Вы находитесь на странице: 1из 65

Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados

Profs. Alexandre Lima e Moraes Junior


Profs. Alexandre Lima e Moraes Junior 1

Raciocnio Lgico-Quantitativo para Traumatizados
Aula 20
Testes de Hipteses e Significncia

20. Testes de Hipteses e Significncia ............................................................................... 3
20.1 Noes Fundamentais ................................................................................................ 3
20.1.1 Valor-p ........................................................................................................................... 7
20.2 Testes de Uma Mdia Populacional ..................................................................... 11
20.2.1 Desvio Padro Conhecido ............................................................................................ 12
20.2.2 Desvio Padro Desconhecido ...................................................................................... 19
20.3 Testes de Uma Proporo Populacional ............................................................. 20
20.4 Testes de Uma Varincia Populacional .............................................................. 22
20.5 Testes No Paramtricos ......................................................................................... 26
20.5.1 Teste de Aderncia ....................................................................................................... 26
20.5.2 Teste de Independncia ................................................................................................ 29
20.6 Memorize para a prova ............................................................................................ 33
20.7 Exerccios de Fixao ................................................................................................ 35
20.8 Gabarito ......................................................................................................................... 41
20.9 Resoluo dos Exerccios de Fixao .................................................................. 41
APNDICE ....................................................................................................................................... 61

Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados
Profs. Alexandre Lima e Moraes Junior
Profs. Alexandre Lima e Moraes Junior
2


Erratas

Aula 17

Resoluo do Exemplo da pg. 15:

Corrigir a frmula da mdia no condicional de Y:

E[Y] = y. f
Y
(y)dy



Enunciado da Questo 09:

Corrigir a somatria dos X
i
:

X
i
= 440
i=1
22

.


Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados
Profs. Alexandre Lima e Moraes Junior
Profs. Alexandre Lima e Moraes Junior
3
20. Testes de Hipteses e Significncia

Na prtica, muito comum a tomada de decises sobre populaes com base
em informaes amostrais. Tais decises so denominadas decises
estatsticas. Por exemplo, podemos desejar conhecer, a partir de um
conjunto de dados provenientes de uma populao, se uma vacina
experimental eficaz contra um novo tipo de gripe ou se uma poltica
governamental econmica melhor que outra(s). Nesta aula, estudaremos o
problema dos testes de hipteses relativos populao. Diz-se que os testes
so paramtricos quando se referem a hipteses sobre parmetros
populacionais. Os testes so no paramtricos quando se referem a outros
aspectos que no os parmetros em si.

Considere, por exemplo, uma populao cujos elementos podem ser
classificados de acordo com dois atributos, que denominaremos sucesso e
fracasso. Podemos ter n elementos, dos quais alguns so defeituosos e os
restantes so no defeituosos. Se p denota a proporo de sucessos na
populao, ento o objetivo fazer algum tipo de inferncia sobre p.
Aprendemos na aula anterior como estimar p. Aqui, estamos interessados em
testar alguma hiptese estatstica sobre p, tal como p maior do que um
dado valor p
0
ou p menor do que um certo valor p
0
. A hiptese sob
investigao ser considerada vlida at que se prove o contrrio (a prova
ser dada num sentido probabilstico). Baseados em uma amostra da
populao vamos estabelecer uma regra de deciso, segundo a qual
rejeitaremos ou aceitaremos a hiptese proposta. A regra de deciso
chamada teste. Somente sero consideradas amostras aleatrias.

A presente aula muito importante para a prova. No prossiga com o estudo a
partir deste ponto se voc ainda sente que no est craque nos tpicos de
amostragem e estimao de parmetros. Estes assuntos so pr-requisitos
para um bom entendimento/aproveitamento desta aula.

No restante desta aula, aprenderemos a resolver questes que envolvam os
testes de hipteses mais provveis de serem cobrados pela banca na prova.

20.1 Noes Fundamentais

Dado um problema de teste de hipteses, precisamos formular as chamadas
hiptese nula e hiptese alternativa.

A hiptese nula ou hiptese de trabalho (H
0
) a hiptese aceita como
verdadeira at prova estatstica em contrrio. o ponto de partida para a
anlise dos dados. Em geral, ela formulada em termos de igualdade entre
parmetros ou entre um parmetro e uma constante. Ela geralmente
representa o contrrio do que queremos provar, ou seja, representa a
hiptese que se quer rejeitar. Quando os dados mostrarem evidncia
suficiente de que a hiptese nula (H
0
) falsa, o teste rejeita-a, aceitando em
Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados
Profs. Alexandre Lima e Moraes Junior
Profs. Alexandre Lima e Moraes Junior
4
seu lugar a chamada hiptese alternativa (H
1
). Em geral, a hiptese
alternativa formulada em termos de desigualdades ( , < ou >). Ela
comumente representa o que se quer provar, isto , corresponde
prpria hiptese de pesquisa formulada em termos de parmetros.

Exemplo. Uma empresa atuante na explorao e produo de leo e gs
natural compra de um fornecedor parafusos cuja carga mdia de ruptura 55
kN. O desvio padro das cargas de ruptura igual a 6 kN e independe do valor
mdio. Deseja-se verificar se um grande lote de parafusos recebidos deve ser
considerado satisfatrio. No desejvel que esse lote seja formado por
parafusos cuja carga mdia de ruptura seja inferior a 55 kN. Por outro lado, o
fato de a carga mdia de ruptura ser superior a 55 kN no representa
problema, pois, nesse caso, os parafusos seriam de qualidade superior
necessria.

A empresa poderia adotar a seguinte regra para decidir se concorda em aceitar
o lote ou se prefere devolv-lo ao fornecedor: coletar uma amostra aleatria
de 36 parafusos do lote e submet-los a ensaios de ruptura em laboratrio; se
a carga mdia de ruptura observada nessa amostra for maior ou igual a 53 kN,
ela comprar o lote; caso contrrio, ela se recusar a comprar.

A princpio, a empresa poderia testar a hiptese de que a carga mdia de
ruptura dos parafusos do lote seja maior ou igual a 55 kN, contra a alternativa
de que ela seja inferior a 55 kN (esta ltima a sua suspeita). Como a
hiptese de que a carga mdia de ruptura seja superior a 55 kN no preocupa
o comprador, a mesma poderia ser excluda, sem perda de generalidade, para
simplificao do teste. Assim, as hipteses do teste so

H
0
: = 55 kN
H
1
: < 55 kN

Vamos admitir que a hiptese H
0
seja verdadeira, ou seja, que a
populao dos valores da carga de ruptura tem de fato a mdia = 55 kN.
Assim, a mdia X da amostra aleatria de 36 elementos ser uma varivel
aleatria com mdia tambm de 55 kN e com desvio padro igual a
0 , 1 36 / 6 / = = = n
X
kN. Aprendemos que podemos considerar a distribuio
amostral de X como aproximadamente normal. Temos ento a situao
indicada na figura abaixo, em que indica a probabilidade de se obter x
1
< 53
kN (essa probabilidade corresponde rea sob a distribuio amostral de X
no intervalo 53 < < x ).


Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados
Profs. Alexandre Lima e Moraes Junior
Profs. Alexandre Lima e Moraes Junior
5

51 52 53 54 55 56 57 58 59
0
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4
Distribuio da mdia amostral, n=36
Mdia amostral
D
e
n
s
i
d
a
d
e
Rejeita se mdia < 53 kN
= P(mdia < 53)



A probabilidade pode ser determinada por meio de

z =
x
1

X
=
53 55
1,0
= 2,0,

valor para o qual a tabela da normal reduzida fornece a rea 0,5 0,4772 =
0,0228 = 2,28%. Assim, h uma probabilidade = 2,28% de que, mesmo
sendo a hiptese H
0
verdadeira, x assuma valor na faixa que leva
rejeio de H
0
, de acordo com a regra de deciso adotada. Neste caso, a
empresa iria rejeitar H
0
sendo ela verdadeira, o que consiste no erro tipo
I (neste exemplo, o erro tipo I levaria rejeio de um lote satisfatrio), cuja
probabilidade dada por

= P(erro tipo I) = P(rejeitar H
0
|H
0
verdadeira).

Por outro lado, pode ocorrer a situao em que a hiptese H
0
falsa, ou
seja, na realidade vale < 55 kg, e a mdia amostral assume um valor maior
que 53 kg, levando a aceitao de H
0
. A empresa cometeria, neste caso, o
erro tipo II, que consiste em aceitar a hiptese H
0
sendo ela falsa. Por
conseguinte, a empresa iria adquirir um lote insatisfatrio, causando prejuzos
produo. A probabilidade de se cometer um erro tipo II denotada por ,
logo

= P(erro tipo II) = P(no rejeitar H
0
| H
0
falsa).

A probabilidade no pode ser calculada, a menos que se especifique um valor
alternativo para o parmetro sob investigao.

Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados
Profs. Alexandre Lima e Moraes Junior
Profs. Alexandre Lima e Moraes Junior
6
Em resumo, em um teste de hipteses, podem ocorrer dois tipos de erro
(memorize para a prova!):

Erro tipo I: rejeitar H
0
, sendo H
0
verdadeira;
Erro tipo II: aceitar H
0
, sendo H
0
falsa.

A faixa de valores da varivel de teste que leva rejeio de H
0
denominada
Regio Crtica (RC) ou regio de rejeio do teste. Para o exemplo visto, a
RC 53 < < x . Por outro lado, a faixa de valores que leva aceitao
chamada de Regio de Aceitao (RA), 53 x . A figura abaixo mostra as RC e
RA do teste do exemplo anterior.


51 52 53 54 55 56 57 58 59
0
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4
Mdia amostral
D
e
n
s
i
d
a
d
e
Regio de Aceitao (RA)
Regio
Crtica (RC)



Voltando ao exemplo visto acima, a empresa poderia ter adotado o seguinte
critrio (alternativo) de deciso: se a carga mdia de ruptura observada na
amostra de 36 elementos for inferior a 55 kN, isto , se x < 55 kN, ento ela se
recusar a comprar o lote de parafusos. Entretanto, esta idia, aparentemente
intuitiva, de se rejeitar H
0
caso x < 55 kN, no seria, de fato, recomendvel,
pois, nesse caso, a probabilidade do erro tipo I seria igual a 50%!

Vimos como, no exemplo anterior, fixada a RC do teste, determinamos a
probabilidade do erro tipo I por meio de uma simples manipulao da
distribuio normal. Inversamente, dado , podemos determinar o limite da
RC. Isso o que em geral se faz na prtica, direta ou indiretamente, sendo os
valores usualmente adotados = 5% e = 1%.

Assim, no exemplo anterior, se for fixado = 5%, resultar que

,
0 , 1
55
645 , 1
% 5

= =
x
z
Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados
Profs. Alexandre Lima e Moraes Junior
Profs. Alexandre Lima e Moraes Junior
7


x = 55,0 1,645 = 53, 355 kN limite da RC.

Da mesma forma, se for fixado = 1%, o novo limite da RC ser

z
1%
= 2, 326 =
x 55
1,0
x = 55,0 2, 326 = 52,674 kN.

Deste modo, se o valor numrico da mdia amostral for inferior a 52,674 kN,
rejeitaremos a hiptese H
0
ao nvel = 1% de significncia (isso implica que
H
0
ser tambm rejeitada se o nvel de significncia for = 5%). Se a mdia
amostral for superior a 53,355 kN, aceitaremos a hiptese H
0
ao nvel de =
5% de significncia (H
0
ser tambm aceita se o nvel de significncia for =
1%). Se, por acaso, tivermos 52,674 < x < 53, 355 kN, a hiptese H
0
ser aceita ao
nvel = 1% e ser rejeitada ao nvel = 5%. Isto quer dizer que, se a
empresa admite realizar o teste a um risco de 5% de probabilidade de cometer
o erro tipo I (rejeitar H
0
, sendo H
0
verdadeira), a evidncia estatstica ter sido
significativa, indicando que a hiptese nula dever ser rejeitada. Se, porm,
tivssemos especificado um risco de apenas 1% de probabilidade de cometer o
erro tipo I, a evidncia amostral no teria sido significativa a esse nvel de
significncia.

O exemplo mostra que a deciso de aceitar ou rejeitar a hiptese nula H
0

depende do nvel de significncia adotado. Um dado resultado amostral
obtido pode ser ou no significante, dependendo do fixado, e por esta
razo que denominado nvel de significncia. Um resultado
significativo a um determinado nvel nos levar rejeio de H
0
, pois
admite-se que ele no compatvel com a hiptese nula, a menos de uma
probabilidade de erro.

Por outro lado, se o resultado amostral cair na regio de aceitao, no ter
havido, no nvel especificado, evidncia significativa suficiente para a
rejeio de H
0
, a qual, por tal motivo, dever ser aceita. Neste caso, estamos
sujeitos a cometer o erro tipo II (aceitar H
0
sendo H
0
falsa). A aceitao de H
0

est associada, via de regra, insuficincia de evidncia emprica, ao nvel de
significncia desejado, para se chegar sua rejeio. Essa aceitao, portanto,
no deve ser interpretada como uma afirmao de H
0
. Assim, rejeitamos H
0

quando estamos estatisticamente convencidos, ao nvel de significncia , de
que estamos certos, enquanto que, se aceitamos H
0
, em geral essa aceitao
no representa uma afirmao estatisticamente forte.

20.1.1 Valor-p

Geralmente, a hiptese nula H
0
afirmar que um parmetro populacional tem
um valor especfico e a hiptese alternativa H
1
ser uma das seguintes
assertivas:

Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados
Profs. Alexandre Lima e Moraes Junior
Profs. Alexandre Lima e Moraes Junior
8
(i) O parmetro maior que o valor especificado (teste unilateral ou
monocaudal direita).

51 52 53 54 55 56 57 58 59
0
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4
Teste unilateral direita
Mdia amostral
D
e
n
s
i
d
a
d
e
Rejeita se mdia > 57 kN


(ii) O parmetro menor que o valor especificado (teste unilateral
esquerda).

51 52 53 54 55 56 57 58 59
0
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4
Teste unilateral esquerda
Mdia amostral
D
e
n
s
i
d
a
d
e
Rejeita se mdia < 53 kN


(iii) O parmetro maior que um valor ou menor que um outro valor
especificado (teste bilateral ou bicaudal).

Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados
Profs. Alexandre Lima e Moraes Junior
Profs. Alexandre Lima e Moraes Junior
9
-5 -4 -3 -2 -1 0 1 2 3 4 5
0
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4
mdia amostral
D
e
n
s
i
d
a
d
e
Rejeita se t>2.131
Prob = 0.025
Rejeita se x<-2.131
Prob = 0.025
Teste bilateral



Definio (valor-p). O valor-p (ou probabilidade de significncia) a
probabilidade de a estatstica do teste acusar um resultado to ou mais
distante do esperado, como o resultado ocorrido na particular amostra
observada, supondo H
0
como a hiptese verdadeira.

Exemplo. Suponha que o desvio padro de uma populao normalmente
distribuda seja igual a 3, e que H
0
afirme que a mdia populacional seja igual
a 12 (H
0
: = 12). Uma amostra aleatria com 36 elementos extrada da
populao e produz a mdia amostral 95 , 12 = X . Escolheu-se

,
5 , 0
12
36 / 3
12
/
12
=

=
X X
n
X
Z



como a estatstica do teste, que corresponder varivel aleatria normal
reduzida, se H
0
for verdadeira. O valor da estatstica 9 , 1 5 , 0 / ) 12 95 , 12 ( = = z .
Vamos supor que o nvel de significncia especificado para o teste seja =
5%. O valor-p do teste ento depender da hiptese alternativa H
1
como se
segue:

(i) Para H
1
: > 12 (caso (i)), o valor-p a probabilidade de que uma
amostra aleatria com 36 observaes produza uma mdia amostral
maior ou igual a 12,95, dado que a verdadeira mdia seja 12; neste
caso, P(z 1,9) 2,9% (vide a figura abaixo). Isto significa que a
chance de ocorrer 95 , 12 X aproximadamente igual a 3%
(relativamente baixa) se = 12.

Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados
Profs. Alexandre Lima e Moraes Junior
Profs. Alexandre Lima e Moraes Junior
10
10 10.5 11 11.5 12 12.5 13 13.5 14
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
Mdia amostral
D
e
n
s
i
d
a
d
e
Valor-p = P(mdia > 12.95)


(ii) Para H
1
: <12 (caso (ii)), o valor-p a probabilidade de que uma
amostra aleatria de tamanho 36 produza uma mdia amostral
menor ou igual a 12,95, se = 12. Tem-se que P(z 1,9) 97,1%
(veja a prxima figura). Isto quer dizer que a probabilidade de
ocorrer 95 , 12 X aproximadamente igual a 97% (as chances so
bastante altas) se = 12.

10 10.5 11 11.5 12 12.5 13 13.5 14
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
Mdia amostral
D
e
n
s
i
d
a
d
e
Valor-p = P(mdia < 12.95)


(iii) Para H
1
: 12 (caso (iii)), o valor-p a probabilidade de que uma
amostra aleatria de tamanho 36 produza uma mdia amostral que
esteja 0,95 unidade ou mais afastada de = 12, ou seja, 95 , 12 X ou
05 , 11 X , se a mdia populacional de fato igual a 12. Aqui, o valor-
p dado por P(z 1,9) + P(z -1,9) = 2,87 + 2,87 5,7% (vide a
figura abaixo), e isto quer dizer que as chances so de
aproximadamente 6 em 100 de que 95 , 0 | 12 | X se = 12.

Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados
Profs. Alexandre Lima e Moraes Junior
Profs. Alexandre Lima e Moraes Junior
11
10 10.5 11 11.5 12 12.5 13 13.5 14
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
mdia amostral
D
e
n
s
i
d
a
d
e
p/2 p/2


Pequenos valores-p nos do evidncias estatsticas para rejeitarmos H
0
em
favor de H
1
, pois a probabilidade de ocorrer um resultado to ou mais distante
do esperado, como o resultado ocorrido na amostra observada pequena, se
H
0
for verdadeira (mas preciso quantificar quo pequeno deve ser o valor-p e
a que entra em cena o nvel de significncia ). Neste exemplo, P(Z 1,9) =
valor-p = 2,9% para H
1
: > 12. Neste caso, valor-p = 2,9% (menor que =
5%) um forte indicador de que a mdia populacional maior que 12.
Portanto, torna-se natural rejeitar H
0
em favor de H
1
.

Por outro lado, grandes valores-p no fornecem evidncias estatsticas para
rejeitarmos H
0
em favor de H
1
, pois a probabilidade de ocorrer um resultado
to ou mais distante do esperado, como o resultado ocorrido na amostra
observada grande, se H
0
for verdadeira. No exemplo, P(Z 1,9) = valor-p =
97,1% para H
1
: <12. Assim, um valor-p = 97,1% (maior que = 5%) uma
forte evidncia de que H
0
no deve ser rejeitada em favor de H
1
.

Para o caso (iii), H
1
: 12, foi obtido (valor-p = 5,7%) > ( = 5%). Aqui, a
evidncia estatstica para rejeitar H
0
em favor de H
1
NO suficientemente
forte. Logo, no rejeitamos H
0
em favor de H
1
. Porm, H
0
seria rejeitada em
favor de H
1
se adotssemos um valor maior para o nvel de significncia, como
= 10%.

Regra a ser memorizada para a prova:

Se valor-p , rejeitamos H
0
em favor de H
1
.
Se valor-p > , no rejeitamos H
0
em favor de H
1
.

20.2 Testes de Uma Mdia Populacional

Ressaltamos que todos os testes de mdias a serem vistos nesta seo
pressupem a normalidade da distribuio amostral de X . Essa suposio
vlida, com boa aproximao, mesmo quando as populaes sob investigao
no seguem a distribuio normal, desde que as amostras sejam
Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados
Profs. Alexandre Lima e Moraes Junior
Profs. Alexandre Lima e Moraes Junior
12
suficientemente grandes. Na prtica, amostras com mais de n = 30
observaes podem ser consideradas grandes.

20.2.1 Desvio Padro Conhecido

Caso 1: Testes de hipteses monocaudais:

a) H
0
: =
0
H
1
: <
0


ou

b) H
0
: =
0
H
1
: >
0


Deve-se padronizar o valor experimental
1
x utilizando-se a frmula:

(1) .
/
0 1
n
x
z


=

A RC ir corresponder aos valores
1
x x < para o teste (a). Neste caso, devemos
rejeitar H
0
se z < -z

. A RC ir corresponder aos valores


1
x x > para o teste (b).
Portanto, a hiptese nula (H
0
) deve ser rejeitada se z > z

.

Caso 2: Testes de hipteses bilaterais:

c) H
0
: =
0
H
1
:
0


A RC ir corresponder aos valores
1
x x < ou
2
x x > (vide a prxima figura), em
que os dois limites da RC so dados por

(2)
n
z x

2 / 0 1
=

(3)
n
z x

2 / 0 2
+ =

Neste caso, devemos rejeitar H
0
se z < -z
/2
ou z > z
/2
, o que implica o
critrio de rejeio |z| > z
/2
.


Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados
Profs. Alexandre Lima e Moraes Junior
Profs. Alexandre Lima e Moraes Junior
13
10 10.5 11 11.5 12 12.5 13 13.5 14
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
mdia amostral
D
e
n
s
i
d
a
d
e
x
1
x
2
/2
/2

0



A Tabela I resume os testes de hipteses de uma mdia populacional com
desvio padro conhecido.


Tabela I: testes de hipteses para com conhecido

Hipteses Rejeita-se H
0
se
H
0
: =
0

z < -z


H
1
: <
0


H
0
: =
0

z > z


H
1
: >
0


H
0
: =
0
z < -z
/2
ou z > z
/2

|z| > z
/2
H
1
:
0



J caiu em prova! (ICMS-RJ/2010/FGV). Para testar H
0
: 10 contra H
1
:
> 10, sendo a mdia de uma varivel populacional suposta normalmente
distribuda com varincia igual a 100, uma amostra aleatria simples de
tamanho 25 foi obtida e resultou num valor da mdia amostral igual a 15,76.
Ao nvel de significncia de 5%, o valor-p (nvel crtico) correspondente e a
deciso a ser tomada so respectivamente:

A) 0,102 e no rejeitar H0.
B) 0,01 e rejeitar H0.
C) 0,058 e no rejeitar H0.
D) 0,002 e rejeitar H0
E) 0,154 e no rejeitar H0.
Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados
Profs. Alexandre Lima e Moraes Junior
Profs. Alexandre Lima e Moraes Junior
14

Resoluo

Dados:
2
=100, n=25, X =15, 76 e =5%.

z =
X
/ n
z =
15, 76 10
10/ 25
= 2,88

Consultando a tabela normal, tem-se que o valor-p correspondente a z = 2,88
igual a 0,002. Como valor-p < , rejeitamos H
0
em favor de H
1
.

GABARITO: D

J caiu em prova! (Especialista em Regulao de Aviao
Civil/ANAC/2009/UnB-CESPE). Em uma pequena pesquisa encomendada
por uma empresa area, foi realizado o seguinte teste de hipteses.

H0: =20 kg versus H1: >20 kg, em que representa a quantidade mdia de
bagagens (em kg) que cada passageiro gostaria de transportar em vos
domsticos; H
0
a hiptese nula e H
1
a hiptese alternativa.

De um grupo de 324 passageiros escolhidos ao acaso, a pesquisa mostrou que,
em mdia, cada passageiro gostaria de transportar 21 kg. O desvio padro
amostral das quantidades observadas nesse levantamento foi igual a 9 kg.

Com base nessas informaces e considerando que as quantidades sigam uma
distribuico normal, e que (1,7) = 0,955, (2,0) = 0,977 e (2,5) = 0,994,
em que (z) representa a funco de distribuico acumulada da distribuico
normal padro, julgue os itens seguintes.

A probabilidade de significancia do teste superior a 0,03.

Resoluo

A distribuio amostral de X normal com mdia e varincia
2
/n. Vimos
que a varincia amostral S
2
um estimador consistente da varincia
populacional
2
, pois a variabilidade de S
2
desprezvel ( um valor muito
prximo de zero) quando o tamanho n da amostra um valor grande. Embora
S
2
, seja um estimador justo da varincia populacional
2
, sua raiz quadrada S
no um estimador justo do desvio padro populacional . O vis de S como
estimador de , entretanto, tende assintoticamente a zero. Logo, para
amostras grandes, podemos, por simplificao, adotar como estimativa o
prprio desvio padro da amostra, calculado pela raiz quadrada da varincia
amostral

Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados
Profs. Alexandre Lima e Moraes Junior
Profs. Alexandre Lima e Moraes Junior
15
Portanto, podemos adotar a aproximao S = 9 (desvio-padro amostral =
desvio-padro populacional), pois n = 324 um valor muito grande. Deste
modo, = 20 pela H
0
,
2
/n = 9
2
/324 = 81/324 = 1/4, X ~ N(20; 1/4) e a
estatstica do teste

0 , 2
2 / 1
20 21
/
=

= z
n
x
z


.

(2,0) = 0,977 valor-p = 1-(2,0) = 0,023 = 2,3% < 3%.

O item est errado, porque a probabilidade de significncia ou valor-p do teste
2,3%, inferior a 3%. A prxima figura mostra a distribuio amostral da
mdia, sendo a hiptese nula verdadeira. A rea hachurada o valor-p.


18 18.5 19 19.5 20 20.5 21 21.5 22
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
Mdia amostral
D
e
n
s
i
d
a
d
e
Valor-p = 2,3%



GABARITO: E

Se o nvel de significancia for igual a 3,5%, ento h evidencias estatsticas
contra a hiptese nula.

Resoluo

Valor-p=2,3% < =3,5% deve-se rejeitar H
0
, pois o valor da mdia
amostral ( 21 = x ) encontra-se na regio crtica 9060 , 20 = >
c
x x (=3,5%). A
figura abaixo mostra a regio crtica do teste (rea hachurada em vermelho).
Item certo.


Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados
Profs. Alexandre Lima e Moraes Junior
Profs. Alexandre Lima e Moraes Junior
16
18 18.5 19 19.5 20 20.5 21 21.5 22
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
Mdia amostral
D
e
n
s
i
d
a
d
e
RC



GABARITO: C

Se a mdia verdadeira for = 19,6, ento, para uma probabilidade do erro do
tipo I fixada em 4,5%, o valor da funco caracterstica de operaco do teste
ser superior a 0,98.

Resoluo

Aqui a probabilidade do erro tipo II pode ser calculada, pois o item
especificou um valor alternativo para , qual seja, =19,6. Precisamos
aprender um conceito novo antes de resolver este item.

Definio. A funo caracterstica de operao do teste definida como

() = P(aceitar H
0
|).

Ou seja, () a probabilidade de aceitar H
0
, considerada como uma funo
de .

Segue-se que a funo caracterstica do teste especificado pela questo dada
por

() = P(aceitar H
0
|) = P( X pertencer regio de aceitao|).

No item,

( = = 19,6) = P( X menor que o valor crtico| = 19,6).

Observe que a nova probabilidade do erro do tipo I foi fixada em 4,5%, ou
seja, = 4,5% e isto implica z
4,5%
= 1,7, pois (0,955) = 1,7. Ento o novo
Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados
Profs. Alexandre Lima e Moraes Junior
Profs. Alexandre Lima e Moraes Junior
17
valor crtico do teste, assumindo-se verdadeira a hiptese nula = 20, ser
dado por

85 , 20 7 , 1
5 , 0
20
= =

c
c
x
x
.

A regio de aceitao para = 4,5% 85 , 20 < x . Como a mdia verdadeira
=19,6, a P( X menor que o valor crtico | = 19,6) dada por

% 4 , 99 ) 5 , 2 ( ) 5 , 2 (
2 / 1
6 , 19 85 , 20
= = = < =


= <
c c
z z P z z P .

Ento (19,6) = P(aceitar H
0
|mdia verdadeira) = 0,994 > 0,98. Item certo. A
prxima figura mostra a probabilidade , a distribuio verdadeira (linha preta)
e a distribuio amostral falsa (linha vermelha).


18 18.5 19 19.5 20 20.5 21 21.5 22
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
distribuio pela H
0
distribuio verdadeira




GABARITO: C

Considerando-se que o nvel de significancia do teste igual a 0,6%, o valor da
funco poder (ou potncia) do teste ser igual a 0,5 se a mdia verdadeira
for igual a 21kg.

Resoluo

O poder ou potncia do teste definido como

() = 1-() = P(rejeitar H
0
|).
Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados
Profs. Alexandre Lima e Moraes Junior
Profs. Alexandre Lima e Moraes Junior
18

No item,

( = 21) = P( X pertencer regio crtica| = 21).

O nvel de significncia 0,6%, isto , = 0,6%. Logo, z
0,6%
=2,5, pois
(0,994) = 2,5. Assim, o valor crtico do teste, assumindo-se verdadeira a
hiptese nula = 20, ser

25 , 21 5 , 2
5 , 0
20
= =

c
c
x
x
.

Ou seja, a regio crtica para = 0,6% 25 , 21 > x . Como a mdia verdadeira
=21, ento

(21) = P( X >21,25|=21) < 0,5,

pois o valor crtico est direita da verdadeira mdia. A figura abaixo mostra
que o poder do teste, representado pela rea azul, menor que 0,5. Item
errado.


18 19 20 21 22 23 24
0
0.2
0.4
0.6
0.8
1
distribuio pela H
0
(falsa)
distribuio verdadeira
poder do teste



GABARITO: E

Pode-se afirmar, com 95,5% de confianca, que a estimativa da quantidade
mdia de bagagens de 21 kg 0,85 kg.

Resoluo
Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados
Profs. Alexandre Lima e Moraes Junior
Profs. Alexandre Lima e Moraes Junior
19

O intervalo de confiana para a mdia quando o desvio-padro populacional
conhecido (lembre que S = 9, pois n = 324 um valor grande), no nvel de
confiana 1-, dado por

.
2 /
n
z X



Dados: 21 = X e 2 / 1 18 / 9 324 / 9 / = = = n .

Temos que 955 , 0 1 = % 5 , 4 045 , 0 = = % 25 , 2 2 / = 977 , 0 2 / 1
0 , 2 = z , pois (2,0) = 0,977. Logo, o intervalo de confiana

0 , 1 21 ) 2 / 1 0 , 2 ( 21 = .

O item est errado.

GABARITO: E

O erro padro da mdia amostral inferior a 0,8 kg.

Resoluo

O desvio padro da mdia amostral n
X
/ = = 0,5 kg, e o mesmo
inferior a 0,8 kg. Item certo.

GABARITO: C

20.2.2 Desvio Padro Desconhecido

muito freqente, na prtica, o caso em que desejamos testar hipteses
referentes mdia de uma populao cujo desvio padro desconhecido. Se
tivermos disposio uma amostra aleatria de n elementos provenientes
dessa populao, com base na qual iremos realizar o teste, deveremos ento
usar essa mesma amostra para estimar o desvio padro da populao. Neste
caso, a varivel aleatria de teste ter distribuio t de Student com n-1 graus
de liberdade:

(4) .
/
0
1
n s
x
t
n

=



Assim, a nica diferena em relao ao caso anterior (desvio padro
conhecido) reside no fato de que iremos trabalhar com valores t de Student no
lugar de z (normal padro).

Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados
Profs. Alexandre Lima e Moraes Junior
Profs. Alexandre Lima e Moraes Junior
20
A Tabela II resume os testes de hipteses de uma mdia populacional com
desvio padro desconhecido.

Tabela II: testes de hipteses para com desconhecido

Hipteses Rejeita-se H
0
se
H
0
: =
0

t
n-1
< -t
n-1,

H
1
: <
0


H
0
: =
0

t
n-1
> t
n-1,

H
1
: >
0


H
0
: =
0

|t
n-1
| > t
n-1,/2

H
1
:
0


20.3 Testes de Uma Proporo Populacional

J aprendemos que, ao realizar inferncias sobre uma proporo populacional
p, devemos nos basear na proporo observada na amostra p . Tambm vimos
que se np 5 e n(1-p) 5, podemos aproximar a distribuio amostral de p
pela distribuio normal com mdia p e desvio padro n p p / ) 1 ( .

Teste que envolvem propores populacionais so feitos de forma anloga aos
testes com mdias da populao. Assim, por exemplo, sejam as hipteses

H
0
: p = p
0
H
1
: p < p
0
.

Satisfeitas as restries np
0
5 e n(1-p
0
) 5, a distribuio amostral da
frequncia relativa ser aproximadamente normal, com mdia p
0
e desvio
padro n p p / ) 1 (
0 0
(pela hiptese nula). Portanto, padronizando o valor
experimental p , teremos o valor padronizado experimental correspondente

(5) .
/ ) 1 (

0 0
0
n p p
p p
z

=

Podemos multiplicar o numerador e o denominador de (5) por n, obtendo o
mesmo teste em termos da freqncia observada f, por meio da expresso
equivalente

(6) .
) 1 (
0 0
0
p np
np f
z

=

A hiptese nula (H
0
) ser rejeitada se z < -z

. De forma anloga ao que j


visto para os testes com a mdia, no caso dos testes unilateral direita e
Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados
Profs. Alexandre Lima e Moraes Junior
Profs. Alexandre Lima e Moraes Junior
21
bicaudal, as condies de rejeio de H
0
so, respectivamente, z > z

e |z| >
z
/2


A Tabela III resume os testes de hipteses para uma proporo populacional.

Tabela III: testes de hipteses para p (*)

Hipteses Rejeita-se H
0
se
H
0
: p = p
0

z < -z


H
1
: p < p
0


H
0
: p = p
0

z > z


H
1
: p > p
0


H
0
: p = p
0

|z| > z
/2

H
1
: p p
0

(*)
n p p
p p
z
/ ) 1 (

0 0
0

= ou
) 1 (
0 0
0
p np
np f
z

=


J caiu em prova! (ICMS-RJ/2010/FGV). Para testar H
0
: p 0,5 contra H
1
:
p > 0,5, sendo p a proporo de pessoas que so protegidas por planos de
previdncia privada numa certa populao, uma amostra aleatria simples de
tamanho 400 ser obtida e ser usado como critrio de deciso rejeitar a
hiptese H
0
se a proporo de pessoas com essa proteo na amostra for
maior ou igual a um certo nmero k.

