Apostila Estatistica
-
Upload
camilaac82 -
Category
Documents
-
view
69 -
download
1
Transcript of Apostila Estatistica
-
APOSTILA DE ESTATSTICA
-
NDICE
1.0 DEFINIES DE ESTATSTICA ......................................................................... 1
1.1 POR QUE ESTUDAR ESTATSTICA?......................................................... 1
1.2 A NATUREZA DOS DADOS ........................................................................ 1
1.3 TIPOS DE DADOS ....................................................................................... 2
1.4 TIPOS DE LEVANTAMENTOS .................................................................... 3
1.5 PLANEJAMENTO DE EXPERIMENTOS ..................................................... 4 EXERCCIOS: E-1...................................................................................................... 5
2.0 AMOSTRAGEM ................................................................................................... 6
2.1 DEFINIES................................................................................................ 6
2.2 AMOSTRAGEM ALEATRIA BASEADA EM NMEROS ALEATRIOS
(RANDMICOS) ................................................................................................ 8
2.3 OUTROS PLANOS DE AMOSTRAGEM...................................................... 9
2.4 AMOSTRAGEM POR JULGAMENTO (NO PROBABILSTICA) ................ 9
2.5 AMOSTRAGEM PROBABILSTICA ........................................................... 10
2.5.1 AMOSTRAGEM SISTEMTICA............................................................... 10
2.5.2 AMOSTRAGEM ESTRATIFICADA ......................................................... 11
2.5.3 AMOSTRAGEM POR CONGLOMERADO............................................. 11
RESUMO.......................................................................................................... 11
EXERCICIOS: E-2.................................................................................................... 13
3.0 ANLISE EXPLORATRIA DE DADOS........................................................... 14
4.0 DISTRIBUIO DE FREQNCIA ................................................................... 15 5.0 REPRESENTAO GRFICA DAS VARIVEIS QUANTITATIVAS ............... 19 6.0 APRESENTAO GRFICA ............................................................................ 20
6.1 DIAGRAMA DE ORDENADAS................................................................... 20
6.2 DIAGRAMA DE BARRAS........................................................................... 21
6.3 DIAGRAMA DE CRCULOS ....................................................................... 22
6.4 DIAGRAMA DE SETORES CIRCULARES ................................................ 23
6.5 DIAGRAMA LINEAR .................................................................................. 25
-
6.6 O PICTOGRAMA ................................................................................................ 26
7.0 MONTAGEM DE UMA DISTRIBUIO DE FREQNCIAS ........................... 27
7.1 HISTOGRAMA E POLIGONO DAS FREQNCIAS................................. 31
7.2 HISTOGRAMA E POLIGONO DAS FREQNCIAS RELATIVAS ............ 32
7.3 POLIGONO DE FREQNCIA ACUMULADA OU OGIVA........................ 33
7.4 POLIGONO DA FREQNCIA ACUMULADA RELATIVA ........................ 34
8.0 TIPOS DE DISTRIBUIO ................................................................................ 35
8.1 DISTRIBUIO SIMTRICA OU EM FORMA DE SINO ........................... 35
8.2 DISTRIBUIO ASSIMTRICA................................................................. 36
8.3 DISTRIBUIO MODAL, AMODAL, BIMODAL E MULTIMODAL ............. 37
8.4 APRESENTAO TIPO RAMO-E-FOLHAS .............................................. 38
9.0 MEDIDAS DE POSIO OU DE TENDNCIA CENTRAL ............................... 40
9.1 MDIA ARITMTICA SIMPLES ................................................................. 40
9.2 MDIA ARITMTICA PONDERADA.......................................................... 41
9.3 MEDIANA (x) .............................................................................................. 41
9.4 MODA ( x ) ............................................................................................... 43 10.0 MEDIDAS DE VARIABILIDADE (DISPERSO).............................................. 44
10.1 AMPLITUDE TOTAL (R.T.) ...................................................................... 44
10.2 DESVIO PADRO.................................................................................... 45
10.2.1 DESVIO PADRO AMOSTRAL (S) ....................................................... 45
10.2.2 DESVIO PADRO DA POPULAO () ............................................... 46
10.2.3 REPRESENTAO GRFICA DO DESVIO PADRO.......................... 46
10.2.4 SISTEMATIZAO PARA O CLCULO................................................ 47
10.3 VARINCIA .............................................................................................. 48
11.0 DISTRIBUIO NORMAL .............................................................................. 49 EXERCCIOS: E-3.................................................................................................... 55
12.0 PROBABILIDADE............................................................................................ 56
12.1 ESPAO AMOSTRAL E EVENTOS......................................................... 57 12.2 TRS ORIGENS DA PROBABILIDADE................................................... 58
-
12.3 A MATEMTICA DA PROBABILIDADE ................................................... 59
EXERCCIOS: E-4.................................................................................................... 62
13.0 TECNICAS DE CONTAGEM ........................................................................... 63
13.1 O PRINCIPIO DA MULTIPLICAO........................................................ 64 13.2 PERMUTAO, ARRANJO E COMBINAO. ....................................... 65 13.3 REGRAS DE CONTAGEM....................................................................... 68
EXERCCIOS: E-5.................................................................................................... 69
14.0 DISTRIBUIO DE PROBABILIDADES......................................................... 70
14.1 DISTRIBUIO BINOMIAL ...................................................................... 72
EXERCICIOS: E-6.................................................................................................... 76
14.2 DISTRIBUIO DE POISSON......................................................................... 77 EXERCICIOS: E-7.................................................................................................... 79
15.0 CORRELAO................................................................................................ 80
15.1 INTRODUO ......................................................................................... 80
15.2 RELAO FUNCIONAL E RELAO ESTATSTICA ............................. 80 15.3 DIAGRAMA DE DISPERSO................................................................... 81 15.4 CORRELAO LINEAR.......................................................................... 82
15.5 COEFICIENTE DE CORRELAO LINEAR........................................... 85
15.6 CUDADOS COM OS ERROS COM A INTERPLETAO DE CORRELAO ................................................................................................ 87
EXERCICIOS: E-8.................................................................................................... 88
16.0 REGRESSO LINEAR .................................................................................... 91
16.1 AJUSTAMENTO DE CURVAS ................................................................. 91
16.2 MTODO DOS MNIMOS QUADRADOS ................................................ 92
16.3 ANLISE DE REGRESSO..................................................................... 95
EXERCCIOS E-9......................................................................................................98
-
1
ESTATSTICA
1.0 DEFINIES DE ESTATSTICA
Etimologicamente a palavra estatstica vem de status expresso latina que
significa, sensu lato, o estudo do estado. Os primeiros a empregarem esse termo
foram os Alemes seguidos pela Itlia, Frana, Inglaterra e ainda por outros paises.
Para Levasseur a estatstica : O estudo numrico dos fatos sociais.
Yule define estatstica como: Dados quantitativos afetados marcadamente por uma
multiplicidade de causas.
Uma definio mais usual nos dias de hoje seria: Um mtodo cientifico que permite
a anlise, em bases probabilstica, de dados coligados e condensados
Ou ainda podemos dizer que : A coleta, o processamento, a interpretao e a
apresentao de dados numricos que pertencem ao domnio da estatstica
1.1 POR QUE ESTUDAR ESTATSTICA?
Por hora podemos dizer que o raciocnio estatstico largamente utilizado no
governo e na administrao; assim, possvel que, no futuro, um empregador venha
a contratar ou promover um profissional por causa do seu conhecimento de
estatstica.
1.2 A NATUREZA DOS DADOS
O dados estatsticos constituem a matria prima das pesquisas estatsticas, eles
surgem quando se fazem mensuraes ou se restringem observaes.
Estatstica descritiva: Trata-se da descrio e resumo dos dados.
-
2
Probabilidade: um estudo que envolve o acaso.
Interferncia: a analise e interpretao de dados amostrais (Amostragem).
Modelo: So verses simplificadas (Abstraes) de algum problema ou situao
real.
1.3 TIPOS DE DADOS
Quantitativos Contnuos
Discretos
Qualitativos Nominais
Por postos
As variveis contnuas podem assumir qualquer valor num intervalo contnuo. Os
dados referentes a tais variveis dizem-se dados contnuos. Ex. Peso, comprimento,
espessura onde usa-se a mensurao.
As variveis discretas assumem valores inteiros de dados discretos so os
resultados da contagem de nmeros de itens. Ex. alunos da sala de aula, nmero de
defeitos num carro novo, acidentes de uma fbrica.
Os dados nominais surgem quando se definem categorias e se conta o nmero de
observaes pertencentes a cada categoria. Ex.: atuam dentro das variveis
Qualitativas as quais devemos associar a valores numricos para que possamos
processar estatisticamente. Ex.: cor dos olhos (azuis, verdes, castanhos), sexo
(masculino e feminino), desempenho (excelente, bom, sofrvel, mau) etc.
Os dados por postos consistem de valores relativos atribudos para denotar ordem:
primeiro, segundo, terceiro, quarto, etc. Ex.: concurso de beleza se classificam em
1,2,3 colocadas.
-
3
TABELA: 1 A mesma populao pode originar diferentes tipos de dados.
TIPOS DE DADOS
POPULAES CONTNUOS DISCRETOS NOMINAIS POR POSTO
Alunos de administrao idade/peso N. De classes Homens/Mulheres 3 grau
1.4 TIPOS DE LEVANTAMENTOS
Os levantamentos podem ser classificados em contnuos, peridicos e ocasionais:
CONTNUO: Quando os eventos vo sendo registrados medida que
ocorrem.Exemplos os registros civis dos fatos vitais (nascimento, bitos e
casamentos).
