08

MAT. FINANCEIRA / ESTATSTICA / RAC.
LGICO ISS/SP
TEORIA E EXERCCIOS COMENTADOS
Prof. Arthur Lima Aula 08
AULA 08: ESTATSTICA (final)

SUMRIO
PGINA
1. Teoria e exerccios
01
2. Lista de exerccios vistos na aula
43
3. Gabarito
52
Ol!
Seja bem vindo nossa ltima aula. Gostaria de aproveitar a oportunidade
para agradec-lo pela confiana. Espero que este curso tenha sido bem assimilado
por voc, e que possa contribuir para a sua aprovao na prova do ISS/SP.
Hoje vamos finalizar os tpicos de estatstica de seu edital. Abordaremos os
seguintes assuntos:
3. Processos de amostragem, incluindo estimativas de parmetros. 4. Inferncia:

Intervalos de confiana. Testes de hipteses para mdias e propores. 5.
Regresso.
Continuo disponvel atravs do email, ok?
1. TEORIA E EXERCCIOS: ESTATSTICA (final)
Para voc entender bem o nosso primeiro assunto de hoje (intervalos de

confiana), importante ter algumas noes a respeito de distribuio amostral da
mdia.
Imagine a varivel aleatria X = idade dos indivduos do meu bairro. Se
contabilizarmos todos os indivduos dessa populao (que tem N integrantes),
podemos obter a idade mdia populacional e o desvio padro populacional .
Porm ao analisar apenas amostras desta populao, cada uma delas com n
indivduos apenas, cada amostra pode ter um valor mdio amostral X diferente,
bem como um desvio padro amostral s. Tratando cada valor da mdia amostral
X como um elemento de uma nova distribuio, podemos construir a distribuio
Prof. Arthur Lima
www.estrategiaconcursos.com.br
MAT. FINANCEIRA / ESTATSTICA / RAC. LGICO ISS/SP

das possveis mdias amostrais daquela populao. Essa distribuio, como
qualquer outra, tem uma mdia (que a mdia das mdias amostrais) e um desvio
padro.
O teorema do limite central nos diz que a distribuio das possveis mdias
amostrais X a uma distribuio normal com:
- mdia igual mdia populacional ( );
- desvio padro X =
, onde o desvio padro populacional e n o nmero
de elementos na amostra.
Com isto em mos, vamos estudar o tpico Intervalos de confiana de seu
edital.
1.1 Intervalos de confiana

Suponha que temos por objetivo conhecer a distribuio de idades da
populao de nosso bairro. Selecionamos uma amostra desta populao com n = 30
indivduos e calculamos parmetros como a idade mdia e o desvio padro. Para
esta amostra, obtivemos a mdia X = 26 anos. Esta , por si s, uma estimativa
pontual da mdia de idade da populao. Esta estimativa pode diferir da verdadeira
mdia de idade da populao, .
Mas ser que esta realmente a mdia de idade da populao? Pode ser
que, ao escolher outra amostra do mesmo tamanho da primeira, vejamos que a
idade mdia desta segunda amostra X 2 = 26,5 . Qual das duas estimativas mais
correta?
Ao invs de simplesmente dizer que a estimativa da mdia de idade da
populao X = 26 ou X 2 = 26,5 , podemos definir um intervalo de idades dentro do
qual esperamos que a mdia de idade da populao ( ) se encontre, com certo
grau de confiana. O grau de confiana normalmente designado por 1- .
1 caso: clculo do intervalo de confiana para a MDIA, dado que o desvio
padro populacional CONHECIDO e a populao INFINITA
Esse o caso mais comum em provas de concurso. Se a populao puder
ser considerada infinita (ex.: no for dado o tamanho dela) e o seu desvio padro for
Prof. Arthur Lima

dado pelo exerccio, a receita de bolo para a obteno do intervalo de confiana
para a mdia populacional a partir da mdia amostral X , do desvio padro
populacional e do grau de confiana 1 :
1) Encontrar o valor Z /2 na tabela da curva normal padro. Este valor aquele

tal que P ( Z /2 < Z < Z /2 ) = 1 .
Ex.: se nosso grau de confiana 1 = 95% , devemos buscar na curva
normal padro o valor Z /2 tal que P ( Z /2 < Z < Z /2 ) = 95% . Neste caso, voc ver
que P(-1,96<Z<1,96) = 0,95. Portanto, devemos assumir Z /2 = 1,96 .
2) Construir o intervalo de confiana. Este intervalo tem como limite inferior o

valor X Z /2
e limite superior X + Z /2
, ou seja, o intervalo de confiana
:
[ X Z /2
, X + Z /2
Ex.: se o desvio padro populacional dado foi = 5anos , a mdia amostral

era X = 26anos , e a amostra continha n = 100 elementos, ento o intervalo de
confiana simplesmente:
[ 26 1,96
5
100
; 26 + 1,96
5
100
ou simplesmente
[25,02 ; 26,98]
Portanto, ao invs de simplesmente obtermos a estimativa pontual de que a

mdia populacional de 26 anos, podemos dizer que a mdia populacional
encontra-se entre 25,02 e 26,98 anos, com 95% de confiana.
Prof. Arthur Lima

Visualize no grfico abaixo porque, para termos uma confiana de
1 = 95% , foi preciso encontrar o valor Z /2 que permitisse eliminar / 2 = 2,5%
em cada extremidade da curva normal padro:
/ 2 =2,5%
1 =95%
/ 2 =2,5%
-z
Repare
tambm
neste
grfico
que
valor
Z /2
tal
que
P ( Z /2 < Z < Z /2 ) = 1 o mesmo que torna P(Z> Z /2 ) = / 2 , ou ento que

torna P (0 < Z < Z /2 ) = 0,50 / 2 .
2 caso: clculo do intervalo de confiana para a MDIA, dado que o desvio

padro populacional DESCONHECIDO e a populao INFINITA
A diferena deste caso para o anterior que agora o desvio padro
populacional no conhecido (apesar do desvio padro amostral ser conhecido).
Assim, ao invs de usar a curva normal padro em nossa anlise, utilizaremos a
curva t de Student, que, como vimos na aula passada, uma aproximao terica
da curva normal. Ao invs de calcular Z /2 na curva normal padro, vamos agora
obter o valor t /2 nas tabelas da distribuio t de Student.
Obtido t /2 , o intervalo de confiana ser:
[ X t /2
s
n
, X + t /2
s
n
Veja que s, que o desvio padro da amostra, est substituindo o valor que
agora no conhecemos (desvio padro populacional).
Para obter t /2 , basta saber que se a amostra possuir n elementos, o nmero
de graus de liberdade da distribuio t de Student ser n1. De posse do nmero
Prof. Arthur Lima

de graus de liberdade e do valor de / 2 , voc pode buscar na tabela o valor
correto de t /2 .
Exemplificando, suponha que temos aquela mesma amostra onde a idade
mdia X = 26anos , o desvio padro dessa amostra (e no da populao!) s = 5
anos, e queremos obter um intervalo de confiana para a mdia populacional
com confiana de 1 = 95% . A nossa amostra possui n = 25 elementos.
Se n = 25, ento o nmero de graus de liberdade da distribuio t de Student
n-1 = 24. Na tabela t de Student, olhando a linha corresponde a 24 graus de
liberdade e a coluna correspondente a / 2 = 2,5% , temos t2,5% = 2,0639. Portanto,
o nosso intervalo de confiana :
[ X t /2
[ 26 2,0639
s
n
5
25
, X + t /2
s
n
, 26 + 2,0639
]
5
25
ou seja,
[ 23,93; 28,06]
3 caso: clculo do intervalo de confiana para PROPORES (ou

probabilidades)
Digamos que, a partir de uma amostra de pessoas de uma populao,
encontramos que a proporo de crianas p = 15% do total. Esta proporo obtida
na amostra pode ser considerada uma estimativa pontual da proporo de crianas
naquela populao. Um intervalo para esta proporo com grau de confiana igual a
1 dado por:
[ p Z /2
p(1 p )
p(1 p )
, p + Z /2
]
n
n
Assim como no 1 caso, Z /2 ser obtido a partir da distribuio normal

padronizada.
Pratique esses conceitos resolvendo os exerccios abaixo:
1. FCC SEFIN/RO 2010) Em uma pesquisa realizada numa grande regio,

apurou-se que 90% dos habitantes eram favorveis implantao de uma indstria.
Prof. Arthur Lima

O tamanho da amostra desta pesquisa foi de 1.600 e considerou-se normal a
distribuio amostral da frequncia relativa dos habitantes da regio a favor desta
implantao. O intervalo de confiana de 95,5% encontrado para a proporo foi
igual a [88,5% ; 91,5%]. Caso o tamanho da amostra tivesse sido de 2.500 e
apurando-se a mesma proporo anterior, tem-se que a amplitude do intervalo de
95,5% seria de
a) 1,2%
b) 2,4%
c) 3,6%
d) 4,8%
e) 6,4%
RESOLUO:
Temos uma questo relativa a intervalo de confiana para propores, que
sabemos ser dado por:
[ p Z /2
p(1 p )
p(1 p )
, p + Z /2
]
n
n
No primeiro caso, temos que p = 90% (proporo de indivduos favorveis), n

= 1600 (nmero de indivduos na amostra pesquisada). O grau de confiana foi
1 = 95,5% (portanto, / 2 = 2,25% ). Substituindo os valores conhecidos na
frmula do intervalo de confiana, temos:
[ 0,9 Z2,25%
0,9(1 0,9)
0,9(1 0,9)
; 0,9 + Z2,25%
]
1600
1600
Comparando este intervalo com o primeiro dado pelo enunciado, isto ,

[88,5% ; 91,5%], vemos que:
0,9 Z2,25%
0,9(1 0,9)
= 0,885
1600
0,9 0,885 = Z2,25%

0,015 = Z2,25%
0,015 = Z2,25%
0,9(1 0,9)
1600
0,09
1600
0,3
40
Z2,25% = 2
Prof. Arthur Lima

