Академический Документы
Профессиональный Документы
Культура Документы
AMOSTRAGEM
E
ESTIMAO
Foz do Iguau
Maio/2014
ndice Analtico
1. Amostragem _______________________________________________________________ 2
1.1 Introduo _______________________________________________________________ 2
1.2 Amostragem aleatria simples (AAS) __________________________________________ 4
1.3 Amostragem aleatria estratificada (AAE) _______________________________________ 8
1.4 Amostragem aleatria sistemtica (AS) _______________________________________ 11
1.5 Amostragem por meio de conglomerados ______________________________________ 12
1.6 Amostragem de Convenincia ______________________________________________ 13
1.7 Dimensionamento de amostra _______________________________________________ 13
1.8 Sequncia de exerccios n 1 _______________________________________________ 19
2. ESTIMAO ______________________________________________________________ 21
2.1 Introduo ______________________________________________________________ 21
2.2 Estimao por ponto ______________________________________________________ 21
2.2.1 Estimador da mdia populacional _______________________________________ 21
2.2.3 Estimador da varincia populacional 2 e do desvio padro populacional ________ 22
2.3 Estimao por intervalo ____________________________________________________ 23
2.3.1 Intervalo de confiana da mdia populacional . _____________________________ 23
2.3.2 Intervalo de confiana da varincia populacional e do desvio padro populacional __ 27
2.3.3 Intervalo de confiana para a proporo populacional p ________________________ 30
2.3.4 Intervalo de confiana para a diferena entre duas mdias populacionais 1 e 2 ____ 33
1. Amostragem
1.1 Introduo
No curso de Estatstica descritiva foram estudadas as tcnicas de descrio de um conjunto de dados, sem a
preocupao de saber se os mesmos eram provenientes de um conjunto maior ou no.
O objetivo principal das prximas sees o estudo das tcnicas de inferncia estatstica, ou seja, tomar
decises sobre uma populao com base em dados de uma mostra, por isso necessrio diferenciar amostra de
populao.
- Populao ou universo estatstico: o conjunto da totalidade de elementos sobre o quais se quer estudar
alguma(s) caracterstica (s).
- Amostra: uma parte selecionada da totalidade de elementos de uma populao.
O pesquisador deve estar atento ao fato de que toda a informao da populao deve estar contida na amostra
para que os resultados da pesquisa sejam confiveis, ou seja, deve haver representatividade. Isto pode ser
alcanado atravs de sorteio.
A amostra tem como finalidade descrever as caractersticas da populao. Assim, todas essas caractersticas
devem estar contidas na amostra para que ocorra a chamada representatividade da amostra em relao populao
da qual a mesma foi coletada.
Representatividade uma propriedade que a amostra possui quando a mesma mantm todas as caractersticas da
populao da qual foi coletada.
Dessa forma, tem-se que tomar alguns cuidados no procedimento de coleta de amostras, caso contrrio, a
representatividade no estar garantida.
Por exemplo, numa pesquisa sobre a opinio de consumidores de uma cidade, quanto a um produto, no se
deve entrevistar apenas moradores de um bairro ou de uma classe social, pois existe o srio risco de o resultado da
pesquisa no ser confivel.
A representatividade adquirida quando se d a mesma chance a qualquer elemento da populao de fazer
parte da amostra. Isto se consegue por meio de alguma espcie de sorteio, tambm chamado de aleatorizao ou
casualizao.
No caso de a amostra ser obtida por meio de algum sorteio, tem-se a chamada amostra aleatria. O processo
de obteno de amostras aleatrias denominado de amostragem aleatria.
3
No incio dos levantamentos estatsticos, inclusive na indstria, a coleta de informaes era feita com todos
os elementos da populao, ou seja, eram realizados censos.
Porm, a partir do sculo XVII, com o desenvolvimento da teoria de probabilidades, descobriu-se que era
possvel obter informaes para a populao com base em amostras, com um grau de confiana varivel.
As principais vantagens do levantamento por amostragem em relao coleta de informaes da populao
inteira so as seguintes:
a) Custo reduzido
J que os dados so obtidos de apenas uma pequena frao da populao, as despesas so menores do
que num censo integral. Isto essencial, pois o oramento de uma pesquisa pode implicar pela realizao da
mesma, ou no.
b) Maior rapidez
Pelo mesmo motivo, os dados podem ser coletados rapidamente com uma amostragem, do que numa
contagem completa. Isso um fator primordial, quando se necessita urgentemente de informaes.
c) Maior amplitude
Em certos tipos de investigao, tem-se que utilizar pessoal perfeitamente treinado e equipamento altamente
especializado, cuja disponibilidade limitada para a obteno dos dados. O censo completo torna-se impraticvel e
resta a escolha entre obter as informaes por meio de amostragem, ou no consegui-las de todo. Dessa forma, os
levantamentos por amostragem tm maior amplitude e flexibilidade, em relao s espcies de informaes que
podem ser obtidas.
d) Maior exatido
Em virtude de poder empregar pessoal de melhor qualidade e intensivamente treinado, e por se tornar possvel
a superviso mais cuidadosa do campo de trabalho e do processamento de dados, dada a reduo do volume de
trabalho, uma amostragem pode, na realidade, proporcionar resultados mais exatos do que a contagem integral.
Algumas tcnicas de amostragem so dadas a seguir:
Simples (AAS)
Estratific ada (AAE)
Amostragem Aleatria
Sistemtica (AS)
Por conglomerados (AAC)
Amostragem no Aleatria Amostragem por convenincia
Independentemente da amostragem (AAS, AAE, AS, AAC), ela pode ainda ser com reposio ou sem
reposio.
com reposio
Amostragem
sem reposio
Amostragem com reposio: processo de amostragem no qual os elementos da populao, medida que so
sorteados, so devolvidos populao, e podem eventualmente ser sorteados novamente.
Quando os elementos da populao, medida que so sorteados, no retornam mesma, tem-se uma
amostragem sem reposio. Tal o caso, se a pessoa sorteada no puder concorrer aos demais prmios.
Amostragem sem reposio: processo de amostragem no qual os elementos da populao, medida que so
sorteados, no so devolvidos populao e, portanto, podem ser sorteados apenas uma vez.
N!
01659
41245
31932
70729
06018
24087
49421
84904
10965
18775
40477
22474
45711
76551
48393
39226
50132
70166
31516
25741
75944
27726
64920
53916
88534
86031
12152
81316
44905
47903
60981
88766
38877
05960
87583
39152
01871
70725
74265
49745
07025
98408
54202
98353
77627
61003
43808
77395
73753
27593
43818
92139
55939
96960
39047
53879
63193
73451
84036
09336
85487
39049
74508
55441
31769
35132
03331
49888
32379
77972
39688
66929
81098
35098
61843
32229
71751
68662
65257
64612
28215
89375
11555
50006
86064
13047
14819
29773
73388
47863
31276
83722
35516
96254
04602
38987
61580
19253
27917
15195
00778
59940
97900
14179
05139
69417
28891
88948
45616
26682
30404
09338
76168
37305
30730
12203
70463
81883
91921
05830
05997
89153
17010
78809
28545
46294
72652
02767
04392
39429
93833
31739
82309
98971
55327
95018
32381
88632
66889
16688
93808
55900
04973
11780
66965
02088
30630
67037
89097
55121
83439
70862
19340
27029
06265
83361
73375
88962
39232
86799
67057
23164
34166
66106
45921
89087
56558
23026
13728
07183
08743
50494
44737
04187
34326
72890
05955
70791
33741
36195
19945
08369
27178
82762
81564
65687
58151
86950
96796
67642
59911
78854
70091
20416
08180
50179
72316
82289
27531
81704
16137
10616
26787
88125
43593
33666
41721
46778
89845
94970
33473
00979
34885
32245
47856
87890
73345
93953
96311
59507
36508
30900
15117
61778
00033
53072
38796
22359
68758
51258
68822
61983
64710
12397
66046
27889
64205
34510
74448
88326
16535
79537
48038
01944
95294
98756
38143
64766
Exemplos
( 1) Suponha que se tem a seguinte populao {1, 3, 5, 5, 7} e se quer extrair amostras com 3 elementos.
5!
= 10
3! 2!
