Вы находитесь на странице: 1из 876

E

S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Rui Campos de Guimares
Jos A. Sarsfield Cabral
Bernardo Lobo
CD Resoluo dos Problemas
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Introduo
Resoluo dos Problemas
Formulrio
Endereos electrnicos
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
McGraw-Hill
Introduo
O CD que acompanha a 2. edio do Estatstica foi concebido para apoiar o leitor
no seu processo de aprendizagem e, simultaneamente, permitir aferir o grau de
compreenso dos conceitos expostos no texto. Nele se incluem as resolues
dos problemas propostos no final de cada captulo (com trs nveis opcionais de
detalhe), um formulrio e um conjunto de endereos electrnicos de interesse.
A compreenso e a apreenso do alcance dos conceitos e das tcnicas e mtodos
estatsticos beneficiam largamente com a prtica de resoluo de problemas.
Por outro lado, o processo de aprendizagem ainda mais eficaz quando assenta
em trabalho individual. Neste sentido, para cada problema apresentado no texto,
o leitor encontrar na seco Resoluo dos Problemas trs opes interactivas
para apoiar o seu estudo:
(a) apenas resultado (apoio 1),
(b) sugesto (apoio 2), e
(c) resoluo completa (apoio 3).
Se o leitor se sentir suficientemente amadurecido para resolver o problema sem
ajuda adicional bastar verificar se o resultado que obtm corresponde quele
que indicado no apoio 1.
Alternativamente, se no for capaz de atacar imediatamente o problema, ou se o
resultado no estiver correcto, deve socorrer-se do apoio 2. Neste segundo nvel
incluem-se vrios tipos de ajuda indicaes pertinentes, reviso de conceitos,
sugestes que orientam o estudo e facilitam a estruturao da resoluo.
A opo apoio 2 constitui assim um convite para que o leitor aprenda por si prprio,
consolidando conhecimentos porventura ainda mal assimilados.
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
O apoio 3 corresponde resoluo detalhada do problema. O leitor dever recorrer
a esta opo para confrontar o seu modo de resolver o problema com aquele que
sugerido pelos autores, ou, no caso de ter esgotado sem sucesso os outros
nveis de apoio, analisar em pormenor os passos necessrios para a soluo do
problema.
Na seco Resoluo dos Problemas sugere-se frequentemente que o leitor recorra
s opes de Estatstica da aplicao Microsoft Excel. Optou-se pela verso em
lngua inglesa (embora esteja disponvel uma equivalente em portugus) por se
acreditar que aquela tem uma maior divulgao. De qualquer maneira,
a correspondncia da verso em ingls para a em portugus no colocar
dificuldades significativas.
O Formulrio constitui outro elemento importante para apoiar o leitor na
resoluo de problemas. Ao contrrio do que habitual, no se limita a apresentar
as expresses que constam no texto. De facto, para cada captulo, as expresses
so associadas aos conceitos a que dizem respeito, facilitando assim quer o
confronto de alternativas, quer a compreenso do contexto no qual devem ser
aplicadas.
Finalmente, na seco Endereos Electrnicos o leitor encontrar uma coleco
de stios abrangendo temticas ligadas aprendizagem da Estatstica, sua
prtica, ao seu ensino, vida e obra dos seus principais protagonistas e, ainda,
sua histria. A maioria dos endereos remete para stios nos quais o leitor
encontrar uma vastssima gama de animaes grficas (applets) que permitem
visualizar os principais conceitos da Estatstica. Estes applets constituem um meio
muito eficaz e divertido de aprendizagem, merecendo que o leitor lhes dedique
algum do seu tempo de estudo. No seu conjunto, a lista de endereos encerra um
universo de conhecimentos que, independentemente do nvel de informao que
o leitor possua, vale a pena explorar.
McGraw-Hill
CAPTULO 2
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Captulos
2 3 4 5 6 7 8 9 10 11 12 13 14
CAPTULO 2
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Captulo 2
Problemas
2.1 2.2 2.3 2.4 2.5 2.6 2.7 2.8
Apoio 1
(apenas o
resultado)
n.a. n.a. n.a. n.a. n.a. n.a. n.a. n.a.
Apoio 2
(sugesto)
Apoio 3
(resoluo
completa)
Captulos

n.a. = no aplicvel
CAPTULO 2
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 2.1
Apoio 2 (sugesto)
Para efectuar comparaes entre modelos podem ser utilizados todos os tipos de escala, excepto
a nominal.

CAPTULO 2
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 2.1
Apoio 3 (resoluo completa)
(i) Consumo de combustvel
escala ordinal: consumo elevado, mdio ou baixo
escala absoluta: consumo expresso em litros aos 100 km.
(ii) Conforto
escala ordinal: rudo elevado, mdio ou baixo
escala absoluta: rudo expresso em decibis.
(iii) Segurana na travagem
escala ordinal: segurana reduzida, considervel ou elevada
escala absoluta: distncia requerida para parar o veculo a 100 km/h.
Em princpio, os dados expressos numa escala absoluta fornecem mais informao do que
aquela que contida em dados expressos noutra escala (de facto, os dados expressos numa
escala absoluta podem ser expressos numa escala de intervalo ou numa escala nominal).
No entanto, necessrio que quem utiliza os dados saiba interpretar a informao que encerram.
Por exemplo, o rudo dentro da cabine, se expresso em decibis, pode ser convertido em rudo
elevado, mdio ou baixo. No entanto, o cidado comum percebe mais facilmente o significado
de rudo elevado dentro do habitculo de um automvel do que rudo de 15 decibis.

CAPTULO 2
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 2.2
Apoio 2 (sugesto)
A forma mais comum de descrever amostras univariadas com dados expressos numa escala nominal
recorrer a tabelas de frequncias, a diagramas de barras ou a diagramas circulares.

CAPTULO 2
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 2.2
Apoio 3 (resoluo completa)
Os dados apresentados na tabela do enunciado do problema esto expressos numa escala nominal.
A forma mais comum de descrever amostras univariadas com este tipo de dados recorrer a
tabelas de frequncias, a diagramas de barras ou a diagramas circulares.
Apresentam-se seguidamente uma tabela de frequncias, um diagrama de barras e um diagrama
circular, que permitem pr em evidncia a importncia relativa das diferentes categorias de
alunos.
(i) Tabela de frequncias
Faculdade (k)
Frequncia absoluta
(N
k
)
Frequncia
relativa (f
k
)
Psicologia (P) 8 0.110
Engenharia (E) 29 0.390
Letras (L) 13 0.178
Farmcia (F) 7 0.096
Medicina (M) 3 0.041
Outras (O) 13 0.178
Total N = 73 1.000
Note-se que N N
k
k
K
=
=

1
e que
f
N
N
k
k
=
.
CAPTULO 2
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
(ii) Diagramas de barras
8
29
13
7
3
13
0
5
10
15
20
25
30
35
P E L F M O
Faculdade
F
r
e
q
u

n
c
i
a

a
b
s
o
l
u
t
a

11,0%
39,7%
17,8%
9,6%
4,1%
17,8%
0%
10%
20%
30%
40%
50%
Faculdade
F
r
e
q
u

n
c
i
a

r
e
l
a
t
i
v
a

(
%
)
P E L F M O
CAPTULO 2
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
(iii) Diagrama circular
Frequncia relativa (%)
11,0%
39,7%
17,8%
9,6%
4,1%
17,8%
P
E
L
F
M
O
Quer a tabela de frequncias quer estes diagramas podem ser facilmente obtidos a partir do
programa Microsoft Excel. Em primeiro lugar, devem preencher-se as clulas da folha de
clculo como se indica na figura:
Seguidamente, constitui-se a lista das faculdades (note-se que a lista nominal) preen-
chendo-se as clulas necessrias (ver figura seguinte). Para calcular as frequncias absolutas
utiliza-se a funo COUNTIF aplicada ao conjunto de clulas que contm os dados, para cada
uma das abreviaturas associadas s faculdades P, E, , O (ver figura seguinte).
CAPTULO 2
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o

CAPTULO 2
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 2.3
Apoio 2 (sugesto)
Construa um diagrama de box-and-whisker, medidas amostrais (ou estatsticas), tabela de
frequncias, histograma e polgono de frequncias acumuladas. Note que para os trs ltimos
necessrio agrupar os dados em classes (considere classes de igual amplitude).

CAPTULO 2
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 2.3
Apoio 3 (resoluo completa)
Apresentam-se seguidamente as medidas amostrais (ou estatsticas).
Dimenso da amostra 64
Mdia 1787.88
Mediana 1021
Moda 444
*

Desvio padro (s) 1914.95
Varincia (s
2
) 3.66705
.
E6
Kurtose (g
2
) 2.12
Assimetria (g
1
) 1.74
Amplitude 7398
Mnimo 97
Mximo 7495
1. Quartil 536
3. Quartil 2258.75
Amplitude interquartil 1722.75
* Existem mltiplas modas. Apresenta-se o valor mnimo.
Recorda-se que
s
N
x x
n
n
N
=
-
-
( )
=

1
1
2
1
CAPTULO 2
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Por outro lado, seja
m
N
x x
i n
i
n
N
= -
( )
=

1
1
o momento centrado de ordem i. A varincia amostral pode ser calculada por
s
N
N
m
2
2
1
=
-

Adicionalmente,
g
s
N
N N
m
1
3
2
3
1
1 2
=
- ( ) - ( )

e
g
s
N N
N N N
m
N
N N
s
2
4
2
4
2
4
1
1
1 2 3
3 1
2 3
=
+ ( )
- ( ) - ( ) - ( )
-
- ( )
- ( ) - ( )

As medidas amostrais podem ser facilmente obtidas a partir do programa Microsoft Excel.
Em primeiro lugar, introduzem-se os dados na folha de clculo. Em seguida, acciona-se o
menu Tools e, dentro das opes disponveis, escolhe-se Data Analysis (se esta opo
no estiver visvel, selecciona-se Add-Ins, seguidamente Analysis Tool Pack e prime-se
o boto OK). Dentro da opo Data Analysis escolhe-se Descriptive Statics. Dever
CAPTULO 2
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
surgir a janela seguinte, na qual se dever activar Summary statistics (indicando em Input
Range as clulas que contm os dados e em Output Range as clulas que devero ser
ocupadas pelos resultados).

Activar
Na sequncia desta operao surgir a seguinte listagem:
Column1
Mean 1787,875
Standard Error 239,3693014
Median 1021
Mode 444
Standard Deviation 1914,954411
Sample Variance 3667050,397
Kurtosis 2,121334946
Skewness 1,73715751
Range 7398
Minimum 97
Maximum 7495
Sum 114424
Count 64
CAPTULO 2
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
No diagrama do tipo caixa (box-and-whisker plot) representam-se graficamente a mediana,
o primeiro quartil, o terceiro quartil e os valores mximo e mnimo dos dados.
0 2000 4000 6000 8000
Compras
Note que este diagrama no pode ser obtido atravs do programa Microsoft Excel.
(i) Tabela de frequncias
Para construir a tabela de frequncias (e tambm para o histograma e polgono de frequncias)
deve, sempre que possvel, definir-se clulas de igual amplitude e em nmero aproximadamente
igual raiz quadrada do nmero de dados. Neste caso, as clulas foram definidas da seguinte
forma:
1. amplitude da amostra:
A x x
n n
=
( )
-
( )
= - = 7398
max min
7496 97
CAPTULO 2
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
2. amplitude das clulas: para amplitudes de 1000, 2000 e 3000 obter-se-iam os valores
indicativos
A
1000
7 40 = . ,

A
2000
3 70 = . e
A
5000
1 48 = .
3. nmero de clulas (K): para clulas com igual amplitude recorre-se, tipicamente, seguinte
regra:
K N N. de dados
o
( ).
Finalmente, tudo ponderado, decidiu-se adoptar o nmero de clulas K = = 64 8, com
amplitude de 1000 (iniciando a tabela em 0 e terminando em 8000, garantindo a cobertura de
todos os valores observados). Note-se que h vantagens bvias em associar s clulas ampli-
tudes expressas por nmeros redondos.
Compras [euros]
Frequncia
absoluta
Frequncia absoluta
acumulada
Frequncia
relativa
Frequncia relativa
acumulada
]0; 1000] 32 32 0.5000 0.5000
]1000; 2000] 14 46 0.2188 0.7188
]2000; 3000] 7 53 0.1094 0.8281
]3000; 4000] 3 56 0.0469 0.8750
]4000; 5000] 2 58 0.0313 0.9063
]5000; 6000] 0 58 0.0000 0.9063
]6000; 7000] 5 63 0.0781 0.9844
]7000; 8000] 1 64 0.0156 1.0000
CAPTULO 2
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
(ii) Histograma
0 2000 4000 6000 8000
Compras
0
10
20
30
F
r
e
q
u

n
c
i
a

a
b
s
o
l
u
t
a

32
14
7
3
2
5
1
0
(iii) Polgono de frequncias acumuladas
0%
25%
50%
75%
100%
0 1000 2000 3000 4000 5000 6000 7000 8000
Compras
F
r
e
q
u

n
c
i
a

r
e
l
a
t
i
v
a

a
c
u
m
u
l
a
d
a

CAPTULO 2
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
O histograma de frequncias e o respectivo polgono de frequncias acumuladas, podem
igualmente ser obtidos com auxlio do programa Microsoft Excel. Em primeiro lugar,
introduzem-se os dados na folha de clculo e cria-se uma coluna com os valores referentes aos
limites superiores de cada classe. Em seguida, acciona-se o menu Tools e, dentro das opes
disponveis, escolhe-se Data Analysis (se esta opo no estiver visvel, selecciona-se
sucessivamente Add-Ins, Analysis ToolPack e prime-se OK). Dentro da opo Data
Analysis escolhe-se Histogram. Dever surgir a janela que se apresenta na figura seguinte,
na qual se selecciona Summary statistics (indicando em Input Range as clulas que contm
os dados, em Bin Range as clulas em que se inscreveram os limites superiores de cada classe
e em Output Range as clulas que sero ocupadas pelos resultados). Para alm da opo
Chart Output, que se utiliza para construir o histograma, se se pretender sobrepor-lhe o polgono
de frequncias acumuladas dever activar-se a opo Cumulative Percentage (ver figura
seguinte).


Activar
CAPTULO 2
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Na listagem e a figura seguintes ilustra-se o resultado destas operaes.
Bin Frequency Cumulative %
1000 32 50,00%
2000 14 71,88%
3000 7 82,81%
4000 3 87,50%
5000 2 90,63%
6000 0 90,63%
7000 5 98,44%
8000 1 100,00%
More 0 100,00%

Histograma e Polgono de frequncias acumuladas
32
14
7
3
2
0
5
1
0
0
5
10
15
20
25
30
35
<=1000 ]1000,2000] ]2000,3000] ]3000,4000] ]4000,5000] ]5000,6000] ]6000,7000] ]7000,8000] >8000
Valor das compras ()
F
r
e
q
u

n
c
i
a
0%
20%
40%
60%
80%
100%
F
r
e
q
u

n
c
i
a

a
c
u
m
u
l
a
d
a

(
%
)
Frequncia
Freq. acumulada

CAPTULO 2
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 2.4
Apoio 2 (sugesto)
Procure representar os dados numa tabela de frequncias, num histograma e num polgono de
frequncias acumuladas.

CAPTULO 2
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 2.4
Apoio 3 (resoluo completa)
Apresentam-se seguidamente uma tabela de frequncias, um histograma e um polgono de
frequncias acumuladas. As clulas foram definidas de tal modo que ficasse clara a distino
entre valores do peso lquido escorrido inferiores a 450 gramas (clulas 1 a 6) e valores iguais
ou superiores a 450 gramas (clulas 7 a 9).
Registe-se que, na amostra, 68% das latas tm um peso lquido escorrido inferior ao indicado
como mdio (450 g). A mdia amostral de 444.3 gramas (ver resoluo do Problema 2.5) ,
tambm, inferior quele valor.
(i) Tabela de frequncias
Classe
Frequncia
absoluta
Frequncia absoluta
acumulada
Frequncia
relativa
Frequncia relativa
acumulada
[420,425[ 2 2 0.02 0.02
[425,430[ 5 7 0.05 0.07
[430,435[ 6 13 0.06 0.13
[435,440[ 14 27 0.14 0.27
[440,445[ 18 45 0.18 0.45
[445,450[ 23 68 0.23 0.68
[450,455[ 23 91 0.23 0.91
[455,460[ 8 99 0.08 0.99
[460,465[ 1 100 0.01 1.00
CAPTULO 2
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
(ii) Histograma

420 430 440 450 460
0
5
10
15
20
25
Peso lquido escorrido (gramas)
F
r
e
q
u

n
c
i
a

a
b
s
o
l
u
t
a

2
5
6
14
18
23 23
8
1
(iii) Polgono de frequncias relativas acumuladas


0%
25%
50%
75%
100%
415 420 425 430 435 440 445 450 455 460 465
Peso lquido escorrido (gramas)
F
r
e
q
u

n
c
i
a

r
e
l
a
t
i
v
a

a
c
u
m
u
l
a
d
a

Para obter a tabela de frequncias, o histograma de frequncias e o respectivo polgono de
frequncias acumuladas com auxlio do programa Microsoft Excel proceder-se-ia de modo
idntico ao que se descreve no Problema 2.3. As estatsticas amostrais so apresentadas no
Problema 2.5.

CAPTULO 2
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 2.5
Apoio 2 (sugesto)
Para calcular as estatsticas a partir dos dados agrupados recorra ao ponto central de cada clula M
k
.
Admita que os dados includos em cada clula tomam o valor correspondente a M
k
.

CAPTULO 2
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 2.5
Apoio 3 (resoluo completa)
Na tabela seguinte apresenta-se uma comparao entre as estatsticas calculadas com base nos
dados do problema anterior (varivel PLE peso lquido escorrido) e as estatsticas calculadas
com base nos dados agrupados (varivel PLEGRUP). Notar que, neste caso, se considerou que
os dados se concentravam no centro de cada uma das clulas (o que corresponde aos valores
422, 427, 432, 437, 442, 447, 452, 457 e 462). Registe-se que se verificam diferenas em todas
as estatsticas (embora de pequena monta). Naturalmente que a aproximao ser tanto melhor
quanto menor for a amplitude das clulas.
Varivel PLE PLEGRUP
Dimenso da amostra 100 100
Mdia 444.29 444.2
Mediana 445 447
Moda 450 447
Desvio padro (s) 8.787 8.508
Varincia (s
2
) 77.211 72.384
Kurtose (g
2
) -0.207 -0.059
Assimetria (g
1
) -0.484 -0.529
Amplitude 43 40
Mnimo 421 422
Mximo 464 462
1. Quartil 438.5 437
3. Quartil 450.5 452
Amplitude interquartil 12 15

CAPTULO 2
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 2.6
Apoio 2 (sugesto)
Note que se est perante uma amostra bivariada (constituda por pares ordenados de dados).
Procure representar num diagrama (x, y) os dados do enunciado. Verifique se os volumes de
produo so estveis ao longo do tempo. Para caracterizar a relao entre os volumes de produo
e os dias sucessivos, ajuste uma relao linear entre as variveis.

CAPTULO 2
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 2.6
Apoio 3 (resoluo completa)
Ao contrrio do que sucedia nos problemas anteriores, os dados correspondem agora a uma
srie temporal (volumes de produo em 20 dias consecutivos). Faz ento sentido comear por
verificar se os volumes de produo so estveis ao longo do tempo. O grfico VOLPROD
(volume de produo) versus DIA, que se apresenta em seguida, sugere que a primeira varivel
aumenta ligeiramente com o tempo.
8
10
12
14
0 4 8 12 16 20

DIA
V
O
L
P
R
O
D
Nestas condies, recorrendo ao mtodo dos mnimos quadrados, ajustou-se uma relao
linear entre as variveis, do tipo seguinte:
y
n
= a' + b x
n
.
Os parmetros a' e b foram estimados a partir das expresses
a' y b x = -
CAPTULO 2
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
e
b
s
s
XY
XX
= .
Os resultados conduzem seguinte expresso:
VOLPROD DIA = + 10 1 0 0825 . .
O coeficiente de determinao, R
2
= 13.9%, representa a proporo da variao dos dados de
VOLPROD que explicada pela regresso linear, a partir da variao dos dias varivel DIA.
Registe-se que, atendendo s grandes oscilaes do volume de produo de dia para dia, o valor
de R
2
= 13.9% baixo. No diagrama (VOLPROD, DIA) seguinte apresenta-se a relao linear
ajustada.
8
10
12
14
0 4 8 12 16 20


V
O
L
P
R
O
D
DIA
CAPTULO 2
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Para obter esta figura a partir do programa Microsoft Excel procede-se do seguinte modo.
Aps ter introduzido os dados na folha de clculo, selecciona-se o cone Chart Wizart e a
opo XY (Scatter). Por defeito, seleccionado o grfico tipo Scatter tal como se indica na
figura.

Tipo de grfico
seleccionado
Seguidamente, acciona-se o boto Next > e, na janela que fica disponvel, define-se o
Data range seleccionando-se as clulas da folha de clculo que contm os dados e os respectivos
descritivos ( necessrio verificar se os dados esto dispostos em linha ou em coluna e seleccionar
a opo correspondente: Rows ou Columns). Desta forma o grfico (x, y) fica definido.
CAPTULO 2
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Para acrescentar a recta que, pelo mtodo dos mnimos quadrados, melhor se ajusta aos dados,
selecciona-se um dos pontos do grfico e, com o auxlio do boto do lado direito do rato,
escolhe-se a opo Add Trendline. Automaticamente, surge a janela seguinte
Uma vez que se pretende ajustar uma relao linear, de entre as vrias opes que ficam
disponveis ao seleccionar o separador Type escolhe-se Linear (ver figura anterior).
Fazendo OK o processo termina com a sobreposio da recta pretendida no grfico (x, y).
CAPTULO 2
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
A equao da recta pode ser tambm obtida. Para tal, basta seleccionar a recta, accionar o
boto do lado direito do rato e escolher Format Trendline, fazendo surgir a seguinte janela:
Activar
Escolhendo Options, activa-se a opo relativa a Display equation on chart (ver figura
anterior) e carregando em OK obtm-se a equao pretendida.

CAPTULO 2
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 2.7
Apoio 2 (sugesto)
Procure representar os dados atravs de uma tabela de informao cruzada e de um diagrama de
barras tridimensional (ou diagrama de barras sobrepostas).

CAPTULO 2
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 2.7
Apoio 3 (resoluo completa)
Est-se perante uma amostra bivariada com dados expressos em escalas nominais. Seguidamente
apresentam-se a respectiva tabela de informao cruzada e o correspondente diagrama de barras
tridimensional.

Estao
TV1 TV2 Satlite TOTAL
528 164 285 977
Masculino
26,8% 8,3% 14,4% 49,5%
598 212 186 996
Feminino
30,3% 10,7% 9,4% 50,5%
1126 376 471 1973
Gnero

TOTAL
57,1% 19,1% 23,9% 100,0%

Masculino
Feminino
TV1
TV2
Satlite
0
200
400
600

N
.


d
e

t
e
l
e
s
p
e
c
t
a
d
o
r
e
s
CAPTULO 2
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Pode agora, facilmente, ordenar-se as estaes por ordem decrescente de importncia,
de acordo com o gnero:
Sexo masculino: TV1, SATLITE, TV2
Sexo feminino: TV1, TV2, SATLITE.
O diagrama de barras tridimensional facilmente obtido com auxlio do programa Microsoft
Excel. Em primeiro lugar, introduzem-se os dados na folha de clculo, criando-se uma tabela
tal como se representa na figura seguinte.
CAPTULO 2
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Seguidamente, selecciona-se esta tabela (ver figura anterior), acciona-se o cone Chart
Wizart e escolhe-se a opo Column. Finalmente, seleccionado o tipo grfico que se indica
na figura seguinte, acciona-se o boto Next e seguem-se as instrues do programa at se
obter a figura pretendida.

Seleccionar

CAPTULO 2
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 2.8
Apoio 2 (sugesto)
Repare que se est perante uma amostra bivariada (constituda por pares ordenados de dados).
Procure representar num diagrama (x, y) os dados do enunciado. Ajuste uma relao linear
entre as variveis custo directo de produo e dimenso do lote atravs do mtodo dos
mnimos quadrados e caracterize o grau de ajuste obtido recorrendo ao coeficiente de
determinao.

CAPTULO 2
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 2.8
Apoio 3 (resoluo completa)
No diagrama seguinte apresenta-se uma relao linear (do tipo y
n
= a' + b x
n
) ajustada ao
conjunto de dados (pelo mtodo dos mnimos quadrados). A varivel y (CUSTDIRECT) representa
o custo directo de produo e a varivel x (DIMLOTES) a dimenso do lote.
Os parmetros a' e b, estimados a partir das expresses
a' y b x = -
e
b
s
s
XY
XX
= ,
conduzem seguinte expresso da recta:
CUSTDIRECT DIMLOTES = + 99 78 51 918 . .
CAPTULO 2
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
O coeficiente de determinao muito elevado (R
2
= 99.6%), traduzindo o bom ajuste da
recta aos dados.
0
2000
4000
6000
8000
10000
12000
0 50 100 150 200
DIMLOTES
C
U
S
T
D
I
R
E
C
T

Para obter esta figura a partir do programa Microsoft Excel (bem como a equao da recta
e tambm o coeficiente de determinao) proceder-se-ia de forma idntica que foi indicada no
Problema 2.6.

CAPTULO 3
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Captulo 3
Captulos

Problemas
3.1
(i)
3.1
(ii)
3.1
(iii)
3.1
(iv)
3.2 3.3 3.4 3.5 3.6
3.7
(i)
3.7
(ii)
3.8 3.9 3.10 3.11 3.12 3.13
Apoio 1
(apenas o
resultado)
Apoio 2
(sugesto)
Apoio 3
(resoluo
completa)
CAPTULO 3
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 3.1
Alnea (i)
Apoio 1 (apenas o resultado)
73.2%.

CAPTULO 3
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 3.1
Alnea (i)
Apoio 2 (sugesto)
Na Seco 3.3 veja qual das definies de probabilidade se aplica a esta situao.

CAPTULO 3
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 3.1
Alnea (i)
Apoio 3 (resoluo completa)
Gnero

Masculino Feminino TOTAL

Branca 1 726 348 2 110 253 3 836 601
Raa Negra 628 309 753 125 1 381 434
Outra 15 239 7 435 22 674
TOTAL 2 369 896 2 870 813 5 240 709
Acontecimento B: o indivduo seleccionado branco.
Recorrendo definio clssica de probabilidade (expresso 3.1), vem
P(B) =
Nmero de resultados favorveis
Nmero de resultados pposs veis

N
N
3 836 601
5 240 709
B
= = = 0 732 . .

Nmero de resultados favorveis
Nmero de resultados pposs veis

Nmero de resultados favorveis
Nmero de resultados possveis
CAPTULO 3
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 3.1
Alnea (ii)
Apoio 1 (apenas o resultado)
26.4%.

CAPTULO 3
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 3.1
Alnea (ii)
Apoio 2 (sugesto)
Na seco 3.3 veja qual das definies de probabilidade se aplica a esta situao.

CAPTULO 3
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 3.1
Alnea (ii)
Apoio 3 (resoluo completa)
Gnero

Masculino Feminino TOTAL

Branca 1 726 348 2 110 253 3 836 601
Raa Negra 628 309 753 125 1 381 434
Outra 15 239 7 435 22 674
TOTAL 2 369 896 2 870 813 5 240 709
Acontecimento N: o indivduo seleccionado negro.
P
N
N
(N)
1 381 434
5 240 709
N
= = = 0 264 . .

CAPTULO 3
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 3.1
Alnea (iii)
Apoio 1 (apenas o resultado)
40.3%.

CAPTULO 3
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 3.1
Alnea (iii)
Apoio 2 (sugesto)
Note que o acontecimento o indivduo seleccionado uma mulher branca equivalente
interseco de dois acontecimentos: o indivduo seleccionado mulher e o indivduo
seleccionado branco.

CAPTULO 3
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 3.1
Alnea (iii)
Apoio 3 (resoluo completa)
Gnero

Masculino Feminino TOTAL

Branca 1 726 348 2 110 253 3 836 601
Raa Negra 628 309 753 125 1 381 434
Outra 15 239 7 435 22 674
TOTAL 2 369 896 2 870 813 5 240 709
Acontecimento M B: o indivduo seleccionado uma mulher branca.
P
N
N
(M B)
2 110 253
5 240 709
M B
= = =

0 403 . .

CAPTULO 3
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 3.1
Alnea (iv)
Apoio 1 (apenas o resultado)
73.5%.

CAPTULO 3
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 3.1
Alnea (iv)
Apoio 2 (sugesto)
Para calcular a probabilidade pretendida, considere que retira um indivduo de uma populao
mais restrita do que a original, apenas constituda por mulheres. Trata-se ento de calcular,
nestas condies, qual a probabilidade de a mulher seleccionada ser de raa branca.
A probabilidade pretendida condicional (ver seco 3.4).

CAPTULO 3
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 3.1
Alnea (iv)
Apoio 3 (resoluo completa)
Gnero

Masculino Feminino TOTAL

Branca 1 726 348 2 110 253 3 836 601
Raa Negra 628 309 753 125 1 381 434
Outra 15 239 7 435 22 674
TOTAL 2 369 896 2 870 813 5 240 709
Acontecimento B: O indivduo seleccionado branco.
Acontecimento M: O indivduo seleccionado mulher.
Recorrendo definio de probabilidade condicional (expresso 3.10), vem
P
P
P
(B|M)
(B M)
(M)
=

= =
2110 253
5 240 709
2 870 813
5 240 709
2110 253
2 870 8813
0 735 = . .

CAPTULO 3
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 3.2
Apoio 1 (apenas o resultado)
Probabilidade de ganhar o primeiro prmio: 7 15 10
8
. .
-
Probabilidade de ganhar o segundo prmio: 4 29 10
7
. .
-
Probabilidade de ganhar o terceiro prmio: 1 80 10
5
. .
-

CAPTULO 3
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 3.2
Apoio 2 (sugesto)
Considere os seguintes acontecimentos:
6E
1
: Saem as 6 bolas boas, na primeira extraco
5E
1
: Saem 5 das 6 bolas boas, na primeira extraco
AE
2
: Acerta-se na restante bola boa, na segunda extraco
NAE
2
: No se acerta na restante bola boa, na segunda extraco.
Defina os acontecimentos A
1
: Ganhar o primeiro prmio, A
2
: Ganhar o segundo prmio
e A
3
: Ganhar o terceiro prmio atravs de
A 6E
A 5E AE
1
2 1 2
=
=
1
,
e
A 5E NAE
3 1 2
= .
A definio de probabilidade que se aplica ao acontecimento A
1
a clssica. Para calcular os
nmeros de casos favorveis e possveis recorra aos conceitos de Anlise Combinatria revistos
no Apndice 3.1.

CAPTULO 3
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 3.2
Apoio 3 (resoluo completa)
As regras do Totoloto so as seguintes:
g
Numa aposta simples, escolhem-se (inscrevem-se no boletim) 6 de 49 nmeros
(as bolas correspondentes aos nmeros ficam, a partir de ento, classificadas como
boas as 6 inscritas no boletim ou ms as 43 no seleccionadas).
g
No dia do sorteio, fazem-se duas extraces das bolas correspondentes
aos 49 nmeros:
g
Primeiro sorteiam-se 6 nmeros bsicos.
g
Depois sorteia-se o nmero suplementar.
g
Os diferentes prmios obtm-se nas seguintes condies:
g
1. Prmio: Acerta-se nos 6 nmeros bsicos (ou seja, saem as seis bolas boas)
g
2. Prmio: Acerta-se em 5 dos 6 nmeros bsicos (isto , saem 5 das 6 bolas boas)
e acerta-se no nmero suplementar (isto , sai a restante bola boa).
g
3. Prmio: Acerta-se em 5 dos 6 nmeros bsicos (isto , saem 5 das 6 bolas boas)
e no se acerta no nmero suplementar (isto , no sai a restante bola boa)
Seja A
1
o acontecimento que corresponde a ganhar o primeiro prmio. Recorrendo definio
clssica, vem
P(A )
1
=
Nmero de resultados favorveis
Nmero de resultados poss veis

49
6
1
49!
43!6!
=

= =
-
1
7 15 10
8
. .
Registe-se que de entre todas as combinaes possveis combinaes de 49 seis a seis
s uma favorvel: o que corresponde a sarem as 6 bolas boas e a ficarem de fora as restantes 43.
Note-se ainda que
1
49!
43!6!
43!6!
49!
= =
6
49
5
48
4
47
3
46
2
45
1
44
.
Nmero de resultados favorveis
Nmero de resultados pposs veis

Nmero de resultados favorveis
Nmero de resultados possveis
CAPTULO 3
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
O problema pode ento ser resolvido da forma que se segue. Seja
B
i
: A i-sima bola a ser extrada, sendo bola boa.
A B B B
A
B B B
B (B B B
1 1 2 6
1 2 6
6 1 2 5

=
=
=
P
P
P
( )
( )
( )
1

=
P P
P
(
(
B |B B B ) (B (B B )
B |B B
6 1 2 5 5 1 4
6 1 2

=
(
B ) (B |B B ) (B B )
(...)
B | B B B
5 5 1 4 1 4
6 1 2 5
P P
P
))


( )

P P P B | B B (B |B ) (B
5 1 4 2 1 1
)
P(B
1
) = 6/49 (entre as 49 bolas possveis h seis boas que podem
ser extradas)
P(B
2
B
1
) = 5/48 (entre as 48 bolas que restam, h cinco bolas boas
que podem ser extradas)
(...)
P(B
6
(B
1
B
5
) = 1/44 (entre as 44 bolas que restam, h uma nica boa
que pode ser extrada).
Ou seja,
P( ) . . A
1
8
6
49
5
48
4
47
3
46
2
45
1
44
7 15 10 = =
-
CAPTULO 3
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Veja-se agora como se procederia para calcular a probabilidade de ganhar o segundo prmio.
Seja
A
2
: Ganhar o segundo prmio
Ora,
A 5E AE
2 1 2
= ,
onde
5E
1
: Saem 5 (das 6) bolas boas, na primeira extraco, e
AE
2
: Acerta-se na restante bola boa, na segunda extraco.
Recorrendo expresso 3.11, obtm-se
P P P P ( ) ( ) ( ). A 5E AE AE |5E ) (5E
2 1 2 2 1 1
= =
Por um lado,
P( ) 5
1
E =
Nmero de resultados favorveis
Nmero de resultados poss veis
=

6
5
43
1
49
6
6 43
49
6
(notar que de entre todas as combinaes possveis combinaes de 49 seis a seis so
favorveis as que correspondem a sarem 5 bolas boas combinaes de 6 cinco a cinco e,
por cada uma destas, deve figurar uma das restantes 43 bolas combinaes de 43 uma a uma).
Por outro lado,
P( ) AE |5E
2 1
=
Nmero de resultados favorveis
Nmero de resultaados poss veis
=
1
43
Nmero de resultados favorveis
Nmero de resultados pposs veis

Nmero de resultados favorveis
Nmero de resultados possveis
Nmero de resultados favorveis
Nmero de resultados pposs veis

Nmero de resultados favorveis
Nmero de resultados possveis
CAPTULO 3
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
(notar que entre as combinaes possveis tantas quantas as 43 bolas que no saram na
primeira extraco apenas uma favorvel a que corresponde a retirar a nica bola boa
que resta).
Finalmente, substituindo obtm-se:
P P P P ( ) ( ) ( ) A AE |5E 5E
2 2 1 1
= =

=
1
43
6 43
49
6
6
1
49
6
6 ( ( ) . A
1
=
-
4 29 10
7
(onde P(A
1
) representa a probabilidade de ganhar o primeiro prmio).
Procedimento idntico pode ser adoptado para obter a probabilidade do acontecimento A
3
,
que corresponde a ganhar o terceiro prmio:
A 5E NAE
3 1 2
= ,
onde
5E
1
: Saem 5 (das 6) bolas boas, na primeira extraco e
NAE
2
: No se acerta na restante bola boa, na segunda extraco.
P P P P ( ) ( ) ( ( ). A 5E NAE NAE |5E ) E
3 1 2 2 1 1
= = 5
P( ) 5
6 43
49
6
E
1
=

(como se viu anteriormente) e


P( ) NAE |5E
2 1
=
Nmero de resultados favorveis
Nmero de resulttados poss veis
=
42
43
Nmero de resultados favorveis
Nmero de resultados pposs veis

Nmero de resultados favorveis
Nmero de resultados possveis
CAPTULO 3
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
(notar que entre as combinaes possveis tantas quantas as 43 bolas que no saram na
primeira extraco so favorveis as que correspondem a retirar qualquer uma das bolas que
no so boas em nmero de 42).
Ento,
P P ( ) ( A NAE |5E ) P(5E )
3 2 1 1
=
=

42
43
6 43
49
6
6 42
1
49
6

= =
-
252 1 80 10
5
P( ) . . A
1

CAPTULO 3
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 3.3
Apoio 1 (apenas o resultado)
56.9%.

CAPTULO 3
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 3.3
Apoio 2 (sugesto)
Em vez de calcular directamente a probabilidade do acontecimento A: pelo menos duas pessoas
fazem anos no mesmo dia, tente calcul-la a partir da probabilidade do acontecimento
complementar A: todas as pessoas fazem anos em dias diferentes.
Para calcular esta probabilidade admita que as 25 pessoas entram sequencialmente na sala e
defina, para i = 2, 3, ... , 25, o acontecimento
D
i
: A i-sima pessoa a entrar na sala tem um dia de aniversrio Diferente das pessoas
que a precederam na entrada.
O acontecimento Apode ser definido atravs de
A D D D D
2 3 24 25
.
A probabilidade associada a este acontecimento pode ser calculada recursivamente.

CAPTULO 3
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 3.3
Apoio 3 (resoluo completa)
Alternativa 1
A resoluo proposta assenta nas duas hipteses seguintes:
g
A probabilidade de cada uma das pessoas ter nascido num dia do ano igual de ter
nascido noutro dia qualquer (admitindo que um ano tem 365 dias, aquela probabilidade
1/365 para qualquer dia do ano).
g
O facto de uma das pessoas ter nascido num dia do ano independente dos dias de
aniversrio das restantes pessoas.
A: Pelo menos duas pessoas fazem anos no mesmo dia.
A: Todas as pessoas fazem anos em dias diferentes.
Admita-se que as 25 pessoas entram sequencialmente na sala e defina-se, para i = 2, 3, , 25,
o acontecimento seguinte:
D
i
: A i-sima pessoa a entrar na sala tem um dia de aniversrio Diferente das pessoas
que a precederam na entrada.
A D D D D
2 3 24 25
.
CAPTULO 3
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
P
P
P
P
( )
( )
(
A
D D
(D (D D D )
D |D D
2 25
25 2 3 24
25 2 3
=
=
=

=
=
D ) (D D D
D |D D D ) (D (D
24 2 3 24
25 2 3 24 24 2
P
P P
)
( DD D )
D |D D ) (D |D D ) (D
3 23
25 2 24 24 2 23 2

= P P P (

=

D )
D |(D D ) D |(D D )
23
25 2 24 24 2 23
( )
P P P P (D |D ) (D ).
3 2 2
P(D
2
) = 364/365 (entre os 365 dias possveis, apenas um o dia
de aniversrio da primeira pessoa a entrar fica
excludo).
P(D
3
D
2
) = 363/365 (entre os 365 dias possveis, dois deles os dias de
aniversrio das duas primeiras pessoas a entrar, que
so diferentes ficam excludos).
P(D
4
(D
2
D
3
) = 362/365 (entre os 365 dias possveis, trs deles os dias de
aniversrio das trs primeiras pessoas a entrar, que so
diferentes ficam excludos).
()
P(D
24
(D
2
D
23
) = 342/365 (entre os 365 dias possveis, vinte e trs deles
os dias de aniversrio das vinte e trs primeiras
pessoas a entrar, que so diferentes ficam excludos).
P(D
25
(D
2
D
24
) = 341/365 (entre os 365 dias possveis, vinte e quatro deles
os dias de aniversrio das vinte e quatro primeiras
pessoas a entrar, que so diferentes ficam excludos).
CAPTULO 3
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
P
P P
( ) .
( ) ( ) .
A
A A
= =
= - =
364
365
363
365
342
365
341
365
0 431
1 0 569..
Alternativa 2
P( ) A =
Nmero de resultados favorveis
Nmero de resultados pooss veis
=

365
25
365
25
A
A
,
em que
365
25
A corresponde ao nmero total de sequncias de dias do ano em que as 25 pessoas
podem fazer anos (sendo uma permutao com repeties,
365 25
= A 365
25
);
365
25
A corresponde ao nmero total de sequncias de dias do ano em que as 25 pessoas
fazem anos todas em dias diferentes (isto , uma permutao sem repeties)
365
25
365
365 25
365
340
A =
- ( )
=
!
!
!
!
.
Assim, resulta
P(A)
A
A
365!
340!
365
0.431.
365
25
365
25
25
=

= =

N N
Nmero de resultados favorveis
Nmero de resultados pposs veis

Nmero de resultados favorveis
Nmero de resultados possveis
CAPTULO 3
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 3.4
Apoio 1 (apenas o resultado)
15.4%.

CAPTULO 3
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 3.4
Apoio 2 (sugesto)
Sugesto 1
A definio de probabilidade que se aplica a esta situao a clssica. Para calcular os nmeros
de casos favorveis e possveis recorra aos conceitos de Anlise Combinatria revistos no
Apndice 3.1. Na definio dos casos favorveis ao acontecimento voc e o director financeiro
ficam em lugares adjacentes, verifique quais as posies que o director financeiro pode ocupar
na mesa e quais os lugares adjacentes que correspondem a cada caso. No se esquea de que,
para cada posio ocupada por si e pelo director financeiro, os outros directores podem permutar
as posies entre eles.
Sugesto 2
Considere os seguintes acontecimentos complementares:
A
e
: O director financeiro fica num dos extremos.
A
m
: O director financeiro fica num dos lugares do meio (ou seja, fora dos extremos).
Procure expressar a probabilidade do acontecimento ADJ: Voc e o director financeiro
ficam em lugares adjacentes atravs de P(A
e
) e P(A
m
) segundo um procedimento idntico ao
utilizado no denominador da expresso relativa ao teorema de Bayes (expresso 3.17).

CAPTULO 3
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 3.4
Apoio 3 (resoluo completa)
Alternativa 1
Acontecimento ADJ: Voc (V) e o director financeiro (DF) ficam em lugares adjacentes.
Nmero de resultados possveis: N = P
13
= 13!
Para calcular o nmero de resultados favorveis convm distinguir duas situaes:
g
DF fica num dos extremos
Quando DF fica num dos extremos, V s dispe de uma posio adjacente (ver diagrama).
Os outros directores podem, entretanto, permutar entre si. O nmero de resultados
favorveis que correspondem a esta situao ento de P
11
= 11!

DF
OUTROS DIRECTORES
(que podem permutar)
V
g
DF fica num dos lugares do meio
Quando DF fica num dos lugares do meio, V dispe de duas posies adjacentes (ver
diagrama seguinte). Para cada uma delas, os outros directores podem, entretanto, permutar
entre si. O nmero de resultados favorveis correspondentes ocupao de um dos lugares
do meio por DF ento de 2

.

P
11
= 2.11!
CAPTULO 3
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
OUTROS DIRECTORES
(que podem permutar)
DF V
()

DF (
...
)
OUTROS DIRECTORES
(que podem permutar)
V
Atendendo a que DF pode ocupar 2 lugares situados nos extremos ou 11 lugares do meio,
o nmero de resultados favorveis associados a ADJ vem dado por
N
ADJ 11 11 11
2 P 11 (2 P ) 24 P 24 11 = + = = !
Finalmente, a probabilidade do acontecimento ADJ vem
P(ADJ) =
Nmero de resultados favorveis
Nmero de resultadoss poss veis

24 11!
13!
ADJ
= =

= =
N
N
2
13
0 154 . .
Alternativa 2
A
e
: O director financeiro fica num dos extremos.
A
m
: O director financeiro fica num dos lugares do meio (ou seja, fora dos extremos).
ADJ: Voc e o director financeiro ficam em lugares adjacentes.
Nmero de resultados favorveis
Nmero de resultados pposs veis

Nmero de resultados favorveis
Nmero de resultados possveis
CAPTULO 3
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Expressando P(ADJ) atravs de P(A
e
) e P(A
m
) segundo um procedimento idntico ao utilizado
no denominador da expresso relativa ao teorema de Bayes (expresso 3.17), vem
P P P P P ( ( ( ) ( ( ). ADJ) ADJ|A ) A ADJ|A ) A
e e m m
= +
P( ) / A
e
= 2 13 (dos 13 lugares disponveis para o director financeiro se sentar,
s 2 se situam nos extremos).
P( ) / ADJ|A
e
=1 12 (dos 12 lugares que restam depois de o director financeiro se sentar
num dos extremos, s 1 que lhe fica adjacente).
P( ) / A
m
=11 13 (dos 13 lugares disponveis para o director financeiro se sentar,
so 11 os que se situam no meio).
P( ) / ADJ|A
m
= 2 12 (dos 12 lugares que restam depois de o director financeiro se sentar
num dos lugares do meio, so 2 os que lhe ficam adjacentes).
P P P P P ( ( ) ( ) ( ) ( ADJ) ADJ|A A ADJ|A A )
e e m m
= +
= +
=
1
12
2
13
2
12
11
13
2
133
0 154 = . .

CAPTULO 3
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 3.5
Apoio 1 (apenas o resultado)
7.

CAPTULO 3
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 3.5
Apoio 2 (sugesto)
Em vez de calcular directamente a expresso da probabilidade de entre N msseis enviados
haver pelo menos um que acerta (que a condio de destruio do alvo), tente obter aquela
expresso a partir da que corresponde ao acontecimento complementar (nenhum dos N msseis
enviados acerta no alvo).

CAPTULO 3
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 3.5
Apoio 3 (resoluo completa)
Considerem-se os seguintes acontecimentos:
A: Entre N msseis enviados, h pelo menos um que acerta no alvo.
A: Nenhum dos N msseis enviados acerta no alvo.
A probabilidade de um qualquer mssil no acertar 1 0.3 = 0.7. Assim, assumindo como
hiptese subjacente que os resultados associados aos diferentes msseis so independentes uns
dos outros, vem
P
P P
N N
N
(
(
A) (1 0.3) 0.7
A) 1 (A) 1 0.7
= - =
= - = -
pelo que
P
N
(A) 0.9 1 0.7 0.9 - .
Esta inequao pode ser resolvida de duas maneiras:
g
Por tentativas
()
N = 6: 1 0.7
6
= 0.88 < 0.9 O nmero de msseis que deve ser disparado
superior a 6
N = 7: 1 0.7
7
= 0.92 > 0.9 O nmero de msseis que deve ser disparado 7.
CAPTULO 3
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
g
Recorrendo ao clculo de logaritmos:
1 1
0 1
0 7 0 1
0
-

0.7 0.9 0.7 0.


0.7
N N
N
N
N
ln ln
ln ln
( ) ( . )
( . ) ( . )
( .3357 2 303
2 303
0 357
6 47
) .
.
.
.
-
= N
Dado que N inteiro, N = 7 corresponde ao nmero de msseis que devem ser
disparados.

CAPTULO 3
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 3.6
Apoio 1 (apenas o resultado)
Probabilidade de as duas peas serem boas: 42.3%.
Probabilidade de, entre as duas peas, pelo menos uma ser boa: 88.5%.

CAPTULO 3
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 3.6
Apoio 2 (sugesto)
Considere os seguintes acontecimentos complementares:
A: As duas peas foram seleccionadas a partir do contentor A.
B: As duas peas foram seleccionadas a partir do contentor B.
Procure expressar a probabilidade do acontecimento 2PB: As 2 Peas seleccionadas so
Boas atravs de P(A) e P(B) segundo um procedimento idntico ao utilizado no denominador
da expresso relativa ao teorema de Bayes (expresso 3.17).
Repita o procedimento para o clculo da probabilidade do acontecimento PM1PB: Pelo
Menos 1 Pea Boa, entre as seleccionadas.

CAPTULO 3
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 3.6
Apoio 3 (resoluo completa)
Adopte-se a seguinte notao:
A: As duas peas foram seleccionadas a partir do contentor A.
B: As duas peas foram seleccionadas a partir do contentor B.
2PB: As 2 Peas seleccionadas so Boas.
Expressando P(2PB) atravs de P(A) e P(B) segundo um procedimento idntico ao utilizado
no denominador da expresso relativa ao teorema de Bayes, vem
P P P P P ( ) ( ) ( ) ( ) ( ) 2 2 PB PB|A A 2PB|B B = +
P P ( ) ( ) / A B = =1 2 (dos 2 contentores disponveis, escolhe-se um deles
para retirar as peas).
P( ) ? 2PB|A =
Considerem-se os seguintes acontecimentos:
PPB: A Primeira Pea seleccionada Boa
SPB: A Segunda Pea seleccionada Boa.
Ora,
P P P P ( ) ( ) ( ) ( ). 2PB PPB SPB PPB SPB|PPB = =
CAPTULO 3
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Se as peas forem seleccionadas a partir de A:
P(PPB) = 10/13 (das 13 peas includas no contentor A, 10 so boas).
P(SPB|PPB) = 9/12 (das 12 peas que restam no contentor A depois de ter sido
retirada uma pea boa, 9 so boas).
P( ) . 2
10
13
9
12
PB|A =
Se as peas forem seleccionadas a partir de B vir:
P( ) . 2
7
13
6
12
PB|B =
Ento
P P P P P ( ) ( ) ( ) ( ) ( ) 2 2 2
10
13
9
12
1
2
7
13
6
PB PB|A A PB|B B = +
=

+
112
1
2


= 0.423 (primeiro dos resultados pretendidos).
Para responder segunda questo, adopte-se a seguinte notao:
PM1PB: Pelo Menos 1 Pea Boa, entre as seleccionadas
1PB: 1 (e s 1) Pea Boa, entre as seleccionadas
2PB: 2 Peas seleccionadas so Boas.
Dado que os acontecimentos 1PB e 2PB so mutuamente exclusivos, vem
P P P P ( ) ( ( PM1PB 1PB 2PB) 1PB) (2PB). = = +
CAPTULO 3
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Ora, P(2PB) = 0.423 (ver resultado obtido anteriormente). Falta o valor de P(1PB) que pode
ser obtido do seguinte modo:
P P P P P (1PB) (1PB|A) (A) (1PB|B) (B). = +
Como P P ( ) ( ) / A B = =1 2 falta calcular P(1PB|A) e P(1PB|B).
Seja:
PPB: A Primeira Pea seleccionada Boa
PPD: A Primeira Pea seleccionada Defeituosa
SPB: A Segunda Pea seleccionada Boa
SPD: A Segunda Pea seleccionada Defeituosa.
Assim,
P P P
P P P P
(1PB) (PPB SPD) (PPD SPB)
(PPB) (SPD|PPB) (PPD) (SP
= +
= + BB|PPD)
Se as peas forem seleccionadas a partir de A, resulta
P(PPB) = 10/13 (das 13 peas includas no contentor A, 10 so boas).
P(SPD|PPB) = 3/12 (das 12 peas que restam no contentor A depois de ter
sido retirada uma pea boa, 3 so defeituosas).
P(PPD) = 3/13 (das 13 peas includas no contentor A, 10 so boas).
P(SPB|PPD) = 10/12 (das 12 peas que restam no contentor A depois de ter
sido retirada uma pea boa, 2 so defeituosas).
CAPTULO 3
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
pelo que
P( ) . . 1
10
13
3
12
3
13
10
12
0 385 PB|A = + =
Se as peas forem seleccionadas a partir de B, ser ento
P( ) . . 1
7
13
6
12
6
13
7
12
0 538 PB|B = + =
Assim,
P P P ( ) ( ) ( ) ( ) ) . . . . 1 1 1 0 385 0 5 0 538 0 5 PB P PB|A A P PB|B (B
0.4
= + = +
= 662.
Como
P(PM1PB) = P(1PB) + P(2PB),
resulta, finalmente,
P(PM1PB) = 0.462 + 0.423 = 0.885 (segundo resultado pretendido).

CAPTULO 3
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 3.7
Alnea (i)
Apoio 1 (apenas o resultado)
25%.

CAPTULO 3
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 3.7
Alnea (i)
Apoio 2 (sugesto)
Desenhe a rvore de resultados.

CAPTULO 3
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 3.7
Alnea (i)
Apoio 3 (resoluo completa)
Considerem-se os acontecimentos:
S: Faz sol
C: Chove
PS: O barmetro prev sol
PC: O barmetro prev chuva
BE: O barmetro erra a previso.
Representa-se em seguida a rvore de resultados correspondente:
S (0.75)
PS|S (0.70)
C (0.25)
PS|C (0.10)
PC|S (0.30)
PC|C (0.90)
CAPTULO 3
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Assim,
P P P
P S P P P
( ) ( ) ( )
( ) ( ) ( ) ( )
. .
BE S PC C PS
PC|S C PS|C
= +
= +
= + 0 75 0 30 0 0 25 0 10
0 25
. .
. .

=

CAPTULO 3
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 3.7
Alnea (ii)
Apoio 1 (apenas o resultado)
50%.

CAPTULO 3
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 3.7
Alnea (ii)
Apoio 2 (sugesto)
Desenhe a rvore de resultados e aplique o teorema de Bayes.

CAPTULO 3
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 3.7
Alnea (ii)
Apoio 3 (resoluo completa)
Considerem-se os acontecimentos:
S: Faz sol
C: Chove
PS: O barmetro prev sol
PC: O barmetro prev chuva.
Representa-se em seguida a correspondente rvore de resultados:
S (0.75)
PS|S (0.70)
C (0.25)
PS|C (0.10)
PC|S (0.30)
PC|C (0.90)
CAPTULO 3
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Assim,
P
P S
P PC
P P
P P PC P P
( )
( )
( )
( ) ( )
( ) ( ) ( ) ( )
S|PC
PC
S PC|S
S |S C PC|C
=

=

+
==

+
=
0 75 0 30
0 75 0 30 0 25 0 90
0 5
. .
. . . .
. .

CAPTULO 3
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 3.8
Apoio 1 (apenas o resultado)
16%.

CAPTULO 3
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 3.8
Apoio 2 (sugesto)
Desenhe a rvore de resultados e aplique o teorema de Bayes.

CAPTULO 3
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 3.8
Apoio 3 (resoluo completa)
Adopte-se a seguinte notao:
A: A pea produzida pela mquina A
B: A pea produzida pela mquina B
C: A pea produzida pela mquina C
D: A pea Defeituosa
ND: A pea No-Defeituosa.
Representa-se em seguida a correspondente rvore de resultados:

A (0.60)
D|A (0.02)
C (0.10)
B (0.30)
ND|A (0.98)
D|B (0.03)
D|C (0.04)
ND|B (0.97)
ND|C (0.96)
CAPTULO 3
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Assim,
P
P
P
P P
P A P P P
( )
( )
(
( ) ( )
( ) ( ) ( ) ( ) ( )
C|D
C D
D)
C D|C
P D|A B D|B C
=

=

+ + PP( )
. .
. . . . . .
. .
D|C
=

+ +
=
0 10 0 04
0 60 0 02 0 30 0 03 0 10 0 04
0 16
Note-se que este resultado est de acordo com aquilo que era de esperar. De facto, dado que
a percentagem de peas defeituosas maior na mquina C do que nas outras duas, a probabilidade
condicional P(C|D) teria de ser maior do que a probabilidade incondicional P(C).

CAPTULO 3
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 3.9
Apoio 1 (apenas o resultado)
79.4%.

CAPTULO 3
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 3.9
Apoio 2 (sugesto)
Desenhe a rvore de resultados e aplique o teorema de Bayes.

CAPTULO 3
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 3.9
Apoio 3 (resoluo completa)
Seja,
FE: Acidente causado por Falha Estrutural
FNE: Acidente causado por Falha No-Estrutural
DFE: Diagnosticada Falha Estrutural
DFNE: Diagnosticada Falha No-Estrutural.
Representa-se em seguida a correspondente rvore de resultados:

FE (0.42)
DFE|FE (0.80)
DFNE|FE (0.20)
FNE (0.58)
DFE|FNE (0.15)
DFNE|FNE (0.85)
CAPTULO 3
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Assim,
P
P
P
P P
P P P
( )
( )
)
( ) ( )
( ) ( )
FE|DFE
FE DFE
(DFE
FE DFE|FE
FE DFE|FE
=

=

+ (( ) )
. .
. . . .
. .
FNE (DFE|FNE
=

+
=
P
0 42 0 80
0 42 0 80 0 58 0 15
0 794

CAPTULO 3
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 3.10
Apoio 1 (apenas o resultado)
10.7%.

CAPTULO 3
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 3.10
Apoio 2 (sugesto)
Procure especificar os acontecimentos. Note que os acontecimentos so independentes.

CAPTULO 3
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 3.10
Apoio 3 (resoluo completa)
Num total de 8 chaves, 3 abrem a porta e 5 no abrem. Seja,
I
n
: Insucesso na n-sima tentativa de abertura da porta
S
n
: Sucesso na n-sima tentativa de abertura da porta
AB4: Abertura da porta quarta tentativa.
Assim,
P P
P
P P
( ) (
(
AB4 I I I S )
(S (I I I )
S |I I I )
1 2 3 4
4 1 2 3
4 1 2 3
=
=

= ((I I I )
S |I I I ) (I |I I ) (I I )
S |I I
1 2 3
4 1 2 3 3 1 2 1 2
4 1 2

=
=
P P P
P
(
( I ) (I |I I ) (I |I ) P(I )
3 3 1 2 2 1 1
P P .
CAPTULO 3
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Ora,
P( ) I
1
=
Nmero de resultados favorveis
Nmero de resultados pposs veis
Nmero de resultados favorveis
Nmer
=
=
5
8
P(I |I )
2 1
oo de resultados poss veis
Nmero de resulta
=
=
4
7
P(I |I I )
3 1 2
ddos favorveis
Nmero de resultados poss veis
=

3
6
P(S |I I
4 1 2
= I )
3
Nmero de resultados favorveis
Nmero de resultados pposs veis
=
3
5
Assim, resulta finalmente
P(AB4)
3
5
3
6
4
7
5
8
3
28
0.107. = = =

Nmero de resultados favorveis
Nmero de resultados pposs veis

Nmero de resultados favorveis
Nmero de resultados possveis
Nmero de resultados favorveis
Nmero de resultados pposs veis

Nmero de resultados favorveis
Nmero de resultados possveis
Nmero de resultados favorveis
Nmero de resultados pposs veis

Nmero de resultados favorveis
Nmero de resultados possveis
Nmero de resultados favorveis
Nmero de resultados pposs veis

Nmero de resultados favorveis
Nmero de resultados possveis
CAPTULO 3
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 3.11
Apoio 1 (apenas o resultado)
43.75%.

CAPTULO 3
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 3.11
Apoio 2 (sugesto)
Tente fazer uma representao grfica do problema e recorra ao conceito de probabilidade
geomtrica.

CAPTULO 3
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 3.11
Apoio 3 (resoluo completa)
Representao grfica do problema:
Hora de chegada do estudante 1
12h 13h
12h
13h
Hora de
chegada do
estudante 2
S
A
A
Espao amostral (S): Quadrado sombreado claro, que inclui 16 quadrados elementares
com hora de lado.
Acontecimento A (O encontro realiza-se): Polgono sombreado escuro.
Assim,
P(A) = = = =
` rea de A
` rea de S
7
16
7
16
0 4375
W
W
. ,
onde representa a rea de um quadrado elementar de 1/4 hora de lado.

rea
rea
CAPTULO 3
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 3.12
Apoio 1 (apenas o resultado)
38.6%.

CAPTULO 3
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 3.12
Apoio 2 (sugesto)
Desenhe a rvore de resultados e aplique o teorema de Bayes.

CAPTULO 3
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 3.12
Apoio 3 (resoluo completa)
Seja:
A: Um utilizador cliente de A
B: Um utilizador cliente de B
C: Um utilizador cliente de C
S: Um utilizador est Satisfeito
I: Um utilizador est Insatisfeito.
Representa-se em seguida a correspondente rvore de resultados:

A (0.41)
S|A (?)
C (0.21)
B (0.38)
I|A (?)
S|B (?)
S|C (?)
I|B (?)
I|C (?)
CAPTULO 3
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Alternativa 1
Se 17% dos utilizadores esto insatisfeitos, ento:
P P P P P P (A) (I|A) (B) (I|B) (C) (I|C) 0.17. + + =
Dado que P(A) = 0.41, P(B) = 0.38 e P(C) = 0.21, vem
0.41 (I|A) 0.38 (I|B) 0.21 (I|C) 0.17. + + = P P P
Como 35% dos utilizadores insatisfeitos so clientes de A, resulta
P
P P P P P P
(I A)
(A) (I|A) (B) (I|B) (C) (I|C)

+ +
= 0 35 . ,
ou seja,
P P
P P P P P P
(A) (I|A)
(A) (I|A) (B) (I|B) (C) (I|C)

+ +
= 0 35 . .
Substituindo, vem
0.41 (I|A)
0.17
I|A)
0.35 0.17
0.41
0.14

=
=

=
P
P
0 35
5
. ,
(
e
P P ( . . . S|A) 1 (I|A) = - = - = 1 0 145 0 855
CAPTULO 3
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Por outro lado, 35% dos utilizadores insatisfeitos so clientes de B. Assim,
P P
P P P P P P
(B) (I|B)
(A) (I|A) (B) (I|B) (C) (I|C)
0.35

+ +
=
ou seja,
0 38
0 17
0 35
0 35 0 17
0 38
0 157
. ( )
.
. ,
( )
. .
.
.

=
=

=
P
P
I|B
I|B
e
P P ( ) ( ) . . . S|B I|B = - = - = 1 1 0 157 0 843
Finalmente, 30% dos utilizadores insatisfeitos so clientes de C. Assim,
P P
P P P P P P
(C) (I|C)
(A) (I|A) (B) (I|B) (C) (I|C)

+ +
= 0 30 .
ou seja,
0 21
0 17
0 30
0 30 0 17
0 21
0 243
. ( )
.
. ,
( )
. .
.
.

=
=

=
P
P
I|C
I|C
CAPTULO 3
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
e
P P ( ) ( ) . . . S|C I|C = - = - = 1 1 0 243 0 757
Substituindo na expresso seguinte (que d a probabilidade de um cliente satisfeito estar
ligado rede da empresa B)
P
P P
P P P P P P
(B|S)
(B) (S|B)
(A) (S|A) (B) (S|B) (C) (S|C)
=

+ +
os valores calculados, obtm-se:
P(B|S)
0.843
=

+ +
0 38
0 41 0 855 0 38 0 843 0 21 0 757
.
. . . . . .
P(B|S) = 0 386 . .
Alternativa 2
P P P
P P P P
(B) B S B I
B S S B I I
= +
= +
( ) ( )
( | ) ( ) ( | ) ( )
Assim,
P
P P P
P
(B|S)
B B I I
S
=
-
=
-
=
( ) ( | ) ( )
( )
. . .
.
. .
0 38 0 35 0 17
0 83
0 386

CAPTULO 3
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 3.13
Apoio 1 (apenas o resultado)
7.4%.

CAPTULO 3
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 3.13
Apoio 2 (sugesto)
Desenhe a rvore de resultados e aplique o teorema de Bayes.

CAPTULO 3
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 3.13
Apoio 3 (resoluo completa)
Considerem-se os seguintes acontecimentos:
AD: Ao jogador A sai a pergunta de Desporto
AL: Ao jogador A sai a pergunta de Literatura
AP: Ao jogador A sai a pergunta de Poltica
AC: Ao jogador A sai a pergunta de Cinema
AT: Ao jogador A sai a pergunta de Telenovela
AM: Ao jogador A sai a pergunta de Msica
BD: Ao jogador B sai a pergunta de Desporto
BL: Ao jogador B sai a pergunta de Literatura
BP: Ao jogador B sai a pergunta de Poltica
BC: Ao jogador B sai a pergunta de Cinema
BT: Ao jogador B sai a pergunta de Telenovela
BM: Ao jogador B sai a pergunta de Msica
AA: O jogador A Acerta a resposta
AF: O jogador A Falha a resposta
BA: O jogador B Acerta a resposta
BF: O jogador B Falha a resposta.
Assim,
P
P
P
P
(AD BD)|(AA BF)
(AD BD) (AA BF)
(AA BF)
(AD BD AA B

[ ]
=

[ ]

=
FF)
(AA BF) P
.
CAPTULO 3
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Reordenando os termos do numerador e admitindo que os acontecimentos AA e BF so
independentes, vem
P
P
P
P
(AD BD)|(AA BF)
(AD AA BD BF)
(AA) P(BF)
(AD AA) BD

[ ]
=

=
( BBF)
(AA) P(BF)
[ ]
P
.
Admitindo que os acontecimentos (AD AA) e (BD BF) so independentes, obtm-se
P
P P
P
P
P
(AD BD)|(AA BF)
(AD AA) BD BF)
(AA) P(BF)
(AD AA)
(

[ ]
=

=

(
AAA)
BD BF)
(BF)

P
P
(
ou seja,
P P P (AD BD)|(AA BF) (AD|AA) BD|BF).
[ ]
= (
CAPTULO 3
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Calcula-se em seguida P(AD|AA) recorrendo a uma rvore de resultados:

D (1/6)
(...)
M (1/6)
A|M (0.30)
F|D (0.70)
A|L (0.10)
F|D (0.90)
A|D (0.90)
F|D (0.10)
Assim,
P
P
P
P
P P
P P
(AD|AA)
(AD AA)
(AA)
(AD|AA)
(AD) (AA|AD)
(AD) (AA|AD
=

=

)) (AL) (AA|AL) (AM) (AA|AM)
(1
(1
+ + +
=

+
P P P P
/ ) .
/ ) .
6 0 90
6 0 90 ((1 (1 / ) . / ) .
. .
6 0 10 6 0 30
0 346
+ +
=
CAPTULO 3
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Calcule-se agora P(BD|BF):
P
P
P
P
P P
P P
(BD|BF)
(BD BF)
(BF)
(BD|BF)
(BD) (BF|BD)
(BD) (BF|BD
=

=

)) (BL) (BF|BL) (BM) (BF|BM))
(1
(1
+ + +
=
-

P P P P
/ ) ( . )
/ )
6 1 0 40
6 (( . ) / ) ( . ) / ) ( . )
. .
1 0 40 6 1 0 50 6 1 0 85
0 214
- + - + + -
=
(1 (1
Como
P P P (AD BD)|(AA BF) (AD|AA) BD|BF)
[ ]
= (
vem, finalmente
P (AD BD)|(AA BF) 0
[ ]
=
=
. .
. .
346 0 214
0 074

CAPTULO 4
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Captulo 4
Captulos

Problemas
4.1
(i)
4.1
(ii)
4.1
(iii)
4.1
(iv)
4.2
(i)
4.2
(ii)
4.2
(iii)
4.3
(i)
4.3
(ii)
4.3
(iii)
4.4 4.5
4.6
(i)
4.6
(ii)
4.6
(iii)
4.7
(i)
4.7
(ii)
4.7
(iii)
Apoio 1
(apenas o
resultado)
n.a. n.a. n.a. n.a. n.a.
Apoio 2
(sugesto)
n.a.
Apoio 3
(resoluo
completa)
n.a. = no aplicvel
CAPTULO 4
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 4.1
Alnea (i)
Apoio 2 (sugesto)
Na seco 3.2 veja qual a definio de espao amostral.

CAPTULO 4
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 4.1
Alnea (i)
Apoio 3 (resoluo completa)
Espao amostral: conjunto constitudo pelos seguintes elementos:
AB AC AD AE AF AG
BC BD BE BF BG
CD CE CF CG
DE DF DG
EF EG
FG

CAPTULO 4
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 4.1
Alnea (ii)
Apoio 2 (sugesto)
Na seco 4.1 veja como definir uma aplicao de um espao amostral sobre um conjunto de
chegada qualquer (que corresponde ao conceito de varivel aleatria).

CAPTULO 4
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 4.1
Alnea (ii)
Apoio 3 (resoluo completa)
A varivel aleatria Y corresponde ao nmero de mulheres. No diagrama seguinte indicam-se os
valores que a varivel Y toma para todos os elementos do espao amostral.

AB AC AD AE AF AG
BC BD BE BF BG
CD CE CF CG
DE DF DG
EF EG

FG
Y = 1
Y = 2
Y = 0
CAPTULO 4
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 4.1
Alnea (iii)
Apoio 2 (sugesto)
Na seco 4.2 veja qual a definio de funo de probabilidade (denotada por p(y)) e de funo
de distribuio (F(y)) de uma varivel aleatria discreta Y. Note que a funo de distribuio
corresponde a uma funo de probabilidade acumulada.

CAPTULO 4
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 4.1
Alnea (iii)
Apoio 3 (resoluo completa)
P(y): funo de probabilidade de Y
F(y): funo de distribuio de Y
Representao na forma tabular:
Y p(y) F(y)
0
10
0.476
21

10
0.476
21

1
10
0.476
21

20
0.952
21

2
1
0.048
21
1.000
Representao atravs de diagramas de barras:

0.0
0.5
1.0
0 1 2
p (y)
0.0
0.5
1.0
0 1 2
F (y)
y = n. de mulheres y = n. de mulheres
CAPTULO 4
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 4.1
Alnea (iv)
Apoio 1 (apenas o resultado)
Valor esperado: 0.572
Desvio padro: 0.584
Coeficiente de assimetria: 0.442.

CAPTULO 4
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 4.1
Alnea (iv)
Apoio 2 (sugesto)
Na Seco 4.5 veja quais as definies e as respectivas expresses dos parmetros valor esperado
(que se denota por
Y
), desvio padro (
Y
) e coeficiente de assimetria (
1Y
) de uma varivel
aleatria discreta Y.

CAPTULO 4
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 4.1
Alnea (iv)
Apoio 3 (resoluo completa)
E 0 0.476 1 0.476 2 0.048 0.572 ( ) Y y p y
Y
y
= = ( ) = + + =
=

m
0
2
Var( ) . . Y y p y
Y Y
= = -
( )
( ) = - + - s m
2
2
0 0 1 0 572 ( 572) 0.476 ( ) 0.476
2 2
++
=

y 0
2
+ - = ( . ) . . 2 0 572 0 048 0 341
2
s
Y
= 0 341 . = 0.584
g
m
s
m
s
1
3
3
3
0
2
3
Y
Y
Y
y
Y
y p y
= =
-
( )

=
=

( )
= - ( ) + - ( ) + - ( )
1
0 584
0 0 572 0 476 1 0 572 0 476 2 0 572 0 048
3
3 3 3
.
. . . . . .

