Baixe o app para aproveitar ainda mais
Prévia do material em texto
AULA 4 INTERVALO DE CONFIANÇA DEPARTAMENTO DE CIÊNCIAS CONTÁBEIS Disciplina: MÉTODOS QUANTITATIVOS VOLTADOS PARA PESQUISA EM CONTABILIDADE Professor: ALAN CARTER KULLACK 70 INTERVALO DE CONFIANÇA (IC) Definição1: É um intervalo (espaço) estimado de um parâmetro estatístico,o qual possibilita o cálculo deste parâmetro estatístico desconhecido. Definição2: É quando fazemos uma estimativa de um intervalo de valores possíveis, no qual se admite esteja o parâmetro populacional. Em outras palavras: “O intervalo de confiança é um intervalo matemático que mede a confiabilidade de uma amostra retirada de uma determinada população.” Profº Alan Carter Kullack Exemplo 1: UTILIZAÇÃO DO INTERVALO DE CONFIANÇA Utilizamos o intervalo de confiança para os seguintes parâmetros: Média; Diferença de Médias; Proporção; Diferença de Proporção; Variância; Tamanho de uma amostra. 71 REPRESENTAÇÃO GRÁFICA DO I.C. O gráfico de intervalo de confiança, reproduz uma dimensão bem específica dos valores a serem considerados na amostra,deixando assim o grau de confiança na pesquisa mais elevado,isto é, com uma probabilidade de acerto maior. Fonte:<http://pt.slideshare.net/NathliaMendona1/intervalos-de-confiana> OBS: Utilizaremos a fórmula: X – Z. Sx ≤ µ ≤ X + Z. Sx Portanto,temos que: e = Z. Sx INTERVALO DE CONFIANÇA DA MÉDIA POPULACIONAL(µ) Definição: São os valores retirados da média populacional, os quais podemos validar para toda população a ser pesquisada, isto é, assim um intervalo de confiança da própria média. 72 OBS: Para efetuar a Estimativa de Médias de uma População utiliza-se desvio padrão da distribuição que constitui a amostra (distribuição amostral), deve-se levar em consideração se o desvio padrão da população é ou não conhecido. ERRO-PADRÃO AMOSTRAL PARA A MÉDIA Ao se obter uma amostra qualquer de tamanho n, calcula-se a média aritmética populacional. Provavelmente, se uma nova amostra aleatória for realizada, a média aritmética obtida será diferente daquela da primeira amostra. A variabilidade das médias é estimada pelo seu erro padrão. Assim, o erro padrão avalia a precisão do cálculo da média populacional. O erro padrão é dado pela fórmula: Sx = S √ n , onde: Para uma população conhecida, usaremos a seguinte fórmula: Sx + S . N - n √ n N - 1 OBS1: Quanto melhor a precisão no cálculo da média populacional, menor será o erro padrão. OBS2: A amostra e o erro-padrão são grandezas inversamente proporcionais. Exemplo: Numa população obteve-se desvio padrão de 2,64 com uma amostra aleatória de 60 elementos. Qual o provável erro padrão? Solução: Sx → Erro padrão S → Desvio padrão n → Tamanho da amostra 73 INTERVALO DE CONFIANÇA PARA MÉDIA AMOSTRAS PEQUENAS(N<30) Em muitas situações da vida real, o desvio padrão populacional é desconhecido. Além disso, em função de fatores como tempo e custo, não é prático colher amostras de tamanho 30 ou mais. Nesse caso, devemos construir intervalos de confiança com uma distribuição para uma média populacional pequena,como isso utilizamos a distribuição t de Student. A DISTRIBUIÇÃO T DE STUDENT Definição: Se a distribuição de uma variável aleatória x é aproximadamente normal e , então a distribuição amostral de é uma distribuição t de Student, onde: . Onde: t = Distribuição t de student; X = Variável aleatória; µ = Média; S = Desvio Padrão amostral; n = Número da amostra Podemos representar a fórmula, da seguinte maneira: X - t. Sx ≤ µ ≤ X + t. Sx Portanto, temos: 74 Fonte: < http://slideplayer.com.br/slide/353636/> Os valores críticos de t são denotados por tc. Diversas propriedades da distribuição t estão relacionadas a seguir: A distribuição t tem a forma de sino e é simétrica em torno da média. A