Академический Документы
Профессиональный Документы
Культура Документы
INTRODUO
EXPERIMENTAO
Autores:
Prof. Tit. Dr. Lindolfo Storck
Prof. Adj. Dr. Sidinei Jos Lopes
Prof. Adj. Dr. Alessandro DalCol Lcio
DEPARTAMENTO DE FITOTECNIA
CENTRO DE CINCIAS RURAIS
UNIVERSIDADE FEDERAL DE SANTA MARIA
97105-900 Santa Maria, RS
Fone: (055)2208179 / Fax 2208899
Email: storck@ccr.ufsm.br
APRESENTAO
Este caderno didtico foi elaborado com o intuito de reavivar os conceitos, propriedades e aplicaes de varivel aleatria, principais distribuies de
varivel aleatria discreta e contnua, com destaque para a distribuio normal e
suas transformaes.
O contedo deste, vem a contribuir no entendimento da teoria da estimao e testes de hiptese dos principais delineamentos experimentais, visando
sempre a parte aplicada, com exerccios a serem realizados conjuntamente, dando condies para o bom desenvolvimento posterior, da disciplina de Experimentao.
Para a leitura deste caderno didtico necessrio conhecimentos elementares de Estatstica, clculo diferencial e integral.
Assim, este texto direcionado aos alunos da graduao e psgraduao e aos professores, dispostos a adquirir conhecimento bsico em estatstica, com fins de aprimoramento em experimentao.
OS AUTORES
SUMRIO
INTRODUO EXPERIMENTAO
Pgina
1 VARIVEL ALEATRIA
2 MEDIDAS DE POSIO
10
3 MEDIDAS DE DISPERSO
12
4 MOMENTOS e exerccios
14
EXERCCIOS
14
18
18
18
18
20
21
21
22
22
23
23
23
24
24
25
EXERCCIOS
39
7 - BIBLIOGRAFIA
42
8 ANEXOS
43-49
INTRODUO EXPERIMENTAO
1 - VARIVEL ALEATRIA
Sejam E um experimento e S o espao associado ao experimento (S o conjunto de todos os resultados possveis). Uma funo X, que associe a cada elemento s S um nmero
real X(s) denominado de varivel aleatria.
Exemplo: Colocar duas sementes de Araucria no solo de um vaso, sendo a probabilidade de que uma semente germina igual a 50%. Seja X o nmero de sementes germinadas. O
conjunto de resultados possveis S= { (0;0); (0;1); (1;0); (1;1) }, onde 0 = no germinado e 1 =
germinado. Sendo a probabilidade de germinao igual a 0,5, temos:
X
0
1
2
S = Eventos possveis
(0;0)
(0;1) e (1;0)
(1;1)
X(s) = Probabilidade
1/4
2/4
1/4
- Grfico:
X
P(X=x)
0
1/4
1
2/4
2
1/4
1 x
C ,
4 2
- Frmula: P(x) =
para x=0, 1, 2.
P( x )
xi x
2. F(- )=0
3. F(+ )=1
4. P(a<Xb) = F(b) - F(a)
5. P(aXb) = F(b) - F(a) + P(X=a)
6. P(a<X<b) = F(b) - F(a) - P(X=b)
7. F(x) contnua direita
8. F(x) descontnua esquerda, nos pontos em que a probabilidade no nula
9. A funo no decrescente, F(b) F(a), para b>a
Exemplo: Admita que a varivel aleatria X tome os valores 0, 1, 2, 3 com as probabilidades
1/6, 2/6, 2/6, 1/6, respectivamente. Ento:
F(x) = 0
se x < 0
ou
se x 3
P(x)
F(x)
1/6
1/6
2/6
3/6
2/6
5/6
1/6
Exerccio 1. Uma varivel aleatria discreta tem a distribuio de probabilidade dada por:
P(x) = K/x para x=1, 3, 5, 7. Calcular: K; P(X=5); F(3); P(X<4); P(X<5); P(1X<5); P(X77).
a) O valor de K
K K K K
+ + + =1
1
3 5 7
1 1 1 1
176
K( + + + ) = K(
) =1
1 3 5 7
105
105
105
35
+
=
176 * 1 176 * 3 44
K=105/176
Exerccio 2. No lanamento simultneo de dois dados, considere as seguintes variveis aleatrias: X = nmero de pontos obtidos no primeiro dado; Y = nmero de pontos obtidos no segundo dado.
a) Construir a distribuio de probabilidade e funo repartio atravs de tabelas e grficos
para as variveis: W=X-Y e Z = XY;
b) Calcular as probabilidades: P(-3<W3); P(0W4,5); P(Z5,5); P(Z=3); P(W-8);
P(20Z35); P(3,5<Z<34).
Soluo:
Tabela auxiliar Distribuio de probabilidades das variveis X;Y, W e Z
x
y
w
z
P(x;y) = P(w) = P(z)
1
1
0
1
1/36
1
2
-1
2
1/36
1
3
-2
3
1/36
1
4
-3
4
1/36
1
5
-4
5
1/36
1
6
-5
6
1/36
2
1
1
2
1/36
2
2
0
4
1/36
2
3
-1
6
1/36
2
4
-2
8
1/36
2
5
-3
10
1/36
2
6
-4
12
1/36
3
1
2
3
1/36
3
2
1
6
1/36
3
3
0
9
1/36
3
4
-1
12
1/36
3
5
-2
15
1/36
3
6
-3
18
1/36
4
1
3
4
1/36
4
2
2
8
1/36
4
3
1
12
1/36
4
4
0
16
1/36
4
5
-1
20
1/36
4
6
-2
24
1/36
5
1
4
5
1/36
5
2
3
10
1/36
5
3
2
15
1/36
5
4
1
20
1/36
5
5
0
25
1/36
5
6
-1
30
1/36
6
1
5
6
1/36
6
2
4
12
1/36
6
3
3
18
1/36
6
4
2
24
1/36
6
5
1
30
1/36
6
6
0
36
1/36
Tabelas: Distribuio de probabilidades P(.) e Funo Repartio F(.) das variveis W =X-Y e
Z=X*Y.
w
-5
-4
-3
-2
-1
0
1
2
3
4
5
Soma
P(w)
1/36
2/36
3/36
4/36
5/36
6/36
5/36
4/36
3/36
2/36
1/36
1
F(w)
1/36
3/36
6/36
10/36
15/36
21/36
26/36
30/36
33/36
35/36
1
---
z
1
2
3
4
5
6
8
9
10
12
15
16
18
20
24
25
30
36
Soma
F(z)
1/36
3/36
5/36
8/36
10/36
14/36
16/36
17/36
19/36
23/36
25/36
26/36
28/36
30/36
32/36
33/36
35/36
1
---
9/50
9/10
4/25
4/5
7/50
7/10
3/25
3/5
1/10
F(w)
P(w)
P(z)
1/36
2/36
2/36
3/36
2/36
4/36
2/36
1/36
2/36
4/36
2/36
1/36
2/36
2/36
2/36
1/36
2/36
1/36
1
2/25
1/2
2/5
3/50
3/10
1/25
1/5
1/50
1/10
0
0
-5 -4 -3 -2 -1 0 1 2 3 4 5
w
-5 -4 -3 -2 -1
5/36
1/9
1/12
P(z)
1/18
1/36
0
1
10
12
15
16
18
20
24
25
30
36
2/5
3/10
1/5
1/10
0
10 12 15 16 18 20 24 25 30 36
z
Rx
f ( x)dx = 1
c) P(a<X<b) =
f ( x )dx ,
para a<b em Rx
Consideraes importantes:
1. A probabilidade de qualquer valor especificado de X, por exemplo, x0, tem P(X=x0) = 0,
pois P(X=x0) =
Xo
Xo
Xo
f ( x) d x
Exerccio 3. Seja X uma varivel aleatria contnua com a seguinte fdp: f(x) = 2x para 0<x<1.
Pede-se: mostrar que f(x) uma fdp; grfico de f(x) e F(x); P(1/4< X <3/4); F(mediana); obter
x tal que P(X<x)=0,33; P(X>0,9)
a) f(x) uma fdp porque f(x) 0 para qualquer x no intervalo entre 0 e 1 e porque
1
x2
2 xdx = 2
2
1
0
=1
F(x) =
2 xdx
0
=x 2
x
0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1
f(x)
0
0,2
0,4
0,6
0,8
1,0
1,2
1,4
1,6
1,8
2
F(x)
0
0,01
0,04
0,09
0,16
0,25
0,36
0,49
0,64
0,81
1
1,00
2,00
0,80
F(x)
f(x)
1,50
1,00
0,60
0,40
0,20
0,50
0,00
0,00
0,00
0,20
0,40
0,60
0,80
1,00
c) P(1/4 < X < 3/4) = F(3/4) F(1/4) = (3/4) (1/4) = 1/2 = 0,5
2
d) F(Md) = Md = 0,5
e) P(X<x) = 0,33
f)
Md = (0,5)
F(x) = x = 0,33
1/2
1/2
= 0,574
Exerccio 4. Seja f(x) = 3(1-x )/2, para 0<x<1. Ache a Funo Repartio e esboce o respectivo grfico.
