Baixe o app para aproveitar ainda mais
Prévia do material em texto
EA D Estimação Estatística 4 1. OBJETIVOS • Conhecer a estimação por pontos e por intervalos. • Compreender os intervalos de confiança. • Aplicar os intervalos de confiança em proporções e amostras. • Identificar o fator de correção. • Estimação em pequenas amostras. 2. CONTEÚDOS • Estimação por pontos. • Estimação por intervalos. • Intervalos de confiança para médias. • Intervalos de confiança para proporções. • Intervalos de confiança para grandes e pequenas amostras. • Fator de correção. 3. ORIENTAÇÕES PARA O ESTUDO DA UNIDADE 1) É importante que você saiba que a utilização da análise estatística está relacionada com o uso de amostragem. As amostras são utilizadas como uma forma de chegar até a população. Utilizamos as amostras para estimar valores para a população, que é o interesse. © Práticas Corporais Alternativas80 2) Nesta unidade, estudaremos sobre os IC (Intervalos de Confiança) e é importante ficarmos atentos com interpretações equivocadas dos Intervalos de Confiança, afir- mando que "com 90% de probabilidade a verdadeira média populacional m se encon- tra dentro do intervalo". Essa interpretação está equivocada e deve ser evitada. 3) Para utilizar a distribuição normal, devemos utilizar as fórmulas da padronização para encontrar a variável padrão Z, que permite associar medidas probabilísticas às amos- tras, seja pela média ou por uma proporção. 4) As distribuições amostrais estudadas na Unidade 3 são válidas para grandes amostras ( 30n ≥ ), conforme discutimos no chamado teorema do limite central. Assim, a nor- malidade exige, entre outras coisas, grandes amostras para sua aplicação. 4. INTRODUÇÃO À UNIDADE É praticamente impossível observar e coletar dados de toda uma população, seja pelo alto custo, pelo tempo ou até mesmo por outras dificuldades. Nesse caso, optamos por analisar uma amostra, que é parte da população; se esta for representativa, os resultados poderão ser gene- ralizados para toda essa população. Como não conhecemos a população em estudo, os resultados obtidos na amostra vêm acompanhados de um grau de incerteza ou risco. Nesta unidade, estudaremos a inferência estatística por meio dos métodos de estimação estatística, que são o conjunto de técnicas e procedimentos que permitem dar às pesquisas um grau de confiabilidade nos resultados que se obtêm mediante os estudos de amostra. Bom estudo! 5. ESTIMAÇÃO POR PONTOS Na estimação por pontos, utilizaremos um único número real para avaliar um fenômeno, por exemplo, o valor da média amostral, como uma estimativa por ponto da média populacio- nal. Da mesma forma, podemos utilizar o valor da variância e do desvio padrão como parâme- tros de estimação. Para ilustrar o problema das estimativas pontuais, observe o exemplo. Exemplo Imagine que você esteja participando de um jogo, sentado em uma sala onde existe uma parede localizada à sua frente com uma distância de 4 metros. Nessa parede, está desenhado um ponto bem pequeno. De posse de duas bolas, uma de gude e uma de basquete, você deverá escolher uma para tentar acertar o ponto em apenas uma tentativa. Contudo, antes de você lançar uma das bolas, alguém apaga o ponto, mas diz que o mesmo continua na parede. Então? Qual dos objetos você escolheria? Provavelmente, você escolheria a bola de basquete, por acreditar que a chance de acertar é maior. E sim, você tem razão, pois mesmo não acertando em cheio no ponto, você poderá acertá-lo devido à circunferência da bola. Utilizando a bola de gude, terá que acertar em cheio, ou seja, deverá ser mais preciso no lançamento. Apesar de privilegiar a precisão, o grau de acer- to com a bola de gude é quase zero. Claretiano - Centro Universitário 81© U4 - Estimação Estatística Você consegue visualizar a situação? Você percebeu como será difícil acertar com a bola de gude? Pois bem, a bola de gude é o que chamamos de estimativa por ponto (ou pontual), isto é, com base em uma única amostra e, consequentemente, em uma única média amostral X , desejamos acertar o verdadeiro valor da média populacional m . Muito difícil, pouco provável, pouco confiável. As amostras diferentes levam normalmente a estimativas diferentes, e essa variabilidade não pode ser controlada nesse processo. O controle estatístico nos leva a fixar a estimação me- diante um intervalo real, ou seja, as estimativas pontuais devem ser transformadas em estima- tivas com maior confiabilidade de acerto, as estimativas por intervalo. 6. ESTIMAÇÃO POR INTERVALOS As estimativas por intervalos são utilizadas quando necessitamos de um valor aproximado e em expressão analítica qualquer. A ideia é construir um intervalo em torno da estimativa por ponto, de modo que esse in- tervalo tenha uma probabilidade conhecida de conter o verdadeiro valor do parâmetro. Assim, o intervalo com probabilidade conhecida deverá conter o valor real do parâmetro e será denominado intervalo de confiança. Intervalos de confiança A probabilidade que designaremos por ( )1 α− ou ( )100 %α− representará a probabili- dade do parâmetro populacional pertencente ao intervalo construído, e é chamada de nível de confiança. O valor de α é conhecido como nível de significância do intervalo. Vamos supor que os intervalos de confiança simétricos em probabilidades, isto é, a proba- bilidade do parâmetro, ficam de fora do intervalo e a probabilidade de ficar à sua direita é igual à de ficar à sua esquerda. Essa simetria, além de propiciar intervalos mais precisos, gera uma facilidade nos cálculos. Intervalos de confiança (IC) para a média populacional m , com grandes amostras 30n ≥ e desvio padrão populacional σ conhecido Conforme propõe Morettin (2010), consideremos uma população normal, com média m desconhecida que desejamos estimar, mas supondo desvio padrão populacional σ conhecido. Nosso objetivo é determinar um intervalo para estimar a média populacional m do tipo [ ]mΑ < < Β que possua uma determinada confiabilidade ( )1 α− de estar correto, ou seja, ( ) ( )1m αΡ Α < < Β = − . O problema é determinar A e B que garantam a probabilidade de acerto desejada. Para encontrar os limites dos intervalos, seguimos o seguinte procedimento: • Reescrevemos o intervalo em função da variável normal padronizada Z, ou seja, ( ) ( )1 2 1 αΡ Ζ < Ζ < Ζ = − . © Práticas Corporais