Pesquisa Tecnolgica Suzana Russo

0





Pesquisa Tecnolgica Suzana Russo


1

Distribuies de Probabilidade


Distribuio Normal - Um dos mais importantes exemplos de distribuio contnua
de probabilidade a distribuio normal, s vezes chamada de distribuio
gaussiana. A funo de densidade para esta distribuio dada por:
< < =

x e x f
x
,
2
1
) (
2 2
2 / ) ( o
t o

onde e o so respectivamente, a mdia e o desvio padro.

Diz-se ento que a varivel aleatria x distribuda normalmente com mdia
e varincia o
2
. Se Z a varivel padronizada correspondente a x, isto , se
o

=
X
Z ento a mdia ou valor esperado de Z zero e a varincia 1. Em tal
caso, a funo de densidade de Z pode ser obtida de (1) fazendo-se =0 e o =1,
f Z e
x
( ) =

1
2
2
2
t


Esta funo comumente designada funo ou distribuio de densidade
normal padronizada.


Suas principais caractersticas so:
Mdia:
|
.
|

\
|
=
o
X
E Z E ) ( ) (
1

o
= X E { } ) ( ) (
1

o
E X E = { } 0
1
= =
o


Varincia:
)
`

=
o
X
Var Z Var ) ( ( ) { }
o
= X Var
2
1
{ } ) (
1
2
X Var
o
= 1
2
2
= =
o
o



GRFICO DA FUNO
Tambm chamada de Curva Normal padronizada. Neste grfico indicamos
reas 1, 2 e 3 desvios padres a contar da mdia (isto , entre Z= -1 e 1, Z= -2 e 2,
e Z = -3 e 3), iguais respectivamente a 68,27%, 95,45% e 99,73% da rea total que
um significa que:
P(-1s Z s 1)= 0,6827 P(-2 s Z s 2)=0,9545 P(-3 s Z s 3)=0,9973






Pesquisa Tecnolgica Suzana Russo


2




] x , x [ o o + contm aproximadamente 68% dos valores da srie.
] x , x [ o o 2 2 + contm aproximadamente 95% dos valores da srie.
] x , x [ o o 3 3 + contm aproximadamente 99% dos valores da srie.


EXEMPLOS:
1) Em um exame final de estatstica a mdia foi de 62 e o = 15. Determine a
probabilidade de um aluno estar entre 60 e 90.





2) O peso mdio de 500 estudantes do sexo masculino de 75,5 Kg e o o = 7,5Kg.
Os pesos esto distribudos normalmente.
Determine quantos estudantes pesaro:
a) entre 60 e 77,5 Kg;
b) mais de 92,5 Kg.



3) Calcule as seguintes probabilidades:
a) P(- 2 < Z < +2) =
b) P(- 1,8 < Z < 0) =
c) P(0 < Z < +1,8) =
d) P(- 2,3 < Z < -1,5) =
e) P( 1,50 < Z < 2,32) =
f) P( Z > 1,46)=
g) P( Z< -1,18) =
h) P( Z < 1,25) =
i) P( Z > -2,05)=




Pesquisa Tecnolgica Suzana Russo


3

4)A durao de um certo componente eletrnico tem em mdia 850 dias e desvio-
padro 45 dias. Calcular a probabilidade desse componente durar mais que 800
dias.






EXERCCIOS:
1) Determinada empresa metalrgica produz, entre outros, parafusos cujos
comprimentos mdios so de 500 mm e desvio-padro de 10 mm. Qual a
porcentagem de peas que se situam:
a) entre 490 e 510 mm; R. (68,26%)
b) abaixo de 495 mm; R. (30,85%)
c) acima de 480mm. R. (97,73%)
2) Determinado veculo movido a lcool apresenta um consumo mdio por Km
rodado de 142ml, com um desvio-padro de 12ml. Calcular as seguintes
probabilidades:
a) um carro gastar de 120 a 130ml; R. (12,51%)
b) um carro gastar mais de 145ml; R. (40,13%)
c) um carro gastar menos de 140ml. R. (43,25%)
3) Determinada empresa metalrgica produz, entre outros, parafusos cujos
comprimentos mdios so de 500 mm e desvio-padro de 10 mm. Qual a
porcentagem de peas que se situam:
a) entre 490 e 510 mm;
b) abaixo de 495 mm;
c) acima de 480mm.













Pesquisa Tecnolgica Suzana Russo


4

Amostragem

AMOSTRAGEM E DISTRIBUIES AMOSTRAIS
Quando precisamos tirar concluses vlidas sobre um grande nmero de
indivduos ou objetos, ao invs de examinar todo o grupo, pode-se estudar apenas
uma pequena parte.

