Escolar Documentos
Profissional Documentos
Cultura Documentos
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.
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%:
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
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
(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
5. (Prova 2012/1) De 1000 casos selecionados aleatoriamente de câncer de
pulmão, 736 resultaram em morte dentro de 10 anos.
(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:
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.
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