RLQ Desesperados - Aula 18 - CR - 2010

1 CURSOONLINERACIOCNIOLGICOPARADESESPERADOS PROFESSORES:GUILHERMENEVESEVTORMENEZES AULA 18 Estimadores.
Estimativa por ponto e por intervalo
I. 1. 2. 3. II. 1. 2. 3. III. 1. 2. IV. V. 1. 2. 3. 4. VI. VII. VIII. IX. X.
ESTIMADORESPONTUAIS.....................................................................................................................2 Estimadorparaamdia ........................................................................................................................3 Estimadorparaavarincia...................................................................................................................5 Estimadorparaumaproporo..........................................................................................................10 INTERVALODECONFIANAPARAAMDIA........................................................................................14
X comoumavarivelaleatria........................................................................................................14
Intervalodeconfianaparaamdia...................................................................................................32 Intervalodeconfianaparaamdiaquandoavarinciadapopulaonoconhecida ......................42 INTERVALODECONFIANAPARAPROPORES.................................................................................55
comoumavarivelaleatria.........................................................................................................55 p
Intervalodeconfianaparaumaproporo ........................................................................................59 INTERVALODECONFIANAETAMANHODAAMOSTRA......................................................................65 CARACTERSTICADOSESTIMADORES..................................................................................................88 Estimadornotendencioso................................................................................................................89 Estimadordevarinciamnima. ..........................................................................................................91 Estimadordemnimosquadrados......................................................................................................92 Estimadordemximaverossimilhana...............................................................................................93 FATORDECORREOPARAPOPULAESFINITAS...........................................................................103 LISTADASQUESTESDECONCURSO...........................................................................................107 GABARITODASQUESTESDECONCURSO ...................................................................................126 TABELAI...........................................................................................................................................127 TABELAII ..........................................................................................................................................128
www.pontodosconcursos.com.br
2 CURSOONLINERACIOCNIOLGICOPARADESESPERADOS PROFESSORES:GUILHERMENEVESEVTORMENEZES
I. ESTIMADORES PONTUAIS Voltemos ao bairro Nova Vila, l da aula 13. Relembrando o nosso exemplo, fizemos uma pesquisa salarial com alguns moradores do bairro, o que resultou no seguinte rol (dados em R$ 1.000,00): Salrio dos moradores da Nova Vila amostra com dez salrios: R$ 5.000,00; R$ 2.000,00; R$ 2.000,00; R$ 7.000,00; R$ 1.000,00; R$ 4.000,00, R$ 2.000,00, R$ 4.000,00, R$ 3.000,00, R$ 6.000,00. J vimos que o conjunto dos salrios de todos os moradores a nossa populao. J vimos tambm que qualquer subconjunto no vazio da populao uma amostra (matria da aula 13). Queremos descobrir o salrio mdio dos moradores do bairro. A grandeza de interesse (mdia salarial) se refere populao. Ou seja, estamos interessados no salrio mdio de todos os moradores. A mdia populacional o nosso parmetro. Parmetro qualquer caracterstica populacional. Se, por algum motivo, no pudermos realizar um censo, ns faremos uma amostragem (ao longo do curso, trabalharemos basicamente com a amostragem aleatria simples). Muito bem. Selecionamos uma amostra de dez pessoas. Fizemos isso l na aula 13. Obtivemos a mdia desta amostra. A mdia amostral de R$ 3.600,00. A partir desta amostra, vamos estimar a mdia da populao. Usamos a mdia amostral (=R$ 3.600,00) como um estimador da mdia populacional, desconhecida. Dizemos que R$ 3.600,00 a mdia estimada, a partir da amostra feita. uma estimativa por ponto. Esse valor mdio de 3.600 uma caracterstica da amostra. Dizemos que se trata de uma estatstica.
Parmetro: uma caracterstica da populao Estatstica: uma caracterstica da amostra
Novamente: a mdia amostral R$ 3.600,00. Estamos dizendo que uma estimativa para a mdia populacional R$ 3.600,00. Ou seja, usamos a mdia amostral como estimador da mdia populacional. A estimao por ponto se contrape estimao por intervalo. Nesta ltima, no definimos um valor nico para a estimativa; sim um intervalo de valores. Um exemplo so aquelas pesquisas eleitorais de inteno de voto. Lembram quando se diz que os candidatos esto tecnicamente empatados? Se o candidato A tem entre 30% e 34% das intenes de voto, e o candidato B tem entre 28% e 32% das intenes de voto, no d para afirmar quem vai ganhar. A o William Bonner diz que eles esto tecnicamente empatados. www.pontodosconcursos.com.br
3 CURSOONLINERACIOCNIOLGICOPARADESESPERADOS PROFESSORES:GUILHERMENEVESEVTORMENEZES Nesse segundo caso, a partir de uma amostra, procurou-se estabelecer um intervalo de valores provvel para as intenes de voto de cada candidato. Para o candidato A, o intervalo de 30% a 34%. Dizemos que se trata de uma estimativa por intervalo. Por enquanto, vamos nos concentrar na estimativa por ponto. J dissemos isto em outras aulas, mas no custa relembrar. O motivo de fazer uma amostragem o fato de haver alguma dificuldade em analisar toda a populao. Pode ser muito caro, muito demorado. Ou pode ser invivel. Seria o caso de ver qual a tenso mxima que um material suporta. Se tivermos que submet-lo a tenses cada vez maiores, at que ele arrebente, ento no podemos analisar todos os objetos, sob pena de destruirmos todos e no sobrar mais nenhum. Se fosse possvel analisar a populao inteira, conseguiramos com exatido saber sua mdia e seu desvio padro (estes valores reais so nossos parmetros). Quando fazemos uma amostragem, conseguimos apenas saber a mdia e o desvio padro da amostra feita. Nosso objetivo, portanto, , a partir dos valores de mdia e desvio padro da amostra, estimar quais os valores de mdia e desvio padro da populao. Nosso objetivo estimar o valor do parmetro desconhecido. Claro que poderamos estar interessados em outros parmetros que no a mdia e o desvio padro. Mas, em concursos, na grande maioria das questes, so cobrados apenas esses dois parmetros (alm da varincia, intimamente relacionada com o desvio padro, e da proporo, que veremos nesta aula). Quando escolhemos um estimador, podemos estar interessados em diversas caractersticas. Alguns tipos de estimadores so: No tendenciosos (ou no viciados) De mxima verossimilhana De varincia mnima De mnimos quadrados
Posteriormente, falamos um pouquinho sobre as caractersticas de cada tipo de estimador (ver folha 88Erro! Indicador no definido.).
1.
Estimador para a mdia
Vamos padronizar nossa linguagem. J vimos dois smbolos para mdia. At agora no nos preocupamos muito em dar alguma diferena mais rigorosa entre eles. Mas, a partir de agora, isto vai ser importante porque as duas mdias vo aparecer juntas. Quando temos uma varivel aleatria, a mdia desta varivel designada por . s vezes podemos modelar uma populao como uma varivel aleatria. Ento, sempre que quisermos nos referir mdia de uma varivel aleatria, ou mdia de uma populao, vamos usar o smbolo . Seja X a varivel aleatria que designa o resultado do lanamento de um dado. J vimos que a mdia desta varivel aleatria (= esperana) de 3,5 (lembra? Foi o exemplo usado na aula 16, quando falamos de esperana). www.pontodosconcursos.com.br
4 CURSOONLINERACIOCNIOLGICOPARADESESPERADOS PROFESSORES:GUILHERMENEVESEVTORMENEZES
= 3,5
Podemos pensar que 3,5 a mdia da varivel aleatria X. Ou ento, se pensarmos em uma populao formada por todos os resultados que poderiam ser obtidos quando se lana o dado infinitas vezes, dizemos que a mdia dessa populao 3,5. Pegamos o dado de seis faces e lanamos trs vezes, obtendo: 6, 2, 3. Estes trs lanamentos so uma amostragem dos infinitos resultados que poderiam ocorrer. Se quisermos nos referir mdia de uma amostra, vamos utilizar o smbolo X (X barra):
X =
6 + 2 + 3 11 = 3 3
Outro exemplo. Suponha que a mdia dos salrios de todos os moradores do bairro Nova Vila (o mesmo bairro utilizado no exemplo retomado no incio da aula) seja R$ 2.000,00.
= 2.000
J a amostra que fizemos, entrevistando 10 pessoas, resultou em uma mdia de R$ 3.600,00.
X = 3.600
Entenderam? Resumindo: Falou em mdia populacional: o smbolo Falou em mdia de varivel aleatria: o smbolo (pois variveis aleatrias so usadas para modelar populaes) Falou em mdia amostral: smbolo X
Nosso objetivo , a partir de uma amostra, estimar qual o parmetro populacional. Partindo da amostra das dez pessoas acima, estimamos a mdia populacional em R$ 3.600,00. O valor da mdia da amostra ( X ) um estimador da mdia populacional ( ). um estimador no tendencioso, de varincia mnima, de mnimos quadrados e, se a varivel aleatria for normal, tambm um estimador de mxima verossimilhana. Mais adiante falamos sobre o que significa cada uma destas caractersticas dos estimadores (ver folha 88Erro! Indicador no definido.). De uma populao foi extrada uma amostra com os seguintes valores: 4, 6, 8, 8. Qual EP 1 a estimativa para a mdia da populao? Resoluo. No sabemos a mdia da populao ( ). Neste caso, vamos utilizar a mdia da amostra ( X ) para estimar a mdia da populao. A estimativa da mdia da populao fica:
5
CURSOONLINERACIOCNIOLGICOPARADESESPERADOS PROFESSORES:GUILHERMENEVESEVTORMENEZES
X =
4+6+8+8 = 6,5 4
Estimamos a mdia populacional em 6,5. De uma populao foi extrada uma amostra com os seguintes valores: 3, 5, 5, 7. Qual EP 2 a estimativa para a mdia da populao? Exerccio bem parecido com o anterior. No sabemos a mdia da populao ( ). Neste caso, vamos utilizar a mdia da amostra ( X ) para estimar a mdia da populao. A estimativa da mdia da populao fica: X = Estimamos a mdia populacional em 5.
2. Estimador para a varincia
3+5+5+ 7 =5 4
Novamente, vamos padronizar a simbologia. Quando quisermos nos referir varincia populacional ou varincia de uma varivel aleatria, 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 . Varincia da populao (ou da varivel aleatria): 2 = V ( X ) = Var ( X ) Varincia da amostra: s 2
Para varincia, o estimador que vamos usar geralmente :

s
2
(X =
n 1
que a mesma frmula vista para a varincia l na aula 13. L, ns a chamamos de varincia amostral. L na aula 13, quando demos a frmula para a varincia amostral, dissemos que o denominador era n 1 . Na hora eu no expliquei muita coisa. Pois bem, quando queremos estimar a varincia da populao, um dos fatores que tem influncia nesse denominador justamente a caracterstica desejada para o estimador. Para que o estimador tenha uma certa caracterstica de tal forma que ele possa ser enquadrado como no tendencioso, necessrio que o denominador seja n 1 . Este estimador acima o mais utilizado. Ele no tendencioso. Contudo, no caso da varivel normal, ele no o estimador de mxima verossimilhana. O estimador de mxima verossimilhana :
6
s
2
(X =
Se por acaso o exerccio der uma amostra de uma varivel normal e pedir para calcular o estimador de mxima verossimilhana da varincia utilizamos n no denominador (em vez de n 1 ). Mas acho que improvvel que isto ocorra. O que deve vai cair mesmo com o denominador n 1 . improvvel, mas no impossvel, conforme veremos em alguns exerccios de concursos durante a aula. Considere a seguinte amostra de uma varivel aleatria normal: 1, 2, 3. Calcule: a) o estimador no tendencioso da varincia populacional b) o estimador de mxima verossimilhana da varincia populacional Resoluo a) O estimador no tendencioso aquele em que temos n 1 no denominador. Fica assim:
s
2
EP 3
(X =
n 1
2 ( 1) + 0 2 + 12 =
3 1
=1
b) O estimador de mxima verossimilhana aquele com n no denominador.

s
2
(X =
3
2 ( 1) + 0 2 + 12 =
= 2/3
EC 1
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 2 1 n e varincia da amostra s 2 = X i X . Ento, correto afirmar que: n i =1
7
(A) X e S 2 so, ambos, no tendenciosos para a estimao da mdia e da varincia da populao, respectivamente. (B) X no-tendencioso, mas S 2 tendencioso para a estimao da mdia e da varincia da populao, respectivamente. (C) X tendencioso, mas S 2 no-tendencioso para a estimao da mdia e da varincia da populao, respectivamente. (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: 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. Por hora, ainda 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. Se o exerccio pedir o estimador de mxima verossimilhana e a distribuio for normal, utilize n. CGU 2008 [ESAF]
EC 2
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) b)
(X
m) 2
n 1
i
(X
m) 2
n2
8
( X i m) 2 c) n 1
0,5
d) e)
(X (X
m) 2 m) 2
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.
EC 3
Prefeitura de Manaus 2004 [CESGRANRIO] de mdia
Com
base em uma amostra aleatria simples (X1, X2, ..., Xn), X 1 + X 2 + ... + X n X = , um estimador no viciado da varincia da populao : n ( X 1 X ) 2 + ( X 2 X ) 2 + ... + ( X n X ) 2 n +1 ( X 1 X ) 2 + ( X 2 X ) 2 + ... + ( X n X ) 2 n
a) b)
( X 1 X ) 2 + ( X 2 X ) 2 + ... + ( X n X ) 2 c) n 1
2 X + X 2 + ... + X n d) 1 X n 2 X + X 2 + ... + X n e) 1 X n 1 2 2 2 2 2 2
Resoluo. Quando queremos o estimador no-viciado, o denominador igual a n 1 .

Gabarito: C
EC 4
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.)
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 que:
23
X
i =1
= 388 = 8676
X
i =1
23
2 i
a) 96,85 b) 92,64 c) 94,45 d) 90,57 e) 98,73 Resoluo. A mdia fica:

23
X =
X
i =1
23
388 23
A mdia dos quadrados das observaes fica: X2 = 8676 23

2
A varincia (com n no denominador), dada por: X2 X
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: 8676 388 2 23 23
s2 =
23 22
2
8676 388 2 s = 22 23 22
10
= 394,36 297,52 = 96,84

Gabarito: A 3. Estimador para uma proporo
Considere que a proporo de moradores de uma cidade que pretendem votar num candidato A de 40%. um valor que se refere populao inteira. um parmetro. Vamos padronizar. Sempre que nos referirmos proporo da populao, usamos o smbolo p .
p = 40%
Suponha que ns no conhecemos esta proporo referente populao (40%) e, para estimla, entrevistamos 10 pessoas. Destas, 5 pretendem votar no candidato A.
. A proporo verificada na amostra 50%. Chamamos de p

= 50% p como estimador de p . Vamos usar p Resumindo: Proporo da populao: p Proporo amostral: p
Para uma pesquisa de intenes de voto para a Prefeitura de uma cidade, foram entrevistadas 100 pessoas. Verificou-se que, nesta amostra, 30 eleitores pretendem voltar no candidato A. Qual a estimativa da proporo populacional de intenes de voto do candidato A?
EP 4
Resoluo. No sabemos qual a proporo populacional (ou seja, referente a todos os eleitores da cidade). Vamos usar a proporo verificada na amostra para estimar a proporo populacional. Na amostra temos: = 30% = 0,3 p Dizemos que a estimativa da proporo populacional de 30%. Paran Previdncia/2002. [CESPE]
EC 5
Parte das atribuies do analista previdencirio a participao na elaborao de sistemas de informaes previdencirias. As informaes, em geral, vm de diversas fontes. importante que um sistema de informaes fornea com detalhes todo o processo metodolgico, desde a obteno dos dados at a sua disponibilizao para o usurio final. Para assegurar a fidedignidade dos dados, as possveis fontes de erros devem ser monitoradas e os erros, quando detectados, devem ser corrigidos. Nesse sentido, considere por hiptese, que o departamento DDD de determinada empresa deva coletar e enviar diariamente um conjunto
11
de informaes para a previdncia. Ao longo do procedimento de envio dessas informaes, h vrias situaes problemticas, como dificuldades de transmisso dos dados, perda acidental de dados, atraso na coleta dos dados etc. Suponha que, ocorrendo uma dessas situaes problemticas, uma nova tentativa seja feita apenas no dia seguinte. Suponha ainda que, em 1.000 dias, um relatrio gerencial tenha apresentado os seguintes resultados. Situao Quantidade de ocorrncias em dias Impossibilidade de coleta das informaes dentro 300 do prazo Problema na transmisso dos dados coletados 140 Problema na recepo dos dados transmitidos 56
Julgue os itens seguintes, com base na situao hipottica descrita acima. 1. Uma estimativa da probabilidade de sucesso na coleta das informaes dentro do prazo de 0,7. 2. A estimativa da probabilidade de ocorrer problema de transmisso dos dados coletados igual a 0,14. 3. Assumindo que as probabilidades permaneam constantes ao longo do tempo e considerando que a previdncia no tenha, em um determinado dia, recebido o conjunto de informaes do departamento DDD, a probabilidade de o DDD ainda no haver coletado o conjunto de dados naquele dia superior a 0,50. Resoluo. No primeiro item queremos estimar a probabilidade de sucesso na coleta de informaes. Dizendo de outra forma: queremos calcular a proporo de sucessos. S que no conhecemos toda a populao. Conhecemos apenas os resultados de uma amostra de tamanho 1000.
) para estimar a proporo real Neste caso, utilizamos a proporo verificada na amostra ( p ( p ).
N j at fizemos isto, intuitivamente, em exerccios anteriores. Assim, a estimativa da proporo de sucesso na coleta de informaes dentro do prazo : = p 700 1000
Isto porque, na nossa amostra, de 1000 dias selecionados, em 700 as informaes foram coletadas dentro do prazo. Portanto: = 0,7 p
Gabarito: certo.
12
No segundo item, nova estimativa envolvendo proporo. Queremos estimar a proporo de problemas na transmisso de dados. No conhecemos toda a populao. Conhecemos apenas o resultado para uma amostra. Vamos usar o resultado da amostra para estimar o parmetro. Os dados s puderam ser transmitidos nos dias em que houve coleta de dados dentro do prazo. Isto porque se os dados sequer chegaram a ser coletados, nem transmisso houve. Portanto, em 700 dias os dados chegaram a ser transmitidos. Destes 700 dias, em 140 houve problemas na transmisso. Portanto, a estimativa fica: = p
Gabarito: errado.
140 = 0,20 700
Vamos ao prximo item. Estamos em um dia em que os dados no foram recebidos. Ento podemos estar num dos 300 dias em que os dados no foram coletados. Ou em um dos 140 dias em que houve problema na transmisso. Ou em um dos 56 dias em que houve problema na recepo. So 496 casos possveis. A probabilidade de ter sido um dia em que os dados no foram coletados no prazo : 300 > 0,5 . 496
P=
Repare que no precisa fazer a conta. Basta ver que a frao acima maior que 0,5.
Gabarito: certo.
EC 6
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.
13
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 : = p 159 = 0,7571 . 210
Portanto, o item est errado. A estimativa de 75,71%. inferior a 80%.

