Prévia do material em texto
UFRJ - CCMN - IM - Departamento de Métodos Estat́ısticos
Probabilidade e Estat́ıstica - Estat́ıstica
Prova # 02 26-11-2013
Atenção: Não serão aceitas respostas sem justificativa: as expressões que levaram a alguma resposta
numérica devem ser indicadas nos espaços apropriados.
1. Dado um conjunto de pares (xi, yi), i variando de 1 até n.
(a) Que relação existe entre as médias das variáveis X e Y=a+X, onde “a” é uma constante
(isto é, yi = a+ xi)? E entre as variâncias de X e Y? E entre as distâncias interquartis
(DIQ) de X e Y? Qual o coeficiente de correlação de X e Y?
(b) Responda as mesmas quatro perguntas do item (a) se Y=bX, onde “b” é uma constante
positiva.
Solução
(a) ȳ =
∑
(a+xi)
n
= a+ x̄ ;
s2y =
∑
(yi−ȳ)2
n−1 =
∑
(a+xi−(a+x̄))2
n−1 = s
2
x;
Q1(y) = y(n+3
4
) = a+ x(n+3
4
) = a+Q1(x) e Q3(y) = y( 3n+1
4
) = a+ x( 3n+1
4
) = a+Q3(x)
DIQ(y) = Q3(y)−Q1(y) = DIQ(x);
rxy =
∑
xiyi−nx̄ȳ√
(
∑
x2i−nx̄2)(
∑
y2i−nȳ2)
=
∑
xi(a+xi)−nx̄(a+x̄)√
(
∑
x2i−nx̄2)(
∑
(a+xi)2−n(a+x̄)2)
= 1
(b) ȳ =
∑
(bxi)
n
= b x̄ ;
s2y =
∑
(yi−ȳ)2
n−1 =
∑
(bxi−(bx̄))2
n−1 = b
2s2x;
Q1(y) = y(n+3
4
) = b x(n+3
4
) = b Q1(x) e Q3(y) = y( 3n+1
4
) = b x( 3n+1
4
) = b Q3(x) , porque
b>0. Assim, DIQ(y) = Q3(y)−Q1(y) = b DIQ(x);
rxy =
∑
xiyi−nx̄ȳ√
(
∑
x2i−nx̄2)(
∑
y2i−nȳ2)
=
∑
xi(bxi)−nx̄(bx̄)√
(
∑
x2i−nx̄2)(
∑
(bxi)2−n(bx̄)2)
= b√
b2
= 1, porque b>0
2. Os dados abaixo correspondem a medições do QI (Quociente de Inteligência) para uma amostra
de 30 pessoas.
117 106 106 100 90 91 130 96 98 99 112 130 102 101 94
100 126 83 106 121 79 103 126 78 79 97 100 93 103 107
Deseja-se estimar a média populacional µ dessa variável, supondo distribuição Normal.
(a) Qual a probabilidade de que o erro absoluto na estimação com base nessa amostra seja
inferior a 3 unidades?
(b) Qual seria o tamanho de uma nova amostra para que, com 95% de probabilidade, o erro
absoluto de estimação seja inferior a 3 unidades?
Obs.: Para facilitar os cálculos, informa-se que:
∑
xi = 3.073 e
∑
x2i = 320.757.
Solução
Sabemos que (X1, ..., X30) é uma amostra aleatória de uma distribuição N(µ;σ
2).
Dáı X̄ ∼ N(µ, σ2/30).
(a) P [|X̄ − µ| < 3] = P [ |X̄−µ|
S/
√
30
< 3
√
30
S
]
Como T = X̄−µ
S/
√
30
∼ t de Student com 29 g.l. e Sobs =
√
320757−30732/30
29
= 14, 36,
P [|X̄ − µ| < 3] = P [|T | < 3
√
30
14,36
] = P [|T | < 1, 144]
Da tabela da t, vemos que P [T < 0, 854] = 0, 8 , o que implica que P [|T | < 0, 854] = 0, 6,
e que P [T < 1, 311] = 0, 9 , o que implica que P [|T | < 1, 311] = 0, 8.
Dáı, 0, 6 < P [|X̄ − µ| < 3] < 0, 8.
Por outro lado, para 29 g.l. a distribuição t de Student já se aproxima muito da Normal
Padrão. Então:
P [|X̄ − µ| < 3] = P [|Z| < 1, 144] = 2Φ(1, 144)− 1 = 2× 0, 8729− 1 = 0, 7458.
(b) Para que tenhamos P [|X̄ − µ| < 3] = 0, 95, o tamanho n da amostra terá de ser maior
que 30. Então, com maior razão, podemos aproximar a t de Student com n-1 g.l. pela
N(0;1). Dáı ,
n =
(z0,975 × Sobs
3
)2
=
(1, 96× 14, 36
3
)2
≈ 88.
3. Sabe-se que a altura dos indiv́ıduos de uma certa população é Normalmente distribúıda. Em
uma amostra aleatória de tamanho 16, obteve-se o seguinte intervalo de 95% de confiança para
a altura média populacional (177, 66; 185, 5) (em cm).
(a) Forneça estimativas pontuais para a altura média e para o desvio padrão da altura.
(b) Qual seria o novo intervalo se a confiança exigida fosse 99%?
(c) Qual deveria ser o tamanho de uma nova amostra para que o novo intervalo tivesse a
mesma amplitude do intervalo anterior, porém agora com 99% de confiança, supondo que
o desvio padrão populacional seja igual a 9 cm?
Solução
(a) Estimativa pontual para a média: x = 177,66+185,50
2
= 181, 58.
Estimativa pontual para o desvio padrão: temos que 185, 50−181, 58 = 3, 92 e, portanto,
3, 92 = t1−α/2
s√
n
=
2,13︷︸︸︷
t0,975
s√
16
⇒ s = 7, 3615.
(b)
IC(0, 99) =
(
x− t0,995
s√
n
; x+ t0,995
s√
n
)
=
(
181, 58− 2, 95× 7, 3615
4
; 181, 58 + 2, 95× 7, 3615
4
)
= (176, 12; 186, 98).
(c) Se σ = 9 cm e o novo Int. Confiança para µ ao ńıvel 0,99 tem a mesma amplitude do
anterior), temos:
185,5 - 177,66 = 2 z0,995 × 9√n , o que implica que n =
(
2×2,58×9
7,84
)2
≈ 35, 087, n = 36.
4. Suponha que os tempos de vida, em horas, de certos semicondutores a laser sejam Normalmente
distribuidos com média µ e variância σ2.
Para testar H0 : µ ≤ 7.000 versus H1 : µ > 7.000, uma amostra aleatória de tamanho 25 foi
observada e apresentou os seguintes resultados:∑
xi = 179.500,
∑
(xi − x̄)2 = 8.640.000
(a) Qual a sua conclusão, ao ńıvel de significância de 1%?
(b) Determine o menor intervalo no qual você sabe que o p-valor associado aos dados obtidos
se encontra.
(c) Com base no intervalo obtido no item (b), diga qual seria sua decisão se o ńıvel de
significância fosse de 5%. E se fosse 10%?
Solução
Vamos testar H0 : µ ≤ 7000 horas contra H1 : µ > 7000 horas.
(a) Usaremos α = 0, 01 e uma amostra de tamanho n = 25. Já que σ é desconhecido, a
estat́ıstica de teste é T = x̄−7000
S/
√
25
, cuja distribuição é uma t de Student com 24 g.l., se
µ = 7000.
A região de rejeição é definida por Tobs > t0,99;24 = 2, 492. (Pela tabela da t)
Como
∑
xi = 179500, x̄ =
179500
25
= 7180.
Como
∑
(xi − x̄)2 = 8640000, s =
√
8640000
24
= 600.
Então, Tobs =
7180−7000
600/
√
25
= 1, 5.
Uma vez que Tobs = 1, 5 < 2, 492, H0 deve ser aceita.
(b) p-valor =P [T > 1, 5], onde T ∼ t de Student com 24 g.l.
Pela tabela da t, vemos que P [T < 1, 318] = 0, 90 e P [T < 1, 711] = 0, 95.
Dáı, P [T > 1, 711] < p− valor < P [T > 1, 318], ou seja, 0, 05 < p− valor < 0, 10.
(c) A partir da conclusão do item (b), vemos que se α = 0, 05, H0 seria aceita; e se α = 0, 10,
H0 seria rejeitada. Isto porque o p-valor é o menor valor de α para o qual H0 ainda seria
rejeitada, com os dados dispońıveis.
Boa prova!
UFRJ - CCMN - IM - Departamento de Métodos Estat́ısticos
Probabilidade e Estat́ıstica - Estat́ıstica
Prova #2 22-05-2014
Atenção: Não serão aceitas respostas sem justificativa: as expressões que levaram a alguma
resposta numérica devem ser indicadas nos espaços apropriados.
1. A tabela abaixo apresenta o número de gols sofridos pela seleção brasileira de futebol em
cada uma das edições da copa do mundo.
Ano 1930 1934 1938 1950 1954 1958 1962 1966 1970 1974
Gols sofridos 2 3 11 6 5 4 5 6 7 4
Ano 1978 1982 1986 1990 1994 1998 2002 2006 2010
Gols sofridos 3 6 1 2 3 10 4 2 4
(a) Qual é o número médio de gols sofridos pela seleção por edição da copa? Calcule o
desvio padrão e o coeficiente de variação do número de gols sofridos.
(b) Calcule os quartis e construa um box-plot. Existe algum valor que pode ser considera-
do discrepante?
Resposta: (a) x̄ = 88
19
= 4, 631579; s2 =
∑
x2i−nx̄2
n−1 =
532−19×4,6315792
19−1 = 6, 912281 ⇒ s =
2, 629122; cv = s
x̄
× 100 = 2,629122
4,631579
× 100 = 56, 7651%.
(b) Q1 = 3, Q2 = 4, Q3 = 6; LI = 3− 1, 5× 3 = −1, 5, LS = 6 + 1, 5× 3 = 10, 5.
●
2
4
6
8
10
O valor 11 da copa de 1938 é discrepante.
2. Deseja-se estimar a proporção p das empresas localizadas em uma região que possuem um
setor de treinamento de pessoal. Determine o tamanho mı́nimo de uma amostra aleatória
simples a ser extráıda do conjunto dessas empresas para que o erro absoluto de estimação
seja inferior a 0, 105, com uma probabilidade de 0, 98, nas seguintes situações:
(a) Nada se sabe sobre o valor de p;
(b) Sabemos que pelo menos 80% das empresas dessa região possuem um setor de treina-
mento.
Resposta: Para garantir que P [|p̂−p| < 0, 105] = 0, 98, devemos ter n ≥ (z0,99/0, 105)2p(1−
p). Consultando a tabela da Normal padrão, obtemos z0,99 = 2, 33.
(a) Fazendo p = 0, 5, obtemos n ≥ (2, 33/0, 105)2 × 0, 5× 0, 5 ≈ 124.
(b) Fazendo p = 0, 8, obtemos n ≥ (2, 33/0, 105)2 × 0, 8× 0, 2 ≈ 79. Obs.: Em ambos os
casos foi feito um arredondamento para cima.
3. Suponhamos que se queira estimar, usando intervalo de confiança, o tempo médio que
levao prinćıpio ativo de um remédio para chegar à corrente sangúınea de um paciente
desde o momento que ele é ingerido.
(a) Suponha inicialmente que a distribuição de X é desconhecida e obtenha um intervalo
de confiança de 95% para a média. Suponha que 80 medidas deste tempo X, em segundos,
foram feitas e obteve-se:
80∑
i=1
xi = 1 920 e
80∑
i=1
x2i = 48 055.
Use como valor da variância, o obtido pelo calculo de s2.
(b) Suponha agora que somente 25 medidas de X estão dispońıveis e obteve-se:
25∑
i=1
xi = 600 e
25∑
i=1
x2i = 15 018.
Se for posśıvel dizer que X é normalmente distribúıda, obtenha um intervalo de confiança
de 95% para a média sem fazer nenhuma suposição sobre o valor da variância de X.
Resposta: (a) Temos x̄ = 24, s2 = 25 e z1−α/2 = 1, 96, onde 1 − α/2 = 0, 975. Logo, os
limites do intervalo são:
l1 = 24− 1, 96
5√
80
= 24− 1, 0957 e l2 = 24 + 1, 96
5√
80
= 24 + 1, 0957.
(b) Já que a variável segue uma distribuição Normal, temos x̄ = 24, s2 = 25, 75 e
t1−α/2;24 = 2, 06, onde 1− α/2 = 0, 975 e usamos 24 graus de liberdade. Logo, os limites
do intervalo são:
l1 = 24− 2, 06
5, 07√
25
= 24− 2, 089 e l2 = 24 + 2, 06
5, 07√
25
= 24 + 2, 089.
4. Pretende-se realizar um teste de hipótese de H0: µ ≥ 10 versus H1: µ < 10 com n=25,
σX = 3 e α = 0, 1.
(a) Aponte a estat́ıstica de teste e o critério de decisão (ou seja, as regiões de rejeição e
de aceitação) a serem usados.
(b) Diga, no contexto de teste de hipóteses, o que são: o erro I e o erro II. Determine a
P(erro de tipo II) para µ = 8, 5.
(c) Que decisão deve ser tomada se x=8,2 nesta amostra com 25 elementos.
Resposta: (a) H0: µ = 10 versus H1: µ < 10, sendo a hipóteses H0 considerada como
simples a região de rejeição deveria ser X ≤ xc. Assim, Φ(zc) = 0, 10 =⇒ Φ(−zc) =
0, 90 =⇒ −zc = 1, 28 =⇒ zc = −1, 28. Como zc = xc−µ0σ/√n =⇒ xc = −1, 28 × 3/5 + 10 =
9, 23. Assim, rejeita-se H0 se xobs < 9, 23, caso contrário não há evidência para a rejeição
de H0 .
(b) Erro I: Rejeitar H0 quando H0 é verdadeira. Erro II: Aceitar H0 quando H0 é falsa.
A P (erro II) é obtida supondo µ = 8, 5 e calculando P (Xc < 9, 23) = Φ(
9,23−8,5
3/5
) ≈
Φ(1, 22) = 0, 8888.
(c) Como xobs = 8, 2 < 9, 23 há evidência para a rejeição da hipótese H0.
Boa prova!
UFRJ - CCMN - IM - Departamento de Métodos Estat́ısticos
Probabilidade e Estat́ıstica - Estat́ıstica
Prova #2 25-11-2014
Atenção: Não serão aceitas respostas sem justificativa: As expressões que levaram a alguma resposta numérica
devem ser indicadas nos espaços apropriados.
1. Um grupo de engenheiros deseja estudar a relação entre o número médio de itens defeituosos produzidos pelas
máquinas a cada lote de 1.000 peças e o tempo de funcionamento dessas máquinas, em anos. Para isso, coletaram
esses dados para 10 máquinas:
X = Tempo de funcionamento 1 1 2 4 5 6 9 9 11 x10
Y = Número médio de itens defeituosos 6 8 15 12 13 18 28 21 26 y10
Sabe-se que:
10∑
i=1
xi = 63aaaaaa
10∑
i=1
yi = 182aaaaaa
10∑
i=1
x2i = 591aaaaaa
10∑
i=1
y2i = 4088aaaaaa
10∑
i=1
xiyi = 1517
(a) Quais os valores da observação faltante (x10, y10)? Construa o gráfico de dispersão das variáveis X e Y.
(b) Calcule o coeficiente de correlação amostral entre X e Y, interpretando o valor obtido.
(c) Calcule os coeficientes da reta de regressão Y = a + bX e utilize a equação desta reta para estimar a
proporção esperada de itens defeituosos entre os que forem produzidos por uma máquina já em funcionamento
por 10 anos.
2. Sejam X1, X2, . . . Xn uma amostra aleatória da variável aleatória X com distribuição Bernoulli(p).
(a) Qual a distribuição de Y = X1 +X2 + . . .+Xn?
(b) Considere os dois seguintes estimadores para p: T1 =
Y
n
e T2 =
Y +
√
n
2
n+
√
n
. Esses estimadores são não
tendenciosos(não viciados) para p?
(c) Expresse o erro quadrático médio (EQM) desses dois estimadores em função de n e p.
(d) Suponha n=4 e faça um único gráfico mostrando o comportamento do EQM em função de p para os dois
estimadores.
3. Um procedimento qúımico utilizado por uma indústria gera em média µ mg de cloreto de sódio como produto
final de uma reação. A quantidade de cloreto obtida a cada vez apresenta um comportamento aleatório N(µ, σ2),
onde σ2 = 2500. A partir de 100 repetições do mesmo procedimento, obteve-se em média 200 mg de cloreto.
(a) Calcule o intervalo de confiança de 99% para µ. Interprete o resultado.
(b) Considere que a indústria modificou o procedimento anterior e que agora a variância da quantidade de
cloreto produzida não é mais conhecida. Com uma amostra de 51 repetições desse novo procedimento, obteve-se
média e desvio-padrão amostrais respectivamente iguais a 250 mg e 60 mg. Obtenha o intervalo de confiança
de 99% para o µ que o novo procedimento é capaz de produzir.
(c) Com base nos itens anteriores, você acredita que o novo procedimento seja capaz de produzir, em média,
uma quantidade de cloreto de sódio diferente da que era obtida anteriormente? Qual é o ńıvel de confiança
associado à sua conclusão? (Suponha que as seleções de amostra relativas aos dois procedimentos qúımicos
tenham sido realizadas independentemente uma da outra).
4. O teor da substância S no minério M0 se comporta como uma Normal de média 25% e desvio padrão 10%. Já
o teor da substância S no minério M1 também se comporta como uma Normal, porém esta com média 30% e
desvio padrão 10%. A Companhia C dispõe de um volume apreciável de um minério cuja natureza (M0 ou M1)
é desconhecida. Como S é uma impureza indesejável, só interessa à Cia. C utilizar esse material no caso de ele
ser M0. Serão coletadas n unidades amostrais desse material a serem analisadas quimicamente e, com base nos
resultados, se pretende testar H0: o minério é M0 contra H1: o minério é M1.
(a) Qual deve ser o tamanho n da amostra para que as probabilidades do Erro I e do Erro II sejam respectiva-
mente de 0,01 e 0,10?
(b) Usando o n obtido em (a), qual a decisão a ser tomada se X̄obs = 28%? Justifique a sua resposta.
Sugestão: Note que quanto maior for a média amostral, maiores serão os motivos para se rejeitar H0.
Boa prova!
SOLUÇÕES
1. (a) X10 =
10∑
i=1
Xi −
9∑
i=1
Xi = 63− (1 + . . .+ 11) = 15aaaaaY10 =
10∑
i=1
Yi −
9∑
i=1
Yi = 182− (6 + . . .+ 26) = 35
(b)
rxy =
10∑
i=1
XiYi − nX̄Ȳ√√√√ 10∑
i=1
X2i − nX̄2
√√√√ 10∑
i=1
Y 2i − nȲ 2
=
1517− 10× 6, 3× 18, 2√
591− 10× (6, 3)2
√
4088− 10× (18, 2)2
= 0, 95464
Como esse valor está próximo de 1, as variáveis número médio de itens defeituosos produzidos e tempo de
funcionamento da máquina tem forte relação linear positiva.
(c)
b̂ =
10∑
i=1
XiYi − nX̄Ȳ
10∑
i=1
X2i − nX̄2
=
1517− 10× 6, 3× 18, 2
591− 10× (6, 3)2
= 1, 908aaaaaâ = Ȳ − b̂X̄ = 18, 2− 1, 908× 6, 3 = 6, 178
Quando X=10 temos que o Y estimado será: Ŷ = â+ b̂× 10 = 6, 178 + 1, 908× 10 = 25, 258. Então a proporção
estimada será: 25,2581000 = 2, 526%
2. (a) X1, . . . , Xn são iid’s Bernoulli(p) ⇒ Y =
n∑
i=1
Xi ∼ binomial(n,p).
(b) E(T1) = E
(
Y
n
)
=
np
n
= p ⇒ T1 é não tendencioso(não viciado) para p.
E(T2) = E
(
Y +
√
n
2
n+
√
n
)
=
np+
√
n
2
n+
√
n
⇒ T2 é tendencioso(viciado) para p.
(c) Viés(T1) = 0
Viés(T2) =
np+
√
n
2
n+
√
n
− p =
np+
√
n
2 − np−
√
np
n+
√
n
=
√
n
(
1
2 − p
)
√
n(
√
n+ 1)
=
1
2 − p√
n+ 1
Var(T1) = Var
(
Y
n
)
=
np(1− p)
n2
=
p(1− p)
n
Var(T2) = Var
(
Y +
√
n
2
n+
√
n
)
=
np(1− p)
(n+
√
n)2
=
np(1− p)
(
√
n(
√
n+ 1))2
=
p(1− p)
(
√
n+ 1)2
Como EQM(Ti) = Viés(Ti)
2 + Var(Ti), temos que:
EQM(T1) =
p(1− p)
n
EQM(T2) =
(
1
2 − p√
n+ 1
)2
+
p(1− p)
(
√
n+ 1)2
=
1
4 − p+ p
2 + p− p2
(
√
n+ 1)2
=
1
4(
√
n+ 1)2
(d) Com n=4, temos: EQM(T1) =
p(1− p)
4
e EQM(T2) =
1
36
.
3. (a)
x̄ = 200; σ = 50; n = 100; q0,995 = 2, 573
x̄± q0,995 ×
σ√
n
=
(
200− 2, 573× 50
10
; 200 + 2, 573× 50
10
)
= (187, 135; 212, 865)
(b)
x̄ = 250; s = 60; n = 51; t0,995 = 2,678; q0,995 = 2, 573
Resolvendo utilizando a t-student:
x̄± t0,995 ×
s√
n
=
(
250− 2, 678× 60√
51
; 250 + 2, 678× 60√
51
)
= (227, 5; 272, 5)
Resolvendo utilizando a aproximação para normal:
x̄± q0,995 ×
s√
n
=
(
250− 2, 573× 60√
51
; 250 + 2, 573× 60√
51
)
= (228, 4; 271, 6)
(c) Ambos os intervalos conterão simultaneamente a respectiva média populacional com probabilidade 0, 992 =
0, 9801. Logo, como a interseção dois dois intervalos é vazia, as médias devem ser diferentes ao ńıvel de confiança
de 98, 01%
4. (a) Sejam µ0 = 25, µ1 = 30, α = 0, 01, β = 0, 10, e σ = 10.
Se H0 é verdadeira, X1, X2, . . . Xn são v.a’s iid’s com distribuição N(µ0;σ
2), e se H0 é falsa, X1, X2, . . . Xn são
v.a’s iid’s com distribuição N(µ1;σ
2)
Já que se trata de um teste de média, a estat́ıstica de teste será a média amostral X̄.
Como µ0 = 25 < 30 = µ1, o critério de decisão será do tipo: Rejeitar H0 se X̄obs > x̄c, onde o ponto de corte
x̄c é uma constante a determinar. Caso contrário, aceitar H0.
Então α = P(Erro I) = P(X̄ > x̄c), se H0 é verdadeira. Neste caso X̄ ∼ N
(
µ0;
σ2
n
)
.
Logo, padronizando temos: α = P
(
X̄ − µ0
σ√
n
>
x̄c − µ0
σ√
n
)
= P
(
Z >
(x̄c − µ0)
√
n
σ
)
, o que implica em Z(1−α) =
(x̄c−µ0)
√
n
σ ⇒ x̄c =
σZ(1−α)√
n
+ µ0 (I)
Por outro lado, β = P(Erro II) = P(X̄ ≤ x̄c), se H0 é falsa. Neste caso X̄ ∼ N
(
µ1;
σ2
n
)
.
Logo, padronizando temos: β = P
(
X̄ − µ1
σ√
n
≤ x̄c − µ1σ√
n
)
= P
(
Z ≤ (x̄c − µ1)
√
n
σ
)
, o que implica em Zβ =
(x̄c−µ1)
√
n
σ ⇒ x̄c =
σZβ√
n
+ µ1 (II)
De (I) e (II) decorre que
σZ(1−α)√
n
+ µ0 =
σZβ√
n
+ µ1, o que implica em:
n =
(
σ(Z(1−α) − Zβ)
µ1 − µ0
)2
=
(
10(2, 33− (−1, 28))
30− 25
)2
∼= 52.
(b) De (I) temos que x̄c =
10× 2, 33√
52
+ 25 = 28, 23.
Como X̄obs = 28 < 28, 23, H0 deve ser aceita.
UFRJ - CCMN - IM - Departamento de Métodos Estat́ısticos
Segunda Prova de Probabilidade e Estat́ıstica 02-07-2015
Atenção: Não serão aceitas respostas sem justificativa. As soluções devem ser feitas nos espaços apropriados.
1. Túlio está vendendo cartelas de rifa com o objetivo de juntar dinheiro para comprar um v́ıdeo-game que custa
R$ 1.200,00. Cada cartela de rifa tem um preço aleatório, definido por raspadinhas no corpo da cartela. Em
média, compradores pagam R$ 50,00 com desvio padrão de R$ 10,00.
(a) Túlio vendeu 25 cartelas. Qual é a probabilidade de ele ter conseguido uma quantia suficiente para fazer
a compra que deseja?
(b) Quantas cartelas Túlio precisaria vender para conseguir recursos suficientes para essa compra com 50%
de probabilidade?
Obs.: Admita que, em ambos os casos, o tamanho amostral é suficientemente grande para que seja válida a
aproximação fornecida pelo Teorema Central do Limite.
2. Cinco pessoas estão almoçando juntas. Os nomes dessas pessoas, ordenando-as em termos de idade (do mais
novo para o mais velho), são: Paulo, Andrea, Jorge, Daniela e Vitor. Com base em suas idades, foram calculadas
as seguintes medidas: Média = 21, Mediana = 25, Distância Interquartil = 10, Amplitude = 30 (todas elas
expressas em anos) e Variância = 146 anos2.
(a) Quais são as idades de cada um deles?
(b) Alguma dessas cinco observações pode ser considerada discrepante, pelo critério para identificação de
outliers que se baseia nos quartis da variável? Qual?
Obs.: Amplitude = (Maior valor) − (Menor valor).
3. Um administrador do governo quer avaliar a proporção p de aprovação da comunidade sobre determinado
projeto. Para isso fez uma pesquisa de opinião selecionando ao acaso 40 pessoas da população de interesse.
Considerando “1” = favorável e “0”= desfavorável, temos então 40 variáveis aleatórias iid X1, X2, ..., X40,
todas elas com distribuição de Bernoulli(p). Considere as quatro seguintes alternativas de estimador para p:
p̂A =
X10 +X20 +X30 +X40
4
, p̂B =
X10 + 2X20 + 3X30 + 4X40
10
, p̂C =
∑40
i=1Xi
40
e
p̂D =
∑10
i=1Xi + 2.
∑20
i=11Xi + 3.
∑30
i=21Xi + 4.
∑40
i=31Xi
100
(a) Qual é o viés (ou v́ıcio) de cada um desses estimadores?
(b) Expresse o erro quadrático médio (EQM) de cada um deles em função de p. Ordene esses estimadores em
termos de seus EQM, e diga qual é o melhor de acordo com esse critério.
(c) Se os dados coletados foram:
10001 11111 10111 11110 11000 11111 11111 11100,
qual é a estimativa de p para cada uma das quatro alternativas?
4. Um disparador de part́ıculas realiza o lançamento de part́ıculas idênticas e o tempo com que essas part́ıculas
percorrem uma certa distância é normalmente distribuido com média e variância desconhecidas. Com objetivo
de estudar propriedades desse disparador, foram lançadas 25 part́ıculas e foi computado o tempo, em segundos,
que cada uma delas levou para percorrer uma distância D. Esses dados seguem abaixo:
9, 12, 13, 15, 15, 17, 18, 18, 18, 19, 19, 20, 20, 21, 22, 24, 24, 24, 25, 26, 26, 27, 29, 31, 33
Denotando por xi as medições acima, temos:
∑25
i=1 xi = 525
∑25
i=1 x
2
i = 11877
(a) Construa um intervalo de 95% de confiança para o tempo médio com que as part́ıculas lançadas percorrem
essa distância D. Interprete o significado do intervalo obtido.
(b) Um f́ısico afirmou que o tempo médio necessário para as part́ıculas disparadas percorrerem uma distância
D, como essa, é de no máximo 18 segundos. Utilizando o conceito de p-valor, verifique se a afirmação H0
do f́ısico será constestada ao ńıvel de significância de 2%.
(c) Construa um teste de hipóteses com ńıvel de significância 8% para testar se o 3o quartil dos tempos com
que as part́ıculas disparadas percorrem essa distância D é igual a 23 contra a alternativa de que ele é
diferente de 23. Qual a conclusão desse teste?
Obs.: Note que é posśıvel relacionar quartis com proporções.
Boa prova!
Soluções
1. (a) Sejam X1, . . . , X25 variáveis aleatórias representando os valores pagos em cada cartela. Assim, a proba-
bilidade do dinheiro ser suficiente é
P
(
25∑
i=1
Xi ≥ 1200
)
= P (X̄ ≥ 1200/25), em que X̄ ∼ N(50, 100/25).
Logo,
P (X̄ ≥ 1200/25) = P (X̄ ≥ 48) = P
(
Z ≥ 48− 50
10/
√
25
)
= P (Z ≥ −1) = 0, 8413.
(b) Deseja-se saber qual é o valor de n tal que
P
(
n∑
i=1
Xi ≥ 1200
)
= 0, 50.
Temos que
P
(
n∑
i=1
Xi ≥ 1200
)
= P (X̄ ≥ 1200/n), em que X̄ ∼ N(50, 100/n).
Logo,
P (X̄ ≥ 1200/n) = P
(
Z ≥ 1200/n− 50
10/
√
n
)
= 0, 50
⇒ 1200/n− 50
10/
√
n
= 0⇒ n = 1200/50 = 24.
2. (a) Sejam x1 ≤ x2 ≤ x3 ≤ x4 ≤ x5 as idades de Paulo, Andrea, Jorge, Daniela e Vitor, respectivamente.
Então, temos:
Mediana = x3 = 25, (I)
Distância Interquartil = x4 − x2 = 10, (II)
Amplitude = x5 − x1 = 30, (III)
Média = 21→ x1 + x2 + x3 + x4 + x5 = 5× 21 = 105 (IV)
Variância = 146→ x21 + x22 + x23 + x24 + x25 − 5× 212 = 4× 146 (V)
Substituindo (I), (II) e (III) em (IV), obtemos:
x1 + x2 + 25 + (x2 + 10) + (x1 + 30) = 105→ 2x1 + 2x2 = 40→ x1 + x2 = 20→ x2 = 20− x1 (VI)
Além disso, de (II), x4 = x2 + 10 = 20− x1 + 10 = 30− x1 (VII)
Substituindo (VI), (I), (VII) e (III) em (V), chegamos a:
x21 + (20− x1)2 + 252 + (30− x1)2 + (30 + x1)2 = 4× 146 + 5× 441 = 2789.
Isto nos leva a equação do 20 grau : x21 − 10x1 + 9 = 0, cujas ráızes são 9 e 1.
Experimentemos inicialmente a solução x1 = 9.
Ela nos leva a: x2 = 20− 9 = 11, x3 = 25, x4 = 30− 9 = 21 e x5 = 30 + 9 = 39.
Essa solução não serve, porque aqui temos x3 = 25 > x4 = 21, contrariando a premissa de que os dados
estão ordenados.
Experimentemos agora a solução x1 = 1. Ela nos leva a:
x2 = 20− 1 = 19, x3 = 25, x4 = 30− 1 = 29 e x5 = 30 + 1 = 31. Solução correta!
As idades são, portanto, as seguintes: Paulo: 1, Andrea: 19, Jorge: 25, Daniela: 29 e Vitor: 31.
(b) As cercas neste caso são: Cerca inferior = x2 − 1, 5×DIQ = 19− 1, 5× 10 = 4 e
Cerca superior = x4 + 1, 5×DIQ = 29 + 1, 5× 10 = 44.
Sendo assim, temos um único outlier, que é a idade de Paulo = 1 ano.
3. (a) Usando as propriedades da esperança de uma combinação linear de variáveis aleatórias iid:
E(p̂A) = E(
X10+X20 +X30 +X40
4
) = p, E(p̂B) = E(
X10 + 2.X20 + 3.X30 + 4.X40
10
) = p,
E(p̂C) = E(
∑40
i=1Xi
40
) = p, E(p̂D) = E(
∑10
i=1Xi + 2.
∑20
i=11Xi + 3.
∑30
i=21Xi + 4.
∑40
i=31Xi
100
) = p
O viés é B(θ̂) = E(θ̂)− θ. Assim, B(p̂A) = B(p̂B) = B(p̂C) = B(p̂D) = 0
(b) Usando as propriedades da variância de uma combinação linear de variáveis aleatórias iid:
V ar(p̂A) = V ar(
X10 +X20 +X30 +X40
4
) =
1
16
(V ar(X10)+V ar(X20)+V ar(X30)+V ar(X40)) =
p(1− p)
4
,
V ar(p̂B) =
V ar(X10) + 4.V ar(X20) + 9.V ar(X30) + 16.V ar(X40)
100
=
3
10
p(1− p)
V ar(p̂C) = V ar(
∑40
i=1Xi
40
) =
∑40
i=1 V ar(Xi)
402
=
p(1− p)
40
V ar(p̂D) =
V ar(
∑10
i=1Xi) + 4.V ar(
∑20
i=11Xi) + 9.V ar(
∑30
i=21Xi) + 16.V ar(
∑40
i=31Xi)
1002
=
3
100
p(1− p)
Colocando as frações: 14
3
10
1
40
3
100 com o mesmo denominador:
100
400
120
400
10
400
12
400 . Assim,
V ar(p̂C) ≤ V ar(p̂D) ≤ V ar(p̂A) ≤ V ar(p̂B). Como os estimadores são não viciados, temos que:
EQM(p̂C) ≤ EQM(p̂D) ≤ EQM(p̂A) ≤ EQM(p̂B)
O melhor estimador é o p̂C .
(c) Para esse conjunto de dados, temos as seguintes estimativas:
p̂A =
2
4
= 0, 5
p̂B =
1 + 2× 0 + 3× 1 + 4× 0
10
=
4
10
= 0, 4
p̂C =
30
40
= 0, 75
p̂D =
7 + 2× 8 + 3× 7 + 4× 8
100
=
76
100
= 0, 76
4. (a) Estat́ısticas necessárias: x̄ =
25∑
i=1
xi
25
=
525
25
= 21 e s2x =
∑25
i=1 x
2
i − 25x̄2
25− 1
=
11877− 25.(21)2
24
= 35, 5
Seja µ o tempo médio. Como temos variância desconhecida e tamanho amostral pequeno (n < 30), é preciso
construir o intervalo através da distribuição t-student. Temos que:
P
(
tn−1
(α
2
)
<
X̄ − µ
S√
n
< tn−1
(
1− α
2
))
= 1− α
P
(
−tn−1
(
1− α
2
) S√
n
< X̄ − µ < tn−1
(
1− α
2
) S√
n
)
= 1− α
P
(
X̄ − tn−1
(
1− α
2
) S√
n
< µ < X̄ + tn−1
(
1− α
2
) S√
n
)
= 1− α
Os extremos do Intervalo de Confiança a 95% para µ são, portanto:
x̄± t24(0, 975)
sx√
n
, ou seja, 21± 2, 064
√
35, 5
25
Logo, IC(µ, 95%) = [ 18, 540 ; 23, 460 ] em segundos.
Interpretação: Esse procedimento nos permite obter intervalos que conterão o verdadeiro valor do parâmetro
µ, tempo médio, com 95% de chance. Vale observar que µ é um valor fixo, embora desconhecido, enquanto que
os limites do intervalo são aleatórios.
(b) Queremos testar
{
H0 : µ ≤ 18
H1 : µ > 18
Como σ2 é desconhecido e n < 30, vamos utilizar o fato de que, sob H0,
X̄ − µ
S√
n
∼ tn−1
Denotando p-valor por α̃, temos que sendo H0 verdadeira, ou seja, sendo µ = 18.
α̃ = P (X̄ > x̄) = P
(
Tn−1 >
x̄− µ
s√
n
)
= P
T24 > 21− 18√35,5√
25
= P (T24 > 3
1, 192
)
=
= P (T24 > 2, 527) = 1− P (T24 ≤ 2, 527)
Pela tabela da t-student, podemos ver (olhando na linha associada a 24 graus de liberdade) que esse
P (T24 ≤ 2, 527) está entre 0, 99 e 0, 995. Logo, α̃ ∈ [ 0, 005 ; 0, 01 ].
Então, α̃ < 0, 02 = α, indicando que H0 deve ser rejeitado ao ńıvel de 2%, ou seja, a afirmação do f́ısico deve
sim ser contestada.
(c) Queremos testar
{
H0 : Q3 = 23
H1 : Q3 6= 23
Defina p como sendo a proporção teórica de valores do tempo abaixo de 23 e p̂ o estimador para p, dado
pela proporção amostral de valores abaixo de 23. Como a probabilidade de um ensaio da variável ”tempo de
deslocamento da part́ıcula” retornar um resultado abaixo de Q3 é 75%, temos que o teste desejado equivale a
testar, ao ńıvel α = 0.08: {
H0 : p = 0, 75
H1 : p 6= 0, 75
Como np0(1− p0) = 25× 0, 75× 0, 25 = 4, 59 ≥ 3, podemos aproximar Binomial por Normal. Então:
α = P ( Rej H0), se H0 é verdadeira ⇒
A região de aceitação é um intervalo da forma: 0, 75 ± c, onde P (0, 75 − c < p̂ < 0, 75 + c) = 0, 92, sendo
p̂ ∼ N(0, 75; 0,75×0,2525 )
P (p̂ < 0, 75 + c) = 0, 96 ⇒ P
p̂− p√
p(1−p)
n
<
0, 75 + c− 0, 75√
0,75(0,25)
25
= 0, 96
P
(
Z <
c
0, 0866
)
= 0, 96 ⇒ c
0, 0866
= Z0,96 ⇒
c
0, 0866
= 1, 75 ⇒ c = 0.15155
Logo, a região de aceitação desse teste é dada por RA: [0, 75−0, 15155 ; 0, 75+0, 15155] = [0, 59845 ; 0, 90155].
