Documente Academic
Documente Profesional
Documente Cultură
Texto 3: ESTIMAO
SUMRIO
1. INTRODUO ...........................................................................................................................................................3
2. ESTIMAO POR PONTO.......................................................................................................................................4
2.1. NOTAO ..............................................................................................................................................................4
2.2. PROPRIEDADES DOS ESTIMADORES..........................................................................................................................5
2.2.1. No-tendenciosidade.....................................................................................................................................5
2.2.2. Preciso ou eficincia...................................................................................................................................7
2.2.3. Validade (ou Acurcia) .................................................................................................................................8
2.2.4. Coerncia ou consistncia.............................................................................................................................8
2.3. MTODOS DE ESTIMAO .......................................................................................................................................9
2.3.1. Mtodos dos momentos .................................................................................................................................9
2.3.2. Mtodos da mxima verossimilhana (maximum likelihood) ..........................................................................9
2.3.3. Mtodos dos mnimos quadrados................................................................................................................. 11
3. ESTIMAO POR INTERVALO ........................................................................................................................... 13
3.1. DA MDIA POPULACIONAL (
)............................................................................................................................... 13
3.1.1. Desvio padro populacional () conhecido ................................................................................................. 13
3.1.2. Desvio padro populacional () desconhecido ............................................................................................ 15
3.1.3. A distribuio T (de Student)....................................................................................................................... 15
3.1.4. O intervalo.................................................................................................................................................. 15
3.2. DA PROPORO POPULACIONAL (
) ...................................................................................................................... 17
3.3. DA VARINCIA POPULACIONAL (
2) ...................................................................................................................... 19
3.3.1. Tabelas....................................................................................................................................................... 20
3.3.2. O intervalo.................................................................................................................................................. 20
3.4. DO DESVIO PADRO POPULACIONAL ()................................................................................................................ 20
4. EXERCCIOS ........................................................................................................................................................... 22
5. RESPOSTAS DOS EXERCCIOS............................................................................................................................ 24
6. BIBLIOGRAFIA....................................................................................................................................................... 26
viali@mat.ufrgs.br
htt p://www.mat.ufrgs.br/~viali/
A inferncia estatstica tem por objetivo fazer generalizaes sobre uma populao com base
em valores amostrais. A inferncia pode ser feita estimando os parmetros:
(a) Por ponto e
(b) Por intervalo.
A estimao por ponto feita atravs de um nico valor, enquanto que a estimao por
intervalo fornece um intervalo de valores em torno do valor da estimativa pontual. Na estimao por
ponto o objetivo utilizar a informao amostral e apriorstica para se calcular um valor que seria, em
certo sentido, nossa melhor avaliao quanto ao valor, de fato, do parmetro em questo.
Na estimativa por intervalo, usa-se a mesma informao com o propsito de se produzir um
intervalo que contenha o valor verdadeiro do parmetro com algum nvel de probabilidade.
Exe mplo:
Uma amostra aleatria simples de 400 pessoas de uma cidade extrada e 300 respondem que
acham a administrao municipal boa ou tima. Ento o valor p = 300/400 = 75% uma estimativa
por ponto do percentual de pessoas da cidade que acham a administrao boa ou tima. Esta mesma
estimativa poderia ser enunciado como de: 70% a 80% das pessoas da cidade acham a administrao
boa ou tima. Neste caso, teramos uma estimativa por intervalo da proporo. Note-se que o centro do
intervalo o valor 75% da estimativa pontual.
viali@mat.ufrgs.br
htt p://www.mat.ufrgs.br/~viali/
11.. E
ESST
TIIM
MA
A
O
O PPO
OR
R PPO
ON
NT
TO
O
O problema da estimao por ponto o de produzir uma estimativa que realmente represente a
melhor avaliao do valor do parmetro. Deve-se especificar em primeiro lugar o que se entende por
"melhor avaliao" e em segundo os estimadores que satisfaam estas especificaes. Como um
estimador uma varivel aleatria cujo valor varia de amostra para amostra, suas propriedades so, de
fato, as propriedades da distribuio amostral.
