Estatistica - Vitor - Menezes - Aula 08 PDF

Estatstica p/ STN
Prof Vtor Menezes
AULA 8: Estimadores pontuais e intervalos de

confiana (Retificado)
1. ESTIMADORES PONTUAIS .............................................................................................................. 2

1.1. Estimador para a mdia ........................................................................................................................ 4
1.2. Estimador para a varincia .................................................................................................................. 5
1.3. Estimador para uma proporo .......................................................................................................... 10
2. INTERVALO DE CONFIANA PARA A MDIA................................................................................. 11
2.1. como uma varivel aleatria ........................................................................................................... 11
2.2. Esperana e varincia de ................................................................................................................ 13
2.3. Intervalo de confiana para a mdia .................................................................................................. 23
2.4. Intervalo de confiana para a mdia quando a varincia da populao no conhecida................. 34
3. INTERVALO DE CONFIANA PARA PROPORES......................................................................... 40
3.1. como uma varivel aleatria ........................................................................................................... 40
3.2. Intervalo de confiana para uma proporo ...................................................................................... 43
4. INTERVALO DE CONFIANA E TAMANHO DA AMOSTRA ............................................................. 47
5. FATOR DE CORREO PARA POPULAES FINITAS..................................................................... 61
6. CARACTERSTICAS DOS ESTIMADORES ........................................................................................ 64
6.1. Estimador no tendencioso ................................................................................................................. 65
6.2. Estimador de varincia mnima. ......................................................................................................... 67
6.3. Estimador de mnimos quadrados ....................................................................................................... 68
6.4. Estimador de mxima verossimilhana............................................................................................... 69
7. RESUMO ..................................................................................................................................... 74
8. ASSUNTO DE DESTAQUE .............................................................................................................. 74
9. QUESTES APRESENTADAS EM AULA .......................................................................................... 75
GABARITO ............................................................................................................................................. 87
Prof. Vtor Menezes www.estrategiaconcursos.com.br 1

Estatstica p/ STN
Prof Vtor Menezes
Pessoal que j tiver impresso e lido a aula 3, dada antes da retificao, no precisa
reimprimir e reler essa aula. mero repeteco.
1. ESTIMADORES PONTUAIS
Considere uma pesquisa salarial envolvendo alguns moradores de um bairro.

Esta pesquisa resultou no seguinte conjunto (dados em R$ 1.000,00).
Salrio dos moradores do bairro amostra com dez salrios:

R$ 5.000,00; R$ 2.000,00; R$ 2.000,00; R$ 7.000,00; R$ 1.000,00; R$ 4.000,00, R$ 2.000,00,
R$ 4.000,00, R$ 3.000,00, R$ 6.000,00.
O conjunto dos salrios de todos os moradores a nossa populao. Qualquer subconjunto

no vazio da populao uma amostra.
Queremos descobrir o salrio mdio dos moradores do bairro. A grandeza de interesse

(mdia salarial) se refere populao. Ou seja, estamos interessados no salrio mdio de
todos os moradores. A mdia populacional o nosso parmetro.
Parmetro qualquer caracterstica populacional.
Se, por algum motivo, no pudermos realizar um censo, ns faremos uma amostragem. Ao
longo do curso, trabalharemos basicamente com a amostragem aleatria simples.
Podemos, por exemplo, calcular a mdia da amostra. A mdia amostral , como o prprio
nome diz, uma caracterstica da amostra. chamada de estatstica.
Parmetro: uma caracterstica da populao

Estatstica: uma caracterstica da amostra
Muito bem. Selecionamos uma amostra de dez pessoas. Se voc calcular a mdia para a
amostra acima indicada, obter R$ 3.600,00.
A mdia amostral de R$ 3.600,00.
A partir desta amostra, vamos estimar a mdia da populao. Usamos a mdia amostral
(=R$ 3.600,00) como um estimador da mdia populacional, desconhecida.

Estatstica p/ STN
Prof Vtor Menezes
Dizemos que R$ 3.600,00 a mdia estimada, a partir da amostra feita. uma estimativa
por ponto.
Estamos dizendo que uma estimativa para a mdia populacional R$ 3.600,00. Ou seja,
usamos a mdia amostral como estimador da mdia populacional.
A mdia amostral, considerada como uma frmula (soma dos valores da amostra, dividida
por n), ou seja, considerada como uma funo dos valores amostrais, chamada de
estatstica.
Ou seja, estatstica uma funo dos valores da amostra.
Um valor especfico que a estatstica assume chamado de estimativa.
Ento:

=

a estatstica. Isso porque se trata de uma funo dos valores amostrais.
J o valor 3.600,00, que uma realizao numrica de , a estimativa.
A estimao por ponto se contrape estimao por intervalo. Nesta ltima, no definimos
um valor nico para a estimativa; sim um intervalo de valores. Um exemplo so aquelas
pesquisas eleitorais de inteno de voto. Lembram quando se diz que os candidatos esto
tecnicamente empatados?
Se o candidato A tem entre 30% e 34% das intenes de voto, e o candidato B tem entre
28% e 32% das intenes de voto, no d para afirmar quem vai ganhar. A o William Bonner
diz que eles esto tecnicamente empatados.
Nesse segundo caso, a partir de uma amostra, procurou-se estabelecer um intervalo de
valores provvel para as intenes de voto de cada candidato. Para o candidato A, o
intervalo de 30% a 34%. Dizemos que se trata de uma estimativa por intervalo.
Por enquanto, vamos nos concentrar na estimativa por ponto.
O motivo de se fazer uma amostragem o fato de haver alguma dificuldade em analisar

toda a populao. Pode ser muito caro, muito demorado. Ou pode ser invivel. Seria o caso
de ver qual a tenso mxima que um material suporta. Se tivermos que submet-lo a
tenses cada vez maiores, at que ele arrebente, ento no podemos analisar todos os
objetos, sob pena de destruirmos todos e no sobrar mais nenhum.
Se fosse possvel analisar a populao inteira, conseguiramos com exatido saber sua mdia
e seu desvio padro (estes valores reais so nossos parmetros).
Quando fazemos uma amostragem, conseguimos apenas saber a mdia e o desvio padro
da amostra feita. Nosso objetivo, portanto, , a partir dos valores de mdia e desvio padro

Estatstica p/ STN
Prof Vtor Menezes
da amostra, estimar quais os valores de mdia e desvio padro da populao. Nosso

objetivo estimar o valor do parmetro desconhecido.
Claro que poderamos estar interessados em outros parmetros que no a mdia e o desvio
padro. Mas, em concursos, na grande maioria das questes, so cobrados apenas esses
dois parmetros (alm da varincia, intimamente relacionada com o desvio padro, e da
proporo, que veremos nesta aula).
Quando escolhemos um estimador, podemos estar interessados em diversas caractersticas.
Alguns tipos de estimadores so:
No tendenciosos (ou no viciados)
De mxima verossimilhana
De varincia mnima
De mnimos quadrados
Por enquanto, ns no veremos com detalhes cada uma destas caractersticas. Falamos
mais sobre isso ao final da aula.
1.1. Estimador para a mdia
Usamos a mdia amostral () para estimar a mdia populacional (

)
Neste ponto, importante padronizarmos nossa linguagem.

H dois smbolos usualmente empregados para a mdia. A partir de agora, importante
saber diferenci-los, pois eles vo aparecer juntos em uma mesma questo.
Quando temos uma varivel aleatria, a mdia desta varivel designada por
. s vezes
podemos modelar uma populao como uma varivel aleatria. Ento, sempre que
vamos usar o smbolo

.
quisermos nos referir mdia de uma varivel aleatria, ou mdia de uma populao,
Seja X a varivel aleatria que designa o resultado do lanamento de um dado. J vimos que
a mdia desta varivel aleatria (= esperana) de 3,5.

= 3,5
Podemos pensar que 3,5 a mdia da varivel aleatria X. Ou ento, se pensarmos em uma
populao formada por todos os resultados que poderiam ser obtidos quando se lana o
dado infinitas vezes, dizemos que a mdia dessa populao 3,5.
Pegamos o dado de seis faces e lanamos trs vezes, obtendo: 6, 2, 3.

