Alberto Valente Matavele

Félix Raimundo Cumbe

Resolução de exercícios

Licenciatura em Ensino de Matemática

Universidade Save

Gaza

2021
 Alberto Valente Matavele

Félix Raimundo Cumbe

Resolução de exercícios

Trabalho, elaborado no
âmbito da cadeira de
Inferencia Estatistica para
fins de avaliação sob
orientação do MSC.
Jonatane Macie.

Licenciatura em Ensino de Matemática

Universidade Save
Gaza
2021
Exercícios do módulo

1.

Dados: Resolução:
𝜎=5 𝜎
𝐼𝐶(1−𝛼)∙100% (𝜇) =]𝑥 ± ∙ 𝑍(1−𝛼) [
𝑛 = 100 √𝑛 2

𝑥 = 500 5
𝐼𝐶95% (𝜇) =]500 ± ∙ 𝑍 0.05 [
√100 (1− 2 )
(1 − 𝛼) ∙ 100% = 95% ⟺ 𝛼 = 0.05 5
=]500 ± ∙ 𝑍(0.975) [
10
Seja: 𝑥 Variável aleatória que =]500 ± 0.5 ∙ 1.96[=]500 ± 0.98[
representa a duração (horas) média de 𝐼𝐶95% (𝜇) =]499.02; 500.98[
vida de uma peça de equipamento.
𝑛 > 31 ⟹ 𝑥 ≈ 𝑁(𝜇 =? ; 𝜎 = 5)

𝐼𝐶95% (𝜇) =?

2.
Dados: Resolução:
7
𝜎
∑ 𝑥1𝑖 = 455 𝐼𝐶(1−𝛼)∙100% (𝜇) =]𝑥 ± ∙ 𝑡(𝑛−1; 1−𝛼) [
𝑖=1 √𝑛 2

7 7
2 1 1
∑ (𝑥1𝑖 − 𝑥) = 486 𝑥 = ⋅∑ 𝑥𝑖 = ⋅ 455 = 65
7 7
𝑖=1 𝑖=1

7
𝛼 = 0.05 1 2 1
𝑆2 = ∙∑ (𝑥𝑖 − 𝑥) = ∙ 486 = 81
7−1 6
Seja: 𝑥 Variável aleatória que 𝑖=1

representa a média do tempo (horas) de 𝑆 = √𝑆 2 = 9

espera para visitar o pavilhão 1.
9
𝑥~𝑁(𝜇 =? ; 𝜎 =? ) 𝐼𝐶95% (𝜇) =]65 ± ∙𝑡 0.05 [
√7 (7−1; 1− 2 )
𝐼𝐶95% (𝜇) =? =]65 ± 3.4017 ∙ 𝑡(6; 0.975) [
=]65 ± 3.4017 ∙ 2.447[
=]65 ± 8.324[

𝐼𝐶95% (𝜇) =]56.676; 73.324[

 3.
Dados: Resolução:
𝑛 = 10000 𝑥−𝜇
𝑎) 𝑛 × 𝑃(𝑥 > 165) = 10000 × 𝑃 (𝑍 > )
𝜇 = 170 𝜎
165 − 170
= 10000 × 𝑃 (𝑍 > )
𝜎=5 5
= 10000 × 𝑃(𝑍 > −1)
Seja: 𝑥 Variável aleatória que = 10000 × 0.8413 = 8413
representa a altura (centímetros) média
R: O número esperado de estudantes com altura
dos estudantes do Ensino básico.
superior a 1.65𝑚 é de 8413 estudantes.
𝑥 ≈ 𝑁(𝜇 = 170; 𝜎 = 5)
b) 𝐼𝐶(1−𝛼)∙100% (𝜇) =]𝜇 ± 𝜎 ∙ 𝑍(1−𝛼) [
𝑎) 𝑛 × 𝑃(𝑥 > 165) =? 2

𝐼𝐶75% (𝜇) =]170 ± 5 ∙ 𝑍 0.25 [

b) 𝐼𝐶75% (𝜇) =? (1−
2
)

