INSTITUTO POLITÉCNICO DE SETÚBAL

ESCOLA SUPERIOR DE CIÊNCIAS EMPRESARIAIS

DEPARTAMENTO DE ECONOMIA E GESTÃO

ESTATÍSTICA

Intervalos de Confiança
 Francisca Mendonça Souza

5. INTERVALOS DE CONFIANÇA
Parâmetro
Uma empresa pretende lançar um novo produto no mercado nacional. Ao estudar a
população constituída por todos os potenciais clientes do novo produto considerou-se
importante analisar
• idade média dos potenciais clientes do novo produto
• percentagem de clientes que estão decididos a adquirir o novo produto
Geralmente há "quantidades" acerca de uma população que se pretendem conhecer ⇒
parâmetros. Os parâmetros são estimados por estatísticas que são calculadas a partir da
amostra.
Parâmetro - Valor exato, mas desconhecido.
Estatística - Valor conhecido, mas que contém certo erro.
Objetivo: utilizar as estatísticas para inferir sobre a população subjacente à amostra. Isto
significa que as estatísticas permitem obter determinados valores que servem de
estimativas dos parâmetros (desconhecidos) - estimativas pontuais.
Amostra representativa - Para se poder utilizar as estatísticas para estimar os parâmetros
é necessário que as amostras sejam representativas da população de onde foram retiradas.
Uma amostra que não seja representativa da população diz-se enviesada.
Estimador - É uma variável aleatória, função da amostra aleatória, que para valores
observados da amostra fornece estimativas pontuais ou intervalares do parâmetro
populacional desconhecido.
Estimativa - É um valor concreto assumido pelo estimador para uma particular amostra.
• Estimador pontual (privilegia a precisão)
• Estimador intervalar (privilegia a confiança)

Estimação Pontual
O que é um "bom" estimador?
Propriedades (Critério)
• Valor esperado do estimador deve ser igual ao verdadeiro valor do parâmetro a
estimar (estimador centrado ou não enviesado).
• Entre os que satisfazem a condição anterior deve ter variância mínima.
Ex.: Nas populações simétricas podem existir vários estimadores centrados para o valor
médio (média e mediana) mas é a média que tem variância mínima.
 Parâmetros Estimadores

Estimação por intervalos

Em vez de uma estimativa isolada de um parâmetro, propõe-se um intervalo [t1, t2] para
significar que o verdadeiro valor do parâmetro está muito provavelmente entre t1 e t2. Ao
associar um intervalo à estimativa proposta atribui-se ao mesmo intervalo um grau de
confiança que se representa por 1 − α.
5.1. Intervalo de confiança para o valor médio com população normal e desvio
padrão da população conhecido
Para determinar um intervalo de confiança consideramos:

• 𝑋 - variável aleatória que representa a média da amostra;

