Estatistica Aplicada PUC

PONTIFCIA UNIVERSIDADE CATLICA DO RIO GRANDE DO SUL
FACULDADE DE MATEMTICA
DEPARTAMENTO DE ESTATSTICA
ESTATSTICA APLICADA PSICOLOGIA

Prof. Hlio Radke Bittencourt
1. CONCEITOS BSICOS DE ESTATSTICA
1.1 Conjuntos de dados. Populao e Amostra
1.2 Tipos de variveis
1.3 Escalas de mensurao
1.4 Estatstica descritiva e inferencial
02
02
03
04
2. ESTATSTICA DESCRITIVA
2.1 Tabelas de freqncia simples e cruzadas
2.2 Anlise grfica
2.3 Medidas de Tendncia Central
2.4 Separatrizes
2.5 Medidas de Variabilidade
05
08
14
17
18
3. PROBABILIDADE
3.1 Principais conceitos
3.2 Variveis aleatrias discretas
3.3 Variveis aleatrias contnuas
23
28
29
4. AMOSTRAGEM
4.1 Conceitos bsicos
4.2 Tcnicas de amostragem probabilsticas
4.3 Tcnicas de amostragem no-probabilstica
34
34
37
5. DISTRIBUIOES AMOSTRAIS E ESTIMAO

5.1 Parmetros e Estimadores
5.2 Distribuio amostral da mdia
5.3 Estimao por ponto e por intervalo de confiana
38
38
40
6. TESTES DE HIPTESES
6.1 Teste t de Student para uma mdia
6.2 Testes t de Student - duas amostras independentes
6.3 Testes t de Student - duas amostras pareadas
6.4 Teste Qui-quadrado
45
48
50
52
7. CORRELAO E REGRESSO
7.1 Coeficiente de correlao de Pearson
7.2 Regresso Linear Simples
54
56
LISTA DE EXERCCIOS
58
TABELAS
66
Est Apl Psicologia Prof. Hlio Radke Bittencourt Pg.
Cap. 1. CONCEITOS BSICOS DE ESTATSTICA

1.1 Conjunto de dados. Populao e amostra
A Estatstica pode ser definida como o conjunto de ferramentas para coleta,
organizao, anlise e interpretao de dados experimentais. O objeto de estudo em
Estatstica um conjunto de dados que pode constituir uma populao ou uma
amostra.
Populao um conjunto finito ou infinito de elementos.
Amostra um subconjunto da populao. Geralmente buscamos amostras
representativas. Uma amostra representativa aquela que mantm as
caractersticas da populao.
1.2 Tipos de Variveis

Em estatstica no trabalhamos diretamente com os elementos que formam o conjunto
de dados, mas sim com suas caractersticas. Variveis so caractersticas dos
elementos que formam o conjunto de dados.
As variveis podem ser classificadas em qualitativas ou quantitativas: as variveis
qualitativas expressam uma classificao em categorias e, por isso, tambm so
chamadas de categricas. As variveis quantitativas expressam quantidades numricas
e se dividem em discretas e contnuas. As variveis discretas assumem apenas
determinados valores num dado conjunto enumervel, enquanto as variveis contnuas
podem assumir, ao menos teoricamente, qualquer valor num dado intervalo numrico.
Exemplo Listar variveis qualitativas e quantitativas para um aluno da sala
Na prtica todas as variveis so discretas, devido limitao dos instrumentos de

mensurao.
1.3 Escalas de Mensurao

As variveis ainda podem ser classificadas de acordo com o nvel ou escala de
mensurao: Nominal, Ordinal ou Intervalar/Razo.
O nvel nominal de mensurao caracterizado por nmeros que apenas
diferenciam ou rotulam as categorias.
Exemplos:
O nvel ordinal de mensurao envolve nmeros que, alm de diferenciar,

hierarquizam as categorias. Tambm so chamadas de escalas Likert em homenagem
ao americano Rensis Likert que publicou o artigo "A Technique For The Measurement of
Attitudes" em 1932, onde sugeriu escalas de 5 pontos com uma categoria neutra ao
centro.
Exemplos:
O nvel intervalar ou de razo apresenta nmeros que expressam diretamente uma

quantidade seguindo uma mtrica. Podemos tranqilamente realizar operaes
matemticas com variveis deste tipo.
Exemplos:
Figura Resumo dos tipos de variveis e escalas de mensurao
- Nominais
Qualitativas
- Ordinais
Variveis
Quantitativas
a
- Discretas
- Contnuasa
Todas var. quantitativas apresentam nvel de mensurao intervalar ou de razo
1.4 Estatstica Descritiva e Inferencial

A estatstica um conjunto de ferramentas utilizadas para a coleta, tabulao, anlise e
interpretao de um conjunto de dados experimentais. A Estatstica pode ser dividida
em duas grandes reas: Descritiva e Inferencial.
A estatstica descritiva aquela que costumamos encontrar com maior freqncia
em jornais, revistas, relatrios, etc. Essa parte da estatstica utiliza nmeros para
descrever fatos. Seu foco a representao grfica e o resumo e organizao de um
conjunto de dados, com a finalidade de simplificar informaes. Nessa categoria se
enquadram as mdias salariais, taxas de inflao, ndice de desemprego, etc.
A estatstica inferencial consiste na obteno de resultados que possam ser
projetados para toda populao a partir de uma amostra da mesma. Ela fundamenta-se
na teoria da amostragem e no clculo de Probabilidades. Essa a rea mais importante
da Estatstica.
Figura - Esquema geral de um curso de Estatstica
Descritiva
Estatstica
Inferencial
Probabilidade
Amostragem
Cap. 2 ESTATSTICA DESCRITIVA

2.1 Tabelas de freqncia simples e cruzadas
Vamos introduzir o tema de tabelas de freqncia simples construindo tabelas para o
banco de dados construdo a partir de informaes da turma
Exemplo 1
Gnero
Semestre
Nmero de irmos
Altura (cm)
Criar uma tabela de freqncias para cada uma das variveis. Estes exemplos sero
construdos com dados coletados na sala de aula.
Tabelas de freqncia so encontradas em jornais informativos (Zero Hora, Correio do
Povo, etc.), relatrios tcnicos, monografias, dissertaes, teses e revistas cientficas.
As tabelas de freqncia simples apresentam de forma concisa o nmero de
ocorrncias (absoluta e relativa) dos valores de uma varivel.
Uma tabela de freqncia genrica tem a seguinte configurao:
xi
Tabela 1 Tabela de freqncias genrica

fi
fri
Fi
Fri
x1
f1
fr1
F1
Fr1
x2
f2
fr2
F2
Fr2
xk
fk
frk
Fk
100,0%
100,0%
A notao utilizada a seguinte:

X uma varivel qualquer
x um particular valor da varivel X
i um ndice til para enunciar as expresses matemticas
k o nmero de linhas da tabela
Os componentes da tabela de freqncias so:

Freqncia absoluta (fi): nmero de ocorrncias do valor xi.
Freqncia relativa (fri): percentual de ocorrncias do valor xi
Freqncia absoluta acumulada (Fi): nmero de ocorrncias at o valor xi.
Freqncia relativa acumulada (Fri): percentual de ocorrncias at o valor xi
As Tabelas cruzadas apresentam a distribuio de freqncias de duas variveis

simultaneamente. As tabelas cruzadas so abundantes em jornais e revistas
especializadas.
Exemplo 2 Gnero X Sintomas de ansiedade
Preencher a tabela abaixo e calcular os percentuais em relao aos totais das linhas.
Tabela 2 Distribuio da turma por grupo sangneo e fator Rh.
Gnero
Masculino
Feminino
Totais
Sim
Sintomas de ansiedade
No
Totais
Exemplo 2b Grupo sangneo X Fator Rh

Preenche a tabela abaixo com os dados da turma. Calcular o percentual em relao ao
TOTAL.
Grupo
A
Fator Rh
Rh+
Rh-
Totais
B
AB
O
Totais
CURIOSIDADE: Distribuio populacional por tipo sangneo e Fator Rh

Rh+
Rh-
Totais
35,7%
6,3%
42%
7,7%
1,3%
9%
AB
2,5%
0,5%
3%
39,1%
6,9%
46%
85%
15%
100%
Grupo
A
Totais
Fator Rh
Fonte: Livro Fisiologia do Sangue, Vol I, Pg 145
2.2 Anlise Grfica
O tipo de grfico adequado para cada varivel depende do tipo de varivel. Segue uma
relao de exemplos de variveis e tipos de grficos adequados.
Varivel Qualitativa Nominal (com poucas categorias)
GRFICO DE SETORES (Pizza ou Torta)

Figura Distribuio da populao por grupo sangneo
A
42,0%
O
46,0%
AB
3,0%
B
9,0%
Base: Populao em geral

Fonte: Livro Fisiologia do Sangue, Vol I, Pg 145
Varivel Qualitativa Nominal (com muitas categorias):
GRFICO DE BARRAS (em ordem decrescente)

Figura Principais causas de morte - EUA
37,7%
Cigarro
Obesidade
28,3%
lcool
9,4%
Doenas infecciosas
8,5%
Armas de fogo
3,3%
Doenas venreas
2,8%
Acidente de carro
2,4%
Drogas
1,9%
5,7%
Outras
0%
20%
40%
60%
80%
Base: ???
Fonte: Fonte: Livro Fisiologia do Sangue, Vol I, Pg 145
100%
Est Apl Psicologia Prof. Hlio Radke Bittencourt Pg. 10
Varivel Qualitativa Ordinal

Ateno: Este o tipo de variveis mais importante na Psicologia
GRFICO DE BARRAS (respeitando a ordem das categorias)

Figura Auto classificao da qualidade de vida (Questo 1 do WHOQOL)
Muito Boa
30,0
Boa
40,0
Nem Ruim, Nem

Boa
10,0
Ruim
15,0
Muito Ruim
5,0
0,0
0
20
40
60
80
100
Percentual (%)
Base: ??? indivduos

Fonte: Dados fictcios.
Varivel Quantitativa Discreta
GRFICO DE COLUNAS
Figura Nmero de pessoas por domiclio
Percentual (%)
50%
40%
30%
20%
10%
0%
1
Nmero de pessoas por domiclio
Base: ??? domiclios

Fonte: Dados fictcios
10 ou
+
Varivel Quantitativa Contnua

HISTOGRAMA
Figura Distribuio de uma turma por altura
10
Freqncia
0
150,0
160,0
170,0
180,0
190,0
200,0
Altura (cm)
Base: 20 observaes
Fonte: Alunos de uma turma de Estatstica I. Grfico construdo no software SPSS.
Figura Distribuio da populao gacha por faixa etria
Fonte: IBGE, PNAD 2004
Sries Temporais
GRFICO DE LINHAS
Figura - Evoluo das matrculas na Educao Superior no RS - 1988 a 2003
Fonte: MEC/INEP (extrado do Atlas Scio Econmico do RS
2.3 Medidas de Tendncia Central

So valores que trazem informao sobre a regio em torno da qual os dados esto
posicionados. As medidas de tendncia central mais utilizadas so: Mdia, Mediana e
Moda.
2.3.1 Mdia Aritmtica ( , X )
A mdia aritmtica definida como a soma de todas observaes da varivel X,
dividida pelo nmero de elementos do conjunto de dados. Freqentemente a mdia
aritmtica o valor que melhor representa um conjunto de dados.
Quando os dados no esto organizados na forma de uma tabela de freqncias e,
portanto, esto na forma isolada, as expresses genricas para encontrar a mdia
so:
Populao
Amostra
x
i =1
X =
i =1
Quando os dados esto organizados na forma de uma tabela de freqncias deve-se

ponderar os diferentes valores xi pelas respectivas freqncias fi. Procedendo desta
forma o clculo da mdia aritmtica torna-se mais simples e rpido.
Populao
k
x
i =1
i fi
Amostra
k
X =
x
i =1
fi
Exemplo 3 Nmero de pessoas que mora em nosso domiclio

Construir uma tabela de freqncias e calcular a mdia aritmtica para considerando
X= nmero de pessoas que mora no domiclio.
2.3.2 Mediana (Md)

A mediana o valor que divide o conjunto de dados ordenado em duas partes com
igual nmero de observaes. Para calcular a mediana iremos utilizar uma nova
notao. Seja
x[1] , x[ 2] , K, x[ n ]
um conjunto de dados ordenado (ordem crescente),
onde o valor entre colchetes representa a posio no conjunto ordenado.

