Académique Documents
Professionnel Documents
Culture Documents
ESTATSTICA I
SO PAULO, 2016
ESTATSTICA
ESTATSTICA
Dados
ESTATSTICA
Informaes
ESTATSTICA
TERMOS BSICOS
Termo
Populao (ou universo)
Amostra
Censo
Varivel
Significado
a coleo de todas as unidades sobre as quais desejamos
informaes
parte da coleo total de
unidades
a pesquisa que envolve 100%
da populao
Aquela caracterstica na qual
estamos interessados
Inferncia
Estatstica
POPULAO
(OU
UNIVERSO)
AMOSTRA
Probabilidade
ESTATSTICA
Clculo de
Probabilidades
ESTATSTICA
PROBABILIDADE
DETERMINSTICOS
FENMENOS
PROBABILSTICOS
Definies:
a) Espao Amostral (S): conjunto de todos os resultados
possveis de um fenmeno probabilstico.
Ex.: lanamento de dado S = {1,2,3,4,5,6}
b) Evento (A,B,C,...): qualquer subconjunto de S.
Ex.:
ESTATSTICA
AB
B
b) Evento unio: A B
Ex.: P I = {1,2,3,4,5,6} = S (pelo menos um ocorre)
S
A
B
AB
B
c) Evento complementar: A
Ex.: P = {1,3,5} = I
(P no ocorre)
S
A
A
ESTATSTICA
DEFINIO DE PROBABILIDADE
um nmero real, associado a um evento, que mede sua
chance de ocorrncia:
P( A ) =
m
n
onde:
m o nmero de resultados favorveis a A
n o nmero de resultados possveis, desde que igualmente provveis
Observaes:
a) 0 P(E) 1
b) P(AB) = P(A) + P(B) - P(AB)
c) P( A ) = 1 - P(A)
ESTATSTICA
EXEMPLO
Seja o lanamento de dois dados: um preto e outro banco.
Qual a probabilidade de se obter ponto no dado preto menor
que o branco?
PRETO
BRANCO
P( A ) =
15
36
ESTATSTICA
PROBABILIDADE CONDICIONADA
Notao: P(A/B)
Ex.: A chuva
B previso de chuva
P(A/B)
Definio:
P(A/B) =
P( A B)
, P(B) 0
P(B)
P(B/A) =
P( A B)
, P(A) 0
P( A )
ou
logo:
P(AB) = P(A) . P(B/A) = P(B) . P(A/B)
ESTATSTICA
10
EXEMPLO
Seja o lanamento de dois dados, com A: dar ponto 1, 2 ou 3
no primeiro dado e B: dar soma 6. Calcular P(A/B) e P(B/A).
AB
P( A ) =
18 1
=
36 2
A
15 5
P(B) =
=
36 12
P( A B)
P(A/B) =
=
P(B)
1
3
5
12
P( A B)
P(B/A) =
=
P( A )
P( A B) =
1
3
1
2
12 4
=
15 5
2
3
12 1
=
36 3
ESTATSTICA
11
EVENTOS INDEPENDENTES
Se P(A/B) = P(A/ B ) = P(A) o evento A estatisticamente
independente de B P(B/A) = P(B/ A ) = P(B)
Neste Caso:
P(AB) = P(A) . P(B)
ESTATSTICA
12
A1
A2
A3
B
A4
...
An
i =1
i =1
B = U A i B P(B) = P( A i B)
n
(TPT)
ESTATSTICA
13
TEOREMA DE BAYES
Nas mesmas condies do Teorema da Probabilidade Total.
P( A j / B) =
P( A j / B) =
P( A j B)
P(B)
P( A j ).P(B / A j )
n
P(A i ).P(B / A i )
i=1
(TB)
ESTATSTICA
14
Variveis
Aleatrias
ESTATSTICA
15
VARIVEIS ALEATRIAS
Uma varivel aleatria (VA) a representao dos eventos
de uma partio de S atravs de nmeros reais.
Exemplos:
a) nmero de caras obtidas no lanamento de trs moedas.
b) soma de pontos obtida no lanamento de dois dados.
0
1
A1
A2
p
VA
A3
Probabilidade em S
Funo VA
Funo Probabilidade
ESTATSTICA
16
Discreta S finito
VA
Contnua S infinito
VA Discretas:
A distribuio de probabilidade representada pela funo
probabilidade, tal que:
a) P(X=xi) 0, xi
b)
P( X = xi ) = 1
i
c)
P( X = xi ) = P(a < X b)
xi >a
ESTATSTICA
17
EXEMPLO
Seja X o nmero de caras (K) obtidas no lanamento de trs
moedas.
S=
CKC KCK
CCK CKK
xi
P(X=xi)
1/8
3/8
3/8
1/8
P(X=xi)
3/8
2/8
1/8
0
xi
ESTATSTICA
18
VA Contnuas:
S infinito e a probabilidade de cada resultado individual
zero (mas no teoricamente impossvel). A distribuio de
probabilidade representada pela funo densidade de
probabilidade fX(x).
a) fX(x) 0
+
b)
( x )dx = 1
a)
fX(x)
P(a<xb)
ESTATSTICA
19
EXEMPLO
Seja uma funo densidade de probabilidade definida como:
fX(x)
K
a) determinar o valor de K.
b) equacionar esta fdp.
ESTATSTICA
20
FUNO DE REPARTIO OU DE
DISTRIBUIO ACUMULADA
definida por:
FX ( x ) = P( X x )
- < x < +
FX (a) =
P( X = x )
i
x i a
FX (a) =
( x )dx
Propriedades:
a) FX ( ) = 0
b) FX ( +) = 1
c) P(a < X b) = FX (b) FY (a)
ESTATSTICA
21
EXEMPLO
Obter as funes de distribuio acumulada dos dois
exerccios anteriores.
ESTATSTICA
22
PARMETROS DE POSIO
Indicam onde se localiza o centro da distribuio.
1) Mdia ou Valor Esperado: (X)
VA Discreta: ( X) = x i.P( X = x i )
VA Contnua: ( X) = x.fX ( x )dx
Propriedades:
a) (K) = K, K = constante
b) (K.X) = K. (X)
2) Mediana: MD
o ponto tal que: P(X<MD) = P(X>MD) = .
3) Moda: MO
o ponto de mxima probabilidade ou densidade de
probabilidade.
ESTATSTICA
23
PARMETROS DE DISPERSO
Indicam a variabilidade da distribuio de probabilidade.
