Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Uma funo X, definida sobre o espao amostral e assumindo valores num conjunto
enumervel de pontos dita uma varivel aleatria discreta.
Uma varivel aleatria X do tipo discreto estar bem caracterizada se indicarmos os
possveis valores x1, x2, , xk que ela pode assumir e as respectivas probabilidades f(x1), f(x2), ,
f(xk), ou seja, se conhecemos a sua funo de probabilidade (x; f(x)), sendo f(x) = P(X = x). O
conjunto de pares ordenados (x; f(x)) a funo de probabilidade ou distribuio de probabilidade
da v.a. discreta X se:
i) f ( xi ) 0, para todo i ;
ii)
f (x ) 1
i
i 1
F xk P X X k P X x1 P X x2 P X xk P X xi .
i 1
2
0,8
3
0,9
4
1,0
19
Exemplo 3: Se uma agncia vende 50% de seu estoque de carro importado com airbag,
determine a funo de probabilidade e a funo de distribuio acumulada para a varivel nmero
de carros com airbags entre os prximos 4 carros vendidos na agncia.
Resoluo: Seja A carro vendido tem airbag e S o carro vendido sem airbag. Como 50% dos
carros vendidos tem airbag, ento P(A) = P(S) = 0,5. O espao amostral possui 24 = 16 pontos. A
v.a. nmero de carros com airbag entre os 4 vendidos pode assumir os valores 0, 1, 2, 3, 4. O
numero de maneiras de se obter cada valor no espao amostral :
0 C40 1 maneira
1 C41 4 maneiras
2 C 42 6 maneiras
3 C43 4 maneiras
4 C 44 1 maneira
C4x
; x = 0,1,2,3,4
16
ou na tabela,
Tabela: Funo de probabilidade para a v.a. nmero de carros com airbag.
X
PX x
i
i 1
P[X = x]
1/16
4/16
6/16
4/16
1/16
i) f x 0, x ;
ii)
f x dx 1 .
Observao:
P a x b P a x b P X a P X b
b
P a x b P a x b f x dx
F x P X x
f (t )dt .
dF ( x)
F '( x)
dx
e) F 0
f) F 1
g) F(x) uma funo no decrescente.
x2
, -1< x < 2
f ( x) 3
0,
caso contrario
E ( X ) xf ( x ) xp( x) ,
x
se X for discreta; e
E(X )
xf ( x)dx ,
se X for contnua.
2) Em um jogo de azar, um homem recebe $5 se consegue trs caras ou trs coroas, quando trs
moedas so jogadas, e paga $3 quando uma ou duas caras so obtidas. Qual o seu ganho
esperado? O jogo pode ser considerado justo?
3) Seja X a varivel que denota a vida, em horas, de certo equipamento eletrnico, com fdp:
20.000
, x > 100
f (x) x 3
0
, caso contrrio
Qual o tempo mdio de durao do equipamento?
22
Var ( X ) 2 f ( x) ( x ) 2 E ( X 2 ) E ( X ) ; e
x
f ( x) :
Var ( X ) 2
2
2
( x ) f ( x)dx E ( X ) E ( X ) ,
Exemplos:
1) Seja X a varivel aleatria discreta nmero de automveis usados com propsitos comerciais
durante um dia de trabalho. A distribuio de probabilidades para as empresas A e B esto nas
tabelas a seguir.
x
f(x)
Empresa A
1
2
0,3
0,4
3
0,3
x
f(x)
EmpresaB
0
1
0,2
0,1
2
0,3
3
0,3
4
0,1
23
Exemplos.
1) Quando selecionamos aleatoriamente uma lmpada, em uma caixa com 4 lmpadas, sendo uma
de 40, uma de 60, uma de 75 e uma de 100 watts, cada elemento do espao amostral ocorre com
probabilidade de 1 . Portanto, temos a varivel aleatria X com distribuio uniforme:
4
1
f (x; 4) P X x ; x = 40, 60, 75, 100.
