Estatistica Geral e Aplicada PDF

Gilberto de Andrade Martins
Estatística Geral
e Aplicada
Solução dos Exercícios
2a Edição
SÃO PAULO
EDITORA ATLAS S.A. – 2002
Soluções e Respostas
Capítulo 2 – Estatística Descritiva
SÉRIE I
2.1
Oceano Antártico Ártico Atlântico Índico Pacífico

Área (milhões
36,8 23,2 199,4 137,9 342,7
km2)
Área dos Oceanos (em colunas)
400
350
Área (milhões km2)
300
250
200
150
100
50
0
Antártico Ártico Atlântico Índico Pacífico
Oceano
Área dos Oceanos (em barras)
Pacífico
Índico
Oceanos
Atlântico
Ártico
Antártico
0 50 100 150 200 250 300 350 400

Área (milhões km2)
Área dos Oceanos (em pizza)
5%
3%
Antártico
Ártico
27% Atlântico
46%
Índico
Pacífico
19%
2.2
Natureza Valor
Dívida externa líquida 111631
Governo federal e Bacen 248292
Governos estaduais e municipais 167850
Empresas estatais 13324
Dívida líquida total do setor público de maio de 2000 (em colunas)
300000
250000
200000
Valor
150000
100000
50000
0
Dívida externa Governo federal e Governos estaduais Empresas estatais
líquida Bacen e municipais
Natureza
Dívida líquida total do setor público de maio de 2000 (em barras)
Empresas estatais
Governos estaduais e
Natureza
municipais
Governo federal e
Bacen
Dívida externa líquida
0 50000 100000 150000 200000 250000 300000

Valor
Dívida líquida total do setor público de maio de 2000 (em pizza)
2%
21% Dívida externa líquida
31%
Governo federal e Bacen
Governos estaduais e
municipais
Empresas estatais
46%
2.3
a) Amplitude: r = 97 – 33 = 64
Nº de intervalos: k • 1 + 3,22 * log50 • 7
Tamanho do intervalo: h • 64 / 7 • 10
Classe Intervalos Fi fi % Fac fac %ac xi

1 30 • 40 4 0,08 8 4 0,,08 8 35
2 40 • 50 6 0,12 12 10 0,20 20 45
3 50 • 60 8 0,16 16 18 0,36 36 55
4 60 • 70 13 0,26 26 31 0,62 62 65
5 70 • 80 9 0,18 18 40 0,80 80 75
6 80 • 90 7 0,14 14 47 0,94 94 85
7 90 • 100 3 0,06 6 50 1,00 100 95
Somas 50 1 100
b)
His togr ama de Fr eqüênc ia A bs oluta
14
12
10
8
Fi
0
30 • 40 40 • 50 50 • 60 60 • 70 70 • 80 80 • 90 90 • 100
Inter v alos de Clas s es
His tograma de Fr eqüênc ia Relativ a
0,3
0,25
0,2
fi 0,15
0,1
0,05
0
30 • 40 40 • 50 50 • 60 60 • 70 70 • 80 80 • 90 90 • 100
c) 60 • 70.
d) 19 alunos.
e) x1 = 35.
2.4
a) Amplitude: r = 190 – 151 = 39.
b) Nº de intervalos: k • 1 + 3,22 * log100 • 8.
c) Tamanho do intervalo: h • 39 / 8 • 5.
d) e e)
Classe Intervalos Fi fi % Fac fac %ac xi
1 151 • 156 4 0,04 4 4 0,04 4 153,5
2 156 • 161 4 0,04 4 8 0,08 8 158,5
3 161 • 166 11 0,11 11 19 0,19 19 163,5
4 166 • 171 33 0,33 33 52 0,52 52 168,5
5 171 • 176 17 0,17 17 69 0,69 69 173,5
6 176 • 181 17 0,17 17 86 0,86 86 178,5
7 181 • 186 9 0,09 9 95 0,95 95 183,5
8 186 • 191 5 0,05 5 100 1,00 100 188,5
Ó 100 1 100
f)
His tograma de Fr eqüênc ia A bs oluta
35
30
25
20
Fi
15
10
5
0
151 • 156 • 161 • 166 • 171 • 176 • 181 • 186 •
156 161 166 171 176 181 186 191
His tograma de Fr eqüênc ia Relativ a
0,35
0,3
0,25
0,2
fi
0,15
0,1
0,05
0
151 • 156 • 161 • 166 • 171 • 176 • 181 • 186 •
156 161 166 171 176 181 186 191
g) A menor altura é 1,51 m, enquanto a maior altura atinge 1,90m. Entre 1,66 e 1,70m,
encontram-se 33% do total. A quantidade de pessoas altas é maior do que a proporção de
pessoas com estaturas mais baixas – 48% = 17% + 17% + 9% + 5% têm alturas superiores a
1,70 m, enquanto 19% = 11% + 4% + 4% possuem alturas inferiores a 1,65m.
2.5
-
SÉRIE II
2.6
xmedia = Ónotas / nº de notas = 35,5 / 7 = 5,07 ou seja, aluno APROVADO.
2.7
xmedia = Ódefeitos / nº de computadores = (15 * 0 + ... + 6 * 6) / 100 = 2,21.
2.8
a) xmedia = (Óxi * Fi) / n = (3 * 2 + ...+ 12 * 3) / 22 = 6,82.
b) xmedia = (Óxi * Fi) / n = (10 * 5 + ... + 13 * 6) / 29 = 11,59.
c) xmedia = (Óxi * Fi) / n = (2 * 3 + ... + 6 * 3) / 28 = 4.
d) xmedia = (Óxi * fi) = (7 * 1/16 + ... + 11 * 5/16) = 9,03.
e) xmedia = (Óxi * Fi) / n = (85 * 5 + ... + 90 * 5) / 24 = 87,88.
f) xmedia = (Óxi * Fi) / n = (5 * 18 + ... + 17 * 12) / 175 = $ 1061,00.
2.9
Média aritmética dos dados não agrupados = Ó obs ervações / n = 3230 / 50 = 64,60.
Média aritmética dos dados agrupados= (Óxi * Fi) / n = (4 * 35 + ... + 3 * 95) / 50 = 65.
Diferença: 64,60 – 65 = – 0,4.
2.10
Média aritmética dos dados não agrupados = Ó obs ervações / n = 17138 / 100 = 171,38.
Média aritmética dos dados agrupados= (Ó xi * Fi) / n = (4 *153,5 + ... + 5 * 188,5) / 100 =
171,85.
Diferença: 171,38 – 171,85 = – 0,47 m.
2.11
-
SÉRIE III
2.12
I) xmediana (n ímpar ) = 4.
II) xmediana (n par) = 5.
III) xmediana (n ímpar) = 8.
IV) xmediana (n par) = 87.
2.13
I) xmediana (n par ) = 4.
II) xmediana (n ímpar) = 77.
III) xmediana (n par) = 13.
IV) xmediana (n ímpar) = 235.
2.14
I) n / 2 = 29 / 2 = 14,5
xmediana = lMd + [(n / 2 – Óf) * h] / FMd = 5 + [(14,5 – 8) * 2] / 8 = 6,63.
II) n / 2 = 93 / 2 = 46,5
xmediana = lMd + [(n / 2 – Óf) * h] / FMd = 28 + [(46,5 – 43) * 3] / 30 = 28,35.
2.15
I) Maior número de observações iguais, Mo = 7.
II) Maior número de observações iguais, Mo = 43.
2.16
I) Maior número de observações iguais, Mo = 80.
II) Maior número de observações iguais, Mo = 3,5.
2.17
I) Maior número de observações iguais 13 • 16

Mo = lMo + [Ä1 / (Ä1 + Ä2)] * h = 13 + [5 / (5 + 5)] * 3 = 14,5.
II) Maior número de observações iguais 20 • 30

Mo = lMo + [Ä1 / (Ä1 + Ä2)] * h = 20 + [5 / (5 + 3)] * 10 = 26,25.
2.18
I) i * n / 10 = 6 * 35 / 10 = 21
Di = lDi + [(i * n / 10 – Óf) * h] / FDi = 8 + [(21 – 15) * 2] / 15 = 8,08, ou seja, 60% dos valores
da amostra estão abaixo do valor 8,08.
i * n / 100 = 65 * 35 / 100 = 22,75
Pi = lPi + [(i * n / 100 – Óf) * h] / FPi = 8 + [(22,75 – 15) * 2] / 15 = 9,03, ou seja, 65% dos
valores da amostra estão abaixo do valor 9,03.
i * n / 4 = 35 / 4 = 8,70
Qi = lQi + [(i * n / 4 – Óf) * h] / FQi = 6 + [(8,70 – 4) * 2] / 11 = 6,86, ou seja, 25% dos valores
II) i * n / 10 = 2 * 24 / 10 = 4,8
Di = lDi + [(i * n / 10 – Óf) * h] / FDi = 30 + [(4,8 – 3) * 10] / 5 = 33,60, ou seja, 20% dos
i * n / 100 = 43 * 24 / 100 = 10,32
i * n / 4 = 3 * 24 / 4 = 18
Qi = lQi + [(i * n / 4 – Óf) * h] / FQi = 40 + [(18 – 8) * 10] / 10 = 50,00, ou seja, 75% dos valores
2.19
a) xmedia = (Óxi * Fi) / n = (0 * 20 + ...+ 4 * 3) / 53 = 1,17 acidentes por dia.
b) xmediana (n ímpar ) = 1.
c) Maior número de observações iguais, Mo = 0.
d) P% = (10 + 5 + 3) / 53 = 34%.
2.20
a)
Xi 1 2 3 4 5 6 7 8 9 10
Fi 1 1 5 6 3 2 3 2 0 1
b) xmedia = (Óxi * Fi) / n = (1 * 1 + ...+ 10 * 1) / 24 = 4,83.

xmediana (n par ) = 4.
Maior número de observações iguais, Mo = 4.
2.21
a) xmedia = (Óxi . Fi) / n = (12 * 15 + ...+ 40 * 5) / 163 = 22,99 anos.
b) n / 2 = 163 / 2 = 81,50, ou seja, no intervalo 18 • 22

Xmediana = lXmed + [(n / 2 – Óf) * h] / FXmrd = 18 + [(81,50 – 43) * 4] / 40 = 21,85 anos.
c) Maior número de observações iguais 18 • 22

Mo = lMo + [Ä1 / (Ä1 + Ä2)] * h = 18 + [12 / (12 + 10)] * 4 = 20,18 anos é a idade mais
freqüente da amostra.
d) i * n / 10 = 3 * 163 / 10 = 48,90
Di = lDi + [(i * n / 10 – Óf) * h] / FDi = 18 + [(48,90 – 43) * 4] / 40 = 18,59, ou seja, 30% das
pessoas deste grupo têm idade inferior a 18,59.
e) i * n / 4 = 163 / 4 = 40,75
Qi = lQi + [(i * n / 4 – Óf) * h] / FQi = 14 + [(40,75 – 15) * 4] / 28 = 17,58.
f) i * n / 100 = 80 * 163 / 100 = 130,40

Pi = lPi + [(i * n / 100 – Óf) * h] / FPi = 26 + [(130,40 – 113) * 4] / 20 = 29,48, ou seja, 20% das
pessoas deste grupo têm idade superior a 29,48.
2.22
a) Amplitude: r = 98 – 33 = 65.
b) Nº de intervalos: k• 1 + 3,22 * log50 • 7.
c) Tamanho do intervalo: h • 65 / 7 • 10.
d) e) f) g) e h)
Classe Intervalos Fi fi XI Fac
1 30 • 40 4 0,08 35 4
2 40 • 50 6 0,12 45 10
3 50 • 60 8 0,16 55 18
4 60 • 70 12 0,24 65 30
5 70 • 80 9 0,18 75 39
6 80 • 90 7 0,14 85 46
7 90 • 100 4 0,08 95 50
Ó 50 1
i)
His to g r a ma d e Fr e q ü ê n c ia A b s o lu ta
14
12
10
8
Fi
6
4
2
0
30 • 40 40 • 50 50 • 60 60 • 70 70 • 80 80 • 90 90 • 100
In te r v a lo s d e Cla s s e s
j) xmedia = (Óxi . Fi) / n = (35 * 4 + ...+ 95 * 4) / 50 = 65,60.
l) Maior número de observações iguais 60 • 70

Mo = lMo + [Ä1 / (Ä1 + Ä2)] * h = 60 + [4 / (4 + 3)] * 10 = 65,71.
m) n / 2 = 50 / 2 = 25, ou seja, no intervalo 60 • 70

Xmediana = lXmed + [(n / 2 – Óf) * h] / FXmrd = 60 + [(25 – 18) * 10] / 12 = 65,38, ou seja, 50%
das notas deste grupo estão abaixo de 65,38.
n) i * n / 4 = 50 / 4 = 12,50
Qi = lQi + [(i * n / 4 – Óf) * h] / FQi = 50 + [(12,50 – 10) * 10] / 8 = 53,125, ou seja, 25% dos
alunos deste grupo tiraram notas inferiores a 53,125.
o) i * n / 100 = 55 * 50 / 100 = 27,50

alunos deste grupo tiraram notas superiores a 53,125.
SÉRIE IV
2.23
a) Amplitude: r = 12 – 2 = 10.
2 2 2
b) S = 1 / (n – 1) * [Óxi – (Óxi) / n] = 1 / (7 – 1) * [347 – (1849) / 7] = 13,81.
2 1/2 1/2
c) S = (S ) = (13,81) = 3,72.
2.24
Intervalos Fi xi xi * Fi xi2 * Fi
2• 4 3 3 9 27
4• 6 5 5 25 125
6• 8 8 7 56 392
8 • 10 6 9 54 486
10 • 12 3 11 33 363
Ó 25 177 1393
2 2 2 2
S = 1 / (n – 1) * [Ó(xi * Fi) – (Óxi * Fi) / n] = 1 / (25 – 1) * [1393 – (177) / 25] = 5,83.
2.25
Intervalos Fi xi xi * Fi xi2 * Fi
40 • 45 4 42,5 170 7225
45 • 50 10 47,5 475 22562,5
50 • 55 15 52,5 787,5 41343,75
55 • 60 8 57,5 460 26450
60 • 65 5 62,5 312,5 19531,25
65 • 70 3 67,5 202,5 13668,75
Ó 45 2407,5 130781,25
a) xmedia = (Óxi . Fi) / n = 2407,5 / 45 = 53,5 kg.

2 2 2 2
b) S = 1 / (n – 1) * [Ó(xi * Fi) – (Óxi * Fi) / n] = 1 / (45 – 1) * [130781,25 – (2407,5) / 45] = 45
kg.
c) CV = (S / xmedia) * 100 = (6,71 / 53,5) * 100 = 12,54%.
d) Maior número de observações iguais 50 • 55

Mo = lMo + [Ä1 / (Ä1 + Ä2)] * h = 50 + [5 / (5 + 7)] * 5 = 52,08 kg
AS = (xmedia – Mo) / S = (53,5 – 52,08) / 6,71 = 0,21, portanto, a distribuição não é simétrica.
2.26
xmedia = (Óxi . Fi) / n = (2 * 2 + ... + 10 * 2) / 7 = 6.

CV = (S / xmedia) * 100 = (3,02 / 6) * 100 = 50,33%, portanto, a amostra tem elevada dispersão.
2.27
CVA = (SA / xmediaA) * 100 = (40 / 150) * 100 = 26,67%
CVB = (SB / xmediaB) * 100 = (50 / 200) * 100 = 25,00%
CVC = (SC / xmediaC) * 100 = (60 / 300) * 100 = 20,00%
a) A tem desvio padrão de 40, portanto, é a caixa com menor variação absoluta na pressão
de ruptura.
b) A tem o coeficiente de variação de 26,67%, portanto, é a caixa com maior variação relativa
na pressão de ruptura.
2.28
a) Amplitude: r = 44 – 14 = 30
Nº de intervalos: k• 1 + 3,22 * log30 • 6
Classe Intervalos Fi
1 14 • 19 4
2 19 • 24 6
3 24 • 29 5
4 29 • 34 4
5 34 • 39 2
6 39 • 44 9
Ó 30
b)
10
9
8
7
6
5
Fi
4
3
2
1
0
14 • 19 19 • 24 24 • 29 29 • 34 34 • 39 39 • 44
In te r v a lo s d a s Cla s s e s
c) xmedia = (Óxi . Fi) / n = (16,5 * 4 + .. + 41,5 * 9) / 30 = 900 / 30 = 30 anos.

2 2 2 2
S = 1 / (n – 1) * [Ó(xi * Fi) – (Óxi * Fi) / n] = 1 / (30 – 1) * [29507,5 – (900) / 30] = 86,47
2 1/2 1/2
S = (S ) = (86,47) = 9,30.
2.29
a) xmedia = 45 s
2 1/2 1/2
S = (S ) = (400) = 20 s
CV1 = (S / xmedia) * 100 = (20 / 45) * 100 = 44,50%.
b) xmedia = (Óxi . Fi) / n = (20 * 10 + ... + 80 * 5) / 60 = 2700 / 60 = 45 s.

2 2 2 2 2
c) S = 1 / (n – 1) * [Ó(xi * Fi) – (Óxi * Fi) / n] = 1 / (60 – 1) * [135000 – (2700) / 60] = 228,81s
2 1/2 1/2
S = (S ) = (228,81) = 15,13 s.
d) xmedia = (Óxi . Fi) / n = (40 * 45 + 60 * 45) / 100 = 45 s.
e) CV2 = (S / xmedia) * 100 = (15,13 / 45) * 100 = 34,00%, portanto, a equipe 2 apresentou
resultados mais homogêneos, uma vez que tem CV (34%) menor que a equipe 1 (44%) .
f) Equipe 2.
2.30
a) Amplitude: r = 16 – 1 = 15
Nº de intervalos: k• 6
Tamanho do intervalo: h • 3
1 1• 4 14
2 4• 7 14
3 7 • 10 11
4 10 • 13 8
5 13 • 16 11
6 16 • 19 2
Ó 60
b)
16
14
12
10
8
Fi
6
4
2
0
1 • 4 4 • 7 7 • 10 10 • 13 13 • 16 16 • 19
In te r v a lo s d e Cla s s e s
c) xmedia = (Óxi . Fi) / n = (14 * 2,5 + ... + 2 * 17,5) / 60 = 8,20.
d) n / 2 = 60 / 2 = 30, ou seja, no intervalo 7 • 10

Xmediana = lXmed + [(n / 2 – Óf) * h] / FX = 7 + [(30 – 28) * 3] / 11 = 7,55, ou seja, metade das
rendas estão abaixo de $ 7550.
e) i * n / 4 = 3 * 60 / 4 = 45
Qi = lQi + [(i * n / 4 – Óf) * h] / FQi = 10 + [(45 – 39) * 3] / 8 = 12,25, ou seja, 75% das rendas
estão abaixo de $ 12250.
f) i * n / 10 = 4 * 60 / 10 = 24
Di = lDi + [(i * n / 10 – Óf) * h] / FDi = 4 + [(24 – 14) * 3] / 14 = 6,14, ou seja, 40% das rendas
estão abaixo de $ 6140.
g) i * n / 100 = 47 * 60 / 100 = 28,20
Pi = lPi + [(i * n / 100 – Óf) * h] / FPi = 7 + [(28,20 – 28) * 3] / 11 = 7,05, ou seja, 47% das
rendas estão abaixo de $ 7055.
h) i * n / 4 = 60 / 4 = 15
Qi = lQi + [(i * n / 4 – Óf) * h] / FQi = 4 + [(15 – 14) * 3] / 14 = 4,21.
2 2 2 2
i) S = 1 / (n – 1) * [Ó(xi * Fi) – (Óxi * Fi) / n] = 1 / (60 – 1) * [5289 – (492) / 60] = 21,26.
2 1/2 1/2
j) S = (S ) = (21,26) = 4,61.
l) CV = (S / xmedia) * 100 = (4,61 / 8,20) * 100 = 56,00%.
m) Maior número de observações iguais 1 • 4

Mo = lMo + [Ä1 / (Ä1 + Ä2)] * h = 1 + [14 / (14 + 0)] * 3 = 4
AS = (xmedia – Mo) / S = (8,20 – 4) / 4,61 = 0,91, portanto, a distribuição não é simétrica.
n) O intervalo xmedia – S a xmedia + S, ou seja, $ 3590 e $ 12810 contém aproximadamente 60%

das rendas.
2.31
-
SÉRIE IV
2.32
1. b, por definição de média.
2. b, uma vez que o maior número de observações iguais é 60.
3. c, por definição de mediana.
4. d, uma vez que a média leva em conta todos estes desvios, a soma deles deve ser zero.
5. b, uma vez que 70 é a média das observações além de separar em dois grupos com a
mesma quantidade.
6. a, por definição de moda.
7. d, uma vez que n = 100, a mediana será 50 (10 + 25 + 15), ou seja, 7.
8. b, uma vez que numa amostra de n = 5, a mediana é o 3º item, deixando dois de cada lado.
9. d, por definição de medidas de assimetria.
10. a, por definição de coeficiente de variância.
11. a, por definição de variância.
12. d, por definição de desvio padrão.
13. d, uma vez que n = 6, a mediana será [(n / 2) + (n / 2 +1)] / 2, ou seja, 45.
14. a, uma vez que a curva a é mais alargada horizontalmente, tem desvio padrão maior.
15. d, uma vez que apesar de A ter maior dispersão absoluta, ao se calcularem os coeficientes
de variância de ambas as turmas, chega-se ao mesmo valor: 50%.
16. d, uma vez que a variância é o quadrado do desvio padrão.
17. b, por definição de mediana.
18. a, uma vez que n = 20, o 1º quartil será a média entre o 5º e o 6º item, ou seja, 5.
19. b, uma vez que CV = (S / Xmedia) * 100, Estatística é 20% e História é 25%.
20. b, por definição.
21. d, uma vez que Xmedia = (Óxi . Fi) / n = (2 * 2500 + ... + 3 * 22000) / 10 = 10500.
22. c, por definição.
23. d, uma vez que Mo = lMo + [Ä1 / (Ä1 + Ä2)] * h = 50 + [15 / (15 + 10)] * 10 = 56.
24. b, uma vez que Xmedia = (Óxi . Fi) / n = (5 * 175 + ... + 3 * 475) / 10 = 3130 / 10 = 313.
25. c, uma vez que P45 = 40 + [(409,50 – 210) * 10] / 250 = 47,98.
26. c, uma vez que D5 = 6 + [(15 – 12) * 2] / 10 = 6,60.

27. a, uma vez que Xmedia = (Óxi . Fi) / n = (3 * 1 + ... + 15 * 5) / 8 = 96 / 8 = 12.
2 2
28. d, uma vez que S = 1 / (5 – 1) * [73600 – (600) / 5] = 400, ou seja, S = 20.
2 2
29. a, uma vez que S = (1 / 5) * [108 – (22) / 5] = 2,24.
30. b, por definição de média.

Capítulo 3 – Probabilidades
SÉRIE I
3.1
e) S = {1C, 2C, 3C, 4C, 5C, 6C, 1K, 2K, 3K, 4K, 5K, 6K}, onde C = cara e K = coroa.
f) A = {K2, K4, K6}

B = {C1, C3, C5}
C = {3C, 6C, 3K, 6K}.
g)
a. Bcompl. = S – B = {C2, C4, C6, K1, K2, K3, K4, K5, K6}
b. A U B = A + B = {K2, K4, K6, C1, C3, C5}
c. B • C = {3C}
d. (A U B)compl. = (Acompl • Bcompl) = {K1, K3, K5, C2, C4, C6}.
h) Apenas A e B são mutuamente exclusivos uma vez que A • B = Ø.
3.2
a) P(Acompl) = 1 – P(A) = 1 – ½ = ½.
b) P(Bcompl) = 1 – P(B) = 1 – ¼ = ¾.
c) P(A • B) = 0, uma vez que A e B s ão mutuamente exclusivos.
d) P(A U B) = P(A) + P(B) = ½ + ¼ = ¾.
e) P(Acompl • B compl) = 1 – [P(A • B)] = 1.
3.3
a) P(A U B) = P(A) + P(B) – P(A • B) = ½ + 1/3 – ¼ = 7/12.
b) P(Acompl U Bcompl) = P(A • B) compl = 1 – P(A • B) = 1 – ¼ = ¾.
c) P(Acompl • B compl) = P(A U B) compl = 1 – P(A U B) = 1 – 7/12 = 5/12.
3.4
a) Seja A = {(x1)/ x1 = par}, P(A) = 3/6 = ½.
b) Seja A = {(x1)/ x1 = rei}, P(A) = 4/52 = 1/13.
c) Seja A = {(x1, x2, x3)/ x1 = x2 = x3 = K}, P(Acompl) = 1 – A = 1 – (½ . ½ . ½) = 7/8.

n n n
d) Seja A = {(x1, ..., xn)/ x1 = ... = xn = K}, P(Acompl) = 1 – A = 1 – (½) = (2 – 1)/2 .
e) P(ambas copas, sem reposição) = P(1ª copas) * P(2ª copas) = 13/52 * 12/51 = 1/17.
f) P(1 copas e 1 ouros sem reposição) = P(copas) * P(ouros) + P(ouros) * P(copas) =
13/52 * 13/51 + 13/52 + 13/51 = 13/102 ou,
13 13 52
P(F) = 1 * 1 2 = (13/1 * 13/1) / (52 * 51/ 2 * 1) = 13/102.
3.5
a) Seja A = {(x1)/ x1 / 5}, P(A) = 10/50 = 1/5.
b) Seja A = {(x1)/ x1 = _3}, P(A) = 5/50 = 1/10.
c) Seja A = {(x1)/ x1 = primo}, P(A) = 15/50 = 3/10.
d) Seja A = {(x1)/ x1 / 6} = 8 e B = {(x1)/ x1 / 8} = 6,

P(A U B) = P(A) + P(A) – P(A • B) = 8/50 + 6/50 – 2/50 = 12/50 = 6/25.
3.6
Seja A = {(x1)/ x1 = rei} = 4 e B = {(x1)/ x1 = 1 carta de copas} = 13

P(A U B) = P(A) + P(B) – P(A • B) = 4/52 + 13/52 – 1/52 = 16/52 = 4/13.
3.7
a) Seja A = {(x1, x2)/ x1 + x2 < 4}, P(A) = 3/36 = 1/12.
b) Seja A = {(x1, x2)/ x1 + x2 = 9}, P(A) = 4/36 = 1/9.
c) Seja A = {(x1, x2)/ x1 > x2}, P(A) = 15/36 = 5/12.
3.8
Seja A = {(x1, x2)/ x1 + x2 = 10}, P(A) = 8/90 = 4/45.
3.9
a) Seja A = {(x1)/ x1 = defeitos graves}, P(Acompl) = 1 – P(A) = 1 – 1/8 = 7/8.
b) Seja A = {(x1)/ x1 = boas}, P(A) = 10/16 = 5/8.
c) Seja A = {(x1)/ x1 = com defeitos}, P(Acompl) = 1 – P(A) = 1 – ¼ = ¾.
3.10
a) P(ambas perfeitas, sem reposição) = P(1ª perfeita) * P(2ª perfeita) = 10/16 * 9/15 = 3/8.
b) P(ao menos uma é perfeita) = P[(P1 • P 2) U (P1 • D 2) U (D1 • P 2)] = P(P1) * P(P2/P1) +
P(P1) * P(D2/P1) + P(D1) * P(P2/D1) = 10/16 * 9/15 + 10/16 * 6/15 + 6/16 * 10/15 = 7/8.
c) P(nenhuma com defeito grave) = P(sem d.g.) * P(sem d.g.) = 14/16 * 13/15 = 91/120.
d) P(nenhuma perfeita) = P(imperfeitas) * P(imperfeitas) = 6/16 * 5/15 = 1/8.

3.11
a) P(pretas) = P(1ª preta) * P(2ª preta) * P(3ª preta) = 6/11 * 5/10 * 4/9 = 4/33.
b) P(uma branca) = P(B1) * P(P2) * P(P3) + P(P1) * P(B2) * P(P3) + P(P1) * P(P2) * P(B3) ou
3 * P(B1, P2, P3) = 5/11 * 6/10 * 5/9 + 6/11 * 5/10 * 5/9 + 6/11 * 5/10 * 5/9 = 5/11.
c) P(ao menos uma é preta) = 1 – P(brancas) = 1 – P(B1) * P(B2/B1) * P(B3/B2/B1) = 1 –

5/11 * 4/10 * 3/9 = 1 – 2/33 = 31/33.
3.12
O número total de resultados possíveis = C12,7

O número de resultados favoráveis: C5,3 (3 do 4º ano) * C4,2 (2 do 2º ano) * C3,2 (2 do 3º ano)
P(A) = (C5,3 * C4,2 * C3,2) / C12,7 = (5/3 * ... * 3/1) * (4/2 * 3/1) * (3/2 * 2/1) / (12/7 * ... * 6/1) = 5/22.
3.13
O número total de resultados possíveis = CN,n

O número de resultados favoráveis: CNv,nv (nv de vermelhas) * CNa,na (na de azuis) * CNp,np (np de
pretas)
P(A) = (CNv,nv * CNa,na * CNp,np) / CN,n
Nv Na Np N
P(A) = nv * na * np n .
3.14
a) P(A U B) = P(A) + P(B) – P(A • B) = ½ + 1/3 – ¼ = 7/12.
b) P(A/B) = P(A • B) / P(B) = ¼ / 1/3 = ¾.
c) P(B/A) = P(A • B) / P(A) = ¼ / ½ = ½.
d) P[(A U B)/B] = P[(A U B) • B] / P(B) = P(B) / P(B) = 1.
3.15
P(Acompl/Bcompl) = P(Acompl • B compl) / P(Bcompl) = [P(A U B) compl] / [1 – P(B)] = 5/12 / 2/3 = 5/8.
P(Bcompl/Acompl) = P(Bcompl • A compl) / P(Acompl) = [P(B U A) compl] / [1 – P(A)] = 5/12 / ½ = 5/6.
3.16
Seja A = {(x1)/ x1}, P(A) = 365/365

2
Seja B = {(x1, x2)/ x1 • x 2}, P(B) = 365/365 * (365 – 1)/365 = 365* (365 – 1)/365
Assim, de maneira geral o item xn terá probabilidade de [(365 – n + 1)/365],
Portanto, seja R = {(x1, x2, ..., xr )/ x1 • x 2 • ... • x r},
r
P(R) = 365/365 * [(365 – 1)/365] * ... * [(365 – r +1)/365] = 365 * 364 * ... * (365 – r + 1)/365 .
3.17
a) P(acertarem) = P(1º acertar) * P(2º acertar) * P(3º acertar) = 2/3 * 4/5 * 7/10 = 28/75.
b) P(apenas um acertar) = P(A1, E2, E3) + P(E1, A2, E3) + P(E1, E2, A3) = 2/3 * 1/5 * 3/10 +
1/3 * 4/5 * 3/10 + 1/3 * 1/5 * 7/10 = 25/150 = 1/6.
c) P(errarem) = P(1ª errar) * P(2ª errar) * P(3ª errar) = 1/3 * 1/5 * 3/10 = 1/50.
3.18
Seja P(1) = P(2) = P(3) = P(4) = p,

P(A U B) = P(A) + P(B) – P(A • B) : P(Corrente LR ) = P(F 1, F2) + P(F3, F4) – P(F1, F2 • F 3, F4)
2 4
P(F1, F2) = P(F3, F4) = p * p = p e P(F1, F2 • F 3, F4) = p * p * p * p = p
2 4 2 4
P(Corrente LR) = 2 * p – p = 2p – p .
3.19
P(duas da mesma cor) = P(B1, B2) + P(V1, V2) + P(P1, P2) = 5/12 * 5/18 + 4/12 * 6/18 + 3/12 *
7/18 = 35/108.
3.20
Seja A = {(x1, x2)/ x1 + x2 = R$ 1,50},

P(A) = P(U1, C2) + P(C1, U2) = 5/9 * 4/8 + 4/9 * 5/8 = 5/9.
3.21
Seja A = {(x1, x2, x3)/ x1, x2, x3 = 2 pretas e 1 vermelha} com reposição,
P(A) = P(P1, P2, V3) + P(P1, V2, P3) + P(V1, P2, P3) = 3 * 5/10 * 5/10 * 3/10 = 9/40.
3.22
Seja A = {(x1)/ x1 = 1 branca}, P(A) = 2/3.

Seja B = {(x2)/ x2 = 1 branca}, P(B) = P(Brancanova) / P(Totalnova) = (1 + 2/3)/4 = 5/12.
3.23
Seja T = {(s1)/ s1 = 1 branca}, P(T) = x / (x + y).

