnica e eletrnica.
e) Apresentao dos dados
a fase em que vamos mostrar os resultados obtidos na coleta e na organizao.
Esta apresentao pode ser:
Tabular (apresentao numrica)
Grca (apresentao geomtrica)
f) Anlise e interpretao dos dados
a fase mais importante e tambm a mais delicada. Tira concluses que auxiliam o
pesquisador a resolver seu problema.
13
1.5 Pesquisas e Dados
Antes de iniciar a anlise de uma base de dados, preciso determinar corretamente
que tipo de dados est disponvel. Disso depende o tipo de anlise a ser feito e a ferra-
menta a ser utilizada.
Pesquisa Estatstica: qualquer informao retirada de uma populao ou amostra,
podendo ser atravs de Censo ou Amostragem.
Dados Estatsticos: Dados so observaes documentadas ou resultados da medio.
Os dados podem ser obtidos pela percepo atravs dos sentidos (por exemplo obser-
vao) ou pela execuo de um processo de medio.
Antes de iniciar a anlise de uma base de dados, preciso determinar corretamente
que tipo de dados est disponvel. Disso depende o tipo de anlise a ser feito e a ferra-
menta a ser utilizada.
Dados primrios: so aqueles que no foram antes coletados, estando ainda em
posse dos pesquisados, e que so coletados com o propsito de atender s necessi-
dades especcas da pesquisa em andamento. As fontes bsicas de dados primrios so:
pesquisado, pessoas que tenham informaes sobre o pesquisado e situaes similares.
Dados secundrios: so aqueles que j foram coletados, tabulados, ordenados e, s
vezes, at analisados e que esto catalogados disposio dos interessados. As fontes
bsicas de dados secundrios so: a prpria empresa, publicaes, governos, Instituies
no governamentais e servios padronizados de informaes de marketing.
1.6 Conceitos bsicos
Populao: Conjunto de todos os elementos relativos a um determinado fenmeno
que possuem pelo menos uma caracterstica em comum, a populao o conjunto Uni-
verso, podendo ser nita ou innita.
Amostra: um subconjunto da populao e dever ser considerada nita, a amostra
14
deve ser selecionada seguindo certas regras e deve ser representativa, de modo que ela
represente todas as caractersticas da populao como se fosse uma fotograa desta.
Amostragem: o processo de retirada de informaes dos "n"elementos amostrais,
no qual deve seguir um mtodo criterioso e adequado (tipos de amostragem).
Censo: a coleo de dados relativos a todos elementos da populao.
Estatstica: uma medida numrica que descreve uma caracterstica da amostra.
Parmetro: a medida numrica que descreve uma caracterstica da populao.
Estatstica Descritiva: envolve a organizao e sumarizao dos dados atravs de
metodologias simples.
Estatstica Inferencial: a parte da estatstica que envolve a anlise e interpretao
da amostra.
1.7 Tabelas Estatsticas
Um dos objetivos da estatstica sintetizar os valores que uma ou mais variveis po-
dem assumir, para que tenhamos uma viso global da variao das mesmas.
Tabela: uma maneira de apresentar de forma resumida um conjunto de dados
1.8 Elementos de uma Tabela
1) Ttulo: O ttulo deve responder as seguintes questes:
- O que? (Assunto a ser representado (Fato));
- Onde? (O lugar onde ocorreu o fenmeno (local));
- Quando? (A poca em que se vericou o fenmeno (tempo)).
2) Cabealho: parte da tabela na qual designada a natureza do contedo de cada
coluna.
15
3) Corpo: parte da tabela composta por linhas e colunas.
4) Linhas: parte do corpo que contm uma seqncia horizontal de informaes.
5) Colunas: parte do corpo que contm uma seqncia vertical de informaes.
6) Coluna Indicadora: coluna que contm as discriminaes correspondentes aos
valores distribudos pelas colunas numricas.
7) Casa ou Clula: parte da tabela formada pelo cruzamento de uma linha com uma
coluna.
8) Rodap: o espao aproveitado em seguida ao fecho da tabela, onde so colo-
cadas as notas de natureza informativa (fonte, notas e chamadas).
9) Fonte: refere-se entidade que organizou ou forneceu os dados expostos.
10) Notas e Chamadas: so esclarecimentos contidos na tabela (nota - conceituao
geral; chamada - esclarecer mincias em relao a uma clula).
1.9 Representao esquemtica
1.10 Distribuio de Frequncias
1.10.1 Conceitos
Dados Brutos: a relao de elementos que no foram numericamente organizados.
16
Ex : 45, 41, 42, 41, 42, 43, 44, 41 ,50, 46, 50, 46, 60, 54, 52, 58, 57, 58, 60, 51
Rol: uma lista em que os valores esto dispostos em uma determinada ordem, cres-
cente ou decrescente.
Ex : 41, 41, 41, 42, 42, 43, 44, 45 ,46, 46, 50, 50, 51, 52, 54, 57, 58, 58, 60, 60
Tabela de Frequncias: so representaes nas quais os valores se apresentam em
correspondncia com suas repeties.
1.10.2 Distribuio de frequncia sem intervalos de classe
a simples condensao dos dados conforme as repeties de seu valores.
Exemplo:
Tabela 1: Distribuio do nmero de alunos em 20 turmas da UFCG
i 1 2 3 4 5 6 7 8 9 10 11 12 13 Total
Dados 41 42 43 44 45 46 50 51 52 54 57 58 60

13
i=1
f
i
(f
i
) 3 2 1 1 1 2 2 1 1 1 1 2 2 20
A soma das frequncias sempre igual ao nmero total de valores observados.
k

i=1
f
i
= n
1.10.3 Distribuio de frequncia com intervalos de classe
Quando o tamanho da amostra elevado mais racional efetuar o agrupamento dos
valores em vrios intervalos de classe.
Exemplo:
17
Tabela 2: Distribuio do nmero de alunos em 20 turmas da UFCG
i Classes f
i
1 41 45 7
2 45 49 3
3 49 53 4
4 53 57 1
5 57 61 5
Total

5
i=1
f
i
20
1.10.4 Elementos de uma Distribuio de Frequncia
Frequncia Simples Absoluta: o nmero de observaes correspondentes a uma
classe ou valor individual. simbolizada por f
i
.
Amplitude Total A
t
: a diferena entre o maior e o menor valor observado da varivel
em estudo. Ex: na tabela anterior A
t
= 60 41 = 19.
Classe: so os intervalos de variao da varivel e simbolizada por i e o nmero
total de classes simbolizada por k. Ex: na tabela anterior k = 5 e 49 53 a terceira
classe, em que i = 3.
Limites de Classe: so os extremos de cada classe. O menor nmero o limite
inferior de classe (l
i
) e o maior nmero, limite superior de classe(L
i
). Ex: em 49 53,
l
3
= 49 e L
3
= 53. O smbolo representa um intervalo fechado esquerda e aberto
direita.
Amplitude do Intervalo de Classe: obtida atravs da diferena entre o limite su-
perior e inferior da classe e simbolizada por h
i
= L
i
l
i
. Ex: na tabela anterior
h
i
= 53 49 = 4.
Ponto Mdio de Classe x
i
: o ponto que divide o intervalo de classe em duas partes
iguais. Ex: em 49 53 o ponto mdio x
3
= (53 + 49)/2 = 51, ou seja x
3
= (L
3
+l
3
)/2.
18
1.10.5 Mtodo Prtico para construo de uma distribuio de fre-
quncias com classe
1 - Organize os dados brutos em um ROL.
2 - Calcule a amplitude total A
t
.
3 - Calcule o nmero de classes atravs da "Regra de Sturges".
k = 1 + 3, 3 log n
em que k o nmero de classes e n o nmero total de observaes
4 - Calcule a amplitude do intervalo de classe h =
A
t
k
.
No nosso exemplo: A
t
= 19 e k = 5, logo h = 3, 8. Utilizaremos ento h = 4
1.10.6 Tipos de Frequncias
Frequncia Simples Absoluta f
i
: o nmero de repeties de um valor individual ou
de uma classe de valores da varivel.
Frequncia Simples Relativa fr
i
: representa a proporo de observaes de um
valor individual ou de uma classe, em relao ao nmero total de observaes.
fr
i
=
f
i

k
i=1
f
i
=
f
i
n
Em termos percentuais tem-se
fr
i
=
f
i
n
100
Exemplo:
Frequncia Absoluta Acumulada "Abaixo de"F
i
: a soma da frequncia simples
19
Tabela 3: Distribuio do nmero de alunos em 20 turmas da UFCG
i Classes f
i
fr
i
Frequncias
relativas
percentuais
1 41 45 7 0,35 35%
2 45 49 3 0,15 15%
3 49 53 4 0,20 20%
4 53 57 1 0,05 5%
5 57 61 5 0,25 25%
Total

5
i=1
f
i
20 1,00 100%
absoluta dessa classe ou desse valor com as frequncias simples absolutas das classes
ou dos valores anteriores.
Exemplo:
Tabela 4: Distribuio do nmero de alunos em 20 turmas da UFCG
i Classes f
i
F
i
1 41 45 7 7
2 45 49 3 7 + 3 = 10
3 49 53 4 7 + 3 + 4 = 14
4 53 57 1 7 + 3 + 4 + 1 = 15
5 57 61 5 7 + 3 + 4 + 1 + 5 = 20
Total

5
i=1
f
i
20
Frequncia Absoluta Acumulada "Acima de"F
i
: a soma da frequncia simples
absoluta dessa classe ou desse valor com as frequncias simples absolutas das classes
ou dos valores posteriores.
Exemplo:
1.11 Representao Grca
Os grcos so uma forma de apresentao visual dos dados. Normalmente, contm
menos informaes que as tabelas, mas so de mais fcil leitura. Otipo de grco depende
da varivel em questo.
20
Tabela 5: Distribuio do nmero de alunos em 20 turmas da UFCG
i Classes f
i
F
i
1 41 45 7 5 + 1 + 4 + 3 + 7 = 20
2 45 49 3 5 + 1 + 4 + 3 = 13
3 49 53 4 5 + 1 + 4 = 10
4 53 57 1 5 + 1 = 6
5 57 61 5 5
Total

5
i=1
f
i
20
1.12 Grcos utilizados para a anlise de uma distribuio
de freqncia
1.12.1 Histograma
So os grcos mais importantes na estatstica inferencial. Quando os dados so
valores de uma varivel medida numa escala intervalar/proporcional, uma tabela de fre-
quncias para cada uma das classes mostra a distribuio de valores dessa varivel. Esta
distribuio pode ser representada gracamente num histograma.
1.12.2 Polgono de Freqncias
Unindo por linhas retas os pontos mdios das bases superiores dos retngulos do his-
tograma, obtm-se outra representao dos dados, denominada Polgono de Frequncias.
21
1.12.3 Ogivas
A Ogiva tem por nalidade a representao grca das tabelas de frequncias acumu-
ladas.
1.12.4 Grco por linha
a representao grca de uma srie estatstica por meio de uma linha poligonal.
um dos mais importantes grcos; representa observaes feitas ao longo do tempo, em
intervalos iguais ou no. Tais conjuntos de dados constituemas chamadas sries histricas
ou sries temporais. Traduzem o comportamento de um fenmeno em certo intervalo de
tempo.
22
1.12.5 Grco por colunas
a representao de uma srie estatstica por intermdio de retngulos em posies
verticais. Este tipo de grcos proporciona comparar grandezas.
1.12.6 Diagrama por Superfcie em Setores
a representaao grca de uma srie estatstica por intermdio de superfcies seto-
riais. utilizado quando se pretende comparar os valores de uma srie com a sua soma
total. A representaao feita tomando como gura bsica um crculo que dividido em se-
23
tores. O quociente entre a soma dos valores da srie e a rea do crculo deve ser o mesmo
que entre cada valor da varivel dependente e a respectiva rea do setor representativo.
Porm em virtude da proporcionalidade das reas dos setores de um crculo com seus
ngulos centrais, podem-se dividir os valores considerados na srie proporcionalmente a
estes ngulos.
24
2 Anlise Exploratria de Dados
2.1 Medidas de Posio
As medidas de posio, tambm chamada de medidas de tendncia central, possuem
trs formas diferentes para trs situaes distintas:
MDIA
MODA
MEDIANA
2.1.1 Mdia
Existem dois tipos de mdia:
POPULACIONAL, representada pela letra grega .
AMOSTRAL, representada por x.
1 - Mdia: (Dados no agrupados)
Sejam os elementos x
1
, x
2
, . . . , x
n
de uma amostra, portanto "n"valores da varivel
X. A mdia aritmtica da varivel aleatria X denida por,
x =
x
1
+x
2
+. . . +x
n
n
=

n
i=1
x
i
n
25
Exemplo: Suponha o conjunto de dados que representa o peso ao nascer de bez-
erros da raa Nelore: 51, 40, 46, 48, 54, 56, 44, 43, 55 e 57. Determinar a mdia
aritmtica simples deste conjunto de dados.
x =
51 + 40 + 46 + 48 + 54 + 56 + 44 + 43 + 55 + 57
10
=
494
10
= 49, 4
2 - Mdia: (Dados agrupados em uma distribuio de frequncia por valores simples)
Usa-se a mdia aritmtica dos valores x
1
, x
2
, . . . , x
n
ponderados pelas respectivas
frequncias absolutas: f
1
, f
2
, . . . , f
n
. Assim
x =
x
1
f
1
+x
2
f
2
+. . . +x
n
f
n
n
=

n
i=1
x
i
f
i
n
Exemplo:
Tabela 6: Distribuio do nmero de alunos em 20 turmas da UFCG
i 1 2 3 4 5 6 7 8 9 10 11 12 13 Total
Dados (x
i
) 41 42 43 44 45 46 50 51 52 54 57 58 60

13
i=1
f
i
(f
i
) 3 2 1 1 1 2 2 1 1 1 1 2 2 20
x
i
f
i
123 84 43 44 45 92 100 51 52 54 57 116 120 981
Portanto:
x =
981
20
= 49, 05
3 - Mdia: (Dados agrupados em uma distribuio de frequncia por classes)
Usaremos a mdia aritmtica dos pontos mdios x
1
, x
2
, . . . , x
n
de cada classe, pon-
derados pelas respectivas frequncias absolutas: f
1
, f
2
, . . . , f
n
. Assim
x =
x
1
f
1
+x
2
f
2
+. . . +x
n
f
n
n
=

n
i=1
x
i
f
i
n
Exemplo:
26
Tabela 7: Distribuio do nmero de alunos em 20 turmas da UFCG
i Classes f
i
x
i
x
i
f
i
1 41 45 7 43 301
2 45 49 3 47 141
3 49 53 4 51 204
4 53 57 1 55 55
5 57 61 5 59 295
Total

5
i=1
f
i
20 996
Portanto:
x =
996
20
= 49, 80
2.1.2 Moda
o valor mais frequente da distribuio.
1 - Moda (Mo): (Dados no agrupados)
Sejam os elementos x
1
, x
2
, . . . , x
n
de uma amostra, o valor da moda para este tipo
de conjunto de dados simplesmente o valor com maior frequncia.
Exemplo: Obter a moda dos seguintes conjuntos de valores:
X = 4, 5, 5, 6, 6, 6, 7, 7, 8, 8, Moda de X: Mo = 6.
Y = 1, 2, 2, 2, 3, 3, 4, 5, 5, 5, 6, 6, Moda de Y : Mo
1
= 2 e Mo
2
= 5.
W = 1, 2, 3, 4, 5 Moda de W: amodal
2 - Moda (Mo): (Dados agrupados em uma distribuio de frequncia por valores
simples)
Para este tipo de distribuio, a identicao da moda facilitada pela simples ob-
servao do elemento que apresenta maior frequncia.
27
Tabela 8: Distribuio do nmero de alunos em 20 turmas da UFCG
i 1 2 3 4 5 6 7 8 9 10 11 12 13 Total
Dados (x
i
) 41 42 43 44 45 46 50 51 52 54 57 58 60

13
i=1
f
i
(f
i
) 3 2 1 1 1 2 2 1 1 1 1 2 2 20
Exemplo:
Portanto, se a maior frequncia f
i
= 3, logo Mo = 41.
3 - Moda (Mo): (Dados agrupados em uma distribuio de frequncia por classes)
Para dados agrupados em classes, temos diversos mtodos para o clculo da moda.
Utilizaremos aqui o Mtodo de Czuber denotado a seguir:
Mtodo de Czuber
Procedimento:
Identica-se a classe modal (aquela que possuir maior frequncia) CLASSE
(Mo).
Utiliza-se a frmula:
Mo = l
i
+h

1

2
+
1
em que:
l
i
= Limite inferior da classe modal.

1
= f
mo
f
ant
(frequncia modal frequncia anterior)

2
= f
mo
f
post
(frequncia modal frequncia posterior)
h = amplitude da classe modal
Exemplo:
Determinar a moda, pelo mtodo de Czuber, usando os dados do exemplo
tem-se que:
Classe (Mo): 41 45
l
i
= 41
28
Tabela 9: Distribuio do nmero de alunos em 20 turmas da UFCG
i Classes f
i
1 41 45 7
2 45 49 3
3 49 53 4
4 53 57 1
5 57 61 5
Total

5
i=1
f
i
20
h = 4

1
= f
mo
f
ant
= 7 0 = 7

2
= f
mo
f
post
= 7 3 = 4
Mo = 41 + 4
7
7 + 4
= 43, 54
2.1.3 Mediana
Construdo o ROL, o valor da mediana o elemento que ocupa a posio central, ou
seja, o elemento que divide a distribuio em 50% de cada lado.
1 - Mediana (Md): (Dados no agrupados)
Sejam os elementos x
1
, x
2
, . . . , x
n
de uma amostra, portanto "n"valores da varivel
X. A mediana da varivel aleatria X denida atravs do Elemento Mediano E
Md
,
O nmero de observaes mpar, ento o valor da mediana ser o valor local-
izado na posio E
Md
=
n+1
2
;
O nmero de observaes par, ento o valor da mediana ser a mdia entre
o valor da posio E
Md
=
n
2
e o seu valor consecutivo.
Exemplo 1: Suponha o conjunto de tempo de servio de cinco funcionrios: 3, 7, 8,
10 e 11. Determinar a mediana deste conjunto de dados.
29
Como n = 5, ento o valor da mediana estar localizado na posio E
Md
=
5+1
2
= 3.
Portanto,
Md = 8
Exemplo 2: Suponha o conjunto de tempo de servio de seis funcionrios: 3, 7, 8,
10, 11 e 13. Determinar a mediana deste conjunto de dados.
Como n = 6, ento o valor da mediana estar localizado na posio E
Md
=
6
2
= 3 e
na posio consecutiva obtendo uma mdia aritmtica desses valores. Portanto,
Md =
8 + 10
2
= 9
2 - Mediana (Md): (Dados agrupados em uma distribuio de frequncia por valores
simples)
Quando os valores da varivel estiverem j tabulados, o procedimento a ser adotado
ser praticamente idntico ao anterior. Deve-se vericar se o nmero de observaes
mpar ou par, para o clculo do elemento mediano. Em seguida acrescenta-se uma
coluna tabela de frequncias original, onde sero determinadas as frequncias
acumuladas.
Exemplo:
Tabela 10: Distribuio do nmero de alunos em 20 turmas da UFCG
i 1 2 3 4 5 6 7 8 9 10 11 12 13 Total
Dados (x
i
) 41 42 43 44 45 46 50 51 52 54 57 58 60

13
i=1
f
i
(f
i
) 3 2 1 1 1 2 2 1 1 1 1 2 2 20
(F
i
) 3 5 6 7 8 10 12 13 14 15 16 18 20 -
Portanto:
E
Md
=
20
2
= 10, logo, Md =
46+50
2
= 48
3 - Mediana (Md): (Dados agrupados emuma distribuio de frequncia por classes)
Procedimento:
Calcula-se o elemento mediano E
Md
30
Pela F
i
identica-se a classe que contm o valor da mediana - CLASSE(Md)
Utiliza-se a frmula:
Md = l
i
+h
E
Md
F
ant
f
Md
em que:
l
i
= Limite inferior da classe mediana;
F
ant
= Frequncia acumulada anterior classe mediana;
h = Amplitude da classe mediana;
f
Md
= Frequncia absoluta simples da classe mediana.
Exemplo:
Tabela 11: Distribuio do nmero de alunos em 20 turmas da UFCG
i Classes f
i
F
i
1 41 45 7 7
2 45 49 3 10
3 49 53 4 14
4 53 57 1 15
5 57 61 5 20
Total

5
i=1
f
i
20
Portanto:
E
Md
=
20
2
= 10
CLASSE(Md) = 45 49
Md = 45 + 4
10 7
3
= 45 + 4 = 49
31
2.2 Quartis, Decis e Percentis (ou Centis)
H uma srie de medidas de posio semelhantes na sua concepo mediana,
embora no sejam medidas de tendncia central. Como se sabe, a mediana divide a
distribuio em duas partes iguais quanto ao nmero de elementos de cada parte. J
os quartis permitem dividir a distribuio em quatro partes iguais quanto ao nmero
de elementos cada uma; os decis em dez partes e os centis em cem partes iguais.
Para simbolizar cada uma dessas medidas separatrizes, faremos:
Q
i
= quartis i = 1, 2, 3
D
i
= decis i = 1, 2, 3, . . . , 9
C
i
= centis i = 1, 2, 3, . . . , 99
Assim, para dividir uma srie ordenada de valores em quatro partes iguais, pre-
cisamos de trs separatrizes (quartis); para dividi-la em dez, iremos recorrer a nove
separatrizes (decis); em cem, recorremos a noventa e nove separatrizes (centis). O
grco a seguir ilustra melhor o que foi dito em relao aos quartis e decis:
2.3 Quartis
2.3.1 Primeiro Quartil: Q
1
Denio: Dado um conjunto ordenado (ordem crescente) de valores, o primeiro
quartil, Q
1
, o valor que divide o conjunto em duas partes tais que um quarto ou
32
vinte e cinco por cento dos valores sejam menores d que ele e trs quartos ou setenta
e cinco por cento dos restantes sejam maiores. O elemento que indica a ordem ou
posio do primeiro quartil determinado, para dados agrupados em classes, pela
seguinte expresso:
E
Q
1
=
n
4
em que n o nmero de valores do conjunto, ou nmero de observaes.
2.3.2 Segundo Quartil: Q
2
ou Md
Denio: Dado um conjunto ordenado de valores, o segundo quartil ou mediana
o valor que divide em duas partes iguais quanto ao nmero de elementos, isto ,
cinquenta por cento ou dois quartos dos valores do conjunto so menores, e os dois
quartos restantes sao maiores do que ele. O elemento mediano calculado, como
veremos, atravs da seguinte expresso:
E
Q
2
=
2n
4
=
n
2
2.3.3 Terceiro Quartil: Q
3
Denio: Dado um conjunto ordenado (ordem crescente) de valores, o terceiro quar-
til o valor que divide o conjunto em duas partes tais que setenta e cinco por cento
ou tres quartos dos valores sejam menores e vinte e cinco por cento ou um quarto
sejam maiores do que ele. O elemento que indica a ordem em que n encontra o
terceiro quartil calculado, para dados tabulados, como segue:
E
Q
3
=
3n
4
Genericamente, para determinar a ordem ou posio do quartil a ser calculado, us-
aremos a seguinte expresso:
33
E
Q
i
=
in
4
em que i indica o nmero do quartil a ser calculado e n o nmero de elementos ou
observaes da amostra.
2.4 Decis D
i
A denio dos decis obedece ao mesmo princpio da dos quartis, com a modi-
cao da porcentagem de valores que cam aqum e alm do decil que se pretenda
clacular. Assim, por exemplo:
2.4.1 Primeiro Decil: D
1
O primeiro decil de um conjunto ordenado (ordem crescente) de valores o valor
que divide um conjunto em duas partes tais que dez por cento ou um dcimo dos
valores sejam menores e nove dcimos ou noventa por cento sejam maiores do que
ele. O elemento que indica a posio do segundo decil calculado pela seguinte
expresso:
E
D
1
=
n
10
2.4.2 Segundo Decil: D
2
Trata-se do valor que divide o conjunto em duas partes, tais que vinte por cento ou
dois dcimos dos valores sejam menores e oitenta por cento ou oito dcimos dos
valores sejam maiores; para saber a ordem do segundo decil, usamos a expresso:
E
D
2
=
2n
10
De especial interesse o quinto decil, que divide o conjunto em duas partes, tais que
cinco dcimos ou cinquenta por cento dos valores sejammenores e cinco dcimos ou
cinquenta por cento dos valores restantes maiores do que ele. Assim sendo, o quinto
34
decil igual ao segundo quartil, que por sua vez igual mediana. O elemento que
indica a ordem do quinto decil igual ao elemento mediano, ou seja:
E
D
5
=
5n
10
=
n
2
=
2n
4
Podemos, ento, armar que
Md = D
5
= Q
2
De uma forma geral, para calcular os decis, recorreremos seguinte expresso que
dene a ordem em que o decil se encontra:
E
D
i
=
in
10
em que n indica o nmero de valores observados e i o nmero que identica o decil
a ser calculado.
2.5 Percentis ou Centis C
i
Neste caso, cada parte em que foram subdivididos os valores do conjunto, atravs
dos noventa e nove centis, contar com um centsimo ou um por cento dos valores
do conjunto.
Oelemento que denir a ordemdo centil, emuma distribuio de frequncias de val-
ores tabulados agrupados em classes, ser encontrado pelo emprego da expresso:
E
C
i
=
in
100
em que i o nmero indicador do centil e n o nmero total de observaes.
oportuno lembrar que os centis englobam todos os decis e quartis. Assim, por
exemplo:
2.5.1 Vigsimo Centil: C
20
O vigsimo centil igual ao segundo decil, por que
35
E
C
20
=
20n
100
= 0, 2n = E
D
2
=
2n
10
= 0, 2n
A frmula de clculo dos centis ser:
C
i
= l +h
E
C
i
F
ant
f
C
i
Exemplo:Na Tabela abaixo guram os dados correspondentes ao consumo de elet-
ricidade de 80 usurios. Calcular as seguintes medidas:
Tabela 12: Distribuio do consumo de eletricidade
i Classes f
i
1 5 25 4
2 25 45 6
3 45 65 14
4 65 85 26
5 85 105 14
6 105 125 8
7 125 145 6
8 145 165 2
Total

13
i=1
f
i
80
a) Trigsimo centil: C
30
b) Dcimo quinto centil: C
15
c) Nono Decil: D
9
d) Septuagsimo quinto centil: C
75
e) Primeiro quartil: Q
1
2.6 Medidas de Disperso
As medidas de disperso indicam se os valores esto relativamente prximos um dos
outros, ou separados emtorno de uma medida de posio: a mdia. Consideraremos
trs medidas de disperso:
36
DESVIO-PADRO
VARINCIA
COEFICIENTE DE VARIAO
2.6.1 Desvio - Padro
Mede o grau de disperso dos dados numricos em torno de um valor mdio.
1 - Desvio - padro S: (Dados Brutos)
Seja o seguinte conjunto de nmeros x
1
, x
2
, . . . , x
n
. O desvio-padro ou mdia
quadrtica dos desvios ou afastamentos em relao mdia desse conjunto ser
denido por:
S =

n
i=1
(x
i
x)
2
n 1
Exemplo: Calcular o desvio-padro do conjunto 10, 12, 13, 20, 25, 34, 45.
sabe-se que x = 22, 714
S =

_
1
7 1
7

i=1
(x
i
22, 714)
2
=
_
1
6
[(10 22, 714)
2
+. . . + (45 22, 714)
2
]
S =
_
1
6
1007, 43 = 12, 958
2 - Desvio - padro S: (Dados Tabulados)
Quando os valores vierem dispostos em uma tabela de frequncias, o clculo do
desvio-padro se far atravs da seguinte frmula:
37
S =

n
i=1
(x
i
x)
2
f
i
n 1
Exemplo:
Tabela 13: Distribuio do nmero de alunos em 20 turmas da UFCG
i Classes f
i
x
i
(x
i
x) (x
i
x)
2
(x
i
x)
2
f
i
1 41 45 7 43 -6,8 46,24 323,68
2 45 49 3 47 -2,8 7,84 23,52
3 49 53 4 51 1,2 1,44 5,76
4 53 57 1 55 5,2 27,04 27,04
5 57 61 5 59 9,2 84,64 423,20
Total