4
6
1
6
1
6
1
1
6
6
1
6
1
16
24
2. Distribuio de Bernoulli
Considere uma nica realizao de um experimento aleatrio, no qual se pode obter
sucesso, com probabilidade p ou fracasso com probabilidade q, sendo p + q = 1. Seja a v.a. X igual
ao nmero de sucessos em uma nica tentativa. Ento:
O, fracasso com P(X 0) q
X
1, sucesso com P(X 1) p
Nessas condies a v. a. X tem distribuio de Bernoulli e sua funo de probabilidade dada por:
P(X x) p x q1 x ; sendo q = 1- p.
E ( X ) xP( X x) 0q 1 p E ( X ) p
Var ( X ) p (1 p ) pq
x 0
2) Uma urna contm 4 bolas vermelhas e 6 brancas. Uma bola extrada, observada sua cor e
reposta na urna. Numa nica extrao somente dois resultados podem ocorrer: bola vermelha ou
bola branca.
a) Defina uma varivel aleatria X neste experimento e indique o modelo de distribuio de
probabilidades mais adequado para descrever seu comportamento.
b) Determine a funo de probabilidade de X e seu respectivo grfico.
c) Determine a funo de distribuio de X e seu respectivo grfico.
d) Determine a esperana matemtica e a varincia de X. Interprete essas medidas.
25
3. Distribuio Binomial
uma generalizao da distribuio de Bernoulli. a mais importante das distribuies tericas
de probabilidade para variveis discretas. So realizados n ensaios independentes de Bernoulli. A
probabilidade de sucesso em cada ensaio constante. Como as probabilidades p de sucesso se
mantm constantes em cada ensaio, a distribuio binomial indicada para os casos em que a
amostragem feita com reposio.
Definio: Seja a varivel aleatria X que conta o nmero total de sucessos obtidos numa
seqncia de n ensaios independentes de Bernoulli. A varivel X segue uma distribuio binomial
com parmetros n e p, denotada por X ~ b(x; n, p), e tem funo de probabilidade:
b(x; n, p) P(X x) ( nx )p x q n x C xn p x q n x , x = 0, 1, 2, ..., n
n o n de repeties do experimento;
x o n desejado de sucessos;
n - x o n esperado de fracassos;
p a probabilidade de sucesso num ensaio individual;
1 p a probabilidade de fracasso num ensaio individual;
Exemplos:
1. A probabilidade de um produto fabricado no atender as especificaes de projeto igual a 5%
(produto no-conforme). So selecionadas ao acaso 8 unidades deste produto.
a) Defina uma varivel aleatria X neste experimento e indique o modelo de distribuio de
probabilidades mais adequado para descrever seu comportamento probabilstico.
b) Determine a funo de probabilidade de X e seu respectivo grfico.
c) Determine a funo de distribuio de X e seu respectivo grfico.
d) Determine a esperana matemtica e a varincia de X. Interprete essas medidas.
e) Qual a probabilidade de no mximo 5 no atenderem as especificaes?
f) Qual a probabilidade de pelo menos 3 no atenderem as especificaes?
26
4. Distribuio Poisson
A distribuio Poisson ocorre quando se deseja contar o nmero de eventos de um certo
tipo, verificados em um intervalo de tempo, de superfcie (rea) ou volume. Uma varivel aleatria
X com distribuio Poisson pode assumir infinitos valores no conjunto dos inteiros positivos (v.a.
discreta).
Exemplos de variveis de Poisson:
- Nmero de telefonemas recebidos por hora em um escritrio.
- Nmero de bactrias por unidade de rea em uma lmina.
- Nmero de erros de digitao por pgina.
- Numero de falhas de um computador em um dia de operao.
Uma varivel aleatria X com distribuio Poisson tem:
funo de probabilidade:
f (x; ) P(X x)
parmetros: x E(X)
Var(X)
e x
x!
2) Em certa instalao industrial, acidentes ocorrem com baixa freqncia. Sabe-se que a
probabilidade de um acidente em certo dia de 0,005, e os acidentes so independentes uns dos
outros.
a) Qual a probabilidade de que, em qualquer perodo de 400 dias, haja 1 acidente em um dia?