Populao - o conjunto de indivduos (ou objetos) tendo pelo menos uma varivel
em comum observvel.

Amostra - qualquer subconjunto da populao. Em uma amostra observamos
somente uma frao representativa do todo, a partir da qual calculamos ou inferimos
alguma coisa sobre as caractersticas do todo.

Definio de Amostragem - processo de obteno ou extrao da amostra.

Preferimos uma amostra a uma contagem completa pelos seguintes razes.
Praticabilidade;
Rapidez;
Preciso;
Custo.


Utilizamos amostras por ser muito dispendioso entrevistar cada pessoa
de toda uma populao.

A escolha aleatria o melhor mtodo de escolha de uma amostra,
pois qualquer amostra tem a mesma chance de ser escolhida


Seleo de uma amostra
1) Se uma amostra selecionada de tal forma que cada elemento da
populao tenha igual possibilidade de ser selecionada, a amostra dita aleatria.
Ex.: Sorteio.

2) Amostra sistemtica quando os elementos da populao se apresentam
ordenados e a retirada feita periodicamente.

Exemplo:
Populao = 2000 S = =
2000
200
10
Amostra = 200
3) Amostra dos nmeros aleatrios: pela tabela.


LEMBRETE



Pesquisa Tecnolgica Suzana Russo


5

Amostragem de uma populao finita
Se a populao finita e o tamanho da amostragem muito pequeno,
quando comparado dimenso da populao, a cobertura relativa da populao
pela amostra pode ter alguma influncia na grandeza do erro de amostragem.
Exemplo: uma amostra de 1000, de uma populao de 5.000 deve ter maior
exatido do que uma amostra, do mesmo tamanho, tirada de uma populao de
5.000.000.

TIPOS DE AMOSTRAGEM

Amostragem probabilstica.
Todos os elementos da populao tiverem probabilidade conhecida e no
nula de pertencerem a amostra.

1) Amostragem casual simples - equivalente a um sorteio aleatrio.
Sendo N o nmero de elementos da populao e n o nmero de
elementos da amostra, cada elemento da populao tem probabilidade
n
N
de
pertencerem a amostra.
Se a amostra for feita com reposio - N
n
Se a amostra for feita sem reposio -
C
N
n

Processo: numerar todos os elementos da populao, efetuar sorteios at
completar o tamanho da amostra.

2) Amostragem sistemtica - quando os elementos da populao
apresentam ordenados e a retirada feita periodicamente =
n
N
.
Processo: sorteia-se o primeiro e os demais seriam retirados numa P.A. com
razo igual a o perodo.

3) Amostragem gradativa - feita por etapas, sob a forma de degraus
decrescentes escolhidos ao acaso.
Processo: primeiro, escolhe-se uma parte do todo;
segundo, escolhe-se uma parte do primeiro estgio e assim
sucessivamente.

4) Amostragem estratificada - quando a populao constituda de
extratos, no qual o comportamento da varivel em estudo razoavelmente
homogneo dentro de cada extrato, mas diferente de extrato por extrato.
a) Uniforme - de cada extrato extrai-se uma mesma quantidade n
i
de
elementos.
b) Proporcional - de cada extrato extrai-se uma quantidade n
i
de elementos
proporcionais ao tamanho N
i
do respectivo extrato.



Pesquisa Tecnolgica Suzana Russo


6

n
N
n
N
n
N
n
N
i
i
z
z
k
k
i
i
k
i
i
k
= = =
=
=

1
1

c) tima - de cada extrato retira-se uma quantidade n
i
de elementos
proporcionais ao tamanho N
i
do respectivo extrato e tambm proporcional
variao em estudo.
n
N
n
N
n
N
n
N
i
i i
z
z i
k
k i
i
i
k
i i
i
k
o o o
o
= = =
=
=

1
1


5) Amostragem mltipla - retirada em diversas etapas sucessivas em
funo dos resultados obtidos em cada etapa.


Amostragem no - probabilstica
Processo subjetivo, muitas vezes, empregados em trabalhos estatsticos,
por simplicidade ou por impossibilidade de se obterem amostras probabilsticas.

1) Inacessibilidade a toda a populao - a amostra coletada no ponto
onde a populao nos acessvel.
Exemplo:
Todos os portadores de clera.

2) Amostragem a esmo - sem sorteio.
Exemplo:
Uma amostragem de 100 parafusos de uma caixa.

3) Amostragem onde a populao formada por material contnuo - se
a populao for lquida ou gasosa, o que se costuma fazer homogeneiz-la e
retirar a amostra a esmo.

