Documente Academic
Documente Profesional
Documente Cultură
Introdução ao e-learning
ÍNDICE
1. INTRODUÇÃO .............................................….................................... 4
1.1 Definições Gerais ........................................................................ 5
1.1.1. População 5
1.1.2. Variáveis ou atributos 5
1.1.3. Processo de amostragem 5
1.2 A Estatística Descritiva e a Estatística Indutiva .............…...... 6
2. ESTATÍSTICA DESCRITIVA .............................................…................... 8
2.1 Variáveis Qualitativas ................................................................. 8
2.2 Variáveis Quantitativas Discretas ............................................. 9
2.3 Variáveis Quantitativas Contínuas ............................................ 10
2.4 Medidas de Localização ............................................................. 11
2.4.1. Média 11
2.4.2. Mediana 12
2.4.3. Moda 13
2.5 Medidas de Ordem ...................................................................... 13
2.6 Medidas de Assimetria ............................................................... 14
2.7 Medidas de Dispersão ................................................................ 15
2.7.1. Dispersão Absoluta 15
2.7.2. Dispersão Relativa 16
2.8 Análise de Concentração ........................................................... 17
2.8.1. Curva de Lorenz 17
2.8.2. Índice de Gini 18
2.9 Estatística Descritiva Bidimensional ........................................ 19
Estatística Aplicada 2
Manual de Exercícios
Estatística Aplicada 3
Manual de Exercícios
1. INTRODUÇÃO
Estatística Aplicada 4
Manual de Exercícios
1.1.1. População
Estatística Aplicada 5
Manual de Exercícios
Estatística Aplicada 6
Manual de Exercícios
POPULAÇÃO
OU UNIVERSO Previsões
Amostragem Estimação
Erros
Estatística Aplicada 7
Manual de Exercícios
2. ESTATÍSTICA DESCRITIVA
Mod. j nj fj
Mod. n nn fn
Total n: dimensão da amostra 1
ni
fi = ; ni: nº de vezes que cada modalidade da variável foi observada.
n
Estatística Aplicada 8
Manual de Exercícios
Diagrama de barras
Para cada modalidade, desenha-se uma barra de altura igual à frequência
absoluta ou relativa (as frequências relativas são de preferir, pois permitem a
comparação de amostras de diferentes dimensões).
Xj nj fj
Xn nn fn
Total n: dimensão da amostra 1
Estatística Aplicada 9
Manual de Exercícios
Como foi dito anteriormente, uma variável (ou atributo) é contínua quando
assume um número infinito não numerável de valores, isto é, podem assumir
qualquer valor dentro de um intervalo.
Classes de
Frequências absolutas Frequências relativas
valores da variável
[x1; x2[ n1 f1
[x2; x3[
[x3; x4[ nj fj
[xn-1; xn] n fn
Total n: dimensão da amostra 1
Estatística Aplicada 10
Manual de Exercícios
2.4.1. Média ( X )
Estatística Aplicada 11
Manual de Exercícios
Dados não-classificados
Se tivermos n valores x1, x2, ... xn
Se n fôr ímpar,
Me = x n+1
2
Se n fôr par,
xn + xn
+1
Me = 2 2
Dados classificados
A mediana é o valor tal que Fi = 0,5
Variáveis discretas
Se existe um valor de xi para o qual Fi = 0,5, então fala-se em intervalo
mediano.
Estatística Aplicada 12
Manual de Exercícios
Variável discreta
O quantil de ordem p é o primeiro valor de x para o qual i>p.
Estatística Aplicada 13
Manual de Exercícios
Variável contínua
Calcula-se por uma regra de três simples, como a mediana.
25%
De uma forma geral: maiores
0.25 − FL inf
Q1 = L inf + xamp. classe Q1
FL sup − FL inf
0.75 − FL inf
Q3 = L inf + xamp. classe Q3
FL sup − FL inf
(Q3 − Q 2) − (Q 2 − Q1)
Coeficiente de assimetria de Bowley (g’):
Q3 − Q1
Se g’ = 0 ..............a distribuição é simétrica positiva ou equilibrada
Os quartis estão à mesma distância da mediana.
Se g’ > 0 ..............a distribuição é assimétrica positiva ou “puxada” para
Estatística Aplicada 14
Manual de Exercícios
Q1 Q2
Q3
Assimétrica positiva
Q1 Q2 Q3
Assimétrica negativa
Estatística Aplicada 15
Manual de Exercícios
Dados não-classificados
( )
2
1 n
s2 = xi − x
n i =1
Dados classificados
Variáveis discretas
( ) ( )
2
1 n n
2
s =
2
ni xi − x = fi xi − x
n i =1 i =1
Dados classificados
Variáveis contínuas
( ) ( )
2
1 n n
2
s =
2
ni ci − x = fi ci − x
n i =1 i =1
Dispersão absoluta
Dispersão relativa =
Medida de localizaçã o em relação à qual está definida
Estatística Aplicada 16
Manual de Exercícios
Coeficiente de variação
s
CV = x100%
x
Outras medidas
Q3 − Q1
Q2
Estatística Aplicada 17
Manual de Exercícios
Quadro de dados
Classes de Quantidade Freq.relativa Proporção
ni
valores da variável atributo acumuladas atrib.acumul,
[x1; x2[ n1 yi p1 q1
[x2; x3[
[x3; x4[ nj yj pj qj
Os pontos (pi;qi) pertencem ao quadrado (0,1) por (0,1). A curva que os une é
a curva de Lorenz. Se houver igual distribuição, a frequência das observações
deve ter uma evolução igual à proporção do atributo correspondente, isto é,
pi=qi. Nesse caso, a curva de Lorenz coincide com a diagonal do quadrado,
que é designada de recta de igual repartição. Quanto mais a curva se afastar
da recta, maior é a concentração. A zona entre a diagonal e acurva de Lorenz
designa-se, por isso, de zona de concentração.
Estatística Aplicada 18
Manual de Exercícios
Numa situação em que se observam pares de valores (xi; yj), pode ter interesse
estudar as relações porventura existentes entre os dois fenómenos,
nomeadamente relações estatísticas. Não se trata de estudar relações
funcionais (isto é, a medida em que o valor de uma variável é determinado
exactamente pela outra), mas sim de estudar a forma como a variação de uma
variável poderá afectar a variação da outra, em média. (por exemplo, o peso e
a altura normalmente estão relacionados, mas a relação não é determinística).
Duas variáveis ligadas por uma relação estatística dizem-se correlacionadas.
Se as variações ocorrem, em média ou tendencialmente, no mesmo sentido, a
correlação diz-se positiva. Se ocorrem em sentidos opostos, a correlação diz-
se negativa.
Estatística Aplicada 19
Manual de Exercícios
y = a + bx
s xy n
r= , s xy = ( xi − x)( y i − y )
s xx s yy i =1
Estatística Aplicada 20
Manual de Exercícios
Se r < 0, então pode dizer-se que existe uma correlação negativa entre as
variáveis, isto é, as variáveis variam em sentidos opostos: um aumento
(diminuição de x) provoca uma diminuição (aumento) de y, mas menos que
proporcional.
Se r = 0, então pode dizer-se que as variáveis não estão correlacionadas
linearmente.
Antes de se efectuar um estudo de correlação, deve-se procurar justificação
teórica para a existência ou inexistência de correlação. Caso contrário, poderá
acontecer que variáveis sem relação de causalidade entre si, variem num certo
sentido por razões exteriores. A esta correlação ilusória, chama-se correlação
espúria.
Correlação ordinal
Por vezes, as variáveis vêm expressas numa escala ordinal, isto é, interessa
mais conhecer a ordenação dos valores do que os valores observados
propriamente ditos. Neste caso, em vez do coeficiente de correlação linear,
calcula-se o coeficiente de correlação ordinal:
n
2
di
x y
rs = 1 − 6 i =1
, d i = Ri − Ri
n(n − 1)2
Estatística Aplicada 21
Manual de Exercícios
ESTATÍSTICA DESCRITIVA
Exercícios resolvidos
Exercício 1
Considere a distribuição de 1000 empresas de um sector de actividade
segundo os resultados líquidos (em milhares de u.m.):
Resolução
a)
fi/hi
0,2
0,18
0,16
0,14
0,12
0,1
0,08
0,06
0,04
0,02
0
0 10 20 30 40 50 60
Estatística Aplicada 22
Manual de Exercícios
X fi hi fi/hi Fi ci
[0; 1[ 10% 1 0.1 10% 0.5
[1; 3[ 25% 2 0.125 35% 2
[3; 5[ 35% 2 0.175 70% 4
[5; 15[ 15% 10 0.015 85% 10
[15; 25[ 10% 10 0.01 95% 20
[25; 50] 5% 25 0.002 100% 37.5
Total 1
n n
b) x = 1 ni c i = f i ci = (0,5 x10%) + (2 x 25%) + ... + (37.5 x5%) = 7,325
n i =1 i =1
Fi
0,8
0,6
0,4
0,2
0
0 20 40 60 80 100 120
Classe mediana (classe a que corresponde uma frequência acumulada 0,5): [3; 5[
3 : Fi=0,35
5 : Fi = 0,7
Estatística Aplicada 23
Manual de Exercícios
Cálculo da mediana:
0,7 - 0,35 ------------ 5 - 3
0,5 – 0,35 -------------- Me – 3
Me = 3 + ((2x0,15)/0,35) = 3,857
50% das empresas apresentam resultados líquidos inferiores a 3857 u.m.
Cálculo do Q1:
0,35 - 0,1 ------------ 3 - 1
0,25 – 0,1 -------------- Q1 – 1
Q1 = 1 + ((2x0,15)/0,25) = 2,2
25% das empresas apresentam resultados líquidos inferiores a 2200 u.m.
Cálculo do Q3:
0,85 - 0,7 ------------ 15 - 5
0,75 – 0,7 -------------- Q3 – 5
Q3 = 5 + ((10x0,05)/0,15) = 8,333(3)
75% das empresas apresentam resultados líquidos inferiores a 8333 u.m.
e)
(Q3 − Q 2) − (Q 2 − Q1) (8,333 − 3,857) − (3,857 − 2,2)
g' = = = 0,4596 > 0
Q3 − Q1 8,333 − 2,2
Estatística Aplicada 24
Manual de Exercícios
f)
X fi ni ci Atributo pi (=Fi) qi
[0; 1[ 10% 1000x10%=100 0.5 100x0.5=50 0.1 0.007
[1; 3[ 25% 250 2 250x2=500 0.35 0.075 50 + 500 + 1400
[3; 5[ 35% 350 4 1400 0.7 0.266 7325
[5; 15[ 15% 150 10 1500 0.85 0.471
[15; 25[ 10% 100 20 2000 0.95 0.744
[25; 50[ 5% 50 37.5 1875 1 1
Total 1 n=1000 7325
Res.Liq.Totais
líquido.
Exercício 2
Considere a seguinte amostra de dimensão 200, referente aos lucros obtidos
por empresas de um dado sector industrial, expressas numa determinada
unidade monetária.
Estatística Aplicada 25
Manual de Exercícios
Resolução
Curva de Lorenz
0,8
0,6
0,4
0,2
0
0 0,2 0,4 0,6 0,8 1
n −1
( pi − qi )
0,546(6)
G= i =1
n −1
= = 0,243
2,25
pi
i =1
Tanto pela análise da Curva de Lorenz, como pelo valor do Índice de Gini,
conclui-se que esta amostra apresenta concentração moderada, encontrando-
se os valores razoavelmente repartidos.
Exercício 3
Considere o exemplo abaixo referente ao peso e altura de 10 indivíduos.
a) Represente o diagrama de dispersão.
b) Analise a correlação existente entre peso e altura.
c) Ajuste, pelo Método dos Mínimos Quadrados, uma função linear que
exprima as peso em função da altura.
Estatística Aplicada 26
Manual de Exercícios
a) 190
180
Altura (cm)
170
160
150
50 60 70 80 90
Peso (kg)
Recta de Regressão
c)
190
y = 0,9016x + 109,36
180
Altura (cm)
170
160
150
50 60 70 80 90
Peso (kg)
Estatística Aplicada 27
Manual de Exercícios
Exercício 4
O quadro abaixo apresenta as vendas e as despesas em publicidade (ambas
em milhares de u.m.) de uma empresa no período de 7 anos:
Ano Vendas Desp. Publicidade
1 10 3
2 13 3
3 18 5
4 19 6
5 25 8
6 30 9
7 35 13
Resolução
a) Para comparar a dispersão das duas distribuições, é necessário calcular os
coeficientes de variação (medidas de dispersão relativa):
Dados não-classificados
n n
1 1
x = xi = 21,429 y = yi = 6,714
n i =1 n i =1
(xi − x ) (yi − y )
n 2 n 2
2 1 2 1
sx = = 69,9408 sy = = 11,0651
n i =1 n i =1
sx 69,9408 sy 11,0651
CV x = = = 0,39 < CV y = = = 0,495
x 21,429 y 6,714
Estatística Aplicada 28
Manual de Exercícios
b)
1
s xy [(10 − 21,429)(3 − 6,714) + ... + (35 − 21,429)(13 − 6,714)]
r= = 7 = 0,98
s xx s yy 69,9408 x 11,0651
Existe uma correlação positiva linear forte entre as duas variáveis. Em média,
quando as despesas em publicidade aumentam (diminuem), as vendas
aumentam (diminuem) de forma quase exactamente proporcional.