PERIDICOS: Acontecem ciclicamente. Exemplo o rescenceamento, feito no
Brasil a cada dez anos.
OCASIONAIS: So aqueles realizados sem a preocupao de continuidade ou
periodicidade preestabelecidas, exemplos a maioria dos trabalhos de investigao
cientifica.
DADOS PRIMRIOS: Quando o investigador no encontra dados publicados
adequados ao seu estudo, parte para a realizao de um inqurito, isto , os dados
so levantados diretamente na populao no momento da investigao.
DADOS SECUNDRIOS: Quando o investigador para verificar as sua hipteses de
trabalho utiliza- se de dados j existentes, arquivados, registrados ou publicados.
Podem ser at mesmo dados gerados pelo Departamento de Estatsticas de
Populaes da Fundao Instituto Brasileiro de Geografia e Estatstica (IBGE).
-
4
1.5 PLANEJAMENTO DE EXPERIMENTOS
1. Definio do problema: Um Estudo ou Uma Anlise
2. Formular plano para coleta de dados adequados
3. Coligir os dados
4. Analisar e interpretar os dados
5. Relatar as concluses
-
5
EXERCCIOS: E-1
1- Identifique os seguintes exemplos em termos de tipos de dados:
a- 17 gramas
b- 3 certos, 2 errados
c- 25 segundos
d- 25 alunos na classe
e- tamanho de camisa
f- Km/litro
g- O mais aprazvel
h- O mais lento
i- 5 acidentes no ms de maio
2- Responder as perguntas:
a- Defina o termo Estatstica.
b- Responder a pergunta: Por que estudar estatstica?
c- Dar exemplos de como um administrador pode se beneficiar do conhecimento
de Estatstica?
-
6
2.0 AMOSTRAGEM
AMOSTRAGEM VERSUS SENSO: Uma amostra usualmente envolve o estudo de uma parcela dos tens de uma populao, enquanto que o censo requer o estudo de todos os tens.
Restries ao Censo:
- Custo
- Populaes infinitas
- Dificuldade nos critrios (Preciso)
- Produtos de testes Destrutivos (fsforos, munies)
- Tempo despendido (atualizao)
- Tipos de informaes mais restritivas
Casos de excesso:
- Populaes pequenas
- Amostras grandes em relao a populao
- Se exige preciso completa
- Se j so disponveis informaes completas
2.1 DEFINIES
POPULAO: o conjunto de indivduos (ou objetos), que tem pelo menos uma
varivel comum observvel.
AMOSTRA: qualquer sub-conjunto da populao extrada para se realizar estudos
estatsticos
.
POPULAO
AMOSTRA
-
7
A estatstica indutiva a cincia que busca tirar concluses probabilsticas
sobre a populao, com base em resultados verificados em amostras retiradas
dessa populao.
Entretanto no basta que saibamos descrever convenientemente os dados da amostra para que possamos executar, com xito, um trabalho estatstico
completo. Antes de tudo preciso garantir que a amostra ou amostras que sero utilizadas sejam obtidas por processos adequados. - O que necessrio garantir, em suma, que a amostra seja Representativa da
populao.
Dois aspectos nas amostras so fundamentais, e que do a sua representatividade
em termos:
- Qualitativos: Amostras que representem todas as sub-populaes, quando for o
caso.
- Quantitativos: Que possua quantidade de dados suficientes para representar a
Populao.
Na indstria onde amostras so freqentemente retiradas para efeito de Controle da
Qualidade dos produtos e materiais, em geral os problemas de amostragem so
mais simples de resolver.
Por outro lado, em pesquisas sociais, econmicas ou de opinio, a
complexibilidade dos problemas de amostragem so normalmente bastante grandes.
- Interferncia estatstica envolve a formulao de certos julgamentos sobre um
todo aps examinar apenas uma parte, ou a amostra, dele.
A probabilidade e a amostragem esto estreitamente correlacionadas e juntas
formam o fundamento da teoria de interferncia.
- Amostragem o ato de retirar amostra, isto , a ao.
-
8
- Amostra a quantidade de dados especificado para representar a populao.
Amostragem aleatria permite estimar o valor do erro possvel, isto , dizer quo prxima est amostra da populao, em termos de representatividade.
Amostragem no aleatria no apresenta esta caracterstica.
H vrios mtodos para extrair uma amostra talvez o mais importante seja a
amostragem aleatria de modo geral, a amostragem aleatria exige que cada elemento tenha a mesma oportunidade de ser includo na amostra.
Nas Populaes discretas uma amostra aleatria aquela em que cada item da populao tem a mesma chance de ser includo na amostra. Nas Populaes contnuas, uma amostra aleatria aquela em que a probabilidade de incluir na amostra qualquer intervalo de valores igual percentagem da populao que est naquele intervalo.
Populaes finitas: quando, temos constitudo por nmeros finitos, ou fixos de
elementos, medidas ou observaes.
Ex.: Peso bruto de 3000 latas de tinta de um certo lote de produo.
Populaes infinitas: so aquelas que contm, pelo menos hipoteticamente, um nmero infinito de elementos.
Ex. Produo de carros V.W. produzidos no Brasil e a serem produzidos (universo
volkswagem), processo probabilstico.
2.2 AMOSTRAGEM ALEATRIA BASEADA EM NMEROS ALEATRIOS (RANDMICOS)
As tabelas de nmeros aleatrios contm os dez algarismos 0,1,2,3,4,......,9. Esses
nmeros podem ser lidos isoladamente ou em grupos; podem ser lidos em qualquer
ordem. A probabilidade de qualquer algarismo aparecer em qualquer ponto 1/10.
Portanto todas as combinaes so igualmente provveis.
-
9
Conceitualmente, poderamos construir uma tabela de nmeros aleatrios
numerando dez bolinhas com os algarismos de 0 a 9 , colocando-as numa urna,
misturando bem e extraindo uma de cada vez, com reposio, anotando os valores
obtidos.
A titulo de ilustrao poderamos querer selecionar aleatoriamente 15 clientes de
uma lista de 830 de um grande magazine, a finalidade poderia ser :
Estimar a freqncia de compras; Determinar o valor mdio de cada compra; Registrar as queixas contra o sistema.
2.3 OUTROS PLANOS DE AMOSTRAGEM
Amostragem probabilstica versus Amostragem no probabilstica
Os planos de amostragem probabilstica so delineados de tal modo que se
conhece a probabilidade de todas as combinaes amostrais possveis. Em razo
disso, pode-se determinar a quantidade de varivel amostral numa amostra
aleatria e uma estimativa do erro amostral. A amostragem aleatria um exemplo da amostragem probabilstica.
A amostragem no probabilstica a amostragem subjetiva, ou por julgamento,
onde a variabilidade amostral no pode ser estabelecida com preciso,
conseqentemente, no possvel nenhuma estimativa do erro amostral.
A verdade que, sempre que possvel, deve-se usar a amostragem probabilstica.
2.4 AMOSTRAGEM POR JULGAMENTO (NO PROBABILSTICA)
Se o tamanho da amostra bem pequeno; digamos, de uns 5 itens, a amostragem aleatria pode dar resultados totalmente no representativos, ao passo que uma
pessoa familiarizada com a populao pode especificar quais os itens mais
representativos da populao.
-
10
Exemplo: Uma equipe mdica deve trabalhar com pacientes que se apresentem
com voluntrios para testar um novo medicamento. Nenhum desses grupos podem
ser considerados como uma amostra aleatria do pblico em geral, e seria perigoso tentar tirar concluses gerais com base em tal estudo. Todavia, os resultados poderiam proporcionar uma base para a elaborao de um plano de amostragem aleatrio para validar os resultados bsicos. Os perigos inerentes
pesquisa mdica , bem como outro tipo de pesquisa, freqentemente obrigam a
limitar a pesquisa inicial a um pequeno grupo de voluntrios.
Exemplo: A aplicao de hormnios em mulheres na menopausa, aps um perodo
de tempo notou-se o aumento das chances de adquirirem cncer de mama, doenas
cardacas etc.
2.5 AMOSTRAGEM PROBABILSTICA
SISTEMTICA
ESTRATIFICADA
CONGLOMERADO
2.5.1 AMOSTRAGEM SISTEMTICA
muito parecida com a amostragem aleatria simples. Podemos ter uma
amostragem realmente aleatria, escolhendo-se cada K-sima amostra, onde K
obtem-se dividindo o tamanho da populao pelo tamanho da amostra.
K= N onde: N= Tamanho da Populao
n n= Tamanho da Amostra
EX. N= 200 e n=10 ento K=200/10 = 20
Significa que ser escolhido um item a cada seqncia de 20 de uma lista. Para
iniciar pode-se usar uma tabela de nmeros aleatrios de 0 a 9 para iniciar os
grupos. Por exemplo se der o 9, escolhemos o 9, 29, 39 ,49 , etc.
-
11
2.5.2 AMOSTRAGEM ESTRATIFICADA
Pressupe a diviso da populao em sub-grupos Homogneos (Estratos),
procedendo ento a amostragem de cada sub-grupo. Ex.: Para se fazer o inventrio
do estoque, comum termos 10% dos itens representarem cerca de 60% do valor total em quanto que os 90% restantes representam s 40% do valor total (Curva
A,B,C; Pareto; regra 80/20).
2.5.3 AMOSTRAGEM POR CONGLOMERADO
Pressupe a disposio dos itens de uma populao em sub-grupos heterogneos
(sub-populaes) representativos da populao global. Neste caso cada
conglomerado pode ser encarado como uma minipopulao.