Alternativas82 • Com base na fórmula da padronização estudada na Unidade 3, fazemos uma substitui- ção direta no intervalo para Z, ou seja, ( )1 2 Ρ Ζ < < Ζ = − . • Isolando m na expressão anterior, podemos então determinar as fórmulas para os limi- tes dos intervalos, ficando assim, ( )1 2 1X Xn n σ σm α Ρ − Ζ ⋅ < < + Ζ ⋅ = − . Devido à escolha por trabalhar com intervalos simétricos, ou seja, 1 2Z Z= , podemos reescrever o intervalo que estima a média populacional m da forma IC X ;X = −Ε +Ε , onde E é chamada de margem de erro da estimativa e é calculada da forma: n σ Ε = Ζ⋅ Onde: • Z é um valor da tabela de distribuição normal padronizada para uma área igual a (1 ) 2 α− ou (100 )% 2 α− . • n é o tamanho da amostra aleatória utilizada 30n ≥ . • σ é o desvio padrão populacional suposto conhecido. Graficamente, conforme é possível ver na Figura 1, o IC (Intervalo de Confiança) pode ser representado como: Figura 1 Curva 1. Para que você possa entender melhor, observe, a seguir, dois exemplos de aplicações prá- ticas. Claretiano - Centro Universitário 83© U4 - Estimação Estatística Exemplo 1 Consideremos uma população normal X, com uma variância populacional igual a 9. Desta população tiramos uma amostra contendo 35 observações, obtendo uma soma de todos os valores igual a 152. Determine um IC (Intervalos de Confiança) de limites de 0,90 ou 90% para m . Resolução Dados: • ( )1 0,90α− = . • Média amostral 152X 4,34 35 = = . • Desvio padrão populacional 9 3σ = = . • Qual será o valor de Z para ( )1 0,900,45 2 2 α− = = (que denotamos por 0,45Z )? Observe, mediante os cálculos demonstrados anteriormente, que a curva é normal e que são consideradas duas metades simétricas, ou seja, se o limite é de 90%, será 90% 45% 2 = ou 0,45. Lembrando que, nas tabelas da Normal Padronizada estudadas na Unidade 2, para encontrar o valor de 0,45Z basta procurar a área da tabela mais próxima de 0,45 na coluna indicada por ( )0 iΡ < Ζ < Ζ e você encontrará o valor 0,449497, que corresponde a um valor de Z 1,64= , conforme trecho reproduzido no quadro a seguir. Quadro 1 Trecho da Normal Padronizada 1 Zi P(0<Z<Zi) 1,44 0,425066 ... ... 1,62 0,447384 1,63 0,448449 1,64 0,449497 1,65 0,450529 1,66 0,451543 ... ... 1,70 0,455435 Assim, para determinar o IC, basta calcularmos a margem de erro: 3 3 1,64 1,64 1,64 0,51 0,84 5,9235 E Z n σ = ⋅ = ⋅ = ⋅ = ⋅ = Calculada a margem de erro, basta somarmos e subtrairmos da média amostral: [ ] [ ]; 4,34 0,84;4,34 0,84 3,50;5,18C X X Ι = −Ε +Ε = − + = Graficamente,conforme pode ser visto na Figura 2, temos: © Práticas Corporais Alternativas84 Figura 2 Curva 2. Notamos que há 90% de confiança ou de probabilidade de que o intervalo [3,50 ; 5,18] estime corretamente o verdadeiro valor da média populacional m ou, se preferir, corremos um risco de 10% de que o intervalo estime de forma incorreta o verdadeiro valor da média popula- cional m . Para ilustrar o equívoco dessa interpretação, suponhamos que exista uma população, por exemplo, uma população de empresas cujo faturamento médio populacional m seja igual a 1,5 milhões de reais anuais. Uma amostragem foi efetuada em 70n = empresas dessa população e foi construída uma estimativa por intervalo para m , resultando nas duas situações a seguir. 1ª Situação Um intervalo de 90% da forma [2,1 milhões; 2,7 milhões]. Observe o verdadeiro valor de m ( 1,5m = ) e pense na seguinte pergunta: “Qual a probabilidade de m estar dentro desse in- tervalo?”. Se você pensou na reposta "nenhuma possibilidade", está correto, pois não há como o valor 1,5 estar no intervalo. Assim, a probabilidade de m estar no intervalo é de 0%. Agora, veja uma outra situação. 2ª Situação Um intervalo de 90% da forma [1,1 milhões; 2,7 milhões]. Observe o verdadeiro valor de m ( 1,5m = ) e pense na seguinte pergunta: “Qual a probabilidade de m estar dentro desse in- tervalo?”. Se você pensou na reposta "está no intervalo", você está correto novamente, pois o valor 1,5 realmente está no intervalo. Assim, a probabilidade de m estar no intervalo é igual a 100%. Então, como o valor da média populacional é fixo, ou estará no intervalo (100% de chance) ou não estará (0% de chance). Não há como um valor fixo ter 90% de chance de pertencer a um intervalo, ou pertence ou não pertence. Para ilustrar ainda mais, suponhamos que você está em uma quermesse e vai participar de um tradicional jogo de argolas. O objetivo é atirar pequenos arcos plásticos (as argolas) em alvos espalhados em um tablado. Quando você arremessa uma das argolas, tem uma determinada probabilidade de acertar o alvo, não é mesmo? O mesmo ocorre com as estimativas. Claretiano - Centro Universitário 85© U4 - Estimação Estatística A Média Populacional é o alvo que está parado (fixo) e você está construindo um IC com base na amostra (a argola) para tentar acertar a média populacional. Assim, quem tem probabi- lidade de acerto é o IC, conforme a interpretação correta. Exemplo 2 De uma população com desvio padrão 5σ = , foram coletados 50n = elementos e obte- ve-se uma média amostral X 42= . Calcule o IC para estimar a média populacional com um nível de significância de 0,05 ou 5%. Resolução Dados: • 50n = . • 5σ = . • X 42= . • 0,05α = ou ( )5% 1 0,95α⇒ − = ou 95% . • Se ( )1 0,95α− = , 0,95 0,475 2 = . Procurando o valor mais próximo de 0,475 na tabela da Normal Padronizada, verificamos que 0,475 1,96Ζ = , conforme trecho destacado da tabela: Quadro 2 Trecho da Normal Padronizada 2 Zi P(0<Z<Zi) 1,80 0,464070 ... ... 1,93 0,473197 1,94 0,473810 1,95 0,474412 1,96 0,475002 1,97 0,475581 1,98 0,476148 ... ... 