4) Amostragem intencionais - quando o amostrador escolhe
deliberadamente certos elementos para formar a amostra, baseando num pr-
julgamento.

Exerccios:
1) Sugerir como formar uma amostra de 100 estudantes de uma
universidade.

2) Escolha uma pgina qualquer da lista telefnica e retire uma amostra
sistemtica de cinqenta nomes.






Pesquisa Tecnolgica Suzana Russo


7

DISTRIBUIES AMOSTRAIS

Distribuio de mdias amostrais
Seja x uma populao de mdia e varincia o
2
ento:
( ) E x
x
n
p x
i
i i
= = =

( ) ( )
( )
Var x x
n
x x
n
i
= = =

o
o
2
2
2
com reposio

( ) ( ) Var x x
n
N n
N
= =

|
\

|
.
| o
o
2
2
1
sem reposio

Onde N o nmero de elementos da populao, e n o nmero de
elementos da amostra.

Distribuio amostral de x - populacional no normal e amostra
suficientemente grande



Distribuio amostral de x - populacional normal




x
,
x
x
,
x



Pesquisa Tecnolgica Suzana Russo


8

A varivel padronizada associada a x :
Z
x
n
=

o /
com reposio


Z
x
n
N n
N
=

|
\

|
.
|

o
2
1
sem reposio



Exemplos:
1) Uma populao consiste dos nmeros 2, 4, 6, 7, 9. Consideremos todas as
amostras possveis de tamanho 2, que podem ser extradas dessa populao
com reposio. Determine:
a) a mdia da populao;
b) o desvio-padro da populao;
c) a mdia da distribuio amostral de mdias;
d) o desvio-padro da distribuio amostral das mdias.




2) Suponhamos que x representa a nota mdia de um aluno selecionado ao acaso,
de certa universidade. Sabe-se que a distribuio de x tem uma mdia de 2,5 e
um desvio padro de 0,4. Se tomarmos uma amostra de 36 estudantes e
calcularmos o valor de x . Qual a probabilidade de que x
a) seja menor que 2,4
b) esteja entre (2,4 e 2,7)





3) Suponhamos que os pontos, x, num teste sejam normalmente distribudos com
mdia 160 e desvio padro 20. Se tirarmos uma amostra de tamanho 16 e
calcularmos o valor de x , qual a probabilidade de que:
a) x exceda 165 ?
b) x seja menor que 159 ?









Pesquisa Tecnolgica Suzana Russo


9

Teoria da Estimao

Conceitos bsicos
Quando estamos interessados em determinado parmetro (, o,...) de uma
populao, lanamos mo de uma amostra extrada dessa populao, estudamos
seus elementos e procuramos atravs dessa amostra estimar o parmetro
populacional.

Exemplo:
Suponha que a distribuio das alturas de todos os habitantes de um pas
possa ser representada por uma distribuio normal. Mas no conhecemos de
antemo a mdia () da distribuio. Devemos, pois, estim-la.

1) Parmetros - nmeros fixos, embora muitas vezes desconhecidos, que
determinam a forma especifica de uma distribuio de probabilidade.
Exemplos: mdia, desvio-padro, etc...

2) Estatsticas - qualquer valor calculado com base nos elementos de uma
amostra.
Exemplos: mdia amostral, mediana amostral, etc...

Estimao pontual
Estimao da Mdia e da Varincia de uma Populao Normal
Para cada distribuio, devemos estimar seus parmetros. O melhor
estimador da mdia populacional a mdia amostral:
) ... (
1
2 1 n
x x x
n
x + + + =

Como, em uma amostra aleatria, as variveis x
1
, x
2
, x
n
so independentes,
cada uma delas tem a mesma distribuio da populao. Ento, designando por a
mdia populacional e por o
2
a varincia populacional:
E(x
i
) = Var(x
i
)= o
2
i=1, 2, ..., n,
onde n, tamanho da amostra, uma constante.
Como X uma varivel aleatria, cabe calcular sua mdia e sua varincia:






Pesquisa Tecnolgica Suzana Russo


10

O primeiro resultado mostra que x um estimador no-tendencioso da
mdia populacional . O segundo resultado mostra que a varincia da mdia
amostral o quociente da diviso da varincia populacional o
2
pelo tamanho n da
amostra, ou seja, quanto maior o valor de n, menor a variabilidade de x .
O parmetro o
2
, a varincia populacional, estimado por:
( )
1
2
2

=

n
x x
s
i

O denominador deve ser n-1 para que s
2
seja um estimador no-tendencioso
de o
2
. Se tivssemos n no denominador, embora com um estimador razovel,
perderamos a caracterstica de no-tendenciosidade.
Os estimadores x e s
2
, vistos acima, so as melhores opes para estimar
os parmetros e o
2
de uma distribuio qualquer, embora nem sempre sejam as
opes timas.