Ex.: Estudo pr-eleitoral para medir a preferncia dos eleitores. (Sub-grupos: sexo,
educao, faixa etria, poder aquisitivo, regio da habitao,etc).
RESUMO
A finalidade da amostra permitir fazer interferncia sobre a populao aps inspeo de apenas parte dela. Fatores com custo, ensaios destrutivos e
populaes infinitas, tornam a amostragem prefervel a um estudo completo (Censo) da populao.
Naturalmente espera-se que a amostra seja representativa da populao da qual foi
extrada.
Potencialmente, este objetivo atingido quando a amostragem aleatria.
Para populaes discretas o termo Aleatrio significa que cada item da
populao tem a mesma chance de participar na amostra.
No caso de populaes contnuas, significa que a probabilidade de incluir qualquer
valor de um dado intervalo de valores igual proporo com valores naquele
intervalo.
-
12
As amostras aleatrias podem ser obtidas:
- Atravs de um processo de mistura, com o embaralhamento de cartas;
- Pela utilizao de um processo mecnico (Misturadores);
- Utilizando-se uma tabela de nmeros aleatrios para proceder seleo de uma
lista.
Em certas condies, podem ser mais eficientes variantes da amostragem aleatria
simples, tais como amostragem sistemtica (peridica), estratificada (sub-grupos Homogneos), ou amostragem por aglomerados (sub-grupos convenientes e
heterogneos).
A principal vantagem da amostragem aleatria que se pode determinar o grau de
variabilidade amostral, o que essencial na interferncia estatstica. amostragem no probabilstica falta esta caracterstica.
-
13
EXERCICIOS: E-2
QUESTES PARA RECAPITULAO
1- Em que circunstncia a amostragem prefervel a um censo completo?
2- Quando se deve preferir um censo a uma amostragem?
3- Defina Amostra Aleatria.
4- Descreva os vrios mtodos de obteno de uma amostra aleatria. Como
escolher o mtodo a ser usado em determinada situao?
5- Explique rapidamente as caractersticas:
a. da amostragem por conglomerado;
b. da amostragem estratificada;
c. da amostragem sistemtica.
7- Que amostragem por julgamento e em que circunstncia deve ser usada?
8- Que amostragem probabilstica e quando deve ser usada?
9- Explique o significado de Amostra Aleatria quando a populao :
a. contnua b. Discreta
-
14
3.0 ANLISE EXPLORATRIA DE DADOS
Em alguma fase de seu trabalho, o pesquisador se v s voltas com o problema de
analisar e entender uma massa de dados, relevantes ao seu particular objeto de
estudos.
De modo geral, podemos dizer que a essncia da cincia a observao e que seu
objetivo bsico a interferncia. Esta parte da metodologia da cincia que tem
por objetivos a coleta, reduo, anlise e modelagem dos dados, a partir do que,
finalmente, faz-se a interferncia para uma populao, da qual os dados
(amostras) foram obtidos.
-
15
4.0 DISTRIBUIO DE FREQNCIA
Para cada tipo de varivel existem tcnicas mais apropriadas para resumir as
informaes. Porem podemos usar algumas tcnicas empregadas num caso,
podemos adapt-las para outros. Quando se estuda uma varivel, o maior interesse do pesquisador conhecer a
distribuio dessa varivel atravs das possveis realizaes (valores) da mesma.
Exemplo 1: Dados relativos a uma amostra de 36 funcionrios de uma populao de 2000 funcionrios da empresa Milsa. Ver resultados anotados na tabela abaixo.
-
16
TABELA 1
N ESTADO GRAU DE N DE SALRIO IDADE REGIO DE
CIVIL INSTRUO FILHOS (X SAL. MIN) ANOS MESES PROCEDNCIA
1 solteiro 1 grau --- 4 26 03 interior
2 casado 1 grau 1 4,56 32 10 capital
3 casado 1 grau 2 5,25 36 05 capital
4 solteiro 2 grau --- 5,73 20 10 outro
5 solteiro 1 grau --- 6,26 40 07 outro
6 casado 1 grau 0 6,66 28 00 interior
7 solteiro 1 grau --- 6,86 41 00 interior
8 solteiro 1 grau --- 7,39 43 04 capital
9 casado 2 grau 1 7,59 34 10 capital
10 solteiro 2 grau --- 7,44 23 06 outro
11 casado 2 grau 2 8,12 33 06 interior
12 solteiro 1 grau --- 8,46 27 11 capital
13 solteiro 2 grau --- 8,74 37 05 outro
14 casado 1 grau 3 8,95 44 02 outro
15 casado 2 grau 0 9,13 30 05 interior
16 solteiro 2 grau --- 9,35 38 08 outro
17 casado 2 grau 1 9,77 31 07 capital
18 casado 1 grau 2 9,8 39 07 outro
19 solteiro superior --- 10,53 25 08 interior
20 solteiro 2 grau --- 10,76 37 04 interior
21 casado 2 grau 1 11,06 30 09 outro
22 solteiro 2 grau --- 11,59 34 02 capital
23 solteiro 1 grau --- 12,OO 41 00 outro
24 casado superior 0 12,79 26 01 outro
25 casado 2 grau 2 13,23 32 05 interior
26 casado 2 grau 2 13,6 35 00 outro
27 solteiro 1 grau --- 13,85 46 07 outro
28 casado 2 grau 0 14,69 29 08 interior
29 casado 2 grau 5 14,71 40 06 interior
30 casado 2 grau 2 15,99 35 10 capital
31 solteiro superior --- 16,22 31 05 outro
32 casado 2 grau 1 16,61 36 04 interior
33 casado superior 3 17,26 43 07 capital
34 solteiro superior --- 18,75 33 07 capital
35 casado 2 grau 2 19,4O 48 11 capital
36 casado superior 3 23,3O 42 02 interior
-
17
Exemplo 2: Freqncia e percentagem da amostra de 36 empregados da
empresa Milsa segundo o grau de instruo.
TABELA 2
Exemplo 3: Freqncia e percentagem dos 2000 empregados (Populao) da
empresa Milsa (Censo x Probabilidade)
TABELA 3
Exemplo 4: Freqncia e percentagens dos 36 empregados (Amostra) da empresa
Milsa.
GRAU DE TABULAO FRQNCIA FREQ. RELATIVA
INSTRUO F FR %
1 grau I I I I I I I I I I I I 12 33,33
2 grau I I I I I I I I I I I I I I I I I I 18 50,OO
superior I I I I I I 6 16,67
TOTAL 36 100
GRAU DE FRQNCIA FREQ. RELATIVA FREQ. RELATIVA
INSTRUO F FR % Censo FR % Provvel
1 grau 650 32,50 33,33
2 grau 1020 51,00 50,OO
superior 330 15,50 16,67
TOTAL 2000 100 100
-
18
TABELA 4
CLASSE DE SALRIOS FRQNCIA FREQ. RELATIVA
F FR %
4 I------- 8 10 27,78
8 I------- 12 12 33,33
12 I------- 16 8 22.22
16 I------- 20 5 13,89
20 I------- 24 1 2,78
TOTAL 36 100
Exemplo 5: Freqncias e percentagem dos empregados da empresa Milsa,
segundo N de filhos.
TABELA 5 NMERO DE FILHOS FREQNCIA FREQ. RELATIVA
Xi F FR %
0 4 20
1 5 25
2 7 35
3 3 15
5 1 5
TOTAL 20 100
EXERCCIO - Representar a distribuicao de frequencia para Idade e a Regiao de
procedencia dos funcionarios da Empresa Milsa.
-
19
5.0 REPRESENTAO GRFICA DAS VARIVEIS
QUANTITATIVAS
A representao grfica da distribuio de freqncias de uma varivel tem a
vantagem de, rpida e concisamente, informar sobre a variabilidade da mesma.
Podemos optar por vrios tipos de grficos, porem qualquer que seja ele, devemos
especificar os elementos essenciais para a sua interpretao, que so:
- o ttulo;
- o corpo;
- o cabeario;
- as colunas indicadoras.
TTULO a indicao que, precedendo a tabela, colocado na parte superior da mesma. Deve ser preciso, claro e conciso, indicando a natureza dos fatos estudados
(o que), e a poca (quando) em que o mesmo foi observado.
CORPO da tabela o conjunto de linhas e colunas que contem respectivamente, as sries Horizontais e verticais de informaes. Casa, cela ou clula o
cruzamento de uma linha com uma coluna, onde se tem a freqncia com que a
categoria (ou categorias) aparecem.
CABEARIO parte da tabela em que designada a natureza (as categorias, as modalidades da varivel) do contedo de cada coluna.
COLUNA INDICADORA parte da tabela em que designada a natureza (as categorias, as modalidades da varivel) do contedo de cada linha.
Os elementos complementares de uma tabela so:
- Fontes;
- Notas.
FONTE o indicativo, no rodap da tabela, da entidade responsvel pela sua organizao ou fornecedora dos dados primrios. A razo da presena da fonte no
somente honestidade cientifica, mas tambm permitir ao leitor a possibilidade de
consultar o trabalho original de onde procedem as informaes.
NOTAS so colocadas no rodap da tabela para esclarecimentos de ordem geral. E so numeradas, podendo-se tambm usar smbolos grficos, sendo comum o
asterisco.
-
20
6.0 APRESENTAO GRFICA
A apresentao grfica dos dados e respectivos resultados de sua anlise pode
tambm ser feita sob forma de figuras, em geral grficos ou diagramas.
Grficos devem ser auto-explicativos e de fcil compreenso, de preferncia sem
comentrios inseridos.Devem ser simples, atrair a ateno do leitor e inspirar
confiana.