Recta de Regressão
c)
y = 2,4649x + 4,8782
30
20
Vendas
10
0
3 8 13
Desp. Public.
Exercício 5
Considere que 10 estudantes foram sujeitos a uma prova de avaliação no início
e no final do curso. No quadro abaixo, encontram-se as ordenações desses 10
estudantes segundo as classificações obtidas em cada uma das provas:
Estatística Aplicada 29
Manual de Exercícios
Resolução
Como não dispomos das classificações dos alunos, mas sim das ordenações
das classificações (do 1º ao 10º classificado), para avaliar a correlação
existente entre as 2 provas calcula-se o coeficiente de correlação ordinal:
n
2
di
6 x(0 + 1 + 1 + 1 + 1 + 0 + 4 + 1 + 16 + 1)
rs = 1 − 6 i =1
= 1− = 0,8424
n(n − 1)2
10 x(100 − 1)
A correlação é positiva e elevada (rs varia entre –1 e 1), isto é, os alunos que
tiveram boa nota na prova inicial tiveram, em média, igualmente boa nota na
prova final.
Exercício 6
O quadro que se segue descreve a distribuição do rendimento anual (em
milhares de u.m.) de 2500 famílias da população de um país:
Rendimento anual Nº de famílias
[0, 1[ 250
[1, 2[ 375
[2, 5[ 625
[5, 15[ 750
[15, 25[ 375
[25, 50[ 125
Resolução
a)
Rendimento anual Nº de famílias % de famílias Fi (%) ci
[0, 1[ 250 10 10 0.5
[1, 2[ 375 15 25 1.5
[2, 5[ 625 25 50 3.5
[5, 15[ 750 30 80 10
[15, 25[ 375 15 95 20
[25, 50[ 125 5 1 37.5
Estatística Aplicada 30
Manual de Exercícios
0,8
0,6
0,4
0,2
0
0 10 20 30 40 50 60 70 80 90 100
n n
b) x = 1 ni c i = f i ci = (0,5 x10%) + (1.5 x15%) + ... + (37.5 x5%) = 9,025
n i =1 i =1
Classe mediana (classe a que corresponde uma frequência acumulada 0,5): [2; 5[
5 : Fi = 0,5. Logo, a mediana é 5 (50% das famílias têm rendimentos anuais até
5000 unidades monetárias).
Cálculo do Q3:
0,8 - 0,5 ------------ 15 - 5
0,75 – 0,5 -------------- Q3 – 5
Q3 = 5 + ((10x0,25)/0,3) = 13,333(3)
75% das famílias apresentam rendimentos anuais inferiores a 13333 u.m.
Estatística Aplicada 31
Manual de Exercícios
( )
n 2 n
2 2
d) s x = fi * ci − x = fici 2 − x = 82,286875
i =1 i =1
2
s x = s x = 82,286875 = 9,071
e)
Rendimento anual ni ci Rend. total pi (=Fi) qi
[0, 1[ 250 0.5 125 0,1 0.00554
[1, 2[ 375 1.5 562,5 0,25 0.0305
[2, 5[ 625 3.5 2187,5 0,5 0.1274
[5, 15[ 750 10 7500 0,8 0.46
[15, 25[ 375 20 7500 0,95 0.7922
[25, 50[ 125 37.5 4687.5 1 1
Total 2500 22562,5
n −1
( pi − qi )
1,18436
G= i =1
n −1
= = 0,4555 Concentração moderada do rendimento
2,6
pi
i =1
Exercício 7
Considere a seguinte tabela que representa a distribuição dos empregados de
uma instituição bancária segundo a remuneração bruta mensal (em milhares de
unidades monetárias):
Frequência. Relativa
Remuneração
(%)
[60; 80[ 7.8
[80; 100[ 15.2
[100; 120[ 31.2
[120; 140[ 19.5
[140; 160[ 7.2
[160; 200[ 8.1
[200; 250[ 5.4
[250, 300[ 2.6
[300; 350] 3.0
Total 100
Estatística Aplicada 32
Manual de Exercícios
Resolução
a)
Fi
Remuneração Frequência. Relativa (%)
(%)
[60; 80[ 7.8 7.8
[80; 100[ 15.2 23
[100; 120[ 31.2 54.2
[120; 140[ 19.5 73.7
[140; 160[ 7.2 80.9
[160; 200[ 8.1 89
[200; 250[ 5.4 94.4
[250, 300[ 2.6 97
[300; 350] 3.0 100
Total 100
Estatística Aplicada 33
Manual de Exercícios
Cálculo do Q3:
0,809 - 0,737 ------------ 160 - 140
0,75 – 0,737 -------------- Q3 - 140
Q3 = 140 + ((20x0,013)/0,072) = 143,61(1)
75% dos empregados auferem remunerações inferiores a 143,61(1) milhares u.m.
Exercício 8
Os dados seguintes referem-se ao peso, expresso em gramas, do conteúdo de
uma série de 100 garrafas que, no decurso de um teste, saíram de uma linha
de enchimento automático:
Frequência. Relativa
Peso (em gramas)
(%)
[297; 298[ 8
[298; 299[ 21
[299; 300[ 28
[300; 301[ 15
[301; 302[ 11
[302; 303[ 10
[303; 304[ 5
[304; 305[ 1
[305; 306] 1
Total 100
Estatística Aplicada 34
Manual de Exercícios
Resolução
a) Histograma
0,3
0,25
0,2
0,15
0,1
0,05
0
296 297 298 299 300 301 302 303 304 305 306 307
b)
Peso (em gramas) Frequência Relativa (%) Fi (%)
[297; 298[ 8 8
[298; 299[ 21 29
[299; 300[ 28 57
[300; 301[ 15 72
[301; 302[ 11 83
[302; 303[ 10 93
[303; 304[ 5 98
[304; 305[ 1 99
[305; 306] 1 100
Total 100
F*
1
0,8
0,6
0,4
0,2
0
295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310
c)
n n
1
x = ni c i = f i ci = (297,5 x8%) + (298,5 x 21%) + ... + (305,5 x1%) = 300,11
n i =1 i =1
Estatística Aplicada 35
Manual de Exercícios
Classe mediana (classe a que corresponde uma frequência acumulada 0,5): [299;
300[
299 : Fi = 0,29
300 : Fi = 0,57
Cálculo do Q2:
0,57 - 0,29 ------------ 300 - 299
0,5 - 0,29 -------------- Q2 - 299
Q2 = 299 + ((1x0,21)/0,28) = 299,75
50% das garrafas têm peso inferior a 299,75 kg.
Estatística Aplicada 36
Manual de Exercícios
Exercício 8
Numa faculdade, mediram-se as alturas de 100 alunos do primeiro ano:
Resolução
a)
Altura (em metros) ni fi ci hi fi/hi Fi
[1,4; 1,5[ 2 0,02 1,45 0,1 0,2 0,02
[1,5; 1,55[ 10 0,1 1,525 0,05 2 0,12
[1,55; 1,6[ 25 0,25 1,575 0,05 5 0,37
[1,6; 1,65[ 13 0,13 1,625 0,05 2,6 0,5
[1,65; 1,7[ 17 0,17 1,675 0,05 3,4 0,67
[1,7; 1,75[ 20 0,2 1,725 0,05 4 0,87
[1,75; 1,8[ 10 0,1 1,775 0,05 2 0,97
[1,8; 1,9] 3 0,03 1,85 0,1 0,3 1
Total 100 1
fi/hi Histograma
6
5
4
3
2
1
0
1,4 1,5 1,6 1,7 1,8 1,9
Estatística Aplicada 37
Manual de Exercícios
n n
1
b) x = ni c i = f i ci = (1,45x 2%) + (1,525x10%) + ... + (1,85x3%) = 1,65
n i =1 i =1
c) F*
1
0,8
0,6
0,4
0,2
0
1,3 1,4 1,5 1,6 1,7 1,8 1,9 2
Estatística Aplicada 38
Manual de Exercícios
Cálculo do Q3:
0,87- 0,67------------ 1,75 – 1,7
0,75 – 0,67-------------- Q3 – 1,7
Q3 = 1,7 + ((0,05*0,08)/0,2) = 1,72
75% dos alunos têm altura inferior a 1,72 m.
( )
n 2 n
2 2
sx = fi * ci − x = fici 2 − x = 0,00536875
i =1 i =1
2
s x = s x = 0,00536875 = 0,07327
(dispersão reduzida em torno da média)
Exercício 9
Em determinada central telefónica, registou-se a duração das chamadas
realizadas em Dezembro de 2001:
Estatística Aplicada 39
Manual de Exercícios
Resolução
a)
Duração (em minutos) ni fi hi fi/hi Fi ci
[0; 5[ 2000 0,4 5 0,08 0,4 2,5
[5; 10[ 1500 0,3 5 0,06 0,7 7,5
[10; 20[ 1000 0,2 10 0,02 0,9 15
[20; 30[ 300 0,06 10 0,006 0,96 25
[30; 50] 200 0,04 20 0,002 1 40
Total 5000 1
fi/hi Histograma
0,1
0,08
0,06
0,04
0,02
0
0 10 20 30 40 50 60
F*
1
0,8
0,6
0,4
0,2
0
0 10 20 30 40 50 60 70 80 90 100
n n
b) x = 1 ni c i = f i ci = (2,5 x 40%) + (7,5 x30%) + ... + (40 x 4%) = 9,35
n i =1 i =1
( )
n 2 n
2 2
sx = fi * ci − x = fici 2 − x = 81,4525
i =1 i =1
2
s x = s x = 0,00536875 = 9,025
c) Classe mediana (classe a que corresponde frequência acumulada 0,5): [5; 10[
Estatística Aplicada 40
Manual de Exercícios
5 : Fi = 0,4
10 : Fi = 0,7
Cálculo da Me:
0,7 - 0,4 ------------ 10 - 5
0,5 - 0,4 ------------ Me - 5
Me = 5 + ((5x0,1)/0,3) = 6,67
50% das chamadas têm duração a 6,67 minutos.
s x 9,025 sy 8,7
d) CV Dez = = = 0,965 > CV2001 = = = 0,87
x 9,35 y 10
Exercício 10
Uma empresa coligiu dados relativos à produção de 12 lotes de um tipo especial
de rolamento. O volume de produção e o custo de produção de cada lote
apresentam-se na tabela:
Resolução
1
s xy [(1500 − 1358,3)(3100 − 2708,3) + ... + (2000 − 1358,3)(3800 − 2708,3)]
a) r = = 12 = 0,98
s xx s yy 520854x 1145944
Estatística Aplicada 41
Manual de Exercícios
b)
6000
3000
2000
1000
0
0 500 1000 1500 2000 2500 3000
Volume
Exercício 11
Um conjunto de empresas do sector da Construção e Obras Públicas cotadas
na Bolsa de Valores foram analisadas relativamente aos seguintes indicadores:
EPS (Earnings per Share): Resultado Líquido por Acção
PBV (Price/Book Value): Preço / Situação Líquida por Acção
Resolução
1
s xy [(191 − 121,7)(0,9 − 0,92) + ... + (81 − 121,7)(0,4 − 0,92)]
a) r = =9 = 0,61
s xx s yy 3669,332 x 0,096933
Estatística Aplicada 42
Manual de Exercícios
b)
250
150
EPS
100
50
0
0 0,2 0,4 0,6 0,8 1 1,2 1,4 1,6
PBV
Exercício 12
Recolheu-se uma amostra em 17 cidades do país relativamente aos seguintes
indicadores:
Ri: Rendimento médio mensal na cidade i (em 106 unidades monetárias)
Gi: Gasto médio mensal em bens de luxo na cidade i (em 106 u.m.)
Ri Gi Ri Gi
125 54 144 61
127 56 147 62
130 57 150 62
131 57 152 63
133 58 154 63
135 58 160 64
140 59 162 65
143 59 165 66
169 66
Dados adicionais
2
Ri = 2467 Gi = 1030 Ri = 361073
2
Gi = 62620 Ri Gi = 150270
Estatística Aplicada 43
Manual de Exercícios
Resolução
a)
2467 1030
Ri G i − n R G 150270 − 17 * *
rXY = = 17 17 = 0,986
2 2 2
(
2
Ri − n R )( G − nG )
2 2467 1030 2
i (361073 − 17 * )( 62620 − 17 * )
17 2 17 2
b)
68
y = 0,2604x + 22,801
66
64
62
60
Gasto
58
56
54
52
50
100 120 140 160 180 200
Rendimento
Estatística Aplicada 44
104
Introdução ao e-learning
3. ESTATÍSTICA INDUTIVA
Estatística Aplicada 45
Manual de Exercícios
Estatística Aplicada 46
Manual de Exercícios
Estatística Aplicada 47
Manual de Exercícios
Após a apresentação desta definição, convém ainda referir que, numa outra
perspectiva, a da chamada teoria frequencista, a probabilidade de um
acontecimento é definida como sendo o valor para o qual tende a frequência
relativa do acontecimento quando o número de repetições da experiência
aumenta.
