Vous êtes sur la page 1sur 338

EST 105

Disponível em:
PVANet→Notas de aula→Turma 08

1 / 338
Somatório
Consideremos a amostra X = {90, 95, 97, 98, 100, 60} e
queremos encontrar sua soma.

Soma = 90 + 95 + 97 + 98 + 100 + 60 = 540.

Para simplificar a representação da operação de adição nas


expressões algébricas, utiliza-se:
I Xi para identificar o elemento que encontra-se na i−ésima
posição, assim
90 95 97 98 100 60
↑ ↑ ↑ ↑ ↑ ↑
X1 X2 X3 X4 X5 X6
I A notação Σ, letra grega sigma maiúsculo para
representar a soma.

2 / 338
Somatório
n
X
Xi
i=1

Lê-se como: somatório de X índice i, com i variando de 1(um)


até n, em que:
n, é a ordem da última parcela ou limite superior (LS) do
somatório;
i = 1, é a ordem da primeira parcela da soma ou limite inferior
do somatório (LI);
i, é o índice que está indexando os valores da variável X
(outras letras como j, l, k podem ser utilizadas).

3 / 338
Somatório
X = {90, 95, 97, 98, 100, 60}
6
X
Xi = 540
i=1

4 / 338
Somatório
As somas mais comuns são:
Xn
1) Xi = X1 + X2 + · · · + Xn , soma simples
i=1
Xn
2) Xi2 = X12 + X22 + · · · + Xn2 , soma dos quadrados
i=1
n
!2
X
3) Xi = (X1 + X2 + · · · + Xn )2 , quadrado da soma
i=1
n
X
4) Xi Yi = X1 Y1 + X2 Y2 + · · · + Xn Yn , soma dos produtos
i=1
n
! n
!
X X
5) Xi Yi = (X1 + X2 + · · · + Xn ) (Y1 + Y2 + · · · + Yn ),
i=1 i=1
produto das somas

5 / 338
Somatório
Se X = {90, 95, 97, 98, 100, 60} e Y = {60, 70, 80, 60, 90, 75}
então
X6
1) Xi = 90 + 95 + 97 + 98 + 100 + 60 = 540,
i=1
X6
2) Yi = 60 + 70 + 80 + 60 + 90 + 75 = 435,
i=1
X6
3) Xi2 = (90)2 +(95)2 +(97)2 +(98)2 +(100)2 +(60)2 = 49738,
i=1

6 / 338
Somatório
6
!2
X
4) Xi = (90 + 95 + 97 + 98 + 100 + 60)2 = (540)2 ,
i=1
5)
6
X
Xi Yi = 90 × 60 + 95 × 70 + · · · + 60 × 75
i=1
= 39190
6
! 6
!
X X
6) Xi Yi = (540) × (435) = 234900.
i=1 i=1

7 / 338
Número de termos de um somatório

NT = LS − LI + 1 − r
em que
LS é a ordem do último termo do somatório;
LI é a ordem do primeiro termo do somatório;
r é o número de restrições.

8 / 338
Número de termos de um somatório - Exemplos
8
X
a) Xi
i=3
15
X
b) Xi
i=1
i6=9;11
9 P
P 8
c) Zkl
k =1 l=5

9 / 338
Somatório - propriedades
P1) Somatório de uma constante k
O somatório de uma constante é igual ao produto do número
de termos pela constante.
n
X
k = nk
i=1

note que, neste caso n = NT .


X10
5 = [(10 − 1) + 1] × 5 = 10 × 5 = 50
i=1
10
X
7 = [(10 − 3) + 1] × 7 = 8 × 7 = 56
i=3
10
X
Yj = [(10 − 3) + 1]Yj = 8Yj
i=3

10 / 338
Somatório - propriedades
P2) Somatório do produto de uma constante por uma variável
O somatório do produto de uma constante por uma variável é
igual ao produto da constante pelo somatório da variável.
n
X n
X
kXi = kX1 +kX2 +. . .+kXn = k (X1 +X2 +. . .+Xn ) = k Xi
i=1 i=1

6
X
Se X = {90, 95, 97, 98, 100, 60}, sabemos que Xi = 540
i=1
então
6
X
3Xi = 3 × 90 + 3 × 95 + · · · + 3 × 60
i=1
= 3 × (90 + 95 + · · · + 60)
= 3 × 540 = 1620

11 / 338
Somatório - propriedades
P3) Somatório de uma soma ou subtração de variáveis
O somatório de uma soma ou subtração de variáveis é igual à
soma ou subtração dos somatórios dessas variáveis. Sem
perda de generalidade, para três variáveis X , Y e W , tem-se:
n
X n
X n
X n
X
(Xi + Yi − Wi ) = Xi + Yi − Wi
i=1 i=1 i=1 i=1

12 / 338
Exercícios
1) Nos itens a seguir assinale (V) se estiver inteiramente correto
ou (F) caso contrário. !
n
X
n
Xi
X Xi i=1
( ) = n
!.
Yi X
i=1
Yi
i=1
n X
m n
! m 
X X X
( ) Xi Yj = Xi  Yj .
i=1 j=1 i=1 j=1
X5 X 10 n
X n
X
( ) Xi2 = 30 Xi2
j=3 k =1 i=1 i=1
k 6=6;7
Xn X m X s
( ) (2Xi + 3Xi Yj − Zk ) =
i=1 j=1 k =1
Xn n
X m
X s
X
2ms Xi + 3 Xi Yj − nm Zk .
i=1 i=1 j=1 k =1
13 / 338
10
X 10
X
2) Dado que Xi = 20 e Xi2 = 50, calcule:
i=1 i=1

10 X
X 8
(Xi + 2)2
i=1 j=3

a.( ) 1020
b.( ) 650
c.( ) 780
d.( ) 1360
e.( ) n.d.r.a.

14 / 338
3) Dado que,
30
X 15
X 10
X
Xi = 200, Yj = 150 e Zk = 30,
i=5 j=8 k =1
k 6=3;5;8

Utilize as propriedades de somatório e calcule:

X 15
30 X 10
X 
2Xi + Yj − 5Zk .
i=5 j=8 k =1
k 6=3;5;8

15 / 338
Exercício 01 pg 18
n
P n(n+1)
4) Sabendo que x= 2 , calcule
x=1

200
X (x − 100)
.
2
x=1

16 / 338
Exercício 04 pg 19
5) Verifique por indução matemática que
n
X n (n + 1) (2n + 1)
k2 = .
6
k =1

17 / 338
Exercício 05 pg 19
6) Dados
5 5 8 8
Xi2 = 1, 84; Yj2 = 31,
P P P P
Xi = 2, 6; Yj = 11 e
i=1 i=1 j=3 j=3
calcule
5 X
8
X 2
2Xi − Yj .
i=1 j=3

18 / 338
Exercício 20 pg 23 (letra c)
7) Sabendo que:
20 n n
n(n+1) n(n+1)(2n+1)
k2 =
P P P
Xi = 11, k= 2 e 6 ,
i=1 k =1 k =1
calcule:
60 n
X o
(x − 1)2 − 1161 .
x=1

19 / 338
8) Dado que,
n
X n(n + 1)
k= ,
2
k =1
n
X n(n + 1)(2n + 1)
k2 =
6
k =1
e,
n  2
X
3 n(n + 1)
k = .
2
k =1

Utilize as propriedades de somatório e calcule:


30
X (2k − 1)3
5
k =1

20 / 338
9) Dado que,
20
X 20
X 10
X 10
X
Xi = 100, Xi2 = 250, Yj = 40, Yj2 = 65,
i=1 i=1 j=1 j=1

15
X 15
X
Zk = 12 e Zk2 = 32,
k =1 k =1
k 6=4;7 k 6=4;7

Utilize as propriedades de somatório e calcule:


20 X
10 X
15
X 2
Xi − Yj + Zk
i=1 j=1 k =1
k 6=4;7

21 / 338
Fases de um estudo estatístico

Definição do problema

Planejamento

Coleta dos dados

Crítica dos dados

Apresentação dos dados

Tabelas Gráficos

Descrição dos dados

22 / 338
Medidas de posição

I São também chamadas de medidas de tendência central;


I Resumem um conjunto de dados pela informação do
posicionamento dos valores da amostra;
I Nos dão um (ou mais valores) que representam a amostra.

23 / 338
Medidas de posição

Principais medidas
I Moda;
I Mediana;
I Média;
I Dentre outras.

24 / 338
Medidas de posição

Moda
A moda é definida como a realização mais frequente do
conjunto de valores observados.
Em algumas situações, a distribuição das observações é tal
que as frequências são maiores nos extremos.
Nesses casos, a utilização apenas da média e da mediana é
contra-indicada, pois são valores pouco representativos do
conjunto eo uso da moda poderá, então, ser considerado.

25 / 338
Medidas de posição

Moda
Com relação à moda, uma série de dados pode ser
classificada em:
I Amodal: não possui moda;
I Unimodal: possui apenas uma moda;
I Bimodal: possui duas modas;
I Multimodal: possui mais de duas modas.

26 / 338
Medidas de posição

Exercício 04 pg 42
1) Em um Painel Sensorial indivíduos treinados avaliam
(degustam) determinado produto e atribuem uma nota de
acordo com a percepção do sabor:
0 1 2 3 4 5
muito ruim ruim regular bom muito bom excelente

Na tabela a seguir são informadas as notas obtidas com um


determinado azeite de oliva,
0 0 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2
3 3 3 3 3 4 4 4 4 5 5 5 5 5 5 5 5

Determine a moda do conjunto de dados.

27 / 338
Medidas de posição

Exercício 14 pg 46 - letra c)
2) Uma empresa avaliou 30 lotes de peças da indústria A e
também 30 lotes da indústria B. O número de peças
defeituosas por lote é apresentado na tabela a seguir.
Número de Indústria A Indústria B
Lotes 9 9 5 4 2 1 18 6 3 3 0 0
Defeituosas 0 1 2 3 4 5 0 1 2 3 4 5

Calcule para as duas amostras (indústrias A e B):


c) O número modal de peças defeituosas por lote;

28 / 338
Medidas de posição

Mediana
Para um conjunto de valores colocados em ordem crescente
ou decrescente de grandeza, a mediana é o elemento que
ocupa a posição central.

Interpretação
Pode-se afirmar que pelo menos 50% das observações da
amostra são valores iguais ou superiores e pelo menos 50%
das observações da amostra são valores iguais ou inferiores à
mediana.

29 / 338
Medidas de posição

Mediana
Não esquecer de colocar os dados em ordem.
I Caso 1: O número de elementos é ímpar.
n+1
Md é o elemento que ocupa a posição , ou seja,
2
Md = X( n+1 ) .
2

I Caso 2: O número de elementos é par.


Md é dada por:

X( n ) + X( n +1)
2 2
Md = .
2

30 / 338
Medidas de posição

Mediana
Seja uma variável aleatória X assumindo os seguintes valores:

X = {14, 8, 10, 5, 7, 0, 9} .

Determine a mediana.

31 / 338
Exercício 04 pg 42
3) Em um Painel Sensorial indivíduos treinados avaliam
(degustam) determinado produto e atribuem uma nota de
acordo com a percepção do sabor:
0 1 2 3 4 5
muito ruim ruim regular bom muito bom excelente

Na tabela a seguir são informadas as notas obtidas com um


determinado azeite de oliva,
0 0 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2
3 3 3 3 3 4 4 4 4 5 5 5 5 5 5 5 5

Determine a mediana e interprete o valor obtido.

32 / 338
Medidas de posição

Mediana
Seja uma variável aleatória X assumindo os seguintes valores:
X Frequência
0 3
-1 4
7 2
1 1
3 3
Determine a mediana.

33 / 338
Medidas de posição

Média aritmética
I É uma medida de tendência central, representando o
fenômeno pelos seus valores médios em torno do qual os
dados tendem a se concentrar.
I Se X1 , X2 , . . . , Xn são n valores quaisquer da variável X , a
média aritmética de X , que denotaremos por X̄ é dada por
n
P
Xi
X1 + X2 + . . . + Xn i=1
X̄ = = ,
n n
ou seja, é a soma de todos os valores que a variável
assume, dividido pelo número total de valores que a mesma
assume.

34 / 338
Medidas de posição

Média aritmética
Seja uma variável aleatória X assumindo os seguintes valores:

X = {14, 8, 10, 5, 7, 0, 9} .

Determine a média.

35 / 338
Medidas de posição

Média aritmética
Agora, se temos n observações da variável X , das quais f1 são
iguais a X1 , f2 são iguais a X2 , . . . , fk são iguais a Xk , então a
média aritmética de X será dada por
k
P
fi Xi
f1 X1 + f2 X2 + · · · + fk Xk i=1
X̄ = =
f1 + f2 + · · · + fk k
P
fi
i=1

36 / 338
Exercício 04 pg 42
1) Em um Painel Sensorial indivíduos treinados avaliam
(degustam) determinado produto e atribuem uma nota de
acordo com a percepção do sabor:
0 1 2 3 4 5
muito ruim ruim regular bom muito bom excelente

Na tabela a seguir são informadas as notas obtidas com um


determinado azeite de oliva,
0 0 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2
3 3 3 3 3 4 4 4 4 5 5 5 5 5 5 5 5

Determine a média.

37 / 338
Exercício 14 pg 46 - letras a) e c)
2) Uma empresa avaliou 30 lotes de peças da indústria A e
também 30 lotes da indústria B. O número de peças
defeituosas por lote é apresentado na tabela a seguir.
Número de Indústria A Indústria B
Lotes 9 9 5 4 2 1 18 6 3 3 0 0
Defeituosas 0 1 2 3 4 5 0 1 2 3 4 5

Calcule para as duas amostras (indústrias A e B):


a) O número médio de peças defeituosas por lote;

38 / 338
Medidas de posição

Média aritmética - Propriedades


P1) Somando-se ou subtraindo-se uma constante a cada um dos valores
da série X1 , X2 , . . . , Xn , a média aritmética fica somada ou subtraída
dessa constante.
n  
X Xi + k
= X̄ + k
n
i=1

X = {14, 8, 10, 5, 7, 0, 9} .

39 / 338
Medidas de posição

Média aritmética - Propriedades


P2) Multiplicando-se ou dividindo-se cada um dos valores da série
X1 , X2 , . . . , Xn , por uma constante, a média aritmética fica
multiplicada ou dividida pela constante.
n  
X kXi
= k X̄
n
i=1

40 / 338
Medidas de posição

Média aritmética - Propriedades


P3) A soma algébrica dos desvios em relação à média aritmética é nula,
isto é:
Xn
SD = (Xi − X ) = 0
i=1

41 / 338
Medidas de posição

Média aritmética - Propriedades


P4) A soma dos quadrados dos desvios em relação à média aritmética é
um mínimo, isto é,
Xn
SQD = (Xi − X )2
i=1

é um mínimo.

42 / 338
Medidas de dispersão - (ou Medidas de Variabilidade)

As medidas de dispersão são estatísticas descritivas, que


quantificam de algum modo a variabilidade dos dados,
geralmente utilizando como referência uma medida de posição.
Caracterizar um conjunto de dados apenas por medidas de
posição é inadequado e perigoso, pois, conjuntos com medidas
de posição semelhantes podem apresentar características
muito diferentes.

43 / 338
Medidas de dispersão

Amostra A : {6, 6, 6, 6}
Amostra B : {2, 2, 10, 10}
Note que X A = 6 e X B = 6, porém, a dispersão dos valores na
amostra B é maior.

44 / 338
Medidas de dispersão

Variância amostral
A variância mede a dispersão dos valores em torno da média.
Ela é dada pela soma dos quadrados dos desvios em relação à
média aritmética, dividida pelo número de graus de liberdade.

45 / 338
Medidas de dispersão

Para uma amostra de n valores, X1 , X2 , . . . , Xn , a variância


amostral é dada por:
 n
2
P
n n Xi
(Xi − X )2 Xi2 − i=1
P P
n
SQDX i=1 i=1
S 2 (X ) = V̂ (X ) = = =
n−1 n−1 n−1

46 / 338
Medidas de dispersão

Propriedades
P1) A variância é sempre maior ou igual a zero, isto é,
S 2 (X ) ≥ 0;
P2) Para X = k , sendo k uma constante, S 2 (X ) = 0;
P3) Para Y = X + k , sendo k uma constante, S 2 (Y ) = S 2 (X );
P4) Para Y = kX , sendo k uma constante, S 2 (Y ) = k 2 S 2 (X ).

