Estatstica II

Estatstica Aplicada
1

REVISES
(Estatstica I / Probabilidade e Estatstica)

Estatstica II
Estatstica Aplicada
2

Experincia Aleatria (ou Fenmeno Aleatrio ou Populao):

procedimento que origina resultados observveis e quantificveis, mas
incertos, devido a ser influenciado pelo acaso: sendo conhecidos todos os
resultados possveis de observar (espao de resultados), no se pode
prever, exactamente, qual ser o resultado da experincia.

Varivel Aleatria (v.a.): a entidade que representa a

populao, cujos valores que assume tm uma correspondncia com o
conjunto dos resultados possveis de obter ao efectuar a experincia
aleatria, e que classificada como
v.a. discreta: assume, apenas, valores numricos pontuais
ou
v.a. contnua: assume todos os valores de um intervalo de nmeros reais.
nota. Uma v.a. designada por uma letra maiscula: X, Y, Z, ....

Estatstica II
Estatstica Aplicada
3

Ao observar a populao, a incerteza associada ocorrncia de um

qualquer acontecimento definido sobre o conjunto de resultados possveis
quantificada pela Probabilidade (ver Anexo diap. 30)
Funo de Distribuio (f.d.): F(x) = P(X x)
Permite, ao efectuar a experincia aleatria, determinar a probabilidade
da v.a. assumir um qualquer valor menor ou igual a x IR.
F(x) = P(X x)
x

Propriedades.
(1) 0 F(x) 1 , x
IR
(2) F no decrescente
(3) F(
)
+)
= 0 ; F(+
+ = 1
(4) P(a < X b) = F(b) F(a) , a, b IR (a < b)
X v.a. continua P(X = a) = 0 , a
IR

Estatstica II
Estatstica Aplicada
4

v.a. discreta Funo Probabilidade (f.p.):

X = {x IR: x = x1, x2, x3, ..., xi , ...}
x

x1

x2

f (x) = P(X = x) P(X = x1) P(X = x2)

...

xi

...

...

P(X = xi)

...

, em que
(1 ) f ( x i ) > 0 , x i
( 2) f ( x i ) = 1
i

f.d.: F(xi) = P(X xi) = P(X = x1) + P(X = x2) + ... + P(X = xi)
P(X = x1)
x1

P(X = x2)
x2

P(X = xi) ...

xi

Estatstica II
Estatstica Aplicada
5

v.a. contnua Funo Densidade de Probabilidade (f.d.p.):

X = { x : x I , I IR }
F ( x ) ,
f (x) =
,
0

x I
, em que (1) f ( x ) 0 , x IR
x I
+

(2)

f ( x ) dx = 1

f (t)

f.d.: F ( x ) = P( X x ) =

f (t ) dt

, x IR

1424
3

Estatstica II
Estatstica Aplicada
6

Parmetros caracterizadores da populao X

Valor Esperado (ou mdia) da v.a. X : E(X) = (expresso em [unidades de x] )
parmetro de localizao que pretende situar o centro da distribuio de
probabilidades; o ponto em torno do qual se dispersam os valores
assumidos pela v.a..
Interpretao: pela definio frequencista de probabilidade, aps a repetio da
experincia aleatria um grande n de vezes, a mdia aritmtica dos resultados
obtidos estar certamente muito prxima do valor esperado da v.a. X.
E1

r1

E2

r2

E3 ... En

r3 ... rn

ri

( n + )

i =1

E( X )

( r1, r2, r3, ..., rn X = { x IR : ... })

Estatstica II
Estatstica Aplicada
7

x i f ( x i )
E( X ) = 1 = i

g (1 )
Momento ordinrio
de ordem 1

X v.a. discreta

X v.a. contnua
Propriedades.
(1) E(c) = c , c
IR
(2) E(cX b) = cE(X) b , c, b
IR
(3) E(X Y) = E(X) E(Y) , X e Y vsas
(4) E(XY) = E(X)E(Y) , X e Y vsas independentes

nota. Momento ordinrio de ordem k (k IN )