Ao nvel de significncia de 5%, o valor de k aproximadamente igual a:

A) 0,508.
B) 0,541.
C) 0,562.
D) 0,588.
E) 0,602.

Resoluo

Testes que envolvem propores populacionais so feitos de forma anloga
aos testes com mdias da populao.

Como as restries np = 400 x 0,5 = 200>5 e n(1-p) = 400 x 0,5 = 200>5
so vlidas, a distribuio amostral da frequncia relativa ser
aproximadamente normal, com mdia p=0,5 e desvio padro 1/2(11/2) / 400
Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados
Profs. Alexandre Lima e Moraes Junior
Profs. Alexandre Lima e Moraes Junior
22
(pela hiptese nula). Portanto, padronizando o valor experimental k p = ,
teremos o valor padronizado experimental correspondente

40 / 1
4 / 1 20 / 1 / ) 1 (

0
0
d d
n p p
p p
z = =

=

O teste de hipteses unilateral. A tabela normal indica
z
5%
1,64 =
d
1/ 40
d =1,64 / 40 = 0,041. Assim, 541 , 0 041 , 0 5 , 0 = + = = k p .

GABARITO: B

20.4 Testes de Uma Varincia Populacional

Seja o teste unilateral direita

H
0
: ,
2
0
2
=

H
1
: .
2
0
2
>

Como a mdia populacional em geral desconhecida, a varivel de teste
dever ser a varincia amostral

,
1
) (
1
2
2

=
n
x x
s
n
i
i


que um estimador justo de
2
, conforme j visto neste curso.

Se a varincia amostral s
2
for prxima do valor testado
2
0
, iremos aceitar a
hiptese nula (H
0
). Rejeitaremos H
0
se s
2
cair na regio crtica (RC), que
corresponder cauda direita com probabilidade na distribuio amostral
de s
2
, sendo verdadeira a hiptese nula. Ou seja, sendo
2
1
s o limite da RC,
rejeitamos H
0
se

(7)
2
1
2
s s > .

Por outro lado, vimos que, se a populao for normalmente distribuda, a
quantidade
2 2
/ ) 1 ( s n tem distribuio
2
com n-1 graus de liberdade.
Portanto, admitindo verdadeira a hiptese nula (H
0
), podemos escrever que

(8) ,
) 1 (
2
1 2
2
0

=

n
s n



Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados
Profs. Alexandre Lima e Moraes Junior
Profs. Alexandre Lima e Moraes Junior
23
sendo a quantidade (8) denominada
2
1 n
experimental.

A Eq. (8) estabelece a relao existente entre valores de
2
s e a distribuio
2
1 n
, suposta verdadeira a hiptese nula. Assim, se em (8) fizermos
2
1
2
s s = , o
qui-quadrado correspondente ser o valor
2
que determina sobre sua
distribuio uma cauda direita com probabilidade , ou seja,
2
; 1

n
(qui-
quadrado superior):

(9)
2
; 1 2
2
1
0
) 1 (

n
s n


Como
2
1
2
s s > implica
2
; 1
2
1


>
n n
, a condio de rejeio de H
0


(10)
2
; 1
2
1


>
n n


em que o
2
1 n
experimental dado por (8) e o valor crtico
2
; 1

n
obtido na
Tabela da distribuio
2
. A figura abaixo mostra a regio crtica (cauda
direita azul) para uma varivel qui-quadrado com 6 graus de liberdade e =
5% (
2
% 5 ; 6
= 12,5916).


0 5 10 15 20 25
0
0.02
0.04
0.06
0.08
0.1
0.12
0.14
X
superior
D
e
n
s
i
d
a
d
e
X
X
6
rea =




De forma anloga, se as hipteses forem

H
0
: ,
2
0
2
=

H
1
: ,
2
0
2
<
Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados
Profs. Alexandre Lima e Moraes Junior
Profs. Alexandre Lima e Moraes Junior
24

rejeitaremos H
0
se

(11)
2
1 ; 1
2
1


<
n n
,

em que
2
1 ; 1

n
o qui-quadrado inferior ( o valor que determina sobre sua
distribuio uma cauda direita com probabilidade 1-). A figura abaixo
mostra a regio crtica (cauda esquerda azul) para uma qui-quadrado com 6
graus de liberdade e = 5% (
2
% 95 ; 6
= 1,6354).


0 5 10 15 20 25
0
0.02
0.04
0.06
0.08
0.1
0.12
0.14
X
inferior
D
e
n
s
i
d
a
d
e
X
6
rea =



Se o teste for bilateral, isto .

H
0
: ,
2
0
2
=

H
1
: ,
2
0
2


rejeitaremos H
0
se

(12)
2
2 / 1 ; 1
2
1


<
n n
ou
2
2 / ; 1
2
1


<
n n
.


Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados
Profs. Alexandre Lima e Moraes Junior
Profs. Alexandre Lima e Moraes Junior
25

0 5 10 15 20 25
0
0.02
0.04
0.06
0.08
0.1
0.12
0.14
X
D
e
n
s
i
d
a
d
e
X
6
rea inferior = 2,5%
rea superior = 2,5%



A figura acima mostra as regies crticas para uma qui-quadrado com 6 graus
de liberdade e = 5% (
2
% 5 , 97 ; 6
= 1,2373 e
2
% 5 , 2 ; 6
= 14,4494).

A Tabela IV resume os testes de hipteses para uma varincia populacional.

Tabela IV: testes de hipteses para
2
(*)

Hipteses Rejeita-se H
0
se
H
0
:
2
0
2
=
2
1 ; 1
2
1


<
n n

H
1
:
2
0
2
<

H
0
:
2
0
2
=
2
; 1
2
1


>
n n

H
1
:
2
0
2
>

H
0
:
2
0
2
=
2
2 / 1 ; 1
2
1


<
n n
ou
2
2 / ; 1
2
1


<
n n

H
1
:
2
0
2

(*)
2
2
2
1
0
) 1 (

s n
n

=



Exemplo. Uma amostra de dez elementos extrada de uma populao
normal e fornece varincia amostral igual a 12,0. O resultado obtido
suficiente para se concluir, ao nvel = 5% de significncia, que a varincia
populacional inferior a 20?

As hipteses a serem testadas so:

H
0
: , 20
2
=

Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados
Profs. Alexandre Lima e Moraes Junior
Profs. Alexandre Lima e Moraes Junior
26
H
1
: . 20
2
<

O
2
9
2
1
=
n
experimental dado por

. 4 , 5
20
12 9 ) 1 (
2
2
2
9
0
=

s n


A condio de rejeio da hiptese nula (H
0
)
2
1 ; 1
2
1


<
n n
. O valor crtico

n1;1
2
=
9;0,95
2
= 3, 325 3, 32 (vide tabela ao final desta aula). Como 5,4>3,32,
devemos aceitar a hiptese nula . 20
2
=

20.5 Testes No Paramtricos

Vimos nas sees anteriores como podemos testar hipteses referentes a um
parmetro populacional (testes paramtricos). A partir deste ponto,
abordaremos um tipo de teste no paramtrico de hipteses. Um teste no
paramtrico refere-se a outros aspectos que no os parmetros da distribuio
de probabilidades que modela a populao. Na prxima seo, veremos o teste
de aderncia pelo
2
.

20.5.1 Teste de Aderncia

Uma modalidade relevante de teste no paramtrico constituda pelo teste
de aderncia, em que a hiptese testada refere-se forma da distribuio da
populao. Nesse teste, admitimos, por hiptese, que a distribuio da varivel
de interesse na populao seja descrita por determinado modelo de
distribuio de probabilidades. Testamos esse modelo e verificamos a boa ou
m aderncia dos dados da amostra ao modelo. Se obtivermos uma boa
aderncia e a amostra for grande (n>30), poderemos, em princpio, admitir
que a distribuio populacional seja bem ajustada pelo modelo proposto no
teste. Por outro lado, a rejeio da hiptese nula em um dado nvel de
significncia indica que o modelo testado inadequado para representar a
populao.

A forma de testar a aderncia baseia-se na estatstica

(13)

2
=
(O
i
E
i
)
2
E
i
=
i=1
k

O
i
2
E
i
n,
i=1
k



em que:

-
2

denota a estatstica do teste, com graus de liberdade;


-
i
O a freqncia observada de uma determinada classe ou valor da varivel;
Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados
Profs. Alexandre Lima e Moraes Junior
Profs. Alexandre Lima e Moraes Junior
27
-
i
E a freqncia esperada, segundo o modelo testado, dessa classe ou valor
da varivel;
-

= =
= =
k
i
i
k
i
i
E O n
1 1
o nmero de elementos da amostra;
- k denota o nmero de classes ou valores considerados.

Demonstra-se que, se o modelo testado for verdadeiro e se todas 5
i
E , a
quantidade definida acima ter distribuio assinttica
2

com = (k -1 m)
graus de liberdade, em que m denota o nmero de parmetros do modelo
estimado. A subtrao de 1 ao valor de k deve-se existncia da restrio
n O
k
i
i
=

=1
entre as freqncias observadas. O clculo das freqncias esperadas
feito por meio da expresso

,
i i
np E =

em que p
i
a probabilidade, segundo o modelo, de se obter um valor da
varivel na classe considerada, e n o nmero de elementos da amostra. Essa
expresso resulta do fato de que cada freqncia observada O
i
ter, para
populao infinita, distribuio binomial com parmetros n e p
i
, sendo,
portanto, seu valor esperado dado por
i i
np E = .

A estatstica distribui-se aproximadamente segundo um qui-quadrado porque


= =

=
k
i
i
i i
k
i i
i i
E
E O
E
E O
1
2
1
2
2
) (



e, havendo muitas classe, ) 1 (
i i i i
p np np E = (esta ltima expresso
corresponde ao desvio padro da binomial), pois os p
i
devero ser pequenos.
Supondo-se que valha 5
i
E , a distribuio binomial das O
i
aproxima-se da
normal, e o valor entre parnteses no segundo membro da equao acima
seria aproximadamente um valor de z (normal padro). Como a distribuio
2


surge de uma soma de valores de z ao quadrado, resulta que o somatrio
fornece uma varivel com distribuio prxima do qui-quadrado com graus
de liberdade.

Observe que a estatstica
2

pode ser interpretada como uma medida da


discrepncia existente entre as freqncias observadas e esperadas, pois
consiste em uma soma de desvios quadrticos padronizados por suas
respectivas freqncias esperadas. Quando 0
2
=

, as freqncias tericas e
observadas concordam exatamente, enquanto que, para 0
2
>

, isso no
Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados
Profs. Alexandre Lima e Moraes Junior
Profs. Alexandre Lima e Moraes Junior
28
verdade. Quanto maior for o valor de
2

, maior ser a discrepncia entre as


freqncias observadas e esperadas.

O teste de aderncia pelo
2
unilateral, devendo a hiptese nula (H
0
) ser
rejeitada se
2
,
2

> . Isso razovel, porque, se o modelo testado estiver
longe da realidade, as freqncias observadas iro diferir bastante das
esperadas, o que far com que a varivel de teste cresa.

Caso existam classes que no satisfaam condio 5
i
E , estas devero ser
englobadas s classes adjacentes, conforme veremos no exemplo a seguir.

Exemplo. O nmero de defeitos por unidade observado em uma amostra de
cem aparelhos eletrnicos do tipo home theaters produzidos em uma linha de
montagem apresentou a seguinte distribuio de frequncias

Nmero de defeitos 0 1 2 3 4 5 6 7
Nmero de aparelhos 24 36 18 12 5 2 1 2

O teste de aderncia pelo
2
ser usado para testar as seguintes hipteses:

H
0
: a distribuio do nmero de defeitos por unidade bem modelada pela
distribuio de Poisson;
H
1
: a distribuio do nmero de defeitos por unidade no do tipo Poisson.

Aprendemos que a Lei de Poisson pode ser escrita na forma

,
!
) (
k
e
k X P
k


= = ,... 2 , 1 , 0 = k

em que o parmetro = E(X) = (mdia da distribuio). Como a hiptese a
ser testada no especifica o valor de , devemos estim-la por meio da mdia
amostral X . Da tabela do enunciado deste exemplo, obtemos

. 58 , 1
100
158
= = =

n
f x
x
i i


Usaremos, portanto, o modelo de Poisson com = = 1,58 para o clculo das
probabilidades p
i
.

Considerando p
i
= P(X = i), i = 0, 1, 2, ... , 7, temos, aplicando a frmula da
distribuio de Poisson:

, 2060 , 0
! 0
58 , 1
58 , 1
58 , 1 0
0
= =

e
e
p
Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados
Profs. Alexandre Lima e Moraes Junior
Profs. Alexandre Lima e Moraes Junior
29
5
2,24 2,76
, 3254 , 0 58 , 1
! 1
58 , 1
58 , 1
58 , 1 1
1
= =

e
e
p
, 2571 , 0
! 2
58 , 1
58 , 1 2
2
=

e
p
, 1354 , 0
! 3
58 , 1
58 , 1 3
3
=

e
p
, 0535 , 0
! 4
58 , 1
58 , 1 4
4
=

e
p
, 0169 , 0
! 5
58 , 1
58 , 1 5
5
=

e
p
0045 , 0
! 6
58 , 1
58 , 1 6
6
=

e
p e
0010 , 0
! 7
58 , 1
58 , 1 7
7
=

e
p

E chegamos seguinte Tabela de clculo de
2

:

i
x
i i
O f =
i i
f x
i
p
i i
np E =
i i
E O
i
i i
E
E O
2
) (

0 24 0 0,2060 20,60 3,40 0,5612
1 36 36 0,3254 32,54 3,46 0,3679
2 18 36 0,2571 25,71 -7,71 2,3121
3 12 36 0,1354 13,54 -1,54 0,1752
4 5 20 0,0535 5,35 -0,35 0,0229
5 2 10 0,0169 1,69 0,31
3,4007 6 1 6 0,0045 0,45 0,55
7 2 14 0,0010 0,10 1,90
Soma

158 1,00 100,0 6,84

Para determinao do
2

crtico, o nmero de graus de liberdade dever ser



, 4 1 1 6 1 = = = m k

pois temos seis parcelas na tabela acima e somente um parmetro foi
estimado a partir da amostra. Adotando = 5%, obtemos (vide tabela da
distribuio
2
ao final desta aula)

49 , 9
2
% 5 ; 4
2
= =
crtico
.

Como 6,84 < 9,49, aceitamos H
0
e conclumos que a varivel tem boa
aderncia ao modelo de Poisson.

20.5.2 Teste de Independncia

Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados
Profs. Alexandre Lima e Moraes Junior
Profs. Alexandre Lima e Moraes Junior
30
Quando existem duas ou mais variveis qualitativas de interesse, a
representao das freqncias observadas pode ser feita por meio de uma
tabela de contingncia.

Considere, por exemplo, uma amostra de 100 pessoas, que foram
entrevistadas quanto s suas opinies sobre as cotas raciais nas universidades
pblicas brasileiras, tendo sido obtidos os resultados dados na Tabela V.


Tabela V: pesquisa de opinio

Sexo
Opinio
Totais Favorvel Desfavorvel Indiferente
Feminino 34 11 15 60
Masculino 8 19 13 40
Totais 42 30 28 100


A Tabela V uma tabela de contingncia 2 x 3, pois a varivel qualitativa
sexo apresenta duas classificaes possveis e a varivel opinio, trs
classificaes. As frequncias indicam que 34 mulheres foram favorveis, 11
foram desfavorveis e 15 foram indiferentes, no total de 100 pessoas
entrevistadas. A linha e a coluna de totais fornecem as distribuies de
frequncias marginais, ou seja, as distribuies de cada varivel qualitativa
considerada individualmente, no importando a outra varivel.

possvel testar se as variveis qualitativas envolvidas na Tabela V so ou no
independentes (ou seja, possvel testar se a opinio independe do sexo).
Ou seja, podemos formular o seguinte teste de hipteses:

H
0
: as variveis so independentes;

H
1
: as variveis no so independentes, apresentando algum grau de
associao entre si.

O teste acima pode ser feito pelo
2
, de modo semelhante ao teste de
aderncia, isto , utilizando a estatstica

(14)

= = = =
=

=
l
i
c
j ij
ij
l
i
c
j ij
ij ij
n
E
O
E
E O
1 1
2
1 1
2
2
) (



em que:

-
2

denota a estatstica do teste, com graus de liberdade;


- l o nmero de linhas da tabela de contingncia;
- c o nmero de colunas da tabela de contingncia;
- O
ij
a freqncia observada na posio de linha i e coluna j da tabela;
Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados
Profs. Alexandre Lima e Moraes Junior
Profs. Alexandre Lima e Moraes Junior
31
- E
ij
a freqncia esperada, na posio de linha i e coluna j da tabela;
- n = O
ij
j =1
c

i=1
l

o nmero de elementos da amostra;



As freqncias esperadas de cada posio da tabelas so dadas por

(15) E
ij
= np
ij
,

em que p
ij
a probabilidade de ocorrer uma observao na posio
considerada. Havendo independncia entre as variveis, temos que

(16) p
ij
= p
i
p
j


em que p
i
a probabilidade marginal correspondente linha i e p
j
a
probabilidade marginal correspondente linha j.