distribuição t é uma família de curvas, cada uma delas determinada por um parâmetro chamado grau de liberdade (g.l). Os graus de liberdade são os números de escolhas livre deixada após uma amostra estatística tal como ter sido calculada. Quando se usa uma distribuição t para estimar uma média populacional, o número de graus de liberdade é igual ao tamanho da amostra menos 1, ou seja, g.l = n – 1. O risco é representado por α ( 1 – nível de confiança) A área total sob uma curva t é 1 ou 100%. A média, a moda e a mediana da distribuição t são iguais a zero. Quando o número de graus de liberdade cresce, a distribuição tende para a distribuição normal. Após 30 graus de liberdade a distribuição t está muito próxima da distribuição normal padrão z. 75 TABELA DOS VALORES DA DISTRIBUIÇÃO t DE STUDENT Fonte: < http://slideplayer.com.br/slide/360340/> 76 ERRO-PADRÃO AMOSTRAL PARA A PROPORÇÃO: Refere-se ao erro de estimativa de uma proporção, sendo a diferença do resultado amostral em relação ao populacional para mais ou para menos, o qual aceitamos em nossa pesquisa, em função do nível de confiança desejado e representado pelo escore z. Fórmula: Sp = p.q Onde: n Ex: Um instituto de pesquisa revelou,por meio de um estudo que realizou com 300 microempresas paranaenses, que 77% delas estão satisfeitas com os serviços prestados por seus contadores e as demais estão insatisfeitas. Estime, com 95% de confiança o intervalo da proporção populacional para aquelas empresas satisfeitas com seus contadores. Solução: Dados: p = 77% q = 23% n = 300 Sp = ? p = Proporção favorável; q = Proporção desfavorável; n = Amostra; Sp = Erro-padrão proporcional Sp = 77.23 = Sp = 1771 300 300 Sp = 2,43 % 77 INTERVALO DE CONFIANÇA PARA A PROPORÇÃO POPULACIONAL Definição: Refere-se aos valores máximo e mínimo da proporção populacional. Fórmula: p – Z. Sp ≤ ¶ ≤ p + Z.Sp onde: Z = nível de confiança da tabela normal. Exemplo: Numa pesquisa de mercado, 400 pessoas foram entrevistadas sobre sua preferência por determinado produto. Destas 400 pessoas, 240 disseram preferir o produto. Determinar um intervalo de confiança de 95% de probabilidade para o percentual de preferência dos consumidores em geral para este produto. Solução: Têm-se 1 - α = 95%, então α = 5% e α / 2 = 2,5%. O coeficiente de confiança que deve ser buscado na normal padrão é valor Zα/2 de Z tal que: P(Z > Zα/2) = 2,5%, ou então: (-Zα/2) = 2,5%. Este valor vale 1,96. A estimativa por ponto para a proporçãopopulacional será: p = f/n = 240/400 = 0,60 = 60%. Logo,devemos calcular o erro-padrão amostral: Sp = p.q n Temos,então: Sp = 60.40 = Sp = 2400 = Sp = 2,45% 400 400 Então o intervalo de confiança de 95% para a proporção populacional será: 78 p – Z. Sp ≤ ¶ ≤ p + Z.Sp 60 – 1,96.2,45 ≤ ¶ ≤ 60 + 1,96.2,45 0,60 - 4,8 ≤ ¶ ≤ ,60 + 4,8 = [55,20%; 64,80%]. Portanto, pode-se afirmar com uma certeza de 95% de que este intervalo conterá a proporção populacional, isto é, a verdadeira percentagem dos consumidores que preferem o produto pesquisado. TESTE DE HIPÓTESE Definição: Os testes de hipóteses tem a função de comparar as medidas obtidas de uma amostra com os dados da população. OBS: Este teste determina se o valor amostral é correto ou incorreto ! HIPOTESE ESTATÍSTICA Definição: É um processo de decisão para avaliar as hipóteses feitas a respeito de uma determinada população. Exemplo 1: Suponhamos que uma indústria compre de certo fabricante parafusos cuja a carga média de ruptura por tração é especificada em 50 Kg, o desvio-padrão das cargas de ruptura é suposto ser igual a 4 Kg. O comprador deseja verificar se um grande lote de parafusos recebidos deve ser considerado satisfatório, no entanto existe alguma razão para se temer que a carga média de ruptura seja eventualmente