1.1. NOTAO
Vai-se considerar uma varivel aleatria X (populao) cuja distribuio caracterizada, entre
outras coisas, por um parmetro , que gostaramos de estimar.
Um estimador do parmetro , que obtido atravs de uma frmula dos valores amostrais:
)
X1, X2, ..., Xn, anotado por . As caractersticas bsicas da distribuio de so sua mdia
)
)
)
2
2 2
) = E( ) e sua varincia 2) = Var( ) = E( - ) ) = E( ) .
x x
x x x x
x x E( )
x x x
x
V( )
distribuio amostral de e o valor do parmetro . Este valor , para cada estimador, fixo, podendo
ou no ser zero.
Prof. Lor Viali, Dr.
viali@mat.ufrgs.br
htt p://www.mat.ufrgs.br/~viali/
EQM( ) = Var( ) + Vis( )2, isto , o EQM a soma da varincia do estimador com sua
tendenciosidade elevada ao quadrado.
unbiased) de um parmetro se E( ) = .
)
Exe mplos:
(1) X um estimador no-tendencioso de .
Prova:
X
1
1
1
E( X ) = E = E( X ) = E( X) = = (n.)/n = .
(X X)
um estimador tendencioso de 2.
(2) ) 2 =
2
Prova:
Considere a soma (X X )2 e observe que ela poder ser escrita da seguinte maneira:
viali@mat.ufrgs.br
XX
)2 = ( X + X)2 = ( X )2 + 2 (X )( X) + ( X)2 .
XX
)2 = ( X )2 n. ( X )2 , pois
2 ( X )( X ) = 2( X ).n(X ) = 2 n( X ) e
2
2 X ) + ( X ) = 2 n ( X ) + n ( X ) = n ( X )
Portanto:
E( ) 2 ) = E(
)2
XX
1
1
1
) = E( X X 2 ) = E( (X )2 n. (X )2 ) = { E (X )2 nE (X )2 }
n
n
n
n
1
{ Var( X ) nVar(X )}
n
1
2
{n 2 n }
n
n
1
(n2 - 2} = 2 - 2/n = (n2 - 2)/n =
n
= (n-1)2/n
(3) S2 =
X X
n 1
)2
um estimador no-viciado de 2.
Prova:
XX
E(S ) = E
n1
)2
2
2
1
1
= n 1 E X X = n 1 E X E( X ) + E( X) X =
2
2
1
1
1 2
2
2
2
E ( X E( X)) n X E( X) =
E ( X E( X)) nE X E( X ) =
n n. =
n1
n 1
n 1
n
n. 2 2
(n 1). 2
=
= 2.
n1
n1
2
(4) S =
XX
n 1
Prova:
(5) T = n. X , total amostral, um estimador tendencioso de = X, total populacional.
Prova:
E(T) = E(n. X ) = n. E( X ) = n. N. = .
(6) T = N. X um estimador no-tendencioso de = X.
viali@mat.ufrgs.br
Prova:
E( T ) = E(N. X ) = N. E( X ) = N. = N. = .
(7) P um estimador no-tendencioso de .
Prova:
0, com probabilidade 1 -
1, com prababilidade
2
2
(8) ) 2X = S um estimador no-tendencioso de 2X =
Prova:
2
E( ) 2X ) = E( S ) =
n
E(S2)
n
= 2/n.
Prova:
Seja M = i.Xi, onde i = 1, um estimador de . Ento:
E(M) = E(i.Xi) = E(i.Xi) = i.E(Xi) = .i = .
Outra propriedade desejvel para um estimador a da preciso ou eficincia.
1.2.2. P RECISO OU EFICINCIA
A preciso ou eficincia a proximidade das observaes (estimativas) do seu valor esperado.
Definio:
Dados dois estimadores no-tendenciosos )1 e ) 2 de um mesmo parmetro , diremos que )1
mais eficiente que ) 2 se Var( )1 ) < Var( ) 2 ). A eficincia relativa de )1 em relao a ) 2 definida
como sendo V( )1 )/V( ) 2 ).
viali@mat.ufrgs.br
Exe mplo:
Qual dos dois estimadores abaixo mais eficiente para estimar a mdia da populao?