5
i=1
f
i
20 803,20
como x = 49, 80, portanto:
S =
_
803, 20
20 1
=
_
42, 27 = 6, 5
2.6.2 Varincia
A varincia de um conjunto de dados a mdia dos quadrados dos desvios dos
valores a contar da mdia. A frmula da varincia poder ser calculada de duas
formas:
POPULACIONAL, representada letra grega
2
AMOSTRAL, representada por S
2
1- Varincia: (Dados no agrupados)

2
=

n
i=1
(x
i
)
2
N
ou
S
2
=

n
i=1
(x
i
x)
2
n 1
38
Exemplo:
Suponha o conjunto de tempo de servio de cinco funcionrios: 3, 7, 8, 10 e 11.
Determinar a varincia deste conjunto de dados.
como x = 7, 8
S
2
=
(3 7, 8)
2
+ (7 7, 8)
2
+ (8 7, 8)
2
+ (10 7, 8)
2
+ (11 7, 8)
2
5 1
=
S
2
=
38, 4
4
= 9, 7
2 - Varincia: (Dados Tabulados)
Quando os valores vierem dispostos em uma tabela de frequncias, o clculo da
varincia se far atravs da seguinte frmula:

2
=

n
i=1
(x
i
)
2
f
i
N
ou
S
2
=

n
i=1
(x
i
x)
2
f
i
n 1
Exemplo:
Tabela 14: Distribuio do nmero de alunos em 20 turmas da UFCG
i Classes f
i
x
i
(x
i
x) (x
i
x)
2
(x
i
x)
2
f
i
1 41 45 7 43 -6,8 46,24 323,68
2 45 49 3 47 -2,8 7,84 23,52
3 49 53 4 51 1,2 1,44 5,76
4 53 57 1 55 5,2 27,04 27,04
5 57 61 5 59 9,2 84,64 423,20
Total

5
i=1
f
i
20 803,20
39
como x = 49, 80 e S = 6, 5, portanto
S
2
=
803, 20
19
= 42, 27
2.6.3 Coeciente de Variao
Trata-se de uma mdia relativa disperso, til para a comparao e observao
em termos relativos do grau de concentrao em torno da mdia de sries distintas.
dado por:
CV =
S
x
100
Classicao da distribuio quanto disperso:
Disperso Baixa: CV 15%
Disperso Mdia: 15% < CV < 30%
Disperso Alta: CV 30%
Exemplo:1
Numa empresa o salrio mdio dos funcionrios do sexo masculino de R$ 4.000,00,
com um desvio padro de R$ 1.500,00, e os funcionrios do sexo feminino em
mdia de R$ 3.000,00, com um desvio padro de R$ 1.200,00. Ento:
Sexo Masculino: CV =
1.500
4.000
100 = 37, 5%
Sexo Feminino: CV =
1.200
3.000
100 = 40%
40
2.7 Exerccios
1. Classique as seguintes variveis como Qualitativas ou Quantitativas (discretas
ou contnuas).
a) Nmero de computadores em um laboratrio de informtica
b) Renda familiar
c) Volume de Petrleo extrado por hora de uma jazida
d) Grupo Sanguneo
e) Qualidade de uma pea produzida
f) Inteno de voto para presidente (possveis respostas so os nomes dos can-
didatos, alm de "nao sei")
g) Precipitao pluviomtrica
h) Magnitude de um sismo, na escala Richter
i) Tipo de gro de hbrido de milho
j) Nmero de vargens por planta
2. Os dados abaixo referem-se a resistncia ferrugem de 32 hbridos de milho
recomendados para a regio de Chapec, SC, safra 1987/88
Tabela 15: Distribuio de frequncias da resistncia ferrugem de 32 hbridos de milho
recomendados para a regio de Chapec, SC, safra 1987/88
Resistncia
ferrugem
f
i
r 10
mr 6
ms 9
s 7
Obtenha as frequncias relativas f
r
i
e construa um grco de barras para rep-
resentar esses dados.
3. As fases principais do mtodo estatstico so:
a) Coleta dos dados, amostragem, apresentao tabular e apresentao grca
e denio dos problemas.
b) Amostragem, apresentao tabular, apurao dos dados, interpretao dos
dados e planejamento.
41
c)Denio do problema, planejamento, coleta dos dados, apurao, apresen-
tao dos dados, anlise e interpretao dos dados.
4. Os dados abaixo referem-se a 12 reas plantadas de soja na safra de vero em
milhes de hectares.
9,7 11,5 13,2 10,7 13,2 9,7
11,6 9,8 13,0 10,4 11,3 13,2
Determine:
a) a mdia, a moda e a mediana das reas plantadas de soja.
b) O desvio padro, a varincia e o coeciente de variao.
5. Dada a tabela abaixo
Tabela 16: Produo agrcola na Paraba em milhes de Reais, 2004-2009
Ano Produo em mil-
hes de R$
2004 4,5
2005 5,3
2006 4,9
2007 5,1
2008 6,8
2009 7,1
Construa um grco mais apropriado para os dados da tabela.
6. Os dados abaixo relacionados representam o nmero de focos de incndios de-
tectados por satlite entre os Estados da Paraba e Pernambuco nos primeiros
16 dias de Novembro de 2010.
13 18 9 10
6 11 10 14
10 11 15 12
14 8 13 7
Calcular a Mdia, a Moda, a Mediana, o Desvio padro, a varincia e coeciente
de variao de forma direta (sem construir tabela) dos dados acima.
7. Os dados abaixo referem-se ao consumo de gua, em m
3
, de 40 famlias de
baixa renda de uma determinada cidade no ms de Julho de 2011.
42
Faixa de
consumo
f
r
i
10 15 0,10
15 20 0,15
20 25 0,30
25 30 0,25
30 35 0,15
35 40 0,05
a) Obtenha as frequncias simples absolutas e construa o histograma.
b) Calcule a mdia, a varincia e o desvio padro.
c) Calcule a mediana e a moda
d) Qual o percentual de famlias que consumiram pelo menos 25 m
3
de gua?
8. Um estudo foi realizado por um professor em trs turmas, obtendo a mdia e o
desvio padro das notas de sua disciplina, conforme abaixo. Qual a turma com
menor variabilidade? Justique adequadamente.
Turma A B C
Mdia 6,5 8,0 8,0
Desvio Padrao 2,2 1,7 2,0
9. Quarenta alunos da UFCG foram questionados quanto ao nmero de livros lidos
no ano anterior. Foram registrados os seguintes valores:
4 2 1 0 3 1 2 0 2 1
0 2 1 1 0 4 3 2 3 5
8 0 1 6 5 3 2 1 6 4
3 4 3 2 1 0 2 1 0 3
a) Organize os dados em uma tabela adequada.
b) Qual o percentual de alunos que leram menos do que 3 livros.
c) Qual o percentual de alunos que leram 4 ou mais livros.
d) Calcule a mdia, a moda e a mediana
e) Calcule o desvio padro, a varincia e o coeciente de variao.
10. (UFPB - 2011)A tabela a seguir apresenta a quantidade exportada de certo
produto, em milhares de toneladas, no perodo de 2000 a 2009.
43
Considerando os dados apresentados na tabela, identique as armativas cor-
retas:
I. A quantidade exportada, de 2006 a 2008, foi crescente.
II. A mdia da quantidade exportada, de 2003 a 2006, foi de 53 mil toneladas.
III. A moda da quantidade exportada, de 2000 a 2009, foi de 52 mil toneladas.
IV. A mdia da quantidade exportada, de 2000 a 2004, foi maior que a mdia de
2005 a 2008.
V. A mediana da quantidade exportada, de 2000 a 2009, foi de 51 mil toneladas.
11. (UFPB - 2002) O grco ao lado mostra a porcentagem de acertos nas questes
de um concurso onde havia 12000 inscritos. Com base nos dados apresen-
tados, determine a quantidade de candidatos que acertou pelo menos duas
questes.
12. Complete a tabela e indique a mediana da amostra.
44
x
i
f
i
F
i
f
ri
1 2 0,025
2 12
3 58
4 0,2
5
13. De um exame nal de Estatstica, aplicado a 50 alunos da UFCG em 2011
resultaram as seguintes notas:
4,0 4,2 4,3 4,4 4,5 4,5 4,6 5,0 5,1 5,2
5,3 5,3 5,5 5,7 5,8 6,0 6,1 6,3 6,4 6,5
6,6 6,7 6,8 6,9 7,0 7,2 7,5 7,6 7,7 7,9
8,0 8,3 8,5 8,6 8,8 8,9 9,0 9,1 9,2 9,3
9,3 9,4 9,4 9,5 9,5 9,6 9,7 9,8 9,8 9,9
Construa uma tabela de distribuio de frequncias com intervalo de classe
por meio da regra de Sturges. Calcule a mdia, a moda, a mediana, o desvio
padro e o coeciente de variao das notas aps os dados estarem tabulados
por classe.
45
3 Probabilidade: Espao amostral e
eventos
3.1 Experimentos Aleatrios
3.1.1 Tipos de fenmenos
Fenmenos determinsticos: so aqueles em que os resultados so sempre os mes-
mos, qualquer que seja o nmero de ocorrncias vericadas.
Fenmenos aleatrios: so aqueles que, mesmo repetidos vrias vezes sob condies
semelhantes, apresentam resultados imprevisveis.
Exemplos:
Lanamento de uma moeda honesta;
Lanamento de um dado;
Retirada de uma carta de um baralho completo com 52 cartas;
Determinao da vida til de um componente eletrnico.
3.2 Espao Amostral
Dene-se espao amostral () ao conjunto de todos os resultados possveis de um
experimento.
Nos exemplos citados anteriormente, os espaos amostrais so:
46
= c, r ;
= 1, 2, 3, 4, 5, 6 ;
= A
o
, . . . , K
o
, A
p
, . . . , K
p
, A
c
, . . . , K
c
, A
e
, . . . , K
e
;
= t '/t 0.
3.3 Eventos
Chamamos de evento (E) a qualquer subconjunto do espao amostral de um ex-
perimento aleatrio.
Qualquer que seja o evento E, se E , ento E um evento de .
Se E = , E chamado evento certo
Se E e E um conjunto unitrio, E chamado evento elementar.
Se E = , E chamado evento impossvel.
3.4 Classe dos eventos aleatrios
Denio: o conjunto formado de todos os eventos (subconjuntos) do espao
amostral. Para efeito de exemplo, consideremos o espao amostral nito: =
e
1
, e
2
, e
3
, e
4
. A classe dos eventos aleatrios :
F() =
_

e
1
, e
2
, e
3
, e
4

e
1
, e
2
, e
1
, e
3
, e
1
, e
4
, e
2
, e
3
, e
2
, e
4
, e
3
, e
4

e
1
, e
2
, e
3
, e
1
, e
2
, e
4
, e
1
, e
3
, e
4
, e
2
, e
3
, e
4

e
1
, e
2
, e
3
, e
4

47
Genericamente, se o nmero de pontos amostrais de um espao amostral n, ento
o nmero de eventos de F 2
n
.
3.5 Operaes com eventos Aleatrios
Considere um espao amostral nito = e
1
, e
2
, . . . , e
n
. Sejam A e B dois eventos
de F(). As seguintes operaes so denidas.
Unio
Denio: AB = e
i
/e
i
A ou e
i
B, i = 1, . . . , n. Portanto, o evento unio
formado pelos pontos amostrais que pertenam a pelo menos um dos conjuntos.
Figura 1: A B
Observaes:
1) A B = B A
2) A A = A
3) A = A
4) Se A B A B = B (em particular A = )
48
Interseco
Denio: A B = e
i
/e
i
A e e
i
B, i = 1, . . . , n. Portanto, o evento
interseco formado pelos pontos amostrais que pertena simultneamente aos
eventos A e B.
Figura 2: A B
Observaes:
1) A B = B A
2) A A = A
3) A =
4) Se A B A B = A (em particular A = A)
5) (A B) C = A (B C)
Complementao
Denio: A =

A = A
c
= e
i
/e
i
/ A , i = 1, . . . , n. O complemento de
um evento A , portanto, o evento contendo todos os resultados no espao amostral
que no pertenam a A.
Observaes:
1) (A
c
)
c
= A
2) A A
c
=
3)
c
=
4) A A
c
=
49
Figura 3:

A = A
c
5)
c
=
Exemplo: Lanam-se duas moedas. Sejam A: sada de faces iguais e B: sada de
cara na primeira moeda.
Determinar os eventos: A B, A B, A
c
, B
c
, (A B)
c
, (A B)
c
, A
c
B
c
, A
c
B
c
,
B A, A B, A
c
B e B
c
A.
3.6 Propriedades das operaes
Sejam A, B e C eventos associados a um espao amostral . As seguintes pro-
priedades so vlidas:
a) IDEMPOTENTES
A A = A
A A = A
b) COMUTATIVAS
A B = B A
A B = B A
c) ASSOCIATIVAS
A (B C) = (A B) C
A (B C) = (A B) C
50
d) DISTRIBUTIVAS
A (B C) = (A B) (A C)
A (B C) = (A B) (A C)
e) ABSORES
A (A B) = A
A (A B) = A
f) IDENTIDADES
A = A
A =
A =
A = A
g) COMPLEMENTARES

c
=

c
=
A A
c
=
A A
c
=
(A
c
)
c
= A
h) "LEIS DAS DUALIDADES"ou "LEIS DE MORGAN"
(A B)
c
= A
c
B
c
(A B)
c
= A
c
B
c
3.7 Partio de um Espao Amostral
Denio: Dizemos que os eventos A
1
, A
2
, . . . , A
n
formam uma partio do espao
amostral se:
a) A
i
,= , i = 1, . . . , n
51
Figura 4: Partio de um Espao Amostral.
b) A
i
A
j
= para i ,= j
c)
n
i=1
A
i
=
3.8 Eventos Mutuamente Exclusivos ou Disjuntos
Denio: Dois eventos ditos mutuamente exclusivos ou disjuntos se A e B no
puderem ocorrer juntos, ou seja, a realizao de um exclui a realizao do outro.
Segue que A e B so disjuntos se A B = .
Figura 5: Eventos Mutuamente Exclusivos ou Disjuntos.
52
3.9 Exerccios
1. Quais das seguintes relaes so verdadeiras?
(a)(A B) (A C) = A (B C).
(b) (A B) = (A B) B.
(c) A B = A B.
(d) (A B) C = A B C.
(e) (A B) (B C) = .
2. Lanam-se trs moedas. Enumerar o espao amostral e os eventos:
(a) faces iguais;
(b) cara na primeira moeda;
(c) coroa na segunda e terceira moedas.
53
4 Probabilidade: Denies
4.1 Denio Clssica de Probabilidade
Dado um experimento aleatrio, sendo o seu espao amostral, vamos admitir que
todos os elementos de tenham a mesma chance de acontecer, ou seja, que
um conjunto equiprovvel.
Dene-se probabilidade de um evento A (A ) ao nmero real P(A), tal que:
P(A) =
nmero de resultados favorveis a A
nmero de resultados possveis
=
n(A)
n()
4.2 Denio Axiomtica de Probabilidade
Para um dado experimento, necessrio atribuir para cada evento A no espao
amostral um nmero P(A) que indica a probabilidade de A ocorrer. Para satis-
fazer a denio matemtica de probabilidade, este nmero P(A) deve satisfazer
trs axiomas especcos:
Axioma 1: Para qualquer evento A, P(A) 0.
Axioma 2: P() = 1.
Axioma 3: Para qualquer sequncia nita de eventos disjuntos A
1
, A
2
, . . . , A
n
P
_
n
_
i=1
A
i
_
=
n

i=1
P(A
i
)
54
4.2.1 Propriedades
P.1 - P() = 0
P.2 - Para qualquer sequncia innita de eventos disjuntos A
1
, A
2
, . . .
P
_

_
i=1
A
i
_
=

i=1
P(A
i
)
P.3 - Para qualquer evento A,
P(A
c
) = 1 P(A)
P.4 - Para qualquer evento A, 0 P(A) 1.
P.5 - Se A B, ento P(A) P(B).
P.6 - Para qualquer evento dois eventos A e B
P(A B) = P(A) +P(B) P(A B)
P.7 - Se os eventos A
1
, A
2
, . . . , A
n
formam uma partio do espao amostral, ento:
n

i=1
P(A
i
) = 1
Exemplo 1: Considere o lanamento de dois dados, sendo os eventos A = {soma
dos nmeros igual a 9}, B = {nmero do primeiro dado maior ou igual a 4} e C =
{soma dos nmeros menor ou igual a 4}. Enumere os elementos de A, B, C, AB e
A C. Obtenha P(A B) e P(A C)
55
4.3 Eventos Independentes
Suponha que dois eventos A e B ocorram independentes um do outro no sentido
que a ocorrncia ou no de um deles tenha nenhuma relao e nenhuma inuncia
na ocorrncia ou na no ocorrencia do outro. Nessas condies
P(A B) = P(A) P(B)
Denio: Dois eventos so independentes se P(A B) = P(A) P(B).
Problema
Sejam A e B eventos tais que P(A) = 0, 2, P(B) = P, P(A B) = 0, 6. Calcular P
considerando A e B:
a) Mutuamente exclusivos;
b) independentes.
Resoluo
a) P(AB) = 0 como P(AB) = P(A) +P(B) P(AB) vem 0, 6 = 0, 2 +p 0
P = 0, 4
b) P(A B) = P(A) P(B) = 0, 2 P como P(A B) = P(A) +P(B) P(A B)
vem 0, 6 = 0, 2 +P 0, 2P 0, 4 = 0, 8P logo, P = 0, 5
4.4 Probabilidade Condicional
Se A e B so dois eventos, a probabilidade de A ocorrer, depois B ter aconte-
cido, representada por P(A/B) (Probabilidade de A dado B) e denominada
probabilidade condicional de A, depois de B ter ocorrido.
portanto natural denir-se a probabilidade condicional P(A/B) como a proporo
56
da probabilidade total P(B) que representada pela probabilidade P(A B). Por-
tanto, tem-se a seguinte denio
P(A/B) =
P(A B)
P(B)
, dado P(B) > 0
Se P(B) = 0 a P(A/B) no denida
ou, equivalentemente
P(B/A) =
P(A B)
P(A)
, dado P(A) > 0
Se P(A) = 0 a P(B/A) no denida.
Tiramos da denio da probabilidade condicional o chamado TEOREMA DO PRO-
DUTO: Sejam A e B . Ento, P(A B) = P(B) P(A/B) ou P(A B) =
P(A) P(B/A).
Exemplo: Um grupo de 86 pessoas est assim formado:
Escolhendo-se, ao acaso, uma pessoa do grupo, qual a probabilidade de que seja:
a) Uma mulher que fez o curso de medicina ?
b) Uma pessoa que fez o curso de medicina ?
c) Um engenheiro dado que seja homem ?
d) No ser mdico dado que no seja homem ?
4.5 Probabilidade Total
Seja o espao amostral de um experimento, e considere K eventos A
1
, A
2
, . . . , A
k
em tal que A
1
, A
2
, . . . , A
k
sejam disjuntos e

k
i=1
A
i
= . Diz-se, ento, que estes
57
eventos formam uma partio de .
Se os eventos A
1
, A
2
, . . . , A
k
formam uma partio de , e B qualquer outro evento
em , ento:
B = (A
1
B) (A
2
B) . . . (A
k
B)
Como os K eventos do lado direito da equao anterior so disjuntos:
P(B) =
k

i=1
P(A
i
B)
Mas P(A
j
B) = P(A
j
) P(B/A
j
) em que j = 1, 2, . . . , k. Ento
P(B) =
k

i=1
P(A
j
) P(B/A
j
)
Exemplo: Uma urna contm 3 bolas brancas e 2 amarelas. Uma segunda urna
contm 4 bolas brancas e 2 amarelas. Escolhe-se, ao acaso, uma urna e dela retira-
se, tambm ao acaso, uma bola. Qual a probabilidade de que seja branca?
4.6 Teorema de Bayes
Sejam os eventos j = 1, 2, . . . , k que formam uma partio do espao amostral tal
que P(A
j
) > 0 para todo j = 1, 2, . . . , k e seja B qualquer evento tal que P(B) > 0.
Ento, para i = 1, 2, . . . , k, temos:
P(A
j
/B) =
P(A
j
)P(B/A
j
)

k
i=1
P(A
i
) P(B/A
i
)
(4.1)
Prova: Pela denio de probabilidade condicional,
58
P(A
j
/B) =
P(A
j
B)
P(B)
O numerador da equao (1) igual a P(A
j
B) e o denominador igual a P(B)
(pela frmula para probabilidade total).
Exemplo: Em uma fbrica de parafusos, as mquinas A, B e C produzem 25, 35 e 40
por cento do total produzido, respectivamente. Da produo de cada mquina, 5, 4
e 2 por cento, respectivamente, so parafusos defeituosos. Escolhe-se ao acaso um
parafuso e se verica ser defeituoso. Qual ser a probabilidade de que o parafuso
venha da mquina A? Da B? Da C?
59
4.7 Exerccios
1. Dez chas numeradas de 1 at 10 so misturadas em uma urna. Duas chas,
numeradas (X, Y ), so extradas da urna, sucessivamente e sem reposio.
Qual a probabilidade de que seja X +Y = 10? (R= 4/45)
2. Considere o conjunto de nmeros inteiros 1, 2, 3, . . . , 19, 20, e, por meio de
um sorteio aleatrio, retire um nmero. Se o nmero sorteado for mpar, qual a
probabilidade de o nmero sorteado ser o nmero 13? ( R = 1/10)
3. A probabilidade de que o aluno A resolva determinado problema 2/3 e a prob-
abilidade de que o aluno B o resolva 4/5. Se ambos tentarem independen-
temente a resoluo, qual a probabilidade do problema ser resolvido? ( R =
14/15)
4. Numa festa benecente, foram vendidos 20 nmeros em uma "rifa", e sero
sorteados dois prmios. Qual a probabilidade de uma pessoa que tenha adquirido
quatro nmeros ganhar os dois prmios? (R = 3/95)
5. Um lote formado por 10 animais sadios, quatro com problemas menores e dois
com problemas graves. Todos os animais so numerados e feita a escolha de
um animal ao acaso. Ache a probabilidade de que:
a) ele no tenha problemas; (R =5/8)
b) ele no tenha problemas graves; (R = 7/8)
c) ele ou seja sadio ou tenha problemas graves. (R = 3/4)
6. Duas bolas vo ser retiradas sem reposio de uma urna que contm 2 bolas
brancas, 3 pretas e 4 verdes. Qual a probabilidade de que ambas
a) sejam verdes? (R = 1/6)
b) sejam da mesma cor? ( R = 5/18)
7. Uma urna contm 5 bolas brancas, 4 vermelhas e 3 azuis. Extraem-se 3 bolas
(uma aps a outra). Achar a probabilidade de que:
a) nenhuma seja vermelha. (R= 14/55)
b) exatamente uma seja vermelha. (R = 28/55)
c) todas sejam da mesma cor. (R= 4/55)
8. Numa populao composta por 200 animais de duas raas X e Y , os animais
podem ser fecundos e no fecundos. Vinte por cento dos animais da raa X so
60
fecundos; trinta por cento dos animais da raa Y sao no fecundos e setenta e
cinco por cento dos animais so da raa X. Escolhe-se um animal ao acaso.
Determine a probabilidade desse animal:
a) ser da raa Y dado que fecundo; (R = 0,55)
b) ser no fecundo dado que da raa Y .( R = 0,30)
9. Uma indstria produz determinado tipo de pea em trs mquinas M
1
, M
2
e
M
3
. A Mquina M
1
produz 40% das peas, enquanto M
2
e M
3
produzem
30% cada uma. As porcentagens de peas defeituosas produzidas por essas
mquinas so respectivamente iguais a 1%, 4% e 3%. Se uma pea sele-
cionada aleatriamente da produo total, qual a probabilidade dessa pea
ser defeituosa? (R = 0,025)
10. A urna A contm 3 chas vermelhas e 2 azuis, e a urna B contm 2 vermelhas
e 8 azuis. Joga-se uma moeda honesta. Se a moeda der cara, extrai-se uma
cha da urna A; se der coroa, extrai-se uma cha da urna B. Uma cha vermelha
extrada. Qual a probabilidade de ter sado cara no lanamento? (R =
3
4
)
11. Num certo colgio, 4% dos homens e 1% das mulheres tm mais de 1,75 de
altura. 60% dos estudantes so mulheres. Um estudante escolhido ao acaso
e tem mais de 1,75 m. Qual a probabilidade de que seja homem? ( R =
8
11
=
0, 7272)
12. A e B jogam 120 partidas de xadrez, das quais A ganha 60, B ganha 40 e 20
terminam empatadas. A e B concordam em jogar 3 partidas. Determinar a
probabilidade de:
a) A ganhar todas a trs; (R =
1
8
)
b) duas partidas terminarem empatadas; (R =
5
72
)
c) A e B ganharem alternadamente. (R =
5
36
)
13. Em uma prova caram dois problemas. Sabe-se que 132 alunos acertaram o
primeiro, 86 erraram o segundo, 120 acertaram os dois e 54 acertaram apenas
um problema. Qual a probabilidade de que um aluno, escolhido ao acaso:
a) no tenha acertado nenhum problema? ( R =
37
124
)
b) tenha acertado apenas o segundo problema? (R =
21
124
)
14. So retiradas, com reposio, duas cartas de um baralho com 52 cartas. Qual
a probabilidade de que as duas sejam de ouros? (R =
1
16
)
61
15. Um lote de certo tipo de peas formado de 9 peas boas, 2 com pequenos
defeitos e uma com defeito grave. Uma dessas peas escolhida ao acaso.
Determine a probabilidade de que a pea escolhida:
a) no tenha defeito; ( R =
3
4
)
b) no tenha defeito grave. (R =
11
12
)
16. Suponha que A e B sejam eventos independentes associados a um experi-
mento. Se a probabilidade de A ou B ocorrerem for igual a 0, 6, enquanto a
probabilidade da ocorrncia de A for igual a 0, 4, determine a probabilidade da
ocorrncia de B. (R = 0,33)
17. As probabilidades de que dois eventos independentes ocorram so p e q, re-
spectivamente. Qual a probabilidade:
a) de nenhum desses eventos ocorra? (R = (1 p)(1 q))
b) de que pelo menos um desses eventos ocorra? ( R = (p +q pq))
62
5 Variveis Aleatrias discretas
5.1 Variveis Aleatrias
Denio: Considere um experimento para o qual o espao amostral denotado por
. Dene-se varivel aleatria como uma funo que associa um valor real a cada
elemento do espao amostral.
X : '
Representa-se as variveis aleatrias por letras maisculas e suas ocorrncias por
letras minsculas.
Exemplo
Suponha o experimento "lanar trs moedas". Seja X: nmero de ocorrncias da
face cara . O espao amostral do experimento :
= (c, c, c), (c, c, r), (c, r, c), (c, r, r), (r, c, c), (r, c, r), (r, r, c), (r, r, r)
Se X o nmero de caras, X assume os valores 0, 1, 2 e 3.
63
Denio: Seja X uma varivel aleatria (v.a.). Se o nmero de valores possveis
de X (isto , o seu contradomnio), for nito ou innito enumervel, denominamos X
de varivel aleatria discreta.
Denio: Seja X uma varivel aleatria discreta. Portanto, o contradomnio de
X ser formado por um nmero nito ou enumervel de valores x
1
, x
2
, . . .. A cada
possvel resultado x
i
, associaremos um nmero p(x
i
) = P(X = x
i
), i = 1, 2, 3, . . .,
denominado probabilidade de x
i
. Os nmeros p(x
i
) devem satisfazer s seguintes
condies:
a) p(x
i
) 0,
b)

