Baixe o app para aproveitar ainda mais
Prévia do material em texto
1 UFS - Universidade Federal de Sergipe CCET – Centro de Estatística e Ciências Atuariais Disciplina: Estatística Aplicada Profa.: Marta Ribeiro O CONCEITO DE ESTATÍSTICA A Estatística é uma parte da matemática aplicada que fornece métodos para coleta, organização, descrição, análise e interpretação de dados e para a utilização dos mesmos na tomada de decisões. (A Estatística possui dois grandes ramos: I – Estatística Descritiva: compreende a coleta, a organização, a descrição dos dados, o cálculo, de forma a apresentar coeficientes de forma conveniente e comunicativa. II – Estatística Indutiva ou Inferencial: compreende procedimentos empregados na análise e na interpretação dos dados para chegar a grandes conclusões ou inferências sobre populações com base em dados amostrais, associados a uma margem de incerteza. Fundamentam ainda as medidas de incerteza que resultam na teoria da probabilidade.) Estatística: Conjunto de métodos utilizados para a obtenção de dados, sua organização em tabelas e gráficos e a análise desses dados. - Instrumento fundamental utilizado para o estudo quantitativo e qualitativo dos fenômenos aleatórios e coletivos, quaisquer que sejam seus campos de observação. População: é um conjunto de elementos em que há um atributo comum entre todos ele, pode ser classificada como Finita (contagem limitada) ou Infinita (não é suscetível de contagem final) Amostra: é um conjunto (subconjunto da População) cujas propriedades se estudam com o fim de generalizá-los para a População Rol: é um conjunto de dados ou valores ocorrentes de grandeza, ou seja, valores numéricos relativos às medidas efetuadas. Amplitude do Rol: conhecido também como amplitude ou intervalo total, é simplesmente o resultado da diferença entre o maior e o menor valores do rol, ou seja, observar a amplitude de variação do que está sendo observado. AT = M – n Variável: é uma característica a ser avaliada em cada um dos elementos da população 2 Freqüência Simples ou Absoluta: é o número de vezes que uma variável estatística se apresenta, se repete no rol estatístico Frequência Relativa: é o resultado do quociente entre a freqüência absoluta e o número total de elementos do rol estatístico Fr = fabs / n Frequência Percentual: é a freqüência relativa quando multiplicada por 100. Frequencia Acumulada: é a soma de todas as freqüências, se feita na ordem crescente é chamada Freq. Acumulada Abaixo ou Direta, se feita na ordem decrescente é chamada Freq. Acumulada Acima ou Indireta. Intervalo de Classe: Serve para facilitar a visualização do conjunto, trata os dados como se estivessem concentrados no ponto central do intervalo 3 Unidade I Estatística Descritiva 1) Para Variáveis Discretas Construção de Distribuição de Frequência para Variáveis Discretas a) Dados Brutos 84 88 90 78 80 89 94 95 77 81 83 87 91 83 92 90 92 77 86 86 99 93 83 94 76 98 70 81 76 87 b) Rol 70 77 80 83 84 87 89 91 93 95 76 77 81 83 86 87 90 92 94 98 76 78 81 83 86 88 