Raciocínio Lógico - Aula 11

Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados em
Exerccios, incluindo Matemtica, Matemtica Financeira e Estatstica

Profs. Alexandre Lima e Moraes Junior
Aula 11 - Questes Comentadas e Resolvidas
Estimao de Parmetros. Estimador e estimativa, justeza, vcio de
estimao, eficincia, erro quadrtico mdio, mtodo da mxima
verossimilhana. Estimao por ponto e por intervalo. Intervalos de
confiana.
Gostaramos de tecer alguns comentrios antes de iniciarmos a nossa aula de
hoje. Primeiramente, sabemos que o assunto Estimao no bvio. No
obstante, este tpico est sendo cobrado nas ltimas provas para Analista do
BACEN, Analista da SUSEP, Fiscal do ICMS-RJ, etc. Logo, voc precisa adquirir
uma noo desta matria, ainda que no consiga entender 100% do que
ensinaremos para voc nesta aula. Mas quem disse que o(a) candidato(a)
aprovado(a) aquele(a) que sabe 100% de tudo que cai na prova?!
Em segundo lugar, e que talvez seja o ponto mais importante se
considerarmos a mdia de tudo que vem sendo cobrado pelas bancas de
Raciocnio Lgico Quantitativo na parte de Estatstica, esta aula visa criar uma
ponte para as prximas duas aulas, as quais cobriro tpicos que tm sido
cobrados com frequncia nas provas da rea fiscal e correlatas, a saber: testes
de hipteses e inferncia estatstica e anlise de varincia do modelo de
regresso linear.
Como a nossa poltica ensinar o que poder cair na prova, e no
simplesmente colocar voc para memorizar frmulas que no fazem o menor
sentido, optamos por incluir esta aula ponte entre a aula anterior e as
prximas duas aulas visando a um melhor aproveitamento da parte de
Estatstica do curso.
Are you ready? Lets go! Voltemos nossa aula.
1. (ICMS-RJ/2009/FGV) 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
www.pontodosconcursos.com.br

D) 5040
E) 6720
Resoluo
PRELIMINARES: ESTIMAO DE PARMETROS
INTRODUO
A partir desta aula, focaremos o estudo da Inferncia Estatstica, cujo
objetivo inferir propriedades da populao a partir de uma amostra.
A Inferncia Estatstica pode ser dividida em duas partes: estimao de
parmetros e testes de hipteses. Nesta aula abordaremos a estimao,
mas apenas no que diz respeito estimao dos parmetros de uma
distribuio populacional.
A teoria da Probabilidade fornece vrios modelos probabilsticos (distribuies
de probabilidades), tais como binomial, Poisson, normal, etc. Tais modelos
representam famlias de distribuies que dependem de um ou mais
parmetros. Por exemplo, uma distribuio normal caracterizada pela mdia
e desvio-padro .
Quando descrevemos uma populao, fazemos isso por meio de algum modelo
probabilstico, cujos parmetros, portanto, devem ser estimados da melhor
forma possvel com base na amostra obtida.
H duas tcnicas de estimao de parmetros: por ponto e por
intervalo. Na estimao por ponto, a estimativa do parmetro populacional
corresponde a um nico valor estimado. Na segunda tcnica, constri-se um
intervalo, o qual dever, com probabilidade conhecida, conter o parmetro.
Neste curso admitiremos, salvo meno em contrrio, que a
amostragem sempre ser aleatria.
ESTIMADOR E ESTIMATIVA
Um estimador (ou estatstica) qualquer funo das observaes de
uma amostra, que ser usado no processo de estimao do parmetro
populacional desejado. A mdia amostral X , por exemplo, um estimador da
mdia de uma populao. Um estimador uma varivel aleatria
caracterizada por uma distribuio de probabilidades. Chamamos de
estimativa um particular valor assumido por um estimador.
A estimao por ponto consiste em adotar a melhor estimativa possvel
como sendo o valor do parmetro. A qualidade da estimao ir depender
fundamentalmente da escolha do estimador. Assim, dentre os possveis
estimadores que podem ser especificados para um determinado parmetro

populacional, devemos ter a preocupao de escolher aquele que melhor
satisfaa as propriedades estatsticas de um bom estimador.
PROPRIEDADES DOS ESTIMADORES
Justeza ou No Tendenciosidade
justo (ou no viesado, ou no viciado, ou no

Um estimador
tendencioso) se o seu valor esperado (ou mdia) for igual ao valor do
parmetro que se pretende estimar, isto , se
(1)
) = .
E (
A Eq. (1) afirma que os valores aleatrios de um estimador justo ocorrero em

torno do valor do parmetro, o que desejvel (veja a figura abaixo).
Um estimador no viesado aquele que, na mdia, acerta o valor

correto do parmetro populacional.
Se o estimador for tendencioso, ento a diferena
(2)

E ()
, conforme ilustrado pela

o vis (tendncia ou vcio) do estimador
prxima figura. Deste modo, a adoo de um estimador que no seja justo
implica um vcio de estimao.

Exemplo (Mdia Amostral). Seja uma populao com mdia . A mdia X

da amostra aleatria (X1 , X 2 ,..., X n ) extrada dessa populao dada por
X=
X1 + X 2 + ... + X n
.
n
Ento, o valor esperado de X

X + X 2 + ... + X n
E ( X ) = E 1
=
n
1
1
1
n
= E(X1 ) + E(X 2 ) + ... + E(X n ) =
=
n
n
n
n
Portanto, a mdia amostral um estimador justo da mdia

populacional, haja vista que a mdia do estimador igual mdia da
populao.
Exemplo. Seja uma populao com mdia e varincia 2. Verifique que o
estimador da varincia populacional definido por
n
2 =
(X
X)2
i =1
viesado.
Nota: o entendimento da demonstrao que se segue no essencial para a
prova. Mas importante saber que o estimador da varincia
populacional considerado neste exemplo viesado.
Demonstrao:

Calculemos a esperana de 2 :
1 n
1 n
1 n
E (X i X ) 2 = E (X i + X ) 2 = E [(X i ) + ( X )]2
n i=1
n i=1
n i=1
n
1
E( 2 ) = E [(X i ) 2 + 2(X i )( X ) + ( X ) 2 ]
n i=1
E ( 2 ) =
E ( 2 ) =
n
n
1 n
E (X i ) 2 + 2 (X i )( X ) + ( X ) 2
n i=1
i =1
i =1
E ( 2 ) =
n
1 n
E (X i ) 2 + 2( X ) (X i ) + n ( X ) 2
n i=1
i =1
como
= nX , temos que
i =1
E ( 2 ) =
1 n
E (X i ) 2 + 2n ( X )( X ) + n ( X ) 2
n i=1
E ( 2 ) =
1 n
E (X i ) 2 2n ( X )( X ) + n ( X ) 2
n i=1
E ( 2 ) =
1 n
E (X i ) 2 2n ( X ) 2 + n ( X ) 2
n i=1
E ( 2 ) =
1 n
E (X i ) 2 n ( X ) 2
n i=1
levando em conta que ( X ) 2 = ( X ) 2 , obtemos

E ( 2 ) =
1 n
E (X i ) 2 n ( X ) 2
n i=1
aplicando a expectncia, obtemos
E( 2 ) =
1 n
2
2
E (X i ) nE[( X ) ] .
n i=1
Como a esperana da soma igual soma das esperanas, tem-se que

E ( 2 ) =
1 n
E(X i ) 2 nE[( X ) 2 ] .
n i=1
Mas E (X i ) 2 = var(X i ) = 2 e E[( X ) 2 ] = var(X ) = 2 / n. Logo,

n
n 1 2
1
2 1
E( 2 ) = 2 n = (n 2 2 ) =
2.
n
n i=1
n n
Conclui-se que 2 um estimador viesado da varincia populacional 2. Esse
defeito do estimador pode ser corrigido se multiplicarmos 2 pelo fator
n /( n 1) , o que nos leva definio do estimador
n
S2 =
n 2
=
n 1
(X
X)2
i=1
n 1
o qual, no por acaso, corresponde varincia amostral definida em uma

anterior.
No difcil mostrar que S2 um estimador justo da varincia
populacional:
E (S2 ) =
n
n
n 1 2
= 2 .
E ( 2 ) =
n 1
n 1 n
Consistncia
Um estimador consistente, se, medida que a amostra cresce,
converge para o verdadeiro valor do parmetro. Ou seja, quando o
tamanho da amostra vai aumentando, o vis (se existir) vai
diminuindo e a varincia tambm. Um estimador consistente aquele que
converge para o valor do parmetro quando o tamanho da amostra tende a
infinito.
A mdia amostral um estimador consistente da mdia, pois um
estimador justo e para o qual vale
2
lim var(X ) = lim = 0
n
n n

em que n denota o tamanho da amostra aleatria.
ESTIMAO POR PONTO DE UMA PROPORO POPULACIONAL
Se desejarmos estimar a proporo p dos elementos da populao com uma
dada caracterstica, usaremos como estimador a proporo ou freqncia
relativa p com que essa caracterstica foi observada na amostra. Tal
procedimento, alm de intuitivo, corresponde a adotar um estimador justo e
consistente, uma vez que

np
f 1
E(p) = E = E(f) =
=p
n
n n
var(p) =
p(1 p)
p(1 p)
lim var(p) = lim
= 0.
n
n
n
n
ESTIMAO POR INTERVALO

Intervalo de Confiana para uma Proporo Populacional
Uma freqncia relativa amostral p apresenta uma distribuio binomial, cuja
mdia o prprio parmetro populacional p e cuja varincia dada por
p(1 p)/n . Sendo np 5 e n(1 p) 5 , possvel aproximar a binomial pela
normal. Como p desconhecido, adotaremos como condies de aproximao
np 5 e n(1 p) 5 .
Sendo a amostra suficientemente grande, o intervalo de confiana para p ser
da forma p , onde a semiamplitude do intervalo, dada por
(3)
= z /2 var(p) = z /2
p(1 p)
n
em que a grandeza 1 representa o nvel de confiana da estimao