Estes trs lanamentos so uma amostragem dos infinitos resultados que poderiam ocorrer.
Se quisermos nos referir mdia de uma amostra, vamos utilizar o smbolo X (X barra):
6 + 2 + 3 11
= =
3 3

Estatstica p/ STN
Prof Vtor Menezes
Resumindo:
Falou em mdia populacional: o smbolo
Falou em mdia de varivel aleatria: o smbolo (pois variveis aleatrias so
usadas para modelar populaes)
Falou em mdia amostral: smbolo X
Nosso objetivo , a partir de uma amostra, estimar qual o parmetro populacional. Partindo
da amostra das dez pessoas acima, estimamos a mdia populacional em R$ 3.600,00.
O valor da mdia da amostra ( X ) um estimador da mdia populacional ( ). um
estimador no tendencioso, de varincia mnima, de mnimos quadrados e, se a varivel
aleatria for normal, tambm um estimador de mxima verossimilhana.
Ao final da aula falaremos sobre estas caractersticas dos estimadores.
Exemplos
Exemplo 1
De uma populao foi extrada uma amostra com os seguintes valores: 4, 6, 8, 8. Qual a
estimativa para a mdia da populao?
Resoluo.
No sabemos a mdia da populao ( ). Neste caso, vamos utilizar a mdia da amostra ( X
) para estimar a mdia da populao.
A estimativa da mdia da populao fica:
4+6+8+8
X = = 6,5
4
Estimamos a mdia populacional em 6,5.
1.2. Estimador para a varincia
Usamos a varincia da amostra (s2) para estimar a varincia da populao ( ).

A varincia amostral pode ser calculada de duas maneiras.
Se o exerccio pedir o estimador no-viciado, usamos n-1 no denominador:

=

1
Se o exerccio pedir o estimador de mxima verossimilhana e a varivel for normal, usamos
n no denominador:

=


Estatstica p/ STN
Prof Vtor Menezes
Vamos padronizar a simbologia. Quando quisermos nos referir varincia populacional ou

varincia de uma varivel aleatria, vamos usar o smbolo 2 . Ou ento, podemos usar o
smbolo V(X). Outro smbolo possvel nos exerccios Var(X).
Quando quisermos nos referir varincia de uma amostra, usamos s 2 .
Varincia da populao (ou da varivel aleatria): 2 = V ( X ) = Var ( X )
Varincia da amostra: s 2
Para varincia, o estimador que vamos usar geralmente :
(X )
2
X
=
2 i
s ,
n 1
que a mesma frmula vista na estatstica descritiva.
Na estatstica descritiva, quando se estuda a frmula da varincia amostral, aprende-se que
o denominador n 1 em vez de n.
Quando queremos estimar a varincia da populao, um dos fatores que tem influncia
nesse denominador justamente a caracterstica desejada para o estimador. Para que o
estimador tenha certa caracterstica de tal forma que ele possa ser enquadrado como no
tendencioso, necessrio que o denominador seja n 1 .
Este estimador acima o mais utilizado. Ele no tendencioso. Contudo, no caso da varivel
normal, ele no o estimador de mxima verossimilhana. O estimador de mxima
verossimilhana :
(X ) 2
X
=
i
s2
n
Se por acaso o exerccio der uma amostra de uma varivel normal e pedir para calcular o
estimador de mxima verossimilhana da varincia utilizamos n no denominador (em vez de
n 1 ). Mas acho que improvvel que isto ocorra. O que deve vai cair mesmo com o
denominador n 1 . improvvel, mas no impossvel, conforme veremos em alguns
exerccios de concursos durante a aula.
Exemplo 2
Considere a seguinte amostra de uma varivel aleatria normal:
1, 2, 3.
Calcule:
a) o estimador no tendencioso da varincia populacional
b) o estimador de mxima verossimilhana da varincia populacional

Estatstica p/ STN
Prof Vtor Menezes
Resoluo
a) O estimador no tendencioso aquele em que temos n 1 no denominador.
Fica assim:
(X )
2
X
=
2 i
s
n 1
s2 =
( 1)2 + 0 2 + 12 =1
3 1
b) O estimador de mxima verossimilhana aquele com n no denominador.
(X )
2
X
=
2 i
s
n
s 2
=
( 1) + 0 2 + 12
2
= 2/3
3
Questo 1 SEFAZ RJ 2008 [FGV]
Considere uma Amostra Aleatria Simples de n unidades extradas de uma populao na
qual a caracterstica, X, estudada tem distribuio Normal com mdia e varincia 2 ,
ambas desconhecidas, mas finitas. Considere, ainda, as estatsticas mdia da amostra, X =
1 n

n i =1
X i , e varincia da amostra s 2
=
1 n

n i =1
( 2
)
X i X . Ento, correto afirmar que:
(A) X e S 2 so, ambos, no tendenciosos para a estimao da mdia e da varincia da

populao, respectivamente.
(B) X no-tendencioso, mas S 2 tendencioso para a estimao da mdia e da varincia
da populao, respectivamente.
(C) X tendencioso, mas S 2 no-tendencioso para a estimao da mdia e da varincia
(D) X e S 2 so, ambos, tendenciosos para a estimao da mdia e da varincia da
(E) X e S 2 so, ambos, no-tendenciosos para a estimao da mdia e da varincia da
populao, mas apenas X consistente.
Resoluo:
Nesta questo, temos:
- a mdia aritmtica da amostra como um estimador da mdia populacional: vimos que a
mdia da amostra um estimador no-tendencioso.
- a varincia da amostra como um estimador da varincia populacional: vimos que, quando
se usa n no denominador, o estimador tendencioso.
Gabarito: B

Estatstica p/ STN
Prof Vtor Menezes
Resumindo: h diversos tipos de estimadores. Por hora, ainda no sabemos exatamente o

que eles significam.
S sabemos que, no caso de estimarmos a varincia da populao a partir de uma amostra,
o denominador pode ser n 1 ou n.
Se o exerccio no falar nada, utilize n 1 . Este o estimador mais utilizado. Ele no
tendencioso.
Se o exerccio pedir o estimador de mxima verossimilhana e a distribuio for normal,
utilize n.
Questo 2 CGU 2008 [ESAF]

Qual o estimador de mxima verossimilhana da varincia de uma varivel X normalmente
distribuda obtido a partir de uma amostra aleatria simples X1, X2, X3, ..., Xn, desta varivel,
sendo m = X i / n o estimador de mxima verossimilhana da mdia?
a)
(X i m) 2
n 1
b)
(X i m) 2
n2
( X i m) 2
0,5

c)
n 1

d) (X i m) 2
e)
(X i m) 2
n
Resoluo.
O enunciado est usando a letra m para indicar a mdia amostral.
Vimos que o estimador de mxima verossimilhana da varincia para a distribuio normal
aquele que apresenta n no denominador.
Gabarito: E.
Questo 3 SEFAZ SP 2009 [ESAF]

(Dados da questo anterior: 17, 12, 9, 23, 14, 6, 3, 18, 42, 25, 18, 12, 34, 5, 17, 20, 7, 8, 21,
13, 31, 24, 9.)
Considerando que as observaes apresentadas na questo anterior constituem uma
amostra aleatria simples X1, X2, ..., Xn de uma varivel aleatria X, determine o valor mais
prximo da varincia amostral, usando um estimador no tendencioso da varincia de X.

