Aula 05 - Intervalo de Confiança

CCE0174 – Estatística Aplicada à Engenharia
Aula 05 – Intervalo de Confiança
Prof. Me. André Breve
andre.breve@estacio.br
Introdução
• Na aula anterior, ilustramos com um parâmetro pode ser estimado

a partir de dados de uma amostra. Entretanto, é importante
entender quão boa é a estimativa obtida.
• Uma estimativa de intervalo para um parâmetro de uma população

é chamado de intervalo de confiança.
• Informação sobre a precisão de estimação é expressa pelo

comprimento do intervalo:
– Intervalo curto = estimação precisa

– Intervalo longo = estimação menos precisa
Estatística Aplicada à Engenharia – Prof. Msc. André Breve

Introdução
• Não podemos estar certos de que o intervalo contém o parâmetro

verdadeiro desconhecido da população – usamos somente uma
amostra proveniente da população completa para calcular a
estimativa pontual e o intervalo.
• No entanto, o intervalo de confiança (IC) é construído de modo que

tenhamos alta confiança de que ele contenha o parâmetro
desconhecido da população.
• Intervalos de Confiança são largamente utilizados em engenharia e

nas ciências

Introdução
• Construir um intervalo de confiança para um parâmetro nada mais é

que estabelecer uma margem de erro para um estimador e calcular
o grau de confiança correspondente a esta margem;
• Inúmeros casos na Engenharia se faz necessária a construção de

uma margem aceitável para um valor desconhecido porém
desejável com um certo grau de confiabilidade;
– Em linhas de produção, é necessário estabelecer margens com a

garantia que o produto estará a disposição do consumidor sem grandes
riscos financeiros, operacionais ou até mesmo ambientais ou de saúde
– Ensaios científicos devem gerar resultados confiáveis para a

comunidade científica

Intervalo de Confiança para a Média
• Variância conhecida
• Suponha que tenhamos uma população normal, com

média desconhecida μ e variância conhecida σ2.
– Sabemos que a média da amostra é normalmente

σ2𝑛
distribuída, com média e variância
– Podemos padronizar subtraindo e
média e dividindo
pelo desvio padrão:
𝑥− 𝜇
𝑍 𝜎
= 𝑛

• Variância conhecida:
Nível de confiança
P {l ≤ μ ≤ u} = 1 - α
Limite inferior de confiança Limite superior de confiança
0≤α≤1
Há uma probabilidade de 1 – α de selecionar uma

amostra para a qual o IC conterá o valor verdadeiro de μ.

• Variância conhecida:
𝑥
P {- zα/2 ≤ − 𝜇 ≤ zα/2} = 1 - α
𝜎�
�
𝜎 𝜎
P { - zα/2 𝑛
- μ ≤ zα/2 𝑛
}=1-
≤ 𝜎
α 𝜎
P{ - zα/2 ≤μ≤ + zα/2 }=1-α
𝑛 𝑛
l - zα/2
𝜎
𝑛
u - zα/2
𝜎
𝑛
= =

• Variância Conhecida
Intervalo de Confiança para a Média, Variância Conhecida
Se for a média amostral de uma amostra aleatória, de tamanho n,

proveniente de uma população com variância conhecida σ2, um intervalo
100(1-α)% de confiança para μ é dado por:
𝜎 𝜎
- zα/2 ≤ μ≤ + zα/2
𝑛 𝑛
sendo zα/2 o ponto superior com 100α/2% da distribuição normal padrão

– Valores de zα/2 para os níveis de confiança mais usados na

prática:
Nível de Confiança α α/2 zα/2
90% 0,10 0,050 1,65
95% 0,05 0,025 1,96
99% 0,01 0,005 2,58

Exemplo 1: A norma padrão ASTM E23 define métodos padrões de

testes para o impacto em barras entalhadas, feitas de materiais
metálicos. A técnica Charpy V-notch (CVN) mede a energia de impacto
e é frequentemente utilizada para determinar se um material
experimenta ou não uma transição dúctil-frágil com um decréscimo de
temperatura. Dez medidas de energia (J) de impacto nos corpos de
prova de aço A238, cortados a 60°C, são: 64,1; 64,7; 64,5; 64,6; 64,5;
64,3; 64,6; 64,8; 64,2 e 64,3. Considere que a energia de impacto seja
normalmente distribuída, com σ = 1J. Encontre um intervalo de
confiança de 95% para a μ (energia média de impacto).