6
( 2 )Suponha que se quer realizar uma pesquisa dentro de uma empresa composta por 500 funcionrios, do
departamento de produo, cujos nomes esto numa lista a seguir:
N
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
NOME
Adlia
Adriana
Agnes
Aida
Aide
Aime
Aime
Aira
Aisla
Alana
Alanis
Alade
Alba
Albertina
Alcina
Alcione
Aldete
Alessandra
Alena
Alenis
Alssia
Amanda
Amelia
Amrica
Ana
Anabel
Anabelle
Ananda
Anastcia
Andra
Andressa
Anete
Angela
Anglica
Angelina
Anita
Antonia
Antonieta
Anturpia
Aparecida
Araci
Ariane
Ariene
Arisla
Arissa
Arlette
Aryana
Astrid
Audrey
Adelinda
N
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
NOME
Assuno
Audrey
Augusta
Aura
Aurelia
Auria
Adauto
Ademar
Adib
Adolfo
Adriano
Acio
Aelington
Agnaldo
Alan
Alberico
Alberto
Alceu
Alcir
Aldo
Alencar
Alessandro
Alessio
Alex
Alexsander
Alfredo
Alfeu
Almir
Aluisio
Alvaro
Altamir
Amadeu
Amauri
Amrico
Amin
Amncio
Amilcar
Amir
Amon
Anat
Andr
Andrew
Angel
Angelo
Anibal
Anselmo
Antero
Anthony
Antonio
Arlindo
N
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
NOME
Apolo
Aquiles
Aristoteles
Armando
Arnaldo
Arthur
Ary
Atanasio
Atilio
Augusto
Aurelio
Ayram
Ayrton
Badia
Barbara
Bartira
Beatriz
Bela
Belinda
Berenice
Bernadete
Berta
Betnia
Beth
Beverly
Betina
Bianca
Blanca
Brenda
Brigida
Brigite
Brisa
Bruna
Balbo
Baldoc
Basilio
Batista
Benicio
Benito
Benjamin
Bento
Bernardo
Billy
Bolivar
Bonifcio
Bosco
Brad
Brs
Brayan
Brendon
N
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
NOME
Breno
Brian
Bruce
Bruno
Cacilda
Camila
Candida
Carla
Carlota
Carmela
Carmem
Carol
Carole
Carolina
Cassandra
Cassia
Cassiane
Catarina
Cecile
Ceclia
Celene
Celeste
Clia
Celina
Chantal
Charlote
Chaylla
Chiara
Cibele
Cintia
Clara
Clariana
Clarissa
Cludia
Cleide
Cllia
Clo
Cleonice
Cleonir
Cleopatra
Cleuza
Clotilde
Conceio
Constance
Corina
Cristiane
Cristina
Caetano
Caim
Cai
7
N
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
NOME
Caio
Caique
Camilo
Carlito
Carlos
Carmelo
Casimiro
Cassio
Cau
Ccil
Clio
Celso
Cesar
Charles
Chris
Christian
Cid
Cirano
Cirilo
Ciro
Claudio
Cleber
Clcie
Clovis
Conrado
Constantino
Cornelio
Cosme
Crigor
Cristian
Cristiano
Dafnee
Daisy
Dalia
Dalita
Dalva
Danelise
Daniela
Debora
Deidre
Delia
Denise
Diana
Dilma
Dinah
Dinorah
Dolores
Dominique
Doris
Doroty
N
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
NOME
Dulcineia
Dunia
Dan
Daniel
Danilo
Dante
Damiano
Dario
David
Decio
Demtrio
Denis
Dercio
Dereck
Deusdete
Diego
Dieter
Dilson
Dimas
Diogo
Dionisio
Dirceu
Domingos
Dorival
Douglas
Durval
Eda
Edilia
Edimary
Edimercia
Edmagna
Edith
Edna
Eduarda
Edwirge
Egle
Elaine
Elen
Elena
Eleonora
Eliane
Elida
Elide
Elisa
Elisabeth
Elke
Else
Eloisa
Elvira
Elza
N
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
NOME
Emanuele
Emilia
Emmeline
Eneida
Erenilda
Erica
Erlaine
Erminia
Estela
Ester
Eugenia
Eulalia
Eunice
Eva
Evangelina
Evelyn
Ebion
Ed
Eder
Edilson
Ediraldo
Edmilson
Ednei
Edson
Eduardo
Edvaldo
Elias
Eliezer
Eliseu
Eloy
Elton
Emerson
Emil
Emilio
Enio
Estevo
Eric
Erinaldo
Ernani
Ernesto
Ettore
Eugenio
Eurico
Euzebio
Evair
Evandro
Everaldo
Fbia
Fabiana
Fabiane
N
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
NOME
Fabrcia
Fany
Ftima
Fenicia
Fernanda
Filomena
Fiona
Flvia
Flaviana
Flora
Francini
Franoise
Frederica
Flvia
Fabian
Fabiano
Fabio
Fabricio
Fausto
Fauzer
Feliciano
Felicio
Felinto
Felipe
Felix
Fernando
Firmino
Firmo
Flavio
Francisco
Franz
Frederico
Flvio
Gabriela
Gardnia
Geralda
Germana
Geilsa
Geny
Georgia
Gilda
Gina
Gioconda
Giovana
Giselda
Gisele
Gislaine
Giulia
Giuliana
Giulliane
N
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
NOME
Gladis
Glaucia
Glria
Gorete
Graa
Grace
Graziela
Gudrun
Gabriel
Gaspar
George
Geraldo
Gerd
Germano
Gerson
Gesualdo
Getlio
Giacomo
Gian
Giancarlo
Gianfranco
Gil
Gilberto
Gilson
Gilvan
Giovani
Glauco
Gregory
Guido
Guilherme
Guilhermino
Gustavo
Haidee
Hanna
Heide
Helen
Helena
Helga
Heloisa
Heriette
Hilda
Hortncia
Harley
Haroldo
Hector
Helder
Heitor
Helio
Helmut
Henri
N
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
NOME
Heraldo
Herbert
Herculano
Hercules
Hermano
Heron
Hidelbrando
Homero
Honorio
Horacio
Hugo
Humberto
Iasmim
Idiene
Ilana
Ilce
Indira
Ins
Ingrid
Imaculada
Inara
Iolanda
Ione
Iracema
Irades
Irene
Irina
Iris
Isabel
Isabela
Isadora
Isis
Isolda
Ivana
Ivani
Iverly
Ivete
Ivna
Izilda
caro
Igino
Igor
Ilrio
Ilton
Inacio
Irineu
Isaac
Isaias
Ismael
Israel
8
Suponha que se queira realizar uma pesquisa com uma amostra de 30 funcionrios. Inicialmente, considera-se a
populao enumerada de 001 a 500, uma vez que o nmero maior 500, ou seja, com trs algarismos. Em seguida,
a
de qualquer parte da tabela inicia-se a coleta de nmeros. Pode-se escolher, por exemplo, o nmero 70166 (3 linha
e 2a coluna da tabela) e a partir do dgito sete tomar 30 grupos de trs algarismos, de forma subsequente. Neste
exemplo, a amostra no dever conter nmeros repetidos, nem maiores do que 500.
Procedendo-se dessa forma, ter-se- o seguinte sorteio (nomes em negrito):
701
> 500
631
> 500
718
> 500
731
> 500
668
> 500
925
> 500
370
Fauzer
932
> 500
603
> 500
369
Fausto
791
> 500
404
Gorete
105
Arnaldo
417
Getlio
656
> 500
773
> 500
960
> 500
373
J foi sorteado
872
> 500
151
Fabrcia
984
> 500
058
Ademar
041
Araci
612
> 500
082
Amadeu
915
> 500
610
> 500
152
Brian
759
> 500
339
Ermani
616
> 500
875
> 500
373
Felinto
429
Guido
949
> 500
835
> 500
451
Heraldo
886
> 500
709
> 500
420
Giancarlo
351
Fabrcia
320
Edilson
395
> 500
243
Diana
323
Ednei
208
Cassio
353
Ftima
818
> 500
509
> 500
827
> 500
072
Alessandro
840
> 500
889
> 500
029
Anastcia
123
Betnia
360
Francini
375
Felix
231
Cristiano
977
> 500
333
Emil
478
Iris
640
> 500
953
> 500
161
Carmen
Neste caso, o funcionrio cujo nmero 105 (Arnaldo) na listagem, ser o primeiro a fazer parte da amostra, o
de nmero 82 (Amadeu) ser o segundo, e assim por diante.
a) Critrio uniforme
9
O critrio uniforme utilizado quando sorteado o mesmo nmero de elementos em cada estrato.
Evidentemente, esse processo dever ser usado quando os estratos da populao forem, pelo menos,
aproximadamente do mesmo tamanho.
b) Critrio ponderado
Por este mtodo, o nmero de elementos ni a serem observados no estrato i na amostra, proporcional ao
nmero total de elementos Ni do estrato i na populao, de maneira que a preciso da avaliao em cada um deles
seja igual. Este critrio particularmente adequado quando a variabilidade presente em cada estrato relativamente
homognea. Ento, determina-se ni por:
ni
Ni
n
N
Suponha que se quer realizar uma pesquisa de satisfao junto a 2000 funcionrios de uma empresa, mas no
vivel execut-la com todos. Sabe-se que 100 funcionrios so do departamento A,, 200 so do B, 300 so do C,
400 so do D e 1000 so do E. Sabendo que o tamanho da amostra a ser coletada n = 100, quantos funcionrios
de cada departamento devero ser entrevistados?
