Sie sind auf Seite 1von 16

Estatstica II ...........................................................................................................................................

116

13 Inferncia Estatstica Teoria da Estimao


13.1 Introduo

A partir deste captulo abordaremos situaes em que o interesse est em obter informaes
da populao a partir dos resultados de uma amostra. Como exemplo, consideremos que uma
empresa comercializa um programa educacional para escolas e afirma que o percentual de aceitao
de 85%. Para testar a afirmao da empresa, realizou-se uma experincia com uma amostra de 50
escolas, verificando-se a aceitao em 42 delas.
Outro exemplo trata-se de um psiquiatra interessado em determinar o tempo de reao de
um medicamento anti-depressivo em crianas. Uma amostra aleatria de crianas que utilizaram
o medicamento obtida e analisamos o tempo mdio de reao. Nestes dois exemplos, deseja-se
avaliar uma afirmao sobre o parmetro ou determinar o valor de um parmetro por meio de
uma amostra.
A seguir vamos definir alguns conceitos bsicos de inferncia estatstica.

- Parmetro: uma medida numrica, em geral desconhecida, que descreve uma caracterstica
de interesse da populao. So representados, geralmente, por letras gregas tais como, (mdia
populacional) e o (desvio-padro populacional), entre outros. Neste texto, usaremos a letra p para
representar a proporo populacional.
- Estatstica: qualquer valor calculado a partir dos dados amostrais. Por exemplo, x (mdia
amostral), s (desvio-padro amostral), p (proporo amostral), etc. A estatstica uma varivel
aleatria, no sentido que (a) uma quantidade incerta (antes de obter a amostra no sabemos seu
valor) e (b) seu valor varia de amostra para amostra. claro que, quando uma amostra
selecionada, e uma estatstica calculada, torna-se ento uma constante, ou seja, o resultado de
uma varivel aleatria.
- Estimador e Estimativa: uma estatstica destinada a estimar um parmetro populacional
chamada estimador. Dada uma amostra, o valor assumido pelo estimador chamado de estimativa
ou valor estimado do parmetro. As estimativas obtidas por meio da estatstica variam de acordo
com a amostra selecionada.


Estatstica II ...........................................................................................................................................117

Os procedimentos de inferncia estatstica compreendem duas metodologias. Uma
chamada de estimao, na qual ns usamos o resultado amostral para estimar o valor desconhecido
do parmetro; a outra, conhecida como teste de hipteses, em que ns usamos o resultado
amostral para avaliar se uma afirmao sobre o parmetro (uma hiptese) sustentvel ou no.
Teoria de estimao o assunto principal deste captulo e teste de hipteses ser retomado no
prximo captulo.
importante estudar as propriedades do estimador, para avali-lo, ou seja, para poder
responder a pergunta: Ser que um bom estimador para o parmetro? Essas propriedades esto
baseadas na distribuio de probabilidades do estimador, chamada de distribuio amostral.


13.2 Distribuies Amostrais

Na seo anterior, vimos que as estatsticas e, portanto os estimadores so variveis
aleatrias. A distribuio de probabilidades de uma estatstica conhecida como distribuio
amostral e seu desvio-padro referido como erro padro.
Uma forma de obter a distribuio amostral de um estimador pensarmos em todas as
amostras possveis de tamanho n que podem ser retiradas da populao, usando, por exemplo,
amostragem aleatria simples com reposio.
Quando obtemos todas as amostras de tamanho n da populao encontramos estimativas
diferentes para o mesmo parmetro, porm, em mdia, so iguais ao parmetro; e tendem a ser mais
homogneas com o aumento do tamanho da amostra. Este resultado to surpreendente, que torna
possvel o uso de uma amostra para estimar os parmetros da populao. Se esta fosse a nica forma
de obter a distribuio amostral, o processo de inferncia ficaria invivel para populaes reais, pois
necessrio obter todas as possveis amostras de tamanho n para construir a distribuio amostral.
Felizmente, pela teoria de probabilidades podemos mostrar que se X tem distribuio Normal, a
mdia amostral, x tambm tem distribuio Normal.






