Aula12 Pt1 Mat Estat Prob TE FINEP 67142

Flavia Alice Pra?
a Noguei02173353730
ESTATSTICA PARA FINEP

PROFESSOR: GUILHERME NEVES
Aula 12 Parte 1
Amostragem e Estimadores ...................................................................... 2
Intervalo de confiana para a mdia .......................................................... 9
Intervalo de confiana para propores.....................................................39
Relao das questes comentadas ...........................................................51
Fl
av
ia
Al
ic
e
Pr
a?
og
ue
i0
2
17
3
35
37
30
Fl
av
ia
Al
ic
Pr
a?
og
ue
i0
21
73
35
37
30
Gabaritos ..............................................................................................57
Prof. Guilherme Neves
www.pontodosconcursos.com.br
O contedo deste curso de uso exclusivo de Flavia Alice Pra?a Noguei02173353730, vedada, por quaisquer meios e a qualquer ttulo, a sua
reproduo, cpia, divulgao e distribuio, sujeitando-se os infratores responsabilizao civil e criminal.
Flavia Alice Pra?a Noguei02173353730

Amostragem e Estimadores
73
35
37
30
Inferncia algo que todo mundo j fez na vida. Ao fazer um exame de

sangue, por exemplo, no necessrio tirar todo o sangue (rs...). A
informao sobre o todo extrada de uma amostra. Nem sempre to
simples assim, j que, s vezes, o todo sobre o qual queremos uma
informao mais complexo, mais heterogneo que o sangue.
og
ue
i0
21
Em uma pesquisa para as intenes de voto para prefeito, no basta o

pesquisador tomar as opinies somente dos moradores dos Jardins (em So
Paulo) ou em Casa Forte (em Recife). O resultado da eleio nesses bairros,
tendo em vista serem regies de renda elevada, pode ser diferente do
resultado em bairros mais pobres. A pesquisa s serviria para termos uma
noo da inteno de voto naqueles bairros, e no na cidade como um todo.
av
ia
Al
ic
Pr
a?
aqui que entra a Estatstica Inferencial. Na inferncia estatstica, o todo

denominado populao; o pedao denominado amostra. Portanto, a
estatstica inferencial trata de, a partir da amostra, obter informaes sobre a
populao.
og
ue
i0
2
17
3
35
37
30
Fl
Suponhamos que desejamos conhecer alguma coisa de determinada

populao. Pode ser a mdia salarial, a varincia das idades, etc. Essa
populao pode ser composta de milhares (ou milhes!) de elementos. Neste
caso, pessoas, mas poderia ser qualquer coisa. Bom, so tantos elementos que
seria muito difcil pesquisar o valor correto, pois seria invivel pesquisar todos
os elementos. Nesse caso, somos obrigados a recorrer aos valores encontrados
em uma amostra.
Fl
av
ia
Al
ic
e
Pr
a?
Quando o nmero de elementos na amostra muito pequeno em relao ao

tamanho da populao, dizemos que a populao infinita. Vejamos, por
exemplo, as pesquisas eleitorais: h milhes e eleitores e os institutos de
pesquisa entrevistam mil, 2 mil pessoas e conseguem praticamente acertar os
resultados.
O valor da populao, chamado parmetro populacional, desconhecido. O
que possvel de se obter um valor da amostra, que supostamente nos d
uma idia do valor correto (populacional) do parmetro. Esse valor amostral
chamado de estimador do parmetro populacional.
Por exemplo, queremos saber a mdia da altura dos adolescentes de Recife.
Como h muitos adolescentes, recorremos a uma amostra de, digamos, 80
pessoas. A mdia da amostra encontrada foi de 1,72m. Essa a nossa
estimativa para a mdia das alturas de todos os adolescentes de Recife.

No confunda estimativa com estimador. Estimador uma varivel. Se a
amostra fosse outra, poderamos ter encontrado outra estimativa. Estimativa
o valor encontrado para essa varivel, isto , o valor encontrado para o
estimador nessa amostra.
73
35
37
30
A mdia das alturas dos adolescentes realmente 1,72m? No temos como

saber, a no ser que tenhamos condies de entrevistar todos os adolescentes
de Recife. Portanto, muito importante, a partir de agora, diferenciar o
parmetro populacional e o estimador. A partir de agora utilizaremos smbolos
diferentes para populao e amostra.
21
= mdia populacional (parmetro populacional)
og
ue
i0

= mdia amostral (estimador)

Al
ic
Pr
a?
importante frisar que no apenas uma diferena de valores. Enquanto o

parmetro populacional constante (valor fixo), o estimador depende da
amostra escolhida. O estimador est associado a uma distribuio de
probabilidade e, assim, uma varivel aleatria.
Fl
av
ia
Outra notao importante que vamos utilizar para a varincia/desvio-padro

populacional/amostral.
37
35
17
3
= varincia amostral
30
= varincia populacional
Pr
a?
og
ue
i0
2
Em geral, chamamos o parmetro populacional por uma letra grega e o

estimador por uma letra latina correspondente. Em geral, usamos o mesmo
smbolo do parmetro populacional para os valores obtidos de uma varivel
aleatria. Ou seja, a mdia de uma varivel aleatria designada por e sua
varincia por .
Fl
av
ia
Al
ic
e
Parmetro: uma caracterstica da populao

Estatstica: uma caracterstica da amostra
J sabemos que o estimador no igual ao parmetro populacional. No

entanto, preciso (ou desejvel) que ele atenda a algumas propriedades.
Quando fazemos uma amostragem, conseguimos apenas saber a mdia e o
desvio padro da amostra feita. Nosso objetivo, portanto, , a partir dos
valores de mdia e desvio padro da amostra, estimar quais os valores de
mdia e desvio padro da populao. Nosso objetivo estimar o valor do
parmetro desconhecido.

Claro que poderamos estar interessados em outros parmetros que no a
mdia e o desvio padro. Mas, em concursos, na grande maioria das questes,
so cobrados apenas esses dois parmetros (alm da varincia, intimamente
relacionada com o desvio padro, e da proporo, que veremos nesta aula).
Quando escolhemos um estimador, podemos estar interessados em diversas
caractersticas. Alguns tipos de estimadores so:
73
35
37
30
- No viesados (ou no tendenciosos ou no viesados)

- De mxima verossimilhana
i0
21
- De varincia mnima
og
ue
- De mnimos quadrados
da
varivel
Pr
mdia
aleatria
(parmetro
Al
ic
Naquela aula vimos que

populacional) igual a 3,5.
a?
Vamos voltar ao exemplo do dado visto na aula de variveis aleatria.
Fl
av
ia
Imagine que ns lanamos o dado 5 vezes e obtivemos o seguintes resultados:

3, 3, 4, 5, 6.
17
3
35
37
30
Estes cinco lanamentos so uma amostra dos infinitos resultados que

poderiam ocorrer. Se quisermos nos referir mdia de uma amostra, vamos
.
utilizar o smbolo

og
ue
i0
2

=

3+3+4+5+6
= 4,2
5
O valor da mdia da amostra ( X ) um estimador da mdia populacional ( ).
Al
ic
e
Pr
a?
um estimador no tendencioso, de varincia mnima, de mnimos quadrados

e, se a varivel aleatria for normal, tambm um estimador de mxima
verossimilhana.
Fl
av
ia
Mais adiante falamos sobre o que significa cada uma destas caractersticas dos
estimadores.
Resumindo: se o exerccio pedir qualquer
calcularemos a mdia aritmtica simples, ok?
estimador
para
mdia,
Vamos agora falar sobre os estimadores da varincia.

J comentei que o parmetro populacional e que o estimador.
O estimador que vamos usar geralmente :

=

1
21
73
35
37
30
que a mesma frmula vista para a varincia na aula de Estatstica Descritiva.

Quando demos a frmula para a varincia amostral, dissemos que o
denominador era n 1 . Na hora eu no expliquei muita coisa. Pois bem,
quando queremos estimar a varincia da populao, um dos fatores que tem
influncia nesse denominador justamente a caracterstica desejada para o
estimador. Para que o estimador tenha uma certa caracterstica de tal forma
que ele possa ser enquadrado como no tendencioso, necessrio que o
denominador seja n 1 .
a?
Pr
(X
=
Al
ic
og
ue
i0
Este estimador acima o mais utilizado. Ele no tendencioso. Contudo, no

caso da varivel normal, ele no o estimador de mxima verossimilhana.
O estimador de mxima verossimilhana :
ue
i0
2
17
3
35
37
30
Fl
av
ia
Se por acaso o exerccio der uma amostra de uma varivel normal e pedir para
calcular o estimador de mxima verossimilhana da varincia utilizamos n no
denominador (em vez de n 1 ). Mas acho que improvvel que isto ocorra. O
que deve vai cair mesmo com o denominador n 1 . improvvel, mas no
impossvel, conforme veremos em alguns exerccios de concursos durante a
aula.
og
01. (Sefaz-RJ 2008/FGV) SEFAZ RJ 2008 [FGV] Considere uma Amostra

Aleatria Simples de n unidades extradas de uma populao na qual a
caracterstica, X, estudada tem distribuio Normal com mdia e varincia
Pr
a?
2 , ambas desconhecidas, mas finitas. Considere, ainda, as estatsticas mdia
1 n
1 n
2
,
e
varincia
da
amostra
X
s
=
i
Xi X
n i =1
n i =1
. Ento,
Al
ic
e
da amostra, X =
Fl
av
ia
correto afirmar que:

(A) X e S 2 so, ambos, no tendenciosos para a estimao da mdia e da
varincia da populao, respectivamente.
(B) X no-tendencioso, mas S 2 tendencioso para a estimao da mdia e
da varincia da populao, respectivamente.
(C) X tendencioso, mas S 2 no-tendencioso para a estimao da mdia e
(D) X e S 2 so, ambos, tendenciosos para a estimao da mdia e da

(E) X e S 2 so, ambos, no-tendenciosos para a estimao da mdia e da
varincia da populao, mas apenas X consistente.
Resoluo:
Nesta questo, temos:
73
35
37
30
- a mdia aritmtica da amostra como um estimador da mdia populacional:

vimos que a mdia da amostra um estimador no-tendencioso.
21
- a varincia da amostra como um estimador da varincia populacional: vimos

que, quando se usa n no denominador, o estimador tendencioso.
og
ue
i0
Gabarito: B
Pr
a?
02. (CGU 2008/ESAF) Qual o estimador de mxima verossimilhana da

varincia de uma varivel X normalmente distribuda obtido a partir de uma
amostra aleatria simples X1, X2, X3, ..., Xn, desta varivel, sendo m = X i / n o
b)
(X
m) 2
av
ia
a)
(X
Al
ic
estimador de mxima verossimilhana da mdia?
30
Fl
n 1
37
m) 2
ue
i0
2
0, 5
og
( X i m) 2
c)
n 1
17
3
35
n2
(X
m) 2
e)
(X
m) 2
Fl
av
ia
Al
ic
e
Pr
a?
d)
Resoluo
O enunciado est usando a letra m para indicar a mdia amostral.
Vimos que o estimador de mxima verossimilhana da varincia para a
distribuio normal aquele que apresenta n no denominador.
Gabarito: E.

03. (APOFP SEFAZ/SP 2009/ESAF) SEFAZ SP 2009 [ESAF] (Dados da
questo anterior: 17, 12, 9, 23, 14, 6, 3, 18, 42, 25, 18, 12, 34, 5, 17, 20, 7,
8, 21, 13, 31, 24, 9.)
73
35
37
30
Considerando que as observaes apresentadas na questo anterior

constituem uma amostra aleatria simples X1, X2, ..., Xn de uma varivel
aleatria X, determine o valor mais prximo da varincia amostral, usando um
estimador no tendencioso da varincia de X.
Considere que:
= 388
21
23
2
i
= 8676
og
23
ue
i0
i =1
c) 94,45
d) 90,57
e) 98,73
Pr
b) 92,64
a) 96,85
a?
i =1
Al
ic
Resoluo
Fl
av
ia
Vamos resolver de duas maneiras. A primeira delas aplicando uma das

frmulas que vimos na aula de estatstica descritiva (varincia para amostra).
17
3
35
37
30

1

=

1

1
388
8.676
96,84
23 1
23
og
ue
i0
2
=
Fl
av
ia
Al
ic
e
Vimos que:
Pr
a?
A outra maneira consiste em fazer uma adaptao da frmula de varincia que

estudamos aqui em Estatstica Inferencial (na aula de variveis aleatrias).
= ! [!]
Ou seja, a varincia igual diferena entre a mdia dos quadrados e o

quadrado da mdia.
Para aplicarmos esta frmula em Estatstica Descritiva, devemos fazer a
adaptao dos smbolos (varincia populacional):

=
Onde:


=
=

No caso da varincia amostral, devemos fazer uma adaptao. Basta

multiplicar a varincia amostral por n/(n-1).