Exemplo 1: Resolução
α= 0,05 𝜎 𝜎
- zα/2 ≤μ≤ + zα/2
𝑛 𝑛
zα/2 = z0,025 = 1,96
1 1
64,46 – 1,96 ≤ μ ≤ 64,46 + 1,96
= 64,46 10
σ=1 10
n = 10 63,84 ≤ μ ≤ 65,08
[63,84, 65,08]
Interpretação Prática: Com base nos dados da amostra, uma faixa de
valores altamente plausíveis para a energia média de impacto para o aço
A238 a 60°C é 63,84J ≤ μ ≤ 65,08J

Exercício 1: Deseja-se obter uma estimativa de intervalo de confiança

para o ganho em um circuito de um dispositivo semicondutor. Suponha
que o ganho seja normalmente distribuído com desvio padrão σ = 20.
a) Encontre um IC de 95% para μ, quando n = 10 e = 1000.
b) Encontre um IC de 95% para μ, quando n = 25 e = 1000.
c) Encontre um IC de 99% para μ, quando n = 10 e = 1000.
d) Encontre um IC de 99% para μ, quando n = 25 e = 1000.

Exercício 2: O rendimento de um processo químico está sendo

estudado. De experiências prévias com esse processo, sabe-se que o
rendimento é normalmente distribuído e σ = 3. Os últimos cinco dias
de operação da planta resultaram nos seguintes rendimentos
percentuais: 91,6; 88,75; 90,8; 89,95 e 91,3. Encontre um intervalo de
confiança de 95% para o rendimento médio verdadeiro.
R: [87,85, 93,11]

– Limites unilaterais de confiança
Limites Unilaterais de Confiança para a Média, Variância Conhecida
O limite superior com 100(1-α)% de confiança para μ é dado por:

𝜎
μ≤u= +z α
𝑛
O limite inferior com 100(1-α)% de confiança para

𝜎
μ é dado por:
- α =l≤ μ
�
z �

• Variância Conhecida – Limites Unilaterais de Confiança
Exemplo 2: Os mesmos dados para o teste de impacto do Exemplo 1

são usados para construir um intervalo unilateral inferior com 95% de
confiança para a energia média de impacto. Lembre-se que =
64,46, σ = 1J e n = 10.
1
α= 0,05 64,46 – 1,64 ≤μ
10
zα = z0,05 = 1,64 63,94 ≤ μ
Interpretação Prática: O limite inferior para o intervalo bilateral no Exemplo 1 foi 63,84.
Uma vez que zα < zα/2, o limite inferior de um intervalo unilateral é sempre maior que
um bilateral de igual confiança. Como não limita μ por cima, ele atinge 95% de
confiança com um limite inferior levemente maior. Se o interesse está somente no
limite inferior para μ, então o intervalo unilateral é preferido pois fornece igual
confiança com um limite inferior maior. Similarmente, um limite unilateral superior é
sempre menor do que um limite superior bilateral de igual confiança.
• Variância Conhecida – Limites Unilaterais de Confiança
Exercício 3: Um fabricante produz anéis para pistões de um motor de

um carro. Sabe-se que o diâmetro do anel é distribuído normalmente
com σ = 0,001 mm. Uma amostra aleatória de 15 anéis tem um
diâmetro médio de = 74,036 mm.
a) Construa um intervalo bilateral de confiança de 99% para o
diâmetro médio do anel do pistão; R: [74,0353, 74,0367]
b) Construa um limite inferior de confiança 99% para o
diâmetro
médio
de confiança
do anelcom
do pistão.
aqueleCompare
do item ao limite inferior∞[desse intervalo
R: [74,035,