i=1
p(x
i
) = 1
A funo p denida acima, denominada funo de probabilidade da varivel
aleatria X. A coleo de pares [x
i
, p(x
i
)], i = 1, 2, . . ., denominada distribuio
de probabilidade.
Exemplo
Lanam-se dois dados. Seja a v.a. X: soma das faces. Determinar a distribuio de
probabilidade da varivel aleatria X.
64
5.2 Esperana de uma Varivel Aleatria Discreta
Suponha que uma varivel aleatria X possua uma distribuio discreta cuja funo
p(x). A esperana de X, denotada por E(X), um nmero denido por:
= E(X) =

x
x p(x)
Exemplo: Suponha que uma v.a. X possa assumir somente quatro valores: -2, 0, 1
e 4, e que P(X = 2) = 0, 1; P(X = 0) = 0, 4; P(X = 1) = 0, 3; P(X = 4) =
0, 2.
Ento:
E(X) = 2 (0, 1) + 0 (0, 4) + 1 (0, 3) + 4 (0, 2) = 0, 9
Propriedades da Esperana
P1. Se a uma constante qualquer
E(a) = a
P2. Se a uma constante qualquer
E(aX) = a E(X)
P3. Se X
1
, X
2
, . . . , X
n
so n variveis aleatrias tais que E(X
i
) existe (i = 1, 2, . . . , n),
ento
E(X
1
+X
2
+. . . +X
n
) = E(X
1
) +E(X
2
) +. . . +E(X
n
).
P4. Se X
1
, X
2
, . . . , X
n
so n variveis aleatrias independentes tais que E(X
i
) ex-
iste (i = 1, 2, . . . , n), ento
65
E
_

n
i=1
X
i
_
=
n
i=1
E(X
i
)
5.3 Varincia de uma Varivel Aleatria Discreta
Denio: Suponha que X uma v.a. com mdia = E(X). A varincia de x,
representada por V (X) denida por
V (X) = E[(x )
2
]
V (X) = E(X
2
) [E(X)]
2
Variveis Aleatrias Discretas
Suponha que uma v.a. X possua uma distribuio discreta, cuja funo p(x). Ento
V (X) =

x
(x )
2
p(x) =

x
x
2
p(x)
2
Exemplo: Suponha que uma v.a. X possa assumir somente quatro valores: -2, 0, 1
e 4, e que P(X = 2) = 0, 1; P(X = 0) = 0, 4; P(X = 1) = 0, 3;
P(X = 4) = 0, 2.
Como visto anteriormente, E(X) = 0, 9. Ento
V (X) =

x
(x )
2
p(x) = (2 0, 9)
2
(0, 1) + (0 0, 9)
2
(0, 4) + (1 0, 9)
2

(0, 3) + (4 0, 9) (0, 2) = 3, 09
Propriedades da Varincia
P1. V (c) = 0 se e somente se c for uma constante.
P2. V (aX) = a
2
V (X). sendo a constante
66
P3. V (aX +b) = a
2
V (X). com a e b constantes
P4. V (X Y ) = V (X) +V (Y ) 2cov(X, Y ).
5.4 Funo de Distribuio Acumulada
Denio: A funo de distribuio da varivel aleatria X, representada por F
x
ou
simplesmente F, denida por:
F
X
(x) = P(X x) =
x
i
x
P(x
i
)
Observaes:
a) A funo de distribuio de X tambm frequentemente chamada de funo de
distribuio acumulada de X.
b) A funo F
X
(x) no-decrescente quando x aumenta, isto , se x
1
< x
2
, ento
F
X
(x
1
) F
X
(x
2
).
c) 0 F(x) 1
d) P(a < X b) = F(b) F(a)
e) P(a X b) = F(b) F(a) +P(X = a)
f) P(a < X < b) = F(b) F(a) P(X = b)
g) Para qualquer valor de x
P(X > a) = 1 F(a)
Teoremas
a) Se X for uma varivel aleatria discreta,
F
X
(x) =

j
P(x
j
)
67
onde o somatrio estendido a todos os ndices j que satisfaam a condio x
j
x
Exemplo
Suponhamos que a v.a. X tome os trs valores 0,1, e 2, com probabilidades 1/3, 1/6
e 1/2, respectivamente. Ento:
O grco de F est apresentado na Figura abaixo
68
5.5 Exerccios
1. Suponha que 0,4; 0,3; 0,2 e 0,1, respectivamente, sejam as probabilidades de
que nenhum, um dois ou trs problemas com energia afetaro certa subdiviso
durante dado ano. Determine a mdia e a varincia da varivel aleatria X que
representa o nmero de problemas com energia que afeta essa subdiviso.
2. As probabilidades de que haja 0, 1, 2, 3 ou 4 partes defeituosas em uma
mquina quando trs partes so amostradas da linha de produo so, respec-
tivamente: 0,05; 0,20; 0,40; 0,25 e 0,10. Determinar:
a) o nmero mdio de partes defeituosas;
b) a varincia V (X) ;
c) F(X) e esboar seu grco.
d) P(2 < X 4).
3. A funo de probabilidades da varivel aleatria X : P(X) =
1
5
, para
X = 1, 2, 3, 4, 5.
a) Calcule E(X) e V (X)
b) Calcule P(X 2) e P(X < 4)
c) Determine F(X) e esboce seu grco.
4. Suponha que a durao X de uma ligao telefnica, em minutos, seja dada
pela seguinte distribuio de probabilidades:
X 1 2 3 4
P(X) 0,2 0,5 0,2 0,1
a) Determine P(X 3) e P(2 X 3).
b) Calcule E(X) e V (X).
c) Obtenha F(X) e esboe seu grco.
5. Uma urna tem 4 bolas brancas e 3 pretas. Retiram-se 3 bolas sem reposio.
Seja X: nmero de bolas brancas, determinar a distribuio de probabilidades
de X.
6. Fazer o exerccio anterior considerando extrao com reposio.
69
7. Um jogo consiste em se retirar, ao acaso, uma bola de uma caixa contendo 5
bolas brancas, 3 pretas e 2 vermelhas. Se a bola selecionada for branca ganha-
se R$ 10,00 e se for preta ou vermelha perdem-se, respectivamente, R$ 5,00 e
R$ 15,00. Qual o lucro mdio do jogo?
8. Calcule a esperana e a varincia de g(X) = 2X + 3, onde X a varivel
aleatria com distribuio de probabilidade
X 0 1 2 3
P(X) 1/4 1/8 1/2 1/8
70
6 Distribuies Tericas de
Probabilidades de Variveis
Aleatrias Discretas
6.1 Distribuio de Bernoulli
Consideremos uma nica tentativa de umexperimento aleatrio. Podemos ter sucesso
ou fracasso nessa tentativa.
Seja p a probabilidade de sucesso e q a probabilidade de fracasso, com p + q = 1,
ou seja, q = 1 p.
Seja X : nmero de sucessos em uma nica tentativa do experimento. X assume o
valor 0 que corresponde ao fracasso, com probabilidade q, ou o valor 1, que corre-
sponde ao sucesso, com probabilidade p.
P(X = 0) = q e P(X = 1) = p
Nessas condies a varivel aleatria X tem distribuio de BERNOULLI, e sua
funo de probabilidade dada por:
P(X = x) = p
x
q
1x
A esperana da distribuio de Bernoulli E(X) = p e sua varincia
V (X) = pq
Exemplo: Uma urna contm 15 bolas brancas e 25 bolas vermelhas. Uma bola
71
retirada da urna e a varivel aleatria X anota o nmero de bolas brancas obtidas.
Calcule a mdia e a varincia de X e determinar P(X).
Soluo:
X = 0 q =
25
40
=
5
8
X = 1 p =
15
40
=
3
8
P(X = x) = (
3
8
)
x
(
5
8
)
1x
E(X) = p =
3
8
V (X) = pq =
3
8

5
8
=
15
64
6.2 Distribuio Binomial
Consideremos n tentativas independentes de ummesmo experimento aleatrio. Cada
tentativa admite apenas dois resultados: fracasso com probabilidade q e sucesso
com probabilidade p, p + q = 1. As probabilidades de sucesso e fracasso so as
mesmas para cada tentativa.
Seja X: nmero de sucessos em n tentativas.
Determinaremos a funo de probabilidades da varivel X, isto , P(X = k).
Logo,
P(X = k) =
_
n
k
_
p
k
q
nk
A varivel X tem distribuio binomial, com parmetros n e p, e indicaremos pela
notao
X B(n, p)
72
Exemplo: Ser extraida uma amostra de 5 indivduos de uma grande populao,
onde 60% so do sexo feminino. Qual a probabilidade de:
a) exatamente 3 dos indivduos escolhidos ser do sexo feminino?
b) pelo menos um dos indivduos ser do sexo feminino?
c) ao menos 3 (uma maioria) ser do sexo feminino ?
Soluo: Se X a v.a. que representa o nmero de indivduos que so do sexo femi-
nino, temos que X segue uma distribuio binomial, cuja probabilidade de "sucesso"
(ser do sexo feminino) em cada tentativa 0,60. Portanto,
a)
P(X = 3) =
_
5
3
_
(0, 6)
3
(0, 4)
2
= 0, 3456
b) A probabilidade que pelo menos um dos indivduos ser do sexo feminino dada
por
1 P(X = 0) = 1
_
5
0
_
(0, 6)
0
(0, 4)
5
= 1 0, 0102 = 0, 9898
c) A probabilidade que ao menos 3 (uma maioria) ser do sexo feminino dada por
P(X = 3) +
P(X = 4) + P(X = 5), ou seja:
_
5
3
_
(0, 6)
3
(0, 4)
2
+
_
5
4
_
(0, 6)
4
(0, 4)
1
+
_
5
5
_
(0, 6)
5
(0, 4)
0
= 0, 6826
6.2.1 Mdia e Varincia de uma v.a. com Distribuio
Binomial
Se X B(n.p) P(X = k) =
_
n
k
_
p
k
q
nk
ento
E(X) = n p e V (X) = n p q
Exemplo: Em 100 lances de uma moeda honesta, determeine a mdia e a varincia
do nmero de caras.
73
p =
1
2
e q =
1
2
logo,
E(X) = np = 100
1
2
= 50
V (X) = npq = 100
1
2

1
2
= 25
6.3 Distribuio de Poisson
Seja X uma v.a. com distribuio discreta, e suponha que X assuma valores inteiros
no negativos. dito que X possui uma distribuio de Poisson com mdia onde
( > 0) se a funo de probabilidade de X dada por:
P(X = k) =
e

k
k!
k = 0, 1, 2, 3, . . .
em que X o nmero de sucessos no intervalo
Observao:O smbolo e representa uma constante que aproximadamente igual a
2,7183. O seu nome uma homenagem ao matemtico suio I. Euler, e constitui a
base do chamado logaritmo natural.
A distribuio de Poisson muito usada na distribuio do nmero de:
1. carros que passam por um cruzamento por minuto, durante uma certa hora do dia;
2. erros tipogrcos por pgina, em um material impresso;
3. defeitos por unidade (m
2
, m
3
, m, etc.) por pea fabricada;
4. mortes por ataque de corao por ano, numa cidade. aplicada tambm em
problemas de las de espera em geral, e outros.
A esperana E(X) = e a varincia V (X) = .
74
A v.a. de Poisson tem um amplo range de aplicaes em uma grande variedade
de reas, porque se emprega como uma aproximao para uma v.a. binomial com
parmetros (n, p) quando n grande e p pequeno. Supondo que X uma v.a.
binomial com parmetros (n; p) ento = np.
Exemplo 1: Se a probabilidade de um indivduio sofrer uma reao nociva, resultante
de ter tomado um certo soro 0,001, determinar a probabilidade de que, entre 2000
indivduos:
a) exatamente trs sofrerem a reao;
Soluo
Seja X a v.a. que representa o nmero de pessoas que sofrem a reao nociva aps
injerir o soro. Ento,
P(X = k) =
e

k
k!
k = 0, 1, 2, 3, . . .
onde = 2000 0, 001 = 2. Logo,
P(X = 3) =
e
2
2
3
3!
= 0, 18
b) mais do que dois sofrerem a reao.
P(X 3) = 1 P(X 2) = 1 [P(X = 0) +P(X = 1) +P(X = 2)]
= 1 [
e
2
2
0
0!
+
e
2
2
1
1!
+
e
2
2
2
2!
] = 0, 323
Exemplo 2: Numa central telefnica chegam 300 telefonemas por hora. Qual a
probabilidade de que:
a) num minuto no haja nenhum chamado
X: nmero de chamadas por minuto = 5
75
P(X = 0) =
e
5
5
0
0!
= 0, 006738
b) em 2 minutos haja 2 chamados
dois minutos = 10
P(X = 2) =
e
10
10
2
2!
= 0, 002270
76
6.4 Exerccios
1. Retira-se uma bola de uma urna contendo 30 bolas brancas e 20 verdes. Qual
a probabilidade dessa bola ser verde?
2. Seja X Bernoulli(p) Mostre que E(X) = p e V (X) = pq, q = 1 p
3. A probabilidade de que certo tipo de componente sobreviver a um teste de
choque de 3/4. Determine a probabilidade de que exatamente dois dos prxi-
mos quatro componentes testados sobrevivam. (R = 27/128)
4. Uma grande rede varesjista compra certo tipo de equipamento eletrnico de
um fabricante. O fabricante indica que a taxa de equipamentos com defeito
de 3%. O inspetor da rede seleciona 20 tens de um carregamento. Qual a
probabilidade de que haja pelo menos um tem defeituoso entre esses 20? (R
= 0,4562)
5. De acordo com a publicao Chemical Energineerring Progress (nov. 1990)
aproximadamente 30% de todas as falhas nas tubulaes das indstrias so
causadas por erro do operador. Qual a probabilidade de que no mais que
quatro de 20 falhas sejam causadas por erro do operador? (R = 0,2375)
6. Se a probabilidade de uma lmpada uorescente ter vida til de pelo menos 800
horas de 0,9, determine a probabilidade de que, entre 20 lmpadas,
a) exatamente 18 tero vida til de pelo menos 800 horas. (R = 0,2852)
b) pelo menos 15 tero vida til de pelo menos 800 horas. (R = 0,9887)
c) pelo menos duas no tero vida til de pelo menos 800 horas. (R = 0,6083)
7. Uma loja tem um lote de 10 fechaduras, das quais 5 tm defeitos. Se uma
pessoa comprar 3 fechaduras, qual a probabilidade de encontrar no mximo
uma defeituosa?
8. Em 10 lanamentos de uma moeda honesta, qual a probabilidade de obser-
varmos
a) exatamente 5 caras?
b) entre 3 e 7 caras?
c) mais do que 7 caras?
77
9. Uma empresa produz 10% de peas defeituosas. As peas so embaladas em
caixas que contm 12 peas. Calcule a probabilidade de um cliente comprar
uma caixa contendo:
a) nenhuma pea defeituosa;
b) uma pea defeituosa.
10. Uma cia de seguros descobriu que somente cerca de 0,1 por cento da popu-
lao est includa em certo tipo de acidente por ano. Se seus 10000 segu-
rados so escolhidos, ao acaso, na populao, qual a probabilidade de que
no mais do que 5 de seus clientes venham a estar includos em tal acidente no
prximo ano?
11. Supondo que o nmero de carros que chegam numa la do guich de um ped-
gio tem distribuio de Poisson a uma taxa de trs por minuto, calcule a proba-
bilidade de que cheguem cinco carros nos prximos dois minutos.
12. Um caixa de banco atende 150 clientes por hora. Qual a probabilidade de que
atenda:
a) Nenhum cliente em 4 minutos
b) No mximo dois clientes em 2 minutos
13. Uma empresa geralmente compra grandes lotes de certo tipo de equipamento
eletrnico. O mtodo utilizado rejeita o lote se dois ou mais tens com defeitos
forem encontrados em uma amostra aleatria de 100 unidades.
a) Qual a probabilidade de rejeio de um lote se h 1% de tens defeiuosas?
b) Qual a probabilidade de aceitao de um lote se h 5% de tens defeiuosas?
78
7 Variveis Aleatrias contnuas
7.1 Denies
Denio: Seja X uma varivel aleatria. Suponha que '
x
, o contra-domnio de X,
seja um intervalo ou uma coleo de intervalos. Ento diz-se que X uma varivel
aleatria contnua.
Denio: Seja X uma varivel aleatria contnua. A funo densidade de probabili-
dade f, indicada abreviadamente por f.d.p., uma funo f que satisfaz as seguintes
condies:
a) f(x) 0, x '
x
b)
_

x
f(x)dx = 1
Alm disso, dene-se, para qualquer c < d (em '
x
)
P(c < x < d) =
_
d
c
f(x)dx
Observaes:
a) P(c < x < d) representa a rea sob a curva da f.d.p. f, entre os pontos x = c e
x = d.
b) Constitui uma consequncia da descrio probabilstica de X que, para qualquer
valor especicado de X, digamos x
0
, teremos P(X = x
0
) = 0, porque P(X = x
0
) =
_
x
0
x
0
f(x)dx = 0.
79
7.2 Funo de Distribuio Acumulada
Denio: A funo de distribuio da varivel aleatria X, representada por F
x
ou
simplesmente F, denida por:
F
X
(x) = P(X x)
Teorema
a) Se X for uma varivel aleatria contnua com f.d.p f ento:
F
X
(x) =
_
x

f(s)ds
Suponha que X seja uma varivel contnua com f.d.p.
O grco est apresentado na Figura abaixo
Figura 6: Meyer, pgina 75.
80
7.3 Esperana de uma Varivel Aleatria Contnua
Se uma varivel aleatria X possui uma distribuio contnua com f.d.p. f(x), ento
a esperana E(X) denida por:
= E(X) =
_

x f(x)dx
Exemplo: Suponha que f.d.p. de uma v.a. X com uma distribuio contnua seja:
f(x) =
_
2x para 0 < x < 1
0 caso contrrio
Ento E(X) =
_
1
0
x (2x)dx =
_
1
0
2x
2
dx =
2x
3
3
[
1
0
=
2
3
7.4 Variancia de uma Varivel Aleatria Contnua
Suponha que uma v.a. X possua uma distribuio contnua, cuja f.d.p. f(x). Ento
V (X) =
_

(x )
2
f(x)dx =
_

x
2
f(x)dx
2
Exemplo: Suponha que f.d.p. de uma v.a. X com uma distribuio contnua seja:
f(x) =
_
2x para 0 < x < 1
0 caso contrrio
Como visto anteriormente, E(X) =
2
3
. Ento
V (x) =
_
1
0
x
2
(2x)dx (
2
3
)
2
=
_
1
0
2x
3
dx (
2
3
)
2
=
2x
4
4
[
1
0
(
2
3
)
2
=
2
4

4
9
=
2
36
81
7.5 Exerccios
1. Sendo f(x) = Kx
3
a densidade de uma varivel aleatria contnua no intervalo
0 < x < 1, determine o valor de K.
2. Uma varivel aleatria contnua X denida pela seguinte funo densidade:
f(x) =
_
3
2
(x 1)
2
se 0 x 2
0 caso contrrio
Determinar:
a) A mdia.
b) A varincia.
3. O dimetro X de um cabo eltrico uma varivel aleatria contnua com funo
densidade de probabilidade dada por:
f(x) =
_
K(2x x
2
) se 0 x 1
0 se x < 0 ou x > 1
a) Determinar K.
b) Calcular E(X) e V (X).
c) Calcular P(0 x 1/2).
4. Determinar a mdia e a varincia de X, cuja f.d.p. dada por:
f(x) =
_
2
x
2
se 1 x 2
0 se x < 1 ou x > 2
5. Dada a funo
f(x) =
_
2e
2x
se x 0
0 se x < 0
a) Mostre que esta uma f.d.p.
b) Calcule a probabilidade de X > 10.
6. A durao de uma lmpada uma varivel aleatria T, cuja f.d.p. :
f(t) =
_
1
1000
e

t
1000
para t 0 (em horas)
0 se t < 0
82
Calcular a probabilidade de uma lmpada:
a) Se queimar antes de 1.000 horas.
b) Durar entre 800 e 1.200 horas.
7. Uma varivel aleatria contnua tem a seguinte fdp:
f(x) =
_

_
2kx se 0 x < 3
kx para 3 x < 5
0 caso cantrrio
Determinar o valor de k, a mdia e a varincia da varivel aleatria.
8. O nmero total de horas, medido em unidades de 100 horas, que uma famlia
utiliza o aspirador de p em sua casa, durante o perodo de um ano, uma
varivel aleatria contnua X, que tem funo de densidade
f(x) =
_

_
x se 0 < x < 1
2 x para 1 x < 2
0 caso cantrrio
Determine a probabilidade de que, durante o perodo de um ano, a famlia use
o aspirador
a) menos de 120 horas;
b) entre 50 e 100 horas.
83
8 Distribuies Tericas de
Probabilidades de Variveis
Aleatrias Contnuas
8.1 Distribuio Uniforme
Usada comumente nas situaes em que no h razo para atribuir probabilidades
diferentes a um conjunto possveis de valores da varivel aleatria em um determi-
nado intervalo.
Uma varivel aleatria contnua X, denida no intervalo [a, b], tem distribuio Uni-
forme se sua funo densidade de probabilidade for especicada por
f(x) =
_
k para a x b
0 para x < a ou x > b
O valor de k pode ser obtido da seguinte forma
_
b
a
k dx = 1
k x [
b
a
= 1
k =
1
b a
Logo,
84
f(x) =
_

_
1
ba
para a x b
0 para x < a ou x > b
Sua Funo de distribuio F(X) dada por
_
x
a
1
b a
ds =
x a
b a
Sua mdia E(X) e Varincia V (X) so dados por
E(X) =
b+a
2
e V (X) =
(ba)
2
12
Exemplo: Um ponto escolhido ao acaso no intervalo [0,2]. Qual a probabilidade de
que esteja entre 1 e 1,5?
8.2 Distribuio Normal
A distribuio Normal, tambm conhecida por distribuio Gaussiana, segunda lei
de Laplace, Laplace, Laplace-Gauss, de Moivre, uma famlia importante das dis-
tribuies contnuas de probabilidade, aplicvel emmuitas reas (JOHNSONe KOTZ,
1970). Suas propriedades, alm de fundamentar decises, medir e prevenir riscos
e at explicar curiosidades, descrevem bem variveis como comprimento de pinos e
dimetros de discos, altura, peso, inteligncia e tempo de gestao de seres vivos,
rendas e despesas de famlias ou categorias prossionais, rendimentos de mquinas
e campos de trigo, qualidade do ar, velocidade de molcula, distribuies diamtri-
cas e volumtricas de rvores, etc. Cada membro dessa famlia pode ser denido
por dois parmetros, locao e escala: a mdia e a varincia
2
, respectivamente.
A distribuio normal padro possui mdia zero e varincia um (JOHNSON e KOTZ,
1970).
Uma varivel normal, de modo geral, retrata bem fenmenos cujo efeito nal corres-
ponde soma de mltiplas causas ou afetado por diversas variveis independentes
(tpico de variveis fsico qumicas, socioeconmicas, psicossociais, etc).
85
Carl Friedrich Gauss em 1809 se tornou associado com essa distribuio quando ele
analizou dados astronomicos, e deniu a equao desta densidade de probabilidade.
Ela frequentemente chamada de curva de sino porque o grco da sua densidade
de probabilidade se assemelha um sino (JOHNSON e KOTZ, 1970).
Denio: Dizemos que uma v.a. X possui uma distribuio Normal (ou Gaussiana)
com mdia e varincia
2
( < < e > 0) se X possuir uma distribuio
contnua com funo densidade de probabilidade dada por:
f(x) =
1

2
e

1
2
_
x

_
2
para < x <
8.2.1 Mdia
E(X) =
V (X) =
2
Usaremos a seguinte notao: X N(,
2
)
8.2.2 Distribuio Normal Padro
A distribuio normal com mdia zero ( = 0) e varincia um (
2
= 1) denominada
distribuio normal padro N(0, 1). A funo densidade de probabilidade de uma
distribuio normal padro em geral representada por (x) e dada por
(x) =
1

2
e

x
2
2
Se uma varivel X tem uma distribuio normal com mdia e varincia
2
, ento a
varivel
86
Z =
X