inferior à 50 Kg. Se for superior não preocupa o comprador pois neste caso os parafusos seriam de melhor qualidade que a especificada. Neste exemplo, a hipótese do comprador é que a carga média da ruptura é inferior a 50 Kg. O comprador pode ter o seguinte critério para decidir se compra ou não o lote: 79 Resolve tomar uma amostra aleatória simples de 25 parafusos e submetê-los ao ensaio de ruptura. Se a carga média de ruptura observada nesta amostra for maior que 48 Kg ele comprará o lote, caso contrário se recusará a comprar. CÁCULO DE TESTES DE HIPÓTESE: Temos 2 hipóteses a serem testadas: 1º) H0 (Hipótese Nula) 2º) H1 (Hipótese Alternativa) HIPÓTESE NULA (H0): Definição: É um valor suposto para um parâmetro.Se os resultados da amostra não forem muito diferente de H0,ela não poderá ser rejeita. No exemplo1, temos H0: µ = 50. HIPÓTESE ALTERNATIVA (H1) : Definição: É uma hipótese que contraria a hipótese nula, complementar de H0. Essa hipótese somente será aceita se os resultados forem muito diferentes de H0. No exemplo1, temos H1: µ < 50 ERROS DE DECISÃO A decisão sobre uma hipótese estatística é um processo de inferência, de modo que a possibilidade de que erros sejam cometidos é inerente ao processo. Em termos da decisão sobre uma hipótese H0 existem dois tipos de erro: 80 1. Erro do tipo I: rejeitar a hipótese de nulidade quando ela não deveria ser rejeitada. 2. Erro do tipo II: falhar na rejeição da hipótese de nulidade quando ela deveria ser rejeitada. Evidentemente, decisões corretas podem ser tomadas: não rejeitar quando H0 é a hipótese adequada e rejeitar quando H1 é a hipótese adequada. A tabela que segue resume as situações. DECISÃO DE TOMADA HIPÓTESE Não Rejeitar Rejeitar HO Verdadeira Correta Erro Tipo I (α) HO Falsa Erro Tipo II (β) Correta OBS: Essa situação é totalmente análoga à decisão de um juiz sobre um réu após um julgamento, como se pode ver na tabela abaixo. A hipótese de nulidade é o réu é inocente e a decisão é no sentido de condenar ou não condenar o réu. Observe-se que o erro do tipo I é o mais importante. DECISÃO DE TOMADA HIPÓTESE Não Condenar Condenar Réu inocente Correta Erro Tipo I (Alfa) Réu culpado Erro Tipo II ( Beta) Correta É interessante notar que muitas vezes não há condenação porque as evidências (provas) não são suficientes para condenação, ou seja, H0 não é rejeitada, mas não quer dizer necessariamente que a inocência está provada. Conclusão: Para aplicar um teste de significância, cria-se uma hipótese que, geralmente, é a de igualdade (hipótese nula). O teste é feito para tentar refutar esta hipótese. Mas, por erros amostrais (flutuações) pode-se incorrer em erros de tomada de decisão. 81 OBS1: A probabilidade máxima do erro do tipo I denotada por α, é denominada nível de significância, tipicamente fixada como um valor pequeno, como 0,1; 0,05 ou 0,01. OBS2: A probabilidade de se rejeitar H0 quando ela é verdadeira, corresponde ao nível de significância ( alfa ). Reforçando a Analogia: Não rejeitar H0 não quer dizer necessariamente que ela é verdadeira; apenas não há evidências na amostra para a sua rejeição. RESUMO: Probabilidade do erro do tipo I (α) É a probabilidade de que H0 verdadeira seja rejeitada. Probabilidade do erro do tipo II. (β) É a probabilidade de que H0 falsa não seja rejeitada. Observe a figura 1: Serve para demonstrar um teste de hipótese com a média de uma população. Fonte: <http://www.portalaction.com.br/inferencia/511-erros-cometidos-nos- testes-de-hipoteses> OBS: A Região Crítica(RC), é o conjunto de valores assumidos pela variável aleatória(θ) ou estatística de testes, para o qual a hipótese nula é rejeita. Esta região também é conhecida como região de rejeição. 