RLM 6

CURSO ONLINE RACIOCNIO LGICO EM EXERCCIOS ISS/RJ 1
PROFESSOR: VTOR MENEZES
AULA 6 Amostragem; estimadores; teste de hipteses; qui-quadrado
I. AMOSTRAGEM . .......................................................................................................................................2
II. ESTIMADORES PONTUAIS . .......................................................................................................................6
III. INTERVALO DE CONFIANA PARA A MDIA . . 11
1. A mdia amostral como uma varivel aleatria. . 11
2. Intervalo de confiana para a mdia . . 20
IV. Distribuio T: intervalo de confiana para mdia quando a varincia da populao desconhecida 27
V. INTERVALO DE CONFIANA PARA PROPORES . . 34
VI. INTERVALO DE CONFIANA E TAMANHO DA AMOSTRA . . 36
VII. TESTE DE HIPTESES .. 41
1. Teste sobre a mdia.. 44
2. Pvalor.. 54
3. Teste sobre propores usando a distribuio binomial . . 64
4. Teste sobre propores usando distribuio normal. . 67
VIII. DISTRIBUIO DE QUIQUADRADO . . 73
1. Teste de Quiquadrado para propores . . 74
2. Teste de quiquadrado para vrias propores. . 77
IX. LISTA DAS QUESTES DE CONCURSO. . 86
X. GABARITO DAS QUESTES DE CONCURSO . . 101
www.pontodosconcursos.com.br
Nesta aula veremos uma grande quantidade de tpicos:

- amostragem
- estimadores pontuais
- intervalos de confiana
- teste de hipteses
- distribuio de qui-quadrado.
Pela grande quantidade de matria, deixaremos de lado alguns tpicos pouco cobrados, como:
- o fator de correo para populaes finitas;
- as caractersticas dos estimadores (no viciado, de mxima verossimilhana, de varincia
mnima, de mnimos quadrados).
- teste de hipteses e intervalo de confiana para a varincia
Aproveito para repetir o alerta j dado na aula passada, sobre as questes que estou utilizando
nas aulas de estatstica inferencial.
Nas aulas anteriores, quando no localizvamos questes da ESAF sobre determinado
assunto, simplesmente ignorvamos tal assunto. Aqui isso no ser feito. A ESAF j deixou
bem claro que vai continuar cobrando estatstica inferencial em todas as suas provas. Ocorre
que, como este fato recente, no h ainda questes da banca sobre todos os tpicos
importantes. Por isso, nas aulas 5 e 6 (e em parte da aula 7), precisarei usar questes de outras
bancas, mais do que tenho utilizado nas aulas anteriores.
I. AMOSTRAGEM
EC 1 Paran Previdncia 2002. [CESPE]
Julgue os itens seguintes, relativos a tcnicas de amostragem.
1. No caso de uma amostra aleatria de tamanho n extrada de uma populao de N
elementos, a probabilidade de seleo de cada uma das combinaes amostrais possveis
igual a 1/N.
2. Considere a seguinte situao hipottica.
Uma determinada populao pode ser dividida em subgrupos com caractersticas semelhantes,
como sexo, faixa etria, rendimento mensal etc. Os subgrupos formam uma partio da
populao e os elementos selecionados so resultantes de uma amostra aleatria simples
efetuada em cada subgrupo. Nessa situao, o desenho amostral conhecido como
amostragem por conglomerados.
Uma empresa quer estudar a renda de empregados rurais existentes em uma rea do interior
do estado do Paran. Devem ser aplicados 1.200 questionrios, mas a empresa no possui um
cadastro contendo dados sobre os empregados rurais. A inexistncia do cadastro impede o
sorteio aleatrio de tais empregados. Alm disso, o custo de contactar diretamente as famlias
rurais dispersas em uma grande rea muito elevado. Para viabilizar o estudo, a rea do
interior do estado foi dividida em pequenas subreas disjuntas. Foram selecionadas
aleatoriamente algumas subreas e a pesquisa procurou entrevistar todos os empregados rurais

dentro delas. Nessa situao, o desenho amostral conhecido como amostragem estratificada.
Resoluo.
A amostragem aleatria simples a mais cobrada em provas de concursos. De forma bem
resumida, podemos dizer que se trata da amostragem feita de forma que cada elemento da
populao tem a mesma chance de ser escolhido.
Por exemplo: queremos escolher algumas pessoas de uma empresa para realizar uma
entrevista. Escrevemos os nomes de todos os funcionrios em pedaos de papel de mesmo
tamanho. Colocamos todos os nomes em um saco. Misturamos bem todos os papis. Feito isto
sorteamos 5 nomes. Este um exemplo de amostragem aleatria simples.
Quando a populao descrita por uma varivel contnua, no podemos mais falar em
probabilidade de ocorrer um dado valor. Nesse caso, segundo Stevenson, a amostra aleatria
se a probabilidade de incluir na amostra qualquer intervalo de valores igual
percentagem da populao que est naquele intervalo
H diversos outros tipos de amostragem. Na prtica, muitas vezes a amostragem aleatria
simples pode no ser a mais indicada. Mas, para concursos, a mais importante.
Uma alternativa amostragem aleatria a amostragem estratificada. Nela, dividimos nossa
populao em extratos. Cada extrato abriga elementos mais ou menos homogneos.
Exemplo: estamos fazendo uma pesquisa sobre o perfil de consumo das pessoas de uma
cidade. possvel que, para o tipo de produto a que se refere a pesquisa, seja interessante
separar a populao por idade. Dividimos nossa populao em extratos. Um extrato para
crianas e jovens. Outro para adultos. E um terceiro para idosos. Dentro de cada extrato
fazemos uma amostragem aleatria.
Qual a vantagem disso? Se cada estrato for realmente homogneo, a variabilidade dos dados,
dentro de cada estrato, ser pequena, o que permite que trabalhemos com amostras menores.
Vejamos um caso extremo. Que bom seria (para quem est fazendo a pesquisa) se todos os
idosos do nosso estrato tivessem exatamente o mesmo perfil de consumo. Poderamos tomar
apenas um deles como a amostra (a amostra teria tamanho 1), de forma que conheceramos
muito bem o comportamento de todos eles.
Para que a amostragem seja boa, importante que os tamanhos das amostras a serem feitas
em cada extrato sejam proporcionais ao tamanho do extrato. Assim, se 30% da populao
desta cidade formado por crianas/jovens e ns iremos entrevistar ao todo 100 pessoas, seria
interessante que 30 pessoas fossem crianas/jovens.
Outros critrios de formao de extratos poderiam ser: sexo, regio geogrfica, renda,
profisso.
H ainda a amostragem por conglomerados. Nesta amostragem ns dividimos novamente a
populao. S que no nos preocupamos em separar a populao em extratos com
caractersticas semelhantes. Dividimos a populao em conglomerados. Conglomerado so
subconjuntos da populao que, idealmente, so bastante heterogneos, representando bem o
que ocorre na populao inteira.
Uma das grandes vantagens da amostragem por conglomerado a reduo de custos.
Compem o conglomerado elementos que esto fisicamente muito prximos. Por essa
condio, embora fosse bem interessante que cada conglomerado tivesse elementos bem
heterogneos, isso acaba no ocorrendo.
Vejamos um exemplo, para ficar mais claro. O exemplo que segue foi retirado do livro
Estatstica Geral e Aplicada do Gilberto Martins. Desejamos selecionar uma amostra de
chefes de famlia de uma cidade.
Suponha que, para o tipo de pesquisa, seria til separar os chefes de famlia por idade. At 30
anos; de 31 a 45; e de 45 em diante. Seria uma amostragem estratificada. S que isso s vezes
pode ser meio difcil. s vezes no se tem, previamente, uma lista com todos os chefes de
famlia (e suas respectivas idades). s vezes at se tem parte dessa informao, mas pode ser
que chefes de famlia de um mesmo estrato estejam muito espalhados na cidade, o que
tornaria mais demorada (e cara) a amostragem.
Uma outra opo a amostragem por conglomerado. Aqui entramos, de fato, no exemplo do
livro do Martins. Podemos separar a cidade em quarteires. Cada quarteiro um
conglomerado. Fazemos uma seleo dos conglomerados que sero pesquisados, por meio de
uma amostra aleatria simples. Escolhidos os quarteires, nos dirigimos a eles e
entrevistamos todos os chefes de famlia que nele residem.
Seria timo se, em cada quarteiro, tivssemos elementos bem heterogneos, que
representassem bem toda a populao. Assim, precisaramos de poucos quarteires (poucos
conglomerados) para ter uma boa noo do que ocorre na populao.
S que, pelo fato de os elementos de cada conglomerado estarem fisicamente ligados (todos
os chefes de famlia de um quarteiro so vizinhos, moram perto uns dos outros), difcil que
os conglomerados sejam realmente heterogneos. bem possvel que quarteires formados
por casas grandes tenham chefes de famlias com idade mais elevada, que j constituram
famlia, tm filhos, precisam de mais espao. Pessoas que moram num mesmo quarteiro
geralmente tm mesmo nvel de renda, freqentam os mesmos estabelecimentos (que ficam
nas proximidades), etc, o que, dependendo da pesquisa, pode revelar elementos mais
semelhantes (com tendncia homogeneidade) do que diferentes.
Para minimizar esse problema, importante escolher um nmero maior de conglomerados.
Por fim, temos a amostragem sistemtica.
Caso os valores que se pretendam investigar no estejam em nenhuma ordem especfica
(relacionada com a varivel pesquisada), possvel fazer a amostragem de forma peridica.
Poderamos, por exemplo, a cada dez itens da populao, escolher um. Tomaramos apenas o
10, o 20, o 30 e assim por diante.
Repare que o fato de os dados estarem ordenados no atrapalha na amostragem sistemtica. O
problema pode surgir quando h relao entre o critrio de ordem dos dados e a varivel
estudada.
Vejamos um primeiro exemplo. Estamos estudando a altura de um certo grupo de pessoas.
Poderamos tomar uma lista de nomes em ordem alfabtica e escolher um a cada 20 nomes.
Esta uma amostragem sistemtica. Escolhidos os nomes, medimos as alturas das pessoas
selecionadas. razovel que a ordem alfabtica no guarde qualquer relao com a altura da
pessoa. A amostragem sistemtica poderia ser feita sem problemas.
O problema na amostragem sistemtica ocorre se os elementos estiverem organizados
segundo um critrio que tenha relao com a varivel pesquisada. Um exemplo interessante,
tirado do livro Estatstica Aplicada Administrao, do Stevenson, o que segue. Imagine
que queiramos pesquisar dados sobre imveis de uma dada regio. Vamos escolher os
imveis a serem pesquisados a partir da lista telefnica.
Caso a nossa lista telefnica traga as casas conforme sua ordem na rua, possvel que
tenhamos um problema. possvel que casas de esquina (que nesta situao estariam
igualmente espaadas) tenham caractersticas diferentes. Podem ser mais caras, terem um
terreno maior, pagarem mais imposto, etc. Assim, pode ser que a amostragem sistemtica
resulte em tomarmos predominantemente casas de esquina, o que certamente vai trazer um
erro na nossa concluso sobre a distribuio dos dados para aquele bairro.
Neste caso, o problema foi que havia certa relao entre a varivel pesquisada e a ordem
segundo a qual estavam organizados os itens pesquisados.
Visto isso, podemos atacar a questo do CESPE.
Primeiro item.
Vamos colocar nmeros para ficar mais fcil de entender.
A populao tem 5 elementos (1, 2, 3, 4, 5). Vamos fazer amostras com tamanho 2. As
amostras possveis so:
1,2; 1,3; 1,4; 1,5; 2,3; 2,4; 2,5; 3,4; 3,5; 4,5.
So possveis 10 amostras.
A probabilidade de seleo de cada uma das possveis amostras 1/10.
O exerccio afirma que esta probabilidade de 1/5.
O item est errado.
Gabarito: errado.
O exerccio pretendeu confundir o candidato. Quando temos N elementos na populao e
vamos escolher um, de forma aleatria, a sua probabilidade de ser escolhido 1/N.
Quando vamos escolher amostras de tamanho n, temos que ver quantas combinaes so
possveis. Se a amostra for aleatria simples, cada combinao ter a mesma chance de ser
escolhida.
Segundo item.
A amostragem descrita a amostragem estratificada. Item errado.
Gabarito: errado
Terceiro item.
A amostragem descrita por conglomerados. Item errado.
Gabarito: errado.
EC 2 TRF 2 Regio/2007 [FCC]

Uma pesquisa pretende estimar o valor mdio mensal dos salrios recebidos pelos professores
de 4 escolar do bairro Sade. Para a pesquisa primeiramente foram listados todos os
professores para as 4 escolas segundo o sexo resultando em 2000 professores do sexo
feminino e 1500 professores do sexo masculino. Foram propostos dois planos amostrais
distintos. O primeiro plano previa um sorteio com reposio de 350 professores do total de
3500. Na segunda proposta, o total da populao de professores foi dividido em dois grupos
(um grupo do sexo feminino e outro grupo do sexo masculino) e seriam sorteados 10% de
cada grupo com reposio. Segundo a teoria geral da amostragem, o primeiro e o segundo
plano so, respectivamente:
a) amostragem aleatria simples e amostragem estratificada
b) amostragem aleatria simples e amostragem estratificada
c) amostragem estratificada e amostragem aleatria simples
d) amostragem aleatria simples e amostragem por conglomerado em dois estgios
e) amostragem aleatria simples e amostragem por conglomerados.
Resoluo.
No primeiro plano, todas as combinaes de 350 professores so igualmente provveis.
Temos uma amostragem aleatria simples.
No segundo plano, nem todas as combinaes so possveis. No possvel, por exemplo, que
todos os 350 professores escolhidos sejam do mesmo sexo. Na segunda amostragem,
separamos a populao em extratos (conforme o sexo). E fizemos com que os tamanhos das
amostras, dentro de cada extrato, sejam proporcionais ao tamanho dos estratos dentro da
populao. uma amostragem estratificada.
Gabarito: A
II. ESTIMADORES PONTUAIS

EC 3 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
1 n
desconhecidas, mas finitas. Considere, ainda, as estatsticas mdia da amostra, X = X i ,
n i =1
( )
n
1
e varincia da amostra s 2 = X i X . Ento, correto afirmar que:
2
n i =1
(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
(C) X tendencioso, mas S 2 no-tendencioso para a estimao da mdia e da varincia da
(D) X e S 2 so, ambos, tendenciosos para a estimao da mdia e da varincia da populao,
respectivamente.
(E) X e S 2 so, ambos, no-tendenciosos para a estimao da mdia e da varincia da

populao, mas apenas X consistente.
Resoluo:
Utilizamos medidas amostrais (estatsticas) para estimar caractersticas populacionais
(parmetros).
A mdia aritmtica da amostra um estimador da mdia populacional. Daqui para frente estas
duas mdias vo aparecer num mesmo problema. Para diferenci-las, so usados smbolos
distintos. O smbolo para a mdia amostral X . O smbolo para mdia populacional .
Para a varincia, tambm h smbolos distintos, conforme a referncia seja estatstica ou ao
parmetro. Quando quisermos nos referir varincia populacional, vamos usar o smbolo 2 .
Ou ento, podemos usar o smbolo V(X). Outro smbolo possvel nos exerccios Var(X).
Quando quisermos nos referir varincia de uma amostra, usamos s 2 .
Para estimar a varincia populacional, podemos utilizar:
(X )
2
X
=
2 i
s ,
n 1
Este o chamado estimador no tendencioso (ou no viciado) da varincia populacional. o
mais utilizado. Contudo, no caso da varivel normal (que a mais cobrada em provas), ele
no o estimador de mxima verossimilhana. O estimador de mxima verossimilhana :
(X ) 2
X
=
2 i
s
n
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 ).
No tendencioso e de mxima verossimilhana so duas caractersticas desejveis para
um bom estimador. Num curso terico de estatstica ns estudamos cada tipo de caracterstica,
bem como os exerccios relacionados.
Devido ao tempo at a prova, optei por excluir estes assuntos do presente curso, pois a relao
custo/benefcio no boa. Vamos nos restringir a este resuminho que demos acima.
Quando ao estimador no-viciado, como ele o mais cobrado, falamos mais um pouquinho
sobre ele nesta aula (ver fl. 13).
Nesta questo, temos:
- a mdia aritmtica da amostra como um estimador da mdia populacional: vimos que a
mdia da amostra um estimador no-tendencioso.
- a varincia da amostra como um estimador da varincia populacional: vimos que, quando se
usa n no denominador, o estimador tendencioso.
Gabarito: B
Resumindo: h diversos tipos de estimadores. Ns no sabemos exatamente o que eles

significam.
S sabemos que, no caso de estimarmos a varincia da populao a partir de uma amostra, o
denominador pode ser n 1 ou n.
Se o exerccio no falar nada, utilize n 1 . Este o estimador mais utilizado. Ele no
tendencioso (ou no-viciado).
Se o exerccio pedir o estimador de mxima verossimilhana e a distribuio for normal,
utilize n.
EC 4 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 estimador de mxima verossimilhana da mdia?
a)
(X i m) 2
n 1
b)
(X i m) 2
n2
( X i m) 2
0 ,5

c)
n 1

d) (X i m) 2
e)
(X i m) 2
n
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.
Resumindo: h diversos tipos de estimadores. Ns no sabemos exatamente o que eles

significam.
S sabemos que, no caso de estimarmos a varincia da populao a partir de uma amostra, o
denominador pode ser n 1 ou n. Se o exerccio no falar nada, utilize n 1 . Se pedir
o estimador de mxima verossimilhana e a distribuio for normal, utilize n.
EC 5 Prefeitura de Manaus 2004 [CESGRANRIO]

Com base em uma amostra aleatria simples (X1, X2, ..., Xn), de mdia
X + X 2 + ... + X n
X = 1 , um estimador no viciado da varincia da populao :
n
( X 1 X ) 2 + ( X 2 X ) 2 + ... + ( X n X ) 2
a)
n +1
( X 1 X ) 2 + ( X 2 X ) 2 + ... + ( X n X ) 2
b)
n
( X 1 X ) 2 + ( X 2 X ) 2 + ... + ( X n X ) 2
c)
n 1
X 1 + X 2 + ... + X n
2 2 2
2
d) X
n
X 1 + X 2 + ... + X n
2 2 2
2
e) X
n 1
Resoluo.
Quando queremos o estimador no-viciado, o denominador igual a n 1 .
Gabarito: C
EC 6 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.)
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
23 que:
Xi =
i =1
388
23
X
i =1
i
2
= 8676
a) 96,85
b) 92,64
c) 94,45
d) 90,57
e) 98,73
Resoluo.
A mdia fica:
23
X i
388
X = i =1
=
23 23
A mdia dos quadrados das observaes fica:
8676
X2 =
23
A varincia (com n no denominador), dada por:
2
X2 X
2
8676 388
=
23 23
Para o estimador no tendencioso (ou no viciado, ou no enviesado), ns usamos n 1 no
denominador. Portanto, precisamos ajustar o denominador.
O resultado acima considera uma diviso por 23 (= n). Precisamos multiplicar por 23, para
cancelar esta diviso.
Em seguida, dividimos por 22, para que o denominador seja igual a n 1 .
O estimador no tendencioso da varincia fica:
23 8676 388 2
s =
2