• Variância Desconhecida
– Quando a variância σ2 for desconhecida, um procedimento

lógico será trocar σ pelo desvio padrão da amostra S.
– A variável aleatória Z torna-se agora T:

Distribuição t
Seja X1, X2, ..., Xn uma amostra aleatória proveniente
distribuição normal, com média e variância desconhecidas. A
de uma
aleatória variável
𝑇=𝑥
− 𝜇
tem uma distribuição t, com
𝑆 n-1 graus de liberdade
𝑛
– A aparência da distribuição t é similar à da distribuição normal

padrão, entretanto a distribuição t tem extremidades (caudas)
mais espessas, ou seja, tem mais probabilidades nas
extremidades do que a distribuição normal.

– Exemplo do uso da tabela: t com 10 graus de liberdade,

tendo uma área de 0,05 para a direita é t0,05, 10 = 1,812
1,812

– É simples encontrar um intervalo de confiança de 100(1-α)%

para a média de uma distribuição normal com variância
desconhecida, procedendo essencialmente como fizemos no
caso da variância conhecida
𝑥
P (- tα/2,n-1 ≤ − 𝜇 ≤ tα/2,n-1) = 1 - α
�
𝑆
�
𝑆 𝑆
P (- tα/2,n-1 ≤ - μ ≤ tα/2,n-1 )=1-α
𝑛 𝑛
𝑆 𝑆
P( - tα/2,n-1 ≤μ≤ + tα/2,n-1 )=1-α
𝑛 𝑛

Intervalo de Confiança para a Média, Variância Desconhecida
Se e s forem a média e o desvio padrão de uma amostra aleatória,

de tamanho n, proveniente de uma população normal, com variância
desconhecida σ2, então um intervalo de confiança de 100(1-α)% para a
média μ é dado por:
𝑠 𝑠
- tα/2,n-1 ≤μ≤ + tα/2,n-1
𝑛 𝑛
sendo tα/2,n-1 o ponto superior com 100α/2% da distribuição t, com n-1 graus
de liberdade

Exemplo 3: Um artigo no periódico Materials Engineering descreve

os resultados de testes de tração de adesivos em 22 corpos de
prova da liga U-700. A carga no ponto de falha do corpo de prova é
dada a seguir (em megapascal):
19,8 10,1 14,9 7,5 15,4 15,4 15,4 18,5
7,9 12,7 11,9 11,4 11,4 14,1 17,6 16,7
15,8 19,5 8,8 13,6 11,9 11,4
Encontrar um intervalo de confiança de 95% para a

média.

Exemplo 3: Resolução:
𝑠 𝑠
- tα/2,n-1 ≤μ≤ + tα/2,n-1
α= 0,05 𝑛 𝑛
n = 22 13,71 – 2,08 3,55 ≤ μ ≤ 13,71 + 2,08 3,55

22
n - 1 = 21 graus de liberdade 22
tα/2,n-1 = t0,025, 21 = 2,080 13,71 – 1,57 ≤ μ ≤ 13,71 + 1,57

12,14 ≤ μ ≤ 15,28
= 13,71
[12,14, 15,28]
s = 3,55
Interpretação Prática: O IC é razoavelmente amplo porque há uma grande
variabilidade nas medidas do teste de tração de adesivos. Uma amostra com
tamanho maior teria levado a um intervalo mais curto.

• Exercício 4: Um engenheiro do setor de pesquisa de um fabricante

de pneu está investigando a vida do pneu em relação a um novo
componente da borracha. Ele fabricou 16 pneus e testou-os até o
final da vida em um teste na estrada. A média e o desvio padrão da
amostra são 60.139,7 e 3.645,94 km. Encontre um intervalo de
confiança de 95% para a vida média do pneu.
R: [58197,33, 62082,07]
Exercício 5: O escritório de Meteorologia do Governo Australiano

forneceu a quantidade (em mm) anual média de chuva na Austrália
entre 1983-2002 conforme apresentado a seguir:
499,2 555,2 398,8 391,9 453,4 459,8 483,7 417,6 469,2
452,4 499,3 340,6 522,8 469,9 527,2 565,5 584,1 727,3
558,6 338,6
Construa um intervalo de confiança de 95% para a quantidade anual

média de chuva.
R: [443,520, 528,080]
– Limites unilaterais de confiança
Limites Unilaterais de Confiança para a Média, Variância Desconhecida
O limite superior com 100(1-α)% de confiança para μ é dado por:

𝑠
μ≤ α,n-1 +t
�
�
O limite inferior com 100(1-α)% de confiança para μ é dado por:
𝑠
- tα,n-1 ≤ μ
�
�

Exercício 6: A resistência do concreto à compressão está sendo

testada por um engenheiro civil. Ele testa 12 corpos de prova e obtém
os seguintes resultados: 2216, 2237, 2249, 2204, 2225, 2301, 2281,
2263, 2318, 2255, 2275, 2295.
a) Construa um intervalo bilateral de confiança de 95% para a
resistência média. R: [2237,3, 2282,5]
b) Construa um limite unilateral inferior de confiança de 95% para a
resistência média. Compare esse limite inferior com o limite inferior
do intervalo bilateral de confiança. R: [2241,4,∞[

Intervalo de Confiança para a Proporção
• Intervalo de Confiança para a Proporção de uma População
– Frequentemente é necessário construir intervalos de confiança

para a proporção de uma população;
– Exemplo: Suponha que uma amostra aleatória de

tamanho netenha
população sido
que X (≤ retirada nessa
n) observações de uma pertençam
amostra grande
(possivelmente infinita) ^
a uma classe de interesse. Então P = X/n é um estimador
pontual da proporção da população p que pertence a essa
classe.
– n e p são parâmetros de uma distribuição

binomial
– Se n for grande, a distribuição de Z será

aproximadamente normal padrão
𝑍 𝑃^ − 𝑝
= 𝑝(1 −
𝑝)
𝑛

• Intervalo de Confiança para a Proporção de uma

População
P (- zα/2 ≤ Z ≤ zα/2) = 1 - α
P ( - zα/2 ≤ 𝑃^−𝑝 ≤ zα/2) = 1 - α
𝑝 (1−𝑝
) �
�
^ 𝑝 (1−𝑝 ^ 𝑝 (1−𝑝
P ( P - zα/2 ) 𝑛 ≤ p≤ P + zα/2 ) 𝑛 )=1-α

Intervalo Aproximado de Confiança para uma Proporção Binomial
Se p^for a proporção de observações em uma amostra aleatória, de

tamanho n, que pertença a uma classe de interesse, então um intervalo
aproximado de confiança de 100(1-α)% para a proporção p da população
que pertença a essa classe será:
p^ - zα/2 𝑝^(1−𝑝)
𝑛
≤ p≤ p ^+ zα/2
^ 𝑛
𝑝 (1−𝑝)
Onde zα/2 é o ponto α/2% superior da distribuição normal padrão

Exemplo 4: Em uma amostra aleatória de 85 mancais de eixos de

manivelas de motores de automóveis, 10 têm um acabamento de
superfície que é mais rugoso do que as especificações permitidas.
Encontre o intervalo de confiança de 95% para a proporção de
mancais da população.
α= 0,05
𝑝 (1−𝑝 𝑝 (1−𝑝
n = 85 p - zα/2 ) 𝑛 ≤ p≤ p + zα/2 ) 𝑛
x = 10 0,12(0,88) 0,12(0,88)
0,12 – 1,96 ≤ p ≤ 0,12 + 1,96
zα/2 = z0,025 = 1,96 85 85
10 0,05 ≤ p ≤ 0,19
p= = 0,12
85

Exercício 7: Está sendo estudada a fração de circuitos integrados

defeituosos produzidos em um processo de fotolitografia. Uma amostra
aleatória de 300 circuitos é testada, revelando 13 defeitos. Calcule um
IC bilateral de 95% para a fração de circuitos defeituosos produzidos
por essa ferramenta particular.

– Podemos encontrar limites unilaterais aproximados de confiança

para p por meio de uma simples modificação:
Limites Unilaterais Aproximados de Confiança para uma Proporção
Os limites aproximados inferior e superior de confiança de 100(1-α)%

são:
p^ - 𝑝 (1−𝑝 ) e p ≤ ^p + z 𝑝 (1−𝑝
α � ≤ α )
z � 𝑛
p

Tamanho da Amostra
• Escolha do tamanho da Amostra
^
– Uma vez que P é o estimador pontual de p, podemos definir o erro
na estimação de p por meio de P^ : E = |p - P^ |
– Ou seja, estamos 100(1- α)% confiantes de que esse erro seja

𝑝 (1−𝑝
menor que zα/2 ) 𝑛
– Em situações em que o tamanho da amostra puder

ser
selecionado, podemos escolher n de modo a estarmos 100(1- α)%
confiantes de o será do que algum
que especificado erro menor valor
E.
Tamanho da Amostra
Tamanho da Amostra para um Erro especificado
Se uma estimativa p de uma amostra anterior for disponível:

zα/2 2
n= p(1 – p)
𝐸
Se p não for conhecido, o tamanho da amostra sempre será um

máximo para p = 0,5, isto é, p(1 – p) ≤ 0,25, podendo isso ser usado para
obter um limite superior para n:
zα/2 2
n= (0,25)
𝐸

Tamanho da Amostra
Exemplo 5: Considere a situação do exemplo 4. Quão grande deverá

ser a amostra, se quisermos estar 95% confiantes de que o erro em
usar p para estimar é menor que 0,05? Lembrando que p = 0,12.
z0,025 2 1,96 2
n= p(1 – p) = 0,12(0,88) = 163
𝐸 0,05
Se estar no mínimo 95% confiantes de que

quiséssemos
estimativa p da proporção verdadeira p estivesse nossa de 0,05,
independente do valor de p, então: dentro
z0,025 2 1,96 2
n= (0,25) = (0,25) = 385
𝐸 0,05
Interpretação Prática: Se tivéssemos a informação relativa ao valor de p,

poderíamos usar uma amostra menor, embora mantendo a precisão
desejada de estimação e o nível de confiança.
Tamanho da Amostra
Exercício 8: Um artigo na revista Journal of the American Statistical

Association (1990, vol. 85, pp. 972-985) mediu o peso de 30 ratos sob
controles experimentais. Suponha que haja 12 ratos abaixo do peso.
a) Calcule um intervalo bilateral de confiança de 95% para a
verdadeira proporção de ratos.
b) Usando a estimativa pontual de p, obtida a partir da amostra
preliminar, qual o tamanho necessário da amostra para estarmos
95% confiantes de que o erro em estimar o valor verdadeiro de p
seja menor do que 0,02?
c) Quão grande deve ser a amostra se desejarmos estar no mínimo
95% confiantes de que o erro em estimar p seja menor do que
0,02, independente do valor verdadeiro de p?
Intervalo de Confiança para a Variância
• Intervalo de Confiança para a Variância e Desvio Padrão
– Algumas vezes são necessários intervalos de confiança para

a variância e desvio-padrão.
– Para tanto, utilizaremos a distribuição Qui-Quadrado:
Distribuição X2
Seja X1, X2, ..., Xn uma amostra aleatória proveniente de uma distribuição
normal, com média e variância , e seja S2 a variância da amostra. Então a
variável aleatória
𝑛 −1 𝑆 2
X =
2
𝜎
tem uma distribuição qui-quadrado (X
2 2), com n-1 graus de liberdade

– Distribuição Qui-Quadrado
• A variável aleatória qui-quadrado é não

negativa e a distribuição de probabilidades é deslocada
para a direita

– Tabela da distribuição qui-quadrado
• Exemplo: X20,05,10= 18,307 (ponto

5% superior) X20,95,10= 3,940 (ponto
5% inferior)

– A construção do IC de 100(1-α)% para σ2 é direita, uma vez

que:
𝑛 −1 2
X =
2
𝑆
𝜎
2
P (X21-α/2,n-1 ≤ X2 ≤ X2α/2,n-1) = 1 - α
𝑛 −1
≤ X2α/2,n-1) = 1 - α
P (X21-α/2,n-1 ≤ .𝑆 2𝜎 2
𝑛 −1 . 2 𝑛 −1 . 2
P (X𝑆2 ≤ 𝜎 2≤ X2𝑆
)=1-α
α/2,n−1 1−α/2,n−1


Se s2 for a variância amostral de uma amostra aleatória de n observações
provenientes de uma população normal, com variância desconhecida σ2,
então um intervalo de confiança de 100(1-α)% para σ2 será
𝑛 −1 𝑠 2 𝑛 −1 𝑠 2
≤ 𝜎 2≤
X2α/2,n−1 X21−α/2,n−1
sendo X2α/2,n−1 e X21−α/2,n−1 os pontos percentuais superior e inferior 100α/2% da

distribuição qui-quadrado, com n-1 graus de liberdade, respectivamente. Um
intervalo de confiança para σ tem limites inferior e superior que são as raízes
quadradas dos limites correspondentes na equação.

– É também possível encontrar um limite inferior ou superior

de confiança de 100(1-α)% para σ2
Limites Unilaterais de Confiança para a Variância

Os limites inferior e superior de confiança de 100(1-α)% para σ2 são:
𝑛 −1 𝑠 2
X
𝑛2−1 𝑠 2
≤ e 𝜎2 ≤
α,n−1 X21−α,n−
1
𝜎2 respectivamente.

Exemplo 8: Uma máquina automática de enchimento é usada para

encher garrafas com detergente líquido. Uma amostra aleatória de 20
garrafas resulta em uma variância amostral de volume de enchimento
de 0,0153 (onça fluida)2. Considerando que o volume de enchimento
seja distribuído de forma aproximadamente normal. Encontrar um
intervalo superior de confiança de 95%
𝑛 −1 2 19 0,0153
α= 0,05 𝜎2 ≤ X2𝑠 𝜎 2 ≤ 10,117
1−α,n−1
n = 20
𝜎 2 ≤ 0,0287 (onça fluida)2
s2=0,0153
X2α,n-1 = σ ≤ 0,17 onça fluida
X20,95,19 =
10,117
Exercício 9: Um rebite deve ser inserido em um orifício. Uma amostra

aleatória de n=15 peças é selecionada e o diâmetro do orifício é
medido. O desvio padrão das medidas do diâmetro do orifício é
s=0,008 milímetro. Construa um limite inferior de confiança de 99%
para σ2.

Exercício 10: Considere a situação do exercício anterior (exercício 9).

Encontre um limite inferior de confiança de 99% para o desvio padrão.
R: [0,0055,∞)

Exercício 11: O conteúdo de açúcar na lata de pêssegos em calda é

normalmente distribuído. Uma amostra aleatória de n=10 latas resulta
em um desvio padrão amostral de s = 4,8 miligramas. Calcule um
intervalo bilateral de confiança de 95% para σ.

Exercício 12: A percentagem de titânio em uma liga usada na fundição

de aeronaves é medida em 51 peças selecionadas aleatoriamente. O
desvio padrão amostral é s = 0,37. Construa um intervalo bilateral de
confiança de 95% para σ.
R: [0,31, 0,46]
Exercício 13: Um artigo na revista Cancer Research testou a

capacidade de droga na gênese de um tumor. Ratos
selecionados
uma aleatoriamente
foram de ninhadas e receitados com a droga.
Os tempos de aparecimento do tumor foram registradas conforme
segue:
101, 104, 104, 77, 89, 88, 104, 96, 82, 70, 89, 91, 39, 103, 93, 85, 104, 104,
81, 67, 104, 104, 87, 104, 89, 78, 104, 86, 76, 103, 102, 80, 45, 94, 104, 104,
76, 80, 72, 73
Calcule o intervalo de confiança de 95% para o desvio padrão do

tempo até o aparecimento do tumor. Verifique a suposição de
normalidade da população e comente sobre as suposições para o
intervalo de confiança.

Aula 05 - Intervalo de Confiança

Enviado por

Dados do documento

Descrição original:

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Aula 05 - Intervalo de Confiança

Enviado por

Direitos autorais:

Formatos disponíveis

CCE0174 – Estatística Aplicada à Engenharia

Aula 05 – Intervalo de Confiança

Prof. Me. André Breve

• Na aula anterior, ilustramos com um parâmetro pode ser estimado

• Uma estimativa de intervalo para um parâmetro de uma população

• Informação sobre a precisão de estimação é expressa pelo

– Intervalo curto = estimação precisa

Estatística Aplicada à Engenharia – Prof. Msc. André Breve

• Não podemos estar certos de que o intervalo contém o parâmetro

• No entanto, o intervalo de confiança (IC) é construído de modo que

• Intervalos de Confiança são largamente utilizados em engenharia e

Estatística Aplicada à Engenharia – Prof. Msc. André Breve

• Construir um intervalo de confiança para um parâmetro nada mais é

• Inúmeros casos na Engenharia se faz necessária a construção de

– Em linhas de produção, é necessário estabelecer margens com a

– Ensaios científicos devem gerar resultados confiáveis para a

Estatística Aplicada à Engenharia – Prof. Msc. André Breve

• Suponha que tenhamos uma população normal, com

– Sabemos que a média da amostra é normalmente

Estatística Aplicada à Engenharia – Prof. Msc. André Breve

Limite inferior de confiança Limite superior de confiança

Há uma probabilidade de 1 – α de selecionar uma

Estatística Aplicada à Engenharia – Prof. Msc. André Breve

Estatística Aplicada à Engenharia – Prof. Msc. André Breve

Intervalo de Confiança para a Média, Variância Conhecida

Se for a média amostral de uma amostra aleatória, de tamanho n,

sendo zα/2 o ponto superior com 100α/2% da distribuição normal padrão

Estatística Aplicada à Engenharia – Prof. Msc. André Breve

– Valores de zα/2 para os níveis de confiança mais usados na

Estatística Aplicada à Engenharia – Prof. Msc. André Breve

Exemplo 1: A norma padrão ASTM E23 define métodos padrões de

Estatística Aplicada à Engenharia – Prof. Msc. André Breve

Estatística Aplicada à Engenharia – Prof. Msc. André Breve

Exercício 1: Deseja-se obter uma estimativa de intervalo de confiança

Estatística Aplicada à Engenharia – Prof. Msc. André Breve

Exercício 2: O rendimento de um processo químico está sendo

Estatística Aplicada à Engenharia – Prof. Msc. André Breve

– Limites unilaterais de confiança

Limites Unilaterais de Confiança para a Média, Variância Conhecida

O limite superior com 100(1-α)% de confiança para μ é dado por:

O limite inferior com 100(1-α)% de confiança para

Estatística Aplicada à Engenharia – Prof. Msc. André Breve

• Variância Conhecida – Limites Unilaterais de Confiança

Exemplo 2: Os mesmos dados para o teste de impacto do Exemplo 1

• Variância Conhecida – Limites Unilaterais de Confiança

Exercício 3: Um fabricante produz anéis para pistões de um motor de

Estatística Aplicada à Engenharia – Prof. Msc. André Breve

– Quando a variância σ2 for desconhecida, um procedimento

– A variável aleatória Z torna-se agora T:

– A aparência da distribuição t é similar à da distribuição normal

Estatística Aplicada à Engenharia – Prof. Msc. André Breve

– Exemplo do uso da tabela: t com 10 graus de liberdade,

Estatística Aplicada à Engenharia – Prof. Msc. André Breve

– É simples encontrar um intervalo de confiança de 100(1-α)%

Estatística Aplicada à Engenharia – Prof. Msc. André Breve

Intervalo de Confiança para a Média, Variância Desconhecida

Se e s forem a média e o desvio padrão de uma amostra aleatória,

Estatística Aplicada à Engenharia – Prof. Msc. André Breve

Exemplo 3: Um artigo no periódico Materials Engineering descreve

Encontrar um intervalo de confiança de 95% para a

Estatística Aplicada à Engenharia – Prof. Msc. André Breve

n = 22 13,71 – 2,08 3,55 ≤ μ ≤ 13,71 + 2,08 3,55