= 0.442.

CAPTULO 4
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 4.2
Alnea (i)
Apoio 1 (apenas o resultado)
P(t > 2) = 13.5%.

CAPTULO 4
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 4.2
Alnea (i)
Apoio 2 (sugesto)
Na seco 4.3 veja qual a definio de funo densidade de probabilidade e qual a expresso
que traduz a probabilidade de uma varivel aleatria contnua qualquer tomar um valor situado
num intervalo [a, b].

CAPTULO 4
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 4.2
Alnea (i)
Apoio 3 (resoluo completa)
P(t > 2) = e d t e e
t t -
+
-

-
= - = + =

D D
D
2
2
2
0 0 135 . .

CAPTULO 4
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 4.2
Alnea (ii)
Apoio 1 (apenas o resultado)
P(t > 3) = 4.98%.

CAPTULO 4
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 4.2
Alnea (ii)
Apoio 2 (sugesto)
Na seco 4.3 veja qual a definio de funo densidade de probabilidade e qual a expresso
que traduz a probabilidade de uma varivel aleatria contnua qualquer tomar um valor situado
num intervalo [a, b].

CAPTULO 4
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 4.2
Alnea (ii)
Apoio 3 (resoluo completa)
P(t > 3) =

e d t e e
t t -
+
-

-
= - = + =

D D
D
3
3
3
0 0 0498 . .

CAPTULO 4
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 4.2
Alnea (iii)
Apoio 1 (apenas o resultado)
13.5%.

CAPTULO 4
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 4.2
Alnea (iii)
Apoio 2 (sugesto)
A probabilidade pretendida condicional (ver definio na seco 3.1, expresso 3.10).

CAPTULO 4
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 4.2
Alnea (iii)
Apoio 3 (resoluo completa)
P(t > 3 | t >1) =
> > ( )
> ( )
=
> ( )
> ( )
=
P t
P t
P t
P t
D D
D
D
D
3
1
3
1
t 1
= = = > ( ) =
-
-
-
e
e
e P t
3
1
2
2 0 135 D .
Em geral,
P t t T t t
e
e
e P t T
t
t
T
D D D
T
> + >
( )
= = = > ( )
- + ( )
-
-
.

CAPTULO 4
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 4.3
Alnea (i)
Apoio 3 (resoluo completa)

0
0,5
0 1 2 3
x
f(x)

CAPTULO 4
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 4.3
Alnea (ii)
Apoio 1 (apenas o resultado)
P X ( ) = 1 50 68 8 . . %
P X ( ) = 2 0 11 1 . . %
P X 1 0 2 5 57 7 . . . % ( ) = .

CAPTULO 4
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 4.3
Alnea (ii)
Apoio 2 (sugesto)
As probabilidades pretendidas correspondem s reas delimitadas pela funo densidade de
probabilidade e pelos limites em questo da varivel aleatria.

CAPTULO 4
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 4.3
Alnea (ii)
Apoio 3 (resoluo completa)
P X x x x dx ( ) =

- + ( )

1 50
4
27
9 6
2 3
0
1 5
.
.
= - +

4
27
9
2
4
27
6
3
4
27
1
4
2 3 4
0
1 5
x x x
.
= - +

2
3
8
27
1
27
2 3 4
0
1 5
x x x
.
= 0 688 . .
P X P X ( ) = - < ( ) 2 0 1 2 0 . .

= - - +

1
2
3
8
27
1
27
2 3 4
0
2
x x x

111 . 0 889 . 0 1 = = .
P X P X P X 1 0 2 5 2 5 1 0 . . . . ( ) = ( ) - ( )
= - +

2
3
8
27
1
27
2 3 4
1 0
2 5
x x x
.
.
= - = 0 984 0 407 0 577 . . . .

CAPTULO 4
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 4.3
Alnea (iii)
Apoio 2 (sugesto)
A funo de distribuio corresponde a uma funo de probabilidade acumulada, que pode ser
obtida integrando a funo de densidade.

CAPTULO 4
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 4.3
Alnea (iii)
Apoio 3 (resoluo completa)
F x f u du
x
( ) = ( )
-

F x u u u du u u u
x x
( ) . =

- + ( ) = - +

4
27
9 6
2
3
8
27
1
27
2 3
0
2 3 4
0
22
3
8
27
1
27
2 3 4
x x x - + .
Para verificar se esta expresso est correcta recorde-se que
lim
x
F x f u du

-
+
( ) = ( ) =

1.
Neste caso,
F( ) 3
2
3
3
8
27
3
1
27
3 1
2 3 4
= - + = .

0
0.5
1
0 1 2 3
x
F(x)

CAPTULO 4
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 4.4
Apoio 1 (apenas o resultado)

Y
= 67.2 C

Y
= 3.89 C.

CAPTULO 4
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 4.4
Apoio 2 (sugesto)
Na seco 4.6 veja como se calculam os parmetros valor esperado e desvio padro de uma
varivel transformada a partir dos parmetros correspondentes da distribuio da varivel original
respectiva. Note que neste exerccio a transformao linear.

CAPTULO 4
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 4.4
Apoio 3 (resoluo completa)
Considere a correspondncia entre a escala centgrada e a escala Fahrenheit:
C F
32
0
212
100
0
Se Y representar temperatura em C e X a temperatura em F, a expresso que permite efectuar
a converso de uma escala na outra a seguinte:
Y X
Y X
100
32
180
5
9
17 8 =
-
= - . .
Assim,
E Y E X ( ) = ( ) - = - =
5
9
17 8
5
9
153 17 8 67 2 . . . C,
Var Var Y X ( ) =

( ) = =
5
9
25
81
7 15 12
2
2
.
e
s
Y
= = 15 12 3 89 . . C.
CAPTULO 4
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 4.5
Apoio 1 (apenas o resultado)

N
= 124.46

N
= 0.771.

CAPTULO 4
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 4.5
Apoio 2 (sugesto)
Uma vez que se est perante uma transformao N = (V) no-linear, verifique se esta pode ser
aproximada em torno do valor esperado de V. Na seco 4.6 veja quais as expresses do valor
esperado e da varincia neste tipo de transformaes.

CAPTULO 4
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 4.5
Apoio 3 (resoluo completa)
Sejam,
N: cota a montante [m]
V: volume de gua armazenada [10
6
m
3
]
V
0
= 400 [10
6
m
3
].
Sabe-se que
E(V) = 20
e que
Var (V) = 225.
Ora,
V V V = +
0
D ,
e portanto
E V E V E V ( ) ( ) ( ) = + = + =
0
400 20 420 D .
Do mesmo modo
Var Var Var Var ( ) ( ) ( ) ( ) V V V V = + = =
0
225 D D .
CAPTULO 4
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Sabendo que
N V V V V = ( ) = + - +
-
f 75 22 0 2511 0 000481 0 386 10
2 6 3
. . . . ,
vem
E N E V E V ( ) = ( )

( )

f f
E N E V E V E V ( ) . . ( ) . ( ) . ( ) + - +
-
75 22 0 2511 0 000481 0 386 10
2 6 3
E N ( ) . . . . + - +
-
75 22 0 2511 420 0 000481 420 0 386 10 420
2 6 3
= 124.46.
Do mesmo modo
Var N Var V
dN
dV
Var V
V E V
( ) = ( )

=
f
( )
( )
2
.
Como
dN
dV
V V = - +
-
0 2511 2 0 000481 3 0 386 10
6 2
. . .
dN
dV
V E V =
-
= - + =
( )
. . . . 0 2511 2 0 000481 420 3 0 386 10 420 0 0514
6 2
,
resulta
Var N ( ) . . = 0 0514 225 0 59
2
s
N
= 0 59 0 771 . . .
CAPTULO 4
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Note que a transformao N = f (V) no-linear, mas os clculos foram efectuados com base
numa aproximao linear da relao entre V e N em torno do ponto v
V
= m . A razoabilidade
desta opo pode verificar-se no diagrama seguinte.
121.00
122.00
123.00
124.00
125.00
126.00
127.00
128.00
360 380 400 420 440 460
N[m]
E(V) 3
V
E(V) E(V) + 3
V

V[10
6
m
3
]
Na tabela que se segue apresentam-se os valores assinalados no grfico.
N V
122.10 375
122.89 390
123.66 405
124.46 420
125.20 435
125.99 450
126.79 465

CAPTULO 4
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 4.6
Alnea (i)
Apoio 1 (apenas o resultado)
33 000.

CAPTULO 4
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 4.6
Alnea (i)
Apoio 2 (sugesto)
Na seco 4.5 veja qual a definio e a respectiva expresso, do parmetro valor esperado (que
se denota por
Y
) de uma varivel aleatria discreta Y.

CAPTULO 4
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 4.6
Alnea (i)
Apoio 3 (resoluo completa)
Seja Y a varivel aleatria que representa o nmero de espectadores. Ento
E( ) Y y p y
Y
y
= = ( )
=

m
0
3
= 5000 0.20 + 20 000 0.20 + 30 000 0.10 + 50 000 0.50
= 33 000.

CAPTULO 4
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 4.6
Alnea (ii)
Apoio 1 (apenas o resultado)
A organizao deve realizar o concerto desde que no se importe de correr riscos.

CAPTULO 4
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 4.6
Alnea (ii)
Apoio 2 (sugesto)
O lucro corresponde diferena entre receitas e custos. Se o valor esperado do lucro for positivo
a organizao dever avanar com o concerto. Na seco 4.6 veja como se calcula o valor
esperado de uma varivel transformada a partir dos parmetros das distribuies das variveis
originais. Note que se est perante uma transformao linear.

CAPTULO 4
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 4.6
Alnea (ii)
Apoio 3 (resoluo completa)
Seja,
Y: n. de espectadores
L: lucro do concerto [contos].
Ora,
Lucro (L) = Receitas Custos.
Como
Receitas = 4
.
5
.
Y [euros]
Custos = 1
.
0
.
Y + 75 000 + 30 000 [euros],
resulta
Lucro = 4
.
5
.
Y (1
.
0
.
Y + 105 000) = 3
.
5
.
Y 105 000 [euros],
cujo valor esperado :
E(L) =
L
= 3
.
5
.
E(Y) 105 000 = 3
.
5
.
33 000 105 000 = 10 500 [euros]
Uma vez que o valor esperado do lucro positivo, se a organizao for indiferente ao risco
deve realizar o concerto. Note-se que s dever haver concerto se o nmero de espectadores for
superior a 30000, dado que a partir deste nvel o valor esperado do lucro positivo.

CAPTULO 4
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 4.6
Alnea (iii)
Apoio 1 (apenas o resultado)
A organizao no deve cancelar o concerto, desde que no se importe de correr riscos.

CAPTULO 4
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 4.6
Alnea (iii)
Apoio 2 (sugesto)
Compare o valor esperado do lucro que se obtm com a realizao do concerto com o que
resulta do seu cancelamento. A situao que corresponde a um lucro maior a que se recomenda.
Registe-se que ambas as situaes podem levar a perdas, devendo, neste caso, ser seleccionada
a alternativa que minimiza as perdas.

CAPTULO 4
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 4.6
Alnea (iii)
Apoio 3 (resoluo completa)
Seja,
Y: n. de espectadores
L: lucro do concerto.
De acordo com as novas previses atmosfricas, o valor esperado do nmero de espectadores
ser:
E( ) Y y p y
Y
y
= = ( )
=

m
0
3
= 5000 0.30 + 20 000 0.20 + 30 000 0.20 + 50 000 0.30 = 26 500.
O lucro do concerto ser dado por
Lucro (L) = Receitas Custos.
Considerem-se separadamente as seguintes situaes:
g
O concerto realiza-se.
Receitas = 4.5 Y [euros]
Custos = 1.0 Y + 75 000 + 30 000 [euros]
Lucro = 4.5 Y (1.0 Y +105 000) = 3.5 Y 105 000 [euros]
E(L) =
L
= 3.5 E(Y) 105 000 = 3.5 26 500 105 000 = 12 250 [euros]
CAPTULO 4
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
g
O concerto cancelado.
Receitas = 0 [euros]
Custos = 15 000 + 7500 = 22 500 [euros]
Lucro = 22 500 [euros]
Se a organizao no for avessa ao risco em demasia, dever avanar com a realizao do
concerto. Embora apresente um lucro com valor esperado negativo (prejuzo), corresponde
situao que minimiza o valor esperado das perdas, com um valor de 22 500 euros.

CAPTULO 4
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 4.7
Alnea (i)
Apoio 1 (apenas o resultado)
P 0 ( ) = 0.00075 F 0 ( ) = 0.00075
P 1 ( ) = 0.02525 F 1 ( ) = 0.026
P 2 ( ) = 0.24725 F 2 ( ) = 0.27325
P 3 ( ) = 0.72675 F 3 ( ) = 1.

CAPTULO 4
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 4.7
Alnea (i)
Apoio 2 (sugesto)
Na seco 4.2 veja qual a definio de funo de probabilidade (denotada por p(y)) e de funo
de distribuio (F(y)) de uma varivel aleatria discreta Y. Note que a disponibilidade de um
veculo independente da dos outros.

CAPTULO 4
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 4.7
Alnea (i)
Apoio 3 (resoluo completa)
A varivel aleatria Y representa o nmero de veculos disponveis por dia. Considerem-se os
seguintes acontecimentos:
VN: o veculo mais novo encontra-se disponvel num determinado dia
VA: o veculo mais antigo encontra-se disponvel num determinado dia
VT: o terceiro veculo encontra-se disponvel num determinado dia.
Note que VN, VA e VT so acontecimentos independentes. Assim, a funo probabilidade
vem:
P Y P P P P ( ) = =
( )
=
( )

( )

( )
0 VN VA VT VN VA VT
P P VN VN
( )
= - ( ) = - = 1 1 0 95 0 05 . .
P P VA VA
( )
= - ( ) = - = 1 1 0 85 0 15 . .
P P VT VT
( )
= - ( ) = - = 1 1 0 90 0 10 . .
P Y ( ) . . . . = = = 0 0 05 0 15 0 10 0 00075
P Y P ( ) = =
( )

( )

( )

1 VN VA VT VN VA VT VN VA VT

= + + = 0 95 0 15 0 10 0 05 0 85 0 10 0 05 0 15 0 90 0 02525 . . . . . . . . . .
CAPTULO 4
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
P Y P ( ) = =
( )

( )

( )

2 VN VA VT VN VA VT VN VA VT

= + + = 0 95 0 85 0 10 0 95 0 15 0 90 0 5 0 85 0 90 0 24725 . . . . . . . . . .
P Y P P P P ( ) = = ( ) = ( ) ( ) ( ) 3 VN VA VT VN VA VT

= = 0 95 0 85 0 90 0 72675 . . . . .
Calcule-se agora a funo distribuio:
F P Y P Y 0 0 0 ( ) = ( ) = = ( ) = 0.00075
F P Y P Y P Y 1 1 0 1 ( ) = ( ) = = ( ) + = ( ) = + = 0.00075 0.02525 0.026
F P Y P Y P Y P Y 2 2 0 1 2 ( ) = ( ) = = ( ) + = ( ) + = ( )

= + + = 0.00075 0.02525 0.24725 0.27325
F P Y 3 3 1 ( ) = ( ) = .

CAPTULO 4
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 4.7
Alnea (ii)
Apoio 1 (apenas o resultado)
m
Y
= 2 7 .
s
Y
= 0 515 . .

CAPTULO 4
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 4.7
Alnea (ii)
Apoio 2 (sugesto)
Na seco 4.5 veja quais as definies e respectivas expresses dos parmetros valor esperado
(que se denota por m
Y
) e desvio padro (s
Y
) de uma varivel aleatria discreta Y.

CAPTULO 4
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 4.7
Alnea (ii)
Apoio 3 (resoluo completa)
m
Y
y
y p y = ( ) = + + = +
=

. . . . . .
0
3
0 02525 1 0 24725 2 0 72675 3 0 02525 0 49455 2 18025 2 7 + = . .
s m m
Y Y
y
Y
y
y p y y p y
2
2
0
3
2 2
0
3
= -
( ) ( ) = ( )

-
= =

. .
= + + - 0 02525 1 0 24725 2 0 72675 3
2 2 2
. . . m
Y

= + + - = 0 02525 0 989 6 54075 7 29 0 265 . . . . .
s
Y
= = 0 265 0 515 . . .

CAPTULO 4
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 4.7
Alnea (iii)
Apoio 1 (apenas o resultado)
Valor esperado: 135 [/dia]
Desvio Padro: 25.7 [/dia].

CAPTULO 4
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 4.7
Alnea (iii)
Apoio 2 (sugesto)
O lucro uma funo linear da varivel Y. Na seco 4.6 veja como se calculam o valor esperado
e o desvio-padro de uma varivel transformada a partir dos parmetros das distribuies das
variveis originais.

CAPTULO 4
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 4.7
Alnea (iii)
Apoio 3 (resoluo completa)
O lucro lquido dirio L Y = 50 . O respectivo valor esperado e desvio padro vm:
E L E Y ( ) ( ) . = = = 50 50 2 7 135 [/dia]
s
L
L Y = = = =
[ ]
Var Var /dia ( ) ( ) . . . 50 662 5 25 7
2


CAPTULO 5
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Captulo 5
Captulos

Problemas
5.1
(i)
5.1
(ii)
5.1
(iii)
5.2
(i)
5.2
(ii)
5.2
(iii)
5.2
(iv)
5.3 5.4
5.5
(i)
5.5
(ii)
5.5
(iii)
5.6
(i)
5.6
(ii)
5.6
(iii)
5.6
(iv)
5.6
(v)
5.6
(vi)
5.7
Apoio 1
(apenas o
resultado)
n.a. n.a. n.a.
Apoio 2
(sugesto)
Apoio 3
(resoluo
completa)
n.a. = no aplicvel
CAPTULO 5
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 5.1
Alnea (i)
Apoio 2 (sugesto)
Procure definir duas aplicaes sobre o espao amostral (constitudo pelos resultados da
experincia lanamento da moeda E-C trs vezes ao ar), em que uma delas especifica a varivel
aleatria X e a outra especifica a varivel aleatria Y. De seguida, na seco 5.2, veja qual a
definio de funo conjunta de probabilidade.

CAPTULO 5
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 5.1
Alnea (i)
Apoio 3 (resoluo completa)
Na tabela seguinte representam-se os resultados possveis.
Resultados X Y
EEE 2 0
ECE 1 1
EEC 2 1
ECC 1 2
CEE 1 0
CCE 0 1
CEC 1 1
CCC 0 2
A funo conjunta de probabilidade das variveis X e Y, p
X, Y
(x, y), dada por:
" = = = = = = x y p x y P X x Y y P X x Y y
X Y
, : ( , ) ( ) ( , ).
,
Na tabela seguinte apresentam-se os valores desta funo.
p
X, Y
(x, y)
2
1
8

1
8
0
1
1
8

1
4

1
8
Y
0 0
1
8

1
8

0 1 2
X

CAPTULO 5
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 5.1
Alnea (ii)
Apoio 2 (sugesto)
Na Seco 5.4 veja qual a definio de funo condicional de probabilidade de duas variveis
discretas. Note que, para este clculo, necessrio recorrer funo marginal de probabilidade
da varivel X.

CAPTULO 5
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 5.1
Alnea (ii)
Apoio 3 (resoluo completa)
A probabilidade condicional de Y dado que X =1 dada por
p Y X
p X Y
p X
Y X
X Y
X


1
=
( )
=
= ( )
= ( )
1
1
,
,
.
Para calcular tal probabilidade falta determinar p X
X
( ) =1 . Seja p
X
(x) a funo marginal de
probabilidade da varivel X. Ento
" =

x p x p x y
X X Y
y
: ( ) ( , )
,
.
Do mesmo modo, para a funo marginal de probabilidade da varivel Y, p
y
(y), vem
" =

y p y p x y
Y X Y
x
: ( ) ( , )
,
.
CAPTULO 5
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Na tabela seguinte apresentam-se os valores destas funes.
p
X, Y
(x, y) p
y
(y)
2
1
8

1
8
0
1
4

1
1
8

1
4

1
8

1
2
Y
0 0
1
8

1
8

1
4

0 1 2
X

1
4

1
2

1
4
p
X
(x)
Assim,
Y
1 ( )
Y X
p Y X =
0
1 8 1
1 2 4

1
1 4 1
1 2 2

2
1 8 1
1 2 4


CAPTULO 5
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 5.1
Alnea (iii)
Apoio 1 (apenas o resultado)
-
1
2
.
CAPTULO 5
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 5.1
Alnea (iii)
Apoio 2 (sugesto)
Na Seco 5.6 veja qual a definio de covarincia (
XY
) e de coeficiente de correlao popula-
cional (
XY
). Recorde que ambas so medidas de relacionamento linear entre duas variveis.

CAPTULO 5
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 5.1
Alnea (iii)
Apoio 3 (resoluo completa)
r
g
s s
XY
XY
X Y
=

.
g
Clculo dos valores esperados e dos desvios padres das variveis X e Y
E ( ) ( ) X x p x
X X
x
= =

m
=
1
4
0
1
2
1
1
4
2 + +
= 1
E ( ) ( ) Y y p y
Y Y
y
X
= = = =

m m 1
Var ( ) ( ) X x p x
X X
x
= -
( )
= - ( ) + - ( ) + - ( ) =

m
2 2 2 2
0 1
1
4
1 1
1
2
2 1
1
4
1
2
s
X
= =
1
2
2
2
s s
Y X
= .
g
Clculo da covarincia
XY
g m m m m
XY X Y X
y x
Y X Y
x y x y p x y = -
( )
-
( )

= -
( )
-
( )


E
,
( , )
g
XY
= - ( ) - ( ) + - ( ) - ( ) = - 0 1 2 1
1
8
2 1 0 1
1
8
1
4
g
Clculo da correlao
XY
r
g
s s
XY
XY
X Y
=

=
-

= -
1 4
2 2 2 2
1
2
.

CAPTULO 5
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 5.2
Alnea (i)
Apoio 1 (apenas o resultado)
f x x
X
( ) = 2
f y y
Y
( ) = - ( ) 2 1 .

CAPTULO 5
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 5.2
Alnea (i)
Apoio 2 (sugesto)
A distribuio marginal de probabilidade para cada uma das variveis calculada a partir da
funo conjunta de densidade de probabilidade.

CAPTULO 5
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 5.2
Alnea (i)
Apoio3 (resoluo completa)
De acordo com o enunciado

1
1
Y

X
D
0
0

f
X,Y
(x,y) = 2
Assim,
f x f x y dy dy y x
X X Y
x x
x
( ) ( , ) [ ]
,
= = = =

0 0
0
2 2 2
[verificao: f x dx xdx
x
X
0
1
2
0
1
0
1
2 2
2
1

= =

= ( ) .
Do mesmo modo,
f y f x y dx dx x y
Y X Y
y
y
y
( ) ( , ) ( )
,
= = =
[ ]
= -

1
1
1
2 2 2 1
[verificao: f y dy y dy y
y
Y
0
1
0
1
0
1
2
0
1
2 1 2 2
2
2 1 1

= - =
[ ]
-

= - = ( ) ( ) .

CAPTULO 5
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 5.2
Alnea (ii)
Apoio 1 (apenas o resultado)
1
3
.

CAPTULO 5
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 5.2
Alnea (ii)
Apoio 2 (sugesto)
Os valores esperados de cada varivel so calculados a partir das respectivas distribuies
marginais de probabilidade.

CAPTULO 5
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 5.2
Alnea (ii)
Apoio 3 (resoluo completa)
m
x X X
x f x dx x f x dx x dx
x
= = = =

=
-
+

( ) ( )
0
1
2
0
1
3
0
1
2 2
3
2
33
.
m
y Y
y f y dy y y dy
y y
= = - =


0
1
0
1
2
0
1
3
2 1 2
2
2
3
( ) ( )
00
1
1
2
3
1
3
= - = .

CAPTULO 5
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 5.2
Alnea (iii)
Apoio 1 (apenas o resultado)
f x y
y
X Y |
( | ) =
-
1
1
f y x
x
Y X |
( | ) =
1
.

CAPTULO 5
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 5.2
Alnea (iii)
Apoio 2 (sugesto)
A distribuio condicional de probabilidade para variveis contnuas pode ser definida pela razo
da funo conjunta de densidade de probabilidade e da funo marginal de probabilidade.

CAPTULO 5
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 5.2
Alnea (iii)
Apoio 3 (resoluo completa)
f x y
f x y
f y y y
X Y
X Y
Y
|
,
( | )
( , )
( ) ( )
= =
-
=
-
2
2 1
1
1
[verificao:
1
1
1
1
1
1
1
1
1
-
=
-

[ ]
=
-
-
=

y
dx
y
x
y
y
y
y
.
f y x
f x y
f x x x
Y X
X Y
X
|
,
( | )
( , )
( )
= = =
2
2
1
[verificao:
1 1
1
0
0
x
dy
x
y
x
x
x
x

=
[ ]
= = .

CAPTULO 5
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 5.2
Alnea (iv)
Apoio 1 (apenas o resultado)
1
36
.

CAPTULO 5
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 5.2
Alnea (iv)
Apoio 2 (sugesto)
Rever o Captulo 5 sobre Distribuies Conjuntas de Probabilidade, dando especial destaque
seco 5.6 Covarincia e Correlao para variveis contnuas.

Para o clculo da covarincia
considere os desvios a partir do ponto (
X
,
Y
).

CAPTULO 5
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 5.2
Alnea (iv)
Apoio 3 (resoluo completa)
Cov X Y x y
x y
, ( ) = -
( )
-
( )

E m m
= -

x y dxdy
D
2
3
1
3
2
= -



2
2
3
1
3
0
1
0
x dx y dy
x
= -

-
[ ]

2
2
3 2
1
3
0
1
2
0
0
x dx
y
y
x
x
= -

2
2
3 2 3
0
1
2
x
x x
dx
= - - +

2
2 3 3
2
9
3 2 2
0
1
x x x x
dx
=

2
1
2 4
2
3 3
2
9 2
4
0
1
3
0
1
2
0
1
x x x
= - +

2
1
8
2
9
1
9
= -

= = 2
1
8
1
9
2
1
72
1
36
.
Como se esperava a covarncia diferente de zero (neste caso, positiva). Pode concluir-se
que existe uma relao linear entre as variveis X e Y.

CAPTULO 5
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 5.3
Apoio 1 (apenas a soluo)
Valor esperado: 0.01
Desvio padro: 1 75 10
3
.
-
.

CAPTULO 5
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 5.3
Apoio 2 (sugesto)
Uma vez que se est perante uma relao no linear, verifique se ela pode ser conside-
rada aproximadamente linear em torno dos valores esperados das variveis originais (R e C).
Na seco 5.7 veja quais as expresses do valor esperado e da varincia neste tipo de
transformaes.

CAPTULO 5
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 5.3
Apoio 3 (resoluo completa)
Como
T R C = f( , )
verifica-se em seguida se ser razovel aproximar f( , ) R C por uma relao linear em torno do
ponto R C
R C
= =
( )
m m , .
R C T
6
10
R
m =
6
10
C
m
-
=
2 18 18 2
10 10 10 10
- - -
=
6
10
R
m =
6
3 0.85 10
C C
m s
-
- =
2 18 3 18 2
10 10 0.85 10 0.61 10
- - -
=
6
10
R
m =
6
3 1.15 10
C C
m s
-
+ =
2 18 3 18 2
10 10 1.15 10 1.52 10
- - -
=

6
3 0.91 10
R R
m s - =
6
10
C
m
-
=
3 2 2
0.91 10 0.75 10
- -
=
6
3 0.91 10
R R
m s - =
6
3 0.85 10
C C
m s
-
- =
3 3 2 2
0.91 0.85 10 0.46 10
- -
=
6
3 0.91 10
R R
m s - =
6
3 1.15 10
C C
m s
-
+ =
3 3 2 2
0.91 1.15 10 1.15 10
- -
=

6
3 1.09 10
R R
m s + =
6
10
C
m
-
=
3 2 2
1.09 10 0.75 10
- -
=
6
3 1.09 10
R R
m s + =
6
3 0.85 10
C C
m s
-
- =
3 3 2 2
1.09 0.85 10 0.80 10
- -
=
6
3 1.09 10
R R
m s + =
6
3 1.15 10
C C
m s
-
+ =
3 3 2 2
1.09 1.15 10 1.97 10
- -
=
CAPTULO 5
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
No diagrama seguinte ilustra-se o andamento da funo T nos pontos R C
R C
= =
( )
m m , e
R C
R R C C
= =
( )
m s m s 3 3 , .

T [10
-2
]
R [10
-6
]
6
10


C
C
6
10 85 . 0 3


C C
C
6
10 15 . 1 3


C C
C
R

R R
3
R R
3
0.5
2.0
0.9 1.0
1.5
1.0
1.1
0.0
Se a relao T R C = f( , ) fosse linear as curvas representadas corresponderiam a rectas
paralelas equiespaadas. A aproximao linear de T R C = f( , ) corresponde a substituir as trs
curvas por trs rectas paralelas, sendo a distncia que separa a primeira da segunda igual que
separa a segunda da terceira. Dado que as gamas de valores R e C incluem pontos muito extremos
m s ( ) 3 e tendo em conta a forma e a posio relativa das curvas representadas no diagrama
anterior, a aproximao linear parece ser razovel.
CAPTULO 5
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Nestas condies,
E E E ( ) [ ( )] [ ( )] . T R C = = =
- - -
1
100
10 10 10 10 0 01
3 3 2 18 18 2
Var Var Var ( ) , ( ) , ( ) T
T
R
R
T
C
C
R C R C

m m m m
2 2

= = =
- -
T
R
R C R C
m m m m ,
.
3
100
3
100
10 10 3 10
2 3 12 18 8

= = =
-
T
C
R C R C
m m m m ,
3
100
3
100
10 10 3 10
3 2 18 12 4
Var( ) . R = ( ) = =
-
0 03 10 9 10 10 9 10
6
2
4 12 8
Var( ) . . C = ( ) = =
- - - -
0 05 10 25 10 10 2 5 10
6
2
4 12 15
Var( ) . T ( ) + ( )
- -
3 10 9 10 3 10 2 5 10
8
2
8 4
2
15
= +
- -
9 9 10 9 2 5 10
8 7
.
= +
- -
0 81 10 2 25 10
6 6
. .
=
-
3 06 10
6
.
.
s
T
=
- -
3 06 10 1 75 10
3 3
. . .

CAPTULO 5
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 5.4
Apoio 1 (apenas o resultado)
Valor esperado: 920 [toneladas]
Desvio padro: 6.79 [toneladas].

CAPTULO 5
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 5.4
Apoio 2 (sugesto)
Procure explicitar a varivel peso do carvo seco em funo das variveis peso do carvo
hmido e teor de humidade. Uma vez que se est perante uma transformao no linear,
verifique se esta pode ser aproximada por segmentos de recta em torno dos valores esperados
das variveis originais. Na seco 5.7 veja quais as expresses do valor esperado e da varincia
neste tipo de transformaes.

CAPTULO 5
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 5.4
Apoio 3 (resoluo completa)
Sejam,
H : peso do carvo hmido [toneladas]
S : peso do carvo seco [toneladas]
t : teor de humidade [%].
Ento,
S
t
H H
t
H
t
H =
- ( )
= - = -


100
100 100
1
100
.
A funo S t H = ( ) f , ser aproximada por uma relao linear em torno do ponto
t
t H
= =
( )
m m , H .
CAPTULO 5
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
g
Verificao da razoabilidade desta aproximao
O diagrama que se apresenta seguidamente no qual se definem valores de S t = ( ) f H , para
diferentes combinaes de H m m s m s
H H H H H
, , - +
( )
3 3 e de t m m s m s
t t t t t
, , - +
( )
3 3
mostra que no se cometero erros apreciveis aproximando S t H = ( ) f , por uma relao linear.
% 5 . 6 3
t t
t
% 5 . 9 3
t t
t
% 8
t
t
H H
3
H

H H
3
890
910
930
950
985 1000 1015
S [ton]
H [ton]
Nota: m
H
e m
t
no so conhecidos; os seus valores foram substitudos pelas estimativas

m
H
=
= 1000 toneladas e

m
t
= 8 %.
Nestas condies,
E S
E
E H ( ) -
( )

( ) = -

= 1
100
1
8
100
1000 920
t
[toneladas]
Var Var Var S
S
H
H
S
t
H t H t
( )

( ) +


m m m m , ,
2 2
tt ( )
CAPTULO 5
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

= -
S
H
t
1
100

= - =
S
H
H t
m m ,
. 1
8
100
0 92

= -
S
t
H
100

= - = -
S
t
H t
m m ,
1000
100
10
Var H ( ) = = 5 25
2
Var t ( ) = = 0 5 0 25
2
. .
Var S ( ) + - ( ) = 0 92 25 10 0 25 46 16
2
2
. . .
s
S
= = 46 16 6 79 . .
[toneladas].

CAPTULO 5
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 5.5
Alnea (i)
Apoio 1 (apenas o resultado)
Cov , . X X X
i
-
( )
= 0

CAPTULO 5
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 5.5
Alnea (i)
Apoio 2 (sugesto)
Rever o Captulo 5.7 Variveis Transformadas, dando especial destaque s seces 5.7.2 e
5.7.3.

CAPTULO 5
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 5.5
Alnea (i)
Apoio 3 (resoluo completa)
E X
i
( )
= m e Var X
i
( )
=s
2
.
Como X i n
i
= ( ) 1, , so mutuamente independentes, vem
Cov X X X X X X
i i X x X
i
-
( )
= - -
( )
-
( )

-
, . E m m
Dado que
m m m
X
i
i
N
X
N
X
N
N =
( )
=
( )
= =
=

E E
1 1
1
e
m m m
X X
i i
i
X X E X E X
-
= -
( )
=
( )
-
( )
= - = E 0 ,
resulta:
Cov X X X X X X
i i
-
( )
= -
( )
-
( )

, E m
=
E X X X X X
i i
- - +
( )
m m
2
=
E E X X X
i ( )
- -
( )
+ m m
2
2
2
=
E E X X X
i ( )
-
( )
2
(1)
CAPTULO 5
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Ora,
E E E X X X
N
X
N
E X X N X X
i i j
j
N
i i
j i
i j ( )
=

=
( )
+ - ( )

1 1
1
1
( )

=
( )
+ - ( )
( )

1
1
2
N
X N X X
i
j i
i j
E E
. (2)
Determine-se agora E( ) X
i
2
e E X X
j i
i j

( ). Como
Var E ( ) ( ) X X X X X
i i i i i
= = -

=
( )
-
( )
+ =
( )
- s m m m m
2 2 2 2 2 2
2 E E E ,
vem
E X
i
2
( )
=s m
2 2
+ .
Por outro lado,
Cov X X X X X X X X
i j i j i j i j
( )
= -
( )
-
( )

=
( )
-
( )
-
( )
+ E E E E m m m m m
2
.
=
( )
- E X X
i j
m
2
.
Mas, uma vez que X X
i j
, so independentes, Cov X X
i j
( )
= 0. Assim,
E X X
i j
( )
= m
2
.
Substituindo E X
i
2
( )
e E X X
i j
( )
em (2), resulta:
E X X
N
N
N
i ( )
= + + - ( )

= +
1
1
2 2 2
2
2
s m m
s
m .
CAPTULO 5
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Para resolver a equao (1) falta ainda determinar E X
2
( )
. Ora,
E E E X
N
X
N
N X N N
i
i
N
i
j i
2
1
2
2
2
1 1
1
( )
=

=
( )
+ - ( )
=

E (XX X
i j
)

=
1 1 1
2 2 2 2 2
N
N
N N
s m m s m + ( ) +
-
= + .
Substituindo E X X
i ( )
e E X
2
( )
em (1), obtm-se
Cov X X X
i
-
( )
= , 0.
Interpretao do resultado
X X
i
-
( )
no est correlacionado com X, uma vez que
(a) Xtem uma posio central em relao aos X s
i

, o que implica que qualquer desvio


positivo X X
i
- compensado por um desvio negativo.
(b) tal sucede independentemente de X se desviar de m num ou noutro sentido.

CAPTULO 5
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 5.5
Alnea (ii)
Apoio 1 (apenas o resultado)
Cov X X X
N
i i
-
( )
= -

, 1
1
2
s .

CAPTULO 5
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 5.5
Alnea (ii)
Apoio 2 (sugesto)
Rever o Captulo 5.7 Variveis Transformadas, dando especial destaque s seces 5.7.2
e 5.7.3.

CAPTULO 5
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 5.5
Alnea (ii)
Apoio 3 (resoluo completa)
Cov X X X X X X
i i i i
-
( )
= - - -

, ( ) ( ) E 0 m
= - -

E ( ) ( ) X X X
i i
m
=
( )
-
( )
-
( )
+
( )
E E E E X X X X X
i i i
2
m m
= + ( ) - - +

+ s m m
s
m m
2 2 2
2
2 2
N
=
1
1
2
-


N
s
.
Interpretao do resultado
Cov X X X
N
i i
-
( )
= -

, 1
1
2
s
Quando N 2 a covarincia positiva e ser tanto maior quanto maior for N. De facto, quando
um valor de X
i
se desvia muito significativamente de m, o valor de X tem tendncia a desviar-se
de m no mesmo sentido. Mas o desvio ser em mdia menor do que o de X
i
, pois
X
N
X
i
i
=

1
CAPTULO 5
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
fica preso pelos restantes valores X j i
j
( ) . Quando N ento X m e o desvio de X
em relao a m ser nulo. Assim, a um valor positivo de X
i
- m estar, em princpio, associado
um valor positivo de X X
i
- . A covarincia ser ento positiva. Note-se que,
Cov X X X X X X
i i i i
-
( )
= - -
( )
-
( )

, E 0 m
= -
( )
-
( )

E X X X
i i
m
.
Ora, quando N tende para infinito X tende para , o que implica que:
E X X X
i i
-
( )
-
( )

= m s
2
(este resultado est de acordo com lim )
N
N

= 1
1
2 2
s s .

CAPTULO 5
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 5.5
Alnea (iii)
Apoio 1 (apenas o resultado)
Cov X X X X
N
i j
- -
( )
= - ,
s
2
.

CAPTULO 5
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 5.5
Alnea (iii)
Apoio 2 (sugesto)
Rever o Captulo 5.7 Variveis Transformadas, dando especial destaque s Seces 5.7.2
e 5.7.3.

CAPTULO 5
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 5.5
Alnea (iii)
Apoio 3 (resoluo completa)
Cov X X X X X X X X
i j i j
- -
( )
= - -
( )
- -
( )

, E 0 0
= -
( )
-
( )

E X X X X
i j
=
( )
-
( )
-
( )
+
( )
E E E E X X X X X X X
i j i j
2
= - +

+ +

m
s
m
s
m
2
2
2
2
2
2
N N
= - - m
s
m
2
2
2
N
= -
s
2
N
.
Interpretao do resultado
A soma dos desvios
( ) X X
k
k
N
-
=

1
CAPTULO 5
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
sempre nula. Ento, se para um valor particular X
i
se verificar X X
i
- > 0, os restantes desvios
X X j i
j
- ( ) tm um valor esperado negativo, ou seja:
E X X X X
j i
-
( )
-
( )
>

< 0 0.
Por outro lado, se X X
i
- < 0 tambm
E X X X X
j i
-
( )
-
( )
<

0
ser positivo. Ento a covarincia entre X X
i
-
( )
e X X
j
-
( )
ser necessariamente negativa.
Esta covarincia tender a anular-se quando N tende para infinito, pois, neste caso,
E X X X X
j i
-
( )
-
( )
>

0 0

e

E X X X X
j i
-
( )
-
( )
<

0 0.
De facto, a compensao do desvio X X
i
- ser diluda por um nmero infinito de desvios
X X j i
j
- ( ), pelo que o valor esperado de cada um destes desvios tender para zero.

CAPTULO 5
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 5.6
Alnea (i)
Apoio 2 (sugesto)
Na seco 5.3 veja qual a definio de funo marginal de probabilidade. Note-se que, excepo
do procedimento atravs do qual obtida, nada distingue a funo marginal de uma varivel da
funo de probabilidade dessa mesma varivel.

CAPTULO 5
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 5.6
Alnea (i)
Apoio 3 (resoluo completa)
Seja:
p x
X
( ): funo marginal de probabilidade da varivel X.
" =

x p x p x y
X X Y
y
: ( ) ( , )
,
.
p y
Y
( ): funo marginal de probabilidade da varivel Y.
" =

y p y p x y
Y X Y
x
: ( ) ( , )
,
.
Na tabela seguinte apresentam-se as funes marginais de probabilidade das variveis X e Y.
p
X,Y
(x, y)
p
X
(x)
1000 0.20 0.04 0.01 0 0.25
2000 0.10 0.36 0.09 0 0.55
3000 0 0.05 0.10 0 0.15
X [euros]
4000 0 0 0 0.05 0.05

1000 2000 3000 4000


Y [euros]


0.30 0.45 0.20 0.05
p
X
(x)

CAPTULO 5
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 5.6
Alnea (ii)
Apoio 1 (apenas o resultado)
80%.

CAPTULO 5
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 5.6
Alnea (ii)
Apoio 2 (sugesto)
Na seco 5.4 veja qual a definio de funo condicional de probabilidade de duas variveis
discretas.

CAPTULO 5
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 5.6
Alnea (ii)
Apoio 3 (resoluo completa)
Seja p X Y
X Y
( ) = = 2000 2000 a probabilidade de o marido ter um rendimento mensal de 2000
euros, admitindo que a mulher tem um rendimento idntico.
p X Y
p X
p
X Y
X Y
Y
( )
( , )
( )
.
.
,
= = =
= =
=
= 2000 2000
2000
0 36
0

Y 2000
Y 2000 445
0 80 = . .

CAPTULO 5
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 5.6
Alnea (iii)
Apoio 1 (apenas o resultado)
Valor esperado de X: 2000 [euros]
Valor esperado de Y: 2000 [euros]
Desvio padro de X: 774.6 [euros]
Desvio padro de Y: 836.7 [euros].

CAPTULO 5
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 5.6
Alnea (iii)
Apoio 2 (sugesto)
Na seco 4.4 veja quais as definies e as respectivas expresses, do valor esperado e do
desvio padro de uma varivel aleatria discreta.

CAPTULO 5
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 5.6
Alnea (iii)
Apoio 3 (resoluo completa)
E ( ) ( ) X x p x
X X
x
= =

m =1000 0.25 + 2000 0.55 + 3000 0.15 + 4000 0.05 = 2000.


E ( ) ( ) Y y p y
Y Y
y
= =

m =1000 0.30 + 2000 0.45 + 3000 0.20 + 4000 0.05 = 2000.


Var ( ) ( ) . . X x p x
X X
x
= -
( )
= - ( ) + - ( )

m
2 2 2
1000 2000 0 25 2000 2000 0 555 +
+ - ( ) + 3000 2000 0 15
2
. - ( ) = 4000 2000 0 05 600 000
2
. [euros
2
].
s
X
= = 600 000 774 6 . [euros].
Var ( ) ( ) . . Y y p y
Y Y
y
= -
( )
= - ( ) + - ( )

m
2 2 2
1000 2000 0 30 2000 2000 0 455 +
+ - ( ) + 3000 2000 0 20
2
. - ( ) = 4000 2000 0 05 700 000
2
. [euros
2
].
s
Y
= = 700 000 836 7 . [euros].

CAPTULO 5
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 5.6
Alnea (iv)
Apoio 1 (apenas o resultado)
As variveis X e Y so dependentes.

CAPTULO 5
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 5.6
Alnea (iv)
Apoio 2 (sugesto)
Na seco 5.5 veja qual a definio de independncia entre duas variveis.

CAPTULO 5
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 5.6
Alnea (iv)
Apoio 3 (resoluo completa)
As variveis X e Y so independentes se se verificarem as seguintes condies:
p x y
p x y
p y
p x
p y x
p x y
p x
X Y
X Y
Y
X
Y X
X Y
X
( )
( , )
( )
( )
( )
( , )
( )
,
,


= =
= = =

p x
x y
Y
( )
(para todos os valores de e )
donde,
" = x y p x y p x p y
X Y X Y
, : ( , ) ( ) ( )
,
.
Ora, uma vez que, por exemplo, p X Y
X Y
( ) . = = = 2000 2000 0 80 (ver alnea (ii)), e que
p X
X
( ) . = = 2000 0 55, conclui-se que as variveis no so independentes.

CAPTULO 5
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 5.6
Alnea (v)
Apoio 1 (apenas o resultado)
Cov (X, Y) = 490 000
Corr (X, Y) = 0.756.

CAPTULO 5
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 5.6
Alnea (v)
Apoio 2 (sugesto)
Na seco 5.6 veja qual a definio covarincia (g
XY
) e de coeficiente de correlao populacional
( r
XY
). Recorde que ambas so medidas de relacionamento linear entre duas variveis.

CAPTULO 5
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 5.6
Alnea (v)
Apoio 3 (resoluo completa)
A covarincia populacional dada por
g m m m m
XY X Y X
y x
Y X Y
x y x y p x y = -
( )
-
( )

= -
( )
-
( )


E
,
( , ) .
Substituindo, vem
g
XY
= - ( ) - ( ) + - ( ) - ( ) 1000 2000 1000 2000 0 20 1000 2000 2000 2000 0 . ..04 +
+ - ( ) - ( ) + - ( ) - ( ) 1000 2000 3000 2000 0 01 2000 2000 1000 2000 0 10 . . ++
+ - ( ) - ( ) + - ( ) - ( ) 2000 2000 2000 2000 0 36 2000 2000 3000 2000 0 09 . . ++
+ - ( ) - ( ) + - ( ) - ( ) 3000 2000 2000 2000 0 05 3000 2000 3000 2000 0 10 . . ++
+ - ( ) - ( ) = 4000 2000 4000 2000 0 05 490 000 . .
A correlao entre X e Y, medida atravs do coeficiente de Pearson, ser ento:
r
g
s s
XY
XY
X Y
=

=
490 000
774 6 836 7
0 756
. .
. .

CAPTULO 5
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 5.6
Alnea (vi)
Apoio 1 (apenas o resultado)
a) Valor esperado de R: 4000 [euros]
Desvio padro de R: 1523.15 [euros]
b) Valor esperado de I: 600 [euros]
Desvio padro de I: 226.72 [euros].

CAPTULO 5
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 5.6
Alnea (vi)
Apoio 2 (sugesto)
Na seco 5.7 veja quais as expresses do valor esperado e da varincia de variveis
transformadas. Repare que em ambas as alneas se est perante transformaes lineares.

CAPTULO 5
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 5.6
Alnea (vi)
Apoio 3 (resoluo completa)
a) Denote-se por R o rendimento total em euros. Ento
R = X + Y
E E E E ( ) ( ) ( ) ( ) R X Y X Y
R
= = + = + = + = m 2000 2000 4000 [euros].
Var Var Var Cov Var ( ) ( ) ( ) ( , ) ( ) R X Y X X Y Y
R
= = + = + + s
2
2 .
Assim,
Var ( ) R = + + = 600 000 2 510 000 700 000 2 320 000 [euros
2
]
s
R
= = 2 320 000 1523 15 . [euros]
b) Denote-se por I o imposto sobre o rendimento familiar em euros. Neste caso,
I = 0.20.X + 0.10.Y
E E E E ( ) ( . . ) . ( ) . ( ) I X Y X Y
I
= = + = + = m 0 20 0 10 0 20 0 10 600 [euros].
Var Var Var Cov ( ) ( . . ) . ( ) ( , ) . I X Y X X Y
I
= = + = + + s
2 2
0 20 0 10 0 20 2 0 110
2
Var ( ) Y
Var ( ) . . . . I = + + = 0 04 600 000 2 0 20 0 10 510 000 0 01 700 000 51 400 [euros
2
].
s
I
= = 51 400 226 72 . [euros].

CAPTULO 5
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 5.7
Apoio 1 (apenas o resultado)
Valor esperado de R: 8.5 [%]
Desvio padro de R: 5.16 [%].

CAPTULO 5
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 5.7
Apoio 2 (sugesto)
Na seco 5.7 veja quais as expresses do valor esperado e da varincia de variveis transformadas
(repare que se est perante uma transformao linear). Note que para este clculo necessrio
recorrer s funes marginais de probabilidade das variveis X e Y.

CAPTULO 5
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 5.7
Apoio 3 (resoluo completa)
g
Clculo das funes marginais de probabilidade das variveis X e Y.
p x
X
( ) : funo marginal de probabilidade da varivel X
" =

x p x p x y
X X Y
y
: ( ) ( , )
,
p y
Y
( ) : funo marginal de probabilidade da varivel Y
" =

y p y p x y
Y X Y
x
: ( ) ( , )
,
p
X,Y
(x, y)
p
X
(x)
6% 0.10 0.10 0 0
0.20
8% 0 0.10 0.30
0.20 0.60
X: taxa de
rentabilidade
dos fundos de
investimento
10% 0 0 0.10 0.10 0.20


10% 0% 10%
20%

Y: taxa de rentabilidade das aces


0.10 0.20 0.40 0.30
P
Y
(y)
CAPTULO 5
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
g
Clculo do valor esperado e do desvio padro das variveis X e Y.
E ( ) . ( ) X x p x
X X
x
= =

m = 6 0.20 + 8 0.60 + 10 0.20 = 8 [%].


E ( ) . ( ) Y y p y
Y Y
y
= =

m = (10) 0.10 + 0 0.20 + 10 0.40 + 20 0.30 = 9 [%].


Var ( ) . ( ) . . . X x p x
X X
x
= -
( )
= - ( ) + - ( ) + - ( )

m
2 2 2 2
6 8 0 20 8 8 0 60 10 8 0 220 1 6 = .
.
s
X
= = 1 6 1 25 . .
[%].
Var ( ) . ( ) . . Y y p y
Y Y
y
= -
( )
= - - ( ) + - ( ) + - ( )

m
2 2 2 2
10 9 0 10 0 9 0 20 10 9 00 40 . +
+ - ( ) = 20 9 0 30 89
2
. .
s
Y
= = 89 9 43 .
[%].
g
Clculo do valor esperado e do desvio padro da varivel transformada R.
Seja R a taxa de rentabilidade da poupana. Assim,
R
X Y
X Y =
+
= +
500 500
1000
0 5 0 5 . . ,
donde:
E E E E ( ) ( . . ) . ( ) . ( ) . . . R X Y X Y
R
= = + = + = + = m 0 5 0 5 0 5 0 50 0 5 8 0 5 9 8 55 [%]
e
Var Var Var Cov ( ) ( . . ) . ( ) . . ( , R X Y X X
R
= = + = + s
2 2
0 5 0 5 0 5 2 0 5 0 5 YY Y ) . ( ) + 0 5
2
Var
CAPTULO 5
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
A covarincia entre X e Y dada por
Cov E ( , ) ( ,
,
X Y x y x y p x
XY X Y X
y x
Y X Y
= = -
( )
-
( )

= -
( )
-
( )


g m m m m yy)
pelo que
g
XY
= - ( ) - - ( ) + - ( ) - ( ) + - ( ) - ( ) 6 8 10 9 0 10 6 8 0 9 0 10 10 8 10 9 0 10 . . . ++
+ - ( ) - ( ) = 10 8 20 9 0 10 8 . .
Substituindo,
Var ( ) . . . . . . R = + + = 0 5 1 6 2 0 5 0 5 8 0 5 89 26 65
2 2
e, finalmente
s
R
= = 26 65 5 16 . . [%].

CAPTULO 6
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Captulo 6
Captulos

Problemas
6.1
(i)
6.1
(ii)
6.2
(i)
6.2
(ii)
6.2
(iii)
6.3
6.4
(i)
6.4
(ii)
6.4
(iii)
6.5 6.6
6.7
(i)
6.7
(ii)
6.8
(i)
6.8
(ii)
6.9
(i)
6.9
(ii)
6.10
(i)
6.10
(ii)
6.10
(iii)
Apoio 1
(apenas o
resultado)
Apoio 2
(sugesto)
Apoio 3
(resoluo
completa)
CAPTULO 6
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 6.1
Alnea (i)
Apoio 1 (apenas o resultado)
a) 24.58%.
b) 9.89%.
c) 90.11%.

CAPTULO 6
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 6.1
Alnea (i)
Apoio 2 (sugesto)
Note que a varivel aleatria nmero de grandes prmios terminados segue uma distribuio
Binomial. Na seco 6.2 veja qual a expresso da funo de probabilidade de uma varivel
aleatria Binomial.

CAPTULO 6
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 6.1
Alnea (i)
Apoio 3 (resoluo completa)
A varivel aleatria Y corresponde ao nmero de grandes prmios terminados. Admitindo que
os resultados associados a cada grande prmio so independentes, ento Y segue uma distribuio
Binomial B(6, 0.20), cuja funo de probabilidade, p(y), :
p y
y
y y
( ) =


-
6
0 20 0 80
6
. . .
a) p 2
6
2
0 20 0 80 0 2458
2 4
( ) =

= . . .
(este valor dado directamente na Tabela da Distribuio Binomial, includa no Anexo
Tabelas).
b) p Y p p p p p p p ( ) = ( ) + ( ) + ( ) + ( ) = - ( ) + ( ) + ( )

3 3 4 5 6 1 0 1 2 =
= - + + ( ) = 1 0 2621 0 3932 0 2458 0 0989 . . . . .
c) p Y p p p p Y . . ( ) = ( ) + ( ) + ( ) = - ( ) = - = 2 0 1 2 1 3 1 0 0989 0 9011.

CAPTULO 6
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 6.1
Alnea (ii)
Apoio 1 (apenas o resultado)
1.77%.

CAPTULO 6
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 6.1
Alnea (ii)
Apoio 2 (sugesto)
Procure caracterizar a varivel nmero de carros Frmula 1 patrocinados pela firma RFM
chegada de um grande prmio. A partir desta varivel, procure definir a varivel nmero de
grandes prmios nos quais h pelo menos dois Frmula 1 chegada.

CAPTULO 6
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 6.1
Alnea (ii)
Apoio 3 (resoluo completa)
Denote-se por U o nmero de carros frmula 1 patrocinados pela firma RFM chegada de um
grande prmio. A varivel U seguir a distribuio Binomial B(3, 0.20) e assim
p U p p . . . ( ) = ( ) + ( ) = + = 2 2 3 0 0960 0 0080 0 1040 .
Denote-se por V o nmero de grandes prmios nos quais h pelo menos dois Frmula 1
chegada. A varivel V seguir ainda a distribuio Binomial B(6, 0.104), pelo que
p V p p p ( ) = - ( ) + ( ) + ( )

3 1 0 1 2 ,
com
p . . . 0 1 0 104 0 896 0 5174
6
6
( ) = - ( ) = = ,
p 1
6
1
0 104 0 896 0 3603
5
( ) =

= . . .
e
p 2
6
2
0 104 0 896 0 1046
2 4
( ) =

= . . .
Finalmente
p V ( ) = - + + ( ) = 3 1 0 5174 0 3603 0 1046 0 0177 . . . . .

CAPTULO 6
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 6.2
Alnea (i)
Apoio 1 (apenas o resultado)
35.29%.

CAPTULO 6
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 6.2
Alnea (i)
Apoio 2 (sugesto)
Note que a varivel aleatria nmero de votos favorveis dos vogais segue uma distribuio
Binomial. Na seco 6.2 veja qual a expresso da funo de probabilidade de uma varivel
aleatria Binomial.

CAPTULO 6
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

oProblema 6.2
Alnea (i)
Apoio 3 (resoluo completa)
Considere-se a hiptese de que os vogais no se abstm. Nestas condies, e dado que o presidente
vota favoravelmente na sua proposta, a varivel Y, que denota o nmero de votos favorveis
dos vogais, segue a distribuio Binomial B(6, 0.35). Nestas condies,
p y
y
y y
( ) =


-
6
0 35 0 65
6
. .
e
p Y p p p p p Y p p p ( ) = ( ) + ( ) + ( ) + ( ) = - ( ) = - ( ) + ( ) + ( )

3 3 4 5 6 1 2 1 0 1 2
= - + + ( ) = 1 0 0754 0 2437 0 3280 0 3529 . . . . .

CAPTULO 6
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 6.2
Alnea (ii)
Apoio 1 (apenas o resultado)
82.15%.

CAPTULO 6
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 6.2
Alnea (ii)
Apoio 2 (sugesto)
Note que, nesta situao, o nmero de vogais cujas intenes de voto o presidente da empresa
desconhece cinge-se a quatro.

CAPTULO 6
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

oProblema 6.2
Alnea (ii)
Apoio 3 (resoluo completa)
Seja Z a varivel aleatria que corresponde ao nmero de votos favorveis dos vogais cujas
intenes de voto o Presidente desconhece. Esta varivel segue uma distribuio Binomial
B(4, 0.35). Assim,
p z
z
z z
( ) =


-
4
0 35 0 65
4
. .
e
p Z p ( ) = - ( ) = - = 1 1 0 1 0 1785 0 8215 . . .

CAPTULO 6
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 6.2
Alnea (iii)
Apoio 1 (apenas o resultado)
48.07%.

CAPTULO 6
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 6.2
Alnea (iii)
Apoio 2 (sugesto)
Procure aplicar o Teorema de Bayes, recorrendo ao conceito de probabilidade condicional.

CAPTULO 6
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 6.2
Alnea (iii)
Apoio 3 (resoluo completa)
Considere os seguintes acontecimentos:
S1: sucesso na votao prvia
S2: sucesso na votao em conselho.
A probabilidade associada a este segundo acontecimento
P S P S S P S P S S P S 2 2 1 1 2 1 1 ( ) =
( )
( ) +
( )

( )
Seja Y
1
uma varivel aleatria que denota o nmero de votos favorveis dos dois vogais.
Ento,
Y
1
B 2 0 35 , . ( ).
Nestas condies,
P S P Y p 1 1 1 0 1 0 4225 0 5775
1
( ) =
( )
= - ( ) = - = . .
e
P S P S 1 1 1 1 0 5775 0 4225
( )
= - ( ) = - = . . .
CAPTULO 6
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Falta ainda determinar P S S 2 1
( )
e P S S 2 1
( )
. Seja Y
2
a varivel aleatria que corresponde
ao nmero de votos favorveis dos vogais que no participaram na primeira votao. Ento
Y
2
B 4 0 35 , . ( ) , vindo
P S S P Y p 2 1 1 1 0 1 0 1785 0 8215
2

( )
= = - ( ) = - = ( ) . .
e
P S S P Y P Y 2 1 4 4 0 0150
2 2

( )
= = = = ( ) ( ) . .
Substituindo, resulta
P S2 0 8215 0 5775 0 0150 0 4225 0 4807 ( ) = + = . . . . . .

CAPTULO 6
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 6.3
Apoio 1 (apenas o resultado)
9.8%.

CAPTULO 6
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 6.3
Apoio 2 (sugesto)
Note que a varivel aleatria nmero de calos defeituosos na remessa de dez segue uma
distribuio Binomial. Na seco 6.2 veja qual a expresso da funo de probabilidade de uma
varivel aleatria Binomial.
Note ainda que a varivel aleatria nmero de calos defeituosos no conjunto de dois
seleccionados retirados aleatoriamente da remessa, segue uma distribuio Hipergeomtrica.
Na seco 6.4 veja qual a expresso da funo de probabilidade de uma varivel aleatria com
esta caracterstica.
Recorra ao conceito de probabilidade condicional.

CAPTULO 6
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 6.3
Apoio 3 (resoluo completa)
Alternativa 1
Seja Y a varivel aleatria que corresponde ao nmero de calos defeituosos na remessa de dez.
Esta varivel segue uma distribuio Binomial B(10, 0.05). Assim,
p y
y
y y
( ) =


-
10
0 05 0 95
10
. . ,
pelo que
p( ) . 0 0 5987 =
p( ) . 1 0 3151 =
p( ) . 2 0 0746 =
p( ) . 3 0 0105 =
e p y ( ) > 3 corresponde a um valor desprezvel.
Seja agora Z a varivel aleatria que denota o nmero de calos defeituosos no conjunto
de dois seleccionados aleatoriamente. Esta varivel segue a distribuio Hipergeomtrica H
10 10 2 ( ) p q , , , em que 10 p corresponde ao nmero de calos defeituosos na remessa e 10 q
ao nmero de calos no defeituosos. Assim,
p z
p
z
q
N z
( ) =

10 10
10
2


.
CAPTULO 6
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Ora,
P Z P Z Y P Y P Z Y P Y ( ) ( ) ( ) = = = =
( )
= + = =
( )
= + 0 0 0 0 0 1 1
+ = = = + = =
( )
= P Z Y P Y P Z Y P Y ( ) ( ) ( ) 0 2 2 0 3 3 (1)
Calculam-se agora as probabilidades includas nesta expresso.
P Z Y = =
( )
= 0 0 1.
Para determinar P Z Y = =
( )
0 1 refira-se que, nestas condies, Z segue uma distribuio
H(1, 9, 2). Ento
p Z Y ( )
! ! !
! !
= = =

=


0 1
1
0
9
2
10
2
1 9 2 8
2 7 110
8
10
0 800
!
. = = .
Para determinar P Z Y = =
( )
0 2 o raciocnio semelhante. Com Y = 2 a varivel Z segue
uma distribuio H(2, 8, 2), pelo que
p Z Y ( )
! ! !
! !
= = =

=


0 2
2
0
8
2
10
2
1 8 2 8
2 6 110
8 7
10 9
0 622
!
. =

=
CAPTULO 6
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Com Y = 3 varivel Z segue uma H(3, 7, 2), pelo que P Z Y = =
( )
0 3 dado por
p Z Y ( )
! ! !
! !
= = =

=


0 3
3
0
7
2
10
2
1 7 2 8
2 5 110
6 7
10 9
0 467
!
. =

=
Substituindo os valores encontrados na expresso (1), vem:
P Z ( ) . . . . . . . . = = + + + 0 1 0 5987 0 800 0 3151 0 622 0 0746 0 467 0 0105 0 9002
Assim, a probabilidade de a remessa ser rejeitada
P Z P Z ( ) ( ) . . = - = = - = 1 1 0 1 0 902 0 098.
Alternativa 2
Note que seleccionar dois calos ao acaso a partir de uma remessa supostamente aleatria o
mesmo que retirar uma amostra aleatria de dois calos a partir da populao. Ento a varivel Z
(nmero de calos defeituosos no conjunto de dois seleccionados aleatoriamente) segue uma
distribuio B(2, 0.05). Nestas condies,
p z
z
z z
( ) =


-
2
0 05 0 95
2
. .
e
P Z P Z ( ) ( ) . . . = - = = - = 1 1 0 1 0 95 0 0978 0 098
2
.

CAPTULO 6
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 6.4
Alnea (i)
Apoio 1 (apenas o resultado)
48.4%.

CAPTULO 6
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 6.4
Alnea (i)
Apoio 2 (sugesto)
Note que a probabilidade de o operador permanecer 10 minutos sem executar nenhum retoque
equivalente probabilidade de, numa sequncia de 10 peas, nenhuma necessitar de ser retocada.
Reveja as definies associadas distribuio Binomial.

CAPTULO 6
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 6.4
Alnea (i)
Apoio 3 (resoluo completa)
A probabilidade de o operador permanecer 10 minutos sem executar nenhum retoque equivalente
probabilidade de, numa sequncia de 10 peas, nenhuma necessitar de ser retocada.
Seja Y a varivel aleatria que denota o nmero de peas retocadas em 10 minutos. Seja
ainda p = 0.07 a probabilidade de uma pea ser retocada manualmente pelo operador e
q = 1 0.07 = 0.93 a probabilidade de uma pea no necessitar de ser retocada. A varivel Y
seguir ento a distribuio Binomial B(10, 0.07). Assim,
p y
y
y y
( ) =


-
10
0 07 0 93
10
. .
e
p Y = ( ) = = 0 0 93 0 484
10
. . .

CAPTULO 6
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 6.4
Alnea (ii)
Apoio 1 (apenas o resultado)
1.83%.

CAPTULO 6
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 6.4
Alnea (ii)
Apoio 2 (sugesto)
A varivel nmero de peas produzidas sem retoque at ocorrer a segunda pea a necessitar de
retoque, segue uma distribuio Binomial Negativa. Na seco 6.3 veja qual a expresso da
funo de probabilidade de uma varivel aleatria com esta caracterstica.

CAPTULO 6
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 6.4
Alnea (ii)
Apoio 3 (resoluo completa)
Alternativa 1
Seja Y a varivel aleatria que corresponde ao nmero de peas produzidas sem retoque at
ocorrer a segunda pea a necessitar de retoque. Esta varivel segue uma distribuio Binomial
Negativa BN(2, 0.07), cuja funo probabilidade
p y
y
y
y
( ) =
+ -

- ( )
2 1
0 07 1 0 07
2
. .
.
Assim, numa sequncia de seis peas, a probabilidade de a ltima ser a segunda pea a
necessitar de retoque :
p( ) ( . ) ( . ) . 4
5
4
0 07 0 93 0 0183
2 4
=

= .
Alternativa 2
Note que o facto de, entre 6 peas produzidas, a sexta pea corresponder segunda a necessitar
de retoque, implica que nas 5 primeiras haja uma a necessitar de retoque e que a sexta pea seja
tambm defeituosa. Considerem-se os acontecimentos:
A: existir uma pea defeituosa nas 5 primeiras produzidas
B: a sexta pea produzida defeituosa.
CAPTULO 6
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
A varivel Z que denota o nmero de peas retocadas num conjunto de cinco, segue uma
distribuio Binomial B(5, 0.07). Nestas condies, a probabilidade pretendida
p p p A B B A A ( ) =
( )
( ) .
Ora, p(A) = p(Z = 1) e, portanto,
p Z =
( )
=

1
5
1
0 07 0 93
1 4
. . .
Por outro lado, como A e B so acontecimentos independentes, p p B A B
( )
= ( ) = 0 07 . .
Substituindo, resulta
p A B ( ) =

= =
5
1
0 07 0 93 0 07 0 0183 1 83
1 4
. . . . . %.

CAPTULO 6
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 6.4
Alnea (iii)
Apoio 1 (apenas o resultado)
13.28 minutos.

CAPTULO 6
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 6.4
Alnea (iii)
Apoio 2 (sugesto)
Note que o tempo (em minutos) que o operador permanece sem executar nenhum retoque equivale
ao nmero de peas que so produzidas sem necessitarem de qualquer retoque, at que haja uma
que necessite. A varivel em questo segue uma distribuio geomtrica, que um caso particular
da distribuio Binomial Negativa.

CAPTULO 6
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 6.4
Alnea (iii)
Apoio 3 (resoluo completa)
Seja Y a varivel aleatria que corresponde ao nmero de peas produzidas at ocorrer a primeira
pea a precisar de retoque. Esta varivel segue uma distribuio Geomtrica G(0.07). O valor
esperado de Y dado por
m
y
q
p
= ,
pelo que o tempo que, em mdia, o operador permanece sem executar nenhum retoque

y
= 0.93/0.07 = 13.28 peas (o que equivale a 13.28 minutos).

CAPTULO 6
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 6.5
Apoio 1 (apenas o resultado)
2
5 4
6
1 1

-
- - N N
N
,
com N 2 (em que N representa o nmero cartas recebidas).

CAPTULO 6
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 6.5
Apoio 2 (sugesto)
Sejam A e B os selos em falta. A coleco s pode ficar completa aps ter sido recebida a
segunda carta. Tal suceder na N-sima carta (N 2) se ocorrer uma das duas situaes seguintes:
(i) Nas N 1 cartas anteriores o coleccionador recebe pelo menos um selo A, no recebe
nenhum selo B e na N-sima carta recebe um selo B.
(ii) Nas N 1 cartas anteriores o coleccionador recebe pelo menos um selo B, no recebe
nenhum selo A e na N-sima carta recebe um selo A.

CAPTULO 6
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 6.5
Apoio 3 (resoluo completa)
Sejam A e B os selos em falta. A coleco s pode ficar completa aps ter sido recebida a
segunda carta. Tal suceder na N-sima carta (N 2) se ocorrer uma das duas situaes seguintes:
(i) Nas N 1 cartas anteriores o coleccionador recebe pelo menos um selo A, no recebe
nenhum selo B e na N-sima carta recebe um selo B.
(ii) Nas N 1 cartas anteriores o coleccionador recebe pelo menos um selo B, no recebe
nenhum selo A e na N-sima carta recebe um selo A.
As probabilidades de ocorrncia destas duas situaes so claramente iguais. Calcule-se a
primeira. Sejam,
Acontecimento B: a ltima carta (a N-sima) traz um selo B.
Y: nmero de selos A nas N 1 cartas que precedem a ltima.
Z: nmero de selos B nas N 1 cartas que precedem a ltima.
Para N 2:
P P Y Z B P Y Z P B
N
= =
[ ]

{ }
= =
[ ]
1 0 1 0 ( )
= =

= = - = =
( )

= ( ) ( ) P Y Z P Z P B P Y Z P Z P B 1 0 0 1 0 0 0 ( ) ( ) .
Ora, a varivel Z segue uma Binomial B(N 1, 1/6) e Y | Z = 0 uma Binomial B(N 1, 1/5).
Assim,
P Z
N N
= ( ) = -

- -
0 1
1
6
5
6
1 1
CAPTULO 6
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
e
P Y Z
N N
= =
( )
= -

- -
0 0 1
1
5
4
5
1 1

Substituindo, vem:
P
N
N N
N N
N
N
= -

=
-

- -
- -
-
-
1
4
5
5
6
1
6
5 4
5
5
1 1
1 1
1
1
66
1
6
5 4
6
1
1 1
N
N N
N -
- -
=
-
.
A probabilidade de ocorrncia da situao (i) ou (ii) ento:
2
0 2
2
5 4
6
2
1 1
P
N
N
N N N
N
=
<

- -
,
,

CAPTULO 6
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 6.6
Apoio 1 (apenas o resultado)
4.9%.

CAPTULO 6
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 6.6
Apoio 2 (sugesto)
Note que a varivel aleatria nmero de peas defeituosas entre as 5 retiradas do lote segue
uma distribuio Hipergeomtrica. Para o clculo da probabilidade pretendida recorra ao
acontecimento complementar. Na seco 6.4 veja qual a expresso da funo de probabilidade
de uma varivel aleatria com esta caracterstica.

