Você está na página 1de 13

Introdução à Estatística Descritiva e à

Inferência sobre Modelos Estatísticos (Ficha de trabalho 4)

Observações:

 Material de apoio às aulas.

 Esta ficha de trabalho tem exercícios tipo, escolhidos, ordenados e comentados, de


forma a que o estudante possa “ir crescendo” e ganhando segurança no seu estudo.

 Procedimento de estudo proposto:

1) Leia as sínteses-formulários no final da ficha de trabalho (incluído revisões);


2) Estude os exercícios resolvidos – foram especialmente escolhidos e ordenados. Note
em especial os comentários;
3) Complemente o seu estudo com folhas teóricas e livros de texto recomendados;
4) Tente resolver sem consultar as resoluções os exercícios propostos;
5) Finalmente, faça controlando o tempo, os exercícios de auto-avaliação.

Exercícios Resolvidos I - Introdução à Estatística Descritiva ................................................... 2


Exercícios Resolvidos II - Introdução à Estimação Intervalar................................................... 4
Resumo (dos casos de estudo dos IC´s) ..................................................................................... 1
Fórmulas da Média e Variância ................................................................................................. 2
Construção de IC´s – Procedimento Geral................................................................................. 1
Distribuição Normal................................................................................................................... 2
Tabela da Distribuição Normal .................................................................................................. 3

Agradeço a indicação de dúvidas e/ou gralhas para jmarques@uatlantica.pt


Métodos Quantitativos Introdução à Estatística – FT4

Exercícios Resolvidos I - Introdução à Estatística Descritiva


ERI.1 - Controlo de Qualidade de produção de uma peça.
O diâmetro interno, em mm, de certo tipo de peças é uma variável aleatória com distribuição
Normal. Foi recolhida uma amostra aleatória das referidas peças tendo-se registado os
seguintes valores, relativamente aos diâmetros:
31 31

 xi  640 mm e  x  x   252 .
2
i
i 1 i 1

Calcule estimativas pontuais para a média (  ), para a variância (  2 ) e para o desvio-padrão


(  ) desta população Normal.
Comentário inicial: Use as fórmulas da Estatística Descritiva (coluna Amostra na tabela):
População Amostra Aleatória Amostra
n n
Média

 Xi x i
X  i 1
x i 1

n n
Variância n n

 X i  X  x  x 
2 2
i
(corrigida) 2 S2  i 1
s2  i 1
n 1 n 1

 X  X
n n

 x  x
2 2
i i
Variância 2 S2  i 1
s2  i 1

n n

x i
640
Resolução: Calculando: x  i 1
  20.645 mm
n 31

 x  x 
2
252
s 2
 i
  8.4  s  8.4 2.898 mm
n 1 30
Temos:
- estimativa pontual para a média da população: ˆ  20.645 mm

- estimativa pontual para a variância da população: ˆ 2  8.4 mm2


- estimativa pontual para o desvio-padrão da população: ˆ  2.898 mm

Comentário final: Quando não se diz nada pode utilizar s2 ou s 2 .

Agradeço a indicação de dúvidas e/ou gralhas para jmarques@uatlantica.pt


Métodos Quantitativos Introdução à Estatística – FT4

ERI.2 Apoio à Tomada de Decisão.


Uma equipa de especialistas, para apoiar a decisão da administração de uma Empresa, quer
estimar o tempo médio de vida de um novo tipo de lâmpadas de longa duração. A equipa
testou 9 dessas novas lâmpadas e registou os seguintes tempos de vida (em centenas de
horas):
9 9

50, 51, 54, 52, 54, 50, 53, 52, 52 tais que  xi  468 e
i 1
x
i 1
i
2
 24354.

Experiências prévias indicam que o tempo de vida  X , em centenas de horas  deste tipo de

lâmpadas pode ser modelado por uma distribuição normal.

Calcule estimativas pontuais para os parâmetros da população, i.e., para a média e para o
desvio-padrão.

Comentário inicial: As fórmulas das variâncias da amostra podem ser escritas de outra
forma equivalente, necessárias para quando não se descrimina a amostra no problema:
n n

  xi  x  x  nx 2
2 2
i
Variância (corrigida) s2  i 1
 s 2  i 1
n 1 n 1
n n n

  xi  x   xi2  nx 2 x
2 2
i
Variância (não corrigida) s 2  i 1
 s2  i 1
 s2  i 1
 x2
n n n

 x   x 
2
2
(Nota: i i
)

Resolução: Seja X  tempo de vida (em centenas de horas) de um novo tipo de lâmpadas.
É dito no enunciado que X N   ,  2  . Seja X   X1 , X 2 ,..., X 9  uma a.a. de dimensão

n  9 da população X. Tratamento estatístico da amostra dada x   x1 , x2 , ..., x9  :

1 9 468
x 
9 i 1
xi 
9
 52 centenas de horas.

s 2

x i
2
 9x 2

24354  9  522 18
  2.25
8 8 8
logo temos s  2.25  1.5 centenas de horas.