6.1 DIAGRAMA DE ORDENADAS Para sua construo traada uma reta horizontal (ou vertical) de sustentao; a
partir de pontos eqidistantes na reta, traa-se perpendiculares cujos
comprimentos sejam proporcionais s freqncias.
freqncias
12
10
8
6
4
2
0
4 I------- 8 8 I-------12 12 I-------16 16 I-------20 20 I-------24 Salrios
-
21
6.2 DIAGRAMA DE BARRAS
A mesma distribuio acima poderia ser representada por meio de diagrama que
levasse em conta a magnitude da rea da figura geomtrica, j que a vista repousa melhor sobre uma superfcie do que sobre uma linha.
freqncias
12
10
8
6
4
2
0
4 I-------8 8 I-------12 12 I-------16 16 I------- 20 20 I-------24
Salrios
-
22
6.3 DIAGRAMA DE CRCULOS
Alem do retngulo, outra figura geomtrica utilizada o crculo ou conjunto de
crculos. Lembrando que a rea do crculo o produto do nmero irracional =
(3,1416) pelo quadrado do raio (r), isto , C= .r , e desde que as reas dos
diversos crculos devem ser proporcionais s magnitudes das freqncias, isto , C
= . f onde o fator de proporcionalidade, segue-se que:
. f = . r , ou seja, r = .f Se chamar de `, tem-se :
portanto, os raios dos crculos devem ser proporcionais a raiz quadrada das
freqncias das modalidades da varivel.
Assim se quisermos representar graficamente a distribuio da tabela 1.4, os raios
do crculo devero ser:
r1 = 27,78 . `= 5,27 . ` 5,27. 3 = 15.8 mm
r2 = 33,33 . `= 5.77 . ` 5,77. 3 = 17,3 mm
r3 = 22.22. `= 4,71. ` 4,71. 3 = 14,1 mm
r4 = 13,89 . `= 3.72. ` 3,72. 3 = 11,1 mm
r5 = 2,78 . ` = 1,66 ` 1,66. 3 = 5,00 mm
A figura abaixo representa esta distribuio, com um ` adotado de 3 mm.
2,7%
22,22
%
27,78
%
33,33
% 13,89
%
r = `. f
-
23
6.4 DIAGRAMA DE SETORES CIRCULARES
Outra opo seria atravs de setores circulares, na qual se divide a rea total de um
crculo em subreas (setores) proporcionais as freqncias.
Lembrando que o crculo compreende setores cujas reas (S) so produto do raio (r) pelo tamanho do arco (a), isto , S = r.a, e com S deve ser proporcional a freqncia f, tem-se S= .f , onde o fator de proporcionalidade; ento:
.f = r. a
a = . f
r
Se chamarmos de `, tem-se S = `. f , isto , os arcos e os respectivos
r ngulos centrais de um crculo igual a 360, e sendo F a freqncia total, tem-se
360 = `. F
ou seja: `= 360 Portanto a = 360. f
F F
Assim, a distribuio de freqncia da tabela 4 representando faixas de salrios fica:
a1 = 360 x 27,78 = 100 100
a2 = 360 x 33,33 = 120 100
a3 = 360 x 22,22 = 80 100
a4 = 360 x 13,89 = 50 100
S5 = 360 x 2,78 = 10 100
-
24
Diagrama de Setores Circular
.
Diagrama de Setores Circular feito automaticamente pelo excel
28%
33%
22%
14%3%
120 50 100 80
10
-
25
6.5 DIAGRAMA LINEAR
No diagrama linear deve-se plotar os pontos nos eixos como foi feito no diagrama de barras e em seguida unir esses pontos por semi-retas contituindo-se desta forma o
diagrama linear.
freqncias
12
x
10 x x
8
6 x
4
2 x
0
4 I-------8 8 I-------12 2 12 I-------16 16 I------- 20 20 I------- 24 salrios
-
26
6.6 O PICTOGRAMA A figura abaixo mostra um exemplo de apresentao pictogrfica de dados temporais
(comumente encontrada em jornais, revistas e relatrios de vrios tipos), no caso abaixo
representa a populao dos Estados Unidos.
1920
1930
1940
1950
1960
1970
1980
1990
Cada smbolo = 10 milhes de pessoas Pictograma da populao dos Estados Unidos
-
27
7.0 MONTAGEM DE UMA DISTRIBUIO DE FREQNCIAS
A anlise estatstica de dados relativos a uma amostra de uma populao, requer uma
aglutinao organizada de informaes, conforme regras cuja prtica demonstrou serem
eficientes.
Consideremos uma relao de pesos de pacotes de manteiga, em gramas, de uma amostra de 100 pacotes extrados parcialmente de um processo automtico de
empacotamento.
A especificao de fabricao 215 15 gramas (200 a 230 gramas)
TABELA 6
AMOSTRA PESO AMOSTRA PESO AMOSTRA PESO AMOSTRA PESO AMOSTRA PESO
1 207 21 220 41 210 61 210 81 217
2 213 22 204 42 214 62 220 82 211
3 210 23 213 43 219 63 213 83 213
4 215 24 211 44 215 64 217 84 218
5 201 25 214 45 217 65 214 85 213
6 210 26 217 46 213 66 219 86 216
7 212 27 224 47 218 67 214 87 218
8 204 28 211 48 214 68 215 88 216
9 209 29 220 49 215 69 223 89 206
10 212 30 209 50 212 70 217 90 212
11 215 31 214 51 221 71 213 91 207
12 216 32 208 52 211 72 218 92 213
13 221 33 217 53 218 73 207 93 215
14 219 34 214 54 205 74 210 94 212
15 222 35 209 55 220 75 208 95 223
16 225 36 212 56 203 76 214 96 210
17 215 37 208 57 216 77 211 97 226
18 218 38 215 58 222 78 205 98 224
19 213 39 211 59 206 79 215 99 214
20 216 40 216 60 221 80 207 100 215
O agrupamento destes dados em sub-grupos feito com base nos seguintes conceitos:
-
28
Amplitude total (R.T.): a diferena entre a medida mxima e a medida mnima. No
caso da amostra de pacotes de manteiga acima, temos:
R.T. = 226 201 = 25 gramas
Nmero de classes (d) : o nmero de divises que estipulamos para a Amplitude Total.
Normalmente pode-se usar d = n onde n= nmero de itens na amostra para o
exerccio temos d = 100 10 classes, porem deve-se utilizar sempre que possvel
nmero impar de classes no caso 9 classes.
Classe: o intervalo de variao das medidas. Amplitude do intervalo de classe (R.I.): a diferena entre os valores mximos e
mnimos de cada classe.
Amplitude intervalo de cada classe R.I . = R.T
Nmero de Classes
No caso do exerccio temos:
Amplitude intervalo de cada classe R.I . = 25 = 2,7 aprox. 3
7
RI adotado = 3 RT adotado = 27 diferenca 2 comeca uma antes do menor e termina
um antes do maior valor.
As classes devem ser mutuamente exclusivas, para que no haja duvida na localizao
dos valores das variveis, podemos dai utilizar as seguintes simbologias para os
intervalos:
0 ----I 10 intervalo aberto & fechado, para significar que o intervalo compreende os
valores da varivel maiores do que 0 (excludo) e at 10 (inclusive);
0 I---- 10 intervalo fechado & aberto, para significar que compreende os valores da
varivel a partir de 0 (inclusive) e at 10 (exclusive);
0 ----- 10 Intervalo aberto & aberto, para significar que compreende valores maiores do
que 0 e menores do que 10.
-
29
0 I----I 10 intervalo fechado & fechado, para significar que compreende os valores da
varivel a partir de 0 (inclusive) e at 10 (inclusive).
TABELA de DISTRIBUIO das FREQNCIAS Para a facilidade e metodizao do processo de anlise estatstica, monta-se um tabela
que agrupe as informaes obtidas, de forma de Tabela de Freqncias. Para os pacotes
em pauta, teremos a seguinte tabela de freqncias:
TABELA 7
VALOR COMPRIMENTO FREQ. FREQUENCIA FREQUENCIA FREQUENCIA
CLASSE CLASSE TABULAO F RELATIVA % ACUM. ACUM. REL.%
1 200 ---I 203 I I 2 2 2 2
2 203 ---I 206 I I I I I I 6 6 8 8
3 206 ---I 209 I I I I I I I I I I 10 10 18 18
4 209 ---I 212 I I I I I I I I I I I I I I I I I I 18 18 36 36
5 212 ---I 215 I I I I I I I I I I I I I I I I I I I I I I I I I I I I 28 28 64 64
6 215 ---I 218 I I I I I I I I I I I I I I I I I I 18 18 82 82
7 218 ---I 221 I I I I I I I I I I 10 10 92 92
8 221 ---I 224 I I I I I I 6 6 98 98
9 224 ---I 227 I I 2 2 100 100
100 100%
-
30
Onde:
Freqncia (F) = o numero de vezes que as medidas ocorrem no intervalo de classes
Freqncia relativa (FR) = a percentagem da freqncia de cada classe em relao ao
total de elementos.
FR = F d x 100
N
Freqncia acumulada (FA) = a soma das freqncias at o intervalo de classe
considerado.