1
73
35
37
30

%
= $
og
ue
i0
388
=
23

=

21
O primeiro passo calcular a mdia aritmtica. Basta somar todos os valores e

dividir pela quantidade de observaes.
a?
Pr
Al
ic
8.676
=

23
av
ia
=
A mdia dos quadrados das observaes:
30
Fl
Comeamos calculando a diferena entre a mdia dos quadrados e o quadrado

da mdia.

17
3
35
37
8.676
388

=

&
'
23
23
ue
i0
2
Agora multiplicamos esse resultado por n/(n-1)
og
O estimador no tendencioso da varincia :
Fl
av
ia
Al
ic
e
Pr
a?

%
= $

8.676
388
23
=
&
'
1
23
23
23 1
388 23 8.676 23
388 23
8.676
=
&
'
=
&
'
23
22
23 22
23
22
23
=
8.676
388
96,8458
22
23 22
Letra A
Vamos falar agora um pouquinho sobre o estimador para propores.
Considere que a proporo de eleitores de uma cidade que pretendem votar
em um candidato X de 30%. Esse um parmetro populacional, pois

estamos nos referindo a todos os eleitores da cidade. Sempre que nos
referirmos proporo da populao, usamos o smbolo p .
( = 30% = 0,30
Suponha que vamos realizar uma pesquisa eleitoral e, para tanto,
entrevistamos 200 pessoas. Dessas 200 pessoas, 80 afirmaram que votariam
no candidato X. A proporo na amostra das pessoas que votaro em X 40%.
73
35
37
30
A proporo da amostra ns denotamos por ( .
( = 40% = 0,40
ue
i0
21
Ns utilizamos ( como estimador de (.
og
Simples, no?
Pr
a?
Agora sim, vamos ao que interessa. Calcular intervalos de confiana.
Al
ic
Intervalo de confiana para a mdia
37
30
Fl
av
ia
Muitas populaes podem ser modeladas segundo uma varivel aleatria.

Como exemplo, considere a temperatura de um local, medida com um fictcio
termmetro de infinitas casas aps a vrgula.
ue
i0
2
17
3
35
Nosso objetivo estimar a temperatura mdia do local em um dado dia. Para

tanto, consideramos que a temperatura se comporta como uma varivel
aleatria X.
og
Deste modo, encontrar a temperatura mdia do local o mesmo que encontrar

a esperana de X.
ic
e
Pr
a?
E( X ) = = ?
Fl
av
ia
Al
Num dado dia, vamos l nesse local e, em dez instantes diferentes, medimos a
temperatura. Agora temos uma amostragem de tamanho 10 para a
temperatura no local.
Suponha que esta mdia tenha sido X 1 = 2 C.
Neste ponto, no custa nada lembrar a simbologia que padronizamos.
X a mdia de uma amostra
a mdia da populao ( o valor que pretendemos estimar)

S que os instantes em que realizamos a amostragem foram aleatoriamente
escolhidos. Se, por acaso, outros instantes tivessem sido escolhidos, cada uma
das medies poderia ser ligeiramente diferente. Seria possvel ter obtido uma
segunda mdia igual a X 2 = 2,1 C.
Ou tambm seria possvel ter obtido uma terceira mdia X 3 = 2,051 C.
73
35
37
30
Quando nos referimos a uma nica amostra, X representa um nmero, a

mdia aritmtica daquela amostra.
Mas tambm podemos nos referir a X de forma diferente. Podemos pensar em
21
inmeras amostras, com X assumindo valores diferentes em cada uma delas.
og
ue
i0
Assim, X seria uma varivel aleatria.
a?
X pode ser vista como uma varivel aleatria!
av
ia
E(X ) =
Al
ic
Pr
possvel demonstrar que:
37
30
Fl
Ou seja, o valor esperado para a mdia amostral (vista como uma varivel
aleatria) igual mdia da populao.
17
3
35
Explicando melhor.
ue
i0
2
Se fosse possvel fazer muitas e muitas amostras, de tal modo que, em cada
uma delas, calculssemos a mdia amostral ( X ), a mdia de todos os valores
Pr
a?
Outro exemplo.
og
de X seria justamente a mdia da populao ( ).
Al
ic
e
Considere um tetraedro regular. Nas suas faces temos os nmeros 1, 2, 3, 4.
Fl
av
ia
Lanamos o tetraedro sobre uma mesa. X representa o valor da face que fica
em contato com a mesa.
Vamos realizar um estudo dos possveis resultados deste lanamento. Para
tanto, lanamos duas vezes (amostra de tamanho 2).
Saram os resultados 1 e 3.
Para esta amostra em particular a mdia amostral foi:
X =
1+ 3
=2
2
10

Ok, fizemos uma nica amostra. Neste caso, X um nmero. simplesmente
a mdia aritmtica dos valores pertencentes amostra.
Acontece que no estamos interessados em uma amostra especfica, que
fornece um valor nico para X . Estamos interessados na varivel aleatria X .
1e4
2e1
2e2
2e3
2e4
3e1
3e2
3e3
3e4
4e1
4e2
4e3
4e4
21
1e3
i0
1e2
Pr
a?
og
ue
1e1
73
35
37
30
O resultado do lanamento do dado aleatrio. Seria possvel que tivssemos

obtido outras amostras. Se o tetraedro for homogneo, as possveis amostras
seriam:
Al
ic
Seriam 16 amostras possveis, todas elas com a mesma probabilidade de

ocorrer.
Fl
av
ia
O valor da mdia amostral em cada uma dessas amostras seria:

X
1e1
1e2
1,5
1e3
1e4
2,5
2e1
1,5
2e2
2e3
2,5
2e4
3e1
3e2
2,5
3e3
Fl
av
ia
Al
ic
e
Pr
a?
og
ue
i0
2
17
3
35
37
30
Valores da
amostra
11
3e4
3,5
4e1
2,5
4e2
4e3
3,5
4e4
21
Valores da
amostra
73
35
37
30

og
ue
i0
Repare que X pode ser visto como uma varivel aleatria que assume
diversos valores.
Pr
1
(1 + 1,5 + 2 + 2,5 + 1,5 + 2 + 2,5 + 3 + 2 + 2,5 + 3 + 3,5 + 2,5 + 3 + 3,5 + 4)
16
Al
ic
E( X ) =
a?
A mdia de todos os possveis valores de X fica:
Fl
av
ia
E ( X ) = 2,5
37
30
Vamos agora calcular a mdia da varivel aleatria X.
17
3
35
A varivel aleatria X assume os valores 1, 2, 3, 4, cada um com probabilidade

1/4.
E( X ) = =
1
1
1
1
1 + 2 + 3 + 4
4
4
4
4
= 2,5
ic
e
Pr
a?
og
ue
i0
2
Portanto:
Fl
av
ia
Al
Concluindo: a esperana da mdia amostral igual esperana da populao.

Isto significa que, se fosse possvel fazer um nmero muito grande de
amostras, a mdia de todas as mdias amostrais seria igual mdia da
populao.
Ainda no falamos sobre as diversas caractersticas dos estimadores. Mas j
podemos antecipar uma delas: o estimador no tendencioso (ou no viciado).
O fato da mdia de X ser igual mdia da populao nos permite classificar
X como estimador no tendencioso (ou no viciado). Usando esse estimador,
em mdia (considerando as inmeras amostras que poderiam ser feitas), ns
estamos realmente acertando o valor do parmetro desconhecido.
12

Sempre que a esperana de um estimador for igual ao parmetro
estimado, estamos diante de um estimador no tendencioso.
E ( X ) = : a mdia de X igual ao parmetro estimado; se fizssemos
inmeras amostragens, em mdia, acertaramos a mdia populacional.
73
35
37
30
Sabendo que X pode ser vista como uma varivel aleatria, possvel calcular
a sua varincia.
Seja 2 a varincia da populao.
possvel demonstrar que, sendo n o tamanho das amostras, a varincia de
og
a?
V (X ) =
ue
i0
21
X fica:
Al
ic
av
ia
X2 =
Pr
2
Um outro smbolo possvel para a varincia de X seria: X . Portanto:
30
Fl
A varincia da mdia amostral igual varincia da populao dividido por n.
ue
i0
2
17
3
35
37
Por conseqncia, o desvio padro da mdia amostral :
X =
Pr
a?
og
Ou seja, o desvio padro de X igual ao desvio padro da populao dividido

por raiz de n.
Fl
av
ia
Al
ic
e
Estas frmulas da varincia e desvio padro s so vlidas se a

varivel aleatria tiver populao infinita (ou seja, assume infinitos
valores, como no caso de uma varivel aleatria contnua).
Caso a populao seja finita (como foi o caso do lanamento do tetraedro), o
resultado continua valendo, desde que a amostragem seja feita com reposio.
Caso a populao seja finita e a amostragem seja feita sem reposio, as
frmulas devem ser adaptadas. Veremos esta adaptao posteriormente. Para
a maior parte dos concursos, esta correo para populao finita pode
simplesmente ser ignorada, pois quase nunca cobrada.
Por hora, vamos nos concentrar na frmula que mais cobrada:
13

X2 =
2
n
Por conseqncia:
X =
varincia
(e, consequentemente, desvio padro
).
21
73
35
37
30
X pode ser vista como uma varivel aleatria com esperana e
i0
Ou seja, a mdia de X igual mdia da populao. E a varincia de
og
ue
X igual varincia da populao dividida por n. O desvio padro de
X igual ao desvio padro da populao dividido por raiz de n.
Pr
a?
Agora vem o grande detalhe. Pelo teorema do limite central possvel
30
Fl
av
ia
Al
ic
demonstrar que a varivel aleatria X tem distribuio aproximadamente

normal. A aproximao melhor quanto maior o tamanho das amostras
(quanto maior o valor de n). Isto vale mesmo que a varivel X no seja
normal.
17
3
35
37
Caso a varivel X seja normal, a varivel X tambm ser normal (a j no

aproximao).
og
ue
i0
2
Ou seja, para a varivel X ns podemos utilizar a tabela de reas para a

varivel normal. Isto de extrema utilidade na determinao dos chamados
intervalos de confiana.
pode ser vista como uma varivel aleatria normal (ou
Pr
a?
ic
e
aproximadamente normal), com mdia , varincia
e desvio
Al
Fl
av
ia
padro
A aproximao vale mesmo que X no seja normal. Quanto maior

o tamanho das amostras, melhor a aproximao.
14

04. (SEFAZ-RJ 2011/FGV) Um processo X segue uma distribuio normal, com
mdia 15 e desvio padro 2, ou seja, ~-15,2 . Sobre uma amostra de
), analise as afirmativas a seguir:
tamanho 36 (
tambm normal.
I. Dado que X normal,
= . /, no qual .

II. A mdia amostral difere da populao pelo fator
a mdia populacional e n o nmero de observaes na amostra.
21
i0
ue
a?
og
Assinale
(A) se apenas a afirmativa I estiver correta.
(B) se apenas as afirmativas I e II estiverem corretas.
(C) se apenas as afirmativas II e III estiverem corretas.
(D) se apenas as afirmativas I e III estiverem corretas.
(E) se todas as afirmativas estiverem corretas.
73
35
37
30
apresenta desvio-padro 1/3.