82 Exemplo 1: Suponha que equipe técnica tenha decidido adotar a seguinte regra:rejeitar Ho se X for maior que 62.5 kgf e ou menor que 57.5 kgf. Temos: Rc X 62, 5 ou X 57, 5 Região de rejeição de Ho Rc Ra 57, 5 X 62,4 Região de aceitação de Ho. Solução: Procedimento do Teste: Se x Є Rc Rejeita -se Ho Se x Rc Aceita-se Ho Considerando as hipóteses : H0: = 60 contra H1: ≠ 60. P[ X 62,5 ou X 57,5 / H0 60] ; Sendo X ~ N(60,25 /16). P[ X 62,5 / H0 60] + P[X < 57,5 / H0 60] P X – 60 > 62,5 - 60 + P X - 60 < 57,5 - 60 25/16 25/16 25/16 25/16 P [ Z > 2 ] + P [ Z < -2 ] = 0,02275 + 0,02275 = 0,0445 Temos, então: Fonte: <http://www.ime.unicamp.br/~hlachos/Inferencia_Hipo1.pdf> 83 PASSOS PARA A CONSTRUÇÃO DE UM TESTE DE HIPÓTESES Nos itens anteriores foram introduzidos os conceitos básicos e as terminologias que são aplicados em testes de hipóteses. Um sumário dos principais passos que podem ser usados sistematicamente para qualquer teste de hipóteses é apresentado aqui, ou seja: 1º) Fixe a hipótese H0 a ser testada e a alternativa H1; 2º) Use a teoria estatística e as informações disponíveis para decidir qual estatística (estimador) será usada para testar a hipótese H0, obtendo-se suas propriedades (distribuição, estimativa, erro padrão); 3º) Fixe a probabilidade de cometer o erro tipo I e use este valor para construir a RC (região crítica). Lembre-se que a RC é construída para a estatística definida no 1º passo , usando os valores hipotetizados por H0; 4º) Use as informaçõesda amostra para calcular o valor da estatística do teste; 5º) Se o valor da estatística calculado com os dados da amostra não pertencer à RC, não rejeite H0; caso contrário, rejeite H0. TIPOS DE TESTES DE HIPÓTESES Estudaremos testes de hipóteses com uma hipótese nula (Ho) e uma hipótese alternativa (H1). A partir da formulação de Ho e H1, podemos definir o tipo do teste a ser utilizado. Consideremos o parâmetro estudado e o ,o valor Inicialmente suposto para . Se nas hipótese formuladas forem do tipo: TESTE BILATERAL: TESTE UNILATERAL À DIREITA TESTE UNILATERAL À ESQUERDA 84 TESTE BILATERAL H0 : = 0 H1 : = 1 RC = {Z zc ou Z - zc} TESTE UNILATERAL À DIREITA TESTE UNILATERAL À ESQUERDA RC = {Z - zc } 0 x c x x x 0 x c /2 /2 1 - -zc zc Z H0 : = 0 H1 : ≠ 1 (1 > 0) H0 : = H1 : = 1 (1 < 0) -ZC z 85 TESTE DE HIPOTESE PARA A MÉDIA POPULACIONAL Neste caso há interesse em testar a hipótese de que o parâmetro média populacional () de uma certa variável Quantitativa seja maior, menor ou diferente de um certo valor. Para a realização deste teste é necessário que uma das duas condições seja satisfeita: 1º) Supor que a variável de interesse segue uma distribuição normal na população, isso significa que a distribuição amostral da média também será normal, permitindo realizar a inferência estatística paramétrica. 2º) A distribuição da variável na população é desconhecida, mas a amostra retirada desta população é considerada “suficientemente grande” o que, de acordo com o Teorema Central do Limite, permite concluir que a distribuição amostral da média é normal. Supõe-se também que a amostra é representativa da população e foi retirada de forma aleatória. Tal como na Estimação de Parâmetros por Intervalo existirão diferenças nos testes dependendo do conhecimento ou não da variância populacional da variável. A) Se a variância populacional (2) da variável (cuja média populacional queremos testar) for conhecida. Neste caso a variância amostral da média poderá ser calculada através da expressão: V( x) = 2 e, por conseguinte, o “desvio padrão” será S = N n A variável de teste será a variável Z da distribuição normal padrão, lembrando que: Z = Valor – Média Desvio - padrão 86 Podemos representar, esta Fórmula da seguinte maneira: Z = X - 0 S n Compara-se o valor da variável de teste com o valor crítico (Zcrítico