Ex. Fa5 = F1+ F2 + F3 + F3 + F5 2+ 6+ 10+ 18+ 28 = 64
Freqncia acumulada relativa (FAR) = a soma das freqncias relativas at o
intervalo considerado
Far3 = Fr1 + Fr2 + Fr3 2 + 6 + 10 = 18
-
31
7.1 HISTOGRAMA E POLIGONO DAS FREQNCIAS freqncias
28
21
14
7
1 2 3 4 5 6 7 8 9 CLASSES
POLIGONO DE FREQNCIAS
-
32
7.2 HISTOGRAMA E POLIGONO DAS FREQNCIAS RELATIVAS
%
28%
21%
14%
7%
0
1 2 3 4 5 6 7 8 9 CLASSES
POLIGONO DE FREQNCIA RELATIVA
-
33
7.3 POLIGONO DE FREQNCIA ACUMULADA OU OGIVA
F.AC.
100
80
60
40
20
01 2 3 4 5 6 7 8 9 CLASSES
POLIGONO DE FREQNCIAS ACUMULADA
-
34
7.4 POLIGONO DA FREQNCIA ACUMULADA RELATIVA
%
F.AC REL.
100 %
80 %
60 %
40 %
20 %
0 %1 2 3 4 5 6 7 8 9 CLASSES
POLIGONO DE FREQNCIAS ACUMULADA RELATIVA
-
35
8.0 TIPOS DE DISTRIBUIO
As distribuies de freqncia podem se apresentar de diversas formas conforme as
figuras a seguir:
8.1 DISTRIBUIO SIMTRICA OU EM FORMA DE SINO A distribuio simtrica quando os valores se distribuem igualmente em torno da mdia
(X)
A) Normal
B) Alongada
-
36
C) Achatada
8.2 DISTRIBUIO ASSIMTRICA
aquela em que as freqncias dos valores medidos, se distribuem de forma desigual
em torno da mdia.
A) Assimtrica Positiva
-
37
B) Assimtrica Negativa
8.3 DISTRIBUIO MODAL, AMODAL, BIMODAL E MULTIMODAL
Chamamos de moda numa distribuio, ao valor da medida ou classe que corresponde
freqncia mxima. Sob o critrio da moda as distribuies classificam-se em:
A) DISTRIBUIO MODAL Quando a distribuio tem freqncia mxima ela
denominada modal.
mo
B) DISTRIBUIO AMODAL Quando a distribuio no tem moda
-
38
C) DISTRIBUIO BIMODAL Quando a distribuio tem duas modas.
mo mo
D) DISTRIBUIO MULTIMODAL Quando a distribuio tem mais de duas modas
mo mo mo 8.4 APRESENTAO TIPO RAMO-E-FOLHAS
Uma alternativa para o uso da tabela de distribuio de freqncias usar o grfico do
tipo ramo-e-folhas.
Podermos estudar a partir de um exemplo prtico:
Observamos os seguintes nmeros de passageiros em 50 viagens de um avio que faz
ponte area Rio - So Paulo:
-
39
61 52 64 84 35 57 58 95 82 64
50 53 103 40 62 77 78 66 60 41
58 92 51 64 71 75 89 37 54 67
59 79 80 73 49 71 97 62 68 53
43 80 75 70 45 91 50 64 56 86
SOLUO: F F.A.
3 5 7 2 2
4 0 1 3 5 9 5 7
5 0 0 1 2 3 3 4 6 7 8 8 9 12 19
6 0 1 2 2 4 4 4 4 6 7 8 11 30
7 0 1 1 3 5 5 7 8 9 9 39
8 0 0 2 4 6 9 6 45
9 1 2 5 7 4 49
10 3 1 50
A MEDIANA NESTE CASO SER X = 64
-
40
9.0 MEDIDAS DE POSIO OU DE TENDNCIA CENTRAL
Como o prprio nome indica, a medida de tendncia central visa a determinar o centro da
distribuio. Esta determinao, porem, no bem definida da parece razovel
chamarmos de tendncia central.
So medidas de tendncia central:
MDIA ARITMTICA SIMPLES/PONDERADA;
MEDIANA;
MODA.
9.1 MDIA ARITMTICA SIMPLES Dada uma distribuio de freqncias, chama-se de mdia aritmtica desta destituio, e
representa-se por a soma de todos os valores da varivel, dividida pelo nmero de
variveis n.
= x
n n
Sendo: x i= 1
Exemplo: Calcular a mdia aritmtica simples de 8, 3, 5, 12, 10.
= 8 + 3 + 5 + 12 + 10 = 38 = 7,6
5 5
-
41
9.2 MDIA ARITMTICA PONDERADA
K xi .fi i= 1 = K x fi i= 1
onde: f = freqncia dos nmeros x = nmeros Exemplo: Calcular a mdia ponderada dos nmeros 5, 8, 6, 2 os quais ocorrem com as
freqncias 3, 2, 4 e 1, respectivamente
Nmeros x = 5, 8, 6, 2 Freqncias f = 3, 4, 2, 1
= 3x5 + 4x8 + 2x6 + 1x2 = 57 = 5,7
3+4+2+1 10
9.3 MEDIANA (x)
Se ordenarmos uma seqncia de nmeros do menor para o maior e se a quantidade desses nmeros for impar, ento a mediana ser o valor do meio, ou a mdia dos dois
valores do meio caso a quantidade de nmeros seja par.
O smbolo que usamos para representar a mediana x l-se x til. No caso de calculo da mediana quando estamos trabalhando com distribuio de
freqncia determinamos o valor mais provvel dessa distribuio a partir de:
x = Freqncia acumulada total = FA (para nmeros pares)
2 2
-
42
Ou ainda A posio DA MEDIANA definida por { n+1 } -simo elemento quando n
2
mpar temos um nmero inteiro e d a posio da mediana;
Exemplo: Determine a posio da mediana para a) n=15 b) n=45 c)n=88
a) n+1 = 15+1 = 8, e a mediana o valor do 8 elemento;
2 2
b) n+1 = 45+1 = 23, e a mediana o valor do 23 elemento;
2 2
c) n = 88 = 44 e a mediana o valor correspondente ao valor do 44elemento.
2 2
No caso do exerccio da distribuio dos 100 valores de peso de pacotes de manteiga
temos:
X = n = 100 = 50, e a mediana o valor do 50 elemento
2 2
FA 0 2 8 18 36 64 82 92 98 100X 200 203 206 209 212 215 218 221 224 227
50
(64 36) (215 212)
(64 50)
36 64
212 215
50 valor
-
43
= 14 x 3 = 1,5
28
portanto a mediana ser 212 + logo, X = 212 + 1,5 = 213,5
9.4 MODA ( x )
Em um conjunto de nmeros a moda o valor que ocorre com maior freqncia, isto , o
valor mais comum.
Exemplos:
1) 2, 2, 3, 7, 8, 8, 8, 9, 10
moda=8
2) 1, 2, 3, 4, 5, 6, 7, 8, 9, 10
moda = (no existe moda)
3) 2, 2, 4, 4, 4, 5, 6, 7, 8, 8, 8, 9
moda = 4 e 8
Para o exemplo do exerccio das distribuies de freqncias dos pacotes de
manteiga temos que a moda o ponto mdio da classe modal, localiza-se a classe
modal como sendo a classe com maior freqncia e em seguida determina-se seu
ponto mdio.
Classe modal a 5 classe, portanto moda = 212 + 215 = 213,5
2
-
44
10.0 MEDIDAS DE VARIABILIDADE (DISPERSO)
As medidas de disperso indicam se os valores esto relativamente prximos uns dos outros, ou separados. Podemos dizer que disperso o grau com o qual os valores numricos de uma distribuio tendem a se distanciar em torno de um valor
mdio.
Em todos os casos, o valor zero indica ausncia de disperso; a disperso aumenta
proporo que aumenta o valor da medida (amplitude,desvio-padrao, varincia).
xx x x x x xxx xxx xx x x
a) pequena disperso
xx x x xxx x x x x x x x x xx x x xxx x x x xx x x x x xx
b) grande disperso
10.1 AMPLITUDE TOTAL (R.T.)
a medida mais simples de disperso. a diferena entre o maior e o menor valor das observaes.
R.T. = Xmax Xmin
Embora exista simplicidade de clculo, existem duas restries ao seu generalizado:
1- Utiliza apenas uma parcela das informaes contidas nas observaes. O seu valor no se modifica mesmo que os valores das observaes variem, desde que conservem os seus valores Mximo e mnimo.
2- Depende do nmero de observaes na amostra. Em geral o valor da amplitude
cresce quando cresce o tamanho da amostra.
-
45
X min.I I x max.
R.T. = pequeno
X min. I I X max.
R.T. = Grande
10.2 DESVIO PADRO
medida que determina a variao dos valores observados em torno da mdia da
distribuio, e representa a distncia do ponto de inflexo da curva at a linha da mdia.
10.2.1 DESVIO PADRO AMOSTRAL (S)
O desvio padro da amostra representa a disperso da amostra e dada pela equao:
S = (X1- ) + (X2- ) + (X3- ) + ..... +(Xn- ) n
-
46
Onde: Xi = Medidas individuais
S = ( Xi - ) n n = Nmero de elementos ou valores 10.2.2 DESVIO PADRO DA POPULAO ()
O desvio padro da populao representa a o grau de disperso da populao em torno
da mdia representado por , tambm representa a distncia do ponto de inflexo, e dado pela expresso:
= (X1- ) + (X2- ) + (X3- ) + ..... +(Xn- )
n - 1
= ( Xi - ) n - 1 10.2.3 REPRESENTAO GRFICA DO DESVIO PADRO
+
-
47
10.2.4 SISTEMATIZAO PARA O CLCULO
Para sistematizar o clculo do desvio padro de uma amostra utilizado o seguinte
procedimento:
1- Calcular o valor da mdia;
2- Montar a tabela abaixo
observaes Xi
Xi -
(Xi - ) medidas
1 X1 X1 - (X1 - ) 2 X2 X2 - (X2 - ) 3 X3 X3 - (X3 - )
. . . .
