FUNIBER- Fundação Universitária Iberoamericana

Nome completo: Silva Augusto Jessé

DD118 – ESTATÍSTICA BÁSICA

RESOLUÇÃO DO CASO PRÁTICO

I – Grupo

R/ A marca de carro mais cara é o Jaguar. O Jaguar constitui-se como a marca de

carro mais cara, pois que, utilizando como base as informações fornecidas, e de
acordo o resultado do lançamento dos dados no SPSS, apresenta uma média de
preço de 85 506,00 (média mais alta em comparação com as outras marcas) e com
um desvio de 5 059,706.

II – Grupo – Cálculo do intervalo de confiança

Neste quesito, pretende-se explorar as distribuições de amostragem para construir

intervalos onde podemos depositar forte confiança sobre as médias. E para tal, uma
amostra observada nos permite obter x́ uma realização de X́ e s´ uma realização de S
´e construir o intervalo real, chamado intervalo de confiança.

Deste modo, calculou-se os intervalos de confiança para o preço médio ajustado de

cada marca, com uma confiança de 95%.

Inferior Superior

ICu= [ x́−t ( n−1 ) ( ∝2 )× √s n´ ] ICu= [ x́ +t ( n−1 ) ( ∝2 ) × √s ´n ]

Entretanto, com recurso à utilização do software SPSS, desmembraram-se os
seguintes dados dos intervalos de confiança:

1. Alfa (27 650,17 – 48 951,17);

2. Audi (35 181,55 – 53 088,45);

3. BMW (45 406,83 – 83 685,42);

4. Chvrolet (10 212,50 – 19 476,83);

5. Dodge (14 395,82 – 24 107,18);

1
6. Honda (17 147,59 – 23 305,33);

7. Isuzu (-44 901,29 – 88 971,29);

8. Jaguar (72 936,99 – 98 075,01);

9. Mazda (17 489,52 – 31 204,15);

10. Mercedes (69 123,37 – 97 177,88);

11. Mercury (não pode ser calculado porque a soma de ponderação de caso é menor
ou igual a 1.

12. Mitsubish (18 289,44 – 27 378,10);

13. Nissan (20 237,44 – 31 242,23);

14. Peugot (34 547,44 – 42 007,47);

15. Plymouth (14 204,67 – 25 154,76);

16. Porsche (51 925,38 – 103 272,62);

17. Saab (30 201,71 – 45 039,96);

18. Subaru (18 061,33 – 24 154,17);

19. Toyota (21 574,81 – 27 286,01);

20. Volkswagen (21 483,66 – 28 325,01);

21. Volvo (39 135,78 – 50 141,85).

De lembrar que os diferentes intervalos de confiança das marcas apresentados,

correspondem aos limites inferiores e superiores respectivamente.

III – Contrastar a hipótese para um nível de significância estatística de 99%, de

que o preço da Mazda e Subaru são diferentes.

Ho – o preço da Mazda = do Subaro

Hi – o preço da Mazda ≠ do Subaro

Se nx+ny-2 <30

2
12+12-2<30 então:

x− y

√
T= 1 1 √ ( nx−1 ) × s2 x+ ( ny−1 ) × s2 y
+
nx ny × nx+ ny−2
¿
¿

A região de rejeição é:

Bilateral

]-∞;t ∝ , nx+ ny-2] U [t ∝ ;nx+ny -2;+∞[

2 2

- Se o valor da estatística de teste pertence à região de rejeição, então rejeita-se a Ho.

- se o valor da estatística de teste não pertence à região de rejeição, então não se

rejeita a Ho.

Com um nível de significância estatística de 99%, e com recurso ao lançamento dos

dados no SPSS, apurou-se os seguintes dados:

99% Intervalo de confiança Sig.

da diferença (extremidades)

Inferior Superior
t df

-4721,22377 11199,39043 1,264 11 0,32

Tendo em conta que T> 1- α/2t n−1 , então , Rejeita-se a Ho, pelo que o preço da Mazda
e do Subaro são diferentes, com uma confiança de 99%.

IV – Comparação da hipótese para um nível de significância de 95% de que o

preço dos carros a diesel da Mercedes-Benz é mais alto que os carros a gasolina
da própria marca.

Ho – o preço da Mercedes a diesel > Mercedes a gasolina

Hi – o preço da Mercedes a diesel < Mercedes a gasolina

3
Com um nível de significância estatística de 95%, e com recurso ao lançamento dos
dados no SPSS, apurou-se os seguintes dados:

95% Intervalo de confiança da Sig.

diferença (extremidades)

Inferior Superior
t df

-39049,29796 -12876,20204 -6,314 3 0,008

0,008/2 = 0,004

Tendo em conta que ∝=0,05 , então :

Rejeita-se a Ho. Ou seja, o preço da Mercedes a gasolina é maior que o preço do

gasóleo da mesma marca, com um nível de confiança de 95%.

V – Desenvolvimento do modelo de regressão linear

Atribuição das variáveis

Y – preço da inflação

X1 – capacidade – motor

X2 – cavalo – potência

X3 – comprimento

X4 – peso

Após o lançamento dos dados no SPSS, desenvolveu-se o seguinte modelo de

regressão linear:

Y= -24.993,511-25.65,617 X 1 +215,117 X 2 -64,071 X 3 +21,498 X 4

R/ O preço vai depender dos valores atribuídos a cada uma das variáveis. Quanto
menores valores tiverem as variáveis, menor será o preço; e o inverso também e
válido.

4
Referências bibliográficas

Carreira. A. Pinto, G. e Sousa, B. (2002), Cálculo de Probabilidade, Instituto Piaget,

Lisboa.

Dalgaard, P. Statistic and computing, Introdution Statistic with R, Springer.

Tabela Estatísticas: selecção e organização: António Robalo 5ªEdição – 2ª impressão

Lisboa, 2010.

Figueiredo, F., Figueiredo, A., Ramos, A. E Teles, P. (2007), Estatística Descritiva e

Probabilidades, Escolar Editora, Lisboa.