Documente Academic
Documente Profesional
Documente Cultură
PROGRAMA DE CERTIFICAO
OPERACIONAL CST
ESTATSTICA II
ELABORAO: DEZEMBRO/04
CST - Companhia Siderrgica de Tubaro
FDH - Departamento de Recursos Humanos
FHD - Diviso de Desenvolvimento e Remunerao
Av. Brigadeiro Eduardo Gomes, 930, Jardim Limoeiro - Serra - ES.
CEP: 29163-970
Telefone: 0 XX (27) 3348-1420
Fax: 0 XX (27) 3348-1077
Sumrio
1. INTRODUO...................................................................................................................................... 6
2. DEFINIES DE TERMOS USADOS EM ESTATSTICA............................................................ 7
3. VARIVEIS DISCRETAS E CONTNUAS..................................................................................... 12
4. POPULAES E AMOSTRAS ......................................................................................................... 13
4.1. TCNICAS DE AMOSTRAGEM ......................................................................................................... 14
4.2. AMOSTRA ALEATRIA SIMPLES ..................................................................................................... 15
4.3. AMOSTRA SISTEMTICA ................................................................................................................ 15
4.4. AMOSTRA ESTRATIFICADA ............................................................................................................ 15
4.5. AMOSTRA DE CONVENINCIA (GRUPO).......................................................................................... 16
4.6. ERROS DE AMOSTRAGEM............................................................................................................... 16
5. HISTOGRAMAS DE FREQNCIA............................................................................................... 16
5.1. PRIMEIRA ETAPA: CLCULO DA AMPLITUDE (R) .......................................................................... 17
5.2. SEGUNDA ETAPA: DETERMINAO DO INTERVALO DE CLASSE .................................................... 18
5.3. TERCEIRA ETAPA: PREPARAO DO FORMULRIO DA TABELA DE FREQNCIA .......................... 19
5.4. QUARTA ETAPA: DETERMINAO DAS CLASSES .......................................................................... 19
5.5. QUINTA ETAPA: CLCULO DO PONTO MDIO DE CADA CLASSE .................................................. 20
5.6. SEXTA ETAPA: OBTENO DAS FREQNCIAS.............................................................................. 20
6. DESENHANDO UM HISTOGRAMA DE FREQNCIA ............................................................ 20
6.1. POLGONO DE FREQNCIAS ......................................................................................................... 21
6.2. ESTRATIFICAO DE HISTOGRAMAS ............................................................................................. 22
7. PARMETROS DA DISTRIBUIO DE FREQNCIA............................................................ 24
7.1. TENDNCIA CENTRAL ................................................................................................................... 25
7.2. DISPERSO .................................................................................................................................... 25
7.3. ASSIMETRIA .................................................................................................................................. 25
7.4. CURTOSE ....................................................................................................................................... 25
8. MDIA ARITMTICA ...................................................................................................................... 26
9. MDIA PONDERADA ....................................................................................................................... 27
10. MDIA DA RAIZ DA MDIA DOS QUADRADOS .................................................................. 29
11. MEDIA HARMNICA .................................................................................................................. 30
12. MEDIANA ....................................................................................................................................... 30
13. MODA.............................................................................................................................................. 31
14. MEDIDAS DE DISPERSO.......................................................................................................... 32
15. AMPLITUDE .................................................................................................................................. 32
16. VARINCIA ................................................................................................................................... 33
17. DESVIO PADRO ......................................................................................................................... 34
18. COEFICIENTE DE VARIAO ................................................................................................. 36
Estatstica
19. FORMATO...................................................................................................................................... 37
20. DISTRIBUIO DE PROBABILIDADES.................................................................................. 37
20.1. INTRODUO AO CLCULO DE PROBABILIDADES ......................................................................... 38
20.2. REGRA DA ADIO ........................................................................................................................ 41
20.3. REGRA DO PRODUTO ..................................................................................................................... 42
21. DISTRIBUIO BINOMIAL ....................................................................................................... 43
22. DISTRIBUIO DE POISSON .................................................................................................... 45
23. DISTRIBUIO NORMAL.......................................................................................................... 47
23.1. PROPRIEDADES DA DISTRIBUIO NORMAL ................................................................................. 47
23.2. CARACTERSTICAS ........................................................................................................................ 48
23.3. MODELO MATEMTICO ................................................................................................................ 49
23.4. DISTRIBUIO NORMAL PADRO ................................................................................................. 50
23.5. APLICAES.................................................................................................................................. 54
23.6. DISTRIBUIO DE AMOSTRAGEM DA MDIA ARITMTICA............................................................ 56
23.7. ERRO PADRO DA MDIA ARITMTICA ........................................................................................ 58
23.8. TEOREMA DO LIMITE CENTRAL .................................................................................................... 59
24. DISTRIBUIO UNIFORME (OU RETANGULAR) ............................................................... 60
25. DISTRIBUIO TRIANGULAR................................................................................................. 62
26. DISTRIBUIO T (STUDENT) ................................................................................................... 65
27. GRAUS DE LIBERDADE ............................................................................................................. 67
28. INTERVALO DE CONFIANA................................................................................................... 67
29. EXERCCIOS DE ESTATSTICA ............................................................................................... 70
30. RESPOSTAS DOS EXERCCIOS DE ESTATSTICA.............................................................. 78
Estatstica
5
Apresentao
Muitas pessoas ainda pensam que Metrologia se refere apenas a Dimenso e Comprimento,
que se trata de paqumetros, micrmetros, calibres e similares. Este conceito deve ser
corrigido, pois Metrologia a Cincia da Medio e se refere medio de qualquer
grandeza fsica.
Segundo a norma 1 NBR ISO 10012, Comprovao Metrolgica um conjunto de
operaes necessrias para assegurar-se de que um dado equipamento de medio est em
condies de conformidade com os requisitos para o uso pretendido.
Quando se relata o resultado de medio de uma grandeza fsica, obrigatrio que seja
dada alguma indicao quantitativa da qualidade do resultado, de forma tal que aqueles que
o utilizam possam avaliar sua confiabilidade. Sem essa indicao, resultados de medio
no podem ser comparados, seja entre eles mesmos ou com valores de referncia
fornecidos numa especificao tcnica ou numa norma.
A avaliao da qualidade de medidas fundamental para a prtica gerencial. Segundo o
Dr. William Edwards Deming, o que se registra ao final de uma determinada operao
de medio o ltimo produto de uma longa srie de operaes, desde a matria-prima
at a operao de medio propriamente dita. A medio , pois, a parte final deste
processo. Assim, do mesmo modo como vital controlar estatisticamente as outras partes
deste processo, vital controlar-se estatisticamente o processo de medio; caso
contrrio, no h medida que tenha significado comunicvel.
Estas palavras de Deming mostram a importncia do conhecimento e do uso sistemtico,
por parte das empresas, da comprovao metrolgica, a qual utiliza as tcnicas estatsticas
para avaliao da capacidade de sistemas de medio.
