1 4954047907520053491 PDF

Aula 08
Estatística p/ AFRFB - 2016 (com videoaulas)

Professor: Jeronymo Marcondes
05949764803 - NECILDA LOURENCO PAULA

Estatística p/ AFRFB 2016
Teoria e exercícios comentados
Prof. Jeronymo Marcondes Aula 08
AULA 08 – Intervalo de Confiança e Teste de Hipóteses
SUMÁRIO PÁGINA
Testes de Hipóteses e Intervalo de Confiança 1
Teste para a variância 33
Poder de um teste e o p-valor 37
Teste para proporções 41
Lista de Exercícios resolvidos em aula 85
Gabarito 109
Mais uma etapa que vocês devem enfrentar se quiserem trabalhar na Receita: testes
de hipóteses. Última vez, força na peruca!
1. Testes de Hipóteses e Intervalo de Confiança
1.1 Testando a média – distribuição normal
Suponha que uma pessoa tenha visto sua pesquisa sobre a altura média das pessoas
que vivem em um determinado território e faça a seguinte afirmação:
-“A média de altura dos indivíduos que vivem naquela região é de 1,70m”!
Há como testar se a sua amostra dá suporte a essa afirmação? Sim, por meio do teste
05949764803
de hipótese!
A forma de testar quais valores seriam condizentes com a nossa amostra exige
conhecimento da distribuição de probabilidades de nossa amostra!
Para que você entenda, pense em um gráfico que represente a distribuição de

frequências de nossa variável. No caso, vamos supor que se trata de uma variável
contínua, o que faz sentido, já que devem existir infinitas alturas de indivíduos em
uma sociedade muito grande.
Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 1 de 109

“Variável, professor, mas não estamos tratando da média calculada para nossa
amostra”?
Veja, o parâmetro “média populacional” não é uma variável,

pois seu valor é o mesmo para todos os experimentos possíveis em que possamos
calculá-lo, haja vista em todos estes o tamanho da amostra é igual à própria
população. Isso não é verdade no caso da média amostral! A média será calculada
para as mais diversas amostras que podem ser retiradas da população, ou seja, este
estimador é uma variável!
Assim, é muito provável que a nossa distribuição da variável “média de altura” seja
algo semelhante à:
Veja, esse tipo de distribuição de frequências é o mais comum (formato de sino), pois
muitos fenômenos são assim:
05949764803
 Valores extremos com menor probabilidade de ocorrência;

 Valores mediano e médio (e/ou próximos a estes) com grande chance de
ocorrência.
No nosso exemplo, é de se esperar que alturas comuns no povo brasileiro (como o

intervalo que vai de 1,70m a 1,80m) sejam valores em torno dos quais a maior parte
das médias calculadas irá orbitar. Por outro lado, podem ocorrer valores extremos,
como uma altura média de 1,95, entretanto a probabilidade (frequência em que
ocorre) de sua ocorrência será pequena!

Esta distribuição com formato de sino é muito comum e é chamada de distribuição

normal ou distribuição gaussiana, como já estudamos na aula 01.
Se nós conhecermos bem essa nossa distribuição, podemos determinar valores

limites (pouco prováveis) e assim aceitar ou refutar hipóteses que são feitas sobre
nossa amostra! Perceba que a afirmação feita no início desta seção, provavelmente
pode ser verdadeira, se a nossa distribuição seguir uma distribuição normal.
No nosso caso, podemos dizer com toda certeza que, se a nossa amostra for
suficientemente grande, a variável em estudo tem distribuição normal, isso é feito com
base no Teorema do Limite Central.
Em termos bem simples, o Teorema do Limite Central (TLC) afirma que,

para uma dada variável , com média e desvio padrão , sua respectiva
média amostral ( ) convergirá para uma distribuição normal, com média e
variância , conforme a amostra tende para o infinito, sendo o tamanho
da amostra.
Cuidado! Quando estivermos analisando médias, devemos dividir a

nossa estatística de desvio padrão populacional pelo tamanho da
amostra!
05949764803
Entendeu o que isso quer dizer? Para qualquer variável (desde que suas
observações sejam independentes), podemos afirmar que a distribuição de sua média
amostral será gaussiana para amostras suficientemente grandes. Esse teorema é
incrivelmente poderoso, pois podemos nos basear nele para garantir que a nossa
avaliação de médias baseie-se na distribuição normal, que é fácil de ser analisada.
-“Por que é fácil analisar uma variável que tenha distribuição normal”?

Pelo seguinte meu querido aluno, nós podemos padronizar qualquer variável com
distribuição normal de forma que sua média seja sempre igual à zero e seu desvio
padrão igual à 1 por meio da seguinte operação:
No caso da média amostral, sabemos que:
Sendo a variável ( ) uma padronização da nossa média amostral ( ) por meio da

diminuição da mesma de sua média e divisão pelo seu respectivo desvio padrão. Essa
operação garante que a variável ( ) terá uma distribuição normal com média igual a
zero e variância igual a 1.
-“Tudo bem professor, mas por que fazer tudo isso”?
Calma, você vai entender agora! A questão é que a normal padrão, que é obtida
pela transformação de uma variável em seu respectivo valor ( ), tem uma
“tabelinha mágica” que nos diz a probabilidade de que o valor encontrado (
calculado) esteja entre 0 (zero) e um determinado valor a ser especificado!
05949764803
Perceba que o estudo que se segue não se aplica somente a médias,

mas também a qualquer variável que possua distribuição normal e que, portanto, pode
ser padronizada. Só atenção ao caso das médias, pois você precisa dividir a
estatística do desvio padrão por na hora de padronizar a variável.
Vamos a um exercício para vocês entenderem. Não tentem resolver sozinhos,

acompanhem a minha resolução e depois tentem sozinhos!

Exercício 1
(Elaborado pelo autor) Suponha que a seguinte amostra de alturas tenha sido
retirada da população:
Alturas
(metros)
1,7
1,6
1,7
1,75
1,8
1,82
1,9
1,78
1,74
1,83
Dado que a altura média da população é de 1,70m e sabendo que o desvio

padrão populacional é de 0,1, qual a probabilidade de encontrarmos um valor
para a média amostral que se situe entre 1,70m e o valor encontrado para esta
amostra?
Resolução
O que temos de fazer aqui é bem simples. Vamos calcular o valor ( ) para o nosso
exemplo. Para isso precisamos encontrar os valores da média com base em nossa
amostra. Calcule a média que você vai chegar a:
05949764803
é
Agora, temos de encontrar o valor ( ) com vistas a definir a probabilidade de que esta
média calculada esteja no intervalo definido pela normal padrão (pois, pelo TLC,
sabemos que a média amostral converge em distribuição para uma gaussiana).
Assim, fica fácil, pois basta substituir na “fórmula” de padronização:

Portanto:
Agora faça assim, olhe a tabela de distribuição normal:
05949764803

O processo de utilizar a tabela é assim: veja qual o valor correspondente dentro da
tabela de um . Olhe a linha correspondente aos dois primeiros dígitos de e
o terceiro você vai encontrar na coluna lá em cima. Por exemplo, encontramos um
valor , portanto:
05949764803
Este valor é a “probabilidade monocaudal” de o valor testado pertencer à nossa

população.

-Monocaudal, professor”?
Isso mesmo! O que estamos vendo é qual a probabilidade de que o valor calculado
esteja no intervalo amarelo abaixo:
Viu? Trata-se da probabilidade monocaudal, pois só estamos vendo a probabilidade

de que ocorram valores maiores do que 1,70m, que foi normalizado em , mas
menores do que 1,762, normalizado em 1,96. Isso é, a parte amarela só corresponde
a valores à direita (ou maiores) do que 1,70m.
Portanto, no gráfico acima, estamos calculando a probabilidade de que o valor testado

(1,762m) tenha derivado de uma amostra de nossa população. Com base na tabela
acima podemos inferir que o valor encontrado é de 0,475, ou seja, 47,5%! Portanto,
a probabilidade de que a média amostral se situe entre os valores de 1,70m e
1,762 é de 47,5%! Assim, no nosso exemplo:
05949764803
Simples, não? Olhe um “resuminho”:

Para o cálculo da probabilidade de que uma variável com
distribuição normal padronizada assuma determinado valor
faça:
1) Calcule o valor correspondente
2) Olhe a tabela com o valor correspondente
3) Multiplique o valor por 100
Mas, cuidado! Este é um caso em que estamos lidando com “probabilidade

monocaudal”, ou seja, olhando se o valor testado se situa dentro do intervalo superior
(valores maiores do que a média populacional, mas compatíveis com nossas
informações). Entretanto, nós podemos estar interessados em saber qual a
probabilidade de que um determinado desvio com relação à média ocorra, isso é, um
intervalo de valores maiores e menores do que a média populacional, mas
condizentes com nossas informações.
Vamos a um exemplo para simplificar! Se ao invés de calcularmos a probabilidade de

ocorrência do valor 1,762m, podemos estar interessados na probabilidade de que a
média populacional seja 0,062m maior ou menor do que 1,70m. Neste caso, estamos
interessados em uma “probabilidade bicaudal”! Vamos calcular o valor ( ) para a
probabilidade de ocorrência de ( ):
05949764803
Assim:

Neste caso, o que estamos calculando é:
Como a distribuição normal é simétrica, uma mesma distância com relação à origem
( ) corresponde à mesma probabilidade de ocorrência, seja à esquerda ou direita.
Assim, fica fácil perceber que a probabilidade de ocorrência do evento acima é igual
a 2 (duas) vezes a chance de ocorrência de um dos dois isoladamente!
Analiticamente:
Portanto:
05949764803
Entendeu? A probabilidade de encontrarmos um valor que varie em 0,062 da média

populacional na nossa amostra é de 95%.
Essa aula é pesada! Respire um pouquinho antes de continuar!

2.2 Testando a média – teste de hipóteses e intervalo de confiança
Com base no que sabemos já somos capazes de testar hipóteses. A primeira coisa
que temos de estipular é “o que é muita coincidência”.
-“Como assim, professor”?
Veja, no exemplo anterior encontramos que 95% das vezes em que realizarmos uma
amostragem com base em nossa população, nosso valor de média amostral se
encontrará dentro daquele intervalo ( é ).
Mas, o que estes 95% querem dizer? Será que esse intervalo é “muito” ou “pouco”
provável? Ora, você já deve ter percebido onde quero chegar. Existe uma
arbitrariedade envolvida na definição do que é provável ou não!
Veja, no nosso exemplo, 95% das vezes os valores encontrados para a média
amostral estarão dentro daquele intervalo. Aí é que entra a definição de significância
de um teste:
Significância de um teste é o valor que é

considerado como “muita coincidência”. Este
valor é definido previamente pelo pesquisador com
base em estudos e em sua experiência pessoal.
05949764803
No caso em estudo, poderíamos estipular que 10% seria muita coincidência, ou seja,
se a média amostral testada ocorrer em menos do que 10% das vezes, isso seria
muita coincidência e poderíamos descartar a hipótese de que aquele intervalo seria
possível com base em nossas informações.