1) Varincia: 2(X), V(X)
2 ( X) = [( X )2 ] = ( X2 ) [( X)]2
VA Discreta:
i
i
2
2
i
VA Contnua:
Propriedades:
a) 2(K) = 0, K = constante
b) 2(K.X) = K2. 2(X)
c) Se X e Y so independentes:
2(X+Y) = 2(X) + 2(Y)
2(X-Y) = 2(X) + 2(Y)
d) 2(XK) = 2(X)
ESTATSTICA
24
2) Desvio-Padro: (X)
( X) = 2 ( X)
3) Coeficiente de Variao: CV
CV =
( X)
( X)
ESTATSTICA
25
EXEMPLOS
Seja X o nmero de caras (K) obtidas no lanamento de trs
moedas.
xi
P(X=xi)
1/8
3/8
3/8
1/8
P(X=xi)
3/8
2/8
1/8
0
( X) = x i.P( X = x i ) = 0 x
xi2.P( X = xi ) = 02 x
i
xi
1
3
3
1 12
+ 1x + 2 x + 3 x =
= 1,5
8
8
8
8 8
3
1 24
1 2 3
+ 1 x + 22 x + 3 2 x =
=3
8
8
8
8 8
ESTATSTICA
26
EXEMPLO
Seja uma funo densidade de probabilidade definida como:
fX(x)
K
ESTATSTICA
27
Principais
Distribuies de
Probabilidade
ESTATSTICA
28
DISTRIBUIES DISCRETAS
Distribuio de Bernoulli
Seja uma prova que s possa ter dois resultados:
1-p
fracasso X = 0
p
sucesso X = 1
com X = nmero de sucessos (0 ou 1)
xi
P(X = xi)
0
1-p
1
p
P(X=xi)
1-p
p
0
( X) = 0 (1 p) + 1 p = p
( X 2 ) = 0 2 (1 p) + 12 p = p
2 ( X) = ( X2 ) [( X)]2 = p p2 = p(1 p)
xi
ESTATSTICA
29
EXEMPLO
Um dado lanado cinco vezes. Qual a probabilidade de
sair ponto seis duas vezes ?
Eventos:
n
n!
= Cn,x =
x! (n x )!
x
n = nmero de tentativas (5 lanamentos)
x = nmero de sucessos (2 pontos seis)
ESTATSTICA
30
Distribuio Binomial
P( X = x ) = C n,x .p x .(1 p) n x
onde:
n = nmero de tentativas
x = nmero de sucessos
p = probabilidade de sucesso
A mdia e a varincia desta distribuio so:
( X) = n.p
2 ( X) = n.p.(1 p)
ESTATSTICA
31
Distribuio de Poisson
e t .( t )x
P( X = x ) =
x!
onde:
e = nmero de Euler (2,72)
= freqncia mdia de sucessos
t = intervalo de observao
Nesta distribuio a mdia e a varincia so:
( X) = t
2 ( X ) = t
ESTATSTICA
32
APROXIMAES DE DISTRIBUIES
Ex.: n = 20 e p = 0,02
PBINOMIAL (X=1) = 0,273
ESTATSTICA
33
DISTRIBUIES CONTNUAS
Distribuio Exponencial
Seja T o intervalo decorrido entre dois sucessos consecutivos de um fenmeno de Poisson, com parmetro :
P( X = 0) = e t
P(X=0) a probabilidade de nenhum sucesso no intervalo de
observao t. Significa tambm a probabilidade do primeiro
sucesso levar mais do que t para ocorrer.
P( X = 0) = P(T > t ) = e t
P(T t ) = FT ( t ) = 1 e t
fT ( t ) =
d
FT ( t ) = e t , t 0
dt
f(t)
1,0
0,8
0,6
=1
0,4
0,2
0,0
0
10
(T ) =
2 (T ) =
1
2
ESTATSTICA
34
1 x 2
1
fX ( x ) =
exp
, - < x < +
2
2
f(x)
0,18
0,16
( x ) = 5 0
(x ) = 2 , 5
0,14
0,12
0,10
0,08
0,06
0,04
0,02
0,00
42
44
46
48
50
52
54
56
a) exp z = ez
b) comum escrever-se: X N(;2)
58
X
ESTATSTICA
35
z=
( z ) =0
(z ) = 1
0,3
0,2
0,1
0,0
-3
-2
-1
( Z ) = 0
2 ( Z ) = 1
Obs.:
a) P( x x 0 ) P(0 z z0 )
x
b) P( X x ) = P Z
ESTATSTICA
36
z0
0,0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1,0
1,1
1,2
1,3
1,4
1,5
1,6
1,7
1,8
1,9
2,0
2,1
2,2
2,3
2,4
2,5
2,6
2,7
2,8
2,9
3,0
3,1
3,2
3,3
3,4
3,5
3,6
3,7
3,8
3,9
0,0000
0,0398
0,0793
0,1179
0,1554
0,1915
0,2257
0,2580
0,2881
0,3159
0,3413
0,3643
0,3849
0,4032
0,4192
0,4332
0,4452
0,4554
0,4641
0,4713
0,4772
0,4821
0,4861
0,4893
0,4918
0,4938
0,4953
0,4965
0,4974
0,4981
0,4987
0,4990
0,4993
0,4995
0,4997
0,4998
0,4998
0,4999
0,4999
0,5000
0,0040
0,0438
0,0832
0,1217
0,1591
0,1950
0,2291
0,2611
0,2910
0,3186
0,3438
0,3665
0,3869
0,4049
0,4207
0,4345
0,4463
0,4564
0,4649
0,4719
0,4778
0,4826
0,4864
0,4896
0,4920
0,4940
0,4955
0,4966
0,4975
0,4982
0,4987
0,4991
0,4993
0,4995
0,4997
0,4998
0,4998
0,4999
0,4999
0,5000
0,0080
0,0478
0,0871
0,1255
0,1628
0,1985
0,2324
0,2642
0,2939
0,3212
0,3461
0,3685
0,3888
0,4066
0,4222
0,4357
0,4474
0,4573
0,4656
0,4726
0,4783
0,4830
0,4868
0,4898
0,4922
0,4941
0,4956
0,4967
0,4976
0,4982
0,4987
0,4991
0,4994
0,4995
0,4997
0,4998
0,4999
0,4999
0,4999
0,5000
0,0120
0,0517
0,0910
0,1293
0,1664
0,2019
0,2357
0,2673
0,2967
0,3238
0,3485
0,3708
0,3907
0,4082
0,4236
0,4370
0,4484
0,4582
0,4664
0,4732
0,4788
0,4834
0,4871
0,4901
0,4925
0,4943
0,4957
0,4968
0,4977
0,4983
0,4988
0,4991
0,4994
0,4996
0,4997
0,4998
0,4999
0,4999
0,4999
0,5000
0,0160
0,0557
0,0948
0,1331
0,1700
0,2054
0,2389
0,2703
0,2995
0,3264
0,3508
0,3729
0,3925
0,4099
0,4251
0,4382
0,4495
0,4591
0,4671
0,4738
0,4793
0,4838
0,4875
0,4904
0,4927
0,4945
0,4959
0,4969
0,4977
0,4984
0,4988
0,4992
0,4994
0,4996
0,4997
0,4998
0,4999
0,4999
0,4999
0,5000
0,0199
0,0596