Seja U1 = {(s2)/ s2 = 1 branca}, P(U1) = P(Brancanova) / P(Totalnova) = {z + [x / (x + y)]} / (z + v + 1)
P(U2) = P(B1, B2) + P(V1, B2) = [x / (x + y)] * [(z + 1) / (z + v + 1)] + [y / (x + y)] * [z / (z + v + 1)].
3.24
Seja A = {(x1, x2, x3, x4)/ x1 = P, x2 = P, x3 = V, x4 = V} com reposição + 5 bolas da cor,

P(A) = P(P1, P2, V3, V4) = 10/15 * (10 + 5)/(15 + 5) * 5/(15 + 10) * (5 + 5)/(15 + 15) = 1/30
Seja A = {(x1, x2, x3, x4)/ x1 = P, x2 = V, x3 = P, x4 = V} com reposição + 5 bolas da cor,
P(A) = P(P1, V2, P3, V4) = 10/15 * 5/(15 + 5) * (10 + 5)/(15 + 10) * (5 + 5)/(15 + 15) = 1/30
Seja A = {(x1, x2)/ x1 = P, x2 = P} com reposição + 5 bolas da cor,
P(A) = P(P1, P2) = 1 * (10 + 5)/(15 + 5) = ¾.
3.25
a) P(duas perfeitas) = P(P1, P2) = 5/8 * 3/5 = 3/8.
b) P(uma defeituosa) = P(D1, P2) + P(P1, D2) = 3/8 * 3/5 + 5/8 * 2/5 = 19/40.
c) P(defeituosa vir de A) = P(D1, P2) / P(uma defeituosa) = (3/8 * 3/5) / (19/40) = 9/19.
3.26
a) P(só H viver) = P(M vivercompl) * P(H viver) = ¼ * 3/5 = 3/20.
b) P(só M viver) = P(H vivercompl) * P(M viver) = 2/5 * ¾ = 3/10.
c) P(ambos viverem) = P(H viver) * P(M viver) = 3/5 * ¾ = 9/20.
3.27
Seja A = {(x1, x2)/ x1 = B sabendo que x2 = B},

P(A) = P(B1, B2) / [P(B1, B2) + P(P1, B2)] = (½ * 2/3) / [(½ * 2/3) + (½ * ½)] = (1/3) / (1/3 * ½) =
4/7.
3.28
a) Seja A = {(x1, x2)/ x1 = x2 = mesma cor},

P(A) = P(P1, P2) + P(V1, V2) = ½ * 3/6 + ½ * 4/6 = 1/4 + 1/3 = 7/12.
b) Seja A = {(x1, x2)/ x1 = V sabendo que x2 = P},

P(A) = P(V1, P2) / [P(V1, P2) + P(P1, P2)] = (½ * 2/6) / (½ * 2/6 + ½ * 3/6) = (1/6) / (5/12) =
2/5.
3.29
a) Seja A = {(x1, x2)/ x1 = B ou V, x2 = V},

P(A) = P(B1, V2) + P(V1, V2) = 3/8 * (5 + 2)/(8 + 2 – 1) + 5/8 * (5 – 1)/(8 + 2 – 1) = 41/72.
b) Seja A = {(x1, x2)/ x1 = x2 = B ou V},

P(A) = P(B1, B2) + P(V1, V2) = 3/8 * (3 – 1)/(8 + 2 – 1) + 5/8 * (5 – 1)/(8 + 2 – 1) = 13/36.
3.30
a) Seja A = {(x1, x2)/ x1 = V sabendo que x2 = V},

P(A) = P(V1, V2) / [P(B1, V2) + P(V1, V2)] = (20/72) / (41/72) = 20/41.
b) Seja A = {(x1, x2)/ x1 = B sabendo que x1 = x2 = mesma cor},

P(A) = P(B1, B2) / [P(B1, B2) + P(V1, V2)] = (6/72) / (13/36) = 3/13.
3.31
a) Seja A = {(x1, x2)/ x1 = urna 1 ou 2, x2 = V},

P(A) = P(U11, V2) + P(U21, V2) = [(½) * x/(x + y)] + [(½) * z/(z + v)] = ½ * x/(x + y) + z/(z + v).
b) Seja A = {(x1, x2)/ x1 = B ou V, x2 = V},
P(A) = P(B1, V2) + P(V1, V2) = y/(x + y) * z/(z + v + 1) + x/(x +y) * (z + 1)/(z + v + 1) =
(y * z)/(x + y)(z + v + 1) + [(x * z) + (x)]/(x + y)(z + v + 1) = (yz + xz + x)/(x + y)(z + v + 1).
3.32
Seja A = {(s1, ..., sx + y) / s1, ..., sx = B, sx + 1, ..., sx + y = P},

P(A) = P(X1, ..., Xx, Yx + 1, …, Yx + y) = x/(x + y) * (x – 1)/(x + y – 1) * … * y/y * (y – 1)/ (y – 1)/ =
(x! y!) / (x + y)!
3.33
Seja,
A = {(2,6), (3,5), (4,4), (5,3), (6,2)}
B = {(1,1), (2,2), (3,3), (4,4), (5,5), (6,6)}
C = {(4,6), (5,5), (6,4)}
D = {(2,1), (3,1), (4,1), (5,1), (6,1), (3,2), (4,2), (5,2), (6,2), (4,3), (5,3), (6,3), (5,4), (6,4), (6,5)}
E = {(2,1), (4,2), (6,3)}
a) P(A/B) = P(A • B) / P(B) = 1/6.
b) P(C/D) = P(C • D) / P(D) = 1/15.
c) P(D/E) = P(D • E ) / P(E ) = 3/3 = 1.
d) P(A/C) = P(A • C) / P(C) = 0.
e) P(C/E) = P(C • E ) / P(E ) = 0.
f) P(C/A) = P(C • A) / P(A) = 0.
g) P(A/D) = P(A • D) / P(D) = 2/15.
h) P(B/C) = P(B • C) / P(C) = 1/3.
i) P(A/E) = P(A • E ) / P(E ) = 0.
j) P(B/E) = P(B • E ) / P(E ) = 0.
l) P(A/B • C) = [P(A • B) / P(B)] • P(C) = 0.
m) P[(A • B) / (C • D)] = [P(A • B) • P(C • D)] / [P(C • D)] = 0.
3.34
Seja A = {(x1, x2)/ x1 = caixa 1 ou 2 sabendo que x2 = P},

P(A) = P(C11, P2) / [P(C11, P2) + P(C21, P2)] = (1/2 * 7/10) / [(1/2 * 7/10) + (1/2 * 5/6)] = (7/20) /
(46/60) = 21/46
P(Acompl) = 1 – P(A) = 1 – 21/46 = 25/46.
3.35
Seja A = {(x1, x2)/ x1 = B sabendo que x2 = D},

P(A) = P(B/D) = [P(B • D) / P(D)] = {[P(B) * P(D/B)] / [P(A) * P(D/A) + P(B) * P(D/B) + P(C) *
P(D/C)]} = (1/6 * 3/5) / [(3/4 * 1/20) + (1/6 * 3/5) + (1/10 * 3/10)] = (1/10) / (67/400) = 40/67.
3.36
Seja A = {(x1, x2)/ x1 = M sabendo que x2 = 1,80},

P(A) = P(M1, A2) / [P(M1, A2) + P(H1, A2)] = (4/10 * 2/100) / [(4/10 * 2/100) + (6/10 * 5/100)] =
(1/125) / (19/500) = 4/19.
3.37
Seja A = {(x1, x2)/ x1 = B sabendo que x2 = D},

P(A) = P(B1, D2) / [P(A1, D2) + P(B1, D2) + P(C1, D2)] = (5/10 * 5/100) / [(4/10 * 3/100) + (5/10 *
5/100) + (1/10 * 2/100)] = (1/40) / (39/1000) = 25/39.
3.38
Seja A = {(x1, x2)/ x1 = T sabendo que x2 = Y positivo},

P(A) = P(T1, Y2) / [P(T1, Y2) + P(NT1, Y2)] = (1/10 * 80/100) / [(1/10 * 80/100) + (9/10 * 30/100)] =
(2/25) / (7/20) = 8/35.
3.39
a) P(só caras) = P(C1, C2, C3) = ½ * ½ * ½ = 1/8.
b) P(2 C, 1 K) = 3 * P(C1, C2, K3) = 3 * ½ * ½ * ½ = 3/8.
c) P(1 C) = 3 * P(C1, K2, K3) = 3 * ½ * ½ * ½ = 3/8.
d) P(ao menos 1 K) = 3 * P(K1, C2, C3) + 3 * P(K1, K2, C3) + P(K1, K2, K3) = 7 * ½ * ½ * ½ =
7/8.
e) P(só coroa) = P(K1, K2, K3) = ½ * ½ * ½ = 1/8.
3.40
a) Seja A = {(x1, x2)/ x1 = x2}, P(A) = 6/36 = 1/6.
b) Seja A = {(x1, x2)/ x1 = x2}, P(Acompl) = 1 – P(A) = 1 – 1/6 = 5/6.
c) Seja A = {(x1, x2)/ x1 < x2}, P(A) = 15/36 = 5/12.
d) Seja A = {(x1, x2)/ x1 + x2 = par}, P(A) = 18/36 = ½.
e) Seja A = {(x1, x2)/ x1 + x2 = 7, sabendo que x1 • x 2}, P(A) = 6/(36 – 6) = 1/5.
f) Seja A = {(x1, x2)/ x1 + x2 = 6, sabendo que x1 = x2}, P(A) = (5 – 4)/(36 – 30) = 1/6.
g) Seja A = {(x1, x2)/ x1 + x2 = 14}, P(A) = 0.
3.41
Seja A = {(x1, x2)/ x1 = x2 = Errar}, P(Acompl) = 1 – P(E1, E2) = 1 – (2/5 * 3/7) = 29/35.
3.42
Seja A = {(x1)/ x1 = 5 ou par}, P(A) = P(5) + P(par) = 1/6 + 3/6 = 4/6 = 2/3.
3.43
a) Seja A = {(x1)/ x1 = H}, P(A) = 10/15 = 2/3.
b) Seja A = {(x1)/ x1 = A}, P(A) = 7/15.
c) Seja A = {(x1)/ x1 = M} ou B = {(x1)/ x1 = Me}, P(A U B) = P(A) + P(B) – P(A • B) = 8/15 +

5/15 – 3/15 = 2/3.
d) Seja A = {(x1)/ x1 = H, sabendo que x1 = A}, P(A) = 5/(15 – 8) = 5/7.
e) Seja A = {(x1)/ x1 = Me, sabendo que x1 = Mu}, P(A) = 3/(15 – 10) = 3/5.
3.44
a) Seja X = {3, 6, 9, 12, 15, 18} e Y = {2, 4, 6, 8, 10, 12, 14, 16, 18, 20},
X e Y serão independentes se e somente se P(X • Y) = P(X) * P(Y)
P(X • Y) = 3/20, P(X) = 6/20, P(Y) = 10/20
P(X) * P(Y) = 6/20 * 10/20 = 3/20 = P(X • Y), portanto, X e Y s ão independentes.
b) Seja M = {2, 3, 5, 7, 11, 13, 17, 19} e N = {1, 3, 5, 7, 9, 11, 13, 15, 17, 19},
M e N serão independentes se e somente se P(M • N) = P(M) * P(N)
P(M • N) = 7/20, P(M) = 9/20, P(N) = 10/20
P(M) * P(N) = 9/20 * 10/20 = 9/40 • P(M • N), portanto, M e N n ão são independentes.
3.45
a) Seja A = {(x1)/ x1 = H}, P(A) = 60/100 = 60%.
b) Seja A = {(x1)/ x1 = M e Y}, P(A) = 26/100 = 26%.
c) Seja A = {(x1)/ x1 = Y}, P(A) = 65/100 = 65%.
d) Seja A = {(x1)/ x1 = H e X}, P(A) = 21/100 = 21%.
e) Seja A = {(x1)/ x1 = M, sabendo que x1 = X}, P(A) = 14/(100 – 65) = 40%.
f) Seja A = {(x1)/ x1 = Y, sabendo que x1 = H}, P(A) = 39/(100 – 40) = 65%.
3.46
Sendo A e B independentes, temos que P(A • B) = P(A) * P(B)

A e B também são mutuamente exclusivos, ou seja, P(A • B) = Ø
Como P(Ø) = 0, então P(A • B) = 0
Voltando para a primeira igualdade, teremos que P(A) * P(B) = 0
Para que a igualdade seja verdadeira P(A) = 0 ou P(B) = 0.
3.47
Sendo A e B independentes, temos que P(A • B) = P(A) * P(B)

Como P(A) • 0 e P(B) • 0, ent ão P(A) * P(B) • 0 e cons eqüentemente P(A • B) • 0
Portanto, P(A • B) • Ø, acarretando na não exclusividade dos eventos.
3.48
Sendo A e S independentes, temos que P(A • S ) = P(A) * P(S )

Como S é o espaço amostral, temos que P(S) = 1
Como A está contido em S, temos que P(A • S ) = P(A)
Logo, substituindo os valores encontrados na primeira igualdade, temos que P(A) = P(A) * 1
Portanto, conclui-se que A e S são independentes.
3.49
Sendo A e Ø independentes, temos que P(A • Ø) = P(A) * P(Ø)

Como P(Ø) = 0, temos que P(A • Ø) = P(Ø) = 0
Logo, substituindo os valores encontrados na primeira igualdade, temos que 0 = P(A) * 0
Portanto, conclui-se que A e Ø são independentes.
3.50
Sendo S e Ø independentes, temos que P(S • Ø) = P(S) * P(Ø)

Como P(Ø) = 0, temos que P(S • Ø) = P(Ø) = 0
Como S é o espaço amostral, temos que P(S) = 1
Logo, substituindo os valores encontrados na primeira igualdade, temos que 0 = 1 * 0
Portanto, conclui-se que S e Ø são independentes.
Capítulo 4 – Distribuições de Probabilidades de Variáveis Aleatórias Discretas
SÉRIE I
4.1
S = {cc, ck, kc, kk}

X = número de coroas (k) = 0, 1, 2
Xi 0 1 2
P(Xi) 1/4 1/2 1/4
Dis tr ib u iç ã o d e Pr o b a b ilid a d e
3 /4
P ( X i)
1 /2
1 /4
0
0 1 2
Xi
4.2
i) S = {(1,1), (1,2), ..., (6,5), (6,6)} = 36 casos

X = soma dos pontos = 2, 3, ..., 12
Xi 2 3 4 5 6 7 8 9 10 11 12
P(Xi) 1/36 2/36 3/36 4/36 5/36 6/36 5/36 4/36 3/36 2/36 1/36
j) P(3 • X • 10) = 1 – [P(2) + P(11) + P(12)] = 1 – 4/36 = 32/36 = 8/9.
k) P(X > 7) = P(8) + ... + P(12) = 5/36 + ... + 1/36 = 15/36 = 5/12.
l) P(X • 5) = P(2) + ... + P(5) = 1/36 + ... + 4/36 = 10/36 = 5/18.
m) P(X • 6) = P(X • 5) + P(6) = 10/36 + 5/36 = 15/36 = 5/12.
n) P(X • 3) = 1 – P(2) = 1 – 1/36 = 35/36.
o) F(4) = P(2) + ... + P(4) = 1/36 + ... + 3/36 = 6/36 = 1/6.
p) F(8) = P(2) + ... + P(8) = 1/36 + ... + 5/36 = 26/36 = 13/18.
q) F(15) = 1.
r) F(1) = 0.
l) F(5,5) = P(X • 5) = 5/18.
m) F(12) = 1.
4.3
a) ÓP(X i) = 1
P(1) + P(3) + P (5) + P (7) = 1
k + k/3 + k/5 + k/7 = 176k/105 = 1, portanto, k = 105/176.
b) P(2 • X • 6) = P(3) + P(5) = 105/176 * 1/3 + 105/176 * 1/5= 56/176 = 7/22.
c) F(5) = 1 – P(7) = 1 – 105/176 * 1/7 = 161/176.

4.4
S = {vv, vn, nv, nn}, com v = vende e n = não vende

Y = número de clientes que assinam venda (v) = 0, 1, 2
P(0) = P(N,N) = 80/100 * 80/100 = 64/100 = 0,64
P(1) = P(V,N) + P(N, V) = 20/100 * 80/100 + 80/100 * 20/100 = 32/100 = 0,32
P(2) = P(V,V) = 4/100 = 0,04.
Yi 0 1 2
P(Yi) 0,64 0,32 0,04
SÉRIE II
4.5
a) ÓP(X i) = 1
P(3) = 1 – [P(1) + P (2) + P (5) + P (8)] = 1 – [0,20 + 0,25 + 0,30 + 0,10] = 0,15.
b) F(5) = 1 – P(8) = 1 – 0,10 = 0,90.
c) ì (x) = Óxi * P(x i) = 1 * 0,20 + … + 8 * 0,10 = 3,45.

2 2 2 2
d) ó(x) = Ó xi * P(x i) – ì (x) = (1 * 0,20 + ... + 64 * 0,10) – (3,45) = 16,45 – 11,9025 =
4,5475
2 1/2 1/2
ó(x) = (ó(x) ) = (4,5475) = 2,1325.
4.6
1–1
a) P(1) = (0,8) * (0,2) = 0,8
2–1
P(2) = (0,8) * (0,2) = 0,16
3–1
P(3) = (0,8) * (0,2) = 0,032
4–1
P(4) = (0,8) * (0,2) = 0,0064
5–1
P(5) = (0,8) * (0,2) = 0,00128.
b) F(X • 5) = P(1) + ... + P(5) = 0,8 + ... + 0,00128 = 0,99968, ou s eja, a s oma das
probabilidades atinge 0,99968, logo, as probabilidades para valores maiores do que 5 são
próximas a zero (ou mais exatamente 0,00032).
4.7
a) F(2) = P(0) + …+ P(2) = 0,55 + … + 0,10 = 0,90.
b) P(1 • X • 4) = 1 – [P(0) + P (5)] = 1 – (0,55 + 0,02) = 1 – 0,57 = 0,43

P(X > 1) = 1 – [P(0) + P(1)] = 1 – (0,55 + 0,25) = 1 – 0,80 = 0,20.
c) ì (x) = Óxi * P(x i) = 0 * 0,55 + … + 5 * 0,02 = 0,83 chamadas por minuto.

2 2 2 2
d) ó(x) = Ó xi * P(x i) – ì (x) = (0 * 0,55 + … + 25 * 0,02) – (0,83) = 2,15 – 0,6889 = 1,4611
2 1/2 1/2
ó(x) = (ó(x) ) = (1,4611) = 1,20876
CV = ì (x)/ó(x) = 1,20876/0,83 = 1,456337 = 145,6%.
4.8
a) S = {(0-0), (0-1), ..., (5-6), (6,6)} = 28 casos

Z = pontos numa peça de dominó = 0, 1, ..., 12.
Zi 0 1 2 3 4 5 6 7 8 9 10 11 12
P(Zi) 1/28 1/28 2/28 2/28 3/28 3/28 4/28 3/28 3/28 2/28 2/28 1/28 1/28
Dis tr ib u iç ã o d e Pr o b a b ilid a d e
1 /4
1 /5
3 /2 0
P ( Z i)
1 /1 0
1 /2 0
0
0 1 2 3 4 5 6 7 8 9 10 11 12
Zi
b) P(2 • Z • 6) = P(2) + ... + P(6) = 2/28 + … + 4/28 = 14/28 = ½.
c) F(8) = 1 – [P(9) + ... + P(12)] = 1 – (2/28 + … + 1/28 = 1 – 6/28 = 22/28 = 11/14.
d) ì (x) = Óxi * P(x i) = 0 * 1/28 + … + 12 * 1/28 = 6.
4.9
a) S = {(R, R, R), (R, R, M), ..., (M, M, R), (M, M, M)} = 8 casos
X = número de rapazes = 0, 1, 2, 3
P(0) = P(M, M, M) = 4/9 * 3/8 * 2/7 = 1/21
P(1) = P(R, M, M) = 3 * 5/9 * 4/8 * 3/7 = 5/14
P(2) = P(R, R, M) = 3 * 5/9 * 4/8 * 4/7 = 10/21
P(3) = P(R, M, M) = 5/9 * 4/8 * 3/7 = 5/42.
Xi 0 1 2 3
P(Xi) 1/21 5/14 10/21 5/42
b)
I. P(X • 2) = 1 – P(3) = 1 – 5/42 = 37/42
II. P(X • 0) = P(0) = 1/21
III. P(1 < X • 3) = P(2) + P(3) = 10/21 + 5/42 = 25/42
IV. P(2 < X < 3) = 0
V. P(X > 2) = P(3) = 5/42
VI. P(X > – 1) = 1
VII. P(X < 5) = 1.
c) F(2,5) = 1 – P(3) = 1 – 5/42 = 37/42

F(3) = 1
F(0,5) = P(0) = 1/21
F(3,5) = 1
F(2) = F(2,5) = 37/42
F(1) = P(0) + P(1) = 1/21 + 5/14 = 17/42
F(6) = 1
F(– 0,5 ) = 0.
4.10
S = {(I, I), (I, N), (N, I), (N, N)} = 4 casos, com I = IBM e N = não IBM
X = é IBM = 0, 1, 2
P(0) = P(N, N) = 30/100 * 30/100 = 9/100
P(1) = P(I, N) + P(N, I) = 2 * 70/100 * 30/100 = 21/50
P(2) = P(I, I) = 70/100 * 70/100 = 49/100
Xi 0 1 2
P(Xi) 0,09 0,42 0,49
ì (x) = Óxi * P(x i) = 0 * 0,09 + … + 2 * 0,49 = 1,4

2 2 2 2
ó(x) = Ó xi * P(x i) – ì (x) = (0 * 0,09 + … + 4 * 0,49) – (1,4) = 2,38 – 1,96 = 0,42
2 1/2 1/2
ó(x) = (ó(x) ) = (0,42) = 0,65.
SÉRIE III
4.11
x 10 – x 10
P(X = x) = 10 * (½) * (½) = 10 * (½) , com x = ser cara
x x
10
a) P(x = 6) = [(10 * ... * 5)/(6 * ... *1)] * (½) = 105/512.
10 10
b) P(x • 2) = 1 – [P(0) + P(1)] = 1 – [(½) + 10 * (½) ] = 1 – 11/1024 = 1013/1024.
10
c) P(x = 10) = (½) = 1/1024.
d) P(x • 1) = 1 – P(0) = 1 – 1/1024 = 1023/1024.

10
e) P(x • 5) = 1 – P(5) = 1 – [(10 * ... * 6)/(5 * ... *1)] * (½) = 1 – 63/256 = 193/256.
4.12
x 6–x 6
P(X = x) = 6 * (½) * (½) = 6 * (½) , com x = filhos homens
x x
6
P(x = 4) = [(6 * ... * 3)/(4 * ... * 1)] * (½) = 15/64.
4.13
x 4–x 4
P(X = x) = 4 * (½) * (½) = 6 * (½) , com x = ter menino
x x
4
a) P(x = 4) = (½) = 1/16, famílias com nenhuma menina = 1/16 * 320 = 20.
4
b) P(x = 3) = [(4 * ... * 2)/(3 * ... *1)] * (½) = 1/4, famílias com 3 meninos = 1/4 * 320 = 80.
4
c) P(x = 4) = (½) = 1/16, famílias com 4 meninos = 1/16 * 320 = 20.
4.14
x n–x
P(X = x) = n * (1/6) * (5/6) , com x = ser face 3 do dado.
x
n
P(x • 1) = 1 – P(0) = 1 – (5/6) .
4.15
x 5–x
P(X = x) = 5 * (2/3) * (1/3) , com x = vitória
x
3 2
a) P(x = 3) = [(5 * ... * 3)/(3 * ... *1)] * (2/3) * (1/3) = 80/243.
5
b) P(x • 1) = 1 – P(0) = (1/3) = 1 – 1/243 = 242/243.
4 1 5
c) P(x • 3) = (3) + P(4) + P(5) = 80/243 + [(5 * ... * 2)/(4 * ... *1)] * (2/3) * (1/3) + (2/3) =
80/243 + 80/243 + 32/243 = 192/243 = 64/81.
4.16
x 6–x
P(X = x) = 6 * (1/3) * (2/3) , com x = acertar o alvo
x
2 4
a) P(x = 2) = [(6 * 5)/(2 * 1)] * (1/3) * (2/3) = 80/243.
6
b) P(x = 0) = (2/3) = 64/729.
4.17
x 100 – x 100
P(X = x) = 100 * (1/2) * (1/2) = 100 * (1/2) , com x = acertar o teste
x x
100
P(x = 70) = 100 * (½) .
70
4.18
a) Se F(5) = P(0) + ... + P(5) = 1, portanto, n = 5.

0 (n – 0) (n – 0) 5 1/5
b) P(y = 0) = p * q =q , portanto, q = 1/243, q = (1/243) = 1/3
Se p + q = 1, p = 2/3.
c) ì (y) = n * p = 5 * 2/3 = 10/3.

2
d) ó(y) = n * p * q = 5 * 2/3 * 1/3 = 10/9.
e) P(y • 1) = 1 – P(0) = 1 – 1/243 = 242/243.
f) P(2 • y • 4) = F (4) – F (1) = 211/243 – 11/243 = 200/243.
4.19
x 100 – x
P(X = x) = 100 * (0,05) * (0,95) , com x = ser defeituosa
x
100 – x 100
a) P(0) = (0,95) = (0,95) .
3 97
b) P(3) = 100 * (0,05) * (0,95)
3
100 99
c) P(x < 99) = 1 – [P(100) + P(99)] = 1 – (0,05) – 100 * (0,05) * (0,95).
SÉRIE IV
4.20
x -ì 5 -3
a) P(x = 5) = [(ì * e ) / x!] = [(3 * e ) / 5!] = [(243 * 0,0498) / 120] = 0,1008.
-5,5 1 -5,5 2 -5,5
b) P(x • 2) = P(0) + P(1) + P(2) = {e + (5,5 * e ) + [(5,5 * e ) / 2!]} = 0,0041 +
0,0225 + 0,1240 = 0,0886.
-7,5 1 -7,5 2 -7,5
c) P(x • 4) = 1 – [P(0) + P(1) + P(2) + P(3)] = 1 – {e + (7,5 * e ) + [(7,5 * e ) / 2!] +
3 -7,5
[(7,5 * e ) / 3!]} = 1 – (0,00055 + ... + 0,0387) = 1 – 0,0588 = 0,9412.
x -ì 8 -4
d) P(x = 8) = [(ì * e ) / x!] = [(4 * e ) / 8!] = [(65536 * 0,0183) / 40320] = 0,0297.
4.21
ì = λ * t = 0,02 * 100 = 2
-2 1 -2 2 -2
a) P(x • 3) = 1 – [P(0) + P(1) + P(2)] = 1 – {e + (2 * e ) + [(2 * e ) / 2!]} = 1 – (0,1353 +
0,2707 + 0,2707) = 1 – 0,6767 = 0,3233.
x -ì 5 -2
b) P(x = 5) = [(ì * e ) / x!] = [(2 * e ) / 5!] = 0,0361.
-2
c) P(x = 5) = e = 0,1353.
-2 1 -2
d) P(x < 2) = [P(0) + P(1)] = e + (2 * e ) = 0,1353 + 0,2707 = 0,4060.
4.22
ì = λ * t = 0,03 * 230 = 6,9

10 -6,9
P(x = 10) = [(6,9 * e ) / 10!] = 0,0679.
4.23
a) Para 5000 km, ì = n * p, 1 = 5000 * p, p = 0,0002,

Para 3000 km, ì = n * p = 3000 * 0,0002 = 0,6
-0,6 -0,6
P(x • 1) = P(0) + P(1) = e + (0,6 * e ) = 0,5488 + 0,3293 = 0,8781.
b) Para 5000 km, ì = n * p, 1 = 5000 * p, p = 0,0002,

Para 8000 km, ì = n * p = 8000 * 0,0002 = 1,6
-1,6
P(x = 0) = e = 0,2019.
4.24
x -ì 4 -3
a) P(x = 4) = [(ì * e ) / x!] = [(3 * e ) / 4!] = 0,1681.
-3 1 -3 2 -3
b) P(x • 3) = 1 – [P(0) + P(1) + P(2)] = 1 – {e + (3 * e ) + [(3 * e ) / 2!]} = 1 – (0,0498 +
0,1494 + 0,2241) = 1 – 0,4233 = 0,5767.
4.25
x -ì 3 -3
a) P(x = 3) = [(ì * e ) / x!] = [(3 * e ) / 3!] = 0,2241.
b) Para 1 hora, ì = λ * t, 3 = λ * 1, λ = 3,
Para 1,5 hora, ì = λ * t = 3 * 1,5 = 4,5
-4,5 3 -4,5
P(x • 4) = 1 – [P(0) + P(1) + P(2) + P(3)] = 1 – {e + ... + [(4,5 * e ) / 3!]} = 1 – (0,0111 +
... + 0,1687) = 1 – 0,3423 = 0,6577.
4.26
2
Para 1 cm , ì = λ * t, 1 = λ * 1, λ = 1,
2
Para 4 cm , ì = λ * t = 1 * 4 = 4
x -ì 3 -4
P(x = 3) = [(ì * e ) / x!] = [(4 * e ) / 3!] = 0,1954.
4.27
x -ì 2 -2
a) P(x = 2) = [(ì * e ) / x!] = [(2 * e ) / 2!] = 0,2707.
x -ì 3 -2
P(x = 3) = [(ì * e ) / x!] = [(2 * e ) / 3!] = 0,1804.
4.28
Para 50000, ì = n * p, 2 = 50000 * p, p = 0,00004,

Para 100000, ì = n * p = 100000 * 0,00004 = 4
-ì -4
a) P(x = 0) = e = e = 0,01832.
-ì -4
b) P(x = 1) = ì * e = 4 * e = 0,0733.
x -ì 2 -4
c) P(x = 2) = [(ì * e ) / x!] = [(4 * e ) / 2!] = 0,14656.
d) P(x • 2) = 1 – [P(0) + P(1)] = 1 – (0,01832 + 0,07328) = 1 – 0,9160 = 0,9084.
4.29
ì = 400/500 = 0,8
-ì -0,8
a) P(x = 0) = e =e = 0,4493.
x -ì 2 -0,8
b) P(x = 2) = [(ì * e ) / x!] = [(0,8 * e ) / 2!] = 0,1438.
4.30
a) Para 1 hora, ì = λ * t, 5 = λ * 1, λ = 5,
Para 24 minutos , ì = λ * t = 5 * 0,4 = 2
x -ì 2 -2
P(x = 2) = [(ì * e ) / x!] = [(2 * e ) / 2!] = 0,2707.
b) Para 1 hora, ì = n * p, 5 = 1 * p, p = 5,
Para 18 minutos , ì = n * p = 0,3 * 5 = 1,5
-1,5 1 -1,5 2 -1,5
P(x • 3) = 1 – [P(0) + P(1) + P(2)] = 1 – {e + (1,5 * e ) + [(1,5 * e ) / 2!]} = 1 –
(0,2231 + 0,3347 + 0,2510) = 1 – 0,8088 = 0,1912.
4.31
a) Para 1 hora, ì = λ * t, 3 = λ * 1, λ = 3,
Para 20 minutos , ì = λ * t = 3 * 0,333 = 1
x -ì 3 -1
P(x = 3) = [(ì * e ) / x!] = [(1 * e ) / 3!] = 0,0613.
b) Para 1 hora, ì = λ * t, 3 = λ * 1, λ = 3,
Para 30 minutos , ì = λ * t = 3 * 0,5 = 1,5
-1,5 1 -1,5 2 -1,5
P(x • 2) = P(0) + P(1) + P(2) = {e + (1,5 * e ) + [(1,5 * e ) / 2!]} = 0,2231 + 0,3347 +
0,2510 = 0,8088.
4.32
Para 100000, ì = n * p, 3 = 100000 * p, p = 0,00003,

Para 200000, ì = n * p = 200000 * 0,00003 = 6
-6 1 -6 2 -6
P(x • 2) = P(0) + P(1) + P(2) = {e + (6 * e ) + [(6 * e ) / 2!]} = 0,0025 + 0,0149 + 0,0446 =
0,0620.
4.33
Para 1 minuto, ì = λ * t, 40 = λ * 1, λ = 40,

Para 6 s egundos , ì = λ * t = 40 * 0,1 = 4
x -ì 2 -4
P(x = 2) = [(ì * e ) / x!] = [(4 * e ) / 2!] = 0,14656.
4.34
Para 1 minuto, ì = λ * t, 1,7 = λ * 1, λ = 1,7,