( 0 < 1 < 1 ) e z /2 a varivel normal padronizada.
Observaes relativas notao:
A semiamplitude do intervalo de confiana tambm poder ser

representada por e0 . Desta forma, utilizaremos os smbolos e0 ou de
forma intercambivel ao longo desta aula.
A freqncia relativa amostral p tambm poder ser representada por

p' . Assim, os smbolos p ou p' podero ser usados de forma
intercambivel no restante desta aula.
A expresso (3) tem um problema: no conhecemos o valor de p. Para

amostras suficientemente grandes, pode-se aproximar (3) por
(4)
= z /2
p(1 p)
.
n
Ento o intervalo de confiana para p, ao nvel de confiana 1 , ser dado

por

p(1 p)
(5)
.
p z /2
n
Exemplo. Retirou-se uma amostra de 1.000 peas de uma linha de produo
e verificou-se que 35 eram defeituosas. Estime o intervalo de confiana ao
nvel de 95% da proporo de peas defeituosas fornecidas pela linha de
produo.
Soluo:
n = 1.000
p = f/n = 35/1.000 = 0,035
z /2 = z 2,5% = 1,96 (vide tabela da normal reduzida)
Logo,
p(1 p)
0,035(1 0,035)
= 1,96
= 0,0114
n
1.000
= z /2
0,035 0,0114 p 0,035 + 0,0114 0,0236 p 0,0464 com 95% de confiana.
Voltemos resoluo da questo.

Dados:
p = 0,513 : proporo de pessoas favorveis proposta;

n = 1680 ;
= 2% = 0,02 : margem de erro; e
' = 1% = 0,01 : margem de erro desejada
Qual o valor de n (novo nmero de pessoas que deveriam ser ouvidas)

correspondente a ' = 0,01 ?
Sabemos que
= z /2
p(1 p)
.
n
Conhecendo z / 2 (no foi fornecido) possvel calcular n por meio de

2
z
n ' = / 2 p(1 p) .
'
Clculo de z / 2 :

= z /2
p(1 p)
0,513(1 0,513)
0,02 = z / 2
z / 2 = 1,6401.
n
1680
Clculo de n:
2
1,6401
n' =
0,513(1 0,513) 6720,22 alternativa (E)
0,01
Nota: como a estimativa p = 0,513 indica que p est prxima de 50%, temos
a alternativa de usar a frmula aproximada
2
z 1,6401
n' = / 2 =
6.725 valor mais prximo a alternativa (E).
2e0 ' 2 0,01
GABARITO: E
2. (ICMS-RJ/2008/FGV) Considere uma Amostra Aleatria Simples de n
unidades extradas de uma populao na qual a caracterstica, X, estudada tem
distribuio Normal com mdia e varincia 2, ambas desconhecidas, mas
1 n
finitas. Considere, ainda, as estatsticas mdia da amostra, X = X i , e
n i=1
n
1
varincia da amostra S2 = (X i X ) 2 . Ento, correto afirmar que:
n i=1
A) X e S2 so, ambos, no tendenciosos para a estimao da mdia e da
varincia da populao, respectivamente.
B) X no tendencioso, mas S2 tendencioso para a estimao da mdia e
da varincia da populao, respectivamente.
C) X tendencioso, mas S2 no tendencioso para a estimao da mdia e
da varincia da populao, respectivamente
D) X e S2 so, ambos, tendenciosos para a estimao da mdia e da varincia
da populao, respectivamente.
E) X e S2 so, ambos, no tendenciosos para a estimao da mdia e da
varincia da populao, mas apenas X consistente.
Resoluo
Sabe-se que
X um estimador justo (no tendencioso) e consistente da

mdia populacional ;

se definirmos o estimador da varincia populacional 2 por meio da
1 n
frmula (X i X) 2 , ento esse estimador tendencioso, porm
n i=1
consistente e
se definirmos o estimador da varincia populacional 2 por meio da
1 n
frmula
(Xi X) 2 , ento esse estimador no tendencioso
n 1 i=1
e consistente.
Ateno: o estimador S2 do enunciado desta questo corresponde ao

1 n
estimador viesado 2 = (X i X) 2 da exposio terica da questo anterior.
n i=1
Neste curso, temos usado o smbolo S2 para denotar o estimador justo da
varincia populacional. No se confunda!
Anlise das alternativas:
(A) Somente X no tendencioso INCORRETA.
(B) X no tendencioso e S2 tendencioso CORRETA.
(C) X no tendencioso e S2 tendencioso INCORRETA.
(D) Somente S2 tendencioso INCORRETA.
(E) Somente X no tendencioso. Alm disso, S2 tambm consistente
INCORRETA.
GABARITO: B
3. (ICMS-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 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) 2.400 pessoas
C) 1.200 pessoas
D) 100 pessoas
10

E) 4.800 pessoas
Resoluo
Vimos que = z /2
p' (1 p' )
. Elevando os dois membros da igualdade ao
n
quadrado, obtemos
2 = z 2 / 2
p' (1 p' )
z 2 p' (1 p' )
n = /2 2
.
n
Substituindo p = 50% = 1/2 na expresso de n, obtemos
n=
z 2 / 2
1
1
1 1
1
2
2
(1 ) z 2 / 2
z 2 / 2
2
2 2=
2
2 =
4 = z 2 1 1 = z / 2 = z / 2 = 1,96 = 2.401 2.400
/2
2
2
2
4 2 4 2 2 2 0,02
GABARITO: B
4. (Estatstica/IBGE/2010/CESGRANRIO) Para que o erro padro da
mdia amostral X seja reduzido metade, deve-se
A) multiplicar o tamanho da amostra por 2.
B) multiplicar o tamanho da amostra por 4.
C) multiplicar o tamanho da amostra por 16.
D) dividir o tamanho da amostra por 2.
E) dividir o tamanho da amostra por 4.
Resoluo
O erro padro (ou desvio padro) da mdia X de uma amostra de n
observaes proveniente de uma populao de mdia e varincia 2 dado
por
( X ) =
.
n
Seja o novo erro padro de X denotado por ( X ) . Ento
( X )
=
=
=
2
2 n
4n
n
amostra por 4).
( X ) =
n = 4n (deve-se multiplicar o tamanho da
GABARITO: B
11

5. (Analista Tcnico/SUSEP/2001/ESAF) Os itens 2,30; 4,11; 5,20; 6,30;
7,20 formam uma ordenao de uma amostra aleatria de tamanho 5 da
distribuio uniforme no intervalo [0,] sendo >0. Assinale a opo que
corresponde estimativa de mxima verossimilhana de .
A) 5,20
B) 5,02
C) 7,20
D) 5,00
E) 8,00
Resoluo
PRELIMINARES: ESTIMAO POR MXIMA VEROSSIMILHANA
Introduo
Alguns critrios tm sido propostos com o objetivo de resolver o problema da
escolha do estimador adequado. Dentre eles, podemos citar os mtodos da
mxima verossimilhana, dos momentos e de Bayes. Destacamos a
importncia, para a prova (e tambm na prtica), do mtodo da mxima
verossimilhana, que ser apresentado a seguir.
Estimao por Mxima Verossimilhana
Os dicionrios definem o termo verossmil como aquilo que parece ser
verdadeiro ou o que tem probabilidade de ser verdadeiro ou aquilo que se
assemelha com a realidade. Neste sentido, qual seria a idia fundamental da
estimao por verossimilhana de um parmetro populacional? A resposta
a seguinte: a estimao por verossimilhana fornece a estimativa que
corresponde ao valor mais provvel do parmetro.
Vejamos a seguir como a Estatstica define o conceito de estimao por
mxima verossimilhana.
O mtodo da mxima verossimilhana consiste em adotar para o
parmetro o valor que maximize a funo de verossimilhana associada ao
resultado obtido na amostra. Mas o que a funo de verossimilhana?
Definio (Mtodo da Mxima Verossimilhana). Seja uma populao
com funo densidade de probabilidade caracterizada pelo parmetro
populacional desconhecido . Ento a distribuio de probabilidades dessa
populao pode ser denotada por f ( x; ) . Sejam n observaes independentes
X1 , X 2 ,..., X n (ou seja, uma amostra aleatria com n elementos provenientes da
populao em questo). Ento a funo densidade conjunta para estas
12

observaes, tambm conhecida como funo de verossimilhana da
amostra, dada por
L() = f ( x1 ; ) f ( x 2 ; ) ... f ( x n ; ) .
Note que L() funo somente do parmetro desconhecido . A Estimativa
de Mxima Verossimilhana (EMV) de o valor que maximiza a funo
L() . A raiz da equao dL() / d = 0 (derivada da funo L() em relao a )
o ponto de mximo de L() . Em muitos casos, mais conveniente tomar a
primeira derivada da funo de log-verossimilhana ln L() (logaritmo natural
de L() ), a qual possui um mximo no mesmo ponto que maximiza L() .
Deste modo,
1
df ( x n ; )
1 df ( x1; )
1
df ( x 2 ; )
+
+ ... +
=0
f ( x n ; )
d
f ( x1; ) d
f ( x 2 ; )
d
A soluo para a equao acima ( em termos dos xk) a estimativa de

mxima verossimilhana de .
Nota: no caso de uma varivel
verossimilhana L() a probabilidade
aleatria
discreta,
funo
de
P (X1 = x1 , X 2 = x 2 ,..., X n = x n ) .
Ou seja, L() apenas a probabilidade de obter os valores amostrais

x1 , x 2 ,..., x n . Logo, no caso discreto, a estimativa de mxima
verossimilhana aquela que maximiza a probabilidade de ocorrncia
dos valores da amostra.
Exemplo. Um jogador de cassino trocou o seu dinheiro por dez fichas, das
quais so pretas e 10 so brancas. Uma amostra de quatro fichas com
reposio retirada do seu bolso e verifica-se que ela contm trs fichas
brancas e uma ficha preta. Estime o parmetro pelo mtodo da mxima
verossimilhana.
Soluo:
Devemos determinar a funo de verossimilhana correspondente ao resultado
amostral obtido, a qual ser dada pela probabilidade de, em uma amostra de n
= 4, obter-se exatamente uma ficha preta, dada em funo do parmetro
desconhecido . Tal probabilidade pode ser obtida pela aplicao da
distribuio binomial, em que a probabilidade de sucesso ser p = / 10 , n = 4 e
x = 1. Designando por L() a funo de verossimilhana, temos
13

1
3
n x
4
(10 )3
n x
L() = p (1 p) = 1 =
2.500
x
1 10 10
A Tabela a seguir mostra que o valor de mxima verossimilhana = 3 . Logo,
a estimativa de mxima verossimilhana = 3 .
0
1
2
3
4
5
L()
0
729/2.500
1.024/2.500
1.029/2.500
864/2.500
625/2.500
6
7
8
9
10
L()
384/2.500
189/2.500
64/2.500
9/2.500
0
Exemplo. Suponha uma populao com distribuio uniforme entre 0 e .

