Baixe o app para aproveitar ainda mais
Prévia do material em texto
1 INSTITUTO SUPERIOR DE CONTABILIDADE E AUDITORIA DE MOÇAMBIQUE Disciplina: Estatistica II Data: 13.05.2023 Curso: LCA, LCFin, LCPA e LCF Duração: 2 horas Ano/Semestre: 2º Ano/1 º Semestre Docente: Grupo dedisciplina Teste II-Variante I GUIÃO DE CORRECÇÃO Inferência Estatística é fazer afirmações sobre características de uma população, baseando-se em resultados de uma amostra 1. Diga qual é a diferença entre testes paramétricos e não – paramétricos. (2.5 val) Testes Paramétricos: são procedimentos matemáticos para testes de hipóteses, onde a aplicação das suas técnicas exigem suposições de normalidade quanto à distribuição da variável populacional. Esses testes são apenas aplicados a dados numéricos; (1.25 val) Testes Não-paramétricos: São procedimentos matemáticos para testes de hipóteses que, diferentemente da testes paramétricos, não fazem suposições sobre distribuição de probabilidade das variáveis a serem consideradas. Os testes Não-Paramétricos podem ser aplicados a uma ampla diversidade de situações, porque não exigem populações distribuídas normalmente, podem frequentemente ser aplicados a dados não-numéricos. (1.25 val) 2. O director comercial de uma cadeia de lojas pretende comparar duas técnicas de vendas, A e B, para o mesmo produto. Utilizando a técnica de vendas A a quantidade do produto vendido por dia é em média de 816 Kg com um desvio padrão de 45 Kg. Adoptando a nova técnica de vendas B espera-se aumentar a quantidade de vendas diárias. Para testar tal hipótese registou-se a quantidade diária de vendas do produto durante 50 dias, obtendo-se um valor médio de 839 Kg. Pode aceitar-se a hipótese ao nível de significância de 1%? (3.0 val) Resolução: Do problema temos: 𝜇0 = 816; σ0 = 45; 𝑛 = 50; �̅� = 839 𝑒 𝛼 = 0.01 (𝟎. 𝟐 𝐯𝐚𝐥) 1º passo: Formular hipóteses { H0: 𝜇 = 816 (𝐴 𝑞𝑢𝑎𝑛𝑡𝑖𝑑𝑎𝑑𝑒 𝑚é𝑑𝑖𝑎 𝑑𝑜 𝑝𝑟𝑜𝑑𝑢𝑡𝑜 𝑣𝑒𝑛𝑑𝑖𝑑𝑜 𝑝𝑜𝑟 𝑑𝑖𝑎 é 𝑑𝑒 816 𝐾𝑔 𝑝𝑒𝑙𝑜 𝑚é𝑡𝑜𝑑𝑜 𝐴) (𝟎. 