O pressuposto bsico da metrologia que toda medida possui erros. Como conseqncia,
nem o valor verdadeiro e nem o valor do erro so conhecidos com exatido. Como em
outras reas cientficas, por exemplo, a fsica, na metrologia temos que conviver com a
incerteza e os erros de medio. Convm, portanto, que a incerteza e os erros de medio
sejam tratados de tal modo que as medies possam ter alguma utilidade.
Uma das razes mais comuns de dados com baixa qualidade a grande variao dos dados.
Por exemplo, um sistema de medio usado para medir a vazo de um gs em uma
tubulao, pode ser sensvel temperatura do gs medido. Neste caso, a variao nos
dados pode ser devida ou a mudanas na vazo ou a mudanas na temperatura do gs. Isto
torna a interpretao dos dados mais difcil e o sistema de medio, conseqentemente,
menos conveniente ou at mesmo inadequado.
Alm disso, outros fatores tambm influem na medio, por exemplo: o operador, os
equipamentos auxiliares, as condies ambientais, o instrumento de medio etc.
Esta apostila pretende tratar com mais nfase os componentes de um Sistema de
Comprovao Metrolgica, fazendo, contudo, uma breve explanao dos conceitos bsicos
de Estatstica, necessrios aplicao da metrologia.
1
Norma NBR ISO 10012/2004 Sistemas de Gesto de Medio Requisitos para os processos de medio
e equipamento de medio.
Estatstica
6
1. INTRODUO
A estatstica inferencial cuida dos mtodos que tornam possveis a estimativa de uma
caracterstica de uma populao ou a tomada de uma deciso referente populao com
base somente em resultados de amostras.
A estatstica inferencial uma tcnica usada para coletar, descrever, analisar e interpretar
os dados numricos. Ela trata das variaes aleatrias contidas nos dados. conveniente
deixar claro que a estatstica inferencial mostra apenas as informaes j contidas nos
dados. Nenhuma informao nova criada por ela. O tratamento estatstico dos dados
permite fazer julgamentos objetivos relacionados com a validade dos resultados,
permitindo v-los de modos diferentes e a tomada de decises objetivas e inteligentes
quanto qualidade e aplicao.
Usando a estatstica podemos determinar o valor mais provvel de uma grandeza, partindo
de um conjunto de dados de medio, bem como determinar o erro provvel e o valor da
incerteza.
Quando se faz apenas uma medio dizemos que a mesma imprevisvel e aleatria.
Entretanto uma srie de medies previsvel e determinada. A base da estatstica a
repetio das medies. Com apenas uma medio obtm-se pouca informao do
mensurando, sujeita a erros. Com mltiplas medies os erros aleatrios aparecem como
um espalhamento em torno da mdia das medies.
Estatstica
7
Como sabido, devido ao alto custo das medies, torna-se impeditivo realizar muitas
medies para caracterizar uma populao, da serem usadas algumas poucas amostras
(medies) para inferir (tirar concluses) sobre as populaes. Por conseqncia, este
processo tem suas limitaes, no exato, podendo estar sujeito a erros. A estatstica
inferencial poder avaliar e controlar o tamanho do erro cometido ao se fazer estas
dedues. Ou seja: a incerteza e o grau de confiana do sistema de medio.
Amostra: uma parcela representativa da populao que escolhida para anlise com o
propsito de tirarmos concluses sobre a essa populao.
2
Anlise dos Sistemas de Medio (MAS), 2a Edio Fev/ 95.
3
Guia Para a Expresso da Incerteza de Medio 2a Edio ABNT INMETRO SBM 1998.
4
ISO 3535-1: 1993 Statistics Vocabulary and Symbols Part 1: Probability and general statistical terms.
Estatstica
8
Nota: a caracterstica pode ser ou quantitativa (por variveis) ou qualitativa (por atributos).
No texto original, o estimador consta como "biased", que no corresponde traduo "no-
tendencioso.
5
No texto original, o estimador consta como "biased", que no corresponde traduo "no-tendencioso.
Estatstica
9
Nota: Estatstica, como uma funo de variveis aleatrias, tambm uma varivel
aleatria e, como tal, assume diferentes valores de uma amostra para outra. O valor da
estatstica obtida, usando-se os valores observados nesta funo, pode ser utilizado num
teste estatstico ou como estimativa de um parmetro de populao, tal como uma mdia
ou um desvio padro.
Nota: um resultado desta operao pode ser expresso como um valor nico singular
(estimativa pontual) ou como uma estimativa de intervalo.
Fenmeno Estatstico: qualquer evento que se pretenda analisar, cujo estudo seja possvel
da aplicao do mtodo estatstico.
Funo distribuio: funo que determina, para cada valor x, a probabilidade de que a
varivel aleatria X seja menor ou igual a x:
Estatstica
10
Notas:
2) Em uma longa srie de amostras, a freqncia relativa dos casos nos quais o valor
verdadeiro do parmetro de populao coberto pelo intervalo de confiana, maior ou
igual a (1- ).
Intervalo de confiana unilateral: quando T uma funo dos valores observados, tais
que, sendo um parmetro de populao a ser estimado, a probabilidade Pr (T theta)
[ou a probabilidade Pr (T1 )] pelo menos igual a (1 - ) [onde (1 - ) um nmero
fixo, positivo e menor do que 1], o intervalo do menor valor possvel de at T (ou o
intervalo de T at o maior valor possvel de ) um intervalo de confiana (1 - )
unilateral para .
Intervalo estatstico de abrangncia: intervalo para o qual pode-se dizer que, com um
dado nvel da confiana, ele contm pelo menos uma proporo especificada da populao.
Notas:
Estatstica
11
Notas:
Varincia: uma medida de disperso, que a soma dos desvios quadrticos das
observaes de sua mdia aritmtica dividida pelo nmero de observaes menos um.
Varivel Aleatria: uma varivel que pode assumir qualquer um dos valores de um
conjunto especificado de valores e com a qual est associada uma distribuio de
probabilidade.
Nota: Uma varivel aleatria que s pode assumir valores isolados chamada discreta.
Uma varivel aleatria que pode assumir qualquer valor dentro de um intervalo finito ou
infinito chamada contnua.
Varivel aleatria centrada: uma varivel aleatria cuja esperana se iguala a zero.
Estatstica
12
Pode-se concluir tambm que os valores das variveis discretas so obtidas mediante
alguma forma de contagem enquanto que as variveis contnuas advm de um processo de
medio, freqentemente fornecidos em alguma unidade de medida. Por outro lado a
interpretao de um valor de uma varivel discreta dada exatamente pelo seu valor
numrico. Quando dizemos que a CST possui dois altos fornos (em 2004), temos a noo
exata do seu significado. Entretanto, no podemos dizer o mesmo da temperatura, pois a
interpretao de uma varivel contnua a de que se trata de um valor aproximado. Isso
decorre do fato de no existirem instrumentos de medida capazes de oferecer preciso
absoluta, alm do fato de que existem outros fatores de influncia que afetam o resultado
da medida, como, por exemplo, a variabilidade do processo, reajuste do equipamento, troca
de operador, entre outros.
Ao medirmos uma varivel contnua, estamos sempre fazendo uma aproximao, cujo
resultado deve ser interpretado como sendo uma aproximao compatvel com o nvel de
preciso e com o critrio utilizado para medir.
