Questes para Discusso Quais so os trs sentidos usuais da palavra "estatstica"?

1.

Estatstica no sentido de coleo de dados, nesse sentido, a palavra pode tanto ser usada no singular como no plural. Em um sentido bastante conhecido, a estatstica indica um campo de estudo e de profissionalizao. Mais precisamente:

2.

"Estatstica o campo de estudo que diz respeito ao desenvolvimento e aplicao de tcnicas para coletar, organizar e interpretar dados, bem com tirar concluses baseadas nesses dados".
3.

Estatstica como uso tcnico por excelncia, como disciplina de estudo.

Como a Estatstica se divide e do que trata cada uma dessas divises? A estatstica se divide em dois grandes ramos: Estatstica Descritiva e Estatstica Inferencial. Estatstica Descritiva - a coleta, organizao e a interpretao dos dados. A estatstica descritiva, trabalha tanto quanto possvel com modelos, que nada mais so do que formas de organizao dos dados, s quais se procura adaptar os dados reais. Estatstica Inferencial - a retirada de concluses, cujo alcance vai geralmente alm dos dados que foram coletados, a funo bsica desse ramo da Estatstica. Afirma-se que as concluses transcendem os dados porque, via de regra, so uma amostra de uma populao maior. Por populao (ou universo) entendemos toda a coleo de pessoas, objetos, situaes ou dados de nosso interesse. Se essa populao for muito grande, mais conveniente retirarmos uma parte dela para estudo, essa parte a amostra. A partir da anlise da amostra, a estatstica inferencial tira concluses sobre a populao. O que uma distribuio de frequncia? O que distribuio de frequncias absoluta e frequncia relativa? Distribuio de Frequncias - de uma maneira geral, uma distribuio de frequncias de certa grandeza consiste em um conjunto de valores (ou faixa de valores) da grandeza associado ao nmero de ocorrncias de cada valor (ou de cada faixa de valores ). Frequncia Absoluta - nmero de ocorrncias para cada valor ou faixa de valores da grandeza. Frequncia Relativa - cada frequncia absoluta dividida pelo total das frequncias absolutas, que pode ser deixado na forma de frao ou colocada na forma de porcentagem. Cite algumas regras bsicas na diviso dos valores de uma grandeza em classes. Durante a diviso dos valores de uma grande em classes, devemos determinar quantas classes sero usadas e tambm a sua amplitude. Usa-se algumas regras bsicas, que so particularmente teis, citadas abaixo:

1. 2. 3. 4.

As classes tem que conter todos os dados. Cada valor de grandeza s pode pertencer a uma nica classe. Tanto quanto possvel, os intervalos de classe devem ter a mesma amplitude. Tentar fazer com que o nmero de classes seja maior ou igual a seis e menos ou igual a 15.

Existe uma regra mais precisa sobre o nmero de classes. Podemos cham-la de regra da raiz quadrada. Segundo essa regra, o nmero de classes de ser prximo raiz quadrada do nmero de observaes coletadas para a grandeza. Definir limites , ponto mdio e intervalo de classes. Limites - chama-se de limites de uma classe os valores que iniciam e encerram a classe. O valor de incio o limite inferior e o valor de trmino o limite superior. Ponto Mdio - o ponto mdio de uma classe a mdia aritmtica entre os limites superior e inferior da classe. Intervalo de Classes - se as classes forem todas iguais, o intervalo de uma classe pode ser obtido como a diferena entre o pontos mdios de duas classes consecutivas. Como obtido o histograma? E o polgono de frequncias? Quando se usa o grfico de barras? O histograma uma representao grfica da distribuio de frequncias. O histograma construdo comeando-se por marcar em abscissas os limites inferiores e superiores das classes. Para uma dada classe, os limites definem o lado de um retngulo cuja altura ser proporcional frequncia absoluta ou relativa das classe. O histograma o conjunto de retngulos assim construdos. A disposio visual, que lembra o perfil, facilita o imediato reconhecimento das classes com frequncias particularmente altas ou baixas, mostrando eventuais concentraes de valores. O que so distribuies de frequncias acumuladas tipo "ou menos" e "ou mais"? Frequncias acumuladas do tipo "ou menos": para o limite superior de cada classe, somam-se, frequncia da classe, as frequncias absolutas ou relativas de todas as classes anteriores. Frequncias acumuladas do tipo "ou mais": para o limite inferior de cada classe, somam-se, frequncia da classe, as frequncias absolutas ou relativas de todas as classes posteriores. Quais so as mais importantes medidas de tendncia central? D uma rpida ideia de como so calculadas para o caso de uma distribuio de frequncias onde a varivel dividida em classes. Medidas de Tendncias Central - servem para dar uma ideia acerca dos valores mdios da grandeza. As mais importantes medidas de tendncia central so mdia aritmtica, ou simplesmente mdia, mediana e moda. Mdia Aritmtica