III.
Pr
Resoluo
Fl
av
ia
Al
ic
tambm ser uma varivel

J vimos que se X uma varivel normal,

normal. Assim, a frase I est correta.
ue
i0
2
17
3
35
37
30
A frase II est errada. No temos como saber a diferena exata entre a mdia
populacional e a mdia amostral, a no ser que seja fornecido o valor da mdia
populacional. Ele tente confundir o candidato com uma frmula que no existe
e que parecida com a frmula do erro padro da mdia.
og
A frase III pede o desvio-padro (erro padro) da mdia.
Pr
a?
A frase III est correta.
36
2 1
=
6 3
Fl
av
ia
Al
ic
e
Letra D

. =
Seja X uma varivel aleatria que representa uma populao infinita com
varincia conhecida ( 2 ). Este infinita s para ser um pouco rigoroso. Caso
a populao seja finita, os resultados que veremos s se aplicam se a
amostragem for feita com reposio. No concurso s vai cair assim. Muitas
questes nem se preocupam em detalhar isto... fica implcito. Eu diria que
vocs no precisam se preocupar com o caso de populao finita e
amostragem sem reposio.
Pois bem, ento X nossa varivel aleatria com varincia conhecida ( 2 ). X
representa nossa populao. Apesar de conhecermos sua varincia, no
15

conhecemos sua mdia ( ). Nosso objetivo ser obter uma amostra e, a partir
dela, definir o chamado intervalo de confiana para .
Vamos supor que a varincia da populao seja de 16.
V ( X ) = 2 = 16
A mdia da populao, esta ns no conhecemos. Vamos cham-la de .
73
35
37
30
E( X ) = = ?
21
Vamos obter uma amostra de tamanho 4.
ue
i0
n=4
og
A mdia de uma amostra de tamanho 4 X .
a?
Antes de efetivamente fazer uma amostragem (o que nos fornecer um valor
Pr
especfico para X ), vamos pensar em todas as amostras que poderiam ser
Al
ic
obtidas (com tamanho 4). Em cada uma delas, X assume um valor diferente.
30
Fl
av
ia
Conforme visto no comeo da aula, X pode ser vista como uma varivel
aleatria normal (ou aproximadamente normal) de mdia .
V (X ) =
V (X ) =
2
n
16
=4
4
og
ue
i0
2
17
3
35
37
Sabemos tambm que X tem uma varincia dada por:
X = 4 = 2
Al
ic
e
Pr
a?
Portanto, o desvio padro da varivel X dado por:
Fl
av
ia
Vamos criar a seguinte varivel transformada:
Z=
A varivel Z, conforme j estudado anteriormente, tem mdia zero e desvio

padro unitrio. a nossa varivel normal reduzida.
Sabemos que Z tem mdia zero e desvio padro unitrio. E Z tambm uma
varivel normal (ou aproximadamente normal).
16

Para a varivel Z ns podemos consultar a tabela da varivel normal reduzida.
Vamos determinar o intervalo, centrado na mdia, que contm 95% dos
valores de Z.
Consultando a tabela da distribuio normal padro, temos que o intervalo de
0 a 1,96 contm 47,5% dos valores. Portanto, o intervalo de -1,96 a 0
tambm contm 47,5% dos valores.
ue
i0
2
17
3
35
37
30
Fl
av
ia
Al
ic
Pr
a?
og
ue
i0
21
73
35
37
30
Juntando os dois, temos que 95% dos valores esto entre -1,96 e 1,96 (rea
verde abaixo).
Pr
a?
ic
e
Lembrando:
Mas quem Z?
og
Isto quer dizer que 95% dos valores de Z esto entre -1,96 e 1,96.
Fl
av
ia
Al
Z=
Ou seja, se fizssemos vrias amostras e para cada uma delas obtivssemos

um valor para X , em 95% dos casos o valor
Portanto, a probabilidade de
estaria entre -1,96 e 1,96.
assumir valores entre -1,96 e 1,96 de
95%.
17

Ok. Agora ns pegamos e realmente fazemos uma amostra com 4 valores.
Esta amostra resultou em:
1, 5, 3, 1.
Para esta amostra especfica, o valor de X foi 2,5. Com base nesta amostra
especfica, temos um valor especfico para X . Se considerarmos apenas esta
73
35
37
30
amostra, X no mais varivel. um valor nico (2,5).

E para esta amostra especfica o valor de Z :
21
2,5
.
2
ue
i0
Z=
Pr
a?
og
A probabilidade de este valor estar no intervalo de -1,96 a 1,96 no mais

95%. Isto porque a expresso acima no assume mais valores diversos,
aleatrios. um valor nico.
Al
ic
2,5 um nmero, uma constante.
av
ia
O valor de tambm um nmero, constante. desconhecido. Mas
Fl
constante. A mdia da populao um nmero, um valor nico.
37
30
E, por fim, o denominador 2 tambm constante.
17
3
35
2,5
, obtemos um valor que pode ou no estar no intervalo
2
ue
i0
2
Fazendo a conta
-1,96 a 1,96.
Pr
a?
og
Quando substitumos a varivel X por um valor obtido para uma dada amostra
especfica, no falamos mais em probabilidade.
2,5
estar entre 2
Al
ic
e
errado afirmar que, com probabilidade de 95%, o valor
Fl
av
ia
1,96 e 1,96.
Mas, supondo que este valor esteja entre -1,96 e 1,96, ficamos com:
1,96
2,5
1,96
2
3,92 2,5 3,92

2,5 3,92 3,92 2,5
6,42 1,42
18

1,42 6,42
Este intervalo entre -1,42 e 6,42 chamado de intervalo de 95% de confiana

para a mdia da populao.
Repare que no temos certeza de que a mdia da populao ( ) esteja neste
73
35
37
30
intervalo. Nem podemos dizer que a probabilidade de ela estar neste intervalo
seja de 95%.
Tentando explicar de outra forma o que foi feito.
ue
i0
21
Em 95% dos casos, X est distante menos de 1,96 desvios padro da mdia
.
a?
og
Como o desvio padro de X 2, temos que em 95% dos casos X dista menos
que 3,92 da mdia .
Pr
a?
og
ue
i0
2
17
3
35
37
30
Fl
av
ia
Al
ic
Pr
Ou seja, em 95% dos casos X est entre 3,92 e + 3,92 .
Al
ic
e
Fazemos a amostragem. Obtemos um especfico valor para X (=2,5). Este

valor pode estar ou no no intervalo entre 3,92 e + 3,92 . Se fizssemos
Fl
av
ia
inmeras amostragens, em 95% delas o valor de X de fato estaria contido no

referido intervalo. Para este valor em particular (2,5), no temos como saber.
Vamos supor que este valor esteja neste intervalo. Se isto for verdade, qual o
intervalo que contm ?
O valor encontrado para X de 2,5. Este valor pode tanto estar esquerda de
quanto direita. Vamos fazer os dois casos extremos.
Se X estiver esquerda de , o caso mais extremo seria justamente quando:
19

X = 3,92
2,5 = 3,92
Este caso extremo ocorreria se
= 6,42
73
35
37
30
Se X estiver direita de , o caso mais extremo seria justamente quando:

X = + 3,92
i0
21
2,5 = + 3,92
og
ue
Este caso extremo ocorreria se:
a?
= 1,42
Al
ic
Pr
Resumindo, supondo que o valor encontrado para X dista menos de 1,96

desvios padro de , os valores extremos que pode assumir so -1,42 e
av
ia
6,42. Portanto, com 95% de confiana, est neste intervalo.
35
37
30
Fl
Esta estimativa da mdia da populao por vezes chamada de estimativa por

intervalo. No estamos lhe atribuindo um valor nico, mas uma faixa de
valores.
ue
i0
2
17
3
No comeo desta aula vimos como fazer a estimativa por ponto. Na estimativa
por ponto no determinvamos uma faixa de valores. Sim um valor nico.
og
Estimvamos o valor de com o valor de X .
X Z 0 X X + Z 0 X
ic
e
Pr
a?
Vocs podem guardar que o intervalo de confiana ser sempre da forma
Fl
av
ia
Al
RESUMO: clculo do intervalo de confiana para a mdia da populao.

1 Passo: Achar o valor de Z0 associado ao nvel de confiana dado no
exerccio.
2 Passo: Encontrar o valor especfico de X para a amostra feita.
3 Passo: Encontrar o desvio padro de X . Utilizar a frmula: X =
4 Passo: Determinar o intervalo de confiana: X Z 0 X X + Z 0 X

20

05. (ISS CAMPINAS 2011/CETRO) A durao da vida de uma pea tal que o
desvio-padro 4 horas. Foram amostradas 100 dessas peas obtendo-se a
mdia de 320 horas. Dessa forma, assinale a alternativa que apresenta um
intervalo de confiana para a verdadeira durao mdia da pea com nvel de
95% de confiana.
(A) [318,04; 321,96]
73
35
37
30
(B) [318,125; 321,875]

(C) [319,05; 320,95]
i0
21
(D) [319,216; 320,784]
og
ue
(E) [319,512; 320,488]
Pr
a?
Observao: Havia uma figura indicando que para o nvel de 95% de

confiana, devemos utilizar Z0 = 1,96.
Al
ic
Resoluo
30
Fl
av
ia
Vamos resumir os dados do enunciado. O tamanho da amostra 100, ou seja,

n = 100; a mdia amostral X igual a 320 horas,
o desvio-padro
populacional igual a 4 horas.
17
3
35
37
O primeiro passo calcular o erro padro (ou desvio-padro) da mdia

amostral. E como calculamos este desvio padro da mdia amostral?
og
ue
i0
2
muito simples! Basta dividir o desvio-padro populacional pela raiz quadrada

do nmero elementos da amostra.
Desvio padro populacional: = 4
ic
e
Pr
a?
Desvio padro da mdia amostral: . =
455
= 0,4
Fl
av
ia
Al
Pois bem, o intervalo de confiana pedido dado por:

[ 75 . ; + 75 . ]
Em que X a mdia amostral e . o desvio padro da mdia amostral.

Substituindo os valores, obtemos:
[320 1,96 0,4 ; 320 + 1,96 0,4] = [319,216 ; 320,784]
Letra D
21

06. (ICMS/RJ 2011/FGV) Um processo X segue uma distribuio normal com
mdia populacional desconhecida, mas com desvio-padro conhecido e igual a
4. Uma amostra com 64 observaes dessa populao feita, com mdia
amostral 45. Dada essa mdia amostral, a estimativa da mdia populacional, a
um intervalo de confiana de 95%,
a) (41;49)
73
35
37
30
b) (37;54)
c) (44,875;45,125)
i0
21
d) (42,5; 46,5)
og
ue
e) (44;46)
a?
Resoluo
Al
ic
Pr
No dia 26/04/2011 eu escrevi um artigo no Ponto sugerindo a anulao desta

questo. Infelizmente, a FGV no anulou.
Fl
av
ia
http://www.pontodosconcursos.com.br/artigos3.asp?prof=249&art=6680&idpa
g=4
Nvel de
Confiana
zc
99,73%
3,00
99%
2,58
98%
2,33
96%
2,05
95,45%
2,00
95%
1,96
90%
1,645
80%
1,28
Fl
av
ia
Al
ic
e
Pr
a?
og
ue
i0
2
17
3
35
37
30
Por que anular? Porque a FGV neste caso exigiu que o candidato soubesse
alguns valores de 75 decorados. Alm disso, ele utilizou um valor errado para
75 . Eis uma tabelinha com alguns valores importantes.
22

68,27
1,00
50%
0,6745
Precisa decorar isto tudo?? Bom, eu acho que no. Se fosse para escolher 3,
eu escolheria os seguintes:
zc
99%
2,58
95%
1,96
90%
1,645
a?
og
ue
i0
21
73
35
37
30
Nvel de
Confiana
av
ia
Al
ic
Pr
Vamos resumir os dados do enunciado. O tamanho da amostra 64, ou seja, n

= 100; a mdia amostral X igual a 45, o desvio-padro populacional igual a
4.
37
30
Fl
O primeiro passo calcular o erro padro (ou desvio-padro) da mdia

amostral. E como calculamos este desvio padro da mdia amostral?
17
3
35
muito simples! Basta dividir o desvio-padro populacional pela raiz quadrada

do nmero elementos da amostra.
ue
i0
2
Desvio padro populacional: = 4

1
93
= 0,5
og
Desvio padro da mdia amostral: . =
ic
e
Pr
a?
Pois bem, o intervalo de confiana pedido dado por:

[ 75 . ; + 75 . ]
Fl
av
ia
Al
Em que X a mdia amostral e . o desvio padro da mdia amostral.