Exemplo:
Um grupo de pessoas é classificado de acordo com o seu peso e a incidência
de hipertensão. São as seguintes as proporções das várias categorias:
Obeso Normal Magro Total
Hipertenso 0,1 0,08 0,02 0,2
Não Hipertenso 0,15 0,45 0,2 0,8
Total 0,25 0,53 0,22 1,00
a) Qual a probabilidade de uma pessoa escolhida ao acaso ser hipertensa?
b) Qual a probabilidade de uma pessoa obesa ser hipertensa?
Resolução
a) Basta ver que a proporção de hipertensos é de 20%
b) Há que tomar em atenção que o que se pretende é a proporção de
0,1
hipertensos na população de obesos, isto é = 0,4 . Por outras palavras,
0,25
pretende-se calcular a probabilidade do acontecimento “ser hipertenso”,
sabendo que ocorreu o acontecimento “ser obeso”. Repare-se que este
quociente resulta da divisão entre a probabilidade de uma pessoa ser
hipertensa e obesa e a probabilidade de uma pessoa ser obesa. Pode
escrever-se que a probabilidade pretendida é dada por:
P( H ∩ O)
P( H / O) =
P (O)
onde P(H/O) é a probabilidade de ocorrer o acontecimento “ser hipertenso”,
sabendo que ocorreu ou condicionado pelo acontecimento “ser obeso”.
Este exemplo corresponde ao cálculo de uma probabilidade condicionada.
Estatística Aplicada 48
Manual de Exercícios
Teorema de Bayes
Seja B um acontecimento que se realiza se e só se um dos acontecimentos
mutuamente exclusivos A1, A2,…An se verifica. Aos acontecimentos A1, A2,…An
dá-se o nome de acontecimentos antecedentes. O teorema de Bayes permite
calcular a probabilidade à posteriori de A1, A2,… An, isto é, a probabilidade de
ocorrência de A1, A2,… An calculadas sob a hipótese de que B (acontecimento
consequente) se realizou. De acordo com este teorema:
P ( Ai ).P ( B / Ai )
P ( Ai / B ) = n
P ( Ai ).P ( B / Ai )
i =1
Estatística Aplicada 49
Manual de Exercícios
Estatística Aplicada 50
Manual de Exercícios
(λt )x e −λt
x!
Estatística Aplicada 51
Manual de Exercícios
e − λt
A probabilidade de avariar até ao instante t é dada por
1 − e − λt
Estatística Aplicada 52
Manual de Exercícios
A expressão
1 ( Xi − µ ) 2
1 −
σ2
e 2
σ 2∏
Estatística Aplicada 53
Manual de Exercícios
X ∩ χ n2
Estatística Aplicada 54
Manual de Exercícios
Estatística Aplicada 55
104
Introdução ao e-learning
PROBABILIDADES
Exercícios resolvidos
Exercício 1
De um baralho ordinário (52 cartas) extrai-se ao acaso 1 carta. Determine a
probabilidade dos seguintes acontecimentos:
a) saída de Rei
b) saída de copas
c) saída de Rei ou copas
d) saída de Rei mas não de copas
e) não saída de Rei
f) não saída de Rei nem de copas
g) não saída de Rei ou não saída de copas
Resolução
A: saída de Rei
B: saída de copas
a) P(A)=1/13
b) P(B)=1/4
c) P(A ∪ B) = P(A) + P(B) - P(A ∩ B) = 1/13+1/4-1/52 = 4/13 (=(13+3)/52)
d) P(A-B) = P(A) – P(A ∩ B) = 1/13 – 1/52 = 3/52 (= (4-1)/52)
e) P( A )= 1-1/13 = 12/13 (=(52-4)/52)
f) P( A ∩ B ) = P( A ∪ B ) = 1 – P(A ∪ B) = 1 – 4/13 = 9/13
g) P( A ∪ B ) = P( A ∩ B ) = 1 – P ( A ∩ B ) = 1 – 1/52 = 51/52
Exercício 2
Um sistema electrónico é formado por dois sub-sistemas, A e B. De ensaios
anteriores, sabe-se que:
- a probabilidade de A falhar é de 20%
- a probabilidade de B falhar sozinho é 15%
- a probabilidade de A e B falharem é 15%
Determine a probabilidade de:
Estatística Aplicada 56
Manual de Exercícios
a) B falhar
b) falhar apenas A
c) falhar A ou B
d) não falhar nem A nem B
e) A e B não falharem simultaneamente
Resolução
A: o subsistema A falha
B: o subsistema B falha
P(A)=20% P( A )= 80%
P(B-A)=15%
P(A ∩ B)=15%
a) P(B) = P(B-A)+ P(A ∩ B) = 0,15 + 0,15 = 30%
b) P(A-B) = P(A) – P(A ∩ B) = 0,2 – 0,15 = 5%
c) P(A ∪ B) = P(A) + P(B) - P(A ∩ B) = 0,2 + 0,3 – 0,15 = 35%
d) P( A ∩ B ) = P( A ∪ B ) = 1 – P(A ∪ B) = 1 – 0,35 = 65%
e) P( A ∩ B ) = 1 – P ( A ∩ B ) = 1 – 0,15 = 85%
Exercício 3
Suponha que há 3 jornais, A, B e C, com as seguintes percentagens de leitura:
A: 9,8%; B: 22,9%; C: 12,1%; A e B: 5,1%; A e C: 3,7%; B e C: 6%;
A, B e C: 2,4%
Escolhe-se uma pessoa ao acaso. Calcule a probabilidade dessa pessoa:
a) ler pelo menos um dos jornais
b) ler A e B mas não C
c) ler A mas não ler B nem C
Resolução
A: a pessoa escolhida lê o jornal A
B: a pessoa escolhida lê o jornal B
C: a pessoa escolhida lê o jornal C
Estatística Aplicada 57
Manual de Exercícios
a)
P ( A ∪ B ∪ C ) = P ( A) + P ( B ) + P (C ) − P ( A ∩ B ) − P ( A ∩ C ) − P ( B ∩ C ) + P ( A ∩ B ∩ C )
= 0,098+0,229+0,121-0,051-0,037-0,06+0,024 = 32,4%
b) P( A ∩ B ∩ C ) = P( A ∩ B ) − P ( A ∩ B ∩ C ) = 0,051 – 0,024 = 2,7%
c) P ( A ∩ B ∩ C ) = P(A) - P ( A ∩ B ) − P ( A ∩ C ) + P ( A ∩ B ∩ C )
= 0,098-0,051-0,037+0,024 = 3,4%
Exercício 4
Um gerente de uma galeria de arte muito creditada no mercado, está
interessado em comprar um quadro de um pintor famoso para posterior venda.
O gerente sabe que há muitas falsificações deste pintor no mercado e que
algumas dessa falsificações são bastante perfeitas o que torna difícil avaliar se
o quadro que ele pretende comprar é ou não um original. De facto, sabe-se que
há 4 quadros falsos desse pintor para 1 verdadeiro.
O gerente não quer comprometer o “bom nome” da galeria para a qual trabalha
comprando um quadro falso. Para obter mais informação o gerente resolve
levar o quadro a um museu de arte e pede para que o especialista do museu o
examine. Este especialista garante-lhe que em 90% dos casos em que lhe é
pedido para examinar um quadro genuíno daquele pintor, ele identifica-o
correctamente como sendo genuíno. Mas em 15% dos casos em que examina
uma falsificação do mesmo pintor, ele identifica-o (erradamente) como sendo
genuíno.
Depois de examinar o quadro que o gerente lhe levou, o especialista diz que
acha que o quadro é uma falsificação. Qual é agora a probabilidade de o
quadro ser realmente uma falsificação?
Resolução
V: o quadro é genuíno
F: o quadro é falso
I: o quadro é identificado correctamente
P(V) = 20%
P(F) = 80%
P(I/V) = 90% P( I / V ) = 10%
Estatística Aplicada 58
Manual de Exercícios
Exercício 5
Na ida para o emprego, o Sr. Óscar, polícia de profissão, tem de passar
obrigatoriamente por três cruzamentos com semáforos. No primeiro
cruzamento, o do Largo Azul, a probabilidade do semáforo se encontrar com
sinal vermelho é de 10%. Em cada um dos cruzamentos seguintes, o Sr. Óscar
fica parado devido aos sinais vermelhos em metade das vezes que lá passa.
O Sr. Óscar já descobriu que os semáforos funcionam separadamente, não
estando ligados entre si por qualquer mecanismo.
Embora goste de cumprir a lei, o guarda Óscar passa no sinal verde e acelera
no amarelo, só parando mesmo no sinal vermelho.
a) Qual a probabilidade do Sr. Óscar chegar ao emprego sem ter de parar
em qualquer sinal vermelho?
b) Qual a probabilidade do Sr. Óscar ter de parar num só semáforo?
c) Qual a probabilidade do Sr. Óscar ter parado no sinal vermelho do
cruzamento do Largo Azul, sabendo que parou num só semáforo na sua
ida para o emprego?
Resolução
A: polícia encontra sinal vermelho no 1º cruzamento
B: polícia encontra sinal vermelho no 2º cruzamento
C: polícia encontra sinal vermelho no 3º cruzamento
P(A)=10% P( A )= 90%
P(B)=50% P( B )= 50%
P(C)=50% P( C )= 50%
b) P( A ∩ B ∩ C ) + P( A ∩ B ∩ C ) +P( A ∩ B ∩ C ) =
Estatística Aplicada 59
Manual de Exercícios
Exercício 6
Após alguns testes efectuados à personalidade de um indivíduo, concluiu-se
que este é louco com probabilidade 60%, ladrão com probabilidade igual a 70%
e não é louco nem ladrão com probabilidade 25%. Determine a probabilidade
do indivíduo:
a) Ser louco e ladrão
b) Ser apenas louco ou apenas ladrão
c) Ser ladrão, sabendo-se que não é louco
Resolução
A: indivíduo é louco
B: indivíduo é ladrão
P(A)=60%
P(B)=70%
P( A ∩ B ) = 25% = P( A ∪ B ) P(A ∪ B) = 1 – 0,25 = 75%
Exercício 7
Uma moeda é viciada, de tal modo que P(F) = 2/3 e P(C) = 1/3. Se aparecem
faces, então um número é seleccionado de 1 a 9. Se parecem coroas, um
número é seleccionado entre 1 e 5. Determine a probabilidade de ser
seleccionado um número par.
Resolução
P(Par) = 2/3*4/9 + 1/3*2/5 = 42,96%
Estatística Aplicada 60
Manual de Exercícios
Exercício 8
Numa fábrica, 3 máquinas, M1, M2 e M3 fabricam parafusos, sendo a produção
diária total de 10000 unidades. A probabilidade de um parafuso escolhido ao
acaso ter sido produzido por M1 é 30% da probabilidade de ter sido produzido
por M2. A incidência de defeituosos na produção de cada máquina é:
M1: 3% M2: 1% M3: 2%
Extrai-se ao acaso da produção diária um parafuso. Sabendo que a
probabilidade dele ser defeituoso é de 1,65%, determine o número de
parafusos que cada máquina produz diariamente.
Resolução
M1: o parafuso foi produzido por M1
M2: o parafuso foi produzido por M2
M3: o parafuso foi produzido por M3
D: o parafuso é defeituoso
n = 10000 unidades
P(M1) = 0,3 P(M2)
P(D / M1) = 3%
P(D / M2) = 1%
P(D / M3) = 2%
P(D) = 1,65%
Prod. 1 = P(M1)*10000 = ?
Prod. 2 = P(M2)*10000 = ?
Prod. 3 = P(M3)*10000 = ?
P( M 1) = 0,3P( M 2)
P( M 1) + P ( M 2) + P( M 3) = 1 ⇔
P( D) = P( M 1) * P( D / M 1) + P( M 2) * P ( D / M 2) + P( M 3) * P( D / M 3)
−
1,3P( M 2) + P( M 3) = 1 ⇔
0,0165 = 0,3P( M 2) * 0,03 + P( M 2) * 0,01 + P( M 3) * 0,02
Estatística Aplicada 61
Manual de Exercícios
−
P( M 3) = 1 − 1,3P( M 2) ⇔
0,0165 = 0,3P( M 2) * 0,03 + P( M 2) * 0,01 + (1 − 1,3P( M 2)) * 0,02
Exercício 9
O João tem à sua disposição 3 meios de transporte diferentes para se deslocar
de casa para a escola: os transportes A, B ou C. Sabe-se que a probabilidade de:
- chegar atrasado à escola é 60%
- chegar atrasado utilizando o transporte A é 80%
- chegar atrasado utilizando o transporte B é 50%
- chegar atrasado utilizando o transporte C é 60%
- utilizar os transportes B e C é a mesma
a) Calcule a probabilidade de o João utilizar o transporte A
b) Sabendo que o João chegou atrasado à escola, calcule a probabilidade
de ter utilizado os transportes B ou C.
