SlideShare una empresa de Scribd logo
1 de 10
Descargar para leer sin conexión
Introdução
Estatística é a ciência das probabilidades, na qual seu desenvolvimento nos permite
fazer previsões sobre determinado universo estudado, a partir de uma amostragem
significativa. Ainda, suas fórmulas são utilizadas para defender conclusões suspeitas.
Dessa forma, seu desenvolvimento contem coleta de dados, análises e informações diversas,
além de conter gráficos ou tabelas.
Portanto a seguir constam alguns exemplos de probabilidade com seus subtemas e
respectivos significados.
Semana 12ª: Medidas de Posição
Definição:
Os três quartis Q1, Q2 e Q3 dividem aproximadamente em conjunto de dados
ordenados em quatro partes iguais. Aproximadamente ¼ dos dados está acima ou abaixo do
primeiro quartil Q1. Aproximadamente metade dos dados acima ou abaixo do segundo quartil
Q2. Aproximadamente 3/4dos dados acima estão acima ou abaixo do terceiro quartil Q3.
Exemplo:
Amostra: 6, 47, 49, 15, 42, 41, 7, 39, 43, 40, 36
Amostra ordenada: 6, 7, 15, 36, 39, 40, 41, 42, 43, 47, 49
Q1/4 = 15 → 11/2 = 5,5/2 ≈ 3
Q2/4 = 40
Q3/4 = 43
13ª Semana: Distribuição de Probabilidades Normais
Definição:
Existe uma infinidade de distribuição normal, cada uma com sua própria media
e desvio padrão. A distribuição normal com media de 0 e um desvio padrão de 1 é chamada
de distribuição normal padrão.Onde, a escala horizontal do gráfico da distribuição normal
padrão corresponde ao z-escore(medida de posição que indica o numero de desvios padrão de
um valor a partir da média.
Sendo assim é uma distribuição normal com uma média de 0 e um desvio padrão de 1.
Exemplo
Suponha que o tempo necessário para atendimento de clientes em uma central de
atendimento telefônico siga uma distribuição normal de média de 8 minutos e desvio padrão
de 2 minutos.
(a) Qual é a probabilidade de que um atendimento dure menos de 5 minutos?
(b) E mais do que 9,5 minutos?
(c) E entre 7 e 10 minutos?
(d)75% das chamadas telefônicas requerem pelo menos quanto tempo de atendimento?
Resolução
Seja X: tempo necessário para atendimento de clientes em uma central de atendimento
telefônico X~N(8, 22
)
(a) Qual é a probabilidade de que um atendimento dure menos de 5 minutos?
=≤−=>=−<=




 −
<=< )5,1(1)5,1()5,1(
2
85
)5( ZPZPZPZPXP 1-0,9332 = 0,0668
Portanto, a probabilidade de que um atendimento dure menos de 5 minutos é 6,68%.
(b) E mais do que 9,5 minutos?
2266,07734,01)75,0(1)75,0(
2
85,9
)5,9( =−=≤−=>=




 −
>=> ZPZPZPXP .
Portanto, a probabilidade de que um atendimento dure mais do que 9,5 minutos é
22,66%.
(c) E entre 7 e 10 minutos?
=−<−<=<<−=




 −
<<
−
=<< )5,0()1()15,0(
2
810
2
87
)107( ZPZPZPZPXP
[ ] 5328,0)6915,01(8413,0)5,0(1)1()5,0()1( =−−=≤−−<=>−<= ZPZPZPZP
Portanto, a probabilidade de que um atendimento dure entre 7 e 10 minutos é
53,28%.
(d)75% das chamadas telefônicas requerem pelo menos quanto tempo de
atendimento?
8
( ) 0,75 0,75
2
x
P X x P Z
− 
> = ⇒ > = 
 