Deduzindo a posio mediana:
n
3
n mpar
Fila
Md
n
4
n par
Fila
Md
As expresses genricas para encontrar a mdia so:

n mpar
n par
Quando os dados esto organizados na forma de uma tabela de freqncias pode-se

encontrar a posio mediana na coluna acumulada Fi.
Encontrar a Md para o exemplo do nmero de pessoas que mora no domiclio.
2.3.3 Moda (Mo)

A moda definida como o valor mais freqente de um conjunto de dados. possvel
que o conjunto seja bimodal (duas modas) ou at mesmo multimodal (trs os mais
modas).
Mo = {xi } com maior f i

Encontrar a Mo para o exemplo do nmero de pessoas que mora no domiclio.
Consideraes IMPORTANTES sobre as MTC

1. A mdia a MTC mais influenciada por valores extremos, entretanto a medida
mais rica, porque considera todos valores do conjunto de dados.
2. A mediana no afetada por valores extremos.
3. A moda a MTC mais pobre, porque considera apenas os valores mais freqentes.
4. Existem outros tipos de mdia usadas em ocasies especiais. A mdia harmnica
muito utilizada em concursos pblicos e a geomtrica pode ser usada em situaes de
alta variabilidade, visto que ela mais estvel. Discutiremos isto em aula.
Mdia harmnica
Xh =
n
n
i =1 x i
Mdia geomtrica
X G = n x1 x 2 K x n
Pode-se estabelecer a seguinte relao entre as mdias:

Xh XG X
2.4 Separatrizes
So valores que separam o conjunto de dados ordenado em partes com igual nmero
de observaes.
A Mediana , portanto, uma separatriz porque divide o conjunto de dados em duas
partes iguais.
Min |------------------------|------------------------| Mx
Md
Os Quartis (Qi) dividem o conjunto de dados em 4 partes iguais.
Min |------------------------|------------------------| Mx
Os Percentis (Pi) dividem o conjunto de dados em 4 partes iguais.

Min |------------------------|------------------------| Mx
Exemplo 6 Boletim de Desempenho do Provo do MEC
Exemplo 7 Distribuio de Renda no Rio Grande do Sul

A rgua de percentis a seguir apresenta a distribuio de salrios para a populao
urbana em idade economicamente ativa no ano de 1999.
R$ 238,00
R$ 400,00
R$800,00 R$ 1500,00
|-------------|-------------|-------------|---------|---|
P25
P50
P75
P90
2.5 Medidas de Variabilidade

So medidas que complementam as MTC trazendo informao sobre a disperso
existente no conjunto de dados. Para introduzi-las vamos recorrer a um exemplo onde
temos trs pacientes onde a presso arterial sistlica foi verificada em seis perodos do
dia.
Exemplo 8 Entendendo as Medidas de Variabilidade
Tabela Medies de presso arterial sistlica (mmHg) em trs pacientes
Paciente A Paciente B Paciente C
120
118
120
120
121
100
120
124
135
120
117
155
120
120
120
120
120
90
Mdia ( X )
Moda (Mo)
Mediana (Md)
Questes
1 O que aconteceu com as MTC na tabela acima?
2 Os trs pacientes so iguais em relao a distribuio das PA Sistlica?
3 O que diferencia um paciente do outro?
A partir de agora aprenderemos a calcular medidas capazes de quantificar a

variabilidade existente num conjunto de dados
2.5.1 Amplitude (R, do termo Range)

a diferena entre o maior e o menor valor de um conjunto de dados.
R = mx{xi } mn{xi }
Calcular R nos trs pacientes do Exemplo 8.
2.5.2 Varincia (2 , s 2)
A varincia uma medida da variao em torno da mdia. Por definio,
varincia a mdia dos quadrados dos desvios em torno da mdia.
Populao
N
2 =
(x
i =1
Amostra
(x
n
s2 =
i =1
X)
n 1
A varincia, ao contrrio da Amplitude, considera todos elementos do conjunto de

dados no seu clculo. Quanto maior for a variao dos valores do conjunto de dados,
maior ser a varincia.
Quando os dados esto organizados na forma de uma tabela de freqncias, devese ponderar os quadrados dos desvios pela freqncia. Esse procedimento facilita o
clculo.
Populao
k
2 =
(x
i =1
Amostra
) fi
2
Calcular s2 nos trs pacientes do Exemplo 8.
(x
k
s2 =
i =1
X ) fi
2
n 1
2.5.3 Desvio-padro (, s)
O desvio-padro a raiz quadrada positiva da varincia. Essa medida corrige o
problema de unidade que surge na varincia. O desvio-padro tambm uma
medida da variao em torno da mdia.
Populao
= 2
Amostra
s = s2
O desvio-padro expressa a variao mdia do conjunto de dados em torno da mdia,

para mais ou para menos.
Calcular s nos trs pacientes do Exemplo 8.

2.5.4 Coeficiente de Variao (CV)
O CV a razo entre o desvio-padro e a mdia de um conjunto de dados. Ele expressa
a variao relativa (%) presente no conjunto de dados em relao mdia.
Populao
CV =
100%
Amostra
CV =
Quanto maior o CV, mais heterogneos sero os dados.

Calcular o CV nos trs pacientes do Exemplo 8.
s
100%
X
Consideraes sobre as Medidas de Variabilidade (MV)

1. A Amplitude a MV mais pobre, porque considera apenas os dois valores
extremos do conjunto de dados.
2. A Varincia no interpretada na prtica devido ao problema da unidade, que est
ao quadrado.
3. O Desvio-padro a MV mais conhecida, sendo amplamente utilizada.
4. Dentre as MV estudadas, sugere-se que o CV seja utilizado para comparao da
variabilidade entre diferentes conjuntos de dados. Por no ter unidade, o CV pode ser
utilizado at mesmo para comparar a variabilidade entre variveis expressas em
diferentes unidades.
CURIOSIDADE Consenso Brasileiro de Presso Arterial Adultos

A presso arterial para adultos pode ser categorizada de acordo com a seguinte tabela.
Portanto, a medida quantitativa contnua pode ser transformada em qualitativa ordinal.
ADULTOS (MAIORES DE 18 ANOS)
Presso Arterial (mmHg)
Sistlica
Diastlica
< 130
< 85
130-139
85-89
140-159
90-99
160-179
100-109
> 180
> 110
> ou= 210
> ou=120
> 140
< 90
Fonte: http://www.cdof.com.br/avalia4.htm
Categoria
Normal
Normal Limtrofe
Hipertenso Leve (estgio 1)
Hipertenso Moderada (estgio 2)
Hipertenso Severa (estgio 3)
Hipertenso Muito Severa (4)
Hipertenso Sistlica Isolada
Exemplo 9a Atendimentos dirios no Servio de Atendimento Psicolgico

de uma escola particular
X = nmero de alunos atendidos por dia
n = 20 dias
2
2
3
2
4
3
2
1
3
1
2
1
1
0
0
2
2
3
2
4
a) Encontrar e interpretar as Medidas de Tendncia Central

b) Encontrar as medidas de variabilidade. Interpretar todas medidas exceto a
Varincia.
Exemplo 9b QI de adolescentes
O coeficiente de inteligncia, popularmente conhecido como QI, varia normalmente
entre 80 e 160 pontos. Suponha que, numa amostra de 15 alunos de Engenharia, os
resultados tenham sido os seguintes:
95
90
90
85
105
110
120
90
90
100
110
115
110
90
100
a) Encontrar as medidas de tendncia central para o QI.

b) Encontrar as medidas de variabilidade para o QI.
Exemplo 10 Escore BDI (Beck Depression Inventory)
O escore BDI de Beck procura mensurar o nvel de depresso numa escala que varia de
0 (ausncia de depresso) at 63 (depresso mxima). Suponha que estamos
interessados a comparar o nvel de depresso em dois grupos de recm-fomados: um
formado por egressos do sexo masculino e outro formado por egressos do sexo
feminino.
4
Homens Mulheres
12
13
10
14
8
13
9
12
12
8
15
14
4
10
a) Compare os dois grupos em relao s medidas de tendncia central e de

variabilidade.
TRABALHO 1 (duplas)
Realizar no EXCEL uma anlise descritiva completa do banco de dados
fornecido pelo professor. Construa tabelas de freqncia, grficos, medidas
de tendncia central e de variabilidade.
Mais exerccios sobre o Captulo 2 na LISTA DE EXERCCIOS.
Cap. 3 Probabilidade
3.1 Principais conceitos
Probabilidade o ramo da matemtica que trata de fenmenos aleatrios. A
observao de um fenmeno aleatrio por parte do homem chamada de
experimento aleatrio.
Caractersticas de um experimento aleatrio:
1) No se conhece um particular valor do experimento antes dele ser executado,
porm podemos descrever todos os possveis resultados - as possibilidades;
2) Quando o experimento repetido algumas vezes, os resultados ocorrem de uma
forma aparentemente acidental. Mas quando o nmero de repeties aumenta, uma
regularidade aparecer. E esta regularidade que torna possvel construir um modelo
matemtico til para anlise do experimento.
Exemplos de fenmenos aleatrios:
1)
2)
3)
4)
5)
Condies meteorolgicas
Produo de arroz anual numa cidade
Resultado de uma cirurgia
Lanamento de uma moeda
Resultados de loterias
Exemplos de experimentos aleatrios:

E1:
E2:
E3:
E4:
E5:
E6:
Jogue um dado e observe o n. na face de cima.