0,271
b) Qual a probabilidade de que haja no mximo trs dias com acidente? R. 0,857
4. Distribuio Geomtrica
aplicada nas mesmas condies da binomial exceto pelo fato de que o nmero de
tentativas no fixo. Utilizada quando desejamos saber a probabilidade que o primeiro evento de
27
sucesso ocorra na tentativa de nmero x. Desta forma, antes do evento x (sucesso) com
probabilidade p, tivemos (x-1) fracassos, com probabilidade q = 1 p.
A v.a. X, definida como sendo o nmero de tentativas necessrias para se obter o primeiro sucesso,
segue a distribuio geomtrica, e sua funo de probabilidade ser:
P(X x) pq x 1
Parmetros:
E(X)
1
p
Var(x)
q
p2
Observe que quanto menor for o valor de p (probabilidade de sucesso), maior ser o nmero de
experincias at o primeiro sucesso.
Essa distribuio muito utilizada em processos de controle de qualidade, e a varivel , muitas
vezes, denominada de v.a. discreta de tempo de espera, pois representa a espera, em termos do
nmero de falhas, at que ocorra o primeiro sucesso.
Exemplos
1) Um rapaz est numa festa e sabe que a probabilidade de uma menina aceitar um convite para
danar 0,2. Quantas recusas ele espera receber antes de conseguir uma parceira de dana?
A probabilidade de sucesso p = 0,2 e a probabilidade de falha, q = 1 0,2 = 0,8. A mdia
dada por: E(X) = 1/ p = 1/0,2 = 5. Portanto, ele pode esperar 4 negativas antes de achar uma
parceira.
2) Um casal recorreu a uma tcnica de inseminao artificial, cuja eficincia de 20% e o custo de
cada inseminao de U$ 2000.
a) Qual a probabilidade de o casal ter xito na primeira inseminao?
b) Qual o custo esperado para se engravidar por este mtodo?
28
6. Distribuio hipergeomtrica
Aplicada em situaes onde se vai proceder extraes casuais sem reposio, de uma
populao que apresenta dois atributos (sucesso e fracasso). muito utilizada em testes de
amostragem por aceitao (de produtos), testes eletrnicos e garantia de qualidade, em que o item
testado destrudo e no pode ser reposto.
Considere uma populao de N objetos, r dos quais tem o atributo A e N r tem o atributo
B. Um grupo de n elementos selecionado ao acaso sem reposio. Estamos interessados em
calcular a probabilidade de que este grupo contenha X elementos com o atributo A. Esta
probabilidade ser dada por:
C xr C nNxr
P(X x)
C nN
Parmetros: p
r
;
N
E ( X ) np;
Var ( X ) npq
N n
N 1
c) E ( X ) n. p 5.0,1 0, 5
N n
100 5
5.0,1.0,9.
10, 68
n 1
5 1
Desvio padro 3, 27
Var ( X ) n. p.q.
Exemplo 2: Uma remessa de 800 estabilizadores de tenso adquirida por uma Empresa. So
inspecionados 20 aparelhos da remessa, que ser aceita se ocorrer no mximo um defeituoso. H
80 defeituosos no lote. Qual a probabilidade do lote ser aceito? 0,3884
29
f (x) b a
0
axb
caso contrrio
b
(b a ) 2
Var ( X )
;
12
ab
E( X )
;
2
f ( x) 1
(rea do retngulo)
f(x)
1/(b-a)
a
b
x
Figura 1 Funo Densidade de Probabilidade para a Distribuio Uniforme
F(x)
2. Distribuio normal
A distribuio normal ou de Gauss ou Gaussiana uma das mais importantes distribuies
da estatstica. Alm de descrever uma srie de fenmenos fsicos, naturais, financeiros, nas
indstrias e nas pesquisas em geral, possui grande uso na estatstica inferencial. inteiramente
descrita por seus parmetros mdia e desvio padro , ou seja, conhecendo-se estes possvel
determinar qualquer probabilidade em uma distribuio Normal.
- Seu grfico tem a forma campanular (sino)
- uma distribuio simtrica em relao mdia
- duplamente assinttica em relao ao eixo das abscissas
- Tem dois pontos de inflexo que correspondem media desvio padro.