Substituindo os valores, obtemos (para uma confiana de 95% utilizamos
75 = 1,96).
[ 45 1,96 0,5 ; 45 1,96 0,5] = [ 44,02; 45,98]
No h resposta compatvel.
A FGV considerou como resposta a letra E.
Para que a resposta fosse a letra E, deveramos ter utilizado 75 = 2 no lugar de
75 = 1,96.
23

J fica a dica para a prxima prova. Se o intervalo para 95% de confiana,
utilize 75 = 1,96. Se no der certo, troque por 75 = 2
Letra E
73
35
37
30
07. (CGU 2008/ESAF) Construa um intervalo de 95% de conana para a

mdia de uma populao normal a partir dos dados de uma amostra aleatria
simples de tamanho 64 desta populao, que forneceu uma mdia de 48 e um
desvio-padro amostral de 16, considerando que F(1,96) = 0,975, onde F(z)
a funo de distribuio de uma varivel aleatria normal padro Z.
a) 44,08 a 51,92.
i0
21
b) 41,78 a 54,22.
og
ue
c) 38,2 a 57,8.
a?
d) 35,67 a 60,43.
Pr
e) 32,15 a 63,85.
Al
ic
Resoluo:
30
Fl
av
ia
Repare que no conhecemos a varincia da populao. Sempre que isso

acontece, ns devemos adotar os seguintes procedimentos:
35
37
- utilizamos a varincia da amostra no lugar da varincia da populao
ue
i0
2
17
3
- consultamos a tabela da distribuio T, em vez da tabela da distribuio

normal.
og
Ns falaremos um pouco mais sobre isso no prximo tpico que vamos

estudar.
Fl
av
ia
Al
ic
e
Pr
a?
Dito isso, conclumos que o certo seria utilizar a distribuio T. Contudo, o

exerccio no forneceu a tabela da distribuio T. Forneceu apenas alguns
valores da funo distribuio de probabilidade da varivel normal reduzida (=
varivel normal padro).
No temos sada, teremos que utilizar os valores da varivel reduzida. O mais
exato seria resolver o exerccio considerando a distribuio T. Mas no vamos
brigar com o enunciado. Se o enunciado s deu informaes sobre a varivel
normal, vamos usar a varivel normal.
Vamos considerar que essa amostra j razoavelmente grande, de forma que
a diferena entre usar a distribuio normal no lugar da distribuio T no
to grande.
24

Primeiro passo: determinando o valor de Z0 associado a 95% de confiana.
Vimos que a funo distribuio de probabilidade (FDP) tambm serve para
clculos de probabilidade.
Se F(1,96) = 0,975, isto significa que a probabilidade de Z assumir valores
menores ou iguais a 1,96 de 97,5%.
30
Fl
av
ia
Al
ic
Pr
a?
og
ue
i0
21
73
35
37
30
Ou seja, a rea verde da figura abaixo de 97,5%.
17
3
35
37
Sabemos que a rea inteira da figura acima igual a 1 (a probabilidade de Z

assumir um valor qualquer de 100%).
Fl
av
ia
Al
ic
e
Pr
a?
og
ue
i0
2
Portanto, a rea amarela de 2,5%. Como o grfico simtrico, a rea

esquerda de -1,96 tambm de 2,5%. Deste modo, a rea verde da figura
abaixo de 95%.
Os valores -1,96 e 1,96 delimitam o intervalo de confiana de 95% para a

varivel reduzida Z. Ou seja, o valor de Z0 associado a 95% 1,96.
25

Z 0 = 1,96
Segundo passo: determinar o valor de X especfico para a amostra feita.
X = 48
Terceiro passo: determinar o desvio padro de X .
73
35
37
30
A amostra tem tamanho 64 (n = 64).

O desvio padro de X dado pela frmula:
21
i0
ue
X =
Fl
av
ia
= 16
Al
ic
Pr
a?
og
No conhecemos o desvio padro da populao. Estamos considerando que a

amostra muito grande a tal ponto que a sua varincia seja um excelente
estimador da populao. Vamos considerar que a varincia amostral igual
varincia da populao. Portanto, o desvio padro da populao tambm
igual ao desvio padro da amostra (=16).
16
64
=2
35
37
30
X =
ue
i0
2
17
3
Quarto: determinar o intervalo de confiana.
og
O intervalo de confiana da forma: X Z 0 X X + Z 0 X
Fl
av
ia
Al
ic
e
Pr
a?
Substituindo os valores:
X Z0 X X + Z0 X
48 1,96 2 48 + 1,96 2
48 3,92 48 + 3,92
44,08 51,92
Gabarito: A.
08. (BACEN/2006/FCC) Os preos de um determinado produto vendido no
mercado tm uma distribuio normal com desvio padro populacional de R$
20,00. Por meio de uma pesquisa realizada com uma amostra aleatria de
tamanho 100, com um determinado nvel de confiana, apurou-se, para a
mdia destes preos, um intervalo de confiana sendo [R$ 61,08; R$ 68,92]. A
26

mesma mdia amostral foi obtida quadruplicando o tamanho da amostra e
utilizando tambm o mesmo nvel de confiana. Nos dois casos considerou-se
infinito o tamanho da populao. O novo intervalo de confiana encontrado no
segundo caso foi:
a) [R$ 63,04; R$ 66,96]
b) [R$ 62,06; R$ 67,94]
73
35
37
30
c) [R$ 61,57; R$ 68,43]

d) [R$ 61,33; R$ 68,67]
i0
21
e) [R$ 61,20; R$ 68,80]
og
ue
Resoluo.
a?
Pr
X Z 0 X X + Z 0 X
O intervalo de confiana da seguinte forma:
av
ia
Al
ic
Para calcular a amplitude deste intervalo, fazemos assim. Tomamos o limite

superior. Tomamos o limite inferior. Em seguida subtramos um do outro.
37
35
A = 2 Z0
og
ue
i0
2
17
3
Substituindo o valor de X :
30
Fl
A = ( X + Z 0 X ) ( X Z 0 X ) = 2 Z 0 X
2 Z0 X = 2 Z0
Fl
av
ia
Al
ic
e
Pr
a?
Amplitude do intervalo de confiana:
Na primeira pesquisa, o intervalo de confiana foi [R$ 61,08; R$ 68,92].

A mdia amostral ( X ) corresponde ao ponto mdio do intervalo de confiana.
Portanto, nesta primeira amostragem, a mdia amostral obtida foi:
X =
68,92 + 61,08
= 65
2
A amplitude do intervalo dada por:

27

68,92 61,08 =
7,84
Na segunda pesquisa, a mesma mdia amostral foi obtida.

J a amostra teve seu tamanho quadruplicado. O novo tamanho da amostra
fica:
n ' = 4n
n'
= 2Z 0
4n
A
4
A
2
i0
21
A = 2 Z 0
73
35
37
30
Com isso, a nova amplitude do intervalo de confiana fica:
Pr
a?
7,84
= 3,92
2
A' =
og
ue
Quando quadruplicamos o tamanho da amostra, a amplitude do intervalo fica

reduzida pela metade. A nova amplitude dada por:
av
ia
Al
ic
Com isso, o novo intervalo centrado em 65, com amplitude de 3,92.
Fl
Isto nos permite achar os limites do novo intervalo de confiana:

3,92
= 66,96
2
17
3
35
37
30
65 +
ue
i0
2
65
63,04 66,96
Pr
a?
og
Logo:
3,92
= 63,04
2
ic
e
Gabarito: A.
Fl
av
ia
Al
Intervalo de confiana para a mdia quando a varincia da populao

no conhecida
A maior parte dos exerccios de concursos sobre intervalo de confiana no so
resolvidos por meio da distribuio normal. Eles envolvem o conhecimento da
distribuio T de Student. A grande vantagem que a forma de se resolverem
os exerccios de intervalo de confiana por meio da distribuio T exatamente
a mesma daquela vista acima, para a distribuio normal. A nica coisa que
muda a tabela em que fazemos a consulta. No final da aula h duas tabelas.
A nica coisa que vai mudar que vamos consultar a tabela II, em vez da
tabela I.
28

Sabemos que X
pode ser visto como uma varivel aleatria normal (ou
aproximadamente normal). Portanto, para X

reas da varivel normal.
podemos utilizar a tabela de
Para utilizar esta tabela, precisamos encontrar a varivel normal reduzida Z:
X
.
X
Onde X o desvio padro da varivel X . Sua frmula : X =
73
35
37
30
Z=
og
ue
i0
21
Entretanto, se no soubermos a varincia da populao ( 2 ), no temos como

calcular X .
av
ia
Al
ic
Pr
a?
Nestes casos, utilizamos a varincia da amostra no lugar da varincia da

populao. Em problemas assim, na verdade, ns estamos estimando duas
grandezas ao mesmo tempo. Estamos estimando a mdia e a varincia da
populao.
17
3
35
37
30
Fl
Como no temos certeza nem sobre o valor da mdia nem sobre o valor da
varincia da populao, nosso intervalo de confiana tem que ser maior que
aquele que seria obtido caso conhecssemos o valor de 2 , para mantermos o
mesmo nvel de confiana. exatamente esta a idia da distribuio T.
Fl
av
ia
Al
ic
e
Pr
a?
og
ue
i0
2
Para ilustrar, seguem alguns grficos.
As curvas em azul e vermelho indicam as distribuies T com 2 e 4 graus de

liberdade. Por hora, apenas fiquem com a informao de que o nmero de
29

graus de liberdade tem relao com o tamanho da amostra. Quanto maior o
tamanho da amostra, maior o nmero de graus de liberdade.
Quando a amostra pequena (como o exemplo da curva azul, com 2 graus
de liberdade), o grfico diferente da curva normal (em verde).
21
73
35
37
30
medida que o tamanho da amostra aumenta, a distribuio T se aproxima da

normal. Notem que a curva em vermelho j est mais prxima da curva verde.
Isto at intuitivo. Se a amostra for muito grande, ento conhecer a varincia
da amostra praticamente o mesmo que conhecer a varincia da populao.
como se estivssemos caindo novamente num problema em que a varincia
populacional conhecida.
og
ue
i0
Portanto, se no problema no soubermos a varincia da populao, as nicas

coisas que mudam so:
Utilizamos a varincia da amostra no lugar da varincia da populao.
Em vez de consultar a tabela de reas da varivel reduzida normal,

consultamos a tabela da distribuio T
Al
ic
Pr
a?
30
Fl
av
ia
Ao final desta aula consta uma tabela para a distribuio T (TABELA II). O seu
grfico de fdp muito parecido com o da distribuio normal. Ele continua
sendo simtrico, em um formato que lembra o de um sino.
ue
i0
2
17
3
35
37
09. (SEFAZ MS 2006/FGV) Uma amostra aleatria simples de tamanho 25 foi

selecionada para estimar a mdia desconhecida de uma populao normal. A
mdia amostral encontrada foi 4,2, e a varincia amostral foi 1,44.
O intervalo de 95% de confiana para a mdia populacional :
Pr
a?
(B) 4,2 0,64
og
(A) 4,2 0,49
Al
ic
e
(C) 4,2 0,71
Fl
av
ia
(D) 4,2 0,75

(E) 4,2 0,81
Resoluo
Primeiro passo: determinando t 0 associado a 95% de confiana. Note que
agora no mais o valor de Z0. Z0 era quando consultvamos a tabela de
reas para a varivel normal reduzida.
30