Mas, com base nos nossos cálculos, encontramos que aquele intervalo ocorre
em 95% das vezes, assim aceitaríamos a hipótese de que aquela amostra foi
retirada da população em estudo!
Agora que vocês entenderam o que é significância de um teste, podemos realizar o

exercício inverso e calcularmos um intervalo de confiança para nosso estudo, de
forma que possamos ver a adequação de nossas hipóteses com base em
informações prévias. Vamos fazer um exercício para ficar claro!
Faça a mesma coisa de novo! Resolva o exercício junto comigo e só depois faça
sozinho.
Exercício 2
(Auditor da Previdência Social – ESAF/2002/modificada) A variância para o peso

de peças mecânicas obtidas num lote de produção é de 25kg. Sabendo-se que,
em uma amostra de 100 peças do lote, foi encontrado um peso médio de 23,2kg,
qual o intervalo de confiança para a média? (assuma que o nível de confiança é
de 95%)
a)
b)
c)
d)
05949764803
e)
Resolução
O que o exercício está te pedindo é: a 95% de confiança, qual o intervalo que

corresponde a valores possíveis para a média de peso destas peças?
Ora, o exercício já está te dando o valor ( ), haja vista a informação de que o nível de
confiança é de 95%! Olhando a tabela você verá que o valor de ( ), que é a
metade de ( ), corresponde ao número . Colocando na “fórmula”:

Você entende porque estamos lidando com 1,96 em valores positivos e negativos?
Isso porque queremos encontrar um intervalo de confiança para a média
populacional, ou seja, o quanto ela pode variar positivamente ou negativamente, de
forma a observarmos a parte esquerda e direita da curva! Olhem o desenho abaixo
que vocês entenderão:
Assim, precisamos encontrar o valor “máximo” e “mínimo” que são possíveis para a
média populacional, dadas as informações que temos.
05949764803
Assim:
Este valor ( ) é chamado de “margem de erro”. Isso mesmo! É aquele valor

que os jornais costumam falar quando tratam de campanhas eleitorais. Em nosso
exemplo, o que esta margem de erro está nos dizendo é que a média populacional

será igual a uma média amostral mais um valor que nos dará esta “flutuação” nos
resultados, a saber:
Este é nosso intervalo de confiança ( ):
Alternativa (a).
Atenção! E os valores que estão “fora da região de aceitação da hipótese nula”?

Essa é chamada de “Região Crítica”! Esta define-se como o conjunto de valores
para os quais a hipótese nula é rejeitada.
Mais um? Vamos lá!
Exercício 3
05949764803
(BACEN – FCC\2005) A distribuição dos valores de aluguéis dos imóveis em

certa localidade é bem representada por uma curva normal com desvio padrão
populacional de R$ 200,00. Por meio de uma amostra aleatória de 100 imóveis
neste local, determinou-se um intervalo de confiança para a média destes
valores de [R$ 540,00;R$ 660,00].
A mesma média amostral foi obtida com um outro tamanho de amostra, com o
mesmo nível de confiança anterior, sendo o novo intervalo [R$ 560,00;R$
640,00]. A população tem tamanho infinito, o tamanho da amostra no segundo
caso é de:

a) 225
b) 256
c) 324
d) 400
e) 625
Resolução
Questão bem difícil! Tem que pensar! Veja o raciocínio que você tem de fazer:
1) Encontre a média amostral;

2) calcule o valor Z para a primeira amostra;
3) Com base no Z anterior, encontre o tamanho da amostra.
A média amostral não é difícil de ser calculada, pois já aprendemos isso em aulas
anteriores:
Agora fica fácil encontrar o valor ( ) para a primeira amostra:
05949764803
Ou seja, em valores absolutos (sem considerar sinal), . Com intuito de

simplificação, vamos utilizar o limite superior, mas saiba que dá na mesma!
Agora, vamos substituir ( ) na equação da segunda amostra de modo que:

Realizando a operação:
Alternativa (a).
Retornando à aula!
Bom, vimos que é possível estabelecer um intervalo de confiança de modo a

garantirmos que, a determinado nível de confiança, os valores possíveis estarão
contidos em um intervalo descrito. Mas, se nós podemos construir tal intervalo, nós
também podemos testar hipóteses que são feitas com relação a nossos dados.
-“Como isso é possível, professor”?
Bom, a primeira coisa que você vai fazer é determinar qual hipótese você está
testando. Por exemplo, se alguém faz afirmações sobre o valor de um determinado
parâmetro , é feita a seguinte hipótese nula ( ):
05949764803
Este é o nosso exemplo da altura dos indivíduos, a hipótese nula afirma que a média
de altura dos mesmos é igual à 1,70m.
Mas, toda hipótese científica tem uma “alternativa”, que é o caso quando o que
estamos afirmando não é verdade. Esta hipótese alternativa ( ) pode assumir as
seguintes formas:

Ou seja, poderíamos concluir que o parâmetro em estudo não é igual ao valor sob
hipótese nula por se tratar de um valor diferente do mesmo, menor, ou maior,
respectivamente!
Assim, a nossa hipótese nula seria sempre uma igualdade e teria como alternativa
um destes casos, sendo que o primeiro necessitaria de uma análise bicaudal,
enquanto que o segundo e terceiro seriam monocaudais.
Com efeito, isso está intimamente relacionado com o que já estudamos sobre
“probabilidades monocaudais” e “bicaudais”. A ideia aqui seria criar um intervalo de
confiança para o valor testado, se o mesmo não estivesse contido neste, rejeitaríamos
a hipótese nula.
Assim, no caso do nosso exemplo de altura dos indivíduos, como nós concluímos que
1,70m encontra-se dentro do intervalo de confiança calculado a 95% de confiança,
podemos afirmar que a afirmação é verdadeira.
Veja que não há nada de novo com relação ao cálculo do intervalo de confiança,
no fundo é a mesma coisa, só o jeito de olhar que é diferente!
Vamos fazer uns exercícios para entender! Faça este primeiro junto comigo,
ok?
05949764803
Exercício 4
(TRF 1ª Região – FCC/2001/modificada) Julgue a afirmativa.
Seja uma variável aleatória X, com média e desvio padrão igual à 5. A partir
de uma amostra aleatória de 16 elementos, observou-se uma média amostral de
valor 13. Uma pessoa afirmou que a média populacional dos elementos é igual
a 15, com 5% de significância. Essa afirmação mostrou-se como verdadeira.

Resolução
Vamos lá pessoal, a primeira coisa é definir nossas hipóteses nula e alternativa:
Perceba que se trata de um teste bicaudal, pois podemos encontrar valores

superiores e inferiores a 15. Assim, nós iremos usar aquela “fórmula” da estatística
( ), também chamada de estatística de teste:
Dado que se trata de uma média!
Assim:
Olhando a nossa tabela, vamos construir um intervalo, supondo verdadeira a hipótese

nula e que contenha 95% dos possíveis valores amostrais:
05949764803
Você percebeu? Como falamos 5% de significância, isso significa 2,5% de cada

lado, o que nos leva a um valor de 1,96 na tabela! Assim, quando estivermos
trabalhando com testes bicaudais, devemos dividir a significância pedida pelo
exercício por 2 (dois).

Assim, substituindo o valor de z:
Com efeito, nosso intervalo de confiança será:
Ou seja, o valor 15 está contido no intervalo! A afirmação é verdadeira!
Outra forma de resolver o exercício é calculando a estatística de

teste como se a hipótese fosse verdadeira e vendo se o calculado está dentro do
intervalo previsto para a variável padronizada.
Assim, calcule a estatística de teste como se a média fosse realmente 15:
05949764803
Como seria o intervalo de confiança para os valores padronizados? Este seria dado
pelos valores de que fazem com que 95% da amostra esteja em seu intervalo, ou
seja:
O valor calculado está no intervalo, portanto aceitamos a hipótese nula!

Alternativa correta.
Para que vocês aprendam o uso de testes monocaudais, vamos refazer o exercício
com uma pequena modificação!
Exercício 5
valor 13. Uma pessoa afirmou que a média populacional dos elementos é de, no
mínimo, 15, com 5% de significância. Essa afirmação mostrou-se como
verdadeira.
Resolução
Agora a hipótese alternativa é que muda:
05949764803
Lembre-se de que a hipótese nula sempre é avaliada em uma igualdade!
Bom, pelas nossas hipóteses, o valor nunca será superior a 15, portanto só
precisamos olhar o lado esquerdo da distribuição normal padronizada. Vamos testar
se a amostra com média igual à 13 é compatível com a afirmação do indivíduo.

Percebam que todos os “5%” ficam do lado esquerdo! Aí é diferente na hora de

consultar a tabela! Como a tabela te dá os valores unicaudais, procure o valor
respectivo a 45%, que é 1,65!
Esqueça o lado direito! Vamos só testar se a média é menor do que 15 (ou menor do
que 0 (zero) na versão padronizada)! Neste caso, só faríamos o cálculo para a cauda
superior:
Assim, nosso intervalo de confiança seria:
05949764803
Ou seja, o limite superior vai até “infinito”, cobrindo todas a possibilidades, havendo,
tão somente, um limite mínimo!
Com base nestas considerações podemos concluir que a hipótese nula é verdadeira!
Pois, mesmo com uma média igual a 15, podemos obter uma média amostral de valor
13.
Mais um exercício?