. . . .
. . . . n Xn Xn - ( Xn - )
(Xi- )
3-Aplicam-se as frmulas:
S = ( Xi - )
n
= ( Xi - ) n - 1
-
48
10.3 VARINCIA
Varincia da populao a soma dos quadrados dos desvios de cada observao em
relao mdia de x, divide-se por n 1. Indica-se a Varincia da Populao por .
Podemos fazer a mesma analogia com a Varincia da Amostra dada por S.
Frmula da varincia da Amostra n
( Xi - ) S = i = 1 n
Frmula da varincia da Populao
n
( Xi - ) = i = 1 onde n 1 = nmero de graus de liberdade n - 1
Como medida de disperso, a Varincia tem a desvantagem de apresentar unidade de
medida igual ao quadrado da unidade de medida dos dados. Se os dados esto em
metros, a Varincia fica em metros quadrados.
O desvio padro por sua vez, fica com valor na mesma da unidade da varivel.
-
49
11.0 DISTRIBUIO NORMAL
(ou de GAUSS, ou de LAPLACE, ou ainda, dos ERROS DAS OBSERVAES)
uma distribuio contnua e simtrica, cujo grfico tem a forma de um sino. A
distribuio normal o resultado da atuao conjunta de causas aleatrias.
Parmetros da Distribuio Normal
Mdia da Populao
Determinam o formato da curva
Desvio padro da populao
Equao da Funo de Probabilidade A equao da funo de probabilidade dada
pela expresso:
- ( x - ) 2
f(x) = 1 e
2
Do estudo de estatstica conclumos que:
- a varivel x pode assumir qualquer valor real no intervalo - < x < +
F (x)
x- 3
x- 2 x- 1
x +1
x+ 2
x+ 3
-
50
- a varivel x obedecer a uma Distribuio Normal, se a probabilidade de que um valor
x seja menor ou igual a outro xo for:
- ( x - ) x0 2
P( x < x0 ) = f(x0) = 1 e dx 2 -
- a integral da expresso representa a rea compreendida entre - e xo. - +
Portanto:
A probabilidade de ocorrncia de um valor menor ou igual rea abaixo da curva, entre
os valores - e xo . Os valores = 3,1416 e e ( nmero neperiano) = 2,718 so constantes numricas. CARACTERISTICAS DA CURVA DE DISTRIBUIO NORMAL
A curva normal obedece necessariamente s seguintes caractersticas:
a- A mdia o valor da varivel x para o qual a f(x) mxima.
F (x)
X0
-
51
b- O desvio Padro , a distncia entre a mdia e o ponto de inflexo da curva.
c- A rea total sob a curva normal igual a 1, pela prpria equao da probabilidade.
d- Em virtude da simetria as reas direita e esquerda do valor so iguais
DISTRIBUIO NORMAL PADRONIZADA Se tomarmos a equao auxiliar:
Z = X -
o que significa adotar como origem dos z o ponto em que x = e como unidade de
escalados z e o desvio padro , teremos transformado a expresso da funo das
probabilidades na distribuio normal reduzida:
- z 2
f(z)= 1 e
2
Considerando, a partir da equao auxiliar:
dz = 1 dx dx = . dz
Portanto a funo da probabilidade, em funo de Z, ser dada pela expresso:
-
52
- z
z 2
f(z)= 1 e dz
2 -
As reas sob a curva permanecem as mesmas, mas agora podem ser tabuladas em
funo dos valores de Z (Ver figura abaixo, eixo dos Z). Basta construir a tbua das reas para os valores I(z), na tbua 1.
Por exemplo, a rea desde Z=0, at Z= 1,0 I(1,0) = 0,3413 ou 34,13% da rea total da
curva; conseqentemente, dentro do intervalo 1 temos 68,26% da rea total da curva.
Se procurarmos a probabilidade de encontrarmos um valor de x dentro do intervalo
0,95 onde a media, o desvio padro da populao, teremos:
P(- Z0 < Z < Z0) = P ( 0,95 < Z < + 0,95 ) Iz1 = 0,3289 It= 0,6578 ou 65,78%.
Apresentamos na tabela abaixo alguns dos mais importantes intervalos de distribuio
normal para aplicaes em exerccios de probabilidade na curva normal. TBUAS DE REAS DA CURVA NORMAL
A partir da equao auxiliar Z = X - podemos transformar valores de x em
valores de z e em seguida construir uma tabela com resultados das integrais, que corresponde rea sob a curva xo intervalo de 0 a Z0 identificada por Iz0.
-
53
-3 -2 -1 0 1 2 3 Z
Transformao de X em Z
F (x)
x- 3
x- 2 x- 1
x +1
x+ 2
x+ 3
Xo Z= X - Zo
- 0
+ 1 + 1- 1
+ 2 + 2- 2
+ 3 + 3- 3
- 1 - - -1
- 2 - 2 - -2
- 3 - 3 - -3
-
54
I Zo
0 Zo
AREAS I ZO = P (0 z Z0) para Z0= (x - )/
Z0 I Z0
Z0 I Z0
Z0 I Z0
Z0 I Z0
Z0 I Z0
Z0 I Z0
0,00 0,0000 0,60 0,2257 1,20 0,3849 1,80 0,4641 2,40 0,4918 3,00 0,4987
0,05 0,0199 0,65 0,2422 1,25 0,3944 1,85 0,4678 2,45 0,4929 3,05 0,4989
0,10 0,0398 0,70 0,2580 1,30 0,4032 1,90 0,4713 2,50 0,4938 3,10 0,4990
0,15 0,0596 0,75 0,2734 1,35 0,4115 1,95 0,4744 2,55 0,4946 3,15 0,4992
0,20 0,0793 0,80 0,2881 1,40 0,4192 2,00 0,4772 2,60 0,4953 3,20 0,4993
0,25 0,0987 0,85 0,3051 1,45 0,4279 2,05 0,4798 2,65 0,4960 3,25 0,4994
0,30 0,1179 0,90 0,3159 1,50 0,4332 2,10 0,4821 2,70 0,4965 3,30 0,4995
0,35 0,1369 0,95 0,3289 1,55 0,4394 2,15 0,4842 2,75 0,4970 3,35 0,4996
0,40 0,1554 1,00 0,3413 1,60 0,4452 2,20 0,4861 2,80 0,4974 3,40 0,4997
0,45 0,1736 1,05 0,3531 1,65 0,4505 2,25 0,4878 2,85 0,4978 3,50 0,4998
0,50 0,1915 1,10 0,3643 1,70 0,4554 2,30 0,4893 2,90 0,4981 3,70 0,4999
0,55 0,2088 1,15 0,3749 1,75 0,4599 2,35 0,4906 2,95 0,4984 3,90 0,5000
-
55
EXERCCIOS: E-3
1- Trace uma curva normal e sombreie a rea desejada a partir das informaes:
a- rea direita de z=1,0
b- rea da esquerda de z= 1,0
c- rea entre z=0 e z=1,5
d- rea entre z=0 e z= - 2,9
e- rea entre z=1,0 e z= 2,0
f- rea entre z= -2,0 e z= 2,0
g- rea entre z= 2,5 e z=3,0
2- Ache os valores de z correspondentes as seguintes reas:
a- rea esquerda de para Iz = 0,0505
b- rea esquerda de para Iz = 0,0228
c- rea esquerda Iz= 0,4505 e rea da direita Iz = 0,4861
3- Uma distribuio normal tem media 50 e desvio padro 5. Que percentagem da
populao estaria provavelmente dentro dos intervalos:
a- P ( x 60)
b- P ( 35 x 62)
c- P ( 55 x 65)
d- P ( x > 55)
e- P ( 35 x 45)
4- Suponha uma renda mdia de uma grande comunidade possa ser razoavelmente
aproximada por uma distribuio normal com media anual de R$ 10.000,00 e
desvio padro de R$ 2.000,00.
a- Que percentagem da populao ter renda superior a R$ 15.000,00?
b- Numa amostra de 50 assalariados, quantos podemos esperar que tenham
menos de R$ 8.000,00 de renda?
-
56
12.0 PROBABILIDADE
O problema fundamental da estatstica consiste em lidar com o acaso e a incerteza. Chama-se probabilidade de um acontecimento a razo entre o nmero de casos favorveis ao mesmo e o nmero total de acontecimentos possveis.
Assim quando se considera uma populao limitada de P indivduos, a probabilidade de cada um ser escolhido, ao acaso, de 1/P.
Laplace definiu probabilidade como: O quociente do nmero de casos favorveis sobre o
nmero de casos igualmente possveis.
Por exemplo, se jogarmos uma moeda no viciada para o ar, de modo geral no
podemos afirmar se vai dar cara ou coroa.
Porm existem apenas dois eventos possveis: sair cara ou coroa Nesse exemplo existe um caso favorvel a esse evento em dois casos possveis. A P (K) = ou 50%.
Considerando-se cara como sucesso e coroa como fracasso e representando-se o
acontecimento favorvel como P e o no favorvel como Q, temos as razes:
P= e Q = Sendo P+Q = 1 Ento P= (1 - Q) e Q = (1 - P)
A probabilidade de um evento A, denotada por P (A), um nmero de 0 a 1, que indica a chance de ocorrncia do evento A. Quanto mais prxima de 1,00 P(A), maior a chance de ocorrncia do evento A, e quanto mais prxima de Zero, menor a chance de
ocorrncia do evento A.
