Distribuição Normal e Teorema do Limite Central

Distribuição Normal de
Probabilidade
Teorema do Limite Central
Distribuição Normal de Probabilidade
• Distribuições Amostrais
• Definição:
• Uma distribuição amostral é a distribuição de probabilidade de uma
estatística da amostra que é formada quando amostras de tamanho n
são repetidamente colhidas de uma população. Se a estatística da
amostra é sua média, temos então uma distribuição amostral de
médias das amostras.
• O retângulo representa uma grande população e cada circulo
representa uma amostra de tamanho n. Uma vez que as entradas
amostrais podem diferir, as médias amostrais podem ser diferentes. A
média da Amostra 1 é 𝑥1ҧ , a média da Amostra 2 é 𝑥ҧ2 e assim por
diante. A distribuição amostral das médias de tamanho n será
representada por 𝑥1ҧ , 𝑥ҧ2 , 𝑥ҧ3 e assim por diante. Se as amostras forem
tiradas com reposição, um número infinito de amostras poderá ser
coletado da população.
• Teorema do Limite Central
• 1. Se amostras de tamanho n, onde n ≥ 30, forem tiradas de uma
população qualquer, com uma média 𝜇 e um desvio padrão 𝜎, então a
distribuição amostral de médias das amostras se aproximará de uma
distribuição normal. Quanto maior for o tamanho da amostra, melhor
será a aproximação.
• 2. Se uma aproximação for normalmente distribuída, a distribuição
amostral das médias das amostras será normalmente distribuída para
qualquer tamanho n da amostra.
• Em ambos os casos , a distribuição amostral de médias das amostras
tem uma média igual á média da população.
• 𝜇𝑥ҧ = 𝜇 Média
• E a distribuição amostral de médias das amostras tem uma variância
igual 1/n vezes a variância da população e um desvio padrão igual ao
desvio padrão da população dividido pela raiz quadrada de n.
𝜎2
• 𝜎𝑥2ҧ = Variância
𝑛
𝜎
• 𝜎𝑥ҧ = Desvio padrão
𝑛
• O desvio padrão da distribuição amostral de médias das amostras, 𝜎𝑥ҧ ,
é também chamado de erro padrão da média.
• Ex. A média das contas telefônicas dos moradores de Itabira é de R$
64,00 e seu desvio padrão é de R$ 9,00. Amostras aleatórias de 36
contas telefônicas são retiradas dessa população e a média de cada
uma delas é determinada. Obtenha a média e o erro padrão da média
da distribuição amostral e esboce um gráfico da distribuição amostral.
• Solução:
• A média da distribuição amostral é igual à média da população 𝜇𝑥ҧ = 𝜇
= 64
𝜎 9
• E o desvio padrão 𝜎𝑥ҧ = ∴ 𝜎𝑥ҧ = = 1,5
𝑛 36
• Ex. As alturas das árvores de carvalho branco completamente
desenvolvidas são normalmente distribuídas e possuem uma média
de 90 pés e um desvio padrão de 3,5 pés. Amostras de tamanho 4 são
retiradas aleatoriamente dessa população e a média de cada uma