Retirou-se uma amostra aleatria de n valores dessa populao com o objetivo
de estimar-se . Admita que x max seja o maior valor obtido nessa amostra.
Calcule a EMV de .
Soluo:
Evidentemente que x max . Logo, a estimativa mais verossmil (ou a EMV)
adotar = x . Contudo, detalhemos o raciocnio como a seguir.
max
Sabe-se que x max . A funo densidade de probabilidade da distribuio

uniforme f ( x ) = 1 / para 0 x e f ( x ) = 0 caso contrrio.
A funo de verossimilhana de uma amostra aleatria com n observaes
n
L() =
i=1
1 1
,
=
n
Cujo domnio x max , ou seja, o menor valor possvel para o parmetro

= x max . O grfico abaixo mostra que o maior valor (mximo absoluto) de L()
ocorre em = x . Portanto, a EMV = x .
max
max
14

Este exemplo indica que nem sempre possvel usar diretamente mtodos de
clculo para determinar o mximo de L( ) .
Voltemos resoluo
O enunciado fornece uma amostra aleatria com cinco elementos extrados de
uma distribuio uniforme:
{x1 = 2,30; x 2 = 4,11; x 3 = 5,20; x 4 = 6,30; x 5 = 7,20} .
O valor mximo da amostra x max = x 5 = 7,20 . A Estimativa de Mxima

Verossimilhana (EMV) de = x max = 7,20 (alternativa C).
GABARITO: C
6. (Analista Tcnico/SUSEP/2001/ESAF) Tem-se duas amostras
independentes ambas de tamanho 21 de duas populaes normais com a
mesma varincia 2 > 0. Deseja-se construir um intervalo de confiana para
2, no nvel de 95%, com base numa estimativa combinada das varincias
amostrais s12 = 0,4 e s 22 = 0,6 . Se 0< a b} = 0,025, onde X tem distribuio qui-quadrado, assinale a
resposta que corresponde ao intervalo procurado e ao nmero de graus de
liberdade da distribuio de X.
A) [17/b; 17/a] e 20 graus de liberdade
B) [5/3b; 5/2a] e 40 graus de liberdade
C) [17/b; 17/a] e 41 graus de liberdade
D) [20/b; 20/a] e 40 graus de liberdade
E) [5/3b; 5/2a] e 20 graus de liberdade
Resoluo
15

PRELIMINARES
Estimao com Base em Diversas Amostras
Sejam k amostras e um parmetro populacional a ser estimado. Cada amostra
fornecer uma estimativa para o parmetro que est sendo estimado e essas
estimativas iro diferir entre si, pois correspondem a observaes de variveis
aleatrias. Entretanto, pode-se, em geral, combinar esses resultados, obtendose uma estimativa nica para o parmetro em questo.
No caso de estimao da mdia ou de uma proporo p, pode-se
combinar as estimativas se todas as amostras forem provenientes de
uma mesma populao ou de populaes infinitas com mesma mdia
e mesma proporo p. Ou seja, pode-se calcular a mdia ponderada das
diversas mdias e freqncias relativas amostrais tomando como
pesos de ponderao os tamanhos das respectivas amostras. Isso
equivale a fundir as diversas amostras em uma nica amostra maior, usando a
mdia X e a freqncia p fornecidas por essa amostra.
No caso da varincia populacional 2, deve-se realizar a ponderao
usando como pesos os graus de liberdade (*) de cada amostra. Seja n1
o tamanho da amostra 1, n2 o tamanho da amostra 2, ..., nk o tamanho da
amostra k (as amostras i, i = 1,2,...,k, possuem desvio padro Si). Ento a
estimativa combinada de 2 ser dada pela estatstica
S2p =
(n1 1)S12 + (n 2 1)S22 + ... + (n k 1)S2k

,
n1 + n 2 + ... + n k k
que possui n1 + n 2 + ... + n k k graus de liberdade.

(*) Considere a amostra k. O nmero de graus de liberdade da estatstica S2k
(n k 1) porque um grau de liberdade j foi gasto para estimar a mdia
amostral X k . Lembre que o clculo de X k dado por
Xk =
x1 + x 2 + ... + x n k
nk
e isto implica dizer que a estatstica X k possui nk graus de liberdade.

Note-se que a estimativa no ser idntica que se obteria pela reunio dos
dados em uma amostra nica, embora ambos os processos sejam vlidos nas
condies acima mencionadas.
16

2
A estimativa Sp tem a vantagem de poder ser usada se as diversas amostras
forem provenientes de populaes com mdias diferentes, porm de mesma
varincia 2.
Se as amostras forem razoavelmente grandes, poderemos adotar Sp como
uma boa estimativa para o desvio padro .
Intervalo de Confiana para a Varincia
Considere, na distribuio n2 1 , os dois particulares valores 2n 1,1 / 2 (quiquadrado inferior) e 2n 1, / 2 (qui-quadrado superior), conforme ilustrado pela
figura a seguir (/2 representa a rea sob a distribuio direita de 2n 1, / 2 ).
Sabemos que os valores 2n 1,1 / 2 e 2n 1, / 2 so tais que
P( 2n1,1 / 2 2n 1 2n 1, / 2 ) = 1 .
Vimos que o estimador da varincia tem distribuio
S2 =
2 2
n 1
n 1
qui-quadrado com n 1 graus de liberdade vezes o fator
2
n 1
o que nos permite escrever as desigualdades entre parnteses acima como

17

(n 1)S2
2
n 1,1 / 2
2n 1, / 2 .
2
Vamos dividir todos os membros da expresso acima por (n 1)S2 , e, aps,

tomar os inversos. Invertendo as desigualdades, obtemos
(n 1)S2
(n 1)S2
2
2n 1, / 2
2n 1,1 / 2
que o intervalo de confiana para 2, ao nvel de 1 .

A frmula acima pode ser reescrita na forma
n
(X
i =1
2
i X)
2
n 1, / 2
(X
X )2
i =1
n2 1,1 / 2
Exemplo. Uma amostra de onze elementos, extrada de uma populao

normal, forneceu varincia S2 = 7,08. Determine o intervalo de 90% de
confiana para a varincia da populao.
Soluo:
Entrando na tabela da distribuio 2 com 10 graus de liberdade, obtemos:
2
n2 1,1 / 2 = 10
, 95% = 3,94,
2
2n 1, / 2 = 10
, 5% = 18,3.
Logo,
(n 1)S2
(n 1)S2
10 7,08
10 7,08
2
2
3,8689 2 17,9695
2
2
n 1, / 2
n 1,1 / 2
18,3
3,94
Logo, 3,8689 2 17,9695 com 90% de confiana.

Voltemos resoluo
Esta questo pede que o(a) candidato(a) determine: i) o intervalo de confiana
ao nvel de 95% da varivel aleatria X que possui distribuio qui-quadrado e
ii) o nmero de graus de liberdade de X.
Do enunciado, depreende-se que X resultante da combinao das estatsticas
S12 e S22 .
18

A estimativa combinada das varincias amostrais s12 = 0,4 e s 22 = 0,6 dada por
x = s 2p =
(n1 1)s12 + (n 2 1)s 22 20 0,4 + 20 0,6

=
= 0,5
n1 + n 2 2
40
a qual possui (n1 + n2 - 2) = 21 + 21 2 = 40 graus de liberdade este

fato, por si s, j elimina as alternativas A, C e E.
O intervalo de confiana de 2 dado pela frmula
(n 1)S2
(n 1)S2
2
.
n2 1, / 2
n2 1,1 / 2
A frmula acima pode ser generalizada para o problema em questo como
(n k )S2p
2n 1, / 2
(n k )S2p
2n 1,1 / 2
em que n = n1 + n 2 .
2
=b e
O enunciado forneceu os qui-quadrados superior e inferior: n2 1, / 2 = sup
2
n2 1,1 / 2 = inf
= a . Portanto,
(n k )S2p
2
sup
(n k )S2p
2
inf
(42 2) 0,5
(42 2) 0,5
2
b
a
40 0,5
40 0,5
20
20
2
2
.
b
a
b
a
GABARITO: D
7. (Analista/rea 3/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 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 anterior 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]
19

D) [R$ 61,33 ; R$ 68,67]
E) [R$ 61,20 ; R$ 68,80]
Resoluo
Dados: = 20, n = 100, 61,08 < < 68,92.
Podemos montar o seguinte sistema de equaes:
X e 0 = 61,08
X + e 0 = 68,92
em que e 0 denota a semiamplitude do intervalo de confiana.
Somando as duas equaes obtemos:
2 X = 130 X = 65
Subtraindo a primeira da segunda equao temos:

2e 0 = 68,92 61,08 = 7,84 e 0 = 3,92
Sabemos que
e0 = z / 2
20
3,92 = z / 2
z / 2 = 1,96 .
n
100
Quadruplicando o tamanho da amostra teremos n=400. Logo,

e0 ' = z / 2
20
e0 ' = 1,96
e0 ' = 1,96
n'
400
E o novo intervalo de confiana (IC) ser

IC = [65,00 1,96 ; 65,00 + 1,96] = [63,04 ; 66,96].
GABARITO: A
iid
8. (Estat./IBGE/2010/CESGRANRIO)
considerados dois estimadores para 2
T1 =
1 n
(X i X ) 2
n 1 i=1
T2 =
Sejam
X1 , X 2 ,..., X n ~ N(; 2 )
1 n
(X i X ) 2 .
n i=1
Observe as afirmativas a seguir a respeito desses estimadores.