Z chamada de Varivel Normal Reduzida, Normal Padronizada ou Varivel Nor-


malizada.
As probabilidades para uma distribuio normal com qualquer mdia e varincia po-
dem ser determinadas atravs de Tabelas de uma distribuio normal padro.
Como ilustrao, na Figura 1 apresentado o grco da funo normal representada
com diferentes parametrizaes.
Figura 7: Densidade da distribuio normal segundo diferentes parametrizaes.
Exemplos do uso da Tabela
1. Seja X N(100, 25). Calcular
a) P(100 X 106)
b) P(89 X 107)
87
c) P(X 114)
d) P(X 108)
Resoluo
= 100 e = 5, Z =
X100
5
.
a) P(100 X 106) = P(0 Z 1, 2) = P(Z 1, 2) P(Z 0) = 0, 8849
0, 5000 = 0, 3849
b) P(89 X 107) = P(2, 2 Z 1, 4) = P(Z 1, 4) P(Z 2, 2) =
0, 9192 0, 0139 = 0, 9053
c) P(X 114) = P(Z 2, 8) = 0, 9918
d) P(X 108) = P(Z 1, 6) = 1 P(Z 1, 6) = 1 0, 9452 = 0, 0548
2. Supor uma populao em que o peso dos indivduos seja distribuido normalmente
com mdia 68 kg e desvio padro 4 kg. Determinar a proporo de indivduos
a) abaixo de 66 kg
b) acima de 72 kg
c) entre 66 e 72 kg
a) P(X < 66) = P(Z < 0, 5) = 0, 3085
b) P(X > 72) = P(Z > 1) = 1 P(Z 1) = 1 0, 8413 = 0, 1587
c) P(66 < X < 72) = P(0, 5 < Z < 1) = P(Z < 1) P(Z < 0, 5) = 0, 8413
0, 3085 = 0, 5328
88
8.3 Exerccios
1. A dureza H de uma pea de ao pode ser pensada como uma varivel aleatria
com distribuio uniforme no intervalo [50,70] da escala Rockwel. Calcular a
probabilidade de que uma pea tenha dureza entre 55 e 60.
2. A varivel aleatria X tem distribuio uniforme com parmetros a = 5 e b = 10.
Calcule as probabilidades:
a) P(X < 7)
b) P(8 < X < 9)
c) P(X > 8, 5)
3. A distribuio da altura de plantas de Amaranthus hybridus, X, pode ser aprox-
imada por uma distribuio normal de mdia 29,7 cm e desvio padro 2,7 cm.
A probabilidade de uma planta apresentar altura:
a) entre 29,7 e 32,0 cm?
b) acima de 32,0 cm?
c) abaixo de 30,0 cm?
4. Certo tipo de armazenados de bateria dura, em mdia, trs anos, com desvio
padro de 0,5 ano. Assumindo que a vida dos armazenadores distribuda
normalmente, encontre a probabilidade de que certo armazenador dure pelo
menos 2,3 anos.
5. Uma indstria eltrica fabrica lmpadas que tm vida til, antes de queimarem,
normalmente distribuda com mdia igual a 800 horas e desvio padro de 40
horas. Encontre a probabilidade de que uma lmpada queime entre 778 e 834
horas.
6. Certa mquina fabrica resistores eltricos com uma resistncia mdia de 40
ohms e desvio padro de 2 ohms. Supondo que a resistncia siga uma dis-
tribuiao normal e que pode ser medida para qualquer grau de acuidade, qual
a porcentagem de resistores que tero uma resistncia excedendo 43 ohms?
7. O dimetro de uma cabo eltrico normalmente distribudo com mdia 0,8 e
desvio padro 0,02. Qual a probabilidade de que o dimetro ultrapasse 0,81?
8. Vamos supor que uma galinha da linhagem Shaver 579 produza, emum perodo
de 72 semanas, 200 ovos em mdia, com varincia de 49 ovos, e que esta var-
89
ivel (produo de ovos) apresente distribuio aproximadamente Normal. Cal-
cule a probabilidade de uma galinha dessa linhagem produzir, em 72 semanas,
um nmero entre 190 e 210 ovos.
9. As massas das peas de um determinado lote tm distribuio normal, com
mdia de 65,3 g e desvio padro de 5,5 g. Encontre a probabilidade de peas
com massas:
a) entre 60 e 70 g;
b) superiores a 63,2 g.
90
9 Teoria da Amostragem
9.1 Introduo
Um problema de inferncia estatstica um problema no qual os dados de uma
certa populao com uma distribuio de probabilidade desconhecida precisa ser
analizado, e algum tipo de inferncia sobre essa distribuio desconhecida precisa
ser feito. Essa inferncia feita atravs dos dados de uma amostra.
9.2 Parmetros e Estatsticas
Parmetros: so medidas populacionais quando se investiga a populao em sua
totalidade, neste caso impossvel fazer inferncias, pois toda a populao foi inves-
tigada.
Estatsticas ou Estimadores: so medidas obtidas da amostra, torna-se possvel
neste caso utilizarmos as teorias infernciais para que possamos fazer concluses
sobre a populao.
91
9.3 Tcnicas de amostragem
O pesquisador procura tirar concluses a respeito de um grande nmero de sujeitos.
Por exemplo, ele poderia desejar estudar:
Os 190.000.000 de cidados que constituem a populao brasileira.
Os 1.000 membros de um sindicato.
Os 45.000 estudantes de intercmbio e assim sucessivamente.
Se o pesquisador trabalha com todo o grupo que ele tenta compreender, dize-
mos que est trabalhando com a POPULAO.
9.4 Conceitos Iniciais
Antes de iniciar o estudo da teoria da amostragem necessrio conhecer alguns
conceitos bsicos.
Populao: O conjunto da totalidade dos indivduos sobre o qual se faz uma infer-
ncia recebe o nome de populao ou universo. A populao congrega todas as
observaes que sejam relavantes para o estudo de uma ou mais seres animados
ou inanimados. Em linguagem mais formal, a populao o conjunto constitudo
por todos os indivduos que apresentem pelo menos uma caracterstica comum, cujo
comportamento interessa analisar (inferir).
Amostra: A amostra pode ser denida como um subconjunto, uma parte selecionada
da totalidade de observaes abrangidas pela populao, atravs da qual se faz um
juzo ou inferncia sobre as caractersticas da populao.
Censo: a coleo de dados relativos a todos elementos da populao.
Estatstica: a medida numrica que descreve uma caracterstica da amostra.
Parmetro: a medida numrica que descreve uma caracterstica da populao.
Varivel: uma caracterstica de uma unidade que ser medida a partir daquela
unidade da amostra.
Unidade: qualquer elemento individual da populao.
92
9.5 Amostragem
Esta a ideia essencial da amostragem: obter informao sobre o todo, examinando
apenas uma parte.
Exemplos da utilizao da amostragem:
Sondagens opinio pblica que servem para conhecer a opinio da populao
sobre variadas questes. As mais populares so as sondagens polticas.
Inspeo de mercado utilizada com o intuito de descobrir as preferncias das
pessoas em relao a certos produtos. Um dos exemplos mais conhecidos da
aplicao desta amostragem a lista de audincias dos programas de televiso.
Censo (recenseamento da populao) que tem como objectivo obter informao
relativa ao nmero de ocupantes, idade, sexo, parentesco entre eles, etc. de
cada habitao do pas.
Amostragem de aceitao que consiste na seleo e inspeo cuidada de uma
amostra retirada de uma encomenda enviada pelo fornecedor. Baseado no es-
tado da amostra, toma-se a deciso de aceitar ou rejeitar a encomenda.
O pesquisador busca generalizar concluses referentes AMOSTRA, estendendo-
as para toda a POPULAO da qual essa amostra foi extrada.
As regras de amostragem podem ser classicadas em duas categorias:
Probabilstica: So amostragem em que a seleo aleatria de tal forma que cada
elemento tem igual probabilidade de ser sorteado para amostra.
No-probabilstica: So amostragens em que h uma escolha deliberada dos ele-
mentos da amostra.
9.5.1 As Amostras Probabilsticas
Os mtodos de amostragem probabilstica servem para assegurar uma certa pre-
ciso na estimao dos parmetros da populao, reduzindo o erro amostral.
A principal caracterstica dos mtodos de amostragem probabilstica reside no fato
de que cada elemento da populao tem uma probabilidade conhecida e diferente
de zero, de ser escolhida, quando da tiragem ao acaso para fazer parte da amostra.
93
O objetivo desta abordagem obter a melhor representatividade possvel.
Os tipos de amostragemprobabilsticas so: AmostragemAleatria Simples, Amostragem
Aleatria Estraticada, Amostragem por Conglomerados e Amostragem Sistemtica.
9.5.2 Amostragem Aleatria Simples
A Amostragem aleatria simples uma tcnica segundo a qual cada um dos elemen-
tos (sujeitos) que compe a populao alvo tem igual probabilidade de ser escolhido
para fazer parte de uma amostra. A amostragem aleatria simples consiste em elab-
orar uma lista numrica de elementos de onde se tira, com a ajuda de uma tabela de
nmeros aleatrios, uma srie de nmeros para constituir a amostra.
Exemplo:
Vamos retirar uma amostra para uma pesquisa de estatura de quarenta alunos de
uma sala de aula.
a) Numeramos os alunos de 01 a 40.
b) Escrevemos os nmeros, de 01 a 40, em pedaos de papel, colocando-os dentro
de uma urna. Mexemos a urna para misturar bem os papis, e retiramos, um a um,
quatro nmeros que faro parte da amostra. Neste exemplo o tamanho da amostra
igual a 10% da populao mas este percentual pode variar dependendo do tamanho
da populao que est sendo estudada.
9.5.3 Amostragem Aleatria Estraticada
A Amostragem aleatria estraticada uma variante da amostra aleatria simples.
Esta tcnica consiste emdividir a populao alvo emsubgrupos homogneos chama-
dos "estratos"e a seguir tirar de forma aleatria uma amostra de cada estrato. A
Amostragem aleatria estraticada utilizada quando a populao inteira recon-
hecida por certas caractersticas precisas, tais como a idade, o sexo, a incidncia
de uma condio de sade, tudo isto para assegurar a melhor representatividade
possvel.
94
9.5.4 Amostragem por Conglomerados
Algumas populaes no permitem, ou tornam-se extremamente difceis que se iden-
tiquem seus elementos, mas podemos identicar subgrupos da populao. Em tais
casos, uma amostra aleatria simples desses subgrupos (conglomerados) podem
ser escolhida, e uma contagem completa deve ser feita no conglomerado sorteado.
Agregados tpicos so: quarteires, famlias, organizaes, agncias, edifcios, etc.
9.5.5 Amostragem Sistemtica
Consiste quando existe uma lista ordenada de elementos da populao. Esta tcnica
consiste K elementos dessa lista sendo o primeiro elemento da amostra retirado ao
acaso.
O intervalo entre os elementos corresponde razo entre o tamanho da populao
e da amostra.
Exemplo: Se pretender uma amostra de 100 indivduos e a populao for de 1000 o
sistema ser r = 1000/100 = 10 (dez em dez o sistema), isto , ser includo um
elemento da lista de 10 em 10 indivduos a partir do primeiro nmero sorteado.
9.6 Amostragem No-probabilstica
A amostragem no-probabilstica a amostragem subjetiva, ou por julgamento, onde
a variabilidade amostral no pode ser estabelecida compreciso, consequentemente,
no possvel nenhuma estimativa do erro amostral.
Se o tamanho da amostra bem pequeno; digamos, de uns 5 itens, a amostragem
aleatria pode dar resultados totalmente no representativos, ao passo que uma
pessoa familiarizada com a populao pode especicar quais os itens mais repre-
sentativos da populao.
9.7 Erros no processo de amostragem
No h dvida de que uma amostra no representa perfeitamente uma populao.
Ou seja, a utilizao de uma amostra implica na aceitao de uma margem de erro
95
que denominaremos ERRO AMOSTRAL.
Erro Amostral a diferena entre um resultado amostral e o verdadeiro resultado
populacional; tais erros resultam de utuaes amostrais aleatrias.
Ocorrem erros no-amostrais quando:
Os dados amostrais so coletados, registrados ou analisados incorretamente.
H uma utilizao de um instrumento defeituoso durante a realizao de men-
suraes.
Um questionrio ou formulrio possui questes formuladas de modo tenden-
cioso.
No podemos evitar a ocorrncia do ERROAMOSTRAL, pormpodemos limitar
seu valor atravs da escolha de uma amostra de tamanho adequado. Quanto
maior o tamanho da amostra, menor o erro cometido e vice-versa.
9.8 Distribuio Amostral da Mdia
De uma populao X, tiramos uma amostra de tamanho n constituda pelos
elementos x
1
, x
2
, . . . , x
n
obtida de uma distrbuio N(,
2
). Ento, o estimador
da Mdia populacional na amostra :
x =
1
n
n

i=1
x
i
N(,

2
n
)
ou seja, x tem distribuio Normal com E( x) = e V ( x) =

2
n
. Podemos
escrever de forma equivalente que, se x N(,

2
n
) ento
Z =
x

n
N(0, 1)
que a forma mais adequada para aplicaes.
H uma observao importante a ser feita: se a populao for nita e de tamanho
N conhecido, e se a amostra de tamanho n dela retirada for sem reposio, en-
to:
x N
_
,

2
n
N n
N 1
_
96
em que
Nn
N1
o fator de correo.
Exemplo 1: Se X N(,
2
) onde = 20 e
2
= 16, calcule a probabilidade
que:
a) x > 21 se x for baseado numa amostra de tamanho 16.
b) 19 < x < 23 se x for baseado numa amostra de tamanho 36.
Exemplo 2: Sabe-se que a altura mdia dos alunos de uma faculdade de
175 cm e o desvio padro, 25 cm. Retiramos uma amostra sem reposio, de
tamanho n = 100. Qual a probabilidade amostral da mdia das alturas estar
entre 160 e 180 cm?
9.9 Distribuio Amostral das Propores
Veremos a distribuio amostral da proporo p de sucessos, caracterstica que
se estuda na populao
Seja p conhecida. A populao pode ser denida como uma varivel X tal que
_
X = 1 se o elemento da populao tem a caracterstica
X = 0 se o elemento da populao no tem a caracterstica
logo, = E(X) = p,
2
= V (X) = p(1 p).
Retiramos uma grande amostra, n , x
1
, x
2
, . . . , x
n
, dessa populao, com
reposio, e denimos x como o nmero de sucessos na amostra, isto , o
nmero de elementos da amostra com a caracterstica que se quer estudar.
O estimador de p denido por p =
x
n
: proporo de sucessos na amostra.
X B(n, p) e E(X) = np e V (X) = npq sendo q = 1 p
Calculando esperana e varincia de p, temos:
E( p) = E
_
x
n
_
=
1
n
E(x) =
1
n
np = p E( p) = p ou
p
= p
O que garante que, para grandes amostras, a proporo amostral se distribui
com mdia igual proporo populacional.
97
Vejamos agora:
V ( p) = V
_
x
n
_
=
1
n
2
V (x) =
1
n
2
npq
ou V ( p) =
pq
n
ou
p
=
_
pq
n
Logo, a variancia da proporo amostral a varincia da populao dividida
pelo nmero de elementos da amostra.
Quando n p

= N
_
p,
pq
n
_
, p aproximadamente normal.
Segue-se que, nas mesmas condies,
Z =
p p
_
pq
n
N(0, 1)
A preciso da aproximao normal melhora na medida que o valor do tamanho
da amostra, n, aumenta e, para p prximo de 1/2. Uma regra geral usada,
que a aproximao normal boa quando np e nq 5.
Exemplo 3: Um fabricante arma que sua vacina contra gripe imuniza em 80%
dos casos. Uma amostra aleatria de 25 indivduos que tomaram a vacina foi
obtida e testes foram feitos para vericar a imunizao ou no desses indiv-
duos. Se o fabricante estiver correto, qual a probabilidade da proporo de
imunizados na amostra ser inferior a 0,75? E superior a 0,85?
Exemplo 4: Um varejista compra copos diretamente da fbrica em grandes
lotes. Os copos so embrulhados individualmente. Periodicamente o varejista
inspeciona os lotes para determinar a proporo dos quebrados. Se um grande
lote contm 10% de quebrados qual a probabilidade do varejista obter numa
amostra de 100 copos 17% ou mais defeituosos?
98
9.10 Exerccios
1. Com o objetivo de vericar que lanche deveria ser servido para os ado-
lescentes de um acampamento, selecionou-se uma amostra composta por
250 adolescentes sorteados entre os 2.000 presentes num acampamento.
Que tipo de amostragem foi utilizada?
2. Em uma cidade de 138.000 habitantes, deseja-se fazer uma pesquisa so-
bre as preferncias de lazer entre pessoas da terceira idade, levando em
conta o sexo a que pertencem. Supondo que na cidade haja 8.500 mul-
heres e 5.300 homens acima de 65 anos de idade, determine uma amostra
estraticada com 200 elementos.
3. Um reprter da revista Business Week obtm uma relao numerada de
1.000 empresas com maiores cotaes de aes na bolsa. Ele entrevistar
100 gerentes gerais das empresas correspondentes a esta amostra. Que
tipo de amostragem voc surgeriria e por que?
4. Um tipo de o fabricado com resistncia mdia tenso de 78,3 quilogra-
mas e desvio-padro de 5,6 quilogramas. Em quanto a varincia da mdia
amostral muda quando o tamanho da amostra
a) Aumentado de 64 para 196?
b) Reduzido de 784 para 49?
5. Uma engarrafadora utiliza uma mquina para encher garrafas plsticas com
refrigerante, cujo contedo segue uma distribuio Normal com = 298 ml
e = 3 ml. Qual a probabilidade de:
a) determinada garrafa conter menos de 295 ml?
b) o contedo mdio das garrafas de um pacote de 6 ser inferior a 295 ml?
6. Seja a varivel X = chamadas telefonicas de longas distncias (em minu-
tos), com X N(,
2
) em que = 8 e
2
= 4. Se amostras aleatrias de
25 chamadas forem selecionadas,
a) que proporo das mdias amostrais estar entre 7,8 e 8,2 min?
b) que proporo das mdias amostrais estar entre 7,5 e 8 min?
c) Que proporo das mdias amostrais estar entre 7,8 e 8,2 min para
uma amostra aleatria de 100 chamadas? Comparar os resultados a) e c).
7. A renda de um conjunto de pessoas de uma certa regio tem mdia 6 s.m.
99
e desvio padro de 2 s.m. Se desta populao for extrada uma amostra de
n = 100 pessoas, qual a probabilidade da mdia desta amostra acuse um
valor superior a 6,3 s.m?
8. Se vamos extrair amostras de n = 100 observaes de uma populao
muito grande, em que a proporo populacional 0,20, que porcentagem
de propores amostrais poderemos esperar nos intervalos:
a) 0,16 a 0,24?
b) maior que 0,24?
9. Tendo em mente estimar a proporo de alunos de um determinado "Cam-
pus"universitrio que eramfavorveis reestruturao das contas acadmi-
cas, um pesquisador social entrevistou uma amostra aleatria de 590 estu-
dantes e constatou que 57% deles era de fato, favorveis citada reestrutu-
rao. Considerando a proporo obtida como sendo o valor "p"populacional:
a) Calcule a probabilidade de numa amostra de 49 alunos, menos de 49%
sejam favorveis reestruturao das contas acadmicas.
b) Calcule a probabilidade de numa amostra de 36 alunos, menos de 55%
sejam favorveis reestruturao das contas acadmicas.
10. A proporo de estmatos da epiderme abaxial da folha de macieira da
variedade M-9, com tamanho acima de um determinado valor 0,12. Ex-
trada uma amostra de 35 folhas, qual a probabilidade de que a proporo
amostral esteja entre 0,08 e 0,13?
11. Numa oresta de Eucalyptus saligna, a proporo de rvores mortas de
4%. Foi tomada uma amostra aleatria de 100 rvores. Qual a probabil-
idade de que a proporo de rvores mortas na amostra que entre 2 e
6%
100
10 Teoria da Estimao
10.1 Introduo
Inferncia estatstica o processo pelo qual podemos tirar concluses acerca
de um conjunto maior (a populao) usando informao de um conjunto menor
(a amostra).
Podemos estimar o parmetro usando a informao de nossa amostra. Chamamos
este nico nmero que representa o valor mais plausvel do parmetro (baseado
nos dados amostrais) de uma estimativa pontual de . Alguns exemplos so a
mdia amostral, o desvio padro amostral, a mediana amostral, os quais es-
timam a verdadeira mdia, desvio padro e mediana da populao (que so
desconhecidos).
10.2 Estimao Pontual
A estimao pontual (por ponto) consistir simplesmente em, falta de melhor
informao, adotar a estimativa disponvel como sendo o valor do parmetro.
A idia , em sua essncia, extremamente simples, porm a qualidade dos re-
sultados ir depender fundamentalmente da conveniente escolha do estimador.
Assim, dentre os vrios estimadores razoveis que poderemos imaginar para
um determinado parmetro, devemos ter a preocupao de escolher aquele
que melhor satisfaa s propriedades de um bom estimador.
101
10.3 Propriedades dos estimadores
Consideremos uma amostra (X
1
, X
2
, . . . , X
n
) de uma v.a. que descreve uma
caracterstica de interesse de uma populao.
Seja um parmetro que desejamos estimar, como por exemplo a mdia =
E(X) ou a varincia
2
= V (X).
Denio: Um estimador T do parmetro qualquer funo das observaes
da amostra, ou seja, T = g(X
1
, X
2
, . . . , X
n
).
10.3.1 Justeza e no-tedenciosidade
Diremos que um estimador T justo (ou no-tedencioso, ou no-viciado, ou
no-viesado) se sua mdia (ou expectncia) for o prprio parmetro que se
pretende estimar
E(T) = para todo
A adoo de um estimador que no seja justo nos levar a incorrer no vcio de
estimao, ou vis.
Exemplo
Seja X
1
, X
2
, . . . , X
n
uma amostra aleatria de tamanho n obtida de uma pop-
ulao com mdia e varincia
2
, ento

X =
1
n

n
i=1
X
i
um estimador no
viciado de .
E(

X) = E(
1
n

n
i=1
X
i
) =
1
n

n
i=1
E(X
i
) =
n
n
=
10.3.2 Consistncia
Diremos que uma sequncia de estimadores T
n
consistente se, para todo
> 0,
P[ T
n
[> 0, n (10.1)
102
Em vez de usar (1) para vericar se uma sequncia de estimadores consis-
tente, pode-se usar o seguinte resultado
Proposio:Uma sequncia T
n
de estimadores de consistente se
lim
n
E(T
n
) =
lim
n
V (T
n
) = 0
Exemplo
Se X
i
Bernoulli(p) ento X =

n
i=1
X
i
Binomial(n, p), da E(X) = np
e V (X) = np(1 p). Ento,
E( p) = E(
X
n
) =
E(X)
n
=
np
n
= p (e p um estimador no viciado de p);
V ( p) = V (
X
n
) =
V (X)
n
2
=
np(1p)
n
2
=
p(1p)
n
e lim
n
p(1p)
n
= 0
concluindo-se que p um estimador consistente de p.
10.3.3 Ecincia
Se T e T

so dois estimadores no-viesados de um mesmo parmetro , e


ainda
V (T) < V (T

),
ento T diz-se mais eciente do que T

Exemplo
Seja X
1
, X
2
, . . . , X
n
uma amostra aleatria obtida de X com distribuio de
Bernoulli com parmetro p, desconhecido. Encontre as varincias V ( p) e V ( p
1
);
compare e mostre que p mais eciente do que p
1
.
Soluo:
V ( p) = V (
X
1
+X
2
+...+X
n
n
) =
1
n
2

n
i=1
V (X
i
) =
1
n
2

n
i=1
p(1 p) =
np(1p)
n
2
=
p(1p)
n
;
103
V ( p
1
) = V (X
1
) = p(1 p).
Como, para n > 1, V ( p) =
p(1p)
n
< V ( p
1
) = p(1 p) e, sendo p e p
1
esti-
madores no viciados ento, de acordo com a Deniao, p mais eciente do
que p
1
.
10.3.4 Sucincia
Em poucas palavras, diremos que um estimador suciente se contm o mx-
imo possvel de informao com referncia ao parmetro por ele estimado.
Denio A estatstica T = T(X
1
, X
2
, . . . , X
n
) dita suciente para o parmetro
desconhecido , quando a distribuio condicional de X
1
, X
2
, . . . , X
n
dado T
independente de
10.4 Estimao Intervalar
Uma estimativa pontual de parmetros, por no dizer o quo prximo o parmetro
estimado vai estar do parmetro verdadeiro, no suciente para informar sobre
a preciso da estimativa. Os mtodos de estimao por intervalo tem propsito
de determinar os intervalos aleatrios, chamados intervalos de conana, que
contm o valor do parmetro desconhecido com uma probabilidade especi-
cada chamada nvel de conana. Neste caso a amplitude do intervalo d uma
indicao da preciso da estimativa obtida.
10.4.1 Intervalo de Conana para Mdia comvarincia (pop-
ulacional) conhecida
Seja X
1
, X
2
, . . . , X
n
uma amostra aleatria de tamanho n obtida de X N(,
2
).
Ento

X =
1
n

n
i=1
X
i
N(,

2
n
) e, com a varincia
2
suposta conhecida, a
varivel aleatria
104
Z =

n
N(0, 1)
Assim, dado o nvel de conana 1, tendo em vista a simetria da distribuio
N(0, 1) e, para garantir que o intervalo obtido tenha amplitude mnima, obtemos
na tabela da distribuio normal padronizada, q
1
= Z

2
e q
2
= q
1
= Z

2
tal
que P(Z Z

2
) = 1

2
de modo que
P
_
Z

n
Z

2
_
= 1
ou, equivalentemente,
P
_

X Z

n


X +Z

n
_
= 1
sendo o intervalo de conana simtrico para dado por
IC(, 1 ) =
_

X Z

n
;

X +Z

n
_
Em geral usa-se tambm a seguinte representao:
IC(, 1 ) =
_

X Z

n
_
Exemplo
Suponha que se extraia uma amostra de tamanho 35 de uma populao com
mdia e desvio padro conhecido e igual a 3,90. Suponha que a mdia
amostral seja 44,8. Determinar um intervalo com 95% de conana para .
Soluo:
Temos que,
1 = 0, 95, = 0, 05, P(Z Z
/2
) = 1

2
= 1
0,05
2
= 0, 975. Logo,
Z
/2
= 1, 96
105
IC(, 95%) = (44, 8 1, 96
3,90

35
)
IC(, 95%) = (44, 8 1, 29)
Logo, o intervalo com 95% de conana para [43,51; 46,09]
10.4.2 Intervalo de Conana para Mdia comvarincia (pop-
ulacional) desconhecida
Admitindo, mais realisticamente, que a varincia
2
desconhecida, a varivel
aleatria
t =

X
S

n
t
n1
isto , tem distribuio de Student com n1 graus de liberdade, e independente
de .
Dado o nvel de conana 1 , como a distribuio de t simtrica e, para
obter um intervalo com amplitude mnima, obtemos na tabela da distribuiao
t
n1
, q
1
= t
n1;

2
e q
2
= q
1
= t
n1;

2
tal que P(t t
n1;

2
) =

2
, seguindo
ento que
P
_
t
n1;

X
S

n
t
n1;

2
_
= 1
e, de forma equivalente,
P
_

X t
n1;

n


X +t
n1;

n
_
= 1
de modo que o intervalo de conana simtrico para
IC = (, 1 ) =
_

X t
n1;

n
;

X +t
n1;

n
_
ou, de outra forma
IC = (, 1 ) =
_

X t
n1;

n
_
em que S o desvio padro amostral dado por
106
S =

_
1
n 1
n

i=1
(X
i


X)
2
Exemplo
Suponha que se extraia uma amostra de tamanho 25 de uma populao com
mdia e desvio padro desconhecido. Suponha que a mdia amostral seja
4,004 e o desvio padro amostral seja 0,366. Determinar intervalo 99% de
conana para .
Soluo:
Temos que,
t
0,005;24
= 2, 797
IC(4, 004 2, 797
0,366

25
)
IC(4, 004 0, 205)
Logo, o intervalo com 99% de conana para [3,799; 4,209].
10.4.3 Intervalo de Conana para proporo populacional
Seja X
1
, X
2
, . . . , X
n
uma amostra aleatria de tamanho n obtida de uma pop-
ulao de Bernoulli com parmetro p, onde os componentes da amostra s
podem assumir os valores 0 e 1.
Tem-se p =

X, a proporo amostral de sucessos, para n sucientemente
grande, tem uma distribuio aproximadamente normal com mdia p e varincia
p(1p)
n
. Logo,
Z =
p p
_
p(1p)
n
N(0, 1)
A expresso nal para o intervalo de conana aproximado para p, com nvel de
conana 1 , ser
107
IC(p, 1 ) =
_
p Z

_
p(1 p)
n
; p +Z

_
p(1 p)
n
_
ou, de forma equivalente,
IC(p, 1 ) =
_
p Z

_
p(1 p)
n
_
Exemplo
Uma amostra aleatria de 600 peas de computador so obtidas de um grande
lote de produo, observando-se 45 com defeito. Estimar, atravs de um inter-
valo de conana de 95%, a proporo verdadeira, p, de peas de computador
com defeito no lote.
Soluo:
Temos p =
X
n
=
45
600
= 0, 075, para 1 = 0, 95, = 0, 05 e Z

2
= 1, 96 logo,
IC(p, 95%) = (0, 075 1, 96
_
0,0750,925
600
) = (0, 075 0, 0211) ou
IC(p, 95%) = (0, 0539; 0, 0961) ou, ainda: IC(p, 95%) = (5, 39%; 9, 61%).
10.4.4 Intervalo de Conana para Varincia
Sendo desconhecida e
(n1)S
2

2

2
n1
no depende de
2
. Com procedi-
mento semelhante ao caso anterior, temos
P
_

2
n1;1

(n 1)S
2

2

2
n1;

2
_
= 1 ,
ou, equivalentemente,
P
_
(n 1)S
2

2
n1;

2

2

(n 1)S
2

2
n1;1

2
_
= 1 ,
108
Portanto, o intervalo de conana simtrico para
2
dado por
IC(
2
, 1 ) =
_
(n 1)S
2

2
n1;

2
;
(n 1)S
2

2
n1;1

2
_
.
Exemplo Suponha que seja retirada uma amostra de tamanho cinco de uma popu-
lao normalmente distribuda, e que se tenha encontrado uma varincia amostral de
13,52. Construa um intervalo com 95% de conana para a varincia populacional.
Soluo:
Temos que
2
0,975;4
= 0, 484 e
2
0,025;4
= 11, 143. Logo o intervalo de conana para

IC(
2
, 95%) =
_
4(13,52)
11,143
;
4(13,52)
0,484
_
IC(
2
, 95%) = (4, 85; 111, 74)
10.5 Intervalo de Conana para a diferena de m-
dias de duas Populaes
Estes intervalos podem ser teis em diversas situaes prticas em que se deseja
comparar dois grupos com relao a certa caracterstica. Por exemplo, um industrial
pode querer comparar dois processos de produo; um pesquisador mdico certa-
mente interessa saber o efeito de uma nova droga em dois tipos de pacientes.
Descreveremos a seguir, como construir intervalos de conana para a diferena
entre duas mdias populacionais.
10.5.1 As varincias
2
1
e
2
2
(populacionais) so conhecidas
Como
x
1

n
1
N(0, 1)
109
e
x
2

n
2
N(0, 1)
Logo
Z =
( x
1
x
2
) (
1

2
)
_

2
1
n
1
+

2
2
n
2
N(0, 1)
Assim, temos
P
_
Z

( x
1
x
2
) (
1

2
)
_

2
1
n
1
+

2
2
n
2
Z

2
_
= 1
resultando ento, no seguinte intervalo de conana simtrico para
1

2
:
IC(
1

2
, 1 ) =
_
( x
1
x
2
) Z

2
1
n
1
+

2
2
n
2
; ( x
1
x
2
) +Z

2
1
n
1
+

2
2
n
2
_
Exemplo: O peso mdio de duas amostras aleatrias independentes de n
1
= 30
e n
2
= 40 peas, extradas de dois grandes lotes, foi

