Escolar Documentos
Profissional Documentos
Cultura Documentos
br
INFERÊNCIA ESTATÍSTICA
INFERÊNCIA ESTATÍSTICA
Autor: Dr. Bruno Henrique Oliveira Mulina
Revisor: Antonio Gomes de Mattos Neto
INICIAR
introdução
Introdução
https://fmu.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_738125_1&PA… 1/27
10/08/2021 Ead.br
https://fmu.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_738125_1&PA… 2/27
10/08/2021 Ead.br
Inferência Estatística
https://fmu.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_738125_1&PA… 3/27
10/08/2021 Ead.br
Amostragem
A amostragem pode ser considerada uma das bases da inferência estatística. Por meio dela
podemos definir quais os elementos da população serão usados nos estudos. Uma
amostragem mal elaborada pode afetar análises futuras. Por esse motivo a amostragem deve
ser realizada seguindo certos critérios que representem corretamente a população.
Ao definir uma amostra, a aleatoriedade dos elementos permite obter uma amostra não
viesada, isso é, todos os elementos têm a mesma chance de serem escolhidos. A amostra
também deve ser representativa. Isso quer dizer que a amostra deve ter um comportamento
próximo ao da população, e possuir um tamanho significativo.
Uma amostragem aleatória é aquela na qual os elementos são escolhidos ao acaso, sem
nenhum critério. É um método simples, porém a ausência de um critério pode gerar amostras
ruins sob o ponto de vista estatístico (não representativas). A amostragem sistemática é
semelhante à aleatória, porém existe um critério de seleção (não relacionado à característica a
ser estudada). Por exemplo, dispor os elementos da amostra em sequência e escolher aqueles
nas posições ímpares.
https://fmu.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_738125_1&PA… 4/27
10/08/2021 Ead.br
N × n0 1
n = n0 = (1)
2
N + n0 E
1 1 N × n0 1000 × 10000
n0 = = = 1000 n = = = 909 (2)
2 2
E 0, 01 N + n0 1000 + 10000
Além da amostragem já vista, outros dois conceitos são muito importantes para a análise
inferencial: o nível de confiança IC e a significância α.
Antes de definir esses conceitos, imagine que, em uma população de 100 alunos, 20 sejam
selecionados para estudo com relação à altura. É possível que, dentro os 80 alunos não
selecionados, exista um aluno com altura muito maior ou muito menor que a maioria dos
alunos. Por ser um caso extraordinário, é possível que, durante a amostragem, ele não seja
selecionado. É lógico que a altura desse aluno afeta nos estudos, mas não aparecerá nos dados
amostrais.
Para resolver essa questão, é definida um nível de confiança nos dados amostrais. O nível de
confiança IC fornece a probabilidade de a estimativa realizada na amostra estar correta
com relação ao valor exato da população. Por exemplo, se definirmos um índice de
confiança de 95%, significa que existe 95% de chance de inferir (estimar) corretamente sobre a
população.
α = 1 − IC (3)
O estudo da significância tem um papel especial nas inferências estatísticas, já que se comporta
diferente de acordo com o problema. Imagine que desejamos saber a margem de erro para a
média amostral. Nesse caso, metade dos valores errados são menores que a média, e a outra
metade dos erros se refere aos valores maiores. Assim, cada metade da significância está
relacionada a cada intervalo de valores errados.
https://fmu.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_738125_1&PA… 5/27
10/08/2021 Ead.br
O índice de confiança, assim como a significância do teste, é definido no início dos estudos
estatísticos. Os valores mais comuns para a significância são 1%, 5% e 10%, sendo 5% o mais
usual. Por esse motivo, caso seja omitida a informação sobre a significância, adotaremos o
valor de 5%.
Estimação de parâmetros
Imagine o caso: um fabricante de parafusos deve produzir parafusos com o diâmetro de 5 mm.
Porém, é impossível que se produzam parafusos de mesmo tamanho. Pequenas diferenças na
matéria-prima e condições de operação podem ocasionar variação no diâmetro do parafuso.