X1 = 0,3X1 + 0,7X2 ou X 2 = 0,2X1 + 0,8X2
Soluo
Como so ambos no-tendenciosos temos:
Var( X1 ) = Var(0,3X1 + 0,7X2) = 0,32Var(X1) + 0,72Var(X2) = (0,09 + 0,49)2 = 0,582.
Var( X 2 ) = Var(0,2X1 + 0,8X2) = 0,22Var(X1) + 0,82Var(X2) = (0,04 + 0,64)2 = 0,682.
Portanto
X1 mais eficiente que X 2
probabilidade de que o desvio absoluto entre e seja menor que tende para 1 quando o nmero de
observaes "n" tende ao infinito, isto :
)
)
lim EQM()
)
lim E() = 0 , a tendenciosidade tende a zero e
consideradas em conjunto: n
)
lim Var() = 0 , a varincia tende a zero.
n
Prof. Lor Viali, Dr.
viali@mat.ufrgs.br
Exe mplo:
Verificar que S2 um estimador coerente de 2.
Tem-se que E(S2) = , para qualquer "n" e
2 4
2 4
Var(S2) = . Ento, como lim = 0, S2 consistente.
n1
n1
Funo de verossimilhana
Seja f(x: ) a funo de probabilidade X (discreta ou contnua) calculada no ponto X = x. O
valor de est includo na notao para lembrar que a distribuio da varivel X depende do
parmetro . Sejam X1, X2, ..., Xn uma amostra aleatria da varivel aleatria X e sejam x1, x2, ...., xn
seus valores amostrais. Define-se a funo de verossimilhana L, como sendo a seguinte funo da
amostra e do parmetro :
L(X1, X2, ..., Xn; ) = f(X1; ).f(X2; ). ... . f(Xn; )
Equao 1.1
Se a amostra (X1, X2, ..., Xn) tiver sido obtida, os valores amostrais (x1, x2, ...., xn) sero
conhecidos. J que desconhecido pode-se propor a seguinte questo? Para qual valor de L(x1, x2,
Prof. Lor Viali, Dr.
viali@mat.ufrgs.br
...., xn; ) ter o valor mximo? Colocando de outra forma. Suponha que existam dois valores
diferentes de , digamos 1 e 2, e que L(x1, x2, ...., xn; 1) < L(x1, x2, ...., xn; 2). Neste caso 2 seria
prefervel, pois para a amostra obtida o evento dado mais provvel de ocorrer com 2 do que com 1.
Este raciocnio pode ser resumido por:
Definio: A estimativa de mxima verossimilhana de , baseada numa amostra aleatria
obtida da populao X aquele valor de torna mxima L(X1, X2, ..., Xn; ), para uma dada amostra
X1, X2, ..., Xn onde L definida pela equao 1.1.
Observaes:
(i) uma varivel aleatria, pois seu valor depende da amostra X1, X2, ..., Xn.
(ii) Na maioria das situaes representa um valor isolado, mas se a distribuio depender de
mais de um parmetro (dois como no caso da normal), representar um vetor, por exemplo,
= (, ).
(iii) Para determinar a estimativa de MV, deve-se determinar o valor mximo de uma funo.
No entanto em muitas situaes mais fcil determinar o mximo da funo
ln L(X1, X2, ..., Xn; )
que possui o ponto de mximo idntico ao da funo L.
As estimativas de MV apresentam algumas propriedades importantes:
(i) A estimativa de MV pode ser tendenciosa. Normalmente esta tendenciosidade pode ser
eliminada pela multiplicao de uma constante apropriada.
(ii) Sob condies gerais as estimativas de MV so coerentes. Isto , se o tamanho da amostra
aumentar a estimativa se aproximar do valor a ser estimado.
Exemplo:
Suponha que uma varivel aleatria X tenha uma distribuio normal de mdia e desvio
padro , isto a fdp de X seja:
f(x) =
1 x
1
e 2
Se X1, X2, ..., Xn for uma amostra aleatria de X, sua funo de verossimilhana ser dada
por:
1 n
2
L(X1, X2, ..., Xn; , ) = (2 2 ) n 2 exp Xi
2 i =1
viali@mat.ufrgs.br
10
Portanto:
n
1 n
lnL(X1, X2, ..., Xn; , ) = ln (2 2 ) X i
2
2 i = 1
ln L
= 0 . Tem-se:
ln L n (X i )2
=
= 0 , que fornece = X , a mdia amostral e
2
i =1
1 n
1 n
ln L
n n (X )2
2
)
= + i
= 0 , o que fornece 2 = . (X i )2 = . X i X .