,
X v.a. discreta ( f ( x ) = f.p. de X )
xik f ( xi )

i
k

k = E( X ) = +
x k f ( x ) dx = g (k ) , X v.a. contnua ( f ( x ) = f.d.p. de X )

Estatstica II
Estatstica Aplicada
8

Varincia da v.a. X : Var(X) = 2 (expresso em [unidades de x]2)

parmetro de disperso que avalia, globalmente, o afastamento (a
variabilidade) dos valores assumidos pela v.a. X em torno da sua mdia,
E(X).
X
2
2
2
Var ( X ) = 2 = E ( X ) = E X 0

Momento centrado
de ordem 2

) ( )

Momento ordinrio
de ordem 2:

( )

E X2

xi2 f ( xi ) , X v.a. discreta

= 2 = i

g (2 )
, X v.a. contnua

Propriedades.
(1) Var(c) = 0 , c
IR
(2) Var(cX d) = c2 Var(X) , c, d
IR
(3) Var(X Y) = Var(X) + Var(Y) , X e Y vsas independentes

Desvio Padro da v.a. X : = Var( X )

(expresso em [unidades de x])

Estatstica II
Estatstica Aplicada
9

Quantil de ordem : (medida de localizao)

X v.a. discreta:

P(X )

P(X ) 1

(valor assumido pela v.a. X)

Pelo menos, em 100% das realizaes da experincia aleatria, obtm-se

para X um valor inferior ou igual a e, pelo menos, em (1
)
100% das
realizaes da experincia aleatria, obtm-se para X um valor superior ou igual
a .

X v.a. contnua:

f (x)

F(
) = P(X ) =

esquerda do valor est, exactamente, de massa de probabilidade,

encontrando-se a restante massa de probabilidade, 1
, sua direita.

Estatstica II
Estatstica Aplicada
10

Elemento da famlia dos quantis: Mediana de X , 0.5

v.a. discreta:

P(X 0.5) 0.5

P(X 0.5) 0.5

0.5

v.a. contnua: P(X 0.5) = F(0.5) = 0.5

P(X 0.5) = 0.5

Em distribuies de probabilidade simtricas, a mdia e a mediana so

coincidentes.
nota. Uma v.a. X possui distribuio simtrica (f.p. ou f.d.p.) em relao
respectiva mdia , quando P(X < x) = P(X > + x) , x IR .
P(X < x)

+x

P(X > + x)
+x

Estatstica II
Estatstica Aplicada
11

Moda principal: (medida de localizao), o valor de X que mais

provvel que ocorra, ao efectuar a experincia aleatria.
X v.a. discreta: P(X = x) P(X = ) , x Df.p.
o valor (ou valores) de X com maior probabilidade de ocorrncia.
X v.a. contnua: f (x) f () , x Df.d.p.
o valor (ou valores) de X com densidade de probabilidade mais elevada.
Em distribuies de probabilidade simtricas unimodais, a mdia, a
mediana e a moda so coincidentes:
f (x)

0 = =
0.50
*

Estatstica II
Estatstica Aplicada
12

Distribuies Tericas Discretas

1. Distribuio Binomial
v.a. X nmero de sucessos em n repeties independentes da experincia aleatria, x = 0, 1, 2, ..., n
X ~ B(n; ) , = P(obter um sucesso em uma realizao da experincia aleatria)
f.p.: f ( x | ) = P( X = x ) = C xn
Valor esperado: E(X) = = n

(1 ) n x

, x = 0 ,1 , 2 , K , n ; 0 < < 1

Varincia: Var(X) = 2 = n (1
)

Teorema.
X i ~ B (ni ; ) , i = 1 , 2 , ..., k , independentes X =

i =1

i =1

X i ~ B (n ; ) , n = ni

Estatstica II
Estatstica Aplicada
13

2. Distribuio de Poisson
v.a. X n de acontecimentos que ocorrem num dado intervalo de
tempo ou de espao, x = 0, 1, 2, ...