90 92 94 99 c) Frequência Simples (fi ou fs) xi fi xi fi 70 1 88 1 76 2 89 1 77 2 90 2 78 1 91 1 80 1 92 2 81 2 93 1 83 3 94 2 84 1 95 1 86 2 98 1 87 2 99 1 Total 17 - 13 d) Frequncia Relativa (fr) e Frquencia Percentual (f%) 𝑓𝑟 = 𝑓𝑖 𝑓𝑖 e 𝑓% = 𝑓𝑟 ∙ 100 Para Variável Quantitativa i xi fi fr f% 1 0 4 0,20 20 2 1 7 0,35 35 3 2 5 0,25 25 4 3 2 0,10 10 5 4 1 0,05 5 6 5 1 0,05 5 4 Total 20 1,00 100 Para Variável Qualitativa Número de estabelecimentos Estado Unidades (fi) fr f% São Paulo 38 0,281 28,1 Guanabara 30 0,222 22,2 Rio Grando do Sul 35 0,259 25,9 Minas Gerais 15 0,111 11,1 Demais Estados 17 0,127 12,7 Total 135 1 100,0 Gráficos Figura 1 Diagrama de Colunas 5 Figura 2 Diagrama de Barras 6 e) Frequências Acumuladas: Simples (Fi), Relativa (Fr), Percentual (F%) xi fi Fi fr Fr f% F% 0 4 4 0,20 0,20 20 20 1 7 11 0,35 0,55 35 55 2 5 16 0,25 0,80 25 80 3 2 18 0,10 0,90 10 90 4 1 19 0,05 0,95 5 95 5 1 20 0,05 1,00 5 100 Total 20 - 1,00 - 100 - Gráficos 7 Medidas de Posição para Variáveis Discretas: Média (𝒙 ), Mediana (Md), Moda (Mo) Média: 𝑥 = 𝑥𝑖 𝑛 𝑖=1 𝑛 ou 𝑥 = 𝑥𝑖𝑓𝑖 𝑛 𝑖=1 𝑛 Mediana: 1º) n é ímpar: Posição mediana: 𝑃 = 𝑛+1 2 2º) n é par: a Posição mediana é a média dos postos 𝑃1 = 𝑛 2 e 𝑃2 = 𝑛+2 2 => 𝑃 = 𝑃1+𝑃2 2 Moda: é o valor (xi) com maior freqüência (fi) xi fi xifi Fi 0 4 0 4 1 7 7 11 2 5 10 16 3 2 6 18 4 1 4 19 5 1 5 20 Total 20 32 - 8 𝑥 = 32 20 = 1,6 ou 𝑥 = 0+0+0+0+ … +3+3+4+5 20 = 1,6 Md (n = 20): 𝑃1 = 𝑛 2 = 20 2 = 10º e 𝑃2 = 𝑛+2 2 = 20+2 2 = 11º => 𝑀𝑑 = 1+1 2 = 1 Mo = 1 Medidas de Dispersão para Variáveis Discretas: Variância (s 2 ), Desvio-padrão (s), Coeficiente de Variação (CV) Variância: 𝑠2 = (𝑥𝑖−𝑥 ) 2𝑛 𝑖=1 𝑛 ou 𝑠2 = (𝑥𝑖−𝑥 ) 2𝑓𝑖 𝑛 𝑖=1 𝑛 Desvio-padrão: 𝑠2 Coeficiente de Variação: 𝐶𝑉 = 𝑠 𝑥 Conjunto pequeno de dados: 15 12 10 17 16; n = 5 𝑥 = 15 + 12 + 10 + 17 + 16 5 = 70 5 = 14 xi (𝑥𝑖 − 𝑥 ) (𝑥𝑖 − 𝑥 ) 2 10 -4 16 12 -2 4 15 1 1 16 2 4 17 3 9 Total - 34 𝑠2 = 34 5 = 6,8 ; 𝑠 = 6,8 = 2,61 ; 𝐶𝑉 = 2,61 14 = 0,1864 = 18,64% 2) Para Variáveis Contínuas Construção de Distribuição de Frequencia para Variáveis Contínuas xi fi Fi fr Fr f% F% 21,2 1 1 0,04 0,04 4 4 21,3 2 3 0,08 0,12 8 12 21,4 5 8 0,20 0,32 20 32 21,5 7 15 0,28 0,60 28 60 21,6 4 19 0,16 0,76 16 76 21,7 3 22 0,12 0,88 12 88 21,8 1 23 0,04 0,92 4 92 21,9 2 25 0,08 1,00 8 100 Total 25 - 1,00 - 100 - 9 Gráficos Figura 5 Histograma 10 Figura 6 Polígono de Frequência Figura 7 Polígono de Frequência relativa acumulada 11 Medidas de Posição para Variáveis Contínuas: Média (𝒙 ), Mediana (Md), Moda (Mo) Média: 𝑥 = 𝑥𝑖𝑓𝑖 𝑛 𝑖=1 𝑛 , xi = PM (Ponto Médio) 𝑃𝑀 = 𝑙𝑖+𝑙𝑠 2 , onde 𝑙𝑖 é o limite inferior e 𝑙𝑠 é o limite superior do intervalo de classe Mediana: 𝑀𝑑 = 𝑙𝑖 + 𝑛 2 −𝐹𝑎𝑛𝑡 𝑓𝑖 ∙ ℎ Onde 𝑙𝑖 = limite inferior da classe mediana n = n° total de elementos 𝐹𝑎𝑛𝑡 = frequencia simples acumulada da classe anterior à que contém a mediana h = amplitude da classe mediana 𝑓𝑖 = freqüência simples da classe mediana Moda: 𝑀𝑜 = 𝑙𝑖 + 𝑓𝑖−𝑓𝑎𝑛𝑡 2𝑓𝑖−(𝑓𝑎𝑛𝑡 +𝑓𝑝𝑜𝑠𝑡 ) ∙ ℎ Onde 𝑙𝑖 = limite inferir da classe modal 𝑓𝑖 = freqüência simples da classe modal 𝑓𝑎𝑛𝑡 = freqüência