Gabarito: errado.
Texto para EC 7 e EC 8. Uma amostra escolhida aleatoriamente dentre os candidatos a uma instituio de ensino foi consultada sobre a dificuldade do exame de seleo aplicado. Os resultados so apresentados na tabela a seguir.
EC 7
INEP 2008 [CESGRANRIO]
Estime a proporo de candidatos, dentre os homens, que NO considerou o exame fcil. O valor estimado (A) 22,0% (B) 38,4% (C) 48,5% (D) 84,6% (E) 85,2% Resoluo. Utilizamos a proporo amostral para estimar a proporo populacional. Na amostra, a proporo de homens que achou o exame difcil ou mdio de: 30 + 36 = 84,61% 78
14
CURSOONLINERACIOCNIOLGICOPARADESESPERADOS PROFESSORES:GUILHERMENEVESEVTORMENEZES Gabarito: D
EC 8
INEP 2008 [CESGRARNIO]
Estime a proporo de candidatos que considerou o exame fcil. O valor estimado (A) 57,3% (B) 34,4% (C) 15,3% (D) 14,7% (E) 13,7% Resoluo. Novamente, utilizamos a proporo amostral para estimar a proporo populacional. Na amostra, 20 pessoas consideraram o exame fcil (= 12 + 8 ). A amostra tinha 136 pessoas (= 78 + 58 ). A proporo amostral dada por: 20 = 14,7% 136
Gabarito: D
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 noviciado (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.
II. 1.
INTERVALO DE CONFIANA PARA A MDIA
X como uma varivel aleatria
Muitas populaes podem ser modeladas segundo uma varivel aleatria. Como exemplo, considere a temperatura de um local, medida com nosso termmetro mgico de infinitas casas aps a vrgula. Nosso objetivo estimar a temperatura mdia do local em um dado dia. Para tanto, consideramos que a temperatura se comporta como uma varivel aleatria X. Deste modo, encontrar a temperatura mdia do local o mesmo que encontrar a esperana de X.
E( X ) = = ?
Num dado dia, vamos l nesse local e, em dez instantes diferentes, medimos a temperatura. Agora temos uma amostragem de tamanho 10 para a temperatura no local. Suponha que esta mdia tenha sido X 1 = 2 C.
15
Neste ponto, no custa nada lembrar a simbologia que padronizamos. X a mdia de uma amostra
a mdia da populao ( o valor que pretendemos estimar)
S que os instantes em que realizamos a amostragem foram aleatoriamente escolhidos. Se, por acaso, outros instantes tivessem sido escolhidos, cada uma das medies poderia ser ligeiramente diferente. Seria possvel ter obtido uma segunda mdia igual a X 2 = 2,1 C. Ou tambm seria possvel ter obtido uma terceira mdia X 3 = 2,051 C. Quando nos referimos a uma nica amostra, X representa um nmero, a mdia aritmtica daquela amostra. Mas tambm podemos nos referir a X de forma diferente. Podemos pensar em inmeras amostras, com X assumindo valores diferentes em cada uma delas. Assim, X seria uma varivel aleatria.
X pode ser vista como uma varivel aleatria!
possvel demonstrar que:
E( X ) = Ou seja, o valor esperado para a mdia amostral (vista como uma varivel aleatria) igual mdia da populao. Explicando melhor. Se fosse possvel fazer muitas e muitas amostras, de tal modo que, em cada uma delas, calculssemos a mdia amostral ( X ), a mdia de todos os valores de X seria justamente a mdia da populao ( ). Outro exemplo. Considere um tetraedro regular. Nas suas faces temos os nmeros 1, 2, 3, 4. Lanamos o tetraedro sobre uma mesa. X representa o valor da face que fica em contato com a mesa. Vamos realizar um estudo dos possveis resultados deste lanamento. Para tanto, lanamos duas vezes (amostra de tamanho 2). Saram os resultados 1 e 3. Para esta amostra em particular a mdia amostral foi: X = 1+ 3 =2 2
Ok, fizemos uma nica amostra. Neste caso, X um nmero. simplesmente a mdia aritmtica dos valores pertencentes amostra.
16
Acontece que no estamos interessados em uma amostra especfica, que fornece um valor nico para X . Estamos interessados na varivel aleatria X . O resultado do lanamento do dado aleatrio. Seria possvel que tivssemos obtido outras amostras. Se o tetraedro for homogneo, as possveis amostras seriam: 1e1 1e2 1e3 1e4 2e1 2e2 2e3 2e4 3e1 3e2 3e3 3e4 4e1 4e2 4e3 4e4 Seriam 16 amostras possveis, todas elas com a mesma probabilidade de ocorrer. O valor da mdia amostral em cada uma dessas amostras seria: Valores da X amostra 1e1 1 1e2 1,5 1e3 2 1e4 2,5 2e1 1,5 2e2 2 2e3 2,5 2e4 3 3e1 2 3e2 2,5 3e3 3 3e4 3,5 4e1 2,5 4e2 3 4e3 3,5 4e4 4 Repare que X pode ser visto como uma varivel aleatria que assume diversos valores. A mdia de todos os possveis valores de X fica: E( X ) = 1 (1 + 1,5 + 2 + 2,5 + 1,5 + 2 + 2,5 + 3 + 2 + 2,5 + 3 + 3,5 + 2,5 + 3 + 3,5 + 4) 16 E ( X ) = 2,5 Vamos agora calcular a mdia da varivel aleatria X. A varivel aleatria X assume os valores 1, 2, 3, 4, cada um com probabilidade 1/4. Portanto: E( X ) = = 1 1 1 1 1 + 2 + 3 + 4 4 4 4 4
= 2,5
17
Concluindo: a esperana da mdia amostral igual esperana da populao. Isto significa que, se fosse possvel fazer um nmero muito grande de amostras, a mdia de todas as mdias amostrais seria igual mdia da populao.
X pode ser vista como uma varivel aleatria com esperana . Ou seja, a mdia das
mdias amostrais a mdia da populao.
Ainda no falamos sobre as diversas caractersticas dos estimadores. Mas j podemos antecipar uma delas: o estimador no tendencioso (ou no viciado). O fato da mdia de X ser igual mdia da populao nos permite classificar X como estimador no tendencioso (ou no viciado). Usando esse estimador, em mdia (considerando as inmeras amostras que poderiam ser feitas), ns estamos realmente acertando o valor do parmetro desconhecido. Sempre que a esperana de um estimador for igual ao parmetro estimado, estamos diante de um estimador no tendencioso. E ( X ) = : a mdia de X igual ao parmetro estimado; se fizssemos inmeras amostragens, em mdia, acertaramos a mdia populacional. Sabendo que X pode ser vista como uma varivel aleatria, possvel calcular a sua varincia. Seja 2 a varincia da populao. possvel demonstrar que, sendo n o tamanho das amostras, a varincia de X fica: V (X ) =
2
n
2
Um outro smbolo possvel para a varincia de X seria: X . Portanto:
X2 =
2
n
A varincia da mdia amostral igual varincia da populao dividido por n. Por conseqncia, o desvio padro da mdia amostral :
X =
Ou seja, o desvio padro de X igual ao desvio padro da populao dividido por raiz de n. Estas frmulas da varincia e desvio padro s so vlidas se a varivel aleatria tiver populao infinita (ou seja, assume infinitos valores, como no caso de uma varivel aleatria contnua). Caso a populao seja finita (como foi o caso do lanamento do tetraedro), o resultado continua valendo, desde que a amostragem seja feita com reposio. Caso a populao seja finita e a amostragem seja feita sem reposio, as frmulas devem ser adaptadas. Veremos esta adaptao posteriormente (ver fl. 103). Para a maior parte dos
18
concursos, esta correo para populao finita pode simplesmente ser ignorada, pois quase nunca cobrada. Por hora, vamos nos concentrar na frmula que mais cobrada:
X2 =
Por conseqncia:
2
n
X =
Vamos ver a aplicao desta frmula da varincia para o caso do tetraedro. A varivel aleatria X pode assumir os valores 1, 2, 3 e 4, cada um com probabilidade 1/4. Sua varincia fica: Quadrado do desvio em relao X mdia ( e 2 ) 1 2,25 2 0,25 3 0,25 4 2,25 TOTAL E varincia de X fica: V (X ) = 2 = 1,25 = 1,25 1 Probabilidade (P) 0,25 0,25 0,25 0,25 1 e2 P 0,5625 0,0625 0,0625 0,5625 1,25
A varivel aleatria X , quando fazemos amostras de tamanho 2, assume os seguintes valores: X 1 1,5 2 2,5 3 3,5 4 Probabilidade 1/16 2/16 3/16 4/16 3/16 2/16 1/16 Probabilidade (P) 1/16 2/16 3/16 4/16 3/16 2/16 1/16 1 e2 P 0,140625 0,125 0,046875 0 0,046875 0,125 0,140625 0,625
E sua varincia fica: Quadrado do desvio em relao X mdia ( e 2 ) 1 2,25 1,5 1,00 2 0,25 2,5 0,00 3 0,25 3,5 1,00 4 2,25 TOTAL
19
A varincia de X dada por: V (X ) = A varincia da populao foi de 1,25. 0,625 = 0,625 1
2 = 1,25
A varincia de X foi 0,625. V ( X ) = 0,625 As amostras tinham tamanho 2.
n=2
Portanto: V (X ) = 0,625 =
2
n 1,25 2
X pode ser vista como uma varivel aleatria com esperana e varincia
consequentemente, desvio padro Ou seja, a mdia de
2
n
(e,
).
X igual mdia da populao. E a varincia de X igual varincia da populao dividida por n. O desvio padro de X igual ao desvio padro
da populao dividido por raiz de n.
Agora vem o grande detalhe. Pelo teorema do limite central possvel demonstrar que a varivel aleatria X tem distribuio aproximadamente normal. A aproximao melhor quanto maior o tamanho das amostras (quanto maior o valor de n). Isto vale mesmo que a varivel X no seja normal. Caso a varivel X seja normal, a varivel X tambm ser normal (a j no aproximao). Ou seja, para a varivel X ns podemos utilizar a tabela de reas para a varivel normal. Isto de extrema utilidade na determinao dos chamados intervalos de confiana.
X pode ser vista como uma varivel aleatria normal (ou aproximadamente normal),
com mdia
, varincia
2
n
e desvio padro
A aproximao vale mesmo que X no seja normal. Quanto maior o tamanho das amostras, melhor a aproximao.
20
EC 9
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 c) d) e) s n s n
s2 n
Resoluo. 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:
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
EC 10
CAPES 2008 [CESGRANRIO]
A questo seguinte refere-se aos resultados de um exame aplicado a uma amostra de 150 alunos de certa instituio, apresentados na seguinte tabela:
Analisando-se as estatsticas da tabela, conclui-se que (A) mais da metade dos alunos alcanou nota acima da mdia. (B) no mnimo trs quartos dos alunos alcanaram nota 66,57. (C) o coeficiente de variao igual a 4,16%. (D) o coeficiente de variao quartil igual a 24,03%.
21
(E) o erro padro da mdia igual a 1,0. Resoluo. Letra A. A mediana igual a 49,03. Logo, metade dos alunos tm nota acima de 49,03. A outra metade tem nota abaixo de 49,03.
A mdia igual a 52,93. A mdia maior que a mediana. Logo, errado afirmar que mais da metade dos alunos tirou nota acima da mdia. Alternativa errada. Letra B. O terceiro quartil igual a 66,57. Portanto, apenas um quarto dos alunos tirou nota acima de 66,57. E trs quartos dos alunos tirou nota abaixo de 66,57. Alternativa incorreta. Letra C. CV = Alternativa incorreta. Letra D. A questo fala em coeficiente de variao quartil. Confesso que eu no conhecia esta medida. S fui pesquisar depois de ver esta questo. A frmula do coeficiente de variao quartil :
Q3 Q1 Q3 + Q1
s 12,72 = = 0,24 X 52,93
= Letra E. O desvio-padro de X
66,57 41,69 0,23 66,57 + 41,69
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:
22
s n =
Gabarito: E
12,72 150
1,03
Talvez a idia da questo fosse que o candidato marcasse a letra e por excluso, sem precisar fazer a raiz quadrada. Caso voc queira realmente fazer a conta, a importante conhecer uma forma aproximada para clculo de raiz quadrada. Basta fazer assim. Primeiro, achamos o quadrado perfeito mais prximo. No caso, trata-se do 144. Ok, agora podemos aproximar a raiz de 150. Fica assim: 150 Usando a calculadora, temos: 150 = 12,2474 Notem que a aproximao foi muito boa. Genericamente, sempre que voc quiser achar a raiz quadrada de um nmero X0, voc pode fazer assim: localize o quadrado perfeito mais prximo (vamos chama-lo de X1); utilize a seguinte aproximao:
X0 X1 + X 0 2 X1
150 + 144 2 144
294 = 12,25 24
EC 11 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.
23
EC 12 TRF 1 Regio/2001 [FCC]
Para responder questo seguinte, considere a tabela abaixo, referente distribuio normal padro. F ( z) 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%.
24
Seja X a varivel aleatria que indica o peso dos pacotes de leite em p. A transformao para encontrar a varivel reduzida :
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. 1,6 = 1000 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? Lembrando que 4040 = 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:
V[X ] = X =
10 =5 2
X uma varivel aleatria com mdia 1016 e desvio padro igual a 5.

25
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).
Z=
Quando X vale 1010, Z vale:
Z=
1010 1016 = 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.
26
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 13 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:
E[ X ] =
29 + 17 = 23 2
27
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 = X
2
n
12 = 0,01 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:

1 1 x3 E[ X ] = x f ( x) dx = x dx = 29 17 12 3 17
2 2 2 29 29
17
1 x3 E[ X ] = 12 3
2
29
=
17
1 29 3 17 3 = 541 12 3
V [ X ] = E[ X 2 ] 2 = 541 23 2 = 12
E, por fim:
2 X =
2
n
12 = 0,01 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 14 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
28
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:
X =
4 = 0,4 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:
Z= X
0,4
0,4
= 1
Quando X igual a + 0,4 , Z igual a:

Z= X
+ 0,4
0,4
=1
Fomos informados que:

P ( Z < 1) = 0,84
Desta forma, a rea verde da figura abaixo igual a 0,84.
29
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.
30
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
Antes de passarmos para o prximo tpico, vale dizer que as frmulas estudadas nesta seo so diretamente obtidas a partir das propriedades da esperana. Vamos checar? Vamos iniciar pela esperana de X . A mdia amostral calculada assim: - somamos todas as extraes
31
- dividimos por n. Quando pensamos em todas as amostras possveis, cada extrao uma varivel aleatria. Ficamos com:
n Xi E ( X ) = E i =1 n
Se dividirmos as variveis por uma constante, a esperana tambm dividida por esta constante:
E( X ) =
1 n E Xi n i =1 1 n E ( Xi ) n i =1 1 n n i =1
A esperana da soma igual soma das esperanas:

E( X ) =
E( X ) = E( X ) =
1 n = n
Agora vamos para a varincia:

n Xi V ( X ) = V i =1 n
Quando dividimos as variveis por n, a varincia sofre a diviso ao quadrado.

V (X ) =
1 n V Xi 2 n i =1
Se a amostra aleatria for feita a partir de uma populao infinita (ou finita, mas com reposio), cada extrao independente das demais. Neste caso, a varincia da soma igual soma das varincias.
V (X ) = V (X ) =
n 1 V ( Xi ) n 2 i =1
1 2 2 n = n n2
32
CURSOONLINERACIOCNIOLGICOPARADESESPERADOS PROFESSORES:GUILHERMENEVESEVTORMENEZES 2. Intervalo de confiana para a mdia
Seja X uma varivel aleatria que representa uma populao infinita com varincia conhecida ( 2 ). Este infinita s para ser um pouco rigoroso. Caso a populao seja finita, os resultados que veremos s se aplicam se a amostragem for feita com reposio. No concurso s vai cair assim. Muitas questes nem se preocupam em detalhar isto... fica implcito. Eu diria que vocs no precisam se preocupar com o caso de populao finita e amostragem sem reposio. De todo modo, pelo sim, pelo no, coloquei um tpico sobre populaes finitas (ver fl. 103). Pois bem, ento X nossa varivel aleatria com varincia conhecida ( 2 ). X representa nossa populao. Apesar de conhecermos sua varincia, no conhecemos sua mdia ( ). Nosso objetivo ser obter uma amostra e, a partir dela, definir o chamado intervalo de confiana para . Vamos supor que a varincia da populao seja de 16.
V ( X ) = 2 = 16
A mdia da populao, esta ns no conhecemos. Vamos cham-la de .

E( X ) = = ?
Vamos obter uma amostra de tamanho 4.

n=4
A mdia de uma amostra de tamanho 4 X . Antes de efetivamente fazer uma amostragem (o que nos fornecer um valor especfico para X ), vamos pensar em todas as amostras que poderiam ser obtidas (com tamanho 4). Em cada uma delas, X assume um valor diferente. Conforme visto no comeo da aula, X pode ser vista como uma varivel aleatria normal (ou aproximadamente normal) de mdia . Sabemos tambm que X tem uma varincia dada por:
V (X ) = V (X ) =
2
n
16 =4 4
Portanto, o desvio padro da varivel X dado por:
X = 4 = 2
Vamos criar a seguinte varivel transformada:
Z= X
A varivel Z, conforme j estudado na aula anterior, tem mdia zero e desvio padro unitrio. a nossa varivel normal reduzida.
33
Sabemos que Z tem mdia zero e desvio padro unitrio. E Z tambm uma varivel normal (ou aproximadamente normal). Para a varivel Z ns podemos consultar a tabela da varivel normal reduzida. Vamos determinar o intervalo, centrado na mdia, que contm 95% dos valores de Z. Consultando a TABELA I, colocada ao final da aula, temos que o intervalo de 0 a 1,96 contm 47,5% dos valores. Portanto, o intervalo de -1,96 a 0 tambm contm 47,5% dos valores. Juntando os dois, temos que 95% dos valores esto entre -1,96 e 1,96 (rea verde abaixo).
Isto quer dizer que 95% dos valores de Z esto entre -1,96 e 1,96. Mas quem Z? Lembrando:
Z= X
Ou seja, se fizssemos vrias amostras e para cada uma delas obtivssemos um valor para X , X em 95% dos casos o valor estaria entre -1,96 e 1,96.
Portanto, a probabilidade de
assumir valores entre -1,96 e 1,96 de 95%.
Ok. Agora ns pegamos e realmente fazemos uma amostra com 4 valores. Esta amostra resultou em: 1, 5, 3, 1. Para esta amostra especfica, o valor de X foi 2,5. Com base nesta amostra especfica, temos um valor especfico para X . Se considerarmos apenas esta amostra, X no mais varivel. um valor nico (2,5). E para esta amostra especfica o valor de Z :
34
Z= 2,5 . 2
A probabilidade de este valor estar no intervalo de -1,96 a 1,96 no mais 95%. Isto porque a expresso acima no assume mais valores diversos, aleatrios. um valor nico. 2,5 um nmero, uma constante. O valor de tambm um nmero, constante. desconhecido. Mas constante. A mdia da populao um nmero, um valor nico. E, por fim, o denominador 2 tambm constante. Fazendo a conta
2,5 , obtemos um valor que pode ou no estar no intervalo -1,96 a 1,96. 2
Quando substitumos a varivel X por um valor obtido para uma dada amostra especfica, no falamos mais em probabilidade. errado afirmar que, com probabilidade de 95%, o valor
2,5 estar entre -1,96 e 1,96. 2
Mas, supondo que este valor esteja entre -1,96 e 1,96, ficamos com:
1,96 2,5 1,96 2
3,92 2,5 3,92

2,5 3,92 3,92 2,5 6,42 1,42
1,42 6,42
Este intervalo entre -1,42 e 6,42 chamado de intervalo de 95% de confiana para a mdia da populao. Repare que no temos certeza de que a mdia da populao ( ) esteja neste intervalo. Nem podemos dizer que a probabilidade de ela estar neste intervalo seja de 95%. Tentando explicar de outra forma o que foi feito. Em 95% dos casos, X est distante menos de 1,96 desvios padro da mdia . Como o desvio padro de X 2, temos que em 95% dos casos X dista menos que 3,92 da mdia . Ou seja, em 95% dos casos X est entre 3,92 e + 3,92 .
35
Fazemos a amostragem. Obtemos um especfico valor para X (=2,5). Este valor pode estar ou no no intervalo entre 3,92 e + 3,92 . Se fizssemos inmeras amostragens, em 95% delas o valor de X de fato estaria contido no referido intervalo. Para este valor em particular (2,5), no temos como saber. Vamos supor que este valor esteja neste intervalo. Se isto for verdade, qual o intervalo que contm ? O valor encontrado para X de 2,5. Este valor pode tanto estar esquerda de quanto direita. Vamos fazer os dois casos extremos. Se X estiver esquerda de , o caso mais extremo seria justamente quando:
X = 3,92
2,5 = 3,92 Este caso extremo ocorreria se
= 6,42
Se X estiver direita de , o caso mais extremo seria justamente quando:
X = + 3,92
2,5 = + 3,92
Este caso extremo ocorreria se:
= 1,42
Resumindo, supondo que o valor encontrado para X dista menos de 1,96 desvio padro de , os valores extremos que pode assumir so -1,42 e 6,42. Portanto, com 95% de confiana, est neste intervalo. Esta estimativa da mdia da populao por vezes chamada de estimativa por intervalo. No estamos lhe atribuindo um valor nico, mas uma faixa de valores.
36
No comeo desta aula vimos como fazer a estimativa por ponto. Na estimativa por ponto no determinvamos uma faixa de valores. Sim um valor nico. Estimvamos o valor de com o valor de X . Vamos fazer mais um exemplo. Desta vez vou colocar o passo a passo, para gente comear a fixar como fazer.
EC 15 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 (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:
V (X ) = 1,44 25 n 1,44 1,2 = = = 0,24 25 5 =
Quarto passo: determinar o intervalo de confiana.