•  - valor médio ou média da população;
•  - desvio padrão da população;
• n - dimensão da amostra
O intervalo de confiança é uma técnica estatística utilizada para estimar o valor médio de
uma população com base numa amostra aleatória da mesma. É especialmente útil quando
a população segue uma distribuição normal e o desvio padrão populacional é conhecido.
Os intervalos de confiança podem ser aplicados em diversas áreas, tais como
contabilidade, finanças, marketing e gestão de recursos humanos.
Contabilidade e Finanças:
• Estimativa de receitas: Empresas podem utilizar intervalos de confiança para
estimar a receita média que esperam obter em um determinado período, com base
em amostras de receitas anteriores.
• Projeção de custos: Ao estimar os custos de produção ou de um projeto,
intervalos de confiança podem ajudar a identificar os valores mais prováveis para
o custo médio.
• Análise de investimentos: Investidores podem utilizar intervalos de confiança
para estimar o retorno médio esperado de um ativo financeiro, auxiliando na
tomada de decisões de investimento.
Marketing:
• Pesquisas de mercado: Empresas que realizam pesquisas de mercado podem
utilizar intervalos de confiança para estimar a média de determinada variável,
 como a satisfação do cliente, a intenção de compra ou o tamanho de um mercado-
alvo.
• Previsão de vendas: Intervalos de confiança podem ser aplicados para estimar a
média de vendas futuras de um produto ou serviço com base em dados históricos
de vendas.
Gestão de Recursos Humanos (RH):
• Estimativa de salários: Para determinar o salário médio de uma determinada
função ou cargo, os intervalos de confiança podem ser usados com base em
amostras de salários de funcionários que ocupam essa posição.
• Satisfação dos funcionários: Intervalos de confiança podem ser aplicados em
pesquisas de satisfação dos funcionários para estimar a média de satisfação em
uma organização.
O cálculo do intervalo de confiança leva em consideração a margem de erro desejada, o
nível de confiança desejado (geralmente expresso em percentagem, como 95% ou 99%),
o tamanho da amostra e o desvio padrão da população. Quanto maior for o tamanho da
amostra, menor será a amplitude do intervalo de confiança, o que significa maior precisão
na estimativa. Além disso, quanto maior for o nível de confiança desejado, mais largo
será o intervalo, proporcionando assim uma maior segurança estatística.

Portanto, os intervalos de confiança são uma ferramenta importante para auxiliar na

tomada de decisões em diversas áreas de negócios, oferecendo estimativas mais precisas
e fiáveis do valor médio de uma população com base em amostras representativas.

Teorema 5.1 Se X1, X2, …. Xn são variáveis aleatórias independentes em que X ~ N(,),
i = 1,2,..., n, então

Para um grau de confiança de 1−α, em que a é o nível de significância, consideremos a

representação gráfica da função densidade da variável aleatória Z para determinar o
intervalo de confiança para o valor médio da população.
Assim

𝑋 − 𝜇
𝑃 (−𝑍1− 𝛼 ≤ 𝜎 ≤ 𝑍1− 𝛼 ) = 1 − 𝛼 ⇔
2 2
√𝑛
𝜎 𝜎
⇔ 𝑃 (−𝑍1− 𝛼 ≤ 𝑋 − 𝜇 ≤ 𝑍1− 𝛼 )= 1− 𝛼 ⇔
2 √𝑛 2 √𝑛

𝜎 𝜎
⇔ 𝑃 (− 𝑋 − 𝑍1− 𝛼 )= 1− 𝛼 ⇔
≤ − 𝜇 ≤ − 𝑋 + 𝑍1− 𝛼
√𝑛 2 2 √𝑛

𝜎 𝜎
⇔ 𝑃 ( 𝑋 + 𝑍1− 𝛼 ≥ 𝜇 ≥ 𝑋 − 𝑍1− 𝛼 )= 1− 𝛼 ⇔
2 √𝑛 2 √𝑛

𝜎 𝜎
⇔ 𝑃 ( 𝑋 − 𝑍1− 𝛼 ≤ 𝜇 ≤ 𝑋 + 𝑍1− 𝛼 )= 1− 𝛼 ⇔
2 √𝑛 2 √𝑛

O intervalo de confiança para o valor médio () :

𝜎 𝜎
[𝑋 − 𝑍1− 𝛼 ; 𝑋 + 𝑍1− 𝛼 ]
2 √𝑛 2 √𝑛
Exemplo 5.1 Admita que o salário dos empregados de uma empresa tem distribuição
normal com desvio padrão de 200 u.m..
Sabendo que numa amostra aleatória de dimensão 25 se obteve uma média de 1000
u.m.,
a) determine um intervalo de confiança a 95% para o valor médio dos salários;
b) determine um intervalo de confiança a 99% para o valor médio dos salários.
Resolução:
Desvio padrão da população  = 200
Dimensão da amostra n=25
Média da amostra x =1000
a) Grau de confiança 1−α = 0,95
 𝛼
1− α = 0,95 ⇔ 1 − = 0,975
2

𝑍1 −𝛼 = 𝑍0,975 = 1,96
2

O intervalo de confiança para o valor médio ():

