conceitos estatísticos necessários para tais interpretações.
Colocaremos questões como as listadas acima. Analisaremos
Instituto Federal do Espírito Santo
Coordenadoria de Matemática
Disciplina: Estatística II
LISTA 07
Professor: André Salazar
Aluno:__________________________________
Data: ___/ ___/ _____
1.10 Estimativas e Tamanhos Amostrais
Resultados da Pesquisa "fotopolicial": o que eles
revelam .
O Star Tribune, um jornal de St. Paul, Mineápolis (EUA),
patrocinou uma pesquisa destinada a revelar opiniões sobre
o "fotopolicial" que usa câmeras posicionadas de modo a
flagrarem motoristas que desrespeitam o sinal vermelho. As
câmeras fotografam as placas dos carros que passam com o
sinal vermelho, e os donos dos carros são notificados por
correio das infrações de tráfego cometidas. O jornal
patrocinou a pesquisa por causa da legislação de Minnesota,
ainda pendente, que aprovaria o uso de câmeras para
aplicar multas por violações de trânsito. (Agradecimentos a
Beth Hentges, que forneceu a informação do jornal.)
Os pesquisadores entrevistaram 829 adultos de Minnesota
e verificaram que 51% se opunham à legislação sobre o
"fotopolicial". Esses resultados de pesquisas, como a maioria
deles, dão origem a questões interessantes, como:
- Dado que apenas 829 adultos foram entrevistados, podemos
concluir alguma coisa sobre a população de todos os adultos
de Minnesota? Em caso afirmativo, o que podemos concluir?
- Dado que apenas 829 adultos foram entrevistados, quão
precisos são os resultados?
- O tamanho da amostra de 829 sujeitos é grande o bastante
para produzir resultados significativos ?
- Como foram selecionados os respondentes da pesquisa?
Será que foram escolhidos de modo a serem representativos
da população?
As pesquisas tornaram-se um importante componente da vida
americana. Elas afetam diretamente os shows de televisão
que assistimos, os produtos que o compramos, os políticos
que elegemos e as roupas que vestimos. Embora as pesquisas
sejam, agora, parte integrante de nossas vidas, é uma
infelicidade que a maioria de nós não seja capaz de
interpretar seus resultados. Este capítulo apresenta os
os resultados da pesquisa do Star Tribune e, no processo,
aprenderemos muito sobre pesquisas em geral.
1.10.1 Visão geral
A partir desta LISTA 07, começamos a trabalhar com a
verdadeira essência da inferência estatística na medida
em que usamos dados amostrais para fazer inferências
sobre populações. Especificamente, usaremos dados
amostrais para obter estimativas de parâmetros
populacionais. Por exemplo, O texto “Resultados da
Pesquisa fotopolicial” inclui resultados de pesquisa que
consistem em 829 adultos de Minnesota, 51% dos
quais se opõem ao uso de câmeras para aplicação de
multas de trânsito. Com base na estatística amostral
de 51%, estimaremos a porcentagem de adultos na
POPULAÇÃO TOTAL de Minnesota que se opõe à
legislação do "fotopolicial".
As DUAS MAIORES aplicações da inferência
estatística envolvem o uso de dados amostrais para (1)
ESTIMAR O VALOR DE UM PARÂMETRO
POPULACIONAL e (2) TESTAR ALGUMA
AFIRMAÇÃO (ou hipótese) SOBRE UMA
POPULAÇÃO. A partir desta LISTA 07, introduzimos
métodos para estimar valores dos seguintes, e
importantes, parâmetros populacionais: proporções,
médias e variâncias. Apresentaremos, também,
métodos para a determinação dos tamanhos amostrais
necessários para estimar esses parâmetros.
Começaremos nosso estudo optando pela proporção
pelas seguinte razões:
1. Todos nós vemos, frequentemente, proporções na
mídia.
2. As pessoas tendem a se interessar mais por dados
expressos como proporções (porcentagens, por
exemplo).
3. As proporções são, em geral, mais fáceis de se
trabalhar do que médias ou variâncias.
1.10.2 Estimação de uma Proporção Populacional
Eis o principal motivo desta seção: dada uma
proporção amostral, estimar o valor da proporção
populacional p . Por exemplo, O texto “Resultados da
Pesquisa fotopolicial” inclui resultados de pesquisa que
consistem em entrevistas com 829 adultos, 51% dos
quais se opõem ao sistema de fotopolicial, que usa
câmeras para multar motoristas que desrespeitam o
sinal vermelho. A estatística amostral de 51% pode ser
representada como a proporção amostral de 0,51.
Usando o tamanho amostral de n  829 e a proporção
amostral de 0,51, prosseguiremos para estimar a
proporção p de TODOS OS ADULTOS DE
MINNESOTA que se opõem à legislação de fotopolicial.
Esta seção considerará apenas casos em que a
DISTRIBUIÇÃO NORMAL pode ser usada para
aproximar a distribuição amostral de proporções CONSIDERANDO QUE TENHAMOS UMA AMOSTRA
amostrais. Na secção 1.7 (LISTA 06), vimos que, em ALEATÓRIA SIMPLES e que as outras suposições, já
um procedimento binomial com n tentativas e comentadas, sejam satisfeitas, podemos agora
probabilidade p , se np  5 e nq  5 , então a prosseguir em direção ao nosso maior objetivo: usar a
amostra como base para estimar o valor da proporção
variável aleatória binomial tem uma distribuição de
populacional p . Para diferenciar da proporção
probabilidade que pode ser aproximada por uma
distribuição normal (Lembre-se que q  1  p ). Essas populacional, introduzimos uma nova notação p̂ (lê-se:
condições estão incluídas entre as seguintes p chapéu) para a proporção amostral.
suposições que se aplicam aos métodos desta
secção. Notação para Proporções

p = proporção populacional
Suposições:
x
pˆ  proporção amostral de x sucessos em uma
1. A amostra é uma amostra aleatória simples. n
amostra de tamanho n .
2. As condições para a distribuição binomial são
satisfeitas. Isto é, há um número fixo de tentativas, as
qˆ  1  pˆ proporção amostral de fracassos em uma
tentativas são independentes, há duas categorias de
resultados e as probabilidades permanecem constantes amostra de tamanho n .
para cada tentativa.
3. A Distribuição Normal pode ser usada para
aproximar a distribuição de proporções amostrais,
porque os requisitos np  5 e nq  5 são satisfeitos. 1.10.3 Proporção, Probabilidade e Porcentagem
(Como p e q serão, certamente, desconhecidos,
usamos a proporção amostral para estimar seus Embora esta seção se concentre na proporção
valores. Também há procedimentos específicos para populacional p , os procedimentos discutidos aqui
lidar com situações nas quais a distribuição normal também se aplicam a probabilidades e porcentagens,
NÃO é uma aproximação adequada. embora as porcentagens devam ser convertidas em
proporções removendo-se o sinal de "por cento" e
Observação: dividindo-se por 100. Por exemplo, 51% pode ser
expresso na forma decimal como 0,51. O símbolo " p "
se obtém uma amostra aleatória simples de n pode, portanto, representar uma proporção, uma
valores se toda amostra possível de tamanho n probabilidade, ou o equivalente decimal de uma
tem a mesma chance de ser escolhida. Esta porcentagem. Por exemplo, se você pesquisa 200
exigência de seleção aleatória significa que os métodos estudantes de estatística e verifica que 80 deles
desta seção NÃO PODEM SER USADOS com qualquer compraram calculadoras científica Cassio, então a
outro tipo de amostragem, como estratificada, por x 80
conglomerado ou de conveniência. Devemos ter proporção amostral é pˆ    0,400 e
bastante claro este ponto: n 200
qˆ  1  pˆ  1  0,400 que é igual a 0,600 . Em vez de
Dados coletados sem cuidado podem ser absolutamente
sem valor, mesmo que a amostra seja muito grande.
x
calcular o valor de , o valor de p̂ é, algumas vezes,
n
.............................................................................................. já conhecido porque a proporção amostral ou a
porcentagem são dadas diretamente no texto do
problema. Por exemplo, se é relatado que 829 adultos
Sabemos que DIFERENTES AMOSTRAS produzem
de Minnesota foram pesquisados e 51% deles se
RESULTADOS DIFERENTES. Os métodos desta
manifestaram contrários à legislação do fotopolicial,
seção supõem que essas diferenças amostrais sejam
devidas a flutuações aleatórias do acaso, e não a então pˆ  0,51e qˆ  0,49 .
algum método infundado de amostragem. Se você
fosse realizar uma pesquisa acerca da legislação que Se desejamos estimar a proporção populacional com
trata de dirigir alcoolizado e selecionasse uma amostra um único valor, a melhor estimativa é p̂ . Como
envolvendo exclusivamente donos de bares e
restaurantes, ou mesmo pessoas que dependem dos
p̂ consiste em único valor, é chamado estimativa
lucros neste ramo para manutenção de sua renda pontual.
salarial, certamente não deveria usar os resultados
para fazer qualquer estimativa da proporção de
TODOS os adultos americanos. A amostra de donos de Definição 17: Uma estimativa pontual é um único
bares, e demais associados, é, provavelmente, uma valor (ou ponto) usado para aproximar um parâmetro
amostra tendenciosa, no sentido de que não é populacional.
representativa de todos os americanos.

A proporção amostral p̂ é a melhor estimativa
pontual da proporção populacional p .
Usamos p̂ como a estimativa pontual de p porque ele
é não-viesado (conforme estudamos na LISTA 04) e é
o mais consistente dos estimadores que poderiam ser
usados. Ele é não-viesado no sentido de que a
Distribuição das Proporções Amostrais tende a se
centralizar em torno de p ; isto é, as proporções
amostrais p̂ não tendem sistematicamente a
subestimar p , nem tendem sistematicamente a
superestimar p . A proporção amostral p̂ é o
estimador mais consistente no sentido de que o Desvio
Padrão das Proporções Amostrais tende a ser menor
do que os Desvios Padrões de quaisquer outros
estimadores não-viesados.
Atividade Comentada
34. (Respostas de Pesquisas sobre o Fotopolicial)
No texto “Resultados da Pesquisa fotopolicial” vimos
que 829 adultos de Minnesota foram pesquisados, e
que 51% deles se opunham ao uso das câmeras para
se aplicarem multas de trânsito. Usando o resultado da
pesquisa, ache a melhor estimativa pontual da
proporção de TODOS os adultos de Minnesota que se
opõem ao uso das câmeras.
1.10.4 Por que precisamos de Intervalos de
Confiança?
Na Atividade Comentada 34, precedente, vimos que
0,51 era nossa melhor estimativa pontual da
proporção populacional p , mas NÃO temos qualquer
indicação de QUÃO BOA era nossa melhor
estimativa. Se tivéssemos uma amostra de apenas 20
adultos de Minnesota e 12 se opusessem ao uso de
câmeras, nossa melhor estimativa pontual seria a
12
proporção amostral de  0,6 , mas NÃO
20
ESPERARÍAMOS que essa estimativa pontual
FOSSE MUITO BOA porque se baseou um uma
amostra MUITO PEQUENA. Como a estimativa
pontual tem a falha de NÃO revelar quão boa ela é,
os estatísticos desenvolveram outro tipo de estimativa.
Esta estimativa, chamada de intervalo de confiança
ou estimativa intervalar, consiste em uma faixa (ou
intervalo) de valores em vez de apenas um único valor.
Definição 18: Um intervalo de confiança (ou
estimativa intervalar) é uma faixa (ou um intervalo)
de valores usada para estimar o verdadeiro valor de um
parâmetro populacional. Um intervalo de confiança é,
algumas vezes, abreviado como IC.
Um intervalo de confiança é associado a um nível de
confiança, tal como 0,95 (ou 95%). O nível de
confiança nos dá a taxa de sucesso do procedimento
usado para construir o intervalo de confiança. O
intervalo de confiança é, muitas vezes, expresso como
uma probabilidade ou área 1   (letra grega
minúscula alfa). O valor de  é o complemento do
nível de confiança. Para um nível de confiança de 0,95
(ou 95%),   0,05 . Para um nível de confiança de
0,99 (ou 99%),   0,01.
Definição 19: O nível de confiança é a probabilidade
1   (em geral, expressa o valor equivalente, em
porcentagem) que é a proporção de vezes que o
intervalo de confiança realmente contém o parâmetro
populacional, supondo que o processo de estimação
seja repetido um grande número de vezes. (O nível de
confiança é, também, chamado grau de confiança,
ou coeficiente de confiança.)
As escolhas mais comuns para o nível de confiança
são 90% (com   0,10 ), 95% (com   0,05 ), e
99% (com   0,01). A escolha de 95% é mais
comum porque resulta em um bom equilíbrio entre
precisão (conforme refletido na largura do intervalo de
confiança) e confiabilidade (conforme expresso pelo
nível de confiança).
Eis um exemplo de intervalo de confiança com base
nos dados amostrais dos 829 adultos de Minnesota,
51% dos quais se opõem ao uso de câmeras no
trânsito.
A estimativa de intervalo de confiança de 0,95 (ou
95%) da proporção populacional p é
0,476  p  0,544 .
1.10.5 Interpretação de um Intervalo de Confiança
Devemos ser cuidadosos para interpretar corretamente
os intervalos de confiança. Há uma interpretação
correta e muitas diferentes e criativas interpretações
erradas do intervalo de confiança 0,476  p  0,544 .
Correta: "Estamos 95% confiantes de que o intervalo
de 0,476 a 0,544 realmente contém o
verdadeiro valor de p ." Isto significa que, se
selecionássemos MUITAS DIFERENTES
AMOSTRAS de tamanho 829 e
construíssemos os intervalos de confiança
correspondentes A CADA UMA DELAS, 95%
DELES realmente conteriam o valor da
proporção populacional p . (Note que nessa
interpretação correta o nível de 95% se refere
à taxa de sucesso do processo em uso para
estimar a proporção populacional, e não se
refere à própria proporção populacional).
Errada: "Há uma chance de 95% de que o verdadeiro
valor de p estará entre 0,476 e 0,544."
Em qualquer ponto específico no tempo, há um valor
de p fixo e constante, a proporção de adultos de
Minnesota que se opõe ao uso de câmeras. Se usamos
dados amostrais para determinar limites específicos,
tais como 0,476 e 0,544, esses limites incluirão, ou
não, a proporção populacional p , e não podemos
dizer se incluem ou não sem conhecermos o
verdadeiro valor de p . Mas é errado dizer que p tem
uma chance de 95% de estar entre os limites
especificados de 0,476 e 0,544, porque p é uma
CONSTANTE FIXA (embora desconhecida) e não uma
variável aleatória. Ou p está entre os limites ou não;
não há probabilidade envolvida.
Esse é um conceito confuso; assim, para ajudara na
sua compreensão, considere um exemplo mais
simples, no qual queremos achar a probabilidade de
um bebê ser uma menina. Se o bebê já nasceu, mas o
médico ainda não anunciou o sexo, não podemos dizer
que haja uma probabilidade 0,5 de que o bebê seja
uma menina, porque o bebê já é, ou não, uma menina.
Não há chance envolvida, porque o sexo já foi
determinado. Analogamente, uma proporção
populacional p já está determinada, e os limites do
intervalo de confiança contêm p , ou não, de modo que
é errado dizer que há uma chance de 95% de que
p esteja entre 0,476 e 0,544.
Um nível de confiança de 95% nos diz que o processo
em uso resultará, a longo prazo, em limites de
intervalo de confiança que contenham a verdadeira
proporção populacional 95% das vezes. Suponha que a
verdadeira proporção de todos os adultos de Minnesota
que se opõe ao uso de câmeras seja p  0,520 .
Então, o intervalo de confiança obtido dos dados
amostrais apresentados contém a proporção
populacional, porque a verdadeira proporção
populacional de 0,520 está entre 0,476 e 0,544. A
Figura1.10.5.1 ilustra esse fato.
Figura 1.10.5.1: Intervalos de Confiança a partir de 20
amostras diferentes.
A Figura 1.10.5.1 mostra o primeiro intervalo de
confiança para os verdadeiros dados da pesquisa
apresentados no texto “Resultados da Pesquisa
fotopolicial” (com 51% dos 829 entrevistados se
opondo às câmeras), mas os outros 19 intervalos de
confiança representam amostras hipotéticas. Com 95%
de confiança, esperamos que 19 das 20 amostras
resultem em intervalos que realmente contenham o
verdadeiro valor de p , e a Figura 1.10.5.1 ilustra isso
com 19 dos 20 intervalos de confiança contendo p ,
enquanto um intervalo de confiança não o contém.
Cuidado: Intervalos de confiança podem ser usados
informalmente para comparar diferentes conjuntos de
dados, mas os intervalos de confiança que se
superpõem não devem se usados para tirar conclusões
formais e finais sobre igualdade de proporções. A
análise de superposição entre dois intervalos de
confiança individuais está associada a armadilhas.
(Veja "On judiging the Significance of Differences by
Examining the Overlap Between Confidence Intervals",
de Schenker e Gentleman, The American Statistician,
Vol. 55, N° 3. Outras técnicas, estudadas em capítulos
seguintes ao tema de estudo desta LISTA 07, descreve
procedimentos para se determinar se populações têm
ou não proporções iguais, e esses procedimentos não
terão as armadilhas associadas a conclusões que se
baseiem em intervalos de confiança que se superpõem.
Não use intervalos de confiança que se superpõe
como base para tirar conclusões finais sobre a
igualdade de proporções.
1.10.6 Valores Críticos
Os métodos desta seção, e muitos dos outros métodos
estatísticos encontrados em capítulos seguintes,
incluem o uso de um escore padrão z , que pode ser
usado para distinguir entre estatísticas amostrais que
têm chance de ocorrer e aquelas que não têm. Tal
escore z é chamado valor crítico (definido abaixo).
Valores críticos se baseiam nas seguintes
observações.
Observações:
1. Sabemos, com base na Seção 1.5.2 (LISTA 04), que
sob certas condições, a Distribuição Amostral das
Proporções pode ser aproximada por uma
Distribuição Normal, como na Figura 1.10.6.1,
mostrada a seguir.
2. Proporções amostrais têm uma chance relativamente
pequena (com probabilidade representada por  ) de
cair em uma das caudas sombreadas de cinza-escuro
da Figura 1.10.6.1.
3. Representando a área de cada cauda sombreada

por , vemos que há uma probabilidade total  de
2
que uma proporção amostral caia em UMA DAS DUAS
caudas sombreadas de cinza-escuro.
4. Pela regra dos complementos, Estudada na Teoria
das Probabilidades (Ensino médio ou Estatística I) há
uma probabilidade 1   de que uma proporção 35. (Encontrando um Valor Crítico) Ache o valor
amostral caia na região sombreada de cinza-claro da crítico z / 2 correspondente ao nível de confiança de
Figura 1.10.6.1.
95%.
5. O escore z que separa a região da cauda direita é
comumente denotado por z / 2 , e é chamado de valor
crítico porque está na fronteira que separa proporções
amostrais que têm chance de ocorrer das que não têm.

Figura 1.10.6.1: Valores Críticos z / 2 na Distribuição

Normal Padrão.

Essas observações podem ser formalizadas com a

notação e definição seguintes.
Notação para Valor Crítico

O valor crítico z / 2 é o valor positivo que está na


fronteira vertical que separa uma área de na cauda
2
direita da distribuição normal padronizada (O valor de -

z / 2 está na fronteira vertical para a área de na
2

cauda esquerda.). O índice é, simplesmente, um
2

lembrete de que o escore z separa uma área de na
2
cauda direita da distribuição normal padronizada.

Definição 20: Um valor crítico é um número na

fronteira que separa estatísticas amostrais que têm
chance de ocorrer daquelas que não têm. O número
z / 2 é um valor crítico que é um escore z com a

propriedade de separar uma área de na cauda
2
direita da distribuição normal padronizada. (Veja Figura
1.10.6.1).

Atividade Comentada