X
1
= 130g e

X
2
= 125g,
respectivamente. Admitindo que os pesos tenham distribuio normais com varin-
cias respectivas
2
1
= 60g e
2
2
= 80g, estimar, atravs de um intervalo de 95% de
conana, a diferena real dos pesos mdios,
1

2
, para os dois lotes.
10.5.2 As varincias
2
1
e
2
2
so desconhecidas mas
2
1
=
2
2
Se
2
1
=
2
2
=
2
ento, temos
Z =
( x
1
x
2
) (
1

2
)
_

2
(
1
n
1
+
1
n
2
)
Sabemos que
S
2
1
=
1
n
1
1
n
1

i=1
(x
i
x)
2
110
e
S
2
2
=
1
n
2
1
n
2

i=1
(x
i
x)
2
so as varincias amostrais. Como estamos supondo que
2
1
=
2
2
=
2
, ento um
estimador no viciado para
2
dado por
S
2
p
=
(n
1
1)S
2
1
+ (n
2
1)S
2
2
n
1
+n
2
2
Temos nalmente
t =
( x
1
x
2
)(
1

2
)

2
(
1
n
1
+
1
n
2
)
_
(n
1
+n
2
2)S
2
p

2
(n
1
+n
2
2)
=
( x
1
x
2
) (
1

2
)
_
S
2
p
(
1
n
1
+
1
n
2
)
t
n
1
+n
2
2
Procedendo de maneira anloga ao caso anterior, obtemos as seguintes expresses
para o IC(
1

2
, 1 ) simtrico:
IC(
1

2
, 1) =
_
( x
1
x
2
)t
n
1
+n
2
2;

2
_
S
2
p
(
1
n
1
+
1
n
2
); ( x
1
x
2
)+t
n
1
+n
2
2;

2
_
S
2
p
(
1
n
1
+
1
n
2
)
_
e
IC(
1

2
, 1 ) =
_
( x
1
x
2
) t
n
1
+n
2
1;

2
_
S
2
p
(
1
n
1
+
1
n
2
)
_
Exemplo: Duas amostras de plantas foram cultivadas com dois fertilizantes difer-
entes. A primeira amostra oriunda de 20 sementes, acusou altura mdia de 10,9 cm
e desvio padro 2,0 cm. A segunda amostra, de 10 sementes, acusou uma altura
mdia de 10,5 cm com desvio padro de 5,0 cm. Construir um intervalo de conana
entre as alturas mdias das populaes ao nvel de 95% de conana.
10.6 Intervalo de Conana para Diferena de Propores
Sejam duas propores p
1
e p
2
, e suas respectivas propores amostrais p
1
e p
2
,
baseadas em amostras de tamanhos n
1
e n
2
. Para grandes tamanhos de amostra
111
tem-se que:
p
1
p
2
N
_
p
1
p
2
;
p
1
(1 p
1
)
n
1
+
p
2
(1 p
2
)
n
2
_
Portanto, o intervalo de conana para p
1
p
2
, com coeciente de conana 1
dado por:
IC(p
1
p
2
, 1) =
_
( p
1
p
2
)Z

p
1
(1 p
1
)
n
1
+
p
2
(1 p
2
)
n
2
; ( p
1
p
2
)+Z

p
1
(1 p
1
)
n
1
+
p
2
(1 p
2
)
n
2
_
ou
IC(p
1
p
2
, 1 ) =
_
( p
1
p
2
) Z

p
1
(1 p
1
)
n
1
+
p
2
(1 p
2
)
n
2
_
Exemplo 1: Numa pesquisa sobre inteno do comprador brasileiro, 30 famlias de
uma amostra aleatria de 150 declararam ter uma inteno comprar um carro novo
dentro de um ano. Uma outra amostra de 160 famlias 25 declararam a mesma
inteno. Construir um intervalo de 99% de conana para a diferena entre as
propores.
Exemplo 2: Numa pesquisa sobre a opinio dos moradores de duas cidades, A e B,
com relao a um determinado projeto, revelou que na cidade A, dos 400 entrevista-
dos, 180 eram favorveis ao projeto, na cidade B, dos 600 entrevistados, 350 foram
favorveis. Verique, por meio de um intervalo de 90% de conana, se h diferena
entre as propores de moradores favorveis nas duas cidades.
112
10.7 Exerccios
1. Suponha que X o nmero de sucessos emn provas de Bernoulli comparmetro
p. Mostre que a proporo amostral de sucessos p =
X
n
, um estimador no
viciado da proporo populacional de sucessos p
2. Se X
1
, X
2
, . . . , X
n
uma amostra aleatria obtida de X com distribuio de
Poisson com parmetro , mostre que a mdia amostral

X um estimador no
viciado de .
3. Seja X a durao da vida de uma pea de equipamento tal que = 5 horas.
Admita que 100 peas foram ensaiadas fornecendo uma durao de vida mdia
de 500 horas e que se deseja obter um intervalo de 95% para a verdadeira mdia
populacional.
4. Deseja-se estimar a nota mdia em um exame aplicado em uma escola. Para
isso considerou-se uma amostra de 16 alunos submetidos a esse exame e
obteve-se uma nota mdia de 7,3 e um desvio padro de 0,4. Construa o in-
tervalo com 95% de conana para a verdadeira mdia.
5. A seguinte amostra refere-se a quantidade de peas de roupas confeccionadas
por 10 funcionrios numa determinada empresa num determinado dia: 9, 8, 12,
7, 9, 6, 11, 6, 10, 9. Construir um intervalo de conana para com um nvel de
99%.
6. Uma empresa emprega 200 pessoas. Numa amostra aleatria de 25 notas de
despesas numa semana de dezembro, um auditor constatou uma despesa m-
dia de 220 u.m. com desvio padro de 20 u.m. Qual a estimativa intervalar com
99% de conana para a despesa mdia da empresa com seus empregados ?
7. Em uma empresa, o nmero mdio da venda de 12 produtos distintos, coletados
por amostragem, indicou 27,33 como mdia de produtos vendidos por perodo
de tempo. O desvio-padro desta amostra foi 4,28. Se desejarmos construir
um intervalo de 99% conana para a verdadeira mdia de vendas, podemos
armar o qu?
8. Para avaliar a taxa de desemprego em uma cidade, obteve-se uma amostra
aleatria de 1.000 habitantes em idade de trabalho, dos quais 87 eram desem-
pregados. Estimar a porcentagem de desempregados em toda a cidade atravs
de um intervalo de 90% de conana.
113
9. Uma amostra de onze elementos, extrada de uma populao com distribuio
normal, forneceu varincia s
2
= 7, 08. Construir um intervalo de 90% de con-
ana para a varincia dessa populao.
10. Em uma pesquisa de mercado sobre a preferncia dos consumidores em re-
lao a um novo produto, 155 de uma amostra de 250 consumidores preferiram
o novo produto. Estime, com 90% de conana a proporo verdadeira de con-
sumidores da populao que preferiro esse novo produto.
11. Atravs de uma amostra aleatria simples de 145 prossionais de certa regio,
vericou-se que o salrio mdio de 8 salrios mnimos (s.m.) com um desvio
padro de 1,8 s.m. A amostra tambm forneceu a informao de que 70% dos
prossionais eram casados.
a) Determine e interprete o intervalo de conana de 99% para a proporo de
prossionais casados desta regio?
b) Determine e interprete um Intervalo de Conana de 90% para
2
.
12. Um engenheiro deseja estimar o rendimento mdio de um processo qumico
com distribuio normal baseado nas observaes de rendimento obtidas de 3
repeties do experimento. Considere os dois estimadores do rendimento mdio:
T
1
=
X
1
+X
2
+X
3
3
e
T
2
=
X
1
+ 2X
2
+X
3
4
a) Encontre a esperana e a varincia dos estimadores acima.
b) Verique se so no viciados e consistentes. Qual o melhor? Porqu?
13. Seja X uma nica varivel aleatria com distribuio de Bernoulli com parmetro
. Sejam

1
= X e

2
= 1/2 dois estimadores de . Verique se

1
e

2
so no
viciados para .
14. T
1
e T
2
so estimadores de um parmetro , tais que:
E(T
1
) = V (T
1
) = 9
E(T
2
) = 3 V (T
2
) = 3
114
Diga, justicando, qual destes estimadores melhor estimador de .
15. Para uma amostra aleatria de 100 trabalhadores, em uma rma com 1200 em-
pregados, 70 preferem receber seus salrios atravs de crditos em conta cor-
rente bancria. De posse dessa informao construir o intervalo de 90% de
conana para a proporo de trabalhadores da rma que tm preferncia pelo
crdito em conta corrente para seus trabalhos. [0,62 ; 0,77]
16. Um empresrio est estudando os custos de produo de um determinado pro-
duto sob determinadas condies. Ele admite que essa varivel normalmente
distribuda com desvio padro = 2 U.M.(Unidades Monetrias).
a) Determine os ICs de 99%; 95% e 93% para o custo mdio verdadeiro do
produto utilizando os valores da seguinte amostra aleatria obtida: 4,8 7,1
8,1 4,5 5,6 6,8 7,2 5,7
[4,415 ; 8,035] , [4,839 ; 7,611] , [5,065 ; 7,385]
b) Suponha que no item a) o desvio padro no fosse conhecido. Como caria
seus clculos para determinar os ICs para ?
[5,076 ; 7,385] , [5,345 ; 7,105] , [5,489 ; 6,961]
17. Em uma amostra aleatria de 400 eleitores de uma cidade, 228 foram contra
o uso de recurso pblicos para a construo de uma certa obra. Com 95% de
conana, qual a proporo correspondente a todos os eleitores da cidade?
18. Em uma amostra de 300 clientes de um supermercado, 234 deles utilizavam
carto de crdito em suas compras. Construa um intervalo de 99% de conana
para a proporo de que um cliente escolhido ao acaso v comprar com carto
de crdito.
19. Uma amostra aleatria da previso de 15 analistas nanceiros sobre os ganhos
por ao da General Motors Corporation foi coletada. O desvio padro amostral
foi de $ 0,88. Ache o intervalo de conana de 99% para a varincia das pre-
vises dos analistas.
20. Uma amostra aleatria de dimenso n
1
= 120 retirada da populao X
1
com
distribuio Normal de parmetros
1
e
1
, deu origem aos seguintes valores:
x
1
= 20, 5 e s
1
= 3, 5. Uma outra amostra, independente da anterior, de dimen-
so n
2
= 130 e retirada da populao X
2
de parmetros
2
e
2
, deu origem aos
valores x
2
= 28, 2 e s
2
= 4, 8.
a) Determine o intervalo de conana a 90% para
1

2
admitindo que
1
= 4
115
e
2
= 5. [-8,636 ; -6,764]
b) Determine o intervalo de conana a 90% para
1

2
assumindo, como
mais natural, que os desvios padro so desconhecidos. [-8,58 ; -6,82]
21. Em uma pesquisa de possuidores de carros em uma universidade, entre alunos
e alunas, foram obtidos: 48 de 200 alunos possuem automveis e 19 de 100
alunas possuem automveis. Encontre um IC de 90% para a diferena entre
propores. Estatisticamente existe diferena entre proporo de alunos e alu-
nas que possuem automveis?
22. Uma amostra aleatria de 200 possuidores de carto de crdito mostra que o
dbito mdio anual nesses cartes, para contas individuais, U$ 1592, com
desvio padro de U$ 997 (com base em dados do USA Today). Com essas
estatsticas, construa um intervalo de 95% de conana para o dbito mdio
anual em cartes de crdito para a populao de todas as contas.
23. Um banco pretende estimar a percentagem de clientes que passam cheques
sem cobertura. Numa amostra de 150 clientes 15 deles j tinham passado
cheques sem cobertura. Estime, a 95% de conana a verdadeira percentagem
(ou proporo) de clientes do banco que passam cheques sem cobertura.
24. Extrada duas amostras de professores homens e mulheres, obteve-se os seguintes
resultados quantos aos salrios em milhares de dlares: Construir um intervalo
de 95% de conana para a diferena das mdias entre os salriosdos profes-
sores.
Homens Mulheres
n
1
= 25 n
2
= 5
x
1
= 16, 0 x
2
= 11, 0
S
2
1
= 16 S
2
2
= 10
25. A mdia dos pesos de uma amostra de 10 embalagens de adubos (em kg) dis-
tribudos por uma empresa foi de 46,02 kg e com desvio padro de 0,64 kg.
a) Com 99% de conana, estime um intervalo para a verdadeira mdia dos
pesos das embalagens de adubo.
b) Ao nvel de 90% de conana, determine um intervalo para verdadeira varin-
cia das embalagens de adubo.
26. A mdia aritmtica dos gastos com livros de uma amostra de 100 estudantes do
primeiro ano de agronomia de 70 reais com desvio padro populacional de 15
116
reais. Construa intervalos com 95% e 99% de conana para o gasto mdio de
todos os estudantes.
27. Em uma amostra com 200 estudantes de uma universidade, vericou-se que
57% so favorveis a um determinado projeto. Construir e interpretar um inter-
valo de 95% e 99% de conana para a verdadeira proporo de estudantes fa-
vorveis ao determinado projeto. R: ]0:501386; 0:638614[ e ]0:4796816; 0:6603184[
28. Suponha que estejamos interessados em estimar a porcentagem de consumi-
dores de certo produto. Se a amostra de tamanho 300 forneceu 100 indivduos
que consomem o dado produto, determine o intervalo de conana de p, a pro-
poro de pessoas que consomem o produto, com coeciente de 95% (interprete
o resultado).
29. Numa pesquisa sobre a opinio dos moradores de duas cidades, A e B, com
relao a um determinado projeto, obteve-se a tabela abaixo. Utilize o Intervalo
de conana de 95% para avaliar a diferena entre os percentuais de favorveis
nas duas cidades.
Cidade A B
Nmero de Entrevistados 400 600
Nmero de favorveis 180 350
30. De uma populao normal com mdia e varincia desconhecidas, extrai-se uma
amostra de tamanho 15 obtendo-se x = 12 e s
2
= 49. Obtenha um intervalo de
conana para a varincia populacional, utilizando o nvel de conana de 95%.
31. Em duas populaes de cobaias de laboratrio (com comportamentos normais
e varincias iguais), uma de animais do sexo masculino e outra de animais do
sexo feminino, foram recolhidas duas amostras com dimenses 11 e 31 respec-
tivamente. Os dados amostrais relativos aos pesos, em gramas, destas cobaias
foram os seguintes:
n
1
= 11 x
1
= 818 s
1
= 40
n
2
= 31 x
2
= 715 s
2
= 50
Determine um intervalo de conana a 99% para a diferena dos pesos mdios
e verique se uma das populaes , em mdia, mais pesada do que a outra.
117
11 Testes de Hipteses
11.1 Hiptese Nula e Hiptese Alternativa
Consideraremos aqui problemas estatsticos envolvendo um parmetro cujo valor
desconhecido mas deve cair dentro de um certo domnio (isto , o conjunto
de todos os possveis valores de ). Vamos supor que possa ser particionado em
2 (dois) subconjuntos distintos
0
e
1
, e que o pesquisador deva decidir se o valor
desconhecido de cai em
0
ou em
1
.
Seja H
0
a hiptese de que
0
e H
1
a hiptese de que
1
, isto :
H
0
:
0
H
1
:
1
Como
0
e
1
so disjuntos (
0

1
= ), somente uma das hipteses verdadeira.
O pesquisador deve decidir se aceita H
0
ou se aceita H
1
. Um problema desse tipo
chamado um problema de teste de hipteses.
H
0
denominada hiptese nula, e
H
1
denominada hiptese alternativa
11.2 Regio Crtica do teste
Antes de decidir se aceita ou no a hiptese nula, observa-se uma amostra aleatria
X
1
, X
2
, . . . , X
n
. Seja S o espao amostral, isto , o conjunto de todos os possveis
resultados da amostra.
118
Especica-se um procedimento de teste que consiste em dividir o espao amostral
em dois subconjuntos:
Um deles consiste dos valores da amostra para o qual ele rejeita H
0
,
Outro contm os valores para o qual se rejeita H
1
.
O subconjunto para o qual H
0
ser rejeitada chamada regio crtica do teste. O
complemento da regio crtica contm todos os possveis valores para qual H
0
ser
aceita.
11.3 Erros do Tipo I e erros do Tipo II
Quando estabelecemos um procedimento do teste, podemos incorrer em dois tipos
de erros:
O de rejeitar H
0
quando ela de fato verdadeira. Este erro denominado
erro do tipo I. A probabilidade () deste tipo de erro ocorrer controlada pelo
pesquisador e denominada nvel de signicncia do teste.
O de aceitar H
0
quando ela falsa. Este erro denominado erro do tipo II. A
probabilidade deste erro ocorrer representada por
Tabela 17: Representao dos erros do tipo I e II.
H
0
verdadeira H
0
falsa
aceita H
0
1 (coef. de conana)
rejeita H
0
(nvel de signicncia) 1 (poder do Teste)
119
11.4 Teste da hiptese para mdia populacional
11.4.1 conhecido
H
0
: =
0
H
1
: ,=
0
ou <
0
ou >
0
1 - Retira-se uma amostra de tamanho "n"e calcula-se x.
2 - Calcula-se o valor da estatstica
Z =
x
0
/

n
3 - Sob a hiptese nula, tem-se que Z possui uma distribuio normal padro.
Portanto,
Rejeita-se H
0
se [ Z [> Z
/2
(isto , se Z < Z
/2
ou Z > Z
/2
)
Aceita-se H
0
se [ Z [< Z
/2
(isto , se Z
/2
Z Z
/2
)
em que o nvel de signicncia do teste.
Exemplo: O salrio mdio dos empregados das indstrias siderrgicas de 2,5
salrios mnimos, com um desvio padro de 0,5 salrios mnimos. Se uma rma par-
ticular emprega 49 operrios com um salrio mdio de 2,3 salrios mnimos, pode-
mos armar que essa indstria paga salrios inferiores, ao nvel de 5%?
11.4.2 desconhecido
H
0
: =
0
H
1
: ,=
0
ou <
0
ou >
0
120
Calcula-se a estatstica
t =
x
0
S/

n
Sob a hiptese nula, tem-se que t possui uma distribuio t-Student com n1 graus
de liberdade. Portanto,
Rejeita-se H
0
se [ t [> t
/2;(n1)
Aceita-se H
0
se [ t [ t
/2;(n1)
Observao
Se os testes tiverem uma hiptese alternativa unilateral (isto , se H
1
: >
0
ou H
1
: <
0
) o teste dever rejeitar unilateralmente (isto , se t > t
;(n1)
ou
t < t
;(n1)
, respectivamente)
Exemplo: 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%, os dados refutam ou no a armao do fabricante?
11.5 Teste para Proporo
Suponha que se deseje testar a hiptese:
H
0
: p = p
0
H
1
: p ,= p
0
ou p < p
0
ou p > p
0
Calcula-se a estatstica
Z =
p p
0
_
p
0
(1p
0
)
n
Rejeita-se H
0
se [ Z [> z
/2
121
Aceita-se H
0
se [ Z [ z
/2
Exemplo: De um grande lote de CDs produzidos tiramos uma amostra de 240 CDs
e observamos que 6 apresentavam problemas. Com esse resultado, pode-se con-
cluir que a proporo de CDs com problemas no lote inferior a 3%? (use 5% de
signicncia).
11.6 Teste de hiptese para varincia
Suponha que uma varivel seja normalmente distribuda com uma varincia descon-
hecida e se deseje efetuar o seguinte teste de hipteses:
H
0
:
2
=
2
0
H
1
:
2
,=
2
0
ou
2
<
2
0
ou
2
>
2
0
Calcula-se a estatstica
X
2
=
(n 1)s
2

2
0
Rejeita-se H
0
se X
2
<
2
1/2,[n1]
ou X
2
>
2
/2,[n1]
Aceita-se H
0
se
2
1/2,[n1]
X
2

2
/2,[n1]
Observaes
1 - Se a hiptese alternativa fosse
H
1
:
2
>
2
0
H
0
seria rejeitada se X
2
>
2
,[n1]
2 - Se a hiptese alternativa fosse
H
1
:
2
<
2
0
122
H
0
seria rejeitada se X
2
<
2
1,[n1]
Exemplo: Uma das maneiras de manter sob controle a qualidade de um produto
controlar a sua variabilidade. Uma mquina de encher pacotes de caf est regulada
para ench-los commdia de 500 g e desvio padro de 10 g. Colheu-se uma amostra
de 16 pacotes e observou-se uma varincia s
2
= 169g
2
. Supondo que o peso de cada
pacote segue uma distribuio normal, voc diria que a mquina est desregulada
com relao varincia?
Soluo:
Deseja-se testar:
H
0
:
2
= 100
H
1
:
2
,= 100
A estatstica a ser calculada :
X
2
=
(n 1)s
2

2
0
=
(15)(169)
100
= 25, 35
e o procedimento do teste : Aceita-se H
0
se
2
1/2,[n1]
X
2

2
/2,[n1]
isto ,
Aceita-se H
0
se 6, 262 X
2
27, 488,
e
Rejeita-se H
0
seX
2
< 27, 488 ou X
2
> 27, 488
Portanto, aceita-se H
0
, e conclumos que a mquina no est desregulada quanto
varincia.
11.7 Teste da hiptese da igualdade de duas mdias
Suponha que se tenha
123
H
0
:
1
=
2
H
1
:
1
,=
2
ou
1
>
2
ou
1
<
2
11.7.1
2
1
e
2
2
conhecidas
calcula-se a estatstica
Z =
x
1
x
2
_

2
1
n
1
+

2
2
n
2
Sabe-se que, sob a hiptese H
0
, a varivel Z possui uma distribuio normal padro.
Portanto, o procedimento do teste consiste em:
Rejeita-se H
0
se [ Z [> Z
/2
Aceita-se H
0
se [ Z [ Z
/2
11.7.2
2
1
e
2
2
desconhecidas
Suponha que a hiptese de igualdade de varincias no seja rejeitada. Ento pode-
mos supor que
2
1
=
2
2
, mas esta varincia comum no conhecida. Para efetuar
o teste de igualdade de mdias, neste caso, procedemos da seguinte maneira:
t =
x
1
x
2

1
n
1
+
1
n
2
_
(n
1
1)S
2
1
+(n
2
1)S
2
2
n
1
+n
2
2
124
Esta estatstica possui uma distribuio t-Student com n
1
+n
2
2 graus de liberdade.
Portanto.
Rejeita-se H
0
se [ t [> t
/2;n
1
+n
2
2
Aceita-se H
0
se [ t [ t
/2;n
1
+n
2
2
11.8 Teste de hiptese da diferena entre propores
Suponha que se tenha
H
0
: p
1
= p
2
H
1
: p
1
,= p
2
ou p
1
> p
2
ou p
1
< p
2
Como
p
1
p
2
= p
1
p
2
= 0 (sob H
0
) e
2
p
A
p
B
=
p
1
q
1
n
1
+
p
2
q
2
n
2
= pq
_
1
n
1
+
1
n
2
_
(sob H
0
)
em que
P =
n
1
p
1
+n
2
p
2
n
1
+n
2
adotado como estimativa de p. Calcula-se
Z =
p
1
p
2

p
1
p
2
e aceita-se H
0
se [ Z [ Z
/2
11.9 Teste da razo de varincias
Suponha que se deseje testar:
H
0
:
2
1
=
2
2
125
H
1
:
2
1
,=
2
2
ou, equivalentemente,
H
0
:

2
1

2
2
= 1
H
1
:

2
1

2
2
,= 1
O procedimento do teste :
Calcula-se a estatstica
f =
s
2
1
s
2
2
Vimos que, sob a hiptese H
0
, a estatstica f possui uma distribuio F com n
1
1
e n
2
1 graus de liberdade. Portanto,
Aceita-se H
0
ao nvel de signicncia se
1
F
/2,[n
2
1],[n
1
1]
f F
/2,[n
1
1],[n
2
1]
Rejeita-se H
0
ao nvel de signicncia de se
f <
1
F
/2,[n
2
1],[n
1
1]
ou
f > F
/2,[n
1
1],[n
2
1]
Exemplo: Uma das maneiras de medir o grau de satisfao dos empregados de
uma mesma categoria quanto poltica salarial por meio do desvio padro de
seus salrios. A fbrica A diz ser mais coerente na poltica salarial do que a fbrica
126
B. Para vericar essa armao, sorteou-se uma amostra de 10 funcionrios no
especializados de A, e 15 de B, obtendo-se as varincias s
2
A
= 1000 reais e s
2
B
=
1600 reais. Qual seria a sua concluso ao nvel de 5%?
Soluo:
A hiptese a ser testada :
H
0
:
2
A
=
2
B
H
1
:
2
A
<
2
B
Temos que:
f =
s
2
A
s
2
B
=
1000
1600
= 0, 625
Devemos aceitar H
0
ao nvel de signicncia = 0, 05 se
f
1
F
0,05,[14],[9]
ou seja, se
f 0, 33
Como este o caso, aceitamos H
0
ao nvel de signicncia de 0,05, e conclumos
que a fbrica A no mais coerente na poltica salarial do que a fbrica B..
127
11.10 Exerccios
1. Sabe-se que o consumo mensal per capita de determinado produto tem dis-
tribuio normal, com desvio padro de 2 kg. A diretoria da empresa que fabrica
esse produto resolveu que retiraria o produto da linha de produo se a mdia
de consumo per capita fosse menor do que 8 kg, caso contrrio, continuaria a
fabric-lo. Foi realizado uma pesquisa de mercado, tomando-se uma amostra
aleatria de 25 pessoas e vericou-se um consumo total de 180 kg do produto.
Construa um teste de hiptese adequado para vericar a hiptese acima a um
nvel de signicncia de 2,5% e diga qual deve ser a deciso a ser adotada pela
empresa?
2. Ao nal de 90 dias de uma dieta alimentar envolvendo 25 pessoas, constatou-se
o seguinte ganho mdio de peso de 40g, e desvio padro de 1,378g. Supondo
que o ganho de peso mdio dessas pessoas de 45g, teste a hiptese para
= 5%, se esse valor o mesmo.
3. Um processo de fabricao de arame de ao d um produto com resistncia
mdia de 200 psi. O desvio padro de 20 psi. O engenheiro de controle de
qualidade deseja elaborar um teste que indique se houve ou no variao na
mdia do processo, usando uma amostra de 25 arames obteve-se uma mdia
de 285 psi. Use um nvel de signicncia de 5%.
4. Suponha que algum tenha sugerido de experincias passadas que 60% das lar-
vas de mosquito num certo lago deveriam ser da espcie Aedes detritus. Foram
encontrados 60 desse tipo de uma amostra de 80. Os dados suportam esta
hipteste? Use = 5%
5. As condies de mortalidade de uma regio so tais que a proporo de nasci-
dos que sobrevivem at 60 anos de 0,6. Testar essa hiptese ao nvel de
2%, se em 1000 nascimentos amostrados aleatoriamente, vericou-se 530 so-
breviventes at 60 anos.
6. Observou-se a produo mensal de uma indstria durante alguns anos e vericou-
se que ela obedecia a uma distribuio normal com varincia igual a 300 u
2
. Foi
adotada ento uma nova tcnica de produo e durante um perodo de 24 meses
observou-se a produo mensal. Aps este perodo constatou-se que a varin-
cia foi de 400 u
2
. H motivos para se acreditar que houve alterao na varincia
ao nvel de 10%?
128
7. Uma amostra de dez elementos extrada de uma populao suposta normal
forneceu varincia igual a 12,4. Pergunta-se: esse resultado suciente para
se concluir, ao nvel = 5% de signicncia, que a varincia dessa populao
inferior a 25?
8. Para vericar se a variabilidade das espessuras de um tipo de disco metlico
inferior a 3 mm, considerou-se uma amostra de 25 desses discos e obteve-se
uma estimativa para o desvio-padro de 1,8 mm. Com este resultado, qual seria
a concluso a respeito da variabilidade das espessuras? (use = 5%)
9. Uma amostra de 10 lmpadas eltricas, da marca A, apresentou a vida mdia de
1400 horas e uma amostra de 20 lmpadas eltricas, da marca B, apresentou a
vida mdia de 1200 horas. Suponha que os desvios padres populacionais dos
tempos de vida das lmpadas das duas marcas sejam conhecidos e iguais a 120
e 100, respectivamente. Teste, ao nvel de signicncia de 1%, a hiptese que
as duas marcas produzem lmpadas com o mesmo tempo mdio de vida.
10. Sendo
Amostra 1 n
1
= 60 x
1
= 5, 71
2
1
= 43
Amostra 2 n
2
= 35 x
2
= 4, 12
2
2
= 28
Testar a igualdade das duas mdia usando = 5%
11. Duas fbricas devem ser comparadas em relao ao tempo gasto por seus tra-
balhadores para executar determinada tarefa. Na fbrica A so considerados 15
trabalhadores e so obtidos um tempo mdio estimado de 12 min e um desvio
padro de 2 min. Na fbrica B so considerados 20 trabalhadores e o tempo m-
dio obtido de 10 min e o desvio padro de 3 min. Sabendo-se que o tempo de
execuo da tarefa tem a mesma variabilidade nas duas fbricas, pode-se con-
siderar que os trabalhadores da fbrica B so mais rpidos que os da A?(use
= 0, 05)
12. Duas tcnicas de vendas so aplicadas por dois grupos de vendedores: a tc-
nica A, por 12 vendedores, e a tcnica B, por 15 vendedores. Espera-se que
a tcnica B produza melhores resultados que a tcnica A. No nal de um ms,
os vendedores de A venderam uma mdia de 68 tens, com uma varincia de
50, enquanto que os vendedores de B venderam uma mdia de 76 tens com
uma varincia de 75. Testar, ao nvel de signicncia de 5%, se a tcnica B
129
realmente melhor que a tcnica A.
13. Uma amostra de 370 azulejos tirados da produo de um dado dia acusou
19 azulejos com defeito. Numa amostra de 165 azulejos da produo do dia
seguinte havia 15 azulejos com defeito. H razes estatsticas vlidas para se
armar que nesse segundo dia a produo tenha piorado? (Use nvel de 5% de
signicncia).
14. Uma empresa de pesquisa de opinio seleciona, aleatriamente, 300 eleitores
de So Paulo e 400 do Rio de Janeiro, e pergunta a cada um se votar ou no
num determinado candidato nas prximas eleies. 75 eleitores de SP e 120
do RJ responderam armativo. H diferena entre as propores de eleitores
favorveis ao candidato naqueles dois Estados? (use = 0, 01)
15. Dois programas de treinamento de funcionrios foram efetuados. Os 21 fun-
cionrios treinados no programa antigo apresentaram uma varincia de 146 pon-
tos em sua taxa de erro. No novo programa, 11 funcionrios apresentaram uma
varincia de 200. Sendo = 10%, pode-se concluir que a varincia diferente
para os dois programas?
16. O fabricante I de um tipo especial de ao arma que, em relao resistncia
trao, seu produto mais homognio que o do fabricante II. Para vericar essa
armao foi considerada uma amostra de 11 cabos de ao do fabricante I e uma
de 15 do II. As estimativas dos desvios padres obtidas foram, respectivamente,
5 kg/cm e 8 kg/cm. Com esses resultados, qual seria a concluso a respeito da
armao do fabricante I? (Use nvel de 2,5% de signicncia).
17. A Hudson Valley Boaling Company distribui um tipo de cerveja sem lcool em
garrafas que indicam o contedo de 32 oz. O Bureau of Weights anel Measures
seleciona aleatoriamente 26 dessas garrafas, mede seu contedo e obtm uma
mdia amostral de 31,8 oz, com desvio-padro de 0,75 oz. Ao nvel de 0,01 de
signicncia, teste a armao do Instituto de que a companhia est ludibriando
os consumidores. Deve-se formalizar uma queixa?
18. Esto em teste dois processos para fechar latas de comestveis. Em duas se-
qncias de 1000 latas, o processo 1 gera 50 rejeies, enquanto o processo 2
acusa 200 rejeies. Pode ao nvel de 5%, concluir que os dois processos sejam
diferentes?
19. Em uma pesquisa de opinio, 32 dentre 80 homens declararam apreciar certa
130
revista, acontecendo o mesmo com 26 dentre 50 mulheres. Ao nvel de 5% de
signicncia os homens e as mulheres apreciam igualmente a revista?
20. A variabilidade de dois produtos similares deve ser comparada. Coletam-se 15
observaes do produto 1 e 18 do produto 2. A amostra de produto 1 apresenta
S
1
= 15, e a amostra de produto 2 apresenta S
2
= 18. Teste a hiptese de que
as varincias sejam as mesmas (considere = 0, 10).
21. Um fornecedor de matria-prima arma que o teor de impureza de seu produto
2,5%. 152 amostras so analisadas, sendo 8 delas classicadas como impuras.
Conclua a respeito da hiptese do fornecedor (use = 0, 05).
22. Um fabricante garante que 90% das peas que fornece a um cliente esto de
acordo com as especicaes exigidas. O exame de uma amostra aleatria de
200 destas peas revelou 25 fora das especicaes. Verique se aos nveis de
5% e 1% de signicncia se h exagero na armativa do fabricante.
23. Diversas polticas, em relao s liais de uma rede de supermercados, esto
associadas ao gasto mdio dos clientes em cada compra. Deseja-se comparar
estes parmetros de duas novas liais, atravs de duas amostras de 50 clientes,
selecionados ao acaso, de cada uma das novas liais. As mdias obtidas foram
62 e 71 unidades monetrias. Supondo que os desvios padres sejam idnticos
e iguais a 20 um, teste a hiptese de que o gasto mdio dos clientes no o
mesmo nas duas liais. Utilize uma signicncia de 5%?
24. Em dois anos consecutivos foi feito um levantamento de mercado sobre a prefer-
ncia dos consumidores por um determinado produto. No primeiro ano o pro-
duto era anunciado com frequncia semanal nos veculos de comunicao e no
segundo ano com frequncia mensal. No levantamento foram utilizados duas
amostras independentes de 400 consumidores cada. No primeiro ano o per-
centual de compradores cou em33%e no segundo ano em29%. Considerando
o nvel de signicncia de 5%, teste a hiptese de que a frequncia do anncio
tem inuncia na manuteno da fatia de mercado.
25. Uma agncia de empregos alega que os candidatos por elas colocados nos
ltimos 6 meses tm salrios de R$ 9.000,00 anuais, em mdia. Uma agncia
governamental extraiu uma amostra aleatria daquele grupo, encontrando um
salrio mdio de R8.000,00, com desvio-padro de R$ 1.000,00 com base em
30 empregados. Teste a armao da agncia, contra a alternativa de que o
131
salrio mdio inferior a R$ 9.000,00, ao nvel de signicncia de 0,05.
26. Um pesquisador deseja saber se a mdia da ingesto calrica diria em popu-
lao rural de um pas desenvolvido menor do que 2000 calorias, valor con-
siderado como ideal. Estudando 500 pessoas, obteve mdia de 1985 e desvio
padro de 210. Realize o teste de hiptese.(use = 3%)
27. Um pesquisador quis determinar os efeitos de um programa orientado de exerc-
cios de longa durao em uma empresa. Os dados foram coletados de 13 pes-
soas que participavam voluntariamente do programa de exerccios e que prati-
cavam atividade fsica por uma mdia de 13 anos. O grupo controle foi formado
por 17 pessoas. A varivel resposta medida foi o nmero de vezes que as pes-
soas se erguiam em 30 segundos. O grupo de exerccios teve uma mdia de
21.0 e um desvio padro de 4.9. O grupo controle teve mdia de 12.1 e desvio
padro de 5.6. Assumindo que as duas populaes tm distribuio normal e
que as varincias populacionais so iguais, realize o teste de hipteses de que
as mdias so iguais. (use = 5%)
28. Estudos sobre mortalidade de homens com idade superior a 65 anos de uma
cidade mostram que 4% deles morrem dentro de um ano. Num grupo de 1000
indivduos selecionados dessa populao, 60 morreram no perodo de um ano.
Suspeita-se de que houve um aumento da mortalidade anual nessa populao.
(use = 5%)
29. Um restaurante compra frangos abatidos inteiros com peso mdio de 3 quilos h
vrios anos de um fornecedor. Outro fornecedor prope ao gerente do restau-
rante vender frangos com peso mdio maior que 3 quilos ao mesmo preo do
fornecedor antigo. Antes de mudar de fornecedor, o gerente do restaurante de-
cidiu comprar 25 frangos do novo fornecedor e pes-los. Encontrou um peso
mdio de 3,2 quilos com um desvio padro de 0,4 quilos. (use = 2, 5%)
30. Uma fbrica de automveis anuncia que seus carros consomem, em mdia, 11
litros por 100 km, com desvio padro de 0,8 litro. Uma revista resolve testar
essas armao e analisa 35 automveis dessa marca, obtendo 11,3 litros por
100 km como consumo mdio (considerar distribuio normal). O que a revista
pode concluir sobre o anuncio da fbrica, ao nvel de 10%?
31. Um especialista em marketing de uma fbrica de massas acredita que 40% dos
amantes de massas preferem lasanha. Se nove de 20 amantes de massas es-
132
colhem lasanha em vez de outras massas, o que podemos concluir sobre a
armao? Use um nvel de signicncia de 0,05.
32. Examinaram-se 2 classes de 14 e 15 alunos de um mesmo perodo de um curso.
Na primeira, o grau mdio foi de 7,4 com desvio padro de 0,8. Na segunda, a
mdia foi de 7,8, com desvio padro de 0,7. H uma diferena signicativa entre
os aproveitamentos das 2 classes ao nvel de 5%?
33. Em um estudo para estimar a proporo de residentes em certa cidade e seus
arredores que a favor da construo de uma usina nuclear, descobriu-se que
63 de cem moradores da rea urbana so a favor, enquanto somente 59 de
125 moradores dos arredores so a favor. H uma diferena signicante entre
a proporo de moradores da rea urbana e dos arredores que so a favor da
construo da usina? (use = 1%)
34. Deseja-se testar ao nvel de 5% se duas populaes tm as mesmas varincias.
Os dados obtidos nas amostras so: n
1
= 10, s
2
1
= 5, 22, n
2
= 21 e s
2
2
= 16, 9.
Qual a concluso fornecida pelos dados?
35. A vida mdia das lmpadas eltricas produzidas por uma empresa era de 1120
horas. Uma amostra de 8 lmpadas extrada recentemente apresentou a vida
mdia de 1070 horas, com desvio padro de 125 horas. Testar a hiptese de
que a vida mdia das lmpadas no se alterou ao nvel de 1%.
36. Uma amostra aleatria de cem registros de mortes nos Estados Unidos durante
o ano passado mostrou uma expectativa de vida de 71,8 anos. Assumindo um
desvio padro de 8,9 anos, isso parece indicar que a mdia da expectativa de
vida hoje maior do que 70 anos? Use um nvel de signicncia de 0,05.
133
12 Correlao e Regresso Linear
Simples
12.1 Correlao Linear Simples
12.1.1 Relao entre variveis
Se desejarmos vericar a existncia e o grau de relao entre variveis ento deve-
mos realizar o estudo da correlao entre essas variveis.
Exemplos:
O peso pode estar relacionado com a idade;
O consumo das famlias pode estar relacionado com a renda;
A demanda de um determinado produto estar relacionado com seu preo.
12.1.2 Medida de Correlao
O estudo da correlao tem por objetivo medir e avaliar o grau de relao entre as
variveis X e Y atravs da disposio dos pontos (X, Y ) em torno de uma reta.
O instrumento de medida da correlao linear dado pelo coeciente de correlao
linear de Pearson, ou, simplesmente, coeciente de correlao.
r =
cov(x, y)
S
x
S
y
em que S
x
e S
y
so os desvios padres das variveis X e Y na amostra.
134
Como
S
x
=

n
i=1
(x
i
x)
2
n 1
e S
y
=

n
i=1
(y
i
y)
2
n 1
e a covarincia cov(x, y) dada por
cov(x, y) =

n
i=1
(x
i
x)(y
i
y)
S
x
S
y
Para Calculo direto do coeciente de correlao linear de Pearson, tem-se a seguinte
frmula:
r =
n

x
i
y
i

x
i

y
i
_
[n

x
2
i
(

x
i
)
2
] [n

y
2
i
(

y
i
)
2
]
O campo de variao do coeciente r situa-se entre 1 e +1.
1 r 1
Sua interpretao depender do valor numrico e do sinal.
Figura 8: Diagramas de Disperso.
135
Figura 9: Diagramas de Disperso.
Figura 10: Diagramas de Disperso.
12.2 Regresso Linear
A anlise de regresso linear apresenta como resultado uma equao matemtica
que descreve um determinado relacionamento.
A equao pode ser usada para estimar ou predizer valores de uma varivel
quando se conhecem ou se supem conhecidos valores de outra varivel.
Denio: Constitui em tentativa de estabelecer uma equao matemtica linear
que melhor descreva o relacionamento entre duas variveis (uma dependente e outra
independente).
A equao de regresso tem por nalidade estimar valores de uma varivel, com
base em valores conhecidos da outra.
136
Modelo de regresso linear
Y
i
= +x
i
+
i
(12.1)
em que Y
i
o valor estimado (varivel dependente), x
i
a varivel independente,
o coeciente de regresso (coeciente angular), o coeciente linear e
i
o
resduo
Observao: Chamamos (1) de modelo linear, pois este representa uma reta. To-
davia, em casos mais gerais, o termo linear refere-se ao modo como os parmetros
entram no modelo, ou seja, de forma linear.
12.2.1 Pressuposies
A relao entre X e Y linear (os acrescimos em X produzem acrescimos
proporcionais em Y e a razo de acrescimo constante).
Os valores de X so xados arbitrariamente (X no varivel aleatria)

i
o erro aleatrio, portanto uma varivel aleatria com distribuio normal,
com mdia zero e varincia constante
2
. [
i
N(0,
2
)].
i
representa a
variao de Y que no explicada pela varivel independente X. Implica que
y
i
N( +x
i
,
2
).
Se i ,= j, cov(
i
,
j
) = 0, isto , para duas observaes distintas, os erros so
no-correlacionados (os erros so considerados independentes).
Exemplo
Vendas (1000) X Lucro (100)
obs 1 2 3 4 5 6 7 8
Vendas 201 225 305 380 560 600 685 735
Lucro 17 20 21 23 25 24 27 27
137
Figura 11: Diagrama de Disperso.
12.2.2 Mtodo de estimao dos parmetros e
As estimativas dos parmetros e dados por e

, sero dados a partir de
uma amostra de n pares de valores (x
i
, y
i
) que correspondem a n pontos no
diagrama de disperso.
O mtodo mais usado para ajustar uma linha reta para um conjunto de pontos
(x
i
, y
i
), i = 1, 2, . . . , n o Mtodo dos Mnimos Quadrados.
O mtodo dos mnimos quadrados consiste em adotar como estimativa dos
parmetros os valores que minimizam a soma dos quadrados dos desvios.
Caracteristicas:
A soma dos desvios verticais dos pontos em relao a reta zero;
A soma dos quadrados desses desvios mnima.
Os valores e

da reta de regresso y = +

x sero estimados de tal forma que
minimizam a soma dos erros, dados por

i
= y
i
( +x
i
), i = 1, 2, . . . , n
Obtemos, ento, a quantidade de informao perdida pelo modelo ou soma dos
quadrados dos erros (ou desvios)
138
SQ(, ) =
n

i=1

2
i
=
n

i=1
y
i
( +x
i
)
2
.
Derivando em relao a e e igualando a zero, observa-se que as solues e

devem satisfazer.
n +

i=1
x
i
=
n

i=1
y
i

n

i=1
x
i
+

i=1
x
2
i
=
n

i=1
x
i
y
i
as quais produzem as solues
= y

x (12.2)

n
i=1
x
i
y
i
n x y

n
i=1
x
2
i
n x
2
(12.3)
Para cada par de valores (x
i
, y
i
) pode-se estabelecer o desvio
i
= y
i
y
i
= y
i

( +

x
i
)
Exemplo
Para facilitar os clculos da reta de regresso, acrescenta-se trs novas colunas na
tabela de dados.
obs Vendas (x
i
) Lucro (y
i
) x
2
i
y
2
i
x
i
y
i
1 201 17 40.401 289 3.417
2 225 20 50.625 400 4.500
3 305 21 93.025 441 6.405
4 380 23 144.400 529 8.740
5 560 25 313.600 625 14.000
6 600 24 360.000 576 14.400
7 685 27 469.225 729 18.495
8 735 27 540.225 729 19.845

3.691 184 2.011.501 4.318 89.802


y =
184
8
= 23 e x =
3691
8
= 461, 38
139

x
i
y
i
n x y

x
2
i
n x
2
=
89.802 8 (461, 38)(23)
2.011.501 8(461, 38)
2
= 0, 0159
= y

x = 23 (0, 0159)(461, 38) = 15, 66
Logo,
y = 0, 0159x + 15, 66
Partindo da reta de regresso pode-se armar que para uma venda de 400 mil pode-
se obter um lucro de y = (0, 0159)(400.000) + 15, 66 = 22 mil.
Figura 12: Diagrama de Disperso com a reta ajustada.
12.3 Decomposio da varincia total
A disperso da variao aleatria "y"pode ser medida atravs da soma dos quadra-
dos dos desvios em relao a sua mdia y. Essa soma de quadrados ser denomi-
nada Soma de Quadrados Total (SQTotal)
SQTotal =
n

i=1
(y
i
y)
2
140
A SQTotal pode ser decomposta da seguinte forma:
n

i=1
(y
i
y)
2
=
n

i=1
( y
i
y)
2
+
n

i=1
(y
i
y
i
)
2
Assim,
SQTotal = SQRegresso +SQResduo
Frmulas para clculo:
SQTotal =
n

i=1
(y
i
y)
2
= n
n

i=1
y
2
i

_
n

i=1
y
i
_
2
,
com (n 1) graus de liberdade.
SQRegresso =
n

i=1
(y
i
y
i
)
2
=
_
n
n

i=1
x
i
y
i

i=1
x
i
n

i=1
y
i
_
,
com 1 grau de liberdade.
12.4 Anlise de Varincia da Regresso
A Soma de Quadrados da Regresso (SQRegresso), segue uma distribuio
2
com
um grau de liberdade, enquanto que a Soma de Quadrados do Resduo (SQResduo)
segue a mesma distribuio, porm com (n 2) graus de liberdade. Portanto, o
quociente
SQRegresso/1
SQResduo/n 2
=
QMRegresso
QMResduo
,
segue uma distribuio F de Snedecor com 1 e (n 2) graus de liberdade.
Esse fato nos permite empregar a distribuio F de Snedecor para testar a signicn-
cia da regresso, atravs da chamada Anlise de Varincia, sintetizada no quadro a
seguir.
141
Tabela 18: Tabela ANOVA para modelo de regresso
C. V. g.l. SQ QM F
Regresso 1 SQReg QMReg =
SQReg
1
QMReg
QMRes
= F
calc
Resduo n 2 SQRes QMRes =
SQRes
n2
Total n 1 SQTotal -
Para testar a signicncia da regresso, formula-se as seguintes hipteses:
H
0
: = 0 contra H
1
: ,= 0, em que representa o coeciente de regresso
paramtrico.
Se o valor de F, calculado a partir do quadro anterior, superar o valor terico de F
com 1 e (n 2) graus de liberdade, para o nvel de signicncia , rejeita-se H
0
e
conclui-se que a regresso signicativa.
Se F
cal
> F
,[1,(n2)]
, rejeita-se H
0
.
Para o exemplo anterior,
y
i
= 0, 0159x
i
+ 15, 66
SQRegresso =
_
n
n

i=1
x
i
y
i

i=1
x
i
n

i=1
y
i
_
=
SQRegresso = 0, 0159[8(89.802) (3.691)(184)] = 624, 42
SQTotal = n
n

i=1
y
2
i

_
n

i=1
y
i
_
2
= 8(4.318) (184)
2
= 688
Comparando o F
cal
= 58, 93 com o F
tab
= F
0,05;(1,6)
= 5, 99
Conclui-se que a regresso de y sobre x segundo o modelo y
i
= 0, 0159x
i
+15, 66
142
Tabela 19: Tabela ANOVA para modelo de regresso
C. V. g.l. SQ QM F
Regresso 1 624,42 624,42 58,93
Resduo 6 63,58 10,60
Total 7 688,00
siginicativa ao nvel de 5%.
Uma vez estabelecida e testada a equao de regresso, a mesma pode ser us-
ada para explicar o relacionamento entre as variveis e tambm fazer predies dos
valores de y para os valores xados x.
12.5 Coeciente de determinao
Este coeciente uma medida da proporo da variao da varivel resposta Y que
explicada pela equao de regresso quando est envolvida a varivel independente
X.
O coeciente de determinao dado por
r
2
=
_
n

n
i=1
x
i
y
i

n
i=1
x
i

n
i=1
y
i
_
2
[n

n
i=1
x
2
i
(

n
i=1
x
i
)
2
] [n

n
i=1
y
2
i
(

n
i=1
y
i
)
2
]
=
cov(x, y)
S
xx
S
yy
O valor de r
2
varia de 0 a 1.
No exemplo,
r
2
=
[8(89.802) (3.691)(184)]
2
[8(2.011.501) (3.691)
2
] [8(4.318) (184)
2
]
= 0, 908
indica que aproximadamente 91% da variao dos lucros esto relacionados com a
variao das vendas.
143
12.6 Exerccios
1. Suponha que uma cadeia de supermercados tenha nanciado um estudos dos
gastos com mercadorias para famlias de 4 pessoas. O estudo se limitou a
famlias com renda lquida entre 8 e 20 salrios mnimos. Obteve-se a seguinte
equao:
y = 1, 20 + 0, 40x
em que y despesa mensal estimada com mercadorias e x renda lquida mensal.
Estimar a despesa de uma famlia com renda mensal lquida de 15 s.m.
2. Complete o esquema de clculo do coeciente de correlao para os valores das
variveis x
i
e y
i
. Obtenha os parmetros e da reta ajustada.
x
i
4 6 8 10 12
y
i
12 10 8 12 14
3. Os dados abaixo forma colhidos de cinco fbricas diferentes de uma determinada
indstria:
Produo x
i
12 4 6 11 8
Custo total y
i
80 44 51 70 61
a) Estime uma funo linear para o custo total dessa indstria.
b) Determine o valor do coeciente de determinao r
2
.
c) Construa a tabela ANOVA e realize o teste de hiptese.
4. As notas de uma sala com nove estudantes em um relatrio de meio de curso
(x) e em um exame nal (y) so as seguintes
x
i
77 50 71 72 81 94 96 99 67
y
i
82 66 78 34 47 85 99 99 68
a) Estime a reta de regresso linear
b) Estime a nota do exame nal de um aluno que teve uma nota 85 no relatrio
de meio de curso.
c) Determine o valor de r
2
e interprete o resultado.
d) Construa a tabela ANOVA e realize o teste de hiptese.
144
Referncias
BUSSAB, W. O., MORETTIN, P. A., Estatstica Bsica, So Paulo: Saraiva 5.ed
(2003).
COSTA NETO, P. L. O., Estatstica, So Paulo: Edgard Blucher 3.ed. (2002).
DEVORE, J. L. Probabilidade e Estatstica para Engenharia e Cincias. So
Paulo: Pioneira Thomson Learning. (2006).
FONSECA, J. S. da; MARTINS, G. A. Curso de estatstica. So Paulo: Atlas, (2009).
MAGALHES, M. N.; LIMA, A. C. P. Noes de Probabilidade e Estatstica. 6
a
Ed.
So Paulo. Editora Edusp, (2005).
MARTINS, G. de A. Estatstica Geral e aplicada. So Paulo: Atlas, (2001).
MEYER, P.L. Probabilidade, Aplicaes Estatstica. Rio de Janeiro; Ao Livro
Tcnico S.A. (1976).
MILONE, G., Estatstica: Geral e Aplicada, So Paulo: Pioneira Thomson Learning
1.ed. (2004).
MORETTIN, L. G. Estatstica Bsica - Probabilidade e Inferncia. Volume nico.
So Paulo: : Pearson Prentice Hall. (2010).
SPIEGEL, M.R. Estatstica. So Paulo: McGraw-Hill do Brasil, (1975).
TOLEDO, G. L., OVALLE, I. I., Estatstica Bsica, So Paulo: Atlas 2.ed. (1985).
TRIOLA, M. F. Introduo Estatstica, 9 ed. So Paulo: LTC. (2005).
WALPOLE, R. E... [et al.]. Probabilidade e Estatstica para engenharia e cincias.
So Paulo: Pearson Prentice Hall, (2009).