Nmero de entrevistados do departamento A.
na
100
100 5
2000
nb
200
100 10
2000
nc
300
100 15
2000
nd
400
100 20
2000
10
Nmero de entrevistados do departamento E.
ne
1000
100 50
2000
O procedimento seguinte ser o de realizar uma amostragem aleatria simples em cada estrato, escolhendo 5
funcionrios do departamento A, 10 do B, 15 do C, 20 do D e 50 do E, para entrevist-los em seguida.
c) Critrio timo
Outro critrio sugerido o de que o nmero de elementos em cada estrato guarde, tambm, certa
proporcionalidade ao desvio padro i de cada estrato. A ideia envolvida a de que aqueles estratos com maior
variabilidade necessitariam de mais elementos, de maneira a gerar estimativas para parmetros populacionais com a
mesma preciso que a dos demais estratos. Dessa forma, o nmero de elementos a serem tomados de cada estrato
dado por:
ni
N i i
k
N i i
i 1
Esse critrio tem a desvantagem de exigir o conhecimento prvio do desvio padro populacional i, o que
quase nunca ocorre numa situao prtica. Assim, a menos que se tenham informaes preliminares a respeito de i,
em geral o critrio preferido o ponderado.
Exemplo
Uma populao foi estratificada segundo trs estratos. O tamanho de cada estrato ea varincia correspondente so
dados a seguir:
Estrato
Varincia ( i )
200
10
300
500
11
Considerando a estratificao tima, para uma amostra de tamanho n = 116, quantos elementos devero ser
coletados de cada estro?
n1
200 10
3
200 10 300 6 500 4 116 30,99 31
N i
N1 1
i 1
n2
300 6
116 36,008 36
n
200
10
300
500
N i
N 2 2
i 1
n3
500 4
116 49,0009 49
n
200
10
300
500
N i
N 3 3
i 1
O procedimento seguinte ser o de realizar uma amostragem aleatria simples em cada estrato, coletando
aleatoriamente, 31 elementos do estrato 1, 36 elementos do estrato 2, e 49 elementos do estrato 3.
N
n
12
Exemplo
Se em um hospital existirem 10.000 fichas de pacientes dos quais sero amostradas 50, ento o nmero de
saltos ser:
10.000
200
50
O procedimento seguinte ser o de sortear o primeiro paciente dentre os 200 primeiros e prosseguir a
o
amostragem, sempre saltando 200 pronturios de cada vez. Supondo que a 1 pronturio sorteado entre os duzentos
primeiros tenha sido o de numero 80, o segundo seria o de nmero 80 + 200 = 280, e assim por diante at ser
obtidos os 50 pronturios, como mostra o quadro a seguir.
o
80
280
480
680
880
1080
1280
1480
1680
1880
N do pronturio
2080
4080
6080
2280
4280
6280
2480
4480
6480
2680
4680
6680
2880
4880
6880
3080
5080
7080
3280
5280
7280
3480
5480
7480
3680
5680
7680
3880
5880
7880
8080
8280
8480
8680
8880
9080
9280
9480
9680
9880
Por exemplo, imagine que se queira saber a opinio dos agricultores do Estado do Paran, sobre
determinado produto agrcola que est sendo lanado no mercado. Algumas cidades poderiam ser sorteadas, dentro
dessas regies e, em seguida algumas propriedades seriam escolhidas dentro dessas cidades.
13
Na realidade, esse processo possibilita que o pesquisador entreviste menos pessoas do que se fosse
realizada uma AAS, e torna o trabalho de pesquisa menos rduo, pelo fato de assegurar que as pessoas vivam em
conglomerados (agregados).
Antes de descrever o quarto passo o leitor de ver estar familiarizado a alguns conceitos.
Parmetro Populacional Constante, em geral desconhecida, que descreve uma populao. Ex.: comprimento mdio
de todas as peas produzidas pela indstria.
14
Estimador: Corresponde expresso algbrica que permite obter uma estimativa. Por exemplo, o estimador da
n
x
i 1
Estimativa: Valor aproximado do valor do parmetro desconhecido, calculado a partir de uma amostra. Ex. O
comprimento mdio de 10 peas coletadas durante a primeira meia hora de produo foi x 100mm .
Margem de erro: no clculo do tamanho de amostra, a mxima diferena absoluta permitida entre o valor do
parmetro populacional e a estimativa. Ex.: A mxima diferena admitida entre o comprimento mdio de todas as
peas produzidas e o comprimento mdio das peas da amostra 0,1mm.
Grau de confiana (1- ): no clculo do tamanho de amostra a probabilidade de ocorrncia de um erro amostral
mximo admitido. Ex.: A probabilidade de ocorrer um erro de no mximo 0,1mm, de 95%.
Z .
n
em que: E a margem de erro, expresso na unidade da varivel. A margem de erro mxima diferena
absoluta permitida entre a mdia populacional () e a mdia amostral ( x ), isto :
x E.
Z: representa a abscissa da curva normal padro. O valor de Z depende do grau de confiana. Nesse caso, o
grau de confiana a probabilidade de ocorrncia do erro mximo admitido, ou seja,
P x d 1 .
15
Exemplos:
( 1 ) Suponha que a varivel escolhida num estudo de controle de qualidade de determinada indstria seja o peso de
certo tipo de pea, onde h o interesse de estimar o peso mdio. Pelas especificaes do produto, o desvio padro
de 10 kg. Calcule o tamanho da amostra, admitindo-se um grau de confiana de 95% e um erro amostral de 1,5 kg.
Soluo:
Se a varivel em estudo peso em kg (quantitativa), e a populao infinita, pois no conhecido o nmero
total de peas produzidas, o tamanho da amostra ser dado pela expresso:
Z .
n
= 10kg,
E = 1,5kg
Procura-se o valor 0,475 no corpo da na tabela da distribuio normal reduzida (Tabela 2.1) e acha-se o valor Z =
1,96 correspondente, de acordo com o esquema a abaixo:
Z = 1,96
1,96 10
n
170,7378 171 peas
1,5
Assim, se a produo ininterrupta num perodo de 24 horas, a cada hora devero ser coletadas aproximadamente
171/24 7 peas da linha de produo (amostragem aleatria sistemtica) para realizar o controle de qualidade.
( 2 ) Foi coletada uma amostra piloto de 10 cabos e o desvio padro de tenso de ruptura foi S = 14,4 kgf. Perguntase: O tamanho da amostra piloto foi suficiente para estimar a mdia com uma margem de erro de 5kgf e um grau de
confiana de 99%?
Soluo:
O desvio padro populacional no conhecido, ento possvel utilizar o desvio padro da amostra piloto
S = 14,4 kgf para calcular o tamanho da amostra.
S = 14,4kg,
E = 5kgf,
16
Nmero de graus de liberdade = n 1 = 10 1 = 9.
Na tabela 2.3 procure o valor 9 na margem esquerda e o valor 0,005 na margem superior. No cruzamento da
linha do valor nove com a coluna do valor 0,005 ser achado o valor 3,250 como mostra a figura a seguir.
Tabela 3.1 Distribuio de t de Student.
p
2
0,005
t/2 = 3,250
3,250
0
t .S 3,250 14,4
n /2
87,6096 88 cabos
5
E
2
Concluso: Nesse caso, o tamanho da amostra piloto ou pr-amostra n = 10 no foi suficiente para estimar a mdia
com uma margem de erro de 5kgf e um grau de confiana de 99%, uma vez que, para atingir esse objetivo, so
necessrios 88 cabos. Portanto, preciso coletar mais 78 cabos para realizar os testes de tenso de ruptura.
2 caso) Se a varivel escolhida for quantitativa ou se quer estimar uma mdia e a populao for finita, o
tamanho da amostra poder ser dado por:
Z 2 2 N
E 2 ( N 1) Z 2
Z 2 2 N
E 2 ( N 1) Z 2
= 10kg,
Logo,
E = 1,5kg
Z = 1,96
17
1,96 2 10 2 600
133,08 134 peas
1,52 599 1,96 2 10 2
Obs: Para calcular o tamanho da amostra, o arredondamento deve ser sempre para mais, para no correr o risco de
aumentar a margem de erro da pesquisa.