Estatstica
13
4. POPULAES E AMOSTRAS
Por definio, populao conjunto total de elementos portadores de, pelo menos, uma
caracterstica comum. Ento, qualquer subconjunto no vazio e com menor nmero de
elementos do que a populao constitui uma amostra dessa populao. A figura 1 ilustra
este conceito.
Populao
Amostra
As populaes podem ser finitas, como o conjunto dos habitantes de um pas ou infinitas
como o nmero de vezes em que se pode tirar a carta de 7 de paus de um baralho.
Convm, contudo, ressaltar que mesmo que o pesquisador trabalhasse com a populao, o
que seria impossvel, mesmo assim, poderia ter um trabalho astronmico para estud-la e
na maioria dos casos os resultados seriam sempre falhos. Imagine o nmero de
nascimentos e mortes dirios em nosso pas. Portanto, vai sempre existir uma impreciso
no resultado do trabalho. Nesses casos, o estatstico recorre a uma amostra, que
basicamente, constitui uma reduo da populao a dimenses menores, sem perda das
caractersticas essenciais.
Estatstica
14
Na metrologia, ocorre o mesmo, pois mesmo que algum se disponha a fazer, digamos,
100 medies da corrente eltrica de um motor, o resultado ser sempre uma amostra
porque, teoricamente, a corrente eltrica pode ser medida um nmero infinito de vezes.
Alm disso, o estudo cuidadoso de uma amostra tem mais valor cientfico do que o estudo
sumrio de toda a populao.
a) amostra de julgamento;
b) amostra por quota;
c) fatia.
Em muitos casos, somente a amostra no-probalstica est disponvel, como por exemplo,
em um julgamento. Nesse caso a opinio de um perito no assunto estudado fundamental
para que se possa utilizar os resultados obtidos a fim de realizar modificaes em um
processo.
Estatstica
15
As inferncias estatsticas de uma amostra para uma populao feita atravs de uma
amostra probabilstica.
Sempre que a populao for constituda de por diferentes extratos, devem ser obtidas
amostras estratificadas.
Estatstica
16
Como regra geral, h muitas restries ao uso de mostras por convenincia. Entretanto,
elas so comuns, em vrias reas, principalmente quando constituem a nica maneira de
estudar determinado problema.
5. HISTOGRAMAS DE FREQNCIA
A tabela 1 apresenta dados brutos, isto , dados que ainda no foram numericamente
organizados, de medidas de comprimento de 100 eixos fabricados numa Usinagem.
Observe que interpretar essa massa de dados bastante trabalhoso. Por isso fazemos uso de
alguns recursos para facilitar a anlise dos dados. O histograma um dos mtodos usados
que vamos aplicar agora. Siga as seis etapas do mtodo.
Estatstica
17
R = Vmax Vmin,
Sendo:
R = amplitude
Vmax = maior valor entre os 100 valores
Vmin = menor valor entre os 100 valores
No. da Medidas
Amostra (em mm)
1 a 10 4162 4168 4178 4165 4167 4168 4157 4161 4164 4165
11 a 20 4157 4158 4173 4183 4189 4167 4172 4171 4173 4176
21 a 30 4154 4168 4178 4169 4177 4173 4176 4166 4171 4165
31 a 40 4169 4169 4165 4171 4169 4167 4173 4172 4181 4171
41 a 50 4186 4171 4174 4164 4165 4167 4158 4172 4183 4187
51 a 60 4163 4169 4173 4169 4182 4165 4169 4170 4175 4174
61 a 70 4167 4177 4172 4179 4171 4157 4159 4178 4173 4176
71 a 80 4162 4163 4182 4169 4177 4156 4160 4178 4173 4175
81 a 90 4169 4178 4169 4173 4174 4173 4177 4169 4182 4184
91 a 100 4185 4171 4177 4169 4171 4151 4168 4177 4169 4169
Tabela 1 - Dados brutos medidas de comprimento de 100 eixos fabricados (em mm).
Encontrar tanto o menor valor, quanto o maior deles, percorrendo visualmente a lista de
100 valores. Este mtodo passvel de erro quando se tem muitos valores a comparar.
melhor acrescentar duas colunas direita da tabela 1 e nome-las como Menor Valor e
Maior Valor. Veja a Tabela 2. Percorrer visualmente cada linha e anotar na coluna
correspondente o Menor Valor de cada linha. Percorrer visualmente a coluna Menor
Valor e anotar qual o Menor Valor. Repetir o mesmo procedimento para o Maior
Valor. Feito isso, s aplicar a frmula de clculo da amplitude e obter:
Estatstica
18
Logo obtemos:
a) 38 / 1 = 38
b) 38 / 2 = 19
c) 38 / 5 = 7,6 que deve ser arredondado para 8.
Ento vamos optar pela letra c, que nos permitir 8 classes com intervalo de 5 mm.
Estatstica
19
Observe que:
a) a soma das freqncias (f) tem que ser igual quantidade (n) de dados levantados
(neste caso: 100);
Estatstica
20
a) Usando uma folha de papel quadriculado, marcar o eixo horizontal com uma escala
(mm). A escala deve ser baseada na unidade de medida dos dados (kg, oC, mm);
c) Marcar o eixo vertical da esquerda com a escala de freqncia. Traar o eixo vertical
da direita, marcando nele a escala de freqncia relativa;
Estatstica
21
e) Usando o intervalo de classe como base, traar retngulos cuja altura corresponda
freqncia daquela classe;
f) Traar uma linha (trao-ponto) para representar a mdia e, se houver, traar linhas
verticais representando os limites da especificao;
g) Anotar a quantidade de dados (n), a mdia ( x ) e o desvio padro (s) e quando foi feita
a coleta de dados etc. Veja o exemplo da figura 2 para os dados da tabela 1.
Estatstica
22
Por exemplo, na tabela 4 calculamos o ponto mdio de cada classe. Vamos repetir o
histograma da figura 2, construindo a figura 3, e vamos marcar neste histograma o ponto
mdio de cada classe e em seguida vamos unir os pontos marcados. E para concluir o
grfico, imaginamos duas classes tericas, de ponto mdio = 0, nos dois extremos do
histograma.
Estatstica
23
Foram identificadas diferenas nas temperaturas entre os dois sensores. Este mtodo pode
ser usado para melhorar a qualidade do produto, reduzindo a variao e melhorando a
mdia do processo. A estratificao geralmente feita de acordo com a metodologia 6M 6
(tambm conhecida como diagrama de Ishikawa, diagrama de causa-e-efeito ou ainda
espinha de peixe). Os 6M so: mtodo, mquina, mo-de-obra, meio-ambiente, matria
prima e medida.
6
As Ferramentas da Qualidade no Gerenciamento de Processos Werkema, Maria C. Catarino
Estatstica
24
25
20
15
10
0
1 2 3 4 5 6 7
Figura 4 - Histograma de Freqncia da Medio de Temperatura nos lados A e B
16
14
14
12
12
10
10
8
8
6
6
4
4
2 2
0 0
1 2 3 4 5 6 7 1 2 3 4 5 6 7 8
Figura 5 - Histogramas Estratificadas da
Temperatura do Forno
a) lado direito: posio A; b) lado esquerdo: posio B.