e x
X ~ Po() ; f.p.: f ( x | ) = P( X = x ) =
, x = 0 ,1 , 2 ,K ; > 0
x!
Valor esperado: E(X) = = ; Varincia: Var(X) = 2 =
Teorema.
X i ~ Po (i ) , i = 1 , 2 , ..., k , independentes X =

i =1

i =1

X i ~ Po ( ) , = i

Lei dos fenmenos raros:

n > 20 e 0.1 : X ~ B(n; ) X ~& Po ( ) , em que = n

n > 20 e 0.9 : X ~ B(n; ) Y = n X ~& Po ( ) , em que = n(1

)
nota. v.a. X n de suc. em n exp. aleat indep. v.a. Y n de insuc. em n exp. aleat indep.

Estatstica II
Estatstica Aplicada
14

Distribuies Tericas Contnuas

1. Distribuio Uniforme Contnua
X ~ U( , ) ; f.d.p.: f ( x | , ) =

0
x
f.d.: F ( x ) = P( X x ) =

1

Valor esperado: E( X ) = =

1
,< x<

, < x<
,

+
2

f (x| , )
1/( )

( )2
; Varincia: Var ( X ) = =
12
2

Estatstica II
Estatstica Aplicada
15

2. Distribuio Exponencial

f (x | )

X ~ Ex() ; f.d.p.: f ( x | ) = e x , x > 0 ; > 0

f.d.: F ( x ) = P( X x ) = 1 e x , x > 0
x

Valor esperado: E( X ) = =

; Varincia:

Var ( X ) = 2 =

nota. Distribuio de Poisson Distribuio Exponencial

v.a. Y nmero de acontecimentos, originados por um processo de Poisson, que
ocorre em 1 perodo de k unidades de tempo, y = 0, 1, 2, ...
Y ~ Po( ), onde E(Y) =
v.a. X tempo de espera pela chegada de um acontecimento, originado por um
processo de Poisson, em perodos de k unidades de tempo, x > 0
X ~ Ex( ), onde E(X) = 1/

Estatstica II
Estatstica Aplicada
16

3. Distribuio Normal
1
X ~ N( , ) ; f.d.p.: f ( x | , ) =
e
2
Valor esperado: E(X) =

( x ) 2
2 2

, x , IR ; IR+
f (x | , )

Varincia: Var(X) = 2
X ~ N( , ) Z =

Teoremas.

~ N(0 ,1)

x
P ( X x ) =

(z)

(z) = P(Z z), com

z = (x ) /
z

(z)
0 z

(1) X ~ N ( , ) e k IR k X ~ N ( k , k )
k

(2) X i ~ N( i , i ) , i = 1,2 ,..., k , independentes X = X i ~ N( , ) ,

i =1

com = i e =
i =1

i2

i =1

Estatstica II
Estatstica Aplicada
17

Teoremas Limite
Teorema do Limite Central (T.L.C.)
Xi , i = 1, 2, ..., n, vsas i.i.d., com E(Xi) = e Var(Xi) = 2

n + , X i ~& N ( n , n ) , E X i = n e Var X i = n 2
i =1
i =1
i =1
n

notas.
(1) vsas i.i.d. variveis aleatrias independentes e identicamente distribudas,
i.e, variveis aleatrias independentes com a mesma distribuio de
probabilidades e E(Xi) = e Var(Xi) = 2 , i = 1, 2,..., n, ....
(2) n + : regra prtica, n 30

Estatstica II
Estatstica Aplicada
18

Teorema de De Moivre-Laplace (aproximao da distribuio

Binomial pela distribuio Normal)
X ~ B(n; ), com 0 < < 1, E(X) = n e Var(X) = n (1
)

n + , X ~& N n
, n (1 )
{
14243

notas.
(1) Regra Prtica:

n > 20 e (0.1 < < 0.9 ou [( 0.1 e n > 20) ou ( 0.9 e n(1
) > 20)])
(2) Correco de continuidade:
a, b IN tal que P(X = a) > 0 e P(X = b) > 0, com a < b
b + 1 2 n
a 1 2 n