22 23 23
8676 388 2
s2 =
22 23 22
= 394,36 297,52 = 96,84
Gabarito: A
EC 7 Basa/2007 [CESPE]
Um programa de controle de qualidade foi implementado em uma agncia bancria. A cada
10 clientes que entram na fila para solicitar um certo tipo de servio S, um atendente entrega
um pequeno questionrio, que deve ser preenchido pelo cliente e devolvido ao caixa do
banco. Um dos quesitos monitorados diariamente a proporo de clientes que esto
satisfeitos com o atendimento de um modo geral. Em determinada semana, foram observados
os resultados mostrados na tabela a seguir.
Dia da semana 2 3 4 5 6
Nmero de clientes observados 30 40 20 50 70
proporo de clientes satisfeitos 0,9 0,8 0,9 0,8 0,6
Com base nesses dados, julgue o item que se segue.
1. A estimativa da proporo mdia de clientes satisfeitos com o atendimento de um modo

geral ao longo dessa semana superior a 0,8.
Resoluo.
Vamos utilizar a proporo da amostra para estimar a proporo da populao.
O nmero de clientes satisfeitos foi de:
30 0,9 + 40 0,8 + 20 0,9 + 50 0,8 + 70 0,6 = 159
O nmero total de clientes entrevistados foi:
30 + 40 + 20 + 50 + 70 = 210
A proporo de clientes satisfeitos na amostra :
159
p = = 0,7571 .
210
Portanto, o item est errado. A estimativa de 75,71%. inferior a 80%.
Gabarito: errado.
ESTIMADORES PONTUAIS:
- Usamos a mdia amostral para estimar a mdia populacional ( X um estimador de );

- Usamos a varincia amostral para estimar a varincia populacional. Se o estimador for no-
viciado (ou no-tendencioso) usamos n 1 no denominador. Se o estimador for de mxima
verossimilhana e a varivel for normal, usamos n no denominador.
- Usamos a proporo amostral para estimar a proporo populaconal.
III. INTERVALO DE CONFIANA PARA A MDIA

1. A mdia amostral como uma varivel aleatria
EC 8 INEP 2008 [CESGRANRIO]
Denotando-se a mdia e a varincia amostral, respectivamente, por X e s 2 , o erro padro da

estimativa da mdia populacional (M) definido como
a) X M
b) X M
s
c)
n
s
d)
n
s2
e)
n
Resoluo.
Quando se pensa em uma nica amostra, X um nmero, fixo, constante. a mdia

aritmtica daquela amostra especfica.
Quando se pensa em todas as possveis amostras de tamanho n X passa a ser uma varivel
aleatria. Se uma varivel aleatria, ento possui uma mdia e um desvio padro.
possvel demonstrar que a varivel aleatria X possui mdia (ou seja, sua mdia igual
mdia da populao).

possvel tambm demonstrar que X possui desvio-padro dado por ( igual ao desvio
n
padro da populao, dividido por raiz de n).
Tais resultados no so difceis de obter. Basta lembrar que:

n
X i
X = i =1
n
Quando pensamos em todas as amostra de tamanho n, cada X i uma varivel aleatria de
mdia e varincia 2 . Aplicando as propriedades da esperana, conclumos que a mdia
de X tambm igual a .
Ainda utilizando as propriedades da esperana, e supondo que os diversos X i so

independentes entre si, conclui-se que o desvio-padro de X igual a .
n
A questo da CESGRANRIO apresenta cobrana direta da frmula estudada. Vimos que X
uma estimativa para a mdia populacional. O erro-padro (ou ainda, desvio-padro) de X

dado por: .
n
Quando no conhecemos o desvio-padro da populao ( ), a frmula alterada.
Substitumos pelo desvio-padro amostral (s), pois j vimos que s um estimador para .
A frmula fica:
s
n
Gabarito: D
Interessante comentar que, pelo teorema do limite central, a varivel aleatria X
aproximadamente normal. A aproximao tanto melhor quanto maior o tamanho da amostra.
Quando a populao de onde extrada a amostra normal, X tambm ser normal (a j no
aproximao).
X pode ser vista como uma varivel aleatria normal (ou aproximadamente normal),
2
com mdia , varincia e desvio padro .
n n
A aproximao vale mesmo que X no seja normal. Quanto maior o tamanho das
amostras, melhor a aproximao.
O fato de a esperana de X ser igual ao parmetro estimado ( ) faz com que este estimador
seja no-viciado. Ou seja, se fosse possvel fazer inmeras amostragens, em mdia ns
acertaramos o valor do parmetro.
EC 9 CGU - 2008 [ESAF]

Seja T um estimador de um parmetro de uma populao. Se E (T ) = , diz-se que T um
estimador de :
a) eficiente
b) no enviesado
c) consistente
d) de mnimos quadrados
e) de mxima verossimilhana
Resoluo.
Vimos que o fato da esperana do estimador ser igual ao parmetro permite classificar o
estimador como no viciado (ou no tendencioso, ou no enviesado). Todas essas expresses
so sinnimas.
Gabarito: B.

Para responder questo seguinte, considere a tabela abaixo, referente distribuio normal
padro.
Fz ( z)
1,20 0,885
1,60 0,945
1,64 0,950
Uma mquina de empacotar leite em p o faz segundo uma normal com mdia e desvio
padro 10g. O peso mdio deve ser regulado para que apenas 5,5% dos pacotes tenham
menos do que 1000 g. Com a mquina assim regulada, a probabilidade de que o peso total de
4 pacotes escolhidos ao acaso seja inferior a 4.040 g :
a) 0,485
b) 0,385
c) 0,195
d) 0,157
e) 0,115
Resoluo.
A tabela fornecida nos deu a FDP da distribuio normal. Ou seja, nos deu as probabilidades
de Z assumir valores menores ou iguais a 1,20, a 1,60 e a 1,64.
Da tabela acima, conclumos que a rea verde da figura abaixo igual a 0,945%.
Uma vez que a rea total igual a 1, conclumos que a rea vermelha igual a 5,5%. Como o
grfico simtrico, sabemos que a rea amarela abaixo tambm igual a 5,5%.
Seja X a varivel aleatria que indica o peso dos pacotes de leite em p.

A transformao para encontrar a varivel reduzida :
X
Z=

Sabemos que 5,5% dos valores de Z so menores ou iguais a -1,6. Sabemos que 5,5% dos
valores de X so menores ou iguais a 1.000 g. Logo, quando Z vale -1,6, X vale 1.000.
1000
1,6 = 16 = 1000 = 1016
10
Encontramos o peso mdio dos pacotes.
Os pesos dos pacotes se comportam como uma varivel normal de mdia 1016 e desvio
padro de 10 gramas.
A pergunta : qual a probabilidade de o peso total de uma amostra de 4 pacotes ser inferior a
4040g?
4040
Lembrando que = 1010 , temos que essa pergunta equivale a:
4
Qual a probabilidade de o peso mdio de uma amostra de 4 pacotes ser inferior a 1010 g?
Seja X a varivel aleatria que designa o peso mdio em amostras de 4 pacotes. X tem
distribuio normal. Sua mdia dada por:
E[ X ] = = 1016
Sua mdia igual mdia da populao.
Seu desvio padro dado por:
10
V[X ] = X = = =5
n 2
X uma varivel aleatria com mdia 1016 e desvio padro igual a 5.

Queremos saber a probabilidade de X ser inferior a 1010g. Precisamos consultar a tabela de
reas fornecida na prova. Para tanto, precisamos achar o valor da varivel normal reduzida Z
que corresponde a 1010.
E agora cuidado!
A varivel aleatria de estudo X . Na hora de obter a varivel Z, temos que fazer uma
subtrao e uma diviso.
Subtramos a mdia da varivel X (no caso, 1016). E dividimos pelo desvio padro de X
(no caso, 5).
X
Z=
X
Quando X vale 1010, Z vale:

1010 1016
Z= = 1,2
5
Vamos achar a probabilidade de Z ser menor que -1,2.
A tabela fornecida nos diz que a rea verde da figura abaixo de 0,885.
Como a rea total igual a 1, a rea vermelha igual a 0,115 (=1-0,885). Uma vez que o
grfico simtrico, a rea amarela da figura abaixo tambm de 0,115.
A probabilidade de Z ser menor que -1,2 de 0,115. Consequentemente, a probabilidade de

X ser menor que 1010 tambm de 0,115.
Gabarito: E.
EC 11 MPU/2007 [FCC]
[Considere que voc j sabe que X tem varincia igual a 12]
Se retirarmos uma amostra aleatria de 1200 observaes de uma populao com distribuio
uniforme no intervalo [17; 29], a distribuio da mdia amostral X ser, aproximadamente,
a) uniforme com mdia 23 e varincia 12
b) normal com mdia 23 e desvio padro 0,1
c) uniforme com mdia 23 e varincia 1
d) normal com mdia 23 e desvio padro 12.
e) normal com mdia 23 e desvio padro 1.
Resoluo.
Quando a populao tem distribuio normal, X tambm uma varivel aleatria normal.
Quando a populao no for normal, X ser aproximadamente normal. A aproximao ser
tanto melhor quanto maior for a amostra.
Nesse caso, em que X uniforme, X aproximadamente normal. Note que a amostra bem
grande (n = 1200).
Estudamos na aula passada que, para calcular a mdia de uma varivel aleatria uniforme,
basta pegar o ponto mdio do intervalo em que ela diferente de zero. Neste caso, a esperana
de X fica:
29 + 17 23
E[ X ] = 2 =
A mdia de X coincide com a mdia populacional.

E[ X ] = = 23
Para terminar a questo, ainda falta achar o desvio padro da mdia amostral. Para tanto,
precisamos da varincia da populao (no informada). E ns no estudamos como calcula-la.
Ento acho que entender a questo at aqui j est timo. Mais que isso, para um concurso
aberto a candidatos de todas as reas, acho que j no seria razovel.
Foi por isso que adaptei a questo. No enunciado eu disse para considerarmos que j sabemos
qual a varincia de X.
Supondo que j sabemos que X tem varincia 12, temos:
2 12
X2 = = = 0,01
n 1200
X = 0,1
Portanto, X tem distribuio aproximadamente normal, com mdia 23 e desvio padro 0,1.
Gabarito: B.
Para resolver o enunciado original, sem a adaptao, ficaramos com:
29 29
1 1 x3
E[ X ] = x f ( x) dx = x
2 2 2
dx =
17
29 17 12 3 17
29
1 x3 1 29 3 17 3
E[ X ] =
2
= = 541
12 3 17
12 3
V [ X ] = E[ X 2 ] 2 = 541 23 2 = 12
E, por fim:
2 12
X2 = = = 0,01
n 1200
X = 0,1
Portanto, X tem distribuio aproximadamente normal, com mdia 23 e desvio padro 0,1.
Nunca demais lembrar: esta questo foi tirada de uma prova da rea de estatstica. Envolve
conceitos que no estudamos. Por isso tivemos que adaptar o enunciado (fornecendo a
varincia de X).
No razovel a cobrana do enunciado original em uma prova aberta a candidatos de todas
as reas.
EC 12 Ministrio da Sade/2007 [FCC]

Para responder questo seguinte, considere, dentre os dados abaixo, aqueles que julgar
apropriados. Se Z tem distribuio normal padro, ento:
P( Z > 2) = 0,023 ; P (0 < Z < 1,6) = 0,445 ; P ( Z < 1) = 0,84 ; P(0 < Z < 2,33) = 0,49
Suponha que o peso de crianas de 10 anos, numa determinada populao, tenha distribuio
normal com mdia desconhecida e desvio padro 4 kg. A probabilidade de que o peso
mdio de uma amostra aleatria simples de 100 crianas, selecionadas desta populao, difira
por mais de 400 gramas de , aproximadamente, igual a:
a) 0,10
b) 0,16
c) 0,20
d) 0,27
e) 0,32
Resoluo.
X uma varivel aleatria de mdia e desvio padro:
4
X = = = 0,4
n 10
Vamos achar a probabilidade de X distar menos de 0,4 kg da mdia populacional.

Isso ocorre quando X assume valores entre 0,4 e + 0,4 .
Vamos achar os valores de Z correspondentes. Quando X igual a 0,4 , Z igual a:
X 0,4
Z= = = 1
X 0,4
Quando X igual a + 0,4 , Z igual a:
X + 0,4
Z= = =1
X 0,4
Fomos informados que:
P( Z < 1) = 0,84
Desta forma, a rea verde da figura abaixo igual a 0,84.
Logo, a probabilidade de Z ser maior que 1 de:

P ( Z > 1) = 1 0,84 = 0,16
Esta probabilidade corresponde rea amarela da figura abaixo:
Como a fdp da normal reduzida simtrica em torno de zero:

P ( Z < 1) = 0,16 .
Ou seja, a rea vermelha abaixo igual amarela e cada uma delas vale 0,16.
Deste modo, a probabilidade de Z estar entre -1 e 1 de:

P(1 < Z < 1) = 1 0,16 0,16 = 0,68
Esta probabilidade corresponde rea verde abaixo:
A probabilidade de Z assumir valores entre -1 e 1 de 68%. Portanto, a probabilidade de X

assumir valores entre 0,4 e + 0,4 tambm de 68%. Ou seja, a probabilidade de X
distar menos de 0,4 kg da mdia populacional de 68%. Consequentemente, a probabilidade
de X distar mais de 0,4 kg da mdia populacional de 32%.
Gabarito: E
2. Intervalo de confiana para a mdia

EC 13 SEFAZ MS 2006 [FGV] Questo adaptada
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. A varincia da
populao 1,44.
O intervalo de 96,06% de confiana para a mdia populacional (utilize a tabela I do final da

aula):
(A) 4,2 0,49
(B) 4,2 0,64
(C) 4,2 0,71
(D) 4,2 0,75
(E) 4,2 0,81
Resoluo.
Para determinao do intervalo de confiana, seguimos 4 passos.
Primeiro passo: precisamos determinar o intervalo, para a varivel normal reduzida (Z) que
contm 96,06% dos valores (pois este o nvel de confiana solicitado no enunciado).
Chamamos este valor de Z0 associado a 96,06% de confiana.
Consultando a tabela da distribuio normal, dada na aula passada (ver fl. 57 da aula 5), e
repetida ao final desta aula (tabela I ao final do arquivo), temos que 96,06% dos valores de Z
esto entre -2,06 e 2,06
Z 0 = 2,06
Segundo passo: determinar o valor especfico de X para a amostragem feita.

X = 4,2 (fornecido no enunciado)
Terceiro passo: determinar o desvio padro de X .

A amostra tem tamanho 25. (n = 25)
O desvio padro de X fica:
21,44
V (X ) = =
n 25
1,44 1,2
X = = = 0,24
25 5
Quarto passo: determinar o intervalo de confiana.
Para tanto, sabemos que em 96,06% dos casos o valor de Z estar entre -2,06 e 2,06.
Z0 Z Z0
Vamos substituir Z:
X
Z0 Z0
X
Isolando a mdia populacional:
X Z0 X X + Z0 X
O que isto significa? Significa que a probabilidade de a mdia populacional estar no intervalo
acima definido de 96,06%. Adotando a abordagem frequentista da probabilidade, temos o
seguinte. Se fosse possvel realizar, inmeras vezes, uma amostragem de tamanho n, em

96,06% das vezes o intervalo acima definido conteria a mdia populacional.
Muito bem. A a gente pega e faz uma nica amostra, obtendo um nico valor para a mdia
amostral. Com isso, obtemos:
4,2 0,49 4,2 + 0,49
Agora no falamos mais em probabilidade. errado dizer que a probabilidade de a mdia
populacional estar no intervalo acima de 96,06%. Isto porque, acima, no temos mais
nenhuma varivel. 4,2 um nmero, 0,49 outro nmero, um nmero (desconhecido,
mas constante, fixo).
Quando substitumos a varivel X pelo seu valor especfico obtido para a amostra feita,
falamos em confiana. Dizemos que, com 96,06% de confiana, a mdia populacional est
contida no intervalo entre 4,2 0,49 e 4,2 + 0,49
Gabarito: A
Vocs podem guardar que o intervalo de confiana ser sempre da forma

X Z 0 X X + Z 0 X
E, para memorizar, s pensar assim.

Ns obtemos a mdia da amostra (no caso 4,2). Ns queremos achar um intervalo que
contenha a mdia da populao. razovel supor que a mdia da populao seja prxima de
4,2.
Ento, para achar esse intervalo, ns andamos um pouco para esquerda e um pouco para a
direita, ao longo da reta real. Ou seja, a mdia populacional deve estar no seguinte intervalo:
4,2 ?
Ns partimos de 4,2 (mdia amostral). A partir deste nmero, ns vamos andar um pouquinho
para esquerda (vamos subtrair alguma coisa) e um pouquinho para direita (vamos somar
alguma coisa). E que coisa essa?
Ns vamos andar um certo nmero de desvios-padro para um lado e para o outro.
4,2 X ?
4,2 0,24 ?
E quantos desvios-padro ns vamos andar?
O exerccio que vai dizer o quanto vamos andar para um lado e para o outro. Isto ser dito
pelo nvel de confiana. Ns vamos andar Z0 desvios-padro.
4,2 0,24 2,06
O intervalo de confiana nos permite determinar uma faixa de valores em que se pode estar a
mdia populacional. uma estimativa por intervalo, pois no atribui mdia populacional
um valor nico, sim um intervalo real.

Construa um intervalo de 95% de confiana 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.
b) 41,78 a 54,22.
c) 38,2 a 57,8.
d) 35,67 a 60,43.
e) 32,15 a 63,85.
Resoluo:
Repare que no conhecemos a varincia da populao. Sempre que isso acontece, ns
devemos adotar os seguintes procedimentos:
- utilizamos a varincia da amostra no lugar da varincia da populao
- consultamos a tabela da distribuio T, em vez da tabela da distribuio normal.
Ns falaremos um pouco mais sobre isso no prximo tpico que vamos estudar.
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.
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%.
Ou seja, a rea verde da figura abaixo de 97,5%.
Sabemos que a rea inteira da figura acima igual a 1 (a probabilidade de Z assumir um valor
qualquer de 100%).
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.
Z 0 = 1,96
Segundo passo: determinar o valor de X especfico para a amostra feita.