Estatstica
25
7.2. DISPERSO
a caracterstica que indica o grau de espalhamento dos dados. Tambm chamada de
variao.
7.3. ASSIMETRIA
Indica o grau de distoro em uma curva simtrica ou o grau de assimetria. Uma curva
simtrica possui os lados direito e esquerdo da lei de centro iguais. Os dois lados de uma
curva simtrica so imagens de cada lado. Uma curva se distorce para direita quando a
maioria dos valores est agrupada no lado direito da distribuio.
7.4. CURTOSE
a caracterstica que descreve o pico em uma distribuio. uma medida relativa para
comparar o pico de duas distribuies. Uma maior curtose significa um pico maior de
freqncia relativa, no maior quantidade de dados.
Estatstica
26
8. MDIA ARITMTICA
Os dados podem ser reduzidos a um nico nmero, para fins de comparao. A mdia ou
valor mdio o mais representativo de um conjunto de dados ou medies. Quanto maior o
nmero de medies feitas, melhor ser o resultado. O valor mdio a expectativa
matemtica do conjunto de dados.
A mdia aritmtica a mdia mais usada e calculada como sendo a soma de todas as
medidas de um conjunto dividida pelo nmero total de medidas. Se uma varivel x possui
os n valores: x1 , x2 , ...., xn , a mdia aritmtica, x , (leia-se: xis barra) :
x1 + x2 + ... + xn
x=
n
x i
Simplificando esta frmula podemos usar x= i =1
n
Onde:
x = mdia aritmtica
x
i =1
i = somatrio de todos os valores xi na amostra (i varia de 1 at n)
n = tamanho da amostra
Exemplo: Calcular a mdia de: 25, 36, 45 e 72. Usando a frmula, temos:
25 + 36 + 45 + 72
x= = 44,5
4
Logo, a mdia aritmtica, ou simplesmente, a mdia : 44,5.
Estatstica
27
Quando se tem uma populao muito grande de dados (n tende para o infinito), o smbolo
da mdia expresso como:
n
x i
= i =1
n
9. MDIA PONDERADA
s vezes as medies x1 , x2 , ...., xn , esto associadas com certos fatores de peso, como
x1 p1 + x2 p2 + ... + xn pn
xp =
p1 + p2 + ... + pn
A mdia ponderada muito usada nas mdias escolares, onde se pode atribuir importncias
(pesos) diferentes ao exame final, trabalhos de casa, aulas prticas e provas mensais.
Em metrologia, a mdia ponderada mais comum usa as freqncias das medies como
seus respectivos pesos. Freqncia o nmero de vezes que um dado observado.
Freqncia relativa a percentagem de vezes que um dado observado.
Estatstica
28
x p = x1 f1 + x2 f 2 + ... + xk f k
k
fx i i
xp = i =1
k
f
i =1
i
(Ponto
Intervalo Ponto
Classe Freqncias Freqncia Freqncia Mdio
de Mdio
no (Marcas) (f) Relativa Classe) x
Classe da Classe
(Freqncia)
4151,5 a
1 4153,5 || 002 0,002 8307,00
4156,5
4156,5 a
2 4158,5 ||||| ||| 008 0,008 33268,00
4161,5
4161,5 a
3 4163,5 ||||| ||||| ||| 013 0,013 54125,50
4166,5
4166,5 a
4 4168,5 ||||| ||||| ||||| ||||| ||||| 025 0,025 104212,50
4171,5
4171,5 a ||||| ||||| ||||| ||||| |||||
5 4173,5 026 0,026 108511,00
4176,5 |
4176,5 a
6 4178,5 ||||| ||||| ||||| 015 0,015 62677,50
4181,5
4181,5 a
7 4183,5 ||||| ||| 008 0,008 33468,00
4186,5
4186,5 a
8 4188,5 ||| 003 0,003 12565,50
4191,5
Total 100 0,010 417135,00
Mdia 4171,35
Tabela 6 - Tabela de Freqncia.
Estatstica
29
Podemos observar que a soma da coluna Freqncia (f) 100 (total de elementos que
compem esta amostra). Para obtermos a mdia do dimetro dos 100 eixos desta tabela,
multiplica-se o ponto mdio de cada classe (2a coluna) pela respectiva freqncia, somam-
se os produtos e divide-se a soma por n (neste caso, k =8, pois so 8 classes de
freqncia). Ento a mdia :
k
417135
xp = = 4171,35
100
x rms = (x2
1 + x 22 + ... + x n2 )
Esta frmula tambm usada em metrologia, quando se quer combinar diversos erros, por
exemplo, numa malha de medio. Neste caso, x1 , x2 , ...., xn , seriam os erros de cada
Estatstica
30
n
xh = n
1
x
i =1 i
usada quando se deseja calcular a mdia de grandezas inversas. Por exemplo: Suponha
que um tanque esteja alimentando trs clientes, com vazes individuais de 100, 120 e 140
litros por minuto. Deseja-se saber qual a vazo mdia. Aplicando a frmula da mdia
harmnica, temos:
n 3
xh = = = 117,76
n
1 1 1 1
x
i =1
+ +
100 120 140
i
12. MEDIANA
A Mediana o valor central quando os dados esto ordenados por valor e a amostra possui
nmero mpar de dados. Por exemplo:
4, 6, 8 12 e 18, a mediana 8.
Se a amostra contm um nmero par de dados, a mediana a mdia aritmtica dos dois
valores que ficam na posio central dos dados ordenados. Por exemplo:
Os dois valores que ficam na posio central so 40 e 60, logo a mediana ser:
40 + 60
= 50
2
Veja que no grfico da Figura 7 os dados esto representados ao longo do eixo e que a
posio da mediana (linha pontilhada) est assinalada (50) e divide a amostra em dois
conjuntos com igual nmero de dados (4 dados para cada lado).
Estatstica
31
A mediana usada para reduzir o efeito dos valores extremos ou para dados que possam
ser ordenados, mas que no sejam economicamente mensurveis (tons de cor, aparncia
visual, odores). Na curva percentil, o valor da escala horizontal onde a curva alcana a
altura 50%.
13. MODA
A Moda o valor que ocorre com maior freqncia. Por exemplo: 12, 14, 15, 15, 15, 18,
29, 29, e 30. A moda 15, pois este o nmero que ocorre maior nmero de vezes.
Existem conjuntos de dados que no possuem moda, porque nenhum valor se repete maior
nmero de vezes e existem conjuntos de dados com mais de uma moda. Por exemplo: 7, 8,
9, 10, 11, 12 e 18 no tem moda e o conjunto de nmeros 7, 8, 8, 9, 10, 11, 11, 12 e 18 tem
duas modas, a saber, 8 e 11.
A moda, diferentemente das outras medidas de tendncia central, pode ser obtida mesmo
que a varivel seja qualitativa. Veja os dados apresentados na tabela 7. O sangue tipo A
ocorreu com maior freqncia entre os doadores de sangue no ms de junho.
Estatstica
32
Os dados esto sempre dispersos ao redor da zona de tendncia central, e a extenso dessa
disperso chamada disperso ou variao. Uma medida de disperso a segunda das
duas medidas mais fundamentais em toda a anlise estatstica.