simples da classe anterior à classe que contém a moda h = amplitude da classe modal Medidas de Dispersão para Variáveis Contínuas: Variância (s 2 ), Desvio-padrão (s), Coeficiente de Variação (CV) Variância: 𝑠2 = (𝑥𝑖−𝑥 ) 2𝑓𝑖 𝑛 𝑖=1 𝑛 , 𝑥𝑖 = PM (Ponto Médio) Desvio-padrão: 𝑠2 Coeficiente de Variação: 𝐶𝑉 = 𝑠 𝑥 12 Exemplo: Agrupamentos em classes de frequencia ou intervalos de classe (ic) ic Limites aparentes Limites reais fi Primeira notação Segunda notação 1 40⊢45 40-44 39,5-44,5 3 2 45⊢50 45-49 44,5-49,5 8 3 50⊢55 50-54 49,5-54,5 16 4 55⊢60 55-59 54,5-59,5 12 5 60⊢65 60-64 59,5-64,5 7 6 65⊢70 65-6964,5-69,5 3 7 70⊢75 70-74 69,5-74,5 1 Total 50 Ic Limites reais xi fi Fi 𝑥𝑖𝑓𝑖 (𝑥𝑖 − 𝑥 ) 2 ⋅ 𝑓𝑖 1 39,5-44,5 42 3 3 126 468,75 2 44,5-49,5 47 8 11 376 450,00 3 49,5-54,5 52 16 27 832 100,00 4 54,5-59,5 57 12 39 684 75,00 5 59,5-64,5 62 7 46 434 393,75 6 64,5-69,5 67 3 49 201 468,75 7 69,5-74,5 72 1 50 72 306,25 Total - 50 - 2725 2262,50 𝑥𝑖 = 2725 50 = 54,5 𝑀𝑑 = 49,5 + 50 2 −11 16 ⋅ 5 = 53,875 𝑀𝑜 = 49,5 + 16−8 2⋅16−(8+12) ⋅ 5 = 52,833 𝑠2 = 2262,50 50 = 45,25 𝑠 = 45,25 = 6,73 𝐶𝑉 = 6,73 54,5 = 0,1234 = 12,34% 23 UFS – Universidade Federal de Sergipe CCET – Centro de Ciências Exatas e Tecnologia DECAT – Departamento de Estatística e Ciências Atuariais Disciplina: Estatística Aplicada Profa.: Marta Ribeiro Unidade III AMOSTRAGEM Quando se deseja colher informações sobre um ou mais aspectos de um grupo grande ou numeroso, verifica-se, muitas vezes, ser praticamente impossível fazer um levantamento do todo. Daí a necessidade de investigar apenas uma parte dessa população ou universo. O problema da amostragem é, portanto, escolher uma parte (ou amostra), de tal forma que ela seja a mais representativa possível do todo e, a partir dos resultados obtidos, relativos a essa parte, poder inferir, o mais legitimamente possível, os resultados da população total, se esta fosse verificada (pesquisa censitária). Conceituando: a) Universo ou População: é o conjunto de seres animados ou inanimados que apresentam pelo menos uma característica em comum. b) Amostra: é uma porção ou parcela, convenientemente selecionada do universo (população), é um subconjunto do universo. As populações podem ser finitas como, por exemplo, o conjunto de pré-escolares residentes na cidade de São Paulo em determinado ano civil, ou infinitas como, por exemplo, o conjunto de pesagens que podem ser feitas de determinado corpo sólido. Por outro lado, existem populações que, embora finitas, podem ser consideradas como infinitas para finalidade estatística, uma população pode ser considerada como praticamente infinita toda vez que o número de elementos que constitui a amostra é Objetivo da aula: Apresentar exemplos para fixação de conceitos de amostragem. 