Baixe o app para aproveitar ainda mais
Esta é uma pré-visualização de arquivo. Entre para ver o arquivo original
Aula 05 – Intervalo de Confiança Prof. Me. André Breve andre.breve@estacio.br CCE0174 – Estatística Aplicada à Engenharia Na aula anterior, ilustramos com um parâmetro pode ser estimado a partir de dados de uma amostra. Entretanto, é importante entender quão boa é a estimativa obtida. Uma estimativa de intervalo para um parâmetro de uma população é chamado de intervalo de confiança. Informação sobre a precisão de estimação é expressa pelo comprimento do intervalo: Intervalo curto = estimação precisa Intervalo longo = estimação menos precisa Estatística Aplicada à Engenharia – Prof. Msc. André Breve Introdução Não podemos estar certos de que o intervalo contém o parâmetro verdadeiro desconhecido da população – usamos somente uma amostra proveniente da população completa para calcular a estimativa pontual e o intervalo. No entanto, o intervalo de confiança (IC) é construído de modo que tenhamos alta confiança de que ele contenha o parâmetro desconhecido da população. Intervalos de Confiança são largamente utilizados em engenharia e nas ciências Estatística Aplicada à Engenharia – Prof. Msc. André Breve Introdução Construir um intervalo de confiança para um parâmetro nada mais é que estabelecer uma margem de erro para um estimador e calcular o grau de confiança correspondente a esta margem; Inúmeros casos na Engenharia se faz necessária a construção de uma margem aceitável para um valor desconhecido porém desejável com um certo grau de confiabilidade; – Em linhas de produção, é necessário estabelecer margens com a garantia que o produto estará a disposição do consumidor sem grandes riscos financeiros, operacionais ou até mesmo ambientais ou de saúde Estatística Aplicada à Engenharia – Prof. Msc. André Breve gerar resultados confiáveis para a – Ensaios científicos devem comunidade científica Introdução Variância conhecida Suponha que tenhamos uma população normal, com média desconhecida μ e variância conhecida σ2. – Sabemos que a média da amostra é normalmente distribuída, com média e variância σ2 𝑛 – Podemos padronizar subtraindo e média e dividindo pelo desvio padrão: Intervalo de Confiança para a Média 𝑍 = 𝑥 − 𝜇 𝜎 𝑛 Estatística Aplicada à Engenharia – Prof. Msc. André Breve Intervalo de Confiança para a Média 0 ≤ α ≤ 1 Há uma probabilidade de 1 – α de selecionar uma amostra para a qual o IC conterá o valor verdadeiro de μ. Limite inferior de confiança Limite superior de confiança Variância conhecida: Nível de confiança P {l ≤ μ ≤ u} = 1 - α Estatística Aplicada à Engenharia – Prof. Msc. André Breve Variância conhecida: P {- zα/2 ≤ 𝑥 − 𝜇 𝜎 𝑛 ≤ zα/2} = 1 - α 𝜎 P { - zα/2 𝑛 ≤ 𝜎 - μ ≤ zα/2 𝑛 } = 1 - α P { - zα/2 𝜎 ≤ μ ≤ 𝑛 + zα/2 𝜎 } = 1 - α 𝑛 l = - zα/2 𝜎 𝑛 u = - zα/2 𝜎 𝑛 Intervalo de Confiança para a Média Estatística Aplicada à Engenharia – Prof. Msc. André Breve Variância Conhecida Intervalo de Confiança para a Média, Variância Conhecida Se for a média amostral de uma amostra aleatória, de tamanho n, proveniente de uma população com variância conhecida σ2, um intervalo 100(1-α)% de confiança para μ é dado por: - zα/2 𝜎 ≤ μ ≤ 𝑛 + zα/2 𝜎 𝑛 sendo zα/2 o ponto superior com 100α/2% da distribuição normal padrão Estatística Aplicada à Engenharia – Prof. Msc. André Breve Intervalo de Confiança para a Média Variância Conhecida – Valores de zα/2 para os níveis de confiança mais usados na prática: NíveldeConfiança α α/2 zα/2 90% 0,10 0,050 1,65 95% 0,05 0,025 1,96 99% 0,01 0,005 2,58 Intervalo de Confiança para a Média Estatística Aplicada à Engenharia – Prof. Msc. André Breve Variância Conhecida Exemplo 1: A norma padrão ASTM E23 define métodos padrões de testes para o impacto em barras entalhadas, feitas de materiais metálicos. A técnica Charpy V-notch (CVN) mede a energia de impacto e é frequentemente utilizada para determinar se um material experimenta ou não uma transição dúctil-frágil com um decréscimo de temperatura. Dez medidas de energia (J) de impacto nos corpos de prova de aço A238, cortados a 60°C, são: 64,1; 64,7; 64,5; 64,6; 64,5; 64,3; 64,6; 64,8; 64,2 e 64,3. Considere que a energia de impacto seja normalmente distribuída, com σ = 1J. Encontre um intervalo de confiança de 95% para a μ (energia média de impacto). Estatística Aplicada à Engenharia – Prof. Msc. André Breve Intervalo de Confiança para a Média Variância Conhecida Exemplo 1: Resolução Interpretação Prática: Com base nos dados da amostra, uma faixa de valores altamente plausíveis para a energia média de impacto para o aço A238 a 60°C é 63,84J ≤ μ ≤ 65,08J Intervalo de Confiança para a Média - zα/2 𝜎 ≤ μ ≤ 𝑛 + zα/2 𝜎 𝑛 α= 0,05 zα/2 = z0,025 = 1,96 = 64,46 σ = 1 n = 10 Estatística Aplicada à Engenharia – Prof. Msc. André Breve 64,46 – 1,96 1 ≤ μ ≤ 64,46 + 1,96 1 10 10 63,84 ≤ μ ≤ 65,08 [63,84, 65,08] Variância Conhecida Exercício 1: Deseja-se obter uma estimativa de intervalo de confiança para o ganho em um circuito de um dispositivo semicondutor. Suponha que o ganho seja normalmente distribuído com desvio padrão σ = 20. Encontre um IC de 95% para μ, quando n = 10 e Encontre um IC de 95% para μ, quando n = 25 e Encontre um IC de 99% para μ, quando n = 10 e Encontre um IC de 99% para μ, quando n = 25 e = 1000. = 1000. = 1000. = 1000. Estatística Aplicada à Engenharia – Prof. Msc. André Breve Intervalo de Confiança para a Média Variância Conhecida Exercício 2: O rendimento de um processo químico está sendo estudado. De experiências prévias com esse processo, sabe-se que o rendimento é normalmente distribuído e σ = 3. Os últimos cinco dias de operação da planta resultaram nos seguintes rendimentos percentuais: 91,6; 88,75; 90,8; 89,95 e 91,3. Encontre um intervalo de confiança de 95% para o rendimento médio verdadeiro. Estatística Aplicada à Engenharia – Prof. Msc. André Breve Intervalo de Confiança para a Média R: [87,85, 93,11] Variância Conhecida – Limites unilaterais de confiança Limites Unilaterais de Confiança para a Média, Variância Conhecida O limite superior com 100(1-α)% de confiança para μ é dado por: μ ≤ u = + z α 𝜎 𝑛 O limite inferior com 100(1-α)% de confiança para μ é dado por: - z α 𝜎 𝑛 = l ≤ μ Estatística Aplicada à Engenharia – Prof. Msc. André Breve Intervalo de Confiança para a Média Variância Conhecida – Limites Unilaterais de Confiança Exemplo 2: Os mesmos dados para o teste de impacto do Exemplo 1 são usados para construir um intervalo unilateral inferior com 95% de confiança para a energia média de impacto. Lembre-se que = 64,46, σ = 1J e n = 10. α= 0,05 zα = z0,05 = 1,64 64,46 – 1,64 1 10 ≤ μ Estatística Aplicada à Engenharia – Prof. Msc. André Breve 63,94 ≤ μ Interpretação Prática: O limite inferior para o intervalo bilateral no Exemplo 1 foi 63,84. Uma vez que zα < zα/2, o limite inferior de um intervalo unilateral é sempre maior que um bilateral de igual confiança. Como não limita μ por