Pelo que temos as estimativas pontuais pedidas: ˆ  x  5200 horas e ˆ  s  150 horas
3

Agradeço a indicação de dúvidas e/ou gralhas para jmarques@uatlantica.pt


Métodos Quantitativos Introdução à Estatística – FT4

Exercícios Resolvidos II - Introdução à Estimação Intervalar

ERII.1 – Controlo de prejuízo de uma empresa


Certo equipamento de empacotamento automático de um determinado produto encontra-se
regulado para encher embalagens de um quilograma (i.e. 1kg). O seu deficiente
funcionamento origina prejuízo para a empresa: se a maioria das embalagens tem peso
inferior ao estabelecido, haverá reclamações por parte dos clientes e perda de prestígio; peso
excessivo será, por outro lado, antieconómico. Aceita-se, da experiência passada, que o peso
das embalagens se comporta segundo uma lei de probabilidade Normal com uma dispersão
dada por   12 gramas. Para verificar a afinação do equipamento, seleccionam-se, ao acaso,
em certo período, nove embalagens cujos pesos foram registados, em gramas: 983, 992, 1011,
976, 997, 1000, 1004, 983, 990
a) A partir da amostra dada, calcule uma estimativa pontual para  .
b) Indique um intervalo de confiança a 95% para  , usando o formulário.
c) Construa o IC obtido em b)
d) Interprete o resultado. Poder-se-á tirar alguma conclusão quando ao estado de afinação da
maquina?
e) Qual deveria ser a dimensão da amostra a recolher se se pretender uma amplitude do
intervalo de confiança, a 95%, de apenas 2 gramas.

Resolução a) A estimativa pedida é a média da amostra dada:

x
x i

8936
 992, 8  992.89 g  0.99289 kg
n 9
b) Usando o formulário, para este caso - com a variância da população conhecida - temos:
  
IC0.95      x a   985.05;1000.73
 n

c) Pretende-se uma estimativa para o valor da média (populacional),  , através de um

X 
intervalo de confiança a 95%. A variável fulcral será N  0,1 pois trata-se de uma
 n

amostra tirada de uma população normal, X N   ;  , com   12 g (portanto com o

desvio-padrão conhecido). Passo-a-passo temos:

Agradeço a indicação de dúvidas e/ou gralhas para jmarques@uatlantica.pt


Métodos Quantitativos Introdução à Estatística – FT4

Passo 1: Pretende-se uma estimativa intervalar para o valor da média populacional,  ,


através de um intervalo de confiança a 95%, conhecido o valor da variância da população
(caso 1)

X 
Passo 2: A variável fulcral será N  0,1 pois trata-se de uma amostra tirada de uma
 n
população normal  X N   ;  com   12 gramas (desvio-padrão da população
conhecido).

Passo 3: Cálculo do valor de a (usando as tabelas estatísticas):

Distribuição N  0,1 
 
    a   1   0.975 Tabela3 ou 4 a  1.960
Nivel de confiança 95%
 2

Passo 4: Sabendo o valor do a, deduz-se o ICA, a partir da expressão:

 X  
Pb   a   1   , que permite deduzir (pretende-se explicar o  )
  n 

 X      
P  a   a   P  a  X  a 
  n   n n

       
 P X  a     X  a   P X  a    X a 
 n n  n n
o ICA para este caso:
  
ICA0.95      X a 
 n

Passo 5: Da amostra obtém-se - já feito na alínea a)

x
 xi  8936  992, 8  992.89 kg
n 9

Passo 6: Usando os valores amostrais obtemos para erro de estimação a / n  7.84 , que
permite encontrar o IC pedido: 985.05    1000.73 , i.e.,
IC0.95     985.05;1000.73

d) Espera-se, com o nível de confiança de 95%, que o verdadeiro peso médio das embalagens
esteja compreendido entre 985.05 e 1000.78 gramas. Dado que   1000 pertence ao
intervalo calculado não é de por em causa o estado de afinação da máquina, com base nesta
amostra.

Comentário/Questão: Porquê não faz sentido escrever: P  985.05    1000.78  0.95 ?