CAPTULO 6
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 6.6
Apoio 3 (resoluo completa)
Seja Y a varivel aleatria que denota o nmero de peas defeituosas entre as 5 retiradas do lote.
Ento, Y segue uma distribuio Hipergeomtrica H M p M p N - ( ) ( )
, , , 1 em que p representa
a proporo de peas defeituosas no lote (com p = 0.01) e M o nmero de peas que compe o
lote (com M = 300). Ou seja, Y segue uma distribuio H(3, 297, 5). A funo de probabilidade
de Y :
p y
y y
( ) =

3 297
5
300
5


.
Como
p Y p Y ( ) = - = ( ) 1 1 0
e
p 0
3
0
297
5
300
5
297 5 2
( ) =

=




! ! 995
5 300 292
0 951
!
! ! !
.

= ,
resulta
p Y ( ) = - = 1 1 0 951 0 049 . . .

CAPTULO 6
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 6.7
Alnea (i)
Apoio 1 (apenas o resultado)
4.19%.

CAPTULO 6
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 6.7
Alnea (i)
Apoio 2 (sugesto)
razovel admitir que a varivel aleatria nmero de avarias por unidade de tempo segue
uma distribuio de Poisson. Na seco 6.5 veja qual a expresso da funo de probabilidade de
uma varivel aleatria que segue uma distribuio de Poisson.

CAPTULO 6
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 6.7
Alnea (i)
Apoio 3 (resoluo completa)
Para cada mquina, o nmero mdio de avarias por hora de l
M
= 2 avarias/8 horas = 0.25.
razovel admitir que a varivel aleatria Y nmero de avarias/hora segue uma distribuio
de Poisson (l
M
= 0.25). Considera-se agora o conjunto de 20 mquinas. Nesta situao, a taxa
horria de avarias (das 20 mquinas ) ser:
l
C
= 20 0 25 . = 5 [avarias/hora].
Ora, um intervalo de tempo Dt de 10 minutos corresponde a 0.1667 horas. Dado que a
probabilidade de se registar uma avaria num intervalo qualquer de dimenso Dt praticamente
proporcional dimenso do intervalo, a taxa de avarias, para o conjunto das 20 mquinas, em
perodos de 10 minutos dada por:
l l = =
C
t D 5 0 1667 . = 0.8333 [avarias/10 minutos].
Nestas condies, a varivel aleatria Y, que denota o nmero de avarias em qualquer perodo
de 10 minutos, seguir uma distribuio de Poisson (l = 0.8333). Note-se que a distribuio do
nmero de avarias em cada intervalo de 10 minutos a mesma para todos os intervalos (constitui
uma das condies que se dever verificar numa distribuio de Poisson). Como a funo de
probabilidade de Y
p y e
y
Y
y
( ) =
-l
l
!
,
vem
P Y e = ( ) = =
-
3
0 8333
3
0 0419
0 8333
3
.
.
!
. .

CAPTULO 6
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 6.7
Alnea (ii)
Apoio 1 (apenas o resultado)
Valor esperado: 5 [avarias/hora]
Varincia: 5 [avarias/hora]
2
.

CAPTULO 6
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 6.7
Alnea (ii)
Apoio 2 (sugesto)
Na seco 6.5 veja quais as expresses do valor esperado e da varincia da distribuio de
Poisson.

CAPTULO 6
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 6.7
Alnea (ii)
Apoio 3 (resoluo completa)
Seja Z a varivel aleatria que representa o nmero de avarias/hora que se verificam no conjunto
de 20 mquinas. Para este conjunto, a taxa horria de avarias l
C
= 20 0 25 . = 5 e a varivel Z
seguir uma distribuio de Poisson (
C
= 5). Nestas condies,
E Z
Z C
( ) = = m l = 5 [avarias/hora]
e
Var Z
Z C
( ) = = s l
2
= 5 [avarias/hora]
2
.

CAPTULO 6
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 6.8
Alnea (i)
Apoio 1 (apenas o resultado)
83.47%.

CAPTULO 6
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 6.8
Alnea (i)
Apoio 2 (sugesto)
A distribuio das variveis aleatrias nmero de bolhas por m
2
e nmero de bolhas por placa
podem ser aproximadas por distribuies de Poisson. Na seco 6.5 veja qual a expresso da
funo de probabilidade de uma varivel aleatria seguindo uma distribuio de Poisson.

CAPTULO 6
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

oProblema 6.8
Alnea (i)
Apoio 3 (resoluo completa)
Considera-se aceitvel admitir que a varivel aleatria Y, nmero de bolhas por m
2
, segue uma
distribuio de Poisson ( = 0.4). Considerando agora cada placa de 1.5 3.0 m
2
, o nmero
mdio de bolhas por placa (
p
) ser de:

p
= (0.4 bolhas/m
2
)
.
(1.5 3.0m
2
) = 1.8 bolhas/placa.
A varivel aleatria Y, nmero de bolhas por placa, seguir ento uma distribuio de Poisson
(
p
= 1.8). Assim,
P Y P Y e e ( ) = - = ( ) = - = - = - =
- -
1 1 0 1
1 8
0
1 1 0 1653 0 8347
1 8
0
1 8 . .
.
!
. . .

CAPTULO 6
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 6.8
Alnea (ii)
Apoio 1 (apenas o resultado)
0.844%.

CAPTULO 6
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 6.8
Alnea (ii)
Apoio 2 (sugesto)
Note que a varivel aleatria nmero de placas sem bolhas de entre um conjunto de seis segue
uma distribuio Binomial. Na seco 6.1 veja qual a expresso da funo de probabilidade de
uma varivel aleatria Binomial.

CAPTULO 6
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 6.8
Alnea (ii)
Apoio 3 (resoluo completa)
Na alnea (i) admitiu-se que varivel aleatria Y, nmero de bolhas por placa, seguia uma
distribuio de Poisson(
p
= 1.8). Ora (ver Tabela 2 do Anexo Tabelas), P(Y = 0) = 0.1653.
Seja Z a varivel aleatria que denota o nmero de placas sem bolhas num conjunto de seis.
A varivel Z segue uma distribuio Binomial B(6, 0.1653), cuja funo probabilidade
p z
z
z z
( ) =


-
6
0 1653 0 8347
6
. . .
Assim, como
P Z p p p ( ) = ( ) + ( ) + ( ) 4 4 5 6
e
p 4
6
4
0 1653 0 8347 0 00780
4 2
( ) =

= . . . ,
p 5
6
5
0 1653 0 8347 0 00062
5 1
( ) =

= . . . ,
p 6
6
6
0 1653 0 8347 0 00002
6 0
( ) =

= . . . ,
resulta
P Z ( ) = + + = 4 0 00780 0 00062 0 00002 0 00844 . . . . .

CAPTULO 6
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 6.9
Alnea (i)
Apoio 1 (apenas o resultado)
53.6 [toneladas].

CAPTULO 6
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 6.9
Alnea (i)
Apoio 2 (sugesto)
Note que a quantidade de cimento transferida diariamente do comboio para o entreposto (que se
denota por Q) igual quantidade descarregada diariamente para os camies. Procure definir a
funo de probabilidade da varivel Q em funo do nmero de camies que podem chegar
diariamente ao entreposto.

CAPTULO 6
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 6.9
Alnea (i)
Apoio 3 (resoluo completa)
A varivel aleatria Y nmero de camies que se dirigem diariamente ao entreposto segue
uma distribuio de Poisson ( = 3). Considere-se agora a varivel Q que denota a quantidade
de cimento que, diariamente, transferida do comboio para o entreposto. Ora, Q (em toneladas)
igual quantidade descarregada diariamente para os camies o que, por sua vez, corresponde
procura satisfeita diariamente. Assim:
Q
y y
y
=

>

20 3
3

80 ,

,
Na tabela seguinte apresentam-se os valores da funo probabilidade de Q em funo do
nmero de camies que chegam por dia. Note-se que a capacidade mxima do entreposto equivale
descarga de quatro camies (80 toneladas) e portanto
p Y p Y p p p p ( ) = - ( ) = - ( ) + ( ) + ( ) + ( )

= 4 1 3 1 0 1 2 3
= - + + + ( ) = 1 0 0498 0 1493 0 2241 0 2240 0 3528 . . . . . .
y [n. de camies] q [toneladas] p(Q = q) = p(Y = y)
0 0 p(0) = p(Y = 0) = 0.0498
1 20 p(20) = p(Y = 1) = 0.1493
2 40 p(40) = p(Y = 2) = 0.2241
3 60 p(60) = p(Y = 3) = 0.2240
4 80 p(80) = p(Y 4) = 0.3528
O valor esperado de Q resulta ento,
E Q q p q
Q
q
( ) = = ( )

m
= + + + + 0 0 0498 20 0 1493 40 0 2241 60 0 2240 80 0 3528 . . . . . = 53.6 [toneladas].

CAPTULO 6
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 6.9
Alnea (ii)
Apoio 1 (apenas o resultado)
6.4 [toneladas].

CAPTULO 6
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 6.9
Alnea (ii)
Apoio 2 (sugesto)
Procure definir a varivel aleatria procura no satisfeita (PNS) a partir das variveis aleatrias
procura total (PT) e procura satisfeita (Q). Na seco 4.6 do Captulo 4, veja como se
calcula o parmetro valor esperado de uma varivel transformada a partir dos parmetros das
distribuies das variveis originais. Note que se est perante uma transformao linear.

CAPTULO 6
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 6.9
Alnea (ii)
Apoio 3 (resoluo completa)
Alternativa 1
Seja,
PT: procura total (diria)
PNS: procura no satisfeita (diariamente)
Q: procura satisfeita (diariamente).
Ento,
PNS = PT Q.
O valor esperado de PNS
E(PNS) =
PNS
= E(PT) E(Q).
Ora,
PT = 20

.

Y,
donde
E(PT) =
PT
= 20

.

E(Y).
CAPTULO 6
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Uma vez que Y segue uma distribuio de Poisson ( = 3), o seu valor esperado
Y
= 3 camies/
/dia. Ento E(PT) =
PT
= 20.3 = 60 toneladas/dia, obtendo-se
E(PNS) =
PNS
= E(PT) E(Q) = 60 53.6 = 6.4 toneladas/dia.
Alternativa 2
A procura no satisfeita (PNS) toma os seguintes valores (em toneladas/dia)
PNS
y
y y
=

>

0
,

, 4
20 4
Na tabela seguinte apresentam-se os valores da funo probabilidade de PNS para o nmero
de camies (y) que, por dia, so desviados por no poderem carregar cimento (pelo facto de o
entreposto estar vazio).
y [n. de camies] pns [toneladas] p(Q = q) = p(Y = y)
4 0 p(0) = p(Y = 0) = 0.8153
5 20 p(20) = p(Y = 5) = 0.1008
6 40 p(40) = p(Y = 6) = 0.0504
7 60 p(60) = p(Y = 7) = 0.0216
8 80 p(80) = p(Y = 8) = 0.0081
9 100 p(100) = p(Y = 9) = 0.0027
10 120 p(120) = p(Y = 10) = 0.0008
11 140 p(140) = p(Y = 11) = 0.0002
> 11 > 140 p( >140) = p(Y > 11) 0
Ora,
E PNS pns p pns ( ) = ( )


= + + + + 20 0 1008 40 0 0504 60 0 0216 80 0 0081 . . . .

+ + + = 100 0 0027 120 0 0008 140 0 0002 6 37 6 4 . . . . .
[toneladas].

CAPTULO 6
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 6.10
Alnea (i)
Apoio 1 (apenas o resultado)
6.23%.

CAPTULO 6
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 6.10
Alnea (i)
Apoio 2 (sugesto)
O nmero de insucessos at ocorrer o r-simo sucesso (sair a face escolhida) segue uma
distribuio Binomial Negativa. Calcule a probabilidade de ganhar o jogo ou ao fim de trs
lanamentos, ou fim de quatro, ou de cinco, ou de seis. A probabilidade pretendida no enunciado
(ganhar uma partida) corresponde soma das anteriores. Na seco 6.3 veja qual a expresso da
funo de probabilidade de uma varivel aleatria Binomial Negativa.

CAPTULO 6
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 6.10
Alnea (i)
Apoio 3 (resoluo completa)
Calcule-se a probabilidade de ganhar o jogo ou ao fim de trs lanamentos, ou ao fim de quatro,
ou de cinco, ou de seis. A probabilidade pretendida no enunciado (ganhar uma partida)
corresponde soma das anteriores. A primeira situao ocorre quando em trs lanamentos
sucessivos se verificam zero insucessos (ou seja, a partida acaba ao fim de trs lanamentos), a
segunda quando se ganha ao quarto lanamento (o que significa que ocorre um insucesso antes
dele) e assim sucessivamente, at situao em que se obtm o terceiro sucesso apenas no sexto
lanamento.
Uma vez que se est perante experincias de Bernoulli, a probabilidade de existirem Y insucessos
at ocorrer o r-simo sucesso (sair a face escolhida) dada recorrendo distribuio Binomial
Negativa. No caso em estudo, a varivel Y segue uma distribuio Binomial Negativa BN(r = 3,
p = 1/6), cuja funo de probabilidade :
p y
y
y
y
( ) =
+ -

3 1
1
6
5
6
3

. .
Assim, a probabilidade de ganhar em seis lanamentos
p Y p p p p ( ) = ( ) + ( ) + ( ) + ( ) 3 0 1 2 3 .
CAPTULO 6
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Como
p 0
2
0
1
6
5
6
0 0046
3 0
( ) =

= . .
p 1
3
1
1
6
5
6
0 0116
3 1
( ) =

= . .
p 2
4
2
1
6
5
6
0 0193
3 2
( ) =

= . .
p 3
5
3
1
6
5
6
0 0268
3 3
( ) =

= . . ,
resulta
p Y ( ) = + + + = 3 0 0046 0 0116 0 0193 0 0268 0 0623 . . . . . .

CAPTULO 6
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 6.10
Alnea (ii)
Apoio 1 (apenas o resultado)
5.

CAPTULO 6
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 6.10
Alnea (ii)
Apoio 2 (sugesto)
Em vez de calcular directamente a probabilidade de, entre N partidas jogadas, haver pelo menos
uma em que ganha, tente obter a expresso baseada no acontecimento complementar (nenhuma
das N partidas ganha pelo Sr. Jo Gador). Em alternativa, considere a varivel aleatria Y que
denota o nmero de partidas que o Sr. Jo Gador joga antes de ganhar pela primeira vez.
A varivel Y segue uma distribuio Geomtrica G(p), em que p corresponde ao resultado obtido
na alnea (i).

CAPTULO 6
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 6.10
Alnea (ii)
Apoio 3 (resoluo completa)
Alternativa 1
Considerem-se os seguintes acontecimentos:
A: de entre as N partidas jogadas, h pelo menos uma em que o Sr. Jo Gador ganha
A: o Sr. Jo Gador perde as N partidas jogadas.
A probabilidade de o Sr. Jo Gador no ganhar uma partida de p = 1 0.0623 = 0.9377 (ver
o resultado da alnea (i)). A probabilidade de o Sr. Jo Gador no ganhar N partidas (admitindo
que os resultados so independentes) ser:
p
N N
(A) 1 0.0623 = - ( ) = 0 9377 . ..
Ento, a probabilidade de em N partidas ganhar pelo menos uma vem
p p
N
(A) (A) = - = - 1 1 0 9377 . ,
donde
p
N
( ) . . . A - 0 25 1 0 9377 0 25 .
CAPTULO 6
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Esta inequao pode ser resolvida de duas maneiras:
g
Por tentativas:
N = 4: 1 0 9377 0 227 0 25
4
- = . . . (pelo que o nmero de partidas que devem ser jogadas
ser superior a 4)
N = 5: 1 0 9377 0 275 0 25
5
- = . . . (o nmero de partidas que devem ser jogadas ser de 5).
g
Recorrendo ao clculo de logaritmos:
1 0 9377 0 25 0 9377 0 75 - . . . .
N N
ln . ln . 0 9377 0 75
N
( ) ( )
N ( ) ( ) ln . ln . 0 9377 0 75
N - ( ) - 0 06433 0 28768 . .

N =
0 28768
0 06433
4 47
.
.
. .
Uma vez que N inteiro, o nmero de partidas que devem ser jogadas ser de N = 5.
Alternativa 2
Como se viu na alnea (i), a probabilidade de ganhar uma partida de p = 6.23%. Seja Y a
varivel aleatria que denota o nmero de partidas que o Sr. Jo Gador joga antes de ganhar pela
primeira vez. Nesta situao, a varivel Y segue uma distribuio Geomtrica G(p = 0.0623)
(note-se que a distribuio Geomtrica um caso particular da distribuio Binomial Negativa).
A funo de probabilidade de Y :
p Y y
y
= ( ) = - ( ) 0 0623 1 0 0623 . . .
CAPTULO 6
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Seja K = Y + 1 o nmero de partidas que o Sr. Jo Gador joga, na condio de ganhar na ltima
pela primeira vez. Na tabela seguinte apresentam-se os valores da funo de probabilidade e de
distribuio de K para cada valor de Y.
k y p(Y = y) F(y)
1 0 0.0623 0.0623
2 1 0.0584 0.1207
3 2 0.0548 0.1755
4 3 0.0514 0.2269
5 4 0.0482 0.2750
Dado que para F(k = 5) 0.25, o nmero mnimo de partidas que o Sr. Jo Gador deve jogar
ser de 5.

CAPTULO 6
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 6.10
Alnea (iii)
Apoio 1 (apenas o resultado)
Valor esperado: 33.15 moedas de ouro.

CAPTULO 6
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 6.10
Alnea (iii)
Apoio 2 (sugesto)
Note que h seis situaes distintas que podem ocorrer: ganhar numa das 5 partidas disponveis
ou no ganhar nenhuma. Determine a probabilidade de ocorrer cada situao e o respectivo
lucro.

CAPTULO 6
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 6.10
Alnea (iii)
Apoio 3 (resoluo completa)
H seis situaes distintas que podem ocorrer: ganhar numa das 5 partidas disponveis ou no
ganhar nenhuma.
Determine a probabilidade de ocorrer a ltima situao (no ganhar nenhuma partida) e o
respectivo lucro. Denote-se por L o lucro obtido e por Z o nmero de partidas ganhas em 5 ten-
tativas. A varivel aleatria Z segue uma distribuio Binomial B(N = 5, p = 0.0623) (ver resultado
da alnea (i)). A probabilidade de no ganhar nenhuma partida dada por:
p 0
5
0
0 0623 1 0 0623 0 7250
0 5
( ) =

( ) - ( ) = . . . . .
A este resultado est associado um lucro (negativo) de L = - = - 0 30 5 10 50 [moedas
de ouro].
Seja Y a varivel aleatria que denota o nmero de partidas que o Sr. Jo Gador joga antes de
ganhar pela primeira vez. Nesta situao, a varivel Y segue uma distribuio Geomtrica
G(p = 0.0623) e o lucro dado por L Y = - 30 10 . Atendendo s regras estabelecidas pelo Sr. Jo
Gador, Y dever ser inferior a 5 (Y 4).
CAPTULO 6
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Na tabela seguinte apresentam-se os cinco valores da funo de probabilidade de Y e de L
para as cinco situaes que faltam considerar: ganhar numa das 5 partidas disponveis.
y p(Y = y) L p(L = l)
0 0.0623 30 P(L = 30) = p(Y = 0) = 0.0623
1 0.0584 20 P(L = 20) = p(Y = 1) = 0.0584
2 0.0548 10 P(L = 20) = p(Y = 2) = 0.0584
3 0.0514 0 P(L = 0) = p(Y = 3) = 0.0514
4 0.0482 10 P(L = 10) = p(Y = 4) = 0.0482
O valor esperado lucro dado por
E L l p l
l
( ) = ( ) = - + +
=

1
6
50 0 7250 30 0 0623 . .

+ + - = - 20 0 0584 10 0 0548 10 0 0482 33 15 . . . .
[moedas de ouro].

CAPTULO 6
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Apndice
Distribuies Discretas no Microsoft Excel
Distribuio Binomial
BINOMDIST: D o valor da funo de probabilidade [P(Y = y
0
)] e da funo de probabilidade
acumulada [P (Y y
0
)] da distribuio Binomial.
Exemplo: Se Y for B(6,0.20), calcular P(Y = 2) [= 0.24576] e P(Y 2) [= 0.90112].
Number_s: nmero de sucessos: 2
Trials: nmero de experincias: 6
Probability_s: probabilidade de um sucesso: 0.20
Cumulative: FALSE d a funo de probabilidade
TRUE d a funo de probabilidade acumulada
CRITBINOM: D o menor valor da varivel Binomial para o qual a funo de probabilidade
acumulada maior ou igual a um determinado valor.
Exemplo: Se Y for B(6,0.20), calcular o menor valor de y
0
para o qual P(Y y
0
) 70% [y
0
= 2]
Trials: nmero de experincias: 6
Probability_s: probabilidade de um sucesso: 0.20
Alpha: valor da probabilidade em anlise: 0.70
CAPTULO 6
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Funo de probabilidade da distribuio
Binomial ( N= 6, p = 0.20)
26.2%
39.3%
24.6%
8.2%
1.5%
0.2% 0.0%
0.00
0.10
0.20
0.30
0.40
0.50
0 1 2 3 4 5 6
P
r
o
b
a
b
i
l
i
d
a
d
e
Funo de probabilidade acumulada da
distribuio Binomial (N = 6, p = 0.20)
26.2%
65.5%
90.1%
98.3%
99.8% 100.0% 100.0%
0.00
0.20
0.40
0.60
0.80
1.00
0 1 2 3 4 5 6
P
r
o
b
a
b
i
l
i
d
a
d
e
CAPTULO 6
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Distribuio Hipergeomtrica
HYPGEOMDIST: D o valor da funo de probabilidade da distribuio Hipergeomtrica.
Exemplo: Se Y for H(3, 297, 5), calcular P(Y = 1) [= 0.048669].
Sample_s: nmero de sucessos: 1
Number_sample: nmero de experincias: 5
Population_s: nmero de sucessos na populao: 3
Number_pop: dimenso total da populao: 300
Distribuio Binomial Negativa
NEGBINOMDIST: D o valor da funo de probabilidade da distribuio Binomial Negativa
[Prob(Y = y
0
)], isto , d a probabilidade de existirem y
0
insucessos at ocorrer o r-simo sucesso.
Exemplo: Se Y for BN(r = 2, p = 0.07), calcular P(Y = 4) [= 0.0183].
Number_f: nmero de insucessos ocorridos at ao r-simo sucesso: 4
Number_s: valor de r: 2
Probability_s: probabilidade de ocorrer um sucesso: 0.07
Distribuio de Poisson
POISSON: D o valor da funo de probabilidade [P(Y = y
0
)] e da funo de probabilidade
acumulada da distribuio de Poisson [P(Y y
0
)].
Exemplo: Se Y for Poisson (l = 0.833), calcular P(Y = 2) [= 0.15083] e P(Y 2) [= 0.94772].
Y: nmero de ocorrncias no intervalo considerado: 2
Mean: nmero mdio de ocorrncias por unidade de tempo (l): 0.833
Cumulative: TRUE d a funo de probabilidade acumulada
FALSE d a funo de probabilidade
CAPTULO 7
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Captulo 7
Captulos

Problemas
7.1
(i)
7.1
(ii)
7.1
(iii)
7.2
(i)
7.2
(ii)
7.2
(iii)
7.2
(iv)
7.3
(i)
7.3
(ii)
7.3
(iii)
7.4
7.5
(i)
7.5
(ii)
7.6
(i)
7.6
(ii)
7.7
(i)
7.7
(ii)
7.8
Apoio 1
(apenas o
resultado)
Apoio 2
(sugesto)
Apoio 3
(resoluo
completa)
CAPTULO 7
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 7.1
Alnea (i)
Apoio 1 (apenas o resultado)
26.4%.

CAPTULO 7
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 7.1
Alnea (i)
Apoio 2 (sugesto)
A varivel aleatria tempo entre avarias consecutivas, t, segue uma distribuio Exponencial
Negativa. Note que a probabilidade de no ocorrer qualquer avaria antes do instante t = 6 horas
equivalente probabilidade de o tempo entre avarias consecutivas, t, ser superior a 6 horas.
Na seco 7.3 veja qual a expresso da funo de distribuio de uma varivel aleatria com
estas caractersticas.

CAPTULO 7
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 7.1
Alnea (i)
Apoio 3 (resoluo completa)
A varivel aleatria tempo entre avarias consecutivas, t, segue uma distribuio Exponencial
Negativa EN( = 1/l = 4.5 horas), onde l representa a taxa (mdia) de avarias por hora. A funo
distribuio F(t), que corresponde probabilidade de ocorrer pelo menos uma avaria no intervalo
[0, t], dada por
F t e
t
( ) = -
-
1
1
4 5 . ,
com t > 0.
Assim, a probabilidade pretendida vem
P t F e e e ( ) = - ( ) = - -

= = =
- -
-
6 1 6 1 1 0 264
6
4 5
6
4 5
1 333
. .
.
.
.
Na figura seguinte representa-se esta funo densidade de probabilidade de t para l = 1/4.5,
bem como a rea que corresponde a P(t 6).
t
f (t)

CAPTULO 7
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 7.1
Alnea (ii)
Apoio 1 (apenas o resultado)
64.1%.

CAPTULO 7
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 7.1
Alnea (ii)
Apoio 2 (sugesto)
A probabilidade pretendida condicional (ver definio na seco 3.4, expresso 3.10).

CAPTULO 7
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 7.1
Alnea (ii)
Apoio 3 (resoluo completa)
Pretende-se calcular a probabilidade condicional
P t t
P t
P t
P t
P t

( )
=
( )
( )
=
( )
( )
6 4
6
4
6
4

t 4
.
Ora
P t F e e e ( ) = - ( ) = - -

= = =
- -
-
6 1 6 1 1 0 264
6
4 5
6
4 5
1 333
. .
.
.
e
P t F e e e ( ) = - ( ) = - -

= = =
- -
-
4 1 4 1 1 0 411
4
4 5
4
4 5
0 889
. .
.
. .
Substituindo,
P t t
( )
= = 6 4
0 264
0 411
0 641
.
.
.
.
Note-se que, uma vez que t segue uma distribuio Exponencial Negativa, resulta que
P t t P t
( )
= ( ) 6 4 2 .
De facto,
P t F e e e ( ) = - ( ) = - -

= = =
- -
-
2 1 2 1 1 0 641
2
4 5
2
4 5
0 444
. .
.
. .

CAPTULO 7
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 7.1
Alnea (iii)
Apoio 1 (apenas o resultado)
23.4%.

CAPTULO 7
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 7.1
Alnea (iii)
Apoio 2 (sugesto)
Note que, a varivel aleatria nmero de avarias por unidade de tempo segue uma distribuio
de Poisson. Na seco 6.5 veja qual a expresso da funo de probabilidade de uma varivel
aleatria seguindo uma distribuio de Poisson.

CAPTULO 7
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 7.1
Alnea (iii)
Apoio 3 (resoluo completa)
Seja Y a varivel aleatria que denota o nmero de avarias por perodo de 6 horas. Sabe-se que
o nmero mdio de avarias por hora de l = 1/4.5. Dado que a probabilidade de se registar uma
avaria num intervalo qualquer de dimenso t praticamente proporcional dimenso do intervalo,
vem que
l l
t
t = = =
1
4 5
6 1 333
.
. [avarias / 6 horas].
Nestas condies, Y segue uma distribuio de Poisson (l =1.333). Recorrendo expresso
da funo de probabilidade de Y vem
P Y e = ( ) = =
-
2
1 333
2
0 234
1 333
2
.
.
!
. .

CAPTULO 7
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 7.2
Alnea (i)
Apoio 1 (apenas o resultado)
1.08%.

CAPTULO 7
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 7.2
Alnea (i)
Apoio 2 (sugesto)
Considere que as alturas, X, dos cidados so medidas com uma preciso de 0.005 m ( 0.5 cm).
Comece por padronizar a varivel X (na seco 7.4 veja como se efectua esta transformao).
Seguidamente recorra Tabela 3, do Anexo Tabelas, para determinar a probabilidade
pretendida.

CAPTULO 7
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 7.2
Alnea (i)
Apoio 3 (resoluo completa)
Denote-se por X a varivel aleatria que representa a altura dos cidados adultos de um
determinado pas. Admita-se que as alturas dos cidados so medidas com uma preciso de
0.005 m ( 0.5 cm). Ora, X segue uma distribuio Normal N(
x
= 1.7,
x
= 0.05). Padronize-se
a varivel X:
Z
X
X
X
=
- m
s
(note-se que Z uma Normal N(0, 1)).
Assim,
P X P Z
X
1 795 1 805
1 795 1 700
0 05
1 700
0 05
1 805 1 70
. .
. .
.
.
.
. .
( ) =
-
=
-

- 00
0 05 .

= ( ) = ( ) - ( ) P Z P Z P Z 1 9 2 1 1 9 2 1 . . . .

= - = 0 0287 0 0179 0 0108 . . .
(ver Tabela 3, do Anexo Tabelas).

CAPTULO 7
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 7.2
Alnea (ii)
Apoio 1 (apenas o resultado)
1.79%.

CAPTULO 7
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 7.2
Alnea (ii)
Apoio 2 (sugesto)
Comece por padronizar a varivel X (na seco 7.4 veja como se efectua esta transformao).
Seguidamente recorra Tabela 3, do Anexo Tabelas, para determinar a probabilidade
pretendida.

CAPTULO 7
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 7.2
Alnea (ii)
Apoio 3 (resoluo completa)
A varivel aleatria X, que representa a altura dos cidados adultos de um determinado pas,
segue uma distribuio Normal N(
x
= 1.7,
x
= 0.05). Padronizando a varivel X vem
P X P Z
X
( ) = =
-

1 805
1 700
0 05
1 805 1 700
0 05
.
.
.
. .
.
= ( ) = P Z 2 1 0 0179 . . .

CAPTULO 7
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 7.2
Alnea (iii)
Apoio 1 (apenas o resultado)
13.2%.

CAPTULO 7
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 7.2
Alnea (iii)
Apoio 2 (sugesto)
A probabilidade pretendida condicional (ver definio na seco 3.4, expresso 3.10).

CAPTULO 7
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 7.2
Alnea (iii)
Apoio 3 (resoluo completa)
A varivel aleatria X, que representa a altura dos cidados adultos de um determinado pas,
segue uma distribuio Normal N(
x
= 1.700,
x
= 0.05). A probabilidade condicional pretendida :
P X X
P X
P X
P X

( )
=
( )
( )
=

1 805 1 755
1 805
1 755
1 80
. .
.
.
.

X 1.755 55
1 755
( )
( ) P X .
.
Ora,
P X ( ) = 1 805 0 0179 . .
e
P X P Z
X
( ) = =
-

1 755
1 700
0 05
1 755 1 700
0 05
.
.
.
. .
.
= ( ) = P Z 1 1 0 1357 . . .
Finalmente,
P X X
( )
= = 1 805 1 755
0 0179
0 1357
0 132 . .
.
.
. .

CAPTULO 7
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 7.2
Alnea (iv)
Apoio 1 (apenas o resultado)
96.42%.

CAPTULO 7
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 7.2
Alnea (iv)
Apoio 2 (sugesto)
Comece por padronizar a varivel X (na seco 7.4 veja como se efectua esta transformao).
Seguidamente recorra Tabela 3, do Anexo Tabelas, para determinar a probabilidade
pretendida.

CAPTULO 7
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 7.2
Alnea (iv)
Apoio 3 (resoluo completa)
A varivel aleatria X, que representa a altura dos cidados adultos de um determinado pas,
segue uma distribuio Normal N(
x
= 1.7,
x
= 0.05). Assim
P X P Z
X
1 595 1 805
1 595 1 700
0 05
1 700
0 05
1 805 1 70
. .
. .
.
.
.
. .
( ) =
-
=
-

- 00
0 05 .

= - ( ) P Z 2 1 2 1 . .
= - ( ) - ( ) = - ( ) - ( ) P Z P Z P Z P Z 2 1 2 1 1 2 1 2 1 . . . .
= - ( ) = - = 1 2 2 1 1 2 0 0179 0 9642 P Z . . . .
Na figura seguinte representa-se a funo densidade de probabilidade de X e a rea
correspondente probabilidade pretendida.
x
f (x)

CAPTULO 7
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 7.3
Alnea (i)
Apoio 1 (apenas o resultado)
46.81%.

CAPTULO 7
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 7.3
Alnea (i)
Apoio 2 (sugesto)
Recorra transformao logartmica da varivel rendimento mensal de um agricultor. De acordo
com a definio de distribuio Lognormal, a varivel transformada, V, seguir uma distribuio
Normal. Veja na Seco 7.5.2, as expresses dos parmetros da varivel transformada V.

CAPTULO 7
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 7.3
Alnea (i)
Apoio 3 (resoluo completa)
varivel aleatria X, que representa o rendimento mensal (milhares de euros) dos
agricultores numa determinada regio, Lognormal LN
X X
m s = =
( )
3 25 0 25
2
. , . . Assim,
V X = ln

N
V V
m s ,
2
( )
,
com
m
m
s m
V
X
X X
=
+

=
+

=
1
2
1
2
3 25
0 25 3 25
1 167
4
2 2
4
2
ln ln
.
. .
.
e
s
s
m
V
X
X
2
2
2 2
2
1
0 25
3 25
1 0 153 = +

= +

= ln ln
.
.
.
.
Nestas condies,
P X P V X P V > ( ) = = > ( ) = > ( ) 3 25 3 25 1 179 . ln ln . .
= =
-
>
-
=

P Z
V 1 167
0 153
1 179 1 167
0 153
0 078
.
.
. .
.
.
= 0.4681.

CAPTULO 7
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 7.3
Alnea (ii)
Apoio 1 (apenas o resultado)
3.21.

CAPTULO 7
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 7.3
Alnea (ii)
Apoio 2 (sugesto)
Na seco 7.5.2 apresenta-se a expresso para a mediana de uma distribuio Lognormal, que
funo do valor esperado da varivel transformada V.

CAPTULO 7
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 7.3
Alnea (ii)
Apoio 3 (resoluo completa)
A mediana de X dada por
h
m
X
e e
V
= = =
1 167
3 21
.
.
Note que, ao contrrio da distribuio Normal, a distribuio Lognormal assimtrica
direita.

CAPTULO 7
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 7.3
Alnea (iii)
Apoio 1 (apenas o resultado)
0.

CAPTULO 7
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 7.3
Alnea (iii)
Apoio 2 (sugesto)
Recorra padronizao da varivel transformada V, consultando posteriormente a tabela da
distribuio Normal padronizada (Tabela 3 do Anexo Tabelas).

CAPTULO 7
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 7.3
Alnea (iii)
Apoio 3 (resoluo completa)
A varivel aleatria X, que denota rendimento mensal (milhares de euros) dos agricultores numa
determinada regio Lognormal LN
X X
m s = =
( )
3 25 0 25
2
. , . . A varivel transformada V = ln X
segue uma distribuio Normal N
V V
m s ,
2
( )
. Nestas condies,
P X P V P V < ( ) = < ( ) = < - ( ) 0 9 0 9 0 105 . ln . .
= =
-
<
- -
= -

P Z
V 1 167
0 153
0 105 1 167
0 153
8 32
.
.
. .
.
.
= < - ( ) P Z 8 32 0 . .

CAPTULO 7
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 7.4
Apoio 1 (apenas o resultado)
22.84%.

CAPTULO 7
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 7.4
Apoio 2 (sugesto)
Note que a varivel aleatria nmero de peas com grau de qualidade A includas na amostra
segue uma distribuio Hipergeomtrica. Procure aproximar esta distribuio por uma distribuio
Normal cujos parmetros valor esperado e desvio padro so os mesmos da distribuio
Hipergeomtrica.

CAPTULO 7
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 7.4
Apoio 3 (resoluo completa)
A varivel aleatria X, que denota nmero de peas com grau de qualidade A includas na amostra,
segue uma distribuio Hipergeomtrica H p q 7000 7 3 ( ) , , 000 00 . O parmetro p = 5000/
/7000 = 5/7 corresponde proporo de peas com grau de qualidade A e q = 1

p = 2/7
proporo de peas com grau de qualidade B. Assim, X H 5000 2 000 300 , , ( ) , com
m
X
N p = = = 300
5
7
214 3 .
[peas]
s
X
N p q
M N
M
2
1
300
5
7
2
7
7000 300
7000 1
58 6 =
-
-
=
-
-
= . [peas
2
]
e
s
X
= = 58 6 7 66 . .
[peas].
Uma vez que M N 10 , esta distribuio Hipergeomtrica pode ser aproximada por uma
distribuio Binomial. Por sua vez, dado que N 20 e N p > 7, a distribuio Binomial pode
ser aproximada por uma distribuio Normal. Assim, admite-se que X segue aproximadamente
uma distribuio Normal N m s = = ( ) 214 3 58 6
2
. , . , vindo
P X P Z
X
> ( ) = =
-
>
-

220
214 3
7 66
220 214 3
7 66
.
.
.
.
= > ( ) P Z 0 744 . .
CAPTULO 7
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Ora
P Z
P Z
> ( ) =
> ( ) =

0 74 0 2296
0 75 0 2266
. .
. .


ver Tabela 3, do Anexo Tabelas
Efectuando uma interpolao linear obtm-se
P Z > ( ) = -
-
-
- ( ) = 0 744 0 2296
0 2296 0 2266
0 75 0 74
0 744 0 74 0 22 . .
. .
. .
. . . 996
4
10
0 0030 - .
= 0.2284.

CAPTULO 7
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 7.5
Alnea (i)
Apoio 1 (apenas o resultado)
10.12.

CAPTULO 7
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 7.5
Alnea (i)
Apoio 2 (sugesto)
O valor pretendido pode ser obtido directamente da Tabela 4 no Anexo Tabelas.

CAPTULO 7
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 7.5
Alnea (i)
Apoio 3 (resoluo completa)
A varivel X segue uma distribuio c
19
2
. Na Tabela 4 do Anexo Tabelas registam-se os valores
crticos de distribuies c a
GL
2
( ), tais que
a
c a
= ( )
( )

f u du
GL
2
.
Ora, o valor de x
0
que satisfaz a condio P(X < x
0
) = 5% satisfaz tambm P(X > x
0
) = 95%.
Consultando a tabela obtm-se directamente x
0
= 10.12. Na figura seguinte representa-se a funo
densidade de probabilidade da distribuio c
19
2
e o valor correspondente probabilidade
pretendida.

=
2
19

2
19
( = 95%) = 10.12
95%

CAPTULO 7
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 7.5
Alnea (ii)
Apoio 1 (apenas o resultado)
72.5%.

CAPTULO 7
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 7.5
Alnea (ii)
Apoio 2 (sugesto)
O valor pretendido pode ser obtido directamente da Tabela 4 no Anexo Tabelas.

CAPTULO 7
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 7.5
Alnea (ii)
Apoio 3 (resoluo completa)
Note que na Tabela 4 do Anexo Tabelas se registam os valores crticos de distribuies c a
GL
2
( )
e no as probabilidades associadas s caudas (tal como na distribuio Normal). Estes valores
podem ser obtidos directamente desta tabela:
P(8.91 < X < 22.72) = P (X > 8.91) P(X > 22.72)
= 0.975 0.250
= 0.725.

CAPTULO 7
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 7.6
Alnea (i)
Apoio 1 (apenas o resultado)
2.998.

CAPTULO 7
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 7.6
Alnea (i)
Apoio 2 (sugesto)
O valor pretendido pode ser obtido directamente da Tabela 5 no Anexo Tabelas.

CAPTULO 7
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 7.6
Alnea (i)
Apoio 3 (resoluo completa)
A varivel V segue uma distribuio t
7
. Na Tabela 5 do Anexo Tabelas registam-se as
probabilidades associadas cauda direita de distribuies t
GL
(), tais que
a
a
= ( )
( )

f u du
t
GL
.
Consultando a tabela obtm-se directamente o valor de v
0
que satisfaz a condio P(V > v
0
) = 1%.
Tal valor v
0
= 2.998. Na figura seguinte representa-se a funo densidade de probabilidade da
distribuio t
7
e o valor correspondente probabilidade pretendida.
t
7
( = 1%) = 2.998
= 1%
t
7


CAPTULO 7
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 7.6
Alnea (ii)
Apoio 1 (apenas o resultado)
84.0%.

CAPTULO 7
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 7.6
Alnea (ii)
Apoio 2 (sugesto)
A probabilidade pretendida pode ser calculada com base nos valores que se apresentam na
Tabela 5 do Anexo Tabelas.

CAPTULO 7
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 7.6
Alnea (ii)
Apoio 3 (resoluo completa)
Pretende-se calcular P(1.12 < V < 2.99). Ora,
P(1.12 < V < 2.99) = P(V < 2.99) P(V < 1.12) = 1 [P(V > 2.99) + P(V > 1.12)].
Recorrendo Tabela 5 do Anexo Tabelas fcil determinar estas probabilidades:
1 [P(V > 2.99) + P(V > 1.12)] = 1 (0.010 + 0.150) = 0.840.

CAPTULO 7
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 7.7
Alnea (i)
Apoio 1 (apenas o resultado)
1.89.

CAPTULO 7
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 7.7
Alnea (i)
Apoio 2 (sugesto)
O valor pretendido pode ser obtido directamente da Tabela 6 no Anexo Tabelas.

CAPTULO 7
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 7.7
Alnea (i)
Apoio 3 (resoluo completa)
A varivel U segue uma distribuio F
24, 30
. Na Tabela 6 do Anexo Tabelas registam-se os
valores F
GL GL
1 2
,
a ( ) , tais que
a
a
= ( )
( )

f u du
F
GL GL
1 2
,
.
Consultando a tabela obtm-se directamente o valor de u
0
que satisfaz a condio P(U > u
0
) = 5%.
Tal valor u
0
= 1.89. Na figura seguinte representa-se a funo densidade de probabilidade da
distribuio F
24 30 ,
e o valor correspondente probabilidade pretendida.

= 5%
F
24, 30
( = 5%) = 1.89
F
24, 30


CAPTULO 7
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 7.7
Alnea (ii)
Apoio 1 (apenas o resultado)
0.388.

CAPTULO 7
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 7.7
Alnea (ii)
Apoio 2 (sugesto)
Para determinar o valor pretendido recorra seguinte relao
F
F
GL GL
GL GL
1 2
2 1
1
1
,
,


- ( ) =
( )
a
a
.

CAPTULO 7
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 7.7
Alnea (ii)
Apoio 3 (resoluo completa)
Seja a a probabilidade associada cauda direita da distribuio F
GL GL
1 2
,
a ( ) , ou seja,
a
a
= ( )
( )

f u du
F
GL GL
1 2
,
.
Para se obterem os valores F
GL GL
1 2
1
,
- ( ) a correspondentes a reas de valor a situadas na
cauda esquerda da distribuio F
GL GL
1 2
,
, recorre-se seguinte expresso:
F
F
GL GL
GL GL
1 2
2 1
1
1
,
,


- ( ) =
( )
a
a
.
O valor de u
1
que satisfaz a condio P(U = F
24, 30
< u
1
) = 1% corresponde ao valor da
distribuio F
24, 30
cuja rea sua direita de 99%. Assim,
F
F
24 3
30 2
0 99
1
0 01
,
,
.
.
0
4
( ) =
( )
.
Recorrendo Tabela 6 verifica-se que P(F
30, 24
> 2.58) = 1%, donde
F u
24 3 1
0 99
1
2 58
1
2 58
0 388
,
.
. .
.
0
( ) = = = .

CAPTULO 7
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 7.8
Apoio 1 (apenas o resultado)
15.15%.

CAPTULO 7
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 7.8
Apoio 2 (sugesto)
Repare que a probabilidade de uma varivel tomar um valor superior ao de uma outra,
equivalente a considerar-se a probabilidade de uma nova varivel, que resulta da diferena entre
as duas anteriores, ser superior a zero. Recorde que a combinao linear de duas variveis
normais independentes segue ainda uma distribuio Normal.

CAPTULO 7
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 7.8
Apoio 3 (resoluo completa)
Denote-se por D
T
a longevidade de um pilha do tipo T (em horas) e por D
A
a longevidade de uma
pilha do tipo A. A probabilidade pretendida :
P(D
T
> D
A
) = P(D
T
D
A
> 0).
A varivel (D
T
D
A
) resulta da diferena entre duas distribuies Normais, pelo que tambm
Normal. Atendendo a que D
T
e D
A
so presumivelmente independentes, o valor esperado e a
varincia de (D
T
D
A
) vm dados por:
E(D
T
D
A
) = E(D
T
) E(D
A
) = 150 156 = -6
Var(D
T
D
A
) = Var(D
T
) + Var(D
A
) = 25 + 9 = 34.
Assim,
P D D P
D D
Z
T A
T A
- >
( )
=
-
( )
- -
= >
+

0
6
34
0 6
34
( )
= P(Z > 1.03) = 0.1515.

CAPTULO 7
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Apndice
Distribuies Contnuas no Microsoft Excel
Distribuio Normal
NORMDIST: d o valor da funo de probabilidade acumulada [P(X x
0
)] e da funo densidade
de probabilidade f(x
0
).
Exemplo: Se X for Normal ( = 2.5, =1.2), calcular P(X 1.6) [= 0.2266] e f(x
0
= 1.6)
[=0.2509].
X: valor em anlise: 1.6
Mean: valor esperado(): 2.5
Standard_dev: desvio padro (): 1.2
Cumulative: TRUE d o valor da funo
de probabilidade acumulada
FALSE d o valor da funo
densidade de probabilidade
NORMINV: d o valor crtico (x
0
) cuja funo de probabilidade acumulada igual a um
determinado valor P1. [Prob(X x
0
) = P1].
Exemplo: Se X for Normal ( = 2.5, =1.2), calcular x
0
tal que P(X x
0
) = 0.900 [= 4.0379].
Probability: valor da probabilidade acumulada: 0.90
Mean: valor esperado (): 2.5
Standard_dev: desvio padro (): 1.2
CAPTULO 7
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
NORMSDIST: d o valor da funo de probabilidade acumulada [P(Z z
0
)] da distribuio
Normal padronizada.
Exemplo: Se Z for Normal ( = 0, = 1), calcular P(Z 1.645) [= 0.9500].
Z: valor em anlise: 1.645
NORMSINV: d o valor crtico (z
0
) cuja funo de probabilidade acumulada da distribuio
Normal padronizada igual a um determinado valor P1 [Prob(Z z
0
) = P1].
Exemplo: Se Z for Normal ( = 0, = 1), calcular z
0
tal que P(Z z
0
) = 0.025 [= 1.9600].
Probability: valor da probabilidade acumulada: 0.025
STANDARDIZE: Padroniza o valor de uma varivel X que segue uma distribuio Normal
qualquer.
Exemplo: Se X for Normal ( = 2.5, = 1.2), obter o valor padronizado de X = 0.7 [= 1.5].
X: valor da varivel a padronizar: 0.7
Mean: valor esperado (): 2.5
Standard_dev: desvio padro (): 1.2
Distribuio t de Student
TDIST: d, para um determinado valor positivo (t
0
) da distribuio t
GL
, a probabilidade de obter
um valor superior a t
0
, [P(t
GL
t
0
)], ou a probabilidade de obter um valor mais extremo do
que t
0
[P(t
GL
t
0
ou t
GL
t
0
)].
CAPTULO 7
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Exemplo: Para a distribuio t
18
, calcular P(t
18
1.6) [= 0.0635] e P(t
18
1.6 ou t
18
1.6)
[= 2 0.0635 = 0.1270].
X: valor em anlise: 1.6
Deg_freedom: Graus de liberdade da distribuio t: 18
Tails: 1 d a valor da P(t
GL
1.6)
2 d o valor da P (t
GL
1.6 ou t
GL
1.6)
TINV: d o valor crtico (t
0
) cuja probabilidade de obter um valor mais extremo na distribuio t
GL
igual a um determinado valor P1 [P(t
GL
t
0
ou t
GL
t
0
) = P1].
Exemplo: Para a distribuio t
12
, calcular t
0
tal que P(t
12
t
0
ou t
12
t
0
) = 0.05 [= 2.1788].
Probability: valor da probabilidade: 0.05
Deg_freedom: graus de liberdade da distribuio t: 12
Distribuio F
FDIST: d, para um determinado valor (x
0
) da distribuio F
GL1,GL2
(x
0
), a probabilidade de obter
um valor superior a x
0
[P(F
GL1,GL2
x
0
)].
Exemplo: Para a distribuio F
6,15
, calcular P(F
6,15
2.79) [= 0.0500].
X: valor em anlise: 2.79
Deg_freedom1: graus de liberdade GL
1
: 6
Deg_freedom2: graus de liberdade GL
2
: 15
FINV: d o valor crtico (x
0
) cuja probabilidade de obter um valor superior na distribuio
F
GL1,GL2
igual a um determinado valor P1 [P(F
GL1,GL2
x
0
) = P1].
CAPTULO 7
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Exemplo: Para a distribuio F
6,15
, calcular x
0
tal que P(F
6,15
x
0
) = 0.08 [= 2.3916].
Probability: valor da probabilidade: 0.08
Deg_freedom1: Graus de liberdade GL
1
: 6
Deg_freedom2: Graus de liberdade GL
2
: 15
Distribuio do Qui-Quadrado
CHIDIST: d, para um determinado valor (x
0
) da distribuio c
GL
2
(x
0
), a probabilidade de obter
um valor superior a x
0
[P( c
GL
2
x
0
)].
Exemplo: Para a distribuio c
18
2
, calcular P( c
18
2
31) [= 0.0288].
X: valor em anlise: 31
Deg_freedom: graus de liberdade da distribuio c
18
2
: 18
CHIINV: d o valor crtico (x
0
) cuja probabilidade de obter um valor superior na distribuio
c
GL
2
igual a um determinado valor P1 [P( c
GL
2
x
0
) = P1].
Exemplo: Para a distribuio c
30
2
, calcular x
0
tal que P( c
30
2
x
0
) = 0.05 [= 43.7730].
Probability: valor da probabilidade: 0.05
Deg_freedom: graus de liberdade da distribuio c
GL
2
: 30
Distribuio Exponencial Negativa
EXPONDIST: d o valor da funo distribuio [P(X x
0
)] e da funo densidade de proba-
bilidade f (x
0
) de distribuio Exponencial Negativa.
CAPTULO 7
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Exemplo: Se X for EN (l = 3), calcular x
0
tal que P(X 0.25) [= 0.5276] e calcular f (0.25)
[= 1.4171].
X: valor em anlise: 0.25
Lambda: nmero mdio de ocorrncias por unidade de tempo: 3
Cumulative: TRUE d a funo de probabilidade acumulada
FALSE d a valor da funo densidade
de probabilidade
Distribuio Lognormal
LOGNORMDIST: d o valor da funo de probabilidade acumulada da varivel X [P(X x
0
)],
onde ln(X) um varivel que segue uma distribuio Normal, com valor esperado e desvio
padro .
Exemplo: Se X for uma varivel Lognormal, em que ln(X) Normal ( = 1.167, = 0.153),
calcular P(X 3.25) [= 0.5304].
X: valor em anlise: 3.25
Mean: valor esperado (): 1.167
Standard_dev: desvio padro (): 0.153
LOGINV: d o valor crtico (x
0
) de uma varivel Lognormal cuja funo distribuio igual a
um determinado valor P1 [P(X x
0
) = P1].
Exemplo: Se X for uma varivel Lognormal, em que ln(X) Normal ( = 1.167, = 0.153),
calcular x
0
tal que P(X x
0
) = 0.5304 [= 3.25].
Probability: valor da probabilidade acumulada: 0.5304
Mean: valor esperado (): 1.167
Standard_dev: desvio padro (): 0.153
CAPTULO 8
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Captulo 8
Captulos

Problemas
8.1
(i)
8.1
(ii)
8.1
(iii)
8.2
(i)
8.2
(ii)
8.3
8.4
(i)
8.4
(ii)
8.5
(i)
8.5
(ii)
8.5
(iii)
8.6 8.7
8.8
(i)
8.8
(ii)
Apoio 1
(apenas o
resultado)
n.a. n.a. n.a. n.a. n.a.
Apoio 2
(sugesto)
Apoio 3
(resoluo
completa)
n.a. = no aplicvel
CAPTULO 8
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 8.1
Alnea (i)
Apoio 1 (apenas o resultado)
Valor esperado: 3.9
Desvio padro: 1.302.

CAPTULO 8
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 8.1
Alnea (i)
Apoio 2 (sugesto)
A varivel aleatria vendas quinzenais resulta da soma de duas variveis aleatrias indepen-
dentes.

CAPTULO 8
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 8.1
Alnea (i)
Apoio 3 (resoluo completa)
A varivel aleatria Y denota as vendas semanais de computadores. O valor esperado e a varincia
de Y so, respectivamente:
E(Y) =
m
Y
y
y p y = ( )
=

0
3
= 0 0.10 + 1 0.15 + 2 0.45 + 3 0.30 = 1.95
e
Var(Y) =
s m
Y Y
y
y p y
2
2
0
3
= -
( )
( )
=

= (0 1.95)
2
0.10 + (1 1.95)
2
0.15 + (2 1.95)
2
0.45 + (3 1.95)
2
0.30
= 0.8475.
Seja Q a varivel aleatria que denota as vendas quinzenais de computadores. Ora, consi-
derando que Y
1
e Y
2
correspondem s vendas que se verificam em duas semanas consecutivas,
ento:
Q = Y
1
+ Y
2
,
E(Q) = E(Y
1
) + E(Y
2
) = 2

.

E(Y) = 2

.

1

.

95 = 3.9
e
Var(Q) = Var(Y
1
) + Var(Y
2
) = 2

.

Var(Y) = 2

.

0

.

8475 = 1.695,
ou
s Q ( ) = = 1 695 1 302 . . .

CAPTULO 8
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 8.1
Alnea (ii)
Apoio 2 (sugesto)
Procure representar numa tabela todas as combinaes possveis das variveis Y
1
e Y
2
(que
correspondem s vendas que se verificam em duas semanas consecutivas) juntamente com as
probabilidades de tais combinaes ocorrerem. Note que por cada combinao de Y
1
e Y
2
se
obtm um valor particular de Q.

CAPTULO 8
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 8.1
Alnea (ii)
Apoio 3 (resoluo completa)
Na tabela seguinte apresentam-se todas as combinaes possveis das variveis Y
1
e Y
2
, juntamente
com as probabilidades de tais combinaes ocorrerem.
y
1
y
2
q p(q)
0 0 0 0.10 0.10 = 0.01
0 1 1 0.10 0.15 = 0.015
0 2 2 0.10 0.45 = 0.045
0 3 3 0.10 0.30 = 0.03
1 0 1 0.15 0.10 = 0.015
1 1 2 0.15 0.15 = 0.0225
1 2 3 0.15 0.45 = 0.0675
1 3 4 0.15 0.30 = 0.045
2 0 2 0.45 0.10 = 0.045
2 1 3 0.45 0.15 = 0.0675
2 2 4 0.45 0.45 = 0.2025
2 3 5 0.45 0.30 = 0.135
3 0 3 0.30 0.10 = 0.03
3 1 4 0.30 0.15 = 0.045
3 2 5 0.30 0.45 = 0.135
3 3 6 0.30 0.30 = 0.09
confirmao:
p q ( ) =

1
CAPTULO 8
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
A funo de probabilidade da varivel Q ento:
q p(q)
0 = 0.01
1 0.015 + 0.015 = 0.03
2 0.045 + 0.0225 + 0.045 = 0.1125
3 0.03 + 0.0675 + 0.0675 + 0.03 = 0.195
4 0.045 + 0.2025 + 0.045 = 0.2925
5 0.135 + 0.135 = 0.27
6 = 0.09
Verifiquem-se agora os resultados obtidos na alnea anterior.
E(Q) =
m
Q
z
q p q = ( )
=

0
6
= 0 0.01 + 1 0.03 + 2 0.1125 + 3 0.195 + 4 0.2925 + 5 0.27 + 6 0.09 = 3.9.
Var(Q) =s m
Q Q
z
q p q
2
2
0
6
= -
( )
( )
=

= (0 3.9)
2
0.01 + (1 3.9)
2
0.03 + (2 3.9)
2
0.1125 + (3 3.9)
2
0.195 +
+ (4 3.9)
2
0.2925 + (5 3.9)
2
0.27 + (6 3.9)
2
0.09 = 1.695.

CAPTULO 8
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 8.1
Alnea (iii)
Apoio 2 (sugesto)
Procure gerar duas amostras aleatrias (de dimenso 500) de vendas semanais (ou seja, das
variveis Y
1
e Y
2
) e, a partir destas, gere uma outra de vendas quinzenais (Q = Y
1
+ Y
2
). Para gerar
as amostras aleatrias pode recorrer a qualquer calculadora (ou aplicao informtica) que produza
nmeros aleatrios pertencentes a uma distribuio Uniforme U(0, 1). No caso do Microsoft
Excel, basta recorrer funo RAND para se obter um nmero aleatrio maior ou igual a 0 e
menor do que 1.

CAPTULO 8
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 8.1
Alnea (iii)
Apoio 3 (resoluo completa)
Comea-se por produzir duas amostras aleatrias (de dimenso 500) de vendas semanais (ou
seja, das variveis Y
1
e Y
2
). Para tal, geram-se nmeros aleatrios u
n
pertencentes distribuio
Uniforme U(0, 1). Divide-se o intervalo [0, 1[ em tantos intervalos quantos os valores que a
varivel discreta Y pode tomar, associando a cada valor desta um intervalo com uma amplitude
proporcional probabilidade com que tal valor pode ocorrer. Assim:
y
n
= 0, se 0.0000 u
n
< 0.1000 (10%)
y
n
= 1, se 0.1000 u
n
< 0.2500 (15%)
y
n
= 2, se 0.2500 u
n
< 0.7000 (45%)
y
n
= 3, se 0.7000 u
n
< 1.0000 (30%)
Apresentam-se de seguida duas amostras aleatrias de vendas semanais (y
1
e y
2
) e uma de
vendas quinzenais (q = y
1
+ y
2
) criada a partir das duas anteriores. Os nmeros aleatrios u
n
foram obtidos recorrendo ao Microsoft Excel.
N u
1
= U(0, 1) u
2
= U(0, 1) y
1
y
2
q = y
1
+ y
2
1 0.3277 0.2197 2 1 3
2 0.7264 0.3982 3 2 5
3 0.8929 0.5029 3 2 5
4 0.4834 0.7599 2 3 5
()
498 0.7640 0.2814 3 2 5
499 0.8103 0.8252 3 3 6
500 0.5623 0.9127 2 3 5
CAPTULO 8
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
No quadro seguinte apresentam-se algumas estatsticas da amostra de vendas quinzenais.
Estatstica Q = Y
1
+Y
2

Dimenso da amostra 500
Mdia 3.8360
Desvio padro 1.2199
Coeficiente de assimetria 0.4417
Na figura seguinte mostra-se o histograma de frequncias relativas construdo com as 500
observaes da varivel Q.
q
0 1 2 3 4 5 6
0%
10%
20%
30%
F
r
e
q
u

n
c
i
a

r
e
l
a
t
i
v
a


CAPTULO 8
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 8.2
Alnea (i)
Apoio 1 (apenas o resultado)
10.03%.

CAPTULO 8
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 8.2
Alnea (i)
Apoio 2 (sugesto)
Repare que a probabilidade de uma varivel tomar um valor superior a uma outra equivalente
a considerar a probabilidade de a varivel que resulta da diferena entre as duas anteriores ser
superior a zero. Recorde que a combinao linear de duas variveis Normais independentes
segue ainda uma distribuio Normal.

CAPTULO 8
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 8.2
Alnea (i)
Apoio 3 (resoluo completa)
Denote-se por X o nmero de jogos vendidos por dia na loja do Porto e por Y o nmero de jogos
vendidos por dia na loja de Lisboa. O que se pretende determinar P(X > Y) ou, o que
equivalente, P[(X Y) > 0]. Como X e Y so Normais, a varivel (X Y) tambm o , com valor
esperado
E(X Y) = E(X) E(Y) = 150 200 = 50
e varincia
Var Var Cov Var
2 2
( ) ( ) ( , ) ( ) X Y X X Y Y - = ( ) + ( ) - ( ) + - ( ) 1 2 1 1 1
= + = + = Var Var ( ) ( ) X Y 25 30 1525
2 2
(supondo que X e Y so independentes).
Assim,
P X Y P Z
X Y
- ( ) >

= =
- ( ) - - ( )
>
- - ( )

0
50
1525
0 50
1525
= > ( ) = P Z 1 28 0 1003 . . .

CAPTULO 8
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 8.2
Alnea (ii)
Apoio 1 (apenas o resultado)
96.49%.

CAPTULO 8
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 8.2
Alnea (ii)
Apoio 2 (sugesto)
Em primeiro lugar, procure caracterizar a varivel nmero de jogos vendidos por dia no conjunto
das duas lojas. Seguidamente, caracterize a varivel nmero total de jogos vendidos em 200 dias
no conjunto das duas lojas (que corresponde soma de 200 variveis aleatrias independentes
com a mesma distribuio). Para tal recorra ao Teorema do Limite Central.

CAPTULO 8
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 8.2
Alnea (ii)
Apoio 3 (resoluo completa)
Denote-se por V = X + Y a varivel Normal que corresponde soma do nmero de jogos vendidos
por dia em cada uma das duas lojas (Porto e Lisboa). O valor esperado e varincia de V so,
respectivamente:
E(V) = E(X) + E(Y) = 150 + 200 = 350
Var Var Cov Var
2 2
( ) ( ) ( , ) ( ) V X X Y Y = ( ) + ( ) ( ) + ( ) 1 2 1 1 1

= + = + = Var Var ( ) ( ) X Y 25 30 1525
2 2
(admitindo que X e Y so independentes).
Considere agora a varivel T que representa o nmero de jogos vendidos em 200 dias nas
duas lojas. Ou seja,
T V V V V V
i
i
= = + + + =
=
1 2 200
1
200
200 .
Esta varivel, que tambm Normal (soma de variveis Normais independentes), tem valor
esperado e varincia, respectivamente,
E E E E E T V V V V ( ) = + + + + = = ( ) ( ) ( ) ... ( )
1 2 3 200
200 350 700 000
Var Var Var Var Var T V V V V ( ) = + + + + = = ( ) ( ) ( ) ... ( )
1 2 3 200
200 1525 305 0000.
Assim,
P T P Z
T
> ( ) = =
-
>
-

69 000
70 000
305 000
69 000 70 000
305 000
= > - ( ) = - < - ( ) = - > ( ) = - = P Z P Z P Z 1 81 1 1 81 1 1 81 1 0 0351 0 9649 . . . . . .
CAPTULO 8
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 8.3
Apoio 1 (apenas o resultado)
17.91%.

CAPTULO 8
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 8.3
Apoio 2 (sugesto)
Na seco 8.5 veja qual a definio do Teorema do Limite Central. Repare que o peso dos 50
mineiros, que se denota por S, consiste numa varivel que resulta da soma de 50 variveis
aleatrias independentes com a mesma distribuio.

CAPTULO 8
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 8.3
Apoio 3 (resoluo completa)
Sejam:
X: o peso de cada mineiro [em kg] (com E(X) = 75 [kg] e Var(X) = 64 [kg
2
])
C: a capacidade nominal do elevador (com C = 3800 kg)
M: a dimenso da populao (com M = 650)
N: a dimenso da amostra (com N = 50)
S: o peso de 50 mineiros seleccionados aleatoriamente, e
X: a mdia amostral de X em amostras de dimenso N = 50.
Nestas condies,
E E X X
( )
= ( ) = 75 [kg]
e
Var
1
Var X
M N
M N
X
( )
=
-
-

( ) =
-
-


1
650 50
650 1
1
50
64.
Ora,
S X X
i
i
X
i
i
= = =
=

50
50
50
1
50
1
50
,
vindo
E E S X ( ) =
( )
= = 50 50 75 3750 [kg]
CAPTULO 8
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
e
Var Var S X ( ) =
( )
=
-
-

= 50 50
650 50
650 1
1
50
64 2956 8
2 2
. [kg
2
],
ou
s
S
= = 2956 8 54 38 . . [kg].
De acordo com o Teorema do Limite Central, a varivel S (soma de 50 variveis aleatrias
independentes com a mesma distribuio) seguir aproximadamente uma distribuio Normal.
Assim,
S

N
S S
m s = =
( )
3750 , .
2 2
54 38 .
Transformando a varivel S na varivel normal padronizada N(0, 1) vem
Z
S
S
S
=
- m
s
.
Assim,
P S P
S
Z ( ) =
-
=
-

3800
3750
54 38
3800 3750
54 38 . .
= ( ) P Z 0 919 . .
Ora,
P Z
P Z
> ( ) =
> ( ) =

0 91 0 1814
0 92 0 1788
. .
. .

(ver Tabela 3, do Anexo Tabelas).
Efectuando uma interpolao linear, obtm-se finalmente
P Z > ( ) = -
-
-
- ( ) 0 919 0 1814
0 1814 0 1788
0 92 0 91
0 919 0 91 0 17 . .
. .
. .
. . . 9 91.

CAPTULO 8
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 8.4
Alnea (i)
Apoio 1 (apenas o resultado)
69.57%.

CAPTULO 8
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 8.4
Alnea (i)
Apoio 2 (sugesto)
Independentemente da forma da distribuio original do salrio horrio de um engenheiro recm-
-formado na Alemanha, pode considerar-se que a dimenso da amostra suficientemente grande
para que a varivel mdia amostral siga uma distribuio aproximadamente Normal (Teorema
do Limite Central). Na seco 8.4 veja quais as expresses do valor esperado e da varincia da
mdia amostral. Assuma que os parmetros das populaes coincidem com as correspondentes
estatsticas amostrais.

CAPTULO 8
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 8.4
Alnea (i)
Apoio 3 (resoluo completa)
Denote-se por A a varivel aleatria salrio horrio de um engenheiro recm-formado na
Alemanha. Admita-se que os parmetros das populaes coincidem com as correspondentes
estatsticas amostrais. A varivel A ter ento valor esperado
A
= 15.4 e desvio padro
A
= 3.0.
Atendendo ao Teorema do Limite Central, admite-se que a mdia dos salrios de uma amostra
de 40 engenheiros a trabalhar na Alemanha, que se denota por A, segue uma distribuio Normal
com valor esperado
E E A A
( )
= ( ) =15 4 . [Euros]
e varincia
Var
1
Var A
N
A
( )
= ( ) = =
9
40
0 225 .

[Euros
2
].
Padronizando esta varivel vem:

P A P Z
A
15 16
15 15 4
0 225
15 4
0 225
16 15 4
0 225

( )
=
-
=
-

=
.
.
.
.
.
.
PP Z - ( ) = 0 84 1 26 . .
= - ( ) - ( ) = - - = 1 1 26 0 84 1 0 1038 0 2005 0 6957 P Z P Z . . . . . .

CAPTULO 8
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 8.4
Alnea (ii)
Apoio 1 (apenas o resultado)
31.92%.

CAPTULO 8
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 8.4
Alnea (ii)
Apoio 2 (sugesto)
Procure caracterizar a varivel aleatria que resulta da diferena entre as mdias amostrais dos
salrios horrios na Alemanha e em Portugal. Recorde que a combinao linear de duas variveis
Normais independentes segue ainda uma distribuio Normal.

CAPTULO 8
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 8.4
Alnea (ii)
Apoio 3 (resoluo completa)
De acordo com a resoluo da alnea (i), a varivel A segue uma distribuio
N
A
m s = =
( )
15.4
A
2
, . 0 225 . Denote-se por P a varivel aleatria que representa o salrio
horrio de um engenheiro recm-formado em Portugal. Do mesmo modo, atendendo ao Teorema
do Limite Central, a varivel P , que representa a mdia dos salrios de uma amostra de 50
engenheiros a trabalhar em Portugal, segue uma distribuio Normal com valor esperado
E E P P
( )
= ( ) =11 2 .
[Euros]
e varincia
V
1
Var ar P
N
P
( )
= ( ) = =
9
50
0 18 .

[Euros
2
].
A varivel diferena entre as mdias amostrais, ( A P - ), segue tambm uma distribuio
Normal com valor esperado e varincia, respectivamente,
E E E A P A P -
( )
=
( )
-
( )
= - = 15 4 11 2 4 2 . . .
[Euros]
Var Var Cov Var
2 2
( ) ( ) ( , ) ( ) A P A A P P - = ( ) + ( ) - ( ) + - ( ) 1 2 1 1 1

= + = + = Var Var ( ) ( ) . . . A P 0 225 0 18 0 405 [Euros
2
]
(admite-se que A e P so independentes e que, portanto, Cov ( , ) A P = 0).
Assim,
P A P P Z
A P
-
( )
>

= =
-
( )
-
>
-

4 5
4 2
0 405
4 5 4 2
0 405
.
.
.
. .
.
= > ( ) = P Z 0 47 0 3192 . . .

CAPTULO 8
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 8.5
Alnea (i)
Apoio 1 (apenas o resultado)
m
V
= 27 10
3
s
V
7 79 10
3
. .

CAPTULO 8
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 8.5
Alnea (i)
Apoio 2 (sugesto)
Embora V (varivel que denota o volume das peas) resulte de uma transformao no linear de
variveis Normais, considere que pode ser aproximada por uma relao linear em torno de
m m m
d d d
1 2 3
, e
. Na Seco 5.7 do livro, veja quais as expresses do valor esperado e da varincia
neste tipo de transformaes.

CAPTULO 8
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 8.5
Alnea (i)
Apoio 3 (resoluo completa)
Seja V d d d =
1 2 3
a varivel aleatria que denota o volume das peas. Embora V resulte de uma
transformao no linear de variveis Normais e independentes, admita-se que pode ser
aproximada por uma relao linear em torno de m m m
d d d
1 2 3
, e . Assim,
m m
V d
E d E d E d
( )

( )

( )
= =
1 2 3
3 3
27 10
e
Var Var V
V
d
d
d d d
( )


( )
+
1
2
1
1 2 3
m m m , ,
+


( )
+
V
d
d
d d d
2
2
2
1 2 3
m m m , ,
Var

+


( )
V
d
d
d d d
3
2
3
1 2 3
m m m , ,
Var
=

3
2
2
2
m s
d d
= = 3 900 25 60 75 10
2 6
.
,
ou

V
7.79.10
3
.

CAPTULO 8
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 8.5
Alnea (ii)
Apoio 1 (apenas o resultado)
16.0%.