24 “muito menor” do que o número de elementos que constitui a população (n/N < 0,05 onde: n = nº elementos da amostra; N = nº elementos da população). As medidas estatísticas obtidas com base na população são denominadas parâmetros; as medidas estatísticas obtidas com base na amostra são denominadas estimativas dos parâmetros. O universo ou população de uma pesquisa depende do assunto a ser investigado, e a amostra, porção ou parcela do universo, que realmente será submetida à verificação, é obtida ou determinada por uma técnica específica de amostragem. Há duas grandes divisões no processo de amostragem (determinação da amostra a ser pesquisada): a probabilística e a não probabilística. 1. Amostragem Probabilística As técnicas de amostragem probabilística, ou aleatórias, ou ao acaso, desenvolveram-se, sob o aspecto teórico. A característica primordial é poder ser submetida a tratamento estatístico, que permite compensar erros amostrais e outros aspectos relevantes para a representatividade e significância da amostra. 1.1 Amostragem Aleatória Simples É o método básico de amostragem aleatória, pela sua facilidade de selecionar amostras, analisar dados e reduzir erros de amostragem. O método se fundamenta no princípio de que todos os membros de uma população têm a mesma probabilidade de serem incluídos na amostra. Numeram-se todos os componentes da população, dando a cada um deles apenas um número. A seguir, determina-se o total de componentes da amostra e, utilizando a tabela de números aleatórios, selecionam-se os elementos a serem pesquisados. Exemplo: Há 980 alunos em uma Faculdade. Deseja-se entrevistar 450, com a finalidade de obter sua opinião sobre os aspectos teóricos e práticos das disciplinas ali lecionadas. Depois de numerados todos os alunos, de 1 a 980, a seleção, feita com o uso 25 da tabela de números aleatórios, deve ser de grupos de três algarismos, em virtude do total de alunos ser 980. A amostra aleatória simples pode apresentar dois tipos: a) sem reposição, o mais utilizado, em que cada elemento só pode entrar uma vez para a amostra; b) com reposição, quando os elementos da população podem entrar mais de uma vez para a mostra. 1.2 Amostragem Aleatória Sistemática A população, ou a relação de seus componentes, deve ser ordenada, de forma tal que cada elemento seja identificado pela sua posição. Não há utilização de tabelas de números aleatórios. Exemplo: numa população de 100 peças, para obtermos 10 amostras sistemáticas podemos retirar as peças de número 10, 20, 30, e assim por diante, até completarmos 10 amostras sistematicamente colhidas. Para encontrarmos os pontos onde faremos as coletas sistemáticas das amostras, podemos seguir os seguintes passos (conforme exemplo): - Define-se o tamanho da população: N= 1600 - Define-se o tamanho da amostragem total: n= 100 𝑁 𝑛 = 1600 100 = 16 - Sorteia-se um número de 1 a 16, que será o primeiro número da amostra, logo as próximas amostras serão retiradas de 16 em 16. 1.3 Amostragem Aleatória Estratificada Os estratos são formados pelo pesquisador, segundo as necessidades de seu estudo. A base para constituição de estratos são geralmente atributos dos indivíduos como idade, sexo, etnia, nacionalidade, profissão, renda. Ao formar os estratos, deve-se atentar para que todos os elementos da população estejam enquadrados nos mesmos e que nenhum indivíduo possa ser colocado em dois estratos diferentes. 