47 / 338
Medidas de dispersão

Exemplos
a) Se X = {4, 4, 4, 4, 4} então S 2 (X ) = 0;
b) Se X = {4, 8, 3, 9, 7, 5} e Y = X + 5, S 2 (X ) = 5, 6
S 2 (Y ) = 5, 6;
c) Para Y = 5X , S 2 (X ) = 5, 6
S 2 (Y ) = 140 = 25 × 5, 6 = 52 × S 2 (X ).

48 / 338
Medidas de dispersão

Desvio padrão amostral


I A variância tem a desvantagem de apresentar unidade de
medida igual ao quadrado da unidade dos dados;
I O desvio padrão é a raiz quadrada da variância e por isso
tem a vantagem de apresentar a mesma unidade dos dados;
I
q
S (X ) = Vb (X )

49 / 338
Medidas de dispersão

Erro padrão da média


O erro padrão da média é uma medida utilizada para avaliar a
precisão da média.

É dado por:
 S(X )
S X̄ = √
n

50 / 338
Medidas de dispersão

Exemplo
Desejando estimar o peso médio dos alunos da UFV, uma
amostra de tamanho n = 16 forneceu X̄ = 70 kg com desvio
padrão 4 kg. Determine o erro padrão da média.

51 / 338
Medidas de dispersão

Coeficiente de variação
I Utilizado, quando se tem o interesse em comparar
variabilidades de diferentes conjuntos de valores;
I Note que o CV é o desvio padrão expresso em percentagem
da média;
I Nesses casos, o CV é indicado por ser uma medida de
dispersão relativa. É uma medida adimensional;
I O CV expresso em percentagem é dado por:

S(X )
CV (%) = 100%

52 / 338
Medidas de dispersão

Coeficiente de variação
I Utilizado para avaliação da precisão de experimentos;
I Utilizado para analisar qual amostra é mais homogênea
(menor variabilidade).
I Para amostras com médias diferentes, aquela que
apresentar menor CV, é a mais homogênea.

53 / 338
Medidas de dispersão

Coeficiente de variação
Duas turmas A e B da disciplina EST 105 apresentaram as
seguintes estatísticas na primeira prova:
Turma A Turma B
nA = 50 nB = 60
X¯A = 65 X¯B = 70
SA2 = 225 SB2 = 235
Qual é a turma mais homogênea?

54 / 338
Medidas de dispersão

Amplitude total
É dada pela diferença entre o maior e o menor valor da
amostra.
ATX = X(n) − X(1)

55 / 338
Medidas de dispersão

Exemplo
Se X = {4, 8, 3, 9, 7, 5} então

ATX = 9 − 3 = 6

56 / 338
Medidas de dispersão

Exercício 8 pg 43
1) As estatísticas descritivas apresentadas na tabela a seguir são
referentes à duas variáveis, X e Y , avaliadas em n unidades
experimentais.
Variáveis
Estatísticas
X Y
Média aritmética 12 14
Mediana 10 15
Erro-padrão da média 0,6 1,12
Coeficiente de variação 50% 80%

57 / 338
Medidas de dispersão

Exercício 8 pg 43 - continuação
Assinale com V se a afirmativa estiver totalmente correta ou
assinale F caso contrário e indique o(s) erro(s).
a. ( ) A amostra de valores X apresenta uma menor dispersão
relativa ou maior homogeneidade.
b. ( ) n = 150 unidades experimentais foram avaliadas.
c. ( ) SX2 = 36 e SY2 = 11, 2.

58 / 338
Medidas de dispersão

Exercício 7 pg 43 - Para casa

59 / 338
Coeficiente de correlação amostral

Coeficiente de correlação amostral rXY ou ρ̂XY


O coeficiente de correlação mede o grau de associação linear
entre duas variáveis aleatórias X e Y .
Considere duas amostras das variáveis X e Y , como a seguir:

Xi X1 X2 ... Xn
Yi Y1 Y2 ... Yn

60 / 338
Coeficiente de correlação amostral

O coeficiente de correlação entre os valores de X e Y é dado


por:
SPDXY
rXY = p ,
SQDX × SQDY

em que:

61 / 338
Coeficiente de correlação amostral

n n
  
P P
n Xi Yi
i=1 i=1
X
SPDXY = Xi Yi − ,
n
i=1
 n
2
P
n Xi
i=1
X
SQDX = Xi2 − ,
n
i=1
e 2
n

P
n Yi
i=1
X
SQDY = Yi2 − .
n
i=1

62 / 338
Coeficiente de correlação amostral

Assim:
n n
  
P P
n
Xi Yi
P i=1 i=1
Xi Yi −
i=1 n
rXY = v
u  n
2    n 2 
u P P
u
n
u P Xi   n Yi 
u X 2 − i=1  P 2
  Yi −
i=1 
t i=1 i n n
u 
 i=1 

Vale observar que −1 ≤ rXY ≤ 1

63 / 338
Coeficiente de correlação amostral

X e Y estão positivamente correlacionadas quando elas


caminham num mesmo sentido;

I À medida que uma variável tende a crescer a outra


também tende a crescer;
I À medida que uma variável tende a decrescer a outra
também tende a decrescer.

I Horas de estudo e nota obtida em uma prova;


I Temperatura média e quantidade de sorvete consumida.

64 / 338
Coeficiente de correlação amostral

X e Y estão negativamente correlacionadas quando elas


caminham em sentido contrário;

I À medida que uma variável tende a crescer a outra tende


a diminuir;
I À medida que uma variável tende a diminuir a outra
também tende a aumentar.

I Número de dias de experiência no serviço e número de


peças defeituosas produzidas;
I Venda de carros e desemprego.

65 / 338
Coeficiente de correlação amostral

Correlação não implica relação de causa-e-efeito.

Número de televisões na Inglaterra e população brasileira;


Quantidade de sorvetes consumidos e número de casos de
bronquite.

66 / 338
Coeficiente de correlação amostral

Exemplo
O conjunto de dados usado aqui contém as seguintes
variáveis:

I DistCap: distância à capital da respectiva Unidade da


Federação.
I EspVida: esperança de vida ao nascer
Determine a correlação entre as variáveis X e Y

67 / 338
Município DistCap (X ) EspVida (Y )
Araruna (PR) 365 67,99
Nova Redenção (BA) 278 61,19
Monção (MA) 150 59,58
Porto Rico do Maranhão (MA) 78 58,96
Campo Erê (SC) 468 68,10
Lagoa do Piauí (PI) 40 63,65
São José das Palmeiras (PR) 486 71,01
Paraíba do Sul (RJ) 83 71,36
Malhada dos Bois (SE) 65 64,46
Jandaíra (BA) 175 62,45
Vespasiano (MG) 14 68,68
Ipaba (MG) 167 67,42
Tabela 1: Fonte: Atlas de Desenvolvimento Humano
(www.pnud.org.br/atlas)

68 / 338
Na calculadora
P1) Limpar a memória;
SHIFT + CLR + 3 (ALL) + =
P2) Colocar no modo regressão;
MODE + 3 (REG) + 1 (LIN)
Aparecerá REG pequeno no alto da calculadora.
P3) Entrar com os dados;
I X1 , Y + M+
1
.. .. ..
I . . .
I Xn , Yn + M+

P4) Obter informações;


SHIFT + 1 (S-SUM) para somatórios
SHIFT + 2 (S-VAR) para média, desvios padrões,
equação de regressão, coeficiente de correlação, valores
de X̂ e Ŷ .

69 / 338
Regressão linear simples

Permite determinar, a partir das estimativas dos parâmetros,


como uma variável independente X exerce, ou parece exercer,
influência sobre outra variável Y , chamada de variável
dependente.

Por exemplo, qual a influência do número de horas estudadas


sobre a nota final obtida em uma prova?

Esta pergunta poderia ser respondida a partir de uma


regressão linear simples entre as variáveis Y (nota final obtida)
e X (número de horas estudadas).

70 / 338
Dados n pares de valores de duas variáveis, Xi e Yi , com
i = 1, 2, · · · , n, se admitirmos que Y é função linear de X ,
podemos estabelecer uma regressão linear simples, cujo
modelo estatístico é

Yi = β0 + β1 Xi + εi ,

em que β0 e β1 são os parâmetros do modelo, e ei são os


erros aleatórios.

71 / 338
Figura 1: Interpretação geométrica dos parâmetros estimados na
RLS

72 / 338
ε é o erro aleatório;

εb é o desvio da regressão;

εbi = Yi − Ybi

73 / 338
O intuito é determinar a equação de regressão linear simples
e, utilizando o método dos mínimos quadrados obtemos:

Y
b =β c1 X
c0 + β

74 / 338
Pelo método dos mínimos quadrados temos
n n
  
P P
n Xi Yi
i=1 i=1
P
Xi Yi − n
c1 = SPDXY =
β i=1
2
SQDX n

P
n Xi
Xi2 − i=1
P
n
i=1

e
βb0 = Y − βb1 X .
Na prática, determina-se β̂1 em primeiro lugar e depois β̂0 .

75 / 338
I c1 é chamado de coeficiente da regressão;
β
I c0 é chamado de constante da regressão.
β

Interpretação
I c1 é o aumento médio estimado na variável Y para cada
β
aumento de uma unidade na variável X ;
I c0 é a estimativa da variável Y quando a variável não estiver
β
presente, isto é, X = 0;
I A interpretação deve ser feita dentro do problema,
adaptando as respostas às variáveis do problema.

76 / 338
Na calculadora

P1) Limpar a memória;


SHIFT + CLR + 3 (ALL) + =
P2) Colocar no modo regressão;
MODE + 3 (REG) + 1 (LIN)
Aparecerá REG pequeno no alto da calculadora.
P3) Entrar com os dados;
I X1 , Y1 + M+
.. .. ..
I . . .
I ,
Xn Yn + M+

P4) Obter informações;


SHIFT + 1 (S-SUM) para somatórios
SHIFT + 2 (S-VAR) para média, desvios padrões,
equação de regressão, coeficiente de correlação, valores de
X̂ e Ŷ .

77 / 338
Coeficiente de determinação

O coeficiente de determinação de uma regressão linear


simples, denotado por r 2 e expresso em porcentagem, é dado
por:
SQregressão
r 2 (%) = × 100%, 0 ≤ r 2 ≤ 100%,
SQTotal
sendo
2
SQregressão = β X
c1 SPDXY = (SPDXY ) ,
c2 SQD = β
1 SQDX
e
SQTotal = SQDY

78 / 338
Interpretação
O r 2 indica a proporção da variação de Y que é explicada pela
regressão, ou quanto da SQTotal está sendo explicada pela
regressão, ou quanto da variação na variável dependente Y
está sendo explicada pela variável independente X .

Quanto maior for o r 2 , melhor.

Além do coeficiente de determinação, outros critérios devem


ser adotados na escolha de modelos.

79 / 338
Exercício 04 pg 166
1) Um economista interessado em estudar a relação entre o valor
da renda familiar extra (X ) ou disponível para gastos extras
(chamada de disposable income na literatura em inglês) e o
valor dos gastos com alimentação (Y ), conduziu um estudo
preliminar com 8 famílias, todas compostas por marido esposa
e dois filhos. Os resultados estão na tabela a seguir, com os
valores de X em milhares de dólares por ano e Y em centenas
de dólares por ano.

80 / 338
Exercício 04 pg 166 - continuação
i 1 2 3 4 5 6 7 8
X 30 36 27 20 16 24 19 25
Y 55 60 42 40 37 26 39 43
Sendo

81 / 338
Exercício 04 pg 166 - continuação
n n n n n
Xi2 , Yi2 ;
P P P P P
a) Determine Xi ; Yi ; Yi Xi
i=1 i=1 i=1 i=1 i=1
b) Ajuste a equação de regressão linear simples;
c) Interprete a constante de regressão em termos do problema
enunciado;
d) Interprete o coeficiente de regressão em termos do problema
enunciado;
e) Para um aumento de 4 milhares de dólares por ano na renda
extra, determine o aumento estimado no valor dos gastos com
alimentação;
f) Determine o coeficiente de correlação linear simples;
g) Calcule o coeficiente de determinação e interprete o valor
obtido;
h) Estime o valor dos gastos com alimentação de uma família
que possui 20 mil dólares para gastos extras anualmente;
i) Obtenha o desvio da regressão para o item h).

82 / 338
Exercícios de revisão

Prova 2013-II
1) Dado que,
n n
X n(n + 1) X n(n + 1)(2n + 1)
k= , k2 =
2 6
k =1 k =1

n  2
X
3 n(n + 1)
k = ,
2
k =1

Utilize as propriedades de somatório e calcule:


30
X (2k − 1)3
5
k =1

83 / 338
Solução:

Sabemos que
 
(a − b)3 = (a − b)2 (a − b) = a2 − 2ab + b2 (a − b)
 
= a2 − 2ab + b2 (a − b)
= a3 − 2a2 b + ab2 − a2 b + 2ab2 − b3
= a3 − 3a2 b + 3ab2 − b3

Em nosso problema a = 2k e b = 1, assim

(2k − 1)3 = 8k 3 − 12k 2 + 6k − 1

84 / 338
Solução:

30 30
(2k − 1)3 8k 3 − 12k 2 + 6k − 1

X X
=
5 5
k =1 k =1
30 30 30 30
!
1 X
3
X
2
X X
= 8k − 12k + 6k − 1
5
k =1 k =1 k =1 k =1
30 30 30
!
1 X
3
X
2
X
= 8 k − 12 k +6 k − 30
5
k =1 k =1 k =1
1
= (8 × 216225 − 12 × 9455 + 6 × 465 − 30)
5
1619100
=
5
= 323820

85 / 338
2) Um comerciante vendeu diversos itens obtendo lucro (o)
conforme a tabela a seguir (em reais):
300 100 250 400 220
200 200 180 280 120
Com base nesta tabela responda:

86 / 338
a) Qual o lucro médio?
b) Qual o lucro modal?
c) Qual o lucro mediano?
d) Calcule o coeficiente de variação dos lucros;
e) Determine o erro padrão da média dos lucros.

87 / 338
Introdução à teoria da probabilidade - página 53

Probabilidade
É o ramo da matemática que estuda fenômenos aleatórios;

Os fenômenos que sob mesmas condições resultam nos


mesmos resultados são chamados de fenômenos
determinísticos;

Um carro parte do repouso em movimento retilíneo uniforme


acelerando a velocidade de 5m/s2 , após 10s qual sua
velocidade?

88 / 338
Conceitos fundamentais

Experimento aleatório
São aqueles cujos resultados podem não ser os mesmos,
mesmo que sob condições essencialmente idênticas, sendo
denotados por E;

89 / 338
Exemplos
i) E1 : “Lançar uma moeda 10 vezes e observar o número de
caras obtidas”;
ii) E2 : “Escolher, ao acaso, um ponto de um círculo de raio
unitário”;
iii) E3 : “Selecionar uma carta de um baralho com 52 cartas e
observar seu naipe”;
iv) E4 : “Lançar um dado e observar o número da sua face
superior”;
v) E5 : “Amostrar n peças em um lote e verificar o número de
defeituosas, designado como X ”;
vi) E6 : “Registrar com o auxílio de um aparelho apropriado, o
número de partículas radioativas emitidas por uma fonte em
um período de 24 horas, designado como Y ”;
vii) E7 : “Realizar um teste de vida útil com n componentes
eletrônicos para registrar os tempos ti , i = 1, . . . , n de
operação contínua até a ocorrência da primeira falha”;

90 / 338
Espaço amostral
É o conjunto de todos os possíveis resultados de um
experimento aleatório, sendo denotado por S;

Pode ser finito, infinito e enumerável, infinito e não enumerável;

91 / 338
Exemplos
Associados aos exemplos de experimentos aleatórios vistos
anteriormente em i) a vii), temos:
i) S1 = {0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10};
ii) S2 = {(x, y ) : x 2 + y 2 ≤ 1} é finito e não enumerável;
iii) S3 = {ouro, paus, copas, espadas} = {♦, ♣, ♥, ♠};
iv) S4 = {1, 2, 3, 4, 5, 6};
v) S5 = {0, 1, 2, . . . , n} é finito e enumerável;
vi) S6 = {0, 1, 2, . . .} é infinito e enumerável;
vii) S7 = {ti : 0 < ti ≤ tmax } é finito porém não enumerável. O
valor tmax poderá ser conhecido ou desconhecido, sendo
que estimar tmax poderá ser um dos objetivos do
experimento.