X = 48
A amostra tem tamanho 64 (n = 64).
O desvio padro de X dado pela frmula:

X =
n
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
16
X = =2
64
Quarto: determinar o intervalo de confiana.
O intervalo de confiana da forma: X Z 0 X X + Z 0 X
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.
EC 15 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]
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]
Resoluo.
O intervalo de confiana da seguinte forma:
X Z 0 X X + Z 0 X
Para calcular a amplitude deste intervalo, fazemos assim. Tomamos o limite superior.
Tomamos o limite inferior. Em seguida subtramos um do outro.
A = ( X + Z 0 X ) ( X Z 0 X ) = 2 Z 0 X
Substituindo o valor de X :

A = 2 Z0
n
Amplitude do intervalo de confiana:

2 Z0 X = 2 Z0
n
Na primeira pesquisa, o intervalo de confiana foi [R$ 61,08; R$ 68,92].
Como vimos na questo EC 13, a mdia amostral ( X ) corresponde ao ponto mdio do
intervalo de confiana.
Portanto, nesta primeira amostragem, a mdia amostral obtida foi:
68,92 + 61,08 65
X = 2 =
A amplitude do intervalo dada por:

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
Com isso, a nova amplitude do intervalo de confiana fica:
A A
A = 2 Z 0 = 2Z 0 = =
n' 4n 4 2
Quando quadruplicamos o tamanho da amostra, a amplitude do intervalo fica reduzida pela
metade. A nova amplitude dada por:
7,
A' = = 3,92
284
Com isso, o novo intervalo centrado em 65, com amplitude de 3,92.
Isto nos permite achar os limites do novo intervalo de confiana:
3,92
65 + = 66,96
2
3,92
65 = 63,04
2
Logo:
63,04 66,96
Gabarito: A.
IV. Distribuio T: intervalo de confiana para mdia quando a varincia da

populao desconhecida
EC 16 Fiscal de Rendas/MS 2006 [FGV]
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 :
(A) 4,2 0,49
(B) 4,2 0,64
(C) 4,2 0,71
(D) 4,2 0,75
(E) 4,2 0,81
Resoluo:
Quando no conhecemos a varincia da populao, ficamos impedidos de achar o intervalo de
confiana da maneira estudada na questo anterior.
Neste caso, substitumos a varincia da populao pela varincia amostral. Com isso,
podemos obter um estimador para a varincia da mdia amostral.
Quando isso ocorre, na verdade, estamos estimando duas coisas ao mesmo tempo: a mdia e a
varincia da populao. Por conta disso, interessante que os intervalos de confiana sejam
maiores (mais conservadores). Isso possibilitado pelo uso da distribuio T de Student, que
muito semelhante distribuio normal, s que fornece intervalos maiores, para o mesmo
nvel de confiana fixado.
No resto, basicamente o mesmo procedimento estudado anteriormente, quando conhecamos
a varincia populacional. A nica diferena que, em vez de consultarmos a tabela de reas
para a varivel normal, iremos consultar a tabela para a distribuio T.
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.
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 (coloquei
a tabela ao final da aula).
Para encontramos t 0 associado a 95% de confiana, precisamos de uma tabela para a
distribuio T.
Esta tabela um pouco diferente da tabela para a varivel normal. Para consult-la,
precisamos de saber:
O nvel de confiana desejado.
O nmero de graus de liberdade
O nmero de graus de liberdade igual ao tamanho da amostra menos 1.
graus _ de _ liberdade = n 1
Neste caso, o nmero de graus de liberdade 24.
Ou seja, vamos ter que consultar a linha para 24 graus de liberdade.
O nvel de confiana desejado foi informado no enunciado: 95%.
E agora?
Qual coluna devemos olhar?
Agora muito importante saber como que a tabela est estruturada (pois h vrias formas de
faze-lo).
Para o caso especfico da tabela colocada ao final da aula bem simples. Ela j nos fornece o
intervalo de 95% em torno de zero. Logo, consultamos coluna para 95% e a linha de 24 graus
de liberdade. Obtemos 2,064 (aproximando, temos 2,06).
Este o valor de t0 procurado.
t 0 = 2,06
Ou seja, 95% dos valores de t esto entre -2,06 e 2,06.
Segundo passo: determinar o valor especfico de X para a amostragem feita.
X = 4,2 (fornecido no enunciado)

A amostra tem tamanho 25. (n = 25)
2
V (X ) =
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 vimos nesta aula que a varincia da amostra um
estimador da varincia da populao.
Estimador da varincia da populao:
s X = 1,44
2
E o estimador da varincia de X fica:

1,44 1,44
sX = =
2
n 25
Agora podemos calcular a estimativa do desvio padro de X :
1,44 1,2
sX = = = 0,24
25 5
Para tanto, sabemos que em 95% dos casos o valor de t estar entre -2,064 e 2,064.
2,06 t 2,06
Mas quem t? A varivel t quem est substituindo a varivel Z.

Para obter a varivel t, o procedimento anlogo ao procedimento para a varivel Z.
X
t=
sX
A nica diferena que no sabemos o desvio padro de X . Por isto utilizamos a sua
estimativa ( s X ).
Ok, continuando o problema. Sabemos que em 95% dos casos o valor de t estar entre -2,06 e
2,06.
2,06 t 2,06
X
2,06 2,06
sX
4,2
2,06 2,06
0,24
2,06 0,24 4,2 2,06 0,24
2,06 0,24 4,2 4,2 + 2,06 0,24
4,2 2,06 0,24 4,2 + 2,06 0,24
4,2 0,49 4,2 + 0,49
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:

4,2 0,49 4,2 + 0,49 .

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
referem-se varivel t de Student com 10 e 15 graus de liberdade, respectivamente.
Tabela 1 Tabela 2 Tabela 3
X F(x) X F(x) 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
1,64 0,950 2,36 0,98 2,60 0,99
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
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.
Como a amostra tem tamanho 16, o nmero de graus de liberdade igual a 15. Consultaremos
a tabela 3 dada no enunciado.
Agora muito cuidado na hora de consultar a tabela, pois ela est estruturada de forma
diferente daquela colocada ao final da aula.
Na tabela colocada ao final da aula, temos direto as probabilidades para intervalos centrados
em zero.
Na tabela fornecida nesta questo, a probabilidade no para um intervalo centrado em zero.
Temos, na verdade, a Funo Distribuio de Probabilidade para o ponto informado.
Exemplo: vide tabela 3, x = 1,75. A probabilidade informada de 95%. Isto significa que
95% dos valores so menores ou iguais a 1,75.
Sabendo disso, vamos analisar a tabela 3 com mais calma.
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).
Como o grfico da fdp simtrico, a probabilidade de t ser menor que -2,25 tambm de 2%.
Cada uma das reas vermelhas abaixo vale 2%.
Sabemos que a rea total igual a 1. Conclumos que a rea verde abaixo de 96%.
Assim, a probabilidade de t estar entre -2,25 e 2,25 de 96% (=100% - 2% - 2%).

Conclumos que o valor de t0 que est associado a 96% 2,25.
Segundo passo: obter o valor especfico de X para a amostra feita
X = 3 (fornecido no enunciado)
Terceiro passo: obter o desvio padro de X
s 0,8
sX = = = 0,2
n 16
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
EC 18 IPEA/2004 [ESAF]
Deseja-se estimar o gasto mdio efetuado por grupos de 4 pessoas, num restaurante, por meio
de um intervalo de confiana com coeficiente de 95%. Uma amostra de 16 grupos produziu os
valores R$ 150,00 e R$ 20,00 para a mdia e o desvio padro amostrais, respectivamente.
Assinale a opo que corresponde ao intervalo procurado. Use a hiptese de normalidade da
distribuio dos gastos e a tabela abaixo da funo de distribuio de Student (Tr) para a
escolha do quantil apropriado aos clculos.
P (Tr x) =
0,990 0,975 0,950 0,900
r
14 1,345 1,761 2,145 2,625
15 1,341 1,753 2,131 2,603
16 1,337 1,746 2,120 2,584
17 1,333 1,740 2,110 2,567
a) [139,34; 160,66]
b) [139,40; 160,60]
c) [141,23; 158,77]
d) [141,19; 158,81]
e) [140,00; 160,00]
Resoluo.
O ndice r, na simbologia usada no enunciado, indica o nmero de graus de liberdade. Creio
que isso poderia ser dito expressamente para evitar quaisquer dvidas.
No conhecemos a varincia da populao. Vamos usar, portanto, os valores da distribuio t.
Como a amostra tem tamanho 16, temos 15 graus de liberdade. Devemos consultar, portanto,
a linha em que r = 15.
Primeiro passo: obter o valor de t0 associado a 95% de confiana.
Da tabela, temos que a probabilidade de t ser menor ou igual a 2,131 de 0,975.
A rea verde da figura abaixo de 0,975.
Como a rea total igual a 1, ento a rea vermelha de 0,025. Conclumos que a
probabilidade de t ser maior que 2,131 de 2,5%.
Como o grfico da fdp simtrico, a probabilidade de t ser menor que -2,131 tambm de
2,5%. Assim, cada uma das duas reas vermelhas da figura abaixo igual a 0,025.
Como a rea total igual a 1, a rea amarela de 0,95.

Portanto, a probabilidade de t assumir valores entre -2,131 e 2,131 de 95% (=100% - 2,5% -
2,5%)
Desta forma, os valores que delimitam o intervalo centrado em zero que contm 95% dos
valores, so -2,131 e 2,131.
t 0 = 2,131
Segundo passo: obter o valor especfico de X .

X = 150 (fornecido no enunciado).
Terceiro passo: obter o desvio padro de X .
Como no temos a varincia da populao, na verdade vamos obter a estimativa do desvio

padro de X :
s 20
sX = = =5
n 16
Quarto passo: obter o intervalo de confiana.
O intervalo de confiana da forma:
X t0 s X X + t0 s X
150 2,131 5 150 + 2,131 5
150 10,655 150 + 10,655
139,345 160,655
O intervalo mais prximo o fornecido na letra A.
Gabarito: A.
V. INTERVALO DE CONFIANA PARA PROPORES

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 :
(A) 64% 3,9%
(B) 64% 4,2%
(C) 64% 4,7%
(D) 64% 5,1%
(E) 64% 5,6%
Resoluo:
Quando pensamos em todas as amostra possveis de tamanho n, a proporo amostral tambm
pode ser vista como uma varivel aleatria.
PROPORO DE CASOS FAVORVEIS NA AMOSTRA ( p )
Pode ser vista como uma varivel com mdia e desvio padro dados por:
p = p
pq
p =
n
Onde p a proporo de casos favorveis na populao e q a proporo de
casos desfavorveis na populao.
A proporo amostral tem distribuio aproximadamente normal. Assim, podemos consultar a
tabela de reas da varivel normal.
Visto isso, vamos determinao do intervalo de confiana.
Primeiro passo: determinar o valor de Z0 correspondente a 95% de confiana. Consultando a

tabela I colocada ao final da aula, este valor de 1,96.
Segundo passo: determinar os valores especficos de p e q .
p = 0,64
q = 0,36
Terceiro passo: determinar o desvio padro de p
pq
p =
n
Como no sabemos o valor da proporo populacional (p), substitumos pelo seu estimador
(proporo amostral). Com isso, obtemos um estimador para o desvio padro de p .
p q
s p =
n
0,64 0,36 0,8 0,6

s p = = = 0,024
400 20
p Z 0 s p p p + Z 0 s p
0,64 0,047 p 0,64 + 0,047

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.
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).
Se for intervalo de confiana para uma proporo, utilizamos a tabela da varivel normal.
EC 20 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 :
(A) 0,64 0,047
(B) 0,64 0,052
(C) 0,64 0,056
(D) 0,64 0,064
(E) 0,64 0,085
Resoluo:
Primeiro passo: obtendo o valor de Z0 associado a 95% de confiana. Para tanto, consultamos
a tabela I colocada ao final da aula.
Z 0 = 1,96
Segundo passo: determinar os valores especficos de p e q .
p = 0,64
q = 0,36
Terceiro passo: determinar o desvio padro de p
p q
s p =
n
0,64 0,36 0,8 0,6

s p = = = 0,024
400 20
p Z 0 s p p p + Z 0 s p
0,64 1,96 0,024 p 0,64 + 1,96 0,024
0,64 0,047 p 0,64 + 0,047
Gabarito: A
VI. INTERVALO DE CONFIANA E TAMANHO DA AMOSTRA

EC 21 Prefeitura de So Paulo 2007 [FCC]
Para responder questo seguinte, utilize, dentre as informaes abaixo, as que julgar
adequadas. Se Z tem distribuio normal padro, ento:
P(0 < Z < 1) = 0,341
P (0 < Z < 1,6) = 0,445
P (0 < Z < 2) = 0,477
Uma varivel aleatria X tem distribuio normal com mdia e desvio padro 100. O
tamanho da amostra para que a diferena, em valor absoluto, entre a mdia amostral e seja
menor do que 2, com coeficiente de confiana de 89% :
a) 1.000
b) 2.200
c) 2.800
d) 3.600
e) 6.400
Resoluo:
A diferena entre a mdia da populao e a mdia da amostra chamada de erro.
Para um dado nvel de significncia, o maior erro ocorre quando a mdia da populao est
justamente em um dos extremos do intervalo de confiana.
Assim, o erro mximo cometido vai corresponder justamente metade da amplitude do
intervalo de confiana.
Erro mximo cometido (para um determinado nvel de confiana):
Corresponde metade da amplitude do intervalo de confiana.

Desta forma, o erro mximo cometido igual a:
erro _ max = Z 0 X
Para aplicar a frmula, temos que encontrar Z0 associado a 89% e o desvio padro de X .
Sabemos que P(0 < Z < 1,6) = 0,445 . Logo, a rea verde da figura abaixo igual a 0,445:
Como o grfico simtrico, ento a rea verde da figura abaixo igual a 0,89:
Desse modo, a probabilidade de Z estar entre -1,6 e 1,6 igual a 89%.
Z 0 = 1,6
Vamos ao desvio padro de X .

100
X = =
n n
Encontrados os valores de Z0 e de X , podemos encontrar o erro mximo cometido.
erro _ max = Z 0 X
100
erro _ max = 1,6
n
E o exerccio disse que o erro mximo igual a 2.
100
2 = 1,6
n
Isolando o n:
100
n = 1,6 = 80 n = 6400
2
Gabarito: E.
Dizemos que, para que o erro mximo cometido seja igual a 2, a amostra deve ter tamanho
6400 (considerando um coeficiente de confiana de 89%).
EC 22 BACEN 2001 [ESAF]

Um auditor deseja estimar a proporo p de contas incorretamente contabilizadas no processo
contbil de uma instituio financeira. Neste contexto decide tomar uma amostra aleatria de
tamanho n das contas e estimar p usando a proporo amostral de contas incorretamente
contabilizadas. O auditor considera a populao de contas infinita e que a proporo amostral
tenha distribuio aproximadamente normal com expectncia p e varincia p(1-p)/n. Supondo
varincia mxima e que F(2) 0,975, sendo F(.) a funo de distribuio da normal padro,
assinale a opo que d o valor de n que o auditor deve tomar para estimar p com erro no
superior a 5% para mais ou para menos com nvel de confiana de 95%.
a) 100
b) 200
c) 400
d) 500
e) 130
Resoluo.
erro _ max = Z 0 s p
Primeiro vamos obter o valor de Z0.
Forneceu-se a FDP para Z = 2. Fomos informados que a funo distribuio para Z = 2

assume (aproximadamente) o valor 0,975. Na verdade, ns j fizemos tantos exerccios para o
nvel de confiana de 95% que ns j sabemos que o valor exato seria 1,96. Mas tudo bem,
no vamos brigar com o enunciado. Se ele disse para utilizarmos 2 em vez de 1,96, a gente
usa o 2.
A rea verde da figura acima de 97,5% (aproximadamente). Portanto, a rea amarela de

2,5%. Como o grfico simtrico, a rea esquerda de -2 tambm de 2,5%.
A rea verde da figura acima de 95% (aproximadamente). Portanto, o valor de Z0 associado

a 95% de confiana igual a 2. Isto porque o intervalo de -2 a 2 contm 95% dos valores de
Z.
Z0 = 2
Segundo: vamos encontrar o valor de s p
p q
s p =
n
Mas o exerccio no informou o valor da proporo amostral. Em vez disso, ele disse
para considerarmos varincia mxima.
Quando que a varincia ser mxima?

p
Em outras palavras, quando que assume um valor mximo?
nq
possvel demonstrar que isso ocorre quando p = q = 0,5 . No difcil chegar a esta
concluso. Fixado o valor de n, e lembrando que p + q = 1 , podemos expressar a varincia
como uma funo de p . A obteremos uma funo de segundo grau. L no ensino mdio a
gente aprende que esta funo uma parbola, e para achar o ponto que torna mxima a
funo, basta achar a abscissa do vrtice. Fazendo todo este procedimento, chega-se a p = 0,5.
Resumo da pera: se o exerccio pedir para usar varincia mxima, consideramos que
p = q = .
,
0 5 p q 0,5 0,5 0,5
s p = = =
n n n
Voltando na frmula do erro:
erro _ max = Z 0 s p
0,5
0,05 = 2 n = 400
n
Gabarito: C.
Vimos que: fixado n, a varincia ser mxima se p = q = 0,5 .
Por outro lado, fixado o valor do erro, n ser mximo se p = q = 0,5 .
Ou seja, use p = q = 0,5 se a questo disser:
- use n mximo;
- use varincia mxima
No clculo do tamanho da amostra para estimar uma proporo, supor que p = 0,5
sempre que o exerccio disser:
- Considere varincia mxima

- Considere n mximo
EC 23 CGU - 2008 [ESAF]

Grande parte de uma populao de pessoas possui determinada caracterstica. Deseja-se
estimar a proporo de pessoas com esta caracterstica. Qual o valor mais prximo do
tamanho de uma amostra aleatria para se obter uma estimativa desta proporo com um erro
padro de 5%.
a) 389
b) 248
c) 156
d) 100
e) 25
Resoluo.
Exerccio ligeiramente diferente dos anteriores. Em vez de fixar o erro mximo cometido (=
diferena entre p e p ), ele fixou o valor de s p .
p q
s p =
n
Como no foi dada nenhuma informao sobre a proporo amostral, s nos resta adotar a
situao em que n mximo.
possvel demonstrar que n ser mximo quando a proporo amostral for igual a 0,5.
0,5 0,5
s p =
n
0,5 0,5
0,05 = n = 100
n
Gabarito: D
VII. TESTE DE HIPTESES

Em vez de irmos direto para os exerccios, acho melhor dar um exemplo simplificado sobre o
que um teste de hipteses.
Maria tem duas moedas. Cada uma delas tem uma face cara e outra face coroa.
Uma das moedas normal. As duas faces tm a mesma probabilidade de sair. Vamos cham-
la de moeda honesta.
A outra uma moeda viciada. Nesta, a probabilidade de sair coroa de 2/3. Vamos cham-la
de moeda viciada.
Maria escolhe uma das moedas. Jos, que tem conhecimento das probabilidades acima
mencionadas, tem que adivinhar qual delas foi escolhida. Para tanto, Maria lana trs vezes a
moeda escolhida. Ao final de cada lanamento, comunica a Jos o resultado.
Jos estabelece o seguinte critrio de deciso. Se os trs lanamentos resultarem em coroa, ele
vai arriscar que se trata da moeda viciada. Caso contrrio, vai arriscar que se trata da moeda
honesta.
O que Jos est fazendo um teste de hipteses.
Num teste de hipteses fazemos alguma considerao sobre um dado valor. No exemplo
acima, Jos precisa decidir qual das duas moedas foi escolhida. No fundo, quer saber se, para
a moeda escolhida, a probabilidade de sair coroa de 2/3 ou 1/2. Qualquer que seja a sua
concluso, ela estar sujeita a erro.
Vamos comear a nos acostumar com os termos utilizados no teste de hiptese.
Jos quer testar a hiptese de, para a moeda escolhida por Maria, a probabilidade de sair coroa
ser 1/2. Esta hiptese chamada de H0 (l-se ag zero). tambm chamada de hiptese nula.
Vamos escrever a hiptese H0:
H0: P(coroa) = 1/2. (hiptese nula)