x é tal que
( 8)
0,75
2
x
A
− 
− = 
 
.
Então,
8
0,67 8 0,67*2 6,7
2
x
x
−
− = ⇒ = − ≅
Portanto, 75% das chamadas telefônicas requerem pelo menos 6,7 minutos de
atendimento.
14ª Semana: Distribuições Normais: Encontrando Probabilidades
Para encontrar a área sob qualquer curva normal, primeiro, converta os limites
superiores e inferiores do intervalo para z-escore. Em seguida, usar a distribuição normal
padrão para encontrar a área.
Exemplo:
Para achar a área sob a curva normal devemos conhecer dois valores numéricos, a
média e o desvio padrão .
Quando e são desconhecidos (caso mais comum), estes valores serão estimados por
.
Para cada valor de e/ou temos uma curva de distribuição de probabilidade. Porém,
para se calcular áreas específicas fazem-se uso de uma distribuição particular: a "distribuição
normal padronizada", também chamada de Standartizada ou reduzida, o qual é a distribuição
normal com e . Para obter tal distribuição, isto é, quando se tem uma variável
com distribuição normal com média diferente de (zero) e/ou desvio padrão diferente de
(um), devemos reduzi-la a uma variável , efetuando o seguinte cálculo:
Z= X – μ
σ
Exemplo:
Suponha que a espessura média de arruelas produzidas em uma fábrica tenha
distribuição normal com média mm e desvio padrão mm. Qual a porcentagem de
arruelas que tem espessura entre mm e mm?
Para encontrar a porcentagem de arruelas com a espessura desejada devemos encontrar
a área abaixo da curva normal, compreendida entre os pontos e mm.
Para isso, temos que encontrar dois pontos da distribuição normal padronizada.
O primeiro ponto é:
Resolução
Z¹ = 8,70 – 11,5 = -1,09
2,238
A área para valores maiores do que é , ou seja, . Portanto, a área
para valores menores do que é de .
O segundo ponto é:
Z = 14,70 – 11,15 = 1,58
2,238
A área para valores maiores do que é , ou seja, . Logo, o que
procuramos é a área entre e , que é dada por
1 – ( 0,1379 + 0,0571 ) = 1- 0,195 = 0,8050
Logo, a porcentagem de arruelas com espessura entre e (limites de
tolerância da especificação) é de .
15ª Semana: Distribuições Normais: Encontrando Valores
Encontrando z-escore; Transformando um z- escore em um valor x; Encontrando um
dado de valor especifico para uma dada probabilidade.
Contudo, o que devemos aprender para encontrar valores, é encontrar um z-escore
dado à área sob a curva normal e como transformar um z-escore em um valor x e ainda, como
encontrar o valor de um dado específico de uma distribuição normal dada a probabilidade.
Exemplo: Encontrando um z-escore
Em estatística, o z-escore (ou escore padrão) é usado para comparar médias de
conjuntos de dados diferentes homogeneamente distribuídos. O escore indica quantos desvios
padrões uma observação está acima ou abaixo da média. O z-escore é útil em pesquisas
utilizando análise estatística porque permite a comparação de valores de observações de
diferentes distribuições normais. De fato, quando itens de diferentes conjuntos de dados são
transformados em z-escores, eles tornam-se passíveis de serem comparados. Este artigo
mostrará como se calcular um z-escore.
1. A fórmula para se calcular o z-escore (ou escore padrão) é: z = (x - μ) / σ
2. As variáveis na fórmula do z-escore são: z = z-escore x = escore bruto ou
observação a ser padronizada μ = média da população σ = desvio padrão da população
Exemplo de cálculo de z-escore:
Você tem uma observação de 14,75; uma média populacional de 12,2 e um desvio
padrão de 1,75. Agora, o z-escore ficaria da seguinte forma:
z = (14,75 - 12,2)/1,75 z-escore = 1,46
Exemplo: Encontrando um z-escore, dado um percentil
Um percentil indica que há x% de dados inferiores
Ou seja, os percentis dividem o conjunto de dados em 100 partes iguais. Há, portanto,
99 percentis
Ex.: o P92 (92o percentil) indica que há 92% de dados inferiores.
Semana 16ª: Transformando um z-escore para um valor x
Veja para transformar valor x para um z-escore, devemos usar a fórmula:
Transformar um z-escore padrão em um dado de valor x em uma dada população use a
fórmula
z = x-µ
σ
Essa fórmula dá z em termos de x. Se resolvermos essa fórmula para x, obteremos uma
nova fórmula que dá x em termos de z.
z = x-µ Fórmula para z em termos de x.
σ
z.σ = x - µ Multiplique cada lado de σ.
µ+ z.σ = x Adicione µ para cada lado
x = µ + z.σ Troque os lados.
Transforme um z-escore em um valor x
Para transformar um z-escore padrão em um dado de valor x em uma dada população,
use a fórmula:
X = µ + z.σ
Exemplo 01:
As pontuações em um concurso público estão normalmente distribuídas, com média de
152 e desvio padrão de 7. Determine a pontuação de um candidato com escore z:
(a) 2,33 (b) –1,75 (c) 0
(a) x = 152 + (2,33)(7) = 168,31
(b) x = 152 + (–1,75)(7) = 139,75
(c) x = 152 + (0)(7) = 152
Exemplo 02:
As contas mensais de serviços públicos em determinada cidade são normalmente
distribuídas, com média de US$100 e desvio padrão de US$12. Qual é o valor mais baixo
entre os 10% mais altos?
Determine, na tabela, a área acumulada mais próxima a 0,9000 (o 90º percentil). A
área 0,8997 corresponde a um escore z de 1,28.
Para determinar o valor x correspondente, use: X = µ + z.
x = 100 + 1,28(12) = 115,36.
Conclusão
Como visto anteriormente, o tema e palavra chave deste trabalho é distribuições de
probabilidade, que por sua vez, é indispensável, por exemplo, em diversas área do
conhecimento,em prol de um único objetivo,coleta de dados para posterior analise.
Contudo, é um instrumento matemático, que nos auxilia para tirar devidas
conclusões com base nos dados colhidos conforme a pesquisa realizada, ou seja,é um
processo de obtenção,organização e analise de dados de uma população,ou ser qualquer, para
fazer levantamento ou trazer melhorias,por exemplo.
Portanto, a resolução e ou conclusão do estudo ou pesquisa realizada, os dados
ali expostos poderá ter como um instrumento complementar ilustrativo, uma representação
gráfica de desenho ou figura geométrica, ou ate mesmo uma tabela.
Sendo assim, a questão agora é saber colher corretamente os dados, para assim
saber, qual das formulas usar. Os vários exemplos citados acima é apenas um resumo da
distribuição de probabilidade.
Referencias Bibliográficas
DANTAS, Carlos A. B. Probabilidade: um curso introdutório. 3 ed. São Paulo:
EDUSP, 2008;
MEYER, P.L. - Probabilidade, aplicações à estatística. Rio de Janeiro: LTC,
1972
http://pt.wikipedia.org/wiki/Quartil
Atps estatistica
Atps estatistica