Nesse caso, podemos ter parafusos de 5 mm, 4,9 mm, 5,2 mm, 6 mm, 4 mm. Então, como
saber se a produção está correta ou a máquina necessita de manutenção?
saiba mais
Saiba mais
A análise da variação das medidas é importante na metrologia. Conforme a variável a ser mensurada,
existem metodologias para estimar as margens de confiança, ou incertezas de medição, para
diferentes tipos de instrumentos. A ISO-GUM 2008, é umas das principais normas para determinação
das incertezas em medições.
ACESSAR
https://fmu.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_738125_1&PA… 6/27
10/08/2021 Ead.br
proporção). Esse intervalo de confiança define a margem de valores admitidos como corretos.
Testes de Hipóteses
A outra principal aplicação da inferência estatística são os testes de hipóteses. Imagine que,
com base na amostragem dos alunos de uma escola, obtivemos a média de 1,6 m, e um
intervalo de confiança de 0,5 m. Se quiséssemos supor que a altura média é maior ou igual a
1,7 m, não podemos responder de forma exata apenas observando o valor da média
observada na amostra. É preciso avaliar, com base em um teste de hipótese, se, de modo
simples, 1,6 m é maior ou igual a 1,7m.
Um teste de hipótese é uma metodologia estatística que auxilia na tomada de decisões sobre
as informações de uma ou mais populações com base nos dados amostrais. Para isso, são
levantadas duas hipóteses, uma chamada de hipótese nula, H0 , cuja condição é dada pela
suposição a ser respondida, e outra chamada de hipótese alternativa, H1 , que incorpora as
possibilidades não cobertas pela hipótese nula. Uma vez formuladas as hipóteses, são
aplicadas estatísticas (cálculos) que permitem que a decisão seja tomada. Essa decisão é
respondida de forma binária (a hipótese proposta é aceita ou rejeitada).
Voltando ao exemplo da altura, a hipótese nula buscaria responder se a média amostral (ou
observada) é igual ou maior a 1,7 m, enquanto teríamos como hipótese alternativa a
possibilidade da altura amostral ser menor que 1,7 m. Matematicamente, isso é descrito como:
H 0 : μ ≥ 1, 70
{ (4)
H 1 : μ < 1, 70
Por que não podemos, com base apenas na observação da média amostral, responder à
suposição feita? Porque os valores são amostrais, e por isso possuem intervalo de confiança.
Então, os testes devem avaliar a interação entre os intervalos de confiança conforme a
hipótese levantada. Devemos sempre lembrar que os testes de hipóteses também possuem
seu índice de confiança (ou uma significância estatística).
Os testes de hipótese são realizados de duas maneiras diferentes: por meio da região crítica e
a partir do p-valor.
https://fmu.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_738125_1&PA… 7/27
10/08/2021 Ead.br
Os testes de hipótese com base na análise da região crítica são realizados com base na
distinção de dois intervalos de probabilidade, um referente à hipótese nula e outro para a
alternativa. O tamanho desses intervalos é calculado com base no valor da significância do
teste e nas hipóteses levantadas. Definidos os intervalos, um valor normalizado é calculado.
Caso o valor esteja no intervalo da hipótese nula, a suposição levantada está correta, caso
contrário, a hipótese nula é rejeitada.
Aplicação
A inferência estatística deve ser aplicada para parâmetros da população (média, variância e proporção) com
base em informações de uma amostra, a partir de intervalos de confiança ou testes de hipóteses.
https://fmu.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_738125_1&PA… 8/27
10/08/2021 Ead.br
Entre as duas ferramentas apresentadas, podemos distinguir a área de aplicação de cada uma
delas. No caso dos intervalos de confiança, eles serão utilizados para estimar o valor de um
parâmetro populacional. Agora, quando é de interesse comparar valores, então deverão ser
aplicados os testes de hipótese.
praticar
Vamos Praticar
Ao avaliar a eficiência de um novo remédio, é realizado o procedimento no qual são construídos dois
grupos de pacientes, no qual um recebe o remédio enquanto o outro recebe um placebo. Sobre o
procedimento para confirmação dos resultados, assinale a alternativa correta.