Se a amostra fosse de n = 2500 indivduos, teramos o intervalo abaixo:
[ 0,9 2
0,9(1 0,9)
0,9(1 0,9)
, 0,9 + 2
]
2500
2500
[ 0,9 2
0,3
0,3
, 0,9 + 2
]
50
50
[ 0,9 2
0,3
0,3
, 0,9 + 2
]
50
50
[0,888; 0,912]
[88,8%; 91,2%]
Portanto, a amplitude deste intervalo seria:
91,2% - 88,8% = 2,4%
Resposta: B
2. FCC SEFAZ/SP 2009) Em uma pesquisa de tributos de competncia

estadual, em 2008, realizada com 400 recolhimentos escolhidos aleatoriamente de
uma populao considerada de tamanho infinito, 80% referiam-se a determinado
imposto. Deseja-se construir um intervalo de confiana de 95,5% para a estimativa
dessa proporo. Considerando normal a distribuio amostral da frequncia
relativa dos recolhimentos desse imposto e que na distribuio normal padro a
probabilidade P (2 Z 2) = 95,5%, o intervalo
(A) [0,70; 0,90]
(B) [0,72; 0,88]
(C) [0,74; 0,86]
(D) [0,76; 0,84]
(E) [0,78; 0,82]
RESOLUO:
Veja que aqui a proporo obtida na amostra pesquisada foi p = 80%. Essa
amostra continha n = 400 elementos. O grau de confiana desejado para o intervalo
1 = 95,5% , e a questo j nos disse que P (2 Z 2) = 95,5%, ou seja,
Z /2 = 2 .
Portanto, o intervalo de confiana para a proporo :
[ p Z /2
Prof. Arthur Lima
p(1 p )
p(1 p )
, p + Z /2
]
n
n

0,8(1 0,8)
0,8(1 0,8)
[ 0,8 2
; 0,8 + 2
]
400
400
[ 0,8 2
0,4
0,4
; 0,8 + 2
]
20
20
[ 0,8 0,04 ; 0,8 + 0,04 ]

[76%; 84%]
Resposta: D
Repare que, em regra, podemos considerar que as populaes so infinitas,

usando as frmulas do 1, 2 ou 3 caso estudados. Se for dito que as populaes
so finitas (com tamanho igual a N elementos), os intervalos de confiana sero
estes abaixo. Acho muito improvvel que algo assim seja cobrado, mas caso voc
queira gravar mais essas frmulas...
- Intervalo de confiana para a MDIA, com populao FINITA e desvio padro

CONHECIDO:
[ X Z /2
N n
N n
, X + Z /2
]
N 1
N 1
n
- Intervalo de confiana para a MDIA, com populao FINITA e desvio padro
DESCONHECIDO:
[ X t /2
s
n
N n
s
N n
, X + t /2
]
N 1
N 1
n
- Intervalo de confiana para a PROPORO, com populao FINITA

[ p Z /2
p(1 p ) N n
p(1 p ) N n
, p + Z /2
]
n
n
N 1
N 1
1.2 Estimativas de parmetros de amostras

Quando trabalhamos o conceito de amostragem estatstica vimos as tcnicas
probabilsticas e no-probabilsticas para a seleo dos elementos que compem
Prof. Arthur Lima

uma amostra. Faltou apenas tratarmos de um ponto chave: quantos elementos
devemos escolher para compor a nossa amostra?
As tcnicas de dimensionamento de amostra nos permitem calcular o
tamanho mnimo de amostra que atenda determinados critrios estatsticos, de
modo a nos permitir efetuar inferncias estatsticas com um grau conhecido de
confiabilidade, como vimos ao estudar o tpico intervalo de confiana. Existem 4
frmulas principais para o dimensionamento de amostra.
Antes de conhecermos as frmulas, preciso que voc saiba que as variveis
aleatrias podem ser classificadas em:
- variveis nominais: so aquelas definidas por nomes, no podendo ser
colocadas em uma ordem crescente. Ex.: a varivel sexo dos moradores de um
bairro nominal, pois s pode assumir os valores masculino ou feminino. Veja
que no h uma ordem clara entre esses dois possveis valores (no h um valor
maior e outro menor).
- variveis ordinais: so aquelas que podem ser colocadas em uma ordem
crescente, mas no possvel (ou no faz sentido) calcular a diferena entre um
valor e o seguinte. Ex.: numa escola onde as notas dos alunos sejam dadas em
letras (A, B, C, D ou E), sabemos que a menor nota E e a maior A. Porm
no podemos mensurar quanto seria, por exemplo, a subtrao A B.
- variveis intervalares: so aquelas que podem ser colocadas em uma ordem
crescente, e possvel calcular a diferena entre um valor e o seguinte. Ex.: se as
notas dos alunos forem dadas em nmeros (de 0 a 10), sabemos que a nota 5
maior que a nota 3, e que a diferena entre elas 5 3 = 2.
Com isso em mos, vamos conhecer as 4 frmulas para se determinar o

tamanho mnimo de uma amostra que nos permita efetuar inferncias estatsticas.
1 frmula: Para populao INFINITA e varivel INTERVALAR

Imagine que a nossa varivel idade das pessoas que habitam o planeta
Terra. Veja que a nossa populao muito grande, podendo ser considerada
infinita. Alm disso, veja que podemos colocar as idades em ordem crescente, e
efetuar subtraes entre elas. Portanto, estamos diante de uma varivel intervalar.
Neste caso, o tamanho da amostra dado por:
Prof. Arthur Lima

Z
n=
Nessa frmula,
- Z o valor na curva normal padronizada, que depende do nvel de confiana que
queremos ter a respeito das inferncias que fizermos a partir daquela amostra. Ex.:
se queremos ter 95% de confiana, Z = 1,96, pois P(-1,96<Z<1,96) = 0,95.
- o desvio padro da populao, que pode ser conhecido ou ento estimado.
- d o erro amostral, isto , a diferena (erro) mxima que voc aceita entre a
mdia amostral X e a mdia populacional . Isto , o valor mximo de | X - |.
Exemplificando, imagine que queremos escolher uma amostra de habitantes
do planeta Terra que nos permita calcular, com 95% de confiana, a idade mdia de
todos os habitantes. Com base em artigos cientficos anteriores, sabemos ainda que
o desvio padro da idade dos seres humanos = 20anos . O erro mximo
tolerado para a mdia de 3 anos.
Na curva normal padronizada, sabemos que P(0<Z<1,96) = 0,475. Portanto,
P(-1,96<Z<1,96) = 0,95 = 95%. Assim, para ter 95% de confiana, devemos
escolher Z = 1,96. Sendo = 20anos e d = 3 anos, ento:
Z 1,96 20
n=
=
170
3
d
Portanto, com uma amostra de apenas 170 pessoas seria possvel estimar a
idade mdia dos bilhes de habitantes da Terra, com 95% de confiana (desde que
o desvio padro utilizado estivesse realmente correto).
2 frmula: Para populao FINITA e varivel INTERVALAR

Se no pudermos assumir que a populao infinita, teremos que considerar
o valor N, que o tamanho da populao. Ex.: imagine que a sua varivel seja a
idade dos alunos do seu cursinho (aqui a populao bem menor, no nos
permitindo trat-la como infinita).
Neste caso o tamanho da amostra dado pela frmula:
Z2 2 N
n= 2
d (N 1) + Z 2 2
Exemplificando, considere que o seu cursinho tem N = 500 alunos, com
desvio padro de = 20anos . Para calcular o tamanho da amostra que nos permita
Prof. Arthur Lima
10

obter, com 95% de confiana (ou seja, Z = 1,96) e com erro da mdia tolerado de 3
anos, precisamos de:
Z2 2 N
1,962 202 500
=
127
d 2 (N 1) + Z 2 2 32 (500 1) + 1,962 202
n=
A nossa amostra precisaria ter aproximadamente 127 pessoas para

estimarmos, com 95% de confiana e erro tolerado de 3 anos, a idade mdia dos
alunos do cursinho.
3 frmula: Para populao INFINITA e varivel NOMINAL/ORDINAL

Imagine que a nossa varivel sexo das pessoas que habitam o planeta
Terra. Novamente nossa populao muito grande, podendo ser considerada
infinita. Entretanto, agora no podemos colocar os sexos em ordem crescente, isto
no existe. Portanto, estamos diante de uma varivel nominal. Neste caso, o
tamanho da amostra dado por:
n=
Z2 p q
d2
Nesta frmula:
- p a estimativa da verdadeira proporo de um dos valores que a varivel pode
assumir (ex.: voc pode suspeitar que 45% da populao seja do sexo masculino).
- q = 1 p (neste exemplo, q = 1 0,45 = 0,55 = 55%)
- d o erro amostral, isto , a diferena mxima que voc aceita entre p (proporo
estimada estimativa) e p (proporo real na populao).
Para estimar a proporo de habitantes do Planeta Terra do sexo masculino,
dado que acreditamos (devido a estudos anteriores, artigos cientficos etc.) que
essa proporo prxima de p = 45%, sendo que aceitamos um erro mximo de d =
10% com 95% de confiana (Z = 1,96), precisamos da seguinte amostra:
n=
Z 2 p q 1,962 0,45 0,55

=
= 95 pessoas
d2
0,102
4 frmula: Para populao FINITA e varivel NOMINAL/ORDINAL

Se no pudermos assumir que a populao infinita, teremos que considerar
o valor N, que o tamanho da populao. Ex.: imagine que a sua varivel seja o
sexo dos alunos do seu cursinho.
Neste caso o tamanho da amostra dado pela frmula:
Prof. Arthur Lima
11