0,0987
0,1368
0,1736
0,2088
0,2422
0,2734
0,3023
0,3289
0,3531
0,3749
0,3944
0,4115
0,4265
0,4394
0,4505
0,4599
0,4678
0,4744
0,4798
0,4842
0,4878
0,4906
0,4929
0,4946
0,4960
0,4970
0,4978
0,4984
0,4989
0,4992
0,4994
0,4996
0,4997
0,4998
0,4999
0,4999
0,4999
0,5000
0,0239
0,0636
0,1026
0,1406
0,1772
0,2123
0,2454
0,2764
0,3051
0,3315
0,3554
0,3770
0,3962
0,4131
0,4279
0,4406
0,4515
0,4608
0,4686
0,4750
0,4803
0,4846
0,4881
0,4909
0,4931
0,4948
0,4961
0,4971
0,4979
0,4985
0,4989
0,4992
0,4994
0,4996
0,4997
0,4998
0,4999
0,4999
0,4999
0,5000
0,0279
0,0675
0,1064
0,1443
0,1808
0,2157
0,2486
0,2794
0,3078
0,3340
0,3577
0,3790
0,3980
0,4147
0,4292
0,4418
0,4525
0,4616
0,4693
0,4756
0,4808
0,4850
0,4884
0,4911
0,4932
0,4949
0,4962
0,4972
0,4979
0,4985
0,4989
0,4992
0,4995
0,4996
0,4997
0,4998
0,4999
0,4999
0,4999
0,5000
0,0319
0,0714
0,1103
0,1480
0,1844
0,2190
0,2517
0,2823
0,3106
0,3365
0,3599
0,3810
0,3997
0,4162
0,4306
0,4429
0,4535
0,4625
0,4699
0,4761
0,4812
0,4854
0,4887
0,4913
0,4934
0,4951
0,4963
0,4973
0,4980
0,4986
0,4990
0,4993
0,4995
0,4996
0,4997
0,4998
0,4999
0,4999
0,4999
0,5000
0,0359
0,0753
0,1141
0,1517
0,1879
0,2224
0,2549
0,2852
0,3133
0,3389
0,3621
0,3830
0,4015
0,4177
0,4319
0,4441
0,4545
0,4633
0,4706
0,4767
0,4817
0,4857
0,4890
0,4916
0,4936
0,4952
0,4964
0,4974
0,4981
0,4986
0,4990
0,4993
0,4995
0,4997
0,4998
0,4998
0,4999
0,4999
0,4999
0,5000
ESTATSTICA
37
ESTATSTICA
38
Correo da Continuidade
Como se aproxima uma distribuio discreta (Binomial ou
Poisson) por uma contnua (Normal), necessria esta
correo:
discreta: P(X=xi) Normal: P( x i 21 X xi + 21 )
discreta: P(x1Xx2) Normal: P( x 1 21 X x 2 + 21 )
ESTATSTICA
39
Estatstica
Descritiva
ESTATSTICA
40
TIPOS DE VARIVEIS
Nominais
Qualitativas
Ordinais
Variveis
Discretas
Quantitativas
Contnuas
Nmero de dependentes
Idade
Local de nascimento
Nvel educacional
Tipo
Qualitativa, nominal
Qualitativa, ordinal
Quantitativa, discreta
Quantitativa, contnua
ESTATSTICA
41
AMOSTRAGEM
To importante quanto determinar quantos itens devem ser
examinados na amostragem (tamanho da amostra), determinar
como coletar estes itens.
1. Amostragem simples (aleatria ou casual): todos itens da
populao tm igual chance de pertencer amostra (sorteio)
.
SORTEIO
AMOSTRA
POPULAO
........
8 7 6 5 4 3 2 1
POPULAO
7 4 1
AMOSTRA
ESTATSTICA
42
AMOSTRA
POPULAO
AMOSTRA
POPULAO
ESTATSTICA
43
Distribuies
de Frequncias
ESTATSTICA
44
DISTRIBUIES DE FREQUNCIAS
ESTATSTICA
45
EXEMPLO
Trinta empresas foram selecionadas
classificadas de acordo com seu tamanho:
Tamanho
1 a 100 funcionrios
101 a 500 funcionrios
mais de 500 funcionrios
aleatoriamente
Categoria
P
M
G
P
G
P
M
M
G
M
M
G
M
M
G
P
M
G
G
M
M
G
P
M
M
G
P
G
M
G
Distribuio de frequncias:
Porte
P
M
G
Total
f
5
14
11
30
p
0,16
0,47
0,37
1,00
f : frequncia absoluta
p : frequncia relativa
14
12
Frequncia
10
0
P
Tamanho
ESTATSTICA
46
EXEMPLO
Nmero de pedidos de concesso de emprstimo recebidos por
uma agncia nas ltimas 20 semanas.
( 1) 2
( 5) 7
( 9) 1
(13) 3
(17) 4
( 2) 3
( 6) 4
(10) 3
(14) 4
(18) 1
( 3) 5
( 7) 2
(11) 3
(15) 0
(19) 2
Min = 0
( 4) 4
( 8) 5
(12) 5
(16) 3
(20) 3
Mx = 7 ( 8 valores distintos )
Distribuio de frequncias :
pedidos
frequncia
0
1
1
2
2
3
3
6
4
4
5
3
6
0
Frequncia
0
0
Pedidos
7
1
ESTATSTICA
47
EXEMPLO
Porcentagem do faturamento recolhido sob a forma de tributos
federais por 50 empresas
Souza Cruz
Autolatina
General Motors
Brahma
Philip Morris
Shell
Gessy Lever
IBM
Fiat Automveis
Nestl
Goodyear
Esso
Mercedes-Benz
Firestone
Pirelli
Texaco
Atlantic
Skol
Consul
Santa Marina
CBA
Antarctica Paulista
Brastemp
Suzano
Philips
36,9
28,4
25,7
65,4
46,7
3,4
15,8
20,6
14,2
9,0
15,1
1,8
1,9
32,7
17,6
3,8
4,5
37,5
14,3
20,3
7,7
46,5
12,1
12,7
4,8
Petrleo Ipiranga
Johnson & Johnson
Avon
Antarctica Rio
Alcan
Bosch
Klabin
Glasurit
Kaiser SP
Krupp
Carrefour
Usiminas
3M
Hoechst
Poliolefinas
Cebrasp
Arno
MBR
Estrela
Solvay
Kodak
Metal Leve
Champion
Rhodia
Antarctica Nordeste
3,1
10,1
17,8
28,9
7,8
18,9
11,0
11,1
56,1
27,0
2,4
5,2
26,0
8,0
22,9
30,0
13,9
8,0
3,4
13,3
10,2
14,2
9,1
4,8
29,4
ESTATSTICA
48
Resoluo:
xmin = 1,8
xmax = 65,4
n = 50 7
h = 63,6/7 10
Limites das classes:
Limite inferior da 1 classe = 0
Limite inferior da 2a classe = 0 + 10 = 10
Limite inferior da 3a classe = 10+ 10 = 20 ....