Para 2 minutos , ì = λ * t = 1,7 * 2 = 3,4
x -ì 2 -3,4
P(x = 2) = [(ì * e ) / x!] = [(3,4 * e ) / 2!] = 0,1929.
4.35
-2 3 -2
P(x > 3) = 1 – [P(0) + P(1) + P(2) + P(3)] = 1 – {e + ... + [(2 * e ) / 3!]} = 1 – (0,1353 + ... +
0,1804) = 1 – 0,8571 = 0,1429.
4.36
Para 1 peça, ì = λ * t, 2,2 = λ * 1, λ = 2,2,

Para 2 peças, ì = λ * t = 2,2 * 2 = 4,4
-4,4 -4,4
P(x • 2) = 1 – [P(0) + P(1)] = 1 – [e + (4,4 * e )] = 1 – (0,0123 + 0,0540) = 1 – 0,0663 =
0,9337.
Capítulo 5 – Distribuições de Probabilidades de Variáveis Aleatórias Contínuas
SÉRIE I
5.1
d) P(0 • z • 1,44) = 0,4251 ou 42,51% .
e) P(–0,85 < z < 0) = P(0 < z < 0,85) = 0,3023.
f) P(–1,48 < z < 2,05) = P(z < 1,48) + P(z < 2,05) = 0,4306 + 0,4798 = 0,9104.
g) P(0,72 < z < 1,89) = P(z < 1,89) – P(z < 0,72) = 0,4706 – 0,2642 = 0,2064.
h) P(z • 1,08) = 0,5 – P(z < 1,08) = 0,5 – 0,3599 = 0,1401.
i) P(z • –0,66) = 0,5 + P(z < 0,66) = 0,5 + 0,2454 = 0,7454.
j) P(|z| • 0,5) = 2 * P(z < 0,5) = 2 * 0,1915 = 0,3830.
5.2
a) [(a – ì )/ó < z < (b – ì )/ó] = [(700 – 850)/45 < z < (1000 – 850)/45]
P(700 < x < 1000) = P(–3,33 < z < 3,33) = 2 * P(z < 3,33) = 0,9991, ou seja, 1.
b) [z > (a – ì )/ó] = [z > (800 – 850)/45]

P(x > 800) = P(z > –1,11) = 0,5 + P(z < 1,11) = 0,5 + 0,3665 = 0,8665.
c) [z < (a – ì )/ó] = [z < (750 – 850)/45]

P(x < 750) = P(z < –2,22) = 0,5 – P(z < 2,22) = 0,5 – 0,4868 = 0,0132.
d) [z = (a – ì )/ó] = [z = (1000 – 850)/45]

P(x = 1000) = P(z = 3,33) = 0,5 – P(z = 3,33) = 0,5 – 0,49957 = 0,0004, ou seja, 0.
5.3
a) [(a – ì )/ó < z < (b – ì )/ó] = [(60 – 65,3)/5,5 < z < (70 – 65,3)/5,5]
P(60 < x < 70) = P(–0,96 < z < 0,85) = P(z < 0,96) + P(z < 0,85) = 0,3315 + 0,3023 =
0,6338 ou 380 estudantes.
b) [z > (a – ì )/ó] = [z > (63,2 – 65,3)/5,5]

P(x > 63,2) = P(z > –0,38) = 0,5 + P(z < 0,38) = 0,5 + 0,1480 = 0,6480 ou 389 estudantes.
5.4
P(z > ?) = 0,1500, P(z < ?) = 0,5 – 0,1500 = 0,3500, portanto, z = 1,04
z = (a – ì )/ó, 1,04 = [(a – 73)/15], a = 88,5
P(z < – ?) = P(z > ?) = 0,1200, P(z < ?) = 0,5 – 0,1200 = 0,3800, portanto, z = –1,175
z = (b – ì )/ó, –1,175 = [(b – 73)/15], b = 55.
5.5
a) [z > (a – ì )/ó] = [z > (46 – 48)/2]
P(x > 46000) = P(z > –1,00) = 0,5 + P(z < 1,00) = 0,5 + 0,3413 = 0,8413.
b) [(a – ì )/ó < z < (b – ì )/ó] = [(45 – 48)/2 < z < (50 – 48)/2]
P(45000 < x < 50000) = P(–1,5 < z < 1,00) = P(z < 1,5) + P(z < 1,00) = 0,4332 + 0,3413 =
0,7745.
5.6
a) [z < (a – ì )/ó] = [z < (–3 – 12)/5]

P(x < –3) = P(z < –3,00) = 0,5 – P(z < 3,00) = 0,5 – 0,49865 = 0,00135.
b) [(a – ì )/ó < z < (b – ì )/ó] = [(–1 – 12)/5 < z < (15 – 12)/5]
P(–1 < x < 15) = P(–2,60 < z < 0,60) = P(z < 2,60) + P(z < 0,60) = 0,4953 + 0,2257 =
0,7210.
5.7
a) [(a – ì )/ó < z < (b – ì )/ó] = [(150 – 180)/25 < z < (178 – 180)/25]
P(150 < x < 178) = P(–1,20 < z < –0,08) = P(z < 1,20) – P(z < 0,08) = 0,3849 – 0,0319 =
0,3530.
b) P(z < ?) = 0,48, portanto, z = 2,05

z = (a – ì )/ó, 2,05 = [(a – 180)/25], a = 231,25
z = (b – ì )/ó, –2,05 = [(b – 180)/25], b = 128,75, portanto, 96% dos salários estão entre $
128, 75 e 231,25.
5.8
2 2
X1 • N (10 g; 0,25 g ) e X2 • N (150 g; 64 g )
2 2 2
120 * X1 + X2 = T ou N (1200 g; 30 g ) + N (150 g; 64 g ) = N (1350 g; 94 g )
0,5
[z > (a – ì )/ó] = [z > (1370 – 1350)/(94) ]
P(t > 1370) = P(z > 2,06) = 0,5 – P(z < 2,06) = 0,5 – 0,4803 = 0,0197.
5.9
2 2
a) X1 • N (70 kg; 400 kg ) e X2 • N (12 kg; 25 kg )
2 2 2
4 * X1 + 4 * X2 = T ou N (280 kg; 1600 kg ) + N (48 kg; 100 kg ) = N (328 kg; 1700 kg )
0,5
[z > (a – ì )/ó] = [z > (350 – 328)/(1700) ] = 0,53
P(t > 350) = P(z > 0,53) = 0,5 – P(z < 0,53) = 0,5 – 0,2019 = 0,2981.
0,5 0,5
b) z > (b – ì )/ó = [(400 – 328)/(1700) , z > (400 – 328)/(1700) = 1,74
P(t > 400) = P(z > 1,74) = 0,5 – P(z < 1,74) = 0,5 – 0,4591 = 0,0409.
5.10
P(z < –?) = P(z < ?) = 0,5 – 0,12 = 0,38, portanto, z = –1,18 ... z = (a – ì )/ó, –1,18 = (19 – ì )/ó,
ó = (19 – ì )/1,18
P(z < ?) = 0,5 – 0,28 = 0,22, portanto, z = 0,58 ... z = (b – ì )/ó, 0,58 = (34 – ì )/ó, ó = (34 –
ì )/0,58
–(19 – ì )/1,18 = (34 – ì )/0,58 ... –11,02 + 0,58ì = 40,12 – 1,18ì ... 1,76ì = 51,14 ... ì = 29,06
2
e 0,58 = (34 – ì )/ó ... 0,58 = (34 – 29,06)/ó ... ó = 8,52, ó = 72,64.
5.11
X1 • N (10; 9), X 2 • N (–2; 4) e X 3 • N (5; 25)

X1 + X2 + X3 = T ou N (10; 9) + N (–2; 4) + N (5; 25)= N (13; 38).
5.12
a) [(a – ì )/ó < z < (b – ì )/ó] = [(0,20 – 0,25)/0,02 < z < (0,28 – 0,25)0,02]
P(0,20 < x < 0,28) = P(–2,5 < z < 1,5) = P(z < 2,5) + P(z < 1,5) = 0,4938 + 0,4332 = 0,9270,
portanto, 1 – 0,9270 = 0,0730 é a porcentagem de defeituosos.
b) P(z < –?) = 0,5 – 0,12 = 0,38, portanto, z = –1,17 ... z = (a – ì )/ó ... –1,17 = (? –
0,25)/0,02 ... ? = 0,2266 polegadas.
5.13
z > (a – ì )/ó = z > (45 – 45)/3, P(x > 45) = P(z > 0) = 0,5
z > (b – ì )/ó = z > (45 – 40)/6, P(x > 45) = P(z > 0,83) = 0,5 – 0,2967 = 0,2033
Deve ser preferido o equipamento 1, uma vez que sua probabilidade de funcionar por mais de
45 horas é maior que a probabilidade do equipamento 2.
5.14
P(z < –?) = 0,10 ... P(z < ?) = 0,40, portanto, z = –1,28
z = (a – ì )/ó ... –1,28 = [(400 – ì )/20] ... ì = 425,6 g.
5.15
a) [(a – ì )/ó < z < (b – ì )/ó] = {[(ì – ó) – ì ]/ó <z < [(ì + ó) – ì ]/ó} = [–ó/ó < z < ó/ó]
P(ì – ó < X < ì + ó) = P(–1 < z < 1) = 2 * P(z < 1) = 2 * 0,3413 = 0,6826.
b) [(a – ì )/ó < z < (b – ì )/ó] = {[(ì – 2ó) – ì ]/ó <z < [(ì + 2ó) – ì ]/ó} = [–2ó/ó < z < 2ó/ó]
P(ì – 2ó < X < ì + 2ó) = P(–2 < z < 2) = 2 * P(z < 2) = 2 * 0,4772 = 0,9544.
c) [(a – ì )/ó < z < (b – ì )/ó] = {[(ì – 3ó) – ì ]/ó <z < [(ì + 3ó) – ì ]/ó} = [–3ó/ó < z < 3ó/ó]
P(ì – 3ó < X < ì + 3ó) = P(–3 < z < 3) = 2 * P(z < 3) = 2 * 0,49865 = 0,9973.
d) [(a – ì )/ó < z < (b – ì )/ó] = {[(ì – 1,5ó) – ì ]/ó <z < [(ì + 1,5ó) – ì ]/ó} = [–1,5ó/ó < z <
1,5ó/ó]
P(ì – ó < X < ì + ó) = P(–1,5 < z < 1,5) = 2 * P(z < 1,5) = 2 * 0,4332 = 0,8664.
e) [(a – ì )/ó < z < (b – ì )/ó] = {[(ì – 3,5ó) – ì ]/ó <z < [(ì + 3,5ó) – ì ]/ó} = [–3,5ó/ó < z <
3,5ó/ó]
P(ì – 3,5ó < X < ì + 3,5ó) = P(–3,5 < z < 3,5) = 2 * P(z < 3,5) = 2 * 0,49977 = 0,999.
5.16
b) O intervalo compreendido entre o valor da média menos dois desvios padrão e o valor
da média mais dois desvios padrão contém aproximadamente 95% das observações.
c) O intervalo compreendido entre o valor da média menos três desvios padrão e o valor
da média mais três desvios padrão contém aproximadamente 99,7% das observações.
d) O intervalo compreendido entre o valor da média menos um e meio desvios padrão e o

valor da média mais um e meio desvios padrão contém aproximadamente 87% das
observações.
e) O intervalo compreendido entre o valor da média menos três e meio desvios padrão e o
valor da média mais três e meio desvios padrão contém aproximadamente 100% das
observações.
5.17
a) P(x < –?) = 0,05, P(x < ?) = 0,5 – 0,05 = 0,45

P(z < ?) = 0,45, portanto, z = –1,645 ... z = (a – ì )/ó ... –1,64 = (? – 18)/8 ... ? = 4,88.
b) P(x > ?) = 0,15, P(x < ?) = 0,5 – 0,15 = 0,35

P(z < ?) = 0,35, portanto, z = 1,04 ... z = (a – ì )/ó ... 1,04 = (? – 20)/10 ... ? = 30,4.
c) P(x < –?) = 0,10, P(x < ?) = 0,5 – 0,10 = 0,40

d) P(x > ?) = 0,30, P(x < ?) = 0,5 – 0,30 = 0,20

e) P(x < –?) = 0,25, P(x < ?) = 0,5 – 0,25 = 0,25

f) P(x > ?) = 0,25, P(x < ?) = 0,5 – 0,25 = 0,25

g) P(x < ?) = 0,5

P(z < ?) = 0,5, portanto, z = 0 ... ? = ì = 30.
5.18
a) P(Z < –Zo) = 0,05, P(Z < Zo) = 0,5 – 0,05 = 0,45, portanto, z = –1,64.
b) P(Z < –Zo) = 0,12, P(Z < Zo) = 0,5 – 0,12 = 0,38, portanto, z = –1,17.
c) P(Z < –Zo) = 0,35, P(Z < Zo) = 0,5 – 0,35 = 0,15, portanto, z = –0,39.
d) P(Z < Zo) = 0,50, portanto, z = 0.
e) P(Z < Zo) = 0,60, P(Z < Zo) = 0,60 – 0,5 = 0,10, portanto, z = 0,25.
f) P(Z < Zo) = 0,75, P(Z < Zo) = 0,75 – 0,5 = 0,25, portanto, z = 0,67.
g) P(Z < Zo) = 0,90, P(Z < Zo) = 0,90 – 0,5 = 0,40, portanto, z = 1,28.
h) P(Z > Zo) = 0,72, P(Z < –Zo) = 0,28, P(Z < Zo) = 0,5 – 0,28 = 0,22, portanto, z = –0,58.
i) P(Z > Zo) = 0,65, P(Z < –Zo) = 0,35, P(Z < Zo) = 0,5 – 0,35 = 0,15, portanto, z = –0,39.
j) P(Z > Zo) = 0,38, P(Z < Zo) = 0,5 – 0,38 = 0,12, portanto, z = 0,31.
l) P(Z > Zo) = 0,08, P(Z < Zo) = 0,5 – 0,08 = 0,42, portanto, z = 1,41.
5.19
X • N (65; 100)
P(z > a) = 0,15, P(z < a) = 0,5 – 0,15 = 0,35, portanto, z = 1,04,
z = (a – ì )/ó ... 1,04 = (a – 65)/10 ... a = 75,4;
P(z > b) = 0,15 + 0,20, P(z < b) = 0,5 – 0,35 = 0,15, portanto, z = 0,39,
z = (b – ì )/ó ... 0,39 = (b – 65)/10 ... b = 68,9;
P(z > –c) = 0,65, P(z < c) = 0,65 – 0,5 = 0,15, portanto, z = –0,39,
z = (c – ì )/ó ... –0,39 = (c – 65)/10 ... c = 61,10;
P(z > –d) = 0,90, P(z < c) = 0,90 – 0,5 = 0,40, portanto, z = –1,28,
z = (d – ì )/ó ... –1,28 = (d – 65)/10 ... d = 52,20;
Portanto,
E D C B A
0 52,20 61,10 68,90 75,40 100
5.20
2
X • N (50 ohms ; 40 ohms ), P(a < x < b) = 0,99 e |a| = |b|
P(z < b) = 0,99/2 = 0,4950, portanto z = 2,575
z = (b – ì )/ó ... 2,575 = (b – 50)/6,32 ... 16,27 = (b – 50) ... b = 16,27 + 50 (limite superior) e
–z = (a – ì )/ó ... –2,575 = (a – 50)/6,32 ... –16,27 = (a – 50) ... a = 16,27 – 50 (limite inferior).
5.21
X • N (70; 100)
P(z > a) = 0,15, P(z < a) = 0,5 – 0,15 = 0,35, portanto, z = 1,04,
z = (a – ì )/ó ... 1,04 = (a – 70)/10 ... a = 80,4;
P(z > b) = 0,15 + 0,20, P(z < b) = 0,5 – 0,35 = 0,15, portanto, z = 0,39,
z = (b – ì )/ó ... 0,39 = (b – 70)/10 ... b = 73,9;
P(z > –c) = 0,65, P(z < c) = 0,65 – 0,5 = 0,15, portanto, z = –0,39,
z = (c – ì )/ó ... –0,39 = (c – 70)/10 ... c = 66,10;
P(z > –d) = 0,90, P(z < c) = 0,90 – 0,5 = 0,40, portanto, z = –1,28,
z = (d – ì )/ó ... –1,28 = (d – 70)/10 ... d = 57,20;
Portanto,
E D C B A
0 57,20 66,10 73,90 80,40 100
5.22
2
X • N (1,5 ano; 0,09 ano )
z < (a – ì )/ó = z < (1 – 1,5)/0,3 = z < –1,67,
P(x < 1 ano) = P(z < –1,67) = 0,5 – P(z < 1,67) = 0,5 – 0,4525 = 0,0475, ou, 570 máquinas..
5.23
P(x < 20), z < (a – ì )/ó = z < (20 – 18)/5, P(z < 0,40) = 0,5 + 0,1554 = 0,6554
P(x < 20), z < (b – ì )/ó = z < (20 – 20)/2, P(z < 0) = 0,50
Deve ser escolhido o trajeto A, uma vez que sua probabilidade é maior que a probabilidade do
trajeto B.
5.24
2
X • N (104 ano; 225 ano )
P(x < 98), z < (a – ì )/ó = z < (98 – 104)/15, P(z < –0,4) = 0,5 – P(z < 0,4) = 0,5 – 0,1554 =
0,3446, ou 1378,5 empregados tem QI abaixo de 98
P(x > 110), z > (b – ì )/ó = z < (110 – 104)/15, P(z > 0,4) = 0,5 – P(z < 0,4) = 0,5 – 0,1554 =
0,3446, ou 1378,5 empregados tem QI acima de 110, assim,
Total de adaptados = Total de empregados – Total de não capacitados – Total de
supercapacitados = 4000 – 1378,5 – 1378,5 = 1243.
5.25
a) P(x > 200), z > (a – ì )/ó = z > (200 – 250)/20, P(z > –2,5) = 0,5 + P(z < 2,5) = 0,5 +
0,4938 = 0,9938.
b) X = N(250, 20), portanto, Y = N(1000, 80)

P(y > 1150), z > (a – ì )/ó = z > (1150 – 1000)/80, P(z > 1,875) = 0,5 – P(z < 1,875) = 0,5 –
0,4672 = 0,0328.
5.26
X • N (2; 0,0001), P(2,03 < x < 2,03) = ?

[(a – ì )/ó < z < (b – ì )/ó] = {[(ì – 3ó) – ì ]/ó <z < [(ì + 3ó) – ì ]/ó} = [–3ó/ó < z < 3ó/ó]
P(ì – 3ó < X < ì + 3ó) = P(–3 < z < 3) = 2 * P(z < 3) = 2 * 0,49865 = 0,9973 de não
defeituosos, portanto, apenas 26 seriam defeituosos.
5.27
a) P(x > 50), z > (a – ì )/ó = z > (50 – 45)/8, P(z > 0,63) = 0,5 – P(z < 0,63) = 0,5 – 0,2357
= 0,2643.
b) P(z < ?) = 0,40, portanto, z = 1,28

z = (a – ì )/ó, 1,28 = [(a – 45)/8], a = 55 min e 15 segundos.
5.28
X1 • N (94; 2,98) * 22 = N (2068; 65,56)

X2 • N (42; 1,21) * 14 = N (588; 16,94)
e X3 • N (3,35; 0,04) * 120 = N (402,0; 4,8)
22 * X1 + 14 * X2 + 120 * X3 = T = N (3058; 87,3).
Peso Total = Caminhão Vazio + Motorista + Produtos, Produtos = 3040
0,5
P(x < 3040) = ?, z < (a – ì )/ó = z < (3040 – 3058)/(87,3) , P(z < –1,92) = 0,5 – P(z < 1,92) =
0,5 – 0,4726 = 0,0274
Probabilidade de ser multado = 1,00 – 0,0274 = 0,9726 = 97%.
5.29
a) P(x < 80) = 0,5.
b) P(x > 120) = ?, z > (a – ì )/ó = z > (120 – 80)/20, P(z > 2) = 0,5 – P(z < 2) = 0,5 –
0,4772 = 0,0228.
c) P(x < 60) = ?, z < (a – ì )/ó = z < (60 – 80)/20, P(z < –1) = 0,5 – P(z < 1) = 0,5 – 0,3413
= 0,1587 ou 32 candidatos.
5.30
P(y > 22) = ?, z > (a – ì )/ó = z > (22 – 16)/4, P(z > 1,5) = 0,5 – P(z < 1,5) = 0,5 – 0,4332 =
0,0668.
P(y < 15) = ?, z < (a – ì )/ó = z < (15 – 16)/4, P(z < –0,25) = 0,5 – P(z < 0,25) = 0,5 – 0,0987 =
0,4013.
5.31
a) P(x < 700) = ?, z < (a – ì )/ó = z < (700 – 800)/90, P(z < –1,11) = 0,5 – P(z < 1,11) = 0,5
– 0,3665 = 0,1335.
b) P(780 < x < 820) = ?, [(a – ì )/ó < z < (b – ì )/ó] = (780 – 800)/90 < z < (820 – 800)/90 =
–0,22 < z < 0,22, P(–0,22 < z < 0,22) = 2 * P(z < 0,22) = 2 * 0,0871 = 0,1742.
c) P(Peixe acima, Peixe abaixo) + P(Peixe abaixo, Peixe acima) = 0,5.
5.32
X1 • N (2; 0,01), X 2 • N (1; 0,00600625), X 3 • N (0,5; 0,00399424) e X 4 • N (1,5; 0,01100401)

X1 + X2 + X3 + X4 = N (5; 0,0310045)
P(4,9 < x < 5,1) = ?, [(a – ì )/ó < z < (b – ì )/ó] = (4,9 – 5)/ 0,18 < z < (5,1 – 5)/ 0,18 = –0,56 < z
< 0,56, P(–0,56 < z < 0,56) = 2 * P(z < 0,56) = 2 * 0,2123 = 0,4246.
SÉRIE II
5.33
– t / 1000 –1
a) P(t < 1000) = 1 – e =1–e = 1 – 0,3679 = 0,6321.
b) ì = 1/ë, ì = 1/ (1/1000), portanto, ì = 1000

– t / 1000 –1
P(t > 1000) = e = e = 0,3679.
c) ó = 1/ë, ó = 1/ (1/1000), ó = 1000 horas .
5.34
a) ì = ët, 0,25 = ë * 1, ë = 0,25

–ë t –0,25 * (1) –0,25
P(t < 1) = 1 – e =1–e =1–e = 1 – 0,7788 = 0,2212.
–ë t1 –ë t2 –0,25 * 10 –0,25 * 12 –2,5 –3
b) P(10 < t < 12) = e –e =e –e =e –e = 0,0821 – 0,0498 =
0,0323.
c) P(t = 4) = 0, uma vez que a área de um ponto é igual a zero.

–ë t –0,25 * (3) –0,75
d) P(t > 3) = e =e =e = 0,4724.
5.35
a) ì = 1 / ë, 4 = 1 / ë, ë = 0,25
–ë t –0,25 * (4) –1
P(t > 4) = e =e = e = 0,3679.
–ë t –0,25 * (5) –1,25
b) P(t < 5) = 1 – e =1–e =1–e = 1 – 0,2865 = 0,7135.
c) P(t = 4) = 0, uma vez que a área de um ponto é igual a zero.
5.36
–0,01 * 200 –2
ì = 1 / ë, 100 = 1 / ë, ë = 0,01, portanto, P(t > 200) = e =e = 0,1353.
SÉRIE III
5.37
ö = 23, portanto,
2
Média: ì (x 23) = 23,
2 2 2 0,5
Variância: ó (x 23) = 2 * 23 = 46 e Desvio padrão: ó (x 23) = (46) = 6,78,
3º Quartil: ö = 23 e á = 0,25, Q3 = 27,141.
5.38
2 2
ö = 8 e á = 0,10, as s im, X sup = 13,36 e ö = 8 e á = 0,90, as s im, X inf = 3,49.
5.39
ö = 23, portanto,
Média: ì (t23) = 0 e Moda: Mo = 0,
2 0,5
Variância: ó (t23) = 23 / (23 – 2) = 1,095 e Desvio padrão: ó (t23) = (1,095) = 1,0465,
3º Quartil: ö = 23 e á = 0,25, Q3 = 0,6853 e, por simetria, 1º Quartil: Q1 = – 0,6853.
5.40
a: ö = 20 e á = 0,10, a = – 1,3253 e b: ö = 20 e á = 0,025, b = 2,0860.
5.41
ö1 = 8 e ö2 = 10, portanto,
Média: ì = ö2 /(ö2 – 2), ì = 10 / 8 = 1,25
2 2 2
Variância: ó = [2 * ö 2 * (ö1 + ö2 – 2)] / [ö1 * (ö2 – 4) * (ö2 – 2) ] = (2 * 100 * 16)/(8 * 6 * 64) =
0,5
1,042 e Desvio padrão: ó = (1,042) = 1,021
P95 = F5% (8, 10) = 3,07, logo, P95 = 3,07 e
P5 = F95% (8, 10) = 1 / [F5% (10, 8)] = 1 / 3,35 = 0,2985, logo, P5 = 0,2985.
5.42
a) P(Z < –Zo) = 0,25, P(Z < Zo) = 0,5 – 0,25 = 0,25, portanto, z = –0,67,
z = (a – ì )/ó, –0,67 = [(a – 100)/7], a = 95,31.
b) P(Z > Zo) = 0,65, P(Z < –Zo) = 0,35, P(Z < Zo) = 0,5 – 0,35 = 0,15, portanto, z = –0,39.
c) P(Z < Zo) = 0,80, P(Z < Zo) = 0,80 – 0,5 = 0,30, portanto, z = 0,84.
d) P(–1,57 • z • 2,42) = P(z < 1,57) + P(z < 2,42) = 0,4418 + 0,4922 = 0,9340.
e) P(Z < Zo) = 0,40, portanto, z = 1,28, z = (a – ì )/ó, 1,28 = [(a – 2000)/45], a = $ 2057,60.
f) 1º Quartil: ö = 30 e á = 0,75, Q1 = 24,478.

2 2
g) X : ö = 15 e á = 0,90, X = 8,55.
2 2
h) X : ö = 15 e á = 0,10, X = 22,31.
2 2
i) ó (x 23) = 50, portanto, ö = 25, D9: ö = 25 e á = 0,10, D9 = 34,381.
2 2
j) áinf: x inf = 13,8 e ö = 26, áinf = 0,975 e ásup: x sup = 38,9 e ö = 26, ásup = 0,05, portanto
2 2 2
P(13,8 • x 26 • 38,9) = P(x 26 • 13,8) – P(x 26 • 38,9) = 0,975 – 0,05 = 0,925.
l) 3º Quartil: ö = 5 e á = 0,25, Q3 = 0,7267.
m) á: ö = 8 e t = 2,3060, á = 0,025.
n) á: ö = 14 e t = 2,9768, á = 0,005, portanto, ácompl = 1 – 0,005 = 0,995.
o) á1: ö = 22 e t = - 1,3212, á1 = 0,10 e á2: ö = 22 e t = 2,8188, á2 = 0,005,

P(-1,3212 • t 22 • 2,8188) = P(t 22 • –1,3212) – P(t 22 • 2,8188) = 0,90 – 0,005 = 0,895.
p) 95º Percentil: ö = 27 e á = 0,05, P 95 = 1,7033.
q) á1: ö = 30 e t = 0,68276, á1 = 0,25 e á2: ö = 30 e t = 2,7500, á2 = 0,005,

P(–0,68276 • t 30 • 2,7500) = P(t 22 • –0,68276) – P(t 22 • 2,7500) = 0,75 – 0,005 = 0,745.
r) P5 = F95% (8, 7) = 1 / [F5% (7, 8)] = 1 / 3,50 = 0,2857, logo, P5 = 0,2857.
s) P95 = F5% (7, 8) = 3,50, logo, P95 = 3,50.
t) Psup = Fsup (1, 8) = 5,32, logo, Sup = 0,05 e Pinf = 1 / Finf (8, 1) = 0,00418, logo, Inf = 0,95
P(0,00418 • F (1, 8) • 5,32) = P(F (1, 8) • 0,00418) – P(F (1, 8) • 5,32) = 0,95 – 0,05 = 0,90.
u) Pinf = 1 / Finf (4, 6) = 0,22075, Finf (4, 6) = 0,05, logo, Inf = 0,05.
Capítulo 6 – Distribuições Amostrais
SÉRIE I
6.1
k) Média da População: ì = Óxi / N = 14 / 4 = 3,5.

2 2
l) Desvio Padrão da População: ó = [Ó(xi – ì ) ] / N = 5 / 4 = 1,25 e ó = 1,1180.
m) Amostras = {(2, 2); (2, 3); (2, 4); (2, 5); (3, 2); (3, 3); (3, 4); (3, 5); (4, 2); (4, 3); (4, 4); (4, 5);
(5, 2); (5, 3); (5, 4); (5, 5)}
Média da distribuição amostral das médias: ì (xmedia) = (xmedia da amostra 1 + ... + xmedia mostra n) /
Nº de amostras = (2 + 2,5 + 3 + 3,5 + 2,5 + 3 + 3,5 + 4 + 3 + 3,5 + 4 + 4,5 + 3,5 + 4 + 4,5 +
5) / 16 = 56 / 16 = 3,5.
2
n) Desvio Padrão da distribuição amostral das médias: ó (xmedia) = [Ó(xmedia de cada amostra –
2 2 2 2 2 2 2 2
ì (xmedia) ] / Nº de amostras = [(– 1,5) + (– 1) + (– 0,5) + (0) + (– 1) + (– 0,5) + (0) +
2 2 2 2 2 2 2 2 2
(0,5) + (– 0,5) + (0) + (0,5) + (1) + (0) + (0,5) + (1) + (1,5) ] / 16 = 10 / 16 = 0,625 e
ó(xmedia) = 0,7906.
Fica constatado que:

ì (xmedia) = ì , uma vez que 3,5 = 3,5 e
0,5 0,5
ó(xmedia) = ó / (n) , uma vez que 0,7906 = 1,1180 / (2) .
6.2
a) Média da População: ì = Óxi / N = 14 / 4 = 3,5.