Estatstica II ...........................................................................................................................................118

13.3 Teorema Central do Limite

Uma razo para a distribuio Normal ser considerada to importante porque qualquer que
seja a distribuio da varivel de interesse para grandes amostras (n 30), a distribuio da mdia
amostral x aproximadamente Normal com mdia e desvio padro n / , e tendero a uma
distribuio normal medida que o tamanho de amostra aumenta. Ento podemos ter uma varivel
original com uma distribuio muito diferente da Normal, mas se tomarmos vrias amostras
grandes desta distribuio, ento fizermos um histograma das mdias amostrais, a forma se parecer
como uma curva Normal.
A aproximao para a Normal melhora medida que o tamanho amostral aumenta. Este
resultado conhecido como o Teorema Central do Limite e notvel porque permite-nos conduzir
alguns procedimentos de inferncia sem qualquer conhecimento da distribuio da populao.


13.4 Estimao de Parmetros

Quando estamos interessados em determinado parmetro de uma populao, retiramos uma
amostra dessa populao, estudamos seus elementos e procuramos por meio dessa amostra estimar
o parmetro populacional.

Exemplo: Um candidato a deputado estadual pode querer avaliar a proporo de eleitores de seu
estado que o favorecem, consultando uma amostra de 100 eleitores. A proporo de eleitores da
amostra favorveis a ele servir como estimativa da correspondente proporo populacional, que s
ser conhecida aps as eleies.

Vamos distinguir dois casos de estimao de parmetros: por ponto e por intervalo.

- Estimao por ponto (pontual)

Quando a partir de uma amostra representativa da populao, o pesquisador procura obter
um nico valor numrico para o parmetro de interesse.

- Estimao intervalar (intervalo de confiana)

Ao invs de estimar o parmetro de interesse por um nico valor, muito mais informativo
estim-lo por um intervalo de valores que considere a variao presente na amostra e que contenha
o seu verdadeiro valor com determinada confiana. Este intervalo chamado de intervalo de
confiana. Para construir um intervalo de confiana precisamos conhecer a distribuio de
probabilidade do estimador. Lembre que um estimador uma varivel aleatria e que uma varivel
aleatria completamente caracterizada por sua distribuio de probabilidade.
Estatstica II ...........................................................................................................................................119

Um intervalo de confiana est associado a um grau de confiana que uma medida da
nossa certeza de que o intervalo contm o parmetro populacional. A definio de grau de confiana
utiliza o para descrever uma probabilidade que corresponde a uma rea. Veja a figura abaixo, onde
a probabilidade o est dividida igualmente entre duas regies extremas sombreadas (geralmente
chamadas caudas) na distribuio normal padronizada.


Grau de confiana
a probabilidade 1 - o (comumente expressa como valor percentual
equivalente) de o intervalo de confiana conter o verdadeiro valor do
parmetro populacional.

Observaes:

- Nvel de significncia (o) do intervalo igual ao complemento de seu grau de confiana;
portanto, mede a probabilidade de estarmos errando a estimativa.


- A escolha do nvel ou grau de confiana (1 - o) depende da preciso com que desejamos estimar
o parmetro. Evidentemente que o aumento de confiana no intervalo, implica no aumento de
sua amplitude, que pode muitas vezes no interessar em termos prticos.

13.5 Estimao da Proporo Populacional

Nesta seo, as variveis so referentes a contagens, como o nmero de pessoas que se
sentem mal aps tomar uma vacina, nmero de unidades defeituosas em um lote de determinado
produto manufaturado, nmero de usurios de um site, e assim por diante. Abordamos a estimativa
pontual do parmetro p e em seguida, construiremos estimativas intervalares.
Da mesma forma que um conjunto de mdias amostrais so distribudas nas proximidades da
mdia populacional, as propores amostrais p so distribudas ao redor da verdadeira proporo
populacional p. Devido ao Teorema Central do Limite, para n grande e p no muito prximo de 0
ou 1, a distribuio de p ser aproximadamente Normal com mdia p e um desvio- padro dado
por
n
pq
que chamamos de erro padro da proporo amostral.


Estatstica II ...........................................................................................................................................120

Estimativa Pontual

Consideremos o caso em que o parmetro a ser estimado a proporo p de indivduos em
uma populao, que apresentam uma certa caracterstica. Retira-se da populao uma amostra de
tamanho n. X ser o nmero de elementos da amostra que apresentam a caracterstica em estudo.
Um estimador da proporo populacional p ser a proporo amostral p .

p = X/n
Exemplo 1: A prefeitura de uma cidade pretende avaliar a aceitao de certo projeto educacional.
Depois de apresent-lo aos moradores do municpio, os responsveis por sua execuo desejam
avaliar o valor aproximado do parmetro p = proporo de favorveis ao projeto, dentre os
indivduos residentes no municpio. Para estimar este parmetro, a prefeitura planeja observar uma
amostra aleatria simples de n = 400 moradores e calcular o valor da estatstica p = proporo de
favorveis ao projeto na amostra. Por exemplo, se na amostra 240 favorveis, temos a seguinte
estimativa pontual para o parmetro p:
p = X/n = 240/400 = 0,60

Contudo, no devemos esperar que este valor coincida com o valor do parmetro p, pois
haver uma variao devido ao que chamamos de erro amostral.

Intervalo de Confiana

O desvio-padro da distribuio amostral das propores, o
p
, tambm conhecido como erro
padro, pode ser estimado pelos dados da amostra.

n
q p .
s
p
=


A Tabela 13.1 foi construda a partir da Tabela Normal Padro, que associa os nveis de
confiana mais usados, com valores de z
2
.


Tabela 13.1- Parte de uma tabela da Normal Padro
rea 0,800 0,850 0,900 0,950 0,980 0,990 0,995 0,998
z
2
1,28 1,44 1,65 1,96 2,33 2,58 2,81 3,09

Fixado o nvel de confiana, podemos obter o correspondente valor de z
2
. E, a partir da,
calcular erro mximo da estimativa.





Estatstica II ...........................................................................................................................................121



Definio
Quando utilizamos dados amostrais para estimar uma proporo populacional
p, a margem de erro, denotado por E, a diferena mxima provvel (com
probabilidade 1- o) entre a proporo amostral observada e a verdadeira
proporo populacional. A margem de erro E chamada tambm erro
mximo da estimativa e pode ser obtida multiplicando-se o valor crtico pelo
desvio-padro da distribuio amostral das propores, conforme a frmula
abaixo:
n
q . p
z E
2
=


O intervalo de confiana para p:

Intervalo de Confiana para a Proporo Populacional p
n
q . p
n
q . p
2 2
p p p

z z + s s


Exemplo 1: (continuao) - Admita que na amostra de n = 400 elementos, encontramos 60% de
favorveis. Temos, ento, p = 0,60 e o erro padro dado por:

400
) 40 , 0 ).( 60 , 0 (
s
p
=
= 0,024

Usando nvel de confiana de 95%, temos um erro da estimativa de:

1,96 .
p
s
= 1,96.(0,024) = 0,048.

O intervalo de 95% de confiana para p:

n
q . p
n
q . p
2 2
p p p

z z + s s




048 , 0 60 , 0 p 048 , 0 60 , 0 + s s
Estatstica II ...........................................................................................................................................122

648 , 0 p 552 , 0 s s
Desta forma, podemos dizer que o intervalo 0,552 a 0,648 contm, com 95% de confiana,
o parmetro p = proporo de favorveis em toda a populao de moradores do municpio.


