INSTITUTO SUPERIOR DE CONTABILIDADE E AUDITORIA DE

MOÇAMBIQUE

Taste I 21.09.2016 (2 horas)

Disciplina: Estatística II
Curso: Contabilidade e Auditoria (Diúrno e Pós Laboral)
Ano/Semestre: 2º Ano/ 2 º Semestre

_____________ GUIÃO DE CORRECÇÃO_______________

A inferência estatística tem por objectivo fazer generalizações sobre uma população
com base em valores amostrais. A inferência pode ser feita estimando os parâmetros por
ponto e por intervalo.

1. Defina estimação pontual e estimação por intervalos de confiança, e diga qual das duas
será melhor, justificando. (1.5 val)
Resposta:
 Estimação pontual: consiste em encontrar um valor simples ou ponto 𝜃̂ (estimador) para 𝜃̂
(parâmetro); (0.5 val)
 Estimação por intervalo: consiste em construir um intervalo de estimação a que 𝜃̂ pertence
com uma certa probabilidade conhecida. (0.5val)
 O melhor será estimação por intervalo pois,
A estimação pontual fornece-nos um valor simples que para além de estar altamente sujeito
ao erro, também não permite uma avaliação de precisão do estimador, isto é, não permite
o cálculo da diferença entre 𝜃̂ e 𝜃̂; enquanto que na estimação por intervalo a qualidade de
uma estimativa é definida associando-lhe um intervalo de confiança tendo uma
probabilidade conhecida de conter verdadeiro valor de 𝜃̂.
Nota: Como é óbvio um intervalo de confiança pode estar errado assim como qualquer
outra estimativa, porém em contraste com a estimação pontual, a probabilidade do erro
para o intervalo de confiança pode ser objectivamente determinada. (0.5 val)

2. A divisão de inspecção do Departamento de Pesos e Medidas de uma determinada cidade

está interessada em calcular a real quantidade de refrigerante que é colocada em
garrafas de 2 litros, no sector de engarrafamento de uma grande empresa de
refrigerantes. O gerente do sector de engarrafamento informou à divisão de inspecção que

Docente: Filipe Mahaluça Página 1

 o desvio padrão para garrafas de 2 litros é de 0,05 litro. Uma amostra aleatória de 100
garrafas de 2 litros, obtida deste sector de engarrafamento, indica uma média de 1,985
litro. Qual é a probabilidade de se obter uma média amostral de 1,985 ou menos, caso a
afirmativa do gerente esteja certa? (2.4 val)

Resolução
Do problema temos:
𝜇 = 2 𝑙𝑖𝑡𝑟𝑜𝑠, 𝜎 = 0.05, 𝑥̅ = 1.985, 𝑛 = 100, 𝑃𝑒𝑑𝑒 𝑠𝑒:
𝑃( 𝑥̅ ≤ 1.985) =? (0.2 val)
𝜎 2 =0.052
Seja a v.a 𝑥̅ : Pela distribuição normal sabe se que 𝑥̅ ~𝑁 (𝜇 = 2 ; 𝑛=100
) (0.1 val)

Padronizando 𝑥̅ 𝑒𝑚 𝑍 𝑡𝑒𝑚𝑜𝑠 𝑍~𝑁(𝜇 = 0; 𝜎 2 = 1) e :

𝑥̅ −𝜇
𝑍= 𝜎 (0.2 val)
√𝑛

Logo:

1.985 − 2
𝑃( 𝑥̅ ≤ 1.985) = 𝑃 (𝑧 ≤ ) = 𝑃(𝑧 ≤ −3)
0.05
√100
(0.2 val) (1.0 val) (0.2 val)
Recorrendo a tabela de distribuição normal temos:
𝑃(𝑧 ≤ −3) = 0.5 − 𝑃(−3 ≤ 𝑧 ≤ 0) = 0.5 − 0.4987 = 0.0013 (0.4 val)
Resposta: A probabilidade de se obter uma média amostral de 1,985 ou menos, caso a afirmativa
do gerente esteja certa é de 0.13%. (0.1 val)