Resolução
T: O João chega atrasado
A: o João utiliza o transporte A
B: o João utiliza o transporte B
C: o João utiliza o transporte C
P(T) = 0,6
P(T/A) = 0,8
P(T/B) = 0,5
P(T/C) = 0,6
P(B) = P(C)
P(A)+P(B)+P(C) = 1 P(A) = 1- 2P(B)
Estatística Aplicada 62
Manual de Exercícios
Logo
0,6 = (1-2P(B))*0,8 + P(B)*0,5 + P(B)*0,6
e vem que
P(B) = 40%
Então P(A) = 1 – 2P(B) = 1 – 2*0,4 = 20%
P ( B ) * P (T / B ) + P (C ) * P (T / C ) 0,4 * 0,5 + 0,4 * 0,6
b) P(B ∪ C / T) = = =73,3%
P (T ) 0,6
Exercício 10
Uma empresa que se dedica à prestação de serviços de selecção de pessoal
em relação a um teste psicotécnico para uma profissão específica sabe o
seguinte:
- as percentagens de indivíduos com um quociente de inteligência (Q.I.)
elevado e médio são, respectivamente, de 30% e de 60%
- a percentagem de indivíduos com Q.I. médio que ficam aptos no teste é
de 50%
- a probabilidade de um indivíduo com Q.I. baixo ficar apto no teste é de
20%
- finalmente, sabe-se que 70% dos indivíduos com Q.I. elevado ficam
aptos no teste
a) Qual a probabilidade de um indivíduo escolhido ao acaso ficar apto no
teste?
b) Qual a probabilidade de um indivíduo ter Q.I. baixo, sabendo-se que
ficou inapto?
Resolução
A: indivíduo fica apto no teste
E: indivíduo tem QI elevado
M: indivíduo tem QI médio
B: indivíduo tem QI baixo
P(E) = 30% P(M) = 60% P(B) = 1 –0,3 – 0,6 = 10%
P(A/M) = 50% P(A/B) = 20% P(A/E) = 70%
Estatística Aplicada 63
Manual de Exercícios
a) P(A)
=P(E)*P(A/E)+P(M)*P(A/M)+P(B)*P(A/B)
=0,3*0,7+0,6*0,5+0,1*0,2=53%
P( B ) * P ( A / B) 0,1 * 0,8
b) P(B/ A ) = = = 17%
P ( A) 1 − 0,53
Exercício 11
Os resultados de um inquérito aos agregados familiares de uma determinada
cidade forneceram os seguintes dados:
- 35% dos agregados possuem telefone
- 50% dos agregados possuem frigorífico
- 25% dos agregados possuem automóvel
- 15% dos agregados possuem telefone e frigorífico
- 20% dos agregados possuem telefone e automóvel
- 10% dos agregados possuem frigorífico e automóvel
- 5% dos agregados possuem telefone, automóvel e frigorífico
Resolução
A: agregado familiar possui telefone
B: agregado familiar possui frigorífico
C: agregado familiar possui automóvel
P(A) = 35%
P(B) = 50%
P(C) = 25%
Estatística Aplicada 64
Manual de Exercícios
P(A ∩ B) = 15%
P(A ∩ C) = 20%
P(B ∩ C) = 10%
P(A ∩ B ∩ C) = 5%
Exercício 12
Admita que 60% dos seguros no ramo automóvel respeitam a condutores com
mais de 40 anos de idade, dos quais 5% sofrem, pelo menos, um acidente por
ano. De entre os segurados com idade igual ou inferior a 40 anos, 3% têm um
ou mais acidentes no mesmo período.
a) Qual a probabilidade de um segurado não sofrer qualquer acidente
durante um ano?
b) Qual a probabilidade de um segurado que sofreu pelo menos um
acidente ter idade igual ou inferior a 40 anos?
c) Qual a probabilidade de, numa amostra de três segurados
1. todos terem idade igual ou inferior a 40 anos?
2. nenhum ter sofrido qualquer acidente durante um ano?
3. Todos terem idade igual ou inferior a 40 anos, dado que cada um
sofreu, pelo menos, um acidente durante o referido período?
Estatística Aplicada 65
Manual de Exercícios
Resolução
I1: o segurado tem mais de 40 anos de idade
I2: o segurado tem 40 anos ou menos de idade
A: o segurado sofre pelo menos 1 acidente por ano
A : o segurado não sofre nenhum acidente por ano
P(I1) = 60% P(I2) = 1 – 0,6 = 40%
2. P( A ∩ A ∩ A) = 0,958*0,958*0,958 = 87,9%
3. P( B ∩ B ∩ B ) = 0,2857*0,2857*0,2857 = 2,3%
Estatística Aplicada 66
104
Introdução ao e-learning
FUNÇÕES DE PROBABILIDADE
Exercícios resolvidos
Exercício 1
Se 20% das bobinas de um determinado cabo eléctrico forem defeituosas,
calcule a probabilidade de, entre as 4 bobines necessárias a um determinado
cliente, escolhidas ao acaso uma ser defeituosa.
Resolução
X: número de bobines defeituosas no conjunto de 4 bobines necessárias a um
determinado cliente (0,1,2,3,4)
n=4 p=0,2 q=1-p=0,8
P(X=1)=C4p1q4-1 = 4*0,2*0,83 = 0,4096 = 41%
Exercício 2
O número médio de chamadas telefónicas a uma central, por minuto, é 5. A
central só pode atender um número máximo de 8 chamadas por minuto. Qual a
probabilidade de não serem atendidas todas as chamadas no intervalo de
tempo de 1 minuto?
Resolução
X: número de chamadas telefónicas atendidas numa central, por minuto
(0,1,2,3,4, 5, 6, 7, 8)
λ=5 p=0,2 q=1-p=0,8
8
e −5 5 x
P(X ≤ 8) = = 0,932 Logo P(X>8) = 1-0,932 = 0,06
x =0 x!
Exercício 3
O tempo de funcionamento sem avarias de uma determinada máquina de
produção contínua segue uma lei exponencial negativa com valor esperado
igual a 4,5 horas. Imagine que a máquina é (re)colocada em funcionamento no
instante t=0 horas.
Qual a probabilidade de não ocorrerem avarias antes do instante t=6 horas?
Estatística Aplicada 67
Manual de Exercícios
Resolução
Seja
T: tempo de funcionamento sem avarias (ou entre avarias consecutivas) de
uma máquina, e
X: numero de avarias que ocorrem no intervalo [0,6[, isto é, num período de 6h
λ=1/4,5 corresponde ao número de avarias por unidade de tempo (por hora)
Logo
1
− *6
P(T ≥ 6) = P(X=0)= e
4,5
= e −1,333 = 0,264
Exercício 4
Considere que o comprimento médio de determinado fio condutor é 120, com
desvio padrão 0,5. Qual a percentagem de fio com comprimento superior a 121?
Resolução
X: comprimento de determinado fio condutor
Calculando a variável reduzida correspondente, vem:
121 − 120
Z= =2
0,5
Consultando a tabela, verifica-se que o valor da função Z é P(X ≤ 2) = 0,9772.
Logo P(X>2) = 1-0,9772 = 2,28%.
Exercício 5
Numa praia do litoral português existe um serviço de aluguer de barcos,
destinado aos turistas que a frequentam. O número de turistas que procuram
este serviço, por hora, está associado a uma variável aleatória com distribuição
de Poisson.
Verificou-se que, em média, em cada hora, esse serviço é procurado por 8
turistas interessados em alugar barcos; sabe-se, por outro lado, que esse
serviço funciona ininterruptamente das 8 às 20 horas.
a) Qual a probabilidade de que, entre as 8 e as 9 horas, se aluguem 5
barcos?
b) Qual a probabilidade de que, entre as 9 e as 11 horas, os barcos
sejam procurados por mais de 25 turistas?
Estatística Aplicada 68
Manual de Exercícios
Resolução
X: nº de turistas que procuram o serviço de aluguer de barcos por hora
X segue Po(λ=8)
a) Na tabela da Po(λ=8) vem P(X=5) = 9,16%
b) Y1: nº de turistas que procuram o serviço de aluguer na 1ª hora
Y2: nº de de turistas que procuram o serviço de aluguer na 2ª hora
Logo
Y1+Y2: nº de turistas que procuram o serviço de aluguer em 2 horas
Pelo Teorema da Aditividade da Poisson, considerando Y1 e Y2
independentes e que todas seguem Po(8), vem que:
Z=Y1+Y2 segue Po(2*8=16)
Logo P(Z>25) = f(26) +... + f(33) = 0,0057 + ... + 0,0001 = 1,32%
Exercício 6
O número de navios petroleiros que chegam diariamente a certa refinaria é
uma variável com distribuição de Poisson de parâmetro 2. Nas actuais
condições, o cais da refinaria pode atender, no máximo, 3 petroleiros por dia.
Atingido este número, os restantes que eventualmente apareçam deverão
seguir para outro porto.
a) Qual a probabilidade de, num qualquer dia, ser preciso mandar
petroleiros para outro porto?
b) De quanto deveriam ser aumentadas as instalações de forma a
assegurar cais a todos os petroleiros em 99,9% dos dias?
c) Qual o número esperado de petroleiros a chegarem por dia?
d) Qual o número mais provável de petroleiros a chegarem por dia?
e) Qual o número esperado de petroleiros a serem atendidos diariamente?
f) Qual o número esperado de petroleiros que recorrerão a outros portos
diariamente?
Resolução
X: nº de petroleiros que chegam diariamente a uma certa refinaria
X segue Po (2)
Capacidade máxima de atendimento da refinaria: 3 petroleiros/dia
Estatística Aplicada 69
Manual de Exercícios
Exercício 7
Os Serviços Municipalizados de Gás e Electricidade debitam mensalemnte aos
seus clientes um consumo teórico T de energia eléctrica calculado de tal modo
que a probabilidade de o consumo efectivo o exceder seja de 30,85%.
Suponha um cliente cujo consumo por mês segue lei normal de média 400 kwh
e desvio-padrão 40 kwh.
a) Qual o consumo teórico que lhe é mensalmente debitado?
b) 1. Qual a distribuição do consumo efectivo durante 3 meses?
Estatística Aplicada 70
Manual de Exercícios
Resolução
X: consumo efectivo de energia eléctrica de um cliente por mês (em kwh)
T: consumo teórico (valor fixo) debitado ao cliente por mês (em kwh)
T: P(X>T) = 0,3085
X segue N(400; 1600)
X − 400 T − 400
a) P(X>T) = 0,3085 ⇔ P( > ) = 0,3085 ⇔
40 40
T − 400 T − 400
P(N(0,1) ≤ ) = 0,6915 ⇔ = 0,5 ⇔ T = 420
40 40
b) 1.
X1: consumo efectivo de energia eléctrica de um cliente no 1ºmês (em kwh)
X2: consumo efectivo de energia eléctrica de um cliente no 2ºmês (em kwh)
X3: consumo efectivo de energia eléctrica de um cliente no 3ºmês (em kwh)
Logo
X1+X2+X3: consumo efectivo de energia eléctrica em 3 meses (em kwh)
Pelo Teorema da Aditividade da Normal, considerando X1, X2 e X3
independentes e que todas seguem N(400, 1600), vem que:
Y=X1+X2+X3 segue N(400*3; 1600*3), isto é, N(1200; 4800)
1160 − 1200
2. P(3*420-Y > 100) = P(Y < 1160) = P(N(0,1)< )=
4800
= P(N(0,1)<-0,58) = 28,1%
Exercício 8
Num determinado processo de fabrico, existem 2 cadeias de montagem A e B,
com funcionamento independente.
A cadeia A opera a um ritmo médio de 2 montagens por hora, e a probabilidade
da cadeia B efectuar pelo menos uma montagem numa hora é de 98,71%.
Admitindo que o número de montagens efectuadas por hora em ambas as
cadeias é uma v.a. Poisson, determine:
a) a probabilidade de se efectuarem mais de 6 montagens numa hora com
a cadeia B
Estatística Aplicada 71
Manual de Exercícios
Resolução
X: nº de montagens da cadeia A por hora X segue Po(2)
Y: nº de montagens da cadeia B por hora
a) Y segue Poisson, mas desconhece-se a média (=parâmetro λ)
No entanto, como se sabe que P(Y ≥ 1) = 0,9817, vem que
P(Y<1) = 1 – 0,9817 = 0,0183
Na tabela da Poisson, percorrendo as linhas de valor = 0, vem que o
valor 0,0183 pode ser encontrado no cruzamento da linha 0 com a
coluna 4. Logo, λ = 4.
Na tabela da Po(4), P(Y>6) = 1–P(Y ≤ 6) = 1–F(6) = 1-0,8893=11,07%
b)
Y1: nº de montagens da cadeia B na 1ª hora
Y2: nº de montagens da cadeia B na 2ª hora
Y3: nº de montagens da cadeia B na 3ª hora
Logo
Y1+Y2+Y3: nº de montagens da cadeia B em 3 horas
Pelo Teorema da Aditividade da Poisson, considerando Y1, Y2 e Y3
independentes e que todas seguem Po(4), vem que:
Z=Y1+Y2+Y3 segue Po(4*3=12)
P(Z ≤ 10) = f(0) + f(1) +... + f(10) = 0 + 0,0001 + … + 0,1048 = 34,72%
c) P(X=2Y) = P(X=0 ∩ Y=0) + P(X=2 ∩ Y=1) + P(X=4 ∩ Y=2) +
P(X=6 ∩ Y=3) + P(X=8 ∩ Y=4) = 0,1353*0,0183 + 0,2707*0,0753 +
0,0902*0,1465 + 0,012*0,1954 + 0,0009*0,1954 = 3,8%
d) W: nº de montagens das 2 cadeias num dia de trabalho de 8 horas
8
W= ( X i + Yi )
i =1
Estatística Aplicada 72
Manual de Exercícios
Exercício 9
Uma companhia de tabacos recebeu em dada altura um elevado número de
queixas quanto à qualidade dos cigarros de certa marca que comercializa.
