Escolar Documentos
Profissional Documentos
Cultura Documentos
Intervalos_Confianca
Intervalos_Confianca
Intervalos de Confiança
2 X
X N , N ( 0 , 1)
n / n
X
P z / 2 z1 / 2 (1 )
/ n
P z / 2 X z1 / 2 (1 )
n n
P X z1 / 2 X z / 2 (1 )
n n
P X z1 / 2 X z / 2 (1 )
n n
a b
a X z / 2 e b X z / 2 .
n n
X z /2 ; X z /2 .
n n
X 1.96 ; X 1.96 .
n n
Exemplo 1: Testes de compressão foram aplicados na marca A de
cimento para avaliar sua resistência em concretos. Foram produzidos 13
corpos de prova e os testes foram aplicados no Laboratório de testes do
Departamento de Engenharia Civil da UFSCar.
(O corpo de prova padrão brasileiro, normatizado pela ABNT, é o cilíndrico,
com 15 cm de diâmetro, 30 cm de altura e a idade de referência é 28 dias)
Pascal (unidade)
O Pascal (símbolo: Pa) é a unidade padrão de pressão e tensão no
SI. Equivale a força de 1N aplicada uniformemente sobre uma superfície
de 1m2 (fonte: Wikipédia).
Dados (MPa):
31.04 31.11 39.56 24.83 36.97 34.86 29.44 xA = 33.76
39.15 27.82 34.96 35.19 39.68 34.27 sA = 4.665
X A A
Estatística: ~ N0 ;1
/ nA
P 1.96 X A A 1.96 0.95
n n
A A
P X A 1.96 A X A 1.96 0.95
nA
nA
5 5
P 33.76 1.96 A 33.76 1.96 0.95
13 13
Ou seja:
5
a 33.76 1.96 31.04 MPa
13
5
b 33.76 1.96 36.48 MPa
13
X
Resultado: a estatística tem distribuição t – Student com
s/ n
(n 1) graus de liberdade, ou seja
X
~ tn1
s/ n
Notas:
X
1) A razão pode ser escrita como:
s/ n
X X
s/ n / n s
X
/ n N (0 ,1)
(n 1) s 2 / 2 2n1
n 1 n 1
s s
P t( n1); / 2 X t( n1);1 / 2 (1 )
n n
s s
P X t( n1);1 / 2 X t( n1); / 2 (1 )
n n
s s
P X t( n1); / 2 X t( n1); / 2 (1 )
n n
sA 4.665
xA t( nA 1);0.025 33.76 2.1788 36.58 MPa
nA 13
p (1 p) p (1 p)
ˆ
p z /2 ; ˆ
p z /2 .
n n
Exemplo 3: Nos testes de compressão em amostras de concreto, se
a empresa afirma que 90% da produção atende ao valor do fck = 30Mpa,
construir um I.C. de 95% ( = 0.05) para a proporção de corpos de provas
com fc abaixo de fck.
p (1 p) 0.10 0.90
pˆ z / 2 0.231 1.96 0.0679
n 13
p (1 p) 0.10 0.90
pˆ z / 2 0.231 1.96 0.3941
n 13
pˆ (1 pˆ ) pˆ (1 pˆ )
ˆ
p z /2 ; ˆ
p z /2 .
n n
Outra possibilidade seria considerar o fato de p (1 p) 1 / 4 e
construir um intervalo conservador para p assumindo p = ½.
Neste caso:
p (1 p) 1
n 4n
z / 2 z / 2
pˆ ; pˆ .
4 n 4 n
pˆ (1 pˆ ) pˆ (1 pˆ )
i) utilizando p̂ : ˆ
p 1.96 ; ˆ
p 1.96
n n
1.96 1.96
ii) conservador p ½: p
ˆ ; p
ˆ
4 n 4 n
pˆ (1 pˆ ) 0.231 0.769
pˆ z / 2 0.231 1.96 0.0019
n 13
pˆ (1 pˆ ) 0.231 0.769
pˆ z / 2 0.231 1.96 0.4601
n 13
ii) conservador p ½:
z / 2 1.96
pˆ 0.231 0.0408 (< 0 !!)
4n 52
z / 2 1.96
pˆ 0.231 0.5028
4n 52
i) Média com variância conhecida: X z / 2
n
s
ii) Média com variância desconhecida: X t( n1); / 2
n
pˆ (1 pˆ )
iii) Proporção: pˆ z / 2
n
Exemplos:
1) Um provedor de acesso à internet deseja implantar um plano sem limite
de horas. Para isso, verificou numa amostra de n = 25 usuários os tempos
de utilização mensal, obtendo: média amostral x 26.8 horas. Sabendo
que 2 = 6.25 horas2:
a) Encontre um intervalo de confiança 90% para a média.
b) De quanto deve ser aumentado o tamanho da amostra para que, mantidas
as demais medidas, o comprimento do intervalo caia pela metade?