Dada um conjunto de observaes dos valores de uma grandeza, a mdia aritmtica definida como a soma desses valores dividida pelo nmero de observaes
[Equao]

Se cada valor de [Equao] estiver associado a uma frequncia dada [Equao] ento a mdia ser,

[Equao]

Onde n, neste caso, a soma das frequncias, sejam elas absolutas ou relativas. Se os valores da grandeza esto agrupados em classes, a mdia ser obtida com o auxlio dos pontos mdios [Equao] de cada classe. Sendo pois [Equao] o ponto mdio da classe, [Equao]frequncia e n a soma das frequncias, a mdia ser,
[Equao]

Mediana Dada um conjunto de nmeros colocados em ordem crescente, define-se a mediana como o valor central do conjunto. Em outras palavras, a mediana o valor tal que 50% dos valores caem abaixo e 50% caem acima da mediana. Se o conjunto tiver um nmero par de valores em posio mdia, os pontos mdios satisfazem a definio de mediana. Por conveno, adota-se como mediana o ponto mdio entre os dois valores centrais. Quando a grandeza assume valores discretos aos quais esto associadas as frequncias resoectivas, no h problema algum na determinao da mediana. Com os nmeros em ordem crescente, somamos as frequncias respectivas. Chamamos de n o total das frequncias, a mediana ser o nmero tal que contenha a frequncia acumulada (n+1)/2. Quando os valores da grandeza so colocados em classes, no ser possvel conhecer o valor real da mediana, mas uma estimativa pode ser calculada. Novamente, denotando por n a soma das frequncias, a classe onde cair a observao de nmero (n+1)/2 chamada de classe mediana. A estimativa da mediana ser uma valor da grandeza dentro classe mediana, dado por,
[Equao]

Onde
[Equao] = o limite inferior da classe mediana.

i = o intervalo da classe mediana. [Equao] = o nmero de observaes (frequncias) da classe mediana. n = soma total das frequncias [Equao] = a frequncia acumulada at a classe que precede imediatamente a classe mediana. Moda A moda o valor que ocorre mais frequentemente.

Quando os valores da grandeza esto agrupados em classes com frequncias determinadas, define-se classe modal como aquela que apresenta a maior frequncia. A moda ento o ponto mdio da classe modal. Explique como so calculadas a varincia e o desvio padro. Varincia Define-se varincia de uma populao de medidas como sendo a soma dos quadrados das diferenas entra cada medida e sua mdia, dividia pelo tamanho da populao.
[Equao]

Sendo [Equao] cada uma das medidas, [Equao] a sua mdia e N o tamanho da populao (nmero de medidas). No caso de uma situao de amostragem, no conhecemos a mdia real [Equao] e somos obrigados a lanar mo da mdia da amostra [Equao].
[Equao]

Temos de considerar, por ltimo, o caso em que os dados esto agrupados por classes, quer representem esses dados a prpria populao quer uma sua amostra. Os pontos mdios [Equao] das classes substituem os valores individuais [Equao]. Varincia da Populao
[Equao] [Equao] = frequncia de cada classe. [Equao] = ponto mdio de cada classe. [Equao] = mdia da distribuio.

N = soma das frequncias. Lembrar que a prpria mdia da distribuio obtida com o auxlio dos pontos mdios das classes. Varincia da Amostra
[Equao]

x = mdia da amostra. n = soma das frequncias. Desvio Padro O desvio padro de uma populao de medidas definido simplesmente como a raiz quadrada positiva da varincia (em qualquer caso) e indicada pela letra grega . Conceitue experimento, espao amostral e evento. Experimento - chama-se de experimento qualquer processo de observao.