Numa rápida análise às condições de produção, constata-se que 1% dos filtros
que compõem o cigarro saem defeituosos. Nestas condições, determine:
a) a probabilidade de um maço acabado de formar
1. conter 1 cigarro com filtro defeituoso
2. conter 0 cigarros com filtro defeituoso
b) o número de maços que, num volume que contém 20, a companhia
espera poder aproveitar se utilizar o critério:
1. maço é aproveitável se não contiver cigarros defeituosos
2. maço é aproveitável se contiver no máximo 1 cigarro defeituoso
Resolução
X: nº de cigarros com filtro defeituoso em 20 cigarros de um maço
X segue Bi(n=20; p=0,01)
a) 1. P(X=1) = 20*0,01*0,9919 = 16,52%
2. P(X=0) = 0,010*0,9920 = 81,79%
b) 1. Crit. 1: maço é aproveitável se não contiver cigarros defeituosos
Y: nº de maços aproveitáveis num volume que contem 20 maços
Y segue Bi(n=20; p=P(X=0) = 0,8179)
Logo E(Y) = 20*0,8179 = 16,36
2. Crit. 2: maço é aproveitável se contiver no máximo 1 cigarro defeituoso
Y: nº de maços aproveitáveis num volume que contem 20 maços
Y segue Bi(n=20; p=P(X=0)+P(X=1)= 0,8179+0,1652 = 0,9831)
Logo E(Y) = 20*0,9831 = 19,66
Estatística Aplicada 73
Manual de Exercícios
Exercício 10
O comprimento das peças produzidas por uma máquina é uma v.a. Normal
com média µ e variância σ2. Uma peça defeituosa se o seu comprimento diferir
do valor médio mais do que σ. Sabemos que 50% das peças produzidas têm
comprimento inferior a 0,25 mm e 47,5% têm comprimento entre 0,25 mm e
0,642 mm.
a) Calcule a média e o desvio-padrão do comprimento das peças.
b) Determine a probabilidade de uma peça não ser defeituosa.
Resolução
X: comprimento das peças produzidas por uma máquina
X segue N(µ; σ2)
Peça defeituosa se X>µ + σ ou se X< µ - σ
P(X<0,25) = 50%
P(0,25<X<0,642) = 47,5%
Estatística Aplicada 74
Manual de Exercícios
Exercício 11
Sabe-se que a probabilidade de cura de uma certa doença é 20%. Põe-se à
prova um novo medicamento, que eleva a probabilidade de cura para 40%,
ministrando-o a um grupo de 20 doentes. Admite-se que o medicamento é
eficaz no caso de contribuir para a cura de, pelo menos, 8 doentes em 20.
Calcule a probabilidade de se concluir pela ineficácia do medicamento, ainda
que este eleve de facto a probabilidade de cura para 40%.
Resolução
X: número de doentes curados no grupo de 20 a que é ministrado o novo
medicamento (0,1,2...19, 20)
n=20 p=0,4 q=1-p=0,6 X segue Bi (20; 0,4)
P(X ≥ 8)=1- F(7) = 41,58%
Exercício 12
Sabe-se por via experimental que, por cada período de 5 minutos, chegam, em
média, 4 veículos a determinado posto abastecedor de combustíveis. Um
empregado entra ao serviço às 8 horas. Qual a probabilidade de ter de
aguardar mais de 10 minutos até à chegada de um veículo?
Resolução
X: nº de veículos que chegam ao posto abastecedor por período de 5 minutos
X segue Po(4)
Se
X1: nº de veículos que chegam ao posto no 1º período de 5 minutos
X2: nº de veículos que chegam ao posto no 2º período de 5 minutos
então
X1+X2: nº de veículos que chegam ao posto abastecedor em 10 minutos
Pelo Teorema da Aditividade de Poisson, considerando X1 e X2 independentes
e que ambas seguem Po(4), vem que X1+X2 também segue Po(4+4=8)
Estatística Aplicada 75
Manual de Exercícios
Estatística Aplicada 76
Manual de Exercícios
Estatística Aplicada 77
Manual de Exercícios
X −µ σ σ
P (−c ≤ ≤ c) = δ ⇔ P( X − c ≤ µ ≤ X −c )=δ
σ n n
n
( xi − x ) 2
ou seja, s’= , tal que:
n −1
s' s'
X −c ;X +c
n n
Estatística Aplicada 78
Manual de Exercícios
pˆ (1 − pˆ ) pˆ (1 − pˆ )
pˆ − c ; pˆ + c
n n
Exemplo:
Consideremos 3 afirmações de alunos que aguardam a saída das pautas de
um exame de Estatística:
Afirm. 1: “Tenho a sensação que as pautas serão afixadas durante a manhã”
Afirm. 2: “Tenho quase a certeza que as pautas serão afixadas entre as 10h e
as 11h
Afirm. 3: “Tenho a certeza absoluta que as pautas ou são afixadas às 10h30 ou
já não são afixadas hoje”
Estatística Aplicada 79
Manual de Exercícios
Estatística Aplicada 80
Manual de Exercícios
INTERVALOS DE CONFIANÇA
Exercícios
Exercício 1
Suponha-se que se tem uma população normal com média µ desconhecida e
desvio - padrão 3, N (µ, 9) e uma amostra de 121 observações. Deduza um
intervalo de confiança para a µ com 95% de confiança.
Resolução
Para os dados deste exercício, vem:
n=121
σ =3
c: P (−c ≤ Z ≤ c) = 95% ⇔ D (c) = 95% ⇔ c = 1,96
e logo
X −c
σ
n
;X +c
σ
n
= X−
1,96 x3
11
;X −
1,96 x3
11
[
= X − 0,535; X + 0,535 ]
[ ]
O intervalo X − 0,535; X + 0,535 contém o verdadeiro valor do parâmetro µ
com probabilidade ou confiança de 95%. Conhecida uma estimativa particular
daquele parâmetro, torna-se possível calcular entre que valores seria de
esperar que, com 95% de confiança, variasse µ .
Exercício 2
Numa cidade pretende-se saber qual a proporção da população favorável a
certa modificação de trânsito. Faz-se um inquérito a 100 pessoas, e 70
declaram-se favoráveis.
Determine um intervalo de confiança a 95% para a proporção de habitantes
dessa cidade favoráveis à modificação de trânsito.
Resolução
n=100
70
p̂ = = 0,7
100
c: P (−c ≤ Z ≤ c) = 95% ⇔ D (c) = 95% ⇔ c = 1,96
e logo
Estatística Aplicada 81
Manual de Exercícios
Exercício 3
Uma máquina fabrica cabos cuja resistência à ruptura (em kg/cm2) é uma
variável com distribuição Normal de média 100 e desvio - padrão 30. Pretende-
se testar uma nova máquina que, segundo indicações do fabricante, produz
cabos com resistência média superior. Para isso, observam-se 100 cabos
fabricados pela nova máquina, que apresentam uma resistência média de 110
kg/cm2. Admita que o novo processo não altera o desvio padrão da resistência
à ruptura dos cabos.
a) Determine um intervalo de confiança a 95% para a resistência média à
ruptura dos cabos produzidos pela nova máquina.
b) Suponha que pretendíamos obter um intervalo de confiança com a
mesma amplitude do anterior, mas com nível de confiança de 99%.
Quantos cabos deveriam ser observados?
Resolução
a)
X segue N(100; 302)
n=100 x =110 σ=30 γ=95%
c: P (−c ≤ Z ≤ c) = 95% ⇔ D (c) = 95% ⇔ c = 1,96
e logo
σ σ 1,96 x30 1,96 x30
X −c ;X +c = 110 − ;110 − = [104,12;115,88]
n n 10 10
Estima-se, com 95% de confiança, que a resistência média à ruptura dos cabos
produzidos pela nova máquina se situa entre 104,12 kg/cm2 e 115,88 kg/cm2.
Estatística Aplicada 82
Manual de Exercícios
Exercício 4
Uma amostra de 20 cigarros é analisada para determinar o conteúdo de
nicotina, observando-se um valor médio de 1,2 mg. Sabendo que o desvio -
padrão do conteúdo de nicotina de um cigarro é 0,2 mg, diga, com 99% de
confiança, entre que valores se situa o teor médio de nicotina de um cigarro.
Resolução
Exercício 5
Admita-se que a altura dos alunos de uma escola segue distribuição Normal
com variância conhecida e igual a 0,051. Admita-se ainda que foi recolhida
uma amostra aleatória com dimensão n=25 alunos e calculada a respectiva
média amostral, tendo-se obtido o valor de 1,70m. Defina um intervalo que,
com probabilidade 95%, contenha o valor esperado da altura µ.
Estatística Aplicada 83
Manual de Exercícios
Resolução
Exercício 6
Numa fábrica, procura conhecer-se a incidência de defeituosos na produção de
uma máquina. Para tanto, colhe-se uma amostra de dimensão suficientemente
grande (1600 artigos), onde 10% dos artigos são defeituosos. Determine o
intervalo de confiança para a referida proporção com 90% de confiança.
Resolução
n=1600
p̂ =10%
c: P (−c ≤ Z ≤ c) = 90% ⇔ D (c) = 90% ⇔ c = 1,645
e logo
pˆ (1 − pˆ ) pˆ (1 − pˆ ) 0,1x0,9 0,1x0,9
pˆ − c ; pˆ + c = 0,1 − 1,645 ;0,1 − 1,645 =
n n 1600 1600
= [0,0876;0,1123]
Estima-se, com 90% de confiança, que a proporção de artigos defeituosos na
produção se situa entre 8,76% e 11,23%.
Exercício 7
O director fabril de uma empresa industrial que emprega 4000 operários emitiu
um novo conjunto de normas internas de segurança. Passada uma semana,
seleccionou aleatoriamente 300 operários e verificou que apenas 75 deles
conheciam suficientemente bem as normas em causa. Construa um intervalo
Estatística Aplicada 84
Manual de Exercícios
Resolução
n=300
75
p̂ = = 0,25
300
c: P (−c ≤ Z ≤ c) = 95% ⇔ D (c) = 95% ⇔ c = 1,96
e logo
Exercício 8
A Direcção de Marketing de uma empresa pretende conhecer a notoriedade da
marca de determinado produto. Nesse sentido, efectuou um inquérito junto de
1200 pessoas escolhidas aleatoriamente, verificando que 960 a conheciam.
a) Estime a proporção de pessoas conhecedoras da marca através de
um intervalo de confiança a 90%.
b) Se se pretender que a amplitude do intervalo de confiança da alínea
anterior não seja superior a 0,034, qual deve ser a dimensão mínima
da amostra?
c) Sabendo que o intervalo de confiança determinado pela Direcção de
Marketing foi [0,767; 0,833], calcule o nível de confiança utilizado
Resolução
a) n=1200
960
p̂ = = 0,8
1200
c: P (−c ≤ Z ≤ c) = 90% ⇔ D (c) = 90% ⇔ c = 1,645
e logo
Estatística Aplicada 85
Manual de Exercícios
pˆ (1 − pˆ ) pˆ (1 − pˆ ) pˆ (1 − pˆ )
b) Amp.=Lim.Sup.-Lim.Inf. = ( pˆ + c ) – ( pˆ − c ) = 2c
n n n
Logo
pˆ (1 − pˆ ) 0,8 * 0,2
2c = 2 *1,645 * ≤ 0,034 ⇔ n ≥ 1499
n n
pˆ (1 − pˆ )
c) pˆ + c = 0,833
n
0,8 * 0,2
Logo 0,8 + c = 0,833 ⇔ c = 2,86
1200
E D(2,86) na tabela N(0,1) vem igual a 99,6%, a que corresponde o nível de
confiança utilizado
Exercício 9
O gabinete de projectos de uma empresa de material de construção civil
pretende estimar a tensão de ruptura do material usado num determinado tipo
de tubos.
Com base num vasto conjunto de ensaios realizados no passado, estima-se
que o desvio - padrão da tensão de ruptura do material em causa é de 70 psi.
Deseja-se definir um intervalo de confiança a 99% para o valor esperado da
tensão de ruptura, pretendendo-se que a sua amplitude não exceda 60 psi.
Qual o número de ensaios necessário para definir tal intervalo?
Resolução
Estatística Aplicada 86
Manual de Exercícios
Exercício 10
A empresa SCB controla regularmente a resistência à ruptura dos cabos por si
produzidos. Recentemente, foram analisadas as tensões de ruptura de 10
cabos SCB-33R, seleccionados aleatoriamente a partir de um lote de grandes
dimensões, tendo sido obtida uma média de 4537 kg/cm2. Existe uma norma
de 112 kg/cm2 em relação à variância, que é respeitada. O director comercial
pretende saber qual o intervalo de confiança, a 95%, para o valor esperado da
tensão de ruptura dos cabos do lote em causa. Defina esse intervalo.
