CE-003: Estatı́stica II, turma E

2a Prova - 1o semestre 2006 (26 Junho de 2006)

1. (10 pontos) Suponha que amostras de tamanho n = 25 são selecionadas ao acaso de uma distribuição normal
com média µ = 100 e desvio padrão σ = 10.

(a) Qual a probabilidade de que a média amostral esteja no intervalo µx̄ − 1.8σx̄ a µx̄ + 1.0σx̄ ?
(b) Qual deveria ser o tamanho n da amostra para que a probabilidade de que a média amostral esteja no
intervalo (99, 101) seja de 0.90?

Resposta:
X ∼ N (100, 102 ) X̄25 ∼ N (100, 102 /25)

(a) P [µx̄ − 1.8σx̄ < X̄ < µx̄ + 1.0σx̄ ] = P [−1.8 < Z < 1.0] =
> pnorm(1) - pnorm(-1.8)
[1] 0.8054144
(b) X ∼ N (100, 102 ) X̄n ∼ N (100, 102 /n)

P [99 < X̄ < 101] = 0.9

99 − 100 101 − 100
P[ p <Z< p ] = 0.9
100/n 100/n
z = 1.645
101 − 100
z = p
100/n
1.6452 ∗ 100
n =
(101 − 100)2
n = 271

2. (10 pontos) Um cientista da computação solicitou a 12 programadores para programar uma funcionalidade
padrão em certa linguagem (A), e o tempo (em minutos) foi anotado obtendo-se:

programador 1 2 3 4 5 6 7 8 9 10 11 12

tempo 17 16 21 14 18 24 16 14 21 23 13 18

Assumindo que os tempos tem distribuição normal,

(a) construa intervalos de confiança a 90% e 99% para o tempo médio de programação;
(b) construa intervalos de confiança a 90% e 99% para a variância do tempo de programação.

Resposta:

> tA <- c(17, 16, 21, 14, 18, 24, 16, 14, 21, 23, 13, 18)
> n <- length(tA)

(a) > t.test(tA, conf = 0.9)$conf

[1] 16.03497 19.79837
attr(,"conf.level")
[1] 0.9
> t.test(tA, conf = 0.99)$conf
 [1] 14.66245 21.17088
attr(,"conf.level")
[1] 0.99
(b) > c((n - 1) * var(tA)/qchisq(0.95, df = n - 1), (n - 1) * var(tA)/qchisq(0.05,
+ df = n - 1))
[1] 7.365472 31.677068
> c((n - 1) * var(tA)/qchisq(0.995, df = n - 1), (n - 1) * var(tA)/qchisq(0.005,
+ df = n - 1))
[1] 5.416059 55.668196

3. (10 pontos) Considere agora solicitou-se aos mesmos programadores do problema acima para implementarem
a mesma funcionalidade em uma segunda linguagem (B). O tempo (em minutos) foi anotado obtendo-se :

programador 1 2 3 4 5 6 7 8 9 10 11 12

tempo 18 14 19 11 23 21 10 13 19 24 15 20

(a) Use um procedimento adequado para testar a hipótese de que as linguagens não diferem quanto ao tempo
médio de programação
(b) Suponha que decide-se usar a seguinte regra: se a diferença entre os tempos médios de programação for
superior a 2 unidades, decide-se que as linguagens possuem tempos médios diferentes para implementação
da funcionalidade desejada. Qual a probabilidade do erro tipo I neste caso?

Resposta:

> tB <- c(18, 14, 19, 11, 23, 21, 10, 13, 19, 24, 15, 20)

(a) > t.test(tA, tB, paired = TRUE, conf = 0.95)

Paired t-test

data: tA and tB
t = 0.779, df = 11, p-value = 0.4524
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
-1.216846 2.550179
sample estimates:
mean of the differences
0.6666667
(b) P [|D̄| > 2 | µd = 0]
> 2 * pnorm(mean(abs(tB - tA)), m = 0, sd = sqrt(var(tB - tA)/n), low = F)
[1] 0.003484803

4. (10 pontos) Uma indústria submete seus novos operários a um teste de aptidão e três meses depois mede a
produtividade destes operários. Para uma amostra de 6 operários os dados obtidos foram:

operário 1 2 3 4 5 6

teste de aptidão 22 25 15 19 22 18

produtividade 45 37 25 40 33 30

Use análises estatı́sticas adequadas para determinar se a produtividade está associada ao resultado no teste de
aptidão e caso positivo, descreva a forma desta associação e obtendo ainda a produtividade esperada para um
operário que obtém resultado 20 no teste de aptidão.
Resposta

> x <- c(22, 25, 15, 19, 22, 18)

> y <- c(45, 37, 25, 40, 33, 30)
> cor(x, y)

[1] 0.6361802

> reg <- lm(y ~ x)

> reg

Call:
lm(formula = y ~ x)

Coefficients:
(Intercept) x
9.003 1.289

> predict(reg, data.frame(x = 20))

[1] 34.78515

> plot(x, y, xlab = "teste de aptid~

ao", ylab = "produtividade")
> abline(reg)
45
40
produtividade

35
30
25

16 18 20 22 24

teste de aptidão