delas. Obtenha a média e o erro padrão da média da distribuição
amostral. Esboce o gráfico da distribuição amostral.
• Solução:
• 𝜇𝑥ҧ = 𝜇 = 90 pés
𝜎 3,5
• 𝜎𝑥ҧ = ∴ 𝜎𝑥ҧ = = 1,75 pés
𝑛 4
• Probabilidade e o Teorema do Limite Central
𝑽𝒂𝒍𝒐𝒓 −𝒎é𝒅𝒊𝒂
•z=
𝒆𝒓𝒓𝒐 𝒑𝒂𝒅𝒓ã𝒐
ഥ
𝒙− 𝝁ഥ𝒙 ഥ
𝒙−𝝁
•z= ∴ z=
𝝈ഥ𝒙 𝝈/ 𝒏
• Uma companhia eletrônica fabrica resistores que têm uma resistência
média de 100 Ω e um desvio padrão de 10 Ω, os resistores estão
normalmente distribuídos. Encontre a probabilidade de uma amostra
aleatória de n = 25 resistores ter uma resistência média menor do 95 Ω.
• Solução:
• 𝜇𝑥ҧ = 𝜇 = 100 Ω
𝜎 10
• 𝜎𝑥ҧ = ∴ 𝜎𝑥ҧ = =2Ω
𝑛 25
ҧ
𝑥−𝜇 95 −100
• z = 𝜎/ 𝑛 ∴ z = 10/ 25 = - 2,5
• P( 𝑥ҧ < 95) = P(z < −2,5) = 0,0062
• Ex. O aluguel médio de um apartamento em um edifício administrado
profissionalmente é de R$ 780,00. Selecione ao acaso 9 desses
apartamentos. Qual é a probabilidade de que o aluguel médio seja menor
do que R$ 825,00? Suponha que os aluguéis estejam distribuídos
normalmente, com um desvio padrão de R$ 150,00.
• Solução:
• 𝜇𝑥ҧ = 𝜇 = 780,00
ҧ
𝑥−𝜇 825 −780
• z= ∴z= = 0,9
𝜎/ 𝑛 150/ 9
• P( 𝑥ҧ < 825) = P(z < 0,9) = 0,8159
• Conclusão: 81,59% das amostras com n = 9 terão uma média menor do que
R$825,00 e 18,41% das médias das amostras estarão fora desse intervalo.
• Ex. Os valores das contas a receber por uma administradora de
cartões de créditos estão normalmente distribuídos, com uma média
de R$ 2870,00 e um desvio padrão de R$ 900,00 por fatura.
• Determine a probabilidade de que 25 portador de cartão de crédito
selecionado ao acaso tenha:
• a) Uma conta maior do que R$ 2500,00
• b) Uma conta entre R$ 2600,00 e R$ 2700,00
• Solução:
• a) 𝜇𝑥ҧ = 𝜇 = 2870,00
ҧ
𝑥−𝜇 2500 −2870
• z = 𝜎/ 𝑛 ∴ z = 900/ 25 = - 2,06
• P(𝑥ҧ > 2500) = 𝑃(𝑧 > -2,06) = 0,0197 = 1-0,0191= 0,9803
• b) 𝜇𝑥ҧ = 𝜇 = 2870,00
ҧ
𝑥−𝜇 2600 −2870
• z= 𝜎/ 𝑛
∴ z1 = 900/ 25
= -1,5
2900 −2870
• z2 = 900/ 25 = 0,2
• P(2600 < 𝑥 < 2900) = 𝑃 −1,5 < 𝑧 < 0,2 = 0,5793 − 0,0668 =
0,5125
• Fator de correção finita
𝝈
• Fórmula para o erro padrão da média 𝝈𝒙ഥ =
𝒏
𝜎 𝑁 −𝑛
• 𝜎𝑥ҧ =
𝑛 𝑁 −1
• O Teorema do Limite Central baseia-se na hipótese de que a população
tenha infinitos elementos ( amostragem com reposição). A fórmula é
também válida se o tamanho da amostra for comparado com a da o
população. Porém, se a amostra for feita sem reposição e o tamanho da
amostra n for mais do 5% da população finita de tamanho N, haverá,
então, um número finito de amostras possíveis. Um fator de correção
finita deve ser usado para ajustar o erro padrão.
• Aproximações Normais para Distribuições Binomiais
• Aproximação normal para uma distribuição binomial.
• Se np ≥ 𝟓 𝒆 𝒏𝒒 ≥ 𝟓 , então a variável aleatória binomial x

tem uma distribuição aproximadamente normal, com
média :
•
𝜇 = 𝑛𝑝 𝑒 𝑑𝑒𝑠𝑣𝑖𝑜 𝑝𝑎𝑑𝑟ã𝑜 𝜎 = 𝑛𝑝𝑞.
• Ex. Trinta e sete por cento de pessoas no Brasil afirmaram que voam
em uma companhia aérea no carnaval. Selecione ao acaso 15 pessoa
no brasil e pergunte se elas sempre voam em uma companhia aérea
no carnaval.
• Solução:
• n= 15 , p = 37% = 0,37 , e q = 1 – 0,37 = 0,63
• np ≥ 5 ∴ (15)(0,37) = 5,55 e nq ≥ 5 ∴ (15)(0,63) = 9,45
• Uma vez que np e nq são maiores do que 5, pode-se usar a
distribuição normal
• 𝜇 = np ∴ 𝜇 = 15.0,37 = 5,55
• 𝜎 = 𝑛𝑝𝑞 ∴ 𝜎 = 15.0,37.0,63 = 1,87.
• Ex. Noventa e sete por cento das pessoas querem que o hino nacional
continue o mesmo. Selecione ao acaso sessenta e cinco pessoas no
Brasil e pergunte se elas querem que o hino nacional permaneça o
mesmo.
• p= 97% = 0,97 e q = 1 – 0,97 = 0,03
• np = (65)(0,97) = 63,05
• nq = (65)(0,03) = 1,95 , como nq ≥ 5 , não se pode usar a distribuição
normal para aproximar a distribuição de x.
Intervalo de Confiança
• Intervalo de Confiança para a Média ( amostras grandes)
• Estimando parâmetros populacionais
• Definição
• Uma estimativa pontual é uma estimativa de um único valor para um
parâmetro populacional. A estimativa pontual menos enviesada da
média populacional 𝜇 e a média amostral 𝑥.ҧ
• Ex. Pesquisadores de mercado usam números de frases por
propaganda como a maneira de medir a legibilidade dos anúncios em
revistas. Os dados a seguir representam uma amostra aleatória do
número de sentenças encontradas em 54 anúncios. Obtenha uma
estimativa pontual da média populacional 𝜇.
• 9 20 18 16 9 16 16 9 11 13 22 16 5 18 6 6 5 12 25 17 23 7
10 9 10 10 5 11 18 18 9 9 17 13 11 7 14 6 11 12 11 15 6 12
14 11 4 9 18 12 12 17 11 20 .
• Solução:
σ𝑥 671
• 𝑥ҧ = = =12,4
𝑛 54
• Portanto, a estimativa pontual para o comprimento médio de todos
os anúncios em revistas é de 12,4 frases.
• Ex. Uma amostra aleatória do número de sentenças encontradas em
30 anúncios de revistas está exposta na tabela. Use está amostra para
obter uma estimativa pontual para 𝜇.
• 16 9 14 11 17 12 9 9 18 13 12 5 9 17 6 11 17 18 20 6
14 7 11 17 18 20 6 14 7 11.
• Solução:
• Estimativa Intervalar
• Definição
• Uma estimativa intervalar é um intervalo de valores usado para
estimar um parâmetro populacional.
• Níveis de confiança Zc
• 90% 1,645
• 95% 1,96
• 99% 2,575
• Ex. Seja 𝑥ҧ = 12,4 e uma margem de erro de 2,1.
• A estimativa intervalar seria 12,4 ± 2,1.
• 12,4 -2,1 < 𝜇 < 12,4 + 2,1 ∴ 10,3 < 𝜇 < 14,5.
• Definição
• O nível de confiança c é a probabilidade de que o intervalo estimado
contenha o parâmetro populacional.
• Ex. Por exemplo se c = 90% , então os 5% da área estão à esquerda
de – zc = - 1,645 e 5% estão à direita de zc = 1,645.
• A distância entre a estimativa pontual e o valor do parâmetro real é
chamado de erro da estimativa.
• Ao estimar 𝜇 , o erro da estimativa é a distância │𝑥ҧ −µ│. Na maior
parte dos casos, naturalmente, µ é desconhecido e 𝑥ҧ varia de amostra
para amostra. Portanto o pode-se calcular um valor máximo para o
erro se souber o nível de confiança e a distribuição amostral.
• Definição
• Dado um nível de confiança c, o erro máximo da estimativa (margem
de erro ou tolerância do erro) E é a maior distância possível entre a
estimativa pontual e o valor do parâmetro a ser estimado.
𝜎
• E = zc 𝜎𝑥ҧ = zc
𝑛
• Quando n ≥ 30, o desvio padrão amostral s pode ser usado no lugar
de 𝜎.
• Ex. Determinar o erro máximo da estimativa do número médio de
sentenças em todos os anúncios de revistas. Dados c = 95% , zc =
1,96, 𝑥ҧ = 12,4 , n = 54, s = 𝜎.
σ(𝑥𝑖 − 𝑥)ҧ 2 1333,2
•S= = = 5,0
𝑛 −1 53
𝜎 5,0
• E = zc ∴ E = 1,96 = 1,3
𝑛 54
• Portanto, você tem uma confiança de 95% de que a estimativa
máxima de erro para a média populacional seja de cerca de 1,3
sentença.
• Intervalos de Confiança para a Média Populacional.
• Definição
• Um intervalo de confiança c para a média populacional µ é
• 𝑥ҧ - E ˂ µ ˂ 𝑥ҧ + E
• A probabilidade de que o intervalo de confiança contenha µ é c.
• Construa um intervalo de confiança de 95% para o número médio de
sentenças em todos os anúncios em revistas.
• Solução
• 𝑥ҧ = 12,4 e E = 1,3
• 𝑥ҧ - E ˂ µ ˂ 𝑥ҧ + E
• 12,4 – 1,3 ˂ µ ˂ 12,4 +1,3
• 11,1 ˂ µ ˂ 13,7
• Portanto, com 95% de confiança , pode-se dizer que o número médio
populacional de sentenças está entre 11,1 e 13,7.
• Ex. O diretor de uma escola deseja estimar a idade média de todos os
alunos aprovados. Em uma amostra aleatória de 20 estudantes, a
idade média encontrada foi de 22,9 anos. A partir de estudos
passados sabe-se que o desvio padrão é de 1,5 anos e que a
população está normalmente distribuída. Construa um intervalo de
confiança de 90% da idade média da população.
• Solução:
• n = 20 , 𝑥ҧ = 22,9 , σ = 1,5 , zc = 1,645
σ
• E = zc
𝑛
1,5
• E = 1,645 = 0,55
20
• 𝑥ҧ - E ˂ µ ˂ 𝑥ҧ + E
• 22,9 – 0,55 ˂ µ ˂ 22,9 + 0,55
• 22,35 ˂ µ ˂ 23,45
• Tamanho da Amostra
• Dados um nível de confiança c e um erro máximo de estimativa E, o
tamanho mínimo da amostra necessária para estimar a média
populacional µ é
𝑧𝑐 σ 2
•n= ( )
𝐸
• Se σ é desconhecido, pode estima-lo usando s, desde que tenha uma
amostra preliminar com no mínimo 30 membros.
• Intervalos de Confiança para a média(amostras pequenas).
• A distribuição t
• Definição
• Se a distribuição de uma variável aleatória x é aproximadamente
normal, então a distribuição amostral de 𝑥ҧ é uma distribuição t, onde
ҧ
𝑥−𝜇
•t= 𝑠
𝑛
• Os valores críticos de t são denotados por tc .
• Propriedades
• 1. A distribuição t tem a forma de sino e é simétrica em torno da média
• 2. A distribuição t é uma família de curvas, cada uma delas determinada
por um parâmetro chamado grau de liberdade. Os graus de liberdade são
os números de escolhas livres deixados após uma amostra estatística tal
como 𝑥ҧ ter sido calculada. Quando se usa uma distribuição t para estimar
uma média populacional, o número de graus de liberdade é igual ao
tamanho da amostra menos um.
• g.l. = n – 1.
• 3. A área total sob a curva t é 1 ou 100%
• 4. A média, a mediana e a moda da distribuição t são iguais a zero.
• 5. Quando o número de graus de liberdade cresce, a distribuição
tende para a distribuição normal. Após 30 g.l. a distribuição t está
próxima da distribuição normal padrão z.
• Ex. Determine o valor crítico de t para
• a. 95% e n = 15
• b. 90% e n= 12
• Intervalos de confiança e as distribuições t
• Ex. São selecionados ao acaso 16 restaurantes e mede a temperatura
do café vendido em cada um. A temperatura média amostral é de 162
0F, com um desvio padrão de 10 0F. Obtenha o intervalo de confiança
de 95% para as temperatura média. Suponha que as temperaturas

estejam aproximadamente normalmente distribuídas.
• Solução
σ
• E = tc
𝑛
2,131.10
• E= = 5,3275
16
• 𝑥ҧ - E ˂ µ ˂ 𝑥ҧ + E
• 162 – 5,3275 ˂ µ ˂ 162 +5,3275
• 156,6725 ˂ µ ˂ 167,3275
• Ex. São selecionadas ao acaso 20 casas hipotecárias e determina a
atual taxa de juro que cada uma cobra. A taxa média amostral é de
6,93% ,com desvio padrão de 0,42%. Obtenha o intervalo de
confiança de 99% para a população da taxa média de juro para as
hipotecas. Suponha que as taxas de juro tenham distribuição
aproximadamente normal.
• Solução:
σ
• E = tc
𝑛
2,861.0,42
• E= = 0,269
20
• 𝑥ҧ - E ˂ µ ˂ 𝑥ҧ + E
• 6,93 – 0,269 ˂ µ ˂ 6,93 + 0,269
• 6,661 ˂ µ ˂ 7,199
• Intervalos de Confiança para Variância e Desvio Padrão
• A distribuição qui-quadrado
• Definição
• A estimativa pontual para 𝜎 2 e 𝑠 2 e a estimativa pontual para
𝜎 é 𝑠, 𝑠 2 é a melhor estimativa não enviesada para 𝜎 2 .
• Definição
• Se a variável aleatória x tiver uma distribuição normal , então a
distribuição de
2 (𝑛−1)𝑠 2
•𝜒 =
𝜎2
• Formará uma distribuição qui-quadrado para amostras de qualquer
tamanho n > 1. A seguir, constam diversas propriedades da
distribuição qui-quadrado.
• Existem dois valores críticos para cada intervalo de confiança. O valor
𝜒𝑅2 representa o valor crítico da cauda à direita, o valor 𝜒𝐿2 representa
o valor crítico da cauda à esquerda.
• Ex. Obtenha os valores críticos 𝜒𝑅2 e 𝜒𝐿2 para um intervalo de
confiança de 90% quando o tamanho da amostra é 20.
• Solução:
• g.l. = n – 1 ∴
• g.l. = 20 - 1 = 19
1 −𝑐 1 − 0,90
• Área à direita de 𝜒𝑅2 = ∴ 𝜒𝑅2 = = 0,05
2 2
1+𝑐 1+0,90
• Área à direita de 𝜒𝐿2 = ∴ 𝜒𝐿2 = = 0,95
2 2
• Intervalos de Confiança para 𝝈𝟐 𝒆 𝝈.
• Definição
• Um intervalo de confiança c para a variância 𝜎 2
• e o desvio padrão 𝜎
• Intervalo de confiança para a 𝝈𝟐
𝒏 −𝟏 𝒔𝟐 𝟐 (𝒏 −𝟏)𝒔𝟐
• < 𝝈 <
𝝌𝟐𝑹 𝝌𝟐𝑳
• Intervalo de confiança para 𝜎.
(𝒏 −𝟏)𝒔𝟐 (𝒏 −𝟏)𝒔𝟐
• <𝝈 <
𝝌𝟐𝑹 𝝌𝟐𝑳
• A probabilidade de que o intervalo de confiança 𝜎 2 e 𝜎 é c.

• Ex. Você Seleciona aleatoriamente e pesa 30 amostras de um
antialérgico. O desvio padrão da amostra é de 1,2 miligrama.
Supondo que os pesos tenham uma distribuição normal, construa um
intervalo de confiança de 99% para a variância e o desvio padrão
populacionais.
• Solução:
• g.l.= n -1 ∴ g.l. = 30 -1 = 29
• C = 99% ∴ c = 0,99
1 −𝑐 1 −0,99
• Área à direita de 𝜒𝑅2 = ∴ 𝜒𝑅2 = =0,005
2 2
1+𝑐 1+0,99
• Área à direita de 𝜒𝐿2 = ∴ 𝜒𝐿2 = = 0,995
2 2
• Usando a tabela
• 𝜒𝑅2 = 52,366 e 𝜒𝐿2 = 13,121
𝑛 −1 𝑠 2 (𝑛 −1)𝑠 2
• 2 < 𝜎2 <
𝜒𝑅 𝜒𝐿2
30 −1 (1,2)2 (30 −1)(1,2)2
• < 𝜎2 <
52,366 13,121
• 0,798 < 𝜎 2 < 3,183
• 0,798 < 𝜎 < 3,183
• 0,98 < 𝜎 < 1,78
• Conclusão:
• Pode-se afirmar com 99% de confiança que a variância e o desvio
padrão populacional está entre 0,89 e 1,78 miligramas.
• Ex. Obtenha os intervalos de confiança de 90% e 95% para a variância
e o desvio padrão populacionais dos pesos do antialérgico do
problema anterior.
Teste de Hipótese com uma Amostra
• Uma alegação sobre um parâmetro populacional é chamada de
hipótese estatística. Para testar uma hipótese estatística, deve-se
estabelecer um par de hipóteses. Uma representa uma alegação e a
outra, seu complemento.
• Quando uma das hipóteses é falsa , a outra deve ser verdadeira .
Dessas duas hipóteses , aquela que contém uma afirmativa de
igualdade é a hipótese nula. O complemento de uma hipótese nula é
a hipótese alternativa. Ambas podem representar a alegação original.
• Definição
• 1. Uma hipótese nula 𝑯𝟎 é uma hipótese estatística que contém uma
afirmativa de igualdade, tal como ≤ , = 𝑜𝑢 ≥ .
• 2. A hipótese alternativa 𝑯𝒂 é o complemento da hipótese nula. É
uma afirmativa que deve ser verdadeira se H0 for falsa e contém uma
afirmativa de desigualdade, tal como < , ≠ 𝑜𝑢 > .
• H0 ( H abaixo de zero) e Ha ( H abaixo de a).
𝐻0 : 𝜇 ≤ 𝑘 𝐻0 : 𝜇 ≥ 𝑘 𝐻0 : 𝜇 = 𝑘
•ቊ ቊ ቊ
𝐻𝑎 : 𝜇 > 𝑘 𝐻𝑎 : 𝜇 < 𝑘 𝐻𝑎 : 𝜇 ≠ 𝑘
• Ex.
• 1) Uma universidade alega que a proporção de seus alunos formados
em quatro anos é de 82%.
• 2) Um fabricante de torneiras alega que a taxa de fluxo médio de um
determinado tipo é inferior a 2,5 litros por minuto.
• 3) Uma companhia fabrica cereais alega que o peso médio do
conteúdo de suas caixas de 20 gramas é superior a 20 gramas.
• 1. A alegação é igual a p = 82% é a hipótese nula.
• 𝐻0 : 𝑝 = 0,82
• 𝐻𝑎 : 𝑝 ≠ 0,82
• A alegação a média é menor do que 2,5 gpm
• 𝐻0 : 𝜇 ≥ 2,5 𝑔𝑝𝑚
• 𝐻𝑎 :p < 2,5 𝑔𝑝𝑚 alegação
• A alegação a média é mais do que 20 onças
• 𝐻0 : 𝜇 ≤ 20 𝑜𝑛ç𝑎𝑠
• 𝐻𝑎 : 𝜇 > 20 𝑜𝑛ç𝑎𝑠 alegação
• Tipos de erros e nível de significância
• Definição
• Um erro do tipo I ocorre se a hipótese nula for rejeitada quando ela
for realmente verdadeira.
• Um erro do tipo II ocorre se a hipótese nula não for rejeitada quando
ela for realmente falsa.
• Decisão 𝑯𝒐 é Verdadeira 𝑯𝒐 é Falsa
• Não Rejeitar 𝑯𝒐 Decisão Correta Erro do Tipo II
• Rejeitar 𝑯𝒐 Erro do Tipo I Decisão Correta
• Ex. O limite do Departamento de Agricultura do Brasil para a
contaminação por salmonela em frangos é de 20%. Uma granja alega
que seus frangos estão dentro do limite. Um teste de hipótese é
realizado para determinar se a alegação da granja é verdadeira.
Quando ocorrerão os erros dos tipos I e II. Qual deles é o mais grave?
• Solução:
• Seja p a proporção de frangos contaminados. A granja alega que a
proporção de frangos contaminados “ é menor ou igual a 20% “.
• H0 : p ≤ 0,2 ( alegação)
• Há : P > 0,2
• O erro tipo I ocorrerá se a proporção real dos frangos contaminados
for menor ou igual a 0,2, mas rejeita H0 , com um erro tipo I, pode-
se criar um medo de contaminação e baixar o preço de vendas do
frango, apesar de eles realmente estarem dentro dos limites do
Departamento de Agricultura.
• O erro tipo II ocorrerá se a proporção real de frangos contaminados
for maior do que 0,2 , mas não rejeita H0, com um erro tipo II , pode-
se permitir que os frangos que excederam os limites de contaminação
do Departamento de Agricultura sejam vendidos aos consumidores,
podendo resultar em doenças e até mesmo morte.
• Testes estatísticos e valores p
• Definição
• Suponha que a hipótese nula seja verdadeira, um valor p ( valor da
probabilidade) de um teste de hipótese é a probabilidade de obter
uma estatística amostral com um valor tão ou mais extremo do que
aquele determinado a partir de dados da amostra.
• Tomando e interpretando uma decisão
• Regra da decisão baseada no valor p
• 1.Se p ≤ 𝛼 , rejeite H0
• 2. Se p > 𝛼 , então não é rejeitar H0
• Para um teste monocaudal esquerdo p = (Área na cauda esquerda).
• Para um teste monocaudal direito p = (Área na cauda direita).
• Para um teste bicaudal, p = 2(área na cauda da estatística teste).
• Ex.
• Em um anúncio, uma pizzaria alega que o tempo médio de entrega é
inferior a 30minutos. Uma seleção aleatória de 36 tempos de
entregas tem uma nédia amostral de 28,5 minutos e um desvio
padrão 3,5 minutos. Há evidências suficientes para confirmar a
alegação com 𝛼 = 0,01? Use um valor p.
• H0 : 𝜇 ≥ 30 minutos
• Há : 𝜇 < 30 minutos ( alegação)
• Usando o teste z
ҧ
𝑥−𝜇
• z= 𝛿
𝑛
28,5 −30
• z= 3,5 = -2,57 , olhar tabela 0,0051.
36
• P = 0,0051
• 1. p ≤ 𝛼 , rejeite H0
• 2. Se p > 𝛼 , então não é rejeitar H0
• 0,0051 ≤ 0,01 , rejeite H0
• Ex:
• Você acha que o investimento médio de US$ 143260 sobre franquias
estão incorretos. Assim selecione ao acaso 30 franquias, com
investimentos médios de US$ 135000, com desvio padrão de
US$30000 . Se 𝛼 = 0,05, há evidência suficiente para confirmar sua
alegação? Use um valor p.
• H0 : 𝜇 = 143260
• Há : 𝜇 ≠ 143260 (alegação)
ҧ
𝑥−𝜇
• z= 𝛿
𝑛
135000−143260
• z= 30000 = -1,51, olhar tabela 0,0655
30
• Como o teste é bicaudal símbolo ≠
• P= 2x0,0655 = 0,1310
• 0,1310 > 0,05 , é impossível rejeitar H0 .
Teste de Hipótese com Duas Amostras
• Testando a diferença entre médias (amostras grandes e
independentes)
• Definição
• Para um teste de hipótese de duas amostras:
𝐻0 : 𝜇1 ≤ 𝜇2 𝐻0 : 𝜇1 ≥ 𝜇2 𝐻0 : 𝜇1 = 𝜇2
•ቊ ቊ ቊ
𝐻𝑎 : 𝜇1 > 𝜇2 𝐻𝑎 : 𝜇1 < 𝜇2 𝐻𝑎 : 𝜇1 ≠ 𝜇2

Distribuição Normal e Teorema do Limite Central

Enviado por

Dados do documento

Descrição original:

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Distribuição Normal e Teorema do Limite Central

Enviado por

Direitos autorais:

Formatos disponíveis

Distribuição Normal de

• Aproximação normal para uma distribuição binomial.

• Se np ≥ 𝟓 𝒆 𝒏𝒒 ≥ 𝟓 , então a variável aleatória binomial x

de 95% para as temperatura média. Suponha que as temperaturas

• A probabilidade de que o intervalo de confiança 𝜎 2 e 𝜎 é c.

Você também pode gostar