1) Um estimador consistente um estimador cujo valor converge para o
verdadeiro valor medida que o tamanho da amostra se torna muito grande.

2) Um estimador no-tendencioso um estimador cujo valor esperado
igual ao verdadeiro valor.



Exemplos:
1) Se, de uma populao normal, se extrai uma amostra cujos valores so 1,1 0,9
0,3 -0,2 -3,1 1,5 -2,7 0,5 -1,5 2,1, obtenha estimativas para , o
2
, mediana e
) 5 , 2 ( > X P .


2) Ao se planejar o fluxo de carros que entram em um estacionamento durante 10
intervalos de 15 minutos na hora mais movimentada do dia, observam-se os
seguintes nmeros de carros: 6, 9, 10, 4, 7, 6, 7, 6, 8, 9. Um modelo razovel
para a V.A. nmeros de carros que entram no estacionamento a distribuio
de Poisson, que depende apenas de um parmetro . Pelo que se viu acima, e
considerando que a mdia da distribuio de Poisson, uma estimativa
razovel de , no caso do exemplo :





LEMBRETE



Pesquisa Tecnolgica Suzana Russo


11

Estimao por intervalo
Uma estimativa de um parmetro populacional dado por dois nmeros entre
os quais o parmetro deve estar situado chamado estimativa por intervalo do
parmetro.

Intervalo de Confiana para a Mdia Populacional
1 Caso: Quando o Conhecido
Chamaremos
Z
o
2
o valor de Z tal que P Z Z <
|
\

|
.
|
=
o
o
2
1
Antes, vamos ver como encontramos o valor de Z na tabela. Se o =0,05
ento usando a tabela, encontramos ___________________________.
Se o = 0,01 ento________________.

Para a populao normal e o conhecido temos que construir uma intervalo
em torno de x de tal forma que esse intervalo contenha o valor do parmetro com
confiana 1o .

Como:
x
n

o
~ N(0;1) o intervalo que desejamos construir ser:
P Z
x
n
Z <

<

(
(
(
=
o o

o
o
2 2
1


P x Z
n
x Z
n
< < +

(
=
o o
o

o
o
2 2
1




2 Caso: Quando o Desconhecido
Devemos adotar como estimativa o desvio padro da amostra
( )
1
2
1

=

=
n
x x
s
i
n
i


Somente substitumos s por o, em amostras grandes (n>30) e usamos a
expresso .
Para amostras pequenas devemos utilizar uma nova estatstica
T
x
S n
=

/
que tem distribuio conhecida como t de Student com n-1 graus de



Pesquisa Tecnolgica Suzana Russo


12

liberdade.
Esta distribuio parecida com a normal s apresenta caudas mais
grossas, ou seja, maior varincia do que a normal. Aumentando-se n, a
distribuio t tende para a normal.












O intervalo que desejamos construir ser:

o
o o
=
(

+ s s

1
, 1 , 1
n
s
t x
n
s
t x P
n n




Intervalo de Confiana para a Varincia da Populao
Usaremos a estatstica
( )
2
2
2
1
o
_
s n
= que tem a distribuio chamada
qui-quadrado.
O intervalo que desejamos construir ser:

( ) ( )
o
_
o
_
o o
=
(
(

< <

1
1 1
2
2
1 , 1
2
2
2
2
, 1
2
n
n
s n s n
P




Intervalo de Confiana para Desvio Padro da Populao
Como o desvio padro igual a raiz quadrada de o
2
teremos:

( ) ( )
o
_
o
_
o o
=
(
(

< <

1
1 1
2
2
1
, 1
2
2
2
, 1
2
n n
s n s n
P







Pesquisa Tecnolgica Suzana Russo


13


Exemplos:
1) Considerando que uma amostra de 100 elementos extrada de uma populao
aproximadamente normal cujo desvio-padro igual a 2,0; forneceu mdia
x = 35 6 , .Construir um intervalo de 95% de confiana para a mdia dessa
populao.



2) Considerando uma amostra de 4 elementos extrados de uma populao com
distribuio normal forneceu mdia x = 8 2 , e desvio padro S=0,4. Construir um
intervalo de 99% de confiana para a mdia dessa populao.