2
Z pq N
n= 2
d (N 1) + Z 2 p q
Suponha que o cursinho possua N = 500 alunos. Para estimar a proporo de
alunos do sexo masculino, dado que acreditamos que essa proporo prxima de
p = 45%, e que aceitamos um erro mximo de d = 10% com 95% de confiana (Z =
1,96), precisamos da seguinte amostra:
n=
Z2 p q N
1,962 0,45 0,55 500
475,39
=
=
80alunos
2
2
2
2
5,94
d (N 1) + Z p q 0,10 (500 1) + 1,96 0,45 0,55
As frmulas vistas acima se encontram resumidas neste quadro. Se voc for

escolher algumas frmulas para decorar, grave aquelas para populao infinita,
pois o que costuma ser cobrado.
Varivel
Populao
Frmula p/ dimensionar
a amostra
Z
n=
Infinita
Intervalar
Finita
n=
Nominal ou Ordinal
Finita
Z2 2 N
d 2 (N 1) + Z 2 2
n=
Infinita
n=
Z2 p q
d2
Z2 p q N
d 2 (N 1) + Z 2 p q
Vamos exercitar esses conceitos resolvendo os exerccios abaixo:
3. FCC TRT/3 2009) Se Z tem distribuio normal padro, ento:

P(Z > 1,64) = 0,05, P(Z > 2) = 0,02, P(0 < Z < 2,4) = 0,49, P(0 < Z < 0,68) = 0,25
A experincia com trabalhadores de uma certa indstria indica que o tempo

requerido para que um trabalhador, aleatoriamente selecionado, realize um servio,
distribudo de maneira aproximadamente normal com desvio padro de 12
minutos. Deseja-se, por meio de uma amostra aleatria, com reposio, estimar a
mdia populacional. O tamanho desta amostra, para que a diferena em valor
Prof. Arthur Lima
12

absoluto entre o verdadeiro valor populacional e sua estimativa seja de no mximo 2
minutos, com probabilidade de 96%,
(A) 64
(B) 81
(C) 100
(D) 144
(E) 196
RESOLUO:
Aqui no foi dado o tamanho da populao, motivo pelo qual devemos
consider-la infinita. A varivel aleatria tempo para executar um servio. Tratase de uma varivel intervalar, pois os tempos que cada trabalhador gasta podem ser
colocados em uma ordem crescente, e possvel calcular a diferena entre um
tempo e outro. Portanto, devemos dimensionar a amostra usando a frmula:
Z
n=
Foi dado que o desvio padro da populao = 12min. , e que o erro

mximo tolerado d = 2 min. Falta apenas calcular o valor de Z para termos a
probabilidade de 96% de acerto.
Sabemos que P(Z>0) = 0,50 (pois metade dos dados da curva normal padro
esto acima de 0). E o exerccio disse que P(Z>2) = 0,02. Portanto,
P(0<Z<2) = 0,50 0,02 =0,48
e, com isso,
P(-2<Z<2) = 2x0,48 = 0,96
Portanto, devemos usar Z = 2. Substituindo esses valores na frmula da
amostra, temos:
2
2 12
n=
= 144
2
Deste modo, preciso selecionar uma amostra com 144 indivduos.
Resposta: D
4. ESAF SUSEP 2010) Deseja-se estimar a proporo p de pessoas com

determinada caracterstica em uma populao. Um levantamento preliminar
forneceu
= 2/7. Usando essa estimativa, obtenha o menor tamanho de amostra
Prof. Arthur Lima
13

aleatria simples necessria para estimar p com um intervalo de 95% de confiana
e um erro de amostragem
, onde
a) 7840.
b) 2500.
c) 1960.
d) 9604.
e) 2401.
RESOLUO:
Trata-se de uma populao considerada infinita e de uma varivel nominal ou
ordinal (pois no foram dados parmetros para supor que esta varivel pudesse ser
intervalar, e foi dada uma proporo).
Deste modo, devemos usar a frmula:
n=
Z2 p q
d2
Para 95% de confiana, temos Z = 1,96. Como
= 2/7, ento
= 5/7. Foi
dito ainda que o erro deve ser de no mximo d = 2%. Portanto:
Z2 p q
n=
=
d2
2 5
1,962
7 7 = 1960
0,022
Assim, ser necessria uma amostra de 1960 indivduos.

Resposta: C
5. FCC ISS/SP 2007) Para responder essa questo utilize, dentre as

informaes abaixo, as que julgar adequadas. Se tem distribuio normal padro,
ento:
P(0< < 1) = 0,341 , P(0< < 1,6) = 0,445 , P(0< < 2) = 0,477
Uma varivel aleatria X tem distribuio normal com mdia e desvio

padro 100. O tamanho da amostra para que a diferena, em valor absoluto, entre a
mdia amostral e seja menor do que 2, com coeficiente de confiana de 89%,
(A) 1.000
(B) 2.200
(C) 2.800
Prof. Arthur Lima
14

(D) 3.600
(E) 6.400
RESOLUO:
Considerando a populao infinita (pois no temos indicao do tamanho N
da mesma) e que a varivel aleatria intervalar (afinal temos um desvio padro
para a mesma), devemos usar a frmula:
Z
n=
Observe que se P(0<Z<1,6) = 0,445, ento P(-1,6<Z<1,6) = 2x0,445 = 0,89.

Portanto, para termos 89% de confiana, devemos usar Z = 1,6.
Foi dito que o desvio padro = 100 , e que a diferena entre a mdia
amostral e a mdia populacional deve ser no mximo d = 2. Assim:
Z 1,6 100
n=
=
= 6400
2
d
Resposta: E
1.3 Testes de hipteses

As tcnicas de inferncia estatsticas so aquelas que nos permitem, a partir
de uma amostra, tirar concluses a respeito de uma populao. Elas subdividem-se,
basicamente, em tcnicas para estimar parmetros da populao (ex.: estimar a
mdia pontualmente ou com um intervalo de confiana, como vimos acima) e nos
testes de hipteses.
Estes ltimos so tcnicas que nos permitem, com algum grau de
probabilidade, diferir o que provavelmente uma caracterstica da populao do que
provavelmente uma mera obra do acaso. Ex.: ao calcular a mdia de idade de
das pessoas em uma amostra, pode ser que obtenhamos o valor 50 anos. Esse
valor pode, de fato, ser uma boa aproximao da idade mdia da populao, como
pode ser um azar nosso (escolhemos para a amostra um grupo que no
representava bem a mdia da populao). Nos prximos tpicos veremos os
principais testes de hipteses que podem cair em sua prova.
1.3.1 Teste de hipteses para MDIAS, com desvio padro populacional

CONHECIDO
Prof. Arthur Lima
15

Vamos trabalhar com o exemplo citado acima, ou seja, uma amostra de
n = 100 pessoas cuja idade mdia amostral X = 50 anos. Vamos assumir que,
com base em estudos cientficos anteriores, suspeitssemos que a mdia de idade
da populao era menor, neste caso = 40 anos.
Sabemos ainda que o desvio padro da idade da populao (e no apenas
da amostra!) = 20 . Queremos testar se, a um nvel de significncia = 5% , a
idade mdia da populao ( ) de fato os 40 anos que tnhamos nos estudos
anteriores.
O mtodo consiste, basicamente, em definir duas hipteses:
1. Hiptese nula (H0): a hiptese que queremos testar. Ex.: a mdia de idade da
populao = 40 anos.
2. Hiptese alternativa (H1): a hiptese a ser adotada caso comprove-se que a
hiptese nula deve ser rejeitada. Ex.: neste caso, poderia ser a hiptese de a mdia
de idade da populao ser diferente de 40 anos, ou seja, 40 anos.
Tentaremos confirmar a hiptese nula. Se conseguirmos, ela deve ser
considerada verdadeira. J se tivermos que rejeit-la, automaticamente a hiptese
alternativa tornar-se- verdadeira.
Agora, considerando o nvel de significncia dado ( = 5% ), devemos
encontrar na curva normal padronizada uma regio, que chamaremos de regio de
aceitao da hiptese nula. Esta regio deve conter 1 - = 95% de probabilidade.
Um teste como esse, onde a hiptese alternativa 40 anos, chamado
de bilateral, ou bicaudal. Isto porque devemos eliminar da curva normal padro
ambas as extremidades, totalizando uma rea de 5% (ou seja, devemos tirar
/ 2 = 2,5% de cada lado da normal). Veja isso no desenho abaixo:
Prof. Arthur Lima
16

Regio de rejeio
da hiptese nula
Regio de rejeio
da hiptese nula
Regio de
aceitao da
hiptese nula
Olhando
na
tabela
da
normal
padro,
vemos
que
para
termos
P ( Z /2 < Z < Z /2 ) = 95% , ento o valor de Z /2 igual a 1,96. Com isso, a regio
de aceitao da hiptese nula aquela onde os valores de Z esto compreendidos
entre -1,96 e 1,96:
Regio de rejeio
da hiptese nula
Regio de rejeio
da hiptese nula
Regio de
aceitao da
hiptese nula
1,96
-1,96
O prximo passo calcular o valor Z calculado na curva normal padronizada, com

a frmula abaixo:
Z calculado =
n
onde X a mdia da nossa amostra (50 anos), a mdia esperada para a
populao (40 anos, conforme a hiptese nula), o desvio-padro da populao
(20 anos) e n o nmero de indivduos na amostra (100).
Prof. Arthur Lima
17

Portanto,
Z calc =
50 40
=5
20
100
Veja que o valor de Z calculado est fora do intervalo de aceitao da hiptese

nula (entre -1,96 e 1,96). Portanto, s nos resta rejeitar a hiptese nula, e com isso
aceitar a hiptese alternativa (a idade mdia da populao diferente de 40 anos).
Existem 3 tipos de teste de hipteses:

a) Teste unilateral direita: quando temos uma H0 (ex.: = 40anos ) e a H1 que
do tipo > 40anos . Isto , nosso teste s rejeitar a hiptese nula se a idade mdia
da amostra for superior a 40 anos. Nesse tipo de teste, a regio crtica encontra-se
toda direita da curva normal padronizada:
Regio de rejeio
da hiptese nula
Regio de
aceitao da
hiptese nula
A rea dessa regio crtica igual a
b) Teste unilateral esquerda: quando temos uma H0 (ex.: = 40anos ) e a H1

que do tipo < 40anos . Isto , nosso teste s rejeitar a hiptese nula se a idade
mdia da amostra for inferior a 40 anos. Aqui, a regio crtica encontra-se
esquerda da curva:
Prof. Arthur Lima
18