𝟐 𝐯𝐚𝐥) H1: 𝜇 > 816 (A quantidade média do produto vendido por dia é superior a 816 Kg pelo método B) (𝟎. 𝟑 𝐯𝐚𝐥) 2º passo: Fixar o limite de erro α e identificar a distribuíção amostral Nota que a variança populacional é conhecida, então: 2 Para 𝛼 = 0.01; �̅�~𝑁 (𝜇 =; 𝜎2 𝑛 ) (𝟎. 𝟏 𝐯𝐚𝐥) 3º passo: Com os elementos amostrais, calcular o valor da variável do teste 𝑍𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑜 = �̅� − 𝜇0 𝜎 √𝑛 (𝟎. 𝟐 𝐯𝐚𝐥) = 839 − 816 45 √50 (𝟏. 𝟎 𝐯𝐚𝐥) = 3.61 (𝟎. 𝟐 𝐯𝐚𝐥) 4º passo: Com o auxílio da tabela de distribuíção normal padrão, determinar a RC (região crítica) e RA (região de aceitação) para 𝐻0 Trata-se de um teste unicaudal direito, logo 𝑍𝑐𝑟í𝑡𝑖𝑐𝑜 = 𝑍𝛼 = 𝑍0.01 = 2.33 (𝟎. 𝟏 𝐯𝐚𝐥) (𝟎. 𝟐 𝐯𝐚𝐥) 5º passo: Tomada de decisão Como 𝑍𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑜 =3.61> 𝑍𝑐𝑟í𝑡𝑖𝑐𝑜 = 2.33, rejeita-se o 𝐻0 (𝟎. 𝟐 𝐯𝐚𝐥) 6º passo: Conclusão A um nível de significância de 1%, há evidências suficientes para afirmar que com a nova técnica de vendas B, as quantidade de vendas diárias aumentaram significativamente. (𝟎. 𝟑 𝐯𝐚𝐥) 3. Certo produto embalado por uma empresa apresenta distribuição normal com desvio padrão de 8g. A máquina de embalar passou por uma revisão e o técnico afirma que a variabilidade diminui após a calibração. Foi selecionada uma amostra aleatória de 12 observações e foram obtidos os seguintes resultados: 500g; 492g; 490g; 502g; 505g; 493g; 500g; 498g; 494g; 509g; 491g; 497g. Testar a afirmação do técnico, ao nível de significância de 1%. (4.5 val) Resolução: Pelos dados temos: 𝜎0 = 8; 𝑛 = 12; 𝑆 = 5.9; 𝛼 = 0.01 (𝟎. 𝟓 𝐯𝐚𝐥) 1º Passo: Formulação de hipóteses: { 𝐻0: 𝜎 2 = 82 (𝐴 𝑣𝑎𝑟𝑖𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑𝑒 é 𝑑𝑒 82𝑔2 𝑎𝑛𝑡𝑒𝑠 𝑑𝑎 𝑐𝑎𝑙𝑖𝑏𝑟𝑎çã𝑜 𝑑𝑎 𝑚á𝑞𝑢𝑖𝑛𝑎) (𝟎. 𝟑𝐯𝐚𝐥) 𝐻1: 𝜎 2 < 82 (𝑎 𝑣𝑎𝑟𝑖𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑𝑒 𝑑𝑖𝑚𝑖𝑛𝑢𝑖 𝑎𝑝ó𝑠 𝑎 𝑐𝑎𝑙𝑖𝑏𝑟𝑎çã𝑜 𝑑𝑎 𝑚á𝑞𝑢𝑖𝑛𝑎) (𝟎. 𝟒 𝐯𝐚𝐥) 2º Passo: Identificação da distribuição amostral 𝑃𝑎𝑟𝑎 𝛼 = 0.01; 𝜒2~𝜒2 𝑛−1 (𝟎. 