Escolar Documentos
Profissional Documentos
Cultura Documentos
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!
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!
“Variável, professor, mas não estamos tratando da média calculada para nossa
amostra”?
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
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.
da amostra.
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”?
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
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
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:
05949764803
05949764803
Isso mesmo! O que estamos vendo é qual a probabilidade de que o valor calculado
esteja no intervalo amarelo abaixo:
05949764803
Assim:
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
Com base no que sabemos já somos capazes de testar hipóteses. A primeira coisa
que temos de estipular é “o que é muita coincidência”.
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:
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!
Faça a mesma coisa de novo! Resolva o exercício junto comigo e só depois faça
sozinho.
Exercício 2
e)
Resolução
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:
Alternativa (a).
Exercício 3
05949764803
Resolução
Questão bem difícil! Tem que pensar! Veja o raciocínio que você tem de fazer:
A média amostral não é difícil de ser calculada, pois já aprendemos isso em aulas
anteriores:
05949764803
Realizando a operação:
Alternativa (a).
Retornando à aula!
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
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.
Assim:
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:
Alternativa correta.
Para que vocês aprendam o uso de testes monocaudais, vamos refazer o exercício
com uma pequena modificação!
Exercício 5
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 de, no
mínimo, 15, com 5% de significância. Essa afirmação mostrou-se como
verdadeira.
Resolução
05949764803
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.
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:
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
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:
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
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.
05949764803
Assim, pode-se dizer que a expressão acima segue uma distribuição t de Student com
( ) graus de liberdade. Analiticamente:
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
Não se preocupe, a banca vai disponibilizar os valores das tabelas, você só tem que
aprender como usá-las!
Exercício 7
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.
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
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:
Agora é fácil:
Então:
Alternativa (b).
05949764803
Exercício 9
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:
Alternativa (e).
Exercício 10
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.
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.
Calculando o valor de :
Portanto, o item está correto, pois o valor calculado encontra-se entre 950m² e
1000m².
Retornando!
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
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:
05949764803
Exercício 12
Resolução
Alternativa (c).
05949764803
Exercício 13
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
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?
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!
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.
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.
Este valor nos diz qual a probabilidade de que um determinado teste rejeite a
hipótese nula quando ela é falsa.
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.
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
Resolução
Assim, na média, temos 85% de chance de acertar! Essa é nossa média amostral
( ). Por simplicidade, vamos chamar a este valor de ( ).
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
Então, nós temos como saber qual a variância da população se hipótese feita for
verdadeira:
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:
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!
O que chega mais próximo é a alternativa (a). Esta é a correta! Faça com a
calculadora e confirme o raciocínio.
05949764803
Lembre-se de que este é um teste monocaudal, portanto, vocês devem procurar uma
probabilidade de, aproximadamente 0,40 na tabela!
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.
(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:
05949764803
Exercício 15
Resolução
Exercício 16
Resolução
Alternativa (e).
Exercício 17
Resolução
Alternativa (b).
Exercício 18
Alternativa (d).
Exercício 19
05949764803
Resolução
Olhe, quando o exercício te diz “diferença entre média amostral e ”, ele está falando
de:
Alternativa (e).
Exercício 20
Resolução
Alternativa errada.
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
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
Resolução
Bom, vamos testar esta moeda que mostra uma probabilidade de obter cara de:
Alternativa (a).
Exercício 23
Resolução
A questão agora é que o que é pedido é o p-valor. Mas, o que é o p-valor? Vamos
05949764803
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.
Veja que nem precisamos calcular o denominador, pois o numerador é igual à zero.
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.
Alternativa (a).
Exercício 24
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.
Alternativa (c).
Exercício 25
Resolução
05949764803
Assim:
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
Alternativa (c).
Exercício 27
(SEMAD – FUNCAB\2013)
05949764803
Resolução
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%.
Exercício 28
Resolução
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
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
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.
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
é é
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:
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
Resolução
Alternativa (a).
Exercício 33
Resolução
05949764803
Ou:
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.
O que corresponde a:
Alternativa (e).
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%!
çã
Alternativa verdadeira.
Exercício 35
Resolução
á ç
ç
ç
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
Tanto faz qual dos dois você vai utilizar. Vamos utilizar o de baixo:
05949764803
Alternativa (b).
Exercício 37
(PETROBRAS – CESGRANRIO/2012)
Resolução
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.
â é é
E a média:
Portanto:
Alternativa (b).
05949764803
Exercício 39
(SUSAM – FGV/2014)
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
Alternativa errada.
05949764803
Exercício 41
Resolução
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
ç çã
ã
â ã
No enunciado afirma-se que o valor de z será igual a 2 para 95% de confiança. Assim:
Alternativa (e).
Exercício 44
(MPOG – ESAF/2015)
05949764803
Resolução
Esta questão poderia ter sido sujeita a anulação. Por que? Pelo enunciado muito mal
especificado.
Porque a normal padrão é mais fácil de ser avaliada e tem uma tabela que permite
05949764803
Veja, pode-se provar que uma variável ( ) com distribuição normal pode ser
transformada em uma normal padronizada por meio da seguinte operação:
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.
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.
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
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:
Alternativa (c).
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
Exercício 2
05949764803
Exercício 3
Exercício 4
05949764803
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.
Exercício 5
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 de, no
mínimo, 15, com 5% de significância. Essa afirmação mostrou-se como
verdadeira.
Exercício 6
a) 50%
b) 39%
c) 23%
d) 16%
e) 11%
05949764803
Exercício 7
Exercício 8
05949764803
Exercício 9
Exercício 10
(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:
Exercício 11
05949764803
A média amostral produzida pelo teste estatístico foi superior a 950 m² e inferior
a 1000 m².
Exercício 12
Exercício 13
Exercício 14
05949764803
a) -5,27
(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:
Exercício 15
Exercício 16
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
Exercício 18
Exercício 19
Exercício 20
Exercício 21
Suponha que o objetivo seja testar a hipótese nula de que a média populacional
05949764803
Exercício 22
Exercício 23
, sendo a proporção
populacional dos itens dentro das especificações.
a) 0,5
b) 0,05
c) 0,025
d) 0,01
e) 0,1
Exercício 24
Exercício 25
05949764803
Exercício 26
(SEPLAG MG – FUNCAB\2014)
Exercício 27
(SEMAD – FUNCAB\2013)
05949764803
Exercício 28
Exercício 29
(ARSAE – FUNCAB\2014)
05949764803
Exercício 30
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
Exercício 32
Exercício 33
Exercício 34
05949764803
Exercício 35
Exercício 36
(IBGE – CESGRANRIO/2014)
Exercício 37
(PETROBRAS – CESGRANRIO/2012)
05949764803
Exercício 38
(SUSAM – FGV/2014)
05949764803
Exercício 39
(SUSAM – FGV/2014)
(DEPEN – CESPE/2015)
05949764803
Exercício 40
Exercício 41
05949764803
Exercício 42
Exercício 43
(MPOG – ESAF/2015)
05949764803
Exercício 44
(MPOG – ESAF/2015)
05949764803
Exercício 46
(SUSEP – ESAF/2010)
05949764803
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
Até a próxima!