20

I T1 no tendencioso.
II O erro mdio quadrtico de T1
2 4
2(n 1) 4
, enquanto que o de T2
.
n 1
n2
2
III A tendncia de T2 = .
n
(So) correta(s) a(s) afirmativa(s)
A) I apenas.
B) I e II, apenas.
C) I e III, apenas.
D) II e III, apenas.
E) I, II e III.
Resoluo
Primeiramente, necessrio investigar as propriedades dos estimadores T1 e
T2. Mas, antes disso, vamos relembrar a distribuio 2.
iid
Seja uma amostra X1 , X 2 ,..., X n ~ N(; 2 ) (ou seja, cada elemento da amostra
normalmente distribudo com mdia e varincia 2) Aprendemos que a
estatstica
2
n
X
2
= i
= Zi

i =1
i =1
n
2
n
em que Zi denota a varivel aleatria normal reduzida, tem distribuio 2 com

n graus de liberdade. Vimos tambm que,
E( 2n ) = n
var( 2n ) = 2n .
A estatstica
n
Xi X
=

i =1
n
(X
X )2
i =1
21

obtida por substituio de por X na expresso de 2n acima tem distribuio
do tipo 2 com n-1 graus de liberdade (um grau de liberdade foi gasto no
clculo de X ). Logo,
n
2n 1 =
(X
X)2
i =1
Clculo da mdia e da varincia de T1:

n
T1 =
(X i X ) 2
i =1
n 1
(X
X) 2
i =1
2
2 2
=
n 1
n 1 n 1
ou seja, o estimador T1, a menos da constante 2 /(n 1) , tem distribuio 2

com n-1 graus de liberdade. Ento,
2 2 2
E(T1 ) = E
n 1 =
(n 1) = 2 T1 um estimador no tendencioso de
n
1
n
2
(vis nulo).
2 2
4
4
2 4
2
var(T1 ) = var
var(
)
2
(
n
1
)
=
n 1 =
=
n 1
2
(n 1) 2
n 1
n 1
(n 1)
2 4
como lim var(T1 ) = lim
= 0 , T1 um estimador consistente de 2.
n
n n 1
O Erro Quadrtico Mdio de T1 dado por
EQM(T1 ) = var(T1 ) + [vis (T1 ) ]2

2 4
EQM (T1 ) = var(T1 ) + 0 = var(T1 ) =
.
n 1
Clculo da mdia e da varincia de T2:

n
T2 =
(X
i =1
X)
(X
X )2
i =1
2 2 2
=
n 1
n
n
ou seja, o estimador T2, a menos da constante 2 / n , tem distribuio 2 com

n-1 graus de liberdade. Ento,
2
2
2
E(T2 ) = E 2n 1 =
(n 1) = 2
2 T2 um estimador tendencioso
n
n
n
2
de . O seu vis dado por
22

2
2
2
2
=
vis(T2) = E(T2 ) =
. Note que lim = 0 , ou seja, o vis
n
n
n
n
de T2 tende a desaparecer com o aumento do tamanho da amostra.
2
2
4
4
2 4 (n 1)
var(T2 ) = var 2n1 = 2 var( 2n 1 ) = 2 2(n 1) =
n
n2
n
n
2 4 (n 1)
1 1
como lim var(T2 ) = lim
= 2 4 lim 2 = 0 (e lim E (T2 ) = 2 ), T2 um
2
n
n
n
n
n
n n
estimador consistente de 2.
O Erro Quadrtico Mdio de T2 dado por
EQM(T2 ) = var(T2 ) + [vis (T2 ) ]2

2
2 4 (n 1) 2
2 4 (n 1) 4 (2n 1) 4
=
+ 2 =
.
+
EQM (T2 ) =
n
n2
n2
n
n2
Anlise das afirmativas:

(I) VERDADEIRA, pois E(T1 ) = 2 .
2 4
(2n 1) 4
.
e EQM (T2 ) =
(II) VERDADEIRA, pois EQM (T1 ) =
n 1
n2
(II) VERDADEIRA, pois vis(T2) =
2
.
n
GABARITO: E
9. (Estatstica/IBGE/2010/CESGRANRIO) Considere uma amostragem
aleatria simples, sem reposio, de uma populao de tamanho muito
grande. Qual o tamanho aproximado de amostra que permite estimar a mdia
de uma varivel y, cujo desvio padro populacional igual a 5, com margem
de erro 0,1, a um nvel de confiana 95%?
A) 100
B) 400
C) 1.000
D) 4.000
E) 10.000
Resoluo
Dados: 1 = 95% , = 5 e e0 = 0,1 .
23

A semiamplitude do intervalo de confiana para a mdia populacional quando o
desvio padro conhecido (*)
e0 = z / 2
Ento
z
n = / 2
e0
(*) Voc reparou que, dado o nvel de confiana 1 , e 0 corresponde

multiplicao entre a varivel normal reduzida z / 2 e o desvio padro da mdia
amostral / n ? Ou seja,
e 0 = (varivel normal reduzida z / 2 ) x (desvio padro da mdia amostral)
Note que z 2,5% = 1,96 um valor manjado. Portanto,

2
1,96 5
n =
= 9.604 alternativa com valor mais prximo a letra E (n
0,1
10.000)
GABARITO: E
10. (Estatstica/IBGE/2010/CESGRANRIO) Para avaliar a taxa de
desemprego em uma determinada localidade, selecionou-se uma amostra
aleatria de 900 indivduos em idade produtiva. O resultado dessa amostra
revelou que o nmero de desempregados era de 36%. O intervalo de 95% de
confiana para a proporo de desempregados, nessa localidade,
A) 36% 0,1%
B) 36% 2,6%
C) 36% 3,1%
D) 36% 3,7%
E) 36% 4,1%
Resoluo
Dados: n = 900, p = 0,36 e (1 - ) = 0,95 (que implica um z / 2 = 1,96 ).
Neste caso, o Intervalo de Confiana (IC) ser dado por:
24

p' (1 p' )
0,36(1 0,36)
= 36% 1,96
36% 3,14%
n
900
valor mais prximo C.
p ' z / 2
IC =
alternativa com
GABARITO: C
11. (Analista/rea 2/BACEN/2010/CESGRANRIO) Em um estudo sobre a
economia informal de uma cidade, deseja-se determinar uma amostra para
estimar o rendimento mdio dessa populao, com um grau de confiana de
95% de que a mdia da amostra aleatria extrada no difira de mais de R$
50,00 da mdia do rendimento dessa populao, cujo desvio padro R$
400,00. Sabendo-se que z ~ N[0,1] e que
1, 96
f (z)dz = 0,4750 , onde f(z) a
funo de densidade de probabilidade de z, pode-se concluir que o nmero de

pessoas da amostra ser
A) 321
B) 308
C) 296
D) 271
E) 246
Resoluo
Dados:
1 = 95% (nvel de confiana)

1, 96
= 400
e0 = 50 (margem de erro).
f (z)dz = 0,4750 ( z 2,5% = 1,96 )
Neste caso o tamanho n da amostra dado pela frmula

e 0 = z 2,5%
400
50 = 1,96
n
n
n = 1,96
400
= 1,96 8 n = 245,86 246 .
50
GABARITO: E
(Analista
Ministerial/Estatstica/MPE-PE/2006/FCC)
Instrues
(adaptadas): Para responder s questes de nmeros 12 e 13, considere as
tabelas a seguir.
25

Elas fornecem alguns valores da funo de distribuio F(x). A tabela 1 referese varivel normal padro, as tabelas 2 e 3 referem-se varivel t de
Student com 15 e 16 graus de liberdade, respectivamente:
Tabela 1
x
F(x)
1,60
0,945
1,64
0,950
2,00
0,977
Tabela 2
x
F(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
12. 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 central do limite para estimar a
amplitude do intervalo de confiana de 90% para p, podemos afirmar que tal
amplitude , aproximadamente, igual a
A) 0,041
B) 0,045
C) 0,058
D) 0,070
E) 0,082
Resoluo
Dados: (1 - ) = 0,90, n = 400 e p 50%.
A tabela 1 indica que z = 1,64 para /2 = 5%. Como a estimativa p 50%,
podemos usar a frmula
2
z / 2
1,64 2
(z / 2 ) 2 1,64 2
2
n =
(2e 0 ) = n = 400 (2e0 ) = 400 = 0,082 alternativa (E).
2e 0
Ateno: a questo pede que o candidato calcule a AMPLITUDE (= dobro da

semi-amplitude e0) do intervalo de confiana.
GABARITO: E
13. 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 porcentuais 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
26

A) (8 1,124)%
B) (8 1,117)%
C) (8 0,877)%
D) (8 0,870)%
E) (8 0,755)%
Resoluo
A questo aborda a construo do intervalo de confiana da mdia
populacional quando o desvio padro populacional desconhecido.
Para tal, deve-se utilizar a frmula
X t n 1, / 2
S
n
em que t n 1, / 2 representa a distribuio t de Student com n 1 graus de

liberdade cuja rea direita de t n 1, / 2 tem o valor / 2 .
Nota: a frmula para clculo da semiamplitude do intervalo de confiana da
mdia populacional quando o desvio padro populacional desconhecido
e 0 = t n 1, / 2
S
n
muito parecida com a frmula da semiamplitude do intervalo de confiana

para a mdia populacional quando o desvio padro conhecido
e0 = z / 2
Para obter a primeira frmula a partir da segunda, basta substituir z / 2 por

t n 1, / 2 e / n (erro padro da mdia amostral) por S / n (estimador do erro
padro da mdia amostral).