30
Uma varivel aleatria contnua X tem uma distribuio normal ou gaussiana se a funo
densidade de probabilidade for dada por:
f (x)
1
2
( x ) 2
2 2
f ( x )dx 1
Notao: X~N( , 2): X tem distribuio normal com mdia =E(X) e varincia Var(X) = 2.
Probabilidades (reas) especiais:
P( x x ) 0, 68 ; P( x 2 x 2 ) 0, 95 ; P( x 3 x 3 ) 0,99
f (x)dx
( x ) 2
1
2
P(a x b) f (x)dx
e 2 dx
2
a
a
A integral no pode ser resolvida analiticamente.
1 (Z)2
e
2
; sendo Z
X
.
Com esta densidade, possvel resolver a integral e calcular probabilidades de intervalos, que
podem ser tabelados para a varivel Z. A varivel X transformada na varivel Z, j que a
transformao preserva a rea abaixo da curva, ou seja, P(x1 x x 2 ) P(z1 Z z 2 ) ,
X
X
sendo Z1 1
e Z2 2
.
P(0 Z z )
31
b) P(Z>1,96)
d) P(Z< - 1,33)
f) P( -1,00 < Z < 1,45)
b) P( Z < k) = 0,9949
d) P(Z> K) = 0,8997
Exemplo1. Os registros indicam que o tempo mdio para se fazer um teste aproximadamente
normal, com mdia de 50 min e varincia 20 min2. Nestas condies, determinar:
a) a porcentagem de candidatos que levam menos de 45 min.
b) se o tempo concedido de 1h, que porcentagem no conseguir terminar o teste.
Exemplo 3. A nota mdia em um exame 74, e o desvio padro 7. Se 12% da classe recebe A e
as notas seguem uma distribuio normal, qual o A mais baixo possvel, e o B mais baixo
possvel (inteiros)? R: 83 e82
32
3. Distribuio exponencial
A distribuio exponencial tem ampla aplicao em engenharia. muito usada para
modelar o tempo e o espao entre ocorrncias de um evento Poisson.
- Exemplo: v.a. X nmero de veculos que passam por um cruzamento (X ~Poisson);
v.a. T tempo entre as chegadas desses veculos no cruzamento (T ~ exponencial).
Usada para calcular tempo de falhas.
- Exemplo: intervalo de tempo entre o instante em que uma pea foi sujeita a esforo mecnico e o
instante em que ocorreu a falha.
Uma v.a. contnua tem X tem distribuio exponencial com parmetro se sua fdp dada
por,
1 x
e ; se x 0
f x,
0;
caso contrrio
Mdia e varincia: E ( X ) X ;
Var ( X ) X2 2 .
Exemplo 1. A durao em horas de certo equipamento segue a distribuio exponencial com fdp
x
1 500
e ; se x 0
f x 500
0;
x<0
P(X 500)
f (x)dx =
(R: 0,3678)
500
Exemplo 2. Um sistema possui certo tipo de componente, cujo tempo, em anos, at a falha
modelado pela distribuio exponencial, com tempo mdio at a falha de 5 . Se cinco desses
componentes so instalados em sistemas diferentes, calcule a probabilidade de que pelo menos
dois ainda estejam funcionando aps 8 anos, sendo que o nmero de componentes funcionando
segue a distribuio binomial. R : 0,2627
33
N1 , N 2 ,, N L e N N1 N 2 N L N h
h 1
n h
Nh
L
N
h
h 1
Exemplo: Suponha que uma empresa hoteleira deseja realizar uma pesquisa com os seus 84
funcionrios, em que 25 pessoas so do sexo feminino (F) e as 59 restantes do sexo masculino
(M). Estabelecendo n 9 (10% no mnimo), encontre o nmero de mulheres e de homens que
devem ser entrevistados.
3. Amostragem Sistemtica
Enumeram-se todos os elementos da populao 1, 2,, N e sorteia-se um primeiro
elemento i para formar parte da amostra. Os demais so retirados em uma progresso
aritmtica, saltando r elementos, at completar o total da amostra (n). O valor r chamado
passos de amostragem e determinado por: r = N/n. O primeiro elemento deve ser sorteado entre
os r primeiros.
Exemplo: Uma rua contm 1000 prdios, dos quais desejamos obter uma amostra sistemtica
formada por 100 deles.