Regio de rejeio
da hiptese nula
Regio de
aceitao da
hiptese nula
Novamente, a rea da regio crtica igual ao nvel de significncia ( ).

c) Teste bilateral: quando temos uma H0 (ex.: = 40anos ) e a H1 que do tipo
40anos . Isto , nosso teste ter resultado falso se a idade mdia da amostra for
superior ou inferior a 40 anos. No teste bilateral, temos regies crticas nas duas
extremidades da curva normal, cada uma delas com rea igual metade de :
Regio de rejeio
da hiptese nula
Regio de
aceitao da
hiptese nula
Regio de rejeio
da hiptese nula
Resumindo, a receita de bolo para o teste de hiptese da mdia, com

desvio padro populacional conhecido, :
- identificar a mdia amostral X , o desvio padro populacional e o nvel de
significncia ( ), presentes no enunciado;
- definir a hiptese nula H0 e a hiptese alternativa H1;
- identificar o tipo de teste (bilateral, unilateral esquerda ou direita) de acordo
com a hiptese alternativa H1;
Prof. Arthur Lima
19

- consultando a tabela da normal padronizada, tendo em mos o valor de e o tipo
de teste, obter o valor de Z que delimita a regio de aceitao da hiptese nula;
- calcular o valor Z calculado =
n
- verificar se Zcalculado encontra-se dentro da regio de aceitao da hiptese nula
(aceitando-a) ou fora dela (aceitando a hiptese alternativa).
1.3.2 Teste de hipteses para MDIAS, com desvio padro populacional

DESCONHECIDO
Praticamente tudo o que vimos no tpico anterior se aplica a este caso, cuja
nica diferena o fato de o desvio padro populacional ser DESCONHECIDO.
Neste caso, ao invs de utilizar a curva normal padro, vamos utilizar a curva t de
Student em nossa anlise. E como no temos o desvio padro populacional ,
vamos usar sua aproximao, que o desvio padro amostral s.
Assim, os passos a serem seguidos so:
- identificar a mdia amostral X , o desvio padro amostral s e o nvel de
significncia ( ), presentes no enunciado;
- definir a hiptese nula H0 e a hiptese alternativa H1;
- identificar o tipo de teste (bilateral, unilateral esquerda ou direita) de acordo
com a hiptese alternativa H1;
- consultando a tabela de t de Student, tendo em mos o valor de e o tipo de
teste, obter o valor de t que delimita a regio de aceitao da hiptese nula;
- calcular o valor tcalculado =
X
;
s
n
- verificar se tcalculado encontra-se dentro da regio de aceitao da hiptese nula

(aceitando-a) ou fora dela (aceitando a hiptese alternativa).
Vamos exercitar isso com o seguinte exemplo, que uma variao daquele
primeiro: considere que, em uma amostra de n = 31 pessoas, obtivemos idade
mdia X = 50anos e desvio-padro amostral s = 20 anos. A um nvel de
significncia = 5%, testar a hiptese de a idade mdia populacional ser inferior a
40 anos.
Prof. Arthur Lima
20

Veja que agora temos X = 50anos , s = 20 anos e n = 31 pessoas e = 5%.
A nossa hipteses nula e alternativa so:
H0 : = 40 anos
H1 : < 40 anos
Repare que agora no temos mais um teste bilateral, pois a hiptese
alternativa no do tipo 40 . Temos um teste unilateral esquerda.
Com o nvel de significncia = 5% em mos, vamos consultar a tabela da
distribuio t de Student, sabendo ainda que, como nossa amostra possui n 1 =
31 1 = 30 graus de liberdade. Encontraremos que t0,05 = 2,0423 (repare que
buscamos na tabela por , e no por /2, como fizemos no teste bilateral).
Podemos dizer que P(t > 2,0423) = 0,05. Como a curva t de Student simtrica,
podemos dizer que P(t < -2,0423) = 0,05.
Como temos um teste unilateral esquerda, queremos deixar uma regio
com probabilidade igual a 0,05 esquerda da distribuio. Temos o esquema
abaixo:
Regio de rejeio
da hiptese nula
Regio de
aceitao da
hiptese nula
-2,0423
O valor tcalculado :
tcalculado =
X 50 40
=
= 2, 78
s
20
n
31
Veja que o valor de tcalculado encontra-se fora da regio de rejeio da

hiptese nula, motivo pelo qual devemos aceitar H0 (isto , a mdia de idade da
populao de 40 anos, a um nvel de significncia de 5%).
Prof. Arthur Lima
21

1.3.3 Teste de hipteses para PROPORES
No caso de propores podemos trabalhar de maneira anloga ao caso dos
testes para as mdias, porm considerando:
Z calculado =
p p0
p0 (1 p0 )
n
Nesta equao, p a proporo encontrada na amostra, e p0 a proporo

que queremos provar ser a correta para a populao (hiptese nula). Assim,
baseado no nvel de significncia devemos obter a regio de aceitao da
hiptese nula, e, comparando esta regio com o valor de Zcalculado, tirar a nossa
concluso a respeito da aceitao ou rejeio da hiptese nula.
Finalizando, veja a tabela abaixo, que apresenta os tipos de erro que

podemos cometer ao realizar um teste de hipteses:
H0 verdadeira
H0 falsa
Aceitao de H0
Deciso correta
Erro tipo II
Rejeio de H0
Erro tipo I
Deciso correta
Basicamente, o que essa tabela nos diz :

- Sendo H0 verdadeira, aceit-la a deciso correta. Se ainda assim a rejeitarmos,
estaremos cometendo um erro tipo I;
- Sendo H0 falsa, rejeit-la a deciso correta. Se ainda assim a aceitarmos,
estaremos cometendo um erro tipo II.
1.3.4 Teste de qui-quadrado

Quando queremos testar se os valores de uma varivel, observados em uma
amostra, esto de acordo ou no com os valores que eram esperados para aquela
varivel. Por exemplo, imagine que em um artigo cientfico vimos que esperado
que, em cada grupo de 10 crianas, 3 necessitem usar culos. Com isso em mos,
decidimos analisar 5 grupos de 10 crianas cada, e o nmero de crianas que
usavam culos em cada grupo foram: 3, 5, 5, 4, 2. A um nvel de significncia de
5%, vamos efetuar o teste qui-quadrado para verificar se existe diferena
significativa entre o que observamos e a informao presente no artigo cientfico.
Os passos para o teste so:
1 enunciar as hipteses nula e alternativa:
Prof. Arthur Lima
22

H0 : NO h diferena significativa entre o observado e o esperado (sempre
devemos negar a existncia de discrepncia na hiptese nula)
H1: H diferena significativa entre o observado e o esperado
2 identificar o nvel de significncia ( = 5% ) e o nmero de graus de liberdade
(que ser igual a n 1, onde n o nmero de observaes. Neste caso, n = 5,
portanto temos 4 graus de liberdade).
3 com o valor de e o nmero de graus de liberdade, buscar na tabela da
distribuio qui-quadrado o valor de sup 2 . Neste caso, sup 2 =9,49
4 calcular o valor de calculado 2 , que ser dado por:

(Oi Ei )2
Ei
i =1
n
calculado 2 =
Nesta frmula, Oi o valor de cada observao, e Ei o valor que era

esperado para aquela observao. No nosso exemplo, os valores das observaes
so 3, 5, 5, 4 e 2. E o valor esperado para todas elas igual a 3. Portanto,
(Oi Ei )2 (3 3)2 (5 3)2 (5 3)2 (4 3)2 (2 3)2

=
+
+
+
+
3
3
3
3
3
Ei
i =1
n
calculado 2 =
calculado 2 = 0 +
4 4 1 1 10
+ + + =
= 3,333
3 3 3 3 3
5 se calculado 2 < sup 2 , devemos aceitar H0. Caso contrrio, devemos rejeitar H0 e
assumir H1. Em nosso exemplo, com risco de 5%, podemos aceitar que NO h
diferena significativa entre os valores observados e os valores esperados.
Pratique os conceitos relativos a testes de hipteses resolvendo os exerccios

abaixo.
Instrues: Para responder s duas questes abaixo utilize as informaes a seguir.

Se Z tem distribuio normal padro, ento:
P(Z > 1,64) = 0,05, P(Z > 2) = 0,02, P(0 < Z < 2,4) = 0,49, P(0 < Z < 0,68) = 0,25
Se t tem distribuio de Student com 3 graus de liberdade P(t > 1,638) = 0,10
Prof. Arthur Lima
23

6. FCC TRT/3 2009) Uma varivel aleatria X tem distribuio normal com
mdia e desvio padro desconhecido. Desejando-se testar H0 : = 2 contra H1 :
> 2 tomou-se uma amostra aleatria de 4 observaes que forneceu os valores: 4,
2, 2 e 2. A um nvel de significncia de 10%, no teste mais poderoso, a hiptese H0
ser rejeitada se a estatstica mdia amostral X, apropriada ao teste, for maior ou
igual a
(A) 2,819
(B) 2,767
(C) 2,673
(D) 2,541
(E) 2,520
RESOLUO:
Veja que temos um teste unilateral direita (pois H1 > 2). Foram dados os
valores das observaes que compem a amostra (4, 2, 2, 2). Calculando a mdia e
o desvio padro amostrais, temos:
X = (4 + 2 + 2 + 2)/4 = 2,5
n
s=
( X
i =1
X )2
n 1
2,25 + 0,25 + 0,25 + 0,25

=1
3
Como o desvio padro populacional desconhecido e n = 4 (menor que 30),

devemos usar a tabela da distribuio t de Student. O nmero de graus de
liberdade n 1 = 4 1 = 3. E o nvel de significncia = 0,10. Na tabela,
obtemos que:
P(t > 1,638) = 0,10
Portanto,
t0,10 = 1,638
Assim, a regio de aceitao de H0 aquela para valores de t abaixo de
1,638.
Na frmula de tcalculado, temos que:
Prof. Arthur Lima
24