Caso a probabilidade de sair coroa no seja de 1/2, ento a referida probabilidade ser de 2/3.
Esta outra hiptese a hiptese alternativa. chamada de HA (tambm pode ser usado o
smbolo: H1)
HA: P(coroa) = 2/3. (hiptese alternativa)
Muito bem, agora Jos define um critrio de deciso. Seu critrio baseado no nmero de
coroas que vo sair em trs lanamentos. Se sarem duas, uma ou zero coroas, Jos vai
assumir que se trata da moeda honesta. Se sarem trs coroas, Jos vai assumir que se trata da
moeda viciada.
Escolher o critrio de deciso a parte mais difcil de um teste de hipteses. Os clculos so
um pouco mais complexos. E muitas vezes esto presentes alguns fatores difceis de
quantificar.
Dada a dificuldade envolvida na escolha do critrio de deciso, as questes de concursos no
cobram seu clculo. A questo sempre informa o critrio a ser adotado. Ou ento ela fornece
todo o resultado do teste, de tal modo que seja fcil encontrar o critrio de deciso escolhido.
Ok, definidas as hipteses que sero testadas (escolher entre H0 e HA), definido o critrio de
deciso, agora s fazer a experincia e ver qual hiptese ser escolhida.
Muito bem. Vamos supor que Maria lana a moeda trs vezes e nas trs vezes o resultado
coroa.
Neste caso, Jos rejeita a hiptese H0 e assume como verdadeira a hiptese HA.
Veja que a concluso de Jos est sujeita a erro. Isto porque possvel que, mesmo que a
moeda seja honesta, tenhamos trs resultados coroa.
Vamos supor que Jos tenha errado. Neste caso, em que Jos rejeita a hiptese H0, dado que
ela verdadeira, a probabilidade de ele cometer um erro :
3
1
P (erro) = = 12,5%
2
12,5% a probabilidade de, lanando uma moeda honesta trs vezes, sarem trs coroas.
Ou seja, caso a moeda lanada seja a moeda honesta, h uma probabilidade de 12,5% de Jos
errar. Este tipo de erro chamado de erro do tipo I.
Erro tipo I: rejeitar H0 dado que ela verdadeira.
3
1
P (erro _ tipo _ I ) = = 12,5%
2
A probabilidade acima tambm chamada de nvel de significncia do teste. O smbolo
geralmente utilizado .
= 12,5%
Nvel de significncia: probabilidade de cometer o erro do tipo I. Smbolo usual:
Ok, agora vamos alterar o exemplo. Agora, em vez de terem sado trs coroas, na verdade
saram duas coroas e uma cara. Neste caso, utilizando seu critrio de deciso, Jos aceita H0
como verdadeira e rejeita HA.
Neste segundo exemplo, Jos tambm est sujeito a erro. Isto porque possvel que, lanando
a moeda viciada trs vezes, tenhamos pelo menos um resultado cara.
Este segundo tipo de erro consiste em aceitar H0 dado que ela falsa. chamado de erro do
tipo II.
Erro tipo II: aceitar H0 dado que ela falsa.
A probabilidade de ocorrer o erro do tipo II designada pelo smbolo . Vamos calcular esta
probabilidade.
A probabilidade de, em trs lanamentos da moeda viciada, obtermos uma, duas ou trs caras
:
3 2 2
1 1 2 1 2
P (erro _ tipo _ II ) = + 3 + 3 = 0,7037
3 3 3 3 3
= 70,37%
A probabilidade de aceitar H0, dado que ela falsa, de 70,37%.
O valor 1 chamado de poder do teste.
1 = 29,63% (poder do teste).
O poder do teste a probabilidade de H0 ser rejeitada dado que ela falsa.
Note como o poder do teste foi baixo. Isto porque Jos privilegiou a hiptese H0. Ele s a
rejeita num caso muito extremo, em que os trs resultados so coroa. Por isto o valor de foi
pequeno, garantindo uma baixa probabilidade de cometer o erro do tipo I. Contudo, em geral,
quanto menor o valor de , maior o valor de (maior a probabilidade de se cometer o erro
do tipo II). Da a dificuldade de escolher um bom critrio de deciso. comum que, ao
reduzirmos um tipo de erro, o outro aumenta.
Teste de hipteses apenas isto. Queremos testar se uma dada hiptese H0 verdadeira. O
exerccio vai nos dizer o critrio de deciso. Vai nos fornecer um experimento. Com base no
experimento, verificamos se o resultado foi extremo ao ponto de nos fazer rejeitar H0. Se for
extremo, rejeitamos tal hiptese. Caso contrrio, aceitamos.
No exemplo que ns demos as hipteses eram:
H0: P(coroa) = 1/2
HA: P(coroa) = 2/3.
Neste exemplo acima, as duas hipteses atribuam probabilidade em estudo um valor nico.
A hiptese nula atribua o valor 1/2. A hiptese alternativa atribua o valor 2/3.
Este tipo de teste no muito usual em concursos. As hipteses alternativas que vo aparecer
nos exerccios, geralmente, tm outra forma. Nos testes realmente cobrados em concursos, a
hiptese alternativa seria assim:
HA: P(coroa) 1/2.
Outra opo:
HA: P(coroa) < 1/2.
Ou ainda:
HA: P(coroa) > 1/2.
No primeiro caso (em que temos o sinal de diferena ) o teste dito bilateral. Nos outros
dois casos (com os sinais de > e <) o teste dito unilateral. Vamos estud-los com mais
calma adiante.
Teste de hipteses.
Erro tipo I: rejeitar H0 dado que ela verdadeira. Probabilidade deste tipo de erro:
(nvel de significncia)
Erro tipo II: aceitar H0 dado que ela falsa. Probabilidade deste tipo de erro:
Poder do teste: probabilidade de rejeitar H0 dado que H0 falsa. (= 1 )
1. Teste sobre a mdia

EC 24 TRT 4 REGIO 2009 [FCC - adaptada]
Um atributo X tem distribuio normal com mdia e varincia populacional igual a 3.600.
Uma amostra aleatria de tamanho 100 extrada da populao, considerada de tamanho
infinito, forneceu uma mdia de X para X. Um teste estatstico realizado sendo formuladas
as hipteses H0: = 200 (hiptese nula) contra H1: > 200 (hiptese alternativa).
a) Dado que a mdia amostral igual a 212, qual o resultado do teste para um nvel de
significncia de 5%?
b) Qual o valor mnimo para a mdia amostral que nos faz rejeitar a hiptese nula, a um
nvel de significncia de 5%?
[Utilize a informao de que P ( Z 1,64 ) = 0,1 , onde Z a distribuio normal padro.]
Resoluo.
A questo foi adaptada, para introduzirmos o assunto. O exerccio original se limitava ao
questionamento exposto na letra B. Era perguntado o valor mnimo de X , e foram fornecidas
alternativas para o candidato marcar a resposta correta.
Letra A.
Este problema traz um exemplo tpico do teste de hipteses para a mdia.
As hipteses envolvidas so:
H0: = 200
H1: > 200
Ou seja, temos duas opes. Ou a mdia da populao igual a 200 ou maior que 200.
Queremos fazer um teste envolvendo estas duas opes.
Qual delas vamos escolher?
o seguinte. A gente sempre d um crdito para a hiptese nula. Nossos clculos sempre
partem do pressuposto de que a hiptese nula verdadeira. Sempre!
Ok, ento, de incio, consideramos que a mdia da populao 200.

Neste caso, a mdia amostral uma varivel aleatria com mdia 200.
A a gente faz uma amostra. Em seguida, calculamos a mdia especfica para a amostra
realizada. Ah, agora no estamos mais pensando em X como uma varivel aleatria. Estamos
pensando no seu valor especfico para a amostra obtida.
Se a mdia amostral for significativamente maior que 200, ns rejeitamos a hiptese nula.
Ficaremos com a hiptese alternativa.
Seria perfeitamente possvel que, mesmo a mdia da populao sendo igual a 200, a mdia de
uma amostra seja muito maior que 200. Embora possvel, isto seria um caso raro. Ns no
aceitamos casos raros. mais razovel rejeitar a hiptese nula.
Caso contrrio, no rejeitamos a hiptese nula. Ou seja, se a mdia amostral no for
significativamente maior que 200, a a gente fica com a hiptese nula mesmo.
Ok, mas o que quer dizer exatamente a expresso significativamente maior que 200?
Ou ainda: qual o critrio de deciso? Qual o limite que separa os valores significativamente
maiores que 200 daqueles que no so?
O critrio de deciso est intimamente relacionado com o nvel de significncia e com o tipo
do teste.
Neste caso, temos um teste unilateral. Isto porque a hiptese alternativa do tipo a mdia
maior que alguma coisa.
Saber o tipo do teste muito importante para definirmos a chamada regio crtica. So os
valores que nos fazem rejeitar a hiptese nula.
S rejeitamos a hiptese nula se a mdia amostral for bem maior que 200. Logo, a regio
crtica deve ser formada por valores grandes. Valores que, na reta real, esto direita de 200.
Ok, j sabemos mais ou menos onde deve estar a regio crtica (valores direita, na reta real).
Para defini-la com maior preciso, agora precisamos do nvel de significncia.
O nvel de significncia de 5%. Com isso, tomamos uma rea de 5%, que ocupa a
extremidade direita da reta real.
O grfico acima apresenta a funo densidade de probabilidade para X . Sob a hiptese de

= 200 , temos que X tem mdia 200. Queremos achar o valor que delimita a rea de 5%.
Por qu 5%? Por que esta rea tem que coincidir com o nvel de sginificncia?
Basta pensar assim. Se a hiptese nula for verdadeira, ou seja, se for verdade que = 200 ,
ainda assim podemos rejeita-la, cometendo o erro de tipo I. Isto ocorre nas raras vezes em
que, a partir de uma populao com mdia 200, ns extramos uma amostra com mdia
contida no intervalo destacado em amarelo da figura acima.
E qual a probabilidade de ocorrer este erro?
A probabilidade dada pela rea associada ao intervalo. A probabilidade de 5%.
Isto faz com que a probabilidade de cometer o erro de tipo I, tambm chamada de nvel de
significncia, seja de 5%, exatamente como estabelecido no exerccio.
Resumindo: a rea da regio crtica (regio que contm os valores raros, que nos fazem
rejeitar a hiptese nula) sempre igual ao nvel de significncia.
Probabilidade da regio crtica = nvel de significncia
(pois partimos do pressuposto de que H0 verdadeira)
Ou seja, estamos procurando pelo intervalo que delimita uma rea de 5% no grfico da funo
densidade de probabilidade da varivel X . Entretanto, como as provas s fornecem as tabelas
para a varivel Z (normal reduzida), temos que realizar toda a anlise com base em Z.
Vamos agora ao passo a passo do teste de hipteses.
1 Passo: encontrar os valores crticos de Z.

Como as provas sempre trazem tabelas referentes varivel normal padro (Z), com ela que
temos que trabalhar.
O valor crtico de Z aquele que delimita a regio crtica.
Como a regio critica corresponde ao nvel de significncia, ela deve ter uma rea de 5%.
Qual o valor que delimita uma rea de 5%?
O prprio enunciado nos d esta informao. A figura abaixo representa a funo densidade
de probabilidade da varivel Z. O enunciado nos diz que a rea amarela abaixo de 10%:
Se a soma das duas reas amarelas de 10%, ento cada uma delas vale 5%.
Com isso, o valor crtico para a varivel Z justamente igual a 1,64. o valor que delimita
uma rea de 5%, situada na extremidade direita da reta real.
Segundo passo: obter a estatstica teste.

A estatstica teste o valor de Z para o experimento realizado.
Vimos na aula passada como obter a varivel Z.
Para obter Z, ns fazemos assim:
- pegamos a varivel em estudo
- subtramos de sua mdia
- dividimos pelo seu desvio padro.
Aqui, a varivel em estudo justamente a mdia amostral ( X ). Logo, a varivel Z fica:
X
Z=
X
No caso especfico do experimento feito, a mdia amostral vale 212. Assim, a estatstica teste
fica:
212
Z _ teste =
X
A mdia da populao, esta ns supomos que igual a 200, pois sempre partimos do
pressuposto de que a hiptese nula verdadeira.
212 200
Z _ teste =
X
O desvio padro da mdia amostral, este ns estudamos no comeo desta aula. Ele calculado
assim:
60
X = = =6
n 100
Logo:
212 200
Z _ teste = =2
6
Terceiro passo: comparar a estatstica teste com o valor crtico.
A estatstica teste maior que o valor crtico (2 > 1,64).
Ou seja, a estatstica teste cai na regio crtica.
Sempre que a estatstica teste cai na regio crtica, a gente rejeita a hiptese nula.
Resposta: rejeitamos a hiptese nula.
Fizemos toda a anlise para a varivel Z, pois para ela que as provas fornecem a tabela.
Conclumos que o valor 2 significativamente maior que zero. um caso raro.
Consequentemente, a mdia amostral 212 (valor que corresponde a Z = 2)
significativamente maior que 200 (valor que corresponde a Z = 0 ).
Letra B.
O valor crtico, para a varivel Z, de 1,64.
Vamos ver qual o valor correspondente, para a varivel X .
X
Z=
X
X 200
1,64 =
6
X = 209,84
Resposta: o valor mnimo para a mdia amostral que nos faz rejeitar a hiptese nula de
209,84.
Toda a anlise foi dada tomando como base valores para a varivel Z, porque pra ela que as
tabelas nos fornecem os dados.
Se fssemos fazer a anlise da letra A, sob o ponto de vista de X , ficaria assim:
- o valor crtico seria 209,84 (valor de X que corresponde ao valor crtico de Z)
- o valor observado para X seria de 212
- o valor observado est alm do valor crtico.
Resultado: para valores de mdia amostral inferiores a 209,84, ns aceitaramos a hiptese
nula. Consideraramos que o experimento no foi to extremo a ponto de nos fazer rejeit-la.
Caso a mdia amostral seja maior que 209,84, a a coisa muda.
At seria possvel que, mesmo que a mdia da populao seja de 200, seja obtida uma amostra
com mdia maior que 209,84. Mas isto seria um caso raro, que s ocorre em 5% das vezes.
Neste caso ns rejeitamos a hiptese nula.
Resumo do teste da mdia quando a varincia populacional conhecida.

1 Passo: encontrar os valores crticos de Z. Definir a regio de aceitao e a regio
crtica.
X
2 Passo: encontrar a estatstica teste. Usar a frmula: Z _ teste =
X
3 Passo: ver se a estatstica teste cai na regio de aceitao ou na regio crtica.

Para a realizao do teste de hipteses Ho: = o, contra H1: > o, definimos como ERRO
DO TIPO I:
Resoluo:
A questo foi anulada. Mas ainda til para revisarmos o tal do erro de tipo I.
O erro do tipo I consiste em rejeitarmos a hiptese nula, dado que ela verdadeira. A
probabilidade de cometermos o erro de tipo I chamada de nvel de significncia. Seu
smbolo usual .
Neste caso, rejeitaramos a hiptese nula quando a mdia amostral para o experimento feito
maior que o valor crtico. Vamos cham-lo de k .
Isto ocorre quando:
X >k
Assim, a probabilidade do erro de tipo I ficaria:
P( X > k = 0 )
E no h qualquer alternativa que contm esta expresso. A mais prxima a letra B, que
corresponde ao gabarito preliminar.
Na verdade, a questo contm alguns erros.
A primeira falha consiste em se referir a erro do tipo I. O erro de tipo I simplesmente isso:
rejeitarmos a hiptese nula quando ela verdadeira. Mas o que as alternativas tentaram
apresentar foi a probabilidade de cometermos o erro de tipo I.
Por causa desta falha, a questo foi anulada.
Outra falha, no reconhecida pela banca, foi a que segue.
Quando fazemos um teste de hiptese, a varivel em estudo a mdia amostral ( X ). ela
que pode assumir vrios valores (quando pensamos nas infinitas amostras possveis). Por isso,
a probabilidade est relacionada justamente varivel X .
As alternativas pretenderam definir probabilidades relacionadas mdia populacional ( ).
Mas a mdia populacional no aleatria. Ela no varia. Ela um nmero, fixo, constante.
Pode at ser desconhecido. Mas constante.
Por fim, a ltima falha foi na definio do que que ocasiona a rejeio da hiptese nula. Ela
ser rejeitada quando X maior que o valor crtico (e no maior que 0 ).
Gabarito: Questo anulada.
EC 26 SEFAZ MS 2006 [FGV]

Em um teste de hipteses, a hiptese nula foi rejeitada no nvel de 3%. Portanto, a hiptese
nula:
(A) ser aceita no nvel de 1%.

(B) ser aceita no nvel de 5%.
(C) pode ser aceita ou rejeitada no nvel de 5%.
(D) ser rejeitada no nvel de 1%.
(E) ser rejeitada no nvel de 5%.
Resoluo.
Vamos comear pela situao em que o nvel de significncia de 3%.
Neste caso, a rea da regio crtica igual a 3%.
Se a hiptese nula rejeitada, ento a estatstica teste cai dentro da regio crtica (rea
amarela da figura abaixo):
Se aumentarmos o nvel de significncia, a regio amarela ficar ainda maior. Portanto, com
certeza, a estatstica teste continuar caindo na regio crtica, e continuaremos rejeitando a
hiptese nula. Isto est descrito na letra E. Se o nvel de significncia sobe para 5%,
certamente rejeitamos a hiptese nula.
Se diminuirmos o nvel de significncia, duas coisas podem ocorrer. Podemos diminuir
bastante, de tal modo que a estatstica teste fique fora da regio crtica. Neste caso,
aceitaramos a hiptese nula.
Ou ento poderamos diminuir s um pouquinho, de tal modo que a estatstica teste continue
caindo na regio crtica.
Assim, no temos como saber, com certeza, o que ocorre quando o nvel de significncia
diminudo. Precisaramos de mais informaes.
Gabarito: E

Um fabricante divulga que a caracterstica principal de seu produto tem uma mdia de 1.000
unidades. Um pesquisador, duvidando desta afirmao, encontrou uma caracterstica mdia de
935 e desvio-padro amostral de 130 examinando uma amostra aleatria simples de tamanho
9 destes produtos. Calcule o valor mais prximo da estatstica t para testar a hiptese nula de
que a mdia da caracterstica principal do produto 1 000, admitindo que a caracterstica tem
uma distribuio normal.
a) -1,5.
b) -1,78.
c) -1,89.
d) -1,96.
e) -2,115.
Resoluo.
O exerccio nem pediu para fazermos o teste de hipteses completo. Solicitou apenas o
clculo da estatstica teste.
Quando desconhecemos o valor do desvio-padro populacional, substitumos por seu
estimador (desvio-padro da amostra). Disto resulta que, em vez de calcularmos X ,
calculamos seu estimador ( s X ).
Quando isso acontece, em vez de trabalharmos com a varivel Z (normal reduzida),

trabalhamos com a varivel t, que tem distribuio T de Sutdent.
X
t _ teste =
sX
A mdia amostral 935 ( X = 935 ).