CAPTULO 8
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 8.5
Alnea (ii)
Apoio 2 (sugesto)
Verifique atravs de um histograma que a hiptese de que a varivel V pode ser aproximada
por uma relao linear em torno de m m m
d d d
1 2 3
, e no rigorosa. A partir de amostras de d
1
, d
2
e d
3
gere amostras de V d d d =
1 2 3
, e recorra definio frequencista de probabilidade para
calcular P(V > 35). Gere as amostras pelo mtodo de Monte Carlo recorrendo ao Microsoft
Excel.

CAPTULO 8
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 8.5
Alnea (ii)
Apoio 3 (resoluo completa)
Se a hiptese de que a varivel V pode ser aproximada por uma relao linear em torno de
m m m
d d d
1 2 3
, e
for vlida, ento V resultar de uma combinao linear de variveis Normais e
seguir tambm uma distribuio Normal N(
V
,
V
). Nessas condies seria
P V P Z
V
P Z > ( ) = =
-

>
-

= > ( ) 35 10
27 10
7 79 10
35 27
7 79
1 027
3
3
3
. .
. 0 1522 . .
No entanto, no parece provvel que a aproximao linear seja muito rigorosa, pois de
esperar que V tenha uma distribuio assimtrica direita (isto , com uma cauda maior direita).
Verifique-se se assim gerando uma amostra de 500 observaes de V, construda a partir de
outras tantas observaes independentes de d
1
, d
2
e d
3
(com d
i
sendo IN(
d
= 30,
d
= 5). As
amostras de d
1
, d
2
e d
3
podem ser produzidas recorrendo ao Microsoft Excel, da seguinte
forma. Para cada uma das variveis d
i
, produzem-se 500 observaes pertencentes distribuio
U(0, 1) recorrendo funo RAND. Em seguida, utilizando a funo NORMINV, que produz
valores da inversa da funo distribuio da Normal (, ), geram-se as observaes de d
i
.
CAPTULO 8
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Nas figuras seguintes apresentam-se os histogramas de frequncias das trs variveis d
1
,
d
2
e d
3
.
0%
5%
10%
F
r
e
q
u

n
c
i
a

r
e
l
a
t
i
v
a

F
r
e
q
u

n
c
i
a

r
e
l
a
t
i
v
a

F
r
e
q
u

n
c
i
a

r
e
l
a
t
i
v
a

15 20 25 30 35 40 45
15%
d
1

0%
5%
10%
15 20 25 30 35 40 45
15%
d
2

0%
5%
10%
15 20 25 30 35 40 45
15%
d
3
CAPTULO 8
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Na tabela seguinte apresentam-se algumas estatsticas amostrais de d
1
, d
2
e d
3
.
Estatstica amostral

d
1

d
2
d
3

Dimenso da amostra 500 500 500
Mdia 30.208 30.132 30.209
Desvio padro 4.943 4.856 4.763
Coeficiente de kurtose 1.046 0.269 0.302
Coeficiente de assimetria 1.096 0.249 0.614
As 500 observaes de V foram obtidas multiplicando os valores referentes primeira
observao das variveis d
1
, d
2
e d
3
, segunda observao, e assim sucessivamente at se produzir
uma amostra de dimenso 500.
0%
5%
10%
F
r
e
q
u

n
c
i
a

r
e
l
a
t
i
v
a

15 20 25 30 35 40 45
15%
V
10 50
CAPTULO 8
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Na tabela seguinte apresentam-se algumas medidas amostrais obtidas a partir da amostra de V.
Estatstica amostral V
Dimenso da amostra 500
Mdia 27.545
Desvio padro 7.924
Coeficiente de kurtose 0.917
Coeficiente de assimetria 4.633
Tal como se suspeitava, o histograma permite observar uma moderada assimetria direita,
que confirmada pelo valor positivo do coeficiente de assimetria amostral.
Para estimar P(V > 35 000) a partir da amostra de dimenso 500 da varivel V, ordena-se o
vector de valores de V (por exemplo, por ordem decrescente) e verifica-se qual a proporo de
observaes com valor superior a 35 000. Na tabela seguinte pode verificar-se que a partir da
octogsima primeira observao os valores de V so inferiores a 35 000.
Observao n. V
74 35.431
75 35.205
76 35.181
77 35.173
78 35.045
79 35.014
80 35.003 > 35 000
81 34.991 < 35 000
82 34.950
83 34.873
Assim,

. . P V > ( ) = 35 000
80
500
0 160

CAPTULO 8
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 8.5
Alnea (iii)
Apoio 1 (apenas o resultado)

V
28
.
32
.
10
3
.

V
10
.
21
.
10
3
.
P(V > 35 000) = 23.0%.

CAPTULO 8
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 8.5
Alnea (iii)
Apoio 2 (sugesto)
Note que a nova distribuio de V ter uma disperso maior do que a calculada na alnea anterior.
Assim, torna-se ainda mais recomendvel estimar o valor esperado e a varincia de V, bem como
determinar P(V > 35000), atravs de um processo de gerao artificial de amostras.

CAPTULO 8
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 8.5
Alnea (iii)
Apoio 3 (resoluo completa)
Note-se que, agora, o volume dado por V = d
3
, em que d uma varivel N(
d
= 30,
d
= 5).
Admita-se, em primeiro lugar, que V aproximvel por uma relao linear em d (em torno
de
d
). Nessas condies viria:
m m
V d
d ( ) = = 3 27 10
3 3
E
e
Var Var V
V
d
d
d
d
( )

( ) =

( )

m
m s
2
2
2
2
3

= = 9 900 25 1 8225 10
2 8
. ,
ou
s
V
1 350 10
4
. .
Por outro lado, se a hiptese formulada for vlida, ento V tambm seria Normal (
V
,
V
).
Ento:
P V > ( ) = 35 10
3
P V P Z
V
P Z > ( ) = =
-

>
-

= > ( 35 10
27 10
1 350 10
35 27
13 5
0 593
3
3
4
. .
. )) 0 2767 . .
No entanto, se anteriormente a aproximao linear era questionvel agora mais o ser (visto
que a nova distribuio de V ter uma disperso maior do que a anterior). Nestas condies, ser
ainda mais recomendvel estimar o valor esperado e a varincia de V, bem como P(V > 35 000),
atravs de um processo de gerao artificial de amostras.
CAPTULO 8
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Seguidamente apresentam-se os resultados obtidos a partir da amostra de dimenso 500 da
varivel V, agora com V = (d
1
)
3
.
0%
5%
10%
F
r
e
q
u

n
c
i
a

r
e
l
a
t
i
v
a

15 20 25 30 35 40 45
15%
V = (d
1
)
3

10 50 60 70 55 65
Na tabela seguinte apresentam-se algumas medidas amostrais obtidas a partir da amostra de
V = (d
1
)
3
.
Estatstica amostral V = (d
1
)
3

Dimenso da amostra 500
Mdia 28324
Desvio padro 10207
Coeficiente de kurtose 6.837
Coeficiente de assimetria 5.392
CAPTULO 8
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Procedendo de forma idntica da alnea (ii) estima-se P(V > 35 000). Verifica-se que a
partir da observao colocada em centsimo dcimo sexto lugar os valores de V so inferiores
a 35 000 (ver tabela seguinte).
Observao n. V = (d
1
)
3

109 35.580
110 35.177
111 35.159
112 35.110
113 35.085
114 35.053
115 35.014 > 35 000
116 34.964 < 35 000
117 34.943
118 34.933
Assim,

. , P V > ( ) = 35 000
115
500
0 230
valor substancialmente diferente de 0.2767 que havia sido determinado anteriormente.

CAPTULO 8
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 8.6
Apoio 2 (sugesto)
Na Seco 8.6 Gerao de Amostras Recorrendo Tcnica de Monte Carlo veja como se
podem obter amostras aleatrias provenientes de uma distribuio Exponencial Negativa. Gere
uma amostra de dimenso 500 e compare as estatsticas amostrais obtidas a partir desta via
experimental com os valores teoricamente esperados.

CAPTULO 8
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 8.6
Apoio 3 (resoluo completa)
Sejam as variveis X
1
,, X
15
provenientes de uma distribuio Exponencial Negativa EN( = 1/3).
Sejam ainda
Xbarra2: X X
i
i
2
1
2
1
2
=
=

Xbarra5: X X
i
i
5
1
5
1
5
=
=

Xbarra10: X X
i
i
10
1
10
1
10
=
=

Xbarra15: X X
i
i
15
1
15
1
15
=
=

.
Recorde-se que a funo de distribuio de uma varivel Exponencial Negativa ()
F X e
x
( ) = -
-
1
l
. Seja U uma varivel aleatria pertencente a uma distribuio U(0, 1). Fazendo
U = F(X), resulta que a funo inversa de F(X), F
1
(U), X U = - ( )

2 1 1 ln . Recorrendo a
esta expresso, podem gerar-se observaes de uma qualquer distribuio Exponencial Negativa
a partir de observaes U(0, 1), obtidas, por exemplo, recorrendo funo RAND no Microsoft
Excel.
CAPTULO 8
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Apresentam-se de seguida os histogramas das distribuies de amostras de dimenso 500 de
X, X
2
, X
5
, X
10
e X
15
produzidas seguindo esta metodologia.

3 6 9 12 15
X
0%
5%
10%
15%
F
r
e
q
u

n
c
i
a

r
e
l
a
t
i
v
a


0 3 6 9 12
Xbarra2
0%
5%
10%
15%
F
r
e
q
u

n
c
i
a

r
e
l
a
t
i
v
a


0 3 6 9
Xbarra5
0%
5%
10%
15%
F
r
e
q
u

n
c
i
a

r
e
l
a
t
i
v
a


0 3 6
0%
5%
10%
15%
Xbarra10
F
r
e
q
u

n
c
i
a

r
e
l
a
t
i
v
a

CAPTULO 8
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o

0 3 6
Xbarra15
0%
5%
10%
15%
F
r
e
q
u

n
c
i
a

r
e
l
a
t
i
v
a

Na tabela seguinte apresentam-se algumas medidas amostrais obtidas a partir das amostras
das diferentes variveis.
Estatstica amostral X
2
X
5
X
10
X
15
X
Dimenso da amostra 500 500 500 500 500
Mdia 3.216 3.144 3.044 3.034 3.043
Varincia 9.968 4.573 1.841 0.878 0.602
Desvio padro 3.157 2.139 1.357 0.937 0.776
Coeficiente de assimetria 16.521 11.318 7.836 5.079 3.315
Coeficiente de kurtose 18.204 8.995 4.096 2.391 0.332
CAPTULO 8
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Para interpretar estes resultados recorda-se que a disperso da mdia amostral inferior
disperso da varivel original, e tanto menor quanto maior for a dimenso da amostra. De facto,
os resultados da tabela anterior verificam a expresso
s s
X
X
N
2 2
1
= ,
vlida para amostras aleatrias simples. Recorda-se ainda que o valor esperado da mdia amostral,
independentemente da dimenso da amostra, idntico ao da varivel original (ou seja,
m m
X
X
=
).
Por outro lado, a distribuio da mdia amostral, obtida a partir de uma amostra aleatria
simples, tende para uma distribuio Normal medida que a dimenso da amostra cresce (Teorema
do Limite Central). No entanto, dado que se est perante uma distribuio original X muito
assimtrica, a mdia amostral (mesmo quando estimada com N = 15) apresenta ainda uma ligeira
assimetria. Como regra prtica, frequente indicar-se que a aproximao Normal adequada
quando N 50 se a distribuio original for muito assimtrica.

CAPTULO 8
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 8.7
Apoio 2 (sugesto)
Comece por gerar duas variveis U
1
0 1 , ( ) e U
2
0 1 , ( ), obtidas a partir de duas sries distintas
produzidas recorrendo funo RAND do Microsoft Excel. Recorra s expresses do
Apndice 8.3 do livro para converter directamente pares de observaes U 0 1 , ( ) em pares de obser-
vaes N 0 1 , ( ). Verifique se as variveis transformadas so de facto independentes.

CAPTULO 8
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 8.7
Apoio 3 (resoluo completa)
Utilizando a funo RAND no Microsoft Excel geram-se 500 observaes de duas amostras
independentes U
1
e U
2
, ambas pertencentes a uma distribuio U(0, 1). A partir destes valores,
geram-se 500 observaes X
1
e X
2
de uma distribuio N(0, 1) recorrendo s expresses de
Box-Muller:
X U U
1 1 2
2 2 = -
( )
ln cos p
e
X U U
2 1 2
2 2 = -
( )
ln sen p .
Nas figuras seguintes apresentam-se os histogramas de frequncias acumuladas das
observaes de U
1
, U
2
, e os histogramas de frequncias relativas das observaes de X
1
e X
2
.
Nos dois ltimos casos, a cada um dos histogramas sobreps-se a funes densidade de
probabilidade da varivel Normal padronizada.
u
1
F
r
e
q
u

n
c
i
a

a
c
u
m
u
l
a
d
a
0.2 0.4 0.6 0.8 1.0
0%
25%
50%
75%
100%

F
r
e
q
u

n
c
i
a

a
c
u
m
u
l
a
d
a

0.2 0.4 0.6 0.8 1.0
0%
25%
50%
75%
100%
u
2
CAPTULO 8
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o

F
r
e
q
u

n
c
i
a

r
e
l
a
t
i
v
a

-3 -2 -1 0 1 2 3
2%
4%
6%
8%
10%
x
1
F
r
e
q
u

n
c
i
a

r
e
l
a
t
i
v
a

x
2

-3 -2 -1 0 1 2 3
2%
4%
6%
8%
10%
Na tabela seguinte apresentam-se algumas medidas amostrais das variveis X
1
e X
2
.
Estatstica amostral X
1
X
2

Dimenso da amostra
500 500
Mdia
0.044 0.033
Desvio padro
0.970 0.945
Coeficiente de kurtose
0.459 1.842
Coeficiente de assimetria
1.533 0.637
Na base do mtodo proposto por Box-Muller est o pressuposto de as variveis transformadas
definidas de acordo com as expresses apresentadas anteriormente serem independentes. De facto,
verifica-se que o coeficiente de correlao amostral entre as observaes das variveis X
1
e X
2
r
X X
1 2
0 002
,
. = - .

CAPTULO 8
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 8.8
Alnea (i)
Apoio 2 (sugesto)
Comece por especificar a funo de probabilidade e a funo de distribuio da varivel em
causa. Seguidamente, divida o intervalo [0, 1] em tantos intervalos quantos os valores que a
varivel discreta pode tomar, associando a cada um deles um intervalo com uma amplitude
proporcional probabilidade com que tal valor pode ocorrer. Por fim, recorra tcnica de Monte
Carlo para gerar amostras.

CAPTULO 8
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 8.8
Alnea (i)
Apoio 3 (resoluo completa)
Denote-se por Y a varivel de Poisson ( = 4) que corresponde ao nmero de navios que chegam
ao cais por hora. Na tabela seguinte incluem-se os valores da funo de probabilidade e da
funo de distribuio de Y (tais valores foram obtidos recorrendo Tabela 2 do Anexo Tabelas).
Y P(y) F(y)
0 0.0183 0.0183
1 0.0733 0.0916
2 0.1465 0.2381
3 0.1954 0.4335
4 0.1953 0.6288
5 0.1563 0.7851
6 0.1042 0.8893
7 0.0596 0.9489
8 0.0297 0.9786
9 0.0214 1.0000
Divida-se o intervalo [0, 1[ em tantos intervalos quantos os valores que a varivel discreta Y
pode tomar. Associe-se a cada um deles um intervalo com uma amplitude proporcional
probabilidade com que tal valor pode ocorrer. Ou seja, por exemplo, como P(0) = 0.0183, Y tomar
o valor 0 se F(y) < 0.0188, como P(1) = 0.0733, tomar o valor 1 se F(y) 0.0188 e F(y) < 0.0916,
e assim sucessivamente. Sejam u
n
observaes de uma varivel U(0, 1). Estas observaes podem
ser transformadas em nmero de navios, y
n
, do seguinte modo:
y
n
= 0, se 0.0000 u
n
< 0.0183 (1.83%)
y
n
= 1, se 0.0183 u
n
< 0.0916 (7.33%)
y
n
= 2, se 0.0916 u
n
< 0.2381 (14.65%)
CAPTULO 8
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
y
n
= 3, se 0.2381 u
n
< 0.4335 (19.54%)
y
n
= 4, se 0.4335 u
n
< 0.6288 (19.53%)
y
n
= 5, se 0.6288 u
n
< 0.7851 (15.63%)
y
n
= 6, se 0.7851 u
n
< 0.8893 (10.42%)
y
n
= 7, se 0.8893 u
n
< 0.9489 (5.96%)
y
n
= 8, se 0.9489 u
n
< 0.9786 (2.97%)
y
n
= 9, se 0.9786 u
n
< 1.0000 (2.14%)
Seja T a varivel que denota o nmero de navios que chegam ao cais num perodo de 3 horas.
Recorrendo srie de nmeros aleatrios equiprovveis independentes da Tabela 7 do Anexo
Tabelas, geraram-se as seguintes trs amostras:
1. amostra 2. amostra 3. amostra
1. hora u
1
= 0.2683 y
1
= 3 u
1
= 0.0993 y
1
= 2 u
1
= 0.4366 y
1
= 4
2. hora u
2
= 0.6621 y
2
= 5 u
2
= 0.0315 y
2
= 1 u
1
= 0.2821 y
2
= 3
3. hora u
3
= 0.2429 y
3
= 3 u
3
= 0.7919 y
3
= 6 u
1
= 0.9765 y
3
= 8
T T = 11 T = 9 T = 15

CAPTULO 8
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 8.8
Alnea (ii)
Apoio 1 (apenas o resultado)
3.89.

CAPTULO 8
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 8.8
Alnea (ii)
Apoio 2 (sugesto)
A partir dos valores registados para o nmero de navios que chegam ao cais num perodo de 3
horas (T
1
, T
2
e T
3
), calculados para as 3 amostras anteriormente geradas, procure estimar o
nmero de navios que chegam ao cais por hora.

CAPTULO 8
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 8.8
Alnea (ii)
Apoio 3 (resoluo completa)
Tomando os resultados da simulao efectuada na alnea (i), o nmero mdio de navios que
chegam ao cais por hora ser:
y =
+ +

=
11
3
9
3
15
3
3
3 89 . .

CAPTULO 9
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Captulo 9
Captulos

Problemas
9.1 9.2 9.3 9.4 9.5 9.6 9.7 9.8
Apoio 1
(apenas o resultado)
n.a.
Apoio 2
(sugesto)
Apoio 3
(resoluo completa)
n.a. = no aplicvel
CAPTULO 9
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 9.1
Apoio 1 (apenas o resultado)

P
a
.

CAPTULO 9
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 9.1
Apoio 2 (sugesto)
A eficincia de um estimador toma em conta no apenas a sua varincia (que mede a disperso
em torno do seu valor esperado) mas tambm o seu enviesamento. A eficincia de um estimador
pode ser medida atravs do erro quadrtico mdio. Veja na seco 9.2.2 a expresso que permite
calcular a eficincia de um estimador. Para comparar os dois estimadores recorra ao conceito de
eficincia relativa.

CAPTULO 9
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 9.1
Apoio 3 (resoluo completa)
A eficincia de um estimador (que reflecte a sua preciso potencial) pode ser medida atravs do
erro quadrtico mdio, que para

P
a
vem dado por
Eficincia Enviesamento

P
a
P P
a a a
E P p = -
( )

= +
( )
2
2
2
s .
Por sua vez, o enviesamento de

P
a
vem dado por
Enviesamento

P
a
P
a a
E P p p =
( )
- = - m
.
A eficincia relativa do estimador

P
a
relativamente ao

P
b
dada pela razo
Eficincia relativa

P P
a
b
a b
E P p
E P p
=
-
( )

-
( )

2
2
.


Como hiptese de trabalho admite-se que a populao tem uma dimenso muito maior do
que o conjunto das duas amostras e que X
1
e X
2
seguem distribuies Binomiais, respectivamente,
B N p
1
,
( )
e B N p
2
,
( )
. Recorde-se que os parmetros valor esperado e varincia de uma
distribuio Binomial so dados por m = N p e s
2
= N p q.
Ora, sendo

P
X X
N N
a
=
+
+
1 2
1 2

e

P
X
N
X
N
b
= +

1
2
1
1
2
2
,
Eficincia
Eficincia
CAPTULO 9
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
vem que
E E E E

P
N N
X X
N N
X X
a ( )
=
+
+
( )
=
+

( )
+
( )

1 1
1 2
1 2
1 2
1 2

=
+
+

=
1
1 2
1 2
N N
N p N p p
(ou seja,

P
a
no enviesado) e
E
E E

P
X
N
X
N
N p
N
N p
N
b ( )
=
( )
+
( )

=

+

1
2
1
2
1
1
2
2
1
1
2
2

= ( ) =
1
2
2 p p
(

P
b
tambm no enviesado).
Calcule-se agora a varincia de

P
a
e de

P
b
. No primeiro caso,
Var Var

P
N N
X X
a ( )
=
+
( )
+
( )
1
1 2
2
1 2
.
Dado que X
1
e X
2
so variveis independentes, vem que
Var Var Var X X X X
1 2 1 2
+
( )
=
( )
+
( )
.
Substituindo, resulta:
Var

P
N N
N p p N p p
a ( )
=
+
( )
- ( ) + - ( )

1
1 1
1 2
2
1 2

=
p p
N N
- ( )
+
1
1 2
.
CAPTULO 9
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
No segundo caso,
Var
Var Var

P
X
N
X
N
N p p
N
N p
b ( )
=
( )

+
( )

=
- ( )

+
-
1
1
2
2
2
2
1
1
2
2
4 4
1
4
1 pp
N
( )
4
2
2

= - ( )

= - ( )
+

p p
N N
p p
N N
N N
1
1
4
1
4
1
4
1 2
1 2
1 2
.
Comparem-se as duas varincias:
Var Var

P P p p
N N
N N N N
b a ( )
-
( )
= - ( )
+

-
+

1
4
1
1 2
1 2 1 2

= - ( )
+
( )
-
+
( )

p p
N N N N
N N N N
1
4
4
1 2
2
1 2
1 2 1 2

= - ( )
-
( )
+
( )

p p
N N
N N N N
1
4
1 2
2
1 2 1 2
.
Assim,
N N
1 2
= : Var Var

P P
b a ( )
=
( )

P
b
e

P
a
so estimadores idnticos
N N
1 2
: Var Var

P P
b a ( )
>
( )

P
a
um estimador melhor do que

P
b
.
Esta concluso faz sentido. De facto, se N N
1 2
= , ento

P
X X
N
a
=
+

1 2
1
2
CAPTULO 9
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
e

P
N X N X
N N
N
N
X X
X X
N
P
b a
=
+

= +
( )
=
+

=
1
2
1
2 2
1 1 2 2
1 2
1
1
2
1 2
1 2
1
.
Para ilustrar a situao de N N
1 2
, considere-se, por exemplo, que (N
1
1 = ; X
1
1 = ) e ( N
2
99 = ;
X
2
0 = ). Neste caso:
p
a
=
+
+
=
1 0
1 99
1
100
e
p
b
= + ( ) =
1
2
1 0
1
2
.
O primeiro estimador faz muito mais sentido, visto que o conjunto de duas amostras
independentes corresponde a uma amostra agregada de dimenso N
1
+ N
2
na qual o nmero de
casos favorveis X
1
+ X
2
. Da que se deva estimar p atravs de

P
X X
N N
a
=
+
+
1 2
1 2
.

CAPTULO 9
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 9.2
Apoio 1 (apenas o resultado)
l = 0 0463 . avarias/hora.

CAPTULO 9
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 9.2
Apoio 2 (sugesto)
Obtenha a funo de verosimilhana L l ( ) da amostra t t t
1 2
, , ...,
8
{ }
. A estimativa de mxima
verosimilhana pode calcular-se a partir de
d L
d
ln( )
=
l
0.

CAPTULO 9
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 9.2
Apoio 3 (resoluo completa)
Denote-se por T a varivel Exponencial Negativa EN(l). A respectiva funo densidade de
probabilidade
f t e
t
( ) =
-
l
l
.
Na tabela seguinte representam-se as oito observaes de T.
t
1
24.3
t
2
13.5
t
3
53.0
t
4
17.2
t
5
7.6
t
6
14.9
t
7
8.1
t
8
34.3
A probabilidade de ocorrncia de uma amostra idntica quela que foi observada :
L l ( ) = Probabilidade T t T t
n
1 1 8 8
1
8
= =
( )
=
=
,..., l Probabilidade T t
n n
=
( )
l
L e e e e
i
t t t t
i
l l l l l
l l l l
( ) = = ( ) ( ) ( )
=
- - - -
1
8
1 2 8

=
- + + + ( )
l
l 8
1 2 8
e
t t t
.
CAPTULO 9
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Em vez de se recorrer directamente funo de verosimilhana L(), para obter a estimativa
de l maximiza-se a transformada logartmica desta funo:
ln ln L t t t ( ) = - + + +
( )
8
1 2 8
l l .
Assim,
d L
d
t t t
t t
i
ln
.
( )
= - + + +
( )
=
= = =

l l
l
8
0
1 1
8
21 61
1 2 8
1
8

horas
resultando l = 0 0463 . avarias/hora.
Atendendo a que
d L
d
2
2 2
8
0
ln( )
= - <
l l
,
conclui-se que o ponto estacionrio da funo de verosimilhana um mximo e que

. l = 0 0463
a estimativa mxima verosimilhana do parmetro l da distribuio Exponencial Negativa.

CAPTULO 9
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 9.3
Apoio 2 (sugesto)
Obtenha a funo de verosimilhana L p ( ) da amostra. A estimativa de mxima verosimilhana
pode calcular-se a partir de
d L
dp
ln( )
= 0.

CAPTULO 9
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 9.3
Apoio 3 (resoluo completa)
A varivel aleatria Y segue uma distribuio B N p , ( ), cuja funo de probabilidade :
p y
N
y
p p
y
N y
( ) =

- ( )
-
1 .
A correspondente funo de verosimilhana para p , portanto:
L p ( ) = Probabilidade Y y p =

- ( )
-
N
y
p p
y
N y
1 .
Tomando o logaritmo, vem
ln ln ln ln L
N
y
y p N y p ( ) =

+ ( ) + - ( ) - ( ) 1 .
Por outro lado,
d L
dp
y
p
N y
p
ln( )
= -
-
- 1
.
Para se obter um mximo iguala-se esta expresso a 0 e resolve-se em ordem a p, ou seja
y
p
N y
p
p
y
N
-
-
-
= =
1
0 .
CAPTULO 9
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Pode assim concluir-se que o estimador

P de Mxima Verosimilhana para p simplesmente


a proporo de sucessos observada.
Note-se que para garantir que aquele ponto estacionrio da funo de verosimilhana um
mximo, tem que se verificar se
d L p
dp
Y y
2
2
0
( )
<
=
,
tal como se apresenta de seguida
d L p
dp
y
p
N y
p
2
2 2
2
1
0
( )
= - -
-
- ( )
< .

CAPTULO 9
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 9.4
Apoio 1 (apenas o resultado)

q = max (x
1
, x
2
,, x
8
) = 12.72 minutos.

CAPTULO 9
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 9.4
Apoio 2 (sugesto)
Obtenha a funo de verosimilhana L q ( ) da amostra x x x
1 2
, , ...,
8
{ }
. Note que se est perante
um caso em que no h qualquer ponto estacionrio na funo de verosimilhana.

CAPTULO 9
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 9.4
Apoio 3 (resoluo completa)
Denote-se por X a varivel aleatria atrasos de comboios que se admite seguir uma distribuio
Uniforme U 0,q ( ). A funo densidade de probabilidade de X dada por
f x
x
x x
( ) =

< >

1 0
0
/
0 ou
q q
q
,
,
Na tabela seguinte representam-se as oito observaes de T.
x
1
2.23
x
2
7.74
x
3
1.03
x
4
0.08
x
5
11.14
x
6
12.72
x
7
0.42
x
8
5.17
A funo de verosimilhana da amostra dada por
L x x x
i
1 2 8
1
8
8
1
0
1
, , , q
q q
( )
=
-

=
=
,
vindo
L
x
x
i
i
q
q q
q
( ) =
( )
( )
<
( )

1
0
/ se
se
8
, max
, max
Note que h restries em q, uma vez que q x
i
, para todo o i = 1,, 8.
CAPTULO 9
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Assim,
q
( )
max , , , x x x
1 2 8
e ln ln L ( ) = - ( ) 8 q .
Derivando esta funo resulta,
d L
d
ln
,
( )
= - <
q q
8
0 para todo o q
( )
max , , , x x x
1 2 8
.
Este um exemplo em que no h qualquer ponto estacionrio. Ou seja, maximizar L
equivalente a minimizar q, satisfazendo a condio de

Q
( )
max x
i
.
Assim, neste caso, a estimativa de Mxima Verosimilhana

Q = max (x
1
, x
2
,, x
8
) = 12.72
minutos e, por sua vez, o respectivo estimador

Q = max (x
1
, x
2
,, x
8
).

CAPTULO 9
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 9.5
Apoio 1 (apenas o resultado)

a = 2.5.

CAPTULO 9
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 9.5
Apoio 2 (sugesto)
Obtenha a funo de verosimilhana L(a) da amostra x x x
1 2
, , ...,
10
{ }
. Note que se est perante
um caso em que no h qualquer ponto estacionrio na funo de verosimilhana.

CAPTULO 9
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 9.5
Apoio 3 (resoluo completa)
A funo densidade de probabilidade de X dada por
f x
x
x
( ) =
- ( )
< < +

a
a a
2
2 , se
0, no caso contrrio
As dez observaes de X so apresentadas na tabela seguinte.
x
1
3.5
x
2
4.3
x
3
2.8
x
4
4.5
x
5
2.9
x
6
3.3
x
7
3.8
x
8
2.9
x
9
4.0
x
10
3.9
A funo de verosimilhana :
L x x
x
x x
i
i
i
i
i
1 10
1
10
10
1
10
2
1
2
, ,
, min
a
a
a
( )
=
-

= -
( )
= =

se
(( )
>
( )
< +

a a e max x
i
2
0, no caso contrrio
contrrio
contrrio
CAPTULO 9
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
A funo de verosimilhana ser positiva se
min . . x
i
( )
= > < 2 8 2 8 a a
max . . x
i
( )
= < + > 4 5 2 2 5 a a
Ou seja, a funo de verosimilhana positiva se e quando a
] [
2 5 . , 2.8 . O valor de que
maximiza L() ser ento o menor valor contido neste intervalo, pois os factores do produtrio
(todos positivos) tomam os seus valores mximos nesta situao.
Assim, a estimativa de mxima verosimilhana para o parmetro ser

max . . a =
( )
- = - = x
i
2 4 5 2 2 5 , se max min x x
i i
( )
-
( )
2.
Esta condio verifica-se, pois 4.5 2.8 = 1.7 < 2. Se tal no sucedesse, ento no existiria
estimador para a.

CAPTULO 9
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 9.6
Apoio 1 (apenas o resultado)

ln q = - +

1
1
N x
n
n
N
.

CAPTULO 9
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 9.6
Apoio 2 (sugesto)
Obtenha a funo de verosimilhana L q ( ) da amostra x x x
1 2
, , ...,
N
{ }
. A estimativa de mxima
verosimilhana pode calcular-se a partir de
d L
d
ln( )
=
q
0.

CAPTULO 9
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 9.6
Apoio 3 (resoluo completa)
Como
f X
x x
( ) =
+ ( ) < <

q
q
1 0 1 , se
0, no caso contrrio
a funo de mxima verosimilhana vem
L
x x x x x x
N
N N
q
q
q
( ) =
+ ( )
( )

] [

1 0 1
0
1 2 1 2
com , , ,
Tomando o logaritmo resulta
ln ln ln ln L N x x
N
q q q ( )

= + ( ) + + +

1
1
.
Derivando e igualando a zero, vem
d L
d
N
x x
N
ln
ln ln
q
q q
( )

=
+
+ + +

=
1
0
1
pelo que
q + = -
+ +
1
1
N
x x
N
ln ln
e, finalmente,

ln
ln q = - - = - +

=
=


1 1
1
1
N
x
N x
n
n
N
n
n
N
.

contrrio
CAPTULO 9
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 9.7
Apoio 1 (apenas o resultado)

. ;

. ;

. b b b
1 2 3
55 5 58 5 55 5 = = =

. . p p = = 1 5 2 3 0 e

CAPTULO 9
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 9.7
Apoio 2 (sugesto)
Obtenha a expresso da Soma dos Erros Quadrticos (SEQ). Admitindo que a funo
SEQ b b b p
1 2 3
, , ,
( )
diferencivel, os estimadores ou estimativas do mtodo dos mnimos
quadrados podem ser obtidas resolvendo o sistema de equaes definido por

= = ( )

=
SEQ
i
SEQ
i
b p
0 1 0 2 e 3 e , .

CAPTULO 9
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 9.7
Apoio 3 (resoluo completa)
Denote-se por X
j
a j-sima observao da varivel X, dada por
X =
-
( )
+
+
( )
+
b p e
b p e
i
i
, se for adoptado o processo convencional
,, se for adoptado o novo processo

em que o ndice i denota um dos lotes (i = 1, 2, 3), E() = 0 e Var() =


2
(constante para todas
as observaes). A estas condies deve acrescentar-se que os e's de duas quaisquer observaes
so independentes.
Assim,
SEQ
j
j
b b b p e
1 2 3
2
, , ,
( )
=


= - +
( )
+ - +
( )
+ - -
( )
+ 54 53 58
1
2
1
2
1
2
b p b p b p

+ - +
( )
+ - +
( )
+ - -
( )
+ 57 59 58
2
2
2
2
2
2
b p b p b p

+ - +
( )
+ - -
( )
+ - -
( )
53 57 58
3
2
3
2
3
2
b p b p b p .
Admitindo que a funo SEQ b b b p
1 2 3
, , ,
( )
diferencivel, os estimadores ou estimativas
do mtodo dos mnimos quadrados podem ser obtidas resolvendo o sistema de equaes definido por

= = ( )

=
SEQ
i
SEQ
i
b p
0 1 0 2 e 3 e , .
CAPTULO 9
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Resulta ento,

= - ( ) - +
( )
+ - +
( )
+ - -
( )

=
SEQ
b
b p b p b p
1
1 1 1
2 54 53 58 0
- + = 165 3 0
1
b p (1)

= - ( ) - +
( )
+ - +
( )
+ - -
( )

=
SEQ
b
b p b p b p
2
2 2 2
2 57 59 58 0
- + = 174 3 0
2
b p (2)

= - ( ) - +
( )
+ - -
( )
+ - -
( )

=
SEQ
b
b p b p b p
3
3 3 3
2 53 57 58 0
- - = 168 3 0
3
b p (3)

= - +
( )
+ - +
( )
- - -
( )

SEQ
p
b p b p b p 2 54 53 58
1 1 1
+ - +
( )
+ - +
( )
- - -
( )
57 59 58
2 2 2
b p b p b p
+ - +
( )
- - -
( )
- - -
( )

= 53 57 58 0
3 3 3
b p b p b p
- - + + = 45 9 0
1 2 3
b b b p (4)
CAPTULO 9
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Resolvendo as expresses, vem
1
165
3
1
( ) =
+
b
p
2
174
3
2
( ) =
+
b
p
3
168
3
3
( ) =
-
b
p
4 45
165
3
174
3
168
3
9 0 ( ) -
+
-
+
+
-
+ =
p p p
p
135 165 174 168 27 0 - - + ( ) - - - + = p p p p
24 36 = + p
=

. . p 1 5
A diferena de rendimento entre os dois processo estimada assim em2 3 0 =

. . p
Por sua vez, as estimativas de
i
so obtidas da forma que se descreve em seguida.
Substituindo em (1) obtm-se
b b
1 1
165 1 5
3
55 5 =
+
=
.
.
Substituindo em (2),
b b
2 2
174 1 5
3
58 5 =
+
=
.
.
Substituindo em (3),
b b
3 3
168 1 5
3
55 5 =
-
=
.
.
CAPTULO 9
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Na tabela seguinte comparam-se as observaes X
j
e as estimativas dos respectivos valores
esperados.
Lote de matria-prima
1 2 3


Processo Convencional

1


54.00


(54, 53)
2


57.00
(57, 59)
3


54.00
(53)
Processo Novo
1


57.00
(58)

2


60.00
(58)

3


57.00
(57, 58)




CAPTULO 9
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 9.8
Apoio 1 (apenas o resultado)
. y
1
3 00 = ; . y
2
3 30 = ; . y
3
3 63 = ; . y
4
4 00 = ; . y
5
4 40 = , y y
n
n
=
-
a
1
1
.

CAPTULO 9
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 9.8
Apoio 2 (sugesto)
Obtenha a expresso da Soma dos Erros Quadrticos (SEQ). Admitindo que a funo
SEQ y y y
1 2 5
, , ...,
( )
diferencivel, os estimadores ou estimativas do mtodo dos mnimos
quadrados podem ser obtidos resolvendo o sistema de equaes definido por

= = ( )
SEQ
y
i
i
0 1 ..., 5 , .
Uma vez que os valores sucessivos da varivel Y se encontram relacionados, basta obter uma
das estimativas a partir de SEQ.

CAPTULO 9
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 9.8
Apoio 3 (resoluo completa)
Os valores sucessivos de uma varivel Y, y y y
N 1 2
, , ,
{ }
, so dados atravs de y y
n n +
=
1
a . Por
outro lado, os valores de y
n
s so observveis com erro e as observaes x x x
N 1 2
, , ,
{ }
, so
tais que x y e
n n n
= + , com E e
n
( )
= 0, Var e
n
( )
=s
2
e E e e
i j
( )
= 0.
Os erros e
n
so sucessivamente
e x y
1 1 1
= -
e x y x y
2 2 2 2 1
= - = - a

e x y x y
n n n n
n
= - = -
-
a
1
1
.
Ora
SEQ
i
=

e
2

= -
( )
+ -
( )
+ -
( )
+ + -
( )
-
x y x y x y x y
n
n
1 1
2
2 1
2
3
2
1
2
1
1
2
a a a
.
Derivando esta expresso e igualando a zero, vem
dSEQ
dy
x y x y x y x
n
n
1
1 1 2 1
2
3
2
1
1
2 = - ( ) -
( )
+ -
( )
+ -
( )
+ +
-
a a a a a --
( )

-
a
n
y
1
1
= 0
+ + + + - + + + +
( )
=
- - ( )
x x x x y
n
n
n
1 2
2
3
1 2 4 2 1
1
1 0 a a a a a a
=
+ + +
+ + +
=
+ + +
-
-
- ( )
-
y
x x x x x x
n
n
n
n
n
1
1 2
1
2 2 1
1 2
1
1
1
a a
a a
a a
a

22
2
1

-
=
n
a

=
-
-
+ + +
( )

-
1
1
2
2
1 2
1
a
a
a a
n
n
n
x x x
.
CAPTULO 9
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
A partir desta estimativa podem obter-se todas as outras:
y y
2 1
= a
y y
3
2
1
= a
( )
y y
n
n
=
-
a
1
1
.
Note-se que a soma de n termos em progresso geomtrica, a k a k a k a
n
, , , ,
- 2 1
, dada por:
S a
k
k
n
n
=
-
-
1
1
.
Como = 1.1 e
x
1
3 04 = . , x
2
3 26 = . , x
3
3 67 = . , x
4
4 01 = . e x
5
4 33 = . ,
resulta,

.
.
. . . . . . . . y
1
2
10
2 3 4
1 1 1
1 1 1
3 04 1 1 3 26 1 1 3 67 1 1 4 01 1 1 4 =
-
-
+ + + + ..33 ( )

=
-
-
+ + + + ( )
1 1 21
1 2 594
3 04 3 59 4 44 5 34 6 34
.
.
. . . . .
= 3.00.
A partir de y
1
calculam-se os restantes valores:
. . . y
2
1 1 3 00 3 30 = =
. . . y
3
1 1 3 30 3 63 = =
. . . y
4
1 1 3 63 4 00 = =
. . . y
5
1 1 4 00 4 40 = = .

CAPTULO 10
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Captulo 10
Captulos

Problemas
10.1 10.2 10.3 10.4 10.5 10.6 10.7 10.8
Apoio 1
(apenas o resultado)
Apoio 2
(sugesto)
Apoio 3
(resoluo completa)
CAPTULO 10
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 10.1
Apoio 1 (apenas o resultado)
[0.817, 0.883].

CAPTULO 10
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 10.1
Apoio 2 (sugesto)
Note-se que a amostra suficientemente grande para que, qualquer que seja a distribuio original
do tempo de reaco (varivel X), a mdia amostral X siga uma distribuio aproximadamente
Normal. Na seco 10.2 veja qual a expresso que define o intervalo de confiana para o valor
esperado, numa situao em que se dispe de uma amostra de grande dimenso.

CAPTULO 10
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 10.1
Apoio 3 (resoluo completa)
Sejam,
X: tempo de reaco dos condutores de camio, aps o almoo
N = 140
x = 0 85 .
[segundos].

s = 0 20 . [segundos].
A amostra suficientemente grande para que, de acordo com o teorema do limite central,
independentemente da distribuio da varivel original (X), X siga aproximadamente uma
distribuio Normal.
Assim, X N N m s , /
2
( ) , onde m s e representam o valor esperado e a varincia da
populao e N a dimenso da amostra. Padronizando, vem:
Z
X
N
=
- m
s /
N 0 1 , ( )
Uma vez que se admitiu que a amostra grande, resulta
Z
X
S N
X
N
=
-

- m m
s / /
N 0 1 , ( ) ,
em que S representa o estimador desvio padro amostral.
CAPTULO 10
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
O intervalo de confiana para o valor esperado
X
a 1 100 - ( ) a % vem dado por:
X z
S
N
X z
S
N
- ( ) + ( )

a a / , / 2 2 .
Como z a 2 0 025 1 96 = ( ) = . . (ver Tabela 3), resulta finalmente
0 85 1 96
0 20
140
0 85 1 96
0 20
140
0 817 . .
.
, . .
.
. , - +


[
0.883
]]
.

CAPTULO 10
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 10.2
Apoio 1 (apenas o resultado)
[4472, + [.

CAPTULO 10
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 10.2
Apoio 2 (sugesto)
Uma vez que a amostra de pequena dimenso, considera-se vlida a hiptese de a tenso de
rotura dos cabos do lote (varivel X) seguir, aproximadamente, uma distribuio Normal. Nesta
situao, a mdia amostral padronizada
X
S
- m
seguir uma distribuio t de Student. Na seco 10.2 veja qual a expresso que define o intervalo
de confiana para o valor esperado quando a amostra de pequena dimenso.

CAPTULO 10
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 10.2
Apoio 3 (resoluo completa)
Sejam,
X: tenso de rotura de um cabo SCB-33R (pertencente ao lote)
N = 10
x = 4537
[kg / cm
2
]
s = 112 [kg / cm
2
].
Admite-se que a varivel X segue uma distribuio N m s ,
2
( ) . Nestas condies,
Z
X
N
=
- m
s /

N 0 1 , ( ) .
Uma vez que, por um lado, o desvio padro desconhecido e que, por outro, a amostra de
pequena dimenso, no se considera vlida a aproximao S s . Assim, resulta que a varivel
X
S N
- m
/
(em que S representa o estimador desvio padro amostral)
segue uma distribuio t
N1
.
O intervalo de confiana, aberto direita, para o valor esperado,
X
, a 1 100 - ( ) a % , assim,
dado por
X t
S
N
N
- ( ) +

-1
a , .
CAPTULO 10
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Como t
9
(0.05) = 1.833 (ver Tabela 5), resulta
4537 1 833
112
10
4472 - +

+
[ [
. , ,
.
Note-se que, para o nvel de confiana de 95%, o limite esquerdo deste intervalo corresponde
ao menor valor possvel para o valor esperado da tenso de rotura.

Ou seja, este intervalo de
confiana pode igualmente escrever-se da seguinte forma:
m
X
4472 kg/cm
2
, com 95% de confiana.

CAPTULO 10
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 10.3
Apoio 1 (apenas o resultado)
Intervalo de confiana a 90%: [0.059, 0.156]
Intervalo de confiana a 95%: [0.055, 0.174]
Intervalo de confiana a 99%: [0.047, 0.218].

CAPTULO 10
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 10.3
Apoio 2 (sugesto)
Na seco 10.2 veja qual a expresso que define o intervalo de confiana para a varincia de
uma populao Normal. Note que o intervalo de confiana no centrado em s
2
, pelo facto de a
distribuio do
2
(utilizada na definio daquele intervalo) no ser simtrica.

CAPTULO 10
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 10.3
Apoio 3 (resoluo completa)
Sejam
X: tempo necessrio para a realizao da operao de montagem
N = 25
s
2
= 0.3
2
= 0.09 [horas
2
].
Admite-se que X segue aproximadamente uma distribuio N m s ,
2
( ) . Nestas condies,
a varivel
N
S
- ( ) 1
2
2
s
segue uma distribuio c
N-1
2
.
O intervalo de confiana para a varincia de uma populao Normal, s
X
2
, a 1 100 - ( ) a %
dado por
N S N S
N N
- ( )
( )
- ( )
- ( )

- -
1
2
1
1 2
2
1
2
2
1
2
c a c a /
,
/

.
Na tabela seguinte representam-se os valores de c a
N-
( )
1
2
2 / e de c a
N-
- ( )
1
2
1 2 / , obtidos a
partir da Tabela 4 para intervalos de confiana de 90, 95 e 99%.
1 2 / 1
2
24
2 /
2
24

90% 13.85 36.4
95% 12.40 39.4
99% 9.89 45.6
CAPTULO 10
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Os intervalos pedidos so ento:
24 0 09
36 4
24 0 09
13 85
0 059


[ ]
.
.
,
.
.
. , 0.156 , a 90% de confiana;
24 0 09
39 4
24 0 09
12 40
0 055


[ ]
.
.
,
.
.
. , 0.174 , a 95% de confiana;
24 0 09
45 6
24 0 09
9 89
0 047


[ ]
.
.
,
.
.
. , 0.218 , a 99% de confiana.
Note-se que os intervalos no so centrados em s
2 2
0 09 = =

. s pelo facto de a distribuio


do Qui-Quadrado no ser simtrica.

CAPTULO 10
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 10.4
Apoio 1 (apenas o resultado)
[0.203, 0.297].

CAPTULO 10
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 10.4
Apoio 2 (sugesto)
perfeitamente razovel admitir que a varivel Y, que representa o nmero de operrios que
conhece suficientemente bem as normas de segurana, segue uma distribuio Hipergeomtrica.
Na seco 6.4.3 reveja a relao entre as distribuies Binomial e Hipergeomtrica. Analise
ainda em que condies a distribuio Binomial poder ser aproximada por uma Normal. Na seco
10.2 veja qual a expresso que define o intervalo de confiana da proporo Binomial (amostra
de grande dimenso).

CAPTULO 10
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 10.4
Apoio 3 (resoluo completa)
Sejam,
Y: nmero de operrios que, de entre 300 seleccionados aleatoriamente
uma semana aps a emisso das normas, as conhece suficientemente bem
p: proporo de operrios que, de entre 4000 da empresa industrial, conhece
suficientemente bem as normas de segurana
M: nmero de operrios da empresa industrial = 4000
N = 300.
razovel admitir que Y segue uma distribuio H M p M p N - ( ) ( )
, , 1 . Substituindo os
valores de M e de N, vem
Y

H p p 4000 - ( ) ( )
, , 4000 1 300 , com
m
Y
N p p = = 300
s
Y
N p p
M N
M
p p p
2
1
1
300 1
4000 300
4000 1
277 6 1 = - ( )
-
-
= - ( )
-
-
= - . pp ( ) .
Uma vez que M N 10 , esta distribuio Hipergeomtrica pode ser aproximada por uma
distribuio Binomial. Por sua vez, dado que N 20 e partindo do pressuposto que p
suficientemente elevado para que N p > 7, a distribuio Binomial pode ser aproximada por
uma distribuio Normal.
Assim, Y segue aproximadamente a distribuio Normal N p p p m s = = - ( )

300 277 6 1
2
, . .
Tome-se agora a varivel proporo Binomial, Y / N. Denotando

P como o estimador de p resulta

P
Y
N
Y
= =
300
.
CAPTULO 10
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Nestas condies,

P
Y
=
300
segue aproximadamente a distribuio Normal
N p p p m s = = - ( )

,
.

2
2
277 6
300
1 .
Padronizando a varivel Normal

P Y = 300, vem
Z
Y
p
p p
=
-
- ( )
300
277 6
300
1
2
.

N 0 1 , ( ) .
A expresso do intervalo de confiana para a proporo binomial, p, a (1 a)
.
100% ento
Y
z p p
Y
z p
300
2
277 6
300
1
300
2
277 6
300
1
2 2
- ( ) - ( ) + ( ) - a a /
.
, /
.
pp ( )

.
Uma vez que a proporo p desconhecida, o seu valor nesta expresso ter de ser substitudo
pelo da sua estimativa,
. p
y
N
= = =
75
300
0 25.
Assim, a estimativa do desvio padro de p resulta

.

.
. . . s
p
p p = - ( ) = =
277 6
300
1
277 6
300
0 25 0 75 0 0240
2 2
.
Finalmente, como z a 2 0 025 1 96 = ( ) = . . , o intervalo de confiana para a proporo binomial,
p, a 95%
[0 25 1 96 0 0240 . . . - , 0 25 1 96 0 0240 . . . + ] [0.203, 0.297].

CAPTULO 10
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 10.5
Apoio 1 (apenas o resultado)
Admitindo que as varincias so iguais:
Intervalo de confiana a 90%: [4.64, 8.76]
Intervalo de confiana a 95%: [4.22, 9.18].
Admitindo que as varincias so diferentes:
Intervalo de confiana a 90%: [4.51, 8.89]
Intervalo de confiana a 95%: [4.05, 9.35].

CAPTULO 10
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 10.5
Apoio 2 (sugesto)
Perante a (pequena) dimenso das amostras, admita que o comportamento das variveis saldos
das contas ordem, quer na agncia A quer na B, no se afastam substancialmente de distri-
buies Normais. Procure caracterizar a varivel X X
A B
- . Considere os casos das varincias
das duas populaes serem ou no iguais. Recorrendo a um intervalo de confiana para a razo
das varincias de populaes Normais, verifique se a primeira hiptese plausvel. Na seco
10.2 veja quais as expresses que definem os intervalos de confiana para a diferena entre os
valores esperados de duas populaes. Compare e analise os resultados que obtiver.

CAPTULO 10
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 10.5
Apoio 3 (resoluo completa)
Sejam,
X
A
: saldo de uma conta ordem da agncia A [em euros]
X
B
: saldo de uma conta ordem da agncia B [em euros]
N
A
= 17 x
A
= 48 2 . euros s
A
= 2 74 . euros
N
B
= 13 x
B
= 41 5 . euros s
B
= 3 91 . euros
Admite-se que X
A
e X
B
seguem distribuies Normais independentes, com varincias no
necessariamente iguais. Nestas condies, a diferena X X
A B
- ainda uma varivel aleatria
Normal e assim:
X X
A B
-

N
N N
A B
A
A
B
B
m m
s s
- +

,
2 2
,
ou ainda
Z
X X
N N
A B A B
A
A
B
B
=
-
( )
- -
( )
+
m m
s s
2 2

N 0, 1 ( ) .
Uma vez que, por um lado, os desvios padres (s s
A B
e ) so desconhecidos e, por outro,
no so vlidas as aproximaes S
A A
s e S
B B
s (dado que ambas as amostras so de pequena
dimenso), resulta que
X X
S
N
S
N
A B A B
A
A
B
B
-
( )
- -
( )
+
m m
2 2

t
GL
.
CAPTULO 10
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Admita-se, em primeiro lugar, que as varincias so iguais (ou seja que s s s
A B
2 2 2
= = ).
Note-se que esta conjectura pode ser verificada construindo um intervalo de confiana (a 95%,
por exemplo) para a razo das varincias s s
A B
2 2
. Tal intervalo dado por
1
0 025
1
0 975
1 1
2
2
1 1
2
2
F
S
S F
S
S
N N
A
B N N
A
B
A B A B
- - - -
( )

( )

, .
,
, .

.
Ora,
F
16 12
0 025 3 15
,
. . ( ) =
e
F
F
16 12
12 16
0 975
1
0 025
1
2 89
,
,
.
. .
( ) =
( )
=
.
Substituindo, o intervalo de confiana para s s
A B
2 2
a 95% ento:
1
3 15
2 74
3 91
2 89
2 74
3 91
0 1559 1 4192
2
2
2
2
.
.
.
, .
.
.
. , .


[ ]
.
Como o valor s s
A B
2 2
1 = est contido no intervalo, plausvel admitir que as varincias so
iguais (embora, com base apenas neste resultado, isso no se possa afirmar com segurana).
Admitindo que as varincias so iguais, ento a estimativa da varincia comum, s
2
, dada
pela expresso:

. .
s
2 2
2 2
2 2
1 1
2
16 2 74 12 3 91
17 13
= =
-
( )
+ -
( )

+ -
=
+
+
s
N s N s
N N
A A B B
A B
--
=
2
3 29
2
.
CAPTULO 10
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Neste caso, como a diferena X X
A B
- segue uma distribuio Normal, a varivel
X X
S
N N
A B A B
A B
-
( )
- -
( )
+
m m
1 1
segue uma distribuio t de student com GL (que denota o nmero de graus de liberdade) igual
a 28 (o mesmo nmero de graus de liberdade com que foi estimado S).
Nestas condies, os intervalos de confiana para m m
A B
- vm:
a 90%: X X t S
N N
X X t S
N N
A B
A B
A B
A B
-
( )
- ( ) + -
( )
+ ( ) +

28 28
0 05
1 1
0 05
1 1
. , .

- +
[ ]

[ ]
6 7 1 701 1 212 6 7 1 701 1 212 4 64 . . . , . . . . , 8.76
;
a 95%: X X t S
N N
X X t S
N N
A B
A B
A B
A B
-
( )
- ( ) + -
( )
+ ( ) +

28 28
0 025
1 1
0 025
1 1
. , .

- +
[ ]

[ ]
6 7 2 048 1 212 6 7 2 048 1 212 4 22 . . . , . . . . , 9.18 .
Admitindo agora que as varincias so diferentes, o valor de GL calculado de acordo com
a expresso:
GL
S
N
S
N
S N
N
S N
N
A
A
B
B
A A
A
B B
B
=
+

( )
-
+
( )
-
=
2 2
2
2
2
2
2
1 1
2 617
0 01
/ /
.
. 222 0 1152
20 5 20
+
=
.
.
(note-se que recomendado a adopo do inteiro imediatamente inferior, j que este procedimento
conduz definio de um intervalo com uma confiana maior do que a especificada inicialmente).
CAPTULO 10
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Intervalos de confiana para m m
A B
- :
a 90%: X X t
S
N
S
N
X X t
S
N
S
A B
A
A
B
B
A B
A
A
B
-
( )
- ( ) + -
( )
+ ( ) +
20
2 2
20
2
0 05 0 05 . , .
22
N
B

- +
[ ]

[ ]
6 7 1 725 1 272 6 7 1 725 1 272 4 51 . . . , . . . . , 8.89 ;
a 95%: X X t
S
N
S
N
X X t
S
N
A B
A
A
B
B
A B
A
A
-
( )
- ( ) + -
( )
+ ( ) +
20
2 2
20
2
0 025 0 025 . , .
SS
N
B
B
2

- +
[ ]

[ ]
6 7 2 086 1 272 6 7 2 086 1 272 4 05 . . . , . . . . , 9.35 .
Note-se que, quer para 90% quer para 95% de confiana, estes intervalos tm uma amplitude
superior dos que foram calculados no pressuposto de que as varincias eram iguais. Este facto
resulta de, agora, se recorrer aos valores das caudas da distribuio t de student com 20 graus de
liberdade, em vez da distribuio com GL = 28 que se tinha utilizado no primeiro caso.

CAPTULO 10
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 10.6
Apoio 1 (apenas o resultado)
[0.006, 0.194].

CAPTULO 10
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 10.6
Apoio 2 (sugesto)
de admitir que o nmero de quadros superiores e o nmero de gestores que leram a ltima
edio do semanrio seguem distribuies Binomiais. Para definir o intervalo de confiana
pretendido procure caracterizar o estimador

P P
G Q
- de p p
G Q
- . Como as amostras possuem
grandes dimenses, pode admitir que este estimador segue uma distribuio Normal.

CAPTULO 10
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 10.6
Apoio 3 (resoluo completa)
Sejam,
Y
Q
: nmero de quadros superiores que, de entre os 350 quadros
entrevistados, leram a ltima edio do semanrio
Y
G
: nmero de gestores que, de entre os 325 gestores entrevistados,
leram a ltima edio do semanrio
P
Q
: proporo de quadros que leram a ltima
edio do semanrio
P
G
: proporo de gestores que leram a ltima
edio do semanrio
Y
Q
B N p
Q Q
=
( )
350 ,
Y
G
B N p
G G
=
( )
325 , .
Dado que N
Q
e N
G
20 e partindo do pressuposto que p
Q
e p
G
so suficientemente elevados
para que N p
Q Q
> 7 e N p
G G
> 7, ambas as distribuies Binomiais podem ser aproximadas
por distribuies Normais. Os parmetros destas distribuies so:
E Y N p
Q Q Q
( )
=
Var Y N p p
Q Q Q Q
( )
= -
( )
1
E Y N p
G G G
( )
=
Var Y N p p
G G G G
( )
= -
( )
1 .
CAPTULO 10
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Assim, Y
Q
e Y
G
seguem aproximadamente distribuies Normais, respectivamente
N p p p
Q Q Q
m s = = -
( )

350 350 1
2
,

e N p p p
G G G
m s = = -
( )

325 325 1
2
,
.
Por sua vez,

P
Y
N
Y
Q
Q
Q
Q
= =
350


e

P
Y
N
Y
G
G
G
G
= =
325
so estimadores, respectivamente, de P
Q
e de P
G
. Estes estimadores seguem (aproximadamente)
as distribuies Normais
N p
p p
Q
Q Q
m s = =
-
( )

,
2
1
350

e

N p
p p
G
G G
m s = =
-
( )

,
2
1
325
.
Admitindo que as amostras so independentes, a varivel aleatria

P P
G Q
- segue tambm
(aproximadamente) a distribuio Normal
N p p
p p
p p
G Q
G G
Q Q
m s = - =
-
( )
+
-
( )

,
2
1
325
1
350
Padronizando resulta:
Z
P P p p
p p
p p
G Q G Q
G G
Q Q
=
- - -
( )
-
( )
+
-
( )

1
325
1
350
N 0 1 , ( ) .
CAPTULO 10
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
O intervalo de confiana para a diferena de propores binomiais, P
Q
P
G
, a 99% ento:
Y
N
Y
N
z
p p
p p
G
G
Q
Q
G G
Q Q
- ( )
-
( )
+
-
( )
0 005
1
325
1
350
. .
Ora,
Y
N
p
G
G
G
= = = .
130
325
0 4

e

Y
N
p
Q
Q
Q
= = = .
105
350
0 3.
Substituindo estes valores na expresso do intervalo de confiana e atendendo a que
Z 0 005 2 575 . . ( ) = , obtm-se:
0 1 2 575 0 0366 0 1 0 094 0 006 0 194 . . . . . . , .
[ ]
.

CAPTULO 10
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 10.7
Apoio 1 (apenas o resultado)
No mnimo 37 ensaios.

CAPTULO 10
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 10.7
Apoio 2 (sugesto)
Especifique um intervalo de confiana a 99% para o valor esperado. Note que ele centrado na
mdia amostral. A partir do intervalo procure expressar a sua amplitude em funo da dimenso
da amostra.

CAPTULO 10
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 10.7
Apoio 3 (resoluo completa)
Sejam
X: tenso de rotura do material utilizado nos tubos de ensaio
N: dimenso da amostra a partir da qual ser estimado m
X
X: mdia amostral das observaes de X

X
= 70 [psi].
Admite-se que a dimenso da amostra (que se ir determinar) suficientemente grande para
que, de acordo com o teorema do limite central e independentemente da distribuio da varivel
original X, a mdia amostral, X, siga aproximadamente uma distribuio Normal.
Nestas condies, e uma vez que a varincia conhecida, verifica-se que
Z
X
N
X
=
- m
s /

N 0 1 , ( ) .
O intervalo de confiana para o valor esperado
X
a 1 100 - ( ) a % dado por:
X z
N
X z
N
X X
- ( ) + ( )

a
s
a
s
/ , / 2 2
.
A amplitude deste intervalo 2 2 ( ) z
N
X
a
s
/ .
CAPTULO 10
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Ora, como Z a = ( ) = 0 005 2 575 . . (ver Tabela 3) resulta:
2 2 575
70
60
2 2 575 70
60
36 1
2

= .
.
.
N
N
Ou seja
N 37.
De facto, a dimenso mnima da amostra, N = 37, suficientemente grande para se poder
admitir a Normalidade de X (embora de forma aproximada).

CAPTULO 10
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 10.8
Apoio 1 (apenas o resultado)
No mnimo 349 alunos.

CAPTULO 10
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 10.8
Apoio 2 (sugesto)
Note que o nmero Y de alunos que, de entre os N inquiridos, favorecem o horrio de sbado de
manh, segue seguramente uma distribuio Hipergeomtrica. Na seco 6.4.3 reveja a relao
entre as distribuies Binomial e Hipergeomtrica. Na seco 10.2, veja qual a expresso que
define o intervalo de confiana para a proporo Binomial (amostra de grande dimenso). Note
que o intervalo de confiana da proporo Binomial centrado. A partir do intervalo, procure
expressar a sua amplitude em funo da dimenso da amostra.

CAPTULO 10
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 10.8
Apoio 3 (resoluo completa)
Sejam,
Y: nmero de alunos que, de entre os N inquiridos, favorecem
o horrio de sbado de manh
p: proporo de alunos que, de entre os 3800 da Faculdade,
favorecem o horrio de sbado de manh
M: nmero de alunos da Faculdade = 3800
N: dimenso da amostra.
Admite-se que a varivel Y segue uma distribuio Hipergeomtrica H M p M p N - ( ) ( )
, , 1 .
Substituindo vem, Y

H p p N 3800 - ( ) ( )
, , 3800 1 com mdia e varincia iguais a:
m
Y
N p = e s
Y
N p p
M N
M
N p p
N
2
1
1
1
3800
3799
= - ( )
-
-
= - ( )
-
.
Admite-se que a dimenso da amostra, N, pequena quando comparada com o nmero total
de alunos da Faculdade, M, mas suficientemente grande para que a distribuio de Y possa ser
aproximada por uma distribuio Normal.
Nestas condies, possvel aproximar a distribuio de Y pela Normal
N N p N p p
N
m s = = - ( )
-

,
2
1
3800
3799
.
Recorrendo agora proporo amostral,

/ P Y N = (onde

P representa o estimador de p), resulta


que esta varivel seguir (ainda que aproximadamente) a distribuio Normal
N p
p p
N
N
m s = =
- ( )

,
2
1
3800
3799
.
CAPTULO 10
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Padronizando, vem
Z
Y
N
p
p p
N
N
=
-
- ( )

-
1
3800
3799

N 0 1 , ( ) .
O intervalo de confiana para a proporo binomial, p, a (1 a) 100% ento:
Y
N
Z
p p
N
N Y
N
Z
p p
N
- ( )
- ( )

-
+ ( )
- ( )
a a / , / 2
1
3800
3799
2
1
380

00
3799
-

N
A amplitude deste intervalo
2 2
1
3800
3799
( )
- ( )

-
Z
p p
N
N
a / .
Assim, para = 0.05 vem Z(0.025) = 1.96, donde
2 1 96
1
3800
3799
0 1
- ( )

-
. .
p p
N
N
.
Para resolver esta inequao e determinar N, necessrio dispor de uma estimativa de p, p.
Como, neste caso, isso impossvel, calcula-se N para o valor de p que maximiza a amplitude
do intervalo (ou seja, o valor que maximiza p p - ( ) 1 ). Assim,
d p p
dp
p p

.
- ( )

= - = =
1
1 2 0 0 5 .
CAPTULO 10
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Substituindo,
2 1 96
0 5 1 0 5
3800
3799
0 1 0 1 3 92
0 25 380

- ( )

-
.
. .
. . .
.
N
N
N

00
3799
-

N



3800
3799
0 1
3 92 0 25
0 002603 3800 9 888
2
2
-

= -
N
N
N N
.
. .
. .
N =
3800
10 89
348 9
.
.
Finalmente, a dimenso mnima da amostra que satisfaz os critrios enunciados :
N
mn
= 349.
Perante este resultado, a hiptese anteriormente formulada (de que N era grande, mas pequeno
comparada com M) justifica-se plenamente.

CAPTULO 11
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Captulo 11
Captulos

Problemas
11.1 11.2 11.3 11.4
11.5
(i)
11.5
(ii)
11.6
11.7
(i)
11.7
(ii)
11.8
(i)
11.8
(ii)
11.9
(i)
11.9
(ii)
11.10
(i)
11.10
(ii)
Apoio 1
(apenas o
resultado)
Apoio 2
(sugesto)
Apoio 3
(resoluo
completa)
CAPTULO 11
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 11.1
Apoio 1 (apenas o resultado)
Confirma-se a reivindicao do fabricante (p = 1.83%).

CAPTULO 11
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 11.1
Apoio 2 (sugesto)
Est-se perante um teste de localizao relativo ao valor esperado de uma populao. O teste
unilateral direita, concentrando-se por isso a regio de rejeio na cauda direita da distribuio
da estatstica de teste. Uma vez que a amostra no de grande dimenso, admite-se que a
distribuio de X no se afasta substancialmente de uma distribuio Normal e, consequentemente,
que a distribuio da mdia amostral resulta Normal. Atendendo ainda pequena dimenso da
amostra, no se assume como vlida a aproximao S s.

CAPTULO 11
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 11.1
Apoio 3 (resoluo completa)
Sejam,
X: vida dos pneus MQL utilizados em condies normais
= E(X)
N = 30

x = 43 200
s = 8000.
Enunciam-se seguidamente as hipteses a testar:
H
0
40 000 : m =
H
1
40 000 : m > .
A amostra no tem uma grande dimenso. Contudo, se se considerar que a distribuio de X
no se afasta substancialmente de uma distribuio Normal, recorrendo ao Teorema do Limite
Central pode considerar-se que a mdia amostral, X, segue aproximadamente uma distribuio
Normal. Nestas condies, se H
0
for verdadeira, a estatstica de teste
ET
X
N
=
- m
s
0
/
segue uma distribuio N 0 1 , ( ) .
Note-se que o desvio padro, , desconhecido, sendo estimado atravs do desvio padro
amostral, S. Recorde-se que S representa o estimador desvio padro amostral, cujos valores
particulares so as estimativas s. No entanto, uma vez que a amostra no muito grande, ser
CAPTULO 11
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
prudente no considerar desprezvel o erro de estimao, pelo que a aproximao S s no
ser considerada vlida. Assim, a estatstica de teste a utilizar ser:
ET
X
S
N
=
- m
0
,
que, se H
0
for verdadeira, seguir uma distribuio t
N-1
.
Assim,
ET
X
S
N
=
- 40 000

t
29
.
Introduzindo na expresso de ET os valores amostrais, resulta:
ET t =
-
= > = ( ) =
43 200 40 000
8000
30
2 19 0 05 1 699
29

. . . . a
Na figura seguinte ilustra-se este teste.
19 . 2 = ET
699 . 1 ) 05 . 0 (
29
= t

Rejeitar H0 No Rejeitar H0
CAPTULO 11
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Como o valor de ET superior ao valor crtico (1.699), H
0
rejeitada, confirmando-se,
assim, a reivindicao do fabricante.
O valor de prova (p) constitui uma medida do grau com que os dados amostrais contradizem a
hiptese nula. Este valor corresponde probabilidade de a estatstica de teste tomar um valor igual
ou mais extremo do que aquele que, de facto, observado. Assim, p P ET H =

2 19 1 83
0
. | . %.
Note-se que, recorrendo s tabelas do Livro, s possvel determinar que 1 2 5 % . % < < p . Aquele
valor foi obtido recorrendo funo TDIST do Microsoft Excel.
Resoluo alternativa
Em alternativa ao procedimento clssico, o teste podia basear-se na definio do intervalo de
confiana (aberto direita) a 95% para o valor esperado:
m a - = ( ) +

X t
S
N
29
0 05 . ,

com 95% de confiana.
Substituindo,
m - +

43 200 1 699
8000
30
. ,
m +
[ [
40 718, .
Ou ainda,
40 718, com 95% de confiana.
O intervalo de confiana no inclui o valor 40 000. Pode assim rejeitar-se H
0
ao nvel de
significncia de 5%. Mas o intervalo de confiana fornece uma informao adicional: o valor
esperado mnimo da durao dos pneus ser de 40 718 km.

CAPTULO 11
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 11.2
Apoio 1 (apenas o resultado)
H evidncia no sentido de confirmar a hiptese de que m m
1 2
> p = ( ) 2 4 . % .

CAPTULO 11
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 11.2
Apoio 2 (sugesto)
Est-se perante um teste de localizao relativo diferena de valores esperados de duas
populaes (amostras independentes e de pequenas dimenses). Para decidir qual a estatstica
de teste a utilizar (admitindo ou no a igualdade das varincias), sugere-se que comece por
efectuar um teste razo de varincias das duas populaes. Recorde que foi assumido que as
variveis seguem distribuies Normais.