37
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: Z0 Isolando a mdia populacional:
X Z0 X X + Z0 X X
Z0
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 ?
38
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.
RESUMO: clculo do intervalo de confiana para a mdia da populao. 1 Passo: Achar o valor de Z0 associado ao nvel de confiana dado no exerccio. 2 Passo: Encontrar o valor especfico de 3 Passo: Encontrar o desvio padro de X . Utilizar a frmula: 4 Passo: Determinar o intervalo de confiana: X Z 0 X
X para a amostra feita.
X =
X + Z0 X
EC 16 CGU 2008 [ESAF]
Construa um intervalo de 95% de conana para a mdia de uma populao normal a partir dos dados de uma amostra aleatria simples de tamanho 64 desta populao, que forneceu uma mdia de 48 e um desvio-padro amostral de 16, considerando que F(1,96) = 0,975, onde F(z) a funo de distribuio de uma varivel aleatria normal padro Z. a) 44,08 a 51,92. 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).
39
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%.
40
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
Terceiro passo: determinar o desvio padro de X . A amostra tem tamanho 64 (n = 64). O desvio padro de X dado pela frmula:
X =
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
X =
Quarto: determinar o intervalo de confiana.
16 64
=2
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
41
CURSOONLINERACIOCNIOLGICOPARADESESPERADOS PROFESSORES:GUILHERMENEVESEVTORMENEZES Gabarito: A.
EC 17 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
Amplitude do intervalo de confiana:
2 Z0 X = 2 Z0
Na primeira pesquisa, o intervalo de confiana foi [R$ 61,08; R$ 68,92]. A mdia amostral ( X ) corresponde ao ponto mdio do intervalo de confiana. Portanto, nesta primeira amostragem, a mdia amostral obtida foi:
X =
68,92 + 61,08 = 65 2
A amplitude do intervalo dada por:
68,92 61,08 = 7,84

Na segunda pesquisa, a mesma mdia amostral foi obtida.
42
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 = 2 Z 0
n'
= 2Z 0
4n
A 2
Quando quadruplicamos o tamanho da amostra, a amplitude do intervalo fica reduzida pela metade. A nova amplitude dada por:
A' =
7,84 = 3,92 2
Com isso, o novo intervalo centrado em 65, com amplitude de 3,92. Isto nos permite achar os limites do novo intervalo de confiana: 65 + 65 Logo: 63,04 66,96
Gabarito: A. 3. Intervalo de confiana para a mdia quando a varincia da populao no conhecida
3,92 = 66,96 2 3,92 = 63,04 2
A maior parte dos exerccios de concursos sobre intervalo de confiana no so resolvidos por meio da distribuio normal. Eles envolvem o conhecimento da distribuio T de Student. A grande vantagem que a forma de se resolverem os exerccios de intervalo de confiana por meio da distribuio T exatamente a mesma daquela vista acima, para a distribuio normal. A nica coisa que muda a tabela em que fazemos a consulta. No final da aula h duas tabelas. A nica coisa que vai mudar que vamos consultar a tabela II, em vez da tabela I. Sabemos que X pode ser visto como uma varivel aleatria normal (ou aproximadamente normal). Portanto, para X podemos utilizar a tabela de reas da varivel normal. Para utilizar esta tabela, precisamos encontrar a varivel normal reduzida Z:
Z= X
Onde X o desvio padro da varivel X . Sua frmula : X =
Entretanto, se no soubermos a varincia da populao ( 2 ), no temos como calcular X . Nestes casos, utilizamos a varincia da amostra no lugar da varincia da populao. Em problemas assim, na verdade, ns estamos estimando duas grandezas ao mesmo tempo. Estamos estimando a mdia e a varincia da populao.
43
Como no temos certeza nem sobre o valor da mdia nem sobre o valor da varincia da populao, nosso intervalo de confiana tem que ser maior que aquele que seria obtido caso conhecssemos o valor de 2 , para mantermos o mesmo nvel de confiana. exatamente esta a idia da distribuio T. Para ilustrar, seguem alguns grficos gerados com o excel.
As curvas em azul e vermelho indicam as distribuies T com 2 e 4 graus de liberdade. Por hora, apenas fiquem com a informao de que o nmero de graus de liberdade tem relao com o tamanho da amostra. Quanto maior o tamanho da amostra, maior o nmero de graus de liberdade. Quando a amostra pequena (como o exemplo da curva azul, com 2 graus de liberdade), o grfico diferente da curva normal (em verde). medida que o tamanho da amostra aumenta, a distribuio T se aproxima da normal. Notem que a curva em vermelho j est mais prxima da curva verde. Isto at intuitivo. Se a amostra for muito muito grande, ento conhecer a varincia da amostra praticamente o mesmo que conhecer a varincia da populao. como se estivssemos caindo novamente num problema em que a varincia populacional conhecida. Portanto, se no problema no soubermos a varincia da populao, as nicas coisas que mudam so: Utilizamos a varincia da amostra no lugar da varincia da populao. Em vez de consultar a tabela de reas da varivel reduzida normal, consultamos a tabela da distribuio T
Ao final desta aula consta uma tabela para a distribuio T (TABELA II). O seu grfico de fdp muito parecido com o da distribuio normal. Ele continua sendo simtrico, em um formato que lembra o de um sino. Agora d para gente ver o exerccio de Fiscal de Rendas do Mato Grosso do Sul sem a adaptao que tnhamos feito. Seu enunciado original era:
44
EC 18 SEFAZ MS 2006 [FGV]
Uma amostra aleatria simples de tamanho 25 foi selecionada para estimar a mdia desconhecida de uma populao normal. A mdia amostral encontrada foi 4,2, e a varincia amostral foi 1,44. O intervalo de 95% de confiana para a mdia populacional : (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. 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 (TABELA II em anexo). Para encontramos t 0 associado a 95% de confiana, precisamos de uma tabela para a distribuio T. Ao final desta aula consta uma tabela, gerada com a funo INVT do excel (TABELA II). 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 nvel de confiana desejado foi informado no enunciado: 95%. 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. Consultamos o valor de t 0 que delimita 95% dos valores de t, para 24 graus de liberdade. O valor :
t 0 = 2,064

X = 4,2 (fornecido no enunciado)
45
Terceiro passo: determinar o desvio padro de X . A amostra tem tamanho 25. (n = 25)
V (X ) =
2
n
S que no sabemos a varincia da populao ( 2 ). Portanto, no temos como calcular a varincia de X . Neste caso, vamos substituir a varincia da populao ( 2 ) pela varincia da amostra fornecida no exerccio. Isto porque 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:

sX =
2
1,44 1,44 = n 25
Agora podemos calcular a estimativa do desvio padro de X :

sX = 1,44 1,2 = = 0,24 25 5
Quarto passo: determinar o intervalo de confiana. Para tanto, sabemos que em 95% dos casos o valor de t estar entre -2,064 e 2,064. 2,064 t 2,064 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.
t= X 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 -2,064 e 2,064.
2,064 t 2,064
2,064
X 2,064 sX
46
2,06
4,2 2,06 0,24
2,064 0,24 4,2 2,064 0,24

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

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. 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).
47
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%.
48
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

sX = s n
0,8 16
= 0,2
Quarto passo: determinar o intervalo de confiana. 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 20 MPE PE/2006 [FCC]
Para resolver a questo abaixo, considere as tabelas a seguir. Elas fornecem alguns valores da distribuio F(x). A tabela 1 refere-se varivel normal padro, as tabelas 2 e 3 referem-se varivel t de Student com 15 e 16 graus de liberdade, respectivamente:
49
Tabela 1 F(x) X 1,60 0,945 1,64 0,950 2,00 0,977
Tabela 2 F(x) X 1,753 0,95 2,248 0,98 2,583 0,99
Tabela 3 x F(x) 1,746 0,95 2,235 0,98 2,567 0,99
Supondo-se que a porcentagem da receita investida em educao, dos 600 municpios de uma regio, tem distribuio normal com mdia , deseja-se estimar essa mdia. Para tanto se sorteou dentre esses 600, aleatoriamente e com reposio, 16 municpios e se observou os percentuais investidos por eles em educao. Os resultados indicaram uma mdia amostral de 8% e desvio padro amostral igual a 2%. Um intervalo de confiana para , com coeficiente de confiana de 96%, dado por: a) (8 1,124)% b) (8 1,117)% c) (8 0,877)% d) (8 0,870)% e) (8 0,755)% Resoluo. Temos um exerccio de intervalo de confiana em que no se sabe a varincia da populao. Devemos consultar a tabela para a varivel t. Como a amostra tem tamanho 16, o nmero de graus de liberdade igual a 15. A tabela a ser utilizada a tabela 2 do enunciado. Vamos para os passos de sempre. Primeiro passo: determinar o valor de t0 associado a 96% de confiana. Da tabela 2, sabemos que a probabilidade de t assumir valores menores que 2,248 de 98%. Logo, a probabilidade de t assumir valores maiores que 2,248 de 2%. Como o grfico da fdp da distribuio t simtrico, a probabilidade de t assumir valores menores que -2,248 tambm de 2%. Como conseqncia, a probabilidade de t estar entre -2,248 e 2,248 de 96% (=100% - 2% 2%). Os valores de t que delimitam 96% dos valores so -2,248 e 2,248.
t 0 = 2,248
Segundo passo: determinando o valor especfico de X .

X = 8% (dado no enunciado)
Terceiro passo: determinar o desvio padro de X .

n = 16 (fornecido no enunciado)
50
X2 = X =
2
n
2
16
Como no sabemos o desvio padro populacional, substitumos pela sua estimativa. Desse modo, a estimativa do desvio padro de X :
sX = sX = s 4
2 = 0,5 4
Quarto passo: encontrando o intervalo de confiana. O intervalo de confiana da forma:

X t0 s X X + t0 s X
8 2,248 0,5 X + 2,248 0,5 8 1,124 X + 1,124

Gabarito: A.
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
Se t tem distribuio de Student com 24 graus de liberdade, ento:

P (t < 2,06) = 0,975 ; P (t < 2,49) = 0,99 ; P (t < 1,71) = 0,95
O ndice de massa corprea calculado dividindo o peso da pessoa pelo quadrado de sua altura. Para a populao de homens de meia idade que mais tarde desenvolvem a doena de diabetes, a distribuio dos ndices bsicos de massa corprea aproximadamente normal com mdia e desvio padro desconhecidos. Para uma amostra de 25 homens selecionados desse grupo, observou-se um ndice mdio de X = 25,2 kg/m2 com desvio padro s = 2,5 kg/m2. Um intervalo de confiana de 95% para a mdia da populao dado por: a) 25,2 2,15 b) 25,2 1,56 c) 25,2 1,03 d) 25,2 0,86 e) 25,2 0,68
51
Resoluo. No conhecemos a varincia da populao. Vamos usar, portanto, os valores da distribuio T. Como a amostra tem tamanho 25, temos 24 graus de liberdade. Primeiro passo: obter o valor de t0 associado a 95% de confiana. Sabemos que:
P (t < 2,06) = 0,975

Portanto:
P (t > 2,06) = 1 0,975 = 0,025
O grfico da fdp da distribuio t simtrico. Logo:

P (t < 2,06) = 0,025
Assim:
P(2,06 t 2,06) = 1 P(t < 2,06) P(t > 2,06)

P (2,06 t 2,06) = 1 0,025 0,025 = 0,95
Os valores -2,06 e 2,06 delimitam 95% dos valores de t.

t 0 = 2,06
Segundo passo: obter o valor especfico de X .

X = 25,2 (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 :
sX = s n
2,5 25
= 0,5
Quarto passo: obter o intervalo de confiana. O intervalo de confiana da forma:

X t0 s X X + t0 s X
25,2 2,06 0,5 25,2 + 2,06 0,5

25,2 1,03 25,2 + 1,03
Gabarito: C.
52
EC 22 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.
r 14 15 16 17
0,900 1,345 1,341 1,337 1,333
0,950 1,761 1,753 1,746 1,740
0,975 2,145 2,131 2,120 2,110
0,990 2,625 2,603 2,584 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.
53
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 .

54
Como no temos a varincia da populao, na verdade vamos obter a estimativa do desvio padro de X :
sX = s n
20 16
=5
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.
EC 23 Senado 2008 [FGV]
Uma amostra aleatria simples X1, X2, ..., X16, de tamanho 16, de uma distribuio normal foi observada e indicou as seguintes estatsticas:
X i = 70,4 e
i =1
16
(X
i 1
16
X ) 2 = 60
O intervalo usual de 95% de confiana para a mdia populacional, com duas casas decimais, : (A) (3,58 , 5,22). (B) (3,47 , 5,33). (C) (3,33 , 5,47). (D) (3,19 , 5,61). (E) (3,01 , 5,81). Resoluo: Como no foi dada a varincia da populao, precisamos usar a distribuio T para determinao do intervalo de confiana. Primeiro passo: determinando t0 associado a 95% de confiana. O nmero de graus de liberdade : graus de liberdade: n 1 = 16 1 = 15 Consultando a tabela para um nvel de 95% e 15 graus de liberdade, temos:
t 0 = 2,131
55

X =
Xi
i =1
16
16
70,4 = 4,4 16
Terceiro passo: determinar o desvio padro de X . A amostra tem tamanho 16. (n = 16)
V (X ) =
2
n
S que no sabemos a varincia da populao ( 2 ). Portanto, no temos como calcular a varincia de X . Neste caso, vamos substituir a varincia da populao ( 2 ) pela varincia da amostra fornecida no exerccio. Isto porque vimos nesta aula que a varincia da amostra um estimador da varincia da populao. Estimador da varincia da populao:
2
sX =
( Xi X )
i =1
16
16 1
2
60 =4 15
E o estimador da varincia de X fica:

sX =
2
sX 4 = 16 n
Agora podemos calcular a estimativa do desvio padro de X :

sX = 4 2 = = 0,5 16 4
Quarto passo: determinar o intervalo de confiana. O intervalo de confiana da mdia da forma:

X t0 s X X + t0 s X
4,4 2,131 0,5 4,4 + 2,131 0,5
3,33 5,47
Gabarito: C III. 1. INTERVALO DE CONFIANA PARA PROPORES
como uma varivel aleatria p
a proporo de casos Seja p a proporo de casos favorveis em uma populao e p um estimador para p . favorveis em uma amostra. Vimos que p
56
Para ficar mais claro, vamos analisar novamente o exemplo do dado que lanado trs vezes. Consideramos caso favorvel quando sai um mltiplo de 3. Na populao (formada por todos os possveis resultados do lanamento do dado), a proporo de casos favorveis igual a 1/3. Por esse motivo, a probabilidade de sucesso em um nico lanamento igual a 1/3. Assim, a proporo de casos favorveis na populao igual probabilidade de sucesso em um lanamento. Ficamos com:
p = 1 / 3 (proporo de casos favorveis na populao = probabilidade de sucesso em um lanamento) q = 2 / 3 (proporo de casos desfavorveis na populao = probabilidade de fracasso em um lanamento).
Lanamos o dado trs vezes. Obtemos os seguintes resultados: 1, 3, 6. Na amostra de tamanho 3, a proporo de casos favorveis foi de 2/3.
= 2/3 p
Usamos a proporo amostral para estimar a proporo da populao. Caso no soubssemos que o dado tem 1/3 de faces com mltiplos de 3, a partir do resultado obtido na amostragem acima, estimaramos esta proporo em 2/3.
um valor, um nmero, fixo, constante. Quando temos uma nica amostra, p de forma diferente. Podemos pensar em inmeras amostras Mas podemos pensar em p poderia possveis. Se lanssemos o dado trs vezes novamente, obtendo outra amostra, p uma assumir outros valores. Quando consideramos as inmeras amostras possveis, p varivel aleatria.
Neste exemplo do dado, as amostras de tamanho 3 possveis seriam:
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 3 3 3 3 3 3 1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 1 1 1 1 1 1 2 2 2 2 2 2 3 3 3 3 3 3 1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 1 1 1 1 1 1 2 2 2 2 2 2 3 3 3 3 3 3 1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 1 1 1 1 1 1 2 2 2 2 2 2 3 3 3 3 3 3 1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 1 1 1 1 1 1 2 2 2 2 2 2 3 3 3 3 3 3 1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 1 1 1 1 1 1 2 2 2 2 2 2 3 3 3 3 3 3 1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 4 4 4 4 4 4 5 5 5 5 5 5 6 6 6 6 6 6 1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 4 4 4 4 4 4 5 5 5 5 5 5 6 6 6 6 6 6 1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 4 4 4 4 4 4 5 5 5 5 5 5 6 6 6 6 6 6 1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 5 5 5 5 5 5 6 6 6 6 6 6 1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 4 4 4 4 4 4 5 5 5 5 5 5 6 6 6 6 6 6 1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 4 4 4 4 4 4 5 5 5 5 5 5 6 6 6 6 6 6 1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6
Todas essas amostras so equiprovveis. Podemos montar o seguinte quadro:
57
p 0 1/3 2/2 3/3 fica: A esperana de p

) = p E( p = 0
Probabilidade 64/216 96/216 48/216 8/216
64 1 96 2 48 3 8 + + + = 1/ 3 216 3 216 3 216 3 216
A esperana da proporo amostral igual esperana da proporo da populao. fica: A varincia de p
8 2 1 64 1 1 96 2 1 48 1 = + + 1 + = 0 3 216 3 3 216 3 3 216 3 216 27
Sabendo que a proporo amostral pode ser vista como uma varivel, importante ver um meio mais rpido para calcular sua mdia e sua varincia. Nesse exemplo do lanamento do dado, seja X o nmero de casos favorveis em n lanamentos. Vimos na aula passada que X uma varivel binomial com mdia e varincia dadas por:
X = np
X 2 = npq
Onde n o nmero de experimentos, p a probabilidade de sucesso e q a probabilidade de fracasso. Nesse exemplo, n = 3; p = 1/3; q = 2/3. Ficamos com:
X = np = 1
X 2 = npq = 2 / 3
X tem mdia 1 e varincia 2/3. Isso significa que, em trs lanamentos, esperamos 1 caso favorvel (e dois desfavorveis). Ou seja, se fosse possvel fazer infinitos conjuntos de trs lanamentos do dado, o nmero mdio de casos favorveis seria igual a 1.
a proporo de casos favorveis verificada numa dada amostra de tamanho n. A Seja p pode ser obtida a partir de X. varivel p = p
X n
Para ficar mais claro, suponhamos um conjunto de lanamentos em particular. Lanamos o dado trs vezes, obtendo: 1, 3, 6. Nessa situao, o nmero de casos favorveis igual a 2 (X = 2). E a proporo de casos favorveis fica: = p
X n
58
= p Em dois teros dos casos, tivemos sucesso.
2 3
Fcil, n? Para achar a proporo de casos favorveis na amostra, basta pegar a varivel X e dividir por n. Sabemos como calcular a mdia e a varincia da varivel binomial. Sabemos que a varivel X , que indica a proporo de casos favorveis na amostra, pode ser obtida por: p = . p n , dividimos a varivel X por uma constante n. Para obtermos p Quando dividimos uma varivel por uma constante, a mdia tambm fica dividida por essa : constante. A mdia de p
p =
X
n
np =p n
justamente a probabilidade de sucesso em um Conclumos que a esperana de p experimento.