3. Para estudar a viabilidade de lançamento de um novo produto no mercado, o gerente de

uma grande empresa contrata uma firma de consultoria estatística para estudar a aceitação
do produto entre os clientes potenciais. O gerente deseja obter uma estimativa com um erro
máximo de 1% com probabilidade 80% e pede ao consultor estatístico que forneça o
tamanho de amostra necessário.
a) De posse das informações dadas, o consultor calcula o tamanho da amostra necessário
no pior cenário. O que significa “pior cenário” nesse caso? Qual o tamanho de amostra
obtido pelo consultor? (2.1 val)

Resolução
Do problema temos:
𝜀 ≤ 0.01, 1 − 𝛼 = 0.80, 𝑝 = 0.50 (0.1 val)
𝑍𝛼 = 𝑍0.10 = 1.28 (pela tabela normal) (0.2 val)
2

Docente: Filipe Mahaluça Página 2

 Pior cenário significa atribuir a probabilidade p de aceitação do produto de 50% a
população dos clientes favoráveis ao produto. (0.3 val)

Pela fórmula de tamanho de amostra temos:

𝑝 ∗ (1 − 𝑝)
𝜀 = 𝑍𝛼 ∗ √
2 𝑛

𝑍𝛼 2 ∗ 𝑝 ∗ (1 − 𝑝) 1.282 ∗ 0.5 ∗ 0.5

2
𝑛= = = 4096
𝜀2 0.012
(0.3 val) (1.0 val) (0.1 val)
Resposta: O tamanho de amostra obtido pelo consultor no pior cenário para 𝜀 ≤ 0.01 é
de pelo menos 4096, isto é, 𝑛 ≥ 4096. (0.2 val)

b) O gerente acha que o custo de tal amostra seria muito alto e autoriza o consultor a
realizar um estudo piloto com uma amostra de 100 pessoas para obter uma estimativa
da verdadeira proporção. O resultado desse estudo piloto é uma estimativa 𝑷 =
𝟎. 𝟕𝟔 de aceitação do novo produto. Com base nessa estimativa, o consultor recalcula o
tamanho da amostra necessário. Qual é esse tamanho? (1.8 val)

Resolução
Do problema temos:
𝜀 ≤ 0.01, 1 − 𝛼 = 0.80, 𝑝 = 0.76 (0.1 val)
𝑍𝛼 = 𝑍0.10 = 1.28 (pela tabela normal) (0.2 val)
2

Pela fórmula de tamanho de amostra temos:

𝑝 ∗ (1 − 𝑝)
𝜀 = 𝑍𝛼 ∗ √
2 𝑛

𝑍𝛼 2 ∗ 𝑝 ∗ (1 − 𝑝) 1.282 ∗ 0.76 ∗ 0.24

2
𝑛= = = 2988
𝜀2 0.012
(0.2 val) (1.0 val) (0.1 val)
Resposta: O tamanho de amostra obtido pelo consultor após um estudo piloto para
𝜀 ≤ 0.01 é de pelo menos 2988, isto é, 𝑛 ≥ 2988. (0.2 val)

c) Seleccionada a amostra com o tamanho obtido no item anterior (b), obteve-se uma
proporção de 72% de clientes favoráveis ao produto. Construa um intervalo de
confiança para a verdadeira proporção com nível de confiança de 90%. (1.6 val)
Resolução
Do problema temos:

Docente: Filipe Mahaluça Página 3

 1 − 𝛼 = 0.90, 𝑝 = 0.72, 𝑛 = 2988 (0.1 val)
𝑍𝛼 = 𝑍0.05 = 1.645 (pela tabela normal) (0.1 val)
2

Pela fórmula de intervalo de confiança para proporções temos:

𝑝∗(1−𝑝) 𝑝∗(1−𝑝)
𝑝 − 𝑍𝛼 ∗ √ 𝑛
≤ 𝜋 ≤ 𝑝 + 𝑍𝛼 ∗ √ 𝑛
(0.3 val)
2 2

0.72∗0.28 0.72∗0.28
0.72 − 1.645 ∗ √ 2988
≤ 𝜋 ≤ 0.72 + 1.645 ∗ √ 2988
(0.7 val)

0.71 ≤ 𝜋 ≤ 0.73 (0.2 val)

Interpretação: A um nível de confiança de 90% pode se afirmar que o intervalo
[0.71-0.73] contém a verdadeira proporção de clientes favoráveis ao produto. (0.2 val)