35
Distribuies amostrais
Considerem-se todas as amostras possveis de tamanho n que podem ser retiradas de uma
populao de tamanho N (com ou sem reposio). Para cada amostra pode-se calcular uma
grandeza estatstica, como a mdia, o desvio padro etc., que varia de amostra para amostra. Com
os valores obtidos para determinada grandeza, podemos construir uma distribuio de
probabilidades, que ser denominada de distribuio amostral.
Exemplo: Suponha uma v.a. X uniforme, com possveis valores 1, 2, 3 (N=3). Retirar todas as
amostras possveis de tamanho n = 2, com reposio, e calcular a mdia em cada uma delas. Obter
a distribuio amostral da mdia e a distribuio de x. Fazer os grficos e comparar.
Distribuio de X.
x
p (x)
13
13 13
36
X X X X
a N 0,1 .
X
n
A aproximao adequada para amostras maiores ou iguais a 30 n 30 . Quanto maior o
E X X e X
Se a v.a. X tem distribuio normal tem-se,
2
X N X , 2X X N X X , 2X
n
N n
.
N 1
X X
N 0,1
X X X X
S2
, em que S o desvio padro amostral.
X t X X , S 2X
; t
S
n
SX
n
O valor de t associado s probabilidades pode ser obtido na tabela t de Student, em funo
do nmero de graus de liberdade v, sendo v = n 1gl.
37
2 2
x1 x2 N X 1 X 2 X 1 - X 2 , 2X 1x 2
;
n1 n2
x1 x2 X 1 X 2
2 2
n1 n2
a N 0,1 .
Exemplo: Um tratamento qumico A garante durao mdia de 1400h para um pea, com desvio
padro de 200h.Um tratamento B garante durao mdia de 1200h com desvio padro de 100h. Se
forem amostradas 125 unidades de peas de cada tratamento, determine as probabilidades.
a) de um elemento de cada tratamento durar mais que 1600h.
b) da mdia da amostra A durar mais que 1420h.
c) de os elementos da amostra A terem vida mdia superior aos de B em pelo menos 160h.
(n 1)S2
2
e P 2 2 .
38
Exemplo: Uma mquina est regulada para empacotar um produto com mdia de 500g e desvio
padro de 10g. Em uma amostra de 16 pacotes, qual a probabilidade da varincia ser,
a) maior que 48,407?
b) menor que 121,63?
S22
12
22
S12 22
e P F F (v1 , v 2 ) (rea acima)
12S22
Se F (v1 , v 2 ) o valor de F com v1 e v2 gl, (valor que deixa uma rea acima dele), ento,
F1 (v1 , v 2 )
1
( valor que deixa uma rea ( 1 ) acima dele).
F (v 2 , v1 )
S2
a) P 12 2, 702
S2
S2
b) P 0,594 12 3, 094
S2
39
B
. Retirando-se uma amostra aleatria de tamanho n, e sendo Y o nmero de
N
p p
p(1 p)
p N p p , 2p
e
a
estatstica
Z
n
p
p p
a N 0,1
p (1 p )
n
Exemplo. Suponha que 30% dos alunos de um curso da ufu sejam mulheres. Em uma amostra
aleatria de 10 alunos desse curso, calcula-se a proporo p de mulheres. Calcule a probabilidade
de que p seja diferente de p em pelo menos 0,01. R: 0,056
P x
O valor de n encontrado n
Z2 2
2
Exemplo. Suponha que uma amostra piloto de n = 10 seja extrada de uma populao, fornecendo
x 15 e S2 16 . Determine o tamanho da amostra para que se tenha 0,5 e 0,95 .
40
Teoria da estimao
A teoria da estimao baseia-se na estimao por ponto e estimao intervalar.
Estimao por ponto (estimao pontual): um nico valor numrico usado como estimativa
pontual do parmetro populacional. Um estimador, q , do parmetro q uma funo qualquer dos
elementos da amostra. Estimativa o valor numrico assumido pelo estimador quando os valores
observados so considerados. Assim,
n
X
i
populacional.