As probabilidades marginais devero ser estimadas, pois no so conhecidas,
utilizando-se as frequncias relativas p
i
' e p
j
' , dadas por

p
i
' =
f
i
n
, p
j
' =
f
j
n
,

de modo que

(17) E
ij
= np
i
p
j
np
i
' p
j
' =
f
i
f
j
n
.

A Eq. (17) nos fornece a regra prtica para o clculo das freqncias
esperadas: multiplicar o total da linha pelo total da coluna e dividir por n. Aqui,
tambm deve-se obedecer a restrio E
ij
5

O nmero de graus de liberdade da varivel de teste
2



(18) = (l 1)(c 1).

A hiptese nula (H
0
) deve ser rejeitada se
2
,
2

> .

No caso bastante comum de tabela 2x2 (importante para a prova!), o
clculo de
2

pode ser feito pela expresso



(19)
1
2
=
n(ad bc)
2
(a +b)(a +c)(b + d)(c + d)


Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados
Profs. Alexandre Lima e Moraes Junior
Profs. Alexandre Lima e Moraes Junior
32
em que a, b, c e d so as frequncias observadas, organizadas segundo o
esquema:

a b
c d

Exemplo. Realizar o teste de independncia para os dados da Tabela V ao
nvel de 1% de significncia.

As frequncias esperadas devem ser calculadas pela frmula:

,
n
f f
E
j i
ij
em que i denota a linha e j representa a coluna da tabela de
contingncia.

Ento, obtemos

2 , 25
100
42 60
1 1
11
=

= =
n
f f
E , 0 , 18
100
30 60
12
=

= E , 8 , 16
100
28 60
23
=

= E

8 , 16
100
42 60
21
=

= E , 0 , 12
100
30 40
22
=

= E , 2 , 11
100
28 40
23
=

= E



Sexo
Opinio
Totais Favorvel Desfavorvel Indiferente
Feminino O
11
= 34,0
E
11
= 25,2
O
12
=11,0
E
12
= 18,0
O
13
=15,0
E
13
= 16,8
60
Masculino O
21
=8,0
E
21
= 16,8
O
22
=19,0
E
22
= 12,0
O
23
=13,0
E
23
= 11,2
40
Totais 42 30 28 100


Note que, na condio de independncia, as frequncias esperadas mantm
relaes constantes entre todas as linhas e todas as colunas, inclusive os
totais. Assim, espera-se que as opinies estejam na relao 42:30:28
independentemente do sexo. De fato, essa relao verificada entre as
frequncias esperadas: 25,2:18,0:16,8 para mulheres e 16,8:12,0:11,2 para
homens. Similarmente, o sexo independeria da opinio, pois 60:40 equivale a
25,2:16,8, 18,0:12,0 e 16,8:11,2.

Ser que as freqncias observadas diferem significativamente das frequncias
esperadas? Faremos esta verificao usando o
2
, cujo clculo est registrado
na tabela abaixo.

Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados
Profs. Alexandre Lima e Moraes Junior
Profs. Alexandre Lima e Moraes Junior
33
ij
O
ij
E
ij ij
E O
ij
ij ij
E
E O
2
) (

34,0 25,2 8,8 3,073
11,0 18,0 -7,0 2,722
15,0 16,8 -1,8 0,193
8,0 16,8 -8,8 4,610
19,0 12,0 7,0 4,083
13,0 11,2 1,8 0,289
100,0 100,0 14,970

O
2

calculado conforme (14) 14,970. O nmero de graus de liberdade =


(l-1)(c-1) = (2-1)(3-1) = 1.2 = 2. Logo, o valor crtico para = 1%
21 , 9
2
% 1 ; 2
= (vide tabela do qui-quadrado).

Como 14,970 > 9,21, deve-se rejeitar a hiptese de independncia entre
opinio e sexo ao nvel de 1% de significncia.

20.6 Memorize para a prova

- A hiptese nula (ou hiptese de trabalho) H
0
a hiptese aceita como
verdadeira at prova estatstica em contrrio. Ela geralmente representa o
contrrio do que queremos provar, ou seja, representa a hiptese que se quer
rejeitar.

- A hiptese alternativa H
1
usualmente representa o que se quer provar.

- Em um teste de hipteses, podem ocorrer dois tipos de erro:

Erro tipo I: rejeitar H
0
, sendo H
0
verdadeira;
Erro tipo II: aceitar H
0
, sendo H
0
falsa.

- Valor-p:

se valor-p , rejeitamos H
0
em favor de H
1
.
se valor-p > , no rejeitamos H
0
em favor de H
1
.
Nota: o nvel de significncia do teste.

- Variveis de teste para a mdia populacional:

a)
n
X
z
/

= (normal padro), se o desvio-padro populacional
conhecido.



Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados
Profs. Alexandre Lima e Moraes Junior
Profs. Alexandre Lima e Moraes Junior
34
Hipteses Rejeita-se H
0
se
H
0
: =
0

z < -z


H
1
: <
0


H
0
: =
0

z > z


H
1
: >
0


H
0
: =
0
z < -z
/2
ou z > z
/2

|z| > z
/2
H
1
:
0


b)
n s
X
t
/

= (t de Student), em que s denota o desvio-padro amostral.

Hipteses Rejeita-se H
0
se
H
0
: =
0

t
n-1
< -t
n-1,

H
1
: <
0


H
0
: =
0

t
n-1
> t
n-1,

H
1
: >
0


H
0
: =
0

|t
n-1
| > t
n-1,/2

H
1
:
0


- Frequncia relativa amostral p tem distribuio binomial com mdia p e
varincia p(1-p)/n. Se np 5 e n(1-p) 5, ento p tem distribuio N ~ (p,
p(1-p)/n).

- Estatstica para teste da proporo populacional p:
n p p
p p
z
/ ) 1 (

= .

Hipteses Rejeita-se H
0
se
H
0
: p = p
0

z < -z


H
1
: p < p
0


H
0
: p = p
0

z > z


H
1
: p > p
0


H
0
: p = p
0

|z| > z
/2

H
1
: p p
0



Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados
Profs. Alexandre Lima e Moraes Junior
Profs. Alexandre Lima e Moraes Junior
35

- Varivel de teste para varincia populacional
2
:
2
2
2
1
) 1 (

s n
n

=

, em que
1
) (
2
2

n
x x
s
i
denota a varincia amostral.

- Testes de hipteses para varincia populacional
2
:

Hipteses Rejeita-se H
0
se
H
0
:
2
0
2
=
2
1 ; 1
2
1


<
n n

H
1
:
2
0
2
<

H
0
:
2
0
2
=
2
; 1
2
1


>
n n

H
1
:
2
0
2
>

H
0
:
2
0
2
=
2
2 / 1 ; 1
2
1


<
n n
ou
2
2 / ; 1
2
1


<
n n

H
1
:
2
0
2



20.7 Exerccios de Fixao

1. (ICMS-RJ/2009/FGV) Uma empresa afirma que os pacotes de bala que
ela produz pesam em mdia 25g. Para testar essa hiptese, foram
selecionados ao acaso 16 pacotes produzidos pela empresa, registrados seus
pesos X
1
, X
2
, ... , X
16
e calculadas as estatsticas

=
=
16
1
320
i
i
X e

=
=
16
1
2
7360
i
i
X . O
valor da estatstica t (a ser comparado com o ponto desejado da distribuio t
de Student) para o teste :

A) -0,8
B) -1,2
C) -2,0
D) -2,5
E) -3,2

2. (Analista da SUSEP/2006/ESAF) Em uma distribuio de sinistro S,
formulando-se a hiptese de que no h diferena entre a freqncia esperada
e a observada (hiptese nula: H
0
). Donde, segundo um determinado nvel de
significncia, podemos afirmar que ocorreu

A) um erro do tipo I, se for aceita a hiptese H
0
.
B) um erro do tipo II, se for rejeitada a hiptese H
0
.
C) um erro do tipo I, se for aceita a hiptese H
0
, sendo esta correta.
Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados
Profs. Alexandre Lima e Moraes Junior
Profs. Alexandre Lima e Moraes Junior
36
D) um erro do tipo II, se for rejeitada a hiptese H
0
, sendo esta correta.
E) um erro do tipo I, se for rejeitada a hiptese H
0
, sendo esta correta.

3. (ICMS-RJ/2007/Adaptada) Para a realizao de um teste de hipteses
H
0
: =
0
, contra H
1
: >
0
, definimos ERRO DO TIPO I:

A) P( >
0
| =
0
)
B) P( =
0
| >
0
)
C) Rejeitar H
0
sendo H
0
verdadeira.
D) 1 P( >
0
| =
0
)
E) Aceitar H
0
, sendo H
0
falsa

4. (ICMS-SP/2009/FCC) O gerente de uma indstria de determinado
componente eletrnico garante que a vida mdia do produto fabricado igual
a 100 horas. Um comprador dessa indstria decide testar a afirmao do
gerente e faz um teste estatstico formulando as hipteses H
0
: = 100 e H
1
:
< 100, sendo que H
0
a hiptese nula, H
1
a hiptese alternativa e a
mdia da populao considerada de tamanho infinito com uma distribuio
normal. O desvio padro populacional igual a 10 horas e utilizou-se a
informao da distribuio normal padro (Z), segundo a qual P(Z 1,64) =
5%. H
0
foi rejeitada com base em uma amostra aleatria de 64 componentes
em um nvel de significncia de 5%. Ento, o valor da mdia amostral foi, em
horas, no mximo,

A) 94,75
B) 95,00
C) 96,00
D) 96,50
E) 97,95

5. (AFPS/2002/ESAF) Um atributo X tem distribuio normal com mdia e
varincia
2
. A partir de uma amostra aleatria de tamanho 16 da populao
definida por X, deseja-se testar a hiptese H
0
: = 22 contra a alternativa H
a
:
22. Para esse fim calcula-se a mdia amostral 30 = x e a varincia amostral
S
2
= 100. Assinale a opo que corresponde probabilidade de significncia
(p-valor) do teste

A) 2P{T>3,2} onde T tem distribuio de Student com 15 graus de liberdade.
B) P{|Z|>3,2} onde Z tem distribuio normal padro.
C) P{Z<-2,2} onde Z tem distribuio normal padro.
D) P{T<-3,2} onde T tem distribuio de Student com 15 graus de liberdade
E) P{|T|>2,2} onde T tem distribuio de Student com 15 graus de liberdade
Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados
Profs. Alexandre Lima e Moraes Junior
Profs. Alexandre Lima e Moraes Junior
37

6. (Fiscal de Rendas MS/2006/FGV) Em um teste de hipteses, a hiptese
nula foi rejeitada ao nvel de 3%. Portanto, a hiptese nula:

A) ser aceita no nvel de 1%.
B) ser aceita no nvel de 5%.
C) pode ser aceita ou rejeitada no nvel de 5%.
D) ser rejeitada no nvel de 1%.
E) ser rejeitada no nvel de 5%.

7. (Fiscal de Rendas MS/2006/FGV) Um teste de hiptese apresentou p-
valor igual a 0,03. Portanto, nos nveis de significncia de 1% e 5%,
respectivamente, a hiptese nula:

A) deve ser aceita e aceita.
B) deve ser aceita e rejeitada.
C) deve ser rejeitada e aceita.
D) deve ser rejeitada e rejeitada.
E) pode ou no ser rejeitada, dependendo de a hiptese ser simples ou no.

8. (Economista Jr./Cia Potiguar de Gs/2006/FGV) Um teste de hiptese
apresentou p-valor igual a 0,07. Portanto, nos nveis de significncia de 10% e
5%, respectivamente, a hiptese nula:

A) deve ser aceita e aceita.
B) deve ser aceita e rejeitada.
C) deve ser rejeitada e aceita.
D) deve ser rejeitada e rejeitada.
E) pode ou no ser rejeitada, dependendo de a hiptese ser simples ou no.

9. (Analista da SUSEP/2006/ESAF) Na anlise da sinistralidade de uma
determinada carteira, uma medida de discrepncia existente entre as
freqncias observadas e as esperadas proporcionada pela estatstica qui
quadrado X
2
. Com base nisso, pode-se afirmar que se:

A) X
2
= 0, as freqncias tericas (esperadas) e as observadas concordam
exatamente.
B) X
2
= 0, as freqncias tericas (esperadas) e as observadas no concordam
exatamente nem parcialmente.
C) X
2
= 0, as freqncias tericas (esperadas) e as observadas concordam
parcialmente, pode ser aceita-se como tal.
Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados
Profs. Alexandre Lima e Moraes Junior
Profs. Alexandre Lima e Moraes Junior
38
D) X
2
= 1, as freqncias tericas (esperadas) e as observadas concordam
exatamente.
E) X
2
0, as freqncias tericas (esperadas) e as observadas concordam
exatamente.

10. (INDITA) Em 200 lances de uma moeda, observaram-se 116 caras e 84
coroas. Testou-se a hiptese da moeda ser honesta, adotando-se os nveis de
significncia 5% e 1%. Ento pode-se afirmar que

A) a hiptese da moeda ser honesta aceita nos dois nveis de significncia.
B) a hiptese da moeda ser honesta rejeitada nos dois nveis de significncia.
C) a hiptese da moeda ser honesta rejeitada no nvel de significncia de
1%, mas aceita no nvel de significncia de 5%.
D) a hiptese da moeda ser honesta rejeitada no nvel de significncia de
5%, mas aceita no nvel de significncia de 1%.
E) a hiptese alternativa da moeda ser desonesta rejeitada no nvel de
significncia de 5%, mas aceita no nvel de significncia de 1%..

11. (AFT/2010/ESAF) Em uma amostra aleatria simples de 100 pessoas de
uma populao, 15 das 40 mulheres da amostra so fumantes e 15 dos 60
homens da amostra tambm so fumantes. Desejando-se testar a hiptese
nula de que nesta populao ser fumante ou no independe da pessoa ser
homem ou mulher, qual o valor mais prximo da estatstica do correspondente
teste de qui-quadrado?

A) 1,79.
B) 2,45.
C) 0,98.
D) 3,75.
E) 1,21.

12. (IRB/Resseguro/2004/ESAF) Num estudo do consumo de combustvel
para uma determinada marca de automvel, supe-se que a distribuio do
consumo aproximadamente normal com mdia desconhecida km/l e desvio
padro 3 km/l. Uma amostra de 36 veculos produziu a mdia de consumo de
16 km/l. Deseja-se testar a hiptese H: = 15 contra a alternativa A: > 15.
Considerando os valores da funo de distribuio normal padro dados
abaixo, assinale a opo que d o valor probabilstico (p-valor) do teste que
toma por base a estatstica ) 15 ( 2 = X z , sendo X a mdia amostral.

z F(z)
1,0 0,841
1,2 0,885
Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados
Profs. Alexandre Lima e Moraes Junior
Profs. Alexandre Lima e Moraes Junior
39
1,4 0,919
1,6 0,945
1,8 0,964
2,0 0,977
2,2 0,986
2,4 0,992

A) 0,500
B) 0,977
C) 0,050
D) 0,023
E) 0,010
13. (Analista rea 2/BACEN/2010/CESGRANRIO) Com relaco a um
teste simples de hiptese, assinale a afirmativa correta.

(A) Um teste bicaudal de nvel de significncia rejeita ahiptese nula H
0
: =

0
precisamente quando
0
est fora do intervalo de confianca de nvel (1)
para .
(B) A hiptese nula a ser testada deve ser construda com muita atenco
porquanto o objeto da inferencia estatstica, enquanto que a hiptese
alternativa s precisa ser contrria hiptese nula.
(C) Se o grau de significancia do teste , significa que (1 ) a
probabilidade de se cometer erro do tipo I.
(D) Na definico de um teste, deve-se levar em conta que quanto menor o
grau de significancia do teste (), maior ser o poder do teste(), uma vez que
( + )=1.
(E) Erro do tipo II, embora definido para uma hiptese alternativa especfica,
ocorrer sempre com probabilidade igual ao poder do teste.

(Fiscal de Rendas-MS/2006/FGV) O enunciado a seguir refere-se s
questes de nmeros 14 e 15

Uma amostra aleatria simples de tamanho 25 foi selecionada para estimar a
mdia desconhecida de uma populao normal. A mdia amostral encontrada
foi 4,2, e a varincia amostral foi 1,44.

14. O intervalo de 95% de confiana para a mdia populacional

A) 4,2 0,75
B) 4,2 0,64
C) 4,2 0,71
D) 4,2 0,49
E) 4,2 0,81
Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados
Profs. Alexandre Lima e Moraes Junior
Profs. Alexandre Lima e Moraes Junior
40

15. O intervalo de 95% de confiana para a varincia populacional

A) (0,72, 3,05)
B) (0,88, 2,79)
C) (0,64, 3,20)
D) (0,55, 3,16)
E) (0,44, 3,44)

(Fiscal de Rendas-MS/2006/FGV) O enunciado a seguir refere-se s
questes de nmeros 16, 17 e 18.

A tabela a seguir mostra os resultados obtidos em Matemtica por trs
turmas:

Aprovados Reprovados Total
Turma X 30 10 40
Turma Y 35 5 40
Turma Z 15 5 20
Total 80 20 100

Desejamos testar, usando o teste qui-quadrado:

H
0
: os seis resultados possveis tm probabilidades iguais versus
H
0
: os seis resultados possveis no tm probabilidades iguais.