O desvio padro amostral 130 ( s = 130) .
O desvio padro da mdia amostral dado por:

X =
n
Quando no conhecemos o desvio padro da populao ( ), o substitumos por sua
estimativa ( s ). E em vez de termos o desvio padro amostral ( X ), calculamos sua estimativa
( s X ). Como conseqncia, em vez de utilizarmos a distribuio normal, utilizamos a
distribuio T.
s 130
sX = =
n 3
Substituindo todos os valores:
X
t _ teste =
sX
935 1000 3
t _ teste = = 65 = 1,5
130 130
3
Gabarito: A.
Resumo do teste da mdia quando a varincia populacional desconhecida.

1 Passo: encontrar os valores crticos de t (para tanto, consultamos uma tabela
para a distribuio T de student, com n-1 graus de liberdade). Definir a regio de
aceitao e a regio crtica.
X
2 Passo: encontrar a estatstica teste. Usar a frmula: t _ teste =
sX
3 Passo: ver se a estatstica teste cai na regio de aceitao ou na regio crtica.

Uma empresa afirma que os pacotes de bala que ela produz pesam em mdia 25g. Para testar
essa hiptese, foram selecionados ao acaso 16 pacotes produzidos pela empresa, registrados
seus pesos X1, X2, ..., X16 e calculadas as estatsticas
16 16
X i = 320 ; X = 7360
2
i
i =1 i =1
O valor da estatstica t (a ser comparado com o ponto desejado da distribuio t de Student)

para o teste :
(A) 0,8.
(B) 1,2.
(C) 2,0.
(D) 2,5.
(E) 3,2.
Resoluo:
Quando o desvio padro da populao no conhecido, no temos como calcular o valor de
Z.
Neste caso, substitumos pelo desvio padro da amostra. O resultado que, em vez de
trabalharmos com Z (normal padro), usamos a varivel t (distribuio T de Student).
Nesta questo, s temos como calcular o desvio-padro amostral. Fica assim:
n
X i
320
X = i =1
= = 20
n 16
A varincia, calculada com n no denominador, fica:
(X i )2
2 7360
i =1
X = 202
n 16
= 60
Mas como se trata de uma varincia amostral, devemos usar n 1 no denominador. Fazendo o
ajuste:
16
s2 = 60 = 64
15
Logo:
s =8
A estatstica teste fica:
X
t=
sX
Vimos no incio da aula que:
s 8
sX = = =2
n 4
E a estatstica teste fica:
20 25
t _ teste = = 2,5
2
Gabarito: D
2. P-valor
EC 29 IPEA 2004 [ESAF]
Um fabricante de lanternas operadas com gs butano anuncia que o reservatrio de gs de seu
produto tem durao esperada de pelo menos 40 horas. Face reclamao de alguns
consumidores, uma agncia independente resolve verificar a veracidade da afirmao do
fabricante por meio do teste estatstico da hiptese H0: 40 contra a alternativa HA: < 40
com controle do erro do tipo I em 5%. Uma amostra aleatria de 49 reservatrios produziu o
valor mdio X de 38 horas. Suponha que a distribuio dos tempos de durao do gs seja
aproximadamente normal com desvio padro de 7 horas.
A tabela abaixo d os valores da funo de distribuio F(Z) da normal padro para alguns
valores selecionados de Z.
Z F(Z)
0,34 0,633
0,54 0,705
0,64 0,739
2,00 0,977
3,00 0,999
Assinale a opo que d o valor probabilstico (p-valor) do teste constitudo com base na
estatstica X 40
a) 5%
b) 2,3%
c) 3%
d) 4%
e) 2,5%
Resoluo.
Pede-se o p-valor.
Esta questo est a justamente para falarmos deste tal p-valor (ou probabilidade de
significncia; ou ainda, nvel descritivo). um termo que vez ou outra aparece em testes de
hipteses.
Uma definio do p-valor seria: a probabilidade de a varivel reduzida assumir valores iguais
ou mais extremos do que a estatstica teste observada, dado que a hiptese nula verdadeira.
Entendeu?
Pois , a definio pode no ser muito clara primeira vista. Creio que fica mais fcil vermos,
no exerccio, o que o tal do p-valor.
Uma forma mais fcil de entender pensarmos em reas.

Vimos que a rea delimitada pelo valor crtico igual ao nvel de significncia. Assim, se o
nvel de significncia de 5%, o valor crtico delimita uma rea de 5%.
Aqui parecido.
O p-valor seria a rea delimitada pela estatstica teste.
Se o p-valor de 4%, ento a estatstica teste delimita uma rea de 4%. isso.
Vamos fazer o teste de hipteses indicado na questo.

Notem que se trata de um teste unilateral. S h uma regio crtica.
Primeiro passo: calcular o valor crtico de Z. o valor tal que a regio de aceitao seja de
95% e a regio crtica seja de 5%. O exerccio no forneceu informaes para calcular este
valor. porque no precisa. Mas fica a informao de que este valor igual a -1,645.
Z _ crtico = 1,645
Segundo passo: calcular a estatstica teste.

X
Z _ teste =
X
X
Z _ teste =
X
O exerccio disse que X = 38 . Disse tambm que = 7 . Podemos calcular o desvio padro
da mdia amostral.
7
X = = =1
n 49
X
Z _ teste =
X
38 40
Z _ teste = = 2
1

A estatstica teste menor que o valor crtico. Ela cai na rea amarela (rea crtica).
Rejeitamos a hiptese nula.
Por que rejeitamos a hiptese nula? Porque a estatstica teste caiu na rea crtica.
Aceitaramos a hiptese nula para valores at -1,645. Este valor considerado crtico. Valores
alm dele (ou seja, mais extremos que ele) nos fazem rejeitar a hiptese nula. E foi
exatamente isto que aconteceu. O valor -2 est alm de -1,645. um valor significativamente
menor que zero.
Supondo que a hiptese nula seja verdadeira, qual a probabilidade de obtermos valores, para a
varivel reduzida, menores ou iguais a -2?
Queremos saber a rea abaixo da curva esquerda de -2. Queremos a rea vermelha da figura
abaixo:
Esta probabilidade justamente o p-valor. Supondo que a hiptese nula seja verdadeira, a
probabilidade de Z assumir valores iguais ou mais extremos que a estatstica teste ( = 2 ).
Neste caso, a probabilidade de Z assumir valores menores ou iguais a 2 .
Em outras palavras: a rea delimitada pela estatstica teste.
Agora sim vamos utilizar a tabela fornecida no exerccio. Fomos informados que a funo
distribuio para Z igual a 2 0,977. Ou seja, a probabilidade de Z assumir valores menores
ou iguais a 2 de 97,7%.
Portanto, a probabilidade de Z assumir valores maiores que 2 de 2,3%. Como a funo

densidade de probabilidade da varivel normal simtrica, a probabilidade de Z assumir
valores menores que -2 tambm de 2,3%.
Portanto o p-valor de 2,3%.
Gabarito: B.
EC 30 IPEA 2004. [ESAF - adaptada]

Assinale a opo que d o valor do poder do teste estatstico descrito na questo anterior
quando =39 horas.
a) 50%
b) 10%
c) 5%
d) 26,1%
e) 30,2%
[dados: P( Z 1,645) = 95% ]
Resoluo.
A questo original no informou que P ( Z 1,645) = 95% . Como este dado importante para
a resoluo da questo, eu acrescentei tal informao. No tenho o gabarito oficial definitivo
para saber se a falta desta informao ocasionou a anulao da questo.
Como a mdia da populao 39, j sabemos que a hiptese nula falsa. Neste caso,
possvel que seja cometido o erro de tipo II (aceitar a hiptese nula, dado que ela falsa).
J o poder do teste consiste na probabilidade de rejeitarmos a hiptese nula, dado que ela
falsa.
Rejeitaremos a hiptese nula se a estatstica teste for menor que -1,645 (conforme resoluo
da questo anterior, em que utilizamos o fato de que P( Z 1,645) = 95% ). A estatstica teste
era obtida da seguinte forma:
X 40
Z _ teste =
1
Para que a estatstica teste seja menor que -1,645, devemos ter:
X 40
< 1,645
1
X < 38,355
Qual a probabilidade de X ser menor que 38,355?
Bem, sabemos que X tem mdia igual mdia da populao (=39) e desvio padro dado por:
7
X = =
49
=1
n
Logo, para sabermos a probabilidade de X ser menor que 38,355, basta encontrarmos o valor
correspondente da varivel normal reduzida.
X 38,355 39
Z= = = 0,645 0,64
X 1
Da tabela fornecida, temos que:
P ( Z 0,64) = 0,739
Logo:
P( Z > 0,64) = 1 0,739 = 0,261
Portanto:
P ( Z < 0,64) = 0,261
Assim, a probabilidade de Z ser menor que -0,64 de 26,1%.
Consequentemente, a probabilidade de X ser menor que 38,355 , tambm, de 26,1%.
E quando isso acontece, ou seja, quando X menor que 38,355, ns rejeitamos a hiptese
nula.
Portanto, a probabilidade de rejeitarmos a hiptese nula, dado que a mdia populacional 39,
de 26,1%
Gabarito: D

Um teste de hiptese apresentou p-valor igual a 0,03. Portanto, nos nveis de significncia de
1% e 5%, respectivamente, a hiptese nula:
a) deve ser aceita e aceita
b) deve ser aceita e rejeitada
c) deve ser rejeitada e aceita
d) deve ser rejeitada e rejeitada
e) pode ou no ser rejeitada, dependendo de a hiptese ser simples ou no.
Resoluo.
Vamos desenhar alguns grficos da funo densidade de probabilidade (fdp) da varivel
normal para entendermos melhor o problema.
Embora o problema no tenha dito, vamos supor que se trata de um teste unilateral. S para
facilitar o desenho. Mas para o teste bilateral o raciocnio seria o mesmo.
Vamos primeiro considerar o nvel de significncia de 1%. Neste primeiro caso, vamos
chamar o valor crtico de Z_crtico_1.
Este valor tal que a rea crtica (rea amarela) seja igual a 0,01.
Do jeito que desenhamos, a hiptese alternativa do tipo < k (a mdia menor que um
dado valor).
A estatstica teste obtida tal que a rea sua esquerda de 0,03. justamente o p-valor. Ou
seja, a probabilidade de obtermos um valor to extremo quanto a estatstica teste de 3%. A
rea vermelha da figura abaixo igual a 0,03.
Sobrepondo as duas figuras, temos:
A estatstica teste cai fora da regio amarela (regio crtica). Portanto, devemos aceitar a
hiptese nula. Isto ocorre porque a rea amarela est contida na rea vermelha.
Um resumo de tudo o que fizemos pode ser assim: se o p-valor for maior que o nvel de
significncia, devemos aceitar a hiptese nula.
Vamos para o segundo caso. Agora o nvel de significncia de 5%. A regio crtica (rea
amarela) maior.
Agora o valor crtico ser Z_crtico_2.
A rea amarela (regio crtica), agora, igual a 0,05.

O p-valor continua sendo o mesmo. Portanto, a rea esquerda da estatstica teste de 3%.
Juntando as duas figuras:
A estatstica teste cai dentro da regio crtica. Rejeitamos a hiptese nula. Isto porque a regio
vermelha est contida na regio amarela. Resumindo: sempre que o p-valor for menor que o
nvel de significncia, rejeitamos a hiptese nula.
Gabarito: B.
Se o p-valor for maior que o nvel de significncia, devemos aceitar a hiptese nula.
Sempre que o p-valor for menor que o nvel de significncia, rejeitamos a hiptese
nula.
EC 32 MPU 2004 [ESAF]

Considere o teste da hiptese H: =100 contra alternativa A: 100 em uma amostra da
normal com mdia e varincia 2. O valor da estatstica teste t com distribuio de Student
sob a hiptese H: =100 de 1,7864 e sabe-se que P(t 1,7864) = 0,0446.
Suponha que a probabilidade de erro do tipo I esteja sendo controlada em 5%. Assinale a
resposta correta.
a) Como o valor probabilstico do teste 0,0446 conclua H : = 100.
b) Como o valor probabilstico do teste 0,0446 conclua A: 100.
c) Como o valor probabilstico do teste 0,0892 no h evidncia para rejeitar H : = 100.
d) Como o valor probabilstico do teste 0,0223 conclua A: 100.
e) No se pode tirar nenhuma concluso pois, o tamanho da amostra, a mdia amostral e o
desvio padro amostral no foram dados.
Resoluo.
As hipteses so:
H 0 : = 100
H A : 100
O teste bilateral, com nvel de significncia de 5%.

A estatstica teste igual a -1,7864. Queremos calcular a probabilidade de obtermos valores
mais extremos que a estatstica teste.
Como o teste bilateral, devemos olhar valores mais extremos nos dois sentidos (tanto
nmeros negativos como positivos). Assim, temos que calcular:
P (t > 1,784) (valores mais extremos, do lado positivo)
P (t < 1,784) (valores mais extremos, do lado negativo)
O enunciado disse que:

P (t > 1,784) = 4,46%
Como a distribuio T simtrica, temos:
P (t < 1,784) = 4,46%
Somando as duas probabilidades, temos:
4,46% + 4,46% = 8,92%
O p-valor de 8,92%. O p-valor maior que o nvel de significncia. Quando isso acontece,
aceitamos a hiptese nula. Ou ainda: no rejeitamos a hiptese nula. Isto est expresso na letra
C.
Gabarito: C
3. Teste sobre propores usando a distribuio binomial

Para responder s questes EC 33, EC 34 e EC 35, considere o enunciado a seguir.
A proporo de pessoas com uma determinada caracterstica numa populao p. Sortearam-
se 5 pessoas ao acaso e com reposio dessa populao e calculou-se a proporo p de
pessoas com a caracterstica na amostra. Desejando-se testar: H0: p = 0,5 contra H1: p = 0,6 ,
com base nesta amostra, decidiu-se rejeitar H0 se o nmero de pessoas com a caracterstica na
amostra for maior ou igual a 4.
O nvel de significncia associado ao teste :
a) 6/64;
b) 5/32
c) 1/16;
d) 5/64;
e) 6/32
Resoluo.
O nvel de significncia a probabilidade de rejeitarmos a hiptese nula, dado que ela
verdadeira. Corresponde probabilidade de ocorrncia do erro de tipo I.
Vamos supor que a hiptese nula seja verdadeira. Neste caso, dado que a hiptese nula
verdadeira (logo, p = 0,5 ), possvel que a gente a rejeite? Sim, basta que, numa dada
amostra de 5 pessoas, tenhamos 4 ou 5 pessoas com a dada caracterstica. Vejamos a
probabilidade de isso ocorrer.
Seja X a varivel que indica o nmero de pessoas com a caracterstica na amostra de tamanho
5. Como vimos na aula passada, X uma varivel binomial.
Se a hiptese nula for verdadeira, a probabilidade de termos 4 pessoas com esta caracterstica
na amostra dada por:
n
P ( X = k ) = p k q n k
k
5 5
P ( X = 4) = 0,5 4 0,5 5 4 = 5 0,5 5 =
4 32
A probabilidade de termos 5 pessoas com esta caracterstica na amostra :
n
P ( X = k ) = p k q n k
k
5 1
P ( X = 5) = 0,5 5 0,5 55 =
5 32
A probabilidade de X ser igual a 4 ou igual a 5 igual ao nvel de significncia:
P ( X = 4 X = 5) = ?
Como os dois eventos so mutuamente excludentes, a probabilidade da unio igual soma
das probabilidades.
P ( X = 4 X = 5) = P( X = 4) + P( X = 5)
5 1 6
P ( X = 4 X = 5) = + =
32 32 32
Gabarito: E.
Se o nmero observado de pessoas com a caracterstica na amostra foi 5, o nvel descritivo
associado ao teste :
a) 5/16
b) 5/32
c) 3/16
d) 1/32
e) 1/16.
Resoluo.
Nvel descritivo sinnimo de p-valor.
O p-valor est relacionado com a estatstica teste, ou seja, com o resultado obtido para o
experimento realizado.
Seja X a varivel que designa o nmero de pessoas com a caracterstica em estudo, na amostra
de tamanho 5. X uma varivel binomial.
Para o experimento feito, vimos que X assumiu o valor 5. Se a hiptese nula for verdadeira, a
probabilidade de isso ocorrer :
5 1
P ( X = 5) = 0,5 5 0,5 55 =
5 32
Alis, nem precisvamos fazer esta conta novamente. J a tnhamos feito no exerccio
anterior.
O p-valor igual probabilidade de X assumir valores iguais ou mais extremos que o obtido
para o experimento realizado.
O p-valor igual a:
p _ valor = P( X 5)
Note que, em uma amostra de tamanho 5, o valor mximo que X assume justamente 5.
p _ valor = P( X 5) = P( X = 5) = 1/ 32
Gabarito: D.
A probabilidade de se rejeitar H0 quando H1 verdadeira :
a) 4 0,6 5
b) 0,6 5
c) 2,6 0,6 4
d) 1 0,6 5
e) 5 0,4 0,6 4
Resoluo.
H0 ser rejeitada se, na amostra de tamanho 5, tivermos 4 ou 5 pessoas com a caracterstica.
Se H1 for verdadeira, a probabilidade de isso ocorrer fica:
P ( X = 4 X = 5) = P( X = 4) + P( X = 5)
5 5
P ( X = 4 X = 5) = 0,6 4 0,4 5 4 + 0,6 5 0,4 55
4 5
P ( X = 4 X = 5) = 5 0,6 4 0,41 + 0,6 5 0,4 0
P ( X = 4 X = 5) = 2 0,6 4 + 0,6 5
P ( X = 4 X = 5) = 0,6 4 (2 + 0,6)
P ( X = 4 X = 5) = 0,6 4 (2,6)
Gabarito: C
EC 36 SENADO 2008 [FGV]

Considere que uma amostra aleatria simples de tamanho n = 5 de uma distribuio Bernoulli
com probabilidade de sucesso p seja usada para testar H0: p = 0,5 versus H1: p = 0,7 e que seja
usado o critrio que rejeita a hiptese nula se forem observados 4 ou 5 sucessos. A
probabilidade de se cometer erro tipo 1 igual a:
(A) 0,1875.
(B) 0,15625.
(C) 0,125.
(D) 0,0625.
(E) 0,03125.
Resoluo.
O erro de tipo I ocorre quando rejeitamos a hiptese nula, dado que ela verdadeira.
Se ela verdadeira, ento p = 0,5. A sua rejeio ocorrer se obtivermos 4 ou 5 sucessos em 5

experimentos.
Basta aplicarmos a frmula da distribuio binomial.
5
P ( X = 4) = 0,5 4 0,5 = 5 0,5 5
4
5
P ( X = 5) = 0,5 5 0,5 0 = 0,5 5
5
Somando as duas probabilidades:
P ( X = 4 X = 5) = 6 0,5 5 = 18,75%
Gabarito: A
4. Teste sobre propores usando distribuio normal