26 Exemplo: Aplicar um questionário sobre satisfação com os serviços da agencia em 10 clientes de um banco de dados de 100 pessoas. Verifica-se que das 100 pessoas 30% são mulheres e 70% são homens. Delimita-se que dos 10 clientes a serem entrevistados 3 devem ser mulheres e 7 homens. 1.4 Amostra Aleatória por Conglomerados ou Grupos É um método muito utilizado por motivos de ordem prática e econômica, onde divide-se uma população em pequenos grupos e sorteia-se um número suficiente desses pequenos grupos (conglomerados), cujos elementos constituirão a amostra. Neste método, existem pelo menos dois níveis de amostragem: a) os conglomerados são sorteados de forma aleatória e todos os componentes dos conjuntos escolhidos são pesquisados; b) os conglomerados são subdivididos em outros conjuntos e o sorteio aleatório se faz entre os subgrupos, sendo pesquisados todos os seus elementos; c) alguns conglomerados são escolhidos aleatoriamente e, em cada um, os indivíduos a serem pesquisados são sorteados de forma aleatória simples – amostragem em dois estágios, combinando o de conglomerados com o aleatório simples; d) os conglomerados são subdivididos em subgrupos e a seleção se faz em três estágios: alguns são sorteados aleatoriamente e, em cada aglomerado escolhido, são sorteados, também de forma aleatória, alguns subgrupos; finalmente, nos subgrupos selecionados, são escolhidas de forma aleatória as pessoas a serem pesquisadas. Esta forma de amostragem também combina as técnicas de conglomerados com a do aleatório simples. Exemplo: pesquisa das técnicas de aferição do conhecimento, utilizadas por professores das escolhas públicas e privadas do 2º Grau, em um município (procedimento „c‟) 27 UFS – Universidade Federal deSergipe CCET – Centro de Ciências Exatas e Tecnologia DECAT – Departamento de Estatística e Ciências Atuariais Disciplina: Estatística Aplicada Profa.: Marta Ribeiro Distribuição Amostral Seja X uma variável de uma população com média µ e variância 𝜎2, então: E(𝑥 ) = µ = 𝑥𝑖 𝑛 = 𝑝𝑖 𝑥 𝑖 V(X) = 𝜎2 𝑥 = 𝜎2 𝑛 = (𝑥𝑖−𝑥 ) 2 𝑛 (amostra feita com reposição) V(X) = 𝜎2 𝑥 = 𝜎2 𝑛 𝑁−𝑛 𝑁−1 (amostra feita sem reposição) Onde: n = número de elementos da amostra N = número de elementos da população A variável padronizada, N (0; 1), associada a 𝑥 é: 𝑧 = 𝑥 −𝜇 𝜎 𝑛 ou 𝑧 = 𝑥 −𝜇 𝜎 2 𝑛 𝑁−𝑛 𝑛−1 Estimativa Pontual Estimar um valor para um parâmetro. Como exemplo, o melhor estimador para a média populacional µ é a média amostral 𝑥 . Estimação por Intervalo Intervalo de Confiança para a Média Populacional 1º Caso: 𝜎 é conhecido 𝑃 −𝑍∝ 2 < 𝑥 −𝜇 𝜎 𝑛 < 𝑍∝ 2 = 1 − 𝛼 28 𝑃 𝑥 − 𝑍∝ 2 ∙ 𝜎 𝑛 < 𝜇 < 𝑥 + 𝑍∝ 2 ∙ 𝜎 𝑛 = 1 − 𝛼 Onde: α = nível de significância 1 – α = Intervalo de confiança 2º Caso: 𝜎 é desconhecido Quando 𝜎 é desconhecido, utiliza-se: 𝑠 = (𝑥𝑖−𝑥 ) 2 𝑛−1 Se a amostra for grande (n > 30) usa-se s na expressão do 1º Caso (do 𝜎 conhecido), caso contrário, utiliza-se uma nova estatística: 𝑡 = 𝑥 −𝜇 𝑠 𝑛 