Resolução
Exercício 11
Uma amostra de 50 capacetes de protecção, usados por trabalhadores de uma
empresa de construção civil, foram seleccionados aleatoriamente e sujeitos a
um teste de impacto, e em 18 foram observados alguns danos.
Construa um intervalo de confiança, a 95%, para a verdadeira proporção p de
capacetes que sofre danos com este teste. Interprete o resultado obtido.
Resolução
a) n=50
18
p̂ = = 0,36
50
c: P (−c ≤ Z ≤ c) = 95% ⇔ D (c) = 95% ⇔ c = 1,96
e logo
Estatística Aplicada 87
Manual de Exercícios
Exercício 12
Qual deve ser o número de habitantes da cidade do Porto a seleccionar
aleatoriamente para estudar a proporção de portuenses que usam óculos, de
modo a garantir que um intervalo de confiança a 95% para essa proporção
tenha uma amplitude não superior a 8 pontos percentuais?
Resolução
n=?
pˆ (1 − pˆ ) pˆ (1 − pˆ ) pˆ (1 − pˆ )
Amp.= ( pˆ + c ) – ( pˆ − c ) = 2c < 0,08
n n n
c: P (−c ≤ Z ≤ c) = 95% ⇔ D (c) = 95% ⇔ c = 1,96
Considerando que a proporção amostral é a que maximiza a amplitude (pior
dos casos), isto é, que a proporção amostral é 50% ( pˆ (1 − pˆ )' = 1 − 2 pˆ = 0 ), vem
que:
pˆ (1 − pˆ ) 0,5 * 0,5
2c = 2 * 1,96 * < 0,08 ⇔ n > 600
n n
Estatística Aplicada 88
Manual de Exercícios
Exemplo:
Registos efectuados durante vários anos permitiram estabelecer que o nível de
chuvas numa determinada região, em milímetros por ano, segue uma lei
normal N(600;100). Certos cientistas afirmavam poder fazer aumentar o nível
médio µ das chuvas em 50 mm. O seu processo foi posto à prova e anotaram-
se os valores referentes a 9 anos:
510 614 780 512 501 534 603 788 650
Que se pode concluir? Adopte um nível de significância de 5%.
Estatística Aplicada 89
Manual de Exercícios
Resolução:
Duas hipóteses se colocavam: ou o processo proposto pelos cientistas não
produzia qualquer efeito, ou este aumentava de facto o nível médio das chuvas
em 50 mm. Estas hipóteses podem formalizar-se do modo seguinte:
H0: µ=600 mm
H1: µ=650 mm
Estatística Aplicada 90
Manual de Exercícios
Hipótese nula Ho
Estatística Aplicada 91
Manual de Exercícios
Logo, sendo
P(Rejeitar Ho / Ho) = α = 5%, vem que
X −µ c − 600
P ( X > c / µ = 600) = 0,05 ⇔ P ( > ) = 0,05 ⇔
σ 100
n 9
100
⇔ c = 600 + 1,645 x = 654,83(3)
3
RA=(1-α)
RR=α
µ = 600 654,83(3) X
Estatística Aplicada 92
Manual de Exercícios
β β
1-β
RA RR
µ = 650 X
Estatística Aplicada 93
Manual de Exercícios
RA RA
RA
RR RR
RR RR
α/2 α/2
α α
1−α 1−α 1−α
Estatística Aplicada 94
Manual de Exercícios
TESTES DE HIPÓTESES
Exercícios
Exercício 1
Suponha que o director de qualidade pretende averiguar se o peso dos pacotes
de arroz produzidos corresponde ao valor assinalado na embalagem. Seja X a
variável que representa o peso de um pacote de arroz. Suponha que
X ∩ N ( µ ;0,012 ) e que se conhece a seguinte amostra:
1,02 0,98 0,97 1,01 0,97 1,02 0,99 0,98 1,00
Será que, para um nível de significância de 5% se pode dizer que o peso médio
corresponde ao peso de 1 kg assinalado na embalagem?
Resolução
Passo 1
Formular as hipóteses:
Ho: µ = 1
H1: µ < 1
Passo 2
A estatística a ser utilizada será a média amostral
Passo 3
A região crítica é formada por todos os valores menores ou iguais a c
Passo 4
Assumir um nível de significância de 5%
Passo 5
Para α=5%, determinar a região de rejeição e aceitação. Logo, sendo
P(Rejeitar Ho / Ho) = α = 5%, vem que
X −µ c −1
P ( X < c / µ = 1) = 0,05 ⇔ P ( < ) = 0,05 ⇔
σ 0,01
n 9
0,01
⇔ c = 1 − 1,645 x = 0,9945
3
Logo, RC = ]− ∞;0,9945]
Estatística Aplicada 95
Manual de Exercícios
Passo 6
1
Calcular a estatística X = xi = 0,9933
9
Passo 7
Tomar a decisão
Como o valor da amostra foi 0,9933 e é menor que o valor crítico 0,9945,
rejeita-se Ho
Ou seja, considera-se que o arroz contido em cada pacote era inferior ao
indicado. No entanto, há o risco de se mandar parar a produção para revisão
do equipamento sem necessidade. Reduzindo a probabilidade de isso ocorrer
de 5% para 1%, vem:
α=1% α=5%
RA: Continuar a
produção
RR: Parar a
produção
-∞ 0 +∞
0,9922 0.9945
A única mudança será no Valor Crítico, que de 0,9945 para 0,9922. Neste
caso, aceitaremos Ho, ou seja, consideraremos que não há qualquer anomalia
na produção.
Exercício 2
Numa cidade, pretende-se saber se metade da população é favorável à
construção de um centro comercial. Faz-se um inquérito a 200 pessoas, e 45%
declaram-se favoráveis. Estes valores contradizem a hipótese?
Resolução
Passo 1
Formular as hipóteses:
Ho: p = 0,5
H1: p < 0,5
Estatística Aplicada 96
Manual de Exercícios
Passo 2
A estatística a ser utilizada será a proporção amostral, onde o cuidado deve ser
trabalhar com grandes amostras.
Passo 3
A região crítica é formada por todos os valores menores ou iguais a c
Passo 4
Assumir um nível de significância de 5%
Passo 5
Para α=5%, determinar a região de rejeição e aceitação.
Logo, sendo
P(Rejeitar Ho / Ho) = α = 5%, vem que
pˆ − p c − 0,5
P ( pˆ < c / p = 0,5) = 0,05 ⇔ P ( < ) = 0,05 ⇔
p (1 − p ) 0,5(1 − 0,5)
n 200
0,5(1 − 0,5)
⇔ c = 0,5 − 1,645 x = 0,442 Logo, RC = ]− ∞;0,442]
200
Passo 6
p̂ =0,45
Passo 7
Como o valor amostral 0,45 é maior que o valor crítico 0,442, não se rejeita Ho
RR: Não
construir o
centro comercial
α=5%
-∞ 0 +∞
Valor amostral: 0,45
0,442
Estatística Aplicada 97
Manual de Exercícios
Exercício 3
O peso dos pacotes de farinha de 1 kg, produzidos por uma fábrica, é uma
variável normalmente distribuída, com desvio padrão 0,01. Da produção de
determinado dia é retirada uma amostra de 49 pacotes, com peso médio de
0,998 Kg.
Pode-se afirmar, a um nível de significância de 1%, que o peso médio dos
pacotes de farinha nesse dia não está de acordo com o peso indicado?
Resolução
Como x = 0,998 > c = 0,997, não pertence à região crítica, logo não se rejeita
Ho a um nível de significância de 1% (não se pode afirmar que o peso médio
não esteja de acordo com o indicado).
Exercício 4
Numa região onde existem entre os maiores de 18 anos 50% de fumadores, é
lançada uma intensa campanha anti-tabaco.
Ao fim de três meses, realiza-se um mini-inquérito junto de 100 cidadãos com
mais de 18 anos, registando-se 45 fumadores.
a) Com 1% de significância, pode concluir-se que a campanha surtiu
efeito?
b) Em caso negativo, qual seria a dimensão da amostra a partir da qual
aquela percentagem permitiria afirmar que a cmapnha atingiu o fim em
vista?
Estatística Aplicada 98
Manual de Exercícios
Resolução
a) n = 100
p̂ = 0,45
α = 1%
H0: p = 0,5 (a campanha não surtiu efeito)
H1: p < 0,5 (a campanha surtiu efeito)
P(Rejeitar Ho/Ho verdadeira) = α = 1%
pˆ − p c − 0,5 c − 0,5
P ( X ≤ c / p = 0,5) = 0,01 ⇔ P ( ≤ ) = 0,01 ⇔ = −2,326 ⇔ c = 0,384
p (1 − p ) 0,5 * 0,5 0,5 * 0,5
n 100 100
Como p̂ = 0,45 > c = 0,384, não pertence à região crítica, logo não se rejeita
Ho a um nível de significância de 1% (a campanha não surtiu efeito).
pˆ − p 0,45 − 0,5
b) P( X ≤ 0,45 / p = 0,5) = 0,01 ⇔ P( ≤ ) = 0,01 ⇔
p(1 − p) 0,5 * 0,5
n n
0,45 − 0,5
⇔ = −2,326 ⇔ n = 541
0,5 * 0,5
n
Exercício 5
Um fabricante afirma que o tempo médio de vida de um certo tipo de bateria é
de 240 horas, com desvio-padrão de 20 horas. Uma amostra de 18 baterias
forneceu os seguintes valores:
237 242 232
242 248 230
244 243 254
262 234 220
225 236 232
218 228 240
Estatística Aplicada 99
Manual de Exercícios
Resolução
Como x = 237,05 > c = 232,25, não pertence à região crítica, logo não se
rejeita Ho a um nível de significância de 1% (não se pode afirmar que as
especificações não estão a ser cumpridas).
Exercício 6
Uma empresa de cerâmica tem, em dada secção, fornos controlados por
termóstatos para manter a temperatura no interior dos fornos a 600 graus
centígrados. A experiência tem demonstrado que a variância dos valores da
temperatura no interior desses fornos é de 360.
A empresa fornecedora dos fornos comercializa agora um novo tipo de
controlador, que é anunciado como garantindo que as temperaturas se mantêm
dentro do limite desejado. Foram registadas 5 medidas de temperatura de
fornos regulados para 600º, utilizando novos controladores:
620º 595º 585º 602º 608º
Para 5% de significância, poder-se-á concluir que a temperatura não se afasta
significativamente do valor desejado?
Resolução
X segue N(µ;360)
n=5
1
x = xi = 602
5
α = 5%
H0: µ = 600
H1: µ > 600
P(Rejeitar Ho/Ho verdadeira) = α = 5%
X −µ c − 600 c − 600
P( X ≥ c / µ = 600) = 0,05 ⇔ P( ≤ ) = 0,95 ⇔ = 1,645 ⇔ c = 613,96
σ 360 18,97
n 5 5
Como x = 602 < c = 613,96, não pertence à região crítica, logo não se rejeita
Ho a um nível de significância de 1% (a temperatura não se afasta
significativamente do valor desejado).
Exercício 7
O peso dos ovos de chocolate produzidos numa fábrica segue distribuição
normal com variância 90,25.
a) O fabricante diz que o peso médio é de 160 g. Foi recolhida uma
amostra de 100 ovos, cujo peso médio foi de 158, 437 g. Teste, a um
nível de significância de 1%, se a afirmação do fabricante pode ser
considerada verdadeira, ou se, pelo contrário, o verdadeiro peso dos
ovos será menor.
b) Qual o nível de significância a partir do qual a conclusão seria diferente?
Resolução
X −µ c − 160 c −1
P ( X ≤ c / µ = 160) = 0,01 ⇔ P ( ≤ ) = 0,01 ⇔ = −2,326 ⇔ c = 157,79
σ 90,25 9,5
n 100 100
Como x = 158,437 > c = 157,79, não pertence à região crítica, logo não se
rejeita Ho a um nível de significância de 1% (a afirmação do fabricante pode
ser considerada verdadeira).
b)
X −µ 158,437 − 160
P ( X ≤ 158,437 / µ = 160) = α ⇔ P ( ≤ ) = α ⇔ F (−1,645) = α ⇔ α = 5%
σ 90,25
n 100
Exercício 8
Um jornal semanário afirma ter atingido, numa região, a percentagem, até
então nunca atingida por qualquer semanário, de 60% de leitores que
regularmente compram um jornal desse tipo.
Efectuando um inquérito junto de 600 leitores, 55% declararam adquirir, por
hábito, o semanário em causa.
Adoptando um nível de significância de 1%, pronuncie-se quanto à projecção
que o semanário reclama.