Quando o tamanho da amostra cresce (ou seja, para valores de n grandes), depender da
frmula da probabilidade para a distribuio binomial fica muito trabalhoso.
Neste caso, podemos utilizar a aproximao que estudamos na aula passada. Vimos que, se X
binomial, e o nmero de experimentos bem grande, ento X aproximadamente normal.
Com isso, podemos realizar o teste de hipteses para propores utilizando a distribuio
normal em vez da binomial.
Vamos ver como fica.
Seja X a varivel que designa o nmero de casos favorveis na amostra de tamanho n. X seria
uma varivel binomial.
A proporo de casos favorveis na amostra fica:
X
p =
n
Usando propriedades da mdia, temos que a mdia de p ser igual mdia de X, dividida por
n.
np
E ( p ) = =p
n
Usando as propriedades da varincia, a varincia de p ser igual varincia de X dividida
por n2.
npq pq
V ( p ) = =
n2 n
Consequentemente, o desvio padro de p ser:
pq
p =
n
Estes so exatamente os resultados apresentados no incio desta aula, quando estudamos
intervalo de confiana para uma proporo.
Se n for grande, ento X aproximadamente normal. Como conseqncia, p tambm

aproximadamente normal.
Sabendo disso, podemos obter a varivel normal reduzida. Para tanto, fazemos o seguinte:
- tomamos a varivel em estudo ( p )
- subtramos de sua mdia
- dividimos pelo seu desvio-padro
p p np np
Z= =
pq npq
n
Vamos ver um exemplo.
EP 1. Uma moeda foi lanada 100 vezes. Em 20% das vezes o resultado foi cara. Em 80%
das vezes, o resultado foi coroa. Teste a hiptese da moeda ser honesta, considerando um
nvel de significncia de 19,7%.
Dado: P(0 < Z < 1,29) = 40,15%
Resoluo.
No fundo, queremos testar a hiptese de que a probabilidade de sair cara seja de 50%. De
outro modo: queremos testar a hiptese de que, em um nmero muito grande de lanamentos,
a proporo de caras seja de 50%.
Por isto o teste sobre proporo. A proporo da populao ( p ), esta ns no conhecemos.
Queremos justamente testar seu valor.
Assim, num teste de propores, a proporo da populao tem exatamente o mesmo papel
que tinha a mdia da varivel aleatria quando o teste era sobre mdias.
A proporo obtida para a amostra 20% ( p ). Vimos no incio desta aula que p um
estimador de p (a proporo da amostra um estimador da proporo da populao). Pois
bem, o p tem o mesmo papel que tinha o X no teste de mdias.
Resumindo as mudanas no teste de propores:

O parmetro desconhecido p (em vez de )
O estimador p (em vez de X ).

np np
A estatstica teste calculada pela frmula: Z _ teste =
npq
No mais tudo igual, inclusive a utilizao da tabela para varivel normal reduzida.
Vamos ento resolver o exemplo proposto.
Vamos identificar os elementos.
Queremos testar a hiptese de que a proporo da populao seja de 50%.
H0: p = 0,5
HA: p 0,5
O teste bilateral.
Os valores que se pretendem testar para a populao so: p = 0,5 e q = 0,5 (pois q = 1 p ).
Para a amostra feita, obteve-se p = 0,2 . Foram 100 lanamentos (n = 100).
Primeiro passo: obter os valores crticos de Z.

Queremos obter os valores de Z de tal forma que a soma das duas reas amarelas da figura
abaixo seja de 19,7%.
Consequentemente, a rea verde seria de 80,3%.

A rea verde a regio de aceitao. As reas amarelas formam a regio crtica. Caso o valor
de Z_teste caia na regio verde, aceitaremos a hiptese H0. Caso contrrio, rejeitamos.
Se a rea verde vale 0,803, ento a metade da rea verde igual a 0,4015.
O exerccio nos disse que 40,15% dos valores de Z esto entre zero e 1,29.
Logo, a regio verde da figura acima de 80,3%.

Os valores crticos de Z so:
Z _ critico _ 1 = 1,29
Z _ critico _ 2 = 1,29
Segundo passo: obter a estatstica teste.
No caso de propores, a estatstica teste dada por:
np np
Z _ teste =
npq
Substituindo os valores, ficamos com:
100 0,2 100 0,5 30
Z _ teste = = = 6
100 0,5 0,5 5
Terceiro passo: comparar a estatstica teste com os valores crticos. Vemos que a estatstica
teste menor que o Z _ critico _ 1 . A estatstica teste cai na regio crtica (rea amarela).
Rejeitamos a hiptese nula.
EC 37 SEFAZ MG 2005 [ESAF]

Um fabricante afirma que pelo menos 95% dos equipamentos que fornece indstria
encontram-se dentro de suas especificaes. Uma amostra de 200 itens escolhidos ao acaso
revelou 10 itens fora de especificao. Assinale a opo que corresponde ao valor
probabilstico (p-valor) do teste de H0: 0,95 contra HA: < 0,95 , sendo a proporo
populacional de itens dentro da especificao.
a) 0,500
b) 0,050
c) 0,025
d) 0,010
e) 0,100
Resoluo.
No precisamos fazer o teste de hipteses inteiro. Precisamos apenas encontrar o p-valor. O p-
valor est relacionado com a estatstica teste.
Vamos encontrar a estatstica teste.
O nmero de itens pesquisado 200.
n = 200
A proporo amostral de itens dentro da especificao :
190
= = 0,95
200
Note que aqui o exerccio est chamando a proporo de (quando ns sempre usamos o
smbolo p ).
Vamos ento voltar para a nossa simbologia.
190
p = = 0,95
200
Queremos testar a hiptese de a proporo da populao ser igual a 0,95. Portanto, queremos
testar os seguintes valores:
p = 0,95 q = 0,05
np np
Z _ teste =
npq
np np
Z _ teste =
npq
200 0,95 200 0,95
Z _ teste = =0
npq
O p-valor a rea vermelha da figura abaixo.
A estatstica teste igual a zero, que justamente o ponto mdio da distribuio normal
reduzida. O grfico da fdp simtrico em torno de zero. Logo, a rea esquerda de zero
igual rea direita. Ambas valem 0,5.
Portanto o p-valor 0,5.
Gabarito: A.

Lana-se uma moeda 20 vezes e observa-se a ocorrncia de 7 caras. Seja a probabilidade de
cara. Assinale a opo que d o valor da estatstica teste correspondente ao teste da hiptese
H0: 0,5 contra HA: < 0,5 .
a) 0,3 20
b) 0,2 20
c) 0,3 20
d) 0,2 20
e) 0,5 20
Resoluo.
Novamente no precisamos fazer todo o teste. Precisamos apenas calcular a estatstica teste.
A moeda foi lanada 20 vezes.
n = 20
A proporo amostral de caras foi:
7
p = (o exerccio usou o smbolo . Estou mantendo nossa simbologia).
20
A proporo populacional que se pretende testar :

p = 0,5 q = 0,5
np np
Z _ teste =
npq
20 7 / 20 20 0,5
Z _ teste =
20 0,5 0,5
7 10
Z _ teste =
0,5 20
6
Z _ teste =
20
6 20
Z _ teste =
20
Z _ teste = 0,3 20
Gabarito: A.
VIII. DISTRIBUIO DE QUI-QUADRADO

A partir de agora veremos uma distribuio muito importante para realizarmos diversos tipos
de teste de hipteses. Trata-se da distribuio de qui-quadrado. uma distribuio diferente
da distribuio normal.
Considere diversas variveis normais reduzidas e independentes entre si ( Z 1 , Z 2 , Z 3 , ..., Z k ).
Todas elas tm a mesma distribuio normal de mdia zero e desvio padro unitrio.
Seja 2 uma varivel tal que:
k
2 = Zi 2
i =1
Ou seja, a varivel 2 igual a uma soma dos quadrados de k variveis normais de mdia
zero e desvio padro unitrio. Dizemos que 2 tem distribuio de qui-quadrado com k graus
de liberdade.
Ento vai funcionar assim. Sempre que tivermos uma situao em que a varivel envolvida
puder ser expressa como uma soma de quadrados de variveis normais reduzidas,
independentes entre si, tal varivel ter distribuio de qui-quadrado. E para ela ns podemos
consultar a tabela especfica para a distribuio de qui-quadrado.
Um cuidado que se deve ter que a fdp associada no simtrica (ao contrrio do que
acontece com a distribuio normal ou com a T de student).
Apenas para se ter uma idia do grfico, segue exemplo abaixo, para 4 graus de liberdade.
Quando o nmero de graus de liberdade aumenta, o grfico tende a ficar.
EC 39 CGU - 2008 [ESAF]

Sejam n variveis aleatrias N(0,1) independentes. A soma de seus quadrados tem uma
distribuio de:
a) t de Student com n-1 graus de liberdade
b) t de Student com n graus de liberdade
c) qui quadrado com n graus de liberdade
d) qui quadrado com 2n graus de liberdade
e) F com 1 grau de liberdade no numerador e n graus de liberdade no denominador.
Resoluo.
O smbolo N(0,1) uma forma de representar variveis aleatrias normais. O N indica que
a varivel aleatria normal. Dentro do parntesis, o primeiro nmero indica a mdia e o
segundo nmero indica a varincia.
Ento o que temos na questo uma soma de quadrados de variveis normais com mdia zero
e desvio padro unitrio.
J sabemos que esta soma tem distribuio de qui-quadrado com n graus de liberdade.
Gabarito: C.
1. Teste de Qui-quadrado para propores

A distribuio de qui-quadrado muito empregada para realizarmos teste de hipteses sobre
propores.
Nesta aula ns j vimos alguns testes de hipteses para propores. Na folha 64 ns vimos um
teste usando a distribuio binomial. Na fl. 67Erro! Indicador no definido. ns vimos um
teste utilizando a distribuio normal.
E, agora, veremos que tambm possvel fazer testes de hipteses para propores usando a
distribuio de qui-quadrado.
Assim, quando tivermos problemas referentes a propores, podemos utilizar a distribuio de
qui-quadrado. Esta utilizao do teste de qui-quadrado tem uma grande importncia, porque
utilizada como base para estudarmos o tpico seguinte, em que se comparam diversas
propores.
Para estudarmos esta nova aplicao do teste de qui-quadrado, precisamos introduzir uma
nova simbologia.
E1 designa a freqncia esperada dos resultados favorveis, nos casos em que a hiptese nula
verdadeira.
E 2 designa a freqncia esperada dos resultados desfavorveis, nos casos em que a hiptese
nula verdadeira.
O1 designa a freqncia observada dos resultados favorveis, nos casos em que a hiptese
nula verdadeira.
O2 designa a freqncia observada dos resultados desfavorveis, nos casos em que a hiptese
nula verdadeira.
2
(Oi Ei ) 2
possvel demonstrar que a varivel 2 = tem distribuio de qui-quadrado
i =1 Ei
com 1 grau de liberdade.
O passo a passo do teste bem parecido com todos os outros testes de hipteses estudados na
aula de hoje.
Primeiro calculamos o valor crtico com o auxlio de uma tabela para a distribuio de qui-
quadrado.
(Oi Ei ) 2
2
Depois calculamos a estatstica teste. A frmula : _ teste =
2
i =1 Ei
Comparamos os dois valores. Se a estatstica teste for maior que o valor crtico, rejeitamos a
hiptese nula.
Teste de qui-quadrado para propores:

Primeiro calculamos os valores crticos com o auxlio da tabela da distribuio de qui-
quadrado.
2
(Oi Ei ) 2
Calculamos a estatstica teste. A frmula : 2 =
i =1 Ei
Comparamos os dois valores. Se a estatstica teste for maior que o valor crtico,
rejeitamos a hiptese nula
Um detalhe importante. Nos testes de hipteses vistos anteriormente, o terceiro passo do teste
poderia se dar de inmeras formas:
se o teste for unilateral e a regio crtica estiver esquerda de zero, rejeitamos a hiptese
nula se a estatstica teste for menor que o valor crtico
se o teste for unilateral e a regio crtica estiver direita de zero, rejeitamos a hiptese
nula se a estatstica teste for maior que o valor crtico
se o teste for bilateral, definimos dois valores crticos; rejeitamos a hiptese nula se a
estatstica teste no estiver contida no intervalo definido pelos dois valores crticos.
Aqui a situao muda completamente. No caso do teste de qui-quadrado para propores, a
nica forma de rejeitarmos a hiptese nula ocorre quando a estatstica teste maior que o
valor crtico.
Isto ocorre porque a varivel em anlise obtida a partir da seguinte operao. Primeiro
fazemos a diferena entre cada freqncia observada e a respectiva freqncia esperada.
Depois, elevamos a diferena ao quadrado.
Quando se eleva a diferena ao quadrado, obtm-se um nmero que sempre maior ou igual a
zero.
Quanto mais prximos de zero forem os quadrados das diferenas, mais forte o sinal de que
as freqncias observadas so iguais s esperadas. um forte sinal de que a hiptese nula
verdadeira.
Do contrrio, quanto mais diferentes de zero forem os quadrados das diferenas, mais forte
o sinal de que as freqncias observadas e esperadas so diferentes. Neste caso, os quadrados
das diferenas seriam significativamente maiores que zero. Como conseqncia, a regio
crtica sempre est do lado direito.
Por isso, no caso do teste de qui-quadrado aplicado a propores, s rejeitamos a hiptese
nula quando a estatstica teste maior que o valor crtico.
Vamos a um exemplo.
EP 2. Lana-se uma moeda 20 vezes e observa-se a ocorrncia de 7 caras. Seja a

probabilidade de cara. Teste a hiptese H0: = 0,5 contra HA: 0,5 .
Resoluo:
O problema sobre teste de hipteses envolvendo proporo. Ento podemos utilizar a
distribuio de qui-quadrado para 1 grau de liberdade.
Primeiro passo: obter o valor crtico.
O nvel de significncia de 5%. Ou seja, a regio crtica igual a 5%.
Para obter o valor crtico, consultamos a tabela anexada ao final desta aula. Encontramos o
valor associado probabilidade de 5% e 1 grau de liberdade.
Este valor 3,84.
2 _ crtico = 3,84
Segundo passo: determinar a estatstica teste.
Se a hiptese nula for verdadeira, a proporo de caras de 0,5. Portanto, em 20 lanamentos,
as freqncias esperadas para os resultados favorveis (sair cara) e desfavorveis (sair coroa)
so:
E1 = 10 (so esperadas 10 caras)
E 2 = 10 (so esperadas 10 coroas).

J as freqncias observadas foram:
O1 = 7 (foram observadas 7 caras).
O2 = 13 (foram observadas 7 coroas).
Agora vem a novidade.
2
(Oi Ei ) 2
Se a hiptese nula for verdadeira, a varivel 2 = tem distribuio de qui-
i =1 Ei
quadrado com 1 grau de liberdade.
Substituindo os valores:
2
(Oi Ei ) 2
2 =
i =1 Ei
_ teste =
2 (7 10)
2
+
(13 10)
2
10 10
18
2 _ teste = = 1,8
10
A estatstica teste no maior que o valor crtico. No rejeitamos a hiptese nula.
Esta utilizao da distribuio de qui-quadrado, para testar hipteses sobre uma proporo,
no muito cobrada em prova. Mas importante porque serve para estudarmos um assunto
muito cobrado: o teste de qui-quadrado para vrias propores.
2. Teste de qui-quadrado para vrias propores

Esta a utilizao mais importante do teste de qui-quadrado, ao menos para concursos. uma
generalizao do caso anterior, para uma proporo. Aqui podemos comparar ao mesmo
tempo diversas propores. E, alm disso, elas no precisam conter apenas dois tipos de
ocorrncias (sucessos e fracassos).
Para ilustrar, considere que estamos fazendo uma pesquisa em dois bairros diferentes (bairros
A e B). Queremos saber se as pessoas so a favor, contra ou so indiferentes a uma dada
poltica urbana.
Em cada bairro, no temos apenas sucessos e fracassos. No temos apenas duas categorias de
opinio. Temos trs: a pessoa pode ser favorvel poltica, pode ser contra, ou pode ser
indiferente.
Podemos utilizar o teste de qui-quadrado para comparar se, nos dois bairros acima, a opinio
dos moradores quanto referida poltica igual. Caso aceitemos a hiptese de igualdade,
consideramos que a opinio geral dos cidados no tem relao com o bairro onde vivem (A
ou B). Do contrrio, caso a diferena de opinio seja significante, rejeitaremos a hiptese de
igualdade de opinies.
Vejamos alguns exerccios.

Dos 100 candidatos inscritos em um concurso que estudaram no curso preparatrio A, 75
foram aprovados no concurso, enquanto que dos 100 candidatos inscritos no concurso que
estudaram no curso preparatrio B, 65 foram aprovados nesse concurso. Se desejarmos testar
a hiptese estatstica de que a proporo de aprovao dos dois cursos a mesma, obtenha o
valor mais prximo da estatstica do teste, que tem aproximadamente uma distribuio qui-
quadrado com um grau de liberdade.
a) 1,21.
b) 1,44.
c) 1,85.
d) 2,38.
e) 2,93.
Resoluo.
Vamos continuar com a mesma simbologia de freqncias esperadas e observadas, tanto para
resultados favorveis (=sucessos), quanto para casos desfavorveis (=fracassos).
A diferena que agora no temos apenas uma proporo. So duas propores. Temos a
proporo de aprovados no curso A e a proporo de aprovados no curso B.
Com isso, teremos resultados favorveis e desfavorveis, esperados e observados, tanto para o
curso A quanto para o curso B.
Temos duas propores: a proporo de candidatos do curso A que foram aprovados e a
proporo de candidatos do curso B que foram aprovados. Queremos testar a hiptese de que
ambas as propores so iguais.
O enunciado deu as freqncias observadas.
O nmero de sucessos no curso A foi de 75 (foram 75 aprovados).
O A _ 1 = 75
O nmero de fracassos (resultados desfavorveis) no curso A foi 25.

O A _ 2 = 25
O nmero de sucessos no curso B foi de 65.