Quando lanamos o dado trs vezes (obtendo uma nica amostra de tamanho 3), teremos um ). Esse valor pode ser igual a 1/3 ou no. No determinado valor para a proporo amostral ( p exemplo acima (com resultados 1, 3 e 6), inclusive, foi diferente. Mas, se fosse possvel repetir infinitas vezes o conjunto de trs lanamentos, obtendo para , teramos que a mdia de p seria igual a 1/3. cada amostra um valor de p
. Quando dividimos uma varivel por uma constante, a Vejamos agora a varincia de p varincia sofre a variao ao quadrado.
X X npq pq 2 = p = 2 = p = 2 n n n n
2
E seu desvio padro fica:
p =
pq n
for a varivel que indica a proporo de Ento o que importa para gente saber isso. Se p tem mdia e desvio padro dados por: casos favorveis na amostra, ento p
p = p
p =
pq n
59
PROPORO DE CASOS FAVORVEIS NA AMOSTRA (
) p
Pode ser vista como uma varivel com mdia e desvio padro dados por:
p = p
p =
pq n
Onde p a proporo de casos favorveis na populao e q a proporo de casos desfavorveis na populao.
2.
Intervalo de confiana para uma proporo
Quando estudamos intervalo de confiana para uma mdia, queramos justamente estimar um intervalo para a mdia de uma populao ( ). Agora queremos estimar uma proporo (p). O procedimento ser anlogo. Exemplo: Maria tem um dado. S que no um dado normal (com faces 1, 2, 3, 4, 5 e 6). um dado especial. Nas suas faces vm outros nmeros, que no sabemos quais so. Alm disso, no sabemos quantas faces h nesse dado. Podem ser 5, 7, 9, 20, etc. Maria desafia Joo a descobrir a proporo de faces que contm mltiplos de 3. Se esse fosse um dado normal, Joo saberia que 1/3 das faces so mltiplas de 3. O procedimento combinado o seguinte. Maria lana o dado. Depois de lan-lo, ela diz o resultado a Joo, que o anota. Depois disso, Maria lana o dado uma segunda vez. Novamente comunica o resultado a Joo. E isso se repete por mais duas vezes. Resumindo: Maria lana o dado quatro vezes. A partir desses resultados, Joo tem que descobrir qual a proporo de faces do dado que contm mltiplos de 3. Os resultados dos quatro lanamentos foram: 3, 7, 9, 2. Nesses 4 lanamentos, tivemos dois casos favorveis. Ou ainda: na amostra, tivemos 50% de casos favorveis. Vimos nesta aula que um estimador para a proporo da populao a proporo da amostra. Desse modo, Joo estima que metade das faces do dado so mltiplas de 3. Joo estima a proporo de mltiplos de 3 como sendo: = p Joo fez uma estimativa por ponto. Mas, e se Joo quisesse estimar uma faixa de valores para a proporo? E se Joo quisesse estabelecer um intervalo de 95% de confiana?? Como ficaria?? 1 2
60
Seja X a varivel que indica o nmero de casos favorveis nesses quatro lanamentos. Sabemos, desde a aula passada, que X uma varivel binomial com mdia np e desvio padro
npq .
Vimos, tambm na aula passada, que X aproximadamente normal para grandes valores de n. Eu sei que, nesse exemplo, n nem to grande (n = 4). Mas vamos supor que j seja razovel dizer que X aproximadamente normal. Ok, ento X, alm de ser binomial, aproximadamente normal. Considere a varivel abaixo:
Z= X X
Z tem mdia zero e desvio padro unitrio. Z uma varivel normal reduzida. Para a varivel Z, ns podemos consultar a tabela I. Sabemos que, em 95% dos casos, Z assume valores entre -1,96 e 1,96. Assim, em 95% das vezes, temos:
1,96 Z 1,96
Substituindo o valor de Z:
1,96
X X
1,96
Substituindo o valor da mdia e do desvio padro da varivel binomial: 1,96

X np npq
1,96
1,96 npq X np 1,96 npq
Dividindo todos os termos por n:

1,96
pq X p 1,96 n n pq n
Lembrando que, se X a varivel binomial, ento: = p

1,96
X n
pq n
pq p 1,96 p n
Isolando o p:
1,96 p
pq + 1,96 p p n pq n
Multiplicando todos os termos por -1:
61
1,96 p
pq + 1,96 p p n pq n
Lembrando que:
p =
Ficamos com:
pq n
1,96 p + 1,96 p p p p E esse o intervalo de confiana de 95% para a proporo. Veja como bem parecido com o intervalo de confiana para a mdia. Vimos que o intervalo de confiana para a mdia da varivel X dado por:
X Z0 X X + Z0 X
E o intervalo de confiana para uma proporo da seguinte forma: Z0 p + Z0 p p p p Ento pra gente o que importa isso. Interessa saber qual o intervalo de confiana para a proporo.
INTERVALO DE CONFIANA PARA A PROPORO:
Z0 p + Z0 p p p p
Vamos voltar ao exemplo do Joo? Vamos terminar de calcular o intervalo de confiana. Vou colocar o passo a passo, pra gravarmos. Na verdade, mais para relembrarmos. Isso porque o mesmo passo a passo do intervalo de confiana para a mdia. Primeiro passo: determinar o valor de Z0 associado ao nvel de confiana pedido. O nvel de confiana de 95%. Consultando a tabela I, temos que Z0 igual a 1,96. Em 95% dos casos, a varivel reduzida Z est entre -1,96 e 1,96.
Z 0 = 1,96
para a amostra feita. Segundo passo: obter o valor especfico de p

= 0,5 p
Terceiro passo: encontrar o desvio padro de p
62
No clculo do intervalo de confiana para a mdia, a varivel era a mdia amostral ( X ). Usvamos a mdia amostral para estimar a mdia populacional. Portanto, calculvamos o desvio padro de X . ). Usamos a proporo amostral para estimar a Agora, a varivel a proporo amostral ( p . proporo populacional. Vamos calcular o desvio padro de p
p =
pq n
, precisamos conhecer a E aqui temos um problema. Para calcularmos o desvio padro de p proporo populacional ( p ), que justamente o valor que pretendemos estimar. No temos . Podemos, no mximo, estima-lo, substituindo p por como calcular o desvio padro de p . p
sp =
q p n
A amostra feita resultou em:
=q = 0,5 p
Portanto:
sp =
0,5 0,5 0,5 = = 0,25 4 2
Quarto passo: encontrar o intervalo de confiana. Para tanto, sabemos que o intervalo de confiana da forma: Z0 p + Z0 p p p p Substituindo os valores: 0,5 1,96 0,25 p 0,5 + 1,96 0,25 0,5 0,49 p 0,5 + 0,49
0,01 p 0,99
Com 95% de confiana, a proporo de faces do dado especial tem est entre 1% e 99%. A voc fala e diz: mas que intervalo mais intil! Estamos englobando praticamente todos os valores possveis para a proporo. De fato, ficou um intervalo bem grande. Isso ocorre porque a amostra foi pequena. bom trabalharmos com amostras maiores, para que o intervalo diminua. Alm disso, amostras grandes tambm tm outra vantagem. Quanto maior a amostra, mais a varivel binomial X se aproxima da normal; fica mais adequado o uso da tabela I. Calcule o intervalo de 95% de confiana para a proporo de eleitores de um EP 5 municpio que votaro no candidato A. Considere que uma pesquisa com 100 eleitores revelou que, destes, 20% votaro no referido candidato.
63
Resoluo. Primeiro passo: determinar o valor de Z0 correspondente a 95% de confiana. Sabemos que propores podem ser tratadas a partir de variveis binomiais, que podem ser aproximadas pela varivel normal. Assim, para determinar Z0, no caso de propores, tambm utilizamos a tabela de reas para a varivel normal reduzida. Consultando a TABELA I, vemos que Z 0 = 1,96 .
e q Segundo passo: determinar os valores especficos de p
Para a amostra feita, temos: = 0,20 (proporo da amostra) p = 1 p = 0,80 q Terceiro passo: determinar o desvio padro de p
sp = sp =
q p n
0,20 0,80 0,4 = = 0,04 100 10
Quarto passo: determinar o intervalo de confiana. Z0 s p + Z0 s p p p p 0,2 1,96 0,04 p 0,2 + 1,96 0,04
12,16% p 27,84%
Com 95% de confiana, a proporo populacional de eleitores que votar no candidato A est entre 12,16% e 27,84%. Observao: na verdade, quando escolhemos a amostra de 100 eleitores, usual que a amostra seja sem reposio. Ou seja, entrevistado um eleitor, o mesmo no ser novamente escolhido. Vimos na aula passada que, em uma situao assim, a varivel apenas aproximadamente binomial (ver fls. 28 e 29 da aula 17). Vimos isto l no tpico sobre propores. Demos o exemplo de uma cidade com 100.000 habitantes. Estvamos pesquisando a proporo de pessoas favorveis a uma poltica urbana. Fizemos dois exemplos. Um com reposio, outro sem reposio. Mostramos que a diferena nas probabilidades envolvidas era pequena. Finalizei dizendo que, atendidas algumas condies, a varivel pode ser considerada aproximadamente binomial. Justamente agora vemos a importncia disto. Quando quisermos estabelecer intervalos de confiana para uma proporo, mesmo que a amostragem seja feita sem reposio, podemos considerar que temos uma varivel binomial. Sabemos que, atendidas algumas condies, a varivel binomial tem distribuio muito prxima da distribuio normal. Portanto, poderemos consultar a tabela de reas para a varivel normal. Foi exatamente o que fizemos no exemplo acima.
64
EC 24
SEFAZ MS 2006 [FGV]
Uma amostra aleatria de tamanho 400 revelou que 64% dos torcedores brasileiros acham que conquistaremos o hexacampeonato mundial de futebol. O intervalo de 95% de confiana para a proporo de torcedores na populao que acreditam no hexacampeonato : (A) 64% 3,9% (B) 64% 4,2% (C) 64% 4,7% (D) 64% 5,1% (E) 64% 5,6% Resoluo. Primeiro passo: determinar o valor de Z0 correspondente a 95% de confiana. Consultando a TABELA I, este valor de 1,96.
e q . Segundo passo: determinar os valores especficos de p
= 0,64 p
= 0,36 q Terceiro passo: determinar o desvio padro de p

sp = sp =
q p n
0,64 0,36 0,8 0,6 = = 0,024 400 20
Quarto passo: determinar o intervalo de confiana. Z0 s p + Z0 s p p p 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.
65
EC 25 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.
Z 0 = 1,96
. e q Segundo passo: determinar os valores especficos de p = 0,64 p
= 0,36 q Terceiro passo: determinar o desvio padro de p

sp = sp =
q p n
0,64 0,36 0,8 0,6 = = 0,024 400 20
Quarto passo: determinar o intervalo de confiana. Z0 s p + Z0 s p p p 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 IV. INTERVALO DE CONFIANA E TAMANHO DA AMOSTRA
So comuns alguns tipos de exerccios em que se pede o tamanho que deve ter a amostra para que se consiga uma determinada amplitude do intervalo de confiana. Antes de vermos esse tipo de exerccio, bom termos uma noo da relao entre a amplitude do intervalo de confiana e o erro da estimativa.
66
EP 6 Considere o intervalo de confiana de 90,10% para a mdia de uma populao normal com varincia 125, construdo a partir da seguinte amostra: 2, 6, 6, 8, 8. Qual o erro mximo cometido na estimativa da mdia populacional?
Resoluo. Ns j achamos o intervalo de confiana para esse mesmo problema. Foi l no EP 6 Erro! Fonte de referncia no encontrada.(f. 66). Vimos que a mdia amostral era:
X =6
E o intervalo de confiana era: 2,25 14,25 Com 90,10% de confiana, a mdia populacional est entre -2,25 e 14,25. Qual o maior erro que cometemos quando usamos a mdia amostral para estimar a mdia populacional? Isso, claro, considerando um coeficiente de confiana de 90,10%. A mdia amostral est bem no meio do intervalo de confiana. Logo, o erro ser maior se a mdia populacional estiver em uma das extremidades do intervalo de confiana. O erro ser mximo se a mdia populacional for igual a -2,25 ou se ela for igual a 14,25. No primeiro caso, o erro cometido fica:
erro = X erro = 6 (2,25) = 8,25
No segundo caso, o erro cometido :

erro = 6 14,25 = 8,25
Em qualquer um desses dois casos, o mdulo do erro de 8,25. comum que os exerccios ignorem a palavra mdulo e digam apenas erro. Desse modo, dizemos que, nos dois casos acima, o erro cometido foi de 8,25. Ento, quando o exerccio se referir a erro mximo cometido, ele quer que a gente suponha que a mdia populacional est justamente na extremidade do intervalo de confiana. Note que o erro mximo sempre metade da amplitude do intervalo de confiana. Nesse exemplo, o intervalo de confiana era [-2,25; 14,25] Sua amplitude :
Amplitude = 14,25 (2,25) = 16,50

E a metade da amplitude :
Amplitude 16,50 = = 8,25 2 2
Erro mximo cometido (para um determinado nvel de confiana): Corresponde metade da amplitude do intervalo de confiana.
67
No caso do intervalo de confiana para a mdia, quando a varincia da populao conhecida, temos:
X Z 0 X X + Z 0 X
A amplitude do intervalo de confiana :
Amplitude = X + Z 0 X X Z 0 X = 2Z 0 X
) (
Logo, o erro, que igual metade da amplitude, expresso por:

erro _ max = Z 0 X
No caso do intervalo de confiana para a mdia, quando a varincia da populao desconhecida, os clculos so anlogos. Ficamos com:
erro _ max = t 0 s X
Por fim, no caso do intervalo de confiana para a proporo, o erro mximo :

erro _ max = Z 0 s p
ERRO MXIMO COMETIDO: Estimao da mdia, com varincia populacional conhecida: erro _ max = Z 0 X
Estimao da mdia, com varincia populacional desconhecida: erro _ max = t 0 s X Estimao da proporo: erro _ max = Z 0 s p
Sabendo disso, vamos aos exerccios de concurso.

EC 26 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
68
e) 6.400 Resoluo. No exerccio anterior, sabamos o tamanho da amostra e calculamos o erro mximo cometido. Agora, o exerccio fixou o erro mximo a ser cometido e, para que isso ocorra, perguntou que tamanho deve ter a amostra. 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
69
Vamos ao desvio padro de X .
X =
100
n
Encontrados os valores de Z0 e de X , podemos encontrar o erro mximo cometido.

erro _ max = Z 0 X erro _ max = 1,6
100
n
E o exerccio disse que o erro mximo igual a 2. 2 = 1,6 Isolando o n:

n = 1,6
Gabarito: E.
100
n
100 = 80 n = 6400 2
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%).
Uma nova marca de lmpada est sendo estudada. Baseado em estudos anteriores com outras marcas similares, pode-se admitir que a vida mdia segue uma distribuio normal com desvio padro de 8 meses. Tendo como base estes resultados, o tamanho da amostra necessrio para que a amplitude do intervalo de 95% de confiana (utilize a aproximao P(1 Z 2) = 0,95 , onde Z a normal padro) para a vida mdia seja de 4 meses de: a) 8 b) 12 c) 16 d) 64 e) 128 Resoluo. Se a amplitude do intervalo de confiana deve ser de 4, ento o erro mximo a ser cometido fica:
erro _ max =
4 =2 2
O erro mximo de 2 meses.

70
Lembrando a frmula do erro mximo:

erro _ max = Z 0 X
Precisamos do valor de Z0 e de X . Z0 foi dado no enunciado:

Z0 = 2
Sabemos que:
X =
Voltando na frmula do erro mximo:
8
n
erro _ max = Z 0 X
2 = 2 Isolando o n:
n = 2
Gabarito: D.
8
n
8 = 8 n = 64 2
Considerando um coeficiente de confiana de 95%, dizemos que a amostra deve ter tamanho 64 para que o erro mximo cometido seja de 2, o que implica em amplitude do intervalo de confiana igual a 4.
EP 7 Deseja-se estimar a proporo de eleitores de um municpio que votar no candidato A. Para tanto, busca-se que, com um coeficiente de confiana de 95%, o erro mximo cometido seja de 2% (para mais, ou para menos).
a) possvel, com os dados fornecidos, determinar o tamanho da amostra para que o erro mximo seja de 2%? Por qu? b) supondo varincia mxima, qual o tamanho da amostra para que o erro mximo seja de 2%? c) maximizando o valor de n, qual o tamanho da amostra para que o erro mximo seja de 2%? d) supondo que a ltima pesquisa indicou 36% de votos para esse candidato, qual o tamanho da amostra para que o erro mximo seja de 2% Resoluo. Letra A. A frmula do erro mximo :
71
O erro mximo fixado igual a 0,02. O nvel de confiana de 95%, o que implica em Z0 q p igual a 1,96. E sabemos que s p . = n Substituindo todas essas informaes:
0,02 = 1,96 q p n
= 1 p . Lembrando que: q
0,02 = 1,96 (1 p ) p n
Temos uma nica equao e duas variveis. Para descobrirmos o valor de n, precisamos do . Precisamos do valor da proporo amostral. valor de p A ficou difcil. Ainda no fizemos a amostragem. Queremos justamente calcular que tamanho deve ter essa amostra para que o erro seja de, no mximo, 2% (para um coeficiente de confiana de 95%). Depois que soubermos o tamanho da amostra, a sim fazemos a amostragem. S ento obteremos a proporo amostral. Resumindo: para descobrir o tamanho de n, precisamos da proporo amostral. E s faremos a amostragem (obtendo a proporo amostral), depois que soubermos o valor de n. Ficamos sem sada. No d para resolver o problema com o enunciado fornecido. O que fazer? Bom, h duas opes, listadas nas letras B, C e D. Letras B e C. Uma forma de resolver o problema listado na letra A a que segue. dada por: A estimativa da varincia de p
2 p =
(1 p ) p n
2 p =
p 2 1 2 1 p + p = p n n n
maximiza a varincia acima? Para um dado valor de n, que valor de p que torna a varincia a De outra forma: para um valor fixado de n, qual o valor de p maior possvel?
Podemos interpretar a equao acima como uma funo de segundo grau (o grfico uma parbola). Isto matria l do ensino mdio. L a gente estuda como encontrar o vrtice da parbola (que corresponde aos valores de mximo ou mnimo). Considere uma funo de segundo grau do tipo:
y = ax 2 + bx + c
O valor de x que maximiza (ou minimiza, dependendo do valor de a) a funo y :

72
x = b / 2a
Aplicando este resultado ao nosso caso, temos que o valor de p que maximiza a varincia : = p 1/ n = 0,5 2 ( 1 / n )
O caso em que a varincia a maior possvel ocorre quando a proporo populacional igual a 50%. =q = 0,5 . 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 Vejam:
erro _ max = Z 0 s p erro _ max = Z 0
q p n
Logo:
n = Z0 n = Z0
2
q p (erro _ max) 2 (1 p ) p (erro _ max) 2
Para um dado valor de Z0, fixado o erro mximo, temos que n ser mximo quando (1 p ) . Temos uma parbola, em que o vrtice ocorre maximizarmos o numerador p justamente no ponto 0,5.
=q = 0,5 se a questo disser: Ou seja, use p

- use n mximo; - use varincia mxima
No clculo do tamanho da amostra para estimar uma proporo, supor que sempre que o exerccio disser: - Considere varincia mxima - Considere n mximo
p = 0,5
Quando fixamos a proporo em 0,5, para efeitos de determinao do tamanho da amostra, na verdade, estamos trabalhando com a hiptese mais conservadora. Esta a alternativa que maximiza o valor de n. Trabalhar com uma amostra maior sempre algo mais conservador. Assim, um modo de fugir do problema listado na letra A supor que a proporo igual a 50%. Assim, trabalharemos com um valor de n grande. Agora podemos achar o tamanho da amostra.
73
0,02 = 1,96 (1 p ) p n
=q = 0,5 , temos: Supondo que p

0,02 = 1,96 0,5
n
n = 49 2 = 2401
A amostra precisa ter tamanho 2401 (tanto na letra B quanto na letra C). Letra D. Uma outra sada para o problema listado na letra A fazer uma amostragem preliminar. Pode . Ou ento usar se fazer uma amostragem menor, mais rpida, de modo a obter um valor de p , podemos calcular alguma informao anterior disponvel. Obtido esse valor preliminar de p o valor de n e, em seguida, fazer a amostragem pra valer. Na letra D, sabemos que a ltima pesquisa revelou que o candidato tem 36% das intenes de voto. Vamos usar os dados dessa pesquisa anterior para calcularmos o valor de n. Vamos supor 36%. Desse modo, temos: que p
0,02 = 1,96 0,36 0,64 n
0,02 = 1,96
0,6 0,8
n
n = 2.212,762
Aproximando para o nmero inteiro seguinte:

n = 2.213
A amostra precisa ter tamanho 2.213. Note o tamanho encontrado para a amostra na letra D foi menor que o encontrado nas letras B e C. Isso porque, nas letras B e C, usamos a hiptese em que n o maior possvel. a hiptese mais conservadora (supor que p = 0,5).
P( Z > 2) = 0,023 ; P (0 < Z < 1,6) = 0,445 ; P ( Z < 1) = 0,84 ; P(0 < Z < 2,33) = 0,49
Para estimar a proporo de cura de um medicamento antiparasitrio realizou-se um experimento clnico, aplicando-se o medicamento em n doentes escolhidos ao acaso. Nesta amostra foi considerado que 80% dos doentes foram curados. Com base nestas informaes e utilizando o Teorema Central do Limite, o valor de n, para que o erro cometido na estimao seja no mximo 0,08, com confiana de 89%, de: a) 16
74
b) 25 c) 36 d) 49 e) 64 Resoluo. Podemos interpretar que, na amostra preliminar, a proporo de cura verificada foi de 80%. A partir desse valor, podemos calcular o valor de n para uma segunda amostragem, de tal forma que o erro mximo seja de 0,08. A frmula do erro mximo :
Primeiro, vamos encontrar Z0. 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:
75
Desse modo, a probabilidade de Z estar entre -1,6 e 1,6 igual a 89%.