𝟐 𝐯𝐚𝐥) 3º Passo: Determinação da estatística do teste 3 𝜒2 𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑜 = (𝑛 − 1) ∗ 𝑆2 𝜎20 (𝟎. 𝟐 𝐯𝐚𝐥) = 11 ∗ 5.92 82 (𝟏. 𝟓 𝐯𝐚𝐥) = 5.98 (𝟎. 𝟐 𝐯𝐚𝐥) 4º Passo: Determinação dos valores críticos e região de aceitação ou rejeição da Hipótese nula. Sabe se que o nível de significância é de 1% e o teste é uni-caudal esquerdo, pela tabela de distribuição Qui-Quadrado temos: 𝜒2 1−𝛼;𝑛−1 = 𝜒2 1−0.01;12−1 = 𝜒2 0.99;11 = 3.053 (𝟎. 𝟐 𝐯𝐚𝐥) (𝟎. 𝟑 𝐯𝐚𝐥) 5º Passo: Decisão Como 𝜒2 𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑜 = 5.98 > 𝜒2 0.99;11 = 3.053, não se rejeita a hipótese nula (𝟎. 𝟒 𝐯𝐚𝐥) 6ª Passo: Conclusões A um nível de significância de 1%, pode se afirmar que a variabilidade não diminuiu após a calibração da máquina. (𝟎. 𝟑 𝐯𝐚𝐥) 4. Os pesos (em kg) de vinte suínos que foram separados em dois grupos e alimentados com rações diferentes são apresentados a seguir. Concluir se existem evidências de que as rações propiciaram ganhos de peso médios diferentes, ao nível de significância de 5%. (6.0 val) Ração A: 6.5; 5.8; 5.3; 5.9; 6.7; 7.0; 7.2; 6.8; 6.8; 6.9 Ração B: 5.0; 6.0; 7.3; 7.5; 8.9; 9.0; 9.6; 8.9; 9.9; 6.2 Resolução Pelos dados temos: 𝑆𝑒𝑗𝑎 𝑛1 = 𝑅𝑎çã𝑜 𝐴 𝑒 𝑛2 = 𝑅𝑎çã𝑜 𝐵 𝑛1 = 10; �̅�1 = 6.49; 𝑆 2 1 = 0.379; 𝑛2 = 10; �̅�2 = 7.83; 𝑆 2 2 = 2.831 (𝟎. 𝟑 𝐯𝐚𝐥) Nota que nada sab-see sobre a homogeidade das população, então primeiros temos que testar a hipótese para a igualdade das varianças. 1º Passo: Formulação de hipóteses: { 𝐻0: 𝜎 2 1 = 𝜎 2 2 (𝐴𝑠 𝑝𝑜𝑝𝑢𝑙𝑎çõ𝑒𝑠 𝑠ã𝑜 ℎ𝑜𝑚𝑜𝑔ê𝑛𝑒𝑎𝑠) (𝟎. 𝟏 𝐯𝐚𝐥) 𝐻1: 𝜎 2 1 ≠ 𝜎 2 2 (𝐴𝑠 𝑝𝑜𝑝𝑢𝑙𝑎çõ𝑒𝑠 𝑠ã𝑜 ℎ𝑒𝑡𝑒𝑟𝑟𝑜𝑔ê𝑛𝑒𝑎𝑠) (𝟎. 𝟏 𝐯𝐚𝐥) 2º Passo: Identificação da distribuição amostral 𝑃𝑎𝑟𝑎 = 0.05; 𝐹~𝐹𝑛1−1;𝑛1−1 (𝟎. 𝟏 𝐯𝐚𝐥) 4 3º Passo: Determinação da estatística do teste 𝐹𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑜 = 𝑆21 𝑆22 (𝟎. 𝟐 𝐯𝐚𝐥) = 0.379 2.831 (𝟎. 𝟓 𝐯𝐚𝐥) = 0.1339 (𝟎. 𝟏 𝐯𝐚𝐥) 4º Passo: Determinação dos valores críticos e região de aceitação ou rejeição da Hipótese nula Sabe-se que o nível de significância é de 5% e o teste é bi-caudal, pela tabela de distribuição F temos: 𝐹𝛼 2 ; 𝑛1−1;𝑛2−1 = 𝐹0.025; 9;9 = 4.03 (𝟎. 