2,04 0,479325 Assim, para determinar o IC, basta calcularmos a margem de erro: 5 5 1,96 1,96 1,96 0,71 1,39 7,0750 E Z n σ = ⋅ = ⋅ = ⋅ = ⋅ = Calculada a margem de erro, basta somá-la e subtraí-la da média amostral: [ ] [ ]; 42 1,39;42 1,39 40,61;43,39C X X Ι = −Ε +Ε = − + = © Práticas Corporais Alternativas86 Portanto, temos 95% de confiança ou de probabilidade de que o intervalo [40,61; 43,39] estime corretamente o verdadeiro valor da média populacional m . Exemplo 3 O departamento de recursos humanos de uma grande empresa informa que o tempo de execução de tarefas que envolvem participação manual varia de tarefa para tarefa, mas que o desvio padrão permanece constante em aproximadamente 3 minutos. Uma nova tarefa está sendo implantada na empresa. Uma amostra aleatória do tempo de execução de 50 dessas no- vas tarefas forneceu o valor médio de 15 minutos. Determine o IC (Intervalo de Confiança) de 95% para o tempo médio de execução dessa nova tarefa. Resolução Dados: • 50n = (número de tarefas). • X 15= (tempo médio de execução da amostra). • 3σ = (desvio padrão populacional). • (1 ) 95% 0,95α− = = (nível de confiança do intervalo). • 47,5Z 1,96= (tabela da curva normal). Assim, para determinar o IC, basta calcularmos a margem de erro: 3 3 1,96 1,96 1,96 0, 42 0,82 7,0750 E Z n σ = ⋅ = ⋅ = ⋅ = ⋅ = Calculada a margem de erro, basta somá-la e subtraí-la da média amostral. [ ] [ ]; 15 0,82;15 0,82 14,18;15,82C X X Ι = −Ε +Ε = − + = Portanto, temos 95% de confiança ou de probabilidade de que o intervalo [14,18; 15,82] estime corretamente o verdadeiro valor do tempo médio de execução da tarefa. A precisão desta estimativa é de 95% de confiança de que não estamos errando por mais que 0,82 minutos nesta estimação. Exemplo 4 Em uma cidade, existem diversos supermercados que comercializam um determinado produto, cujo preço de venda admite distribuição normal. Uma amostra aleatória de preços desse produto, levantados em 49n = supermercados, revelou um preço médio amostral igual a X 6,50= . Sabe-se que o desvio padrão populacional para os preços desse produto é R$ 0,60σ = , por meio de estudos realizados em outras cidades. Com esses dados: 1) Forneça uma estimativa por IC com 92% de nível de confiança para o preço médio real (populacional) do produto na cidade. Resolução Dados: • 49n = . • X 6,50= . • 0,60σ = . Claretiano - Centro Universitário 87© U4 - Estimação Estatística Adotando nível de confiança ( )1 0,92α− = , temos 0,92 0,46 2 = . Procurando o valor mais próximo de 0,46 na tabela da Normal Padronizada, verificamos que 0,46 1,75Ζ = . Assim, para determinar o IC, basta calcularmos a margem de erro. 0,60 0,60 1,75 1,75 1,75 0,09 0,16 749 E Z n σ = ⋅ = ⋅ = ⋅ = ⋅ = Calculada a margem de erro, basta somarmos e subtrairmos da média amostral: [ ] [ ]; 6,50 0,16;6,50 0,16 6,35;6,66IC X X = −Ε +Ε = − + = Desse modo, temos 92% de confiança ou de probabilidade de que o intervalo [6,34; 6,66] estime corretamente o verdadeiro valor do preço médio populacional m . 2) Forneça uma estimativa por IC com 96% de nível de confiança para o preço médio real (populacional) do produto na cidade. Compare o resultado com o obtido no item 1. Resolução Dados: • 49n = . • X 6,50= . • 0,60σ = . Adotando nível de confiança ( )1 0,96α− = , temos 0,96 0,48 2 = . Procurando o valor mais próximo de 0,48 na tabela da Normal Padronizada, verificamos que 0,48 2,05Ζ = . Assim, para determinar o IC, basta calcularmos a margem de erro: 0,60 0,60 E Z 2,05 2,05 2,05 0,09 0,18 749n σ = ⋅ = ⋅ = ⋅ = ⋅ = Calculada a margem de erro, basta somá-la e subtraí-la da média amostral. [ ] [ ]; 6,50 0,18;6,50 0,18 6,32;6,68IC X X = −Ε +Ε = − + = Concluímos que temos 96% de confiançaou de probabilidade de que o intervalo [6,32; 6,68] estime corretamente o verdadeiro valor do preço médio populacional m . Comparando com a estimativa do item 1, podemos verificar que, quando aumentamos o nível de confiabilidade, ou seja, quando aumentamos o nível de acerto de 92% para 96%, o intervalo aumentou de tamanho, pois a margem de erro ficou maior. Assim, apesar de termos mais chances de acerto, temos menor precisão. Intervalos maiores têm maior chance de acerto, mas menor precisão. © Práticas Corporais Alternativas88 3) Refaça o item 1 admitindo uma amostra com 64n = supermercados e compare os resultados. Resolução Dados: • 65n = . • X 6,50= . • 0,60σ = . Adotando nível de confiança (1 ) 0,92α− = , temos 0,92 0,46 2 = . Procurando o valor mais próximo de 0,46 na tabela da Normal Padronizada, verificamos que 0,46 1,75Ζ = . Assim, para determinar o IC, basta calcularmos a margem de erro: 0, 60 0,60 1,75 1,75 1,75 0,075 0,13 864 E Z n σ = ⋅ = ⋅ = ⋅ = ⋅ = Calculada a margem de erro, basta somá-la e subtraí-la da média amostral. [ ] [ ]; 6,50 0,13;6,50 0,13 6,37;6,63IC X X = −Ε +Ε = − + = Assim, temos 92% de confiança ou de probabilidade de que o intervalo [6,37; 6,63] estime corretamente o verdadeiro valor do preço médio populacional m . Comparando com a estimativa do item 1, podemos verificar que, quando aumentamos o tamanho da amostra mantendo o mesmo nível de confiabilidade (92%), a margem de erro fica menor. Assim, temos uma estimativa mais precisa. 4) Refaça o item 1 admitindo um desvio padrão populacional 0,20σ = e compare os resultados. Resolução Dados: • 49n = . • X 6,50= . • 0,20σ = . Adotando nível de confiança ( )1 0,92α− = , temos 0,92 0,46 2 = . Procurando o valor mais próximo de 0,46 na tabela da Normal Padronizada, verificamos que 0,46 1,75Ζ = . Assim, para determinar o IC, basta calcularmos a margem de erro: 0, 20 0, 20 1,75 1,75 1,75 0,03 0,05 749 E Z n σ = ⋅ = ⋅ = ⋅ = ⋅ = Claretiano - Centro Universitário 89© U4 - Estimação Estatística Calculada a margem de erro, basta somá-la e subtraí-la da média amostral. [ ] [ ]; 6,50 0,05;6,50 0,05 6,45;6,55IC X X = −Ε +Ε = − + = Portanto, temos 92% de confiança ou de probabilidade de que o intervalo [6,45; 6,55] estime corretamente o verdadeiro valor do preço médio populacional m . Comparando com a estimativa do item 1, podemos verificar que, quando diminuímos o desvio padrão populacional mantendo o mesmo nível de confiabilidade (92%) a margem de erro ficou menor. Assim, temos uma estimativa mais precisa. A partir dos exemplos anteriores, podemos retirar importantes propriedades de ordem prática a respeito da margem de erro que é utilizada para compor as estimativas via Intervalo de Confiança (IC): a) Margem de erro E maior ⇒ maior o tamanho do intervalo ⇒ menor a precisão da estimativa. b) Fixados n e σ , aumentando-se o nível de confiabilidade (1 )α− ⇒ maior margem de erro E ⇒ menor a precisão da estimativa. c) Fixados n e (1 )α− , diminuindo-se o desvio padrão σ ⇒ menor margem de erro E ⇒ maior a precisão da estimativa. d) Fixados σ e (1 )α− , aumentando-se o tamanho da amostra n ⇒ menor margem de erro E ⇒ maior a precisão da estimativa. Não podemos correr o risco de gerar estimativas com muita margem de erro, pois a aplica- bilidade da mesma fica comprometida, com intervalos muito grandes e fora da realidade. Assim, devemos ter estimativas confiáveis e precisas. A partir das propriedades anteriores, podemos identificar na prática duas formas de ga- rantir confiabilidade e precisão nas estimativas: • Trabalhar com dados com pouca variabilidade, já que quanto menor o desvio padrão, mais precisa será a estimativa. • Determinar um tamanho adequado para a amostra, já que quanto maior a amostra, mais precisa será a estimativa. Fórmula para determinação do tamanho da amostra Considerando as propriedades anteriores, em alguns casos é interessante determinar a quantidade ideal de elementos a considerar em uma amostra, a fim de garantir um determinado nível de confiança ( )1 α− e também garantir uma determinada precisão para a estimativa, que é determinada pelo valor da margem de erro E. Assim, considerando o valor de E fixado, podemos deduzir a partir da fórmula da margem de erro uma fórmula para o cálculo do tamanho da amostra (n). 