Jogue uma moeda 3 vezes e observe o nmero de caras obtido.
Jogue uma moeda 3 vezes e observe a seqncia de caras e coroas obtida.
Uma mulher est grvida de gmeos. O sexo dos bebs ser verificado.
O nmero de alunos matriculados na turma de Est Apl Psicologia verificado
A temperatura de um paciente verificada pela enfermeira.
Nos seis exemplos anteriores no somos capazes de precisar o resultado, entretanto

conseguimos listar os possveis resultados.
Espao amostral de um experimento aleatrio o conjunto de todos os resultados

possveis do experimento. denotado por S ou .
Exemplos de espaos amostrais relacionados aos experimentos anteriores.
S1 =
S2 =
S3 =
S4 =
S5 =
S6 =
Um evento um subconjunto de S. Em particular, S e (conjunto vazio) so eventos;
S dito o evento certo e o evento impossvel.
Exemplo de eventos no lanamento de um dado
S = {1,2,3,4,5,6}
A: ocorre um n. par
B: ocorre a face 6
C: ocorre um n. maior que 6
D: ocorre n 6 ou n par
E: ocorre n par ou n mpar
A = {2,4,6}
B = {6}
C=
D = {2,4,6}
E = {1,2,3,4,5,6} = S
possvel realizar operaes com eventos que nada so do que operaes com
conjuntos j estudadas no Ensino Fundamental.
Operaes com eventos

Sejam A e B dois eventos associados a um espao amostral S.
1) Unio: AB A ocorre ou B ocorre ou ambos ocorrem
2) Interseo: AB A ocorre e B ocorre
3) Complementar: Ac ou A no ocorre A
Duas definies importantes:

1) Dois eventos A e B so excludentes ou mutuamente exclusivos se a ocorrncia
de um impedir a ocorrncia de outro. Em outras palavras, no podem ocorrer
simultaneamente.
2) Eventos ou resultados equiprovveis tm a mesma probabilidade de ocorrncia.
Exemplo Lanamento de um dado e uma moeda, ambos honestos
Escreva o espao amostral. Os resultados so todos equiprovveis? Qual a
probabilidade de um particular par (x,y) ser selecionado. Assinale os seguintes eventos:
3.1.1 Conceitos de probabilidade
Conceito Axiomtico
Seja A um evento de S. A probabilidade de ocorrncia de A, denotada por P(A), dever
satisfazer os seguintes axiomas (propriedades fundamentais):
Axioma 1: 0 P(A) 1
Axioma 2: P(S) = 1
Conceito clssico
Esse conceito s vlido se todos resultados de S forem equiprovveis. Para casos
assim a probabilidade de ocorrncia do evento A obtida por:
P ( A) =
n( A)
Total ( S )
n(A) o nmero de resultados favorveis ao evento A

Total (s) o nmero total de resultados em S
Exemplos Conceito clssico

1) Mega-sena, Lanamento de moedas e dados honestos.
Conceito freqentista
Esse conceito s vlido se todos resultados de S forem equiprovveis. Para casos
assim a probabilidade de ocorrncia do evento A obtida por:
1) O experimento repetido n vezes.
2) Observa-se a freqncia relativa de ocorrncia de um certo resultado A:
n( A)
, onde n(A) o n de vezes em que ocorre o resultado A em n realizaes
n
do experimento.
fr(A) =
3) Probabilidade como limite. A medida que n aumenta, a fr(A) converge para a real
probabilidade P(A).
Exemplos Conceito freqentista
1) Verificando se um dado honesto.
2) Encontrando a probabilidade de ocorrncia de um acidente areo.
3) Qual a probabilidade de uma criana nascer com Sndrome de Down?
3.1.2 Probabilidade Condicional
A probabilidade de ocorrncia de um evento pode ser influenciada pela ocorrncia de
um evento paralelo. Considere que A e B so eventos de um mesmo espao amostral S.
Chamaremos de P(A|B) a probabilidade de ocorrncia do evento A dado que o evento
B j ocorreu.
Graficamente:
Olhando para o desenho podemos estabelecer as seguintes relaes:

P(A|B) =
P(B|A) =
Exemplo Escolhendo algum na sala de aula

Suponha que um aluno da turma ser sorteado. Aps saber o resultado o professor faz
algumas perguntas utilizando probabilidade condicional.
Exemplo Terapia familiar X Resultado
Resultado
Terapia
Sucesso
Fracasso
Total
Sim
60
25
85
No
40
65
105
Total
100
90
190
familiar
Resolver as seguintes probabilidades:
3.1.3 Independncia
Dois eventos A e B so considerados independentes se a ocorrncia de um no
interfere na probabilidade de ocorrncia do outro:
P(A|B) = P(A)
P(B|A) = P(B)
Isolando a interseco na expresso de probabilidade condicional obtemos:

P(AB) = P(A) x P(B)
Esse conceito fundamental para aplicaes em Estatstica.
Exemplo - Uma mulher decide ter dois filhos numa localidade onde a probabilidade de
ser menino estimada em 51%. Escreva o espao amostral e calcule as probabilidades
para todos possveis resultados.
Exemplo Tendo certeza de uma gravidez

Uma jovem suspeita que est grvida e decide comprar trs diferentes testes de
gravidez em farmcias. As marcas escolhidas foram A, B e C. As probabilidades dos
exames indicarem falso-positivo so de 3%, 5% e 6%, respectivamente, enquanto as
probabilidades de falso-negativo so de 1%, 2% e 4%, respectivamente.
a) Se a jovem realmente est grvida, qual a probabilidade dos trs exames
confirmarem a gravidez?
b) Se a jovem no estiver grvida, qual a probabilidade dela levar um susto com
pelo menos um dos exame resultando positivo.
Exemplo Prole de SEIS filhos

fcil construir o espao amostral e calcular as probabilidades de se ter ZERO, UM,
DOIS, TRS, QUATRO, CINCO ou SEIS filhas meninas numa prole de seis filhos?
Assume que a probabilidade de ser menino seja de 51%.
3.2 Variveis aleatrias discretas Distribuio Binomial

O exerccio acima pode ser resolvido pela Distribuio Binomial. Sempre que um
experimento que assume apenas dois possveis resultados em cada repetio for
repetido n vezes e que a probabilidade de sucesso constante em cada repetio
podemos modelar o nmero de sucessos pela distribuio Binomial.
X = nmero de sucessos, variando de 1 at n
p = probabilidade de sucesso em cada repetio
1-p = probabilidade de fracasso em cada repetio
n = nmero de repeties
Expresso genrica da Binomial
P( X = x) =
n!
p x (1 p) n x
x!(n x )!
O nmero esperado ou esperana de sucessos na distribuio Binomial facilmente

encontrado. Intuitivamente, responda as perguntas a seguir:
1) Se lanarmos uma moeda honesta 100 vezes, qual o nmero esperado de caras?
2) Se lanarmos um dado 600 vezes, qual o nmero esperado de faces 5.
3) No exemplo da prole de 6 filhos, qual o nmero esperado de meninos?
E( X ) = n p
3.3 Variveis aleatrias contnuas

3.3.1 Conceitos
As variveis contnuas podem, ao menos teoricamente, assumir qualquer valor num
intervalo numrico. Sendo assim fica impossvel representarmos variveis contnuas da
mesma forma que as variveis discretas.
Importante
As variveis contnuas so representadas por curvas, chamadas de funo
densidade de probabilidade, e a rea sob essa funo representa a probabilidade de
ocorrncia. Nas variveis contnuas no existe a probabilidade de ocorrncia de um
valor exato, mas sim de intervalos.
A funo densidade de probabilidade, denotada por fx(x), a funo que indica o
comportamento probabilstico da varivel aleatria contnua X. A funo densidade de
probabilidade dever satisfazer as seguintes condies:
a) f(x) 0, para todo x R.

b) rea total sob a curva deve ser igual a 1.
A rea sob a curva fx(x) nos informa a probabilidade de ocorrncia de valores da
varivel X.
Supondo que o grfico acima represente a funo de probabilidade de uma varivel

aleatria X. Como sabermos a probabilidade de ocorrncia de valores entre a e b ?
Exemplo IMC (Distribuio Uniforme)
Suponha que o IMC (kg/m2) em crianas seja igualmente provvel de ocorrer entre 15
e 20.
a) Esboce graficamente a funo densidade de probabilidade para X = IMC (kg/m2)
b) Calcular a probabilidade de uma criana ter mais de 18kg/m2.
3.3.2 A Distribuio Normal ou Curva de Gauss

A distribuio Normal ou Gaussiana , sem dvida, o modelo probabilstico mais
conhecido. Vrias tcnicas estatsticas necessitam da suposio de que os dados se
distribuam normalmente para serem utilizadas. Na natureza uma grande quantidade de
variveis apresentam tal distribuio.
Uma v.a.c. X tem distribuio normal com parmetros e se sua funo densidade
de probabilidade dada por:
f (x ) =
( x )2
2 2
, x ,
2
onde e so parmetros,
- < < + ; > 0
Notao
X N(,)
X tem distribuio Normal com mdia e desvio-padro .
Os parmetros da Normal so a mdia e o desvio-padro, que permitem infinitas curvas

normais com diferentes formatos (mas sempre simtricas). O grfico da fX
apresentado a seguir:
A distribuio Normal, independentemente dos valores dos parmetros,

sempre a seguinte relao:
apresenta
Entendendo os parmetros da Normal:

A mdia informa o centro da distribuio. um parmetro de locao.
-10
-5
0
5
Valores de X
10
f(x)
f(x)
f(x)
O desvio-padro informa o formato da curva.
-10
0
Valores de X
10
-10
-5
0
5
Valores de X
10
Os clculos integrais envolvendo a distribuio Normal so bastante complicados.