ESTATSTICA
49
TABELA DE FREQUNCIAS
Classes
pA
0x<10
4,95
17
0,34
17
0,34
10x<20
14,95
16
0,32
33
0,66
20x<30
24,95
0,18
42
0,84
30x<40
34,92
0,08
46
0,92
40x<50
44,95
0,04
48
0,96
50x<60
54,95
0,02
49
0,98
60x<70
64,95
0,02
50
1,00
50
1,00
Total
Notao:
c : ponto mdio (centro) da classe
f : Frequncia absoluta
p: Proporo (frequncia relativa)
F : Frequncia absoluta acumulada
pA : Frequncia relativa acumulada
ESTATSTICA
50
HISTOGRAMA
18
16
14
Frequencia
12
10
8
6
4
2
0
0
10
20
30
40
50
60
70
ESTATSTICA
51
ANLISE DE HISTOGRAMAS
BIMODAL
TRUNCADO
RETNGULOS
ISOLADOS
ASSIMTRICO
ESTATSTICA
52
POLGONO DE FREQUNCIAS
ACUMULADAS
1
0,9
0,8
0,7
% Acumulada
0,6
0,5
0,4
0,3
0,2
0,1
0
0
10
20
30
40
50
60
70
ESTATSTICA
53
Medidas
Descritivas
ESTATSTICA
54
MEDIDAS DESCRITIVAS
1. Medidas de Posio
Mediana ( md ou Q2 ) e Quartis ( Q1 e Q3 )
Mdia ( x )
Moda ( mo )
2. Medidas de Disperso
Amplitude ( R )
Varincia ( s2 )
Desvio-padro ( s )
ESTATSTICA
55
MEDIANA
Exemplo
Participao de mercado das 12 maiores seguradoras em % do
valor total dos prmios emitidos. (Fonte: FENASEG in Exame,
Fev / 93 )
1,9
2,0
2,1
2,5
3,0
3,1
3,3
Mediana
md = 3,2
Primeiro Quartil
Q1 = 2,3
Terceiro Quartil
Q3 = 6,9
3,7
6,1
7,7
17,1 18,7
ESTATSTICA
56
EXEMPLO
Participao de mercado das 11 principais modalidades de
seguros em % do valor total dos prmios emitidos (outras
modalidades correspondem 6,9%)
RAMO
Automvel
Sade
Incndio
Vida
Riscos Diversos
Habitao
Transporte
Acidentes Pessoais
Obrigatrio Veculos
Riscos de Engenharia
Responsabilidade Civil *
%
33,6
14,0
12,9
12,2
5,5
5,3
3,1
2,9
1,7
1,0
0,9
Terceiro Quartil
Mediana
Primeiro Quartil
ESTATSTICA
57
MDIA ARITMTICA
x=
x
n
Exemplos
A)
23
25
37
47
x ( A ) = 33
B)
10
57
60
x ( B ) = 33
C)
10
14
100 x ( C ) = 33
C
B
A
10
20
30
40
50
60
70
80
90
100
ESTATSTICA
58
x
16
800
1000
1400
96000 x = 20000
ESTATSTICA
59
VARINCIA E DESVIO-PADRO
Varincia:
( x x )2
s =
n 1
2
Desvio-Padro:
s = s2
Exemplo
A)
23
25
37
47
s2 = 125,33
s = 11,2
B)
10
57
60
s2 = 872,67
s = 29,5
C)
10
14
100
C
B
A
0
20
40
60
80
100
ESTATSTICA
60
DADOS AGRUPADOS
S devem ser utilizados quando no se dispuser dos dados
originais, uma vez que so valores aproximados. Em geral, a
aproximao boa.
Classes
pA
0x<10
4,95
17
0,34
17
0,34
10x<20
14,95
16
0,32
33
0,66
20x<30
24,95
0,18
42
0,84
30x<40
34,92
0,08
46
0,92
40x<50
44,95
0,04
48
0,96
50x<60
54,95
0,02
49
0,98
60x<70
64,95
0,02
50
1,00
50
1,00
Total
x=
f .c
x =
n
(f.c )2
f.c
( c x )2 f
2
2
n
s =
s =
n 1
n 1
2
s2 =
=
ALBERTO W. RAMOS 2016
ESTATSTICA
61
MEDIANA E QUARTIS
Pode-se calcul-los utilizando o polgono de frequncias
acumuladas e observando o valor no eixo das abscissas.
1
0,9
0,8
0,7
% Acumulada
0,6
0,5
0,4
0,3
0,2
0,1
0
0
10
20
30
40
50
60
70
ESTATSTICA
62
Distribuies
Amostrais
ESTATSTICA
63
DISTRIBUIO DA MDIA ( x )
Como:
x=
ento:
xi
( x ) =
1
( x1 + x 2 + x 3 + ... + x n )
n
1
[( x1) + ( x 2 ) + ... + ( xn )]
n
1
[ + + ... + ] = n. =
n
n
1
( x ) = 2 ( x1) + 2 ( x 2 ) + ... + 2 ( x n )
n
2
1 2
n. 2 2
2
2
= 2 [ + + ... + ] = 2 =
n
n
n
( x ) =
2 N n
( X) =
n N 1
2
ESTATSTICA
64
0,15
distribuio de x
0,10
distribuio de x
0,05
0,00
10
15
20
25
30
35
40
f(x)
0,4
0,3
distribuio de x
0,2
0,1
distribuio de x
0,0
0
10
12
14
ESTATSTICA
65
DISTRIBUIO 2 (QUI-QUADRADO)
2
xi
=
= z i2
i =1
i=1
2
( 2 ) = ( zi2 ) = .( zi2 ) =
2 ( 2 ) = 2.