Assim, se a produo ininterrupta num perodo de 24 horas, a cada hora devero ser coletadas aproximadamente 6
peas da linha de produo para realizar o controle de qualidade.
3 caso ) Se a varivel escolhida qualitativa, ou se quer estimar uma proporo e a populao considerada
for infinita, o tamanho da amostra poder ser calculado por:
Z 2 p (1 p )
E2
Em que:
p o estimador da verdadeira proporo de um dos nveis da varivel escolhida. Por exemplo, se varivel
escolhida for porte da empresa, p poder ser o estimador da verdadeira proporo de grandes empresas dos
setor que est sendo estudado. Ser expresso em decimais. Assim, se p = 30%, ter-se p = 0,30.
i.
Usar o valor de
ii.
Admitir
p = 0,50, pois, dessa forma, ter-se o maior tamanho da amostra, admitindo-se constantes os demais
elementos.
iii. Tomando uma amostra piloto ou pr-amostra, com um nmero n de elementos, escolhido arbitrariamente
para, com base nela, achar o valor de
n, a mostra piloto j ter sido suficiente para a estimao, em caso contrrio, aumenta-se o tamanho nda
amostra para n, coletando os elementos que faltaram (n - n).
E a margem de erro, expresso em decimais. O erro amostral, nesse caso a diferena mxima admita
entre a proporo populacional desconhecida ( p ) e a proporo amostral
p , isto :
p p E
Z representa a abscissa da curva normal padro. O valor de Z depender do grau de confiana. Nesse caso,
o grau de confiana a probabilidade de ocorrncia de um erro mximo admitido.
P p p E 1
18
Exemplo:
( 4 ) Suponha que se que estimar a proporo de eleitores favorveis ao candidato X. Numa pr-amostra a
porcentagem de eleitores favorveis a esse candidato foi 30%. Quantos eleitores devero ser entrevistados para
estimar a proporo citada com um grau de confiana de 99% e uma margem de erro de 2% para mais ou para
menos.
Soluo
O objetivo estimar uma proporo e o tamanho da populao no conhecido, ento, utiliza-se a seguinte
expresso para calcular o tamanho da amostra:
Z 2 p (1 p )
E2
30
0,3 ,
100
2
0,02 e
100
Procura-se o valor 0,495 no corpo da na tabela da distribuio normal reduzida (Tabela 2.1) e acha-se o valor Z =
2,57 correspondente, de acordo com o esquema a abaixo:
Z
0
7
0,0
Z =2,57
2,5 0,4950
3.467,57 3468
E2
(0,02) 2
4 caso ) Se a varivel escolhida qualitativa, ou se quer estimar uma proporo e a populao finita, o
tamanho da amostra ser calculada por:
Z 2 p (1 p ) N
n 2
E ( N 1) Z 2 p (1 p )
19
Exemplo:
( 5 ) Admita os mesmos dados do exemplo anterior, e que a populao seja formada por 20.000 eleitores.
O objetivo estimar uma proporo e o tamanho da populao conhecido, ento, utiliza-se a seguinte expresso
para calcular o tamanho da amostra:
Z 2 p (1 p ) N
E 2 ( N 1) Z 2 p (1 p )
p 0,3
E 0,02
N = 20000
Z = 2,57
Logo,
02 Para a mesma lista de nomes apresentada no exemplo 2 da seo 3.2, sorteie uma amostra de 30 nomes,
utilizando a tabela de nmeros aleatrios. Porm, escolha outro nmero da tabela para comear o processo de
casualizao e explique a partir de que linha e coluna da tabela foi iniciado o processo.
03 Em que situao deve-se utilizar a amostragem aleatria estratificada? D um exemplo diferente daquele j
visto nesse material.
04 Suponha que se queira fazer uma pesquisa eleitoral com relao preferncia a diretor geral da UNIOESTE
para o campus de Foz do Iguau. Suponha que o campus constitudo de trs categorias (estratos), 1400 alunos
matriculados, 150 professores e 88 funcionrios. Pergunta-se:
a) Se fosse realizada uma amostragem estratificada com 70 pessoas, quantos membros de cada categoria fariam
parte da amostra? Resposta: n1 = 60, n2 = 6, n3 = 4
b) Aps saber quantos membros de cada categoria fariam parte da amostra, qual seria o prximo procedimento?
20
05. Uma amostra constituda de 800 alunos de uma escola. Tendo uma listagem dessa populao, j ordenada,
explique qual o procedimento para obter uma amostra sistemtica de 40 alunos.
06 Sabe-se que numa indstria o desvio padro de especificao das tenses limites de trao de barras de ao
15 kgf/mm2. Afim de, realizar o controle de qualidade da produo de barras de ao, quantas seriam necessrias
2
coletar, com um grau de confiana de 95% e erro amostral de 5kgf/mm Resposta: n =35
07. Admita os mesmos dados do exerccio anterior e que a produo diria seja de 2500 barras. Quantas barras
devero ser coletadas diariamente e quantas devero ser coletadas por hora, se produo feita em 24 horas
ininterruptas. Resposta: n =35
08. Sabendo-se que a proporo de peas defeituosas de uma indstria no ultrapassa 0,10, calcule o tamanho de
amostra necessrio para verificar a porcentagem de peas defeituosas utilizando um grau de confiana de 99% e um
erro amostral de 0,03. Resposta: n = 661
09. Suponha que, entre corpo docente, tcnicos administrativos e corpo discente, sua universidade composta por
um total de 1950 indivduos. De pesquisa eleitoral anterior sabe-se que a porcentagem favorvel ao candidato A, a
diretor geral, de 77%. Calcule o tamanho da amostra para realizar uma nova pesquisa, admitindo um erro de 2% e
um grau de confiana de 95%. Resposta: n = 909
10. Utilize os dados do exerccio anterior para calcular o tamanho da amostra, sem conhecer a porcentagem
favorvel ao candidato ao candidato A. Resposta: n = 1077
21
2. ESTIMAO
2.1 Introduo
A deduo de informaes relativas a uma populao, mediante a utilizao de amostras dela extradas, diz
respeito Inferncia Estatstica.
Um dos objetivos principais da Inferncia Estatstica a estimao de parmetros, tais como a mdia, o desvio
padro, a varincia populacional, a proporo populacional, etc.
Exemplo 1. Deseja-se ter uma ideia acerca da proporo (desconhecida) de produtores de uma regio que
cultivam milho.
Exemplo 2. H o interesse no tempo mdio, de vida de aspersores de uma certa marca, bem como seu desvio
padro. Parmetros: e .
Quando se dispe de apenas uma parte dos elementos da populao (uma amostra), o mximo que se pode
conseguir so valores aproximados para os parmetros desconhecidos, conhecidos como estimativas. Assim,
definem-se os conceitos a seguir:
Basicamente, existem dois processos de estimao, por ponto e por intervalo. Na estimao pontual, um valor
numrico obtido, atravs de um estimador, como aproximao para os elementos do parmetro populacional .
xi
x
i 1
22
Exemplo:
Suponha que x1, x2, . . . , x n seja uma amostra aleatria X que segue a distribuio normal com mdia e
varincia . Verifique se x um estimador no tendencioso para estimar .
2
1
1 n 1 n
xi = E[ xi ] = n E[ x ] =
n
n i 1 n i 1
E[ x ] = E
S2
(x
i 1
x)2
n 1
( xi x)2
N 1 i 1
N
n 1
lim 2 s 2
N 1 2
S
N
23
ou seja, medida que o tamanho da populao finita vai se tornando alto, o uso de
2 ou de S2 praticamente
conduzem ao mesmo resultado.
Novamente, a razo do uso da expresso acima para a varincia amostral a de que, se vrias amostras
um estimador
amostras de tamanho n so coletadas nessa populao, ento a mdia x dessas amostras ter distribuio normal
com mdia e varincia 2/n.
24
Se o desvio padro populacional for conhecido, ento pode-se utilizar diretamente o teorema anterior para
2
calcular a probabilidade associada a x , pois neste caso, x ter distribuio normal, com mdia e varincia /n,
ou seja,
x ~ (, 2/n)
Assim a, a varivel:
tem distribuio normal com mdia 0 e varincia 1. Nesse caso, a probabilidade do intervalo [-/2, /2] conter o
verdadeiro valor de Z 1 - , ou seja:
P[-z/2 Z z/2] = 1 -
Esta probabilidade pode ser visualizada na Figura 4.1
P z / 2
z/2 1
/ n
P x Z / 2
x Z / 2
1
n
n
x Z / 2
x Z / 2
n
n
25
Exemplo
O desvio padro de especificao tcnica de comprimentos de peas produzidas por certa mquina de 2mm.
Uma amostra de 50 peas produzidas por esta mquina apresentou mdia x 25 mm . Construir o I.C. de 95% para
o verdadeiro comprimento mdio da populao de peas produzidas por essa mquina.
Soluo:
= 2 mm
n = 50
x = 25 mm
Grau de confiana 1 - = 0,95 (1 - )/2 = 0,95/2 = 0,475
Procura-se o valor 0,475 no corpo da na tabela da distribuio normal reduzida (Tabela 2.1) e acha-se o valor Z =
1,96 correspondente, de acordo com o esquema a abaixo:
Z =1,96
Dessa forma, tm-se todos os elementos para o clculo do intervalo de confiana da mdia, ou seja:
x z/2
x z/2
n
n
25 1,96
2
2
25 1,96
50
50
25 0,6 25+0,6
24,4 25,6
Interpretao
Assim, o verdadeiro comprimento mdio da populao de peas produzidas por essa mquina 25 mm,
tolerando com 95% de confiana, a margem de erro de 0,6 mm para mais ou para menos.
x
tem distribuio conhecida como t de Student, e que tem como nico parmetro a constante = n
s
n
1 (n de graus de liberdade.)
26
Dessa forma, a probabilidade do intervalo [-t/2, t/2] conter o verdadeiro valor de t 1- , ou seja:
P[-t/2 t t/2] = 1 -
Esta probabilidade pode ser visualizada na Figura 4.2
P t / 2
t/2 1
S/ n
S
S
P x t / 2
x t/2
1
n
n
x t/2
S
S
x t/2
n
n
x
i 1
3810
762 kgf
5
27
n
S2
(x
i 1
x )2
n 1
830
14,4 kgf 2
5 1
G.L = =n - 1 = 5 1 = 4
n = 5,
x t/2
S
S
x t/2
n
n
762 4,604
14,4
14,4
762 4,604
5
5
( n 1)S 2
tem uma distribuio conhecida
2
A partir do teorema 5.3 possvel construir um intervalo de confiana para , utilizando a distribuio quiquadrado, simbolizada por 2.
2
2
A probabilidade do intervalo 1 / 2 ; / 2 conter o algum valor de iguala a 1 - , ou seja,
12 / 2
;
2
2 / 2
28
.= 1 -
( n 1)S 2
2
P 1 / 2
=1-
/
2
2
( n 1)S 2
( n 1)S 2
P 2
2 2
1
1 / 2
/ 2
Portanto, o I. C. de (1 -)x100% da varincia populacional 2 ser:
( n 1)S 2
( n 1)S 2
2
2 / 2
12 / 2
e do desvio padro populacional ser
( n 1)S 2
( n 1)S 2
2 / 2
12 / 2
Exemplo:
Tm-se os seguintes pesos, em gramas, de 10 pacotes postais remetidos por certas empresa:
46,4
46,1
45,8
47,0
46,1
45,9
45,8
46,9
45,2
46,0
Determinar um intervalo de confiana de 95% para a varincia e para o desvio padro dos pesos de todos os pacotes
(populao) expedidos pela empresa.
Soluo:
29
n
x
i 1
46,12 kg
46,4
46,1
45,8
47,0
46,1
45,9
45,8
46,9
45,2
46,0
n = 10, = n 1 = 10 1= 9
1 - = 0,95 = 1 - 0,95 = 0,05 / 2 = 0,05 / 2 = 0,025
1 - / 2 = 1 - 0,025 = 0,975
Na tabela 2.4, para este exemplo, o valor de 1 / 2 achado no cruzamento da linha em que ocorre o valor
2
GL = 9 com a coluna em que ocorre o valor 0,975. J, o valor de / 2 achado na tabela 2.5 para o cruzamento da
mesma linha (GL = 9), com a coluna onde ocorre o valor 0,025. Essa descrio pode ser visualizada no esquema a
seguir.
2
( n 1)S 2
( n 1)S 2
2
2 / 2
12 / 2
9 0,5352
9 0,5352
2
19,023
2,7
0,135 2 0,953
Interpretao
Dessa forma, a probabilidade do intervalo [0,135; 0.953] conter o verdadeiro valor da varincia dos pesos de
todos os pacotes expedidos pela empresa, de 95%. Em outras palavras, se infinitas amostras de pacotes postais
remetidos por esta empresa forem coletados, 95% dos intervalos iro conter o verdadeiro valor da varincia dos
pesos de todos os pacotes expedidos pela mesma.
O I. C. de 95% para o desvio padro populacional ser:
30
Interpretao
Significa que a probabilidade do intervalo [0,367; 0.976] conter o verdadeiro valor do desvio padro dos pesos
de todos os pacotes expedidos pela empresa, de 95%. Em outras palavras, se infinitas amostras de pacotes
postais remetidos por esta empresa forem coletados, 95% dos intervalos iro conter o verdadeiro valor do desvio
padro dos pesos de todos os pacotes expedidos pela mesma.
x
n
Em que x o nmero de vezes que o evento de sucesso ocorre na amostra e n o tamanho da amostra.
Para amostras suficientemente grandes, a distribuio amostral das propores aproximadamente normal
com mdia,
p p
e desvio padro
p(1 p)
=
n
pq
n
ou seja,
pq
p N p,
n
Assim, a varivel aleatria,
p p
pq
n
tem distribuio normal com mdia 0 e varincia 1. Nesse caso, a probabilidade do intervalo [-z/2, z/2] conter o
verdadeiro valor de Z 1 - , ou seja:
P[-z/2 Z z/2] = 1 -
31
Esta probabilidade pode ser visualizada na Figura 4.4
pp
P z / 2 z / 2 1
pq
pq
pq
P p Z / 2
p p Z / 2
1
n
n
p Z / 2
pq
pq
p p Z / 2
n
n
Exemplo
Em uma amostra de 200 peas produzidas por certa mquina, verificou-se que 10 eram defeituosas. Estimar a
verdadeira proporo populacional de peas defeituosas produzidas por essa mquina, utilizando um Intervalo de
90% de confiana.
32
Soluo:
10 0,05
n = 200 p 200
q 1 p 1 0,05 0,95
Procura-se o valor 0,45 no corpo da tabela da distribuio normal reduzida (Tabela 2.1). Nota-se que esse valor no
existe, de acordo com a figura abaixo. Os valores mais prximos do procurado so 0,4495 e 0,4505, os quais tm a
mesma diferena em relao a esse, ou seja, 0,0005. A maioria dos autores opta pelo primeiro valor (0,4495) cujo
valor de Z correspondente 1,64.
Tabela 2.1 Distribuio normal.
Z
0
4
5
0,0
Z = 1,64
Dessa forma, tm-se todos os elementos para o clculo do intervalo de confiana, da proporo, ou seja:
p Z / 2
0,05 1,64
pq
pq
p p Z / 2
n
n
0,05 . 0,95
0,05 . 0,95
p 0,05 1,64
200
200
33
Substituindo a estatstica
( x1 x 2 ) ( 1 2 )
12 22
n1 n2
em P[-z/2 Z z/2] = 1 -
E isolando 1 - 2, obtm-se o Intervalo de confiana para 1 - 2, ou seja,
( x1 x2 ) z / 2
12
n1
22
n2
1 2 ( x1 x2 ) z / 2
12
n1
22
n2
Exemplo
Os desvios padro das duraes das lmpadas eltricas fabricadas pelas indstrias A e B so,
respectivamente, 50h e 80h. Foram ensaiadas 40 lmpadas de cada marca e as duraes mdias foram
respectivamente, 1200h e 1100h. Construir um intervalo de confiana de 99% para a diferena entre as duraes
mdias das lmpadas das duas marcas e verifique se h diferena significativa.
Soluo:
x A 1200 h , A 50 h ,
x B 1100 h , B 80 h ,
n A 40 ,
nB 40 ,
Z
0
7
0,0
Z/2 = 2,57
2,5 0,4950
( x A x B ) z / 2
A2
nA
B2
nB
A B ( x A x B ) z / 2
A2
nA
B2
nB
50 2 80 2
50 2 80 2
40
40
40
40
61,66 1 2 138,34
34
Interpretao
A probabilidade do intervalo que vai de 61,66 a 138,34, conter a diferena entre as duraes mdias das
lmpadas eltricas das duas marcas, de 99%. Haja vista que o valor 0 no pertence ao intervalo, h diferena
significativa entre as mdias.