200 200
[1000 − 1,96 ; 1000 + 1,96 ] = [921,6; 1078,4]
√25 √25

b) Grau de confiança 1− α = 0,99

𝛼
1− α = 0,99 ⇔ 1 − 2 = 0,995

𝑍1 −𝛼 = 𝑍0,95 = 2,576
2

O intervalo de confiança para o valor médio ():

200 200
[1000 − 2,576 ; 1000 + 2,576 ] = [896,96;1103,04]
√25 √25

5.2. Intervalo de confiança para o valor médio () com população normal e desvio
padrão da população desconhecido

Teorema 5.2 Se X1, X2, …. Xn são variáveis aleatórias independentes em que X ~ N(,),
i = 1,2,..., n, então

Teorema 5.3 Se X1, X2, …. Xn são variáveis aleatórias independentes em que X ~ N(,),
i = 1,2,..., n, então

Demonstração
Para um grau de confiança de 1−α,

𝑋 − 𝜇
𝑃 (−𝑡𝑛−1; 1− 𝛼 ≤ ≤ 𝑡𝑛−1; 1− 𝛼 ) = 1 − 𝛼 ⇔
2 𝑆′ 2
√𝑛
𝑆′ 𝑆′
⇔ 𝑃 (−𝑡𝑛−1; 1− 𝛼 ≤ 𝑋 − 𝜇 ≤ 𝑡𝑛−1; 1− 𝛼 )= 1− 𝛼 ⇔
2 √𝑛 2 √𝑛
𝑆′ 𝑆′
⇔ 𝑃 (− 𝑋 − 𝑡𝑛−1; 1− 𝛼 ≤ − 𝜇 ≤ − 𝑋 + 𝑡𝑛−1; 1− 𝛼 )= 1− 𝛼 ⇔
2 √𝑛 2 √𝑛
𝑆′ 𝑆′
⇔ 𝑃 ( 𝑋 + 𝑡𝑛−1; 1− 𝛼 ≥ 𝜇 ≥ 𝑋 − 𝑡𝑛−1; 1− 𝛼 )= 1− 𝛼 ⇔
2 √𝑛 2 √𝑛
𝑆′ 𝑆′
⇔ 𝑃 ( 𝑋 − 𝑡𝑛−1; 1− 𝛼 ≤ 𝜇 ≤ 𝑋 + 𝑡𝑛−1; 1− 𝛼 )= 1− 𝛼 ⇔
2 √𝑛 2 √𝑛
O intervalo de confiança para o valor médio () :

𝑆′ 𝑆′
[𝑋 − 𝑡𝑛−1; 1− 𝛼 ; 𝑋 + 𝑡𝑛−1; 1− 𝛼 ]
2 √𝑛 2 √𝑛

5.2 Exercício

Um fabricante de automóveis pretende estimar o consumo médio do novo modelo que

vai ser lançado. Assuma que o consumo (litros) aos 100 Km em circuito urbano tem
distribuição normal. Realizaram-se 8 testes tendo-se obtido um consumo médio igual a 𝑥̅
= 10, 06 litros e um desvio padrão igual a S’ = 1, 8 litros. Através da construção de um
intervalo de confiança a 95% estime o verdadeiro consumo médio do novo modelo.
 • População e parâmetro a estimar
X consumo do novo modelo em circuito urbano (litros)

µ = E(X) consumo médio do novo modelo em circuito urbano

• População e parâmetro a estimar

• Construção do intervalo
IC para µ com σ desconhecido a (1 − α)100%
𝑆′ 𝑆′
[𝑋 − 𝑡𝑛−1; 1− 𝛼 ; 𝑋 + 𝑡𝑛−1; 1− 𝛼 ]
2 √𝑛 2 √𝑛