𝟏 𝐯𝐚𝐥) 𝐹 1− 𝛼 2 ; 𝑛1−1;𝑛2−1 = 1 𝐹𝛼 2 ; 𝑛2−1;𝑛1−1; = 1 𝐹0.025; 9;9 = 1 4.03 = 0.248 (𝟎. 𝟏 𝐯𝐚𝐥) (𝟎. 𝟐 𝐯𝐚𝐥) 5º Passo: Decisão Como 𝐹𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑜 = 0.1339 ∈ 𝑅𝑒𝑔𝑖ã𝑜 𝑑𝑒 𝑅𝑒𝑗𝑒𝑖çã𝑜, logo, rejeita-se a hipótese nula. (𝟎. 𝟏 𝐯𝐚𝐥) 6ª Passo: Conclusões A um nível de significância de 5%, pode se afirmar que as varianças são desconhecidas e diferente, isto é, as populações são heterrogêneas. (𝟎. 𝟏 𝐯𝐚𝐥) Em seguida o teste de igualdade das médias: 1º Passo: Formulação de hipóteses: { 𝐻0: 𝜇1 = 𝜇2 (𝟎. 𝟐 𝐯𝐚𝐥) 𝐻1: 𝜇1 ≠ 𝜇2 (𝟎. 𝟐 𝐯𝐚𝐥) 2º Passo: Identificação da distribuição amostral 𝑁𝑜𝑡𝑎 𝑞𝑢𝑒 (𝑛1 ∩ 𝑛2 ) < 30, 𝐿𝑜𝑔𝑜 𝑝𝑎𝑟𝑎 𝛼 = 0.05, 𝑡~𝑡𝐺𝑙 (𝟎. 𝟐 𝐯𝐚𝐥) 3º Passo: Determinação da estatística do teste 𝑡𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑜 = (�̅�1 − �̅�2) − (𝜇1 − 𝜇2) √ 𝑆21 𝑛1 + 𝑆22 𝑛2 (𝟎. 𝟐 𝐯𝐚𝐥) = (6.49 − 7.83) √0.379 10 + 2.831 10 (𝟏. 𝟐 𝐯𝐚𝐥) = −2.365 (𝟎. 𝟐 𝐯𝐚𝐥) 4º Passo: Determinação dos valores críticos e região de aceitação ou rejeição da Hipótese nula Sabe-se que o nível de significância é de 5% e o teste é bilateral com varianças desconhecidas e diferentes, então: 𝐺𝑙 = ( 𝑆21 𝑛1 + 𝑆22 𝑛2 ) 2 ( 𝑆21 𝑛1 ) 2 𝑛1 − 1 + ( 𝑆22 𝑛2 ) 2 𝑛2 − 1 (𝟎. 𝟐 𝐯𝐚𝐥) = ( 0.37910 + 2.831 10 ) 2 ( 0.379 10 ) 2 9 + ( 2.831 10 ) 2 9 (𝟎. 𝟕 𝐯𝐚𝐥) = 11 (𝟎. 𝟏 𝐯𝐚𝐥) 5 𝑡𝛼 2 ; 𝐺𝑙 = 𝑡0.25;11 = ±2.201 (𝟎. 𝟐 𝐯𝐚𝐥) (𝟎. 𝟐 𝐯𝐚𝐥) 5º Passo: Decisão Como 𝑡𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑜 = −2.365 ∈ 𝑅𝑅, Logo rejeita-se a hipótese nula. (𝟎. 𝟐 𝐯𝐚𝐥) 6ª Passo: Conclusões A um nível de significância de 5%, não há evidências suficientes de que as rações propiciaram ganhos de peso médios diferentes. (𝟎. 