cima, ele atinge 95% de confiança com um limite inferior levemente maior. Se o interesse está somente no limite inferior para μ, então o intervalo unilateral é preferido pois fornece igual confiança com um limite inferior maior. Similarmente, um limite unilateral superior é sempre menor do que um limite superior bilateral de igual confiança. Intervalo de Confiança para a Média Variância Conhecida – Limites Unilaterais de Confiança Exercício 3: Um fabricante produz anéis para pistões de um motor de um carro. Sabe-se que o diâmetro do anel é distribuído normalmente com σ = 0,001 mm. Uma amostra aleatória de 15 anéis tem um diâmetro médio de = 74,036 mm. a) Construa um intervalo bilateral de confiança de 99% para o Estatística Aplicada à Engenharia – Prof. Msc. André Breve diâmetro médio do anel do pistão; b) Construa um limite inferior de confiança 99% para o diâmetro médio do anel do pistão. Compare o limite inferior desse intervalo de confiança com aquele do item a Intervalo de Confiança para a Média R: [74,0353, 74,0367] R: [74,035, ∞[ Variância Desconhecida – Quando a variância σ2 for desconhecida, um procedimento lógico será trocar σ pelo desvio padrão da amostra S. – A variável aleatória Z torna-se agora T: Distribuição t Seja X1, X2, ..., Xn uma amostra aleatória proveniente de uma tem uma distribuição t, com n-1 graus de liberdade distribuição normal, com média aleatória 𝑇 = e variância desconhecidas. A variável 𝑥 − 𝜇 𝑆 𝑛 Intervalo de Confiança para a Média Estatística Aplicada à Engenharia – Prof. Msc. André Breve Variância Desconhecida – A aparência da distribuição t é similar à da distribuição normal padrão, entretanto a distribuição t tem extremidades (caudas) mais espessas, ou seja, tem mais probabilidades nas extremidades do que a distribuição normal. Intervalo de Confiança para a Média Estatística Aplicada à Engenharia – Prof. Msc. André Breve Variância Desconhecida – Exemplo do uso da tabela: t com 10 graus de liberdade, tendo uma área de 0,05 para a direita é t0,05, 10 = 1,812 1,812 Estatística Aplicada à Engenharia – Prof. Msc. André Breve Intervalo de Confiança para a Média Variância Desconhecida – É simples encontrar um intervalo de confiança de 100(1-α)% para a média de uma distribuição normal com variância desconhecida, procedendo essencialmente como fizemos no caso da variância conhecida 𝑥 − 𝜇 P (- tα/2,n-1 ≤ 𝑆 𝑛 ≤ tα/2,n-1) = 1 - α P (- tα/2,n-1 𝑆 ≤ 𝑛 - μ ≤ tα/2,n-1 𝑆 ) = 1 - α 𝑛 P ( - tα/2,n-1 𝑆 ≤ μ ≤ 𝑛 + tα/2,n-1 𝑆 ) = 1 - α 𝑛 Intervalo de Confiança para a Média Estatística Aplicada à Engenharia – Prof. Msc. André Breve Variância Desconhecida Intervalo de Confiança para a Média, Variância Desconhecida Se e s forem a média e o desvio padrão de uma amostra aleatória, de tamanho n, proveniente de uma população normal, com variância desconhecida σ2, então um intervalo de confiança de 100(1-α)% para a média μ é dado por: - tα/2,n-1 𝑠 ≤ μ ≤ 𝑛 + tα/2,n-1 𝑠 𝑛 sendo tα/2,n-1 o ponto superior com 100α/2% da distribuição t, com n-1 graus de liberdade Estatística Aplicada à Engenharia – Prof. Msc. André Breve Intervalo de Confiança para a Média Variância Desconhecida Exemplo 3: Um artigo no periódico Materials Engineering descreve os resultados de testes de tração de adesivos em 22 corpos de prova da liga U-700. A carga no ponto de falha do corpo de prova é dada a seguir (em megapascal): Estatística Aplicada à Engenharia – Prof. Msc. André Breve Encontrar um intervalo de confiança de 95% para a média. 