Z 0 = 1,6
Agora vamos achar s p

sp =
q p n
Substituindo os valores da amostra preliminar:

sp =
0,8 0,2 0,4 = n n
Voltando na frmula do erro mximo:

0,08 = 1,6 Isolando n:

n=
Gabarito: E.
0,4
n
64 n = 64 8
Para resolver a questo abaixo, considere as tabelas a seguir. Elas fornecem alguns valores da distribuio F(x). A tabela 1 refere-se varivel normal padro, as tabelas 2 e 3 referem-se varivel t de Student com 15 e 16 graus de liberdade, respectivamente: Tabela 1 Tabela 2 Tabela 3 F(x) F(x) x F(x) X X 1,60 0,945 1,753 0,95 1,746 0,95 1,64 0,950 2,248 0,98 2,235 0,98 2,00 0,977 2,583 0,99 2,567 0,99 Um engenheiro encarregado do controle de qualidade deseja estimar a proporo p de lmpadas defeituosas de um lote, com base numa amostra de tamanho 400. Sabe-se, com base em experincias anteriores, que p deve estar prximo de 0,5. Usando o teorema do limite central para estimar a amplitude do intervalo de confiana de 90% para p, podemos afirmar que a amplitude do intervalo de confiana , aproximadamente, igual a: a) 0,041 b) 0,045 c) 0,058 d) 0,070 e) 0,082 Resoluo.
76
O erro mximo cometido :

Vamos achar o valor de Z0 associado a 90% de confiana. Consultando a tabela 1, temos que 90% dos valores de Z0 esto entre -1,64 e 1,64.
Z 0 = 1,64
Vamos achar o valor de s p

sp = sp =
q p n
0,5 0,5 0,5 = = 0,025 400 20
Voltando na frmula do erro:

erro _ max = Z 0 s p erro _ max = 1,64 0,025 = 0,041
A amplitude do intervalo de confiana o dobro do erro mximo.

Amplitude = 0,082
Gabarito: E.
Em uma pesquisa de mercado foi estimado que 50% das pessoas entrevistadas preferem a marca X de um produto. Se, com base no resultado dessa pesquisa, quisermos fazer outra para estimar novamente esta preferncia, o tamanho de amostra aleatria simples necessrio, para que tenhamos um erro amostral de 0,02 com probabilidade de 95%, dever ser: a) 1000 b) 1024 c) 2500 d) 1900 e) 2000 Dados: utilize a aproximao P (2 Z 2) = 0,95 , onde Z a normal padro. Resoluo. A frmula do erro mximo :
O valor de Z0 foi dado no enunciado. Z 0 = 2 O valor de s p fica:

77
sp =
q p = n
0,5 0,5 0,5 = n n
Substituindo todos esses valores na frmula do erro, temos:

0,02 = 2
Gabarito: C.
0,5
n
n = 2500
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 Um engenheiro encarregado do controle de qualidade deseja estimar a proporo p de lmpadas defeituosas de um lote, com base numa amostra de tamanho suficientemente grande. Sabe-se, com base em experincias anteriores, que p deve estar prxima de 0,5. Que tamanho deve ter a amostra se ele deseja que o erro de estimao seja no mximo 0,02, com confiana de 90%. a) 800 b) 1082 c) 1241 d) 1530 e) 1681 Resoluo. Como se trata de uma proporo usamos a tabela para a distribuio normal. A frmula do erro mximo cometido :
Primeiro vamos encontrar o valor de Z0 associado a 90%.

P ( Z 1,64) = 0,95 P( Z > 1,64) = 0,05
Como o grfico da fdp da distribuio normal simtrico, ento:
P( Z < 1,64) = 0,05

Como conseqncia: P (,164 Z 1,64) = 0,90
78
Z 0 = 1,64 sp =
q p = n
0,5 0,5 0,5 = n n

0,02 = 1,64
Gabarito: E.
EC 32 BACEN 2001 [ESAF]
0,5
n
n = 1681
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.
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.
79
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

sp =
q p n
Mas o exerccio no informou o valor da proporo amostral. Em vez disso, ele disse para considerarmos varincia mxima. Conforme visto no EP 7, para que a varincia seja mxima, consideramos que a propoo igual a 0,5
sp =
q p = n
0,5 0,5 0,5 = n n

80
0,05 = 2
Gabarito: C.
EC 33 CGU - 2008 [ESAF]
0,5
n
n = 400
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 (= e p ), ele fixou o valor de s p diferena entre p .
sp =
q p n
Como no foi dada nenhuma informao sobre a proporo amostral, s nos resta adotar a situao em que n mximo (fazendo a proporo amostral igual a 0,5).
sp =
0,5 0,5 n
0,05 =
0,5 0,5 n = 100 n
Gabarito: D
EC 34 PETROBRAS 2005 [CESGRANRIO]
Qual o tamanho mnimo que deve ter uma amostra aleatria simples para estimar, com 95% de confiana e erro mximo de 2 pontos porcentuais, a proporo de eleitores que pretendem votar no candidato X? (A) 2 500 (B) 2 401 (C) 1 692 (D) 1 200
81
(E) 912 Resoluo. O erro mximo cometido :

Vamos achar o valor de Z0 associado a 95% de confiana. Consultando a tabela colocada ao final da aula, que estava disponvel nesta prova da Cesgranrio, temos:
Z 0 = 1,95
Vamos achar o valor de s p

sp =
q p n
Utilizando a hiptese mais conservadora, fazemos com que a proporo amostral seja igual a 0,5.
sp =
0,5 0,5 0,5 = n n

0,02 = 1,96
n = 1,96
0,5
n
0,5 = 49 0,02
n = 2401
Gabarito: B
EC 35 CAPES 2008 [CESGRANRIO] - adaptada
Os limites do intervalo de confiana de 95,0% obtido para a mdia dos escores da populao so (50,97; 54,89). Conclui-se, assim, que (A) quanto maior a amplitude do intervalo, menor o nvel de confiana da estimao.
82
(B) a amplitude do intervalo varia proporcionalmente com o tamanho da amostra. (C) o erro cometido na estimao do intervalo 0,95. (D) o intervalo de 99% de confiana ter amplitude maior que 3,92. (E) o ponto mdio do intervalo a mdia da populao, . Resoluo. Letra A. Quanto maior o nvel de confiana, maior o valor do intervalo. Se temos um nvel de confiana de 30%, isto significa que, se fosse possvel fazer inmeras amostras, nosso intervalo deveria conter a mdia populacional em 30% das vezes. Se queremos aumentar o nvel de confiana para 90%, de modo que, em 90% das amostras o intervalo correspondente contenha a mdia populacional, ento devemos trabalhar com intervalos maiores. Pensando num caso exagerado: se quisermos um intervalo de 100% de confiana, teramos que tomar toda a reta real. Afirmaramos que, com 100% de confiana, a media populacional est entre e + . Letra B. Vimos que a amplitude do intervalo de confiana o dobro do erro mximo cometido. Amplitude = 2 erro _ max = 2Z 0 X = 2Z 0
Observem que n est no denominador. Portanto, quanto maior o tamanho da amostra, menor a amplitude do intervalo de confiana. Letra C. A amplitude do intervalo dada por: 54,89 50,97 = 3,92 O erro mximo cometido metade da amplitude.
erro _ max = 1,96
Dizemos que, com 95% de confiana, o erro mximo cometido de 1,96. Letra D. Alternativa correta. Se aumentamos o nvel de confiana, a amplitude do intervalo de confiana tambm aumenta, como j comentamos na alternativa A. Letra E.
83
O ponto mdio do intervalo de confiana a mdia da amostra. A mdia populacional, esta ns nem temos certeza se pertence ou no ao intervalo de confiana.
Gabarito: D
EC 36 PM MANAUS 2004 [CESGRANRIO]
O tamanho mnimo que deve ter uma amostra aleatria simples para estimar, com 90% de confiana e erro de 2 pontos porcentuais, a proporo de estudantes com problemas de viso e que no usam lentes corretoras, aproximadamente, vale: (A) 912 (B) 1 200 (C) 1 692 (D) 4 500 (E) 9 898 Resoluo.
Consultando a tabela de reas para a varivel normal, temos que o valor de Z 0 associado a 90% de confiana est entre 1,64 e 1,65. Vamos adotar o ponto mdio entre ambos.
Z 0 = 1,645
O desvio padro da proporo amostral :

sp = sp =
q p n
0,5 0,5 n 0,5 0,5 n
Logo:
0,02 = 1,645
0,02 = 1,645
n = 1,645
0,5
n
0,5 = 41,125 0,02
n = 1691,266
Tomando o nmero inteiro imediatamente superior:

n = 1692
Gabarito: C www.pontodosconcursos.com.br
84
Texto para EC 37 e EC 38 Recente pesquisa para avaliar o percentual de eleitores favorveis a um candidato a senador foi realizada de acordo com um plano de amostragem aleatria simples, sendo a amostra extrada de uma populao infinita. O resultado apontou uma inteno de votos no candidato na ordem de 45%.
EC 37 TCE RONDONIA 2007 [CESGRANRIO]
Considerando que a margem de erro foi de 2 pontos percentuais, para mais ou para menos, quantos eleitores foram ouvidos, se o nvel de confiana utilizado foi de 95%? (A) 1 247 (B) 1 684 (C) 1 820 (D) 2 377 (E) 2 642 Resoluo.
Consultando a tabela de reas para a varivel normal, temos que o valor de Z 0 associado a 95% de confiana igual a 1,96.
Z 0 = 1,96
O desvio padro da proporo amostral :

sp = sp =
q p n
0,45 0,55 n 0,45 0,55 n 1 45 55 n 100
Logo:
0,02 = 1,96 0,02 = 1,96
n = 1,96
1 45 55 2
n = 0,9604 45 55 = 2376,99
Gabarito: D
85
Caso uma amostra de 100 eleitores fosse utilizada, o intervalo aproximado de 95% de confiana para a preferncia dos eleitores nesse candidato seria: (A) 45% 6% (B) 45% 8% (C) 45% 10% (D) 45% 12% (E) 45% 14% Resoluo. Primeiro passo: determinando Z 0 . O valor associado a 95% de confiana :
Z 0 = 1,96
eq . Segundo passo: determinando o valor especfico de p = 0,55 = 0,45 ; q p Terceiro passo: encontrando o valor do desvio padro da proporo amostral:
sp = sp =
q p n 45 55 1000
0,45 0,55 = 100
sp =
9 5 5 11 3 5 11 = 1000 1000 11 + 9 2 9 20 6
Encontrando a raiz de 11 (o quadrado perfeito mais prximo 9): 11 Logo:

sp
3 5 20 = 0,05 1000 6
Quarto passo: determinando o intervalo de confiana: Z0 p + Z0 p p p p 0,45 1,96 0,05 p 0,45 + 1,96 0,05 0,45 0,098 p 0,45 + 0,098
Gabarito: C
86
Na estimao da mdia de uma populao cujo desvio-padro 4, usando uma amostra aleatria de tamanho 120, obteve-se o seguinte intervalo de 95% de confiana para a mdia: 5 2. O tamanho de amostra que dever ser considerado para que o comprimento do intervalo de 95% seja reduzido metade : (A) 60. (B) 240. (C) 300. (D) 360. (E) 480. Resoluo: A amplitude do intervalo de confiana dada por: Amplitude: 2 Z 0 X Substituindo o valor do desvio padro da mdia amostral: Amplitude: 2 Z 0
O exerccio pediu o seguinte. Devemos reduzir a amplitude acima para metade do seu tamanho original. Se o nvel de confiana mantido, ento o valor de Z0 fica inalterado. O valor de fixo, constante. Assim, s podemos mexer no tamanho da amostra, que est no denominador. Para que a amplitude seja dividida por 2, devemos dobrar o valor do denominador. Vamos chamar o tamanho da nova amostra de n' , para diferenciar do tamanho anterior. Logo:
n'= 2 n
Elevando os dois lados da igualdade ao quadrado:

n' = 4 n
n' = 480
Gabarito: E
EC 40 SEFAZ RJ 2007 [FGV]
Uma pesquisa recente foi realizada para avaliar o percentual da populao favorvel eleio de um determinado ponto turstico para constar no selo comemorativo de aniversrio da cidade. Para isso, selecionou-se uma amostra aleatria simples extrada de uma populao infinita. O resultado apurou 50% de inteno de votos para esse ponto turstico. Considerando
87
que a margem de erro foi de 2 pontos percentuais, para mais ou para menos, e que o nvel de confiana utilizado foi de 95%, foram ouvidas, aproximadamente: (A) 50 pessoas. (B) 100 pessoas. (C) 1.200 pessoas. (D) 2.400 pessoas. (E) 4.800 pessoas. Resoluo: O erro mximo dado por:
erro _ max = Z 0
q p n
Podemos fazer a consulta de Z0 na tabela da distribuio normal colocada ao final da aula. Mas, de tanto aparecer este percentual de 95%, j sabemos que Z0 igual a 1,96. Substituindo os valores:
0,02 = 1,96 0,5 0,5 n
0,02 = 1,96
n = 1,96
0,5
n
0,5 = 49 0,02
n = 2401
Foram ouvidas 2401 pessoas. Aproximando, temos 2.400.

Gabarito: D
Um estatstico de uma companhia telefnica deseja estimar a proporo p de clientes satisfeitos com a introduo de um novo tipo de servio. Suponha que o nmero de clientes da companhia seja grande. Sabe-se, com base em experincias anteriores, que p deve estar prxima de 0,50. O menor tamanho de amostra que ele deve considerar de modo a garantir com probabilidade de 95% um erro absoluto de estimao de no mximo 0,02 : (A) 800. (B) 1082. (C) 1530. (D) 1681. (E) 2401.
88
Resoluo: Exerccio idntico ao anterior. O tamanho da amostra ser de 2401.

Gabarito: E
Para examinar a opinio de uma populao sobre uma proposta, foi montada uma pesquisa de opinio em que foram ouvidas 1680 pessoas, das quais 51,3% se declararam favorveis proposta. Os analistas responsveis determinaram que a margem de erro desse resultado, em um determinado nvel de confiana, era de 2 pontos percentuais, para mais ou para menos. Considerando que fosse desejada uma margem de erro de 1 ponto percentual, para mais ou para menos, no mesmo nvel de confiana, assinale a alternativa que indique o nmero de pessoas que deveriam ser ouvidas. (A) 840 (B) 2520 (C) 3360 (D) 5040 (E) 6720 Resoluo: Exerccio muito semelhante ao EC 39. A margem de erro igual metade da amplitude do intervalo de confiana.
erro _ max = Z 0
q p n
Novamente, a nica coisa que poderemos alterar o denominador (valor de dobrar o denominador, para que o erro mximo seja dividido por 2.
n' = 4n = 6720
n ). Temos que
J vimos no EC 39 que, para que isso acontea, o tamanho da amostra deve ser quadruplicado.
Gabarito: E V. CARACTERSTICA DOS ESTIMADORES
Como j adiantamos, algumas caractersticas dos estimadores so: No tendenciosos (ou no viciados) De mxima verossimilhana De varincia mnima De mnimos quadrados
89
CURSOONLINERACIOCNIOLGICOPARADESESPERADOS PROFESSORES:GUILHERMENEVESEVTORMENEZES 1. Estimador no tendencioso
Seja a um estimador para o parmetro . Dizemos que a um estimador no tendencioso se:

E (a) =
Ns vimos que a mdia amostral ( X ) um estimador no-tendencioso para a mdia populacional. Para relembrarmos, vamos rever o caso do tetraedro homogneo, com faces 1, 2, 3 e 4. Vamos lana-lo 2 vezes, obtendo uma amostra de tamanho 2. O quadro abaixo traz todas as possveis amostras. 1e1 2e1 3e1 4e1 1e2 2e2 3e2 4e2 1e3 2e3 3e3 4e3 1e4 2e4 3e4 4e4
Seriam 16 amostras possveis, todas elas com a mesma probabilidade de ocorrer. O valor da mdia amostral em cada uma dessas amostras seria: Valores da amostra 1e1 1e2 1e3 1e4 2e1 2e2 2e3 2e4 3e1 3e2 3e3 3e4 4e1 4e2 4e3 4e4
X
1 1,5 2 2,5 1,5 2 2,5 3 2 2,5 3 3,5 2,5 3 3,5 4
Repare que X pode ser visto como uma varivel aleatria que assume diversos valores. A mdia de todos os possveis valores de X fica:
E( X ) =
1 (1 + 1,5 + 2 + 2,5 + 1,5 + 2 + 2,5 + 3 + 2 + 2,5 + 3 + 3,5 + 2,5 + 3 + 3,5 + 4) 16

E ( X ) = 2,5
Vamos agora calcular a mdia da varivel aleatria X. A varivel aleatria X assume os valores 1, 2, 3, 4, cada um com probabilidade 1/4.
90
Portanto:
E( X ) = =
1 1 1 1 1 + 2 + 3 + 4 4 4 4 4
= 2,5
Concluindo: a esperana da mdia amostral igual esperana da populao. Isto significa que, se fosse possvel fazer um nmero muito grande de amostras, a mdia de todas as mdias amostrais seria igual mdia da populao. Vamos aproveitar este exemplo do tetraedro e vamos calcular a varincia das amostras. Para tanto, vamos fazer dois clculos: um com o denominador n e outro com o denominador n 1 . Para diferenciar, quando utilizarmos o denominador n, vamos adotar o smbolo s * . 2 2 Valores da 2 x x ( ) ( xi x) 2 i amostra s 2 = i =1 s *2 = i =1 2 1 2 1e1 1e2 1e3 1e4 2e1 2e2 2e3 2e4 3e1 3e2 3e3 3e4 4e1 4e2 4e3 4e4 total Note que:
E (s 2 ) = E ( s *2 ) =
0 0,5 2 4,5 0,5 0 0,5 2 2 0,5 0 0,5 4,5 2 0,5 0 20 20 = 1,25 16 10 = 0,625 16
0 0,25 1 2,25 0,25 0 0,25 1 1 0,25 0 0,25 2,25 1 0,25 0 10
Vamos agora calcular a varincia da varivel aleatria X.