CAPTULO 11
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 11.2
Apoio 3 (resoluo completa)
Sejam,
X
1
: dimetro de um anel produzido na mquina 1 [cm]
X
2
: dimetro de um anel produzido na mquina 2 [cm]
N x s
1 1 1
10 1 051 0 021 = = = , . , .
N x s
2 2 2
15 1 036 0 015 = = = , . , . .
Como pressuposto admite-se que X
1
e X
2
seguem distribuies Normais.
Sugere-se que o teste diferena entre valores esperados de duas populaes seja precedido
por um outro razo de varincias, uma vez que a estatstica de teste diferena entre valores
esperados no a mesma no caso de as varincias serem iguais ou serem diferentes. Registe-se
que o teste ter a mxima potncia se for possvel admitir que as varincias so iguais. De facto,
neste caso, o nmero de graus de liberdade da distribuio da estatstica de teste (distribuio t)
ser GL N N = + - =
1 2
2 23.
Teste razo de varincias entre duas populaes Normais (teste F)
Formulao das hipteses de teste sobre as varincias:
H
0 1
2
2
2
: s s =
H
1 1
2
2
2
: s s > .
Note-se que estas hipteses so rigorosamente equivalentes s seguintes:
H
0
1
2
2
2
1 :
s
s
=
H
1
1
2
2
2
1 :
s
s
> .
CAPTULO 11
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Se H
0
for verdadeira a estatstica de teste
ET
S
S
=
1
2
1
2
2
2
2
2
s
s
,
segue uma distribuio F
N N
1 2
1 1 - - ,
.
Substituindo,
ET F = = < = ( ) =
0 021
0 015
1 96 0 05 2 65
2
2
9 14
.
.
. . .
,
a .
Na figura seguinte ilustra-se este teste.
f (x)
96 . 1 ET
65 . 2 ) 05 . 0 (
14 , 9
F

Rejeitar H0 No Rejeitar H0
Como o valor de ET inferior ao valor crtico (2.65), H
0
no rejeitada (valor de prova
p P ET H =

1 96 12 5
0
. | . %). Assim, admite-se que as varincias das duas populaes so
iguais, ou seja, que
s s s
1
2
2
2 2
= = .
CAPTULO 11
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
A varincia comum das populaes X
1
e X
2
,
2
, pode ser estimada por
S
N S N S
N N
2
1 1
2
2 2
2
1 2
1 1
2
=
-
( )
+ -
( )

+ -
.
Substituindo, resulta
s
2
2 2
9 0 021 14 0 015
23
0 0003095 =
+
=
. .
.
s = 0 0003095 0 0176 . . .
Teste diferena entre valores esperados de duas populaes
(amostra de pequenas dimenses, populaes Normais)
Formulao das hipteses de teste:
H
0 1 2
: m m =
H
1 1 2
: m m > .
Admitindo que as varincias so iguais e que H
0
verdadeira, a estatstica de teste
ET
X X
S
N N
=
-
( )
+
1 2
1 2
1 1
.
A estatstica de teste segue uma distribuio t
GL
(pois as amostras so de pequena dimenso,
no sendo vlida a aproximao S s ) com
GL N N = + - =
1 2
2 23.
CAPTULO 11
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Substituindo os valores amostrais na expresso de ET, resulta
ET t =
-
+
= > = ( ) =
1 051 1 036
0 0176
1
10
1
15
2 09 0 05 1 714
23
. .
.
. . . a
Na figura seguinte ilustra-se este teste:
t f
09 . 2 ET
714 . 1 ) 05 . 0 (
23
t
Rejeitar H0
No Rejeitar H0
Como o valor de ET superior ao valor crtico (1.714), H
0
rejeitada (valor de prova
p P ET H =

2 09 2 4
0
. | . %). Assim, h evidncia estatstica que permite confirmar a hiptese
de que
1
>
2
, ou seja, de que, em mdia, os dimetros dos anis produzidos na mquina 1 so
superiores aos dos anis produzidos na mquina 2.

CAPTULO 11
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 11.3
Apoio 1 (apenas o resultado)
Ao nvel de significncia de 5%, no h evidncia de que as fiabilidades dos dois tipos de
termstato sejam diferentes (p = 36.8%).

CAPTULO 11
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 11.3
Apoio 2 (sugesto)
A fiabilidade de um termstato refere-se disperso das temperaturas por ele observadas em
relao a um determinado valor esperado. No sentido de confirmar a maior fiabilidade dos
termstatos do fornecedor B dever realizar um teste de razo de varincias das populaes.
Para efectuar este teste ter que admitir que as temperaturas de abertura dos fornos, equipados
com os termstatos proveniente de A ou de B, seguem distribuies Normais (embora a Norma-
lidade no seja referida no enunciado).

CAPTULO 11
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 11.3
Apoio 3 (resoluo completa)
Sejam,
A: temperatura observada de abertura de um forno pelos termstatos do fornecedor A
B: temperatura observada de abertura de um forno pelos termstatos do fornecedor B
s
A
2
: varincia dos termstatos vendidos pelo fornecedor A
s
B
2
: varincia dos termstatos vendidos pelo fornecedor B
N
A
= 9
N
B
= 11
A mdia e varincias amostrais das variveis A e B so, respectivamente:
x s
A A
= = 419 67 68 25
2
. , .
x s
B B
= = 418 54 54 87
2
. , . .
Embora tal no seja referido no enunciado, admite-se que as temperaturas de aberturas dos
fornos, X
A
e X
B
, seguem distribuies Normais.
Teste razo de varincias entre duas populaes Normais (teste F)
Formulao das hipteses do teste:
H
A B 0
2 2
: s s =
H
A B 1
2 2
: s s > .
Note-se que estas hipteses so rigorosamente equivalentes s seguintes:
H
A
B
0
2
2
1 :
s
s
=
H
A
B
1
2
2
1 : .
s
s
>
CAPTULO 11
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
A estatstica deste teste ento
ET
S
S
A
B
=
2
2
,
que, quando H
0
verdadeira, segue a distribuio F
N N
A B
- - 1 1 ,
.
Substituindo, vem
ET F = = < = ( ) =
68 25
54 87
1 24 0 05 3 07
8 10
.
.
. . .
,
a .
Na figura seguinte ilustra-se este teste.
07 . 3 ) 05 . 0 (
10 , 8
F
Rejeitar H0
24 . 1 ET
No Rejeitar H0
Ao nvel de significncia de 5% a hiptese H
0
no rejeitada (isto , ao nvel de significncia
de 5%, no h evidncia de que as fiabilidades dos dois tipos de termstato sejam diferentes).
O valor de prova p P ET H =

1 24 36 8
0
. | . %.

CAPTULO 11
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 11.4
Apoio 1 (apenas o resultado)
Os resultados confirmam, ao nvel de significncia de 5%, que a densidade de defeitos diminuiu
(p = 4.2%).

CAPTULO 11
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 11.4
Apoio 2 (sugesto)
Admita que a varivel nmero de bolhas em cada placa, Y, segue uma distribuio de Poisson.
Efectue um teste de hipteses unilateral esquerda de localizao ao valor esperado de Y.

CAPTULO 11
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 11.4
Apoio 3 (resoluo completa)
Pressupe-se que o nmero de bolhas, Y, em cada placa de 1 5 3 0 . . m
2
segue uma distribuio de
Poisson. Antes da tentativa de melhorar o processo produtivo, o nmero mdio de bolhas por
placa seria:
l = ( ) 0 4 1 5 3 . . bolhas/m m
2 2
= 1.8 bolhas/placa.
Formulam-se de seguida as hipteses do teste unilateral esquerda de localizao a
Y
:
H
Y 0
1 8 : . m l = =
H
Y 1
1 8 : . m l < = .
Aps as alteraes no processo produtivo, obteve-se
y =
+ + + + + + ( )
=
1 0 3 1 2 1
15
18
15
= 1.2 bolhas /placa.
Recorde-se que se admitiu que Y seguia uma distribuio de Poisson l ( ) , com parmetros
= (e, portanto,
2
= ). Embora a dimenso da amostra no seja muito grande (N = 15), ser
considerada suficiente para se tomar como vlida a aproximao de Y pela Normal
N m l s
l
= =

,
2
N
.
A estatstica do teste ser ento:
ET
Y
N
=
- l
l
,
que quando H
0
verdadeira segue (aproximadamente) uma N(0, 1).
CAPTULO 11
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Substituindo, vem
ET Z =
-
= - < = ( ) = -
1 2 1 8
1 8
15
1 732 0 95 1 645
. .
.
. . . a .
Na figura seguinte ilustra-se este teste.
732 . 1 ET
645 . 1 95 . 0 Z
Rejeitar H
0
No Rejeitar H
0
Como o valor de ET inferior ao valor crtico (1.645), H
0
rejeitada ao nvel de signi-
ficncia de 5%, confirmando-se a diminuio da densidade de defeitos. O valor de prova
p P ET H = -

1 732 4 2
0
. | . % (este valor pode ser obtido recorrendo funo NORMDIST
do Microsoft Excel ou Tabela 3 do Anexo Tabelas).

CAPTULO 11
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 11.5
Alnea (i)
Apoio 1 (apenas o resultado)
No se pode concluir que o anncio tenha tido um efeito positivo sobre o nmero de contratos
(p = 7.95%).

CAPTULO 11
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 11.5
Alnea (i)
Apoio 2 (sugesto)
Faa um teste diferena de valores esperados do nmero de contratos de aluguer antes do
anncio e depois do anncio. Assuma a hiptese de que as variveis X
i
(em que i = A denota os
dias antes anncio e i = D os dias depois do anncio) seguem distribuies Normais com varincias
idnticas. O valor esperado do nmero de contratos depois do anncio tem de ser estimado a
partir do nico valor observado.

CAPTULO 11
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 11.5
Alnea (i)
Apoio 3 (resoluo completa)
Seja
X
i
: varivel representando o nmero de contratos de aluguer no dia i
(i
i A i D
=
= =
1, 14,15,16,17
(antes do
anncio)
(depois do
a

nnncio)

)
A mdia e varincia amostrais de X
A
(antes do anncio) so, respectivamente,
x
A
= 21 71 . e s s
A A
2
4 527 2 128 = = . . .
Admite-se que as variveis X
i
(antes e depois do anncio) seguem distribuies Normais
com varincias idnticas.
Efectua-se em seguida o teste diferena de valores esperados de duas populaes (sejam
A
e
D
os valores esperados de X
i
antes e depois do anncio). As hipteses em causa so as seguintes:
H
D A 0
: m m =
H
D A 1
: m m > .
Como s se considera a primeira observao do nmero de contratos depois do anncio,
a melhor estimativa disponvel de
D
ser exactamente essa observao (

m
D
x =
15
). Por outro
lado, uma vez que se admitiu que X
i
eram Normais, ento a varivel X X
A 15
- tambm o ser.
Assim a estatstica de teste, no caso de H
0
ser verdadeira,
ET
X X
S
A
A
=
-
+
15
1
1
14
e segue uma distribuio t
GL
(com GL = N
A
+ N
D
2 = 14 + 1 2 = 13).
(antes do
anncio)
(depois do
anncio)
CAPTULO 11
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Substituindo, resulta
ET t =
-
+
= < = ( ) =
25 21 71
2 128 1
1
14
1 494 0 05 1 771
13
.
.
. . . a .
Na Figura seguinte ilustra-se este teste
771 . 1 05 . 0
13
t
Rejeitar H0 No Rejeitar H0
494 . 1 ET
Ao nvel de significncia de 5%, no se pode ento concluir que o anncio tenha tido um
efeito positivo sobre o nmero de contratos. O valor de prova p = 7.95%.

CAPTULO 11
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 11.5
Alnea (ii)
Apoio 1 (apenas o resultado)
Ao nvel de significncia de 5%, pode afirmar-se que o anncio teve um efeito positivo sobre o
nmero de contratos (p = 0.73%).

CAPTULO 11
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 11.5
Alnea (ii)
Apoio 2 (sugesto)
Continue a assumir a hiptese de que as variveis X
i
(antes e depois do anncio) seguem
distribuies Normais com varincias idnticas. No entanto, reestime a varincia comum com
base nos novos dados. O valor esperado do nmero de contratos depois do anncio pode agora
ser estimado com base numa amostra de dimenso 3.

CAPTULO 11
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 11.5
Alnea (ii)
Apoio 3 (resoluo completa)
A mdia e varincia amostrais da varivel X
D
(depois do anncio) so, respectivamente:
x x x x
D
= + +
( )
=
1
3
25 33
15 16 17
. e s x x
D i D
2
2
15
17
1
2
2 333 = -
( )
=

. .
Continue a admitir-se que a varincia de X
i
no se alterou depois do anncio (a hiptese
s s
A B
2 2
= poderia agora ser testada, mas, com base nos dados disponveis, claramente no poderia
ser rejeitada). Assim, pode reestimar-se a varincia comum atravs de:
s
s s
s
A D
2
2 2
14 1 3 1
14 3 2
4 234 2 058 =
- ( ) + - ( )
+ -
= = . . .
Efectua-se em seguida um teste idntico ao da alnea anterior (teste diferena de valores
esperados de duas populaes Normais):
H
D A 0
: m m =
H
D A 1
: m m > .
No caso de H
0
ser verdadeira, a estatstica de teste
ET
X X
S
D A
=
-
+
1
3
1
14
segue uma distribuio t
GL
com GL = 14 + 3 2 = 15.
CAPTULO 11
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Substituindo,
ET t =
-
+
= > = ( ) =
25 33 21 71
2 058
1
3
1
14
2 760 0 05 1 753
15
. .
.
. . . a
Como o valor de ET superior ao valor crtico (1.753), H
0
rejeitada ao nvel de significncia
de 5%, concluindo-se agora que o anncio teve um efeito positivo sobre o nmero de contratos.
O valor de prova p P ET H =

2 760 0 73
0
. | . %.

CAPTULO 11
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 11.6
Apoio 1 (apenas o resultado)
Ao nvel de significncia de 5% no possvel provar que a droga provoca, como efeito
secundrio, o aumento do tempo de resposta a estmulos auditivos (p = 6.23%).

CAPTULO 11
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 11.6
Apoio 2 (sugesto)
Dado que as amostras no so independentes difcil caracterizar a distribuio da estatstica de
teste (teste diferena do valor esperado de duas populaes). Em alternativa, procure testar a
localizao do valor esperado das diferenas relativas entre as observaes emparelhadas
para cada indivduo. Isto , trabalhe com a varivel
Dr
x x
x
n
C
n
S
n
S
n
=
-
que seguir uma distribuio Normal.

CAPTULO 11
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 11.6
Apoio 3 (resoluo completa)
Sejam,
X
C
: tempo de reaco a um sinal sonoro de um indivduo com droga
X
S
: tempo de reaco a um sinal sonoro de um indivduo sem droga.
As variveis X
C
e X
S
no so independentes, mas sim emparelhadas. Nestas condies,
a distribuio da estatstica de teste diferena entre os valores esperados de duas populaes
seria difcil de caracterizar. Em alternativa, toma-se a varivel
Dr
x x
x
n
C
n
S
n
S
n
=
-
.
No caso presente, a varivel Dr
n
prefervel diferena absoluta D
n C
n
S
n
x x = - dado que
existem disparidades substanciais nos tempos de reaco dos indivduos antes de ingerirem a
droga (por exemplo, o indivduo A tem um tempo de reaco inicial de 19 segundos enquanto
que esse valor em C de 34).
Admitindo que Dr
n
segue uma distribuio Normal, possvel definir o teste seguinte:
H
0
0 : m
D
=
H
1
0 : m
D
> .
Se H
0
for verdadeira, a estatstica de teste
ET
S N
=
D
D
/
Segue uma distribuio t
N1
.
CAPTULO 11
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Na tabela seguinte apresentam-se os clculos referentes s diferenas Dr
x x
x
n
C
n
S
n
S
n
=
-
.
Indivduo
X
C
X
S

n n
C S
n
n
S
x x
r
x


A 17 19 0.1053
B 27 22 0.2273
C 39 34 0.1470
D 27 21 0.2857
E 30 27 0.1111
F 21 24 0.1250
G 36 29 0.2414
0.1117
0.1657 s


=
Substituindo, vem
ET t = = < = ( ) =
0 1117
0 1657
7
1 784 0 05 1 943
6
.
.
. . . a .
Nestas condies, H
0
no rejeitada ao nvel de significncia de 5%. Assim, no se pode
concluir que a droga provoca, como efeito secundrio, o aumento do tempo de resposta a estmulos
auditivos. O valor de prova p P ET H =

1 784 6 23
0
. | . %.
Registe-se que recorrendo varivel diferena absoluta, D
n C
n
S
n
x x = - , o teste equivalente
conduziria rejeio de H
0
(com um valor de prova p 4.6%).

CAPTULO 11
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 11.7
Alnea (i)
Apoio 1 (apenas o resultado)
Ao nvel de significncia de 5%, no se pode concluir que o mtodo novo menos fivel do que
o mtodo convencional p = ( ) 18 7 . % .

CAPTULO 11
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 11.7
Alnea (i)
Apoio 2 (sugesto)
No contexto do problema, a fiabilidade do mtodo de anlise refere-se sua repetibilidade, ou
seja disperso dos resultados que so obtidos em condies idnticas de trabalho. Se assumir
que as distribuies dos resultados das anlises so Normais, dever realizar um teste razo
das varincias para confirmar a maior fiabilidade do mtodo novo.

CAPTULO 11
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 11.7
Alnea (i)
Apoio 3 (resoluo completa)
Sejam,
N
C
: resultados obtidos nas anlises de rotina com o mtodo convencional
N
N
: resultados obtidos nas anlises de rotina com o mtodo novo.
Como
s
x x
N
i
i
N
2
2
1
1
=
-
( )
-
=

,
resulta
s s
C C
2
30 5
24 1
1 33 1 15 =
-
= =
.
. .
e
s s
N N
2
55 7
30 1
1 92 1 39 =
-
= =
.
. . .
Admite-se que os resultados das anlises (com ambos os mtodos) seguem distribuies
Normais.
No contexto do problema, a fiabilidade do mtodo de anlise refere-se sua repetibilidade,
ou seja, disperso dos resultados que so obtidos em condies idnticas de trabalho. Trata-se
ento da comparao das varincias de duas populaes Normais. As hipteses relativas ao teste
razo das varincias de duas populaes Normais so as seguintes:
H
N C 0
2 2
: s s =
H
N C 1
2 2
: s s > .
CAPTULO 11
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Se H
0
for verdadeira,
ET
S
S
N
C
=
2
2
segue uma distribuio F
29 23 ,
.
Substituindo
ET F = = < = ( )
1 92
1 33
1 44 0 05 1 96
29 23
.
.
. . .
,
a
Na figura seguinte ilustra-se este teste.
96 . 1 05 . 0
23 , 29
F

Rejeitar H0 No Rejeitar H0
44 . 1 ET
Nestas condies, no possvel rejeitar H
0
. Ou seja, ao nvel de significncia de 5% no se
pode concluir que o mtodo novo menos fivel do que o mtodo convencional. O valor de
prova p P ET H =

1 44 18 7
0
. | . %.

CAPTULO 11
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 11.7
Alnea (ii)
Apoio 1 (apenas o resultado)
Ao nvel de significncia de 5%, pode afirmar-se que a mdia de 3 observaes obtidas a partir
do novo mtodo mais preciso do que utilizar observaes individuais obtidas a partir do mtodo
convencional p = ( ) 3 6 . % .

CAPTULO 11
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 11.7
Alnea (ii)
Apoio 2 (sugesto)
Procure caracterizar a varivel mdia de 3 observaes obtidas com o novo mtodo. No sentido
de confirmar a maior fiabilidade desta varivel face a um resultado individual produzido com o
mtodo convencional, dever realizar um teste de razo de varincias de duas populaes
Normais.

CAPTULO 11
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 11.7
Alnea (ii)
Apoio 3 (resoluo completa)
Seja Z a mdia de 3 observaes obtidas com o novo mtodo. Nesse caso,
Var Z
Z
N
( ) = = s
s
2
2
3
.
Contemplam-se de seguida hipteses idnticas s testadas na alnea anterior:
H
C Z
N
0
2 2
2
3
: s s
s
= =
H
C Z
N
1
2 2
2
3
: s s
s
> = .
Se H
0
for verdadeira, a estatstica de teste
ET
S
S
S
S
C
Z
C
N
= =
2
2
2
2
3
segue uma distribuio F F
N N
C N
- -
=
1 1 23 29 , ,
.
Substituindo,
ET F = = > = ( )
1 33
1 92
3
2 08 0 05 1 91
23 29
.
.
. . .
,
a .
CAPTULO 11
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Na figura seguinte ilustra-se este teste.
91 . 1 05 . 0
29 , 23
F
08 . 2 ET
Rejeitar H0
No Rejeitar H0
A hiptese nula rejeitada (ao nvel de significncia de 5%). Conclui-se que utilizar a mdia
de 3 observaes obtidas a partir do novo mtodo mais preciso do que recorrer a observaes
individuais obtidas a partir do mtodo convencional. O valor de prova p = 3.16%.

CAPTULO 11
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 11.8
Alnea (i)
Apoio 1 (apenas o resultado)
As peas produzidas actualmente so menos resistentes do que o habitual (p = 0.0178%).

CAPTULO 11
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 11.8
Alnea (i)
Apoio 2 (sugesto)
Est-se perante um teste de localizao, neste caso ao valor esperado de uma populao cuja
varincia conhecida. O teste unilateral esquerda, concentrando-se por isso a regio de
rejeio na cauda esquerda da distribuio da estatstica de teste. Note que a amostra de pequena
dimenso.

CAPTULO 11
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 11.8
Alnea (i)
Apoio 3 (resoluo completa)
Sejam,
X: resistncia compresso das peas de um determinado material isolante
produzidas por um molde de injeco
= 5.18 kg/cm
2

2
= 0.0625 kg/cm
2
( )
2
= s 0 25 . kg/cm
2
N = 12
x = 4.95 kg/cm
2
.
Embora a amostra seja de pequena dimenso, como X Normal tambm a mdia amostral X
segue uma distribuio Normal. Note-se que a varincia no estimada.
O teste de localizao ao valor esperado contempla as seguintes hipteses:
H
0
5 18 : . m =
H
1
5 18 : . m < .
A estatstica de teste :
ET
X
N
=
- m
s
,
que quando H
0
verdadeira segue uma distribuio N 0 1 , ( ).
CAPTULO 11
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Substituindo, resulta
ET Z =
-
= - < = ( ) = -
4 95 5 18
0 0625
12
3 18 0 95 1 645
. .
.
. . . a
Na figura seguinte ilustra-se este teste.
645 . 1 95 . 0 Z

187 . 3 ET
Rejeitar H0 No Rejeitar H0
A hiptese nula rejeitada ao nvel de significncia de 5%. Conclui-se assim que as peas
produzidas actualmente so menos resistentes do que o habitual. O valor de prova p =
= 0.0719%.

CAPTULO 11
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 11.8
Alnea (ii)
Apoio 1 (apenas o resultado)
(1 ) = 0.98669.

CAPTULO 11
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 11.8
Alnea (ii)
Apoio 2 (sugesto)
A potncia do teste traduz a probabilidade de rejeitar H
0
quando ela falsa, denotando-se tal
probabilidade por 1 . De acordo com o enunciado do problema, esta probabilidade calculada
tomando como verdadeira H
1
= 4.90. Considere que a varincia da resistncia compresso das
peas produzidas recentemente idntica das peas produzidas anteriormente.

CAPTULO 11
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 11.8
Alnea (ii)
Apoio 3 (resoluo completa)
Sejam,
X
A
: resistncia compresso das peas produzidas anteriormente

A
= 5.18
X
R
: resistncia compresso das peas produzidas recentemente

R
= 4.90.
Admita-se o pressuposto de que a varincia no se altera (
2
= 0.0625).
O erro de tipo II corresponde a no se rejeitar H
0
quando a hiptese alternativa, H
1
, verdadeira.
A probabilidade de nele se incorrer denota-se por . A potncia do teste traduz a probabilidade
de rejeitar H
0
quando ela falsa, ou seja, 1 .
O valor crtico (1.645) utilizado na alnea anterior, que separa a zona de rejeio da zona de
no rejeio de H
0
, foi calculado a partir de uma distribuio Normal padronizada. O valor
crtico correspondente na distribuio de X (que, igualmente, permite definir a regio de rejeio
de H
0
) dado por (ver figura seguinte):
X
X
-
= - =
5 18
0 25
12
1 645 5 06
.
.
. . .
Sabendo que H
0
falsa e que H
1
:
R
= 4.90, a potncia de teste corresponde a:
1 5 06
1
- =

b P X H
R
. | (ver figura seguinte).
CAPTULO 11
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Distribuio de
R
X
quando H
1
verdadeira
( = 4.90)
(1 )
X = 5.06
Distribuio de
A
X quando
H
0
verdadeira
( = 5.18)
Rejeitar H0 No Rejeitar H0
A probabilidade de X
R
ocorrer na zona de rejeio de H
0
(ou seja P X
R

( )
5 06 . dada por:
P X P Z
X
R
R

( )
= =
-

5 06
4 90
0 25
12
5 06 4 90
0 25
12
.
.
.
. .
.
,
com Z sendo uma varivel Normal N 0 1 , ( ).
Executando os clculos, resulta
P Z ( ) = - = 2 217 1 0 98669 . ( ) . b .

CAPTULO 11
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 11.9
Alnea (i)
Apoio 1 (apenas o resultado)
Ao nvel de significncia de 5%, pode afirmar-se que as mquinas A e B tm precises diferentes:
a preciso de A inferior preciso de B.

CAPTULO 11
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 11.9
Alnea (i)
Apoio 2 (sugesto)
A preciso de uma mquina traduz a disperso dos resultados observados em torno do seu valor
esperado. No sentido de confirmar se as mquinas diferem na preciso dever realizar um teste
de razo de varincias de duas populaes, admitindo que so Normais.

CAPTULO 11
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 11.9
Alnea (i)
Apoio 3 (resoluo completa)
Sejam,
X
A
: dimetro do veio registado pela mquina A
X
B
: dimetro do veio registado pela mquina B.
O teste preciso das mquinas equivale a um teste s varincias. Para tal, pressupe-se que
os dimetros dos veios produzidos pelas mquinas A e B seguem distribuies Normais.
Formulao de hipteses de teste razo de varincias (teste F):
H
A B 0
2 2
: s s =
H
A B 1
2 2
: s s .
Quando H
0
verdadeira, a estatstica de teste
ET
S
S
A
B
=
2
2
segue a distribuio F
N N
A B
- - 1 1 ,
.
Substituindo,
ET F = = > = ( ) =
12 7
4 7
2 70 0 05 1 3457
131 119
.
.
. . * .
,


a
* Nota: apesar de o teste ser bilateral, pode usar-se o valor de = 0.05 (e realizar o teste
direita, se o critrio utilizado na formulao da estatstica de teste for o de fixar, a priori,
que no numerador se coloca o maior dos dois valores, s
A
2
ou s
B
2
. De facto, se H
0
for verdadeira,
em 50% dos casos constar no numerador s
A
2
e, nos outros 50%, s
B
2
.
A hiptese nula da igualdade das varincias rejeitada. Ao nvel de significncia de 5%,
pode concluir-se que as mquinas A e B tm precises diferentes: neste caso, a preciso de A
inferior preciso de B.

CAPTULO 11
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 11.9
Alnea (ii)
Apoio 1 (apenas o resultado)
No h evidncia estatstica de que as propores de veios defeituosos provenientes das mquinas
A e B sejam significativamente diferentes.

CAPTULO 11
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 11.9
Alnea (ii)
Apoio 2 (sugesto)
Dever realizar um teste diferena entre duas propores binomiais (amostras de grandes
dimenses).

CAPTULO 11
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 11.9
Alnea (ii)
Apoio 3 (resoluo completa)
Sejam,
p
A
e p
B
: propores de veios defeituosos respectivamente nas
populaes A (veios produzidos pela mquina A) e B
(veios produzidos pela mquina B)
N
A
e N
B
: dimenses das amostras de A e de B
Y
A
e Y
B
: nmero de veios defeituosos nas amostras de A e de B.
Admite-se que as amostras, de grandes dimenses, so independentes.
O teste diferena entre as propores binomiais contempla as seguintes hipteses:
H p p
A B 0
: =
H p p
A B 1
: .
Note-se que, se H
0
for verdadeira, ento p
A
= p
B
= p. Combinando as duas propores amostrais
obtm-se a melhor estimativa possvel de p:
. p
Y Y
N N
A B
A B
=
+
+
=
+
+
=
15 7
132 120
0 0873.
A estimativa do desvio padro de p resulta assim:
s
p p
N
p p
N
p
A B


. . . .
=
- ( )
+
- ( )
=

+

1 1
0 0873 0 9127
132
0 0873 0 9127
1120
0 03560 = . .
CAPTULO 11
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Por outro lado, como as amostras so de grandes dimenses, se H
0
for verdadeira, a estatstica
de teste segue uma distribuio N(0,1) e toma a forma seguinte:
ET
Y
N
Y
N
s
A
A
B
B
p
=
-

.
Substituindo, resulta
ET =
-
=
15
132
7
120
0 03560
1 553
.
. .
Adoptando = 5%, vem
ET Z = < = ( ) = 1 553 2 0 025 1 96 . / . . . a
Realizando o mesmo teste, mas fazendo a = 10%, resulta
ET Z = < = ( ) = 1 553 2 0 05 1 645 . / . . . a
Pode assim concluir-se que, quer ao nvel de significncia de 5% quer mesmo ao de 10%,
H
0
no rejeitada (isto , no h evidncia de que as propores de veios defeituosos provenientes
das duas mquinas sejam significativamente diferentes).

CAPTULO 11
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 11.10
Alnea (i)
Apoio 1 (apenas o resultado)
m
[ ]
194 45 197 55 . , . com 95% de confiana.

CAPTULO 11
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 11.10
Alnea (i)
Apoio 2 (sugesto)
Admita que a dimenso da amostra suficiente para garantir que a mdia amostral, X, segue,
aproximadamente, uma distribuio Normal, independentemente da distribuio da varivel X,
que representa o peso da castanha de caju contido em cada embalagem.

CAPTULO 11
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 11.10
Alnea (i)
Apoio 3 (resoluo completa)
Sejam,
X: peso da castanha de caj includo numa embalagem
N = 35
x g =196
s
2 2
20 47 4 52 = = . .
Admite-se que a varivel X possui uma distribuio unimodal no muito assimtrica e, assim,
a varivel X obtida a partir de amostras com N = 35 segue aproximadamente uma distribuio
Normal.
O Intervalo de confiana bilateral a 95% para
X
:
X t
S
N
= ( )
34
0 025 a . .
Substituindo (com t
34
(0.025) = 2.034), resulta
196 2 034
4 52
35
.
.
196 1 55 . ,
donde
m
X

[ ]
194 45 197 55 . , . , com 95% de confiana.

CAPTULO 11
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 11.10
Alnea (ii)
Apoio 1 (apenas o resultado)
O departamento de controlo de qualidade tem razo quanto desonestidade do fornecedor.
CAPTULO 11
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 11.10
Alnea (ii)
Apoio 2 (sugesto)
Est-se perante um teste ao valor esperado de uma populao. O teste unilateral esquerda,
uma vez que o departamento de controlo de qualidade desconfia que, devido desonestidade do
fornecedor, o peso do contedo das embalagens , em mdia, inferior a 200 gramas (concen-
trando-se a regio de rejeio na cauda esquerda da distribuio da estatstica de teste). O intervalo
de confiana correspondente dever ser unilateral, aberto esquerda e fechado direita.

CAPTULO 11
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 11.10
Alnea (ii)
Apoio 3 (resoluo completa)
Formulao das hipteses de teste:
H
0
200 : m =
H
1
200 : m < .
O intervalo de confiana que permite testar estas hipteses dever ser unilateral, aberto
esquerda e fechado direita, com (1 ) = 95%. Assim,
m a - + = ( )

, . X t
S
N
34
0 05
ou
< X t
S
N
+ = ( )

34
0 05 a . com 95% de confiana.
Consultando a Tabela 5 pode verificar-se que t
34
(0.05) = 1.691. Substituindo resulta
196 1 691
4 52
35
197 29 + = .
.
. .
Ou seja,
197.29, com 95% de confiana
O valor estipulado em H
0
( = 200) no pertence ao intervalo de confiana, o que permite
(ao nvel de significncia = 5%) rejeitar aquela hiptese. Mais ainda, pode afirmar-se (com
95% de confiana) que o valor esperado do peso da castanha de caj includa nas embalagens
inferior 197.29 gramas. O departamento de controlo de qualidade tinha razo quanto deso-
nestidade do fornecedor.

CAPTULO 12
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Captulo 12
Captulos

Problemas
12.1 12.2 12.3 12.4 12.5 12.6 12.7 12.8 12.9 12.10
Apoio 1
(apenas o resultado)
Apoio 2
(sugesto)
Apoio 3
(resoluo completa)
CAPTULO 12
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 12.1
Apoio 1 (apenas o resultado)
A embalagem influencia a deciso de compra feita pelas donas-de-casa.

CAPTULO 12
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 12.1
Apoio 2 (sugesto)
Parece razovel admitir que as donas-de-casa, se forem indiferentes s embalagens, devero ter
um comportamento compra de idntico perante todas elas. Efectue o teste Qui-Quadrado de
Qualidade de Ajuste de uma amostra a uma distribuio terica (neste caso, a distribuio
Uniforme discreta).

CAPTULO 12
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 12.1
Apoio 3 (resoluo completa)
Efectua-se de seguida o teste do Qui-Quadrado de Qualidade de Ajuste de uma amostra a uma
distribuio terica. Este teste baseia-se na comparao da distribuio dos dados amostrais
com a distribuio terica qual se supe pertencer a amostra. No caso de no serem influenciadas
pelas embalagens, as preferncias das donas-decasa devero ter um comportamento idntico de
compra perante todas elas. Por este motivo, a distribuio terica referida dever ser a Uniforme
discreta.
Admitindo que a amostra aleatria e de dimenso suficiente efectua-se o teste do c
2
(notar
que, neste caso, o teste K-S no se deve aplicar, pois os dados so qualitativos e, em particular,
expressos numa escala nominal).
Formulao das hipteses do teste:
H
0
: As vendas distribuem-se igualmente pelas diferentes embalagens
H
1
: As vendas distribuem-se diferentemente pelas diferentes embalagens.
A estatstica de teste
ET Q
N e
e
k k
k
k
K
= =
-
( )
=

2
1
,
com
e
k
: frequncia esperada
N
k
: frequncia observada na amostra.
Quando H
0
verdadeira, ET seguir uma distribuio c
GL
2
, em que GL K R = - ( ) - 1 (onde K
representa o nmero de classes e R o nmero de parmetros da distribuio populacional estimados
a partir da amostra). Neste problema K = 5 e no necessrio estimar qualquer parmetro. Isto
, R = 0. Assim,
GL = - ( ) - = 5 1 0 4 .
CAPTULO 12
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
O clculo da ET ser efectuado com auxlio da tabela seguinte:
Embalagens Freq. observada ( )
k
N Freq. esperada ( )
0 k
H e
( )
2
k k
k
N e
e


A 132 123.8 0.54
B 74 123.8 20.03
C 120 123.8 0.12
D 131 123.8 0.42
E 163 123.8 11.79

619
k
N

619
k
e

32.9 ET


Note-se que nenhuma frequncia esperada inferior a 5. Pode assim afirmar-se que a amostra
suficientemente grande para se efectuar o teste com segurana, ou seja que a estatstica Q
segue de perto a distribuio c
4
2
.
Ora (ver figura seguinte), ET = > = ( ) = 32 9 0 05 9 49
4
2
. . . c a .
( ) 49 . 9 05 . 0
2
4
=
_

Rejeitar H0 No Rejeitar H0
Nestas condies, a hiptese H
0
rejeitada, ou seja, conclui-se, ao nvel de significncia de
5%, que a embalagem influencia a deciso de compra feita pelas donas-de-casa.

CAPTULO 12
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 12.2
Apoio 1 (apenas o resultado)
plausvel que a distribuio em causa seja a de Poisson (com l =1 5 . ).

CAPTULO 12
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 12.2
Apoio 2 (sugesto)
Comece-se por estimar a taxa mdia de ausncias por voo. Efectue-se o teste QuiQuadrado de
Qualidade de Ajuste de uma amostra a uma distribuio de Poisson com parmetro igual a essa
taxa mdia estimada. Uma vez que a frequncia esperada nalgumas classes inferior a 5 e
k
<
( )
5 ,
conveniente agregarem-se classes adjacentes de forma a obter novas categorias que satisfaam
a condio e
k
5.

CAPTULO 12
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 12.2
Apoio 3 (resoluo completa)
Admite-se o pressuposto de que a amostra aleatria e tem dimenso suficiente para efectuar o
teste do c
2
(notar que o teste K-S no se deve aplicar pois os dados so discretos a aproximao
contnua seria, neste caso, muito grosseira).
Estimativa do parmetro l da distribuio de Poisson:

. . l = =
+ + + + + + ( )
= Y
21 0 36 1 23 2 13 3 4 4 2 5 1 6
100
1 53
Formulao das hipteses do teste:
H
0
: a distribuio do nmero de ausncias por voo de Poisson (1.5)
H
1
: a distribuio do nmero de ausncias por voo no Poisson (1.5).
Seja,
e
k
: frequncia esperada na classe k
N
k
: frequncia observada na amostra na classe k.
A estatstica de teste
ET Q
N e
e
k k
k
k
K
= =
-
( )
=

2
1
que, quando H
0
verdadeira segue, aproximadamente, uma distribuio c
GL
2
.
CAPTULO 12
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
O clculo da ET ser efectuado com auxlio da tabela seguinte:
N. de ausncias Freq. Observada( )
k
N
Freq.esperada
( )
0
1.5
k
e H ? =
( )
2
k k
k
N e
e


0 21 22.3 0.076
1 36 33.5 0.187
2 23 25.1 0.176
3 13 12.6 0.013
4
5 4/ 5/ 6
6


4
2 7
1


4.7
1.4 6.5
0.4


0.038
100
k
N

100.0
k
e


0.490 ET Q Z
Sendo H
0
verdadeira, a estatstica Q ter uma distribuio tanto mais prxima da distribuio
c
K R - - 1
2
quanto maior for a dimenso da amostra e maiores forem os nmeros de observaes
esperadas nas diferentes classes e
k
. A seguinte regra prtica permite utilizar este teste com con-
fiana:
dimenso da amostra no inferior a 30 N ( ) 30
frequncia esperada em cada classe no inferior a 5 e
k

( )
5 .
Visto que a frequncia esperada em algumas classes (k = 4, 5 e 6) inferior a 5 e
k

( )
5 ,
conveniente agregar-se classes adjacentes, de forma a obter uma nova categoria que satisfaa
aquela condio.
Neste caso, o nmero de graus de liberdade toma o valor 3 dado que o nmero de classes
de 5 e foi estimado um parmetro da distribuio populacional a partir da amostra:
GL K R GL = - ( ) - = - ( ) - = 1 5 1 1 3.
CAPTULO 12
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Nestas condies,
ET = < = ( ) = = ( ) =
- -
0 49 0 05 0 05 7 81
5 1 1
2
3
2
. . . . c a c a (ver figura seguinte).
49 . 0 = ET
81 . 7 ) 05 . 0 (
2
=
_

Rejeitar H0
No Rejeitar H0
A hiptese H
0
no rejeitada ao nvel de significncia de 5%, sendo plausvel que a distribuio
em causa seja Poisson (l =1 5 . ).

CAPTULO 12
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 12.3
Apoio 1 (apenas o resultado)
plausvel a hiptese de que a distribuio dos atrasos pode ser aproximada por uma
Normal.

CAPTULO 12
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 12.3
Apoio 2 (sugesto)
Efectue um teste K-S de Qualidade de Ajuste de uma amostra a uma distribuio Normal. Uma
vez que os parmetros populacionais so estimados a partir dos dados amostrais, dever recorrer
verso H. Lilliefors.

CAPTULO 12
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 12.3
Apoio 3 (resoluo completa)
Seja X a varivel que representa o atraso (desvio entre o tempo planeado para uma determinada
operao de montagem numa linha de produo e o tempo efectivamente gasto, em segundos).
Estimativas do valor esperado e do desvio padro dos atrasos:
x
N
x
i
= =

1
44 55 .
s
N
x x s
i
2
2
2
1
1
71 92 71 92 =
-
-
( )
= =

. . .
Pressupe-se que a populao dos atrasos contnua (trata-se de uma aproximao admissvel,
uma vez que, apesar de os atrasos se expressarem por nmeros inteiros, a mdia e desvio padro
tm valores elevados) e a amostra aleatria. Efectua-se em seguida o teste K-S de qualidade de
Ajuste (verso Lilliefors, dado que e da distribuio Normal so estimados a partir da
amostra).
Formulao das hipteses do teste:
H
0
: a distribuio dos atrasos normal (isto , pode ser aproximada
por uma distribuio Normal)
H
1
: a distribuio dos atrasos no Normal.
A estatstica de teste ento:
ET D = = supremo S x F x ( ) - ( )
0
.
CAPTULO 12
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
O clculo da estatstica D ilustrado na tabela seguinte. Os valores de S x F x ( ) - ( )
0
assinalados com sinal e sinal + foram calculados na vizinhana, respectivamente, esquerda
e direita de cada valor x
n
. O supremo daquela diferena, D, observa-se na vizinhana esquerda
de x
n
= 32 (ou seja, para F x S x
n n 0
32 22 ( ) ( ) = - = ) e toma o valor D = 0 131 . .
n
x ( )
n
S x ( )
0 n
F x ( ) ( )
0 n n
S x F x
122 0.05 0.010
0.010


0.040
+

46 0.10 0.104
0.054

0.004
+
39 0.15 0.123
0.023

0.027
+
38 0.20 0.126
0.024

0.074
+
33 0.25 0.140
0.060

0.110
+
22 0.30 0.377
0.127

0.077
+
32 0.35 0.431
0.131

0.081
+
37 0.40 0.458
0.108

0.058
+
41 0.45 0.480
0.080

0.030
+
47 0.50 0.514
0.064

0.014
+
CAPTULO 12
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
n
x ( )
n
S x ( )
0 n
F x ( ) ( )
0 n n
S x F x
50 0.55 0.530
0.030

0.020
+
53 0.60 0.547
0.003

0.053
+
64 0.65 0.607
0.007

0.043
+
91 0.70 0.741
0.091

0.041
+
102 0.75 0.788
0.088

0.038
+
104 0.80 0.796
0.046

0.004
+
109 0.85 0.815
0.015

0.035
+
112 0.90 0.826
0.024

0.074
+
140 0.95 0.908
0.008

0.042
+
165 1.00 0.953
0.003

0.047
+
CAPTULO 12
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Na figura seguinte representam-se a funo distribuio de X quando H
0
verdadeira, F
0
(x),
e a funo distribuio da amostra, S(x).

0
0.2
0.4
0.6
0.8
1
-125 -75 -25 25 75 125 175
atraso [dias]
S (x)
F
0
(x)
ET = 0.131
O valor crtico que a estatstica D toma para = 5% e N = 20 D
20
( = 0.05) = 0.190 (ver
Tabela 9 do Anexo Tabelas).
Como
ET = 0.131 < D
20
( = 0.05) = 0.190,
H
0
no rejeitada. Assim, plausvel a hiptese de que a distribuio dos atrasos tenha uma
distribuio aproximadamente Normal, com parmetros = 44.55 e s = 71.92.

CAPTULO 12
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 12.4
Apoio 1 (apenas o resultado)
No se pode concluir que a hiptese assumida no relatrio esteja errada.

CAPTULO 12
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 12.4
Apoio 2 (sugesto)
No sendo provvel que a distribuio do prazo de pagamento se aproxime de uma Normal,
dever recorrer a um teste no-paramtrico de localizao de uma populao, nomeadamente ao
teste do Sinal para a mediana da populao.

CAPTULO 12
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 12.4
Apoio 3 (resoluo completa)
Admite-se que a populao aproximadamente contnua e que a amostra aleatria. Na ausncia
de quaisquer pressupostos relativamente forma da distribuio (apenas se admitiu que original-
mente a varivel era contnua, embora tenha sido discretizada pelo facto de a resoluo da unidade
de medida ser de apenas um dia) selecciona-se o teste do sinal para a mediana da populao.
Formulao das hipteses do teste. Do enunciado, pode deduzir-se que a hiptese nula consiste
na mediana da populao ser = 14. No entanto, uma vez que a varivel originalmente contnua,
ser prefervel utilizar = 14.5 em vez de = 14, evitando-se assim eliminar uma observao:
H
0
14 5 : . h =
H
1
14 5 : . h .
A estatstica de teste consiste no nmero Y de observaes na amostra superiores a 14.5.
No caso de H
0
ser verdadeira a varivel Y ter uma distribuio B 10 0 5 , . ( ), cuja funo proba-
bilidade :
p y
y
y y
( ) =


-
10
0 5 0 5
10
. . .
Ora, no caso em estudo, Y = 7.
Assim,
p Y p p p p ( ) = + + + 7 7 8 9 10 ( ) ( ) ( ) ( )

= + + + = 0 1172 0 0439 0 0098 0 0010 0 1719 . . . . . .
O teste bilateral. Nestas condies, o valor de prova, p, 2 17 19 34 38 = . % . %, no
permitindo rejeitar H
0
para qualquer valor razovel do nvel de significncia.
CAPTULO 12
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Note-se que, uma vez que a distribuio da estatstica de teste discreta, o valor de prova
tambm discreto. Na figura seguinte ilustra-se o teste, considerando = 5%. De facto,
p Y ( ) = + = 9 0 0098 0 0010 0 0108 . . .
ou
p Y ( ) = + = 1 0 0098 0 0010 0 0108 . . . .
Por sua vez,
p Y ( ) = + + = 8 0 0439 0 0098 0 0010 0 0547 . . . .
ou
p Y ( ) = + + = 2 0 0439 0 0098 0 0010 0 0547 . . . . .
Assim a regio crtica (de rejeio de H
0
) para a = 5% incluir Y = 0 e Y = 1 esquerda e
Y = 9 e Y = 10, direita.
No rejeitar H
0

Prob. (Y)
(1 o = 95%)
Rejeitar H
0
Rejeitar H
0

CAPTULO 12
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
A concluso a de que H
0
no pode ser rejeitada ao nvel de significncia de 5%. Portanto,
no correcto afirmar que a hiptese assumida no relatrio esteja errada.
Note-se que, no caso de se aceitar que a mdia amostral da varivel Y j seria aproximadamente
Normal para N = 10, faria sentido realizar o teste paramtrico correspondente teste t que
se descreve em seguida.
Formulao das hipteses do teste:
H
0
14 5 : . m =
H
1
14 5 : . m .
A estatstica de teste
ET
X
S
N
=
-14 5 .
,
que, no caso de H
0
ser verdadeira, seguir uma distribuio t
9
.
A mdia e o desvio padro amostrais so, respectivamente, x = 22 1 . e s = 13.4.
Logo,
ET t =
-
= < = ( ) =
22 1 14 5
13 4
10
1 79 0 025 2 262
9
. .
.
. . . a .
Mesmo admitindo a Normalidade de Y a hiptese H
0
no seria rejeitada.

CAPTULO 12
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 12.5
Apoio 1 (apenas o resultado)
A nova frmula permite uma proteco solar mais eficaz.

CAPTULO 12
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 12.5
Apoio 2 (sugesto)
Est-se perante um teste de localizao. Verifique se as amostras so independentes ou
emparelhadas. Se concluir por esta segunda possibilidade, o teste no-paramtrico mais potente
disponvel o de Wilcoxon, que requer que a populao seja contnua e simtrica.

CAPTULO 12
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 12.5
Apoio 3 (resoluo completa)
Trata-se de amostras emparelhadas. O teste no-paramtrico de localizao mais potente o de
Wilcoxon. Seja a diferena relativa entre o grau de queimadura solar com a frmula actual
(FA) e com a frmula nova (FN):
D =
- ( ) FA FN
FA
Pressupe-se que a varivel contnua e simtrica.
Formulao das hipteses de teste:
H
0
0 :h
D
=
H
1
0 :h
D
> (isto , a frmula nova protege mais).
Na tabela seguinte ilustra-se o clculo da estatstica de teste T (T
+
ou T
-
) dada pela soma dos
nmeros de ordem (ordem + ou ordem ):
Colaborador FA FN , , Ordem + Ordem
A 41 37 0.0975 0.0975 6
B 42 39 0.0714 0.0714 3.5
C 48 31 0.3542 0.3542 9
D 38 39 0.0263 0.0263 1
E 38 34 0.1053 0.1053 7
F 45 47 0.0444 0.0444 2
G 21 19 0.0952 0.0952 5
H 28 30 0.0714 0.0714 3.5
I 29 25 0.1379 0.1379 8
J 14 8 0.4286 0.4286 10

5 . 48 =
+
T 5 . 6 =

T
CAPTULO 12
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
A estatstica de teste T (T
+
ou T
-
). Consultando a Tabela 11, verifica-se que, para N = 10,
a probabilidade de T ser maior ou igual a 48.5 (ou de T ser menor ou igual a 6.5) de,
aproximadamente 0.0165 (ou seja, o valor de prova p 0.0165).
Nestas condies, H
0
rejeitada ao nvel de significncia de 5%, isto , a nova frmula
permite uma proteco solar mais eficaz.

CAPTULO 12
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 12.6
Apoio 1 (apenas o resultado)
Ao nvel de significncia de 5%, pode afirmar-se que a inspeco do andar modelo contribui
para a sua valorizao pelos potenciais clientes.

CAPTULO 12
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 12.6
Apoio 2 (sugesto)
Efectue um teste de localizao relativa de duas populaes que no exija a Normalidade (registe
que as amostras tm pequenas dimenses), designadamente o teste de Mann-Whitney-Wilcoxon.
Note que o teste unilateral, pois admite-se que o andar modelo s pode favorecer a valorizao
feita pelos clientes.

CAPTULO 12
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 12.6
Apoio 3 (resoluo completa)
Pressupe-se que as duas distribuies so contnuas e tm a mesma forma, diferindo apenas na
sua localizao, e as duas amostras so independentes. Efectua-se em seguida o teste de Mann-
-Whitney-Wilcoxon (M-W-W) de localizao relativa de duas populaes.
Formulao das hipteses do teste:
H
0
0 : d = ( representa a diferena na localizao da distribuio da varivel
valorizao com inspeco do andar modelo e sem inspeco)
H
1
0 : d > (o teste unilateral direita, pois admite-se que a visita ao andar
modelo s pode favorecer a valorizao feita pelos clientes).
A estatstica de teste corresponde soma dos nmeros de ordem da amostra de menor
dimenso, ET = W. Quando H
0
verdadeira, a estatstica W possui uma distribuio simtrica
centrada em
E W N N
B
( ) = + ( ) 1 2 .
Recorde-se que N
B
denota a dimenso da amostra de menor dimenso, N
A
a da amostra maior
e N = N
A
+ N
B
.
A varincia de W dada por
Var W N N N
A B
( ) = + ( ) 1 12 .
Para N
A
= 15 e N
B
= 12, a distribuio de W pode ser aproximada pela distribuio Normal.
Nestas condies, a estatstica de teste
ET
W N N
N N N
B
A B
=
- + ( )
+ ( )
1 2
1 12
.
CAPTULO 12
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Na tabela seguinte apresentam-se os clculos da estatstica W (soma dos nmeros de ordem
da amostra menor).
N
A
= 15 Ordem N
B
= 12 Ordem
120 1
150 2
155 3
165 4
175 5
180 6
195 7
215 8
220 9
225 10.5
225 10.5
235 12
240 13
255 14
260 15
265 16
270 17
275 18
295 19
300 20
315 21
320 22
325 23
335 24
345 25
355 26
375 27
w = 206.5
Substituindo o valor de w = 206.5 na expresso de estatstica de teste, resulta
ET =
-
=
206 5 168
420
1 878
.
. .
CAPTULO 12
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Recorde-se que quando H
0
verdadeira a estatstica de teste segue uma distribuio N(0,1).
Como ET Z = > = ( ) = 1 878 0 05 1 645 . . . a , rejeita-se H
0
ao nvel de significncia de 5%,
concluindo-se que a inspeco do andar modelo contribui para a valorizao do andar pelos
potenciais clientes.
Nota: o teste paramtrico correspondente ao teste efectuado o teste t, aplicvel se se pudesse
admitir que as duas populaes eram Normais (ou melhor, que as mdias amostrais o eram).
A estatstica deste teste seria:
ET
X X
S
N
S
N
=
-
+
1 2
1
2
1
2
2
2

t
GL
(se m m
1 2
= ).

CAPTULO 12
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 12.7
Apoio 1 (apenas o resultado)
Ao nvel de significncia de 5% pode afirmar-se que o tratamento tem um efeito anticorrosivo.
CAPTULO 12
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 12.7
Apoio 2 (sugesto)
Note que as amostras no so independentes mas sim emparelhadas. Efectue o teste que menos
pressupostos exige relativamente ao tipo e forma das distribuies.

CAPTULO 12
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 12.7
Apoio 3 (resoluo completa)
Admite-se que a populao das diferenas de grau de corroso contnua e as N diferenas
constituem uma amostra aleatria obtida a partir daquela populao.
As amostras no so independentes mas sim emparelhadas. Uma vez que o menos exigente
quanto a pressupostos, selecciona-se o teste do Sinal para a mediana da populao constituda
pelas diferenas positivas e negativas entre os graus de corroso (com e sem tratamento).
Formulao das hipteses do teste:
H p
0
0 5 : . =
H p
1
0 5 : . > (note-se que, uma vez que o tratamento no pode fazer subir o
grau de corroso das superfcies, o teste a realizar unilateral).
A estatstica de teste, ET, corresponde ao nmero de observaes para as quais o grau de
corroso sem tratamento maior do que o com tratamento (poderia ser ao contrrio o nmero
de observaes para as quais o grau de corroso sem tratamento menor mas esta escolha
estaria em contradio com o sentido estabelecido na hiptese alternativa).
Assim,
ET = 15,
Ora, se H
0
for verdadeira, a distribuio de ET ser uma Binomial B(20, 0.5), cuja funo
probabilidade :
p y
y
y y
( ) =


-
20
0 5 0 5
20
. . .
CAPTULO 12
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Assim,
P Y ET p p p p ( ) . . = = ( ) + ( ) + ( ) + + ( ) = < 15 15 16 18 20 0 0207 0 05,
pelo que se rejeita H
0
ao nvel de significncia de 5%. A este nvel de significncia, pode ento
afirmar-se que o tratamento tem um efeito anticorrosivo.
Na figura seguinte ilustra-se o resultado obtido, representando-se a regio de rejeio de H
0
.
Note-se que
P Y p p p ( ) . . = ( ) + ( ) + + ( ) = > 14 14 15 20 0 0577 0 05.
15 = ET

Rejeitar H
0
No Rejeitar H
0
Prob. (Y)
Nota: o teste paramtrico correspondente ao teste efectuado o teste t ao valor esperado de
uma populao Normal, aplicvel caso se puder admitir que as diferenas
D
i
= (grau de corroso sem tratamento grau de corroso com tratamento),
CAPTULO 12
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
ou as diferenas relativas
D D
i
r
i
= / (grau de corroso sem tratamento),
constituem uma amostra aleatria de uma populao Normal. Neste caso as hipteses do teste
seriam
H
0
0 : m
D
=
H
0
0 : m
D
> ,
e a estatstica de teste
ET
S
N
=
D
,
seguiria uma distribuio t
N1
sempre que H
0
fosse verdadeira. O valores de D e de s seriam
calculados, no primeiro caso, a partir das diferenas D
i
e, no segundo, a partir das diferenas
relativas, D
i
r
.

CAPTULO 12
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 12.8
Apoio 1 (apenas o resultado)
A um nvel de significncia muito baixo, possvel afirmar no s que a amostra no aleatria
mas, ainda, que nos ltimos 20 anos se verificaram tendncias perodos de persistente aumento
e/ou diminuio na produo de uvas naquela parcela.

CAPTULO 12
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 12.8
Apoio 2 (sugesto)
Dever efectuar um teste de aleatoriedade para se poder concluir se a amostra aleatria ou,
caso contrrio, se existem tendncias nas observaes. Uma vez que os dados esto expressos
numa escala quantitativa, aplique o teste das Sequncias Ascendentes e Descendentes. Verifique
se o teste bilateral ou unilateral e, se for este o caso, determine qual o sentido.

CAPTULO 12
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 12.8
Apoio 3 (resoluo completa)
Trata-se de um teste de aleatoriedade. Uma vez que os dados so quantitativos o teste apropriado
o das Sequncias Ascendentes e Descendentes.
Formulao das hipteses do teste:
H
0
: A amostra aleatria
H
1
: A amostra no aleatria, pois existem tendncias nas
observaes amostrais (ou seja, o teste unilateral esquerda).
A estatstica de teste consiste no nmero de sequncias V. Recorde-se que uma sequncia
consiste numa sucesso de observaes ordenadas de forma crescente ou decrescente.
Para o clculo de V substituiu-se pelo smbolo + cada observao precedida por uma outra
de valor inferior e pelo smbolo cada observao precedida por uma outra de valor superior.
Procedendo deste modo resulta:
{, +, +, +, +, , , , +, +, +, , , , +, +, +, , +, +}.
Assim, V = 7.
Recorrendo Tabela 14, para N = 20 verifica-se que a probabilidade de a estatstica V tomar
valores menores ou iguais a 7 de 0.0009. Por outras palavras, o valor de prova p = 0,09%.
A hiptese nula assim rejeitada com grande convico, ficando provado que, ao longo dos
ltimos 20 anos, existiram perodos de persistente aumento ou diminuio na produo de uvas
naquela parcela.

CAPTULO 12
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 12.9
Apoio 1 (apenas o resultado)
Ao nvel de significncia de 5%, fica provada a hiptese de que a frequncia s aulas verificada
em turmas prticas est directamente associada percentagem de sucesso dos alunos nelas
matriculados.

CAPTULO 12
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 12.9
Apoio 2 (sugesto)
Est-se perante uma amostra aleatria constituda por pares de observaes expressas em escalas
quantitativas. Admite-se que esta amostra foi retirada de uma populao contnua bivariada,
sobre a qual no se estabelece nenhum pressuposto sobre a sua forma (por exemplo, no se
exige que seja Normal bivariada). Com base no coeficiente de correlao ordinal de Spearman
R
s
, construa um teste unilateral direita para verificar se as variveis esto ou no directamente
associadas (teste de associao relativo Correlao Ordinal de Spearman).

CAPTULO 12
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 12.9
Apoio 3 (resoluo completa)
Sejam,
X: percentagem relativa frequncia s aulas verificada em
12 turmas prticas de um curso de Estatstica
Y: percentagem de sucesso dos alunos matriculados nas turmas prticas
N = 12.
Formulao das hipteses do teste (unilateral direita):
H
0
: A frequncia s aulas em turmas prticas no est associada
percentagem de sucesso dos alunos nelas matriculados
H
1
: A frequncia s aulas em turmas prticas est directamente associada
percentagem de sucesso dos alunos nelas matriculados (isto , alunos
com elevada presena nas aulas prticas tendem a ter maior sucesso
na disciplina).
Estando ordenadas de forma crescente, atribui-se um nmero de ordem s observaes da
varivel X de acordo com a seguinte regra: menor o nmero 1, seguinte o nmero 2 e assim
sucessivamente at N. Procede-se de igual forma para com os valores de Y.
Seja d
n
(com n = 1, 2,, N) a diferena entre os nmeros de ordem de cada par de
observaes x
n
e y
n
. A estatstica de teste baseia-se, justamente, no quadrado daquela diferena,
ou seja, em d
n
2
.
O coeficiente de correlao ordinal de Spearman, R
s
, define-se atravs da expresso:
R
d
N N
s
n
n
N
= -

- ( )
=

1
6
1
2
1
2
.
Este coeficiente constitui a estatstica de teste para analisar H
0
.
CAPTULO 12
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Na tabela seguinte apresentam-se os clculos de d
n
2

.
Turma n. 1 2 3 4 5 6 8 9 10 11 12
N. de ordem (presena) 12 11 10 9 8 7 5.5 5.5 4 3 2 1
N. de ordem (sucesso) 7 12 11 9 10 6 5 8 4 3 1.5 1.5
2
n
d
25 1 1 0 4 1 0.25 6.25 0 0 0.25 0.25

2
n
d

= 39
7
Substituindo os valores respectivos na expresso da estatstica de teste (ou seja, na expresso
de R
s
), vem
R
s
= -

- ( )
= 1
6 39
12 12 1
0 864
2
. .
Na Tabela 15 apresentam-se os valores crticos da cauda direita da distribuio do
coeficiente R
s
quando H
0
verdadeira (ou seja, quando as variveis no esto associadas). Para
N = 12 e = 5%, o valor crtico da estatstica de teste R
s
= 0.497.
Nestas condies, a hiptese nula rejeitada ao nvel de significncia de 5% (com um
valor de prova p < 0.5%). Fica assim provada a hiptese de que a frequncia s aulas em
turmas prticas est directamente associada percentagem de sucesso dos alunos nelas
matriculados.

CAPTULO 12
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 12.10
Apoio 1 (apenas o resultado)
Ao nvel de significncia de 5%, pode afirmar-se que a cidade de origem das donas-de-casa afecta
a sua atitude relativamente ao novo detergente (as variveis no so independentes).

CAPTULO 12
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 12.10
Apoio 2 (sugesto)
A amostra constituda pelos nmeros de observaes (contagens) nas classes (mutuamente
exclusivas e exaustivas) nas quais as variveis Cidade e Opinio se exprimem. Neste caso,
o teste que permite verificar a independncia das duas variveis o do Qui-Quadrado baseado
na Tabela de Contigncia.

CAPTULO 12
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 12.10
Apoio 3 (resoluo completa)
Pretende verificar-se se cidade de origem das donas-de-casa e a sua atitude relativamente a um
novo detergente so variveis independentes. Cada uma destas variveis est classificada em
trs categorias mutuamente exclusivas e exaustivas. A amostra constituda pelos nmeros de
observaes (contagens) nestas classes. Nestas condies, o teste que permite verificar a inde-
pendncia das duas variveis o do Qui-Quadrado baseado na Tabela de Contigncia.
Formulao das hipteses de teste:
H
0
: A cidade de origem das donas-de-casa no afecta a atitude destas
relativamente ao novo detergente (ou seja, as variveis so independentes).
H
1
: A cidade de origem das donas-de-casa afecta a atitude destas relativamente
ao novo detergente (ou seja, as variveis no so independentes).
Note-se que na hiptese alternativa nada se diz quanto ao tipo de relacionamento das variveis
em estudo.
A estatstica do teste de independncia do Qui-quadrado
ET Q
N e
e
ij ij
ij
j
J
i
I
= =
-
( )
= =

2
1 1
,
que quando H
0
verdadeira, segue aproximadamente a distribuio
c
I J - ( ) - ( ) 1 1
2
.
No caso em estudo o nmero de categorias da varivel Cidade I = 3 e o nmero de
categorias da varivel Opinio J = 3, pelo que o nmero de graus de liberdade da estatstica
de teste ser ( ) ( ) 3 1 3 1 4 - - = .
Na tabela seguinte, em cada clula ij apresenta-se entre parntesis curvos o valor da respectiva
frequncia esperada, calculado atravs da expresso
e
N N
N
ij
i j
=


,
CAPTULO 12
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
com
N N
i ij
j

=
=

1
3
: frequncia marginal observada na categoria X
i
N N
j ij
i

=
=

1
3
: frequncia marginal observada na categoria Y
j
e a dimenso da amostra
N N
ij
j i
= =
= =

1
3
1
3
350.
Na mesma tabela, mas entre parnteses rectos, em cada clula apresenta-se tambm o valor de
N e
e
ij ij
ij
-
( )
2
.
Cidade (I)
F P L Total
Favorvel
49 (28.70)
[14.36]
25 (42.27)
[7.06]
34 (37.03)
[0.25]
108
Indiferente
27 (35.34)
[1.97]
68 (52.06)
[4.88]
38 (45.60)
[1.27]
133

A
t
i
t
u
d
e

(
J
)

Desfavorvel
17 (28.96)
[4.94]
44 (42.67)
[0.04]
48 (37.37)
[3.02]
109
Total
93 137 120 350


Q = 37.79

CAPTULO 12
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Verifica-se assim que
= > = ( ) = Q 37 79 0 05 9 49
4
2
. . . . c a
Na figura seguinte ilustra-se este teste

Rejeitar H
0
No Rejeitar H
0
49 . 9 ) 05 . 0 (
2
4
= _
Nestas condies H
0
rejeitada ao nvel de significncia de 5%. Fica assim demonstrado que
a cidade de origem das donas-de-casa afecta a sua atitude relativamente ao novo detergente
(as variveis no so independentes).

CAPTULO 13
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Captulo 13
Captulos

Problemas
13.1 13.2
13.3
(i)
13.3
(ii)
13.4
(i)
13.4
(ii)
13.5
13.6
(i)
13.6
(ii)
13.7
(i)
13.7
(ii)
13.8
13.9
(i)
13.9
(ii)
13.10
Apoio 1
(apenas o
resultado)
Apoio 2
(sugesto)
Apoio 3
(resoluo
completa)
CAPTULO 13
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 13.1
Apoio 1 (apenas o resultado)
Ao nvel de significncia de 5%, o laboratrio I tem, em mdia, um comportamento diferente do
dos outros dois. No significativa a diferena entre os laboratrios II e III.

CAPTULO 13
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 13.1
Apoio 2 (sugesto)
Recorra anlise de varincia com um factor (o laboratrio, ou melhor, o respectivo equipamento)
para saber se os trs laboratrios tm um comportamento distinto em relao aos testes que
efectuaram ao contedo de isobutano no gs. Dado que os laboratrios I, II e III constituem a
totalidade da populao em apreo, recorra ao modelo ANOVA de efeitos fixos.

CAPTULO 13
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 13.1
Apoio 3 (resoluo completa)
Pretende verificar-se se os trs laboratrios tm um comportamento distinto no que respeita aos
testes efectuados ao contedo de isobutano no gs.
Para descrever esta situao, adopta-se um modelo com um factor (o laboratrio, ou melhor,
o respectivo equipamento) de efeitos fixos (note-se que o objectivo o de comparar os trs
laboratrios em causa):
X E E
ij i ij i ij
= + = + + m m a
,
com
E
ij

IN 0
2
,s ( ) ,
onde
i: ndice que designa o grupo de resultados pertencentes ao mesmo laboratrio i = ( ) 1, 2, 3
j: ndice que denota o resultado dentro de cada grupo j J
i
=
( )
1, 2, ...,
m
i
: valor esperado do i-simo laboratrio
m: parmetro global fixo
a
i
: parmetro que corresponde ao efeito do i-simo laboratrio
E
ij
: erro associado j-sima observao do i-simo laboratrio
X
ij
: j-simo resultado do i-simo laboratrio.
O teste de anlise de varincia pode ser especificado do seguinte modo:
H
0 1 2 3
: m m m = = (ou, equivalentemente, a a a
1 2 3
0 = = = )
H
1
: Nem todos os m
i
so iguais (ou, equivalentemente, algum a
i
0 ).
CAPTULO 13
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
A partir dos dados fornecidos construiu-se a seguinte Tabela ANOVA:
Fontes de Variao Variaes (V) GL DQM
Entre grupos (EG) 3.463 2 1.731
Dentro grupos (DG) 4.038 22 0.184
Total (T) 7.501 24
em que a variao total (VT) foi calculada recorrendo expresso
VT X X
ij
j i
= -
( )

2
,
a variao entre grupos (VEG) a
VEG J X X
i i
i
= -
( )

2
e, finalmente, a variao dentro de grupos (VDG) a
VDG X X
ij i
j i
= -
( )

2
.
No caso de H
0
ser verdadeira, a estatstica de teste
ET
DQMEG
DQMDG
=
seguir uma distribuio F
2 22 ,
.
Assim,
ET F = = > = ( ) =
1 731
0 184
9 434 0 05 3 44
2 22
.
.
. . .
,
a ,
pelo que se rejeita H
0
.
CAPTULO 13
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Na figura seguinte representa-se a distribuio de ET/H
0
e a respectiva regio de rejeio.
34 . 3 ) 05 . 0 (
22 , 2
F

Rejeitar H
0
No Rejeitar H
0

Conclui-se assim (com um valor de prova de aproximadamente p = 0.1%) que os laboratrios
tm comportamentos distintos no que diz respeito aos testes ao contedo de isobutano no gs.
Rejeitada a hiptese nula, interessa saber quais os laboratrios que se diferenciam significa-
tivamente entre si. Para responder a esta questo recorre-se ao clculo dos intervalos de confiana
para a diferena entre valores esperados pelo mtodo de Tukey. Este o mtodo apropriado,
j que as amostras so pouco desequilibradas. De facto,
J J
i i
( )
= <
( )
= =
mximo m nimo
10 2 2 7 14.
Os limites dos intervalos de confiana para m m a
i i
i i
1 2
1 2
1 100 -
( )
- ( ) a %so dados por
X X q
DQMDG
J
i i
I GL 1 2
2
- ( )
,
a
,
onde q
I GL ,
2
a ( ) pode ser obtido (por interpolao) na Tabela 16.
Para I = 3, GL
2
= 22 e = 0.05, vem q
3 22
0 05 3 55
,
. . ( ) = .
mnimo mximo
CAPTULO 13
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
O valor de J calculado recorrendo seguinte expresso:
J =
+ +
=
3
1
10
1
7
1
8
8 16 . .
Substituindo, resulta
q
DQMDG
J
I GL ,
.
.
.
.
2
3 55
0 184
8 16
0 533 a ( ) = = .
Na tabela seguinte apresenta-se o conjunto dos intervalos a 95% de confiana para m m
i i
1 2
- ,
tais que X X i i
1 2
0 533 - . .
1
i
2
i
1 2
i i
x x

I II 27.489 28.284 = 0.795
0.795 0.533 1.328, 0.262 1
]
*

I III 27.489 28.214 = 0.725
0.725 0.533 1.258, 0.192 1
]
*

II III 28.284 28.214 = 0.070 0.070 0.533 0.603, 0.463 + 1
]

Intervalos de confiana a 95%
Ficam assim estabelecidas diferenas significativas entre os laboratrios I e II, e I e III, no
sendo significativa a diferena entre os laboratrios II e III (o intervalo inclui o valor zero).
Verificar-se- em seguida a condio de homogeneidade dos erros, recorrendo ao teste de
Bartlett. As hipteses de teste so as seguintes:
H
0 1
2
2
2
3
2
: s s s = =
H
1
: os s
i
2
no so todos iguais.
CAPTULO 13
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
A estatstica de teste :
ET
C
GL S GL S
i i
i
= ( ) -
( )

1
2 2
ln ln
com,
C
I GL GL
i
= +
- ( )
-


1
1
3 1
1 1
.
Nesta expresso
GL J
i i
: -1
GL GL
i
i
:

S
GL
X X
i
i
ij i
j
2
2
1
: -
( )

S
GL
GL S
i i
i
2 2
1
:

.
Quando H
0
verdadeira a estatstica de teste segue uma distribuio c
I -1
2
(registe-se que o
teste unilateral direita).
No caso em estudo vem:
GL
GL
GL
GL GL
i
i
1
2
3
9
6
7
22
=
=
=

= =


CAPTULO 13
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
s
1
2
2 2 2 1
9
27 64 27 49 27 48 27 49 28 14 27 49 = - ( ) + - ( ) + + - ( )

. . . . . .