Estatística t de Student, com n-1 graus de liberdade 𝑃 𝑥 − 𝑡𝑛−1,∝ 2 ∙ 𝑠 𝑛 < 𝜇 < 𝑥 − 𝑡𝑛−1,∝ 2 ∙ 𝑠 𝑛 = 1 − 𝛼 Intervalo de Confiança para a Proporção da População Média: 𝑝 = 𝑋 𝑛 Desvio padrão: 𝜎𝑝 = 𝑝 𝑞 𝑛 𝑃 𝑝 − 𝑍𝛼 2 𝑝 𝑞 𝑛 < 𝑝 < 𝑝 + 𝑍𝛼 2 𝑝 𝑞 𝑛 = 1 − 𝛼 Determinação do tamanho da amostra Média: 𝑛 = 𝑍𝛼 2 𝜎 𝐸 Proporção: 𝑛 = 𝑍𝛼 2 2 ∙0,25 𝐸2 ou 𝑛 = 𝑍𝛼 2 2 𝑝 𝑞 𝐸2 29 Ex.1: De uma população infinita com µ = 15 e 𝜎 = 8, retirou-se uma amostra de n = 49. Qual a probabilidade da média dessa amostra situar-se entre 13 e 17 unidades? Os três maiores problemas surgidos com estimativa de 𝜇 são determinação: (a) da precisão de 𝑥 como estimativa de 𝜇; (b) do tamanho necessário da amostra para atingir determinada precisão para a estimativa de 𝜇; (c) de um intervalo de confianção para 𝜇. Ex.2: Um aditivo para gasolina está sendo testado para ver se aumenta a quilometragem. Vinte e cinco carros recebem 5 galões de gasolina e são postos a andar até que a gasolina termine. No fim do experimento, calcula-se a quilometragem média para cada carro. Os cálculos forneceram uma média de 𝑥 = 18,5 milhas por galão e um desvio padrão de s = 2,2 milhas por galão para os 25 carros. Experiências com carros da mesma espécie dos que foram usados antes não empregando aditivos indicou que, aproximadamente, 𝜇 = 18,0 e 𝜎 = 2,0 milhas por galão. Supondo que o aditivo não tenha nenhum efeito sobre a quilometragem, resolva os seguintes problemas: a) Determinar a precisão da probabilidade de 𝑥 como uma estimativa de 𝜇. b) Mostre o tamanho do experimento a ser feito se quisermos ter a certeza com um grau de probabilidade de 0,95 de que a experiência não comete erros de mais de ½ milha por galão. c) encontre um intervalo de confiança de 95% para 𝜇. 30 Deixando de supor que o aditivo não tenha nenhum efeito sobre a média ou a variância, encontrar um intervalo de confiança de 95% para 𝜇. 31 Ex.3: Escolhe-se uma amostra aleatória de 100 alunos de certa escola. Aplica-se a eles um teste de inteligência para determinação do QI. Os pontos deste teste fornecem os valores amostrais 𝑥 = 112 e s = 11. Qual é um intervalo de confiança para o quociente de inteligência médio na escola, baseando-se nesses valores da amostra? Calcular para: a) 95% b) 90% Ex.4: Estimar a percentagem de adultos do sexo masculino em certa cidade, que fuem pelo menos um maço de cigarros por dia. Suponhamos que uma amostra aleatória de tamanho 300 fornecesse 36 de tais indivíduos. Determinar: a) a precisão da proporção da amostra como uma estimativa de p. b) o tamanho que deve ter a amostra para que a probabilidade seja de 0,95 de que o erro da estimativa não vá exceder a 0,02 unidades. c) um intervalo de confiança de 95% para p. 32 Teste de Hipótese Hipótese Nula: 𝐻0:𝜃 = 𝜃0 Hipótese Alternativa: 𝐻1:𝜃 > 𝜃0; 𝐻1:𝜃 < 𝜃0; 𝐻1:𝜃 ≠ 𝜃0 Tipos de Teste: Unilateral (a Esquerda ou a Direita) e Bilateral. Tipos de Erro: Decisão 𝐻0 Verdadeiro 𝐻0 Falso Não rejeitar Decisão Correta Erro do Tipo II Rejeitar Erro do Tipo I Decisão Correta Valores críticos de Z (𝑍𝑐) Teste Nível de Significância (𝛼) 0,10 0,05 0,01 Unilateral 1,28 1,64 2,33 Bilateral 1,64 1,96 2,58 Resolução para Teste de Hipótese: 1º) Formulação das Hipóteses 𝐻0 e 𝐻1; 2º) Fixação do Nível de Significância; 3º) Valor Crítico; 4º) Valor tabular; 5º) Decisão: concluir se rejeita ou não 𝐻0. 