Como na amostra se observou p̂ = 1525 = 0, 6 e esse valor pertence a região de aceitação encontrada, temos que
H0 não foi rejeitado ao ńıvel 8%, ou seja, não foi rejeitado que Q3 = 23.
obs: Esse teste também poderia ser aplicado definindo por p a proporção de valores acima de 23. Nesse caso,
testariamos se p = 0, 25. Com cálculos similares chegariamos à região de aceitação RA:[0, 09845 ; 0, 40155] e
concluiŕıamos pela não rejeição de H0 pois p̂ = 0, 4 ∈ RA.
UFRJ - CCMN - IM - Departamento de Métodos Estatísticos
Segunda Avaliação de Probabilidade e Estatística 16-11-2017
Atenção: Não serão aceitas respostas sem justificativa.
Resolver as questões nos espaços apropriados.
1. Suponha que Xi, i = 1, . . . , 50, sejam variáveis aleatórias independentes, cada uma delas tendo distribuição de Pois-
son com parâmetro λ = 0, 03. Faça S = X1 + . . . + X50. Observação: a soma de variáveis aleatórias de Poisson
independentes tem distribuição de Poisson.
(a) Empregando o Teorema Central do Limite, calcule uma aproximação para P (S ≥ 3).
(b) Calcule o valor exato dessa probabilidade.
OBS: Aqui se trata de aproximar uma distribuição discreta por uma contínua. Então, da mesma forma como foi visto
no caso da aproximação de Binomial por Normal, cabe usar uma correção de continuidade.
2. Os dados abaixo correspondem a notas de uma turma de Probest com 30 alunos:
68 47 87 65 97 49 65 70 73 81
85 77 83 56 63 79 82 84 69 70
61 73 30 81 67 76 58 53 71 82
onde:
∑30
i=1 xi = 2102 e
∑30
i=1 x
2
i = 152996
(a) Construa um gráfico ramo e folha, com os ramos: 3,4,5,...,9.
(b) (i) Calcule a média e os quartis; (ii) Calcule a variância e o desvio padrão;
(iii) Existe alguma nota fora do intervalo x̄± 2s?
(c) Construa um desenho esquemático (boxplot).
3. Deseja-se estimar a concentração de uma determinada substância indesejada em uma amostra de um produto químico.
Devido a imprecisões do aparelho utilizado, que induzem erros de medição supostos normalmente distribuídos, são
realizadas diversas repetições do experimento, implicando na obtenção das medidas:
8, 80 10, 98 11, 48 13, 42 9, 61,
expressas na unidade de ppm (partes por milhão). A fim de concatenar tais estimativas em somente uma, mais
precisa, o pesquisador considera a média amostral como uma estimativa da concentração da substância indesejada, e
para estudar a qualidade da estimação ele considera intervalos de confiança. Para isso, faça o que se pede abaixo:
(a) Construa um intervalo de confiança de 95% para a média amostral supondo que σ = 2, ou seja, a incerteza
introduzida pelo equipamento é conhecida.
(b) Construa um intervalo de confiança de 95% para a média amostral, agora supondo σ desconhecido, ou seja, no
caso em que a incerteza introduzida pelo equipamento de medição é desconhecida.
4. O consumo médio de gasolina em um certo tipo de automóvel é de 15 km/`, segundo informações da montadora.
Uma revista especializada verificou o consumo em 25 desses veículos, escolhidos ao acaso, e constatou consumo médio
de 14,3 km/`. Admita que o consumo siga o modelo normal com variância igual a 9 (km/`)2. Considere nível de
siginificância de 10% para os testes abaixo.
(a) Teste a afirmação da montadora de que a média de consumo é igual a 15 km/` contra a alternativa de ser igual
a 14 km/`.
(b) Teste a afirmação da montadora de que a média de consumo é igual a 15 km/` contra a alternativa de ser diferente
de 15 km/`.
Boa Prova!
Solução
1. Como Xi ∼ Pois(λ = 0, 03), então E(Xi) = 0, 03 e V ar(Xi) = 0, 03.
Assim, S =
∑
Xi ∼ Pois(50λ).
Seja a variável aleatória contínua, Sc ∼ N(1, 5; 1, 5). Como n=50 é grande, pelo TCL, usaremos a Sc como aproximação
da distribuição da Poissom pela Normal.
(a)
P (S ≥ 3) = P (Sc ≥ 2, 5) = P
(
Z ≥ 2, 5− 1, 5√
1, 5
)
≈ P (Z ≥ 0, 8165) = 1− Φ(0, 8165) = 1− 0, 7929 = 0, 2071.
(b) S ∼ Poi(50× λ) ∼ Poi(1, 5).
P (S ≥ 3) = 1− P (S < 3) = 1− (P (S = 0) + P (S = 1) + P (S = 2)) =
= 1− e−1,5(1 + 1, 5 + 1, 52/2) = 1− 0, 8088 = 0, 19115.
2. (a) 3 | 0
4 | 79
5 | 368
6 | 1355789
7 | 00133679
8 | 11223457
9 | 7
(b)(i)x̄ = 210230 = 70, 07
(ii) Pos(Q2) = n+12 =
31
2 = 15, 5. Assim, Q2 = 0, 5x15 + 0, 5x16 = 0, 5× 70 + 0, 5× 71 = 70, 5
Pos(Q1) =
n+3
4 =
33
4 = 8, 25. Assim, Q1 = 0, 75x8 + 0, 25x9 = 0, 75× 63 + 0, 25× 65 = 63, 5
Pos(Q3) =
3n+1
4 =
91
4 = 22, 75. Assim, Q3 = 0, 25x22 + 0, 75x23 = 0, 25× 81 + 0, 75× 81 = 81
(iii) s2 = 152996−
(2102)2
30
29 ≈ 197, 1 ≈ 14, 04
2. Então x̄+2s = 70, 07+14, 04 = 98, 15 e x̄−2s = 70, 07−14, 04 = 41, 99
Somente a nota 30 está fora do intervalo x̄± 2s.
(c) DIQ = Q3 −Q1 = 81− 63, 5 = 17, 5,
CI = Q1 − 1, 5DIQ = 63, 5− 1.5× 17, 5 = 37, 25 e
CI = Q1 − 1, 5DIQ = 81 + 1.5× 17, 5 = 107, 25
3. A partir dos dados calculamos x̄ = 10, 86 e s = 1, 79
(a) Sendo conhecido o valor de σ e sendo o intervalo de confiança de 95%, temos que ele é dado por(
x̄− z1−α/2
σ√
n
, x̄− z1−α/2
σ√
n
)
,
com α = 0, 05 e n = 5, lembrando que z1−α/2 = z0,975 = 1, 96 é o respectivo quantil da distribuição normal padrão.
Dessa forma, temos que o intervalo de confiança pedido é 10,86±1, 96× 2/
√
5, o que resulta em (9, 10; 12, 61).
(b) Sendo σ desconhecido, agora o intervalo é da forma
(
x̄− t1−α/2;ν
s√
n
, x̄− t1−α/2;ν
s√
n
)
, onde t1−α/2;ν = 2, 776
é o respectivo quantil da distribuição t com ν graus de liberdade, sendo ν = n− 1 = 4, e s = 1, 79. Dessa forma,
temos que o intervalo de confiança pedido é 10,86±2, 776× 1, 79/
√
5, o que resulta em (8, 64; 13, 08).
4. (a) Teste unilateral. α = 0, 10⇒ 1− α = 0, 90⇒ z0,90 = 1, 28.{
H0 : µ = 15
H1 : µ = 14
RC =
{
x : x < 15− 1, 28×
√
9√
25
}
= {x : x < 14, 232}.
Como x = 14, 3 > 14, 232, então não se rejeita a hipótese de que o consumo médio seja de 15 km/`.
(b) Teste bilateral. α = 0, 10⇒ 1− α/2 = 0, 95⇒ z0,95 = 1, 64.{
H0 : µ = 15
H1 : µ 6= 15
RC =
{
x : x < 15− 1, 64×
√
9√
25
ou x > 15 + 1, 64×
√
9√
25
}
= {x : x < 14, 02 ou x > 15, 98}.
Como 14, 02 < x < 15, 98, então não se rejeita a hipótese de que o consumo médio seja de 15 km/`.
UFRJ - CCMN - IM - Departamento de Métodos Estatísticos
Segunda Avaliação de Probabilidade e Estatística 19-06-2018
Atenção: Não serão aceitas respostas sem justificativa.
Resolver as questões nos espaços apropriados.
1. Os lucros diários de determinado comerciante com a venda de um de seus produtos podem ser considerados variáveis
aleatórias independentes. Suponha que o valor médio e o desvio padrão dos lucros diários sejam de respectivamente
µ = R$60, 00 e σ = 6, 40. Usando a aproximação fornecida pelo Teorema Central do Limite, calcule:
(a) A probabilidade do lucro trimestral (90 dias) ser superior a R$5500, 00.
(b) O lucro semestral (180 dias) máximo a ser garantido com 98% de chance.
(c) Qual o número mínimo de dias necessários para garantir um lucro de pelo menos R$5000, 00 com 95% de chance.
2. Dois especialistas X e Y estimaram o tempo em horas a ser gasto no desenvolvimento de 11 projetos:
Projeto 1 2 3 4 5 6 7 8 9 10 11
X 8,5 6,7 4,4 4,8 6,1 5,4 5,7 5,9 6,7 5,6 6,1
Y 7,6 7,4 6,2 4,6 7,0 6,5 6,5 7,8 6,6 7,8 7,9
(a) Fazer um gráfico ramo-folha (ramo = parte inteira e folha = parte decimal) para X.
(b) Calcule os três quartis para as duas variáveis X e Y. Construa um box-plot dos dados para cada especialista. Os
dois box-plots devem aparecer juntos na mesma figura, utilize a mesma escala de forma que os gráficos fiquem
comparáveis. Comente os gráficos
(c) Construa um diagrama de dispersão.
(d) Se, num conjunto de n pontos no plano, existir um deles que está muito destoante do comportamento geral, qual
será o efeito sobre o coeficiente de correlação de se excluir este ponto?
3. Em uma eleição de 2o turno um instituto de opinião pretende estimar, numa pesquisa de boca de urna, a proporção
p de eleitores que votaram no candidato do partido liberal. Responda às seguintes questões.
(a) Determine o número de eleitores que devem ser consultados de modo que a proporção p possa ser estimada com
margem de erro de 0,01 e coeficiente de confiança de 95%?
(b) Se as pesquisas de opinião do dia anterior indicam claramente que o candidato deverá ter entre 25% e 40% dos
votos, você conseguiria reduzir o tamanho amostral calculado em (a) com essa informação? Justifique.
(c) Suponha que o instituto tenha consultado 1200 eleitores, dos quais 564 afirmam terem votado no candidato do
partido liberal. Obtenha um intervalo de confiança não conservativo com coeficiente de confiança de 95% para a
proporção p.
4. O fabricante de determinado modelo de automóvel afirma que seu desempenho médio é de 12 km/` de gasolina. Testes
foram feitos em 36 desses veículos, escolhidos ao acaso, e apurou-se um desempenho médio de 10,8 km/`. Admita que
o desempenho siga o modelo Normal com variância igual a 16 (km/`)2. Através do p-valor execute os dois testes, itens
(a) e (b) a seguir, com relação a afirmação do fabricante:
(a) H0 : µ ≥ 12km/` contra a alternativa H1 : µ < 12km/`. Que decisão deve ser tomada ao nível de 5%?
(b) H0 : µ = 12km/` contra a alternativa H1 : µ 6= 12km/`. Que decisão deve ser tomada ao nível de 5%?
(c) No item (a) obtenha a região de rejeição com α = 5%. Se, de fato, µ = 10km/`, isso corresponderia a que valor
da probabilidade do erro tipo II?
Boa Prova!
Solução
1. (a) Seja X =
∑90
j=1Xj o lucro trimestral, onde Xj é o lucro do j-ésimo dia. Seja Z ∼ N (0, 1), pelo TCL
P (X ≥ 5500) = P
(
X−90×60√
90×6,4 ≥
5500−90×60√
90×6,4
)
≈ P (Z ≥ 1, 65) = 0, 0495 .
(b) Seja X =
∑180
j=1Xj o lucro semestral. Queremos encontrar o quantil a 98% de X. Ou seja, queremos x tal que
0, 98 = P (X ≤ x) ≈ P
(
Z ≤ x− 180× 60√
180× 6, 4
)
= P
(
Z ≤ x− 10800
85, 865
)
.
Como P (Z ≤ 2, 05) = 0, 98 temos: 2, 05 = x−1080085,865 =⇒ x = 10800 + 2, 05× 85, 865 = 10976, 02 .
(c) Seja Xn =
∑n
j=1Xj o lucro obtido em n dias. Queremos encontrar o menor n tal que
0, 95 ≥ P (Xn ≥ 5000) ≈ P
(
Z ≤ 5000− 60n
6, 4
√
n
)
.
Como P (Z ≥ −1, 64) = 0, 95, temos
5000− 60n = −1, 64× 6, 4×
√
n ou 60n− 10, 496
√
n− 5000 = 0
Então n será quadrado de uma raiz positiva da equação acima. A única raiz positiva é aproximadamente 9, 217
cujo quadrado é 84, 95, logo devemos escolher n = 85. Ou seja, são necessários pelo menos 85 dias para garantir
um lucro de pelo menos R$5000,00 com 95% de chance.
2. (a) O gráfico ramo-folha para X:
4 | 48
5 | 4679
6 | 1177
7 |
8 | 5
(b) Pos(Q1)= (3+n)/4=14/4=3,5; Pos (Q2)= (11+1)/2 = 6; Pos(Q3)=(3n+1)/4=8,5.
Os valores de X em ordem crescente são: 4,4 4,8 5,4 5,6 5,7 5,9 6,1 6,1 6,7 6,7 8,5. Assim,
Q1=(X3 +X4)/2 = (5, 4 + 5, 6)/2 = 5, 5; Q2=X6 = 5, 9; Q3=(X8 +X9)/2 = (6, 1 + 6, 7)/2 = 6, 4
DIQ=Q3-Q1=0,9; CI=5,5-1,5×0,9=4,15; CS=6,4+1,5×0,9=7,75
Os valores de Y em ordem crescente são: 4,6 6,2 6,5 6,5 6,6 7,0 7,4 7,6 7,8 7,8 7,9. Assim,
Q1=(Y3 + Y4)/2 = (6, 5 + 6, 5)/2 = 6, 5; Q2=Y6 = 7, 0; Q3=(Y8 + Y9)/2 = (7, 6 + 7, 8)/2 = 7, 7
DIQ=Q3-Q1=1,2; CI=6,5-1,5×01,2=4,7; CS=7,7+1,5×1,2=9,5
Os dois box-plots têm valores discrepantes, por excesso em X e por falta em Y. Tirando estes pontos a variável
Y se mostra simétrica, mas a X ainda apresenta uma leve assimetria.
(c) ver o gráfico
(d) O resultado esperado dessa exclusão deve ser um aumento do coeficiente de correlação em módulo.
3. (a) Como d = 0, 01, α = 0, 05 e não há informação a priori sobre a proporção p, o tamanho amostral n deve satisfazer
n = (1/4)(1, 96/0, 01)2 = 9604.
(b) Sabemos a priori que 0, 25 ≤ p ≤ 0, 4. Como a função p 7→ p(1− p) é crescente no intervalo [0, 25; 0, 4] podemos
reduzir o tamanho amostral n para
(0, 4)(0, 6)(1, 96/0, 01)2 ≈ 9220.
(c) Como p̂ = 0, 47, 0 intervalo de confiança não conservativo com com coeficiente de confiança de 95% para p é dado
por: (
0, 47− 1, 96
√
(0, 47)(0, 53)
1200
; 0, 47 + 1, 96
√
(0, 47)(0, 53)
1200
)
= (0, 4418; 0, 4982).
4. (a) X = desempenho do automóvel, X ∼ N(µ, σ2)
O teste é unilateral. Vamos usar o caso mais desfavorável a H0, o mais dificil de decidir entre H0 e H1. Assim,
H0:µ=12 versus H1:µ <12. Supondo H0 verdadeira a estatística de teste é:
X ∼ N(µ0, σ2/n) ou no eixo da Normal padronizada Z = X−µ0σ/√n . Como, na amostra, X=10,8
p-valor=P (Z <10,8−124/6 = P (Z < −1.80) = 1− Φ(1.80) = 0, 0359.
Como o p-valor, uma medida de quanto os dados concordam com H0, é baixo, menor que 5%, devemos rejeitar a
hipótese H0.
(b) O teste é bilateral. p-valor=2× P (Z < 10,8−124/6 = 2× 0, 0359 = 0, 0718.
Para este teste os dados não apresentam uma evidência para rejeção da hipótese H0 ao nível de 5%.
(c) RC={x < −1, 64× 4/6 + 12} = {x < 10, 91}. Assim, se µ = 10,
β = P (X > 10, 91) = 1− Φ( 10,91−104/6 ) = 1− Φ(1, 37) = 1− 0, 9147 = 0, 0853.
UFRJ - CCMN - IM - Departamento de Métodos Estatísticos
Segunda Avaliação de Probabilidade e Estatística 13-11-2018
Atenção: Não serão aceitas respostas sem justificativa.
Resolver as questões nos espaços apropriados.
Q1) Queremos desenvolver um software que será composto por 5 módulos. Admita que o número de comandos em cada
módulo pode ser tratado como uma variável aleatória com distribuição Normal de média µ= 60 comandos e desvio
padrão σ= 10 comandos. Há independência entre os números de comandos dos diversos módulos. O objetivo é calcular
a média e o desvio padrão do número total de comandos desse software.
Foi proposta a seguinte solução: Sejam X = número de comandos em um módulo e Y = número de comandos total
no software. Então X ∼ N(60; 102). Além disso, Y = 5X.
Logo: E(Y ) = 5 × 60 = 300 comandos; Var(Y) = 52 × 102 = 2500 comandos2; DP(Y )=
√
2500 = 50 comandos.
Pergunta-se:
(a) Está correta essa solução? Se sim, por que sim? Se não, por que não?
(b) Apresente outra resolução para o problema.
(c) A suposição de Normalidade é de fato essencial para se resolver o problema? E quanto à suposição de indepen-
dência?
Q2) Os dados da tabela abaixo representam o número de acidentes relacionados a uma empresa com dez construções em
andamento durante os anos de 2016 e 2017.
Ano Número de acidentes
2016 (x) 9 15 10 18 12 14 8 17 18 9
2017 (y) 11 0 10 11 9 8 5 10 15 7∑10
i=1 xi = 130;
∑10
i=1 x
2
i = 1828;
∑10
i=1 yi = 86;
∑10
i=1 y
2
i = 886;
∑10
i=1 xiyi = 1160
(a) Calcule o número médio de acidentes e o desvio padrão do número de acidentes para cada ano.
(b) Calcule os quartis do número de acidentes e construa um box-plot dos dados para cada ano. Os dois box-
plots devem aparecer juntos na mesma figura, ou seja, utilize a mesma escala de forma que os gráficos fiquem
comparáveis. Existe(m) valor(es) discrepante(s)?
(c) Calcule o coeficiente de correlação.
Q3) Uma determinada empresa de telefonia pretende estimar a proporção p de clientes satisfeitos com o plano básico de
telefonia móvel oferecido. Responda às seguintes questões.
(a) Suponha que a empresa tenha realizado uma pesquisa de satisfação com 2000 clientes, dos quais 800 afirmam estar
satisfeitos com o plano básico de telefonia. Obtenha um intervalo de confiança não conservativo com coeficiente
de confiança de 96% para a proporção p.
(b) Apenas para raciocinar, admita que a empresa tenha realizado 80 pesquisas de satisfação sobre este mesmo
assunto. Se para cada pesquisa um intervalo de confiança de 95% para a proporção p for construído, quantos
desses intervalos se espera que não contenham a proporção p?
(c) Encontre o menor número de clientes que devem compor uma pesquisa de satisfação de modo que a proporção
estimada p̂ difira de p em menos de 2% com probabilidade de 95%?
Q4) O desempenho médio na estrada para um certo tipo de automóvel SUV movido a diesel é de 15 km/l segundo
informações da montadora. A revista Auto Rodas especializada no assunto, verificou o desempenho na estrada em 27
desses automóveis e apurou um desempenho médio amostral de 14,3 km/l. Admitindo que o desempenho ao longo da
estrada siga um modelo Normal com desvio padrão de 3 km/l :
(a) teste ao nível de significância de 5% a afirmação da montadora de que a média de consumo é igual a 15 km/l
contra a alternativa de ser diferente de 15 km/l. O que você pode concluir?
(b) determine a probabilidade do erro do tipo II assumindo µ = 14 km/l. O que esta probabilidade significa?
(c) calcule o p-valor desse teste.
Boa Prova!
Solução
Q1) (a) A solução proposta acima não está correta. Ao afirmar que Y = 5X, ela pressupõe que o número de comandos
será o mesmo em todos os 5 módulos, o que quase certamente não acontecerá.
(b) Solução correta: Sejam Xi = número de comandos no módulo i, i = 1,...,5. Então Xi é N(60; 102) para todo i; e
os X ′is são v.a.’s independentes. Ou seja, são iid. Além disso, Y é igual à soma dos X ′is .
Logo, E(Y) = 5 × 60 = 300 comandos; Var(Y) = 5× 102 = 500 comandos2; DP(Y) =
√
500 = 22,36 comandos.
(c) A suposição de Normalidade é desnecessária. Observe que ela não foi usada em nenhum ponto da solução. Já a
suposição de independência é essencial. Foi o que nos permitiu afirmar que Var(Y) é igual à soma das variâncias
dos X ′is, uma vez que independência implica em covariâncias nulas.
Q2) Sejam x= Número de acidentes em 2016 e y= Número de acidentes em 2017.
(a) x̄ =
∑
x
n =
130
10 = 13; s
2
x =
∑
x2−(
∑
x)2/n
n−1 =
1828−1302/10
9 = 15, 33 = 3, 91
2; sx = 3, 91 e
ȳ =
∑
y
n =
86
10 = 8, 6; s
2
y =
∑
y2−(
∑
y)2/n
n−1 =
886−862/10
9 = 16.27 = 4, 03
2; sy = 4, 03
(b) Pos(Q1)= (3+n)/4=13/4=3,25; Pos (Q2)= (11)/2 = 5,5; Pos(Q3)=(3n+1)/4=31/4=7,75; Os valores de X e de
Y em ordem crescente são:
x =⇒ 8 9 9 10 12 14 15 17 18 18
y =⇒ 0 5 7 8 9 10 10 11 11 15
Q1x = 0, 75× x(3) + 0, 25× x(4) = 0, 75× 9 + 0, 25× 10 = 9, 25;
Q1y = 0, 75× y(3) + 0, 25× y(4) = 0, 75× 7 + 0, 25× 8 = 7, 25;
Q2x = 0, 5× x(5) + 0, 5× x(6) = 0, 5× 12 + 0, 5× 14 = 13;
Q2y = 0, 5× y(5) + 0, 5× y(6) = 0, 5× 9 + 0, 5× 10 = 9, 5;
Q3x = 0, 25× x(7) + 0, 75× x(8) = 0, 25× 15 + 0, 75× 17 = 16, 5;
Q3y = 0, 25× y(7) + 0, 75× y(8) = 0, 25× 10 + 0, 75× 11 = 10, 75;
DIQx = Q3x−Q1x = 16, 5−9, 25 = 7, 25; CIx = 9, 25−1, 5×7, 25 = −1, 625; CSx = 16, 5+1, 5×7, 25 = 27, 375
DIQy = Q3y −Q1y = 10, 75− 7, 25 = 3, 5; CIy = 7, 25− 1, 5× 3, 5 = 2; CSy = 10, 75 + 1, 5× 3.5 = 16
Assim, só o valor zero, no ano de 2017, é um valor discrepante.
O boxplot conjunto:
(c) rxy = cor(x, y) =
sxy
sx×sy =
(
∑
xy−
∑
x×
∑
y/n)/(n−1)
sx×sy =
(1160−130×86/10)/9
3,91×4,03 ≈ 0, 30
Q3) (a) Como p̂ = 0, 4, o intervalo de confiança não conservativo com coeficiente de confiança de 96% para p é dado por:
IC(p) =
(
0, 4− 2, 05
√
(0, 4)(0, 6)
2000
; 0, 4 + 2, 05
√
(0, 4)(0, 6)
2000
)
= (0, 3775; 0, 4224).
(b) Como os 80 intervalos de confiança foram construídos ao nível de 95%, se espera que cerca de 80 × (5/100) = 4
desses intervalos não contenham a proporção p desconhecida.
(c) Como d = 0, 02, α = 0, 05 e não há informação a priori sobre a proporção p, o tamanho amostral n deve satisfazer
n ≥ (1/4)(1, 96/0, 02)2 = 2401.
Q4) (a) As hipóteses envolvem o parâmetro µ e podem ser escritas como:{
H0 : µ = 15
H1 : µ 6= 15
Como decidir pela a aceitação ou rejeição de H0 sob o nível de significância de 5% já previamente estipulado?
Uma vez que o teste envolve a média populacional, consideramos a média amostral X̄ para construir a estatística
de teste e usamos o fato de que X̄ ∼ N(µ, σ2/n = 32/27). A estatística de teste sob H0 é
Z = X̄−µ0
σ/
√
n
= X̄−15
3/
√
27
∼ N(0, 1).
Note que a regra de decisão pode ser formulada em termos da estatística Z ou em termos da própria média
amostral X̄. Rejeitamos H0 se
zobs < −1, 96 ou zobs > 1, 96,
ou equivalentemente pela região crítica, x̄ < 15− 1, 96 3√
27
= 13, 86 ou x̄ > 15 + 1, 96 3√
27
= 16, 13
Dada a amostra de tamanho n = 27, o valor observado da estatística de teste é :
zobs =
x̄− µ0
σ/
√
n
=
14, 3− 15
3/
√
27
= −1, 212.
Como −1, 96 < zobs = −1, 212 < 1, 96, estamos na região de aceitação da hipótese e a decisão é não rejeitar a
hipótese de que o consumo médio na estrada é de 15 km/l. Da mesma forma, como x̄ = 14, 3 não pertence a região
crítica, não rejeitamos a hipótese H0 ao nível de significância de 5%. Concluímos que a média de desempenho na
estrada é compatível com H0 : µ = 15 km/l, como divulgado pela montadora.
(b) Assumindo µ = 14 km/l, a probabilidade do erro do tipo II é dada por
β(14) = P (não rejeitarH0 | H0 falsa)= P (13, 86 ≤ X̄ ≤ 16, 13 | µ = 14)
= P
(
13, 86− 14
3/
√
27
≤ X̄ − 14
3/
√
27
≤ 16, 13− 14
3/
√
27
)
= P (−0, 24 ≤ Z ≤ 3, 68)
= 0, 5938.
Assim, com µ = 14 km/l concluiríamos de forma equivocada que H0 não deveria ser rejeitada com probabilidade
de 0,5938.
(c) Como o teste é bilateral e zobs = −1, 212,
Temos que o p-valor=2(1-Φ(1, 212)) = 2(1− 0, 8872) = 0, 2256
Como o p-valor é grande, maior do que 5%, confirmamos a conclusão do item (a), ou seja, não temos evidência
para a rejeição de H0.
UFRJ - CCMN - IM - Departamento de Métodos Estatísticos
Segunda Avaliação de Probabilidade e Estatística 17-06-2019
Atenção: Não serão aceitas respostas sem justificativa.
Resolver as questões nos espaços apropriados.
Q1) Temos dois conjuntos de dados:
• x1, x2, ..., xm, de tamanho m, cuja média é x̄ e cuja variância é s2x; e
• y1, y2, ..., yn, de tamanho n, cuja média é ȳ e cuja variância é s2y;
e eles foram unidos para formar um novo conjunto de dados x1, x2, ..., xm, y1, y2, ..., yn, de tamanho m + n, cuja média é z̄
e cuja variância é s2z.
(a) Calcule média e variância do conjunto de dados: 0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 1, 1.
(b) Prove que z̄ = mx̄+nȳm+n
(c) Prove que s2z =
(m−1)s2x+m(x̄−z̄)
2+(n−1)s2y+n(ȳ−z̄)
2
m+n−1
Sugestão: use as identidades:
∑m
i=1(xi − z̄)2 =
∑m
i=1(xi − x̄+ x̄− z̄)2 e
∑n
j=1(yj − z̄)2 =
∑n
j=1(yj − ȳ + ȳ − z̄)2
No 1o somatório faça ai = xi − x̄ e b = x̄− z̄, ficando com
∑m
i=1(a
2
i + b
2 + 2aib).
Faça algo análogo com o 2o somatório.
(d) Usando o que deve ser provado nos itens (b) e (c), recalcule a média e a variância do conjunto de dados do item (a).
Desta vez, divida os dados em um primeiro conjunto com as 5 primeiras observações e um segundo conjunto com as
7 últimas observações.
Q2) Numa linha de produção se precisa estimar a proporção de peças defeituosas. Existem dois tipos de defeitos: A e B. Sejam
pA a proporção de peças que apresentam o defeito A e pB a proporção de peças que apresentam o defeito B. Deseja-se que as
estimativas não se desviem das proporções verdadeiras, tanto para pA quanto para pB , por mais de 0,08 com probabilidade
de 98%.
(a) Sem nenhum conhecimento prévio, quantas peças se precisa examinar para satisfazer as exigências na estimativa da
proporção pA?
(b) Foi verificado que o tipo de defeito B afeta no máximo 20% das peças. Quantas peças se precisa examinar para
satisfazer as exigências?
(c) Numa única amostra, quantas peças se precisa examinar para se satisfazer as duas exigências conjuntamente, tanto
para pA quanto para pB?
(d) Repita o que foi feito no item (c), porém agora sendo um pouco mais tolerante com a precisão na estimação de pA: o
erro absoluto deve ser menor que 0,12 com 95% de probabilidade
Q3) Os seguintes dados foram coletados de uma população normal cuja média e variância são desconhecidas:
13, 10, 8, 11, 6, 7, 12, 5, 9
(a) Achar uma estimativa pontual da média e da variância da população
(b) Qual é o intervalo de confiança de 90% para a média da população?
(c) O intervalo de confiança de 95% para a média da população contem ou está contido no intervalo de confiança de 90%?
Explique sua resposta.
(d) Se for testada a hipótese H0 : µ = 11 contra H1 : µ 6= 11 ao nível de significância α = 10% que decisão será tomada?
Q4) Um grupo de arqueólogos propõe a teoria que o tamanho médio de crânios de seres humanos aumenta ao longo do tempo.
Medições precisas garantem que atualmente tal quantidade comporta-se conforme uma distribuição normal, de média
µ = 140mm e desvio padrão de 26mm. Uma amostra de 30 crânios, datadas de 6.000 anos atrás, foi observada, com um
tamanho médio de 131,37mm. Desejamos aferir a validade da teoria proposta, ou seja, verificar se no passado o tamanho
médio dos crânios era de fato menor. Para isso, queremos testar H0 : µ ≥ 140 contra H1 : µ < 140, admitindo que o desvio
padrão não é afetado pela passagem do tempo.
(a) Diga, nesse contexto, o que significam os erros tipo I e II.
(b) Teste as hipóteses H0 contra H1, ao nível de significância de 5%.
(c) Calcule o p-valor desse teste, explicitando o seu significado.
Boa Prova!
Solução
Q1) (a) z̄ =
∑(m+n)
i=1 zi
m+n =
7
12 = 0, 5833
s2z =
∑(m+n)
i=1 z
2
i−(m+n)z̄
2
m+n−1 =
7−12×0,58332
11 = 0, 265
(b) z̄ =
∑m
i=1 xi+
∑n
j=1 yj
m+n =
mx̄+nȳ
m+n
(c) s2z =
∑m
i=1(xi−z̄)
2+
∑n
j=1(yj−z̄)
2
m+n−1 (I)∑m
i=1(xi − z̄)2 =
∑m
i=1(xi − x̄+ x̄− z̄)2 =
∑m
i=1(xi − x̄)2 +m(x̄− z̄)2 + 2(x̄− z̄)
∑m
i=1(xi − x̄)
É claro que este último somatório é igual a zero, porque x̄ =
∑m
i=1 xi
m .
Então,
∑m
i=1(xi − z̄)2 = (m− 1)s2x +m(x̄− z̄)2 (II)
Analogamente:
∑n
j=1(yj − z̄)2 = (n− 1)s2y + n(ȳ − z̄)2 (III)
Substituindo (II) e (III) em (I), decorre imediatamente a expressão desejada.
Obs.: Na demonstração foi usada a propriedade (a+ b)2 = a2 + b2 + 2ab.
(d) No conjunto de dados há 5 valores iguais a 0 e 7 valores iguais a 1. Portanto:
m=5, x̄ = 0, s2x = 0 n=7, ȳ = 1, s2y = 0
Logo, m+n=12; z̄ = 5×0+7×112 =
7
12 = 0, 583
s2z =
4×0+5×(0−7/12)2+6×0+7×(1−7/12)2
5+7−1 = 0, 265
Q2) (a) O erro absoluto máximo tolerável da estimativa é d=0,08. P (|p̂− p| < d) = 0, 98, 1− α = 0, 98, assim 1− α2 = 0, 99.
Como Φ(z) = 0, 99, temos z=2,33. Como não temos informação alguma sobre p, utilizaremos p = 0,5 que maximiza
p(1-p) e calculamos o tamanho amostral:
nA =
(z
d
)2
p(1− p) =
(
2, 33
0, 08
)2
0, 25 = 212, 07 ≈ 213
(b) Se p2 for no máximo 0,2, o tamanho amostral será:
nB =
(z
d
)2
p(1− p) =
(
2, 33
0, 08
)2
0, 2× 0, 8 = 135, 72 ≈ 136
(c) n = max(nA, nB) = max(213; 136)=213
(d) ndA =
(
z
d
)2
p(1− p) =
(
1,96
0,12
)2
0, 25 = 96, 04 ≈ 97. Assim, max(ndA, nB) = max(97, 136) = 136.
Q3) (a) x̄ = 1n
∑9
i=1 xi =
81
9 = 9, s
2 = 1n−1
∑9
i=1(xi − x̄)2 =
60
8 = 7, 5 e s = 2, 74
(b) [x̄− t8;0,95 s√n , x̄+ t8;0,95
s√
n
] = [9− 2,743 1, 86; 9 +
2,74
3 1, 86] = [7, 3; 10, 7], já que t0,95;8 = 1, 86
(c) Sendo o nível de confiança maior, isso implica que o intervalo contem o intervalo anterior. Isso pode ser também
deduzido observando que t0,95;8 < t0,975;8.
(d) Como 11 não pertence ao intervalo [7,3; 10,7], H0 deve ser rejeitada, já que a distância entre x̄ = 9 e µ0 = 11 é maior
que a metade da amplitude do intervalo de confiança obtido no item (b).
Q4) (a) O erro tipo I representa rejeitar a hipótese nula quando ela é verdadeira. Nesse contexto, representa aceitar H1, uma
nova teoria científica, quando ela, de fato, não é verdadeira. Por outro lado, o erro tipo II representa não rejeitar a
hipótese nula quando ela é falsa, ou seja, não aceitar uma nova teoria científica quando ela é verdadeira. O erro tipo
I pode ser considerado mais grave pois aceitar uma nova teoria em detrimento de uma antiga, já bem consolidada,
potencialmente altera mais a perspectiva da realidade do que não aceitar uma nova teoria.
(b) Denote por X a média amostral. Parece razoável rejeitarmos H0 se observarmos um valor suficientemente baixo xc
para X. De fato, usemos o nível de significância para encontrar tal valor:
0, 05 = P (rejeitar H0 | H0 é verdade)
= P (X < xc | µ = 140)
= P
(
X − 140
26/
√
30
<
xc − 140
26/
√
30
)
= P
(
Z <
xc − 140
26/
√
30
)
,
onde Z ∼ N (0, 1). Consultando a tabela, temos que xc − 140
26/
√
30
= z0,05 = −z0,95 = −1, 65, de modo que xc =
132, 17mm. Como x = 131, 37 < xc, rejeitamos H0 ao nível de significância de 5%.
(c) O p-valor é o menor nível de significância para o qual a hipótese nula seria rejeitada, para aqueles dados observados.
Mais precisamente:
α̃ = P (X < x | µ = 140)
= P
(
X − 140
26/
√
30
<
x− 140
26/
√
30
∣∣∣∣ µ = 140)
= P (Z < −1, 82)
= 1− P (Z < 1, 82)
= 1− 0, 9656
= 0, 0344,
onde Z ∼ N (0, 1). Ou seja, o menor nível de significância para o qual ainda rejeitaríamos a hipótese nula é de 3,44%.
UFRJ - CCMN - IM - Departamento de Métodos Estatísticos
Segunda Avaliação de Probabilidade e Estatística 14-11-2019
Atenção: Não serão aceitas respostas sem justificativa.
Resolver as questões nos espaços apropriados.
Q1) Sejam X e Y variáveis aleatórias cuja função de probabilidadeconjunta seja dada como abaixo, onde
p(i, j) = P (X = i, Y = j), para i = 1, 2, 3 e j = 0, 1, 2:
p(1, 0) = 0, 1; p(2, 0) = 0, 1; p(3, 0) = 0, 2;
p(1, 1) = 0, 1; p(2, 1) = 0; p(3, 1) = 0, 2;
p(1, 2) = 0, 2; p(2, 2) = 0, 1; p(3, 2) = 0
(a) Determine as distribuições marginais de X e Y .
(b) X e Y são independentes? Justifique.
(c) Determine a distribuição de S = X + Y e calcule E(S), a esperança de S.
(d) Calcule Var(S), a variância de S.
Q2) Espécimes machos de aranhas do gênero Tidarren amputam voluntariamente um de seus pedipalpos (direito ou es-
querdo) logo antes de atingir a maturidade sexual. Especula-se que a amputação contribui para o aumento da velo-
cidade, o que favoreceria a procura por fêmeas. A velocidade de 9 aranhas (em cm/s) foi medida antes e depois da
amputação voluntária.
Velocidade antes (xi)
∑
xi
∑
x2i
∑
xiyi
1,3 2,9 2,4 3,1 3,4 3,0 2,3 2,9 3,0 24,3 68,7 92,3
Velocidade depois (yi)
∑
yi
∑
y2i
2,1 3,3 3,6 4,3 4,2 4,0 3,3 4,5 3,7 33,0 125,2
(a) Calcule os quartis das medidas de velocidade antes e depois da amputação voluntária.
(b) Construa dois box-plots na mesma escala para a velocidade antes e depois da amputação voluntária. Comente
sobre a diferença observada. Há valores discrepantes?
(c) Construa um diagrama de dispersão para as medidas de velocidade antes e depois da amputação voluntária e
calcule o coeficiente de correlação.
Q3) Marque verdadeiro ou falso para cada uma das afirmações abaixo, justificando sua resposta.
(a) Considere que se deseja estimar uma proporção populacional p desconhecida com uma precisão especificada.
Nesse contexto, denote por n1 o menor tamanho de amostra necessário para garantir tal precisão quando não se
tem nenhuma informação sobre p e denote por n2 o menor tamanho de amostra necessário caso tenhamos alguma
informação sobre p (ou seja, se soubermos que p pertence a algum intervalo [a, b] ⊂ (0, 1)). Podemos afirmar que
n1 sempre será no máximo 4 vezes superior a n2, ou seja, que n1 ≤ 4n2.
(b) O erro quadratico médio do estimador média amostral sempre converge para zero quando n→∞ (considerando
que esse estimador está sendo utilizado para estimar o parâmetro média populacional com variância finita e
conhecida).
(c) Com intenção de estimar um parâmetro θ desconhecido, foram propostos inicialmente dois estimadores θ̂1 e θ̂2,
que satisfazem E(θ̂1) = θ e E(θ̂2) =
(n−1)θ
n . Pode-se afirmar que um novo estimador θ̂3 =
2
3 θ̂1 +
1
3 θ̂2 vai ser
tendencioso para estimar θ e que seu viéis será igual a θn .
Q4) Os dados correspondem ao tempo, em minutos, de 40 funcionários para a realização de uma mesma tarefa:
42 106 44 59 80 48 61 50 63 54 94 99 96 54 62 78 61 93 62 27
21 88 121 95 49 94 67 68 54 121 62 85 57 83 111 78 165 42 58 103
Denotando por xi as medições acima, temos:
∑40
i=1 xi = 2955 e
∑40
i=1 x
2
i = 250199.
Admita que o tamanho amostral é suficientemente grande para que seja válida as aproximações fornecidas pelo TCL.
(a) Construa um Intervalo de 95% de confiança para tempo médio, µ.
(b) Construa um Intervalo de 98% de confiança, não conservativo, para a proporção de tempos maiores que 100 min.
(c) Qual a probabilidade de que o erro absoluto na estimação de µ (média populacional), com base nessa amostra,
seja inferior a 8 minutos?
(d) Qual seria o tamanho de uma nova amostra para que, com 0,95 de probabilidade, o erro absoluto na estimação
de µ seja inferior a 8 minutos?
Boa Prova!
Solução
Q1) (a) ΩX = {1, 2, 3},
pX(1) = P (X = 1) = p(1, 0) + p(1, 1) + p(1, 2) = 0, 4
pX(2) = P (X = 2) = p(2, 0) + p(2, 1) + p(2, 2) = 0, 2
pX(3) = P (X = 3) = p(3, 0) + p(3, 1) + p(3, 2) = 0, 4
ΩY = {0, 1, 2};
pY (0) = P (Y = 0) = p(1, 0) + p(2, 0) + p(3, 0) = 0, 4
pY (1) = P (Y = 1) = p(1, 1) + p(2, 1) + p(3, 1) = 0, 3
pY (2) = P (Y = 2) = p(1, 2) + p(2, 2) + p(3, 2) = 0, 3
(b) Não. P (X = 2, Y = 1) = 0 6= P (X = 2)P (Y = 1)
(c) P (S = 1) = p(1, 0) = 0, 1; P (S = 2) = p(2, 0) + p(1, 1) = 0, 2;
P (S = 3) = p(3, 0) + p(2, 1) + p(1, 2) = 0, 4; P (S = 4) = p(3, 1) + p(2, 2) = 0, 3
E(S) = 0, 1 + 2× 0, 2 + 3× 0, 4 + 4× 0, 3 = 2, 9
(d) E(S2) = 0, 1 + 4× 0, 2 + 9× 0, 4 + 16× 0, 3 = 9, 3
V ar(S) = E(S2)− (E(S))2 = 9, 3− (2, 9)2 = 9, 3− 8, 41 = 0, 89
Q2) (a) Seja (x(1), x(2), . . . , x(9)) correspondendo ao conjunto de dados ordenados. Os quartis ocupam as posições
Q1 = x(n+34 )
= x( 9+34 )
= x(3),
Q2 = x(n+12 )
= x( 9+12 )
= x(5),
Q3 = x( 3n+14 )
= x( 3×9+14 )
= x(7).
Assim, os quartis antes da amputação são Q1 = 2, 4, Q2 = 2, 9 e Q3 = 3, 0; e depois da amputação são Q1 = 3, 3,
Q2 = 3, 7 e Q3 = 4, 2.
(b) Apontaremos como valores discrepantes, dados abaixo do limite inferior LI = Q1 − 1, 5(Q3 − Q1) e acima do
limite superior LS = Q3 + 1, 5(Q3−Q1).
Para os dados antes da amputação, temos LI = 2, 4 − 1, 5(3, 0 − 2, 4) = 1, 5 e LS = 3, 0 + 1, 5(3, 0 − 2, 4) = 3, 9
⇒ o valor 1, 3 é discrepante.
Para os dados depois da amputação, temos LI = 3, 3− 1, 5(4, 2− 3, 3) = 1, 95 e LS = 4, 2 + 1, 5(4, 2− 3, 3) = 5, 55
⇒ não há valores discrepantes.
●
V
el
oc
id
ad
e
1.
5
2.
0
2.
5
3.
0
3.
5
4.
0
4.
5
Antes Depois
(c) O coeficiente de correlação é
rXY =
sxy
sxsy
,
em que
sxy =
(∑
xiyi −
(
∑
xi)(
∑
yi)
n
)
/(n− 1) =
(
92, 3− 24, 3× 33, 0
9
)
/(9− 1) = 0, 4,
sx =
√(∑
x2i −
(
∑
xi)2
n
)
/(n− 1) =
√
68, 7− 24, 3
2
9
/(9− 1) = 0, 6214,
sy =
√(∑
y2i −
(
∑
yi)2
n
)
/(n− 1) =
√
125, 2− 33, 0
2
9
/(9− 1) = 0, 7246.
Assim, rxy = 0, 4/(0, 6214× 0, 7246) = 0, 8884.
●
●
●
●
●
●
●
●
●
1.5 2.0 2.5 3.0
2.
5
3.
0
3.
5
4.
0
4.
5
x
y
Q3) (a) FALSO.
Nesse contexto, estamos buscando o menor valor de n que satisfaz a expressção P (|p̂− p| < d) ≥ γ, para algum d > 0
e γ ∈ (0, 1). Considerando a distribuição assintótica p̂ ∼ N
(
p, p(1−p)n
)
, temos que:
P (|p̂−p| < d) ≥ γ ⇒ P (−d < p̂−p < d) ≥ γ ⇒ P (p̂−p < d) ≥ γ + 1
2
⇒ P
p̂− p√
p(1− p)
n
<
d√
p(1− p)
n
≥ γ + 12 .
Daí, denotando por Z(α) o quantil α da normal padrão, obtemos que:
d
√
n√
p(1− p)
≥ Z( γ+12 ) ⇒
√
n ≥
Z( γ+12 )
√
p(1− p)
d
⇒ n ≥
[
Z( γ+12 )
]2
p(1− p)
d2
= [Cγ,d] p(1− p),
onde Cγ,d está simplesmente representando tudo que não depende de p na expressão de n e que consequentemente não
será relevante na nossa justificativa. Como buscamos o menor tamanho de amostra que satisfaz a inequação acima,
iremos tomar como resultado o menor n inteiro que satisfaz a desigualdade acima.
Quando não temos nenhuma informação sobre p, devemos substituir p = 0, 5 na expressão de n (pois esse é o valor
de p que maximiza a expressção), obtendo n1 =
Cγ,d
4 . Quando sabemos que p ∈ [a, b] ⊂ (0, 1), iremos substituir p na
expressão de n pelo valor mais próximo de 0, 5 dentro do intervalo [a, b]. Caso esse valor seja tal que sua utilização
na expressão leve a p(1− p) < 116 , teremos n1 > 4n2, refutando a afirmação. Isso ocorreria por exemplo se tivessemos
informação de que p ∈ (0; 0, 05].
(b) VERDADEIRO.
Temos que EQM(X̄) −→
n→∞
0 que equivale a E(X̄) −→
n→∞
µ e V ar(X̄) −→
n→∞
0. Ambas as afirmações são verdadeiras
como podemos ver abaixo:
E(X̄) = E
(
n∑
i=1
Xi
n
)
=
1
n
n∑
i=1
E(Xi) =
1
n
nµ = µ
V ar(X̄) = V ar
(
n∑
i=1
Xi
n
)
=
1
n2
n∑
i=1
V ar(Xi) =
1
n2
nσ2 =
σ2
n
−→
n→∞
0
(c) FALSO.
De fato θ̂3 vai ser tendencioso para estimar θ, mas o viéis desse estimador não será θn . Vamos provar que esse viéis
está incorreto ao calcular o valor correto:
E(θ̂3) = E
(
2
3
θ̂1 +
1
3
θ̂2
)
=
2
3
E(θ̂1) +
1
3
E(θ̂2) =
2
3
θ +
1
3
(
n− 1
n
)
θ =
(
3n− 1
3n
)
θ
Logo, o viéis de θ̂3 será dado por |E(θ̂3)− θ| = θ3n .
Q4) (a) x̄ = 295540 = 73, 88; s
2 = 139 (250199−
29552
40 ) = 817, 91 = 28, 60
2.
Como n=40 é um tamanho de amostra razoavelmente grande poderemos usar a distribuição Normal. Assim,
d = z1−α/2
s√
n
= 1, 96 28,6√
40
≈ 8, 86. Então,
linf = x̄− d = 73, 88− 8, 86 = 65, 02 e
lsup = x̄+ d = 73, 88 + 8, 86 = 82, 74.
(b) I.C., não conservativo para p, com 98% p̂ = 6/40 = 0, 15
d = 2, 33
√
0,15×0,85
40 ≈ 0, 13. Então,
linf = p̂− d = 0, 15− 0, 13 = 0, 02 e
lsup = p̂+ d = 0, 15+ 0, 13 = 0, 28.
(c) P (|x̄− µ| < 8) = P (|Z| < 8
√
n/s) = 2Φ(8
√
40/28, 6)− 1 = 2Φ(1, 77)− 1 = 0, 9233.
(d) n = ( z0,975×sd )
2 = ( 1,96×28,68 )
2 = 49, 10 ≈ 50 funcionários.
Universidade Federal do Rio de Janeiro - UFRJ
2a Prova de Estat́ıstica Unificada
Turma: Engenharia Data: 08/12/2011
1. Um levantamento obtido, junto aos funcionários de um pequeno escritório, busca relacionar as
variáveis: tempo de carreira (X) e número de diferentes empregos nos últimos 5 anos (Y).
X 8 9 10 11 12
Y 3 2 2 2 1
a) calcule a covariância entre X e Y ;
b) estime os coeficientes α e β da reta de regressão simples (yi = α+ βxi + εi).
2. O tempo de vida X (em horas) de um tipo de componente eletrônico fabricado por certa empresa
segue distribuição conforme dada abaixo: (β > 0 constante)
f(x ; β) =
{
β2 x e−βx , se x ≥ 0,
0 , se x < 0,
Tomada uma amostra aleatória de 100 componentes deste tipo, e denotando por Xi o tempo de vida
do i-ésimo componente na amostra:
a) obtenha o estimador de máxima verossimilhança do parâmetro β;
b) obtenha o estimador de máxima verossimilhança de µ = 2/β.
3. Pesquisadores desejam estudar o tempo gasto por engenheiros para executarem determinada tarefa.
Para isto, foram selecionados aleatoriamente 64 engenheiros. Observou-se, nessa amostra, que a
soma do tempo gasto por eles foi de 192 horas enquanto a soma dos quadrados dos tempos foi de
828 horas2.
a) Determine o intervalo de 95% de confiança para a média populacional do tempo gasto pelos
engenheiros para resolverem a tarefa. Justifique.
b) Sabendo-se que, dentre os 64 engenheiros selecionados, 16 eram recém formados, determine
o intervalo de 99% de confiança (conservativo) para a proporção populacional de engenheiros
recém-formados.
4. Em uma linha de produção, discos devem ser fabricados com no máximo 48 mm de diâmetro.
Sabemos que a distribuição dos diâmetros dos discos segue um modelo Normal. Uma amostra
aleatória de 16 discos é analisada, e para esta obtemos uma média de 49,301 mm de diâmetro e
variância de 4(mm2). Com base nesta amostra:
a) teste a hipótese da média dos diâmetros dos discos produzidos ser menor ou igual a 48mm
contra a média dos diâmetros dos discos produzidos ser maior que 48mm, ao ńıvel de 5% de
significância.
b) obtenha o p-valor deste teste.
5. Uma montadora de computadores foi informada de que uma nova bateria com tempo de vida su-
perior as atuais foi lançada no mercado. Com o objetivo de testar a veracidade da informação, um
engenheiro responsável pela linha de produção realiza 25 ensaios com a bateria atual obtendo uma
vida média x̄ (horas), e 16 ensaios com a nova bateria, obtendo uma vida média ȳ (horas).
a) Supondo que em ambos os casos o tempo de vida seja uma variável aleatória com distribuição
Normal com mesmo desvio-padrão σ = 0, 3, elabore um teste de hipótese para a veracidade da
informação, explicitando a estat́ıstica de teste e determinando a região de rejeição ao ńıvel de
α = 0, 005.
b) Se x̄ = 8, 2 e ȳ = 8, 5 a que conclusão se chegaria?
Obs. use a aproximação
√
41× (0, 3)2/(25× 16) ≈ 0, 1
Respostas
1. (a) x = 10; y = 2; s2x = 2, 5; s
2
y = 0, 5 e cov(x, y) = −1, 0.
(b) α̂ = 8 e β̂ = −0, 6.
2. (a) L(β) =
100∏
i=1
β2 xi exp{−βxi} = β200
(
100∏
i=1
xi
)
exp
{
−β
100∑
i=1
xi
}
.
lnL(β) = 200 lnβ+
100∑
i=1
lnxi− β
100∑
i=1
xi.
d
dβ
lnL(β) =
200
β
−
100∑
i=1
xi = 0⇔ β =
200∑100
i=1 xi
=
2
x̄100
⇒ EMV (β) = 200∑100
i=1Xi
=
2
X100
.
(b) µ =
2
β
⇒ EMV (µ) = 2
EMV (β)
=
2
(2× 100)/
∑100
i=1Xi
=
∑100
i=1Xi
100
= X100.
3. (a) Temos que n = 64,
∑64
i=1 xi = 192 e
∑64
i=1 x
2
i = 828.
O intervalo de 95% de confiança para a média populacional µ é da forma(
x− t0,975
S√
n
;x+ t0,975
S√
n
)
,
em que t0,975 é o quantil 0, 975 da distribuição t de Student com 63 graus de liberdade,
x =
∑64
i=1
64
=
192
64
= 3
e
S =
√∑64
i=1 x
2
i − nx2
n− 1
=
√
828− 64× 32
63
=
√
4 = 2.
Como o tamanho da amostra, n, é grande, a distribuição t de Student se aproxima da dis-
tribuição normal padrão. Assim, o intervalo de 95% de confiança para a média pode ser também(
x− z0,975
S√
n
;x+ z0,975
S√
n
)
=
(
3− 1, 96× 2
8
; 3 + 1, 96× 2
8
)
= (2, 51; 3, 49)
em que z0,975 = 1, 96 é o quantil 0, 975 da distribuição normal padrão.
Podemos dizer que, com 95% de confiança, o intervalo acima compreende o verdadeiro valor da
média populacional, µ.
(b) Temos que p̂ = 16/64 = 1/4 = 0, 25.
Como o tamanho da amostra, n, é grande, podemos obter um intervalo de 99% de confiança
para a proporção populacional, p, de duas maneiras.
Intervalo conservartivo:(
p̂− z0,995
1
2
√
n
; p̂+ z0,995
1
2
√
n
)
=
(
0, 25− 2, 57× 1
2× 8
; 0, 25 + 2, 57× 1
2× 8
)
= (0, 0894; 0, 4106) .
Intervalo não-conservartivo:(
p̂− z0,995
√
p̂(1− p̂)
n
; p̂+ z0,995
√
p̂(1− p̂)
n
)
=
(
0, 25− 2, 57
√
0, 25× 0, 75
64
; 0, 25 + 2, 57
√
0, 25× 0, 75
64
)
= (0, 1109; 0, 3891) ,
sabendo que
√
0, 25× 0, 75 = 0, 4330.
Aqui, z0,995 é o quantil 0, 995 da distribuição normal padrão.
4. n = 16; x̄ = 49, 301; s2 = 4.
(a) (1) H0 : µ ≤ 48 (ou H0 : µ = 48)
H1 : µ > 48.
(2) α = 0, 05.
(3) Estat́ıstica de teste: T =
X − 48√
4/16
=
X − 48
1/2
.
(4) Sob H0, T tem distribuição t de Student com 15 graus de liberdade.
(5) Região cŕıtica: R = [t0,95;15 ; ∞) = [1, 753 ; ∞).
(6) t =
49, 301− 48
1/2
= 2, 602 ∈ R⇒ Rejeitamos H0.
OBS.: Os passos (3) - (6) também podem ser feitos da seguinte maneira:
(3’) Estat́ıstica de teste: X.
(4’) Sob H0, X ∼ N(48 ; σ2/16).
(5’) Região cŕıtica: R = [48 + t0,95;15
√
s2
n ; ∞) = [48, 8765 ; ∞).
(6’) x̄ = 49, 301 ∈ R⇒ Rejeitamos H0.
(b) α̃ = P (T ∈ [2, 602 ; ∞)) = P (T > 2, 602) = 1 − P (T ≤ 2, 602), onde T é distribúıdo conforme
H0. Logo, pela tabela da distribuição t de Student, conclúımos que
α̃ = 1− 0, 99 = 0, 01.
5. Informações do exerćıcio:
nX = 25 Xi
iid∼ N(µX ; (0, 3)2), i = 1, . . . , 25
nY = 16 Yj
iid∼ N(µY ; (0, 3)2), j = 1, . . . , 16
(a) Hipóteses: H0 : µX ≥ µY versus HA : µX < µY .
Estat́ıstica de tese:
X̄ − Ȳ√
(0, 3)2/25 + (0, 3)2/16
Cálculo da região cŕıtica: P (Z < zc) = 0, 005 ⇒ zc = −2, 578.
Logo, RC = {z ∈ IR| z < −2, 578}.
(b) Para x̄ = 8, 2 e ȳ = 8, 5 temos
z =
8, 2− 8, 5√
(0, 3)2/25 + (0, 3)2/16
≈ −3.
Como z ∈ RC, rejeitamos H0.
DME-IM-UFRJ - 2ª Prova de Estatística Unificada
Turma: Engenharia Data: 12/06/2012
1 - Admita que a distribuição do peso dos usuários de um elevador seja uma
Normal com média 75kg e com desvio padrão 15kg. Suponha que quatro
pessoas apareçam aleatoriamente para usar esse elevador.
a) Sabendo que o limite de peso recomendado para o elevador é de 350
kg, use a distribuição da soma dos pesos das quatro pessoas para
calcular a probabilidade de que o peso no elevador não exceda esse
limite.
b) Na construção de um novo elevador, qual deve ser o limite de carga
para que se garanta, com 99,5% de confiança, que a soma dos pesos
de quatro pessoas dessa população de usuários não ultrapasse este
limite?
2 - Determinada indústria suspeita que está recebendo, de um certo
fornecedor, peças de aço fora das especificações. Ela decidiu então avaliar a
quantidade de carbono e a dureza do aço de tais peças. Para isso, usou nove
peças e obteve as seguintes medidas:
x = Teor de
carbono (%) 1,41 1,24 0,95 1,13 1,21 1,32 1,05 1,02 1,29
y = Dureza
(Rockwell) 386 364 331 353 365 374 341 335 369
a) O fornecedor do aço diz que o teor de carbono deve ser de (1,2 ± 0,08)
= (média ± desvio padrão). Calcule a média amostral e o desvio padrão
amostral do teor de carbono. Use os valores obtidos, e apenas os seus
conhecimentos de Análise Exploratória, para comentar se há
evidências contra ou a favor da afirmação do fornecedor.
b) Calcule o coeficiente de correlação entre o teor de carbono e a dureza,
interpretando o valor obtido.
Para facilitar:
2
i i i i
2
i i
x =10,62 x 12,7186 x y 3820,05
y =3218 y 1153430
3 - Um engenheiro, interessado em estimar o comprimento médio (em cm) de
uma peça, observou os seguintes valores de uma amostra aleatória: 1,2; 1,3;
1,2; 1,5. Com base em conhecimentos anteriores, ele verificou que o
comprimento dessa peça pode ser modelado por uma distribuição Normal e
tem desvio padrão σ = 1 cm.
a) Obtenha a função de verossimilhança L(µ), e determine o estimador de
máxima verossimilhança = EMV(µ). De posse da expressão de , use
a amostra e estime µ.
b) Qual o erro quadrático médio EQM( )? O estimador é viciado
(tendencioso)? Por quê?
4 - Um grande banco deseja inferir sobre a proporção de clientes que estão
satisfeitos com seu serviço. Para isto, entrevistou 25 clientes e obteve os
resultados mostrados na seguinte lista:
SSISSISSSSSIISSSSSSISSSSS
em que S representa “cliente satisfeito” e I representa “cliente insatisfeito”.
a) Construa um intervalo de confiança não conservativo ao nível de 96%
para a proporção de clientes satisfeitos. O intervalo obtido contém a
proporção de clientes satisfeitos?
b) Qual deve ser o tamanho da amostra para que a amplitude do intervalo
de confiança conservativo, ao nível de confiança de 98%, seja menor ou
igual a 0,04?
5 - Um fabricante de cabos afirma que: “o diâmetro médio dos cabos
produzidos pela sua empresa é de pelo menos 5mm”. Para testar se esta
afirmação é verdadeira, uma amostra de 25 cabos foi observada e mostrou um
diâmetro médio de 4,9mm com um desvio padrão de 0,4mm. Suponha que os
diâmetros desses cabos sigam uma distribuição Normal.
a) Explicite as hipóteses a serem testadas e apresente a sua conclusão a
um nível de significância de 5%. Justifique a sua resposta.
b) Com base nos recursos de que você dispõe, determine o intervalo de
menor amplitude no qual o p-valor se encontra.
Soluções:
1. X=peso de uma pessoa que usa o elevador; X~N(75, 152)
Seja Y= X1 + X2 + X3 + X4; Y~N(nµ=300; nσ
2=302)
a) P(Y< ) = P(Z<1,67) = 0,9525
b) P(Y<lim)=0,995 = 2,58; lim=377,4
2.
(a) Temos 1,18
SX = = 0,153
Constatamos que [1,2 - 0,08; 1,2 + 0,08], o que conta a favor do
fornecedor. Por outro lado, não sabemos de onde vem a margem de erro
0,08. Como o desvio padrão é superior a esse valor, podemos considerar que a
amostra apresenta uma variabilidade além da especificada pelo fornecedor, o
que é evidência contra a sua afirmação.
(b) Temos 357,56
SY = = 18,67
rxy = = 0,996
Pelo valor obtido, nesta amostra há forte correlação positiva entre o teor
de carbono e a dureza do aço.
3.
a) X=Comprimento da peça; X~N(µ,1), f(x)= (2π)-1/2 exp(-(x-µ)2/2);
L(µ) = (2π)-n/2 exp(Σ-(xi-µ)
2/2);
l(µ)=ln(L(µ))=C- Σ(xi-µ)
2/2;
l’(µ)=Σ(xi-µ )=0;
µ x /n Xi ;
para esta amostra µ x 1, 3 .
b) EQM(µ )= Var( X ) + (B( X ))
2 = σ2/n, porque
E( X )=E(ΣXi/n)=n
-1ΣE(X)= µ.
Assim, µ é não viciado e B( X )=0;
Var( X ) = Var(ΣXi/n) = (1/n
2) Var(ΣXi) = (1/n
2) Σ (VarXi) = σ
2/n
4.
(a) Primeiramente calculamos = = 0,8.
O IC não conservativo ao nível de confiança de 96% será
Pela tabela da Normal obtemos = 2,05.Substituindo valores,
obtemos
[0,636; 0,964].
(b) A amplitude do IC conservativo a 98% é
2 x .
Assim, devemos ter n = 3393,0625.
Conclusão: A amostra deve ser de tamanho 3394.
5.
(a) = diâmetro médio populacional.
H0: ≥ 5mm vs H1: < 5mm
A região crítica é , em que é o (1 – α)-
percentil da distribuição t-Student com 24 graus de liberdade. . Como
t0,95 = 1,711, s = 0,4 e n = 25, a região crítica é
5 – 1,711x = 4,863.
Como obs = 4,9, concluímos, com base nos dados obtidos, que não
podemos descartar, ao nível de significância de 5%, a hipótese de que
o diâmetro médio dos cabos seja, na verdade, maior ou igual a 5mm.
(b) O p-valor é = P(T < ) = P(T < – 1,25) ,
onde T ~ t-Student com 24 g.l.
Consultando a tabela da t na linha correspondente a 24 g.l., vemos que
P(T < 0,857) = 0,8 e P(T < 1,318) = 0,9.
Como – 1,318 < –1,25 < – 0,857 , concluimos que
1 – 0,9 = P(T < – 1,318) < < P(T < – 0,857) = 1 – 0,8,
Ou seja, 0,1 < < 0,2 .
UFRJ - CCMN - IM - Departamento de Métodos Estat́ısticos
Probabilidade e Estat́ıstica - Estat́ıstica
Prova # 02 19-02-2013
Atenção: Não serão aceitas respostas sem justificativa: as expressões que levaram a alguma resposta numérica
devem ser indicadas nos espaços apropriados.
1. No Departamento Comercial de certa companhia foi formada uma equipe de vendas com a admissão
de 15 vendedores. Cada um deles foi submetido a um teste especialmente concebido para prever seu
desempenho futuro. Além do teste, para a admissão, foi considerada a experiência do vendedor. Assim,
foram registradas duas variáveis: T , representando o resultado do teste e, E, o número de anos de
experiência. Um ano depois, o desempenho de cada vendedor foi medido observando-se a variável V , que
representa o volume de vendas médio mensal. Os dados estão na tabela a seguir.
i 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
∑
x
∑
x2
V 57 54 49 46 46 45 45 44 44 42 38 35 29 29 18 621 27159
T 9 8 7 8 8 5 5 7 7 4 6 4 4 4 4 90 586
E 5 3 4 3 4 3 2 2 5 3 2 2 3 4 2 47 163
(a) Construa um ramo e folhas da variável V e calcule a mediana amostral de V .
(b) Calcule a média e a variância amostrais de V .
(c) Comparando as variáveis desempenho no teste (T ) e anos de experiência (E), qual delas você diria
que parece ser mais importante na previsão do futuro desempenho de vendedores? Por que? Informação
útil:
15∑
i=1
TiVi = 3930 e
15∑
i=1
EiVi = 2009.
(a)
Ramo-e-folhas (ramos: dezenas e folhas: unidades)
1 8
2 9 9
3 5 8
4 2 4 4 5 5 6 6 9
5 4 7
A mediana amostral de V é o valor que ocupa a posição central, quando os valores estão ordenados. Como
n = 15, a mediana amostral será o valor que ocupa a oitava posição, a saber, 44.
(b)
V̄ = 621
15
= 41, 4
s2V =
27159−6212/15
15−1 = 103, 5429.
(c)
A correlação amostral entre V e T é dada por
3930− (621× 90)/15
√
103, 5429
√
586− (90)2/15
= 0, 79
e, a correlação amostral entre V e E é dada por
2009− (621× 47)/15
√
103, 5429
√
163− (47)2/15
= 0, 42
Logo, a variável que parece ser mais importante na previsão do futuro desempenho de vendedores é T o
resultado no teste, por apresentar maior correlação com a variável V em relação à variável E.
2. Suponha que a variável aleatória T : tempo entre chegadas consecutivas de clientes na fila de um banco
siga distribuição Exponencial com parâmetro λ desconhecido, e tome (T1, . . . , Tn) uma amostra aleatória
de T . Denote por ψ a mediana de T (lembre que
∫ ψ
−∞ f(t)dt =
1
2
, com f(t) a função de densidade da v.a.
T ), e seja Tmd = (ln 2)T um estimador de ψ, em que T denota a média amostral de (T1, . . . , Tn).
(a) Tmd é um estimador não-tendencioso para ψ? Por que? (b) Obtenha o erro médio quadrático de Tmd
como estimador de ψ. (c) O estimador de máxima verossimilhança de ψ é Tmd? Por que?
(a) ∫ ψ
−∞
f(t)dt = 1/2 ⇒
∫ ψ
0
λe−λtdt = 1/2 ⇒ 1− e−λψ = 1/2 ⇒ e−λψ = 1/2
⇒ −λψ = ln(1/2) ⇒ ψ = − ln(1/2)
λ
= − ln 1− ln 2
λ
⇒ ψ = ln 2
λ
.
E(Tmd) = E((ln 2)T ) = (ln 2)× E
(
1
n
n∑
i=1
Ti
)
= (ln 2)× 1
n
× n× E(T ) = (ln 2)× 1
λ
⇒ E(Tmd) = ψ.
Portanto, Tmd é um estimador não-tendencioso para ψ.
(b)
EQM(Tmd) = V ar(Tmd) = V ar((ln 2)T ) = (ln 2)
2 × V ar
(
1
n
n∑
i=1
Ti
)
= (ln 2)2 × 1
n2
× n× V ar(T ) = (ln 2)2 × 1
n2
× n× 1
λ2
=
1
n
(
ln 2
λ
)2
=
ψ2
n
.
(c) Como EMV (λ) = 1/T e pela propriedade de invariância dos EMV’s, temos que
EMV (ψ) = EMV
(
ln 2
λ
)
=
ln 2
EMV (λ)
= (ln 2)T = Tmd.
Portanto, Tmd é o estimador de máxima verossimilhança de ψ.
3. Um estudo com 420.095 dinamarqueses usuários de telefones celulares descobriu que 135 deles tinham
desenvolvido câncer no cérebro.Uma pesquisa anterior a essa, diz que a taxa de incidência de tipo de
câncer era de 0,034% para pessoas que não usavam telefones celulares.
(a) Construa um intervalo de 95% de confiança, não-conservativo, para a proporção de usuários de telefone
celular que desenvolvem câncer no cérebro.
(b) Você diria que os usuários de telefone celular parecem ter uma taxa de incidência de câncer no cérebro
diferente da taxa de incidência deste tipo de câncer em pessoas que não usam telefone celular? Realize
um teste de hipóteses, adotando um ńıvel de significância de 1% para dar a sua resposta.
(c) Calcule o p-valor do teste realizado no item anterior.
(a) Seja p̂ = 135
420.095
= 0, 000321 = 0, 0321%. Temos que,
IC(p, 95%) = p̂± z1−α
2
√
p̂(1− p̂)
n
= 0, 000321± 1, 96 ∗
√
0, 000321(1− 0, 000321)
420.095
= (0, 000267; 0, 000375)
Portanto, o intevalo de confiança é (0,0267% ; 0,0375%).
(b) Seja o teste:
H0 : p = 0, 034%
H1 : p 6= 0, 034%
Seja a região de rejeição: p̂ > p0 + z1−α
2
σ0 ou p̂ < p0 − z1−α
2
σ0. Logo, temos que:
p0 + z1−α
2
σ0 = 0, 034% + 2, 57
√
0, 034%(1− 0, 034%)
420.095
= 0, 000413 = 0, 0413%, e
p0 − z1−α
2
σ0 = 0, 034%− 2, 57
√
0, 034%(1− 0, 034%)
420.095
= 0, 000267 = 0, 0267%
Assim, a região é dada por: p̂ < 0, 0267% ou p̂ > 0, 0413%. Portanto, com um ńıvel de 1%, não existem
evidências de diferença entre as taxas de incidência de câncer no cérebro de pessoas que usam telefones
celulares e as que não usam.
(c) Seja o p-valor,
α̃ = P (|Z| ≥ |z0|) = P
|Z| ≥ | p̂− p0√
p0(1−p0)
n
|
= P (|Z| ≥ 0, 67) = 1− P (−0, 67 < Z < 0, 67)
= 1− [Φ(0, 67)− Φ(−0, 67)] = 2− 2Φ(0, 67) = 0, 5028.
4. Seja µ a média populacional da variável desempenho (em quilômetros por litro de combust́ıvel) dos carros
de um determinado modelo e suponha que essa variável seja Normalmente distribúıda. Foi realizado um
teste H0 : µ ≤ 10 contra H1 : µ > 10 com base numa amostra aleatória de tamanho n = 9 automóveis
desse modelo. O p-valor calculado com base nos dados resultou ser igual a 0,10, o que sugere que H0 seja
aceita. Sabe-se também que o coeficiente de variação amostral da variável desempenho foi calculado em
0,3.
(a) Determine os valores da média e do desvio-padrão amostrais da variável desempenho. (b) Deseja-se
agora, usando esses mesmos dados, testar H0 : µ ≤ 8 contra H1 : µ > 8. Com base nas tabelas de
probabilidade fornecidas, indique o p-valor, identificando os extremos do intervalo de menor amplitude
que o contém em seu interior. (c) Você diria que os dados apontam para a rejeição de H0 ou para a não
rejeição de H0 do teste realizado no item (b)? Por que?
(a) No primeiro teste temos
{
H0 : µ ≤ 10
H1 : µ > 10
.
Já que α̃ = 0, 10, a estat́ıstica de teste é T =
X̄ − 10
S/
√
9
.
Sob H0, T segue uma distribuição t-de-Student com 9-1=8 graus de liberdade, tal que
x̄− 10
s/
√
9
= t1−α̃;8 = t0,9;8 = 1, 397 (∗)
Por outro lado, CV =
s
x̄
= 0, 3 implica que s = 0, 3x̄ (∗∗).
Substituindo (**) em (*), obtemos
x̄− 10
0, 3x̄/3
= 1, 397.
Resolvendo essa equação, chegamos a x̄ = 11, 62 e, consequentemente, s = 0, 3× 11, 62 = 3, 49.
(b) No segundo teste, temos
{
H ′0 : µ ≤ 8
H ′1 : µ > 8
.
Assim sendo, a estat́ıstica de teste passa a ser T ′ =
x̄− 8
s/
√
9
.
Sob H ′0, T
′ segue uma distribuição t-de-Student com 9-1=8 graus de liberdade.
Como os dados são os mesmos, x̄ = 11, 62 e s = 3, 49 tal que T ′ = 11,62−8
3,49/3
= 3, 12.
Consultando a tabela da t-de-Student, vemos que na linha correspondente a 8 g.l., este valor está com-
preendido entre 2,896 (correspondente a 1 − α = 0, 99) e 3,355 (correspondente a 1 − α = 0, 995). Dáı,
decorre que 0, 005 < α̃ < 0, 01.
(c) Como o p-valor é bem pequeno (menor que 0,01), os dados apontam para a rejeição de H0.
UFRJ - CCMN - IM - Departamento de Métodos Estat́ısticos
Probabilidade e Estat́ıstica - Prova # 02
Atenção: Só serão aceitas respostas com justificativa. - Rio, 13/06/2017
1. Um caminhão pode transportar uma carga máxima de três toneladas. Sua carga é composta por caixas
transportando dois tipos de produtos, tipo A e tipo B. Suponha que o peso de caixas com produto do tipo
A tenha distribuição normal com média 50 kg e variância 25 kg2 e que o peso de caixas com produto do
tipo B tenha distribuição normal com média 38 kg e variância 16 kg2. Suponha ainda que pesos de caixas
distintas sejam independentes.
(a) Calcule a média e variância da carga tranportada quando o caminhão é carregado com 25 caixas com
produto do tipo A e 45 com caixas com produto do tipo B.
(b) Com a mesma carga descrita no item (a), calcule a probabilidade do caminhão ter sido carregado com
uma carga superior a máxima permitida.
(c) Se o caminhão só for carregado com produto do tipo A, qual o maior número de caixas que ele pode
transportar de modo que a probabilidade de exceder a carga máxima seja inferior a 2%.
Solução:
(a) Usamos a propriedade de que para soma de variáveis aleatórias independentes a média é igual a soma
das médias e a variância é igual a soma das variâncias. Assim, a carga transportada tem distribuição normal
com média
µ = 25× 50 + 45× 38 = 2960kg
e
σ2 = 25× 25 + 45× 16 = 1345kg2 .
(b) Usamos a propriedade de que soma de variáveis aleatórias independentes com distribuição normal
também é normal. Assim, pelo item (a) temos que a carga transportada X é normal com média 2960 e
variância 1345. A probabilidade do caminhão ter sido carregado com uma carga superior a máxima é
P (X > 3000) = P
(X − 2960√
1345
>
3000− 2960√
1345
)
= 1− Φ(1.09) = 1− 0.8621 = 0.1379 .
(c) Seja k o número máximo de caixas que podem ser transportadas de forma que a probabilidade de exceder
a carga máxima seja inferior a 2% e Y a carga transportada com este número de caixas. Temos que Y tem
distribuição normal com média 50k e variância 25k. Assim
0.02 ≥ P (Y > 3000) = 1− Φ
(3000− 50k
5
√
k
)
Observe que a função
3000− 50x
5
√
x
é decrescente em x, assim k está bem definido como o maior valor tal que
3000− 50k
5
√
k
≥ z0.98 = 2.05 .
Ou seja k = bw2c onde w é a maior raiz de
50w2 + 10.25w − 3000 = 0 .
Dáı
k =
⌊(−10.25 +√10.252 + 4× 50× 3000
2× 50
)2⌋
= b(7.64)2c = 58 .
2. Os dados a seguir referem-se a 9 observações sobre o tempo gasto de acondicionamento de um produto em
minutos (Y ) e seu volume em toneladas (X).
Obs. 1 2 3 4 5 6 7 8 9
X 48 72 63 82 88 109 112 123 140
∑
x = 837
∑
x2 = 85.079
Y 84 108 110 133 144 152 180 196 231
∑
y = 1.338
∑
y2 = 216.526
∑
xy = 135.492
(a) Calcule a correlação entre tempo e volume.
(b) Observe que nesse caso, uma reta que descreva o comportamento do tempo em função do volume deveria
começar pela origem uma vez que, se não há volume, o tempo de acondicionamento deve ser nulo. Assim, um
modelo apropriado para explicar esses dados é Yi = b×Xi + erroi.
Determine o estimador de b usando o critério de mı́nimos quadrados, ou seja, minimizando a soma dos quadra-
dos dos erros.
(c) Com base no modelo proposto, estime o tempo de acondicionamento para um volume de 100 toneladas.
Solução:
8sxy = 135492−
837× 1338
9
= 11058 ton.min
8s2y = 216526−
13382
9
= 17610 min2
8s2x = 85079−
8372
9
= 7238 ton2
(a)
r =
11058√
17610× 7238
≈ 0, 979
(b)
yi = bxi + ei
tal que ei = yi − bxi e
∑
e2i =
∑
(yi − bxi)2 = f(b)
f ′(b) = −2
∑
xi(yi − bxi) = 0 ↔ b =
∑
xy∑
xx
f ′′(b) = 2
∑
x2i = 2
∑
xx ≥ 0
Também é posśıvel, observando que f(b) é uma parábola com a concavidade voltada para cima, obter b como o
vértice da parábola, que fornece o valor mı́nimo de f(b).
Logo, de fato, b =
∑
xy∑
xx é ponto de mı́nimo absoluto.
(c) Temos b = 13549285079 ≈ 1, 593 tal que
tempo estimado ≈ 1, 593× 100 = 159, 3 minutos.
3. Uma amostra aleatória de tamanho 16 de uma população normal com média µ e variância σ2 resultou em
16∑
i=1
xi = 24 e
16∑
i=1
x2i = 36, 5822. Construa um intervalo de confiança de 95% para média populacional µ se a variância populacional(a) σ2 = 0, 04;
(b) não é conhecida.
Solução:
Dos dados temos x̄ = 1, 5, s2 ≈ 0, 0388 e s ≈ 0, 197.
(a) Como a variância é conhecida o intervalo de 95% de confiança para µ é dado por
x̄± z(0,975)
σ√
n
: 1, 5± 1, 960, 2
4
: 1, 5± 0, 098 : (1, 402; 1, 598)
(b) Nesse caso, como a população é normal, temos que a distribuição de T = X̄−µ
S/
√
n
é uma t com n − 1 graus de
liberdade tal que o intervalo de 95% de confiança para µ é dado por
x̄± t(0,975,15)
s√
n
: 1, 5± 2, 1310, 197
4
: 1, 5± 0, 105 : (1, 395; 1, 605)
4. Queremos testar H0 : p ≥ 0, 85 contra H1 : p < 0, 85 em que p é a proporção de peças que atendem as especificações
de fábrica. Para isso foi selecionada uma amostra aleatória de 40 peças dessa população, verificando-se que trinta
e duas (32) peças na amostra atendem as especificações de fábrica.
(a) Qual a decisão a ser tomada ao ńıvel α = 5%? Por que?
(b) Qual o p-valor (ńıvel cŕıtico) desse teste?
(c) Qual a probabilidade de se cometer o Erro Tipo II, no teste obtido em (a), se a proporção populacional de
peças que atendem as especificações de fábrica for p = 0,75?
Solução:
(a) Como np0(1− p0) = 40× 0, 85× 0, 15 = 5, 1 > 3 a aproximação normal da binomial é adequada.
Temos n = 40, p̂ = 0, 80. Ao ńıvel de significância de 5% a região cŕıtica é dada por Z0 < −z(0,95) = −1, 645 ou,
equivalentemente, p̂ < 0, 757 em que Z0 =
p̂−p0√
p0(1−p0)
n
.
O valor amostral obtido foi z0 ≈ −0, 8856 e não está na região cŕıtica ou, equivalentemente, p̂ = 0, 8 não está na
região cŕıtica.
Logo, ao ńıvel de significância de 5%, não rejeitamos H0.
(b) P − valor = P (p̂ ≤ 0, 8|p = 0, 85) ≈ φ
(
0,8−0,85√
0,85×0,15
40
)
≈ φ(−0, 89) = 0, 1867
(c) β(0, 75) = P (p̂ > 0, 757|p = 0, 75) ≈ 1− φ
(
0,757−0,75√
0,75×0,25
40
)
≈ 1− φ(0, 1) ≈ 0, 4602
UFRJ - CCMN - IM - Departamento de Métodos Estat́ısticos
Probabilidade e Estat́ıstica - Estat́ıstica
Prova # 02 09-07-2013
Atenção: Não serão aceitas respostas sem justificativa: as expressões que levaram a alguma resposta
numérica devem ser indicadas nos espaços apropriados.
1. Uma empresa deseja estudar a influência da propaganda sobre a venda de seus produtos. Para isso,
obteve os seguintes dados relativos a 5 produtos seus:
X 10 20 30 40 50
Y 10 10 20 20 40
onde X é o investimento em propaganda (em milhares de reais) e Y é a o valor da venda do produto
(em milhões de reais). Pede-se:
(a) Correlação entre X e Y ; um gráfico de dispersão de X e Y ;
(b) Valores estimados (por mı́nimos quadrados) dos parâmetros da reta Y = a+ bX;
(c) Valor estimado da venda quando a propaganda é 35 mil reais. Forneça uma interpretação do
coeficiente b no contexto deste problema.
Solução:
(a)
∑
xi = 150,
∑
x2i = 5500,
∑
yi = 100,
∑
y2i = 2600,∑
xiyi = 3700,
cor(X, Y ) =
3700− 150×100
5√
(5500− 1502
5
)×(2600− 1002
5
)
= 0.9037 ;
(b) b =
3700− 150×100
5
5500− 1502
5
= 0, 7 ; a = ȳ − 0, 7× x̄ = 100
5
− 0, 7× 150
5
= −1;
(c) se x0 = 35 mil reais, y0 = −1 + 0, 7 ∗ 35 = 23, 5 milhões de reais.
O coeficiente b mede o quociente ∆y
∆x
, isto é, a variação da receita da venda sobre a variação do
investimento em propaganda. Ou seja, neste contexto, em média para cada 1000 reais a mais
investido em propaganda haverá um aumento de 700.000 reais nas vendas.
2. Definimos a variável E = X̄ − µ como sendo o erro amostral da média, onde X̄ é a média de uma
amostra aleatória de tamanho n de uma população com distribuição Normal de média µ e desvio
padrão σ = 20.
(a) Que proporção das amostras de tamanho 100 terá o valor absoluto do erro amostral maior do
que 2 unidades?
(b) Neste caso, qual deve ser o valor de δ para que P (|E| > δ) = 0, 01?
(c) Qual deve ser o tamanho da amostra para que o módulo do erro amostral seja inferior a 1
unidade com 95% de probabilidade?
Solução:
(a) P (|E| > 2) = 1− P (|E| ≤ 2) = 1− P
(
−2
20/10
≤ Z ≤ 2
20/10
)
= 2(1− φ(1)) = 0, 3174.
(b) P (|E| > δ) = 0, 01⇒ P
(
|Z| ≤ δ
2
)
= 0, 99⇒ Φ( δ
2
) = 0, 995⇒ δ = 2× 2, 58 = 5, 16.
(c) n =
(
z1−α
2
σ/d
)2
=
(
1,96×20
1
)2
= 1536, 64; assim, n = 1537.
3. Os candidatos A e B disputam as eleições para a prefeitura da cidade de Bayesville. Em uma pesquisa
de intenção de voto, uma amostra aleatória de tamanho 400 foi retirada da população e observou-se
que a proporção dos eleitores que votariam em A era de 0, 55 e a proporção dos eleitores que votariam
em B era de 0, 30, sendo o restante brancos, nulos e indecisos.
(a) Determine intervalos de 90% de confiança conservativos para a proporção de eleitores na popu-
lação que votariam em A e para a proporção de eleitores na população que votariam em B, cada
um deles com 3 casas decimais;
(b) Usando novamente a opção conservativa, qual deve ser o tamanho da amostra para que a margem
de erro para cima ou para baixo da proporção amostral dos eleitores que votariam em A e da
proporção amostral dos eleitores que votariam em B seja de 0,02 (ou de 2 pontos percentuais,
usando a linguagem dos noticiários jornaĺısticos) com 95% de confiança?
Solução:
(a) Candidato A:
IC(p) =
0, 55− z0,95︷︸︸︷1, 64 1
2
√
400
; 0, 55 + 1, 64
1
2
√
400
= (0, 509; 0, 591).
Candidato B:
IC(p) =
(
0, 30− 1, 64 1
2
√
400
; 0, 30 + 1, 64
1
2
√
400
)
= (0, 259; 0, 341).
(b) z1−α
2
1
2
√
n
= 0, 02⇒
z0,975︷︸︸︷
1, 96 1
2
√
n
= 0, 02⇒ n =
(
1,96
2×0,02
)2
⇒ n = 492 = 2401.
4. Um pesquisador está estudando a resistência de um certo material sob determinadas condições. Ele
sabe que essa variável é Normalmente distribúıda com variância igual a 4 unidades2. Foi extráıda
uma amostra aleatória de tamanho 10 obtendo-se os seguintes valores: 7,9 6,8 5,4 7,5 7,9 6,4 8,0
6,3 4,4 5,9. Sendo:
∑
xi = 66, 5; e
∑
x2i = 455, 29
(a) Elabore um procedimento para testar a afirmação do fabricante de que a média populacional
da resistência é de pelo menos 7,8 contra a alternativa de que ela é estritamente menor que esse
valor. Qual a sua conclusão ao ńıvel α = 1%?
(b) Qual seria o p-valor deste teste?
(c) Como você procederia, e qual seria a sua conclusão, se no item (a) não fosse conhecida a variância
populacional?
Solução: Queremos testar H0 : µ ≥7,8 contra H1 : µ < 7,8.
(a) Como σ é conhecido, o critério é: Rejeitar H0 se Z =
x̄−µ0
σ0√
n
< ztab = z0,01. Caso contrário, aceitar
H0. Sob H0, Z ∼ N(0;1). Assim, zobs = x̄−µ0σ0√
n
= 6,65−7,8
2
√
10 = −1, 82 e
P (Z < ztab) = 0, 01 = Φ(ztab)⇒ ztab = −2, 33.
Então, como ztab < zobs, não há evidência para a rejeição da hipótese H0;
(b) p-valor= P (Z < −1, 82) = P (Z > 1, 82) = 1− Φ(1, 82) = 1− 0, 9656 = 0, 0344;
(c) Como σ é desconhecido, o critério é: Rejeitar H0 se T =
x̄−µ0
S√
n
< ttab = t0,01;9. Caso contrário,
aceitar H0. Sob H0, T ∼ t-student com 9 g.l. Então, P (T < ttab) = 0, 01 ⇒ ttab = −t0.99 =
−2, 821
s2 = 1
n−1
(∑
x2i −
(
∑
xi)
2
n
)
= 1
9
(
455, 29− (66,5)
2
10
)
= 1, 4517 = (1, 205)2
tobs =
x̄−µ0
s√
n
= 6,65−7,81,205√
10
= −3, 02.
Assim, tobs = −3, 02 < ttab = −2, 821. O que implica em rejeitar a hipótese H0.
Figure 1: Questão 10-a: Gráfico de disperção
UFRJ - CCMN - IM - Departamento de Métodos Estat́ısticos
Probabilidade e Estat́ıstica - Estat́ıstica
Prova #2 23-02-2016
Atenção: Não serão aceitas respostas sem justificativa.
1. O funcionamento de uma bateria pressupõe uma alternância permanente entre tempos de recarga e de
utilização (descarga). O tempo de recarga pode ser modelado como uma variável aleatória X, que tem
distribuição exponencial de média 12 horas. O tempo de utilização, até a bateria descarregar, pode ser
modelado como uma variável aleatória Y , que tem distribuição Uniforme(20, 32), em horas. Suponha ainda
que todos os tempos envolvidos nesse processo sejam independentes entre si.
(a) Defina por T a variável aleatória que indica o tempo decorrido entre a bateria começar uma recarga e
iniciar a recarga seguinte. Forneça a esperançae a variância da variável T .
(b) Quando temos uma sequência infinita de variáveis aleatórias X1, X2, . . . Xn, . . . , o Teorema Central do
Limite nos permite aproximar a distribuição da variável Y =
∑n
i=1Xi por uma distribuição normal. Que
requisitos o número n de parcelas do somatório e as variáveis Xi precisam satisfazer para que esse Teorema
possa ser utilizado?
(c) Suponha que a bateria tenha uma vida útil de 100 recargas, ou seja, após começar com a recarga inicial,
ela deixa de funcionar quando for iniciar a 101a recarga. Com aux́ılio do Teorema mencionado no item
anterior, calcule aproximadamente a probabilidade de que a bateria tenha uma vida útil de menos de 160
dias.
2. Os dados da tabela abaixo representam o número de queixas a respeito das condições de trabalho por parte
dos empregados em dez filiais de uma determinada empresa durante os anos de 2009 e 2010.
Ano Número de queixas
2009 18 10 17 10 17 9 14 12 9 18
2010 9 10 8 11 0 9 5 11 8 10
(a) Calcule o número médio de queixas e o desvio padrão do número de queixas para cada ano.
(b) Calcule os quartis do número de queixas e construa um box-plot dos dados para cada ano. Os dois
box-plots devem aparecer juntos na mesma figura, ou seja, utilize a mesma escala de forma que os gráficos
fiquem comparáveis.
(c) Existe diferença aparente de um ano para outro em termos de valor central? E em termos de dispersão?
Explique. Existe(m) valor(es) discrepante(s)? Explique.
3. Deseja-se estimar a proporção p dos usuários de determinado serviço público, que se consideram satisfeitos
com a sua qualidade. Com base em levantamentos anteriores, sabe-se que 0, 1 ≤ p ≤ 0, 7.
(a) Em uma amostra piloto de tamanho 40, extráıda ao acaso dessa população, 17 usuários revelaram estar
satisfeitos. Obtenha um intervalo não conservativo ao ńıvel de confiança de 0, 99 para p com base nessa
amostra piloto.
(b) Deseja-se agora dimensionar uma segunda amostra que permita estimar p de forma que o erro absoluto,
| p̂ − p |, seja menor que 0, 05 com 0, 98 de probabilidade. Quantos usuários adicionais (aos da piloto)
precisariam ser ouvidos para se garantir esse ńıvel de precisão?
(c) Admita agora que o objetivo fosse estimar p com um erro relativo, |p̂−p|p , menor que 0,2 com 0,95 de
probabilidade. Quantos usuários adicionais (aos da piloto) precisariam ser ouvidos para se garantir esse novo
ńıvel de precisão?
4. A vida média de uma amostra de 100 lâmpadas de certa marca é de 1615 horas. Por similaridade com outros
processos de fabricação, suporemos que o desvio padrão populacional é igual a 120 horas. Utilizando um
ńıvel de significância de 5%, desejamos testar se a duração média de todas as lâmpadas dessa marca é igual
ou é diferente de 1600 horas. Obs.: Admita que o tamanho n = 100 da amostra é suficientemente grande
para que seja aplicável o Teorema central do limite.
(a) Qual é a conclusão do teste?
(b) Determine a probabilidade do erro tipo II, se a média populacional fosse 1620 horas.
Boa prova!
Gabarito
1. (a) X ∼ Exp(1/12), Y ∼ U(20, 32). Temos que T = X + Y . Assim,
E(T ) = E(X + Y ) = E(X) + E(Y ) =
1/λ︷ ︸︸ ︷
E(Exp(1/12)) +
(a+b)/2︷ ︸︸ ︷
E(U(20, 32)) = 12 +
20 + 32
2
= 12 + 26 = 38.
V ar(T ) = V ar(X + Y ) =
X,Y ind.︷ ︸︸ ︷
V ar(X) + V ar(Y ) =
1/λ2︷ ︸︸ ︷
V ar(Exp(1/12)) +
(b−a)2/12︷ ︸︸ ︷
V ar(U(20, 32))
=
1
(1/12)2
+
(32− 20)2
12
= 144 + 12 = 156.
(b) Premissas: Xi’s devem ser independentes e identicamente distribúıdas (i.i.d.) com média e variância
ambas finitas e n deve ser suficientemente grande para que a distribuição de Y já esteja bem próxima de
uma normal, pois essa convergência pressupõe que n→∞ .
(c) Seja Ti o tempo entre a i-ésima recarga e a (i+ 1)-ésima recarga serem iniciadas. Pelo item (a), temos
que E(Ti) = 38 e V ar(Ti) = 156. Queremos calcular
P
(
100∑
t=1
Ti < 160× 24
)
= P
(
100∑
t=1
Ti < 3840
)
.
Note que T1, . . . , T100 são i.i.d’s. Então, pelo TCL:
100∑
t=1
Ti ∼ N(100E(Ti), 100V ar(Ti)) ≡ N(3800, 15600).
Portanto,
P
(
100∑
t=1
Ti < 3840
)
= P
(
Z <
3840− 3800√
15600
)
= P (Z < 0, 32) = 0, 6255.
2. (a) Sejam (x1, . . . , x10) e (y1, . . . , y10) as reclamações em 2009 e 2010, respectivamente. Assim, as médias
são
x̄ =
10∑
i=1
xi/10 = 13, 4 e ȳ =
10∑
i=1
yi/10 = 8, 1.
As variâncias são
s2x =
∑10
i=1 x
2
i −
(∑10
i=1 xi
)2
/10
9
=
1928− 1342/10
9
= 14, 711
s2y =
∑10
i=1 y
2
i −
(∑10
i=1 yi
)2
/10
9
=
757− 812/10
9
= 11, 211.
Portanto, os desvios padrões são sx =
√
14, 71 = 3, 835 e sy =
√
11, 289 = 3, 348.
(b) Os quartis são
Q1x = x(3,25) = 10 e Q1y = y(3,25) = 8
Q2x = x(5,5) = 13 e Q2y = y(5,5) = 9
Q3x = x(7,25) = 17 e Q3y = y(7,25) = 10.
As cercas são
LIx = 10− 1, 5× (17− 10) = −0, 5 e LIy = 8− 1, 5× (10− 8) = 5, 0
LSx = 17 + 1, 5× (17− 10) = 27, 5 e LSy = 10 + 1, 5× (10− 8) = 13, 0.
●
2009 2010
0
5
10
15
N
º
de
q
ue
ix
as
(c)
• Existe diferença aparente entre os dados de 2009 e 2010.
• Com relação à posição, o número de queixas em 2010 é menor que em 2009.
• Há maior dispersão no número de queixas em 2009 comparado com 2010.
• O valor 0, observado em 2010, é discrepante.
3. (a) O intervalo não conservativo ao ńıvel de confiança de 0, 99 para p é dado por: p̂± z1−α
2
√
p̂(1−p̂)
n . Neste
caso, temos p̂ = 17/40 = 0, 425. Por outro lado, 1 − α = 0, 99 implica que 1 − α/2 = 0, 995. Consultando
a tabela da N(0,1), temos z0,995 = 2, 58. O intervalo de confiança é, portanto, 0, 425 ± 2, 58
√
0,425×0,575
40 .
Fazendo os cálculos: (0, 223; 0, 627).
(b) Para que tenhamos P (| p̂ − p |< 0, 05) = 0, 98, o tamanho da amostra deve ser dado pela expressão:
n =
(
z0,99
0,05
)2
p(1 − p) Como 0, 1 ≤ p ≤ 0, 7, o valor máximo do produto p(1 − p) dentro desse intervalo
é 0, 5 × (1 − 0, 5) = 0, 25. Por outro lado, z0,99 = 2, 33. Então devemos usar uma amostra de tamanho
n =
(
2,33
0,05
)2
× 0, 25 = 542, 89 ≈ 543. Como a amostra piloto foi de tamanho 40, serão necessários 503
usuários adicionais aos da piloto.
(c) Para que tenhamos P
[
|p̂−p|
p < 0, 20
]
= P [| p̂ − p |< 0, 20p] = 0, 95, o tamanho da amostra deve ser
dado pela expressão: n =
(
z0,975
0,20p
)2
p(1 − p) =
(
1,96
0,20
)2
1−p
p , porque z0,975 = 1, 96. Ora, esta é uma função
decrescente de p. Então, como 0, 1 ≤ p ≤ 0, 7, o valor máximo do quociente 1−pp nesse intervalo é
1−0,1
0,1 = 9.
Então devemos usar uma amostra de tamanho n =
(
1,96
0,20
)2
× 9 = 864, 36 ≈ 865. Como a amostra piloto foi
de tamanho 40, serão necessários 825 usuários adicionais aos da piloto.
4. (a) Temos o teste bilateral dado por
{
H0 : µ = 1600
H1 : µ 6= 1600
, cuja região de rejeição é dada por
RC = {x : (x < µ0 − z1−α/2σ/
√
n) ∪ (x > µ0 + z1−α/2σ/
√
n)}
= {x : (x < 1600− 1, 96× 120/10) ∪ (x > 1600 + 1, 96× 120/10)}
= {x : (x < 1576, 48) ∪ (x > 1623, 52)}
= {zobs : (zobs < −z1−α/2) ∪ (zobs > z1−α/2)
= {zobs : (zobs < −1, 96) ∪ (zobs > 1, 96)
com
zobs =
x− µ0
σ/
√
n
=
1615− 1600
120/10
= 1, 25.
Utilizamos o desvio padrão populacional conhecido e consequentemente o quantil de 0,975 da distri-
buição normal padrão. Conclusão: Temos que x = 1615 não pertence a região cŕıtica, portanto não
rejeitamos a hipótese nula de que a média populacional seja igual a 1600 horas.
(b)
β = Pr(“Erro Tipo II”) = Pr(“Não rejeitar H0”), se “H1 é verdadeira”
= Pr(1576, 48 6 X 6 1623, 52), se µ = 1620
= Pr
(
1576, 48− 1620
120/10
6 Z 6
1623, 52− 1620
120/10
)
= Pr(−3, 6267 6 Z 6 0, 2933)
= Φ(0, 2933)− Φ(−3, 6267) = 0, 6152.
UFRJ - CCMN - IM - Departamento de Métodos Estat́ısticos
Probabilidade e Estat́ıstica - Estat́ıstica
Prova Final 05-12-2013
Atenção: Não serão aceitas respostas sem justificativa: as expressões que levaram a alguma resposta numérica
devem ser indicadas nos espaços apropriados.
1. Retiram-se 4 cartas, ao acaso e com reposição, de um baralho de 52 cartas. Seja X a variável aleatória
definida como o número de reis na amostra.
(a)Obtenha a função de probabilidade de X e faça um gráfico da sua função de distribuição acumulada.
(b) Obtenha a esperança e a variância de X.
Solução.
(a) Como temos reposição, segue que X pode ser visto como o número de sucessos (sortear um rei num
baralho de 52 cartas) em 4 ensaios independentes e com mesma probabilidade de sucesso. Isto é,
X ∼ Binomial(4; 1/13) (probabilidade de sucesso é 4/52 = 1/13). Obtemos P (X = 0) ≈ 0, 73,
P (X = 1) ≈ 0, 24, P (X = 2) ≈ 0, 03, P (X = 3) ≈ 0, 0017 e P (X = 4) ≈ 3, 5.10−5. Segue um gráfico
da FDA (não está na escala).
0, 97
0, 998
0.999
0 1 2 3
1
4
(b) X tendo distribuição binomial, temos EX = 4/13 ≈ 0, 3 e VarX = 4/13× (1− 1/13) ≈ 0, 28.
2. Suponha que as notas obtidas pelos alunos num exame nacional sejam normalmente distribúıdas com
média 500 e desvio padrão 150.
(a) Determine a porcentagem de alunos com notas superiores a 600.
(b) Se as notas de cinco desses alunos forem sorteadas, qual a probabilidade de que ao menos duas sejam
superiores a 600?
Solução.
(a) Seja X a v.a. representando a nota de um aluno no exame, isto é, X ∼ N(500, 1502). A porcentagem
de alunos com notas superiores a 600 é a probabilidade P (X ≥ 600) = 1−φ(100/150) = 1−φ(2/3) ≈
0, 2514.
(b) A distribuição do número Y de alunos tendo nota superior a 600 sobre 5 sorteados é Binomial(5, p)
onde p = φ(2/3). Segue que a probabilidade pedida é P (Y ≥ 2) = 1 − P (Y = 1) − P (Y = 0) =
1− 5p(1− p)4 − (1− p)5 ≈ 0, 367.
3. Uma amostra de dez casais e seus respectivos salários anuais (em s.m.) foi colhida num certo bairro
conforme vemos na tabela abaixo:
Sabe-se que:
∑
xi = 200,
∑
yi = 100,
∑
x2i = 4500,
∑
y2i = 1150,
∑
xiyi = 2150.
(a) Calcule a média e o desvio padrão do salário anual dos homens.
Casal no 1 2 3 4 5 6 7 8 9 10
Homem (X) 10 15 10 20 15 25 20 30 25 30
Mulher (Y) 5 5 10 5 10 10 15 10 15 15
(b) Calcule o primeiro, segundo e terceiro quartis do salário anual das mulheres.
(c) Construa o diagrama de dispersão e encontre a correlação entre o salário anual dos homens e o das
mulheres. O que os resultados indicam?
(a) x̄ =
∑
xi/n = 200/10 = 20s.m. e s
2
x =
∑
x2−nx̄
n−1 =
4500−10(202)
9
= 55, 55 Logo, sx =
√
55, 55 ≈ 7, 45.
(b) Ordenando os dados, temos: 5, 5, 5, 10, 10, 10, 10, 15, 15, 15. O primeiro quartil fica na posição
(n + 3)/4 = 13/4 = 3, 25, o segundo quartil fica na posição (n + 1)/2 = 11/2 = 5, 5 e o terceiro
quartil fica na posição (3n+ 1)/4 = 31/4 = 7, 75. Logo
Q1 = 0, 75(5) + 0, 25(10) = 6, 25,
Q2 = (10 + 10)/2 = 10,
Q3 = 0, 25(10) + 0, 75(15) = 13, 75.
(c)
Sxy =
∑
(xiyi)− nx̄ȳ
n− 1
=
2150− 10(20)(10)
9
= 16, 667
sx = 7, 45
s2y =
∑
y2 − nȳ
n− 1
=
1150− 10(102)
9
= 16, 667
sy =
√
16, 667 = 4, 08
rxy =
Sxy
sxsy
=
16, 667
7, 45(4, 08)
= 0, 5483
Essa correlação indica uma relação linear positiva moderada entre o salário dos homens e suas
respectivas mulheres.
4. Suponha X uma v.a. Normal com média µ e desvio padrão σ = 5. Deseja-se fazer um Teste de Hipóteses
com H0: µ = 10 versus H1: µ 6= 10 baseado numa amostra de n=25 elementos.
(a) Fixado o ńıvel de significância α = 0, 05, explicite a estat́ıstica de teste e o critério de decisão a serem
usados.
(b) Determine a probabilidade do erro tipo II para µ = 9;
(c) Se para esta amostra com 25 elementos foi observado x̄=9,3, calcule o p-valor. Que decisão deve ser
tomada neste caso?
(d) Repita o que foi pedido no item (a), supondo agora que σ é desconhecido.
Solução. Como X ∼ N(µ, σ = 5) então X̄ ∼ N(µ, σ√
n
= 1) .
(a) A estat́ıstica do teste será X̄. Também podeŕıa ser X̄−µ0
σ/
√
n
. Como o teste é bilateral, α = 0, 05, z1−α
2
=
1, 96 a Região de Rejeição (RC) é composta de duas partes: x̄c1−10
1
= 1, 96 correspondendo a x̄c1 =
11, 96 e x̄c2−10
1
= −1, 96 correspondendo a x̄c2=8,04. Assim a RC, onde se rejeita a hipótese H0, é a
união dos intervalos: X̄ < 8, 04 e X̄ > 11, 96. Aceita-se H0 se 8, 04 < X̄ < 11, 96.
(b) P(erro II) = P(8, 04 < X̄ < 11, 96) quando µ = 9.
P(erro II) = Φ(11,96−9
1
)− Φ(8,04−9
1
) ≈ 0, 83.
(c) p-valor = P (X̄ > 10, 7) + P (X̄ < 9, 3) quando µ = 10.
p-valor = 2× (1− Φ((10, 7− 10)/1)) ≈ 0, 484.
(d) A estat́ıstica do teste será T = X̄−µ0
S/
√
n
∼ t-Student com n-1=24 g.l.. Olhando na tabela da t-Student,
t1−α/2;24 = 2, 064.
Assim, a decisão será de aceitar H0 se −2, 064 < x̄obs−10s/√n < 2, 064. Caso contrário, rejeita-se H0.
Boa prova!
UFRJ - CCMN - IM - Departamento de Métodos Estat́ısticos
Probabilidade e Estat́ıstica - Estat́ıstica
Prova Final 29-05-2014
Atenção: Não serão aceitas respostas sem justificativa: as expressões que levaram a alguma resposta numérica
devem ser indicadas nos espaços apropriados.
1. Uma determinada mistura de um processo qúımico demora no mı́nimo um minuto para começar a reagir
e depois disto o tempo (em minutos) até o processo de mistura ser conclúıdo pode ser modelado por uma
variável aleatória X com função de densidade de probabilidade dada por f(x) = 3/x4 para x > 1 e f(x) = 0
para x < 1.
(a) Calcule a variância do tempo até o processo de mistura ser conclúıdo.
(b) Calcule a probabilidade do processo demorar menos do que um minuto e meio para ser conclúıdo.
Solução: (a)
E(X) =
∫ ∞
1
x× 3
x4
dx = 3
∫ ∞
1
1
x3
dx = − 3
2x2
∣∣∣∞
1
=
3
2
.
E(X2) =
∫ ∞
1
x2 × 3
x4
dx = 3
∫ ∞
1
1
x2
dx = −3
x
∣∣∣∞
1
= 3.
Var(X) = E(X2)− [E(X)]2 = 3−
(
3
2
)2
=
3
4
= 0, 75.
(b)
Pr(X < 3/2) = Pr(1 6 X < 3/2) =
∫ 3/2
1
3
x4
dx
= − 1
x3
∣∣∣3/2
1
= 1− 1
(3/2)3
= 1− 8
27
=
19
27
= 0, 7037.
2. Sabemos que a esperança e a variância de uma v.a. podem ser encaradas, respectivamente, como a abscissa
do centro de gravidade e o momento de inércia de uma distribuição de massa, e que isso vale tanto no caso
discreto como no caso cont́ınuo. Admita que a função de densidade da v.a. cont́ınua X é dada por
f(x) =
0 se x ≤ −3
3
5 +
x
5 se −3 < x ≤ −2
1
5 se −2 < x ≤ 2
3
5 −
x
5 se 2 < x ≤ 3
0 se x > 3
(a) Determine E(X) e V ar(X). Dica: Fazer um gráfico da função.
(b) Admita agora que Y é uma v.a. discreta que só pode assumir três valores: −2, 0 e 2. Obtenha a função
de probabilidade da v.a. Y , sabendo que E(X) = E(Y ) e V ar(X) = V ar(Y ). Isso significa que ambas as
distribuições de massa têm o mesmo centro de gravidade e o mesmo momento de inércia, embora uma seja
cont́ınua e a outra seja discreta.
Solução: (a) Devido à simetria da função em relação ao eixo vertical, conclui-se que E(X) = 0. Por outro
lado, V ar(X) = E(X2)− (EX)2 = E(X2), ou seja
V ar(X) =
∫
R
x2f(x)dx =
∫ 3
−3
x2f(x)dx = 2×
∫ 3
2
(3/5− x/5)x2dx+
∫ 2
−2
x2/5dx.
Obtemos
∫ 3
2
(3/5− x/5)x2dx = 11/20 e por outro lado
∫ 2
−2 x
2/5dx = 16/15. Portanto V ar(X) = 13/6.
(b) Y pode assumir valores −2, 0 e 2 portanto, EY = −2P (Y = −2) + 2P (Y = 2). Pelo enunciado, temos
EY = 0. Portanto P (Y = 2) = P (Y = −2). Use agora que V ar(Y ) = E(Y 2) − (EY )2 = 4P (Y = −2) +
4P (Y = 2)− 0. Pelo enunciado, temos V ar(Y ) = 13/6 e concluimos que P (Y = 2) = P (Y = −2) = 13/48.
Segue que P (Y = 0) = 1− 2× 13/48 = 11/24.
3. Num estudo sobre o peso dos brasileiros, foram pesadas 1000 pessoas escolhidas de forma aleatória. Os
resultados desta amostra podem ser denotados por x1, x2, . . . , x1000.
Seja X a variável aleatória representando o peso de um brasileiro selecionado ao acaso. Admita que são
conhecidos EX = µ, VarX = σ2 e P (X > 100) = p a probabilidade de que um brasileiro pese mais que 100
kg.
(a) Sugerir um estimador para o peso médio dos brasileiros, e um estimador para a proporção de pessoas
pesando mais que 100 kg.
(b) Expresse a média e a variância destes estimadores, em função de µ, σ2 e p.
(c) X̄ teria a mesma distribuição se estivéssemos amostrando 1000 pessoas sem reposição dentro de uma
cidade cuja população é de 2 000 pessoas para estudar o comportamento do peso nesta cidade? (Justificar).
Solução: (a) X̄ = 1
1000
∑1000
i=1 Xi e p̂ :=
1
1000∑1000
i=1 Yi onde Yi = 1 se Xi > 100 e Yi = 0 caso contrário.
(b) Pelo TCL, X̄ tem aproximadamente distribuição N(µ, σ
2
1000
) e p̂ tem aproximadamente distribuição
N(p, p(1−p)
1000
) onde p = P (X > 100).
(c) Não, pois pelo fato da população ser finita, a amostra não seŕıa mais uma amostra aleatória (ou seja,
as Xi’s não serão mais independentes).
4. Numa industria foi colhida uma amostra de 40 peças ciĺındricas , as quais depois de examinadas apresentaram
os seguintes diâmetros (em cm).
1,1 1,1 1,1 1,1 1,1 1,1 1,2 1,2 1,2 1,2 1,2 1,2 1,2 1,3 1,3 1,3 1,3 1,3 1,3 1,3
1,3 1,3 1,3 1,3 1,3 1,3 1,4 1,4 1,4 1,4 1,4 1,4 1,4 1,5 1,5 1,5 1,5 1,6 1,6 1,6
Informamos também que
∑40
i=1 xi = 52, 5;
∑40
i=1 x
2
i = 69, 71.
(a) Construir um intervalo de confiança (IC) para o diâmetro médio populacional ao ńıvel de 95%.
(b) Construir um IC não conservativo para a proporção populacional de peças que têm diâmetros entre 1,2
e 1,4 (incluindo os extremos do intervalo) ao ńıvel de confiança de 90%.
(c) Obtenha o p-valor num teste com H0 : µ ≤ 1, 26 versus H1 : µ > 1, 26. Qual decisão deve ser tomada se
o ńıvel de significância é 2%?
Solução: (a) x = 52,5
40
= 1, 3125; s2 = 1
39
(69, 71− 52,52
40
) = 0, 0206 e portanto s =
√
0, 0206 = 0, 144.
I.C. para µ com 95%. Como n=40 é um tamanho de amostra amostra grande, podemos usar a distribuição
Normal em vez da t de Student. Assim,
d = z1−α/2
s√
n
= 1, 96 0,144√
40
= 0, 0445
linf = x− d = 1, 3125− 0, 0445 = 1, 268
lsup = x+ d = 1, 3125 + 0, 0445 = 1, 357
(b) p̂ = 27
40
= 0, 675; z1−α/2 = 1, 64;
I.C., não conservativo, para p com 90%: d = 1, 64
√
0,675×0,325
40
= 0, 0741
linf = p̂− d = 0, 675− 0, 0741 = 0, 5535
lsup = p̂+ d = 0, 675 + 0, 0741 = 0, 7965
(c) Sendo a hipótese H0 considerada como simples, o teste fica
H0: µ = 1, 26 versus H1: µ > 1, 26
Assim, o p-valor = 1− Φ(x−µ0
s/
√
n
) = 1− Φ(1,3125−1,26
0,144/
√
40
) = 1− Φ(2, 31) = 0, 0104
Com o ńıvel de significância α = 2%, os dados trazem evidência pela rejeição da hipótese H0.
Boa prova!
UFRJ - CCMN - IM - Departamento de Métodos Estat́ısticos
Probabilidade e Estat́ıstica - Estat́ıstica
Prova Final - Gabarito 04-12-2014
Atenção: Não serão aceitas respostas sem justificativa: as expressões que levaram a alguma resposta
numérica devem ser indicadas nos espaços apropriados.
1. A proporção de álcool em certo produto pode ser considerada uma variável aleatória X com a
seguinte função densidade de probabilidade:
f(x) =
{
20x3(1− x) se 0 < x < 1
0 caso contrário
(a) Calcule o valor esperado e a variância de X.
(b) Suponha que o preço de venda do produto dependa da proporção de álcool. Se 1/3 < X < 2/3 o
produto é vendido por A1 reais/l, caso contrário por A2 reais/l. Expresse em função de A1, A2, eB
a distribuição de probabilidades do lucro ĺıquido por litro de produto, supondo que o custo por litro
é de B reais.
2. Suponha que o peso X de uma pessoa selecionada ao acaso de uma certa população distribui-se
normalmente com média µ e variância σ2. Suponha também que P (X < 80) = 1/2 e P (X < 60) =
1/4.
(a) Obtenha µ e σ2 e calcule P (X ≥ 100).
(b) Dentre todas as pessoas pesando no mı́nimo 100 quilos, qual percentual pesará mais de 120
quilos?
(c) Tomamos uma amostra de 5 pessoas dessa população. Qual a probabilidade de que exatamente
3 delas pesem mais do que 60 quilos?
3. Seja X uma v.a. com média µ e variância σ2. Seja X1, . . . , Xn uma amostra aleatória de X. A partir
desta amostra aleatória, podemos construir o estimador
∼
X := 1n−1
∑n
i=1Xi para a média.
(a) Calcule o viés deste estimador.
(b) Calcule o erro quadrático médio deste estimador.
(c) Ao comparar
∼
X e X̄, qual deles é mais indicado para estimar µ? Justifique.
4. Suponha que um professor do curso de engenharia, com objetivo de estudar o tempo, em anos, que
os alunos levam para conclúırem o curso, selecionou aleatoriamente 144 ex-alunos. Nessa amostra
observou-se que a soma dos tempo gastos até a conclusão do curso foi de 750 anos e que a variância
amostral teve valor 4 anos2. Resolva os itens abaixo:
(a) Determine o intervalo de 96% de confiança para a média do tempo que os alunos do curso de
engenharia levam até conclúırem o curso.
(b) Suponha que o professor resolvesse construir um intervalo de 99% de confiança para essa média,
mas com a mesma amplitude do intervalo obtido no item (a). Obtenha um valor aproximado para
o novo tamanho amostral que seria necessário para construir tal intervalo.
(c) Sabendo que desses 144 ex-alunos, 36 conseguiram se formar no prazo ideal, determine o intervalo
de 93% de confiança, utilizando a abordagem conservadora, para a proporção de alunos do curso de
engenharia que conseguem se formar no prazo considerado ideal.
Gabarito:
Questão 1:
(a)
E(X) =
∫ 1
0
x[20x3(1− x)]dx =
∫ 1
0
20x4(1− x)dx = 2
3
V (X) = E(X2)− E2(X)
E(X2) =
∫ 1
0
x2[20x3(1− x)]dx =
∫ 1
0
20x5(1− x)dx = 10
21
↓
V (X) =
10
21
−
(
2
3
)2
=
2
63
= 0, 0317
(b) Calculando a probabilidade:
P
(
1
3
< X <
2
3
)
= P
(
X ∈ (1
3
,
2
3
)
)
=
∫ 2
3
1
3
[20x3(1− x)]dx = 0.4156
P
(
X 6∈ (1
3
,
2
3
)
)
= 1− P
(
X ∈ (1
3
,
2
3
)
)
= 1− 0.4156 = 0, 5844
Assim o Lucro ĺıquido por litro de produto será uma variável aleatória de modo que
L =
{
A1 −B com probabilidde 0,4156
A2−B com probabilidde 0,5844
Questão 2:
(a) X ∼ N(µ, σ2). P (X < 80) = 12 ⇒ µ = 80
P (X < 60) = 0.25⇒ P
(
Z < 60−80σ
)
= 0.25⇒ −20σ = −0.68⇒ σ = 29.65
P (X ≥ 100) = P
(
Z ≥ 100−8029.65
)
= P (Z ≥ 0.675) ≈ P (Z ≥ 0.68) = 0.25
(b) P (X > 120 | X > 100) = P (X>120, X>100)P (X>100) =
P (X>120)
0.25 =
P (Z>1.35)
0.25 =
0.0885
0.25 = 0.354
(c) Y ∼ Binomial(5, 0.75); P (Y = 3) =
(
5
3
)
0.7530.252 = 0.264
Questão 3:
(a) Calculando a esperança,
E(
∼
X) = E
(
1
n− 1
n∑
i=1
E(Xi)
)
=
1
n− 1
n∑
i=1
E(Xi) =
1
n− 1
n∑
i=1
µ =
nµ
n− 1
Como o viés B(
∼
X) = E(
∼
X − µ) = E(
∼
X)− µ, obtemos que
B(
∼
X) =
nµ
n− 1
− µ = µ
n− 1
(b) Sabemos que EQM(
∼
X) = E[(
∼
X − µ)2] = V aar(
∼
X) + [B(
∼
X)]2
V ar(
∼
X) = V ar
(
1
n− 1
n∑
i=1
Xi
)
=
1
(n− 1)2
V ar
(
n∑
i−1
Xi
)
independência
=
1
(n− 1)2
n∑
i−1
V ar (Xi) =
nσ2
(n− 1)2
Por outro lado, do item anterior,
B(
∼
X) =
µ
n− 1
.
Segue que
EQM(
∼
X) =
nσ2 + µ2
(n− 1)2
.
(c) Lembrando que B(X̄) = 0 e EQM(X̄) = σ
2
n , conclúımos que X̄ é um estimador melhor que
∼
X para
a média populacional µ (segundo o critério do erro quadrático médio) pois para todo n ≥ 2,
EQM(
∼
X) > EQM(X̄).
Questão 4:
(a) Seja (X1, ..., X144) a amostra coletada. Temos X̄ =
144∑
i=1
Xi
144
∼= 5, 208 anos. Como o tamanho amostral
é grande (maior que 30), será construido o intervalo utilizando aproximação para normal.
IC(µ, 1− α) = X̄ ± Z(1−α2 )
S√
n
aaa⇒ aaaIC(µ, 96%) = 5, 208± Z(1− 0,042 )
√
4√
144
= 5, 208± Z(0,98)
2
12
=
= 5, 208± 2, 05× 0, 1667 = 5, 208± 0, 3417 = [4, 8663 ; 5, 5497]
(b) Para ter mesma amplitude é preciso que o termo após o sinal de ± tenha o mesmo valor de antes, então:
Z(1− 0,012 )
√
4√
n
= 0, 3417aa⇔ aaZ(0,995)
2√
n
= 0, 3417aa⇔ aa2, 575× 2√
n
= 0, 3417aa⇔ aa5, 15 = 0, 3417
√
n
√
n =
5, 15
0, 3417
aa⇒ aan = 15, 07172 = 227, 1561
Como n precisa ser inteiro, segue que o tamanho amostral mı́nimo será n = 228.
(c) Como o intervalo será feito pela abordagem conservadora, vamos substituir p(1− p) na expressão do
intervalo por 14 . Com isso temos:
IC(p, 1−α) = p̂±Z(1−α2 )
√
p(1− p)
n
aaa⇒ aaaIC(p, 93%) = 36
144
±Z(1− 0,07
2
)
√
1
4× 144
= 0, 25±Z(0,965)
√
1
576
=
= 0, 25± 1, 81× 1
24
= 0, 25± 0, 0754 = [0, 1746 ; 0, 3254]
UFRJ - CCMN - IM - Departamento de Métodos Estat́ısticos
Probabilidade e Estat́ıstica - Estat́ıstica
Prova Final 14-07-2015
Atenção: Não serão aceitas respostas sem justificativa: as expressões que levaram a alguma resposta numérica
devem ser indicadas nos espaços apropriados.
1. Em um bairro existem 20mil residências que podem ser atendidaspor 3 empresas de TV a cabo. A empresa
A tem 2100 assinantes, a empresa B tem 1850 e a empresa C tem 2600 assinantes, sendo que algumas
residências em condomı́nios subscrevem aos serviços de mais de uma empresa. Assim, temos 420 residências
que são assinantes de A e B, 120 de A e C, 180 de B e C e 30 que são assinantes das três empresas. Se uma
residência desse bairro é sorteada ao acaso, qual é a probabilidade de
(a) Ser assinante apenas da empresa A?
(b) Assinar pelo menos uma delas?
(c) Não ter TV a cabo?
2. O tempo de travessia T de uma balsa é uma variável aleatória que assume os valores 10, 15 e 30 minutos com
probabilidades iguais. Carlos pega esta balsa diariamente para ir ao trabalho. Entretando, ele não consegue
pegar a conexão com o ônibus da firma se o tempo gasto com a travessia for T = 30. Não pegando o ônibus
ele consegue um taxi com probabilidade 1/2, e, neste caso, chega a tempo no serviço. Não conseguindo um
taxi ele vai a pé e chega atrasado. Sua firma tem a poĺıtica de tolerar no máximo 20% de atrasos por ano.
(a) Calcule a probabilidade de que, num dia normal de trabalho, Carlos chegue atrasado no serviço.
(b) Calcule a probabilidade de que, num ano de trabalho, Carlos não consiga cumprir com a poĺıtica de
tolerância da empresa com respeito a atrasos, admitindo que haja 300 dias de trabalho por ano. Você acha
que Carlos conseguirá se manter no emprego?
3. Deseja-se estimar a probabilidade de acerto (de encaçapar a bola com uma jogada) do campeão nacional de
sinuca. Um intervalo de 95% de confiança foi obtido para estimar esta probabilidade: (0, 66; 0, 94).
(a) Forneça uma estimativa pontual para a probabilidade de acerto.
(b) Se o intervalo é conservador (ou conservativo), qual é o tamanho da amostra?
(c) Calcule, para este mesmo tamanho de amostra, o intervalo não conservador (ou não conservativo). Há
diferença? Por quê?
4. Considere uma amostra de 100 tempos de falha de um componente elétrico (meses) que tenha gerado o
seguinte boxplot:
(a) Qual conjunto contém a maior quantidade de elementos da amostra referente aos tempos de falha:
(−∞; 6, 5] ou [6, 5;∞)? Justifique.
(b) Pressupondo que os quartis não serão afetados pela inclusão da nova observação, um tempo de falha de
12,7 meses seria considerado um outlier de acordo com o boxplot? Justifique.
(c) Encarando agora esse boxplot como se ele fosse uma distribuição de probabilidade, ou seja, encarando os
quartis amostrais como se fossem quartis populacionais, suponha que 50 componentes sejam sorteados (com
reposição e de modo independente) e que se anote o tempo que levou até o componente falhar. Usando o
TCL, obtenha uma aproximação para a probabilidade de observarmos mais de 35 componentes cujos tempos
de falha tenham sido menores que 8,7 meses.
Boa prova!
Gabarito
1. (a) Sejam n(Ω) = 20000, n(A) = 2100, n(B) = 1850, n(C) = 2600, n(A ∩ B) = 420, n(A ∩ C) =
120, n(B ∩ C) = 180 e n(A ∩B ∩ C) = 30.
Então,
P (A) =
2100
20000
, P (B) =
1850
20000
, P (C) =
2600
20000
P (A ∩B) = 420
20000
, P (A ∩ C) = 120
20000
, P (B ∩ C) = 180
20000
P (A ∩B ∩ C) = 30
20000
.
A probabilidade pedida é P (A ∩ (B ∪ C)).
O conjunto A pode ser representado como união disjunta dos eventos (vide figura):
A = [A ∩ (B ∪ C)] ∪ [A ∩ C] ∪ [(A ∩B)− (A ∩B ∩ C)]
Assim, a probabilidade P (A) pode ser obtida como a soma das probabilidade que compõem a representação
anterior, isto é:
P (A) = P [A ∩ (B ∪ C)] + P (A ∩ C) + P [(A ∩B)− (A ∩B ∩ C)]
= P [A ∩ (B ∪ C)] + P (A ∩ C) + P (A ∩B)− P (A ∩B ∩ C).
Logo, a probabilidade requerida é
P [A ∩ (B ∪ C)] = P (A)− P (A ∩ C)− P (A ∩B) + P (A ∩B ∩ C)
=
2100
20000
− 120
20000
− 420
20000
+
30
20000
= 0, 0795.
(b) A probabilidade pedida é P (A ∪B ∪ C)
P (A ∪B ∪ C) = P (A) + P (B) + P (C)− P (A ∩B)− P (A ∩ C)− P (B ∩ C) + P (A ∩B ∩ C)
=
2100
20000
+
1850
20000
+
2600
20000
− 120
20000
− 420
20000
− 180
20000
+
30
20000
= 0, 293.
(c) A probabilidade pedida é P (A ∪B ∪ C) = 1− P (A ∪B ∪ C) = 1− 0, 293 = 0, 707.
2. (a) Através da árvore temos 4 resultados posśıveis para o experimento, sendo que em 3 deles o Carlos chega
no horário e apenas quando perde o taxi ele chega atrasado, com probabilidade 1/6.
(b)
Seja Y ∼ Binomial(n, p), n = 300 e p = 1/6. Temos E[Y ] = 50 e var(Y ) = 250/6. Calculando
P (Y > 60) = P
(
Z >
60− 50 + 0, 5√
250/6
)
= P (Z > 1, 63) = 0, 052.
Assim, a probabilidade de Carlos ter pelo menos 60 atrasos (20%) durante 300 dias é pequena, 5.2%. Ele
deve conseguir se manter no emprego.
3. (a) Como o intervalo é simétrico em torno da estimativa pontual, esta estimativa é então o ponto médio do
intervalo, isto é, p̂ = (0, 66 + 0, 94)/2 = 0, 80.
(b) Como p̂ = 0, 80, então
0, 14 = z0,975
1
2
√
n
= 1, 96
1
2
√
n
⇒ n =
(
1, 96
2× 0, 14
)2
= 49.
(c) O intervalo não conservativo é da forma
IC(0, 95) =
(
p̂− z0,975
√
p̂(1− p̂)
n
; p̂+ z0,975
√
p̂(1− p̂)
n
)
=
(
0, 8− 1, 96
√
0, 8× 0, 2
49
; 0, 8 + 1, 96
√
0, 8× 0, 2
49
)
= (0, 688; 0, 912).
Sim! O intervalo de confiança conservativo apresenta maior amplitude, pois considera o cenário mais con-
servador (maior amplitude posśıvel), isto é, quando p(1− p) = 1/4.
4. (a) Como 6,5 é a mediana, esse valor deixa 50% dos dados a sua esquerda e 50% à direita, portanto ambos
os intervalos contêm a mesma quantidade de dados.
(b) A cerca superior vale Q3 + 1, 5DIQ = 8, 7 + 1, 5 × 4, 7 = 15, 75. Como a observação 12,7 é menor que
15,75 e é claramente maior que a cerca inferior, não é considerada um outlier.
(c) Defina as variáveis aleatórias Xi que assumem o valor 1 se o tempo de falha da i-ésima componente
sorteada é menor que 8,7 meses e 0 caso contrário. Xi são iid’s com distribuição Bernoulli(0,75) pois 8,7 é o
terceiro quartil populacional.
Seja Y =
∑50
i=1Xi. Logo, Y ∼ Binomial(50; 0, 75).
Pelo TCL, temos que Y ≈ N(np, np(1− p)), onde p = 0, 75 e n = 50, ou seja,
Y ≈ N(37, 5; 9, 375).
Assim, temos (aplicando a correção de continuidade)
P (Y > 35) ≈ P (Y ≥ 35, 5) = P
(
Y − 37, 5√
9, 375
>
35, 5− 37, 5√
9, 375
)
≈
≈ 1− φ
(
−2√
9, 375
)
= 1− φ(−0, 6532) =
= φ(0, 6532) = 0, 7432.
UFRJ - CCMN - IM - Departamento de Métodos Estatísticos
Prova Final de Probabilidade e Estatística 28-11-2017
Atenção: Não serão aceitas respostas sem justificativa.
Resolver as questões nos espaços apropriados.
1. A distribuição do peso dos usuários de um elevador pode ser modelada por uma Normal com média 72kg e com desvio
padrão 10kg. Suponha que cinco pessoas apareçam aleatoriamente para usar esse elevador.
(a) Sabendo que o limite de peso recomendado para o elevador é de 400 kg, calcular a probabilidade de que o peso
no elevador exceda esse limite.
(b) Na construção de um novo elevador, qual deve ser o limite de carga para que se garanta, com 98% de chance,
que a soma dos pesos de cinco pessoas dessa população de usuários não ultrapasse este limite?
(c) Suponha agora que este elevador será usado para transportar carga de 50 pacotes. A distribuição do peso de
cada pacote, sendo todos provenientes do mesmo fornecedor, não pode ser modelado pela Normal. Sabe-se que
os pacotes têm em média 7,5 Kg e desvio padrão 2 kg. Calcular a probabilidade de que o peso no elevador exceda
esse limite.
2. A trava se segurança de um aparelho industrial deve ser trocada com frequência, de modo a evitar a quebra devido
ao desgaste. Estudos anteriores admitem que a vida útil dessa trava pode ser representada por uma variável aleatória
contínua, assumindo valores entre 0 e 1 ano, com função de densidade de probabilidade dada por
f(x) =
{
3
2
(1− x2), se 0 < x 6 1;
0, caso contrário.
(a) Calcule a probabilidade da vida útil ser superior a seis meses.
(b) Determine a vida útil média.
(c) Calcule o desvio padrão da vida útil do aparelho industrial.
3. Seja X uma variável aleatória com distribuição N (µ, σ2), e seja (X1, . . . , Xn) uma amostra aleatória da variável X.
Considere os seguintes dois estimadoresda variância σ2:
S2 =
1
n− 1
n∑
i=1
(Xi −X)2 e σ̂2 =
1
n
n∑
i=1
(Xi −X)2,
em que X =
1
n
∑n
i=1Xi. Sabe-se que S
2 é um estimador não-viesado para σ2, e que Var(S2) =
2σ4
n− 1
.
(a) Calcule o víes de σ̂2.
(b) Compare os Erros Quadráticos Médios (EQM) dos estimadores S2 e σ̂2. Qual deles tem menor EQM?
4. Uma organização universitária deseja estimar a porcentagem de estudantes que são favoráveis a criação de um novo
estatuto. Ela seleciona uma amostra de 200 estudantes, aleatoriamente, e constata que 120 são favoráveis a este novo
estatuto.
(a) Construir um intervalo de confiança para p, a verdadeira porcentagem de estudantes favoráveis na população,
com nível de confiança de 98%.
(b) Qual deverá ser o tamanho da amostra para se ter um erro de estimação máximo de 5% com probabilidade de
98%.
(c) Testar a hipótese de p ser menor ou igual a 0,55 contra a alternativa de p ser maior que 0,55 ao nível de significância
de 5%.
Boa Prova!
Solução
1. Sejam a v.a.Xi=Peso da pessoa i, que usa o elevador; Xi ∼ N(µ = 72, σ2 = 102) ;
XT = X1 + · · ·+X5; XT ∼ N(5× µ = 360; 5× 102 = 500 ≈ 22, 362) e
a v.a.Yi=Peso do pacote i; Yi ∼ N(µ = 7, 5, σ2 = 22) ;
YT = Y1 + · · ·+ Y50; Como são 50 pacotes, n grande, poderemos usar o TCL, então,
YT ∼ N(50× 7, 5 = 375; 50× 22 = 200 ≈ 14, 142) .
(a) P (XT > 400) = 1− P (Z < 400−36022,36 ) = 1− Φ(1, 79) = 1− 0, 9633 = 0, 0327.
(b) P (XT < lim) = 0, 98; lim−36022,36 = 2, 05; lim = 405, 84.
(c) P (YT > 400) = 1− P (Z < 400−37514,14 ) = 1− Φ(1, 77) = 1− 0, 9616 = 0, 0384.
2. (a) Pr(X > 0, 5) =
∫ 1
1/2
3
2
(1− x2)dx = 3
2
[
x− x
3
3
]1
1/2
=
3
2
[
1− 1
3
− 1
2
+
1
8× 3
]
=
5
16
= 0, 3125.
(b) E(X) =
∫ 1
0
xf(x)dx =
∫ 1
0
x
3
2
(1− x2)dx = 3
2
[
x2
2
− x
4
4
]1
0
=
3
2
[
1
2
− 1
4
− 0 + 0
]
=
3
8
= 0, 375 anos (0, 375× 12 =
4, 5 meses).
(c) E(X2) =
∫ 1
0
x2f(x)dx =
∫ 1
0
x2
3
2
(1− x2)dx = 3
2
[
x3
3
− x
5
5
]1
0
=
3
2
[
1
3
− 1
5
− 0 + 0
]
=
1
5
= 0, 2 anos2.
Var(X) = E(X2)− [E(X)]2 = 1
5
−
(
3
8
)2
=
19
320
= 0, 059375 anos2.
DP(X) =
√
0, 059375 = 0, 2436699 anos.
3. (a) O víes do estimador σ̂2 é definido como B(σ̂2) = E(σ̂2) − σ2. O estimador σ̂2 pode ser expresso em função do
estimador S2, ou seja, σ̂2 =
n− 1
n
S2. Então, E(σ̂2) =
n− 1
n
E(S2) =
n− 1
n
σ2 =⇒ B(σ̂2) = E(σ̂2)−σ2 = − 1nσ
2.
(b) O EQM do estimador σ̂2 é EQM(σ̂2) = V ar(σ̂2) +B2(σ̂2). Sabendo que σ̂2 =
n− 1
n
S2 e que Var(S2) =
2σ4
n− 1
,
temos que Var(σ̂2) =
(n− 1)2
n2
2σ4
n− 1
=
2(n− 1)
n2
σ4. Então, EQM(σ̂2) =
2n− 1
n2
σ4.
O EQM do estimador S2 é EQM(S2) =
2
n− 1
σ4, porque ele é não tendencioso. Não é difícil ver que, para todo
n > 1
2n− 1
n2
σ4 <
2
n− 1
σ4
e podemos concluir que EQM(σ̂2) < EQM(S2).
4. (a) Usando a amostra: p̂ ± 2, 33
√
p̂(1−p̂)√
200
→ 0, 6 ± 0, 0807 = [0, 5193, 0, 6807]
Conservativo: 0, 6 ± 2, 33 1√
200∗4 → 0, 6 ± 0, 0824 = [0, 5176; 0, 6824]
(b) P (|p̂− p| ≤ 0, 05) = 0, 98 → P ( −0,05√
p̂(1−p̂)
n
< Z < 0,05√
p̂(1−p̂)
n
) = 0, 98 → n = ( 2,330,05 )
2 × 0, 6× (1− 0, 6) ≈ 522
(c) Usando n = 200 → p-valor=P (p̂ > 0, 60|H0) = P (Z > 0,60−0,55√ 0,55∗0,45
200
) = P (Z > 1, 4213) = 0, 077
Logo, como p-valor é maior do que 0,05 H0 não deve ser rejeitada.
UFRJ - CCMN - IM - Departamento de Métodos Estatísticos
Prova Final de Probabilidade e Estatística
Atenção: Só serão aceitas respostas com justificativa. - 27/06/2017
1. Considere um reino encantado bem, bem distante. Há uma chance de 50% de que uma rainha carregue o gene da
magia. Se ela for portadora do gene, então cada príncipe terá, um independentemente do outro, 50% de chance de ter
poderes mágicos. Se a rainha não for portadora desses poderes, os príncipes não herdarão o dom da magia. A rainha
teve três filhos.
(a) Se a rainha for portadora do gene da magia, qual a probabilidade de pelo menos um de seus três filhos possuir o
gene da magia?
(b) Supondo que todos os filhos da rainha não têm poderes mágicos, qual a probabilidade de que ela seja portadora
do gene da magia?
2. Admita que o intervalo de tempo T entre duas chegadas sucessivas de mensagens de Whatsapp ao celular de determi-
nada pessoa segue uma distribuição Exponencial, e que a probabilidade de que esse intervalo de tempo seja maior que
20 minutos é igual a 0,135.
(a) Em média, quanto tempo após a chegada de uma mensagem deve chegar a próxima mensagem?
(b) Qual a probabilidade de que T seja no máximo 40 minutos, dado que T é no mínimo 25 minutos?
(c) Qual o desvio padrão do número de mensagens que a pessoa recebe em meia hora?
(d) Qual a probabilidade de que, ao longo de 1 hora, ela receba pelo menos 4 mensagens?
3. Sejam T1 e T2 dois estimadores não tendenciosos do parâmetro θ tais que
Var(T1) = 1, Var(T2) = 4 e COV(T1, T2) = −1.
Considere o estimador de θ definido por
T = αT1 + (1− α)T2, α ∈ R.
(a) Para que valores de α, T é um estimador não tendencioso de θ?
(b) Expresse a variância de T em função de α.
(c) Para que valor de α, a variância de T é mínima?
4. Uma companhia produz peças para um aparelho. A medição do tamanho, em mm, para 30 espécimes de peças desse
tipo resultou nas observações abaixo:
76 79 88 88 90 90 90 92 93 93
94 94 95 95 96 98 98 98 98 99
100 100 101 103 103 107 110 112 117 119
(a) Calcule o p-valor do teste de hipótese para a média populacional dessa variável ser no máximo 95 contra a
alternativa de ser maior do que 95. Baseado no p-valor, que conclusão se tem ao nível α=5%;
(b) Teste a hipótese de que a proporção de peças com comprimento estritamente superior a 100 mm seja maior ou
igual (≥) que 30%, ao nível α de 8% ;
(c) Utilize os dados como uma amostra piloto para dimensionar uma nova amostra com base na qual se pode obter
uma estimativa da média populacional do comprimento das peças, de modo a que o coeficiente de variação do
estimador, X seja da ordem de 0,01.
Para esta amostra temos:
∑30
i=1 xi = 2916 e
∑30
i=1 x
2
i = 286084.
Boa Prova!
Solução
1. Considere os eventos: R: “rainha possui o gene da magia” e Ai: “príncipe i possui o gene da magia”, com i = 1, 2, 3.
(a) A probabilidade desejada, usando independência condicional, é
P (∪3i=1Ai|R) =
3∑
i=1
P (Ai|R)−
∑
i>j
P (Ai ∩Aj |R) + P (∩3i=1Ai|R)
= (1/2) + (1/2) + (1/2)− (1/2)2 − (1/2)2 − (1/2)2 + (1/2)3
= 7/8.
(b)
P (R| ∩3i=1 Aci ) =
P (R ∩ (∩3i=1Aci ))
P (∩3i=1Aci )
=
P (R)[
∏3
i=1 P (A
c
i |R)]
P (R)[
∏3
i=1 P (A
c
i |R)] + P (Rc)[
∏3
i=1 P (A
c
i |Rc)]
.
Calculando obtém-se
P (R| ∩3i=1 Aci ) =
(1/2)(1/2)(1/2)(1/2)
(1/2)(1/2)(1/2)(1/2) + (1/2)(1)(1)(1)
=
1
9
2. (a) T ∼ Exp(λ). Sabemos que 0,135 = P (T > 20) = e−20λ.
Logo, ln(0, 135) = −2 = −20λ, λ = 0, 1. Assim, E(T ) = 1/λ = 10 minutos.
(b) Pela Propriedade da Perda de memória da Exponencial: P (T > 40|T > 25) = P (T > 40− 25) = P (T > 15) =
e−0,1x15 = e−1,5 = 0, 223.
Portanto, P (T < 40|T > 25) = 1− 0, 223 = 0, 777.
(c) Seja X o número de chegadas de mensagens em meia hora, ou seja, 30 minutos. Então, pela relação existente
entre os modelos Exponencial e de Poisson,X ∼ Poisson(µX), onde µX = 30λ = 30x0, 1 = 3. Logo DP (X) =√
3 = 1, 73.
(d) Seja Y o número de chegadas de mensagens em 1 hora = 60 minutos. Então, Y ∼ Poisson(µY ), onde
µY = 60λ = 60x0, 1 = 6.
Daí, P (Y ≥ 4) = 1˘P (Y ≤ 3) = 1˘(P (X = 0) + P (X = 1) + P (X = 2) + P (X = 3) =
= 1˘e−6(1 + 6 + 62/2 + 63/6) = 0, 849.
3. (a) T é estimador não tendencioso de θ para todo α ∈ R, pois E[T ] = E[αT1 + (1− α)T2] = αE[T1]︸ ︷︷ ︸
=θ
+(1− α) E[T2]︸ ︷︷ ︸
=θ
=
αθ + (1− α)θ = θ.
(b) Var(T ) = α2 Var(T1)︸ ︷︷ ︸
=1
+(1− α)2 Var(T2)︸ ︷︷ ︸
=4
+2α(1− α) COV(T1, T2)︸ ︷︷ ︸
=−1
=
= α2 + 4(1− 2α+ α2)− 2α+ 2α2 = 7α2 − 10α+ 4
(c) Observe que a expressão da variância em função de α é uma parábola com a concavidade voltada para cima de
tal modo que o valor mínimo da variância é obtido no vértice da parábola, ou seja, para α =
−(−10)
2× 7
=
5
7
.
4. Com base na amostra: x =
∑30
i=1 xi
n1
= 291630 = 97, 2mm;
s2 =
∑
x2i−nx
2
n−1 =
286084−30×(97,2)2
29 = 91, 34mm
2; e s =
√
91, 34 = 9, 6mm
(a) A estatística de teste a ser usadaaqui é a média amostral, x . Como o tamanho amostral é razoavelmente grande,
sob H0, X ∼ N(95, s/
√
n). Devido à forma como foram definidas as hipóteses H0: µ ≤ 95 versus H1: µ > 95,
é natural que valores baixos de x nos levem a aceitar H0, enquanto valores altos de x nos levem a rejeitar H0.
Então,
p-valor=P(x > 97, 2)=1-Φ( 97,2−95
9,6/
√
30
) = 1−Φ(1, 25) = 0, 1056. Como o p-valor é uma probabilidade que representa
uma medida de quanto os dados concordam com a hipótese H0, 11% é um valor alto comparado com 5%. Assim,
não temos evidência para a rejeição de H0.
(b) A estatística de teste a ser usada aqui é a proporção amostral, p̂ . Como o tamanho amostral é razoavelmente
grande, sob H0, p̂ ∼ N(p, p(1 − p)/n). Devido à forma como foram definidas as hipóteses H0: p̂ ≥ 0, 3 versus
H1: p̂ < 0, 3, é natural que valores altos de p̂ nos levem a aceitar H0, enquanto valores baixos de p̂ nos levem a
rejeitar H0. Na amostra temos 8 valores estritamente maiores que 100, p̂ = 8/30 = 0, 27 Então,
p-valor=P(p̂ < 0, 27)=Φ( 0,27−0,3√
0,3×0,7/30
) = Φ(−0, 40) = 1 − Φ(0, 40) = 0, 35. Como o p-valor é aproximadamente
35% sendo um valor alto comparado com 8%, não temos evidência para a rejeição de H0.
(c) Com a nova amostra, de tamanho n, o coeficiente de variação do estimador de µ será
cv(X) = (DP (X))/(E(X) =
σ/
√
n
µ
.
Como µ e σ são ambos desconhecidos, vamos substituí-los por suas estimativas baseadas na piloto, de tamanho
n1 = 30, ou seja, x1 = 97, 2mm e s1 = 9, 6mm, respectivamente. Então, para que cv(X) seja aproximadamente
igual a 0,01, devemos ter:
9,6√
n
97,2 = 0, 01, o que implica que n ≈
(
9,6
97,2×0,01
)2
≈ 98 espécimes.
UFRJ - CCMN - IM - Departamento de Métodos Estatísticos
Avaliação Final de Probabilidade e Estatística 05-07-2018
Atenção: Não serão aceitas respostas sem justificativa.
Resolver as questões nos espaços apropriados.
1. Todas as receitas de analgésico que chegam a um ambulatório médico prescrevem aspirina (com 60% de probabilidade)
ou dipirona sódica (com 40% de probabilidade). Num determinado dia há em estoque 70 comprimidos de aspirina e
50 comprimidos de dipirona sódica. Se nesse dia são prescritas 100 receitas de analgésicos, calcule:
(a) A média e o desvio padrão do número de prescrições de aspirina. Indique a expressão matemática para o modelo
probabilístico desta variável;
(b) A probabilidade aproximada de todas as 100 receitas serem atendidas.
2. No processo de modelagem de um problema, sabe-se que determinada variável tem uma distribuição de probabilidade
simétrica. Entretanto há controvérsias sobre se ela deve ser uma Uniforme ou uma Normal. Considere as variáveis
aleatórias X ∼ U[a; b] e Y ∼ N(µ;σ2), tais que E(X) = µ e Var(X) = σ2. Para comparar as distribuições de X e de
Y, calcule:
(a) P (µ−σ<Y <µ+σ)P (µ−σ<X<µ+σ)
(b) P (µ−
√
3σ<Y <µ+
√
3σ)
P (µ−
√
3σ<X<µ+
√
3σ)
(c) diq(Y )diq(X) , (diq, significa distância interquartil).
3. Determinado estudo visa relacionar a renda mensal familiar com o consumo mensal em despesas fundamentais (saúde,
alimentação, educação). Foram coletados dados de renda e consumo de 36 famílias residentes em determinada região
da cidade e, a partir deles, foram obtidos os seguintes valores:∑
xi = 800, 8 ;
∑
x2i = 20759, 62 ;
∑
yi = 545, 8 ;
∑
y2i = 9568, 44 ;
∑
xi yi = 13543, 25 ,
onde x representa a variável renda e y representa a variável consumo (ambos em salários mínimos).
(a) Calcule média e desvio padrão para ambas x e y.
(b) Forneça a reta de regressão associada ao par (renda,consumo).
(c) Calcule a correlação. Com base no valor obtido, diga se a reta de regressão parece fornecer uma boa descrição
da relação entre renda e consumo.
4. Numa linha de produção um engenheiro precisa estimar a proporção de peças defeituosas. Ele deseja que sua estimativa
não se desvie da proporção verdadeira por mais de 0,06 com probabilidade de 95%.
(a) Quantas peças se precisa examinar para satisfazer essa exigência?
(b) Foi verificado que esse tipo de defeito afeta no máximo 15% das peças. Utilizando essa informação adicional,
para quanto seria possível diminuir o tamanho da amostra?
(c) Com esse último tamanho amostral (item b) foi extraída uma amostra para a qual se obteve p̂ = 0, 115. Quanto
seria o p-valor do teste, H0 : p ≤ 0, 10 versus H1 : p > 0, 10? Que decisão deveria ser tomada ao nível de
significância de 5%?
Boa Prova!
Solução
1. Vamos considerar a variável aleatória X: número de prescrições de aspirina. Note que sabendo-se o número de pres-
crições de aspirina sabe-se também o número de prescrições de dipirona sódica. Suposição X ∼ Bin(100; 0, 60).
Então,
(a) E(X) = np = 100 × 0,60 = 60
Var(X) = np(1 - p) = 100 × 0,60 × 0,40 = 24
DP(X) =
√
24 ≈ 4,90
p(x) =
(
100
x
)
× 0, 6x × 0, 4100−x; x=0,...,100
(b) Assim, a distribuição de X pode ser aproximada por Y ∼ N(60; 4,902).
Do enunciado pode-se deduzir que P(todas as prescrições serem atendidas) = P(50 ≤ X ≤ 70).
Então, Fazendo a correção de continuidade:
P(50 - 0,5 ≤ X ≤ 70 + 0,5) ≈ P(49,5 ≤ Y ≤ 70,5)
= P ((49,5 - 60)/4,90 ≤ Z ≤ (70,5 - 60)/ 4,90) = P(-2,14 ≤ Z ≤2,14)
= P(Z ≤ 2,14) - P(Z ≤ -2,14)
= Φ(2,14) - [1 - Φ(2,14)] = 0,9838 - [1 - 0,9838] = 0,9676 ou (96,76%).
Portanto, a probabilidade de todas as prescrições serem atendidas é aproximadamente 0,9676 (ou 96,76%)
2. E(X) = E(Y ) =⇒ a+b2 = µ e DP (X) = DP (Y ) =⇒
(b−a)√
12
= σ =⇒ σb−a =
1
2
√
3
(*)
Esta identidade (*) será usada nos 3 itens a seguir.
(a) P (µ− σ < Y < µ+ σ) = P (−1 < Y−µσ < 1)) = 2Φ(1)− 1
P (µ− σ < X < µ+ σ) = (µ+σ)−(µ−σ)b−a =
2σ
b−a =
1√
3
Então, P (µ−σ<Y <µ+σ)P (µ−σ<X<µ+σ) = (2Φ(1)− 1)
√
3 = 1, 182
(b) P (µ−
√
3σ < Y < µ+
√
3σ) = P (−
√
3 < Y−µσ <
√
3) = 2Φ(
√
3)− 1
P (µ−
√
3σ < X < µ+
√
3σ) = (µ+
√
3σ)−(µ−
√
3σ)
b−a =
2
√
3σ
b−a = 1
Então, P (µ−
√
3σ<Y <µ+
√
3σ)
P (µ−
√
3σ<X<µ+
√
3σ)
= 2Φ(
√
3)− 1 = 0, 917
(c) diq(Y) = q3(Y) - q1(Y) = (µ+ z0,75 σ)− (µ+ z0,25 σ),
onde z0,75 = 0, 675 e z0,25 = −0, 675
Portanto, diq(Y) = 2 x 0,675 σ = 1,35 σ.
diq(X) = q3(X) - q1(X) = ((1/4) a+(3/4) b) - ((3/4) a+(1/4) b) = (b - a)/2
Então, (diq(Y))/(diq(X)) = (1,35 σ)/((b - a)/2) = (1,35×2)/(2
√
3) = 0,779.
3. (a)
x̄ =
800, 8
36
= 22, 24 ȳ =
545, 8
36
= 15, 16
e
sx =
√
20759, 62− 36× 22, 242
35
= 9, 186 sy =
√
9568, 44− 36× 15, 162
35
= 6, 082 .
(b) A covariância amostral é
sxy =
13543, 25− 36× 22, 24× 15, 16
35
= 40, 158 .
Daí obtemos o coeficiente angular da reta de regressão
b =
sxy
s2x
=
40, 158
9, 1862
= 0, 4759
e o intercepto
a = ȳ − bx̄ = 15, 16− 0, 4759× 22, 24 = 4, 576 .
Portanto a reta de regressão é y = 0, 4759x+ 4, 576.
(c) A correlação é
rxy =
sxy
sxsy
=
40, 158
9, 186× 6, 082
= 0, 7188 .
A correlação é suficientemente próxima de um para indicar que a reta de regressão possivelmente terá um bom
ajuste ao conjunto de dados e logo fornece uma boa descrição (não exata claro!) da relação entre renda e consumo.
4. (a) O erro absoluto da estimativa é d=0,06. P (|p̂ − p| < d) = 0, 95, com Φ(z) = 0, 975, temos z=1,96. Como não
temos informação alguma sobre p, utilizaremos p = 0,5 que maximiza p(1-p) e calculamos o tamanho amostral:
n =
(z
d
)2
p(1− p) =
(
1, 96
0, 06
)2
0, 25 = 266, 7 ≈ 267
(b) Se p for no máximo 0,15, o novo tamanho diminuido seria:
n =
(z
d
)2
p(1− p) =
(
1, 96
0, 06
)2
0, 15× 0, 85 = 136, 06 ≈ 137
(c) p-valor = P
(
Z > p̂−p0√
p0(1−p0)
n
)
= 1− Φ
(
0,115−0,10√
0,10×0,90
137
)
= 1− Φ(0, 59) = 1− 0, 7224 = 0, 2776
Como o p-valor é razoavelmente grande não se tem evidência para a rejeição da hipótese H0. Esse experimento,
com essa amostra, confirma que p deve ser menor que 10%.
UFRJ - CCMN - IM - Departamento de Métodos Estatísticos
Prova Final de Probabilidade e Estatística 05-12-2018
Atenção: Não serão aceitas respostas sem justificativa.
Resolver as questões nos espaços apropriados.
Q1) A partir de uma variável aleatória U uniformemente distribuída sobre o intervalo [0, 1], defina duas variáveis aleatórias
X e Y da seguinte maneira:
X =
{
1, se U ≤ 0, 3
0, caso contrário
e Y =
{
1, seU ≤ 0, 6
0, caso contrário
.
(a) Obtenha a função de probabilidade conjunta do par (X,Y ).
(b) As variáveis aleatórias X e Y são independentes? Justifique.
(c) Calcule Cov(X,Y ).
(d) Calcule P (X = 1|Y = 1) e P (Y = 0|X = 0).
Q2) A distribuição X da temperatura (em graus Celsius) de solidificação de uma substância pode ser modelada por uma
Normal. Não se tem conhecimento dos parâmetros de X, mas sabe-se que P(X<50)=0,0227 e P(X>80)=0,1586.
(a) Calcule os parâmetros µ e σ da distribuição de X.
(b) Qual a probabilidade de X pertencer ao intervalo I = [55; 80]?
(c) Se 40 medições da temperatura de solidificação dessa substância forem realizadas, qual a probabilidade da variável
X pertencer ao intervalo I em pelo menos 25 das 40 repetições?
Q3) Deseja-se estimar simultaneamente:
i) A média µ, em mg/l, da concentração da substância S em determinado produto químico; e
ii) A proporção p de unidades desse produto nas quais a concentração de S é superior a 5,5 mg/l.
Para isso foi coletada uma amostra piloto composta por 10 unidades amostrais desse produto, para as quais a concen-
tração da substância S, em mg/l, foi medida. Eis os resultados: 12,03 7,75 6,97 7,06 5,86 7,99 4,30 6,12 4,43
5,73. Para simplificar os cálculos, informam-se:
∑
xi = 68, 24; mg/l e
∑
x2i = 509, 79 (mg/l)2.
Pergunta-se:
(a) Quais são as estimativas da média µ e do desvio padrão σ da concentração de S, bem como da proporção p, com
base na amostra piloto?
(b) Qual o tamanho mínimo de uma nova amostra com base na qual se possa estimar a proporção p de forma que o
erro absoluto seja inferior a 0,08 com 95% de probabilidade?
(c) Se for utilizada essa mesma amostra dimensionada no item (b), qual a probabilidade de que na estimação de µ
seja cometido um erro máximo de 0,3 mg/l?
Admita que o tamanho da amostra calculado no item (b) é suficientemente grande para que seja válida a aproximação
fornecida pelo Teorema Central do Limite.
Q4) O atual tempo de travessia de barcas entre Rio de Janeiro e Niterói é considerado uma variável aleatória com distri-
buição Normal de média 15 minutos e desvio padrão de 3 minutos. Uma nova barca da empresa concorrente MSC
Barcas vai entrar em operação e os responsáveis garantem que será mais rápida que as anteriores. Teste a hipótese de
que o tempo médio de travessia é igual ou superior a 15 minutos versus a alternativa de que ele é inferior a 15 minutos.
(a) Para uma amostra de 20 tempos de travessia com a nova barca, obteve-se um tempo médio de 14,5 minutos.
Obtenha a região crítica (ou região de rejeição) do teste considerando um nível de 5%. Tome sua decisão.
(b) Obtenha o p-valor do teste. O resultado está coerente com a conclusão do item (a)? Justifique.
(c) Calcule a probabilidade do erro tipo II, se a nova barca gasta, em média, 2 minutos a menos que as anteriores
para completar a travessia.
Boa Prova!
Solução
Q1) (a) Como U ∼ U(0, 1) segue que:
P (X = 1, Y = 1) = P (U ≤ 0, 3) = 0, 3,
P (X = 0, Y = 1) = P (0, 3 < U ≤ 0, 6) = 0, 3,
P (X = 0, Y = 0) = P (U > 0, 6) = 0, 4.
Além disso, como Y ≥ X temos que P (X = 1, Y = 0) = 0.
(b) X e Y não são independentes, pois, por exemplo:
P (X = 1, Y = 0) = 0 6= (0, 3)(0, 4) = P (X = 1)P (Y = 0).
(c) Ora, já que U ∼ U(0, 1), temos que
E(X) = P (U ≤ 0, 3) = 0, 3, E(Y ) = P (U ≤ 0, 6) = 0, 6
Além disso, E(XY ) = P (XY = 1) = P (U ≤ 0, 3) = 0, 3. Logo,
Cov(X,Y ) = E(XY )− E(X)E(Y ) = (0, 3)− (0, 3)(0, 6) = 0, 12.
(d) Usando a definição de probabilidade condicional temos,
P (X = 1|Y = 1) = P (X = 1, Y = 1)/P (Y = 1) = (0, 3)/(0, 6) = 0, 5
e
P (Y = 0|X = 0) = P (X = 0, Y = 0)/P (X = 0) = (0, 4)/(0, 7) = 0, 5714.
Q2) (a) X ∼ N(µ, σ). Sabemos que:
Φ( 80−µσ ) = 1− 0, 1586 = 0, 8414. Assim,
80−µ
σ ≈ 1
Φ( 50−µσ ) = 0, 0227. Assim, Φ(
µ−50
σ ) = 1− 0, 0227 = 0, 9773, então,
µ−50
σ = 2, 0009 ≈ 2
Temos 2 equações e 2 incógnitas. Resolvendo o sistema, µ = 70 e σ = 10.
(b) P (55 < X < 80) = Φ(80−7010 )− Φ(
55−70
10 ) = Φ(1)− Φ(−1, 5) = Φ(1) + Φ(1, 5)− 1
P (55 < X < 80) = 0, 8413 + 0, 9332− 1 = 0, 7715 ≈ 0, 77.
(c) Seja Y = Número de repetições com tempo no intervalo I, Y ∼ Bin(n = 40; p = 0, 77).
Como np(1− p) = 40× 0, 77× 0, 23 = 7, 084 ≥ 3, podemos aproximar Y por
Yc ∼ N(µ = np = 30, 8;σ2 = np(1− p) = 7, 084 = 2, 662). Então,
P (Y ≥ 25) ≈ P (Yc > 24, 5) = 1− Φ( 24,5−30,82,66 ) = 1− Φ(−2, 37) = Φ(2, 37) = 0, 9911.
Q3) (a) As estimativas de µ, σ e p a partir da amostra piloto são, respectivamente:
x̄ =
∑
xi
10 = 6,82 mg/l ; s =
√∑
xi2−
(
∑
xi)
2
10
9 = 2,23 mg/l; p̂ =
8
10 = 0, 8.
(b) Aproximando Binomial por Normal, e usando a estimativa de p fornecida pela piloto, o tamanho mínimo da nova
amostra para garantir que
P[| p̂− p | < 0,08] = 0,95, é n = ( z0,9750,08 )
2p(1− p) ≈ ( 1,960,08 )
20, 8× (1− 0, 8) ≈ 97.
Uma regra prática afirma que, para garantir a validade da aproximação da Binomial pela Normal, devemos ter
np(1-p) ≥ 3. Ora, como 97× 0, 8× (1− 0, 8) = 15,52 ≥ 3, essa condição está sendo atendida neste caso.
(c) Aplicando o TCL, e usando a estimativa de σ fornecida pela piloto, temos:
P[| X̄ − µ |< 0, 3] ≈ 2Φ( 0,3
√
97
2,23 )− 1 = 2Φ(1, 32)− 1 = 0, 82.
Q4) (a) As hipóteses de interesse são:{
H0 : o tempo médio de travessia é igual ou superior a 15 minutos
H1 : o tempo médio de travessia é inferior a 15 minutos
As hipóteses envolvem o parâmetro µ e podem ser escritas como:{
H0 : µ ≥ 15
H1 : µ < 15
Uma vez que o teste unilateral envolve a média populacional, consideramos a média amostral X̄ para construir
a estatística de teste e usamos o fato de que X̄ ∼ N(µ, σ2/n = 32/20). A estatística de teste sob H0 é:
Z =
X̄ − µ
σ/
√
n
=
X̄ − 15
3/
√
20
∼ N(0, 1)
Dada a amostra de tamanho n = 20, sob a hipótese nula, o valor observado de Z é:
zobs =
x̄− µ
σ/
√
n
=
14, 5− 15
3/
√
20
= −0, 745.
e podemos decidir pela a aceitação ou rejeição de H0 sob o nível de significância de 5% já previamente estipulado.
Note que a regra de decisão pode ser formulada em termos da estatística Z ou em termos da própria média
amostral X̄. Rejeitamos H0 se
zobs < −1, 64,
ou equivalentemente, se
x̄ < 15− 1, 64 3√
20
= 13, 89
Como zobs > −1, 64, estamos na região de aceitação da hipótese e a decisão é não rejeitar a hipótese de que o
tempo médio de travessia das barcas seja superior ou igual a 15 km/l. Da mesma forma, como x̄ = 14, 5 não
pertence à região crítica, não rejeitamos a hipótese H0 ao nível de significância de 5%.
(b) Como o teste é unilateral a esquerda, o p-valor será dado por:
p− valor = P
(
X̄ ≤ x̄obs | H0 verdadeira
)
= P
(
X̄ − µ
σ/
√
n
≤ 14, 5− 15
3/
√
20
)
= P (Z ≤ −0, 745) = 1− P (Z ≤ 0, 745)
= 0, 226.
Como p− valor > α, concluímos pela não rejeiçao de H0.
(c) Assumindo µ = 13 a probabilidade do erro do tipo II é dada por
β(13) = P (não rejeitarH0 | H0 falsa)
= P (X̄ ≥ 13, 89 | µ = 13)
= P
(
X̄ − 13
3/
√
20
≥ 13, 89− 13
3/
√
20
)
= P (Z ≥ 1, 32) = 1− Φ(1, 32)
= 1− 0, 906 = 0, 094
Assim, se µ = 13 minutos, a probabilidade de concluirmos de forma equivocada que H0 não deveria ser rejeitada
é 0,094.
UFRJ - CCMN - IM - Departamento de Métodos Estatísticos
Avaliação Final de Probabilidade e Estatística 02-07-2019
Atenção: Não serão aceitas respostas sem justificativa.
Resolver as questões nos espaços apropriados.
Q1) Sejam (X1, X2) a variável aleatória bidimensional cuja distribuição conjuntadada é dada pela tabela:
X1 \X2 -1 0 1 p1(x1)
-1 0,2 0,0 0,2 0,4
0 0,0 0,2 0,0 0,2
-1 0,2 0,0 0,2 0,4
p2(x2) 0,4 0,2 0,4 1
(a) Calcule E(Xi) e Var(Xi), sendo i=1,2.
(b) Calcule E(X1X2) , Cov(X1, X2) e Var(X1 −X2). As v.a.‘s X1 e X2 são independentes?
(c) O que se pode dizer sobre a veracidade da afirmação:
"Se X1 e X2 são independentes, então Cov(X1, X2)=0"? Justifique.
(d) O que se pode dizer com relação a esta afirmação:
"Se Cov(X1, X2)=0, então X1 e X2 são independentes"? Justifique.
Q2) A quantidade de partículas emitidas por uma fonte radioativa durante um período de uma hora é uma variável
aleatória de Poisson com parâmetro λ, a princípio desconhecido. Sabe-se que a probabilidade denenhuma
partícula ser emitida durante esse intervalo de tempo é de 0,00673.
(a) Em média, quantas partículas são emitidas por hora? Escreva também a expressão da função densidade
de probabilidade de T , o tempo em horas entre duas emissões consecutivas.
(b) Sabendo que em 20 minutos após uma emissão nenhuma outra partícula foi emitida, qual a probabilidade
de que precisamos esperar mais meia hora pela próxima emissão?
(c) Sejam X1, . . . , X24 os números de partículas emitidas pela fonte ao longo das 24 horas de um determinado
dia, e admita que as quantidades de partículas emitidas em horas distintas são independentes entre sí.
Qual é a probabilidade de, ao longo dessas 24 horas, observarmos a emissão de no máximo 100 partículas?
Q3) Sejam X̄1 a média de uma amostra aleatória de dimensão n extraída de uma população normal de valor
esperado µ e variância σ21 , e X̄2 a média de uma amostra aleatória de dimensão n, independente da primeira,
extraída de uma população normal de valor esperado µ e variância σ22 . Mostre que:
(a) Se w ∈ [0, 1], wX̄1 + (1− w)X̄2 é um estimador não viesado de µ.
(b) A variância do estimador em (a) é mínima quando w = σ
2
2
σ21+σ
2
2
Q4) Em uma linha de produção, o engenheiro responsável pelo controle de qualidade deseja estimar a proporção
p de itens defeituosos produzidos. Para isso, seleciona aleatoriamente uma amostra de 50 itens, observando
4 itens defeituosos. Historicamente, mesmo em ocasiões de descontrole na linha de produção, a proporção de
itens defeituosos jamais superou 15% e o engenheiro acredita que esse limiar continue a valer.
(a) Construa um intervalo não conservativo ao nível de confiança 95% para a proporção de itens defeituosos
na linha de produção.
(b) Qual deve ser o tamanho de amostra coletada para que, ao se utilizar a proporção amostral de itens
defeituosos (p̂) como estimador da proporção de itens defeituosos (p) na linha de produção, o erro absoluto
de estimação |p̂− p| seja inferior a 0,05, com probabilidade 95%?
(c) Com base nos resultados experimentais calcule o p-valor correspondente ao teste da hipótese H0 de que
a proporção de itens defeituosos não supera 7% contra a alternativa H1 de que supera 7%.
Boa Prova!
Solução
Q1) (a) E(Xi) = −1× 0, 4 + 0× 0, 2 + 1× 0, 4 = 0
V ar(Xi) = E(X
2
i ) = (−1)2 × 0, 4 + 02 × 0, 2 + 12 × 0, 4 = 0, 8
(b) E(X1X2)) = 1× 0, 2 + (−1)× 0, 2 + 1× 0, 2 + (−1)× 0, 2 = 0
Cov(X1, X2)) = E(X1X2))− E(X1)E(X2)) = 0
V ar(X1 −X2)) = V ar(X1) + V ar(X2))− 2Cov(X1, X2)) = 1, 6
X1 e X2 não são v.a.’s independentes! Pois, p(-1, -1)=0,2 6= p(-1) p(-1) = 0,4 0,4=0,16
(c) Como, Cov(X,Y ) = E(XY )− E(X)E(Y ), quando X e Y são independentes, Cov(X,Y ) = 0.
(d) Nos itens (a) e (b) acima vimos um contra exemplo que mostra que a recíproca da afirmação do item (c)
não é verdadeira. X1 e X2 não são independentes, mas a Covariância é zero.
Q2) (a) Seja X o número de partículas emitidas pela fonte radioativa em um período de uma hora. Primeiramente
calculemos o parâmetro λ. Temos que
0, 00673 = P (X = 0) = e−λ ⇒ λ = − ln(0, 00673) = 5,00,
na precisão de duas casas decimais. Como E[X] = λ, em média 5 partículas são emitidas por hora.
Sabemos que T ∼ Exp(λ), de modo que a densidade de T é dada porfT (t) = 5e−5t, para t > 0 e fT (t) = 0,
se t < 0.
(b) Pela propriedade da perda de memória da exponencial, temos que:
P (T > 5/6|T > 1/3) = P (T > 1/2)
=
∫ ∞
1/2
5e−5t dt = 0,08 = 8%.
(c) Seja Y = X1+. . . ,+X24 o número de partículas emitidas ao longo do dia. Sabemos que Y ∼ Poi(5×24) =
Poi(120), porém é inviável trabalhar com tal distribuição. Por isso, com base no TCL, a aproximamos
por uma v.a. Ỹ , com distribuição Normal de média µ = λ = 120 e variância σ2 = λ = 120. Usando a
correção para a continuidade, temos que:
P (Y ≤ 100) = (Y ≤ 100, 5)
≈ P (Ỹ ≤ 100, 5) = P
(
Ỹ − 120√
120
<
100, 5− 120√
120
)
= Φ(−1, 78) = 1− 0, 9625 = 0, 0375.
Q3) (a) wX̄1+(1−w)X̄2 é não viesado se E[wX̄1+(1−w)X̄2] = µ. Por hipótese do exercício E(X̄1) = E(X̄2) = µ.
Então, temos que E[wX̄1 + (1 − w)X̄2] = wE(X̄1) + (1 − w)E(X̄2) = wµ + (1 − w)µ = µ. Logo,
wX̄1 + (1− w)X̄2 é não viesado.
(b) A variância de wX̄1 + (1− w)X̄2 é dada por
V (w) = V ar(wX̄1 + (1− w)X̄2) = w2V ar(X̄1) + (1− w)2V ar(X̄2) = w2
σ21
n
+ (1− w)2σ
2
2
n
Igualando a zero a derivada dessa expressão com relação a w, conclui-se que V ar(wX̄1 + (1−w)X̄2) será
mínima se
dV
dw
= 2w
σ21
n
− 2(1− w)σ
2
2
n
= 0
ou equivalentemente se
w =
σ22
σ21 + σ
2
2
.
A garantia de que o ponto é de mínimo está no fato da segunda derivada ser sempre positiva:
d2V
dw2
= 2
σ21
n
+ 2
σ22
n
> 0
Q4) (a) Os extremos do Intervalo de Confiança serão dados por:
4/50± 1, 96
√
4/50×46/50
50 , ou seja
0, 08± 0, 0752 = (0, 0048; 0, 1552).
(b) Para que P [|p̂− p| < 0, 05] = 0, 95,
o tamanho amostral deve ser
n = (
z0,975
0,05 )
2p(1− p) .
Como p≤0,15, podemos fazer
n = ( 1,960,05 )
2 × 0, 15× 0, 85 = 195, 92 ≈ 196
(c) p-valor=1-Φ
(
0,08−0,07√
0,07×0,93
50
)
= 1 − Φ(0, 28) = 0, 3897. Com o p-valor tão grande não há evidência para a
rejeição da hipótese H0.
UFRJ - CCMN - IM - Departamento de Métodos Estat́ısticos
Avaliação Final de Probabilidade e Estat́ıstica 29-11-2019
Atenção: Não serão aceitas respostas sem justificativa.
Resolver as questões nos espaços apropriados.
Q1) O custo de fábrica de um determinado produto é R$500, 00 e ele é vendido por R$1.000, 00 em uma certa loja.
Quando um cliente compra esse produto, ele tem direito a 6 meses de garantia e caso o produto apresente defeito
nesse prazo, ele trocará por um novo (gerando um prejúızo de R$500, 00 para a loja). Assuma que essa troca só
pode ser feita uma vez por cliente e considere que o tempo até esse produto apresentar defeito (em anos) é uma
variável aleatória X, cuja função densidade de probabilidade é apresentada abaixo:
f(x) =
x2
2 , para 0 ≤ x ≤ 1
13−3x
20 , para 1 < x ≤
13
3
0, caso contrário
(a) Qual o valor esperado do lucro para a loja com a venda de uma unidade desse produto?
(b) Considere que a loja oferecerá a opção do cliente pagar um adicional de R$200, 00 por uma garantia extendida,
que aumenta em 1 ano o prazo para troca em caso de defeito. O valor esperado do lucro para a loja com a
venda de uma unidade com garantia extendida será maior ou menor do que com a garantia padrão? Justifique.
(c) Calcule qual tempo adicional máximo que a loja pode oferecer na garantia extendida de modo que essa opção
não leve a um lucro esperado inferior ao de uma venda sem garantia extendida.
Q2) Admita que o atendimento, em minutos, num caixa de um banco seja uma v.a. T , com densidade
f(t) = 0, 25te−0,5t, t ≥ 0 e f(t) = 0, t < 0.
(a) Mostre que, de fato, f(t) é uma função de densidade.
(b) Calcule a função de distribuição acumulada do tempo de atendimento, F (t). Calcule também P (T > 2).
(c) Suponha agora que o tempo de atendimento do outro caixa, X, seja uma v.a. com densidade
f(x) = 2e−2x, x ≥ 0 e f(x) = 0, x < 0.
Calcule P (X > 2) e P (2 < X ≤ 3).
Q3) Para estimar a média µ de uma população, foram propostos três estimadores não viesados, µ̂1, µ̂2 e µ̂3, obtidos
a partir de três amostras independentes, tal que V ar(µ̂1) = 2V ar(µ̂2) = 3V ar(µ̂3). Considere os seguintes
estimadores ponderados de µ:
T1 =
µ̂1 + 2µ̂2 + 3µ̂3
6
, T2 =
3µ̂1 + 2µ̂2 − µ̂3
4
e T3 =
µ̂1 + µ̂2
2
(a) Determine se os estimadores T1, T2 e T3 são ou não viesados.
(b) Qual estimador possui o menor erro quadrático médio (EQM)?
Q4) Uma empresa fabricante de luvas, antes de lançar um novo modelo de luvas no mercado, deseja realizar um estudo
sobre o tamanho das mãos dos indiv́ıduos da população alvo (distância do dedo mindinho ao polegar da mão
aberta) a partir de uma amostra aleatória de tamanho n. Estudos anteriores mostram que é razoável assumir que
essa medida se comporta segundo uma distribuição normal.
(a) Qual deve ser o valor de n de forma que o intervalo de confiança de 95% para o tamanho médio das mãos
dos indiv́ıduos da população,µ, tenha amplitude menor ou igual a 0, 2σ? (σ corresponde ao desvio padrão
populacional.)
(b) Em uma amostra de 400 indiv́ıduos, observou-se média de 17,5 cm e variância amostral de 25 cm2. Obtenha
um intervalo de 95% de confiança para o tamanho médio das mãos dos indiv́ıduos da população. Interprete-o.
(c) Um intervalo com uma confiança maior teria amplitude maior ou menor? Justifique.
Boa Prova!
Solução
Q1) (a) Vamos denotar por L o lucro de uma venda. Note que L é uma variável aleatória discreta que só pode assumir
os valores −500 (caso o produto apresente defeito em menos de 12 anos) e 500 (caso o produto não apresente
defeito antes de 12 anos). Vamos então calcular primeiro P (L = −500) e P (L = 500):
P (L = −500) = P
(
X <
1
2
)
=
∫ 1
2
0
f(x)dx =
∫ 1
2
0
x2
2
dx =
[
x3
6
] 1
2
0
=
1
48
≈ 0, 021.
P (L = 500) = 1− P (L = −500) = 47
48
≈ 0, 979.
Logo, temos que:
E[L] = −500× 1
48
+ 500× 47
48
≈ 479.
Então, o lucro médio de uma venda será de R$479, 00.
(b) Vamos denotar por LG o lucro de uma venda com garantia extendida. Note que LG é uma variável aleatória
discreta que só pode assumir os valores −500 (caso o produto apresente defeito em menos de 32 anos) e 700
(caso o produto não apresente defeito antes de 32 anos). Vamos então calcular P (LG = −500) e P (LG = 700):
P (LG = −500) = P
(
X <
3
2
)
=
∫ 3
2
0
f(x)dx =
∫ 1
0
x2
2
dx+
∫ 3
2
1
1
20
(13−3x)dx =
[
x3
6
]1
0
+
1
20
[
13x− 3x
2
2
] 3
2
1
=
=
1
6
+
1
20
(
39
2
− 27
8
− 13 + 3
2
)
=
1
6
+ 0, 23125 ≈ 0, 398.
P (LG = 700) = 1− P (LG = −500) ≈ 1− 0, 398 = 0, 602.
Logo, temos que:
E[LG] = −500× 0, 398 + 700× 0, 602 ≈ 222, 4.
Então, o lucro médio de uma venda com a garantia extendida será de R$222, 40, que é menor do que o lucro
esperado sem a garantia extendida (calculado no item (a)).
(c) Vamos denotar por y o tempo máximo que a garantia extendida pode oferecer para não ser desvantajosa.
Pela resposta do item (a), sabemos que para encontrar y devemos resolver a seguinte equação:
−500P (X < y) + 700(1− P (X < y)) = 479 ⇒ −500P (X < y)− 700P (X < y) = −221
P (X < y) =
221
1200
≈ 0, 1842.
Então, resta apenas obter o quantil 0,1842 da distribuição de X. Como
P (X < 1) =
∫ 1
0
x2
2
dx =
[
x3
6
]1
0
=
1
6
≈ 0, 1667,
temos que P (1 < X < y) = 0, 1842− 0, 1667 = 0, 0175. Logo:∫ y
1
1
20
(13− 3x)dx = 0, 0175 ⇒
[
13x− 3x
2
2
]y
1
= 0, 35 ⇒ −1, 5y2 + 13y − 11, 5 = 0, 35
−1, 5y2 + 13y − 11, 85 = 0.
Resolvendo essa equação de segundo grau, obtemos y ≈ 1, 035 ou y ≈ 7, 631. Como 7,631 anos não faz
sentido, segue que o tempo máximo que pode ser oferecido na garantia extendida será de 1, 035 anos, que
equivale a aproximadamente 378 dias. Por fim, o tempo adicional máximo que a loja pode oferecer é 0, 535
anos, que equivale a aproximadamente 195 dias.
Q2) T = atendimento (em minutos) do caixa do banco, f(t) = 0, 25te−0,5t, t ≥ 0.
(a) f(t) é uma função de densidade,
i) f(t) ≥ 0, pois, t ≥ 0 e e−0,5t ≥ 0
ii)
∫∞
0
0, 25te−0,5tdt=1. Usando integração por partes,
u = 0, 25t du = 0, 25dt e dv = e−0,5tdt v = −2e−0,5t. Assim,∫ ∞
0
0, 25te−0,5tdt =
[
−0, 5te−0,5t
]∞
0
+
∫ ∞
0
0, 5e−0,5tdt = 0−
[
e−0,5t
]∞
0
= 1.
(b) A função de distribuição acumulada do tempo de atendimento,
F (t) = P (T ≤ t) =
∫ t
0
0, 25xe−0,5xdx. Usando a mesma integração por partes,
u = 0, 25t du = 0, 25dt e dv = e−0,5tdt v = −2e−0,5t. Assim,∫ t
0
0, 25xe−0,5xdx =
[
−0, 5xe−0,5x
]t
0
+
∫ t
0
0, 5e−0,5xdx = −0, 5te−0,5t −
[
e−0,5x
]t
0
Assim, F (t) = 1− 0, 5te−0,5t − e−0,5t
P (T > 2) = 1− F (2) = 0, 5× 2× e−1 + e−1 = 2e−1 = 0, 7357.
(c) Suponha agora que o tempo de atendimento, X, seja uma v.a. f(x) = 2e−2x, x ≥ 0. Então, X∼ Exp(λ = 2).
P (X > 2) = 1− F (2) = e−4 = 0, 0183
P (2 < X ≤ 3) = F (3)− F (2) = e−4 − e−6 = 0, 0183− 0, 0025 = 0, 0158.
Q3) (a)
E[T1] = E
[
µ̂1 + 2µ̂2 + 3µ̂3
6
]
=
1
6
(E[µ̂1] + 2E[µ̂2] + 3E[µ̂3]) =
1
6
(µ+ 2µ+ 3µ) = µ, assim T1 é não viesado.
E[T2] = E
[
3µ̂1 + 2µ̂2 − µ̂3
4
]
=
1
4
(3E[µ̂1] + 2E[µ̂2]− E[µ̂3]) =
1
4
(3µ+ 2µ− µ) = µ, assim T2 é não viesado.
E[T3] = E
[
µ̂1 + µ̂2
2
]
=
1
2
(E[µ̂1] + E[µ̂1]) =
1
2
(µ+ µ) = µ, assim T3 é não viesado.
(b) De forma geral EQM(T ) = V ar(T ) +B(T )2, como os estimadores são não viesados, temos B(T ) = 0, assim:
EQM(T1) = V ar
(
µ̂1 + 2µ̂2 + 3µ̂3
6
)
=
1
36
(V ar(µ̂1) + 4V ar(µ̂2) + 9V ar(µ̂3))
=
1
36
(
V ar(µ̂1) + 4
V ar(µ̂1)
2
+ 9
V ar(µ̂1)
3
)
=
V ar(µ̂1)
6
EQM(T2) = V ar
(
3µ̂1 + 2µ̂2 − µ̂3
4
)
=
1
16
(9V ar(µ̂1) + 4V ar(µ̂2) + V ar(µ̂3))
=
1
16
(
9V ar(µ̂1) + 4
V ar(µ̂1)
2
+
V ar(µ̂1)
3
)
=
17
24
V ar(µ̂1)
EQM(T3) = V ar
(
µ̂1 + µ̂2
2
)
=
1
4
(V ar(µ̂1) + V ar(µ̂2))
=
1
4
(
V ar(µ̂1) +
V ar(µ̂1)
2
)
=
3
8
V ar(µ̂1)
O estimador como o menor EQM é T1.
Q4) (a) O intervalo de confiança de 95% para a média populacional µ é dado por
IC(µ; 0, 95) =
(
x̄− z0,975
σ√
n
, x̄+ z0,975
σ√
n
)
.
Portanto, sua amplitude é 2z0,975
σ√
n
, que deve ser menor ou igual a 2σ. Assim,
2z0,975
σ√
n
≤ 0, 2σ
⇒
√
n ≥ 2
0, 2
z0,975
⇒ n ≥
(
2
0, 2
z0,975
)2
=
(
2
0, 2
1, 96
)2
= 384, 16 ≈ 385.
(b) Observou-se x̄ = 17, 5 e s2 = 25⇒ s = 5. Considerando n = 400 grande o suficiente, pelo TCL a distribuição
t de Student se aproxima da distribuição normal padrão e, assim, o intervalo de confiança pode ser calculado
como
IC(µ; 0, 95) =
(
x̄− z0,975
s√
n
, x̄+ z0,975
s√
n
)
=
(
17, 5− 1, 96× 5√
400
; 17, 5 + 1, 96× 5√
400
)
= (17, 01; 17, 99) .
Com 95% de confiança, o intervalo acima compreende µ. Em outras palavras, espera-se que em 95% das
amostras, o intervalos constrúıdos a partir delas compreendam o valor da média populacional.
(c) Um intervalo com maior ńıvel de confiança teria amplitude maior. Uma vez que mais confiança é exigida, há
mais incerteza e o quantil z1−α2 é maior, produzindo um intervalo com maior amplitude.
Universidade Federal do Rio de Janeiro - UFRJ
Prova Final de Estat́ıstica Unificada
Turma: Engenharia Data: 15/12/2011
1. Suponha que 5% das pessoas de uma certa população possuam glaucoma. Testes para detectar
presença de glaucoma são realizados em pacientes que vão ao hospital. Para paciente com glaucoma,
a probabilidade do resultado do teste para glaucoma ser positivo é de 98%; e para pacientes sem
glaucoma, a probabilidade do resultado do teste para glaucoma ser positivo é de 4%. Obtenha a
probabilidade de:
a) um indiv́ıduo ter glaucoma, dado que o mesmo obteve resultado positivo no teste;
b) um indiv́ıduo ter glaucoma, dado que o mesmo não obteve resultado positivo.
2. Admita que um determinado sinal só pode ser detectado a uma distância da fonte emissora que
esteja entre 1 km e 2 km. Se a variável aleatória X (em km) representa a posição, ao longo de um
determinado eixo, do local onde o sinal será recebido; e se a fonte emissora está localizada na origem
desse eixo, pode-se afirmar que a densidade de X é dada por:
f(x) =
{
1
2 , se 1 < |x| < 2
0, caso contrário
.
Determine:
a) E(X);
b) V ar(X).
3. Sabe-se que as variáveis aleatórias X e Y são tais que E(X) = 10 e V ar(X) = 16, E(Y ) = 20 e
V ar(Y ) = 25. Sejam S = X + Y e T = X − Y . Se, além disso, sabe-se também que V ar(T ) = 46,
calcule:
a) o coeficiente de correlação entre X e Y ;
b) o coeficiente de variação de S.
4. Se (X1, X2, . . . , Xn) é uma amostra aleatória da variável aleatória X ∼ N(µ, σ2), onde µ é um
parâmetro conhecido e σ2 é um parâmetro desconhecido:
a) determine o EMV de σ2;
b) este estimador é ou não tendencioso? Por quê?
5. As indústrias de pneus Roda Bem e Boa Roda acabaram de lançar no mercado novas versões de
seus dois principais tipos de pneus, que se enquadram na mesma categoria. A indústria Roda Bem
vem produzindo este tipo de pneu com mais durabilidade nos últimos nove anos. Uma revista espe-
cializada resolveu fazer um teste depois que a indústria Boa Roda declarou finalmente ter superado
a concorrentecom respeito a durabilidade de seu produto. Foi selecionada aleatoriamente uma
amostra de 60 pneus da indústria Roda Bem em que observou-se durabilidade média de 45000 km
com desvio padrão amostral de 600 km. Para a indústria Boa Roda, foram selecionados aleatoria-
mente 40 pneus em que observou-se durabilidade média de 45200 km com desvio padrão amostral
de 400 km.
a) Ao ńıvel de 5% de significância, podemos concluir que a indústria Boa Roda fala a verdade?
b) Calcule o p-valor do teste constrúıdo no item anterior.
Respostas
1. G : ter glaucoma.
A : resultado positivo para glaucoma no exame.
P (G) = 0, 05
P (A | G) = 0, 98 ∴ P (AC | G) = 0, 02
P (A | GC) = 0, 04 ∴ P (AC | GC) = 0, 96
(a)
P (G | A) = P (A | G)P (G)
P (A | G)P (G) + P (A | GC)P (GC)
=
0, 98× 0, 05
0, 98× 0, 05 + 0, 04× 0, 95
=
0, 049
0, 049 + 0, 038
=
49
87
= 0, 5632.
(b)
P (G | AC) = P (A
C | G)P (G)
P (AC | G)P (G) + P (AC | GC)P (GC)
=
0, 02× 0, 05
0, 02× 0, 05 + 0, 96× 0, 95
=
0, 001
0, 001 + 0, 912
=
1
913
= 0, 0011.
2.
f(x) =
1
2 , se − 1 < x < −2
1
2 , se 1 < x < 2
0, caso contrário.
(a)
E(X) =
∫ −1
−2
x
1
2
dx+
∫ 2
1
x
1
2
dx =
1
4
[(−1)2 − (−2)2] + 1
4
[22 − 12] = 0 km.
(b)
V ar(X) = E(X2)− (E(X))2 =
∫ −1
−2
x2
1
2
dx+
∫ 2
1
x2
1
2
dx− 02
=
1
6
[(−1)3 − (−2)3] + 1
6
[23 − 13] = 7
3
= 2, 33 km2.
3. (a)
46 = V ar(T ) = V ar(X − Y ) = V ar(X) + V ar(Y )− 2Cov(X,Y ) = 16 + 25− 2Cov(X,Y ).
Então,
Cov(X,Y ) =
V ar(X) + V ar(Y )− V ar(X − Y )
2
=
16 + 25− 46
2
= −2, 5.
Consequentemente,
ρ(X,Y ) =
Cov(X,Y )√
V ar(X)V ar(Y )
=
−2, 5√
16× 25
= −0, 125.
(b)
V ar(S) = V ar(X + Y ) = V ar(X) + V ar(Y ) + 2Cov(X,Y ) = 16 + 25 + 2× (−2, 5) = 36.
CV (S) =
DP (S)
E(S)
=
√
V ar(S)
E(X) + E(Y )
=
√
36
10 + 20
=
√
36
30
= 0, 2.
4. (a) A função de verossimilhança é
L =
n∏
i=1
=
1
(2πσ2)1/2
e−
(xi−µ)
2
2σ2 =
1
(2πσ2)n/2
e−
∑n
i=1(xi−µ)
2
2σ2 .
Portanto,
ln(L) = −n
2
ln(2πσ2)−
∑n
i=1(xi − µ)2
2σ2
.
Como minimizar L é o mesmo que maximizar ln(L), basta calcular a derivada de ln(L) com
relação a σ2 e igualá-la a zero:
0 =
d ln(L)
dσ2
= −n
2
2π
2πσ2
+
1
2σ4
n∑
i=1
(xi − µ)2.
Resolvendo essa equação, obtemos σ̂2 =
∑n
i=1(xi−µ)
2
n , que é o EMV de σ
2.
(b)
E
(∑n
i=1(Xi − µ)2
n
)
=
1
n
n∑
i=1
E[(Xi − µ)2] =
1
n
n∑
i=1
V ar[Xi] =
1
n
nσ2 = σ2.
5. µ1: duração média dos pneus Roda Bem.
µ2: duração média dos pneus Boa Roda.
x = 45000: média amostral da duração dos pneus Roda Bem.
y = 45200: média amostral da duração dos pneus Boa Roda.
sX = 600: desvio padrão amostral da duração dos pneus Roda Bem.
sY = 400: desvio padrão amostral da duração dos pneus Boa Roda.
n = 60: tamanho da amostra de pneus Roda Bem.
m = 40: tamanho da amostra de pneus Boa Roda.
(a) Queremos testar
H0 : µ1 ≥ µ2
H1 : µ1 < µ2.
ao ńıvel de 5% de significância.
Como n e m são grandes e os desvios padrões não são conhecidos, utilizaremos
T =
X − Y√
S2X
n +
S2Y
m
∼ N(0, 1)
como estat́ıstica de teste. Assim, rejeitamos a hipótese nula se T < −1, 64.
Em nosso caso,
T =
45000− 45200√
6002
60 +
4002
40
=
−200√
6000 + 4000
=
−200√
10000
=
−200
100
= −2.
Logo, rejeitamos H0 ao ńıvel de 5% de significância, ou seja, há evidências de que as indústrias
Boa Roda, de fato, produzem agora pneus com mais durabilidade.
(b) α̃ = P (T < −2) = Φ(−2) = 0, 0228.
Universidade Federal do Rio de Janeiro - UFRJ
Prova Final de Estat́ıstica Unificada
Turma: Engenharia Data: 28/06/2012
1. Um médico (não muito profissional) utiliza o seguinte método para estabelecer a data precisa Dmed.
do parto quando as mulheres grávidas lhe fazem essa pergunta: ele pega a data prevista Dprev., que
é obtida por considerações fisiológicas, lança 10 moedas no ar, e conta o número N caras de caras e
o número N coroas de coroas. Ele então fornece a data
Dmed. = Dprev. + [(N caras −N coroas)dias].
Maria está grávida e a data do parto está prevista para o dia Dprev. = 22 de Julho.
(a) Qual é a probabilidade de que a data dada pelo médico Dmed. e a data inicialmente prevista
Dprev. difiram de no máximo 2 dias?
(b) João, o marido de Maria, deve aplicar a prova de segunda chamada de Probest no dia 12 de
Julho. Qual é a probabilidade de que João não possa estar presente ao parto de Maria, segundo
o método deste médico?
2. A temperatura (em oC) de determinado ambiente para a realização de um experimento é representada
por uma variável aleatória X cuja densidade, simétrica em torno de 10oC, é dada por
f(x) =
{
3
32
(−x2 + 20x− 96) , se 8 < x < 12,
0 , caso contário.
Para que este experimento seja realizado em condições ideais de temperatura, ela não deve se afastar
de 10oC por mais de 1oC.
a) Obtenha a probabilidade do experimento ser realizado em condições ideais de temperatura.
b) Uma vez que a conversão da temperatura F em graus Fahrenheit para a temperatura C em
graus Celsius é dada pela fórmula C = (F - 32)/1,8, calcule o desvio padrão da temperatura,
em graus Fahrenheit, deste ambiente.
3. A tabela a seguir representa a distribuição conjunta das v.a.’s independentes X e Y que está
parcialmente conhecida:
HHH
HHX
Y
-1 0 1 p(x)
0 1/18 c 1/6
1
p(x) 1/3
(a) Começando pela constante “c”, determine todos os outros valores de p(x, y), p(x) e p(y), isto
é, complete a tabela.
(b) Calcule CV (X), o coeficiente de variação de X; e Cov(X,Y ), covariância de X e Y.
4. Suponha que, em uma fábrica de componentes eletrônicos, a resistência elétrica em quiloohms dos
resistores produzidos deva ser mantida estável com uma média µ = 50kΩ e um desvio padrão
σ = 5kΩ. Para controlar o processo produtivo, periodicamente são obtidas amostras de tamanho
n = 10 resistores cujas resistências x1, x2, x3, ..., x10 são medidas e a seguinte regra de funcionamento
é adotada: se a média aritmética x̄ dos 10 xi’s for inferior a 48kΩ ou superior a 52kΩ, a produção é
interrompida para verificar se o processo saiu de controle; caso contrário, tudo continua normalmente.
Admitindo que os valores medidos das resistências obedecem a uma lei de probabilidades Normal
com média µ e desvio padrão σ = 5kΩ:
(a) Calcule a probabilidade de haver uma parada desnecessária (ou seja, com µ = 50kΩ) na
produção.
(b) Calcule a probabilidade de uma desregulagem que leve a média para µ = 47kΩ não ser detectada
quando se usa a regra acima.
5. Foi tomada uma amostra de 25 funcionários de um setor de uma empresa. A média amostral
e a variância amostral dos salários (em s.m.) dos funcionários nesta amostra resultou em,
respectivamente, 2,1 s.m. e 0,09 (s.m.2). Assumindo distribuição Normal para os salários dos
funcionários deste setor da empresa:
a) construa um intervalo de confiança de 95% para a média dos salários dos funcionários deste
setor;
b) faça um teste de hipóteses adequado para inferir, através desta amostra, se a renda média dos
funcionários deste setor é de pelo menos 2,3 s.m. ou não, ao ńıvel de 5% de significância.
Respostas
1. (a) Sabemos que N coroas = 10 − N caras, e que tanto N caras quanto N coroas têm distribuição
Bin(10, 1/2). Denotando N = N caras −N coroas, temos que encontrar P (|N | ≤ 2):
P (|N | ≤ 2) = P (|10− 2N coroas| ≤ 2) = P (4 ≤ N coroas ≤ 6)
= P (N coroas = 4) + P (N coroas = 5) + P (N coroas = 6)
= (1/2)10(C410 + C
5
10 + C
6
10) = (1/2)
10
(
10!
4!6!
+
10!
5!5!
+
10!
6!4!
)
= (1/2)10 (3× 7× 10 + 4× 7× 9 + 3× 7× 10)
= 0, 65625.
(b) A probabilidade de que João nao possa estar presente no parto é
P (Dmed. = 12 Julho) = P (Dprev. + (N dias) = 12 Julho)
= P (N = −10) = P (N coroas = 10) = (1/2)10.
2. (a) X: temperatura (em oC) do ambiente.
P (|X − 10| < 1) = P (−1 < X − 10 < 1) = P (9 < X < 11)
=
∫ 11
9
3
32
(−x2 + 20x− 96)dx
=
3
32
[
−x
3
3
+ 10x2 − 96x
]11
x=9
=
3
32
[(
−1331
3
+ 1210− 1056
)
−
(
−729
3
+ 810− 864
)]
=
3
32
[
−602
3
+ 154 + 54
]
=
3
32
× 624− 602
3
=
11
16
= 0, 6875.
(b) Y : temperatura(em oF) do ambiente ⇒ Y = 1, 8X + 32.
⇒ V ar(Y ) = V ar(1, 8X + 32) = 1, 82V ar(X)
⇒ DP (Y ) = |1, 8|DP (X) = 1, 8
√
E(X2)− {E(X)}2.
E(X) = 10 (pois a distribuição é simétrica em torno de 10),
E(X2) =
∫ 12
8
x2
3
32
(−x2 + 20x− 96)dx = 3
32
∫ 12
8
(−x4 + 20x3 − 96x2)dx
=
3
32
[
−x
5
5
+ 5x4 − 32x3
]12
x=8
=
3
32
[
−6912
5
−
(
−12288
5
)]
=
3× 5376
32× 5
=
16128
160
= 100, 8.
Logo, DP (Y ) = 1, 8
√
100, 8− 102 = 1, 8
√
0, 8 = 1, 8× 0, 8944 = 1, 61oF .
3. (a) c =
(
c+
2
9
)
× 1
3
, então c =
1
9
.
H
HHHHX
Y
-1 0 1 p(x)
0 1/18 1/9 1/6 1/3
1 1/9 2/9 1/3 2/3
p(x) 1/6 1/3 1/2 1
(b)
E(XY ) = −1× 1
9
+ 1× 1
3
=
2
9
; E(X) =
2
3
; E(Y ) =
1
3
; E(X2) =
2
3
;
V ar(X) =
2
3
−
(
2
3
)2
=
2
9
; CV (X) =
DP (X)
E(X)
=
√
2/9
2/3
=
√
2
2
= 0, 7071;
E(XY ) =
2
9
; Cov(X,Y ) = E(XY )− E(X)E(Y ) = 0.
4. (a) Neste caso, temos X ∼ N
(
50 ;
52
10
)
. Então,
P (Parada Desnecessária) = 1− P (48 < X < 52)
= 1− P
(
48− 50
5/
√
10
<
X − 50
5/
√
10
<
52− 50
5/
√
10
)
= 1− P (−1, 265 < Z < 1, 265) = 2(1− Φ(1, 265)) = 0, 206.
(b) Agora temos X ∼ N
(
47 ;
52
10
)
. Então,
P (Não detecção) = P (48 < X < 52)
= P
(
48− 47
5/
√
10
<
X − 47
5/
√
10
<
52− 47
5/
√
10
)
= P (0, 632 < Z < 3, 162) = Φ(3, 162)− Φ(0, 632) = 0, 263.
5. (a) 100(1− α)% = 95%⇒ 1− α = 0, 95⇒ α = 0, 05⇒ t1−α2 ;n−1 = t0,975;24 = 2, 064.
IC =
(
2, 1− 2, 064
√
0, 09
25
; 2, 1 + 2, 064
√
0, 09
25
)
= (2, 1− 0, 12384 ; 2, 1 + 0, 12384)
= (1, 97616 ; 2, 22384)
(b) (1) H0 : µ ≥ 2, 3 (ou H0 : µ = 2, 3)
H1 : µ < 2, 3.
(2) α = 5% = 0, 05.
(3) Estat́ıstica de teste: T =
X − 2, 3√
S2/25
.
(4) Sob H0, T tem distribuição t de Student com 25− 1 = 24 graus de liberdade.
(5) Região cŕıtica: R = (−∞ ; −t1−α;n−1] = (−∞ ; −t0,95;24] = (−∞ ; −1, 711].
(6) t =
2, 1− 2, 3
0, 3/5
=
−1
0, 3
= −3, 33 ∈ R⇒ Rejeitamos H0.
OBS.: Os passos (3) - (6) também podem ser feitos da seguinte maneira:
(3’) Estat́ıstica de teste: X.
(4’) Sob H0, X ∼ N(2, 3 ; σ2/25).
(5’) Região cŕıtica: R =
(
−∞ ; µ0 − t1−α;n−1
√
s2
n
]
= (−∞ ; 2, 19734].
(6’) x̄ = 2, 1 ∈ R⇒ Rejeitamos H0.
UFRJ - CCMN - IM - Departamento de Métodos Estat́ısticos
Probabilidade e Estat́ıstica - Estat́ıstica
Prova Final 28-02-2013
1. Uma caixa contém 6 lâmpadas das quais três estão queimadas. As lâmpadas são retiradas da caixa ao
acaso, uma a uma, sem reposição e testadas. Seja X o número de lâmpadas testadas até que uma lâmpada
queimada seja encontrada. Pede-se:
(a) a função de probabilidade de X;
(b) o valor esperado e a variância de X;
(c) a probabilidade condicional P (X < 2|X < 3).
(a) Defina os eventos Bi: “ a i-ésima lâmpada retirada é perfeita” e Qi: “a i-ésima lâmpada retirada está
queimada”, i = 1, 2, 3, 4, 5, 6.
Observe que os posśıveis valores da v.a. X são 1, 2, 3 e 4. Além disso, observe que
X = 1 ↔ ocorre Q1
X = 2 ↔ ocorre B1 ∩Q2
X = 3 ↔ ocorre B1 ∩B2 ∩Q3
X = 4 ↔ ocorre B1 ∩B2 ∩B3 ∩Q3
Portanto, P (X = 1) = P (Q1) =
3
6
=
1
2
, P (X = 2) = P (B1 ∩Q2) = P (B1)P (Q2|B1) =
3
6
× 3
5
=
3
10
,
P (X = 3) = P (B1 ∩B2 ∩Q3) = P (B1)P (B2|B1)P (Q3|B1 ∩B2) =
3
6
× 2
5
× 3
4
=
3
20
e
P (X = 4) = P (B1∩B2∩B3∩Q4) = P (B1)P (B2|B1)P (B3|B1∩B2)P (Q4|B1∩B2∩B3) =
3
6
×2
5
×1
4
×3
3
=
1
20
.
Resposta:
x pX(x)
1 1/2
2 3/10
3 3/20
4 1/20
total 1
(b) E[X] =
∑4
x=1 xpX(x) =
1
20
(10 + 12 + 9 + 4) = 7
4
E[X2] =
∑4
x=1 x
2pX(x) =
1
20
(10 + 24 + 27 + 16) = 77
20
Var(X) = E[X2]− E2[X] = 77
20
− 49
16
= 63
80
(c)
P (X < 2|X < 3) = P ([X < 2] ∩ [X < 3])
P (X < 3)
=
P (X < 2)
P (X < 3)
=
1/2
8/10
=
5
8
.
2. Os pesos das peças num processo industrial são Normalmente distribúıdos com média de 2 kg e desvio-
padrão de 0,2 kg.
(a) Determine a porcentagem de peças que têm pesos maiores do que 1,98 kg?
(b) Para melhorar o processo, o Controle de Qualidade da empresa decidiu que apenas as peças com pesos
maiores do que 1,68 kg e menores do que 2,32 kg serão comercializadas. Calcule a porcentagem de peças
que serão rejeitadas, se esse critério for mantido.
(c) O plano é melhorar o processo industrial e fazer com que a porcentagem de peças rejeitadas pelo
critério apresentado no item (b) seja de 1%. Qual é o desvio-padrão adequado para que esse objetivo seja
atingido?
(a) Denote por X a variável peso, tal que X ∼ N ((2, (0, 2)2).
P (X > 1, 98) = P
(
Z >
1, 98− 2
0, 2
)
︸ ︷︷ ︸
Z∼N(0,1)
= P (Z > −0, 1) = φ(0, 1) = 0, 5398
(b)
1− P (1, 68 < X < 2, 32) = 1− (
(
1, 68− 2
0, 2
< Z <
2, 32− 2
0, 2
)
= 1− P (−1, 6 < Z < 1, 6) =
2(1− φ(1, 6)) = 2(1− 0, 9452) = 0, 1096.
(c)
2
(
1− φ
(
2, 32− 2
σ
))
= 0, 01 ↔ 1− φ
(
2, 32− 2
σ
)
= 0, 005↔ φ
(
2, 32− 2
σ
)
= 0, 995
↔ 0, 32
σ
= 2, 57↔ σ ' 0, 12.
3. Deseja-se verificar a adequação do volume de um novo produto a ser lançado no mercado. Como o custo
para amostrar é muito alto, o pesquisador deseja selecionar uma amostra de forma que o erro absoluto de
estimação do volume médio não ultrapasse 1
4
do desvio-padrão com ńıvel de confiança de 0,90.
(a) Qual deve ser o tamanho da amostra?
(b) Com o tamanho amostral obtido no item anterior, calcule a probabilidade de que o erro absoluto de
estimação do volume médio seja no máximo 1
10
do desvio-padrão?
(c) Qual deve ser o tamanho da amostra caso se deseje que a probabilidade calculada no item anterior
seja 96%?
(a)
n =
(
z1−α/2×σ
σ/4
)2
= (1, 64× 4)2 = 43, 0336
Resposta: n = 44.
(b)
P
(
|X̄ − µ| ≤ σ
10
)
= P
(
|Z| ≤
√
44
10
)
' P (|Z| ≤ 0, 66) = 2φ(0, 66)− 1 = 0, 4908.
(c)
P
(
|Z| ≤
√
n
10
)
= 0, 9↔ 2φ
(√
n
10
)
− 1 = 0, 96↔ φ
(√
n
10
)
= 0, 98
↔
√
n
10
= 2, 05↔ n = (2, 05× 10)2
Resposta: n = 421.
4. Numa fábrica foi selecionada uma amostra aleatória de parafusos cujos diâmetros (em mm) estão re-
gistrados na tabela a seguir.
10 10 11 11 12 12 12 12 12 13 13 13 13 13 13
13 13 13 13 13 14 14 14 14 15 15 15 15 16 16
com
30∑
i=1
xi = 393 e
30∑
i=1
x2i = 5217. Suponha que os diâmetros sejam Normalmente distribúıdos. Pede-se:
(a) um intervalo de confiança para o diâmetro médio da produção de parafusos com ńıvel de confiança
de 95%;
(b) um intervalo de confiança para a proporção de parafusos que medem entre 12 mm e 14 mm (incluindo
12 e 14 mm), com coeficiente de confiança de 98%.
(c) Como você procederia num teste de hipóteses para verificar a seguinte afirmação do fabricante: “O
diâmetro médio dos parafusos é no máximo 12,5 mm.”? Indique o p-valor correspondente.
(a)
T =
X̄ − µ
S/
√
n
∼ tn−1
Podemos construir o intervalo usando a distribuição t com n−1 graus de liberdade. Porém, como n = 30,
a aproximação pela Normal também é aceitável.
Usando a distribuição t29 tem-se:
IC(µ, 0, 95) : X̄ ± t1−α/2
s√
n
: 13, 1± 2, 0451, 54√
30
: 13, 1± 0, 57.
Usando a distribuição Normal tem-se:
IC(µ, 0, 95) : X̄ ± z1−α/2
s√
n
: 13, 1± 1, 961, 54√
30
: 13, 1± 0, 55.
(b) p̂ =
2
3
' 0, 67
Enfoque conservativo:
IC(p, 0, 98) : p̂± z1−α/2
1√
4n
: 0, 67± 2, 33 1√
120
: 0, 67± 0, 21.
ou
IC(p, 0, 98) : p̂± z1−α/2
√
p̂(1− p̂)
n
: 0, 67± 2, 33
√
2
270
: 0, 67± 0, 20.
(c)
{
H0 : µ ≤ 12, 5
H1 : µ > 12, 5
Valor amostral da estat́ıstica de teste t0 =
13, 1− 12, 5
1, 54/
√
30
' 2, 13.
Usando a distribuição t29 e o valor amostral da estat́ıstica de teste observa-se pela tabela, P (T > 2, 042) =
0, 025 e P (T > 2, 147) = 0, 02, pois 2, 042 < 2, 13 < 2, 147. Portanto, 0, 02 < p − valor < 0, 025. Uma
aproximação para o p-valor usando interpolação neste intervalo é dada por 0,021.
Usando a distribuição Normal tem-se z0 ' 2, 13 e P (Z > 2, 13) = 1− φ(2, 13) = 1− 0, 9834 = 0, 0166.
Resposta: Como o p-valor é pequeno, cerca de 2%, conclui-se que os dados amostrais não trazem evidência
a favor do fabricante tal que H0 deve ser rejeitada.
UFRJ - CCMN - IM - Departamento de Métodos Estat́ısticos
Probabilidade e Estat́ıstica - Estat́ıstica
Prova Final 18-07-2013
Atenção: Não serão aceitas respostas sem justificativa: as expressõesque levaram a alguma resposta numérica
devem ser indicadas nos espaços apropriados.
1. Um conjunto de creches reúne um número bastante grande de crianças de 1, 2, 3 e 4 anos de idade
com frequências relativas respectivas 20%, 25%, 25% e 30%. Duas dessas crianças serão aleatoriamente
escolhidas. Faça X denotar o valor absoluto da diferença entre as duas idades sorteadas.
(a) Determine a função de probabilidade de X
(b) Calcule a média e variância de X
(c) Faça o gráfico da distribuição acumulada de X.
Solução:
(a) Nas condições do enunciado, as idades das duas crianças escolhidas podem ser assumidas indepen-
dentes. Segue que
P (0) = 0, 22 + 0, 252 + 0, 252 + 0, 32 = 0, 255
P (1) = 2× (0, 2× 0, 25 + 0, 252 + 0, 25× 0, 3) = 0, 375
P (2) = 2× (0, 2× 0, 25 + 0, 25× 0, 3) = 0, 250
P (3) = 2× 0, 2× 0, 3 = 0, 12
(b) E(X) = 0× 0, 255 + 1× 0, 375 + 2× 0, 25 + 3× 0, 12 = 1, 235, E(X2) = 02 × 0, 255 + 12 × 0, 375 +
22 × 0, 25 + 32 × 0, 12 = 2.455. Portanto V ar(X) = E(X2)− (E(X))2 ≈ 0, 93.
(c) FX(x) = 0, x < 0
FX(x) = 0, 255, x ∈ [0; 1)
FX(x) = 0, 63, x ∈ [1, 2)
FX(x) = 0, 88, x ∈ [2, 3)
FX(x) = 1, x ≥ 3.
2. Uma loja vende peças de um determinado tipo. Sabe-se que, em média, 20% das peças fabricadas por
seu fornecedor são defeituosas. As peças são embaladas em caixas com 10 unidades e, quando aparece um
comprador, o atendente testa as peças antes de vendê-las. Se a caixa não tiver nenhuma peça defeituosa,
seu preço de venda é de 10 reais; tendo uma, o preço é 8 reais; duas ou três, o preço é 6 reais; mais do
que três, o preço é dois reais.
(a) Determine a função de probabilidade do preço da caixa.
(b) Qual o preço médio de uma caixa?
(c) Calcule a probabilidade de que, num lote de 5 caixas, no máximo uma tenha mais do que três peças
defeituosas?
Solução:
(a) Seja Y ∼ Bin(10; 0, 2) o número de peças defeituosas na caixa, e seja X o preço da caixa. Então
P (X = 10) = P (Y = 0) = 0, 11
P (X = 8) = P (Y = 1) = 0, 27
P (X = 6) = P (2 ≤ Y ≤ 3) = 0, 5
P (X = 2) = P (Y > 3) = 0, 12
(b) E(X) = 10× 0, 11 + 8× 0, 27 + 6× 0, 5 + 2× 0, 12 = 6, 5 reais.
(c) Seja Z ∼ Bin(5; 0, 12) o número de caixas entre as 5, tendo mais de 3 peças defeituosas. Então
P (Z ≤ 1) = P (Z = 0) + P (Z = 1) = 0, 89.
3. A média populacional µ deve ser estimada com base numa amostra aleatória de tamanho 5, X1, X2, X3,
X4, X5. Denote por σ
2 a variancia populacional e considere os estimadores seguintes:
T1 = X̄ , , T2 = X1 , T3 = 2X1 − 3X2 + 4X3 − 5X4 + 6X5 , T4 =
X1 +X2 +X3
3
.
(a) Identifique quais desses estimadores são não tendenciosos para µ.
(b) Determine o erro quadrático médio desses estimadores e diga qual o melhor, dentre os apresentados,
para estimar µ. Justifique sua resposta.
Solução:
(a) Só T3 é tendencioso porque
E(T1) =
1
n
∑
EXi =
1
n
nµ = µ
E(T2) = EX1 = µ
E(T3) = 2µ− 3µ+ 4µ− 5µ+ 6µ = 4µ
E(T4) =
µ+ µ+ µ
3
= µ.
(b) EQM(T1) =
σ2
5
, EQM(T2) = σ
2, EQM(T4) =
σ2
3
,
EQM(T3) = V ar(T3) + (E(T3)− µ)2 = (22 + (−3)2 + 42 + (−5)2 + 62)σ2 + (4µ− µ)2 = 90σ2 + 9µ2,
portanto o melhor estimador é T1 por ter o menor erro quadrático médio.
4. Dentro de um balde, há 2 moedas aparentemente idênticas: uma viciada com probabilidade 1/3 de dar
cara, e a outra equilibrada (ou seja, com probabilidades iguais para cara e coroa). Uma pessoa escolhe
uma das moedas que estão dentro do balde, e a lança 100 vezes, obtendo 41 caras.
(a) Testar H0 : “a moeda equilibrada foi a escolhida” contra H1 : “a moeda viciada foi a escolhida” ao
ńıvel 0,025 de significância.
(b) Qual é o p-valor deste teste?
(c) Com este teste, qual é a probabilidade de se concluir pela rejeição de H0, se a moeda escolhida for
de fato a viciada?
Obs.: Como 1/3 < 1/2, o teste se enquadra no caso de H0 : p ≥ 1/2 contra H1 : p < 1/2.
Solução:
(a) Observamos que sob H0, p̂
≈∼ N(1
2
, 1
20
). assim, o critério é: Rejeitar H0 se p̂obs < p̂tab =
1
2
−1, 96 1
20
=
0, 402, caso contrário, aceitar H0. Como p̂obs = 0, 41, segue que não há evidência para rejeitamos H0.
(b) α̃ = PH0(p̂ ≤ 0, 41) ≈ P (Z ≤ −0, 09× 20) = 1− φ(1, 8) = 0, 0359.
(c) É a probabilidade de rejeitar H0 sendo H0 falsa. Observamos que sob H1, p̂
≈∼ N(1
3
, 2
900
), portanto
PH1(p̂ ∈ R) = PH1
(
p̂ ≤ 1
2
− 1, 96 1
20
)
≈ P
(
Z ≤ 30√
2
×
(
1
2
− 1
3
− 1, 96
20
))
≈ Φ(1, 456) ≈ 0, 9265.
Boa prova!
UFRJ - CCMN - IM - Departamento de Métodos Estat́ısticos
Probabilidade e Estat́ıstica
Prova Final 08-03-2016
Atenção: Não serão aceitas respostas sem justificativa.
1. Admita que cães e gatos são os únicos animais domésticos das famı́lias que moram em um condomı́nio residencial.
Sejam X e Y, respectivamente, o número de cães e o número de gatos de uma famı́lia sorteada ao acaso nesse
condomı́nio. A distribuição conjunta, juntamente com as marginais, das variáveis aleatórias discretas X e Y é
dada pela tabela a seguir:
X
Y
Pr(X = xi)0 1 2
0 0 p q 0,2
1 p r p 0,6
2 q p 0 0,2
Pr(Y = yi) 0,2 0,6 0,2 1
sendo p, q e r constantes a determinar. Sabendo que Cov(X,Y ) = – 0, 1, calcule:
(a) Os valores de p, q e r;
(b) A probabilidade de que uma famı́lia tenha no máximo um animal doméstico, dado que essa famı́lia só tem
animais de um mesmo tipo (ou seja, só cães ou só gatos).
2. Uma instituição de sauúde, preocupada com a má alimentação das crianças, deseja realizar uma pesquisa para
investigar a obesidade delas numa determinada região, através do ı́ndice de massa corpórea (IMC). Sabe-se que
o IMC, em kg/m2, das crianças nesta região segue uma distribuição Normal com média 21,5 e desvio padrão de
2 e que indiv́ıduos com IMC superior a 23 são considerados obesos.
(a) Com base nestas informações, calcule a probabilidade de que uma criança escolhida ao acaso não seja obesa.
(b) Em uma amostra aleatória de 20 crianças, qual a probabilidade de que exatamente 15 dessas crianças não
sejam obesas.
3. Um aluno está interessado em estudar o tempo que ele gasta esperando o ônibus para retornar a sua casa.
Admita que esse tempo seja descrito por uma variável aleatória com distribuição Uniforme no intervalo (0, θ)
e que ele deseje estimar esse parâmetro θ. Para isso, usará o estimador θ̂ = 2X̄, onde X̄ é a média de uma
amostra de tempos de espera a ser coletada.:
(a) O estimador θ̂ é viesado (ou tendencioso) para estimar θ? Justifique.
(b) Calcule o erro quadrático médio do estimador θ̂.
(c) Considere que uma amostra com 12 tempos de espera foi coletada e os seguintes valores foram observados,
em minutos: 7, 2; 3, 5; 11, 0; 0, 8; 5, 8; 9, 1; 2, 6; 28, 3; 15, 7; 6, 0; 12, 8; 8, 5. Construa um boxplot para esses
dados e baseado nele responda: A hipótese dos tempos de espera terem distribuição uniforme parece coerente
com os dados? Justifique.
4. O número médio diário de clientes de um posto de gasolina tem sido 250. Durante uma campanha de 25 dias,
em que os clientes recebiam um brinde, o número médio de clientes foi 270, com um desvio padrão de 60, ambos
amostrais. Suponha que o número de clientes se comporta segundo uma distribuição Normal, antes e após a
campanha.
(a) Há razões para suspeitar que a campanha modificou, para mais ou para menos, o número médio de clientes
do posto. Responda essa pergunta formulando o problema como um teste de hipóteses ao ńıvel de significância
de 5%?
(b) A partir de que ńıvel de significância esta conclusão mudaria?
(c) Obtenha o intervalo de 95% de confiança para o número médio diário de clientes.
Boa prova!
1. Gabarito:
(a) A determinação de p, q e r pode ser feita resolvendo um sistema de 3 equações a 3 incógnitas:
– A soma das probabilidades conjuntas que estão na linha onde X = 0 deve ser igual a Pr(X = 0) = 0, 2.
Então, p+ q = 0, 2. (I)
– A soma das probabilidades conjuntas que estão na linha onde X = 1 deve ser igual a Pr(X = 1) = 0, 6.
Então, 2p+ r = 0, 6. (II)
– Temos Cov(X,Y ) = E(XY )–E(X)E(Y ) = – 0, 1.
Por outro lado, E(X) = E(Y )= 0× 0, 2 + 1× 0, 6 + 2× 0, 2 = 1.
Além disso, E(XY ) = 1× 1× r + 1× 2× p+ 2× 1× p = r + 4p.
Portanto, r + 4p–1× 1 = – 0, 1. Ou seja, r + 4p = 0, 9. (III)
A solução do sistema formado pelas equações (I), (II) e (III) é p = 0, 15, q = 0, 05 e r = 0, 30.
(b)
Pr(X + Y 6 1|{X = 0} ∪ {Y = 0}) = Pr(X = 0, Y = 0) + Pr(X = 1, Y = 0) + Pr(X = 0, Y = 1)
Pr({X = 0} ∪ {Y = 0})
=
2p
2p+ 2q
=
p
p+ q
=
0, 15
0, 15 + 0, 05
= 0, 75,
pois
Pr({X = 0} ∪ {Y = 0}) = Pr(X = 0, Y = 0) + Pr(X = 1, Y = 0) + Pr(X = 2, Y = 0)
+ Pr(X = 0, Y = 1) + Pr(X = 0, Y = 2).
2. Gabarito:
(a) SejaX uma variável aleatória que representa o IMC das crianças nesta região, tal queX ∼ Normal(21, 5 ; 22).
Deseja-se:
Pr(X < 23) = Pr
(
X − 21, 5
2
<
23− 21, 5
2
)
= Pr(Z < 0, 75) = 0, 7734 ≈ 0, 77,
pela tabela da Normal padrão.
(b) Seja Y uma variável aleatória que representa o número de crianças não obesas nesta amostra. Tem-se que
Y ∼ Binomial(20 ; 0, 77). Deseja-se:
Pr(Y = 15) =
(
20
15
)
× 0, 7715 × 0, 235 = 0, 1979.
3. Gabarito:
(a) E(θ̂) = E(2X) = 2E
(
1
n
n∑
i=1
Xi
)
= 2
1
n
n∑
i=1
E(Xi). Como X ∼ Uniforme(0, θ), temos que E(Xi) =
θ
2
. Dáı,
E(θ̂) = E(2X) =
2
n
n∑
i=1
θ
2
= θ. Logo, como E(θ̂) = θ, temos que θ̂ é um estimador não viesado (ou não
tendencioso) para θ.
(b) EQM(θ̂) = Var(θ̂) + [B(θ̂)]2. Como θ̂ é um estimador não viesado (ou não tendencioso) para θ, temos
que B(θ̂) = E(θ̂) − θ = 0. Por outro lado, Var(θ̂) = Var(2X) = 4Var(2X) = 4Var
(
1
n
n∑
i=1
Xi
)
=
4
n2
n∑
i=1
Var(Xi). Como X ∼ Uniforme(0, θ), temos que Var(Xi) =
θ2
12
. Dáı, Var(θ̂) = Var(2X) =
4
n2
n∑
i=1
θ2
12
=
θ2
3n
. Logo, EQM(θ̂) =
θ2
3n
.
(c) Ordenar a amostra 0,8; 2,6; 3,5; 5,8; 6,0; 7,2; 8,5; 9,1; 11,0; 12,8; 15,7; 28,3.
q1 = x((n+3)/2) = x(15/4) = x(3,75) = 0, 25x(3) + 0, 75x(4) = 0, 25× 3, 5 + 0, 75× 5, 8 = 5, 225.
q2 = x((n+1)/2) = x(13/2) = x(6,5) = 0, 5x(6) + 0, 5x(7) = 0, 5× 7, 2 + 0, 5× 8, 5 = 7, 85.
q3 = x((3n+1)/4) = x(37/4) = x(9,25) = 0, 75x(9) + 0, 25x(10) = 0, 75× 11, 0 + 0, 25× 12, 8 = 11, 45.
DIQ = q3 − q1 = 11, 45− 5, 225 = 6, 225.
CI = q1 − 1, 5DIQ = 5, 225− 1, 5× 6, 225 = −4, 113.
CS = q3 + 1, 5DIQ = 11, 45− 1, 5× 6, 225 = 20, 788.
A distribuição Uniforme não parece razoável. Temos assimetria à direita, que não ocorre na distribuição
Uniforme. Ainda mais, teŕıamos θ > 28, 3 e no intervalo [16; 28] não temos nenhuma observação, enquanto
que em [4; 16] (mesmo comprimento) temos 9 das 12 observações. Esse padrão de comportamento não
condiz com uma distribuição Uniforme.
4. Gabarito:
(a) Seja X uma variável aleatória que representa o número diário de clientes de um posto de gasolina. Sabe-se
que X ∼ Normal(250, σ2). Após a campanha, deseja-se verificar se a o número médio de clientes alterou-se,
a partir de uma amostra de tamanho n = 25. Logo, o problema constitui-se de um teste de hipóteses para
a média µ com variância σ2 desconhecida, o qual está descrito nos seguintes passos:
(i) H0 : µ = 250 vs H1 : µ 6= 250
(ii) Estat́ıstica de teste: T =
X − 250
S/
√
n
, a qual sob H0 apresenta distribuição tn−1 = t24.
(iii) Pela tabela da t24, tem-se que rejeita-se H0 se T < −2, 06 ou T > 2, 06, ou equivalentemente, se
X < 225, 28 ou X > 274, 72.
(iv) Estat́ıstica de teste calculada para a amostra: tobs =
270− 250
60/
√
25
= 1, 67.
(v) Decisão: como tobs = 1, 67 não pertence a região de rejeição, então não rejeita-se H0.
Portanto, não há razões para suspeitar que a campanha modificou o número médio de clientes do posto ao
ńıvel de significância de 5%.
Outra maneira de resolver é substituindo o passo (iii) pelo cálculo do p-valor, da seguinte forma: a estat́ıstica
de teste observada para a amostra é tobs = 1, 67. Logo, p-valor = 2P (T > 1, 67) = 2 × 0, 054 = 0, 108 =
10, 8%, o qual é maior que o ńıvel de significância de 5%, portanto obtemos a mesma conclusão do teste
em (a).
(b) Como p-valor = 2P (T > 1, 67) = 2× 0, 054 = 10, 8%, então para qualquer ńıvel de significância maior ou
igual a 10,8% obtemos uma conclusão diferente do item (a), portanto nos levaria a rejeição de H0.
(c) O intervalo de confiança de 95% para o número médio diário de clientes é dado por:
IC95%(µ) =
(
x− tn−1;α/2
s√
n
; x+ tn−1;α/2
s√
n
)
=
(
270− 2, 06× 60√
25
; 270 + 2, 06× 60√
25
)
= (245, 28; 294, 72).
UFRJ - CCMN - IM - Departamento de Métodos Estat́ısticos
Probabilidade e Estat́ıstica
Prova #1 12-07-2016
Atenção: Não serão aceitas respostas sem justificativa.
1. Marque verdadeiro ou falso para cada uma das afirmações abaixo, justificando a sua resposta.
(a) Considere n pares (xi, yi) de modo que todas as observações da amostra Y tenham sido obtidas tomando as
observações da variável X, multiplicando por 4 e depois somando 3 unidades ao resultado; ou seja, yi = 4xi + 3,
para i = 1, 2, . . . n. Nesse caso podemos afirmar que o coeficiente de variação da variável Y é inferior ao da
variável X.
(b) Considere uma amostra com amplitude (diferença entre o máximo e o mı́nimo) igual a 80. Se a diferença
entre o terceiro quartil e o primeiro quartil for igual a 25, podemos afirmar que haverá pelo menos um outlier
nessa amostra.
(c) Se o gráfico de dispersão entre duas váriaveis X e Y for igual ao gráfico apresentado abaixo, então podemos
afirmar que a correlação entre X e Y é igual a 1.
2. Deseja-se estimar a média do ı́ndice geral de inflação X, a partir de uma amostra de tamanho n. Sabe-se de
estudos anteriores que X tem distribuição Normal com desvio padrão de 30 pontos. Propõe-se o uso de dois
estimadores neste caso: a média amostral X̄ e o estimador T = X1+Xn2 .
(a) Compare ambos os estimadores com relação ao viés e o erro quadrático médio.
(b) Suponha que os seguintes valores foram observados ao longo de 4 anos:
ano 1961 1962 1963 1964
ı́ndice (X) 108 120 128 192
Dentre as suposições necessárias para os cálculos do item (a), existe uma que parece não ser satisfeita neste
caso. Indique qual seria esta suposição e, em que parte do item (a), o fato de ela não ser atendida pode tornar
questionáveis as conclusões obtidas.
(c) Calcule as estimativas para X̄ e T com base na amostra observada.
3. Os dados a seguir se referem ao tempo de tramitação (em anos) de 12 processos judiciais da mesma natureza:
7,2; 5,8; 0,8; 5,2; 7,7; 7,5; 6,5 ; 4,1 ; 6,2 ; 4,6 ; 5,5 ; 9,0. Admitindo que essa variável siga uma distribuição
Normal:
(a) Obtenha um intervalo de confiança a 98% para o tempo médio de tramitação de tais processos.
(b) Qual deve ser o tamanho de uma nova amostra de processos a partir da qual se possa obter um intervalo
de confiança a 98% para o tempo médio com amplitude igual a 1/4 da amplitude do intervalo obtido em (a)?
Obs 1. Note que estimativas do mesmo parâmetro σ obtidas com base nessas duas amostras provavelmente
devem estar próximas entre si. E lembre-se de que, se ν é suficientemente grande, a t de Student com ν graus
de liberdade praticamente se confunde com a Normal(0,1).
Obs 2. Para facilitar os cálculos, são fornecidos:
∑12
i=1 xi = 70, 1 anos e
∑12
i=1 x
2
i = 458, 61 anos
2.
4. O ńıvel de aprovação da qualidade das refeições servidas em um restaurante universitário era de 25%, quando
houve uma movimentação geral dos estudantes que forçou a direção do restaurante a fazer mudanças. Deseja-se
verificar se as mudanças de fato surtiram efeito sobre a satisfação dos estudantes. Para isso sorteou-se uma
amostra de 64 estudantes usuários do restaurante, dos quais 25 revelaram aprovar a qualidade da comida.
(a) Verifique se as mudanças contribuiram para aumentar o ńıvel de aprovação dos estudantes para com o
restaurante universitário, sob um ńıvel de significância de 5%.
(b) Obtenha o menor ńıvel de significância para o qual a hipótese nula do teste é rejeitada à luz do experimento
realizado.
(c) Calcule o valor da probabilidade do erro tipo II do teste do item (a) quando p = 0, 35.
Boaprova!
SOLUÇÕES
1. (a) Verdadeiro.
Como yi = 4xi + 3, pelas propriedades de esperança e variância, que também funcionam da mesma forma para
média e variância amostral: ȳ = 4x̄+ 3 e S2y = 4
2S2x = 16S
2
x. Dáı:
C.V (Y ) =
Sy
ȳ
=
√
16S2x
4x̄+ 3
=
4Sx
4x̄+ 3
<
4Sx
4x̄
= C.V (X)
Logo, C.V (Y ) < C.V (X).
(b) Falso.
Para garantirmos a existência de pelo menos 1 outlier seria preciso que a amplitude dos dados fosse superior a
diferença entre as cercas superior e inferior, que é dada por:
CS − CI = Q3 +
3
2
(Q3 −Q1)−
(
Q1 −
3
2
(Q3 −Q1)
)
= (Q3 −Q1) +
3
2
(Q3 −Q1) +
3
2
(Q3 −Q1) = 4(Q3 −Q1)
Nesse caso temos 4(Q3−Q1) = 4× 25 = 100, que é superior a amplitude de 80. Logo, não há garantia de haver
outliers.
Nota: Também poderia ser feito esboçando um exemplo de base de dados com essas caracteŕısticas (amplitude
igual a 80 e distância interquartil igual a 25), mas sem nenhum outlier.
(c) Falso.
Nesse caso a correlação entre X e Y terá que ser igual a zero, pois Y assume um valor constante independente-
mente das variações de X. Logo, não há nenhuma dependencia entre X e Y , em particular, não há dependência
linear; e consequentemente, a correlação entre eles é igual a zero.
2. (a) Seja X o ı́ndice geral de inflação. Deseja-se estimar o ı́ndice médio de inflação, dado por E(X) = µ. Como
E(X̄) = µ e E[T ] = µ, então ambos X̄ e T são estimadores não viciados para µ.
Por outro lado, EQM(X̄) = Var(X̄) = σ
2
n e EQM(T ) = Var(T ) =
σ2
2 . O EQM(X̄) diminui com o tamanho
da amostra, portanto para n > 2 temos que X̄ é mais eficiente que T .
(b) A hipótese de independência entre os valores amostrados não parece ser satisfeita, devido a estrutura
temporal das observações. Isto pode afetar principalmente as conclusões referentes ao EQM, porque podem
haver covariâncias não nulas.
(c) Estimativas são: x̄ = 137 e t = 150.
3. (a) Os extremos do intervalo de confiança pedido são obtidos pela expressão: x̄± t1−α/2;n−1 s√n , onde
n = 12; x̄ = 70,112 = 5, 84 anos; s =
√
458,61− 70,12
12
12−1 = 2, 11 anos; α = 0, 02; t0,99;11 = 2, 72.
Fazendo os cálculos, obtemos (4,18; 7,50), em anos.
(b) Seja m o tamanho da nova amostra a ser extráıda. Para que a amplitude do novo intervalo seja igual a 1/4
da amplitude do intervalo anterior, devemos ter m cerca de 42 = 16 vezes maior que n = 12. Para esse tamanho
de amostra o número de graus de liberdade m − 1 já será grande suficiente para que se considere que a t e a
Normal(0;1) são praticamente iguais. Então, temos:
z0,99
sm
m
=
1
4
2, 72
sn
n
,
onde sm é o novo desvio padrão amostral e sn é o antigo desvio padrão amostral. Como ambos sm e sn
são estimativas do desvio padrão populacional σ, eles devem estar próximos entre si, mesmo se tratando de
estimativas obtidas a partir de amostras de tamanhos diferentes. Admitiremos que eles são iguais. Chegamos
então à expressão:
m =
(
4× 2, 33
2, 72
)2
× 12 ≈ 141processos
.
4. (a) Seja p: proporção de alunos satisfeitos com o restaurante universitário. Deseja-se testar:
H0 : p ≤ 0, 25 vs H1 : p > 0, 25
(i) Estat́ıstica de teste: Z = p̂−0,25√
0,25(1−0,25)/n
, a qual sob H0 apresenta distribuição N(0, 1).
(ii) Pela tabela da N(0, 1), rejeita-se H0 se Z > 1, 64, ou equivalentemente, se p̂ > 0, 339.
(iii) Estat́ıstica de teste calculada para a amostra: z = 0,39−0,25√
0,25(1−0,25)/64
= 2, 59.
(iv) Decisão: como z = 2, 59 pertence a região de rejeição, então rejeita-se H0.
Portanto, tudo indica que as mudanças implementadas contribúıram para que o ńıvel de satisfação dos estu-
dantes para com o restaurante universitário aumentasse.
Outra maneira de resolver é substituindo o passo (iii) pelo cálculo do p-valor, da seguinte forma: a estat́ıstica
de teste observada para a amostra é z = 2, 59. Logo, p-valor = P (Z > 2, 59) = 0, 0048, o qual é menor que o
ńıvel de significância de 5%, portanto obtemos a mesma conclusão anterior.
(b) Como p-valor = 0, 0048, o menor ńıvel de significância de 5% que levaria já à rejeição de H0 é igual a 0, 48%.
(c) β(p) = P(erro tipo II) = P(não rejeitar H0 | H1 verdadeira) = P(p̂ < 0, 339), se p > 0.25.
Logo, se p > 0, 25
β(p) = P
(
p̂−p√
p(1−p)/n
< 0,339−p√
p(1−p)/n
)
= P
(
Z < 0,339−p√
p(1−p)/64
)
, em que Z ∼ N(0, 1).
Para p = 0, 35, temos β(0, 35) = P
(
Z < 0,339−0,35√
0,35(1−0,35)/64
)
= P (Z < −0, 19) = 1−P (Z < 0, 19) = 1−0, 5753 =
0, 4247
UFRJ - CCMN - IM - Departamento de Métodos Estat́ısticos
Probabilidade e Estat́ıstica
Prova #2 08-12-2016
Atenção: Não serão aceitas respostas sem justificativa.
1. Num avião com 100 lugares embarcam passageiros, de forma aleatória, com peso médio de 75Kg e desvio padrão
de 12Kg. A bagagem de cada passageiro tem média 25Kg e desvio padrão de 6Kg . Suponha que os pesos e os
pertences das pessoas são v.a.’s independentes.
(a)Sabendo que o limite de peso recomendado para a aeronave é de 10,2 Toneladas, use a distribuição da soma
dos pesos das cem pessoas (com suas bagagens) para calcular a probabilidade de que o peso no avião não exceda
esse limite.
(b) Na construção de um novo modelo de aeronave (também com 100 lugares), qual deve ser o limite de carga
para que se garanta, com 98% de confiança, que a soma dos pesos das pessoas com seus pertences, dessa
população de usuários, não ultrapasse este limite?
(c) Foi observado que a probabilidade de uma pessoa que faz uma reserva comparecer para viajar é de 0,85. Se
forem feitas 110 reservas, qual a probabilidade de que todos os passageiros que comparecem consigam, de fato,
viajar? (Explique todos os passos de sua solução!)
2. Considere um conjunto formado por 10 casais. A tabela abaixo contem as idades dessas 20 pessoas.
i = Número da observação 1 2 3 4 5 6 7 8 9 10
xi = idade da mulher 30 31 32 33 34 35 36 37 38 39
yi = idade do homem 32 35 35 y4 42 42 45 y8 49 52
Note que não são fornecidas as idades y4 e y8 dos homens, para os casais 4 e 8.
(a) Calcule o desvio padrão amostral da idade das mulheres.
(b) Sabendo que 35 ≤ y4 ≤ 42 e 45 ≤ y8 ≤ 49, forneça a expressão matemática para a distância interquartil da
idade dos homens, em função de y4 e y8.
(c) Determine os valores das idades y4 e y8, sabendo que a distância interquartil da idade dos homens é igual
a 12 e a covariância entre x e y é igual a 613 anos
2.
OBS: Para facilitar os cálculos são fornecidos os somatórios abaixo, todos eles referentes apenas às observações
em que i 6= 4 e i 6= 8:
∑
xi = 275;
∑
yi = 332;
∑
x2i = 9527;
∑
y2i = 14132 e
∑
xiyi = 11573.
3. Um pesquisador deseja estimar a proporção de ratos nos quais se desenvolve um certo tipo de tumor quando
submetidos a radiação. Ele deseja que sua estimativa não se desvie da proporção verdadeira por mais de 0,04
com uma probabilidade de pelo menos 95%.
(a) Quantos animais ele precisa examinar para satisfazer essa exigência?
(b) Para quanto seria posśıvel diminuir o tamanho da amostra utilizando a informação adicional de que em
geral esse tipo de radiação não afeta mais que 22% dos ratos?
4. Uma editora anuncia que os livros editados por ela não contém mais que 4% de páginas com pelo menos um
erro tipográfico. Seja p a proporção de páginas com pelo menos um erro tipográfico de um certo livro a ser
editado e suponha que nesse livro 100 páginas sejam sorteadas para serem inspecionadas e para serem usadas
em um teste de hipóteses, cuja conclusão determina se o livro editado será ou não lançado no mercado.
(a) Formule um procedimento de teste de hipótese para o problema indicando: as hipóteses a serem testadas, a
estat́ıstica de teste e sua distribuição sob a hipótese nula e a regra de decisão com ńıvel de significância de 3%.
(b) Com base na regra de decisão obtida no item (a), calcule a probabilidade de ser lançado no mercado um
livro em que 5% de páginas contém erros tipográficos.
(c) Se forem observadas 9% das páginas com pelomenos um erro, qual o p-valor? Interprete este resultado.
Boa prova!
SOLUÇÕES
1. Sejam Xi=peso do i-ésimo passageiro e Yi=peso da bagagem do i-ésimo passageiro.
T= peso total no avião (passageiros mais bagagens)
(a) T=
∑100
i=1(Xi + Yi). Como n = 100 (grande), pelo TCL e devido ao resultado “soma de Normais é Normal”,
T ∼ N(µT ;σ2T ), onde: µT = 100× 75 + 100× 25 = 10000 e σ2T = 100× 122 + 100× 62 = 134, 162
Assim, P (T < 10200) = Φ(10200−10000134,16 ) = Φ(1, 49) = 0, 9319
(b) P (T < lim) = 0, 98⇒ lim−10000134,16 = 2, 05⇒ lim = 134, 16 ∗ 2.05 + 10000 = 10275Kg
(c) Seja N= Número de pessoas com reserva que comparecem para viajar.
N ∼ Bin(n=110; p=0,85). Como np(1-p)=14.05 ≥ 3 poderemos usar a aproximação da Binomial pela Normal.
Seja Nc a v.a. continua correspondente a N.
Nc ∼ N(np = 93, 5; np(1− p) = 14, 05 = 3, 742). Assim,
P (N ≤ 100) = P (Nc < 100, 5) = Φ(100,5−93,53,74 ) = Φ(1, 87) = 0, 97
2. (a) sx =
√
(9527+332+372)− (275+33+37)
2
10
9 =
√
82,5
9 = 3, 03 anos.
(b) Posição(Q1) = 10+34 = 3, 25 e Posição(Q3) =
3×10+1
4 = 7,75. Portanto:
DIQ(y) = Q3(y)−Q1(y) =
[
y(7)+3y(8)
4
]
−
[
3y(3)+y(4)
4
]
=
[
45+3y(8)
4
]
−
[
3×35+y(4)
4
]
= 3y8−y4−604 .
OBS: Decorre das desigualdades fornecidas: 35 ≤ y4 ≤ 42 e 45 ≤ y8 ≤ 49, que os dados relativos à idade dos
homens já estão dispostos em ordem crescente. Por isso é que foi posśıvel substituir y(4) por y4 e y(8) por y8.
(c) Como DIQ(y) = 12, decorre que 3y8 − y4 = 108 (I). Por outro lado,
61
3 = sxy =
(11573+33y4+37y8)− (275+33+37)×(332+y4+y8)10
9 .
Logo, 61×93 = 183 = 11573 + 33y4 + 37y8 −
345
10 (332 + y4 + y8). Dáı decorre que 5y8 − 3y4 = 128 (II).
Resolvendo o sistema formado pelas equações (I) e (II), chegamos a y4 = 39 anos e y8 = 49 anos.
3. (a) Pelo enunciado acima temos:
• Tolerância: � = 0, 04.
• Coeficiente de confiança: P (|Erro| < �) = 0, 95.
• Logo, pela tabela da distribuição Normal Padrão, temos que z é tal que Φ(z) = 0, 975, portanto, z = 1, 96.
Como não temos uma informação preliminar sobre p, devemos utilizar p=0,5, que maximiza p(1-p). Assim,
podemos calcular o tamanho da amostra da seguinte forma:
n =
(
z
�
)2
p(1− p) =
(
1, 96
0, 04
)2
0, 25 = 600, 25 ≈ 601
Logo, para que o erro cometido na estimação da proporção de ratos nos quais se desenvolve certo tipo de
tumor quando submetidos a radiação seja no máximo 0,04 com probabilidade igual a 0,95, o pesquisador precisa
examinar 601 animais.
(b) Se p for no máximo 22%, o tamanho da amostra será:
n =
(
z
�
)2
p(1− p) =
(
1, 96
0, 04
)2
0, 22× 0, 78 = 412, 02 ≈ 413.
Logo, se p for no máximo 22%, para que o erro cometido na estimação da proporção de ratos nos quais se
desenvolve certo tipo de tumor quando submetidos a radiação seja no máximo 0,04 com probabilidade igual a
0,95, o pesquisador precisa examinar apenas 413 animais.
4. (a) Seja p, a verdadeira proporção de páginas com pelo menos um erro tipográfico nos livros editados por esta
editora.
(i) H0 : p ≤ 0, 04 vs. H1 : p > 0, 04.
(ii) A estat́ıstica teste é Z = p̂−0,04√
0,04×0,96
100
e sua distribuição assintótica sob a hipótese nula é Normal(0,1).
(iii) Como α = 0, 03, rejeita-se H0 se z > 1, 8808. Ou ainda se
p̂−0,04√
0,04×0,96
100
> 1, 8808, logo, se p̂ > 0, 0768. Caso
contrário, aceita-se H0.
(b) P (p̂ < 0.0768 | p = 0, 05) = P (Z < 0,0768−0,05√
(0,05∗0,95)
10
) = P (Z < 1, 23) = 0, 89 = 89%.
(c) p-valor = P (p̂ > 0, 09 | H0) = P (Z > 0,09−0,04√ 0,04×0,96
100
) = P (Z > 2, 551) = 0, 0054 = 0, 54%. Os dados fortemente
contradizem a hipótese nula, ou indicam a rejeição.
UFRJ - CCMN - IM - Departamento de Métodos Estatísticos
Prova Final de Probabilidade e Estatística 26-07-2016
Atenção: Não serão aceitas respostas sem justificativa. Resolver as questões nos espaços apropriados.
1. Suponha que a largura de um automóvel possa ser modelada por uma distribuição Normal com média 1,80m e desvio
padrão 15cm. Admita também que para boa circulação, os carros devem ter uma distância de 50cm entre eles e de
30 cm entre eles e a parede. Essas mesmas distâncias devem ser preservadas quando os carros estiverem também
estacionados.
(a) Qual a probabilidade de que num corredor de 4,20 m possam passar carros indo e voltando? Você acha que a
largura do corredor é suficiente?
(b) Dimensionar a largura de uma garagem, para que, com probabilidade de pelo menos 0,7, cinco automóveis
aleatoriamente escolhidos possam estacionar confortavelmente.
2. O tempo gasto pelo atendente de uma central para concluir o atendimento de um cliente, é independente dos demais
atendimentos e pode ser descrito por uma variável aleatória com função densidade de probabilidade dada por:
f(x) =
{
200x−3, para x ≥ a
0, caso contrário.
(a) Calcule o valor da constante a para que f(.) seja de fato uma função densidade.
(b) Suponha que ao final de um atendimento, o atendente seja avaliado com uma pontuação de valor 0 (ruim), 5
(regular) ou 10 (bom). O atendimento é classificado como bom se ele demorar um tempo inferior a 2a, como
regular se ele demorar um tempo entre 2a e 3a; e como ruim se ele demorar um tempo superior a 3a. Definindo
por Y a pontuação atribuida ao atendimento, forneça a função de distribuição acumulada de Y .
(c) Suponha que no final do expediente, o atendente é pago com uma quantia dada por Q =
N2
5
− W
2
6
, em reais;
onde N representa o número de clientes que ele atendeu ao longo do dia e W representa a quantidade desses
atendimentos que foram classificados como ruins. Calcule o ganho médio desse atendente em um dia em que ele
fizer 20 atendimentos.
3. Um fabricante de comprimidos de vitamina C concluiu, após sucessivas experiências, que para cada lote fabricado, o
conteúdo das suas embalagens, tem distribuição normal. Além disso, constatou que o conteúdo médio das embalagens
varia de um lote para outro embora o desvio padrão se mantenha igual a 20 comprimidos. Deseja-se estimar o número
médio µ de comprimidos por embalagem, em um determinado lote.
(a) Para uma amostra piloto com 15 embalagens extraídas aleatoriamente desse lote, qual é a probabilidade de que
a estimativa da média não difira em mais de 5 comprimidos do parâmetro populacional.
(b) Determine quantas embalagens adicionais (além das primeiras 15) deveriam ser sorteadas desse mesmo lote de
modo a compor uma nova amostra, para a qual o módulo da diferença entre a estimativa e o parâmetro seja
menor que 5 comprimidos com com 95% de confiança.
4. Dentro de alguns meses ocorrerão em todo Brasil eleições municipais para prefeitos e vereadores. Várias pesquisas
deverão ser divulgadas periodicamente para acompanhar as intenções de votos relativas aos diversos candidatos.
(a) O que significa quando um apresentador de telejornal afirma que, com confiança de 95%, um candidato a prefeito
teve a percentagem das intenções de voto (100 × p̂) com uma margem de erro de dois pontos percentuais para
mais ou para menos?
(b) Considerando uma amostra de tamanho 1.500, se a proporção dos entrevistados que declararam sua intenção de
votar no candidato foi p̂ = 55%, determine o intervalo de confiança, não conservativo, de 95% para a proporção
de votos do candidato.
(c) Realize um teste de hipóteses, ao nível de significância de 5%, para verificar se o candidato com esta intenção de
voto pode ficar tranquilo quanto a possibilidade de vencer já no primeiro turno (ter mais de 50% dos votos).
Obs.: Embora na prática muitas vezes sejam adotados métodos de seleção mais elaborados, para simplificar, admita
que nessas pesquisas a amostra é selecionada de forma totalmente aleatória.
Boa prova!
Soluções
1. Seja Xi = Largura de 1 automóvel. Sabemos que Xi ∼ N(180, 152)
(a) Seja a v.a. Y=ocupação do corredor com 2 carros e as folgas.
Y = X1 +X2 + 2 ∗ 30 + 50 = X1 +X2 + 110. Então: E(Y ) = E(X1) + E(X2) + 110 = 470 e como X1 e X2
são v.a. independentes V ar(Y ) = V ar(X1) + V ar(X2) = 450. Assim:
Y ∼ N(µY = 470; σ2Y = 450 = 21, 212)
P (Y < 420) = Φ(420−47021,21 ) = Φ(−2, 36) =1− Φ(2, 36) = 1− 0, 9909 = 0, 0091
Como a probabilidade é muito baixa a largura do corredor não comporta, de forma confortável, a passagem dos
2 carros.
(b) Deseja-se saber qual é o valor da largura, y0, da garagem. Seja agora:
Y =
∑5
i=1Xi + 2× 30 + 4× 50 =
∑5
i=1Xi + 260. Assim:
Y ∼ N(µY = 1160; σ2Y = 5× 152 = 1125 = 33, 542)
P (Y < y0) = 0, 7⇒ Φ(z0 = y0−116033,54 ) = 0, 7
Mas, Φ(z0) = 0, 7⇒ z0 = 0, 52. Assim,
y0 = z0 × σY + µY = 0, 52× 33, 54 + 1160 = 1177, 44,
A largura da garagem deve ser de pelo menos 11m e 77 cm.
2. (a) Para que f(x) seja de fato uma função densidade de probabilidade (f.d.p.), é preciso que:
(I) f(x) ≥ 0, ∀x ∈ R (II)
∫∞
−∞ f(x)dx = 1.
Pela restrição (II), temos:
∫∞
a
200x−3dx = 1 ⇒
[
200x−2
−2
]∞
a
= 1 ⇒ 0−
(
− 100a2
)
= 1 ⇒ a = ±10.
Porém, note que com a = −10, temos que o requisito (I) falha, pois f(x) < 0 para alguns valores de x ∈ R, como
por exemplo x = −5. Por outro lado, se a = 10, temos também satisfeita a restrição (I) e consequentemente esse
é o único valor de a que torna f(x) uma f.d.p. de fato.
(b) Temos que Y é uma variável aleatória discreta com suporte Ry = {0, 5, 10} e as probabilidades de cada um desses
valores dadas por:
P (Y = 10) =
∫ 20
10
200x−3dx = 200
[
− 12x2
]20
10
= −100
(
1
400 −
1
100
)
= 34 =
27
36 .
P (Y = 5) =
∫ 30
20
200x−3dx = 200
[
− 12x2
]30
20
= −100
(
1
900 −
1
400
)
= 14 −
1
9 =
5
36 .
P (Y = 0) =
∫∞
30
200x−3dx = 200
[
− 12x2
]∞
30
= −100
(
0− 1900
)
= 19 =
4
36 .
Logo, temos a seguinte função distribuição acumulada para a variável Y :
F (y) =
0,para y < 0
1
9 , para 0 ≤ y < 5
1
4 , para 5 ≤ y < 10
1, para y ≥ 10
.
(c) Para N = 20 temos:
E(Q) = E
[
202
5
− W
2
6
]
= E
[
80− W
2
6
]
= 80− E(W
2)
6
.
Então, basta calcular o valor de E(W 2) e para isso, vamos analisar qual a distribuição da variável W . Note que
cada atendimento tem probabilidade 436 =
1
9 , independente dos demais, de receber uma avaliação ruim. Com isso,
temos que a variável W pode ser representada como a soma de N = 20 variáveis independentes com distribuição
Bernoulli de igual parâmetro p = 19 .
Logo: W ∼ Binom
(
20, 19
)
E(W ) = np = 20× 1
9
=
20
9
V ar(W ) = np(1− p) = 20× 1
9
× 8
9
=
160
81
Agora, podemos escrever:
E(W 2) = V ar(W ) + E(W )2 = 16081 +
(
20
9
)2
= 160+40081 =
560
81 .
Por fim, temos que:
E(Q) = 80− E(W
2)
6
= 80− 1
6
× 560
81
= 80− 560
486
∼= R$ 78, 85.
3. Seja X = o número de comprimidos de vitamina C de uma embalagem.
Sabemos que X ∼ N(µ, σ2 = 202)
(a) µ̂ = X =
∑
Xi
n ∼ N(µX = µ, σ
2
X
= 20
2
15 )
Então, P (|X − µ| < 5) = P (|Z| < 5
√
15
20 ) = Φ(0, 97)− Φ(−0, 97) = 2× Φ(0, 97)− 1 = 0, 668
(b) Agora, X ∼ N(µ, σ2
X
= 20
2
n )
Então, P (|X − µ| < 5) = P (|Z| < 5
√
n
20 ) = 0, 95
Assim, 5
√
n
20 = 1, 96 ⇒ n =
(
1,96×20
5
)2
= 61, 46 =⇒ n = 62. Assim, precisamos completar a amostra com
mais 47 embalagens.
4. (a) O estudante deve falar de confiança e não de probabilidade. Pode citar que o intervalo de confiança é um esti-
mador por intervalo para o parâmetro p (proporção do eleitorado disposto a votar no candidato).
(b) O aluno deve responder usando o IC não conservador:
IC(p, 95%) =
(
0, 55− 1, 96
√
0, 55× 0, 45
1500
; 0, 55 + 1, 96
√
0, 55× 0, 45
1500
)
= (0, 5248; 0, 5751).
(c) Hipóteses:
H0 : p ≤ p0 = 50% versus H0 : p > p0 = 50%.
A estatística de teste sob H0 :
Z =
p̂− p0√
p0(1− p0)/n
∼ N(0, 1).
Região Crítica:
RC = (p0 + z1−ασ0; +∞) = (0, 5 + 1, 64
√
0, 5× 0, 5/1500; +∞) = (0, 5212; +∞).
Tomada de decisão: Como p̂ = 0, 55 ∈ RC, rejeitamos H0, ou seja, temos evidências para acreditar que o candi-
dato pode ficar tranquilo quanto às suas chances de vitória já no primeiro turno.
A resposta pode ser obtida também via p-valor, da forma
α̃ = P (p̂ > 0, 55) = P (Z >
0, 55− 0, 5√
0, 5× 0, 5/1500
) = P (Z > 3, 87) = 1− Φ(3, 87).
Porém o maior quantil disponível na tabela fornecida da Normal(0;1) é 3,59. Logo, concluímos que o p-valor é
α̃ ≤ 1 − Φ(3, 59) = 1 − 0, 9998 = 0, 0002. Portanto, como 0, 0002 < 0, 05 = α, isso implica que H0 deve ser
rejeitada.
UFRJ - CCMN - IM - Departamento de Métodos Estatísticos
Prova Final de Probabilidade e Estatística 20-12-2016
Atenção: Não serão aceitas respostas sem justificativa. Usar os espaços apropriados.
1. Segundo o IBGE, em 2012, o número de pessoas na Região Norte representa 8% da população; na Região
Nordeste: 28%; na Região Sudeste: 42%; na Região Sul: 14%; e na Região Centro-Oeste: 8%. Uma
pesquisa de 2012 revelou a proporção de leitores em cada região. Na Região Norte era de 47%; 51% na
Região Nosdeste; 50% na Região Sudeste; 43% na Região Sul; e 53% na Região Centro-Oeste.
(a) Qual é a proporção de leitores no Brasil segundo os dados de 2012?
(b) Se uma pessoa da população brasileira sorteada aleatoriamente é leitora, qual é a probabilidade dela
ser da Região Sudeste?
2. Em uma determinada localidade, a renda de um habitante em milhares de u.m. é uma v.a. X com função
densidade de probabilidade:
fX(x) =
x+1
10 0 ≤ x < 2
18−3x
40 2 ≤ x < 6
0 outro caso
(a) Determine a função de distribuição acumulada de X
(b) Escolhida uma pessoa ao acaso, qual é a probabilidade de sua renda exceder 3000 u.m.?
(c) Determine a renda mediana nessa localidade.
3. Seja X o tempo gasto para se encontrar uma vaga no estacionamento de um Shopping Center. Foram
coletadas n = 10 observações independentes desse tempo, em minutos:
4,47 5,47 5,79 3,50 3,17 6,33 5,88 1,37 3,97 8,17
(a) Calcule a mediana Q2 da amostra, que, como se sabe, é uma estimativa natural da mediana populacional
q2(X).
(b) Suponha agora que X ∼ N(µ, σ2). Nessas condições, a média amostral X̄ é um estimador não tenden-
cioso de q2(X)? Por quê?
(c) Obtenha uma outra estimativa pontual para a mediana populacional q2(X), usando para isso o estimadorX̄,
proposto no item (b).
(d) Admitindo agora que o tempo para se encontrar a vaga no estacionamento segue uma distribuição
N(µ;σ2) e que o tamanho n da amostra é bastante grande, qual desses dois estimadores de q2(X)
é o mais preciso: a mediana amostral Q2 ou a média amostral X̄? Por quê? (Para responder esta
pergunta você pode usar a informação de que, para n grande, a distribuição de probabilidade de Q2
é aproximadamente uma Normal com média q2(X) e variância 14n(f(q2(X)))2 , onde f(.) é a função de
densidade da N(µ;σ2).)
4. Para mostrar que seu produto é econômico, um fabricante de automóveis fez um experimento com n=16
carros, do mesmo tipo e no mesmo percurso. Com os dados, que podem ser modelados por uma distribuição
Normal, obteve um intervalo de confiança (IC) com 95% para µ, a média de consumo em Km/litro. O IC
de 95% foi ( 8,85; 14,15)
(a) Para decidir se efetua a compra, um consumidor interessado solicitou um teste de hipótese (TH) com
α=0,01, H0 : µ ≥ 13 versus H1 : µ < 13 . Tomando como base o IC acima, exiba a região de rejeição
do TH.
(b) Calcule o p-valor do TH. Qual decisão deve ser tomada?
(c) O que você acha da afirmação: “Se em um TH H0 for rejeitada com α=0,01 este mesmo TH terá H0
rejeitada, também, ao nível α=0,05"? Está ou não correta? Justifique sua resposta no contexto de TH.
Boa prova!
Soluções
1. Sejam os eventos
N : pessoa é da Região Norte;
O: pessoa é da Região Nordeste;
U : a pessoa é da Região Sudeste;
S: a pessoa é da Região Sul;
C: a pessoa é da Região Centro-Oeste; e
L: a pessoa é leitora. Temos
P (N) = 0, 08; P (O) = 0, 28; P (U) = 0, 42; P (S) = 0, 14; P (C) = 0, 08
e
P (L | N) = 0, 47; P (L | O) = 0, 51; P (L | U) = 0, 50; P (L | S) = 0, 43; P (L | C) = 0, 53.
(a) Pelo teorema da probabilidade total, temos
P (L) = P (L | N)P (N) + P (L | O)P (O)
+P (L | U)P (U) + P (L | S)P (S) + P (L | C)P (C)
= 0, 493.
(b) Pelo teorema de Bayes, temos
P (U | L) = P (L | U)P (U)
P (L)
=
0, 5× 0, 42
0, 493
= 0, 426.
2. (a) A função de distribuição de X é dada por
FX(x) =
0 x < 0∫ x
0
u+1
10 du =
x2
20 +
x
10 0 ≤ x < 2∫ 2
0
u+1
10 +
∫ x
2
18−3u
40 du =
18
40x−
3
80x
2 − 0, 35 2 ≤ x < 6
1 x ≥ 6
(b) P (X > 3)= 1− P (X ≤ 3) = 1− FX(3) = 1− [1840(3)−
3
80(3)
2 − 0, 35] = 0, 3375
(c) Encontrar a renda mediana equivale a resolver P (X ≤ m) = 0, 5. Assim, tem-se que
18
40m −
3
80m
2 − 0, 35 = 0, 5 ou equivalentemente 380m
2 − 1840m + 0, 85 = 0.0. O que leva as soluções
m ≈ 9, 65 ou m ≈ 2, 35 u.m.. A única solução possível é m = 2, 35.
3. (a) Colocando os valores em ordem crescente, temos:
1,37 3,17 3,50 3,97 4,47 5,47 5,79 5,88 6,33 8,17
Logo Q2 = 4,47+5,472 = 4, 97 minutos.
(b) Sabemos que E(X̄) = µ. Por outro lado, por ser a ∼ N(µ, σ2) uma distribuição simétrica em torno de
x = µ, q2(X) = µ. Logo, a média amostral X̄ é um estimador não tendencioso para q2(X) = µ.
(c) Com base nos dados, calcula-se x̄ = 4,47+5,47+···+8,1710 = 4, 81. A nova estimativa é então 4,81 minutos.
(d) Vamos comparar os dois estimadores em termos de seus EQM’s. Como ambos são assintoticamente
não tendenciosos, basta comparar suas variâncias.
V ar(X̄) =
σ2
n
Por outro lado, sabemos que V ar(Q2) = 1
4n(f(q2(X)))2
, onde:
f(q2(X)) = f(µ) =
1√
2πσ
exp(− (µ−µ)
2
2σ2
) = 1√
2πσ
. Substituindo na expressão acima, obtemos:
V ar(Q2) =
1
4n(f(q2(X)))2
=
2πσ2
4n
=
πσ2
2n
.
Como π2 > 1, V ar(X̄) < V ar(Q2), o que significa que X̄ é o mais preciso dos 2 estimadores.
4. (a) x = linf+lsup2 =
14,15+8,85
2 = 11, 5
d = 14,15−8,852 = 2, 65 = t1−α2 ;n−1 ×
s√
n
= t0,975;15
s√
n
. Assim, s = 2,65×42,131 = 4, 97
H0 ≥ 13 versus H1 < 13 , com α=0,01, então ttab = t0,99;15 = 2, 602
tobs =
x−µ0
s√
n
= 11,5−134,97
4
= −1, 2
RC = {t|t < ttab = −2, 602}, onde RC, região Crítica ou Rejeição.
Como −2, 602 = ttab < tobs = −1, 2 não há evidência para a rejeição de H0.
(b) Como tobs= -1,2 e olhando a linha 15=n-1 g.l. na tabela da t-student observamos:
0, 8 < P (T < 1, 2) < 0, 9. Assim, 0, 1 < p-valor < 0, 2 que corresponde a um valor não raro de
acontecer. Como o p-valor é uma medida de quanto os dados observados concordam com a hipótese
H0, então sendo p-valor grande, não devemos rejeitar H0.
(c) Sim! Por que se a rejeição corresponde um nível menor, α = 0, 01, o valor observado da estatística
de teste estará no interior da região de rejeição R0,01 ⊂ R0,05. Assim, rejeita-se, também ao nível de
α = 0, 05. Ou seja, a região de rejeição R0,01, correspondente a α = 0,01, está necessariamente contida
na região de rejeição R0,05, correspondente a α = 0,05.