X
tcalculado =
s
n
Para que a hiptese nula seja rejeitada, preciso que tcalculado seja maior ou
igual a t0,10 = 1,638. Portanto,
tcalculado t0,10
X
1, 638
s
n
X 2
1, 638
1
4
X 2,819
Resposta: A
7. FCC TRT/3 2009) Suponha que sejam realizados 10 ensaios independentes,

cada um com dois resultados possveis: sucesso e fracasso. Suponha que a
probabilidade de sucesso em cada ensaio seja p. Desejando-se testar H0 : p = 0,4
contra H1 : p = 0,5, adotou-se {8, 9,10} como regio crtica. A probabilidade de se
cometer erro do tipo dois :
a) 7/128
b) 5/256
c) 3/512
d) 1/1024
e) 5/512
RESOLUO:
Um erro do tipo II consiste em aceitar H0 quando ela falsa. Isto , aceitar H0
quando, em realidade, H1 verdadeira. Vamos calcular, portanto, a probabilidade de
H1 ser verdadeira na regio crtica.
Veja que aqui a regio crtica (regio de rejeio de H0) formada pelos
casos onde ocorram mais de 7 sucessos (ou seja, 8, 9 e 10).
A probabilidade de ocorrncia de mais de 7 sucessos igual soma das
probabilidades de ocorrncia de 8, 9 e 10 sucessos:
P(regio crtica) = P(X>7) = P(X=8) + P(X=9) + P(X=10)
Prof. Arthur Lima
25

Como estamos diante de uma binomial, onde a chance de sucesso em cada
tentativa p = 0,5 (para que H1 seja verdadeira) e o nmero de tentativas n = 10,
ento a probabilidade de 8 sucessos :
P( X = 8) = C (10,8) 0,58 (1 0,5)108

8
1 1
P ( X = 8) = C (10, 2)
2 2
10 9 1
P( X = 8) =

2 1 2
10
10
1
P( X = 8) = 45
2
A probabilidade de 9 sucessos :
P( X = 9) = C (10,9) 0,59 (1 0,5)109

9
1 1
P ( X = 9) = C (10,1)
2 2
10
1
P( X = 9) = 10
2
A probabilidade de 10 sucessos :
P( X = 10) = C (10,10) 0,510 (1 0,5)1010

10
1
P( X = 10) = 1
2
Assim,
10
10
10
1
1
1
P(regio crtica ) = 45 + 10 + 1
2
2
2
10
56
7
1
P(regio crtica ) = 56 =
=
1024 128
2
Prof. Arthur Lima
26

Assim, a probabilidade de no se aceitar H1 quando ela verdadeira (ou
aceitar H0 quando ela falsa), cometendo um erro do tipo II, de 7/128.
Resposta: A
8. FCC SEFAZ/SP 2009) O gerente de uma indstria de determinado

componente eletrnico garante que a vida mdia do produto fabricado igual a 100
horas. Um comprador desta indstria decide testar a afirmao do gerente e faz um
teste estatstico formulando as hipteses H0: = 100 e H1 : < 100, sendo que H0
a hiptese nula, H1 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 a probabilidade P(Z 1,64) = 5%. H0 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
RESOLUO:
Veja que temos um teste unilateral esquerda, pois H1 < 100. Alm
disso, foi dado que P(Z 1,64) = 5%, o que tambm nos diz que P(Z -1,64) = 5%.
Portanto devemos usar:
Z = 1,64
Devemos aceitar a hiptese nula se Zcalculado > Z , isto , Zcalculado > -1,64
(veja que estamos usando o valor negativo de Z , pois neste teste a regio de
rejeio fica na extremidade esquerda da curva normal padro).
Assim, utilizando os demais valores dados pelo enunciado, temos:
Zcalculado > -1,64
> 1, 64
Prof. Arthur Lima
27

X 100
> 1, 64
10
64
X 100 > 2, 05
X > 97,95
Resposta: E
9. FCC SEFAZ/SP 2009) Espera-se que o nmero de reclamaes tributrias

em um rgo pblico durante determinada semana seja igual a 25, em qualquer dia
til. Sabe-se que nesta semana ocorreram 125 reclamaes com a seguinte
distribuio por dia da semana:
Para decidir se o nmero de reclamaes tributrias correspondente no depende

do dia da semana, a um nvel de significncia , calculado o valor do qui-quadrado
( 2 ) que se deve comparar com o valor do qui-quadrado crtico tabelado com 4
graus de liberdade. O valor de 2
(A) 1,20
(B) 1,90
(C) 4,75
(D) 7,60
(E) 9,12
RESOLUO:
Repare que os valores observados da varivel reclamaes em um dia so
18, 31, 29, 30, 17. J o nmero esperado de reclamaes 25. Na frmula do quiquadrado, temos:
calculado
(Oi Ei )2 (18 25)2 (31 25)2 (29 25)2 (30 25)2 (17 25)2
=
=
+
+
+
+
Ei
25
25
25
25
25
i =1
n
calculado 2 =
49 36 16 25 64 190
+
+
+
+
=
= 7,6
25 25 25 25 25 25
Resposta: D
Prof. Arthur Lima
28

10. FCC SEFAZ/SP 2006) Seja X uma varivel aleatria representando o valor
arrecadado de um determinado tributo. Suponha que X tem distribuio normal
(populao de tamanho infinito) com mdia e desvio padro de 500 reais.
Desejando-se testar
H0: = 1000 reais (hiptese nula)
H1: 1000 reais (hiptese alternativa)
tomou-se uma amostra aleatria de 400 valores de X, obtendo-se para a mdia
amostral o valor de 1060 reais. Seja o nvel de significncia do teste e suponha
que a regio de rejeio de H0 {| Z |> Z /2 } , onde Z /2 representa o escore da
curva normal padro tal que P (| Z |> Z /2 ) = .
Tem-se que
A) H0 ser rejeitada para Z /2 = 2.
B) Para Z /2 > 2, H0 no ser rejeitada.
C) Se H0 foi rejeitada, existe um nvel de significncia ( > ) tal que H0 no seria
rejeitada.
D) Para qualquer nvel de significncia , H0 ser rejeitada, uma vez que 1060
1000.
E) H0 no ser rejeitada para Z /2 < 3.
RESOLUO:
Observe que temos um teste bilateral. Neste teste, a regio de aceitao da
hiptese nula dada pelos valores Z tais que Z /2 < Z < Z /2 .
Ou seja, pelos
valores Z tais que | Z |< Z /2 . Da mesma forma, podemos dizer que a hiptese nula
ser rejeitada se Z > Z /2 ou ento se Z < Z /2 (estas so as duas regies de
rejeio, em cada extremidade da curva normal).
Obtendo o valor de Zcalculado, com os dados do enunciado, temos:
Z calculado =
1060 1000
= 2, 4
500
400
Veja que caso Z /2 = 2 , teremos Zcalculado > Z /2 . Portanto, Zcalculado estaria na

regio de rejeio da hiptese nula. Temos isto na letra A.
Resposta: A
Prof. Arthur Lima
29

1.4 Regresso
Voc deve ter reparado que at aqui trabalhamos sempre com uma nica
varivel aleatria. A anlise de regresso uma ferramenta estatstica que analisa a
relao entre 2 ou mais variveis, permitindo prever uma delas com base no
conhecimento da outra. A regresso linear simples o caso mais bsico, no qual 2
variveis (X e Y) esto relacionadas entre si de forma linear, ou seja, numa linha
reta. Assim, podemos dizer que cada valor de Y (Yi) est relacionado com um valor
de X (Xi) da seguinte forma:
Yi = + X i + i
Nesta frmula,
so os coeficientes da regresso linear, que
precisamos descobrir. J o i o erro aleatrio. O clculo dos coeficientes feito

utilizando as frmulas abaixo:
X
Y ( XY ) X
=
n X ( X )
n ( XY ) X Y
=
n X ( X )
2
importante voc saber que esta regresso feita atravs do mtodo dos
mnimos quadrados. Ou seja, toda vez que uma questo mencionar regresso
linear atravs do mtodo dos mnimos quadrados, voc deve se lembrar das
frmulas vistas aqui. No entraremos em detalhes relativos ao erro aleatrio, pois
em regra ele ser desprezado (simplesmente vamos omiti-lo da frmula, usando
apenas Yi = + X i ). Conhecendo os coeficientes, podemos relacionar qualquer
valor de X com qualquer valor de Y. Sendo X a mdia da varivel X e Y a mdia
da varivel Y, podemos tambm dizer que:
Y = + X
Exemplificando, imagine as duas variveis aleatrias a seguir:
Prof. Arthur Lima
15
30

Vamos calcular os coeficientes da regresso linear Yi = + X i . Note que
n=4 (temos 4 observaes de cada varivel), e que na tabela abaixo inseri 2 colunas
a direita, para calcular os valores de X2 e de XY:
X
X2
X.Y
10
16
36
15
49
105
Portanto, temos que:
X = 14
Y = 32
X = 70
( XY ) = 154
2
Assim,
X
Y ( XY ) X 70 32 154 14
=
=
=1
n X ( X )
4 70 (14)
n ( XY ) X Y 4 154 14 32
=
=
=2
n X ( X )
4 70 (14)
2
Portanto, temos a regresso linear Yi = + X i , que pode ser escrita como:

Yi = 1 + 2 X i
Note que, de fato, se substituirmos na equao acima o valor X = 1 (primeiro

valor de X na tabela), obteremos Y = 3 (primeiro valor de Y).
Veja ainda que a mdia de X X = 3,5 . Substituindo esse valor na equao,
obteremos o valor de Y :
Y = + X
Y = 1+ 2X
Y = 1 + 2 3,5 = 8
Volte na tabela e confira que a mdia de Y , de fato, 8.
11. FCC SEFIN/RO 2010) Considere que as vendas anuais, em milhes de

reais, de um produto so estimadas por meio do modelo yt = + t + t, t = 1, 2, 3, . .
Prof. Arthur Lima
31