33 Teste de Hipótese para Média 𝑍𝑐 = (𝑥 −𝜇) 𝜎 𝑛 ; 𝑡𝑐 = (𝑥 −𝜇) 𝑠 𝑛 Ex.1: Uma peça tem especificação média de 5cm com desvio padrão de 0,08cm. Em uma amostra aleatória de 49 peças encontrou-se uma média de 5,05cm. Pode-se afirmar, tendo em vista a amostragem, que as peças fabricadas atendam à especificação ao nível de significância de 5%? (rejeita-se 𝐻0) 𝑍𝑐 = (𝑥 − 𝜇) 𝜎 𝑛 Ex.2: Determinada tubulação deve ter um diâmetro externo médio de 10cm com desvio padrão de 0,18cm. Uma amostra de tamanho 36 apresentou um diâmetro médio de 9,94cm. Com base na amostra pode-se afirmar que a tubulação, ao nível de significância de 0,02, atende às especificações do fabricante? (não rejeita 𝐻0) 𝑍𝑐 = (𝑥 − 𝜇) 𝜎 𝑛 Ex.3: Cem clientes selecionados aleatoriamente foram convidados dentre 400 para participarem da promoção de abertura de uma loja e gastaram em média R$245,70. Os idealizadores dessa nova técnica de vendas esperava que o consumo médio fosse no mínimo de R$250,00, com desvio padrão de R$66,00. Ao nível de significância de 5%, é legítima a pretensão dos idealizadores? (não rejeita 𝐻0) 𝑍𝑐 = (𝑥 − 𝜇) 𝜎 2 𝑛 𝑁 − 𝑛 𝑁 − 1 Teste de Hipótese para Proporção Ex.4: O diretório dos estudantes de uma Universidade informa que no máximo até 6 meses depois de formado pelo menos 50% dos graduados estão empregados. Em uma turma de 30 formandos 10 informaram ter obtido emprego dentro dos 6 meses. A afirmação do diretório é correta ao nível de significância de 5%? (rejeita-se 𝐻0) 𝑍𝑐 = 𝑝 − 𝑃 𝑝𝑞 𝑛 34 Teste de Hipótese para diferença de médias 𝑍𝑐 = 𝑥 1−𝑥 2 − 𝜇1−𝜇2 𝜎1 2 𝑛1 + 𝜎1 2 𝑛2 ; 𝑡𝑐 = 𝑥 1−𝑥 2 − 𝜇1−𝜇2 𝑠1 2 𝑛1 + 𝑠1 2 𝑛2 Ex.5: O salário por hora médio na construção civil para operários especializados na cidade A é R$6,00 com desvio padrão de 2,00, enquanto que na cidade B é R$5,40 com desvio padrão R$1,80, isto constatados um duas amostras de 40 operáriosem A e 50 operários em B. Teste ao nível de significância de 5% se existe diferenças de salário entre as duas cidades. (não rejeita 𝐻0) 𝑍𝑐 = 𝑥 1 − 𝑥 2 − 𝜇1 − 𝜇2 𝜎1 2 𝑛1 + 𝜎1 2 𝑛2 Ex.6: Duas Turmas A e B possuem 40 e 50 alunos respectivamente. Na Turma A o grau médio foi 74 com desvio padrão 8, enquanto que na Turma B a média foi 78 com desvio padrão 7. Existem diferenças significativas entre os aproveitamentos das duas classes so nível de significância de 5%? (rejeita-se 𝐻0) 𝑍𝑐 = 𝑥 1 − 𝑥 2 − 𝜇1 − 𝜇2 𝜎1 2 𝑛1 + 𝜎1 2 𝑛2 Teste de Hipótese para diferença de proporções Ex.7: Uma pesquisa de opinião entre 300 eleitores do Bairro X e 200 eleitores do Bairro Y determinou 56% e 48%, respectivamente, da preferência a favor de determinado candidato. Ao nível de significância de 0,05 há diferença entre os dois bairros quanto a preferência? (não rejeita-se 𝐻0) 𝑍𝑐 = 𝑝 1 − 𝑝 2 − 𝑃1 − 𝑃2 𝑝 1𝑞 1 𝑛1 + 𝑝 2𝑞 2 𝑛2
Compartilhar