92 / 338
Eventos
Denomina-se evento a todo conjunto particular de resultados
de S, ou ainda, a todo subconjunto de S.

93 / 338
Associados aos espaços amostrais v) a vii) temos:
Exemplos
i) Seja A = {nenhuma peça defeituosa foi amostrada} ou
A = {X = 0};
ii) Seja B = {no máximo 10 partículas} ou B = {Y ≤ 10};
iii) Seja C = {t(1) > 300 horas}, em que t(1) é o mínimo valor ti .

94 / 338
Eventos mutuamente exclusivos
Diz-se que dois eventos são mutuamente exclusivos (ou
mutuamente excludentes) se, e somente se, a ocorrência de
um impede a ocorrência do outro.

Caracterizam-se, na teoria dos conjuntos, por dois conjuntos


disjuntos, isto é, que não possuem nenhum ponto em comum.

A e B são mutuamente exclusivos se A ∩ B = ∅.

95 / 338
Algumas operações e propriedades de conjuntos
P1) Comutativa: A ∪ B = B ∪ A e A ∩ B = B ∩ A;
P2) Associativa: (A ∪ B) ∪ C = A ∪ (B ∪ C) e
(A ∩ B) ∩ C = A ∩ (B ∩ C);
P3) Distributiva: A ∪ (B ∩ C) = (A ∪ B) ∩ (A ∪ C) e
A ∩ (B ∪ C) = (A ∩ B) ∪ (A ∩ C);
P4) Leis de DeMorgan:
P4.i) (A ∪ B)c = Ac ∩ B c ou A ∪ B = (Ac ∩ B c )c ;
P4.ii) (A ∩ B)c = Ac ∪ B c ou A ∩ B = (Ac ∪ B c )c .

96 / 338
Probabilidade axiomática

i) P(A) ≥ 0;
ii) P(S) = 1;
iii) Se A e B são dois eventos em S mutuamente exclusivos,
então P(A ∪ B) = P(A) + P(B).

97 / 338
Teoremas do cálculo de probabilidades - pg 66
Alguns resultados auxiliam os os cálculos de probabilidades,
dentre as quais temos
P1) P (∅) = 0;
P2) P (Ac ) = 1 − P (A);
P3) 0 ≤ P (A) ≤ 1;
P4) Se A ⊂ B então P (A) ≤ P (B);
P5) P (A) = P (A ∩ B) + P (A ∩ B c );
P6) Se A e B são dois eventos quaisquer então

P (A ∩ B c ) = P (A) − P (A ∩ B) ;

P7) Teorema da soma de probabilidades

P (A ∪ B) = P (A) + P (B) − P (A ∩ B) ;

P8) Para três eventos temos:


P (A ∪ B ∪ C) = P (A) + P (B) + P (C) − P (A ∩ B) − P (A ∩ C) − P (B ∩ C) + P (A ∩ B ∩ C)

98 / 338
Probabilidade

A probabilidade surgiu no século XIX com o intuito de


determinar as chances de se ganhar jogos de azar.

Esta motivação levou à chamada probabilidade a priori


(clássica).

99 / 338
Probabilidade clássica

Sejam:
I E um experimento aleatório;
I S um espaço amostral, a ele associado e, composto de n
pontos amostrais;
I Cada ponto amostral tem a mesma probabilidade, isto é,
os pontos são equiprováveis;
I A um evento em S, (A ⊂ S);
Então

100 / 338
f
P (A) =
n
em que:
f é o número de eventos favoráveis ao evento A;
n é o numero de pontos amostrais.

101 / 338
Sejam:
E o experimento relativo ao lançamento de um dado
perfeitamente simétrico e não viciado;
A o evento ocorrência de um número par;
Determinar P(A).

102 / 338
Temos que

S = {1, 2, 3, 4, 5, 6};
Todos os pontos são equiprováveis, isto é, cada ponto de
S tem a mesma probabilidade de ocorrer, pois o dado não
é viciado;
Então f = 3, n = 6 e assim
3
P(A) = = 0, 5
6

103 / 338
Problemas

Só é aplicável se o espaço amostral for enumerável finito e


equiprovável;

Se S tivesse infinitos elementos, então cada evento teria


probabilidade zero de ocorrer.

104 / 338
Exercício 01 pg 85
1. Considerando o espaço amostral de um experimento
constituído do lançamento de dois dados perfeitamente
simétricos e não viciados, pede-se:
a) Qual a probabilidade de que o primeiro dado mostre a face
dois e o segundo a face três?
b) Qual a probabilidade de que ambos os dados mostrem a
mesma face?
c) Qual a probabilidade de que o segundo dado mostre um
número par?

105 / 338
Exercício 02 pg 85
2. Uma moeda perfeita é lançada três vezes e observado o
número de caras. Qual é a probabilidade de ocorrer?
a) Pelo menos uma cara?
b) Somente cara ou somente coroa?
c) Exatamente uma cara?

106 / 338
Exercício 03 pg 85
Para casa.

107 / 338
Probabilidade frequentista

Também chamada de probabilidade a posteriori;

108 / 338
Considere um experimento aleatório que possa ser repetido
indefinidamente em idênticas condições;

Seja A um evento pertencente ao espaço amostral associado a


este experimento aleatório;

Se após n repetições do experimento, com n suficientemente


grande, for observado m ≤ n vezes o evento A, então uma
estimativa da probabilidade P(A) é dada pela frequência
relativa f = m
n.

109 / 338
Um dado foi lançado n vezes e registrou-se o número de vezes
m que determinada face ocorreu.

Com o aumento do número de repetições n, as duas se


aproximam, f ≈ P(A).

110 / 338
Problemas

A exigência n suficientemente grande é por demais vaga para


que sirva como uma boa definição de probabilidade, além de
impossibilitar, tal como o conceito clássico, o tratamento
probabilístico de eventos associados a experimentos aleatórios
com espaços amostrais infinitos.

111 / 338
Probabilidade axiomática

Foi axiomatizada por Kolmogorov;

i) P(A) ≥ 0;
ii) P(S) = 1;
iii) Se A e B são dois eventos em S mutuamente exclusivos,
então P(A ∪ B) = P(A) + P(B).

112 / 338
Exercício 15 pg 87
3. Quatro equipes A, B, C e D participam de um torneio que
premiará uma única equipe campeã. Com relação as
probabilidades de cada equipe vencer o torneio: as equipes C
e D são equiprováveis, a equipe A é duas vezes mais provável
do que B, a equipe B é duas vezes mais provável do que as
equipes C e D. Pede-se: Qual é a probabilidade de que as
equipes C ou D sejam campeãs?

113 / 338
Exercício 06 pg 86
4. Sejam A, B e C três eventos de um mesmo espaço amostral S.
Sabendo-se que:

1 1 1
P (A) = P (B) = ; P (C) = ; P (A ∩ B) = ;
3 4 8
1 1
P (A ∩ C) = P (B ∩ C) = ; P (A ∩ B ∩ C) = .
9 20
Calcular as probabilidades:
a) De ocorrer pelo menos um dos eventos A, B ou C;
b) De que não se realize nenhum dos eventos A, B ou C;

114 / 338
Probabilidade condicional e independência - pg 72

A noção de probabilidade condicional é uma ferramenta básica


da teoria das probabilidades.

115 / 338
Considere um departamento de uma universidade assim
distribuído:

116 / 338
XX
XXX Sexo
XXX Homens (H) Mulheres (F) Totais
Curso XXX
Música (M) 70 40 110
Administração (A) 15 15 30
Estatística (E) 10 20 30
Computação (C) 20 10 30
Totais 115 85 200
Podemos calcular:
P(A) P(H) P(A ∩ H) P(A ∪ H)
P(A|H) P(H|A)

117 / 338
Probabilidade condicional

Seja B um evento cuja probabilidade é positiva. Para um


evento A, arbitrário, definimos.
P(A ∩ B)
P(A|B) = , P(B) > 0
P(B)

118 / 338
Obviamente tem-se que:

P(A ∩ B)
P(B|A) = , P(A) > 0
P(A)

119 / 338
Exercício 10 pg 86
1) Jogam-se dois dados. Se as duas faces mostram números
diferentes, qual é a probabilidade condicional de que uma das
faces seja quatro?

120 / 338
Exercício 06 pg 86
2) Sejam A, B e C três eventos de um mesmo espaço amostral S.
Sabendo-se que:

1 1 1
P (A) = P (B) = ; P (C) = ; P (A ∩ B) = ;
3 4 8
1 1
P (A ∩ C) = P (B ∩ C) = ; P (A ∩ B ∩ C) = .
9 20
Calcular as probabilidades:
c) De que o evento A se realize, sabendo-se que já ocorreu B ou
C (probabilidade condicional).

121 / 338
Exercício 01 pg 84
3) Numa prova há sete questões do tipo verdadeiro-falso (V ou F).
Calcule a probabilidade de acertarmos todas as 7 questões se:

a) Escolhermos aleatoriamente as 7 respostas.


b) Escolhermos aleatoriamente as 7 respostas, mas, sabendo-se
que há mais respostas V do que F (condicional).

122 / 338
Teorema do produto das probabilidades

Vimos que a probabilidade condicional de A dado B é,

P(A ∩ B)
P(A|B) =
P(B)

A fórmula é frequentemente usada na forma,

P(A ∩ B) = P(A|B)P(B)

Esse resultado é conhecido pelo nome de teorema do produto


das probabilidades.

123 / 338
Independência

A probabilidade condicional P(A|B) não é, em geral, igual à


probabilidade P(A).

No caso em que P(A|B) = P(A) diremos que A é


estocasticamente (probabilísticamente) independente de B.

124 / 338
Independência

Em termos de probabilidades temos que A e B são


independentes se
P(A|B) = P(A);
ou equivalentemente

P(A ∩ B) = P(A)P(B)

125 / 338
Independência

Para três eventos


i)
P(A ∩ B) = P(A)P(B)

ii)
P(A ∩ C) = P(A)P(C)

iii)
P(B ∩ C) = P(B)P(C)
Se i), ii) e iii) são satisfeitas temos que os eventos são
independentes dois a dois;
iv)
P(A ∩ B ∩ C) = P(A)P(B)P(C)
Se i), ii), iii) e iv) são satisfeitas temos que os eventos são
mutuamente independentes.

126 / 338
Independência

Para n eventos
Os n eventos A1 , A2 , · · · , An são mutuamente independentes,
se para todas as combinações 1 ≤ i < j < k < · · · ≤ n, as
regras de multiplicação,

P(Ai ∩ Aj ) = P(Ai ) · P(Aj )

P(Ai ∩ Aj ∩ Ak ) = P(Ai ) · P(Aj ) · P(Ak )


.. .. ..
. . .
P(A1 ∩ A2 ∩ · · · ∩ An ) = P(A1 ) · P(A2 ) · . . . P(An )
se aplicam.

127 / 338
Exercício 04 pg 84
4) Considere a escolha aleatória de um número entre os 10
primeiros números inteiros positivos (a partir de um), e os
eventos:

A = {1, 2, 3, 4, 5}, B = {4, 5, 6, 7} e C = {5, 9}.

Pede-se: Os eventos são mutuamente independentes? Mostre


por quê.

128 / 338
Exercício 19 pg 88
5) Suponha que a probabilidade de que um vigia noturno num
navio com luzes apagadas descubra um periscópio em certas
condições de tempo seja igual a 0, 7. Pede-se: qual é a
probabilidade de que uma combinação de dois vigias similares
façam a descoberta? Qual é a pressuposição necessária para
o cálculo desta probabilidade?

129 / 338
Teorema da probabilidade total

130 / 338
Teorema da probabilidade total

Sejam B1 , B2 , · · · , Bn eventos mutuamente exclusivos e


exaustivos. Isto é, {B1 , B2 , · · · , Bn } satisfazem:

Bi ∩ Bj = ∅, ∀i 6= j

e também
B1 ∪ B2 ∪ · · · ∪ Bn = S
então,
A = (A ∩ B1 ) ∪ (A ∩ B2 ) ∪ . . . ∪ (A ∩ Bn )

131 / 338
Teorema da probabilidade total

Mediante aplicação da definição de probabilidade condicional,

P(A ∩ Bi )
P(A|Bi ) =
P(Bi )

teremos,
P(A ∩ Bi ) = P(A|Bi )P(Bi )
logo

P(A) = P(A|B1 ) · P(B1 ) + P(A|B2 ) · P(B2 ) + . . . + P(A|Bn ) · P(Bn )

e finalmente
n
X
P(A) = P(A|Bi ) · P(Bi )
i=1

132 / 338
Teorema de Bayes

Com base na definição de probabilidade condicional, pode-se


estabelecer um resultado bastante útil conhecido como o
Teorema de Bayes.

P(A|Bj )P(Bj )
P(Bj |A) = n
P
P(A|Bi )P(Bi )
i=1

133 / 338
Exercício 2 página 79

1) Sejam duas urnas I e II. A urna I contém três fichas vermelhas


e duas fichas azuis, e a urna II contém duas fichas vermelhas e
oito fichas azuis. Joga-se uma moeda “honesta” Se a moeda
der “cara”, extrai-se uma ficha da urna I; se der “coroa”,
extrai-se uma ficha da urna II. Pede-se:
a) Determine a probabilidade de escolha de uma ficha vermelha.
b) Dado que a ficha é vermelha, qual é a probabilidade
condicional de ter vindo da urna I?

134 / 338
Diagrama de árvore
Em geral, o chamado diagrama de árvore é uma ferramenta útil
para avaliar probabilidades;
Seu uso nos teoremas da probabilidade total e de Bayes é,
muita das vezes, necessário por facilitar o entendimento do
problema.

135 / 338
B
3
5

1 2
2 5
Bc

1
B
2
2 10

Ac

8
10
Bc
136 / 338
Exercício 04 pg 78
2) Suponha que um teste seja 99% acurado em indicar uma
doença rara, que somente ocorre em uma pessoa a cada um
milhão. Avalie a probabilidade condicional de uma pessoa
estar com esta doença rara se o teste indicar que sim.

137 / 338
Exercício 03 pg 84
3) Certa firma utilizava um teste para classificar os funcionários
em categorias; ao final eles eram classificados em: 25% bons
(B), 50% médios (M) e 25% fracos (F). Um novo teste é
proposto, de tal forma a classificar os funcionários como
aprovado (A) ou reprovado (R). Com base em informações do
antigo teste, foram obtidas as seguintes probabilidades
condicionais com o novo teste:
Categorias do Aprovados pelo
antigo teste novo teste(%)
B 80
M 50
F 20
Pede-se: qual é a probabilidade condicional de um funcionário
aprovado no novo teste, ser classificado como fraco pelo antigo
teste?

138 / 338
Exercício 13 pg 91
4) Considere que a probabilidade condicional de um equipamento
eletrônico falhar depende apenas da temperatura, de acordo
com as seguintes probabilidades condicionais:
Temperatura (t) Probabilidade de falhar
t < 5◦ C 0, 80
5◦ C ≤ t ≤ 15◦ C 0, 40
t > 15◦ C 0, 10
Considere também que a temperatura no local de operação do
equipamento se distribui de acordo com as seguintes
probabilidades:
(t) t < 5◦ C 5◦ C ≤ t ≤ 15◦ C t > 15◦ C
P (t) 0,10 0, 50 0,40
Pede-se: Tendo-se observado uma falha no equipamento, qual
é a probabilidade condicional de que ela tenha ocorrido com
temperatura superior a 15◦ C?

139 / 338
Exercícios resolvidos 1 a 5 pg 79 a 83
5) Fazer os exercícios resolvidos das páginas 79 a 83.

140 / 338
Variáveis aleatórias - (v.a.) - página 101

O uso de variáveis aleatórias permite descrever os resultados


de um experimento aleatório por meio de números ao invés de
palavras, o que apresenta a vantagem de possibilitar melhor
tratamento matemático.

Considere o lançamento de duas moedas e seja X o número


de caras obtidas, denote c = cara e k = coroa.

S = {kk , ck , kc, cc}

SX = {0, 1, 2}
X (kk ) = 0, X (ck ) = X (kc) = 1 e X (cc) = 2

141 / 338
Variáveis aleatórias - (v.a.)