. em que yt representa o valor das vendas no ano (1999+t). e so parmetros
desconhecidos e t o erro aleatrio com as respectivas hipteses consideradas
para o modelo de regresso linear simples. Com base nas informaes anuais de
2000 at 2009 e utilizando o mtodo dos mnimos quadrados obteve-se a estimativa
para como sendo igual a 1,4. A mdia aritmtica dos valores de yt de 2000 at
2009 apresentou um valor igual a 3,6. O valor de (yt
+ 1
yt ) para t > 0,
considerando a funo encontrada pelo mtodo dos mnimos quadrados, uma

constante igual a
(A) 0,55
(B) 0,50
(C) 0,40
(D) 0,36
(E) 0,30
RESOLUO:
Observe que foi calculada a regresso Yi = + ti + i , onde obteve-se
= 1,4 . Alm disso, a mdia de Y 3,6, ou seja, Y = 3,6. Os valores de t so t = 1,

2, 3, 4, 5, 6, 7, 8, 9, 10, portanto a mdia de t t = 5, 5 .
pedido o valor de yt + 1 yt, que :
Yt +1 Yt = + (t + 1) + i ( + t + i )
Yt +1 Yt =
Ou seja, pedido o valor de . Lembrando que:
Y = + t
Ento:
3, 6 = 1, 4 + 5,5
Portanto, = 0,4. Com isso, Yt +1 Yt = = 0,4

Resposta: C
12. FCC SEFAZ/SP 2010) Com base em um estudo de correlao e regresso,
obteve-se o grfico abaixo correspondente equao da reta deduzida pelo mtodo
Prof. Arthur Lima
32

dos mnimos quadrados (Y = aX + b), utilizando 10 pares de observaes (Xi ,Yi), i =
1, 2, 3, ..., 10. A mdia aritmtica das observaes de Y apresentou o valor de 6,5.
A mdia aritmtica das observaes de X

(A) 3,00
(B) 3,25
(C) 3,50
(D) 3,75
(E) 4,00
RESOLUO:
Sendo Y a mdia dos valores Yi e X a mdia dos valores Xi, podemos dizer
que:
Y = a X + b
Da mesma forma, podemos dizer que:
Yi = a X i + b
Observe no grfico que para X = 2, temos Y = 5. Portanto:
5 = a2 +b
Prof. Arthur Lima
33

E tambm temos que, para X = 4, Y = 8. Assim:
8 = a4+b
Na primeira equao, podemos isolar a varivel b, obtendo:

5 a2 = b
Substituindo esse valor na segunda equao, temos:

8 = a 4 + (5 a 2)
8 = 2a + 5
a = 1,5
Podemos obter tambm o valor de b:

5 a2 = b
5 1,5 2 = b
b=2
Portanto, temos a equao:

Y = 1, 5 X + 2
Como Y = 6,5 , ento:

6,5 = 1,5 X + 2
X =3
Resposta: A
13. FCC SEFAZ/SP 2009) O grfico abaixo demonstra a evoluo da receita

tributria anual no estado de So Paulo desde 1999, com os valores arrecadados
em bilhes de reais.
Prof. Arthur Lima
34

Para estimar a receita tributria em um determinado ano com base no

comportamento sugerido pelo grfico, adotou-se o modelo Yt = + t + t; t = 1, 2, 3
..., sendo Yt = ln (RTt), em que RTt a receita tributria no ano (1998+t) em bilhes
de reais e ln o logaritmo neperiano (ln e = 1). e so parmetros desconhecidos e
t o erro aleatrio com as respectivas hipteses consideradas para o modelo de
regresso linear simples. Utilizando o mtodo dos mnimos quadrados, com base
nas observaes de 1999 a 2008, obteve-se para a estimativa de o valor de 0,12,
sabendo-se que:
A previso da receita tributria para 2009, em bilhes de reais, em funo da

equao obtida pelo mtodo dos mnimos quadrados igual a
(A) e4,58
(B) e4,56
(C) e4,44
(D) e4,32
(E) e4,20
RESOLUO:
Prof. Arthur Lima
35

Desprezando o erro aleatrio t , temos a regresso Yt = + t . Como
= 0,12 , ento temos:

Yt = + 0,12 t
Como
= 39 , ento
Y=
39
= 3,9
10
Veja que os valores de t de 1999 a 2008 so 1, 2, 3... 10. Portanto, a mdia

de t t = 5, 5 . Assim, lembrando que:
Y = + 0,12 t
Podemos encontrar o valor de :
3,9 = + 0,12 5,5
= 3,24
Com isso, temos a equao da regresso linear:
Yt = 3,24 + 0,12 t
Para o ano de 2009, temos t = 11. Portanto:
Y11 = 3,24 + 0,12 11 = 4,56
E como Yt = ln(RTt ) , podemos dizer que:
Y11 = ln(RT11 )
4,56 = ln(RT11 )
RT11 = e 4,56
Resposta: B
14. FCC ISS/SP 2007) Se tem distribuio normal padro, ento:

P(0< < 1) = 0,341 , P(0< < 1,6) = 0,445 , P(0< < 2) = 0,477
Prof. Arthur Lima
36

Os depsitos efetuados no Banco B, num determinado ms, tm distribuio normal
com mdia R$ 9.000,00 e desvio padro R$ 1.500,00. Um depsito selecionado
ao acaso dentre todos os referentes ao ms em questo. A probabilidade de que o
depsito exceda R$ 6.000,00 de
(A) 97,7%
(B) 94,5%
(C) 68,2%
(D) 47,7%
(E) 34,1%
RESOLUO:
Temos = 9000 e = 1500 . Na padronizao Z, o valor X = 6000 :
Z=
6000 9000
= 2
1500
Portanto, para X > 6000, precisamos de Z>-2. Foi dado que:

P(0< < 2) = 0,477
Portanto, P (Z > 2) = 0,50 0,477 = 0,023. Pela simetria da curva normal, podemos
dizer que P(Z< -2) = 0,023.
Assim, P(Z > -2) = 1 0,023 = 0,977 = 97,7%.
Resposta: A
15. FCC SEFAZ/SP 2006) Verificou-se que os valores arrecadados dos tributos
em uma cidade apresentam uma distribuio normal. Sabe-se que 10% destes
valores so superiores a R$ 1.770,00 e que 60% so menores ou iguais a R$
1.350,00.
Prof. Arthur Lima
37

A mdia e o desvio padro destes valores calculados utilizando a tabela acima so,
respectivamente:
A) R$ 1.250,00 e R$ 400,00
B) R$ 1.250,00 e R$ 20,00
C) R$ 1.410,00 e R$ 400,00
D) R$ 1.410,00 e R$ 20,00
E) R$ 1.560,00 e R$ 20,00
RESOLUO:
Seja X a varivel aleatria valor dos tributos arrecadados. Foi dito que
P(X>1770) = 10% = 0,10. Veja na tabela que:
P(0 Z 1,30) = 0,40
Portanto,
P(Z > 1,30) = 0,50 0,40 = 0,10
Assim, podemos dizer que X = 1770 corresponde a Z = 1,30.
Da mesma forma, foi dito que P(X 1350) = 60% = 0,60. Na tabela temos:
P(0 Z 0,25) = 0,10
Portanto,
P(Z < 0,25) = 0,50 +0,10 = 0,60
Com isso podemos afirmar que X = 1350 corresponde a Z = 0,25. Agora,
podemos utilizar a padronizao Z:
Z=
X = 1770 corresponde a Z = 1,30:
1,30 =
Prof. Arthur Lima
1770
1770
1,30
38

X = 1350 corresponde a Z = 0,25:
0, 25 =
1350
1350
0, 25
Assim,
1770 1350
=
1,30
0,25
442,5 0, 25 = 1755 1,3
1,05 = 1312,5
= 1250
E, portanto,
1350 1250
= 400
0, 25
Resposta: A
16. FCC SEFAZ/SP 2006) Em um determinado pas, deseja-se determinar a

relao entre a renda disponvel (Y), em bilhes de dlares, e o consumo (C),
tambm em bilhes de dlares. Foi utilizado o modelo linear simples Ci = A + BYi +
et, em que Ci o consumo no ano i, Yi o valor da renda disponvel no ano i e et o
erro aleatrio com as respectivas hipteses para a regresso linear simples, A e B
so parmetros desconhecidos, cujas estimativas foram obtidas atravs do mtodo
dos mnimos quadrados. Para obteno desta relao considerou-se ainda as
seguintes informaes colhidas atravs da observao dos ltimos 10 anos:
Prof. Arthur Lima
39

Para o clculo do coeficiente de correlao de Pearson (R), usou-se a frmula: R =

Cov(Y,C) / (DP(Y) x DP(C), em que COV(Y,C) a covarincia de Y e C, DP(Y) o
desvio padro de Y e DP(C) o desvio padro de C. Ento,
a) obtendo para um determinado ano uma previso para o consumo de 10 bilhes
de dlares, significa que a renda disponvel considerada foi de 12,5 bilhes de
dlares.
b) o valor da estimativa encontrado para o parmetro B igual a 0,4
c) o valor da estimativa encontrado para o parmetro A igual a 10
d) o coeficiente de explicao (R2) correspondente igual a 64%
e) utilizando a equao da reta obtida pelo mtodo dos mnimos quadrados, tem-se
que, em um ano, caso a renda disponvel seja igual a 15 bilhes de dlares, o
consumo ser igual a 13 bilhes de dlares.
RESOLUO:
A reta de regresso dada por:
Ci = A + BYi + t
Nesta frmula, A e B so os coeficientes da regresso linear, que
precisamos descobrir. J o t o erro aleatrio. O clculo dos coeficientes feito
utilizando as frmulas abaixo:
Y C (YC )Y
A=
n Y (Y )
n (YC ) Y C
B=
n Y ( Y )
2
Utilizando os dados fornecidos pelo enunciado, e as frmulas acima, vamos

obter os coeficientes:
Prof. Arthur Lima
40

2
Y C (YC )Y = 1250 90 1100 100 = 1
A=
n Y 2 ( Y )2
10 1250 1002
B=
n (YC ) Y C
n Y ( Y )
2
10 1100 100 90
= 0,8
10 1250 1002
Portanto, a reta de regresso linear :