Dados: X = 8% , S = 2% , n = 16 .
A tabela 2 fornece o valor de t n 1, / 2 = t15, 2% = 2,248 (entrada correspondente ao
valor F(x) = 98%, que implica /2 = 1 98% = 2%). Logo,
X t n 1, / 2
S
2%
= 8% 2,248
= 8% 1,124%
n
16
GABARITO: A
27

(ANPEC/2009/Adaptada) Verifique se as afirmativas 14 a 17 so
verdadeiras:
14. Em uma pesquisa de opinio a proporo de pessoas favorveis a uma
determinada medida governamental dada por p = X i / n . O menor valor de n
para o qual a desigualdade de Chebyshev resultar em uma garantia de que
P(| p p | 0,01) 0,01 200.000.
Resoluo
A proporo de pessoas favorveis a uma determinada medida
governamental, denotada por p , uma varivel aleatria com valor
esperado
E(p) = p
em que p denota o verdadeiro valor do parmetro populacional, e varincia
var(p) = p(1 p) / n
em que n o nmero de elementos da amostra.
Vimos que a Desigualdade de Tchebysheff pode ser dada pela expresso
P[| X | k]
1
.
k2
Nesta questo, podemos reescrever a desigualdade acima como
P[| p p | 0,01] 0,01 .

Sendo assim, podemos calcular o valor de k:
1
= 0,01 k = 10 .
k2
Como k = 0,01 = 0,01 / 10 = 10 3 2 = 10 6 .

Note que 2 = var(p) = p(1 p) / n . Temos o valor de 2 = 10-6. Porm, no h
condio de calcular n = p(1 p) / 2 , pois a questo no forneceu o valor da
mdia populacional (p). Logo, no podemos afirmar que o menor valor de n
para o qual a desigualdade de Chebyshev resultar em uma garantia de que
P(| p p | 0,01) 0,01 200.000 (faltam dados!).
GABARITO: FALSA
28

15. Quando o nmero de graus de liberdade cresce, a distribuio 2
aproxima-se de uma distribuio normal com mdia e desvio padro 2.
Resoluo
A mdia da varivel 2 e a varincia 2. Logo, a afirmativa FALSA,
pois diz que o desvio padro de 2 2..
De acordo com Teorema Central do Limite, a famlia de distribuies do tipo 2
tende distribuio normal com mdia e varincia 2 quando o nmero de
graus de liberdade aumenta.
GABARITO: FALSA
16. Um intervalo de confiana de 99% para a mdia de uma populao,
calculado para uma amostra aleatria, como [2,75; 8,25], pode ser
interpretado como: a probabilidade de estar no intervalo calculado de 99%.
Resoluo
Uma estimativa do intervalo de confiana da mdia populacional
(desconhecida) um intervalo da forma l u, em que os limites inferior l
e superior u dependem do valor numrico do estimador X para uma amostra
particular. Como amostras distintas produziro diferentes estimativas para
e, por conseguinte, valores diferentes para os limites l e u, esses limites so
valores de variveis aleatrias, como L e U, respectivamente. Da distribuio
amostral de X somos capazes de determinar valores de L e U, tais que a
seguinte afirmao probabilstica seja verdadeira:
P(L U) = 1 ,
sendo 0 < < 1 . Assim, temos uma probabilidade igual a 1 de selecionar uma
amostra que produzir um intervalo contendo o valor verdadeiro do parmetro
.
O intervalo observado
lu
chamado de intervalo com 100(1 )% de confiana para o parmetro . A

interpretao de um intervalo de confiana que se um nmero infinito de
amostras aleatrias for coletado e um intervalo com 100(1 )% de confiana
para for calculado a partir de cada amostra, ento 100(1 )% desses
intervalos contero o valor verdadeiro de .
29

Na prtica, obtemos somente uma amostra aleatria e calculamos uma
estimativa do intervalo de confiana. Uma vez que esse intervalo conter
ou no o valor verdadeiro de , no razovel fixar um nvel de
probabilidade para essa realizao. A afirmao apropriada : o
intervalo observado [l, u] contm o valor verdadeiro de , com
100(1 )% de confiana. Essa afirmao tem uma interpretao de
freqncia; ou seja, no sabemos se a afirmao verdadeira para essa
amostra especfica, mas o mtodo usado para obter o intervalo [l, u] resulta
em afirmaes corretas em 100(1 )% do tempo.
GABARITO: FALSA
17. Se existe, todo estimador de mxima verossimilhana calculado para uma
amostra aleatria possui distribuio Normal em grandes amostras.
Resoluo
O Estimador de Mxima Verossimilhana possui distribuio assinttica normal
VERDADEIRA.
GABARITO: VERDADEIRA
18. (Analista da SUSEP/2002/ESAF) A funo de verossimilhana para
uma amostra aleatria de tamanho n de uma distribuio de probabilidades
dependente de um parmetro real vem dada por
exp{mn + n} b
l() =
 0 a mdia das observaes amostrais e b a menor observao

amostral. Assinale a opo que corresponde a estimativa de mxima
verossimilhana de .
A) nm
B) b
C) m
D) nb
E) m/b
Resoluo
A Estimativa de Mxima Verossimilhana (EMV) do parmetro
populacional desconhecido o valor que maximiza a funo de
verossimilhana l ( ) .
30

Podemos reescrever a funo de verossimilhana l ( ) como:
e mn .e n
l() =
0
b
0. Portanto, o grfico de l ( ) crescente para b , como ilustrado
pela Fig. a seguir.
Note que 0 < e mn =
O grfico da funo de verossimilhana no possui um mximo absoluto, pois

lim l() = (a funo crescente para b ). O gabarito inicial era a alternativa
(B) ( = b ), o que um flagrante absurdo. A questo foi anulada.
GABARITO: ANULADA
19. (ICMS-RJ/2010/FGV). Para estimar a proporo p de pessoas
acometidas por uma certa gripe numa populao, uma amostra aleatria
simples de 1600 pessoas foi observada e constatou-se que, dessas pessoas,
160 estavam com a gripe.
Um intervalo aproximado de 95% de confiana para p ser dado por:
A) (0,066, 0,134).
B) (0,085, 0,115).
C) (0,058, 0,142).
D) (0,091, 0,109).
E) (0,034, 0,166).
31

Resoluo
A freqncia relativa amostral p apresenta uma distribuio binomial, com
mdia p e varincia p(1 p) / n . Sendo np 5 e n (1 p) 5 , possvel aproximar a
binomial pela normal. Como p desconhecido, adotamos como condies de
aproximao np' = 1600 0,1 = 160 > 5 e n (1 p' ) = 1600 0,9 = 1440 > 5 .
Como a amostra suficientemente grande, o intervalo de confiana para p
ser da forma p , em que dado por
e0 = z 2,5%
p(1 p)
0,1 0,9
= 1,96
0,015 .
n
1600
Logo, p + = 0,1 + 0,015 0,115 e p = 0,1 0,015 0,085 .

IC = (0,085, 0,115).
GABARITO: B
20. (ICMS-RJ/2010/FGV). Suponha que os salrios dos trabalhadores numa
certa regio sejam descritos por uma varivel populacional com mdia
desconhecida e desvio padro igual a R$200,00. Para se garantir, com 95% de
probabilidade, que o valor da mdia amostral dos salrios no diferir do valor
da mdia populacional por mais de R$10,00, a amostra aleatria simples
dever ter no mnimo, aproximadamente, o seguinte tamanho:
A) 3.568.
B) 3.402.
C) 2.489.
D) 2.356.
E) 1.537.
Resoluo
Dados: X = 10 , 1 = 95% e = 200 .
X
X
10
10
= z / 2
= z 2,5%
= 1,96
2 n 1.600
/ n
/ n
200 / n
200 / n
O valor mais prximo o da opo E.