Estimao intervalar (intervalos de confiana): Um intervalo de valores usado para estimar o
parmetro populacional desconhecido. Atribui-se uma confiana (ou probabilidade) de que o
verdadeiro valor do parmetro esteja contido nesse intervalo, que determinado com base na
distribuio amostral do estimador.
S
S
S
IC ; (1 ) x Z
; x Z
.
n
n
n
2
2
2
O tamanho da amostra para se estimar com uma confiana dada e um erro prefixado :
e Z
Z S
n0 2
e n
n0
.
n0
1
N
e t
2
S
n
S
S
IC ; (1 ) x t
; x t
.
n
n
2
2
t S
Dimensionamento da amostra: n0 2
e n
n0
.
n0
1
N
41
Exemplos
1. A concentrao de zinco em uma amostra de material de36 locais diferentes 2,6 gramas por
mililitro com desvio padro de 0,3 gramas.
a) Determine intervalos de confiana de 95% e 99% para a verdadeira concentrao mdia de
zinco.
b) Se desejamos estar 95% confiantes de que a estimativa de esteja distante por menos de 0,05,
qual deve ser o tamanho da amostra.?
2. Os contedos de cido sulfrico em 7 contineres similares so: 9,8; 10,2;10,4; 9,8; 10; 10,2;
9,6, em litros. Determine um IC de 95% de confiana para a verdadeira mdia de todos os
contineres.
com
uma
confiana
xB e; xA xB e , ou seja,
e Z 2
A2 B2
n A nB
IC A B : X A X B t 2; nA nB 2 S p
100(1 )%
1
1
n A nB
Sp
nA 1 S A2 nB 1 S B2
n A nB 2
IC P : p z 2
100(1 )%
pq
n
IC PA PB : p A p B z 2
100(1 )%
p A q A p B qB
nA
nB
Regras de deciso envolvendo Intervalo de Confiana (IC) para diferena entre duas mdias
ou duas propores.
i) Se o IC incluir o zero, ento, A B ou pA pB .
ii) Se os extremos do intervalo forem negativos, ento, A B ou p A pB .
iv) Se os extremos do intervalo forem positivos, ento, A B ou pA pB .
Exemplos.
1) Dois motores A e B foram comparados. O motor A, em 50 experimentos, apresentou milhagem
mdia de 36 milhas/galo de combustvel, com desvio padro de 6 milhas. O motor B, em 75
experimentos apresentou milhagem mdia de 42 milhas/galo, com desvio padro de 8. Determine
um intervalo de confiana de 96% para B A . Decida com base no IC se existe diferena entre
as mdias.
43
2
2
1
S
n
1
S
IC 2 ; (1 ) : 2
;
; considerando uma amostra de tamanho n.
2
; v n 1 1 ; v n 1
Exemplo Sabe-se que o tempo de vida de certo aparelho tem distribuio aproximadamente
normal. Uma amostra de 25 aparelhos forneceu uma mdia de 500 horas e desvio padro de 50
horas. Construa um intervalo com confiana de 98% para 2 . R: (1,396; 5,527)
Intervalo de confiana para a razo entre duas varincias 12 22 .
Se S12 e S 22 so as varincias de amostras aleatrias de tamanhos n1 e n2, respectivamente,
provenientes de duas populaes normais independentes, com varincias desconhecidas 12 e 22 ,
ento um intervalo de confiana de 100(1 - )% para o quociente (razo) de varincias dado por:
IC
2
1
S2
1
S12
1
;(1 ) : 2
; 2 F 2; v2 , v1
S2 F 2; v1 , v2 S2
2
2
44
Teoria da deciso
Teste de Hipteses
O teste de hiptese uma regra de deciso para que permita aceitar ou rejeitar uma
hiptese estatstica, com base nos dados amostrais. O objetivo verificar se os dados amostrais
trazem evidncia que apiem ou no uma hiptese formulada.
Definies
Hiptese estatstica: suposio quanto ao valor de um parmetro populacional, ou quanto
natureza da distribuio de probabilidade de uma varivel populacional.
Exemplos: O peso mdio 50. ( 50)
O nmero de pacientes atendidos segue uma distribuio de Poisson.