Estatstica p/ STN
Prof Vtor Menezes
Considere que:
23
X
i =1
i = 388
23
X
i =1
i
2
= 8676
a) 96,85
b) 92,64
c) 94,45
d) 90,57
e) 98,73
Resoluo.
A mdia fica:
23
X
i =1
i
388
X = =
23 23
A mdia dos quadrados das observaes fica:
8676
X2 =
23
A varincia (com n no denominador), dada por:
2
X2 X
2
8676 388
=
23 23
Para o estimador no tendencioso (ou no viciado, ou no enviesado), ns usamos n 1 no
denominador. Portanto, precisamos ajustar o denominador.
O resultado acima considera uma diviso por 23 (= n). Precisamos multiplicar por 23, para
cancelar esta diviso.
Em seguida, dividimos por 22, para que o denominador seja igual a n 1 .
O estimador no tendencioso da varincia fica:
23 8676 388 2
s =
2

22 23 23
8676 388 2
s2 =
22 23 22
= 394,36 297,52 = 96,84
Gabarito: A

Estatstica p/ STN
Prof Vtor Menezes
1.3. Estimador para uma proporo
Usamos a proporo amostral ( ) para estimar a proporo populacional (p)
Considere que a proporo de moradores de uma cidade que pretendem votar num
candidato A de 40%. um valor que se refere populao inteira. um parmetro. Vamos
padronizar. Sempre que nos referirmos proporo da populao, usamos o smbolo p .
p = 40%
Suponha que ns no conhecemos esta proporo referente populao (40%) e, para
estim-la, entrevistamos 10 pessoas. Destas, 5 pretendem votar no candidato A.
A proporo verificada na amostra 50%. Chamamos de p .
p = 50%
Vamos usar p como estimador de p .
Resumindo:
Proporo da populao: p
Proporo amostral: p
Exemplo 3
Para uma pesquisa de intenes de voto para a Prefeitura de uma cidade, foram
entrevistadas 100 pessoas. Verificou-se que, nesta amostra, 30 eleitores pretendem voltar
no candidato A. Qual a estimativa da proporo populacional de intenes de voto do
candidato A?
Resoluo.
No sabemos qual a proporo populacional (ou seja, referente a todos os eleitores da
cidade). Vamos usar a proporo verificada na amostra para estimar a proporo
populacional.
Na amostra temos:
p = 30% = 0,3
Dizemos que a estimativa da proporo populacional de 30%.

Estatstica p/ STN
Prof Vtor Menezes
Estimadores pontuais
- Usamos a mdia amostral para estimar a mdia populacional ( X um estimador de );

- Usamos a varincia amostral para estimar a varincia populacional. Se o estimador for
no-viciado (ou no-tendencioso) usamos n 1 no denominador. Se o estimador for de
mxima verossimilhana e a varivel for normal, usamos n no denominador.
- Usamos a proporo amostral para estimar a proporo populacional.
2. INTERVALO DE CONFIANA PARA A MDIA
2.1. como uma varivel aleatria

Muitas populaes podem ser modeladas segundo uma varivel aleatria. Como exemplo,
considere a temperatura de um local, medida com nosso termmetro mgico de infinitas
casas aps a vrgula.
Nosso objetivo estimar a temperatura mdia do local em um dado dia. Para tanto,
consideramos que a temperatura se comporta como uma varivel aleatria X.
Deste modo, encontrar a temperatura mdia do local o mesmo que encontrar a esperana
de X.
E(X ) = = ?
Num dado dia, vamos l nesse local e, em dez instantes diferentes, medimos a temperatura.
Agora temos uma amostragem de tamanho 10 para a temperatura no local.
Suponha que esta mdia tenha sido X 1 = 2 C.
Neste ponto, no custa nada lembrar a simbologia que padronizamos.
X a mdia de uma amostra
a mdia da populao ( o valor que pretendemos estimar)
S que os instantes em que realizamos a amostragem foram aleatoriamente escolhidos. Se,
por acaso, outros instantes tivessem sido escolhidos, cada uma das medies poderia ser
ligeiramente diferente. Seria possvel ter obtido uma segunda mdia igual a X 2 = 2,1 C.
Ou tambm seria possvel ter obtido uma terceira mdia X 3 = 2,051C.
Quando nos referimos a uma nica amostra, X representa um nmero, a mdia aritmtica
daquela amostra.

Estatstica p/ STN
Prof Vtor Menezes
Mas tambm podemos nos referir a X de forma diferente. Podemos pensar em inmeras
amostras, com X assumindo valores diferentes em cada uma delas. Assim, X seria uma
varivel.
pode ser vista como uma varivel aleatria
Quando nos referimos a como uma varivel aleatria, porque estamos pensando em
todas as diferentes amostras que poderiam ter sido extradas. Nesse caso, vista apenas
dividimos por n. Nesse caso, dizemos que uma estatstica.

como uma frmula, um mtodo de clculo: somamos todos os valores da amostra e
valor para a mdia amostral, nesse caso, assumir um valor nico, fixo. Por exemplo,
Por outro lado, quando nos referimos a uma amostra em particular, que fornece um nico
= 2. Nesta situao, quando nos referimos a como algo fixo, dizemos que = 2 uma
estimativa da mdia populacional.
Na verdade, esses nomes estatstica, estimativa, parmetro, tudo isso no cai em
prova. At hoje no vi uma questo s explorando as diferenas conceituais de um nome
para o outro, ok?
De todo esse bl bl bl acima, s o que importa : pode ser vista como algo que varia
(caso estejamos pensando em todas as possveis amostras) ou pode ser vista como algo fixo
(quando pensamos em uma amostra em particular).
Questo 4 TJ PI 2009 [FCC]

Seja uma populao constituda pelos valores 1, 2, 3, 4, 5 e 6. Todas as amostras com
tamanho 2, sem reposio, so selecionadas. A probabilidade de que a mdia amostral seja
superior a 5 de
(A) 1/4
(B) 1/6
(C) 2/3
(D) 1/3
(E) 1/15
Resoluo:
Vejam como o exerccio explora como uma varivel aleatria.
A cada possvel amostra de tamanho 2, assume um valor diferente.

Estatstica p/ STN
Prof Vtor Menezes
Exemplo: se a amostra for (1, 3), a mdia amostral ser 2.

Se a amostra for (1, 5), a mdia amostral ser 3.
Ou seja, se pensarmos em todas as possveis amostras de tamanho 2, varia, uma
varivel aleatria.
Abaixo temos todas as amostras possveis, de tamanho 2, sem reposio:
1, 2 1, 3 1,4 1,5 1,6
2,3 2,4 2,5 2,6 3,4
3,5 3,6 4,5 4,6 5,6
So quinze amostras possveis.
Em um nico caso a mdia maior que 5. Trata-se da amostra (5,6).
Temos um caso favorvel em quinze possveis. A probabilidade de que a mdia seja maior
que 5 de:
1
=
15
Gabarito: E
Destaco que no era necessrio escrever todas as amostras para contar quantas so.
Poderamos usar anlise combinatria para tanto.
No caso das amostras possveis, queremos formar conjuntos de dois elementos, a partir dos
seis valores disponveis. Temos combinao de 6, tomados 2 a 2.
6!
, = = 15
4! 2!
No caso dos casos favorveis, temos um nico caso favorvel (5, 6).
Dividindo o nmero de casos favorveis pelo nmero de casos possveis, temos:
1
=
15
2.2.
Esperana e varincia de
tem esperana igual a

e varincia igual a .
" =

# =

Alm disso, aproximadamente normal. A aproximao ser tanto melhor quanto maior
for o tamanho da amostra.
Como exemplo, considere um tetraedro regular. Nas suas faces temos os nmeros 1, 2, 3, 4.
Lanamos o tetraedro sobre uma mesa. X representa o valor da face que fica em contato
com a mesa.

Estatstica p/ STN
Prof Vtor Menezes
Vamos realizar um estudo dos possveis resultados deste lanamento. Para tanto, lanamos
duas vezes (amostra de tamanho 2).
Saram os resultados 1 e 3.
Para esta amostra em particular a mdia amostral foi:
1+ 3
X = =2
2
Ok, fizemos uma nica amostra. Neste caso, X um nmero. simplesmente a mdia
aritmtica dos valores pertencentes amostra.
Acontece que no estamos interessados em uma amostra especfica, que fornece um valor
nico para X . Estamos interessados na varivel aleatria X .
O resultado do lanamento do dado aleatrio. Seria possvel que tivssemos obtido outras
amostras. Se o tetraedro for homogneo, as possveis amostras seriam:
1e1 1e2 1e3 1e4
2e1 2e2 2e3 2e4
3e1 3e2 3e3 3e4
4e1 4e2 4e3 4e4
Seriam 16 amostras possveis, todas elas com a mesma probabilidade de ocorrer. O valor da
mdia amostral em cada uma dessas amostras seria:
Valores da amostra X
1e1 1
1e2 1,5
1e3 2
1e4 2,5
2e1 1,5
2e2 2
2e3 2,5
2e4 3
3e1 2
3e2 2,5
3e3 3
3e4 3,5
4e1 2,5
4e2 3
4e3 3,5
4e4 4
Repare que X pode ser visto como uma varivel aleatria que assume diversos valores.
A mdia de todos os possveis valores de X fica:
1
E( X ) = (1 + 1,5 + 2 + 2,5 + 1,5 + 2 + 2,5 + 3 + 2 + 2,5 + 3 + 3,5 + 2,5 + 3 + 3,5 + 4)
16