3) Um pesquisador deseja estimar, com 99% de confiana a mdia da fora
mxima de um certo msculo de um grupo de indivduos. Ele considera que os
valores da fora muscular esto distribudos normalmente com varincia de 144.
Com esta finalidade selecionou-se uma amostra aleatria de 15 indivduos da
mesma faixa etria e do mesmo peso e obteve-se que 3 , 84 = x . Qual o
intervalo?
R.( 76,3372; 92,2672)



4) Uma amostra de 11 elementos extrada de uma populao com distribuio
normal, forneceu varincia S
2
=7,08. Construir um intervalo de 90% de confiana
para a varincia dessa populao e para o desvio-padro.








Intervalo de Confiana para a Proporo da Populao
Seja X o nmero de elementos de uma amostra de tamanho n que
apresentam a caracterstica de interesse. Queremos estabelecer um intervalo de
confiana para a proporo populacional p. Temos:
Mdia:
n
X
p = Desvio-padro:
n
q p
p

= o
O intervalo de confiana para p ser:
o
o o
=
(

< <

1

2
5 , 0
2
5 , 0
n
q p
Z p p
n
q p
Z p P




Pesquisa Tecnolgica Suzana Russo


14



Exemplos:
1) Examinam-se 98 animais, encontrando-se 53 infectados com determinado vrus.
Construir um intervalo de 95% de confiana para a proporo populacional p de
animais infectados.

2) Entrevistam-se em uma cidade 1500 pessoas em idades de trabalho e constata-
se que 145 esto desempregadas.
a) Estimar a taxa de desemprego com base nos dados.(0,097)
b) Estabelecer um intervalo de 95% de confiana para a taxa populacional.
(0,082;0,112)


3) Em uma fbrica de tijolos, foi observado uma amostra de 1000 tijolos que acusou
290 com 6 furos. Construa um intervalo de confiana de 95% para a percentagem
de tijolos 6 furos.


































Pesquisa Tecnolgica Suzana Russo


15

Teste de Hipteses
Existe uma varivel x em uma dada populao. Tem-se uma hiptese sobre
dado parmetro dessa populao. Por exemplo, afirmamos que esse valor um
nmero u
0
. Colhe-se uma amostra aleatria de elementos dessa populao, e
atravs dela deseja-se comprovar ou rejeitar tal hiptese.
Iniciamos explicitando claramente qual a hiptese que estamos colocando a
prova e a chamamos de hiptese nula. No nosso caso:
H
0
: u = u
0


Devemos tambm explicitar a hiptese que ser considerada como aceitvel,
caso H
0
seja rejeitada. A essa hiptese chamamos de hiptese alternativa, e a sua
caracterizao ir depender do grau de conhecimento que se tem do problema
estudado. A alternativa mais geral seria:
H
1
: u = u
0
ou H
1
: u < u
0
ou H
1
: u > u
0

Qualquer que seja a deciso tomada, estamos sujeitos a cometer erros.

Tipos de Erros
1) Erro do tipo I - rejeitar a hiptese nula quando esta verdadeira
chamamos de o a probabilidade de cometer este erro.
o = P (erro do tipo I) = P (rejeitar H
0
| H
0
V)
A probabilidade o de cometer um erro da 1 espcie um valor arbitrrio e
recebe o nome de nvel de significncia do teste.

2) Erro do tipo II - no rejeitar H
0
quando H
0
falsa. A probabilidade de
cometer este erro indicado por |.
| = P (erro do tipo II) = P (no rejeitar H
0
| H
0
F)
O resultado da amostra cada vez mais significante para rejeitar H
0
quanto
menor for esse nvel o.
Usualmente esses valores so fixados em 5%, 1%, ou 0,1%
O objetivo do teste de hiptese dizer atravs de uma estatstica obtida de
uma amostra, se a hiptese H
0
ou no aceitvel, isto conseguido atravs de
uma regio RC. Caso o valor observado da estatstica pertena a essa regio,
rejeitamos H
0
, caso contrrio no rejeitamos H
0
.

Testes Unilaterais e Bilaterais
Normalmente estamos interessados apenas em valores extremos de um a de
outro lado da mdia, isto , em apenas uma cauda da distribuio, como por
exemplo quando testamos a hiptese de que um processo melhor que o outro.



Pesquisa Tecnolgica Suzana Russo


16

Tais testes chamam-se testes UNILATERAIS.
Em tais casos a RC situa-se apenas em um lado da distribuio, com rea
igual ao nvel de significncia.

Testes de significncia
O procedimento para realizao dos testes de significncia resumido nos
seguintes passos:
Enunciar as hipteses H
0
e H
1
;
Fixar o limite do erro o, e identificar a varivel do teste;
Com o auxlio das tabelas estatsticas, considerando o e a varivel do
teste, determinar as RC (regio crtica) e RA (regio de aceitao) para H
0
;
Com os elementos amostrais, calcular o valor da varivel do teste;
Concluir pela aceitao ou rejeio de H
0
pela comparao do valor obtido
no 4 passo com RA e RC.