Felizmente, veremos a seguir uma relao que facilita muito nossa vida.
Exemplo Aplicao prtica

A altura de mulheres adultas no RS segue uma distribuio Normal com mdia de
165cm e desvio-padro de 6cm.
a) Qual a probabilidade de uma mulher ter entre 159 e 171cm?
b) Qual a probabilidade de uma mulher ter entre 153 e 177cm?
c) Qual a probabilidade de uma mulher ter mais de 177cm?
d) Qual a probabilidade de uma mulher ter menos de 180cm?
Distribuio Normal-padro ou Normal reduzida

Seja X uma varivel aleatria normalmente distribuda com quaisquer parmetros mdia
e desvio-padro . Se realizarmos a seguinte transformao obteremos uma nova
varivel Z com mdia 0 e desvio-padro 1:
X N(,)
Z=
Z (0,1)
Qualquer varivel com distribuio Normal pode ser padronizada para a

Normal. A distribuio Normal padronizada (Z) tabelada.
O valor de Z indica quantos desvios acima ou abaixo ns estamos em relao mdia.
Exemplo Aprendendo a usar a tabela

1) Calcule:
a) P(Z < 1,24) =
b) P(Z < 1,67) =
c) P (Z > 2,12) =
d) P( -1,96 < Z < 1,96) =
Cap. 4. - Amostragem
4.1 Conceitos Bsicos
Amostragem o nome dado ao conjunto de procedimentos e tcnicas para extrao
de elementos da populao para compor a amostra. O objetivo da amostragem obter
amostras representativas das populaes em estudo. Um Censo seria a investigao da
populao completa.
Por que trabalhar por amostragem?
________________________________________
________________________________________
________________________________________
________________________________________
A frao de amostragem a razo entre o tamanho amostral e o tamanho
populacional. No existem regras fixas para tamanho de amostra, ou seja cada caso
merece um cuidado especial. Frases como 20% da populao ideal, quase sempre
no so verdadeiras.
As tcnicas de amostragem se dividem em: probabilsticas e no-probabilsticas.
As tcnicas probabilsticas so aquelas onde todos elementos da populao tm uma
probabilidade no nula de seleo. Nas tcnicas no-probabilsticas no podemos
garantir que todos elementos tm probabilidade de serem selecionados para a amostra.
4.2 Principais tcnicas de amostragem probabilstica

Geralmente as tcnicas probabilsticas produzem melhores resultados do que as no
probabilsticas. A seleo dos elementos envolve obrigatoriamente a utilizao de algum
dispositivo aleatrio para seleo das unidades amostrais.
Exemplo de dispositivos aleatrios:
4.2.1 Amostragem Aleatria Simples (AAS)

Apesar de ser uma forma extremamente simples de seleo de elementos da
populao, considerada uma das melhores tcnicas de amostragem.
Na AAS cada elemento da populao tem igual probabilidade de seleo e o
pesquisador no introduz nenhum vcio no processo.
Etapas:
1) Enumerar a populao de 1 at N.
2) Sortear n nmeros no intervalo de 1 at N. Caso haja nmeros repetidos, sortear
novamente mais alguns valores.
Probabilidade de seleo de um elemento na AAS:
Nmero de amostras possveis SEM reposio:
Nmero de amostras possveis COM reposio:
Exemplo 23 Amostra n=2 da populao N=5

Verificar quantas amostras so possveis COM e SEM reposio da populao de
tamanho 5 verificando tambm as probabilidades de seleo de cada unidade.
A
4.2.2 Amostragem Estratificada

Na Amostragem estratificada a populao dividida em subpopulaes ou estratos de
forma que N1 + N2 + ... + NK = N.
Um tamanho amostral n repartido proporcionalmente entre os estratos, respeitando
as fraes Ni / N. Depois de estabelecidos o valor de ni, procede-se uma seleo
aleatria dentro de cada estrato.
Exemplo 24 Amostra estratificada na regio sul
Dividir proporcionalmente uma amostra de 1300 pessoas em trs estratos,
correspondentes aos trs estados da regio sul.
i
1
2
3
Estado
Rio Grande do Sul
Santa Catarina
Paran
Total
Pop.
9.637.682
4.875.244
9.003.804
23.516.730
Amostra
4.2.3 Amostragem Sistemtica

A amostragem sistemtica inicia com o clculo do intervalo de amostragem f=N/n.
Depois, selecionamos um nmero entre 1 e f e vamos indo sistematicamente de f em f
elementos, at o final.
A amostragem sistemtica til quando temos cadastros impressos que esto
ordenados segundo algum critrio que nada tem a ver com os interesses da pesquisa.
Exemplo 25
Seleo de n=5 professores em um cadastro
1 Andr
11 Gustavo
21 Luciano
31 Paula
2 Betina
12 Hlio
22 Luciana
32 Pedro
3 Bruna
13 Helosa
23 Marlene
33 Rafael
4 Carlos
14 Iara
24 Maurcio
34 Rafaela
5 Cleide
15 Irno
25 Mnica
35 Sandro
6 Dbora
16 Jaqueline
26 Nair
36 Simone
7 Denise
17 Juliana
27 Neide
37 Suzette
8 Douglas
18 Juliano
28 Omar
38 Telmo
9 Ernani
19 Kleber
29 Osmar
39 Ubirajara
10 - Gabriela
20 Lisiane
30 Paulo
40 - Zuleica
4.3 Principais tcnicas de amostragem no-probabilstica

A falta de cadastros, inacessibilidade toda populao, pressa ou ainda muitos outros
fatores, levam os pesquisadores a utilizar tcnicas no-probabilsticas. Veremos
rapidamente algumas tcnicas encontradas na literatura.
4.3.1 Amostragem por quotas
Um dos procedimentos mais comuns onde o pesquisador estabelece quotas de acordo
com a distribuio populacional, distribui os pesquisadores de forma geograficamente
estruturada e cumpre as quotas de forma intencional.
Exemplo 26 Pesquisa eleitoral

Estabelecer as quotas de amostragem (n=800) a partir da distribuio populacional
abaixo.
Sexo
Classe Social
A-B
C
D-E
Total
Masculino
Feminino
Total
1.082.538
1.122.223
2.204.761
1.257.140
1.303.227
2.560.367
1.152.379
1.194.625
2.347.004
3.492.057
3.620.075
7.112.132
Dados estabelecidos a partir dos dados TRE-2000 (No de eleitores)

Classificao da classe social segundo critrios da ABIPEME-1996
4.3.2 Amostragem por correspondncia
4.3.3 Amostragem por trfego
4.3.4 Amostragem intencional
Cap. 5. - Distribuies Amostrais e Estimao

5.1 Parmetros e Estimadores
O que inferncia estatstica ?
Inferir consiste na retirada de informaes para TODA populao baseando-se numa
amostra da mesma. Chamamos de parmetros as quantidades populacionais e de
estimadores as funes de dados amostrais que iro gerar as estimativas para os
parmetros populacionais.
Tabela - Exemplos de parmetros e seus respectivos estimadores
Parmetros
Estimadores
Mdia populacional
Desvio-padro populacional
Proporo populacional
p
Mdia amostral
X
Desvio-padro amostral
s
Proporo amostral
p
H dois tipos de estimao de parmetros: a estimao por ponto e por intervalo.

Tambm existe uma outra forma de inferncia estatstica muito utilizada em situaes
prticas: os testes de hipteses.
5.2 Distribuio Amostral das Mdias
A base da estatstica inferencial o TEOREMA DO LIMITE CENTRAL.
O teorema diz que se extrairmos TODAS as possveis amostras de tamanho n de uma
populao de tamanho N a distribuio das mdias amostrais X tende a se distribuir
como uma curva Normal com mdia igual ao parmetro e desvio-padro n .
Exemplo Populao de tamanho N = 5

Considere a seguinte populao de cinco elementos e X = Idade (anos)
20
A
30
B
40
C
50
D
60
E
70
F
a) Quais so os parmetros populacionais?

b) Quantas amostras diferentes de tamanho n=2 podemos extrair da populao?
Exemplo Selecionando uma amostra na sala de aula

Suponha que seja necessrio selecionar uma amostra de n=5 alunos da turma para
representar a nossa turma numa reunio na reitoria. Qual o nmero de amostras
possveis de serem selecionadas?
Exemplo Populao com mdia 0,5

Considere uma populao infinitamente grande com mdia = 0,5 . Vamos avaliar as
distribuies amostrais da mdia amostral X com n = 30 e 300.
3,5
2,0
3,0
1,5
2,5
2,0
1,0
1,5
0,5
1,0
0,5
0,2
0,4
0,6
0,8
0,2
0,4
0,6
0,8
Mdias amostrais
Mdias amostrais
n = 30
n = 300
Percebemos claramente que com o aumento do tamanho amostral a distribuio de X

fica cada vez mais concentrada em torno do parmetro . Isso quer dizer que, quanto
maior amostra maior a possibilidade de acerto.
RESULTADO
tem distribuio Normal com
Mdia =
Desvio-padro =
5.3 Estimao por ponto e por intervalos de confiana

5.3.1 Estimao por ponto
Visa estimar o valor do parmetro atravs de estimativas pontuais (nicas). A vantagem
ser de fcil interpretao e rpida, mas a probabilidade de acerto na mosca
praticamente nula, pois os estimadores podem ser encarados como variveis aleatrias
contnuas.
Exemplo Proporo de pessoas que tem animal domstico
Numa amostra de 3000 domiclios da Capital gacha, 600 tinham pelo menos um
animal domstico (co ou gato). Estime pontualmente a proporo de domiclios que
tem pelo menos um co ou gato.
5.3.2 ESTIMAO POR INTERVALO DE CONFIANA

Consiste em cercar o valor da estimativa pontual por uma regio cuja probabilidade de
conter o verdadeiro parmetro seja conhecida.
NOTAES que sero utilizadas a partir de agora

(alfa) = nvel de significncia
t
n 1;
1 - = nvel de confiana
= valor da distribuio t de Student com n-1 graus de liberdade e rea
direita.
z = valor da distribuio normal padro com rea

2
direita.
2
1o ) Intervalo de Confiana para (terico)

Conhecendo o teorema do limite central podemos construir intervalos de confiana para
a mdia populacional. Para isso basta cercarmos a estimativa pontual X por um
intervalo cuja probabilidade de conter o parmetro seja conhecida.
I.C. para com 1- de confiana = X z
Na frmula de IC acima percebemos a presena de um parmetro (). Se estamos

procurando um intervalo de confiana para porque NO conhecemos .
praticamente impossvel conhecermos e no conhecermos . Por isso esse resultado
acaba sendo INTIL na prtica.
2o ) Intervalo de Confiana para (prtico)
Ao substituirmos o parmetro por seu estimador s , a distribuio amostral de X
deixa de ter uma distribuio Normal e passa a ter uma distribuio t de Student. Desta
forma os Intervalos de confiana podem ser utilizados em situaes prticas.
s
I.C. para com 1- de confiana = X t
pop. infinita
n 1,
n
2
s
N n
I.C. para com 1- de confiana = X t
pop. finita
n 1,
N
1
N n
omitido em caso de populaes infinitas. O EXCEL
N 1
simplesmente ignora esse fator de correo.
Obs: O fator de correo
Exemplo:
Numa amostra de 121 paciente hgidos, a taxa mdia de glicemia foi de 135mg/dl com
um desvio-padro de 13,69mg/dl.
Construir um IC 95% para a verdadeira taxa de glicemia desta populao. Ignore o
fator de correo.
s
I.C. 95% para = X t
n 1,
n
2
O EXCEL constri Intervalos de Confiana sem o fator de correo com o comando