(x1 x 2 ) d 0
1
1
s 2p
n1 n 2
em P[-z/2 Z z/2] = 1 -
E isolando 1 - 2, obtm-se o Intervalo de confiana para 1 - 2, ou seja,
1
1
1
1
( x1 x2 ) t / 2 S p2 1 2 ( x1 x2 ) t / 2 S p2
n1 n2
n1 n2
Em que s 2p o estimador da varincia comum s duas populaes, expressada por:
s 2p
(n1 1) . s12 (n 2 1) . s 22
n1 n 2 2
Exemplo:
Os dimetros, em mm, de uma amostra de 5 tubos da fabrica A so: 45, 47, 45, 44, 46. J, os de uma
amostra de 6 tubos fbrica B so: 43, 45, 44, 44, 46, e 43. Construir um intervalo de confiana de 95% para as
diferenas entre os dimetros mdios e verificar se h diferena significativa entre as mdias.
Soluo
xA
45 46
45,4 mm ,
5
S A2
xB
43 43
44,2 mm ,
6
S B2
s
2
p
(n A 1) . s A2 (n B 1) . s B2
n A nB 2
(5 1) . 1,3 (6 1) . 1,4
1,4 mm 2 ,
562
(5)
35
1 = 0,95 = 0,05 /2 = 0,025
Para = 5 + 6 2 = 9 graus de liberdade e /2 = 0,025, a tabela de t de Student fornece t/2 = 2,262, como mostra
figura a seguir:
GL \
1
1
1
( x A x B ) t / 2 S p2
n A nB
0,25 0,025
2,262
1
1
A B (( x A x B ) t / 2 S p2
n A nB
1 1
1 1
(45,4 44,2) 2,262 1,4 A B ((45,4 44,2) 2,262 1,4
5 6
5 6
0,42 1 2 2,82 mm
Interpretao
A probabilidade do intervalo que vai de -0,42 a 2,82, conter a diferena entre os dimetros mdios, de 95%.
Haja vista que o valor 0 pertence ao intervalo, no h diferena significativa entre as mdias.
Nesse caso, usamos um mtodo aproximado (Aspin Welch), cuja estatstica dada por:
( x1 x 2 ) ( 1 2 )
s12 s 22
n1 n2
Em que
(w1 w 2 ) 2
w 12
w 22
n1 1 n 2 1
36
w1
s12
n1
e w2
s 22
n2
( x1 x2 ) t / 2
S12 S 22
S2 S2
1 2 (( x1 x2 ) t / 2 1 2
n1 n2
n1 n2
Exemplo
Em certo municpio, registros pluviomtricos mostraram que nos ltimos oito anos, durante o ms de janeiro,
a queda mdia pluviomtrica foi de 125 mm com desvio padro s1 = 25 mm . Outro municpio apresentou nos
ltimos 5 anos, tambm durante o ms de janeiro, uma queda mdia de 100 mm com desvio padro s 2 = 5 mm .
Construir o intervalo de confiana de 99% para a diferena entre as quedas mdias pluviomtricas, supondo desvios
padro populacionais diferentes e interpretar o resultado.
Soluo
x1 125 mm ,
x2 100 mm ,
s1 25 mm ,
s 2 5 mm ,
n1 =8 ,
s12 25 2
w1
78,125 ,
n1
8
n2 =5 ,
s 22 5 2
w2
5,
n2
5
( w1 w2 ) 2
(78,125 5) 2
8
w12
w22
78,125 2
52
8 1
5 1
n1 1 n2 1
GL \
1
0,25 0,005
3,355
37
( x1 x2 ) t / 2
S12 S 22
S2 S2
1 2 (( x1 x2 ) t / 2 1 2
n1 n2
n1 n2
25 2 5 2
25 2 5 2
8
5
8
5
5,59 1 2 55,59 mm
Interpretao
A probabilidade do intervalo que vai de -5,59 a 55,59 mm, conter a diferena entre as quedas mdias
pluviomtricas, de 99%. Haja vista que o valor 0 pertence ao intervalo, no h diferena significativa entre as
mdias.
2150
2200
2130
2180
2120
2180
2100
2130
e 2160
Estimar o tempo mdio de vida e varincia desse tipo de vlvula. Resposta: 2145 h e 1205,6 h2
02. Para estimarmos a resistncia mdia compresso, uma amostra de 5 corpos de prova de concreto apresentou
os seguintes resultados, em Kgf/cm 2:
245
260
254
248
256
a) Construir um intervalo de confiana de 99% para a verdadeira resistncia mdia compresso. R: 240,109
265,091
b) interprete o resultado do item a.
03. Sabendo que o desvio padro das tenses limites de trao de barras de ao 15 kgf/mm 2, e que, uma amostra
2
de 35 barras foi ensaiada apresentando trao mdia igual a 70 kgf/mm , pede-se:
a) Construir um intervalo de confiana de 99% para a verdadeira tenso mdia limite de trao. R: 63,469
76,531
b) Interpretar o resultado do item a.
04. Dois tipos de pneus so fabricados por certa indstria. Amostras de 50 pneus de cada tipo foram testadas,
obtendo-se as duraes mdias de 30000 km para o tipo A , 25000 km para o tipo B, e desvios padro de 3500 km
para o tipo A e 4000 km para o tipo B.
a) Construir o intervalo de confiana de 95% para a diferena entre as duraes mdias dos dois tipos de pneus,
admitindo desvios padro populacionais iguais.
R: 3508,3457 A - B 6491,6543
b) Interprete o resultado do item a. H diferena significativa entre as duraes mdias dos dois tipos de pneus?
38
05. Dois topgrafos mediaram o mesmo ngulo, utilizando o mesmo instrumento. Os resultados obtidos foram:
Topgrafo 1
Topgrafo 2
1515
1513
1516
1515
1518
1512
1517
1515
1514
1515
a) Construir um intervalo de confiana de 99% para a diferena entre as mdias obtidas pelos dois topgrafos. Supor
desvios padro iguais. . R: -0,262 1 - 2 5,662
b) Interpretar o resultado do item a.
06. Dois operrios mediaram o tempo (em minutos) de certa operao industrial, obtendo. Os resultados obtidos
foram:
Operrio 1
Operrio 2
10
13
15
17
13
18
8
20
12
10
15
a) Construir um intervalo de confiana de 95% para a diferena entre os tempos mdios obtidos pelos dois operrios.
Supor desvios padro populacionais diferentes. R: -8,47 1 - 2 1,61
b) Interpretar o resultado do item a.
07. Foram realizadas 12 determinaes da densidade (g/cm 3) de certo metal, obtendo-se os resultados,
12,0
19,3
19,1
19,3
19,2
19,4
19,2
19,3
19,2
19,0
19,5
19,3
Construir um intervalo de confiana de 95% para a varincia e o desvio padro. R: 0,011 2 0,063
0,105 0,251
08. Em uma amostra de 80 componentes eletrnicos, verificou-se que 10 estavam fora das especificaes exigidas
para os mesmos.
a) Construir um intervalo de confiana de 99% para a proporo de componentes fora das especificaes.
R: 0,030 p 0,220
b) Interpretar o resultado do item a.
09. Foram realizadas 30 determinaes da vazo de um rio em determinada seo, obtendo-se a tabela de
frequncias
Vazo (m3/S)
Frequncias
10 I 12
12 I 14
14 I 16
10
16 I 18
18 I 20
20 I 22
39
a) Construir um intervalo de confiana de 99% para a mdia e o desvio padro de vazo. R: 14,5 17,3 e
2,01 4,01
b) Interpretar o resultado do item a.
19
13
17
18
18
17
19
21
23
18
18
11. Uma amostra de pesos das caixas contendo produtos qumicos forneceu os seguintes resultados (em kg)
3,45
3,75
3,54
3,67
3,87
3,50
3,60
3,55
a) Construir um intervalo de confiana de 90% para a mdia e o desvio padro de vazo. R: 3,45 3,79 e
0,084 0,377
b) Para um intervalo de confiana de 90% para a mdia, qual a porcentagem dos valores seguintes:
3,90
4,01
3,56
3,60
3,20
3,98
12. Qual o tamanho mnimo da amostra para se estimar a mdia de uma populao cujo desvio padro igual a 10,
com confiana de 99% e margem de erro igual a 4? Supor que a amostragem obtida sem reposio de uma
populao de 1000 elementos. R: 40
13. Deduzir a expresso para dimensionar a amostra que estima a proporo populacional atravs de um intervalo de
confiana de (1 )100%, sendo uma amostra obtida de uma populao infinita.
Resposta: n
Z 2 p (1 p )
E2
14. Deduzir a expresso para dimensionar a amostra que estima a mdia populacional atravs de um intervalo de
confiana de (1 )100%, sendo uma amostra obtida de uma populao infinita, com desvio padro populacional
desconhecido.
t / 2 .s
Resposta: n
E
40
15. Qual o tamanho da amostra suficiente para estimar a proporo de peas defeituosas fornecidas por certa
mquina, com margem de erro de 0,03 e 99% de confiana, sabendo que essa proporo no ultrapassa a 0,10?