16. O valor observado da estatstica qui-quadrado , aproximadamente:

A) 1,16
B) 2,34
C) 3,44
D) 4,66
E) 5,58

17. O nmero de graus de liberdade :

A) 2
B) 3
C) 4
D) 6
E) 99

Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados
Profs. Alexandre Lima e Moraes Junior
Profs. Alexandre Lima e Moraes Junior
41
18. Nos nveis de 1%, 5% e 10%, a deciso sobre H
0
:

= 1% = 5% = 10%
(A) no rejeitar no rejeitar no rejeitar
(B) no rejeitar no rejeitar rejeitar
(C) no rejeitar rejeitar rejeitar
(D) rejeitar rejeitar no rejeitar
(E) rejeitar rejeitar rejeitar

20.8 Gabarito

1 D
2 E
3 - C
4 - E
5 A
6 E
7 - B
8 - C
9 - A
10 D
11 - A
12 D
13 A
14 D
15 B
16 B
17 A
18 - A

20.9 Resoluo dos Exerccios de Fixao

1. (ICMS-RJ/2009/FGV) Uma empresa afirma que os pacotes de bala que
ela produz pesam em mdia 25g. Para testar essa hiptese, foram
selecionados ao acaso 16 pacotes produzidos pela empresa, registrados seus
pesos X
1
, X
2
, ... , X
16
e calculadas as estatsticas

=
=
16
1
320
i
i
X e

=
=
16
1
2
7360
i
i
X . O
valor da estatstica t (a ser comparado com o ponto desejado da distribuio t
de Student) para o teste :

A) -0,8
B) -1,2
C) -2,0
Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados
Profs. Alexandre Lima e Moraes Junior
Profs. Alexandre Lima e Moraes Junior
42
D) -2,5
E) -3,2

Resoluo

muito freqente, na prtica, o caso em que desejamos testar hipteses
referentes mdia de uma populao cujo desvio padro desconhecido. Se
tivermos disposio uma amostra aleatria de n elementos provenientes
dessa populao, com base na qual iremos realizar o teste, deveremos ento
usar essa mesma amostra para estimar o desvio padro da populao. Neste
caso, a varivel aleatria de teste ter distribuio t de Student com n-1 graus
de liberdade:

n s
x
t
n
/
1

=

.

O valor da estatstica t determinado pelos valores de x (mdia amostral) e s
(desvio padro amostral).

x =
X
i
i=1
16

n
=
320
16
= 20
2
2
1
s
n
n
m
|

\
|
=
s
2
=
n
n 1
|
\

|

| m
2
=
n
n 1
X
i
2
i=1
n

X
i
i=1
16

n
|
\




|

|
|
|
|
2







(

(
(
(
(
(
=
n
n 1
X
i
2
i=1
n

n
x
2






(

(
(
(
(

64 20
16
7360
15
16
2 2
=
(

= s 8 = s .

Logo,

5 , 2
16 / 8
25 20
1
=

=
n
t .

Soluo alternativa (aproximada):

Suponha que voc tenha esquecido a frmula

2
2
1
s
n
n
m
|

\
|
= .

Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados
Profs. Alexandre Lima e Moraes Junior
Profs. Alexandre Lima e Moraes Junior
43
Para n grande, tem-se que

1
1


n
n


e vlida a seguinte aproximao para a varincia amostral:

60 400
16
7360
2
1
2
2
= =

=
x
n
X
s
n
i
i
.

Logo,

5 , 2
2
5
4
5
16 / 60
5
16 / 60
25 20
1
=

n
t (eu tambm usei a aproximao
15 / 60 16 / 60 )

GABARITO: D

2. (Analista/SUSEP/2006/ESAF) Em uma distribuio de sinistro S,
formulando-se a hiptese de que no h diferena entre a freqncia esperada
e a observada (hiptese nula: H
0
). Donde, segundo um determinado nvel de
significncia, podemos afirmar que ocorreu

A) um erro do tipo I, se for aceita a hiptese H
0
.
B) um erro do tipo II, se for rejeitada a hiptese H
0
.
C) um erro do tipo I, se for aceita a hiptese H
0
, sendo esta correta.
D) um erro do tipo II, se for rejeitada a hiptese H
0
, sendo esta correta.
E) um erro do tipo I, se for rejeitada a hiptese H
0
, sendo esta correta.

Resoluo

O enunciado parece estar truncado e o problema reside no tempo verbal do
verbo formular. No obstante, a questo fcil e tem soluo.

Vimos que comete-se um erro tipo I quando rejeita-se a hiptese nula
H
0
, sendo H
0
verdadeira. Comete-se um erro tipo II quando aceita-se a
hiptese nula H
0
, sendo H
0
falsa.

Anlise das alternativas:

(A) Ocorreu um erro do tipo I, se for rejeitada a hiptese nula H
0
, sendo H
0

verdadeira ERRADO.
(B) Ocorreu um erro do tipo II, se for aceita a hiptese nula H
0
, sendo H
0

falsa ERRADO.
Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados
Profs. Alexandre Lima e Moraes Junior
Profs. Alexandre Lima e Moraes Junior
44

(C) Ocorreu um erro do tipo I, se for rejeitada a hiptese nula H
0
, sendo H
0

verdadeira ERRADO.
(D) Ocorreu um erro tipo II, se for aceita a hiptese nula H
0
, sendo H
0
falsa
ERRADO.
(E) Ocorreu um erro do tipo I, se for rejeitada a hiptese H
0
, sendo esta
correta CERTO.

GABARITO: E

3. (ICMS-RJ/2007/FGV/Adaptada) Para a realizao de um teste de
hipteses H
0
: =
0
, contra H
1
: >
0
, definimos ERRO DO TIPO I:

A) P( >
0
| =
0
)
B) P( =
0
| >
0
)
C) Rejeitar H
0
sendo H
0
verdadeira.
D) 1 P( >
0
| =
0
)
E) Aceitar H
0
, sendo H
0
falsa

Resoluo

Em um teste de hipteses, podem ocorrer dois tipos de erro:

Erro tipo I: rejeitar H
0
, sendo H
0
verdadeira;
Erro tipo II: aceitar H
0
, sendo H
0
falsa.

A faixa de valores da varivel de teste que leva rejeio de H
0
denominada
Regio Crtica (RC) do teste. Neste exerccio, a RC x
1
< x < , pois as
hipteses so: H
0
: =
0
, contra H
1
: >
0
(unilateral direita). Como o nvel
de significncia no foi especificado pelo enunciado, no temos como
determinar o limite inferior x
1
da RC do teste. No obstante, fixada a RC, a
probabilidade do erro tipo I dada pela probabilidade P(x > x
1
).

GABARITO: C

4. (ICMS-SP/2009/FCC) O gerente de uma indstria de determinado
componente eletrnico garante que a vida mdia do produto fabricado igual
a 100 horas. Um comprador dessa indstria decide testar a afirmao do
gerente e faz um teste estatstico formulando as hipteses H
0
: = 100 e H
1
:
< 100, sendo que H
0
a hiptese nula, H
1
a hiptese alternativa e a
mdia da populao considerada de tamanho infinito com uma distribuio
normal. O desvio padro populacional igual a 10 horas e utilizou-se a
informao da distribuio normal padro (Z), segundo a qual P(Z 1,64) =
5%. H
0
foi rejeitada com base em uma amostra aleatria de 64 componentes
em um nvel de significncia de 5%. Ento, o valor da mdia amostral foi, em
horas, no mximo,
Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados
Profs. Alexandre Lima e Moraes Junior
Profs. Alexandre Lima e Moraes Junior
45

A) 94,75
B) 95,00
C) 96,00
D) 96,50
E) 97,95

Resoluo

A Regio Crtica (RC) do teste < x < x
1
, pois as hipteses so: H
0
: = 100,
contra H
1
: < 100 (unilateral esquerda). A questo pede que o candidato(a)
calcule o valor de x
1
. Foram dados os valores = 10, n = 64 e z
5%
= 1,64.
Logo,

x
1

/ n
=
x
1
100
10/ 64
=
8(x
1
100)
10
= 1,64

x
1
100 = 1,64 /8 x
1
= 97,95.

GABARITO: E

5. (AFPS/rea ATP/2002/ESAF) Um atributo X tem distribuio normal
com mdia e varincia
2
. A partir de uma amostra aleatria de tamanho 16
da populao definida por X, deseja-se testar a hiptese H
0
: = 22 contra a
alternativa H
a
: 22. Para esse fim calcula-se a mdia amostral 30 = x e a
varincia amostral S
2
= 100. Assinale a opo que corresponde probabilidade
de significncia (p-valor) do teste

A) 2P{T>3,2} onde T tem distribuio de Student com 15 graus de liberdade.
B) P{|Z|>3,2} onde Z tem distribuio normal padro.
C) P{Z<-2,2} onde Z tem distribuio normal padro.
D) P{T<-3,2} onde T tem distribuio de Student com 15 graus de liberdade
E) P{|T|>2,2} onde T tem distribuio de Student com 15 graus de liberdade

Resoluo

Esta questo aborda o teste de hipteses para a mdia populacional de uma
amostra pequena (n < 30) quando a varincia populacional desconhecida.
Neste caso, a varivel aleatria de teste ter distribuio t de Student com n-1
= 15 graus de liberdade e ser dada por:

n s
x
t
n
/
1

=

2 , 3
4 / 10
8
16 / 10
22 30
15
= =

= t

Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados
Profs. Alexandre Lima e Moraes Junior
Profs. Alexandre Lima e Moraes Junior
46
O p-valor (ou probabilidade de significncia) a probabilidade de a
estatstica t
15
do teste cair na RC, supondo H
0
como a hiptese
verdadeira.

A figura a seguir mostra a RC (ou regio de rejeio) e a Regio de Aceitao
(RA) da hiptese nula (H
0
). Observe que o teste realizado bilateral (ou
bicaudal), pois H
a
: 22.

Como o teste bilateral, h duas reas de rejeio: esquerda de
2 , 3
15
= t e direita de 2 , 3
15
= t , como ilustrado pela figura acima.



t
15
RC
RC
-t
15
RA



Logo,

p-valor = } 2 , 3 { } 2 , 3 { } { } {
15 15
> + < = > + < t P t P t t P t t P ,

como a distribuio de Student simtrica, tem-se que } 2 , 3 { } 2 , 3 { > = < t P t P e
isto implica

p-valor = } 2 , 3 { 2 > t P ,

em que t possui 15 graus de liberdade.

GABARITO: A

6. (Fiscal de Rendas MS/2006/FGV) Em um teste de hipteses, a hiptese
nula foi rejeitada ao nvel de 3%. Portanto, a hiptese nula:

A) ser aceita no nvel de 1%.
B) ser aceita no nvel de 5%.
C) pode ser aceita ou rejeitada no nvel de 5%.
D) ser rejeitada no nvel de 1%.
Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados
Profs. Alexandre Lima e Moraes Junior
Profs. Alexandre Lima e Moraes Junior
47

E) ser rejeitada no nvel de 5%.

Resoluo

O enunciado no diz se o teste unilateral ( esquerda ou direita) ou
bilateral. Logo, podemos analisar as alternativas a partir de um caso particular,
como, por exemplo, o do teste (unilateral esquerda) da mdia da figura
abaixo.


x
3%
5%
1%
-z
-z -z


Anlise das alternativas:

A) No se pode garantir que a hiptese nula ser aceita no nvel de 1%. Tome,
por exemplo, o valor experimental z
0,5%
< z
1%
, que cai na RC do teste no
nvel de 1%. Portanto, esta alternativa FALSA.

B) Pelo contrrio, a hiptese nula ser rejeitada no nvel de 5%, pois z
3%
<
z
5%
(dentro da RC do teste no nvel de 5%) FALSA.

C) Negativo! A hiptese nula ser rejeitada no nvel de 5%, pois z
3%
< z
5%

FALSA.

D) Nem sempre isto ser verdade. Por exemplo, a hiptese nula ser aceita no
nvel de 1% para um valor experimental z
2%
FALSA.

E) Isto sempre acontecer, pois z
3%
< z
5%
VERDADEIRA.

GABARITO: E

7. (Fiscal de Rendas MS/2006/FGV) Um teste de hiptese apresentou p-
valor igual a 0,03. Portanto, nos nveis de significncia de 1% e 5%,
respectivamente, a hiptese nula:
Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados
Profs. Alexandre Lima e Moraes Junior
Profs. Alexandre Lima e Moraes Junior
48

A) deve ser aceita e aceita.
B) deve ser aceita e rejeitada.
C) deve ser rejeitada e aceita.
D) deve ser rejeitada e rejeitada.
E) pode ou no ser rejeitada, dependendo de a hiptese ser simples ou no.

Resoluo

Dados: p-valor = 3%,
1
= 1% e
2
= 5%.

Regra:

Se p-valor , rejeitar H
0
em favor de H
1
.
Se p-valor > , no rejeitar H
0
em favor de H
1
.

Nvel de significncia Deciso
1
= 1% p-valor = 3% > 1% aceitar H
0

2
= 5% p-valor = 3% < 5% rejeitar H
0


A nica alternativa que est de acordo com a Tabela de deciso acima a B.

GABARITO: B

8. (Economista Jr./Cia Potiguar de Gs/2006/FGV) Um teste de hiptese
apresentou p-valor igual a 0,07. Portanto, nos nveis de significncia de 10% e
5%, respectivamente, a hiptese nula:

A) deve ser aceita e aceita.
B) deve ser aceita e rejeitada.
C) deve ser rejeitada e aceita.
D) deve ser rejeitada e rejeitada.
E) pode ou no ser rejeitada, dependendo de a hiptese ser simples ou no.

Resoluo

Dados: p-valor = 7%,
1
= 10% e
2
= 5%. Lembre que:

Se p-valor , rejeitar H
0
em favor de H
1
.
Se p-valor > , no rejeitar H
0
em favor de H
1
.

Nvel de significncia Deciso
Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados
Profs. Alexandre Lima e Moraes Junior
Profs. Alexandre Lima e Moraes Junior
49

1
= 10% p-valor = 7% < 10% rejeitar H
0

2
= 5% p-valor = 7% > 5% aceitar H
0


A nica alternativa que est de acordo com a Tabela de deciso acima a C.

GABARITO: C

9. (Analista Tcnico-SUSEP-2006-ESAF) Na anlise da sinistralidade de
uma determinada carteira, uma medida de discrepncia existente entre as
freqncias observadas e as esperadas proporcionada pela estatstica qui
quadrado X
2
. Com base nisso, pode-se afirmar que se:

A) X
2
= 0, as freqncias tericas (esperadas) e as observadas concordam
exatamente.
B) X
2
= 0, as freqncias tericas (esperadas) e as observadas no concordam
exatamente nem parcialmente.
C) X
2
= 0, as freqncias tericas (esperadas) e as observadas concordam
parcialmente, pode ser aceita-se como tal.
D) X
2
= 1, as freqncias tericas (esperadas) e as observadas concordam
exatamente.
E) X
2
0, as freqncias tericas (esperadas) e as observadas concordam
exatamente.

Resoluo

Suponha que em uma dada amostra de uma determinada carteira de sinistros,
observou-se que um conjunto de eventos possveis,
k
E E E ,..., ,
2 1
ocorreram com
as freqncias
k
o o o ,..., ,
2 1
, respectivamente, denominadas freqncias
observadas, e que, de acordo com as regras da probabilidade, esperava-se
que os eventos ocorressem com as freqncias
k
e e e ,..., ,
2 1
denominadas
freqncias esperadas ou tericas, conforme a tabela abaixo.

Evento
1
E
2
E
3
E ...
k
E
Frequncia observada
1
o
2
o
3
o ...
k
o
Frequncia esperada
1
e
2
e
3
e ...
k
e

Deseja-se frequentemente, saber se as freqncias observadas diferem, de
modo significativo, das esperadas. Uma medida da discrepncia existente
entre as freqncias observadas e esperadas proporcionada pela estatstica

2
, expressa, neste contexto, por:

+ +

=
k
j j
j j
k
k k
e
e o
e
e o
e
e o
e
e o
1
2
2
2
2
2 2
1
2
1 1 2
) (
) (
...
) ( ) (

Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados
Profs. Alexandre Lima e Moraes Junior
Profs. Alexandre Lima e Moraes Junior
50


em que

N e o
k
j
j
k
j
j
= =
= =
1 1


quando a freqncia total dada por N. Observe que a estatstica
2
, como
definida acima, representa uma soma de desvios quadrticos padronizados por
suas respectivas freqncias esperadas.

Quando
2
= 0, as freqncias tericas e observadas concordam exatamente,
enquanto que, para
2
> 0, isso no verdade. Quanto maior for o valor de
2
,
maior ser a discrepncia entre as freqncias observadas e esperadas.

GABARITO: A

10. (INDITA) Em 200 lances de uma moeda, observaram-se 116 caras e 84
coroas. Testou-se a hiptese da moeda ser honesta, adotando-se os nveis de
significncia 5% e 1%. Ento pode-se afirmar que

A) a hiptese da moeda ser honesta aceita nos dois nveis de significncia.
B) a hiptese da moeda ser honesta rejeitada nos dois nveis de significncia.
C) a hiptese da moeda ser honesta rejeitada no nvel de significncia de
1%, mas aceita no nvel de significncia de 5%.
D) a hiptese da moeda ser honesta rejeitada no nvel de significncia de
5%, mas aceita no nvel de significncia de 1%.
E) a hiptese alternativa da moeda ser desonesta rejeitada no nvel de
significncia de 5%, mas aceita no nvel de significncia de 1%..