X A A X B B
e são N ( 0 , 1)
A / nA B / nB
2A B2
E X A X B A B e Var X A X B
nA nB
X A X B A B
N ( 0 , 1)
2A B2
nA nB
Ou seja, um I.C. (1 – )100% para A B considerando
amostras independentes e variâncias conhecidas é dado por:
2A B2 2A B2
X A X B z / 2 ; X A X B z / 2 .
nA nB nA nB
2A B2
d2 : variância da diferença entre X A e X B .
nA nB
X d d
Desta forma: N ( 0 , 1) .
d
E o I.C. fica: X d z / 2 d .
Exemplo 4: Considere que no exemplo com os testes de compressão em
amostras de concretos, além da A uma segunda marca B tenha sido
avaliada com o intuito de que fossem comparadas.
Dados (MPa):
31.04 31.11 39.56 24.83 36.97 34.86 29.44 39.15 xA = 33.76
A
27.82 34.96 35.19 39.68 34.27 sA = 4.665
27.91 40.94 39.25 37.42 32.16 34.29 38.69 21.21 xB = 33.08
B
29.30 29.21 33.76 32.71 31.91 34.10 33.34 sB = 5.017
Solução:
a) Como 2A B2 2 então:
X A X B A B X A X B A B
1 1
nA nB nA nB
Logo, um I.C. 95% para A B é dado por:
X A X B z / 2 ; X A X B z / 2
1 1 1 1
.
nA nB nA nB
Ou seja:
X A X B z / 2 1
1
nA nB
33.76 33.08 1.96 5 1 1
13 15
nB
( xBi xB ) 2 (nB 1) sB2 (nB 1) = g.l. de sB2
i 1
Prova:
E
s 2p
(nA 1) E sA2 (nB 1) E sB2
nA nB 2
(nA 1 nB 1) 2
nA nB 2
2
X A A tnA 1 e
X B B tnB 1 .
sA / nA sB / nB
Como temos um estimador comum para a variância populacional,
podemos derivar uma distribuição de probabilidade para X A X B .
X A X B A B
X A X B A B
s 2p s 2p sp
1
1
nA nB
nA nB
Resultado:
X A X B A B tnA nB 2
1 1
sp
nA nB
Um I.C. (1 – )100% para A B , quando as variâncias
são iguais e desconhecidas, é dado por:
X A X B t(n n 2); / 2 s p 1
1
A B
nA nB
xA = 33.76 xB = 33.08
sA = 4.665 sB = 5.017
nA = 13 nB = 15
12 (4.665) 2 14 (5.017) 2 613.5307
s 2p 26.597
13 15 2 26
s p 4.8577
Logo, um I.C. 95% para A B é dado por:
X A X B t26;0.025 s p 1
1
nA nB
X A X B A B ~ t ,
sA2 sB2
nA nB
sA2 / nA
2
sB2 / nB
2
nA 1 nB 1
sA2 sB2
X A X B t; / 2 .
nA nB
xA = 33.76 xB = 33.08
sA = 4.665 sB = 5.017
sA2 = 21.759 sB2 = 25.174
nA = 13 nB = 15
2
21.759 25.174
13 15
11.23614
21.759 / 132 25.174 / 152 0.43464
13 1 15 1
25.86 26
Enfim, um I.C. 95% para A B é dado por:
sA2 sB2
X A X B t26;0.025
nA nB
I.C. 95% p/
Variâncias Estatística A B
X A X B A B
Variâncias N ( 0 , 1) (–3.034 , 4.394)
2A B2
conhecidas
nA nB
p (1 p1 ) p (1 p2 )
p̂1 N p1 , 1 e p̂2 N p2 , 2
n1 n 2
Então:
p (1 p1 ) p2 (1 p2 )
( pˆ1 pˆ 2 ) N ( p1 p2 ) , 1
n1 n 2
pˆ1 (1 pˆ1 ) pˆ 2 (1 pˆ 2 )
( pˆ1 pˆ 2 ) z / 2
n1 n2
84 46
pˆ1 0.724 pˆ 2 0.575
116 80
(n 1) s 2
2
n 1
2
2 (n 1) s 2
P ( n1); / 2 ( n1);1 / 2 (1 )
2
2
(2n1); / 2 1 (2n1);1 / 2
P (1 )
(n 1) s 2 2 (n 1) s 2
(n 1) s 2 ( n 1 ) s 2
P 2 2
2 (1 )
( n1);1 / 2 ( n1); / 2
a b
(n 1) s 2 (n 1) s 2
a 2 e b 2 .
( n1);1 / 2 ( n1); / 2
(n 1) s 2 (n 1) s 2
2 ; 2 .
( n1);1 / 2 ( n1); / 2
x 1100 e x 2 110080 .
1100
Portanto: x 100 g
11
110080 11(100 ) 2
s
2
8 g2.
10
10
2
;0.025 3.25 e 10
2
;0.975 20.48
(n 1) s 2 10 8
a 2 3.906
( n1);1 / 2 20.48
(n 1) s 2 10 8
b 2 24.615
( n1); / 2 3.25
Resultado:
Seja W1 2k1 e W2 2k2 , prova-se facilmente que a razão
W1
k1
F Fk1 ;k2
W2
k2
Notas:
i) Se X t k , então X 2 F1,k .
Prova: Sai direto do resultado (1) da distribuição t-Student.
1
Fk1 ;k2 ;
Fk2 ;k1 ;1
Sejam duas populações normais com variâncias 12 e 22 e sejam s12
e s22 seus estimadores a partir de amostras de tamanho n1 e n2 , então
s12
12 22 s12
F 2 2 Fn1 1 ; n2 1
s22 1 s2
22
22 s12
P f1 2 2 f 2 (1 )
1 s2
12
Portanto, escrevendo o resultado para 2 , um I.C. (1 – )100%
2
para a razão de variâncias é dado por:
s12 s12
2 ; 2 .
s2 F( n1 1);( n2 1);1 / 2 s2 F( n1 1);( n2 1); / 2
s12
Nota: O intervalo é construído de forma que 2 seja maior do que 1.
s2
sB2 25.174
0.3608
sA2 F14;12;0.975 21.759 3.2062
sB2 25.174
3.5284
sA2 F14;12;0.025 21.759 0.3279
B2
Assim, um I.C. 95% para 2 é dado por ( 0.3608 , 3.5284 ).
A
Estatística 2
Exercícios – Intervalos de Confiança
x 43.28 e x 2 188.4886
Assumindo que estes valores representam uma amostra aleatória de uma
variável normalmente distribuída com média e variância 2 .
a) Calcule estimativas pontuais para e 2 .
b) Calcule um intervalo de 75 % de confiança para 2 .
a) Encontre o valor de a, tal que P s12 s22 a 0.95
n A 21 nB 17
x A 21.15 xB 21.12
s 2A 0.0412 s B2 0.1734
2B
I.C. 95% para :
2A
0.1734 0.1734
Limite inferior: 1.652
0.0412 F16;20;0.975 0.0412 2.547
1 1
Como F16;20;0.975 0.3730
F20;16;0.025 0.2681
0.1734 0.1734
Limite superior: 11.283
0.0412 F16;20;0.025 0.0412 0.3730
2B
O intervalo ( 1.652 ; 11.283 ) é um intervalo de confiança 95% para .
2A
2
sA2 sB2
nA nB
s 2
/ nA
A
2
sB2 / nB 2
nA 1 nB 1
2
0.0412 0.1734
21 17
22.1 22 gl
0.0412 / 21 2
0.1734 /17 2
20 16
s 2A sB2
( x A xB ) t22;0.005
n A nB
0.0412 0.1734
0.03 2.8188
21 17
2M
I.C. 95% para 2 :
H
(0.9) 2 0.81
Limite inferior: 0.7182
(0.8) 2 F49;49;0.975 0.64 1.7622
(0.9) 2 0.81
Limite superior: 2.2302
(0.8) 2 F49;49;0.025 0.64 0.5675
2M
O intervalo ( 0.7182 ; 2.2302 ) é um intervalo 95% para 2 .
H
(nM 1) sM
2
(nH 1) sH
2
s 2p
nM nH 2
49 0.64 49 0.81
s 2p 0.725
98
/ 2 0.05 t98;0.05 1.6606
s 2p s 2p
( xM xH ) t98;0.05
nM nH
0.725 0.725
(3.7 3.2) 1.6606
50 50
x 43.28 e x 2 188.4886
Assumindo que estes valores representam uma amostra aleatória de uma
variável normalmente distribuída com média e variância 2 .
43.28
ˆ x 4.328
10
(n 1) s 2 1.17276
Limite inferior: 0.0842
9;0.875 13.926
(n 1) s 2 1.17276
Limite superior: 0.2602
9;0.125 4.507
1
Z 0.05 0.5555 0.72
4n
1.645
0.1645
4n
4n 10 n 25
pˆ (1 pˆ )
0.72 Z / 2 0.9513
25
5 (0.9513 0.72)
Z / 2 2.575
0.72 0.28
a) Encontre o valor de a, tal que P s12 s22 a 0.95
s12
12 s12
Fn1;m1 F9;5
s22 s22
22
P s12 s22 a 0.95 a F9;5;0.95 4.772
b) Encontre o valor de b, tal que P s12 s22 b 0.95
1 1
F9;5;0.05 0.2872
F5;9;0.95 3.482
P s12 s22 b 0.95 b F9;5;0.05 0.2872
6. Uma das maneiras de medir o grau de satisfação dos empregados de uma
mesma categoria quanto à política salarial é por meio do desvio padrão de
seus salários. A Fábrica A diz ser mais coerente na política salarial do que a
Fábrica B. Para verificar essa afirmação, sorteou-se uma amostra de 10
funcionários não especializados de A, e 15 de B, obtendo-se os desvios
padrões s A 1000 reais e sB 1600 reais. Qual seria a sua conclusão?
2B
Construir um I.C. 95% para e verificar se engloba o valor 1:
2A
s B2 2.56 106
Limite inferior: 0.6740
s 2A F14;9;0.975 1 106 3.7980
1 1
Como F14;9;0.025 0.3116
F9;14;0.975 3.209
s B2 2.56 106
Limite superior: 8.2157
s 2A F14;9;0.025 1 106 0.3116
2B
I.C. 95% para : ( 0.6740 ; 8.2157 )
2A