A proporo de eleitores favorveis a um candidato 0,70. ( p 0, 70)
Tipos de Hipteses
a) Hiptese nula ou de nulidade H 0 : geralmente uma igualdade ou afirmao positiva com
relao ao parmetro populacional.
b) Hiptese alternativa H a ou H1 : afirmao que geralmente envolve a desigualdade e contradiz
H0 .
Com base em H1 define-se a regio crtica (RC) do teste ou regio de rejeio de H 0 (RR H 0 ).
Tipos de testes
Supondo que o parmetro de interesse seja a mdia (testar o valor 50kg )
a) Teste de hiptese bilateral
H 0 : 50
H1 : 50
45
Regra de deciso: Se o valor calculado da estatstica do teste estiver na regio crtica, deve-se
rejeitar a hiptese nula. Se o valor calculado da estatstica estiver na regio de aceitao de H0, no
se pode rejeitar a hiptese nula.
Testes de hipteses para a mdia
a) Teste de hiptese para mdia de uma populao Normal.
H 0 : 0
H1 : 0
H 0 : 0
ou
H1 : 0
H 0 : 0
ou
H 1 : 0
X 0
Teste de hiptese para diferena entre mdias de populaes Normais com varincias
populacionais conhecidas.
Estatstica do teste: Z calc
H 0 : 1 2
H1 : 1 2
ou
X 2 1 2
12 22
n1 n2
H 0 : 1 2
H1 : 1 2
ou
H 0 : 1 2
H1 : 1 2
(X 1 X 2 ) ( 1 2 ) ;
s p 1 / n1 1 / n 2
Sp
n A 1 S A2 nB 1 S B2 ;
n A nB 2
v n1 n 2 2
46
i 1
oi
f ei
f ei
Teste de independncia
47
baixa
182
154
336
mdia
213
138
351
alta
203
110
313
total
598
402
1000
48
SPxy
Sxx
Syy
; em que,
49
n n
xi yi
n
SPxy xi yi i 1 i 1
n
i 1
n
n
x
i
yi
n
n
i 1
2
2
; Sxx xi
; Syy yi i 1
n
n
i 1
i 1
Quando existe uma relao linear entre uma varivel dependente (varivel resposta) e uma
varivel independente (preditora ou explicativa), ajusta-se um modelo de regresso linear simples.
Caso exista uma relao linear entre uma varivel dependente e duas ou mais variveis
independentes, ajusta-se um modelo de regresso linear mltipla.
Havendo relao linear entre as variveis, o modelo de regresso linear tem o objetivo de
descrever essa relao, podendo ser usado para fazer inferncias sobre valores no observados. A
estimao (previso) de valores de y no deve ser feita para valores de x que estejam fora do
intervalo considerado na regresso.
O modelo estatstico de uma regresso linear simples :
yi b0 b1 xi ei
yi : representa o i-simo valor observado;
xi : representa a varivel independente, i = 1, 2, ..., n;
i : o erro no observvel associado a i-sima observao;
0 b0 y 1 x
SPxy
1 b1
Sxx
50
Exemplo 1: Com os dados a seguir, desenvolva uma equao de regresso estimada que possa ser
usada para prever o custo total de determinado volume de produo.
Volume de produo (unidades)
400
450
550
600
700
750
Custos totais
4.000
5.000
5.400
5.900
6.400
7.000
51
SQTotal ( yi y ) y
2
2
i
i1
i1
SPxy
SQ Re g ( y i y ) 2
Syy ;
i 1
Sxx
SQErro ( yi y i ) 2
SQTotal
SQReg
i 1
r2
SQ Re g
; 0 r2 1
SQtotal
b1
.
QME Sxx
Pode-se testar tambm o parmetro 0. Mas, o fato de 0 ser significativo no implica que existir
uma relao linear significativa entre x e y.
H : b 0
b0
Estatstica do teste: tc
Hipteses: 0 0
H1 : b0 0
QME
2
i
nSxx
i 1
H 0 : r 0
H1 : r 0
Regra de deciso: rejeitar a hiptese nula = 0 se o valor absoluto da estatstica de teste excede
os valores crticos (Tabela de t com n - 2 gl).