Resolução
n = 600 p̂ = 0,55 α = 1%
H0: p = 0,6
H1: p < 0,6
P(Rejeitar Ho/Ho verdadeira) = α = 1%
pˆ − p c − 0,6 c − 0,6
P ( X ≤ c / p = 0,6) = 0,01 ⇔ P ( ≤ ) = 0,01 ⇔ = −2,326 ⇔ c = 0,5535
p (1 − p ) 0,6 * 0,4 0,6 * 0,4
n 600 600
Exercício 9
Um molde de injecção tem produzido peças de um determinado material
isolante térmico com uma resistência à compressão com valor esperado de
5,18 kg/cm2 e variância 0,0625 (kg/cm2)2. As últimas 12 peças produzidas
nesse molde foram recolhidas e ensaiadas, tendo-se obtido para a resistência
média à compressão o valor de 4,95 kg/cm2.
a) Poder-se-á afirmar, a um nível de significância de 5%, que as peças
produzidas recentemente são menos resistentes do que o habitual?
b) Qual a potência do teste efectuado anteriormente, admitindo que o valor
esperado da resistência à compressão das peças produzidas
2
recentemente é de 4,90 kg/cm ?
Resolução
Como x = 5,18 > c = 5,061, não pertence à região crítica, logo não se rejeita
Ho a um nível de significância de 1% (as peças produzidas recentemente não
são menos resistentes do que o habitual).
b) Potência = 1-β
β = (Conservar Ho/H1 verdadeira)
X −µ 5,061 − 4,9
P ( X > 5,061 / µ = 4,9) = P ( > ) = 1 − F (0,01) = 1 − 0,5040 = 49,6%
σ 0,0625
n 12
Exercício 10
Um jornal desportivo noticiou que o número de espectadores de um programa
desportivo que é apresentado na televisão aos domingos à noite está
igualmente dividido entre homens e mulheres.
De uma amostra aleatória de 400 pessoas que vêem regularmente o referido
programa, concluiu-se que 240 são homens.
Pode-se concluir, para um nível de significância de 10%, que a notícia é falsa?
Resolução
Uma vez que os componentes são redundantes, basta apenas um para que o
sistema funcione. Considerando um sistema composto por apenas 2
componentes, se cada um dos componentes estiver no seu período de vida útil,
a fiabilidade do sistema (Rs) é dada por:
Nº mínimo de componentes
necessárias ao funcionamento do Probabilidade de o sistema funcionar
sistema
4 p4
3 p4 + 4p3q
2 p + 4p3q + 6p2q2
4
= P(funcionarem as 4) + P (funcionarem 3)
= C 44 p 4 q 4− 4 + C 34 p 3 q 4−3
= p 4 + 4 p3q
1 2 3
Rs = pn
e − λt
A probabilidade de avariar até ao instante t é dada por
1 − e − λt
Sala às
escuras
Falta de Lâmpada
energia estragada
Avaria na Actuação da
rede protecção
Ao definir uma carta de controle para a média, é necessário começar por definir
a norma para µ (µ0) e 2 níveis de controle: os de vigilância “garantida” (limites
cσ
LIC / LSC = µ0 +/-
n
(metodologia baseada na estimação por intervalos estudada atrás)
pˆ (1 − pˆ )
LIC / LSC = p0 +/-
n
(metodologia baseada na estimação por intervalos estudada atrás)
As cartas de controlo são instrumentos fáceis e simples de aplicar pelos
executantes, no sentido de se obter o controlo contínuo do processo. Podem
ser traçadas nos próprios locais de trabalho, dando informações preciosas
sobre os momentos em que são necessárias acções correctivas.
Desde que o processo esteja sob controlo estatístico, as cartas de controlo
permitem prever de forma adequada o comportamento do processo, e melhorar
os processos, com base na informação disponível nas cartas, no sentido de
reduzir a sua variabilidade.
Pode ser mantido um registo das médias amostrais por meio de uma carta
como a representada na figura abaixo, denominada carta de controle de
qualidade.
Cada vez que for calculada uma média amostral, ela será representada por um
ponto particular. Enquanto eles caírem entre o limite inferior e o superior, o
processo está sob controle. Quando um ponto estiver fora desses limites de
Média
Amostral Segunda-feira Terça-feira Quarta-feira Quinta-feira Sexta-feira
(cm)
LSuperior
• • •
• •
• • •
• •
• • •
50 • •
•
• •
• • •
• •
• •
LInferior •
De uma maneira geral, pode dizer-se que dois grupos se comportam de modo
semelhante se as diferenças entre as frequências observadas e as esperadas
em cada categoria forem muito pequenas ou próximas de zero.
Exemplo:
Um pesquisador deseja verificar se há associação entre três cursos de uma
universidade e dependência de drogas. Entrevistou 120 alunos, sendo 25 de
Medicina, 35 de Farmácia e 60 de Biologia, perguntando sobre o uso de
drogas, admitindo somente duas respostas: sim ou não. Após o processamento
dos dados, chegou-se à seguinte tabela de distribuição de frequências:
onde
nij: frequência observada na célula ij
n.j: frequência marginal observada na modalidade j
ni.: frequência marginal observada na modalidade i
n: dimensão da amostra
tabela.
Resolução:
Como pode ser observado, entre os 120 alunos incluídos no estudo há um
número igual (60) que afirma usar e não usar drogas. No entanto, a distribuição
entre os vários cursos não ocorre de forma homogénea.
Os dados são do tipo qualitativo, pois cada aluno entrevistado foi classificado
sob uma determinada categoria. Neste caso, pode usar-se o teste do qui-
quadrado com duas hipóteses de trabalho:
Ho: Não há associação entre tipo de curso e dependência de drogas
H1: Há associação entre tipo de curso e dependência de droga
n i . * n. j
1. Calcular as frequências esperadas eij =
n
Por exemplo, se as duas variáveis fossem independentes, seria de esperar que
o número de estudantes de Medicina a admitir usar drogas fosse de:
ni. * n. j 25 * 60
eij = = = 12,5
n 120
2. As frequências esperadas deverão ser anotadas nas correspondentes
células:
Medicina Farmácia Biologia Total
Usa drogas nij 10 20 30 60
eij 12,5 17,5 30,0
Não usa drogas nij 15 15 30 60
eij 12,5 17,5 30,0
Total 25 35 60 120
(nij − eij ) 2
3. A seguir aplica-se a fórmula = = …=1,7
i j eij
Vem que o obsv.=1,7 é menor do que o valor obtido a partir da tabela, que
é 5,991 (cruzamento da linha 2 com a coluna 0,05). Assim sendo, a hipótese Ho
não pode ser rejeitada, concluindo-se que, no grupo estudado, não há
associação entre as variáveis. Em média, a proporção de alunos que usam ou
não drogas não varia entre os cursos.
Observação:
Caso 20% ou mais das células tenham frequências esperadas menores que 5,
ou haja uma ou mais frequências esperadas com valores menores ou igual a 1,
não se deve usar o teste do . Uma boa alternativa para estes casos é o
agrupamento de linhas e colunas adjacentes, desde que tenha algum sentido
lógico, de modo a diminuir os graus de liberdade associados.
! " ! #$&%'($ )"*+, -
./0120
0.995 0.975 0.9 0.5 0.1 0.05 0.025 0.01 0.005 0.001
1 0.000 0.001 0.016 0.455 2.706 3.841 5.024 6.635 7.879 10.827
2 0.010 0.051 0.211 1.386 4.605 5.991 7.378 9.210 10.597 13.815
3 0.072 0.216 0.584 2.366 6.251 7.815 9.348 11.345 12.838 16.266
4 0.207 0.484 1.064 3.357 7.779 9.488 11.143 13.277 14.860 18.466
5 0.412 0.831 1.610 4.351 9.236 11.070 12.832 15.086 16.750 20.515
6 0.676 1.237 2.204 5.348 10.645 12.592 14.449 16.812 18.548 22.457
7 0.989 1.690 2.833 6.346 12.017 14.067 16.013 18.475 20.278 24.321
8 1.344 2.180 3.490 7.344 13.362 15.507 17.535 20.090 21.955 26.124
9 1.735 2.700 4.168 8.343 14.684 16.919 19.023 21.666 23.589 27.877
10 2.156 3.247 4.865 9.342 15.987 18.307 20.483 23.209 25.188 29.588
11 2.603 3.816 5.578 10.341 17.275 19.675 21.920 24.725 26.757 31.264
12 3.074 4.404 6.304 11.340 18.549 21.026 23.337 26.217 28.300 32.909
13 3.565 5.009 7.041 12.340 19.812 22.362 24.736 27.688 29.819 34.527
14 4.075 5.629 7.790 13.339 21.064 23.685 26.119 29.141 31.319 36.124
15 4.601 6.262 8.547 14.339 22.307 24.996 27.488 30.578 32.801 37.698
16 5.142 6.908 9.312 15.338 23.542 26.296 28.845 32.000 34.267 39.252
17 5.697 7.564 10.085 16.338 24.769 27.587 30.191 33.409 35.718 40.791
18 6.265 8.231 10.865 17.338 25.989 28.869 31.526 34.805 37.156 42.312
19 6.844 8.907 11.651 18.338 27.204 30.144 32.852 36.191 38.582 43.819
20 7.434 9.591 12.443 19.337 28.412 31.410 34.170 37.566 39.997 45.314
21 8.034 10.283 13.240 20.337 29.615 32.671 35.479 38.932 41.401 46.796
22 8.643 10.982 14.041 21.337 30.813 33.924 36.781 40.289 42.796 48.268
23 9.260 11.689 14.848 22.337 32.007 35.172 38.076 41.638 44.181 49.728
24 9.886 12.401 15.659 23.337 33.196 36.415 39.364 42.980 45.558 51.179
25 10.520 13.120 16.473 24.337 34.382 37.652 40.646 44.314 46.928 52.619
26 11.160 13.844 17.292 25.336 35.563 38.885 41.923 45.642 48.290 54.051
27 11.808 14.573 18.114 26.336 36.741 40.113 43.195 46.963 49.645 55.475
28 12.461 15.308 18.939 27.336 37.916 41.337 44.461 48.278 50.994 56.892
29 13.121 16.047 19.768 28.336 39.087 42.557 45.722 49.588 52.335 58.301
30 13.787 16.791 20.599 29.336 40.256 43.773 46.979 50.892 53.672 59.702
FIABILIDADE
Exercícios
Exercício 1
Num centro comercial, está instalado um sistema de 10 máquinas para
utilização de cartão multibanco. Diz-se que o sistema está em funcionamento
se pelo menos uma das máquinas funciona. Suponha que cada máquina
funciona independentemente das outras e a probabilidade de funcionamento de
cada máquina é 85%. Calcule a probabilidade do sistema estar em
funcionamento.
Resolução
P(avaria) = 1-0,85 = 15%
P(sistema estar em funcionamento) = 1 – P(sistema avariar)
= 1 – P(nenhuma das máquinas funcionar)
= 1 – P(maq1 não funcionar e...e maq 10 não funcionar)
= 1 – 0,15*0,15*...*0,15 = 1 (aproximadamente)
B
A D
C
Resolução
−10−4 *5000
A: Rs = e = e −0,5 = 60,6531%
− ( 5*10−5 ) *5000
D: Rs = e = e −0, 25 = 77,8801%
− ( 2*10−5 ) *5000
B e C: Rs = e = e −0,1 = 90,4837%
P(funcionar 1 ou 2) = 1-P(funcionar nenhuma) = 1 – (1-0,904837)2 = 99,0944%
Logo, P(sistema estar em funcionamento após 5 000 horas) =
= 0,606531*0,990944*0,778801 = 46,8%
Exercício 3
Foram ensaiadas durante 3 000 horas, sem que se verificasse qualquer avaria,
cinco unidades idênticas de um equipamento que se sabe ter uma curva de
sobrevivência que obedece a uma distribuição exponencial, com um MTBF de
17 500 horas.
Calcule a fiabilidade do equipamento.
Resolução
X: tempo de funcionamento sem avarias da máquina (em horas)
(isto é, tempo que decorre entre avarias consecutivas (em horas))
X segue Exp(α=1/17500) MTBF = 17500
Y: nº de avarias no intervalo [0,3000] horas
3000
−
Rs = e 17500
= e −0,171429 = 84,25%
Exercício 4
O tempo de funcionamento sem avarias de uma determinada máquina de
produção contínua segue uma lei exponencial negativa com valor esperado
igual a 4,5 horas. Imagine que a máquina é (re)colocada em funcionamento no
instante t=0 horas.
a) Qual a probabilidade de não ocorrerem avarias antes do instante t=6
horas?
b) Admitindo que a máquina se encontrava em funcionamento no instante
t=4 horas, qual a probabilidade de não ocorrerem avarias até t=6 horas?
c) Qual a probabilidade de se verificarem 2 avarias durante as primeiras 6
horas de funcionamento da máquina?
Resolução
a) X: tempo de funcionamento sem avarias da máquina (em horas)
(isto é, tempo que decorre entre avarias consecutivas (em horas))
X segue Exp(α=1/4,5) MTBF = 4,5
1 6
6 1 − 4,5 −
P(X ≥ 6) = 1 − P ( X < 6) = 1 − e dx = e 4,5 = 26,4%
0 4,5
Ou considerando Y: nº de avarias no intervalo [0,6] horas, como Y segue
Po(1/4,5), vem que P(X ≥ 6) = P(Y=0) = e-λt = e-(1/4,5)t = e-(6/4,5) = 26,4%
6
−
P( X ≥ 6 ∩ X ≥ 4) P( X ≥ 6) e 4,5
b) P(X ≥ 6/ X ≥ 4) = = = 4 = 64,1% = P( X ≥ 2)
P( X ≥ 4) P( X ≥ 4) −
e 4 ,5
c) Y: nº de avarias no intervalo [0,6] horas
6
−
e 4,5
x(6 / 4,5) 2
P(Y=2) = = 23,4%
2!