Soluo: F(x) =
Figura
/ 3) = (3x-x3)/2
Exerccio 5. A funo densidade de probabilidade de uma varivel aleatria contnua X 6x(1x) para 0<x<1. Pede-se para calcular a funo repartio; e, calcular P(X<1/2).
Soluo:
x
6 2
x
2
(6 x 6 x ).dx =
F(x) =
x
0
6 3
x
3
x
0
= 3x 2x
x
1
(k + ).dx = k x
0
6
P(1X2) =
x2
+
12
3
0
= 3k + 3/4 = 1
k = 1/12
0
2
1
3 1
1 x
x
x2
+
=
=
+
( + )dx =
12 12 3
12 6
12 1 12 1
b) P(X = 0);
c) P(2 < X 3)
Soluo:
P(-1/2 X 1/2) = F(1/2) F(-1/2) =
1/ 2 + 1 1/ 2 + 1
= 1/ 2
2
2
j =1
i =1
P( xi , y j ) = 1
1
1/36
1/36
1/36
1/36
1/36
1/36
2
1/36
1/36
1/36
1/36
1/36
1/36
3
1/36
1/36
1/36
1/36
1/36
1/36
4
1/36
1/36
1/36
1/36
1/36
1/36
5
1/36
1/36
1/36
1/36
1/36
1/36
6
1/36
1/36
1/36
1/36
1/36
1/36
conjunta,
f(x,y)
satisfaz
as
seguintes
condies:
f(x,y)0
h(y) =
10
x
1
0,20
0,08
0,12
0,40
0
0,10
0,04
0,06
0,20
2
0,20
0,08
0,12
0,40
P(yj)
0,50
0,20
0,30
1
Seja (X,Y) uma varivel aleatria contnua bidimensional. Diz-se que X e Y so independentes se, e somente se, f(xi,yj) = g(xi). h(yj) para todo (x,y) ou simplesmente F(x,y) = F(x). F(y).
Exerccio 8. Verifique se X independente de Y, dada a funo de densidade de probabilidade
conjunta igual a f(x,y) = xy/96, x(0;4) e y(1;5)
A soluo verficar se F(x;y) = F(x)*F(y)
f ( x) =
2 5
xy
x
y
. .dy = *
= x/8
96
96 2 1
F ( x) =
4
2
xy
f ( y ) = . .dx = y * x = y/12
0 96
96 2 0
F ( x; y ) =
xy
.dy.dx =
96
F ( y) =
x y2
.
.dx =
96 2 1
1 x2
x
.dx = *
8 2
8
= x2 / 16
0
y
1 y2
y
*
= (y2-1)/24
.dy =
12 2 1
12
y2 1
y 2 x2
x.dx =
*
192 2
192
= x2(y2-1)/384
0
- Distribuio condicional
A distribuio condicional de x dado y f(x/y) = f(x;y) / f(y) e F(x/y) =
f ( x / y)dx
f ( y / x)dy
2 - MEDIDAS DE POSIO
- Mdia ou esperana matemtica
A esperana matemtica ou mdia de uma varivel aleatria discreta X obtida por E[X]
= X = = i xi P(xi)
11
Exerccio 1. Seja X uma varivel que representa o nmero de sementes germinadas por cova e
cujas probabilidades so dadas na tabela abaixo. Calcular a esperana matemtica de X, ou seja, do nmero de sementes germinadas.
xi
0
1
2
3
P(X=xi) = P(xi)
0,064
0,288
0,432
0,216
xi P(xi)
0
0,288
0,864
0,648
= 1,800
x. f ( x)dx
Exerccio 9. Seja X uma varivel aleatria contnua com a seguinte fdp: f(x)
= 2x para 0<x<1. Pede-se para obter a esperana matemtica de X, isto E[X].
1
x3
Soluo: E[ X ] = x.2 x.dx = 2 x .dx = 2 *
0
0
3
=
0
2 3
(1 03 ) = 2/3
3
Propriedades da Mdia:
1. A mdia de uma constante a prpria constante: E[K] = K
2. Multiplicando uma varivel aleatria X por uma constante, sua mdia fica multiplicada pela
constante: E[KX] = K E[X]
3. A mdia da soma ou da diferena de duas variveis aleatrias a soma ou diferena das
mdias: E[XY] = E[X] E[Y]
4. Somando ou subtraindo uma constante a uma varivel aleatria, sua mdia fica somada ou
subtrada da mesma constante: E[X K] = E[X] K
5. A mdia de uma varivel aleatria centrada na mdia zero:
E[X-X] =E[X] - E[X] =X - X =0
6. A mdia do produto de duas variveis aleatrias independentes o produto das mdias:
E[XY] = E[X].E[Y]
- Mediana de uma varivel aleatria (Md)
o valor que divide a distribuio em duas partes iguais, ou seja, F(Md) = 0,5.
Exerccio 10. Seja X uma varivel aleatria contnua com a seguinte fdp:
f(x) = 2x para 0<x<1. Pede-se para obter a mediana de X.
12
2 x.dx = x 2
0,5
x=
3 - MEDIDAS DE DISPERSO
- Varincia
Define-se varincia de uma varivel aleatria X como sendo:
2
Var[X] = (2X ) = E [ (X - x ) ]
2
( X i ( X ) )2 f ( x)dx
2. Multiplicando uma varivel aleatria por uma constante, sua varincia fica multiplicada pelo
2
( X ) = (2X )
2
Exerccio 11. Seja X uma varivel aleatria com a seguinte fdp: f(x) = 3x , x(0;1). Calcular:
E[X]; Var[X]; e, desvio padro.
Soluo:
x4
E[X] = x * 3 * x dx = 3 *
0
4
1
3
=
=
4
x5
e E[X ] = x * 3 * x dx = 3 *
0
5
2
(varincia de X)
=
0
3
5
13
x = x2 = 3 / 80 = 0,1936
(desvio padro de X)
CV =
100. ( X )
E[XY] =
E[ XY ] X Y
, onde -1 xy1 e
( X ) . ( Y )
Exerccio 12. Seja f(x,y) = (1/48)(8-x-y), x(0;2). y(0;6). Calcular a correlao entre X e Y.
Soluo:
E[XY] =
6 xy (8
x y)
.dy.dx =
48
1
y2
(8 x
0 48
2
1
=
(144 x 18 x 2 72 x)dx =
0 48
f ( x) =
6 (8
y2
x
2
y3
).dx =
x
3 0
1
1
x2
(72 x 18 x 2 )dx =
(72 *
0 48
48
2
x y)
1
y2
6
6
30 6 x
.dy =
(8 * y 0 x * y 0
)=
48
2 0
48
48
(30 6 x)
1
x2
(30 *
E[ X ] = x
dx =
0
48
48
2
2
x3
)=
6*
3 0
11
= x
12
x3
18 *
)=2
3 0
14
2
E[ X ] =
f ( y) =
x3
(30 6 x)
1
x
dx =
(30 *
48
48
3
2
XY =
108
= y
48
y3
y4
(14 2 y )
1
E[Y ] = y
dy =
2*
(14 *
)=
0
48
3 0
4 0
48
2
7 11
47
= =
6 12
144
2
x
(8 x y )
x2
1
14 2 y
2
2
.dx =
y * x 0) =
(8 * x 0
48
2 0
48
48
y2
y3
(14 2 y )
1
2*
E[Y ] = y
dy =
(14 *
)=
0
48
2 0
3 0
48
56 7
=
48 6
x4
6*
)=
4 0
11 108
*
12 48 = -0,07007
47
39
*
144
16
15
2
15 108
39
=
=
2 48
16
2
y
4 - MOMENTOS
- Momento em relao a origem
Seja X uma varivel aleatria, o rsimo momento de X, denotado por r definido por
r
2 =E[X ];
2x = 2 - (1)2
-Momento central
Seja X uma varivel aleatria, o rsimo momento de X centrado em K denotado por r
r
= E[ (X - K) ]. Quando K = X = E[X] ento: 1 = 0; 2 = x ; se 3 = 0, a distribuio simtrica,
de e definida como sendo a fgm de X. Se existir a esperana para todo o valor de t, a fgm
tx
e tx f ( x)dx
r
m(0) = E[ X r ] = r.
t r
Exerccio 13. Considere a seguinte distribuio conjunta de X e Y:
y
15
x
-2
-1
3
5
3
0,1
0,2
0
0,3
6
0,2
0,1
0,1
0
2
2
a) achar as distribuies marginais de X e Y; b) calcular E[X], E[Y], E[XY], E[X ], E[Y ]; c) calcular a covarincia de X e Y; d) calcular x e y; e) calcular xy; f) Calcular o coeficiente de
variao de Y; g) as variveis so independentes? porque?
