Documente Academic
Documente Profesional
Documente Cultură
1
1.1
A Estatstica uma cincia que tem como objetivo a tomada de deciso em situaes
de incerteza. Esta cincia divide-se basicamente em duas partes. A primeira parte
conhecida como Estatstica Descritiva, e trata da coleta, organizao e descrio de
dados. A segunda a Estatstica Inferencial, e se preocupa em fazer afirmaes e/ou
testar hipteses sobre caractersticas numricas em situaes de incerteza.
Para iniciar o estudo da Estatstica Inferencial necessrio compreender os seguintes
conceitos bsicos:
Definio 1.1 (Populao). A populao um conjunto formado por todos os elementos que possuem pelo menos uma caracterstica em comum observvel.
Exemplo 1: Se o problema a ser pesquisado est relacionado com a qualidade de
um certo produto produzido numa indstria, a populao pode ser composta por todas as
peas produzidas numa determinada hora, turno, dia ou ms, dependendo dos objetivos;
Exemplo 2: Se o objetivo de um estudo pesquisar o nvel de renda familiar de uma
certa cidade, a populao seria todas as famlias desta cidade. Mas, se o objetivo fosse
pesquisar apenas a renda mensal do chefe da famlia, a populao a ser pesquisada seria
composta por todos os chefes de famlia desta cidade.
Definio 1.2 (Amostra). A Amostra apenas uma parte da populao, ou seja,
qualquer subconjunto no vazio da populao.
Vrios motivos levam a necessidade de se observar apenas uma parte da populao,
como, por exemplo: a falta de tempo, recursos financeiros e/ou humanos. A amostra deve
ser obtida atravs de tcnicas de amostragem, as quais tem como objetivo principal garantir
a representatividade da populao, ou seja, fazer com que a amostra seja um retrato fiel
da populao.
Exemplos de amostra podem ser considerados por conjuntos formados por apenas uma
parte dos elementos populacionais descritos nos exemplos 1 e 2.
1
1.2
Amostragem
Anderson
Carlos Cesar
Danilo
Fabiano
Jose Orlando
Maecio
Marina
Osnes
Roberta
Stella
Anna Carolina
Carlos Raiff
Davi
Felipe
Kllydevan
Magna
Matheus
Patricia
Rodrigo Azevedo
Taise
Arthur
Chrystiano
Diego
Herusca
Lindembergue
Maira
Nailton
Raquel
Rodrigo de Brito
Thiago
Bruna
Cicero
Ewerton
Isabele
Luanna
Marcia
Nilman
Reinaldo
Ronaldo
Ygor
S2
S3
S4
P2
P3
P4
A2 A3 A4
A12 A13 A14
A22 A23 A24
S5
S6
S7
P5
P6
P7
A5 A6 A7
A15 A16 A17
A25 A26 A27
S8
S9
S10
P8
P9
P10
A8 A9 A10
A18 A19 A20
A28 A29 A30
(b) Amostragem Estratificada Uniforme: seleciona-se a mesma quantidade de elementos em cada estrato.
A amostragem estratificada uniforme costuma ser usada em situaes em que
o maior interesse obter estimativas separadas para cada estrato, ou ainda,
quando se deseja comparar os diversos estratos. No exemplo anterior, para selecionar uma amostra estratificada uniforme de tamanho 12, devemos selecionar
4 indivduos de cada estrato. (Utilize a tabela de nmeros aleatrios, seguindo
as mesmas orientaes do item (a) para cada estrato.)
1.2.1
Definio 1.9 (Erro Amostral). a diferena entre o valor que a estatstica pode
acusar e o verdadeiro valor do parmetro que se deseja estimar.
Para determinar o tamanho da amostra, o pesquisador precisa especificar o erro amostral
tolervel, ou seja, o quanto ele admite errar na avaliao dos parmetros de interesse.
A especificao do erro amostral tolervel deve ser feita sob um enfoque probabilstico,
pois, por maior que seja a amostra, existe sempre o risco de o sorteio gerar uma amostra
com caractersticas bem diferentes da populao de onde ela est sendo extrada.
Uma frmula para o clculo do tamanho mnimo da amostra
Sejam:
N tamanho da populao;
n tamanho da amostra;
n0 uma primeira aproximao para o tamanho da amostra;
E0 erro amostral tolervel.
Um primeiro clculo do tamanho da amostra pode ser feito, mesmo sem conhecer o
tamanho da populao, atravs da seguinte expresso:
n0 =
1
, onde 0 < E0 < 1.
E02
N n0
.
N + n0
Exemplo 8: Planeja-se um levantamento por amostragem para avaliar diversas caractersticas da populao das N = 200 famlias moradoras de um certo bairro. Estas
caractersticas (parmetros) so especialmente do tipo percentagens, tais como, a percentagem de famlias que usam programas de alimentao popular, a percentagem de
famlias que moram em casas prprias, etc. Qual deve ser o tamanho mnimo de uma
amostra aleatria simples, tal que possamos admitir, com alta confiana, que os erros
amostrais no ultrapassem 4% (E0 = 0, 04)?