Nota: no correto dizer que o valor da mdia amostral dos salrios no
diferir do valor da mdia populacional por mais de R$10,00 com 95% de
probabilidade, dado que a amostra tenha um tamanho mnimo de 1.537
32

elementos. A afirmao correta seria: o valor da mdia amostral dos salrios
no diferir do valor da mdia populacional por mais de R$10,00 com 95% de
confiana, dado que a amostra tenha um tamanho mnimo de 1.537
elementos. Na prtica, obtemos somente uma amostra aleatria e calculamos
uma estimativa do intervalo de confiana. Uma vez que esse intervalo conter
ou no o valor verdadeiro do parmetro populacional , no razovel fixar
um nvel de probabilidade para essa realizao. A afirmao apropriada : o
intervalo observado [l, u] contm o valor verdadeiro do parmetro , com
100(1 )% de confiana. Essa afirmao tem uma interpretao de freqncia;
ou seja, no sabemos se a afirmao verdadeira para essa amostra
especfica, mas o mtodo usado para obter o intervalo [l, u] resulta em
afirmaes corretas em 100(1 )% do tempo.
GABARITO: E
21. (Analista da SUSEP/Aturia/2010/ESAF). Deseja-se estimar a
proporo p de pessoas com determinada caracterstica em uma populao.
Um levantamento preliminar forneceu p = 2 / 7 . Usando essa estimativa,
obtenha o menor tamanho de amostra aleatria simples necessria para
estimar p com um intervalo de 95% de confiana e um erro de amostragem
z pq / n 2% , onde q = 1 p .
A) 7840
B) 2500
C) 1960
D) 9604
E) 2401
Resoluo
A semi-amplitude do intervalo de confiana para a proporo dada por
e 0 = (varivel normal reduzida z / 2 ) x (desvio padro da proporo amostral)
ou
= z / 2 p(1 p) / n = z / 2 pq / n .
O examinador especificou que a relao z pq / n 2% deve ser obedecida, a fim
de que p seja estimado com um intervalo de 95% de confiana e um erro de
amostragem menor ou igual a 0,02. Moral da histria: a banca forneceu a
frmula a ser utilizada na soluo da questo! De vez em quando isso
acontece.
33

Isolemos a incgnita n na frmula dada:
2
pq 1 / 2 2 2
2
pq 4
z 2 z 2 4
100
n 10
n 10
10 4 z 2 pq
10 4 z 2 pq
10 4 z 2 pq 4n
n n
4
4
1/ 2
pq
z
n
Ento o valor limitante inferior para n, denotado por nmin, dado por
n min =
10 4 z 2 pq
.
4
Substituindo os valores p = 2 / 7 , q = 1 p = 5 / 7 e z = 1,96 (pois =5%) na

expresso acima, obtemos
n min
10 4 1,96 2 2 5
=
,
4
7 7
utilizando as aproximaes 1,96 2 e 49 50, chegamos ao valor aproximado

n min
10 4 2 5 10.000
=
= 2.000 .
50
5
A opo C nos d o valor mais prximo (1.960). Se voc fizer as contas com a
calculadora obter o valor exato de 1.960.
GABARITO: C
Exerccios de Reviso
22. (Analista Tcnico/SUSEP/2002/ESAF) Seja X uma varivel aleatria
com valor esperado e desvio padro >0. Pode-se afirmar que
A) pelo menos 75% das realizaes de X pertencero ao intervalo [-2;+2]
B) pelo menos 80% das realizaes de X pertencero ao intervalo [-2;+2]
C) pelo menos 90% das realizaes de X pertencero ao intervalo [-2;+2]
D) pelo menos 95% das realizaes de X pertencero ao intervalo [ -2;+2]
E) apenas com o conhecimento de e no possvel fazer afirmao sobre o
percentual de realizaes de X que cairo no intervalo [ -2;+2].
Resoluo
Uma rpida leitura das alternativas indica que a questo aborda o teorema
(desigualdade) de Chebyshev:
34

Seja X uma varivel aleatria arbitrria com mdia e varincia 2. Ento,
para qualquer k > 0 , vale
P[ + k < X < + k] 1
1
.
k2

(A) P[ 2 < X < + 2] 0,75 CORRETA. O teorema de Chebyshev afirma
1
1 2 .
que
P[ 2 < X < + 2]
,
no
mnimo,
igual
a
Logo,
2
P[ 2 < X < + 2] 0,75 .
(B) a (D) esto INCORRETAS conforme demonstrado acima.
(E) Esta alternativa nega o teorema de Chebyshev ao dizer que no possvel,
apenas com o conhecimento de e , fazer afirmao sobre o percentual de
realizaes de X que cairo no intervalo [-2;+2] INCORRETA.
GABARITO: A
23. (Analista Ministerial/Estatstica/MPE-PE/2006/FCC) Seja X uma
varivel aleatria assumindo os valores -2 e 2, com probabilidade 1/4 e 3/4,
respectivamente. Seja a mdia de X. Ento o limite superior de P[|X - |
12 ], obtido pela desigualdade de Tchebysheff, dado por
A) 0,40
B) 0,25
C) 0,20
D) 0,12
E) 0,10
Resoluo
35

A Desigualdade de Tchebysheff pode ser dada pela expresso
P[| X | k]
1
.
k2
Dados: i) k = 12 , ii) distribuio de probabilidades de X (logo possvel

calcular a mdia e o desvio padro de X).
1 3
= E (X ) = x i f ( x i ) = 2 + 2 = 1
4 4
i
1
3
2 = E (X 2 ) 2 = x i2f ( x i ) 2 = (2) 2 + 2 2 12 = 3
4
4
Ento
k
12
k = 2.
=
3
1
P[| X 1 | 2 3 ] 0,25 limite superior da probabilidade de
22
que X difira da mdia populacional por 2 3 0,25.
P[| X 1 | 2 3 ]
GABARITO: B
24.
(Especialista
em
Assistncia
Social/Estatstica/SEJUSDF/2010/Fundao Universa) Um torneio de tnis ser disputado por
quatro jogadores (A, B, C e D). Na primeira rodada, A jogar contra B, e C
jogar contra D. Os vencedores dessas duas partidas iro disputar a grande
final e desse jogo sair o campeo. Dada a tabela a seguir, que informa as
probabilidades de cada jogador vencer o outro, e sabendo que o jogador A
venceu o jogador B, assinale a alternativa que apresenta a probabilidade de C
sagrar-se campeo.
jogador
Probabilidade de vencer o
jogador A
jogador B
jogador C
jogador D
40%
30%
20%
60%
55%
10%
70%
45%
65%
80%
90%
35%
A) 7%
B) 10,5%
C) 13%
36

D) 19,5%
E) 30,0%
Resoluo
P[C ser campeo] = P[C vencer D] x P[C vencer A] = 0,35 x 0,30 = 0,105
P[C ser campeo] = 10,5%
GABARITO: B
25.
(Especialista
em
Assistncia
Social/Estatstica/SEJUSDF/2010/Fundao Universa) Considere o algoritmo a seguir:
S=0
k=0
ENQUANTO (k < 5) FAA
S = S + Xk
k=k+1
FIM
S = S/k
Sabendo que X0 = 1, X1 = 7, X2 = 3, X3 = 2 e X4 = 5, assinale a alternativa
que contm a medida de posio que o algoritmo apresentado calcula e o valor
final da varivel S quando o algoritmo finalizar o seu processamento.
A) Mdia, S = 4
B) Varincia, S = 4,8
C) Mdia, S = 3
D) Varincia, S = 5
E) Mdia, S = 2
Resoluo
O fato de a varincia no ser uma medida de posio, mas de disperso dos
dados, j nos permite eliminar as alternativas B e D. Analisemos o algoritmo.
Valores iniciais das variveis S e k:
k=0
S=0
A rotina
37

S = S + Xk
k=k+1
FIM
especifica um loop de programao em que k a varivel que controla o fim
do loop.
O passo zero do algoritmo a inicializao das variveis S = k =0.
Vejamos a evoluo do algoritmo aps a inicializao a seguir.
Passo 1: k = 0 e S = 0 (valores iniciais)
Como k = 0 menor que 5, faa:
S(atual) = S(anterior) + X0 = 0 + 1 = 1
k(atual) = k(anterior) + 1 = 0 + 1 = 1
Passo 2: k = 1 e S = 1 (valores determinados no passo anterior)

Passo 3: k = 2 e S = 8
Passo 4: k = 3 e S = 11
Passo 5: k = 4 e S = 13
38

Passo 6: k = 5 e S = 18
Como k = 5, faa
S(atual) = S(anterior)/k = 18/5 = 3,6
O valor final de S 3,6. Observe que o algoritmo calcula a mdia aritmtica do

conjunto de dados fornecido. A alternativa com o valor mais prxima a A (S
= 4).
GABARITO: A
26.
(Especialista
em
Assistncia
Social/Estatstica/SEJUSDF/2010/Fundao Universa) Considere a varivel X com mdia 5 e desvio
padro 2 e a varivel Y com mdia 2 e desvio padro 5. Se a varincia de X +
Y igual a 8 e a varincia de X - Y igual a 4, assinale a alternativa que
apresenta o coeficiente de correlao de X e Y.
A) 1
B) 0,5
C) 0,1
D) -0,1
E) -1
Resoluo
Dados:
Varivel X: X = 5 e x = 2
Varivel Y: Y = 2 e y = 5
var(X + Y) = 8
var(X Y) = 4
Deseja-se calcular o coeficiente de correlao de X e Y:
( X , Y ) =
cov(X, Y)
xy
A banca forneceu os valores x = 2 e y = 5 . Logo, saberemos o valor da

correlao se calcularmos o valor da covarincia.
39

Sejam os coeficientes (ou valores constantes) e . Sabemos que
var(X + Y) = 2 var(X) + 2 cov(X, Y) + 2 var(Y)
e que
var(X Y) = 2 var(X) 2 cov(X, Y) + 2 var(Y)
pois o enunciado no diz que X e Y so independentes.