Reposta: n = 661
41
Tabela 2.1 - Distribuio normal - probabilidade de o valor de Z padronizado estar entre 0 e o valor
tabulado nas margens
Z
0
1
2
3
4
5
6
7
8
9
0,0 0,0000 0,0040 0,0080 0,0120 0,0160 0,0199 0,0239 0,0279 0,0319 0,0359
0,1 0,0398 0,0438 0,0478 0,0517 0,0557 0,0596 0,0636 0,0675 0,0714 0,0753
0,2 0,0793 0,0832 0,0871 0,0910 0,0948 0,0987 0,1026 0,1064 0,1103 0,1141
0,3 0,1179 0,1217 0,1255 0,1293 0,1331 0,1368 0,1406 0,1443 0,1480 0,1517
0,4 0,1554 0,1591 0,1628 0,1664 0,1700 0,1736 0,1772 0,1808 0,1844 0,1879
0,5 0,1915 0,1950 0,1985 0,2019 0,2054 0,2088 0,2123 0,2157 0,2190 0,2224
0,6 0,2257 0,2291 0,2324 0,2357 0,2389 0,2422 0,2454 0,2486 0,2517 0,2549
0,7 0,2580 0,2611 0,2642 0,2673 0,2704 0,2734 0,2764 0,2794 0,2823 0,2852
0,8 0,2881 0,2910 0,2939 0,2967 0,2995 0,3023 0,3051 0,3078 0,3106 0,3133
0,9 0,3159 0,3186 0,3212 0,3238 0,3264 0,3289 0,3315 0,3340 0,3365 0,3389
1,0 0,3413 0,3438 0,3461 0,3485 0,3508 0,3531 0,3554 0,3577 0,3599 0,3621
1,1 0,3643 0,3665 0,3686 0,3708 0,3729 0,3749 0,3770 0,3790 0,3810 0,3830
1,2 0,3849 0,3869 0,3888 0,3907 0,3925 0,3944 0,3962 0,3980 0,3997 0,4015
1,3 0,4032 0,4049 0,4066 0,4082 0,4099 0,4115 0,4131 0,4147 0,4162 0,4177
1,4 0,4192 0,4207 0,4222 0,4236 0,4251 0,4265 0,4279 0,4292 0,4306 0,4319
1,5 0,4332 0,4345 0,4357 0,4370 0,4382 0,4394 0,4406 0,4418 0,4429 0,4441
1,6 0,4452 0,4463 0,4474 0,4484 0,4495 0,4505 0,4515 0,4525 0,4535 0,4545
1,7 0,4554 0,4564 0,4573 0,4582 0,4591 0,4599 0,4608 0,4616 0,4625 0,4633
1,8 0,4641 0,4649 0,4656 0,4664 0,4671 0,4678 0,4686 0,4693 0,4699 0,4706
1,9 0,4713 0,4719 0,4726 0,4732 0,4738 0,4744 0,4750 0,4756 0,4761 0,4767
2,0 0,4772 0,4778 0,4783 0,4788 0,4793 0,4798 0,4803 0,4808 0,4812 0,4817
2,1 0,4821 0,4826 0,4830 0,4834 0,4838 0,4842 0,4846 0,4850 0,4854 0,4857
2,2 0,4861 0,4864 0,4868 0,4871 0,4875 0,4878 0,4881 0,4884 0,4887 0,4890
2,3 0,4893 0,4896 0,4898 0,4901 0,4904 0,4906 0,4909 0,4911 0,4913 0,4916
2,4 0,4918 0,4920 0,4922 0,4925 0,4927 0,4929 0,4931 0,4932 0,4934 0,4936
2,5 0,4938 0,4940 0,4941 0,4943 0,4945 0,4946 0,4948 0,4949 0,4951 0,4952
2,6 0,4953 0,4955 0,4956 0,4957 0,4959 0,4960 0,4961 0,4962 0,4963 0,4964
2,7 0,4965 0,4966 0,4967 0,4968 0,4969 0,4970 0,4971 0,4972 0,4973 0,4974
2,8 0,4974 0,4975 0,4976 0,4977 0,4977 0,4978 0,4979 0,4979 0,4980 0,4981
2,9 0,4981 0,4982 0,4982 0,4983 0,4984 0,4984 0,4985 0,4985 0,4986 0,4986
3,0 0,4987 0,4987 0,4987 0,4988 0,4988 0,4989 0,4989 0,4989 0,4990 0,4990
3,1 0,4990 0,4991 0,4991 0,4991 0,4992 0,4992 0,4992 0,4992 0,4993 0,4993
3,2 0,4993 0,4993 0,4994 0,4994 0,4994 0,4994 0,4994 0,4995 0,4995 0,4995
3,3 0,4995 0,4995 0,4995 0,4996 0,4996 0,4996 0,4996 0,4996 0,4996 0,4997
3,4 0,4997 0,4997 0,4997 0,4997 0,4997 0,4997 0,4997 0,4997 0,4997 0,4998
3,5 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998
3,6 0,4998 0,4998 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999
3,7 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999
3,8 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999
3,9 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0.5000 0.5000 0.5000
42
Tabela 2.2 - Distribuio normal - probabilidade do valor de Z padronizado ser maior que o valor
tabulado nas margens (Zc), ou probabilidade do valor Z ser menor que os valores negativos das
margens (-Zc).
Z
0
1
2
3
4
5
6
7
8
9
0,0 0,5000 0,4960 0,4920 0,4880 0,4840 0,4801 0,4761 0,4721 0,4681 0,4641
0,1 0,4602 0,4562 0,4522 0,4483 0,4443 0,4404 0,4364 0,4325 0,4286 0,4247
0,2 0,4207 0,4168 0,4129 0,4090 0,4052 0,4013 0,3974 0,3936 0,3897 0,3859
0,3 0,3821 0,3783 0,3745 0,3707 0,3669 0,3632 0,3594 0,3557 0,3520 0,3483
0,4 0,3446 0,3409 0,3372 0,3336 0,3300 0,3264 0,3228 0,3192 0,3156 0,3121
0,5 0,3085 0,3050 0,3015 0,2981 0,2946 0,2912 0,2877 0,2843 0,2810 0,2776
0,6 0,2743 0,2709 0,2676 0,2643 0,2611 0,2578 0,2546 0,2514 0,2483 0,2451
0,7 0,2420 0,2389 0,2358 0,2327 0,2296 0,2266 0,2236 0,2206 0,2177 0,2148
0,8 0,2119 0,2090 0,2061 0,2033 0,2005 0,1977 0,1949 0,1922 0,1894 0,1867
0,9 0,1841 0,1814 0,1788 0,1762 0,1736 0,1711 0,1685 0,1660 0,1635 0,1611
1,0 0,1587 0,1562 0,1539 0,1515 0,1492 0,1469 0,1446 0,1423 0,1401 0,1379
1,1 0,1357 0,1335 0,1314 0,1292 0,1271 0,1251 0,1230 0,1210 0,1190 0,1170
1,2 0,1151 0,1131 0,1112 0,1093 0,1075 0,1056 0,1038 0,1020 0,1003 0,0985
1,3 0,0968 0,0951 0,0934 0,0918 0,0901 0,0885 0,0869 0,0853 0,0838 0,0823
1,4 0,0808 0,0793 0,0778 0,0764 0,0749 0,0735 0,0721 0,0708 0,0694 0,0681
1,5 0,0668 0,0655 0,0643 0,0630 0,0618 0,0606 0,0594 0,0582 0,0571 0,0559
1,6 0,0548 0,0537 0,0526 0,0516 0,0505 0,0495 0,0485 0,0475 0,0465 0,0455
1,7 0,0446 0,0436 0,0427 0,0418 0,0409 0,0401 0,0392 0,0384 0,0375 0,0367
1,8 0,0359 0,0351 0,0344 0,0336 0,0329 0,0322 0,0314 0,0307 0,0301 0,0294
1,9 0,0287 0,0281 0,0274 0,0268 0,0262 0,0256 0,0250 0,0244 0,0239 0,0233
2,0 0,0228 0,0222 0,0217 0,0212 0,0207 0,0202 0,0197 0,0192 0,0188 0,0183
2,1 0,0179 0,0174 0,0170 0,0166 0,0162 0,0158 0,0154 0,0150 0,0146 0,0143
2,2 0,0139 0,0136 0,0132 0,0129 0,0125 0,0122 0,0119 0,0116 0,0113 0,0110
2,3 0,0107 0,0104 0,0102 0,0099 0,0096 0,0094 0,0091 0,0089 0,0087 0,0084
2,4 0,0082 0,0080 0,0078 0,0075 0,0073 0,0071 0,0069 0,0068 0,0066 0,0064
2,5 0,0062 0,0060 0,0059 0,0057 0,0055 0,0054 0,0052 0,0051 0,0049 0,0048
2,6 0,0047 0,0045 0,0044 0,0043 0,0041 0,0040 0,0039 0,0038 0,0037 0,0036
2,7 0,0035 0,0034 0,0033 0,0032 0,0031 0,0030 0,0029 0,0028 0,0027 0,0026
2,8 0,0026 0,0025 0,0024 0,0023 0,0023 0,0022 0,0021 0,0021 0,0020 0,0019
2,9 0,0019 0,0018 0,0018 0,0017 0,0016 0,0016 0,0015 0,0015 0,0014 0,0014
3,0 0,0013 0,0013 0,0013 0,0012 0,0012 0,0011 0,0011 0,0011 0,0010 0,0010
3,1 0,0010 0,0009 0,0009 0,0009 0,0008 0,0008 0,0008 0,0008 0,0007 0,0007
3,2 0,0007 0,0007 0,0006 0,0006 0,0006 0,0006 0,0006 0,0005 0,0005 0,0005
3,3 0,0005 0,0005 0,0005 0,0004 0,0004 0,0004 0,0004 0,0004 0,0004 0,0003
3,4 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0002
3,5 0,0002 0,0002 0,0002 0,0002 0,0002 0,0002 0,0002 0,0002 0,0002 0,0002
3,6 0,0002 0,0002 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001
3,7 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001
3,8 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001
3,9 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
43
Tabela 2.3- Distribuio t de student - valores de t para para =0,250; 0,200; 0,150; 0,100; 0,05;
0,025; 0,01; 0,005; e 0,001.