2Z E n σ⋅ = Exemplo 5 Em um determinado setor produtivo, sabe-se por amplos estudos que o grau de variabi- lidade entre os faturamentos das empresas é igual a R$ 1,7 milhões ( 1,7σ = ). Uma pesquisa será realizada para estimar o faturamento médio atual dessas empresas, mas a pesquisa será © Práticas Corporais Alternativas90 feita por amostragem para minimizar os custos. Considerando que o resultado deva ter um nível de confiabilidade ( )1 α− de 97% e que a margem de erro (precisão) da estimativa seja de, no máximo, 0,4 milhões de reais, quantas empresas (n) deveriam ser pesquisadas? Resolução Temos que ( )1,2 1 97%e αΕ = − = . Temos 0,97 0,485 2 = . Procurando o valor mais próximo de 0,485 na tabela da Normal Padronizada, verificamos que 0,485 2,17Ζ = . Então, para calcular o tamanho ideal da amostra, substituímos diretamente na fórmula: ( ) 2 22 2Z 2,17 1,7 3,689 9,22 85,01 E 0,4 0, 4 n σ⋅ ⋅ = = = = = Então, a amostra deveria contar com 86 empresas. Note que n deve ser um número inteiro e arredondado para mais, pois trata-se do tamanho da amostra. Intervalos de Confiança (IC) para uma Proporção Populacional θ , com grandes amostras ( )30n ≥ De forma análoga ao feito para a estimativa da média populacional, podemos construir um intervalo de confiança para estimar uma proporção populacional utilizando a fórmula da padronização para proporções discutida na Unidade 3. Efetuando as operações algébricas ne- cessárias, podemos deduzir que a margem de erro para a estimativa de proporções será: ( )1p pE Z n ⋅ − = ⋅ A seguir, veja algumas aplicações práticas. Exemplo 6 Retiramos de uma população uma amostra de 100n = elementos e encontramos 20 su- cessos. Ao nível de significância de 1%, deve-se construir um intervalo de confiança para a pro- porção real de sucessos na população. Resolução Dados: • 100n = . • 20x = . • 20 0, 20 100 xp n = = = (proporção amostral). Ainda, sendo 0,01α = , então ( )1 0,99α− = ou 99%, e 0,99 0,495 2 = . Procurando o valor mais próximo de 0,495 na tabela da Normal Padronizada, verificamos que 0,485 2,58Ζ = . Claretiano - Centro Universitário 91© U4 - Estimação Estatística Assim, para determinar o intervalo de confiança, basta calcular a margem de erro. ( ) ( )1 0,20 1 0,20 0,20 0,80 0,16E Z 2,58 2,58 2,58 100 100 100 2,58 0,0016 2,58 0,04 0,1032 p p n ⋅ − ⋅ − ⋅ = ⋅ = ⋅ = ⋅ = ⋅ = = ⋅ = ⋅ = Calculada a margem de erro, somamos e subtraímos a proporção amostral: [ ] [ ]; 0, 20 0,1032;0,20 0,1032 0,0968;0,3032IC X X = −Ε +Ε = − + = Ou em valores percentuais, [ ]IC 9,68%;30,32%= . Desse modo, temos 99% de confiança ou de probabilidade de que o intervalo [9,68%; 30,32%] estime corretamente o verdadeiro valor do percentual de sucessos na população. Exemplo 7 Para estimar a porcentagem de alunos de um curso favorável à modificação do sistema escolar, tomou-se uma amostra de 100n = alunos, dos quais 70 foram favoráveis. Calcule um intervalo de confiança para a proporção de alunos do curso favoráveis à modificação ao nível de significância de 4%. Resolução Dados: • 100n = . • 70x = . • 70 0,70 100 xp n = = = (proporção amostral). Ainda, sendo 0,04α = , então (1 ) 0,96α− = ou 96%, e 0,96 0,48 2 = . Procurando o valor mais próximo de 0,48 na tabela da Normal Padronizada, verificamos que 0,48Z 2,05= . Assim, para determinar o intervalo de confiança, basta calcular a margem de erro: ( ) ( )1 0,70 1 0,70 0,70 0,30 0,21E Z 2,05 2,05 2,05 100 100 100 2,05 0,0021 2,05 0,046 0,094 p p n ⋅ − ⋅ − ⋅ = ⋅ = ⋅ = ⋅= ⋅ = = ⋅ = ⋅ = Calculada a margem de erro, basta somá-la e subtraí-la da proporção amostral: [ ] [ ]; 0,70 0,094;0,70 0,094 0,606;0,794IC X X = −Ε +Ε = − + = Ou, em valores per- centuais, [ ]IC 60,6%;79,4%= . Assim, temos 96% de confiança ou de probabilidade de que o intervalo [60,6%; 79,4%] estime corretamente o verdadeiro valor do percentual de alunos favoráveis às mudanças na população. De forma análoga ao feito com as estimativas da média, também podemos determinar o tamanho ideal de uma amostra para estimar uma proporção fixando-se a precisão (margem de erro) desejada. A fórmula é a seguinte: © Práticas Corporais Alternativas92 2 2 Z (1 ) E p pn ⋅ −= 7. FATOR DE CORREÇÃO PARA POPULAÇÃO FINITA A expressão do intervalo de confiança para a média foi obtida considerando-se a obtenção da amostra com reposição. Entretanto, Silva et al. (1997, n. p.) relatam que em algumas situações, como o caso em que a avaliação do elemento amostral é um teste destrutivo, é inviável a reposição desse ele- mento. Na maioria das vezes, o principal motivo de não fazermos a reposição é o custo. A consequência da não reposição do elemento na população antes da seleção do próximo elemento praticamente não altera a probabilidade de seleção desse elemento quando a popu- lação for muito grande em relação ao tamanho da amostra. Se a amostra for muito grande em relação ao tamanho da população, a não reposição do elemento antes da seleção do próximo modificará sensivelmente as probabilidades de escolha dos elementos da amostra, modificando, consequentemente, sua distribuição de probabilida- des. Assim, se o tamanho da amostra for menor do que 5% do tamanho da população, a não reposição pode ser desprezada. Entretanto, caso o tamanho da amostra seja maior do que 5% do tamanho da população, devemos corrigir o intervalo para compensar os efeitos desta não reposição. Observe a seguir o fator de correção. 