S que, neste exerccio, por no conhecermos o valor da varincia da
populao, precisaremos utilizar a varincia da amostra. Nestes casos,
consultamos a tabela da distribuio T (TABELA II em anexo).
Para encontramos t 0 associado a 95% de confiana, precisamos de uma tabela
para a distribuio T. Ao final desta aula consta uma tabela (TABELA II).
O nvel de confiana desejado.
O nmero de graus de liberdade
21
73
35
37
30
Esta tabela um pouco diferente da tabela para a varivel normal. Para

consult-la, precisamos saber:
ue
i0
O nvel de confiana desejado foi informado no enunciado: 95%.
Pr
a?
graus _ de _ liberdade = n 1
og
O nmero de graus de liberdade igual ao tamanho da amostra menos 1.
Al
ic
Neste caso, o nmero de graus de liberdade 24.
av
ia
Consultamos o valor de t 0 que delimita 95% dos valores de t, para 24 graus de
Fl
liberdade. O valor :
35
37
30
t 0 = 2,064
17
3
Segundo passo: determinar o valor especfico de X para a amostragem feita.
og
ue
i0
2
X = 4,2 (fornecido no enunciado)
V (X ) =
2
n
Fl
av
ia
Al
ic
e
Pr
a?
A amostra tem tamanho 25. (n = 25)
S que no sabemos a varincia da populao ( 2 ). Portanto, no temos como

calcular a varincia de X . Neste caso, vamos substituir a varincia da
populao ( 2 ) pela varincia da amostra fornecida no exerccio. Isto porque
vimos nesta aula que a varincia da amostra um estimador da varincia da
populao.
Estimador da varincia da populao:
2
s X = 1,44
31

E o estimador da varincia de X fica:
sX =
2
1,44 1,44
=
n
25
Agora podemos calcular a estimativa do desvio padro de X :

1,44 1,2
=
= 0,24
25
5
73
35
37
30
sX =
Quarto passo: determinar o intervalo de confiana.
ue
i0
21
Para tanto, sabemos que em 95% dos casos o valor de t estar entre -2,064 e
2,064.
og
2,064 t 2,064
Pr
a?
Mas quem t? A varivel t quem est substituindo a varivel Z.
Fl
X
sX
37
30
t=
av
ia
Al
ic
Para obter a varivel t, o procedimento anlogo ao procedimento para a

varivel Z.
ue
i0
2
17
3
35
A nica diferena que no sabemos o desvio padro de X . Por isto

utilizamos a sua estimativa ( s X ).
og
Ok, continuando o problema. Sabemos que em 95% dos casos o valor de t

estar entre -2,064 e 2,064.
2,064
X
2,064
sX
2,06
4,2
2,06
0,24
Fl
av
ia
Al
ic
e
Pr
a?
2,064 t 2,064
2,064 0,24 4,2 2,064 0,24

2,06 0,24 4,2 4,2 + 2,06 0,24
4,2 2,064 0,24 4,2 + 2,064 0,24
4,2 0,49 4,2 + 0,49
32

Gabarito: A
Outra forma de fazer lembrar que o intervalo de confiana da mdia da
forma:
X t0 s X X + t0 s X
Substituindo os valores, chegamos a:
73
35
37
30
4,2 0,49 4,2 + 0,49 .
og
ue
i0
21
10. (TRF 1 Regio/2001/FCC) Para responder questo seguinte, considere

as tabelas a seguir. Elas fornecem alguns valores da funo de distribuio
F(x). A tabela 1 refere-se varivel normal padro, as tabelas 2 e 3 referemse varivel t de Student com 10 e 15 graus de liberdade, respectivamente.
Tabela 1
Tabela 2
Tabela 3
F(x)
1,20
0,885
1,37
0,90
1,75
0,95
1,60
0,945
1,81
0,95
2,25
0,98
1,64
0,950
2,36
0,98
2,60
0,99
a?
F(x)
Pr
F(x)
37
30
Fl
av
ia
Al
ic
17
3
35
O peso de crianas recm-nascidas do sexo feminino numa comunidade tem

distribuio normal com mdia e desvio padro desconhecido. Uma amostra
ue
i0
2
de 16 recm-nascidos indicou um peso mdio de 3,0 kg e desvio padro

amostral igual a 0,8 kg. Um intervalo de confiana para , com coeficiente de
Al
ic
e
b) 3,0 0,41
Pr
a?
a) 3,0 0,37
og
confiana de 96% dado por:
Fl
av
ia
c) 3,0 0,45
d) 3,0 0,68
e) 3,0 0,73
Resoluo.
Primeiro passo: obter t0 associado a 96% de confiana.
33

Como a amostra tem tamanho 16, o nmero de graus de liberdade igual a
15. Consultaremos a tabela 3 dada no enunciado.
av
ia
Al
ic
Pr
a?
og
ue
i0
21
73
35
37
30
A probabilidade de t ser menor ou igual a 2,25 de 0,98 (rea verde da figura

abaixo). Portanto, a probabilidade de t ser maior que 2,25 de 2% (rea
vermelha abaixo).
37
30
Fl
Como o grfico da fdp simtrico, a probabilidade de t ser menor que -2,25

tambm de 2%.
Fl
av
ia
Al
ic
e
Pr
a?
og
ue
i0
2
17
3
35
Cada uma das reas vermelhas abaixo vale 2%.
Sabemos que a rea total igual a 1. Conclumos que a rea verde abaixo de
96%.
34
og
ue
i0
21
73
35
37
30

Pr
a?
Assim, a probabilidade de t estar entre -2,25 e 2,25 de 96% (=100% - 2% 2%).
av
ia
Al
ic
Conclumos que o valor de t0 que est associado a 96% 2,25.
30
Fl
Segundo passo: obter o valor especfico de X para a amostra feita
ue
i0
2
17
3
35
37
X = 3 (fornecido no enunciado)
sX =
s
n
0,8
16
= 0,2
ic
e
Pr
a?
og
Terceiro passo: obter o desvio padro de X
Fl
av
ia
Al

O intervalo de confiana da forma:
X t0 s X X + t0 s X
3 2,25 0,2 3 + 2,25 0,2
3 0,45 3 + 0,45
Gabarito: C
35

11. (MPE PE/2006/FCC) Para resolver a questo abaixo, considere as tabelas
a seguir. Elas fornecem alguns valores da distribuio F(x). A tabela 1 referese varivel normal padro, as tabelas 2 e 3 referem-se varivel t de
Student com 15 e 16 graus de liberdade, respectivamente:
Tabela 2
F(x)
Tabela 3
F(x)
F(x)
73
35
37
30
Tabela 1
1,60 0,945 1,753 0,95 1,746 0,95
i0
og
ue
2,00 0,977 2,583 0,99 2,567 0,99
21
1,64 0,950 2,248 0,98 2,235 0,98
Pr
a?
Supondo-se que a porcentagem da receita investida em educao, dos 600

municpios de uma regio, tem distribuio normal com mdia , deseja-se
Fl
av
ia
Al
ic
estimar essa mdia. Para tanto se sorteou dentre esses 600, aleatoriamente e
com reposio, 16 municpios e se observou os percentuais investidos por eles
em educao. Os resultados indicaram uma mdia amostral de 8% e desvio
padro amostral igual a 2%. Um intervalo de confiana para , com
37
30
coeficiente de confiana de 96%, dado por:
17
3
35
a) (8 1,124)%
ue
i0
2
b) (8 1,117 )%
Al
ic
e
e) (8 0,755)%
Pr
a?
d) (8 0,870 )%
og
c) (8 0,877 )%
Fl
av
ia
Resoluo.
Temos um exerccio de intervalo de confiana em que no se sabe a varincia

da populao. Devemos consultar a tabela para a varivel t. Como a amostra
tem tamanho 16, o nmero de graus de liberdade igual a 15. A tabela a ser
utilizada a tabela 2 do enunciado.
Vamos para os passos de sempre.
Primeiro passo: determinar o valor de t0 associado a 96% de confiana.
36

Da tabela 2, sabemos que a probabilidade de t assumir valores menores que
2,248 de 98%. Logo, a probabilidade de t assumir valores maiores que 2,248
de 2%.
Como o grfico da fdp da distribuio t simtrico, a probabilidade de t
assumir valores menores que -2,248 tambm de 2%.
73
35
37
30
Como conseqncia, a probabilidade de t estar entre -2,248 e 2,248 de 96%

(=100% - 2% - 2%).
Os valores de t que delimitam 96% dos valores so -2,248 e 2,248.
i0
21
t 0 = 2,248
og
N
Al
ic
Pr
a?
X = 8% (dado no enunciado)
ue
Segundo passo: determinando o valor especfico de X .
av
ia
n = 16 (fornecido no enunciado)
X =
30
Fl
16
17
3
35
37
X =
ue
i0
2
Como no sabemos o desvio padro populacional, substitumos pela sua
og
estimativa. Desse modo, a estimativa do desvio padro de X :
sX =
s
4
2
= 0,5
4
Al
ic
e
Pr
a?
sX =
Fl
av
ia
Quarto passo: encontrando o intervalo de confiana.

O intervalo de confiana da forma:
X t0 s X X + t0 s X
8 2,248 0,5 X + 2,248 0,5
8 1,124 X + 1,124
Gabarito: A.
37

12. (Senado Federal 2008/FGV) Uma amostra aleatria simples X1, X2, ...,
X16, de tamanho 16, de uma distribuio normal foi observada e indicou as
seguintes estatsticas:
16
= 70,4 e
i =1
16
(X
X ) 2 = 60
i 1
73
35
37
30
O intervalo usual de 95% de confiana para a mdia populacional, com duas

casas decimais, :
(A) (3,58 , 5,22).
21
(B) (3,47 , 5,33).
ue
i0
(C) (3,33 , 5,47).
og
(D) (3,19 , 5,61).
Pr
a?
(E) (3,01 , 5,81).
Al
ic
Resoluo:
Fl
av
ia
Como no foi dada a varincia da populao, precisamos usar a distribuio T

para determinao do intervalo de confiana.
35
37
O nmero de graus de liberdade :
30
Primeiro passo: determinando t0 associado a 95% de confiana.
17
3
graus de liberdade: n 1 = 16 1 = 15
ue
i0
2
Consultando a tabela para um nvel de 95% e 15 graus de liberdade, temos:
og
t 0 = 2,131
16
X =
Xi
i =1
16
70,4
= 4,4
16
Fl
av
ia
Al
ic
e
Pr
a?
Segundo passo: determinar o valor especfico de X para a amostragem feita.

A amostra tem tamanho 16. (n = 16)
V (X ) =
2
n
S que no sabemos a varincia da populao ( 2 ). Portanto, no temos como

calcular a varincia de X . Neste caso, vamos substituir a varincia da
populao ( 2 ) pela varincia da amostra fornecida no exerccio. Isto porque
38

vimos nesta aula que a varincia da amostra um estimador da varincia da
populao.
Estimador da varincia da populao:
16
i =1
16 1
60
=4
15
73
35
37
30
sX =
( Xi X )
E o estimador da varincia de X fica:

2
sX
4
=
n
16
i0
21
sX =
a?
4
2
= = 0,5
16 4
Al
ic
Pr
sX =
og
ue
Agora podemos calcular a estimativa do desvio padro de X :
av
ia
30
Fl
O intervalo de confiana da mdia da forma:
35
37
X t0 s X X + t0 s X
ue
i0
2
17
3
4,4 2,131 0,5 4,4 + 2,131 0,5
og
Gabarito: C
3,33 5,47
Al
ic
e
Pr
a?
Intervalo de confiana para propores
Fl
av
ia
Seja p a proporo de casos favorveis em uma populao e p a proporo

de casos favorveis em uma amostra. Vimos que p um estimador para p .
Para ficar mais claro, vamos analisar o exemplo do dado que lanado trs
vezes. Consideramos caso favorvel quando sai um mltiplo de 3.
Na populao (formada por todos os possveis resultados do lanamento do
dado), a proporo de casos favorveis igual a 1/3. Por esse motivo, a
probabilidade de sucesso em um nico lanamento igual a 1/3. Assim, a
proporo de casos favorveis na populao igual probabilidade de sucesso
em um lanamento.
39

Ficamos com:
p = 1 / 3 (proporo de casos favorveis na populao = probabilidade de
sucesso em um lanamento)
q = 2 / 3 (proporo de casos desfavorveis na populao = probabilidade de
fracasso em um lanamento).
73
35
37
30
Lanamos o dado trs vezes. Obtemos os seguintes resultados: 1, 3, 6.