P(a X b )
n (1 )
n (1 )
c.c.

a1/2 a

b+1/2

Estatstica II
Estatstica Aplicada
19

Teorema. Aproximao da distribuio de Poisson pela distribuio

Normal

(a) X ~ Po(), com E(X) = e Var(X) = + , X ~& N

,{

(b) Xi ~ Po() , i = 1, .., n , vsas i.i.d., com E(Xi) = e Var(Xi) =

n

X = X i ~ Po( n ) , com E( X ) = n e Var ( X ) = n

n + , X ~& N n
,{
n
{

i =1

notas.
(1) Regra Prtica: (a) > 20 ; (b) n > 20
(2) Correco de continuidade:

a, b IN tal que P(X = a) > 0 e P(X = b) > 0, com a < b

b+1 2
a 1 2
P(a X b )

c.c.

Estatstica II
Estatstica Aplicada
20

Exerccio.
A uma remota aldeia, na qual se abastecem os habitantes dos lugares
circundantes, vai, quinzenalmente, um camio de uma cooperativa
vincola, encher a nica pipa de vinho existente, que se encontra na
tasca local.
Uma pipa tem a capacidade de 534 litros e a procura quinzenal de vinho
na tasca da aldeia, X, em centenas de litros, descrita pelas funo
densidade de probabilidade e funo de distribuio seguintes
(25 x 70 ) 96 , 2.8 x < 5.2

f ( x ) = (150 25 x ) 32 ,
5.2 x 6

0
, x < 2.8 x > 6

Estatstica II
Estatstica Aplicada
21

(12.5 x 2 70 x + 98) 96

F (x) =
2

+ 150 x 418) 32
(
12
.
5
x

( )

com E X k =

x < 2.8

, 2.8 x < 5.2

,

5.2 x 6

x>6

25 1
1
k+2

2.8 k + 2 3 6 k + 2 , k IN .
4 5.2
96 k + 2 k + 1

a) A capacidade da pipa suficiente para suprir a quantidade de vinho

que mais provvel ser procurada na tasca, em 15 dias?
b) Determine a percentagem de quinzenas em que, no vendendo mais
de 520 litros, a procura de vinho na tasca ultrapasse os 376 litros.

Estatstica II
Estatstica Aplicada
22

c) Sendo a quantidade de vinho procurada independente de quinzena

para quinzena, calcule, com uma garantia de 90%, quantas
quinzenas so necessrias para a procura, na tasca, exceder 20280
litros de vinho.
d) Determine a probabilidade de, num ano, o vinho esgotar, na tasca,
em menos de um quarto das quinzenas.
(considere 1 ano = 52 semanas)

e) O Tonico dos copos aparece na tasca, sempre procura de vinho,

vrias vezes por dia. Estimando-se que, em 8.85% das quinzenas, v
mais de 70 vezes ao estabelecimento, quantas vezes, em mdia, por
dia, aparece Tonico na tasca?

Estatstica II
Estatstica Aplicada
23

Resoluo:
v.a. X procura de vinho na tasca, em 1 quinzena, em centenas de litros
a) f.d.p.:
f (x)

f (5.2) = 0.625 mximo absoluto de f

moda de X : = 5.2, i.e.,

0.625

2.8

5.2

numa quinzena, o mais provvel que sejam procurados 520 litros de

vinho, na tasca, sendo suficiente uma pipa de vinho, cuja capacidade,
534 litros, superior.
nota.
f assimtrica negativa e unimodal X < 0.5 <

Estatstica II
Estatstica Aplicada
24

b) P( X > 3.76 | X 5.2) =

P ( X > 3.76 X 5.2 ) P(3.76 < X 5.2 )

=
=
P ( X 5.2 )
P( X 5.2 )