19,8 10,1 14,9 7,5 15,4 15,4 15,4 18,5 7,9 12,7 11,9 11,4 11,4 14,1 17,6 16,7 15,8 19,5 8,8 13,6 11,9 11,4 Intervalo de Confiança para a Média Variância Desconhecida Exemplo 3: Resolução: α= 0,05 n = 22 n - 1 = 21 graus de liberdade tα/2,n-1 = t0,025, 21 = 2,080 = 13,71 s = 3,55 - tα/2,n-1 𝑠 𝑛 ≤ μ ≤ + tα/2,n-1 𝑠 𝑛 13,71 – 2,08 3,55 ≤ μ ≤ 13,71 + 2,08 3,55 22 22 13,71 – 1,57 ≤ μ ≤ 13,71 + 1,57 Estatística Aplicada à Engenharia – Prof. Msc. André Breve 12,14 ≤ μ ≤ 15,28 [12,14, 15,28] Interpretação Prática: O IC é razoavelmente amplo porque há uma grande variabilidade nas medidas do teste de tração de adesivos. Uma amostra com tamanho maior teria levado a um intervalo mais curto. Intervalo de Confiança para a Média Exercício 4: Um engenheiro do setor de pesquisa de um fabricante de pneu está investigando a vida do pneu em relação a um novo componente da borracha. Ele fabricou 16 pneus e testou-os até o final da vida em um teste na estrada. A média e o desvio padrão da amostra são 60.139,7 e 3.645,94 km. Encontre um intervalo de confiança de 95% para a vida média do pneu. Estatística Aplicada à Engenharia – Prof. Msc. André Breve Intervalo de Confiança para a Média R: [58197,33, 62082,07] Variância Desconhecida Exercício 5: O escritório de Meteorologia do Governo Australiano forneceu a quantidade (em mm) anual média de chuva na Austrália entre 1983-2002 conforme apresentado a seguir: Estatística Aplicada à Engenharia – Prof. Msc. André Breve Construa um intervalo de confiança de 95% para a quantidade anual média de chuva. Intervalo de Confiança para a Média 499,2 555,2 398,8 391,9 453,4 459,8 483,7 417,6 469,2 452,4 499,3 340,6 522,8 469,9 527,2 565,5 584,1 727,3 558,6 338,6 R: [443,520, 528,080] Intervalo de Confiança para a Média Variância Desconhecida – Limites unilaterais de confiança Limites Unilaterais de Confiança para a Média, Variância Desconhecida O limite superior com 100(1-α)% de confiança para μ é dado por: μ ≤ + t α,n-1 𝑠 𝑛 α,n-1 O limite inferior com 100(1-α)% de confiança para μ é dado por: 𝑠 𝑛 - t ≤ μ Estatística Aplicada à Engenharia – Prof. Msc. André Breve Variância Desconhecida Exercício 6: A resistência do concreto à compressão está sendo testada por um engenheiro civil. Ele testa 12 corpos de prova e obtém os seguintes resultados: 2216, 2237, 2249, 2204, 2225, 2301, 2281, 2263, 2318, 2255, 2275, 2295. a) Construa um intervalo bilateral de confiança de 95% para a Estatística Aplicada à Engenharia – Prof. Msc. André Breve resistência média. b) Construa um limite unilateral inferior de confiança de 95% para a resistência média. Compare esse limite inferior com o limite inferior do intervalo bilateral de confiança. Intervalo de Confiança para a Média R: [2237,3, 2282,5] R: [2241,4,∞[ Intervalo de Confiança para a Proporção de uma População Frequentemente é necessário construir intervalos de confiança para a proporção de uma população; Exemplo: Suponha que uma amostra aleatória de tamanho n tenha sido retirada de uma grande (possivelmente infinita) Estatística Aplicada à Engenharia – Prof. Msc. André Breve população e que X (≤ n) observações nessa amostra pertençam a uma classe de interesse. Então P = X/n é um estimador pontual da proporção da população p que pertence a essa classe. – n e p são parâmetros de uma distribuição binomial Intervalo de Confiança para a Proporção ^ Intervalo de Confiança para a Proporção de uma População – Se n for grande, a distribuição de Z