3
i =1
n i =1
n i =1
2
X ri 'r .
i =1
Deve-se escolher o valor 'r que torna a soma acima to pequena quanto possvel. Por
exemplo, para se achar o estimador dos mnimos quadrados para a mdia populacional (= 'r ),
determina-se para qual valor de a soma acima ser mnima, isto , deve-se minimizar a equao:
n
2
X ri .
i =1
Para isto necessrio derivar esta equao em relao e igualar esta derivada a zero,
obtendo-se:
n
2 (Xi )
=0
i =1
viali@mat.ufrgs.br
11
1 n
Xi = X .
n i =1
Desta forma, verifica-se pelo mtodo dos mnimos quadrados que a estimativa da mdia
populacional dada pela mdia da amostra, que coincide com o estimador obtido pelo mtodo dos
momentos.
As propriedades dos estimadores dos mnimos quadrados devem ser estabelecidas caso a caso.
viali@mat.ufrgs.br
12
22.. E
ESST
TIIM
MA
A
O
O PPO
OR
R IIN
NT
TE
ER
RV
VA
AL
LO
O
O estimador por ponto no permite ter uma idia do erro cometido ao se fazer a estimativa do
parmetro. Para que se possa associar uma confiana (probabilidade) a uma estimativa necessrio
construir um intervalo em torno da estimativa por ponto. Este intervalo construdo baseado na
distribuio amostral do estimador.
Para construir intervalos de confiana necessrio inicialmente fixar-se uma probabilidade 1
- de que o intervalo construdo contenha o parmetro populacional. Esta probabilidade
denominada de confiana do intervalo. Desta forma, ser a probabilidade de que o intervalo obtido
no contenha o valor do parmetro, isto , ser a probabilidade de erro.
se a populao de onde for extrada a amostra for normal (ou se a amostra for superior a
30 e retirada de qualquer populao ) de mdia e de desvio padro , pode-se ento utilizar a curva
normal para estabelecer os limites para o intervalo de confiana.
Lembrando que o que se quer um intervalo que contenha o parmetro populacional com
probabilidade 1 - tem-se ento:
P(-z/2 < Z < z/2) = 1 - , onde z/2 o valor da normal padro com rea direita igual a
/2.
Mas Z = ( X - ) /
viali@mat.ufrgs.br
13
P(-z/2 < ( X - ) /
P( X - z/2
; X + z/2
] onde:
Exe mplo:
Uma populao tem um desvio padro igual a 10 e mdia desconhecida. Uma amostra de
tamanho n = 100 retirada e fornece uma mdia x = 50. Qual o intervalo de 95% de confiana para a
mdia desta populao?
Soluo:
Tm-se 1 - = 95%, ento = 5% e / 2 = 2,5%. O coeficiente de confiana que deve ser
buscado na normal padro valor z/2 de Z tal que:
P(Z > z/2) = 2,5%, ou ento: (-z/2) = 2,5% -z/2 = -1(2,5%) = -1,96.
Ento o intervalo de confiana de 95% para a mdia desta populao ser:
[ X - z/2
; X + z/2
= [48,04; 51,96], ou seja, pode-se afirmar com uma certeza de 95% de que este intervalo conter a
mdia desta populao.
Obs.: O valor = z/2
valor
viali@mat.ufrgs.br
14
variabilidade maior do que a da normal padro. A distribuio do quociente acima conhecida como
distribuio T de Student.
2.1.3. A DISTRIBUIO T ( DE S TUDENT )
Na realidade existem infinitas distribuies T, uma para cada tamanho de amostra. Estas
distribuies a exemplo da normal padro encontram-se tabeladas.