Retomando o exercício
𝑥̅ = 10, 06
S’ = 1, 8
tn−1;1− α /2 = t7;0,975 = 2, 365

O intervalo de confiança para o verdadeiro consumo médio a 95% é

5.3. Intervalo de confiança para o valor médio () com população desconhecida e
desvio padrão da população conhecido
Se X1, X2, …. Xn são variáveis aleatórias independentes em que E(Xi) = µ, i = 1,2,..., n,
(Xi) i = 1,2,..., n, então

O intervalo de confiança para o valor médio ():

𝜎 𝜎
[𝑋 − 𝑍1− 𝛼 ; 𝑋 + 𝑍1− 𝛼 ]
2 √𝑛 2 √𝑛
5.4. Intervalo de confiança para o valor médio () com população desconhecida e
desvio padrão da população desconhecido
A variável fulcral

O intervalo de confiança para o valor médio ():

𝑆′ 𝑆′
[𝑋 − 𝑍1− 𝛼 ; 𝑋 + 𝑍1− 𝛼 ]
2 √𝑛 2 √𝑛
Exemplo 5.4 Pretende-se avaliar a quantidade média produzida por dia numa empresa.
Assim, verificou-se que em 36 dias a quantidade média foi de 125 toneladas com um
desvio padrão corrigido de 10 toneladas. Determine um intervalo de confiança para a
quantidade média produzida por dia com um grau de confiança de 0,95.
Resolução:
Desvio padrão corrigido S’= 10
Dimensão da amostra n=36

Média da amostra 𝑋 =125

Grau de confiança 1−α = 0,95
𝛼
1− α = 0,95 ⇔ 1 − 2 = 0,975

𝑍1 −𝛼 = 𝑍0,975 = 1,96
2

O intervalo de confiança:
10 10
[125 − 1,96 ; 125 + 1,96 ] = [121,73; 128,27]
√36 √36

Resumo dos intervalos de confiança para µ

• População normal, com σ conhecido

População qualquer, n > 30 e σ conhecido

𝜎 𝜎
[𝑋 − 𝑍1− 𝛼 ; 𝑋 + 𝑍1− 𝛼 ]
2 √𝑛 2 √𝑛
 • População normal, com σ desconhecido

𝑆′ 𝑆′
[𝑋 − 𝑡𝑛−1; 1− 𝛼 ; 𝑋 + 𝑡𝑛−1; 1− 𝛼 ]
2 √𝑛 2 √𝑛
• População qualquer, n > 30 e σ desconhecido
𝑆′ 𝑆′
[𝑋 − 𝑍1− 𝛼 ; 𝑋 + 𝑍1− 𝛼 ]
2 √𝑛 2 √𝑛

5.5. Intervalo de confiança para a variância (2) de uma população normal

Se X1, X2, …. Xn são variáveis aleatórias independentes em que X ~ N(,), i = 1,2,..., n,
então

(ver demonstração do teorema 5.3)

Para um grau de confiança de 1−α

2
(𝑛 − 1)𝑆′2
𝑃 (𝜒 𝛼 ≤ ≤ 𝜒 2 𝑛−1; 1− 𝛼 ) = 1 − 𝛼 ⇔
𝑛−1;
2 𝜎2 2

1 𝜎2 1
⇔ 𝑃( ≤ ≤ 2 )= 1− 𝛼 ⇔
𝜒 2 𝑛−1; 1− 𝛼 (𝑛 − 1)𝑆′ 2 𝜒 𝑛−1; 𝛼
2 2

(𝑛 − 1)𝑆′2 2
(𝑛 − 1)𝑆′2
⇔ 𝑃( 2 ≤ 𝜎 ≤ )= 1− 𝛼 ⇔
𝜒 𝑛−1; 1− 𝛼 𝜒 2 𝑛−1; 𝛼
2 2

O intervalo de confiança para a variância (2)

(𝑛 − 1)𝑆′2 (𝑛 − 1)𝑆′2
[ ; ]
𝜒 2 𝑛−1; 1− 𝛼 𝜒 2 𝑛−1; 𝛼
2 2

O intervalo de confiança para o desvio padrão ( )