4. Uma das maneiras de medir o grau de satisfação dos empregados de uma mesma
categoria quanto a política salarial é por meio do desvio padrão de seus salários. A
Fábrica A diz ser mais coerente na política salarial do que a Fabrica B. Para verificar essa
afirmação, sorteou-se uma amostra de 15 funcionários não especializados de A, e 15 de B,
obtendo-se os desvios padrões 𝑺𝑨 = 𝟏𝟎𝟎𝟎 𝑒 𝑺𝑩 = 𝟏𝟔𝟎𝟎. Usando um nível de confiança de
95%, qual seria a sua conclusão? (3.6 val)

Resolução
Do problema temos:
1 − 𝛼 = 0.95, 𝑆𝐴 = 1000 𝑒 𝑆𝐵 = 1600, 𝑛1 = 𝑛2 (0.1 val)
Trata-se de uma distribuição F
𝐹~𝐹𝑛1 −1;𝑛2 −1 (0.1 val)
𝐹𝑠𝑢𝑝𝑒𝑟𝑖𝑜𝑟 = 𝐹𝛼,𝑛 = 𝐹0.025,9,9 = 4.026 (0.2 val)
2 1 −1;𝑛2 −1

1 1
𝐹𝑖𝑛𝑓𝑒𝑟𝑖𝑜𝑟 = 𝐹1−𝛼,𝑛 = 𝐹0.975,9,9 = 𝐹 = 4.026 = 0.2484 (0.3 val)
2 1 −1;𝑛2 −1 𝛼
,𝑛 −1;𝑛1 −1
2 2

Logo:
2
𝑆𝐴 𝜎 2 𝑆 2
𝑆𝐵 2
∗ 𝐹1−𝛼,𝑛 ≤ 𝜎𝐴 2 ≤ 𝑆𝐴 2 ∗ 𝐹𝛼,𝑛 (0.5 val)
2 1 −1;𝑛2 −1 𝐴 𝐵 2 1 −1;𝑛2 −1

10002 𝜎𝐴 2 10002
∗ 0.2484 ≤ ≤ ∗ 4.026 (1.5 val)
16002 𝜎𝐴 2 16002

𝜎 2
0.097 ≤ 𝜎𝐴 2 ≤ 1.573 (0.5 val)
𝐴

Conclusão: Como o valor 1 está contido no intervalo [0.097-1.57300], pode se concluir com
95% de confiança que não há diferença entre as empresas A e B quanto ao grau de
satisfação dos empregados de uma mesma categoria quanto a política salarial. (0.4 val)

Docente: Filipe Mahaluça Página 4

5. Uma associação de defesa de consumidores deseja estimar o consumo médio de combustível
de um novo modelo de automóvel que será lançado no mercado. Para fazer esta
verificação a associação observa uma amostra de 10 veículos, conduzidos por motoristas
treinados, num percurso de 30 Km. O consumo em litros foi registado com os seguintes
resultados:
𝟏𝟎 𝟏𝟎

∑ 𝒙𝒊 = 𝟒𝟑. 𝟐𝟖 𝑒 ∑ 𝒙𝒊 𝟐 = 𝟏𝟖𝟖. 𝟒𝟖𝟖𝟔

𝒊=𝟏 𝒊=𝟏
Assumindo que estes valores representam uma amostra aleatória de uma variável
normalmente distribuída com média μ e variânca 𝛔𝟐
a) Calcule estimativas pontuais para 𝛍 e 𝛔𝟐 . (0.6+1.4=2.0 val)

Resolução
Estimativa pontual para 𝜇
∑ 𝑥𝑖 43.28
𝑥̅ = = = 4.328
𝑛 10
(0.1 val) (0.3 val) (0.1 val)
Estimativa pontual para 𝜎 2
∑(𝑥𝑖 − 𝑥̅ )2 ∑ 𝑥𝑖 2 − 𝑛 ∗ 𝑥̅ 2 188.4886 − 10 ∗ 4.328
𝑆2 = = = = 16.134
𝑛−1 𝑛−1 9
(0.4 val) (0.8 val) (0.1 val)
Logo as estimativas pontuais para 𝜇 e 𝜎 2 são de 4.328 e 16.134 respectivamente. (0.2
val)

b) Calcule um intervalo de 95% de confiança para 𝛔𝟐 . (1.4 val)

Resolução
Para 1 − 𝛼 = 0.95

𝜒 2 ~𝜒 2 𝑛−1 (0.1 val)

𝑅𝑒𝑐𝑜𝑟𝑟𝑒𝑛𝑑𝑜 𝑎 𝑓ó𝑟𝑚𝑢𝑙𝑎 𝑑𝑒 𝐼𝐶 𝑝𝑎𝑟𝑎 𝑣𝑎𝑟𝑖𝑎𝑛ç𝑎 𝑡𝑒𝑚𝑜𝑠:

(𝑛−1)∗𝑆 2 (𝑛−1)∗𝑆 2
≤ 𝜎2 ≤ (0.2 val)
𝜒2 𝑠𝑢𝑝𝑒𝑟𝑖𝑜𝑟 𝜒2 𝑖𝑛𝑓𝑒𝑟𝑖𝑜𝑟

𝜒 2 𝑠𝑢𝑝𝑒𝑟𝑖𝑜𝑟 = 𝜒 2 𝛼,𝑛−1 = 𝜒 2 0.025,9 = 19.023 (0.1 val)

2

𝜒 2 𝑖𝑛𝑓𝑒𝑟𝑖𝑜𝑟 = 𝜒 21−𝛼,𝑛−1 = 𝜒 2 0.975,9 = 2.700 (0.1 val)

2

9∗16.134 9∗16.134
19.023
≤ 𝜎2 ≤ 2.700
(0.7 val)

7.633 ≤ 𝜎 2 ≤ 53.78 (0.1 val)

Docente: Filipe Mahaluça Página 5

 Interpretação: A probabilidade de o intervalo [7.633-53.78] conter a verdadeira variança do
consumo em litros é de 95%. (0.1 val)

6. Num estudo comparativo do tempo médio de adaptação dos empregados de um grande

complexo bancário, uma amostra aleatória de 15 homens e 15 mulheres produziu os
seguintes resultados:
Homens Mulheres
̅ =3.2 𝒂𝒏𝒐𝒔
𝒙 ̅ = 𝟑. 𝟕 𝒂𝒏𝒐𝒔
𝒙
𝑺 = 𝟎. 𝟖 𝒂𝒏𝒐𝒔 𝑺 = 𝟎. 𝟗 𝒂𝒏𝒐𝒔
Assumindo que as varianças populacionais dos dois grupos são desconhecidos e iguais.
Que conclusões você pode tirar com relação ao tempo médio de adaptação de homens e
mulheres desse banco (use uma confiança de 90%)? (3.6 val)

Resolução
Seja 1=Mulheres e 2=Homens e 1 − 𝛼 = 0.90

Como as varianças populacionais dos dois grupos são desconhecidos e iguais, tamanhos de
amostras são inferiores a 30, então:

𝑇~𝑡𝑛1 +𝑛2 −2

𝑡𝛼;𝑛 = 𝑡0.05;28= 1.701 (0.2 val)

2 1 +𝑛2 −2

O intervalo de confiança para a diferenças das médias é:

1 1
(𝑥̅1 − 𝑥̅2 ) ∓ 𝑡𝛼;𝑛 ∗ 𝑆𝑝 ∗ √ + ∈ 𝜇1 − 𝜇2 (0.4 val)
2 1 +𝑛2 −2 𝑛1 𝑛1

Onde:

(𝑛1 −1)𝑆1 2 +(𝑛2 )𝑆2 2 14∗(0.92 +8)

𝑆𝑝 2 = = (0.5 val)
𝑛1 +𝑛1 −2 28

Logo

1 1 1 1
(3.7 − 3.2) ∓ 1.701 ∗ 0.851 ∗ √ + ≤ 𝜇1 − 𝜇2 ≤ (3.7 − 3.2) ∓ 1.701 ∗ 0.851 ∗ √ +
15 15 15 15

(1.9 val)

−0.248 ≤ 𝜇1 − 𝜇2 ≤ 1.248 (0.2 val)

Conclusão: Como o valor zero está dentro do intervalo não se pode descartar a hipótese de o
tempo médio de adaptação de homens e mulheres desse banco ser diferente, a um nível de
confiança de 90%. (0.4 val)

Docente: Filipe Mahaluça Página 6