1) Teste de significncia para mdias
H
0
: =
0

H
1
: uma das alternativas
=
0
(a)
>
0
(b)
<
0
(c)
Fixar o. Admintindo-se o
2
desconhecida, a varivel do teste ser t de
Student, com parmetro (n - 1)
Com auxlio da tabela t determinam-se RA e RC.






a b c

Clculo do valor da varivel
Mo = Md =

Mo = Md =

Mo = Md =




Pesquisa Tecnolgica Suzana Russo


17

t
cal

n
s
x
=
onde: x = mdia amostral

0
= valor da hiptese nula
s = desvio-padro amostral
n = tamanho da amostra


Concluses
a) Se s s t t t
cal
o o
2 2
, no se pode rejeitar H
0
. Se t t
cal
>
o
2
ou ,
t t
cal
<
o
2
, rejeita-se H
0

b) Se t
cal
< to, no se pode rejeitar H
0
. Se t
cal
> to, rejeita-se H
0


c) Se t
cal
> to, no se pode rejeitar H
0
. Se t
cal
< to, rejeita-se H
0


Em cada um dos casos anteriores, se o for conhecido use a aproximao de
S por o, substituindo t por z:
Z
cal
=
x
n

o

Exemplos:
1) Os registros dos ltimos anos de um colgio, atestam para os calouros admitidos
uma nota mdia 115 (teste vocacional). Para testar a hiptese de que a mdia de
uma nova turma a mesma, tirou-se, ao acaso, uma amostra de 20 notas, obtendo-
se mdia 118 e desvio-padro 20. Admitir que o = 0,05, para efetuar o teste.
Ento...




2) Um teste de resistncia ruptura feito em seis cordas acusou resistncia mdia
de 3530Kg com desvio-padro de 66Kg. O fabricante afirma que seu produto tem
resistncia mdia de 3650Kg. Pode-se justificar a alegao do fabricante, ao nvel
de significncia de 5%. R.(Rejeita-se a hiptese)



Pesquisa Tecnolgica Suzana Russo


18

2) Teste de significncia para varincias
H
0
: o
2
= o
0
2

H
1
: uma das alternativas
o
2
= o
0
2
(a)
o
2
> o
0
2
(b)
o
2
< o
0
2
(c)
Fixar o. Escolher a varivel qui-quadrado com = (n - 1)
Com auxlio da tabela _
2
determinam-se RA e RC.






a b c

Clculo do valor da varivel.
_
o
cal
n S
2
2
0
2
1
=
( )

onde: n = tamanho da amostra
s
2
= varincia amostral
o
2
= varincia populacional

Concluses:
a) Se _ _ _
inf sup
2 2 2
s s
cal
, no se pode rejeitar H
0.
Se _ _
cal
2 2
>
sup
ou _ _
cal
2 2
<
inf
,
rejeita-se H
0
.
b) Se _ _
cal
2 2
<
sup
, no se pode rejeitar H
0.
Se _ _
cal
2 2
>
sup
, rejeita-se H
0.
c) Se _ _
cal
2 2
>
inf
, no se pode rejeitar H
0.
Se _ _
cal
2 2
<
sup
, rejeita-se H
0
.







Pesquisa Tecnolgica Suzana Russo


19

Exemplos:
1) Para testar a hiptese de que a varincia de uma populao 25, tirou-se uma
amostra aleatria de 25 elementos obtendo-se S
2
= 18,3. Admitindo-se o =
0,10, efetuar o teste de significncia unicaudal esquerda.





2) Um laboratrio fez 8 determinaes da quantidade de impurezas em pores de
certo composto. Os valores eram: 12,4; 12,6; 12,0; 12,0; 12,1; 12,3; 12,5 e 12,7
mg.
a) Estimar a varincia de impurezas entre pores.
b) Testar a hiptese de que a varincia 1, ao nvel de 5% e 10%, contra H
1
:
o
2
< 1.






EXERCCIOS:
1) Um transportador entrega a uma adega 30 caixas, cada uma contendo trs
dzias de garrafas de vinho. Sabendo-se que o volume mdio do lote 750ml por
garrafa, com um desvio-padro de 20ml, determine:
a) o volume mdio das garrafas de cada caixa;
b) a probabilidade de uma caixa ter volume mdio inferior a 740ml.
2). As estaturas de 24 recm-nascidos foram tomadas no Depto. de Pediatria da
PUC, cujos resultados so em cm:
52 49 49 54 50 47 52 49 47 50 48 51
50 47 49 51 46 50 49 50 52 49 50 48
Resolva:
a) Estimar a mdia e a varincia;
b) Construir um IC para a mdia sendo o = 5%.
c) Construir um IC para a varincia da populao sendo o = 10%.
3) Sabemos que o peso das pessoas flutua naturalmente de um dia para outro.
Determinar se a perda mdia de 370gr de peso representa um resultado
significativo ao nvel de 95%, ou seja se a perda mdia de peso significativamente
maior do que zero.(use o desvio-padro de 980gr para um grupo de 33 pessoas).