Estatstica p/ STN
Prof Vtor Menezes
E ( X ) = 2,5
Vamos agora calcular a mdia da varivel aleatria X.
A varivel aleatria X assume os valores 1, 2, 3, 4, cada um com probabilidade 1/4.
Portanto:
1 1 1 1
E( X ) = = 1 + 2 + 3 + 4
4 4 4 4
= 2,5
Concluindo: a esperana da mdia amostral igual esperana da populao. Isto significa
que, se fosse possvel fazer um nmero muito grande de amostras, a mdia de todas as
mdias amostrais seria igual mdia da populao.
X pode ser vista como uma varivel aleatria com esperana . Ou seja, a mdia das
mdias amostrais a mdia da populao
Ainda no estudamos as diversas caractersticas dos estimadores. Mas podemos falar sobre
uma delas: o estimador no tendencioso (ou no viciado, ou no viesado).
O fato da mdia de X ser igual mdia da populao nos permite classificar X como
estimador no tendencioso (ou no viciado). Usando esse estimador, em mdia
(considerando as inmeras amostras que poderiam ser feitas), ns estamos realmente
acertando o valor do parmetro desconhecido.
Sempre que a esperana de um estimador for igual ao parmetro estimado, estamos diante
de um estimador no tendencioso.
E (X ) = :
A mdia de X igual ao parmetro estimado; se fizssemos inmeras amostragens, em

mdia, acertaramos a mdia populacional.
Sabendo que X pode ser vista como uma varivel aleatria, possvel calcular a sua
varincia.
Seja 2 a varincia da populao.
possvel demonstrar que, sendo n o tamanho das amostras, a varincia de X fica:
2
V (X ) =
n
Um outro smbolo possvel para a varincia de X seria: X . Portanto:
2

Estatstica p/ STN
Prof Vtor Menezes
2
X = 2
n
A varincia da mdia amostral igual varincia da populao dividido por n.
Por consequncia, o desvio padro da mdia amostral :

X =
n
Ou seja, o desvio padro de X igual ao desvio padro da populao dividido por raiz de n.
Estas frmulas da varincia e desvio padro s so vlidas se a varivel aleatria tiver
populao infinita (ou seja, assume infinitos valores, como no caso de uma varivel aleatria
contnua).
Caso a populao seja finita (como foi o caso do lanamento do tetraedro), o resultado
continua valendo, desde que a amostragem seja feita com reposio.
Caso a populao seja finita e a amostragem seja feita sem reposio, as frmulas devem
ser adaptadas (aplicamos o fator de correo para populaes finitas, assunto que
abordado posteriormente).
X pode ser vista como uma varivel aleatria com esperana e varincia (e,
2
n

consequentemente, desvio padro ).
n
Ou seja, a mdia de X igual mdia da populao. E a varincia de X igual varincia

da populao dividida por n. O desvio padro de X igual ao desvio padro da populao
dividido por raiz de n.
Agora vem o grande detalhe. Pelo teorema do limite central possvel demonstrar que a
varivel aleatria X tem distribuio aproximadamente normal. A aproximao melhor
quanto maior o tamanho das amostras (quanto maior o valor de n). Isto vale mesmo que a
varivel X no seja normal.
Caso a varivel X seja normal, a varivel X tambm ser normal (a j no aproximao).
Ou seja, para a varivel X ns podemos utilizar a tabela de reas para a varivel normal.
Isto de extrema utilidade na determinao dos chamados intervalos de confiana.

Estatstica p/ STN
Prof Vtor Menezes
X pode ser vista como uma varivel aleatria normal (ou aproximadamente normal), com
2
mdia , varincia e desvio padro .
n n
A aproximao vale mesmo que X no seja normal. Quanto maior o tamanho das amostras,
melhor a aproximao.
Questo 5 TRF 1 Regio/2001 [FCC]

Para responder questo seguinte, considere a tabela abaixo, referente distribuio
normal padro.
z F (z )
1,20 0,885
1,60 0,945
1,64 0,950
Uma mquina de empacotar leite em p o faz segundo uma normal com mdia e desvio
padro 10g. O peso mdio deve ser regulado para que apenas 5,5% dos pacotes tenham
menos do que 1000 g. Com a mquina assim regulada, a probabilidade de que o peso total
de 4 pacotes escolhidos ao acaso seja inferior a 4.040 g :
a) 0,485
b) 0,385
c) 0,195
d) 0,157
e) 0,115
Resoluo.
A questo poderia ter sido mais clara, explicitando o que significa F(z).
muito comum utilizarmos o smbolo F(z) para representar a funo distribuio de
probabilidade (FDP).
Relembrando o significado da FDP, ela nos fornece probabilidades para a varivel aleatria
Z, normal, de mdia 0 e desvio padro unitrio.
Assim, na primeira linha da tabela temos que F(1,2) = 0,885.
Isto significa que a probabilidade de Z assumir valores menores que 1,2 de 88,5%.

Estatstica p/ STN
Prof Vtor Menezes
Analogamente, da segunda linha temos que a probabilidade de Z assumir valores menores

que 1,6 de 94,5%.
Por fim, da terceira linha temos que a probabilidade de Z assumir valores menores que 1,64
de 95%.
Da tabela acima, conclumos que a rea verde da figura abaixo igual a 94,5%.
Uma vez que a rea total igual a 1, conclumos que a rea vermelha igual a 5,5%. Como o
grfico simtrico, sabemos que a rea amarela abaixo tambm igual a 5,5%.
Seja X a varivel aleatria que indica o peso dos pacotes de leite em p.

A transformao para encontrar a varivel reduzida :
X
Z=

Sabemos que 5,5% dos valores de Z so menores ou iguais a -1,6.
Sabemos que 5,5% dos valores de X so menores ou iguais a 1.000 g.

Estatstica p/ STN
Prof Vtor Menezes
Logo, quando Z vale -1,6, X vale 1.000.

1000
1,6 = 16 = 1000 = 1016
10
Encontramos o peso mdio dos pacotes.
Os pesos dos pacotes se comportam como uma varivel normal de mdia 1016 e desvio
padro de 10 gramas.
A pergunta : qual a probabilidade de o peso total de uma amostra de 4 pacotes ser inferior
a 4040g?
4040
Lembrando que = 1010 , temos que essa pergunta equivale a:
4
Qual a probabilidade de o peso mdio de uma amostra de 4 pacotes ser inferior a 1010 g?
Seja X a varivel aleatria que designa o peso mdio em amostras de 4 pacotes. X tem
distribuio normal. Sua mdia dada por:
E[ X ] = = 1016
Sua mdia igual mdia da populao.
Seu desvio padro dado por:
10
V[X ] = X = = =5
n 2
X uma varivel aleatria com mdia 1016 e desvio padro igual a 5.

Queremos saber a probabilidade de X ser inferior a 1010g. Precisamos consultar a tabela
de reas fornecida na prova. Para tanto, precisamos achar o valor da varivel normal
reduzida Z que corresponde a 1010.
E agora cuidado!
A varivel aleatria em estudo X . Na hora de obter a varivel Z, temos que fazer uma
subtrao e uma diviso.
Subtramos a mdia da varivel X (no caso, 1016). E dividimos pelo desvio padro de X
(no caso, 5).
X
Z=
X
Quando X vale 1010, Z vale:

1010 1016
Z= = 1,2
5
Vamos achar a probabilidade de Z ser menor que -1,2.
A tabela fornecida nos diz que a rea verde da figura abaixo de 0,885.

Estatstica p/ STN
Prof Vtor Menezes
Como a rea total igual a 1, a rea vermelha igual a 0,115 (=1-0,885). Uma vez que o
grfico simtrico, a rea amarela da figura abaixo tambm de 0,115.
A probabilidade de Z ser menor que -1,2 de 0,115. Consequentemente, a probabilidade de

X ser menor que 1010 tambm de 0,115.
Gabarito: E.
Questo 6 MPU/2007 [FCC]

Se retirarmos uma amostra aleatria de 1200 observaes de uma populao com
distribuio uniforme no intervalo [17; 29], a distribuio da mdia amostral X ser,
aproximadamente,
a) uniforme com mdia 23 e varincia 12
b) normal com mdia 23 e desvio padro 0,1
c) uniforme com mdia 23 e varincia 1
d) normal com mdia 23 e desvio padro 12.

Estatstica p/ STN
Prof Vtor Menezes
e) normal com mdia 23 e desvio padro 1.
Resoluo.
Quando a populao tem distribuio normal, X tambm uma varivel aleatria normal.
Quando a populao no for normal, X ser aproximadamente normal. A aproximao
ser tanto melhor quanto maior for a amostra.
Nesse caso, em que X uniforme, X aproximadamente normal. Note que a amostra
bem grande (n = 1200).
Estudamos na aula passada que, para calcular a mdia de uma varivel aleatria uniforme,
basta pegar o ponto mdio do intervalo em que ela diferente de zero. Neste caso, a
esperana de X fica:
29 + 17
E[ X ] = = 23
2
A mdia de X coincide com a mdia populacional.
E[ X ] = = 23
Para terminar a questo, ainda falta achar o desvio padro da mdia amostral. Para tanto,
precisamos da varincia da populao (no informada).
Vimos na aula passada que, se uma varivel aleatria uniforme no intervalo [a, b], sua
varincia fica:
(b a ) 2
V (X ) =
12
Neste caso, a varivel uniforme no intervalo entre 17 e 29.
29 17 12
# = = = 12
12 12
Sabendo que X tem varincia 12, temos:
2 12
X2 = = = 0,01
n 1200
X = 0,1
Portanto, X tem distribuio aproximadamente normal, com mdia 23 e desvio padro 0,1.
Gabarito: B.
Questo 7 PETROBRAS 2010 [CESGRANRIO]
probabilidade ou X = 1 com 50% de probabilidade. A mdia, , de quatro realizaes de X,

A distribuio de probabilidades da varivel aleatria X tal que X = -1 com 50% de
sucessivas e independentes, uma varivel aleatria de mdia e desvio padro,

respectivamente, iguais a

Estatstica p/ STN
Prof Vtor Menezes
(A) 0 e 2
(B) 0 e 1
(C) 1 e 0.5
(D) 1 e 0
(E) 0 e 0.5
Resoluo
Primeiro calculamos a mdia de X:
" = 1 = 1 + 1 = 1
" = 1 0,5 + 1 0,5 = 0
Agora calculamos a varincia de X:
" = 1 = 1 + 1 = 1 = 1 0,5 + 1 0,5 = 1
# = " " = 1 0 = 1
Logo:
= '# = 1
uma varivel aleatria com mdia igual mdia de X. Logo, tem mdia 0.
uma varivel aleatria com desvio padro dado por:
1
= = 0,5
4
tem mdia 0 e desvio padro 0,5.
Gabarito: E
Questo 8 MPOG 2012 [ESAF]
igual a 4, = 4. Retirando-se desta populao uma amostra de tamanho n = 100, tem-se

Uma varivel aleatria possui distribuio normal com mdia igual a 10, = 10, e varincia
que a distribuio amostral das mdias, ou distribuio amostral de uma distribuio:

a) no normal com =10 e = 1/5
b)normal com =10 e = 1/5
c) normal com =100 e = 4
d)normal com =10 e = 2
e)no normal com =100 e = 4
Resoluo:
Quando X normal, a distribuio das mdias tambm normal.

Estatstica p/ STN
Prof Vtor Menezes

A esperana de coincide com a mdia da populao. No caso, vale 10.

Gabarito: B
A varincia de igual varincia da populao, dividida por "n". Onde "n" o tamanho
das amostras:
4
) = =
100
O desvio padro a raiz quadrada da varincia.
4 2 1
) = * = =
100 10 5
O que confirma a correo da letra B.
2.3. Intervalo de confiana para a mdia
O intervalo de confiana para a mdia dado por:

,- )
Onde Z0 o valor para a distribuio normal reduzida que delimita a rea fixada pelo nvel
de confiana.
Acima j vimos o resultado final, aquilo que voc tem que saber para resolver as questes.
Se estiver satisfeito em decorar isso, blz, j d para ir diretamente para os exerccios.
A seguir, ou apenas mostrar um exemplo, para entendermos melhor do que se trata o
assunto.
Por enquanto, no se preocupem em fazer contas. No se preocupem em decorar ou gravar
qualquer coisa. S quero que entendam a ideia geral.

Estatstica p/ STN
Prof Vtor Menezes
Depois, nos exerccios de concurso, a veremos o passo a passo da construo do intervalo

de confiana. Ou seja, posteriormente que nos concentraremos em como resolver as
questes. Neste momento, no se preocupem com isso.
Seja X uma varivel aleatria que representa uma populao infinita com varincia
conhecida ( 2 ). Este infinita s para ser rigoroso. Caso a populao seja finita, os
resultados que veremos s se aplicam se a amostragem for feita com reposio.
Pois bem, ento X nossa varivel aleatria com varincia conhecida ( 2 ). X representa
nossa populao. Apesar de conhecermos sua varincia, no conhecemos sua mdia ( ).
Nosso objetivo ser obter uma amostra e, a partir dela, definir o chamado intervalo de
confiana para .
Vamos supor que a varincia da populao seja de 16.
V ( X ) = 2 = 16
A mdia da populao, esta ns no conhecemos. Vamos cham-la de .
E(X ) = = ?
Vamos obter uma amostra de tamanho 4.
n=4
A mdia de uma amostra de tamanho 4 X .
Antes de efetivamente fazer uma amostragem (o que nos fornecer um valor especfico
para X ), vamos pensar em todas as amostras que poderiam ser obtidas (com tamanho 4).
Em cada uma delas, X assume um valor diferente. Conforme visto no comeo da aula, X
pode ser vista como uma varivel aleatria normal (ou aproximadamente normal) de mdia
.
Sabemos tambm que X tem uma varincia dada por:
2
V (X ) =
n
16
V (X ) = =4
4
Portanto, o desvio padro da varivel X dado por:
X = 4 =2
Vamos criar a seguinte varivel transformada:
X
Z=
X
A varivel Z, conforme j estudado na aula anterior, tem mdia zero e desvio padro
unitrio. a nossa varivel normal reduzida.

Estatstica p/ STN
Prof Vtor Menezes
Sabemos que Z tem mdia zero e desvio padro unitrio. E Z tambm uma varivel
normal.
Para a varivel Z ns podemos consultar a tabela da varivel normal reduzida. Vamos
determinar o intervalo, centrado na mdia, que contm 95% dos valores de Z.
Fiquem ento com a informao de que, para a normal padro, o intervalo de 0 a 1,96
contm 47,5% dos valores. Portanto, o intervalo de -1,96 a 0 tambm contm 47,5% dos
valores.
Juntando os dois, temos que 95% dos valores esto entre -1,96 e 1,96 (rea verde abaixo).
Isto quer dizer que 95% dos valores de Z esto entre -1,96 e 1,96.
Mas quem Z?
Lembrando:
X
Z=
X
Ou seja, se fizssemos vrias amostras e para cada uma delas obtivssemos um valor para
X
X , em 95% dos casos o valor estaria entre -1,96 e 1,96.
X
X
Portanto, a probabilidade de assumir valores entre -1,96 e 1,96 de 95%.
X
Ok. Agora ns pegamos e realmente fazemos uma amostra com 4 valores. Esta amostra
resultou em:
1, 5, 3, 1.
Para esta amostra especfica, o valor de X foi 2,5. Com base nesta amostra especfica,
temos um valor especfico para X . Se considerarmos apenas esta amostra, X no mais
varivel. um valor nico (2,5).

