Modulo 4 (2) .PDF Estatistica

Estatstica e Mtodos Quantitativos
Marcelo Virginio de Melo
Universidade de Ensino Superior Dom Bosco

so lus
2016
CONES
CAPTULO
Orientao para estudantes
Ao longo deste apostila, sero encontrados alguns cones utilizados

para facilitar a leitura do contedo. Saiba o que eles siginifio.
Saiba o que cada um significa.
Referncias
Dica de site
Sumrio
APRESENTAO
MDULO 4 INFERNCIA ESTATSTICA ................................ 59
4.1
Estimativas ......................................................................
59
4.2
Intervalo de Confiana para a Mdia Aritmtica
(com o desvio-padro populacional conhecido)......
60
4.3
Intervalo de confiana para a proporo ......................
66
Testes de Hiptese...........................................................
67
5.1
Testes Significncia para Mdias (com Varincia Conhecida) 70
5.2
Testes Significncia para Propores........................................... 74
REFERNCIAS .............................................................................. 78
CAPTULO
Existem dois tipos de estimativas: estimativas de ponto e estimativas

no intervalo.
Estimativas de ponto consistem no clculo de medidas de uma amostra
utilizadas como parmetros para os reais valores das mesmas para a
populao. Assim, a mdia aritmtica amostral X uma estimativa de
ponto para a mdia aritmtica populacional . Assim como S (desviopadro amostral) a estimativa de ponto para (desvio-padro
populacional). Ou seja, esse tipo de estimativa j foi nosso objeto de
estudo no Mdulo II, que tratou da estatstica descritiva.
Entretanto, temos que entender que tais medidas sero boas
estimativas dos valores para a populao APENAS se a amostra com
a qual foi retirada a base de dados para seus respectivos clculos seja
representativa da populao. Isso quer dizer que a amostra dever conter
as mesmas caractersticas da populao, seno os valores da mdia,
moda, varincia, etc. no sero prximos dos valores populacionais.

INFERNCIA ESTATSTICA
ontinuando o nosso estudo da inferncia estatstica, ou seja,

do conjunto de mtodos que nos permite tirar concluses de
uma populao a partir dos dados de uma amostra, veremos os
mtodos de estimativas.
CAPTULO
4.1 Estimativas
59
MDULO 4
Inferncia Estatstica
anotaes
Como, tambm, para cada amostra temos um valor de uma medida,

mesmo que este valor no seja muito diferente dos valores obtidos
para esta medida em outras amostras da mesma populao, surge a
necessidade de estimarmos um intervalo em que o valor desta medida
(mdia, por exemplo) seja aceitvel, e no apenas um valor numrico
isolado. Temos, nesse sentido, o conceito de uma estimativa de intervalo.
Este intervalo ter um determinado nvel de confiana, ou seja, uma
probabilidade de ter sido estimado corretamente em relao ao valor
real da populao.
Assim, para um parmetro populacional (que pode ser uma mdia, uma
varincia, dentre outros), e seja o estimador de (que foi calculado
a partir de uma amostra), ento o intervalo de confiana para este
estimador ser dado por:
1 2
Admite-se, ento, que o valor real do parmetro populacional () esteja
dentro do intervalo acima, para um nvel de confiana pr-determinado.
Se esse nvel de confiana for de 95%, por exemplo, temos 95% de
certeza de que o parmetro populacional est no intervalo acima, ou
seja, entre 1 e 2
Neste Mdulo estudaremos os intervalos de confiana mais utilizados
em pesquisas estatsticas:
O Intervalo de Confiana para a Mdia Aritmtica (com o desviopadro populacional conhecido);
O Intervalo de Confiana para a Proporo.
Ambas as estimativas de intervalos de confiana utilizaro nos seus

procedimentos de clculo a distribuio normal padronizada, cuja tabela
est disponibilizada no final deste Mdulo.
4.2 Intervalo de Conana para a Mdia Aritmtica

(com o desvio-padro populacional conhecido)
Antes de iniciarmos, cabe inform-los que trabalharemos com o caso
de populaes infinitas ou de amostras grandes (maiores que 30
observaes).
60