Pesquisa Tecnolgica Suzana Russo


20


4) Um pequeno produtor de queijo utiliza processos rudimentares em sua produo.
Um particular cliente deseja encomendar 200 peas do produto padronizadas em
1kg. Aps a produo, para verificar se o lote produzido atende ao padro
desejado, selecionou ao acaso uma amostra de 15 peas que apresentou peso
mdio de 1,03Kg, desvio - padro de 0,06Kg. Construa um IC de 95% para o
peso mdio das peas produzidas neste lote.

5) Para estimar o tempo mdio de atendimento em um fast-food, um pesquisador
anotou o tempo gasto por 40 garonetes para completar um pedido-padro (dois
hambrguer, dois pacotes de fritas e duas bebidas). As garonetes levaram, em
mdia, 78, 4 segundos, com desvio-padro de 13,2 segundos, para completar os
pedidos. Tomando x=78,4, construir um intervalo de 95% de confiana para o
verdadeiro tempo mdio necessrio para completar um pedido-padro?

6) A confeitaria Hudson Valley fabrica sonhos que so embalados em pacotes com
a indicao de que h 12 sonhos pesando um total de 420 gramas. Se a variao
entre os sonhos muito grande, algumas caixas tero peso a menos
(prejudicando o consumidor) e outras tero peso a mais (diminuindo o lucro).
claro que o consumidor no ficaria satisfeito com um sonho to pequeno que s
pudesse ser visto a microscpio, nem com um sonho to grande que se
assemelhasse a um pneu de trator. O supervisor de controle de qualidade
constatou que esses problemas podem ser evitados se os sonhos tiverem um
peso mdio de 35,0 gramas e um desvio padro de 0,6 ou menos. Selecionando-
se aleatoriamente, na linha de produo, doze sonhos, que so pesados, dando
os resultados em gramas:
35,8 35,0 36,8 36,1 34,2 35,2 36,6 35,0 33,6 34,2 36,2 34,9
Construa um intervalo de confiana de 95% para o desvio-padro, e determine se
o supervisor de controle est com problemas.
7) Para avaliar o peso mdio de uma nova safra de limes, o administrador de uma
fazenda obteve os pesos de 50 limes novos presumivelmente uma amostra
aleatria encontrando uma mdia de 115,2 gramas, com desvio-padro de 20,4
gramas. Construa um intervalo de confiana de 96% para a mdia populacional,
tomando x=115,2. Construa um intervalo de confiana de 96% para a varincia
populacional.
8) O Departamento de R.H. de uma grande empresa verificou que os salrios dos
funcionrios da rea de produo so normalmente distribudos. Uma amostra de
40 funcionrios apresentou S
2
= 1600. Determine um intervalo de confiana de
95% para a varincia populacional.

9) Quinze animais foram alimentados com uma certa dieta durante 3 semanas e
verificou-se os seguintes aumentos de pesos:
25 30 32 24 40 34 37 33 34 28 30 32 38 29 31
Testar a hiptese de que a mdia 30, sendo =10%.



Pesquisa Tecnolgica Suzana Russo


21

10) Para avaliar certas caractersticas de segurana de um remdio, um
farmacutico precisa saber se o tempo de reao do remdio a uma determinada
situao de emergncia tem desvio-padro de 0,01 segundo, ou se superior a
0,01 segundo. Se o farmacutico obtm s=0,014 para uma amostra de tamanho
n=15, qual a sua concluso ao nvel de 0,05 de significncia?.
11) Verificando o peso de certos comprimentos, encontramos 50 pesos com mdia de
5,622g e desvio-padro de 0,068g. O Ministrio da Sade alega que o processo
usado para fazer comprimidos d um peso mdio de 5,67g. Ao nvel de 5% de
significncia, teste a afirmao de que o peso mdio dos comprimidos em
circulao de 5,67g.
12) Maria, uma qumica, deve determinar, com base em uma amostra aleatria de
tamanho 35 n = leituras, se o peso de certo produto realmente 724gramas,
conforme registrado. O teste feito ao nvel de 0,05 de significncia e, segundo
uma pesquisa anterior, sabe-se que o desvio-padro 21 = o gramas. Qual ser
sua deciso, se ela obtm o resultado 732 x = gramas? R. Rejeita-se H
o
.
13) A fim de acelerar o tempo que um analgsico leva para penetrar na corrente
sangunea, um qumico analista acrescentou certo ingrediente frmula original,
que acusava um tempo mdio de 43 minutos. Em 36 observaes com a nova
frmula, obteve-se um tempo mdio de 42 minutos, com desvio-padro de 6
minutos. Suponha-se que a distribuio de tempos seja aproximadamente normal.
O que se pode concluir, ao nvel de significncia de 5%, sobre a eficincia do novo
ingrediente? (use 43 < ). R. Aceita H
o
.