15. AMPLITUDE
5, 8, 12, 17 e 32 a amplitude 32 5 = 27
Entretanto a amplitude nem sempre nos mostra certas diferenas contidas nos dados. Sua
deficincia reside no fato de que usa apenas os valores extremos e no todos os dados.
Mesmo assim, ela muito usada, principalmente pela facilidade com que calculada e
interpretada.
Estatstica
33
16. VARINCIA
Embora a amplitude seja uma medida de disperso, como vimos anteriormente, ela no
leva em conta como os dados se distribuem ou se agrupam. Duas maneiras utilizadas para
medir a variao que realmente considera como os dados se distribuem em torno da mdia
so a varincia e o desvio padro.
frmula:
s2 =
(x x ) + (x
1
2
2 )
2
(
x + ... + xn x )
2
ou, simplificando
n 1
(x x )
n n
x
2
i
2
i n x2
s2 = i =1
ou podemos usar tambm s 2 = i =1
n 1 n 1
Onde:
s 2 = varincia
x = mdia aritmtica
n = tamanho da amostra
(x )
n
2
i x = somatrio de todas as diferenas ao quadrado entre os valores xi e
i =1
Estatstica
34
podermos calcular o valor desta estatstica. Ou seja, se qualquer dos valores de xi livres da
amostra for desconhecido, no poderemos determinar o valor desta estatstica, pois todos
os valores da amostra so livres, podendo variar aleatoriamente.
Por outro lado, a estatstica da varincia expressa pela equao acima, por usar a mdia, x ,
ao invs do parmetro populacional , tem um grau de liberdade a menos. Isso ocorre
porque o clculo dessa estatstica pressupe que anteriormente j se tenha usado todos os
valores da amostra no clculo da mdia, x , os quais estariam sendo usados uma segunda
vez no clculo da varincia. Ou seja, ao usarmos o mesmo conjunto de dados para
determinar a mdia, x , e a varincia que faz uso do valor da mdia, perdemos um grau de
liberdade para a determinao da mdia.
s = s 2 ou substituindo s 2 , temos:
(x + x )
n
2
i
s= i =1
n 1
Estatstica
35
x1 + x2 + ... + xn
A mdia ser: x =
n
10 + 12 + 11 + 15
x= = 12
4
(x )
n
2
i x
A varincia ser: s 2 = i =1
n 1
s 2
=
(10 12) + (12 12 ) + (11 12) 2 + (15 12) 2
2 2
4 1
s = 4,666 = 2,160
Convm ressaltar que a varincia e o desvio padro nunca podem ser negativos. Entretanto
podem ser zero, o que ocorre quando todos os valores so exatamente iguais. Neste caso, a
amplitude tambm ser zero.
Estatstica
36
s
cv( x) = 100 %
x
Onde:
cv( x) = coeficiente de variao
s = desvio padro
x = mdia aritmtica
A vantagem do coeficiente de variao como uma medida relativa devido ao fato de que
ele nos permite comparar a variabilidade de dois ou mais conjuntos de dados expressos em
diferentes unidades de medio. Ou ento quando comparamos dois ou mais conjuntos de
dados nas mesmas unidades, porm com diferenas entre si de tal monta que no permita
comparao direta entre suas mdias e seus desvios padres. Por exemplo, imagine que em
dois grupos de pessoas tenham sido calculadas a idade mdia e o desvio padro, conforme
abaixo:
Grupo 1: x1 = 20 e s1 = 4
Grupo 2: x2 = 50 e s2 = 4
Estatstica
37
Podemos agora concluir que, mesmo tendo desvio padro igual, o grupo 1 apresenta uma
variao relativa muito maior (20 %) do que o grupo 2 (8 %).
Alm disso, por ser adimensional, o coeficiente de variao permite que se comparem as
disperses de variveis cujas unidades sejam irredutveis.
19. FORMATO
Para saber o formato de um conjunto de dados, basta comparar sua mdia com sua
mediana, ou seja:
a) distribuio binomial;
b) distribuio de Poisson;
c) distribuio normal
Estatstica
38
e) distribuio triangular
f) distribuio t (Student)
Varivel discreta aquela que pode assumir apenas valores isolados ao longo de uma
escala. Por exemplo: o nmero de altos fornos existentes na CST uma varivel discreta.
Estatstica
39
Lanando-se uma moeda um nmero grande de vezes, dever aparecer cara em metade dos
lanamentos e coroa no restante. A freqncia relativa de caras se aproxima de 0,5
conforme aumentado o nmero de lanamentos da moeda. Portanto a freqncia relativa
de um ponto amostral pode ser tomada, aproximadamente, como a sua probabilidade.
Por exemplo: ao jogar a moeda uma nica vez, a probabilidade de sair cara de 0,5 (50%
de chance de acertar). Logo a frmula :
1
Probabilidade de CARA = = 0,5
2
Estatstica
40
f
P(X) =
p
Onde:
f 1
P( X ) = = = 0,5
p 2
Observe que a probabilidade sempre expressa por um nmero adimensional, isto , sem
unidade de medida.
Veja este exemplo: Qual a probabilidade de sair a face 3 ao lanar um dado uma vez?
Casos possveis: Face 1, Face 2, Face 3, Face 4, Face 5, Face 6. Ou seja, temos 6 casos
possveis. Casos favorveis: somente uma face 3. Logo, usando a frmula.
Face 3
P(de sair Face 3) =
Face 1 + Face 2 + Face 3 + Face 4 + Face 5 + Face 6
1
= = 0,1666...
6
Estatstica
41
3 Faces 3 1
= = = = 0,5
6 Faces 6 2
Por definio, f p, sendo que f pode ser zero. Veja o seguinte exemplo: Numa nica
jogada, qual a possibilidade de sair a face 7. Observe que o dado no possui a face 7. Logo,
0
P(7) = = 0 e dizemos que esta a menor probabilidade que existe.
6
Lanando-se uma moeda um nmero grande de vezes, dever aparecer cara em metade dos
lanamentos e coroa no restante. A freqncia relativa de caras se aproxima de 0,5
conforme aumentado o nmero de lanamentos da moeda. Portanto a freqncia relativa
de um ponto amostral pode ser tomada, aproximadamente, como a sua probabilidade.
Estatstica
42
1 1 2 1
P (2 ou 5) = + = = = 0,333
6 6 6 3
Uma moeda ser jogada duas vezes. Qual a probabilidade de ocorrer cara nas duas
jogadas? A probabilidade de ocorrer cara na primeira jogada :
1
P(ACARA) = = 0,5
2
1
P(BCARA) = = 0,5
2
1 1 1
{P(ACARA) e P(BCARA) }= 2 * 2 = 4 = 0,25
Suponha que numa urna tenha 3 bolas: duas brancas e uma vermelha. Retirando-se ao
acaso, uma bola e em seguida a outra (sem que a primeira tenha sido recolocada na urna),
qual a probabilidade de que as duas bolas sejam brancas:
2
P(branca) = 3 = 0,6666...
Estatstica
43
A probabilidade de a segunda bola ser branca depende do que ocorreu na primeira retirada.