1c N nF N − = − No qual: • N é o tamanho da população. • n é o tamanho da amostra. O fator de correção deve ser aplicado diretamente na margem de erro E, tanto em esti- mativas para a média quanto para estimativas de proporções, multiplicando a margem de erro E pelo fator de correção cF . Observe a seguir um exemplo prático do fator de correção. Exemplo 8 As despesas mensais com alimentação dos 1.000 alunos de uma faculdade no período es- colar são normalmente distribuídas com desvio padrão de R$ 3,00. Uma amostra sem reposição de 100 estudantes revelou uma despesa média mensal de R$50,00. Determine o IC (intervalo de confiança) de 90% para a despesa média com alimentação no período escolar dos alunos dessa faculdade. Claretiano - Centro Universitário 93© U4 - Estimação Estatística Resolução Dados: • 1.000N = (número de alunos da população). • 3σ = (desvio padrão populacional). • 100n = (número de estudantes da amostra). • X 50= (média amostral). • ( )1 90%α− = (nível de confiança do intervalo). • 45% 1,65Ζ = (tabela da curva Normal Padronizada). Observe que o tamanho da amostra representa mais do que 5% do tamanho da população e, neste caso, é necessário aplicarmos o fator de correção: 1.000 100 0,9491 1 1.000 1c N nF N − − = = = − − Assim, para determinar o intervalo de confiança, basta calcular a margem de erro: 3 3 1,65 1,65 1,65 0,3 0, 495 10100 E Z n σ = ⋅ = ⋅ = ⋅ = ⋅ = Calculada a margem de erro, vamos corrigi-la pelo fator de correção. 0, 495 0,9491 0, 4698E = ⋅ = E assim, o intervalo será: [ ] [ ]IC X ;X 50 0,4698;50 0,4698 49,5302;50,4698 = −Ε +Ε = − + = Portanto, temos 90% de confiança ou de probabilidade de que o intervalo [49,5302; 50,4698] estime corretamente o verdadeiro valor da despesa mensal com alimentação na po- pulação de alunos. 8. ESTIMATIVAS PARA PEQUENAS AMOSTRAS OU PARA O DESVIO PADRÃO POPULACIONAL (σ ) DESCONHECIDO Em todos os casos de estimativas discutidos anteriormente, utilizamos a distribuição Nor- mal Padronizada (Z) para representar os níveis de confiança dos intervalos. Contudo, a normali- dade só pode ser utilizada quando o tamanho da amostra for grande ( 30n ≥ ) e o desvio padrão populacional (σ ) for conhecido. Se a amostra for pequena ( 30n < ) ou se o desvio padrão populacional for desconhecido, substituiremos pelo desvio padrão amostral (que denotaremos por S), a normal padronizada não pode mais ser utilizada. Nesses casos, substituímos a tabela da normal padrão (Z) por outra tabela chamada de Tabela t-Student, que denotaremos simplesmente por t. Diferentemente da tabela normal, para utilizar a tabela t (Quadros de 3 a 6) utilizaremos o nível de significância (α ) colocado nas colunas da tabela (apenas alguns valores mais utilizados) e o número de graus de liberdade (GL) que é determinado subtraindo 1 do tamanho da amostra, ou seja, GL 1n= − (e estão colocados nas linhas da tabela). © Práticas Corporais Alternativas94 A mudança de tabela não gera nenhuma alteração significativa nas fórmulas vistas ante- riormente e nem no procedimento de cálculo, existe apenas uma mudança de Z para t, ou seja: 1) Margem de erro para estimar a média populacional SE t n → = ⋅ . 2) Margem de erro para estimar a proporção populacional ( )1p pE t n ⋅ − → = ⋅ . 3) Cálculo do tamanho da amostra para estimar a Média 2 E tn σ⋅ → = . 4) Cálculo do tamanho da amostra para estimar a proporção ( ) 2 2 1 E t p p n ⋅ − → = . Nas próximas páginas, apresentamos uma versão da Tabela t-Student (Quadros de 3 a 6) gerada em planilha eletrônica, com níveis de significância de 0,5% a 20%. Quadro 3 Valores da Distribuição t-Student – de 01 a 40 graus de liberdade. GL 20% 15% 10% 7% 5% 4% 3% 2% 1% 0,5% 1 3,07768 4,16530 6,31375 9,05789 12,7062 15,8945 21,2049 31,8205 63,6567 127,321 2 1,88562 2,28193 2,91999 3,57825 4,30265 4,84873 5,64278 6,96456 9,92484 14,0890 3 1,63774 1,92432 2,35336 2,76260 3,18245 3,48191 3,89605 4,54070 5,84091 7,45332 4 1,53321 1,77819 2,13185 2,45589 2,77645 2,99853 3,29763 3,74695 4,60409 5,59757 5 1,47588 1,69936 2,01505 2,29739 2,57058 2,75651 3,00287 3,36493 4,03214 4,77334 6 1,43976 1,65017 1,94318 2,20106 2,44691 2,61224 2,82893 3,14267 3,70743 4,31683 7 1,41492 1,61659 1,89458 2,13645 2,36462 2,51675 2,71457 2,99795 3,49948 4,02934 8 1,39682 1,59222 1,85955 2,09017 2,30600 2,44898 2,63381 2,89646 3,35539 3,83252 9 1,38303 1,57374 1,83311 2,05539 2,26216 2,39844 2,57380 2,82144 3,24984 3,68966 10 1,37218 1,55924 1,81246 2,02833 2,22814 2,35931 2,52748 2,76377 3,16927 3,58141 11 1,36343 1,54756 1,79588 2,00666 2,20099 2,32814 2,49066 2,71808 3,10581 3,49661 12 1,35622 1,53796 1,78229 1,98893 2,17881 2,30272 2,46070 2,68100 3,05454 3,42844 13 1,35017 1,52992 1,77093 1,97416 2,16037 2,28160 2,43585 2,65031 3,01228 3,37247 14 1,34503 1,52310 1,76131 1,96166 2,14479 2,26378 2,41490 2,62449 2,97684 3,32570 15 1,34061 1,51723 1,75305 1,95094 2,13145 2,24854 2,39701 2,60248 2,94671 3,28604 16 1,33676 1,51213 1,74588 1,94165 2,11991 2,23536 2,38155 2,58349 2,92078 3,25199 17 1,33338 1,50766 1,73961 1,93353 2,10982 2,22385 2,36805 2,56693 2,89823 3,22245 18 1,33039 1,50371 1,73406 1,92636 2,10092 2,21370 2,35618 2,55238 2,87844 3,19657 19 1,32773 1,50019 1,72913 1,91999 2,09302 2,20470 2,34565 2,53948 2,86093 3,17372 20 1,32534 1,49704 1,72472 1,91429 2,08596 2,19666 2,33624 2,52798 2,84534 3,15340 21 1,32319 1,49419 1,72074 1,90916 2,07961 2,18943 2,32779 2,51765 2,83136 3,13521 22 1,32124 1,49162 1,71714 1,90452 2,07387 2,18289 2,32016 2,50832 2,81876 3,11882 23 1,31946 1,48928 1,71387 1,90031 2,06866 2,17696 2,31323 2,49987 2,80734 3,10400 24 1,31784 1,48714 1,71088 1,89646 2,06390 2,17154 2,30691 2,49216 2,79694 3,09051 25 1,31635 1,48517 1,70814 1,89293 2,05954 2,16659 2,30113 2,48511 2,78744 3,07820 26 1,31497 1,48336 1,70562 1,88968 2,05553 2,16203 2,29581 2,47863 2,77871 3,06691 27 1,31370 1,48169 1,70329 1,88669 2,05183 2,15782 2,29091 2,47266 2,77068 3,05652 28 1,31253 1,48014 1,70113 1,88391 2,04841 2,15393 2,286382,46714 2,76326 3,04693 29 1,31143 1,47870 1,69913 1,88134 2,04523 2,15033 2,28217 2,46202 2,75639 3,03805 Claretiano - Centro Universitário 95© U4 - Estimação Estatística GL 20% 15% 10% 7% 5% 4% 3% 2% 1% 0,5% 30 1,31042 1,47736 1,69726 1,87894 2,04227 2,14697 2,27826 2,45726 2,75000 3,02980 31 1,30946 1,47611 1,69552 1,87670 2,03951 2,14383 2,27461 2,45282 2,74404 3,02212 32 1,30857 1,47494 1,69389 1,87461 2,03693 