a) Por um teste de hipótese, com hipótese nula que o remédio tem efeito maior ou igual que o
placebo, e alternativa de que o remédio tem efeito menor ou igual.
b) Se o grupo que recebeu o remédio possui maior número de pacientes curados, então ele
surte efeito.
c) Calculamos o intervalo de confiança dos resultados do grupo de placebo e do remédio.
d) Basta saber a porcentagem de um grupo e comparar numericamente com o outro grupo, já
que a porcentagem da amostra é igual à da população.
e) Aplicar um teste de hipótese que permita confirmar se os resultados são iguais ou
diferentes.
https://fmu.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_738125_1&PA… 9/27
10/08/2021 Ead.br
Estimadores
Por exemplo, vamos estimar a média de notas dos alunos de uma escola. Para isso,
realizaremos a amostragem dos alunos, e calcularemos o valor médio da nota dentro da
amostra. Esse valor pode ser considerado então um estimador pontual da média das notas
da escola. Agora, se for definido um intervalo de confiança para o valor médio das notas,
teremos um estimador intervalar.
Ao estimar um valor, podemos dizer que existe uma função estimador T, que forneça a
melhor estimativa para o parâmetro. Essa função é obtida usualmente por meio de três
técnicas: método dos momentos, método dos mínimos quadrados ordinários e o método
de máxima verossimilhança.
Estimadores pontuais
Como dito, os estimadores são funções que permitem estimar o valor populacional a partir dos
dados amostrais. Serão apresentados os métodos mais usados.
https://fmu.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_738125_1&P… 10/27
10/08/2021 Ead.br
O Método dos Momentos define que cada parâmetro avaliado possui um momento de ordem
k. Um momento é a média dos valores da amostra elevados a k, ou seja:
1
k
Mk = ∑ x (5)
n
https://fmu.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_738125_1&P… 11/27
10/08/2021 Ead.br
eflita
Reflita
mais que seja natural na área de pesquisa a tomada de decisões a partir de dados de uma amostra,
os que podemos ser levados a tomadas de decisões incorretas. Então, será que é correto afirmar algo
bre a mudança da temperatura do planeta apenas com base na memória pessoal?
a.Não tendencioso: também chamado de estimador não viesado. É dito que o estimador é
não tendencioso quando a estimativa calculada é igual à esperança do próprio parâmetro. Para
isso, a probabilidade pi deve ser igual para todos os elementos. Assim os estimadores não
tendenciosos podem ser reescritos como descritos no Quadro 1.2.
O estudo sobre o viés do estimador está relacionado à acurácia dos valores. A acurácia se
refere a quão próximo o valor obtido pelo estimador está do valor exato (da população). Isso
quer dizer que, se um estimador possui uma acurácia alta, ele é mais exato (valor próximo ao
da população).
b. Suficiência: esse critério nos informa que a amostra selecionada é capaz de representar de
forma clara e completa a população, sendo assim, a adição que qualquer outro elemento na
amostra não contribui na melhora dos dados. Isso ocorre quando a população segue uma
distribuição probabilística normal, em que a chance de escolher um elemento com o valor
https://fmu.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_738125_1&P… 12/27
10/08/2021 Ead.br
d. Eficiência: ao comparar dois estimadores, será considerado o melhor aquele que apresentar
menor Erro Quadrático Médio (EQM). O EQM está relacionado à variância dos valores
amostrais. De modo simples, quanto menor a variância dentro da amostra, melhor a
estimativa.
praticar
Vamos Praticar
Em uma amostragem realizada para análise da nota dos alunos em uma escola, foram selecionados 10
indivíduos. Calculando os parâmetros das amostras, foram obtidas a média 6 e desvio-padrão 1.