Se E é um experimento aleatório e S o espaço amostral


associado a este experimento, uma função X que associe a
cada elemento s pertencente a S um número real X (s), é
denominada variável aleatória:
∀s ∈ S tem-se X (s) : S 7→ Sx = {x ∈ R : X (s) = x}

142 / 338
Variáveis aleatórias - (v.a.)

As variáveis aleatórias classificam-se em:


i) Discretas: (v.a.d) se os valores x que X pode assumir
formam um conjunto enumerável, finito ou infinito. Em geral o
valor x é obtido mediante alguma forma de contagem.
I O número de acidentes ocorridos em uma semana;
I O número de peças defeituosas em uma amostra;
I O número de chamadas telefônicas recebidas por hora em
uma central.
ii) Contínuas: (v.a.c) se puder assumir todo e qualquer valor x
em algum intervalo: a ≤ x ≤ b, em que a e b podem ser,
respectivamente, −∞ e +∞. Portanto, uma v.a. c. está
associada a um espaço amostral infinito não enumerável.
I Peso dos alunos da UFV;
I Altura dos alunos da UFV;
I Tempo até a queima de uma lâmpada.

143 / 338
Variáveis aleatórias discretas - (v.a.d.)

Associada a variáveis aleatórias temos a chamada função de


probabilidade;

Função de probabilidade (f.p.)


A função de probabilidade f (x) atribui a cada ponto do espaço
amostral sua probabilidade de ocorrência;

Pode ser dada em termos de uma tabela, gráfico e ou através


de uma fórmula matemática.

144 / 338
Variáveis aleatórias discretas - (v.a.d.)

Considere o lançamento de um dado não viciado e seja X a


v.a. que é o número da face voltada para cima. A função de
probabilidade neste caso pode ser dada como:

Tabela
x 1 2 3 4 5 6
1 1 1 1 1 1
P(X = x)
6 6 6 6 6 6

Fórmula
1
f (x) = P(X = x) = ,
6
para x = 1, 2, 3, 4, 5, 6, e zero (0), caso contrário.

145 / 338
Variáveis aleatórias discretas - (v.a.d.)

Para que uma função seja uma função de probabilidade deve


satisfazer:
i) f (x) ≥ 0, para todo x;

P
ii) f (x) = 1.
x=1

146 / 338
Variáveis aleatórias discretas - (v.a.d.)

Exemplo
Seja E: Observar X = “número de pontos da face superior” no
lançamento de um dado viciado, de tal forma que a
probabilidade de cada face é proporcional ao número de
pontos. Determine a função de probabilidade (f.p.).

147 / 338
Exercício 15 pg 134
1) Este é um problema com nomes e fatos reais. Vou a um
churrasco e encontro o meu amigo Luiz Abrantes com as suas
três filhas: Luiza, Paula e Bruna. Eu sei os nomes das filhas
dele mas não tenho a menor idéia de quem é quem e portanto
de forma completamente aleatória falarei os nomes. Considere
que a variável aleatória X represente o número de nomes que
eu acerto. Pede-se: Construa a tabela com a distribuição das
probabilidades de X .

148 / 338
Variáveis aleatórias discretas - (v.a.d.)

2) Exercício prova 2 - 2012/II


Quando um componente eletrônico é testado ele pode
apresentar três tipos de defeitos de funcionamento A, B e C.
Admita que as probabilidades sejam: P(A) = 0, 30,
P(B) = 0, 28, P(C) = 0, 31. Pode também ocorrer mais que
um tipo de defeito em um mesmo componente, de modo que:
P(A ∩ B) = 0, 15, P(A ∩ C) = 0, 17, P(B ∩ C) = 0, 13 e
P(A ∩ B ∩ C) = 0, 05. Seja X a variável aleatória discreta que
represente o número de tipos de defeitos que um componente
pode apresentar. Pede-se: Obtenha a tabela com a
distribuição de probabilidades de X .

149 / 338
Variáveis aleatórias discretas - (v.a.d.)

Associada às variáveis aleatórias discretas temos também a


chamada função de distribuição acumulada (F (x)), também é
chamada de função de distribuição;

Função de distribuição acumulada


É a função F (·) tal que

F (x) = P (X ≤ x)

F (x) nos dá a probabilidade acumulada até x.

150 / 338
Variáveis aleatórias discretas - (v.a.d.)

Considere o lançamento de um dado não viciado e seja X a


v.a. que é o número da face voltada para cima. A função de
probabilidade é dada por:

Tabela
x 1 2 3 4 5 6
1 1 1 1 1 1
P(X = x)
6 6 6 6 6 6
Determine a função de distribuição.

151 / 338
Variáveis aleatórias discretas - (v.a.d.)

Exercício prova 2 - 2013/I


Considere a função de distribuição acumulada da variável
aleatória X dada a seguir:


 0, se x < 0
 2/6, se 0 ≤ x < 1


F (x) = 3/6, se 1 ≤ x < 2
 4/6, se 2 ≤ x < 3



1, se 3 ≤ x

Pede-se: calcule a seguinte probabilidade P(1 ≤ X < 3).

a) 1/6 d) 1/3
b) 1/2
c) 2/3 e) n.d.r.a.

152 / 338
Adaptação exemplo página 108

3) Considere a função de distribuição acumulada da variável


aleatória discreta X dada a seguir,


 0, se x < −2
1/4, se −2 ≤ x < −1



F (x) = 3/8, se −1 ≤ x < 2
7/8, se 2 ≤ x < 4




1, se 4 ≤ x

Determine:
a) Esboce o gráfico de F (x).
b) Determine
 a função de probabilidade.
3
c) P X ≥
2
d) P (−1 ≤ X < 4)

153 / 338
Exercício 07 pg 132
4) O número de anos de serviço dos funcionários de uma grande
empresa é uma variável aleatória discreta X , cuja função de
probabilidade f (x) = P (X = x) é dada na tabela a seguir,


 0, 08, x = 1, . . . , 5
0, 09, x = 6, . . . , 10

f (x) =

 0, 01, x = 11, . . . , 25
0, para outros valores de x

a) Obtenha a função de distribuição acumulada


F (x) = P(X ≤ x).
b) Qual é o percentual de funcionários com no máximo 10 anos
de serviço.
c) Dentre os funcionários com no mínimo 10 anos de serviço,
calcule o percentual com no mínimo 20 anos (probabilidade
condicional).

154 / 338
Variáveis aleatórias contínuas - (v.a.c.)

Função densidade de probabilidade (f.d.p.)


A função que denotaremos por f (x), definida para a ≤ x ≤ b,
será chamada função densidade de probabilidade (f.d.p.) se
satisfizer às seguintes condições:
i) f (x) ≥ 0, para todo x ∈ [a, b];
Z b
ii) f (x)dx = 1.
a

155 / 338
Variáveis aleatórias contínuas - (v.a.c.)

Z d
I Se c < d então P(c < X < d) = f (x)dx
Z c c

I P(X = c)=P(c ≤ X ≤ d)= f (x)dx = 0


c
I P(c ≤ X ≤ d) = P(c ≤ X < d) = P(c < X ≤ d) = P(c < X < d)
I A função densidade de probabilidade f (x), não representa
probabilidade. Somente quando a função for integrada entre
dois limites, ela produzirá uma probabilidade, que será a
área sob a curva da função entre os valores considerados.

156 / 338
Variáveis aleatórias contínuas - (v.a.c.)

Exemplo 1 - página 106


1) Seja uma v.a.c. X definida pela seguinte função densidade de
probabilidade:

 0, se x < 0
f (x) = kx, se 0 ≤ x ≤ 2
0, se 2 < x

a) Determinar o valor de k ;
b) Traçar o gráfico da função densidade de probabilidade;
c) Calcular P(X ≤ 1);
d) calcular P(X > 1).
Respostas: (a) k =1/2, (c) 1/4, (d) 3/4.

157 / 338
Exercício 04 pg 125
2) Uma variável aleatória contínua X possui a seguinte função
densidade de probabilidade:

 0,  para x < −1 ou x ≥ 4/3,
f (x) = k 1 − x 2 , para −1 ≤ x < 0,
k, para 0 ≤ x < 4/3.

Determinar:
a) O valor de k ;
b) P (−0, 5 ≤ X ≤ 0, 5);

158 / 338
Exercício 25 pg 137
3) Seja X a vida útil de um componente eletrônico, que
representa o tempo de funcionamento em horas até ele
apresentar a primeira falha. A função densidade de
probabilidade de X é dada por,

ke−x/200 , 0 ≤ x < ∞,

f (x) =
0, caso contrário.

Pede-se:
a) O valor de k ;
b) A probabilidade de um componente durar pelo menos 300
horas;
c) A probabilidade condicional de um componente durar pelo
menos 700 horas sabendo-se que durar 300 horas é certo.
e) Qual deve ser a garantia dada pelo fabricante de modo que no
máximo 10% dos componentes tenham vida útil inferior à
garantia?
Letra d será resolvida posteriormente.
159 / 338
4) Seja X uma variável aleatória contínua com função densidade
de probabilidade dada por,
 2
 3x , 1 ≤ x ≤ 3

f (x) = c


0, outros valores x

Pede-se: O valor de c é igual a,


a.( ) 27
b.( ) 81
c.( ) 26
d.( ) 9
e.( ) n.d.r.a.

160 / 338
Função de distribuição acumulada
É a função F (x) associada à variável aleatória X , tal que:
X
F (x) = P (X ≤ x) = P (X = xi ).
xi ≤x

161 / 338
Variáveis aleatórias contínuas - (v.a.c.)

Função de distribuição acumulada


É a função F (x) associada à variável aleatória X , tal que:
Z x
F (x) = P (X ≤ x) = f (u) du.
−∞

162 / 338
Variáveis aleatórias contínuas - (v.a.c.)

Através de f (x) podemos obter F (x) por integração;

Através de F (x) podemos obter f (x) por derivação.

163 / 338
Exercício 04 pg 125
1) Uma variável aleatória contínua X possui a seguinte função
densidade de probabilidade:


 0, para x < −1 ou x ≥ 4/3,
 1 
1 − x 2 , para −1 ≤ x < 0,

f (x) = 2

 1
, para 0 ≤ x < 4/3.


2
Determinar:
c) F (x), a função de distribuição acumulada.

164 / 338
Exercício 25 pg 137 - letra d)
2) Seja X a vida útil de um componente eletrônico, que
representa o tempo de funcionamento em horas até ele
apresentar a primeira falha. A função densidade de
probabilidade de X é dada por,
 1 −x/200
200 e , 0 ≤ x < ∞,
f (x) =
0, caso contrário.

Pede-se:
d) A função de distribuição acumulada de X .

165 / 338
Variáveis aleatórias bidimensionais

Variáveis aleatórias bidimensionais surgem quando para um


determinado experimento aleatório, cada resultado s do
espaço amostral S se associa a dois resultados X (s) = x e
Y (s) = y .

Estudar a estatura X e o peso Y , de alguma pessoa escolhida


ao acaso, o que forneceria o resultado (x, y ).

Nos restringiremos aqui às variáveis aleatórias bidimensionais.

166 / 338
Variáveis aleatórias bidimensionais

X(s )
X

S Y
Y(s )

167 / 338
v.a.d

y
x y1 y2 ··· ys P(X = x)
x1 P(x1 , y1 ) P(x1 , y2 ) ··· P(x1 , ys ) P(X = x1 )
x2 P(x2 , y1 ) P(x2 , y2 ) ··· P(x2 , ys ) P(X = x2 )
··· ··· ··· ··· ··· ···
xr P(xr , y1 ) P(xr , y2 ) ··· P(xr , ys ) P(X = xr )
P(Y = yj ) P(Y = y1 ) P(Y = y2 ) ··· P(Y = ys ) 1
P(X = xi , Y = yj ) = P(xi , yj ) = pij .

168 / 338
v.a.d

Condições para que P(xi , yj ) seja uma função de


probabilidade conjunta bidimensional
(a) P(xi , yj ) ≥ 0, para todo par (xi , yj )
XX
(b) P(xi , yj ) = 1
i j

Y
X 0 1 2
0 0,10 0,20 0,20
1 0,04 0,08 0,08
2 0,06 0,12 0,12

169 / 338
v.a.d

Marginal de X
xi x1 x2 ··· xr Total
P(X = xi ) P(X = x1 ) P(X = x2 ) ··· P(X = xr ) 1

s
X
P(X = xi ) = P(xi ) = P(xi , yj )
j=1

Marginal de Y
yj y1 y2 ··· ys Total
P(Y = yj ) P(Y = y1 ) P(Y = y2 ) ··· P(Y = ys ) 1

r
X
P(Y = yj ) = P(yj ) = P(xi , yj )
i=1

170 / 338
v.a.d
Exemplo 1: pg 116

Dada a distribuição de probabilidade conjunta de (X , Y ) abaixo


Y
X 0 1 2
0 0,10 0,20 0,20
1 0,04 0,08 0,08
2 0,06 0,12 0,12

pede-se:
a) A distribuição de X ;
b) P [X ≤ 1];
c) P [X > 1];
d) A distribuição de Y ;
e) A distribuição de W = X + Y ;
f) A distribuição de V = XY .
171 / 338
Exercício 11 pg 127 letras a) e b)
1) Seja (X , Y ) uma variável aleatória bidimensional discreta, com
a seguinte função de probabilidade:

 2xi + yj
P(xi , yj ) = , para xi = 0, 1, 2 e yj = 0, 1, 2, 3;
42
 0, caso contrário.

Pede-se:
a) A tabela com a distribuição de probabilidade conjunta;
b) A tabela com a distribuição marginal de X e também a de Y .

172 / 338
v.a.d
Probabilidade condicional
Seja xi um valor de X , tal que P(X = xi ) = P(xi ) > 0. A
probabilidade condicional de Y = yj , dado que X = xi é
dada por,

P(X = xi , Y = yj )
P(Y = yj |X = xi ) =
P(X = xi )

Variáveis aleatórias independentes


Seja (X , Y ) uma variável aleatória bidimensional. X e Y são
independentes se

P(Y = yj |X = xi ) = P(Y = yj )

ou equivalentemente

P(X = xi , Y = yj ) = P(X = xi )P(Y = yj )

173 / 338
v.a.d
Prova 02 - 2014/I
Seja (X , Y ) uma variável aleatória bidimensional discreta com
a seguinte distribuição de probabilidades,

Y
X 1 3 8 P(x)
0 0,18 0,12 0,30 0,60
5 0,12 0,08 0,20 0,40
P(y ) 0,30 0,20 0,50 1,00

Pede-se:
a) Aplique a definição de probabilidade condicional e calcule:
P(X = 5|Y ≥ 3).
b) A probabilidade encontrada no item a) é igual a P(X = 5)?
responda SIM ou NÃO e justifique sua resposta com o
conceito de variáveis aleatórias independentes.
c) Se W = X + Y , calcule P(W > 3).
174 / 338
v.a.d

Prova 02 - 2012/II
Considere a função de distribuição acumulada da variável
aleatória discreta X dada a seguir,


 0, se x < −1,



 1/6, se −1 ≤ x < 1,
2/6, se 1 ≤ x < 2,

F (x) =

 4/6, se 2 ≤ x < 3,
5/6, se 3 ≤ x < 5,




1, se x ≥ 5.

Determine
a) P(2 ≤ X < 5);
b) P(X ≤ 4|X > 0).

175 / 338
v.a.d

Variáveis aleatórias discretas independentes


Seja (X , Y ) uma variável aleatória bidimensional discreta. X e
Y são independentes se

P(Y = yj |X = xi ) = P(Y = yj ),

ou equivalentemente,

P(X = xi , Y = yj ) = P(X = xi )P(Y = yj ),

para todos (xi , yj ) ∈ Ω.

176 / 338
v.a.d

Exemplo 1

1) Dada a distribuição de probabilidade conjunta de (X , Y ) abaixo


Y
X 0 1 2 P(X = x)
0 0,10 0,20 0,20 0,50
1 0,04 0,08 0,08 0,20
2 0,06 0,12 0,12 0,30
P(Y = y ) 0,20 0,40 0,40 1
pede-se:
i) P(X = 1|Y = 0);
ii) P(X ≤ 1|Y = 0);
iii) A distribuição condicional de X dado que Y = 0;
iv) X e Y são independentes?.

177 / 338
v.a.c

Variáveis aleatórias bidimensionais contínuas


Uma variável aleatória (X , Y ) é dita ser uma variável aleatória
bidimensional contínua se X e Y forem variáveis aleatórias
contínuas.

Associada a uma variável aleatória bidimensional contínua


temos a função densidade de probabilidade bidimensional.