Propriedades:
a) Quando , 2 Normal (Teorema do Limite Central)
b) Se as variveis so independentes 21 + 2 2 = 21 + 2
f( 2)
0,5
0,4
=2
0,3
=3
0,2
=6
0,1
0,0
0
10
15
20
ESTATSTICA
66
TABELA DA DISTRIBUIO 2
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
40
50
60
0,99
0,0002
0,0201
0,115
0,297
0,554
0,872
1,239
1,646
2,088
2,558
3,053
3,571
4,107
4,660
5,229
5,812
6,408
7,015
7,633
8,260
8,897
9,542
10,196
10,856
11,524
12,198
12,879
13,565
14,256
14,953
22,164
29,707
37,485
0,95
0,0039
0,103
0,352
0,711
1,145
1,635
2,167
2,733
3,325
3,940
4,575
5,226
5,892
6,571
7,261
7,962
8,672
9,390
10,117
10,851
11,591
12,338
13,091
13,848
14,611
15,379
16,151
16,928
17,708
18,493
26,509
34,764
43,188
0,90
0,0158
0,211
0,584
1,064
1,610
2,204
2,833
3,490
4,168
4,865
5,578
6,304
7,042
7,790
8,547
9,312
10,085
10,865
11,651
12,443
13,240
14,041
14,848
15,659
16,473
17,292
18,114
18,939
19,768
20,599
29,051
37,689
46,459
0,10
2,706
4,605
6,251
7,779
9,236
10,645
12,017
13,362
14,684
15,987
17,275
18,549
19,812
21,064
22,307
23,542
24,769
25,989
27,204
28,412
29,615
30,813
32,007
33,196
34,382
35,563
36,741
37,916
39,087
40,256
51,805
63,167
74,397
0,05
3,841
5,991
7,815
9,488
11,070
12,592
14,067
15,507
16,919
18,307
19,675
21,026
22,362
23,685
24,996
26,296
27,587
28,869
30,144
31,410
32,671
33,924
35,172
36,415
37,652
38,885
40,113
41,337
42,557
43,773
55,758
67,505
79,082
0,01
6,635
9,210
11,345
13,277
15,086
16,812
18,475
20,090
21,666
23,209
24,725
26,217
27,688
29,141
30,578
32,000
33,409
34,805
36,191
37,566
38,932
40,289
41,638
42,980
44,314
45,642
46,963
48,278
49,588
50,892
63,691
76,154
88,379
ESTATSTICA
67
( x i x )2
s =
2
n 1
2
Se X ~ N(;) s2 ~ n
1 . Note que foi substitudo por x .
x x
n21 = i
=
i =1
( xi x)
2
( x i x )2 n 1 (n 1) s2
=
n 1
Logo:
2 2
s =
n 1
n 1
2
2
2
2
(s ) =
(n 1 ) =
(n 1) = 2
n 1
n 1
2
4
4
2.4
2
2
(s ) =
( n 1 ) =
2(n 1) =
(n 1)2
(n 1)2
n 1
2
ESTATSTICA
68
( f ) = n.p
2 ( f ) = n.p.(1 p)
f
n
Distribuio de p: Binomial.
f ( f ) n.p
(p) = =
=
=p
n
n
n
f 2 ( f ) n.p.(1 p) p.(1 p)
(p) = = 2 =
=
n
n2
n
n
2
ESTATSTICA
69
DISTRIBUIO t-STUDENT
Se X tem distribuio normal com mdia e desvio-padro
x tambm ter distribuio com mdia , mas com desviopadro / n
Pode-se definir:
z=
tn 1 =
x
s
n
0,20
distribuio de z
0,15
0,10
distribuio
de t n-1
0,05
0,00
-8
-6
-4
-2
z, t
ESTATSTICA
70
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
30
50
80
120
0,100
3,078
1,886
1,638
1,533
1,476
1,440
1,415
1,397
1,383
1,372
1,363
1,356
1,350
1,345
1,341
1,337
1,333
1,330
1,328
1,325
1,323
1,321
1,319
1,318
1,316
1,310
1,299
1,292
1,289
1,282
0,050
6,314
2,920
2,353
2,132
2,015
1,943
1,895
1,860
1,833
1,812
1,796
1,782
1,771
1,761
1,753
1,746
1,740
1,734
1,729
1,725
1,721
1,717
1,714
1,711
1,708
1,697
1,676
1,664
1,657
1,645
0,025
12,706
4,303
3,182
2,776
2,571
2,447
2,365
2,306
2,262
2,228
2,201
2,179
2,160
2,145
2,131
2,120
2,110
2,101
2,093
2,086
2,080
2,074
2,069
2,064
2,060
2,042
2,009
1,990
1,980
1,960
0,010
31,821
6,965
4,541
3,747
3,365
3,143
2,998
2,896
2,821
2,764
2,718
2,681
2,650
2,624
2,602
2,583
2,567
2,552
2,539
2,528
2,518
2,508
2,500
2,492
2,485
2,457
2,403
2,374
2,351
2,326
ESTATSTICA
71
Estimao de
Parmetros
ESTATSTICA
72
AMOSTRA
ESTATSTICA
POPULAO
PARMETRO
ESTATSTICA
73
ESTIMADOR E ESTIMATIVA
Estimador:
Estimativa:
EXEMPLO
113 - 124 - 115 - 107 - 120 - 115 110
estimador (de )
x
~
x
m0
estimativa
114,9
115
115
ESTATSTICA
74
Melhor
Estimador
xi
x=
n
( x i )2
2
s =
n
( x i x )2
2
s =
n 1
s = s2
1
s=
s2
c4
f
p =
n
Observaes
conhecido
desconhecido
n 30
n < 30
ESTATSTICA
75
Amostra
1
2
3
.
.
.
k
x=
x
x1
x2
x3
.
.
.
xk
n1.x1 + n2 .x 2 + n3 .x 3 + ... + nk .x k
n1 + n2 + n3 + ... + nk
Se n1 = n2 = n3 = ... = nk x =
xi
k
si2
Se n1 = n2 = n3 = ... = nk s =
2
p
pp =
pi
Se n1 = n2 = n3 = ... = nk pp =
k
s2
s12
s22
s32
.
.
.
sk2
ESTATSTICA
76
Notao:
f(z)
0,4
z =1
0,3
0,2
0,1
0,0
p
0
zp
mdia da populao
x mdia da amostra
desvio-padro da populao
s desvio-padro da amostra
n tamanho da amostra
e0 semi-amplitude do IC IC = 2.e0
ESTATSTICA
77
0,15
0,10
1
0,05
0,00
/ 2
/ 2
-e 0
+e0
P( e0 x + e0 ) = 1
e0 x
x + e0
x + e0
x e0
x e0 x + e0
P( x e0 x + e0 ) = 1
_
x
ESTATSTICA
78
( + e 0 )
= z / 2
e0 = z / 2
IC para :
x z / 2
x t n 1; / 2
s
n
ESTATSTICA
79
c) IC para 2:
/ 2
/ 2
n21 =
(n 1) 2
s
2
2
n 1;1 / 2
(n 1)s2
n21; / 2
2
(n 1)s2
(n 1)s2
2
2
n21; / 2
n 1;1 / 2
2
(n 1)s2
(
n
1
)
s
2
= 1
P 2
2
n1;1 / 2
n1; / 2
ESTATSTICA
80
d) IC para
(n 1)s 2
(n 1)s 2
n21; / 2
n21;1 / 2
= 1
e) IC para p
p tem Distribuio Binomial (p) = p
p(1 p)
2 (p) =
n
Se n.p 5 e n.(1-p) 5 vale aproximao pela Normal.
e0 = z / 2
p(1 p)
n
p z / 2
p.(1 p)
n
ESTATSTICA
81
TAMANHO DE AMOSTRAS
(PARA ESTIMAO)
a) Mdia:
. Se conhecido:
e0 = z / 2
n = / 2
e0
. Se desconhecido:
t
n = n 1; / 2
e0
n = tamanho da amostra-piloto
b) Proporo Populacional (probabilidade):
2
z
n = / 2 p(1 p)
e0
ESTATSTICA
82
Testes de
Hipteses
ESTATSTICA
83
ESTATSTICA
84
TIPOS DE ERROS
Dois tipos de erros podem ser cometidos em testes de
hipteses:
a) Erro tipo I: rejeitar H0 quando H0 verdadeira.