Estatstica p/ STN
Prof Vtor Menezes
E para esta amostra especfica o valor de Z :

2,5
Z= .
2
A probabilidade de este valor estar no intervalo de -1,96 a 1,96 no mais 95%. Isto porque
a expresso acima no assume mais valores diversos, aleatrios. um valor nico.
2,5 um nmero, uma constante.
O valor de tambm um nmero, constante. desconhecido. Mas constante. A mdia
da populao um nmero, um valor nico.
E, por fim, o denominador 2 tambm constante.
2,5
Fazendo a conta , obtemos um valor que pode ou no estar no intervalo -1,96 a
2
1,96.
Quando substitumos a varivel X por um valor obtido para uma dada amostra especfica,
no falamos mais em probabilidade.
2,5
errado afirmar que, com probabilidade de 95%, o valor estar entre -1,96 e 1,96.
2
Mas, supondo que este valor esteja entre -1,96 e 1,96, ficamos com:
2,5
1,96 1,96
2
3,92 2,5 3,92
2,5 3,92 3,92 2,5
6,42 1,42
1,42 6,42
Este intervalo entre -1,42 e 6,42 chamado de intervalo de 95% de confiana para a mdia
da populao.
Repare que no temos certeza de que a mdia da populao ( ) esteja neste intervalo.
Nem podemos dizer que a probabilidade de ela estar neste intervalo seja de 95%.
Tentando explicar de outra forma o que foi feito.
Em 95% dos casos, X est distante menos de 1,96 desvios padro da mdia .
Como o desvio padro de X 2, temos que em 95% dos casos X dista menos que 3,92 da
mdia .
Ou seja, em 95% dos casos X est entre 3,92 e + 3,92 .

Estatstica p/ STN
Prof Vtor Menezes
Fazemos a amostragem. Obtemos um especfico valor para X (=2,5). Este valor pode estar
ou no no intervalo entre 3,92 e + 3,92 . Se fizssemos inmeras amostragens, em
95% delas o valor de X de fato estaria contido no referido intervalo. Para este valor em
particular (2,5), no temos como saber.
Vamos supor que este valor esteja neste intervalo. Se isto for verdade, qual o intervalo que
contm ?
O valor encontrado para X de 2,5. Este valor pode tanto estar esquerda de quanto
direita. Vamos fazer os dois casos extremos.
Se X estiver esquerda de , o caso mais extremo seria justamente quando:
X = 3,92
2,5 = 3,92
Este caso extremo ocorreria se
= 6,42
Se X estiver direita de , o caso mais extremo seria justamente quando:
X = + 3,92
2,5 = + 3,92
Este caso extremo ocorreria se:
= 1,42
Resumindo, supondo que o valor encontrado para X dista menos de 1,96 desvio padro de
, os valores extremos que pode assumir so -1,42 e 6,42. Portanto, com 95% de
confiana, est neste intervalo.
Esta estimativa da mdia da populao por vezes chamada de estimativa por intervalo.
No estamos lhe atribuindo um valor nico, mas uma faixa de valores.

Estatstica p/ STN
Prof Vtor Menezes
No comeo desta aula vimos como fazer a estimativa por ponto. Na estimativa por ponto
no determinvamos uma faixa de valores. Sim um valor nico. Estimvamos o valor de
com o valor de X .
Vamos fazer mais um exemplo. Desta vez vou colocar o passo a passo, para gente
comear a fixar como fazer.
Questo 9 INFRAERO 2009 [FCC]

Em um determinado ramo de atividade, os salrios dos empregados so considerados
normalmente distribudos com uma mdia e uma varincia populacional igual a 1.600
(R$)2. Uma amostra aleatria com 100 destes empregados apresentou uma mdia de R$
1.000,00 para os salrios. Deseja-se, com base nesta amostra, obter um intervalo de
confiana para a mdia com um nvel de confiana de 95%, considerando a populao de
tamanho infinito e a informao da distribuio normal padro (Z) que a probabilidade P (z
> 2) = 0,025. O intervalo, com os valores em R$, igual a
(A) [960,00; 1.040,00]
(B) [992,00; 1.008,00]
(C) [994,00; 1.006,00]
(D) [996,00; 1.004,00]
(E) [920,00; 1.080,00]
Resoluo:
Para determinao do intervalo de confiana, seguimos 4 passos.
Primeiro passo: precisamos determinar o intervalo, para a varivel normal reduzida (Z), que
contm 95% dos valores (pois este o nvel de confiana solicitado no enunciado).
Chamamos este valor de Z0 associado a 95% de confiana.
O exerccio disse que este valor igual a 2.
Vejam:
, > 2 = 2,5%
Logo:
, < 2 = 2,5%
Portanto:
2 < , < 2 = 100% 2,5% 2,5% = 95%
Logo, 95% dos valores de Z esto no intervalo de -2 at 2.
Por isso, o valor de Z0 procurado 2.
,- = 2

Estatstica p/ STN
Prof Vtor Menezes
Segundo passo: determinar o valor especfico de para a amostragem feita.

= 1.000 fornecido pelo enunciado
Terceiro passo: determinar o desvio padro de .

A amostra tem tamanho 100. (n = 100)
O desvio padro de fica:
1.600
# = = = 16
100
) = 16 = 4
Quarto passo: determinar o intervalo de confiana.

Para tanto, sabemos que em 95% dos casos o valor de Z estar entre -2, e 2.
,- , ,-
Vamos substituir Z:

,- ,-
)
Isolando a mdia populacional:
,- )
+ ,- )
O que isto significa? Significa que a probabilidade de a mdia populacional estar no

intervalo acima definido de 95%.
Adotando a abordagem frequentista da probabilidade, temos o seguinte. Se fosse possvel
realizar, inmeras vezes, uma amostragem de tamanho n, em 95% das vezes o intervalo
acima definido conteria a mdia populacional.
Muito bem. A a gente pega e faz uma nica amostra, obtendo um nico valor para a mdia
amostral. Com isso, obtemos:
1.000 2 4
1.000 + 2 4
992
1.008
Agora no falamos mais em probabilidade. errado dizer que a probabilidade de a mdia
populacional estar no intervalo acima de 95%. Isto porque, acima, no temos mais
nenhuma varivel.
992 um nmero, 1.008 outro nmero,
um nmero (desconhecido, mas constante,
fixo).
Quando substitumos a varivel pelo seu valor especfico obtido para a amostra feita,
falamos em confiana. Dizemos que, com 95% de confiana, a mdia populacional est
contida no intervalo entre 992 e 1.008
Gabarito: B

Estatstica p/ STN
Prof Vtor Menezes
Vocs podem guardar que o intervalo de confiana ser sempre da forma

,- )
+ ,- )
E, para memorizar, s pensar assim.

Ns obtemos a mdia da amostra (no caso 1.000). Ns queremos achar um intervalo que
contenha a mdia da populao. razovel supor que a mdia da populao seja prxima
de 1.000.
Ento, para achar esse intervalo, ns andamos um pouco para esquerda e um pouco para a
direita, ao longo da reta real. Ou seja, a mdia populacional deve estar no seguinte
intervalo:
1.000 ?
Ns partimos de 1.000 (mdia amostral). A partir deste nmero, ns vamos andar um
pouquinho para esquerda (vamos subtrair alguma coisa) e um pouquinho para direita
(vamos somar alguma coisa). E que coisa essa?
Ns vamos andar um certo nmero de desvios-padro para um lado e para o outro.
1.000 ) ?
1.000 4 ?
E quantos desvios-padro ns vamos andar?
O exerccio que vai dizer o quanto vamos andar para um lado e para o outro. Isto ser dito
pelo nvel de confiana. Ns vamos andar Z0 desvios-padro.
1.000 4 2
O intervalo de confiana nos permite determinar uma faixa de valores em que se pode estar
a mdia populacional. uma estimativa por intervalo, pois no atribui mdia
populacional um valor nico, sim um intervalo real.
Clculo do intervalo de confiana para a mdia da populao

1 Passo: Achar o valor de Z0 associado ao nvel de confiana dado no exerccio.
2 Passo: Encontrar o valor especfico de X para a amostra feita.