A tabela para a distribuio T segue uma metodologia um pouco diferente daquela da
normal padro. De fato, como as distribuies de Student no podem ser padronizadas, isto , sofrer
uma transformao de varivel, a exemplo do ocorre na normal, no possvel construir uma nica
tabela. Assim, neste caso, cada linha de uma tabela representa uma distribuio diferente e cada coluna
representa um valor de confiana que poder ser ou /2, isto , a tabela poder ser unilateral ou
bilateral. A linha de cada tabela fornece a distribuio T" com parmetro n - 1 denominado de graus
de liberdade, isto , o grau de liberdade = = n - 1 = linha da tabela. (Rever na Apostila de
Probabilidade)
2.1.4. O INTERVALO
; X + t/2
] onde:
viali@mat.ufrgs.br
15
desvio padro da populao e t/2 o valor da distribuio T cuja rea direita igual a /2, isto ,
o valor de T tal que:
P(T > t/2) = /2, ou ento: P(- t/2 < T < t/2) = 1 - .
Na realidade as tabelas fornecem os valores de "T" em funo do parmetro = n - 1 = grau
de liberdade e da confiana desejada (dada em funo de uma ou duas caudas). Assim dado uma
confiana unicaudal de /2, o valor tabelada : T-1(n - 1, /2) = -t/2.
Exe mplo:
Uma amostra de tamanho 25 foi retirada de uma populao com o objetivo de estimar a sua
mdia e forneceu os valores x = 50 e = 10. Qual o intervalo de 95% de confiana para a mdia
desta populao?
Soluo:
Tem-se 1 - = 95%, ento = 5% e / 2 = 2,5%. O coeficiente de confiana que deve ser
buscado na distribuio t com = n - 1 = 25 - 1 = 24 (linha da tabela). A coluna dever ser o valor
= 5% (tabelas bilaterais) ou ento o valor / 2 = 2,5% (tabelas unilaterais). Em qualquer caso o que
se procura o valor T com grau de liberdade igual a 24, isto , o valor T24 tal que:
P(- t/2 < T24 < t/2) = 95%.
Este valor vale 2,064. (note-se que na normal este mesmo valor valia 1,96). Ento o intervalo
de confiana de 95% para a mdia desta populao ser:
[ X - t/2
; X + t/2
[45,87; 54,13], ou seja, pode-se afirmar com uma certeza de 95% de que este intervalo conter a mdia
desta populao.
Convm notar que a ltima linha da tabela da distribuio T apresenta valores coincidentes
com aqueles que seriam obtidos se fosse utilizada a distribuio normal padro. Isto ocorre porque a
distribuio T tende a distribuio normal medida que o tamanho da amostra aumenta, isto , a
distribuio normal o limite da distribuio T quando o tamanho da amostra tende ao infinito. Esta
aproximao j ser bastante boa para amostras de tamanho n > 30. No entanto, para evitar confuses
sobre quando utilizar um ou outro modelo, no se recomenda a substituio de T por Z, a exemplo, do
viali@mat.ufrgs.br
16
que fazem outros textos. Quando o valor do grau de liberdade no for encontrado na tabela, toma-se o
valor imediatamente inferior.
(1 )
. Pode-se
n
ento utilizar a curva normal para estabelecer os limites para o intervalo de confiana.
Lembrando que o que se quer um intervalo que contenha o parmetro populacional com
probabilidade 1 - ento tem-se:
P(-z/2 < Z < z/2) = 1 - , onde z/2 o valor da normal padro com rea direita igual a
/2.
Mas Z = (P- P) / P ento substituindo na expresso acima vem:
P(-z/2 < (P - P) / P < z/2 ) = 1 - . Trabalhando esta desigualdade, segue que:
P(P - z/2P < P <P + z/2P) = P(P - z/2P < <P + z/2P) = 1 - . Que o intervalo
procurado. Assim o intervalo de confiana (probabilidade) de 1 - para a proporo P de uma
populao dado por:
[P- z/2
(1 )
n
; P + z/2
(1 )
].
n
(1 )
. Desta forma o intervalo acima ficar:
n
[P- z/2
P (1 P )
P (1 P )
; P + z/2
], onde:
n
n
viali@mat.ufrgs.br
17
P =
P( 1 P )
n
z/2 o valor da distribuio normal padro cuja rea direita igual a /2. o valor de Z tal
que: P(Z > z/2) = /2, ou ento: (-z/2) = /2.