2,14090 2,27120 2,44868 2,73848 3,01495 33 1,30774 1,47384 1,69236 1,87265 2,03452 2,13816 2,26801 2,44479 2,73328 3,00824 34 1,30695 1,47281 1,69092 1,87080 2,03224 2,13558 2,26501 2,44115 2,72839 3,00195 35 1,30621 1,47184 1,68957 1,86907 2,03011 2,13316 2,26219 2,43772 2,72381 2,99605 36 1,30551 1,47092 1,68830 1,86743 2,02809 2,13087 2,25953 2,43449 2,71948 2,99049 37 1,30485 1,47005 1,68709 1,86589 2,02619 2,12871 2,25702 2,43145 2,71541 2,98524 38 1,30423 1,46923 1,68595 1,86443 2,02439 2,12667 2,25465 2,42857 2,71156 2,98029 39 1,30364 1,46846 1,68488 1,86304 2,02269 2,12474 2,25240 2,42584 2,70791 2,97561 40 1,30308 1,46772 1,68385 1,86173 2,02108 2,12291 2,25027 2,42326 2,70446 2,97117 Quadro 4 Valores da Distribuição t-Student – de 41 a 80 graus de liberdade. GL 20% 15% 10% 7% 5% 4% 3% 2% 1% 0,5% 41 1,30254 1,46702 1,68288 1,86048 2,01954 2,12117 2,24825 2,42080 2,70118 2,96696 42 1,30204 1,46635 1,68195 1,85930 2,01808 2,11952 2,24633 2,41847 2,69807 2,96296 43 1,30155 1,46572 1,68107 1,85817 2,01669 2,11794 2,24449 2,41625 2,69510 2,95916 44 1,30109 1,46511 1,68023 1,85709 2,01537 2,11644 2,24275 2,41413 2,69228 2,95553 45 1,30065 1,46453 1,67943 1,85606 2,01410 2,11500 2,24108 2,41212 2,68959 2,95208 46 1,30023 1,46398 1,67866 1,85508 2,01290 2,11364 2,23949 2,41019 2,68701 2,94878 47 1,29982 1,46345 1,67793 1,85414 2,01174 2,11233 2,23797 2,40835 2,68456 2,94563 48 1,29944 1,46295 1,67722 1,85324 2,01063 2,11107 2,23652 2,40658 2,68220 2,94262 49 1,29907 1,46246 1,67655 1,85238 2,00958 2,10987 2,23512 2,40489 2,67995 2,93973 50 1,29871 1,46199 1,67591 1,85155 2,00856 2,10872 2,23379 2,40327 2,67779 2,93696 51 1,29837 1,46155 1,67528 1,85076 2,00758 2,10762 2,23250 2,40172 2,67572 2,93431 52 1,29805 1,46112 1,67469 1,85000 2,00665 2,10655 2,23127 2,40022 2,67373 2,93176 53 1,29773 1,46070 1,67412 1,84926 2,00575 2,10553 2,23009 2,39879 2,67182 2,92932 54 1,29743 1,46031 1,67356 1,84856 2,00488 2,10455 2,22895 2,39741 2,66998 2,92696 55 1,29713 1,45992 1,67303 1,84788 2,00404 2,10361 2,22785 2,39608 2,66822 2,92470 56 1,29685 1,45955 1,67252 1,84722 2,00324 2,10270 2,22679 2,39480 2,66651 2,92252 57 1,29658 1,45920 1,67203 1,84659 2,00247 2,10182 2,22577 2,39357 2,66487 2,92042 58 1,29632 1,45885 1,67155 1,84598 2,00172 2,10097 2,22479 2,39238 2,66329 2,91839 59 1,29607 1,45852 1,67109 1,84540 2,00100 2,10015 2,22384 2,39123 2,66176 2,91644 60 1,29582 1,45820 1,67065 1,84483 2,00030 2,09936 2,22292 2,39012 2,66028 2,91455 61 1,29558 1,45789 1,67022 1,84428 1,99962 2,09860 2,22204 2,38905 2,65886 2,91273 62 1,29536 1,45759 1,66980 1,84375 1,99897 2,09786 2,22118 2,38801 2,65748 2,91097 63 1,29513 1,45730 1,66940 1,84323 1,99834 2,09715 2,22035 2,38701 2,65615 2,90926 64 1,29492 1,45702 1,66901 1,84274 1,99773 2,09645 2,21955 2,38604 2,65485 2,90761 65 1,29471 1,45675 1,66864 1,84225 1,99714 2,09578 2,21877 2,38510 2,65360 2,90602 66 1,29451 1,45648 1,66827 1,84179 1,99656 2,09514 2,21802 2,38419 2,65239 2,90447 67 1,29432 1,45623 1,66792 1,84133 1,99601 2,09451 2,21729 2,38330 2,65122 2,90297 68 1,29413 1,45598 1,66757 1,84089 1,99547 2,09390 2,21658 2,38245 2,65008 2,90151 69 1,29394 1,45574 1,66724 1,84047 1,99495 2,09330 2,21589 2,38161 2,64898 2,90010 70 1,29376 1,45550 1,66691 1,84005 1,99444 2,09273 2,21523 2,38081 2,64790 2,89873 71 1,29359 1,45528 1,66660 1,83965 1,99394 2,09217 2,21458 2,38002 2,64686 2,89740 © Práticas Corporais Alternativas96 GL 20% 15% 10% 7% 5% 4% 3% 2% 1% 0,5% 72 1,29342 1,45506 1,66629 1,83926 1,99346 2,09162 2,21395 2,37926 2,64585 2,89611 73 1,29326 1,45484 1,66600 1,83888 1,99300 2,09110 2,21334 2,37852 2,64487 2,89486 74 1,29310 1,45463 1,66571 1,83851 1,99254 2,09058 2,21274 2,37780 2,64391 2,89364 75 1,29294 1,45443 1,66543 1,83815 1,99210 2,09008 2,21216 2,37710 2,64298 2,89245 76 1,29279 1,45423 1,66515 1,83780 1,99167 2,08960 2,21160 2,37642 2,64208 2,89130 77 1,29264 1,45404 1,66488 1,83746 1,99125 2,08912 2,21105 2,37576 2,64120 2,89017 78 1,29250 1,45385 1,66462 1,83713 1,99085 2,08866 2,21051 2,37511 2,64034 2,88908 79 1,29236 1,45367 1,66437 1,83680 1,99045 2,08821 2,20999 2,37448 2,63950 2,88801 80 1,29222 1,45349 1,66412 1,83649 1,99006 2,08778 2,20949 2,37387 2,63869 2,88697 Quadro 5 Valores da Distribuição t-Student – de 81 a 120 graus de liberdade. GL 20% 15% 10% 7% 5% 4% 3% 2% 1% 0,5% 81 1,29209 1,45331 1,66388 1,83618 1,98969 2,08735 2,20899 2,37327 2,63790 2,88596 82 1,29196 1,45314 1,66365 1,83588 1,98932 2,08693 2,20851 2,37269 2,63712 2,88497 83 1,29183 1,45298 1,66342 1,83559 1,98896 2,08653 2,20804 2,37212 2,63637 2,88401 84 1,29171 1,45282 1,66320 1,83530 1,98861 2,08613 2,20758 2,37156 2,63563 2,88307 85 1,29159 1,45266 1,66298 1,83502 1,98827 2,08574 2,20713 2,37102 2,63491 2,88215 86 1,29147 1,45251 1,66277 1,83475 1,98793 2,08537 2,20669 2,37049 2,63421 2,88126 87 1,29136 1,45235 1,66256 1,83449 1,98761 2,08500 2,20626 2,36998 2,63353 2,88039 88 1,29125 1,45221 1,66235 1,83423 1,98729 2,08464 2,20585 2,36947 2,63286 2,87953 89 1,29114 1,45206 1,66216 1,83397 1,98698 2,08429 2,20544 2,36898 2,63220 2,87870 90 1,29103 1,45192 1,66196 1,83372 1,98667 2,08394 2,20504 2,36850 2,63157 2,87788 91 1,29092 1,45179 1,66177 1,83348 1,98638 2,08361 2,20465 2,36803 2,63094 2,87709 92 1,29082 1,45165 1,66159 1,83324 1,98609 2,08328 2,20427 2,36757 2,63033 2,87631 93 1,29072 1,45152 1,66140 1,83301 1,98580 2,08295 2,20390 2,36712 2,62973 2,87555 94 1,29062 1,45139 1,66123 1,83279 1,98552 2,08264 2,20353 2,36667 2,62915 2,87480 95 1,29053 1,45127 1,66105 1,83256 1,98525 2,08233 2,20317 2,36624 2,62858 2,87407 96 1,29043 1,45114 1,66088 1,83235 1,98498 2,08203 2,20282 2,36582 2,62802 2,87336 97 1,29034 1,45102 1,66071 1,83213 1,98472 2,08173 2,20248 2,36541 2,62747 2,87266 98 1,29025 1,45090 1,66055 1,83192 1,98447 2,08144 2,20215 2,36500 2,62693 2,87198 99 1,29016 1,45079 1,66039 1,83172 1,98422 2,08116 2,20182 2,36461 2,62641 2,87131 100 1,29007 1,45067 1,66023 1,83152 1,98397 2,08088 2,20150 2,36422 2,62589 2,87065 101 1,28999 1,45056 1,66008 1,83132 1,98373 2,08061 2,20118 2,36384 2,62539 2,87001 102 1,28991 1,45045 1,65993 1,83113 1,98350 2,08035 2,20087 2,36346 2,62489 2,86938 103 1,28982 1,45035 1,65978 1,83094 1,98326 2,08008 2,20057 2,36310 2,62441 2,86876 104 1,28974 1,45024 1,65964 1,83076 1,98304 2,07983 2,20027 2,36274 2,62393 2,86816 