Tabelas estatsticas
Tabela da Distribuio Normal Padro
P(Z<z)

z 0,0 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0,0 0,5000 0,5040 0,5080 0,5120 0,5160 0,5199 0,5239 0,5279 0,5319 0,5359
0,1 0,5398 0,5438 0,5478 0,5517 0,5557 0,5596 0,5636 0,5675 0,5714 0,5753
0,2 0,5793 0,5832 0,5871 0,5910 0,5948 0,5987 0,6026 0,6064 0,6103 0,6141
0,3 0,6179 0,6217 0,6255 0,6293 0,6331 0,6368 0,6406 0,6443 0,6480 0,6517
0,4 0,6554 0,6591 0,6628 0,6664 0,6700 0,6736 0,6772 0,6808 0,6844 0,6879
0,5 0,6915 0,6950 0,6985 0,7019 0,7054 0,7088 0,7123 0,7157 0,7190 0,7224
0,6 0,7257 0,7291 0,7324 0,7357 0,7389 0,7422 0,7454 0,7486 0,7517 0,7549
0,7 0,7580 0,7611 0,7642 0,7673 0,7704 0,7734 0,7764 0,7794 0,7823 0,7852
0,8 0,7881 0,7910 0,7939 0,7967 0,7995 0,8023 0,8051 0,8078 0,8106 0,8133
0,9 0,8159 0,8186 0,8212 0,8238 0,8264 0,8289 0,8315 0,8340 0,8365 0,8389
1,0 0,8413 0,8438 0,8461 0,8485 0,8508 0,8531 0,8554 0,8577 0,8599 0,8621
1,1 0,8643 0,8665 0,8686 0,8708 0,8729 0,8749 0,8770 0,8790 0,8810 0,8830
1,2 0,8849 0,8869 0,8888 0,8907 0,8925 0,8944 0,8962 0,8980 0,8997 0,9015
1,3 0,9032 0,9049 0,9066 0,9082 0,9099 0,9115 0,9131 0,9147 0,9162 0,9177
1,4 0,9192 0,9207 0,9222 0,9236 0,9251 0,9265 0,9279 0,9292 0,9306 0,9319
1,5 0,9332 0,9345 0,9357 0,9370 0,9382 0,9394 0,9406 0,9418 0,9429 0,9441
1,6 0,9452 0,9463 0,9474 0,9484 0,9495 0,9505 0,9515 0,9525 0,9535 0,9545
1,7 0,9554 0,9564 0,9573 0,9582 0,9591 0,9599 0,9608 0,9616 0,9625 0,9633
1,8 0,9641 0,9649 0,9656 0,9664 0,9671 0,9678 0,9686 0,9693 0,9699 0,9706
1,9 0,9713 0,9719 0,9726 0,9732 0,9738 0,9744 0,9750 0,9756 0,9761 0,9767
2,0 0,9772 0,9778 0,9783 0,9788 0,9793 0,9798 0,9803 0,9808 0,9812 0,9817
2,1 0,9821 0,9826 0,9830 0,9834 0,9838 0,9842 0,9846 0,9850 0,9854 0,9857
2,2 0,9861 0,9864 0,9868 0,9871 0,9875 0,9878 0,9881 0,9884 0,9887 0,9890
2,3 0,9893 0,9896 0,9898 0,9901 0,9904 0,9906 0,9909 0,9911 0,9913 0,9916
2,4 0,9918 0,9920 0,9922 0,9925 0,9927 0,9929 0,9931 0,9932 0,9934 0,9936
2,5 0,9938 0,9940 0,9941 0,9943 0,9945 0,9946 0,9948 0,9949 0,9951 0,9952
2,6 0,9953 0,9955 0,9956 0,9957 0,9959 0,9960 0,9961 0,9962 0,9963 0,9964
2,7 0,9965 0,9966 0,9967 0,9968 0,9969 0,9970 0,9971 0,9972 0,9973 0,9974
2,8 0,9974 0,9975 0,9976 0,9977 0,9977 0,9978 0,9979 0,9979 0,9980 0,9981
2,9 0,9981 0,9982 0,9982 0,9983 0,9984 0,9984 0,9985 0,9985 0,9986 0,9986
3,0 0,9987 0,9987 0,9987 0,9988 0,9988 0,9989 0,9989 0,9989 0,9990 0,9990
3,1 0,9990 0,9991 0,9991 0,9991 0,9992 0,9992 0,9992 0,9992 0,9993 0,9993
3,2 0,9993 0,9993 0,9994 0,9994 0,9994 0,9994 0,9994 0,9995 0,9995 0,9995
3,3 0,9995 0,9995 0,9995 0,9996 0,9996 0,9996 0,9996 0,9996 0,9996 0,9997
3,4 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9998
3,5 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998
3,6 0,9998 0,9998 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999
3,7 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999
3,8 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999
3,9 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000
P(Z<z)

z 0,0 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0,0 0,5000 0,4960 0,4920 0,4880 0,4840 0,4801 0,4761 0,4721 0,4681 0,4641
-0,1 0,4602 0,4562 0,4522 0,4483 0,4443 0,4404 0,4364 0,4325 0,4286 0,4247
-0,2 0,4207 0,4168 0,4129 0,4090 0,4052 0,4013 0,3974 0,3936 0,3897 0,3859
-0,3 0,3821 0,3783 0,3745 0,3707 0,3669 0,3632 0,3594 0,3557 0,3520 0,3483
-0,4 0,3446 0,3409 0,3372 0,3336 0,3300 0,3264 0,3228 0,3192 0,3156 0,3121
-0,5 0,3085 0,3050 0,3015 0,2981 0,2946 0,2912 0,2877 0,2843 0,2810 0,2776
-0,6 0,2743 0,2709 0,2676 0,2643 0,2611 0,2578 0,2546 0,2514 0,2483 0,2451
-0,7 0,2420 0,2389 0,2358 0,2327 0,2296 0,2266 0,2236 0,2206 0,2177 0,2148
-0,8 0,2119 0,2090 0,2061 0,2033 0,2005 0,1977 0,1949 0,1922 0,1894 0,1867
-0,9 0,1841 0,1814 0,1788 0,1762 0,1736 0,1711 0,1685 0,1660 0,1635 0,1611
-1,0 0,1587 0,1562 0,1539 0,1515 0,1492 0,1469 0,1446 0,1423 0,1401 0,1379
-1,1 0,1357 0,1335 0,1314 0,1292 0,1271 0,1251 0,1230 0,1210 0,1190 0,1170
-1,2 0,1151 0,1131 0,1112 0,1093 0,1075 0,1056 0,1038 0,1020 0,1003 0,0985
-1,3 0,0968 0,0951 0,0934 0,0918 0,0901 0,0885 0,0869 0,0853 0,0838 0,0823
-1,4 0,0808 0,0793 0,0778 0,0764 0,0749 0,0735 0,0721 0,0708 0,0694 0,0681
-1,5 0,0668 0,0655 0,0643 0,0630 0,0618 0,0606 0,0594 0,0582 0,0571 0,0559
-1,6 0,0548 0,0537 0,0526 0,0516 0,0505 0,0495 0,0485 0,0475 0,0465 0,0455
-1,7 0,0446 0,0436 0,0427 0,0418 0,0409 0,0401 0,0392 0,0384 0,0375 0,0367
-1,8 0,0359 0,0351 0,0344 0,0336 0,0329 0,0322 0,0314 0,0307 0,0301 0,0294
-1,9 0,0287 0,0281 0,0274 0,0268 0,0262 0,0256 0,0250 0,0244 0,0239 0,0233
-2,0 0,0228 0,0222 0,0217 0,0212 0,0207 0,0202 0,0197 0,0192 0,0188 0,0183
-2,1 0,0179 0,0174 0,0170 0,0166 0,0162 0,0158 0,0154 0,0150 0,0146 0,0143
-2,2 0,0139 0,0136 0,0132 0,0129 0,0125 0,0122 0,0119 0,0116 0,0113 0,0110
-2,3 0,0107 0,0104 0,0102 0,0099 0,0096 0,0094 0,0091 0,0089 0,0087 0,0084
-2,4 0,0082 0,0080 0,0078 0,0075 0,0073 0,0071 0,0069 0,0068 0,0066 0,0064
-2,5 0,0062 0,0060 0,0059 0,0057 0,0055 0,0054 0,0052 0,0051 0,0049 0,0048
-2,6 0,0047 0,0045 0,0044 0,0043 0,0041 0,0040 0,0039 0,0038 0,0037 0,0036
-2,7 0,0035 0,0034 0,0033 0,0032 0,0031 0,0030 0,0029 0,0028 0,0027 0,0026
-2,8 0,0026 0,0025 0,0024 0,0023 0,0023 0,0022 0,0021 0,0021 0,0020 0,0019
-2,9 0,0019 0,0018 0,0018 0,0017 0,0016 0,0016 0,0015 0,0015 0,0014 0,0014
-3,0 0,0013 0,0013 0,0013 0,0012 0,0012 0,0011 0,0011 0,0011 0,0010 0,0010
-3,1 0,0010 0,0009 0,0009 0,0009 0,0008 0,0008 0,0008 0,0008 0,0007 0,0007
-3,2 0,0007 0,0007 0,0006 0,0006 0,0006 0,0006 0,0006 0,0005 0,0005 0,0005
-3,3 0,0005 0,0005 0,0005 0,0004 0,0004 0,0004 0,0004 0,0004 0,0004 0,0003
-3,4 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0002
-3,5 0,0002 0,0002 0,0002 0,0002 0,0002 0,0002 0,0002 0,0002 0,0002 0,0002
-3,6 0,0002 0,0002 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001
-3,7 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001
-3,8 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001
-3,9 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000











rea na cauda superior
gl 0,25 0,10 0,05 0,025 0,01 0,005 0,0025 0,001 0,0005
1 1,000 3,078 6,314 12,71 31,82 63,66 127,3 318,3 636,6
2 0,816 1,886 2,920 4,303 6,965 9,925 14,09 22,33 31,60
3 0,765 1,638 2,353 3,182 4,541 5,841 7,453 10,21 12,92
4 0,741 1,533 2,132 2,776 3,747 4,604 5,598 7,173 8,610
5 0,727 1,476 2,015 2,571 3,365 4,032 4,773 5,894 6,869
6 0,718 1,440 1,943 2,447 3,143 3,707 4,317 5,208 5,959
7 0,711 1,415 1,895 2,365 2,998 3,499 4,029 4,785 5,408
8 0,706 1,397 1,860 2,306 2,896 3,355 3,833 4,501 5,041
9 0,703 1,383 1,833 2,262 2,821 3,250 3,690 4,297 4,781
10 0,700 1,372 1,812 2,228 2,764 3,169 3,581 4,144 4,587
11 0,697 1,363 1,796 2,201 2,718 3,106 3,497 4,025 4,437
12 0,695 1,356 1,782 2,179 2,681 3,055 3,428 3,930 4,318
13 0,694 1,350 1,771 2,160 2,650 3,012 3,372 3,852 4,221
14 0,692 1,345 1,761 2,145 2,624 2,977 3,326 3,787 4,140
15 0,691 1,341 1,753 2,131 2,602 2,947 3,286 3,733 4,073
16 0,690 1,337 1,746 2,120 2,583 2,921 3,252 3,686 4,015
17 0,689 1,333 1,740 2,110 2,567 2,898 3,222 3,646 3,965
18 0,688 1,330 1,734 2,101 2,552 2,878 3,197 3,610 3,922
19 0,688 1,328 1,729 2,093 2,539 2,861 3,174 3,579 3,883
20 0,687 1,325 1,725 2,086 2,528 2,845 3,153 3,552 3,850
21 0,686 1,323 1,721 2,080 2,518 2,831 3,135 3,527 3,819
22 0,686 1,321 1,717 2,074 2,508 2,819 3,119 3,505 3,792
23 0,685 1,319 1,714 2,069 2,500 2,807 3,104 3,485 3,768
24 0,685 1,318 1,711 2,064 2,492 2,797 3,091 3,467 3,745
25 0,684 1,316 1,708 2,060 2,485 2,787 3,078 3,450 3,725
26 0,684 1,315 1,706 2,056 2,479 2,779 3,067 3,435 3,707
27 0,684 1,314 1,703 2,052 2,473 2,771 3,057 3,421 3,689
28 0,683 1,313 1,701 2,048 2,467 2,763 3,047 3,408 3,674
29 0,683 1,311 1,699 2,045 2,462 2,756 3,038 3,396 3,660
30 0,683 1,310 1,697 2,042 2,457 2,750 3,030 3,385 3,646
35 0,682 1,306 1,690 2,030 2,438 2,724 2,996 3,340 3,591
40 0,681 1,303 1,684 2,021 2,423 2,704 2,971 3,307 3,551
45 0,680 1,301 1,679 2,014 2,412 2,690 2,952 3,281 3,520
50 0,679 1,299 1,676 2,009 2,403 2,678 2,937 3,261 3,496
z 0,674 1,282 1,645 1,960 2,326 2,576 2,807 3,090 3,291
Nota: A coluna em destaque a mais usada.

Tabela 5 Distribuio t de Student

0 t
rea
indicada
(Valor tabulado)
BARBETTA, P. A. - Estatstica aplicada s Cincias Sociais. 7 ed.
Florianpolis: Editora da UFSC, 2010
Tabela 3 - Valores crticos (unilaterais esquerda) da distribuio Qui-Quadrado
P(
2
com n graus de liberdade valor tabelado) =
0,995 0,99 0,975 0,95 0,9 0,1 0,05 0,025 0,01 0,005
1 0,000 0,000 0,001 0,004 0,016 2,706 3,841 5,024 6,635 7,879
2 0,010 0,020 0,051 0,103 0,211 4,605 5,991 7,378 9,210 10,597
3 0,072 0,115 0,216 0,352 0,584 6,251 7,815 9,348 11,345 12,838
4 0,207 0,297 0,484 0,711 1,064 7,779 9,488 11,143 13,277 14,860
5 0,412 0,554 0,831 1,145 1,610 9,236 11,070 12,832 15,086 16,750
6 0,676 0,872 1,237 1,635 2,204 10,645 12,592 14,449 16,812 18,548
7 0,989 1,239 1,690 2,167 2,833 12,017 14,067 16,013 18,475 20,278
8 1,344 1,647 2,180 2,733 3,490 13,362 15,507 17,535 20,090 21,955
9 1,735 2,088 2,700 3,325 4,168 14,684 16,919 19,023 21,666 23,589
10 2,156 2,558 3,247 3,940 4,865 15,987 18,307 20,483 23,209 25,188
11 2,603 3,053 3,816 4,575 5,578 17,275 19,675 21,920 24,725 26,757
12 3,074 3,571 4,404 5,226 6,304 18,549 21,026 23,337 26,217 28,300
13 3,565 4,107 5,009 5,892 7,041 19,812 22,362 24,736 27,688 29,819
14 4,075 4,660 5,629 6,571 7,790 21,064 23,685 26,119 29,141 31,319
15 4,601 5,229 6,262 7,261 8,547 22,307 24,996 27,488 30,578 32,801
16 5,142 5,812 6,908 7,962 9,312 23,542 26,296 28,845 32,000 34,267
17 5,697 6,408 7,564 8,672 10,085 24,769 27,587 30,191 33,409 35,718
18 6,265 7,015 8,231 9,390 10,865 25,989 28,869 31,526 34,805 37,156
19 6,844 7,633 8,907 10,117 11,651 27,204 30,144 32,852 36,191 38,582
20 7,434 8,260 9,591 10,851 12,443 28,412 31,410 34,170 37,566 39,997
21 8,034 8,897 10,283 11,591 13,240 29,615 32,671 35,479 38,932 41,401
22 8,643 9,542 10,982 12,338 14,041 30,813 33,924 36,781 40,289 42,796
23 9,260 10,196 11,689 13,091 14,848 32,007 35,172 38,076 41,638 44,181
24 9,886 10,856 12,401 13,848 15,659 33,196 36,415 39,364 42,980 45,558
25 10,520 11,524 13,120 14,611 16,473 34,382 37,652 40,646 44,314 46,928
26 11,160 12,198 13,844 15,379 17,292 35,563 38,885 41,923 45,642 48,290
27 11,808 12,878 14,573 16,151 18,114 36,741 40,113 43,195 46,963 49,645
28 12,461 13,565 15,308 16,928 18,939 37,916 41,337 44,461 48,278 50,994
29 13,121 14,256 16,047 17,708 19,768 39,087 42,557 45,722 49,588 52,335
30 13,787 14,953 16,791 18,493 20,599 40,256 43,773 46,979 50,892 53,672
31 14,458 15,655 17,539 19,281 21,434 41,422 44,985 48,232 52,191 55,002
32 15,134 16,362 18,291 20,072 22,271 42,585 46,194 49,480 53,486 56,328
33 15,815 17,073 19,047 20,867 23,110 43,745 47,400 50,725 54,775 57,648
34 16,501 17,789 19,806 21,664 23,952 44,903 48,602 51,966 56,061 58,964
35 17,192 18,509 20,569 22,465 24,797 46,059 49,802 53,203 57,342 60,275
36 17,887 19,233 21,336 23,269 25,643 47,212 50,998 54,437 58,619 61,581
37 18,586 19,960 22,106 24,075 26,492 48,363 52,192 55,668 59,893 62,883
38 19,289 20,691 22,878 24,884 27,343 49,513 53,384 56,895 61,162 64,181
39 19,996 21,426 23,654 25,695 28,196 50,660 54,572 58,120 62,428 65,475
40 20,707 22,164 24,433 26,509 29,051 51,805 55,758 59,342 63,691 66,766
41 21,421 22,906 25,215 27,326 29,907 52,949 56,942 60,561 64,950 68,053
42 22,138 23,650 25,999 28,144 30,765 54,090 58,124 61,777 66,206 69,336
43 22,860 24,398 26,785 28,965 31,625 55,230 59,304 62,990 67,459 70,616
44 23,584 25,148 27,575 29,787 32,487 56,369 60,481 64,201 68,710 71,892
45 24,311 25,901 28,366 30,612 33,350 57,505 61,656 65,410 69,957 73,166
46 25,041 26,657 29,160 31,439 34,215 58,641 62,830 66,616 71,201 74,437
47 25,775 27,416 29,956 32,268 35,081 59,774 64,001 67,821 72,443 75,704
48 26,511 28,177 30,754 33,098 35,949 60,907 65,171 69,023 73,683 76,969
49 27,249 28,941 31,555 33,930 36,818 62,038 66,339 70,222 74,919 78,231
50 27,991 29,707 32,357 34,764 37,689 63,167 67,505 71,420 76,154 79,490
OBS.: (1) G.L. = Graus de Liberdade
(2) Para graus de liberdade que no esto na tabela, isto acima de 50,
use a aproximao:
( )
p
p z
k
2
2
1
2
2 1 = + , onde z
p
o valor
correspondente na normal padro.




Probabilidades da distribuio F de Snedecor valores de
p , v , v
2 1
F , onde ( )
p , v , v v , v
2 1 2 1
F F P p = ; % 10 p =
1
v
2
v
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 25 30 40 50 60 100 150 infinito
1 39,90 49,50 53,60 55,80 57,20 58,20 58,90 59,40 59,90 60,20 60,50 60,70 60,90 61,10 61,20 61,30 61,50 61,60 61,70 61,70 62,10 62,30 62,50 62,70 62,80 63,00 63,10 63,33
2 8,53 9,00 9,16 9,24 9,29 9,33 9,35 9,37 9,38 9,39 9,40 9,41 9,42 9,42 9,43 9,43 9,43 9,44 9,44 9,44 9,45 9,46 9,47 9,47 9,48 9,48 9,49 9,49
3 5,54 5,46 5,39 5,34 5,31 5,29 5,27 5,25 5,24 5,23 5,22 5,22 5,21 5,21 5,20 5,20 5,19 5,19 5,19 5,18 5,18 5,17 5,16 5,16 5,15 5,14 5,14 5,13
4 4,55 4,33 4,19 4,11 4,05 4,01 3,98 3,96 3,94 3,92 3,91 3,90 3,89 3,88 3,87 3,86 3,86 3,85 3,85 3,84 3,83 3,82 3,80 3,80 3,79 3,78 3,77 3,76
5 4,06 3,78 3,62 3,52 3,45 3,41 3,37 3,34 3,32 3,30 3,28 3,27 3,26 3,25 3,24 3,23 3,22 3,22 3,21 3,21 3,19 3,17 3,16 3,15 3,14 3,13 3,12 3,11
6 3,78 3,46 3,29 3,18 3,11 3,06 3,01 2,98 2,96 2,94 2,92 2,91 2,89 2,88 2,87 2,86 2,86 2,85 2,84 2,84 2,82 2,80 2,78 2,77 2,76 2,75 2,74 2,72
7 3,59 3,26 3,07 2,96 2,88 2,83 2,79 2,75 2,73 2,70 2,68 2,67 2,65 2,64 2,63 2,62 2,62 2,61 2,60 2,60 2,57 2,56 2,54 2,52 2,51 2,50 2,49 2,47
8 3,46 3,11 2,92 2,81 2,73 2,67 2,62 2,59 2,56 2,54 2,52 2,50 2,49 2,48 2,46 2,45 2,45 2,44 2,43 2,43 2,40 2,38 2,36 2,35 2,34 2,32 2,31 2,29
9 3,36 3,01 2,81 2,69 2,61 2,55 2,51 2,47 2,44 2,42 2,40 2,38 2,36 2,35 2,34 2,33 2,32 2,31 2,31 2,30 2,27 2,26 2,23 2,22 2,21 2,19 2,18 2,16
10 3,29 2,92 2,73 2,61 2,52 2,46 2,41 2,38 2,35 2,32 2,30 2,28 2,27 2,26 2,24 2,23 2,22 2,22 2,21 2,20 2,17 2,16 2,13 2,12 2,11 2,09 2,08 2,06
11 3,23 2,86 2,66 2,54 2,45 2,39 2,34 2,30 2,27 2,25 2,23 2,21 2,19 2,18 2,17 2,16 2,15 2,14 2,13 2,12 2,10 2,08 2,05 2,04 2,03 2,01 1,99 1,97
12 3,18 2,81 2,61 2,48 2,39 2,33 2,28 2,25 2,21 2,19 2,17 2,15 2,13 2,12 2,11 2,09 2,08 2,08 2,07 2,06 2,03 2,01 1,99 1,97 1,96 1,94 1,93 1,90
13 3,14 2,76 2,56 2,43 2,35 2,28 2,23 2,20 2,16 2,14 2,12 2,10 2,08 2,07 2,05 2,04 2,03 2,02 2,01 2,01 1,98 1,96 1,93 1,92 1,90 1,88 1,87 1,85
14 3,10 2,73 2,52 2,40 2,31 2,24 2,19 2,15 2,12 2,10 2,07 2,05 2,04 2,02 2,01 2,00 1,99 1,98 1,97 1,96 1,93 1,91 1,89 1,87 1,86 1,83 1,82 1,80
15 3,07 2,70 2,49 2,36 2,27 2,21 2,16 2,12 2,09 2,06 2,04 2,02 2,00 1,99 1,97 1,96 1,95 1,94 1,93 1,92 1,89 1,87 1,85 1,83 1,82 1,79 1,78 1,76
16 3,05 2,67 2,46 2,33 2,24 2,18 2,13 2,09 2,06 2,03 2,01 1,99 1,97 1,95 1,94 1,93 1,92 1,91 1,90 1,89 1,86 1,84 1,81 1,79 1,78 1,76 1,74 1,72
17 3,03 2,65 2,44 2,31 2,22 2,15 2,10 2,06 2,03 2,00 1,98 1,96 1,94 1,93 1,91 1,90 1,89 1,88 1,87 1,86 1,83 1,81 1,78 1,76 1,75 1,73 1,71 1,69
18 3,01 2,62 2,42 2,29 2,20 2,13 2,08 2,04 2,01 1,98 1,95 1,93 1,92 1,90 1,89 1,88 1,86 1,85 1,85 1,84 1,81 1,78 1,75 1,74 1,72 1,70 1,68 1,66
19 2,99 2,61 2,40 2,27 2,18 2,11 2,06 2,02 1,98 1,96 1,93 1,91 1,89 1,88 1,87 1,85 1,84 1,83 1,82 1,81 1,78 1,76 1,73 1,71 1,70 1,67 1,66 1,63
20 2,98 2,59 2,38 2,25 2,16 2,09 2,04 2,00 1,97 1,94 1,91 1,89 1,88 1,86 1,85 1,83 1,82 1,81 1,80 1,79 1,76 1,74 1,71 1,69 1,68 1,65 1,64 1,61
25 2,92 2,53 2,32 2,18 2,09 2,02 1,97 1,93 1,90 1,87 1,84 1,82 1,80 1,79 1,77 1,76 1,75 1,74 1,73 1,72 1,68 1,66 1,63 1,61 1,59 1,57 1,55 1,52
30 2,88 2,49 2,28 2,14 2,05 1,98 1,93 1,88 1,85 1,82 1,79 1,77 1,75 1,74 1,72 1,71 1,70 1,69 1,68 1,67 1,63 1,61 1,57 1,55 1,54 1,51 1,49 1,46
40 2,84 2,44 2,23 2,09 2,00 1,93 1,87 1,83 1,79 1,76 1,74 1,72 1,70 1,68 1,66 1,65 1,64 1,63 1,62 1,61 1,57 1,54 1,51 1,48 1,47 1,43 1,42 1,38
50 2,81 2,41 2,20 2,06 1,97 1,90 1,84 1,80 1,76 1,73 1,70 1,68 1,66 1,64 1,63 1,61 1,60 1,59 1,58 1,57 1,53 1,50 1,47 1,44 1,42 1,39 1,37 1,33
60 2,79 2,39 2,18 2,04 1,95 1,88 1,82 1,78 1,74 1,71 1,68 1,66 1,64 1,62 1,60 1,59 1,58 1,56 1,55 1,54 1,50 1,48 1,44 1,41 1,40 1,36 1,34 1,29
100 2,76 2,36 2,14 2,00 1,91 1,83 1,78 1,73 1,70 1,66 1,64 1,61 1,59 1,57 1,56 1,54 1,53 1,52 1,51 1,49 1,45 1,42 1,38 1,36 1,34 1,29 1,27 1,21
150 2,74 2,34 2,12 1,98 1,89 1,81 1,76 1,71 1,67 1,64 1,61 1,59 1,57 1,55 1,53 1,52 1,50 1,49 1,48 1,47 1,43 1,40 1,35 1,33 1,31 1,26 1,23 1,17
infinito 2,71 2,30 2,08 1,95 1,85 1,77 1,72 1,67 1,63 1,60 1,57 1,55 1,52 1,51 1,49 1,47 1,46 1,44 1,43 1,42 1,38 1,34 1,30 1,26 1,24 1,19 1,15 1,00