Resultados - os resultados so os dados obtidos com um experimento. Os resultados podem ser numricos ou no. Espao Amostral (Universo S) - o conjunto de todos os resultados de um experimento. Algumas vezes, por analogia, o espao amostral pode ser pensado como sendo constitudo de pontos em um plano. Essa analogia pode ser bastante til para ajudar a entender vrias ideias. Eventos - qualquer conjunto (combinao) de resultados tomados de um espao amostral. Conceitue:
1. 2. 3. 4. 5.

Eventos mutuamente exclusivos Interseco de dois ou mais eventos Unio de dois ou mais eventos Complemento de um evento X em relao ao espao amostral Diagrama de Venn Eventos Mutuamente Exclusivos

1.

Dois eventos so mutuamente exclusivos quando no tem resultado comum. De forma diferente, dado um resultado, se ele pertencer a um dos conjuntos mutuamente exclusivos, seguramente no pertencer ao outro.
2.

Interseco de dois ou mais Eventos

A interseco de dois eventos uma terceiro evento que possua resultados que pertenam simultaneamente aos dois eventos que se interseccionam. Quando dois eventos, so mutuamente exclusivos, e, portanto, no tem resultado comum, a sua interseco o chamado evento ou conjunto nulo.
3.

Unio de dois mais Eventos

A unio de dois eventos um terceiro evento que contm simultaneamente todos os resultados dos dois que se unem. A unio de dois eventos mutuamente exclusivos no um evento vazio, a menos que os dois eventos originais sejam ambos vazios.
4.

Complemento de um Evento X em Relao ao Espao Amostral

O complemento de uma evento X consiste de todos os resultados do espao amostral que no esto contidos em X.
5.

Diagrama de Venn

diagrama de Venn um auxilio grfico onde o espao amostral representado por um retngulo e os eventos so representados por crculos. Conceitue probabilidade sob os pontos de vista frequencialista e subjetivista.

Existem duas concepes teis sobre o que seja a probabilidade de um evento a viso frequencialista e a viso subjetivista. Viso Frequencialista - probabilidade de um evento a proporo do tempo (ou frequncia relativa) com a qual o evento ocorre ao longo do tempo. Essa definio pressupe que houve oportunidade para que o evento ocorresse muitas vezes no passado. Em algumas dessas oportunidades, o evento realmente ocorreu. Dividindo-se o nmero de vezes que ele ocorreu pelo nmero total de oportunidades em que poderia ter ocorrido, temos a sua frequncia relativa de ocorrncia. Essa frequncia relativa ento tomada como uma estimativa da probabilidade do evento ocorre no futuro, desde que o nmero de observaes tenha sido suficientemente elevado. Viso Subjetivista - muitos eventos no ocorrem com a frequncia desejada para que seja possvel determinar a sua probabilidade segundo a viso frequencialista, no entanto, necessita-se de uma estimativa da sua probabilidade de ocorrncia. Nesse caso, lana-se mo da viso subjetivista da produtividade, onde essa estimada baseada no julgamento de alguma pessoa com o conhecimento e a experincia para tal. Existem ocasies em que, atravs do raciocnio, pode-se chegar probabilidade de um evento de forma indireta, sem o auxlio de experincias ou observaes. Enuncie e comente os trs postulados sobre probabilidade apresentado no texto. Postulado n 1 A probabildade de ocorrncia de qualquer evento se situa entre 0 e 1, ou seja:
[Equao]

Postulado n 2 P(S) = 1 (onde S o espao amostral) Esse postulado equivale a afirmar que a probabilidade de ocorrncia de algum evento (qualquer que seja ele) do espao amostral (que contm todos os eventos) igual a 1. Postulado n 3 Se A e B so eventos mutuamente exclusivos, ento:
[Equao]

Este postulado pode ser estendido a um nmero qualquer de eventos, desde que sejam todos mutuamente exclusivos entre si. Releia as regras I e IV apresentados no texto e enuncie-as com as suas prprias palavras. Regra I P(A') = 1 - P(A)

O complemento de um conjunto de ocorrncias o conjunto de todas as ocorrncias no possveis ou que no aconteceram dentro do conjunto de ocorrncias inicial. Em outras palavras, o complemento de um conjunto de ocorrncias e o prprio conjunto de ocorrncias, so conjuntos mutuamente exclusivos. Regra IV Se dois eventos A e B no so mutuamente exclusivos, ento
[Equao]

Quando dois conjuntos de evento no so mutuamente exclusivos, significa dizer que dentro de cada um dos dois conjuntos existem eventos que ocorrem em ambos, desta forma, a unio de eventos dos conjuntos adotados deve levar em considerao a soma dos eventos de ambos e excluir o nmero de eventos comuns aos dois, desta forma, eliminando a contagem dupla de um mesmo evento. Defina probabilidade condicional de uma evento A em relao a um evento B. A probabilidade condicional liga dois eventos entre si. Se, ao ocorrer um evento B, cogitamos da possibilidade de ter ocorrido tambm o evento A, estamos falando a probabilidade de A "condicionada" ocorrncia de B ou, de maneira diferente, da probabilidade de ocorrer A dado que se sabe que B ocorreu. A probabilidade de A condicionada ocorrncia de B indicada por P(A/B). Explique a ligao entre a distribuio binomial e o processo de Bernoulli. A ligao entre a distribuio binomial e o processo de Bernoulli est no fato de que a distribuio binomial consiste na aplicao sucessiva do processo de Bernoulli, ou seja, uma sequncia de processos de Bernoulli consecutivos e o nmero da sequncia depender da quantidade de amostras que forem adotadas. O processo tem como objetivo a determinao da probabilidade de apenas dois processos, sucesso ou fracasso, em outras palavras, a probabilidade da ocorrncia ou no ocorrncia de determinado parmetro cada vez que seja realizada o experimento ou amostra. Explique com suas prprias palavras o que uma distribuio binomial. Distribuio binomial aquela que resulta do clculo da probabilidade de obter x sucessos em n tentativas (x = 0, 1, 2, 3, ..., n), sendo que cada tentativa isolada um processo de Bernoulli. Pode-se calcular diretamente P(x) atravs da seguinte frmula,
[Equao]

n = nmero de tentativas x = nmero de sucessos em n tentativas p = frao de sucessos na populao D um exemplo de um fenmeno que possa ser descrito por uma distribuio de Poisson. A distribuio de Poisson encontra aplicaes no planejamento da capacidade de postos de servio e no Controle Estatstico da Qualidade.

A aplicao de uma distribuio de Poisson til quando temos que determinar a distribuio de probabilidades de determinado evento e quando a varivel aleatria est referida a uma certa unidade de exposio. Geralmente, nas aplicaes que so interessantes, a unidade de exposio alguma unidade de tempo ou de superfcie, embora, outras unidades sejam possveis. Admite-se que,
1. 2.

Na unidade de exposio, a probabilidade de a varivel tomar um dado valor constante. A probabilidade de a varivel tomar um dado valor independe dos valores que ela assumiu anteriormente, ou seja, cada observao independente das demais.

A probabilidade de a varivel assumir um dado valor x dada por

[Equao]

Onde
[Equao] = valor mdio da varivel por unidade de exposio.

E = base do sistema de logaritmos naturais. Por outro lado, na distribuio de Poisson, a mdia e o desvio padro esto ligados por uma relao muito simples
[Equao]

Qual a utilidade da curva normal reduzida ou padronizada. Se quisermos saber a probabilidade de a varivel assumir valores dentro de um intervalo dado, ou seja, se quisermos saber a rea delimitada pela curva e por dois pontos quaisquer a e b, teremos que proceder ao clculo da integral entre os pontos a e b, conhecendo a funo que define a densidade de probabilidade. Esse clculo complicado e tem de ser feito casa a caso, conforme variem a mdia [Equao] e o desvio padro. Essa complicao levou ao desenvolvimento da curval normal ou reduzida. A curva normal inferior representa a distribuio de uma varivel cujos valores so tradicionalmente indicados pela letra "z". Os valores de z so chamados de valores padronizados. A cada valor de z correspondente um e um s valor de x na curva superior. Os valores z resultam de uma transformao em x, assim obtida,
[Equao]

Graas essa transformao, a mdia da distribuio z igual a zero e o seu desvio padro 1. O que de fundamental importncia que, dados dois pontos a e b, na curva superior a eles correspondero dois pontos [Equao] e [Equao] na normal reduzida. A rea delimitada por a e b, na curva superior, ser a mesma delimitada por [Equao] e [Equao], na normal reduzida. possvel, portanto, transformar (reduzir) qualquer normal dada na normal padronizada. Basta assim tabelarmos as reas sob a curva normal reduzida e podermos calcular as reas para qualquer curva normal que seja dada.