178 / 338
v.a.c

Condições para que f (x, y ) seja uma função densidade


de probabilidade bidimensional
f (x, yZ) ≥ 0, para todo par (x, y );
(a) Z
∞ ∞
(b) f (x, y )dxdy = 1
−∞ −∞

179 / 338
v.a.c

Z b Z d
P (a ≤ X ≤ b, c ≤ Y ≤ d) = f (x, y ) dydx
a c
Z d Z b
= f (x, y ) dxdy
c a

180 / 338
v.a.c

Exemplo 2 - pg 116

2) Sejam X e Y variáveis aleatórias contínuas com função


densidade de probabilidade conjunta dada por:

k (2x + y ) , 2 ≤ x ≤ 6; 0 ≤ y ≤ 5
f (x, y ) =
0, para outros valores

Pede-se:
a) O valor de k ;
b) P(X ≤ 3; 2 ≤ Y ≤ 4);

181 / 338
v.a.c

Distribuição marginal

A função densidade de probabilidade marginal de X é definida


por: Z ∞
g(x) = f (x, y )dy ;
−∞

Analogamente, a função densidade de probabilidade marginal


de Y é definida por:
Z ∞
h(y ) = f (x, y )dx;
−∞

182 / 338
v.a.c

Variáveis aleatórias independentes

Seja (X , Y ) uma variável aleatória contínua bidimensional.


Diremos que X e Y são independentes, se e somente se, a
função densidade de probabilidade conjunta puder ser fatorada
no produto das duas funções densidade de probabilidade
marginais:
f (x, y ) = g(x)h(y )

183 / 338
v.a.c

Exemplo 2 - pg 116

3) Sejam X e Y variável aleatória contínua bidimensional com a


seguinte função densidade de probabilidade conjunta,

k (2x + y ) , 2 ≤ x ≤ 6; 0 ≤ y ≤ 5
f (x, y ) =
0, para outros valores

Pede-se:
c) P (Y ≤ 2);
d) P (X > 4);
e) X e Y são independentes?

184 / 338
Exercício 16 pg 128
4) Sejam X e Y variáveis aleatórias contínuas, com função
densidade de probabilidade conjunta dada por:

 3−y
, se 0 ≤ x ≤ 4, 0 ≤ y ≤ 2
f (x, y ) =
 16
0, para outros valores de x e y .

Pede-se:
a) As funções marginais de X e Y ;
b) X e Y são v.a. independentes? Justifique.

185 / 338
Exercício resolvido página 114
5) Refaça o exercício resolvido da página 114 da apostila.

186 / 338
v.a.c

Prova 02 - 2014/I

6) Seja (X , Y ) uma variável aleatória (v.a.) contínua bidimensional


com a seguinte função densidade de probabilidade conjunta,

 kx 2 y ,

para 0 ≤ x ≤ 3 e 0 ≤ y ≤ 1
f (x, y ) =
0, para outros valores x e y

Pede-se:
a) Calcule o valor k ;
b) Verifique se X e Y são v.a. contínuas independentes.
Responda SIM ou NÃO e justifique sua resposta. Atenção: se
não souber o valor de k do item a), indique os cálculos.

187 / 338
v.a.c

Distribuição condicional

A função densidade de probabilidade condicional de X , dado


que Y = y é definida por:

f (x, y )
f (x|y ) = , h(y ) > 0;
h(y )

Analogamente, a função densidade de probabilidade


condicional de Y , dado X = x é definida por:

f (x, y )
f (y |x) = , g(x) > 0
g(x)

188 / 338
v.a.c

Exemplo 2 - pg 116

1) Seja (X , Y ) uma variável aleatória bidimensional contínua com


a seguinte função densidade de probabilidade conjunta,

 1
(2x + y ) , 2 ≤ x ≤ 6; 0 ≤ y ≤ 5
f (x, y ) =
 210 0, para outros valores

Pede-se:
f) f (x|y )
g) f (x|Y = 1)

189 / 338
v.a.c

2) Seja (X , Y ) uma variável aleatória contínua bidimensional com


a seguinte função densidade de probabilidade conjunta,

 4 + 6(x + y ) + 9xy
, −1 ≤ x ≤ 1, −1 ≤ y ≤ 1
f (x, y ) = 16
0, para outros valores x e y .

Pede-se:
a) Determine f (x|y );
b) Determine P X < − 31 |Y = − 13 ;


c) X e Y são variáveis aleatórias independentes? Justifique sua


resposta.

190 / 338
Prova 2013/II
1) Considere o seguinte jogo de azar: o jogador paga R$ X (valor
que não é devolvido) e depois aleatoriamente escolhe uma
dentre três moedas idênticas, sendo uma delas viciada. A
moeda escolhida é então lançada, e, se mostrar a face cara, o
jogador não recebe nenhum prêmio; se mostrar a face coroa,
ele recebe um prêmio de R$ 24. Admita que a moeda viciada
mostre a face cara com probabilidade igual a 0,75 (ou 3/4).
Pede-se:

191 / 338
Prova 2013/II
a) se a moeda mostrou a face cara, qual é a probabilidade condicional
de que a moeda lançada tenha sido a viciada?

4
i.( )
7
7
ii.( )
12
1
iii.( )
4
3
iv.( )
7
v.( ) n.d.r.a.

192 / 338
b) qual deve ser o valor pago pelo jogador para que este jogo seja
justo? isto é, para que o valor esperado (recebido pelo jogador ou
pelo organizador do jogo) seja igual a zero.

i.( ) ≈ R$ 17,143
ii.( ) R$ 10
iii.( ) R$ 14
iv.( ) ≈ R$ 12,35
v.( ) n.d.r.a.

193 / 338
Solução 1a)
Solução: Sejam:
A:“A moeda é viciada”
B:“A face mostrada é cara”.
Temos que
P [A] = 13 , P [Ac ] = 23 , P [B |A ] = 34 ,
P [B c |A ] = 14 , P B|A c = 12 , P B c |A c = 12 ,
conforme mostrado no diagrama de árvore a seguir:

194 / 338
Solução 1a) B
3
4

1 1
3 4
Bc

2
B
1
3 2

Ac

1
2
Bc

195 / 338
Solução 1a)

P [A ∩ B] P [B |A ] P [A]
P [A |B ] = =
P [B] P [B |A ] P [A] + P [B |Ac ] P [Ac ]
3 1 1
4 × 3 4 3
= 3 1 1 2
= 7
=
4 × 3 + 2 × 3 12
7

Desta forma a resposta correta é a letra iv).

196 / 338
Solução 1b)
Solução: Seja X o valor recebido pelo jogador. Então
Face B Bc Total
7 5
P[X = x] 12 12 1
x 0 24
X 7 5 120
E(X ) = xP(X = x) = 0 × + 24 × = = 10
x
12 12 12

Desta forma o valor médio recebido é de R$10,00 e, assim


sendo, o jogador deve pagar R$10,00 para que o jogo seja
justo, sendo a resposta correta a letra ii).

197 / 338
Prova 2014/I
2) Suponha que um site especializado tenha previsto os
seguintes finalistas para a copa do mundo de 2014:
Brasil(BRA), Espanha(ESP), França(FRA) e Argentina(ARG),
portanto a seguinte partição do espaço amostral para o jogo
final com as seguintes probabilidades:
P(BRA x ESP)=0,40, P(BRA x ARG)=0,20, P(FRA x
ESP)=0,10 e P(FRA x ARG)=0,30.
Admita também que o Brasil vença o jogo final contra a
Espanha com probabilidade 0, 8 e contra a Argentina com
probabilidade 0,70. Nos demais jogos finais admita
probabilidade 0,50 de vitória para qualquer um dos dois times.
Com base apenas nestas informações, pede-se:
a) A probabilidade condicional do Brasil ser o campeão, dado
que a Argentina estará na final.
b) A probabilidade do Brasil ser o campeão (Dica: faça um
diagrama em árvore).

198 / 338
Solução 2a)
Sejam:
A : “A final é Brasil versus Espanha”;
B : “A final é Brasil versus Argentina”;
C : “A final é França versus Espanha”;
D : “A final é França versus Argentina”;
E : “Brasil vence Espanha na final”;
F : “Brasil vence Argentina na final”;
G : “França vence Espanha na final”;
H : “França vence Argentina na final”;
então
P(A) = 0, 40 P(B) = 0, 20
P(C) = 0, 10 P(D) = 0, 30
P(E|A) = 0, 80 P(F |B) = 0, 70
P(G|C) = 0, 50 P(H|D) = 0, 50

199 / 338
E
0,80

A Ec
0,20

0,40
F
0,70

• B Fc
0,20 0,30

0,10
0,50
C G

0,30 0,50
Gc

0,50
D H

0,50
Hc 200 / 338
Solução 2a)

P ( E ∪ F | B ∪ D) =?

P [(E ∪ F ) ∩ (B ∪ D)]
P ( E ∪ F | B ∪ D) =
P (B ∪ D)

Temos que

(E ∪ F ) ∩ (B ∪ D) = [(E ∪ F ) ∩ B] ∪ [(E ∪ F ) ∩ D]

e
(E ∪ F ) ∩ D = ∅,
logo

(E ∪ F ) ∩ (B ∪ D) = [(E ∪ F ) ∩ B] ∪ ∅ = (E ∪ F ) ∩ B

201 / 338
Solução 2a)
Desta forma
P [(E ∪ F ) ∩ B]
P ( E ∪ F | B ∪ D) = .
P (B ∪ D)

Entretanto,

(E ∪ F ) ∩ B = (E ∩ B) ∪ (F ∩ B) = ∅ ∪ (F ∩ B) = F ∩ B.

Logo

P (F ∩ B)
P ( E ∪ F | B ∪ D) = .
P (B ∪ D)

202 / 338
Solução 2a)
Temos que

P (F ∩ B) = P ( F | B) P (B) = 0, 70 × 0, 20 = 0, 14

e,

P (B ∪ D) = P (B)+P (D)−P (B ∩ D) = 0, 20+0, 30−0 = 0, 50

Assim
0, 14
P ( E ∪ F | B ∪ D) = = 0, 28.
0, 50

203 / 338
Solução 2b)
Seja I : “O Brasil é campeão”, assim

P(I) = P [(A ∩ E) ∪ (B ∩ F )]
= P (A ∩ E) + P (B ∩ F ) − P [(A ∩ E) ∩ (B ∩ F )]
= P (A ∩ E) + P (B ∩ F ) − 0
= P (E|A) P (A) + P (F |B) P (B)
= 0, 40 × 0, 80 + 0, 70 × 0, 20
= 0, 32 + 0, 14 = 0, 46

204 / 338
Prova 2014/I
3) Seja (X , Y ) uma variável aleatória bidimensional discreta com
a seguinte distribuição de probabilidades,

Y
X 1 3 8 P(x)
0 0,18 0,12 0,30 0,60
5 0,12 0,08 0,20 0,40
P(y ) 0,30 0,20 0,50 1,00
Pede-se:
a) Aplique a definição de probabilidade condicional e calcule:
P(X = 5|Y ≥ 3).
b) A probabilidade encontrada no item a. é igual a P(X = 5)?
responda SIM ou NÃO e justifique sua resposta com o
conceito de variáveis aleatórias independentes.
c) Se W = X + Y , calcule P(W > 3).

205 / 338
Solução 3a)

P (X = 5, Y ≥ 3)
P ( X = 5| Y ≥ 3) =
P (Y ≥ 3)
P (X = 5, Y = 3) + P (X = 5, Y = 8)
=
P (Y = 3) + P (Y = 8)
0, 08 + 0, 20 0, 28
= =
0, 20 + 0, 50 0, 70
= 0, 40

206 / 338
Solução 3b)
Temos que P (X = 5) = 0, 40 (vide enunciado da questão 3).
Além disso do exercício 3a) temos que
P ( X = 5| Y ≥ 3) = 0, 40. Desta forma

P ( X = 5| Y ≥ 3) = P(X = 5).

Isto ocorre porque X e Y são variáveis aleatórias discretas


independentes, haja vista que

P (X = x, Y = y ) = P (X = x) P (Y = y ) , ∀x e y .

207 / 338
Solução 3c)

XX
P (W > 3) = P (x, y ) = 0, 30 + 0, 12 + 0, 08 + 0, 20
x y
x+y >3
= 0, 70

ou
XX
P (W > 3) = 1 − P (W ≤ 3) = 1 − P (x, y )
x y
x+y ≤3
= 1 − 0, 18 − 0, 12 = 0, 70

208 / 338
Prova 2014/I
4) Seja (X , Y ) uma variável aleatória (v.a.) contínua
bidimensional com a seguinte função densidade de
probabilidade conjunta,

 kx 2 y ,

para 0 ≤ x ≤ 3 e 0 ≤ y ≤ 1
f (x, y ) =
0, para outros valores x e y

Pede-se:
a) Calcule o valor k .
b) Verifique se X e Y são variáveis aleatórias contínuas
independentes. Responda SIM ou NÃO e justifique sua
resposta. Atenção: se não souber o valor de k do item 4a),
indique os cálculos.

209 / 338
Solução 4a)
Para que f (x, y ) seja uma função densidade de probabilidade
conjunta devemos ter:
i) f (x, y ) ≥ 0, ∀ (x, y ) ∈ R2 ;
+∞R +∞
k x 2 y dxdy = 1.
R
ii)
−∞ −∞
De ii) temos:

Z1 Z3 1
3
x 3
Z
2
1 = k x y dxdy = k ydy
0 3 x=0
0 0
Z 1 Z 1
k 3 3
 27k
= 3 −0 ydy = ydy
3 0 3 0
1
12 − 2

y 2 0 9k
= 9k × = 9k × = .
2 y =0 2 2

9k
Assim 2 = 1, logo k = 29 .
210 / 338
Solução 4b)
Temos que
1
1 12 − 02

2 2 y 2 x2
Z
2 2 2 2
g (x) = x ydy = x × = x × =
0 9 9 2 y =0 9 2 9

e
3
3
x 3
Z
2 2 2
h (y ) = x ydx = y ×
0 9 9 3 x=0
33 − 03

2 2 × 27
= y× = y = 2y
9 3 27
Assim
x2 2
× 2y = x 2 y = f (x, y ) ,
g (x) h (y ) =
9 9
logo X e Y são variáveis aleatórias independentes.

211 / 338
Sugestão de exercícios

Probabilidade
pg 69 ex2 resolvido no roteiro;
pg 78 ex1 e ex2;
pg 86 ex6;
pg 87 ex16;
pg 88 ex20;
pg 94 ex24;
pg 95 ex 27.

Variáveis aleatórias
pg 109 ex2;
pg 116 ex1 e ex2;
pg 128 ex14;
pg 132 ex7;
pg 135 ex19 somente a primeira parte.

212 / 338
Medidas de posição de uma variável aleatória

Esperança matemática (valor esperado ou valor médio)


O valor esperado ou a esperança matemática de uma variável
aleatória X é o valor médio calculado de acordo com o modelo
de probabilidade associado a X ;

Corresponde ao valor que se espera observar em média para


uma variável aleatória X ;

É uma medida de tendência central da distribuição.

Notação
E(X ) ou µ

213 / 338
Esperança para variável aleatória discreta

Seja X uma variável aleatória discreta com a seguinte


distribuição de probabilidade:
xi x1 x2 ··· xn Total
P(xi ) P(x1 ) P(x2 ) ··· P(xn ) 1

Define-se esperança matemática de X por:

E(X ) = µx = µ = x1 P(x1 ) + x2 P(x2 ) + · · · + xn P(xn ).

Isto é,
n
X
E(X ) = xi P(xi ).
i=1

214 / 338
Exemplo

Um fabricante produz peças tais que 10% delas são


defeituosas e 90% não são defeituosas. Se uma peça
defeituosa for produzida, o fabricante perde U$ 1, 00, enquanto
uma peça não defeituosa lhe dá um lucro de U$ 5, 00. Seja a
variável aleatória X = {lucro líquido por peça}. Calcular a
média do lucro líquido por peça.

215 / 338
Esperança para variável aleatória contínua

A esperança matemática de uma variável aleatória contínua X


é definida por:
Z∞
E(X ) = xf (x)dx
−∞

216 / 338
Exemplo

Uma variável aleatória contínua X apresenta a seguinte função


densidade de probabilidade:

0, se x < 0;

f (x) = x2 , se 0 ≤ x ≤ 2;

0, se x > 2.