Exercício 6
(BACEN – FCC/2005) As empresas de um determinado setor têm uma situação

líquida bem descrita por uma distribuição normal, com média igual a 2,5 milhões
de reais e desvio padrão de 2 milhões de reais. Selecionando uma empresa
aleatoriamente deste setor, a probabilidade dela apresentar uma situação
líquida negativa é de:
a) 50%
b) 39%
c) 23%
d) 16%
e) 11%
Resolução
Outra questão que exige um pouco mais de raciocínio! Atente-se que, neste caso,
não estamos testando uma média, mas uma variável com distribuição normal. Assim,
na padronização basta utilizarmos o desvio padrão em nível (sem dividi-lo pelo
tamanho da amostra, como no caso da média).
Vamos encontrar o valor normalizado para o caso de uma situação líquida nula (
):
05949764803
Ou seja:

Agora basta olharmos na tabela a probabilidade correspondente a , isso é,

qual é a probabilidade de que um valor esteja entre 0 e 1,25. Podem conferir, o valor
encontrado é 0,39. Assim, toda aquela área amarela corresponde a uma
probabilidade de 0,39!
Agora, eu te pergunto: qual a probabilidade de ocorrência de um evento na parte

vermelha da figura (que é o que desejamos saber, dado que o exercício pergunta a
probabilidade da empresa ter resultado nulo ou negativo)?
Ora, toda a figura tem probabilidade igual a 1, certo? Então, como a distribuição é
simétrica, cada “lado do sino” tem probabilidade de ocorrência igual a 0,5! Assim, a
probabilidade da parte vermelha é:
Alternativa (e).
05949764803
1.2 Testando a média quando a variância é desconhecida
Até agora tratamos do caso em que queremos testar um possível valor de média
populacional, dadas informações sobre uma média calculada com base na amostra e
na variância populacional.
Mas, isso não é estranho? Se você não tem a média populacional, porque teria a
variância? O que nós costumamos ter é a variância amostral.

Neste caso, a versão padronizada de nossa estatística de teste seria:
Sendo o desvio padrão amostral, dado por:
-“O que isso muda, professor”?
Simples, a distribuição correspondente a esta estatística deixa de ser uma normal

padrão e torna-se a famosa t de Student. A distribuição t de Student é muito parecida
com a normal, não necessitando de maiores detalhes sobre a mesma, tal como pode
ser percebido no gráfico abaixo:
05949764803
Assim, pode-se dizer que a expressão acima segue uma distribuição t de Student com
( ) graus de liberdade. Analiticamente:

“O que são estes graus de liberdade, professor”?
Olhe pessoal, isso é um pouco mais avançado e desnecessário para seu concurso,
portanto decore que o grau de liberdade associado a uma estatística t de Student é
igual ao tamanho da amostra em questão menos uma unidade. Você precisará deste
valor para consultar a tabela, como vocês podem ver abaixo:
05949764803

A forma de utilização desta tabela é buscar o número de graus de liberdade na linha

e o valor crítico na coluna. Perceba que a coluna tem 2 valores, sendo que o de cima
corresponde ao valor bicaudal, enquanto que o de baixo é o respectivo valor no caso
de um teste monocaudal (às vezes a tabela só dá o valor monocaudal). A título de
exemplo, veja o valor para o caso de 4 graus de liberdade e 10% de significância
em um teste monocaudal:
Pode-se provar que, conforme aumentam os graus de liberdade, a distribuição t

converge para uma distribuição normal! Assim, a forma de avaliação das duas é muito
semelhante.
-“Professor, como vou decorar este monte de tabelas”?

05949764803
Não se preocupe, a banca vai disponibilizar os valores das tabelas, você só tem que
aprender como usá-las!
A forma de resolução de problemas com a distribuição t é muito semelhante ao caso

da normal padrão, tal como vocês poderão perceber nos exercícios abaixo.

Exercício 7
(TRT 2ª Região – 2008/FCC) Para uma experiência realizada com referência à

medição do comprimento de determinada peça fabricada por uma indústria,
utilizou-se uma amostra de 16 peças, apurando-se uma média de 0,9m e um
desvio padrão de 0,2m. Supondo que os comprimentos das peças tenham
distribuição normal, com média e variância desconhecida, deseja-se saber,
ao nível de significância de 5%, se o comprimento da peça não é inferior a 1m.
Seja H0 a hipótese nula do teste ( ) e H1 a hipótese alternativa ( )e
o quantil da distribuição t de Student tabelado para teste
unicaudal, com 15 graus de liberdade. Então, pelo teste t:
a) A conclusão obtida seria a mesma para qualquer nível de significância

b) H0 não pode ser aceita, indicando que os comprimentos são menores
que 1m
c) O número de graus de liberdade não interferiu na definição de
d) Para um nível de significância superior a 5% a conclusão não poderia ser

a mesma
e) O valor da estatística de teste é de -0,5
Resolução
05949764803
Bom, pode-se perceber que se trata de um teste monocaudal, ou seja, a região limite
(muitas vezes chamada de “crítica”) é formada por valores na esquerda do gráfico da
distribuição. O valor crítico fornecido pelo exercício é:
Confira com o valor da tabela, assim você aprende a usá-la caso seja necessário.

O que este valor está nos mostrando é um intervalo de confiança para testarmos
nossa estatística de teste, sendo que este é dado por:
O exercício só nos fornece o desvio padrão amostral, assim, temos de utilizar a

estatística t de Student. Calculando a estatística de teste chegamos a:
Veja que este valor não está no intervalo de confiança, superando o valor crítico
inferior do intervalo. Portanto rejeitamos a hipótese nula!
Alternativa (b).
Vamos fazer mais alguns exercícios! Agora vamos dar uma generalizada!
Exercício 8
(ATRFB – ESAF/2013) A variância da amostra formada pelos valores 2, 3, 1, 4, 5

e 3 é igual a
a) 3.
b) 2. 05949764803
c) 1.
d) 4.
e) 5.

Resolução
Para calcularmos esta estatística devemos nos atentar à palavra “amostra”. Perceba
que, neste caso, a variância deve ser calculada com base na seguinte estatística:
Não se esqueça de modificar o denominador por ( ).
Agora é fácil:
Então:
Alternativa (b).
05949764803

Exercício 9
(FINEP – CESGRANRIO/2011) Uma amostra aleatória de 100 famílias foi

selecionada com o objetivo de estimar o gasto médio mensal das famílias com
medicamentos. Os resultados amostrais estão resumidos na distribuição de
frequência, a seguir, segundo as classes de gastos, em 10 reais. Não existem
observações coincidentes com os extremos das classes.
Gastos em 10 reais Frequência Absoluta

de 1 a 3 10
de 3 a 5 30
de 5 a 7 60
total 100
As melhores estimativas para a média aritmética e para a variância amostral

são, aproximada e respectivamente,
a) 5 reais e 1,82 reais²

b) 5 reais e 18,2 reais²
c) 50 reais e 1,82 reais²
d) 50 reais e 18,2 reais²
e) 50 reais e 182 reais² 05949764803
Resolução
Na aula 01 nós já realizamos parte deste exercício, calculando a média, que era de
50 reais. Agora, com base no nosso conhecimento de variância amostral, vamos
calcular esta estatística. A melhor forma é encontrar os pontos médios de cada classe:

Gastos (em 10 reais) Ponto Médio Frequência Absoluta

de 1 a 3 2 10
de 3 a 5 4 30
de 5 a 7 6 60
total 100
Agora, calcule a variância:
Entretanto, cuidado, estamos tratando com unidades de 10 reais, assim, nosso

resultado é de 182² reais ( , pois estamos tratando de variância, assim a
medida também fica ao quadrado).
Alternativa (e).
Exercício 10
(FINEP – CESGRANRIO\2011) Dois dados comuns, honestos, foram lançados

simultaneamente. Sabe-se que a diferença entre o maior resultado e o menor é
igual a um. Qual é a probabilidade de que a soma dos resultados seja igual a
sete?
a) 1/3
b) 1/4 05949764803
c) 1/5
d) 1/6
e) 1/7
Resolução
Bom, a primeira coisa a fazer é pensar quais são os resultados cuja soma pode ser
igual a 7, mas a diferença entre o maior e o menor resultado é igual a 1.

Bom, os únicos casos em que isso ocorre são:
Mas existem várias outras possibilidades de que a diferença entre o maior e menor
valor seja igual a 1. Vamos listar de cabeça o espaço amostral ( ):
Assim:
á
í
Alternativa (c).
(TCU – CESPE/2008) Uma instituição afirma que o custo médio para realização
de determinada obra é igual ou inferior a R$ 850,00 m². Para avaliar esta
afirmação, foi realizado um teste estatístico cujas hipóteses nulas e alternativas
são, respectivamente, H0: e H1: . Considere que a distribuição
de custos por metros quadrados possa ser considerada como normal com
média e desvio padrão de R$ 300m². A partir de uma amostra aleatória de
tamanho 25, a estatística de teste para a média foi igual a 2,1. Com base nestas
afirmações, julgue o item a seguir:
05949764803
Exercício 11
A média amostral produzida pelo teste estatístico foi superior a 950 m² e inferior
a 1000 m².

Resolução
Basta calcularmos a estatística de teste:
Calculando o valor de :
Portanto, o item está correto, pois o valor calculado encontra-se entre 950m² e
1000m².
Retornando!
2. Teste para a variância
Até agora analisamos hipóteses feitas sobre médias ou variáveis com distribuição
normal, o que podíamos fazer com base na distribuição normal padrão (ou t de
Student, caso não conheçamos a variância). Agora vamos aprender como determinar
intervalos de confiança para variâncias, que sejam derivadas de distribuições
normais (isso é muito importante).
05949764803
-“Como fazer isso, professor”?
A forma de fazer isso é por meio do cálculo da seguinte estatística de teste:

Sendo a variância populacional, a variância amostral e o tamanho da amostra.
Sob a hipótese nula, pode-se provar que esta estatística seguirá uma distribuição qui-
quadrado com graus de liberdade. Assim:
A distribuição qui-quadrado, em geral, não é simétrica, tal como pode ser observado
abaixo:
Portanto, a forma de realização do teste de hipóteses para a variância é feito da

mesma forma que para a média, mas utilizamos a estatística de teste qui-quadrado,
além da necessidade de atentarmos para o fato de que os valores na cauda direita e
05949764803
esquerda serão diferentes!
Veja a tabela de valores críticos qui-quadrado:

05949764803
Calma, vou ensinar a vocês com exercícios!

Exercício 12
(TRT 3ª Região – FCC/2009) O peso de pacotes de café é uma variável aleatória

X. Uma máquina de encher pacotes está regulada para fazê-lo com e
. Com o objetivo de manter sob controle a variabilidade do produto,
a cada 30 minutos uma amostra aleatória de alguns pacotes é selecionada e
testa-se se a variabilidade está controlada. Assim, desejando-se testar H0:
contra H1: , toma-se uma amostra de 16 pacotes e observa-se uma
variância amostral de 160g². O valor observado para a estatística de teste é de:
a)31
b)28
c)24
d)22
e)19
Resolução
O cálculo da estatística de teste é feito da seguinte forma:
Alternativa (c).
05949764803
Exercício 13
(Elaborado pelo autor) Com base no exercício anterior, a 5% de significância,

verifique se a hipótese nula é satisfeita.

Resolução
A forma de olhar a tabela é um pouco diferente dos casos anteriores, pois a

distribuição não é simétrica. Portanto, no caso em questão, devemos verificar as duas
extremidades da distribuição, ou seja, os 2,5% da extremidade inferior e os 97,5% da
extremidade superior, de forma que tenhamos um total de 5% de significância testada.
Olhando a tabela vocês encontrarão:
Entendeu o que fizemos? Como a distribuição não é simétrica, precisamos encontrar

os valores para os limites superior e inferior individualmente e assim estabelecer o
intervalo de confiança, que no nosso caso é:
Como o valor calculado está dentro do intervalo, aceitamos a hipótese nula.
3. Poder de um teste e o p-valor
Suponha que estejamos tentando determinar se uma moeda é ou não viciada. Neste
caso, podemos testar essa hipótese com base na quantidade de caras que ocorrem
em uma determinada quantidade de lançamentos. Assim, as hipóteses nulas e
05949764803
alternativas com relação à probabilidade de ocorrer cara são:
Agora, vamos determinar a significância do nosso teste, ou seja, o que é muita

coincidência! Por suposição, vamos considerar que o nosso nível de significância é
de 10%.

A probabilidade de ocorrer uma cara no primeiro lançamento é de 0,5. Assim, qual é
a probabilidade de ocorrerem duas caras seguidas?
Com base em nosso nível de significância, isso é possível de ocorrer, pois 10% que
é muita coincidência. E se tirarmos outra cara em um terceiro lançamento?
Isso continua sendo possível! E se fosse 4 vezes?
Perceba que este valor é inferior à significância do teste, portanto isso seria muita
coincidência! Neste caso, rejeitaríamos a hipótese nula de que a moeda é honesta.
Este valor (6,25%) seria o p-valor para este experimento. O p-valor seria o valor limite
entre a aceitação e rejeição da hipótese nula. Em termos mais analíticos, pode-se
definir o p-valor como o menor nível de significância em que a hipótese nula
pode ser rejeitada. No exemplo, como o p-valor (6,25%) é menor do que o nível de
significância adotado, rejeita-se a hipótese nula!
Fique calmo, nós já vamos fazer uns exercícios que vão te ajudar a entender o
05949764803
conceito!
-“Tudo bem professor, mas e se eu realizar um teste de hipótese que, apesar de

rejeitar uma determinada hipótese nula, ele estiver incorreto”?

Não vou mentir, esta é uma possibilidade! Na verdade, esta

probabilidade tem até um nome: “erro tipo 1”. O erro tipo 1 ocorre quando rejeitamos
uma hipótese nula, quando na verdade ela é verdadeira. No caso da moeda, nosso
teste de hipóteses está rejeitando a hipótese nula de uma moeda honesta, mas isso
não é certo, pois, apesar de pouco provável, aquele resultado pode acontecer.
No nosso exemplo, o erro tipo 1 seria a probabilidade de que estivéssemos na parte

“improvável” da curva de distribuição, ou seja, nos valores definidos pela significância
de 10%. Portanto fica fácil ver que:
Isso fica claro quando pensamos: qual a probabilidade de o valor “verdadeiro” não
estar no intervalo de confiança a ser definido por nós? Ora, nos valores que
consideramos “muita coincidência”.
Outro erro possível ocorre quando aceitamos a hipótese nula quando ela é falsa! Este
é o erro tipo 2!
Neste caso, temos um problemão aqui! Pense comigo, este valor nós não temos
acesso, haja vista não conhecermos a distribuição que contem o valor verdadeiro que
estamos procurando. Com base na figura abaixo, pode-se inferir um caso em que
aceitaríamos a hipótese nula apesar de ela ser falsa.
05949764803

Você percebe o que está ocorrendo? A primeira curva seria relativa aos dados que
estamos testando, enquanto que a segunda seria relativa à verdadeira distribuição da
variável. A parte escura está dentro de nossa região de aceitação, mas ela não
contem o valor verdadeiro.
-“E se eu diminuir o nível de significância para ser mais rigoroso”?
Não tem jeito, é o problema do cobertor curto. Se você reduz a probabilidade de erro
tipo 1, você aumenta a probabilidade do erro tipo 2! Isso porque o que você vai fazer
é que mais valores possam ser considerados como “corretos”, aumentando a chance
de que outras distribuições possam ter valores considerados como verdadeiros,
quando não o são.
O erro de tipo 2 é importante para definir a efetividade de um teste, fixando o poder

05949764803
do teste. Se chamarmos a probabilidade de erro tipo 2 de , o poder do teste será

dado por:
Este valor nos diz qual a probabilidade de que um determinado teste rejeite a
hipótese nula quando ela é falsa.

-“Mas, como melhorar a eficiência de minhas estimativas, professor”?
Você precisa deixar suas distribuições mais “fininhas”, ou seja, com menor variância,
deste modo diminuímos a probabilidade dos dois erros. Isso só é possível com
amostras maiores. Portanto, uma amostra maior pode ser vista como uma quantidade
maior de “provas” para nossas conclusões, o que aumenta a acurácia de nossas
previsões.
Bom, estudamos vários testes de hipóteses, mas

focamos no caso de variáveis com distribuição normal! Este não é o único tipo
de distribuição conhecida, o que pode mudar a forma de abordagem do teste de
hipóteses.
4. Teste para proporções
Vamos fazer um exercício juntos para que vocês possam entender bem como
funciona este teste. Perceba que se trata de um caso com uma amostra grande (1000
elementos). Em geral, quando você vir uma amostra de mais 50 elementos, pode
usar a distribuição normal. Além disso, pelo formato do exercício vocês vão
saber quando é um caso ou outro. Você vai ver!
Exercício 14
05949764803
(Petrobrás – CESGRANRIO/2010) Um fabricante deseja fazer um estudo, com

confiança de 95%, a respeito da aceitação de seu novo produto. Esse novo
lançamento só será comercializável se o índice de aceitação for de, pelo menos,
90%. Para tal, realizou uma pesquisa em uma cidade na qual o produto já foi
comercializado. Foi perguntado aos consumidores se estes gostaram do
produto. O resultado foi o seguinte: 850 consumidores responderam que
gostaram e 150 que não gostaram. Qual será a estatística de teste a ser utilizada
neste teste?

a) -5,27
b) -1,96
c) -1,65
d) 1,96
e) 5,27
Resolução
No presente caso estamos tratando com um caso de distribuição Bernoulli. Não

percebeu? Ao escolhermos um consumidor ao acaso, temos 85% ( ) de
chance de encontrar alguém que gosta do produto. Ou seja, estamos comparando
uma proporção de “sucesso” com uma proporção “teórica” e verificando se a amostra
permite concluir que a teoria está adequada.
Bom, vamos nos lembrar daquela “fórmula” da estatística de teste:
Assim, na média, temos 85% de chance de acertar! Essa é nossa média amostral
( ). Por simplicidade, vamos chamar a este valor de ( ).
-“Isso é uma proporção média, professor”?
Sim, pois o percentual de 85% nem sempre pode bater com o valor encontrado. Por
05949764803
exemplo, se você extrair uma amostra de 20 indivíduos deste total, isso significa que
você encontrará, exatamente, 17 pessoas que gosta do produto? Não! Pode ser que
você não encontre nenhuma! O que você sabe é que, na média, 85% das pessoas
analisadas preferem o produto, ou seja, se você realizar este experimento infinitas
vezes 85% das pessoas irão gostar.
Qual o parâmetro que estamos comparando com essa média? Nós queremos saber
se, na média e com base no que sabemos da amostra, podemos assumir como
verdadeira a hipótese feita sobre a população, de que a média de preferências que

pode ser encontrada é de 90%. Esse é nosso parâmetro populacional ( ). Vamos
chamar a este parâmetro de ( ).
E a variância? Nós já sabemos como calcular a variância de uma binomial:
Então, nós temos como saber qual a variância da população se hipótese feita for
verdadeira:
Mas, devido ao fato de que estamos tratando de uma proporção média,

devemos nos lembrar da fórmula para o estimador não viesado da variância da
média amostral:
Portanto, combinando tudo isso que falamos, a nossa fórmula modificada para testes
em proporções seria:
05949764803
Viu? No fundo é a mesma coisa, o que muda mesmo é o cálculo da variância! Vamos
aplicar ao caso concreto para entendermos. A variância do processo seria:

Sendo que o desvio padrão respectivo seria:
Colocando tudo na estatística de teste, chegamos a:
Exercício chato de cálculo! Uma forma de resolver é pensar, mais ou menos, quanto
seria a raiz quadrada de 1000. Pense 20² é 400, 30² é 900 e 40² é 1600, opa, pare aí
mesmo! Deve ser um número entre 30 e 40, só que bem mais próximo de 30, então
deve ser inferior a 35. Se você fizer 31² você chegará à 961. Este é o valor mais
próximo!
Então vamos fazer um cálculo aproximado:
O que chega mais próximo é a alternativa (a). Esta é a correta! Faça com a
calculadora e confirme o raciocínio.
05949764803
Entenderam como se calcula a estatística de teste?
Agora, podemos testar essa hipótese, fixando a hipótese nula de que e a

hipótese alternativa de que . Assim:

Se formos testar a hipótese a 10% de significância, basta olharmos a tabela da normal

padronizada para encontrarmos o valor do intervalo:
Lembre-se de que este é um teste monocaudal, portanto, vocês devem procurar uma
probabilidade de, aproximadamente 0,40 na tabela!
Se você comparar a estatística de teste com o intervalo construído, você perceberá

que a mesma não está contida neste último, portanto, rejeita-se a hipótese nula.
Entendeu? Não tem segredo! Agora, vamos treinar um pouco para aprender de
verdade. Alguns exercícios podem ter uns macetes que falta ensinar, mas pode
deixar que eu aviso antes para que vocês acompanhem a resolução.
Chega de lero lero, vamos exercitar!
são, respectivamente, H0: e H1:
05949764803
. Considere que a distribuição


Exercício 15
O poder do teste que representa a probabilidade de se aceitar corretamente a

hipótese nula é de 98,2%.
Resolução
Simples pessoal. Está errado! O poder de um teste é a probabilidade de se rejeitar a

hipótese nula dada que ela é falsa.
Exercício 16
(DNOCS – FCC/2010) Em um teste de hipóteses estatístico, sendo H0 a hipótese

nula e H1 a hipótese alternativa, o nível de significância do teste consiste na
probabilidade de:
a) Aceitar H0 dado que H0 é verdadeira
b) Rejeitar H0 dado que H0 é falsa
c) Aceitar H0, independentemente de falsa ou verdadeira
d) Aceitar H0, dado que é falsa
e) Rejeitar H0, dado que é verdadeira
Resolução
O nível de significância de um teste é a probabilidade de cometer o erro tipo 1, isso

05949764803
é, a probabilidade de rejeitar H0 dado que ela é verdadeira.
Alternativa (e).

Exercício 17
(Petrobras – CESGRANRIO/2010) Em um teste de hipóteses estatístico, sendo

H0 a hipótese nula e H1 a hipótese alternativa, cometer erro tipo 2 consiste em:
a) Rejeitar H0, dado que é verdadeira
b) Aceitar H0, dado que é falsa
c) Aceitar H1, sendo H1 verdadeira
d) Rejeitar H1, sendo H1 falsa
e) Aceitar H0 e H1
Resolução
A probabilidade de erro tipo 2 é a de aceitar H0, dado que a mesma é falsa.
Alternativa (b).
Exercício 18
(STN – ESAF/2013) Em um teste de hipóteses, onde Ho é a hipótese nula e Há é

a hipótese alternativa, pode-se afirmar que:
a) ocorre Erro Tipo I quando aceita-se Ho e Ho é falsa.
b) a estatística F de Snedecor tem por finalidade testar o efeito individual de
cada variável explicativa sobre a variável explicada.
c) a soma das probabilidades dos Erros Tipo I e Tipo II é igual a 1.
05949764803
d) se o valor-p de um teste de hipóteses for igual 0,015, então a hipótese nula

será rejeitada ao nível de significância de 5%, mas não ao nível de significância
de 1%.
e) o nível de confiança é a probabilidade de se cometer Erro Tipo II.

Resolução
Vamos analisar uma a uma:

a) Errado, é o nível de significância do teste.
b) Na última aula vocês vão aprender a estatística F, mas está errado!
c) Essa propriedade não existe.
d) Perfeito, como o p-valor é menor do que 0,05 e maior do que 0,01, rejeitamos
a hipótese nula a 5% e aceita-se a 1%.
e) Não, este é o erro tipo 2.
Alternativa (d).
Exercício 19
(ISS-SP – FCC/2006) Uma variável aleatória X tem distribuição normal com

média e desvio padrão 100. O tamanho da amostra para que a diferença, em
valor absoluto, entre a média amostral e seja menor do que 2, com coeficiente
de confiança de 89% é:
a)1100
b)2200
c)2800
d)3600
e)6400
05949764803
Resolução
Olhe, quando o exercício te diz “diferença entre média amostral e ”, ele está falando
de:
Sabendo que um nível de confiança de 89% corresponde a um valor de 0,445 de cada

lado. Olhe a tabela normal, você verá que o valor encontrado é de 1,6.

Agora basta substituirmos na estatística de teste:
Agora vamos operar:
Alternativa (e).
(ANPEC – 2012) Julgue as afirmativas.
Exercício 20
Se o p-valor de um teste é maior do que o nível de significância adotado, rejeita-

se a hipótese nula.
Resolução
É exatamente o contrário, caso o p-valor seja inferior ao nível de significância, aí sim

05949764803
rejeita-se a hipótese nula.
Alternativa errada.

Exercício 21
Suponha que o objetivo seja testar a hipótese nula de que a média populacional
é igual a 0. Se esta hipótese é rejeitada num teste monocaudal contra a
hipótese alternativa de que , ela também será rejeitada num teste bicaudal
contra a hipótese alternativa de que , adotando-se o mesmo nível de
significância.
Resolução
A um mesmo nível de significância, o valor crítico será um número superior (em

número absoluto) em um teste bicaudal do que em um monocaudal.
Por exemplo, compare um nível de significância de 10% em um teste bicaudal, que

nos dá um valor ( ), enquanto que em um monocaudal o valor passa a ser (
).
Assim, para uma mesma estatística de teste, nada garante que, se o valor supera o
valor de ( ) monocaudal, o mesmo será superior ao valor bicaudal para um mesmo
nível de significância.
Alternativa errada.
05949764803

Exercício 22
(Gestor fazendário – ESAF/2005) Lança-se uma moeda 20 vezes e observa-se a

ocorrência de 7 caras. Seja a probabilidade de cara. Assinale a opção que dá
o valor da estatística de teste correspondente ao teste contra
.
a)
b)
c)
d)
e)
Resolução
Bom, vamos testar esta moeda que mostra uma probabilidade de obter cara de:
Agora só precisamos usar a fórmula de estatística de teste:
Assim, substituindo os valores:

05949764803
Alternativa (a).
A próxima vale a pena vocês acompanharem primeiro!

Exercício 23
(ICMS-MG – ESAF/2005) Um fabricante afirma que, pelo menos, 95% dos

equipamentos que fornece à indústria encontram-se dentro de suas
especificações. Uma amostra de 200 itens escolhidos ao acaso revelou 10 itens
fora de especificação. Assinale a opção que corresponde ao valor probabilístico
(p-valor) do teste contra , sendo a proporção
populacional dos itens dentro das especificações.
a) 0,5
b) 0,05
c) 0,025
d) 0,01
e) 0,1
Resolução
Vamos utilizar a mesma “fórmula” para estatística de teste do exercício anterior:
A questão agora é que o que é pedido é o p-valor. Mas, o que é o p-valor? Vamos
05949764803
lembrar-nos da aula anterior: “Em termos mais analíticos, pode-se definir o p-

valor como o menor nível de significância em que a hipótese nula pode ser
rejeitada”.
Então, em termos práticos, o que estamos fazendo? Nós vamos calcular, por meio da
estatística de teste, os valores que estão dentro de um intervalo de confiança definido
para a proporção. O p-valor será a probabilidade de obtermos valores extremos, além
do intervalo de confiança definido para a proporção.

Vamos aplicar no nosso exemplo, sendo que, para isso, temos de calcular a
proporção amostral:
Vamos substituir na estatística de teste:
Veja que nem precisamos calcular o denominador, pois o numerador é igual à zero.
O que este resultado está nos dizendo? Olhe o gráfico abaixo:
05949764803
Nós estamos bem no centro da distribuição, o que nos leva à conclusão de que
estamos em um ponto que divide a distribuição em duas partes iguais de 50% de
chance.
Qual o p-valor? É a probabilidade de estarmos à direita do calculado, ou seja, nos

valores extremos delimitados pelo intervalo de confiança. Portanto, o p-valor será de:

Alternativa (a).
(ICMS-RJ – FCC\2013) Para responder às questões de números 24 a 25,

considere as informações a seguir:
Se Z tem distribuição normal padrão, então:
P(Z < 0,8) = 0,788; P(Z < 1,25) = 0,894; P(Z < 1,4) = 0,92;
P(Z < 1,64) = 0,95; P(Z < 1,96) = 0,975; P(Z < 2) = 0,977
Exercício 24
Seja p a probabilidade de ocorrer cara quando se lança uma determinada

moeda. Com base em 100 lançamentos da moeda, deseja-se testar a hipótese
de que a moeda é não viciada (p = 0,5) contra a alternativa de que p = 0,8. Com
base na variável aleatória que representa a proporção de caras em 100
lançamentos estabeleceu-se para o teste a seguinte região crítica (RC): RC = {
≥ 0,75}. Sendo a probabilidade do erro do tipo II, e admitindo-se a aproximação
à normal para a distribuição de , o valor de é
a) 0,150
b) 0,250
05949764803
c) 0,106
d) 0,053
e) 0,125

Resolução
O erro tipo II é a probabilidade de aceitarmos a hipótese nula dado que ela é falsa. O
exercício fala que a região crítica é dada pelos valores nos quais a proporção é maior
ou igual a 0,75.
Para fazer isso, precisamos encontrar a probabilidade de que encontremos um valor

menor do que 0,75, sabendo-se que a média do processo é 0,8.
Antes de começarmos, atente-se que se trata de um caso de teste de jipóteses com

proporções! Assim, vamos usar nossa fórmula:
Ou seja, com base no enunciado:
Essa é a probabilidade de encontrarmos um valor maior do que 0,75, mas nós

queremos exatamente o contrário!
Portanto, a probabilidade de encontrarmos um valor menor do que 0,75 significa

05949764803
encontrar um valor de estatística Z “mais negativo”, ou mais “à esquerda” da curva de

distribuição normal.
Alternativa (c).

Exercício 25
O tempo necessário para o atendimento de uma pessoa em um guichê de uma

repartição pública tem distribuição normal com média = 140 segundos e
desvio padrão = 50 segundos. A probabilidade de que um indivíduo,
aleatoriamente selecionado, espere entre 3 e 4 minutos para ser atendido é
a) 0,765
b) 0,632
c) 0,235
d) 0,189
e) 0,678
Resolução
Vamos trabalhar com a unidade “segundos”:
Precisamos encontrar a diferença entre a probabilidade de o indivíduo esperar 4

minutos e 3 minutos a fim de respondermos a questão. Assim, a probabilidade de o
indivíduo esperar até 3 minutos:
05949764803
Com base no enunciado:
Já a chance de o indivíduo esperar entre 0 e 4 minutos é:

Assim:
O que estamos procurando é:
Alternativa (d).
Exercício 26
(SEPLAG MG – FUNCAB\2014)
05949764803
Resolução
Questãozinha mal elaborada. Veja, vamos explicar cada um dos membros não
explicados:

â
ã â
Veja, como encontrar um intervalo de confiança?
Ora, pegue a média amostral e some\diminua a margem de erro!
O que é a margem de erro? É a significância estatística dividida por 2 (lembre-se de

que a significância deve estar dividida entre os dois lados da distribuição) multiplicada
pela variância da média amostral, que é o desvio padrão dividido pela raiz quadrada
do tamanho da amostra. Assim:
Alternativa (c).
Exercício 27
(SEMAD – FUNCAB\2013)
05949764803

Resolução
Vamos nos lembrar do conceito de p-valor:
“O p-valor seria o valor limite entre a aceitação e rejeição da hipótese nula. Em

termos mais analíticos, pode-se definir o p-valor como o menor nível de
significância em que a hipótese nula pode ser rejeitada.”
Se o p-valor encontrado foi de 0,059, isso significa que não é possível rejeitar a
hipótese nula a 5%, mas isso é possível para qualquer valor superior a 5,9%.
Portanto, a alternativa correta é (b).
Exercício 28
(SISEMA – FUNCAB\2013) Lança-se uma moeda 64 vezes e observa-se a

ocorrência de 48 caras. Seja a probabilidade de cara, assinale a opção que dá
o valor da estatística teste correspondente ao teste da hipótese H : < 0,5 contra
H :
A) 1
B) 2
C) 3
D) 4
05949764803
Resolução
Qual foi a probabilidade encontrada? Ocorreram 48 cara em 64 lançamentos,

portanto:
A estatística de teste, pra o teste de que a probabilidade seja, na verdade, 0,5 é dada
por uma estatística de teste para proporções, ou seja:

Alternativa (d).
Exercício 29
(ARSAE – FUNCAB\2014)
Resolução
05949764803
Quando o exercício diz que a variável é , isso significa que ela tem
distribuição normal com média de 220 e variância igual a 100 (desvio padrão de 10).
Para obtermos uma normal padrão, com média zero e desvio padrão igual a 1,
devemos normalizá-la, o que já estamos carecas de saber como:
Alternativa (c).

Exercício 30
(DNIT – ESAF/2013) Os pintores Antônio e Batista farão uma exposição de seus

quadros. Antônio vai expor 3 quadros distintos e Batista 2 quadros distintos.
Os quadros serão expostos em uma mesma parede e em linha reta, sendo que
os quadros de um mesmo pintor devem ficar juntos. Então, o número de
possibilidades distintas de montar essa exposição é igual a:
a) 5
b) 12
c) 24
d) 6
e) 15
Resolução
Pessoal, a melhor forma de pensar nesta questão é com base na lógica mesmo!
Pense comigo, para que os quadros dos pintores fiquem juntos, os quadros de Batista
(ele será o quadro amarelo) deverão ficar na extremidade de cada linha reta, pois
caso contrário, não ficarão juntos:
05949764803
Pense, isso são duas possibilidades. Mas, há mais duas, pois nós podemos trocar o
lugar dos quadros amarelos que estão no mesmo lado! Portanto, 4 possibilidades
para os amarelos. Agora, precisamos saber quantas possibilidades existem para os
vermelhos (basta fazer uma permutação de 3):

Portanto:
ç�
Alternativa (c).
Exercício 31
(Analista Controle Interno – FGV/2014) Uma variável aleatória X tem média igual
a 2 e desvio padrão igual a 2. Se Y = 6 – 2X, então a média de Y, a variância de
Y e o coeficiente de correlação entre X e Y valem, respectivamente,
(A) −2, 4 e 1.
(B) −2, 16 e 1.
(C) 2, 16 e −1.
(D) 10, 2 e −1.
(E) 2, 4 e −1.
Resolução
Lembrem-se das propriedades da média e variância!
05949764803
Média:
1) Se somarmos (subtrairmos) todas as observações com um determinado valor
fixo, tal como x, toda a média terá resultado igual ao anterior à operação mais
(menos) x.
2) Se multiplicarmos (dividirmos) todas as observações de uma amostra por um
determinado valor fixo, tal como x, a média terá resultado igual ao anterior à
operação vezes (dividido por) x.

Variância:
1) Ao somar (diminuir) qualquer valor fixo das observações utilizadas para cálculo
da variância (Va�) ou de seu respectivo desvio padrão (DP), o resultado ficará
inalterado.
2) Ao multiplicar (dividir) todas as observações de uma série por um determinado
valor fixo, tal como x, a variância resultante ficará multiplicada (dividida) por x²,
enquanto que o desvio padrão resultante ficará multiplicado (dividido) por x.
Ora, para quem fez o curso, basta aplicar os operadores de Média e Variância. Mas,
vamos pensar de uma forma mais intuitiva! Veja a fórmula:
Y X
Qual a média de Y?
é é
Já que a média de um número fixo é igual a ele mesmo, podemos reescrever:
é é
Veja a propriedade (2) da média e perceba que:
05949764803
é é
E a variância?
Se você soma ou diminui alguma coisa de sua variável, isso não afeta a variância,
conforme propriedade 1 da variância. Assim, a variância de Y dependerá somente de:

Conforme estudamos no curso, o valor que multiplica a variável sairá do operador

variância ao quadrado:
Como o exercício fala que o desvio padrão de X é igual à 2, a variância é igual a 4.

Assim:
Só com essas resoluções você já chega na alternativa correta, que é a letra (c).
Coeficiente de correlação a gente aprende na próxima aula!
Exercício 32
(Analista Controle Interno – FGV/2014) Avalie se as seguintes propriedades de

um estimador de um certo parâmetro são desejáveis:
I. Ser não tendencioso para esse parâmetro.
II. Ter variância grande.
III. Ter erro quadrático médio grande.
Assinale:
(A) se apenas a propriedade I estiver correta.
05949764803
(B) se apenas as propriedades I e II estiverem corretas.

(C) se apenas as propriedades I e III estiverem corretas.
(D) se apenas as propriedades II e III estiverem corretas.
(E) se todas as propriedades estiverem corretas
Resolução
I.Perfeito. Sempre queremos um estimador não viesado.

II.Errado. Quanto maior a variância, menor a capacidade de predição de um
estimador.
III.Errado. Pois, o erro quadrático médio é uma combinação de Viés e Variância.
Alternativa (a).
Exercício 33
(Analista Controle Interno – FGV/2014) Para estimar a proporção populacional

p de eleitores favoráveis a certa candidatura, uma amostra aleatória simples de
tamanho 1.600 foi observada e mostrou 800 eleitores favoráveis à referida
candidatura. Um intervalo de 95% de confiança para p é
(A) (0,4602; 0,5398).
(B) (0,4555; 0,5445).
(C) (0,4620; 0,5380).
(D) (0,4343; 0,5657).
(E) (0,4755; 0,5245).
Resolução
Para responder, basta perceber que trata-se de um teste de hipóteses com

proporções, o que deve ser testado por meio da seguinte estatística de teste:
05949764803
Sendo a probabilidade de sucesso do experimento e o tamanho da amostra.
Só lembrando, estas “barras” em volta do numerador indica que o mesmo está em

módulo, ou seja, o numerador pode ser:

Ou:
Vamos considerar que o “sucesso” seria encontrar um eleitor favorável, portanto a

probabilidade de o encontrarmos é de:
Substituindo na função:
O valor z deve ser procurado na tabela, com uma probabilidade de 0,975, haja vista
que, por se tratar de um teste bicaudal, queremos que “sobre” 2,5% de cada lado da
distribuição, a fim de que a confiança do teste seja de 95%. O valor z com
probabilidade de 0,975 é 1,96.
Multiplicando invertido: 05949764803
Para encontrarmos o intervalo de confiança:
Assim, a probabilidade ficará no intervalo:

O que corresponde a:
Alternativa (e).
(ANTAQ – CESPE/2014) Com base no enunciado a seguir, julgue as afirmativas.
05949764803

Exercício 34
Resolução
De um total de 8.000 pessoas 80% pagam a tarifa normal e, portanto, 20% pagam a
diferenciada. Assim, temos:
Das pessoas que pagam a tarifa normal 60% estão satisfeitos e dos que pagam a
diferenciada este percentual de satisfação é de 90%!
Depreende-se que há um total 5.280 pessoas satisfeitas de um universo de 8.000,

assim a probabilidade de encontrar alguém satisfeito é de:
05949764803
çã
Alternativa verdadeira.

Exercício 35
Resolução
O que o exercício está perguntando é:
á ç
Nós sabemos que:
ç
ç
A probabilidade de ser usuário de serviço diferenciado e estar insatisfeito é de (já

calculamos o número de satisfeitos do serviço diferenciado no exercício anterior,
1440):
05949764803
A probabilidade de estar insatisfeito é (já calculamos o total de satisfeitos no exercício

anterior, 5280):

Assim:
Alternativa errada.
Exercício 36
(IBGE – CESGRANRIO/2014)
Resolução
Com base nos nossos conhecimentos, sabemos que o cálculo do intervalo deve ser
tal que:
05949764803
A primeira coisa a fazer é encontrar o valor tabelado z! Se a probabilidade é igual a

97%, temos de procurar 48,5% na tabela normal (bicaudal). Ao observar a tabela você
verá que:

Portanto, z = 2,17. Assim substituindo os valores do enunciado no nosso sistema:
Tanto faz qual dos dois você vai utilizar. Vamos utilizar o de baixo:
05949764803
Alternativa (b).

Exercício 37
(PETROBRAS – CESGRANRIO/2012)
Resolução
A partir de um cálculo do intervalo de confiança, ficou constatado que, com um nível

de confiança de 90%, o intervalo é dado por [5;15].
Isso significa que, a 10% de significância, rejeita-se a hipótese nula de que a média
é igual a zero, haja vista que o valor 0 não está contido no intervalo calculado com
90% de confiança.
Alternativa (e).
05949764803

Exercício 38
(SUSAM – FGV/2014)
Resolução
05949764803
Primeira coisa, estamos tratando com uma amostra, mas o exercício fala:
Isso quer dizer, de maneira simples, considere que n = n-1. Veja que a amostra é de
100 unidades, o que é possível perceber pela fórmula do somatório, que indica que a
somatória é feita para 100 unidades.
Assim, vamos utilizar nossa “fórmula amiga”:

â é é
A média dos quadrados é:
E a média:
Portanto:
O desvio padrão é a raiz quadrada da variância:
Alternativa (b).
05949764803

Exercício 39
Resolução
O erro tipo I é aquele da rejeição da hipótese nula quando ela é verdadeira! No caso,
a hipótese nula é a de que o suspeito é inocente.
Assim, erro tipo I seria rejeitar a hipótese nula (condenar o acusado), sendo o mesmo
inocente.
Alternativa (a).
05949764803

(DEPEN – CESPE/2015)
05949764803

Exercício 40
Resolução
Errado! Pelas informações do enunciado a quantidade de presidiários que participam

de cursos de qualificação e que não receberam diploma tende a diminuir com o tempo.
Apesar de o ano de 2007 ter apresentado valor menor do que 2008, isso não poderia
ser inferido com base no enunciado.
Alternativa errada.
05949764803
Exercício 41

Resolução
Pegadinha! O coeficiente de variação não está relacionado à tendência de uma

variável ou sua correlação com outras. O coeficiente de variação é dado por:
ã
çã
é
Não há como afirmar nada sobre o sinal do mesmo com base na relação apresentada.
Alternativa errada.
Exercício 42
Resolução
05949764803
Ora, neste caso, o total de presidiários que fizeram curso de qualificação nos 3 anos
é N + 2N = 3N. Assim, com base no enunciado sabemos que 69,4% dos presidiários
em 2001 não terminaram o curso, percentual que reduziu para 61,5% no ano
seguinte. Assim:
Alternativa correta.

Exercício 43
(MPOG – ESAF/2015)
Resolução
05949764803
Trata-se de um teste de hipóteses para proporções. Assim, a estatística de teste é:
ç çã
ã
A variância de uma proporção é dada pela mesma fórmula da variância de uma

distribuição binomial:

â ã
O valor da proporção calculado na amostra é 80% para , ou seja, a proporção de

indivíduos que não fumam. Assim, substituindo na fórmula o valor do desvio padrão
e do erro de estimação (0,01):
No enunciado afirma-se que o valor de z será igual a 2 para 95% de confiança. Assim:
Alternativa (e).
Exercício 44
05949764803

Resolução
Esta questão poderia ter sido sujeita a anulação. Por que? Pelo enunciado muito mal
especificado.
O enunciado sugere que o teste de hipóteses do auditor é testar se a média das

contas a receber é de R$ 260,00. Porém, o que está realmente sendo pedido é,
como se dá o teste de hipóteses para a variável padronizada.
Um caso especial da distribuição normal ocorre quando (média populacional)

e (desvio padrão ) , esta é chamada de normal padrão.
-“Por que isso é importante”?
Porque a normal padrão é mais fácil de ser avaliada e tem uma tabela que permite
05949764803
que você calcule a probabilidade de ocorrência de um determinado valor.
Veja, pode-se provar que uma variável ( ) com distribuição normal pode ser
transformada em uma normal padronizada por meio da seguinte operação:
Essa variável padronizada ( ) tem as características de uma normal padrão.

Se você realizar um teste de hipóteses para a variável normal padrão, sabe-se que a
região de aceitação será dada por:
Ou seja, a média populacional estará z desvio padrão para cima e para baixo de zero,
que é a média da normal padrão. Assim, sob a hipótese nula, a média
populacional da normal padrão (que é zero) deve estar neste intervalo.
O enunciado afirma que o valor z equivalente a 95% é de 2 desvio padrão, portanto:
Com base nisso, você chegaria à alternativa (b), já que, sob a hipótese nula, a média
populacional da normal padrão deve ser zero e estar em uma região de aceitação
equivalente a 2 desvios padrão.
-“Para mim, cabe anulação”!

-“Por que, professor”?
A banca fez uma péssima questão. Ela não disse o que significa a letra grega , ela
não disse que H0 corresponde à hipótese nula, ela não disse que as alternativas se
referiam a um teste de hipóteses sobre a normal padrão, e por aí vai.
05949764803
Alternativa (b).

Exercício 45
(SUSEP – ESAF/2010)
Resolução
Primeira coisa é definir o que seria:
Ora, qual o complementar de A? Tudo que não é A! A mesma coisa vale para B. A
união dos complementares de A e B tem de ser algo que não é, ao mesmo tempo,
05949764803
A e B:
Entendeu? Portanto, a união entre os complementares de A e B é todo o universo

menos a intersecção entre estes dois conjuntos! Agora fica fácil resolver a questão.

Isso implica que:
Isso implica que:
Isso implica que:
Isso implica que: 05949764803
Isso implica que:
Alternativa (c).

Lista de exercícios resolvidos
Exercício 1
(Elaborado pelo autor) Suponha que a seguinte amostra de alturas tenha sido
retirada da população:
Alturas
(metros)
1,7
1,6
1,7
1,75
1,8
1,82
1,9
1,78
1,74
1,83
Dado que a altura média da população é de 1,70m e sabendo que o desvio

padrão populacional é de 0,1, qual a probabilidade de encontrarmos um valor
para a média amostral que se situe entre 1,70m e o valor encontrado para esta
amostra?
Exercício 2
05949764803
(Auditor da Previdência Social – ESAF/2002/modificada) O desvio padrão para

o peso de peças mecânicas obtidas num lote de produção é de 25kg. Sabendo-
se que, em uma amostra de 100 peças do lote, foi encontrado um peso médio
de 23,2kg, qual o intervalo de confiança para a média?
a)
b)
c)
d)
e)

Exercício 3
(BACEN – FCC\2005) A distribuição dos valores de aluguéis dos imóveis em

certa localidade é bem representada por uma curva normal com desvio padrão
populacional de R$ 200,00. Por meio de uma amostra aleatória de 100 imóveis
neste local, determinou-se um intervalo de confiança para a média destes
valores de [R$ 540,00;R$ 660,00].
A mesma média amostral foi obtida com um outro tamanho de amostra, com o
mesmo nível de confiança anterior, sendo o novo intervalo [R$ 560,00;R$
640,00]. A população tem tamanho infinito, o tamanho da amostra no segundo
caso é de:
a) 225
b) 256
c) 324
d) 400
e) 625
Exercício 4
05949764803
valor 13. Uma pessoa afirmou que a média populacional dos elementos é igual
a 15, com 5% de significância. Essa afirmação mostrou-se como verdadeira.

Exercício 5
valor 13. Uma pessoa afirmou que a média populacional dos elementos é de, no
mínimo, 15, com 5% de significância. Essa afirmação mostrou-se como
verdadeira.
Exercício 6
(BACEN – FCC/2005) As empresas de um determinado setor têm uma situação

líquida bem descrita por uma distribuição normal, com média igual a 2,5 milhões
de reais e desvio padrão de 2 milhões de reais. Selecionando uma empresa
aleatoriamente deste setor, a probabilidade dela apresentar uma situação
líquida negativa é de:
a) 50%
b) 39%
c) 23%
d) 16%
e) 11%
05949764803

Exercício 7
(TRT 2ª Região – 2008/FCC) Para uma experiência realizada com referência à

medição do comprimento de determinada peça fabricada por uma indústria,
utilizou-se uma amostra de 16 peças, apurando-se uma média de 0,9m e um
desvio padrão de 0,2m. Supondo que os comprimentos das peças tenham
distribuição normal, com média e variância desconhecida, deseja-se saber,
ao nível de significância de 5%, se o comprimento da peça não é inferior a 1m.
Seja H0 a hipótese nula do teste ( ) e H1 a hipótese alternativa ( )e
o quantil da distribuição t de Student tabelado para teste
unicaudal, com 15 graus de liberdade. Então, pelo teste t:
a) A conclusão obtida seria a mesma para qualquer nível de significância

b) H0 não pode ser aceita, indicando que os comprimentos são menores
que 1m
c) O número de graus de liberdade não interferiu na definição de
d) Para um nível de significância superior a 5% a conclusão não poderia ser

a mesma
e) O valor da estatística de teste é de -0,5
Exercício 8
05949764803
(ATRFB – ESAF/2013) A variância da amostra formada pelos valores 2, 3, 1, 4, 5

e 3 é igual a
a) 3.
b) 2.
c) 1.
d) 4.
e) 5.

Exercício 9
(FINEP – CESGRANRIO/2011) Uma amostra aleatória de 100 famílias foi

selecionada com o objetivo de estimar o gasto médio mensal das famílias com
medicamentos. Os resultados amostrais estão resumidos na distribuição de
frequência, a seguir, segundo as classes de gastos, em 10 reais. Não existem
observações coincidentes com os extremos das classes.
Gastos em 10 reais Frequência Absoluta

de 1 a 3 10
de 3 a 5 30
de 5 a 7 60
total 100
As melhores estimativas para a média aritmética e para a variância amostral

são, aproximada e respectivamente,
a) 5 reais e 1,82 reais²

b) 5 reais e 18,2 reais²
c) 50 reais e 1,82 reais²
d) 50 reais e 18,2 reais²
e) 50 reais e 182 reais² 05949764803

Exercício 10
(FINEP – CESGRANRIO\2011) Dois dados comuns, honestos, foram lançados

simultaneamente. Sabe-se que a diferença entre o maior resultado e o menor é
igual a um. Qual é a probabilidade de que a soma dos resultados seja igual a
sete?
a) 1/3
b) 1/4
c) 1/5
d) 1/6
e) 1/7
Exercício 11
05949764803
A média amostral produzida pelo teste estatístico foi superior a 950 m² e inferior
a 1000 m².

Exercício 12
(TRT 3ª Região – FCC/2009) O peso de pacotes de café é uma variável aleatória

X. Uma máquina de encher pacotes está regulada para fazê-lo com e
. Com o objetivo de manter sob controle a variabilidade do produto,
a cada 30 minutos uma amostra aleatória de alguns pacotes é selecionada e
testa-se se a variabilidade está controlada. Assim, desejando-se testar H0:
contra H1: , toma-se uma amostra de 16 pacotes e observa-se uma
variância amostral de 160g². O valor observado para a estatística de teste é de:
a)31
b)28
c)24
d)22
e)19
Exercício 13
(elaborado pelo autor) Com base no exercício anterior, a 5% de significância,

verifique se a hipótese nula é satisfeita.
Exercício 14
05949764803
(Petrobrás – CESGRANRIO/2010) Um fabricante deseja fazer um estudo, com

confiança de 95%, a respeito da aceitação de seu novo produto. Esse novo
lançamento só será comercializável se o índice de aceitação for de, pelo menos,
90%. Para tal, realizou uma pesquisa em uma cidade na qual o produto já foi
comercializado. Foi perguntado aos consumidores se estes gostaram do
produto. O resultado foi o seguinte: 850 consumidores responderam que
gostaram e 150 que não gostaram. Qual será a estatística de teste a ser utilizada
neste teste?
a) -5,27

b) -1,96
c) -1,65
d) 1,96
e) 5,27
Exercício 15
O poder do teste que representa a probabilidade de se aceitar corretamente a

hipótese nula é de 98,2%.
Exercício 16
(DNOCS – FCC/2010) Em um teste de hipóteses estatístico, sendo H0 a hipótese

nula e H1 a hipótese alternativa, o nível de significância do teste consiste na
05949764803
probabilidade de:
a) Aceitar H0 dado que H0 é verdadeira
b) Rejeitar H0 dado que H0 é falsa
c) Aceitar H0, independentemente de falsa ou verdadeira
d) Aceitar H0, dado que é falsa
e) Rejeitar H0, dado que é verdadeira

Exercício 17
(Petrobras – CESGRANRIO/2010) Em um teste de hipóteses estatístico, sendo

H0 a hipótese nula e H1 a hipótese alternativa, cometer erro tipo 2 consiste em:
a) Rejeitar H0, dado que é verdadeira
b) Aceitar H0, dado que é falsa
c) Aceitar H1, sendo H1 verdadeira
d) Rejeitar H1, sendo H1 falsa
e) Aceitar H0 e H1
Exercício 18
(STN – ESAF/2013) Em um teste de hipóteses, onde Ho é a hipótese nula e Há é

a hipótese alternativa, pode-se afirmar que:
a) ocorre Erro Tipo I quando aceita-se Ho e Ho é falsa.
b) a estatística F de Snedecor tem por finalidade testar o efeito individual de
cada variável explicativa sobre a variável explicada.
c) a soma das probabilidades dos Erros Tipo I e Tipo II é igual a 1.
d) se o valor-p de um teste de hipóteses for igual 0,015, então a hipótese nula
será rejeitada ao nível de significância de 5%, mas não ao nível de significância
de 1%.
e) o nível de confiança é a probabilidade de se cometer Erro Tipo II.
05949764803

Exercício 19
(ISS-SP – FCC/2006) Uma variável aleatória X tem distribuição normal com

média e desvio padrão 100. O tamanho da amostra para que a diferença, em
valor absoluto, entre a média amostral e seja menor do que 2, com coeficiente
de confiança de 89% é:
a)1100
b)2200
c)2800
d)3600
e)6400
(ANPEC – 2012) Julgue as afirmativas.
Exercício 20
Se o p-valor de um teste é maior do que o nível de significância adotado, rejeita-

se a hipótese nula.
Exercício 21
Suponha que o objetivo seja testar a hipótese nula de que a média populacional
05949764803
é igual a 0. Se esta hipótese é rejeitada num teste monocaudal contra a

hipótese alternativa de que , ela também será rejeitada num teste bicaudal
contra a hipótese alternativa de que , adotando-se o mesmo nível de
significância.

Exercício 22
(Gestor fazendário – ESAF/2005) Lança-se uma moeda 20 vezes e observa-se a

ocorrência de 7 caras. Seja a probabilidade de cara. Assinale a opção que dá
o valor da estatística de teste correspondente ao teste contra
.
a)
b)
c)
d)
e)
Exercício 23
(ICMS-MG – ESAF/2005) Um fabricante afirma que, pelo menos, 95% dos

equipamentos que fornece à indústria encontram-se dentro de suas
especificações. Uma amostra de 200 itens escolhidos ao acaso revelou 10 itens
fora de especificação. Assinale a opção que corresponde ao valor probabilístico
(p-valor) do teste contra
05949764803
, sendo a proporção
populacional dos itens dentro das especificações.
a) 0,5
b) 0,05
c) 0,025
d) 0,01
e) 0,1

(ICMS-RJ – FCC\2013) Para responder às questões de números 24 a 25,

considere as informações a seguir:
Se Z tem distribuição normal padrão, então:
P(Z < 0,8) = 0,788; P(Z < 1,25) = 0,894; P(Z < 1,4) = 0,92;
P(Z < 1,64) = 0,95; P(Z < 1,96) = 0,975; P(Z < 2) = 0,977
Exercício 24
Seja p a probabilidade de ocorrer cara quando se lança uma determinada

moeda. Com base em 100 lançamentos da moeda, deseja-se testar a hipótese
de que a moeda é não viciada (p = 0,5) contra a alternativa de que p = 0,8. Com
base na variável aleatória que representa a proporção de caras em 100
lançamentos estabeleceu-se para o teste a seguinte região crítica (RC): RC = {
≥ 0,75}. Sendo a probabilidade do erro do tipo II, e admitindo-se a aproximação
à normal para a distribuição de , o valor de é
a) 0,150
b) 0,250
c) 0,106
d) 0,053
e) 0,125
Exercício 25
05949764803
O tempo necessário para o atendimento de uma pessoa em um guichê de uma

repartição pública tem distribuição normal com média = 140 segundos e
desvio padrão = 50 segundos. A probabilidade de que um indivíduo,
aleatoriamente selecionado, espere entre 3 e 4 minutos para ser atendido é
a) 0,765
b) 0,632
c) 0,235
d) 0,189
e) 0,678

Exercício 26
(SEPLAG MG – FUNCAB\2014)
Exercício 27
(SEMAD – FUNCAB\2013)
05949764803

Exercício 28
(SISEMA – FUNCAB\2013) Lança-se uma moeda 64 vezes e observa-se a

ocorrência de 48 caras. Seja a probabilidade de cara, assinale a opção que dá
o valor da estatística teste correspondente ao teste da hipótese H : < 0,5 contra
H :
A) 1
B) 2
C) 3
D) 4
Exercício 29
(ARSAE – FUNCAB\2014)
05949764803

Exercício 30
(DNIT – ESAF/2013) Os pintores Antônio e Batista farão uma exposição de seus

quadros. Antônio vai expor 3 quadros distintos e Batista 2 quadros distintos.
Os quadros serão expostos em uma mesma parede e em linha reta, sendo que
os quadros de um mesmo pintor devem ficar juntos. Então, o número de
possibilidades distintas de montar essa exposição é igual a:
a) 5
b) 12
c) 24
d) 6
e) 15
Exercício 31
(Analista Controle Interno – FGV/2014) Uma variável aleatória X tem média igual
a 2 e desvio padrão igual a 2. Se Y = 6 – 2X, então a média de Y, a variância de
Y e o coeficiente de correlação entre X e Y valem, respectivamente,
(A) −2, 4 e 1.
(B) −2, 16 e 1.
(C) 2, 16 e −1.
05949764803
(D) 10, 2 e −1.

(E) 2, 4 e −1.

Exercício 32
(Analista Controle Interno – FGV/2014) Avalie se as seguintes propriedades de

um estimador de um certo parâmetro são desejáveis:
I. Ser não tendencioso para esse parâmetro.
II. Ter variância grande.
III. Ter erro quadrático médio grande.
Assinale:
(A) se apenas a propriedade I estiver correta.
(B) se apenas as propriedades I e II estiverem corretas.
(C) se apenas as propriedades I e III estiverem corretas.
(D) se apenas as propriedades II e III estiverem corretas.
(E) se todas as propriedades estiverem corretas
Exercício 33
(Analista Controle Interno – FGV/2014) Para estimar a proporção populacional

p de eleitores favoráveis a certa candidatura, uma amostra aleatória simples de
tamanho 1.600 foi observada e mostrou 800 eleitores favoráveis à referida
candidatura. Um intervalo de 95% de confiança para p é
(A) (0,4602; 0,5398).
(B) (0,4555; 0,5445).
05949764803
(C) (0,4620; 0,5380).

(D) (0,4343; 0,5657).
(E) (0,4755; 0,5245).
Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 100 de

109

(ANTAQ – CESPE/2014) Com base no enunciado a seguir, julgue as afirmativas.
Exercício 34
05949764803
Exercício 35

109

Exercício 36
(IBGE – CESGRANRIO/2014)
Exercício 37
(PETROBRAS – CESGRANRIO/2012)
05949764803

109

Exercício 38
05949764803

109

Exercício 39
(DEPEN – CESPE/2015)
05949764803

109

Exercício 40
Exercício 41
05949764803

109

Exercício 42
Exercício 43
05949764803

109

Exercício 44
05949764803

109

Exercício 46
(SUSEP – ESAF/2010)
05949764803

109

2–a 38-b
3–a 39-a
4–C 40-F
5–C 41-F
6–e 42-V
7–b 43-e
8–b 44-b
9–e 45-c
10 – c
11 – C
12 – c
13 – C
14 - a
15 – E
16 – e
17 – b
18 – d
19 – e
20 – E
21 – E
22 – a
23 – a
24 – c
25 – d
26 – c
27 – b
28 – d
29 – c
30 – c 05949764803
31 – c
32 – a
33 – e
34 – V
35 – F
36 – b
37 – e
Estudem e mandem dúvidas! Vocês conseguirão realizar seus sonhos, basta se

esforçar!
Até a próxima!

109

1 4954047907520053491 PDF

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

1 4954047907520053491 PDF

Enviado por

Direitos autorais:

Formatos disponíveis

Aula 08

Estatística p/ AFRFB - 2016 (com videoaulas)

05949764803 - NECILDA LOURENCO PAULA

AULA 08 – Intervalo de Confiança e Teste de Hipóteses

1. Testes de Hipóteses e Intervalo de Confiança

1.1 Testando a média – distribuição normal

Para que você entenda, pense em um gráfico que represente a distribuição de

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 1 de 109

05949764803 - NECILDA LOURENCO PAULA

Veja, o parâmetro “média populacional” não é uma variável,

 Valores extremos com menor probabilidade de ocorrência;

No nosso exemplo, é de se esperar que alturas comuns no povo brasileiro (como o

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 2 de 109

05949764803 - NECILDA LOURENCO PAULA

Esta distribuição com formato de sino é muito comum e é chamada de distribuição

Se nós conhecermos bem essa nossa distribuição, podemos determinar valores

Em termos bem simples, o Teorema do Limite Central (TLC) afirma que,

variância , conforme a amostra tende para o infinito, sendo o tamanho

Cuidado! Quando estivermos analisando médias, devemos dividir a

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 3 de 109

05949764803 - NECILDA LOURENCO PAULA

No caso da média amostral, sabemos que:

Sendo a variável ( ) uma padronização da nossa média amostral ( ) por meio da

-“Tudo bem professor, mas por que fazer tudo isso”?

Perceba que o estudo que se segue não se aplica somente a médias,

Vamos a um exercício para vocês entenderem. Não tentem resolver sozinhos,

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 4 de 109

05949764803 - NECILDA LOURENCO PAULA

Dado que a altura média da população é de 1,70m e sabendo que o desvio

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 5 de 109

05949764803 - NECILDA LOURENCO PAULA

Agora faça assim, olhe a tabela de distribuição normal:

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 6 de 109

05949764803 - NECILDA LOURENCO PAULA

Este valor é a “probabilidade monocaudal” de o valor testado pertencer à nossa

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 7 de 109

05949764803 - NECILDA LOURENCO PAULA

Viu? Trata-se da probabilidade monocaudal, pois só estamos vendo a probabilidade

Portanto, no gráfico acima, estamos calculando a probabilidade de que o valor testado

Simples, não? Olhe um “resuminho”:

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 8 de 109

05949764803 - NECILDA LOURENCO PAULA

Mas, cuidado! Este é um caso em que estamos lidando com “probabilidade

Vamos a um exemplo para simplificar! Se ao invés de calcularmos a probabilidade de

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 9 de 109

05949764803 - NECILDA LOURENCO PAULA

Neste caso, o que estamos calculando é:

Entendeu? A probabilidade de encontrarmos um valor que varie em 0,062 da média

Essa aula é pesada! Respire um pouquinho antes de continuar!

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 10 de 109

05949764803 - NECILDA LOURENCO PAULA

2.2 Testando a média – teste de hipóteses e intervalo de confiança

-“Como assim, professor”?

Significância de um teste é o valor que é

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 11 de 109

05949764803 - NECILDA LOURENCO PAULA

Agora que vocês entenderam o que é significância de um teste, podemos realizar o

(Auditor da Previdência Social – ESAF/2002/modificada) A variância para o peso

O que o exercício está te pedindo é: a 95% de confiança, qual o intervalo que

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 12 de 109

05949764803 - NECILDA LOURENCO PAULA

Este valor ( ) é chamado de “margem de erro”. Isso mesmo! É aquele valor