(𝑛 − 1)𝑆′2 (𝑛 − 1)𝑆′2
[√ ; ]
𝜒 2 𝑛−1; 1− 𝛼 √ 𝜒 2 𝑛−1; 𝛼
2 2
Exemplo 5.5 Num determinado período, foram selecionados aleatoriamente alguns
clientes de uma superfície comercial para estimar a despesa efetuada. Verificou- -se, numa
amostra de 30 clientes, que o desvio padrão corrigido era de 25,18€. Admitindo que a
despesa efetuada tem uma distribuição normal, determine um intervalo de confiança a
99% para:
a) A variância da população.
b) O desvio padrão da população.
Resolução:
Desvio padrão da amostra S’= 25,18
Dimensão da amostra n=30
Grau de confiança 1−α = 0,99
1− α = 0,99
α =0,01
𝛼
1 − 2 = 0,995

a) O intervalo de confiança para a variância

(𝑛 − 1)𝑆′2 (𝑛 − 1)𝑆′2
[ ; ]
𝜒 2 𝑛−1; 1− 𝛼 𝜒 2 𝑛−1; 𝛼
2 2

Substituindo os valores:
(30−1)25,182 (30−1)25,182
[ ; ] = [351,567; 1403,583]
52,3 13,1

b) O intervalo de confiança para o desvio padrão

(30−1)25,182 (30−1)25,182
[√ ;√ ] = [18,75; 37,46]
52,3 13,1
Exercício 5.5
Um fabricante de automóveis pretende estimar a variância do consumo do novo modelo
que vai ser lançado. Assuma que o consumo (litros) aos 100 Km em circuito urbano tem
distribuição normal. Realizaram-se 8 testes tendo-se obtido um desvio padrão igual a S’
= 1, 8 litros. Através da construção de um intervalo de confiança a 95% estime o
referido parâmetro.

• População e parâmetro a estimar

X consumo do novo modelo em circuito urbano (litros)

σ 2 = Var(X) variância do consumo do novo modelo em circuito urbano

• Escolha da variável fulcral e sua distribuição

• Construção do intervalo aleatório

P (a < W < b) = 0, 95
P (1, 69 < W < 16) = 0, 95
(𝑛 − 1)𝑆′2
𝑃 (1,69 < < 16) = 0,95 ⇔
𝜎2
1,69 1 16
𝑃( < < ) = 0,95 ⇔
(𝑛 − 1)𝑆′2 𝜎 2 (𝑛 − 1)𝑆′2
(𝑛 − 1)𝑆′2 2
(𝑛 − 1)𝑆′2
𝑃( > 𝜎 > ) = 0,95 ⇔
1,69 16

(𝑛 − 1)𝑆′2 (𝑛 − 1)𝑆′2
𝑃( < 𝜎2 < ) = 0,95
16 1,69

O intervalo aleatório pretendido é

(𝑛 − 1)𝑆′2 (𝑛 − 1)𝑆′2 7 ∗ 3,24 7 ∗ 3,24

[ 2 ; 2 ]⇔[ ; ] ⇔ [1,42; 13,422]
𝜒 𝑛−1; 1− 𝛼 𝜒 𝑛−1; 𝛼 16 1,69
2 2
Para calcular o valor crítico da distribuição qui-quadrado no R Studio, você pode utilizar
a função "qchisq()". Essa função retorna o quantil (valor crítico) da distribuição qui-
quadrado para um dado nível de probabilidade (alfa) e graus de liberdade.

No seu exemplo, você quer encontrar o valor da qui-quadrado com 49 graus de liberdade
e um nível de significância de 10% (ou seja, alfa = 0.10) e 95% (ou seja, alfa = 0.95) .