Calcular E(X ).

217 / 338
Propriedades da esperança

E1)

E(k ) = k , k ∈ R.

A média de uma constante é a própria constante.

218 / 338
E2)

E(kX ) = kE(X ).

A esperança matemática do produto de uma constante por uma


variável é igual ao produto da constante pela esperança matemática
da variável, ou seja, multiplicando-se uma variável aleatória por uma
constante, sua média ficará multiplicada por essa constante.

219 / 338
E3) A esperança matemática do produto de duas variáveis aleatórias
independentes é igual ao produto das esperanças matemáticas das
variáveis, ou seja, a média do produto de duas variáveis aleatórias
independentes é o produto das médias.

E(XY ) = E(X )E(Y ),

desde que X e Y sejam independentes.


Cuidado
A fórmula não é válida se não houver independência.
Z +∞ Z +∞
E(XY ) = xyf (x, y )dxdy
−∞ −∞

220 / 338
E4)

E(X + Y ) = E(X ) + E(Y );


E(X − Y ) = E(X ) − E(Y ).

A esperança matemática da soma ou da subtração de duas variáveis


aleatórias quaisquer é igual a soma ou a subtração das esperanças
matemáticas das duas variáveis aleatórias, ou seja, a média da soma
ou da subtração de duas variáveis aleatórias é igual a soma ou
subtração das médias.

221 / 338
E5)

E(X + k ) = E(X ) + k , k ∈ R;
E(X − k ) = E(X ) − k , k ∈ R.

A esperança matemática da soma ou subtração de uma variável


aleatória com uma constante é igual a soma ou subtração da
esperança matemática com a constante, ou seja, somando-se ou
subtraindo-se uma constante a uma variável aleatória, a sua média
fica somada ou subtraída da mesma constante.

222 / 338
E6)

E[X − µx ] = 0.

A média de uma variável aleatória centrada é zero, ou seja, a média


dos desvios dos valores da variável aleatória em relação a sua média
é zero.

223 / 338
Exercício 01 pg 123
1) Sabendo-se que Y = 3X − 5, E(X ) = 2 e V (X ) = 1, calcule:
a) E(Y );
b) E(X + 3Y );

224 / 338
Exercício 06 pg 124
2) (X , Y ) é uma variável aleatória bidimensional discreta com a
seguinte distribuição conjunta:
x|y -3 2 4 P(xi )
1 0,1 0,2 0,2 0,5
3 0,3 0,1 0,1 0,5
P(yj ) 0,4 0,3 0,3 1,0
Pede-se calcular:
a) E(X );
b) E(Y );
c) E(X + Y );
d) X e Y são independentes?

225 / 338
Exercício 07 pg 124
3) Seja X uma variável aleatória contínua com a seguinte função
densidade de probabilidade:

2

 , se x ∈ [0, 1) ,
3


f (x) = 2
(2 − x) , se x ∈ [1, 2] ,
 3



0, para outros valores de x.

Calcule:
a) A esperança matemática de (X − 1)2 ;

226 / 338
Prova 2013/II
4) Considere o seguinte jogo de azar: o jogador paga R$ X (valor
que não é devolvido) e depois aleatoriamente escolhe uma
dentre três moedas idênticas, sendo uma delas viciada. A
moeda escolhida é então lançada, e, se mostrar a face cara, o
jogador não recebe nenhum prêmio; se mostrar a face coroa,
ele recebe um prêmio de R$ 24. Admita que a moeda viciada
mostre a face cara com probabilidade igual a 0,75 (ou 3/4).
Pede-se:

227 / 338
Prova 2013/II
a) se a moeda mostrou a face cara, qual é a probabilidade condicional
de que a moeda lançada tenha sido a viciada?

4
i.( )
7
7
ii.( )
12
1
iii.( )
4
3
iv.( )
7
v.( ) n.d.r.a.

228 / 338
b) qual deve ser o valor pago pelo jogador para que este jogo seja
justo? isto é, para que o valor esperado (recebido pelo jogador ou
pelo organizador do jogo) seja igual a zero.

i.( ) ≈ R$ 17,143
ii.( ) R$ 10
iii.( ) R$ 14
iv.( ) ≈ R$ 12,35
v.( ) n.d.r.a.

229 / 338
Solução 4a)
Solução: Sejam:
A:“A moeda é viciada”
B:“A face mostrada é cara”.
Temos que
P [A] = 13 , P [Ac ] = 23 , P [B |A ] = 34 ,
P [B c |A ] = 14 , P B|A c = 12 , P B c |A c = 12 ,
conforme mostrado no diagrama de árvore a seguir:

230 / 338
Solução 4a) B
3
4

1 1
3 4
Bc

2
B
1
3 2

Ac

1
2
Bc

231 / 338
Solução 4a)

P [A ∩ B] P [B |A ] P [A]
P [A |B ] = =
P [B] P [B |A ] P [A] + P [B |Ac ] P [Ac ]
3 1 1
4 × 3 4 3
= 3 1 1 2
= 7
=
4 × 3 + 2 × 3 12
7

Desta forma a resposta correta é a letra iv).

232 / 338
Solução 4b)
Solução: Seja X o valor recebido pelo jogador. Então
Face B Bc Total
7 5
P[X = x] 12 12 1
x 0 24
X 7 5 120
E(X ) = xP(X = x) = 0 × + 24 × = = 10
x
12 12 12

Desta forma o valor médio recebido é de R$10,00 e, assim


sendo, o jogador deve pagar R$10,00 para que o jogo seja
justo, sendo a resposta correta a letra ii).

233 / 338
Medidas de dispersão de uma variável aleatória

Variância
A variância de uma distribuição é uma medida que quantifica a
dispersão dos valores em torno da média.

Notação
V (X ) ou σx2

234 / 338
A variância é dada por:

V (X ) = σx2 = E[(X − E (X ))2 ] = E[(X − µx )2 ].

Ou equivalentemente
   
V (X ) = σx2 = E X 2 − (E (X ))2 = E X 2 − (µ)2

235 / 338
Exemplo

Uma variável aleatória contínua X apresenta a seguinte função


densidade de probabilidade:

0, se x < 0;

f (x) = x2 , se 0 ≤ x ≤ 2;

0, se x > 2.

Calcular V (X ).

236 / 338
Propriedades da variância

V1)
A variância de uma constante é igual a zero.

V (k ) = 0, k ∈ R.

237 / 338
V2)
Somando-se ou subtraindo-se uma constante a uma variável
aleatória, sua variância não se altera.

V (X + k ) = V (X ), k ∈ R.

238 / 338
V3)
Multiplicando-se uma variável aleatória por uma constante, sua
variância é multiplicada pelo quadrado da constante.

V (kX ) = k 2 V (X ), k ∈ R.

239 / 338
V4)
A variância da soma de duas variáveis aleatórias independentes é
igual a soma das variâncias das duas variáveis.
A variância da subtração de duas variáveis aleatórias
independentes é igual a soma das variâncias das duas variáveis.

V (X + Y ) = V (X ) + V (Y );
V (X − Y ) = V (X ) + V (Y ).

240 / 338
Desvio padrão
É a raiz quadrada positiva da variância de X .
p
σx = V (X )

241 / 338
Covariância
Sejam X e Y duas variáveis aleatórias. A covariância denotada
por Cov (X , Y ) é definida por:

Cov (X , Y ) = E {[X − E(X )][Y − E(Y )]} ,


equivalentemente

Cov (X , Y ) = E[XY ] − E[X ]E[Y ].

242 / 338
XX
E(XY ) = xi yj P(xi , yj ),
i j

para (X , Y ) variável aleatória discreta;


Z∞ Z∞
E(XY ) = xyf (x, y )dxdy ,
−∞ −∞

para (X , Y ) variável aleatória contínua.

243 / 338
A covariância nos dá uma ideia da relação de dependência
entre as variáveis.

A variância é um caso particular da covariância, pois

Cov (X , X ) = V (X ).

244 / 338
Se X , Y , Z e W são variáveis aleatórias e a e b são
constantes, então:

C1) Cov (X , Y ) = Cov (Y , X ), a covariância é simétrica;


C2) Se V (X ) = 0 ou V (Y ) = 0, então Cov (X , Y ) = 0;
C3) Cov (aX , Y ) = aCov (X , Y );
C4) Cov (aX , bY ) = abCov (X , Y );
C5) Cov (X + Z , Y − W ) =
Cov (X , Y ) − Cov (X , W ) + Cov (Z , Y ) − Cov (Z , W );
C6) V (X ± Y ) = V (X ) + V (Y ) ± 2Cov (X , Y ).

245 / 338
Se X e Y forem independentes então sabemos pela
propriedade E3) que

E(XY ) = E(X )E(Y )

e, como
Cov (X , Y ) = E[XY ] − E[X ]E[Y ],
temos que

Cov (X , Y ) = E[XY ] − E[X ]E[Y ] = E[X ]E[Y ] − E[X ]E[Y ] = 0.

Se X e Y forem independentes então Cov (X , Y ) = 0.

246 / 338
Se X e Y forem independentes então Cov (X , Y ) = 0.

Cov (X , Y ) = 0 não implica em X e Y independentes.

247 / 338
Exercício 01 pg 123
1) Sabendo-se que Y = 3X − 5, E(X ) = 2 e V (X ) = 1, calcule:
a) E(Y );
b) V (Y );
c) E(X + 3Y );
d) E(X 2 + Y 2 );
e) V (3X + 2Y ).

248 / 338
Exercício 06 pg 124
2) (X , Y ) é uma variável aleatória bidimensional discreta com a
seguinte distribuição conjunta:
x|y -3 2 4 P(xi )
1 0,1 0,2 0,2 0,5
3 0,3 0,1 0,1 0,5
P(yj ) 0,4 0,3 0,3 1,0
Pede-se calcular:
a) E(X ), V (X ) e σx ;
b) E(Y ), V (Y ) e σy ;
c) E(X + Y ), Cov (X , Y );
d) X e Y são independentes?

249 / 338
Exercício 07 pg 124
3) Seja X uma variável aleatória contínua com a seguinte função
densidade de probabilidade:

2

 , se x ∈ [0, 1) ,
3


f (x) = 2
(2 − x) , se x ∈ [1, 2] ,
 3



0, para outros valores de x.

Calcule:
a) A esperança matemática de (X − 1)2 ;
b) O desvio-padrão de X .

250 / 338
2013/II - Final

4) No UFV informa do dia 10/02/2014 foi publicada uma


reportagem intitulada: Estudantes de Cooperativismo
promovem Dia da Carona Consciente. Com os objetivos de
desenvolver a consciência no trânsito e diminuir a poluição e o
fluxo de automóveis no campus Viçosa da UFV, os estudantes
da disciplina Marketing para Organizações Sociais do curso de
Cooperativismo promoveram, no dia 12 de fevereiro, o Dia da
Carona Consciente. A ideia é fazer com que as pessoas que
se deslocam de carro para a Universidade combinem caronas
e contribuam para a melhoria do ambiente e para a diminuição,
em pelo menos 10%, do trânsito no campus. Em janeiro, os
estudantes da disciplina realizaram uma pesquisa para
comprovar que a maioria dos carros que entram no campus
Viçosa contêm apenas o motorista.

251 / 338
2013/II - Final - continuação

No dia 29, eles se posicionaram nas três entradas principais da


Universidade, Quatro Pilastras, à direita da lagoa e via
alternativa, entre 7h30 e 8h15. Dos 680 veículos que
passaram por esses locais, 400 tinham uma pessoa; 226 duas;
41 três; 11 quatro, e dois cinco pessoas. Considere que a
variável aleatória discreta X seja o número de “caroneiros”
em cada carro, com a seguinte distribuição de probabilidade.

252 / 338
2013/II - Final - continuação

x 0 1 2 3 4 total
P(x) 0,588 0,333 0,060 0,016 0,003 1,00
Pede-se: (Utilize três casas decimais)
a) O número médio de caroneiros por carro.
b) A variância do número de caroneiros por carro.

253 / 338
Solução 4a)
Seja X :“Número de “caroneiros” por carro;”

E [X ] = 0 × 0, 588 + 1 × 0, 333 + 2 × 0, 060 + 3 × 0, 016


+ 4 × 0, 003
= 0, 513

254 / 338
Solução 4b)
A variância do número de caroneiros por carro.
Temos que V [X ] = E X 2 − (E [X ])2 e
h i
E X 2 = 02 × 0, 588 + 12 × 0, 333 + 22 × 0, 060
+ 32 × 0, 016 + 42 × 0, 003
= 0, 765.

Assim

V [X ] = 0, 765 − (0, 513)2 = 0, 5018.

255 / 338
Prova 2014/I

5) Sejam X e Y variáveis aleatórias tais que:

E(X ) = 1, 8, V (X ) = 0, 36, E(Y ) = 1, 9, V (Y ) = 0, 49,

E(XY ) = 3, 42.
Pede-se: utilize as propriedades de esperança, variância e
covariância para calcular:
a) E X 2 − 2Y 2 + 15 ;


b) V (2X − 3Y + 5);
c) COV (5X − 1, 3Y + 2).

256 / 338
Solução 5a)

 
E X2 = V (X ) + [E (X )]2 = 0, 36 + (1, 8)2 = 3, 6

e
 
E Y2 = V (Y ) + [E (Y )]2 = 0, 49 + (1, 9)2 = 4, 1.

Então
     
E X 2 − 2Y 2 + 15 = E X 2 − 2E Y 2 + 15
= 3, 6 − 2 × 4, 1 + 15
= 10, 4

257 / 338
Solução 5b)

Cov (X , Y ) = E (XY ) − E (X ) E (Y )
= 3, 42 − 1, 8 × 1, 9
= 0

Então

V (2X − 3Y + 5) = 4V (X ) + 9V (Y ) − 12Cov (X , Y )
= 4 × 0, 36 + 9 × 0, 49 − 12 × 0
= 5, 85

258 / 338
Solução 5c)

Cov (5X − 1, 3Y + 2) = Cov (5X , 3Y ) = 15Cov (X , Y ) = 0

259 / 338
Distribuições de variáveis aleatórias - pág. 143

Algumas variáveis aleatórias adaptam-se muito bem a uma


série de problemas práticos e aparecem com bastante
frequência.

260 / 338
Variável aleatória discreta

a) E1 : n lançamentos de uma moeda; X = número de caras;


b) E2 : n lançamentos de um dado; X = número de vezes que
ocorre a face 5;
c) E3 : n parafusos produzidos por uma fábrica; X = número de
parafusos defeituosos;
d) E4 : n doentes são vacinados; X = número de doentes que se
curam.

261 / 338
Distribuições de variáveis aleatórias - pág. 143

xi x1 x2 ··· xn Total
P(X = xi ) P(X = x1 ) P(X = x2 ) ··· P(X = xn ) 1

262 / 338
Variável aleatória discreta

Binomial
Uma função de probabilidade é binomialmente distribuída se

P (X = x) = Cnx px (1 − p)n−x ;
 
x n n!
Cn = = ;
x (n − x)!x!
q =1−p
Notação: X ∼ Binomial(n, p)

263 / 338
Variável aleatória discreta

Binomial
Se X ∼ Binomial(n, p), então
I Pode-se mensurar o sucesso e o fracasso;
I As n tentativas são independentes e p é constante;
I E (X ) = np;
I V (X ) = npq;

264 / 338
Variável aleatória discreta

Binomial
1) Considere a amostragem de 6 peças que saem de uma linha
de produção. Sabe-se que são produzidas 20% de peças
defeituosas. Calcule as seguintes probabilidades:
a) 2 peças defeituosas;
b) 2 peças não defeituosas;
c) Pelo menos uma peça defeituosa;
d) Quantas peças defeituosas espera-se amostrar, considerando
500 peças?

265 / 338
Exemplo 03 pg 145
2) De 2.000 famílias com 4 crianças cada uma, quantas se
esperaria que tivessem:
a) Pelo menos um menino?
b) Exatamente dois meninos?

266 / 338
Variável aleatória discreta

P3-2013/I
3) Admita que p = 0, 40 é a probabilidade de ocorrência de
turbulência em um voo realizado por uma aeronave em um
dado trajeto. Se observarmos N = 7 voos nestas condições,
avalie a probabilidade de ocorrência de turbulência em pelo
menos três voos.
a) ≈ 0, 2903 pelo modelo binomial;
b) ≈ 0, 2225 pelo modelo Poisson;
c) ≈ 0, 5801 pelo modelo binomial;
d) ≈ 0, 5305 pelo modelo Poisson;
e) n.d.r.a.