OB _ 1 = 65
O nmero de fracassos no curso B foi de 35

OB _ 2 = 35
Agora vamos s freqncias esperadas. Supondo que a hiptese de igualdade das propores
seja verdadeira, podemos juntar todos os alunos como pertencentes a um s curso. Neste
curso resultante, a proporo de alunos aprovados :
75 + 65 140
= = 0,7
100 + 100 200
No geral, foram aprovados 70% dos alunos, independentemente de curso.
Se a hiptese nula for verdadeira, ento a freqncia esperada de aprovao em cada um dos
cursos igual freqncia geral obtida acima (=70%).
Basta voc pensar assim. Algum chega e te informa que 70% dos alunos dos cursos A e B
foram aprovados. Esta mesma pessoa te fala que 100 alunos de cada curso fizeram a prova.
Sabendo apenas estas informaes, se voc supuser que os alunos dos dois cursos tiveram o
mesmo desempenho, voc esperaria as seguintes freqncias:
E A _ 1 = 70 (voc esperaria 70% de aprovao no curso A)
E A _ 2 = 30 (voc esperaria 30% de reprovao no curso A)
E B _ 1 = 70 (voc esperaria 70% de aprovao no curso B)
E B _ 2 = 30 (voc esperaria 30% de reprovao no curso B)
Podemos colocar tudo isto numa tabela:

Curso A Curso B
Freqncia Freqncia Freqncia Freqncia
observada esperada observada esperada
Aprovados 75 70 65 70
Reprovados 25 30 35 30
Total 100 100 100 100
(Oi Ei ) 2
possvel demonstrar que a soma de todos os valores de uma varivel com
Ei
distribuio de qui-quadrado.
Quando tnhamos uma proporo apenas, o nmero de graus de liberdade era sempre igual a
1.
Quando tivermos mais de uma proporo, o nmero de graus de liberdade vai variar. Para
descobri-lo, precisamos ver quantas linhas e colunas tem a nossa tabela acima.
Para tanto, devemos considerar s uma das tabelas (ou a de freqncia esperada, ou a de
freqncia observada, d no mesmo).
Freqncias esperadas:
Curso A Curso B
Freqncia Freqncia
esperada esperada
Aprovados 70 70
Reprovados 30 30
Freqncias observadas:
Curso A Curso B
Freqncia Freqncia
observada observada
Aprovados 75 65
Reprovados 25 35
Cada uma das duas tabelas tem duas linhas e duas colunas.
L nmero de linhas
C nmero de colunas.
L=2
C=2
O nmero de graus de liberdade ser igual a (L 1) (C 1)
graus _ de _ liberdade = (L 1) (C 1)
graus _ de _ liberdade = (2 1) (2 1) = 1
Pronto. Visto isso, vamos ao teste.
Na verdade o exerccio pediu apenas a estatstica teste.
Para treinar, vamos fazer o teste de hiptese para um nvel de significncia de 5%.
Primeiro passo: encontrar o valor crtico.
Para tanto, precisamos consultar a tabela III, colocada ao final da aula.
Procuramos pelo valor crtico que separa uma rea de 5%, situada na extremidade direita do
grfico. Consultando a coluna para rea de 5% e 1 grau de liberdade, temos que o valor crtico
3,84.
2 _ crtico = 3,84
Segundo passo: encontrar a estatstica teste. Na verdade foi apenas isto que o enunciado
pediu. Por isso a questo no forneceu uma tabela para a distribuio de qui-quadrado.
Para encontrar a estatstica teste, encontramos o valor de 2 para os valores de freqncias
(Oi Ei ) 2
fornecidos. Basta somar todos os valores de
Ei
(75 70) 2 (25 30) 2 (65 70) 2 (35 30) 2

2 _ teste = + + +
70 30 70 30
25 25 25 25
2 _ teste = + + + = 2,38
70 30 70 30
A estatstica teste igual a 2,38.

Gabarito: D.
Mas continuemos nosso teste.

A estatstica teste menor que o valor crtico. No rejeitamos a hiptese nula. Ou seja, a
diferena entre as duas propores no foi to grande a ponto de nos fazer rejeitar a hiptese
nula. No h evidncias suficientemente fortes que nos levem a rejeitar a hiptese de que as
duas propores so iguais.
Teste de qui-quadrado para vrias propores:
O nmero de graus de liberdade dado por: (L 1) (C 1) .
Onde L o nmero de linhas e C o nmero de colunas.
O enunciado a seguir refere-se s questes EC 41, EC 42 e EC 43

A tabela a seguir mostra os resultados obtidos em matemtica por trs turmas.
Aprovados Reprovados Total

Turma X 30 10 40
Turma Y 35 5 40
Turma Z 15 5 20
Total 80 20 100
Desejamos testar, utilizando o teste do qui-quadrado:
H0: os seis resultados possveis tm probabilidades iguais versus
HA: os seis resultados possveis no tm probabilidades iguais.
EC 41 SEFAZ/MS 2006 [FGV]

O valor observado da estatstica qui-quadrado , aproximadamente:
a) 1,16
b) 2,34
c) 3,44
d) 4,66
e) 5,58
Resoluo:
Olha gente, eu acho que o enunciado ficou um pouquinho confuso. Creio que a hiptese que
se pretende testar seria a seguinte:
H0: a proporo de aprovados nas trs turmas a mesma
HA: as propores so diferentes.
Se a hiptese nula for verdadeira, as trs turmas teriam o mesmo desempenho.

No total, so 100 alunos. Destes, 80 foram aprovados. A turma X tem 40 alunos. A turma Y
tem 40 alunos. A turma Z tem 20 alunos. Se soubssemos apenas estas informaes e
quisssemos descobrir quantos alunos foram aprovados em cada turma, supondo que as trs
turmas tenham o mesmo desempenho, levaramos em conta que 80% dos alunos de cada uma
das turmas foi aprovado.
Isto corresponde a considerar que todas as turmas tiveram desempenho igual ao desempenho
geral das trs turmas.
As freqncias esperadas ficariam conforme a tabela abaixo.
Turma X Turma Y Turma Z

F observada F esperada F observada F esperada F observada F esperada
Aprovados 30 32 35 32 15 16
Reprovados 10 8 5 8 5 4
Total 40 40 40 40 20 20
(Oi Ei ) 2
A estatstica teste obtida pela soma de todos os valores de .
Ei
(30 32) 2 (10 8) 2 (35 32) 2 (5 8) 2 (15 16) 2 (5 4) 2

2 _ teste = + + + + + = 2,34
32 8 32 8 16 4
Gabarito: B

O nmero de graus de liberdade :
a) 2
b) 3
c) 4
d) 6
e) 99
Resoluo.
Nossa tabela a que segue:
F observada F observada F observada

(X) (Y) (Z)
Aprovados 30 35 15
Reprovados 10 5 5
L nmero de linhas
C nmero de colunas.
L=2
C =3
O nmero de graus de liberdade ser igual a (L 1) (C 1)

graus _ de _ liberdade = (L 1) (C 1)
graus _ de _ liberdade = (2 1) (3 1) = 2
Gabarito: A.

Nos nveis de 1%, 5% e 10%, a deciso sobre H0 :
= 1% = 5% = 10%
A No rejeitar No rejeitar No rejeitar
B No rejeitar No rejeitar Rejeitar
C No rejeitar Rejeitar Rejeitar
D Rejeitar Rejeitar No rejeitar
E Rejeitar Rejeitar Rejeitar
Resoluo.
Sabemos que, se a hiptese nula for verdadeira, a varivel 2 tem distribuio de qui-
quadrado com dois graus de liberdade.
Vamos encontrar os valores crticos para cada um dos trs testes que se pretende fazer.
Quando o teste tem nvel de significncia de 1%, o valor crtico constante da tabela igual a
9,21. Este valor maior que a estatstica teste. Portanto no rejeitamos a hiptese nula.
5,99. Este valor superior estatstica teste. Portanto no rejeitamos a hiptese nula.
4,61. Este valor superior estatstica teste. Portanto no rejeitamos a hiptese nula.
Para nenhum dos trs casos rejeitamos a hiptese nula.
Gabarito: A

A tabela de contingncia a seguir foi obtida para se testar homogeneidade entre as propores
de conceitos obtidos em um exame nacional com dois mtodos de ensino:
O valor da estatstica qui-quadrado usual para esses dados :

(A) 6.
(B) 12.
(C) 18.
(D) 24.
(E) 36.
Resoluo:
Os testes de hipteses para propores, usando a distribuio de qui-quadrado, recebem
nomes especiais. Ns no os mencionamos porque, para resolver os exerccios que caem em
concurso, o nome pouco importa.
S para no passar em branco, vamos a eles:
- Testes de Aderncia: queremos testar se uma populao segue uma dada distribuio de
probabilidades.
- Teste de homogeneidade: queremos testar se diferentes populaes tm a mesma
distribuio. Exemplo: testar se duas turmas de uma escola tiveram o mesmo desempenho na
prova de matemtica.
- Teste de independncia: queremos testar se duas variveis diferentes so independentes
entre si. Exemplo: queremos ver se o aproveitamento num teste independe do sexo da pessoa.
Queremos testar se propenso a ter cncer independe da cor da pele.
Neste exerccio, queremos saber se a proporo de alunos que tirou A, B e C a mesma, tanto
para o mtodo 1 quanto para o mtodo 2.
Podemos montar o seguinte quadro de freqncias observadas:
A B C Total
mtodo 1 50 10 40 100
mtodo 2 50 40 10 100
total 100 50 50 200
Do total de 200 avaliados, 50% tirou o conceito A, 25% B, e 25% C.
Supondo homogeneidade entre aqueles que foram ensinados com os dois mtodos, estes
mesmos percentuais deveriam ser verificados dentro de cada grupo.
Assim, temos o seguinte quadro de freqncias esperadas:
A B C
mtodo 1 50 25 25
mtodo 2 50 25 25
(Oi Ei ) 2
A estatstica teste obtida pela soma de todos os valores de .
Ei
(50 50) 2 (50 50) 2 (10 25) 2 (40 25) 2 (40 25) 2 (10 25) 2
2 _ teste = + + + + + =
50 50 25 25 25 25
= 36
Gabarito: E
EC 45 MTE 2010 [ESAF]

Em uma amostra aleatria simples de 100 pessoas de uma populao, 15 das 40 mulheres da
amostra so fumantes e 15 dos 60 homens da amostra tambm so fumantes. Desejando-se
testar a hiptese nula de que nesta populao ser fumante ou no independe da pessoa ser
homem ou mulher, qual o valor mais prximo da estatstica do correspondente teste de qui-
quadrado?
a) 1,79.
b) 2,45.
c) 0,98.
d) 3,75.
e) 1,21.
Resoluo.
Frequencias observadas:
Fumante No-fumante Total
Homem 15 45 60
mulher 15 25 40
Total 30 70 100
No geral, temos 30% de fumantes.

Se a proporo de fumantes for a mesma entre homens e mulheres, ento esperaramos ter
30% de fumantes em cada grupo.
Frequencias esperadas:
Fumante No-fumante Total
Homem 18 42 60
mulher 12 28 40
Total 30 70 100
Para clculo da estatstica teste, fazemos o seguinte:

- subtramos as frequncias observadas das esperadas
- elevamos ao quadrado
- dividimos pela frequncia esperada
- somamos todos os resultados acima indicados.
(15 18) 2 (15 12) 2 (45 42) 2 (25 28) 2
+ + + = 1,79
18 12 42 28
Gabarito: A
IX. LISTA DAS QUESTES DE CONCURSO

EC 1 Paran Previdncia 2002. [CESPE]
Julgue os itens seguintes, relativos a tcnicas de amostragem.
1. No caso de uma amostra aleatria de tamanho n extrada de uma populao de N
elementos, a probabilidade de seleo de cada uma das combinaes amostrais possveis
igual a 1/N.
Uma determinada populao pode ser dividida em subgrupos com caractersticas semelhantes,
como sexo, faixa etria, rendimento mensal etc. Os subgrupos formam uma partio da
populao e os elementos selecionados so resultantes de uma amostra aleatria simples
efetuada em cada subgrupo. Nessa situao, o desenho amostral conhecido como
amostragem por conglomerados.
Uma empresa quer estudar a renda de empregados rurais existentes em uma rea do interior
do estado do Paran. Devem ser aplicados 1.200 questionrios, mas a empresa no possui um
cadastro contendo dados sobre os empregados rurais. A inexistncia do cadastro impede o
sorteio aleatrio de tais empregados. Alm disso, o custo de contactar diretamente as famlias
rurais dispersas em uma grande rea muito elevado. Para viabilizar o estudo, a rea do
interior do estado foi dividida em pequenas subreas disjuntas. Foram selecionadas
aleatoriamente algumas subreas e a pesquisa procurou entrevistar todos os empregados rurais
dentro delas. Nessa situao, o desenho amostral conhecido como amostragem estratificada.

Uma pesquisa pretende estimar o valor mdio mensal dos salrios recebidos pelos professores
de 4 escolar do bairro Sade. Para a pesquisa primeiramente foram listados todos os
professores para as 4 escolas segundo o sexo resultando em 2000 professores do sexo
feminino e 1500 professores do sexo masculino. Foram propostos dois planos amostrais
distintos. O primeiro plano previa um sorteio com reposio de 350 professores do total de
3500. Na segunda proposta, o total da populao de professores foi dividido em dois grupos
(um grupo do sexo feminino e outro grupo do sexo masculino) e seriam sorteados 10% de
cada grupo com reposio. Segundo a teoria geral da amostragem, o primeiro e o segundo
plano so, respectivamente:
a) amostragem aleatria simples e amostragem estratificada
b) amostragem aleatria simples e amostragem estratificada
c) amostragem estratificada e amostragem aleatria simples
d) amostragem aleatria simples e amostragem por conglomerado em dois estgios
e) amostragem aleatria simples e amostragem por conglomerados.

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
1 n
desconhecidas, mas finitas. Considere, ainda, as estatsticas mdia da amostra, X = Xi ,
n i =1
e varincia da amostra s 2 =
1 n
n i =1
(
Xi X )
2
. Ento, correto afirmar que:
(A) X e S 2 so, ambos, no tendenciosos para a estimao da mdia e da varincia da

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

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 estimador de mxima verossimilhana da mdia?
a)
(X i m) 2
n 1
b)
(X i m) 2
n2
( X i m) 2
0 ,5

c)
n 1

d) (X i m) 2
e)
(X i m) 2
n
EC 5 Prefeitura de Manaus 2004 [CESGRANRIO]

Com base em uma amostra aleatria simples (X1, X2, ..., Xn), de mdia
X + X 2 + ... + X n
X = 1 , um estimador no viciado da varincia da populao :
n
( X 1 X ) 2 + ( X 2 X ) 2 + ... + ( X n X ) 2
a)
n +1
( X 1 X ) 2 + ( X 2 X ) 2 + ... + ( X n X ) 2
b)
n
( X 1 X ) 2 + ( X 2 X ) 2 + ... + ( X n X ) 2
c)
n 1
X + X 2 + ... + X n
2 2 2
2
d) 1 X
n
X + X 2 + ... + X n
2 2 2
2
e) 1 X
n 1
EC 6 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.)
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
23 que:
Xi =
i =1
388
23
X
i =1
i
2
= 8676
a) 96,85
b) 92,64
c) 94,45
d) 90,57
e) 98,73
EC 7 Basa/2007 [CESPE]
Um programa de controle de qualidade foi implementado em uma agncia bancria. A cada
10 clientes que entram na fila para solicitar um certo tipo de servio S, um atendente entrega
um pequeno questionrio, que deve ser preenchido pelo cliente e devolvido ao caixa do
banco. Um dos quesitos monitorados diariamente a proporo de clientes que esto
satisfeitos com o atendimento de um modo geral. Em determinada semana, foram observados
os resultados mostrados na tabela a seguir.
Dia da semana 2 3 4 5 6
Nmero de clientes observados 30 40 20 50 70
proporo de clientes satisfeitos 0,9 0,8 0,9 0,8 0,6
Com base nesses dados, julgue o item que se segue.

1. A estimativa da proporo mdia de clientes satisfeitos com o atendimento de um modo
geral ao longo dessa semana superior a 0,8.
EC 8 INEP 2008 [CESGRANRIO]

Denotando-se a mdia e a varincia amostral, respectivamente, por X e s 2 , o erro padro da
estimativa da mdia populacional (M) definido como
a) X M
b) X M
s
c)
n
s
d)
n
s2
e)
n
EC 9 CGU - 2008 [ESAF]
Seja T um estimador de um parmetro de uma populao. Se E (T ) = , diz-se que T um
estimador de :
a) eficiente
b) no enviesado
c) consistente
d) de mnimos quadrados
e) de mxima verossimilhana
Para responder questo seguinte, considere a tabela abaixo, referente distribuio
normal padro.
z F (z )
1,20 0,885
1,60 0,945
1,64 0,950
Uma mquina de empacotar leite em p o faz segundo uma normal com mdia e desvio
padro 10g. O peso mdio deve ser regulado para que apenas 5,5% dos pacotes tenham
menos do que 1000 g. Com a mquina assim regulada, a probabilidade de que o peso total de
4 pacotes escolhidos ao acaso seja inferior a 4.040 g :
a) 0,485
b) 0,385
c) 0,195
d) 0,157
e) 0,115
[Considere que voc j sabe que X tem varincia igual a 12]
Se retirarmos uma amostra aleatria de 1200 observaes de uma populao com distribuio
uniforme no intervalo [17; 29], a distribuio da mdia amostral X ser, aproximadamente,
a) uniforme com mdia 23 e varincia 12
b) normal com mdia 23 e desvio padro 0,1
c) uniforme com mdia 23 e varincia 1
d) normal com mdia 23 e desvio padro 12.
e) normal com mdia 23 e desvio padro 1.
EC 12 Ministrio da Sade/2007 [FCC]

Para responder questo seguinte, considere, dentre os dados abaixo, aqueles que julgar
apropriados. Se Z tem distribuio normal padro, ento:
P( Z > 2) = 0,023 ; P(0 < Z < 1,6) = 0,445 ; P( Z < 1) = 0,84 ; P(0 < Z < 2,33) = 0,49
Suponha que o peso de crianas de 10 anos, numa determinada populao, tenha distribuio
normal com mdia desconhecida e desvio padro 4 kg. A probabilidade de que o peso
mdio de uma amostra aleatria simples de 100 crianas, selecionadas desta populao, difira
por mais de 400 gramas de , aproximadamente, igual a:
a) 0,10
b) 0,16
c) 0,20
d) 0,27
e) 0,32
EC 13 SEFAZ MS 2006 [FGV] Questo adaptada

desconhecida de uma populao normal. A mdia amostral encontrada foi 4,2. A varincia da
populao 1,44.
O intervalo de 96,06% de confiana para a mdia populacional (utilize a tabela I do final da
aula):
(A) 4,2 0,49

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

Construa um intervalo de 95% de confiana 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.
b) 41,78 a 54,22.
c) 38,2 a 57,8.
d) 35,67 a 60,43.
e) 32,15 a 63,85.
EC 15 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]
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]

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 :
(A) 4,2 0,49
(B) 4,2 0,64
(C) 4,2 0,71
(D) 4,2 0,75

