Prévia do material em texto
1. O gerente de um restaurante informa que os pedidos do restaurante levam, em média, até 10 minutos para serem servidos, denotado por . Desconfiado de que os pedidos levam, em 0μ ≤ 1 média, mais de 10 minutos para serem servidos, você anotou o tempo de seus últimos 15 pedidos neste restaurante. A amostra forneceu um tempo médio de 14.5 minutosn 15)( = e desvio padrão de 3 minutos (s = 3).x 14.5)( = A informação do gerente é tida, no problema, como um "palpite" para a média populacional ( ). μ A "minha" amostra ("...você anotou...") fornece dados para um estudo estatístico desse palpite. Quanto maior a amostra, teoricamente, melhor o estudo. A partir da amostra, confrontaremos nossas conclusões com o palpite do gerente. Como a amostra é apenas uma pequena parte da população (o tempo dos últimos pedidos não significam o tempo de todos os pedidos), o confronto leva em consideração uma penalidade: a confiança ( ).1 − α (a) Com uma confiança de , qual é a sua conclusão a respeito da informação 5% .951 − α = 9 = 0 do gerente? Sugestão: utilize o teste de hipóteses apropriado, apresentando o desenvolvimento completo do teste, i.e., (i) hipóteses, (ii) estatística do teste, (iii) valor(es) crítico(s) (indicando a distribuição) e a (iv) Decisão Estatística (DE) (totalmente técnica) e a Conclusão Experimental (CE) (explicando para a avó). (i) Primeiro, levantamos as hipóteses em português, lembrando que é boa convenção que a igualdade apareça em :Ho os pedidos do restaurante levam, em média, até 10 minutos para serem servidos.H0 : os pedidos levam mais do que 10 minutos para serem servidos.H1 : Depois, transformamos as hipóteses em linguagem matemática: (a hipótese nula é a de que o gerente está certo)0H0 : μ ≤ 1 (a hipótese alternativa é a de que o gerente está errado)0H1 : μ > 1 Nas hipóteses, sempre usamos grandezas populacionais (letras gregas), pois é o que estamos testando: damos um palpite sobre o que acontece em toda uma população com base em uma amostra, ou seja, fazemos inferência estatística. (ii) A estatística de teste serve para transformar dados amostrais em uma distribuição conhecida. Do formulário, devemos escolher a mais adequada. Neste caso, usamos a fórmula para testes de hipóteses para (média populacional) com (desvio padrão populacional) μ σ desconhecido (não foi fornecido no problema): ( )Sob H , t0 : μ = μ0 teste = √n s x−μ0 ~ tn−1 (duas casas decimais normalmente são suficientes)ob H , t ( ) .81S 0 teste = √15 314.5 − 10 ≈ 5 (iii) Os valores críticos são os limites entre as regiões de aceitação e rejeição de nos H0 gráficos das distribuições de probabilidade utilizadas. No caso, após identificada a distribuição, usamos a tabela correspondente para localizar os valores críticos. No caso, a distribuição t, com dois parâmetros: (graus de liberdade) e (significância).n − 1 α 5 4n − 1 = 1 − 1 = 1 1 ) .95 .05 %α = 1 − ( − α = 1 − 0 = 0 = 5 .761t14,0.05 ≈ 1 (iv) Para a conclusão, consideramos o seguinte gráfico: Este gráfico referese ao teste t de Student unicaudal, utilizado quando a hipótese nula considera o parâmetro como um intervalo (neste caso, , ou seja, a média está entre 0H0 : μ ≤ 1 0 e 10). Quando a hipótese nula considerar o parâmetro como um único valor (Ex. e, 0H0 : μ = 1 consequentemente, ), consideramos o gráfico bicaudal, onde teremos 2 valores = 0H1 : μ / 1 críticos, um positivo e outro negativo, delimitando a região de aceitação, no centro, e as de rejeição, nas extremidades. No caso bicaudal, para localizarmos o valor positivo na tabela t, consideramos o parâmetro como (Ex. Para , o parâmetro será ). O α 2α .05α = 0 .02520.05 = 0 valor crítico negativo é o mesmo positivo com sinal trocado. (DE) Para , rejeitamos , pois (5.81 > 1.761), encontrandose na região de .05α = 0 H0 tteste > tn−1,α rejeição do gráfico (à direita de ).tcrítico (CE) Com base na amostra e com uma confiança de 95%, é provável (nunca afirmamos com certeza, pois a inferência é nada mais do que um palpite) que os pedidos do restaurante levem, em média, mais do que 10 minutos para serem servidos. (b) Construa um Intervalo de Confiança 90% para o tempo médio de todos os pedidos do restaurante. O intervalo de confiança define, dada uma certa confiança, um intervalo de valores aceitos para o parâmetro populacional estimado, com base em uma amostra. Consiste da fórmula x ± ε (média amostral maisoumenos a margem de erro). Devemos escolher a mais adequada. Neste caso, para com desconhecido:μ σ C[μ, ] ( )I 1 − α = x ± tn−1,2α s √n Isolando os dados do problema: 0% .9 .1 .051 − α = 9 = 0 ⇒ α = 0 ⇒ 2α = 0 5 5 4n = 1 ⇒ n − 1 = 1 − 1 = 1 (consultado na tabela t).761tn−1,2α = t14,0.05 ≈ 1 C[μ, 0%] 4.5 .761 13.13, 15.86]I 9 = 1 ± 1 3 √15 ≈ [ 2. Uma rede de lojas de roupas anunciou, às vésperas do dia das mães, que 80% das mães da cidade gostariam de ganhar roupas de presente, denotado por . Intrigados com esta 0%π = 8 informação, um grupo de alunos selecionou uma amostra de 120 mães (n = 120), identificando 90 mães que gostariam de ganhar roupas de presente no seu dia (p = 90 : 120 = 0.75 = 75%). (a) Indique a estimativa pontual para , a proporção de mães da cidade que gostariam de π ganhar roupas de presente. A estimativa pontual para um parâmetro populacional é o próprio valor do correspondente amostral. (leiase pichapéu, ou seja, pi ou proporçao populacional estimada).75 5%π︿ = p = 90120 = 0 = 7 (b) Apresente a margem de erro de 93% de confiança para a verdadeira proporção de mães da cidade que gostariam de ganhar roupas de presente. Fórmula do IC para : (margem de erro)π C[π, ] , onde ε I 1 − α = p ± ε = z|| | 2 α√ np(1−p) ||| 3% .93 .07 .0351 − α = 9 = 0 ⇒ α = 0 ⇒ 2α = 0 (extraído da tabela de normal padrão )− .81z 2 α = z0.035 ≈ 1 (0, )N 1 O problema pede apenas a margem de erro , então:ε)( ( ).07 ε = − .81|| | 1 √ 1200.75(1−0.75) ||| ≈ 0 C[π, 3%] .75 .07 0.68, 0.82] 68%, 82%]I 9 = p ± ε = 0 ± 0 = [ = [ (c) Com uma significância de , aponte uma decisão racional para o grupo de .5% .0650α = 6 = 0 alunos a respeito da informação divulgada pela loja. Sugestão: utilize o teste de hipóteses apropriado, apresentando o desenvolvimento completo do teste, i.e., (i) hipóteses, (ii) estatística do teste, (iii) valor(es) crítico(s) (indicando a distribuição) e a (iv) Decisão Estatística (DE) (totalmente técnica) e a Conclusão Experimental (CE) (explicando para a avó). (i) Em português: 80% das mães da cidade gostariam de ganhar roupasH0 : Mais ou menos do que 80% gostariam de ganhar roupasH1 : Matematicamente: 0% .8H0 : π = 8 = 0 = .8H1 : π / 0 (ii) Estatística de teste de hipóteses para : π ob H , z ( ) (0, )S 0 : π = π0 teste = √n p−π0 √π (1−π)0 0 ~ N 1 − .37 zteste = √120( 0.75−0.8√0.8(1−0.8)) ≈ 1 (iii) Neste caso, consideramos o gráfico bicaudal (hipótese nula sugere que a proporção é um valor, não um intervalo). Então nosso parâmetro da tabela de normal padrão será .α 2α .0650 .065 .0325α = 0 = 0 ⇒ 2α = 0 ± .85z±2α = z±0.0325 ≈ 1 (iv) A região de aceitação, conforme (iii), encontrase entre os quantis 1.85 e +1.85. (DE) Para , aceitamos , pois 1.85 < 1.37 < 1.85..065α = 0 H0 (CE) É provável que 80% das mães da cidade queiram ganhar roupas de presente.