Na amostra de tamanho 3, a proporo de casos favorveis foi de 2/3.
i0
21
p = 2 / 3
a?
og
ue
Usamos a proporo amostral para estimar a proporo da populao. Caso

no soubssemos que o dado tem 1/3 de faces com mltiplos de 3, a partir do
resultado obtido na amostragem acima, estimaramos esta proporo em 2/3.
Al
ic
Pr
Quando temos uma nica amostra, p um valor, um nmero, fixo, constante.

Mas podemos pensar em p de forma diferente. Podemos pensar em inmeras
Fl
av
ia
amostras possveis. Se lanssemos o dado trs vezes novamente, obtendo

outra amostra, p poderia assumir outros valores. Quando consideramos as
35
37
30
inmeras amostras possveis, p uma varivel aleatria.
Fl
av
ia
1
1
1
1
1
1
2
2
2
2
2
2
3
3
3
3
3
3
1
2
3
4
5
6
1
2
3
4
5
6
1
2
3
4
5
6
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
1
1
1
1
1
1
2
2
2
2
2
2
3
3
3
3
3
3
1
2
3
4
5
6
1
2
3
4
5
6
1
2
3
4
5
6
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
ue
i0
2
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
og
1
2
3
4
5
6
1
2
3
4
5
6
1
2
3
4
5
6
1
1
1
1
1
1
2
2
2
2
2
2
3
3
3
3
3
3
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
Pr
a?
1
2
3
4
5
6
1
2
3
4
5
6
1
2
3
4
5
6
ic
e
1
1
1
1
1
1
2
2
2
2
2
2
3
3
3
3
3
3
Al
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
17
3
Neste exemplo do dado, as amostras de tamanho 3 possveis seriam:

1
1
1
1
1
1
2
2
2
2
2
2
3
3
3
3
3
3
1
2
3
4
5
6
1
2
3
4
5
6
1
2
3
4
5
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
1
1
1
1
1
1
2
2
2
2
2
2
3
3
3
3
3
3
1
2
3
4
5
6
1
2
3
4
5
6
1
2
3
4
5
6
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
4
4
4
4
4
4
5
5
5
5
5
5
6
6
6
6
6
6
1
2
3
4
5
6
1
2
3
4
5
6
1
2
3
4
5
6
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
4
4
4
4
4
4
5
5
5
5
5
5
6
6
6
6
6
6
1
2
3
4
5
6
1
2
3
4
5
6
1
2
3
4
5
6
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
4
4
4
4
4
4
5
5
5
5
5
5
6
6
6
6
6
6
1
2
3
4
5
6
1
2
3
4
5
6
1
2
3
4
5
6
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
5
5
5
5
5
5
6
6
6
6
6
6
1
2
3
4
5
6
1
2
3
4
5
6
1
2
3
4
5
6
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
4
4
4
4
4
4
5
5
5
5
5
5
6
6
6
6
6
6
1
2
3
4
5
6
1
2
3
4
5
6
1
2
3
4
5
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
4
4
4
4
4
4
5
5
5
5
5
5
6
6
6
6
6
6
1
2
3
4
5
6
1
2
3
4
5
6
1
2
3
4
5
6
Todas essas amostras so equiprovveis. Podemos montar o seguinte quadro:
40
Probabilidade
64/216
1/3
96/216
2/3
48/216
3/3
8/216
A esperana de p fica:
21
64 1 96 2 48 3 8
+
+
+
= 1/ 3
216 3 216 3 216 3 216
ue
i0
E ( p ) = p = 0
73
35
37
30

a?
og
A esperana da proporo amostral igual esperana da proporo da

populao.
Al
ic
Pr
Sabendo que a proporo amostral pode ser vista como uma varivel,
importante ver um meio mais rpido para calcular sua mdia e sua varincia.
ue
i0
2
17
3
35
37
30
Fl
av
ia
Nesse exemplo do lanamento do dado, seja X o nmero de casos favorveis

em n lanamentos. Vimos que X uma varivel binomial com mdia e
varincia dadas por:
X = np
X 2 = npq
X = np = 1
Fl
av
ia
Al
ic
e
Pr
a?
Ficamos com:
og
Onde n o nmero de experimentos, p a probabilidade de sucesso e q a

probabilidade de fracasso. Nesse exemplo, n = 3; p = 1/3; q = 2/3.
X 2 = npq = 2 / 3
X tem mdia 1 e varincia 2/3. Isso significa que, em trs lanamentos,

esperamos 1 caso favorvel (e dois desfavorveis). Ou seja, se fosse possvel
fazer infinitos conjuntos de trs lanamentos do dado, o nmero mdio de
casos favorveis seria igual a 1.
Seja p a proporo de casos favorveis verificada numa dada amostra de
tamanho n. A varivel p pode ser obtida a partir de X.
41

X
n
p =
Para ficar mais claro, suponhamos um conjunto de lanamentos em particular.

Lanamos o dado trs vezes, obtendo: 1, 3, 6.
2
3
21
p =
i0
X
n
ue
p =
73
35
37
30
Nessa situao, o nmero de casos favorveis igual a 2 (X = 2). E a

proporo de casos favorveis fica:
og
Em dois teros dos casos, tivemos sucesso.
Pr
a?
Fcil, n? Para achar a proporo de casos favorveis na amostra, basta pegar

a varivel X e dividir por n.
30
Fl
X
.
n
37
pode ser obtida por: p =
av
ia
Al
ic
Sabemos como calcular a mdia e a varincia da varivel binomial. Sabemos

que a varivel p , que indica a proporo de casos favorveis na amostra,
17
3
35
Para obtermos p , dividimos a varivel X por uma constante n.
Pr
a?
og
ue
i0
2
Quando dividimos uma varivel por uma constante, a mdia tambm fica
dividida por essa constante. A mdia de p :
p =
X
n
np
=p
n
ic
e
Conclumos que a esperana de p justamente a probabilidade de sucesso em
Fl
av
ia
Al
um experimento.
Quando lanamos o dado trs vezes (obtendo uma nica amostra de tamanho
3), teremos um determinado valor para a proporo amostral ( p ). Esse valor
pode ser igual a 1/3 ou no. No exemplo acima (com resultados 1, 3 e 6),
inclusive, foi diferente.
Mas, se fosse possvel repetir infinitas vezes o conjunto de trs lanamentos,
obtendo para cada amostra um valor de p , teramos que a mdia de p seria
igual a 1/3.
42

Vejamos agora a varincia de p . Quando dividimos uma varivel por uma
constante, a varincia sofre a variao ao quadrado.
X
npq pq
2
p = X2 = 2 =
n
n
n
n
2
p =
E seu desvio padro fica:
73
35
37
30
pq
n
p =
21
Ento o que importa para gente saber isso. Se p for a varivel que indica a
i0
proporo de casos favorveis na amostra, ento p tem mdia e desvio
og
ue
padro dados por:
Pr
e
av
ia
Al
ic
pq
n
p =
a?
p = p
Fl
PROPORO DE CASOS FAVORVEIS NA AMOSTRA ( p )
p = p
p =
pq
n
og
ue
i0
2
17
3
35
37
30
Pode ser vista como uma varivel com mdia e desvio padro
dados por:
Fl
av
ia
Al
ic
e
Pr
a?
Onde p a proporo de casos favorveis na populao e q a

proporo de casos desfavorveis na populao.
Quando estudamos intervalo de confiana para uma mdia, queramos

justamente estimar um intervalo para a mdia de uma populao ( ).
Agora queremos estimar uma proporo (p). O procedimento ser anlogo.
Exemplo:
43

Maria tem um dado. S que no um dado normal (com faces 1, 2, 3, 4, 5 e
6). um dado especial. Nas suas faces vm outros nmeros, que no sabemos
quais so. Alm disso, no sabemos quantas faces h nesse dado. Podem ser
5, 7, 9, 20, etc.
73
35
37
30
Maria desafia Joo a descobrir a proporo de faces que contm mltiplos de

3. Se esse fosse um dado normal, Joo saberia que 1/3 das faces so
mltiplas de 3.
ue
i0
21
O procedimento combinado o seguinte. Maria lana o dado. Depois de lanlo, ela diz o resultado a Joo, que o anota. Depois disso, Maria lana o dado
uma segunda vez. Novamente comunica o resultado a Joo. E isso se repete
por mais duas vezes.
Pr
a?
og
Resumindo: Maria lana o dado quatro vezes. A partir desses resultados, Joo
tem que descobrir qual a proporo de faces do dado que contm mltiplos de
3.
Al
ic
Os resultados dos quatro lanamentos foram: 3, 7, 9, 2.
Fl
av
ia
Nesses 4 lanamentos, tivemos dois casos favorveis. Ou ainda: na amostra,

tivemos 50% de casos favorveis.
17
3
35
37
30
Vimos nesta aula que um estimador para a proporo da populao a

proporo da amostra. Desse modo, Joo estima que metade das faces do
dado so mltiplas de 3.
og
ue
i0
2
Joo estima a proporo de mltiplos de 3 como sendo:

1
2
Pr
a?
p =
ic
e
Joo fez uma estimativa por ponto.
Fl
av
ia
Al
Mas, e se Joo quisesse estimar uma faixa de valores para a proporo? E se

Joo quisesse estabelecer um intervalo de 95% de confiana?? Como ficaria??
Seja X a varivel que indica o nmero de casos favorveis nesses quatro
lanamentos. Sabemos que X uma varivel binomial com mdia np e desvio
padro
npq .
Vimos tambm que X aproximadamente normal para grandes valores de n.

Eu sei que, nesse exemplo, n nem to grande (n = 4). Mas vamos supor
que j seja razovel dizer que X aproximadamente normal.
44

Ok, ento X, alm de ser binomial, aproximadamente normal.
Considere a varivel abaixo:
X X
Z=
73
35
37
30
Z tem mdia zero e desvio padro unitrio. Z uma varivel normal reduzida.
Para a varivel Z, ns podemos consultar a tabela I. Sabemos que, em 95%
dos casos, Z assume valores entre -1,96 e 1,96.
Assim, em 95% das vezes, temos:
ue
i0
21
1,96 Z 1,96
a
a?
1,96
Al
ic
Pr
X X
1,96
og
Substituindo o valor de Z:
av
ia
Substituindo o valor da mdia e do desvio padro da varivel binomial:
X np
Fl
1,96
1,96
37
30
npq
17
3
35
1,96 npq X np 1,96 npq
1,96
pq X
p 1,96
n
n
pq
n
Pr
a?
og
ue
i0
2
Dividindo todos os termos por n:
ic
e
Lembrando que, se X a varivel binomial, ento:
Fl
av
ia
Al
p =
1,96
X
n
pq
p p 1,96
n
pq
n
Isolando o p:
p 1,96
pq
p p + 1,96
n
pq
n
Multiplicando todos os termos por -1:

45

p 1,96
pq
p p + 1,96
n
pq
n
Lembrando que:
p =
pq
n
73
35
37
30
Ficamos com:
p 1,96 p p p + 1,96 p
og
ue
i0
21
E esse o intervalo de confiana de 95% para a proporo. Veja como bem

parecido com o intervalo de confiana para a mdia.
Pr
a?
Vimos que o intervalo de confiana para a mdia da varivel X dado por:
Fl
av
ia
Al
ic
X Z0 X X + Z0 X
37
30
E o intervalo de confiana para uma proporo da seguinte forma:
17
3
35
p Z 0 p p p + Z 0 p
og
ue
i0
2
Ento pra gente o que importa isso. Interessa saber qual o intervalo de
confiana para a proporo.
p Z 0 p p p + Z 0 p
Fl
av
ia
Al
ic
e
Pr
a?
INTERVALO DE CONFIANA PARA A PROPORO:
Calcule o intervalo de 95% de confiana para a proporo de eleitores

de um municpio que votaro no candidato A. Considere que uma
pesquisa com 100 eleitores revelou que, destes, 20% votaro no
referido candidato.
Resoluo
Primeiro passo: determinar o valor de Z0 correspondente a 95% de confiana.
Sabemos que propores podem ser tratadas a partir de variveis binomiais,
46

que podem ser aproximadas pela varivel normal. Assim, para determinar Z0,
no caso de propores, tambm utilizamos a tabela de reas para a varivel
normal reduzida.
Consultando a TABELA I, vemos que Z 0 = 1,96 .
Segundo passo: determinar os valores especficos de p e q
73
35
37
30
Para a amostra feita, temos:

p = 0,20 (proporo da amostra)
i0
21
q = 1 p = 0,80
a?
p q
n
Pr
s p =
og
ue
Terceiro passo: determinar o desvio padro de p
Al
ic
0,20 0,80 0,4