267 / 338
P3-2014/I
4) Admita que um pesquisador irá entrevistar aleatoriamente
habitantes numa cidade na qual 60% dos habitantes têm
acesso à internet em casa (na residência). Utilize o modelo
binomial para calcular a probabilidade de exatamente 7
entrevistados informarem que têm internet em casa quando 10
são entrevistados.

268 / 338
Solução de 4)
Temos que se
X = número de habitantes com internet em casa, então
N = 10 e p = 0, 60. Assim
 
10
P (X = 7) = 0, 607 × 0, 403 = 120 × 0, 028 × 0, 064
7

= 0, 215

269 / 338
Exercício 04 pg 151
5) Sabe-se que 24% dos indivíduos que recebem o medicamento
X sofrem certos efeitos colaterais. Se o medicamento X for
ministrado a quatro pacientes, qual a probabilidade de que:
a) Nenhum sofra efeitos colaterais;
b) Pelo menos um sofra efeitos colaterais;
c) Três não sofram efeitos colaterais.

270 / 338
Distribuição de Poisson - pág. 145

I Conhecida como a lei dos fenômenos raros;


I É útil para descrever as probabilidades do número de
ocorrências num campo ou intervalo contínuo;
I Diferentemente da distribuição binomial, as falhas não são
contáveis.

271 / 338
Onde é utilizada - Exemplos

I Número de defeitos por cm2 ;


I Número de acidentes por dia;
I Número anual de suicídios;
I Número de chamadas erradas por hora, num circuito
telefônico, etc.

272 / 338
Distribuição de Poisson

Notação: X ∼Poisson(m), (ou X ∼Poi(m))


Sua função de probabilidade é dada por:

e−m mx
P(X = x) = ,
x!
X é a v.a.d que representa o número de ocorrências por
unidade contínua de observação, e = base do logaritmo
neperiano (e ≈ 2.718).

273 / 338
Distribuição de Poisson

Para esta distribuição temos:

E(X ) = m e V (X ) = m

274 / 338
Exemplo 1 - Poisson

1) Num livro de 800 páginas há 800 erros de impressão.


a) Qual a probabilidade de que uma página contenha pelo
menos 3 erros de impressão?
b) Estime o número provável de páginas por livro que não
contêm erros de impressão.

275 / 338
Exemplo 2 - Poisson

2) Numa indústria há uma média de 3 acidentes por mês.


a) Qual a probabilidade de ocorrerem 2 acidentes no próximo
mês?
b) Qual a probabilidade de ocorrerem 10 acidentes nos próximos
6 meses?

276 / 338
P3-2014/I
3) O número de erros tipográficos numa página de determinado
livro é uma variável aleatória X com distribuição de Poisson de
parâmetro m = 0, 5. Pede-se: calcule a probabilidade de que
haja 3 ou mais erros tipográficos em uma página.

277 / 338
Solução 3)

P (X ≥ 3) = 1 − [P (X = 0) + P (X = 1) + P (X = 2)]
 0
m1 m2

−m m
= 1−e + +
0! 1! 2!
!
0 1 2
0, 5 0, 5 0, 5
= 1 − e−0,5 + +
1 1 2
= 1 − e−0,5 (1 + 0, 5 + 0, 125)
= 1 − 1, 625e−0,5

= 1 − 0, 9856
= 0, 0144

278 / 338
Aproximação da binomial pela Poisson

Exercício 18 pg 153
4) Seja X o número de crianças não imunizadas numa campanha
de vacinação contra uma determinada doença, onde a
probabilidade de não imunização é 0, 001. De 5000 crianças
vacinadas, qual a probabilidade de não ficarem imunes:
a) Uma criança;
b) Pelo menos uma criança.

279 / 338
Variável aleatória contínua

Distribuição normal - pág. 146


I É uma das mais importantes distribuições de probabilidade;
I Conhecida como distribuição de Gauss;
I Notação X ∼ N(µ, σ 2 ).

280 / 338
Variável aleatória contínua

Distribuição normal
Uma v.a.c X é dita ter distribuição normal com média µ e
variância σ 2 se sua f.d.p. é dada por:

1 (x−µ)2
−1
f (x) = √ e 2 σ2 ,
σ 2π
−∞ < x < ∞, −∞ < µ < ∞ e σ > 0.
Notação:
X ∼ N(µ, σ 2 )

281 / 338
Distribuição normal

Gráfico
a) Tem a forma de sino;
b) f (x) possui um ponto de máximo em x = µ;
c) f (x) tem dois pontos de inflexão, em pontos de abscissas
x = µ − σ e x = µ + σ;
d) f (x) é simétrica em relação a x = µ e µ = Mo = Md;
e) f (x) tende a zero quando x tende a −∞ e ∞.

282 / 338
Gráfico - Normal

µ−σ µ µ+σ

283 / 338
Normal

0.05
N(80,8)

0.04
0.03
f(x)

0.02
0.01
0.00

40 60 80 100 120 140

284 / 338
Normal

0.05
N(90,8)

0.04
0.03
f(x)

0.02
0.01
0.00

40 60 80 100 120 140

285 / 338
Normal

0.05
N(100,8)

0.04
0.03
f(x)

0.02
0.01
0.00

40 60 80 100 120 140

286 / 338
Normal

0.05
N(80,8)
N(90,8)
N(100,8)

0.04
0.03
f(x)

0.02
0.01
0.00

40 60 80 100 120 140

287 / 338
Normal

0.08
0.06
f(x)

0.04

N(90,5)
0.02
0.00

40 60 80 100 120 140

288 / 338
Normal

0.08
0.06
f(x)

0.04

N(90,9)
0.02
0.00

40 60 80 100 120 140

289 / 338
Normal

0.08
0.06
f(x)

0.04
0.02

N(90,20)
0.00

40 60 80 100 120 140

290 / 338
Normal

0.08
0.06

N(90,5)
f(x)

N(90,9)
0.04

N(90,20)
0.02
0.00

40 60 80 100 120 140

291 / 338
Distribuição normal

I A integração de f (x) não é possível, a não ser por métodos


numéricos;
I Para o cálculo de probabilidades deveríamos tabular todos
os possíveis valores de µ e σ 2 combinados;
Para evitar estes problemas, trabalha-se com a normal
padronizada.

292 / 338
Distribuição normal padronizada (Z )

Padronização
A padronização
X −µ
Z =
σ
leva-nos sempre à chamada distribuição normal padrão, que é
uma distribuição normal com média zero e variância um, isto é,

X −µ
Z = ∼ N(0, 1)
σ

293 / 338
Distribuição normal padronizada (Z )

A distribuição normal padrão, encontra-se tabulada e a tabela


que trabalhamos aqui nos dá sempre a seguinte probabilidade
Z z0
1 z2
P(0 ≤ Z ≤ z0 ) = √ e− 2 dz
0 2π

294 / 338
Tabela - Normal padrão

0 ztab

Tabela 1: Distribuição normal padrão, P (0 ≤ Z ≤ ztab )


0.0 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0.0 0.0000 0.0040 0.0080 0.0120 0.0160 0.0199 0.0239 0.0279 0.0319 0.0359
0.1 0.0398 0.0438 0.0478 0.0517 0.0557 0.0596 0.0636 0.0675 0.0714 0.0753
0.2 0.0793 0.0832 0.0871 0.0910 0.0948 0.0987 0.1026 0.1064 0.1103 0.1141
0.3 0.1179 0.1217 0.1255 0.1293 0.1331 0.1368 0.1406 0.1443 0.1480 0.1517
0.4 0.1554 0.1591 0.1628 0.1664 0.1700 0.1736 0.1772 0.1808 0.1844 0.1879
0.5 0.1915 0.1950 0.1985 0.2019 0.2054 0.2088 0.2123 0.2157 0.2190 0.2224
0.6 0.2257 0.2291 0.2324 0.2357 0.2389 0.2422 0.2454 0.2486 0.2517 0.2549
0.7 0.2580 0.2611 0.2642 0.2673 0.2704 0.2734 0.2764 0.2794 0.2823 0.2852
0.8 0.2881 0.2910 0.2939 0.2967 0.2995 0.3023 0.3051 0.3078 0.3106 0.3133
0.9 0.3159 0.3186 0.3212 0.3238 0.3264 0.3289 0.3315 0.3340 0.3365 0.3389
1.0 0.3413 0.3438 0.3461 0.3485 0.3508 0.3531 0.3554 0.3577 0.3599 0.3621
1.1 0.3643 0.3665 0.3686 0.3708 0.3729 0.3749 0.3770 0.3790 0.3810 0.3830
1.2 0.3849 0.3869 0.3888 0.3907 0.3925 0.3944 0.3962 0.3980 0.3997 0.4015
1.3 0.4032 0.4049 0.4066 0.4082 0.4099 0.4115 0.4131 0.4147 0.4162 0.4177
1.4 0.4192 0.4207 0.4222 0.4236 0.4251 0.4265 0.4279 0.4292 0.4306 0.4319
1.5 0.4332 0.4345 0.4357 0.4370 0.4382 0.4394 0.4406 0.4418 0.4429 0.4441
1.6 0.4452 0.4463 0.4474 0.4484 0.4495 0.4505 0.4515 0.4525 0.4535 0.4545
1.7 0.4554 0.4564 0.4573 0.4582 0.4591 0.4599 0.4608 0.4616 0.4625 0.4633
1.8 0.4641 0.4649 0.4656 0.4664 0.4671 0.4678 0.4686 0.4693 0.4699 0.4706
1.9 0.4713 0.4719 0.4726 0.4732 0.4738 0.4744 0.4750 0.4756 0.4761 0.4767
2.0 0.4772 0.4778 0.4783 0.4788 0.4793 0.4798 0.4803 0.4808 0.4812 0.4817
2.1 0.4821 0.4826 0.4830 0.4834 0.4838 0.4842 0.4846 0.4850 0.4854 0.4857
2.2 0.4861 0.4864 0.4868 0.4871 0.4875 0.4878 0.4881 0.4884 0.4887 0.4890
2.3 0.4893 0.4896 0.4898 0.4901 0.4904 0.4906 0.4909 0.4911 0.4913 0.4916
2.4 0.4918 0.4920 0.4922 0.4925 0.4927 0.4929 0.4931 0.4932 0.4934 0.4936
2.5 0.4938 0.4940 0.4941 0.4943 0.4945 0.4946 0.4948 0.4949 0.4951 0.4952
2.6 0.4953 0.4955 0.4956 0.4957 0.4959 0.4960 0.4961 0.4962 0.4963 0.4964
2.7 0.4965 0.4966 0.4967 0.4968 0.4969 0.4970 0.4971 0.4972 0.4973 0.4974
2.8 0.4974 0.4975 0.4976 0.4977 0.4977 0.4978 0.4979 0.4979 0.4980 0.4981
2.9 0.4981 0.4982 0.4982 0.4983 0.4984 0.4984 0.4985 0.4985 0.4986 0.4986
3.0 0.4987 0.4987 0.4987 0.4988 0.4988 0.4989 0.4989 0.4989 0.4990 0.4990
3.1 0.4990 0.4991 0.4991 0.4991 0.4992 0.4992 0.4992 0.4992 0.4993 0.4993
3.2 0.4993 0.4993 0.4994 0.4994 0.4994 0.4994 0.4994 0.4995 0.4995 0.4995
3.3 0.4995 0.4995 0.4995 0.4996 0.4996 0.4996 0.4996 0.4996 0.4996 0.4997
3.4 0.4997 0.4997 0.4997 0.4997 0.4997 0.4997 0.4997 0.4997 0.4997 0.4998
3.5 0.4998 0.4998 0.4998 0.4998 0.4998 0.4998 0.4998 0.4998 0.4998 0.4998

295 / 338
Exemplo 1 - Normal

1) Calcule:
a) P(Z ≤ 1, 82)
b) P(Z ≤ −2, 03)
c) P(−2, 55 ≤ Z ≤ 1, 20)
d) P(Z ≥ 1, 20)

296 / 338
Exemplo 2 - Normal

2) Se X ∼ N(100, 25), calcule:


a) P(X > 110)
b) P(95 ≤ X ≤ 105)
c) Encontre x tal que P(X < x) = 0, 3446

297 / 338
Teorema da combinação linear

Consideremos n variáveis aleatórias normais


independentemente distribuídas, digamos X1 , X2 , . . ., Xn .
I A soma de distribuições normais independentes é
normalmente distribuída e:

E[a1 X1 + a2 X2 + · · · + an Xn ] = a1 E[X1 ] + a2 E[X2 ] + · · · + an E[Xn ];

V [a1 X1 +a2 X2 +· · ·+an Xn ] = a12 V [X1 ]+a22 V [X2 ]+· · ·+an2 V [Xn ].

298 / 338
Exemplo 3 - Normal

3) Um avião de turismo de 4 lugares pode levar uma carga útil de


350 kg. Supondo que os passageiros têm peso normalmente
distribuído com média de 70 kg e desvio padrão de 20 kg e que
a bagagem de cada passageiro também é normalmente
distribuída com média 12 kg e desvio padrão de 5 kg. Calcule
a probabilidade de:
a) Haver sobrecarga se o piloto não pesar os passageiros e
respectivas bagagens?
b) Que o piloto tenha que retirar pelo menos 50 kg de gasolina
para evitar sobrecarga?

299 / 338
Exemplo 4 - Normal

4) Sabendo que altura de coelhos (X ), é uma variável aleatória


normalmente distribuída com média 18cm e variância 9 (cm)2 ,
determine:
a) Qual a probabilidade de que um coelho, selecionado
aleatoriamente, tenha altura superior a 15cm?
b) Qual a probabilidade de que a soma das alturas de oito
coelhos, selecionados aleatoriamente, seja mais que 1, 20m e
menos que 1, 55m?
c) Se os coelhos 10% mais baixos devem ser tratados com uma
ração especial de crescimento, qual é a maior altura dos
coelhos que recebem esta ração?

300 / 338
Exemplo 5 - Normal

5) Sejam X1 , X2 e X3 variáveis aleatórias independentes e


normalmente distribuídas com média µ = 15 e desvio padrão
X1 − X2
σ = 15. Seja Y = √ + X3 . Calcule a seguinte
3
probabilidade: P (Y ≥ 17).

301 / 338
Capítulo 7 - Testes de hipóteses- pg 173

I Parâmetro: É uma função de valores populacionais, sendo


em geral, um valor desconhecido;
I Hipótese estatística: É uma afirmação feita acerca de um
parâmetro de uma população, ou acerca da natureza da
população;
I Estimador: É qualquer função que depende apenas da
amostra aleatória;
I Estimativa: É o valor numérico assumido pelo estimador;
I Teste de hipótese: É uma regra decisória que nos permite
rejeitar, ou não rejeitar, uma hipótese estatística com base
nos resultados fornecidos por uma amostra;

302 / 338
Em um teste de hipótese, formulam-se duas hipóteses, a
saber:
Hipótese de nulidade - H0
a) É a hipótese a ser testada;

Hipótese alternativa - H1
b) É a hipótese que contraria H0 , formulada com base no
conhecimento prévio do problema.

303 / 338
Um teste de hipóteses pode ser unilateral (à direita ou à
esquerda), ou bilateral, sendo caracterizado pela sua região
crítica (RC), que é o conjunto de valores para os quais
rejeitamos a hipótese de nulidade;
Teste unilateral à esquerda

H0 : µ = µ 0
a) RC= {x ∈ R | x < x1 }
H1 : µ < µ 0

Teste unilateral à direita



H0 : µ = µ 0
b) RC= {x ∈ R | x > x2 }
H1 : µ > µ 0

Teste bilateral

H0 : µ = µ 0
c) RC= {x ∈ R | x < x1 ou x > x2 }
H1 : µ 6= µ0

304 / 338
Ao realizarmos um teste de hipóteses dois erros podem ser
cometidos:
Erro tipo I
Consiste em rejeitar uma hipótese H0 quando esta é
verdadeira;
A probabilidade de cometermos este erro é chamada de nível
de significância, sendo denotada por α;

Erro tipo II
Consiste em não rejeitar uma hipótese H0 quando esta é falsa;
A probabilidade de cometermos este erro é denotada por β.