3 Passo: Encontrar o desvio padro de X . Utilizar a frmula: X =
n
4 Passo: Determinar o intervalo de confiana:
X Z0 X X + Z0 X

Estatstica p/ STN
Prof Vtor Menezes

Construa um intervalo de 95% de conana para a mdia de uma populao normal a partir
dos dados de uma amostra aleatria simples de tamanho 64 desta populao, que forneceu
uma mdia de 48 e um desvio-padro amostral de 16, considerando que F(1,96) = 0,975,
onde F(z) a funo de distribuio de uma varivel aleatria normal padro Z.
a) 44,08 a 51,92.
b) 41,78 a 54,22.
c) 38,2 a 57,8.
d) 35,67 a 60,43.
e) 32,15 a 63,85.
Resoluo:
Repare que no conhecemos a varincia da populao. Sempre que isso acontece, ns
devemos adotar os seguintes procedimentos:
- utilizamos a varincia da amostra no lugar da varincia da populao
- consultamos a tabela da distribuio T, em vez da tabela da distribuio normal.
Ns falaremos um pouco mais sobre isso no prximo tpico que vamos estudar.
Dito isso, conclumos que o certo seria utilizar a distribuio T. Contudo, o exerccio no
forneceu a tabela da distribuio T. Forneceu apenas alguns valores da funo distribuio
de probabilidade da varivel normal reduzida (= varivel normal padro).
No temos sada, teremos que utilizar os valores da varivel reduzida. O mais exato seria
resolver o exerccio considerando a distribuio T. Mas no vamos brigar com o
enunciado. Se o enunciado s deu informaes sobre a varivel normal, vamos usar a
varivel normal.
Vamos considerar que essa amostra j razoavelmente grande, de forma que a diferena
entre usar a distribuio normal no lugar da distribuio T no to grande.
Primeiro passo: determinando o valor de Z0 associado a 95% de confiana.

Se F(1,96) = 0,975, isto significa que a probabilidade de Z assumir valores menores ou iguais
a 1,96 de 97,5%.
Ou seja, a rea verde da figura abaixo de 97,5%.

Estatstica p/ STN
Prof Vtor Menezes
Sabemos que a rea inteira da figura acima igual a 1 (a probabilidade de Z assumir um

valor qualquer de 100%).
Portanto, a rea amarela de 2,5%. Como o grfico simtrico, a rea esquerda de -1,96
tambm de 2,5%. Deste modo, a rea verde da figura abaixo de 95%.
Os valores -1,96 e 1,96 delimitam o intervalo de confiana de 95% para a varivel reduzida
Z. Ou seja, o valor de Z0 associado a 95% 1,96.
Z 0 = 1,96
Segundo passo: determinar o valor de X especfico para a amostra feita.

X = 48
Terceiro passo: determinar o desvio padro de X .
A amostra tem tamanho 64 (n = 64).
O desvio padro de X dado pela frmula:

X =
n

Estatstica p/ STN
Prof Vtor Menezes
No conhecemos o desvio padro da populao. Estamos considerando que a amostra

muito grande a tal ponto que a sua varincia seja um excelente estimador da populao.
Vamos considerar que a varincia amostral igual varincia da populao. Portanto, o
desvio padro da populao tambm igual ao desvio padro da amostra (=16).
= 16
16
X = =2
64
Quarto: determinar o intervalo de confiana.
O intervalo de confiana da forma: X Z 0 X X + Z 0 X
Substituindo os valores:
X Z0 X X + Z0 X
48 1,96 2 48 + 1,96 2
48 3,92 48 + 3,92
44,08 51,92
Gabarito: A.
Questo 11 TRT 2 Regio 2008 [FCC]

A vida das lmpadas fabricadas por uma empresa apresenta uma distribuio normal com
uma varincia populacional igual a 400 (horas)2 . Extrai-se uma amostra de 64 lmpadas e
verifica-se que a respectiva vida mdia igual a 1.200 horas. Considerando a populao de
tamanho infinito e a informao da distribuio normal padro (Z) que a probabilidade P(Z
> 2) = 2,5%, tem-se que o intervalo de confiana de 95% para a vida mdia das lmpadas
(A) [1.160 , 1.240]
(B) [1.164 , 1.236]
(C) [1.180 , 1.220]
(D) [1.184 , 1.216]
(E) [1.195 , 1.205]
Resoluo:
Primeiro passo:
,- = 2
Segundo passo:
= 1200
Terceiro passo:

Estatstica p/ STN
Prof Vtor Menezes
20 20
) = = = = 2,5
64 8
Quarto passo:
) ,-
1.200 2,5 2
1.200 5
A1.195; 1.205C
Gabarito: E
2.4. Intervalo de confiana para a mdia quando a varincia da populao

no conhecida
Grande parte dos exerccios de concurso sobre intervalo de confiana no so resolvidos por
meio da distribuio normal. Eles envolvem o conhecimento da distribuio T de Student. A
grande vantagem que a forma de se resolverem os exerccios de intervalo de confiana
por meio da distribuio T exatamente a mesma daquela vista acima, para a distribuio
normal. A nica coisa que muda a tabela em que fazemos a consulta. No final da aula h
duas tabelas. A nica coisa que vai mudar que vamos consultar a tabela II, em vez da
tabela I.
Sabemos que X pode ser visto como uma varivel aleatria normal (ou aproximadamente
normal). Portanto, para X podemos utilizar a tabela de reas da varivel normal.
Para utilizar esta tabela, precisamos encontrar a varivel normal reduzida Z:
X
Z= .
X

Onde X o desvio padro da varivel X . Sua frmula : X = .
n
Entretanto, se no soubermos a varincia da populao ( 2 ), no temos como calcular X .
Nestes casos, utilizamos a varincia da amostra no lugar da varincia da populao. Em

problemas assim, na verdade, ns estamos estimando duas grandezas ao mesmo tempo.
Estamos estimando a mdia e a varincia da populao.
Como no temos certeza nem sobre o valor da mdia nem sobre o valor da varincia da
populao, nosso intervalo de confiana tem que ser maior que aquele que seria obtido
caso conhecssemos o valor de 2 , para mantermos o mesmo nvel de confiana.
exatamente esta a ideia da distribuio T.
Para ilustrar, seguem alguns grficos gerados com o excel.

Estatstica p/ STN
Prof Vtor Menezes
As curvas em azul e vermelho indicam as distribuies T com 2 e 4 graus de liberdade. Por

hora, apenas fiquem com a informao de que o nmero de graus de liberdade tem relao
com o tamanho da amostra. Quanto maior o tamanho da amostra, maior o nmero de graus
de liberdade.
Quando a amostra pequena (como o exemplo da curva azul, com 2 graus de liberdade),
o grfico diferente da curva normal (em verde).
medida que o tamanho da amostra aumenta, a distribuio T se aproxima da normal.
Notem que a curva em vermelho j est mais prxima da curva verde. Isto at intuitivo. Se
a amostra for muito grande, ento conhecer a varincia da amostra praticamente o
mesmo que conhecer a varincia da populao. como se estivssemos caindo novamente
num problema em que a varincia populacional conhecida.
Portanto, se no problema no soubermos a varincia da populao, as nicas coisas que
mudam so:
Utilizamos a varincia da amostra no lugar da varincia da populao.
Em vez de consultar a tabela de reas da varivel reduzida normal, consultamos a tabela da
distribuio T, que dada pela prova.
No caso da distribuio T, o grfico de fdp muito parecido com o da distribuio normal.
Ele continua sendo simtrico, em um formato que lembra o de um sino.
Para consultar a tabela, temos que saber o nmero de graus de liberdade.
O nmero de graus de liberdade igual a D E, onde n o tamanho da amostra.

Um levantamento realizado a respeito dos salrios recebidos por uma determinada classe
profissional utilizou uma amostra de 100 destes profissionais, na qual foram observados
uma mdia de R$ 2.860,00 e um desvio padro de R$ 786,00. Qual ser, em reais, o desvio
padro da distribuio das mdias amostrais dos salrios desta classe de profissionais?
(A) 3,64

Estatstica p/ STN
Prof Vtor Menezes
(B) 7,86
(C) 78,60
(D) 786,00
(E) 7.860,00
Resoluo.
Quando o desvio padro da populao conhecido, normal com mdia igual a
e
F
G
desvio padro .
Se o desvio padro da populao desconhecido, substitumos este valor por sua

estimativa.
O desvio padro amostral (= s) um estimador do desvio padro da populao ().
Ou seja, como desconhecido, substitumos este valor por s, que seu estimador.
Consequentemente, ter distribuio T de Student, com mdia igual a
e desvio padro
H
G
.
786 786
= = = 78,6
100 10
Gabarito: C
Alguns alunos confundem estas varincias que surgiram. Cuidado para no confundir!
Relembrando:
1 - a varincia da populao. Tomamos cada valor da populao. Subtramos da mdia
populacional, obtendo os desvios em relao mdia. Em seguida, calculamos a mdia dos
quadrados dos desvios. Isto a varincia populacional.
2 s2 a varincia da amostra. um estimador de . Tomamos cada valor da amostra.