=
= 0,04
100
10
30
Fl
av
ia
s p =
35
37
ue
i0
2
17
3
p Z 0 s p p p + Z 0 s p
12,16% p 27,84%
og
0,2 1,96 0,04 p 0,2 + 1,96 0,04
ic
e
Pr
a?
Com 95% de confiana, a proporo populacional de eleitores que votar no

candidato A est entre 12,16% e 27,84%.
Fl
av
ia
Al
Observao: na verdade, quando escolhemos a amostra de 100 eleitores,

usual que a amostra seja sem reposio. Ou seja, entrevistado um eleitor, o
mesmo no ser novamente escolhido.
Vimos que, em uma situao assim, a varivel apenas aproximadamente
binomial. Vimos isto l no tpico sobre propores. Demos o exemplo de uma
cidade com 100.000 habitantes. Estvamos pesquisando a proporo de
pessoas favorveis a uma poltica urbana. Fizemos dois exemplos. Um com
reposio, outro sem reposio. Mostramos que a diferena nas probabilidades
envolvidas era pequena. Finalizei dizendo que, atendidas algumas condies, a
varivel pode ser considerada aproximadamente binomial.
47

Justamente agora vemos a importncia disto. Quando quisermos estabelecer
intervalos de confiana para uma proporo, mesmo que a amostragem seja
feita sem reposio, podemos considerar que temos uma varivel binomial.
Sabemos que, atendidas algumas condies, a varivel binomial tem
distribuio muito prxima da distribuio normal. Portanto, poderemos
consultar a tabela de reas para a varivel normal. Foi exatamente o que
fizemos no exemplo acima.
21
73
35
37
30
13. (SEFAZ MS 2006/FGV) Uma amostra aleatria de tamanho 400 revelou

que 64% dos torcedores brasileiros acham que conquistaremos o
hexacampeonato mundial de futebol. O intervalo de 95% de confiana para a
proporo de torcedores na populao que acreditam no hexacampeonato :
ue
i0
(A) 64% 3,9%
og
(B) 64% 4,2%
Pr
a?
(C) 64% 4,7%
Al
ic
(D) 64% 5,1%
av
ia
(E) 64% 5,6%
30
Fl
Resoluo.
17
3
35
37
Primeiro passo: determinar o valor de Z0 correspondente a 95% de confiana.

Consultando a TABELA I, este valor de 1,96.
og
ue
i0
2
Segundo passo: determinar os valores especficos de p e q .

p = 0,64
Pr
a?
q = 0,36
Al
ic
e
Fl
av
ia
s p =
s p =
p q
n
0,64 0,36 0,8 0,6

=
= 0,024
400
20

p Z 0 s p p p + Z 0 s p
0,64 0,047 p 0,64 + 0,047
48

Gabarito: C.
LEMBRETE DE INTERVALO DE CONFIANA:
Se for intervalo de confiana para uma mdia e conhecermos a varincia
da populao, utilizamos a tabela da varivel normal.
73
35
37
30
Se for intervalo de confiana para uma mdia e no conhecermos a

varincia da populao, utilizamos a tabela da distribuio T (a menos
que o exerccio diga para utilizar a tabela da varivel normal).
og
ue
i0
21
Se for intervalo de confiana para uma proporo, utilizamos a tabela da

varivel normal.
Al
ic
Pr
a?
14. (MP RO 2005/CESGRANRIO) Uma amostra aleatria de 400 eleitores

revelou 64% de preferncias pelo candidato X. O intervalo de 95% de
confiana para a proporo de eleitores que preferem X :
av
ia
(A) 0,64 0,047

(B) 0,64 0,052
30
Fl
(C) 0,64 0,056
35
37
(D) 0,64 0,064
ue
i0
2
17
3
(E) 0,64 0,085

Resoluo.
og
Primeiro passo: obtendo o valor de Z0 associado a 95% de confiana.
Pr
a?
Z 0 = 1,96
ic
e
Segundo passo: determinar os valores especficos de p e q .
Fl
av
ia
Al
p = 0,64
q = 0,36

s p =
s p =
p q
n
0,64 0,36 0,8 0,6

=
= 0,024
400
20
49


p Z 0 s p p p + Z 0 s p
0,64 1,96 0,024 p 0,64 + 1,96 0,024
73
35
37
30
0,64 0,047 p 0,64 + 0,047
Fl
av
ia
Al
ic
e
Pr
a?
og
ue
i0
2
17
3
35
37
30
Fl
av
ia
Al
ic
Pr
a?
og
ue
i0
21
Gabarito: A
50

Relao das questes comentadas

01. (Sefaz-RJ 2008/FGV) SEFAZ RJ 2008 [FGV] Considere uma Amostra
Aleatria Simples de n unidades extradas de uma populao na qual a
caracterstica, X, estudada tem distribuio Normal com mdia e varincia
2 , ambas desconhecidas, mas finitas. Considere, ainda, as estatsticas mdia

da amostra, X =
1 n
1 n
X i , e varincia da amostra s 2 = X i X
n i =1
n i =1
. Ento,
73
35
37
30
correto afirmar que:
21
(A) X e S 2 so, ambos, no tendenciosos para a estimao da mdia e da

og
ue
i0
(B) X no-tendencioso, mas S 2 tendencioso para a estimao da mdia e

a?
(C) X tendencioso, mas S 2 no-tendencioso para a estimao da mdia e

Al
ic
Pr
(D) X e S 2 so, ambos, tendenciosos para a estimao da mdia e da

30
Fl
av
ia
(E) X e S 2 so, ambos, no-tendenciosos para a estimao da mdia e da

varincia da populao, mas apenas X consistente.
ue
i0
2
17
3
35
37
02. (CGU 2008/ESAF) Qual o estimador de mxima verossimilhana da

varincia de uma varivel X normalmente distribuda obtido a partir de uma
amostra aleatria simples X1, X2, X3, ..., Xn, desta varivel, sendo m = X i / n o
n 1
b)
(X
m) 2
(X
Pr
a?
a)
og
estimador de mxima verossimilhana da mdia?
m) 2
ic
e
Fl
av
ia
Al
n2
( X i m) 2
c)
n 1
d)
(X
m) 2
e)
(X
m) 2
0, 5
51

03. (APOFP SEFAZ/SP 2009/ESAF) SEFAZ SP 2009 [ESAF] (Dados da
questo anterior: 17, 12, 9, 23, 14, 6, 3, 18, 42, 25, 18, 12, 34, 5, 17, 20, 7,
8, 21, 13, 31, 24, 9.)
73
35
37
30
Considerando que as observaes apresentadas na questo anterior

constituem uma amostra aleatria simples X1, X2, ..., Xn de uma varivel
aleatria X, determine o valor mais prximo da varincia amostral, usando um
estimador no tendencioso da varincia de X.
Considere que:
= 388
21
23
2
i
= 8676
og
23
ue
i0
i =1
c) 94,45
d) 90,57
e) 98,73
Pr
b) 92,64
a) 96,85
a?
i =1
av
ia
Al
ic
04. (SEFAZ-RJ 2011/FGV) Um processo X segue uma distribuio normal, com

mdia 15 e desvio padro 2, ou seja, ~-15,2 . Sobre uma amostra de
), analise as afirmativas a seguir:
tamanho 36 (
30
Fl
tambm normal.
I. Dado que X normal,

17
3
35
37
= . /, no qual .

II. A mdia amostral difere da populao pelo fator
a mdia populacional e n o nmero de observaes na amostra.
og
ue
i0
2
apresenta desvio-padro 1/3.

III.

Fl
av
ia
Al
ic
e
Pr
a?
Assinale
(A) se apenas a afirmativa I estiver correta.
(B) se apenas as afirmativas I e II estiverem corretas.
(C) se apenas as afirmativas II e III estiverem corretas.
(D) se apenas as afirmativas I e III estiverem corretas.
(E) se todas as afirmativas estiverem corretas.
05. (ISS CAMPINAS 2011/CETRO) A durao da vida de uma pea tal que o
desvio-padro 4 horas. Foram amostradas 100 dessas peas obtendo-se a
mdia de 320 horas. Dessa forma, assinale a alternativa que apresenta um
intervalo de confiana para a verdadeira durao mdia da pea com nvel de
95% de confiana.
(A) [318,04; 321,96]
(B) [318,125; 321,875]
52

(C) [319,05; 320,95]
(D) [319,216; 320,784]
(E) [319,512; 320,488]
73
35
37
30
06. (ICMS/RJ 2011/FGV) Um processo X segue uma distribuio normal com

mdia populacional desconhecida, mas com desvio-padro conhecido e igual a
4. Uma amostra com 64 observaes dessa populao feita, com mdia
amostral 45. Dada essa mdia amostral, a estimativa da mdia populacional, a
um intervalo de confiana de 95%,
i0
21
a) (41;49)
og
ue
b) (37;54)
a?
c) (44,875;45,125)
Pr
d) (42,5; 46,5)
Al
ic
e) (44;46)
17
3
35
37
30
Fl
av
ia
07. (CGU 2008/ESAF) Construa um intervalo de 95% de conana para a

mdia de uma populao normal a partir dos dados de uma amostra aleatria
simples de tamanho 64 desta populao, que forneceu uma mdia de 48 e um
desvio-padro amostral de 16, considerando que F(1,96) = 0,975, onde F(z)
a funo de distribuio de uma varivel aleatria normal padro Z.
ue
i0
2
a) 44,08 a 51,92.
og
b) 41,78 a 54,22.
c) 38,2 a 57,8.
Pr
a?
d) 35,67 a 60,43.
Al
ic
e
e) 32,15 a 63,85.
Fl
av
ia
08. (BACEN/2006/FCC) Os preos de um determinado produto vendido no

mercado tm uma distribuio normal com desvio padro populacional de R$
20,00. Por meio de uma pesquisa realizada com uma amostra aleatria de
tamanho 100, com um determinado nvel de confiana, apurou-se, para a
mdia destes preos, um intervalo de confiana sendo [R$ 61,08; R$ 68,92]. A
mesma mdia amostral foi obtida quadruplicando o tamanho da amostra e
utilizando tambm o mesmo nvel de confiana. Nos dois casos considerou-se
infinito o tamanho da populao. O novo intervalo de confiana encontrado no
segundo caso foi:
a) [R$ 63,04; R$ 66,96]
53

b) [R$ 62,06; R$ 67,94]
c) [R$ 61,57; R$ 68,43]
d) [R$ 61,33; R$ 68,67]
e) [R$ 61,20; R$ 68,80]
O intervalo de 95% de confiana para a mdia populacional :
ue
i0
21
(A) 4,2 0,49
73
35
37
30
09. (SEFAZ MS 2006/FGV) Uma amostra aleatria simples de tamanho 25 foi

selecionada para estimar a mdia desconhecida de uma populao normal. A
mdia amostral encontrada foi 4,2, e a varincia amostral foi 1,44.
og
(B) 4,2 0,64
a?
(C) 4,2 0,71
Al
ic
Pr
(D) 4,2 0,75
av
ia
(E) 4,2 0,81
F(x)
F(x)
F(x)
1,20
0,885
1,37
0,90
1,75
0,95
1,60
0,945
1,81
0,95
2,25
0,98
0,950
2,36
0,98
2,60
0,99
Pr
a?
og
ue
i0
2
17
3
35
37
30
Fl
10. (TRF 1 Regio/2001/FCC) Para responder questo seguinte, considere