será aproximadamente normal padrão 𝑍 = 𝑝(1 − 𝑝) 𝑛 𝑃^ − 𝑝 Estatística Aplicada à Engenharia – Prof. Msc. André Breve Intervalo de Confiança para a Proporção Intervalo de Confiança para a Proporção de uma População P (- zα/2 ≤ Z ≤ zα/2) = 1 - α P ( - zα/2 ≤ 𝑝(1−𝑝) 𝑛 ≤ zα/2) = 1 - α P ( P - zα/2 𝑝(1−𝑝) 𝑛 ≤ p≤ P + zα/2 𝑝(1−𝑝) 𝑛 ) = 1 - α Estatística Aplicada à Engenharia – Prof. Msc. André Breve 𝑃^ −𝑝 ^ ^ Intervalo de Confiança para a Proporção p - zα/2 ≤ p≤ p + zα/2 𝑛 𝑛 Onde zα/2 é o ponto α/2% superior da distribuição normal padrão Estatística Aplicada à Engenharia – Prof. Msc. André Breve Intervalo de Confiança para a Proporção ^ ^ 𝑝^(1−𝑝) 𝑝^(1−𝑝) Intervalo de Confiança para a Proporção de uma População Intervalo Aproximado de Confiança para uma Proporção Binomial Se p^ for a proporção de observações em uma amostra aleatória, de tamanho n, que pertença a uma classe de interesse, então um intervalo aproximado de confiança de 100(1-α)% para a proporção p da população que pertença a essa classe será: Intervalo de Confiança para a Proporção de uma População Exemplo 4: Em uma amostra aleatória de 85 mancais de eixos de manivelas de motores de automóveis, 10 têm um acabamento de superfície que é mais rugoso do que as especificações permitidas. Encontre o intervalo de confiança de 95% para a proporção de mancais da população. Intervalo de Confiança para a Proporção 0,12 – 1,96 0,12(0,88) 85 ≤ p ≤ 0,12 + 1,96 0,12(0,88) 85 0,05 ≤ p ≤ 0,19 α= 0,05 n = 85 x = 10 zα/2 = z0,025 = 1,96 10 85 p = = 0,12 p - zα/2 𝑝(1−𝑝) 𝑛 ≤ p≤ p + zα/2 𝑝(1−𝑝) 𝑛 Estatística Aplicada à Engenharia – Prof. Msc. André Breve Intervalo de Confiança para a Proporção de uma População Exercício 7: Está sendo estudada a fração de circuitos integrados defeituosos produzidos em um processo de fotolitografia. Uma amostra aleatória de 300 circuitos é testada, revelando 13 defeitos. Calcule um IC bilateral de 95% para a fração de circuitos defeituosos produzidos por essa ferramenta particular. Estatística Aplicada à Engenharia – Prof. Msc. André Breve Intervalo de Confiança para a Proporção Intervalo de Confiança para a Proporção de uma População – Podemos encontrar limites unilaterais aproximados de confiança para p por meio de uma simples modificação: Limites Unilaterais Aproximados de Confiança para uma Proporção Os limites aproximados inferior e superior de confiança de 100(1-α)% são: α 𝑛 𝑝(1−𝑝) ≤ p α 𝑝(1−𝑝) 𝑛 e p ≤ ^p + z Estatística Aplicada à Engenharia – Prof. Msc. André Breve p^ - z Intervalo de Confiança para a Proporção Escolha do tamanho da Amostra – Ou seja, estamos 100(1- α)% confiantes de que esse erro seja menor que zα/2 𝑝(1−𝑝) 𝑛 – Em situações em Estatística Aplicada à Engenharia – Prof. Msc. André Breve que o tamanho da amostra puder ser selecionado, podemos escolher n de modo a estarmos 100(1- α)% o erro será menor do que algum valor confiantes de que especificado E. Tamanho da Amostra ^ – Uma vez que P é o estimador pontual de p, podemos definir o erro na estimação de p por meio de P^ : E = |p - P^ | Escolha do tamanho da Amostra Tamanho da Amostra para um Erro especificado Se uma estimativa p de uma amostra anterior for disponível: n = zα/2 𝐸 2 p(1 – p) n = zα/2 𝐸 Se p não for conhecido, o tamanho da amostra sempre será um máximo para p = 0,5, isto é, p(1 – p) ≤ 0,25, podendo isso ser usado para obter um limite superior para n: 2 Estatística Aplicada à Engenharia – Prof. Msc. André Breve (0,25) Tamanho da Amostra Escolha do