Aqui está como fazer isso no R Studio:

# Definindo os parâmetros
graus_de_liberdade <- 49
nivel_de_significancia <- 0.10

# Calculando o valor crítico da qui-quadrado

valor_critico <- qchisq(1 - nivel_de_significancia, df = graus_de_liberdade)

# Imprimindo o valor crítico

print(valor_critico)

# Definindo os parâmetros
graus_de_liberdade <- 49
nivel_de_significancia <- 0.95

# Calculando o valor crítico da qui-quadrado

valor_critico <- qchisq(1 - nivel_de_significancia, df = graus_de_liberdade)

# Imprimindo o valor crítico

print(valor_critico)

Ao executar o código acima no R Studio, você obterá o valor crítico da qui-quadrado com
49 graus de liberdade para um nível de significância de 10% e 95%. Lembre-se que a
função "qchisq()" utiliza como argumento o valor de probabilidade complementar a alfa
(1 - alfa), por isso utilizamos "1 - nivel_de_significancia". Isso porque a função retorna o
valor da cauda direita da distribuição qui-quadrado.
5.6 Intervalo de confiança para a proporção
Se X1, X2, …. Xn são variáveis aleatórias independentes em que X ~ Ber(p), i = 1,2,..., n,
então

Para determinar o intervalo de confiança para a proporção (p),

𝑋 − 𝑝
𝑃 −𝑍1− 𝛼 ≤ ≤ 𝑍1− 𝛼 = 1− 𝛼 ⇔
√𝑝(1 − 𝑝)
2 2
( 𝑛 )

𝑝(1 − 𝑝) 𝑝(1 − 𝑝)
⇔ 𝑃 (−𝑍1− 𝛼 √ ≤ 𝑋 − 𝑝 ≤ 𝑍1− 𝛼 √ )= 1− 𝛼 ⇔
2 𝑛 2 𝑛

𝑝(1 − 𝑝) 𝑝(1 − 𝑝)
⇔ 𝑃 (− 𝑋 − 𝑍1− 𝛼 √ ≤ − 𝑝 ≤ − 𝑋 + 𝑍1− 𝛼 √ )= 1− 𝛼 ⇔
2 𝑛 2 𝑛

𝑝(1 − 𝑝) 𝑝(1 − 𝑝)
⇔ 𝑃 ( 𝑋 + 𝑍1− 𝛼 √ ≥ 𝑝 ≥ 𝑋 − 𝑍1− 𝛼 √ )= 1− 𝛼 ⇔
2 𝑛 2 𝑛

𝑝(1 − 𝑝) 𝑝(1 − 𝑝)
⇔ 𝑃 ( 𝑋 − 𝑍1− 𝛼 √ ≤ 𝑝 ≤ 𝑋 + 𝑍1− 𝛼 √ )= 1− 𝛼 ⇔
2 𝑛 2 𝑛

Substituindo p pelo seu estimador 𝑋 obtemos o intervalo de confiança para a proporção (p):

𝑝(1 − 𝑝) 𝑝(1 − 𝑝)
( 𝑋 − 𝑍1− 𝛼 √ ; 𝑋 + 𝑍1− 𝛼 √ )
2 𝑛 2 𝑛
Exemplo 5.6 Num estudo de mercado efetuado numa determinada localidade, 45% dos
inquiridos afirmou que era cliente da empresa de telecomunicações A.
a) Sabendo que o número de inquiridos foi de 300, determine um intervalo de confiança
(95%) para a proporção de clientes da empresa A.
b) Sabendo que nessa localidade vivem 20000 clientes das empresas de
telecomunicações, determine um intervalo de confiança a 95% para estimar o número de
clientes da empresa A.

Resolução
n=300
̅ = 𝟎, 𝟒𝟓
𝒙
a) Grau de confiança
1-α = 0,95
α = 1-0,95 = 0,05
𝑍1− 𝛼 = 𝑍0,975 = 1,96
2

O intervalo de confiança para a proporção (p):

b) [20000*0,3937; 20000*0,5063] = [7874; 10126]

Exercício 5.6
Uma empresa pretende lançar um novo produto no mercado nacional. O respetivo estudo
de mercado tem por principal objetivo estimar a proporção de potenciais clientes para o
novo produto. Dos 1000 potenciais clientes inquiridos 845 responderam que pretendem
adquirir o novo produto. Utilizando um grau de confiança de 99% estime o referido
parâmetro.