105 1,28967 1,45014 1,65950 1,83058 1,98282 2,07958 2,19998 2,36239 2,62347 2,86756 106 1,28959 1,45004 1,65936 1,83040 1,98260 2,07933 2,19970 2,36204 2,62301 2,86698 107 1,28951 1,44994 1,65922 1,83022 1,98238 2,07909 2,19942 2,36170 2,62256 2,86641 108 1,28944 1,44984 1,65909 1,83005 1,98217 2,07885 2,19914 2,36137 2,62212 2,86585 109 1,28937 1,44975 1,65895 1,82988 1,98197 2,07862 2,19887 2,36105 2,62169 2,86530 110 1,28930 1,44965 1,65882 1,82972 1,98177 2,07839 2,19861 2,36073 2,62126 2,86476 111 1,28922 1,44956 1,65870 1,82956 1,98157 2,07816 2,19835 2,36041 2,62085 2,86423 112 1,28916 1,44947 1,65857 1,82940 1,98137 2,07794 2,19809 2,36010 2,62044 2,86371 113 1,28909 1,44938 1,65845 1,82924 1,98118 2,07773 2,19784 2,35980 2,62004 2,86320 Claretiano - Centro Universitário 97© U4 - Estimação Estatística GL 20% 15% 10% 7% 5% 4% 3% 2% 1% 0,5% 114 1,28902 1,44930 1,65833 1,82909 1,98099 2,07751 2,19759 2,35950 2,61964 2,86270 115 1,28896 1,44921 1,65821 1,82894 1,98081 2,07731 2,19735 2,35921 2,61926 2,86220 116 1,28889 1,44913 1,65810 1,82879 1,98063 2,07710 2,19711 2,35892 2,61888 2,86172 117 1,28883 1,44904 1,65798 1,82864 1,98045 2,07690 2,19688 2,35864 2,61850 2,86124 1181,28877 1,44896 1,65787 1,82850 1,98027 2,07670 2,19665 2,35837 2,61814 2,86078 119 1,28871 1,44888 1,65776 1,82836 1,98010 2,07650 2,19642 2,35809 2,61778 2,86032 120 1,28865 1,44881 1,65765 1,82822 1,97993 2,07631 2,19620 2,35782 2,61742 2,85986 Quadro 6 Valores da Distribuição t-Student – acima de 120 graus de liberdade. GL 20% 15% 10% 7% 5% 4% 3% 2% 1% 0,5% 121 1,28859 1,44873 1,65754 1,82809 1,97976 2,07612 2,19598 2,35756 2,61707 2,85942 122 1,28853 1,44865 1,65744 1,82795 1,97960 2,07594 2,19577 2,35730 2,61673 2,85898 123 1,28847 1,44858 1,65734 1,82782 1,97944 2,07576 2,19556 2,35705 2,61639 2,85855 124 1,28842 1,44850 1,65723 1,82769 1,97928 2,07558 2,19535 2,35680 2,61606 2,85813 125 1,28836 1,44843 1,65714 1,82756 1,97912 2,07540 2,19515 2,35655 2,61573 2,85772 126 1,28831 1,44836 1,65704 1,82744 1,97897 2,07523 2,19494 2,35631 2,61541 2,85731 127 1,28825 1,44829 1,65694 1,82732 1,97882 2,07506 2,19475 2,35607 2,61510 2,85691 128 1,28820 1,44822 1,65685 1,82719 1,97867 2,07489 2,19455 2,35583 2,61478 2,85651 129 1,28815 1,44815 1,65675 1,82708 1,97852 2,07472 2,19436 2,35560 2,61448 2,85612 130 1,28810 1,44809 1,65666 1,82696 1,97838 2,07456 2,19417 2,35537 2,61418 2,85574 131 1,28805 1,44802 1,65657 1,82684 1,97824 2,07440 2,19399 2,35515 2,61388 2,85536 132 1,28800 1,44796 1,65648 1,82673 1,97810 2,07424 2,19380 2,35493 2,61359 2,85499 133 1,28795 1,44789 1,65639 1,82662 1,97796 2,07409 2,19362 2,35471 2,61330 2,85462 134 1,28790 1,44783 1,65630 1,82650 1,97783 2,07393 2,19345 2,35450 2,61302 2,85426 135 1,28785 1,44777 1,65622 1,82640 1,97769 2,07378 2,19327 2,35429 2,61274 2,85390 136 1,28781 1,44771 1,65613 1,82629 1,97756 2,07363 2,19310 2,35408 2,61246 2,85355 137 1,28776 1,44765 1,65605 1,82618 1,97743 2,07349 2,19293 2,35387 2,61219 2,85321 138 1,28772 1,44759 1,65597 1,82608 1,97730 2,07334 2,19276 2,35367 2,61193 2,85287 139 1,28767 1,44753 1,65589 1,82598 1,97718 2,07320 2,19260 2,35347 2,61166 2,85254 140 1,28763 1,44747 1,65581 1,82587 1,97705 2,07306 2,19243 2,35328 2,61140 2,85221 141 1,28758 1,44742 1,65573 1,82577 1,97693 2,07292 2,19227 2,35309 2,61115 2,85188 142 1,28754 1,44736 1,65566 1,82568 1,97681 2,07279 2,19212 2,35289 2,61090 2,85156 143 1,28750 1,44731 1,65558 1,82558 1,97669 2,07265 2,19196 2,35271 2,61065 2,85124 144 1,28746 1,44725 1,65550 1,82548 1,97658 2,07252 2,19181 2,35252 2,61040 2,85093 145 1,28742 1,44720 1,65543 1,82539 1,97646 2,07239 2,19166 2,35234 2,61016 2,85063 146 1,28738 1,44715 1,65536 1,82530 1,97635 2,07226 2,19151 2,35216 2,60992 2,85032 147 1,28734 1,44709 1,65529 1,82520 1,97623 2,07213 2,19136 2,35198 2,60969 2,85002 148 1,28730 1,44704 1,65521 1,82511 1,97612 2,07201 2,19122 2,35181 2,60946 2,84973 149 1,28726 1,44699 1,65514 1,82503 1,97601 2,07188 2,19107 2,35163 2,60923 2,84944 150 1,28722 1,44694 1,65508 1,82494 1,97591 2,07176 2,19093 2,35146 2,60900 2,84915 175 1,28641 1,44588 1,65361 1,82306 1,97361 2,06917 2,18793 2,34784 2,60421 2,84306 200 1,28580 1,44508 1,65251 1,82166 1,97190 2,06723 2,18568 2,34514 2,60063 2,83851 225 1,28533 1,44446 1,65165 1,82057 1,97056 2,06572 2,18394 2,34304 2,59786 2,83498 250 1,28495 1,44397 1,65097 1,81970 1,96950 2,06452 2,18255 2,34136 2,59564 2,83217 275 1,28464 1,44356 1,65041 1,81899 1,96863 2,06354 2,18141 2,33998 2,59383 2,82986 © Práticas Corporais Alternativas98 GL 20% 15% 10% 7% 5% 4% 3% 2% 1% 0,5% 300 1,28438 1,44323 1,64995 1,81840 1,96790 2,06272 2,18046 2,33884 2,59232 2,82795 350 1,28398 1,44270 1,64922 1,81747 1,96676 2,06143 2,17898 2,33705 2,58995 2,82494 400 1,28367 1,44230 1,64867 1,81677 1,96591 2,06047 2,17786 2,33571 2,58818 2,82269 450 1,28344 1,44199 1,64825 1,81623 1,96525 2,05972 2,17699 2,33466 2,58680 2,82094 500 1,28325 1,44175 1,64791 1,81580 1,96472 2,05912 2,17630 2,33383 2,58570 2,81955 ¥ 1,28156 1,43954 1,64487 1,81191 1,95996 2,05375 2,17009 2,32635 2,57583 2,80703 Vamos resolver alguns exemplos para aprender a utilizar a tabela t. Exemplo 9 Suponhamos que em uma pesquisa com 25n = chefes de famílias foi determinada uma renda média R$ 1850,23 mensais, com um desvio padrão amostral de R$ 357,36. Com base nos dados, determine uma estimativa para a renda média populacional com nível de confiança ( )1 90%α− = . Resolução Dados: • 25n = . • 357,36S = . • X 1850,23= . • (1 ) 0,90α− = . Note que há dois problemas nos dados: • 30n < . • Desconhecemos o desvio padrão populacional, conhecemos apenas o da amostra. Assim, não podemos usar a normal e devemos utilizar a tabela t. Inicialmente, temos que determinar o valor de t. Calculamos o número de graus de liberdade (GL), definido por 1 25 1 24GL n= − = − = . A seguir, determinamos o nível de significância 1 0,90 0,10 10%α = − = = . Assim, buscamos nos Quadros de 3 a 6 a coluna de 10% e a linha onde GL 24= , encontrando o valor 1,71088, que será o valor de t: Quadro 7 Trecho da Tabela com valores da Distribuição t-Student GL 20% 15% 10% 1 3,07768 4,16530 6,31375 2 1,88562 2,28193 2,91999 ... ... ... ... 23 1,31946 1,48928 1,71387 24 1,31784 1,48714 1,71088 25 1,31635 1,48517 1,70814 ... ... ... ... 