Más contenido relacionado

La actualidad más candente

La actualidad más candente (19)

Aula 9-intervalo-de-confiança para a média
Aula 9-intervalo-de-confiança para a médiaAula 9-intervalo-de-confiança para a média
Aula 9-intervalo-de-confiança para a média
 
Distribuicao de probabilidades
Distribuicao de probabilidadesDistribuicao de probabilidades
Distribuicao de probabilidades
 
Função de densidade normal bom
Função de densidade normal   bomFunção de densidade normal   bom
Função de densidade normal bom
 
Modelos de probabilidade
Modelos de probabilidadeModelos de probabilidade
Modelos de probabilidade
 
Aula 08 de estatística
Aula 08 de estatísticaAula 08 de estatística
Aula 08 de estatística
 
Aula 07 de estatística
Aula 07 de estatísticaAula 07 de estatística
Aula 07 de estatística
 
distribuição-t-student
distribuição-t-studentdistribuição-t-student
distribuição-t-student
 
Distribuicaonormal
DistribuicaonormalDistribuicaonormal
Distribuicaonormal
 
Aula 06 de estatística
Aula 06 de estatísticaAula 06 de estatística
Aula 06 de estatística
 
Variáveis aleatórias contínuas - Estatística II
Variáveis aleatórias contínuas - Estatística IIVariáveis aleatórias contínuas - Estatística II
Variáveis aleatórias contínuas - Estatística II
 
1. intervalo de confiança parte i
1. intervalo de confiança   parte i1. intervalo de confiança   parte i
1. intervalo de confiança parte i
 
Caderno - Estatítica Descritiva
Caderno - Estatítica DescritivaCaderno - Estatítica Descritiva
Caderno - Estatítica Descritiva
 
Intervalos de confianã‡a
Intervalos de confianã‡aIntervalos de confianã‡a
Intervalos de confianã‡a
 
Aula 14 new
Aula 14 newAula 14 new
Aula 14 new
 
Distribuicao continua
Distribuicao continuaDistribuicao continua
Distribuicao continua
 
Aula 11 estimação
Aula 11   estimaçãoAula 11   estimação
Aula 11 estimação
 
Aula 4 medidas resumo - parte 2
Aula 4   medidas resumo - parte 2Aula 4   medidas resumo - parte 2
Aula 4 medidas resumo - parte 2
 
Aula 9 variáveis aleatória contínua - parte 2
Aula 9   variáveis aleatória contínua - parte 2Aula 9   variáveis aleatória contínua - parte 2
Aula 9 variáveis aleatória contínua - parte 2
 