MDULO 4
Dado o estimador X definido como a mdia aritmtica amostral,

calculado a partir de uma amostra com n observaes, com 1- de nvel
de confiana, e dada distribuio normal padronizada N(0,1).
anotaes
A estimativa intervalar mdia aritmtica populacional , com o

conhecido dada por:
X +Z
X Z
1
n
n
Onde:
X = Mdia aritmtica amostral;

Z = Abscissa da distribuio normal padronizada;
= Desvio-padro populacional;
n = nmero de observaes da amostra;
= mdia aritmtica populacional;
1- = nvel de confiana.
Percebe-se, olhando a expresso acima, que algo subtrado X para
se achar o limite inferior do intervalo, e que esse mesmo algo somado
ao mesmo X para encontrarmos o limite superior.
Tudo isso para um nvel de confiana 1-. Vemos, ento, que o clculo do
intervalo de confiana bem simples. Precisamos apenas dos valores
da expresso.
Desses valores, o (desvio-padro populacional) conhecido
previamente, e os valores de X e n so calculados a partir da amostra.
Resta apenas o valor de Z, que ser obtido a partir do nvel de confiana
que se quer para o intervalo.
Para saber mais o que significa esse nvel de confiana, abaixo temos
um exemplo quando ele 95%, ou seja, 1- = 95%.

61
MDULO 4
anotaes
rascunho
O valor de 1 corresponde rea em branco no grfico (entre -1,96 e

1,96) e o nvel de confiana, com valor de 95%. As caudas (extremidades)
possuem rea de 5%, somadas. Este o valor de . Como tem que ser
repartido, dada a simetria da curva normal, a rea de cada cauda dada
por /2, ou seja, 2,5%.
Entretanto, precisamos da rea que corresponde a 95%. A tabela normal
padro nos d a metade deste valor, ou seja, de 0 a um valor positivo de
Z, conforme podemos ver a seguir:
A metade do valor de 1- 0,475. Verificando este valor no corpo da

tabela encontramos a abscissa 1,96 (1,9 encontrado a partir da linha e
0,06 a partir da coluna). Assim, encontramos o valor de Z para um nvel
de confiana de 95%.
Agora, faamos um exemplo que envolva todos os conceitos.
EXEMPLO 1: Suponha que um banco queira estimar a quantidade mdia
de dinheiro devida por seus clientes inadimplentes. Para isso, pegou
uma amostra de 100 clientes inadimplentes e estimou sua mdia = R$
1.300,00. O desvio-padro populacional igual a R$ 452,00. Em qual
intervalo estaria a verdadeira mdia populacional (valor mdio devido ao
banco), para um nvel de confiana de 95%?
O primeiro passo para responder extrair os dados da questo.
62

MDULO 4
X = 1300
= 452
n = 100
1 = 95%
anotaes
Sabemos, tambm, que o intervalo de confiana em questo dado por:
X +Z
X Z
1
n
n
Analisando a expresso, o nico dado que no temos o Z.

Mas esse j foi calculado anteriormente para 1- = 95%, sendo igual a
1,96 (figura abaixo):
Ento, s nos resta montar a expresso para acharmos o intervalo de

confiana:
452
452
1300 + 1,96 *
1300 1,96 *
95%
100
100
(1.211,41 1.388,60) 95%

Ou seja, o verdadeiro valor da dvida mdia que os clientes possuem
com o banco est entre R$ 1.211.41 e R$ 1.388,60, para um nvel de
conana de 95%.
EXEMPLO 2: Suponha agora a durao de uma bateria de celular tal
que o desvio-padro de 5 horas. Buscando saber qual seria o intervalo
em que varia a mdia populacional, um engenheiro de produo da
fbrica de celulares selecionou uma amostra de 150 baterias. Para esta
amostra, a mdia estimada de durao foi de 80 horas. Qual seria, ento,
o intervalo de confiana da mdia de durao da bateria, para um nvel
de confiana de 90%?
63
MDULO 4
X = 80
anotaes
= 5
n = 150
1 = 90%
Para acharmos o Z de um nvel de confiana de 90%, ou 0,9. Quando

dividimos 0,9 por 2 achamos a rea correspondente abscissa de 0 a Z.
(Veja a figura abaixo):
rea = 0,45
rea = 0,45
O valor aproximado que achamos para a rea igual a 0,45 na tabela

0,449, e a abscissa dessa rea corresponde a 1,64.
64

MDULO 4
Agora, montamos a expresso para acharmos o intervalo de confiana:
5
5
80 + 1,64 *
90%
80 1,64 *
150
150
anotaes
(79,33 80,67) 90%

Ou seja, o verdadeiro valor da dvida mdia de durao da bateria do
celular varia entre 79,33 horas e 80,67 horas, com um nvel de confiana
de 90%.
4.3 Intervalo de conana para a proporo

Esse intervalo utilizado em situaes em que se necessita avaliar a
validade de uma proporo ou porcentagem, retirada de uma amostra.
Podemos dar como exemplo, as pesquisas de opinio pblica, que
sempre se referem a um percentual da populao entrevistada que exibe
determinado comportamento, ou mesmo nos casos de pesquisas de
inteno de votos.
Para darmos incio construo desse intervalo, precisamos definir f
como sendo o estimador de uma proporo ou porcentagem p:
f =
x
n
Onde:
x = sucessos
n = nmero total de observaes
O intervalo de confiana para a proporo p ser dado por:
f Z
f (1 f )
p f +Z
n
f (1 f )
1
EXEMPLO: Ao se examinar 500 peas de uma empresa encontrou-se 260

defeituosas. Para um nvel de confiana de 90%, construir o intervalo de
confiana para a verdadeira proporo de peas defeituosas.
65
MDULO 4
Extraindo os dados da questo, temos:

x = 260
anotaes
n =500
1 - = 90%
O f dado por:
f =
x 260
=
= 0,52
n 500
J vimos que para o nvel de confiana de 90%, ou 0,9, o Z igual a 1,64.
rea = 0,45
rea = 0,45
Da, o intervalo para a proporo ser:
0,52(1 0,52)
0,52(1 0,52)
0,52 1,64
90%
p 0,52 + 1,64
500
500
(0,488 0,552) 90%

Ou seja, o intervalo [0,488; 0,552] contm a verdadeira proporo de
peas defeituosas, com um nvel de confiana de 90%.
Fcil, no mesmo ?
66

MDULO 4
5 Testes de Hiptese
anotaes
Modelo de um Teste de hiptese
Acho que a
idade mdia da
populao 50
(hiptese).
Populao
J J
J
J
J
Hiptese
rejeitada! Nem
perto.
J
J
Amostra aleatria
J J
J
Mdia
`X = 20
Fonte: McClave; Benson, Sincich (2009
Suponha que voc queira estimar se a idade mdia de uma populao

igual a 50 anos. Ou seja, voc est interessado em fazer uma inferncia
sobre como o valor de um parmetro, (no caso, a mdia populacional) se
relaciona com um valor especfico (no caso, a idade mdia estipulada de
50 anos). Este parmetro poder ser igual, menor ou maior que o valor
por voc especulado, concorda?
Quando fazemos esse tipo de inferncia, estamos trabalhando com
uma rea da estatstica chamada Teste de Hipteses. Trata-se de um
procedimento que se inicia com alguma teoria, afirmativa ou pesquisa
sobre um determinado parmetro da populao e realizado a partir da
construo de duas hipteses:
i. Hiptese Nula (H0)
a afirmao que se tem inicialmente como correta ou a ser testada. Em
outras palavras, a hiptese de que o parmetro populacional seja igual
a um valor inicialmente estipulado. So caractersticas das hipteses
nulas:

67
MDULO 4
A. Sempre ter sinal de igualdade: =,
anotaes
, ou
B. Ser escrita como H0:

algum valor numrico.
Hiptese uma crena sobre um parmetro

da populao.
ii. Hiptese Alternativa (H1):

aquela que nega a hiptese nula, ou seja, a hiptese que ser aceita
se apenas se os dados do teste propiciarem evidncia convincente
de sua veracidade. Isso acontecendo, a hiptese nula rejeitada. So
caractersticas das hipteses alternativas:
A. Sempre tem sinal de desigualdade: , < ou >
B. Escrita como H1:
, < ou > algum valor.
No caso da pgina anterior:
H0: = 50
H1: 50
Como a mdia amostral foi igual a 20, rejeitamos a hiptese nula!
Outro aspecto sobre os testes de hipteses que existem dois tipos de
erros ao testarmos uma hiptese estatstica:
Erro Tipo I: Consiste em rejeitar uma hiptese nula H0 quando ela ,
de fato, verdadeira. Existe um nvel de risco de se cometer esse tipo de
erro, que uma probabilidade denominada de nvel de signicncia, e
designada por (alfa). A probabilidade complementar, ou seja, 1-, seria
a deciso (correta) de aceitar H0 quando esta verdadeira.
Erro tipo II: Comete-se esse tipo de erro quando aceitamos (no
rejeitamos) a hiptese nula H0 quando ela , na verdade, falsa. A
probabilidade de se cometer um erro do Tipo II dada por
(beta). A
probabilidade complementar, ou seja, 1- , seria a deciso (correta) de
aceitar H0 quando esta verdadeira.
68

MDULO 4
A tabela abaixo resume as situaes:
Deciso
Aceitar H0
Rejeitar H0
Realidade
H0 verdadeira
1- (OK) (Deciso
correta)
(Erro Tipo I)
H0 falsa
(Erro Tipo II)
anotaes
1- (Deciso
correta)
Veremos ainda neste tpico os testes que consideram apenas o Erro

Tipo I, ou seja, . Eles so chamados de testes de signicncia.
Por fim, importante salientar que, dependendo do parmetro a ser
testado (mdia, varincia, proporo, etc.), sempre teremos uma frmula
ou um procedimento de clculo que nos permite avaliar a hiptese nula
e a alternativa. A essa frmula damos o nome de estatstica do teste.
Esta frmula varia, dependendo do parmetro que est sendo testado.
A partir dos resultados encontrados pela estatstica do teste, aceitamos
ou rejeitamos H0.
A seguir, veremos os mais importantes testes de significncia. So eles:
- Teste de Signicncia para Mdias;
- Teste de Signicncia para Propores.
Os procedimentos utilizados nesses testes podem ser resumidos nos
seguintes passos:
Passo 1: Definir quem seria o H0 e o H1;
Passo 2: Fixar o limite do erro Tipo I ( ) e a distribuio que ser utilizada
(no caso do nosso curso, utilizaremos apenas a distribuio normal; no
entanto, existem outras distribuies que so utilizadas em testes para
outros parmetros);
Passo 3: Com o auxlio das tabelas estatsticas, determinar a regio
crtica (RC), ou seja, aquela de rejeio de H0, e a regio de aceitao
(RA) para H0;
Passo 4: A partir dos dados retirados da amostra, calcular o valor da rea
do teste. Isso seria bem similar ao clculo dos intervalos de confiana
que vimos anteriormente;

69
MDULO 4
Passo 5: Concluir pela aceitao ou rejeio de H0, comparando o valor

obtido no passo 4, com a regio de aceitao e a regio crtica.
anotaes
Parece difcil ? No se preocupe!

Com o desenvolvimento dos prximos tpicos, vamos refazer esses
passos, de forma que voc entender e, quem sabe, os utilizar em
artigos cientficos, pesquisas e na sua monografia?
5.1
Testes Significncia para Mdias (com Varincia

Conhecida)
Para facilitar o entendimento, vemos desenvolver o teste a partir de um

exemplo. Suponha que a altura mdia dos jogadores da liga brasileira
de basquete seja de 1,95m. Em uma amostra de 36 jogadores, foi
encontrada uma mdia de 1,93m. Sabe-se que a varincia da altura dos
jogadores de 1,44m. Teste, com um nvel de significncia de 10%, se a
afirmao verdadeira.
Seguindo os passos anteriormente citados:
Passo 1: Denir quem seria o H0 e o H1
H0: = 1,95
H 1:
1,95
Ou seja, a hiptese nula afirma que a mdia populacional 1,95m. E a
alternativa supe que seja diferente desse valor (maior ou menor).
Passo 2: Fixar o limite do erro Tipo I () e a distribuio que ser utilizada
Bom, como sabemos que o teste para a mdia, com varincia
populacional conhecida, temos a informao, l do tpico de intervalos
de confiana (vai l dar uma olhada...) que a distribuio a ser utilizada
a distribuio normal.
O nvel de significncia de = 10%. Isso significa dizer que a deciso
correta de aceitar H0 seria 1- = 90%.
70

MDULO 4
Passo 3: Com o auxlio da tabela estatstica (que, no caso, a normal),

determinar a regio crtica (RC), ou seja, aquela de rejeio de H0, e a
regio de aceitao (RA) para H0;
anotaes
Regio de Aceitao (RA)

(90%)
Regio Crtica (RC)

(5%)
Regio de Crtica (RC)

(5%)
Perceba que o nvel de significncia = 10% reparte a regio crtica em

duas reas de 5% cada. Para estes valores de rea, temos Z = 1,645
(obtido pela tabela normal padronizada).
Passo 4: A partir dos dados retirados da amostra, calcular o valor da
rea do teste.
Esse procedimento semelhante ao utilizado na construo do intervalo
de confiana para a mdia, que vimos anteriormente. Com uma nica
diferena: Como estamos testando uma mdia amostral, o intervalo
construdo como regio de aceitao ser definido para esta mdia
amostral.
Assim, para a regio de aceitao, ou seja, 90% da rea, vamos usar a
expresso:
X +Z
Z
1
n
n
Note que a nica mudana, quando comparamos a expresso acima

com aquela vista no Tpico 2 so os lugares de e de X .
Nossos dados so:
= 1,95 (mdia populacional)

Z = 1,645
= 0,12
71
MDULO 4
n = 36
anotaes
1 = 90%
0,12
0,12
X + 1,645
1,645
90%
36
36
Resolvendo:
( 0,0329 X + 0,329) 90%

Isso significa que a mdia amostral, para ser aceita, deve variar entre
1,95 (mdia populacional) menos 0,0329 e 1,95 mais 0,329, ou seja, a
regio de aceitao ser:
RA = [1,9171; 1,9829]
Como a mdia amostral obtida foi de 1,93m, temos um valor dentro da
regio de aceitao e, portanto, aceitamos H0!
Exemplo 2: Uma empresa que produz cereais matinais afirma que uma
caixa normal de cereal contm 368 gramas do produto. Uma amostra
aleatria de 25 caixas mostrou que o peso amostral mdio foi de X = 372,5
gramas. A empresa especificou como 25 gramas. Teste a afirmao da
empresa, em um nvel de confiana de 5%.
H0:
= 368
H1: 368
72

MDULO 4

(95%)
Regio Crtica
(RC) = (2,5%)
anotaes
Regio de Crtica
(RC) (2,5%)
-1,96
1,96
Perceba que o nvel de significncia = 5% reparte a regio crtica em

duas reas de 2,5% cada. Ou seja, a rea de 0 a 1,96 corresponde a
0,475. Para estes valores de rea, temos Z = 1,96 (obtido pela tabela
normal padronizada).
Passo 4: A partir dos dados retirados da amostra, calcular o valor da
rea do teste.
Para a regio de aceitao, ou seja, 90% da rea, vamos usar a expresso:
X +Z
1
Z
n
n
Nossos dados so:
= 368 (mdia populacional)

Z = 1,96
= 25
n = 25
1 = 95%
25
25
X + 1,96
1,96
95%
25
25
Resolvendo:
( 9,8 X + 9,8) 95%

Isso significa que a mdia amostral, para ser aceita, deve variar entre
368 (mdia populacional) menos 9,8 e 368 mais 9,8, ou seja, a regio de
73
MDULO 4
aceitao ser:
anotaes
RA = [358,2; 377,8]
Como a mdia amostral obtida foi de X= 372,5 gramas, no h evidncias
de que a estimativa no seja 368, pois temos um valor dentro da regio
de aceitao e, portanto, aceitamos H0!
5.2 Testes Significncia para Propores

Esse tipo de teste o que deve ser usado para testar a veracidade
(significncia) das propores.
Os 5 passos utilizados no teste de significncia para as mdias devero
ser usados tambm aqui. A nica diferena est no clculo da estatstica
do teste, que dada por:
f p0
Z cal =
L-se: Z calculado
p0 (1 p0 )
n
Onde:
f = proporo do evento na amostra
p0 = valor da hiptese nula
n = nmero de observaes.
Aps a obteno do Z calculado, devemos estabelecer as seguintes
regras de deciso:
1. Se Z Z cal + Z Aceita-se H0
2
2. Se Z cal < Z Rejeita -se H0

2
3. Se Z cal > + Z Rejeita -se H0

2
74

MDULO 4
Como sempre, faremos um exemplo para aplicar e fixar o conhecimento.

Exemplo: A proporo de mortalidade de um Estado brasileiro tal que
60% da populao no sobrevive at os 60 anos. Testar essa hiptese,
ao nvel de significncia de 5%, dado que em uma amostra aleatria
de 1000 nascimentos verificou-se que existiam 530 sobreviventes com
idade de at 60 anos.
anotaes

H0: p = 0,6
H 1:
0,6
Ou seja, estamos testando a hiptese que a proporo populacional ,

de fato, de 0,6 ou 60%.
(95%)
Regio Crtica
(RC) = (2,5%)
Regio de Crtica
(RC) (2,5%)
-1,96
1,96
Passo 4: A partir dos dados retirados da amostra, calcular a estatstica

do teste. Nossos dados so:
n = 1000
f =
530 sobreviventes
= 0,53
1000 nascimentos

75
MDULO 4
p0 = 0,6
anotaes
Assim,
Z cal =
0,53 0,6
= 4,42
0,6(1 0,6)
1000
O Z obtido para o intervalo de aceitao 1- = 95% (isso porque foi

fixado em 5%) 1,96 (veja o grfico acima), temos como intervalo de
aceitao:
1,96 Z cal +1,96

Como o Z calculado, que -4,42, menor que o limite inferior do Z da
tabela, ou seja, -1,96, usamos a regra de deciso 2 Z cal < Z ou seja,
2
rejeitamos H0!
O objetivo aqui foi dar uma viso geral nos intervalos de confiana e
testes de significncia mais usados.
Existem outros intervalos e testes que utilizam outras distribuies de
probabilidade e outras estatsticas de teste. Cabe a voc se aprofundar
nesses assuntos, caso necessite no futuro. Entretanto, com as bases
vistas aqui, seu trabalho ser sensivelmente facilitado.
At o prximo Mdulo!
76

MDULO 4
TABELA DA DISTRIBUIO NORMAL PADRONIZADA
anotaes
rascunho
Videoaulas para consultas

Intervalo de Conana para a mdia: Disponvel em <https://www.youtube.com/watch?v=mrJFdexNiB0
<https://www.youtube.com/watch?v=BTsamy09-DE>
Intervalo de Conana para a proporo: Disponvel em <https://www.youtube.com/watch?v=Xk3yJSD4a8 > https://www.youtube.com/watch?v=g0le8oMuWRM>
Teste de Hiptese para a Mdia: Disponvel em <https://www.youtube.com/watch?v=fQO1lje8kKY>
Teste de Hiptese para a Proporo: Disponvel em <https://www.youtube.com/watch?v=XsfhOGPMe44>

77
REFERNCIAS
BUSSAR, Wilton de O. MORETTIN, Pedro A. Estatstica bsica. So Paulo:

Saraiva, 2004.
LEVINE, D. M. et al. Estatstica: teoria e aplicaes. Rio de Janeiro: LTC,
2000.
OLIVEIRA, F. E. M. Estatstica e Probabilidade. So Paulo: Atlas, 1999.
DOWNING, D.; CLARK, J. Estatstica Aplicada. So Paulo: Saraiva, 1999.
FONSECA , Jairo. S; MARTINS, Gilberto de A. Curso de Estatstica. 6
Edio. So Paulo: Atlas, 2012.
McCLAVE, James T.; BENSON, P. George; SINCICH, Terry. Estatstica para
administrao e economia. 10 Edio. So Paulo: Pearson, 2009.
TRIOLA, Mario F. Introduo estatstica. Rio de Janeiro: LTC, 2004.

Modulo 4 (2) .PDF Estatistica

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Modulo 4 (2) .PDF Estatistica

Diunggah oleh

Hak Cipta:

Format Tersedia

Estatstica e Mtodos Quantitativos

Marcelo Virginio de Melo

Universidade de Ensino Superior Dom Bosco

Estatstica e Mtodos Quantitativos

Orientao para estudantes

Ao longo deste apostila, sero encontrados alguns cones utilizados

Intervalo de Confiana para a Mdia Aritmtica

(com o desvio-padro populacional conhecido)......

Intervalo de confiana para a proporo ......................

Testes Significncia para Mdias (com Varincia Conhecida) 70

Testes Significncia para Propores........................................... 74

Existem dois tipos de estimativas: estimativas de ponto e estimativas

Estatstica e Mtodos Quantitativos

ontinuando o nosso estudo da inferncia estatstica, ou seja,

Como, tambm, para cada amostra temos um valor de uma medida,

O Intervalo de Confiana para a Mdia Aritmtica (com o desviopadro populacional conhecido);

O Intervalo de Confiana para a Proporo.

Ambas as estimativas de intervalos de confiana utilizaro nos seus

4.2 Intervalo de Conana para a Mdia Aritmtica

Estatstica e Mtodos Quantitativos

Dado o estimador X definido como a mdia aritmtica amostral,

A estimativa intervalar mdia aritmtica populacional , com o

X = Mdia aritmtica amostral;

Estatstica e Mtodos Quantitativos

O valor de 1 corresponde rea em branco no grfico (entre -1,96 e

A metade do valor de 1- 0,475. Verificando este valor no corpo da

Estatstica e Mtodos Quantitativos

Sabemos, tambm, que o intervalo de confiana em questo dado por:

Analisando a expresso, o nico dado que no temos o Z.

Ento, s nos resta montar a expresso para acharmos o intervalo de

(1.211,41 1.388,60) 95%

Para acharmos o Z de um nvel de confiana de 90%, ou 0,9. Quando

O valor aproximado que achamos para a rea igual a 0,45 na tabela

Estatstica e Mtodos Quantitativos

Agora, montamos a expresso para acharmos o intervalo de confiana:

(79,33 80,67) 90%

4.3 Intervalo de conana para a proporo

EXEMPLO: Ao se examinar 500 peas de uma empresa encontrou-se 260

Extraindo os dados da questo, temos:

J vimos que para o nvel de confiana de 90%, ou 0,9, o Z igual a 1,64.

Da, o intervalo para a proporo ser:

(0,488 0,552) 90%

Estatstica e Mtodos Quantitativos

Fonte: McClave; Benson, Sincich (2009

Suponha que voc queira estimar se a idade mdia de uma populao

Estatstica e Mtodos Quantitativos

A. Sempre ter sinal de igualdade: =,

B. Ser escrita como H0:

Hiptese uma crena sobre um parmetro

ii. Hiptese Alternativa (H1):

Estatstica e Mtodos Quantitativos

A tabela abaixo resume as situaes:

Veremos ainda neste tpico os testes que consideram apenas o Erro

Estatstica e Mtodos Quantitativos

Passo 5: Concluir pela aceitao ou rejeio de H0, comparando o valor

Parece difcil ? No se preocupe!

Testes Significncia para Mdias (com Varincia

Para facilitar o entendimento, vemos desenvolver o teste a partir de um

Estatstica e Mtodos Quantitativos

Passo 3: Com o auxlio da tabela estatstica (que, no caso, a normal),

Regio de Aceitao (RA)

Regio Crtica (RC)

Regio de Crtica (RC)