Estatsticas Descritivas que fica dentro da opo Anlise de Dados no Menu
Ferramentas. Para incluir essa opo deve-se ir at Ferramentas Suplementos e
assinalar a opo Ferramentas de Anlise.
ATENO: necessrio ter o banco de dados digitado em EXCEL para fazer
isso.
Figura Tela do Excel: Ferramentas > Anlise de dados > Estatstica Descritiva
Tabela - Sada do EXCEL:

Glicemia
Mdia
Erro padro
Mediana
Modo
Desvio padro
Varincia da amostra
Intervalo
Mnimo
Mximo
Soma
Contagem
Nvel de confiana(95,0%)
135,00
1,24
135,00
146,00
13,69
187,32
70,00
110,00
180,00
16335,00
121
2,46
3o) Intervalo de Confiana para uma proporo populacional p

A estimativa pontual para uma proporo dada diretamente pela proporo amostral.
muito til construirmos um intervalo em torno da estimativa pontual que possua uma
probabilidade conhecida de conter a verdadeira proporo populacional.
)
I.C. para p com 1- de confiana = p z
2
onde
p (1 p )
N n
n
N 1
z 0,05 =1,645 (90%)

z 0 ,025 = 1,96 (95%)
z 0 ,005 = 2,576 (99%)
Obs: O fator de correo
N n
omitido em caso de populaes infinitas.
N 1
O EXCEL NO faz intervalos de confiana para propores.
Exemplo Ansiedade e Vestibular

O jovem mdico Daniel Guzinski Rodrigues realizou um levantamento com 1046
vestibulandos dos 10 cursos mais procurados, descobrindo que 338 sofrem de um grau
elevado de ansiedade.
(Universia Brasil em 22/06/2005: http://www.universia.com.br/html/noticia/noticia_clipping_cdedc.html)
a) Construa um IC 95% para a verdadeira proporo de vestibulandos com grau

elevado de ansiedade. O vestibular contou com 42mil participantes.
Exemplo Proporo de canhotos da PUCRS
Numa amostra de n=_______ alunos de uma populao de N=30.000 de toda PUCRS,
verificamos que _______ so canhotos.
a) Qual a estimativa pontual de canhotos?
b) Construa intervalos de confiana 95% e 99% para a proporo de canhotos. Agora

use o fator de correo.
Cap. 6 Testes de Hipteses

Os testes de hiptese constituem outra forma de inferncia estatstica. Hipteses so
afirmaes sobre parmetros populacionais. Agora iremos testar se essas
hipteses podem ser consideradas verdadeiras ou no.
Os testes de hiptese so
muito objetivos, pois o resultado final a ACEITAO ou REJEIO da hiptese
formulada.
Etapas de um teste de hipteses:
1.Formular as hipteses
2.Definir qual o nvel de significncia ser utilizado (alfa)
3.Verificar qual o teste adequado e calcular a estatstica de teste
4.Decidir pela aceitao ou rejeio da hiptese de nulidade com base no p-value.
5.Concluso experimental
A hiptese nula (Ho) a hiptese sob a qual a teste realizado. Essa hiptese ser
ACEITA ou REJEITADA. Se os dados amostrais estiverem de acordo com a hiptese
nula formulada, a estatstica de teste nos levar a uma aceitao. Por outro lado, se os
dados amostrais no estiverem em sintonia com a hiptese formulada, o teste nos
levar a uma rejeio da hiptese nula.
A hiptese alternativa (H1 ou Ha) uma hiptese complementar a Ho. Por isso se
rejeitamos Ho, conseqentemente aceitamos H1.
O nvel de significncia do teste () definido pelo pesquisador. Ele significa a
probabilidade de cometermos erro tipo I, ou seja, rejeitarmos Ho sendo a mesma
verdadeira.
A deciso estatstica a REJEIO ou ACEITAO de Ho. Essa deciso est sujeita
aos seguintes erros:
Tabela Tipos de Erros
Realidade
Deciso
Aceito Ho
Rejeito Ho
Ho Verdadeira
OK
Erro tipo I
Ho Falsa
Erro tipo II
OK
O erro do tipo I ou nvel de significncia () controlado pelo pesquisador. O erro do

tipo II () geralmente esquecido. Por esse motivo vamos sempre preferir uma
REJEIO do que uma ACEITAO. No caso de uma REJEIO ou tomamos a deciso
correta ou cometemos o erro com probabilidade . Os valores de mais utilizados so
5%, 1% e eventualmente 10%.
A concluso experimental consiste em explicar com palavras simples o resultado de

um teste de hipteses.
Os testes que iremos estudar so os mais famosos e encontrados em praticamente
todos os livros de Estatstica.
Teste
Teste
Teste
Teste
t de Student para uma mdia

t de Student para comparao de duas mdias (amostras independentes)
t de Student para comparao de duas mdias (amostras emparelhadas)
Qui-Quadrado (para variveis organizadas na forma de uma tabela cruzada)
6.1 - Teste t de Student para uma mdia

uma tcnica que permite testarmos a hiptese de que a mdia populacional pode ser
considerada igual a um valor de referncia, digamos o.
Apresentao das hipteses:
Ho : = o
Ha : o
Ho : = o
Ha : > o
Ho : = o
Ha : < o
Iremos estudar apenas os testes bilaterais, ou seja, onde as hipteses no so

direcionadas para um nico sentido. As regies de rejeio ficam nos dois lados da
curva.
A estatstica de teste dada por:
t=
x - o
s/ n
Apesar de ser um procedimento simples, o EXCEL no realiza esse tipo de teste. J, o

programa estatstico SPSS, por exemplo, faz.
As regies de rejeio e aceitao do teste t so estabelecidas pelos valores de t,
conforme mostra o desenho a seguir de uma curva t com n-1 graus de liberade.
Os valores de t so encontrados na tabela t entregue em sala de aula. Comparando o

valor da estatstica de teste t calculado com os valores de t obtidos na tabela chegamos
a deciso estatstica e podemos enunciar a concluso experimental.
Apesar do EXCEL no fazer isso podemos Utiliza-lo para calcular a mdia amostral e o
desvio-padro.
Exerccio:
A dissertao de mestrado da Medicina da Unesp entitulada Valores de referncia de
cortisol salivar para a avaliao adrenal em crianas menores de trs anos, sem
patologias de Margarete Silva mostrou que o valor de 160ng/dl pode ser utilizado
como referncia para o cortisol salivar.
Numa amostra de 15 crianas, a mdia encontrada foi de 170ng/dl com um desviopadro de 10,5ng/dl.
Crianas
Cortisol (ng/dl)
Crianas
Cortisol (ng/dl)
Criana 01
169
Criana 09
165
Criana 02
165
Criana 10
170
Criana 03
160
Criana 11
168
Criana 04
175
Criana 12
166
Criana 05
196
Criana 13
157
Criana 06
175
Criana 14
160
Criana 07
187
Criana 15
162
Criana 08
175
a) Ao nvel de significncia bilateral de 5%, h diferena significativa entre a mdia

encontrada nestas crianas e o trabalho de Margarete Silva?
Exemplo Sada do SPSS para o exerccio do Cortisol

One-Sample Statistics
N
Cortisol (ng/dl)
15
Mean
170,0000
Std. Deviation
10,50170
Std. Error
Mean
2,71153
One-Sample Test
Test Value = 160
Cortisol (ng/dl)
t
3,688
df
14
Sig. (2-tailed)
,002
Mean
Difference
10,0000
95% Confidence
Interval of the
Difference
Lower
Upper
4,1844
15,8156
Exemplo Alterando o valor de teste para 165ng/dl.

Suponha a mesma amostra, mas altere o valor de referncia para 165ng/dl.
One-Sample Statistics
N
Cortisol (ng/dl)
15
Mean
170,0000
Std. Deviation
10,50170
Std. Error
Mean
2,71153
One-Sample Test
Test Value = 165
Cortisol (ng/dl)
t
1,844
df
14
Sig. (2-tailed)
,086
Mean
Difference
5,0000
95% Confidence
Interval of the
Difference
Lower
Upper
-,8156
10,8156
Sobre o p-value, valor de p ou Significncia (Sig.)

O p-value, valor de p ou significncia da estatstica o valor informado na sada
dos softwares estatsticos. Esse nmero uma probabilidade que deve ser comparada
ao nvel de significncia adotado.
Se p-value > nvel de significncia adotado, ento ACEITAMOS Ho.
Se p-value < nvel de significncia adotado, ento REJEITAMOS Ho.
Em aula sero feitas ilustraes para melhor entendimento.
6.2 Teste t de Student - duas amostras independentes

uma tcnica estatstica que permite testarmos a hiptese de que duas mdias
populacionais so idnticas. extremamente utilizada para comparao de dois grupos
independentes.
Apresentao das hipteses (caso bilateral):
Ho : 1 = 2
Ha : 1 2
A estatstica de teste tem uma forma um tanto amigvel:
t=
(x1 - x2 )
s12 (n1 - 1) + s22 (n2 1) 1
1
+
(n1 + n2 2 )
n1 n 2
que deve ser comparado com uma distribuio t de Student com (n1+n2-2) graus de
liberdade
As regies de rejeio e aceitao seguem a mesma lgica do teste anterior.
No EXCEL: Ferramentas Anlise de Dados Teste t: duas amostras presumindo
varincias equivalentes
ATENO: Esse teste s pode ser utilizado se a varincia (ou desvios-padro) das
duas populaes em questo no forem muito diferentes.
Exerccio:
Dois grupos de promotores de vendas esto sendo comparados em relao ao seus
desempenhos. Considere que o valor 0 corresponda a produtividade nula e o valor 100
corresponda a produtividade mxima. O Grupo 1 recebeu a palestra de um Psiclogo e
participao dos resultados (comisses). O Grupo 2 recebeu apenas as comisses
Resultados do levantamento realizado pelos pesquisadores:
Grupo 1
Psico + $$$
Grupo 2
$$$
65 58 78 60 68 69 66 70 53 71 63 63
Mdia = 65,33
Desvio = 6,61
62 63 36 34 56 50 42 57 46 68 48 42 52 43 43
Mdia = 49,47
Desvio = 10,07
a) Ao nvel de 5%, h diferena significativa entre os dois grupos?
Exemplo Tela e sada do EXCEL para o exemplo da Altura das plantas
Teste-t: duas amostras presumindo varincias equivalentes

Grupo 1 Grupo 2
Mdia
65,333
49,467
Varincia
43,697
101,410
Observaes
12,000
15,000
Varincia agrupada
76,016
Hiptese da diferena de mdia
0,000
gl
25,000
Stat t
4,699
P(T<=t) uni-caudal
0,000
t crtico uni-caudal
1,708
P(T<=t) bi-caudal (p-value)
0,000
t crtico bi-caudal
2,060
6.3 Teste t de Student - duas amostras pareadas

Utilizado para testarmos a hiptese de que a mdia populacional ANTES e DEPOIS de
algum determinado tratamento ou situao sofreu alterao significativa.
Ho : Antes = Depois
Ha : Antes Depois
Hipteses:
A estatstica de teste baseia-se nas diferenas DEPOIS ANTES para cada elemento da
amostra.
Estatstica de teste:
t=
d
sd / n
onde d a mdia das diferenas e sd o desvio-padro das diferenas.

