6.

CONCLUINDO
6.1 Significncias estatstica e prtica
Do ponto de vista prtico quando se est tomando decises, pode haver uma significncia
estatstica no sentido de que a hiptese de nulidade (nula) deve ser rejeitada, mas o
afastamento real da hiptese de nulidade (nula) do que foi observado pode ser de pouca (ou
nenhuma) significncia prtica (engenheiros poderiam cham-la significncia de engenharia).
Isso mais verdadeiro quanto maior o tamanho da amostra.
Em uma situao prtica, por exemplo, a diferena entre 50 ppb e 50,5 ppb no grande o
suficiente para ser considerada; ou seja, concluir que o valor 50 ppb, quando, na verdade, ele
50,5 ppb um erro inexpressivo e no tem significncia prtica. Para amostras
razoavelmente grandes, com base no valor 50ppb, um verdadeiro valor de 50,5ppb far com
que a mdia amostral esteja perto dele, e a hiptese de nulidade (nula) ser rejeitada. Desse
modo, deve-se ter cuidado ao interpretar resultados de um teste de hipteses quando o
tamanho da amostra grande, porque pequenas diferenas do valor da hiptese de nulidade
(nula) sero provavelmente notadas, mesmo quando so de pouca ou nenhuma significncia
prtica.

As decises devem sempre basear-se em nmeros, resultantes de

clculos a partir de modelos matemticos, mas confiar cegamente nos
nmeros, sem atentar para a adequao dos resultados vida prtica
uma heresia.

Pg. 6-1

6.2 - PRA NO DIZER QUE NO FALEI....

Ao invs de se usar a distribuio t de Student, muitos ainda utilizam a distribuio de Gauss
chamada padronizada (ressaltando que adequada apenas para amostras grandes, sem
definir exatamente o que seja grande). Mais ainda, impe-se a condio do desvio-padro da
populao ser conhecido. Entretanto, se deseja estimar a mdia da populao, no se conhece
ela. Como, ento, dizer que o desvio-padro da populao conhecido se para o clculo dele
depende da mdia que desconhecida naquele momento?

Um pouco de histria
H dois milnios, os clculos matemticos eram todos feitos mo, o que demandava tempo
para a apresentao dos resultados. Este foi um dos motivos para haver modelos estatsticos
que tinham como condies iniciais hipteses simplificadoras que permitissem usar o modelo
terico, desenvolvido at ento, que naquela poca era o da chamada distribuio normal (o
nome mais adequado distribuio de Gauss ou, o mais justo, distribuio de deMoivreLaplace-Gauss), o que levou ao uso indiscriminado dela.
Se observarmos a Figura A3.1, exemplos da distribuio de Gauss, em nenhuma delas temos
a forma de um sino., porque o que caracteriza a distribuio de deMoivre-Laplace-Gauss a
sua expresso matemtica, sendo uma heresia dizer que ela tem a forma de um sino.

Figura A3.1.- Distribuio de deMoivre-Laplace-Gauss (distribuio normal)

Mais ainda, observe-se que se considerasse tudo como tendo uma distribuio normal, o que
seria das outras distribuies? Inferncia errada pensar que qualquer fenmeno pode ser
resolvido com a normal.
O motivo de tal distoro que o que mais se estima a mdia da populao a partir da mdia
amostral. Ocorre que, pelo Teorema Central do Limite (e no Teorema do Limite Central), a
distribuio da mdia amostral (e somente dela) tende para uma distribuio de DeMoivreLaplace-Gausss, conforme mostra a Figura A3.2, qualquer que seja a distribuio de
probabilidades original dos eventos,

Figura A.3.2. -. Ilustrao do Teorema Central do Limite: a partir de quaisquer distribuies de

valores,o da mdia amostral tende para distribuio de Gauss.

Pg. 6-2

Desse modo, para estimar-se a mdia da populao, admitido conhecido o desvio-padro da

populao, muitos livros usam, ainda, a distribuio de deMoivre-Laplace-Gauss, e o intervalo
de confiana dado pela seguinte expresso:

X z

X +z

Observe-se que, mudando-se o enfoque da disperso (agora o desvio-padro da populao),

muda-se, tambm, o modelo estatstico, cujo fator relacionado confiana agora
representado pela letra z.
MISTRIO DA ESTATSTICA
Todavia, se eu quero estimar a mdia da populao, esta desconhecida. Desse
modo, como conhecer o desvio-padro da populao se para o clculo dele
necessrio calcular a mdia da populao?

EA3-1

RESPOSTA

Simplificar a estimao da mdia da populao pelo uso da distribuio de Gauss pensar

como 200 anos atrs, porque, hoje, os aplicativos computacionais fazem os clculos
matemticos de modo muitssimo mais fcil. Para usar a distribuio de Gauss:
admite-se que o desvio-padro da populao seja igual ao desvio-padro da
amostra ou, ento

que o desvio-padro da populao seja igual ao desvio-padro dos resultados de

todas as amostras at um determinado momento.

Fazendo comparaes como visto no Captulo 3, temos que:

Mdia Am - confiana .

X z

X t

EA3-2

disperso
tamanho da amostra

s
n

X +z

X +t

disperso
tamanho da amostra

s
n

Retiraram-se, aleatoriamente, 25 itens de uma populao para constiturem uma

amostra, a partir da qual se calculou apenas a mdia aritmtica, de valor 50,
porque, tendo em vista o histrico das medies, admite-se que o desvio-padro
seja igual a 8. Determinar uma estimativa para a mdia da populao com uma
confiana de 95%, usando a distribuio de Gauss.

X z
RESPOSTA

Mdia Am - confiana .

50 z

X +z
8
25

50 + z

n
8
25

Pg. 6-3

Como saber o valor de z?

No Excel, em Inserir Funo, escolhe-se a funo INVNORMP, resultando na
Figura A3.3.

Figura A3.3 - A funo INVNORMP

Nele, digita-se, em Probabilidade, 1 menos a metade do valor do erro que se
admite cometer, conforme Figura A3.4.
(1- /2)

Figura A3.4 - A funo com os dados do exemplo 38

Ento:

50 z

50 1,96

8
25
8
25

50 + z

50 + 1,96

8
25
8
25

46,864 53,136
No caso do modelo de deMoivre-Laplace-Gauss o conceito permanece o mesmo:
relacionamento entre confiana e fator.
Ocorre que, agora, diferentemente da distribuio de Student, o fator independe do tamanho da
amostra, e a tabela nica (Tabela A3.1).

Pg. 6-4

Tabela A3.1 - Fatores associados a confianas com base na distribuio de deMoivre-LaplaceGauss

Confiana

Fator

90%

1,644853627

95%

1,959963985

99%

2,575829304

At agora, viu-se o clculo do intervalo de confiana para a mdia da populao. E se desejarse estimar a proporo de algo? O conceito semelhante, assim como a frmula matemtica:

pz

p (1 - p)
n

Tambm usando o mesmo conceito,, fica-se mais confortvel usando-se a distribuio de

Student para o fator t, o que leva expresso:

pt

p (1 - p)
n

Pg. 6-5