que depende do Nível de Significância adotado) de acordo com o tipo de teste: Se H1: > 0 Rejeitar H0 se Z > Zcrítico ( x > x crítico) Se H1: < 0 Rejeitar H0 se Z < Zcrítico( x < x crítico) Se H1: 0 Rejeitar H0 se |Z| |Zcrítico| B) Se a variância populacional (2) da variável for desconhecida. Naturalmente este é o caso mais encontrado na prática. Como se deve proceder? Dependerá do tamanho da amostra. B1) Grandes amostras (mais de 30 elementos) Nestes casos procede-se como no item anterior, apenas fazendo com que = s, ou seja, considerando que o desvio padrão da variável na população é igual ao desvio padrão da variável na amostra (suposição razoável para grandes amostras). B2) Pequenas amostras (até 30 elementos) Nestes casos a aproximação do item B1 não será viável. Terá que ser feita uma correção na distribuição normal padrão (Z) através da distribuição t de Student. Trata-se de uma distribuição de probabilidades que possui média zero (como a distribuição normal padrão, variável Z), mas sua variância é igual a n/(n-2), ou seja, a variância depende Onde: X = Média Amostral; 0 = Média Populacional; S = Desvio Padrão; n = Amostra 87 do tamanho da amostra. Quanto maior for o tamanho da amostra mais o quociente acima se aproxima de 1 (a variância da distribuição normal padrão), e mais a distribuição t de Student aproxima-se da distribuição normal padrão. A partir de n=30, já é possível considerar a variância da distribuição t de Student aproximadamente igual a 1. A variável de teste será então t n-1 (t com n - 1 graus de liberdade). Portanto,temos a seguinte Fórmula para representar tal situação: tcal = X - 0 S n Compara-se o valor da variável de teste com o valor crítico (tn-1,crítico que depende do Nível de Significância adotado) de acordo com o tipo de teste. Se H1: > 0 Rejeitar H0 se tn-1 > tn-1,crítico ( x > x crítico) Se H1: < 0 Rejeitar H0 se tn-1 < tn-1,crítico ( x < x crítico) Se H1: 0 Rejeitar H0 se |tn-1| |tn-1,crítico| OBS: O Zcal ou tcal, deverá estar na área de aceitação,caso contrário, a hipótese é rejeitada e assim, aceita-se H1. TESTE DE HIPOTESE PARA A IGUALDADE ENTRE DUAS MÉDIAS POPULACIONAIS Há situações em que é necessário verificar a hipótese de existência,com duas médias obtidas de populações diferentes. 88 As hipóteses são: H0: µX1 - µX2 = d contra H1: µX1 - µX2 ≠ d ou µX1 - µX2 > d ou ainda µX1 - µX2 < d Se d = 0, então µX1 - µX2 = 0, isto é, µX1 = µX2. Como as variâncias são conhecidas, tem-se então que, para n1 e n2 ≥ 30 ou para amostras extraídas de populações normais, que a variável D = X1 – X2 ,terá uma distribuição aproximadamente normal com média E(D) = µX1 - µX2 e variância V(D) = S12 + S22 . A variável teste será, então: n1 n2 Z cal = (X1 – X2) – d e sendo: gl = n1 + n2 - 2 S12 + S22 n1 n2 Portanto,temos graficamente o teste de hipótese para duas médias: Assim fixando o nível de significância “α“, a hipótese nula será rejeitada se: |z| > zα/2 no teste bilateral; z > zα, no teste unilateral à direita; z < zα no teste unilateral à esquerda. /2 /2 1 - Área de rejeição da hipótese Ho. Área de aceitação da hipótese Ho. Área de rejeição da hipótese Ho. tcal = X1 – X2 - d S12 + S22 n1 n2 89 Exemplo: Um fabricante produz dois tipos de pneus. Para o pneu do tipo A o desvio padrão é de 2500 km e para o pneu do tipo B é de 3.000 km. Uma companhia de táxis testou 50 pneus do tipo A e 40 do tipo B, obtendo 24.000 km de média para o “A” e 26.000 para o tipo “B”. Adotando α = 4% testar a hipótese de que a duração média dos dois tipos é a mesma. Solução: As hipóteses são: H0: µA - µB = 0 ( µA = µB ) contra H1: µA - µB ≠ 0 ( µA≠ µB ) Como α = 4%, então zα/2 = -2,05. O valor da variável teste será: z = 24.000 – 26.000 - 0 2.5002 + 3.0002 50 40 Portanto, rejeita-se a hipótese