Se sair bola branca, a probabilidade de a segunda tambm ser branca :
1
P(branca) = = 0,5
2
Para obter a probabilidade de as duas bolas retiradas serem brancas, faz-se o produto
2 1 2 1
=
= 3 * 2 = 6 3 = 0,3333...
n!
P ( x) = p x (1 p) n x
x!(n x)!
Estatstica
44
Onde:
p = probabilidade de sucesso
Observe que a varivel aleatria x pode ser qualquer valor inteiro de 0 at n e que na
frmula acima o produto do termo p x (1 p) n x nos informa a probabilidade de obtermos
exatamente x sucessos entre n observaes numa determinada seqncia.
n!
Por outro lado, o termo nos mostra quantas combinaes de x sucessos entre n
x!(n x)!
observaes so possveis. Por isso, toda vez que um conjunto de parmetros n e p
especificado, uma distribuio binomial pode ser gerada.
Face 3 1
P(de sair Face 3) = =
Face 1 + Face 2 + Face 3 + Face 4 + Face 5 + Face 6 6
Estatstica
45
n!
P ( x) = p x (1 p) n x
x!(n x)!
2 3 2
3! 1 1
1
P(x = 2) = 2!(3 2 )! 6 6
1
3 * 2 *1 1 1 5
=
2 *1(1) 6 6 6
6 5 5
= * = 3* = 0,0694
2 6 216
(e ) x
P( x) =
x!
Estatstica
46
Onde:
x = nmero de sucessos
(e ) x
Aplicando a frmula P ( x) = , temos,
x!
e 3 * 32 9
P(x = 2) = = = 0,2240
2! (2,71828)3 * 2
Neste mesmo problema, qual seria a chance de que mais de dois clientes iro chegar em
um dado minuto?
(e ) x
E utilizando a equao P ( x) = , temos
x!
= 1 - 0,4232 = 0,5768
Estatstica
47
Deste modo, vemos que existe uma chance de aproximadamente 42,3 % de que dois ou
menos clientes iro chegar ao banco a cada minuto e que existe uma chance de 57,7 % de
que trs ou mais clientes iro chegar.
Uma forma abreviada de indicar que a varivel x se distribui normalmente (ou tem
distribuio normal) escrever:
x N ( ; 2 )
e) Ela oferece bases para a inferncia estatstica devido sua afinidade com o teorema do
limite central.
Estatstica
48
23.2. CARACTERSTICAS
A curva de distribuio deve ter as seguintes caractersticas:
f) Existem infinitas curvas, basta que seja diferente um dos parmetros: ou 2. Veja a
figura 9;
Estatstica
49
h) A rea total sob a curva vale 1, porque essa rea corresponde probabilidade de a
varivel aleatria assumir qualquer valor real.
1 1 x 2
F ( x) = exp
2 2
onde:
Estatstica
50
Observe a figura 10(a). Imagine uma varivel x que tenha distribuio normal com media
aritmtica e desvio padro , pois se trata de uma populao (e no de uma amostra), e o
eixo vertical (das freqncias), for deslocado at o ponto , onde se localiza a mdia
aritmtica da populao. Esta operao pode ser chamada de mudana de origem, em
que o zero mudou de lugar. A nova curva ficou como mostrada na figura 10(b).
x
Z=
Onde:
Freqncia
(a) (b)
Figura 10 - Converso de X em Z .
Estatstica
51
Assim, usando a frmula de converso, qualquer varivel aleatria normal x pode ser
convertida para uma varivel normal padronizada Z . Vejamos um exemplo:
=0
=1
Estas operaes e esses dados so muito importantes pelo seguinte:
Estatstica
52
= 0 e 2= = 1 = 1
2
Veja este exemplo. Suponha que um inspetor tenha feita uma calibrao em 45 minutos.
Pela figura 12 podemos concluir que este tempo est a uma unidade padronizada (ou seja, a
um desvio padro, 1) acima da mdia aritmtica. Veja os clculos utilizando a frmula de
converso:
x
Z=
substituindo, temos:
45 40
Z= =1
5
25 40
Z= = 3
5
Estatstica
53
Vemos assim que o desvio padro se tornou uma unidade de medida. Ou seja: 45 minutos
5 minutos mais demorado (ou seja, 1 desvio padro) do que o tempo mdio de 40 minutos,
assim como o tempo de 25 minutos 15 minutos (3 desvios padres) mais rpido do que a
mdia observada.
A figura 13 nos permite ainda observar mais uma caracterstica da curva normal. Por ser
simtrica, a rea total abaixo da curva vale 1, ou seja 100%, entre os limites - < x < +
pois todos os resultados caem dentro dela. Os traos verticais perpendiculares ao eixo de x
esto graduados em -3, -2, -1, , +1, +2 e +3. Alm disso, a rea coberta
por 1, 2, 3 vale, respectivamente, 68,26 %, 95,44 % e 99,74% independente de
sua largura.
Estatstica
54
23.5. APLICAES
Vamos agora aprender a usar a tabela de probabilidades (Anexo A). Esta tabela nos
permite resolver diversos problemas que envolvem uma varivel x normalmente
distribuda. Suponha x com os seguintes parmetros: N(45; 4). Qual ser o valor de Z para
x = 49,5? Aplicando a frmula de converso, temos:
x
Z= e, substituindo:
49,5 45
= = 2,25
2
Isto significa que Z est 2,25 desvios padres direita da mdia . Agora vamos localizar
este valor na tabela do Anexo A. Para consultar este valor preciso decompor Z em duas
parcelas, a saber:
Em seguida, localiza-se a primeira parcela (2,2) na margem esquerda da tabela (na vertical)
e a segunda parcela (0,05) na margem superior (na horizontal). Ler o valor da clula
correspondente ao cruzamento destes valores (0,4878), o qual a probabilidade
correspondente rea da curva entre Zero e o Z calculado. A figura 14 mostra a curva
desta probabilidade.
Estatstica
55
xN(40;25)
x = 45
Z=1
Estatstica
56
a) ausncia de vis
b) eficincia
c) consistncia.
Com respeito primeira propriedade, podemos dizer que a mdia das mdias aritmticas
de todas as amostras possveis (de um dado tamanho de amostra n) ser igual mdia
aritmtica da populao .
SORTEIO NO SORTEIO NO 2
1 1 2 3 4 5
1 1 1,5 2 2,5 3
2 1,5 2 2,5 3 3,5
3 2 2,5 3 3,5 4
4 2,5 3 3,5 4 4,5
5 3 3,5 4 4,5 5
Esta tabela mostra que a mdia uma varivel, pois tambm assumiu valores de 1 a 5.
Alm disso, existem grupos de dados em que a mdia ( x ) constante, por exemplo: 1 e 4,
2 e 3, 3 e 2 e 4 e 1, cuja mdia 2,5. Entretanto, verificamos que da populao Beta com 5
elementos, tiramos 25 amostras de tamanho n = 2.