Avaliando os dados obtidos, assinale a alternativa correta.
a) Se amostrarmos mais 10 indivíduos e a média passar a ser de 8, significa que ele era um
bom estimador.
b) Essa nota foi obtida selecionando os alunos que obtiveram as melhores notas nas provas
finais.
c) A amostragem de 5 novos elementos não alterou a média amostral, mas aumentou a
variância amostral. Isso quer dizer que o novo estimador é melhor que o anterior.
d) Se esse estimador é bom, se forem amostrados novos elementos eles devem possuir uma
nota próxima a 6.
e) Se outra amostragem for realizada, agora com 40 indivíduos, que resulta em mesma média
e desvio-padrão amostral, então essa segunda amostra é a melhor.
https://fmu.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_738125_1&P… 13/27
10/08/2021 Ead.br
https://fmu.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_738125_1&P… 14/27
10/08/2021 Ead.br
Distribuições Amostrais
Até o momento vimos com relação a indicadores (estimadores) pontuais. Porém, antes de
validar se o estimador é bom ou não, devemos compreender como todos os indivíduos dentro
da população e da amostra se comportam. Para isso veremos agora com relação às
distribuições amostrais.
Distribuição amostral
A distribuição amostral é a distribuição de probabilidades associada à estatística, assumindo
todas as amostras possíveis de mesmo tamanho (também chamados de graus de liberdade),
obtidas da mesma população. De modo simples, o estudo das distribuições amostrais está
relacionado ao modo no qual uma amostra, ou um conjunto de amostras, se comportam frente
ao comportamento da população.
Baseado no que foi apresentado anteriormente, é possível dizer que uma amostra possuirá o
comportamento semelhante ao da população que a originou. Assim, se a amostragem for
realizada corretamente, as análises realizadas na amostra poderão ser inferidas para a
população sem que haja distorções por conta de mudanças nas distribuições de probabilidade.
https://fmu.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_738125_1&P… 15/27
10/08/2021 Ead.br
Se jogarmos algumas esferas apenas, como mostra a Figura 1.3a, não poderemos ter clareza
com relação à posição em que essas esferas cairão, independentemente da posição de saída
das mesmas. Agora, liberando um número maior de esferas (mais que 30 esferas), poderemos
ver que elas se acumularão nas canaletas seguindo um padrão. Elas se acumularão
principalmente abaixo da saída das esferas, independentemente de sua posição, como
mostram as Figuras 1.3b e 1.3c.
Ao transportar esse experimento para a estatística, vemos que cada esfera, ao colidir com um
obstáculo, tem 50% de chances de ir para a direita e outros 50% de ir para a esquerda. Assim,
podemos dizer que a probabilidade das esferas irem para um lado segue uma distribuição
binomial, com chances de “acerto” e “erro” iguais.
https://fmu.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_738125_1&P… 16/27
10/08/2021 Ead.br
O padrão de resultados do tabuleiro mostra uma distribuição com média amostral centrada
na média populacional μ (no caso do exemplo, onde se localiza a saída das esferas). A
observação individual (Figura 1.3a) mostra uma grande variabilidade dos resultados, enquanto
com o aumento da amostra, a variação nos valores diminui (Figuras 1.3b e 1.3c). Isso significa
que quanto maior o tamanho da amostra, mais próximo estará de μ. Isso quer dizer que,
quanto maior os graus de liberdade, mais próximo o comportamento da amostra é da
população.
Uma ressalva importante. Quando avaliamos a distribuição amostral, quanto maior o número
de elementos, mais a amostra se aproxima da população. Porém, não confunda com os
estimadores pontuais. No caso dos estimadores pontuais, os dados são resumidos em um
único valor, sem se preocupar diretamente com o modo com que os valores da amostra se
comportam.
Existem dois casos a serem avaliados na geração dessas amostras. No primeiro caso, podemos
gerar diferentes amostras com a reposição de elementos já aplicados em amostras anteriores.