Resoluo

As frequncias observadas de caras e coroas so O
1
= 116 e O
2
= 84,
respectivamente. As frequncias esperadas de caras e coroas, quando a
moeda honesta, so E
1
= 100 e E
2
= 100, respectivamente.

Logo,

. 12 , 5 56 , 2 56 , 2
100
) 100 84 (
100
) 100 116 ( ) ( ) (
2 2
2
2
2 2
1
2
1 1 2
= + =

=
E
E O
E
E O


Como o nmero de classes (caras, coroas) k = 2 e m = 0 (nenhum
parmetro populacional foi estimado), = k -1 m = 2 -1 = 1.

Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados
Profs. Alexandre Lima e Moraes Junior
Profs. Alexandre Lima e Moraes Junior
51
(a) O valor crtico para um grau de liberdade e = 5% 84 , 3
2
% 5 ; 1
= .
Como 5,12 > 3,84, a hiptese nula (H
0
) da moeda ser honesta
rejeitada no nvel de significncia de 5%.
(b) O valor crtico para um grau de liberdade e = 1% 63 , 6
2
% 1 ; 1
= .
Como 5,12 < 6,63, a hiptese da moeda ser honesta no
rejeitada no nvel de significncia de 1%.

A nica alternativa que est de acordo com os resultados (a) e (b) obtidos
acima a D. Note que a alternativa E incorreta porque menciona a hiptese
alternativa (H
1
) no lugar da hiptese nula (H
0
). Ora, aprendemos que
rejeitamos ou aceitamos a hiptese nula em favor da hiptese alternativa, e
no o contrrio, como na alternativa E.

GABARITO: D

11. (AFT/2010/ESAF) Em uma amostra aleatria simples de 100 pessoas de
uma populao, 15 das 40 mulheres da amostra so fumantes e 15 dos 60
homens da amostra tambm so fumantes. Desejando-se testar a hiptese
nula de que nesta populao ser fumante ou no independe da pessoa ser
homem ou mulher, qual o valor mais prximo da estatstica do correspondente
teste de qui-quadrado?

A) 1,79.
B) 2,45.
C) 0,98.
D) 3,75.
E) 1,21.

Resoluo

Trata-se de um teste de independncia: ser fumante ou no depende
do sexo?

Dados:
- Amostra = 100 pessoas
- 15 das 40 mulheres so fumantes
- 15 dos 60 homens so fumantes

Sexo
Situao quanto ao tabagismo
Totais
Fumantes No Fumantes
Homens a=15 b=45 60
Mulheres c=15 d=25 40
Totais 30 70 100

Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados
Profs. Alexandre Lima e Moraes Junior
Profs. Alexandre Lima e Moraes Junior
52

So ento formuladas as seguintes hipteses:

H
0
: ser fumante ou no independe do sexo;
H
1
: as variveis qualitativas sexo e situao quanto ao
tabagismo apresentam algum grau de associao entre si.

Tal teste de hipteses pode ser feito utilizando-se uma estatstica qui-
quadrado. No caso bastante comum de uma tabela 2 x 2 como a da questo, o
clculo da estatstica pode ser feito pela expresso


) )( )( )( (
) (
2
2
d c d b c a b a
bc ad n
+ + + +

=

em que a, b, c e d so as freqncias observadas, organizadas conforme o
esquema

a b
c d

Logo,

. 79 , 1
40 70 30 60
) 45 15 25 15 ( 100
2
2



=

GABARITO: A

12. (IRB/Resseguro/2004/ESAF) Num estudo do consumo de combustvel
para uma determinada marca de automvel, supe-se que a distribuio do
consumo aproximadamente normal com mdia desconhecida km/l e desvio
padro 3 km/l. Uma amostra de 36 veculos produziu a mdia de consumo de
16 km/l. Deseja-se testar a hiptese H: = 15 contra a alternativa A: > 15.
Considerando os valores da funo de distribuio normal padro dados
abaixo, assinale a opo que d o valor probabilstico (p-valor) do teste que
toma por base a estatstica ) 15 ( 2 = X z , sendo X a mdia amostral.

z F(z)
1,0 0,841
1,2 0,885
1,4 0,919
1,6 0,945
1,8 0,964
2,0 0,977
2,2 0,986
2,4 0,992

Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados
Profs. Alexandre Lima e Moraes Junior
Profs. Alexandre Lima e Moraes Junior
53

A) 0,500
B) 0,977
C) 0,050
D) 0,023
E) 0,010

Resoluo

Dados: = 3km/l, n = 36, 16 = X km/l,
0
= 15 (hiptese de trabalho).

Hipteses do teste:

H0: = 15
H1: > 15

Estatstica do teste: ) 15 ( 2
6 / 3
15
36 / 3
15
/
0
=

= X
X X
n
X
z


(fornecida pela banca!)

Logo,

2 ) 15 16 ( 2 = = z F(z) = 0,977.

O p-valor a probabilidade de que a mdia amostral seja maior ou
igual a 16, considerando que a mdia populacional seja igual a 15, ou
seja, P( X 16| = 15). Como a varivel aleatria normal X foi reduzida,
tem-se que o p-valor pode ser calculado pela probabilidade P(z 2,0) =
1 0,977 = 0,023.

GABARITO: D

13. (Analista rea 2/BACEN/2010/CESGRANRIO) Com relaco a um
teste simples de hiptese, assinale a afirmativa correta.

(A) Um teste bicaudal de nvel de significncia rejeita ahiptese nula H
0
: =

0
precisamente quando
0
est fora do intervalo de confianca de nvel (1)
para .
(B) A hiptese nula a ser testada deve ser construda com muita atenco
porquanto o objeto da inferencia estatstica, enquanto que a hiptese
alternativa s precisa ser contrria hiptese nula.
(C) Se o grau de significancia do teste , significa que (1 ) a
probabilidade de se cometer erro do tipo I.
Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados
Profs. Alexandre Lima e Moraes Junior
Profs. Alexandre Lima e Moraes Junior
54

(D) Na definico de um teste, deve-se levar em conta que quanto menor o
grau de significancia do teste (), maior ser o poder do teste (), uma vez
que ( + )=1.
(E) Erro do tipo II, embora definido para uma hiptese alternativa especfica,
ocorrer sempre com probabilidade igual ao poder do teste.

Resoluo

Anlise das alternativas:

A) Correta. Sem maiores comentrios.
B) O objeto da inferncia estatstica a estimao de parmetro(s)
populacional(is), e no a construo da hiptese nula. Opo incorreta.
C) A probabilidade do erro tipo I igual a incorreta.
D) O correto seria dizer que ( + ) = 1 incorreta.
E) A probabilidade do erro tipo II igual a (). O poder do teste ()
incorreta.

GABARITO: A

(Fiscal de Rendas-MS/2006/FGV) O enunciado a seguir refere-se s
questes de nmeros 14 e 15

Uma amostra aleatria simples de tamanho 25 foi selecionada para estimar a
mdia desconhecida de uma populao normal. A mdia amostral encontrada
foi 4,2, e a varincia amostral foi 1,44.

14. O intervalo de 95% de confiana para a mdia populacional

A) 4,2 0,75
B) 4,2 0,64
C) 4,2 0,71
D) 4,2 0,49
E) 4,2 0,81

Resoluo

A expresso do intervalo de confiana para a mdia da populao, ao nvel
de confiana 1 - , quando conhecido,

.
2 /
n
z X



Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados
Profs. Alexandre Lima e Moraes Junior
Profs. Alexandre Lima e Moraes Junior
55
Quando desconhecemos o desvio padro populacional , devemos estimar seu
valor por meio de

.
1
) (
1
2

=

=
n
X X
S
n
i
i


No correto obter o intervalo de confiana para , ao nvel de confiana 1 -
, substituindo-se por S na expresso do intervalo de confiana. Observe que
o uso de S naquela expresso aumenta a incerteza da estimativa por intervalo,
diminuindo, deste modo, o valor do nvel de confiana, que j no seria (1 -
), mas sim (1 - ) < (1 - ). Como podemos resolver este problema?

Vimos que as distribuies t de Student e normal padro esto relacionadas
pela frmula

.
2 / 2 / , 1
S
z t
n


=



Sendo assim, podemos reescrever
n
z X

2 /
como

n
S
t X
n
S
S
z X
n 2 / , 1 2 /

= .

A equao acima nos mostra que o uso do desvio padro amostral S na
expresso do intervalo de confiana da mdia populacional impe o uso de
2 / , 1 n
t no lugar de
2 /
z . Observe que 1 ) / (
2 / 2 / , 1
>

z t
n
(por exemplo,
96 , 1 0423 , 2
% 5 , 2 % 5 , 2 , 30
= > = z t ). Desta maneira,
2 / , 1 n
t funciona como um fator de
correo para maior da amplitude do intervalo de confiana, quando usamos
S em vez de .

Clculo do intervalo de confiana:

49 , 0 2 , 4
25
44 , 1
06 , 2 2 , 4
2 / , 1
=

n
S
t X
n


GABARITO: D

15. O intervalo de 95% de confiana para a varincia populacional

A) (0,72, 3,05)
B) (0,88, 2,79)
C) (0,64, 3,20)
Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados
Profs. Alexandre Lima e Moraes Junior
Profs. Alexandre Lima e Moraes Junior
56
D) (0,55, 3,16)
E) (0,44, 3,44)

Resoluo

Considere, na distribuio
2
1 n
, os dois particulares valores
2
2 / 1 , 1

n
(qui-
quadrado inferior) e
2
2 / , 1

n
(qui-quadrado superior), conforme ilustrado pela
figura a seguir.




Sabemos que os valores
2
2 / 1 , 1

n
e
2
2 / , 1

n
so tais que

. 1 ) (
2
2 / , 1
2
1
2
2 / 1 , 1


=
n n n
P

Vimos que

2
1
2
2
1

=
n
n
S



o que nos permite escrever as desigualdades entre parnteses como

2
2 / , 1 2
2
2
2 / 1 , 1
) 1 (

n n
S n
.
Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados
Profs. Alexandre Lima e Moraes Junior
Profs. Alexandre Lima e Moraes Junior
57

Vamos dividir todos os membros da expresso acima por
2
) 1 ( S n , e, aps,
tomar os inversos. Invertendo as desigualdades, obtemos

2
2 / 1 , 1
2
2
2
2 / , 1
2
) 1 ( ) 1 (

n n
S n S n
,

que o intervalo de confiana para
2
, ao nvel de 1 - .

Clculo do intervalo de confiana:

2
% 5 , 97 ; 24
2
2
% 5 , 2 ; 24
44 , 1 ) 1 25 ( 44 , 1 ) 1 25 (





4 , 12
56 , 34
4 , 39
56 , 34
2


79 , 2 88 , 0
2


NOTA: redobre a sua ateno quando for consultar as tabelas auxiliares
(normal padro, qui-quadrado e t de Student) fornecidas pela banca, pois a(s)
notao(es) pode(m) estar diferente(s) daquela(s) que voc est
acostumado.

GABARITO: B

(Fiscal de Rendas-MS/2006/FGV) O enunciado a seguir refere-se s
questes de nmeros 16, 17 e 18.

A tabela a seguir mostra os resultados obtidos em Matemtica por trs
turmas:

Aprovados Reprovados Total
Turma X 30 10 40
Turma Y 35 5 40
Turma Z 15 5 20
Total 80 20 100

Desejamos testar, usando o teste qui-quadrado:

H
0
: os seis resultados possveis tm probabilidades iguais versus
H
0
: os seis resultados possveis no tm probabilidades iguais.

16. O valor observado da estatstica qui-quadrado , aproximadamente:

A) 1,16
B) 2,34
Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados
Profs. Alexandre Lima e Moraes Junior
Profs. Alexandre Lima e Moraes Junior
58
C) 3,44
D) 4,66
E) 5,58

Resoluo

O uso da tabela de contingncia para testar a independncia entre duas
variveis de classificao, em uma amostra proveniente de uma nica
populao de interesse, somente uma aplicao dos mtodos da tabela de
contingncia. Uma outra situao comum ocorre quando h r populaes de
interesse e cada populao (nesta questo r = 3 e temos as populaes turma
X, turma Y e turma Z) dividida nas mesmas c categorias (neste exerccio c =
2 e temos as categorias aprovado ou reprovado). Uma amostra ento
tomada da i-sima populao e as contagens so colocadas nas colunas
apropriadas da da i-sima linha. Nessa situao, queremos investigar se as
propores, nas c categorias, so ou no as mesmas para todas as
populaes. A hiptese nula nesse problema estabelece que as
populaes so homogneas com relao s categorias. O clculo das
frequncias esperadas, a determinao dos graus de liberdade e o
clculo da estatstica qui-quadrado para o teste da homogeneidade so
idnticos ao teste de independncia [MON08].

As frequncias esperadas devem ser calculadas pela frmula:

,
n
f f
E
j i
ij
em que i denota a linha e j representa a coluna da tabela de
contingncia.

Ento, obtemos

32
100
80 40
1 1
11
=

= =
n
f f
E , 8
100
20 40
12
=

= E

32
100
80 40
21
=

= E , 8
100
20 40
22
=

= E

16
100
80 20
31
=

= E , 4
100
20 20
32
=

= E


Aprovados Reprovados Total
Turma X O
11
=30
E
11
= 32
O
12
=10
E
12
= 8
40
Turma Y O
21
=35
E
21
= 32
O
22
=5
E
22
= 8
40
Turma Z O
31
=15 O
32
=5 20
Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados
Profs. Alexandre Lima e Moraes Junior
Profs. Alexandre Lima e Moraes Junior
59
E
31
= 16 E
32
= 4
Total 80 20 100


Note que, na condio de independncia, as frequncias esperadas mantm
relaes constantes entre todas as linhas e todas as colunas, inclusive os
totais. Assim, espera-se que as situaes de aprovao/reprovao
estejam na relao 4:1 independentemente da turma. De fato, essa
relao verificada entre as frequncias esperadas:

Clculo da estatstica qui-quadrado:

ij
O
ij
E
ij ij
E O
ij ij ij
E E O / ) (
2

30 32 -2 0,125
10 8 2 0,500
35 32 3 0,281
5 8 -3 1,125
15 16 -1 0,063
5 4 1 0,250
100,0 100,0
2
= 2,344


O
2

calculado 2,344 2,34.



GABARITO: B

17. O nmero de graus de liberdade :

A) 2
B) 3
C) 4
D) 6
E) 99

Resoluo

O nmero de graus de liberdade de uma tabela de contingncia dado por

= (nmero de linhas - 1) x (nmero de colunas - 1) = 2 x 1 = 2

GABARITO: A

18. Nos nveis de 1%, 5% e 10%, a deciso sobre H
0
:

= 1% = 5% = 10%
Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados
Profs. Alexandre Lima e Moraes Junior
Profs. Alexandre Lima e Moraes Junior
60

(A) no rejeitar no rejeitar no rejeitar
(B) no rejeitar no rejeitar rejeitar
(C) no rejeitar rejeitar rejeitar
(D) rejeitar rejeitar no rejeitar
(E) rejeitar rejeitar rejeitar

Resoluo

Temos os seguintes valores crticos:

21 , 9
2
% 1 ; 2
= , 99 , 5
2
% 5 ; 2
= e 61 , 4
2
% 10 ; 2
=

Como 34 , 2
2
2
= menor que os valores crticos nos nveis de 1%, 5% e 10%,
no devemos rejeitar H
0
.

GABARITO: A

At a prxima aula. Bom estudo!

Alexandre e Moraes Jr.

Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados
Profs. Alexandre Lima e Moraes Junior
Profs. Alexandre Lima e Moraes Junior
61
APNDICE

TABELA I
NORMAL: rea direita de Z
c

Parte
inteira e
primeira
decimal
de Z
c

Segunda decimal de Z
c

Parte
inteira e
primeira
decimal
de Z
c

0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0,0 0,50000 0,49601 0,49202 0,48803 0,48405 0,48006 0,47608 0,47210 0,46812 0,46414 0,0
0,1 0,46017 0,45620 0,45224 0,44828 0,44433 0,44038 0,43644 0,43251 0,42858 0,42465 0,1
0,2 0,42074 0,41683 0,41294 0,40905 0,40517 0,40129 0,39743 0,39358 0,38974 0,38591 0,2
0,3 0,38209 0,37828 0,37448 0,37070 0,36693 0,36317 0,35942 0,35569 0,35197 0,34827 0,3
0,4 0,34458 0,34090 0,33724 0,33360 0,32997 0,32636 0,32276 0,31918 0,31561 0,31207 0,4
0,5 0,30854 0,30503 0,30153 0,29806 0,29460 0,29116 0,28774 0,28434 0,28096 0,27760 0,5
0,6 0,27425 0,27093 0,26763 0,26435 0,26109 0,25785 0,25463 0,25143 0,24825 0,24510 0,6
0,7 0,24196 0,23885 0,23576 0,23270 0,22965 0,22663 0,22363 0,22065 0,21770 0,21476 0,7
0,8 0,21186 0,20897 0,20611 0,20327 0,20045 0,19766 0,19489 0,19215 0,18943 0,18673 0,8
0,9 0,18406 0,18141 0,17879 0,17619 0,17361 0,17106 0,16853 0,16602 0,16354 0,16109 0,9
1,0 0,15866 0,15625 0,15386 0,15151 0,14917 0,14686 0,14457 0,14231 0,14007 0,13786 1,0
1,1 0,13567 0,13350 0,13136 0,12924 0,12714 0,12507 0,12302 0,12100 0,11900 0,11702 1,1
1,2 0,11507 0,11314 0,11123 0,10935 0,10749 0,10565 0,10383 0,10204 0,10027 0,09853 1,2
1,3 0,09680 0,09510 0,09342 0,09176 0,09012 0,08851 0,08691 0,08534 0,08379 0,08226 1,3
1,4 0,08076 0,07927 0,07780 0,07636 0,07493 0,07353 0,07215 0,07078 0,06944 0,06811 1,4
1,5 0,06681 0,06552 0,06426 0,06301 0,06178 0,06057 0,05938 0,05821 0,05705 0,05592 1,5
1,6 0,05480 0,05370 0,05262 0,05155 0,05050 0,04947 0,04846 0,04746 0,04648 0,04551 1,6
1,7 0,04457 0,04363 0,04272 0,04182 0,04093 0,04006 0,03920 0,03836 0,03754 0,03673 1,7
1,8 0,03593 0,03515 0,03438 0,03362 0,03288 0,03216 0,03144 0,03074 0,03005 0,02938 1,8
1,9 0,02872 0,02807 0,02743 0,02680 0,02619 0,02559 0,02500 0,02442 0,02385 0,02330 1,9
2,0 0,02275 0,02222 0,02169 0,02118 0,02068 0,02018 0,01970 0,01923 0,01876 0,01831 2,0
2,1 0,01786 0,01743 0,01700 0,01659 0,01618 0,01578 0,01539 0,01500 0,01463 0,01426 2,1
2,2 0,01390 0,01355 0,01321 0,01287 0,01255 0,01222 0,01191 0,01160 0,01130 0,01101 2,2
2,3 0,01072 0,01044 0,01017 0,00990 0,00964 0,00939 0,00914 0,00889 0,00866 0,00842 2,3
2,4 0,00820 0,00798 0,00776 0,00755 0,00734 0,00714 0,00695 0,00676 0,00657 0,00639 2,4
2,5 0,00621 0,00604 0,00587 0,00570 0,00554 0,00539 0,00523 0,00508 0,00494 0,00480 2,5
2,6 0,00466 0,00453 0,00440 0,00427 0,00415 0,00402 0,00391 0,00379 0,00368 0,00357 2,6
2,7 0,00347 0,00336 0,00326 0,00317 0,00307 0,00298 0,00289 0,00280 0,00272 0,00264 2,7
2,8 0,00256 0,00248 0,00240 0,00233 0,00226 0,00219 0,00212 0,00205 0,00199 0,00193 2,8
2,9 0,00187 0,00181 0,00175 0,00169 0,00164 0,00159 0,00154 0,00149 0,00144 0,00139 2,9
3,0 0,00135 0,00131 0,00126 0,00122 0,00118 0,00114 0,00111 0,00107 0,00104 0,00100 3,0
3,5 0,00023 0,00022 0,00022 0,00021 0,00020 0,00019 0,00019 0,00018 0,00017 0,00017 3,5
4,0 0,00003 0,00003 0,00003 0,00003 0,00003 0,00003 0,00002 0,00002 0,00002 0,00002 4,0
5,0 0,00000 0,00000 0,00000 0,00000 0,00000 0,00000 0,00000 0,00000 0,00000 0,00000 5,0

Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados
Profs. Alexandre Lima e Moraes Junior
Profs. Alexandre Lima e Moraes Junior
62


TABELA II
NORMAL: rea de 0 a Z
c

Parte
inteira e
primeira
decimal
de Z
c

Segunda decimal de Z
c

Parte
inteira e
primeira
decimal
de Z
c

0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0,0 0,00000 0,00399 0,00798 0,01197 0,01595 0,01994 0,02392 0,02790 0,03188 0,03586 0,0
0,1 0,03983 0,04380 0,04776 0,05172 0,05567 0,05962 0,06356 0,06749 0,07142 0,07535 0,1
0,2 0,07926 0,08317 0,08706 0,09095 0,09483 0,09871 0,10257 0,10642 0,11026 0,11409 0,2
0,3 0,11791 0,12172 0,12552 0,12930 0,13307 0,13683 0,14058 0,14431 0,14803 0,15173 0,3
0,4 0,15542 0,15910 0,16276 0,16640 0,17003 0,17364 0,17724 0,18082 0,18439 0,18793 0,4
0,5 0,19146 0,19497 0,19847 0,20194 0,20540 0,20884 0,21226 0,21566 0,21904 0,22240 0,5
0,6 0,22575 0,22907 0,23237 0,23565 0,23891 0,24215 0,24537 0,24857 0,25175 0,25490 0,6
0,7 0,25804 0,26115 0,26424 0,26730 0,27035 0,27337 0,27637 0,27935 0,28230 0,28524 0,7
0,8 0,28814 0,29103 0,29389 0,29673 0,29955 0,30234 0,30511 0,30785 0,31057 0,31327 0,8
0,9 0,31594 0,31859 0,32121 0,32381 0,32639 0,32894 0,33147 0,33398 0,33646 0,33891 0,9
1,0 0,34134 0,34375 0,34614 0,34849 0,35083 0,35314 0,35543 0,35769 0,35993 0,36214 1,0
1,1 0,36433 0,36650 0,36864 0,37076 0,37286 0,37493 0,37698 0,37900 0,38100 0,38298 1,1
1,2 0,38493 0,38686 0,38877 0,39065 0,39251 0,39435 0,39617 0,39796 0,39973 0,40147 1,2
1,3 0,40320 0,40490 0,40658 0,40824 0,40988 0,41149 0,41309 0,41466 0,41621 0,41774 1,3
1,4 0,41924 0,42073 0,42220 0,42364 0,42507 0,42647 0,42785 0,42922 0,43056 0,43189 1,4
1,5 0,43319 0,43448 0,43574 0,43699 0,43822 0,43943 0,44062 0,44179 0,44295 0,44408 1,5
1,6 0,44520 0,44630 0,44738 0,44845 0,44950 0,45053 0,45154 0,45254 0,45352 0,45449 1,6
1,7 0,45543 0,45637 0,45728 0,45818 0,45907 0,45994 0,46080 0,46164 0,46246 0,46327 1,7
1,8 0,46407 0,46485 0,46562 0,46638 0,46712 0,46784 0,46856 0,46926 0,46995 0,47062 1,8
1,9 0,47128 0,47193 0,47257 0,47320 0,47381 0,47441 0,47500 0,47558 0,47615 0,47670 1,9
2,0 0,47725 0,47778 0,47831 0,47882 0,47932 0,47982 0,48030 0,48077 0,48124 0,48169 2,0
2,1 0,48214 0,48257 0,48300 0,48341 0,48382 0,48422 0,48461 0,48500 0,48537 0,48574 2,1
2,2 0,48610 0,48645 0,48679 0,48713 0,48745 0,48778 0,48809 0,48840 0,48870 0,48899 2,2
2,3 0,48928 0,48956 0,48983 0,49010 0,49036 0,49061 0,49086 0,49111 0,49134 0,49158 2,3
2,4 0,49180 0,49202 0,49224 0,49245 0,49266 0,49286 0,49305 0,49324 0,49343 0,49361 2,4
2,5 0,49379 0,49396 0,49413 0,49430 0,49446 0,49461 0,49477 0,49492 0,49506 0,49520 2,5
2,6 0,49534 0,49547 0,49560 0,49573 0,49585 0,49598 0,49609 0,49621 0,49632 0,49643 2,6
2,7 0,49653 0,49664 0,49674 0,49683 0,49693 0,49702 0,49711 0,49720 0,49728 0,49736 2,7
2,8 0,49744 0,49752 0,49760 0,49767 0,49774 0,49781 0,49788 0,49795 0,49801 0,49807 2,8
2,9 0,49813 0,49819 0,49825 0,49831 0,49836 0,49841 0,49846 0,49851 0,49856 0,49861 2,9
3,0 0,49865 0,49869 0,49874 0,49878 0,49882 0,49886 0,49889 0,49893 0,49896 0,49900 3,0
3,5 0,49977 0,49978 0,49978 0,49979 0,49980 0,49981 0,49981 0,49982 0,49983 0,49983 3,5
4,0 0,49997 0,49997 0,49997 0,49997 0,49997 0,49997 0,49998 0,49998 0,49998 0,49998 4,0
5,0 0,50000 0,50000 0,50000 0,50000 0,50000 0,50000 0,50000 0,50000 0,50000 0,50000 5,0

Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados
Profs. Alexandre Lima e Moraes Junior
Profs. Alexandre Lima e Moraes Junior
63

TABELA III
QUI-QUADRADO: VALORES Yc tais que P(Y>Yc)=p
GL 0,995 0,990 0,975 0,950 0,900 0,750 0,500 0,250 0,100 0,050 0,025 0,010 0,005 0,001
1 0,0000393 0,000157 0,000982 0,00393 0,0158 0,102 0,455 1,323 2,706 3,841 5,024 6,635 7,879 10,83
2 0,0100 0,0201 0,0506 0,103 0,211 0,575 1,386 2,773 4,605 5,991 7,378 9,210 10,60 13,82
3 0,0717 0,115 0,216 0,352 0,584 1,213 2,366 4,108 6,251 7,815 9,348 11,34 12,84 16,27
4 0,207 0,297 0,484 0,711 1,064 1,923 3,357 5,385 7,779 9,488 11,14 13,28 14,86 18,47
5 0,412 0,554 0,831 1,145 1,610 2,675 4,351 6,626 9,236 11,07 12,83 15,09 16,75 20,52
6 0,676 0,872 1,237 1,635 2,204 3,455 5,348 7,841 10,64 12,59 14,45 16,81 18,55 22,46
7 0,989 1,239 1,690 2,167 2,833 4,255 6,346 9,037 12,02 14,07 16,01 18,48 20,28 24,32
8 1,344 1,646 2,180 2,733 3,490 5,071 7,344 10,22 13,36 15,51 17,53 20,09 21,95 26,12
9 1,735 2,088 2,700 3,325 4,168 5,899 8,343 11,39 14,68 16,92 19,02 21,67 23,59 27,88
10 2,156 2,558 3,247 3,940 4,865 6,737 9,342 12,55 15,99 18,31 20,48 23,21 25,19 29,59
11 2,603 3,053 3,816 4,575 5,578 7,584 10,34 13,70 17,28 19,68 21,92 24,72 26,76 31,26
12 3,074 3,571 4,404 5,226 6,304 8,438 11,34 14,85 18,55 21,03 23,34 26,22 28,30 32,91
13 3,565 4,107 5,009 5,892 7,042 9,299 12,34 15,98 19,81 22,36 24,74 27,69 29,82 34,53
14 4,075 4,660 5,629 6,571 7,790 10,17 13,34 17,12 21,06 23,68 26,12 29,14 31,32 36,12
15 4,601 5,229 6,262 7,261 8,547 11,04 14,34 18,25 22,31 25,00 27,49 30,58 32,80 37,70
16 5,142 5,812 6,908 7,962 9,312 11,91 15,34 19,37 23,54 26,30 28,85 32,00 34,27 39,25
17 5,697 6,408 7,564 8,672 10,09 12,79 16,34 20,49 24,77 27,59 30,19 33,41 35,72 40,79
18 6,265 7,015 8,231 9,390 10,86 13,68 17,34 21,60 25,99 28,87 31,53 34,81 37,16 42,31
19 6,844 7,633 8,907 10,12 11,65 14,56 18,34 22,72 27,20 30,14 32,85 36,19 38,58 43,82
20 7,434 8,260 9,591 10,85 12,44 15,45 19,34 23,83 28,41 31,41 34,17 37,57 40,00 45,31
21 8,034 8,897 10,28 11,59 13,24 16,34 20,34 24,93 29,62 32,67 35,48 38,93 41,40 46,80
22 8,643 9,542 10,98 12,34 14,04 17,24 21,34 26,04 30,81 33,92 36,78 40,29 42,80 48,27
23 9,260 10,20 11,69 13,09 14,85 18,14 22,34 27,14 32,01 35,17 38,08 41,64 44,18 49,73
24 9,886 10,86 12,40 13,85 15,66 19,04 23,34 28,24 33,20 36,42 39,36 42,98 45,56 51,18
25 10,52 11,52 13,12 14,61 16,47 19,94 24,34 29,34 34,38 37,65 40,65 44,31 46,93 52,62
26 11,16 12,20 13,84 15,38 17,29 20,84 25,34 30,43 35,56 38,89 41,92 45,64 48,29 54,05
27 11,81 12,88 14,57 16,15 18,11 21,75 26,34 31,53 36,74 40,11 43,19 46,96 49,64 55,48
28 12,46 13,56 15,31 16,93 18,94 22,66 27,34 32,62 37,92 41,34 44,46 48,28 50,99 56,89
29 13,12 14,26 16,05 17,71 19,77 23,57 28,34 33,71 39,09 42,56 45,72 49,59 52,34 58,30
30 13,79 14,95 16,79 18,49 20,60 24,48 29,34 34,80 40,26 43,77 46,98 50,89 53,67 59,70
40 20,71 22,16 24,43 26,51 29,05 33,66 39,34 45,62 51,81 55,76 59,34 63,69 66,77 73,40
50 27,99 29,71 32,36 34,76 37,69 42,94 49,33 56,33 63,17 67,50 71,42 76,15 79,49 86,66
60 35,53 37,48 40,48 43,19 46,46 52,29 59,33 66,98 74,40 79,08 83,30 88,38 91,95 99,61
70 43,28 45,44 48,76 51,74 55,33 61,70 69,33 77,58 85,53 90,53 95,02 100,43 104,21 112,32
80 51,17 53,54 57,15 60,39 64,28 71,14 79,33 88,13 96,58 101,88 106,63 112,33 116,32 124,84
90 59,20 61,75 65,65 69,13 73,29 80,62 89,33 98,65 107,57 113,15 118,14 124,12 128,30 137,21
100 67,33 70,06 74,22 77,93 82,36 90,13 99,33 109,14 118,50 124,34 129,56 135,81 140,17 149,45

Exemplo: o valor da qui-quadrado com =16 graus de liberdade (GL) com rea da cauda superior igual
a 0,100 (P(Y>y
c
) = 0,1) 23,54, ou seja, 54 , 23
2
16
= .
Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados
Profs. Alexandre Lima e Moraes Junior
Profs. Alexandre Lima e Moraes Junior
64

TABELA IV (t de Student): valores t
c
tais que P(-t
c
< t < t
c
) = 1-p
GL 0,5 0,4 0,3 0,2 0,1 0,05 0,02 0,01 0,005 0,002 0,001
1 1,000 1,376 1,963 3,078 6,314 12,706 31,821 63,657 127,321 318,309 636,619
2 0,816 1,061 1,386 1,886 2,920 4,303 6,965 9,925 14,089 22,327 31,599
3 0,765 0,978 1,250 1,638 2,353 3,182 4,541 5,841 7,453 10,215 12,924
4 0,741 0,941 1,190 1,533 2,132 2,776 3,747 4,604 5,598 7,173 8,610
5 0,727 0,920 1,156 1,476 2,015 2,571 3,365 4,032 4,773 5,893 6,869
6 0,718 0,906 1,134 1,440 1,943 2,447 3,143 3,707 4,317 5,208 5,959
7 0,711 0,896 1,119 1,415 1,895 2,365 2,998 3,499 4,029 4,785 5,408
8 0,706 0,889 1,108 1,397 1,860 2,306 2,896 3,355 3,833 4,501 5,041
9 0,703 0,883 1,100 1,383 1,833 2,262 2,821 3,250 3,690 4,297 4,781
10 0,700 0,879 1,093 1,372 1,812 2,228 2,764 3,169 3,581 4,144 4,587
11 0,697 0,876 1,088 1,363 1,796 2,201 2,718 3,106 3,497 4,025 4,437
12 0,695 0,873 1,083 1,356 1,782 2,179 2,681 3,055 3,428 3,930 4,318
13 0,694 0,870 1,079 1,350 1,771 2,160 2,650 3,012 3,372 3,852 4,221
14 0,692 0,868 1,076 1,345 1,761 2,145 2,624 2,977 3,326 3,787 4,140
15 0,691 0,866 1,074 1,341 1,753 2,131 2,602 2,947 3,286 3,733 4,073
16 0,690 0,865 1,071 1,337 1,746 2,120 2,583 2,921 3,252 3,686 4,015
17 0,689 0,863 1,069 1,333 1,740 2,110 2,567 2,898 3,222 3,646 3,965
18 0,688 0,862 1,067 1,330 1,734 2,101 2,552 2,878 3,197 3,610 3,922
19 0,688 0,861 1,066 1,328 1,729 2,093 2,539 2,861 3,174 3,579 3,883
20 0,687 0,860 1,064 1,325 1,725 2,086 2,528 2,845 3,153 3,552 3,850
21 0,686 0,859 1,063 1,323 1,721 2,080 2,518 2,831 3,135 3,527 3,819
22 0,686 0,858 1,061 1,321 1,717 2,074 2,508 2,819 3,119 3,505 3,792
23 0,685 0,858 1,060 1,319 1,714 2,069 2,500 2,807 3,104 3,485 3,768
24 0,685 0,857 1,059 1,318 1,711 2,064 2,492 2,797 3,091 3,467 3,745
25 0,684 0,856 1,058 1,316 1,708 2,060 2,485 2,787 3,078 3,450 3,725
26 0,684 0,856 1,058 1,315 1,706 2,056 2,479 2,779 3,067 3,435 3,707
27 0,684 0,855 1,057 1,314 1,703 2,052 2,473 2,771 3,057 3,421 3,690
28 0,683 0,855 1,056 1,313 1,701 2,048 2,467 2,763 3,047 3,408 3,674
29 0,683 0,854 1,055 1,311 1,699 2,045 2,462 2,756 3,038 3,396 3,659
30 0,683 0,854 1,055 1,310 1,697 2,042 2,457 2,750 3,030 3,385 3,646
40 0,681 0,851 1,050 1,303 1,684 2,021 2,423 2,704 2,971 3,307 3,551
50 0,679 0,849 1,047 1,299 1,676 2,009 2,403 2,678 2,937 3,261 3,496
60 0,679 0,848 1,045 1,296 1,671 2,000 2,390 2,660 2,915 3,232 3,460
120 0,677 0,845 1,041 1,289 1,658 1,980 2,358 2,617 2,860 3,160 3,373
5000 0,675 0,842 1,037 1,282 1,645 1,960 2,327 2,577 2,808 3,092 3,292