Probabilidades da distribuio F de Snedecor valores de
p , v , v
2 1
F , onde ( )
p , v , v v , v
2 1 2 1
F F P p = ; % 5 p =
1
v
2
v
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 25 30 40 50 60 100 150 infinito
1 161,40 199,50 215,70 224,60 230,20 234,00 236,80 238,90 240,50 241,90 243,00 243,90 244,70 245,40 245,90 246,50 246,90 247,30 247,70 248,00 249,30 250,10 251,10 251,80 252,20 253,00 253,50 254,31
2 18,51 19,00 19,16 19,25 19,30 19,33 19,35 19,37 19,39 19,40 19,41 19,41 19,42 19,42 19,43 19,43 19,44 19,44 19,44 19,45 19,46 19,46 19,47 19,48 19,48 19,49 19,49 19,50
3 10,13 9,55 9,28 9,12 9,01 8,94 8,89 8,85 8,81 8,79 8,76 8,75 8,73 8,72 8,70 8,69 8,68 8,68 8,67 8,66 8,63 8,62 8,59 8,58 8,57 8,55 8,55 8,53
4 7,71 6,94 6,59 6,39 6,26 6,16 6,09 6,04 6,00 5,96 5,94 5,91 5,89 5,87 5,86 5,84 5,83 5,82 5,81 5,80 5,77 5,75 5,72 5,70 5,69 5,66 5,65 5,63
5 6,61 5,79 5,41 5,19 5,05 4,95 4,88 4,82 4,77 4,74 4,70 4,68 4,66 4,64 4,62 4,60 4,59 4,58 4,57 4,56 4,52 4,50 4,46 4,44 4,43 4,41 4,39 4,37
6 5,99 5,14 4,76 4,53 4,39 4,28 4,21 4,15 4,10 4,06 4,03 4,00 3,98 3,96 3,94 3,92 3,91 3,90 3,88 3,87 3,84 3,81 3,77 3,75 3,74 3,71 3,70 3,67
7 5,59 4,74 4,35 4,12 3,97 3,87 3,79 3,73 3,68 3,64 3,60 3,58 3,55 3,53 3,51 3,49 3,48 3,47 3,46 3,45 3,40 3,38 3,34 3,32 3,30 3,28 3,26 3,23
8 5,32 4,46 4,07 3,84 3,69 3,58 3,50 3,44 3,39 3,35 3,31 3,28 3,26 3,24 3,22 3,20 3,19 3,17 3,16 3,15 3,11 3,08 3,04 3,02 3,01 2,98 2,96 2,93
9 5,12 4,26 3,86 3,63 3,48 3,37 3,29 3,23 3,18 3,14 3,10 3,07 3,05 3,03 3,01 2,99 2,97 2,96 2,95 2,94 2,89 2,86 2,83 2,80 2,79 2,76 2,74 2,71
10 4,97 4,10 3,71 3,48 3,33 3,22 3,14 3,07 3,02 2,98 2,94 2,91 2,89 2,87 2,85 2,83 2,81 2,80 2,79 2,77 2,73 2,70 2,66 2,64 2,62 2,59 2,57 2,54
11 4,84 3,98 3,59 3,36 3,20 3,10 3,01 2,95 2,90 2,85 2,82 2,79 2,76 2,74 2,72 2,70 2,69 2,67 2,66 2,65 2,60 2,57 2,53 2,51 2,49 2,46 2,44 2,40
12 4,75 3,89 3,49 3,26 3,11 3,00 2,91 2,85 2,80 2,75 2,72 2,69 2,66 2,64 2,62 2,60 2,58 2,57 2,56 2,54 2,50 2,47 2,43 2,40 2,38 2,35 2,33 2,30
13 4,67 3,81 3,41 3,18 3,03 2,92 2,83 2,77 2,71 2,67 2,64 2,60 2,58 2,55 2,53 2,52 2,50 2,48 2,47 2,46 2,41 2,38 2,34 2,31 2,30 2,26 2,24 2,21
14 4,60 3,74 3,34 3,11 2,96 2,85 2,76 2,70 2,65 2,60 2,57 2,53 2,51 2,48 2,46 2,45 2,43 2,41 2,40 2,39 2,34 2,31 2,27 2,24 2,22 2,19 2,17 2,13
15 4,54 3,68 3,29 3,06 2,90 2,79 2,71 2,64 2,59 2,54 2,51 2,48 2,45 2,42 2,40 2,39 2,37 2,35 2,34 2,33 2,28 2,25 2,20 2,18 2,16 2,12 2,11 2,07
16 4,49 3,63 3,24 3,01 2,85 2,74 2,66 2,59 2,54 2,49 2,46 2,43 2,40 2,37 2,35 2,33 2,32 2,30 2,29 2,28 2,23 2,19 2,15 2,12 2,11 2,07 2,05 2,01
17 4,45 3,59 3,20 2,97 2,81 2,70 2,61 2,55 2,49 2,45 2,41 2,38 2,35 2,33 2,31 2,29 2,27 2,26 2,24 2,23 2,18 2,15 2,10 2,08 2,06 2,02 2,00 1,96
18 4,41 3,56 3,16 2,93 2,77 2,66 2,58 2,51 2,46 2,41 2,37 2,34 2,31 2,29 2,27 2,25 2,23 2,22 2,20 2,19 2,14 2,11 2,06 2,04 2,02 1,98 1,96 1,92
19 4,38 3,52 3,13 2,90 2,74 2,63 2,54 2,48 2,42 2,38 2,34 2,31 2,28 2,26 2,23 2,22 2,20 2,18 2,17 2,16 2,11 2,07 2,03 2,00 1,98 1,94 1,92 1,88
20 4,35 3,49 3,10 2,87 2,71 2,60 2,51 2,45 2,39 2,35 2,31 2,28 2,25 2,23 2,20 2,18 2,17 2,15 2,14 2,12 2,07 2,04 1,99 1,97 1,95 1,91 1,89 1,84
25 4,24 3,39 2,99 2,76 2,60 2,49 2,41 2,34 2,28 2,24 2,20 2,17 2,14 2,11 2,09 2,07 2,05 2,04 2,02 2,01 1,96 1,92 1,87 1,84 1,82 1,78 1,76 1,71
30 4,17 3,32 2,92 2,69 2,53 2,42 2,33 2,27 2,21 2,17 2,13 2,09 2,06 2,04 2,02 2,00 1,98 1,96 1,95 1,93 1,88 1,84 1,79 1,76 1,74 1,70 1,67 1,62
40 4,09 3,23 2,84 2,61 2,45 2,34 2,25 2,18 2,12 2,08 2,04 2,00 1,97 1,95 1,92 1,90 1,89 1,87 1,85 1,84 1,78 1,74 1,69 1,66 1,64 1,59 1,56 1,51
50 4,03 3,18 2,79 2,56 2,40 2,29 2,20 2,13 2,07 2,03 1,99 1,95 1,92 1,90 1,87 1,85 1,83 1,81 1,80 1,78 1,73 1,69 1,63 1,60 1,58 1,53 1,50 1,44
60 4,00 3,15 2,76 2,53 2,37 2,25 2,17 2,10 2,04 1,99 1,95 1,92 1,89 1,86 1,84 1,82 1,80 1,78 1,76 1,75 1,69 1,65 1,59 1,56 1,53 1,48 1,45 1,39
100 3,94 3,09 2,70 2,46 2,31 2,19 2,10 2,03 1,98 1,93 1,89 1,85 1,82 1,79 1,77 1,75 1,73 1,71 1,69 1,68 1,62 1,57 1,52 1,48 1,45 1,39 1,36 1,28
150 3,90 3,06 2,67 2,43 2,27 2,16 2,07 2,00 1,94 1,89 1,85 1,82 1,79 1,76 1,73 1,71 1,69 1,67 1,66 1,64 1,58 1,54 1,48 1,44 1,41 1,35 1,31 1,22
infinito 3,84 3,00 2,61 2,37 2,21 2,10 2,01 1,94 1,88 1,83 1,79 1,75 1,72 1,69 1,67 1,64 1,62 1,60 1,59 1,57 1,51 1,46 1,39 1,35 1,32 1,24 1,20 1,00



Probabilidades da distribuio F de Snedecor valores de
p , v , v
2 1
F , onde ( )
p , v , v v , v
2 1 2 1
F F P p = ; % 5 , 2 p =
1
v
2
v
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 25 30 40 50 60 100 150 infinito
1 647,8 799,5 864,2 899,6 921,8 937,1 948,2 956,6 963,3 968,6 973,0 976,7 979,8 982,5 984,9 986,9 988,7 990,3 991,8 993,1 998,1 1001,4 1005,6 1008,1 1009,8 1013,2 1014,9 1018,3
2 38,51 39,00 39,17 39,25 39,30 39,33 39,36 39,37 39,39 39,40 39,41 39,42 39,42 39,43 39,43 39,44 39,44 39,44 39,45 39,45 39,46 39,47 39,47 39,48 39,48 39,49 39,49 39,50
3 17,44 16,04 15,44 15,10 14,89 14,74 14,62 14,54 14,47 14,42 14,37 14,34 14,31 14,28 14,25 14,23 14,21 14,20 14,18 14,17 14,12 14,08 14,04 14,01 13,99 13,96 13,94 13,90
4 12,22 10,65 9,98 9,60 9,36 9,20 9,07 8,98 8,91 8,84 8,79 8,75 8,72 8,68 8,66 8,63 8,61 8,59 8,58 8,56 8,50 8,46 8,41 8,38 8,36 8,32 8,30 8,26
5 10,01 8,43 7,76 7,39 7,15 6,98 6,85 6,76 6,68 6,62 6,57 6,53 6,49 6,46 6,43 6,40 6,38 6,36 6,34 6,33 6,27 6,23 6,18 6,14 6,12 6,08 6,06 6,02
6 8,81 7,26 6,60 6,23 5,99 5,82 5,70 5,60 5,52 5,46 5,41 5,37 5,33 5,30 5,27 5,24 5,22 5,20 5,18 5,17 5,11 5,07 5,01 4,98 4,96 4,92 4,89 4,85
7 8,07 6,54 5,89 5,52 5,29 5,12 5,00 4,90 4,82 4,76 4,71 4,67 4,63 4,60 4,57 4,54 4,52 4,50 4,48 4,47 4,41 4,36 4,31 4,28 4,25 4,21 4,19 4,14
8 7,57 6,06 5,42 5,05 4,82 4,65 4,53 4,43 4,36 4,30 4,24 4,20 4,16 4,13 4,10 4,08 4,05 4,03 4,02 4,00 3,94 3,89 3,84 3,81 3,78 3,74 3,72 3,67
9 7,21 5,72 5,08 4,72 4,48 4,32 4,20 4,10 4,03 3,96 3,91 3,87 3,83 3,80 3,77 3,74 3,72 3,70 3,68 3,67 3,60 3,56 3,51 3,47 3,45 3,40 3,38 3,33
10 6,94 5,46 4,83 4,47 4,24 4,07 3,95 3,86 3,78 3,72 3,67 3,62 3,58 3,55 3,52 3,50 3,47 3,45 3,44 3,42 3,36 3,31 3,26 3,22 3,20 3,15 3,13 3,08
11 6,72 5,26 4,63 4,28 4,04 3,88 3,76 3,66 3,59 3,53 3,47 3,43 3,39 3,36 3,33 3,30 3,28 3,26 3,24 3,23 3,16 3,12 3,06 3,03 3,00 2,96 2,93 2,88
12 6,55 5,10 4,47 4,12 3,89 3,73 3,61 3,51 3,44 3,37 3,32 3,28 3,24 3,21 3,18 3,15 3,13 3,11 3,09 3,07 3,01 2,96 2,91 2,87 2,85 2,80 2,78 2,73
13 6,41 4,97 4,35 4,00 3,77 3,60 3,48 3,39 3,31 3,25 3,20 3,15 3,12 3,08 3,05 3,03 3,00 2,98 2,97 2,95 2,88 2,84 2,78 2,74 2,72 2,67 2,65 2,60
14 6,30 4,86 4,24 3,89 3,66 3,50 3,38 3,29 3,21 3,15 3,10 3,05 3,01 2,98 2,95 2,92 2,90 2,88 2,86 2,84 2,78 2,73 2,67 2,64 2,61 2,57 2,54 2,49
15 6,20 4,77 4,15 3,80 3,58 3,42 3,29 3,20 3,12 3,06 3,01 2,96 2,93 2,89 2,86 2,84 2,81 2,79 2,77 2,76 2,69 2,64 2,59 2,55 2,52 2,47 2,45 2,40
16 6,12 4,69 4,08 3,73 3,50 3,34 3,22 3,13 3,05 2,99 2,93 2,89 2,85 2,82 2,79 2,76 2,74 2,72 2,70 2,68 2,61 2,57 2,51 2,47 2,45 2,40 2,37 2,32
17 6,04 4,62 4,01 3,67 3,44 3,28 3,16 3,06 2,99 2,92 2,87 2,83 2,79 2,75 2,72 2,70 2,67 2,65 2,63 2,62 2,55 2,50 2,44 2,41 2,38 2,33 2,30 2,25
18 5,98 4,56 3,95 3,61 3,38 3,22 3,10 3,01 2,93 2,87 2,81 2,77 2,73 2,70 2,67 2,64 2,62 2,60 2,58 2,56 2,49 2,45 2,38 2,35 2,32 2,27 2,24 2,19
19 5,92 4,51 3,90 3,56 3,33 3,17 3,05 2,96 2,88 2,82 2,77 2,72 2,68 2,65 2,62 2,59 2,57 2,55 2,53 2,51 2,44 2,39 2,33 2,30 2,27 2,22 2,19 2,13
20 5,87 4,46 3,86 3,52 3,29 3,13 3,01 2,91 2,84 2,77 2,72 2,68 2,64 2,60 2,57 2,55 2,52 2,50 2,48 2,46 2,40 2,35 2,29 2,25 2,22 2,17 2,14 2,09
25 5,69 4,29 3,69 3,35 3,13 2,97 2,85 2,75 2,68 2,61 2,56 2,52 2,48 2,44 2,41 2,38 2,36 2,34 2,32 2,30 2,23 2,18 2,12 2,08 2,05 2,00 1,97 1,91
30 5,57 4,18 3,59 3,25 3,03 2,87 2,75 2,65 2,58 2,51 2,46 2,41 2,37 2,34 2,31 2,28 2,26 2,23 2,21 2,20 2,12 2,07 2,01 1,97 1,94 1,88 1,85 1,79
40 5,42 4,05 3,46 3,13 2,90 2,74 2,62 2,53 2,45 2,39 2,33 2,29 2,25 2,21 2,18 2,15 2,13 2,11 2,09 2,07 1,99 1,94 1,88 1,83 1,80 1,74 1,71 1,64
50 5,34 3,98 3,39 3,05 2,83 2,67 2,55 2,46 2,38 2,32 2,26 2,22 2,18 2,14 2,11 2,08 2,06 2,03 2,01 1,99 1,92 1,87 1,80 1,75 1,72 1,66 1,62 1,55
60 5,29 3,93 3,34 3,01 2,79 2,63 2,51 2,41 2,33 2,27 2,22 2,17 2,13 2,09 2,06 2,03 2,01 1,99 1,96 1,94 1,87 1,82 1,74 1,70 1,67 1,60 1,56 1,48
100 5,18 3,83 3,25 2,92 2,70 2,54 2,42 2,32 2,24 2,18 2,12 2,08 2,04 2,00 1,97 1,94 1,91 1,89 1,87 1,85 1,77 1,72 1,64 1,59 1,56 1,48 1,44 1,35
150 5,13 3,78 3,20 2,87 2,65 2,49 2,37 2,28 2,20 2,14 2,08 2,03 1,99 1,96 1,92 1,89 1,87 1,84 1,82 1,80 1,72 1,67 1,59 1,54 1,50 1,42 1,38 1,27
infinito 5,02 3,69 3,12 2,79 2,57 2,41 2,29 2,19 2,11 2,05 1,99 1,95 1,90 1,87 1,83 1,80 1,78 1,75 1,73 1,71 1,63 1,57 1,48 1,43 1,39 1,30 1,24 1,00



Probabilidades da distribuio F de Snedecor valores de
p , v , v
2 1
F , onde ( )
p , v , v v , v
2 1 2 1
F F P p = ; % 1 p =
1
v
2
v
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 25 30 40 50 60 100 150 infinito
1 4052 4999 5404 5624 5764 5859 5928 5981 6022 6056 6083 6107 6126 6143 6157 6170 6181 6191 6201 6209 6240 6260 6286 6302 6313 6334 6345 6366
2 98,50 99,00 99,16 99,25 99,30 99,33 99,36 99,38 99,39 99,40 99,41 99,42 99,42 99,43 99,43 99,44 99,44 99,44 99,45 99,45 99,46 99,47 99,48 99,48 99,48 99,49 99,49 99,50
3 34,12 30,82 29,46 28,71 28,24 27,91 27,67 27,49 27,35 27,23 27,13 27,05 26,98 26,92 26,87 26,83 26,79 26,75 26,72 26,69 26,58 26,50 26,41 26,35 26,32 26,24 26,20 26,13
4 21,20 18,00 16,69 15,98 15,52 15,21 14,98 14,80 14,66 14,55 14,45 14,37 14,31 14,25 14,20 14,15 14,11 14,08 14,05 14,02 13,91 13,84 13,75 13,69 13,65 13,58 13,54 13,46
5 16,26 13,27 12,06 11,39 10,97 10,67 10,46 10,29 10,16 10,05 9,96 9,89 9,83 9,77 9,72 9,68 9,64 9,61 9,58 9,55 9,45 9,38 9,29 9,24 9,20 9,13 9,09 9,02
6 13,75 10,93 9,78 9,15 8,75 8,47 8,26 8,10 7,98 7,87 7,79 7,72 7,66 7,61 7,56 7,52 7,48 7,45 7,42 7,40 7,30 7,23 7,14 7,09 7,06 6,99 6,95 6,88
7 12,25 9,55 8,45 7,85 7,46 7,19 6,99 6,84 6,72 6,62 6,54 6,47 6,41 6,36 6,31 6,28 6,24 6,21 6,18 6,16 6,06 5,99 5,91 5,86 5,82 5,76 5,72 5,65
8 11,26 8,65 7,59 7,01 6,63 6,37 6,18 6,03 5,91 5,81 5,73 5,67 5,61 5,56 5,52 5,48 5,44 5,41 5,38 5,36 5,26 5,20 5,12 5,07 5,03 4,96 4,93 4,86
9 10,56 8,02 6,99 6,42 6,06 5,80 5,61 5,47 5,35 5,26 5,18 5,11 5,06 5,01 4,96 4,92 4,89 4,86 4,83 4,81 4,71 4,65 4,57 4,52 4,48 4,42 4,38 4,31
10 10,04 7,56 6,55 5,99 5,64 5,39 5,20 5,06 4,94 4,85 4,77 4,71 4,65 4,60 4,56 4,52 4,49 4,46 4,43 4,41 4,31 4,25 4,17 4,12 4,08 4,01 3,98 3,91
11 9,65 7,21 6,22 5,67 5,32 5,07 4,89 4,74 4,63 4,54 4,46 4,40 4,34 4,29 4,25 4,21 4,18 4,15 4,12 4,10 4,01 3,94 3,86 3,81 3,78 3,71 3,67 3,60
12 9,33 6,93 5,95 5,41 5,06 4,82 4,64 4,50 4,39 4,30 4,22 4,16 4,10 4,05 4,01 3,97 3,94 3,91 3,88 3,86 3,77 3,70 3,62 3,57 3,54 3,47 3,43 3,36
13 9,07 6,70 5,74 5,21 4,86 4,62 4,44 4,30 4,19 4,10 4,03 3,96 3,91 3,86 3,82 3,78 3,75 3,72 3,69 3,67 3,57 3,51 3,43 3,38 3,34 3,27 3,24 3,17
14 8,86 6,52 5,56 5,04 4,70 4,46 4,28 4,14 4,03 3,94 3,86 3,80 3,75 3,70 3,66 3,62 3,59 3,56 3,53 3,51 3,41 3,35 3,27 3,22 3,18 3,11 3,08 3,00
15 8,68 6,36 5,42 4,89 4,56 4,32 4,14 4,00 3,90 3,81 3,73 3,67 3,61 3,56 3,52 3,49 3,45 3,42 3,40 3,37 3,28 3,21 3,13 3,08 3,05 2,98 2,94 2,87
16 8,53 6,23 5,29 4,77 4,44 4,20 4,03 3,89 3,78 3,69 3,62 3,55 3,50 3,45 3,41 3,37 3,34 3,31 3,28 3,26 3,17 3,10 3,02 2,97 2,93 2,86 2,83 2,75
17 8,40 6,11 5,19 4,67 4,34 4,10 3,93 3,79 3,68 3,59 3,52 3,46 3,40 3,35 3,31 3,28 3,24 3,21 3,19 3,16 3,07 3,00 2,92 2,87 2,84 2,76 2,73 2,65
18 8,29 6,01 5,09 4,58 4,25 4,02 3,84 3,71 3,60 3,51 3,43 3,37 3,32 3,27 3,23 3,19 3,16 3,13 3,10 3,08 2,98 2,92 2,84 2,78 2,75 2,68 2,64 2,57
19 8,19 5,93 5,01 4,50 4,17 3,94 3,77 3,63 3,52 3,43 3,36 3,30 3,24 3,20 3,15 3,12 3,08 3,05 3,03 3,00 2,91 2,84 2,76 2,71 2,67 2,60 2,57 2,49
20 8,10 5,85 4,94 4,43 4,10 3,87 3,70 3,56 3,46 3,37 3,29 3,23 3,18 3,13 3,09 3,05 3,02 2,99 2,96 2,94 2,84 2,78 2,70 2,64 2,61 2,54 2,50 2,42
25 7,77 5,57 4,68 4,18 3,86 3,63 3,46 3,32 3,22 3,13 3,06 2,99 2,94 2,89 2,85 2,81 2,78 2,75 2,72 2,70 2,60 2,54 2,45 2,40 2,36 2,29 2,25 2,17
30 7,56 5,39 4,51 4,02 3,70 3,47 3,31 3,17 3,07 2,98 2,91 2,84 2,79 2,74 2,70 2,66 2,63 2,60 2,57 2,55 2,45 2,39 2,30 2,25 2,21 2,13 2,09 2,01
40 7,31 5,18 4,31 3,83 3,51 3,29 3,12 2,99 2,89 2,80 2,73 2,67 2,61 2,56 2,52 2,48 2,45 2,42 2,39 2,37 2,27 2,20 2,11 2,06 2,02 1,94 1,90 1,81
50 7,17 5,06 4,20 3,72 3,41 3,19 3,02 2,89 2,79 2,70 2,63 2,56 2,51 2,46 2,42 2,38 2,35 2,32 2,29 2,27 2,17 2,10 2,01 1,95 1,91 1,83 1,78 1,68
60 7,08 4,98 4,13 3,65 3,34 3,12 2,95 2,82 2,72 2,63 2,56 2,50 2,44 2,39 2,35 2,32 2,28 2,25 2,22 2,20 2,10 2,03 1,94 1,88 1,84 1,75 1,70 1,60
100 6,90 4,82 3,98 3,51 3,21 2,99 2,82 2,69 2,59 2,50 2,43 2,37 2,31 2,27 2,22 2,19 2,15 2,12 2,09 2,07 1,97 1,89 1,80 1,74 1,69 1,60 1,55 1,43
150 6,81 4,75 3,92 3,45 3,14 2,92 2,76 2,63 2,53 2,44 2,37 2,31 2,25 2,20 2,16 2,12 2,09 2,06 2,03 2,00 1,90 1,83 1,73 1,67 1,62 1,52 1,47 1,33
infinito 6,64 4,61 3,78 3,32 3,02 2,80 2,64 2,51 2,41 2,32 2,25 2,19 2,13 2,08 2,04 2,00 1,97 1,93 1,91 1,88 1,77 1,70 1,59 1,52 1,47 1,36 1,29 1,00



Probabilidades da distribuio F de Snedecor valores de
p , v , v
2 1
F , onde ( )
p , v , v v , v
2 1 2 1
F F P p = ; % 5 , 0 p =
1
v
2
v
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 25 30 40 50 60 100 150 infinito
1 16213 19997 21614 22501 23056 23440 23715 23924 24092 24222 24334 24427 24505 24572 24632 24684 24729 24766 24803 24837 24959 25041 25146 25213 25254 25339 25377 25464
2 198,5 199,0 199,2 199,2 199,3 199,3 199,4 199,4 199,4 199,4 199,4 199,4 199,4 199,4 199,4 199,4 199,4 199,4 199,4 199,4 199,4 199,5 199,5 199,5 199,5 199,5 199,5 199,5
3 55,55 49,80 47,47 46,20 45,39 44,84 44,43 44,13 43,88 43,69 43,53 43,39 43,27 43,17 43,09 43,01 42,94 42,88 42,83 42,78 42,59 42,47 42,31 42,21 42,15 42,02 41,96 41,83
4 31,33 26,28 24,26 23,15 22,46 21,98 21,62 21,35 21,14 20,97 20,82 20,71 20,60 20,52 20,44 20,37 20,31 20,26 20,21 20,17 20,00 19,89 19,75 19,67 19,61 19,50 19,44 19,33
5 22,79 18,31 16,53 15,56 14,94 14,51 14,20 13,96 13,77 13,62 13,49 13,39 13,29 13,22 13,15 13,09 13,03 12,99 12,94 12,90 12,76 12,66 12,53 12,45 12,40 12,30 12,25 12,14
6 18,64 14,54 12,92 12,03 11,46 11,07 10,79 10,57 10,39 10,25 10,13 10,03 9,95 9,88 9,81 9,76 9,71 9,66 9,63 9,59 9,45 9,36 9,24 9,17 9,12 9,03 8,98 8,88
7 16,24 12,40 10,88 10,05 9,52 9,16 8,89 8,68 8,51 8,38 8,27 8,18 8,10 8,03 7,97 7,92 7,87 7,83 7,79 7,75 7,62 7,53 7,42 7,35 7,31 7,22 7,17 7,08
8 14,69 11,04 9,60 8,81 8,30 7,95 7,69 7,50 7,34 7,21 7,11 7,02 6,94 6,87 6,81 6,76 6,72 6,68 6,64 6,61 6,48 6,40 6,29 6,22 6,18 6,09 6,04 5,95
9 13,61 10,11 8,72 7,96 7,47 7,13 6,89 6,69 6,54 6,42 6,31 6,23 6,15 6,09 6,03 5,98 5,94 5,90 5,86 5,83 5,71 5,63 5,52 5,45 5,41 5,32 5,28 5,19
10 12,83 9,43 8,08 7,34 6,87 6,55 6,30 6,12 5,97 5,85 5,75 5,66 5,59 5,53 5,47 5,42 5,38 5,34 5,31 5,27 5,15 5,07 4,97 4,90 4,86 4,77 4,73 4,64
11 12,23 8,91 7,60 6,88 6,42 6,10 5,87 5,68 5,54 5,42 5,32 5,24 5,17 5,10 5,05 5,00 4,96 4,92 4,89 4,86 4,74 4,65 4,55 4,49 4,45 4,36 4,32 4,23
12 11,75 8,51 7,23 6,52 6,07 5,76 5,52 5,35 5,20 5,09 4,99 4,91 4,84 4,78 4,72 4,67 4,63 4,60 4,56 4,53 4,41 4,33 4,23 4,17 4,12 4,04 3,99 3,90
13 11,37 8,19 6,93 6,23 5,79 5,48 5,25 5,08 4,94 4,82 4,72 4,64 4,57 4,51 4,46 4,41 4,37 4,33 4,30 4,27 4,15 4,07 3,97 3,91 3,87 3,78 3,74 3,65
14 11,06 7,92 6,68 6,00 5,56 5,26 5,03 4,86 4,72 4,60 4,51 4,43 4,36 4,30 4,25 4,20 4,16 4,12 4,09 4,06 3,94 3,86 3,76 3,70 3,66 3,57 3,53 3,44
15 10,80 7,70 6,48 5,80 5,37 5,07 4,85 4,67 4,54 4,42 4,33 4,25 4,18 4,12 4,07 4,02 3,98 3,95 3,91 3,88 3,77 3,69 3,59 3,52 3,48 3,39 3,35 3,26
16 10,58 7,51 6,30 5,64 5,21 4,91 4,69 4,52 4,38 4,27 4,18 4,10 4,03 3,97 3,92 3,88 3,83 3,80 3,76 3,73 3,62 3,54 3,44 3,38 3,33 3,25 3,20 3,11
17 10,38 7,35 6,16 5,50 5,08 4,78 4,56 4,39 4,25 4,14 4,05 3,97 3,90 3,84 3,79 3,75 3,71 3,67 3,64 3,61 3,49 3,41 3,31 3,25 3,21 3,12 3,08 2,98
18 10,22 7,22 6,03 5,38 4,96 4,66 4,45 4,28 4,14 4,03 3,94 3,86 3,79 3,73 3,68 3,64 3,60 3,56 3,53 3,50 3,38 3,30 3,20 3,14 3,10 3,01 2,97 2,87
19 10,07 7,09 5,92 5,27 4,85 4,56 4,35 4,18 4,04 3,93 3,84 3,76 3,70 3,64 3,59 3,54 3,50 3,46 3,43 3,40 3,29 3,21 3,11 3,04 3,00 2,91 2,87 2,78
20 9,94 6,99 5,82 5,17 4,76 4,47 4,26 4,09 3,96 3,85 3,76 3,68 3,61 3,55 3,50 3,46 3,42 3,38 3,35 3,32 3,20 3,12 3,02 2,96 2,92 2,83 2,78 2,69
25 9,48 6,60 5,46 4,84 4,43 4,15 3,94 3,78 3,65 3,54 3,45 3,37 3,30 3,25 3,20 3,15 3,11 3,08 3,04 3,01 2,90 2,82 2,72 2,65 2,61 2,52 2,47 2,38
30 9,18 6,36 5,24 4,62 4,23 3,95 3,74 3,58 3,45 3,34 3,26 3,18 3,11 3,06 3,01 2,96 2,92 2,89 2,85 2,82 2,71 2,63 2,52 2,46 2,42 2,32 2,28 2,18
40 8,83 6,07 4,98 4,37 3,99 3,71 3,51 3,35 3,22 3,12 3,03 2,95 2,89 2,83 2,78 2,74 2,70 2,66 2,63 2,60 2,48 2,40 2,30 2,23 2,18 2,09 2,04 1,93
50 8,63 5,90 4,83 4,23 3,85 3,58 3,38 3,22 3,09 2,99 2,90 2,83 2,76 2,70 2,65 2,61 2,57 2,53 2,50 2,47 2,35 2,27 2,16 2,10 2,05 1,95 1,90 1,79
60 8,50 5,80 4,73 4,14 3,76 3,49 3,29 3,13 3,01 2,90 2,82 2,74 2,68 2,62 2,57 2,53 2,49 2,45 2,42 2,39 2,27 2,19 2,08 2,01 1,96 1,86 1,81 1,69
100 8,24 5,59 4,54 3,96 3,59 3,33 3,13 2,97 2,85 2,74 2,66 2,58 2,52 2,46 2,41 2,37 2,33 2,29 2,26 2,23 2,11 2,02 1,91 1,84 1,79 1,68 1,62 1,49
150 8,12 5,49 4,45 3,88 3,51 3,25 3,05 2,89 2,77 2,67 2,58 2,51 2,44 2,39 2,34 2,29 2,25 2,21 2,18 2,15 2,03 1,94 1,83 1,76 1,70 1,59 1,53 1,37
infinito 7,88 5,30 4,28 3,72 3,35 3,09 2,90 2,74 2,62 2,52 2,43 2,36 2,29 2,24 2,19 2,14 2,10 2,06 2,03 2,00 1,88 1,79 1,67 1,59 1,53 1,40 1,32 1,00