12.5 5.2 2 + 150 5.2 418 12.5 3.762 70 3.76 + 98

F (5.2 ) F (3.76 )
32
96
=
=
=
2
F (5.2 )
12.5 5.2 + 150 5.2 418
32
0.75 0.12
=
= 0.84 , i.e., 84% das quinzenas.
0.75
nota.
3 quartil de X, 0.75 = 5.2: em 75% das quinzenas, a tasca da aldeia vende 520
litros de vinho ou menos e, nas restantes 25% das
quinzenas, vende 520 litros ou mais.
Mediana de X : F(0.50) = 0.5 e 0.50 < 5.2

(12.50.52 70 0.5+98) = 0.5

96
0.5 = 0.8404 0.5 = 4.7596 0.5 = 4.7596, i.e., 475.96 litros de vinho

Estatstica II
Estatstica Aplicada
25

c) v.a. Xi procura de vinho na tasca, na quinzena i, em centenas de

litros, i = 1, 2, ..., n
E(Xi) = E(X) e Var(Xi) = Var(X) = E(X 2) [E(X)]2 ; vsas i.i.d.
k = 1 : E( X ) =

25 1 1
14
4 5.2 3 2.8 3 3 6 3 =
= 4.6667 ,
96 3 2
3

i.e., em 15 dias, a tasca vende, em mdia, 466.67 litros de vinho.

( )

k = 2: E X 2 =

25 1 1
4 5.24 2.84 3 64 = 22.24
96 4 3
2

4.16
14
(
)
Var X = 22.24 =
9
3

Estatstica II
Estatstica Aplicada
26

v.a. Y = X i procura de vinho na tasca, em n quinzenas, em centenas

i =1
de litros
n de

vsas

14
4.16 n

i.i.d, n 30 pelo T.L.C., Y ~& N n ,

3
3

n
n
n
n
4.16
14
2
n
Y = E X i = E( X i ) = n ; Y = Var X i = Var( X i ) =
1
4
2
4
3
1
2
3
9
3
i =1 i =1 4.16 9
i =1 i =1 14 3

n = ? tal que P(Y > 202.80) = 0.90

1 P (Y 202 .80 ) = 0.90

(z)
0.10

0.10

202 .80 14 n 3

= 0 .1
0
z
1.282
1.282
4
.
16
n
3

202 .80 14 n 3

= 1.282 608 .4 14 n + 1.282 4.16 n = 0

4.16 n 3
n = 44.7059 45 quinzenas

Estatstica II
Estatstica Aplicada
27

d) v.a. W n de quinzenas em que o vinho esgota na tasca, em 26

quinzenas, w = 0, 1, 2, ..., 26 (1 ano = 52 semanas = 26 quinzenas)
W ~ B(26 ; 0.1702) , n = 26
= P(o vinho esgotar em 1 quinzena) =

= P( X > 5.34 ) = 1 F (5.34 ) = 1 12.5 5.34 2 + 150 5.34 418 32 = 0.1702

n > 20 e 0.1 < < 0.9 T. De M.-L., W ~& N(4.4252 , 3.672 )

W = n = 26 0.1702 = 4.4252 ; W = n (1 ) = 26 0.1702 0.8298 = 3.672
1/4 das quinzenas = 26/4 = 6.5 quinzenas

6
4
.
4252

2
= (1.08 ) = 0.8599 , i.e,
P(W 6 ) =
3.672

em 85.99% dos anos, o vinho esgota em 6 quinzenas ou menos.

Estatstica II
Estatstica Aplicada
28

e) v.a. T n de idas de Tonico tasca, em 15 dias , t = 0, 1, ...

T ~ Po(T) , T = E(T)

T > 20

aprox. da dist. Poisson

pela dist. Normal

W ~& N(T , T ) , T = T e = T

T = ? tal que P(T > 70) = 0.0885 1 P(W 70) = 0.0885

70 + 1 / 2 T

T

70 + 1 / 2 T
= 0.9115
= 1.35
T

70.5 T 1.35 T = 0 T = 60.0395

(z)

0.9115
0
1.35

Estatstica II
Estatstica Aplicada
29

Devido a, num processo de Poisson, o n de acontecimentos

ocorre em intervalos de tempo disjuntos ser independente:
se, em mdia, em 15 dias
1 dia

que

60.0395 idas tasca

60.0395
= 4.0026 ,
15

i.e., por dia e em mdia, Tonico vai tasca pedir vinho cerca de 4
vezes.