Observaes:
1) E(X) =
2) V ar(X) =
Considere todas as amostras possveis de tamanho 2, com reposio, da populao
cuja distribuio dada acima. Alm disso considere X1 o nmero selecionado na primeira
extrao e X2 o nmero selecionado na segunda extrao. Assim, podemos construir a
distribuio de probabilidades conjunta de (X1 , X2 ) e as distribuies marginais de X1 e
X2 . Observe que X1 e X2 so independentes e tm distribuies iguais distribuio de
X.
1.3
Distribuies Amostrais
Total
S 2 = s2
P (S 2 = s2 )
Total
Observaes:
7
Teorema 1.1. Seja X uma varivel aleatria com mdia e varincia 2 , e seja
(X1 , X2 , ..., Xn ) uma amostra aleatria de X. Ento, a mdia amostral (X) ter mdia
e varincia dadas respectivamente por
E(X) =
e
V ar(X) =
2
.
n
Um teorema bem mais forte do que este o que se refere distribuio de probabilidade
da varivel X. Este teorema conhecido como o Teorema Central do Limite e pode ser
enunciado da seguinte forma:
Teorema 1.2 (Teorema Central do Limite). Para amostras aleatrias (X1 , X2 , ..., Xn ),
retiradas de uma populao com mdia e varincia 2 finita, a distribuio amostral
da mdia X aproxima-se, para n suficientemente grande, de uma distribuio normal,
com mdia e varincia 2 /n.
X N (, 2 /n)
Desta forma, temos que:
Z=
X
N (0, 1)
/ n
.
Observaes:
1) No teorema acima no fizemos nenhuma suposio sobre a natureza das distribuies das variveis X1 , X2 , ..., Xn , ou seja, independentemente de como se comportam
essas variveis, sejam elas discretas ou contnuas, o teorema continua vlido.
2) Se as variveis X1 , X2 , ..., Xn tm distribuio normal, ento X ter tambm distribuio normal e no apenas uma aproximao.
Exemplo 12: Seja X o preo, em reais, de um determinado produto. Admitindo que
X segue distribuio Normal, com mdia 100 e desvio padro 10, calcule:
a) A probabilidade de, ao entrar em uma loja, observar que este produto est sendo
vendido por um preo entre 91 e 110 reais;
b) Observando-se uma amostra aleatria de 50 dessas chamadas, qual ser a probabilidade delas, em mdia, no ultrapassar quatro minutos?
1.3.2
Considere uma populao em que a proporo de elementos portadores de certa caracterstica p. Assim, definiremos a varivel aleatria X como: X = 1, se o indivduo for
portador da caracterstica, e X = 0, se o indivduo no possui a caracterstica. Dessa
forma, E(X) = p e V ar(X) = p(1 p).
9
p(1 p)
p N p,
.
n
Desta forma, temos que:
pb p
Z=q
N (0, 1)
p(1p)
n
.
Exemplo 14: Suponha que 30% dos estudantes de uma escola sejam mulheres. Colhese uma amostra aleatria de 10 estudantes e calcula-se a proporo amostral de estudantes
do sexo feminino. Qual a probabilidade de que a proporo de estudantes do sexo feminino
na amostra (
p) esteja entre 20% e 50%?
P (X ) = ,
com 0 < < 1 e sendo > 0 o erro amostral mximo que podemos suportar, ambos
valores fixados.
Como X N (, 2 /n), ento
P X = P X = P
n
n
Z
= ,
X
. Logo, podemos obter z/2 da N (0, 1), tal que P (z/2 Z z/2 ) =
/ n
, de modo que
n
,
z/2 =
10
p(1p)
(p), temos que p N p, n
e assim, para e previamente fixados, teremos:
P (|
p p| ) = .
Da,
P (|
p p| ) = P ( p p ) = P q
p(1p)
n
Z q
p(1p)
n
= ,
p p
. Logo, podemos obter z/2 da N (0, 1), tal que P (z/2 Z
onde Z = q
p(1p)
n
p(1p)
n
2
z/2
p(1 p)
2
z/2
1/4
2
z/2
42
1.4
1.4.1
Estimao de Parmetros
Estimao Pontual de Parmetros
1.4.1.1 Introduo
Neste captulo iremos estudar as propriedades de um estimador e a estimao intervalar.
No iremos abordar os mtodos de estimao pontual, mas justificaremos porque X e p
so bons estimadores para a mdia e a proporo, respectivamente. Nosso objetivo ser
construir intervalos de confiana para a mdia e para a proporo populacional a partir das
distribuies de X e p, respectivamente.