Ci = 1 + 0,8Yi + t
Desprezando o erro aleatrio, podemos calcular o valor do consumo Ci para
qualquer valor de renda Yi, e vice-versa. Assim para uma renda Y = 15 bilhes, o
consumo :
C = 1 + 0,8 15 = 13 bilhes
Resposta: E
17. FCC SEFAZ/SP 2010) Para resolver essa questo utilize as informaes
abaixo referentes distribuio normal padro Z:
Os salrios dos empregados de uma determinada categoria profissional apresentam

uma distribuio normal com mdia igual a R$ 1.200,00 e desvio padro igual a R$
160,00. A proporo dos empregados com salrios superiores a R$ 1.000,00 e
inferiores a R$ 1.520,00
(A) 98%
(B) 96%
(C) 92%
(D) 89%
(E) 87%
RESOLUO:
Prof. Arthur Lima
41

Temos uma distribuio com mdia = 1200 e desvio padro = 160 . Atravs
da padronizao Z podemos descobrir, na normal padro, os valores equivalentes a
1000 e 1520 reais:
Z1000 =
1000 1200
= 1, 25
160
Z1520 =
1520 1200
=2
160
Queremos P(1000<X<1520), que equivale a P(-1,25<Z<2). Veja na tabela dada que

P(0<Z<2)=0,48. Alm disso, P(0<Z<1,25)=0,39. Devido simetria da normal, podemos dizer que
P(-1,25<Z<0) tambm igual a 0,39. Assim:
P(1000<X<1520) = P(-1,25<Z<2) = P(-1,25<Z<0) + P(0<Z<2)
P(1000<X<1520) = 0,39 + 0,48 = 0,87
Portanto, a proporo de salrios entre 1000 e 1520 reais de 87%.

Resposta: E
*******************
Meus caros, chegamos ao final. Permaneo disposio atravs do e-mail
arthurlima@estrategiaconcursos.com.br
Saudaes,
Arthur Lima
Prof. Arthur Lima
42

2. LISTA DAS QUESTES APRESENTADAS NA AULA
1. FCC SEFIN/RO 2010) Em uma pesquisa realizada numa grande regio,
apurou-se que 90% dos habitantes eram favorveis implantao de uma indstria.
O tamanho da amostra desta pesquisa foi de 1.600 e considerou-se normal a
distribuio amostral da frequncia relativa dos habitantes da regio a favor desta
implantao. O intervalo de confiana de 95,5% encontrado para a proporo foi
igual a [88,5% ; 91,5%]. Caso o tamanho da amostra tivesse sido de 2.500 e
apurando-se a mesma proporo anterior, tem-se que a amplitude do intervalo de
95,5% seria de
a) 1,2%
b) 2,4%
c) 3,6%
d) 4,8%
e) 6,4%
2. FCC SEFAZ/SP 2009) Em uma pesquisa de tributos de competncia
estadual, em 2008, realizada com 400 recolhimentos escolhidos aleatoriamente de
uma populao considerada de tamanho infinito, 80% referiam-se a determinado
imposto. Deseja-se construir um intervalo de confiana de 95,5% para a estimativa
dessa proporo. Considerando normal a distribuio amostral da frequncia
relativa dos recolhimentos desse imposto e que na distribuio normal padro a
probabilidade P (2 Z 2) = 95,5%, o intervalo
(A) [0,70; 0,90]
(B) [0,72; 0,88]
(C) [0,74; 0,86]
(D) [0,76; 0,84]
(E) [0,78; 0,82]
3. FCC TRT/3 2009) Se Z tem distribuio normal padro, ento:

P(Z > 1,64) = 0,05, P(Z > 2) = 0,02, P(0 < Z < 2,4) = 0,49, P(0 < Z < 0,68) = 0,25
A experincia com trabalhadores de uma certa indstria indica que o tempo

requerido para que um trabalhador, aleatoriamente selecionado, realize um servio,
distribudo de maneira aproximadamente normal com desvio padro de 12
Prof. Arthur Lima
43

minutos. Deseja-se, por meio de uma amostra aleatria, com reposio, estimar a
mdia populacional. O tamanho desta amostra, para que a diferena em valor
absoluto entre o verdadeiro valor populacional e sua estimativa seja de no mximo 2
minutos, com probabilidade de 96%,
(A) 64
(B) 81
(C) 100
(D) 144
(E) 196
4. ESAF SUSEP 2010) Deseja-se estimar a proporo p de pessoas com

determinada caracterstica em uma populao. Um levantamento preliminar
forneceu
= 2/7. Usando essa estimativa, obtenha o menor tamanho de amostra
aleatria simples necessria para estimar p com um intervalo de 95% de confiana

e um erro de amostragem
, onde
a) 7840.
b) 2500.
c) 1960.
d) 9604.
e) 2401.
5. FCC ISS/SP 2007) Para responder essa questo utilize, dentre as

informaes abaixo, as que julgar adequadas. Se tem distribuio normal padro,
ento:
P(0< < 1) = 0,341 , P(0< < 1,6) = 0,445 , P(0< < 2) = 0,477
Uma varivel aleatria X tem distribuio normal com mdia e desvio

padro 100. O tamanho da amostra para que a diferena, em valor absoluto, entre a
mdia amostral e seja menor do que 2, com coeficiente de confiana de 89%,
(A) 1.000
(B) 2.200
(C) 2.800
Prof. Arthur Lima
44

(D) 3.600
(E) 6.400
Instrues: Para responder s duas questes abaixo utilize as informaes a seguir.

Se Z tem distribuio normal padro, ento:
P(Z > 1,64) = 0,05, P(Z > 2) = 0,02, P(0 < Z < 2,4) = 0,49, P(0 < Z < 0,68) = 0,25
6. FCC TRT/3 2009) Uma varivel aleatria X tem distribuio normal com
mdia e desvio padro desconhecido. Desejando-se testar H0 : = 2 contra H1 :
> 2 tomou-se uma amostra aleatria de 4 observaes que forneceu os valores: 4,
2, 2 e 2. A um nvel de significncia de 10%, no teste mais poderoso, a hiptese H0
ser rejeitada se a estatstica mdia amostral X, apropriada ao teste, for maior ou
igual a
(A) 2,819
(B) 2,767
(C) 2,673
(D) 2,541
(E) 2,520
7. FCC TRT/3 2009) Suponha que sejam realizados 10 ensaios independentes,

cada um com dois resultados possveis: sucesso e fracasso. Suponha que a
probabilidade de sucesso em cada ensaio seja p. Desejando-se testar H0 : p = 0,4
contra H1 : p = 0,5, adotou-se {8, 9,10} como regio crtica. A probabilidade de se
cometer erro do tipo dois :
a) 7/128
b) 5/256
c) 3/512
d) 1/1024
e) 5/512
8. FCC SEFAZ/SP 2009) O gerente de uma indstria de determinado
componente eletrnico garante que a vida mdia do produto fabricado igual a 100
Prof. Arthur Lima
45

horas. Um comprador desta indstria decide testar a afirmao do gerente e faz um
teste estatstico formulando as hipteses H0: = 100 e H1 : < 100, sendo que H0
a hiptese nula, H1 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 a probabilidade P(Z 1,64) = 5%. H0 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
9. FCC SEFAZ/SP 2009) Espera-se que o nmero de reclamaes tributrias

em um rgo pblico durante determinada semana seja igual a 25, em qualquer dia
til. Sabe-se que nesta semana ocorreram 125 reclamaes com a seguinte
distribuio por dia da semana:
Para decidir se o nmero de reclamaes tributrias correspondente no depende

do dia da semana, a um nvel de significncia , calculado o valor do qui-quadrado
( 2 ) que se deve comparar com o valor do qui-quadrado crtico tabelado com 4
graus de liberdade. O valor de 2
(A) 1,20
(B) 1,90
(C) 4,75
(D) 7,60
(E) 9,12
10. FCC SEFAZ/SP 2006) Seja X uma varivel aleatria representando o valor
arrecadado de um determinado tributo. Suponha que X tem distribuio normal
Prof. Arthur Lima
46

(populao de tamanho infinito) com mdia e desvio padro de 500 reais.
Desejando-se testar
H0: = 1000 reais (hiptese nula)
H1: 1000 reais (hiptese alternativa)
tomou-se uma amostra aleatria de 400 valores de X, obtendo-se para a mdia
amostral o valor de 1060 reais. Seja o nvel de significncia do teste e suponha
que a regio de rejeio de H0 {| Z |> Z /2 } , onde Z /2 representa o escore da
curva normal padro tal que P (| Z |> Z /2 ) = .
Tem-se que
A) H0 ser rejeitada para Z /2 = 2.
B) Para Z /2 > 2, H0 no ser rejeitada.
C) Se H0 foi rejeitada, existe um nvel de significncia ( > ) tal que H0 no seria
rejeitada.
D) Para qualquer nvel de significncia , H0 ser rejeitada, uma vez que 1060
1000.
E) H0 no ser rejeitada para Z /2 < 3.
11. FCC SEFIN/RO 2010) Considere que as vendas anuais, em milhes de

reais, de um produto so estimadas por meio do modelo yt = + t + t, t = 1, 2, 3, . .
. em que yt representa o valor das vendas no ano (1999+t). e so parmetros
desconhecidos e t o erro aleatrio com as respectivas hipteses consideradas
para o modelo de regresso linear simples. Com base nas informaes anuais de
2000 at 2009 e utilizando o mtodo dos mnimos quadrados obteve-se a estimativa
para como sendo igual a 1,4. A mdia aritmtica dos valores de yt de 2000 at
2009 apresentou um valor igual a 3,6. O valor de (yt
+ 1
yt ) para t > 0,
considerando a funo encontrada pelo mtodo dos mnimos quadrados, uma

constante igual a
(A) 0,55
(B) 0,50
(C) 0,40
(D) 0,36
Prof. Arthur Lima
47

(E) 0,30
12. FCC SEFAZ/SP 2010) Com base em um estudo de correlao e regresso,
obteve-se o grfico abaixo correspondente equao da reta deduzida pelo mtodo
dos mnimos quadrados (Y = aX + b), utilizando 10 pares de observaes (Xi ,Yi), i =
1, 2, 3, ..., 10. A mdia aritmtica das observaes de Y apresentou o valor de 6,5.
A mdia aritmtica das observaes de X