Exemplo de uso da tabela t de Student: entrando-se na tabela com a probabilidade p = 0,1 e GL = 7,
lemos o valor t
7
= 1,895. Logo, P(-1,895<t
7
<1,895) = 0,9 e P(t
7
>1,895) = P(t
7
<-1,895) = 0,1/2= 0,05.
Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados
Profs. Alexandre Lima e Moraes Junior
Profs. Alexandre Lima e Moraes Junior
65

TABELA V
DISTRIBUIO F: valores fc tais que P(F>fc) = p
GL1
GL2 P(F>) 1 2 3 4 5 6 7 8 9 10
1 0,100 39,9 49,5 53,6 55,8 57,2 58,2 58,9 59,4 59,9 60,2
0,050 161 199 216 225 230 234 237 239 241 242
0,025 648 799 864 900 922 937 948 957 963 969
0,010 4052 4999 5403 5625 5764 5859 5928 5981 6022 6056
0,005 16211 19999 21615 22500 23056 23437 23715 23925 24091 24224
0,001 405284 499999 540379 562500 576405 585937 592873 598144 602284 605621
2 0,100 8,53 9,00 9,16 9,24 9,29 9,33 9,35 9,37 9,38 9,39
0,050 18,5 19,0 19,2 19,2 19,3 19,3 19,4 19,37 19,38 19,40
0,025 38,5 39,0 39,2 39,2 39,3 39,3 39,4 39,4 39,4 39,4
0,010 98,5 99,0 99,2 99,2 99,3 99,3 99,4 99,4 99,4 99,4
0,005 199 199 199 199 199 199 199 199 199 199
0,001 999 999 999 999 999 999 999 999 999 999
3 0,100 5,54 5,46 5,39 5,34 5,31 5,28 5,27 5,25 5,24 5,23
0,050 10,13 9,55 9,28 9,12 9,01 8,94 8,89 8,85 8,81 8,79
0,025 17,44 16,04 15,44 15,10 14,88 14,73 14,62 14,54 14,47 14,42
0,010 34,12 30,82 29,46 28,71 28,24 27,91 27,67 27,49 27,35 27,23
0,005 55,55 49,80 47,47 46,19 45,39 44,84 44,43 44,13 43,88 43,69
0,001 167,03 148,50 141,11 137,10 134,58 132,85 131,58 130,62 129,86 129,25
4 0,100 4,54 4,32 4,19 4,11 4,05 4,01 3,98 3,95 3,94 3,92
0,050 7,71 6,94 6,59 6,39 6,26 6,16 6,09 6,04 6,00 5,96
0,025 12,22 10,65 9,98 9,60 9,36 9,20 9,07 8,98 8,90 8,84
0,010 21,20 18,00 16,69 15,98 15,52 15,21 14,98 14,80 14,66 14,55
0,005 31,33 26,28 24,26 23,15 22,46 21,97 21,62 21,35 21,14 20,97
0,001 74,14 61,25 56,18 53,44 51,71 50,53 49,66 49,00 48,47 48,05
5 0,100 4,06 3,78 3,62 3,52 3,45 3,40 3,37 3,34 3,32 3,30
0,050 6,61 5,79 5,41 5,19 5,05 4,95 4,88 4,82 4,77 4,74
0,025 10,01 8,43 7,76 7,39 7,15 6,98 6,85 6,76 6,68 6,62
0,010 16,26 13,27 12,06 11,39 10,97 10,67 10,46 10,29 10,16 10,05
0,005 22,78 18,31 16,53 15,56 14,94 14,51 14,20 13,96 13,77 13,62
0,001 47,18 37,12 33,20 31,09 29,75 28,83 28,16 27,65 27,24 26,92
6 0,100 3,78 3,46 3,29 3,18 3,11 3,05 3,01 2,98 2,96 2,94
0,050 5,99 5,14 4,76 4,53 4,39 4,28 4,21 4,15 4,10 4,06
0,025 8,81 7,26 6,60 6,23 5,99 5,82 5,70 5,60 5,52 5,46
0,010 13,75 10,92 9,78 9,15 8,75 8,47 8,26 8,10 7,98 7,87
0,005 18,63 14,54 12,92 12,03 11,46 11,07 10,79 10,57 10,39 10,25
0,001 35,51 27,00 23,70 21,92 20,80 20,03 19,46 19,03 18,69 18,41
7 0,100 3,59 3,26 3,07 2,96 2,88 2,83 2,78 2,75 2,72 2,70
0,050 5,59 4,74 4,35 4,12 3,97 3,87 3,79 3,73 3,68 3,64
0,025 8,07 6,54 5,89 5,52 5,29 5,12 4,99 4,90 4,82 4,76
0,010 12,25 9,55 8,45 7,85 7,46 7,19 6,99 6,84 6,72 6,62
0,005 16,24 12,40 10,88 10,05 9,52 9,16 8,89 8,68 8,51 8,38
0,001 29,25 21,69 18,77 17,20 16,21 15,52 15,02 14,63 14,33 14,08

Exemplo: entrando-se na tabela com a probabilidade p = 5% =0,050, e GL
1
= GL
2
= 5, lemos o
valor f
c
= 5,05. Logo, P(F>5,05) = 5% = 0,050.

Вам также может понравиться

  • Gestao Estrategicafoco Administracao Publica
    Gestao Estrategicafoco Administracao Publica
    Документ76 страниц
    Gestao Estrategicafoco Administracao Publica
    Luciana Magalhaes
    Оценок пока нет
  • Aula 22
    Aula 22
    Документ70 страниц
    Aula 22
    Luciana Magalhaes
    Оценок пока нет
  • Aula 21
    Aula 21
    Документ57 страниц
    Aula 21
    Luciana Magalhaes
    Оценок пока нет
  • Aula 23
    Aula 23
    Документ74 страницы
    Aula 23
    Luciana Magalhaes
    Оценок пока нет
  • Aula 25
    Aula 25
    Документ33 страницы
    Aula 25
    Luciana Magalhaes
    Оценок пока нет
  • Aula 24
    Aula 24
    Документ31 страница
    Aula 24
    Luciana Magalhaes
    100% (1)
  • Aula 19
    Aula 19
    Документ61 страница
    Aula 19
    Luciana Magalhaes
    Оценок пока нет
  • Aula 16
    Aula 16
    Документ120 страниц
    Aula 16
    Luciana Magalhaes
    Оценок пока нет
  • Aula 17
    Aula 17
    Документ89 страниц
    Aula 17
    Luciana Magalhaes
    Оценок пока нет
  • Aula 18
    Aula 18
    Документ58 страниц
    Aula 18
    Luciana Magalhaes
    Оценок пока нет
  • Aula 13
    Aula 13
    Документ43 страницы
    Aula 13
    Luciana Magalhaes
    Оценок пока нет
  • Aula 14
    Aula 14
    Документ63 страницы
    Aula 14
    Luciana Magalhaes
    Оценок пока нет
  • Aula 10
    Aula 10
    Документ85 страниц
    Aula 10
    Luciana Magalhaes
    Оценок пока нет
  • Aula 07
    Aula 07
    Документ92 страницы
    Aula 07
    Luciana Magalhaes
    Оценок пока нет
  • Aula 11
    Aula 11
    Документ79 страниц
    Aula 11
    Luciana Magalhaes
    Оценок пока нет
  • Aula 12
    Aula 12
    Документ61 страница
    Aula 12
    Luciana Magalhaes
    Оценок пока нет
  • Aula 06
    Aula 06
    Документ72 страницы
    Aula 06
    Luciana Magalhaes
    Оценок пока нет
  • Aula 15
    Aula 15
    Документ46 страниц
    Aula 15
    Luciana Magalhaes
    Оценок пока нет
  • CALADO, Lilliane - Resenha Sobre WOLF, Mauro - Comunicacao de Massa
    CALADO, Lilliane - Resenha Sobre WOLF, Mauro - Comunicacao de Massa
    Документ3 страницы
    CALADO, Lilliane - Resenha Sobre WOLF, Mauro - Comunicacao de Massa
    Luciana Magalhaes
    Оценок пока нет
  • Aula 09
    Aula 09
    Документ77 страниц
    Aula 09
    Luciana Magalhaes
    Оценок пока нет
  • Aula 08
    Aula 08
    Документ69 страниц
    Aula 08
    Luciana Magalhaes
    Оценок пока нет
  • Aula 02
    Aula 02
    Документ64 страницы
    Aula 02
    Luciana Magalhaes
    Оценок пока нет
  • Aula 05
    Aula 05
    Документ57 страниц
    Aula 05
    Luciana Magalhaes
    Оценок пока нет
  • Aula 03
    Aula 03
    Документ63 страницы
    Aula 03
    Luciana Magalhaes
    Оценок пока нет
  • Aula 00
    Aula 00
    Документ26 страниц
    Aula 00
    Luciana Magalhaes
    Оценок пока нет
  • Aula 04
    Aula 04
    Документ58 страниц
    Aula 04
    Luciana Magalhaes
    Оценок пока нет
  • Orienta Art Portal
    Orienta Art Portal
    Документ94 страницы
    Orienta Art Portal
    Luciana Magalhaes
    Оценок пока нет
  • 8 - Constituicao Federal 1988 - Comentada Pelo STF 2005
    8 - Constituicao Federal 1988 - Comentada Pelo STF 2005
    Документ574 страницы
    8 - Constituicao Federal 1988 - Comentada Pelo STF 2005
    JuniorNiteroi
    Оценок пока нет
  • Eny Maia - Informatizacao
    Eny Maia - Informatizacao
    Документ10 страниц
    Eny Maia - Informatizacao
    Luciana Magalhaes
    Оценок пока нет
  • MP - Csalt Cbs
    MP - Csalt Cbs
    Документ52 страницы
    MP - Csalt Cbs
    Gliceu Grossi
    Оценок пока нет
  • Lista 05: Introdução Ao Magnetismo
    Lista 05: Introdução Ao Magnetismo
    Документ7 страниц
    Lista 05: Introdução Ao Magnetismo
    FRANCISCA EVELYN SILVA OLIVEIRA
    Оценок пока нет
  • Manual PHD 35007 (4h)
    Manual PHD 35007 (4h)
    Документ122 страницы
    Manual PHD 35007 (4h)
    Lauro Ferreira
    Оценок пока нет
  • Resumos Filosofia 11º FINAL
    Resumos Filosofia 11º FINAL
    Документ31 страница
    Resumos Filosofia 11º FINAL
    Maria Ribeiro santos
    Оценок пока нет
  • Compressor Parker
    Compressor Parker
    Документ56 страниц
    Compressor Parker
    Jéssica Tavares
    100% (1)
  • Elementos de Máquinas - Aula 2 - Ligações Parafusadas
    Elementos de Máquinas - Aula 2 - Ligações Parafusadas
    Документ36 страниц
    Elementos de Máquinas - Aula 2 - Ligações Parafusadas
    João Vitor Witt
    100% (1)
  • Amostras Fecais
    Amostras Fecais
    Документ12 страниц
    Amostras Fecais
    Rodrigo Hofer
    Оценок пока нет
  • Ground c150
    Ground c150
    Документ54 страницы
    Ground c150
    Daniel Rodrigues
    Оценок пока нет
  • Folheto Biseladora B-500
    Folheto Biseladora B-500
    Документ2 страницы
    Folheto Biseladora B-500
    Fabio E
    Оценок пока нет
  • Cursobasico UFRJ..
    Cursobasico UFRJ..
    Документ13 страниц
    Cursobasico UFRJ..
    Daniel Kozakevich
    Оценок пока нет
  • Palestra Elgin - Polo Norte Jul07
    Palestra Elgin - Polo Norte Jul07
    Документ129 страниц
    Palestra Elgin - Polo Norte Jul07
    Fernando Magno Taveira Junior
    100% (2)
  • Código Do MS MSLV0070 Categoria Do Produto Lavadora de Roupas
    Código Do MS MSLV0070 Categoria Do Produto Lavadora de Roupas
    Документ81 страница
    Código Do MS MSLV0070 Categoria Do Produto Lavadora de Roupas
    Wesley Barbon
    Оценок пока нет
  • ULTRATERRA 2023 Novo
    ULTRATERRA 2023 Novo
    Документ36 страниц
    ULTRATERRA 2023 Novo
    Jonislei Jr.
    Оценок пока нет
  • CERQUEIRA Notas Melódicas
    CERQUEIRA Notas Melódicas
    Документ3 страницы
    CERQUEIRA Notas Melódicas
    dal_lemos
    Оценок пока нет
  • Ex 05
    Ex 05
    Документ4 страницы
    Ex 05
    Desbravadora Angel
    Оценок пока нет
  • Fundicion Centrifuga
    Fundicion Centrifuga
    Документ38 страниц
    Fundicion Centrifuga
    obed2028
    Оценок пока нет
  • Fin Dda Dbitodiretoautorizado
    Fin Dda Dbitodiretoautorizado
    Документ25 страниц
    Fin Dda Dbitodiretoautorizado
    alessandro freire
    Оценок пока нет
  • 1 - Osciloscópio Mecânica2000 PDF
    1 - Osciloscópio Mecânica2000 PDF
    Документ86 страниц
    1 - Osciloscópio Mecânica2000 PDF
    david rocha
    100% (16)
  • Aula 3 Homeostase
    Aula 3 Homeostase
    Документ54 страницы
    Aula 3 Homeostase
    Endro Inácio Joaquim
    Оценок пока нет
  • Introdução Met Sec - Mav Mono e Sesquiterpenos
    Introdução Met Sec - Mav Mono e Sesquiterpenos
    Документ14 страниц
    Introdução Met Sec - Mav Mono e Sesquiterpenos
    Luis Eduardo Dorneles
    Оценок пока нет
  • Aula 05
    Aula 05
    Документ29 страниц
    Aula 05
    victor
    Оценок пока нет
  • Esta Melhoria Depende de Execuao Do Update de Base Updloj90 Conforme Procedimentos para Implementaao
    Esta Melhoria Depende de Execuao Do Update de Base Updloj90 Conforme Procedimentos para Implementaao
    Документ12 страниц
    Esta Melhoria Depende de Execuao Do Update de Base Updloj90 Conforme Procedimentos para Implementaao
    Leandro Juliesse Nunes
    Оценок пока нет
  • Topografia Prática
    Topografia Prática
    Документ32 страницы
    Topografia Prática
    Bruno
    67% (6)
  • Exercícios Ácido Base
    Exercícios Ácido Base
    Документ6 страниц
    Exercícios Ácido Base
    Henrique Cesar Rodrigues
    Оценок пока нет
  • Apostila Jornada Python - Aula 3
    Apostila Jornada Python - Aula 3
    Документ18 страниц
    Apostila Jornada Python - Aula 3
    Karina Duarte
    Оценок пока нет
  • Teste Dis
    Teste Dis
    Документ3 страницы
    Teste Dis
    Marcus Vinicius
    Оценок пока нет
  • Bio02 Livro Teoria PDF
    Bio02 Livro Teoria PDF
    Документ64 страницы
    Bio02 Livro Teoria PDF
    fuba
    Оценок пока нет
  • Estatistica Jhonatan
    Estatistica Jhonatan
    Документ5 страниц
    Estatistica Jhonatan
    Max Moura
    Оценок пока нет
  • A Regra de Cramer É
    A Regra de Cramer É
    Документ6 страниц
    A Regra de Cramer É
    Junilson Felix Junilson
    Оценок пока нет
  • ApostilaMatematica 2 ANO
    ApostilaMatematica 2 ANO
    Документ84 страницы
    ApostilaMatematica 2 ANO
    Raimundo Doroteus Pereira
    Оценок пока нет