305 / 338
Ao realizarmos um teste de hipóteses dois erros podem ser
cometidos:
Erro tipo I
Consiste em rejeitar uma hipótese H0 quando esta é
verdadeira;
A probabilidade de cometermos este erro é chamada de nível
de significância, sendo denotada por α;

Erro tipo II
Consiste em não rejeitar uma hipótese H0 quando esta é falsa;
A probabilidade de cometermos este erro é denotada por β.

306 / 338
Erros cometidos
Realidade
Decisão H0 é verdadeira H0 é falsa
Rejeitar H0 Erro tipo I Não há erro
Não rejeitar H0 Não há erro Erro tipo II

307 / 338
Probabilidades dos erros cometidos
Realidade
Decisão H0 é verdadeira H0 é falsa
Rejeitar H0 α 1−β
Não rejeitar H0 1−α β

308 / 338
I Quando rejeitamos uma hipótese que, de fato é falsa, temos
o chamado poder do teste;
I O valor p em um teste de hipóteses é o menor valor do nível
de significância α para o qual se rejeita H0 .

309 / 338
Procedimentos para realização de um teste de hipóteses
i) Enunciar as hipóteses;
ii) Fixar α e determinar a estatística de teste;
iii) Determinar a região crítica;
iv) Determinar o valor da estatística de teste;
v) Conclusões (Conclusão estatística e conclusão prática).

310 / 338
Teste Z para uma média com variância σ 2 conhecida
X̄ − µ
I A estatística de teste é Z = σ ;

n
I Rejeita-se H0 se:
Teste bilateral
I |Zcal | > Ztab

Teste unilateral à direita


I Zcal > Ztab

Teste unilateral à esquerda


I Zcal < Ztab

311 / 338
1)
Sabe-se que o consumo mensal per capita de um determinado
produto tem distribuição normal, com desvio padrão 2kg. A di-
retoria de uma firma, que fabrica esse produto, resolveu que re-
tiraria o produto da linha de produção, se a média de consumo
per capita fosse menor que 8kg. Caso contrário, continuaria a
fabricá-lo. Foi realizada uma pesquisa de mercado, tomando-
se uma amostra de 25 indivíduos, e verificou-se que a soma
dos valores coletados foi de 180kg. Utilizando um nível de sig-
nificância de 5%, e com base na amostra colhida determine a
decisão a ser tomada pela diretoria. Determine o valor p.

312 / 338
2)
Uma firma de produtos farmacêuticos afirma que o tempo
médio para certo remédio fazer efeito é de 24 minutos. Numa
amostra de 19 casos, o tempo médio foi de 25 minutos.
Sabendo que o tempo médio que o remédio leva para fazer
efeito é normalmente distribuído, com desvio padrão de 2
minutos, uma empresa de fiscalização deseja realizar um teste,
para verificar a alegação da firma, a um nível de significância
de 1%. A que conclusão a empresa de fiscalização chegará?

313 / 338
3)
Para casa: fazer os exercícios da página 177.

314 / 338
P3 - 2013/II

4)
Um fabricante informa que, com o processo atual de
fabricação, seus cabos de aço inoxidável apresentam uma
tensão média de ruptura igual µ = 500 quilogramas (kg), com
um desvio padrão σ = 20 kg. Para avaliar se uma nova técnica
de fabricação é melhor ou pior no sentido de aumentar ou
diminuir a tensão média de ruptura dos cabos, avaliou-se uma
amostra aleatória de n = 16 cabos produzidos com esta nova
técnica de fabricação e obteve-se uma tensão média de
ruptura igual X = 509 kg. Pede-se: o que deve ser concluído a
5% de significância.

315 / 338
P3 - 2013/II

continuação 4)
a) Hipóteses estatísticas.
b) Valor calculado.
c) Valor tabelado.
d) Decisão do teste (assinale uma opção).
( ) Não rejeitar H0 e concluir que a nova técnica é melhor.
( ) Rejeitar H0 e concluir que a nova técnica é melhor.
( ) Não rejeitar H0 e concluir que a nova técnica é pior.
( ) Não rejeitar H0 e concluir que a nova técnica é igual à atual.
( ) Rejeitar H0 e concluir que a nova técnica é pior.
e) Determine o valor p.

316 / 338
P3 - 2014/I

5) Um fabricante informa que a vida útil média de seus pneus (µ)


é igual a 38 mil Km, com um desvio padrão σ =1348 km. Para
avaliar esta informação uma empresa instalou 40 desses
pneus em seus caminhões e obteve vida útil média X = 37563
km. Pede-se: o que deve ser concluído com um teste de
hipóteses unilateral.
a) Hipóteses estatísticas.
b) Valor calculado.
c) Valor-p (faça um desenho ilustrativo).
d) Decisão do teste (explique em termos da hipótese de nulidade
e também em termos do problema).

317 / 338
Solução 5a)
a) 
H0 : µ = 3800 (informação correta)
H1 : µ < 3800 (informação incorreta)

318 / 338
Solução 5b)
b)
X̄ − µ0 37563 − 38000 ∼
Z0 = σ = 1348 = −2, 05
√ √
n 40

319 / 338
Solução 5c)
c) Área tabelada para Z = 2, 05:

P (0 ≤ Z ≤ 2, 05) = 0, 4798
Assim
0, 5 − 0, 4798 = valor-p = 0, 0202

valor−p = 0,5−0,4798
= 0,0202

−2,05 0
z

320 / 338
Solução 5d)
d) Se for adotado α ≥ 2, 02% a hipótese H0 deve ser rejeitada em favor
de H1 (α = 1% não rejeita H0 e α = 5% rejeita H0 ).
Rejeitar = considerar informação incorreta.

321 / 338
Teste t para duas médias de populações normais
independentes com variâncias populacionais
desconhecidas e iguais
X̄ − Ȳ
I A estatística de teste é T = r  ;
S 2 n1X + 1
nY

(nX − 1)SX2 + (nY − 1)SY2


S2 = .
nX + nY − 2
Além disso, T ∼ t(nX +nY −2)
I Rejeita-se H0 se:
Teste bilateral
I |tcal | > ttab

Teste unilateral à direita


I tcal > ttab

Teste unilateral à esquerda


I tcal < ttab
322 / 338
Procedimentos para realização de um teste de hipóteses
i) Enunciar as hipóteses;
ii) Fixar α e determinar a estatística de teste;
iii) Determinar a região crítica;
iv) Determinar o valor da estatística de teste;
v) Conclusões (Conclusão estatística e conclusão prática).

323 / 338
Tabela 2: Valores positivos t na distribuição de Student com n graus
de liberdade em níveis de 10% a 0,1% de probabilidade =
2 × P [tn ≥ t] tabela bilateral.

10% 5% 2% 1% 0,5% 0,1%


1 6,31 12,71 31,82 63,66 127,32 636,62
2 2,92 4,30 6,96 9,92 14,09 31,60
3 2,35 3,18 4,54 5,84 7,45 12,92
4 2,13 2,78 3,75 4,60 5,60 8,61
5 2,02 2,57 3,36 4,03 4,77 6,87
6 1,94 2,45 3,14 3,71 4,32 5,96
7 1,89 2,36 3,00 3,50 4,03 5,41
8 1,86 2,31 2,90 3,36 3,83 5,04
9 1,83 2,26 2,82 3,25 3,69 4,78
10 1,81 2,23 2,76 3,17 3,58 4,59
11 1,80 2,20 2,72 3,11 3,50 4,44
12 1,78 2,18 2,68 3,05 3,43 4,32

324 / 338
... continuação da Tabela 2
10% 5% 2% 1% 0,5% 0,1%
13 1,77 2,16 2,65 3,01 3,37 4,22
14 1,76 2,14 2,62 2,98 3,33 4,14
15 1,75 2,13 2,60 2,95 3,29 4,07
16 1,75 2,12 2,58 2,92 3,25 4,01
17 1,74 2,11 2,57 2,90 3,22 3,97
18 1,73 2,10 2,55 2,88 3,20 3,92
19 1,73 2,09 2,54 2,86 3,17 3,88
20 1,72 2,09 2,53 2,85 3,15 3,85
21 1,72 2,08 2,52 2,83 3,14 3,82
22 1,72 2,07 2,51 2,82 3,12 3,79
23 1,71 2,07 2,50 2,81 3,10 3,77
24 1,71 2,06 2,49 2,80 3,09 3,75

325 / 338
... continuação da Tabela 2
10% 5% 2% 1% 0,5% 0,1%
25 1,71 2,06 2,49 2,79 3,08 3,73
26 1,71 2,06 2,48 2,78 3,07 3,71
27 1,70 2,05 2,47 2,77 3,06 3,69
28 1,70 2,05 2,47 2,76 3,05 3,67
29 1,70 2,05 2,46 2,76 3,04 3,66
30 1,70 2,04 2,46 2,75 3,03 3,65
35 1,69 2,03 2,44 2,72 3,00 3,59
40 1,68 2,02 2,42 2,70 2,97 3,55
50 1,68 2,01 2,40 2,68 2,94 3,50
60 1,67 2,00 2,39 2,66 2,91 3,46
120 1,66 1,98 2,36 2,62 2,86 3,37
+∞ 1,64 1,96 2,33 2,58 2,81 3,29

326 / 338
1)
Em uma turma, os 31 alunos que fizeram as duas provas apre-
sentaram os seguintes valores:
Prova 1 Prova 2
Média 18,67 16,71
Desvio Padrão 7,32 9,18
Suponha que as notas sejam normalmente distribuídas e que as
variâncias são iguais nas duas provas. Há indícios, ao nível de
10% de significância que as notas das provas 1 e 2 apresentam
a mesma média?

327 / 338
2)
Dois grupos de pacientes estão sendo estudados quanto a quan-
tidade de colesterol ruim (LDL). O primeiro grupo (X) não pra-
ticava exercícios físicos, enquanto que o segundo grupo (Y) foi
submetido a um rigoroso programa de atividades físicas. Su-
pondo que a quantidade de colesterol ruim é normalmente dis-
tribuída e com mesma variância, determine com base na tabela
abaixo se o programa de testes físicos foi eficaz no controle do
colesterol ruim, ao nível de 5%.
X 158,74 166,84 156,64 180,95 168,30
Y 171,12 159,90 149,79 133,85 167,25
X 156,80 169,87 172,38 170,76 161,95
Y 155,55 155,84 165,44

328 / 338
3)
A marca de cigarros B, afirma que seus cigarros apresentam
menor teor de nicotina que sua concorrente direta (A). A con-
corrente não concorda e ao realizar um estudo do conteúdo de
nicotina das duas marcas de cigarros obteve os seguintes re-
sultados:
A 17 19 20 20 21
B 19 20 22 22 24 25
Admitindo que o conteúdo de nicotinas das duas marcas tem
distribuição normal, e que as variâncias populacionais são iguais,
adotando α = 1%, a que conclusão a empresa A chegará?

329 / 338
Procedimentos para realização de um teste de hipóteses
i) Enunciar as hipóteses;
ii) Fixar α e determinar a estatística de teste;
iii) Determinar a região crítica;
iv) Determinar o valor da estatística de teste;
v) Conclusões (Conclusão estatística e conclusão prática).

330 / 338
Teste de χ2 para independência - pg 180
I Este teste tem o intuito de estudar a relação de dependência
(associação) entre duas variáveis;
I Testa-se as hipóteses:

H0 : As variáveis são independentes
H1 : As variáveis não são independentes

I A estatística de teste é
h X
k 2
X (Foij − Feij )
χ2cal =
Feij
i=1 j=1

331 / 338
Teste de χ2 para independência
I Foij é a frequência observada;
I Feij é a frequência esperada;
I χ2cal ∼ χ(v ) ;
I v = (h − 1)(k − 1);
I h é o número de níveis da primeira variável;
I k é o número de níveis da segunda variável;
I Rejeita-se H0 se χ2cal > χ2tab .

332 / 338
A

0
χ2tab

333 / 338
Tabela 3: Tabela da distribuição χ2 para P χ2 ≥ χ2tab = α
 
Graus de Nível de significância α
liberdade 0.99 0.975 0.95 0.9 0.1 0.05 0.025 0.01
1 0.0002 0.0010 0.0039 0.0158 2.7055 3.8415 5.0239 6.6349
2 0.0201 0.0506 0.1026 0.2107 4.6052 5.9915 7.3778 9.2103
3 0.1148 0.2158 0.3518 0.5844 6.2514 7.8147 9.3484 11.3449
4 0.2971 0.4844 0.7107 1.0636 7.7794 9.4877 11.1433 13.2767
5 0.5543 0.8312 1.1455 1.6103 9.2364 11.0705 12.8325 15.0863
6 0.8721 1.2373 1.6354 2.2041 10.6446 12.5916 14.4494 16.8119
7 1.2390 1.6899 2.1673 2.8331 12.0170 14.0671 16.0128 18.4753
8 1.6465 2.1797 2.7326 3.4895 13.3616 15.5073 17.5345 20.0902
9 2.0879 2.7004 3.3251 4.1682 14.6837 16.9190 19.0228 21.6660
10 2.5582 3.2470 3.9403 4.8652 15.9872 18.3070 20.4832 23.2093
11 3.0535 3.8157 4.5748 5.5778 17.2750 19.6751 21.9200 24.7250
12 3.5706 4.4038 5.2260 6.3038 18.5493 21.0261 23.3367 26.2170
13 4.1069 5.0088 5.8919 7.0415 19.8119 22.3620 24.7356 27.6882
14 4.6604 5.6287 6.5706 7.7895 21.0641 23.6848 26.1189 29.1412
15 5.2293 6.2621 7.2609 8.5468 22.3071 24.9958 27.4884 30.5779
16 5.8122 6.9077 7.9616 9.3122 23.5418 26.2962 28.8454 31.9999
17 6.4078 7.5642 8.6718 10.0852 24.7690 27.5871 30.1910 33.4087
18 7.0149 8.2307 9.3905 10.8649 25.9894 28.8693 31.5264 34.8053
19 7.6327 8.9065 10.1170 11.6509 27.2036 30.1435 32.8523 36.1909
20 8.2604 9.5908 10.8508 12.4426 28.4120 31.4104 34.1696 37.5662
21 8.8972 10.2829 11.5913 13.2396 29.6151 32.6706 35.4789 38.9322
22 9.5425 10.9823 12.3380 14.0415 30.8133 33.9244 36.7807 40.2894
23 10.1957 11.6886 13.0905 14.8480 32.0069 35.1725 38.0756 41.6384
24 10.8564 12.4012 13.8484 15.6587 33.1962 36.4150 39.3641 42.9798
25 11.5240 13.1197 14.6114 16.4734 34.3816 37.6525 40.6465 44.3141
26 12.1981 13.8439 15.3792 17.2919 35.5632 38.8851 41.9232 45.6417
27 12.8785 14.5734 16.1514 18.1139 36.7412 40.1133 43.1945 46.9629
28 13.5647 15.3079 16.9279 18.9392 37.9159 41.3371 44.4608 48.2782
29 14.2565 16.0471 17.7084 19.7677 39.0875 42.5570 45.7223 49.5879
30 14.9535 16.7908 18.4927 20.5992 40.2560 43.7730 46.9792 50.8922

334 / 338
1) Realizou-se uma pesquisa com os proprietários de certa marca
de automóvel com o intuito de saber a opinião deles acerca do
desempenho e do consumo de combustível de seus carros. O
resultado da pesquisa de opiniões é resumido na tabela
abaixo:
Desempenho
Consumo Ruim Bom
Alto 54 46
Baixo 70 30

Verificar ao nível de 1% de significância, se devemos


considerar que, no consenso geral, desempenho e consumo
não guardam relação entre si.

335 / 338
2) Na tabela a seguir é apresentado um resumo de um estudo
conduzido com alguns estudantes. Foram amostrados 200
homens e estes foram categorizados quanto ao hábito de
fumar e praticar exercícios físicos. Teste a hipótese de que o
hábito de fumar e o hábito de praticar exercícios físicos são
duas variáveis aleatórias independentes. Adote um nível de
significância adequado.

336 / 338
Hábito de praticar exercícios
Hábito de fumar MF FR OC N
Sim 7 10 13 20
Ocasionalmente 24 23 25 28
Não 18 15 8 9

MF=Muito frequente;
FR=Frequente;
OC=Ocasionalmente;
N=Nunca

337 / 338
Datas, horários e locais das provas

Prova 01: 06/09/2014


Prova 02: 18/10/2014
Prova 03: 29/11/2014
Local e horário: www.res.ufv.br/?page_id=267

338 / 338