Ex.: juiz condenar um ru inocente.
b) Erro tipo II: aceitar H0 quando H0 falsa.
Ex.: juiz absolve um ru culpado.
Cada tipo de erro tem uma certa probabilidade de ser
cometido ( e , respectivamente).
REALIDADE
H0 verdadeira
H0 falsa
aceitar
H0
deciso correta
1-
erro tipo II
rejeitar
H0
erro tipo I
deciso correta
1-
DECISO
ESTATSTICA
85
EXEMPLO
ESTATSTICA
86
Hipteses:
H0: 45.000
H1: < 45.000
Se H0 verdadeira x ~ N(; n )
= 45.000
3.000
=
= 750
n
16
0,0005
_x = 7 5 0
0,0004
0,0003
1 = 0,95
0,0002
0,0001
0,0000
= 0,05
_
x1
z1 = 1,645 1,645 =
= 45000
_
X
x1 45.000
x1 43.766
750
ESTATSTICA
87
_
x1
_
x
0
x1 = 0 z
ou se
z CALC =
x CALC 0
< z
rejeito H0
ESTATSTICA
88
2 Caso: H0: 0
H1: > 0
_
x2
x 2 = 0 + z
_
x
ESTATSTICA
89
3 Caso: H0: = 0
H1: 0
/ 2
_
x1
/ 2
_
x2
x1 = 0 z / 2
x 2 = 0 + z / 2
_
x
ESTATSTICA
90
B) desconhecido:
1 Caso: H0: = 0
H1: < 0
x1 = 0 t n 1;
ou
t CALC =
x CALC 0
s
n
2 Caso: H0: 0
H1: > 0
x 2 = 0 + t n 1;
s
n
ESTATSTICA
91
3 Caso: H0: = 0
H1: 0
x1 = 0 tn 1; / 2
s
n
x 2 = 0 + t n 1; / 2
s
n
ESTATSTICA
92
(n 1)s2
= n21
2
0
1
0
s22
2
Se sCALC
> s22 rejeito H0
2
(n 1)sCALC
Se
> n21; rejeito H0
2
0
2
Se CALC
> n21; rejeito H0
s2
ESTATSTICA
93
2 Caso: H0: 2 = 02
H1: 2 < 02
2
< n21;1 rejeito H0
Se CALC
3 Caso: H0: 2 = 02
H1: 2 02
2
Se CALC
< n21;1 / 2 rejeito H0
ou
2
2
Se CALC > n1; / 2 rejeito H0
ESTATSTICA
94
p0 (1 p0 )
n
p'p 0
p 0 (1 p 0 )
n
< z rejeito H
0
2 Caso: H0: p = p0
H1 : p > p 0
p2 = p0 + z
p0 (1 p0 )
n
p'p 0
p 0 (1 p0 )
n
> z rejeito H
0
ESTATSTICA
95
3 Caso: H0: p = p0
H1 : p p 0
p1 = p0 z / 2
p0 (1 p0 )
n
p 2 = p0 + z / 2
p0 (1 p0 )
n
ESTATSTICA
96
_
x2
x 2 = 0 + z
_
x
ESTATSTICA
97
_
x2
'
E, consequentemente
x 2 = z
z + z
n =
0
ou, se desconhecido
+t
t
n = n 1; n 1;
0
_
x
ESTATSTICA
98
ou, se s fr desconhecido
t n 1; / 2 + t n 1;
n=
n=
p'p 0
ESTATSTICA
99
Comparaes
Mltiplas
ESTATSTICA
100
gCALC
max si2
=
(i = 1, 2,..., k)
2
si
e tambm:
gCRIT funo de n, k e
Se gCALC > gCRIT rejeito H0 e afirmo H1
ESTATSTICA
101
TABELA g
( = 5%)
k=2
3
4
5
6
7
8
9
10
n=2
0,9985
0,9669
0,9065
0,8412
0,7808
0,7271
0,6798
0,6385
0,6020
3
0,9750
0,8709
0,7679
0,6838
0,6161
0,5612
0,5157
0,4775
0,4450
4
0,9392
0,7977
0,6841
0,5931
0,5321
0,4800
0,4377
0,4027
0,3733
5
0,9057
0,7457
0,6287
0,5441
0,4803
0,4307
0,3910
0,3584
0,3311
6
0,8772
0,7071
0,5895
0,5065
0,4447
0,3974
0,3595
0,3286
0,3029
7
0,8534
0,6771
0,5598
0,4783
0,4184
0,3726
0,3362
0,3067
0,2823
Observaes:
k = quantidade de amostras
n = tamanho da amostra
8
0,8332
0,6530
0,5365
0,4564
0,3980
0,3535
0,3185
0,2901
0,2666
9
0,8159
0,6333
0,5157
0,4387
0,3817
0,3384
0,3043
0,2768
0,2541
10
0,8010
0,6167
0,5017
0,4241
0,3682
0,3259
0,2926
0,2659
0,2439
ESTATSTICA
102
EXEMPLO
Cinco amostras com quatro elementos cada forneceram si2 :
3,7 - 2,5 - 5,1 - 6,0 - 3,2. Ao nvel de significncia de 5%,
existe evidncia que alguma i2 seja diferente das demais?
n=4
k=5
gCALC =
6,0
= 0,2927
20,5
12 = 22 = 32 = 24 = 52
ESTATSTICA
103
Notas
x12 x13 .... x18
x
x1
s2
s12
x2
s22
x3
s32
x11
Notao empregada:
n - tamanho da amostra (8, no caso)
k - quantidade de mdias comparadas (3, no caso)
x i - mdia da amostra do grupo i
ESTATSTICA
104
s =
s2d
2
si2 ( xij x i )
=
=
k.(n 1)
s2e
( x i x )2
= n.