Essa análise também pode ser expandida quando se realiza uma única amostragem. Para esse
caso, os estimadores são descritos como:
2 2
σ σ
2
x ∼ N ormal (μ; ) x = μ s = (7)
− n − n
Por exemplo, se temos uma amostra de tamanho n = 50, onde são conhecidas a média
populacional (μ=10) e variância populacional (σ2=3), os valores amostrais para esses
parâmetros são:
3 3
2
x ∼ N ormal (10; ) ⇒ x = 10 e s = = 0, 06
− 50 − 50
A solução inversa também é válida. Isso é, conhecendo os valores amostrais é possível estimar
os parâmetros populacionais.
https://fmu.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_738125_1&P… 17/27
10/08/2021 Ead.br
Caso a amostragem não permitir repetição, isso é, uma vez que a primeira amostra é retirada,
os elementos não retornam à população para a nova amostragem. Nesse caso, os estimadores
serão diferentes:
Para compreender como aplicar esses estimadores, realizaremos o mesmo exemplo anterior,
mas adotando que não poderão ser repostos os elementos, em uma população de N=1000
elementos. Assim:
3 1000 − 50 3 1000 − 50
2
x ∼ N ormal (10; × ) ⇒ x = 10 e s = × = 1, 163
− 50 50 − 1 − 50 50 − 1
É importante ter em mente uma relação entre os valores populacionais e amostrais em uma
distribuição normal. Com base no teorema do limite central, temos que:
x − μ
−
z = (9)
σ
( )
√n
praticar
Vamos Praticar
Ao avaliar uma amostra, foi percebido que ela possui um comportamento semelhante ao da
distribuição normal. Isso quer dizer que a probabilidade dos elementos possuírem valores próximos à
da média é maior que valores muito distantes da média. Em uma amostra que foi retirada de modo
que esses elementos não possam ser repostos, cujo tamanho original da população era de 500
elementos, e as amostras são compostas de 30 indivíduos, os valores amostrais para a média e o
desvio-padrão foram, respectivamente, 20 e 4. Sobre o cálculo dos dados populacionais assinale a
alternativa correta:
https://fmu.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_738125_1&P… 18/27
10/08/2021 Ead.br
a) μ = 20 eσ = 4 .
b) μ = 20 eσ = 5, 4 .
c) μ = 18 eσ = 3, 2 .
d) μ = 12 eσ = 4 .
e) μ = 12 eσ = 1, 6 .
https://fmu.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_738125_1&P… 19/27
10/08/2021 Ead.br
Do mesmo modo que avaliamos a distribuição amostral para a média dos valores em uma
amostra, compreenderemos como se relacionam as proporções amostrais e populacionais em
uma distribuição que se comporte de modo análogo ao apresentado pelo teorema do valor
central. Existem distribuições amostrais para o estudo da média de pequenas amostras e da
variância amostral. Essas distribuições têm em comum o conceito de graus de liberdade e o
grau de significância.
Distribuição da Proporção
Antes de estudar a distribuição, definiremos que os indivíduos, dentro de uma amostra de
tamanho n, sejam classificados de modo binário, ou seja, os indivíduos sejam definidos como
uma condição de sucesso ou de fracasso. Feito isso, podemos distinguir agora as proporções
como p para a proporção de sucesso e q como a proporção de fracasso.
O cálculo de p pode ser realizado de duas formas. De modo empírico, basta contar o número
de indivíduos na condição de sucesso, e dividir pelo número total de elementos da amostra.
Esse método pode parecer simples, mas imagine uma amostra muito grande. Para auxiliar no
cálculo, podemos considerar que todos os casos de sucesso possuem valor “1”, e todos os
fracassos valem “0”. Uma vez definido o valor das variáveis conforme seu sucesso ou fracasso,
a média pode ser calculada por meio do estimador . Uma vez calculada a média, podemos
calcular a variância da proporção por meio da expressão:
2
var (p) = s = p (1 − p) (10)
https://fmu.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_738125_1&P… 20/27
10/08/2021 Ead.br
−− −−− −−−
p (1 − p)
^ = N (p; √
p ) (11)
n
Lembre-se que o termo está relacionado aos parâmetros amostrais, enquanto o fator p se
refere aos dados populacionais. Do mesmo modo que a análise da média, podemos expressar
a relação entre os valores amostrais e populacionais conforme a expressão:
^ − p
p
z = ∼ N (0, 1) (12)
−−−−−
p(1−p)
√
n
Para estudar com relação ao comportamento de uma amostra, a fim de conferir se esta tem
um comportamento normal, existem diversas técnicas. Entre elas, a mais simples é a
representação gráfica dos dados por meio de histogramas, e comparar o comportamento do
histograma ao da distribuição normal. Na Figura 1.4 temos duas distribuições amostrais. Na
Figura 1.4a vemos que ela tem a forma (comportamento) de uma distribuição normal. Nesse
caso, seria possível aproximar as avaliações com relação à amostra. Agora, no caso da Figura
1.4b, percebe-se que a amostra não segue uma distribuição normal.
