1.

Inferncia Estatstica
Inferncia Estatstica o uso da informo (ou experincia ou histria) para a
reduo
da incerteza sobre o objeto em estudo. A informao pode ou no ser proveniente
de um experimento previamente planejado, pode ser um conjunto de dados ou no.

1.1.

Definies Bsicas

Definio. As quantidades da populao, em geral desconhecidas, sobre as quais

tem-se interesse, so denominadas parmetros e, usualmente, representadas por
letras gregas tais como , , , , , , , , , , dentre outras.

Definio. combinao dos elementos da amostra, construda com a finalidade

de representar, ou estimar, um parmetro de interesse na populao, denomina-se
estimador ou estatstica. Denota-se os estimadores por smbolos com o acento
circunflexo, tais como 
, , , , , ,
, ,
,
 , dentre outras.

Definio. Os valores assumidos pelos estimadores denomina-se estimativas

pontuais ou simplesmente estimativas.

1.2.

Propriedades dos estimadores

Definio. Um estimadores  no viciado ou no viesado para um parmetro

se  = . Ou seja, um estimador no viciado se o seu valor esperado

exatamente o valor do parmetro.

Definio. Um estimador  consistente se as duas condies so satisfeitas:

)   = ;

)   = 0.

Ou seja, se, medida que o tamanho da amostra aumenta, seu valor esperado
converge para o parmetro e sua varincia converge para zero.
Definio. Dado dois estimadores  e ! , no viciados em relao , diz-se que
 mais eficiente que ! se   < ! .

Exerccio: Baseado nas definies das propriedades dos estimadores demonstre

os resultados que seguem no quadro abaixo:

Parmetro

Estimador

) =

#$ =

&' #&
(

No viciado e

(+ ,- (,.,012 ( 123 41 ,, 443-234

(


1
5 =
89#& #$)!
(1

consistente
No viciado e
consistente
No viciado e

&'

consistente

:! = 1 89#& #$)!

1.3.

Propriedades

Viciado e

&'

consistente

Distribuio Amostral

1.3.1. Distribuio Amostral da Mdia

Seja uma populao identificada pela varivel aleatria X, cujos parmetros mdia

populacional < = 9#) e varincia populacional = ! = 9#) so supostamente

conhecidos. Retira-se todas as amostras possveis de tamanho ( dessa populao
>.
e para cada uma delas, calcular a mdia X

Supe-se a seguinte populao ?2, 3, 4, 5E com mdia < = 3,5 e varincia = ! = 1,25.

Vamos relacionar todas as amostras possveis de tamanho 2, com reposio, desta

populao.

(2,2)

(2,3)

(2,4)

(2,5)

(3,2)

(3,3)

(3,4)

(3,5)

(4,2)

(4,3)

(4,4)

(4,5)

(5,2)

(5,3)

(5,3)

(5,5)

Agora, calcula-se a mdia de cada amostra. Tem-se:

2,0

2,5

3,0

3,5

2,5

3,0

3,5

4,0

3,0

3,5

4,0

4,5

3,5

4,0

4,5

5,0

Por fim, vamos calcular a mdia das mdias, ou seja,

9#$) =

2,0 + 2,5 + + 5,0

= 3,5
16

Agora, calcula-se a varincia:



1
1
9#$) = 89#& #$)! = 9# #$)! + 9# #$)! + + 9# #$)!
(
(
&'

9#$) =

1
[92,0 3,5)! + 92,5 3,5)! + + 95,0 3,5)! ]
(
9#$) = 0,625

KLM9N)
Sendo assim, 9#$) =  , em que ( o tamanho das amostras retiradas da

populao. No nosso exemplo,

9#$) =

9#) 1,25
=
= 0,625
(
2

Exemplo: Seja o caso de uma populao Normal, isto , a varivel de interesse

#~P1Q9, ! ). Portanto, tem-se que 9# , #! , , # ) representa uma amostra

aleatria cujos elementos so independentes, e identicamente distribudos, com

densidade Normal de mdia e varincia = ! , ou seja:
#& ~P1Q9<, = ! ),

 = 1, , (;

#& (,-)-(,-(3- ,- #S ,

) 31,1  U.

Sabe-se que para quaisquer constantes  , ! , ,  , a combinao linear &' &

tambm tem distribuio de probabilidade dada pelo modelo Normal. A distribuio

da mdia amostral segue diretamente deste resultado ao utilizar-se & = , para

 = 1, , (. Assim,

#$~P1QVN$ , N!$ W,

esperana e varincia tem-se que:

e, com o auxlio das propriedades da

&'

&'

&'

&'

1
1
1
1
1
N$ = [#$] =  X 8 #& Y =  X8 #& Y = 8 [#& ] = 8 = ( = ;
(
(
(
(
(


1
1
1
1
1
N!$ = [#$] =  X 8 #& Y = !  X8 #& Y = ! 8 [#& ] = ! 8 ! = ! (!
(
(
(
(
(
=

1 !
.
(

&'

&'

&'

&'

Conclui-se que para uma coleo de variveis aleatrias independentes com uma

mesma distribuio de probabilidade, dada por um modelo Normal com mdia < e

varincia = ! , a mdia amostral #$ tambm ter distribuio Normal, com mdia < e
varincia

Z[


. Ou seja:

#$~P1Q \<,

=!
#$ <
] _ = = ~P1Q90, 1).
(
(

Observao: Se a populao finita e de tamanho P conhecido, e se a amostra de

tamanho ( dela retirada sem reposio, ento:

N!$ =

P(
.
( P 1
a

Onde b cd o fator de correo para populao finita.

cd

Exemplo: Seja # , #! , , #!e uma amostra aleatria de uma varivel aleatria # tal
que #~P1Q980, 26). Calcule:

jkdjl
a. g9#$ > 83) = g i_ > [m o = g9_ > 2,94) = 0,001641;
b

[n

j!djl
b. g9#$ < 82) = g i_ < [m o = g9_ < 1,96) = 0,975002;
b

[n

c. g9N$ 2 N$ < #$ < N$ + 2 N$ ) = g \80 2b

g977,96 < #$ < 82,04) = g t
s

!r
!e

< #$ < 80 + 2 b ]

77,96 80
b26
25

!r
!e

<_<

g92 < _ < +2) = 0,954500.

82,04 80
b26
25

v
u

Exerccio: Seja # , #! , , #!l uma amostra aleatria de uma varivel aleatria # tal

que #~P1Q9100, 85). Calcule:

a. g995 < #$ < 105);
b. g998 < #$ < 102);

c. g wN$ Zyz! N$ < #$ < N$ + Zyz! N$ { = 0,95.

Teorema Central do Limite TCL

Seja # , #! , , # uma amostra aleatria simples de tamanho ( de uma populao

com mdia < e varincia = ! (note que o modelo da varivel aleatria no

especificado), ento a mdia amostral #$ tambm ter distribuio Normal, com

mdia < e varincia

|[


, ou seja:

#$~P1Q \<,

=!
#$ <
] _ = = ~P1Q90, 1).
(
(

Exerccio: Supe-se que o consumo mensal de gua por residncia em um certo

bairro mineiro tem distribuio normal com mdia 10 e desvio padro 2 (em k ).

Para uma amostra de 25 dessas residncias, qual a probabilidade de a mdia

amostral no se afastar da verdadeira mdia por mais de 1 k?

Exerccio: Um fabricante afirma que produz em mdia 75 componentes por dia com

desvio padro de 10 componentes por dia. Para uma amostra de 1 ms (25 dias

teis), qual a probabilidade de a mdia amostral ficar entre 70 e 80 componentes

dia? Se o fabricante estabelecer uma meta mdia mensal de 80 componentes por

dia, qual a probabilidade de ser alcanada?

1.3.2. Distribuio Amostral da Proporo

Uma aplicao importante do TCL relaciona-se com a distribuio da proporo
amostral, que definida como a frao dos indivduos com uma dada caracterstica
em uma amostra de tamanho (, isto :

(+ ,- (,.,012 ( 123 41 ,, 443-234

) =
.
(

Seja a proporo de indivduos com a dada caracterstica na populao ) e que os

indivduos so selecionados aleatriamente, tem-se assim que } , }! , , } formam

uma sequncia de variveis aleatrias independentes com distribuio de Bernoulli,

ou seja, }& ~~-(10QQ9)). Desta forma:


}& = 1 2- 1 -Q--(31 , )1)0Q1 3-  443-234

}& = 0 2- 1 -Q--(31 , )1)0Q1 (1 3-  443-234

Logo, g9}& = 1) = ), g9}& = 0) = 1 ), [}& ] = ), [}& ] = )91 )).

Pode-se reescrever a proporo amostral como:
) =

} + }! + + } &' }&
=
= }$.
(
(

Logo, a proporo amostral a mdia de variveis aleatrias convenientemente

definidas. Calculando a esperana e varincia de ) tem-se que:


&'

&'

&'

&'

1
1
1
1
1
= [) ] =  X 8 }& Y =  X8 }& Y = 8 [}& ] = 8 ) = () = );
(
(
(
(
(

&'

&'

&'

&'

1
1
1
1
= [) ] =  X 8 }& Y = !  X8 }& Y = ! 8 [}& ] = ! 8 )91 ))
(
(
(
(
=

1
)91 ))
()91 )) =
;
!
(
(

Portanto, = ), ! =

, = b

9 d)


) ~P1Q \),

9 d)


. Desta forma, pelo TCL:

)91 ))
]_=
(

) )

b)91 ))
(

~P1Q90, 1).

Observao: Quando ) desconhecida e a amostra com reposio grande,

determina-se ) =  e b

9 d )


. Para alguns autores e estatsticos, uma amostra

suficientemente grande quando () 5 e (91 )) 5.

Exemplo: Em uma populao, a proporo de pessoas favorveis a uma

determinada lei de 40%. Retira-se uma amostra de 300 pessoas dessa populao.
Determine g w) Zyz! < ) < ) + Zyz! { = 0,95.

Dado que ( = 300 e ) = 0,40, ento = b

que Z!,e% = 1,96, ento:

9 d)


=b

l,l9 dl,l)
kll

= 0,0283. Tem-se

g90,4 1,96 0,0283 < ) < 0,4 + 1,96 0,0283) = 0,95

g90,4 0,0555 < ) < 0,4 + 0,0555) = 0,95
g90,3445 < ) < 0,4555) = 0,95

g934,45% < ) < 45,55%) = 0,95

Exemplo: Deseja-se obter a proporo de estudantes de Economia e Administrao
portadores de habilidades intrnsecas de gesto e liderana. Retira-se uma amostra
de 400 estudantes, obtendo-se 8 portadores de tais habilidades. Determine um
intervalo de confiabilidade de 99% para a proporo populacional.
g w) Zyz! < ) < ) + Zyz! { = 0,99

Dado que ( = 400 e ) =

ll

Tem-se que Zl,e% = 2,57, ento:

= 0,02, ento b

9 d )


=b

l,l!9 dl,l!)
ll

= 0,007.

g90,02 2,57 0,007 < ) < 0,02 + 2,57 0,007 = 0,99

g90,02 0,018 < ) < 0,02 + 0,018 = 0,99
g90,002 < ) < 0,038 = 0,99
g90,2% < ) < 3,8% = 0,99.

Exerccio: Uma fbrica de peas especfica em suas embalagens que a proporo

de defeitos de 4%. Um cliente dessa fbrica inspeciona uma amostra de 200

peas e constata que 12 so defeituosas. Baseado nesses dados, em quantas

amostras o cliente encontraria uma proporo de defeitos maior que o especificado

pelo fabricante?

1.3.3. Distribuio t-Student

O trabalho desenvolvido por W. S. Gosset (que o divulgou sob o pseudnimo de

530,-(3), no comeo dos anos 1900 resultou na distribuio 3 530,-(3, ou mais

simplesmente a distribuio 3.
Definio.

Seja # , #! , , #

#~P1Q9<, = ! . A quandidade

uma amostra aleatria

( 1 graus de liberdade. Ou seja:

Pode-se verificar que:

#$ < (9#$ <
=
2 =
2
(

N$ d

, N$ =

de

uma

distribuio

, tem distribuio 3 530,-(3, com

#$ <
2 ~3d
(

(9#$ <
(9#$ <
(9#$ <
P90; 1
=
=
=
=
=
=
2
!
9( 12 !
1
b2 !
b
!
=
9( 1 a d
=!
=
9( 1

#$ 7 <
2 ~3d .
(

A funo de densidade de probabilidade de uma varivel aleatria que tem

distribuio 3 7 530,-(3 com ) graus de liberdade (denota-se por ~3 ) :

)F1
w 2 {
1
93 
)
w2{ 9)

! 91

3 ! )9 !

, 7 3 " .

Caractersticas da distribuio 3 7 530,-(3:

Simtrica em relao a media;

Forma de sino;

Quando ( , a distribuio 3 7 530,-(3 se torna equivalente a distribuio

Gaussiana, conforme pode-se ver pela figura abaixo.

Obersvao: A distribuio de Cauchy um caso particular da distribuio 3 7

530,-(3 quando )  1.

Exemplo: Calcule as probabilidades por meio da tabela da distribuio 3 7 530,-(3.

a. g93
b. g93

c. g93
d. g93

e. g93
f. g93

l
l

> 2,2281) = 0,025;

< 2,2281) = 0,025;

ll
ll
ll
ll

> 1,9759) = 0,025;

< 1,9759) = 0,025;

> 1,9600) = 0,025;

< 1,9600) = 0,025;

g. g93 > 1,4149) = 0,100;

h. g93 < 1,4149) = 0,100;

i.

j.

g93 > 1,8949) = 0,050;

g93 < 1,8949) = 0,050;

k. g93 > 2,3646) = 0,025;

l.

g93 < 2,3646) = 0,025;

m. g93 > 2,9980) = 0,010;

n. g93 < 2,9980) = 0,010;

o. g93 > 3,4995) = 0,005;

p. g93 < 3,4995) = 0,005.

Exemplo: Seja # , #! , , #!e uma amostra aleatria de uma varivel aleatria # tal

que #~P1Q980, ! ). Dada a varincia amostral 5 ! = 26 e por meio da

distribuio 3 530,-(3 pode-se calcular:

jkdjl
a. g9#$ > 83) = g i3! > [m o = g93! > 2,94) = 0,003577 94-Q);
b

[n

j!djl
b. g9#$ < 82) = g i3! < [m o = g93! < 1,96) = 0,969147 94-Q);
b

[n

!r
!r
$
c. g9N$ 2 N$ < #$ < N$ + 2 )
N$ = g \80 2b!e < # < 80 + 2 b!e]

 g977,96 < #$ < 82,04) = g t

s

77,96 80
b26
25

< 3! <

82,04 80

g92 < 3! < +2) = 0,943060 94-Q).

b26
25

v
u

Exerccio: Por meio da tabela da distribuio 3 530,-(3:

a. Calcule g93! > 0,6864);

b. Calcule g93kr < 2,4345);

c. Calcule g93e > 2,6757);

d. Obtenha  tal que g93e > ) = 0,250;

e. Obtenha tal que g93

> ) = 0,100;

h. Obtenha - tal que g93

!l

f. Obtenha 4 tal que g93l > 4) = 0,050;

g. Obtenha , tal que g93 < ,) = 0,010;

< -) = 0,005;

Exerccio: Seja # , #! , , #!l uma amostra aleatria de uma varivel aleatria # tal

que #~P1Q9100, ! ). Dada a varincia amostral 5 ! = 85, calcule:

a. g995 < #$ < 105);
b. g998 < #$ < 102);

c. g wN$ 3yz! N$ < #$ < N$ + 3yz! {

N$ = 0,95.
1.4.

Intervalo de Confiana (uma populao)

Em todas as reas do conhecimento existe a necessidade de se obter concluses a

respeito dos parmetros de uma populao. A estimao destes parmetros pode
ser realizada por meio de estimao pontual ou estimao por intervalo.

Estimao Pontual
pontual quando a estimativa do parmetro representada apenas por um valor. A
principal desvantagem que a estimativa pontual pouco informativa. Esta

estimao no fornece nenhuma idia do erro que se comete ao assumir o valor da

estimativa como igual ao verdadeiro valor do parmetro desconhecido.

Estimao Intervalar
intervalar quando estabelece-se um intervalo que contm, com uma determinada
probabilidade pr-estabelecida, o verdadeiro valor do parmetro desconhecido.

Uma maneira de se expressar a preciso da estimao estabelecer limites da

forma I, J

dy ,

que, probabilidade 1 7 , incluam o verdadeiro valor do parmetro

de interesse. Sendo assim, a estimao por intervalo consiste na fixao de dois

valores, , e , tais que 91 7  seja a probabilidade de que o intervalo, por eles

determinado, contenha o real valor de .

O intervalo I, J pode ser constitudo a partir das distribuies amostrais. Ou seja,

utilizando as distribuies de amostragem, pode-se obter expresses do tipo:

g9 " < "   1 7
g9 " ) "   1 7

g9 " = ! "   1 7

Assim, pode-se interpretar sob as expresses acima que existe 10091 7 % de

confiana que o verdadeiro valor de <, ) e = ! esteja contido no intervalo I, J. Em
outras palavras, I, J uma estimativa para <, ) e = ! em que a probabilidade

91 7  ou 10091 7 % expressa o grau de confiana que se tem na estimao.

Se I, J uma estimativa com 10091 7 % de confiana para , ento,

O intervalo Ia, bJ chamado intervalo de confiana para .

a e b so chamados limite inferior e limite superior do intervalo de

confiana para .

A probabilidade 91 7   10091 7 % chamada coeficiente de confiana.

A probabilidade chamada nvel de significncia.

1.4.1. Intervalo de confiana para a mdia populacional

1.4.1.1.

Intervalo de confiana para a mdia populacional com varincia

populacional conhecida

Pelo TCL tem-se que #$~P1Q w<,

gV7y! _ Fy! W  1 7

g \7y!

g 7y!

#$ 7 <
=(

Z[


{_

N$ d

~P1Q90, 1, ento:

Fy! ]  1 7

7 #$ 7< Fy!

7 #$

17
=
=
g #$ 7 y!
< #$Fy!  1 7
(
(

Sendo assim, o intervalo com 91 7   10091 7 % de confiana para < com = !

conhecida :

Observao:

dy 9<

 #$ 7 yz!

1. Denota-se   #$ 7 <  yz!

; #$ F yz!

por erro padro ou erro de estimao;

2. Os nveis de confiana de confiana mais usados so:

1 7  0,90 yz!  e,l%  1,64;
1 7  0,95 !,e%  1,96;
1 7  0,99 l,e%  2,58.

Exemplo: A especificao de uma pea uma varivel aleatria # com = !  9. O

setor de controle de qualidade extraiu uma amostra de tamanho 25 e obteve

!e
&' #&  152. Deseja-se determinar o intervalo de confiana de 90% e o erro de

estimao para a mdia populacional da especificao da pea.

!e

1
#$ 
8 #& = 6,08
25
=

N$ =
g #$ y!

&'

25

= 0,60

e,l%  1,64

< #$+y!

=1

g96,08 1,64 0,60 < 6,08 + 1,64 0,60) = 0,90

g95,096 < 7,064) = 0,90

l% 9<  I5,096; 7,064]

=
1 ),1 = y!
= 1,64 0,60 = 0,984.
(

Exerccio: Obtenha os intervalos de confiana de 95% e 99% e o erro de estimao

para a mdia populacional da especificao da pea do exemplo anterior.

Exemplo:

De

uma

populao

de

1000

elementos

com

distribuio

aproximadamente Normal com = ! = 400, tira-se uma amostra de 25 elementos,

obtendo-se #$ = 150. Obtenha o intervalo de confiana para um nvel de significncia
de = 5%.

N$ =

P ( 400 1000 25
a
a
=
= 3,95
( P 1
25 1000 1

g #$ y!

!,e% = 1,96

< #$+y!

=1

g9150 1,96 3,95 < 150 + 1,96 3,95 = 0,95

g9142,25 < 157,75 = 0,95
e% 9< = I142,25; 157,75J

1 ),1 = y!

P(
a
= 1,96 3,95 = 7,742.
( P 1

Exerccio: Obtenha os intervalos de confiana de 90% e 99% para a mdia

populacional e o erro de estimao dos dados do exemplo anterior.

1.4.1.2.

Intervalo de Confiana para a mdia populacional com varincia

populacional desconhecida

Z
Pelo TCL tem-se que #$~P w<; { _ 
[

N$ d

~P90; 1. No entanto, quando no se

conhece a varincia populacional, situao mais comum na prtica, se as amostras

forem pequenas tem-se que utilizar a distribuio 3 7 530,-(3. Sabe-se ainda que
N$ d

< :

~3d , desta forma, um intervalo com 91 7   10091 7 % de confiana para

9

dy 9<

 #$ 7 3d

; yz!

Onde 5 o desvio padro amostral e 3d

3 7 530,-(3.

Observao:

1. Denota-se -  #$ 7 <  3d

Z
; yz! 

; #$ F 3d

; yz!

; yz!

o valor tabelado da distribuio

por erro padro ou erro de estimao;

2. Quando ( , a distribuio 3 7 530,-(3 se torna equivalente a distribuio

Gaussiana. Por esta razo, alguns autores sugerem o uso da distribuio

Gaussiana quando ( > 30.

Exemplo: A amostra ?9, 8, 12, 7, 9, 6, 11, 6, 10, 9E foi extrada de uma populao
aproximadamente normal. Deseja-se construir um intervalo de confiana para < com

um nvel de 95% de confiana.

&' &
 8,7
(
&' 9& #$)!
5! =
452
(1
#$ 

02 ,- Q-,,- = ( 1 = 10 1 = 9
9

3d

dy) 9<)

; y!

= 3; !,e%  2,262

= #$ 3d

; #$ + 3d

(
(
2
2
e% 9<  8,7 2,262
; 8,7 + 2,262

10
10
; yz!

e% 9<  I7,27; 10,13]

1 ),1 = 3d

; y!

= 2,262

; yz!

10

= 1,43.

Exerccio: Obtenha os intervalos de confiana de 90% e 99% para a mdia

populacional e o erro de estimao dos dados do exemplo anterior.

Exerccio: Por meio de uma amostra aleatria simples referente ao numero de

ocorrncias criminais num certo bairro na cidade de So Paulo, coletada durante 30
dias, obteve-se os seguintes valores:
7
8
8

11
10
6

8
14
8

9
12
13

10
14
10

14
12
14

Construa um intervalo de confiana de 90%, 95% e 99%.

6
9
5

8
11
14

8
13
10

1.4.2. Intervalo de confiana para a proporo populacional

Pelo TCL tem-se que

) ~P1Q w),

{_=

9 d


b9

~P1Q90, 1. Logo, o

intervalo com 91  = 10091 % de confiana para ) :

9

dy 9)

= ) yz! a

) 91 ) 
) 91 ) 
; ) + yz! a
.
(
(

Observao:
1. Denota-se - = ) ) = yz! b

9 d 


7
13
10

por erro padro ou erro de estimao;

2. Tem-se que ) 

e para ( suficientemente grande b

9 d 


. Para alguns

autores e estatsticos, uma amostra suficientemente grande quando () 5

e (91 )) 5;

3. Se a populao finita e de tamanho P conhecido, e se

b

9 d )


cd
cd

0,05,

, onde b cd o fator de correo para populao finita;

cd

4. Pode-se utilizar )91 )) =

varincia populacional.

se desejar ser conservador na estimativa da

Exemplo: Pretende-se estimar a proporo p de peas que atendem s

especificaes/exigncias para exportao. Em uma amostra selecionada de

tamanho 200, escolhida ao acaso, observou-se que 160 deles apresentam as

exigncias atendidas. O que pode-se dizer da proporo p na populao em geral?

(use = 5%)

233. g1(30Q: ) =
9

dy) 9))

160
=
= 80%
( 200

!,e% = 1,96

) 91 ) )
) 91 ) )
= ) yz! a
; ) + yz! a

(
(

e% 9)) = 0,8 1,96 a

0,891 0,8)
0,891 0,8)
; 0,8 + 1,96 a

200
200

9e%) 9)) = [0,745; 0,855].

) 91 ) )
0,891 0,8)
1 ),1 = yz! a
= 1,96 a
= 0,055.
(
200

Exerccio: Obtenha os intervalos de confiana de 90% e 99% para a proporo

populacional e o erro de estimao dos dados do exemplo anterior.

Exerccio: O setor de controle de qualidade esta intervindo em um processo

produtivo por acreditar que a proporo de peas fora das especificaes esta muito

elevado. Uma amostra de 100 peas foi avaliada e observou-se 20 peas fora das

especificaes. Sendo  1%, determine um intervalo de confiana para a

proporo de peas defeituosas deste processo produtivo.

: 9%) 9)) = [9,72%; 30,28%]

Exerccio: Para se estimar a porcentagem de alunos de um curso favorveis a

modificao do currculo escolar, tomou-se uma amostra de 100 alunos, dos quais,

80 foram favorveis. Construa um intervalo de confiana a 96% para a proporo de

todos os alunos favorveis a modificao.

: 9r%) 9)) = [71,8%; 88,2%]

1.4.3. Intervalo de confiana para a varincia populacional

Uma varivel aleatria obtida por ! =

9d ) [
Z[

definida como 0 0,,1 com

9( 1) graus de liberdade. Desta forma, o intervalo com 91 ) = 10091 )% de

confiana para = ! :

!
dy) 9= ) =

9( 1)5 !

!
Vd

; yz!W

9( 1)5 !

!
Vd

; yz!W

!
Onde 5 = bd &' 9#& #$)! o desvio padro amostral e Vd

so os valores tabelados da distribuio 0 0,,1.

; yz!W

!
e Vd

; yz!W

Exemplo: Observou-se a volatilidade (varincia) da g-34 durante 42 dias teis e

obteve-se uma varincia amostral de 5 ! = 0,45 945% 1 (1). Deseja-se construir

um intervalo de confiana de 95% para a volatilidade da g-34.
!
Vd

!
Vd

; yz!W

; yz!W

= !

= !

9 dy) 9= ! ) =

; !,e%

; ,e%

= 25,215

9( 1)5 !

!
Vd

e% 9= ! ) =

= 60,561

; yz!W

9( 1)5 !

!
Vd

; yz!W

41 0,45 41 0,45
;

60,561
25,215

e% 9= ! ) = [30,42%; 73,17%]

Exerccio: Obtenha os intervalos de confiana de 98% e 99% para a varincia

populacional dos dados do exemplo anterior.

Exemplo: Observou-se a volatilidade (varincia) da Q-5 durante 42 dias teis e

obteve-se uma varincia amostral de 5 ! = 0,55 955% 1 (1). Deseja-se construir

um intervalo de confiana de 98% e 99% para a volatilidade da Q-5.

Observao: Quando a mdia populacional < conhecida, o intervalo com

91 ) = 10091 )% de confiana para = ! :

9

!
dy) 9= ) =

(5 !

!
V;
yz

!W

(5 !

!
V;
yz

!W

!
Onde 5 = b &' 9#& <)! o desvio padro amostral e V;
yz

valores tabelados da distribuio 0 0,,1.

1.5.

!W

!
e V;
yz

!W

so os

Clculo de tamanho de amostra

1.5.1. Clculo de tamanho de amostra para a estimao da mdia

populacional

Z
Pelo TCL tem-se que #$~P1Q w<, { _ =

[

N$ d

~P1Q90, 1), ento:

!
y! =
y! = !
Vy! =W
#$ <
=
$
_ = = # < = y!
( =
(=
(=
.
!
#$ <
#$ <
(
(

Onde  = #$ < o erro de estimao aceitvel.

Para o caso em que a populao finita, inclue-se o fator de correo b cd , ento:

(=

PVy! =W

9P 1) ! + Vy! =W

cd

!.

1.5.2. Clculo de tamanho de amostra para a estimao da proporo

populacional
Pelo TCL tem-se que ) ~P1Q w),
_=

{_=

9 d)


b9)

~P1Q90, 1), ento:

y! ) 91 ) )
) 91 ) )
) ) = y! a
( =
) )
(
b) 91 ) )
(
) )

y! ) 91 ) )
Vy! W ) 91 ) )
(=
(=
.
) )
!
!

Onde  = ) ) o erro de estimao aceitvel.

Para o caso em que a populao finita, inclue-se o fator de correo b

(=

PVy! W ) 91 ) )
!

9P 1) ! + Vy! W ) 91 ) )
!

cd
cd

, ento:

Exemplo: O Instituto DataVoto desenvolver no prximo ms pesquisa de inteno

de voto, para um candidado particular, estabelecendo um intervalo de confiana de

99%. Deseja que a proporo amostral esteja entre 3% da proporo

populacional. Em uma campanha eleitoral recente, estimou-se que 220 eleitores,

entre 500 entrevistados, preferem este candidato em particular. Deseja-se estimar o
tamanho de amostra adequado considerando populao finita de tamanhos 1000,

10000, 20000 e populao infinita.

) =

220
=
= 44%
( 500

y! = 2,576
 = 3%

g P (31 ( =
g P = 1000 ( =

PVy! W ) 91 ) )
!

9P 1) ! + Vy! W ) 91 ) )
!

100092,576)! 0,4491 0,44)

645 )-2212;
91000 1)0,03! + 92,576)! 0,4491 0,44)

g P  10000 ( =
g P = 20000 ( =

1000092,576)! 0,4491 0,44)

1537 )-2212;
910000 1)0,03! + 92,576)! 0,4491 0,44)
2000092,576)! 0,4491 0,44)
1665 )-2212;
920000 1)0,03! + 92,576)! 0,4491 0,44)

Vy! W ) 91 ) )
g P ((31 ( =
!
92,576)! 0,4491 0,44)
g P ((31 ( =
1817 )-2212.
0,03!
!

Exerccio: Estime o tamanho de amostra adequado para um erro de estimao de

2% considerando populao finita de tamanhos 5000 e 50000 e populao infinita.

1.6.

Intervalo de Confiana (duas populaes)

1.6.1. Intervalo de confiana para diferena de mdias 9 ) com

varincias e conhecidas.

Seja # ~P9< ; = ! ) e #! ~P9<! ; =!! ) variveis aleatrias associadas s populaes 1 e

2. A partir de amostras ( e (! retiradas das populaes, para = ! e =!! conhecidos, o

intervalo com 91 ) = 10091 )% de confiana para 9< <! ) :

= ! =!!
= ! =!!
$
$
$
$
a
a
9<
)
)
9#
)
9 dy)
<! = 9# #! y!
+ ;
#! + y!
+ .
(
(!
(
(!

Onde #$ a mdia da amostra ( e #$! a mdia da amostra (! .

Observao: O objetivo deste intervalo de confiana concluir se h diferena

entre as duas mdias. Assim, se o intervalo de confiana contiver o valor zero, no
tem-se evidencias significativas para afirmar que uma mdia difere da outra.
Exemplo: Seja duas variveis aleatrias Gaussianas # e #! cujas varincias

populacionais so = ! = 3,64 e =!! = 4,03. Deseja-se construir um intervalo de 95%

de confiana para a diferena de mdias populacionais, considerando as amostras

obtidas apresentadas na tabela abaixo:
AMOSTRA 1

( = 32

#$ = 16,20

(!  40

AMOSTRA 2

#$! = 14,85

= ! =!!
= ! =!!
$
$
$
$
a
a
9<
)
)
9#
)

<
=
9#

+
;

#
+

+ .

dy)
!
!
y !
!
y !
(
(!
(
(!

3,64 4,03
3,64 4,03
e% 9< 7 <!   916,20 14,85) 1,96a
+
; 916,20 14,85) + 1,96a
+

32
40
32
40

e% 9< 7 <!   I0,44; 2,26]

Observao importante: O intervalo de confiana no contm o zero, ou seja,

pode-se concluir, ao nvel de 95%, que h evidncias estatsticas para afirmar que
existe diferena entre as mdias populacionais entre as populaes.

Exerccio: Seja o nmero de peas produzidas, de duas unidades de negcios,

duas variveis aleatrias Gaussianas # e #! cujas varincias populacionais so

= ! = 10,5 e =!! = 15,0. Deseja-se construir um intervalo de 98% de confiana para a

diferena de peas produzidas (mdias populacionais), considerando as amostras

obtidas apresentadas na tabela abaixo. Pode-se afirmar que as unidades de
negcio apresentam a mesma produtividade?

( = 25
(! = 35

UNIDADE DE NEGCIO 1
UNIDADE DE NEGCIO 2

#$ = 121,5
#$! = 100,5

1.6.2. Intervalo de confiana para diferena de mdias 9  com

varincias e desconhecidas, porm iguais 9 = 

Neste caso, o intervalo com 91  = 10091 % de confiana para 9< <!  :

9

dy 9<

<!  = 9#$ #$!  3w

[ d!; z {
2

a5!

1
1
1
1
+ ; 9#$ #$!  + 3w  d!; z { a5! + .

[
(
(!
(
(!
2

Onde 5! a varincia amostral ponderada, ou seja, 2! =

9 d [ 9[ d [[
 [ d!

1.6.3. Intervalo de confiana para diferena de mdias 9  com

varincias e desconhecidas, porm diferentes 9 

Neste caso, o intervalo com 91  = 10091 % de confiana para 9< <!  :

9

dy 9<

<!  = 9#$ #$!  3w; z { a\

2

2 ! 2!!
2 ! 2!!
+ ] ; 9#$ #$!  3w; z { a\ + ]
(
(!
(
(!
2

Onde os graus de liberdade so dados pela frmula de Satterthwaite 91946):

=

2! 2!
( + (!
!

!
2 2!
(
+ (!
(

(! 1

! !

Exerccio: Seja as vendas (em $100000) durante e aps a crise de 2008 duas

variveis

aleatrias

Gaussianas

#!

com

varincias

populacionais

desconhecidas. Construia dois intervalos de 95% de confiana para a diferena das

vendas (mdias populacionais), um intervalo para o caso em que = ! = =!! e um

intervalo para o caso em que = ! =!! , considerando as amostras obtidas

apresentadas na tabela abaixo:

VENDAS DURANTE A CRISE

VENDAS DEPOIS DA CRISE

( = 30
(! = 42

#$ = 20,20
#$! = 28,50

5 ! = 3,50
5!! = 4,50