k 1
s2t
( xij x )2
=
n.k 1
ESTATSTICA
105
Notas
4 8 4 3 7
7 5 4 2 5
4 5 4 6 6
x
5,0
4,0
5,0
s2
2,9
2,9
1,4
s2d =
x=
s2e
s2t
ESTATSTICA
106
Notas
4 8 4 3 7
5 3 2 0 3
8 9 8 10 10
x
5,0
2,0
9,0
s2
2,9
2,9
1,4
s2d =
x=
s2e
s2t
ESTATSTICA
107
-2
Mdia
Max
Min
1
Mdia
ESTATSTICA
108
COMENTRIOS
ESTATSTICA
109
DISTRIBUIO F-SNEDECOR
Sejam duas amostras independentes, retiradas de
populaes Normais, com mesma varincia (2), que
forneceram estimativas s12 e s22 , respectivamente. Ao
quociente de s12 por s22 , chamamos de:
Fn1 1;n 2 1 =
s12
s 22
f(F)
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0,0
0
7
F
ESTATSTICA
110
TABELA F-SNEDECOR
( = 5%)
1
2
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
1
2
3
4
5
6
7
8
9
10
161,4 199,5 215,7 224,6 230,2 234,0 236,8 238,9 240,5 241,9
18,51 19,00 19,16 19,25 19,30 19,33 19,35 19,37 19,38 19,40
10,13 9,55 9,28 9,12 9,01 8,94 8,89 8,85 8,81 8,79
7,71 6,94 6,59 6,39 6,26 6,16 6,09 6,04 6,00 5,96
6,61 5,79 5,41 5,19 5,05 4,95 4,88 4,82 4,77 4,74
5,99 5,14 4,76 4,53 4,39 4,28 4,21 4,15 4,10 4,06
5,59 4,74 4,35 4,12 3,97 3,87 3,79 3,73 3,68 3,64
5,32 4,46 4,07 3,84 3,69 3,58 3,50 3,44 3,39 3,35
5,12 4,26 3,86 3,63 3,48 3,37 3,29 3,23 3,18 3,14
4,96 4,10 3,71 3,48 3,33 3,22 3,14 3,07 3,02 2,98
4,84 3,98 3,59 3,36 3,20 3,09 3,01 2,95 2,90 2,85
4,75 3,89 3,49 3,26 3,11 3,00 2,91 2,85 2,80 2,75
4,67 3,81 3,41 3,18 3,03 2,92 2,83 2,77 2,71 2,67
4,60 3,74 3,34 3,11 2,96 2,85 2,76 2,70 2,65 2,60
4,54 3,68 3,29 3,06 2,90 2,79 2,71 2,64 2,59 2,54
4,49 3,63 3,24 3,01 2,85 2,74 2,66 2,59 2,54 2,49
4,45 3,59 3,20 2,96 2,81 2,70 2,61 2,55 2,49 2,45
4,41 3,55 3,16 2,93 2,77 2,66 2,58 2,51 2,46 2,41
4,38 3,52 3,13 2,90 2,74 2,63 2,54 2,48 2,42 2,38
4,35 3,49 3,10 2,87 2,71 2,60 2,51 2,45 2,39 2,35
4,32 3,47 3,07 2,84 2,68 2,57 2,49 2,42 2,37 2,32
ESTATSTICA
111
EXEMPLO
O segundo conjunto de resultados do teste de QI, forneceu:
s2e = 98,7
s2d = 2,4
logo
Fcalc =
98,7
= 41,1
2,4
ESTATSTICA
112
Fonte
SQ
GL
QM
FCALC
Entre
n. ( xi x )2
(k-1)
s2e
s2e / s2d
Dentro
( xij xi )2
( xij x )2
k.(n-1)
s2d
k.n-1
s2t
Total
onde:
SQ - a soma de quadrados
GL - so os graus de liberdade das estimativas
QM - o quadrado mdio = SQ/GL
No caso de nosso exemplo do teste de QI, com o segundo
conjunto de dados, tem-se:
Fonte
Entre
Dentro
Total
SQ
197,3
50,0
247,3
GL
2
21
23
QM
98,7
2,4
10,8
FCALC
41,4
ESTATSTICA
113
Fonte
Entre
SQ
GL
SQE=SQT-SQD
SQT = ( x ij x ) 2
(k-1)
ni k
QM
SQE
k 1
SQR
sR2 =
ni k
sE2 =
ni 1
s 2T
FCALC
sE2 / sR2
ESTATSTICA
114
ALGUNS CUIDADOS
A anlise de varincia tem algumas hipteses bsicas que
so assumidas para sua validade:
o modelo vlido do tipo x ij = + i + ij , onde a mdia
geral, i o efeito do nvel i do fator e ij o erro;
as populaes so homocedsticas, ou seja, possuem a
mesma varincia em comum 2;
as populaes podem ser adequadamente representadas
por uma distribuio de probabilidade normal;
conseqentemente, ij ~N(0; 2).
1. A condio de homocedasticidade fundamental para que
os resultados sejam vlidos e pode ser verificada mediante
uma anlise de resduos ou, ento, pelo teste de Cochran
ou de Bartlett.
2. A condio de normalidade dos dados no essencial,
pois a anlise de varincia fornece bons resultados mesmo
quando a populao no normal. Ela pode ser verificada
atravs do papel de probabilidade normal.
ESTATSTICA
115
Correlao e
Regresso
ESTATSTICA
116
CORRELAO
EXEMPLO
Criana
1
2
3
4
5
6
7
8
9
10
Peso
30
32
24
28
26
34
25
23
35
31
Altura
145
150
125
140
127
145
132
112
155
145
ESTATSTICA
117
PESO x ALTURA
165
155
145
135
125
115
105
22
24
26
28
30
Qual a concluso ?
32
34
36
ESTATSTICA
118
TIPOS DE CORRELAO
CORRELAO LINEAR POSITIVA
(QUANDO X AUMENTA => Y TAMBM AUMENTA)
14
12
10
8
6
4
2
0
10
12
14
8
6
4
2
0
8
X
CORRELAO NO LINEAR
7
6
5
4
3
2
1
0
10
12
14
10
12
14
ESTATSTICA
119
r=
( x i x )( y i y )
( x i x ) 2( y i y )2
onde:
S XY = x i .y i
S XY
S XX .S YY
( x i . y i )
n
S XX =
x i2
( x i )2
S YY =
y i2
( y i )2
ESTATSTICA
120
CUIDADOS NA CORRELAO
a) Estratificao de Dados
y
CONDIO
NORMAL
c) Picos e Vales
y
ESTATSTICA
121
TESTE DA CORRELAO
Para determinar se a correlao estatisticamente
significativa ou no, faz-se um teste de hipteses quanto ao
coeficiente de correlao populacional (). Assim:
H 0: = 0
(no h correlao)
H 1: 0
(h correlao)
t calc = t n 2 = r
n2
1 r2
ESTATSTICA
122
REGRESSO
O objetivo fundamental da regresso descobrir a equao
que relaciona duas (ou mais) variveis, ou seja:
onde:
x1, x2, ... , xk so chamadas de fatores;
f(x1, x2, ... , xk) indica uma funo de vrias variveis;
chamado de erro.