Estatstica II
Estatstica Aplicada
30

ANEXO Teoria da Probabilidade

(a) Definio. Frequencista de Probabilidade
A probabilidade de realizar-se o acontecimento A, P(A), o valor para
que tende a frequncia relativa da ocorrncia de A, aps a repetio
da experincia aleatria inmeras vezes, em condies semelhantes.
(b) Definio. Clssica de Probabilidade
A probabilidade de ocorrer o acontecimento A determinada pelo
quociente entre o n de casos favorveis a A (resultados que
compem o acontecimento A, definido sobre o espao de resultados,
) e o n de casos possveis (resultados que constituem ), ou seja,
P (A ) =

#A
.
#

nota. formado por acontecimentos elementares incompatveis 2 a 2 e

equiprovveis.

Estatstica II
Estatstica Aplicada
31

(c) Medida de Probabilidade P : IR

A a P(A)
que verifica os trs axiomas seguintes (Axiomtica de Kolmogorov):
1. P(A) 0
2. P(
) = 1 (
= acontecimento certo)
3. A B = (acontecimentos incompatveis) P(A B) = P(A) + P(B)
Propriedades: A , B
(1) P( A ) = 1 P( A ) ( A = acontecimento contrrio ou complementar a A)
(2) P(
) = 0 (
= acontecimento impossvel)
(3) P(B A) = P(B A) = P(B) P(A B)
(4) P(A B) = P(A) + P(B) P(A B)
(5) A B P(A) P(B)
(6) 0 P(A) 1

Estatstica II
Estatstica Aplicada
32

(d) Probabilidade Condicionada: A, B, C

P(A | B) =

P(A B)
, P(B) > 0
P(B)

(P(A | B) = 1 P(A | B) )

ax.1: P(A | B) 0
ax.2: P(
| B) = 1
ax.3: A C = P( (A C) | B) = P( A | B) + P( C | B)
(e) Regra da multiplicao das probabilidades: P(A B) = P(A) P(B | A)
= P(B) P(A | B)
(f) Partio do espao de resultados :
{A1 , A2 , ... , Am} uma partio de se

Ai Aj = (i, j = 1, 2, ..., m ; i j ) e A i = .
i= 1

m
m
P A i = P( A i ) = P( ) = 1
i=1 i=1

Estatstica II
Estatstica Aplicada
33

(g) Regra da probabilidade total:

{A1 , A2 , ... , Am} uma partio de , P(Ai ) > 0 (i = 1, 2, ..., m), e B

P(B) =

i =1

i=1

P(A i B) = P(A i ) P(B | A i )

(h) Teorema de Bayes:

{A1 , A2 , ... , Am} uma partio de , P(Ai ) > 0 (i = 1, 2, ..., m), B e
P(B) > 0
P(A i B)
P(A i ) P(B | A i )
P(A i | B) =
= m
, i = 1 ,2 ,K , m
P(B)
P(A i ) P(B | A i )
i =1

P( A i | B ) = 1
i =1

Estatstica II
Estatstica Aplicada
34

(i) Acontecimentos independentes:

A, B independentes P(A B) = P(A)
P(B), P(A), P(B) 0
A, B independentes P(A | B) = P(A), P(B) > 0 e
P(B | A) = P(B), P(A) > 0
A, B independentes P( A B ) = P( A ) P( B )
P ( A B ) = P( A ) P ( B )
P ( A B ) = P( A ) P( B )
A, B, C independentes P(A B) = P(A)
P(B)
P(A C) = P(A)
P(C)
P(B C) = P(B)
P(C)
P(A B C) = P(A)
P(B)
P(C), P(A), P(B), P(C) 0