• Parâmetro a estimar
p proporção de clientes que pretende adquirir o novo produto

• Escolha da variável fulcral e sua distribuição

• Construção do intervalo aleatório

grau de confiança: 1 − α = 0, 99
 P (a ≤ Z ≤ b) = 0, 99
P (−2, 576 ≤ Z ≤ 2, 576) = 0, 99

𝑋 − 𝑝
𝑃 −2, 576 ≤ ≤ 2, 576 = 0,99 ⇔
√𝑝(1 − 𝑝)
( 𝑛 )

𝑝(1 − 𝑝) 𝑝(1 − 𝑝)
𝑃 (−2, 576 √ ≤ 𝑋 − 𝑝 ≤ 2, 576 √ ) = 0,99 ⇔
𝑛 𝑛

𝑝(1 − 𝑝) 𝑝(1 − 𝑝)
𝑃 (− 𝑋 − 2, 576 √ ≤ − 𝑝 ≤ − 𝑋 + 2, 576 √ ) = 0,99 ⇔
𝑛 𝑛

𝑝(1 − 𝑝) 𝑝(1 − 𝑝)
𝑃 ( 𝑋 + 2, 576 √ ≥ 𝑝 ≥ 𝑋 − 2, 576 √ ) = 0,99 ⇔
𝑛 𝑛

𝑝(1 − 𝑝) 𝑝(1 − 𝑝)
⇔ 𝑃 ( 𝑋 − 2, 576√ ≤ 𝑝 ≤ 𝑋 + 2, 576 √ ) = 0,99 ⇔
𝑛 𝑛

Substituindo p pelo seu estimador 𝑋 obtemos o intervalo de confiança para a

proporção (p):

𝑋 (1 − 𝑋 ) 𝑋 (1 − 𝑋 )
( 𝑋 − 2, 576√ ; 𝑋 + 2, 576 √ )
𝑛 𝑛

O intervalo de confiança a 95% para a proporção de clientes que pretendem adquirir o

novo produto (p) é [0,823 ; 0,867]
5.7 Intervalo de confiança com duas amostras para a diferença de valores médios
5.7.1 Com populações normais e independentes e com variâncias conhecidas
Se X11, X12, …. X1n1 são variáveis aleatórias independentes de uma população A, em que
X1i~ N(1,1), i = 1,2,..., n e X21, X22, …. X2n2 são variáveis aleatórias independentes de
uma população B, em que X2i~ N(2,2), i = 1,2,..., n2, então

Demonstração:

Exemplo 5.7 Numa amostra de 20 empregados de uma grande empresa, verificou-se que
o salário médio era de 700 u.m. Noutra empresa verificou-se que, em 25 empregados, o
seu salário médio era de 750 u.m.. Admitindo a normalidade, determine um intervalo de
confiança a 95% para a diferença dos salários médios, sabendo que o desvio padrão dos
salários nas duas empresas é, respectivamente, de 110 e 130 u.m..

Resposta

n1= 20 n2= 25
𝑥̅1 = 700 𝑥̅2 = 750
𝜎1 = 110 𝜎2 = 130

Grau de confiança
1-α = 0,95
 α = 1-0,95 = 0,05
𝑍1− 𝛼 = 𝑍0,975 = 1,96
2

O intervalo de confiança para 1 - 2

Exercício 5.7

Uma empresa de pesquisa de mercados está interessada em estudar se há diferença entre

os salários dos trabalhadores, numa certa atividade, em duas regiões do país (A e B).
Admita que os salários dos trabalhadores nas regiões A e B têm distribuição normal com
σ1 = 26,7 e σ2 = 30,4 respetivamente. Recolheram-se duas amostras aleatórias que
forneceram os seguintes resultados:
• região A: n1 = 100 𝑥̅1 = 1000
• região B: n2 = 200 𝑥̅2 = 980
Utilizando um grau de confiança de 95% é possível afirmar que existem diferenças
significativas entre os salários médios das duas regiões?

• Populações e parâmetros a estimar

X1 salário de um trabalhador da região A

µ1 = E(X1) salário médio de um trabalhador da região A, X2 salário de um

trabalhador da região B

µ2 = E(X2) salário médio de um trabalhador da região B

• Escolha da variável fulcral e sua distribuição

• Construção do intervalo
A dedução do intervalo é semelhante aos casos anteriores e conduz a
IC para µ1 − µ2 a (1 − α)100%
 Resolução:

n1= 100 n2= 200

𝑥̅1 = 1000 𝑥̅2 = 980
𝜎1 = 26,7 𝜎2 = 30,4

Grau de confiança
1-α = 0,95
α = 1-0,95 = 0,05
𝑍1− 𝛼 = 𝑍0,975 = 1,96
2

O intervalo de confiança a 95% para µ1 − µ2 é

Como o valor 0 (zero) não pertence ao intervalo de confiança pode-se concluir que
existem diferenças entre os salários médios das duas regiões.

Resumo Intervalos de confiança para µ1 − µ2

Amostras independentes
• Populações normais com σ1 , σ2 , conhecidos

• Populações normais com σ1, σ2 , desconhecidos e iguais

• Populações quaisquer, com σ1, σ2 , desconhecidos e n1 , n2 > 30

5.8 Intervalo de confiança para a diferença de proporções
Se X11, X12, …. X1n1 são variáveis aleatórias independentes de uma população A, em que
X1i~ Ber(p1), i = 1,2,..., n e X21, X22, …. X2n2 são variáveis aleatórias independentes de
uma população B, em que X2i~ Ber(p2), i = 1,2,..., n2, então

Demonstração
Atendendo que:

e que

obtemos a variável fulcral:

Para determinar o intervalo de confiança (1-α) para p1-p2

Substituindo p1 e p2 pelos seus estimadores, ̅̅̅ ̅̅̅2, obtém-se intervalo de confiança

𝑋1 e 𝑋
(1-α ) para p1-p2
Exercício 5.8
Num estudo efetuado, verificou-se que, numa amostra de 400 pessoas da localidade A e
500 da localidade B, 100 e 144, respetivamente, declararam que eram clientes da empresa
X. 15 Utilizando um intervalo de confiança (95%), verifique se a proporção de clientes
da empresa X é significativamente diferente nas duas localidades.
• Parâmetros a estimar
p1 proporção futuros compradores do produto da localidade A
p2 proporção futuros compradores do produto da localidade B

• Escolha da variável fulcral e sua distribuição

• Construção do intervalo

Resolução:

n1= 400 n2= 500

100 144
𝑥̅1 = ( ) = 0,25 𝑥̅2 = ( ) = 0,288
400
500

Grau de confiança
1-α = 0,95
α = 1-0,95 = 0,05
𝑍1− 𝛼 = 𝑍0,975 = 1,96
2

O intervalo de confiança para p1 − p2

Para um grau de confiança de 95%, a proporção de clientes da empresa X não é

significativamente diferente entre as duas localidades.
 BIBLIOGRAFIA
• MURTEIRA, Bento, et al. (2010) Introdução à Estatística, Lisboa, Escolar
Editora.
• REIS, Elizabeth, et al. (2016) Estatística Aplicada, vol. II, Lisboa, Edições Sílabo,
5.ª Ed.
• MOOD, Alexander M. et al (1974), Introduction to the Theory of Statistics,
McGraw-Hill International Editions
• MURTEIRA, Bento, et al (2007) Introdução à Estatística, 2a ed.,Lisboa, McGraw-
Hill
• REIS, Elizabeth, et al (2003) Estatística Aplicada, vols.I e II, Lisboa, 5a ed.,
Edições Sílabo