Departamento de Matemática da Universidade de Coimbra

TRATAMENTO ESTATÍSTICO DE DADOS

Licenciatura em Engenharia e Gestão Industrial
2a Frequência
Duração: 1h 30min 04-01-2021
Observação: Na resolução das questões deverá justificar o raciocı́nio utilizado e apresentar todos os cálculos
efetuados.

1. A experiência com determinada técnica de impressão fotográfica mostrou que em 5% dos

casos o resultado obtido não é satisfatório. Qual é a probabilidade de que, em 60 impressões
escolhidas ao acaso de entre mais de 800, haja pelo menos 7 mas menos de 14 não satisfatórias?

2. Admite-se que o tempo de execução de determinado programa de computador, expresso em mi-

nutos, é uma variável aleatória de valor médio 1 e desvio padrão 0.1 e que diferentes execuções
do programa têm tempos de execução independentes. Calcule a probabilidade de que o tempo
total necessário para efetuar 36 execuções do programa seja inferior a 35 minutos.

3. Supõe-se que determinada variável aleatória real X, contı́nua, tem valor médio e momento
2
simples de ordem 2 dados, respetivamente, por E(X) = 4 e E(X 2 ) = 16 + ✓6 , onde ✓ é um
parâmetro real positivo desconhecido.

a) Usando o método dos momentos, determine um estimador cêntrico de ✓2 a partir de uma

amostra aleatória de X, (X1 , X2 , . . . , Xn ).
b) Recolheu-se uma amostra de X, de dimensão 100, que se encontra resumida no quadro
seguinte.
Classes de observações ]0, 2] ]2, 4] ]4, 6] ]6, 8]
Número de observações 13 36 39 12
(i) Calcule a variância desta amostra.
(ii) Obtenha uma estimativa de ✓ com base no método dos momentos.

4. O débito de água por minuto, expresso em litros, de uma nascente de água minero-medicinal é
modelado por uma variável aleatória real com distribuição normal de média m e desvio padrão
, com m > 0 e > 0. O concessionário da nascente tem vindo a garantir um débito médio
de 1000 litros por minuto mas está convicto de que, nos últimos meses, o débito de água tem
vindo a revelar uma quebra acentuada e sabe que, se tal se confirmar, deverá adotar um novo
método de exploração da nascente. Com o objetivo de avaliar a situação selecionaram-se, ao
acaso, 30 perı́odos de um minuto e registou-se o débito de água observado em cada um deles.
A média e o desvio padrão desta amostra são, respetivamente, 966.7 litros e 99.1 litros.

a) A amostra observada permite confirmar a convicção do concessionário da nascente? Use

o nı́vel de significância 0.05 para responder a esta questão.
b) Com base nesta amostra, construa um intervalo de confiança para o desvio padrão do
débito de água por minuto daquela nascente com grau de confiança 0.98.
 Proposta de resolução

1. Considere-se a variável aleatória

X =“número de impressões não satisfatórias, entre as 60 referidas”.

Pede-se P (7  X < 14). Tem-se X ⇠ H(n, M, B) (tiragens sem reposição), com n = 60,
B •
M > 800 e M = 0.05. Como 0.1M > 80, verifica-se n < 0.1M , pelo que X ⇠ B(60, 0.05).
Assim,
P (7  X < 14) ' P (7  Y < 14), com Y ⇠ B(60, 0.05).
•
Mas p = 0.05 < 0.1, pelo que Y ⇠ P(60 ⇥ 0.05). Então
P (7  Y < 14) ' P (7  Z < 14), com Z ⇠ P(3).

Como o suporte de Z é IN0 , tem-se

P (7  Z < 14) = P (6 < Z  13) = FZ (13) FZ (6) ' 1 0.9665 = 0.0335, recorrendo à
tabela da lei de Poisson.

Portanto, P (7  X < 14) ' 0.0335.

2. Considere-se a variável aleatória

X =“tempo de uma execução do programa, em minutos”. Tem-se E(X) = 1 e X = 0.1.

Considerem-se as variáveis aleatórias

Xi =“tempo da i-ésima execução do programa, em minutos”, i = 1, 2, . . . , 36.

36
X
Seja T = Xi = “tempo total de 36 execuções do programa, em minutos”.
i=1
Pede-se P (T < 35). Como X1 , X2 , . . . , X36 são independentes e identicamente distribuı́das
com média 1 e desvio padrão 0.1 e, além disso, n = 36 > 30, podemos concluir, pelo teorema
•
do limite central, que T ⇠ N (mT , T ), com
36
X
mT = E(T ) = E(Xi ) = 36 ⇥ 1 = 36 e
i=1
36
X
2
T
= V (T ) = V (Xi ) = 36 ⇥ 0.12 , pelo que T = 6 ⇥ 0.1 = 0.6.
i=1
•
Portanto, T ⇠ N (36, 0.6). Assim,

P (T < 35) ' P (Z < 35), com Z ⇠ N (36, 0.6)

✓ ◆
35 36
= P U< , com U = Z0.636 ⇠ N (0, 1)
0.6
' P (U < 1.67) = P (U > 1.67), pela simetria da lei N (0, 1)
= 1 P (U  1.67) = 1 FU (1.67)
= 1 0.9525 = 0.0475, consultando a tabela da lei N (0, 1).
 ✓2
3. a) Tem-se E(X 2 ) = 6 + 16 , ✓2 = 6 E(X 2 ) 96.
Então um estimador de ✓2 obtido pelo método dos momentos a partir de uma amostra
aleatória de X, (X1 , X2 , . . . , Xn ), n 2 IN, é
n n
1X 2 6X 2
Tn = 6 ⇥ Xi 96 = Xi 96.
n n
i=1 i=1

Por definição, o estimador Tn é cêntrico de ✓2 se E(Tn ) = ✓2 , para qualquer ✓ > 0. Usando

a linearidade da esperança matemática e o facto de E(Xi2 ) = E(X 2 ), i = 1, 2, . . . , n, por
definição de amostra aleatória de X, tem-se
n ✓ 2 ◆
6 X 2 6 2 ✓
E(Tn ) = E(Xi ) 96 = nE(X ) 96 = 6 + 16 96 = ✓2 , 8✓ > 0,
n n 6
i=1

pelo que Tn é efetivamente um estimador cêntrico de ✓2 .

b) (i) Como a amostra é classificada, determinam-se valores aproximados da média e da
variância correspondentes, com base nas marcas das classes. Para tal, considere-se o
quadro seguinte (no qual x0i denota a marca da i-ésima classe, i = 1, 2, 3, 4):

classes ni x0i ni x0i ni (x0i )2

]0, 2] 13 1 13 13
]2, 4] 36 3 108 324
]4, 6] 39 5 195 975
]6, 8] 12 7 84 588
Total 100 - 400 1900

4
0 1 X 400
Tem-se x = ni x0i = = 4, sendo a variância da amostra dada por
100 100
i=1
4
0 2 1 X 1900
2
s ' (s ) = ni (x0i )2 (x0 )2 = 42 = 3.
100 100
i=1
p
(ii) Da alı́nea a), tem-se ✓ = 6E(X 2 ) 96, uma vez que ✓ > 0. Então uma esti-
mativa para ✓ pelo método dos momentos, com base na amostra observada de X,
(x1 , x2 , . . . , x100 ), é
v v
u 100 u 4 r
u 6 X u 6 X 6
ˆ
✓= t 2
xi 96 ' t 0
ni (xi ) 2 96 = ⇥ 1900 96 ' 4.24.
100 100 100
i=1 i=1

4. a) Considere-se a variável aleatória

X = “débito de água da nascente, por minuto (em litros)”
Sabe-se que X ⇠ N (m, ), com m e desconhecidos.
• Pretende-se testar H0 : m = 1000 contra H1 : m < 1000, ao nı́vel de significância 0.05,
com n = 30.
X 1000
• Estatı́stica de teste: Z = p ⇠ T (29), sob H0 , pois X é normal e é desconhe-
Ŝ/ 30
cido sob H0 .
 • Região crı́tica: RC =] 1, c], com c > 0 tal que

0.05 = P (rejeitar H0 / H0 verdadeira)

= P (Z  c), Z ⇠ T (29)
= P (Z c), pela simetria da lei de Student
, P (Z < c) = 0.95 , FZ (c) = 0.95 , c = 1.699,

consultando a tabela da lei de Student. Deste modo, RC =] 1, 1.699].

q
• Decisão: Para a amostra observada, tem-se ŝ = 30 29 ⇥ 99.1 ' 100.794, pelo que
x 1000 966.7 1000
Zobs = p ' p ' 1.81. Como este valor pertence a RC, rejeita-se H0
ŝ/ 30 100.794/ 30
ao nı́vel de significância 0.05, ou seja, a este nı́vel de significância, a amostra observada
permite confirmar a convicção do concessionário da nascente.
b) Pede-se um intervalo de confiança (IC) para , com grau de confiança 0.98.
30 ✓
X ◆2
Xi X
• Variável fulcral: Z = ⇠ X 2 (29), pois X segue uma lei normal e m é
i=1
desconhecido.
⇢
+ P (a < Z < b) = 0.98
• Determinar a, b 2 IR tais que
P (Z  a) = P (Z b)
⇢ ⇢ ⇢
P (Z  a) + P (Z b) = 0.02 2P (Z b) = 0.02 P (Z b) = 0.01
, , ,

⇢ ⇢
P (Z < b) = 0.99 b = 49.6
, , , consultando a tabela da lei do X 2 .
P (Z  a) = 0.01 a = 14.3
30
1X 2
• Tem-se a < Z < b , 14.3 < 2
Xi X < 49.6
i=1
14.3 1 49.6
, P30 2 < 2
< P30 2
i=1 Xi X i=1 Xi X
s s
P30 2 P30 2 P30 2 P30 2
i=1 Xi X 2 i=1 Xi X i=1 Xi X i=1 Xi X
, > > , < < .
14.3 49.6 49.6 14.3
• Da amostra observada temos s = 99.1. Como
30
1 X
s2 = (xi x)2 ,
30
i=1

tem-se
30
X
(xi x)2 = 30s2 = 30 ⇥ 99.12
i=1
Podemos assim afirmar que, com grau de confiança 0.98,
#r r "
30 ⇥ 99.12 30 ⇥ 99.12
2 , ' ]77.071, 143.538[.
49.6 14.3