1.4.1.2 Propriedades de Estimadores
Considere uma amostra aleatria X1 , X2 , ..., Xn de uma v.a. que descreve alguma
caracterstica de interesse da populao. Seja um parmetro desta populao e um
estimador para , ou seja = T (X1 , X2 , ..., Xn ). Algumas definies so necessrias:
Definio 1.12 (Estimativa). Estimativa o valor assumido pelo estimador em uma
particular amostra.
12
Observao: Considere uma populao com N elementos. Assim, a varincia populacional 2 definida como:
N
1 X
2
=
(Xi )2 ,
N i=1
N
1 X
onde, =
Xi a mdia populacional.
N i=1
=
(Xi X)2 .
n i=1
Pode-se mostrar que este estimador viciado para 2 e E(
2) =
(n 1) 2
. Portanto,
n
2
. Logo, atravs de um simples ajuste em
2 podemos obter um
n
estimador no viciado para 2 . Este estimador
seu vcio B(
2) =
n
1 X
S =
2 =
(Xi X)2 .
n1
n 1 i=1
2
Definio 1.15 (Estimador Consistente). Um estimador consistente se, medida que o tamanho da amostra aumenta, seu valor esperado converge para o parmetro
de interesse e sua varincia converge para zero. Ou seja, consistente se as duas
propriedades abaixo so satisfeitas:
= ;
(i) limn E()
= 0.
(ii) limn V ar()
13
Observao: Se o estimador no viciado para e deseja-se verificar sua consistncia, basta observar a segunda condio da definio acima. Ou seja, um estimador
= 0.
no viciado consistente para se limn V ar()
Definio 1.16 (Eficincia de um Estimador). Dados dois estimadores 1 e 2 ,
no viciados para o parmetro , dizemos que 1 mais eficiente que 2 se V ar(1 ) <
V ar(2 ).
Exemplo 18: Considere X1 , X2 , ..., Xn uma amostra aleatria de uma distribuio
N (, 2 ). Considere os
estimadores
1 = X e
2 = mediana(X1 , X2 , ..., Xn ). Sendo
2
, verifique:
E(
2 ) = e V ar(
2 ) =
2n
a) se
1 e
2 so estimadores consistentes;
b) quem mais eficiente para estimar :
1 ou
2 ?
1.4.2
Estimao Intervalar
At aqui discutimos apenas sobre estimadores pontuais, queles que fornecem como estimativa um nico valor numrico para o parmetro de interesse. Para amostras diferentes
de uma mesma populao podemos encontrar valores diferentes para a estimativa de um
parmetro levando-se em considerao o mesmo estimador, isto porque o estimador uma
varivel aleatria. Assim, em muitas situaes gostaramos de construir uma estimativa
mais informativa para o parmetro de interesse que inclua uma medida de preciso do valor
obtido. Esse mtodo de estimao, denominado intervalo de confiana, incorpora
estimativa pontual do parmetro informaes a respeito de sua variabilidade. Intervalos de
confiana so obtidos atravs da distribuio amostral de seus estimadores.
14
X
N (0, 1).
/ n
e assim,
de onde obtemos
z/2
X
< z/2
<
/ n
= ,
= ,
= .
,
IC(, ) = X z/2 ; X + z/2
n
n
Observe que a expresso IC(, ) envolve a quantidade X que uma varivel aleatria
e, portanto, o intervalo obtido tambm aleatrio. Desta forma, podemos interpretar o
intervalo acima da seguinte maneira: se obtivermos vrias amostras de mesmo tamanho
e para cada uma calcularmos os correspondentes intervalos de confiana com coeficiente
de confiana , esperamos que a proporo de intervalos que contenham o valor de seja
igual a .
Exemplo 19: Suponha que os comprimentos de jacars adultos de uma certa raa
siga o modelo normal com mdia desconhecida e varincia igual a 0,01 m2 . Uma amostra
de dez animais foi sorteada e forneceu mdia 1,69 m. Encontre um intervalo com 95% de
confiana para o parmetro desconhecido .
15
p(1 p)
p N p,
.
n
Assim, um intervalo de confiana para p com nvel de confiana dado por
!
r
r
p(1 p)
p(1 p)
IC(p, ) = p z/2
; p + z/2
.
n
n
Como p desconhecido, o intervalo ainda no pode ser calculado diretamente. Uma possvel
soluo substituirmos p(1 p) por p(1 p). Portanto, o intervalo ser:
!
r
r
p(1 p)
p(1 p)
; p + z/2
IC1 (p, ) = p z/2
.
n
n
Outra soluo possvel, baseada no fato que a expresso p(1 p) tem valor mximo
igual a 1/4, quando 0 p 1. Nesse caso, podemos obter um intervalo de confiana
substituindo p(1 p) por 1/4:
r !
r
1
1
; p + z/2
IC2 (p, ) = p z/2
.
4n
4n
16
Exemplo 22: Em uma linha de produo de certa pea mecnica, colheu-se uma
amostra de 100 itens, constatando-se que 4 peas eram defeituosas. Construir um IC para
a proporo de itens defeituosos na populao com confiana de 90%.