EXEMPLOS
Resposta
Presso
Rendimento
Viscosidade
Variveis
Volume e
Temperatura
Temperatura, Tempo e Quantidade
de Catalisador
Temperatura, Presso, Velocidade e
Vazo
ESTATSTICA
123
y = 0 + 1.x
como as constantes 0 e 1 so desconhecidas, ento a
equao da reta ser estimada atravs de:
y = b0 + b1.x
onde:
b0 - o intercepto da reta
b1 - a coeficiente angular da reta
y
^
y = b0 + b1x
tg = b1
b0
x
ESTATSTICA
124
EXEMPLO
Foi feito um levantamento de diversos modelos de
automveis quanto a potncia do motor (Hp) e o
consumo mdio (km/l).
Carro
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
Potncia
130
81
93
113
90
63
55
102
92
81
103
90
74
73
102
78
100
100
Consumo
10,1
10,5
11,3
10,5
11,6
12,4
15,0
11,3
12,4
12,0
10,9
11,6
12,4
13,1
10,9
12,0
10,5
10,5
ESTATSTICA
125
b1 =
S XY
S XX
onde:
S XY = x i y i
( xi. yi )
n
S XX =
xi2
2
(
xi )
ESTATSTICA
126
SXY =
SXX =
b1 =
b0 =
ESTATSTICA
127
y = 16,504 - 0,055.x
QUILOMETRAGEM
14.5
^
y = 16,504 - 0,055.x
13.5
12.5
11.5
10.5
9.5
40
50
60
70
80
90
100
110
120
130
140
POTNCIA
ESTATSTICA
128
COMENTRIOS:
o mtodo dos mnimos quadrados busca traar a melhor
reta atravs dos pontos, ou seja, aquela que torna mnima
a distncia destes reta;
sempre possvel obter a equao de uma reta que passa
por um conjunto de pontos, mas isto no significa que o
modelo seja necessariamente adequado;
para se verificar a adequao do modelo, emprega-se a
anlise de varincia (ANOVA).
recomendvel tambm fazer uma anlise de resduos
para completar a anlise de adequao do modelo.
ESTATSTICA
129
(no h regresso)
H 1 : 1 0
(h regresso)
s2T =
( y i y )2
i =1
n 1
S YY
n 1
2
R
s =
(y
y ) 2
i =1
n2
S b1 S XX
= YY
n2
ESTATSTICA
130
b S
s = 1 XX
1
2
M
GL
SQ
QM
Fcalc
b12SXX
b12SXX
b1 S XX
sR2
S b1 .S XX
s = YY
n2
Regresso
Erro
n-2
SYY b12SXX
Total
n-1
SYY
2
R
Fcalc ser comparado contra Fcrit = F1; n-2; e se |Fcalc| > Fcrit
rejeita-se H0
ESTATSTICA
131
ANLISE DE RESDUOS
O resduo (ou erro) definido como sendo a diferena entre o
valor observado (y) e o valor previsto pela equao obtida (ychapu). Assim, no exemplo:
Amostra
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
x
130
81
93
113
90
63
55
102
92
81
103
90
74
73
102
78
100
100
y
10,1
10,5
11,3
10,5
11,6
12,4
15,0
11,3
12,4
12,0
10,9
11,6
12,4
13,1
10,9
12,0
10,5
10,5
y
9,4
12,0
11,4
10,3
11,6
13,0
13,5
10,9
11,4
12,0
10,8
11,6
12,4
12,5
10,9
12,2
11,0
11,0
e = y - y
0,7
-1,5
-1,1
0,2
0
-0,6
1,5
0,4
1,0
0
0,1
0
0
0,6
0
-0,2
-0,5
-0,5
ESTATSTICA
132
RESDUO
0.5
0
-0.5
-1
-1.5
-2
9.5
10.5
11.5
12.5
13.5
14.5
15.5
ESTATSTICA
133
Papel de
Probabilidade
Normal
ESTATSTICA
134
EXEMPLO
Durao
50 x < 55
55 x < 60
60 x < 65
65 x < 70
70 x < 75
75 x < 80
Quantidade
5
23
36
27
8
1
% acumulada
5,0
28,0
64,0
91,0
99,0
100,0
ESTATSTICA
135
ESTATSTICA
136
EXEMPLO
Valores
-8,75
23,75
-1,75
-6,25
0,75
5,25
-1,25
P=
i (posto)
1
2
3
4
5
6
7
(i 0,5)
x100 %
7
Valor
-8,75
-6,25
-1,75
-1,25
0,75
5,25
23,75
P (percentil)
7,1
21,4
35,7
50,0
64,3
78,6
92,9
ESTATSTICA
137
ESTATSTICA
138
INTERPRETAO
HISTOGRAMA
NORMAL
ASSIMTRICO A ESQUERDA
ASSIMTRICO A DIREITA
ACHATADO
ALONGADO
BIMODAL
PPN
ESTATSTICA
139
Teste QuiQuadrado
ESTATSTICA
140
TESTE QUI-QUADRADO
O teste qui-quadrado serve para avaliar se duas variveis
qualitativas (tambm chamadas de categricas) so ou no
independentes entre si.
.
Contnuas
Quantitativas
Discretas
Variveis
Ordinal
Qualitativas
Nominal
ESTATSTICA
141
EXEMPLO
Uma amostra de 300 estudantes de uma universidade foi obtida,
e estes foram classificados quanto a :
rea de concentrao
Jornal preferido
: Exatas ; Humanas
: A, B, C, Outros
Jornal A
Jornal B
Jornal C
Outros
Total
Exatas
60
20
90
20
190
Humanas
30
40
30
10
110
Total
90
60
120
30
300
ESTATSTICA
142
190
x90 = 57
300
110
x90 = 33
Proporo de Humanas
300
Analogamente, para as demais colunas, obtem-se os valores
entre parnteses da tabela abaixo.
Oij (Eij)
Jornal A
Jornal B
Jornal C
Outros
Total
Exatas
60(57)
20(38)
90(76)
20(19)
190
Humanas
30(33)
40(22)
30(44)
10(11)
110
Total
90
60
120
30
300
Ou, genericamente:
Eij =
Li = Total da linha i
Li C j
n
Cj = Total da coluna j
ESTATSTICA
143
Jornal A
Jornal B
Jornal C
Outros
Total
Exatas
+3
-18
+14
+1
Humanas
-3
+18
-14
-1
Total
2
Exatas
Humanas
Total
2
calc
(Oij Eij )2
Eij
Jornal A
Jornal B
Jornal C
Outros
Total
0,158
0,273
0,431
8,526
14,727
23,254
2,579
4,455
7,033
0,053
0,091
0,144
11,316
19,545
30,861
2
crtico
Rejeito Ho
ESTATSTICA
144
BIBLIOGRAFIA
Estatstica bsica. 5
2 ed. So Paulo,
Estatstica aplicada.
So
Porto
So