= 0 3072 .
s
2
2
2 2 2 1
6
28 40 28 28 28 24 28 28 28 45 28 28 = - ( ) + - ( ) + + - ( )

. . . . . .

= 0 0926 .
s
3
2
2 2 2 1
7
28 01 28 21 27 86 28 21 28 43 28 21 = - ( ) + - ( ) + + - ( )

. . . . . .

= 0 1025 .
s s s s
2
1
2
2
2
3
2
1
22
9 6 7 0 1835 = + +
( )
= .
e
C = +
- ( )
+ +

= 1
1
3 3 1
1
9
1
6
1
7
1
22
1 0625 . .
Substituindo estes valores na expresso da estatstica de teste resulta
ET = ( ) - ( ) + ( ) + ( )
1
1 062
22 0 184 9 0 307 6 0 093 7 0 102
.
ln . ln . ln . ln .

{ }
= 3 338 . .
Uma vez que
ET = < ( ) = 3 338 0 05 5 991
2
2
. . . c
H
0
no rejeitada (o valor de prova p = 18.84%).

CAPTULO 13
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 13.2
Apoio 1 (apenas o resultado)
O valor esperado do ndice de qualidade varia de um processo para outro.

CAPTULO 13
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 13.2
Apoio 2 (sugesto)
Recorra anlise de varincia com um factor (o fabrico) para saber se o ndice de qualidade tem
um comportamento diferente de um fabrico para outro. Dado que parece ser mais til caracterizar
a variabilidade de fabrico para fabrico, em geral, do que as diferenas entre apenas os seis
fabricos analisados, recorra o modelo ANOVA de efeitos variveis.

CAPTULO 13
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 13.2
Apoio 3 (resoluo completa)
Seja
X
ij
: ndice de qualidade da j-sima amostra retirada do i-simo fabrico
de um determinado processo de fabrico.
Adoptar-se- o modelo com um factor (o fabrico) e de efeitos variveis j que parece ser
mais til caracterizar a variabilidade de fabrico para fabrico, em geral, do que as diferenas
existentes entre (apenas) os seis fabricos analisados. Assim,
X A E
ij i ij
= + + m
,
com
A
i
IN
A
0
2
, s
( )
e
E
ij

IN 0
2
, s
( )
.
Admite-se ainda que as variveis A
i
e E
ij
so independentes (ou seja, que Cov A E
i ij
,
( )
= 0 ).
O teste em causa contempla as seguintes hipteses:
H
A 0
2
0 : s = (ou A
i
= 0)
H
A 1
2
0 : s > .
A estatstica de teste :
ET
DQMEG
DQMDG
=
,
que, quando H
0
verdadeira, segue uma distribuio F
5 18 ,
.
CAPTULO 13
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Tabela ANOVA correspondente :
Fontes de Variao Variaes (V) GL DQM
Entre grupos (EG)
1177.71 5 235.54
Dentro grupos (DG)
765.25 18 42.51
Total (T)
1942.96 23
Na figura seguinte representa-se a distribuio de ET/H
0
e a respectiva regio de rejeio.
77 . 2 ) 05 . 0 (
18 , 5
F
Rejeitar H
0
No Rejeitar H
0

Calculando a estatstica de teste, resulta
ET F = = > = ( ) =
235 54
42 514
5 54 0 05 2 77
5 18
.
.
. . .
,
a .
Como o valor de ET superior ao valor crtico (2.77), H
0
rejeitada (com um valor de prova
p P ET H =

5 54 0 29
0
. | . %).
Uma vez que H
0
rejeitada, faz sentido estimar a varincia dos efeitos s
A
2
.
CAPTULO 13
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
O estimador de s
A
2
dado por
A
DQMEG DQMDG
h

=
-
,
com
h
J J
J I
i
i
i
i
i
i
=

- ( )
=
-

=
-

2
2
2
1
24 6 16
24 5
576 96
120
== 4.
Assim,

. .
. s
A
2
235 54 42 51
4
48 2 =
-
= .
A varincia residual
2
estimada pelo DQMDG. Ora, DQMDG (ou, se se preferir,

s = DQMDG ) uma estimativa da variabilidade que ocorre nas observaes pertencentes a


uma dada amostra (ou seja, a um dado fabrico). Neste caso, tal valor :

.

. s s
2
42 514 6 52 = = = DQMDG .
Por sua vez, s
A
(ou s
A
2
) mede a variabilidade do valor esperado do ndice de qualidade de
fabrico para fabrico. A estimativa do desvio padro da distribuio de A
i
ento

. . s
A
= = 48 2 6 95.
Pode assim concluir-se que os valores esperados dos ndices de qualidade dos vrios fabricos
tm uma variabilidade semelhante que ocorre nas observaes pertencentes ao mesmo fabrico.
De facto o desvio padro residual,

. s = 6 52, apenas ligeiramente inferior ao desvio padro
dos efeitos que so provocados pela mudana de fabrico,

. s
A
= 6 95.

CAPTULO 13
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 13.3
Alnea (i)
Apoio 1 (apenas o resultado)
Ao nvel de significncia de 5%, pode afirmar-se que o leo Y tem uma longevidade mdia
inferior do W e do X.

CAPTULO 13
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 13.3
Alnea (i)
Apoio 2 (sugesto)
Recorra anlise de varincia com um factor (o tipo de leo) para saber se h diferenas
significativas entre as longevidades mdias. O objectivo parece ser o de comparar apenas os
quatro leos em causa, pelo que dever recorrer ao modelo ANOVA de efeitos fixos. Analise os
resultados construindo os respectivos intervalos simultneos de confiana para os valores espe-
rados das longevidades.

CAPTULO 13
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 13.3
Alnea (i)
Apoio 3 (resoluo completa)
Pretende saber-se se h diferenas significativas entre as longevidades mdias associadas aos
diferentes leos. Para analisar esta situao adopta-se um modelo ANOVA de um factor (o leo)
e efeitos fixos, j que o objectivo o de comparar apenas os quatro leos em causa.
Assim,
X E E
ij i ij i ij
= + = + + m m a
,
em que X
ij
representa o j-simo teste de longevidade do i-simo leo.
Neste modelo, admite-se que os erros E
ij
so independentes e Normais, com valor esperado 0
e varincia
2
.
As hipteses em causa so as seguintes:
H
W X Y Z 0
: m m m m = = = (ou, equivalentemente, a a a a
W X Y Z
= = = = 0 )
H
1
: nem todos os m
i
so iguais.
Recorde-se que a estatstica de teste
ET
DQMEG
DQMDG
=
segue uma distribuio F
3 12 ,
, quando H
0
verdadeira. Adoptando = 5% resulta o valor crtico
F
3 12
0 05 3 49
,
( . ) . = .
CAPTULO 13
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Na figura seguinte representa-se a distribuio de ET/H
0
e a respectiva regio de rejeio.
49 . 3 ) 05 . 0 (
12 , 3
F

Rejeitar H0 No Rejeitar H0
Todas as amostras tm a mesma dimenso (N
W
= N
X
= N
Y
= N
Z
= 4). Na tabela seguinte
apresentam-se alguns clculos intermdios que, neste caso particular, sero teis para a construo
da tabela ANOVA.
leo

Mdia amostral
i
x
Varincia amostral
2
i
s
W 23.75 10.91
X 26.00 12.67
Y 17.50 4.33
Z 20.00 6.67

21.81 x
2
8.645
i
s
De facto, quando todas as amostras tm a mesma dimenso o clculo de DQMDG e de
DQMEG simplifica-se substancialmente:
DQMDG =

s
2 2 2
1
1
= =
=

s
I
s
i i
i
I
,
CAPTULO 13
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
vindo
DQMDG = s
i
2
10 91 12 67 4 33 6 67
4
8 645 =
+ + +
=
. . . ,
. .
Em geral, s
s
X
X
N
2
2
= (ou s s
X
X
N
2 2
= ). Se H
0
for verdadeira, a varincia residual,
2
, pode
assim ser estimada recorrendo expresso:
DQMEG=

s s
2 2
1
2
1
1
= =
-
-
( )

N N
I
X X
X
i
i
I
.
No caso em estudo,
DQMEG = 4
23 75 21 81 20 00 21 81
4 1
57 562
2 2

- ( ) + + - ( )
-

=
. . ... . .
. .
Aps estes clculos, a tabela ANOVA resulta
Fontes de variao Variaes (V) GL DQM
Entre grupos (EG)
172.69 3 57.562
Dentro grupos (DG)
103.74 12 8.645
Total (T)
276.43 15
Como
ET F = = > = ( ) =
57 56
8 64
6 66 0 05 3 49
3 12
.
.
. . .
,
a ,
a hiptese nula dever ser rejeitada. Conclui-se assim (com um valor de prova de aproximada-
mente p = 0.67%) que h diferenas significativas entre as longevidades mdias associadas aos
diferentes leos.
Rejeitada a hiptese nula, interessa saber quais os valores esperados que so significativamente
diferentes uns dos outros. Para responder a esta questo recorre-se ao mtodo de Tukey (uma
vez que as amostras so equilibradas).
CAPTULO 13
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Os limites dos intervalo de confianas para m m a
i i
i i
1 2
1 2
1 100 -
( )
- ( ) a %so dados por
X X q
DQMDG
J
i i
I GL 1 2
2
- ( )
,
a
.
Fazendo
J = 4
DQMDG = 8.64
I = 4
GL
2
= 12
q q
I GL , ,
( ) . .
2
4 12
0 05 4 2 a = ( ) = (ver Tabela 16),
resulta:
x x
i i
1 2
4 20
8 64
4
6 17 -
( )
= .
.
. .
No quadro seguinte apresenta-se o conjunto dos intervalos de confiana para m m
i i
1 2
- , com
X X i i
1 2
6 17 - . .
1
i
2
i
1 2
i i
x x
W X 23.75 26.00 = 2.25 [8.42; 3.92]
W Y 23.75 17.50 = 6.25 [0.08; 12.42]*
W Z 23.75 20.00 = 3.75 [2.42; 9.92]
X Y 26.00 17.50 = 8.50 [2.33; 14.67]*
X Z 26.00 20.00 = 6.00 [0.17; 12.17]
Y Z 17.50 20.00 = 2.50 [8.67; 3.67]
Intervalos de confiana a 95%
Para os intervalos assinalados com um asterisco, que no contm o valor zero, h evidncia
de existirem diferenas significativas entre os valores esperados. Ao nvel de significncia de 5%,
pode afirmar-se que o leo Y tem uma longevidade mdia inferior do W e do X.

CAPTULO 13
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 13.3
Alnea (ii)
Apoio 1 (apenas o resultado)
21.8%.

CAPTULO 13
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 13.3
Alnea (ii)
Apoio 2 (sugesto)
A probabilidade de uma varivel tomar um valor inferior a uma outra equivalente a considerar-se
a probabilidade de uma nova varivel, que resulta da diferena entre as duas anteriores, ser
inferior a zero. Procure caracterizar o estimador desta nova varivel.

CAPTULO 13
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 13.3
Alnea (ii)
Apoio 3 (resoluo completa)
O problema pode caracterizar-se da seguinte forma:
P X X
W Z
<
( )
= ?
Ora,
P X X P X X
W Z W Z
<
( )
= -
( )
<

0
.
Na alnea anterior admitiu-se que os erros E
ij
eram independentes e Normais, com valor
esperado 0 e varincia
2
. Nessas condies, as variveis X
W
e X
Z
, tambm sero normais com
valores esperados
W
e
Z
, respectivamente, e varincia
2
. Recorde-se que DQMDG ,
precisamente, uma estimativa da varincia
2
.
Se X
W
e X
Z
, so normais tambm o ser X X
W Z
-
( )
. Para calcular P X X
W Z
-
( )
<

0 aquela
varivel dever ser padronizada. Note-se que, neste caso, no se conhecem
W
e
Z
, mas sim as
suas estimativas

m
W W
x = e

m
Z Z
x = . Registe-se que a varivel X X X X
W Z W Z
-
( )
- -
( )
ainda
Normal (uma vez que X
W
e X
Z
tambm o so). Nestas condies, a varivel padronizada
X X X X
DQMDG DQMDG DQMDG N DQMDG N
W Z W Z
W Z
-
( )
- -
( )
+ + +
CAPTULO 13
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
seguir uma distribuio t com os mesmos graus de liberdade com que DQMDG foi calculado,
ou seja, com GL
2
= 12. Assim,
P t
X X
DQMDG
W Z
12
0
1 1 1 4 1 4
<
- -
( )
+ + +

=
=
P t
12
23 75 20 00
4 65
<
- - ( )

=
. .
.
= < -
( )
= P t
12
0 806 21 8 . . %.
Note-se que P t P t
12 12
0 806 0 806 < -
( )
= >
( )
. . . Na figura seguinte ilustra-se este clculo.

( ) % 8 . 21 806 . 0
12
= > t P

CAPTULO 13
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 13.4
Alnea (i)
Apoio 1 (apenas o resultado)
O nmero mdio de avarias semanais varia de mquina para mquina.

CAPTULO 13
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 13.4
Alnea (i)
Apoio 2 (sugesto)
Recorra anlise de varincia com um factor (a mquina) para saber se as mquinas que integram
o parque tm um comportamento distinto quanto ao nmero de avarias por semana. Admita a
hiptese de que o nmero de avarias semanais tem uma distribuio que pode ser aproximada por
uma Normal e que as quatro mquinas foram seleccionadas aleatoriamente de entre as que compem
o parque. Ou seja, considere o modelo ANOVA de um factor com efeitos variveis.

CAPTULO 13
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 13.4
Alnea (i)
Apoio 3 (resoluo completa)
A partir de quatro mquinas seleccionadas aleatoriamente, pretende caracterizar-se o compor-
tamento de um parque de cem (quanto ao nmero de avarias por semana). Admita a hiptese de
que o nmero de avarias semanais tem uma distribuio que pode ser aproximada por uma
Normal. Nesta situao, o modelo ANOVA ser de um factor (a mquina) mas com efeitos
variveis. Assim,
X M E A E
ij i ij i ij
= + = + + m
,
com
A
i
IN
A
0
2
, s
( )
E
ij

IN 0
2
, s
( )
e
Cov A E
i ij
,
( )
= 0
Verifique-se a condio de homogeneidade dos erros recorrendo ao teste de Bartlett. As hip-
teses de teste so as seguintes:
H
0 1
2
2
2
3
2
4
2
: s s s s = = =
H
1
: os valores de s
i
2
no so todos iguais.
Recorde-se que a estatstica deste teste
ET
C
GL S GL S
i i
i
= ( ) -
( )

1
2 2
ln ln
CAPTULO 13
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
com,
C
I GL GL
i
= +
- ( )
-

1
1
3 1
1 1
,
em que
GL J
i i
: -1
GL GL
i
i
:

S
GL
X X
i
i
ij i
j
2
2
1
: -
( )

e
S
GL
GL S
i i
i
2 2
1
:

.
No quadro seguinte apresentam-se alguns clculos intermdios.
i
x ( )
2
ij i
x x


Mq. 1 14.4 109.2
Mq. 2 6.4 43.2
Mq. 3 11.2 66.8
Mq. 4 7.4 77.2
9.85 x
296.4


CAPTULO 13
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Prosseguindo os clculos,
GL i
i
= = ( ) 4 1 2 3 4 , , ,
GL = = 4 4 16
s
s
s
s
1
2
2
2
3
2
4
2
109 2
4
27 3
43 2
4
10 8
66 8
4
16 7
77 2
4
19 3
= =
= =
= =
= =
.
.
.
.
.
.
.
.

= ( ) = s
2
1
16
296 4 18 525 . .
C = +
- ( )
-

= 1
1
3 4 1
4
4
1
16
1 104 . .
Finalmente,
ET =
( ) - ( ) + ( ) + ( ) + ( )

16 18 525 4 27 3 10 8 16 7 19 3 ln . ln . ln . ln . ln .
{{ }
=
1 104
0 775
.
. .
Como
ET = < ( ) = 0 775 0 05 7 815
3
2
. . . c ,
a hiptese H
0
no rejeitada.
CAPTULO 13
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Aceitando a hiptese da homogeneidade da varincia, passe-se questo fundamental (a de
saber se as mquinas tm, ou no, um comportamento idntico no que respeita ao valor esperado
do nmero de avarias semanais). A tabela ANOVA correspondente aos dados disponveis
Fontes de variao Variaes (V) GL DQM
Entre grupos (EG) 202.15 3 67.38
Dentro grupos (DG) 296.40 16 18.53
Total (T) 498.55 19
O teste F que ser realizado tem por base as seguintes hipteses:
H
A 0
2
0 : s = (ou A A A A
1 2 3 4
0 = = = = )
H
A 1
2
0 : s > .
A estatstica de teste
ET
DQMEG
DQMDG
=
seguir uma distribuio F
3 16 ,
se H
0
for verdadeira.
Substituindo,
ET F = = > = ( ) =
67 38
18 53
3 637 0 05 3 24
3 16
.
.
. . .
,
a
,
pelo que H
0
rejeitada (com um valor de prova de p 3.6%). Conclui-se assim que o nmero
mdio de avarias semanais varia de mquina para mquina.
CAPTULO 13
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Rejeitada H
0
faz sentido estimar a varincia dos efeitos s
A
2
. O estimador de s
A
2
dado por

, S
A
DQMEG DQMDG
h
=
-
com
h
J J
J I
i
i
i
i
i
i
=

- ( )
=
-

2
2
2
1
20 4 25
20 3
5.
Substituindo, resulta

. .
.

. s s
A A
2
67 38 18 52
5
9 77 3 126 =
-
= = .
Assim, os valores esperados m
i
do nmero de avarias semanais de cada mquina i seguiro
uma distribuio N
A
m s ,
2
( )
, cujos parmetros (estimados) so

. m = = x 9 85 e

. s
A
2
9 77 = .

CAPTULO 13
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 13.4
Alnea (ii)
Apoio 1 (apenas o resultado)
4.07%.

CAPTULO 13
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 13.4
Alnea (ii)
Apoio 2 (sugesto)
Seja X
3j
o nmero de avarias da mquina 3 numa dada semana j. Para calcular a probabilidade
pretendida procure caracterizar a varivel X X
j 3 3
- .

CAPTULO 13
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 13.4
Alnea (ii)
Apoio 3 (resoluo completa)
Recorde-se que, de acordo com o modelo ANOVA com um factor (de efeitos variveis), se admitiu
que X
3j
segue uma distribuio Normal N(
3
,
2
). Para se calcular P(X
3j
> 20), aquela varivel
dever ser padronizada. No entanto, o parmetro
3
desconhecido, possuindo-se apenas a sua
estimativa:

. m
3 3
11 2 = = x .
Assim, a varivel padronizada
X X
j 3 3
1
1
5
-
+

s
,
com

. s
2
18 53 = = DQMDG
(ou

. s = 4 30),
seguir uma distribuio t de student com 16 graus de liberdade (GL
2
= 16).
Finalmente,
P X P
X
t
j
j
3
3
16
20
11 2
4 30 1
1
5
20 11 2
4 71
>
( )
=
-
+
= >
-

.
.
.
.
P t
16
1 86 >
( )
. = 4.07%.

CAPTULO 13
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 13.5
Apoio 1 (apenas o resultado)
Se no for excessivamente caro, devem imprimir-se os dois cartazes, enviando o do anncio L
para as cidades (pequenas e grandes) e o do anncio M para as vilas. Alternativamente, se o
custo for excessivo, imprimir s o do anncio L.

CAPTULO 13
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 13.5
Apoio 2 (sugesto)
Aplique a tcnica de anlise de varincia para o modelo de dois factores anncio (L ou M)
e tipo de aglomerado urbano (cidade grande, pequena e vila) de efeitos fixos (pretende
comparar-se os dois anncios em causa e os 3 tipos referidos de aglomerado urbano).

CAPTULO 13
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 13.5
Apoio 3 (resoluo completa)
O modelo ANOVA a adoptar o de dois factores anncio (L ou M) e tipo de aglomerado
urbano (cidade grande, pequena e vila) de efeitos fixos (pretende comparar-se os dois anncios
em causa e os 3 tipos referidos de aglomerado urbano):
X E
ijk i j ij ijk
= + + + + m a b g ,
com
E
ij

IN 0
2
,s ( ) ,
onde
i :
ndice que denota os dois tipos de anncio (com i = 1 e 2)
j : ndice relativo ao tipo de aglomerado (com j = 1, 2 e 3)
k :
ndice relativo a cada observao dentro de cada clula (i, j)
X
ijk
:
k-sima observao da clula (i, j)
m
ij
:
valor esperado das observaes includas na clula (i, j)
m : parmetro global
a
i
: efeito do factor tipo de anncio (linha)
b
j
:
efeito do factor tipo de aglomerado (coluna)
g
ij
:
interaco entre os dois efeitos.
Na tabela seguinte apresentam-se alguns resultados obtidos a partir dos dados fornecidos.

(j = 1) (j = 2) (j = 3)

Peq. cidade Gr. cidade Vila
(i = 1) L
11
4.4 x
12
4.1 x
13
3.5 x
1
4.0 x
-

(i = 2) M
21
3.0 x
22
2.5 x
23
4.1 x
2
3.2 x
-

1
3.7 x
-

2
3.3 x
-

3
3.8 x
-
3.6 x
--

CAPTULO 13
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Recordem-se as expresses necessrias para se construir a tabela ANOVA respectiva:
VDFL K J X X
i
i
= -
( )

2
VDFC K I X X
j
j
= -
( )

2
VDFI K X X X X
ij i j
j i
= - - +
( )

2
VR X X
ijk ij
k j i
= -
( )

2
VT X X
ijk
k j i
= -
( )

2
Executados os clculos, resulta
Fontes de variao Variaes (V) GL DQM
Factor linha (FL)
( )
2 2
6 3 0.4 0.4 5.76 +
1 5.76
Factor coluna (FC)
( )
2 2 2
6 2 0.1 0.3 0.2 1.68 + +
2 0.84
Interaco (I)
( )
2 2 2 2 2 2
6 0.3 0.3 0.4 0.4 0.7 0.7 8.88 + + + + +
2 4.44
Residual (R) 7.0 4.0 5.0 8.0 5.0 7.0 36.00 + + + + + 30 1.20
Total (T) 5.76 1.68 8.88 36.00 52.32 + + + 35
Comece por testar-se se a interaco entre os factores,
g
ij
, significativa. Para tal recorre-se
ao teste F, cujas hipteses se enunciam em seguida:
H
ij 0
0 : g =
(para todo i e todo j)
H
1
: algumg
ij
0.
CAPTULO 13
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
A estatstica de teste
ET
DQMDI
DQMR
= ,
que, se H
0
for verdadeira, seguir uma distribuio F
2, 30
.
Como
ET F = = > = ( ) =
4 44
1 20
3 70 0 05 3 32
2 30
.
.
. . .
,
a ,
a hiptese nula H
0
rejeitada, ou seja, a interaco entre os factores tipo de aglomerado urbano
e tipo de anncio significativa (ao nvel de significncia de 5%).
Para ajuda a interpretar a situao, os resultados amostrais so ilustrados no diagrama seguinte.

2
2.5
3
3.5
4
4.5
5
Peq. cidade Gr. cidade Vila
L
M
O teste ao factor linha (tipo de anncio) envolve as seguintes hipteses:
H
i 0
0 : a = (para todo i)
H
1
: alguma
i
0.
CAPTULO 13
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
A estatstica de teste
ET
DQMDFL
DQMR
= ,
que, se H
0
for verdadeira, seguir uma distribuio F
1, 30
.
Como
ET F = = > = ( ) =
5 76
1 20
4 80 0 05 4 17
1 30
.
.
. . .
,
a ,
a hiptese nula rejeitada, concluindo-se que o efeito de tipo de anncio significativo (ao
nvel de significncia de 5%).
No que respeita a avaliao do efeito do factor coluna (tipo de aglomerado urbano), a simples
anlise dos valores inscritos na tabela ANOVA permite concluir que no possvel rejeitar a
hiptese de ele ser nulo (note-se que DQMDFC < DQMR).
Observando o diagrama anterior, no parece ser claro isolar o efeito do factor linha (tipo de
anncio). Assim, afigura-se importante testar directamente se h diferenas significativas entre
os pares de valores de m
ij
que diferem no tipo de anncio utilizado. Os testes sero realizados
recorrendo aos intervalos de confiana definidos pelo mtodo de Tukey.
Recorde-se que os limites do intervalo de confiana a 95% para m m
i j i j
1 1 2 2
- so dados por
X X q
DQMR
K
i j i j
IJ GL 1 1 2 2
4
- ( )
,
a .
Como,
I J = 6 e GL I J K
4
1 30 = - ( ) = ,
resulta:
q
DQMR
K
q
IJ GL , ,
.
.
4
6 30
0 05
1 20
6
a ( ) = ( ) = = 4 30
1 20
6
1 92 .
.
. .
CAPTULO 13
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Na tabela seguinte apresentam-se os valores dos intervalos de confiana em causa.
Clula Clula
1 2
i i
x x

1,1 (L, Peq. cidade) 2,1 (M, Peq. cidade) 1.4 [0.52; 3.32]
1,2 (L, Gr. cidade) 2,2 (M, Gr. cidade) 1.6 [0.32; 3.52]
1,3 (L, Vila) 2,3 (M, Vila) 0.6 [2.52; 1.32]
Intervalos de confiana a 95%
Embora no se observem diferenas significativas entre os valores esperados (com = 0.05),
h indcios relativamente firmes de que nas cidades (grandes ou pequenas) o anncio L mais
eficaz (o efeito linha significativo). Poder suceder o contrrio nas vilas (o efeito interaco
significativo).
Dada a necessidade de tomar decises urgentes para a campanha de Vero, farse-o as seguintes
recomendaes:
(i) se no for excessivamente caro, devem imprimir-se os dois cartazes, enviando o do anncio L
para as cidades (pequenas e grandes) e o do anncio M para as vilas;
(ii) alternativamente, se o custo for excessivo, imprimir s o do anncio L;
(iii) em qualquer caso, recolher mais informao para preparar mais convenientemente futuras
decises.

CAPTULO 13
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 13.6
Alnea (i)
Apoio 1 (apenas o resultado)
H interaco significativa (ao nvel de significncia de 5%) entre os factores tipo de resina
e tipo de madeira. Os efeitos de cada factor isolado no so significativos.

CAPTULO 13
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 13.6
Alnea (i)
Apoio 2 (sugesto)
Aplique a tcnica de anlise de varincia recorrendo ao modelo de dois factores (tipo de resina
e tipo de madeira) de efeitos fixos (pretende comparar-se apenas o comportamento dos trs tipos
de resina em causa com os dois tipos de madeira).

CAPTULO 13
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 13.6
Alnea (i)
Apoio 3 (resoluo completa)
Trata-se de avaliar o comportamento dos trs tipos de resina em causa aplicada aos dois tipos de
madeira. Assim, deve recorrer-se ao modelo de dois factores (tipo de resina e tipo de madeira)
de efeitos fixos:
X E
ijk i j ij ijk
= + + + + m a b g
,
assumindo as hipteses habituais sobre os erros.
Na tabela seguinte apresentam-se alguns clculos intermdios efectuados a partir dos dados
fornecidos.

(j = 1) (j = 2)
X Y
(i = 1) A
9, 12, 12
11
11 x
12, 15, 18
12
15 x
1
13 x
-


(i = 2) B
15, 12, 12
21
13 x
14, 15, 16
22
15 x
2
14 x
-


(i = 3) C
20, 17, 17
31
18 x
10, 12, 14
32
12 x
3
15 x
-



1
14 x
-

2
14 x
-
14 x
--

Os clculos referentes aos diversos tipos de variaes so:
VDFL = + + ( ) = 3 2 1 0 1 12
2 2 2
VDFC = + ( ) = 3 3 0 0 0
2 2
CAPTULO 13
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
VDI = - - + ( )

+ - - + ( ) + - - + ( ) + 3 11 14 13 14 15 14 13 14 13 14 14 14
2
2 2
+ - - + ( ) + - - + ( ) + - - + ( )

= = 15 14 14 14 18 14 15 14 12 14 15 14 3 28 84
2 2 2
VR = + + ( ) + + + ( ) + + + ( ) + + + ( ) + + + ( ) + 2 1 1 3 0 3 2 1 1 1 0 1 2 1 1
2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
+ + + ( ) = + + + + + = 2 0 2 6 18 6 2 6 8 46
2 2 2
VT = + + ( ) + + + ( ) + + + ( ) + + + ( ) + + + ( ) + 5 2 2 2 1 4 1 2 2 0 1 2 6 3 3
2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
+ + + ( ) = + + + + + = 4 2 0 33 21 9 5 54 20 142
2 2 2
.
conveniente verificar estes resultados. Ora,
VT VDFL VDFC VDI VR = + + + .
Como 12 + 0 + 84 + 46 = 142, conclui-se que os clculos esto correctos.
Apresenta-se em seguida a respectiva tabela ANOVA.
Fontes de variao Variaes (V) GL DQM
Factor linha (FL) 12 2 6
Factor coluna (FC) 0 1 0
Interaco (I) 84 2 42
Residual (R) 46 12 3.833
Total (T) 142 17
Inicialmente, teste-se a interaco:
H
ij 0
0 : g =
(para todo i e todo j)
H
1
: algum g
ij
0.
CAPTULO 13
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
A estatstica de teste
ET
DQMDI
DQMR
= ,
que, se H
0
for verdadeira, seguir uma distribuio F
2 12 ,
.
Como
ET F = = > = ( ) =
42
3 833
10 96 0 05 3 88
2 12
.
. . .
,
a ,
a hiptese nula rejeitada (com um valor de prova muito baixo).
Para ajudar a interpretar a situao, no diagrama seguinte ilustram-se os resultados amostrais.
De facto, a figura sugere que no far sentido testar individualmente os efeitos a
i
e b
j
, uma vez
que, a existirem, estariam escondidos ou confundidos com a interaco (que tm uma grande
magnitude).

10
15
A B C
X
Y
ij

Pode assim concluir-se que os trs tipos de resina tm comportamentos distintos consoante
forem aplicados a um tipo de madeira ou a outro.

CAPTULO 13
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 13.6
Alnea (ii)
Apoio 1 (apenas o resultado)
Com uma confiana de 95%, apenas so significativas as diferenas entre os valores esperados
dos seguintes dois pares de clulas:
m m
CX AX
-
[ ]
1 63 12 37 . , . e m m
CX CY
-
[ ]
0 63 11 37 . , . .

CAPTULO 13
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 13.6
Alnea (ii)
Apoio 2 (sugesto)
Uma vez que se est perante amostras equilibradas, dever recorrer ao mtodo de Tukey na definio
de intervalos de confiana para as diferenas entre os valores esperados das clulas.

CAPTULO 13
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 13.6
Alnea (ii)
Apoio 3 (resoluo completa)
Uma vez que se est perante amostras equilibradas, o mtodo de Tukey ser utilizado na definio
de intervalos de confiana para as diferenas entre os valores esperados das clulas. Tais intervalos
de confiana a 1 100 95 - ( ) = a % % so definidos pela expresso seguinte:
x x q
DQMR
K
i j i j I J GL
1 1 2 2 4
-
( )

,
( ) a
.
Como,
I J = 6
,
GL I J K
4
1 12 = - ( ) =
e
q
6 12
0 05 4 75
,
. . ( ) = ,
resulta:
q
DQMR
K
6 12
0 05 4 75
3 833
3
5 37
,
. .
.
. ( ) = = .
CAPTULO 13
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Na tabela seguinte apresentam-se os 15 intervalos de confiana referentes s diferenas entre
os valores esperados das clulas.
Clulas
2 1
i i
x x Intervalos de confiana a 95%
(C, X); (A, X) 18 11 = 7 [1.63; 12.37]*
(C, X); (B, X) 18 13 = 5 [0.37; 10.37]
(B, X); (A, X) 13 11 = 2 [3.37; 7.37]
(C, Y); (A, Y) 12 15 = 3 [8.37; 2.37]
(C, Y); (B, Y) 12 15 = 3 [8.37; 2.37]
(B, Y); (A, Y) 15 15 = 0 [5.37; 5.37]
(A, X); (A, Y) 11 15 = 4 [9.37; 1.37]
(B, X); (B, Y) 13 15 = 2 [7.37; 3.37]
(C, X); (C, Y) 18 12 = 6 [0,63; 11.37]*
(A, X); (B, Y) 11 15 = 4 [9.37; 1.37]
(A, X); (C, Y) 11 12 = 1 [6.37; 4.37]
(B, X); (A, Y) 13 15 = 2 [7.37; 3.37]
(B, X); (C, Y) 13 12 = 1 [4.37; 6.37]
(C, X); (B, Y) 18 15 = 3 [2.37; 8.37]
(C, X); (A, Y) 18 15 = 3 [2.37; 8.37]
* diferena significativa ao nvel de significncia de 5%.
Os nicos intervalos que no contm o valor zero so os referentes s diferenas dos valores
esperados entre os pares de clulas (C, X), (A, X) e (C, X), (C, Y).

CAPTULO 13
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 13.7
Alnea (i)
Apoio 1 (apenas o resultado)
Apenas significativo na classificao o efeito do factor disciplina.

CAPTULO 13
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 13.7
Alnea (i)
Apoio 2 (sugesto)
Aplique a tcnica de anlise de varincia a uma situao em que esto presentes dois factores
(turma e disciplina) com efeitos variveis (escolheram-se ao acaso duas turmas e trs dis-
ciplinas de entre vrias alternativas).

CAPTULO 13
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 13.7
Alnea (i)
Apoio 3 (resoluo completa)
O modelo ANOVA em causa o de dois factores (turma e disciplina) com efeitos variveis
(escolheram-se ao acaso duas turmas e trs disciplinas entre vrias alternativas):
X A B C E
ijk i j ij ijk
= + + + + m
,
no qual se admite que
A
i
IN
A
0
2
, s
( )
B
j

IN
B
0
2
, s
( )
C
ij

IN
C
0
2
, s
( )
E
ijk

IN 0
2
, s ( )
e ainda que A B C E
i j ij ijk
, , e so mutuamente independentes.
No caso vertente, o factor linha tem dois nveis,
i = 1 Turma A
i = 2 Turma B
e, por sua vez, o factor coluna possui os trs nveis seguintes:
j = 1 Disciplina X
j = 2 Disciplina Y
j = 3 Disciplina Z.
CAPTULO 13
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Na tabela seguinte apresentam-se alguns clculos intermdios efectuados a partir dos dados
amostrais.

(j = 1) (j = 2) (j = 3)
X Y Z
(i = 1) A 11
12.75 x
12
14.25 x
13
11.50 x
1
12.833 x
-

(i = 2) B 21
12.25 x
22
14.75 x
23
11.75 x
2
12.917 x
-

1
12.50 x
-

2
14.50 x
-

3
11.625 x
-
12.875 x
--

As expresses utilizadas no clculo das variaes so:
VT X X
ijk
k j i
= -
( )

2
VDFL K J X X
i
i
= -
( )

2
VDFC K I X X
j
j
= -
( )

2
VDFI K X X X X
ij i j
j i
= - - +
( )

2
VR X X
ijk ij
k j i
= -
( )

2
.
CAPTULO 13
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Na seguinte tabela ANOVA resumem-se os resultados:
Fontes de variao Variaes (V) GL DQM Valores esperados
Factor linha (FL) 0.042 1 0.042
2 2 2
4 12
C A
o + +
Factor coluna (FC) 34.750 2 17.375
2 2 2
4 6
C B
o + +
Interaco (I) 1.083 2 0.542
2 2
4
C
o +
Residual (R) 56.750 18 3.153
2
o
Total (T) 92.625 23
o o
o o
o
8
conveniente verificar os clculos a partir da expresso:
VT VDFL VDFC VDI VR = + + + .
De facto, verifica-se que
VT = 96.265 = 0.042 + 34.750 + 1.083 + 56.750.
Em primeiro lugar, testa-se se a varincia da interaco significativa:
H
C 0
2
0 : s =
H
C 1
2
0 : s > .
A estatstica de teste
ET
DQMDI
DQMR
= ,
seguir uma distribuio F
2 8 , 1
se H
0
for verdadeira.
CAPTULO 13
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Como
ET F = = << = ( ) =
0 542
3 153
0 172 0 05 3 55
2 18
.
.
. . .
,
a ,
a hiptese nula no rejeitada.
Admitindo que s
C
2
0 = , ento tanto o DQMDI como o DQMR sero estimativas da varincia
residual (pois E DQMDI ( ) =s
2
e tambm E DQMR ( ) =s
2
). Neste caso, pode obter-se uma
melhor estimativa de
2
atravs de:

. .
. s
2
2 18
20
2 0 542 18 3 153
20
2 89 =
+
=
+
=
DQMDI DQMR

(resultando

. s =1 70).
O teste ao factor linha assenta nas seguintes hipteses:
H
A 0
2
0 : s =
H
A 1
2
0 : s > .
A estatstica de teste agora
ET
DQMDFL
=

s
.
Se H
0
for verdadeira, ET seguir uma distribuio F
1, 20
.
Como
ET
DQMDFL
F = = = << = ( ) =

.
.
. . .
,
s
a
2
1 20
0 042
2 892
0 0145 0 05 4 35 ,
a hiptese nula no rejeitada.
CAPTULO 13
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Teste-se agora o factor coluna:
H
B 0
2
0 : s =
H
B 1
2
0 : s > .
Se H
0
for verdadeira, a estatstica de teste
ET
DQMDFC
=

s
seguir uma distribuio F
2, 20
.
Como
ET
DQMDFL
F = = = > = ( ) =

.
.
. . .
,
s
a
2
2 20
17 375
2 892
6 01 0 05 3 49 ,
H
0
rejeitada.
Conclui-se assim que apenas significativo o efeito do factor coluna (disciplina). Tal efeito
traduz-se na variabilidade dos valores esperados das classificaes, cuja magnitude (em termos
de varincia) se estima por

/ s s
B
DQMDFC KI
2 2
= -
( )
= 17 375 2 892 8 1 810 . . / . - ( ) = (ou

. s =1 345 ).

CAPTULO 13
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 13.7
Alnea (ii)
Apoio 1 (apenas o resultado)
22.11%.

CAPTULO 13
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 13.7
Alnea (ii)
Apoio 2 (sugesto)
Uma vez que o factor turma no significativo, indiferente que um dos alunos pertena
turma A e o outro turma B. Neste caso, podem juntar-se as observaes das duas turmas (por
disciplina). A probabilidade de um aluno (da turma A ou B) ter na disciplina X uma classificao
superior que obtida por outro aluno (da turma A ou B) na disciplina Y, equivalente a
considerar a probabilidade de varivel que resulta da diferena entre as duas classificaes ser
superior a zero. Procure caracterizar esta nova varivel.

CAPTULO 13
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 13.7
Alnea (ii)
Apoio 3 (resoluo completa)
Uma vez que o factor turma no significativo, indiferente que um dos alunos pertena
turma A e o outro turma B. Neste caso, podem juntar-se as observaes referentes s duas
turmas (por disciplina). Seja
C
X
: classificao de um aluno na disciplina X (quer pertena turma A, quer B).
C
Y
: classificao de um aluno na disciplina Y (quer pertena turma A, quer B).
C C
X Y
e : classificaes mdias nas disciplinas X e Y (quando se consideram as obser-
vaes relativas s duas turmas A e B)
C X
X
= =
1
12 50 .
C X
Y
= =
2
14 50 . .
Nestas condies,
P C C P C C
X Y X Y
>
( )
= - >
( )
0 .
CAPTULO 13
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Padronizando a varivel C C
X Y
- , o clculo daquela probabilidade vem (note-se que no se
conhecem os valores esperado de C
X
e de C
Y
mas apenas as respectivas estimativas):
P
C C C C C C
X Y X Y Y X
( ) ( ) - - -
+
( )
+ +
( )
>
+ -
+ ( ) + +
( )

s s
s s
s
8 8
0
1 1
1
8
1
8


= P t
20
14 5 12 5
1 70 2 25
>
-

. .
. .

= P t
20
2
2 55
0 784 > =

.
. .
Finalmente, P(t
20
> 0.744) = 22.11%.
Este valor corresponde probabilidade de um aluno (da turma A ou B) ter uma classificao
na disciplina X superior classificao que qualquer outro aluno obtm na disciplina Y.

CAPTULO 13
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 13.8
Apoio 1 (apenas o resultado)
A interaco entre os montantes em dvida e o tipo de procedimento no significativa. O
procedimento C mais eficaz do que o procedimento B e, por sua vez, este mais eficaz do que
o procedimento A.

CAPTULO 13
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 13.8
Apoio 2 (sugesto)
Adopte o modelo ANOVA de dois factores, de efeitos fixos. Dever testar sucessivamente se a
interaco entre os dois factores significativa e se so significativamente diferentes de zero os
efeitos dos factores linha (montante em dvida) e coluna (procedimento).

CAPTULO 13
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 13.8
Apoio 3 (resoluo completa)
Adoptar-se- o modelo ANOVA de dois factores, com efeitos fixos:
X E
ijk i j ij ijk
= + + + + m a b g
,
em que se assume que os erros E
ijk
sero independentes e Normais, com mdia zero e
varincia
2
.
Na tabela seguinte apresentam-se alguns clculos intermdios efectuados a partir dos dados
amostrais.
(j = 1) (j = 2) (j = 3)
A B C
(i = 1)
< 150 11
35 x
12
46 x
13
48 x
1
43 x
-

(i = 2)
150-250 21
30 x
22
42 x
23
48 x
2
40 x
-

(i = 3) > 250 31
31 x
32
38 x
33
42 x
3
37 x
-

1
32 x
-

2
42 x
-

3
46 x
-
40 x
--

No diagrama seguinte ilustram-se os valores mdios das percentagens de clientes que saldaram
as suas contas (no perodo de quinze dias aps a expedio da carta) para os diferentes nveis
dos dois factores. Aparentemente, o factor procedimento ser significativo.
20
35
50
< 150 150-250 > 250
A
B
C
[%]
CAPTULO 13
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Efectuam-se em seguida os clculos necessrios para construir a tabela ANOVA.
VDFL = + + ( ) = 2 3 3 0 3 108
2 2 2
VDFC = + + ( ) = 2 3 8 2 6 624
2 2 2
VDI = + + + + + + + + ( ) = 2 0 1 1 2 0 2 2 1 1 32
2 2 2 2 2 2 2 2 2
VR = + + + + + + + + + + + + + + + + 2 2 1 1 3 3 1 1 2 2 0 0 3 3 0 0
2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2

+ + = 2 2 64
2 2
VT = + + + + + + + + + + + + + + + 3 7 5 7 5 11 9 11 0 4 8 8 12 6 2
2 2 2 2 2 2 2 2 2 2 2 2 2 2 2

+ + + = 2 4 0 828
2 2 2
.
Verificao:
VT VDFL VDFC VDI VR = + + +
VT = = + + + = 828 108 624 32 64 828
.
A tabela ANOVA resulta ento:
Fontes de variao Variaes (V) GL DQM
Factor linha (FL) 108 2 54
Factor coluna (FC) 624 2 312
Interaco (I) 32 4 8
Residual (R) 64 9 7.1
Total (T) 828 17
Comece por testar-se a interaco:
H
ij 0
0 : g =
(para todo i e todo j)
H
1
: algum g
ij
0
CAPTULO 13
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
A estatstica de teste
ET
DQMDI
DQMR
= ,
que, se H
0
for verdadeira, seguir uma distribuio F
4 9 ,
.
Como
ET F = = < = ( ) =
8
7 1
1 125 0 05 3 63
4 9
.
. . .
,
a ,
a hiptese nula no rejeitada, ou seja, ao nvel de significncia de 5% a interaco no
significativa.
Antes de testar o factor linha (montante em dvida) e uma vez que a evidncia aponta no
sentido de a interaco no ser significativa (ver diagrama anterior), possvel melhorar a
estimativa de
2
:

.
. . s
2
4 9
13
4 8 9 7 1
13
7 38 =
+
=
+
=
DQMDI DQMR
O teste ao factor linha (tipo de anncio) envolve as seguintes hipteses:
H
i 0
0 : a = (para todo i)
H
1
: algum a
i
0.
A estatstica de teste
ET
DQMFL
=

s
2
que, se H
0
verdadeira, seguir uma distribuio F
2 13 ,
.
Como
ET F = = > = ( ) =
54
7 38
7 317 0 05 3 81
2 13
.
. . .
,
a
a hiptese nula rejeitada, sendo o factor linha considerado significativo.
CAPTULO 13
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
No teste ao factor coluna (tipo de procedimento) recorrer-se- a um procedimento anlogo.
H
j 0
0 : b =
(para todo j)
H
1
: algum b
j
0.
A estatstica de teste
ET
DQMFC
=

s
2
que, se H
0
verdadeira, seguir uma distribuio F
2 13 ,
.
Como
ET F = = > = ( ) =
312
7 38
42 28 0 05 3 81
2 13
.
. . .
,
a
a hiptese nula rejeitada, sendo o factor coluna considerado significativo.
Atendendo natureza dos valores apresentados no diagrama anterior, faz sentido testar se a
eficcia de C superior eficcia de B, e se esta superior de A. Consequentemente, os testes
s diferenas de eficcia dos procedimentos devero ser unilaterais.
Os testes
H
H
j j
j j
0 2
1 2
1
1
:
:
m m
m m


=
>
podem ser efectuados ao nvel de significncia recorrendo aos intervalos de confiana definidos
pelo mtodo de Tukey:
X X q
DQMR
I K
j j J GL
-
( )
- ( )

1 2
2
,
, .
3
a
CAPTULO 13
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Para efectuar os testes com a = 0.05 seria necessrio dispor de q
3
0 10
,
.
9
( )
, o que no sucede.
Na Tabela 16 est disponvel o valor de q
3
0 05
,
.
9
( )
. Nestas condies, os testes sero realizados
ao nvel de significncia de = 2.5%. Assim,
q
DQMR
3
0 05
6
3 95
7 111
6
4 3
,
. .
.
.
9
( ) = = .
Na tabela seguinte apresentam-se os trs intervalos em causa.
j
1
j
2

1 2
j j - -
x x
Intervalos de confiana unilateral a 95.5%
3(C) 1(A) 46 32 = 14
9.7, + ~


2(B) 1(A) 42 32 = 10
5.7, + ~


3(C) 2(B) 46 42 = 4
0.3, + ~


Fica claramente estabelecido que os procedimentos C e B so mais eficazes que o A. Quanto
comparao entre os procedimentos C e B, se se tivesse efectuado o teste ao nvel de significncia
de a = 0.05 (como se afigurava desejvel, partida) tambm se concluiria que C seria mais
eficaz do que B (dado que o valor de prova prximo de 2.5%).
Finalmente, ao nvel se significncia de 5%, pode afirmar-se que:
(i) a interaco entre os montantes em dvida e o tipo de procedimento no significativa
(ii) o procedimento C mais eficaz do que o procedimento B e, por sua vez, este mais eficaz
do que o procedimento A.
Tendo por base estas concluses, recomenda-se que:
(a) O procedimento C, embora mais eficaz do que o procedimento B, tem custos mais elevados
(designadamente porque consome tempo ao gestor de clientes difceis e recorre chamada
telefnica). Assim, dever ser adoptado prioritariamente para os clientes com montantes
em dvida mais elevados.
(b) Para os clientes com dvidas menores dever ser adoptado o procedimento B.

CAPTULO 13
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 13.9
Alnea (i)
Apoio 1 (apenas o resultado)
Na zona Y os valores mdios das indemnizaes so significativamente superiores aos das zonas X
e Z. As zonas X e Z no se distinguem entre si. No h evidncia que o tipo de veculo afecte
significativamente o valor das indemnizaes, nem que exista interaco entre a zona e o tipo de
veculo.

CAPTULO 13
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 13.9
Alnea (i)
Apoio 2 (sugesto)
Adopte um modelo de dois factores, de efeitos fixos. Dever testar sucessivamente se a interaco
entre os dois factores significativa e se so significativamente diferentes de zero os efeitos dos
factores linha (tipo de veculo) e coluna (zona).

CAPTULO 13
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 13.9
Alnea (i)
Apoio 3 (resoluo completa)
Recorrer-se- tcnica de anlise de varincia e ao modelo de dois factores com efeitos fixos:
X E
ijk i j ij ijk
= + + + + m a b g ,
assumindo as hipteses habituais sobre os erros E
ijk
.
A correspondente tabela ANOVA a seguinte:
Fontes de variao Variaes (V) GL DQM
Factor linha (FL)
126.75 2 1=1 126.75
Factor coluna (FC)
844.67 3 1=2 422.33
Interaco (I)
86.00
( ) ( ) 2 1 3 1 2
43.00
Residual (R)
100 945.62
( ) 2 3 50 1 294
37.23
Total (T) 12003.04 2 3 50 1 299
Testem-se as seguintes hipteses relativas interaco
H
ij 0
0 : g = (para todo i e todo j)
H
ij 1
0 : algum g
recorrendo estatstica de teste
ET
DQMDI
DQMR
= .
Se H
0
for verdadeira ET seguir uma distribuio F
2, 294
.
CAPTULO 13
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Como
ET F = = < = ( ) =
43 00
37 23
1 155 0 05 3 03
2 294
.
.
. . .
,
a
H
0
no rejeitada. Isto , a interaco no significativa.
Admitindo que a interaco de facto nula, pode re-estimar-se a varincia residual:

. .
. s
2
2 294
296
2 43 00 294 37 23
296
37 27 =
+
=
+
=
DQMDI DQMR
.
Passe-se agora ao teste do factor linha
H
i 0
0 : a = (para todo o i)
H
1
: alguma
i
0.
A estatstica de teste
ET
DQMDFL
=

s
2
seguir uma distribuio F
1, 296
se H
0
for verdadeira.
Como
ET F = = < = ( ) =
126 75
37 27
3 40 0 05 3 87
1 296
.
.
. . .
,
a ,
H
0
no rejeitada, ou seja, no h evidncia de que o tipo de veculo afecte significativamente
o valor das indemnizaes.
CAPTULO 13
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Para testar o factor coluna,
H
j 0
0 : b =
(para todo o j)
H
1
: algum b
j
0,
recorre-se estatstica
ET
DQMDFC
=

s
2
que, se H
0
for verdadeira, seguir uma distribuio F
2, 296
.
Como
ET F = = > = ( ) =
422 33
37 27
11 33 0 05 3 03
2 296
.
.
. . .
,
a
rejeita-se a hiptese nula, ou seja, conclui-se que as zonas tm um efeito significativo no valor
das indemnizaes.
Os intervalos de confiana a 1 100 - ( ) a % para as diferenas entre os valores esperados dos
efeitos relativos s zonas (X, Y e Z) calculados pelo mtodo de Tukey so definidos por:
X X q
DQMR
I K
j j J GL
-
( )
- ( )

1 2
,
.
4
a
Ora,
q
DQMR
I K
3 2
0 05 3 31
37 23
2 50
2 02
,
. .
.
.
94
( )

= .
Na tabela seguinte apresentam-se os trs intervalos em causa.
CAPTULO 13
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
j
1
j
2

1 2
- - j j
x x
3(Z) 1(X)
39.75 41.55 = 1.8
3.82, 0.22 + 1
]

2(Y) 1(X)
43.85 41.55 = 7.3
5.28, 9.32 + + 1
]
*

3(Z) 2(Y)
39.75 43.85 = 6.1
8.12, 4.08 1
]
*

Intervalos de confiana a 95%
* diferena significativa ao nvel de significncia de 5%.
Verifica-se assim que na zona Y os valores mdios das indemnizaes so significativamente
superiores aos das zonas X e Z. Por sua vez, as zonas X e Z no se distinguem entre si.
Finalmente, interessante estimar o valor que assume o efeito da zona Y (
2
):

. . . b
2 2
43 85 41 72 2 13 = - = - = +

x x .

CAPTULO 13
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 13.9
Alnea (ii)
Apoio 1 (apenas o resultado)
82.7%.

CAPTULO 13
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 13.9
Alnea (ii)
Apoio 2 (sugesto)
Seja X
13
a indemnizao anual paga a um veculo comercial seguro contra terceiros na zona Z.
Para calcular a probabilidade pretendida comece por caracterizar a varivel X X
13 13
- .

CAPTULO 13
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 13.9
Alnea (ii)
Apoio 3 (resoluo completa)
A questo formulada
P X
13
34 >
( )
= ?
Admita-se que a varivel X
13
Normal com parmetros m
13
e s
2
. As estimativas destes
parmetros so:

. m
13 13
39 8 = = x (em alternativa poder-se-ia tomar a mdia x

=
3
39 75 . )
e

.

. s s
2
37 27 6 10 = = .
Assim,
P X P
X X x
13
13 13 13
34
1
1
50
34
1
1
50
>
( )
=
-
+
>
-
+


s s


= >
-

P t
296
34 39 8
6 10 1 02

.
. .

= >
-

P t
296
5 8
6 16

.
.
= > -
( )
P t
296
0 941 . .
Atendendo ao elevadssimo nmero de graus de liberdade da distribuio t, pode fazer-se
P t P Z
296
0 941 0 941 > -
( )
> - ( ) . . .
Resulta assim
P Z > - ( ) = - = 0 941 1 0 173 0 827 . . . .

CAPTULO 13
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 13.10
Apoio 1 (apenas o resultado)
A concentrao do conservante influi significativamente no valor esperado do nmero adicional
de dias com validade dos iogurtes.

CAPTULO 13
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 13.10
Apoio 2 (sugesto)
A varivel nmero adicional de dias com validade no segue, manifestamente, uma distribuio
Normal. Por outro lado, a amostra no grande. Recorra ao teste de Kruskal-Wallis como
alternativa ao teste ANOVA.

CAPTULO 13
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 13.10
Apoio 3 (resoluo completa)
A varivel nmero adicional de dias com validade no segue, manifestamente, uma distribuio
Normal. Por outro lado, a amostra, igual para todos os nveis do factor, tem uma dimenso
pequena (N = 6). Nestas condies ser mais prudente recorrer ao teste de Kruskal-Wallis.
Este teste tem, neste caso, a seguinte estrutura
H
0
: as distribuies do nmero adicional de dias com validade tm valores esperados
idnticos para todas as concentraes
H
1
: nem todas as concentraes produzem distribuies do nmero adicional de dias com
validade com o mesmo valor esperado.
A estatstica de teste
ET
J J
T
J
J
i
i
i
I
=
+ ( )
- + ( )
=

12
1
3 1
2
1
que, se H
0
for verdadeira, seguir uma distribuio c
I -1
2
.
Note-se que:
I: nmero total de grupos (neste caso, I = 3)
i: ndice relativo a cada grupo (neste caso, i = 1, 2 e 3)
T
i
: soma dos nmeros de ordem do grupo i
J
i
: dimenso do grupo i
J: nmero total de observaes (neste caso, J J
i
i
= =

18 ).
CAPTULO 13
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Na tabela seguinte ordenam-se todas as observaes, indicando-se o grupo de origem e o
respectivo nmero de ordem.
Observao Grupo N. de ordem Observao Grupo N. de ordem
0 A 1.5 3 C 9
0 C 1.5 4 A 12
1 C 3.5 4 B 12
1 C 3.5 4 C 12
2 A 6 5 B 14.5
2 A 6 5 B 14.5
2 C 6 6 B 16
3 A 9 7 A 17
3 B 9 8 B 18
A partir dos valores includos na tabela calculam-se as estatsticas T
i
:
T A
1
1 5 6 6 9 12 17 51 5 ( ) . . = + + + + + =
T B
2
9 12 14 5 14 5 16 18 84 ( ) . . = + + + + + =
T C
3
1 5 3 5 3 5 6 9 12 35 5 ( ) . . . . = + + + + + = .
Para verificar estes resultados procede-se do modo que se descreve em seguida. Tal como
nos testes de Wilcoxon e de Mann-Whitney-Wilcoxon, a soma total dos nmeros de ordem
igual a J J + ( ) = = 1 2 18 19 2 171. Ora, T A T B T C
1 2 3
51 5 84 33 5 171 ( ) ( ) ( ) . . + + = + + = , pelo
que as contas esto validadas.
CAPTULO 13
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Substituindo os valores respectivos na estatstica de teste resulta:
ET =

+ +

- =
12
18 19
51 5
6
84
6
35 5
6
3 19 7 14
2 2 2
. .
. .
Como
ET = > = ( ) = 7 14 0 05 5 99
2
. . .
2
c a
a hiptese nula rejeitada, ficando provado (ao nvel de significncia de 5% e com um valor de
prova de p = 2.81%) que a concentrao do conservante influi significativamente no valor espe-
rado do nmero adicional de dias com validade dos iogurtes.

CAPTULO 14
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Captulo 14
Captulos

Problemas
14.1
(i)
14.1
(ii)
14.2
(i)
14.2
(ii)
14.2
(iii)
14.3
14.4
(i)
14.4
(ii)
14.4
(iii)
14.5
(i)
14.5
(ii)
14.6 14.7
14.8
(i)
14.8
(ii)
Apoio 1
(apenas o
resultado)
Apoio 2
(sugesto)
Apoio 3
(resoluo
completa)
CAPTULO 14
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 14.1
Alnea (i)
Apoio 1 (apenas o resultado)
Y X E = + - ( ) + 34 2 288 16 . .

CAPTULO 14
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 14.1
Alnea (i)
Apoio 2 (sugesto)
O grfico (X, Y) sugere que a relao Y = f (X) pode ser aproximada por uma relao linear.
Estime os parmetros e e verifique se = 0 (versus > 0).

CAPTULO 14
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 14.1
Alnea (i)
Apoio 3 (resoluo completa)
Sejam,
X: rendimento anual [1000 u.m.].
Y: capital seguro [1000 u.m.].
Na figura seguinte apresenta-se o grfico (X, Y) construdo com os dados fornecidos


0
10
20
30
40
50
60
0 5 10 15 20 25 30
Capital
seguro
[1000
u.m.]
Rendimento anual [1000 u.m.]
O grfico sugere que Y f X = ( ) pode ser aproximada por uma relao linear, cujo modelo
pode ser descrito por:
Y X X E
n n n
= + -
( )
+ a b ,
admitindo-se que os erros E
n
so independentes e Normais, com mdia 0 e varincia
2
.
CAPTULO 14
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Naquela expresso:
n: ndice denotando as observaes do par de variveis X e Y n = ( ) 1, ..., 12
X Y
n n
, :
( )
n-sima observao do par X Y , ( )
a b , : parmetros fixos (ambos desconhecidos, a estimar) da relao linear
entre X e Y
E
n
: erro aleatrio associado ao valor observado Y
n
.
Os parmetros a b e podem ser estimados recorrendo ao mtodo dos mnimos quadrados.
A minimizao da funo Soma dos Erros Quadrticos (SEQ) conduz aos seguintes estimadores:
A
N
Y Y
n
n
= =

1
(estimador de a)
B
S
S
XY
XX
= (estimador de a),
onde
S X X Y Y
XY n n
n
= -
( )
-
( )

e
S X X
XX n
n
= -
( )

2
.
Considerando os valores fornecidos no enunciado, obtm-se as estimativas seguintes:
x =16
s x x y y
XY n n
= -
( )
-
( )
= - ( ) - ( ) + + - ( ) - ( ) =

14 16 31 34 16 16 34 34 682
s x x
XX n
= -
( )
= - ( ) + - ( ) + + - ( ) =

2 2 2 2
14 16 19 16 16 16 298
CAPTULO 14
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
s y y
YY n
= -
( )
= - ( ) + - ( ) + + - ( ) =

2 2 2 2
31 34 40 34 34 34 1664
a y = = =

a 34
b
s
s
XY
XX
= = = =

. b
682
298
2 288.
Na relao (linear) entre X e Y estima-se ento que b = =

. b 2 288. O teste mais importante


ser verificar a hiptese nula de que = 0.
No caso de a hiptese alternativa ser formulada como 0 far sentido recorrer ao teste F da
anlise de varincia. O procedimento do teste ANOVA tem a estrutura seguinte:
H
0
0 : b =
H
1
0 : b .
A estatstica de teste
ET
DQMDR
DQMR
=
seguir uma distribuio F
1, 10
se H
0
for verdadeira.
Neste caso, a tabela ANOVA resulta:
Fontes de variao Variaes (V) GL DQM
Devido regresso (DR)
2.289 682 1561
XY
b S
1 1561
Residual (R) 1664 1561 103 10 10.3
Total (T)
1664
YY
S
11
CAPTULO 14
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Como
ET
DQMDR
DQMR
F = = = >> = ( ) =
1561
10 3
151 55 0 05 4 96
1 10
.
. . .
,
a ,
a hiptese nula b = 0 rejeitada ao nvel de significncia de 5% (com um valor de prova quase
nulo).
No entanto, o teste a efectuar deveria ser unilateral, uma vez que parece ser apenas plausvel
que Y cresa com X, ou seja, que b > 0. Nesta situao no se deve recorrer ao teste ANOVA (que
sempre bilateral) mas, preferencialmente, ao teste unilateral:
H
0
0 : b =
H
1
0 : b > ,
utilizando a estatstica
ET
B
S
S
XX
=
- b
0
.
Quando H
0
verdadeira ET segue uma distribuio t
N2
.
Para efectuar este teste falta determinar o valor de S. Ora,
s DQMR
s b s
n
YY XY
2
2
1664 2 288 682
10
10 318 = =
-
-
=
-
=
.
. .
Assim,
s = = 10 318 3 212 . . .
CAPTULO 14
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Substituindo os valores amostrais na expresso da estatstica de teste vem:
ET =
-
=
2 288 0
3 212
298
12 299
.
.
.

>> t
10
0 05 1 81 a = ( ) = . . ,
pelo que se rejeita H
0
, igualmente com um valor de prova p 0.
A relao linear estimada entre X e Y ser ento
Y X E = + - ( ) + 34 2 288 16 . ,
com

. s
E
= 3 21.
Uma vez que b > 0, isto , que h uma relao linear significativa entre as variveis X e Y, faz
sentido calcular o respectivo coeficiente de determinao
R
B S
S
XY
XX
YY
2
2
=

.
Substituindo, resulta
r
XY
2
0 938 = . .
Recorde-se que R
XY
2
representa a proporo de variao de Y que explicada pela regresso.
Consequentemente, estima-se que 93.8% da disperso que se observa nos montantes investidos
em seguros de vida se deve relao linear que existe entre esta varivel e o rendimento anual
das famlias.

CAPTULO 14
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 14.1
Alnea (ii)
Apoio 1 (apenas o resultado)
30.08%.

CAPTULO 14
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 14.1
Alnea (ii)
Apoio 2 (sugesto)
O clculo da probabilidade pretendida requer que se padronize a varivel Y. A estimativa do
valor esperado de Y X = 20 corresponde ao valor sobre a recta estimada fazendo X = 20, ou seja,
a

m
Y
x = 20. Para determinar P Y X > =
( )
45 20 , ser necessrio dividir a varivel Y
Y
-
( )

m
pela estimativa do seu desvio padro. Note que

m
Y
(que, para simplificar, se denota por

Y a
melhor previso disponvel de Y X e que o erro () que se comete nesta previso dado pela dife-
rena d = -
( )
Y Y

. Recorra ento expresso que permite calcular a varincia de .



CAPTULO 14
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 14.1
Alnea (ii)
Apoio 3 (resoluo completa)
Em termos simblicos a questo formula-se do seguinte modo:
P Y X > =
( )
= 45 20 ?
Ora, para x = 20 e recorrendo expresso da relao linear estimada entre Y e X, vem


. . m
Y
Y = = + - ( ) = 34 2 288 20 16 43 152.
Note-se que

m
Y
(que, para simplificar, se denota por

Y a melhor previso disponvel


de Y X e que o erro () que se comete nesta previso dado pela diferena d = -
( )
Y Y

. Ento,
P Y X P
Y Y
Y Y Y Y
> =
( )
=
-
>
-

-
( )
-
( )
45 20
45 43 152
2 2


s s
.
Uma vez que se admitiu a Normalidade dos erros E
n
, as variveis Y
n
sero ainda Normais
(cuja varincia
2
estimada por DQMR). Do mesmo modo, os erros de previso d = - Y Y

tambm seguiro distribuies Normais. Nestas condies, no problema em causa, a varivel


padronizada
Y Y
Y Y
-
-
( )

s
2
CAPTULO 14
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
comportar-se- como uma distribuio t
10
(note-se que

s
Y Y -
( )
2
calculado com os mesmos graus
de liberdade que

s
2 2
= = s DQMR).
A varincia dos erros de previso dada por:
Var Y Y
N
X X
S
XX
-
( )
= + +
-
( )

1
1
2
2
s .
Para os dados do problema, a estimativa daquela varincia

. .

s
Y Y -
( )
= + +
- ( )

=
2
2
1
1
12
20 16
298
10 3 11 732 (ou

. .

s
Y Y -
( )
= = 11 732 3 425 ).
Substituindo, resulta finalmente
P Y X P t P t > =
( )
= >
-

= >
( )
= 45 20
45 43 152
3 425
0 539 30 08
10 10

.
.
. . % %.

CAPTULO 14
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 14.2
Alnea (i)
Apoio 1 (apenas o resultado)
Y X E = ( ) - - ( ) + 270 5 3 38 2001 . . .

CAPTULO 14
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 14.2
Alnea (i)
Apoio 2 (sugesto)
O grfico (X, Y) sugere que a relao Y = f (X) pode ser aproximada por uma relao linear.
Estime os parmetros a e b e verifique se b 0 ou, melhor, se b < 0.

CAPTULO 14
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 14.2
Alnea (i)
Apoio 3 (resoluo completa)
Denote-se por X a varivel que representa o ano e por Y o volume de produo.
Nestas condies,
x = 2001
y = ( ) 270 5 .
s
XX
= 60
s
YY
= ( ) 1416 2 .
s
XY
= -203.
Na figura seguinte apresenta-se o grfico (X, Y) construdo a partir dos dados disponveis.

225
250
275
300
1997 1998 1999 2000 2001 2002 2003 2004 2005
T
o
n
1
0
3

.
CAPTULO 14
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
O grfico sugere que a relao Y = f (X) pode ser aproximada por uma relao linear, cujo
modelo descrito por:
Y X X E
n n n
= + -
( )
+ a b ,
com
E
n
IN 0
2
, s ( ).
No caso vertente,
a y = = = ( )

. a 270 5
e
b
s
s
XY
XX
= = = - = -

. b
203
60
3 38.
Proceder-se- a um unilateral a uma vez que apenas admitir que Y decresce com X, ou seja,
que < 0 (deve assim usar-se o teste t em vez do teste ANOVA). As hipteses em apreo so
H
0
0 : b =
H
1
0 : b < ,
e a estatstica de teste
ET
B
S
S
XX
=
- b
0
seguir uma distribuio t
7
se H
0
for verdadeira.
CAPTULO 14
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
O estimador de s dado por:
S
S B S
N
YY XY
=
-
- 2
.
Substituindo, obtm-se a estimativa
s
s b s
n
YY XY
=
-
-
=
( ) + - ( )
= =
2
1416 2 3 38 203
7
104 3 10 2
.
. . .
Como
ET t =
-
= - < = ( ) = -
3 38
10 2
60
2 567 0 95 1 8946
7
.
.
. . . a ,
a hiptese nula rejeitada com o valor de prova p = 1.85%.
Na figura seguinte ilustra-se este teste.
2.567

1.895
Rejeitar H0 No Rejeitar H0
ET =
t
7
(0.95) =
CAPTULO 14
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
A relao linear estimada ento
Y X E = ( ) - - ( ) + 270 5 3 38 2001 . ,
com

. s
E
=10 2.
O coeficiente de determinao (estimado) :
r
b s
s
XY
XX
YY
2
2
2
3 38 60
1416 2
0 484 =

=
- ( )
=
.
.
. .

CAPTULO 14
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 14.2
Alnea (ii)
Apoio 1 (apenas o resultado)
45.9%.

CAPTULO 14
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 14.2
Alnea (ii)
Apoio 2 (sugesto)
Para cada valor de X, a melhor previso de Y obtm-se recorrendo recta estimada. O erro, ,
que se comete na previso dado pela diferena d m = - Y
Y

(ou d = - Y Y

, j que


Y X
Y
= m ).
Procure estimar a varincia do erro de previso, uma vez que, para calcular a probabilidade
pretendida, dever padronizar a varivel Y.

CAPTULO 14
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 14.2
Alnea (ii)
Apoio 3 (resoluo completa)
Sejam Y
05
e Y
06
os volumes de produo de trigo em 2005 e 2006, respectivamente. Simboli-
camente, a questo formula-se do seguinte modo:
P Y Y
06 05
>
( )
= ?
Em 2005 a produo foi, de facto, Y
05
= 255. Para 2006, pode estimar-se (ou prever-se) o res-
pectivo valor esperado

m
Y
x = 2006 (que, para simplificar, se denotar por

Y
06
).
Assim,
P Y P Y Y Y P
Y Y
Y Y
06 06 06 06
06 06
06 06
255 255
255
>
( )
= - > -
( )
=
-
-
( )
>

Var
--
-
( )

Y
Y Y
06
06 06
Var
.
A varincia do denominador , afinal, a varincia do erro de previso:
Var Y Y
N
X X
S
XX
06 06
2
2
1
1
-
( )
= + +
-
( )

s .
A sua estimativa

. .

s
Y Y
06 06
2
2
1
1
9
2006 2001
60
104 3 159 35
-
( )
= + +
- ( )

=
(note-se que esta estimativa obtida com os mesmos graus de liberdade que

s
2 2
= = s DQMR ).
CAPTULO 14
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Por sua vez,
y
06
270 5 3 38 2006 2001 253 655 = ( ) - - ( ) = . . . .
Substituindo, resulta finalmente
P Y P
Y
t
Y Y
06
06
7
255
255 255 253 655
159 35
06 06
>
( )
=
-
= >
-

-
( )

.
.

= >
( )
= P t
7
0 106 45 9 . . %.

CAPTULO 14
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 14.2
Alnea (iii)
Apoio 1 (apenas o resultado)
41.12%.

CAPTULO 14
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 14.2
Alnea (iii)
Apoio 2 (sugesto)
Considere o modelo de regresso linear simples
Y X X E
n n n
= + -
( )
+ a b .
Nestas condies, a previso de Y
n



Y X X
n n
= + -
( )
a b .
Tente mostrar que
Var Var


Y Y n n
n n
2 1
2 1
2
-
( )
= -
( )

( )
b .
Esta expresso necessria para estimar a varincia da varivel Y Y Y Y
n n n n
2 1 2 1
-
( )
- -
( )


.

CAPTULO 14
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 14.2
Alnea (iii)
Apoio 3 (resoluo completa)
O volume de produo de trigo em 2006 e 2007 denota-se por Y
06
e Y
07
. Nestas condies, o
problema que colocado especifica-se do seguinte modo:
P Y Y P Y Y
07 06 07 06
0 >
( )
= -
( )
>

= ?
As estimativas dos valores esperados (ou, previses)

m
Y
x = 2006 e

m
Y
x = 2007 denotar-
-se-o, respectivamente, por

Y
06
e

Y
07
. Registe-se ainda que, de acordo com os pressupostos do
modelo de regresso adoptado, se admite que as variveis Y
06
, Y
07
,

Y
06
e

Y
07
seguem distribuies
Normais.
Assim, a probabilidade P Y Y
07 06
0 -
( )
>

ser obtida a partir de:


P
Y Y Y Y
Y Y Y Y
Y
07 06 07 06
07 06 07 06
07
0 -
( )
- -
( )
-
( )
- -
( )

>
- -

Var


Y
Y Y Y Y
06
07 06 07 06
( )
-
( )
- -
( )

Var
.
O numerador do segundo membro desta expresso dado por
- + = - = + - ( )

- + - ( )


Y Y Y Y a b a b
07 06 06 07
2006 2001 2007 2001

,
ou seja

. ( ) . . Y Y b
06 07
2006 2007 3 38 1 3 38 - = - ( ) = - - =
Resta agora calcular o denominador, Var Y Y Y Y
07 06 07 06
-
( )
- -
( )


.
CAPTULO 14
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Ora,
Var Var Var Y Y Y Y Y Y Y Y
07 06 07 06 07 06 07 06
-
( )
- -
( )

= -
( )
+ -
( )

.
O primeiro termo, Var Y Y
07 06
-
( )
, pode ser estimado por

s s
2 2
2 + = DQMR. O segundo
termo, Var

Y Y
07 06
-
( )
, estima-se a partir da expresso de

Y Y
07 06
-
( )
deduzida anteriormente.
Assim,
Var

Y Y
07 06
-
( ) = Var Var b b - ( )

= - ( ) ( ) 2006 2007 2006 2007


2
.
Ou seja,
Var

Y Y
s
XX
07 06
2
2
1 -
( )
=
s
.
A estimativa de Var

Y Y
07 06
-
( )
ento


s
Y Y
07 06
2
-
( )
=
DQMR
s
DQMR
XX
= =
60
104 3
60
.
.
Substituindo, resulta
P
Y Y Y Y
DQMR DQMR
DQMR
07 06 07 06
60
0 3 38
2 104 3
104 3
-
( )
- -
( )
+ +
>
-
+

.
.
.
660

= >
+

= >
( )
= P t P t
7 7
3 38
10 2 2
1
60
0 233 41 12
.
.
. . %.

CAPTULO 14
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 14.3
Apoio 1 (apenas o resultado)
Ao nvel de significncia de 5%, pode afirmar-se que o IPC oficial subestima o IPC correcto.
Por outro lado, no h evidncia de que o IPC oficial cresa mais depressa (ou mais devagar) do
que o IPC correcto.

CAPTULO 14
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 14.3
Apoio 2 (sugesto)
Considere o modelo linear Y X X E
n n n
= + -
( )
+ a b . Se o IPC oficial estiver bem calculado,
ser a = Y e b =1. Teste ambas as hipteses.

CAPTULO 14
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 14.3
Apoio 3 (resoluo completa)
Sejam,
X: IPC correcto.
Y: IPC oficial.
Na Figura seguinte apresenta-se o grfico (X, Y) construdo a partir dos dados fornecidos.
IPC correcto
I
P
C

o
f
i
c
i
a
l

160
140
120
100
100 120 140 160
Pela observao da figura, o modelo linear Y X X E
n n n
= + -
( )
+ a b parece perfeitamente
adequado.
Assim,
a y = = =

. a 130 3
e
b
s
s
XY
XX
= = = =

.
.
. b
1012 12
987 54
1 025.
CAPTULO 14
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Comece-se por testar a. Aquilo que se pretende verificar se a = Y. De facto assim ser se
o IPC oficial no subavaliar nem sobreavaliar o IPC correcto.
H y
0
133 4 : . a = =
H
1
133 4 : . a .
A estatstica de teste
ET
A
S
N
=
-a
,
seguir uma distribuio t
4
(t
N2
) se H
0
for verdadeira.
Substituindo vem
ET
A
S
=
-133 4
6
.
,
onde
S
S B S
N
YY XY
2
2
=
-
-
.
Ora,
s
2
1037 88 1 025 1012 12
4
0 1143 =
-
=
. . .
. ,
pelo que resulta
ET =
-
= -
130 3 133 4
0 1143
6
22 47
. .
.
. .
CAPTULO 14
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Como
ET t = >> = ( ) = 22 47 0 025 2 776
4
. . . a .
A hiptese nula rejeitada. Isto , o IPC oficial subestima o IPC correcto.
Teste-se agora o coeficiente angular da recta de regresso, b. Se o IPC oficial espelhar
devidamente o IPC correcto, a hiptese nula ser b = 1.
H
0
1 : b =
H
1
1 : b .
A estatstica de teste
ET
B
S
S
XX
=
- b
,
seguir uma distribuio t
4
(t
N2
) se H
0
for verdadeira.
Substituindo, vem
ET =
-
=
1 025 1
0 337
987 54
2 074
.
.
.
. .
Como
ET t = < = ( ) = 2 074 0 025 2 776
4
. . . a ,
no se rejeita H
0
. Ou seja, ao nvel de significncia de 5%, no h evidncia de que o IPC oficial
cresa mais depressa (ou mais devagar) do que o IPC correcto.

CAPTULO 14
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 14.4
Alnea (i)
Apoio 1 (apenas o resultado)
O parmetro significativamente diferente de zero (valor de prova p 0). A recta estimada
y x = - 43 0 3 . .

CAPTULO 14
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 14.4
Alnea (i)
Apoio 2 (sugesto)
Efectue um teste ANOVA para verificar se 0.

CAPTULO 14
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 14.4
Alnea (i)
Apoio 3 (resoluo completa)
Sejam,
X: densidade do trfego, expressa em nmero de veculos por quilmetro
Y: velocidade mdia dos veculos, expressa em km/hora.
Adopte-se um modelo de regresso linear simples:
Y X X E = + -
( )
+ a b ,
no qual se admite que os erros so IN 0
2
, s ( ).
Nestas condies,
a y = = =

a 25
e
b
s
s
XY
XX
= = = - = -

. b
1500
5000
0 3.
O procedimento do teste ANOVA tem a estrutura seguinte:
H
0
0 : b =
H
1
0 : b ,
recorrendo estatstica de teste:
ET
DQMDR
DQMR
=
.
Neste caso, se H
0
for verdadeira ET seguir uma distribuio F
1, 18
.
CAPTULO 14
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
A tabela ANOVA correspondente apresentada seguidamente.
Fontes de variao Variaes (V) GL DQM
Devido regresso (DR)

2
0.3 5000 450
1 450
Residual (R) 630 450 = 180 18 10
Total (T)
630
YY
s
19
Como
ET
DQMDR
DQMR
F = = = >> = ( ) =
450
10
45 0 05 4 41
118 ,
. . a ,
a hiptese nula H
0
0 b = ( ) rejeitada ao nvel de significncia de 5% (com um valor de prova
quase nulo).
Nestas condies pode adoptar-se a recta estimada
y a b x x x x = + - ( ) = - - ( ) = - 25 0 3 60 43 0 3 . . .

CAPTULO 14
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 14.4
Alnea (ii)
Apoio 1 (apenas o resultado)
15 13 28 87 . , .
[ ]
.

CAPTULO 14
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 14.4
Alnea (ii)
Apoio 2 (sugesto)
Para cada valor de X, a melhor previso de Y obtm-se recorrendo recta estimada. O erro que
se comete na previso, d, dado pela diferena d = - Y Y

. Inicialmente procure estimar a varincia


do erro de previso para, em seguida, calcular o intervalo de previso pretendido.

CAPTULO 14
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 14.4
Alnea (ii)
Apoio 3 (resoluo completa)
Para X = 70, vem
. . y x = - = - = - = 43 0 3 43 0 3 70 43 21 22 [km/hora].
Denote-se o erro de previso por d = - Y Y

. De acordo com os pressupostos do modelo de


regresso linear, tanto Y como

Y so variveis Normais (e independentes). Nestas condies, o
intervalo de confiana a 1 100 - ( ) a % para Y dado por

.

Y t
GL
= ( ) a s
d
0 025 ,
sendo a varincia dos erros de previso, Var d = -
( )
Y Y

, calculada por:
Var Var Var d s ( ) = ( ) +
( )
= + +
-
( )

Y Y
N
X X
S
XX

1
1
2
2
.
O intervalo de previso a 95% ento

.

Y t
N
X X
S
XX
= ( ) + +
-
( )
18
2
0 025 1
1
a s .
Substituindo,
22 2 1014 1
1
20
100
5000
+ + . DQMR
22 2 1014 3 162 1 0344 . . .
22 6 87 . .
Finalmente, para uma densidade de trfego de 70 veculos por quilmetro, a velocidade
mdia situar-se- no intervalo 15 13 28 87 . , .
[ ]
(com 95% de confiana).

CAPTULO 14
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 14.4
Alnea (iii)
Apoio 1 (apenas o resultado)
x
op
= 71 67 . e

. s
x
op
= 6 32.

CAPTULO 14
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 14.4
Alnea (iii)
Apoio 2 (sugesto)
Determine um ponto estacionrio de Z X Y =

e verifique se o valor em causa corresponde a um
ponto ptimo.

CAPTULO 14
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 14.4
Alnea (iii)
Apoio 3 (resoluo completa)
O volume, V, de trfego do tnel (em veculos por hora) dado por V X Y = . Ento,
v x y x a b x x a x b x b x x = = + - ( )

= + -
2
.
O valor x
op
(densidade do trfego) que optimiza aquela funo obtido por:
dv
dx
a b x b x = + - = 2 0,
x
b x a
b
x a
b
op
=
-

= -

= +

=
2 2 2
60
2
25
2 0 3
71 67
.
. .
Este valor corresponde a um ponto ptimo, uma vez que
d v
dx
b
2
2
2 0 = < .
Estima-se em seguida o valor do desvio padro do estimador da densidade ptima,

s
x
op
. Ora,
Var Var Var x
x a
b
a
b
op
( )
= -

2 2 2
.
Assim,
f a b
a
b
, ( ) =
2
,
df
da b
=

1
2

e

df
db
a
b
=
-
2
2
.
CAPTULO 14
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Do mesmo modo,

=
-

= =
f
a
a b ,

( . )
. .
2 2
2
1
2 0 3
1 667 2 778
e

=
-

=
f
b
a b ,

.
2
2
25
2 0 09
19290.
Admitindo que f a b , ( ) pode ser aproximada por uma relao linear, vem
Var Var Var
a
b
f
a
a
f
b
a b a b
2
2 2

( ) +

bb ( ).
Como
var . a
N
( ) = = =
s
2
10
20
0 5 e var . b
s
XX
( ) = = =
s
2
10
5000
0 002 ,
resulta
var . . . .
2
2
2 778 0 5 19290 0 002 39 97
2 2

+ =
b
.
Finalmente,

. . s
x
op
a
b
=

= = Var
2
39 97 6 32.

CAPTULO 14
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 14.5
Alnea (i)
Apoio 1 (apenas o resultado)
A manuteno deve ser programada em funo do nmero de dias decorridos e no do nmero
de horas de voo.

CAPTULO 14
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 14.5
Alnea (i)
Apoio 2 (sugesto)
Para anlise do modelo de regresso linear mltipla, recorra ao mtodo progressivo (ou forward)
para a seleco das variveis independentes (regressores).

CAPTULO 14
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 14.5
Alnea (i)
Apoio 3 (resoluo completa)
Na anlise do modelo de regresso linear mltipla, recorrer-se- ao mtodo progressivo (ou
forward) para a seleco das variveis independentes (regressores). Este mtodo envolver os
seguintes passos:
(i) Ajustar dois modelos de regresso linear simples (um para cada um dos regressores, X
1
e X
2
).
O regressor que, isoladamente, explicar a maior proporo significativa da varivel
dependente (Y), ser includo no modelo.
(ii) Construir um modelo de regresso linear dupla que associe, como variveis independentes,
o regressor seleccionado no passo (i) e o outro regressor potencial ainda no includo.
Se este segundo regressor potencial no explicar uma proporo adicional significativa
ser excludo do modelo. Neste caso, o modelo proposto ser o modelo de regresso linear
simples seleccionado no passo anterior.
Passo (i)
Inicie-se este procedimento avaliando o modelo de regresso linear simples para a varivel
independente X
1
:
Y X X E = + -
( )
+ a b
1 1
,
com
a y = = =

a 2
e
b
s
s
X Y
X X
= = = =

. . b
1
1 1
120
1500
0 08
CAPTULO 14
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
O procedimento do teste ANOVA tem a estrutura seguinte:
H
0
0 : b =
H
1
0 : b .
A estatstica de teste
ET
DQMDR
DQMR
=
seguir uma distribuio F
1, 18
se H
0
for verdadeira.
A tabela ANOVA correspondente
Fontes de variao Variaes (V) GL DQM
Devido regresso (X
1
) 0.08 120 9.6 1 9.6
Residual (X
1
) 30.0 9.6 = 20.4 18 1.133
Total
30.0
YY
s
19
Como
DQMDR
DQMR
F = = > = ( ) =
9 6
1 133
8 47 0 05 4 41
118
.
.
. . .
,
a
a hiptese nula H
0
0 b = ( ) rejeitada.
Constri-se de seguida o modelo de regresso linear simples Y f X =
( )
2
. Seja,
Y X X E = + -
( )
+ a b
2 2 2
.
CAPTULO 14
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Assim,
a y = = =

a 2
e
b
s
s
X Y
X X
= = = =

. . b
2
2 2
60
300
0 2
Neste caso, a tabela ANOVA
Fontes de variao Variaes (V) GL DQM
Devido regresso (X
2
) 0.2 60 12.0 1 12.0
Residual (X
2
) 30.0 12.0 = 18.0 18 1.0
Total
30.0
YY
s
19
Como
DQMDR
DQMR
F = = > = ( ) =
12 0
1 0
12 0 0 05 4 41
118
.
.
. . .
,
a
a hiptese nula H
0
0 b = ( ) deve ser rejeitada.
Passo (ii)
Embora ambos os modelos expliquem uma proporo significativa da variao total, a proporo
explicada maior no segundo. Assim, a varivel X
2
passa a estar includa no modelo, havendo
que determinar se h vantagem ou no em acrescentar-lhe X
1
. Verifique-se ento o modelo de
regresso linear dupla Y f X X =
( )
1 2
, :
Y X X X X E = + -
( )
+ -
( )
+ a b b
1 1 1 2 2 2
,
com
a y = = =

a 2.
CAPTULO 14
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
As estimativas b
1 1
=

b e b
2 2
=

b so obtidas resolvendo o sistema de equaes
b s b s s
b s b s s
X X X X X Y
X X X X X Y
1 2
1 2
1 1 1 2 1
2 1 2 2 2
+ =
+ =

Substituindo,
1500 500 120
500 300 60
1500 500 120
1 2
1 2
1 2
+ =
+ =

+ = b b
b b
b b
-- - = -

1500 900 180


1 2
b b
- = - = = 400 60
60
400
0 15
2 2
b b .
- + = = = 1500 500 0 15 120
45
1500
0 03
1 1
b b . . .
A tabela ANOVA para modelo de regresso linear dupla ento:
Fontes de variao Variaes (V) GL DQM
Devido regresso (X
2
, X
1
) 0.03 120 0.15 60 12.6 2
DR

2
X
(12.0) (1)
DR
1 2
X X
(12.6 12.0 = 0.6) (1) 0.6
Residual (X
2
, X
2
) 30.0 12.6 = 17.4 17 1.023
Total
30.0
YY
s
19
Como,
DQMDR X X
DQMR
F
1 2
117
0 6
1 023
0 586 0 05 4 45
( )
= = < = ( ) =
.
.
. . .
,
a
a hiptese nula H
0 1
0 b =
( )
no rejeitada.
CAPTULO 14
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Assim, ao nvel de significncia de 5%, concluiu-se que no valer a pena incluir a varivel X
1
no modelo de regresso. Neste caso, Y ser funo apenas do nmero de dias. Consequentemente,
a manuteno deve ser programada em funo do nmero de dias decorridos e no do nmero
de horas de voo.
Finalmente, o modelo sugerido o seguinte:
Y X X E = + -
( )
+ a b
2 2
,
com
a y = = =

a 2
e
b
s
s
X Y
X X
= = = =

. . b
2
2 2
60
300
0 2
Nestas condies resulta x
2
10 = e s
2 2
1 0 = =

. s .

CAPTULO 14
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 14.5
Alnea (ii)
Apoio 1 (apenas o resultado)
3.82%.

CAPTULO 14
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 14.5
Alnea (ii)
Apoio 2 (sugesto)
Para cada valor de X, a melhor previso de Y obtm-se recorrendo recta estimada. O erro que
se comete na previso, d, dado pela diferena d = - Y Y

. Inicialmente procure estimar a varincia


do erro de previso para, em seguida, calcular o intervalo de previso pretendido.

CAPTULO 14
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 14.5
Alnea (ii)
Apoio 3 (resoluo completa)
Faa-se x = 15 (valor que corresponde a regular o aparelho logo que decorrerem 15 dias aps a
interveno anterior). Neste caso,
. y = + - ( ) = 2 0 2 15 10 3 .
Padronizando a varivel d = - Y Y

vem,
Y Y
S
N
X X
S
X X
-
+ +
-
( )

1
1 2 2
2
2 2
,
que, atendendo Normalidade de d = - Y Y

seguir uma distribuio t


18
(note-se que 18
corresponde ao nmero de graus de liberdade utilizado no clculo de

). s
2 2
= = s DQMR
Substituindo,
Y Y -
+ +
=
- 3
1 1
1
20
25
300
3
1 065 .
.
Ora,
P Y P
Y
t > ( ) =
-
= >
-
=

5
3
1 065
5 3
1 065
1 88
18
. .
.
ou, finalmente
P Y > ( ) = 5 0 0382 . .

CAPTULO 14
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 14.6
Apoio 1 (apenas o resultado)
Sem catalisador: r t
0
75 75 1 482 24 25 = + - ( ) . . .
Com catalisador: r t
1
81 75 2 465 24 75 = + - ( ) . . . .

CAPTULO 14
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 14.6
Apoio 2 (sugesto)
Dever testar se a diferena dos coeficientes angulares de dois modelos independentes um
para os rendimentos sem presena do catalisador e outro para os rendimentos na presena de
catalisador ou no significativa. Se no o for, a presena ou no do catalisador no processo
qumico um factor qualitativo que pode ser representado por uma varivel muda (do tipo 0
ou 1).

CAPTULO 14
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 14.6
Apoio 3 (resoluo completa)
Na Figura seguinte representa-se a varivel R (rendimento do processo qumico) em funo da
temperatura de reaco (varivel T), apresentando as duas rectas ajustadas para as situaes em
que o catalisador est e no est presente.

60
70
80
90
100
15 20 25 30

Com catalisador
Sem catalisador

R
e
n
d
i
m
e
n
t
o

[
%
]
Temperatura [C]
O grfico sugere que a presena do catalisador pode contribuir para o aumento do efeito da
temperatura sobre o rendimento.
Em primeiro lugar estima-se o modelo de regresso linear simples, que modela a varivel R
em funo de T, quando na reaco no est presente o catalisador. Nestas condies, obtm-se
os seguintes resultados:
t = 24 25 . r = 75 75 .
s
TR
= 72 25 . s
TT
= 48 75 . s
RR
=112 75 .
a
0
75 75 = .
CAPTULO 14
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
e
b
0
72 25
48 75
1 482 = =
.
.
. .
Repete-se o exerccio utilizando os resultados das situaes em que o catalisador est presente:
b
1
80 75
32 75
2 465 = =
.
.
. r = 81 75 .
s
TR
= 80 75 . s
TT
= 32 75 . s
RR
= 200 75 .
a
1
81 75 = .
e
b
1
80 75
32 75
2 465 = =
.
.
. .
Admitindo que s s s
2
0
2
1
2
= = , a varincia comum s
2
pode ser estimada recorrendo
expresso
S
N N
N S N S
2
0 1
0 0
2
1 1
2
1
4
2 2 =
+ -
-
( )
+ -
( )

,
onde
S
N
E
n
n
0
2
0
2
0
0
2
1
2
= =
-


s
e
S
N
E
n
n
1
2
1
2
1
1
2
1
2
= =
-


s .
Fazendo os clculos,
s
0
2
112 75 1 482 72 25 2 2 836 = - ( ) = . . . . ,
s
1
2
200 75 2 465 80 75 2 0 824 = - ( ) = . . . .
e
s
2 2
1
4
2 2 836 2 0 824 1 830 1 353 = + ( ) = = . . . . .
CAPTULO 14
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Para testar se a diferena entre
0
e
1
significativa, recorre-se a um teste unilateral com a
estrutura seguinte:
H
0 0 1
: b b =
H
1 0 1
: b b <
A estatstica de teste
ET
B B
S
S S
TT TT
=
-

+
1 0
2 2
1
0 1
segue uma distribuio t
N N
0 1
+ - ( ) 4
(no caso em anlise, t
4
), se H
0
for verdadeira.
Como
ET t =
-

+
= >> ( ) =
2 465 1 482
1 353
1
48 75 32 75
59 21 0 025 2 77
4
. .
.
. .
. . . 66
a hiptese nula rejeitada (com um valor de prova praticamente nulo).
Nestas condies, devem considerar-se dois modelos independentes:
g
um para os rendimentos sem catalisador, cuja relao estimada por
r t
0
75 75 1 482 24 25 = + - ( ) . . .
g
outro para os rendimentos na presena do catalisador, cuja relao estimada por
r t
1
81 75 2 465 24 75 = + - ( ) . . . .
Note-se que se H
0
no tivesse sido rejeitada, poderia fazer sentido adoptar um modelo de
regresso nico com dois regressores: a varivel T (temperatura) e a varivel muda Z, que tomaria
os seguintes valores:
Z :
0, se o catalisador no estiver presente
1, caso contrrioo


contrrio
CAPTULO 14
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 14.7
Apoio 1 (apenas o resultado)
Previso pontual: 101 936
Intervalo de previso: [73 203, 141 917].

CAPTULO 14
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 14.7
Apoio 2 (sugesto)
Pela anlise do grfico que representa o volume de vendas em funo do trimestre, aceita-se que
a relao possa apresentar um padro de curva S. Esta relao pode ser linearizada
recorrendo-se, simultaneamente, transformao inversa da varivel independente e transfor-
mao logartmica da varivel dependente.

CAPTULO 14
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 14.7
Apoio 3 (resoluo completa)
Na figura seguinte representa-se graficamente o volume de vendas em funo do trimestre.
0
30000
60000
90000
120000
0 2 4 6 8 10
t [trimestre]
V
V

(
v
o
l
u
m
e

d
e

v
e
n
d
a
s
)
O grfico sugere que a relao VV f t = ( )
apresenta um padro de curva S, ou seja uma
relao do tipo:
VV e
n
t E
n n
=
+ + a b /
(com > a 0 e b < 0).
Esta relao pode ser linearizada recorrendo-se, simultaneamente, transformao inversa
da varivel independente e transformao logartmica da varivel dependente:
X t =1/
Y VV = ( ) ln .
CAPTULO 14
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Na tabela seguinte apresentam-se os clculos correspondentes, efectuados a partir dos dados
fornecidos.
t

vv



1 1 206 1.000 7.0953
2 11 356 0.500 9.3375
3 36 888 0.333 10.5156
4 39 636 0.250 10.5875
5 53 887 0.200 10.8946
6 77 806 0.167 11.2620
7 91 627 0.143 11.4255
8 80 147 0.125 11.2916
9 89 646 0.111 11.4036
10 101 677 0.100 11.5295
x = 1/t
y = ln(vv)
O modelo linearizado ento
Y X X E
n n n
= + -
( )
+ a b ,
admitindo-se que os erros E
n
so independentes e Normais, com mdia zero e varincia
2
.
Para este modelo obtm-se as seguintes estatsticas:
x = 0 2929 .
y =10 5343 .
s
XX
= 0 6919 . s
YY
=17 0355 . s
XY
= -3 4188 . .
CAPTULO 14
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Na figura seguinte representam-se graficamente as observaes do modelo linearizado.

6
8
10
12
0 0.2 0.4 0.6 0.8 1
X
Y
Por observao desta figura, pode afirmar-se que o modelo obtido por transformao de
variveis parece ser efectivamente linear. Nesse caso:
a y = = =

. a 10 5343
e
b
s
s
XY
XX
= = = - = -

.
.
. . b
3 4188
0 6919
4 9412
A tabela ANOVA correspondente :
Fontes de variao Variaes (V) GL DQM
Devido regresso (DR)
4.9412 3.4188 16.893
1 16.893
Residual (R) 17.036 16.893 0.143 8 0.0178
Total (T)
17.036
YY
s
9
CAPTULO 14
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
O procedimento do teste ANOVA tem a estrutura seguinte:
H
0
0 : b =
H
1
0 : b .
A estatstica de teste
ET
DQMDR
DQMR
=
seguir uma distribuio F
1, 8
, se H
0
for verdadeira.
Como
ET
DQMDR
DQMR
F = = = > = ( ) =
16 893
0 0178
949 0 05 5 32
1 8
.
.
. .
,
a
a hiptese nula rejeitada.
Para t = 11 (ou seja, para x = 1/11 = 0.0909), o intervalo de previso de Y a 95%, centrado na
estimativa pontual
. . . . . y = - - ( ) = 10 534 4 941 0 0909 0 2929 11 5321,
:

. Y t S
N
X X
S
XX
= ( ) + +
-
( )
8
2
0 025 1
1
a .
Como
s DQMR s
2
0 0178 0 1334 = = = . . ,
CAPTULO 14
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
vem
11 5321 2 306 0 1334 1
1
10
0 0909 0 2929
0 6919
2
. . .
. .
.
+ +
- ( )
11 5321 0 3312 . . ,
pelo que o intervalo pretendido para Y x =11
[11.201, 11.863].
Calcule-se agora o valor previsto para o volume de vendas no trimestre 11 (vv
11
). A previso
pontual :
vv e .
.
11
11 5321
101936 = =
Por sua vez, o intervalo de previso a 95% resulta:
e e
11 201 11 863
73 203 141917
. .
, , .
[ ]

[ ]
Na figura seguinte representam-se graficamente estes resultados.
0
30000
60000
90000
120000
0 2 4 6 8 10 12
t
Previso pontual




V
V


[trimestre]
[
v
o
l
u
m
e

d
e

v
e
n
d
a
s
]
Intervalo de previso a 95%

CAPTULO 14
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 14.8
Alnea (i)
Apoio 1 (apenas o resultado)

. .
p e
I
=
- - 0 010 0 157
.

CAPTULO 14
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 14.8
Alnea (i)
Apoio 2 (sugesto)
Pela anlise do grfico p f I = ( ) verifica-se que esta relao apresenta um padro exponencial.
Esta relao pode ser linearizada recorrendo-se transformao logartmica da varivel
dependente.

CAPTULO 14
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 14.8
Alnea (i)
Apoio 3 (resoluo completa)
Na figura seguinte representam-se graficamente os dados relativos varivel
p
PVU
PVN
=
Em funo da idade do veculo em anos (I).
0
0.2
0.4
0.6
0.8
0 2 4 6 8 10
p
I [anos]
O grfico sugere que a relao p f I = ( ) apresenta um padro exponencial, cujo modelo
dado por
p e
n
I E
n n
=
+ + a b
(com > a 0 e b < 0).
CAPTULO 14
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Esta relao pode ser linearizada recorrendo-se transformao logartmica da varivel
dependente:
Y p = ( ) ln .
Na tabela seguinte apresentam-se os dados amostrais transformados.
i

p

ln = y p
1 0.843 0.171
2 0.753 0.284
3 0.580 0.545
4 0.520 0.654
5 0.452 0.794
6 0.414 0.882
7 0.346 1.061
8 0.264 1.332
9 0.241 1.423
O modelo linearizado ento
Y I I E
n n n
= + -
( )
+ a b
admitindo-se que os erros E
n
so independentes e Normais, com mdia zero e varincia
2
.
Para este modelo obtm-se as seguintes estatsticas:
i = 5 y = -0 794 .
s
II
= 60 s
IY
= -9 414 . s
YY
=1 495 .
CAPTULO 14
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Na figura seguinte representam-se graficamente as observaes do modelo linearizado.
-1.5
-1
-0.5
0 2 4 6 8 10
I
Y
Por observao desta figura, pode afirmar-se que o modelo obtido por transformao de
variveis parece ser efectivamente linear. Assim,
a y = = = -

. a 0 794
e
b
s
s
IY
II
= = = -
-
= -

.
. b
9 414
60
0 157.
A tabela ANOVA correspondente :
Fontes de variao Variaes (V) GL DQM
Devido regresso (DR)
1.478 1 1.478
Residual (R)
0.017 7 0.00243
Total (T)

1.495
YY
s 8

CAPTULO 14
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
O procedimento do teste ANOVA tem a estrutura seguinte:
H
0
0 : b =
H
1
0 : b .
A estatstica de teste
ET
DQMDR
DQMR
=
seguir uma distribuio F
1, 7
, se H
0
for verdadeira.
Como
DQMDR
DQMR
F = = > = ( ) =
1 478
0 00243
608 23 0 05 5 59
1 7
.
.
. . .
,
a
a hiptese nula rejeitada, com valor de prova quase nulo.
A relao estimada ser ento

ln . . Y p I = = - - - ( ) 0 794 0 157 5 .
Por uma questo de precauo, proceder-se- verificao da validade desta relao. Seja
I = 0. Nesta situao o PVU (preo do veculo usado) e o PVN (preo do veculo novo) devem
ser praticamente iguais, pelo que p dever tomar um valor muito prximo da unidade. Ora,

. . . Y = - + = - 0 794 0 784 0 010


e
.
.
p e = =
-0 01
0 99 1.
Considera-se assim verificada a relao linear estimada. Consequentemente,

. .
p e
I
=
- - - ( ) 0 794 0 157 5
ou, finalmente, a funo que melhor traduz a relao entre p e I :

. .
p e
I
=
- - 0 010 0 157
.

CAPTULO 14
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 14.8
Alnea (ii)
Apoio 1 (apenas o resultado)
19.0%.

CAPTULO 14
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 14.8
Alnea (ii)
Apoio 2 (sugesto)
Para cada valor de I, a melhor previso de Y p = ln obtm-se recorrendo recta estimada. O erro
que se comete na previso dado pela diferena d = - Y Y

. Inicialmente procure estimar a varincia


do erro de previso para, em seguida, calcular o intervalo de previso pretendido.

CAPTULO 14
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Problema 14.8
Alnea (ii)
Apoio 3 (resoluo completa)
A probabilidade de p ultrapassar 0.65
P p P Y p > ( ) = = > ( )

0 65 0 65 . ln ln . .
Ou seja, o que se pretende determinar o valor de
P Y > - ( ) 0 431 . .
Tomando a varivel d = - Y Y

, vem:
P
Y Y
S
N
I I
S
Y
S
N
I I
S
II II
-
+ +
-
( )
>
- -
+ +
-
( )

.

1
1
0 431
1
1
2 2

.
Recorde-se que, de acordo com os pressupostos do modelo de regresso, tanto Y como

Y
sero Normais. Nestas condies, a varivel
- -
+ +
-
( )
0 431
1
1
2
. y
S
N
I I
S
II
y =
CAPTULO 14
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
seguir uma distribuio t
N2
. Trata-se ento de calcular
P t
S
N
I I
S
N
II
-
>
- -
+ +
-
( )

2
2
0 431
1
1
. y
para um veculo com 3 anos de idade (ou seja, para I = 3). Nessas condies, vem:
. . . y = - - - ( ) = - 0 794 0 157 3 5 0 480.
Por sua vez,
s DQMR
2
0 00243 = = .
(ou s = 0.0483).
Assim, substituindo, resulta
P p P t > ( ) = >
- +
+ +
=

0 65
0 431 0 480
0 0483 1 1 9 4 60
0 935
7
.
. .
. / /
.
e
P t
7
0 935 19 04 >
( )
= . . %.

y =
FORMULRIO
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Formulrio
FORMULRIO
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Captulo 2 Estatstica Descritiva
Estatsticas de localizao
Estatsticas de disperso
Estatsticas de localizao
Estatsticas de disperso
Outras estatsticas
Captulo 3 Teoria Elementar da Probabilidade
Definio clssica de probabilidade
Definio axiomtica de probabilidade
Probabilidade de A e B
Probabilidade de A ou B
Teorema de Bayes
Anlise Combinatria
Permutaes de n elementos
Arranjos de n elementos distintos tomados k a k
Combinaes de n elementos distintos tomados k a k
FORMULRIO
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Captulo 4 Variveis Aleatrias.
Distribuies de Probabilidade
Variveis aleatrias
Representao de populaes atravs das funes de probabilidade
Parmetros das funes de probabilidade de variveis aleatrias
Parmetros de localizao
Parmetros de disperso
Outros parmetros
Transformaes lineares de variveis
Transformaes no lineares de variveis
Captulo 5 Distribuies Conjuntas de Probabilidade
Definio de distribuies conjuntas, marginais e condicionais
Independncia entre variveis
Covarincia e correlao
Combinao linear de variveis
Combinao no linear de variveis
FORMULRIO
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Captulo 6 Caracterizao de Algumas
Distribuies Discretas Univariadas
Distribuio Binomial
Distribuio Binomial Negativa
Distribuio Hipergeomtrica
Distribuio de Poisson
Captulo 7 Caracterizao de Algumas
Distribuies Contnuas Univariadas
Distribuio Uniforme
Distribuio Exponencial Negativa
Distribuio Normal
Distribuio Normal Padronizada
Aproximao da distribuio Binomial pela distribuio de Poisson
Aproximao da distribuio Binomial pela distribuio Normal
FORMULRIO
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Aproximao da distribuio de Poisson pela Normal
Distribuio Lognormal
Distribuio do Qui-Quadrado
Distribuio t de Student
Distribuio F
Captulo 8 Amostragem aleatria.
Distribuies por amostragem
Parmetros da distribuio da mdia amostral (X)
Forma da distribuio da mdia amostral (X)
Enunciado do teorema do limite central
Aproximao da distribuio Binomial pela distribuio Normal
Aproximao da distribuio Hipergeomtrica pela distribuio Normal
Aproximao da distribuio
2
GL
c pela distribuio Normal
FORMULRIO
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Captulo 9 Estimao Pontual
Propriedades desejveis dos estimadores pontuais
Mtodos de estimao
Mtodo dos momentos
Mtodo da mxima verosimilhana
Mtodo de estimao linear com varincia mnima
Mtodo dos mnimos quadrados
Captulo 10 Estimao por Intervalo
Intervalo de confiana para o Valor Esperado (m)
Intervalo de confiana para a Proporo Binomial (p)
Intervalo de confiana para a varincia de uma populao Normal (s
2
)
Intervalo de confiana para a diferena de valores esperados
de duas populaes (
A B
m m - )
Intervalo de confiana para a diferena entre Propores Binomiais (p
A
p
B
)
Intervalo de confiana para a razo entre varincias de duas populaes
Normais (s
2
A
/s
2
B
)
FORMULRIO
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Captulo 11 Testes de Hipteses (paramtricos)
Testes disperso e localizao
Definio dos valores crticos dos testes
Teste ao Valor Esperado de uma populao
Teste Varincia de uma populao Normal
Teste Proporo Binomial (amostra de grande dimenso)
Teste Diferena entre Valores Esperados de duas populaes
(Amostras Independentes)
Teste Diferena entre Valores Esperados de duas populaes
(Amostras Emparelhadas)
Teste razo de Varincias de duas populaes Normais
Teste Diferena entre Duas Propores Binomiais
(amostras de grande dimenso)
FORMULRIO
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Captulo 12 Testes No-Paramtricos
Testes de Qualidade de Ajuste, de Localizao, de Aleatoriedade e de Associao
Testes para uma amostra
Testes de qualidade do ajuste
Testes de localizao
Testes de aleatoriedade
Testes para duas amostras independentes
Testes de qualidade do ajuste
Testes de localizao (amostras independentes)
Testes de localizao para duas amostras emparelhadas
Teste do Sinal
Teste de Wilcoxon
Outros testes para duas amostras
Testes de associao
FORMULRIO
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Captulo 13 Anlise de Varincia
Modelo com um factor de efeitos fixos
Modelo com um factor de efeitos variveis
Modelo com dois factores de efeitos fixos com interaco
Modelo com dois factores de efeitos variveis com interaco
Modelo aditivo com dois factores de efeitos fixos
com uma observao por clula
Modelo aditivo com dois factores de efeitos variveis
com uma observao por clula
Teste de Kruskal-Wallis
Teste de Bartlett
Captulo 14 Regresso
Modelo de Regresso Linear Simples
Estimativas de a e b
Previses com base no modelo de regresso linear simples
Correlao entre variveis
FORMULRIO
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Modelo de Regresso Linear Mltipla
Estimativa de a
Estimativas de b
j
Previses com base no modelo de regresso linear mltipla
Correlao entre variveis
Regresso com Variveis Mudas
Regresso no linear
McGraw-Hill
Captulo 2 Estatstica Descritiva
Dados no agrupados Dados discretos agrupados
Mdia amostral ( x )


N
n
n
x
N
x
1
1
N: nmero de dados da amostra;
n
x : valor de cada um dos dados
amostrais, N n ,..., 1 .

K
k
k k
x f x
1
K: nmero de clulas.
k
f : frequncia relativa (N
k
/N) de
cada valor observado
k
x .
Mediana amostral (Med)
(ou percentil 50 ou
segundo quartil)
Considere-se que os dados da amostra so colocados por ordem
crescente dos seus valores, formando um vector ) ,..., , , (
* *
3
*
2
*
1 N
x x x x .
- Se o nmero de dados que constituem a amostra (N) for mpar, a
mediana toma o valor do dado que naquele vector ocupa a
posio central: ) (
*
2 ) 1 ( +

N
x Med .
- Se o nmero de dados for par, a mediana toma o valor mdio dos
dois termos cujas localizaes no vector mais se aproximam da
posio central: )
2
(
*
1 ) 2 (
*
2 +
+

N N
x x
Med .
Moda (Mod) A moda o valor dos dados que ocorre com mais frequncia
(se existirem 2 ou mais valores adjacentes para os quais a frequncia
seja mxima, a moda ser a mdia desses valores).
Estatsticas de localizao
McGraw-Hill
Dados no agrupados Dados discretos agrupados
Amplitude da amostra (A) Diferena entre o valor mximo e o valor mnimo dos dados.
Intervalo Interquartis (IIQ) Intervalo cujos extremos so o primeiro quartil (ou percentil 25) e o
terceiro quartil (ou percentil 75).
Desvio absoluto mdio
amostral (DAM)
DAM =


N
n
n
x x
N
1
1
DAM = x x f
k
K
k
k

1
Desvio quadrtico mdio
amostral (DQM)
DQM =


N
n
n
x x
N
1
2
) (
1
DQM =

K
k
k k
x x f
1
2
) (
Varincia amostral (s
2
)

N
n
n
x x
N
s
1
2 2
) (
1
1

K
k
k k
x x f
N
N
s
1
2 2
) (
1
Desvio padro amostral (s)

N
n
n
x x
N
s
1
2
) (
1
1

K
k
k k
x x f
N
N
s
1
2
) (
1
Estatsticas de disperso
McGraw-Hill
Dados contnuos agrupados
Mdia amostral ( x )

K
k
k k
M f x
1
,
k
M : ponto central da clula k.
Mediana amostral (Med)
(ou percentil 50 ou segundo quartil)
med
med
med
med
f
fa
LI Med

5 . 0
med
LI : limite inferior da clula mediana (i.e., da clula para a qual a
frequncia acumulada passam de um valor inferior a 0.5 para
um valor superior a 0.5);

med
fa : frequncia relativa acumulada correspondente clula que
precede a clula mediana;
med
f : frequncia relativa (no acumulada) correspondente clula
mediana;
med
: amplitude da clula mediana.
Moda (Mod)

d d
d
LI Mod
+
+
2 1
1
(onde LI o limite inferior da clula modal (i.e., da clula com
maior frequncia relativa);
1
d : diferena entre a frequncia relativa da clula modal e a
frequncia relativa da clula precedente;
2
d : diferena entre a frequncia relativa da clula modal e a
frequncia relativa da clula seguinte;
: amplitude da clula modal.
Estatsticas de localizao
McGraw-Hill
Dados contnuos agrupados
Amplitude da amostra (A)
Diferena entre o ponto central da clula com o valor mximo e o ponto central
da clula com o valor mnimo.
Intervalo Interquartis (IIQ)
Intervalo cujos extremos so o primeiro quartil (ou percentil 25) e o terceiro
quartil (ou percentil 75).
Primeiro quartil =
Q
Q
Q
Q
f
fa
LI
1
1
1
1
25 . 0

Terceiro quartil =
Q
Q
Q
Q
f
fa
LI
3
3
3
3
75 . 0

Q
LI
1
(
Q
LI
3
): limite inferior da clula correspondente ao 1 quartil (3quartil),
i.e., da clula onde as frequncias acumuladas passam de um
valor inferior a 0.25 (0.75) para um valor superior a 0.25 (0.75);

Q
fa
1
(

Q
fa
3
): frequncia relativa acumulada correspondente clula que
precede a clula correspondente ao 1 quartil (3 quartil);
Q
f
1
(
Q
f
3
): frequncia relativa (no acumulada) correspondente clula do 1
quartil (3 quartil);
Q

1
(
Q 3
): amplitude da clula do 1 quartil (3 quartil)
Estatsticas de disperso
McGraw-Hill
Estatsticas de disperso (continuao)
Dados contnuos agrupados
Desvio absoluto mdio
amostral (DAM)
DAM = x M f
k
K
k
k

1
Desvio quadrtico mdio
amostral (DQM)
DQM =

K
k
k k
x M f
1
2
) (
Varincia amostral (s
2
)

K
k
k k
x M f
N
N
s
1
2 2
) (
1
Desvio padro amostral (s)

K
k
k k
x M f
N
N
s
1
2
) (
1
McGraw-Hill
Dados no agrupados
Dados discretos
agrupados
Dados contnuos
agrupados
Momento ordinrio
de ordem i (
i
m )
i
m =
i
N
n
n
x
N
) (
1
1

(i = 1,2,)
i
m =
i
K
k
k k
x f ) (
1

(i = 1,2,)
i
m =
i
K
k
k k
M f ) (
1

(i = 1,2,)
Momento centrado de
ordem i (m
i
)
m
i
=
i
N
n
n
x x
N
) (
1
1


(i = 1,2,)
m
i
=
i
K
k
k k
x x f ) (
1

(i = 1,2,)
m
i
=
i
K
k
k k
x M f ) (
1

(i = 1,2,)
Medida da assimetria
(k
3
)
(grande populao;
amostra limitada)
k
3
=
3
2
) 2 ( ) 1 (
m
N N
N


Coeficiente de
assimetria amostral
(g
1
)
g
1
=
3
3
s
k
Medida de kurtose
(k
4
)
(grande populao;
amostra limitada)
k
4
= ,
2
2 4
2
) 1 ( 3 ) 1 (
) 3 ( ) 2 ( ) 1 (
m N m N
N N N
N
+

Coeficiente de
kurtose amostral (g
2
)
g
2
=
4
4
s
k
Outras estatsticas
McGraw-Hill
Captulo 3 Teoria Elementar da Probabilidade
Considere-se uma experincia aleatria com N resultados possveis mutuamente exclusivos e igualmente
provveis.
A probabilidade de um acontecimento A a razo entre o nmero de resultados favorveis ocorrncia de A
(N
A
N) e o nmero de resultados possveis associados experincia aleatria (N).
N
N
A
P(A)
Axioma 1: A probabilidade de um qualquer acontecimento A, subconjunto do espao amostral S,
satisfaz a condio:
0 P(A) 1
Axioma 2: A probabilidade associada ao acontecimento certo (S) :
P(S)=1
Axioma 3: Para dois acontecimentos mutuamente exclusivos A e B, ento:
P(A B) = P(A) + P(B)
Definio clssica de probabilidade
Definio axiomtica de probabilidade
McGraw-Hill
Acontecimentos independentes: (B) (A) B) (A P P P
Acontecimentos dependentes: A) B ( (A) ) B A ( P P P
[ A) B ( P : probabilidade condicional (probabilidade de ocorrncia de B quando se admite que A ocorreu)]
Acontecimentos mutuamente exclusivos: (B) (A) B) (A P P P +
Acontecimentos no mutuamente exclusivos: B) (A (B) (A) B) (A + P P P P
Probabilidade de A e B
Probabilidade de A ou B
McGraw-Hill
(Para acontecimentos mutuamente exclusivos e dependentes)
Seja 'A
n
;, (n = 1, , N) um conjunto de acontecimentos mutuamente exclusivos preenchendo
exaustivamente o espao amostral e B um acontecimento qualquer. A probabilidade posteriori de cada um
dos acontecimentos A
n
dada pela expresso seguinte:
P(A
n
B) =
) A ( ) A | B ( ... ) A ( ) A | B (
) A ( ) A | B (
1 1 N N
n n
P P P P
P P
+ +

Teorema de Bayes
McGraw-Hill
Permutaes de n elementos
Agrupamentos formados por n elementos que diferem uns dos outros apenas pela ordem pela qual tais
elementos esto dispostos.
1 2 3 ... ) 1 ( ! n n n P
n
Exemplo: Permutaes dos nmeros 4, 5 e 6:
6 1 2 3 ! 3
4 5 6
5 4 6
4 6 5
6 4 5
5 6 4
6 5 4
3







P
Anlise Combinatria
McGraw-Hill
Arranjos de n elementos distintos tomados k a k:
Agrupamentos constitudos por k dos n elementos que diferem uns dos outros quer pelos elementos que
neles figuram, quer pela ordem pela qual esto dispostos.
)! (
!
k n
n
A
n
k

= ) 1 ( ... ) 1 ( + k n n n
Exemplo: Arranjos dos nmeros 4, 5 e 6, tomados 2 a 2:
6
! 1
1 2 3
)! 2 3 (
! 3
5 6
6 5
4 6
6 4
4 5
5 4
3
2

A
McGraw-Hill
Combinaes de n elementos distintos tomados k a k:
Agrupamentos constitudos por k dos n elementos que diferem uns dos outros apenas pelos elementos que
neles figuram, independentemente da ordem pela qual esto dispostos.
! )! (
!
k k n
n
k
n
C
n
k

,
_

Exemplo: Combinaes dos nmeros 4, 5 e 6, tomados 2 a 2:


3
! 2 ! 1
1 2 3
! 2 )! 2 3 (
! 3
6 5
6 4
5 4
3
2

C
McGraw-Hill
Captulo 4 Variveis Aleatrias. Distribuies de
Probabilidade
Varivel Aleatria: Uma varivel aleatria utiliza-se para expressar os resultados de uma experincia
aleatria.
Espao Amostral: Conjunto de todos os resultados possveis de uma experincia aleatria.
Variveis aleatrias
McGraw-Hill
Seja Y uma varivel aleatria discreta:
A funo de probabilidade da varivel Y, que se denota por p(y), a funo que associa a cada valor
particular que a varivel pode tomar (y) a probabilidade de Y ser igual a y:
p(y) = Probabilidade (Y = y).
A funo de distribuio (ou funo de probabilidade acumulada) da varivel Y, que se denota por F(y), a
funo que associa a cada valor particular que a varivel pode tomar (y) a probabilidade de Y ser menor ou
igual a y:
F(y) = Probabilidade (Y y).
Seja X uma varivel aleatria contnua:
A probabilidade de a varivel X tomar um valor situado dentro de um intervalo finito [a, b] obtm-se a partir
da expresso seguinte:
P(a < X < b) =

b
a
x x f d ) ( .
Representao de populaes atravs das funes de probabilidade
McGraw-Hill
A funo de distribuio (ou funo de probabilidade acumulada) da varivel X, F(x), associa a cada valor
particular x a probabilidade de X ser menor ou igual a x. Em notao simblica, a funo de distribuio de X
definida pela expresso:
F(x) = P(X x) =



x
u u f d ) ( .
de notar que no integral que figura na expresso o limite superior de integrao x, pelo que h que
considerar uma varivel de integrao distinta de x, no caso a varivel u.
As funes de probabilidade podem ser encaradas como formas de representao de populaes.
Tal como as distribuies de frequncias, calculadas com base nos dados amostrais, so susceptveis de
serem caracterizadas por estatsticas, tambm as funes de probabilidade associadas s populaes podem
ser caracterizadas por um conjunto de parmetros.
Para uma dada populao, as funes de probabilidade e os parmetros que lhes esto associados so fixos,
em contraste com as estatsticas relativas s frequncias observadas numa amostra, que variam de amostra
para amostra.
McGraw-Hill
Parmetros de localizao:
Variveis Discretas Variveis Contnuas
Valor
esperado ()


y
Y
y p y Y E ) ( ) (

+

x ) ( ) ( d x f x X E
x

Mediana () Seja y
0
o valor mnimo que uma
varivel discreta Y pode tomar e F(y) a
funo de probabilidade acumulada. Se
5 . 0 ) (
0
y F , a mediana igual a y
0
, ou
seja
y
= y
0
;
Se F(y
0
< 0.5) , ento
y
= y
1
, onde y
1
denota o valor particular de Y que
satisfaz as seguintes condies:
5 . 0 ) (
1
y F e 5 . 0 ) (
1
<

y F
(

1
y representa o valor particular de
Y imediatamente inferior a y
1
).
Para uma varivel X contnua, se a
equao F(x) = 0.5 tem:
- uma soluo, x corresponde
mediana,
x
;
- mais do que uma soluo, a mediana
definida por:
2
max min
X X
x
+

( X
min
e X
max
representam o mnimo e
o mximo do conjunto de solues,
respectivamente).
Moda () A moda o valor para o qual a funo
de probabilidade toma o valor mximo.
A moda o valor para o qual a funo
densidade de probabilidade toma o valor
mximo.
Parmetros das funes de probabilidade de variveis aleatrias
McGraw-Hill
Parmetros de disperso:
Variveis Discretas Variveis Contnuas
Desvio absoluto
mdio ()
) ( y p y
y
y Y


x x f x
X X
d ) (

+


Varincia
(
2
ou Var)


y
Y Y
y p y Y ) ( ) ( ) ( Var
2 2

x x f x X
X X
d ) ( ) ( ) ( Var
2 2

+


Desvio padro ()
2
Y Y

2
X X

Outros parmetros:
Variveis Discretas Variveis Contnuas
Momento ordinrio de
ordem i (
i
) (i = 1,2,)
i
=


Y
i
y p y ) (
i
=

+

dx x f x
i
) (
Momento centrado de ordem
i (
i
) (i = 1,2,)

i
=


Y
i
Y
y p y ) ( ) (

i
=

+

dx x f x
i
X
) ( ) (
Coeficiente populacional de
assimetria (
1
)
3
3
1


Coeficiente Populacional de
Kurtose (
2
)
3
4
4
2

McGraw-Hill
Considere-se uma varivel aleatria qualquer Y, discreta ou contnua, e admita-se que os seus valores
particulares so transformados por aplicao de uma funo linear Y b a Y f + ) ( , onde a e b so
constantes. Como resultado desta operao, fica definida uma nova varivel aleatria (X):
Y b a X +
O valor esperado e a varincia da varivel transformada (X) podem ser calculados directamente a partir dos
parmetros da varivel original (Y):
) ( ) ( ) ( Y E b a Y b a E X E + + ) ( Var ) ( Var ) ( Var
2
Y b Y b a X +
Considere-se uma varivel aleatria qualquer Z, discreta ou contnua, e admita-se que os seus valores
particulares so transformados por aplicao de uma funo no linear (Z). Como resultado desta operao,
fica definida uma nova varivel aleatria W = (Z).
O valor esperado e a varincia da varivel transformada (W) podem ser calculados a partir das expresses:
( ) , , ) ( ) ) ( Z E Z E W E
( ) , ) ( Var ) ( Var Var ) ( Var
2
2
Z
dZ
d
Z b Z W
Z
Z

1
]
1

Transformaes lineares de variveis


Transformaes no lineares de variveis
McGraw-Hill
Captulo 5 Distribuies Conjuntas de Probabilidade
No estudo de experincias aleatrias muitas vezes necessrio caracterizar mais do que uma varivel
aleatria a partir do mesmo espao amostral. Nestas circunstncias importante pr em evidncia no s as
propriedades individuais das variveis mas tambm as propriedades conjuntas (i.e., aquelas que dizem
respeito forma como tais variveis se encontram associadas). Isto envolve a definio de distribuies
conjuntas, de distribuies marginais e de distribuies condicionais. No quadro seguinte apresentam-se as
expresses relativas funo conjunta de probabilidade (ou de densidade de probabilidade), funo
marginal de probabilidade (ou de densidade de probabilidade) e s funes condicionais de probabilidade
(ou de densidade de probabilidade).
Variveis discretas Variveis contnuas
Distribuio
conjunta
) e ( ) , (
,
w W h H P w h p
W H

Prob.{(X, Y) D } =


D
Y X
x y x f dy d ) , (
,
Distribuio
marginal

W
W H H
w h p h p ) , ( ) (
,

h
W H W
w h p w p ) , ( ) (
,
dy ) , ( ) (
R
,
y x f x f
Y X X

dx ) , ( ) (
R
,
y x f y f
Y X Y

Distribuio
condicional
) (
) , (
) (
,
w p
w h p
y x p
W
W H
W H

) (
) , (
) (
,
h p
w h p
h w p
H
W H
H W

dx ) , (
) , (
) (
R
,
,
y x f
y x f
y x f
Y X
Y X
Y X

dy ) , (
) , (
) (
R
,
,
y x f
y x f
x y f
Y X
Y X
X Y

Note-se que estas expresses podem ser facilmente adaptadas para o caso em que uma varivel discreta e
outra contnua.
Definio de distribuies conjuntas, marginais e condicionais
McGraw-Hill
A independncia entre duas variveis implica que entre elas no existe qualquer relao, isto , qualquer que
seja o valor particular que uma delas tome no se altera a distribuio de probabilidade da outra. Daqui
resulta a seguinte condio necessria e suficiente de independncia entre duas variveis aleatrias discretas
H e W e entre duas variveis contnuas X e Y:
) ( ) ( ) , ( : ,
,
w p h p w h p w h
W H W H

) ( ) ( ) , ( : ,
,
y f x f y x f y x
Y X Y X

Se esta condio for satisfeita para todos os valores particulares das variveis, ento estas sero
efectivamente independentes. Inversamente, se para algum par de valores a relao no for satisfeita, as
variveis no so independentes.
Independncia entre variveis
McGraw-Hill
A covarincia e a correlao so medidas do grau de relacionamento linear entre duas variveis.
A covarincia das variveis aleatrias discretas H e W, que se denota por
W H,
ou Cov(h, w), definida por:
) , ( ) ( ) (
, ,
w h p w h
W H W
h w
H W H


A covarincia de X e Y, variveis contnuas, dada por:


2
d dx ) , ( ) ( ) (
, ,
R
Y X Y X Y X
y y x f y x
O coeficiente de correlao (ou, simplesmente, a correlao) obtido dividindo a covarincia pelo produto
dos desvios padro das variveis em causa.
W H
W H
W H

,
,
Covarincia e correlao
McGraw-Hill
O coeficiente de correlao pode tomar valores situados entre 1 e 1 (isto , 1 1
,

W H
).
1
,

W H
indica uma relao linear perfeita entre as variveis consideradas, de tal forma que quando H
aumenta W tambm aumenta (isto , H b a W + , com b > 0).
1
,

W H
indica uma relao linear perfeita entre as variveis consideradas, de tal forma que quando
uma aumenta a outra diminui (isto , H b a W + , com b < 0)
0
,

W H
indica que o grau de relacionamento linear entre as variveis nulo.
evidente que se as duas variveis aleatrias forem independentes ento no existir qualquer relao
entre elas, sendo portanto nulo o grau de relacionamento linear (o que implica que 0
,

W H
).
No entanto, se o coeficiente de correlao for nulo no se pode da depreender que as variveis so
independentes (uma vez que podem existir relaes no-lineares entre elas).
McGraw-Hill
Considerem-se as variveis aleatrias X e Y, discretas ou contnuas, e admita-se que os seus valores
particulares so transformados por aplicao de uma funo linear W c H b a W H f + + ) , ( , onde a, b e c
so constantes. Como resultado desta operao fica definida uma nova varivel aleatria V (em que
W c H b a W H f V + + ) , ( ).
O valor esperado e a varincia da varivel V podem ser calculados directamente a partir dos parmetros das
variveis originais (H e W):
) ( ) ( ) ( ) ( W E c H E b a W c H b a E V E + + + +
) ( Var ) , ( Cov 2 ) ( Var ) ( Var ) ( Var
2 2
W c W H c b H b W c H b a V + + + +
Combinao linear de variveis
McGraw-Hill
Considere-se o caso em que a transformao:
V = ) , ( W H
no linear.
Neste caso, o valor esperado e a varincia de V podem ser obtidos recorrendo s expresses que se seguem:
, , ) ( ), ( ) , ( ) ( W E H E W H E V E
,
2
2
2
2
2 ) , ( Var
W
W
H
HW
W
H
W
H
H
W
H
W
H
W
H
W
H
W
H W W H H
W H


1
]
1

+
1
]
1

1
]
1

+
1
]
1

Combinao no linear de variveis


McGraw-Hill
Captulo 6 Caracterizao de Algumas Distribuies
Discretas Univariadas
Envolve uma srie de N experincias idnticas com as seguintes caractersticas:
Cada experincia tem apenas 2 resultados possveis (i.e., sucesso ou insucesso).
A probabilidade de ocorrncia de cada resultado mantm-se inalterada de experincia para experincia:
Prob. (sucesso) = p = constante e Prob. (insucesso) = 1 p = q = constante.
Os resultados das experincias so independentes.
Se Y for uma varivel aleatria discreta que representa o nmero de vezes que no decurso de N experincias
ocorrem sucessos, ento X segue uma distribuio Binomial (em notao simblica representa-se por: Y
B(N, p)].
Distribuio Binomial
Funo de probabilidade:
y N y
p p
y N y
N
y p



) 1 (
)! ( !
!
) (
Valor esperado de Y: p N
Y

Varincia de Y: ) 1 (
2
p p N
Y

onde:
p: probabilidade de ocorrncia de um sucesso
N: nmero de experincias
y: nmero de sucessos
Distribuio Binomial
McGraw-Hill
Envolve uma srie de N experincias idnticas com as caractersticas referidas para a distribuio binomial.
A diferena reside no facto haver um processo de contagem do nmero de insucessos encontrados at
ocorrer o r-simo sucesso. Desta forma, se Y representar este nmero (insucessos) segue uma distribuio
Binomial Negativa [em notao simblica representa-se por: Y BN(r, p)].
Distribuio Binomial Negativa
Funo de probabilidade:
y r
r y
y
p p y p ) 1 ( ) (
1

,
_

+
Valor esperado de Y:
p
p r
Y
) 1 (

Varincia de Y:
2
2
) 1 (
p
p r
Y


onde:
p: probabilidade de ocorrncia de um sucesso
r: nmero ordinal do sucesso
y: nmero de sucessos at ocorrer o r-simo sucesso
Distribuio Binomial Negativa
McGraw-Hill
Considere-se uma populao finita constituda por M elementos de dois tipos (por exemplo, peas boas e
peas defeituosas). Considere-se que p e (1-p) representam, respectivamente, a proporo de peas boas e de
peas defeituosas existentes na populao. Admita-se que desta populao se retiram sucessivamente, sem
reposio, N elementos.
Se Y for uma varivel aleatria discreta que representa o nmero de elementos de um dos tipos que figuram
entre os N elementos que foram retirados da populao, ento Y segue uma distribuio Hipergeomtrica
[em notao simblica representa-se por: Y H(Mp, M(1-p), N)].
Distribuio Hipergeomtrica
Funo de probabilidade:

,
_

,
_

,
_

N
M
y N
p M
y
p M
y p
) 1 (
) (
Valor esperado de Y: p N
y

Varincia de Y:
1
) 1 (
2


M
N M
p p N
y

onde:
p: proporo de elementos do tipo em anlise existente na populao (ex.: peas boas).
N: nmero de elementos retirados da populao
y: nmero de elementos do tipo em anlise (ex.: peas boas) que figuram entre os N
elementos retirados da populao
M: dimenso da populao
Distribuio Hipergeomtrica
McGraw-Hill
A varivel aleatria discreta Y que representa o nmero de ocorrncias de um determinado acontecimento
por unidade de tempo (ou espao) segue uma distribuio de Poisson [em notao simblica representa-se
por: Y Poisson ()] se se verificarem as trs condies seguintes:
Os acontecimentos ocorrem um a um e no aos grupos
Os acontecimentos so independentes entre si. Isto , a ocorrncia de um acontecimento num
determinado intervalo (de tempo ou de espao) no afecta a probabilidade de ocorrer um segundo
acontecimento no mesmo, ou em qualquer outro, intervalo (de tempo ou de espao).
A probabilidade de se registar uma ocorrncia do acontecimento num dado intervalo proporcional
dimenso do intervalo.
Distribuio de Poisson
Funo de probabilidade:
!
) (
y
e
y p
y

Valor esperado de Y:
Y
Varincia de Y:
2
Y
onde:
y: nmero de ocorrncias no intervalo considerado (de tempo ou de espao)
: nmero mdio de ocorrncias por unidade considerada (de tempo ou de espao)
Distribuio de Poisson
McGraw-Hill
Captulo 7 Caracterizao de Algumas Distribuies
Contnuas Univariadas
McGraw-Hill
Considere-se a varivel aleatria contnua X que segue uma distribuio Uniforme [em notao simblica
representa-se por: X U(a, b)].
Distribuio Uniforme
Funo densidade de probabilidade:

'

< >

a b ou x x
b x a se b-a
x f
se 0
) 1/(
) (
Funo de distribuio:

'

>

<

b x
b x a
a x
a b a x x F
se
se
se
1
) ( ) (
0
) (
Valor esperado:
2
) ( b a
X
+

Varincia:
2 2
) (
12
1
a b
X

onde:
F(x) a probabilidade de X x
a e b so os limites do intervalo finito [a, b]; a funo densidade de probabilidade
constante dentro desse intervalo e nula fora dele.
Distribuio Uniforme
McGraw-Hill
Esta distribuio est relacionada com a distribuio de Poisson.
Admitindo que o parmetro da distribuio de Poisson que descreve o nmero de ocorrncias de um
dado fenmeno por unidade de tempo ou de espao, a varivel aleatria contnua X que representa o tempo
ou espao entre ocorrncias sucessivas de um dado fenmeno segue uma distribuio Exponencial Negativa
com parmetro [em notao simblica representa-se por: X EN()].
Note-se que, como corresponde ao nmero mdio de ocorrncias por unidade de tempo ou de espao, 1/
representa o tempo ou o espao que, em mdia, separa ocorrncias sucessivas.
Distribuio Exponencial Negativa
Funo de distribuio:

'

>


0 se
0 se 0
) (
x e
x
x F
x

Valor esperado: 1
X
Varincia:
2 2
) 1 (
X
onde:
F(x) a probabilidade de X x, o que corresponde probabilidade de se verificar
pelo menos uma ocorrncia no intervalo [0, x]
Distribuio Exponencial Negativa
McGraw-Hill
Esta a distribuio que mais se utiliza para descrever fenmenos que se traduzem atravs de variveis
aleatrias contnuas.
Sempre que X uma varivel aleatria cujo valor resulta da soma de um grande nmero de efeitos
provocados por causas independentes, em que o efeito de cada causa negligencivel em relao soma de
todos os outros efeitos, ento X segue uma distribuio Normal [em notao simblica representa-se: X
N(,
2
)].
A distribuio Normal definida a partir de dois parmetros: o seu valor esperado (
X
) e a sua varincia
(
2
X
).
Distribuio Normal Padronizada
A distribuio Normal Padronizada tem valor esperado igual a zero (
Z
= 0) e varincia igual a um ( 1
2

Z
).
Considere-se a varivel:
x
x
X
Z


, em que X ) , (
2
X x
N
Dado que a transformao da varivel Normal X linear, a varivel Z tambm Normal. Os seus parmetros
so:
0
) (

,
_

x
x
x
x
Z
X E X
E

1 ) ( Var
1
Var
2
2

,
_


X
X
x
x
x
Z

A varivel Z (obtida a partir da transformao linear da varivel X) segue uma distribuio Normal
padronizada [Z N(0, 1)].
Distribuio Normal
McGraw-Hill
Vlida quando M muito maior do que N (i.e., na prtica a aproximao s razovel quando
N M 10 )
X ) ), 1 ( , ( N p M p M H X B(N, p)
Vlida para N grande (i.e., na prtica a aproximao s razovel para N 20)
S tem interesse quando a distribuio binomial for assimtrica (i.e., quando 7 p N e 7 q N ).
X B(N, p) X ) ( Poisson p N
Vlida para N grande (N 20)) e no caso da distribuio Binomial ser simtrica (i.e., na prtica
quando 7 > p N e 7 > q N )
X B(N, p) X )) 1 ( , ( Normal
2
p p N p N
Aproximao da distribuio Hipergeomtrica pela distribuio Binomial
Aproximao da distribuio Binomial pela distribuio de Poisson
Aproximao da distribuio Binomial pela distribuio de Poisson
McGraw-Hill
Vlida quando ( > 10)
X Poisson() X ) , ( Normal
2

Seja X > 0 uma varivel aleatria contnua e admita-se que V = ln X segue uma distribuio ) , (
2
V V
N .
Nestas condies, a varivel X segue uma distribuio Lognormal, com parmetros
V
e
2
V
[em notao
simblica representa-se por: X ) , (
2
V V
LN ].
Distribuio Lognormal
Funo densidade de probabilidade:
2
2
) (ln
2
1
2
1
) (
V
V
x
V
e
x
x f

Valor esperado de X:
2 /
2
V V
e
X

Varincia de X:
2 2
2 ) ( 2
2
V V V V
e e
X

+ +

Mediana de X:
V
e
X


Moda de X:
) (
2
V V
e
X

Valor esperado de V:

,
_

+

2 2
4
ln
2
1
X X
X
V

Varincia de V:

,
_

+ 1 ln
2
2
2
X
X
V

Aproximao da distribuio de Poisson pela Normal


Distribuio Lognormal
McGraw-Hill
Considere-se um conjunto de variveis aleatrias Z
i
(i = 1, 2, 3,, GL) obedecendo s seguintes condies:
Cada varivel Z
i
segue uma distribuio Normal padronizada.
As variveis Z
i
so mutuamente disponveis independentes.
A varivel aleatria X, constituda a partir da soma de GL variveis Z
i
elevadas ao quadrado, segue uma
distribuio Qui-Quadrado com GL graus de liberdade [em notao simblica representa-se por:
X
2
GL
]:

GL
i
i
Z X
1
2
Distribuio do Qui-Quadrado
Funo densidade de probabilidade:
1 ) 2 / (
2 /
2 /
) 2 / ( 2
1
) (

GL
x x
GL
e
GL
x f
Valor esperado de X:
X
= GL
Varincia de X: GL
X
2
2

Distribuio do Qui-Quadrado
McGraw-Hill
Considere-se que Z N(0,1) e V
2
GL
. A distribuio da varivel aleatria X obtida calculando o quociente
GL V
Z
/
designa-se por distribuio t de Student com GL graus de liberdade [em notao simblica
representa-se por: X tGL]:
Distribuio t de Student
Funo densidade de probabilidade:
,
2 / ) 1 (
2
1
) 2 / (
2 / ) 1 (
) (
+

,
_

+

+

GL
GL
x
GL GL
GL
x f

Valor esperado de X: 0
X
(para GL > 1)
Varincia de X: ) 2 /(
2
GL GL
X
(para GL > 2)
Distribuio t de Student
McGraw-Hill
Sendo
1
2
GL
e
2
2
GL
duas variveis independentes, a distribuio da varivel X dada pelo quociente
2
2
1
2
/
/
2
1
GL
GL
GL
GL

designa-se por distribuio F com GL


1
e GL
2
graus de liberdade [em notao simblica
representa-se por: X
2 1
,GL GL
F ]:
Para se obterem os valores de ) 1 (
2 1
,

GL GL
F , correspondentes a reas de dimenso situadas na cauda
esquerda da distribuio de X
2 1
,GL GL
F , recorre-se seguinte relao:
) (
1
) 1 (
1 2
2 1
,
,

GL GL
GL GL
F
F
Distribuio F
Funo densidade de probabilidade:
,
) ( 5 . 0
1 2
1 5 . 0 5 . 0
2 1
2 1
2 1
2 1
1 1
) (
) / (
) 5 . 0 ( ) 5 . 0 (
) ( 5 . 0
) (
GL GL
GL GL
x GL GL
x GL GL
GL GL
GL GL
x f
+

+

Valor esperado de X:
2
2
2

GL
GL
X
(para GL
2
> 2)
Varincia de X:
) 4 ( ) 2 (
) 2 ( 2
2
2
2 1
2 1 2 2

+

GL GL GL
GL GL GL
X
(para GL
2
> 4)
Distribuio F
McGraw-Hill
Captulo 8 Amostragem aleatria.
Distribuies por amostragem
Considere-se a varivel aleatria X, representativa de uma populao qualquer com um determinado valor
esperado (
X
) e varincia ) (
2
X
. Suponha-se que so recolhidas amostras de dimenso N e que se pretende
conhecer a distribuio da mdia amostral ) ( X obtida a partir dessas amostras.
Amostras aleatrias simples (amostras provenientes de uma populao aproximadamente infinita ou
amostras com reposio provenientes de uma populao finita).
X X

2 2
1
X X
N

Amostras aleatrias que no sejam simples (amostras sem reposio provenientes de uma populao
finita).
X X