17
fn (t) =
(n/2) n
onde (p) =
R
0
xp1 ex dx,
t2
1+
n
(n+1)/2
, < t < ,
Observaes:
(i) Notao: T t(n) ;
(ii) Essa distribuio leva este nome em homenagem ao estatstico ingls W.S. Gosset,
que publicou sua pesquisa sob o pseudnimo de Student;
(iii) O grfico de fn (t) simtrico em torno de 0. Ele se assemelha ao grfico da distribuio normal padro, em verdade, mostra-se que
1
2
lim fn (t) = et /2 .
2
1 X
onde S =
(Xi X)2 .
n 1 i=1
2
(X )
t = ,
P
S/ n
18
S
S
X t ; X + t
.
n
n
Exemplo 23: Numa grande empresa uma amostra aleatria de 20 empregados forneceu
a idade mdia igual a 32,8 anos e desvio padro 5,3 anos. Estimar a idade mdia de todos
os empregados da empresa com uma confiana de 99%.
19
1a LISTA DE EXERCCIOS
1 - Considerando a populao de alunos do exemplo 5, faa uma amostragem estratificada proporcional de tamanho 8, usando o sexo como varivel estratificadora. Utilize,
para isto, a tabela de nmeros aleatrios. Para o estrato SEXO FEMININO, utilize a
sexta coluna; para o estrato SEXO MASCULINO, utilize a segunda linha. (Percorra
a tabela da esquerda para a direita e de baixo para cima).
2 - Numa pesquisa para estudar a preferncia do eleitorado a uma semana da eleio
presidencial, qual o tamanho de uma amostra aleatria simples de eleitores, que
garanta, com alta confiana, um erro amostral no superior a 2%?
3 - Numa empresa com 1000 funcionrios, deseja-se estimar a percentagem de funcionrios favorveis a um certo programa de treinamento. Qual deve ser o tamanho
de uma amostra aleatria simples, que garanta, com alto nvel de confiana, um erro
amostral no superior a 5%?
4 - Considere as seguintes situaes:
a) Em uma pesquisa, feita pela EMPETUR com 1015 pousadas escolhidas aleatoriamente, 269 (ou 26,5%) possuam Home-page na Internet para divulgao e prestao
de servios ao turista.
b) Outra pesquisa feita entre as 50 Agncias de Viagens de uma certa localidade
mostra que 42 (ou 84%) prestam servios pela Internet.
Identifique em qual das situaes ns temos um exemplo de Parmetro e outro de
Estatstica (no sentido de medida). Justifique sua resposta.
5 - Considere a distribuio de probabilidade de uma populao apresentada na seguinte
tabela:
Valor da varivel X Probabilidade
2
1/3
1/3
3
4
1/3
Baseado nesta distribuio populacional:
a) Calcule a distribuio da mdia amostral (X) de todas as amostras aleatrias de
tamanho 2 dessa populao.
b) Com base na distribuio amostral calcule a mdia e a varincia de X. Resp.: 3
e 1/3
20
b1 = 12 X1 + 12 X2
b2 = 14 X1 + 34 X2 .
a) Qual ou quais dos estimadores acima so no-viesados para . Resp.: Os dois
b) Qual dos dois estimadores acima o melhor? Justifique. Resp.:
b1
13 - Suponha um experimento consistindo de n provas de Bernoulli, com probabilidade de
sucesso p. Seja X o nmero de sucessos, e considere os estimadores:
(i) p1 =
(ii) p2 =
X
n
21
14 - De uma populao normal com varincia igual a 16, levantou-se uma amostra,
obtendo-se as observaes: 10, 5, 10, 15. Determinar, com confiana de 87%,
um IC para a mdia da populao.
Resp.: (6,98; 13,02)
15 - A experincia com trabalhadores de uma certa indstria indica que o tempo necessrio
para que um trabalhador, aleatoriamente selecionado, realize uma tarefa distribudo
de maneira aproximadamente normal, com desvio padro de 12 minutos. Uma
amostra de 25 trabalhadores forneceu x = 140 min. Determinar os limites de confiana de 95% para a mdia da populao de todos os trabalhadores que fazem
aquele determinado servio. Qual o erro cometido ao estimarmos este intervalo de
confiana?
Resp.: (135,3; 144,7)
16 - Em uma pesquisa de opinio, entre 600 pessoas pesquisadas, 240 responderam sim
a determinada pergunta. Estimar a porcentagem de pessoas com essa mesma opinio
na populao, dando um intervalo de 95% de confiabilidade.
Resp.: (36,08%; 43,92%)
17 - Colhida uma amostra de 30 peas, forneceu os seguintes pesos:
250, 265, 267, 269, 271, 275, 277, 281, 283, 284,
287, 289, 291, 293, 293, 298, 301, 303, 306, 307,
307, 309, 311, 315, 319, 322, 324, 328, 335, 339.