as tabelas a seguir. Elas fornecem alguns valores da funo de distribuio
F(x). A tabela 1 refere-se varivel normal padro, as tabelas 2 e 3 referemse varivel t de Student com 10 e 15 graus de liberdade, respectivamente.
Tabela 1
Tabela 2
Tabela 3
Al
ic
e
1,64
Fl
av
ia
O peso de crianas recm-nascidas do sexo feminino numa comunidade tem

distribuio normal com mdia e desvio padro desconhecido. Uma amostra
de 16 recm-nascidos indicou um peso mdio de 3,0 kg e desvio padro
amostral igual a 0,8 kg. Um intervalo de confiana para , com coeficiente de
confiana de 96% dado por:
a) 3,0 0,37
b) 3,0 0,41
54

c) 3,0 0,45
d) 3,0 0,68
e) 3,0 0,73
F(x)
F(x)
F(x)
21
og
Tabela 3
i0
Tabela 2
ue
Tabela 1
73
35
37
30
11. (MPE PE/2006/FCC) Para resolver a questo abaixo, considere as tabelas

a seguir. Elas fornecem alguns valores da distribuio F(x). A tabela 1 referese varivel normal padro, as tabelas 2 e 3 referem-se varivel t de
Student com 15 e 16 graus de liberdade, respectivamente:
a?
1,60 0,945 1,753 0,95 1,746 0,95
Al
ic
Pr
1,64 0,950 2,248 0,98 2,235 0,98
av
ia
2,00 0,977 2,583 0,99 2,567 0,99
30
Fl
Supondo-se que a porcentagem da receita investida em educao, dos 600

municpios de uma regio, tem distribuio normal com mdia , deseja-se
ue
i0
2
17
3
35
37
estimar essa mdia. Para tanto se sorteou dentre esses 600, aleatoriamente e
com reposio, 16 municpios e se observou os percentuais investidos por eles
em educao. Os resultados indicaram uma mdia amostral de 8% e desvio
padro amostral igual a 2%. Um intervalo de confiana para , com
og
coeficiente de confiana de 96%, dado por:
Pr
a?
ic
e
b) (8 1,117 )%
a) (8 1,124)%
Fl
av
ia
Al
c) (8 0,877 )%
d) (8 0,870 )%
e) (8 0,755)%
12. (Senado Federal 2008/FGV) Uma amostra aleatria simples X1, X2, ...,
X16, de tamanho 16, de uma distribuio normal foi observada e indicou as
seguintes estatsticas:
16
X
i =1
= 70,4 e
16
(X
X ) 2 = 60
i 1
55

O intervalo usual de 95% de confiana para a mdia populacional, com duas
casas decimais, :
(A) (3,58 , 5,22).
(B) (3,47 , 5,33).
(C) (3,33 , 5,47).
73
35
37
30
(D) (3,19 , 5,61).
21
(E) (3,01 , 5,81).
og
ue
i0
13. (SEFAZ MS 2006/FGV) Uma amostra aleatria de tamanho 400 revelou

que 64% dos torcedores brasileiros acham que conquistaremos o
hexacampeonato mundial de futebol. O intervalo de 95% de confiana para a
proporo de torcedores na populao que acreditam no hexacampeonato :
Pr
a?
(A) 64% 3,9%
Al
ic
(B) 64% 4,2%
av
ia
(C) 64% 4,7%
30
Fl
(D) 64% 5,1%
35
37
(E) 64% 5,6%
ue
i0
2
17
3
14. (MP RO 2005/CESGRANRIO) Uma amostra aleatria de 400 eleitores

revelou 64% de preferncias pelo candidato X. O intervalo de 95% de
confiana para a proporo de eleitores que preferem X :
N
a
Pr
a?
(B) 0,64 0,052
og
(A) 0,64 0,047

(C) 0,64 0,056
Al
ic
e
(D) 0,64 0,064
Fl
av
ia
(E) 0,64 0,085
56

Gabaritos
Pr
a?
og
ue
i0
21
73
35
37
30
B
E
A
D
D
E
A
A
A
C
A
C
C
A
Fl
av
ia
Al
ic
e
Pr
a?
og
ue
i0
2
17
3
35
37
30
Fl
av
ia
Al
ic
01.
02.
03.
04.
05.
06.
07.
08.
09.
10.
11.
12.
13.
14.
57

TABELA I
Z a varivel normal reduzida (mdia zero e desvio padro unitrio).
PROBABILIDADE DE Z ESTAR ENTRE 0 E Z0

Segunda casa decimal de Z0
0
0,01
0,02
0,03
0,04
0,05
0,06
0,07
0,08
0,09
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
Fl
av
ia
Al
ic
e
Pr
a?
og
ue
i0
2
17
3
35
37
30
Fl
av
ia
Al
ic
Pr
a?
og
ue
i0
21
73
35
37
30
Z0
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
58

PROBABILIDADE DE Z ESTAR ENTRE 0 E Z0
Segunda casa decimal de Z0
0
0,01
0,02
0,03
0,04
0,05
0,06
0,07
0,08
0,09
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
Fl
av
ia
Al
ic
e
Pr
a?
og
ue
i0
2
17
3
35
37
30
Fl
av
ia
Al
ic
Pr
a?
og
ue
i0
21
73
35
37
30
Z0
59

TABELA II
A tabela fornece valores de t 0 tal que a probabilidade de t assumir valores
entre t 0 e + t 0 seja igual a P.
Graus de
liberdade
Valores de P (Probabilidade associada ao intervalo)

0,9
0,95
0,98
0,99
0,995
3,078
6,314
12,706
31,821
63,657
127,321
1,886
2,920
4,303
6,965
9,925
14,089
1,638
2,353
3,182
4,541
5,841
1,533
2,132
2,776
3,747
4,604
1,476
2,015
2,571
3,365
4,032
1,440
1,943
2,447
3,143
1,415
1,895
2,365
2,998
1,397
1,860
2,306
1,383
1,833
2,262
10
1,372
1,812
2,228
11
1,363
1,796
12
1,356
1,782
13
1,350
14
1,345
15
1,341
21
73
35
37
30
0,8
5,598
4,773
4,317
3,499
4,029
2,896
3,355
3,833
2,821
3,250
3,690
2,764
3,169
3,581
2,201
2,718
3,106
3,497
2,179
2,681
3,055
3,428
1,771
2,160
2,650
3,012
3,372
1,761
2,145
2,624
2,977
3,326
1,753
2,131
2,602
2,947
3,286
1,337
1,746
2,120
2,583
2,921
3,252
17
1,333
1,740
2,110
2,567
2,898
3,222
18
1,330
1,734
2,101
2,552
2,878
3,197
19
1,328
1,729
2,093
2,539
2,861
3,174
20
1,325
1,725
2,086
2,528
2,845
3,153
21
1,323
1,721
2,080
2,518
2,831
3,135
22
1,321
1,717
2,074
2,508
2,819
3,119
av
ia
Fl
30
35
17
3
ue
i0
2
og
N
a
Pr
a?
ic
e
Al
Fl
av
ia
16
Al
ic
3,707
37
Pr
a?
og
ue
i0
7,453
60

1,319
1,714
2,069
2,500
2,807
3,104
24
1,318
1,711
2,064
2,492
2,797
3,091
25
1,316
1,708
2,060
2,485
2,787
3,078
26
1,315
1,706
2,056
2,479
2,779
3,067
27
1,314
1,703
2,052
2,473
2,771
3,057
28
1,313
1,701
2,048
2,467
2,763
3,047
29
1,311
1,699
2,045
2,462
2,756
3,038
30
1,310
1,697
2,042
2,457
2,750
3,030
40
1,303
1,684
2,021
2,423
2,704
60
1,296
1,671
2,000
2,390
2,660
99
1,290
1,660
1,984
2,365
2,626
120
1,289
1,658
1,980
2,358
1,282
1,645
1,960
2,326
21
73
35
37
30
23
2,915
Pr
a?
og
ue
i0
2,971
2,871
2,860
2,576
2,807
Fl
av
ia
Al
ic
e
Pr
a?
og
ue
i0
2
17
3
35
37
30
Fl
av
ia
Al
ic
2,617
61

Aula12 Pt1 Mat Estat Prob TE FINEP 67142

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

Aula12 Pt1 Mat Estat Prob TE FINEP 67142

Загружено:

Авторское право:

Доступные форматы

Flavia Alice Pra?

ESTATSTICA PARA FINEP

Prof. Guilherme Neves

Flavia Alice Pra?a Noguei02173353730

ESTATSTICA PARA FINEP

Inferncia algo que todo mundo j fez na vida. Ao fazer um exame de

Em uma pesquisa para as intenes de voto para prefeito, no basta o

aqui que entra a Estatstica Inferencial. Na inferncia estatstica, o todo

Suponhamos que desejamos conhecer alguma coisa de determinada

Quando o nmero de elementos na amostra muito pequeno em relao ao

Flavia Alice Pra?a Noguei02173353730

ESTATSTICA PARA FINEP

A mdia das alturas dos adolescentes realmente 1,72m? No temos como

= mdia populacional (parmetro populacional)

importante frisar que no apenas uma diferena de valores. Enquanto o

Outra notao importante que vamos utilizar para a varincia/desvio-padro

Em geral, chamamos o parmetro populacional por uma letra grega e o

Parmetro: uma caracterstica da populao

J sabemos que o estimador no igual ao parmetro populacional. No

Flavia Alice Pra?a Noguei02173353730

ESTATSTICA PARA FINEP

- No viesados (ou no tendenciosos ou no viesados)

Naquela aula vimos que

Vamos voltar ao exemplo do dado visto na aula de variveis aleatria.

Imagine que ns lanamos o dado 5 vezes e obtivemos o seguintes resultados:

Estes cinco lanamentos so uma amostra dos infinitos resultados que

O valor da mdia da amostra ( X ) um estimador da mdia populacional ( ).

um estimador no tendencioso, de varincia mnima, de mnimos quadrados

Vamos agora falar sobre os estimadores da varincia.

Flavia Alice Pra?a Noguei02173353730

ESTATSTICA PARA FINEP

que a mesma frmula vista para a varincia na aula de Estatstica Descritiva.

Este estimador acima o mais utilizado. Ele no tendencioso. Contudo, no

01. (Sefaz-RJ 2008/FGV) SEFAZ RJ 2008 [FGV] Considere uma Amostra

2 , ambas desconhecidas, mas finitas. Considere, ainda, as estatsticas mdia

correto afirmar que:

Flavia Alice Pra?a Noguei02173353730

ESTATSTICA PARA FINEP

- a mdia aritmtica da amostra como um estimador da mdia populacional:

- a varincia da amostra como um estimador da varincia populacional: vimos

02. (CGU 2008/ESAF) Qual o estimador de mxima verossimilhana da

estimador de mxima verossimilhana da mdia?

Prof. Guilherme Neves

Flavia Alice Pra?a Noguei02173353730

ESTATSTICA PARA FINEP

Considerando que as observaes apresentadas na questo anterior

Vamos resolver de duas maneiras. A primeira delas aplicando uma das

A outra maneira consiste em fazer uma adaptao da frmula de varincia que

Ou seja, a varincia igual diferena entre a mdia dos quadrados e o

Prof. Guilherme Neves

Flavia Alice Pra?a Noguei02173353730

ESTATSTICA PARA FINEP

No caso da varincia amostral, devemos fazer uma adaptao. Basta

O primeiro passo calcular a mdia aritmtica. Basta somar todos os valores e

A mdia dos quadrados das observaes:

Comeamos calculando a diferena entre a mdia dos quadrados e o quadrado

Agora multiplicamos esse resultado por n/(n-1)

O estimador no tendencioso da varincia :

Prof. Guilherme Neves

Flavia Alice Pra?a Noguei02173353730

ESTATSTICA PARA FINEP

A proporo da amostra ns denotamos por ( .

Ns utilizamos ( como estimador de (.

Agora sim, vamos ao que interessa. Calcular intervalos de confiana.

= . /, no qual .

apresenta desvio-padro 1/3.

tambm ser uma varivel