2 2
b) Desvio Padrão da População: ó = [Ó(xi – ì ) ] / N = 5 / 4 = 1,25 e ó = 1,1180.
c) Amostras = {(2, 3); (2, 4); (2, 5); (3, 2); (3, 4); (3, 5); (4, 2); (4, 3); (4, 5); (5, 2); (5, 3); (5,
4)}
Média da distribuição amostral das médias: ì (xmedia) = (xmedia da amostra 1 + ... + xmedia mostra n) /
Nº de amostras = (2,5 + 3 + 3,5 + 2,5 + 3,5 + 4 + 3 + 3,5 + 4,5 + 3,5 + 4 + 4,5) / 12 = 42 /
12 = 3,5.
2
d) Desvio Padrão da distribuição amostral das médias: ó (xmedia) = [Ó(xmedia de cada amostra –
2 2 2 2 2 2 2 2 2
ì (xmedia) ] / Nº de amostras = [(– 1) + (– 0,5) + (0) + (– 1) + (0) + (0,5) + (– 0,5) + (0) +
2 2 2 2
(1) + (0) + (0,5) + (1) ] / 12 = 10 / 12 = 0,4167 e ó(xmedia) = 0,6455.
Fica constatado que:

ì (xmedia) = ì , uma vez que 3,5 = 3,5 e
0,5 0,5 0,5 0,5
ó(xmedia) = [ó(x) / (n) ] * [(N – n)/(N – 1)] , uma vez que 0,6455 = [1,1180 / (2) ] * (2/3) .
6.3
2
Média Amostral: xmedia; Variância Amostral: S ; Freqüência Relativa: f; Diferença entre duas
Médias: (xmedia1 – xmedia2); Diferença entre duas Freqüência Relativas: (f1 – f2).
6.4
a) p = probabilidade de uma peça boa = 2/4 = ½
n
Como neste primeiro caso temos reposição das peças, o número de amostras é igual a N
2
= 4 = 16 amostras: {(B1, B1); (B1, B2); (B1, D1); (B1, D2); (B2, B1); (B2, B2); (B2, D1);
(B2, D2); (D1, B1); (D1, B2); (D1, D1); (D1, D2); (D2, B1); (D2, B2); (D2, D1); (D2, D2)}
Para cada uma das amostras, devemos calcular o f, ou seja, o número de casos favoráveis
ao evento retirar pelo menos uma peça boa sobre o número total de casos da amostra.
Multiplicando cada um destes f pela probabilidade da amos tra ocorrer (1/16), teremos ì (f).
Portanto,
ì (f) = 1/16 * 2/2 + 1/16 * 2/2 + 1/16 * ½ + 1/16 * ½ + 1/16 * 2/2 + 1/16 * 2/2 + 1/16 * ½ +
1/16 * ½ + 1/16 * ½ + 1/16 * ½ + 1/16 * 0/2 + 1/16 * 0/2 + 1/16 * ½ + 1/16 * ½ + 1/16 * 0/2 +
1/16 * 0/2 = 4 * (1/16 * 2/2) + 8 * (1/16 * ½) + 4 * (1/16 * 0) = ½
Como p = ½ e as amostras são de tamanho 2 e com reposição, temos:

[(p * q) / n] = [(½ * ½) / 2] = 1/8
2 2 2
Para encontrar ó (f), devemos encontrar a E[f ] e s ubtrair ì (f) .
2 2 2 2 2 2 2
E[f ] = Ó f * p(f) = (2/2) * 1/16 + (2/2) * 1/16 + (½) * 1/16 + (½) * 1/16 + (2/2) * 1/16 +
2 2 2 2 2 2 2
(2/2) * 1/16 + (½) * 1/16 + (½) * 1/16 + (½) * 1/16 + (½) * 1/16 + (0/2) * 1/16 + (0/2) *
2 2 2 2 2 2
1/16 + (½) * 1/16 + (½) * 1/16 + (0/2) * 1/16 + (0/2) * 1/16 = 4 * [(2/2) * 1/16] + 8 * [(½) *
1/16] + 4 * [0 * 1/16] = 3/8
2 2 2 2
ó (f) = E[f ] – ì (f) = 3/8 – (1/2) = 1/8
Portanto, fica constatado que:

ì (f) = p, uma vez que 0,5 = 0,5 e
2
ó (f) = [(p * q) / n], uma vez que 0,125 = 0,125.
b) p = probabilidade de uma peça boa = 2/4 = ½

Como neste segundo caso não temos reposição das peças, o número de amostras é igual
a = N = 4 = 6 amostras: {(B1, B2); (B1, D1); (B1, D2); (B2, D1); (B2, D2); (D1, D2)}
n 2
Novamente, para cada uma das amostras, devemos calcular o f, ou seja, o número de
casos favoráveis ao evento retirar pelo menos uma peça boa sobre o número total de
casos da amostra. Multiplicando cada um destes f pela probabilidade da amostra ocorrer
(1/6), teremos ì (f).
Portanto,
ì (f) = 1/6 * 2/2 + 1/6 * ½ + 1/6 * ½ + 1/6 * ½ + 1/6 * ½ + 1/6 * 0/2 = (1/6 * 2/2) + 4 * (1/6 * ½)
+ (1/16 * 0) = ½
Como p = ½ e as amostras são de tamanho 2 e sem reposição, temos:

[(p * q) / n] * [(N – n) / (N – 1)] = [(½ * ½) / 2] * [(4 – 2) / (4 – 1)] = 1/8 * 2/3 = 1/12
2 2 2
Novamente, para encontrar ó (f), devemos encontrar E[f ] e s ubtrair ì (f) .
2 2 2 2 2 2 2 2
E[f ] = Ó f * p(f) = (2/2) * 1/6 + (½) * 1/6 + (½) * 1/6 + (½) * 1/6 + (½) * 1/6 + (0/2) * 1/6
2 2
= [(2/2) * 1/6] + 4 * [(½) * 1/6] + [0 * 1/6] = 1/3
2 2 2 2
ó (f) = E[f ] – ì (f) = 1/3 – (1/2) = 1/12
Portanto, fica constatado que:

ì (f) = p, uma vez que 0,5 = 0,5 e
2
ó (f) = [(p * q) / n], uma vez que 1/12 = 1/12.
6.5
xmedia = Óxi / n = (5 + 6 + ... + 4) / 30 = 104 / 30 = 3,48,

*
utilizando o estimador, x = N * xmedia , x = 15000 * 104 /30 = 52000.
6.6
xmedia = (Óxi * Fi) / n = (42 * 23 + ... + 3 * 1) / 50 = 1471 / 50 = 29,42,

*
utilizando o estimador, x = N * xmedia , x = 676 * 29,42 = 19888 assinaturas.
6.7
-
Capítulo 7 – Inferência Estatística: Estimativas por Ponto e Intervalos de Confiança
SÉRIE I
7.1
n = 25, xmedia = 5,2 mm, ó = 1,2 mm

Para (1 – á) * 100 = 90% , á/2 = 5% , portanto z = 1,64; aplicando a fórmula:
0,5 0,5
P {xmedia – [z * ó/(n) ] • ì • x media + [z * ó/(n) ]} temos,
P [5,2 – (1,64 * 1,2 / 5) • ì • 5,2 + (1,64 * 1,2 / 5)] = P (4,81 • ì • 5,59), portanto, o intervalo
[4,81; 5,59] contém a média populacional com 90% de confiança.
Para (1 – á) * 100 = 95% , á/2 = 2,5% , portanto z = 1,96, que aplicando a fórmula:
0,5 0,5
0,5 0,5
7.2
n = 6, xmedia = 26,883, ó = 1,4

Para (1 – á) * 100 = 95% , á/2 = 0,025, portanto z = 1,96, que aplicando a fórmula:
0,5 0,5
P [26,88 – (1,96 * 1,4 / 2,45) • ì • 26,88 + (1,96 * 1,4 / 2,45)] = P (25,76 • ì • 28,00), portanto,
o intervalo [25,76; 28,00] contém a média populacional com 95% de confiança.
0,5 0,5
P [26,88 – (1,64 * 1,4 / 2,45) • ì • 26,88 + (1,64 * 1,4 / 2,45)] = P (25,94 • ì • 27,82), portanto,
o intervalo [25,94; 27,82] contém a média populacional com 90% de confiança.
7.3
n = 100, xmedia = 175 cm, ó = 15 cm

0,5 0,5
P [175 – (1,96 * 15 / 10) • ì • 175 + (1,96 * 15 / 10)] = P (172,06 • ì • 177,94), portanto, o
intervalo [172,06 cm; 177,94 cm] contém a verdadeira altura média dos alunos com 95% de
confiança.
7.4
n = 10, xmedia = 110, S = 10

Para (1 – á) * 100 = 90% e graus de liberdade = 9, portanto t = 1,83, que aplicando a fórmula:
0,5 0,5
P {xmedia – [t * S/(n) ] • ì • x media + [t * S/(n) ]} temos,
P [110 – (1,83 * 10 / 3,16) • ì • 110 + (1,83 * 10 / 3,16)] = P (104,21 • ì • 115,79), portanto, o
intervalo [104,21; 115,79] contém a média populacional com 90% de confiança.
0,5 0,5
P [110 – (2,26 * 10 / 3,16) • ì • 110 + (2,26 * 10 / 3,16)] = P (102,85 • ì • 117,15), portanto, o
intervalo [102,85; 117,15] contém a média populacional com 95% de confiança.
Admite-se a hipótese de que a distribuição de probabilidade da população é normal.
7.5
n = 16, xmedia = 10,875, S = 2,63

Para (1 – á) * 100 = 95% e graus de liberdade = 15, portanto t = 2,1315, que aplicando a
fórmula:
0,5 0,5
P [10,875 – (2,1315 * 2,63 / 4) • ì • 10,875 + (2,1315 * 2,63 / 4)] = P (9,474 • ì • 12,276),
portanto, o intervalo [9,474; 12,276] contém a média populacional com 95% de confiança.
fórmula:
0,5 0,5
P [10,875 – (1,3406 * 2,63 / 4) • ì • 10,875 + (1,3406 * 2,63 / 4)] = P (9,994 • ì • 11,756),
A amplitude do primeiro intervalo é de 2,80, enquanto a amplitude do segundo é de 1,77. A

preferência poderia ser pelo segundo intervalo, mas sua probabilidade de erro é de 20%,
enquanto que a probabilidade do primeiro é de apenas 5%. Logo, a opção de escolha pelo
primeiro é a mais indicada.
7.6
n = 30, xmedia = 296,63 kg, S = 22,23 kg

0,5 0,5
P [296,63 – (2,05 * 22,23 / 5,48) • ì • 296,63 + (2,05 * 22,23 / 5,48)] = P (287,31 • ì • 305,95),
portanto, a amostra satisfaz a especificação pois o intervalo [287,31 kg; 305,95 kg] contém o
peso médio da população (300 kg) com 95% de confiança.
7.7
2 2
o) xmedia = Óxi / n = 394 / 30 = 13,13 e S = [Ó(xi – xmedia) ] / (n – 1) = 2,05.
p) Para (1 – á) * 100 = 95% e graus de liberdade = 29, portanto t = 2,05, que aplicando a
0,5 0,5
fórmula: P {xmedia – [t * S/(n) ] • ì • x media + [t * S/(n) ]} temos,
P [13,13 – (2,05 * 1,43 / 5,48) • ì • 13,13 + (2,05 * 1,43 / 5,48)] = P (12,60 • ì • 13,66),
portanto, o intervalo [12,60; 13,66] contém a média populacional com 94,5% de confiança.
7.8
2 2
n = 4, xmedia = 29,2 s, S = 5,76 s , S = 2,4
0,5 0,5
P [29,2 – (2,35 * 2,4 / 2) • ì • 29,2 + (2,35 * 2,4 / 2)] = P (26,38 • ì • 32,02), portanto, o
intervalo [26,38 s; 32,02 s] contém a média populacional com 90% de confiança.
7.9
a) n = 12, xmedia = 10,42 e S = 4,98
0,5 0,5
P [10,42 – (2,2 * 4,98 / 3,46) • ì • 10,42 + (2,2 * 4,98 / 3,46)] = P (7,25 • ì • 13,59),
b) n = 55, xmedia = 23,37 e S = 4,38

0,5 0,5
P [23,37 – (2 * 4,38 / 7,42) • ì • 23,37 + (2 * 4,38 / 7,42)] = P (22,19 • ì • 24,55), portanto,
o intervalo [22,19 • ì • 24,55] cont ém a média populacional com 95% de confiança.
c) n = 15, xmedia = 10,33 e S = 4,24.

0,5 0,5
P [10,33 – (2,15 * 4,24 / 3,87) • ì • 10,33 + (2,15 * 4,24 / 3,87)] = P (7,97 • ì • 12,69),
7.10
2
a) n = 6, S = 0,72
2 2
Para (1 – á) * 100 = 90% e graus de liberdade = 5, portanto x inf = 1,145 e x sup = 11,071,
2 2 2 2 2
que aplicando a fórmula: P {[(n – 1) * S ] / x sup • ó • [(n – 1) * S ] / x inf} temos,
2 2
P [(5 * 0,72) / 11,1 • ó • (5 * 0,72) / 1,15] = P (0,32 • ó • 3,13), portanto, o intervalo [0,32;
3,13] contém a variância populacional com 90% de confiança.
2
b) n = 15, S = 3,81
2 2
Para (1 – á) * 100 = 90% e graus de liberdade = 14, portanto x inf = 6,571 e x sup = 23,685,
2 2 2 2 2
que aplicando a fórmula: P {[(n – 1) * S ] / x sup • ó • [(n – 1) * S ] / x inf} temos,
2 2
P [(14 * 3,81) / 23,685 • ó • (14 * 3,81) / 6,57] = P (2,25 • ó • 8,12), portanto, o intervalo
[2,25; 8,12] contém a variância populacional com 90% de confiança.
7.11
2
n = 10, S = 2,25
2 2
Para (1 – á) * 100 = 80% e graus de liberdade = 9, portanto x inf = 4,168 e x sup = 14,684, que
2 2 2 2 2
aplicando a fórmula: P {[(n – 1) * S ] / x sup • ó • [(n – 1) * S ] / x inf} temos,
2 2
P [(9 * 2,25) / 14,684 • ó • (9 * 2,25) / 4,168] = P (1,38 • ó • 4,86), portanto, o intervalo [1,38;
4,86] contém a variância populacional com 80% de confiança.
Admite-se a hipótese de que a distribuição de probabilidade da população é normal.
7.12
Relembrando a fórmula de variância e aplicando os valores, temos

2 2 2 2
S = 1 / (n – 1) * [Ó(xi ) – (Óxi) / n] = 1 / (15 – 1) * [27,3 – (8,7) / 15] = 1,59 e n = 15,
2 2
2 2 2 2 2
2 2
P [(14 * 1,59) / 26,12 • ó • (14 * 1,59) / 5,629] = P (0,85 • ó • 3,95), portanto, o intervalo
[0,85; 3,95] contém a variância populacional com 95% de confiança.
7.13
2
n = 30, S = 494,17
2 2
2 2 0,5 2 2 2 0,5
aplicando a fórmula: P {([(n – 1) * S ] / x sup) • ó • ([(n – 1) * S ] / x inf) } temos,
0,5 0,5
P {[(29 * 494,17) / 52,336] • ó • [(29 * 494,17) / 13,121] } = P (16,55 • ó • 33,05), portanto,
o intervalo [16,55; 33,05] contém o desvio-padrão populacional com 99% de confiança.
7.14
Relembrando a fórmula de variância e aplicando os valores, temos

2 2 2 2
S = 1 / (n – 1) * [Ó(xi ) – (Óxi) / n] = 1 / (30 – 1) * [23436,80 – (700,8) / 30] = 243,66 e n = 30,
2 2
2 2 2 2 2
2 2
P [(29 * 243,66) / 42,557 • ó • (29 * 243,66) / 17,708] = P (166,04 • ó • 399,04), portanto, o
intervalo [166,04; 399,04] contém a variância populacional com 90% de confiança.
7.15
n = 100, f = 0,93
0,5 0,5
P {f – [z * (f * (1 – f) / n) ] • p• f + [z * (f(1 – f) / n) ]} temos,
0,5 0,5
P {0,93 – [1,96 * (0,93 * 0,07 / 100) ] • p • 0,93 + [1,96 * (0,93 * 0,07 / 100) ]} = P (0,88 • p •
0,98), portanto, o intervalo [16,55; 33,05] contém a proporção populacional com 95% de
confiança.
7.16
n = 400, f = 0,25
0,5 0,5
0,5 0,5
P {0,25 – [2,33 * (0,25 * 0,75 / 400) ] • p • 0,25 + [2,33 * (0,25 * 0,75 / 400) ]} = P (0,20 • p•
0,30), portanto, o intervalo [0,20; 0,30] contém a proporção populacional com 98% de
confiança.
7.17
n = 50, f = 0,60
0,5 0,5
0,5 0,5
P {0,60 – [2,05 * (0,60 * 0,40 / 50) ] • p • 0,60 + [2,05 * (0,60 * 0,40 / 50) ]} = P (0,46 • p •
0,74), portanto, pode-se dizer, ao nível de 96%, que a moeda é honesta, pois o intervalo de
confiança para a proporção de caras [0,46; 0,74] contém p = 50%.
7.18
n = 120, f = 0,2083
0,5 0,5
0,5
P {0,2083 – [2,575 * (0,2083 * 0,7917 / 120) ] • p • 0,2083 – [2,575 * (0,2083 * 0,7917 /
0,5
120) ]} = P (0,1128 • p • 0,3038), portanto, pode-s e dizer, ao nível de 99% , que o dado é
honesto, pois o intervalo de confiança para a proporção de cincos [0,11; 0,30] contém p = 17%.
7.19
n = 300, f = 0,60
0,5 0,5
0,5 0,5
P {0,60 – [1,645 * (0,60 * 0,40 / 300) ] • p • 0,60 – [1,645 * (0,60 * 0,40 / 300) ]} = P (0,553 •
p • 0,647), portanto, o intervalo [0,553; 0,647] contém a proporç ão populacional de favoráveis à
fluoração com 90% de confiança.
0,5 0,5
0,5 0,5
P {0,60 – [1,96 * (0,60 * 0,40 / 300) ] • p • 0,60 – [1,96 * (0,60 * 0,40 / 300) ]} = P (0,545 • p
• 0,655), portanto, o intervalo [0,545; 0,655] contém a proporç ão populacional de favoráveis à
fluoração com 95% de confiança.
Capítulo 8 – Amostragem
SÉRIE I
8.1
c) ó = 7000, d = 2000, (1 – á) * 100 = 95,5% , ou s eja: z = 2, aplicando a fórmula:

2 2 2 2 2
n = {(z * ó * N) / [d * (N – 1) + z * ó ]} = [4 * 49000000 * 100 / (4000000 * 99 + 4 * 49000000)]
8 6
= 196 * 10 / 592 * 10 = 33.
d) n = 33 e N = 100, portanto, a = 100 / 33 = 3 e a amostra será composta pelos

elementos correspondentes a: 1, 4, 7,10, ..., 100, ou seja, a amostra será:
29, 12, 34, 30, 24, 31, 20, 4, 14, 18, 31, 18, 26, 5, 30, 29, 32, 21, 16, 22, 32, 13, 23, 21, 32,
30, 14, 22, 19, 7, 26, 30, 17, 9.
e) Amplitude: r = 34 – 4 = 30
Nº de intervalos: k• 1 + 3,22 * log34 • 1 + 3,22 * 1,53 • 6
1 4• 9 3
2 9 • 14 3
3 14 • 19 6
4 19 • 24 7
5 24 • 29 3
6 29 • 34 12
Somas 34
f) xmedia = (Óxi * Fi) / n = (6,5 * 3 + ...+ 31,5 * 12) / 34 = 22,38, ou seja, $ 2238.
2 2 2 2
g) S = 1 / (n – 1) * [Ó(xi * Fi) – (Óxi * Fi) / n] = 1 / (34 – 1) * [19406,5 – (761) / 34] =
71,93, portanto S = 8,48, ou seja, $ 848.
h) ì = Óxi / n = (29 + ...+ 9) / 100 = 19,62, ou seja, $ 1962,

|ì – xmedia | = | 1962 – 2238 | = $ 276 que é menor que $ 2000, portanto, | ì – xmedia | • d foi
verificado.
8.2
8.3
8.4
pest = qest = 0,5, d = 0,05, (1 – á) * 100 = 95,5% , ou s eja: z = 2, aplicando a fórmula:

2 2
n = z * pest * qest / d = 4 * 0,25 / 0,0025 = 400.
8.5
pest = qest = 0,5, d = 0,05, N = 200000, (1 – á) * 100 = 95,5% , ou s eja: z = 2, aplicando a

2 2 2
fórmula: n = {(z * pest * qest * N) / [d * (N – 1) + z * pest * qest]} , temos,
[4 * 0,25 * 200000 / 0,0025 * (199999) + 4 * 0,25)] = 200000 / 499,9975 = 399. Comparando-se
os resultados de 8.4 e 8.5, verifica-se que o cálculo do tamanho amostral para uma população
de 200000 dá, aproximadamente, o mesmo resultado, se considerarmos a população infinita.
8.6
8.7
pest = qest = 0,5, d = 0,03, (1 – á) * 100 = 95,5% , ou s eja: z = 2, aplicando a fórmula:

2 2
n = z * pest * qest / d = 4 * 0,25 / 0,0009 = 1111, ou seja, uma amostra de 1111 semáforos.
8.8
ó = 10, d = 3, (1 – á) * 100 = 95,5% , ou s eja: z = 2, aplicando a fórmula:

2 2
n = (z * ó / d) = (2 * 10 / 3) = 44.
8.9
a) O fato de cada criança receber um questionário não garante aleatoriedade ao processo

uma vez que famílias que não tem filhos ou crianças que faltaram, por exemplo, não
participam da amostra.
b) Apesar de o centro da cidade grande apresentar grande número de pessoas ao meio

dia, o processo não pode ser considerado aleatório, pois não garante que todas as
pessoas participem da amostra.
c) Apesar da escolha ser aleatória, os 10 membros não representam todos os 26 estados.
8.10
ó = 3, d = 1, (1 – á) * 100 = 95,5% , ou s eja: z = 2, aplicando a fórmula:

2 2
n = (z * ó / d) = (2 * 3 / 1) = 36.
8.11
pest = qest = 0,5, d = 0,03, N = 10000, (1 – á) * 100 = 99% , ou s eja: z = 2,57, aplicando a
2 2 2
[6,60 * 0,25 * 10000 / 0,0009 * (9999) + 6,60 * 0,25)] = 16500 / 10,65 = 1550.
8.12
pest = 0,4, qest = 0,6, d = 0,025, N = 5000, (1 – á) * 100 = 95,5% , ou s eja: z = 2,, aplicando a
2 2 2
[4 * 0,24 * 5000 / 0,000625 * (4999) + 4 * 0,24)] = 4800 / 4,08 = 1175.
8.13
pest = 0,8, qest = 0,2, d = 0,01, (1 – á) * 100 = 98% , ou s eja: z = 2,33, aplicando a fórmula:
2 2
n = z * pest * qest / d = 5,43 * 0,16 / 0,0001 = 8686.
8.14
-
Capítulo 9 – Inferência Estatística
SÉRIE I
9.1
9.2
Quando um professor decide aprovar um aluno, poderá estar cometendo um Erro tipo II –
aceitar H0 sendo H0 falsa – no caso, aprovar o aluno quando deveria reprová-lo. Por outro lado,
quando um professor decide reprovar o aluno, poderá estar cometendo um Erro tipo I – rejeitar
H0 sendo H0 verdadeira – no caso, reprovar o aluno quando deveria aprová-lo.
9.3
Poderá ocorrer o Erro tipo II, caso o gerente contrate o profissional. Isto é: contrata e o
profissional revela-se sem qualidades – aceitar H0 falsa. Por outro lado, quando o gerente
dispensa (não contrata) determinado profissional, poderá estar cometendo o Erro tipo I –
rejeitar H0 verdadeira. Isto é: não contrata e o profissional revela-se com qualidades, em outro
emprego assemelhado.
9.4
2
H0: ì = 50 contra H 1: ì > 50, ó = 25, n = 25 e á = 10% , portanto, na tabela normal, Z á = 1,28
0,5
Utilizando a fórmula, Zá = (xc – ì ) / [ó / (n) ] temos:
1,28 = (xmediac – 50) / (5/5), portanto, xmediac = 51,28 e assim, a regra de decisão para H0 será:
Rejeitar H0 quando Xmedia > 51,28 e Aceitar H0 quando Xmedia • 51,28
Para ì = 50,4, P(ß/ì = 50,4) = P(X media < 51,28/ì = 50,4) = P[z < (51,28 – 50,4) / (5/5) = 0,88] =
0,3106 + 0,5 = 0,8106,
Para ì = 50,8, P(ß/ì = 50,8) = P(X media < 51,28/ì = 50,8) = P[z < 0,48] = 0,1844 + 0,5 = 0,6844,
Para ì = 51,2, P(ß/ì = 51,2) = P(X media < 51,28/ì = 51,2) = P[z < 0,08] = 0,0319 + 0,5 = 0,5319,
Para ì = 51,6, P(ß/ì = 51,6) = P(X media < 51,28/ì = 51,6) = P[z < -0,32] = 0,5 – 0,1255 = 0,3745,
ì =ì 0 50,4 50,8 51,2 51,6 52,0 52,4 52,8 53,2 53,6 54,0
ß(%) 81,06 68,44 53,19 37,45 23,58 13,14 6,43 2,74 1,02 0,34
Cu r v a Ca r a te r ís tic a e O p e r a ç ã o
100
90
80
70
60
ß (% )
50
40
30
20
10
0
50 5 0 ,4 5 0 ,8 5 1 ,2 5 1 ,6 52 5 2 ,4 5 2 ,8 5 3 ,2 5 3 ,6 54
• = • 0
9.5
H0: ì = 15 contra H 1: ì • 15, ó = 2, n = 9 e á = 5% , portanto, na tabela normal, – Zá/2 = – 1,96 e

Zá/2 = 1,96
0,5
Utilizando a fórmula, Zá/2 = (xc – ì ) / [ó / (n) ] temos:
1,96 = (xm c sup – 15) / (2/3), xm c sup = 16,31 e
– 1,96 = (xm c inf – 15) / (2/3), xm c inf = 13,69, assim,
a regra de decisão para H0 será:
Rejeitar H0 quando Xmedia < 13,69 e Aceitar H0 quando Xmedia • 13,69 até 15 e
Rejeitar H0 quando Xmedia > 16,31 e Aceitar H0 quando Xmedia • 16,31 até 15
Para ì = 15,5, P(ß/ì = 15,5) = P(X media < 16,31/ì = 15,5) = P[z < (16,31 – 15,5) / 2/3 = 1,21] =
0,5 + 0,3869 = 0,8869,
Para ì = 16,0, P(ß/ì = 16,0) = P(X media < 16,31/ì = 16,0) = P[z < 0,47] = 0,5 + 0,1808 = 0,6808
Para ì = 16,5, P(ß/ì = 16,5) = P(X media < 16,31/ì = 16,5) = P[z < –0,28] = 0,5 – 0,1103 = 0,3897
Como a distribuição é normal e existe simetria, as probabilidades de valores eqüidistantes de

H0: ì = 15 s erão iguais. Por exemplo, P(ß/ì = 15,5) = P(ß/ì = 14,5) e as s im por diante.
ì =ì 0 12 12,5 13 13,5 14 14,5 15 15,5 16 16,5 17 17,5 18

ß(%) 0,57 3,75 15,15 38,97 68,08 88,69 95 88,69 68,08 38,97 15,15 3,75 0,57
(1 - ß)% 99,43 96,25 84,85 61,03 31,92 11,31 5 11,31 31,92 61,03 84,85 96,25 99,43
Curv a de For ç a
100
90
80
(1 - ß )% 70
60
50
40
30
20
10
0
12 12,5 13 13,5 14 14,5 15 15,5 16 16,5 17 17,5 18
• = •o
9.6
i) H0: ì = 25 contra H 1: ì • 25, ó = 2, n = 16 e á = 5% , portanto, na tabela normal, – Zá/2 =

– 1,96 e Zá/2 = 1,96
0,5
– 1,96 = (xm c2 – 25) / (2/4), xm c2 = 24,02 e
1,96 = (xm c1 – 25) / (2/4), xm c1 = 25,98, assim,
Rejeitar H0 quando Xmedia > 25,98 e Aceitar H0 quando Xmedia • 25,98 até 25 e
Rejeitar H0 quando Xmedia < 24,02 e Aceitar H0 quando Xmedia • 24,02 até 25.
j) P(ß/ì = 25,4) = P(X media < 25,98/ì = 25,4) = P[z < (25,98 – 25,4) / ½ = 1,16] = 0,5 +
0,3770 = 0,8770,
P(ß/ì = 25,8) = P(X media < 25,98/ì = 25,8) = P[z < 0,36] = 0,5 + 0,1406 = 0,6406,
P(ß/ì = 26,2) = P(X media < 25,98/ì = 26,2) = P[z < – 0,44] = 0,5 – 0,1700 = 0,3300,
P(ß/ì = 26,6) = P(X media < 25,98/ì = 26,6) = P[z < – 1,24] = 0,5 – 0,3925 = 0,1075,
P(ß/ì = 27,0) = P(X media < 25,98/ì = 27,0) = P[z < – 2,04] = 0,5 – 0,4793 = 0,0207,
Como a distribuição é normal e existe simetria, as probabilidades de valores eqüidistantes

de H0: ì = 25 s erão iguais. Por exemplo, P(ß/ì = 25,4) = P(ß/ì = 24,6) e as s im por diante.
ì =ì 0 23 23,4 23,8 24,2 24,6 25 25,4 25,8 26,2 26,6 27

ß(%) 2,07 10,75 33,00 64,06 87,70 95 87,70 64,06 33,00 10,75 2,07
(1 - ß)% 97,93 89,25 67 35,94 12,3 5 12,3 35,94 67 89,25 97,93
Curv a de For ç a
100
90
80
70
(1 - ß )%
60
50
40
30
20
10
0
22,6 23 23,4 23,8 24,2 24,6 25 25,4 25,8 26,2 26,6 27 27,4
• = •o
k) H0: ì = 25 contra H 1: ì • 25, ó = 2, n = 36 e á = 5% , portanto, na tabela normal, – Zá/2 =
– 1,96 e Zá/2 = 1,96
0,5
1,96 = (xm c2 – 25) / (2/6), xm c2 = 25,65 e
– 1,96 = (xm c1 – 25) / (2/6), xm c1 = – 24,35, assim,
Rejeitar H0 quando Xmedia > 25,65 e Aceitar H0 quando Xmedia • 25,65 até 25 e
Rejeitar H0 quando Xmedia < 24,35 e Aceitar H0 quando Xmedia • 24,35 até 25
P(ß/ì = 25,4) = P(X media < 25,65/ì = 25,4) = P[z < (25,65 – 25,4) / 1/3 = 0,76] = 0,5 + 0,2764
= 0,7764,
P(ß/ì = 25,8) = P(X media < 25,65/ì = 25,8) = P[z <– 0,45] = 0,5 – 0,1736 = 0,3264,
P(ß/ì = 26,2) = P(X media < 25,65/ì = 26,2) = P[z <– 1,67] = 0,5 – 0,4525 = 0,0475,
P(ß/ì = 26,6) = P(X media < 25,65/ì = 26,6) = P[z <– 2,88] = 0,5 – 0,4980 = 0,0020,
P(ß/ì = 27,0) = P(X media < 25,65/ì = 27,0) = P[z <– 4,09] = 0,5 – 0,5000 = 0,0000,
Como a distribuição é normal e existe simetria, as probabilidades de valores eqüidistantes

de H0: ì = 25 s erão iguais. Por exemplo, P(ß/ì = 25,4) = P(ß/ì = 24,6) e as s im por diante.
ì =ì 0 23 23,4 23,8 24,2 24,6 25 25,4 25,8 26,2 26,6 27

ß(%) 0,00 0,20 4,75 32,64 77,64 95 77,64 32,64 4,75 0,20 0,00
(1 - ß)% 100 99,80 95,25 67,36 22,36 5 22,36 67,36 95,25 99,80 100
Curv a de For ç a
100
90
80
70
(1 - ß )%
60
50
40
30
20
10
0
22,6 23 23,4 23,8 24,2 24,6 25 25,4 25,8 26,2 26,6 27 27,4
• = •o
l) Como já se sabe, o aumento do tamanho de uma amostra acarreta uma redução

simultânea de erros. Isso pode ser claramente observado quando comparamos os gráficos.
O gráfico com n = 36 tem um curva “U” mais estreita e com crescimento maior, ou seja,
atinge valores de erros próximos a zero mais rapidamente que o gráfico com n = 16.
9.7
2
H0: p= 0,5 contra H1: p > 0,5, ó = 25, n = 100 e á = 5% , portanto, na tabela normal, Z á = 1,64
0,5
Utilizando a fórmula, Zá = (xc – p) / [(p * q) / n] temos:
1,64 = (xc – 0,50) / (0,05), portanto, xmediac = 0,5820 e assim, a regra de decisão para H0 será:
Rejeitar H0 quando Xmedia > 0,5820 e Aceitar H0 quando Xmedia • 0,5820
Para p = 0,55, P(ß/p = 0,55) = P(X media < 0,582/ì = 0,55) = P(z < 0,64) = 0,2389 + 0,5 = 0,7389,
Para p = 0,60, P(ß/p = 0,60) = P(X media < 0,582/ì = 0,60) = P(z < -0,36) = 0,5 – 0,1406 = 0,3594,
p = p0 0,55 0,60 0,65 0,70 0,75
ß(%) 73,89 35,64 8,69 0,91 0,04
Cu r v a Ca r a te r ís tic a e O p e r a ç ã o
100
90
80
70
60
ß (% )
50
40
30
20
10
0
0 ,5 0 ,5 5 0 ,6 0 ,6 5 0 ,7 0 ,7 5 0 ,8
• = • 0
9.8
H0: ì = 1,70 contra H 1: ì < 1,70, ó = 0,2, n = 36 e á = 8% , portanto, na tabela normal, – Zá = –

1,41
0,5
Utilizando a fórmula, – Zá = (xc – ì ) / [ó / (n) ] temos:
– 1,41 = (xm c – 1,70) / (0,2 / 6), xm c = 1,653 assim, a regra de decisão para H0 será:
Rejeitar H0 quando Xmedia > 1,653 e Aceitar H0 quando Xmedia • 1,653;
P(ß/ì = 1,65) = P(X media < 1,653/ì = 1,65) = P[z < (1,653 – 1,65) / (0,2 / 6)] = P[z < – 0,09] = 0,5
– 0,0359 = 0,4641 ou 46,41%.
SÉRIE II
9.9
2
H0: ì = 16 contra H 1: ì • 16, N(13,5; 4,4 ), n = 25 (24 graus ) e á = 5% , portanto, na tabela t
Student, – tá/2 = – 2,0639 e tá/2 = 2,0639
0,5 0,5
tcal = {(xmedia – ì o)/[S/(n) ]} = {(13,5 – 16) / [4,4 / (25) ]} = – 2,8409
Como tcal < – tá/2, rejeita-se H0: ì = 16 com um nível de significância de 5%.
9.10
Primeiramente, calculando a média e a variância da amostra, temos:

xmedia = Óxi / n = (10 + ... + 15) / 15 = 12,2
2 2 2 2
S = 1 / (n – 1) * [Óxi – (Óxi) / n] = 1 / (15 – 1) * [2269 – (183) / 15] = 2,6 e S = 1,61
2
H0: ì = 12,5 contra H 1: ì • 12,5, N(12,2; 1,61 ), n = 15 (14 graus ) e á = 5% , portanto, na tabela
t Student, – tá/2 = – 2,145 e tá/2 = 2,145
0,5 0,5
tcal = {(xmedia – ì o)/[S/(n) ]} = (12,2 – 12,5) / [1,61 / (15) ] = – 0,72
Como – tá/2 • t cal • t á/2, não se pode rejeitar H0: ì = 12,5 com um nível de significância de 5%
2
H0: ì = 12,5 contra H 1: ì > 12,5, N(12,2; 1,61 ), n = 15 (14 graus ) e á = 5% , portanto, na tabela
t Student, tá = 1,7613
0,5 0,5
tcal = {(xmedia – ì o)/[S/(n) ]} = (12,2 – 12,5) / [1,61 / (15) ] = – 0, 72
Como tcal • t á, não se pode rejeitar H0: ì = 12,5 com um nível de significância de 5%
2
H0: ì = 12,5 contra H 1: ì < 12,5, N(12,2; 1,61 ), n = 15 (14 graus ) e á = 5% , portanto, na tabela
t Student, – tá = – 1,7613
0,5 0,5
tcal = {(xmedia – ì o)/[S/(n) ]} = (12,2 – 12,5) / [1,61 / (15) ] = – 0, 72
Como tcal • – t á, não se pode rejeitar H0: ì = 12,5 com um nível de significância de 5%.
9.11

xmedia = (Óxi . Fi) / n = (7,5 * 3 + ... + 27,5 * 2) / 21 = 16,55
2 2 2 2
S = 1 / (n – 1) * [Ó(xi * Fi) – (Óxi * Fi) / n] = 1 / (21 – 1) * [6431,25 – (347,5) / 21] = 34,05 e S =
5,84
2
H0: ì = 20 contra H 1: ì • 20, N(16,55; 5,84 ), n = 21 (20 graus ) e á = 2,5% ou 2%
(aproximadamente), portanto, na tabela t Student, – tá/2 = – 2,5280 e tá/2 = 2,5280
0,5 0,5
tcal = {(xmedia – ì o)/[S/(n) ]} = (16,55 – 20) / [5,84 / (21) ] = – 2,71
Como tcal < – tá/2, rejeita-se H0: ì = 20 com um nível de significância de 2,5%.
9.12
q) Primeiramente, calculando a média da amostra, temos:

xmedia = Óxi / n = (41 + ... + 50) / 20 = 49,35
Quando temos a variância da população, utilizam-se a tabela normal e o Zcal para o teste
de significância.
2
H0: ì = 50 contra H 1: ì • 50, N(49,35; 2 ), n = 20 e á = 5% , portanto, na tabela normal, –
Zá/2 = – 1,96 e Zá/2 = 1,96
0,5 0,5 0,5
Zcal = {(xmedia – ì o)/[ó/(n) ]} = (49,35 – 50) / [(2) / (20) ] = – 2,06
Como – Zá/2 • Z cal • Z á/2, não se pode rejeitar H0: ì = 50 com um nível de significância de
5%.
r) Primeiramente, calculando a variância da amostra, temos:

2 2 2 2
S = 1 / (n – 1) * [Óxi – (Óxi) / n] = 1 / (20 – 1) * [48849 – (987) / 20] = 7,40 e S = 2,72
Neste caso, como não temos o valor da variância da população, calculamos a variância da
amostra e devido à perda de um grau de liberdade, utilizamos a tabela t Student e o tcal.
2
H0: ì = 50 contra H 1: ì • 50, N(49,35; 2,72 ), n = 20 (19 graus ) e á = 5% , portanto, na
tabela t Student, – tá/2 = – 2,0930 e tá/2 = 2,0930
0,5 0,5
tcal = (xmedia – ì o)/[S/(n) ] = (49,35 – 50) / [2,72 / (20) ] = – 1,068
Como – tá/2 • t cal • t á/2, não se pode rejeitar H0: ì = 50 com um nível de significância de 5%.
9.13

xmedia = Óxi / n = (25 + ... + 31) / 15 = 31,80
2 2 2 2
S = 1 / (n – 1) * [Óxi – (Óxi) / n] = 1 / (15 – 1) * [15449 – (477) / 15] = 20,02 e S = 4,48
2
H0: ì = 30 contra H 1: ì • 30, N(31,80; 4,48 ), n = 15 (14 graus ) e á = 10% , portanto, na tabela t
Student, – tá/2 = – 1,7613 e tá/2 = 1,7613
0,5 0,5
tcal = {(xmedia – ì o)/[S/(n) ]} = (31,80 – 30) / [4,48 / (15) ] = 1,556
Como – tá/2 • t cal • t á/2, não se pode rejeitar H0: ì = 30 com um nível de significância de 10%.
9.14
a) xmedia = Óxi / n = (12,4 + ... + 12,7) / 8 = 12,325

2 2 2 2
S = 1 / (n – 1) * [Óxi – (Óxi) / n] = 1 / (8 – 1) * [1215,76 – (98,6) / 8] = 0,0736.
2 2 2
b) H0: ó = 1,00 contra H1: ó < 1,00, S = 0,0736, n = 8 (7 graus ) e á = 5% , portanto, na
2 2
tabela qui quadrado, Xinf = 2,167 e com á = 10% , portanto, X inf = 2,833
2 2 2
Xcal = {[(n – 1) * S ] / óo } = (7 * 0,0736) / 1 = 0,49
2 2 2
Como em ambos casos Xcal < Xinf , rejeita-se H0: ó = 1,00 com níveis de significância de
5% e 10%.
c) A hipótese admitida é de que a população tem distribuição normal.
9.15

xmedia = (Óxi . Fi) / n = (7,5 * 3 + ... + 27,5 * 1) / 20 = 16,00
2 2 2 2
S = 1 / (n – 1) * [Ó(xi * Fi) – (Óxi * Fi) / n] = 1 / (20 – 1) * [5675 – (320) / 20] = 29,21
2 2 2
H0: ó = 10,0 contra H1: ó • 10,0, S = 29,21, n = 20 (19 graus ) e á = 20% , portanto, na tabela
2 2
qui quadrado, Xinf = 11,651 e Xsup = 27,204
2 2 2
Xcal = {[(n – 1) * S ] / óo } = (19 * 29,21) / 10 = 55,50
2 2 2
Como Xcal > Xsup , rejeita-se H0: ó = 10,0 com nível de significância de 20%.
9.16

xmedia = Óxi / n = 8,7 / 15 = 0,58
2 2 2 2
S = 1 / (n – 1) * [Óxi – (Óxi) / n] = 1 / (15 – 1) * [27,3 – (8,7) / 15] = 1,59
2 2 2
H0: ó = 4,0 contra H1: ó • 4,0, S = 1,59, n = 15 (14 graus ) e á = 1% , portanto, na tabela qui
2 2
quadrado, Xinf = 4,075 e Xsup = 31,319
2 2 2
Xcal = {[(n – 1) * S ] / óo } = (14 * 1,59) / 4 = 5,57
2 2 2 2
Como Xinf • X cal • X sup , não se pode rejeitar H0: ó = 4,0 com nível de significância de 1%.
9.17
H0: p = 0,50 contra H1: p • 0,50, n = 500, f = 0,52 e á = 5% , portanto, na tabela normal, – Zá/2 =
– 1,96 e Zá/2 = 1,96
0,5 0,5
Zcal = {(f – po) / [[po * (1 – po)] / n] } = {(0,52 – 0,5) / [(0,5 * 0,5) / 500] } = 0,89
Como – Zá/2 • Z cal • Z á/2, não se pode rejeitar H0: p = 0,50 com nível de significância de 5%.
9.18
a) H0: p = 0,80 contra H1: p • 0,80, n = 140, f = 0,79 e á = 4% , portanto, na tabela normal,
– Zá/2 = – 2,05 e Zá/2 = 2,05
0,5 0,5
Zcal = {(f – po) / [[po * (1 – po)] / n] } = {(0,79 – 0,8) / [(0,8 * 0,2) / 140] } = – 0,30
b) H0: p = 0,70 contra H1: p • 0,70, n = 140, f = 0,64 e á = 2% , portanto, na tabela normal,
– Zá/2 = – 2,33 e Zá/2 = 2,33
0,5 0,5
Zcal = {(f – po) / [[po * (1 – po)] / n] } = {(0,64 – 0,7) / [(0,7 * 0,3) / 140] } = – 1,55
c) H0: p = 0,40 contra H1: p • 0,40, n = 50, f = 0,68 e á = 1% , portanto, na tabela normal, –
Zá/2 = – 2,57 e Zá/2 = 2,57
0,5 0,5
Zcal = {(f – po) / [[po * (1 – po)] / n] } = {(0,68 – 0,4) / [(0,4 * 0,6) / 50] } = 4,04
Como Zcal > Zá/2, rejeita-se H0: p = 0,40 com nível de significância de 1%.
9.19
– 1,96 e Zá/2 = 1,96
0,5 0,5
Zcal = {(f – po) / [[po * (1 – po)] / n] } = {(0,60 – 0,50) / [(0,50 * 0,50) / 100] } = 2,00
Como Zcal > Zá/2, rejeita-se H0: p = 0,50, ou seja, que a moeda é honesta com nível de
significância de 5%.
9.20
– 2,05 e Zá/2 = 2,05
0,5 0,5
Zcal = {(f – po) / [[po * (1 – po)] / n] } = {(0,60 – 0,50) / [(0,50 * 0,50) / 500] } = 4,47
Como Zcal > Zá/2, rejeita-se H0: p = 0,50 com nível de significância de 5%.
9.21
H0: p = 0,40 contra H1: p > 0,40, n = 90, f = 0,44 e á = 5% , portanto, na tabela normal, Z á = 1,64
0,5 0,5
Zcal = {(f – po) / [[po * (1 – po)] / n] } = {(0,44 – 0,40) / [(0,40 * 0,60) / 90] } = 0,85
Como Zcal • Z á, não se pode rejeitar H0: p = 0,40 com nível de significância de 5%.
9.22
2 2 2 2 2 2
H0: ó1 = ó2 contra H1: ó1 • ó2 , S1 = 43,2, S2 = 29,5, á = 10% , portanto, na tabela F , com ö1
= n1 – 1 = 40 e ö2 = n2 – 1 = 30, Fsup = 1,79 e Finf = 1 / F(30,40) = 0,57
2 2
Fcal = S1 / S2 = 43,2 / 29,50 = 1,46
2 2
Como Finf • F cal • F sup, não se pode rejeitar H0: ó1 = ó2 com nível de significância de 10%.
9.23
Tomando A e B, temos:
2 2 2 2
SA = 1 / (n – 1) * [Óxi – (Óxi) / n] = 1 / (5 – 1) * [3811 – (137) / 5] = 14,30
2 2 2 2
SB = 1 / (n – 1) * [Óxi – (Óxi) / n] = 1 / (5 – 1) * [3777 – (133) / 5] = 59,80
2 2 2 2 2 2
H0: óA = óB contra H1: óA • óB , SA = 14,30, SB = 59,80 e á = 10% , portanto, na tabela F ,
com ö1 = n1 – 1 = 4 e ö2 = n2 – 1 = 4, Fsup = 6,39 e Finf = 1 / F(4, 4) = 0,16
2 2
Fcal = S1 / S2 = 14,30 / 59,80 = 0,24
2 2
Como Finf • F cal • F sup, não se pode rejeitar H0: óA = óB com nível de significância de 10%.
9.24
Primeiramente, calculando as variâncias das amostras, temos:

2 2 2 2
SA = 1 / (n – 1) * [Óxi – (Óxi) / n] = 1 / (6 – 1) * [890 – (64) / 6] = 41,47
2 2 2 2
SB = 1 / (n – 1) * [Óxi – (Óxi) / n] = 1 / (6 – 1) * [2198 – (98) / 5] = 119,47
Tomando as marcas A e B:
2 2 2 2 2 2
H0: óA = óB contra H1: óA • óB , SA = 41,47, SB = 119,47 e á = 10% , portanto, na tabela F ,
com ö1 = n1 – 1 = 5 e ö2 = n2 – 1 = 5, Fsup = 5,05 e Finf = 1 / F(5, 5) = 0,20
2 2
Fcal = S1 / S2 = 41,47 / 119,47 = 0,347
2 2
Como Finf • F cal • F sup, não se pode rejeitar H0: óA = óB com nível de significância de 10%.
9.25
2 2
H0: µ1 = µ2 contra H1: µ 1 • µ 2, n1 = 60, xmedia 1 = 5,71, ó1 = 43, n2 = 35, xmedia 2 = 4,12, ó2 = 28 e
á = 4% , portanto, na tabela normal, – Zá/2 = – 2,05 e Zá/2 = 2,05
2 2 0,5 0,5
Zcal = {(xmedia 1 – xmedia 2) / [(ó1 / n1) + (ó2 / n2)] } = {(5,71 – 4,12) / [(43 / 60) + (28 / 35)] } =
1,29
Como – Zá/2 • Z cal • Z á/2, não se pode rejeitar H0: µ1 = µ2 com nível de significância de 4%.
9.26
Primeiramente, calculando as médias das amostras, temos:

xmedia A = Óxi / n = (14 + ... + 12) / 6 = 64 / 6 = 10,67
xmedia B = Óxi / n = (45 + ... + 10) / 6 = 98 / 6 = 16,34
2 2
Do exercício 9.24, temos: SA = 41,47 e SB = 119,47
2 2
H0: µA = µB contra H1: µ A • µ B, nA = 6, xmedia A = 10,67, SA = 41,47, nB = 6, xmedia B = 16,34, SB =
119,47 e á = 5% , portanto, na tabela t S tudent, com ö = (6 + 6 – 2) = 10, – tá/2 = – 2,2281 e tá/2
= 2,2281
2 2 0,5 0,5
Sc = {[(n1 – 1) * S1 + (n2 – 1) * S2 ] / (n1 + n2 – 2)} = {[5 * 41,47 + 5 * 119,47] / 10} = 8,97
0,5 0,5
tcal = {[(xmedia 1 – xmedia 2)] / Sc * [(n1 + n2) / (n1 * n2)] } = {[(10,67 – 16,34)] / 8,97 * [12 / 36] } = –
1,1
Como – tá/2 • t cal • t á/2, não se pode rejeitar H0: µ1 = µ2 com nível de significância de 5%.
9.27
a) Tomando A e B, temos:
Primeiramente, calculando as médias das populações, temos:
xmedia A = Óxi / n = (22 + ... + 27) / 5 = 137 / 5 = 27,4
xmedia B = Óxi / n = (22 + ... + 40) / 5 = 133 / 5 = 26,6
2 2
Do exercício 9.23, temos: SA = 14,3 e SB = 59,8
2 2
H0: µA = µB contra H1: µ A • µ B, nA = 5, xmedia A = 27,4, SA = 14,3, nB = 5, xmedia B = 26,6, SB =
59,8 e á = 5% , portanto, na tabela t S tudent, com ö = (5 + 5 – 2) = 8, – tá/2 = – 2,3060 e tá/2
= 2,3060
2 2 0,5
Sc = {[(n1 – 1) * S1 + (n2 – 1) * S2 ] / (n1 + n2 – 2)} = {[(5 – 1) * 14,3 + (5 – 1) * 59,8] / (5 +
0,5
5 – 2)} = 6,09
0,5 0,5
tcal = {[(xmedia 1 – xmedia 2)] / Sc * [(n1 + n2) / (n1 * n2)] } = {[(27,4 – 26,6)] / 6,09 * [10 / 25] } =
0,21
Como – tá/2 • t cal • t á/2, não se pode rejeitar H0: µ1 = µ2 com nível de significância de 5%.
b) Tomando C e D, temos:
Primeiramente, calculando as médias e as variâncias amostrais, temos:
xmedia C = Óxi / n = (42 + ... + 25) / 5 = 151 / 5 = 30,2 e
2 2 2 2
SC = 1 / (n – 1) * [Óxi – (Óxi) / n] = 1 / (5 – 1) * [4749 – (151) / 5] = 47,2
xmedia D = Óxi / n = (21 + ... + 28) / 5 = 106 / 5 = 21,2 e
2 2 2 2
SD = 1 / (n – 1) * [Óxi – (Óxi) / n] = 1 / (5 – 1) * [2316 – (106) / 5] = 17,2
2 2
H0: µC = µD contra H1: µ C • µ D, nC = 5, xmedia C = 30,2, SC = 47,2, nD = 5, xmedia D = 21,2, SD
= 17,2 e á = 10% , portanto, na tabela t S tudent, com ö = (5 + 5 – 2) = 8, – tá/2 = – 1,8595 e
tá/2 = 1,8595
2 2 0,5
Sc = {[(n1 – 1) * S1 + (n2 – 1) * S2 ] / (n1 + n2 – 2)} = {[(5 – 1) * 47,2 + (5 – 1) * 17,2] / (5 +
0,5
5 – 2)} = 5,67
0,5 0,5
tcal = {[(xmedia 1 – xmedia 2)] / Sc * [(n1 + n2) / (n1 * n2)] } = {[(30,2 – 21,2)] / 5,67 * [10 / 25] } =
2,51
Como tcal > tá/2, rejeita-se H0: µ1 = µ2 com nível de significância de 5%.
9.28
Primeiramente, calculando as médias e as variâncias das amostras, temos:

xmedia M = (Óxi . Fi) / n = (17,5 * 8 + ... + 77,5 * 3) / 45 = 41,50
2 2 2 2
SM = 1 / (n – 1) * [Ó(xi * Fi) – (Óxi * Fi) / n] = 1 / 44 * [90731,25 – (1867,5) / 45] = 300,68
xmedia F = (Óxi . Fi) / n = (17,5 * 7 + ... + 77,5 * 4) / 39 = 42,88
2 2 2 2
SF = 1 / (n – 1) * [Ó(xi * Fi) – (Óxi * Fi) / n] = 1 / 38 * [84843,75 – (1672,5) / 39] = 345,24
2
H0: µM – µF = 5 contra H1: µM – µF • 5, n M = 45, xmedia M = 41,50, SM = 300,68, nF = 39, xmedia F =
2
42,88, SF = 345,24, e á = 10% , portanto, na tabela t S tudent, com ö = (45 + 39 – 2) = 82, – tá/2
= – 1,6636 e tá/2 = 1,6636
2 2 0,5
Sc = {[(n1 – 1) * S1 + (n2 – 1) * S2 ] / (n1 + n2 – 2)} = {[(45 – 1) * 300,68 + (39 – 1) * 345,24] /
0,5
(45 + 39 – 2)} = 17,93
0,5
tcal = {[(xmedia 1 – xmedia 2) – d] / Sc * [(n1 + n2) / (n1 * n2)] } = {[(41,50 – 42,88) – 5] / 17,93 * [(45 +
0,5
39) / (45 * 39)] } = – 1,63
Como – tá/2 • t cal • t á/2, não se pode rejeitar H0: µM – µF = 5 com um nível de significância de
10%.
9.29
H0: psp = prj contra H1: psp • p rj, nsp = 300, fsp = 0,25, nrj = 400, frj = 0,30 e á = 5% , portanto, na
tabela normal, – Zá/2 = – 1,96 e Zá/2 = 1,96
pcom = (x1 + x2) / (n1 + n2) = (75 + 120) / (300 + 400) = 0,28
0,5
Zcal = {(f1 – f2) / [pcom * (1 – pcom) * (1 / n1 + 1 / n2)] } = {(0,25 – 0,30) / [0,28 * (1 – 0,28) * (1 /
0,5
300 + 1 / 400)] } = – 1,46
Como – Zá/2 • Z cal • Z á/2, não se pode rejeitar H0: psp = prj com nível de significância de 5%.
9.30
H0: p1 = p2 contra H1: p1 • p 2, n1 = 1000, f1 = 0,05, n2 = 1000, f2 = 0,20 e á = 5% , portanto, na
pcom = (x1 + x2) / (n1 + n2) = (50 + 200) / (1000 + 1000) = 0,125
0,5
Zcal = {(f1 – f2) / [pcom * (1 – pcom) * (1 / n1 + 1 / n2)] } = {(0,05 – 0,20) / [0,125 * (1 – 0,125) * (2 /
0,5
1000)] } = – 10,14
Como Zcal < – Zá/2, rejeita-se H0: p1 = p2 com nível de significância de 5%.
9.31
H0: pX = pY contra H1: pX • p Y, nX = 200, fX = 0,60, nY = 500, fY = 0,48 e á = 10% , portanto, na

pcom = (x1 + x2) / (n1 + n2) = (120 + 240) / (200 + 500) = 0,5143
0,5
Zcal = {(f1 – f2) / [pcom * (1 – pcom) * (1 / n1 + 1 / n2)] } = {(0,60 – 0,48) / [0,5143 * (1 – 0,5143) * (1
0,5
/ 200 + 1/ 500)] } = 2,86
Como Zcal > Zá/2, rejeita-se H0: pX = pY com nível de significância de 10%.
Capítulo 10 – Análise da Variância: Anova
SÉRIE I
10.1
s) Primeiramente, contando o número de elementos e calculando a soma, a média e a

variância das amostras, temos:
xm1 = Óxi / n = (26 + ... + 28) / 6 = 159 / 6 = 26,50
2 2 2 2
S1 = 1 / (n – 1) * [Óxi – (Óxi) / n] = 1 / (6 – 1) * [25281 – (159) / 6] = 3,50
xm2 = Óxi / n = (17 + ... + 21) / 4 = 80 / 4 = 20,00
2 2 2 2
S2 = 1 / (n – 1) * [Óxi – (Óxi) / n] = 1 / (4 – 1) * [1614 – (80) / 4] = 4,67
xm3 = Óxi / n = (36 + ... + 29) / 4 = 129 / 4 = 32,25
2 2 2 2
S3 = 1 / (n – 1) * [Óxi – (Óxi) / n] = 1 / (4 – 1) * [4184 – (129) / 4] = 8,92
xm4 = Óxi / n = (20 + ... + 23) / 6 = 121 / 6 = 20,17
2 2 2 2
S4 = 1 / (n – 1) * [Óxi – (Óxi) / n] = 1 / (6 – 1) * [2467 – (121) / 6] = 5,37
GRUPO CONTAGEM SOMA MÉDIA VARIÂNCIA

Coluna 1 6 159 26,50 3,50
Coluna 2 4 80 20,00 4,67
Coluna 3 4 129 32,25 8,92
Coluna 4 6 121 20,17 5,37
t) xtotal = Óxi / n = (26 + ... + 23) / 20 = / 20 = 24,45.

2 2
u) C = [(Ói Ój xij) / n] = (489) / 20 = 11956,05
2 2 2
Qt = (Ói Ój xij) – C = (26 + ... + 23 ) – 11956,05 = 12499 – 11956,05 = 542,95.
2 2 2
v) Qe = Ói * [(Ój xij) / n] – C = [(159) / 6] + ... + [(121) / 6] – 11956,05 = 12413,92 – 11956,05
= 475,87.
w) Qr = Qt – Qe = 542,95 – 475,87 = 85,08.

2
x) Se = [Qe / (k – 1)] = 475,87 / 3 = 152,62
2
Sr = [Qr / (n – k)] = 85,08 / 16 = 5,32
2 2
Fcal = [Se / Sr ] = 152,62 / 5,32 = 28,70 e á = 5% , portanto, na tabela F , com ö1 e ö2 = 3 e
16, Ftab(3, 16) = 3,24
Como Fcal > Ftab, rejeita-se H0: µ1 = µ2 = µ3 = µ4 com nível de significância de 5%,
concluindo-se que há diferença entre as médias.
VARIAÇÃO SOMA DOS 2S G.L. 2

S MÉDIOS TESTE F F CRÍTICO
Entre Tratamentos 475,87 k–1=4–1=3 152,62 28,70 3,24
Residual 85,08 n – k = 20 – 4 = 16 5,32
Total 542,95 n – 1 = 20 – 1 = 19
2 0,5
y) Éxm1 – xm2É > {S r * (k – 1) * (1/n1 + 1/n2) * Fá[(k – 1), (n – k)]}
0,5
É26,50 – 20,00 É e [5,32 * 3 * 0,42 * F (3, 16)] , ou seja, 6,50 > 4,66, portanto, µ1 • µ 2
0,5
0,5
0,5
0,5
É20,00 – 20,17 É e [5,32 * 3 * 0,42 * F (3, 16)] , ou seja, 0,17 < 4,66, portanto, µ2 = µ4
0,5
É32,25 – 20,17 É e [5,32 * 3 * 0,42 * F (3, 16)] , ou seja, 12,08 > 4,66, portanto, µ3 • µ 4.
10.2
Primeiramente, contando o número de elementos e calculando a soma, a média e a variância

das amostras, temos:
xmA = Óxi / n = (53 + ... + 55) / 6 = 333 / 6 = 55,50
2 2 2 2
SA = 1 / (n – 1) * [Óxi – (Óxi) / n] = 1 / (6 – 1) * [18535 – (333) / 6] = 10,70
xmB = Óxi / n = (52 + ... + 54) / 6 = 326 / 6 = 54,33
2 2 2 2
SB = 1 / (n – 1) * [Óxi – (Óxi) / n] = 1 / (6 – 1) * [17788 – (326) / 6] = 15,07
xmC = Óxi / n = (51 + ... + 50) / 6 = 320 / 6 = 53,33
2 2 2 2
SC = 1 / (n – 1) * [Óxi – (Óxi) / n] = 1 / (6 – 1) * [17100 – (320) / 6] = 6,67
xmD = Óxi / n = (49 + ... + 51) / 6 = 309 / 6 = 51,50
2 2 2 2
SD = 1 / (n – 1) * [Óxi – (Óxi) / n] = 1 / (6 – 1) * [15931 – (309) / 6] = 3,50

A 6 333 55,50 10,70
B 6 326 54,33 15,07
C 6 320 53,33 6,67
D 6 309 51,50 3,50
2 2
C = [(Ói Ój xij) / n] = (1288) / 24 = 69122,67
2 2 2
Qt = (Ói Ój xij) – C = (53 + ... + 51 ) – 69122,67 = 69354 – 69122,67 = 231,33
2 2 2
Qe = Ói * [(Ój xij) / n] – C = [(333) / 6] + ... + [(309) / 6] – 69122,67 = 69174,33 – 69122,67 =
51,67
Qr = Qt – Qe = 231,33 – 51,67 = 179,67
2
Se = [Qe / (k – 1)] = 51,67 / 3 = 17,22
2
Sr = [Qr / (n – k)] = 179,67 / 20 = 8,98
2 2
Fcal = [Se / Sr ] = 17,22 / 8,98 = 1,92 e á = 5% , portanto, na tabela F , com ö1 e ö2 = 3 e 20,
Ftab(3, 20) = 3,10
Como Fcal < Ftab, não se pode rejeitar H0: µA = µB = µC = µD com nível de significância de 5%,
concluindo-se que não há diferença entre as médias.

Residual 179,67 n – k = 24 – 4 = 20 8,98
Total 231,33 n – 1 = 24 – 1 = 23
10.3

xmA = Óxi / n = (3,6 + ... + 3,2) / 6 = 20,2 / 6 = 3,37
2 2 2 2
SA = 1 / (n – 1) * [Óxi – (Óxi) / n] = 1 / (6 – 1) * [68,36 – (20,2) / 6] = 0,07
xmB = Óxi / n = (3,3 + ... + 3,4) / 6 = 20,2 / 6 = 3,37
2 2 2 2
SB = 1 / (n – 1) * [Óxi – (Óxi) / n] = 1 / (6 – 1) * [68,06 – (20,2) / 6] = 0,01
xmC = Óxi / n = (3,5 + ... + 3,2) / 6 = 20,1 / 6 = 3,35
2 2 2 2
SC = 1 / (n – 1) * [Óxi – (Óxi) / n] = 1 / (6 – 1) * [67,39 – (20,1) / 6] = 0,01
xmD = Óxi / n = (3,5 + ... + 3,8) / 6 = 20,3 / 6 = 3,38
2 2 2 2
SD = 1 / (n – 1) * [Óxi – (Óxi) / n] = 1 / (6 – 1) * [69,03 – (20,3) / 6] = 0,07
xmE = Óxi / n = (3,7 + ... + 3,4) / 6 = 21,2 / 6 = 3,53
2 2 2 2
SE = 1 / (n – 1) * [Óxi – (Óxi) / n] = 1 / (6 – 1) * [74,98 – (21,2) / 6] = 0,01

Mistura A 6 20,2 3,37 0,07
Mistura B 6 20,2 3,37 0,01
Mistura C 6 20,1 3,35 0,01
Mistura D 6 20,3 3,38 0,07
Mistura E 6 21,2 3,53 0,01
2 2
C = [(Ói Ój xij) / n] = (102) / 30 = 346,80
2 2 2
Qt = (Ói Ój xij) – C = (3,6 + ... + 3,4 ) – 346,80 = 347,82 – 346,80 = 1,02
2 2 2
Qe = Ói * [(Ój xij) / n] – C = [(20,2) / 6] + ... + [(21,2) / 6] – 346,80 = 346,94 – 346,80 = 0,14
Qr = Qt – Qe = 1,02 – 0,14 = 0,88
2
Se = [Qe / (k – 1)] = 0,14 / 4 = 0,03
2
Sr = [Qr / (n – k)] = 0,88 / 25 = 0,04
2 2
Fcal = [Se / Sr ] = 0,03 / 0,04 = 0,97 e á = 5% , portanto, na tabela F , com ö1 e ö2 = 4 e 25,
Ftab(4, 25) = 2,76
Como Fcal < Ftab, não se pode rejeitar H0: µA = µB = µC = µD = µE com nível de significância de
5%, concluindo-se que não há diferença entre as médias.

Residual 0,88 n – k = 30 – 5 = 25 0,04
Total 1,02 n – 1 = 30 – 1 = 29
10.4

xm1 = Óxi / n = (40 + 59 + 42) / 3 = 141 / 3 = 47,00
2 2 2 2
S1 = 1 / (n – 1) * [Óxi – (Óxi) / n] = 1 / (3 – 1) * [6845 – (141) / 3] = 109,00
xm2 = Óxi / n = (39 + 55 + 51) / 3 = 145 / 3 = 48,33
2 2 2 2
S2 = 1 / (n – 1) * [Óxi – (Óxi) / n] = 1 / (3 – 1) * [7147 – (145) / 3] = 69,33
xm3 = Óxi / n = (47 + 55 + 45) / 3 = 147 / 3 = 49,00
2 2 2 2
S3 = 1 / (n – 1) * [Óxi – (Óxi) / n] = 1 / (3 – 1) * [7259 – (147) / 3] = 28,00
xm4 = Óxi / n = (45 + 50 + 40) / 3 = 135 / 3 = 45,00
2 2 2 2
S4 = 1 / (n – 1) * [Óxi – (Óxi) / n] = 1 / (3 – 1) * [6125 – (135) / 3] = 25,00
xm5 = Óxi / n = (52 + 52 + 41) / 3 = 145 / 3 = 48,33
2 2 2 2
S5 = 1 / (n – 1) * [Óxi – (Óxi) / n] = 1 / (3 – 1) * [7089 – (145) / 3] = 40,33
xmA = Óxi / n = (40 + ... + 52) / 5 = 223 / 5 = 44,60
2 2 2 2
SA = 1 / (n – 1) * [Óxi – (Óxi) / n] = 1 / (5 – 1) * [10059 – (223) / 5] = 28,30
xmB = Óxi / n = (59 + ... + 52) / 5 = 271 / 5 = 54,20
2 2 2 2
SB = 1 / (n – 1) * [Óxi – (Óxi) / n] = 1 / (5 – 1) * [14735 – (271) / 5] = 11,70
xmC = Óxi / n = (42 + ... + 41) / 5 = 219 / 5 = 43,80
2 2 2 2
SC = 1 / (n – 1) * [Óxi – (Óxi) / n] = 1 / (5 – 1) * [9671 – (219) / 5] = 19,70

Operário 1 3 141 47,00 109,00
Operário 2 3 145 48,33 69,33
Operário 3 3 147 49,00 28,00
Operário 4 3 135 45,00 25,00
Operário 5 3 145 48,33 40,33
Máquina A 5 223 44,60 28,30
Máquina B 5 271 54,20 11,70
Máquina C 5 219 43,80 19,70
2 2
C = [(Ói Ój xij) / n] = (713) / 15 = 33891,27
2 2 2
Qt = (Ói Ój xij) – C = (40 + ... + 41 ) – 33891,27 = 34465 – 33891,27 = 573,73
2 2 2
Qel = Ój * [(Ój xij) / k] – C = [(141) / 3] + ... + [(145) / 3] – 33891,27 = 33921,67 – 33891,27 =
30,40
2 2 2
Qec = Ói * [(Ój xij) / L] – C = [(223) / 5] + ... + [(219) / 5] – 33891,27 = 34226,20 – 33891,27 =
334,93
Qr = Qt – Qec – Qel = 573,73 – 334,93 – 30,40 = 208,40
2
Sel = [Qel / (L – 1)] = 30,40 / 4 = 7,60
2
Sec = [Qec / (k – 1)] = 334,93 / 2 = 167,47
2
Sr = [Qr / (n – L – k + 1)] = 208,40 / 8 = 26,05
L 2 2
F cal = [Sel / Sr ] = 7,60 / 26,05 = 0,29 e á = 5% , portanto, na tabela F , com ö1 e ö2 = 4 e 8,
L
F tab(4, 8) = 3,84
L L
Como F cal < F tab, não se pode rejeitar H0: µ1 = µ2 = µ3 = µ4 = µ5 com nível de significância de
5%, concluindo-se que não há diferença entre os operários
c 2 2
F cal = [Sec / Sr ] = 167,47 / 26,05 = 6,43 e á = 5% , portanto, na tabela F , com ö1 e ö2 = 2 e 8,
c
F tab(2, 8) = 4,46
c c
Como F cal l > F tab, rejeita-se H0: µA = µB = µC com nível de significância de 5%, concluindo-se
que há diferença entre as máquinas.

Linhas 30,40 L–1=5–1=4 7,60 0,29 3,84
Colunas 334,93 k–1=3–1=2 167,47 6,43 4,46
Residual 208,40 15 – 5 – 3 + 1 = 8 26,05
Total 573,73 n – 1 = 15 – 1 = 14
10.5

xmA = Óxi / n = (15 + ... + 14) / 4 = 51 / 4 = 12,75
2 2 2 2
SA = 1 / (n – 1) * [Óxi – (Óxi) / n] = 1 / (4 – 1) * [665 – (51) / 4] = 4,92
xmB = Óxi / n = (19 + ... + 11) / 4 = 57 / 4 = 14,25
2 2 2 2
SB = 1 / (n – 1) * [Óxi – (Óxi) / n] = 1 / (4 – 1) * [851 – (57) / 4] = 12,92
xmC = Óxi / n = (18 + ... + 12) / 4 = 59 / 4 = 14,75
2 2 2 2
SC = 1 / (n – 1) * [Óxi – (Óxi) / n] = 1 / (4 – 1) * [889 – (59) / 4] = 6,25
xmD = Óxi / n = (16 + ... + 16) / 4 = 55 / 4 = 13,75
2 2 2 2
SD = 1 / (n – 1) * [Óxi – (Óxi) / n] = 1 / (4 – 1) * [777 – (55) / 4] = 6,92
xmE = Óxi / n = (17 + ... + 14) / 4 = 58 / 4 = 14,50
2 2 2 2
SE = 1 / (n – 1) * [Óxi – (Óxi) / n] = 1 / (4 – 1) * [862 – (58) / 4] = 7,00
xm1 = Óxi / n = (15 + ... + 17) / 5 = 85 / 5 = 17,00
2 2 2 2
S1 = 1 / (n – 1) * [Óxi – (Óxi) / n] = 1 / (5 – 1) * [1455 – (85) / 5] = 2,50
xm2 = Óxi / n = (12 + ... + 16) / 5 = 68 / 5 = 13,60
2 2 2 2
S2 = 1 / (n – 1) * [Óxi – (Óxi) / n] = 1 / (5 – 1) * [942 – (68) / 5] = 4,30
xm3 = Óxi / n = (10 + ... + 11) / 5 = 60 / 5 = 12,00
2 2 2 2
S3 = 1 / (n – 1) * [Óxi – (Óxi) / n] = 1 / (5 – 1) * [734 – (60) / 5] = 3,50
xm4 = Óxi / n = (14 + ... + 14) / 5 = 67 / 5 = 13,40
2 2 2 2
S4 = 1 / (n – 1) * [Óxi – (Óxi) / n] = 1 / (5 – 1) * [913 – (67) / 5] = 3,80

Bloco A 4 51 12,75 4,92
Bloco B 4 57 14,25 12,92
Bloco C 4 59 14,75 6,25
Bloco D 4 55 13,75 6,92
Bloco E 4 58 14,50 7,00
Café 1 5 85 17,00 2,50
Café 2 5 68 13,60 4,30
Café 3 5 60 12,00 3,50
Café 4 5 67 13,40 3,80
2 2
C = [(Ói Ój xij) / n] = (280) / 20 = 3920
2 2 2
Qt = (Ói Ój xij) – C = (15 + ... + 14 ) – 3920 = 4044 – 3920 = 124,00
2 2 2
Qel = Ój * [(Ój xij) / k] – C = [() / 4] + ... + [() / 4] – 3920 = 3930 – 3920 = 10,00
2 2 2
Qec = Ói * [(Ój xij) / L] – C = [() / 5] + ... + [() / 5] – 3920 = 3987,60 – 3920 = 67,60
Qr = Qt – Qec – Qel = 124 – 10 – 67,60 = 46,40
2
Sel = [Qel / (L – 1)] = 10 / 4 = 2,5
2
Sec = [Qec / (k – 1)] = 67,60 / 3 = 22,53
2
Sr = [Qr / (n – L – k + 1)] = 16,40 / 12 = 3,87
L 2 2
F cal = [Sel / Sr ] = 2,5 / 3,87 = 0,65 e á = 5% , portanto, na tabela F , com ö1 e ö2 = 4 e 12,
L
F tab(4, 12) = 3,26
L L
Como F cal < F tab, não se pode rejeitar H0: µA = µB = µC = µD = µE com nível de significância de
5%, concluindo-se que não há diferença entre os solos
c 2 2
F cal = [Sec / Sr ] = 22,53 / 3,87 = 5,83 e á = 5% , portanto, na tabela F , com ö1 e ö2 = 3 e 12,
c
F tab(3, 12) = 3,49
c c
Como F cal l > F tab, rejeita-se H0: µ1 = µ2 = µ3 = µ4 com nível de significância de 5%, concluindo-
se que há diferença entre os tipos de café.

Linhas 10,00 L–1=5–1=4 2,50 0,65 3,26
Colunas 67,60 K–1=4–1=3 22,53 5,83 3,49
Residual 46,40 20 – 5 – 4 + 1 = 12 3,87
Total 124,00 n – 1 = 20 – 1 = 19
10.6

xmFAR = Óxi / n = (78 + ... + 125) / 12 = 1227 / 12 = 102,25
2 2 2 2
SFAR = 1 / (n – 1) * [Óxi – (Óxi) / n] = 1 / (12 – 1) * [130095 – (1227) / 12] = 421,30
xmDRO = Óxi / n = (78 + ... + 128) / 12 = 1250 / 12 = 104,17
2 2 2 2
SDRO = 1 / (n – 1) * [Óxi – (Óxi) / n] = 1 / (12 – 1) * [134800 – (1250) / 12] = 417,42
xmOUT = Óxi / n = (80 + ... + 129) / 12 = 1266 / 12 = 105,50
2 2 2 2
SOUT = 1 / (n – 1) * [Óxi – (Óxi) / n] = 1 / (12 – 1) * [138408 – (1266) / 12] = 440,45
xmP1 = Ó xi / n = (78 + ... + 81) / 12 = 936 / 12 = 78,00
2 2 2 2
SP1 = 1 / (n – 1) * [Óxi – (Óxi) / n] = 1 / (12 – 1) * [73048 – (936) / 12] = 3,64
xmP2 = Ó xi / n = (108 + ... + 111) / 12 = 1299 / 12 = 108,25
2 2 2 2
SP2 = 1 / (n – 1) * [Óxi – (Óxi) / n] = 1 / (12 – 1) * [140671 – (1299) / 12] = 4,93
xmP3 = Ó xi / n = (124 + ... + 129) / 12 = 1508 / 12 = 125,67
2 2 2 2
SP3 = 1 / (n – 1) * [Óxi – (Óxi) / n] = 1 / (12 – 1) * [189584 – (1508) / 12] = 125,67

Farmácia 12 1227 102,25 421,30
Drogaria 12 1250 104,17 417,42
Outro 12 1266 105,50 440,45
P1 = 54 12 936 78,00 3,64
P2 = 49 12 1299 108,25 7,93
P3 = 44 12 1508 125,67 125,67
2 2
C = [(Ói Ój Ól xijl) / n] = (3743) / 36 = 389168,03
2 2 2
Qt = (Ói Ój Ól xijl) – C = (78 + ... + 129 ) – C = 403303,00 – 389168,03 = 14134,97
2 2 2
Qel = Ói * [(Ój Ól xijl) / RK] – C = [(1227) / 12] + ... + [(1266) / 12] – C = 389232,08 – 389168,03
= 64,06
2 2 2
Qec = Ój * [(Ói Ól xijl) / RL] – C = [(936) / 12] + ... + [(1508) / 12] – C = 403130,08 – 389168,03 =
13962,06
2 2 2 2 2 2
Qr = Ói Ój Ól xijl – Ói Ój * [(Óe xijl) / R] = [(78) + ... + (129) ] – [(305) / 4 + ... + (513) / 4] =
403303 – 403207,30 = 95,80
Qi = Qt – Qec – Qel – Qr = 14134,97 – 13962,06 – 64,06 – 95,80 = 13,11
2
Sel = [Qel / (L – 1)] = 64,06 / 2 = 32,03
2
Sec = [Qec / (k – 1)] = 13962,06 / 2 = 6981,03
2
Si = [Qi / (k – 1)(L – 1)] = 13,11 / 4 = 3,28
2
Sr = [Qr / L * K * (R – 1)] = 95,80 / (3 * 3 * 3) = 3,55
L 2 2
a) F cal = [Sel / Sr ] = 32,03 / 3,55 = 9,03 e á = 5% , portanto, na tabela F , com ö1 e ö2 = 2
L
e 27, F tab(2, 27) = 3,35
L L
Como F cal > F tab, rejeita-se H0: µFAR = µDRO = µOUT com nível de significância de 5%,
concluindo-se que a distribuição interfere nas quantidades.
c 2 2
b) F cal = [Sec / Sr ] = 6981,03 / 3,55 = 1966,49 e á = 5% , portanto, na tabela F , com ö1 e
c
ö2 = 2 e 27, F tab(2, 27) = 3,35
c c
Como F cal > F tab, rejeita-se H0: µP1 = µP2 = µP3 com nível de significância de 5%,
concluindo-se que o preço interfere nas quantidades.
i 2 2
c) F cal = [Si / Sr ] = 3,28 / 3,55 = 0,92 e á = 5% , portanto, na tabela F , com ö1 e ö2 = 4 e
i
27, F tab(4, 27) = 2,73
i i
Como F cal < F tab, não se pode rejeitar H0 com nível de significância de 5%, concluindo-se
que não há efeito devido à interação.

Linhas 64,06 L–1=3–1=2 32,03 9,03 3,35
Colunas 13962,06 k–1=3–1=2 6981,03 1966,49 3,35
Interação 13,11 (k – 1)(L – 1) = 4 3,28 0,92 2,73
Residual 95,80 LK (R – 1) = 27 3,55
Total 14134,97 KLR – 1 = 35
10.7

xmX = Óxi / n = (516 + ... + 506) / 12 = 6134 / 12 = 511,17
2 2 2 2
SX = 1 / (n – 1) * [Óxi – (Óxi) / n] = 1 / (12 – 1) * [3135674 – (6134) / 12] = 16,15
xmY = Óxi / n = (529 + ... + 508) / 12 = 6157 / 12 = 513,08
2 2 2 2
SY = 1 / (n – 1) * [Óxi – (Óxi) / n] = 1 / (12 – 1) * [3159467 – (6157) / 12] = 37,54
xmZ = Óxi / n = (518 + ... + 506) / 12 = 6146 / 12 = 512,17
2 2 2 2
SZ = 1 / (n – 1) * [Óxi – (Óxi) / n] = 1 / (12 – 1) * [3148120 – (6146) / 12] = 31,24
xm1 = Óxi / n = (516 + ... + 518) / 9 = 4664 / 9 = 518,22
2 2 2 2
S1 = 1 / (n – 1) * [Óxi – (Óxi) / n] = 1 / (9 – 1) * [2417160 – (4664) / 9] = 21,44
xm2 = Óxi / n = (517 + ... + 516) / 9 = 4625 / 9 = 513,89
2 2 2 2
S2 = 1 / (n – 1) * [Óxi – (Óxi) / n] = 1 / (9 – 1) * [2376787 – (4625) / 9] = 6,36
xm3 = Óxi / n = (512 + ... + 509) / 9 = 4588 / 9 = 509,78
2 2 2 2
S3 = 1 / (n – 1) * [Óxi – (Óxi) / n] = 1 / (9 – 1) * [2338904 – (4588) / 9] = 5,44
xm4 = Óxi / n = (506 + ... + 506) / 9 = 4560 / 9 = 506,67
2 2 2 2
S4 = 1 / (n – 1) * [Óxi – (Óxi) / n] = 1 / (9 – 1) * [2310410 – (4560) / 9] = 1,25

Técnico X 12 6134 511,17 16,15
Técnico Y 12 6157 513,08 37,54
Técnico Z 12 6146 512,17 31,24
Bloco 1 9 4664 518,22 21,44
Bloco 2 9 4625 513,89 6,36
Bloco 3 9 4588 509,78 5,44
Bloco 4 9 4560 506,67 1,25
2 2
C = [(Ói Ój Ól xijl) / n] = (18437) / 36 = 9442307,69
2 2 2
Qt = (Ói Ój Ól xijl) – C = (516 + ... + 506 ) – C = 9443261,00 – 9442307,69 = 956,31
2 2 2 2
Qel = Ói * [(Ój Ól xijl) / RK] – C = [(6134) / 12] + [(6157) / 12] + [(6146) / 12] – C = 9442326,75
– 9442307,69 = 22,06
2 2 2
Qec = Ój * [(Ói Ól xijl) / RL] – C = [(4664) / 9] + ... + [(4560) / 9] – C = 9442985 – 9442307,69 =
680,31
2 2 2 2 2 2
Qr = Ói Ój Ól xijl – Ói Ój * [(Óe xijl) / R] = (516) + ... + (506) – [(1543) / 3 + ... + (1519) / 3] =
9443261 – 9443130,30 = 130,67
Qi = Qt – Qec – Qel – Qr = 956,31 – 680,31 – 22,06 – 130,67 = 123,28
2
Sel = [Qel / (L – 1)] = 22,06 / 2 = 11,03
2
Sec = [Qec / (k – 1)] = 680,31 / 3 = 226,77
2
Si = [Qi / (k – 1)(L – 1)] = 123,28 / 6 = 20,55
2
Sr = [Qr / L * K * (R – 1)] = 130,67 / (3 * 4 * 2) = 5,44
c 2 2
a) F cal = [Sec / Sr ] = 226,77 / 5,44 = 41,65 e á = 5% , portanto, na tabela F , com ö1 e ö2 =
c
3 e 24, F tab(3, 24) = 3,01
c c
Como F cal > F tab, rejeita-se H0: µ1 = µ2 = µ3 = µ4 com nível de significância de 5%,
concluindo-se que as durezas médias dos blocos não são constantes.
L 2 2
b) F cal = [Sel / Sr ] = 11,03 / 5,44 = 2,03 e á = 5% , portanto, na tabela F , com ö1 e ö2 = 2
L
e 24, F tab(2, 24) = 3,40
L L
Como F cal < F tab, não se pode se rejeitar H0: µX = µY = µZ com nível de significância de
5%, concluindo-se que as determinações dos técnicos são iguais.
i 2 2
c) F cal = [Si / Sr ] = 20,55 / 5,44 = 3,77 e á = 5% , portanto, na tabela F , com ö1 e ö2 = 6 e
i
24, F tab(6, 24) = 2,51
i i
Como F cal > F tab, rejeita-se H0 com nível de significância de 5%, concluindo-se que há
interação entre técnicos e blocos.

Linhas 22,06 L–1=3–1=2 11,03 11,03 3,40
Colunas 680,31 k–1=4–1=3 226,77 41,65 3,01
Interação 123,28 (k – 1)(L – 1) = 6 20,55 20,55 2,51
Residual 130,67 LK (R – 1) = 24 5,44
Total 956,31 KLR – 1 = 35
10.8
Qr = Qt – Qmaq – Qope = 5832 – 904 – 2334 = 2594

2
Smaq = [Qmaq / (k – 1)] = 904 / 5 = 180,80
2
Sope = [Qope / (b – 1)] = 2334 / 9 = 259,33
2
Sr = [Qr / (n – k – b + 1)] = 2594 / 45 = 57,64
maq 2 2
F cal = [Smaq / Sr ] = 180,80 / 57,64 = 3,14 e á = 5% , portanto, na tabela F , com ö1 e ö2 = 5 e
maq maq
45, F tab(5, 45) • F tab(5, 40) = 2,45
maq maq
Como F cal > F tab, rejeita-se H0: µ1 = µ2 = µ3 = µ4 = µ5 = µ6 com nível de significância de
5%, concluindo-se que há diferença entre as máquinas
ope 2 2
F cal = [Sope / Sr ] = 259,33 / 57,64 = 4,50 e á = 5% , portanto, na tabela F , com ö1 e ö2 = 9 e
ope ope
45, F tab(9, 45) • F tab(9, 40) = 2,12
ope ope
Como F cal > F tab, rejeita-se H0: µ1 = ... = µ10 com nível de significância de 5%, concluindo-
se que há diferença entre os operários.

Linhas 30,40 k–1=6–1=5 180,80 3,14 2,45
Colunas 334,93 b – 1 = 10 – 1 = 9 259,33 4,50 2,12
Residual 208,40 60 - 6 - 10 + 1 = 45 57,64
Total 573,73 n – 1 = 15 – 1 = 14
10.9
Primeiramente, veremos o Teste de Scheffé para as colunas, usando a seguinte equação:

2 0,5
ÉxmX – xmYÉ > {S r * [2 * (K – 1) / RL] * Fá[(K – 1), (KL * (R – 1)}
0,5
É511,17 – 513,08 É e [5,44 * (2 * 3) / 9 * Fá(3, 24)] , ou seja, 1,91 < 3,30, portanto, µX = µ Y
0,5
É511,17 – 512,17 É e [5,44 * (2 * 3) / 9 * Fá(3, 24)] = 1,00 < 3,30, portanto, µX = µZ
0,5
É513,08 – 512,17 É e [5,44 * (2 * 3) / 9 * Fá(3, 24)] = 0,91 < 3,30, portanto, µY = µZ
Agora, o Teste de Scheffé para as linhas, usando a seguinte equação:
2 0,5
Éxm1 – xm2É > {S r * [2 * (L – 1) / RK] * Fá[(L – 1), (KL * (R – 1)}
0,5
É518,22 – 513,89 É e [5,44 * (2 * 2) / 12 * Fá(2, 24)] , ou seja, 4,33 > 2,48, portanto, µ1 • µ 2
0,5
0,5
0,5
0,5
0,5
É509,78 – 506,67 É e [5,44 * (2 * 2) / 12 * Fá(2, 24)] , ou seja, 3,11 > 2,48, portanto, µ3 • µ 4.
Capítulo 11 – Teste Qui-Quadrado e Outras Provas Não-Paramétricas
SÉRIE I
11.1
H0: Moeda é honesta (200 lances, 100 caras e 100 coroas) e H1: Moeda não é honesta
2
á = 10% e k = 2, portanto, ö = k – 1 = 1, na tabela qui quadrado, X tab = 2,706
EVENTOS CARA COROA

Observado 110 90
Esperado 100 100
2 2 2 2
X cal = Ói (Foi – Fei) / Fei = [(110 – 100) / 100] + [(90 – 100) / 100] = 2,00
2 2
Como X cal < X tab, não se pode rejeitar H0: Moeda honesta, com nível de significância de 10%.
11.2
H0: Dado é honesto (180 lances, 30 cada face) e H1: Dado é viciado
2
EVENTOS 1 2 3 4 5 6
Observado 31 28 35 26 29 31
Esperado 30 30 30 30 30 30
2 2 2 2
X cal = Ói (Foi – Fei) / Fei = [(31 – 30) / 30] + ... + [(31 – 30) / 30] = 48 / 30 = 1,60
2 2
Como X cal < X tab, não se pode rejeitar H0: Dado honesto, com nível de significância de 5%.
11.3
H0: Dados são honestos (240 lances) e H1: Dados são viciados
2
SOMA 2 3 4 5 6 7 8 9 10 11 12
Observado 17 42
Probabilidade 1/36 2/36 3/36 4/36 5/36 6/36 5/36 4/36 3/36 2/36 1/36
Esperado 6,67 13,33 20,00 26,67 33,33 40,00 33,33 26,67 20,00 13,33 6,67
2 2 2 2
X cal = Ói (Foi – Fei) / Fei = [(17 – 20) / 20] + [(42 – 40) / 40] = 0,45 + 0,10 = 0,56
2 2
Como X cal < X tab, não se pode rejeitar H0: Dado são honestos, com nível de significância de
1%.
11.4
H0: CPFs são aleatórios (40 CPFs) e H1: CPFs não são aleatórios
2
ALGARISMO 1 2 3 4 5 6 7 8 9 0
Observado 4 4 4 4 2 4 5 3 5 4
Esperado 4 4 4 4 4 4 4 4 4 4
2 2 2 2
X cal = Ói (Foi – Fei) / Fei = [(4 – 4) / 4] + ... + [(4 – 4) / 4] = 7 / 4 = 1,75
2 2
Como X cal < X tab, não se pode rejeitar H0: CPFs são aleatórios, com nível de significância de
5%.
11.5
H0: distribuições de sangue iguais (770 total) e H1: distribuições são diferentes
2
á = 2,5% e k = 4, portanto, ö = k – 1 = 3, na tabela qui quadrado, X tab = 9,348
SANGUE 1 2 3 4 TOTAL
Observado 180 360 130 100 770
Probabilidade 0,18 0,48 0,20 0,14 1
Esperado 138,6 369,6 154 107,8 770
2 2 2 2
X cal = Ói (Foi – Fei) / Fei = [(180 – 138,6) / 138,6] + ... + [(100 – 107,8) / 107,8] = 12,37 + 0,25
+ 3,74 + 0,56 = 16,92
2 2
Como X cal > X tab, rejeita-se H0: distribuições de sangue iguais, com nível de significância de
2,5%.
11.6
H0: distribuições de livros iguais (625 total) e H1: distribuições são diferentes
2
á = 1,00% e k = 5, portanto, ö = k – 1 = 4, na tabela qui quadrado, X tab = 13,277
DIA SEG TER QUA QUI SEX TOTAL

Observado 110 135 120 146 114 625
Probabilidade 0,2 0,2 0,2 0,2 0,2 1
Esperado 125 125 125 125 125 625
2 2 2 2
X cal = Ói (Foi – Fei) / Fei = [(125 – 110) / 125] + ... + [(125 – 114) / 125] = 1,80 + 0,80 + 0,20 +
3,53 + 0,97 = 7,30
2 2
Como X cal < X tab, não se pode rejeitar H0: distribuições de livros iguais para todos os dias,
com nível de significância de 5%.
SÉRIE II
11.7
H0: Não há relação entre as duas variáveis e H1: Há relação entre as duas variáveis
2
á = 5% , L = 3 e C = 3, portanto, ö = (L – 1) * (C – 1) = 4, na tabela qui quadrado, X tab = 9,488
Calculando a tabela de freqüências através da fórmula: Feij = [(Ói) * (Ój) / (n)], por exemplo, FeAA
= [(50,00) * (40,00) / (150)] = 13,33, temos:
FREQÜÊNCIAS N. ALTA N. MÉDIA N. BAIXA TOTAL

S. ALTO 13,33 18,67 8,00 40
S. MÉDIO 26,67 37,33 16,00 80
S. BAIXO 10,00 14,00 6,00 30
TOTAL 50 70 30
2 2 2 2
X cal = Ói Ój (Foij – Feij) / Feij = [(18,00 – 13,33) / 13,33] + ... + [(9,00 – 6,00) / 6,00] = 6,11
2 2
Como X cal < X tab, não se pode rejeitar H0: Não há relação entre as duas variáveis, com nível
de significância de 5%.
11.8
H0: Resultados são homogêneos e H1: Resultados não são homogêneos

2
Entre parênteses na tabela temos as freqüências esperadas, calculadas através da fórmula:
Feij = [(Ói) * (Ój) / (n)], por exemplo, Fe11 = [(56,00) * (30,00) / (100)] = 16,80.
C/ DOENÇA S/ DOENÇA TOTAL

VACINADOS A = 14 (16,80) B = 42 (39,2) 56
N/ VACINADOS C = 16 (13,20) D = 28 (30,8) 44
TOTAL 30 70 100
2
Calcularemos o X cal convencional e também com a correção de Yates:
2 2 2 2
X cal conv = Ói Ój (Foij – Feij) / Feij = [(14 – 16,80) / 16,80] + ... + [(28 – 30,80) / 30,80] = 1,52
2 2
X cal yates = [N * (É AD – BC É – N/2) ] / [(A + B) (C + D) (A + C) (B + C)] = [100 * (É 392 – 672 É –
2
100/2) ] / (56 * 44 * 30 * 70) = 1,02
2 2
Em ambos casos, como X cal < X tab, não se pode rejeitar H0: Resultados são homogêneos,
com nível de significância de 5%.
11.9
H0: Não há associação entre variáveis e H1: Há associação entre variáveis

2
Calculando a tabela de freqüências através da fórmula: Feij = [(Ói) * (Ój) / (n)], por exemplo, Fe1A
= [(124,00) * (72,00) / (400)] = 23,32, temos:
FREQÜÊNCIAS A B C D TOTAL
1 23,32 37,20 33,48 31,00 124,00
2 49,68 82,80 74,52 69,00 276,00
TOTAL 72,00 120,00 108,00 100,00
2 2 2 2
2 2
Como X cal < X tab, não se pode rejeitar H0: Não há associação entre variáveis, com nível de
11.10
H0: Dados independentes e H1: Dados dependentes

2
Calculando a tabela de freqüências através da fórmula: Feij = [(Ói) * (Ój) / (n)], por exemplo, FeAE
= [(165,00) * (100,00) / (500)] = 33,00, temos:
FREQÜÊNCIAS ESQUERDA CENTRO DIREITA TOTAL

APROVAM 33,00 66,00 66,00 165,00
NÃO APROVAM 37,00 74,00 74,00 185,00
SEM OPINIÃO 31,00 60,00 60,00 150,00
TOTAL 100,00 200,00 200,00
2 2 2 2
2 2
Como X cal > X tab, rejeita-se H0: Dados independentes com nível de significância de 5%,
concluindo-se que a opinião e o partido tem dependência.
11.11
a)
PAR ANTES DEPOIS SINAL Di POSTO PAR ANTES DEPOIS SINAL Di POSTO
1 55 50 – 5 21,5º 16 48 50 + 2 8,5º
2 63 65 + 2 8,5º 17 49 51 + 2 8,5º
3 78 78 = 0 -- 18 90 81 – 9 26º
4 81 79 – 2 8,5º 19 93 85 – 8 24,5º
5 68 70 + 2 8,5º 20 90 90 = 0 --
6 58 57 – 1 2º 21 56 58 + 2 8,5º
7 60 58 – 2 8,5º 22 66 64 – 2 8,5º
8 60 62 + 2 8,5º 23 67 68 + 1 2º
9 75 70 – 5 21,5º 24 73 70 – 3 15,5º
10 85 81 – 4 18,5º 25 74 70 – 4 18,5º
11 90 80 – 10 27,5º 26 48 53 + 5 21,5º
12 50 60 + 10 27,5º 27 68 65 – 3 15,5º
13 58 55 – 3 15,5º 28 72 70 – 2 8,5º
14 83 75 – 8 24,5º 29 86 83 – 3 15,5º
15 47 52 + 5 21,5º 30 80 81 + 1 2º
Teste dos Sinais

H0: Dieta não alterou peso (p = 0,5) e H1: Dieta alterou pesos (p • 0,5)
á = 2,5% , portanto, na tabela normal, – Zá/2 = – 2,24 e Zá/2 = 2,24
Sinais “+” (acréscimo de peso) = 11
Sinais “–“ (decréscimo de peso) = 17
Sinais “0“ (sem alteração no peso) = 2
n = n – empates = 28
0,5 0,5
Zcal = [(y – np) / (npq) ] = (11 – 28 * 0,5) / (28 * 0,5 * 0,5) = – 1,13
Como – Zá/2 • Z cal • Z á/2, não se pode rejeitar H0: Dieta não alterou peso, com nível de
significância de 2,5%.
Teste de Wilcoxon
H0: Dieta não alterou peso e H1: Dieta alterou pesos
Soma dos Postos com Sinal “+” = 125,5
Soma dos Postos com Sinal “–“ = 280,5
Portanto, T (menor soma dos postos de mesmo sinal) = 125,5
nval = n – empates = 30 – 2 = 28
µT = nval * (nval + 1) / 4 = 28 * (28 + 1) / 4 = 203
0,5 0,5
óT = [nval * (nval + 1) * (2 * nval + 1) / 24] = [28 * 29 * 57 / 24] = 43,91
Zcal = (T – µT) / óT = (125,5 – 203) / 43,91 = – 1,76
Como – Zá/2 • Z cal • Z á/2, não se pode rejeitar H0: Dieta não alterou peso, com nível de
b)
PAR ANTES DEPOIS SINAL Di POSTO PAR ANTES DEPOIS SINAL Di POSTO
1 8,7 9,3 + 0,6 11,5º 13 4,8 5,5 + 0,7 14,5º
2 9,8 9,2 – 0,6 11,5º 14 6,7 6,8 + 0,1 1,5º
3 10 9,5 – 0,5 8º 15 8,3 8,5 + 0,2 3,5º
4 9,6 9,6 = 0 -- 16 9,5 9 – 0,5 8º
5 8,5 8,8 + 0,3 5º 17 10,5 10 – 0,5 8º
6 5,8 6,5 + 0,7 14,5º 18 12,5 13 + 0,5 8º
7 6,3 7 + 0,7 14,5º 19 12,5 12 – 0,5 8º
8 12,5 11,5 – 1 18º 20 9 10 + 1 18º
9 8,8 8,9 + 0,1 1,5º 21 14 12 – 2 22,5º
10 7,3 8 + 0,7 14,5º 22 13 11 – 2 22,5º
11 12,5 11 – 1,5 21º 23 9,5 10,5 + 1 18º
12 13,8 14 + 0,2 3,5º 24 8 9,3 + 1,3 20º
Apesar da amostra ser composta por 24 elementos, utilizaremos a distribuição normal.
Teste dos Sinais

H0: Aditivo não alterou consumo (p = 0,5) e H1: Aditivo alterou consumo (p • 0,5)
Sinais “+” (acréscimo no consumo) = 14
Sinais “–“ (decréscimo no consumo) = 9
Sinais “0“ (sem alteração no consumo) = 1
0,5 0,5
Zcal = [(y – np) / (npq) ] = (14 – 23 * 0,5) / (23 * 0,5 * 0,5) = 1,04
Como – Zá/2 • Z cal • Z á/2, não se pode rejeitar H0: Aditivo não alterou consumo, com nível de
Teste de Wilcoxon
H0: Aditivo não alterou consumo e H1: Aditivo alterou consumo
nval = n – empates = 24 – 1 = 23
Soma dos Postos com Sinal “+” = 148,5
Soma dos Postos com Sinal “–“ = 127,5
Portanto, T (menor soma dos postos de mesmo sinal) = 127,50
µT = nval * (nval + 1) / 4 = 23 * (23 + 1) / 4 = 138,00
0,5 0,5
óT = [nval * (nval + 1) * (2 * nval + 1) / 24] = [23 * 24 * 47 / 24] = 32,88
Zcal = (T – µT) / óT = (127,50 – 138,00) / 32,88 = – 0,32
Como – Zá/2 • Z cal • Z á/2, não se pode rejeitar H0: Aditivo não alterou consumo, com nível de
11.12
H0: Não há diferença entre X e Y e H1: Há diferença

á = 1,0 % , portanto, na tabela normal, – Zá/2 = – 2,57 e Zá/2 = 2,57
X = n2 COLOCAÇÃO Y = n1 COLOCAÇÃO
63 11º 90 23º
65 12,5º 50 7,5º
70 14,5º 60 10º
48 6º 70 14,5º
50 7,5º 40 3º
81 17,5º 38 2º
88 21º 89 22º
99 24º 47 4,5º
35 1º 51 9º
47 4,5º 65 12,5º
75 16º 87 20º
85 19º
81 17,5º
R2 172 R1 128
U1 = n1 * n2 + [n1 * (n1 + 1)] / 2 – R1 = 11 * 13 + (11 * 12 / 2) – 128 = 81

µ(U) = (n1 * n2) / 2 = 11 * 13 / 2 = 71,50
0,5 0,5
ó(U) = [n1 * n2 * (n1 + n2 + 1) / 12] = [11 * 13 * 25 / 12] = 17,26
Zcal = [µ – µ(U)] / ó(U) = (81,00 – 71,50) / 17,26 = 0,55
Como Zcal < Zá/2, não se pode rejeitar H0: Não há diferença entre X e Y, com nível de
11.13
H0: Não há diferença entre as medianas de X e Y e H1: Há diferença

2
á = 1,00 % , ö = 1, na tabela qui quadrado, X tab = 6,635
Com os dados e a tabela do exercício 11.12, temos Md = 65; entre parênteses na tabela temos
as freqüências esperadas, calculadas através da fórmula: Feij = [(Ói) * (Ój) / (n)], por exemplo,
Fe11 = [(13,00) * (11,00) / (24)] = 5,96
X Y TOTAL
Z > 65 A = 7 (5,96) B = 4 (5,04) 11
Z • 65 C = 6 (7,04) D = 7 (5,96) 13
TOTAL 13 11 24
2
Calcularemos o X cal convencional e também com a correção de Yates:
2 2 2 2
X cal conv = Ói Ój (Foij – Feij) / Feij = [(7 – 5,96) / 5,96] + ... + [(7 – 5,96) / 5,96] = 0,73
2 2
X cal yates = [N * (É AD – BC É – N/2) ] / [(A + B) (C + D) (A + C) (B + C)] = [24 * (É 49 – 24 É –
2
24/2) ] / (11 * 13 * 13 * 11) = 0,20
2 2
Em ambos casos, como X cal < X tab, não se pode rejeitar H0: Não há diferença entre as
medianas de X e Y, com nível de significância de 1,00 %, portanto, o mesmo resultado que o
teste de Mann-Whitney.
11.14
H0: Não há diferença entre as médias de A e B e H1: Há diferença

á = 5% , portanto, na tabela normal, – Zá/2 = – 1,96 e Zá/2 = 1,96
A = n2 COLOCAÇÃO B = n1 COLOCAÇÃO
26560 11º 33400 26º
21900 1º 29600 21º
28800 19º 25500 8º
27700 12,5º 27900 16,5º
31800 24º 24500 4,5º
24500 4,5º 23800 2º
27800 14,5º 27800 14,5º
30600 23º 30100 22º
25600 9º 28860 20º
24600 6º 27700 12,5º
25400 7º 24450 3º
35500 28º 32300 25º
26300 10º 34300 27º
27900 16,5º
28400 18º
R2 204 R1 202
U1 = n1 * n2 + [n1 * (n1 + 1)] / 2 – R1 = 13 * 15 + (13 * 14 / 2) – 202 = 84

µ(U) = (n1 * n2) / 2 = 13 * 15 / 2 = 97,50
0,5 0,5
ó(U) = [n1 * n2 * (n1 + n2 + 1) / 12] = [13 * 15 * 29 / 12] = 21,71
Zcal = [µ – µ(U)] / ó(U) = (84,00 – 97,50) / 21,71 = – 0,622
Como Zcal < Zá/2, não se pode rejeitar H0: Não há diferença entre as médias de A e B, com nível
de significância de 5%.
11.15
H0: Não há diferença entre as médias das marcas e H1: Há diferença

2
á = 5% , ö = k – 1 = 3, na tabela qui quadrado, X tab = 7,815
A POSTO B POSTO C POSTO D POSTO

704 7º 752 12º 873 20º 690 5º
604 2º 709 8º 666 3º 850 18º
1038 31º 717 9º 1021 30º 824 17º
881 21º 921 24º 992 29º 856 19º
924 25º 761 13º 816 16º 915 22º
672 4º 991 28º 918 23º 734 11º
723 10º 805 15º 978 26º 799 14º
591 1º 981 27º 1203 32º 700 6º
RA 101 RB 136 Rc 179 RD 112
2 2 2
H = 12 / [n * (n + 1)] * Ói [(Ri) / ni] – 3 * (n + 1) = 12 / [32 * (32 + 1)] * [(101) / 8 + (136) / 8 +
2 2
(179) / 8 + (112) / 8] – 3 * (33) = 0,011 * 9160,25 – 99 • 4,30
2
Como H < X tab, não se pode rejeitar H0: Não há diferença entre as médias, com nível de
11.16
H0: Não há diferença entre as médias das vendas e H1: Há diferença

2
á = 2,5% , ö = k – 1 = 2, na tabela qui quadrado, X tab = 7,378
A POSTO B POSTO C POSTO

3,2 11º 6,2 20º 5 16º
4,8 14º 1,3 2º 4 12º
5 16º 1,7 3,5º 3 10º
2,7 9º 2 6,5º 2 6,5º
1,8 5º 5 16º 1,7 3,5º
6 19º 2,3 8º 1 1º
7 21º 4,5 13º
5,5 18º
RA 113 RB 56 RC 62
2 2 2
H = 12 / [n * (n + 1)] * Ói [(Ri) / ni] – 3 * (n + 1) = 12 / [21 * (21 + 1)] * [(113) / 8 + (56) / 6 +
2
(62) / 7] – 3 * (22) = 0,260 * 2667,93 – 66 • 3,37
2
Como H < X tab, não se pode rejeitar H0: Não há diferença entre as médias das vendas, com
nível de significância de 2,5%.
Capítulo 12 – Correlação Entre Variáveis
SÉRIE I
12.1
c) Sxy = Ó(XY) – [Ó(X) * Ó(Y) / n] = 837 – (169 * 327 / 64) = – 26,484

2 2 2
Sxx = Ó(X ) – [Ó(X) / n] = 1450 – (169) / 64 = 1003,734
2 2 2
Syy = Ó(Y ) – [Ó(Y) / n] = 2304 – (327) / 64 = 633,234
0,5 0,5
rxy = Sxy / (Sxx * Syy) = – 26,484 / (1003,734 * 633,234) = – 0,033 ou r = – 3,3%.
d) H0: ñ = 0, ou s eja, inexis tência de correlação linear entre as variáveis e H1: ñ • 0

á = 2,5% • 2,0% , com ö = n – 2 = 62, na tabela t S tudent, – t á/2 = – 2,3880 e tá/2 = 2,3880
0,5 2 0,5 0,5 2 0,5
tcal = [r * (n – 2) ] / (1 – r ) = [(0,033 * (62) ] / [1 – (0,033) ] = – 0,2599
Como – tá/2 • t cal • t á/2, não se pode rejeitar H0: ñ = 0, ou s eja, inexis tência de correlação
linear entre as variáveis com um nível de significância de 2,5%.
12.2
2 2
Ó(X) = 889, Ó(Y) = 4261, Ó(X ) = 26671, Ó(Y ) = 609049 e Ó(XY) = 127035
Sxy = Ó(XY) – [Ó(X) * Ó(Y) / n] = 127035 – (889 * 4261 / 30) = 767,37
2 2 2
Sxx = Ó(X ) – [Ó(X) / n] = 26671 – (889) / 30 = 326,97
2 2 2
Syy = Ó(Y ) – [Ó(Y) / n] = 609049 – (4261) / 30 = 3844,97
0,5 0,5
rxy = Sxy / (Sxx * Syy) = 767,37 / (326,97 * 3844,97) = 0,684 ou r = 68,4%
H0: ñ = 0, ou s eja, inexis tência de correlação linear entre as variáveis e H1: ñ • 0

á = 5,0% , com ö = n – 2 = 28, na tabela t S tudent, – tá/2 = – 2,0484 e tá/2 = 2,0484
0,5 2 0,5 0,5 2 0,5
tcal = [r * (n – 2) ] / (1 – r ) = [(0,684 * (28) ] / [1 – (0,684) ] = 4,966
Como tcal > tá/2, rejeita-se H0: ñ = 0, portanto, exis te correlação linear entre as variáveis com um
nível de significância de 5%.
SÉRIE II
12.3
a)
EMP. HORAS SCORE CLAS H CLAS S Di (Di)2
10 6 45 1 13 (A) -12 144
8 11 48 2 14 (B) -12 144
6 34 35 3 9 (C) -6 36
2 36 42 4 12 (D) -8 64
13 43 36 5 10 (E) -5 25
1 49 39 6 11 (F) -5 25
14 57 49 7 15 (G) -8 64
11 63 29 8 7 (H) 1 1
5 72 22 9 5 (I) 4 16
12 79 21 10 4 (J) 6 36
15 82 31 11 8 (K) 3 9
4 91 25 12 6 (L) 6 36
3 127 10 13 2 (M) 11 121
7 155 15 14 3 (N) 11 121
9 192 7 15 1 (O) 14 196
1038
2 3 3
rs = 1 – {6 * [Ó(di )] / (n – n)} = 1 – [6 * 84631 / (15 – 15)] = – 0,8536.
b) Comparando-se A com B até O, temos que A é menor em dois casos, portanto, dois
valores positivos e menor em doze casos, portanto, doze valores negativos. Realizando
isso para todas as letras, temos:
S = (2 – 12) + (1 – 12) + (4 – 8) + (1 – 10) + (2 – 8) + (1 – 8) + (0 – 8) + (1 – 6) + (2 – 4) + (2
– 3) + (0 – 4) + (0 – 3) + (1 – 1) + (0 – 1) = – 71,00
Tau = (2 * S) / [n * (n – 1)] = 2 * (– 71,00) / (15 * 14) = – 0,6761.
c) H0: não há correlação entre as classificações de Horas e Scores e H1: há correlação

á = 5,0% , com ö = n – 2 = 13, na tabela t S tudent, – tá/2 = – 2,1604 e tá/2 = 2,1604
0,5 2 0,5 0,5 2 0,5
tcal = [r * (n – 2) ] / (1 – r ) = [(– 0,85 * (13) ] / [1 – (– 0,85) ] = – 5,82
Como tcal < – tá/2, rejeita-se H0, portanto, existe correlação entre as classificações de Horas
e Scores segundo Spearman, com um nível de significância de 5%.
H0: não há correlação entre as classificações de Horas e Scores e H1: há correlação

á = 5,0% , na tabela normal, – Zá/2 = – 1,96 e Zá/2 = 1,96
0,5 0,5
Zcal = Tau / {[2 * (2 * n + 5)] / [9 * n * (n – 1)]} = – 0,676 / [(2 * 35) / (9 * 15 * 14)] = – 3,51
Como Zcal < – Zá/2, rejeita-se H0, portanto, existe correlação entre as classificações de
Horas e Scores segundo Kendall, com um nível de significância de 5%.
12.4
MODELO CIDADE ESTRADA CLAS C CLAS E

1 7,4 8,68 1 1 (A)
2 8,15 9,44 2 2 (B)
10 8,5 9,5 3 3 (C)
3 8,68 9,6 4 4 (D)
4 8,9 10,4 5 5 (E)
5 9,75 11,4 6 8 (F)
6 10,4 10,4 7 6 (G)
12 10,5 10,9 8 7 (H)
9 10,7 12,2 9 10 (I)
7 10,9 12,9 10 11 (J)
11 11 13 11 12 (K)
8 11,6 11,8 12 9 (L)
Comparando-se A com B até L, temos que A é menor em todos os casos, portanto, 11 valores
positivos e nenhuma vez é menor, portanto, nenhum valore negativo. Realizando isso para
todas as letras, temos:
S = (11 – 0) + (10 – 0) + (9 – 0) + (8 – 0) + (7 – 0) + (4 – 2) + (5 – 0) + (4 – 0) + (2 – 1) + (1 – 1)
+ (0 – 1) = 56
Tau = (2 * S) / [n * (n – 1)] = 2 * (56) / (12 * 11) = 0,8484
H0: não há correlação entre as classificações e H1: há correlação
á = 2,5% , na tabela normal, – Zá/2 = – 2,24 e Zá/2 = 2,24
0,5 0,5
Zcal = Tau / {[2 * (2 * n + 5)] / [9 * n * (n – 1)]} = 0,8484 / [(2 * 29) / (9 * 12 * 11)] = 3,84
Como Zcal > Zá/2, rejeita-se H0, portanto, existe correlação entre as variáveis segundo Kendall,
com um nível de significância de 2,5%.
12.5
EMPRESA CLAS X CLAS Y CLAS Z CLAS V Rj

6 1 2 1 3 7
2 2 5 3 6 16
12 3 4 2 1 10
9 4 3 6 2 15
4 5 6 5 5 21
8 6 12 11 10 39
10 7 1 4 8 20
11 8 8 7 9 32
1 9 7 8 4 28
7 10 11 12 7 40
3 11 10 9 12 42
5 12 9 10 11 42
312
Rmedio = Ó(R j) / n = 312 / 12 = 26

2 2 2
B = Ój (Rj - Rmedio) = (7 – 26) + ... + (42 – 26) = 1816
2 3 2 3
W = B / [1/12 * k * (n – n)] = 1816 / [1/12 * 4 * (12 – 12)] = 0,7937
H0: não há correlação entre as classificações de Horas e Scores e H1: há correlação
2
á = 5% e n = 12, portanto, ö = n – 1 = 11, na tabela qui quadrado, X tab = 16,675
2
X cal = k * (n – 1) * W = 4 * 11 * 0,79 = 34,76
2 2
Como X cal > X tab, rejeita-se H0, portanto, existe correlação entre os especialistas, com um
nível de significância de 5%.
Capítulo 13 – Regressão Linear Simples
SÉRIE I
13.1
e) Sxy = ÓXY – [ÓX * Ó Y / n] = 26 – (5 * 11) / 5 = 15,00.

2 2 2
f) Sxx = Ó(X ) – [Ó(X) / n] = 15 – (5) / 5 = 10,00.
g) xm = Óxi / n = (– 1 + ... + 3) / 5 = 1,00.
h) b = Sxy / Sxx = 15,00 / 10,00 = 1,50.
i) ym = Ó yi / n = (– 1 + ... + 5) / 5 = 2,20
a = ym – b * xm = 2,20 – (1,5 * 1,00) = 0,70.
13.2
a)
Diagrama de Dis pers ão
5
Valores de Y
3 y = 3,34 + 0,58x
0
-6 -4 -2 0 2 4 6
V alores de X
2 2 2
b) Sxx = Ó(X ) – [Ó(X) / n] = 70 – (0) / 7 = 70,00
Sxy = ÓXY – [ÓX * Ó Y / n] = 40,3 – (0 * 23,4) / 7 = 40,30
xm = Óxi / n = (– 5 + ... + 5) / 7 = 0,00
ym = Ó yi / n = (0,8 + ... + 6,2) / 7 = 3,343
b = Sxy / Sxx = 40,30 / 70,00 = 0,576
a = ym – b * xm = 3,343 – (0,576 * 0,00) = 3,343
Portanto, a reta será dada pela equação: y = 3,343 + 0,576 * x.
13.3
a)
Dia g r a ma d e Dis p e r s ã o
1 8 ,0 0 0
1 6 ,0 0 0
1 4 ,0 0 0
V a lo r e s d e Y
1 2 ,0 0 0
1 0 ,0 0 0
8 ,0 0 0
6 ,0 0 0
y = 5 ,9 7 7 2 + 7 4 ,0 6 8 x
4 ,0 0 0
2 ,0 0 0
0 ,0 0 0
0 ,0 0 0 0 ,0 2 0 0 ,0 4 0 0 ,0 6 0 0 ,0 8 0 0 ,1 0 0
V a lo r e s d e X
2 2 2
b) Sxx = Ó(X ) – [Ó(X) / n] = 0,062 – (0,958) / 20 = 0,016
Sxy = ÓXY – [ÓX * Ó Y / n] = 10,292 – (0,958 * 190,500) / 20 = 1,167
xm = Óxi / n = (0,003 + ... + 0,028) / 20 = 0,048
ym = Ó yi / n = (5,6 + ... + 5,9) / 20 = 9,525
b = Sxy / Sxx = 1,167 / 0,016 = 74,068
a = ym – b * xm = 9,525 – (74,068 * 0,048) = 5,977
c) y = 5,977 + 74,068 * x com x = 0,070,

y = 5,977 + 74,068 * 0,070 = 11,162.
13.4
2 2 2
Sxx = Ó(X ) – [Ó(X) / n] = 1664 – (152) / 45 = 1150,578
Sxy = ÓXY – [ÓX * Ó Y / n] = 5886 – (152 * 1426) / 45 = 1069,289
xm = Óxi / n = (1 + ... + 15) / 45 = 3,378
ym = Ó yi / n = (18 + ... + 54) / 45 = 31,689
b = Sxy / Sxx = 1069,289 / 1150,578 = 0,929
a = ym – b * xm = 31,689 – (0,929 * 3,378) = 28,550
SÉRIE II
13.5
2
a) S = VR / (n – 2) = 2,2 / 8 = 0,275.
2 0,5 0,5
b) S = (S ) = (0,275) = 0,524.
13.6
a) Com dados do exercício 13.2, temos:

Sxy = 40,30 e b = 0,576
2 2 2
Syy = Ó(Y ) – [Ó(Y) / n] = 103,24 – (23,4) / 7 = 25,02
VR = Syy – (b * Sxy) = 25,02 – (0,576 * 40,30) = 1,816.
2
b) S = VR / (n – 2) = 1,816 / 5 = 0,603
2 0,5 0,5
S = (S ) = (0,603) = 0,363.
13.7
Observando as tabelas temos facilmente:

VR (Variação Residual) = Soma dos Quadrados dos Resíduos (2ª tabela) = 0,000982
2
S = VR / (n – 2) = 0,000982 / 13 = 0,000075
a = Coeficiente da Intersecção (3ª tabela) = 0,005195
b = Coeficiente da variável X1 (3ª tabela) = 0,002247.
SÉRIE III
13.8
a) H0: â = 0 contra H 1: â • 0, n = 7 (5 graus ) e á = 5% , portanto, na tabela t Student, – tá/2

= – 2,5706 e tá/2 = 2,5706
0,5 0,5 0,5
tcal = b / [S / (Sxx) ] = 0,7 / [(0,36) / (10) ] = 3,6893
Como tcal > tá/2, rejeita-se H0: â = 0, concluindo-s e, com ris co de 5% , que há regressão.
b) H0: â = 0 contra H 1: â > 0, n = 5 (3 graus ) e á = 10% , portanto, na tabela t Student, tá =

1,6377
0,5 0,5 0,5
tcal = b / [S / (Sxx) ] = 1,5 / [(0,10) / (10) ] = 15,00
Como tcal > tá, rejeita-se H0: â > 0, concluindo-s e, com ris co de 10% , que há regressão.
c) H0: â = 0 contra H 1: â < 0, n = 7 (5 graus ) e á = 1% , portanto, na tabela t Student, – tá =

– 3,3649
0,5 0,5 0,5
tcal = b / [S / (Sxx) ] = – 0,11 / [(3,88) / (21,752) ] = – 0,260
Como tcal > – tá/2, não se pode rejeitar H0: â < 0, concluindo-s e, com ris co de 1% , que não
há regressão.
13.9
a) Com dados dos exercícios 13.2 e 13.6, temos:

H0: â = 0 contra H 1: â • 0, n = 7 (5 graus ) e á = 5% , portanto, na tabela t Student, – tá/2 = –
2,5706 e tá/2 = 2,5706
0,5 0,5
tcal = b / [S / (Sxx) ] = 0,576 / [0,603 / (70) ] = 7,99
H0: â = 0 contra H 1: â • 0 e á = 5% , portanto, na tabela F , com ö 1 e ö2 = 1 e 5, Ftab(1, 5) =

6,61
Se = VE / 1 = b * Sxy = 0,576 * 40,30 = 23,201
Sr = VR / (n – 1) = (1,816 / 5) = 0,363
Fcal = [Se / Sr] = 23,201 / 0,363 = 63,885
Como Fcal > Ftab, rejeita-se H0: â = 0, concluindo-s e, com ris co de 5% , que há regressão.
b) n = 7 (5 graus ) e á = 10% , portanto, na tabela t Student, – tá/2 = – 2,0150 e tá/2 = 2,0150

0,5 0,5 0,5
P (b – (tá/2) * [S / (Sxx) ] • â • b + (t á/2) * [S / (Sxx) ]) = P (0,576 – (2,0150) * [0,363 / (70) ]
0,5
• â • 0,576 + (2,0150) * [0,363 / (70) ]) = P (0,391 • â • 0,761) = 90% .
13.10
Observando as tabelas temos facilmente:

n = 15 (13 graus ) e á = 5% , uma vez que os valores do intervalo s ão 5% de superiores e 5% de
inferiores, portanto, na tabela t Student, – tá/2 = – 2,1604 e tá/2 = 2,1604
tcal = Estatística t da variável X1 (3ª tabela) = 5,856711
Como tcal > tá/2, rejeita-se H0: â = 0, concluindo-s e, com ris co de 5% , que há regressão;
Observando os graus de liberdade da regressão (1) e do resíduo (13) e com á = 5% , temos na

tabela F com ö1 e ö2 = 1 e 13, Ftab(1, 13) = 4,67
Fcal = Estatística F da regressão (2ª tabela) = 34,301067
Como Fcal > Ftab, rejeita-se H0: â = 0, concluindo-s e, com ris co de 5% , que há regressão.
O IC pode ser construído observando os dois valores referentes a 95% inferiores e 95%
superiores da variável X1 (3ª tabela). Assim, P (0,001418• â • 0,003076) = 95% .
SÉRIE IV
13.11
a) VR = Syy – (b * Sxy) = 59,21 – (3,4 * 16,22) = 4,062

2
S = VR / (n – 2) = 4,062 / 18 = 0,226
b) • (x = 2,5) = 2,1 + 3,4 * (2,5) = 10,60, assim,

2 0,5 0,5
• (x = 2,5) ± (tá/2) * S * [1/n + (x – xmedia) / Sxx] = 10,60 ± (2,1009) * (0,226) * [1/20 + (2,5 –
2 0,5
2,5) / 4,77] = 10,60 ± 0,225, portanto, o intervalo [10,37; 10,83] contém o valor médio de
y, quando x = 2,5, com 95% de confiança.
c) • (x = 2,0) = 2,1 + 3,4 * (2,0) = 8,90, assim,

2 0,5 0,5
2 0,5
2,5) / 4,77] = 8,90 ± 0,322, portanto, o intervalo [8,58; 9,22] contém o valor médio de y,
quando x = 2,0, com 95% de confiança.
d) • (x = 3,0) = 2,1 + 3,4 * (3,0) = 12,30, assim,

2 0,5 0,5
2 0,5
2,5) / 4,77] = 12,30 ± 0,322, portanto, o intervalo [11,98; 12,62] contém o valor médio de
y, quando x = 3,0, com 95% de confiança.
e) Quando os valores de x se distanciam de xmedia, a diferença entre estas variáveis deixa

2
de ser zero e aumenta na fórmula (x – xmedia) / Sxx, conseqüentemente, as amplitudes dos
intervalos aumentam.
f) • (x = 3,0) = 2,1 + 3,4 * (3,0) = 12,30, assim,

2 0,5 0,5
• (x = 3,0) ± (tá/2) * S * [1 + 1/n + (x – xmedia) / Sxx] = 12,30 ± (2,1009) * (0,226) * [1 + 1/20 +
2 0,5
(3,0 – 2,5) / 4,77] = 12,30 ± 1,057, portanto, o intervalo [11,24; 13,36] contém o valor y,
quando x = 3,0, com 95% de confiança.
g) Para um mesmo valor de x, no caso x = 3, é menor a amplitude do IC para o valor

médio de y do que o IC para o valor de y.
SÉRIE V
13.12
2 2 2
a) Sxx = Ó(X ) – [Ó(X) / n] = 593175 – (1885) / 8 = 149021,875
Sxy = ÓXY – [ÓX * Ó Y / n] = 126920 – (464 * 1885) / 8 = 17590
xm = Óxi / n = (36 + ... + 69) / 8 = 58
ym = Ó yi / n = (50 + ... + 335) / 8 = 235,625
b = Sxy / Sxx = 17590 / 149021,875 = 0,118
a = ym – b * xm = 235,625 – (0,118 * 58) = 30,188
b) Preço do pneu do Rio para a cidade B = $ 160,00

Preço do pneu de São Paulo para a cidade B: y = 30,188 + 0,118 * (250) = $ 59,70
Assim, deve ser vendido o pneu de São Paulo, uma vez que é mais barato e tem um preço
mais competitivo.
13.13
2 2 2
Sxx = Ó(X ) – [Ó(X) / n] = 3690 – (120) / 5 = 810
Sxy = ÓXY – [ÓX * Ó Y / n] = 2494,5 – (120 * 90,7) / 5 = 317,7
xm = Óxi / n = (6 + ... + 42) / 5 = 24
ym = Ó yi / n = (9,7 + ... + 26) / 5 = 18,14
b = Sxy / Sxx = 317,7 / 810 = 0,392
a = ym – b * xm = 18,14 – (0,392 * 24) = 8,727
Portanto, a reta será dada pela equação: y = 8,727 + 0,392 * x
Para uma máquina de 3 anos e meio, temos:
y = 8,727 + 0,392 * 3,5 = 10,10, ou seja, um custo de 10,10.
13.14
2 2 2
a) Sxx = Ó(X ) – [Ó(X) / n] = 254434 – (1136) / 9 = 111045,556
Sxy = ÓXY – [ÓX * Ó Y / n] = 44910 – (1136 * 271) / 9 = 107003,778
xm = Óxi / n = (16 + ... + 378) / 9 = 126,22
ym = Ó yi / n = (14 + ... + 50) / 9 = 30,11
b = Sxy / Sxx = 10703,778 / 111045,556 = 0,096
a = ym – b * xm = 235,625 – (0,096 * 126,22) = 17,944
Portanto, a reta será dada pela função: y = 17,944 + 0,096 * x.
b
b) Para determinarmos a função potência y = a * x , devemos efetuar a transformação:
log Y = log a + b * log X, ou,
D = á + b * C, onde: D = log Y, á = log a e C = log X
Com os logaritmos dos dados originais, teremos a seguinte tabela:
D = log Y C = log X
1,146 1,204
1,204 1,477
1,279 1,544
1,477 1,845
1,491 1,954
1,519 2,079
1,544 2,204
1,633 2,375
1,699 2,577
2 2 2
Scc = Ó(C ) – [Ó(C) / n] = 34,703 – (17,260) / 9 = 1,602
Scd = Ó CD – [ÓC * ÓD / n] = 25,592 – (17,260 * 12,993) / 9 = 0,675
cm = Óci / n = (1,204 + ... + 2,577) / 9 = 1,918
dm = Ódi / n = (1,146 + ... + 1,699) / 9 = 1,444
b = Scd / Scc = 0,675 / 1,602 = 0,421
á = dm – b * cm = 1,444 – (0,421 * 1,918) = 0,636
Portanto, a reta será dada pela equação: d = 0,636 + 0,421 * c
Porém, como á = log a, logo, log a = 0,636, a = 4,322, corres pondendo à função potencial:
0,421
y = 4,322 * x .
c) Para a função linear:

Primeiramente devemos calcular S:
0,5 0,5
S = [(Syy – (b * Sxy)) / (n – 2)] = [(1176,889 – (0,096 * 107003,778)) / 7] = 4,554
H0: â = 0 contra H 1: â • 0, n = 9 (7 graus ) e á = 1,00% , portanto, na tabela t Student, – tá/2 =
– 3,4995 e tá/2 = 3,4995
0,5 0,5
tcal = b / [S / (Sxx) ] = 0,096 / [4,554 / (111045,556) ] = 7,054
Para a função potência:
Primeiramente devemos calcular S:
0,5 0,5
S = [Syy – (b * Sxy) / (n – 2)] = [0,293 – (0,421 * 0,675) / (7)] = 0,036
H0: â = 0 contra H 1: â • 0, n = 9 (7 graus ) e á = 1,00% , portanto, na tabela t Student, – tá/2 =
– 3,4995 e tá/2 = 3,4995
0,5 0,5
tcal = b / [S / (Sxx) ] = 0,421 / [0,036 / (1,602) ] = 14,790
2
d) Para a função linear: R = (b * Sxy) / Syy = (0,096 * 107003,778) / 1176,889 = 0,877
2
Para a função potência: R = (b * Sxy) / Syy = (0,421 * 0,675) / 0,293 = 0,969.
2
e) Como o indicador R é um indicador de qualidade de ajustamento, ou seja, um número
2
que representa o poder explicativo da função, a escolha sempre deve ser o maior R
possível. Assim, a função potência deve ser a escolhida porque apresenta este indicador
maior e, portanto, mais próximo a um.
13.15
a) Para facilitar os cálculos, vamos subtrair a cada um dos anos da amostra o valor 1957;
2 2 2
Sxx = Ó(X ) – [Ó(X) / n] = 1785 – (153) / 17 = 408
5 4 5
Sxy = ÓXY – [ÓX * Ó Y / n] = 555 * 10 – (153 * 455 * 10 ) / 17 = 145 * 10
xm = Óxi / n = (1 + ... + 17) / 17 = 9
3
ym = Ó yi / n = (30542 + ... + 729135) / 17 = 268 * 10
5
b = Sxy / Sxx = 145 * 10 / 408 = 35735,583
3
a = ym – b * xm = 268 * 10 – (35735,583 * 9) = – 54051,074
Portanto, a reta será dada pela função: y = – 54051,074 + 35735,583 * x.
x
b) Para determinarmos a função exponencial y = a * b , devemos efetuar a transformação:
log Y = log a + X * log b, ou,
D = á + â * x, onde: D = log Y, á = log a e â = log b
Com os logaritmos dos dados originais, teremos a seguinte tabela:
D = log Y X D = log Y X
4,485 1,0 5,351 10,0
4,785 2,0 5,353 11,0
4,983 3,0 5,445 12,0
5,124 4,0 5,543 13,0
5,163 5,0 5,619 14,0
5,281 6,0 5,713 15,0
5,241 7,0 5,785 16,0
5,264 8,0 5,863 17,0
5,268 9,0
2 2 2
Sxx = Ó(X ) – [Ó(X) / n] = 1785 – (153) / 17 = 408
Sxd = ÓXD – [ÓX * ÓD / n] = 839,590 – (153 * 90,266) / 17 = 27,197
xm = Óxi / n = (1 + ... + 17) / 17 = 9
dm = Ódi / n = (4,485 + ... + 5,863) / 17 = 5,310
â = Sxd / Sxx = 27,197 / 408 = 0,067
á = dm – â * xm = 5,310 – (0,067 * 9) = 4,710
Portanto, a reta será dada pela equação: d = 4,710 + 0,067 * x
Porém, como â = log b, logo, log b = 0,067, b = 1,166 e á = log a, logo, log a = 4,710, a =
x
51267,144, correspondendo à função exponencial: y = 51267,144 + 1,166 .
2 9
c) Para a função linear: R = (b * Sxy) / Syy = (35735,583 * 408) / 613 * 10 = 0,849
2
Para a função exponencial: R = (â * Sxy) / Syy = (0,067 * 408) / 1,994 = 0,909.
2
d) Como o indicador R é um indicador de qualidade de ajustamento, ou seja, um número
2
possível. Assim, a função exponencial, deve ser a escolhida porque apresenta este
indicador maior e, portanto, mais próximo a um.
13.16
2 2 2
a) Sxx = Ó(X ) – [Ó(X) / n] = 24562 – (494) / 12 = 4225,67
Sxy = ÓXY – [ÓX * Ó Y / n] = 390,30 – (494 * 10,64) / 12 = – 47,71
xm = Óxi / n = (8 + ... + 38,5) / 12 = 41,17
ym = Ó yi / n = (1,26 + ... + 0,7) / 12 = 0,88
b = Sxy / Sxx = 4225,67 / (– 47,71) = – 0,011
a = ym – b * xm = 0,88 – (– 0,011 * 41,17) = 1,351
Portanto, a reta será dada pela função: y = 1,351 – 0,011 * x.
b) H0: â = 0 contra H 1: â • 0, n = 12 (10 graus ) e á = 5% , portanto, na tabela t Student, –

tá/2 = – 2,2281 e tá/2 = 2,2281
0,5 0,5
S = [(Syy – (b * Sxy)) / (n – 2)] = [(0,613 – (– 0,011 * – 47,71)) / 10] = 0,086
0,5 0,5
tcal = b / [S / (Sxx) ] = – 0,011 / [0,086 / (4225,67) ] = – 8,503
Como tcal < – tá/2, rejeita-se H0: â = 0, concluindo-s e, com ris co de 5% , que há regressão.
c) n = 12 (11 graus ) e á = 10% , portanto, na tabela t Student, – tá/2 = – 1,7959 e tá/2 =

1,7959
0,5 0,5
P (b – (tá/2) * [S / (Sxx) ] • â • b + (t á/2) * [S / (Sxx) ]) = P (– 0,011 – (1,7959) * [0,086 /
0,5 0,5
(4225,67) ] • â • – 0,011 + (1,7959) * [0,086 / (4225,67) ]) = P (– 0,014 • â • – 0,009) =
90%
d) • (x = 12) = 1,351 – 0,011 * (12) = 1,219, assim,

2 0,5
• (x = 12) ± (tá/2) * S * [1/n + (x – xmedia) / Sxx] = 1,219 ± (2,2010) * (0,086) * [1/12 + (12 –
2 0,5
41,17) / 4225,67] = 1,219 ± 0,101, portanto, o intervalo [1,118; 1,320] contém o valor
médio de y, quando x = 12, com 95% de confiança.
e) • (x = 36) = 1,351 – 0,011 * (36) = 0,955, assim,

2 0,5
• (x = 36) ± (tá/2) * S * [1/n + (x – xmedia) / Sxx] = 0,955 ± (2,2010) * (0,086) * [1/12 + (36 –
2 0,5
41,17) / 4225,67] = 0,955 ± 0,057, portanto, o intervalo [0,898; 1,012] contém o valor
médio de y, quando x = 3 anos, com 95% de confiança.
2
f) R = (b * Sxy) / Syy = (– 0,011) * (– 47,71) / 0,613 • 0,881
13.17
2 2 2
a) Sxx = Ó(X ) – [Ó(X) / n] = 5500 – (150) / 5 = 1000
Sxy = ÓXY – [ÓX * Ó Y / n] = 54600 – (150 * 1500) / 5 = 9600
xm = Óxi / n = (10 + ... + 50) / 5 = 30
ym = Ó yi / n = (100 + ... + 490) / 5 = 300
b = Sxy / Sxx = 9600 / (1000) = 9,6
a = ym – b * xm = 300 – (9,6 * 30) = 12
Portanto, a reta será dada pela função: y = 12 + 9,6 * x.
b) H0: â = 0 contra H 1: â • 0, n = 5 (3 graus ) e á = 1% , portanto, na tabela t Student, – tá/2

= – 5,8409 e tá/2 = 5,8409
0,5 0,5
S = [(Syy – (b * Sxy)) / (n – 2)] = [(94000 – (9,6 * 9600)) / 3] = 24,766
0,5 0,5
tcal = b / [S / (Sxx) ] = 9,6 / [24,766 / (1000) ] = 12,258
c) n = 5 (3 graus ) e á = 5% , portanto, na tabela t Student, – tá/2 = – 3,1824 e tá/2 = 3,1824

0,5 0,5
P (b – (tá/2) * [S / (Sxx) ] • â • b + (t á/2) * [S / (Sxx) ]) = P (9,6 – (3,1824) * [24,766 /
0,5 0,5
(1000) ] • â • 9,6 + (3,1824) * [24,766 / (1000) ]) = P (7,108 • â • 12,092) = 95% .
13.18
2 2 2
Sxx = Ó(X ) – [Ó(X) / n] = 1,986 – (4,754) / 12 = 0,103
Sxy = ÓXY – [ÓX * Ó Y / n] = 45740,475 – (4,754 * 15077,000) / 12 = 150,804
xm = Óxi / n = (0,296 + ... + 0,405) / 12 = 0,396
ym = Ó yi / n = (7737 + ... + 9059) / 12 = 9589,750
b = Sxy / Sxx = 150,804 / 0,103 = 1466,309
a = ym – b * xm = 9589,750 – (1466,309 * 0,396) = 9008,847
2,2281 e tá/2 = 2,2281
0,5 0,5
S = [(Syy – (b * Sxy)) / (n – 2)] = [(34070548,250 – (1466,309 * 150,804)) / 10] = 1839,821
0,5 0,5
tcal = b / [S / (Sxx) ] = 1466,309 / [1839,821 / (0,103) ] = 0,256
Como – tá/2 • t cal • t á/2, não se pode rejeitar H0: â = 0, concluindo-s e, com ris co de 5% , que não
há regressão.
2
R = (b * Sxy) / Syy = (1466,309) * (150,804) / 34070548,250 = 0,0065.
13.19
2 2 2
Sxx = Ó(X ) – [Ó(X) / n] = 15192 – (388) / 11 = 1506,182
Sxy = ÓXY – [ÓX * Ó Y / n] = 27,597 – (3,880 * 72,060) / 11 = 2,179
xm = Óxi / n = (57 + ... + 33) / 11 = 35,273
ym = Ó yi / n = (12,54 + ... + 1,86) / 11 = 6,551
b = Sxy / Sxx = 2,179 / 1506,182 = 0,145
a = ym – b * xm = 6,551 – (0,145 * 35,273) = 1,448
2,2622 e tá/2 = 2,2622
0,5 0,5
S = [(Syy – (b * Sxy)) / (n – 2)] = [(621,824 – (0,145 * 2,179)) / 9] = 3,625
0,5 0,5
tcal = b / [S / (Sxx) ] = 0,145 / [3,625 / (1506,182) ] = 1,549
Como – tá/2 • t cal • t á/2, não se pode rejeitar H0: â = 0, concluindo-s e, com ris co de 5% , que não
há regressão.
2
R = (b * Sxy) / Syy = (0,145 * 2,179) / 621,824 = 0,211.
13.20
a) Para determinarmos a função inversa y = a + b * (1 / p), devemos efetuar a

transformação:
y = a + b * x, onde: x = 1 / p,
2 2 2
Sxx = Ó(X ) – [Ó(X) / n] = 0,199 – (1,261) / 8 = 0,0003
Sxy = ÓXY – [ÓX * Ó Y / n] = 10,928 – (1,261 * 68,910) / 8 = 0,064
xm = Óxi / n = (0,167 + ... + 0,149) / 8 = 0,158
ym = Ó yi / n = (11,20 + ... + 6,88) / 8 = 8,614
b = Sxy / Sxx = 0,064 / 0,0003 = 243,228
a = ym – b * xm = 8,614 – (243,228 * 0,158) = – 29,732
Portanto, a reta será dada pela equação: y = – 29,732 + 243,228 * (1 / p).
2
b) O ajustamento pode ser considerado adequado uma vez que o R da função atinge um
poder explicativo de 97,4% (ver próximo item).
2
c) R = (b * Sxy) / Syy = (243,228 * 0,064) / 16,034 = 0,974.
Capítulo 14 – Regressão Linear Múltipla
SÉRIE I
14.1
Sy1 = Ó YX1 – [ÓY * ÓX1 / n] = 211 – (36 * 36) / 6 = – 5

Sy2 = Ó YX2 – [ÓY * ÓX2 / n] = 101 – (36 * 14) / 6 = 17
2 2 2
S11 = Ó(X1 ) – [Ó(X1) / n] = 232 – (36) / 6 = 16
S12 = ÓX1X2 – [ÓX1X2 / n] = 75 – (36 * 14) / 6 = – 9
2 2 2
S22 = Ó(X2 ) – [Ó(X2) / n] = 52 – (14) / 6 = 19,33
x1m = Óxi / n = (8 + ... + 7) / 6 = 6
x2m = Óxi / n = (0 + ... + 5) / 6 = 2,33
ym = Ó yi / n = (2 + ... + 9) / 6 = 6
Sy1 = b1 * S11 + b2 * S12 ou – 5 = b1 * 16 + b2 * (– 9)

Sy2 = b1 * S21 + b2 * S22 17 = b1 * (– 9) + b2 * 19,33
Desenvolvendo o sistema, chegamos a duas equações gerais para as variáveis:

b2 = ((Sy1 * S21) – (S11 * Sy2)) / ((S12 * S21) – (S11 * S22))
b1 = – (((b2 * S12) – Sy1) / S11)
Resolvendo as equações chegamos aos seguintes valores:
b1 = 0,247
b2 = 0,994
a = ym – b1 * x1m – b2 * x2m = 6 – (0,247 * 6) – (0,994 * 2,33) = 2,200
Portanto, a reta será dada pela função: y = 2,200 + 0,247 * x1 + 0,247 * x2.
14.2
a) Sy1 = Ó YX1 – [ÓY * ÓX1 / n] = 2230 – (210 * 90) / 9 = 130

Sy2 = Ó YX2 – [ÓY * ÓX2 / n] = 1602 – (210 * 63) / 9 = 312
2 2 2
S11 = Ó(X1 ) – [Ó(X1) / n] = 1050 – (90) / 9 = 150
S12 = ÓX1X2 – [ÓX1X2 / n] = 630 – (90 * 63) / 7 = 0
2 2 2
S22 = Ó(X2 ) – [Ó(X2) / n] = 567 – (63) / 9 = 126
x1m = Óxi / n = (5 + ... + 15) / 9 = 10
x2m = Óxi / n = (3 + ... + 12) / 9 = 7
ym = Ó yi / n = (16 + ... + 32) / 9 = 23,33
Sy1 = b1 * S11 + b2 * S12 ou 130 = b1 * 150 + b2 * 0

Sy2 = b1 * S21 + b2 * S22 312 = b1 * (0) + b2 * 126
Resolvendo as equações chegamos aos seguintes valores:

b1 = 0,867
b2 = 1,048
a = ym – b1 * x1m – b2 * x2m = 23,33 – (0,867 * 10) – (1,048 * 7) = 7,333
Portanto, a reta será dada pela função: y = 7,333 + 0,867 * x1 + 1,048 * x2.
b) Utilizando a função encontrada em a), teremos:

y = 7,333 + 0,867 * x1 + 1,048 * x2 = 7,333 + 0,867 * (12,5) + 1,048 * (4) = 22,357.
SÉRIE II
14.3
a) Sy1 = Ó YX1 – [ÓY * ÓX1 / n] = 3649,145 – (1269,515 * 19,417) / 19 = 2351,768

Sy2 = Ó YX2 – [ÓY * ÓX2 / n] = 465,860 – (1269,515 * 5,299) / 19 = 111,799
2 2 2
S11 = Ó(X1 ) – [Ó(X1) / n] = 69,167 – (19,417) / 19 = 49,323
S12 = ÓX1X2 – [ÓX1X2 / n] = 8,210 – (19,417 * 5,299) / 19 = 2,795
2 2 2
S22 = Ó(X2 ) – [Ó(X2) / n] = 2,287 – (5,299) / 19 = 0,809
x1m = Óxi / n = (0,599 + ... + 0,808) / 19 = 1,022
x2m = Óxi / n = (0,247 + ... + 0,334) / 19 = 0,279
ym = Ó yi / n = (38,490 + ... + 73,447) / 19 = 66,817
Sy1 = b1 * S11 + b2 * S12 ou 2351,768 = b1 * 49,323 + b2 * 2,795

Sy2 = b1 * S21 + b2 * S22 111,799 = b1 * 2,795 + b2 * 0,809
b2 = ((Sy1 * S21) – (S11 * Sy2)) / ((S12 * S21) – (S11 * S22))

b1 = – (((b2 * S12) – Sy1) / S11)
Resolvendo as duas equações acima, chegamos aos seguintes valores:
b1 = 49,550
b2 = – 32,998
a = ym – b1 * x1m – b2 * x2m = 66,817 – (49,550 * 1,022) – (– 32,998 * 0,279) = 25,382
Portanto, a reta será dada pela função: y = 25,382 + 49,550 * x1 – 32,998 * x2.
b) H0: â1 = â2 = 0 contra H1: â1 • 0 e â2 • 0, com á = 2,5% , portanto, na tabela F , com ö1 = 2 e

ö2 = n – 3 = 16, Ftab = 4,69
VE = (b1 * Sy1 + b2 * Sy2) = 49,550 * 2351,768 – 32,998 * 111,799 = 112842,052
2 2 2
VT = Syy = Ó(Y ) – [Ó(Y) / n] = 202054,403 – (66,817) / 19 = 117229,740
VR = VT – VE = 117229,740 – 112842,052 = 4387,688
Fcal = (VE / 2) / [VR / (n – 3)] = (112842,052 / 2) / (4387,688 / 16) = 205,743
Como Fcal > Ftab, rejeita-se H0: â1 = â2 = 0, concluindo-se, com risco de 2,5%, que há
regressão linear entre a variável Y e as variáveis X1 e X2.
2
c) R = VE / VT = 112842,052 / 117229,740 = 0,963.
14.4
a) Sy1 = Ó YX1 – [ÓY * ÓX1 / n] = 342895 – (3549 * 984) / 10 = – 6326,600

Sy2 = Ó YX2 – [ÓY * ÓX2 / n] = 95066 – (3549 * 254) / 10 = 4921,400
2 2 2
S11 = Ó(X1 ) – [Ó(X1) / n] = 97856 – (984) / 10 = 1030,400
S12 = ÓX1X2 – [ÓX1X2 / n] = 25018 – (984 * 254) / 10 = 24,400
2 2 2
S22 = Ó(X2 ) – [Ó(X2) / n] = 7076 – (254) / 10 = 624,400
x1m = Óxi / n = (101 + ... + 82) / 10 = 98,400
x2m = Óxi / n = (10 + ... + 34) / 10 = 25,400
ym = Ó yi / n = (220 + ... + 560) / 10 = 354,900
Sy1 = b1 * S11 + b2 * S12 ou – 6326,600 = b1 * 1030,400 + b2 * 24,400

Sy2 = b1 * S21 + b2 * S22 4921,400 = b1 * 24,400 + b2 * 624,400
b2 = ((Sy1 * S21) – (S11 * Sy2)) / ((S12 * S21) – (S11 * S22))

b1 = – (((b2 * S12) – Sy1) / S11)
b1 = – 6,332
b2 = 8,129
H0: â1 = â2 = 0 contra H1: â1 • 0 e â2 • 0, com á = 5% , portanto, na tabela F , com ö1 = 2 e
ö2 = n – 3 = 7, Ftab = 4,74
VE = (b1 * Sy1 + b2 * Sy2) = (– 6,332) * (– 6326,600) + 8,129 * 4921,400 = 80070,217
2 2 2
VT = Syy = Ó(Y ) – [Ó(Y) / n] = 1349099 – (3549) / 10 = 89558,900
VR = VT – VE = 89558,900 – 80070,217 = 9488,683
Fcal = (VE / 2) / [VR / (n – 3)] = (89558,900 / 2) / (9488,683 / 7) = 29,535
Como Fcal > Ftab, rejeita-se H0: â1 = â2 = 0, concluindo-se, com risco de 5%, que há
regressão linear entre a variável Y e as variáveis X1 e X2.
2
b) R = VE / VT = 80070,217 / 89558,900 = 0,894.
14.5
b c
a) Para determinarmos a função potência múltipla y = a * x1 * x2 , devemos efetuar a
transformação para uma equação linear:
log Y = log a + b * log X1 + c * log X2
Como os valores dados das 3 variáveis são logaritmos, podemos utilizar o sistema:
Sy1 = b * S11 + c * S12 ou 2,5174 = b * 1,1172 + c * 0,7442

Sy2 = b * S21 + c * S22 4,0507 = b * 0,7442 + c * 2,4762
c = ((Sy1 * S21) – (S11 * Sy2)) / ((S12 * S21) – (S11 * S22))

b = – (((b2 * S12) – Sy1) / S11)
b = 1,4549
c = 1,1986
log a = log Ym – b * log X1m – c * log X2m = 1,8216 – 1,4549 * 1,1548 – 1,1986 * 3,3808 = –
3,911, portanto, a = 0,0001228
1,4549 1,1986
Assim, a função ajustada será dada por: y = 0,0001228 * x1 * x2 .
b) VE = (b * Sy1 + c * Sy2) = 1,4549 * 2,5174 + 1,1986 * 4,0507 = 8,5177

VT = Syy = 9,4850
VR = VT – VE = 9,4850 – 8,5177 = 0,9673
2
R = VE / VT = 8,5177 / 9,4850 = 0,898.
c) H0: â1 = â2 = 0 contra H1: â1 • 0 e â2 • 0, com á = 5% , portanto, na tabela F , com ö1 = 2

e ö2 = n – 3 = 23, Ftab = 3,42
VR = VT – VE = 9,4850 – 8,5177 = 0,9673
Fcal = (VE / 2) / [VR / (n – 3)] = (8,5177 / 2) / (0,9673 / 23) = 101,2649
Como Fcal > Ftab, rejeita-se H0: â1 = â2 = 0, concluindo-se, com risco de 5%, que há
regressão entre a variável Y e as variáveis X1 e X2.
14.6
Sy1 = Ó YX1 – [ÓY * ÓX1 / n] = 421 – (74 * 45) / 9 = 51,000

Sy2 = Ó YX2 – [ÓY * ÓX2 / n] = 2771 – (74 * 285) / 9 = 427,667
2 2 2
S11 = Ó(X1 ) – [Ó(X1) / n] = 285 – (45) / 9 = 60,000
S12 = ÓX1X2 – [ÓX1X2 / n] = 2025 – (45 * 285) / 9 = 600,000
2 2 2
S22 = Ó(X2 ) – [Ó(X2) / n] = 15333 – (285) / 9 = 6308,000
x1m = Óxi / n = (1 + ... + 9) / 9 = 5,000
x2m = Óxi / n = (1 + ... + 81) / 9 = 31,667
ym = Ó yi / n = (2 + ... + 9) / 9 = 8,222
Sy1 = b1 * S11 + b2 * S12 ou 51,000 = b1 * 60,000 + b2 * 600,000

Sy2 = b1 * S21 + b2 * S22 427,667 = b1 * 600,000 + b2 * 6308,000
b2 = ((Sy1 * S21) – (S11 * Sy2)) / ((S12 * S21) – (S11 * S22))

b1 = – (((b2 * S12) – Sy1) / S11)
b1 = 3,523
b2 = – 0,267
a = ym – b1 * x1m – b2 * x2m = 8,222 – (3,523 * 5,000) – (– 0,267 * 31,667) = – 0,929
2
Portanto, a parábola será dada pela função: y = – 0,929 + 3,523 * x – 0,267 * x .
14.7
2 2 2
a) Sxx = Ó(X ) – [Ó(X) / n] = 285 – (45) / 10 = 82,5
Sxy = ÓXY – [ÓX * Ó Y / n] = 307,300 – (45 * 63,700) / 10 = 20,650
xm = Óxi / n = (0 + ... + 9) / 10 = 4,500
ym = Ó yi / n = (9,1 + ... + 10,2) / 10 = 6,370
b = Sxy / Sxx = 20,650 / 82,5 = 0,250
a = ym – b * xm = 6,370 – (0,250 * 4,500) = 5,244
b) VE = b * Sxy = 0,250 * 20,650 = 5,169

2 2 2
VT = Syy = Ó(Y ) – [Ó(Y) / n] = 463,330 – (63,7) / 10 = 57,561
2
R = VE / VT = 5,169 / 57,561 = 0,090.
c) Sy1 = Ó YX1 – [ÓY * ÓX1 / n] = 307,300 – (63,700 * 45) / 10 = 20,650

Sy2 = Ó YX2 – [ÓY * ÓX2 / n] = 2153,300 – (63,700 * 285) / 10 = 337,850
2 2 2
S11 = Ó(X1 ) – [Ó(X1) / n] = 285 – (45) / 10 = 82,500
S12 = ÓX1X2 – [ÓX1X2 / n] = 2025 – (45 * 285) / 10 = 724,500
2 2 2
S22 = Ó(X2 ) – [Ó(X2) / n] = 15333 – (285) / 10 = 7210,500
x1m = Óxi / n = (0 + ... + 9) / 10 = 4,500
x2m = Óxi / n = (0 + ... + 81) / 10 = 28,500
ym = Ó yi / n = (9,1 + ... + 10,2) / 10 = 6,370
Sy1 = b1 * S11 + b2 * S12 ou 20,650 = b1 * 82,500 + b2 * 724,500

Sy2 = b1 * S21 + b2 * S22 337,850 = b1 * 724,500 + b2 * 7210,500
b2 = ((Sy1 * S21) – (S11 * Sy2)) / ((S12 * S21) – (S11 * S22))

b1 = – (((b2 * S12) – Sy1) / S11)
b1 = – 2,341
b2 = 0,288
a = ym – b1 * x1m – b2 * x2m = 6,370 – (– 2,341 * 4,500) – (0,288 * 28,500) = 8,698
2
Portanto, a parábola será dada pela função: y = 8,698 – 2,341 * x + 0,288 * x .
d) VE = (b1 * Sy1 + b2 * Sy2) = (– 2,341) * 20,650 – 0,288 * 337,850 = 48,926

2 2 2
VT = Syy = Ó(Y ) – [Ó(Y) / n] = 463,330 – (6,370) / 10 = 57,561
2
R = VE / VT = 48,926 / 57,561 = 0,850
2
e) Como o indicador R é um indicador de qualidade de ajustamento, ou seja, um número
2
possível. Assim, a função parábola deve ser a escolhida porque apresenta este indicador
maior.
14.8
H0: â1 = â2 = 0 contra H1: â1 • 0 e â2 • 0, com á = 5% , portanto, na tabela F , com ö1 = 2 e ö2 =

n – 3 = 250, Ftab • 3,92
2
Como R = VE / VT = 0,780, portanto, VR / VT = 0,220 e VT / VR = 1 / 0,220 = 4,545
Fcal = (VE / 2) / [VR / (n – 3)] = (VE / VR) * (250 / 2) = [(VT – VR) / VR] * 125 = [(VT / VR – VR /
VR)] * 125 = [(4,545 – 1,000)] * 125 = 443,182
Como Fcal > Ftab, rejeita-se H0: â1 = â2 = 0, concluindo-se, com risco de 5%, que há regressão
entre a variável Y e as variáveis X1 e X2.
14.9
a) H0: â1 = â2 = â3 = â4 = â5 = â6 = 0 contra H1: â1 • 0, â2 • 0, â3 • 0, â4 • 0, â5 • 0 e â6 • 0,

com á = 10% , portanto, na tabela F , com ö1 = 6 e ö2 = n – 7 = 104, Ftab • 2,17
2
Como R = VE / VT = 0,860, portanto, VR / VT = 0,140 e VT / VR = 1 / 0,140 = 7,149
Fcal = (VE / 6) / [VR / (n – 7)] = (VE / VR) * (104 / 6) = [(VT – VR) / VR] * 17,333 = [(VT / VR
– VR / VR)] * 17,333 = [(7,149 – 1,000)] * 17,333 = 106,581
Como Fcal > Ftab, rejeita-se H0: â1 = â2 = â3 = â4 = â5 = â6 = 0, concluindo-se, com risco de
10%, que há regressão entre a variável Y e as variáveis X1, X2, X3, X4, X5 e X6.
b) á = 10% , portanto, na tabela t S tudent, com ö1 = 111 – 6 = 105, – tá/2 • – 1,6588 e t á/2 •
1,6588
0,5 0,5
P (b – (tá/2) * [S / (Sxx) ] • â • b + (t á/2) * [S / (Sxx) ]) = P {[– 725 – (1,6588) * (120,8)] • â •
[– 725 + (1,6588) * (120,8)]} = P (– 925,38 • â • – 524,62) = 90% ou – 725 ± 200,38.
c) â5 é o efeito incremental no preço de venda em decorrência da casa ser financiada ou

não. Caso a casa tenha sido financiada, o valor de X5 é 1 e em conseqüência, o preço de
venda decaíra 1,45 enquanto que se a casa não foi financiada, o valor de X5 é 0 e o preço
de venda não é afetado.
d) H0: â6 = 0 contra H1: â6 • 0, com á = 5% , portanto, na tabela t S tudent, com ö1 = 111 –

6 = 105, – tá/2 • – 1,6588 e t á/2 • 1,6588
tcal = bi / Sbi = 0,43 / 0,25 = 1,72
Como tcal > tá/2, rejeita-se H0: â6 = 0, concluindo-se, com risco de 10%, que há regressão
entre a variável Y e a variável X6.
14.10
a) Sy1 = Ó YX1 – [ÓY * ÓX1 / n] = 23914 – (172 * 1152) / 10 = 4099,600

Sy2 = Ó YX2 – [ÓY * ÓX2 / n] = 3453728 – (172 * 145894) / 10 = 944351,200
2 2 2
S11 = Ó(X1 ) – [Ó(X1) / n] = 145894 – (1152) / 10 = 13183,600
S12 = ÓX1X2 – [ÓX1X2 / n] = 19730778 – (1152 * 145894) / 10 = 2923789,200
2 2 2
S22 = Ó(X2 ) – [Ó(X2) / n] = 2790088786 – (145894) / 10 = 661582862,400
x1m = Óxi / n = (125 + ... + 50) / 10 = 115,200
x2m = Óxi / n = (15625 + ... + 2500) / 10 = 14589,400
ym = Ó yi / n = (18 + ... + 2) / 10 = 17,200
Sy1 = b1 * S11 + b2 * S12 ou 4099,600 = b1 * 13183,600 + b2 * 2923789,200

Sy2 = b1 * S21 + b2 * S22 944351,200 = b1 * 2923789,200 + b2 * 661582862,400
b2 = ((Sy1 * S21) – (S11 * Sy2)) / ((S12 * S21) – (S11 * S22))

b1 = – (((b2 * S12) – Sy1) / S11)
b1 = – 0,282
b2 = 0,003
a = ym – b1 * x1m – b2 * x2m = 17,200 – (– 0,282 * 115,200) – (0,003 * 14589,400) = 10,659
2
Portanto, a parábola será dada pela função: y = 10,659 – 0,282 * x + 0,003 * x .
b) VE = (b1 * Sy1 + b2 * Sy2) = (– 0,282) * 4099,600 + 0,003 * 944351,200 = 1368,775

2 2 2
VT = Syy = Ó(Y ) – [Ó(Y) / n] = 4472 – (172) / 10 = 1513,600
VR = VT – VE = 1513,600 – 1368,775 = 144,825
2
Rajus = 1 – (VR / VT) * [(n – 1) / (n – p)] = 1 – (144,825 / 1513,600) * (9 / 7)] = 0,877.
SÉRIE III
14.11
Considerando X1 = 36 e X2 = 0 na equação do exemplo 14.7, temos:

ln (L) = – 6,92923 + (0,13925) * (36) + (2,77118) * (0) = – 1,91623
– 1,91623
Logo, L = e = 0,14716
Então a probabilidade de mudança será de:
P = L / (1 + L) = 0,14716 / 1,14716 = 0,12823 ou 12,82%.
14.12
Considerando X1 = 18 e X2 = 0 na equação do exemplo 14.7, temos:

ln (L) = – 6,92923 + (0,13925) * (18) + (2,77118) * (0) = – 4,42273
– 4,42273
Logo, L = e = 0,012
Então a probabilidade de mudança será de:
P = L / (1 + L) = 0,012 / 1,012 = 0,0119 ou 1,19%.

Estatistica Geral e Aplicada PDF

Enviado por

Dados do documento

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

Estatistica Geral e Aplicada PDF

Enviado por

Direitos autorais:

Formatos disponíveis

Gilberto de Andrade Martins

Solução dos Exercícios

Oceano Antártico Ártico Atlântico Índico Pacífico

Área dos Oceanos (em colunas)

Área dos Oceanos (em barras)

0 50 100 150 200 250 300 350 400

Dívida líquida total do setor público de maio de 2000 (em colunas)

Dívida líquida total do setor público de maio de 2000 (em barras)

Dívida externa líquida

0 50000 100000 150000 200000 250000 300000

Classe Intervalos Fi fi % Fac fac %ac xi

a) Amplitude: r = 190 – 151 = 39.

b) Nº de intervalos: k • 1 + 3,22 * log100 • 8.

His tograma de Fr eqüênc ia Relativ a

xmedia = Ónotas / nº de notas = 35,5 / 7 = 5,07 ou seja, aluno APROVADO.

xmedia = Ódefeitos / nº de computadores = (15 * 0 + ... + 6 * 6) / 100 = 2,21.

a) xmedia = (Óxi * Fi) / n = (3 * 2 + ...+ 12 * 3) / 22 = 6,82.

b) xmedia = (Óxi * Fi) / n = (10 * 5 + ... + 13 * 6) / 29 = 11,59.

c) xmedia = (Óxi * Fi) / n = (2 * 3 + ... + 6 * 3) / 28 = 4.

d) xmedia = (Óxi * fi) = (7 * 1/16 + ... + 11 * 5/16) = 9,03.

e) xmedia = (Óxi * Fi) / n = (85 * 5 + ... + 90 * 5) / 24 = 87,88.

f) xmedia = (Óxi * Fi) / n = (5 * 18 + ... + 17 * 12) / 175 = $ 1061,00.

II) xmediana (n par) = 5.

III) xmediana (n ímpar) = 8.

IV) xmediana (n par) = 87.

II) xmediana (n ímpar) = 77.

III) xmediana (n par) = 13.

IV) xmediana (n ímpar) = 235.

I) Maior número de observações iguais, Mo = 7.

II) Maior número de observações iguais, Mo = 43.

I) Maior número de observações iguais, Mo = 80.

II) Maior número de observações iguais, Mo = 3,5.

I) Maior número de observações iguais 13 • 16

II) Maior número de observações iguais 20 • 30

a) xmedia = (Óxi * Fi) / n = (0 * 20 + ...+ 4 * 3) / 53 = 1,17 acidentes por dia.

c) Maior número de observações iguais, Mo = 0.

b) xmedia = (Óxi * Fi) / n = (1 * 1 + ...+ 10 * 1) / 24 = 4,83.

a) xmedia = (Óxi . Fi) / n = (12 * 15 + ...+ 40 * 5) / 163 = 22,99 anos.

b) n / 2 = 163 / 2 = 81,50, ou seja, no intervalo 18 • 22

c) Maior número de observações iguais 18 • 22

f) i * n / 100 = 80 * 163 / 100 = 130,40

b) Nº de intervalos: k• 1 + 3,22 * log50 • 7.

c) Tamanho do intervalo: h • 65 / 7 • 10.

j) xmedia = (Óxi . Fi) / n = (35 * 4 + ...+ 95 * 4) / 50 = 65,60.

l) Maior número de observações iguais 60 • 70

m) n / 2 = 50 / 2 = 25, ou seja, no intervalo 60 • 70

o) i * n / 100 = 55 * 50 / 100 = 27,50

a) xmedia = (Óxi . Fi) / n = 2407,5 / 45 = 53,5 kg.

c) CV = (S / xmedia) * 100 = (6,71 / 53,5) * 100 = 12,54%.

d) Maior número de observações iguais 50 • 55

xmedia = (Óxi . Fi) / n = (2 * 2 + ... + 10 * 2) / 7 = 6.

c) xmedia = (Óxi . Fi) / n = (16,5 * 4 + .. + 41,5 * 9) / 30 = 900 / 30 = 30 anos.

b) xmedia = (Óxi . Fi) / n = (20 * 10 + ... + 80 * 5) / 60 = 2700 / 60 = 45 s.

d) xmedia = (Óxi . Fi) / n = (40 * 45 + 60 * 45) / 100 = 45 s.

c) xmedia = (Óxi . Fi) / n = (14 * 2,5 + ... + 2 * 17,5) / 60 = 8,20.

d) n / 2 = 60 / 2 = 30, ou seja, no intervalo 7 • 10

l) CV = (S / xmedia) * 100 = (4,61 / 8,20) * 100 = 56,00%.

m) Maior número de observações iguais 1 • 4

n) O intervalo xmedia – S a xmedia + S, ou seja, $ 3590 e $ 12810 contém aproximadamente 60%

1. b, por definição de média.

2. b, uma vez que o maior número de observações iguais é 60.

3. c, por definição de mediana.

6. a, por definição de moda.