𝟐 𝐯𝐚𝐥) 5. Uma empresa que presta serviços de acessória a outras empresas está interessada em comparar taxa de reclamações sobre os seus serviços em dois dos seus escritórios em duas cidades diferentes. Suponha que a empresa tenha seleccionado aleatoriamente 100 serviços realizados pelo escritório da cidade A e foi constatado que em 12 deles houve algum tipo de reclamação. Já do escritório da cidade B foram seleccionados 120 serviços e 18 receberam algum tipo de reclamação. A empresa deseja saber a um nível de significância de 5%, se estes resultados são suficientes para se concluir que os dois escritórios apresentam diferenças significativas entre suas taxas de reclamações. (4.0 val) Resolução: Do problema temos: 𝑆𝑒𝑗𝑎 𝑛1 = 𝑆𝑒𝑟𝑣𝑖ç𝑜𝑠 𝑑𝑜 𝑒𝑠𝑐𝑟𝑖𝑡ó𝑟𝑖𝑜 𝑑𝑎 𝑐𝑖𝑑𝑎𝑑𝑒 𝐴 𝑒 𝑛2 = 𝑆𝑒𝑟𝑣𝑖ç𝑜𝑠 𝑑𝑜 𝑒𝑠𝑐𝑟𝑖𝑡ó𝑟𝑖𝑜 𝑑𝑎 𝑐𝑖𝑑𝑎𝑑𝑒 𝐵 𝑛1 = 100; 𝑃1 = 12 100 = 0.12; 𝑛2 = 120; 𝑃2 = 18 120 = 0.15; 𝛼 = 0.05 (𝟎. 𝟒 𝐯𝐚𝐥) 1º passo: Formular hipóteses { 𝐻0: 𝜋𝐴 = 𝜋𝐵 (𝐴𝑠 𝑡𝑎𝑥𝑎𝑠 𝑑𝑒 𝑟𝑒𝑐𝑙𝑎𝑚𝑎çõ𝑒𝑠 𝑒𝑛𝑡𝑟𝑒 𝑎𝑠 𝑐𝑖𝑑𝑎𝑑𝑒𝑠 𝐴 𝑒 𝐵 𝑛ã𝑜 𝑠𝑒 𝑑𝑖𝑓𝑒𝑟𝑒𝑚) (𝟎. 𝟐 𝐯𝐚𝐥) 𝐻1: 𝜋𝐴 ≠ 𝜋𝐵 (𝐻á 𝑑𝑖𝑓𝑒𝑟𝑒𝑛ç𝑎𝑠 𝑒𝑛𝑡𝑟𝑒 𝑎𝑠 𝑡𝑎𝑥𝑎𝑠 𝑑𝑒 𝑟𝑒𝑐𝑙𝑎𝑚𝑎çõ𝑒𝑠 𝑒𝑛𝑡𝑟𝑒 𝑎𝑠 𝑐𝑖𝑑𝑎𝑑𝑒𝑠 𝐴 𝑒 𝐵) (𝟎. 𝟒 𝐯𝐚𝐥) 2º passo: Fixar o limite de erro 𝛼, e identificar a variável de teste Para 𝛼 = 0.05; (𝑃1 − 𝑃2) ≈ 𝑁 (𝜋1 − 𝜋2; 𝑃1∗(1−𝑃1) 𝑛1 + 𝑃2∗(1−𝑃2) 𝑛2 ) (𝟎. 𝟐 𝐯𝐚𝐥) Z: variável normal padrão 3º passo: Com os elementos amostrais, calcular o valor da variável do teste 𝑍𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑜 = (𝑝1 − 𝑝2) − (𝜋1 − 𝜋2) √ 𝑝1 ∗ (1 − 𝑝1) 𝑛1 + 𝑝2 ∗ (1 − 𝑝2) 𝑛2 (𝟎. 𝟐 𝐯𝐚𝐥) = (0.12 − 0.15) √0.12 ∗ 0.88 100 + 0.15 ∗ 0.85 120 (𝟏. 𝟒 𝐯𝐚𝐥) 𝑍𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑜 = −0.6517 (𝟎. 𝟐 𝐯𝐚𝐥) 6 4º passo: Com o auxílio da tabela de distribuíção normal padrão, determinar a RC (região crítica) e RA (região de aceitação) para 𝐻0 Trata-se de um teste bicaudal, onde 𝑍𝑐𝑟í𝑡𝑖𝑐𝑜 = 𝑍𝛼 2 = 𝑍0.025 = ±1.96 (𝟎. 𝟐 𝐯𝐚𝐥) (𝟎. 𝟐 𝐯𝐚𝐥) 5º passo: Tomada de decisão 𝐶𝑜𝑚𝑜, 𝑍𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑜 = −0.6517 ∈ 𝑅𝐴, logo não se rejeita o 𝐻0 (𝟎. 𝟐 𝐯𝐚𝐥) 6º passo: Conclusão A um nível de significância de 5%, há evidências suficientes para concluír que não há diferenças significativas entre as taxas de reclamação dos escritórios das cidades. (𝟎. 𝟒 𝐯𝐚𝐥)
Compartilhar