As regies de rejeio e aceitao do teste t so estabelecidas pelos valores de t.
No EXCEL: Ferramentas Anlise de Dados Teste t: duas amostras em par
Exerccio:
Deseja-se investigar o efeito do lcool sobre o reflexo na direo. Uma amostra de 10
motoristas foi convidada a utilizar um simulador de direo antes e depois de ingerir
bebida e o tempo at uma reao (pisar no freio) foi verificado.
Motorista
Antes
Depois
1
2
3
4
5
6
7
8
9
10
10
80
45
60
45
100
45
80
25
50
20
70
50
80
90
120
55
90
50
60
Exemplo Tela e sada do Microsoft EXCEL
Teste-t: duas amostras em par para mdias
Mdia
Varincia
Observaes
Correlao de Pearson
Hiptese da diferena de mdia
gl
Stat t
P(T<=t) uni-caudal
t crtico uni-caudal
P(T<=t) bi-caudal (p-value)
t crtico bi-caudal
Antes
54,000
726,667
10,000
0,862
0,000
9,000
-3,179
0,006
1,833
0,011
2,262
Depois
68,500
778,056
10,000
6.4 TESTE DO QUI-QUADRADO (2)

O teste do qui-quadrado uma importante prova para verificar associao entre duas
variveis qualitativas (categricas). A tcnica verifica se h ou no associao entre as
variveis linha e coluna de uma tabela cruzada.
Hipteses do teste:
Ho: As variveis linha e coluna da tabela so INDEPENDENTES.
Ha: Existe uma relao de dependncia entre as variveis linha e coluna da tabela
Para exemplificar o clculo das estatstica de teste nada melhor do que um exemplo. A
estatstica de teste Qui-quadrado baseia-se na diferena entre os valores observados e
esperados em cada clula da tabela cruzada. Os valores esperados so calculados sob a
hiptese de independncia.
Estatstica de teste: (2l 1)( c 1) =
(Obs. Esp.)2
que deve ser comparado com o valor

Esp.
tabelado da qui-quadrado com (l-1)(c-1) graus de liberade.
Exemplo Uso de drogas e situao conjugal dos pais
Deseja-se investigar se a situao conjugal dos pais est relacionada ao uso de drogas.
Um estudo publicado da Revista de Sade Pblica em 2004 entitulado Fatores
associados ao uso de drogas entre adolescentes escolares de autoria de Beatriz
Tavares et al. mostrou os dados que esto na tabela a seguir:
a) Complete a tabela e realize um teste Qui-quadrado para verificar se a prevalncia de
uso de drogas depende ou independe da situao conjugal dos pais. Use 5%.
Tabela Situao conjugal dos pais X Uso de drogas
Drogas
Sim
No
Total
Situao
Vivem juntos
257
1680
Separados
Total
112
472
Exemplo Estilo Parental e Uso de Drogas

Verifique se o estilo parental da me est relacionado ou no ao uso de drogas. Os
dados foram obtidos no mesmo estudo da Revista de Sade Pblica em 2004 entitulado
Fatores associados ao uso de drogas entre adolescentes escolares de autoria de
Beatriz Tavares et al.
Tabela Estilo parental da me X Uso de drogas
Drogas
Sim
No
Estilo
Autoritria
144
Moderada
124
Total
897
815
Total
O EXCEL no faz o teste qui-quadrado. O SPSS e o MINITAB fazem.
Exemplo Tabela e sada do SPSS

Estilo * Drogas Crosstabulation
Estilo
Autoritria
Moderada
Total
Drogas
Sim
144
16,1%
124
15,2%
268
15,7%
Count
% within Estilo
Count
% within Estilo
Count
% within Estilo
No
753
83,9%
691
84,8%
1444
84,3%
Total
897
100,0%
815
100,0%
1712
100,0%
Chi-Square Tests
Pearson Chi-Square
Continuity Correctiona
Likelihood Ratio
Fisher's Exact Test
Linear-by-Linear
Association
N of Valid Cases
Value
,228b
,168
,228
,227
df
1
1
1
Asymp. Sig.
(2-sided)
,633
,681
,633
Exact Sig.
(2-sided)
Exact Sig.
(1-sided)
,642
,341
,633
1712
a. Computed only for a 2x2 table

b. 0 cells (,0%) have expected count less than 5. The minimum expected count is
127,58.
Cap. 7. CORRELAO E REGRESSO

7.1 O COEFICIENTE DE CORRELAO DE PEARSON
O coeficiente de correlao de Peason ( R ) uma medida que varia no intervalo de 1
at +1 que visa quantificar o grau de relacionamento linear entre variveis
quantitativas.
Valores prximos de +1 indicam forte correlao direta entre as variveis enquanto que
valores prximos de 1 indicam forte correlao inversa. Valores em torno de zero
indicam ausncia de correlao. No vamos nos deter no clculo do coeficiente de
correlao de Pearson, mas sim no seu funcionamento.
Vejamos na forma de grficos de disperso os possveis tipos de correlao entre as
variveis:
Correlao Direta
Correlao Inversa
Ausncia de Correlao
Vamos verificar a correlao existente entre as variveis no arquivo exemplo a seguir:

Indivduo
1
2
3
4
5
Mdia
Desvio
Nmero de
erros (X)
8
7
9
12
14
10,00
2,92
Horas de
Sono (Y)
12
13
9
6
5
9,00
3,54
No EXCEL podemos utilizar o comando CORREL.
Exemplo Correlao usando o EXCEL
Quando temos mais de duas variveis podemos construir uma matriz de correlao. O
EXCEL possui o comando Correlao dentro da opo Anlise de Dados.
Exemplo Matriz de correlao entre algumas caractersticas
7.2 Regresso Linear Simples

A tcnica de Regresso Linear Simples estabelece uma relao de dependncia entre
uma varivel dependente Y e uma nica varivel independente X, supondo que o
relacionamento seja da forma linear:
Y = bo + b1X (clssica equao da reta)
Os termos bo e b1 so os parmetros do modelo. Eles so estimados de forma a
maximizar a habilidade preditiva do modelo, conforme ser mostrado no exemplo a
seguir.
Exemplo Peso X Altura de indivduos adultos
A regresso tambm pode ser realizada no mdulo Anlise de Dados > Regresso,
fornecendo uma sada bem mais completa.
Figura Tela do Excel para a Regresso Completa
Lista de Exerccios
Cap. 2 Estatstica Descritiva
1. Os dados a seguir referem-se ao nmero de alunos que procuraram atendimento
psicolgico na primeira quinzena de Agosto.
2
a) Organize os dados na forma de uma tabelas de freqncias.

b) Encontre as MTC's e interprete-as.
c) Encontre as Medidas de Variabilidade e interprete-as.
2. Os dados a seguir indicam a
de pases da Amrica Central.
Pas
Calorias
Costa Rica
2760
Domincan Republic
2310
El Salvador
2270
Guatemala
2190
taxa mdia de calorias dirias ingeridas pela populao

Pas
Haiti
Honduras
Nicaragua
Panama
Calorias
1965
2200
2215
2490
Fonte: OMS, 1995. (dados arredondados)
a) Encontrar as MTCs e as Medidas de Variabilidade.

b) Suponha que, subitamente, todos os pases passem a consumir 100 calorias a mais
na sua dieta diria. Quais seriam os novos valores das MTC's e das MV?
c) Suponha que, subitamente, todos os pases aumentem a sua dieta calrica em 10%.
Quais seriam os novos valores das MTC's e das MV?
3. O ndice de massa corporal (IMC) o resultado da diviso entre o peso (em kg) e o
quadrado da altura (em m). A OMS classifica o IMC da seguinte forma: magro, normal,
sobrepeso e obesidade. O grfico a seguir apresenta a distribuio do peso de 200
bailarinas gachas. Os dados so inspirados em um TCC do curso de Psicologia.
60
56
50
40
Freqncia Relativa (fri)
38
30
20
10
6
0
M agro
Normal
Sobrepeso
Categorias do IMC
a) Construa uma tabela de freqncias completa a partir do grfico.
4. A tabela a seguir informa as estatsticas descritivas para a estatura (em cm) de

adolescentes na faixa dos 10-11 anos, separadamente para o sexo masculino e
feminino. Os dados fazem parte de um banco de dados real.
Masculino Feminino
(n=97)
(n=79)
Mean (Mdia)
155,17
146,41
Median (Mediana)
160,30
151,00
Range (Amplitude)
72,30
55,70
Variance
282,55
205,71
Std. Deviation (Desvio-padro)
16,81
14,34
Minimum
112,30
111,80
Maximum
184,60
167,50
a) Comente os resultados. Qual sexo apresenta maior variao na altura?
b) Interprete os percentis apresentados na tabela abaixo.
Sexo
P25
143.9
136.0
Masculino
Feminino
P50
160.3
151.0
P75
167.3
155.5
P90
173.6
162.1
5. O nmero de amigos que faz parte do primeiro anel da rede de amizades de uma
amostra de 20 adolescentes foi verificado
4
0
4
3
5
1
0
2
2
2
1
2
2
3
3
3
3
3
a) Organize os dados numa tabela de freqncias.

b) Encontre as MTCs e interprete-as.
c) Encontre as Medidas de Variabilidade e interprete.
d) Qual grfico seria apropriado para esse tipo de varivel?
6. O instrumento de qualidade de vida WHOQOL- verso abreviada procura mensurar a
qualidade de vida numa escala de 0 (QV mnima) at 100 (QV mxima)
(http://www.ufrgs.br/psiq/whoqol.html) Considere o resultado obtido numa amostra
de 9 pacientes de um hospital.
45
52
62
50
72
80
84
52
88
a) Encontre as MTCs.
b) Encontre as Medidas de Variabilidade
c) Aumente todos os valores em 10 unidades. O acontece com as MTC e as MV.
d) Aumente todos os valores em 10%. O que acontece com as MTC e as MV.
4
3
Cap. 3 - Probabilidade
7. (Probabilidade) Numa determinada populao existem 200 pessoas, sendo 120 do
sexo feminino e o restante do sexo masculino. Sabe-se que existe nessa populao 40
fumantes, dos quais 25 so homens. Se eu escolher uma pessoa dessa populao ao
acaso, encontre:
a) A probabilidade de ser no-fumante.
b) Se a pessoa que eu sortear for do sexo feminino, qual a probabilidade dela ser
fumante?
8. (Probabilidade) A probabilidade de um exame resultar num falso-negativo em casos
de AIDS de 10%. Se uma pessoa com AIDS faz exame em trs diferentes
laboratrios, qual a probabilidade de que os trs exames resultem negativos?
9. Uma caixa (caixa A) contm trs ratos brancos e 1 preto. Outra caixa (caixa B)
contm 4 ratos pretos e 1 branco. Voc retira aleatoriamente um rato de cada caixa:
a) Escreva o espao amostral S.
b) Calcule as probabilidades de cada resultado possvel.
10. (Binomial) A probabilidade de nascer um co labrador cor chocolate no cruzamento
de um labrador amarelo com um preto de 1 em 8. Admita que uma fmea amarela
ficou prenha de um labrador preto e teve 8 filhotes:
a) Defina o que ser considerado um sucesso para calcular via binomial.
b) Defina a varivel X e os parmetros "n" e "p".
c) Qual a probabilidade que no nasa labrador chocolate?
d) Qual a probabilidade de nascer no mximo dois labradores chocolate?
e) Qual o nmero esperado de labradores chocolate. Utilize o seguinte resultado para
facilitar os clculos: na binomial E(X) = n . p
10b. A probabilidade nascer um filho hiperativo estimada em 1%. Se voc tem 3
filhos.
a) Qual a probabilidade de TODOS serem hiperativos?
b) Qual a probabilidade ao menos um ser hiperativo?
c) Qual o nmero esperado de filhos hiperativos numa prole de tamanho 3?
11. (Normal) A altura de meninos americanos adolescentes segue uma distribuio
normal com mdia de 1,70m e desvio-padro de 12,2m. Voc sabe tem um amigo
americano, com o qual se comunica pela Internet, e que adolescente. Qual a
probabilidade desse rapaz ter mais de 1,80m?
12. (Normal) A expectativa de vida na ndia de 58 anos e em Bangladesh de 53
anos, segundo dados da ONU (1995). Admita que a expectativa de vida siga uma
distribuio aproximadamente normal e que o desvio-padro na ndia seja de 12 anos e
em Bangladesh seja de 7 anos.
a) Em qual pas mais provvel de encontrarmos um habitante com mais de 65 anos?
13. O que mais provvel: acertar na Mega-Sena jogando um nico carto ou acertar
todas as questes da prova de Biologia do vestibular da UFRGS (30 questes, 5
alternativas cada) chutando todas as respostas aleatoriamente e no permitindo que a
resposta dada a uma questo influencie na outra...
Cap 5 Estimao por Ponto e por Intervalo
14. Suponha que voc conduzir um estudo sobre o tempo que professores
universitrios do curso de Psicologia ficam em frente ao computador diariamente. A
populao em estudo de apenas 10 professores.
Professor
Tempo
10
5,00
4,00
3,50
1,20
0,00
8,00
3,50
5,00
6,00
11,00
a) Quais so os parmetros mdia e desvio-padro dessa populao?

b) Voc s tem tempo de analisar 4 professores para estimar a mdia de tempo
nessa populao. Quantas possveis amostras de 4 professores voc pode obter
a partir dessa populao (amostragem sem reposio)?
c) Como ficaria a distribuio das mdias amostrais?
15. O FBI quer investigar a verdadeira proporo de casos de ANTRAZ dentre os 450
funcionrios que trabalham no prdio dos Correios de Washington. Como o
procedimento de anlise caro e demorado, eles decidem trabalhar por amostragem.
a) Quantas amostras de 30 funcionrios poderiam ser obtidas nessa populao
(sem reposio)?
b) Qual o comportamento probabilstico esperado das propores amostrais p ?
16. O Inventrio de Ansiedade de Beck (BAI) procura traduzir a ansiedade de um
indivduo numa escala de 0 at 63 pontos. Os resultados mostram o nvel de ansiedade
de uma amostra de 10 formandos em Psicologia.
12
15
32
14
25
28
25
12
14
16
a) Estime por ponto a concentrao mdia de coliformes fecais nessa lagoa.

b) Estime por intervalo de confiana de 95% a concentrao mdia (...)
c) Interprete o intervalo
17. Dizem que a proporo de homens fumantes semelhante a proporo de
mulheres fumantes. Numa amostra de 240 mulheres, 35 se declararam fumantes,
enquanto que dentre os 300 homens investigados, 54 eram fumantes.
a) Calcule um IC de 95% para a proporo de homens fumantes.
b) Calcule um IC de 95% para a proporo de mulheres fumantes.
c) Interprete os resultados. H chance das duas propores de fumantes serem iguais?
18. No exerccio 14 retire uma amostra de tamanho 4 e construa um I.C. 95% para o
verdadeiro tempo mdio de utilizao do computador.
19. Suponha que no exerccio 15, uma amostra de n=30 funcionrios levou a estimativa
de 26,67% de casos positivos.
a) Construa um I.C. 95% para a proporo de casos positivos.
b) Qual o tamanho amostral necessrio para estimarmos essa proporo com 5% e
3% de margem de erro, mantendo o nvel de confiana em 95%.
20.
Cap. 6 Testes de Hipteses
21. Teste a hiptese de que no exerccio 16 ns temos um escore de ansiedade BAI
mdio de 20 pontos. Use 5%.
22. A tabela a seguir informa as estatsticas descritivas para a estatura (em cm) de
adolescentes na faixa dos 12 a 13 anos, separadamente para o sexo masculino e
feminino. Os dados fazem parte de um banco de dados real.
Masculino
(n=97)
155,17
16,81
Mean (Mdia)
Std. Deviation (Desvio-padro)
Feminino
(n=79)
146,41
14,34
a) Faa um teste para comparao da altura mdia por sexo, utilizando um nvel de
significncia de 10%.
23. (Teste t para amostras emparelhadas) Foi realizado um experimento com 5 atletas
onde foi solicitado que eles fizessem uma corrida de 100m sem a utilizao de
anabolizantes e numa outra ocasio com a utilizao dos estimulantes. Compare os
resultados pelo teste t ao nvel de 5%.
Atleta
Sem anabol.
Com anabol.
1
12,1
10,8
2
12,6
12,5
3
13,0
12,7
4
14,1
13,8
5
12,9
12,4
24. O EAT-26 um teste para atitudes alimentares que indica padro anormal de
alimentao quando o escore ultrapassa 20 pontos. O Dr. Barros na revista Aletheia
(1999) mostrou que, dentre os 367 adolescentes do sexo feminino, 92 apresentaram
transtornos alimentares, enquanto que dentre os 439 do sexo masculino, 24
apresentaram.
a) Realize um teste qui-quadrado ao nvel de 1% e indique se existe diferena
significativa entre os dois sexos.
b) Voc achou o tamanho amostral suficiente para fazer esse teste?
25. Uma escala de auto-estima bastante utilizada em Psicologia composta de 10 itens,
cuja soma da pontuao obtida nesses itens indica nvel de auto-estima da pessoa
numa escala que vai de 10 (mnimo) at 50 (mximo).
Uma Monografia do curso de Psicologia de um aluna chamada Suzana (Ulbra, 1999)
mostrou um comparativo entre dois grupos de pessoas com problemas de alcoolismo:
Tempo de Abstinncia
At 6 meses
Mais de 6 meses
n
44
39
Mdia
23,86
30,36
D.P.
5,07
3,38
a) Compare os grupos pelo teste t adotando um nvel de significncia de 1%.

26. Para os dados da tabela abaixo, composta de 100 fumantes, realize um teste quiquadrado. Os dados foram extrados de Everitt (1992).
Quantidade diria de
cigarros
Idade
At
Mais de 40
anos
40 anos
Total
Menos de 20 cigarros
50
15
65
20 cigarros ou mais
10
25
35
Total
60
40
100
27. Estudantes de Psicologia esto estudando a evoluo da coeso familiar com a

realizao de terapia de grupo
Famlia
Coeso Antes
Coeso Depois
1
25
52
2
50
70
3
40
60
4
42
52
5
60
65
6
55
63
7
47
57
Obs.: Quanto maior, maior a coeso.
a) O Tratamento eficiente para aumento da coeso? Realize um teste t apropriado.

28. Um teste de QI realizado em dois grupos de alunos da rea exata mostrou os
seguintes resultados
Grupo 1
Alunos do 2
semestre
(n=20)
Mdia
110
Desvio-padro
14
Obs.: Dados fictcios
Grupo 2
Alunos do 8
semestre
(n=10)
118
19
a) Compare os dois grupos ao nvel de significncia de 5%.

29. Suspeita-se que a idade de alunos de Psicologia nos turnos diurno e noturno difira
significativamente. Uma amostra de 31 estudantes de cada turno mostrou o seguinte:
Grupo
Diurno
Noturno
n
31
31
Mdia
22
27
Desviopadro
4,2
4,0
a) Os grupos diferem de acordo com o teste t ao nvel de significncia de 5%?

30. O medicamento FULCIN 500mg diz ter essa quantidade da substncia ativa
Griseofulvina. Numa amostra de 100 comprimidos de FULCIN chegamos a uma mdia
de 470mg com um desvio-padro de 45mg.
a) Realize um teste t contra o valor de referncia e tire a sua concluso.
Cap. 7 - Correlao e Regresso (?)

31. Suspeita-se que a idade ao primeiro parto tende a se repetir nas filhas mulheres.
Um estudo-piloto realizado com 5 mes mostrou que:
Idade que a me teve o 1 filho
20
26
28
30
Idade que a filha teve o 1 filho
22
26
28
33
31
Mdia
27
Desvio
4,36
36
29
5,57
Escore vestibular
32. Ser que possvel prever o escore no vestibular a partir do conhecimento da nota
mdia no 3 ano do Ensino Mdio?
700
y = 36,092x + 250,21
R2 = 0,8176
600
500
400
300
200
100
0
0,0
2,0
4,0
6,0
8,0
10,0
Mdia no EM
a) Qual o modelo estimado?

b) Interprete o coeficiente de determinao.
c) Qual o escore esperado no vestibular de um aluno que passou com mdia 5,5?
RESUMO DOS RESULTADOS
Estatstica de regresso
R mltiplo
0,90421644
R-Quadrado
0,817607371
R-quadrado ajustado
0,794808292
Erro padro
31,73457394
Observaes
10
ANOVA
gl
Regresso
1
Resduo
8
Total
9
Interseo
Mdia em Matemtica EM
SQ
MQ
36115,43 36115,43
8056,67 1007,08
44172,10
Coeficientes Erro padro