Exe mplo 1:
Numa pesquisa de mercado, 400 pessoas foram entrevistadas sobre sua preferncia por
determinado produto. Destas 400 pessoas, 240 disseram preferir o produto. Determinar um intervalo de
confiana de 95% de probabilidade para o percentual de preferncia dos consumidores em geral para
este produto.
Soluo:
Tm-se 1 - = 95%, ento = 5% e / 2 = 2,5%. O coeficiente de confiana que deve ser
buscado na normal padro valor z/2 de Z tal que:
P(Z > z/2) = 2,5%, ou ento: (-z/2) = 2,5%.
Este valor vale 1,96. A estimativa por ponto para a proporo populacional ser: p = f/n =
240/400 = 0,60 = 60%.
Ento o intervalo de confiana de 95% para a proporo populacional ser:
[P- z/2
P(1 P)
P(1 P)
0,60(1 0,60)
0,60(1 0,60)
; P + z/2
] = [0,60 - 1,96
.; 0,60 + 1,96
]
n
n
400
400
= [60% - 4,80% ; 60% + 4,80%] = [55,20%; 64,80%], ou seja, pode-se afirmar com uma certeza de
95% de que este intervalo conter a proporo populacional, isto , a verdadeira percentagem dos
consumidores que preferem o produto pesquisado.
Exe mplo 2:
Numa pesquisa de mercado para estudar a preferncia da populao de uma cidade em relao
ao consumo de um determinado produto, colheu-se uma amostra aleatria de 300 consumidores da
cidade e observou-se que 180 consumiam o produto. Determinar um IC de 99% para a proporo
populacional de consumidores do produto.
Soluo:
Tm-se 1 - = 99%, ento = 1% e / 2 = 0,5%. O coeficiente de confiana que deve ser
buscado na normal padro valor z/2 de Z tal que:
Prof. Lor Viali, Dr.
viali@mat.ufrgs.br
18
P(1 P)
P(1 P)
0,60(1 0,60)
0,60(1 0,60)
; P + z/2
] = [0,60 - 2,58
.; 0,60 + 2,58
]
n
n
300
300
= [60% - 7,28% ; 60% + 7,28%] = [52,72%; 67,28%], ou seja, pode-se afirmar com uma certeza de
99% de que este intervalo conter a proporo populacional, isto , a verdadeira percentagem dos
consumidores que preferem o produto pesquisado.
( n 1) S 2
, isto , a varincia segue uma distribuio 2 com "n - 1" graus de liberdade a
viali@mat.ufrgs.br
19
2.3.1. TABELAS
Suponha que seja fixado um nvel de confiana de 1 - e que 12 e 22 sejam dois valores
da distribuio 2 tais que P( 12 < 2 < 22 ) = 1 - .
P( 12 < 2 < 22 ) = 1 -
P( 12 <
P(
P(
22
<
(n 1) S2
2
1
2
< 2)=1-
2
(n 1) S
1
(n 1) S2
2
< 22 ) = 1 -
< 2 <
(n 1) S2
2
)=1-
2
12
2
2
2
2
1
viali@mat.ufrgs.br
20
(n 1) S2
P
<<
2
(n 1) S2
= 1 .
2
Exe mplo:
Uma amostra extrada de uma populao normal forneceu uma varincia de s2 = 8,38.
Determinar um intervalo de confiana de 90% para a varincia da populao e um intervalo de mesma
confiabilidade para o desvio padro da populao.
Soluo
Neste caso necessrio inicialmente determinar os valores da distribuio 2, de modo, que
2
2
1 tenha uma rea (probabilidade) direita igual a 95% e 2 tenha uma rea (probabilidade) direita
2
12
2
(11 1).8,38 (11 1).8,38
18,307 ; 3,940
[4,58; 21,27]
O intervalo de confiana, para o desvio padro, ser:
(n 1) S2 (n 1) S2
;
2
2
2
1
18
,
307
3,940
4,58;
21,27; ]
[2,14; 4,61].
viali@mat.ufrgs.br
21
33.. E
EX
XE
ER
RC
CC
CIIO
OSS
(01) Seja X uma varivel aleatria normal com mdia e desvio padro . Sejam:
n
Xi
1 =
i =1
, 2 =
Xi
i =1
n+1
Xi
1
2
1
2
X1 + X 2
e W = X1 + X2
3
3
2
(Sugesto: determinar a varincia de cX1 + (1 -c)X2 em funo de "c" e achar o seu mnimo,
derivando-a e igualando-a a zero.)