(E) 4,2 0,81

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
referem-se varivel t de Student com 10 e 15 graus de liberdade, respectivamente.
Tabela 1 Tabela 2 Tabela 3
X F(x) X F(x) 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
1,64 0,950 2,36 0,98 2,60 0,99
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
c) 3,0 0,45
d) 3,0 0,68
e) 3,0 0,73
EC 18 IPEA/2004 [ESAF]
Deseja-se estimar o gasto mdio efetuado por grupos de 4 pessoas, num restaurante, por meio
de um intervalo de confiana com coeficiente de 95%. Uma amostra de 16 grupos produziu os
valores R$ 150,00 e R$ 20,00 para a mdia e o desvio padro amostrais, respectivamente.
Assinale a opo que corresponde ao intervalo procurado. Use a hiptese de normalidade da
distribuio dos gastos e a tabela abaixo da funo de distribuio de Student (Tr) para a
escolha do quantil apropriado aos clculos.
P (Tr x) =
0,900 0,950 0,975 0,990
14 1,345 1,761 2,145 2,625
15 1,341 1,753 2,131 2,603
16 1,337 1,746 2,120 2,584
17 1,333 1,740 2,110 2,567
a) [139,34; 160,66]
b) [139,40; 160,60]
c) [141,23; 158,77]
d) [141,19; 158,81]
e) [140,00; 160,00]

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 :
(A) 64% 3,9%
(B) 64% 4,2%
(C) 64% 4,7%
(D) 64% 5,1%
(E) 64% 5,6%
EC 20 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 :
(A) 0,64 0,047
(B) 0,64 0,052
(C) 0,64 0,056
(D) 0,64 0,064
(E) 0,64 0,085
EC 21 Prefeitura de So Paulo 2007 [FCC]

Para responder questo seguinte, utilize, dentre as informaes abaixo, as que julgar
adequadas. Se Z tem distribuio normal padro, ento:
P(0 < Z < 1) = 0,341
P(0 < Z < 1,6) = 0,445
P(0 < Z < 2) = 0,477

Uma varivel aleatria X tem distribuio normal com mdia e desvio padro 100. O
tamanho da amostra para que a diferena, em valor absoluto, entre a mdia amostral e seja
menor do que 2, com coeficiente de confiana de 89% :
a) 1.000
b) 2.200
c) 2.800
d) 3.600
e) 6.400
EC 22 BACEN 2001 [ESAF]

Um auditor deseja estimar a proporo p de contas incorretamente contabilizadas no processo
contbil de uma instituio financeira. Neste contexto decide tomar uma amostra aleatria de
tamanho n das contas e estimar p usando a proporo amostral de contas incorretamente
contabilizadas. O auditor considera a populao de contas infinita e que a proporo amostral
tenha distribuio aproximadamente normal com expectncia p e varincia p(1-p)/n. Supondo
varincia mxima e que F(2) 0,975, sendo F(.) a funo de distribuio da normal padro,
assinale a opo que d o valor de n que o auditor deve tomar para estimar p com erro no
superior a 5% para mais ou para menos com nvel de confiana de 95%.
a) 100
b) 200
c) 400
d) 500
e) 130
EC 23 CGU - 2008 [ESAF]

Grande parte de uma populao de pessoas possui determinada caracterstica. Deseja-se
estimar a proporo de pessoas com esta caracterstica. Qual o valor mais prximo do
tamanho de uma amostra aleatria para se obter uma estimativa desta proporo com um erro
padro de 5%.
a) 389
b) 248
c) 156
d) 100
e) 25
EC 24 TRT 4 REGIO 2009 [FCC - adaptada]
Um atributo X tem distribuio normal com mdia e varincia populacional igual a 3.600.
Uma amostra aleatria de tamanho 100 extrada da populao, considerada de tamanho
infinito, forneceu uma mdia de X para X. Um teste estatstico realizado sendo formuladas
as hipteses H0: = 200 (hiptese nula) contra H1: > 200 (hiptese alternativa).
a) Dado que a mdia amostral igual a 212, qual o resultado do teste para um nvel de
significncia de 5%?
b) Qual o valor mnimo para a mdia amostral que nos faz rejeitar a hiptese nula, a um
nvel de significncia de 5%?
[Utilize a informao de que P ( Z 1,64 ) = 0,1 , onde Z a distribuio normal padro.]

Para a realizao do teste de hipteses Ho: = o, contra H1: > o, definimos como ERRO
DO TIPO I:

Em um teste de hipteses, a hiptese nula foi rejeitada no nvel de 3%. Portanto, a hiptese
nula:
(A) ser aceita no nvel de 1%.
(B) ser aceita no nvel de 5%.
(C) pode ser aceita ou rejeitada no nvel de 5%.
(D) ser rejeitada no nvel de 1%.
(E) ser rejeitada no nvel de 5%.

Um fabricante divulga que a caracterstica principal de seu produto tem uma mdia de 1.000
unidades. Um pesquisador, duvidando desta afirmao, encontrou uma caracterstica mdia de
935 e desvio-padro amostral de 130 examinando uma amostra aleatria simples de tamanho
9 destes produtos. Calcule o valor mais prximo da estatstica t para testar a hiptese nula de
que a mdia da caracterstica principal do produto 1 000, admitindo que a caracterstica tem
uma distribuio normal.
a) -1,5.
b) -1,78.
c) -1,89.
d) -1,96.
e) -2,115.

Uma empresa afirma que os pacotes de bala que ela produz pesam em mdia 25g. Para testar
essa hiptese, foram selecionados ao acaso 16 pacotes produzidos pela empresa, registrados
seus pesos X1, X2, ..., X16 e calculadas as estatsticas
16 16
X = 320 ; X = 7360
2
i i
i =1 i =1
O valor da estatstica t (a ser comparado com o ponto desejado da distribuio t de Student)

para o teste :
(A) 0,8.
(B) 1,2.
(C) 2,0.
(D) 2,5.
(E) 3,2.
EC 29 IPEA 2004 [ESAF]

Um fabricante de lanternas operadas com gs butano anuncia que o reservatrio de gs de seu
produto tem durao esperada de pelo menos 40 horas. Face reclamao de alguns
consumidores, uma agncia independente resolve verificar a veracidade da afirmao do
fabricante por meio do teste estatstico da hiptese H0: 40 contra a alternativa HA: < 40
com controle do erro do tipo I em 5%. Uma amostra aleatria de 49 reservatrios produziu o
valor mdio X de 38 horas. Suponha que a distribuio dos tempos de durao do gs seja
aproximadamente normal com desvio padro de 7 horas.
A tabela abaixo d os valores da funo de distribuio F(Z) da normal padro para alguns
valores selecionados de Z.
Z F(Z)
0,34 0,633
0,54 0,705
0,64 0,739
2,00 0,977
3,00 0,999
Assinale a opo que d o valor probabilstico (p-valor) do teste constitudo com base na
estatstica X 40
a) 5%
b) 2,3%
c) 3%
d) 4%
e) 2,5%
EC 30 IPEA 2004. [ESAF - adaptada]

Assinale a opo que d o valor do poder do teste estatstico descrito na questo anterior
quando =39 horas.
a) 50%
b) 10%
c) 5%
d) 26,1%
e) 30,2%
[dados: P( Z 1,645) = 95% ]

Um teste de hiptese apresentou p-valor igual a 0,03. Portanto, nos nveis de significncia de
1% e 5%, respectivamente, a hiptese nula:
a) deve ser aceita e aceita
b) deve ser aceita e rejeitada
c) deve ser rejeitada e aceita
d) deve ser rejeitada e rejeitada
e) pode ou no ser rejeitada, dependendo de a hiptese ser simples ou no.
EC 32 MPU 2004 [ESAF]
Considere o teste da hiptese H: =100 contra alternativa A: 100 em uma amostra da
normal com mdia e varincia 2. O valor da estatstica teste t com distribuio de Student
sob a hiptese H: =100 de 1,7864 e sabe-se que P(t 1,7864) = 0,0446.
Suponha que a probabilidade de erro do tipo I esteja sendo controlada em 5%. Assinale a
resposta correta.
a) Como o valor probabilstico do teste 0,0446 conclua H : = 100.
b) Como o valor probabilstico do teste 0,0446 conclua A: 100.
c) Como o valor probabilstico do teste 0,0892 no h evidncia para rejeitar H : = 100.
d) Como o valor probabilstico do teste 0,0223 conclua A: 100.
e) No se pode tirar nenhuma concluso pois, o tamanho da amostra, a mdia amostral e o
desvio padro amostral no foram dados.
O nvel de significncia associado ao teste :
a) 6/64;
b) 5/32
c) 1/16;
d) 5/64;
e) 6/32
Se o nmero observado de pessoas com a caracterstica na amostra foi 5, o nvel descritivo
associado ao teste :
a) 5/16
b) 5/32
c) 3/16
d) 1/32
e) 1/16.
A probabilidade de se rejeitar H0 quando H1 verdadeira :
a) 4 0,6 5
b) 0,6 5
c) 2,6 0,6 4
d) 1 0,6 5
e) 5 0,4 0,6 4

Considere que uma amostra aleatria simples de tamanho n = 5 de uma distribuio Bernoulli
com probabilidade de sucesso p seja usada para testar H0: p = 0,5 versus H1: p = 0,7 e que seja
usado o critrio que rejeita a hiptese nula se forem observados 4 ou 5 sucessos. A
probabilidade de se cometer erro tipo 1 igual a:
(A) 0,1875.
(B) 0,15625.
(C) 0,125.
(D) 0,0625.
(E) 0,03125.

Um fabricante afirma que pelo menos 95% dos equipamentos que fornece indstria
encontram-se dentro de suas especificaes. Uma amostra de 200 itens escolhidos ao acaso
revelou 10 itens fora de especificao. Assinale a opo que corresponde ao valor
probabilstico (p-valor) do teste de H0: 0,95 contra HA: < 0,95 , sendo a proporo
populacional de itens dentro da especificao.
a) 0,500
b) 0,050
c) 0,025
d) 0,010
e) 0,100
Lana-se uma moeda 20 vezes e observa-se a ocorrncia de 7 caras. Seja a probabilidade de
cara. Assinale a opo que d o valor da estatstica teste correspondente ao teste da hiptese
H0: 0,5 contra HA: < 0,5 .
a) 0,3 20
b) 0,2 20
c) 0,3 20
d) 0,2 20
e) 0,5 20
EC 39 CGU - 2008 [ESAF]
Sejam n variveis aleatrias N(0,1) independentes. A soma de seus quadrados tem uma
distribuio de:
a) t de Student com n-1 graus de liberdade
b) t de Student com n graus de liberdade
c) qui quadrado com n graus de liberdade
d) qui quadrado com 2n graus de liberdade
e) F com 1 grau de liberdade no numerador e n graus de liberdade no denominador.
Dos 100 candidatos inscritos em um concurso que estudaram no curso preparatrio A, 75
foram aprovados no concurso, enquanto que dos 100 candidatos inscritos no concurso que
estudaram no curso preparatrio B, 65 foram aprovados nesse concurso. Se desejarmos testar
a hiptese estatstica de que a proporo de aprovao dos dois cursos a mesma, obtenha o
valor mais prximo da estatstica do teste, que tem aproximadamente uma distribuio qui-
quadrado com um grau de liberdade.
a) 1,21.
b) 1,44.
c) 1,85.
d) 2,38.
e) 2,93.
O valor observado da estatstica qui-quadrado , aproximadamente:
a) 1,16
b) 2,34
c) 3,44
d) 4,66
e) 5,58

O nmero de graus de liberdade :
a) 2
b) 3
c) 4
d) 6
e) 99

Nos nveis de 1%, 5% e 10%, a deciso sobre H0 :
= 1% = 5% = 10%
A No rejeitar No rejeitar No rejeitar
B No rejeitar No rejeitar Rejeitar
C No rejeitar Rejeitar Rejeitar
D Rejeitar Rejeitar No rejeitar
E Rejeitar Rejeitar Rejeitar

A tabela de contingncia a seguir foi obtida para se testar homogeneidade entre as propores
de conceitos obtidos em um exame nacional com dois mtodos de ensino:
O valor da estatstica qui-quadrado usual para esses dados :

(A) 6.
(B) 12.
(C) 18.
(D) 24.
(E) 36.
EC 45 MTE 2010 [ESAF]

Em uma amostra aleatria simples de 100 pessoas de uma populao, 15 das 40 mulheres da
amostra so fumantes e 15 dos 60 homens da amostra tambm so fumantes. Desejando-se
testar a hiptese nula de que nesta populao ser fumante ou no independe da pessoa ser
homem ou mulher, qual o valor mais prximo da estatstica do correspondente teste de qui-
quadrado?
a) 1,79.
b) 2,45.
c) 0,98.
d) 3,75.
e) 1,21.
X. GABARITO DAS QUESTES DE CONCURSO
1 errado errado errado 17 c 32 e

2 a 18 a 33 c
3 b 19 c 34 d
4 errado errado errado 20 a 35 c
5 c 21 e 36 a
6 a 22 c 37 a
7 errado 23 d 38 a
8 d 24
Rejeitamos a hiptese nula; 39 c
209,84
9 b 40 d
25 anulada
10 e 41 b
26 e
11 b 42 a
27 a
12 e 43 a
28 d
13 a 44 e
29 b
14 a 45 a
30 d
15 a
31 b
16 a
TABELA I
Tabela gerada com o Excel.
Z a varivel normal reduzida (mdia zero e desvio padro unitrio).
PROBABILIDADE DE Z ESTAR ENTRE 0 E Z0

Segunda casa decimal de Z0
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 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
TABELA II
Distribuio T (feita com a funo INVT do excel).
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 Valores de P (Probabilidade associada ao intervalo)

liberdade 0,8 0,9 0,95 0,98 0,99 0,995
1 3,078 6,314 12,706 31,821 63,657 127,321
2 1,886 2,920 4,303 6,965 9,925 14,089
3 1,638 2,353 3,182 4,541 5,841 7,453
4 1,533 2,132 2,776 3,747 4,604 5,598
5 1,476 2,015 2,571 3,365 4,032 4,773
6 1,440 1,943 2,447 3,143 3,707 4,317
7 1,415 1,895 2,365 2,998 3,499 4,029
8 1,397 1,860 2,306 2,896 3,355 3,833
9 1,383 1,833 2,262 2,821 3,250 3,690
10 1,372 1,812 2,228 2,764 3,169 3,581
11 1,363 1,796 2,201 2,718 3,106 3,497
12 1,356 1,782 2,179 2,681 3,055 3,428
13 1,350 1,771 2,160 2,650 3,012 3,372
14 1,345 1,761 2,145 2,624 2,977 3,326
15 1,341 1,753 2,131 2,602 2,947 3,286
16 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
23 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 2,971
60 1,296 1,671 2,000 2,390 2,660 2,915
99 1,290 1,660 1,984 2,365 2,626 2,871
120 1,289 1,658 1,980 2,358 2,617 2,860
1,282 1,645 1,960 2,326 2,576 2,807
TABELA III QUI-QUADRADO (retirada de prova elaborada pela FGV)

RLM 6

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

RLM 6

Загружено:

Авторское право:

Доступные форматы

CURSO ONLINE RACIOCNIO LGICO EM EXERCCIOS ISS/RJ 1

PROFESSOR: VTOR MENEZES

AULA 6 Amostragem; estimadores; teste de hipteses; qui-quadrado

II. ESTIMADORES PONTUAIS . .......................................................................................................................6

III. INTERVALO DE CONFIANA PARA A MDIA . . 11

1. A mdia amostral como uma varivel aleatria. . 11

2. Intervalo de confiana para a mdia . . 20

V. INTERVALO DE CONFIANA PARA PROPORES . . 34

VI. INTERVALO DE CONFIANA E TAMANHO DA AMOSTRA . . 36

VII. TESTE DE HIPTESES .. 41

1. Teste sobre a mdia.. 44

3. Teste sobre propores usando a distribuio binomial . . 64

4. Teste sobre propores usando distribuio normal. . 67

VIII. DISTRIBUIO DE QUIQUADRADO . . 73

1. Teste de Quiquadrado para propores . . 74

2. Teste de quiquadrado para vrias propores. . 77

IX. LISTA DAS QUESTES DE CONCURSO. . 86

X. GABARITO DAS QUESTES DE CONCURSO . . 101

Nesta aula veremos uma grande quantidade de tpicos:

aleatoriamente algumas subreas e a pesquisa procurou entrevistar todos os empregados rurais

EC 2 TRF 2 Regio/2007 [FCC]

II. ESTIMADORES PONTUAIS

(A) X e S 2 so, ambos, no tendenciosos para a estimao da mdia e da varincia da

(E) X e S 2 so, ambos, no-tendenciosos para a estimao da mdia e da varincia da

Resumindo: h diversos tipos de estimadores. Ns no sabemos exatamente o que eles

EC 4 CGU 2008 [ESAF]

Resumindo: h diversos tipos de estimadores. Ns no sabemos exatamente o que eles

EC 5 Prefeitura de Manaus 2004 [CESGRANRIO]

EC 6 SEFAZ SP 2009 [ESAF]

Com base nesses dados, julgue o item que se segue.

1. A estimativa da proporo mdia de clientes satisfeitos com o atendimento de um modo

- Usamos a mdia amostral para estimar a mdia populacional ( X um estimador de );

III. INTERVALO DE CONFIANA PARA A MDIA

Denotando-se a mdia e a varincia amostral, respectivamente, por X e s 2 , o erro padro da

Quando se pensa em uma nica amostra, X um nmero, fixo, constante. a mdia

Tais resultados no so difceis de obter. Basta lembrar que:

EC 9 CGU - 2008 [ESAF]

EC 10 TRF 1 Regio/2001 [FCC]

Seja X a varivel aleatria que indica o peso dos pacotes de leite em p.

X uma varivel aleatria com mdia 1016 e desvio padro igual a 5.

Quando X vale 1010, Z vale:

A probabilidade de Z ser menor que -1,2 de 0,115. Consequentemente, a probabilidade de

e) normal com mdia 23 e desvio padro 1.

A mdia de X coincide com a mdia populacional.

EC 12 Ministrio da Sade/2007 [FCC]

Vamos achar a probabilidade de X distar menos de 0,4 kg da mdia populacional.

Vamos achar os valores de Z correspondentes. Quando X igual a 0,4 , Z igual a:

Quando X igual a + 0,4 , Z igual a:

Logo, a probabilidade de Z ser maior que 1 de:

Como a fdp da normal reduzida simtrica em torno de zero:

Deste modo, a probabilidade de Z estar entre -1 e 1 de:

A probabilidade de Z assumir valores entre -1 e 1 de 68%. Portanto, a probabilidade de X

2. Intervalo de confiana para a mdia

O intervalo de 96,06% de confiana para a mdia populacional (utilize a tabela I do final da

Segundo passo: determinar o valor especfico de X para a amostragem feita.

Terceiro passo: determinar o desvio padro de X .

seguinte. Se fosse possvel realizar, inmeras vezes, uma amostragem de tamanho n, em

Vocs podem guardar que o intervalo de confiana ser sempre da forma

E, para memorizar, s pensar assim.

EC 14 CGU 2008 [ESAF]

Primeiro passo: determinando o valor de Z0 associado a 95% de confiana.

Segundo passo: determinar o valor de X especfico para a amostra feita.

No conhecemos o desvio padro da populao. Estamos considerando que a amostra muito

A amplitude do intervalo dada por: