ECT 1301 - Probabilidade e Estatı́stica

Aula de Exercı́cios 4 - Distribuição Amostral da Média Amostral/Intervalo de

Confiança

1. Uma empresa que possui uma frota de carros para os seus vendedores de-
scobriu que o tempo de vida útil das pastilhas do freio a disco de seus carros
varia de carro a carro de acordo com uma distribuição normal com média
igual a 55000 milhas e desvio-padrão igual a 4500 milhas. A companhia
instala pastilhas de uma nova marca em 8 carros.

(a) Se a nova marca de pastilhas tem a mesma distribuição para o tempo

de vida útil do que a marca anterior, qual é a distribuição do tempo de
vida útil amostral médio para os 8 carros?
Seja X= o tempo de vida útil das pastilhas do freio a disco. Segundo o enunciado
X é uma variável aleatória com distribuição normal com média µX = 55000 milhas
e desvio-padrão σX = 4500 milhas.
A média amostral para uma amostra de tamanho 8, X 8 , a partir de variável
aleatoria com distribuição
 normal com médiaµX 8 = µX e desvio-padrão σX 8 =
σ 4500
√X .
8
Assim, X 8 ∼ N µX 8 = 55000, σX 8 = √
8
.
(b) Observou-se que o tempo de vida médio das pastilhas nos 8 carros
foi de x = 51800 milhas. Qual é a probabilidade de que o tempo de
vida útil amostral médio seja de 51800 ou menos se a distribuição da
média amostral não mudou? A empresa usa esta probabilidade como
evidência de que a vida útil média das novas pastilhas é menor do que
55000 milhas.
A probabilidade de X 8 ser menor ou igual a 51800 milhas (média observada para
a amostra de 8 carros) não pode ser calculada diretamente, pois não existe uma
formula analı́tica para a distribuição de uma variável normal acumulada. Em vez
disso, fazemos a transformação da variável X 8 em seu escore-Z. O escore-Z asso-
ciado a uma v.a. normal tem distribuição normal padrão. Como nós possuimos
a tabela da normal padrão, podemos calcular a probabilidade pedida da seguinte
forma:
!

X 8 − µX 8 51800 − µX 8
P X 8 ≤ 51800 = P ≤
σX 8 σX 8
!
51800 − 55000
= P Z≤ 4500 = P (Z ≤ −2.01)
√
8
= 0.0222 (da tabela da normal padrão)

2. Você planeja conduzir uma experiência de marketing na qual alunos devem

experimentar uma de duas marcas diferentes de refrigerantes. A tarefa deles
é identificar corretamente a marca provada. Você seleciona uma amostra
aleatória de 200 alunos e pressupõe que os alunos não tem capacidade de
distinguir entre as duas marcas. [Dica: Se uma pessoa não tem capacidade

1
de distinguir entre as duas marcas, então cada uma das marcas apresenta
a mesma probabilidade de vir a ser selecionada] .
Se assumirmos que as pessoas não são capazes de distringuir as marcas de refrigerante,
entã a proporção de acertos na população, p é igual a 0.5. Pelo teorema do limite cen-
tral, se o tamanho da amostra for suficientemente grande, a distribuição da proporção
amostral p̂n é: r ! r !
p(1 − p) 0.52
p̂n ∼ N p, = 0.5,
n n

(a) Qual é a probabilidade de que a amostra venha a ter entre 50% e 60%
de identificações corretas?
Queremos determinar a probabilidade de a proporção de acertos na amostra de
200 alunos, p̂200 , estar entre 50% e 60%:

P (0.5 ≤ p̂200 ≤ 0.6) = P (p̂200 ≤ 0.6) − P (p̂200 ≤ 0.5)

Como foi mencionado √ acima, p̂200 tem distribuição normal com média 0.5 e desvio-
padrão igual a 0.5 200 = 0.035. Para calcular a probabilidade acima, calculamos
os escore Z de 0.6 e 0.5 e olhamos na tabela da distribuição normal padrão as
probabilidades acumuladas. Assim:
   
0.6 − 0.5 0.5 − 0.5
P (0.5 ≤ p̂200 ≤ 0.6) = P Z ≤ −P Z ≤
0.035 0.035

= P (Z ≤ 2.86) − 0.5 = 0.9979 − 0.5 = 0.4979

(b) A probabilidade é de 90% de que a percentagem da amostra esteja
dentro de quais limites simétricos da percentagem da população?
Queremos determinar um valor c tal que:

P (p̂200 ∈ (p − c, p + c)) = 0.90

P (p̂200 ∈ (0.5 − c, 0.5 + c)) = 0.90

Sabendo que este intervalo é simétrico e que 10% de probabilidade se encontra fora
deste intervalo, entã 5% dos valores de p̂200 estão abaixo de p−c, ao passo que 95%
dos valores estão abaixo de p+c. Desta forma, precisamos determinar os percentis
0.05 e 0.95 da distribuição da proporção amostral. Para tanto, vamos determi-
nar os percentis da distribuição do escore-Z e depois transformar nos percentis
indicados. Da tabela da distribuição normal padrão, obtemos: z0.05 = −1.645 e
z0.95 = 1.645. Assim,
x0.05 − 0.5
z0.05 = −1.645 = ⇒ x0.05 = 0.442.
0.035
e
x0.95 − 0.5
z0.95 = 1.645 = ⇒ x0.95 = 0.558.
0.035

2
 (c) O que é mais provável de ocorrer - mais de 60% das identificações
corretas na amostra com tamanho igual a 200 ou mais de 55% de iden-
tificações corretas em uma amostra de tamanho igual a 1000? Explique.
Vimos que: r ! r !
p(1 − p) 0.52
p̂n ∼ N p, = 0.5,
n n

Quando o tamanho da amosta é igual a 200, p̂200 ∼ N (0.5, 0.035). Já quando
n = 1000, p̂1000 ∼ N (0.5, 0.0158)
Queremos comparar P (p̂200 ≥ 0.6) a P (p̂1000 ≥ 0.55). Observem que cada uma
destas estatsticas (as propores amostrais) tem distribuição normal, então precis-
aremos encontrar os escores-Z e olhar a probabilidade na tabela da normal padrão:
 
0.6 − 0.5
P (p̂200 ≥ 0.6) = 1−P (p̂200 ≤ 0.6) = 1−P Z ≤ = 1−P (Z ≤ 2.86) = 1−0.9979 = 0.0
0.035
e  
0.55 − 0.5
P (p̂1000 ≥ 0.55) = 1 − P (p̂1000 ≤ 0.55) = 1 − P Z ≤
0.0158
= 1 − P (Z ≤ 3.16) ∼ = 1 − 1 = 0.
Apesar de 0.6 ser maior do que 0.55, encontramos P (p̂200 ≥ 0.6) > P (p̂1000 ≥ 0.55).
Isto ocorre pelo fato de a segunda amostra ser bem maior do que a primeira,
levando a uma menor dispersão em torno do verdadeiro valor quando calculamos
a proporção da amostra com 1000 pessoas. Assim a chance de na mdia, 200
pessoas acertarem mais do que 60% das vezes a marca do refrigerante é maior do
que 1000 pessoas acertarem mais do que 55% das vezes.

3. Deseja-se um Intervalo de Confiança para a média real de perda de carga por

dispersão µ (watts) de um tipo de motor a indução, quando a corrente de
linha é mantida em 10 amps para uma velocidade de 1500 rpm. Assuma que
a perda de carga por dispersão seja normalmente distribuı́da com σ = 3.0.

(a) Calcule um IC de 95% de µ quando n = 25 e x = 58.3.

O intervalo de confiança de 95% para a média populacional quando o desvio-
padrão populacional é conhecido corresponde a:
σ
IC (µ, 0.95) = x̄ ± z1− 0.05 √
2 n
3
= 58.3 ± z0.975 √
25

Da tabela da normal padrão, obtemos z0.975 = 1.96. Assim,

3
IC (µ, 0.95) = 58.3 ± 1.96 ∗ √
25
= (57.124, 59.476)

3
 (b) Calcule um IC de 82% de µ quando n = 100 e x = 58.3.
O intervalo de confiança de 82% para a média populacional quando o desvio-
padrão populacional é conhecido corresponde a:
σ
IC (µ, 0.82) = x̄ ± z1− 0.18 √
2 n
3
= 58.3 ± z0.91 √
100
Da tabela da normal padrão, obtemos z0.91 = 1.34. Assim,
3
IC (µ, 0.95) = 58.3 ± 1.34 √
100
= (57.898, 58.702)
(c) Quão grande deve ser n se a largura (amplitude) do intervalo de con-
fiança de 99% de µ for de 1.0 watt?
A amplitude do intervalo de confiança corresponde a duas vezes a margem de
erro, e, pois o intervalo de confiança é simétrico e igual a (x̄ − e, x̄ + e) . Assim,
queremos determinar n tal que o IC (µ, 0.99) tenha margem de erro menor ou
igual a 0.5 watt. Segue:
 2  2
3 3
n= z1− 0.01 = z0.995 .
2 0.5 0.5
Da tabela da normal-padrão, obtemos: z0.995 = 2.575. Então:
 2
3
n= 2.575 ∗ = 238.7
0.5
Precisamos de uma amostra de pelo menos 239 para que a amplitude de IC (µ, 0.99)
seja menor ou igual a 1.0 watt.

4. Uma amostra aleatória de n = 8 espécimes de teste de certo tipo de fibra

de vidro E produziu uma força do rendimento de corte interfacial média
amostral de 30.2 e desvio padrão da amostra de 3.1. Assuma que a força
do rendimento de corte interfacial é normalmente distribuı́da e calcule o
Intervalo de Confiança de 95% para a força média real.
O intervalo de 95% confiança para a média real (ou seja, a média populacional) quando
o desvio-padrão populacional é desconhecido é:
S 3.1
IC (µ, 0.95) = x̄ ± t α2 ;n−1 √ = 30.2 ± t 0.05 ;8−1 √
n 2
8
3.1
= 30.2 ± t0.025;7 √
8
Da tabela da distribuição t, obtemos: t0.025;7 = 2.365. Segue:
3.1
IC (µ, 0.95) = 30.2 ± 2.365 ∗ √
8
= (27.607, 32.792) /

4
5. (Prova 2012/1) De 1000 casos selecionados aleatoriamente de câncer de
pulmão, 736 resultaram em morte dentro de 10 anos.

(a) Calcule o intervalo de confiança de 98% para a taxa de morte de câncer

de pulmão.
Defina Sucesso como sendo ”a morte por câncer de pulmão dentro de 10 anos”.
Assim, p é a proporção populacional de sucessos (taxa de morte de câncer de
pulmão dentro de 10 anos). O intervalo de confiança de 98% para p é:
r
p̂(1 − p̂)
IC (p, 0.98) = p̂ ± z1− 0.02
2 n
em que p̂ é a taxa de sucessos na amostra de n = 1000 casos, ou seja, p̂ =
736/1000 = 0.736. Assim,
r
0.736(1 − 0.736)
IC (p, 0.98) = 0.736 ± z0.99 .
1000
Da tabela da normal padrão, obtemos: z0.99 = 2.33. Assim,
r
0.736(1 − 0.736)
IC (p, 0.98) = 0.736 ± 2.33 ∗
1000
= (0.704, 0.768) .

(b) Quão grande deve ser a amostra se desejarmos estar no mı́nimo 98%
confiantes de que o erro em estimar a verdadeira taxa de morte de
câncer de pulmão seja menor do que 0.04 independente do valor ver-
dadeiro da taxa de morte?
Para determinar o tamanho da amostra para obtermos um intervalo de 98% de
confiança para a proporção populacional, p, com máxima margem de erro de
0.04, precisamos de: (1) ou ter um ”chute” para a p dado por p̂ ou (2) calculamos
o tamanho máximo que seria necessario ao considerarmos que p = 0.5. Nesse
segundo caso, o tamanho da amostra independe de p que é o que se pede no
enunciado. Dessa forma, para um IC (p, 0.98) precisamos de pelo menos:

2 0.5 (1 − 0.5) 2 0.5 (1 − 0.5)

n = z1− α = z1− 0.02
2 e2 2 0.042
 2
2 0.5 (1 − 0.5) 2.33 ∗ 0.5
= z0.99 = = 848.26.
0.042 0.04

Portanto, precisamos de pelo menos 849 pessoas para obter uma margem de erro
menor ou igual a 0.04 para um intervalo de confiança de 98% para a taxa de morte
dentro de 10 anos por câncer independente do verdadeiro valor desta taxa.

6. Calcule o intervalo de confiança de 98% para a proporção de itens defeitu-

osos em um processo quando se sabe que uma amostra de tamanho 100 gera
8 itens defeituosos.

5
O intervalo de confiança de 98% para a proporção populacional de itens defeituosos,
p, é: r
p̂(1 − p̂)
IC (p, 0.98) = p̂ ± z1− 0.02
2 n
(a) em que p̂ é a proporção de itens defeituosos na amostra de n = 100 itens, ou seja,
p̂ = 8/100 = 0.08. Assim,
r
0.08(1 − 0.08)
IC (p, 0.98) = 0.08 ± z0.99 .
100

Da tabela da normal padrão, obtemos: z0.99 = 2.33. Assim,

r
0.08 ∗ 0.92
IC (p, 0.98) = 0.08 ± 2.33 ∗
100
= (0.017, 0.143) .