Soluo:
a) Seja P(x) e P(y) na tabela, as funes marginais de X e Y
y
x
-2
-1
3
3
0,1
0,2
0
6
0,2
0,1
0,1
P(y)
0,3
0,3
0,1
5
0,3
0
0,3
P(x)
0,6
0,4
1
f) CV(Y ) =
2,16 * 9,09
x = 2,16 = 1,47
= 0,379
y = 9,09 = 3,01
100 * 9,09
= 334,9%
0,9
(2x )
(2y) ;
d) calcular o coefi-
16
y2
a) f ( x ) = ( x + y )dy = x * y 0 +
0
2
1
f ( y ) = ( x + y )dx =
0
x
2
1
2
= x+
0
1
+y
2
+ y*x0 =
0
1
1
3
2
1
1
x
x
x( x + )dx =
+ *
0
2
3 0 2 2 0
b) E[X] =
1 1
7
+ =
3 4 12
1
1
2
3
1
1
y
y
y ( + y )dy = *
+
0
2 2 0 3 0
2
E[Y] =
E[XY] =
x3
x2
2
+
(
*
)dy =
y
y
+
(
)
.
xy x y dx dy =
0
0
3 0
2 0
1
1 y2
= *
3 2
1 y3
+ *
2 3
0
=
0
E[X ] =
1
1
3
4
1
1
y
y
y ( + y )dy = *
+
0
2 3 0 4 0
2
E[Y ] =
c)
X2 =
1 1 5
+ =
4 6 12
1 1 5
+ =
6 4 12
2
5 7
11
=
12 12
144
Y2 =
100 * 11 / 144
= 47,38
7 / 12
2
0 , 75
1
( x + ) dx = x
e) P(0,5<X<0,75) =
0 , 50
2
2
d)
y y2
( + )dy =
0 3
2
1
1 1 1
+ =
6 6 3
4 1
3 1
1
1
x
x
x ( x + )dx =
+ *
0
4 0 2 3 0
2
1 1 7
+ =
4 3 12
5 7
11
=
12 12
144
CV( X ) =
0 , 75
f) XY =
(1 / 3) (7 / 12) * (7 / 12)
11 / 144 * 11 / 144
0 ,50
0 , 75
x
= 0,28125
+
2 0,50
1
11
2
Exerccio 15. X uma varivel aleatria contnua, tal que f(x) = 12(x -x ) para 0<x<1 e f(x)=0
para outros valores: a) calcule a esperana de X; b) determine a varincia de X.
Soluo:
a) E[X] =
2
b) E[X ] =
x * 12( x 2 x 3 )dx = 12 * ( x
1
x5
) = 3/5
5 0
x 2 *12( x 2 x 3 )dx = 12 * ( x
x6
) = 2/5
6 0
= (2 / 5) (3 / 5) = 1/25
2
x
Exerccio 16. Uma varivel aleatria X, tem uma densidade de probabilidade dada por: f(x) =
K/x para 1<x<2: a) determine o valor de K; b) determine o valor da mdia, mediana e
varincia de X; c) calcule o coeficiente de variao.
Soluo:
17
a)
k
2
dx = k * ln( x) 1 = k { ln(2) ln(1) } = k *ln(2) = 1
x
b) Mdia
E[X]=
Mediana
Md
x
dx =
ln(2) * x
1
dx
ln( 2).x
k = 1 / ln(2)
1
dx = 1 * x 2 = 1/ ln(2)
1
ln( 2)
ln(2)
1
Md
* ln( x) 1 = ln(Md ) = 0,50
ln(2)
ln(2)
E[X ]=
x2
dx =
ln(2) * x
x2 = 2,1664 (
c) Coeficiente de variao
2
2
x
dx = 1 * x = 2,164
ln(2)
ln(2) 2 1
1 2
) = 0,0826
ln(2)
CV% =
100 * 0,0826
= 19,9
1 / ln( 2)
Exerccio 17. Determinar a mdia e o desvio-padro do peso lquido de um produto, sabendose que a mdia do peso bruto 900 g, com desvio padro de 30 g e o peso da embalagem
tem peso mdio de 100 g, com desvio padro de 20 g.
Soluo:
Estatstica
Lquido
Embalagem
Bruto
x = Mdia
800
100
900
500
400
900
22,36
20,00
30,00
x2
= Varincia
x = Desvio padro
Exerccio 18. Um jogo consiste em se atirar um dado; se der faces dois ou cinco a pessoa
ganha R$ 60,00 por ponto obtido; se der faces um ou seis a pessoa ganha R$
110,00 por ponto obtido; se der faces trs ou quatro a pessoa paga R$ 180,00
por ponto obtido. O jogo honesto? Justifique.
Soluo: Calcular a esperana matemtica do jogo
Dado (x)
P(x)
Pontos
J = Jogo = x*pontos
J*P(x)
1
1/6
110
1*110 = 110
110/6
2
1/6
60
2*60 = 120
120/6
3
1/6
-180
3*(-180) = -540
-540/6
4
1/6
-180
4*(-180) = -720
-720/6
5
1/6
60
5*60 = 300
300/6
6
1/6
110
6*110 = 660
660/6
Soma
1
E[Jogo] = -70/6 = -11,67
Como E[jogo} = -70/6 = -11,67 um valor negativo, em mdia o jogador vai perder e, por isto, o jogo
no honesto. Seria honesto se E[jogo] = 0.
Exerccio 19. Sejam M e N duas variveis aleatrias com as seguintes distribuies:
18
P(M)
0,6
0,4
10
12
P(N)
0,3
0,5
0,2
para x = 1, 2, ..., N;
caso contrrio
1 N(N + 1)
1 1 N
Mdia = E[X]= i = i =
=(N+1)/2; Varincia = V[X] =
N
2
i=1 N N i=1
N
tx
e
i=1
tx
N2 1
X = 12 ; funo ge2
1
N
1-
n x
, x = 0, 1, 2, ..., n;
caso contrrio
n!
x !(n x)!
19
Os parmetros da distribuio so n e p e, sendo q = 1 - p, onde n = nmero de observaes; x = nmero de sucessos na amostra de n observaes; p pertence ao intervalo entre 0 e
1. O experimento binomial deve se feito com reposio. Quando n=1 a distribuio chamada
de distribuio de Bernoulli.
Quando X tem distribuio binomial ento a mdia E[X] = np; varincia V[X] =
2
X
t n
- p = q = 0,4. Para produzir mudas de Araucria foram colocadas 4 sementes em cada embalagem (n=4). Qual a probabilidade de ter pelo menos uma planta em cada embalagem? X =
nmero de plantas/embalagem. Temos
f(x); 4, 0,6) = Cx4 (0,6)x (0,4)4 x para x = 0, 1, 2, 3, 4. Queremos P[X1] = 1-P[X<1] =
1-P[X=0] = P[X=1] + P[X=2] + P[X=3] + P[X=4]. Ento P[X1] = 1- C04 (0,6)0 (0,4)4 0 =
=1-
4!
(0,6)0 (0,4)4 = 0,9744.
4 !0!
3
C30 p 0 (1 p)3
= 11*1*(1-p) = 0,9
p = 0,5358
= (0,4)
n
n = ln(0,0256)/ ln(0,4) = 4
Exerccio 22. Uma varivel aleatria Y com distribuio binomial tem a funo repartio dada
por: F(0) = 1/243; F(1) = 11/243; F(2) = 51/243; F(3) = 131/243; F(4) = 211/243; F(5)
= 1. Determinar: a) funo de probabilidade P(Y=y); b) obter n, p e q; mdia de Y;
varincia de Y; P(Y>1); P(2Y4).
Soluo: Seja a tabela de P(y) e F(y)
n = 5;
y
0
1
2
3
4
5
P(Y=0) =
P(Y=y) = P(y)
1/243
10/243
40/243
80/243
80/243
32/243
F(y)
1/243
11/243
51/243
131/243
211/243
1
20
n!
pX1. pX2 ... pKXk
X1 ! X 2 !... XK ! 1 2
5!
* 0,4 2 * 0,451 * 0,101 * 0,051 = 0,0216
2!*1!*1!*1!
5!
* 0,43 * 0,452 * 0,100 * 0,050 = 0,1296
b) P(A=3; O=2; B=0; AB=0) =
3!*2!*0!*0!
a) P(A=2; O=1; B=1; AB=1) =
21
0<p1,
so mdia E[X]= rq/p; a varincia V[X]= rq/p ; e a funo geradora de momentos mx(t) =
.r
p
1
.
q. e t
Aplicao especial em contagem de populaes (de insetos, acidentes, comunicaes...).
Exemplo: Considere uma seqncia de repetidos e independentes experimentos de Bernoulli
com probabilidade de sucesso igual a p para um experimento individual. Seja X a varivel aleatria que representa o nmero de falhas antes do rsimo sucesso. Ento
X tem uma distribuio binomial negativa.
5.6- Distribuio de Poisson
Existem casos em que se conhece o nmero de situaes favorveis (sucesso), porm
torna-se difcil e algumas vezes sem sentido, determinar o nmero de situaes desfavorveis
(fracasso) ou o nmero total de observaes. Assim, uma varivel aleatria discreta X tem dis-
tribuio de Poisson se a sua funo de probabilidade for dada por f(x;) = e . /x! para
x=0,1,2,... eventos favorveis e >0. O parmetro da distribuio e a mdia E[X]=; a
varincia V[X] = .
Esta uma distribuio que se ajusta , na maioria dos casos, para os dados de contagem com pequenas freqncias de ocorrncia - tipo de evento raros. Exemplos: nmero de
acontecimentos por unidade de tempo ou de espao; nmero de insetos por unidade de rea;
nmero de doentes A por quarteiro de uma cidade; nmero de chamadas telefnicas por
hora em uma firma; nmero de defeitos em peas ou aparelhos; nmero de objetos estranhos
em sacos de leite tipo C; nmero de colnias de bactrias por placa; nmero de chuvas (maiores de 50mm) por ms; etc.
Obs. A distribuio binomial com n grande e P tendendo a zero se aproxima da distribuio de Poisson.
Aplicao: Foi divulgado por um determinado frigorfico, que o nmero mdio de bovinos
descartados pelo servio de inspeo sanitria igual a 2 por dia. Logo, =2. Qual a probabilidade do evento A = { um dia com menos de 3 bovinos descartados}? Seja X = nmero de animais descartados por dia.
Ento P[A] = P[X<3] =P[X=0]+P[X=1]+P[X=2] =
e 2 20 e 2 21 e 2 22
= 0,677
+
+
0!
1!
2!
22
Exerccio 25. Um posto do IBAMA recebe em mdia 3 denncias por dia. Calcular a probalidade de: a) receber 4 denncias num dia; b) receber mais de trs denncias num dia.
e 3 * 34
a) P(X=4) =
= 0,168
4!
b) P(X>3) = 1 P(X=0) P(X=1) P(X=2) P(X=3) =
= 1
e 3 * 30 e 3 * 31 e 3 * 32 e 3 * 33
= 0,3527
0!
1!
2!
3!
Exerccio 26. Suponha 400 insetos de frutos distribudos aleatoriamente numa caixa de 500
frutos. Encontre a probabilidade de que um dado fruto contenha: a) nenhum inseto; b)
exatamente dois insetos
Soluo: = 400/500 = 4/5 = 0,8
a) P(X=0) =
e 0 ,8 * 0,80
0!
= 0,449
b) P(X=2) =
e 0 ,8 * 0,8 2
2!
= 0,1438
bilidade for dada por f(x;p) = p(1 - p) para x = 0,1,2,... e o parmetro p satisfaz 0<p1 e
q=
qe ). Uma varivel aleatria que tem distribuio geomtrica conhecida como sendo uma
varivel discreta de tempo de espera . Exemplo: tempo (dias, horas, meses...) de durao de
uma lmpada; tempo de vida de uma planta, animal ou objeto.
Considere uma seqncia de experimentos de Bernoulli, independentes, com p = probabilidade de sucesso de um experimento individual. Seja X a varivel aleatria que representa o
nmero de experimentos necessrios para o primeiro sucesso.
5.8- Distribuio Hipergeomtrica
Uma varivel aleatria discreta X tem distribuio hipergeomtrica se a sua funo de
x
n x
probabilidade dada por: f(x; M,K,n) = CK . CMK / CM .I[0,1,...,n](x), onde M um nmero inteiro
positivo; K um nmero no negativo e KM; n um nmero inteiro positivo e nM. A mdia
E[X] =
{nK (M - K) (M - n)}
n.K
; a varincia V[X] =
{MM (M - 1)}
M
23
P[X=0] + P[X=1] =
0
20 0
C30
. C100
30
20
C100
201
C130 . C100
30
20
C100
1
I (x), onde os parmeb a [ a,b]
bt
at
( x a)
I (x) + I[ b, ] (x). Esta funo importante para uso
(b a) [ a,b]
em estatstica terica.
Aplicao: Na sua calculadora cientfica a tecla RAN fornece um nmero aleatrio com
distribuio uniforme no intervalo [a;b] = [0,1] - XU[0,1]. Nos computadores PCs, a funo
random, X = random tem distribuio U[0;1]. Ex. X = random(50) tem distribuio U[1,50], etc.
No entanto esta varivel pode ser usada para obter, indiretamente, variveis com outras distribuies, dado que F(x) tem distribuio U[0,1]. Assim, a transformao de Box & Muller (1958)
- ver item distribuio normal - importante para gerar variveis de distribuio normal.
6.2- Distribuio Exponencial
Uma varivel aleatria X tem distribuio exponencial de parmetro , isto , XE(), se
a sua fdp for dada por f(x;) = e xI[ 0, ] (x), >0, onde a mdia E[X] = 1/; a varincia V[X]
2
24
Exerccio 27: Um bico injetor tem a durao (horas) de funcionamento de acordo com a densidade de probabilidade a seguir: f(t) = (1/1000)*exp(-t/1000) se t0 e f(t) = 0 se t<0.
Determinar: a) a probabilidade de que um bico injetor qualquer estrague antes de 900
horas; b) a probabilidade de que um bico injetor qualquer estrague depois de sua durao mdia; c) qual o desvio padro da distribuio.
a) P(T<900) = F(900) =
c) Desvio padro =
1 e
900
1000
= 0,5934 ;
b) P(T>1000) =
1000
1000
= 0,3678;
1
1
= 1/1000 = 0,001
=
2
10002
e x (x) j
j!
j =0
r 1
a 1
1
.x a 1.(1 x)b 1.I[ 0,1] ( x) .
B (a, b)
forma: B(a,b) =
( a).(b)
.
( a + b)
25
a
ab
e a varincia V[X] =
(a + b)
{(a + b + 1)(a + b) 2 }
se:
f X ( x; , 2 ) =
b)
c) P(a X b) =
f ( x)dx
(cuja representao 2x ) obtida por 2x = E{X - E(X)} =E(X ) - [E(X)] = E(X ) - que, no
26
2
caso, x =
2
2
2
x f ( x)dx = .
f ( x)dx ;
x1
x1
f ( x)dx ;
f ( x)dx .
x1
a construo de tabelas, pois f(x) depende de e de , tornando-se invivel. Por isto, usada
a varivel padronizada ou reduzida
Z=
X
. As caractersticas numricas da varivel
X
1
1
1
} = ( X ) = {( X ) } = { } = 0;
= ( Z 2 ) 2Z = {
2
Z
X 2
1
1
} = 2 ( X ) 2 = 2 ( X 2 + 2 2X )
1
1 2
1
2
2
2
2
{ } = 1.
2 { ( X ) } =
2 { ( X ) + 2( X )} =
Logo, Z N(0,1) que se l: "Z tem Distribuio Normal de Mdia zero e Varincia um" ou, simplesmente, Z tem distribuio normal padro.
A fdp da varivel Z reduzida seguinte expresso f z ( z ) =
1
2
1
z2
2
, z f
Como a distribuio de Z no depende de e ( sempre zero e igual a unidade), pode-se construir tabelas para diferentes limites de Z ou reas (probabilidades) sob a curva, com ampla aplicao nos clculos de probabilidades de variveis com distribuio normal,
bastando fazer a transformao em Z. Ver a Tabela da Distribuio Normal Padro (Tabela Z),
nos anexos.
A probabilidade P(X1XX2) equivalente a P(Z1ZZ2), onde Z1 =
Z2 =
X1
e
X2
.
1 - a fdp f(x) simtrica em relao a mdia X= e f(z) simtrica em relao a mdia Z=0;
2 - f(x) tem ponto de mximo para X= e f(z) para Z=0;
27
3 - f(x) tende para zero se x tende para e f(z) tende para zero se z tende para ;
4 - f(x) tem dois pontos de inflexo cujas abcissas valem - e + , sendo que para f(z) as
abcissas valem -1 e 1, respectivamente.
Veja, nos grficos a equivalncia de reas.
P(X1 < X < X2) = 1-
N(10;4)
N(0;1)
1-
/2
X1
/2
X2
/2
X
Z1
/2
Z2
Observaes:
1. No grfico da funo densidade de uma varivel normal, fixando a mdia, o achatamento da
curva estar diretamente ligado ao valor de . Assim, quanto menor a varincia, mais caractersticas leptocrticas(pontiaguda) a curva ir possuir;
2. a combinao linear de variveis com distribuies normais independentes, tambm varivel com distribuio normal, ou seja, a soma ou diferena de duas ou mais variveis aleatrias normais, tambm uma varivel aleatria normal.
Exemplo: Seja X uma varivel de distribuio normal de uma populao com mdia =10 e
varincia =4.
a) Calcular a probabilidade P(8X14), ou seja, de um valor da populao estar entre
X1=8 e X2=14. A soluo obter Z1 =
14 10
8 10
= 1 e Z2 =
= 2 e, pela simetria e equiva2
2
28
Z2 =
com Z1 independente de Z2. As funes seno e coseno devem ser em unidades de radianos.
2
Yi = 30 + 6*Zi
Os parmetros e so caractersticas da populao e, portanto, desconhecidos. Pode-se, no entanto, obter estimadores para estes parmetros atravs de processos denominados de estimao. Existem vrios mtodos de estimao: mtodo da mxima verossimilhana,
mtodo dos mnimos quadrados, mtodo dos momentos, entre outros. Estes processos so
conhecidos por estimao por ponto, porque se obtm um valor nico que representa o parmetro.
1
Box & Muller A note on the generation of randon normal deviates. The Annals of Mathematical Statistics, 29:610611, 1958
29
Sejam (X1, X2, X3, ..., Xn) variveis aleatrias idnticas e independentemente distribudas
iid
N (; ),
2
madores para e por qualquer um dos mtodos. Com base nos estimadores e, com a posse dos valores observados (x1, x2, ..., xn) de uma amostra aleatria, obtm as estimativas para
e .
a) Mtodo da Mxima Verossimilhana (MMV)
Este mtodo requer o conhecimento da fdp da varivel considerada. Sejam (X1, X2, X3, ..., Xn)
iid
variveis aleatrias
valores x fixos, o produtrio de f(xi), para i = 1, 2, ..., n, sendo denominada de funo de ven
1
rossimilhana (v), caracterizada por v = f ( x i ) =
{22 } n / 2
i =1
1 x i 2
exp 2 . Obtendoi =1
obtm
as
estimativas
de
mxima
verossimilhana
para
ou
seja
xi 2
)
ln(v )
= 0 (1 / 2~ 2 ).2 i ( xi ~ )1 (1) = 0
ln( v)
= 0 (n / 2~
2 ) + (1 / 2~
4 ) i( xi ~
) 2 = 0
2
cuja soluo resulta em: ~
= i X i / n = estimativa de mxima verossimilhana para e
~
2 =
( x ~)
i
pectivamente, os estimadores X =
X
i
__
/ n e V 2 = i ( X i X ) 2 / n
( X ) = (
X
i
/ n) = (1 / n)i ( X i )
(X
2
No entanto, (V ) = {
__
__
X ) 2 / n} = (1 / n ) i {( X i X ) 2 } =
n 1 2
outro
estimador
tal
que
se
obter
E(S )=
S2 =
__
__
n
n
V2 =
{ i( X i X ) 2 / n} = { i( X i X ) 2 / (n 1)}.
n1
n1
Este
n1
, poden
estimador
30
Com base numa amostra aleatria (x1, x2, ..., xn), as estimativas no tendenciosas de e
__
__
i xi / n e s2 = i( xi x )2 / (n 1) .
do o somatrio obtm o valor v = iei = i(Xi -) . Igualando a zero a derivada de v em relao a obtm-se o estimador de . Assim,
v
= 0 2 i ( X i )1(1) = 0 e
__
= X = i X i / n
ou
__
e i = X i X tal que i i = 0 e ii 2 = SQ
2
E(ei )=0 e E(ei ) = , para todo i. Dado o modelo Xi =+ei pode-se calcular a esperana matemtica de X: E(Xi) =E( +ei ) = E() +E(ei ) = E(ei) =0.
A varincia de X ( constante e no tem varincia) 2X = (2+ ei ) = 2ei
(ei2 ) {(ei )} 2 = 2 + 0 2 (ei2 ) = 2 e, com isto, pode-se afirmar que, se XN(,2) ento
2
s2 = { i ( xi x)2 / (n 1)} .
Exerccio 29: Dado os valores x1=11; x2=9; x3=16; x4=14; x5=10; x6=18. a) obter uma estimativa para a mdia ( x ) e para a varincia ( s 2 ); b) relacionar os erros e i (desvios) e verificar se
e
i
=0 e
se
e
i
2
i
/ (n 1) = s2;
c) Calcular os valores de v
= i(x i k) / (n 1) para k = 8; 9; 10; 11; 12; 13; 14; 15; e 16 - construa um grfico
para v (na vertical) e k e observe que o valor de v mnimo para k = ...? que corresponde
a estatstica . . . . ?
Soluo:
2
a) Mdia = 13,0
b) Desvios = -2, -4, 3, 1, -3, 5
31
Sabe-se que toda a combinao linear de varivel de distribuio normal tambm tem
nizada Z =
2 /n
mdia amostral ( x = i x i / n) , usando a tabela Z da distribuio normal padro. A probabilidade terica P(Z1 Z Z2) =1-, tal que, P(Z Z1)= /2 e P(Z Z2) =/2 ou, por simetria, -Z1 =
Z2
Z/2
pode
ser
escrita,
para
__
P( Z / 2
X
2 / n
Z / 2 ) = 1 ; P( Z / 2
uma
amostra,
como
sendo
um
estimador
2 _ _
2
X Z /2
) = 1 ;
n
n
__
__
P( X Z /2 2 / n X X X + Z /2 2 / n ) = 1
P( X Z / 2 2 / n X + Z / 2 2 / n ) = 1
O leitor pode observar que ao aumentar o nvel de confiana, isto , usar um menor,
ento a amplitude entre os limites inferior e superior do intervalo de confiana aumenta. Em
geral estas estimativas por intervalo so obtidas para entre um e dez porcento.
Exemplo: Seja uma amostra de n=16 cuja estimativa da mdia x =10. Sabendo-se que =3,
obter a estimativa por intervalo para a mdia com 95% de confiana.
Soluo: para 1- =0,95 temos /2=0,025 e para P(Z -Z/2)=0,025, da tabela Z, tem-se Z/2
=Z0,025 =1,96 que substitudo na expresso de probabilidade
32
Uma representao grfica desta interpretao dada a seguir. Observa-se que as amplitudes dos intervalos so iguais (porque a varincia conhecida a mesma para todas as estimativas) e que o intervalo nmero 9 no contm .
Limite superior
....
1
=
98
99
100
Limite inferior
400
) . a) Obter estimativas por intervalo a 99% e 95% de confin
ana para a mdia , dado x =48 para n=16 observaes. Comparar os intervalos de 99
e 95%; b) Calcular n (tamanho da amostra) para uma diferena igual a 16% da mdia em
nvel de 5% de erro.
Soluo: a)
n=
(1,96) 2 * (41,7) 2
= 26
(16) 2
33
- Distribuio qui-quadrado
Sabe-se, da teoria estatstica, que se Z N(0,1) ento a transformao X =
tem
i =1
X = Z + Z +...+ Z , com Z
n
f ( x, n) =
1
x ( n / 2 ) 1e x / 2 , para todo x > 0 onde, (n/2) a funo gama com parme( n / 2 ) 2 n / 2
tro n/2.
Esta varivel (Xn ) tem as seguintes caractersticas numricas: E(Xn) =x=n e 2x =2n.
assimtrica para n no muito grande. Para cada n temos uma fdp diferente e, por isto os valores de X, para diferentes nveis de probabilidade , podem ser tabelados (ver Tabela , em
f ( x, n)dx
Xn
Demonstra-se que, se Z = ( X i ) / .
N (0,1) ento, X p =
/ =
2
i i
( X
i
2
2
i ) / =
2 2 4
2
2 2
,
.
S
{
/(
n
1
)}
n 1
Aplicao:
Sejam os limites X1 e X2 tal que: P(X1XpX2) =1-, tal que P(XX1) =/2 e P(XX2) =/2,
2
sendo X p , ento
P ( X1
( n 1)S2
X2 ) = 1 e
2
( n 1)S2
( n 1)S2
2
P(
) = 1
X2
X1
2
P(
( n 1)s2
( n 1)s2
) = 1 l
2
X2
X1
( n 1)s 2
( n 1) s2
e
.
X1
X2
34
P(X1 < X < X2) = 1-
(10)
1-
/2
/2
X2
X1
amostral foi de s =300, obter a estimativa por intervalo para a varincia com 1-=0,90
Soluo: Pela tabela (qui-quadrado), em anexo, para 10-1=9 graus de liberdade, determinase os valores X1 e X2 , isto :
P ( X X 1 ) = 1 P( X X 1 ) = 1 / 2 = 0,95 X 1 = 3,325
P ( X X 2 ) =.............................. / 2 = 0,05 X 2 = 16,919
A estimativa por intervalo definida a seguir
9 * 300
9 * 300
= 0,90 e
2
P
16,919
3,325
A varincia est entre os limites de 159,59 e 812,03 com uma confiana de 90%. Ao
estimar a varincia por intervalo, freqentemente se obtm um intervalo amplo, de pouca praticidade.
- Distribuio de t
2
Xp / p
seja, T tp. A fdp desta distribuio depende apenas do parmetro p e caracterizada por:
f ( t , p ) = ( p / 2;1 / 2 ) p
] (1 + t
1
/ p)
( p + 1) / 2
, t
onde (p/2;1/2) a funo beta com parmetros p/2 e 1/2. Esta distribuio, para p graus de
liberdade, simtrica com as seguintes caractersticas numricas: E(T)=T=0 e 2T =p/(p-2)
para p>2.
Assim, a distribuio t simtrica a sua mdia, e os valores de t para diferentes nveis de
probabilidades e graus de liberdade, encontram-se tabelados (Tabela t, em anexo).
35
t(10)
1-
/2
X1
/2
X2
Z=
X
/n
2
N(0,1)
X p = pS 2 / 2 2p ,
ento
T = Z / Xp / p
__
__
1
/
2
/ [(pS2 / 2 ) / p] = X t . Nesta condio, pode-se estabelecer os limites t1
= 2
p
/n
S2 / n
P( t 1
X
S2 / n
t2 ) = 1
__
P ( X t / 2 S 2 / n X+ t / 2 S 2 / n ) = 1
Substituindo-se os estimadores
graus de liberdade obtm a estimativa por intervalo para a mdia a um nvel 1- de probabilidade, cujos limites inferior e superior so, respectivamente, x t / 2 s 2 / n e x + t / 2 s 2 / n .
Assim, as amplitudes destas estimativas, para amostras de mesmo tamanho, vo depender do nvel 1- de confiana e da estimativa da varincia.
Para estimar o tamanho da amostra para um nvel 1- de confiana pode-se supor
36
__
d
D
%
*
100
d
D
*
X
/ 100
=
=
_
_
t 2S2
X
n= 2
__
d
cv = S * 100 S = cv * X / 100
__
n=
==>>
t 2 cv2
D2
Uma amostra de n=15 observaes resultou em X =10 e s =30. Pede-se para obter a estimativa por intervalo para a mdia da populao a um nvel de 1-=0,95 de confiana. Tmse p=n-1 =15-1 =14 graus de liberdade. Com isto, da Tabela de t obtm -t1 = t2 = t(0,025) =
2,145 (pois /2 =0,025) e P( t 1 t t 2 ) = P(10 2145
,
30 / 15 10 + 2145
,
30 / 15 ) =
=P( 6,97 13,03) = 0,95 . Assim, se estima que a mdia esteja no intervalo entre 6,97 e
13,03, com uma confiana de 95%. Uma representao grfica da interpretao das estimativas por intervalo dada a seguir. Observa-se que as amplitudes dos intervalos no so iguais
(porque a varincia estimada e, portanto, varia de amostra para amostra) e que o intervalo
nmero 9 no contm . Se espera que em cada 100 intervalos 100(1-) contenham .
.....
1
98
99
100
- Testes de hipteses
Seja a hiptese nula H0: =0 e as hipteses alternativas: a) H1: 0 (bilateral); b) H1:
<0 (unilateral esquerda); c) H1: >0 (unilateral direita). A estimativa da estatstica
__
t=
x 0
s2 n
nvel de erro. Se | t | > t/2 rejeita-se a hiptese H0 em favor da hiptese alternativa (a); Se t <
-t rejeita-se a hiptese H0 em favor da hiptese alternativa (b); Se t > t rejeita-se a hiptese
H0 em favor da hiptese alternativa (c); e, no rejeita-se H0 em casos contrrios. Na verdade,
somente uma das hiptese alternativas deve ser de interesse do pesquisador a qual, depende
do caso que est sendo analisado.
37
__
Exemplo: Seja uma amostra de n=15 observaes com estimativas da mdia X =23 e varincia
2
s =30. Testar a hiptese H0: =0, para 0=20, contra as hipteses alternativas: a) H1: 0; b)
H1: <0 ; c) H1: >0.
Soluo: A estimativa da estatstica t : t =
23 20
= 2,121. A deciso ser: a) Para a hipte30 / 15
se alternativa bilateral (a) no rejeitar H0 pois a estatstica |t|=2,121 menor do que o valor
tabelado t/2(p) =t0,025(14) =2,145. Logo, no difere significativamente de 0 e, a diferena
observada entre a mdia e 0 pode ser atribuda ao acaso ou a variaes amostrais; b) Para
a hiptese alternativa unilateral esquerda (b) no rejeitar H0 pois a estatstica t=2,121
maior do que o valor tabelado -t = -t0,05 = -1,761. Logo, no menor do que 0; c) Para a
hiptese alternativa unilateral direita (c) rejeitar H0, em favor de H1: >0, pois a estatstica
t=2,121 maior do que t =t0,05 =1,761. Logo, em nvel de 5% de erro na concluso, concluise que significativamente maior que 20.
- Estimao por intervalo para a diferena entre duas mdias com varincias estimadas
Desenvolvendo-se da forma vista anteriormente para uma mdia, obtm a estimativa por
intervalo em nvel 1- de confiana a seguir:
P{( x1 x2 ) t /2 sm2 1 2 ( x1 x2 ) + t /2 s m2 } = 1
2
s 2m = [ ( p 1 s12 + p 2 s 22 ) / p][1 / n 1 + 1 / n 2 ] em que p1=n1-1; p2=n2-1 para p=p1+p2 graus de liberdade e a suposio de que as varincias das duas amostras sejam homogneas.
2
__ _ _
=
t
(
X 1 X 2 ) / s2m , com p=p1+p2 graus de liberdade comparada com os valoda estatstica
res da Tabela de t em nvel de erro. Se |t| > t/2 rejeita-se a hiptese H0 em favor da hiptese
alternativa bilateral.
Antes de aplicar o teste de hiptese para comparao de duas mdias, deve-se testar a
2
38
Exemplo: A populao de soja A, com uma amostra de 21 plantas, teve uma estimativa de mdia igual a 60cm de altura e varincia igual a 55 e, a populao B, com uma amostra de
26 plantas, teve uma estimativa da mdia igual a 77cm e varincia igual a 60. Verificar se
a populao B maior do que a populao A.
- Distribuio de F
Sendo Vp =
o F =
(n1 1)s12
(n2 1)s 22
2
2q independentes, ento a transforma
=
Vq
e
p
2
2
Vp / p
F
isto , F tem distribuio de F com parmetros p e q graus de liberdade
Vq / q ( p ,q )
f ( F; p, q ) = [( p / 2; q / 2)]1 ( p / q ) p / 2 F ( p / 2 ) 1 (1 + pF / q) ( p+ q )/ 2 , F>0
Nota: F(1,q) = tq2 e F(p,q) = F(q,p)-1
f
F(4;16)
Ho
H1
1-
Ft = F
(4;16)
Figura 3. Distribuio de F com 4 graus de liberdade do numerador e
16 graus de liberdade do denominador.
A fdp desta distribuio depende, ento, apenas dos parmetros p e q podendo ser tabelado com diferentes nveis de probabilidade. Ver Tabela F, =1% e =5%, em anexo. Seja p o
2
ento a estatstica F calculada como sendo F = Sp /Sq . Na prtica, para facilitar a deciso do
teste de hiptese, costuma-se tomar a maior varincia como numerador. A deciso de rejeitar
H0 , ento, tomada se "F > F(p,q)" isto , se F calculado for maior que o F tabelado em nvel
de erro com p e q graus de liberdade. Neste caso, conclui-se que as varincias so heterocedsticas (heterogneas) e, ento, deve-se proceder uma modificao, na estimativa da estatstica t do teste para comparar duas mdias e no valor da tabela de t.
2
Existem ainda, inmeras outras aplicaes para as distribuies de Z, , t e F que o leitor poder encontrar em textos especficos citados na bibliografia recomendada. Destaca-se o
2
teste de Bartlett (Steel & Torrie, 1960) para testar a homogeneidade de duas ou mais vari2
ncias ou seja, testar a hiptese Ho:1 =2 =3 =4 ... Todas estas aplicaes dependem de
que X, a varivel observada, seja normalmente distribuda. Quando isto no ocorre os testes
39
114
108
104
116
117
127
106
122
112
Cultivar 2
88
76
87
89
106
85
65
120
70
98
92
b)
Cultivar
Mdia
Varincia
114,92
72,08
88,73
246,62
c) P (
10 * 246,62
10 * 246,62
) = P (134,7 22 625,94) = 0,90
22
18,307
3,940
40
88,73 100
tc =
246,62 / 11
H1: 1 90
tc =
114,92 90
72,08 / 12
H1: 1 2
sm2 =
11 * 72,08 + 10 * 246,62 1
1
+
12 11 = 27,04
11 + 10
tc =
114,92 88,73
= 5,036 um valor maior que o valor tabelado e, por isto, rejei27,04
H 0 : 12 = 22
H 0 : 12 > 22
Ft = F5%(10;11) = 2,85
Para n0 = 12
t = t5%(11) = 1,796
Para n1 = 11
100 * 72,08
= 7,38 ;
114,92
t = t5%(10) = 1,812
amostra n=11.
i) D = 8%; CV =
n1 =
100 * 246,62
= 17,69 ;
88,73
(1,796) 2 * (7,38) 2
= 10,9 11
( 4) 2
n2 =
(1,812) 2 * (7,38) 2
= 11,2 11 e o tamanho da
(4) 2
41
Para n0 = 11
t = t1%(10) = 3,169
Para n1 = 49
t = t1%(48) = 2,682
Para n2 = 35
t = t1%(34) = 2,728
Para n3 = 36
t = t1%(35) = 2,723
n1 =
(3,169) 2 * (17,69) 2
= 49
(8) 2
n2 =
(2,682) 2 * (17,6) 2
= 35
(8)2
n3 =
(2,728) 2 * (17,6) 2
= 36
(8) 2
n4 =
(2,723) 2 * (17,6) 2
= 36 e o tamanho da amostra
(8) 2
n=36
s2 =
j) D=5%;
CV =
11 * 72,08 + 10 * 246,62
x + x2 114,92 + 88,73
= 155,19 ; x = 1
=
= 101,82
11 + 10
2
2
100 * 155,19
= 12,2
101,82
Para n0 = 20, ou seja 10 para cada cultivar, temos GL=2(10-1)=18 e t5%(18)= 2,101
e
n1 =
2 * (2,101) 2 * (12,2) 2
= 52
(5) 2
Para n1 = 52, ou seja 26 para cada cultivar, temos GL=2(26-1)=50 e t5%(50)= 2,009
e
n2 =
2 * (2,009) 2 * (12,2) 2
= 48
(5) 2
Para n2 = 48, ou seja 24 para cada cultivar, temos GL=2(24-1)=46 e t5%(46)= 2,013
e
n3 =
2 * ( 2,013) 2 * (12,2) 2
= 48
(5) 2
cada cultivar.
42
7 BIBLIOGRAFIA
FONSECA, J.S., MARTINS, G.A. Curso de estatstica. 5.ed., So Paulo: Editora Atlas, 1994,
317p.
MEYER, P.L. Probabilidade - Aplicao estatstica 2.ed., Rio de Janeiro: Livros Tcnicos e
Cientficos, 1983.
MOOD, A.M., GREYBILL, F.A., BOES, D.C. Introdution to the theory of statistics. 3.ed.,
New York: McGraw-Hill, 1974.
STEEL, R.G.D., TORRIE, J.H. Principles and procedures of statistics. Nova York: McGrawHill, 1960. 481p.
43
8 - ANEXOS
44
DERIVADAS
y = xm
y = m.xm-1 ;
y = a.xm
y=x
y = am.xm-1 ; y = c
y = 1
y = 0
y= u+ v
y = u.v
y = u/v
y = um
y = (1/x).loga e
y = loge x
y = loga u
y = 1/x
y = (u/u).loga e
y = ax.ln(a)
y = au
y = ex
y= (v.u-u.v)/v2
y = u/ { n.(un-1)1/n }
y = loga x
y = ax
y = m.um-1.u
y = u1/n
y`=u.v + v.u
y = au.u.ln(a)
y= ex ; y = e-x
y = -e-x
Integrais
dx = x + c
xm dx = xm+1 / (m+1)
x-1 dx = ln x + c
ex dx = ex + c
ax dx = ax / ln(a) + c
45
0,00
0,01
0,02
0,03
0,04
0,05
0,06
0,07
0,08
0,09
0,0
0,5000
0,4960
0,4920
0,4880
0,4840
0,4801
0,4761
0,4721
0,4681
0,4641
0,1
0,4602
0,4562
0,4522
0,4483
0,4443
0,4404
0,4364
0,4325
0,4286
0,4247
0,2
0,4207
0,4168
0,4129
0,4090
0,4052
0,4013
0,3974
0,3936
0,3897
0,3859
0,3
0,3821
0,3783
0,3745
0,3707
0,3669
0,3632
0,3594
0,3557
0,3520
0,3483
0,4
0,3446
0,3409
0,3372
0,3336
0,3300
0,3264
0,3228
0,3192
0,3156
0,3121
0,5
0,3085
0,3050
0,3015
0,2981
0,2946
0,2912
0,2877
0,2843
0,2810
0,2776
0,6
0,2743
0,2709
0,2676
0,2643
0,2611
0,2578
0,2546
0,2514
0,2483
0,2451
0,7
0,2420
0,2389
0,2358
0,2327
0,2296
0,2266
0,2236
0,2206
0,2177
0,2148
0,8
0,2119
0,2090
0,2061
0,2033
0,2005
0,1977
0,1949
0,1922
0,1894
0,1867
0,9
0,1841
0,1814
0,1788
0,1762
0,1736
0,1711
0,1685
0,1660
0,1635
0,1611
1,0
0,1587
0,1562
0,1539
0,1515
0,1492
0,1469
0,1446
0,1423
0,1401
0,1379
1,1
0,1357
0,1335
0,1314
0,1292
0,1271
0,1251
0,1230
0,1210
0,1190
0,1170
1,2
0,1151
0,1131
0,1112
0,1093
0,1075
0,1056
0,1038
0,1020
0,1003
0,0985
1,3
0,0968
0,0951
0,0934
0,0918
0,0901
0,0885
0,0869
0,0853
0,0838
0,0823
1,4
0,0808
0,0793
0,0778
0,0764
0,0749
0,0735
0,0721
0,0708
0,0694
0,0681
1,5
0,0668
0,0655
0,0643
0,0630
0,0618
0,0606
0,0594
0,0582
0,0571
0,0559
1,6
0,0548
0,0537
0,0526
0,0516
0,0505
0,0495
0,0485
0,0475
0,0465
0,0455
1,7
0,0446
0,0436
0,0427
0,0418
0,0409
0,0401
0,0392
0,0384
0,0375
0,0367
1,8
0,0359
0,0351
0,0344
0,0336
0,0329
0,0322
0,0314
0,0307
0,0301
0,0294
1,9
0,0287
0,0281
0,0274
0,0268
0,0262
0,0256
0,0250
0,0244
0,0239
0,0233
2,0
0,0228
0,0222
0,0217
0,0212
0,0207
0,0202
0,0197
0,0192
0,0188
0,0183
2,1
0,0179
0,0174
0,0170
0,0166
0,0162
0,0158
0,0154
0,0150
0,0146
0,0143
2,2
0,0139
0,0136
0,0132
0,0129
0,0125
0,0122
0,0119
0,0116
0,0113
0,0110
2,3
0,0107
0,0104
0,0102
0,0099
0,0096
0,0094
0,0091
0,0089
0,0087
0,0084
2,4
0,0082
0,0080
0,0078
0,0075
0,0073
0,0071
0,0069
0,0068
0,0066
0,0064
2,5
0,0062
0,0060
0,0059
0,0057
0,0055
0,0054
0,0052
0,0051
0,0049
0,0048
2,6
0,0047
0,0045
0,0044
0,0043
0,0041
0,0040
0,0039
0,0038
0,0037
0,0036
2,7
0,0035
0,0034
0,0033
0,0032
0,0031
0,0030
0,0029
0,0028
0,0027
0,0026
2,8
0,0026
0,0025
0,0024
0,0023
0,0023
0,0022
0,0021
0,0021
0,0020
0,0019
2,9
0,0019
0,0018
0,0018
0,0017
0,0016
0,0016
0,0015
0,0015
0,0014
0,0014
3,0
0,0013
0,0013
0,0013
0,0012
0,0012
0,0011
0,0011
0,0011
0,0010
0,0010
46
Tabela t - Contm os valores tericos da distribuio de t para GL graus de liberdade com os nveis
para testes uni e bilaterais.
bi
=1%
=2%
=2,5%
=5%
=10%
=20%
GL
uni
=0,5%
=1%
=1,25%
=2,5%
=5%
=10%
1
63,657
31,821
25,452
12,706
6,314
3,078
2
9,925
6,965
6,205
4,303
2,920
1,886
3
5,841
4,541
4,177
3,182
2,353
1,638
4
4,604
3,747
3,495
2,776
2,132
1,533
5
4,032
3,365
3,163
2,571
2,015
1,476
6
3,707
3,143
2,969
2,447
1,943
1,440
7
3,499
2,998
2,841
2,365
1,895
1,415
8
3,355
2,896
2,752
2,306
1,860
1,397
9
3,250
2,821
2,685
2,262
1,833
1,383
10
3,169
2,764
2,634
2,228
1,812
1,372
11
3,106
2,718
2,593
2,201
1,796
1,363
12
3,055
2,681
2,560
2,179
1,782
1,356
13
3,012
2,650
2,533
2,160
1,771
1,350
14
2,977
2,624
2,510
2,145
1,761
1,345
15
2,947
2,602
2,490
2,131
1,753
1,341
16
2,921
2,583
2,473
2,120
1,746
1,337
17
2,898
2,567
2,458
2,110
1,740
1,333
18
2,878
2,552
2,445
2,101
1,734
1,330
19
2,861
2,539
2,433
2,093
1,729
1,328
20
2,845
2,528
2,423
2,086
1,725
1,325
21
2,831
2,518
2,414
2,080
1,721
1,323
22
2,819
2,508
2,405
2,074
1,717
1,321
23
2,807
2,500
2,398
2,069
1,714
1,319
24
2,797
2,492
2,391
2,064
1,711
1,318
25
2,787
2,485
2,385
2,060
1,708
1,316
26
2,779
2,479
2,379
2,056
1,706
1,315
27
2,771
2,473
2,373
2,052
1,703
1,314
28
2,763
2,467
2,368
2,048
1,701
1,313
29
2,756
2,462
2,364
2,045
1,699
1,311
30
2,750
2,457
2,360
2,042
1,697
1,310
32
2,738
2,449
2,352
2,037
1,694
1,309
34
2,728
2,441
2,345
2,032
1,691
1,307
36
2,719
2,434
2,339
2,028
1,688
1,306
38
2,712
2,429
2,334
2,024
1,686
1,304
40
2,704
2,423
2,329
2,021
1,684
1,303
44
2,692
2,414
2,321
2,015
1,680
1,301
48
2,682
2,407
2,314
2,011
1,677
1,299
50
2,678
2,403
2,311
2,009
1,676
1,299
55
2,668
2,396
2,304
2,004
1,673
1,297
60
2,660
2,390
2,299
2,000
1,671
1,296
70
2,648
2,381
2,291
1,994
1,667
1,294
80
2,639
2,374
2,284
1,990
1,664
1,292
100
2,626
2,364
2,276
1,984
1,660
1,290
120
2,617
2,358
2,270
1,980
1,658
1,289
160
2,617
2,358
2,270
1,980
1,658
1,289
Nota: Tabela extrada do Software SOC/EMBRAPA/Campinas, SP.
47
48
Tabela F - Contm os valores tericos (f) da distribuio de F(n;m) em que P(F>f) =5%, para n graus de
liberdade do numerador e m graus de liberdade do denominador.
n = graus de liberdade do numerador
m
1
2
3
4
5
6
7
8
9
10
1
161,4
199,5
215,7
224,6
230,2
234,0
236,8
238,9
240,5
241,9
2
18,51
19,00
19,16
19,25
19,30
19,33
19,35
19,37
19,38
19,40
3
10,13
9,55
9,28
9,12
9,01
8,94
8,89
8,85
8,81
8,79
4
7,71
6,94
6,59
6,39
6,26
6,16
6,09
6,04
6,00
5,96
5
6,61
5,79
5,41
5,19
5,05
4,95
4,88
4,82
4,77
4,74
6
5,99
5,14
4,76
4,53
4,39
4,28
4,21
4,15
4,10
4,06
7
5,59
4,74
4,35
4,12
3,97
3,87
3,79
3,73
3,68
3,64
8
5,32
4,46
4,07
3,84
3,69
3,58
3,50
3,44
3,39
3,35
9
5,12
4,26
3,86
3,63
3,48
3,37
3,29
3,23
3,18
3,14
10
4,96
4,10
3,71
3,48
3,33
3,22
3,14
3,07
3,02
2,98
11
4,84
3,98
3,59
3,36
3,20
3,09
3,01
2,95
2,90
2,85
12
4,75
3,89
3,49
3,26
3,11
3,00
2,91
2,85
2,80
2,75
13
4,67
3,81
3,41
3,18
3,03
2,92
2,83
2,77
2,71
2,67
14
4,60
3,74
3,34
3,11
2,96
2,85
2,76
2,70
2,65
2,60
15
4,54
3,68
3,29
3,06
2,90
2,79
2,71
2,64
2,59
2,54
16
4,49
3,63
3,24
3,01
2,85
2,74
2,66
2,59
2,54
2,49
17
4,45
3,59
3,20
2,96
2,81
2,70
2,61
2,55
2,49
2,45
18
4,41
3,55
3,16
2,93
2,77
2,66
2,58
2,51
2,46
2,41
19
4,38
3,52
3,13
2,90
2,74
2,63
2,54
2,48
2,42
2,38
20
4,35
3,49
3,10
2,87
2,71
2,60
2,51
2,45
2,39
2,35
21
4,32
3,47
3,07
2,84
2,68
2,57
2,49
2,42
2,37
2,32
22
4,30
3,44
3,05
2,82
2,66
2,55
2,46
2,40
2,34
2,30
23
4,28
3,42
3,03
2,80
2,64
2,53
2,44
2,37
2,32
2,27
24
4,26
3,40
3,01
2,78
2,62
2,51
2,42
2,36
2,30
2,25
25
4,24
3,39
2,99
2,76
2,60
2,49
2,40
2,34
2,28
2,24
26
4,23
3,37
2,98
2,74
2,59
2,47
2,39
2,32
2,27
2,22
27
4,21
3,35
2,96
2,73
2,57
2,46
2,37
2,31
2,25
2,20
28
4,20
3,34
2,95
2,71
2,56
2,45
2,36
2,29
2,24
2,19
29
4,18
3,33
2,93
2,70
2,55
2,43
2,35
2,28
2,22
2,18
30
4,17
3,32
2,92
2,69
2,53
2,42
2,33
2,27
2,21
2,16
32
4,15
3,29
2,90
2,67
2,51
2,40
2,31
2,24
2,19
2,14
34
4,13
3,28
2,88
2,65
2,49
2,38
2,29
2,23
2,17
2,12
38
4,10
3,24
2,85
2,62
2,46
2,35
2,26
2,19
2,14
2,09
40
4,08
3,23
2,84
2,61
2,45
2,34
2,25
2,18
2,12
2,08
44
4,06
3,21
2,82
2,58
2,43
2,31
2,23
2,16
2,10
2,05
50
4,03
3,18
2,79
2,56
2,40
2,29
2,20
2,13
2,07
2,03
60
4,00
3,15
2,76
2,53
2,37
2,25
2,17
2,10
2,04
1,99
70
3,98
3,13
2,74
2,50
2,35
2,23
2,14
2,07
2,02
1,97
80
3,96
3,11
2,72
2,49
2,33
2,21
2,13
2,06
2,00
1,95
90
3,95
3,10
2,71
2,47
2,32
2,20
2,11
2,04
1,99
1,94
100
3,94
3,09
2,70
2,46
2,31
2,19
2,10
2,03
1,97
1,93
110
3,93
3,08
2,69
2,45
2,30
2,18
2,09
2,02
1,97
1,92
120
3,92
3,07
2,68
2,45
2,29
2,18
2,09
2,02
1,96
1,91
continua . . .
49
Tabela F - Contm os valores tericos (f) da distribuio de F(n;m) em que P(F>f) =5%, para n graus de
liberdade do numerador e m graus de liberdade do denominador.
. . . continuao
n = graus de liberdade do numerador
m
11
12
13
14
15
17
20
26
40
60
1
243,0
243,9
244,7
245,4
245,9
246,9
248,0
249,4
251,1
252,2
2
19,40
19,41
19,42
19,42
19,43
19,44
19,45
19,46
19,47
19,48
3
8,76
8,74
8,73
8,71
8,70
8,68
8,66
8,63
8,59
8,57
4
5,94
5,91
5,89
5,87
5,86
5,83
5,80
5,76
5,72
5,69
5
4,70
4,68
4,66
4,64
4,62
4,59
4,56
4,52
4,46
4,43
6
4,03
4,00
3,98
3,96
3,94
3,91
3,87
3,83
3,77
3,74
7
3,60
3,57
3,55
3,53
3,51
3,48
3,44
3,40
3,34
3,30
8
3,31
3,28
3,26
3,24
3,22
3,19
3,15
3,10
3,04
3,01
9
3,10
3,07
3,05
3,03
3,01
2,97
2,94
2,89
2,83
2,79
10
2,94
2,91
2,89
2,86
2,85
2,81
2,77
2,72
2,66
2,62
11
2,82
2,79
2,76
2,74
2,72
2,69
2,65
2,59
2,53
2,49
12
2,72
2,69
2,66
2,64
2,62
2,58
2,54
2,49
2,43
2,38
13
2,63
2,60
2,58
2,55
2,53
2,50
2,46
2,41
2,34
2,30
14
2,57
2,53
2,51
2,48
2,46
2,43
2,39
2,33
2,27
2,22
15
2,51
2,48
2,45
2,42
2,40
2,37
2,33
2,27
2,20
2,16
16
2,46
2,42
2,40
2,37
2,35
2,32
2,28
2,22
2,15
2,11
17
2,41
2,38
2,35
2,33
2,31
2,27
2,23
2,17
2,10
2,06
18
2,37
2,34
2,31
2,29
2,27
2,23
2,19
2,13
2,06
2,02
19
2,34
2,31
2,28
2,26
2,23
2,20
2,16
2,10
2,03
1,98
20
2,31
2,28
2,25
2,22
2,20
2,17
2,12
2,07
1,99
1,95
21
2,28
2,25
2,22
2,20
2,18
2,14
2,10
2,04
1,96
1,92
22
2,26
2,23
2,20
2,17
2,15
2,11
2,07
2,01
1,94
1,89
23
2,24
2,20
2,18
2,15
2,13
2,09
2,05
1,99
1,91
1,86
24
2,22
2,18
2,15
2,13
2,11
2,07
2,03
1,97
1,89
1,84
25
2,20
2,16
2,14
2,11
2,09
2,05
2,01
1,95
1,87
1,82
26
2,18
2,15
2,12
2,09
2,07
2,03
1,99
1,93
1,85
1,80
27
2,17
2,13
2,10
2,08
2,06
2,02
1,97
1,91
1,84
1,79
28
2,15
2,12
2,09
2,06
2,04
2,00
1,96
1,90
1,82
1,77
29
2,14
2,10
2,08
2,05
2,03
1,99
1,94
1,88
1,81
1,75
30
2,13
2,09
2,06
2,04
2,01
1,98
1,93
1,87
1,79
1,74
32
2,10
2,07
2,04
2,01
1,99
1,95
1,91
1,85
1,77
1,71
34
2,08
2,05
2,02
1,99
1,97
1,93
1,89
1,82
1,75
1,69
38
2,05
2,02
1,99
1,96
1,94
1,90
1,85
1,79
1,71
1,65
40
2,04
2,00
1,97
1,95
1,92
1,89
1,84
1,77
1,69
1,64
44
2,01
1,98
1,95
1,92
1,90
1,86
1,81
1,75
1,67
1,61
50
1,99
1,95
1,92
1,89
1,87
1,83
1,78
1,72
1,63
1,58
60
1,95
1,92
1,89
1,86
1,84
1,80
1,75
1,68
1,59
1,53
70
1,93
1,89
1,86
1,84
1,81
1,77
1,72
1,65
1,57
1,50
80
1,91
1,88
1,84
1,82
1,79
1,75
1,70
1,63
1,54
1,48
90
1,90
1,86
1,83
1,80
1,78
1,74
1,69
1,62
1,53
1,46
100
1,89
1,85
1,82
1,79
1,77
1,73
1,68
1,61
1,52
1,45
110
1,88
1,84
1,81
1,78
1,76
1,72
1,67
1,60
1,50
1,44
120
1,87
1,83
1,80
1,78
1,75
1,71
1,66
1,59
1,50
1,43
Nota: Tabela extrada do Software SOC/EMBRAPA/Campinas, SP.