E( X ) = E( X 2 ) =
1+ 2 + 3 + 4 = 2,5 4 1 + 4 + 9 + 16 = 7,5 4
V ( X ) = E( X 2 ) E( X ) 2
91
V ( X ) = 7,5 2,5 2 = 1,25
O parmetro igual a 1,25. Os estimadores foram 1,25 (s2 , com o denominador n 1 ) e 0,625 ( s*2 , com o denominador n). Por isso dizemos que o estimador varincia amostral deve ter n 1 no denominador. Isto garante um estimador no-viciado.
2. Estimador de varincia mnima.
Vamos continuar com o exemplo do tetraedro com faces 1, 2, 3, 4 e as possveis amostras de tamanho 2. Queremos estimar a varincia da populao. Quem tem acesso a todas as faces do tetraedro, sabe que:
1+ 2 + 3 + 4 = 2,5 4
J quem desconhece as faces do tetraedro, poder apenas estimar a mdia da populao, com base no resultado de uma amostra de tamanho 2. Durante toda a aula, ns trabalhamos com o estimador X (mdia aritmtica da amostra). Pois bem, vamos criar um outro estimador para a mdia populacional. Vou chama-lo de X * , para diferenciar do smbolo anterior. Esse nosso novo estimador ser uma mdia ponderada dos valores da amostra, em que o primeiro valor da amostra tem peso 2 e o segundo valor da amostra tem peso 1. Exemplificando: se a amostra for: (2,3), nosso estimador ser:
X *=
2 2 + 3 1 = 2,333 3
A tabela abaixo traz todas as amostras possveis, bem como os valores dos estimadores. Valores da amostra 1e1 1e2 1e3 1e4 2e1 2e2 2e3 2e4 3e1 3e2 3e3 3e4 4e1 4e2 4e3 4e4
X
1 1,5 2 2,5 1,5 2 2,5 3 2 2,5 3 3,5 2,5 3 3,5 4
X*
1 1,333333 1,666667 2 1,666667 2 2,333333 2,666667 2,333333 2,666667 3 3,333333 3 3,333333 3,666667 4
92
Valores da amostra total Interessante observar que:
X
40 40 = 2,5 16
X*
40
E ( X ) = E ( X *) =
Ou seja, o estimador X * tambm no-tendencioso. Qualquer mdia ponderada dos valores da amostra ser um estimador no-tendencioso da mdia populacional. A vem a pergunta: Ah, ento qualquer mdia ponderada ser um bom estimador? No necessariamente. Depende das caractersticas que voc quer para o seu estimador. Uma caracterstica interessante que o estimador tenha varincia mnima. Se voc calcular a varincia dos estimadores X * e X , ver que eles tm varincias diferentes. No vou reproduzir os clculos aqui, vou apenas dar o resultado:
V ( X ) = 0,625 V ( X *) = 0,6944
Note que X tem uma varincia menor que X * . Isto pode ser interessante. Se fizssemos inmeras amostras, em mdia, acertaramos o valor do parmetro nos dois casos (com qualquer um destes dois estimadores). S que o estimador X * tem maior disperso. Ele apresenta, com maior freqncia, valores afastados da mdia populacional. Por isso, o estimador X melhor. Assim, uma caracterstica que se costuma buscar que o estimador tenha varincia mnima. Ou seja, que a varincia do estimador escolhido seja menor que a varincia de qualquer outro estimador. Dentre os estimadores lineares (ou seja, aqueles que so obtidos a partir de uma mdia ponderada com os valores da amostra), possvel demonstrar que a mdia aritmtica simples ( X ) apresenta varincia mnima. possvel comparar a eficincia entre dois estimadores diferentes. Basta dividir suas varincias. Assim, a eficincia relativa de X * , em comparao com X , dada por: 0,625 = 90% 0,6944
3.
Estimador de mnimos quadrados
Um outro tipo de estimador aquele que minimiza a soma dos quadrados dos desvios. Por enquanto, no veremos este tipo de estimador com mais detalhes. Falaremos mais a respeito na aula de regresso linear, em que ser muito freqente realizarmos a operao que minimiza a soma dos quadrados dos desvios.
93
so estimadores de mnimos quadrados. Ou seja, a mdia Interessante observar que X e p amostral e a proporo amostral estimam a mdia e a proporo populacionais, obedecendo ao critrio de mnimos quadrados.
4. Estimador de mxima verossimilhana
Um estimador de mxima verossimilhana aquele que maximiza a probabilidade (se a varivel aleatria for discreta) ou a densidade de probabilidade (se a varivel aleatria for contnua) de a amostra observada ter sido obtida. Para explicar, vou adaptar um exemplo extrado do livro Estatstica para Economistas, do Rodolfo Hoffmann. Considere um tetraedro que possui faces azuis e brancas. Lanamos o tetraedro. O resultado obtido corresponde face que fica em contato com o solo. Caso saia uma face azul, temos um caso favorvel. Caso saia uma face branca, temos um caso desfavorvel. O tetraedro lanado 3 vezes, resultado em 1 caso favorvel (1 resultado azul e 2 brancos). Ns s temos acesso ao resultado desta amostra e temos que estimar a proporo populacional, ou seja, a proporo de faces azuis no tetraedro. Para achar o estimador de mxima verossimilhana, ns temos que ver qual a proporo que maximiza a probabilidade de esta amostra ter sido obtida. O quadro abaixo resume os clculos. Nmero de probabilidade de sucesso em 1 Probabilidade de, em 3 lanamentos, faces azuis experimento termos exatamente 1 caso favorvel 0 0 0 1 0,25 0,421875 2 0,5 0,375 3 0,75 0,140625 4 1 0 A maior probabilidade (0,421875) ocorre quando temos 1 face azul. Logo, o estimador de mxima verossimilhana 0,25. Neste exemplo, a proporo populacional s poderia assumir alguns valores (0; 0,25; 0,5; 0,75; 1,0). uma varivel discreta. Acaso a proporo populacional p possa assumir qualquer valor no intervalo entre 0 e 1, ento X = , onde X a varivel binomial) um possvel demonstrar que a proporo amostral ( p n estimador de mnimos quadrados e de mxima verossimilhana. Se a varivel aleatria for normal, o estimador de mxima verossimilhana para a varincia dado por:
s *2 =
(x
i =1
x) 2
94
Se a varivel aleatria for normal, a mdia aritmtica da amostra ( X ) um estimador de mxima verossimilhana para a mdia populacional. Texto para questes EC 43 e EC 44. Para responder s questes seguintes, considere as distribuies amostrais de cinco estimadores propostos para estimar o parmetro T de uma populao, ilustradas na figura apresentada a seguir.
EC 43 INEP 2008 [CESGRANRIO]
Se o interesse for um estimador no viesado, deve-se utilizar apenas (A) T1 (B) T4 (C) T1 ou T4 (D) T2 ou T5 (E) T1 ou T2 ou T3 Resoluo. Estimador no viesado sinnimo de estimador no tendencioso. Queremos que a mdia do estimador seja igual a T. Os nicos estimadores que apresentam esta caracterstica so T1, T2 e T3.
Gabarito: E
95
Levando-se em conta as propriedades de um bom estimador, o melhor dentre os estimadores propostos (A) T1 (B) T2 (C) T3 (D) T4 (E) T5 Resoluo. Entre os estimadores T1, T2 e T3, o que apresenta varincia mnima T2, pois apresenta uma curva mais afilada, o que indica que a proporo de valores prximos mdia maior.
Gabarito: B
EC 45 CAPES 2008 [CESGRANRIO]
Considere as asseres a seguir. A mdia amostral sempre um estimador no viciado para a mdia de uma populao. PORQUE O erro padro do estimador no viciado para a mdia de uma populao maior do que a varincia da populao. Analisando-se as asseres, conclui-se que (A) as duas asseres so verdadeiras, e a segunda uma justificativa correta da primeira. (B) as duas asseres so verdadeiras, e a segunda no uma justificativa correta da primeira. (C) a primeira assero verdadeira, e a segunda falsa. (D) a primeira assero falsa, e a segunda verdadeira. (E) a primeira e a segunda asseres so falsas. Resoluo. A primeira frase est correta. A mdia amostral um estimador no tendencioso. A segunda frase est errada. Basta pensar no seguinte exemplo: Varincia da populao: 100 ( = 10 ); tamanho da amostra: 25 ( n = 25) . O desvio-padro da mdia amostral fica: 10 =2 5
X =
O desvio-padro da mdia amostral foi menor que a varincia da populao.

Gabarito: C www.pontodosconcursos.com.br
96
Com base em uma amostra aleatria simples (X1, X2,..., Xn) de uma populao de mdia conhecida , um estimador no viciado da varincia da populao : a) b) c) d) e) ( X 1 ) 2 + ( X 2 ) + ... + ( X n ) n2
2 2 2
( X 1 ) 2 + ( X 2 ) + ... + ( X n ) n 1 ( X 1 ) 2 + ( X 2 ) + ... + ( X n ) n
2 2
( X 1 ) 2 + ( X 2 ) + ... + ( X n ) n +1 ( X 1 ) 2 + ( X 2 ) + ... + ( X n ) n+2

2
Resoluo. Esta a tal da questo sacana. Dissemos a aula toda que o estimador no tendencioso da varincia conseguido com o denominador n 1 . sempre assim (ou melhor, quase sempre). Em 99,9999% das questes, o que se pede a estimativa da varincia. Para tanto, supe-se apenas o conhecimento de uma amostra. Neste caso, usamos a mdia amostral como estimativa da mdia populacional. E, para acharmos o estimador no tendencioso da varincia populacional, fazemos:
s
2
(X =
n 1
Acontece que esta questo criou algo novo. Aqui, ns j conhecemos a mdia populacional. Ela no precisa ser estimada. S precisamos estimar a varincia da populao. Quando isso acontece, o estimador dado por: ( X 1 ) 2 + ( X 2 ) + ... + ( X n ) n
2 2
com n no denominador, no tendencioso. Para deixar claro, vamos calcular a sua esperana. O estimador : ( X ) 2 + ( X 2 ) + ... + ( X n ) s = 1 n
2 2 2
Temos: ( X 1 ) 2 + ( X 2 )2 + ... + ( X n )2 E (s 2 ) = E n
97
O n uma constante, pode ser extrada da esperana. = 1 2 2 E ( X 1 ) 2 + ( X 2 ) + ... + ( X n ) n
)
)}
Podemos separar a esperana da soma em soma de esperanas. = 1 2 2 E (( X 1 ) 2 ) + E ( X 2 ) + ... + E ( X n ) n = 1 {nVar ( X )} = Var ( X ) n
A esperana do estimador igual ao parmetro, o que permite classifica-lo como no tendencioso.

Gabarito: C
Com relao teoria geral da amostragem, incorreto afirmar que: a) Quanto menor o erro padro da estimativa, menor ser a confiabilidade e a preciso da estimativa. b) Em uma amostra por conglomerados a populao dividida em sub-populaes distintas. c) A realizao de uma amostragem aleatria simples s possvel se o pesquisador possuir uma lista completa de cada unidade amostral. d) Um estimador considerado no viciado quando sua esperana igual ao valor populacional que est sendo pesquisado. e) Amostragem estratificada consiste na diviso de uma populao em grupos segundo alguma caracterstica conhecida. Os estratos da populao devem ser mutuamente exclusivos. Letra A. Erro padro sinnimo de desvio padro. Se a estimativa tem erro padro pequeno, isso significa que ela pouco varia. Para exemplificar, vamos trabalhar com a estimativa que j estudamos: X . Se X tem um desvio padro pequeno, ento a mdia amostral pouco varia de uma amostra para outra. Isso significa que cada mdia amostral tambm bem prxima da mdia da populao. Quanto menor o erro padro de X , mais precisa a nossa estimativa. Mais confivel ela . Nossa estimativa deve estar bem prxima do verdadeiro valor do parmetro. Alternativa errada. Letra B. Alternativa correta. Realmente, na amostragem por conglomerados, busca-se dividir a populao em sub-populaes, em conjuntos heterogneos que representem bem a populao inteira. Como vimos na aula passada, isso nem sempre se verifica. Como o intuito desse tipo de amostragem reduzir custos e tempo, os conglomerados so escolhidos de forma que seus
98
elementos estejam prximos/ligados, o que muitas vezes faz com que um conglomerado no abranja itens to heterogneos assim. Letra C. Em geral, realmente a amostragem aleatria feita quando se tem uma listagem de todos os elementos. Assim, para escolher aleatoriamente um grupo de funcionrios que participar de uma pesquisa sobre o clima organizacional da empresa, parte-se de uma listagem de todos os empregados. Dessa lista, extraem-se, aleatoriamente, algumas pessoas. O processo de escolha pode se dar de diversas formas. Podemos escrever o nome de todos eles em pedaos de papel de mesmo tamanho, dobrar, colocar num saco, misturar bem, e sortear. Podemos atribuir a cada um deles um nmero e usar uma tabela de nmeros aleatrios para escolher os nmeros. Podemos colocar seus nomes em planilhas, executar um programa que gere nmeros aleatrios, atribuindo um nmero a cada pessoa, e depois ordenar de forma crescente. Enfim, h inmeras formas que, geralmente, partem de uma listagem de todos os elementos, como foi dito no enunciado. Contudo, h formas de se fazer uma amostragem aleatria sem que exista uma listagem prvia. A banca considerou esse item correto. Ao meu ver, caberia recurso. Cito na seqncia um trecho do livro Estatstica aplicada administrao do autor William Stevenson: Se a populao alvo finita, h essencialmente duas maneiras de escolher uma amostra aleatria. Um mtodo envolve a compilao de uma lista de todos os elementos da populao [...]. O segundo mtodo usado quando os elementos da populao no so claramente identificveis, o que torna impossvel a listagem. Por exemplo, no processamento de alimentos, ou na eliminao de resduos, ou no controle da poluio, em geral, no h o conceito de itens que possam constituir uma amostra. A alternativa seria ento selecionar locaes em lugar de itens, como, por exemplo, 4 polegadas acima e 7 abaixo. Consegue-se isto encarando a populao como se fosse composta de cubos, e selecionando cubos para a amostra. Outra alternativa seria o emprego de um processo de mistura [...] Podemos pensar naqueles sorteios de promoes. Voc manda uma carta contendo trs cdigos de barras do produto, respondendo pergunta: qual a marca de cotonete que leva voc para a copa do mundo de 2010??? Domingo, durante o programa do Fausto, feito o sorteio. Aparecero um monte de modelos semi-nuas jogando os envelopes para cima. Em tese (eu disse: em tese), supondo que as modelos joguem muito bem os inmeros envelopes, misturando bem todos eles, quando uma delas pegar o envelope ganhador, a escolha ter sido aleatria. E nenhuma das modelos tinha uma listagem dos concorrentes ao prmio. Outro exemplo. Voc est preparando uma sopa. Voc est em dvida se colocou muito sal ou no. Para avaliar a quantidade de sal, voc mistura bem a sopa, enche uma colher e experimenta. Voc est fazendo uma amostragem da sopa. Est avaliando apenas um pequeno pedao da sua populao, para decidir algo sobre a sopa inteira. Antes de experimentar voc no tinha uma listagem de todas as partculas que estavam dentro da sopa (ou seja, uma lista de todos os pedacinhos de batata, cenoura, abobrinha, etc). Alis, nesse caso, acho que nem d para falar em lista de todos os elementos.
99
Supondo que voc tenha misturado bem a sopa, quando voc encher a colher, voc estar fazendo uma amostragem aleatria. Numa situao como a desta questo da FCC, l, durante a prova, marque a alternativa mais correta (ou mais errada, conforme o caso). Costumo dizer que no pra sair brigando com a prova. A letra A est claramente errada. Ela est praticamente pedindo para ser marcada como item errado. J a letra C, apesar de errada, no to absurda. A amostragem aleatria, na maioria das vezes, mesmo feita a partir de uma listagem. Na letra C estamos diante de um caso de impreciso na escrita do enunciado. No custa nada deixar essa impreciso pra l, marcar a letra A e pronto. Letra D. Alternativa correta. Foi exatamente isto que vimos sobre os estimadores no tendenciosos. Vimos que X pode ser considerada uma varivel aleatria e que o fato de a esperana de X ser igual mdia da populao faz deste um estimador no viciado. Isso vale para qualquer estimador. Se sua esperana for igual ao parmetro pesquisado, ento o estimador no tendencioso (ou no viciado). Letra E. Alternativa correta. Basta lembrar do exemplo dado na aula passada. Dividimos a populao em extratos, conforme a idade (jovens, adultos e idosos). A diviso se deu conforme uma caracterstica conhecida (idade). Os extratos so mutuamente exclusivos.
Gabarito: A.
Com relao teoria geral da amostragem, correto afirmar que: a) na amostragem aleatria simples, a seleo das unidades amostrais s pode ser realizada sem reposio. b) a amostragem por conglomerados em geral mais eficiente e menos econmica quando comparada com o mtodo de amostragem aleatria simples. c) na amostragem estratificada, os estratos da populao no necessitam ser mutuamente exclusivos. d) o aumento do tamanho da amostra tem como conseqncia o aumento do erro padro das estimativas e) o vis ou vcio de um estimador de um parmetro a diferena entre o seu valor esperado e o valor do parmetro. Resoluo: Letra A. Uma amostra aleatria pode sim ser feita com reposio. Podemos pensar no sorteio da megasena. No primeiro sorteio, temos o nmero 26 (2 retirado do globo das dezenas e 6 retirado do globo das unidades). Para o segundo sorteio, os globos continuam contendo todas as dezenas
100
(inclusive o 2) e todas as unidades (inclusive o 6). Os nmeros so aleatoriamente escolhidos e h reposio. Em tese, possvel que o nmero 26 seja novamente sorteado. Um outro exemplo so as promoes em que voc manda um SMS para um certo nmero e concorre a inmeros prmios. A cada semana sorteado um prmio (exemplo: na primeira semana so dez TVs, na segunda, 10 motos, na terceira, 2 carros e na ltima sorteada uma casa). Em muitas premiaes, quem manda o SMS logo nos primeiros dias est concorrendo a todos os prmios. Mesmo que ele seja sorteado na primeira semana (ganhando uma TV), seu nome volta para o bolo de concorrentes, tendo chances de ganhar em qualquer outro sorteio. Supondo que a escolha, em cada sorteio, seja aleatria, temos uma amostragem aleatria com reposio. Letra B. Em geral, a amostragem por conglomerados mais econmica que a aleatria simples. Basta pensar no caso da pesquisa com os chefes de famlia de uma dada cidade, usado como exemplo na aula passada. Se usssemos uma amostragem aleatria, poderamos ter que nos dirigir a pontos muito distantes um dos outros, o que encarece a pesquisa. Usando a amostragem por conglomerados (considerando cada bairro/cada quarteiro/cada conjunto de 8 quarteires/etc) como um conglomerado, muitos dos chefes de famlia selecionados moraro prximos uns dos outros, o que reduz os custos. Alternativa errada. Letra C. Errado. Na amostragem estratificada os estratos so sim mutuamente exclusivos. No exemplo da aula passada, dividimos a populao em jovens, adultos e idosos. Um idoso no pode ser tambm jovem. Letra D. Alternativa errada. Quanto maior a amostra, melhor ela representa a populao. Como conseqncia, melhoram nossas estimativas (o que implica em menor erro padro). Tambm d para visualizar isso por meio da frmula que vimos. Vamos trabalhar com a mdia amostral. Seu desvio padro dado por:
V[X ] = X =
O n est no denominador. Quanto maior o valor de n (ou seja, quanto maior o tamanho da amostra), menor o desvio padro da estimativa. Letra E. Alternativa correta. No comentei isso durante a parte terica. Aproveitando a oportunidade, falemos um pouco sobre o vis do estimador. Vamos trabalhar, novamente, com o estimador para a mdia ( X ). O fato da mdia de X ser igual mdia da populao nos permite classificar a mdia aritmtica da amostra como estimador no tendencioso (ou no viciado). Usando esse
101
estimador, na mdia (considerando as inmeras amostras que poderiam ser feitas), ns estamos realmente acertando o valor do parmetro desconhecido. E se, em vez da mdia amostral, ns usssemos, por exemplo, a mediana da amostra para estimar a mdia da populao? Vejamos um exemplo. Considere um tetraedro com faces 1, 2, 3, 5. Seja X a varivel que designa o resultado do lanamento do tetraedro. Sabemos que a esperana de X igual a 2,75 (basta fazer a mdia aritmtica dos valores acima). Lanamos o tetraedro trs vezes. Vamos ver quais so os possveis resultados. Conjuntos de 3 lanamentos 1 1 1 1 1 2 1 1 3 1 1 5 1 2 1 1 2 2 1 2 3 1 2 5 1 3 1 1 3 2 1 3 3 1 3 5 1 5 1 1 5 2 1 5 3 1 5 5 Conjuntos de 3 lanamentos 2 1 1 2 1 2 2 1 3 2 1 5 2 2 1 2 2 2 2 2 3 2 2 5 2 3 1 2 3 2 2 3 3 2 3 5 2 5 1 2 5 2 2 5 3 2 5 5 Conjuntos de 3 lanamentos 3 1 1 3 1 2 3 1 3 3 1 5 3 2 1 3 2 2 3 2 3 3 2 5 3 3 1 3 3 2 3 3 3 3 3 5 3 5 1 3 5 2 3 5 3 3 5 5 Conjuntos de 3 lanamentos 5 1 1 5 1 2 5 1 3 5 1 5 5 2 1 5 2 2 5 2 3 5 2 5 5 3 1 5 3 2 5 3 3 5 3 5 5 5 1 5 5 2 5 5 3 5 5 5
Vamos usar a mediana amostral como estimador da mdia populacional. A mediana amostral tem a seguinte distribuio de probabilidades: Valor 1 2 3 5 A mdia da mediana amostral : probabilidade 10/64 22/64 22/64 10/64
E[ D] 2,65
Se fosse possvel efetuar infinitas vezes os trs lanamentos, a mdia obtida para o nosso estimador seria de cerca de 2,65. um estimador que, em mdia, difere do parmetro (=2,75). Conclumos que um estimador viesado (ou tendencioso, ou ainda, viciado). O seu vis
102
dado pela diferena entre sua mdia e o parmetro estudado (qual seja, a mdia da populao). Nesse exemplo, o vis fica:
vies = E[ D] vies = 2,65 2,75 = 0,1