Aula 7 variáveis aleatórias
Aula 7   variáveis aleatóriasAula 7   variáveis aleatórias
Aula 7 variáveis aleatórias
 

Similar a Atps estatistica

Similar a Atps estatistica (20)

Distribuicao normal2.0
Distribuicao normal2.0Distribuicao normal2.0
Distribuicao normal2.0
 
Pesquisa sequencial
Pesquisa sequencialPesquisa sequencial
Pesquisa sequencial
 
Aula de distribuição de probabilidade[1]
Aula de distribuição de probabilidade[1]Aula de distribuição de probabilidade[1]
Aula de distribuição de probabilidade[1]
 
Estatística intervalo de confiança (aula 4)
Estatística   intervalo de confiança (aula 4)Estatística   intervalo de confiança (aula 4)
Estatística intervalo de confiança (aula 4)
 
Estatística básica
Estatística básicaEstatística básica
Estatística básica
 
Conceitos Básicos de Estatística II
Conceitos Básicos de Estatística IIConceitos Básicos de Estatística II
Conceitos Básicos de Estatística II
 
topico 2_Medidas descritivas.pdf
topico 2_Medidas descritivas.pdftopico 2_Medidas descritivas.pdf
topico 2_Medidas descritivas.pdf
 
Metódos de Pesquisa em C
Metódos de Pesquisa em CMetódos de Pesquisa em C
Metódos de Pesquisa em C
 
C7 exercicios
C7 exerciciosC7 exercicios
C7 exercicios
 
Análise exploratória de dados no SPSS
Análise exploratória de dados no SPSSAnálise exploratória de dados no SPSS
Análise exploratória de dados no SPSS
 
Princípios de Estatística Inferencial - I
Princípios de Estatística Inferencial - IPrincípios de Estatística Inferencial - I
Princípios de Estatística Inferencial - I
 
1 normal u
1 normal u1 normal u
1 normal u
 
Exercicios de estatistica resolvido.4
Exercicios de estatistica resolvido.4Exercicios de estatistica resolvido.4
Exercicios de estatistica resolvido.4
 
Raciocinio logico.pptx
Raciocinio logico.pptxRaciocinio logico.pptx
Raciocinio logico.pptx
 
Estastítica Inferencial
Estastítica InferencialEstastítica Inferencial
Estastítica Inferencial
 
Estatística - Aula 2
Estatística - Aula 2Estatística - Aula 2
Estatística - Aula 2
 
Aula 2 mat ef
Aula 2   mat efAula 2   mat ef
Aula 2 mat ef
 
Tratamento e Organização de Dados
Tratamento e Organização de DadosTratamento e Organização de Dados
Tratamento e Organização de Dados
 
EstatisticaGIMO_aquiUEM
EstatisticaGIMO_aquiUEMEstatisticaGIMO_aquiUEM
EstatisticaGIMO_aquiUEM
 
Estdescr
EstdescrEstdescr
Estdescr
 

Atps estatistica

  • 1. Introdução Estatística é a ciência das probabilidades, na qual seu desenvolvimento nos permite fazer previsões sobre determinado universo estudado, a partir de uma amostragem significativa. Ainda, suas fórmulas são utilizadas para defender conclusões suspeitas. Dessa forma, seu desenvolvimento contem coleta de dados, análises e informações diversas, além de conter gráficos ou tabelas. Portanto a seguir constam alguns exemplos de probabilidade com seus subtemas e respectivos significados.
  • 2. Semana 12ª: Medidas de Posição Definição: Os três quartis Q1, Q2 e Q3 dividem aproximadamente em conjunto de dados ordenados em quatro partes iguais. Aproximadamente ¼ dos dados está acima ou abaixo do primeiro quartil Q1. Aproximadamente metade dos dados acima ou abaixo do segundo quartil Q2. Aproximadamente 3/4dos dados acima estão acima ou abaixo do terceiro quartil Q3. Exemplo: Amostra: 6, 47, 49, 15, 42, 41, 7, 39, 43, 40, 36 Amostra ordenada: 6, 7, 15, 36, 39, 40, 41, 42, 43, 47, 49 Q1/4 = 15 → 11/2 = 5,5/2 ≈ 3 Q2/4 = 40 Q3/4 = 43 13ª Semana: Distribuição de Probabilidades Normais Definição: Existe uma infinidade de distribuição normal, cada uma com sua própria media e desvio padrão. A distribuição normal com media de 0 e um desvio padrão de 1 é chamada de distribuição normal padrão.Onde, a escala horizontal do gráfico da distribuição normal padrão corresponde ao z-escore(medida de posição que indica o numero de desvios padrão de um valor a partir da média. Sendo assim é uma distribuição normal com uma média de 0 e um desvio padrão de 1. Exemplo Suponha que o tempo necessário para atendimento de clientes em uma central de atendimento telefônico siga uma distribuição normal de média de 8 minutos e desvio padrão de 2 minutos. (a) Qual é a probabilidade de que um atendimento dure menos de 5 minutos? (b) E mais do que 9,5 minutos? (c) E entre 7 e 10 minutos? (d)75% das chamadas telefônicas requerem pelo menos quanto tempo de atendimento? Resolução Seja X: tempo necessário para atendimento de clientes em uma central de atendimento telefônico X~N(8, 22 ) (a) Qual é a probabilidade de que um atendimento dure menos de 5 minutos?
  • 3. =≤−=>=−<=      − <=< )5,1(1)5,1()5,1( 2 85 )5( ZPZPZPZPXP 1-0,9332 = 0,0668 Portanto, a probabilidade de que um atendimento dure menos de 5 minutos é 6,68%. (b) E mais do que 9,5 minutos? 2266,07734,01)75,0(1)75,0( 2 85,9 )5,9( =−=≤−=>=      − >=> ZPZPZPXP . Portanto, a probabilidade de que um atendimento dure mais do que 9,5 minutos é 22,66%. (c) E entre 7 e 10 minutos? =−<−<=<<−=      − << − =<< )5,0()1()15,0( 2 810 2 87 )107( ZPZPZPZPXP [ ] 5328,0)6915,01(8413,0)5,0(1)1()5,0()1( =−−=≤−−<=>−<= ZPZPZPZP Portanto, a probabilidade de que um atendimento dure entre 7 e 10 minutos é 53,28%. (d)75% das chamadas telefônicas requerem pelo menos quanto tempo de atendimento? 8 ( ) 0,75 0,75 2 x P X x P Z −  > = ⇒ > =    x é tal que ( 8) 0,75 2 x A −  − =    . Então, 8 0,67 8 0,67*2 6,7 2 x x − − = ⇒ = − ≅ Portanto, 75% das chamadas telefônicas requerem pelo menos 6,7 minutos de atendimento. 14ª Semana: Distribuições Normais: Encontrando Probabilidades Para encontrar a área sob qualquer curva normal, primeiro, converta os limites superiores e inferiores do intervalo para z-escore. Em seguida, usar a distribuição normal padrão para encontrar a área. Exemplo:
  • 4. Para achar a área sob a curva normal devemos conhecer dois valores numéricos, a média e o desvio padrão . Quando e são desconhecidos (caso mais comum), estes valores serão estimados por . Para cada valor de e/ou temos uma curva de distribuição de probabilidade. Porém, para se calcular áreas específicas fazem-se uso de uma distribuição particular: a "distribuição normal padronizada", também chamada de Standartizada ou reduzida, o qual é a distribuição normal com e . Para obter tal distribuição, isto é, quando se tem uma variável com distribuição normal com média diferente de (zero) e/ou desvio padrão diferente de (um), devemos reduzi-la a uma variável , efetuando o seguinte cálculo: Z= X – μ σ Exemplo: Suponha que a espessura média de arruelas produzidas em uma fábrica tenha distribuição normal com média mm e desvio padrão mm. Qual a porcentagem de arruelas que tem espessura entre mm e mm? Para encontrar a porcentagem de arruelas com a espessura desejada devemos encontrar a área abaixo da curva normal, compreendida entre os pontos e mm. Para isso, temos que encontrar dois pontos da distribuição normal padronizada. O primeiro ponto é: Resolução Z¹ = 8,70 – 11,5 = -1,09 2,238 A área para valores maiores do que é , ou seja, . Portanto, a área para valores menores do que é de . O segundo ponto é: Z = 14,70 – 11,15 = 1,58 2,238 A área para valores maiores do que é , ou seja, . Logo, o que procuramos é a área entre e , que é dada por 1 – ( 0,1379 + 0,0571 ) = 1- 0,195 = 0,8050 Logo, a porcentagem de arruelas com espessura entre e (limites de tolerância da especificação) é de .