22
23
Pgina
274
275
276
281
283
Captulo 11 (Estimao)
Problema
15, 16, 17 e 18
20 e 21
23 e 24
27, 28, 29 e 30
44 e 45
Pgina
308
309
317
318
322
24
2
2.1
Teste de Hipteses
Introduo
At o presente momento consideramos o problema de estimarmos um parmetro desconhecido da populao tanto pontualmente como atravs de um intervalo de confiana.
Apresentaremos agora, outra maneira de tratar o problema de fazer uma afirmao sobre
um parmetro desconhecido. Em vez de procurarmos uma estimativa do parmetro, frequentemente nos parecer conveniente admitir um valor hipottico para ele e, depois, utilizar
a informao da amostra para confirmar ou rejeitar esse valor hipottico.
A construo de um teste de hipteses, para um parmetro populacional, pode ser
colocada do seguinte modo: existe uma varivel X associada a dada populao e tem-se
uma hiptese sobre determinado parmetro dessa populao. Por exemplo, afirmamos
que o verdadeiro valor de 0 . Colhe-se uma amostra aleatria de elementos dessa
populao, e com ela deseja-se comprovar ou no tal hiptese.
Iniciamos a anlise explicitando claramente qual a hiptese que est sendo colocada
prova e a chamamos de hiptese nula, e escrevemos
H0 : = 0 .
Convm explicitar a hiptese que ser considerada aceitvel, caso H0 seja rejeitada.
A essa hiptese chamamos de hiptese alternativa. Formularemos, ento, duas hipteses
bsicas:
H0 : hiptese nula
H1 : hiptese alternativa
Geralmente, a hiptese H0 a hiptese a ser testada. Caso rejeitemos H0 , a hiptese H1
ser considerada aceitvel.
2.2
2.2.1
Definies Bsicas
Tipos de Testes
1. Teste bilteral
H0 : = 0
H1 : 6= 0
2. Teste unilateral direita
H0 : = 0
H1 : > 0
3. Teste unilateral esquerda
H0 : = 0
H1 : < 0
2.2.2
Tipos de Erros
Qualquer que seja a deciso tomada, estamos sujeitos a cometer erros. Neste caso, os
possveis erros sero
Erro de tipo I: rejeitar a hiptese nula quando essa verdadeira. Chamamos de a
probabilidade de cometer esse erro, isto ,
= P (erro do tipo I) = P (rejeitar H0 |H0 verdadeira)
Erro de tipo II: no rejeitar a hiptese nula quando essa falsa. A probabilidade de
cometer esse erro denotada por , logo
= P (erro do tipo II) = P (no rejeitar H0 |H0 falsa)
26
2.2.3
27
2.2.4
2.3
Vamos aplicar o procedimento geral para o caso em que queremos testar uma hiptese
sobre a mdia de uma populao que tem varincia conhecida.
(i) Definio das hipteses:
H 0 : = 0
a)
H1 : 6= 0
H 0 : = 0
b)
H1 : > 0
H 0 : = 0
c)
H1 : < 0
(ii) Escolha da Estatstica para o teste
Pn
i=1 Xi
Neste caso, utilizaremos a estatstica X =
. Assim, pelo T.C.L. sabemos
n
que
X
N (0, 1).
/ n
(iii) Fixado o nvel de significncia do teste () e supondo H0 verdadeira, podemos construir a regio crtica do teste como:
a) RC = x; P X 0 z 1 ou X 0 + z 1
=
2
2
n
n
= ; 0 z 1
0 + z 1 ; .
2
2
n
n
28
A regio crtica tambm pode ser escrita em termos de valores padronizados, ou seja
n
o i
i
h
h
RCp = z; P |Z| z 1 = = ; z 1 z 1 ; .
2
b) RC = x; P X 0 + z 12
= = 0 + z 12 ; . Ou ento,
2
2
n
n
n
o h
h
RCp = z; P Z > z 12 = ) = z 12 ; .
2
c) RC = x; P X 0 z 12
= = ; 0 z 12 . Ou en2
2
n
n
to,
o i
i
n
RCp = z; P Z z 12 = ) = ; z 12 .
2
(iv) Estatstica
Pn de teste: dada uma amostra de tamanho n, a estatstica de teste ser
i=1 xi
x0 =
, ou ento, considerando o intervalo com valores padronizados, a
n
estatstica de teste ser:
x 0 0
.
z0 =
/ n
(v) Concluso: se x0 RC ou z0 RCp , rejeitamos H0 , caso contrrio, no rejeitamos
H0 .
Exemplo 3: Seja X uma populao normal com varincia 36. Dessa populao,
toma-se uma
amostra de tamanho 16, obtendo-se x = 43. Ao nvel de 10%, testar as
H0 : = 45
hipteses:
H1 : 6= 45
Exemplo 4: A associao dos proprietrios de indstrias metalrgicas est muito preocupada com o tempo perdido com acidentes de trabalho, cuja mdia, nos ltimos tempos,
tem sido da ordem de 60 horas/homem por ano e desvio padro de 20 horas/homem.
Tentou-se um programa de preveno de acidentes, aps o qual foi tomada uma amostra
de nove indstrias e medido o nmero mdio de horas/homem perdidas por acidente, que
foi de 50 horas. Voc diria, no nvel de 1%, que h evidncia de melhoria?
29
2.4
Consideraremos uma populao X onde X = 1 com probabilidade p e X = 0 com probabilidade 1 p. Assim, a estatstica de teste ser a proporo amostral p. Pelo T.C.L.
sabemos que
p(1 p)
p N p,
.
n
Assim, podemos aplicar o teste de hipteses seguindo os seguintes passos:
1. Retirada uma amostra aleatria de tamanho n dessa populao queremos testar
hipteses do tipo:
H0 : p = p0
a)
H1 : p 6= p0
H0 : p = p0
b)
H1 : p > p 0
H0 : p = p 0
c)
H1 : p < p 0
2. Portanto, dado um nvel de significncia a regio crtica do teste ser respectivamente:
"
#
"
#
r
r
p0 (1 p0 )
p0 (1 p0 )
a) RC = 0, p0 z 1
p0 + z 1
,1 .
2
2
n
n
"
#
r
p0 (1 p0 )
b) RC = p0 + z 12
,1 .
2
n
"
#
r
p0 (1 p0 )
c) RC = 0, p0 z 12
.
2
n
Onde z um valor tabelado tal que P (0 Z z ) = e Z N (0, 1).
3. A estatstica de teste p avaliada em uma amostra particular.
30
2.5
Consideraremos agora, o caso em que queremos testar hipteses sobre a mdia de uma
populao com distribuio normal, porm, com varincia desconhecida. Para isso, teremos
que estimar a varincia atravs da estatstica S 2 . Alm disso, utilizaremos o fato de que
(X )
t(n1) .
S/ n
Assim, a estatstica do teste ser T =
(X )
.
S/ n
H 0 : = 0
a)
H1 : 6= 0
H 0 : = 0
b)
H1 : > 0
H 0 : = 0
c)
H1 : < 0
2. Fixado um nvel de significncia , a regio crtica do teste ser dada respectivamente
por:
S
S
a) RC = , 0 t
0 + t , .
n
n
S
b) RC = 0 + t2 , .
n
S
c) RC = , 0 t2 .
n
Onde t um valor tabelado tal que P (|T | < t ) = 1 e T t(n1) .
3. A estatstica de teste dada por X avaliada em uma amostra particular.
Exemplo 6: Um teste de resistncia ruptura feito em seis cordas acusou resistncia
mdia de 3530kg com desvio-padro de 66kg. O fabricante afirma que seu produto tem
resistncia mdia de 3650 kg. Pode-se justificar a alegao do fabricante, ao nvel de 1%?
Exemplo 7: Um fabricante afirma que seus cigarros contm no mais que 30 mg de
nicotina. Uma amostra de 25 cigarros fornece mdia de 31,5 mg e desvio padro de 3 mg.
Ao nvel de 5%, testar a afirmao do fabricante.
31
2.6
Teste de Hiptese sobre a Igualdade Mdias de Duas Populaes Normais Independentes com Varincias Conhecidas
Y N (Y , Y2 ),
2
onde X e Y so desconhecidos e X
e Y2 so conhecidos.
H0 : X = Y
versus
H1 : X 6= Y ou
H1 : X > Y ou
H 1 : X < Y ,
versus
6 0 ou
H 1 : X Y =
H1 : X Y > 0 ou
H1 : X Y < 0.
ou equivalentemente
H 0 : X Y = 0
H 0 : X Y = 0
a)
H1 : X Y 6= 0
H 0 : X Y = 0
b)
H 1 : X Y > 0
H 0 : X Y = 0
c)
H 1 : X Y < 0
(ii) Escolha da Estatstica para o teste
Neste caso, utilizaremos a estatstica X Y . Da, temos que
X Y N
2
2
X Y , X + Y
nX
nY
(X Y ) (X Y )
X Y
q 2
q
=
N (0, 1)
2
2
2
X
Y
X
Y
+
+
nX
nY
nX
nY
32
(iii) Fixado o nvel de significncia do teste () e supondo H0 verdadeira, podemos construir a regio crtica do teste como:
q 2
q 2
2
2
Y
Y
X
X
a) RC = x y; P X Y z 1 nX + nY ou X Y z 1 nX + nY = =
2
2
q 2
q
2
2
2
; z 1 nXX + nYY z 1 nXX + nYY ; .
2
A regio crtica tambm pode ser escrita em termos de valores padronizados, ou seja
n
o i
i
h
h
RCp = z; P |Z| z 1 = = ; z 1 z 1 ; .
2
q 2
b) RC = x y; P X Y z 12 nXX +
2
Ou ento,
2
Y
nY
q 2
= z 12 nXX +
2
2
Y
nY
; .
o h
h
n
RCp = z; P Z > z 12 = ) = z 12 ; .
2
q 2
c) RC = x y; P X Y z 12 nXX +
2
2
Y
nY
= ; z 12
2
2
X
nX
Ou ento,
o i
i
n
RCp = z; P Z z 12 = ) = ; z 12 .
2
P X
P Y
xi n1Y ni=1
yi , ou ento, considerando
(iv) A estatstica de teste ser x0 y0 = n1X ni=1
o intervalo com valores padronizados, a estatstica de teste ser:
x0 y 0
z0 = q 2
.
2
Y
X
+ nY
nX
(v) Concluso: se x0 y0 RC ou z0 RCp , rejeitamos H0 , caso contrrio, no
rejeitamos H0 .
33
2
Y
nY
2.7
Y N (Y , Y2 ),
H0 : X = Y
versus
H1 : X 6= Y ou
H1 : X > Y ou
H 1 : X < Y ,
versus
H1 : D = X Y 6= 0 ou
H1 : D = X Y > 0 ou
H1 : D = X Y < 0.
equivalentemente a testar
H0 : D = X Y = 0
H 0 : D = 0
a)
H1 : D 6= 0
H 0 : D = 0
b)
H 1 : D > 0
H 0 : D = 0
c)
H 1 : D < 0
(ii) Escolha da Estatstica para o teste
Neste caso, a estatstica apropriada X Y = D. Da, temos que
34
T =
(X Y ) (X Y )
D D
q
=
t(n1) ,
Sd
2
Sd
n
D
SD
1
n
1
n1
Pn
i=1
Pn
i=1 (Di
D)2
ou
1
n1
SD =
hP
n
i=1
Di2
1
n
i
Pn
2
( i=1 Di ) ,
Di .
(iii) Fixado o nvel de significncia do teste () e supondo H0 verdadeira, podemos construir a regio crtica do teste como:
o i
i h
h
n
SD
SD
SD
SD
ou
=
=
,
t
t
,
.
a) RC = d; P D t
D
t
n
n
n
n
A regio crtica tambm pode ser escrita em termos de valores padronizados, ou seja
RCp = {t; P (|T | < t ) = 1 } = ]; t ] [t ; [ ;
n
o h
h
SD
SD
b) RC = d; P D t2
=
=
t
,
. Ou ento,
2 n
n
RCp = {t; P (T t2 ) = } = [t2 ; [ ;
o i
i
n
SD
SD
=
,
t
c) RC = d; P D t2
2 n . Ou ento,
n
RCp = {t; P (T t2 ) = } = ]; t2 ] ;
onde t um valor tabelado tal que P (|T | < t ) = 1 e T t(n1) .
P
(iv) A estatstica de teste ser d0 = n1 ni=1 di , ou ento, considerando o intervalo com
valores padronizados, a estatstica de teste ser:
t0 =
d0
Sd
35
36
2a LISTA DE EXERCCIOS
1 - A tenso de ruptura de cabos fabricados por uma empresa apresenta distribuio
normal, com mdia 1800 kg e desvio padro de 100 kg. Mediante uma nova tcnica
de produo, proclamou-se que a tenso de ruptura teria aumentado. Para testar essa
declarao, ensaiou-se uma amostra de 50 cabos, obtendo-se como tenso mdia de
ruptura 1850 kg. Pode-se aceitar a proclamao ao nvel de 5%?
2 - Um exame padro de inteligncia tem sido usado por vrios anos com mdia de 80
pontos e desvio padro de 7 pontos. Um grupo de 25 estudantes ensinado, dando-se
nfase resoluo de testes. Se esse grupo obtem mdia de 83 pontos no exame, h
razes para se acreditar que a nfase dada melhorou o resultado do teste ao nvel de
10%?
3 - A fora de rompimento de uma fibra txtil uma varivel aleatria distribuda normalmente. As especificaes exigem que a fora mdia de rompimento seja igual a 150
psi. O fabricante gostaria de detectar qualquer afastamento significante desse valor.
Uma amostra de 15 espcimes de fibra forneceu fora mdia de rompimento 152, 18
psi e varincia 16, 63 psi2 . O que se pode concluir, ao nvel de 5% de significncia?
4 - Sempre que o aumento mdio da temperatura da gua em uma cmara compressora
superar 5 C, o processo de resfriamento deve ser recalibrado. Este processo ,
entretanto, caro e, portanto, deve ser feito apenas se for realmente necessrio. Em
8 experimentos independentes com a cmara, foi obtida uma mdia 5, 65 C e um
desvio padro 0, 81 C. Estes dados sugerem a necessidade de recalibrao? (Use
= 0,05)
5 - Estamos desconfiados de que a mdia das receitas municipais per capita das cidades
pequenas (0-20.000 habitantes) maior do que a das receitas do estado, que de 1229
unidades. Para comprovar ou no essa hiptese, sorteamos dez cidades pequenas,
e obtivemos os seguintes resultados: 1230; 582; 576; 2093; 2621; 1045; 1439; 717;
1838; 1359.
obs: Para facilitar os clculos, informamos que a soma das observaes 13500, e a
soma dos quadrados das observaes 22335650.
a) Mostre que o teste de hiptese usado, com = 0, 05, levar aceitao de que
a receita mdia das cidades pequenas igual do estado.
b) Voc no acha estranha essa concluso quando observa que a mdia da amostra
obtida bem maior do que a mdia do estado? Como voc explicaria isso?
6 - Uma companhia de cigarros anuncia que o ndice mdio de nicotina dos cigarros que
fabrica apresenta-se abaixo de 23 mg por cigarro. Um laboratrio realiza seis anlises
desse ndice, obtendo: 27, 24, 21, 25, 26, 22. Sabe-se que o ndice de nicotina se
distribui normalmente, com varincia igual a 4,86 mg 2 . Pode-se aceitar, ao nvel de
10%, a afirmao do fabricante?
7 - Um certo tipo de rato apresenta, nos trs primeiros meses de vida, um ganho mdio
de peso de 58g. Uma amostra de 10 ratos foi alimentada desde o nascimento at a
37
idade de 3 meses com uma rao especial, e o ganho de peso de cada rato foi: 55,
58, 60, 62, 65, 67, 54, 64, 62 e 68. H razes para crer, ao nvel de 5%, que a rao
especial aumenta o peso nos trs primeiros meses de vida?
8 - De uma populao normal levantaram-se os seguintes dados:
Classes
1`3
3`5
5`7
7`9
9 ` 11
11 ` 13
13 ` 15
ni
1
5
13
14
10
5
2
9,9 9,4
10,2 10,6
9,3 9,6
10,7 10,4
Os dados justificam a afirmao de que a taxa mdia de ataque seja a mesma para
ambas as solues? Considere que ambas as populaes tenham varincias iguais a
0, 1(103 polegadas/min)2 e use = 0, 05.
18 - Dois fornecedores fabricam uma engrenagem de plstico em uma impressora a laser. A
resistncia de impacto (medida em libras-p) dessas engrenagens uma caracterstica
importante. Uma amostra aleatria de 10 engrenagens do fornecedor 1 resulta em
x = 289, 3, enquanto a outra amostra aleatria de 16 engrenagens do fornecedor 2
resulta em y = 321, 5. Sabendo que X = 22, 5 e Y = 21, h evidncia justificando
a afirmao de que o fornecedor 2 fornece engrenagens com maiores resistncias
mdias de impacto? Use = 0, 05 e considere que ambas as populaes sejam
normalmente distribudas.
19 - Dez indivduos participaram de um programa de modificao alimentar para estimar a
perda de peso. Seus pesos antes e depois da participao no programa so mostrados
na lista a seguir. H evidncia para justificar a afirmao de que esse programa
particular de modificao alimentar seja efetivo na reduo do peso mdio? Use
= 0, 05.
39
Peso
Indivduo Antes
1
195
2
213
3
247
4
201
5
187
6
210
7
215
8
246
9
294
10
310
Depois
187
195
221
190
175
197
199
221
278
285
20 - Dois diferentes testes analticos podem ser usados para determinar o nvel de impureza
em ligas de ao. Oito espcimes so testados usando ambos os procedimentos, sendo
os resultados mostrados na tabela a seguir. H evidncia suficiente para concluir que
ambos os testes fornecem o mesmo nvel mdio de impureza? Use = 0, 01.
Espcime
1
2
3
4
5
6
7
8
Teste 1 Teste 2
1,2
1,4
1,3
1,7
1,5
1,5
1,4
1,3
1,7
2,0
1,8
2,1
1,4
1,7
1,3
1,6
Gabarito
1) RC = [1823, 19; +)
2) RC = [81, 792; +)
3) RC = (; 147, 74] [152, 26; +)
4) RC = [5, 54; +)
5) a) RC = [1620, 74; +)
6) RC = [24, 152; +)
7) RC = [60, 76; +)
8) RC = (; 6, 25] [7, 75; +)
9) RC = (; 98, 0015] [101, 9985; +)
10) RC = [0; 0, 402] [0, 598; 1]
40
11)
12)
13)
14)
15)
16)
17)
18)
19)
20)
RC
RC
RC
RC
RC
RC
RC
RC
RC
RC
= [0; 0, 8506]
= [0; 0, 5432]
= (; 1, 8594] [1, 8594; +)
= (; 0, 1088] [0, 1088; +)
= (; 0, 4243] [0, 4243; +)
= (; 2, 3199]
= (; 0, 277] [0, 277; +)
= (; 14, 501]
= [3, 7166; +)
= (; 0, 2136] [0, 2136; +)
Pgina
330
334
337
350
351
353
Pgina
365
380
41