CENTRO FEDERAL DE EDUCAO TECNOLGICA CELSO SUCKOW DA FONSECA DEPARTAMENTO DE ADMINISTRAO INDUSTRIAL DISCIPLINA: ESTATSTICA APLICADA ADMINISTRAO PROFESSOR:

: FBIO SIMONE DE SOUZA MATERIAL DE APOIO AO CONTEDO ABORDADO EM SALA DE AULA PARTE I BIBLIOGRAFIA BSICA: LEVINE, David. Estatstica: Teoria e Aplicao. Rio de Janeiro: LTC, 2008. IMPORTANTE: Este material no substitui a utilizao do livro e a realizao de seus exerccios, principalmente os pares, com os quais sero estruturadas as questes das provas.

CAPTULO VII AMOSTRAGEM E DISTRIBUIES DE AMOSTRAGENS

7.1) TIPOS DE MTODOS DE AMOSTRAGENS Principais fatores para a seleo de uma amostra: custo, tempo, praticidade. Tipos de Amostras Utilizadas

Amostras No-probabilsticas

Amostras Probabilsticas

Amostra por Julgamento

Amostra Amostra Amostra por Amostra Amostra Amostra Amostra por por Quotas por Blocos Convenincia Aleatria Sistemtica Estratificada Conglomerados Simples

- Amostra No-probabilstica: implica na seleo de itens ou indivduos, sem conhecer as respectivas probabilidades de seleo. Baixa preciso; apresentam vieses; precedem pesquisas com grandes investigaes. Obs: Tipo comum: amostragem por convenincia: fceis, no-dispendiosos, convenientes. - Amostra por Julgamento: Coletam-se as opinies de peritos pr-selecionados sobre o assunto objeto da pesquisa. - Amostra Probabilstica: seleciona os itens com base em probabilidades conhecidas. Permite inferncia sem vis. - Amostras Aleatrias Simples: com n para representar o tamanho da amostra e N para populao. Seleo de qualquer membro na 1 seleo 1/N.

N , arredondando-o para n o nmero inteiro mais prximo. Assim, escolhe-se aleatoriamente o primeiro item a ser selecionado, a partir
- Amostras sistemticas: dividem-se os N itens na lista em n grupos de k itens: k EAA Pgina 1

dos k primeiros itens na lista. Seleciona os (n-1) itens remanescentes e retira cada k-simo item depois desse ponto, a partir da lista inteira. Uma amostra sistemtica com n=10 e N=200 => k=20. A partir de um nmero aleatrio, como por exemplo 3, temos a amostra: 23, 43 ,63, ..., 183. Pode sofrer vis de seleo. - Amostras estratificadas: subdivide N em estratos, e seleciona uma Amostra Aleatria Simples de cada estrato. - Amostra por Conglomerados: subdivide N em conglomerados representativos da populao. 7.2) AVALIANDO A VALIDADE DA PESQUISA Para analisar o resultado de uma pesquisa: Necessidade de verificao do objetivo da pesquisa. Erros em pesquisa: Erro de cobertura: vis de seleo. Erro por falta de resposta: vis por falta de resposta. Erro de amostragem: diferenas decorrentes do acaso, variando entre as amostras selecionadas. Erro de medio: formulao ambgua das questes, influncia do entrevistador sobre o entrevistado. Questes ticas:Necessidade de evitar erros de previso. Amostra: ProbabilsticaXNo-probabilstica. 7.3) DISTRIBUIES DE AMOSTRAGENS Deve-se realizar uma inferncia estatstica para tirar concluses da populao e no sobre a amostra. Uma distribuio de amostragens a distribuio dos resultados caso voc tenha realmente selecionado todas as amostras possveis. 7.4) DISTRIBUIO DE AMOSTRAGENS DA MDIA ARITMTICA A propriedade da ausncia de vis da mdia aritmtica da amostra: a mdia aritmtica de todas as possveis mdias aritmticas das amostras possveis (mesmo n) igual mdia aritmtica da populao.
N

Xi

Mdia aritmtica da populao:

i 1

N
N

(X i

)2

Desvio-padro da populao: Erro-padro da mdia aritmtica:

i 1

N
X

, a variao nas mdias aritmticas de determinado n tamanho n pode ser maior, menor ou igual do que a variao na populao. Amostragem de populaes distribudas nos moldes da distribuio Normal: e erro-padro da mdia aritmtica X . X

0,35 0,3 0,25 0,2 0,15 0,1 0,05 0 1 2 3 4 5 6 7 8 9

n=10 n=15 n=20

EAA

Pgina 2

Encontrando z para a distribuio de amostragem da mdia aritmtica: X X X X Sendo: z , logo: z . Quanto maior amostra => menor chance de erro.
X

n Amostragem de populaes cuja distribuio no Normal Teorema do Limite Central: Regra geral: com n 30 => a distribuio de amostragem da mdia aritmtica estar prxima da Normal, independente do formato da distribuio dos valores individuais na populao.
Consequncia do Teorema do limite Central => inferncias estatsticas sem ser necessrio conhecer o formato da distribuio da populao. 7.5) DISTRIBUIO DE AMOSTRAGEM DA POPULAO

Encontrando X para a distribuio de amostragem da mdia aritmtica: X

X , onde X = nmero de itens que apresentam as n caractersticas de interesse e n = tamanho da amostra. (1 ) Erro-padro da proporo: P , onde = proporo da populao. n Encontrando z para a distribuio de amostragem da proporo: Pode-se utilizar a distribuio normal para fazer uma aproximao da distribuio binomial quando n e (1 ) so, cada um deles, maiores ou iguais a 5. p (1 ) X Sendo: z , X p, e , logo: z . n n (1 )
Varivel binomial: proporo da amostra ( p)
n

CAPTULO VIII ESTIMATIVA DO INTERVALO DE CONFIANA

QUESTES: At que ponto os dados extrados de uma amostra so precisos? Posso utilizar estes dados de que forma? Existe um tamanho da amostra que seja representativo? ESTIMATIVAS: Estimativa de ponto: valor referente a uma nica estatstica da amostra. Obs: a mdia amostral varia entre amostras, de acordo com sua variabilidade. Estimativa de intervalo de confiana: determinada num intervalo, ao redor da estimativa de ponto. 8.1) ESTIMATIVA ( CONHECIDO) Raciocnio: DO INTERVALO DE CONFIANA DA MDIA ARITMTICA

dedutivo: todas as amostras para gerar concluses da populao. indutivo: nica amostra para gerar concluses da populao.

EAA

Pgina 3

Ex: Construo de um intervalo de confiana com (1 ) = 95%, = 368, n = 25 Se: Mdia da amostra = 362,12 => 356,24 362,12 368 Mdia da amostra = 373,88 => 368 373,88 379,76. Concluso: 95% das amostras de tamanho n = 25 possuem a mdia aritmtica de amostras que incluem a mdia aritmtica da populao dentro do intervalo definido. Intervalo de confiana para a mdia aritmtica ( No teste temos: conhecido): X

(1 (1 (1

) = 90% => = 10% => / 2 = 5% => z= 1,65 ) = 95% => = 5% => / 2 = 2,5% => z= 1,96 ) = 99% => = 1% => / 2 = 0,5% => z= 2,58
DE CONFIANA DA MDIA ARITMTICA

8.2)

ESTIMATIVA DO INTERVALO ( DESCONHECIDO)

Intervalo de confiana para a mdia aritmtica (

desconhecido): t

X S n

IC para mdia: X Para n = 100: (1 (1 (1

t (n

e no teste temos n ) = 90% => = 10% => / 2 = 5% => t = 1,6604 ) = 95% => = 5% => / 2 = 2,5% => t = 1,9842 ) = 99% => = 1% => / 2 = 0,5% => t = 2,6264
1)

Propriedades da Distribuio t de student: - distribuio nos moldes da normal padronizada: forma de sino, - maior rea nas caudas e menor rea no centro do que a normal padronizada, - S utilizado para estimar desconhecido => proporciona maior variabilidade que os valores de z, - (n-1) graus de liberdade, que diminui a diferena entre z & t, at aproximadamente n=120 ou mais. O conceito de graus de liberdade: para S2 precisa X : (n-1) na amostra esto livres para variar.
n

Quando conhecemos o valor de n, X e

i 1

X i , para calcular S2 e conhecendo quatro dos valores quando

n = 5, o quinto valor s pode ter um determinado valor para respeitar os dados j existentes. 8.3) ESTIMATIVA DO INTERVALO DE CONFIANA PARA A PROPORO (dados categricos) Estimativa do IC para a proporo: p Obs: pressuposio: X > 5 & (n-X) > 5. 8.4) DETERMINANDO O TAMANHO DA AMOSTRA Determinao do tamanho da amostra para a mdia aritmtica: X
z e z n z2 2 e2 z p(1 p) n p z p(1 p) . n

EAA

Pgina 4

Exemplo: erro de amostragem: e = 5 , =25, 95% de confiana: z=1,96 (1,96) 2 (25) 2 n 96,04 97 . (5) 2 Determinao do tamanho da amostra para a proporo: (1 ) z 2 (1 ) e z e z n 2 n e n Quando no se conhece => 0,5 . 8.5) APLICAES DA ESTIMATIVA DO INTERVALO DE CONFIANA EM AUDITORIA Estimativa do intervalo de confiana para o Total: N X
N (t S
1)

N N

n 1

Exemplo: 5.000 faturas de vendas, X = $110,27, n=100, S=$28,95, (1 Total das faturas = N X = 5.000(110,27) = $551.350,00
NX N (t N n n N 1 Assim: $522.914
1)

) = 95% => t99=1,9842, logo:

(5.000 )(110 ,27 )

$551.350

28,95 5.000 100 IC 551 .350 28,436 5.000 1 100 $579.786 => $522.914 Total da populao $579.786. (1,9842 )

Estimativa da diferena:
n

Di

- Mdia aritmtica da diferena: D

i 1

n
n i 1

, sendo Di = Valor auditado Valor original

( Di D) 2

- Desvio-padro da diferena: S D

n 1
N (t SD
1)

- Estimativa do IC para o total da diferena: N D

N N

n 1

Exemplo: 5.000 faturas de vendas, X = $110,27, n=100, S=$28,95, (1 ) = 95% e diferenas constatadas nestas faturas: $9,03; $7,47; $17,32; $8,30; $5,21; $10,80; $6,22; $5,63; $4,97; $7,43; $2,99; $4,63.
n

Di D
i 1

n
n

90 100
( Di

0,90

D) 2

SD

i 1

(9,03 0,9) 2

n 1

(7,47 0,9) 2 100 1

... (0 0,9) 2

2,752

Na construo de um IC de 95% para o total da diferena na populao de 5.000 faturas de vendas, temos: S N n 2,752 5.000 100 N D N (t 1) D (5.000 )(0,9) (1,9842 ) IC 4.500 2.702 ,91 5.000 1 n N 1 100 Assim: $1.797,09 4.500 $7.202,91 => $1.797,09 Total da diferena $7.202,91. EAA Pgina 5

Estimativa do IC UNILATERAL da taxa de no-conformidade com controles internos: p(1 p) N n IC Unilateral para uma proporo: Limite superior = p z n N 1 Se: no- conformidade < taxa de exceo tolervel: adequado no- conformidade taxa de exceo tolervel: utilizar uma amostra maior Exemplo: N = 1.000.000 faturas de vendas, n = 400, (1 Limite superior = p
z

) = 95% e oito desvios => p = 8/400 = 0,02:

p(1 p) N n 0,02(1 0,02) 1.000 .000 400 0,02 (1,645 ) n N 1 400 1.000 .000 1 = 0,02+1,645(0,007)(0,9998) = 0,02+0,0115 = 0,0315 Assim:, um auditor est confiante de que, pelo menos, em 95% a taxa de no-conformidade inferior a 4%, se a taxa de exceo tolervel da empresa para esse controle de 4% .

EXERCCIOS OBS: A realizao destes no isenta da necessidade de realizao dos exerccios definidos na bibliografia bsica da disciplina. Extrados do livro: SPIEGEL, Murray R. Estatstica. 4 Edio. Porto Alegre: Bookman, 2009 1 Um auditor toma uma amostra de tamanho n = 36 de um conjunto de N = 1.000 contas a serem recebidas. O valor mdio das quantidades a serem recebidas para a populao $260,00 , com desviopadro da populao $45,00 . Qual a probabilidade de que a mdia da amostra seja menor que $250,00? 2 Referindo-se ao exerccio anterior, qual a probabilidade de que a mdia da amostra esteja dentro do intervalo de $15,00 da mdia da populao? 3 Para uma determinada marca de tubos de imagem de TV, sabe-se que a vida til mdia dos tubos de 9.000 horas, com um desvio-padro de 500 horas. Determine o valor esperado e o erro padro da estimativa de amostragem da mdia dado o tamanho da amostra de n = 25. 4 Suponha que o desvio padro da vida til dos tubos de imagem de TV para uma marca particular conhecido como sendo 500 horas, mas a vida til mdia no seja conhecida. De maneira geral, a vida til dos tubos assumida como seguindo uma distribuio aproximadamente normal. Para uma amostra de n = 15, a vida til mdia X 8.900 horas. Determine os intervalos de confiana para estimao da mdia da populao para: (a) 95% e (b) 90%. 5 Em relao ao problema anterior, suponha que a populao de vida til dos tubos no possa ser assumida como seguindo uma distribuio normal. Entretanto, a mdia da amostra de X 8.900 horas baseada numa amostra de n = 35. Determine o intervalo de confiana de 95% para a estimao da mdia da populao. 6 Seguindo este mesmo caso dos problemas 04 e 05, suponha que a populao possa ser assumida como seguindo uma distribuio normal, mas que o desvio padro da populao no seja conhecido. Com base no desvio padro da amostra, S = 500 e X 8.900 horas, estime a mdia da populao usando um intervalo de confiana de 90%. 7 E ainda considerando este caso da vida til dos tubos, suponha que a populao no pode ser assumida como seguindo a distribuio normal e que o da populao no conhecido. Como antes, n = 35, S = 500 e X 8.900 horas. Estime a mdia da populao usando um intervalo de confiana de 99%. EAA Pgina 6

CAPTULO IX FUNDAMENTOS DE TESTES DE HIPTESES: TESTES PARA UMA AMOSTRA

Teste de hiptese: afirmativas de maneira objetiva; verificao se a amostra se identifica com a afirmativa definida, hiptese nula; ou se identifica com a afirmativa alternativa. 9.1) METODOLOGIA DO TESTE DE HIPTESES A hiptese nula e a hiptese alternativa: H0: = 368 H1: 368 Possibilidades: Rejeitar H0 ou No rejeitar H0, com base em informaes da amostra. O valor crtico da estatstica do teste: Se 368, X 345 muito prximo ou bem diferente? Determinao da distribuio de amostragens para a estatstica de interesse na amostra => estatstica do teste => z ou t. Regies de rejeio e regies de no-rejeio:

- Possibilidades: Rejeio rejeita-se a hiptese nula. No-rejeio no se pode rejeitar a hiptese nula. Riscos na tomada de deciso utilizando a metodologia do Teste de Hipteses: Quando se usa a amostra para tirar concluses sobre a populao, pode se cometer dois tipos de erro: - Erro tipo I: ao rejeitar a hiptese nula, H0, ela verdadeira e no deve ser rejeitada. => . - Erro tipo II: ao no se rejeitar a hiptese nula, H0, ela falsa e deve ser rejeitada. => . Assim, torna-se necessrio estabelecer a definio de alguns conceitos: - Nvel de significncia ( ): probabilidade de cometer um erro tipo I. ) : probabilidade de no rejeitar, quando H0 verdadeira. - Coeficiente de confiana (1 - Risco : depende da diferena constante da hiptese e os verdadeiros valores do parmetro da populao. Quanto maior a diferena, menor o valor de . - Eficcia (Potncia) de um teste: complemento da probabilidade do erro do Tipo II, ou seja, (1 Riscos na tomada de deciso utilizando a metodologia do Teste de Hipteses: Para reduzir Erro Tipo II: n => => eficcia do teste para detectar se H0 falsa. OBS: Com limitao para ampliao do tamanho da amostra. Para reduzir Erro Tipo I: escolhe um menor valor de OBS: Reduzindo o risco do Erro do Tipo I, proporciona um maior risco do Erro do Tipo II, pois EAA

).

Pgina 7

A preferncia por priorizar um Erro do Tipo I ou um Erro do Tipo II depende da questo analisada. Deciso estatstica No rejeitar H0 Rejetar H0 Situao real H0 verdadeira H0 falsa Deciso correta Erro do Tipo II: Confiana = (1 P(Erro tipo II) = ) Erro tipo I: Deciso correta P(Erro do TI) = Eficcia = (1- ) CONHECIDO)

9.2)

O TESTE Z DE HIPTESES PARA A MDIA ARITMTICA ( Para: H0: H1: = 368 368.

Com

conhecido e a populao distribuda seguindo o padro da Normal: z

X n

Assim: Para o teste com (1 Ex: Se X = 372,5;

) = 95% => Bicaudal: z = -1,96 e 1,96.

= 15, n = 25 => z = +1,50: no rejeita H0 => evidncias insuficientes para isso.

A abordagem do valor-p para o Teste de hipteses: a probabilidade de ser obtida uma estatstica de teste igual ou mais extrema do que o resultado da amostra, considerando que H 0 seja verdadeira. Regras: se o valor-p se o valor-p Ex: => no rejeita H0. => rejeita H0.

X = 372,5 => P(z < -1,50) = 0,0668 => Valor-p = 2(0,0668) = 0,1336 > 0,05: No rejeita H0

Existe a possibilidade de 13,36% de que X seja diferente de 368 gramas em mais de 4,5 gramas. Ex:
X 5,1 ;

1,2 e n = 25 => Teste: H0 = 4,5.

z = 2,5 => P(z > 2,5) = 0,0062 => P(z < -2,5) + P(z > 2,5) = 0,0062 + 0,0062 = 0,0124 valor-p = 0,0124 < 0,05: Rejeita H0.

Uma ligao entre a estimativa do Intervalo de Confiana e o Teste de Hipteses: IC com X

372,5 : X

z n

372 ,5 (1,96)

15 25

366 ,62

378,38 : no rejeita H0.

Teste de Hiptese:

= 368 gramas => Se X = 372,5 => z = +1,50: no rejeita H0.

EAA

Pgina 8

9.3)

TESTES UNICAUDAIS - Teste bicaudal: possibilidade ser inferior OU superior => utiliza as duas caudas. - Teste unicaudal ou Teste direcional: possibilidade ser OU inferior OU superior => uma das caudas. A abordagem do valor crtico

Exemplo: Testar se a temperatura menor que seu valor mdio. gua em excesso reduz o ponto de congelamento do leite. Ponto congelamento tem distribuio normal com mdia = -0,545C. ( 0,05 ) H0: -0,545 H1: -0,545

X n

0,550 ( 0,545 ) 0,008 25

3,125 . Como zcalc = -3,125 < -1,645 = ztab : Rejeita H0.

A abordagem do Valor-p: P(z < -3,125). Ex: Considerando: X

0,550 C ;

0,008 e n = 25 => Teste: H0

0,545 C .
0,05: Rejeita H0.

Logo: z = -3,125 => P(z 9.4)

3,125 ) = 0,0009 => O valor-p = 0,0009 <

O TESTE t DE HIPTESES PARA A MDIA ARITMTICA (

t X S n

DESCONHECIDO)

A abordagem do valor crtico Exemplo: Teste com (1

) = 95% => Bicaudal com n = 12, valores crticos: t = (-2,201; 2,201). Para

distribuio Normal padronizada centralizada em t = 0 => valores de t, sendo -2,201 > t > 2,201 => X est to distante da hiptese de =120, que improvvel que tal valor venha a ocorrer caso H0 seja verdadeira.

EAA

Pgina 9

Amostra:$108,98; 152,22; 111,45; 110,59; 127,46; 107,26; 93,32; 91,97; 111,56; 75,71; 128,58;135,11. Teste: H0: H1: Como: = $120 $120

tCALC = -1,1908 => No rejeita H0 => evidncias insuficientes para isso.

A abordagem do Valor-p: Exemplo: X

$112 ,85 ; S = 20,80; n = 12 => Teste: H0 = $120.

t = -1,1908 & Valor-p = P(t < -1,1908) + P(t > +1,1908) = 0,2588 > Verificando pressupostos (de Normalidade):

0,05: No rejeita H0.

- Histograma; Disposio Ramo e Folha, Box-plot; Grfico da probabilidade normal. - Com tamanho de amostra pequeno (n<30) e sem possibilidade de adoo de que a populao subjacente, aproximadamente, distribuda nos moldes da distribuio normal, outros procedimentos de teste no paramtricos so necessrios.

9.5)

O TESTE Z DE HIPTESES PARA A PROPORO

Se o nmero de sucessos (X) > 5 ou insucessos (n-X) > 5, a distribuio de amostragens de uma proporo segue, aproximadamente, uma distribuio normal.
p (1 n )
X n )

Teste Z de uma amostra para a proporo: z

Teste Z para a proporo em termos do nmero de sucessos: z

n (1

EAA

Pgina 10

A abordagem do valor crtico Exemplo: Teste com Teste: H0: H1: = 0,05 => Bicaudal com n = 151, X = 78 => -1,96 > z > +1,96. = 0,5 0,5

Realizando o teste das duas maneiras:

z p (1 n
z X n (1 n )

=> z

0,5166

0,50

0,5(1 0,5) 151

78

=> zCALC = 0,4069

=> z

(151)(0,5)

151(0,5)(1 0,5)

=> zCALC = 0,4069

Em ambos os casos: zCALC = +0,4069 < +1,96 = zTAB => No rejeita H0 => evidncias insuficientes. A abordagem do Valor-p: Exemplo: Considerando: p = 0,5166; X = 78 e n = 151 => Teste: = 0,50. 0,05: No rejeita H0.

Sendo: z = 0,4069 => Valor-p = 2[P(z < -0,4069)] = 0,6841 > 9.6)

ARMADILHAS POTENCIAIS DO TESTE DE HIPTESES E QUESTES TICAS - Qual o objetivo da pesquisa, do estudo ou do experimento? Voc capaz de traduzir o objetivo

em uma hiptese nula e uma hiptese alternativa? O teste de hipteses um teste bicaudal ou um teste unicaudal? Voc consegue selecionar uma amostra aleatria a partir da populao subjacente de interesse? Que tipo de dados voc coletar a partir da amostra? As variveis so numricas ou categricas? Sob qual nvel de significncia, ou risco de cometer um Erro Tipo I, voc deve conduzir o teste de hipteses? O tamanho da amostra pretendido grande o suficiente para atingir a eficcia desejada para o teste no nvel de significncia escolhido? Que procedimento de teste estatstico voc deve utilizar, e por qu? A que tipo de concluses e interpretaes voc consegue chegar a partir dos resultados deste teste? 1. EXERCCIOS OBS: A realizao destes no isenta da necessidade de realizao dos exerccios definidos na bibliografia bsica da disciplina. Extrados do livro: SPIEGEL, Murray R. Estatstica. 4 Edio. Porto Alegre: Bookman, 2009 1 Um representante de um grupo comunitrio informa a um potencial construtor de um shopping, que a renda familiar mdia nesta rea de $45.000,00. Suponha que, para o tipo de rea envolvida, a renda familiar possa ser assumida como seguindo a distribuio normal, e que o desvio padro pode ser aceito como sendo igual a = $2.000,00, baseado em um estudo anterior. Para uma amostra aleatria de n = 15 residncias, a renda familiar mdia encontrada como sendo X = $44.000,00. Teste a hiptese nula de que EAA Pgina 11

= $45.000,00 atravs do estabelecimento de valores crticos da mdia da amostra, em termos da quantia em dlar, usando o nvel de significncia de 5 %. 2 Teste a hiptese do problema (1), utilizando-se da varivel normal padro z como o teste estatstico. 3 Usando a abordagem do valor P, teste a hiptese nula do problema (2) com um nvel de significncia de 5%. 4 Ainda sobre a construo do shopping, o potencial construtor no est realmente interessado na possibilidade de que a renda familiar mdia seja maior do que a suposio de $45.000,00, mas somente que ela deva ser menor. De acordo com o exposto, reformulou-se a hiptese nula e a hiptese alternativa, e realizou-se o teste estatstico apropriado, dando ainda o benefcio da dvida suposio do representante comunitrio. 5 Do problema (4), suponha que o desvio padro da populao no seja conhecido, o que normalmente seria o caso, e a populao de rendas familiares no assumida como seguindo uma distribuio normal. Para uma amostra de n = 30 residncias, o desvio padro da amostra S = $2.000,00 e a sua mdia permanece X = $44.000,00. Teste a hiptese nula de que a renda familiar mdia da populao de pelo menos $45.000,00, usando um nvel de significncia de 5%. 6 Um fabricante contempla o comprador de uma nova mquina especificou que, na mdia, o equipamento no necessitava de mais que 10 minutos de preparao por hora de operao. O agente de vendas visita uma companhia onde o equipamento em questo est sendo instalado. A partir de registros, o agente nota que 40 horas de operaes, selecionadas aleatoriamente, incluem um total de 7 horas e 30 minutos de tempo de preparao, e o desvio padro do tempo de preparao por hora foi de 3 minutos. Baseado neste resultado de amostra, a afirmativa de que o equipamento segue a especificao de tempo de preparao pode ser rejeitada com o nvel de significncia de 1%? 7 Supe-se que no mais que 5% dos componentes sendo produzidos em um processo de manufatura so defeituosos. Para uma amostra aleatria n = 100 componentes, 10 so encontrados como sendo defeituosos. Teste a hiptese nula com um nvel de significncia de 5%. 8 Suponha que o desvio padro da vida til dos tubos de imagem de TV para uma marca particular conhecido como sendo = 500, mas a vida til mdia no seja conhecida. De maneira geral, a vida til dos tubos assumida como seguindo uma distribuio aproximadamente normal. Para uma amostra de n = 15, a vida til media de X = 8.900 horas. Determine os intervalos de confiana para estimao da mdia da populao para (a) 95% & (b) 90%. 9 Em relao ao problema (8), suponha que a populao de vida til dos tubos no possa ser assumida como seguindo uma distribuio normal. Entretanto, a mdia da amostra de X = 8.900 baseada em uma amostra de n = 35. Determine o intervalo de confiana de 95% para a estimao da mdia da populao. 10 Em relao ao problema (9) suponha que a populao possa ser assumida como seguindo uma distribuio normal, mas que o desvio padro da populao no seja conhecido. Utilizando o desvio padro da amostra S = 500 e X = 8.900, estime a mdia da populao usando um intervalo de confiana de 90%. 11 Em relao ao problema (9) e (10), suponha que a populao no pode ser assumida como seguindo a distribuio normal e que o da populao no conhecido. Como antes, n = 35, S = 500 e X = 8.900. Estime a mdia da populao usando um intervalo de confiana de 99%.

EAA

Pgina 12

CAPTULO X TESTES PARA DUAS AMOSTRAS

10.1) COMPARANDO AS MDIAS ARITMTICAS DE DUAS POPULAES INDEPENDENTES Teste Z para a diferena entre duas mdias aritmticas: Teste para populao com distribuio Normal ou tamanho da amostra suficientemente grande, n > 30.

(X 1

X 2) (
2 1

1 2 2

, onde:

n1

n2

Teste t de varincia agrupada para a diferena entre duas mdias aritmticas: - SEM dados da populao, mas COM dados da amostra: mdia aritmtica e varincia. - Seleo aleatria e independente. 2 - Premissa: 12 2 - Teste: H0: 1 0 1 2 2 ou H1: 1 0 2 ou 1 2
t (X 1 X 2) (
2 SP ( 1 2

1 n1

1 ) n2

&

2 SP

(n1

1) S12 (n1 1)

(n 2 (n 2

2 1) S 2 , onde: 1)

2 S P = varincia agrupada;

S i2 = varincia da amostra extrada da populao i.

OBS1: A estatstica do teste t segue uma distribuio t com (n1+ n22) graus de liberdade. 2 S12 S 2 2 OBS2: Se os tamanhos das duas amostras forem iguais => S P . 2 Exemplo 1: Considerando um supermercado com possibilidade de refrigerante na prateleira da ponta do corredor e nas prateleiras regulares. Populao 1: todas as vendas semanais possveis de refrigerante se todos os supermercados utilizarem a exposio dos produtos em prateleiras regulares. Populao 2: todas as vendas semanais possveis de refrigerante se todos os supermercados

utilizarem a exposio dos produtos em pontas de corredor. As vendas de refrigerante, em nmero de embalagens, definida pelos seguintes resultados: Local de exposio do produto Prateleira regular 22 40 EAA 34 64 52 84 62 56 30 59 52 83 Ponta de corredor 71 66 76 90 54 77 67 84 Pgina 13

Se t > t18 = +2,1009 ou t < t18 = 2,1009 => Rejeita H0 / caso contrrio => No rejeita H0.
2 SP

(n1

1) S12 (n1 1)
(X 1

(n 2 (n 2
X2)
2 1 SP ( n1

2 1) S 2 1)

(10 1)(350 ,6778 ) (10 1)(157 ,3333 ) (10 1) (10 1)

2

254 ,0056

(50,3 72,0) 1 254 ,0056 ( 10

0,0 1 ) 10

21,7 50,801

3,0446

1 ) n2

Com isso, rejeita-se a hiptese nula, dado que 3,0446 < t18 = 2,1009. Pelo valor-p, P(t > 3,0446 ou t < -3,0446) = 2 (0,0035) = 0,0070 < 0,05 => Rejeita H0. Existem evidncias suficientes para rejeitar a hiptese nula => as mdias de vendas so diferentes de acordo com a prateleira utilizada.

Exemplo 2: Considerando o tempo de espera de uma pizzaria, em relao ser local e da cadeia nacional. Populao 1: todos os tempos de entrega possveis das pizzas solicitadas na pizzaria local. Populao 2: todos os tempos de entrega possveis das pizzas solicitadas na pizzaria da cadeia nacional. Os tempos de uma amostra de 10 solicitaes para cada pizzaria possuem os seguintes resultados: Local 16,8 18,1 11,7 14,1 15,6 21,8 H0: 16,7 13,9 17,5 20,8 H1: 22,0 19,5 Cadeia Nacional 15,2 17,0 18,7 19,5 15,6 16,5 20,8 24,0

Teste unicaudal:

Se t > t18 = +2,1009 ou t < t18 = 2,1009 => Rejeita H0 / caso contrrio => No rejeita H0.
2 SP

(n1

1) S12 (n1 1)
(X 1

(n 2 (n 2
X 2)
2 1 SP ( n1

2 1) S 2 1)

(10 1)(9,5822 ) (10 1)(8,2151) (10 1) (10 1)

2

8,8987

(16,7 18,88) 1 8,8987 ( 10

0,0 1 ) 10

2,18 1,7797

1,6341

1 ) n2

Com isso, no rejeita-se a hiptese nula, dado que t = 1,6341 > t18 = 1,7341. Pelo valor-p, P(t < -1,7341) = 0,0598 > 0,05 => No rejeita H0 => No existem evidncias suficientes para rejeitar a hiptese nula EAA Pgina 14

Observao: - pressupe: populaes distribudas nos moldes da Normal e com varincias iguais, - caso as duas populaes apresentem iguais varincias: o teste t da varincia robusto. - se as varincias forem diferentes: . Pode usar o procedimento no-paramtrico, como o teste da soma de classificaes de Wilcoxon. . OU pode usar uma transformao normalizadora em cada um dos resultados e, depois, usar o teste t de varincia agrupada.

Estimativa do intervalo de confiana para a diferena entre duas mdias aritmticas:

(X 1 X 2) t n1
2 SP (

n2 2

2 SP (

1 n1
(
1

1 ) ou n2
2

(X 1

X 2 ) t n1

n2 2

1 n1

1 ) n2

) (X 1

X 2)

t n1

n2 2

2 SP (

1 n1

1 ) , com (n1+n22) gl. n2

2 Exemplo: sendo X 1 = 50,3; n1=10; X 2 = 72; n2=10; S p

254,0056 e t18 =2,1009.

(2,1009)(7,1275) = 21,7 14,97

(50,3 72)

1 (2,1009 ) 254 ,0056 ( 10

1 2

1 ) = 21,7 10

36,67

6,73 => a localizao dos refrigerantes nas prateleiras da ponta do corredor

vende, em mdia, 6,73 a 36,67 embalagens a mais do que nas regulares. OBS: Num teste de hiptese, como o intervalo no inclui zero, rejeita-se H0:
1 2

0.

Teste t de varincias separadas para a diferena entre duas mdias aritmticas: Utilizado quando inapropriado usar o teste t para varincia agrupada, dado que as populaes no seguem o pressuposto de varincias iguais e, assim, as varincias das amostras no so agrupadas em
2 um nico estimador, S P .

EAA

Pgina 15

No procedimento de aproximao de Satterthwaite; e includo no clculo da estatstica do teste t as duas varincias de amostras separadas. Exemplo: t = 3,0446 e valor-p = 0,0077 < 0,05 => resultado quase igual ao de varincias agrupadas. O pressuposto de igualdade entre as varincias das populaes no teve nenhum efeito real sobre os resultados 10.2) COMPARANDO AS MDIAS ARITMTICAS DE DUAS POPULAES RELACIONADAS - Para utilizao de amostras nas quais seus dados no so independentes. Casos com dados relacionados: Medies repetidas (ex: medio da satisfao dos clientes em um restaurante) ou Indivduos Combinados (ex: teste de mercado sob duas estratgias de publicidade: amostra de teste, combinada com base no tamanho da populao e/ou variveis de mercado).

Grupo 1 2 ... i --N 1 X11 X12 ... X1i ... X1n

Valor 2 X21 X22 ... X2i ... X2n

Diferena D1 = X11 X21 D2 = X12 X22 ... Di = X1i X2i ... Dn = X1n X2n
n

Teste Z para a diferena entre as mdias aritmticas: z

D
D

Di
D

, em que: D

i 1

Teste t em pares: com (n-1) graus de liberdade: t

D SD n

Exemplo1: Medies repetidas para a milhagem de combustvel para testes de direo da vida real realizados por membros da Associao Automobilstica AAA e para testes de direo na cidade e em auto-estradas feitos conforme os padres correntes (2005) do Governo. Modelo Milhagem dos Milhagem membros corrente Ford F-150 2005 X11 = 14,3 X21 = 16,8 Chevrolet Silverado 2005 X12 = 15,0 X22 = 17,8 Honda Accord LX 2002 X13 = 27,8 X23 = 26,2 Honda Civic 2002 X14 = 27,9 X24 = 33,2 Honda Civic Hybrid 2004 X15 = 48,8 X25 = 47,6 Ford Explorer 2002 X16 = 16,8 X26 = 18,3 Toyota Camry 2005 X17 = 23,7 X27 = 28,5 Toyota Corolla 2003 X18 = 32,8 X28 = 33,1 Toyota Prius 2005 X19 = 37,3 X29 = 44,0 EAA Pgina 16

Teste: H0: D 0 H1: D 0 Sendo 0,05 ; diferenas distribudas nos moldes da distribuio Normal; n = 9; assim:
n
n

Di D
i 1

( Di

D) 2 2,893575 , logo => t

2,3444 & S D

i 1

D SD n

n 1

2,4307

Como tCALC = -2,4307 < -2,3060 = tTAB: Rejeita-se a hiptese nula. Pelo valor-p: P(t -2,4307) = 0,0412 < 0,05 = : Rejeita H0=> h evidncias de que a mdia aritmtica da milhagem de combustvel mais baixa para os membros da AAA do que para a milhagem corrente. Exemplo2: Tempos de entrega da pizzaria local e da pizzaria da cadeia nacional. Tempo Pizzaria Cadeia Local Nacional 1 X11 = 16,8 X21 = 22,0 2 X12 = 11,7 X22 = 15,2 3 X13 = 15,6 X23 = 18,7 4 X14 = 16,7 X24 = 15,6 5 X15 = 17,5 X25 = 20,8 6 X16 = 18,1 X26 = 19,5 7 X17 = 14,1 X27 = 17,0 8 X18 = 21,8 X28 = 19,5 9 X19 = 13,9 X29 = 16,5 10 X110 = 20,8 X210 = 24,0 Teste: H0: H1:
D D
n

0 0
n

Di D
i 1

( Di

D) 2 2,2641 , logo => t

2,18 & S D

i 1

D SD n

n 1

3,0448

Como tCALC = -3,0448 < -1,8331 = tTAB: Rejeita-se a hiptese nula. Pelo valor-p: P(t -3,0448) = 0,0070 < 0,05 = : Rejeita H0 => h evidncias de que o tempo de entrega mais baixa para a pizzaria local do que para a filial da cadeia nacional de pizzarias. Estimativa do intervalo de confiana para a mdia aritmtica da diferena: S S S D t n 1 D ou D t n 1 D D tn 1 D D n n n Exemplo: utilizando os dados da milhagem de combustvel, com D = -2,3444; SD = 2,8936; n = 9; t = 2,306 (para = 0,05 e 8 graus de liberdade) 2,8936 -2,3444 (2,306) = -2,3444 2,2242 = -4,5686 -0,1202 D 9

EAA

Pgina 17

10.3) COMPARANDO AS PROPORES DE DUAS POPULAES Teste Z: z

( p1 p (1 p2 ) p )( ( 1 n1
1 2

1 ) n2

, com p

X1 n1

X2 , p1 n2

X1 e p2 n1

X2 . n2

Possibilidades de teste para a proporo: Teste bicaudal Teste unicaudal Teste unicaudal H0: 1 H0: 1 H0: 1 2 2 2 H1: 1 H1: 1 H1: 1 2 2 2 Exemplo 1: H0: H1:
1 2

Anlise de satisfao dos clientes: Voc est propenso a escolher novamente este hotel? 163 dentre 227 responderam que sim para o Beachcomber. 154 dentre 262 responderam que sim para o Windsurfer. Com = 0,05, existem evidncias de uma significativa na satisfao de hspedes entre os dois hotis? X1 X 2 X1 X2 Sendo: p 0,6483 , p1 0,7181 e p 2 0,5878 , logo: n1 n2 n1 n2 ( p1 p 2 ) ( 1 2) z = +3,0088 1 1 p (1 p )( ) n1 n 2 Como zCALC = 3,0088 > 1,96 = zTAB: Rejeita-se a hiptese nula.

Pelo valor-p: P(t>3,0088) + P(t<-3,0088) = 0,0026 < 0,05 = : Rejeita H0 => h evidncias de que a satisfao dos hspedes maior no hotel Beachcomber do que no Windsurfer. Exemplo 2: H0: H1:
1 1 2 2

Anlise da preocupao financeira infantil: Voc se preocupa em ter dinheiro suficiente? 201 dentre 330 meninos responderam que sim. 178 dentre 262 meninas responderam que sim. Com = 0,05, a proporo de meninos que se preocupam em ter dinheiro suficiente > a das meninas? X1 X 2 X1 X2 0,5742 , p1 0,609 e p 2 0,539 , logo: Sendo: p n1 n2 n1 n2 ( p1 p 2 ) ( 1 2) z = +1,818 1 1 p (1 p )( ) n1 n 2 Como zCALC = 1,818 > 1,645 = zTAB: Rejeita-se a hiptese nula.

Pelo valor-p: P(t>1,818) = 0,0344 < 0,05 = : Rejeita H0 => h evidncias de que a proporo de meninos que se preocupam em ter dinheiro suficiente maior do que a proporo de meninas.

EAA

Pgina 18

Estimativa do interalo de confiana para a diferena entre duas propores: p (1 p1 ) p 2 (1 p 2 ) ou ( p1 p 2 ) z 1 n1 n2

( p1 p2 ) z p1 (1 p1 ) n1 p 2 (1 p 2 ) n2
1 2

( p1

p2 )

p1 (1 p1 ) n1

p 2 (1 p 2 ) n2

Exemplo: Desenvolver um intervalo de confiana com (1 ) = 95% para a diferena da populao de percentagens de hspedes qe retornariam ao Beachcomber (p1) e ao Windsurfer (p2). X1 X2 p1 0,7181 e p 2 0,5878 n1 n2 (0,7181-0,5878) (1,96)
0,7181(1 0,7181) 227 0,5878 (1 0,5878 ) = 0,0468 ( 262
1 2

) 0,2138.

Na definio deste IC, pode-se perceber que a satisfao dos hspedes maior no Beachcomber do que no Windsurfer. Esta diferena entre a proporo est entre 4,68% e 21,38%. 10.4) TESTE F PARA A DIFERENA ENTRE DUAS VARINCIAS - Verificao de uso do teste t, para: varincia agrupada (iguais) & varincias separadas (desiguais).
S12 . S 22

- Estatstica do teste F para testar a igualdade entre duas varincias: F

- Para testar a igualdade entre as varincias:

H0: H1:

2 1 2 1

2 2 2 2

Exemplo 1: Com

= 0,05, existem amostras de 10 lojas para cada uma das localizaes para exposio de

mercadorias. Conforme a tabela F, o valor crtico da cauda superior de 4,03.

Encontrando valores crticos da cauda inferior FI: FI numerador e (n1 1) gl no denominador. Logo: FI

1 , onde FS* tem (n2 1) gl no FS *

1 = 0,248. 4,03

EAA

Pgina 19

Calculando o valor de F para a relao das varincias, temos: F Como FI = 0,248 < F = 2,2289 < FS = 4,03 => No rejeita H0 Pelo valor-p: 0,2482 > 0,05 = Exemplo 2: : No rejeita H0.

S12 2 S2

350 ,6778 157 ,3333

2,2289

= 0,05; n1 = 8; S12 = 56,0; n2 = 10; S12 = 24,0; populaes distribudas nos moldes da

distribuio Normal. Assim: FS = 4,20.

Valor crtico inferior, FI

1 FS *

1 = 0,207. 4,82

S12 2 S2

56 24

2,33 .

Como FI = 0,207 < F = 2,33 < FS = 4,20 => No rejeita H0, pois no h nenhuma evidncia de uma diferena significativa entre as varincias nessas duas populaes independentes. ATENO: CONSIDERAR A POSSIBILIDADE DE: n1 Bibliografia Bsica: LEVINE, David M. Estatstica: Teoria e Aplicaes. Rio de Janeiro: LTC, 2008. 10 edio. Bibliografia Complementar: TRIOLA, Mario F. Introduo Estatstica. Rio de Janeiro: LTC, 2008. 10 edio. SPIEGEL, Murray R. Estatstica. Porto Alegre: Bookman, 2009. KAZMIER, Leonard. Estatstica Aplicada a Administrao e Economia. Porto Alegre: Bookman, 2007. NEUFELD, John L. Estatstica Aplicada Administrao Usando Excel.So Paulo: Pearson Prentice Hall, 2003. BRAULE, Ricardo. Estatstica Aplicada com Excel para Cursos de Administrao e Economia. Rio de Janeiro: Elsevier, 2001. FREUND, John E. Estatstica Aplicada Economia, Administrao e Contabilidade. Porto Alegre: Bookman, 2007. n2.

EAA

Pgina 20