(03) De uma distribuio normal com varincia 2,25, obteve-se a seguinte amostra:
27,5; 25,6; 28,2; 26,1 e 25,0
Determinar um intervalo de confiana para a mdia desta populao com confianas de:
(03.1) 95% (03.2) 99%
(04) Utilizando-se de uma aas de 145 profissionais de certa regio, verificou-se que o salrio mdio
de 8 salrios mnimos (s.m.) com um desvio padro de 1,8 s.m. A amostra tambm forneceu a
informao de que 70% dos profissionais eram casados.
(04.1) Determine e interprete o intervalo de confiana de 95% para o salrio mdio de todos os
viali@mat.ufrgs.br
22
10
14
19
15
07
(06) A varincia de uma populao 150. Deseja-se obter um intervalo de confiana para a mdia da
populao com uma confiabilidade de 95% e um erro mximo de 2. Quantos valores desta
populao devem ser retirados aleatoriamente?
(07) Quer-se estimar a mdia de uma populao de varincia desconhecida atravs de um intervalo de
confiana de 95% e com erro de estimao mximo de 5 unidades. Atravs de uma amostra piloto
de 100 valores a varincia foi estimada em 400 unidades. Que tamanho deve ter a amostra final?
(08) Uma amostra preliminar de pessoas de uma determinada comunidade apresentou 18% de
analfabetos. Com este resultado quer-se estimar a proporo de analfabetos da populao com
uma confiabilidade de 95% e com um erro de estimao mximo de 2,5%. Qual o tamanho da
amostra a ser utilizada?
(09) De uma populao normalmente distribuda foi extrada uma aas de n = 10 que apresentou os
valores abaixo:
4
12
10
11
normal. Determine:
04 |-- 08
08 |-- 12
12 |-- 16
16 |-- 20
viali@mat.ufrgs.br
htt p://www.mat.ufrgs.br/~viali/
23
44.. R
RE
ESSPPO
OSST
TA
ASS D
DO
OSS E
EX
XE
ER
RC
CC
CIIO
OSS
(01) Quantos a expectncia tem-se:
E( 1) = E(X) =
E( 2) =
E( 1) =
n
n +1
( n 1) (2 n 1)
.
+
=
2
2n
2n
Xi
)
n +1
n2
(n + 1)2
Xi
V( 3)
1
2(n 1)
( n 1)
= V( + i = 2 ) = +
=
2
2n
2n
2
2n
+
(02) E(X) = E( X1 X 2 ) = .
2
1
3
2
3
E( W ) = E( X1 + X 2 ) =
1
2
E( X 1) + E( X 2 )
3
3
2
+
3
3
= .
2
+
V (X ) = V( X1 X 2 ) =
1
2
1
4
5 2
2 4 2
V( W) = V( X 1 + X 2 ) = V( X 1 ) + V( X 2 ) =
+
=
3
3
9
9
9
9
9
V( X )
V( W )
(04) (04.1) [7,71; 8,29] Tem-se 95% de certeza de que o salrio mdio de todos os profissionais da
viali@mat.ufrgs.br
htt p://www.mat.ufrgs.br/~viali/
24
a este intervalo.
(05) (05.1) [4,62; 5,22] Tem-se 95% de confiana de que o valor mdio do tamanho familiar da vila
(09.2) 8 e 0,82
viali@mat.ufrgs.br
htt p://www.mat.ufrgs.br/~viali/
25
55.. BBIIBBLLIIOOGGRRAAFFIIAA
KACHIGAN, Sam Kash.
viali@mat.ufrgs.br
htt p://www.mat.ufrgs.br/~viali/
26