https://fmu.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_738125_1&P… 21/27
10/08/2021 Ead.br
distribuição normal padrão, com média nula e desvio-padrão unitário. Para aplicar a
distribuição normal padrão a qualquer amostra, deve-se aplicar a normalização a seguir:
x − μ
z = (13)
σ
O valor da variável x, quando normalizado para a variável z, também pode ser chamado de
escore-z. Ao estudar distribuição normal, assim como outras distribuições, devemos distinguir
a função probabilidade e a função densidade de probabilidade. A função probabilidade é
aquela que define os valores da função para os valores de x. No caso da distribuição normal, a
função é definida como:
2
x−μ
1 −
1
( )
2 σ
f (x) = e (14)
−−
σ√ 2π
A outra função importante é a função de densidade de probabilidade F(x), ela é obtida pela
integral da função de probabilidade.
+∞
−∞
Para entender sobre a aplicação da distribuição normal, imagine uma população cuja média
vale 5 e o desvio-padrão vale 0,5. Se desejamos saber qual a chance de selecionar uma amostra
com valor médio 4,5, devemos calcular o valor da variável z, e obter a probabilidade
equivalente. Então:
https://fmu.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_738125_1&P… 22/27
10/08/2021 Ead.br
x − μ 4, 5 − 5
z = = = −1
σ 0, 5
P (z < −1) = 0, 15 = 15
b. A área acumulada é quase nula para valores de z próximos a z=-3,5 (ou probabilidade nula);
https://fmu.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_738125_1&P… 23/27
10/08/2021 Ead.br
praticar
Vamos Praticar
Em período eleitoral, são comuns as pesquisas eleitorais com períodos cada vez mais curtos. Isso só é
possível graças à amostragem dos eleitores. Se, em uma pesquisa, um dos candidatos apresenta 30%
das intenções de votos, caso a amostra com n = 100 possua um comportamento normal, assinale a
alternativa que apresenta qual a variância dentro da população:
a) σ 2 = 0, 01 .
b) σ 2 = 0, 004 .
c) σ 2 = 0, 03 .
d) σ 2 = 0, 01 .
e) σ 2 = 0, 046 .
https://fmu.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_738125_1&P… 24/27
10/08/2021 Ead.br
in dica ções
Material Complementar
WEB
ACESSAR
https://fmu.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_738125_1&P… 25/27
10/08/2021 Ead.br
LIVRO
Editora: EDUEM
ISBN: 978-85-7628-538-0
https://fmu.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_738125_1&P… 26/27
10/08/2021 Ead.br
con clusã o
Conclusão
Ao longo da Unidade vimos os conceitos iniciais sobre a Inferência Estatística. Esses conceitos
serão de suma importância nos desenvolvimentos futuros, pois ajudarão a compreender como
a inferência é importante em diversos campos da pesquisa. A amostragem correta dispõe
dados não viesados, que fornecerão informações confiáveis sobre a população. Vimos que é
errado qualquer conclusão com relação aos dados apenas com os valores numéricos
estimados pela amostra, sendo necessária a construção dos testes de hipótese.
referên cias
Referências Bibliográficas
LARSON, R.; FARBER, B. Estatística Aplicada. 6. ed. São Paulo: Pearson, 2016. Disponível na
Biblioteca Virtual Universitária.
WALPOLE, R. E. et al. Probabilidade e Estatística: para engenharia e ciências. 8. ed. São Paulo:
Pearson, 2009. Disponível na Biblioteca Virtual Universitária.
https://fmu.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_738125_1&P… 27/27