Estatstica
57
N =5; x = 1, 2, 3, 4, 5
N
x i
1 + 2 + 3 + 4 + 5 15
= i =1
= = =3
N 5 5
Amostra A
n =2 (tamanho = 2)
x =1; 1,5;2;2,5;...; 5
xi ni xi * ni
1 1 1
1,5 2 3
2 3 6
2,5 4 10
3 5 15
3,5 4 14
4 3 12
4,5 2 9
5 1 5
Soma 25 75
Tabela 9 - Calculando a mdia das medias aritmticas.
x= xn
i i
=
75
=3
n i 25
Comparando, temos x = .
Estatstica
58
Quanto maior o nmero de elementos na amostragem, menor ser o efeito dos extremos,
tanto acima quanto abaixo da mdia. Esta caracterstica expressa estatisticamente no
valor do desvio padro da mdia aritmtica da amostra. Esta a medida de variabilidade da
mdia aritmtica de amostra para amostra e chamada de erro padro da mdia
aritmtica, x . Considerando a amostragem com reposio, o erro padro da mdia
definido como sendo o desvio padro da populao dividido pela raiz quadrada do
tamanho da amostra n.
x =
n
Logo, medida que cresce o nmero de elementos (n) na amostra, o erro padro da mdia
vai decrescendo a um fator igual raiz quadrada do tamanho da amostra.
sx
sx =
n
Estatstica
59
Neste caso, n significa nmero de observaes em cada amostra. Qual deve ser o tamanho
da amostra? Como regra geral, se o tamanho da amostra for pelo menos igual a 30, a
distribuio de amostras da mdia aritmtica ser muito prxima da normal. Mas se temos
alguma informao sobre a populao podemos aplicar o teorema do limite central para
tamanhos de populao ainda menores. Se a distribuio da populao for relativamente
simtrica, recomenda-se pelo menos 15 elementos, mas se a populao for normal, a
distribuio de amostragem da mdia ser normal, independentemente do tamanho da
amostra.
padro finito se aproxima de uma distribuio normal com mdia q e desvio padro
Estatstica
60
rea = (a + a) * h = 1
1
h=
2a
e para a varincia:
a2
2 (t ) =
3
a2 a
(t ) = =
3 3
Estatstica
61
Pode-se calcular a probabilidade de que o valor da diferena de potencial seja tal que a -
V a +, supondo que a resoluo declarada fornece fronteiras simtricas para uma
a = 100/2 V
a = 50 V
a2
cuja varincia 2 (t ) =
3
a 2 (50) 2
( V ) = = = 833,3 V
3 3
( V ) = 833,3 V
a2 a
e o desvio padro (t ) = =
3 3
a2 a 50
( V ) = = = = 28,86 28,9 V
3 3 3
( V ) = 28,9 V
Estatstica
62
a2 a
e o desvio padro (t ) = =
3 3
a2 a 15
( V ) = = = = 8,66 8,7 V
3 3 3
( V ) = 8,7 V
Onde 0 1.
Estatstica
63
b * h (a + a ) * h
rea = = =1
2 2
2 1
h= =
2a a
a2
e para a varincia: (t ) =
2
Estatstica
64
a2 a
e calculando o desvio padro: (t ) = =
6 6
Por exemplo, suponha que se disponha poucas informaes sobre uma medio, a no ser
estas: Resultado das n = 20 medies, mdia aritmtica t = 200 psi e que t descrito
-
como uma distribuio triangular de limite inferior, a = 194 psi, e de mesmo limite
+ + -
superior a = 206 psi. Logo, a meia-largura a = [a - a ]/2 = (206-194)/2 = 12/2 = 6 psi.
A funo densidade de probabilidade de t , ento:
Estatstica
65
Pelo que vimos at agora, se n 30, podemos usar a distribuio normal na estimao da
mdia da populao mesmo no conhecendo bem a populao. Para n < 30 somente se a
populao for normalmente distribuda e se for conhecido. A distribuio t de Student
utilizada quando a varivel x normalmente distribuda mas o no for conhecido.
A frmula :
x
t=
sx
n
Onde,
Estatstica
66
Como normalmente estes valores vem dividido por 100, temos 2,5/100 = 0,025. No
cruzamento da linha de 40 graus de liberdade com a coluna 0,025 encontramos o valor de t
= 2,0211.
Uma vez que t uma distribuio simtrica, com uma mdia aritmtica 0, se o valor da
cauda superior + 2,0211, o valor da cauda inferior ser -2,0211. Um valor de t = 2,0211
significa que a probabilidade de t exceder a + 2,0211 igual a 0,025 ou 2,5%, conforme
ilustrado na figura 20.
Notas:
a) O uso da estatstica t pressupe que a varivel tenha na populao de onde foi retirada
uma distribuio normal.
c) No existe uma nica distribuio t, mas uma famlia, ou seja, para cada n existe uma
distribuio e uma curva especfica.
Estatstica
67
calcular o valor desta estatstica. Ou seja, se qualquer dos valores de xi livres da amostra
for desconhecido, no poderemos determinar o valor desta estatstica, pois todos os valores
da amostra so livres, podendo variar aleatoriamente. Por outro lado, a estatstica da
varincia por usar a mdia, x , ao invs do parmetro populacional , tem um grau de
liberdade a menos. Isso ocorre porque o clculo dessa estatstica pressupe que
anteriormente j se tenha usado todos os valores da amostra no clculo da mdia, x , os
quais estariam sendo usados uma segunda vez no clculo da varincia. Ou seja, ao usarmos
o mesmo conjunto de dados para determinar a mdia, x , e a varincia que faz uso do valor
da mdia, perdemos um grau de liberdade para a determinao da mdia.
Estatstica
68
O intervalo de confiana da mdia d os limites que podem ser reclamados, com um grau
de confiana dado por (1-)%, para conter o valor desconhecido da mdia da populao.
Quando o desvio padro da populao, , conhecido, o intervalo simtrico vale:
x z / 2 < < x + z /2
n n
sx s
x t /2 < < x + t /2 x
n n
Onde,
O grau de liberdade () dado por n-1, onde n o nmero de dados da amostra (medies).
O nvel de significncia () igual a um menos o coeficiente de confiana, que
multiplicado por 100, d o intervalo de confiana (em %). Exemplo: Para 95% de
confiana, significa que se admite que 5% dos valores podem estar fora do intervalo de
confiana. Como na tabela t estes valores esto em probabilidade (0 a 1), logo 5% valem
0,05, ento = 0,05, ou seja: 1- ) = 0,95 que corresponde a 95%.