\
0,250
0,200
0,150
0,100
0,050
0,025
0,010
0,005
0,001
1 1,000
1,376
1,963
3,078
6,314 12,706 31,821 63,657 636,619
2 0,816
1,061
1,386
1,886
2,920
4,303
6,965
9,925 31,599
3 0,765
0,979
1,250
1,638
2,353
3,182
4,541
5,841 12,924
4 0,741
0,941
1,190
1,533
2,132
2,776
3,747
4,604
8,610
5 0,727
0,920
1,156
1,476
2,015
2,571
3,365
4,032
6,869
6 0,718
0,906
1,134
1,440
1,943
2,447
3,143
3,707
5,959
7 0,711
0,896
1,119
1,415
1,895
2,365
2,998
3,500
5,408
8 0,706
0,889
1,108
1,397
1,860
2,306
2,896
3,355
5,041
9 0,703
0,883
1,100
1,383
1,833
2,262
2,821
3,250
4,781
10 0,700
0,879
1,093
1,372
1,812
2,228
2,764
3,169
4,587
11 0,697
0,876
1,088
1,363
1,796
2,201
2,718
3,106
4,437
12 0,695
0,873
1,083
1,356
1,782
2,179
2,681
3,055
4,318
13 0,694
0,870
1,079
1,350
1,771
2,160
2,650
3,012
4,221
14 0,692
0,868
1,076
1,345
1,761
2,145
2,624
2,977
4,140
15 0,691
0,866
1,074
1,341
1,753
2,131
2,602
2,947
4,073
16 0,690
0,865
1,071
1,337
1,746
2,120
2,583
2,921
4,015
17 0,689
0,863
1,069
1,333
1,740
2,110
2,567
2,898
3,965
18 0,688
0,862
1,067
1,330
1,734
2,101
2,552
2,878
3,922
19 0,688
0,861
1,066
1,328
1,729
2,093
2,539
2,861
3,883
20 0,687
0,860
1,064
1,325
1,725
2,086
2,528
2,845
3,850
21 0,686
0,859
1,063
1,323
1,721
2,080
2,518
2,831
3,819
22 0,686
0,858
1,061
1,321
1,717
2,074
2,508
2,819
3,792
23 0,685
0,858
1,060
1,319
1,714
2,069
2,500
2,807
3,768
24 0,685
0,857
1,059
1,318
1,711
2,064
2,492
2,797
3,745
25 0,684
0,856
1,058
1,316
1,708
2,060
2,485
2,787
3,725
26 0,684
0,856
1,058
1,315
1,706
2,056
2,479
2,779
3,707
27 0,684
0,855
1,057
1,314
1,703
2,052
2,473
2,771
3,690
28 0,683
0,855
1,056
1,313
1,701
2,048
2,467
2,763
3,674
29 0,683
0,854
1,055
1,311
1,699
2,045
2,462
2,756
3,659
30 0,683
0,854
1,055
1,310
1,697
2,042
2,457
2,750
3,646
40 0,681
0,851
1,050
1,303
1,684
2,021
2,423
2,704
3,551
60 0,679
0,848
1,045
1,296
1,671
2,000
2,390
2,660
3,460
120 0,677
0,845
1,041
1,289
1,658
1,980
2,358
2,617
3,373
240 0,676
0,843
1,039
1,285
1,651
1,970
2,342
2,596
3,332
480 0,675
0,842
1,038
1,283
1,648
1,965
2,334
2,586
3,311
960 0,675
0,842
1,037
1,282
1,646
1,962
2,330
2,581
3,301
1920 0,675
0,842
1,037
1,282
1,646
1,961
2,328
2,578
3,296
3840 0,675
0,842
1,037
1,282
1,645
1,961
2,327
2,577
3,293
0,674
0,842
1,036
1,282
1,645
1,960
2,326
2,576
3,291
44
2
c
/
0.995
0.990
0.975
0.950
0.900
0.750
0.500
45
2
c
GL
0.500
0.250
0.100
0.050
0.025
0.010
0.005
1 0.454940
1.323
2.706
3.841
5.024
6.635
7.879
2
1.386
2.773
4.605
5.991
7.378
9.210
10.597
3
2.366
4.108
6.251
7.815
9.348
11.345
12.838
4
3.357
5.385
7.779
9.488
11.143
13.277
14.860
5
4.351
6.626
9.236
11.070
12.833
15.086
16.750
6
5.348
7.841
10.645
12.592
14.449
16.812
18.548
7
6.346
9.037
12.017
14.067
16.013
18.475
20.278
8
7.344
10.219
13.362
15.507
17.535
20.090
21.955
9
8.343
11.389
14.684
16.919
19.023
21.666
23.589
10
9.342
12.549
15.987
18.307
20.483
23.209
25.188
11
10.341
13.701
17.275
19.675
21.920
24.725
26.757
12
11.340
14.845
18.549
21.026
23.337
26.217
28.300
13
12.340
15.984
19.812
22.362
24.736
27.688
29.819
14
13.339
17.117
21.064
23.685
26.119
29.141
31.319
15
14.339
18.245
22.307
24.996
27.488
30.578
32.801
16
15.338
19.369
23.542
26.296
28.845
32.000
34.267
17
16.338
20.489
24.769
27.587
30.191
33.409
35.718
18
17.338
21.605
25.989
28.869
31.526
34.805
37.156
19
18.338
22.718
27.204
30.144
32.852
36.191
38.582
20
19.337
23.828
28.412
31.410
34.170
37.566
39.997
21
20.337
24.935
29.615
32.671
35.479
38.932
41.401
22
21.337
26.039
30.813
33.924
36.781
40.289
42.796
23
22.337
27.141
32.007
35.172
38.076
41.638
44.181
24
23.337
28.241
33.196
36.415
39.364
42.980
45.559
25
24.337
29.339
34.382
37.652
40.646
44.314
46.928
26
25.336
30.435
35.563
38.885
41.923
45.642
48.290
27
26.336
31.528
36.741
40.113
43.195
46.963
49.645
28
27.336
32.620
37.916
41.337
44.461
48.278
50.993
29
28.336
33.711
39.087
42.557
45.722
49.588
52.336
30
29.336
34.800
40.256
43.773
46.979
50.892
53.672
40
39.335
45.616
51.805
55.758
59.342
63.691
66.766
50
49.335
56.334
63.167
67.505
71.420
76.154
79.490
60
59.335
66.981
74.397
79.082
83.298
88.379
91.952
120 119.334
130.055
140.233
146.567
152.211
158.950
163.648
240 239.334
254.392
268.471
277.138
284.802
293.888
300.182
480 479.334
500.519
520.111
532.075
542.599
555.006
563.561
960 959.333
989.180 1016.566 1033.193 1047.760 1064.867 1076.621
15.25
15.2667
15.3
15.28333
15.2167
15.25
15.2
15.25
15.2333
15.25