  • 5. 15ª Semana: Distribuições Normais: Encontrando Valores Encontrando z-escore; Transformando um z- escore em um valor x; Encontrando um dado de valor especifico para uma dada probabilidade. Contudo, o que devemos aprender para encontrar valores, é encontrar um z-escore dado à área sob a curva normal e como transformar um z-escore em um valor x e ainda, como encontrar o valor de um dado específico de uma distribuição normal dada a probabilidade. Exemplo: Encontrando um z-escore Em estatística, o z-escore (ou escore padrão) é usado para comparar médias de conjuntos de dados diferentes homogeneamente distribuídos. O escore indica quantos desvios padrões uma observação está acima ou abaixo da média. O z-escore é útil em pesquisas utilizando análise estatística porque permite a comparação de valores de observações de diferentes distribuições normais. De fato, quando itens de diferentes conjuntos de dados são transformados em z-escores, eles tornam-se passíveis de serem comparados. Este artigo mostrará como se calcular um z-escore. 1. A fórmula para se calcular o z-escore (ou escore padrão) é: z = (x - μ) / σ 2. As variáveis na fórmula do z-escore são: z = z-escore x = escore bruto ou observação a ser padronizada μ = média da população σ = desvio padrão da população Exemplo de cálculo de z-escore: Você tem uma observação de 14,75; uma média populacional de 12,2 e um desvio padrão de 1,75. Agora, o z-escore ficaria da seguinte forma: z = (14,75 - 12,2)/1,75 z-escore = 1,46 Exemplo: Encontrando um z-escore, dado um percentil Um percentil indica que há x% de dados inferiores Ou seja, os percentis dividem o conjunto de dados em 100 partes iguais. Há, portanto, 99 percentis Ex.: o P92 (92o percentil) indica que há 92% de dados inferiores. Semana 16ª: Transformando um z-escore para um valor x Veja para transformar valor x para um z-escore, devemos usar a fórmula: Transformar um z-escore padrão em um dado de valor x em uma dada população use a fórmula z = x-µ
  • 6. σ Essa fórmula dá z em termos de x. Se resolvermos essa fórmula para x, obteremos uma nova fórmula que dá x em termos de z. z = x-µ Fórmula para z em termos de x. σ z.σ = x - µ Multiplique cada lado de σ. µ+ z.σ = x Adicione µ para cada lado x = µ + z.σ Troque os lados. Transforme um z-escore em um valor x Para transformar um z-escore padrão em um dado de valor x em uma dada população, use a fórmula: X = µ + z.σ Exemplo 01: As pontuações em um concurso público estão normalmente distribuídas, com média de 152 e desvio padrão de 7. Determine a pontuação de um candidato com escore z: (a) 2,33 (b) –1,75 (c) 0 (a) x = 152 + (2,33)(7) = 168,31 (b) x = 152 + (–1,75)(7) = 139,75 (c) x = 152 + (0)(7) = 152 Exemplo 02: As contas mensais de serviços públicos em determinada cidade são normalmente distribuídas, com média de US$100 e desvio padrão de US$12. Qual é o valor mais baixo entre os 10% mais altos? Determine, na tabela, a área acumulada mais próxima a 0,9000 (o 90º percentil). A área 0,8997 corresponde a um escore z de 1,28. Para determinar o valor x correspondente, use: X = µ + z. x = 100 + 1,28(12) = 115,36. Conclusão
  • 7. Como visto anteriormente, o tema e palavra chave deste trabalho é distribuições de probabilidade, que por sua vez, é indispensável, por exemplo, em diversas área do conhecimento,em prol de um único objetivo,coleta de dados para posterior analise. Contudo, é um instrumento matemático, que nos auxilia para tirar devidas conclusões com base nos dados colhidos conforme a pesquisa realizada, ou seja,é um processo de obtenção,organização e analise de dados de uma população,ou ser qualquer, para fazer levantamento ou trazer melhorias,por exemplo. Portanto, a resolução e ou conclusão do estudo ou pesquisa realizada, os dados ali expostos poderá ter como um instrumento complementar ilustrativo, uma representação gráfica de desenho ou figura geométrica, ou ate mesmo uma tabela. Sendo assim, a questão agora é saber colher corretamente os dados, para assim saber, qual das formulas usar. Os vários exemplos citados acima é apenas um resumo da distribuição de probabilidade.
  • 8. Referencias Bibliográficas DANTAS, Carlos A. B. Probabilidade: um curso introdutório. 3 ed. São Paulo: EDUSP, 2008; MEYER, P.L. - Probabilidade, aplicações à estatística. Rio de Janeiro: LTC, 1972 http://pt.wikipedia.org/wiki/Quartil