Um evento impossvel atribui-se a probabilidade Zero.
Um evento certo tem probabilidade de 1.
As probabilidades podem ser expressas, inclusive por valores decimais, fraes e
percentagem como: 20%; 2 em 10; 0,2; ou ainda 1/5.
-
57
Alm do uso na interpretao de jogos de azar, usa-se ainda a probabilidade mediante
determinada combinao de julgamento, experincia ou dados histricos, para predizer
Quao Provvel a ocorrncia de determinado evento futuro.
H numerosos exemplos de tais situaes no campo dos Negcios e do Governo. A
previso da aceitao de um novo produto, o clculo dos custos de produo, a
contratao de um novo empregado, o preparo do oramento, a avaliao do impacto de
uma reduo de impostos sobre a inflao tudo isso contm algum elemento de Acaso.
12.1 ESPAO AMOSTRAL E EVENTOS
Consideremos o experimento que consiste em extrair uma carta de um baralho de 52
cartas. H 52 eventos elementares no espao amostral. Quanto aos eventos podemos
classific-los em:
ESPAO AMOSTRAL
COMPLEMENTO Cartas vermelhas e cartas pretas
No se interceptam cartas de
MUTUAMENTE EXCLUDENTE copas e cartas de paus
NAO SO MUTUAMENTE Cartas de copas e figuras, tem
EXCLUDENTE elementos em comum.
Cartas de paus, ouro, copas e
COLETIVAMENTE EXAUSTIVO A B C D espadas
A
A B
A B
-
58
12.2 TRS ORIGENS DA PROBABILIDADE
H trs maneiras diferentes de calcular ou estimar probabilidades, O mtodo Clssico, quando o espao amostral tem resultados igualmente provveis. O mtodo Emprico, que
se baseia na freqncia relativa de ocorrncia de um evento num grande nmero de provas repetidas; e o mtodo Subjetivo, que utiliza estimativas pessoais baseadas num
certo grau de crena.
OBJETIVO SUBJETIVO
CLSSICO EMPRICO Opinio Pessoal
(resultados igualmente provveis) (dados histricos)
O Mtodo Clssico Os jogos de azar (lanamento de moedas, jogo de dados, extrao de cartas)
usualmente apresentam resultados igualmente provveis.
Nestes casos temos:
P(cada resultado) = 1
Nmero de resultados possveis
Se cada carta de um baralho de 52 tem a mesma chance de ser escolhida, ento a
probabilidade de extrair cada uma delas de 1/52 : P (A) = 1/52 1,92%.
Da mesma forma a probabilidade de termos uma cara no lanamento de uma moeda
ou 50%. O mesmo ocorre com uma coroa, ou seja ou 50%.
No caso de um dado temos a probabilidade de dar qualquer nmero: 1,2,3,4,5,6 de 1/6
ou de 16,66%.
De forma geral vale tambm a expresso:
-
59
P(A) = Nmero de resultados associados ao evento A
Nmero total de resultados possveis
Por exemplo, a probabilidade de extrao de uma dama, de acordo com esta definio,
P (dama) = 4 damas = 4 = 1 = 7,69% 52 cartas 52 13
Analogamente, a probabilidade de obter nmero mpar no lance de um dado
P(mpar) = 3 faces = 3 ou 50% 6 faces possveis 6
12.3 A MATEMTICA DA PROBABILIDADE Muitas aplicaes de estatstica exigem a determinao da probabilidade de
combinaes de eventos. H duas categorias de eventos de interesse, A e B, no espao
amostral.
Pode ser necessrio determinar P(A e B), isto ; a probabilidade de ocorrncia de ambos
os eventos.
Em outras situaes, podemos querer a probabilidade de ocorrncia de A ou B P(A ou B).
Clculo da Probabilidade da ocorrncia de dois eventos independentes P(A e B)
Se dois eventos so independentes, ento a probabilidade da ocorrncia de ambos
igual ao produto de suas probabilidades individuais:
P(A e B) = P(A) . P(B) Exemplo Jogam-se duas moedas equilibradas.Qual a probabilidade da ocorrncia de
ambas darem cara?
razovel admitir que os resultados das duas moedas sejam independentes um do outro.
Alm disso, para moedas equilibradas, P(cara)= . Logo p(cara e cara) ser:
-
60
1 moeda 2moeda
x = ou 25%
Clculo da Probabilidade da ocorrncia de dois eventos mutuamente excludente P(A ou B ocorrer)
Se dois eventos mutuamente excludentes, a probabilidade de ocorrncia de qualquer um
deles a soma de suas probabilidades individuais. Para dois eventos A e B temos:
P(A ou B) = P(A) + P(B)
Exemplo, qual a probabilidade de aparecer cinco ou seis numa jogada de um dado
equilibrado?
P(cinco) ou P(seis) = P (5) + P(6) = 1 + 1 = 2 = 33,33%
6 6 6
Clculo da Probabilidade da ocorrncia de dois eventos no mutuamente excludente P(A ou B ou ambos ocorrero) Suponhamos a probabilidade de extrao de uma carta de paus ou um dez de um
baralho de 52 cartas . Como possvel que uma carta seja simultaneamente de paus e
um dez, os eventos no so mutuamente excludentes. Assim devemos excluir a
probabilidade de interseo. Ento temos:
P(paus) = 13 , P(dez)= 4 , P( dez de paus) = 1 ,
52 52 52
P(paus ou dez,ou ambos) = P(paus) + P(dez) - P(dez de paus)
= 13 + 4 - 1 = 16
52 52 52 52
-
61
NAIPE PAUS OUROS COPAS ESPADA PRETA VERMELHA VERMELHA PRETA
K K K K
Q Q Q Q J J J J 10 10 10 10 9 9 9 9 a carta um dez 8 8 8 8 7 7 7 7 6 6 6 6 5 5 5 5 4 4 4 4 3 3 3 3 2 2 2 2 A A A A
Carta de paus Os eventos paus e dez se interceptam.
Regra de probabilidade
P (A e B), para eventos independentes (Multiplicao) P(A) x P(B)
P (A ou B), para eventos mutuamente excludentes (Soma) P(A) + P(B)
P (A ou B ou ambos ocorrero), para eventos no mutuamente excludentes
P(A) + P(B) - P(A intercepta B)
-
62
EXERCCIOS: E-4
1- Extrai-se uma s carta de um baralho de 52. Determine a probabilidade de obter:
a- Um valete
b- Uma figura
c- Uma carta vermelha
d- Uma carta de ouros
e- Um dez de paus
f- Um nove vermelho ou um
oito preto
2- Relacione os resultados possveis do lance de um s dado. Ache a probabilidade e
adicione-as.
3- Joga-se uma vez um dado equilibrado; determine a probabilidade de obter:
a- um seis
b- cinco, seis ou sete
c- um nmero par
d- um nmero menor que quatro
4- Doze fichas so numeradas de 0 a 12 e colocadas numa urna. Escolhida uma
aleatoriamente, determine a probabilidade de sair:
a- o nmero 3
b- um nmero impar
c- um nmero menor que quatro
d- o nmero dez
5- Joga-se um par de dados equilibrados:
a- Qual a probabilidade de ambas as faces serem seis?
b- Qual a probabilidade de ambas as faces serem dois?
c- Qual a probabilidade de ambas as faces serem pares?
6- Sejam P(A) = 0,30, P(B) = 0,80 e P(A e B) = 0,15.
a- A e B so mutuamente excludentes? Explique.
b- Determine P(A ou B).
7- Sejam A e B mutuamente excludentes, P(A) = 0,31 e P(B) = 0,29.
a- A e b so coletivamente exaustivos? Explique.
b- Determine P(A ou B).
c- Determine P (A e B)
8- Joga-se uma moeda trs vezes. Qual a probabilidade de aparecer coroa trs
vezes? Qual a probabilidade de no aparecer coroa nas trs vezes?
-
63
13.0 TECNICAS DE CONTAGEM
Para utilizar o mtodo clssico (A Priori) da probabilidade, preciso conhecer o nmero total de resultados possveis de um experimento.
Uma das possibilidades o uso das rvores de deciso, mas quando o numero de
resultados grande, essa lista se torna muito trabalhosa; necessrio ento recorrer a
formulas matemticas para determinar o numero total de resultados possveis.
Suponhamos que um estudante esteja fazendo um teste de 20 questes do tipo verdadeiro-ou-falso. Suponhamos ainda que ele, no tenha estudado nada, esteja
dando todas as respostas na base do palpite. Qual a probabilidade de ele responder
corretamente todo o teste?
A primeira coisa a fazer determinar o numero total de resultados possveis.
Em segundo lugar devemos explorar suas diversas verses. Imaginemos que o teste
consista de apenas:
Uma questo temos V ou F Duas questes temos VV, VF, FV, FF Trs questes temos VVV, VVF, VFF, VFV, FVF, FVV, FFV, FFF
Conclue-se:
Numero de questes : 1 2 3 4
Numero de resultados : 2 4 8 16
Nota-se que se, o numero de itens for grande, a listagem se tornara praticamente
impossvel.
Em seguida podemos ver um diagrama de rvore para determinar todos os arranjos
possveis.
-
64
QUESTO N1 N2 N3 RESULTADOS
V V VVV V F VVF F V VFV
. F VFF V V FVV F F FVF
F V FFV F FFF
Alem disso, o que realmente necessario determinar o numero total de resultados; nada se tem a ganhar identificando cada resultado.