(A) 3,00
(B) 3,25
(C) 3,50
(D) 3,75
(E) 4,00
13. FCC SEFAZ/SP 2009) O grfico abaixo demonstra a evoluo da receita

tributria anual no estado de So Paulo desde 1999, com os valores arrecadados
em bilhes de reais.
Prof. Arthur Lima
48

Para estimar a receita tributria em um determinado ano com base no

comportamento sugerido pelo grfico, adotou-se o modelo Yt = + t + t; t = 1, 2, 3
..., sendo Yt = ln (RTt), em que RTt a receita tributria no ano (1998+t) em bilhes
de reais e ln o logaritmo neperiano (ln e = 1). e so parmetros desconhecidos e
t o erro aleatrio com as respectivas hipteses consideradas para o modelo de
regresso linear simples. Utilizando o mtodo dos mnimos quadrados, com base
nas observaes de 1999 a 2008, obteve-se para a estimativa de o valor de 0,12,
sabendo-se que:
A previso da receita tributria para 2009, em bilhes de reais, em funo da

equao obtida pelo mtodo dos mnimos quadrados igual a
(A) e4,58
(B) e4,56
(C) e4,44
(D) e4,32
(E) e4,20
Prof. Arthur Lima
49

14. FCC ISS/SP 2007) Se tem distribuio normal padro, ento:
P(0< < 1) = 0,341 , P(0< < 1,6) = 0,445 , P(0< < 2) = 0,477
Os depsitos efetuados no Banco B, num determinado ms, tm distribuio normal
com mdia R$ 9.000,00 e desvio padro R$ 1.500,00. Um depsito selecionado
ao acaso dentre todos os referentes ao ms em questo. A probabilidade de que o
depsito exceda R$ 6.000,00 de
(A) 97,7%
(B) 94,5%
(C) 68,2%
(D) 47,7%
(E) 34,1%
15. FCC SEFAZ/SP 2006) Verificou-se que os valores arrecadados dos tributos
em uma cidade apresentam uma distribuio normal. Sabe-se que 10% destes
valores so superiores a R$ 1.770,00 e que 60% so menores ou iguais a R$
1.350,00.
A mdia e o desvio padro destes valores calculados utilizando a tabela acima so,
respectivamente:
A) R$ 1.250,00 e R$ 400,00
B) R$ 1.250,00 e R$ 20,00
C) R$ 1.410,00 e R$ 400,00
D) R$ 1.410,00 e R$ 20,00
Prof. Arthur Lima
50

E) R$ 1.560,00 e R$ 20,00
16. FCC SEFAZ/SP 2006) Em um determinado pas, deseja-se determinar a

relao entre a renda disponvel (Y), em bilhes de dlares, e o consumo (C),
tambm em bilhes de dlares. Foi utilizado o modelo linear simples Ci = A + BYi +
et, em que Ci o consumo no ano i, Yi o valor da renda disponvel no ano i e et o
erro aleatrio com as respectivas hipteses para a regresso linear simples, A e B
so parmetros desconhecidos, cujas estimativas foram obtidas atravs do mtodo
dos mnimos quadrados. Para obteno desta relao considerou-se ainda as
seguintes informaes colhidas atravs da observao dos ltimos 10 anos:
Para o clculo do coeficiente de correlao de Pearson (R), usou-se a frmula: R =

Cov(Y,C) / (DP(Y) x DP(C), em que COV(Y,C) a covarincia de Y e C, DP(Y) o
desvio padro de Y e DP(C) o desvio padro de C. Ento,
a) obtendo para um determinado ano uma previso para o consumo de 10 bilhes
de dlares, significa que a renda disponvel considerada foi de 12,5 bilhes de
dlares.
b) o valor da estimativa encontrado para o parmetro B igual a 0,4
c) o valor da estimativa encontrado para o parmetro A igual a 10
d) o coeficiente de explicao (R2) correspondente igual a 64%
e) utilizando a equao da reta obtida pelo mtodo dos mnimos quadrados, tem-se
que, em um ano, caso a renda disponvel seja igual a 15 bilhes de dlares, o
consumo ser igual a 13 bilhes de dlares.
Prof. Arthur Lima
51

17. FCC SEFAZ/SP 2010) Para resolver essa questo utilize as informaes
abaixo referentes distribuio normal padro Z:
Os salrios dos empregados de uma determinada categoria profissional apresentam

uma distribuio normal com mdia igual a R$ 1.200,00 e desvio padro igual a R$
160,00. A proporo dos empregados com salrios superiores a R$ 1.000,00 e
inferiores a R$ 1.520,00
(A) 98%
(B) 96%
(C) 92%
(D) 89%
(E) 87%
3. GABARITO
01
02
03
04
05
06
07
08
09
10
11
12
13
14
15
16
17
Prof. Arthur Lima
52

08

Загружено:

Сведения о документе

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

08

Загружено:

Авторское право:

Доступные форматы

MAT. FINANCEIRA / ESTATSTICA / RAC.

AULA 08: ESTATSTICA (final)

2. Lista de exerccios vistos na aula

3. Processos de amostragem, incluindo estimativas de parmetros. 4. Inferncia:

Continuo disponvel atravs do email, ok?

1. TEORIA E EXERCCIOS: ESTATSTICA (final)

Para voc entender bem o nosso primeiro assunto de hoje (intervalos de

MAT. FINANCEIRA / ESTATSTICA / RAC. LGICO ISS/SP

, onde o desvio padro populacional e n o nmero

1.1 Intervalos de confiana

Prof. Arthur Lima

MAT. FINANCEIRA / ESTATSTICA / RAC. LGICO ISS/SP

1) Encontrar o valor Z /2 na tabela da curva normal padro. Este valor aquele

2) Construir o intervalo de confiana. Este intervalo tem como limite inferior o

, ou seja, o intervalo de confiana

Ex.: se o desvio padro populacional dado foi = 5anos , a mdia amostral

Portanto, ao invs de simplesmente obtermos a estimativa pontual de que a

Prof. Arthur Lima

MAT. FINANCEIRA / ESTATSTICA / RAC. LGICO ISS/SP

P ( Z /2 < Z < Z /2 ) = 1 o mesmo que torna P(Z> Z /2 ) = / 2 , ou ento que

2 caso: clculo do intervalo de confiana para a MDIA, dado que o desvio

Prof. Arthur Lima

MAT. FINANCEIRA / ESTATSTICA / RAC. LGICO ISS/SP

3 caso: clculo do intervalo de confiana para PROPORES (ou

Assim como no 1 caso, Z /2 ser obtido a partir da distribuio normal

Pratique esses conceitos resolvendo os exerccios abaixo:

1. FCC SEFIN/RO 2010) Em uma pesquisa realizada numa grande regio,

Prof. Arthur Lima

MAT. FINANCEIRA / ESTATSTICA / RAC. LGICO ISS/SP

No primeiro caso, temos que p = 90% (proporo de indivduos favorveis), n

Comparando este intervalo com o primeiro dado pelo enunciado, isto ,

0,9 0,885 = Z2,25%

Prof. Arthur Lima

MAT. FINANCEIRA / ESTATSTICA / RAC. LGICO ISS/SP

2. FCC SEFAZ/SP 2009) Em uma pesquisa de tributos de competncia

Prof. Arthur Lima

MAT. FINANCEIRA / ESTATSTICA / RAC. LGICO ISS/SP

[ 0,8 0,04 ; 0,8 + 0,04 ]

Repare que, em regra, podemos considerar que as populaes so infinitas,

- Intervalo de confiana para a MDIA, com populao FINITA e desvio padro

- Intervalo de confiana para a MDIA, com populao FINITA e desvio padro

- Intervalo de confiana para a PROPORO, com populao FINITA

1.2 Estimativas de parmetros de amostras

Prof. Arthur Lima

MAT. FINANCEIRA / ESTATSTICA / RAC. LGICO ISS/SP

Com isso em mos, vamos conhecer as 4 frmulas para se determinar o

1 frmula: Para populao INFINITA e varivel INTERVALAR

Prof. Arthur Lima

MAT. FINANCEIRA / ESTATSTICA / RAC. LGICO ISS/SP

2 frmula: Para populao FINITA e varivel INTERVALAR

Prof. Arthur Lima

MAT. FINANCEIRA / ESTATSTICA / RAC. LGICO ISS/SP

A nossa amostra precisaria ter aproximadamente 127 pessoas para

3 frmula: Para populao INFINITA e varivel NOMINAL/ORDINAL

Z 2 p q 1,962 0,45 0,55

4 frmula: Para populao FINITA e varivel NOMINAL/ORDINAL

MAT. FINANCEIRA / ESTATSTICA / RAC. LGICO ISS/SP

As frmulas vistas acima se encontram resumidas neste quadro. Se voc for

Vamos exercitar esses conceitos resolvendo os exerccios abaixo:

3. FCC TRT/3 2009) Se Z tem distribuio normal padro, ento:

A experincia com trabalhadores de uma certa indstria indica que o tempo

Prof. Arthur Lima

MAT. FINANCEIRA / ESTATSTICA / RAC. LGICO ISS/SP

Foi dado que o desvio padro da populao = 12min. , e que o erro