Substituindo os valores = = 1, obtemos
var(X + Y) = var(X) + 2 cov(X, Y) + var(Y) (1)
var(X Y) = var(X) 2 cov(X, Y) + var(Y) (2)
Como var(X + Y) = 8
equaes:
var(X Y) = 4 ,
chegamos
ao
seguinte
sistema
de
var(X) + 2 cov(X, Y) + var(Y) = 8
var(X) 2 cov(X, Y) + var(Y) = 4
Multipliquemos a segunda equao do sistema por -1:

var(X) + 2 cov(X, Y) + var(Y) = 8
var(X) + 2 cov(X, Y) var(Y) = 4
Somando as duas equaes, obtemos a equao

var(X) var(X) + 2 cov(X, Y) + 2 cov(X, Y) + var(Y) var( y) = 8 4
4 cov(X, Y) = 4
cov(X, Y) =
4
=1
4
Logo,
(X, Y) =
cov(X, Y)
1
1
=
=
= 0,1
xy
2 5 10
GABARITO: C
40

27.
(Especialista
em
Assistncia
Social/Estatstica/SEJUSDF/2010/Fundao Universa) Considere a sequncia a seguir e assinale a
alternativa que apresenta, respectivamente, sua mdia, mediana e moda.
1, 1, 1, 1, 2, 5, 6, 9, 10
A) 4, 2 e 1
B) 4, 1 e 2
C) 2, 4 e 1
D) 2, 1 e 4
E) 1, 4 e 2
Resoluo
Mdia:
X=
1 + 1 + 1 + 1 + 2 + 5 + 6 + 9 + 10 36
=
=4
9
9
A mediana de uma srie de n valores ordenados, sendo n mpar (n = 9), o

valor de ordem (n+1)/2 = 10/2 = 5:
1, 1, 1, 1, 2, 5, 6, 9, 10
quinto valor
Ento a mediana 2.
A moda 1, pois o valor de maior frequncia (ocorre 4 vezes).
GABARITO: A
28.
(Especialista
em
Assistncia
Social/Estatstica/SEJUSDF/2010/Fundao Universa) A tabela a seguir evidencia uma entrevista
feita com 50 clientes, dividida por faixa etria.
ordem da
faixa etria
1
2
3
4
faixa etria
18
25
32
40
|
|
|
|
25
32
40
48
nmero de clientes
12
24
8
6
Com base nos dados dessa entrevista, correto afirmar que

A) h, na primeira faixa etria, ao menos 1 entrevistado com 25 anos.
41

B) 12% dos entrevistados tm mais de 40 anos de idade.
C) pelo menos 1 entrevistado, na terceira faixa etria, tem 32 anos.
D) 48% dos entrevistados tm entre 18 e 32 anos.
E) 88% dos entrevistados tm menos de 40 anos de idade.
Resoluo
Reproduzimos a seguir a tabela dada pelo enunciado acrescida das colunas
frequncia e frequncia acumulada.
ordem da
faixa
etria
1
2
3
4
faixa
etria
18
25
32
40
|
|
|
|
25
32
40
48
nmero de
clientes
frequncia
freq.
acumulada
12
24
8
6
12/50 = 24%
24/50 = 48%
8/50 = 16%
6/50 = 12%
24%
72%
88%
100%

A) a classe 18 | 25 no inclui quem tem 25 anos, pois a classe aberta
direita afirmativa incorreta (*). Suponha que a 1 classe fosse 18 | 26.
Ainda assim a afirmativa estaria incorreta, pois no se pode assegurar que a
classe conter pelo menos 1 entrevistado com 25 anos.
(*) A notao 18 | 25 equivalente a usar a notao [18, 25) para designar
o intervalo de nmeros contendo o extremo 18 mas no contendo o extremo
25.
B) incorreta, haja vista que 12% dos entrevistados tm pelo menos 40 anos
(lembre que o intervalo da classe fechado esquerda).
C) o fato de a classe 32 | 40 incluir o extremo esquerdo (= 32) no garante
que pelo menos 1 entrevistado, nesta faixa etria, tem 32 anos. Por exemplo,
os 8 clientes podem ter 35 anos de idade. Assertiva incorreta.
D) incorreta, pois 72% dos entrevistados tm entre 18 e 32 anos (vide coluna
de frequncias acumuladas na tabela acima).
E) correta, pois a frequncia acumulada at a 3 classe de 88%.
GABARITO: E
Abraos e at a prxima aula.
Bons estudos!
42

Moraes Junior
moraesjunior@pontodosconcursos.com.br
Alexandre Lima
ablima@ablima.pro.br
43

Questes Comentadas e Resolvidas Nesta Aula
1. (ICMS-RJ/2009/FGV) 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
2. (ICMS-RJ/2008/FGV) Considere uma Amostra Aleatria Simples de n
unidades extradas de uma populao na qual a caracterstica, X, estudada tem
distribuio Normal com mdia e varincia 2, ambas desconhecidas, mas
1 n
finitas. Considere, ainda, as estatsticas mdia da amostra, X = X i , e
n i =1
n
1
varincia da amostra S 2 = (X i X ) 2 . 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
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.
3. (ICMS-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
44

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) 2.400 pessoas
C) 1.200 pessoas
D) 100 pessoas
E) 4.800 pessoas
4. (Estatstica/IBGE/2010/CESGRANRIO) Para que o erro padro da
mdia amostral X seja reduzido metade, deve-se
A) multiplicar o tamanho da amostra por 2.
B) multiplicar o tamanho da amostra por 4.
C) multiplicar o tamanho da amostra por 16.
D) dividir o tamanho da amostra por 2.
E) dividir o tamanho da amostra por 4.
5. (Analista Tcnico/SUSEP/2001/ESAF) Os itens 2,30; 4,11; 5,20; 6,30;
7,20 formam uma ordenao de uma amostra aleatria de tamanho 5 da
distribuio uniforme no intervalo [0,] sendo >0. Assinale a opo que
corresponde estimativa de mxima verossimilhana de .
A) 5,20
B) 5,02
C) 7,20
D) 5,00
E) 8,00
6. (Analista Tcnico/SUSEP/2001/ESAF) Tem-se duas amostras
independentes ambas de tamanho 21 de duas populaes normais com a
mesma varincia 2 > 0. Deseja-se construir um intervalo de confiana para
2, no nvel de 95%, com base numa estimativa combinada das varincias
amostrais s12 = 0,4 e s 22 = 0,6 . Se 0< a b} = 0,025, onde X tem distribuio qui-quadrado, assinale a
resposta que corresponde ao intervalo procurado e ao nmero de graus de
liberdade da distribuio de X.
A) [17/b; 17/a] e 20 graus de liberdade
45

B) [5/3b; 5/2a] e 40 graus de liberdade
C) [17/b; 17/a] e 41 graus de liberdade
D) [20/b; 20/a] e 40 graus de liberdade
E) [5/3b; 5/2a] e 20 graus de liberdade
7. (Analista/rea 3/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 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 anterior 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]
iid
8. (Estat./IBGE/2010/CESGRANRIO)
considerados dois estimadores para 2
T1 =
1 n
(X i X ) 2
n 1 i =1
T2=
Sejam
X 1 , X 2 ,..., X n ~ N(; 2 )
1 n
(X i X ) 2 .
n i =1
Observe as afirmativas a seguir a respeito desses estimadores.

I T1 no tendencioso.
II O erro mdio quadrtico de T1
2
III A tendncia de T2 =
n
2
2(n 1) 4
4 , enquanto que o de T2
.
n 1
n2
(So) correta(s) a(s) afirmativa(s)

A) I apenas.
B) I e II, apenas.
C) I e III, apenas.
D) II e III, apenas.
E) I, II e III.
46

9. (Estatstica/IBGE/2010/CESGRANRIO) Considere uma amostragem
aleatria simples, sem reposio, de uma populao de tamanho muito
grande. Qual o tamanho aproximado de amostra que permite estimar a mdia
de uma varivel y, cujo desvio padro populacional igual a 5, com margem
de erro 0,1, a um nvel de confiana 95%?
A) 100
B) 400
C) 1.000
D) 4.000
E) 10.000
10. (Estatstica/IBGE/2010/CESGRANRIO) Para avaliar a taxa de
desemprego em uma determinada localidade, selecionou-se uma amostra
aleatria de 900 indivduos em idade produtiva. O resultado dessa amostra
revelou que o nmero de desempregados era de 36%. O intervalo de 95% de
confiana para a proporo de desempregados, nessa localidade,
A) 36% 0,1%
B) 36% 2,6%
C) 36% 3,1%
D) 36% 3,7%
E) 36% 4,1%
11. (Analista/rea 2/BACEN/2010/CESGRANRIO) Em um estudo sobre a
economia informal de uma cidade, deseja-se determinar uma amostra para
estimar o rendimento mdio dessa populao, com um grau de confiana de
95% de que a mdia da amostra aleatria extrada no difira de mais de R$
50,00 da mdia do rendimento dessa populao, cujo desvio padro R$
400,00. Sabendo-se que z ~ N[0,1] e que
1, 96
f (z)dz = 0,4750 , onde f(z) a
funo de densidade de probabilidade de z, pode-se concluir que o nmero de

pessoas da amostra ser
A) 321
B) 308
C) 296
D) 271
E) 246
(Analista
Ministerial/Estatstica/MPE-PE/2006/FCC)
Instrues
(adaptadas): Para responder s questes de nmeros 12 e 13, considere as
tabelas a seguir.
47

Elas fornecem alguns valores da funo de distribuio F(x). A tabela 1 referese varivel normal padro, as tabelas 2 e 3 referem-se varivel t de
Student com 15 e 16 graus de liberdade, respectivamente:
Tabela 1
x
F(x)
1,60
0,945
1,64
0,950
2,00
0,977
Tabela 2
x
F(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
12. 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 central do limite para estimar a
amplitude do intervalo de confiana de 90% para p, podemos afirmar que tal
amplitude , aproximadamente, igual a
A) 0,041
B) 0,045
C) 0,058
D) 0,070
E) 0,082
13. 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 porcentuais 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)%
(ANPEC/2009/Adaptada)
verdadeiras:
Verifique
se
as
afirmativas
14
17
so
14. Em uma pesquisa de opinio a proporo de pessoas favorveis a uma

determinada medida governamental dada por p = X i / n . O menor valor de
48

n para o qual a desigualdade de Chebyshev resultar em uma garantia de que
P(| p p | 0,01) 0,01 200.000.
15. Quando o nmero de graus de liberdade cresce, a distribuio 2
aproxima-se de uma distribuio normal com mdia e desvio padro 2.
16. Um intervalo de confiana de 99% para a mdia de uma populao,
calculado para uma amostra aleatria, como [2,75; 8,25], pode ser
interpretado como: a probabilidade de estar no intervalo calculado de 99%.
17. Se existe, todo estimador de mxima verossimilhana calculado para uma
amostra aleatria possui distribuio Normal em grandes amostras.
18. (Analista da SUSEP/2002/ESAF) A funo de verossimilhana para
uma amostra aleatria de tamanho n de uma distribuio de probabilidades
dependente de um parmetro real vem dada por
exp{mn + n} b
l() =
0
 0 a mdia das observaes amostrais e b a menor observao

amostral. Assinale a opo que corresponde a estimativa de mxima
verossimilhana de .
A) nm
B) b
C) m
D) nb
E) m/b
19. (ICMS-RJ/2010/FGV). Para estimar a proporo p de pessoas
acometidas por uma certa gripe numa populao, uma amostra aleatria
simples de 1600 pessoas foi observada e constatou-se que, dessas pessoas,
160 estavam com a gripe.
Um intervalo aproximado de 95% de confiana para p ser dado por:
A) (0,066, 0,134).
B) (0,085, 0,115).
C) (0,058, 0,142).
D) (0,091, 0,109).
E) (0,034, 0,166).
49