5

Agradeço a indicação de dúvidas e/ou gralhas para jmarques@uatlantica.pt


Métodos Quantitativos Introdução à Estatística – FT4

e) Pretende-se saber qual a dimensão da amostra  n  ?  para que ao estimar o verdadeiro


peso médio das embalagens    , através de um intervalo de confiança a 95%, a amplitude
desse intervalo seja de 2 gramas. Estamos no caso 1.


Amplitude do IC: A  2  e  2  a onde e é o erro de estimação e  X  
n
Nível de confiança 95%:  a  1.960

Então:
12 2 1.96 12
a  2  2 1.96  2 n   23.52
n 2
 n   23.52  553.1  554 embalagens
2

A dimensão da amostra (número inteiro) deveria ser de 554 embalagens.

Comentário 1: Como n deve ser sempre um número inteiro, se houver necessidade, o


arredondamento faz-se sempre “por excesso”.

Comentário 2: Nestes exercícios, distinguiremos entre “construir” e “indicar” um IC. No


segundo caso usaremos um formulário em que já temos os resultados gerais de cada caso, no
primeiro é necessário fazer todo o procedimento com a dedução.

Comentário 3: Para o intervalo do caso 1 temos:


      
ICA0.95      X a   X  a ,X a 
 n  n n

definimos:


Erro de estimação: a
n


Raio do Intervalo: a
n


Amplitude do Intervalo: 2a
n

Para os restantes casos as quantidades têm expressões análogas.

Agradeço a indicação de dúvidas e/ou gralhas para jmarques@uatlantica.pt


Métodos Quantitativos Introdução à Estatística – FT4

ERII.2 – Inferência sobre a proporção


Suponha que numa certa grande cidade é desejável ter uma estimativa da proporção de
cidadãos que são a favor da instalação de portagens para veículos que circulem nessa cidade.
Para tal, seleccionou-se ao acaso uma amostra de 200 cidadãos dessa região, tendo-se
verificado que 80 se manifestaram a favor da instalação de portagens.
a) Calcule uma estimativa pontual para a verdadeira proporção de cidadãos dessa região que
são favoráveis à instalação das portagens.
b) Construa um intervalo de confiança 99% para a proporção de cidadãos dessa região que
são favoráveis à instalação de portagens na cidade.

Resolução: Seja p  proporção de cidadãos dessa região que são favoráveis à instalação das

portagens. Sabemos que X Ber  p  , em que X   X 1 , , X 200  a.a. de dimensão n  200

1 se cidadão i for favorável


da população X , onde X i  
0 " " " não é favorável

1 200 80
a) x  
200 i 1
xi 
200
 0.40 , pelo que pˆ  0.4

b) IC
aprox. 99%
 p  ?

Passo 1: Pretende-se um intervalo confiança a 99% para uma proporção p (caso 6).

Passo 2: A partir do formulário, para este caso, a variável fulcral é:

Pˆ  p a
N  0,1 .

Pˆ 1  Pˆ 
n
População não normal, uniparamétrica, com n bastante grande.

Passo 3: Fixando o nível de confiança 1    0.99 , obtém-se os quartis,  a , tais que

a  1  0.995  2.5758 .

Agradeço a indicação de dúvidas e/ou gralhas para jmarques@uatlantica.pt


Métodos Quantitativos Introdução à Estatística – FT4

 
 
 Pˆ  p 
Passo 4: Temos que: P  2.5758   2.5758  0.99



Pˆ 1  Pˆ  

 n 


P X  2.5758  p  X  2.5758  0.99

Que permite escrever o intervalo aleatório:




ICA  p   P  2.5758
ˆ
Pˆ 1  Pˆ   
 
 n 
aprox. 99%

 
1 200 80
Passo 5: Amostra observada: x   x1 , , x200   x  
200 i 1
xi 
200
 0.40

Passo 6: Considerando a amostra dada, permite determinar o IC pedido:


 0.4  0.6 
IC  p    0.4  2.5758    0.4  0.089     0.311,0.489  .
aprox. 99%
 200 

Comentários: # Apenas vamos fazer esta indicação do “caso” nos problemas iniciais para
orientar o aluno na fase inicial do seu estudo.
Xp a
# Em algumas referências usa-se a expressão equivalente: N  0,1
X 1  X 
n

Agradeço a indicação de dúvidas e/ou gralhas para jmarques@uatlantica.pt


Resumo (dos casos de estudo dos IC´s)

Estimativa
Situação/Caso Variável aleatória fulcral Solução do IC
Pontual
X 
Z ~ N  0,1 se X ~ N   ,  2 
/ n    
1-Intervalo de I .C.1001 %     x  a ;x  a 
confiança para
ou
ou 
 n n
a média, ̂  x
variância 
conhecida Z
X 
~ N  0,1 se X qq e n  30 com a : PZ  a  
2
/ n a