250,21
46,60
36,09
6,03
Stat t
5,37
5,99
F
35,86
valor-P
0,00
0,00
Valor de p
0,000
TABELA Z
Tabela: Probabilidades acumuladas associadas aos valores crticos (z) da distribuio normal
reduzida
z
0,0
0,1
0,2
0,3
0,4
0,00
0,5000
0,5398
0,5793
0,6179
0,6554
0,01
0,5040
0,5438
0,5832
0,6217
0,6591
0,02
0,5080
0,5478
0,5871
0,6255
0,6628
0,03
0,5120
0,5517
0,5910
0,6293
0,6664
0,04
0,5160
0,5557
0,5948
0,6331
0,6700
0,05
0,5199
0,5596
0,5987
0,6368
0,6736
0,06
0,5239
0,5636
0,6026
0,6406
0,6772
0,07
0,5279
0,5675
0,6064
0,6443
0,6808
0,08
0,5319
0,5714
0,6103
0,6480
0,6844
0,09
0,5359
0,5753
0,6141
0,6517
0,6879
0,5
0,6
0,7
0,8
0,9
0,6915
0,7257
0,7580
0,7881
0,8159
0,6950
0,7291
0,7611
0,7910
0,8186
0,6985
0,7324
0,7642
0,7939
0,8212
0,7019
0,7357
0,7673
0,7967
0,8238
0,7054
0,7389
0,7704
0,7995
0,8264
0,7088
0,7422
0,7734
0,8023
0,8289
0,7123
0,7454
0,7764
0,8051
0,8315
0,7157
0,7486
0,7794
0,8078
0,8340
0,7190
0,7517
0,7823
0,8106
0,8365
0,7224
0,7549
0,7852
0,8133
0,8389
1,0
1,1
1,2
1,3
1,4
0,8413
0,8643
0,8849
0,9032
0,9192
0,8438
0,8665
0,8869
0,9049
0,9207
0,8461
0,8686
0,8888
0,9066
0,9222
0,8485
0,8708
0,8907
0,9082
0,9236
0,8508
0,8729
0,8925
0,9099
0,9251
0,8531
0,8749
0,8944
0,9115
0,9265
0,8554
0,8770
0,8962
0,9131
0,9279
0,8577
0,8790
0,8980
0,9147
0,9292
0,8599
0,8810
0,8997
0,9162
0,9306
0,8621
0,8830
0,9015
0,9177
0,9319
1,5
1,6
1,7
1,8
1,9
0,9332
0,9452
0,9554
0,9641
0,9713
0,9345
0,9463
0,9564
0,9649
0,9719
0,9357
0,9474
0,9573
0,9656
0,9726
0,9370
0,9484
0,9582
0,9664
0,9732
0,9382
0,9495
0,9591
0,9671
0,9738
0,9394
0,9505
0,9599
0,9678
0,9744
0,9406
0,9515
0,9608
0,9686
0,9750
0,9418
0,9525
0,9616
0,9693
0,9756
0,9429
0,9535
0,9625
0,9699
0,9761
0,9441
0,9545
0,9633
0,9706
0,9767
2,0
2,1
2,2
2,3
2,4
0,9772
0,9821
0,9861
0,9893
0,9918
0,9778
0,9826
0,9864
0,9896
0,9920
0,9783
0,9830
0,9868
0,9898
0,9922
0,9788
0,9834
0,9871
0,9901
0,9925
0,9793
0,9838
0,9875
0,9904
0,9927
0,9798
0,9842
0,9878
0,9906
0,9929
0,9803
0,9846
0,9881
0,9909
0,9931
0,9808
0,9850
0,9884
0,9911
0,9932
0,9812
0,9854
0,9887
0,9913
0,9934
0,9817
0,9857
0,9890
0,9916
0,9936
2,5
2,6
2,7
2,8
2,9
0,9938
0,9953
0,9965
0,9974
0,9981
0,9940
0,9955
0,9966
0,9975
0,9982
0,9941
0,9956
0,9967
0,9976
0,9982
0,9943
0,9957
0,9968
0,9977
0,9983
0,9945
0,9959
0,9969
0,9977
0,9984
0,9946
0,9960
0,9970
0,9978
0,9984
0,9948
0,9961
0,9971
0,9979
0,9985
0,9949
0,9962
0,9972
0,9979
0,9985
0,9951
0,9963
0,9973
0,9980
0,9986
0,9952
0,9964
0,9974
0,9981
0,9986
3,0
3,1
3,2
3,3
3,4
0,9987
0,9990
0,9993
0,9995
0,9997
0,9987
0,9991
0,9993
0,9995
0,9997
0,9987
0,9991
0,9994
0,9995
0,9997
0,9988
0,9991
0,9994
0,9996
0,9997
0,9988
0,9992
0,9994
0,9996
0,9997
0,9989
0,9992
0,9994
0,9996
0,9997
0,9989
0,9992
0,9994
0,9996
0,9997
0,9989
0,9992
0,9995
0,9996
0,9997
0,9990
0,9993
0,9995
0,9996
0,9997
0,9990
0,9993
0,9995
0,9997
0,9998
TABELA t
Graus de liberdade
(n-1)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
40
50
60
70
80
90
100
110
120
Infinito
5,0%
Alpha sobre 2
2,5%
0,5%
90% bilateral
95% bilateral
99% bilateral
6,314
2,920
2,353
2,132
2,015
1,943
1,895
1,860
1,833
1,812
1,796
1,782
1,771
1,761
1,753
1,746
1,740
1,734
1,729
1,725
1,721
1,717
1,714
1,711
1,708
1,706
1,703
1,701
1,699
1,697
1,684
1,676
1,671
1,667
1,664
1,662
1,660
1,659
1,658
1,645
12,706
4,303
3,182
2,776
2,571
2,447
2,365
2,306
2,262
2,228
2,201
2,179
2,160
2,145
2,131
2,120
2,110
2,101
2,093
2,086
2,080
2,074
2,069
2,064
2,060
2,056
2,052
2,048
2,045
2,042
2,021
2,009
2,000
1,994
1,990
1,987
1,984
1,982
1,980
1,960
63,656
9,925
5,841
4,604
4,032
3,707
3,499
3,355
3,250
3,169
3,106
3,055
3,012
2,977
2,947
2,921
2,898
2,878
2,861
2,845
2,831
2,819
2,807
2,797
2,787
2,779
2,771
2,763
2,756
2,750
2,704
2,678
2,660
2,648
2,639
2,632
2,626
2,621
2,617
2,576
Tabela Qui-quadrado
Graus de liberdade
10%
rea a direita
5%
2,706
3,841
6,635
4,605
5,991
9,210
6,251
7,815
11,345
7,779
9,488
13,277
9,236
11,070
15,086
10,645
12,592
16,812
12,017
14,067
18,475
13,362
15,507
20,090
14,684
16,919
21,666
10
15,987
18,307
23,209
11
17,275
19,675
24,725
12
18,549
21,026
26,217
13
19,812
22,362
27,688
14
21,064
23,685
29,141
15
22,307
24,996
30,578
16
23,542
26,296
32,000
17
24,769
27,587
33,409
18
25,989
28,869
34,805
19
27,204
30,144
36,191
20
28,412
31,410
37,566
21
29,615
32,671
38,932
22
30,813
33,924
40,289
23
32,007
35,172
41,638
24
33,196
36,415
42,980
25
34,382
37,652
44,314
26
35,563
38,885
45,642
27
36,741
40,113
46,963
28
37,916
41,337
48,278
29
39,087
42,557
49,588
30
40,256
43,773
50,892
1%

Estatistica Aplicada PUC

Enviado por

Direitos autorais:

Formatos disponíveis

Estatistica Aplicada PUC

Enviado por

Dados do documento

Descrição original:

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Estatistica Aplicada PUC

Enviado por

Direitos autorais:

Formatos disponíveis

PONTIFCIA UNIVERSIDADE CATLICA DO RIO GRANDE DO SUL

ESTATSTICA APLICADA PSICOLOGIA

5. DISTRIBUIOES AMOSTRAIS E ESTIMAO

Est Apl Psicologia Prof. Hlio Radke Bittencourt Pg.

Cap. 1. CONCEITOS BSICOS DE ESTATSTICA

1.2 Tipos de Variveis

Na prtica todas as variveis so discretas, devido limitao dos instrumentos de

Est Apl Psicologia Prof. Hlio Radke Bittencourt Pg.

1.3 Escalas de Mensurao

O nvel ordinal de mensurao envolve nmeros que, alm de diferenciar,

O nvel intervalar ou de razo apresenta nmeros que expressam diretamente uma

Figura Resumo dos tipos de variveis e escalas de mensurao

Todas var. quantitativas apresentam nvel de mensurao intervalar ou de razo

Est Apl Psicologia Prof. Hlio Radke Bittencourt Pg.

1.4 Estatstica Descritiva e Inferencial

Est Apl Psicologia Prof. Hlio Radke Bittencourt Pg.

Cap. 2 ESTATSTICA DESCRITIVA

Tabela 1 Tabela de freqncias genrica

A notao utilizada a seguinte:

Est Apl Psicologia Prof. Hlio Radke Bittencourt Pg.

Os componentes da tabela de freqncias so:

As Tabelas cruzadas apresentam a distribuio de freqncias de duas variveis

Est Apl Psicologia Prof. Hlio Radke Bittencourt Pg.

Exemplo 2b Grupo sangneo X Fator Rh

CURIOSIDADE: Distribuio populacional por tipo sangneo e Fator Rh

Fonte: Livro Fisiologia do Sangue, Vol I, Pg 145

Est Apl Psicologia Prof. Hlio Radke Bittencourt Pg.

2.2 Anlise Grfica

Varivel Qualitativa Nominal (com poucas categorias)

GRFICO DE SETORES (Pizza ou Torta)

Base: Populao em geral

Est Apl Psicologia Prof. Hlio Radke Bittencourt Pg.

Varivel Qualitativa Nominal (com muitas categorias):

GRFICO DE BARRAS (em ordem decrescente)

Est Apl Psicologia Prof. Hlio Radke Bittencourt Pg. 10

Varivel Qualitativa Ordinal

GRFICO DE BARRAS (respeitando a ordem das categorias)

Nem Ruim, Nem

Base: ??? indivduos

Est Apl Psicologia Prof. Hlio Radke Bittencourt Pg. 11

Varivel Quantitativa Discreta

Nmero de pessoas por domiclio

Base: ??? domiclios

Est Apl Psicologia Prof. Hlio Radke Bittencourt Pg. 12

Varivel Quantitativa Contnua

Figura Distribuio da populao gacha por faixa etria

Fonte: IBGE, PNAD 2004

Est Apl Psicologia Prof. Hlio Radke Bittencourt Pg. 13

Figura - Evoluo das matrculas na Educao Superior no RS - 1988 a 2003

Fonte: MEC/INEP (extrado do Atlas Scio Econmico do RS

Est Apl Psicologia Prof. Hlio Radke Bittencourt Pg. 14

2.3 Medidas de Tendncia Central

Quando os dados esto organizados na forma de uma tabela de freqncias deve-se

Exemplo 3 Nmero de pessoas que mora em nosso domiclio

Est Apl Psicologia Prof. Hlio Radke Bittencourt Pg. 15

2.3.2 Mediana (Md)

um conjunto de dados ordenado (ordem crescente),

onde o valor entre colchetes representa a posio no conjunto ordenado.

As expresses genricas para encontrar a mdia so: