Escola Superior de Agricultura

“Luiz de Queiroz”
Universidade de São Paulo

LCE0211 – Estatística Geral

Profa. Andréia Adami

deiaadami@terra.com.br
 Relembrando
Distribuição Normal
se sua função densidade de probabilidade for
dada por:

Distribuição Normal Padrão – valores de

probabilidade tabelados

se sua função densidade de probabilidade for

dada por:
 Estimação de Parâmetros
• Avaliar certas características dos elementos da
população com base nos dados de uma
amostra.
• Relembrar algumas definições:
– População: é o conjunto de elementos para os
quais desejamos que as conclusões da pesquisa
sejam válidas;
– Parâmetro: é uma medida que descreve certa
característica da população;
– Amostra aleatória simples: parte da população
cujos elementos foram extraídos por sorteio.
 Estimação de Parâmetros
– Estatística: alguma medida associada com os
dados de uma amostra a ser extraída da
população, também chamada de estimador;
– Erro amostral: é a diferença entre uma estatística
e o parâmetro que se quer estimar;
– Estimativa: valor da estatística, calculado com
base na amostra efetivamente observada.
 Estimação de Parâmetros
Parâmetros Estatísticas
(características na (características da
população) amostra)
proporção de algum atributo, proporção de elementos com o
dentre os elementos da atributo de interesse, dentre os
população que serão observados na
amostra
média de alguma variável média da variável, a ser
quantitativa, nos elementos da calculada com os elementos da
população amostra
desvio padrão de uma variável, desvio padrão da variável, a
dentre os elementos da ser calculado com os
população elementos da amostra
 Distribuição Amostral
A distribuição amostral de uma estatística é a
distribuição dos possíveis valores dessa estatística, se
examinássemos todas as possíveis amostras de
tamanho n, extraídas aleatoriamente de uma
população.
 Distribuição Amostral
A distribuição amostral de uma estatística é a
distribuição dos possíveis valores dessa estatística, se
examinássemos todas as possíveis amostras de
tamanho n, extraídas aleatoriamente de uma
população.

Distribuição amostral da média ()

Distribuição amostral da proporção (p)

 Distribuição Amostral da Média
• Consideremos uma população identificada pela
variável X, cujos parâmetros média
populacional, , e variância populacional, sejam
conhecidos. Vamos retirar todas as possíveis AAS
(amostra aleatória simples) de tamanho n dessa
população e para cada uma das amostras iremos
calcular a média amostral dada por .
• Estudaremos então a Distribuição Amostral da
Média
 Distribuição Amostral da Média
Teorema do Limite Central:
Quando o tamanho da amostra (n) aumenta,
independentemente da forma da distribuição da
população (distribuição da variável aleatória X), a
distribuição amostral de aproxima-se cada vez
mais de uma distribuição Normal com média e
variância .
 Distribuição Amostral da Média
Teorema do Limite Central
 Distribuição Amostral da Média
Teorema do Limite Central

Exemplo: Uma variável aleatória X tem distribuição

Normal com média 100 e desvio padrão 10.
última aula:
 Distribuição Amostral da Média
Teorema do Limite Central

Exemplo: Uma variável aleatória X tem distribuição

Normal com média 100 e desvio padrão 10.
última aula:
 Distribuição Amostral da Média
Teorema do Limite Central

Exemplo: Uma variável aleatória X tem distribuição

Normal com média 100 e desvio padrão 10.
Se desta população for retirada uma amostra de
tamanho n=16 elementos. Qual a probabilidade
de a média dessa amostra, estar entre 90 e 110?

Temos que usar o Teorema do Limite Central

 Distribuição Amostral da Média
Teorema do Limite Central

𝑿 𝑵 (𝝁 , 𝝈 )
𝟐

( )
𝟐
𝝈
𝑿 𝑵 𝝁,
𝒏
 Distribuição Amostral da Média
Teorema do Limite Central
• Para fazer a padronização da variável X tínhamos
que subtrair a média de sua distribuição () e
dividir essa diferença pelo desvio padrão ().
• Para fazer a padronização da média amostral
seguiremos o mesmo procedimento. Dado que:
 Distribuição Amostral da Média
Teorema do Limite Central

Exemplo:
 Distribuição Amostral da Média
Teorema do Limite Central

Exemplo:
 Distribuição Amostral da Média
Teorema do Limite Central
 Distribuição Amostral da Média
Exemplo: Deseja-se estudar o tempo médio de estudo
(em anos) da população adulta de um município. Sabe-
se que o tempo de estudo (variável X) tem distribuição
normal com média 10,5 anos e desvio padrão σ = 2,6
anos. Qual probabilidade de que, entrevistados n = 25
indivíduos dessa população, o tempo médio de estudo
() seja inferior a 10 anos.
X: tempo de estudo;
: tempo médio de estudo
 Distribuição Amostral da Média
Exemplo: Deseja-se estudar o tempo médio de estudo
(em anos) da população adulta de um município. Sabe-
se que o tempo de estudo (variável X) tem distribuição
normal com média 10,5 anos e desvio padrão σ = 2,6
anos. Qual probabilidade de que, entrevistados n = 25
indivíduos dessa população, o tempo médio de estudo
() seja inferior a 10 anos.

: tempo médio de estudo

 Distribuição Amostral da Média
Exemplo: Deseja-se estudar o tempo médio de estudo
(em anos) da população adulta de um município. Sabe-
se que o tempo de estudo (variável X) tem distribuição
normal com média 10,5 anos e desvio padrão σ = 2,6
anos. Qual probabilidade de que, entrevistados n = 25
indivíduos dessa população, o tempo médio de estudo
() seja inferior a 10 anos.
 Distribuição Amostral da Média
Exemplo: Deseja-se estudar o tempo médio de estudo
(em anos) da população adulta de um município. Sabe-
se que o tempo de estudo (variável X) tem distribuição
normal com média 10,5 anos e desvio padrão σ = 2,6
anos. Qual probabilidade de que, entrevistados n = 25
indivíduos dessa população, o tempo médio de estudo
() seja inferior a 10 anos.
 Distribuição Amostral da Média com
desconhecida
• Observe que, para utilização do teorema do limite
central, temos que assumir que a variância populacional
é conhecida. Entretanto, é muito pouco provável que em
uma situação real ela realmente seja conhecida. Assim,
faz-se necessário o uso do seguinte Teorema:
• Seja uma população descrita por uma variável da qual
coleta-se infinitas amostras de tamanho a partir das quais
são calculadas e . Então a variável , tem distribuição t de
Student, que tem como único parâmetro a constante
graus de liberdade.
 Distribuição Amostral da Média com
desconhecida
• istribuição t de Student
– É semelhante à distribuição Normal, pois é simétrica
em relação à média e tem forma campanular (sino);
– A distribuição t de Student é definida a partir de um
único parâmetro, o número de graus de liberdade
obtido por ;
– Será bastante utilizada em testes de hipótese para
média e diferença entre médias populacionais.

Utilizaremos a distribuição t de Student na aula de

teste de hipóteses.
 Distribuição Amostral da Média com
desconhecida

A precipitação pluviométrica anual em uma certa

região segue uma distribuição Normal com média
30mm e variância desconhecida . Para os nove
últimos anos, foram obtidos os seguintes
resultados: 30,5; 34,1; 27,9; 35,0; 26,9; 30,2; 28,3;
31,7; 25,8mm. (s). Qual a probabilidade da
precipitação pluviométrica anual média () ser
superior a 31mm.
 Distribuição Amostral da Média com
desconhecida

X: precipitação pluviométrica anual;

: precipitação pluviométrica anual média

 Distribuição Amostral da Proporção ()
• Designemos uma variável X para cada ensaio de
Bernoulli, onde há somente dois resultados possíveis:
Sucesso (S) e Fracasso (F), com P[Sucesso]=p. Neste
contexto, considerando n ensaios independentes, X1,
X2, ... , Xn constitui uma amostra aleatória simples com
reposição. Como os resultados individuais são 0
(fracasso) ou 1 (sucesso), é o número de resultados
favoráveis em n ensaios.
• Plantar 4 sementes (n=4).
X: Avaliar cada semente ( ou)  Ensaio Bernoulli
Y: Avaliar número de sementes germinadas  Ensaio
Binomial
 Distribuição Amostral da Proporção
• Então, Y = X1 + X2 + ... + Xn = = número de
sucessos em n ensaios.
• Portanto, a proporção amostral de sucessos é
dada por: ou seja,é igual à média da variável
aleatória Xi (i = 1, 2, ..., n).
• Y tem distribuição binomial (n, p):
média
variância
Consequentemente, e
 Distribuição Amostral da Proporção
• Assim, pelo Teorema do Limite Central, quando
n é grande (n>30), a proporção amostral de
sucessos () em uma amostra de tamanho n tem
distribuição aproximadamente normal com:
e
 Distribuição Amostral da Proporção
• Exemplo: De um lote de produtos
manufaturados, extrai-se uma amostra
aleatória simples de 100 itens. Se 10% dos itens
do lote são defeituosos, calcule a probabilidade
de, nessa amostra, serem sorteados no máximo
12% itens defeituosos.
Seja X = “número de itens defeituosos na
amostra”. Então, X ∼ Bin(100; 0,1).
 Distribuição Amostral da Proporção
• Exemplo: De um lote de produtos
manufaturados, extrai-se uma amostra
aleatória simples de 100 itens. Se 10% dos itens
do lote são defeituosos, calcule a probabilidade
de, nessa amostra, serem sorteados no máximo
12%itens defeituosos(passa a ser 12,5%)
Correção de continuidade
 Distribuição Amostral da Proporção
• Exemplo:
 Distribuição Amostral da Proporção
• Exemplo:
 Exercícios
1) Uma fábrica de sapatos tem uma máquina que corta
peças de borracha comprimida para serem usadas em
solas. A espessura dessas solas é uma variável aleatória
com distribuição normal com desvio padrão igual a 2mm,
com valor médio . Para se tentar corrigir estas medidas,
reajustando a máquina, é conveniente verificar a
qualidade do produto, medindo espessura das solas de
uma amostra aleatória retirada periodicamente da
máquina.
....continua
 Exercícios
...continuação
De uma amostra de 5 elementos foram registadas as
espessuras e calculada a média aritmética ().
Se ou diz-se que a máquina não está controlada, pelo
que é parada e reajustada.
a) Com a média = 25 mm, qual a probabilidade de a
amostra indicar que a máquina não está controlada?

b) Se a média mudar para = 25,3 mm, qual a

probabilidade de a amostra indicar que a máquina não
está controlada?
 Exercícios
...continuação
De uma amostra de 5 elementos foram registadas as
espessuras e calculada a média aritmética ().
Se ou diz-se que a máquina não está controlada, pelo
que é parada e reajustada.
a) Com a média = 25 mm, qual a probabilidade de a
amostra indicar que a máquina não está controlada?
R. 1- 2*(0,0871)=0,8258
b) Se a média mudar para = 25,3 mm, qual a
probabilidade de a amostra indicar que a máquina não
está controlada?
R. 1- (0,2123-0,0438)=0,08315
 Exercícios
2) Uma proporção de 37% dos visitantes de um parque
são favoráveis a cobrança de taxas de entrada. Uma
amostra aleatória de 200 visitantes foi tomada.
(a) Qual é a probabilidade de que na amostra de 200
visitantes pelo menos 40% sejam favoráveis a cobrança
de taxas?
(b) Qual é a probabilidade de que na amostra de 200
visitantes, a proporção de favoráveis a cobrança de taxas
esteja entre 35% e 39%?
 Exercícios
2) Uma proporção de 37% dos visitantes de um parque
são favoráveis a cobrança de taxas de entrada. Uma
amostra aleatória de 200 visitantes foi tomada.
(a) Qual é a probabilidade de que na amostra de 200
visitantes pelo menos 40% sejam favoráveis a cobrança
de taxas? R. 0,5-0,3106=0,1894
(b) Qual é a probabilidade de que na amostra de 200
visitantes, a proporção de favoráveis a cobrança de taxas
esteja entre 35% e 39%? R. 2*(0,2224)=0,4448
 Exercícios
4) A velocidade (em km/h) dos carros num túnel do Rio de
Janeiro num horário de pouco movimento é uma variável
aleatória com distribuição Normal com média 85 km/h e
desvio padrão 10 km/h.
(a) A que velocidade você deve trafegar para estar entre os
5% mais rápidos?
(b) A velocidade máxima permitida no túnel é 80 km/h,
mas há uma tolerância de 10% (e então, se você estiver
a uma velocidade menor ou igual a 88 km/h não leva
multa). Qual a probabilidade de um carro selecionado
aleatoriamente ser multado?
...continua
 Exercícios
...continuação

(c) Toma-se uma amostra de 10 carros. Calcule a

probabilidade de que a velocidade média dos carros na
amostra seja maior que 100 km/h.
 Exercícios
4) A velocidade (em km/h) dos carros num túnel do Rio de
Janeiro num horário de pouco movimento é uma variável
aleatória com distribuição Normal com média 85 km/h e
desvio padrão 10 km/h.
(a) A que velocidade você deve trafegar para estar entre os
5% mais rápidos? R. X=101,45
(b) A velocidade máxima permitida no túnel é 80 km/h,
mas há uma tolerância de 10% (e então, se você estiver
a uma velocidade menor ou igual a 88 km/h não leva
multa). Qual a probabilidade de um carro selecionado
aleatoriamente ser multado? R. 0,5-0,1179=0,3821
...continua
 Exercícios
...continuação

(c) Toma-se uma amostra de 10 carros. Calcule a

probabilidade de que a velocidade média dos carros na
amostra seja maior que 100 km/h. R. P=0,0000