Exercício 5
Sabe-se que um determinado modelo de lâmpadas apresenta no período de
vida útil (3625 horas) um MTBF de 12 000 horas. Calcular:
Resolução
3625
−
a) Rs = e 12000
= e −0,302 = 73,9%
Em 10, 1 - P(falhar nenhuma) = 1 - 0,73910 = 1 – 0,0488 = 95,12%
2000
−
b) Rs = e 12000
= e −0,1667 = 84,6% Logo, 0,846x1000 lâmpadas = 846
Exercício 6
Num grande centro comercial existem 3 telefones públicos, colocados
estrategicamente a fim de satisfazer adequadamente os utentes. A observação
prolongada do funcionamento dos telefones levou a concluir que as
probabilidades dos 3 telefones, T1, T2 e T3 se encontrarem avariados são,
respectivamente, 0,15, 0,2 e 0,25 e que as avarias são independentes. O grupo
de telefones satisfaz minimamente o serviço se pelo menos 2 estiverem sem
avarias. Qual a probabilidade de pelo menos dois destes telefones estarem
sem avarias?
Resolução
P(pelo menos dois destes telefones estarem sem avarias ) = P(2 ou 3 estarem
sem avarias) = 0,095+0,51=60,5%
P(2 sem avarias) = 0,15*0,2*0,75+0,85*0,2*0,25+0,15*0,8*0,25=9,5%
P(3 sem avarias) = 0,85*0,8*0,75=51%
Exercício 7
Um sistema é constituído por 5 componentes iguais, sendo 0.05 a
probabilidade de um elemento falhar ao longo de qualquer dia da semana. No
caso de nenhum elemento avariar o sistema funciona normalmente; se um dos
elementos avariar o sistema funciona com probabilidade 0.7; se mais de um
elemento avariar o sistema não funciona. Calcule:
a) a probabilidade do sistema funcionar ao longo do dia.
b) a função de probabilidade do nº de falhas registadas nos seus
componentes ao longo de um dia, indicando o valor médio de tal
distribuição.
Resolução
a) P(sist. funcionar) = P(0 avariar e funcionar) + P(1 avariar e funcionar)
= (0,955)* 1 + (5*0,954*0,05)*0,7 = 0,7738 + 0,1425 = 91,63%
b) Bi(n=5;p=0,05) Valor médio=5*0,05=0,25
Exercício 1
Uma empresa fabrica e comercializa condutores eléctricos cujas condições de
controlo da produção e aceitabilidade a seguir se indicam (relativos à
resistência de um componente em Ω):
− Característica sob controlo: µ
− LIC: 49,8775
− LSC: 50,1225
− n=16
− σ=0,25
− Proceder-se-á à paragem da produção sempre que os limites de controlo
sejam desrespeitados
− Um condutor é considerado não defeituoso se a sua resistência em Ω
estiver compreendida entre [49,530; 50, 470]
Resolução
X: resistência de um componente em Ω
X ∩ N ( µ ; (0,25) 2 )
cσ
a) LIC = µ − = 49,8775
n
cσ
LSC = µ + = 50,1225
n
cσ cσ
Como LIC + LSC = 100 vem que µ − + µ+ = 2 µ = 100
n n
Logo µ=100/2 = 50 Ω
b)
P (parar indevidamente o processo produtivo) =
P( X cair fora dos limites de controlo quando µ=µ0) =
1- P(-1,96 ≤ X ≤ 1,96) =
1 - P(-1,88 ≤ X ≤ 1,88) =
Exercício 2
A empresa “TRADECHO, SA” mantém um diferendo com os seus principais
clientes, que afirmam que os produtos produzidos (em série) por esta empresa
não obedecem às normas de qualidade estabelecidas e que são:
- a norma para o comprimento médio das peças é de 20 cm;
- a norma para a variância é de 4 e está a ser cumprida;
- a amplitude do intervalo de controle para a média deve ser de 1,96;
- a dimensão das amostras a extrair é de 16
Afirmam os clientes que a probabilidade de parar indevidamente o processo
produtivo é superior àquela que decorre das normas.
Resolução
X: comprimento das peças em cm
X ∩ N ( µ ; 4)
a) P (parar indevidamente o processo produtivo) =
P( X cair fora dos limites de controlo quando µ=µ0) =
1- P(-1,96 ≤ X ≤ 1,96) =
b) e c)
Média
Amostral Amostra 1 Amostra 2 Amostra 3 Amostra 4 Amostra 5
(cm)
20,98
• • • •
•
•20,5 • • •
•
• 20 •20,3 •20,15
20 • 19,90 • •
• •
• • •
• •
• •
19,02 •
Exercício 3
Numa empresa procede-se ao exame das condições de produção relativas à
duração (em horas) das lâmpadas fabricadas (produção em série). Sabe-se
que o desvio-padrão da duração de uma lâmpada é de 100 horas.
O Departamento de Produção construiu o seguinte intervalo para a duração
média de uma lâmpada, a partir de uma amostra de dimensão 100:
[983,55; 1016,45]
Resolução
X: duração das lâmpadas em horas
X ∩ N ( µ ; (100) 2 )
cσ
a) LIC = µ − = 983,55
n
cσ
LSC = µ + = 1016,45
n
cσ cσ
Como LIC + LSC = 2000 vem que µ − + µ+ = 2 µ = 2000
n n
Logo µ=2000/2 = 1000 h
1- P(-1,645 ≤ X ≤ 1,645) =
Exercício 4
O novo Conselho de Administração da empresa de componentes eléctricas
“Alta Tensão, SA” resolveu efectuar um estudo aprofundado sobre o controle
estatístico de qualidade das peças produzidas. Assim, definiu com o director de
produção os aspectos considerados relevantes no controle da duração média
das componentes:
- o limite superior de qualidade (LSC) deve ser de 10,8 milhares de horas
- a amplitude do intervalo não deve exceder 1,96 milhares de horas
- a probabilidade de se parar indevidamente a produção é de 5%
Sabe-se ainda que o desvio padrão da duração de uma componente é de 4 mil
horas.
Resolução
X: duração das componentes em milhares de horas
X ∩ N ( µ ; ( 4) 2 )
cσ
a) LSC = µ + = 10,8
n
D(c)= 5% logo c= 1,96
cσ 1,96 * 4
2 ≤ 1,96 logo 2 ≤ 1,96 ⇔ n ≥ 64
n n
cσ 1,96 * 4
b) LSC = µ + = 10,8 logo µ = 10,8 - = 9,82
n 64
Exercício 5
O director de produção da empresa DISLIX, SA pretende implementar um
sistema de controle interno de qualidade de um determinado tipo de geradores
fabricados em série. Para tal, procede à verificação da produção de energia
Resolução
X: energia eléctrica produzida em kws/hora
X ∩ N ( µ ; ( 4) 2 )
a) D(c)= 5% logo c= 1,96
cσ 1,96 * 4
2 ≤ 3,92 logo 2 ≤ 3,92 ⇔ n ≥ 16
n n
b)
Média
Amostral Amostra 1 Amostra 2 Amostra 3 Amostra 4 Amostra 5
(cm)
11,96
• • • •
•
• • • •
•
• • •
10 • • •
• •
• • •
• •
• •
8,04 •
cσ 1,96 * 4
LIC = µ − = 10 − = 8,04
n 16
cσ 1,96 * 4
LSC = µ + = 10 + = 11,96
n 16
Exercício 1
A empresa BrasFruta Lda está a instalar-se em Portugal com um produto
inovador, um concentrado de fruta semelhante a um sumo de fruta natural. A
intenção é vender o produto em cafés, esplanadas e bares que passariam a
dispor de uma imitação perfeita de um sumo acabado de fazerva um preço
vantajoso.
Através de um estudo qualitativo com consumidores, conseguiu-se apurar que
existia uma grande sensibilidade ao preço. Apesar de haver uma preferência
generalizada por sumos naturais face a refrigerantes, os consumidores
mostravam-se cépticos em relação à qualidade quando se falav em preços
baixos.
Entendeu-se então levantar a seguinte questão: “a sensibilidade ao preço é
afectada pelo poder de compra dos clientes?” Numa sondagem efectuada a
1973 clientes potenciais, confrontaram-se os inquiridos com três alternativas:
adquirir sumo natural a preço elevado, adquirir sumo natural a preço baixo ou
adquirir refrigerantes. A sondagem revelou que, dos clientes classes A/B/C1,
598 pagariam um preço mais elevado pelo sumo natural, enquanto 212 não
estariam dispostos a gastar tanto. Em relação aos 977 clientes das classes
C2/D/E, 164 só consumiriam sumo natural se o preço fosse baixo e 285
preferiam refrigerante.
Represente adequadamente e interprete a informação contida nestes dados.
Utilize um nível de significância de 1%.
Resolução
Preço Elevado Preço Baixo Refrigerante Total
A/B/C1 598 212 186 996
C2/D/E 528 164 285 977
Total 1126 376 471 1973
observado = 31,141
Exercício 2
Aos exames de primeira época de determinada disciplina compareceram 105
alunos, dos quais 20 não tinham prestado qualquer prova durante o ano. O
número de aprovações foi de 33, das quais 3 foram de alunos que não tinham
efectuado provas durante o ano.
Diga, com base nestes elementos, se, para um nível de significância de 5%, se
pode afirmar que existe independência entre a comparência (ou não) a provas
durante o ano de aprovação (ou não) em exame.
Resolução
observado = 3,122
Vem que o obsv.= 3,122 é menor do que o valor obtido a partir da tabela.
Logo, a hipótese Ho não será rejeitada (há independência).
Exercício 3
Com o objectivo de testar se existe relação entre a formação do gerente de
uma dependência bancária e a respectiva “performance”, construiu-se a
seguinte tabela de contingência, relativa a 300 balcões de diferentes bancos:
Formação
Gerente Média Superior
Vol. Negócios
Baixo 44 52
Médio 55 43
Elevado 51 55
Resolução
Ho: As variáveis são independentes
H1: As variáveis não são independentes
Valores esperados:
Formação
Gerente Média Superior
Vol. Negócios
Baixo 48 48
Médio 49 49
Elevado 53 53
observado = 2,2876
Vem que o obsv.= 2,2876 é maior do que o valor obtido a partir da tabela,
Assim sendo, a hipótese Ho será rejeitada, concluindo-se que há associação
entre as variáveis.
Exercício 4
Pretendendo-se analisar o comportamento do volume de divisas ao longo do
ano, deu-se particular atenção à influência exercida pelas remessas de
emigrantes. Assim, o ano foi dividido em duas épocas: Época de Ponta,
compreendendo os meses de vinda de emigrantes (Verão e Natal) e Época
Normal (restantes meses).
Assim, observou-se o nível de Disponibilidades Líquidas sobre o Exterior (DLX)
para cada mês, tendo-se obtido:
Resolução
Ho: As variáveis são independentes
H1: As variáveis não são independentes
Valores esperados:
Volume DLX Baixo/Médio Elevado
Época
Normal 113,33 86,66
Ponta 6,66 43,33
observado = 85,069
(150 − 113,33) 2 (80 − 43,33) 2
Valor obsv. est. teste = + ... + = 85,069 > 3,84
113,33 43,33
Vem que o obsv.= 85,069 é maior do que o valor obtido a partir da tabela,
Assim sendo, a hipótese Ho será rejeitada, concluindo-se que há associação
entre as variáveis.
Exercício 5
Num estudo que pretendia averiguar a existência de relação entre a procura de
moeda e a taxa de juro, procedeu-se à recolha periódica de elementos sobre
essas variáveis, construindo-se a seguinte tabela de contingência:
Resolução
Ho: As variáveis são independentes
H1: As variáveis não são independentes
Valores esperados:
Taxa juro Reduzida Média Elevada
Proc. Moeda
0-10 72.5 115 62.5
10-45 130.5 207 112.5
45-70 87 138 75
observado = 1183,7
Vem que o obsv.= 1183,7 é maior do que o valor obtido a partir da tabela,
Assim sendo, a hipótese Ho será rejeitada, concluindo-se que há associação
entre as variáveis.
Exercício 6
Um investigador seleccionou três amostras de estudantes, A, B e C, que fazem
parte de um determinado projecto de estudo e aplicou-lhes uma escala de
atitudes com o objectivo de conhecer as suas opiniões em relação ao projecto.
Os resultados de uma amostra de 140 estudantes foram os seguintes:
Grupo de
Tipo estudantes A B C
de atitude
Atitude negativa 30 30 10
Atitude positiva 10 20 40
Resolução
Ho: As variáveis são independentes
H1: As variáveis não são independentes
Valores esperados:
Grupo de
Tipo estudantes A B C
de atitude
Atitude negativa 20 25 25
Atitude positiva 20 25 25
observado = 30