6- Intervalo de y
pˆ 
confiança para Pˆ  p I .C.1001 %  p  
~ N 0,1
n a
uma proporção Z
p1  p 
(Y – número
(parâmetro p de sucessos  pˆ 1  pˆ  pˆ 1  pˆ  
  pˆ  a ; pˆ  a 
numa n n n
da distribuição amostra  
de Bernoulli) aleatória)

em que apenas nos IC´s se usa a aproximação com a : PZ  a  
2

seguinte:
p1  p 


Pˆ 1  Pˆ 
n n

Agradeço a indicação de dúvidas e/ou gralhas para jmarques@uatlantica.pt


Métodos Quantitativos Introdução à Estatística – FT4

Fórmulas da Média e Variância

População Amostra Aleatória Amostra


n n
Média

X i x i
X  i 1
x i 1

n n
Variância n n

 Xi  X   x  x 
2 2
i
(corrigida) 2 S2  i 1
s 2  i 1
n 1 n 1
ou ou

S 2

X i
2
 nX 2
s 2

x i
2
 nx 2
n 1 n 1

 X  X
n n

 x  x
2 2
i i
Variância 2 S2  i 1
s2  i 1

n n
ou ou

S 2

X i
2
 nX 2
S 2

X i
2

X 2
s 2

x
i
2
 nx 2
s 2

x 2
i
 x2
n n n n

Agradeço a indicação de dúvidas e/ou gralhas para jmarques@uatlantica.pt


Construção de IC´s – Procedimento Geral
Passo 1: Ler o enunciado do problema, identificar o parâmetro para o qual se pretende o IC e
as condições (tipo de distribuição da população se conhecida, quais os parâmetros da mesma
que são conhecidos, dimensão da amostra,…).

Passo 2: A partir do formulário, identificar a variável fulcral adequada e sua distribuição.

Passo 3: Fazer o esboço da distribuição, com a identificação do  . Determinar o a e/ou o b


usando as tabelas da distribuição em causa e o valor de  que se está a considerar.
[Ao valor de 1    designamos por nível de confiança do intervalo de confiança].

Passo 4: Com o valor do a e/ou b conhecidos, construir o intervalo aleatório, isolando o


parâmetro na relação:

P  b  Variável Fulcral  função do parâmetro   a   1  

Passo 5: Considera-se uma amostra em particular, a partir dos dados concretiza-se os


estimadores pontuais necessários.

Passo 6: Substitui-se tudo e obtém-se um intervalo de confiança (diferente do intervalo


aleatório, pois é uma concretização deste) com base naqueles dados.

Agradeço a indicação de dúvidas e/ou gralhas para jmarques@uatlantica.pt


Métodos Quantitativos Introdução à Estatística – FT4

Distribuição Normal

Modelo Normal ou de Gauss: As principais características da curva do modelo normal são:

a) É simétrica relativamente à média  da variável, assumindo aí o valor máximo (tem a


forma de "sino"), i.e., toma valores cada vez menores à medida que a v.a. se afasta da média;

b) Quanto maior for o desvio padrão  mais achatada é a curva (i.e. mais varia a v.a. X);

c) A curva tem pontos de inflexão nos pontos    ;

d) A área compreendida entre a curva e o eixo dos XX é igual a 1 (nota: a região é ilimitada)
e tem os seguintes valores típicos:
P      X       0.683 ;
P    2  X    2   0.954 ;
P    3  X    3   0.997 .
[Nota: Estes valores estão no formulário do EN 2015 de Matemática A]

Função densidade de probabilidade (f.d.p.) da variável aleatória X:


( x   )2
1
f X ( x)  e 2 2
;  x  
2 

Standarização da variável aleatória X:

( X  )
Z ~ N (   0; 2  1)

Função densidade de probabilidade (f.d.p.) da variável aleatória Z:

 z2
1
f Z ( z)  e 2 (está tabelada mas não vamos usar)
2

Função de distribuição (f.d.) da variável aleatória Z – tabela que vamos usar:

z
 ( z )  P( Z  z )  f

U (u )du , em que

(a)  1  (a) (simetria da distribuição em torno da média)

Agradeço a indicação de dúvidas e/ou gralhas para jmarques@uatlantica.pt


Métodos Quantitativos Introdução à Estatística – FT4

Tabela da Distribuição Normal

Agradeço a indicação de dúvidas e/ou gralhas para jmarques@uatlantica.pt