13.1 O PRINCIPIO DA MULTIPLICAO
O diagrama mostra que cada questo dobra o numero total de resultados possveis.(com
duas alternativas V ou F) temos:
NUMERO DE QUESTOES TOTAL DE RESULTADOS 1 2=2
2 2 x 2 =4
3 2 x 2 x 2 = 8
4 2 x 2 x 2 x 2 = 16
Se fossem quatro escolha para cada questo:
NMERO DE QUESTES TOTAL DE RESULTADOS 1 4 = 4
2 4 x 4 = 16
3 4 x 4 x 4 = 64
Para solucionar o exerccio do teste, teremos:
-
65
2 x 2 x 2 x 2 x 2 x . . . . . . . x 2 = 220 = 1.048.576 ou 1 .
1 2 3 4 5 . . . . . . . . . . 20 1.048.576
De um modo geral, se ha n decises seqenciais, cada uma com m escolhas, o
numero total de resultados m n.
13.2 PERMUTAO, ARRANJO E COMBINAO.
Quando a ordem em que os elementos se dispem importante, o numero total de resultados possveis conhecido como Arranjo ou Permutao. Quando a ordem no interessa, o numero total de resultados possveis designado como Combinao.
Para o uso na analise combinatria usaremos o numero fatorial representado pelo
smbolo ! como por exemplo 4! le-se Quatro Fatorial e significa 4 x 3 x 2 x 1 = 24.
Outros exemplos:
5! = 5 x 4 x 3 x 2 x 1 = 120
12! = 12 x 11 x 10 x 9 x 8 x 7 x ..............x 1 = 479.001.600
Os fatoriais crescem de modo extremamente rpido, medida que aumenta o numero-
base.
Felizmente, quase nunca necessrio utilizar-se completamente os fatoriais, pois eles
aparecem em grupos, permitindo cancelamentos:
5! = 5 x 4 x 3 x 2 x 1 = 5! 1 = 1 7! 7 x 6 x 5 x 4 x 3 x 2 x 1 7 x 6 x 5! 7 x 6 42
4! = 4 x 3 x 2 x 1 = 4 x 3 x 2! = 4 x 3 = 12 2! 2 x 1 2!
5! = 5 x 4 x 3! = 5 x 4 = 20 = 10 2! 3! 2 x 1 x 3! 2 x 1 2
s vezes os fatoriais podem envolver soma e subtrao. Exemplos:
-
66
( 5 - 3 )! = 2! e no ( 5! - 3! )
( 9 - 2 )! = 7!
( 3 + 1)! = 4! 8! = 8! = 8 x 7 x 6 x 5! = 8 x 7 x 6 = 56
3 ( 8 3 )! 3! . 5! 3 x 2 x 5! 3 x 2
O fatorial de zero igual a um 0! = 1. O fatorial de 1 igual a um 1! = 1.
ARRANJOS So agrupamentos que podem variar pela ordem ou natureza dos elementos. Quando se consideram n elementos distintos tomados x a x chamamos arranjo ou agrupamentos enerios que se podem formar com esses n elementos, dispomos de todas as formas
possveis de modo que dois arranjos quaisquer difiram ao menos pela ordem dos
elementos.
Assim, os arranjos possveis com as letras A, B e C so A 3,2 (3 elementos dois a dois) A 3,2 = AB; BA; AC; CA, BC; CB. E com os nmeros: 2, 6 e 8 podem ser feitos os seguintes arranjos A 3,2
A 3,2 = 26; 28; 62; 68; 82; 86.
Outro exemplo: Se ha sete cavalos num preo, quantos arranjos ha considerando 1,2 e
3 lugares?
A n,x = n! ( n x )!
Ou seja, 7 elementos tomados 3 a 3
A 7,3 = 7! = 7! 7 x 6 x 5 x 4! = 7 x 6 x 5 = 210 ( 7 3 )! 4! 4! PERMUTAO
-
67
Denomina-se permutao aos arranjos de objetos tomados n a n. Neste caso cada
objeto entra s uma vez em todos os grupos.
Em geral o numero de permutaes distintas com n itens, dos quais n1 so indistinguveis de um tipo, n2 de outro tipo, etc, :
n1, n2, ....nK
Pn = n! (n1!) (n2!) (n3!) ......(nk!)
Exemplo: Quantas permutaes distintas de 3 letras podemos formar com as letras:
R R R R U U U N 4 3 1
Soluo
Ha 8 letras : 4Rs 3Us 1N dai: 4, 3, 1
P8 = 8! = 280 (4!) (3!) (1!)
COMBINAO
Chama-se combinao quando no interessa a ordem para denotar o numero de
agrupamentos distintos possveis.
Exemplo: a escolha de 2 tipos de vegetal de um cardpio com 5 tipos. A escolha de batata e cenoura a mesma que cenoura e batata.
De um modo geral, para agrupamentos de tamanho x extrados de uma lista de n itens, o numero de combinaes possveis :
C n,x = n! n
x! (n - x )! x
-
68
Quantos comits distintos, de 3 pessoas cada um, podemos formar com um grupo de 10
pessoas?
C10,3 = 10! = 10 x 9 x 8 x 7! = 120 7! 3! 3 x 2 x 7!
De quantas maneiras podemos formar um comit de 1 mulher e 2 homens, de um total
de 4 mulheres e 6 homens. Mulheres Homens = 4! 6! = 4 x 15 = 60 ( C 4,1 ) ( 6,2 ) 3! 1! 4! 2!
13.3 REGRAS DE CONTAGEM REGRA DA MULTIPLICAO: o produto do numero de escolhas para uma seqncia de
decises m n onde m = numero de escolhas n = decises seqenciais ARRANJOS: numero de agrupamentos em que interfere a ordem
A n,x = n! ( n x )!
PERMUTAO COM REPETIES (OU DISTINGUIVEIS): alguns itens so idnticos, e
a ordem importante.
n1, n2, ....nK
Pn = n! (n1!) (n2!) (n3!) ......(nk!)
COMBINAES: a ordem no importa.
C n,x = n! n
x! (n - x )! x
-
69
EXERCCIOS: E-5
1- Calcule:
a- 2! b- 3! c- 10! d- 1! e- 0!
2- Calcule:
a- 3 b- 4 c- 5 d- 9
2 4 1 6
3- Determine o numero de arranjos:
a- A 3,2 b- A 4,4 c- A 5,1 d- A 9,6 e- A 1,0
4- Um vendedor de automveis deseja impressionar os possveis compradores com o
maior numero de combinaes diferentes possveis. Um modelo pode ser dotado
de trs tipos de motor, dois tipos de transmisso, cinco cores externas e duas
internas. Quantas so a escolhas possveis?
5- Em um determinado Estado, as placas de licena constam de trs letras e quatro
algarismos. Quantas placas diferentes podemos formar admitindo-se o uso de
todas as (26 letras) e os (10 algarismos)?
6- Quantas permutaes distintas podem ser feitas com as letras da palavra
BLUEBEARD ?
7- Se um torneio de basquetebol consiste de 36 times, de quantas maneiras podem
ser conquistados os trs primeiros lugares?
8- De quantas maneiras diferentes podemos escolher um comit de cinco pessoas
dentre oito?
9- A Pizzaria do Joe oferece as seguintes escolhas de pizza: presunto, cogumelos,
pimento, enchovas e muzzarella. De quantas maneiras podemos escolher dois
tipos diferente de pizza?
-
70
14.0 DISTRIBUIO DE PROBABILIDADES
Introduzidas s noes fundamentais sobre a teoria das probabilidades, pode-se passar
s chamadas Distribuies de Probabilidades. Uma distribuio de probabilidades uma distribuio de freqncia relativa para os resultados de um espao amostral (isto , para os resultados de uma varivel aleatria); que mostra a proporo das vezes em que a varivel aleatria tende a assumir cada um
dos diversos valores. Consideremos a varivel aleatria Numero de caras em duas jogadas de uma moeda
eis a lista dos pontos do espao amostral e os valores correspondentes a v.a.:
(K = cara e C = coroa)
Resultados Valor da v.a.
CC 0
CK 1
KC 1
KK 2
Se a moeda equilibrada, P(K) = P(C) = .As probabilidades dos diversos resultados
so:
RESULTADOS PROBABILIDADE DO RESULTADO NUMERO DE CARAS P(X) 1 . 1 1 CC = 0 0,25 2 2 4 1 . 1 1 CK = 1 0,25 2 2 4 0,50 1 . 1 1 KC = 1 0,25 2 2 4 1 . 1 1 KK = 2 0,25 2 2 4
-
71
Assim, pois, a distribuio de probabilidades para o numero de caras em duas jogadas
de uma moeda so:
NUMERO DE CARAS P(X)
0 0,25
1 0,50
2 0,25
1,00
Note-se que a soma de todas as probabilidades 1,00, como de esperar, pois os resultados apresentados so mutuamente excludentes e coletivamente exaustivos. A
mesma distribuio pode ser apresentada em forma acumulada.
NUMERO DE CARAS P(X ou menos)
0 0,25
1 0,75
2 1,00
-
72
Graficamente, as distribuies de probabilidade e acumulada se apresentam:
P 1,00 R 1,00 O 1,OO B A
P B R 0,75 I 0,75 O L 0,75 B I A D B A
I 0,5 D 0,5 L 0,5 E
I D A A C D 0,25 U 0,25 E 0,25 0,25 M 0,25
U L A 0 D 0 0 1 2 A 0 1 2 NUMERO DE CARAS NUMERO DE CARAS
14.1 DISTRIBUIO BINOMIAL
Suponhamos agora o experimento E4= Lanamento de 4 moedas. A tabela abaixo mostra todas as possibilidades de combinaes cara/coroa, os eventos que estas
combinaes orig