de igualdade entre as durações médias dos dois tipos de pneus. Com base nestas amostras, pode-se afirmar, ao nível de 4% de significância, que os dois tipos de pneus diferem quanto a durabilidade média. TESTE DE HIPÓTESE PARA A PROPORÇÃO POPULACIONAL Considere uma população e uma hipótese sobre uma proporção p dessa população: H0 : p = p0 = - 3,38 90 O problema fornece informações sobre H1, que pode ser: a) H1 : p = p1 p1 > p0 (teste unilateral à direita) b) H1 : p = p1 p1 < p0 (teste unilateral à esquerda) c) H1 : p > p0 (teste unilateral à direita) d) H1 : p < p0 (teste unilateral à esquerda) e) H1 : p p0 (teste bilateral) Quando n (tamanho da amostra) é grande; Potanto, temos: Fórmula: n/)p1(p ppˆ Z ; sendo pˆ é a proporção da Amostra Onde: pˆ = Proporção Amostral; po = Proporcional Populacional; n = Amostra Exemplo: Um laboratório de vacinas contra febre aftosa reivindicou que ela imuniza 90% dos animais. Em uma amostra de 200 animais, nos quais foram aplicados a vacina, 160 foram imunizados. Verificar se a declaração do fabricante é verdadeira ao nível de 5%. Solução: H0 : p = 0,90 (p0) H1 : p < 0,90 n = 200 200 160 pˆ = 0,80 = 0,05 n/)p1(p ppˆ z 00 0 obs = 200/)10,0.90,0( 90,080,0 = - 4,72 RC = {Z -1,65} 0 91 EXERCÍCIOS DE FIXAÇÃO 01) Fazendo o teste H0: µ = 1150 (σ = 150) contra H1: µ = 1200 (σ = 200) e com n = 100, estabeleceu-se a seguinte região crítica: RC = [1170, +∞). Determine: a) Qual a probabilidade α de rejeitar H0 quando verdadeira? b) Qual a probabilidade β de Aceitar H0 quando H1 é verdadeira? 02) Dados os valores: 4, 6, 3, 6 e 6, de uma amostra aleatória de 5 (cinco) observações de uma variável X, estime a média e a variância de X e admitindo que X tenha uma distribuição normal, teste, a 5%, a hipótese de que a média da população é 1 (um), contra a hipótese alternativa de que é maior do que 1 (um). 03) A associação dos proprietários de indústrias metalúrgicas está preocupada com o tempo perdido com acidentes de trabalho, cuja média, nos últimos tempos, tem sido da ordem de 60 homens/hora por ano, com desvio padrão de 20 homens/hora. Tentou-se um programa de prevenção de acidentes e, após o mesmo, tomou-se uma amostra aleatória de 16 indústrias e verificou-se que o tempo perdido baixou para 50 homens /hora ano. Você diria que, ao nível de 5% de significância, o programa surtiu efeito? 04) Está-se desconfiado de que a média das receitas municipais, per capita, das cidades pequenas (menos de 20 mil habitantes) é maior do que a média da receita estadual que é de 1229 unidades monetárias. Para testar a hipótese é realizada uma amostragem com 10 pequenas cidades que forneceram os seguintes resultados (em termos de receitas médias): 1230, 582, 576, 2093, 2621, 1045, 1439, 717, 1838, 1359 Verifique que não é possível rejeitar a hipótese de que as receitas municipais são iguais as do estado, aos níveis usuais de significância. Como isto se justifica, já que a média da amostra obtida é bem maior do que a média do estado! 92 05) Um fabricante garante que 90% das peças que fornece a um cliente estão de acordo com as especificações exigidas. O exame de uma amostra aleatória de 200 destas peças revelou 25 fora das especificações. Verifique se as níveis de 5% e 1% de significância há exagero na afirmativa do fabricante. 06) Suponha que a experiência tenha mostrado que dos alunos submetidos a determinado tipo de prova, 20% são reprovados. Se de uma determinada turma de 100 alunos, são reprovados apenas 13, pode-se concluir, ao nível de significância de 5%, que estes alunos, são melhores? 07) O rótulo de uma caixa de sementes informa que a taxa de germinação é de 90%. Entretanto, como a data de validade está vencida, acredita-se que a taxa de germinação seja inferior a este número. Faz-se um experimento e de 400 sementes, tomadas ao acaso, 350 germinam. Qual a conclusão ao nível de 5% de significância? 