Exemplo 2: Uma amostra aleatria de 400 clientes de um supermercado inclui 288 que utilizam
regularmente cupons de desconto. Construa um intervalo de confiana de 98% para a proporo dos
clientes do supermercado que utilizam os cupons.



Exemplo 3: Uma amostra aleatria de 500 consumidores revelou que 100 consumidores tinham
planos de adquirir um novo carro durante o prximo ano. Construa um intervalo de confiana de
90% para a proporo de consumidores com os mesmos planos.









13.6 Estimao da Mdia Populacional ()

Consideremos uma populao em que h interesse em estimar, , a mdia de X, uma
varivel aleatria. Suponhamos que uma amostra aleatria de tamanho n foi selecionada da
populao para obter uma estimativa de .
O estimador x aquele que apresenta as melhores propriedades para estimar mdia
populacional, .
O erro padro da mdia amostral pode ser estimado, a partir do desvio-padro amostral:

n
s
x
s =


- Amostras Grandes

Pelo Teorema Central do Limite vimos que para uma amostra suficientemente grande a
distribuio das mdias amostrais em torno da mdia populacional Normal com desvio-padro
n / . Chamamos de n / o erro padro da mdia, uma vez que quanto menor seu valor tanto
mais prximas estaro as mdias amostrais da mdia populacional .



Estatstica II ...........................................................................................................................................123

Quando temos uma amostra grande, podemos avaliar o erro mximo ou margem de erro da
estimativa por:
n
s
z E
2
=
em que z
2
pode ser obtido da Tabela 13.1, em funo do nvel de confiana desejado.

Intervalo de Confiana para a Mdia Populacional
n
s
x
n
s
x
2 2
z z

+ s s


Este tipo de intervalo de confiana para a mdia pode ser usado para grandes amostras,
independentemente da distribuio da varivel original.

Exemplo 1: Para estudar o efeito da merenda escolar, introduzida nas escolas de um grande
municpio, planeja-se acompanhar uma amostra de n = 100 crianas, que esto entrando na rede
municipal de ensino. Dentre diversas caractersticas de interesse, pretende-se avaliar o parmetro
= ganho mdio de peso, dentre todas as crianas da rede municipal de ensino, durante o primeiro
ano letivo. Observando a amostra aleatria simples de n = 100 crianas, encontraram-se as seguintes
estatsticas relativas varivel ganho de peso ao longo do ano.

- Ganho mdio de peso das crianas da amostra: x = 6 kg;
- Desvio-padro dos pesos das crianas na amostra s = 2 kg.

Com o objetivo de estimar o parmetro = ganho mdio de peso da populao, podemos
calcular uma estimativa para o erro padro da mdia amostral

n
s
s
x
=


100
2
s
x
=
= 0,2

e o erro mximo da estimativa usando 95% de confiana :

1,96 (0,2) = 0,392

O intervalo de 95% de confiana para :

n
s
x
n
s
x
2 2
z z

+ s s
Estatstica II ...........................................................................................................................................124



0,392 6 0,392 6 + s s




Ou seja, a partir do acompanhamento da amostra das cem crianas, chegamos a concluso
que o intervalo
5,608 s s 6,392

Podemos dizer ento que o intervalo entre 5,608 e 6,392 contm o ganho mdio de peso,
com 95% de confiana.



Exemplo 2: A mdia de uma amostra de 43 medidas 26,3 e o desvio-padro, 1,9. Calcule um
intervalo de 98% de confiana para a mdia dessa populao.







- Amostras Pequenas

Quando dispomos de uma amostra pequena (n < 30), no temos a garantia da aplicao do
TCL, portanto a distribuio amostral da mdia pode no estar prxima da distribuio normal. A
teoria estatstica mostra que possvel construir estimativas intervalares para mdia populacional,
, utilizando uma certa distribuio, denominada de t de Student, que tambm tabelada.
A distribuio t, tem forma parecida com a Normal Padro, sendo um pouco mais dispersa.
Esta disperso varia com o tamanho da amostra, sendo bastante dispersa para amostras pequenas,
mas se aproximando da Normal Padro para amostras grandes. Em geral, a distribuio
apresentada em funo de um parmetro, denominado graus de liberdade, gl, definido, no caso de
estimao de uma mdia, por gl = n - 1.
Para obter o valor t da distribuio t de Student, basta calcular os graus de liberdade: gl =
n - 1, fixar o nvel de confiana desejado e usar a tabela.

Intervalo de Confiana para a Mdia Populacional
(Com base em uma amostra pequena e o desconhecido)
n
s
x
n
s
x
2 2
t t

+ s s
Estatstica II ...........................................................................................................................................125


Condio: Para que a distribuio t de Student seja aplicvel, a distribuio da populao bsica
deve ser essencialmente normal; no precisa ser exatamente normal, mas se tem apenas uma moda e
basicamente simtrica, obtemos em geral, bons resultados com intervalos de confiana precisos.
Se h forte evidncia de que a populao tem distribuio bastante assimtrica, ento uma
alternativa utilizar mtodos no-paramtricos.
Pode parecer um pouco estranho que, com uma populao distribuda normalmente,
venhamos eventualmente a utilizar a distribuio t para achar os valores associados ao nvel de
confiana; mas quando o no conhecido, a utilizao de s de uma amostra pequena incorpora
outra fonte de erro. Para manter o grau desejado de confiana compensamos a variabilidade
adicional ampliando o intervalo de confiana por um processo que substitui o valor de z
o/2
por um
valor maior t
o/2
.

Exemplo 1: Para verificar a eficcia de um programa de preveno de acidentes de trabalho, fez-se
um estudo experimental, implementando este programa em dez empresas da construo civil,
escolhidas ao acaso numa certa regio. Os dados abaixo referem-se aos percentuais de reduo de
acidentes de trabalho, na amostra destas dez empresas em que o programa foi implementado.


Amostra Estatsticas
20 15 23 11 29 5 20 22 18 17 Mdia: x = 18
Desvio-padro: s = 6,65

O objetivo estimar o parmetro = mdia da reduo percentual de acidentes de trabalho,
devido ao programa preventivo, em todas as empresas da construo civil da regio. Podemos obter
uma estimativa para o erro padro da mdia, como segue:

103 , 2
10
65 , 6
s
x
= =



Usando nvel de 95% de confiana, graus de liberdade gl = 9 (pois, n = 10 e
gl = n - 1), obtemos na tabela o valor t
o/2
= 2,26, donde podemos calcular o erro mximo da
estimativa:

753 , 4
10
6,65
2,26
n
s
t E
2
= = =



Ento, temos o seguinte intervalo de 95% de confiana para o parmetro :

n
s
x
n
s
x
2 2
t t

+ s s

753 , 4 18 753 , 4 18 + s s
Estatstica II ...........................................................................................................................................126


13,247 s s 22,753.

Exemplo 2: A mdia e o desvio-padro de uma amostra com 19 medidas foram determinados como
sendo 24,7 e 1,8, respectivamente. Determine um intervalo de 98% de confiana para a mdia
populacional correspondente.



Exemplo 3: O lucro por carro novo vendido por uma agncia de automveis varia de carro para
carro, devido variao dos abatimentos dados ao comprador. A tabela a seguir registra o lucro
com a venda da semana passada. Determine um intervalo de 90% de confiana para o lucro mdio
por venda de carros.


Lucro nas vendas
210
300
120
620
450
510
Exerccios:


1. Uma pesquisa efetuada com 130 funcionrios selecionados ao acaso de uma empresa revelou que
52 deles no mantinham convnio com alguma empresa particular de assistncia mdica. Construa
um intervalo de confiana de 90% para a proporo de funcionrios que mantm convnio com
alguma empresa particular de assistncia mdica.






2. Entrevistaram em uma cidade 1500 pessoas em idade de trabalho e constata-se que 145 esto
desempregadas. Construir um intervalo de 95% de confiana para a taxa de desemprego.






3. Uma mquina automtica de refrigerantes foi projetada para descarregar, em mdia, 7 onas de
bebida em cada copo. Para testar essa mquina, retiram-se 10 copos de refrigerante, medindo o
contedo de cada um. A mdia e o desvio-padro obtidos foram, respectivamente, 7,1 e 0,12 onas
de bebida. Determine um intervalo de 90% de confiana para a descarga mdia da mquina.
Estatstica II ...........................................................................................................................................127






4. Calcule o intervalo de confiana para a mdia em cada um dos casos abaixo:

Mdia Amostral Tamanho da amostra Desvio-padro Grau de confiana
a.
170 100 15 95%
b.
165 184 30 85%
c.
180 225 30 80%
d.
3,2 18 0,447 95%








5. Uma amostra aleatria de 625 donas de casa revela que 70% delas preferem a marca K de
detergente. Construir um intervalo de 90% de confiana para p = proporo das donas de casa que
preferem K.




6. Testou-se uma amostra de 36 cigarros de uma certa marca, a fim de verificar o teor de nicotina
presente. Essa amostra indicou uma mdia de 22 e um desvio-padro de 4. Determine um intervalo
de 98% de confiana para , a mdia efetiva do teor de nicotina dessa marca de cigarro.






7. Dada uma amostra de tamanho 150 e uma proporo amostral de 0,32.

a. Calcule o erro-padro da proporo



b. Construa um I.C. de 95%



c. Qual a estimativa pontual?



Estatstica II ...........................................................................................................................................128




8. Calcule o erro-padro da mdia com a seguinte amostra composta de 32 escores:

4 2 5 6 1 1 7 8 7 8 8 2 6 5 6 4
4 3 6 6 7 1 5 7 8 8 4 5 3 2 6 5




9. Com a mdia amostral do problema anterior, calcule:

a. Intervalo de Confiana de 95%



b. Intervalo de Confiana de 99%




10. Calcule o erro-padro da mdia com a seguinte amostra composta de 30 escores:

3 3 2 1 5 4 5 1 6 3 2 1 1 2 3
5 3 3 2 2 3 2 4 6 1 1 3 4 3 4


11. Com a mdia amostral do problema anterior, calcule:

a. Intervalo de confiana de 95%



b. Intervalo de confiana de 99%



12. Suponha que utilizemos uma amostra para estimar uma proporo populacional p. Determine a
margem de erro que corresponde aos valores dados de n, x e ao grau de confiana:

a. n = 800, x = 200 e 1 - o = 95%



b. n = 4275, x = 2576 e 1 - o = 98%
Estatstica II ...........................................................................................................................................129

13.7 Intervalo de Confiana para a Diferena entre Duas Mdias Populacionais
1
e
2


Em muitas situaes h necessidade de comparar duas populaes diferentes. Como
exemplos, podemos ter interesse em saber: se idosos que praticam exerccios fsicos diariamente
apresentam nvel de colesterol menor do que idosos, com as mesmas condies, mas que no
praticam exerccios fsicos diariamente; se um tipo de equipamento tem maior durabilidade do que
outro; e assim por diante. A seguir vamos utilizar um mtodo para construir um intervalo de
confiana para a diferena entre duas mdias, com duas amostras independentes.

Para tanto, uma amostra aleatria selecionada independentemente de cada populao.

Seja X a varivel aleatria a ser comparada. Suponhamos que X tenha mdia
1
e desvio-
padro o
1
na Populao 1 e tenha mdia
2
e desvio-padro o
2
na Populao 2. Suponhamos
tambm que as amostras tenham tamanhos n
1
e n
2
para as Populaes 1 e 2, respectivamente.


1 caso: quando os desvios- padro populacionais o
1
e o
2
so conhecidos ou (se n
1
e n
2
>
30).

Portanto, o intervalo de confiana para
1
-
2
ser dado por:


em que o valor de z
2
encontrado na tabela da distribuio Normal Padro, conforme o nvel de
confiana do intervalo.
Quando os parmetros, o
1
e o
2
, so desconhecidos podem ser substitudos por s
1
e s
2
, os
desvios-padro amostrais.


Exemplo 1: Duas populaes normais tem desvios-padro de 1,7 e 1,3, respectivamente. Da
populao 1 foi extrada uma amostra de 25 elementos obtendo-se x
1
= 42 e da populao 2 foi
extrada uma amostra de 16 elementos obtendo-se x
2
= 35. Construir o I.C. de 90 % para a
diferena de mdias.




2
2
2
1
2
1
. (
2 /
)
2 1
n n
Z x x

+
2
2
2
1
2
1
. (
2 /
)
2 1
n
s
n
s
Z x x +

Estatstica II ...........................................................................................................................................130

Observao: Quando o zero pertence ao intervalo de confiana, h forte evidncia de que no h
diferena significativa entre as duas mdias populacionais.

2 caso: quando os desvios-padro populacionais o
1
e o
2
so desconhecidos e (se n
1
e n
2
<
30).

Assumimos normalidade para as distribuies populacionais, como no caso de uma amostra.
Alm disso, devemos assumir aqui que o
1
= o
2
, isso quer dizer que as duas populaes tem o
mesmo desvio-padro, digamos, o. A varincia populacional, pode ser estimada por:


que representa uma varincia combinada, pois uma mdia ponderada das duas varincias
amostrais,
2
1
s e
2
1
s .
O intervalo de confiana para
1
-
2
ser dado por:

Exemplo 2: Um experimento realizado com funcionrios de uma empresa consistia em distribuir
pores de caf solvel entre consumidores de caf. Essas pores deveriam ser misturadas com
gua quente e tomadas antes de dormir. Os batimentos cardacos deveriam ser medidos antes e
depois de tomar o caf e a diferena registrada. Um grupo recebeu pores de caf com cafena e
outro, de um placebo. Os dados da diferena entre os batimentos cardacos esto apresentados
abaixo. Construir o intervalo de confiana de 90% para a diferena entre as mdias.

Caf com cafena Placebo
2 1
5 2
9 3
8 6
5 5
6 6
4 4
7 3
8 6
9 1
5 4
3
2
|
|
.
|

\
|
+
2 1
)
2 1
1 1
. (
2
2 /
n n
s t x x
p
2
2

1
2
2 2
2
1 1
) 1 ( ) 1 (
2
+
+
=
n n
s n s n
s
p
Estatstica II ...........................................................................................................................................131



Exerccios:


1. Os preos que duas aes atingiram ao final do dia foram anotados durante um perodo de 14
dias. As mdias e varincias obtidas foram:

Ao A Ao B
x
A
= 45,33 e s
2
A
= 1,54 x
B
= 43,54 e s
2
B
= 2,96

Determine um intervalo de confiana de 99% para a diferena entre os preos mdios desses dois
conjuntos de aes.











2. Realizou-se uma experincia a fim de comparar dois tipos de dieta, A e B, destinados reduo
de peso. Dois grupos, cada um com 30 pessoas gordas, foram tratadas, cada um usando uma dessas
dietas, sendo cada pessoa associada a uma dieta aleatoriamente. Antes e depois de um perodo de 30
dias de dieta, foram anotados os pesos de todas as pessoas, obtendo-se os resultados a seguir,
expressos em termo da reduo de peso verificada.


Dieta A Dieta B
x
A
= 21,3 x
B
= 13,4
s
A
= 2,6 s
B
= 1,9

Determine um intervalo de confiana de 95% para a diferena entre a mdia de perda de peso das
pessoas que fizeram os dois tipos de dieta.