Gabarito: E
EC 49 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.
Quanto s caractersticas dos estimadores, creio que as provas devem se limitar a cobrar questes conceituais. Ou ento, se restringir aos estimadores usuais (mdia amostral, proporo amostral, varincia amostral para estimar, respectivamente, a mdia populacional, a proporo populacional e a varincia populacional). Digo isto porque, se for para passar disso, bastante provvel que a questo exija ferramentas de clculo. Como exemplo, segue questo abaixo.
Com base em uma amostra aleatria ( x1 , x 2 ,..., x n ) o estimador de mxima verossimilhana do parmetro na distribuio de Poisson, P ( X = x) = (A) mdia quadrtica da amostra. (B) mdia geomtrica da amostra. (C) mdia harmnica da amostra. (D) mdia aritmtica da amostra. (E) mediana da amostra. Resoluo.
e x para x = 0,1,2,... a: x!
103
Seja ( x1 , x 2 ,..., x n ) a amostra obtida. A probabilidade de obtermos esta amostra dada por:
P ( X 1 = x1 X 2 = x 2 ... X n = x n )
Supondo que os valores da amostra so independentes entre si, a probabilidade da interseco o produto das probabilidades:
P ( X 1 = x1 X 2 = x 2 ... X 3 = x3 ) = P ( X 1 = x1 ) P( X 2 = x 2 ) ... P( X n = x n )
= =
e x1 e x2 e xn ... x1! x2 ! xn ! e n x1 + x2 +...+ xn x1 ! x 2 ! ...x n !
Queremos maximizar esta probabilidade, que uma funo de . Como a funo logaritmica crescente, se maximizarmos a funo acima, tambm maximizamos seu logaritmo. Aplicando o logaritmo neperiano:
e n x1 + x2 +...+ xn ln x ! x ! ...x ! n 1 2 = n + ( x1 + x 2 + ... + x n ) ln( ) ln( x1! x 2 !... x n !)
Para achar o valor de que maximiza esta funo, derivamos em relao a e igualamos a zero. n + ( x1 + x 2 + ... + x n ) ( x1 + x 2 + ... + x n ) ( x1 + x 2 + ... + x n ) 1 1
=0
=n
1 = n
Ou seja, o valor de que maximiza a probabilidade de obtermos uma dada amostra (estimador de mxima verossimilhana) a mdia aritmtica da amostra.
Gabarito: D VI. FATOR DE CORREO PARA POPULAES FINITAS
Quando a amostragem feita sem reposio, a partir de uma populao finita, cada extrao no independente das demais. Sempre que pudermos considerar a populao bem grande, razovel considerar que cada extrao independente das demais. Contudo, quando o tamanho da populao (em relao ao tamanho da amostra) no for to grande, a aproximao fica ruim. Segundo o autor William J Stevenson, se a amostra for superior a 5% da populao, a aproximao fica ruim. Nestes casos, quando estivermos calculando o intervalo de confiana, precisaremos aplicar um fator de correo. o chamado fator de correo finita.
104
O fator de correo :
N n N 1
onde N o tamanho da populao e n o tamanho da amostra. Neste caso, os valores dos desvios-padro da mdia amostral e da proporo amostral ficam:
X =
sp =
EC 51 Petrobras 2008/2 [CESGRANRIO]
N n N 1
N n N 1
q p n
Um tcnico precisa definir o tamanho da amostra que ser utilizada em um plano de amostragem aleatria simples, sem reposio, visando estimao da mdia de uma caracterstica X da populao. Como a populao finita, ele decide utilizar para a varincia da distribuio amostral da mdia o Fator de Correo para Populaes Finitas, definido como N n , sendo N o tamanho da populao e n o tamanho da amostra. N 1 Com base na varincia populacional 2 conhecida, de modo a obter uma probabilidade (1 ) de que o erro amostral no ultrapasse , para mais ou para menos, a expresso do tamanho da amostra n, considerando z a abscissa da distribuio normal padro,
Resoluo. O erro mximo igual a . A frmula do erro :

105
erro _ max = Z 0 X
= Z0 X
O desvio-padro da mdia amostral dado por:
X =
N n N 1
= Z0 X = Z0
Elevando ao quadrado:
N n N 1 N n N 1 N n N 1 N 1) n
= Z0
2 2
2
n
E agora vem um grande trabalho braal para isolar o n:
2 = Z02 2 = Z02
2
n
2
N 1
2 = Z02 + Z0
2 2
2 N 2 Z0 N 1 n N 1
2
N 1
= Z0
N N 1 n
N 1 Z 0 N 2
2
( 2 + Z 0
2
N 1
2
)=
1 n
N 1 Z 0 N 2
2
(( N 1)
2
+ Z0 2 1 = N 1 n
2 2
(( N 1)
2
+ Z0 2
2
Z 0 N 2 n=
)= 1
2
(( N 1)
Z 0 N 2
2
+ Z0 2
Gabarito: C
EC 52 TJ PAR 2009 [FCC]
Uma empresa tem um total de 200 cabos em estoque. Uma experincia com 64 deles, selecionados ao acaso, apresentou uma tenso de ruptura mdia de 2.000 kg. Consideram-se
106
as tenses de ruptura dos cabos normalmente distribudas com desvio padro populacional igual a 100 kg. Para um nvel de significncia na distribuio normal padro (Z) a probabilidade P(Z > 1) = / 2 . A amplitude do intervalo de confiana de (1 ) para a 136 : tenso de ruptura mdia (em kg), considerando k = 199 (A) 12,5 k 1 (B) 20 k 1 (C) 12,5 k (D) 20 k (E) 25 k Resoluo. Notem que a populao finita pequena (200). A amostra de tamanho 64 representa 32% da populao. Vamos usar o fator de correo para populaes finitas. A amplitude do intervalo de confiana igual ao dobro do erro mximo cometido.
A = 2Z 0 X
O valor de Z 0 foi fornecido pelo enunciado.

Z0 = 1
O desvio padro da mdia amostral igual a:
X = X =
N n N 1
100 64
200 64 200 1
X =
100 136 8 199
X = 12,5 k
Portanto:
A = 2 1 12,5k = 25k
Gabarito: E
A razo das varincias do estimador de proporo numa populao de tamanho N, sob os esquemas de amostragem aleatria simples de tamanho n com reposio e sem reposio : (A) 1. (B) n/N.
107
(C) N/n. (D) (N-1)/(N-n). (E) (N-n)/(N-1). Resoluo: Quando a amostragem com reposio, o estimador fica:
sp =
q p n
Quando a amostragem sem reposio, o estimador fica:

sp =
q p n
N n N 1
A razo entre ambos dada por: N n 1 N 1 =

N 1 N n
S que esta relao acima vlida para os desvios-padro. Como a questo se referiu varincia, temos que elevar ao quadrado:
N 1 N n
Gabarito: D VII.
EC 1
LISTA DAS QUESTES DE CONCURSO
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 2 1 e varincia da amostra s 2 = X i X . Ento, correto afirmar que: 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 populao, respectivamente. (C) X tendencioso, mas S 2 no-tendencioso para a estimao da mdia e da varincia da populao, respectivamente.
108
(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.
EC 2
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) b)
(X
m) 2 m) 2
n 1
i
(X
n2
( X i m) 2 c) n 1
0,5
d) e)
(X (X
m) 2 m) 2
EC 3
Prefeitura de Manaus 2004 [CESGRANRIO] de mdia
Com
base em uma amostra aleatria simples (X1, X2, ..., Xn), X + X 2 + ... + X n , um estimador no viciado da varincia da populao : X = 1 n ( X 1 X ) 2 + ( X 2 X ) 2 + ... + ( X n X ) 2 n +1 ( X 1 X ) 2 + ( X 2 X ) 2 + ... + ( X n X ) 2 n ( X 1 X ) 2 + ( X 2 X ) 2 + ... + ( X n X ) 2 n 1
2 2 2
a) b) c)
2 X + X 2 + ... + X n d) 1 X n 2 X + X 2 + ... + X n e) 1 X n 1 2 2 2
EC 4
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.)
109
Considerando que as observaes apresentadas na questo anterior constituem uma amostra aleatria simples X1, X2, ..., Xn de uma varivel aleatria X, determine o valor mais prximo da varincia amostral, usando um estimador no tendencioso da varincia de X. Considere que:
23
X
i =1 23
= 388 = 8676
X
i =1
2 i
a) 96,85 b) 92,64 c) 94,45 d) 90,57 e) 98,73

EC 5
Paran Previdncia/2002. [CESPE]
Parte das atribuies do analista previdencirio a participao na elaborao de sistemas de informaes previdencirias. As informaes, em geral, vm de diversas fontes. importante que um sistema de informaes fornea com detalhes todo o processo metodolgico, desde a obteno dos dados at a sua disponibilizao para o usurio final. Para assegurar a fidedignidade dos dados, as possveis fontes de erros devem ser monitoradas e os erros, quando detectados, devem ser corrigidos. Nesse sentido, considere por hiptese, que o departamento DDD de determinada empresa deva coletar e enviar diariamente um conjunto de informaes para a previdncia. Ao longo do procedimento de envio dessas informaes, h vrias situaes problemticas, como dificuldades de transmisso dos dados, perda acidental de dados, atraso na coleta dos dados etc. Suponha que, ocorrendo uma dessas situaes problemticas, uma nova tentativa seja feita apenas no dia seguinte. Suponha ainda que, em 1.000 dias, um relatrio gerencial tenha apresentado os seguintes resultados. Quantidade de ocorrncias em dias Impossibilidade de coleta das informaes dentro 300 do prazo Problema na transmisso dos dados coletados 140 Problema na recepo dos dados transmitidos 56 Julgue os itens seguintes, com base na situao hipottica descrita acima. 1. Uma estimativa da probabilidade de sucesso na coleta das informaes dentro do prazo de 0,7. 2. A estimativa da probabilidade de ocorrer problema de transmisso dos dados coletados igual a 0,14. 3. Assumindo que as probabilidades permaneam constantes ao longo do tempo e considerando que a previdncia no tenha, em um determinado dia, recebido o conjunto de informaes do departamento DDD, a probabilidade de o DDD ainda no haver coletado o conjunto de dados naquele dia superior a 0,50.
Situao
110
EC 6
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 Nmero de clientes observados proporo de clientes satisfeitos 2 30 0,9 3 40 0,8 4 20 0,9 5 50 0,8 6 70 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. INEP 2008 [CESGRANRIO]
EC 7
Estime a proporo de candidatos, dentre os homens, que NO considerou o exame fcil. O valor estimado (A) 22,0% (B) 38,4% (C) 48,5% (D) 84,6% (E) 85,2%
EC 8
INEP 2008 [CESGRARNIO]
Estime a proporo de candidatos que considerou o exame fcil. O valor estimado (A) 57,3% (B) 34,4% (C) 15,3% (D) 14,7% (E) 13,7% INEP 2008 [CESGRANRIO]
EC 9
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
111
c) d) e)
s n s n
s2 n
Analisando-se as estatsticas da tabela, conclui-se que (A) mais da metade dos alunos alcanou nota acima da mdia. (B) no mnimo trs quartos dos alunos alcanaram nota 66,57. (C) o coeficiente de variao igual a 4,16%. (D) o coeficiente de variao quartil igual a 24,03%. (E) o erro padro da mdia igual a 1,0.
EC 11 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. F ( z) z 1,20 0,885 1,60 0,945 1,64 0,950
112
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.
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 15 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):
113
(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
EC 16 CGU 2008 [ESAF]
Construa um intervalo de 95% de conana para a mdia de uma populao normal a partir dos dados de uma amostra aleatria simples de tamanho 64 desta populao, que forneceu uma mdia de 48 e um desvio-padro amostral de 16, considerando que F(1,96) = 0,975, onde F(z) a funo de distribuio de uma varivel aleatria normal padro Z. a) 44,08 a 51,92. 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 17 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]
Uma amostra aleatria simples de tamanho 25 foi selecionada para estimar a mdia desconhecida de uma populao normal. A mdia amostral encontrada foi 4,2, e a varincia amostral foi 1,44. O intervalo de 95% de confiana para a mdia populacional : (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
114
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 x 1,20 1,60 1,64 F(x) 0,885 0,945 0,950 x 1,37 1,81 2,36 Tabela 2 F(x) 0,90 0,95 0,98 x 1,75 2,25 2,60 Tabela 3 F(x) 0,95 0,98 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
Para resolver a questo abaixo, considere as tabelas a seguir. Elas fornecem alguns valores da distribuio F(x). A tabela 1 refere-se varivel normal padro, as tabelas 2 e 3 referem-se varivel t de Student com 15 e 16 graus de liberdade, respectivamente: Tabela 1 F(x) X 1,60 0,945 1,64 0,950 2,00 0,977 Tabela 2 F(x) X 1,753 0,95 2,248 0,98 2,583 0,99 Tabela 3 x F(x) 1,746 0,95 2,235 0,98 2,567 0,99
Supondo-se que a porcentagem da receita investida em educao, dos 600 municpios de uma regio, tem distribuio normal com mdia , deseja-se estimar essa mdia. Para tanto se sorteou dentre esses 600, aleatoriamente e com reposio, 16 municpios e se observou os percentuais investidos por eles em educao. Os resultados indicaram uma mdia amostral de 8% e desvio padro amostral igual a 2%. Um intervalo de confiana para , com coeficiente de confiana de 96%, dado por: a) (8 1,124)% b) (8 1,117)% c) (8 0,877)% d) (8 0,870)% e) (8 0,755)%
115
P( Z > 2) = 0,023 ; P (0 < Z < 1,6) = 0,445 ; P ( Z < 1) = 0,84 ; P(0 < Z < 2,33) = 0,49
Se t tem distribuio de Student com 24 graus de liberdade, ento:

P (t < 2,06) = 0,975 ; P (t < 2,49) = 0,99 ; P (t < 1,71) = 0,95
O ndice de massa corprea calculado dividindo o peso da pessoa pelo quadrado de sua altura. Para a populao de homens de meia idade que mais tarde desenvolvem a doena de diabetes, a distribuio dos ndices bsicos de massa corprea aproximadamente normal com mdia e desvio padro desconhecidos. Para uma amostra de 25 homens selecionados desse grupo, observou-se um ndice mdio de X = 25,2 kg/m2 com desvio padro s = 2,5 kg/m2. Um intervalo de confiana de 95% para a mdia da populao dado por: a) 25,2 2,15 b) 25,2 1,56 c) 25,2 1,03 d) 25,2 0,86 e) 25,2 0,68
EC 22 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.
0,900 1,345 1,341 1,337 1,333
0,950 1,761 1,753 1,746 1,740
0,975 2,145 2,131 2,120 2,110
0,990 2,625 2,603 2,584 2,567
14 15 16 17 a) [139,34; 160,66] b) [139,40; 160,60] c) [141,23; 158,77] d) [141,19; 158,81]
116
e) [140,00; 160,00]
Uma amostra aleatria simples X1, X2, ..., X16, de tamanho 16, de uma distribuio normal foi observada e indicou as seguintes estatsticas:
X i = 70,4 e
i =1
16
(X
i 1
16
X ) 2 = 60
O intervalo usual de 95% de confiana para a mdia populacional, com duas casas decimais, : (A) (3,58 , 5,22). (B) (3,47 , 5,33). (C) (3,33 , 5,47). (D) (3,19 , 5,61). (E) (3,01 , 5,81).
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%
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 26 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
117
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
Uma nova marca de lmpada est sendo estudada. Baseado em estudos anteriores com outras marcas similares, pode-se admitir que a vida mdia segue uma distribuio normal com desvio padro de 8 meses. Tendo como base estes resultados, o tamanho da amostra necessrio para que a amplitude do intervalo de 95% de confiana (utilize a aproximao P(1 Z 2) = 0,95 , onde Z a normal padro) para a vida mdia seja de 4 meses de: a) 8 b) 12 c) 16 d) 64 e) 128
P( Z > 2) = 0,023 ; P (0 < Z < 1,6) = 0,445 ; P ( Z < 1) = 0,84 ; P(0 < Z < 2,33) = 0,49
Para estimar a proporo de cura de um medicamento antiparasitrio realizou-se um experimento clnico, aplicando-se o medicamento em n doentes escolhidos ao acaso. Nesta amostra foi considerado que 80% dos doentes foram curados. Com base nestas informaes e utilizando o Teorema Central do Limite, o valor de n, para que o erro cometido na estimao seja no mximo 0,08, com confiana de 89%, de: a) 16 b) 25 c) 36 d) 49 e) 64
Para resolver a questo abaixo, considere as tabelas a seguir. Elas fornecem alguns valores da distribuio F(x). A tabela 1 refere-se varivel normal padro, as tabelas 2 e 3 referem-se varivel t de Student com 15 e 16 graus de liberdade, respectivamente: Tabela 1 F(x) X Tabela 2 F(x) X Tabela 3 x F(x)
118
1,60 1,64 2,00
0,945 0,950 0,977
1,753 2,248 2,583
0,95 0,98 0,99
1,746 2,235 2,567
0,95 0,98 0,99
Um engenheiro encarregado do controle de qualidade deseja estimar a proporo p de lmpadas defeituosas de um lote, com base numa amostra de tamanho 400. Sabe-se, com base em experincias anteriores, que p deve estar prximo de 0,5. Usando o teorema do limite central para estimar a amplitude do intervalo de confiana de 90% para p, podemos afirmar que a amplitude do intervalo de confiana , aproximadamente, igual a: a) 0,041 b) 0,045 c) 0,058 d) 0,070 e) 0,082
Em uma pesquisa de mercado foi estimado que 50% das pessoas entrevistadas preferem a marca X de um produto. Se, com base no resultado dessa pesquisa, quisermos fazer outra para estimar novamente esta preferncia, o tamanho de amostra aleatria simples necessrio, para que tenhamos um erro amostral de 0,02 com probabilidade de 95%, dever ser: a) 1000 b) 1024 c) 2500 d) 1900 e) 2000 Dados: utilize a aproximao P (2 Z 2) = 0,95 , onde Z a normal padro.
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 x 1,20 1,60 1,64 F(x) 0,885 0,945 0,950 x 1,37 1,81 2,36 Tabela 2 F(x) 0,90 0,95 0,98 x 1,75 2,25 2,60 Tabela 3 F(x) 0,95 0,98 0,99
Um engenheiro encarregado do controle de qualidade deseja estimar a proporo p de lmpadas defeituosas de um lote, com base numa amostra de tamanho suficientemente grande. Sabe-se, com base em experincias anteriores, que p deve estar prxima de 0,5. Que tamanho deve ter a amostra se ele deseja que o erro de estimao seja no mximo 0,02, com confiana de 90%. a) 800 b) 1082 c) 1241
119
d) 1530 e) 1681
EC 32 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 33 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
Qual o tamanho mnimo que deve ter uma amostra aleatria simples para estimar, com 95% de confiana e erro mximo de 2 pontos porcentuais, a proporo de eleitores que pretendem votar no candidato X? (A) 2 500 (B) 2 401 (C) 1 692 (D) 1 200 (E) 912
EC 35 CAPES 2008 [CESGRANRIO] - adaptada
120
Os limites do intervalo de confiana de 95,0% obtido para a mdia dos escores da populao so (50,97; 54,89). Conclui-se, assim, que (A) quanto maior a amplitude do intervalo, menor o nvel de confiana da estimao. (B) a amplitude do intervalo varia proporcionalmente com o tamanho da amostra. (C) o erro cometido na estimao do intervalo 0,95. (D) o intervalo de 99% de confiana ter amplitude maior que 3,92. (E) o ponto mdio do intervalo a mdia da populao, .
EC 36 PM MANAUS 2004 [CESGRANRIO]
O tamanho mnimo que deve ter uma amostra aleatria simples para estimar, com 90% de confiana e erro de 2 pontos porcentuais, a proporo de estudantes com problemas de viso e que no usam lentes corretoras, aproximadamente, vale: (A) 912 (B) 1 200 (C) 1 692 (D) 4 500 (E) 9 898
Considerando que a margem de erro foi de 2 pontos percentuais, para mais ou para menos, quantos eleitores foram ouvidos, se o nvel de confiana utilizado foi de 95%? (A) 1 247 (B) 1 684 (C) 1 820 (D) 2 377 (E) 2 642
Caso uma amostra de 100 eleitores fosse utilizada, o intervalo aproximado de 95% de confiana para a preferncia dos eleitores nesse candidato seria: (A) 45% 6% (B) 45% 8% (C) 45% 10% (D) 45% 12% (E) 45% 14%
121
Na estimao da mdia de uma populao cujo desvio-padro 4, usando uma amostra aleatria de tamanho 120, obteve-se o seguinte intervalo de 95% de confiana para a mdia: 5 2. O tamanho de amostra que dever ser considerado para que o comprimento do intervalo de 95% seja reduzido metade : (A) 60. (B) 240. (C) 300. (D) 360. (E) 480.
Uma pesquisa recente foi realizada para avaliar o percentual da populao favorvel eleio de um determinado ponto turstico para constar no selo comemorativo de aniversrio da cidade. Para isso, selecionou-se uma amostra aleatria simples extrada de uma populao infinita. O resultado apurou 50% de inteno de votos para esse ponto turstico. Considerando que a margem de erro foi de 2 pontos percentuais, para mais ou para menos, e que o nvel de confiana utilizado foi de 95%, foram ouvidas, aproximadamente: (A) 50 pessoas. (B) 100 pessoas. (C) 1.200 pessoas. (D) 2.400 pessoas. (E) 4.800 pessoas.
Um estatstico de uma companhia telefnica deseja estimar a proporo p de clientes satisfeitos com a introduo de um novo tipo de servio. Suponha que o nmero de clientes da companhia seja grande. Sabe-se, com base em experincias anteriores, que p deve estar prxima de 0,50. O menor tamanho de amostra que ele deve considerar de modo a garantir com probabilidade de 95% um erro absoluto de estimao de no mximo 0,02 : (A) 800. (B) 1082. (C) 1530. (D) 1681. (E) 2401.
Para examinar a opinio de uma populao sobre uma proposta, foi montada uma pesquisa de opinio em que foram ouvidas 1680 pessoas, das quais 51,3% se declararam favorveis proposta. Os analistas responsveis determinaram que a margem de erro desse resultado, em um determinado nvel de confiana, era de 2 pontos percentuais, para mais ou para menos. Considerando que fosse desejada uma margem de erro de 1 ponto percentual, para mais ou para menos, no mesmo nvel de confiana, assinale a alternativa que indique o nmero de pessoas que deveriam ser ouvidas.
122
(A) 840 (B) 2520 (C) 3360 (D) 5040 (E) 6720 Texto para questes EC 43 e EC 44. Para responder s questes seguintes, considere as distribuies amostrais de cinco estimadores propostos para estimar o parmetro T de uma populao, ilustradas na figura apresentada a seguir.
Se o interesse for um estimador no viesado, deve-se utilizar apenas (A) T1 (B) T4 (C) T1 ou T4 (D) T2 ou T5 (E) T1 ou T2 ou T3
Levando-se em conta as propriedades de um bom estimador, o melhor dentre os estimadores propostos (A) T1
123
(B) T2 (C) T3 (D) T4 (E) T5

Considere as asseres a seguir. A mdia amostral sempre um estimador no viciado para a mdia de uma populao. PORQUE O erro padro do estimador no viciado para a mdia de uma populao maior do que a varincia da populao. Analisando-se as asseres, conclui-se que (A) as duas asseres so verdadeiras, e a segunda uma justificativa correta da primeira. (B) as duas asseres so verdadeiras, e a segunda no uma justificativa correta da primeira. (C) a primeira assero verdadeira, e a segunda falsa. (D) a primeira assero falsa, e a segunda verdadeira. (E) a primeira e a segunda asseres so falsas.
Com base em uma amostra aleatria simples (X1, X2,..., Xn) de uma populao de mdia conhecida , um estimador no viciado da varincia da populao : ( X 1 ) 2 + ( X 2 ) + ... + ( X n ) a) n2
2 2 2
( X 1 ) 2 + ( X 2 ) + ... + ( X n ) b) n 1 ( X 1 ) 2 + ( X 2 ) + ... + ( X n ) c) n
2 2
( X 1 ) 2 + ( X 2 ) + ... + ( X n ) d) n +1 ( X 1 ) 2 + ( X 2 ) + ... + ( X n ) e) n+2

2
Com relao teoria geral da amostragem, incorreto afirmar que: a) Quanto menor o erro padro da estimativa, menor ser a confiabilidade e a preciso da estimativa. b) Em uma amostra por conglomerados a populao dividida em sub-populaes distintas. c) A realizao de uma amostragem aleatria simples s possvel se o pesquisador possuir uma lista completa de cada unidade amostral.
124
d) Um estimador considerado no viciado quando sua esperana igual ao valor populacional que est sendo pesquisado. e) Amostragem estratificada consiste na diviso de uma populao em grupos segundo alguma caracterstica conhecida. Os estratos da populao devem ser mutuamente exclusivos.
Com relao teoria geral da amostragem, correto afirmar que: a) na amostragem aleatria simples, a seleo das unidades amostrais s pode ser realizada sem reposio. b) a amostragem por conglomerados em geral mais eficiente e menos econmica quando comparada com o mtodo de amostragem aleatria simples. c) na amostragem estratificada, os estratos da populao no necessitam ser mutuamente exclusivos. d) o aumento do tamanho da amostra tem como conseqncia o aumento do erro padro das estimativas e) o vis ou vcio de um estimador de um parmetro a diferena entre o seu valor esperado e o valor do parmetro.
EC 49 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
Com base em uma amostra aleatria ( x1 , x 2 ,..., x n ) o estimador de mxima verossimilhana do parmetro na distribuio de Poisson, P ( X = x) = (A) mdia quadrtica da amostra. (B) mdia geomtrica da amostra. (C) mdia harmnica da amostra. (D) mdia aritmtica da amostra. (E) mediana da amostra.
EC 51 Petrobras 2008/2 [CESGRANRIO]
e x para x = 0,1,2,... a: x!
Um tcnico precisa definir o tamanho da amostra que ser utilizada em um plano de amostragem aleatria simples, sem reposio, visando estimao da mdia de uma caracterstica X da populao. Como a populao finita, ele decide utilizar para a varincia
125
da distribuio amostral da mdia o Fator de Correo para Populaes Finitas, definido como N n , sendo N o tamanho da populao e n o tamanho da amostra. N 1 Com base na varincia populacional 2 conhecida, de modo a obter uma probabilidade (1 ) de que o erro amostral no ultrapasse , para mais ou para menos, a expresso do tamanho da amostra n, considerando z a abscissa da distribuio normal padro,
EC 52 TJ PAR 2009 [FCC]
Uma empresa tem um total de 200 cabos em estoque. Uma experincia com 64 deles, selecionados ao acaso, apresentou uma tenso de ruptura mdia de 2.000 kg. Consideram-se as tenses de ruptura dos cabos normalmente distribudas com desvio padro populacional igual a 100 kg. Para um nvel de significncia na distribuio normal padro (Z) a probabilidade P(Z > 1) = / 2 . A amplitude do intervalo de confiana de (1 ) para a 136 tenso de ruptura mdia (em kg), considerando k = : 199 (A) 12,5 k 1 (B) 20 k 1 (C) 12,5 k (D) 20 k (E) 25 k
A razo das varincias do estimador de proporo numa populao de tamanho N, sob os esquemas de amostragem aleatria simples de tamanho n com reposio e sem reposio : (A) 1.
126
(B) n/N. (C) N/n. (D) (N-1)/(N-n). (E) (N-n)/(N-1).

VIII. GABARITO DAS QUESTES DE CONCURSO
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27
b e c a certo errado certo errado d d d e b e b e a a a a c a c a c c a e d
28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53
e e c e c d b d c d c e d e e e b c c a e b d c e d
127
IX. 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 0,02 0,03 0,04 0,05 0,06 0,07 0,0080 0,0120 0,0160 0,0199 0,0239 0,0279 0,0478 0,0517 0,0557 0,0596 0,0636 0,0675 0,0871 0,0910 0,0948 0,0987 0,1026 0,1064 0,1255 0,1293 0,1331 0,1368 0,1406 0,1443 0,1628 0,1664 0,1700 0,1736 0,1772 0,1808 0,1985 0,2019 0,2054 0,2088 0,2123 0,2157 0,2324 0,2357 0,2389 0,2422 0,2454 0,2486 0,2642 0,2673 0,2704 0,2734 0,2764 0,2794 0,2939 0,2967 0,2995 0,3023 0,3051 0,3078 0,3212 0,3238 0,3264 0,3289 0,3315 0,3340 0,3461 0,3485 0,3508 0,3531 0,3554 0,3577 0,3686 0,3708 0,3729 0,3749 0,3770 0,3790 0,3888 0,3907 0,3925 0,3944 0,3962 0,3980 0,4066 0,4082 0,4099 0,4115 0,4131 0,4147 0,4222 0,4236 0,4251 0,4265 0,4279 0,4292 0,4357 0,4370 0,4382 0,4394 0,4406 0,4418 0,4474 0,4484 0,4495 0,4505 0,4515 0,4525 0,4573 0,4582 0,4591 0,4599 0,4608 0,4616 0,4656 0,4664 0,4671 0,4678 0,4686 0,4693 0,4726 0,4732 0,4738 0,4744 0,4750 0,4756 0,4783 0,4788 0,4793 0,4798 0,4803 0,4808 0,4830 0,4834 0,4838 0,4842 0,4846 0,4850 0,4868 0,4871 0,4875 0,4878 0,4881 0,4884 0,4898 0,4901 0,4904 0,4906 0,4909 0,4911 0,4922 0,4925 0,4927 0,4929 0,4931 0,4932 0,4941 0,4943 0,4945 0,4946 0,4948 0,4949 0,4956 0,4957 0,4959 0,4960 0,4961 0,4962 0,4967 0,4968 0,4969 0,4970 0,4971 0,4972 0,4976 0,4977 0,4977 0,4978 0,4979 0,4979 0,4982 0,4983 0,4984 0,4984 0,4985 0,4985 0,4987 0,4988 0,4988 0,4989 0,4989 0,4989
Z0 0,0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1,0 1,1 1,2 1,3 1,4 1,5 1,6 1,7 1,8 1,9 2,0 2,1 2,2 2,3 2,4 2,5 2,6 2,7 2,8 2,9 3,0
0 0,0000 0,0398 0,0793 0,1179 0,1554 0,1915 0,2257 0,2580 0,2881 0,3159 0,3413 0,3643 0,3849 0,4032 0,4192 0,4332 0,4452 0,4554 0,4641 0,4713 0,4772 0,4821 0,4861 0,4893 0,4918 0,4938 0,4953 0,4965 0,4974 0,4981 0,4987
0,01 0,0040 0,0438 0,0832 0,1217 0,1591 0,1950 0,2291 0,2611 0,2910 0,3186 0,3438 0,3665 0,3869 0,4049 0,4207 0,4345 0,4463 0,4564 0,4649 0,4719 0,4778 0,4826 0,4864 0,4896 0,4920 0,4940 0,4955 0,4966 0,4975 0,4982 0,4987
0,08 0,0319 0,0714 0,1103 0,1480 0,1844 0,2190 0,2517 0,2823 0,3106 0,3365 0,3599 0,3810 0,3997 0,4162 0,4306 0,4429 0,4535 0,4625 0,4699 0,4761 0,4812 0,4854 0,4887 0,4913 0,4934 0,4951 0,4963 0,4973 0,4980 0,4986 0,4990
0,09 0,0359 0,0753 0,1141 0,1517 0,1879 0,2224 0,2549 0,2852 0,3133 0,3389 0,3621 0,3830 0,4015 0,4177 0,4319 0,4441 0,4545 0,4633 0,4706 0,4767 0,4817 0,4857 0,4890 0,4916 0,4936 0,4952 0,4964 0,4974 0,4981 0,4986 0,4990
128
CURSOONLINERACIOCNIOLGICOPARADESESPERADOS PROFESSORES:GUILHERMENEVESEVTORMENEZES X. 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 liberdade 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 40 60 99 120 Valores de P (Probabilidade associada ao intervalo) 0,9 0,95 0,98 0,99 6,314 12,706 31,821 63,657 2,920 4,303 6,965 9,925 2,353 3,182 4,541 5,841 2,132 2,776 3,747 4,604 2,015 2,571 3,365 4,032 1,943 2,447 3,143 3,707 1,895 2,365 2,998 3,499 1,860 2,306 2,896 3,355 1,833 2,262 2,821 3,250 1,812 2,228 2,764 3,169 1,796 2,201 2,718 3,106 1,782 2,179 2,681 3,055 1,771 2,160 2,650 3,012 1,761 2,145 2,624 2,977 1,753 2,131 2,602 2,947 1,746 2,120 2,583 2,921 1,740 2,110 2,567 2,898 1,734 2,101 2,552 2,878 1,729 2,093 2,539 2,861 1,725 2,086 2,528 2,845 1,721 2,080 2,518 2,831 1,717 2,074 2,508 2,819 1,714 2,069 2,500 2,807 1,711 2,064 2,492 2,797 1,708 2,060 2,485 2,787 1,706 2,056 2,479 2,779 1,703 2,052 2,473 2,771 1,701 2,048 2,467 2,763 1,699 2,045 2,462 2,756 1,697 2,042 2,457 2,750 1,684 2,021 2,423 2,704 1,671 2,000 2,390 2,660 1,660 1,984 2,365 2,626 1,658 1,980 2,358 2,617 1,645 1,960 2,326 2,576
0,8 3,078 1,886 1,638 1,533 1,476 1,440 1,415 1,397 1,383 1,372 1,363 1,356 1,350 1,345 1,341 1,337 1,333 1,330 1,328 1,325 1,323 1,321 1,319 1,318 1,316 1,315 1,314 1,313 1,311 1,310 1,303 1,296 1,290 1,289 1,282
0,995 127,321 14,089 7,453 5,598 4,773 4,317 4,029 3,833 3,690 3,581 3,497 3,428 3,372 3,326 3,286 3,252 3,222 3,197 3,174 3,153 3,135 3,119 3,104 3,091 3,078 3,067 3,057 3,047 3,038 3,030 2,971 2,915 2,871 2,860 2,807

RLQ Desesperados - Aula 18 - CR - 2010

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

RLQ Desesperados - Aula 18 - CR - 2010

Transféré par

Droits d'auteur :

Formats disponibles

1 CURSOONLINERACIOCNIOLGICOPARADESESPERADOS PROFESSORES:GUILHERMENEVESEVTORMENEZES AULA 18 Estimadores.

Estimativa por ponto e por intervalo

I. 1. 2. 3. II. 1. 2. 3. III. 1. 2. IV. V. 1. 2. 3. 4. VI. VII. VIII. IX. X.

Estimador para a mdia

Para varincia, o estimador que vamos usar geralmente :

b) O estimador de mxima verossimilhana aquele com n no denominador.

SEFAZ RJ 2008 [FGV]

Prefeitura de Manaus 2004 [CESGRANRIO] de mdia

Resoluo. Quando queremos o estimador no-viciado, o denominador igual a n 1 .

SEFAZ SP 2009 [ESAF]

a) 96,85 b) 92,64 c) 94,45 d) 90,57 e) 98,73 Resoluo. A mdia fica:

A mdia dos quadrados das observaes fica: X2 = 8676 23

A varincia (com n no denominador), dada por: X2 X

= 394,36 297,52 = 96,84

. A proporo verificada na amostra 50%. Chamamos de p

140 = 0,20 700

O nmero de clientes satisfeitos foi de:

30 0,9 + 40 0,8 + 20 0,9 + 50 0,8 + 70 0,6 = 159

A proporo de clientes satisfeitos na amostra : = p 159 = 0,7571 . 210

Portanto, o item est errado. A estimativa de 75,71%. inferior a 80%.

INEP 2008 [CESGRANRIO]

INEP 2008 [CESGRARNIO]

INTERVALO DE CONFIANA PARA A MDIA

X como uma varivel aleatria

a mdia da populao ( o valor que pretendemos estimar)

X pode ser vista como uma varivel aleatria!

possvel demonstrar que:

Um outro smbolo possvel para a varincia de X seria: X . Portanto:

A varincia de X dada por: V (X ) = A varincia da populao foi de 1,25. 0,625 = 0,625 1

INEP 2008 [CESGRANRIO]

CAPES 2008 [CESGRANRIO]

s 12,72 = = 0,24 X 52,93

66,57 41,69 0,23 66,57 + 41,69

150 + 144 2 144

EC 11 CGU - 2008 [ESAF]

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

1010 1016 = 1,2 5

A mdia de X coincide com a mdia populacional.

Para resolver o enunciado original, sem a adaptao, ficaramos com:

X uma varivel aleatria de mdia e desvio padro:

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

Fomos informados que:

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

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

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

P(1 < Z < 1) = 1 0,16 0,16 = 0,68

A esperana da soma igual soma das esperanas:

Agora vamos para a varincia:

Quando dividimos as variveis por n, a varincia sofre a diviso ao quadrado.

A mdia da populao, esta ns no conhecemos. Vamos cham-la de .

Vamos obter uma amostra de tamanho 4.

Portanto, o desvio padro da varivel X dado por:

assumir valores entre -1,96 e 1,96 de 95%.

3,92 2,5 3,92

2,5 = 3,92 Este caso extremo ocorreria se

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

Quarto passo: determinar o intervalo de confiana.

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

X para a amostra feita.

EC 16 CGU 2008 [ESAF]

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