08) Diversas políticas, em relação às filiais de uma rede de supermercados, estão associadas ao gasto médio dos clientes em cada compra. Deseja-se comparar estes parâmetros de duas novas filiais, através de duas amostras de 50 clientes, selecionados ao acaso, de cada uma das novas filiais. As médias obtidas foram 62 e 71 unidades monetárias. Supondo que os desvios padrões sejam idênticos e iguais a 20 um, teste a hipótese de que o gasto médio dos clientes não é o mesmo nas duas filiais. Utilize uma significância de 2,5%? 09) Num ensaio para testar a proteção de dois tipos de tinta em superfícies metálicas, 55 painéis foram pintados com a tinta do tipo A e 75 com a tinta do tipo. Decorridos dois anos de exposição dos painéis ao ar livre, verificou-se que, dos painéis pintados com tinta A, 6 apresentaram problemas enquanto que dos 75 painéis pintados com tinta B, 19 apresentaram problemas. Pode-se concluir, destes valores, com 5% de significância, que as duas marcas de tintas diferem quanto a capacidade de proteção? 93 10) Os salários dos funcionários de uma fábrica de tecidos têm uma distribuição aproximadamente normal. Para estimar o salário médio desta população, foram observados os salários de 20 funcionários, obtendo-se x = 850 reais e s = 120 reais. Determine: a) Um intervalo de confiança de 95% para a média populacional. b) Um intervalo de confiança de 95% para a variância. c) Um intervalo de confiança de 95% para o desvio-padrão populacional. 11) Considerando que uma amostra de cem elementos extraída de uma população aproximadamente normal, cujo desvio padrão é igual a 2, forneceu média de 35,6, construir intervalos de confiança de 90%, 95% e 99% para a média dessa população. 12) O valor de face dos títulos depositados em um banco para cobrança simples tem distribuição normal com variância 400 (u.m.)2. Uma amostra de 10 títulos escolhidos ao acaso forneceu os seguintes valores : 80, 120, 71, 120, 140, 200, 180, 70, 45, 87. a) Qual é o intervalo de confiança de 90% para o valor médio dos títulos da carteira? b) O responsável pela carteira afirma, com 80% de confiança, que o valor médio dos títulos é de 125. Ele pode estar correto? 94 GABARITO: 01- a) α = P(Rej. H0 / H0 é V) = P( X >1170 /µ = 1150) = P[Z >(1170 - 150)/ 15)] = P(Z > 1,33) = 9,18% b) β = P(Ac H0 / H1 é V) = P( X< 1170 / µ = 1200) =P[Z < (1170 - 1200) /20)]= P(Z < -1,50) = 6,68% 02- x = 5; S2 = 2 ; t = 6,32 > t 5% = 2,132; Portanto rejeita H0 03- Como α = 5%, zα = -1,645 e zc = -2. Rejeita-se H0, isto é, pode-se dizer que o programa surtiu efeito. 04- Como tc = -0,566, não é possível rejeitar a hipótese aos níveis de 1%, 5% e mesmo 10%. Isto se justifica devido a grande variabilidade da amostra que apresenta um desvio padrão igual a 675,82. 05- H0: π = 10% contra H1: π > 10%. Como zc = 1,18. Logo não se poderejeitar H0. 06- H0: π = 20% contra H1: π < 20%. Como zc = -1,75 e z5% = -1,645 . Logo pode-se rejeitar H0. 07- H0: π = 90% contra H1: π < 90%. Como zc = -1,667 e z5% = -1,645 . Logo pode-se rejeitar H0. 08- H0: 1 µ = 2 µ contra H1: 1 µ ≠ 2 µ . Como α = 2,5%, tα = -2,24 e tc = -2,25. Rejeitar H0. 09- H0 :π1 = π2 contra H1: :π1 ≠ π2 . Como Zc = 2,20 e z5% = 1,96. Pode-se afirmar que as duas tintas diferem. 95 10- a) A média populacional dos salários está entre R$ 793,84 e R$ 906,16 reais. b) A variância populacional está entre R$ 8.328,26 e R$ 30.717,41 reais. c) O desvio-padrão populacional está entre R$ 91,26 e R$ 175,26 reais. 11- 99,0)116,35084,35( 95,0)992,35208,35( 90,0)928,35272,35( XP XP XP 12- a) 90,0)67,12193,100( XP b) Não. O valor máximo a esse nível de confiança é de 119,40.
Compartilhar