2 2
1
1
X X
N M
N M

,
_

) Parmetros da distribuio da mdia amostral ( X


McGraw-Hill
Quando a distribuio da varivel original (X) Normal, a distribuio da mdia amostral ( X )
tambm Normal.
O teorema do limite central garante que, qualquer que seja a distribuio da varivel original (X), a
mdia amostral ( X ) segue aproximadamente uma distribuio Normal se a dimenso da amostra (N) for
suficientemente grande.
Sejam
N
X X X ..., , ,
2 1
variveis aleatrias independentes com a mesma distribuio, que se admite ter
varincia finita (note-se que isto acontece em quase todas as distribuies com interesse prtico). Qualquer
que seja a distribuio destas variveis, se o valor N for suficientemente grande, a varivel soma (S):

N
i
i
X S
1
segue aproximadamente uma distribuio Normal.
A distribuio de S inteiramente especificada atravs do valor esperado e da varincia, que so dados por:
2 2
X S
X S
N
N




onde
2
e
X X
representam o valor esperado e a varincia das variveis X
i
.
Forma da distribuio da mdia amostral (
X
)
Enunciado do teorema do limite central
McGraw-Hill
Do teorema do limite central resulta que a distribuio de Y (distribuio Binomial) se aproxima da
distribuio Normal para valores suficientemente grandes de N.
Do teorema do limite central resulta que a distribuio de Y (distribuio Hipergeomtrica) se aproxima da
distribuio Normal quando M for muito superior a N em H ( ) , , N q M p M .
Do teorema do limite central resulta que a distribuio do Qui-Quadrado se aproxima da distribuio Normal
para valores suficientemente grandes de GL.
Aproximao da distribuio Binomial pela distribuio Normal
Aproximao da distribuio Hipergeomtrica pela distribuio Normal
Aproximao da distribuio
2
GL
pela distribuio Normal
McGraw-Hill
Captulo 9 Estimao Pontual
No mbito da inferncia estatstica, as estatsticas permitem estimar os parmetros da populao a que
pertence a amostra. estatstica,

, cujos valores particulares

constituem estimativas de um parmetro ,


designa-se estimador pontual do parmetro em causa.
No-Enviesamento
Enviesamento 0 )

(



E .
Eficincia
Eficincia , +

2

( E (Enviesamento

)
2
.
Eficincia relativa
2 1

/


=
,
,
2
2
2
1
)

( E
)

( E



.
Consistncia
Condies suficientes (no necessrias):
0
lim
e 0 ) (
lim
2





N N
ou , 0 )

(
lim
2


E
N
.
Suficincia: Capacidade de condensar toda a informao que a amostra possui relativamente ao
parmetro.
Robustez: Capacidade de um estimador se manter aproximadamente no-enviesado e eficiente para uma
vasta gama potencial de distribuies populacionais.
Propriedades desejveis dos estimadores pontuais
McGraw-Hill
Mtodo dos momentos
Propriedades dos estimadores obtidos:
so consistentes
seguem uma distribuio Normal quando a amostra tende para infinito
so, para amostras de grande dimenso, menos eficientes que os obtidos pelo mtodo de mxima
verosimilhana.
Seja uma populao representada pela varivel Z, cuja distribuio conhecida a menos de R parmetros
R
,..., ,
2 1
. Geralmente, os momentos populacionais ordinrios so funes dos parmetros a estimar
) ,..., , (
2 1 R i i
.
Seja ainda { }
N
Z Z Z ,..., ,
2 1
uma amostra aleatria simples. Os momentos amostrais ordinrios so dados
por:


N
n
i
n i
Z
N
M
1
) (
1
Os estimadores Mom (designao abreviada para os estimadores calculados atravs deste mtodo) obtm-se
resolvendo o seguinte sistema de equaes em ordem a
R
,..., ,
2 1
:
) ,..., , (
2 1 R i i
M para i = 1,2,, R
Mtodos de estimao
McGraw-Hill
Mtodo da mxima verosimilhana
Propriedades dos estimadores obtidos:
so, em geral, consistentes
para dimenses de amostras crescentes, tendem a ser no-enviesados e eficientes
seguem, frequentemente, uma distribuio assimptoticamente Normal
Seja Y uma varivel discreta, cuja distribuio conhecida a menos de R parmetros
R
,..., ,
2 1
. A funo
de verosimilhana para uma amostra aleatria { }
N
y y y ,..., ,
2 1
dada por:


N
n
R n N R N N
y Y y Y y Y L
1
2 1 2 1 1 1
) ,..., , | ( ade Probabilid ,..., , | ,... ( ade Probabilid
As estimativas de mxima verosimilhana correspondem aos valores dos parmetros que maximizam L.
0 ) ,.., , ( :
2 1
,..., ,
2 2

i
R
L
L
MAX
R



(i = 1, 2,, R)
Analogamente, sendo X uma varivel contnua, cuja distribuio conhecida a menos de R parmetros
R
,..., ,
2 1
. A funo de verosimilhana para uma amostra aleatria { }
N
x x x ,..., ,
2 1
dada por:


N
n
n x N x x
x f x x f L
R n R N
1
,..., | 1 ,..., | ,...,
) ( ) ,..., (
1 1 1

As estimativas de mxima verosimilhana (que se designam abreviadamente por estimativas MV) so os
valores dos parmetros que maximizam L:
0 ) ,.., , ( :
2 1
,..., ,
2 2

i
R
L
L
MAX
R



(i = 1, 2, R).
McGraw-Hill
Mtodo de estimao linear com varincia mnima
Propriedades dos estimadores obtidos:
so no-enviesados
tm a varincia mnima possvel
A partir deste mtodo obtm-se um estimador que resulta da combinao linear de um conjunto de
estimadores independentes, no-enviesados e com varincia conhecida. O estimador LVM (designao
abreviada para o estimador assim obtido) calcula-se a partir da expresso:
n
N
n
n
k


1
com

N
i
i
n
n
k
1
2
2
/ 1
/ 1

.
McGraw-Hill
Mtodo dos mnimos quadrados
Propriedades dos estimadores obtidos:
so, em geral, no-enviesados
tm, em geral, varincia mnima
Considerem-se diferentes rplicas de uma varivel X expressas sob a forma:
n R n n
E f X + ) ,..., , (
2 1

onde ) ,..., , (
2 1 R n
f (n = 1,, N) representam funes conhecidas de R parmetros
R
,..., ,
2 1
e E
n
(n =
1,, N) representam rplicas independentes de uma varivel aleatria E, habitualmente designada por erro,
com valor espeardo nulo e varincia
2
E
.
Dispondo de um conjunto de N (N > R) observaes de X, { }
N
X X X ,..., ,
2 1
, os estimadores obtidos segundo
o mtodo dos mnimos quadrados (os estimadores MQ) dos parmetros
R
,..., ,
2 1
so calculados
minimizando o somatrio do quadrado dos erros:
,



N
n
R n n
N
n
n n
f X E SEQ
n 1
2
2 1
1
2
2 1
,..., ,
) ,..., , ( ) ,..., , (
: Min
2 1


Resolvendo o seguinte sistema de equaes em ordem a
R
,..., ,
2 1
obtm-se os estimadores pretendidos.
0

i
SEQ

(i = 1, , R)
McGraw-Hill
Captulo 10 Estimao por Intervalo
Todos os intervalos que seguidamente se definem possuem um nvel de confiana de (100-)%.
Amostra de grande dimenso (s )
1
]
1

+
N
Z X
N
Z X

) 2 / ( ) 2 / (
,
Amostra de pequena dimenso (e populao Normal)
1
]
1

+

N
s
t X
N
s
t X
N N ) 2 / ( 1 ) 2 / ( 1
,

Intervalo de confiana para o Valor Esperado ()
McGraw-Hill
Amostra de grande dimenso (populao infinita ou amostragem com reposio)
1
]
1


N
p p
Z p
N
p p
Z p
) 1 (
,
) 1 (

) 2 / ( ) 2 / (
Amostra de grande dimenso (populao finita de dimenso M e amostragem sem reposio)
1
]
1


1
) 1 (
,
1
) 1 (

) 2 / ( ) 2 / (
M
N M
N
p p
Z p
M
N M
N
p p
Z p

1
1
]
1



2
) 2 / 1 ( 1
2
2
) 2 / ( 1
2
) 1 (
,
) 1 (


N N
s N s N
Intervalo de confiana para a Proporo Binomial (p)
Intervalo de confiana para a varincia de uma populao Normal (
2
)
McGraw-Hill
Amostras independentes de grande dimenso (
2 2
A A
s e
2 2
B B
s )
Admitindo que as populaes tm varincias diferentes (
2 2
B A
):
1
1
]
1

+ + +
B
B
A
A
B A
B
B
A
A
B A
N N
Z X X
N N
Z X X
2 2
) 2 / (
2 2
) 2 / (
) ( , ) (


Admitindo que as populaes tm varincias iguais (
2 2
B A
):
1
]
1

+ + +
B A
B A
B A
B A
N N
Z X X
N N
Z X X
1 1
) ( ,
1 1
) (
) 2 / ( ) 2 / (


em que:
2
) 1 ( ) 1 (
2 2
+
+

B A
B B A A
N N
s N s N

Intervalo de confiana para a diferena de valores esperados de duas


populaes (
A
)
B
McGraw-Hill
Amostras independentes de pequena dimenso (e populaes Normais)
Admitindo que as populaes tm varincias diferentes (
2 2
B A
)
1
1
]
1

+ + +
B
B
A
A
GL B A
B
B
A
A
GL B A
N
s
N
s
t X X
N
s
N
s
t X X
2 2
) 2 / (
2 2
) 2 / (
) ( , ) (

em que
( )
( ) ( )
1
/
1
/
/ /
2
2
2
2
2
2 2

B
B B
A
A A
B B A A
N
N s
N
N s
N s N s
GL
Admitindo que as populaes tm varincias iguais (
2 2
B A
)
1
]
1

+ + +
B A
GL B A
B A
GL B A
N N
s t X X
N N
s t X X
1 1
) ( ,
1 1
) (
) 2 / ( ) 2 / (
em que: 2 +
B A
N N GL e
2
) 1 ( ) 1 (
2 2
+
+

B A
B B A A
N N
s N s N
s
McGraw-Hill
Amostras independentes de grande dimenso (populaes infinitas ou amostragem com
reposio).
( )
1
]
1

t
B
B B
A
A A
B A
N
p p
N
p p
Z p p
) 1 ( ) 1 (

) 2 / (
Amostras independentes de grande dimenso (populaes de dimenso finita (M
A
e M
B
) e
amostragem sem reposio).
( )
1
]
1

t
1
) 1 (
1
) 1 (

) 2 / (
B
B B
B
B B
A
A A
A
A A
B A
M
N M
N
p p
M
N M
N
p p
Z p p

Intervalo de confiana para a diferena entre Propores Binomiais ( P P
)
B A
McGraw-Hill
1
1
]
1



2
2
) 2 / 1 ( 1 , 1
2
2
) 2 / ( 1 , 1
1
,
1
B
A
N N B
A
N N
s
s
F s
s
F
B A B A

Intervalo de confiana para a razo entre varincias de duas populaes
Normais ( )
2 2

B A
McGraw-Hill
Captulo 11 Testes de Hipteses (paramtricos)
Quadro resumo
Testes disperso (varincia)
Uma amostra, populao Normal, amostra de qualquer dimenso
Teste do
2
Duas amostras independentes, populaes Normais, amostras de quaisquer dimenses
Teste F
Testes Localizao (valor esperado)
Uma amostra, populao qualquer, amostra de grande dimenso
Teste Z
Uma amostra, populao Normal, amostra de pequena dimenso
Teste t
Duas amostras independentes, populaes quaisquer, amostras de grandes dimenses
Teste Z
Duas amostras independentes, populaes Normais, amostras de pequenas dimenses
Teste t
Duas amostras emparelhadas, populaes quaisquer, amostras de grandes dimenses
Teste Z
Duas amostras emparelhadas, populaes Normais, amostras de pequenas dimenses
Teste t
Testes Localizao (proporo Binomial)
Uma amostra, populao dicotmica, amostra de grande dimenso
Teste Z
Duas amostras independentes, populaes dicotmicas, amostras de grandes dimenses
Teste Z
Testes disperso e localizao
McGraw-Hill
(para a tomada de deciso de rejeio - ou no - de H
0
a um nvel de significncia de %):
Para um teste bilateral (sinal em H
1
), so definidos dois valores crticos, um na cauda direita da
distribuio (Vc
d
) e outro na cauda esquerda (Vc
e
). Estes valores so obtidos na distribuio da ET
(admitindo que H
0
verdadeira), de tal forma que 2 ) Vc (
d
ET P e 2 ) Vc (
e
ET P .
Para um teste unilateral direita (sinal > em H
1
), o valor crtico definido na cauda direita da
distribuio: ) Vc (
d
ET P .
Para um teste unilateral esquerda (sinal < em H
1
), o valor crtico definido na cauda esquerda da
distribuio: ) Vc (
e
ET P .
Teste ao Valor Esperado de uma populao
Hipteses Estatstica de teste
Amostra de grande dimenso(s )
0 0
: H
0 0 0 1
ou ou : > < H N
X
ET
/
0

Quando H
0
verdadeira, ET segue uma
distribuio N(0,1)
Amostra de pequena dimenso, populao Normal (s )
0 0
: H
0 0 0 1
ou ou : > < H N s
X
ET
/
0

Quando H
0
verdadeira, ET segue uma
distribuio
1 N
t
Definio dos valores crticos dos testes
McGraw-Hill
Teste Varincia de uma populao Normal
Hipteses Estatstica de teste
2
0
2
0
: H
2
0
2 2
0
2 2
0
2
1
ou ou : > < H
2
0
2
) 1 (

s
N ET
Quando H
0
verdadeira, ET segue uma
distribuio
2
1 N

Teste Proporo Binomial (amostra de grande dimenso)


Hipteses Estatstica de teste
0 0
: p p H
0 0 0 1
ou ou : p p p p p p H > <
N
p p
p p
ET
) 1 (

0 0
0

Quando H
0
verdadeira, ET segue uma
distribuio N(0,1)
McGraw-Hill
Teste Diferena entre Valores Esperados de duas populaes (Amostras Independentes)
Hipteses Estatstica de teste
Amostras de grandes dimenses(
2 2
A A
s e
2 2
B B
s ), populaes com varincias diferentes
(
2 2
B A
).
0 0
:
B A
H
0 0 0 1
ou ou : < >
B A B A B A
H
B
B
A
A
B A
N N
X X
ET
2 2
0
) (

Quando H
0
verdadeira, ET segue uma
distribuio N(0,1)
Amostras de grandes dimenses(
2 2
A A
s e
2 2
B B
s ), populaes com varincias iguais(
2 2
B A
)
(a varincia comum pode ser estimada por:
2
) 1 ( ) 1 (
2 2
2
+
+

B A
B B A A
N N
s N s N
)
0 0
:
B A
H
0 0 0 1
ou ou : < >
B A B A B A
H
B A
B A
N N
X X
ET
1 1
) (
0
+

Quando H
0
verdadeira, ET segue uma
distribuio N(0,1)
McGraw-Hill
Continuao...
Hipteses Estatstica de teste
Amostras de pequenas dimenses, populaes Normais com varincias diferentes(
2 2
B A
)
0 0
:
B A
H
0 0 0 1
ou ou : < >
B A B A B A
H
B
B
A
A
B A
N
s
N
s
X X
ET
2 2
0
) (
+


Quando H
0
verdadeira, ET segue uma
distribuio
GL
t .
O nmero de graus de liberdade dado por:
( )
( ) ( )
1
/
1
/
/ /
2
2
2
2
2
2 2

B
B B
A
A A
B B A A
N
N s
N
N s
N s N s
GL
Amostras de pequenas dimenses, populaes Normais com varincias iguais(
2 2
B A
)
(a varincia comum pode ser estimada por:
2
) 1 ( ) 1 (
2 2
2
+
+

B A
B B A A
N N
s N s N
s )
0 0
:
B A
H
0 0 0 1
ou ou : < >
B A B A B A
H
B A
B A
N N
s
X X
ET
1 1
) (
0
+


Quando H
0
verdadeira, ET segue uma
distribuio
GL
t .
O nmero de graus de liberdade dado por
2 +
B A
N N GL
McGraw-Hill
Teste Diferena entre Valores Esperados de duas populaes (Amostras Emparelhadas)
Admita-se que, para um mesmo elemento amostral, se dispem de resultados, no independentes, obtidos
antes e depois de um dado acontecimento. Nestas condies, a varivel aleatria diferena entre pares de
observaes (ou diferena relativa entre pares de observaes) pode servir de base realizao de testes de
localizao Existindo N observaes emparelhadas de duas populaes A e B, ) , (
n
B
n
A
x x , com n = 1, , N, a
partir delas podem obter-se N observaes da varivel : diferena entre observaes emparelhadas, tais
que
n
B
n
A
n
x x (n = 1, , N)
1
. O teste incide sobre o valor esperado da varivel
n
(
D
).
Hipteses Estatstica de teste
Amostras de grandes dimenses(s

)
0 0
:

H
0 0 0 1
ou ou :

< > H N
ET
/
) (
0

Quando H
0
verdadeira, ET segue uma
distribuio N(0,1)
Amostras de pequenas dimenses (populaes Normais)
0 0
:

H
0 0 0 1
ou ou :

< > H N s
ET
/
) (
0

Quando H
0
verdadeira, ET segue uma
distribuio
1 N
t
1
Em certas situaes prefervel utilizar a varivel diferena relativa:
n
A
n
B
n
A n
R
x
x x
.
McGraw-Hill
Teste razo de Varincias de duas populaes Normais
Hipteses Estatstica de teste
1
2
2
0

B
A
H

. 1 , 1 , 1
2
2
1
2
2
1
2
2
1
> <
B
A
B
A
B
A
H H H

2
2
B
A
s
s
ET (ver nota
2
)
Quando H
0
verdadeira, ET segue uma
distribuio
1 , 1
B A
N N
F
0
2
2
0
r H
B
A

. , ,
0
2
2
1 0
2
2
1 0
2
2
1
r H r H r H
B
A
B
A
B
A
> <

2
2
0
B
A
S
S
r ET
Quando H
0
verdadeira, ET segue uma
distribuio
1 , 1
B A
N N
F
2
A estatstica de teste pode ser definida colocando sempre em numerador a amostra com o maior valor da varincia amostral (i.e.,
a
2 2
B A
s s ET corresponde a valores das varincias amostrais tais que:
2 2
B A
s s ). Desta forma o valor crtico do teste deve ser
sempre procurado na cauda direita da distribuio F (para e no para /2)
McGraw-Hill
Teste Diferena entre Duas Propores Binomiais (amostras de grande dimenso)
Hipteses Estatstica de teste
0 0
: p p p H
B A

0 0 0 1
ou ou : p p p p p p p p p H
B A B A B A
> <
( )
B
B B
A
A A
B A
N
p p
N
p p
p p p
ET
) 1 ( ) 1 (

0

Quando H
0
verdadeira, ET segue uma
distribuio N(0,1)
0 :
0

B A
p p H
0 ou 0 ou 0 :
1
> <
B A B A B A
p p p p p p H
( )

,
_

B A
B A
N N
p p
p p
ET
1 1
) 1 (

0 0
com
B A
B A
N N
Y Y
p
+
+

0
.
Quando H
0
verdadeira, ET segue uma
distribuio N(0,1)
McGraw-Hill
Captulo 12 Testes No-Paramtricos
Quadro resumo
Testes de Qualidade de Ajuste
Uma amostra, populao qualquer, frequncias observadas
Teste do
2
Uma amostra, populao contnua conhecida
Teste de Kolmogorov-Smirnov
Uma amostra, populao Normal (parmetros estimados)
Teste de Kolmogorov-Smirnov (verso Lilliefors)
Duas amostras independentes, populaes quaisquer, frequncias observadas
Teste do
2
Duas amostras independentes, populaes contnuas
Teste de Kolmogorov-Smirnov
Testes de Qualidade de Ajuste, de Localizao, de Aleatoriedade
e de Associao
McGraw-Hill
Quadro resumo (continuao)
Testes de Localizao
Uma amostra, populao contnua qualquer
Teste do Sinal
Uma amostra, populao contnua e simtrica
Teste de Wilcoxon
Duas amostras independentes, populaes contnuas com forma igual
Teste de Mann-Whitney-Wilcoxon
Duas amostras emparelhadas, populaes contnuas quaisquer
Teste do Sinal
Duas amostras emparelhadas, populaes contnuas e simtricas
Teste de Wilcoxon
Testes de Aleatoriedade
Uma amostra, populao qualquer, dados numa qualquer escala
Teste das Sequncias
Uma amostra, populao qualquer, dados numa escala pelo menos ordinal
Teste das Sequncias Ascendentes e Descendentes
Testes de Associao
Duas amostras, populaes contnuas, dados numa escala pelo menos ordinal
Teste de correlao ordinal de Spearman
Duas amostras, populaes quaisquer, frequncias observadas
Teste do
2
McGraw-Hill
Testes de qualidade do ajuste
Estes testes permitem determinar se os dados da amostra so compatveis com a hiptese de que foram
retirados de uma populao que segue uma determinada distribuio.
Teste do
2
Requisitos: amostra aleatria de dimenso N 30.
1. Especificar as hipteses do teste e definir o nvel de significncia ():
H
0
: Os dados da amostra provm de uma populao com uma determinada distribuio de
probabilidade.
H
1
: A populao no possui essa distribuio de probabilidade
2. Especificar um nmero K de classes mutuamente exclusivas para a varivel considerada.
3. Anotar a frequncia observada (N
k
) de ocorrncia dos valores da amostra em cada classe.
4. Com base na distribuio considerada na hiptese nula, determinar a frequncia esperada (e
k
) de
cada classe.
Nota: A frequncia esperada em cada classe no deve ser inferior a 5. No caso de existirem classes
com frequncias esperadas inferiores a 5, as classes adjacentes devem agregar-se de forma a atingir
o valor mnimo requerido.
Testes para uma amostra
McGraw-Hill
5. Os valores das frequncias observadas e frequncias esperadas so usados na seguinte expresso
da estatstica de teste:
6.

K
k
k
k k
e
e N
ET
1
2
) (
7. Comparar a estatstica de teste com o valor crtico da distribuio do
2
, cujo nmero de graus de
liberdade (GL) igual a R K ) 1 ( (onde K representa o nmero de classes consideradas e R o
nmero de parmetros da distribuio populacional estimados a partir da amostra). O teste
unilateral direita, e consequentemente o valor crtico ) (
2
1

R K
dever ser procurado na cauda
direita da distribuio do Qui-quadrado.
Teste de Kolmogorov-Smirnov
Requisitos: a distribuio populacional que se pretende analisar contnua e est completamente
especificada (i.e., conhece-se a forma e os parmetros da funo densidade de
probabilidade).
1. Especificar as hipteses do teste e definir o nvel de significncia ().
H
0
: A funo de distribuio , ) (x F da populao da qual provm a amostra idntica a uma
dada distribuio terica.
H
1
: A funo de distribuio , ) (x F da populao da qual provm a amostra no coincide com a
distribuio terica considerada em H
0
.
McGraw-Hill
2. Definir a funo de distribuio emprica da amostra , ) (x S . Para qualquer valor particular x da
varivel X, esta funo , ) (x S expressa a soma das frequncias relativas dos dados com valores
menores ou iguais a x. Para definir , ) (x S ordenam-se por ordem crescente as observaes da
amostra e converte-se a frequncia acumulada em cada um dos intervalos considerados na
frequncia relativa acumulada da amostra.
3. Calcular a frequncia relativa acumulada que seria de esperar em cada intervalo de acordo com a
distribuio terica considerada na hiptese nula , ) (x F .
4. Calcular para cada intervalo o valor da diferena ) ( ) ( x F x S d . No caso da funo ) (x F ser
contnua e ) (x S ser uma funo em escada, o valor da diferena d deve ser procurado na vizinhana
de cada valor observado de X.
5. Calcular a estatstica de teste:
) ( ) ( max x F x S D ET
6. Comparar a estatstica de teste com o valor crtico da distribuio de D tabelado. Para valores de N
> 40, o valor crtico obtido aplicando a expresso definida no final da tabela da distribuio D.
Note-se que como a estatstica de teste definida como um valor absoluto, os valores crticos so
sempre procurados na cauda direita da distribuio.
McGraw-Hill
Teste de Kolmogorov-Smirnov (verso Lilliefors)
Requisitos: a distribuio populacional que se pretende analisar Normal ou Exponencial Negativa,
mas os seus parmetros no so conhecidos, sendo por isso estimados a partir dos dados
amostrais.
Este teste apenas difere do teste de K-S descrito anteriormente no valor crtico da estatstica de teste.
No caso de H
0
contemplar a distribuio Normal, aquele valor deve ser obtido na Tabela 9, referente
distribuio da estatstica D na verso Lilliefors para populaes Normais.
Testes de localizao
Aplicam-se em situaes nas quais os testes paramtricos baseados na distribuio Normal ou na
distribuio t de student no so adequados (por exemplo, situaes em que a amostra de pequena
dimenso, N < 30 e retirada de uma populao que segue uma distribuio substancialmente distinta da
Normal).
Os testes de localizao no-paramtricos envolvem a mediana populacional, constituindo uma alternativa
aos testes paramtricos relativos ao valor esperado.
Teste do Sinal
Pretende avaliar-se se a mediana populacional possui um determinado valor particular (
0
).
Requisitos: amostra aleatria proveniente de uma populao contnua.
1. Especificar as hipteses do teste e definir o nvel de significncia.
H
0
: A mediana populacional possui um determinado valor particular
0
(i.e.,
0
).
H
1
: A mediana da populao diferente, superior ou inferior a
0
H
0
:
0
H
0
:
0
H
0
:
0

H
1
:
0
H
1
:
0
> H
1
:
0
<
McGraw-Hill
2. Calcular a estatstica de teste e o valor crtico da distribuio:
Para 20 < N a estatstica de teste corresponde ao nmero de observaes acima ou abaixo da
mediana, conforme a natureza da hiptese alternativa considerada:
Se H
1
:
0
< a ET a utilizar corresponde ao nmero de observaes abaixo da mediana
0
.
Se H
1
:
0
> a ET a utilizar corresponde ao nmero de observaes acima da mediana
0
.
Se H
1
:
0
, utilizar como ET o nmero de observaes acima ou abaixo da mediana. Um
nmero relativamente elevado (reduzido) de observaes acima da mediana ou um nmero
reduzido (elevado) de observaes abaixo da mediana leva rejeio de H
0
.
O valor crtico obtido atravs da distribuio Binomial B(N, p = 0.5). Sempre que na amostra se
observarem valores iguais a
0
, tais observaes no devero ser consideradas na determinao do
valor crtico da ET e a dimenso da amostra N deve ser diminuda em concordncia.
Para 20 N a estatstica de teste a seguinte:
N
P
ET
25 . 0
5 . 0
,
com

'

)
0
a iguais valores com amostra da s observae as (excluindo amostra da Dimenso
mediana da abaixo) (ou acima s observae de amostral proporo
N
P
O valor crtico desta estatstica de teste obtido consultando a tabela da distribuio Normal
padronizada.
McGraw-Hill
Teste de Wilcoxon
Este teste tem em conta a magnitude das diferenas entre as observaes e a mediana.
Requisitos: amostra aleatria proveniente de uma populao contnua e simtrica.
1. Especificar as hipteses do teste e definir o nvel de significncia.
H
0
: A mediana populacional possui um determinado valor particular
0
(i.e.,
0
).
H
1
: A mediana da populao diferente, superior ou inferior a
0
.
H
0
:
0
H
0
:
0
H
0
:
0

H
1
:
0
H
1
:
0
> H
1
:
0
<
2. Subtrair o valor da mediana considerada na hiptese nula (
0
) a cada observao da amostra, obtendo:
0

i i
x d
Se d
i
for igual a zero para alguma observao, deve eliminar-se o valor de d
i
correspondente e reduzir,
em concrdncia, o nmero de observaes da amostra (N) nos clculos seguintes.
3. Ordenar os valores resultantes de d
i
de forma crescente em valor absoluto. Atribuir a cada valor
ordenado de
i
d um nmero de ordem. No caso de existirem 2 ou mais valores idnticos de
i
d
atribuir-lhes um nmero de ordem igual mdia das posies que os valores empatados ocupam. Por
exemplo, se existirem trs observaes com o valor mnimo de
i
d devem ser colocadas nas trs
primeiras posies ordenadas, atribuindo a cada observao o nmero de ordem igual a
2 3 ) 3 2 1 ( + + .
McGraw-Hill
4. Atribuir a cada nmero de ordem um sinal positivo ou negativo conforme o sinal original do
correspondente d
i
.
5. Calcular a soma dos nmeros de ordem com sinal positivo (
+
T ) e com sinal negativo (

T ).
6. Determinar a estatstica de teste e o valor crtico:
Para 15 N a estatstica de teste a seguinte:
Se H
1
:
0
> a ET a utilizar corresponde ao
+
T .
Se H
1
:
0
< a ET a utilizar corresponde ao

T .
Se H
1
:
0
pode ser indiferentemente tomada tanto a estatstica
+
T como

T .
Se a estatstica
+
T ou

T tomar um valor muito alto ou muito baixo (note-se que ela pode variar entre
o mnimo 0 e o mximo 2 ) 1 ( + N N ), a hiptese nula poder ser rejeitada. Na Tabela 11 referente ao
teste de Wilcoxon os valores de P indicam a probabilidade da estatstica tomar valores menores ou
iguais aos valores tabelados t
e
(na cauda esquerda) ou maiores ou iguais aos valores tabelados t
d
(na
cauda direita).
Para 15 > N a estatstica de teste a seguinte:
24 / ) 1 2 ( ) 1 (
4 / ) 1 (
+ +
+

N N N
N N T
ET
O valor crtico desta estatstica de teste obtido consultando a tabela da distribuio Normal
padronizada.
McGraw-Hill
No caso de existirem observaes empatadas, o desvio padro da estatstica de teste deve ser corrigido,
vindo:
48 24
) 1 2 ( ) 1 (
3

,
_

+ +


i i
i i
T
u u
N N N

onde u
i
representa o nmero de empates no i-simo grupo de observaes iguais. Por exemplo, na
sequncia de valores de
i
d {1,3,3,5,7,7,7,8} viria 2
1
u e 3
2
u .
Testes de aleatoriedade
Estes testes incidem sobre a independncia de observaes sucessivas. Baseiam-se na anlise da ordem ou da
sequncia.
Teste das Sequncias
Requisitos: observaes classificadas em 2 categorias mutuamente exclusivas.
1. Especificar as hipteses do teste e definir o nvel de significncia ().
H
0
: A amostra aleatria (i.e., as observaes tm uma sequncia aleatria).
H
1
: A amostra no aleatria (teste bilateral), ou
H
1
: A amostra no aleatria, pois as observaes tm tendncia para se agruparem (teste unilateral
esquerda), ou
H
1
: A amostra no aleatria, pois as observaes tm tendncia para se misturarem (teste unilateral
direita).
McGraw-Hill
2. Contar o nmero de sequncias observadas na amostra. Define-se sequncia como um conjunto de
observaes idnticas, que precedido ou seguido por uma observao de outro tipo. Esta definio
comporta sequncias constitudas por uma s observao.
3. Definir N
A
(nmero de observaes de um tipo) e N
B
(nmero de observaes do outro tipo).
4. Determinar a estatstica de teste e o valor crtico
Para 20 N (e ainda para algumas situaes nas quais 24 20 < N ) a estatstica de teste a seguinte:
ET = R = nmero de sequncias existentes na amostra.
O valor crtico obtido por consulta Tabela 13, na qual se apresentam os valores da probabilidade
) ( Prob. ET R ) ( Prob. ET R correspondentes a reas da cauda direita [ direita do valor da
) (
d
r ET ] ou da cauda esquerda [ esquerda do valor da ) (
e
r ET ] da distribuio de R, admitindo que
a hiptese nula verdadeira.
Para os restantes valores de N no tabelados, a estatstica de teste a seguinte:
R
R
R
ET


, com

'

) 1 (
) 2 ( 2
1
2
2
N N
N N N N N
N
N N
B A B A
R
B A
R

O valor crtico desta estatstica de teste obtido consultando a tabela da distribuio Normal
padronizada.
McGraw-Hill
Teste das Sequncias Ascendentes e Descendentes
Requisitos: observaes expressas numa escala pelo menos ordinal.
1. Especificar as hipteses do teste e definir o nvel de significncia ().
H
0
: As observaes exibem uma sequncia aleatria.
H
1
: A amostra no aleatria (teste bilateral), ou
H
1
: A amostra no aleatria, pois existem tendncias nas observaes (teste unilateral esquerda), ou
H
1
: A amostra no aleatria, pois as observaes da amostra tm propenso para alternar
excessivamente (teste unilateral direita).
2. Ordenar os dados das amostras por ordem de ocorrncia.
3. Contar o nmero de sequncias observadas na amostra. Se se substituir pelo smbolo + cada
observao precedida por uma outra de valor inferior, e pelo smbolo cada observao precedida por uma
outra de valor superior, cada conjunto de sinais + representa uma sequncia ascendente, e cada conjunto de
sinais representa uma sequncia descendente. Se houver observaes adjacentes idnticas recomenda-se
que se registe o smbolo 0 naquelas que forem precedidas por outras de igual valor. Estes zeros devem ser
ignorados na determinao do nmero de sequncias e a dimenso da amostra (N) deve ser reduzida em
conformidade.
4. Calcular a estatstica de teste e valor crtico da distribuio.
Para 25 N a estatstica de teste a seguinte:
ET = V = nmero de sequncias observadas na amostra.
Na Tabela 14 apresentam-se os valores da cauda direita
d d
P v V ) ( Prob. e da cauda esquerda
e e
P v V ) ( Prob. da distribuio de V quando H
0
verdadeira.
Para 26 N a estatstica de teste a seguinte:
V
V
V
ET


, com

'



90 / ) 29 16 (
3 / ) 1 2 (
N
N
V
V

O valor crtico desta estatstica de teste obtido consultando a tabela da distribuio Normal padronizada.
McGraw-Hill
Testes de qualidade do ajuste
Estes testes permitem verificar se as amostras foram retiradas de populaes com distribuies idnticas.
Teste do
2
Requisitos: amostras aleatrias de dimenso 30 ,
B A
N N .
1. Especificar as hipteses do teste e definir o nvel de significncia (). Considere-se que A e B so as
populaes a partir das quais se obtm as amostras.
H
0
: As populaes A e B so idnticas.
H
1
: As populaes A e B no so idnticas.
Especificar um nmero K de classes mutuamente exclusivas para a varivel considerada.
2. Para cada amostra, anotar as frequncias observadas
kA
N e
kB
N em cada classe.
3. Com base na distribuio considerada na hiptese nula, determinar a frequncia esperada
kA
e e
kB
e
de cada classe.
Nota: A frequncia esperada em cada classe no deve ser inferior a 5. No caso de existirem classes
com frequncias esperadas inferiores a 5, as classes adjacentes devem ser combinadas de forma a
atingir o valor mnimo requerido. Quando houver necessidade de agregar classes adjacentes numa
das amostras, tal operao deve ser igualmente executada na outra amostra.
Testes para duas amostras independentes
McGraw-Hill
4. Os valores das frequncias observadas e frequncias esperadas so utilizados na seguinte expresso
para determinar a estatstica de teste:

K
k
kB
kB kB
K
k
kA
kA kA
e
e N
e
e N
ET
1
2
1
2
) ( ) (
5. Comparar a estatstica de teste com o valor crtico da distribuio do
2
com um nmero de graus de
liberdade (GL) igual a K - 1 (em que K representa o nmero de classes consideradas). O teste
unilateral direita, e consequentemente o valor crtico ) (
2
1

K
dever ser procurado na cauda
direita da distribuio do Qui-quadrado.
Teste de Kolmogorov-Smirnov
Requisitos: distribuio populacional contemplada em H
0
contnua.
1. Especificar as hipteses do teste e definir o nvel de significncia ().
H
0
: As amostras provm de uma nica populao contnua (ou, equivalentemente, as amostras
provm de duas populaes contnuas idnticas: ) ( ) ( x F x F
B A
.
H
1
: As amostras no provm de uma mesma populao.
Colocar as observaes das duas amostras por ordem crescente e, para cada amostra, converter a
frequncia acumulada em cada um dos intervalos considerados na frequncia relativa acumulada da
amostra [ ) (x S
A
e ) (x S
B
].
2. Calcular para cada intervalo o valor da diferena ) ( ) ( x S x S d
B A
.
3. Calcular a estatstica de teste: ) ( ) ( max ' x S x S D ET
B A

4. Comparar a estatstica de teste com o valor crtico tabelado da distribuio D (Tabela10).
McGraw-Hill
Testes de localizao (amostras independentes)
Estes testes utilizam-se em situaes nas quais se pretende verificar se existem diferenas entre as medianas
de duas populaes (A e B), e em que os testes paramtricos (ao valor esperado) baseados na distribuio
Normal ou na distribuio t de student no sejam apropriados.
Teste de Mann-Whitney-Wilcoxon
Requisitos: amostras independentes provenientes de populaes contnuas e com a mesma forma.
1. Especificar as hipteses do teste e definir o nvel de significncia.
H
0
:
B A

H
0
:
B A

H
0
:
B A

H
1
:
A

H
1
:
B A
>
H
1
:
B A
<
2. Ordenar as observaes de ambas as amostras por ordem crescente.
3. Atribuir a cada observao um nmero de ordem. Em caso de empate atribuir as observaes um
nmero de ordem igual mdia das posies que os valores empatados ocupam.
4. Calcular a estatstica de teste e o valor crtico da distribuio:
Para 10
A
N e 10
B
N a estatstica de teste a seguinte:
ET = W = soma dos nmeros de ordem da amostra de menor dimenso.
Na Tabela 12 caracterizada a distribuio de W quando H
0
verdadeira. Para diferentes valores
e
w e
d
w , so apresentadas as probabilidades P w W P w W P
d e
) ( ) ( .
McGraw-Hill
Para 10 >
A
N ou 10 >
B
N a estatstica de teste a seguinte:
12 ) 1 (
2 ) 1 (
+
+

N N N
N N W
ET
B A
w
,
em que
w
N o nmero de elementos da amostra de menor dimenso.
O valor crtico desta estatstica de teste obtido consultando a tabela da distribuio Normal
padronizada.
Se existirem observaes empatadas, o desvio padro da estatstica de teste deve ser corrigido,
calculando-se atravs da expresso:
) 1 ( 12 12
) 1 (
3

,
_


N N
u u N N
N N N
ET
i i
i i B A
B A
,
em que, tal como no teste de Wilcoxon, u
i
representa o nmero de empates no i-simo grupo de
observaes iguais.
McGraw-Hill
Admita-se que, para um mesmo elemento amostral, se dispem de resultados, no independentes, obtidos
antes e depois de um dado acontecimento. Nestas condies, a varivel aleatria diferena entre pares de
observaes (ou diferena relativa entre pares de observaes) pode servir de base realizao de testes de
localizao Existindo N observaes emparelhadas de duas populaes A e B, ) , (
n
B
n
A
x x , com n = 1, , N, a
partir delas podem obter-se N observaes da varivel : diferena entre observaes emparelhadas, tais
que
n
B
n
A
n
x x (n = 1, , N)
3
. Quando para a varivel
n
no se verifiquem os pressupostos subjacentes
aos testes paramtricos t ou Z, a alternativa recorrer aos testes no paramtricos de localizao (tal como se
de uma amostra se tratasse).
Teste do Sinal
Requisitos: amostras aleatrias provenientes de populaes contnuas.
Teste de Wilcoxon
Requisitos: amostras aleatrias provenientes de populaes contnuas e simtricas.
3
Em certas situaes prefervel utilizar a varivel diferena relativa:
n
A
n
B
n
A n
R
x
x x
.
Testes de localizao para duas amostras emparelhadas
McGraw-Hill
Testes de associao
Teste da Correlao Ordinal de Spearman
Este teste permite verificar o grau de associao entre duas variveis cujas observaes individuais
possam ser ordenadas por ordem crescente ou decrescente de magnitude.
Requisitos: amostra aleatria constituda por N pares de observaes de duas variveis aleatrias
expressas numa escala pelo menos ordinal provenientes de uma populao bivariada
contnua.
1. Especificar as hipteses do teste e definir o nvel de significncia ().
H
0
: As variveis (X e Y) no esto associadas.
H
1
: As variveis esto associadas (teste bilateral)
H
1
: As variveis esto directamente associadas (teste unilateral direita)
H
1
: As variveis esto inversamente associadas (teste unilateral esquerda)
2. Atribuir a cada observao das variveis X e Y um nmero de ordem (por ordem crescente). Note-se
que o nmero de ordem tambm poderia ser atribudo por ordem decrescente o importante que
seja atribudo a ambas as variveis um nmero de ordem utilizando o mesmo critrio. Em caso de
empate, atribuir s observaes um nmero de ordem igual mdia das posies que os valores
empatados ocupam.
3. Calcular a diferena (d
i
) entre os nmeros de ordem das observaes relativas s variveis X e Y
Outros testes para duas amostras
McGraw-Hill
4. Calcular a estatstica de teste e o valor crtico da distribuio
4
.
Para 30 N a estatstica de teste a seguinte
) 1 (
6
1
2
1
2

N N
d
R ET
N
i
i
s
Na Tabela 15 apresentam-se os valores crticos para a distribuio de
s
R . Atendendo simetria da
distribuio de
s
R , para testes bilaterais ou testes unilaterais esquerda, os valores crticos
correspondentes cauda esquerda da distribuio so obtidos trocando o sinal aos valores tabelados.
Para 30 > N a estatstica de teste a seguinte:
2
1
2
s
s
R
N
R Z ET


O valor crtico desta estatstica de teste obtido consultando a tabela da distribuio t de Student
com N 2 graus de liberdade.
4
Quanto maior for a diferena entre os nmeros de ordem das observaes de X e Y, maior ser o valor de
2
i
d . Se todas as
diferenas
i
d forem zero,
s
R ser igual a 1 indicando que as variveis tm uma associao directa perfeita. Se as variveis
tiverem uma associao inversa perfeita o valor de
2
i
d ser mximo e
s
R ser igual a 1. Quando as variveis no esto
perfeitamente associadas, o valor de
s
R estar entre 1 e +1.
McGraw-Hill
Teste do
2
baseado na tabela de contingncia
Este teste permite verificar a independncia entre duas variveis expressas em qualquer escala.
Requisitos: dados agrupados em classes mutuamente exclusivas e exaustivas na forma de contagens.
1. Especificar as hipteses do teste e definir o nvel de significncia.
H
0
: As variveis (X e Y) so independentes.
H
1
: As variveis no so independentes
2. Classificar os dados da amostra nume tabela de contingncia. Numa tabela de contingncia os
valores que uma das variveis (X) pode tomar correspondem a diferentes linhas (tabela com I
linhas) e os valores da outra varivel correspondem s colunas (tabela com J colunas).
3. Calcular as frequncias observadas (N
ij
) de X e de Y em cada clula.
4. Calcular as frequncias marginais observadas em cada categoria de X e de Y (linha e coluna),
i
N e
j
N

.
5. Calcular uma nova tabela com as frequncias esperadas que ocorreriam se as variveis fossem
independentes (e
ij
). Nestas condies, a frequncia esperada em cada clula ser igual a
N
N N
e
j i
ij


.
6. Os valores das frequncias observadas e frequncias esperadas so utilizadas na expresso da
estatstica de teste:

I
i
J
j
ij
ij ij
e
e N
ET
1 1
2
) (
McGraw-Hill
7. Comparar a estatstica de teste com o valor crtico da distribuio do
2
com graus de liberdade (GL)
igual a ao produto ) 1 ( ) 1 ( J I , em que I corresponde ao nmero total de linhas da tabela de
contingncia e J ao nmero total de colunas. O teste unilateral direita, e consequentemente o valor
crtico ) (
2
) 1 ( ) 1 (

J I
dever ser procurado na cauda direita da distribuio do
2
.
No caso de I = J = 1, a ET dever ser modificada de acordo com a correco de Yates:
( )

2
1
2
1
2
5 . 0
i j
ij
ij ij
e
e N
ET
Note-se que este teste do
2
no deve ser utilizado se mais do que 20% das frequncias observadas
forem inferiores a 5, ou se alguma das frequncias observadas for menor do que 1. Em geral, a
agregao de classes adjacentes em tabelas de contingncia no faz qualquer sentido. No entanto,
se tal for possvel, podero ser agregadas classes adjacentes at que aquelas condies se encontrem
preenchidas.
McGraw-Hill
Captulo 13 Anlise de Varincia
43 42 1
3 2 1 3 2 1
erro
grupo do
efeito
global
parmetro
ij i ij
E X + +
Hipteses subjacentes relativas aos erros E
ij
para a aplicao do teste ANOVA:
valor esperado nulo e varincia constante,
2
;
mutuamente exclusivos;
normalmente distribudos.
Teste ao efeito do factor (ver tabela ANOVA 13.2)
Hipteses Estatstica de teste
... :
2 1 0
H (ou ) 0 ...
1

I

:
1
H Nem todos os
i
so iguais (ou algum ) 0
i

DQMDG
DQMEG
ET
Quando H
0
verdadeira, ET segue uma
distribuio
2 1
,GL GL
F
Modelo com um factor de efeitos fixos
McGraw-Hill
Intervalos de Confiana para a diferena entre valores esperados
Intervalo
Amostras
Equilibradas
J
1
= J
2
== J
I
= J
Amostras Pouco
Desequilibradas
(J
i
)
mximo
2(J
i
)
mnimo
I
J J
I
J
1
...
1
1
+ +

J DQMDG q X X
GL I i i
/ ) ( ) (
2 2 1
,
t
Amostras
Desequilibradas
(J
i
)
mximo
>2(J
i
)
mnimo o
)
1 1
( ) ( ) 1 ( ) (
2 1
2 1 2 1
,
i i
GL GL i i
J J
DQMDG F I X X + t
com
I: nmero de grupos
J: nmero de observaes em cada grupo
McGraw-Hill
43 42 1
43 42 1 3 2 1
erro
grupo do
varivel efeito
global
parmetro
ij i ij
E A X + +
Hipteses subjacentes relativas aos erros E
ij
para a aplicao dos testes ANOVA:
valor esperado nulo e varincia constante,
2
;
mutuamente exclusivos;
normalmente distribudos.
Hipteses subjacentes relativas ao efeito varivel A
i
para a aplicao dos testes ANOVA:
valor esperado nulo e varincia
2
A
;
mutuamente exclusivos;
normalmente distribudos.
Teste ao efeito varivel do factor (ver tabela ANOVA 13.5)
Hipteses Estatstica de teste
0 :
2
0

A
H
:
1
H
2
A
>0
DQMDG
DQMEG
ET
Quando H
0
verdadeira, ET segue uma distribuio
2 1
,GL GL
F
Modelo com um factor de efeitos variveis
McGraw-Hill
43 42 1 43 42 1 43 42 1
43 42 1 3 2 1
erro interaco
(coluna)
factor 2
do efeito
(linha)
factor 1
do efeito
global
parmetro
ijk ij j i ij
E X + + + +
Hipteses subjacentes relativas aos erros E
ijk
para a aplicao dos testes ANOVA:
valor esperado nulo e varincia constante,
2
;
mutuamente exclusivos;
normalmente distribudos.
Teste ao efeito da interaco entre os factores (ver tabela ANOVA 13.9)
Hipteses Estatstica de teste
0 :
0

ij
H
:
1
H algum 0
ij

DQMR
DQMDI
ET
Quando H
0
verdadeira, ET segue uma distribuio
4 3
,GL GL
F
Teste ao efeito do factor linha (ver tabela ANOVA 13.9)
Hipteses Estatstica de teste
0 :
0

i
H
:
1
H algum 0
i

DQMR
DQMDFL
ET
Quando H
0
verdadeira, ET segue uma distribuio
4 1
,GL GL
F
5
5
Se razovel admitir que a interaco nula, e o respectivo teste no contraria esta hiptese, pode ser obtido um novo estimador
de
2
,
2

:
4 3
4 3 2
GL GL
DQMR GL DQMDI GL
+
+

Modelo com dois factores de efeitos fixos com interaco
McGraw-Hill
Teste ao efeito do factor linha (ver tabela ANOVA 13.9)
Hipteses Estatstica de teste
0 :
0

i
H
:
1
H algum 0
i

DQMR
DQMDFL
ET
Quando H
0
verdadeira, ET segue uma distribuio
4 1
,GL GL
F
6
Intervalos de Confiana para a diferena entre valores esperados
Intervalo
Duas quaisquer clulas K DQMR q X X
GL J I j i j i
i
/ ) ( ) (
4 2 2 1
,
t


Linhas K J DQMR q X X
GL I i i
t

/ ) ( ) (
4 2 1
,

Colunas K I DQMR q X X
GL J j j
t

/ ) ( ) (
4 2 1
,

Com I: nmero de linhas; J: nmero de colunas; K: nmero de observaes por clula
Naturalmente o denominador das estatsticas dos testes relativos ao factor linha e coluna sero substitudos por esta estimativa e
seguiro distribuies
4 3
1
,
+
GL GL
F e
4 3
2
,
+
GL GL
F respectivamente.
6
Se razovel admitir que a interaco nula, e o respectivo teste no contraria esta hiptese, pode ser obtido um novo estimador
de
2
,
2

:
4 3
4 3 2
GL GL
DQMR GL DQMDI GL
+
+

Naturalmente o denominador das estatsticas dos testes relativos ao factor linha e coluna sero substitudos por esta estimativa e
seguiro distribuies
4 3
1
,
+
GL GL
F e
4 3
2
,
+
GL GL
F respectivamente.
McGraw-Hill
43 42 1 43 42 1 43 42 1
43 42 1 3 2 1
erro
varivel
interaco
(coluna)
factor 2
do varivel ef.
(linha)
factor 1
do varivel ef.
global
parmetro
ijk ij j i ij
E C B A X + + + +
Hipteses subjacentes relativas aos erros E
ijk
para a aplicao dos testes ANOVA:
valor esperado nulo e varincia constante,
2
;
mutuamente exclusivos;
normalmente distribudos.
Hipteses subjacentes relativas aos efeitos variveis A
i
, B
j
e C
ij
para a aplicao dos testes ANOVA:
valores esperados nulos e varincias
2
A
,
2
B
e
2
C
, respectivamente;
mutuamente exclusivos;
normalmente distribudos.
Modelo com dois factores de efeitos variveis com interaco
McGraw-Hill
Teste ao efeito varivel da interaco entre os factores (ver tabela ANOVA 13.11)
Hipteses Estatstica de teste
0 :
2
0

C
H
:
1
H 0
2
>
C

DQMR
DQMDI
ET
Quando H
0
verdadeira, ET segue uma distribuio
4 3
,GL GL
F
Teste ao efeito varivel do factor linha (ver tabela ANOVA 13.11)
Hipteses Estatstica de teste
0 :
2
0

A
H
:
1
H 0
2
>
A

DQMR
DQMDFL
ET
Quando H
0
verdadeira, ET segue uma distribuio
3 1
,GL GL
F
7
Teste ao efeito varivel do factor coluna (ver tabela ANOVA 13.11)
Hipteses Estatstica de teste
0 :
2
0

B
H
:
1
H 0
2
>
B

DQMR
DQMDFC
ET
Quando H
0
verdadeira, ET segue uma distribuio
3 2
,GL GL
F
4
7
Se razovel admitir que a interaco nula, e o respectivo teste no contraria esta hiptese, pode ser obtido um novo estimador
de
2
,
2
:
4 3
4 3 2
GL GL
DQMR GL DQMDI GL
+
+

Naturalmente o denominador das estatsticas dos testes relativos ao factor linha e coluna sero substitudos por esta estimativa e
seguiro distribuies
4 3
,
1
+
GL GL
F e
4 3
,
2
+
GL GL
F respectivamente.
McGraw-Hill
43 42 1 43 42 1
43 42 1 3 2 1
erro
(coluna)
factor 2
do efeito
(linha)
factor 1
do efeito
global
parmetro
ijk j i ij
E X + + +
Hipteses subjacentes relativas aos erros E
ijk
para a aplicao dos testes ANOVA:
valor esperado nulo e varincia constante,
2
;
mutuamente exclusivos;
normalmente distribudos.
Note-se que, neste caso, a varincia residual,
2
, estimada por:
( )

+
i j
j i ij
X X X X VR
2
Modelo aditivo com dois factores de efeitos fixos com
uma observao por clula
McGraw-Hill
Teste ao efeito do factor linha (ver tabela ANOVA 13.12)
Hipteses Estatstica de teste
0 :
0

i
H
:
1
H algum 0
i

DQMR
DQMDFL
ET
Quando H
0
verdadeira, ET segue uma distribuio
3 1
,GL GL
F
Teste ao efeito do factor coluna (ver tabela ANOVA 13.12)
Hipteses Estatstica de teste
0 :
0

j
H
:
1
H algum 0
j

DQMR
DQMDFC
ET
Quando H
0
verdadeira, ET segue uma distribuio
3 2
,GL GL
F
Intervalos de Confiana para a diferena entre valores esperados
Intervalo
Linhas J DQMR q X X
GL I i i
/ ) ( ) (
3 2 1
,
t


Colunas I DQMR q X X
GL J j j
/ ) ( ) (
3 2 1
,
t


Com I: nmero de linhas; J: nmero de colunas
McGraw-Hill
43 42 1 43 42 1
43 42 1 3 2 1
erro
(coluna)
factor 2
do varivel ef.
(linha)
factor 1
do varivel ef.
global
parmetro
ijk j i ij
E B A X + + +
Hipteses subjacentes relativas aos erros E
ijk
para a aplicao dos testes ANOVA:
valor esperado nulo e varincia constante,
2
;
mutuamente exclusivos;
normalmente distribudos.
Hipteses subjacentes relativas aos efeitos variveis A
i
e B
j
para a aplicao dos testes ANOVA:
valores esperados nulos e varincias
2
A
e
2
B
, respectivamente;
mutuamente exclusivos;
normalmente distribudos.
Note-se que, neste caso, a varincia residual,
2
, estimada por:
( )

+
i j
j i ij
X X X X VR
2
Modelo aditivo com dois factores de efeitos variveis com
uma observao por clula
McGraw-Hill
Teste ao efeito varivel do factor linha (ver tabela ANOVA 13.13)
Hipteses Estatstica de teste
0 :
2
0

A
H
:
1
H 0
2
>
A

DQMR
DQMDFL
ET
Quando H
0
verdadeira, ET segue uma distribuio
3 1
,GL GL
F
Teste ao efeito varivel do factor coluna (ver tabela ANOVA 13.13)
Hipteses Estatstica de teste
0 :
2
0

B
H
:
1
H 0
2
>
B

DQMR
DQMDFC
ET
Quando H
0
verdadeira, ET segue uma distribuio
3 2
,GL GL
F
McGraw-Hill
Se for rejeitada a hiptese de normalidade dos erros e se as amostras forem de pequenas dimenses, este
teste constitui uma alternativa ao teste ANOVA para avaliar a significncia entre diferenas nos valores
mdios de vrios grupos de dados.
1. Especificar as hipteses do teste e definir o nvel de significncia ():
H
0
: As distribuies dos diferentes grupos so idnticas (as populaes dos diferentes grupos tm
valores esperados idnticos).
H
1
: As distribuies dos grupos diferem em localizao.
2. Ordenar a totalidade das observaes por ordem crescente, independentemente do grupo a que
pertencem. Atribuir a cada valor ordenado de um nmero de ordem, e em caso de existirem 2 ou mais
valores iguais atribuir-lhes um nmero de ordem igual mdia das posies que os valores empatados
ocupam.
3. Para cada grupo i calcular a soma dos nmeros de ordem de cada valor pertencente a este grupo, T
i
.
4. Determinar a estatstica de teste recorrendo expresso:
) 1 ( 3
) 1 (
12
2
+
+


J
J
T
J J
ET
I
i i
i
com, I: nmero total de grupos de observaes; i: ndice relativo a cada grupo (i = 1, 2 ,, I); J
i
: dimenso
do grupo i; J: nmero total de observaes (

i
i
J J )
O valor crtico desta estatstica de teste obtido consultando as tabelas da distribuio
2
GL
, em que
GL= I1.
Teste de Kruskal-Wallis
McGraw-Hill
Este teste permite avaliar a homogeneidade das varincias, requisito dos testes ANOVA.
Requisitos A distribuio dos erros Normal.
As vrias amostras envolvidas tm dimenses no inferiores a 4 (J
i
4)
1. Especificar as hipteses do teste e definir o nvel de significncia ():
H
0
:
2 2
2
2
1
...
I
.
H
1
: Os
2
i
no so todos iguais.
2. Determinar a estatstica de teste recorrendo expresso:
3.
1
]
1



i
i i
S GL S GL
C
ET ) ln( ) ln(
1
2 2
em que , { }
1
]
1


,
_

GL GL I C
I
i
i
/ 1 / 1 ) 1 ( 3 / 1 1
1
com,
I: nmero total de amostras distintas
i: ndice relativo a cada amostra (i = 1, 2,, I)
J
i
: dimenso da amostra i
GL
i
:J
i
-1
ij
X : j-sima observao na i-sima amostra
i
X : mdia amostral das observaes includa na amostra i
2
i
S :


j
i ij
i
X X
GL
2
) (
1
.
O valor crtico desta estatstica de teste obtido consultando a tabela da distribuio
2
GL
, em que GL= I - 1.
Teste de Bartlett
McGraw-Hill
Captulo 14 Regresso
Hipteses subjacentes aos erros (E
n
) e que so comuns aos modelos de regresso:
valor esperado nulo e varincia constante,
2
;
mutuamente exclusivos;
normalmente distribudos.
Um modelo de regresso deste tipo traduz a relao entre uma varivel quantitativa independente, X, e uma
varivel quantitativa dependente, Y, nos termos seguintes:
n n n
E X X Y + + ) (
em que:
n: ndice denotando as observaes do par de variveis X e Y (n = 1, 2, , N)
X : mdia aritmtica das observaes X
n
E
n
: erro aleatrio associado ao valor observado Y
n
.
Modelo de Regresso Linear Simples
McGraw-Hill
Estimativas de e :


n
n
y y
N
a
1

XX
XY
s
s
b

com,
,


n
n n XY
Y Y X X s ) ( ) (
2
) (


n
n XX
X X s .
Intervalos de Confiana a 100 ) 1 ( % para os parmetros , , e
Parmetro
N S t A
N
/ 1 ) 2 / (
2
t


Parmetro (ordenada na
origem do eixo dos XX)
XX
N
S
X
N
S t B X A
2
2
1
) 2 / ( ) ( + t


Parmetro
XX N
S S t B / 1 ) 2 / (
2
t


Nota: A e B so os estimadores de e , respectivamente.
S
2
um estimador de
2
e dado por ,
2
) (
2
1

n
n n
X X B A Y
N
.
McGraw-Hill
Testes de Hipteses aos parmetros , , e
Hipteses Estatstica de teste
0 0
: H
:
1
H
0 0
, > ou
0
< N S
A
ET
/
0

Quando H
0
verdadeira, ET segue uma distribuio
2 N
t .
Hipteses Estatstica de teste
0 0
: H
:
1
H
0 0
, > ou
0
<
XX
S
X
N
S
B X A
ET
2
0
1
) (
+


Quando H
0
verdadeira, ET segue uma distribuio
2 N
t .
Hipteses Estatstica de teste
0 0
: H
:
1
H
0 0
, > ou
0
<
XX
S S
B
ET
/
0

Quando H
0
verdadeira, ET segue uma distribuio
2 N
t .
Teste ao parmetro baseado na Tabela ANOVA (ver tabela 14.3)
Hipteses Estatstica de teste
0 :
0
H
0 :
0
H
DQMR
DQMDR
ET
Quando H
0
verdadeira, ET segue uma distribuio
2 , 1 N
F .
McGraw-Hill
Previses com base no modelo de regresso linear simples
O valor de uma varivel dependente, Y, pode ser obtida a partir do novo valor da varivel X dependente. Para
isto recorre-se seguinte expresso para a melhor previso de Y:
) (

X X B A Y
Y
+ .
A varincia do erro de previso dado por:
.
) ( 1
1 ) (
2
2

1
]
1


+ +
XX
S
X X
N
Var
Intervalos de Confiana a 100 ) 1 ( % para a previso
Para valores de Y ( )
XX
N
S
X X
N
S t Y
2
2
1
1 ) 2 / (


+ + t


Para valores de
Y
( )
XX
N
S
X X
N
S t Y
2
2
1
) 2 / (


+ t


McGraw-Hill
Correlao entre variveis
A anlise da correlao entre variveis uma tcnica muito semelhante regresso no que se refere aos
objectivos. No entanto, esta menos potente, no indicando a forma como as variveis esto relacionadas.
Expresso
Coeficiente de correlao
amostral
YY XX
XY
XY
S S
S
R

Coeficiente de correlao
populacional
( ) ,
,
2 2
) ( ) (
) (
Y X
Y X
XY
Y E X E
Y X E

Coeficiente de
determinao
YY
XX
XY
S
S B
R

2
2
Um modelo de regresso deste tipo traduz a relao vrias variveis independentes, X
j
(j = 1,, J), e uma
varivel quantitativa dependente, Y, nos termos seguintes:
n j jn j n n
E X X X X Y + + + + ) ( ... ) (
1 1 1

em que:
n: ndice denotando as observaes das variveis X
j
e Y (n=1,2,,N)
j
X : mdia aritmtica das observaes da varivel X
j
E
n
: erro aleatrio associado ao valor observado Y
n
.
Modelo de Regresso Linear Mltipla
McGraw-Hill
Estimativa de


n
n
y y
N
a
1

Estimativas de
j
Os estimadores B
1,,
B
J
dos parmetros
J
,...,
1
so obtidos a partir da resoluo do seguinte sistema de
equaes:
JY J J J J
J
J
X X X J X X X X
Y X X X J X X X X
Y X X X J X X X X
S S B S B S B
S S B S B S B
S S B S B S B
+ + +
+ + +
+ + +
...
(...)
...
...
2 1
2 2 2 2 1 2
1 1 2 1 1 1
2 1
2 1
2 1
com,


n
n j jn Y X
Y Y X X s
j
) ( ) ( ) ( ) (
2 2 1 1 2 1
j n j
n
j n j X X
X X X X s
j j

.
Intervalos de Confiana a 100 ) 1 ( % para os parmetros e
j
Parmetro N S t A
J N
/ 1 ) 2 / (
1
t


Parmetro
j
(j = 1,, J )
) ( r a V ) 2 / (
1 j J N j
B t B t


Nota: A e B
j
so os estimadores de e
j
, respectivamente. S
2
um estimador de
2
e dado por:
,
2
1 1 1
) ( ... ) (
1
1



n
j jn j n n
X X B X X B A Y
J N
.
McGraw-Hill
Testes de Hipteses aos parmetros e
j
Hipteses Estatstica de teste
0 0
: H
:
1
H
0 0
, > ou
0
< N S
A
ET
/
0

Quando H
0
verdadeira, ET segue uma distribuio
1 J N
t .
Hipteses Estatstica de teste
0 0
: H
:
1
H
0 0
, > ou
0
<
) ( r a V
)) ... ( (
0 1 1
A
B X B X A
ET
j j

+ +


Quando H
0
verdadeira, ET segue uma distribuio
1 J N
t .
Hipteses Estatstica de teste
0 :
0

j
H
0 ou 0 , 0 :
0
< >
j j j
H ) ( r a V
j
j
B
ET

Quando H
0
verdadeira, ET segue uma distribuio
1 J N
t .
Teste aos parmetros
j
baseado na Tabela ANOVA (ver tabela 14.7)
Hipteses Estatstica de teste
0 ... :
2 1 0

J
H
0 Algum :
0

j
H
DQMR
DQMDR
ET
Quando H
0
verdadeira, ET segue uma distribuio
1 , J N J
F .
No caso da hiptese nula ser rejeitada, devem efectuar-se testes individuais para determinar quais dos
j

so diferentes de zero.
McGraw-Hill
Previses com base no modelo de regresso linear mltipla
O valor de uma varivel dependente, Y, pode ser obtida a partir dos novos valores das variveis dependentes
X
j
(j = 1,, J). Para tal, recorre-se expresso relativa melhor previso de Y:
) ( ... ) ( ) (

1 1 1 J J J
X X B X X B A Y E Y + + + .
A varincia do erro de previso dado por:
, { } ) ( ) ( ) ( ) / 1 1 ( ) ( Var
2
X X b V X X N
T
+ +
em que :
: ) ( X X vector das variveis independentes (centradas nas respectivas mdias)
: ) (
T
X X ) ( X X transposto
, ) (B V : matriz de varincia-covarincia dos estimadores B
1
,,B
J
.
Intervalos de Confiana a 100 ) 1 ( % para a previso
Para valores de Y
, { }
2 / 1
2
1
) ( ) ( ) ( ) / 1 1 ( ) 2 / (

X X b V X X S N t Y
T
J N
+ + t


Para valores de
Y , { }
2 / 1
2
1
) ( ) ( ) ( / 1 ) 2 / (

X X b V X X S N t Y
T
J N
+ t


McGraw-Hill
Correlao entre variveis
Expresso
Coeficiente amostral de
correlao simples
(entre Y e X
1
, , X
j
)
Y Y
X X YX
R R
J
...
2 1

Coeficiente de determinao
mltipla (entre Y e X
1
, , X
j
)
VT
VDR
R
J
X X YX

2
...
2 1
Coeficientes de correlao
parcial (3 variveis)
) 1 ( ) 1 (
3 2 3 1
3 2 3 1 2 1
3 2 1
2
|
X X X X
X X X X X X
X X X
R R
R R R
R

) 1 ( ) 1 (
2 3 2 1
2 3 2 1 3 1
2 3 1
2
|
X X X X
X X X X X X
X X X
R R
R R R
R

) 1 ( ) 1 (
1 2 1 3
1 2 1 3 2 3
1 2 3
2
|
X X X X
X X X X X X
X X X
R R
R R R
R

Coeficientes de correlao
simples (3 variveis)
2 2 1 1
2 1
2 1
X X X X
X X
X X
S S
S
R

3 3 1 1
3 1
3 1
X X X X
X X
X X
S S
S
R

3 3 2 2
3 2
3 2
X X X X
X X
X X
S S
S
R

McGraw-Hill
Por vezes necessria a representao do efeito de factores qualitativos nos modelos de regresso. Isto
feito recorrendo a variveis mudas. No caso de tratar de um factor qualitativo com dois nveis (A e B), o
modelo de regresso toma a seguinte forma:
n n n n n n n
E Z X E Z Z X X Y + + + + + + ) ( ) ( ,
em que Z
n
representa a varivel muda, podendo tomar os valores

'

B nvel o para
A nvel o para
Z
n
, 1
, 0
.
A utilizao do modelo anteriormente referido implica que o coeficiente angular das duas rectas
representativas das duas situaes seja idntico. No entanto, isto pode no acontecer, havendo ento a
necessidade de se considerarem dois modelos distintos (por exemplo o modelo 0 e o modelo 1 com
coeficientes angulares
0
e
1
, respectivamente).
Para testar se a diferena entre
0
e
1
significativa, recorre-se a o teste seguinte:
Teste Hiptese
0
=
1
Hipteses Estatstica de teste
1 0 0
: H
:
1
H
1 0
,
1 0
< ou
1 0
>
1 0
0 1
1 1
XX XX
S S
S
B B
ET
+

,
com ( ) ( ) ,
2
1 1
2
0 0
1 0
2
2 2
1 1
S N S N
N N
S + + .
Quando H
0
verdadeira, ET segue uma distribuio
4
1 0
+N N
t .
Regresso com Variveis Mudas
McGraw-Hill
Registe-se que para incorporar um factor qualitativo com K nveis no modelo de regresso devem ser
includas k - 1 variveis mudas. Por exemplo, para um factor com trs nveis (A, B e C), o modelo viria:
n n n n n
E Z Z X Y + + + +
2 2 1 1
,
com

'

C ou B nveis os para
A nvel o para
Z
, 1
, 0
1

'

C ou A nveis os para
B nvel o para
Z
, 1
, 0
2
podendo as observaes de Z
1
e Z
2
tomar os seguintes valores:
Nvel A: Z
1
= 0, Z
2
= 1
Nvel B: Z
1
= 1, Z
2
= 0
Nvel C: Z
1
= 1, Z
2
= 1 .
McGraw-Hill
Os modelos no lineares que traduzem relaes entre a varivel dependente e uma s varivel independente
podem ser convertidos em modelos lineares por aplicao de transformaes s variveis dependente ou
independente. Seguem-se exemplos de modelos onde a linearizao facilmente obtida:
Modelo original Novas variveis Modelo linearizado
Modelo
n
n
n
E
X
Y + +

n
n
X
U
1

n n n
E U Y + +
Modelo Exponencial
n n
E X
n
e Y
+ +


n n
Y Z ln
n n n
E X Z + +
Modelo Curva S
n n
E X
n
e Y
+ +

/
(com 0 e 0 < > )
n
n
X
U
1

n n
Y Z ln
n n n
E U Z + +
Regresso no linear
ENDEREOS
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
Lista de endereos seleccionados
para o estudo da Estatstica
A collection of Applets for Visualization of Statistical Concepts
http://paginas.fe.up.pt/~jlborges/statistics/applets.html
STATLETS - 100% Pure Java Applets for Statistical Analysis and Graphics
http://www.mrs.umn.edu/~sungurea/statlets/statlets.htm
VESTAC: Java Applets for Visualization of Statistical Concepts
http://ucs.kuleuven.be/java/index.htm
Rice Virtual Lab in Statistics
http://www.ruf.rice.edu/~lane/rvls.html
Virtual Laboratories in Probability and Statistics
http://www.math.uah.edu/stat/
(disponvel apenas com o browser Mozilla Firefox)
ENDEREOS
McGraw-Hill
E
S
T
A
T

S
T
I
C
A


2
.


E
d
i

o
An Interactive Environment for Teaching Statistics
http://www.stat.vt.edu/~sundar/java/applets/
O ALEA - Aco Local Estatstica Aplicada
http://alea-estp.ine.pt/index.html
The World Wide Web Virtual Library: Statistics
http://www.stat.ufl.edu/vlib/statistics.html
Web-oriented Teaching Resources in Probability and Statistics
http://www.sal.hut.fi/Teaching/Resources/ProbStat/table.html
NIST-SEMATECH e-Handbook of Statistical Methods
http://www.itl.nist.gov/div898/handbook/
Journal of Statistics Education - An International Journal on the Teaching and
Learning of Statistics
http://www.amstat.org/publications/jse/contents_2006.html
PORTRAITS OF STATISTICIANS
http://www.york.ac.uk/depts/maths/histstat/people/