=]170 ± 5 ∙ 𝑍(0.875) [
=]170 ± 5 ∙ 1.150[=]170 ± 5.75[

𝐼𝐶75% (𝜇) =]164.25; 175.75[

4.
Dados: Resolução:
𝑛 = 200 a) Como não temos o valor de 𝑝,

𝑥 = 50 consideremos: 𝑝 = 𝑝̂
𝑥 50
Seja: 𝑥 a variável aleatória que 𝑝̂ = ∴ 𝑝̂ = = 0.25
𝑛 200
representa o número de indivíduos que
declaram-se disponíveis a passar a 𝑝(1 − 𝑝)
𝐼𝐶(1−𝛼)∙100% (𝑝) =]𝑝̂ ± √ ∙ 𝑍(1−𝛼) [
𝑛 2
utilizar o metropolitano nas suas
deslocações, casa – emprego, daí que:
0.25(1 − 0.25)
𝑥 ∼ 𝑏(𝑛 = 200; 𝑝 =? ) 𝐼𝐶95% (𝑝) =]0.25 ± √ ∙ 𝑍 0.05 [
200 (1−
2
)

a) 𝐼𝐶95% (𝑝) =?
0.1875
(1 − 𝛼) ∙ 100% = 95% ⟺ 𝛼 = 0.05 =]0.25 ± √ ∙ 𝑍(0.975) [
200

b) 𝑛 =? =]0.25 ± 0.0306 ∙ 1.96[

=]0.25 ± 0.060[
 𝐼𝐶95% (𝑝) =]0.19; 0.31[

b) Se vamos reduzir a amplitude a metade,

temos que reduzir o erro a metade, daí que:

0.1875 1 0.1875
√ ∙ 𝑍(0.975) = ∙ √ ∙ 𝑍(0.975)
𝑛 2 200

1 1 1
= ∙ ⟺ 𝑛 = 4 × 200 = 800
𝑛 4 200
R: A dimensão da amostra para reduzir a
amplitude do intervalo à metade é de 800
indivíduos.

Proposta de Resolução de Exercícios de Inferência Estatística

Exercício 2 da Página 49

Seja 𝑋 − variável aleatória que representa o número de itens defeituosos;

𝑛 = 1000

𝑃(𝑋 ≥ 30) =?

1. Com 𝑐𝑜𝑛𝑓𝑖𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑𝑒 = 0.995, a probabilidade 𝑝 de um item ser defeituoso será dada

por: 𝑝 = 1 − 0.995 = 0.005, daí temos que 𝑋~𝑏𝑖𝑛(1000; 0.05).
Como:
(1 − 𝑝) × 𝑛 = 0.995 × 1000 = 995 ≥ 5

𝑝 × 𝑛 = 0.005 × 1000 = 5 ≥ 5

Podemos aproximar a distribuição normal:

𝜇 = 𝑛𝑝 = 5 𝜎 = √𝑛𝑝(1 − 𝑝) = √5 ∗ 0.995 = √4.975 ≈ 2.2305

𝑋 ≈ 𝑁 (5, 2.2305)

29.5 − 5 29.5 − 5
𝑃(𝑋 ≥ 30) = 𝑃 (𝑍 ≥ ) = 𝑃 (𝑍 ≥ ) = 𝑃(𝑍 ≥ 10.98) ≈ 0
2.2305 2.2305
2. Com 𝑐𝑜𝑛𝑓𝑖𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑𝑒 = 0.85, a probabilidade 𝑝 de um item ser defeituoso será dada
por: 𝑝 = 1 − 0.85 = 0.15, daí temos que 𝑋~𝑏𝑖𝑛(1000; 0.15).
Como:
(1 − 𝑝) × 𝑛 = 0.85 × 1000 = 850 ≥ 5

𝑝 × 𝑛 = 0.15 × 1000 = 150 ≥ 5

Podemos aproximar a distribuição normal:

𝜇 = 𝑛𝑝 = 150 𝜎 = √𝑛𝑝(1 − 𝑝) = √150 ∗ 0.85 = √127.5 ≈ 11.2916

𝑋 ≈ 𝑁 (150, 11.2916)

29.5 − 150 −120.5

𝑃(𝑋 ≥ 30) = 𝑃 (𝑍 ≥ ) = 𝑃 (𝑍 ≥ ) = 𝑃(𝑍 ≥ −10.67) ≈ 0
11.2916 11.2916