tamanho da Amostra Exemplo 5: Considere a situação do exemplo 4. Quão grande deverá ser a amostra, se quisermos estar 95% confiantes de que o erro em usar p para estimar é menor que 0,05? Lembrando que p = 0,12. Se quiséssemos estar no mínimo 95% confiantes de que nossa estimativa p da proporção verdadeira p estivesse dentro de 0,05, independente do valor de p, então: n = z0,025 𝐸 2 p(1 – p) = 1,96 0,05 2 0,12(0,88) = 163 n = z0,025 𝐸 2 (0,25) = 1,96 0,05 2 Estatística Aplicada à Engenharia – Prof. Msc. André Breve (0,25) = 385 Interpretação Prática: Se tivéssemos a informação relativa ao valor de p, poderíamos usar uma amostra menor, embora mantendo a precisão desejada de estimação e o nível de confiança. Tamanho da Amostra Escolha do tamanho da Amostra Exercício 8: Um artigo na revista Journal of the American Statistical Association (1990, vol. 85, pp. 972-985) mediu o peso de 30 ratos sob controles experimentais. Suponha que haja 12 ratos abaixo do peso. Calcule um intervalo bilateral de confiança de 95% para a verdadeira proporção de ratos. Usando a estimativa pontual de p, obtida a partir da amostra preliminar, qual o tamanho necessário da amostra para estarmos 95% confiantes de que o erro em estimar o valor verdadeiro de p seja menor do que 0,02? Quão grande deve ser a amostra se desejarmos estar no mínimo 95% confiantes de que o erro em estimar p seja menor do que 0,02, independente do valor verdadeiro de p? Estatística Aplicada à Engenharia – Prof. Msc. André Breve Tamanho da Amostra Intervalo de Confiança para a Variância e Desvio Padrão Algumas vezes são necessários intervalos de confiança para a variância e desvio-padrão. Para tanto, utilizaremos a distribuição Qui-Quadrado: tem uma distribuição qui-quadrado (X2), com n-1 graus de liberdade X2 = Distribuição X2 Seja X1, X2, ..., Xn uma amostra aleatória proveniente de uma distribuição normal, com média e variância , e seja S2 a variância da amostra. Então a variável aleatória 𝑛−1 𝑆2 𝜎2 Intervalo de Confiança para a Variância Estatística Aplicada à Engenharia – Prof. Msc. André Breve Intervalo de Confiança para a Variância e Desvio Padrão Distribuição Qui-Quadrado A variável aleatória qui-quadrado é não negativa e a distribuição de probabilidades é deslocada para a direita Intervalo de Confiança para a Variância Estatística Aplicada à Engenharia – Prof. Msc. André Breve Intervalo de Confiança para a Variância e Desvio Padrão Tabela da distribuição qui-quadrado Exemplo: X20,05,10= 18,307 (ponto 5% superior) X20,95,10= 3,940 (ponto 5% inferior) Estatística Aplicada à Engenharia – Prof. Msc. André Breve Intervalo de Confiança para a Variância Intervalo de Confiança para a Variância e Desvio Padrão – A construção do IC de 100(1-α)% para σ2 é direita, uma vez que: P (X21-α/2,n-1 ≤ X2 ≤ X2α/2,n-1) = 1 - α 𝑛−1 .𝑆2 𝜎 2 P ( 𝑛−1 .𝑆 P (X21-α/2,n-1 ≤ 2 X2α/2,n−1 ≤ 𝜎2≤ 𝑛−1 .𝑆 ≤ X2α/2,n-1) = 1 - α 2 X21−α/2,n−1 ) = 1 - α X2 = 𝑛−1 𝑆 2 𝜎2 Intervalo de Confiança para a Variância Estatística Aplicada à Engenharia – Prof. Msc. André Breve Intervalo de Confiança para a Variância e Desvio Padrão Intervalo de Confiança para a Variância Se s2 for a variância amostral de uma amostra aleatória de n observações provenientes de uma população normal, com variância desconhecida σ2, então um intervalo de confiança de 100(1-α)% para σ2 será 𝑛−1 𝑠2 ≤ 𝜎2≤ 𝑛−1 𝑠2 X2α/2,n−1 X21−α/2,n−1 sendo X2α/2,n−1 e X21−α/2,n−1 os pontos percentuais superior e inferior 100α/2% da distribuição qui-quadrado, com n-1 graus de liberdade, respectivamente. Um intervalo de confiança para σ tem limites inferior e superior que são as raízes quadradas dos limites correspondentes na equação. Estatística Aplicada à Engenharia – Prof. Msc. André Breve Intervalo de Confiança para a Variância Intervalo de Confiança para a Variância e Desvio Padrão – É também possível encontrar um limite inferior ou superior de confiança de 100(1-α)% para σ2 Limites Unilaterais de Confiança para a Variância Os limites inferior e superior de confiança de 100(1-α)% para σ2 são: X2α,n−1 𝑛−1 𝑠2≤ 𝜎2 e 𝜎2 ≤ 𝑛−1 𝑠2 X21−α,n−1 respectivamente. Estatística Aplicada à Engenharia – Prof. Msc. André Breve Intervalo de Confiança para a Variância Intervalo de Confiança para a Variância e Desvio Padrão Exemplo 8: Uma máquina automática de enchimento é usada para encher garrafas com detergente líquido. Uma amostra aleatória de 20 garrafas resulta em uma variância amostral de volume de enchimento de 0,0153 (onça fluida)2. Considerando que o volume de enchimento seja distribuído de forma aproximadamente normal. Encontrar um intervalo superior de confiança de 95% α= 0,05 n = 20 s2=0,0153 X2α,n-1 = X20,95,19 = 10,117 𝜎2 ≤ 𝑛−1 𝑠 2 X21−α,n−1 𝜎2 ≤ 19 0,0153 10,117 𝜎2 ≤ 0,0287 (onça fluida)2 Estatística Aplicada à Engenharia – Prof. Msc. André Breve σ ≤ 0,17 onça fluida Intervalo de Confiança para a Variância Exercício 9: Um rebite deve ser inserido em um orifício. Uma amostra aleatória de n=15 peças é selecionada e o diâmetro do orifício é medido. O desvio padrão das medidas do diâmetro do orifício é s=0,008 milímetro. Construa um limite inferior de confiança de 99% para σ2. Estatística Aplicada à Engenharia – Prof. Msc. André Breve Intervalo de Confiança para a Variância Exercício 10: Considere a situação do exercício anterior (exercício 9). Encontre um limite inferior de confiança de 99% para o desvio padrão. Estatística Aplicada à Engenharia – Prof. Msc. André Breve Intervalo de Confiança para a Variância R: [0,0055,∞) Exercício 11: O conteúdo de açúcar na lata de pêssegos em calda é normalmente distribuído. Uma amostra aleatória de n=10 latas resulta em um desvio padrão amostral de s = 4,8 miligramas. Calcule um intervalo bilateral de confiança de 95% para σ. Estatística Aplicada à Engenharia – Prof. Msc. André Breve Intervalo de Confiança para a Variância Exercício 12: A percentagem de titânio em uma liga usada na fundição de aeronaves é medida em 51 peças selecionadas aleatoriamente. O desvio padrão amostral é s = 0,37. Construa um intervalo bilateral de confiança de 95% para σ. Estatística Aplicada à Engenharia – Prof. Msc. André Breve Intervalo de Confiança para a Variância R: [0,31, 0,46] Exercício 13: Um capacidade de uma Estatística Aplicada à Engenharia – Prof. Msc. André Breve artigo na revista Cancer Research testou a droga na gênese de um tumor. Ratos foram selecionados aleatoriamente de ninhadas e receitados com a droga. Os tempos de aparecimento do tumor foram registradas conforme segue: 101, 104, 104, 77, 89, 88, 104, 96, 82, 70, 89, 91, 39, 103, 93, 85, 104, 104, 81, 67, 104, 104, 87, 104, 89, 78, 104, 86, 76, 103, 102, 80, 45, 94, 104, 104, 76, 80, 72, 73 Calcule o intervalo de confiança de 95% para o desvio padrão do tempo até o aparecimento do tumor. Verifique a suposição de normalidade da população e comente sobre as suposições para o intervalo de confiança. Intervalo de Confiança para a Variância
Compartilhar