30 1,31042 1,47736 1,69726 Claretiano - Centro Universitário 99© U4 - Estimação Estatística Então, 1,71088t = . Com os valores, podemos determinar a margem de erro E: 357,361,71088 1,71088 71,472 122, 28 25 SE t n = ⋅ = ⋅ = ⋅ = Então a estimativa é: [ ] [ ]IC 1850,23 122,28;1850,23 122,28 1727,95;1972,51= − + = Com 90% de probabilidade o intervalo I deve estimar corretamente a renda média popu- lacional. Exemplo 10 Em uma indústria de cerveja, a quantidade inserida em latas tem-se comportado como uma variável aleatória. Para avaliar a adequação do produto às exigências de mercado, foram separadas 100n = latas para análise, fornecendo um conteúdo médio amostral de 337 ml com um desvio padrão amostral de 9 ml. Com base nos dados, estime com 95% de nível de confiança o volume médio real de cerveja nas latas. Com base na estimativa, podemos admitir que as latas de cerveja possuem um volume médio igual a 350 ml? Justifique. Resolução Dados: • 100n = . • 9S = . • X 337= . • (1 ) 95%α− = . Note que temos um problema nos dados: não conhecemos o desvio padrão populacional, apenas o da amostra. Assim, não podemos usar a normal e devemos utilizar a tabela t. Inicialmente, temos que determinar o valor de t. Calculamos o número de graus de liber- dade (GL), definido por GL 1 100 1 99n= − = − = . A seguir, determinamos o nível de significância 1 0,95 0,05 5%α = − = = . Assim, busca- mos na tabela a coluna de 5% e a linha onde GL 99= , encontrando o valor 1,98422, que será o valor de t. Com os valores, podemos determinar a margem de erro E: 9 9E 1,98422 1,98422 1,98422 0,9 1,786 10100 St n = ⋅ = ⋅ = ⋅ = ⋅ = Então a estimativa é: [ ] [ ]IC 337 1,786;337 1,786 335,214;338,786= − + = Assim, temos 95% de confiança ou de probabilidade de que o intervalo [335,214; 338,786] estime corretamente o verdadeiro volume médio de cerveja nas latas produzidas. O exemplo ainda pede para averiguar se o volume médio das latas pode ser admitido igual a 350 ml. Pelo intervalo construído não, pois esse valor hipotético está fora do intervalo, não sendo uma estimativa razoável para m . © Práticas Corporais Alternativas100 9. QUESTÕES AUTOAVALIATIVAS Confira, a seguir, as questões propostas para verificar o seu desempenho no estudo desta unidade: 1) O valor de títulos depositados em um banco para a cobrança simples tem uma distribuição normal com média m e um desvio padrão 20σ = unidades monetárias. Uma amostra de 40n = títulos escolhidos aleatoriamen- te forneceu uma média amostral igual a 110 unidades monetárias. Assim: a) Determine uma estimativa pontual para o valor médio real dos títulos depositados. b) Determine uma estimativa por intervalo para o valor médio real dos títulos depositados, com um nível de confiança de 85%. c) O responsável pelo setor afirma, com um nível de confiança de 80%, queo valor médio real m dos títulos depositados é 125 unidades monetárias. Ele pode estar certo? Justifique. 2) Um pequeno empresário está estudando a possibilidade de fazer cobrança bancária para os pedidos já recebi- dos e que deverá atender no próximo mês. Sua experiência indica que o valor dos pedidos tem uma distribuição normal com um desvio padrão 20σ = reais. Esse empresário, a fim de estimar o valor médio dos pedidos, considerou uma amostra de 60n = pedidos, obtendo um valor médio amostral igual a 120 reais. Com base nestes dados: a) Construa uma estimativa por intervalo para o valor médio real dos pedidos, com um nível de confiança de 95%. Interprete o resultado. b) Se o empresário acredita que o processo de cobrança bancária é mais indicado apenas se o custo dessa co- brança for no máximo 3% do valor médio dos pedidos, então, com base na estimativa do item (a), qual deve ser o custo da cobrança para que o empresário adote esse processo? 3) Um projeto de investimento está sendo avaliado pelo método do Payback. Uma simulação envolvendo vários cenários futuros forneceu os seguintes tempos de retorno (em anos) do investimento: {2,8; 4,3; 3,7; 6,4; 3,2; 4,1; 4,4; 4,6; 5,2; 3,9}. Com base na amostra estudada, encontre uma estimativa para o tempo médio de retorno com nível de confiança de 90%. 4) Procurando dimensionar a ajuda de custo para seus vendedores, uma empresa acompanhou uma amostra de 17 deles e verificou que a despesa média diária era igual a R$ 200,00, com um desvio padrão amostral igual a R$ 20,00. Determine uma estimativa por intervalo para a despesa média da empresa com os seus vendedores, com um nível de confiança de 99%. Gabarito 1) a) 110, 00m = . b) IC [105, 45; 114, 55]= . c) IC [105, 95; 114, 05]= , então ele não está certo, pois o valor hipotético está fora do intervalo. 2) a) IC [114, 94; 125, 06]= . b) O custo da cobrança deve ser 3% de 125,06, ou seja, R$3,75 por título. 3) IC [3, 67; 4,85]= . 4) IC [185,83; 214,17]= . 10. CONSIDERAÇÕES Nesta unidade, conhecemos a teoria de estimação e os intervalos de confiança que viabi- lizam a análise de determinadas situações. Na unidade seguinte, com base nos estudos dessas teorias, compreenderemos os testes de hipóteses que determinam a probabilidade de acerto nas tomadas de decisão em situações financeiras ou operacionais. 11. REFERÊNCIAS BIBLIOGRÁFICAS COSTA NETO, P. L. O. Estatística. 2. ed. São Paulo: Edgard Blϋcher, 2002. FONSECA, J. S. Curso de estatística. 6. ed. São Paulo: Atlas, 1996. Claretiano - Centro Universitário 101© U4 - Estimação Estatística KAZMIER, L.; CRUSIUS, C. A. Estatística aplicada à economia e administração. São Paulo: Makron Books, 1982. LEVINE, D. M.; BERENSON, M. L.; STEPHAN, D. Estatística: teoria e aplicações. Rio de Janeiro: LTC, 2000. MARTINS, G. A. Princípios de estatística. 4. ed. São Paulo: Atlas, 1990. ______. Estatística Geral e Aplicada. 2. ed. São Paulo: Atlas, 2002. MEYER, P. L.; LOURENÇO FILHO, R. C. B. Probabilidade: aplicação a estatística. Rio de Janeiro: LTC, 1975. MORETTIN, L. G. Estatística básica: probabilidade e inferência. São Paulo: Pearson, 2010. OLIVEIRA, F. E. M. Estatística e Probabilidade. 2. ed. São Paulo: Atlas, 1999. SILVA, E. M.; et al. Estatística para os cursos de: Economia, Administração, Ciências Contábeis. 2. ed. São Paulo: Atlas, 1997. STEVENSON, W. J.; FARIAS, A. A. Estatística aplicada à administração. São Paulo: Harper & How do Brasil, 1986. TRIOLA, M. F. Introdução à estatística. 7. ed. Rio de Janeiro: LTC, 1999. Claretiano - Centro Universitário
Compartilhar