Estatstica
69
Para n = 2 temos n-1 grau de liberdade ( = n-1). Ento se voc consultar a tabela 9 da
distribuio t ver que t / 2 vale 12,71 para 95% de confiana, quando se faz apenas 2
Estatstica
70
Estatstica Bsica
Estatstica
71
a) 7,25
b) 8,3
c) 16,155
d) 7,75
8. A mdia harmnica dos nmeros 8, 9, 10 e 11 ?
a) 9,4
b) 9,5
c) 9,555
d) 9,367
9. A mediana dos nmeros 100, 20, 70, 40 e 60 ?
a) 58
b) 59
c) 60
d) 70
10. A mediana dos nmeros 4, 8, 6, 5, 10 e 7 ?
a) 6.666
b) 6,5
c) 7
d) 7,5
11. A moda dos nmeros 5, 7, 6, 6, 7, 8, 9, 10, 5, 7 ?
e) 5
f) 6
g) 10
h) 7
Estatstica
72
a) 5
b) 6
c) 7
d) 8
13. A varincia dos nmeros 8, 6, 7 e 9 :
a) 7,5
b) 1,118
c) 5,477
d) 1,29
a) 1,136
b) 2,340
c) 1,057
d) 2,739
15. Dados a mdia = 5 e a varincia = 3,2, calcular o coeficiente de variao.
a) 64 %
b) 156,25 %
c) 35,78 %
d) 69,88 %
Estatstica
73
Probabilidades
a) 5
b) 1.333
c) 1,6666
d) 2
18. Qual a probabilidade de sair face impar numa nica jogada?
a) 1,333
b) 0,5
c) 1,666
d) 3
19. Jogando-se uma moeda duas vezes, qual a probabilidade de ocorrer cara nas duas
jogadas?
a) 1,333
b) 1,666
c) 0,25
d) 2
20. Numa urna tem 3 bolas: duas brancas e uma vermelha. Retirando-se ao acaso, uma bola
e em seguida a outra (sem que a primeira tenha sido recolocada na urna), qual a
probabilidade de que as duas bolas sejam brancas?
a) 0,5
b) 1,3333
c) 1,6666
d) 0,3333
Estatstica
74
Distribuio Binomial
a) 6,94%
b) 10,94 %
c) 12,333 %
d) 1,666 %
22. Jogando uma moeda quatro vezes, quais so as chances de se obter duas caras?
a) 23/16
b) 2/3
c) 11/16
d) 15/32
Distribuio de Poisson
23. Se um telefone recebe em mdia duas chamadas por hora, qual a probabilidade deste
telefone no receber nenhuma chamada em uma hora?
a) 0,15
b) 0,1353
c) 0,2325
d) 0,4
24. Qual a probabilidade do telefone acima receber no mximo duas chamadas em 30
minutos?
a) 0,9197
b) 0,8133
c) 0,3333
d) 0,7156
25. Os parmetros da distribuio normal so:
a) e x
b) 2 e s2
c) e 2
d) s2 e
Estatstica
75
26. Numa fbrica, o tempo mdio para fabricar um eixo de 35 minutos (distribuio
normal), com desvio padro de 5 minutos. Qual a probabilidade de um trabalhador
escolhido aleatoriamente fabricar um eixo em menos de 25 minutos? Consultar a
tabela de distribuio normal padronizada (Anexo A).
a) 0,4772
b) 0,0228
c) 0,0456
d) 0,73,47
27. Usando os dados do problema anterior, qual seria a probabilidade de que um
trabalhador possa concluir o eixo entre 18 e 22 minutos?
a) 0,2345
b) 0,0482
c) 0,4735
d) 0,1935
Erro Padro da Mdia Aritmtica
28. Suponha que uma empacotadora esteja ajustada para encher pacotes de caf de 400
gramas. Dados anteriores confirmam uma distribuio normal, com mdia aritmtica
de 400 gramas. O desvio padro da populao conhecido como sendo igual a 12
gramas. Qual o erro padro da mdia aritmtica para uma amostra de 8 pacotes?
a) 1,50
b) 4,24
c) 4,35
d) 1,48
Estatstica
76
29. Suponha que uma empacotadora esteja ajustada para encher pacotes de caf de 400
gramas. Dados anteriores confirmam uma distribuio normal, com mdia aritmtica
de 400 gramas. O desvio padro da populao conhecido como sendo igual a 12
gramas. Qual a probabilidade percentual de que uma amostra de 15 pacotes, escolhida
aleatoriamente das centenas de pacotes, tenha uma mdia entre 380 e 390 gramas?
a) 40,15 %
b) 45,50 %
c) 12,93 %
d) 10,25 %
30. Considerando os dados do problema anterior, qual a probabilidade percentual de que os
pacotes tenham entre 396 e 400 gramas?
a) 46 %
b) 44,97 %
c) 13,35 %
d) 12,93 %
31. O certificado de calibrao de um peso padro de referncia fornece o valor de 1kg,
com incerteza de 5 mg, para um fator de abrangncia k = 2. Consultando o histrico
de um peso padro de valor nominal de 1 kg foi possvel estimar a deriva do seu valor,
entre duas calibraes, como sendo 1,5 mg. Considerando esta deriva como uma
funo de distribuio retangular, qual o valor da funo de densidade de
probabilidade?
a) 0,3000 mg
b) 0,3333 mg
c) 3,3333 mg
d) 0,8660 mg
32. Considerando os dados do exerccio anterior, qual a varincia da deriva?
a) 1,2990 mg
b) 0,70 mg
c) 0,75 mg
d) 3 mg
Estatstica
77
33. Supondo haver pouca informao sobre os dados, exceto que se trata de uma
distribuio triangular e que a melhor estimativa de t seja 300 oC, com os valores
limites de a - = a + = 4 oC. Qual seria a funo densidade de probabilidade de t?
a) 0,25 oC
b) 0,30 oC
c) 2,256 oC
d) 2,828 oC
34. Considerando os dados do exerccio anterior, qual a varincia desta funo?
a) 2,555 oC
b) 2 oC
c) 16 oC
d) 2,666 oC
35. Para uma distribuio t de Student, qual o valor crtico de t para (1- ) = 0,95 e n = 10?
a) 2,26
b) 2,22
c) 2,82
d) 1,83
Intervalo de Confiana
36. Sabe-se, pelas especificaes do fabricante, que o desvio padro da quantidade de leo
de soja nas latas de 1 litro igual a 0,02 litros. Uma amostra aleatria de 50 latas
selecionada e a quantidade mdia de leo por lata de l litro igual a 0,995 litros.
Calcular o intervalo de confiana de 99 % da verdadeira mdia da populao da
quantidade de leo de soja contida em uma lata de 1 litro.
a) 0,9877 1,0023
b) 0,9834 1,0065
c) 0,9945 1,0123
d) 0,9845 1,0043
Estatstica
78
37. Um novo suco de pssego testado para o mercado durante 3 meses, em filiais de uma
grande cadeira de supermercados. Os resultados para uma amostra de 21 filiais indicam
vendas mdias de R$ 8.600,00 com um desvio padro da amostra de R$ 240,00.
Calcular o intervalo de confiana para 99 % de vendas desse novo suco.
a) 8.460,89 8.739,11
b) 8.464,89 8.735,11
c) 8.467,60 8.732,40
d) 8.450,99 8.749,01
Estatstica Bsica
1. Resposta: Escolher como amostra uma ficha em cada 6, por exemplo, o 6 , o 12, o
18, etc.
2. Resposta: letra A.
3. Resposta: letra C
4. Reposta: letra B
5. Resposta: letra C
6. Resposta: letra A
7. Reposta: letra B
8. Resposta: letra D
9. Resposta: letra C
10. Resposta: letra B
11. Resposta: letra D
12. Resposta: letra A
13. Resposta: Letra D
14. Resposta: letra A
15. Resposta: letra C
Estatstica
79
Probabilidades
Estatstica
80
Estatstica