20. (ICMS-RJ/2010/FGV). Suponha que os salrios dos trabalhadores numa
certa regio sejam descritos por uma varivel populacional com mdia
desconhecida e desvio padro igual a R$200,00. Para se garantir, com 95% de
probabilidade, que o valor da mdia amostral dos salrios no diferir do valor
da mdia populacional por mais de R$10,00, a amostra aleatria simples
dever ter no mnimo, aproximadamente, o seguinte tamanho:
A) 3.568.
B) 3.402.
C) 2.489.
D) 2.356.
E) 1.537.
21. (Analista da SUSEP/Aturia/2010/ESAF). Deseja-se estimar a
proporo p de pessoas com determinada caracterstica em uma populao.
Um levantamento preliminar forneceu p = 2 / 7 . Usando essa estimativa,
obtenha o menor tamanho de amostra aleatria simples necessria para
estimar p com um intervalo de 95% de confiana e um erro de amostragem
z pq / n 2% , onde q = 1 p .
A) 7840
B) 2500
C) 1960
D) 9604
E) 2401
Exerccios de Reviso
22. (Analista Tcnico/SUSEP/2002/ESAF) Seja X uma varivel aleatria
com valor esperado e desvio padro >0. Pode-se afirmar que
A) pelo menos 75% das realizaes de X pertencero ao intervalo [-2;+2]
B) pelo menos 80% das realizaes de X pertencero ao intervalo [-2;+2]
C) pelo menos 90% das realizaes de X pertencero ao intervalo [-2;+2]
D) pelo menos 95% das realizaes de X pertencero ao intervalo [ -2;+2]
E) apenas com o conhecimento de e no possvel fazer afirmao sobre o
percentual de realizaes de X que cairo no intervalo [ -2;+2].
23. (Analista Ministerial/Estatstica/MPE-PE/2006/FCC) Seja X uma
varivel aleatria assumindo os valores -2 e 2, com probabilidade 1/4 e 3/4,
respectivamente. Seja a mdia de X. Ento o limite superior de P[|X - |
12 ], obtido pela desigualdade de Tchebysheff, dado por
50

A) 0,40
B) 0,25
C) 0,20
D) 0,12
E) 0,10
24.
(Especialista
em
Assistncia
Social/Estatstica/SEJUSDF/2010/Fundao Universa) Um torneio de tnis ser disputado por
quatro jogadores (A, B, C e D). Na primeira rodada, A jogar contra B, e C
jogar contra D. Os vencedores dessas duas partidas iro disputar a grande
final e desse jogo sair o campeo. Dada a tabela a seguir, que informa as
probabilidades de cada jogador vencer o outro, e sabendo que o jogador A
venceu o jogador B, assinale a alternativa que apresenta a probabilidade de C
sagrar-se campeo.
jogador
jogador A
jogador B
jogador C
jogador D
40%
30%
20%
60%
55%
10%
70%
45%
65%
80%
90%
35%
A) 7%
B) 10,5%
C) 13%
D) 19,5%
E) 30,0%
25.
(Especialista
em
Assistncia
Social/Estatstica/SEJUSDF/2010/Fundao Universa) Considere o algoritmo a seguir:
S=0
k=0
S = S + Xk
k=k+1
FIM
S = S/k
Sabendo que X0 = 1, X1 = 7, X2 = 3, X3 = 2 e X4 = 5, assinale a alternativa
que contm a medida de posio que o algoritmo apresentado calcula e o valor
final da varivel S quando o algoritmo finalizar o seu processamento.
51

A) Mdia, S = 4
B) Varincia, S = 4,8
C) Mdia, S = 3
D) Varincia, S = 5
E) Mdia, S = 2
26.
(Especialista
em
Assistncia
Social/Estatstica/SEJUSDF/2010/Fundao Universa) Considere a varivel X com mdia 5 e desvio
padro 2 e a varivel Y com mdia 2 e desvio padro 5. Se a varincia de X +
Y igual a 8 e a varincia de X - Y igual a 4, assinale a alternativa que
apresenta o coeficiente de correlao de X e Y.
A) 1
B) 0,5
C) 0,1
D) -0,1
E) -1
27.
(Especialista
em
Assistncia
Social/Estatstica/SEJUSDF/2010/Fundao Universa) Considere a sequncia a seguir e assinale a
alternativa que apresenta, respectivamente, sua mdia, mediana e moda.
1, 1, 1, 1, 2, 5, 6, 9, 10
A) 4, 2 e 1
B) 4, 1 e 2
C) 2, 4 e 1
D) 2, 1 e 4
E) 1, 4 e 2
28.
(Especialista
em
Assistncia
Social/Estatstica/SEJUSDF/2010/Fundao Universa) A tabela a seguir evidencia uma entrevista
feita com 50 clientes, dividida por faixa etria.
ordem da
faixa etria
1
2
3
4
faixa etria
18
25
32
40
|
|
|
|
25
32
40
48
nmero de clientes
12
24
8
6
Com base nos dados dessa entrevista, correto afirmar que

52

A) h, na primeira faixa etria, ao menos 1 entrevistado com 25 anos.
B) 12% dos entrevistados tm mais de 40 anos de idade.
C) pelo menos 1 entrevistado, na terceira faixa etria, tem 32 anos.
D) 48% dos entrevistados tm entre 18 e 32 anos.
E) 88% dos entrevistados tm menos de 40 anos de idade.
53

Raciocínio Lógico - Aula 11

Transféré par

Informations du document

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

Raciocínio Lógico - Aula 11

Transféré par

Droits d'auteur :

Formats disponibles

Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados em

Exerccios, incluindo Matemtica, Matemtica Financeira e Estatstica

Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados em

Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados em

justo (ou no viesado, ou no viciado, ou no

A Eq. (1) afirma que os valores aleatrios de um estimador justo ocorrero em

Um estimador no viesado aquele que, na mdia, acerta o valor

, conforme ilustrado pela

Profs. Alexandre Lima e Moraes Junior

Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados em

Exemplo (Mdia Amostral). Seja uma populao com mdia . A mdia X

Ento, o valor esperado de X

Portanto, a mdia amostral um estimador justo da mdia

Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados em

levando em conta que ( X ) 2 = ( X ) 2 , obtemos

aplicando a expectncia, obtemos

Como a esperana da soma igual soma das esperanas, tem-se que

Mas E (X i ) 2 = var(X i ) = 2 e E[( X ) 2 ] = var(X ) = 2 / n. Logo,

Profs. Alexandre Lima e Moraes Junior

Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados em

o qual, no por acaso, corresponde varincia amostral definida em uma

Profs. Alexandre Lima e Moraes Junior

Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados em

ESTIMAO POR INTERVALO

em que a grandeza 1 representa o nvel de confiana da estimao

A semiamplitude do intervalo de confiana tambm poder ser

A freqncia relativa amostral p tambm poder ser representada por

A expresso (3) tem um problema: no conhecemos o valor de p. Para

Ento o intervalo de confiana para p, ao nvel de confiana 1 , ser dado

Profs. Alexandre Lima e Moraes Junior

Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados em

0,035 0,0114 p 0,035 + 0,0114 0,0236 p 0,0464 com 95% de confiana.

Voltemos resoluo da questo.

p = 0,513 : proporo de pessoas favorveis proposta;

Qual o valor de n (novo nmero de pessoas que deveriam ser ouvidas)

Conhecendo z / 2 (no foi fornecido) possvel calcular n por meio de

Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados em

X um estimador justo (no tendencioso) e consistente da

Profs. Alexandre Lima e Moraes Junior

Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados em

Ateno: o estimador S2 do enunciado desta questo corresponde ao

Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados em

Substituindo p = 50% = 1/2 na expresso de n, obtemos

Seja o novo erro padro de X denotado por ( X ) . Ento

n = 4n (deve-se multiplicar o tamanho da

Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados em

Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados em

A soluo para a equao acima ( em termos dos xk) a estimativa de

Ou seja, L() apenas a probabilidade de obter os valores amostrais

Profs. Alexandre Lima e Moraes Junior

Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados em

Exemplo. Suponha uma populao com distribuio uniforme entre 0 e .

Sabe-se que x max . A funo densidade de probabilidade da distribuio

Cujo domnio x max , ou seja, o menor valor possvel para o parmetro

Profs. Alexandre Lima e Moraes Junior

Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados em

O valor mximo da amostra x max = x 5 = 7,20 . A Estimativa de Mxima

Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados em

(n1 1)S12 + (n 2 1)S22 + ... + (n k 1)S2k

que possui n1 + n 2 + ... + n k k graus de liberdade.

e isto implica dizer que a estatstica X k possui nk graus de liberdade.

Profs. Alexandre Lima e Moraes Junior

Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados em

Sabemos que os valores 2n 1,1 / 2 e 2n 1, / 2 so tais que