14) Uma prova foi aplicada a duas turmas diferentes de farmcia. Na primeira,
composta por 45 alunos, obteve-se uma mdia de 7,5; com desvio-padro de 7,9;
na Segunda, constituda por 55 alunos, obteve-se uma mdia de 7,8; com desvio-
padro de 7,1. A um nvel de significncia de 5% pode-se afirmar que o
aproveitamento das duas turmas igual?

15) A rotina de encerramento do expediente dirio de uma grande fbrica compreende
o resfriamento do maquinrio, verificao dos interruptores eltricos e fechamento
das grades de segurana. A gerncia quer saber se o verdadeiro tempo mdio para
a execuo dessas tarefas de 40mim. Em uma amostra de 34 dias, os tempos de
execuo das tarefas acusam mdia de 42mim, com desvio-padro de 2,1mim.
Teste ao nvel de 0,05 de significncia, a hiptese.














Pesquisa Tecnolgica Suzana Russo


22


Referncias

ANDERSON, David. R.; SWEENEY, Dennis J. Estatstica Aplicada
Administrao e Economia. 2
a
Ed. So Paulo: Pioneira Thompson Learning. 2005
FREUND, John E.; SIMON, Gary A; Estatstica aplicada: Economia,
administrao e contabilidade. 9 Ed. Porto Alegre: Bookman, 2000
GONALVES, Cristina Farias. Fidelis.. Estatstica, Londrina: Ed. UEL, 2002.
GONALVES, Cristina Farias. Fidelis.. Estatstica Manual do Professor, Londrina:
Ed. UEL, 2002.
LOPES, Paulo Afonso. Probabilidades & Estatstica. Rio de Janeiro: Reichmann &
Affonso Editores, 1999.
MARTINS, Gilberto de Andrade & DONAIRE, Denis. Princpios da Estatstica. - 4
ed. - So Paulo: Atlas, 1990.
MILONE, Giuseppe & ANGELINE, Flvio Angelini. Estatstica Aplicada. - So
Paulo: Atlas, 1995.
MILONE, Giuseppe. Estatstica Geral e Aplicada. So Paulo: Pioneira Thompson
Learning, 2006.
MONTGOMERY, Douglas C.; RUNGER, George C.. Estatstica Aplicada e
Probabilidade para Engenheiros. 2 ed, Rio de Janeiro:LTC, 2003.
MORETTIN, Luiz G. Estatstica Bsica - Probabilidade -Vol. I, 7 Ed. So Paulo:
Makron Books, 1999.
NEUFELD, Jonh L.. Estatstica Aplicada Administrao usando Excel, So
Paulo: Prentice Hall, 2003.
SILVA, Ermes Medeiros da...\et all. Estatstica. - Vol. I - So Paulo: Atlas,1995.
SILVA, Ermes Medeiros da..\et all. Estatstica. - Vol. II - So Paulo: Atlas,1995.
SILVA, Elio Medeiros de. Matemtica e estatstica aplicada. - So Paulo:
Atlas,1999.
SILVER, Mick. Estatstica para Administrao. So Paulo: Atlas, 2000.
SPIEGEL, Murray R. Estatstica. - 3 ed. - So Paulo: Makron Books, 1993.
(Coleo Schaum).
TANAKA, Oswaldo & PEREIRA, Pereira. Estatstica, Conceitos Bsicos.1993
TRIOLA, Mario F. Introduo Estatstica. - 7 ed. - Rio de Janeiro: LTC - Livros
Tcnicos e Cientficos Editora S.A., 1999.
VIEIRA, Sonia. Bioestatstica Tpicos Avanados. Rio de Janeiro: Campus, 2003.





Pesquisa Tecnolgica Suzana Russo


23

Tabelas
Distribuio Normal Reduzida





Pesquisa Tecnolgica Suzana Russo


24

Distribuio t de Student





Pesquisa Tecnolgica Suzana Russo


25

Distribuio Qui-quadrado