Subtramos da mdia amostral, obtendo os desvios. Em seguida, calculamos a mdia dos
quadrados dos desvios. Isto a varincia amostral.
3 ) a varincia de . Tomamos todos os possveis valores de . Subtramos da mdia
desvios, obtendo a varincia de .

desta varivel aleatria, obtendo os desvios. Calculamos a mdia dos quadrados dos
FI
J estudamos que ) =
G
4 - ) a estimativa da varincia de .

obtida substituindo, na frmula acima indicada, a varincia populacional pela amostral.

Estatstica p/ STN
Prof Vtor Menezes

)
=

Questo 13 IPEA 2004 [ESAF]

Deseja-se estimar o gasto mdio efetuado por grupos de 4 pessoas, num restaurante, por
meio de um intervalo de confiana com coeficiente de 95%. Uma amostra de 16 grupos
produziu os valores R$ 150,00 e R$ 20,00 para a mdia e o desvio padro amostrais,
respectivamente. Assinale a opo que corresponde ao intervalo procurado. Use a hiptese
de normalidade da distribuio dos gastos e a tabela abaixo da funo de distribuio de
Student (Tr) para a escolha do quantil apropriado aos clculos.
P (Tr x) =
0,900 0,950 0,975 0,990
r
14 1,345 1,761 2,145 2,625
15 1,341 1,753 2,131 2,603
16 1,337 1,746 2,120 2,584
17 1,333 1,740 2,110 2,567
a) [139,34; 160,66]
b) [139,40; 160,60]
c) [141,23; 158,77]
d) [141,19; 158,81]
e) [140,00; 160,00]
Resoluo.
O ndice r, na simbologia usada no enunciado, indica o nmero de graus de liberdade.
Creio que isso poderia ser dito expressamente para evitar quaisquer dvidas.
No conhecemos a varincia da populao. Vamos usar, portanto, os valores da distribuio
t. Como a amostra tem tamanho 16, temos 15 graus de liberdade. Devemos consultar,
portanto, a linha em que r = 15.
Primeiro passo: obter o valor de t0 associado a 95% de confiana.
Da tabela, temos que a probabilidade de t ser menor ou igual a 2,131 de 0,975.
A rea verde da figura abaixo de 0,975.

Estatstica p/ STN
Prof Vtor Menezes
Como a rea total igual a 1, ento a rea vermelha de 0,025. Conclumos que a
probabilidade de t ser maior que 2,131 de 2,5%.
Como o grfico da fdp simtrico, a probabilidade de t ser menor que -2,131 tambm de
2,5%. Assim, cada uma das duas reas vermelhas da figura abaixo igual a 0,025.
Como a rea total igual a 1, a rea amarela de 0,95.

Portanto, a probabilidade de t assumir valores entre -2,131 e 2,131 de 95% (=100% - 2,5%
- 2,5%)
Desta forma, os valores que delimitam o intervalo centrado em zero que contm 95% dos
valores, so -2,131 e 2,131.
t 0 = 2,131
Segundo passo: obter o valor especfico de X .

X = 150 (fornecido no enunciado).
Terceiro passo: obter o desvio padro de X .

Estatstica p/ STN
Prof Vtor Menezes
Como no temos a varincia da populao, na verdade vamos obter a estimativa do desvio

padro de X :
s 20
sX = = =5
n 16
Quarto passo: obter o intervalo de confiana.
O intervalo de confiana da forma:
X t0 s X X + t0 s X
150 2,131 5 150 + 2,131 5
150 10,655 150 + 10,655
139,345 160,655
O intervalo mais prximo o fornecido na letra A.
Gabarito: A.
Questo 14 MIN 2012 [ESAF]

Uma amostra aleatria simples de tamanho 9 de uma populao com distribuio normal
levou ao clculo de uma mdia amostral igual a 32 e ao clculo de uma varincia amostral
igual a 225. Construa um intervalo de 95% de confiana para a mdia da populao.
a) 27,1 a 36,9
b) 22,2 a 41,8
c) 12,4 a 51,6
d) 2,6 a 61,4
e) -17 a 81
Resoluo:
A questo foi anulada, possivelmente pela falta de informao dos valores referentes
distribuio T de Student.
O intervalo de confiana tem o seguinte formato:

J-

Onde:
a mdia amostral (=32)
s o desvio padro amostral (no caso, igual raiz de 225, ou seja, vale 15)
n o tamanho da amostra (=9)
t0 o valor da distribuio T associado a 95% de confiana e 8 graus de liberdade (o
nmero de graus de liberdade sempre igual a n 1)

Estatstica p/ STN
Prof Vtor Menezes
15
32 J-
9
15
32 J-
3
32 5 J-
E para terminar o clculo, precisaramos do valor de J- , no fornecido pela questo.
Gabarito: anulado
3. INTERVALO DE CONFIANA PARA PROPORES
3.1. K como uma varivel aleatria

Seja a proporo de casos favorveis em uma populao e a proporo de casos

favorveis em uma amostra. Vimos que um estimador para .
Para ficar mais claro, vamos analisar o exemplo do dado que lanado trs vezes.
Consideramos caso favorvel quando sai um mltiplo de 3.
Na populao (formada por todos os possveis resultados do lanamento do dado), a
proporo de casos favorveis igual a 1/3. Por esse motivo, a probabilidade de sucesso em
um nico lanamento igual a 1/3. Assim, a proporo de casos favorveis na populao
igual probabilidade de sucesso em um lanamento.
Ficamos com:
p = 1 / 3 (proporo de casos favorveis na populao = probabilidade de sucesso em um
lanamento)
q = 2 / 3 (proporo de casos desfavorveis na populao = probabilidade de fracasso em
um lanamento).
Lanamos o dado trs vezes. Obtemos os seguintes resultados: 1, 3, 6.

Na amostra de tamanho 3, a proporo de casos favorveis foi de 2/3.
p = 2 / 3
Usamos a proporo amostral para estimar a proporo da populao. Caso no
soubssemos que o dado tem 1/3 de faces com mltiplos de 3, a partir do resultado obtido
na amostragem acima, estimaramos esta proporo em 2/3.
Quando temos uma nica amostra, p um valor, um nmero, fixo, constante.
Mas podemos pensar em p de forma diferente. Podemos pensar em inmeras amostras
possveis. Se lanssemos o dado trs vezes novamente, obtendo outra amostra, p poderia
assumir outros valores. Quando consideramos as inmeras amostras possveis, p uma
varivel aleatria.

Estatstica p/ STN
Prof Vtor Menezes
Neste exemplo do dado, as amostras de tamanho 3 possveis seriam:

1 1 1 2 1 1 3 1 1 4 1 1 5 1 1 6 1 1 1 4 1 2 4 1 3 4 1 4 4 1 5 4 1 6 4 1
1 1 2 2 1 2 3 1 2 4 1 2 5 1 2 6 1 2 1 4 2 2 4 2 3 4 2 4 4 2 5 4 2 6 4 2
1 1 3 2 1 3 3 1 3 4 1 3 5 1 3 6 1 3 1 4 3 2 4 3 3 4 3 4 4 3 5 4 3 6 4 3
1 1 4 2 1 4 3 1 4 4 1 4 5 1 4 6 1 4 1 4 4 2 4 4 3 4 4 4 4 4 5 4 4 6 4 4
1 1 5 2 1 5 3 1 5 4 1 5 5 1 5 6 1 5 1 4 5 2 4 5 3 4 5 4 4 5 5 4 5 6 4 5
1 1 6 2 1 6 3 1 6 4 1 6 5 1 6 6 1 6 1 4 6 2 4 6 3 4 6 4 4 6 5 4 6 6 4 6
1 2 1 2 2 1 3 2 1 4 2 1 5 2 1 6 2 1 1 5 1 2 5 1 3 5 1 4 5 1 5 5 1 6 5 1
1 2 2 2 2 2 3 2 2 4 2 2 5 2 2 6 2 2 1 5 2 2 5 2 3 5 2 4 5 2 5 5 2 6 5 2
1 2 3 2 2 3 3 2 3 4 2 3 5 2 3 6 2 3 1 5 3 2 5 3 3 5 3 4 5 3 5 5 3 6 5 3
1 2 4 2 2 4 3 2 4 4 2 4 5 2 4 6 2 4 1 5 4 2 5 4 3 5 4 4 5 4 5 5 4 6 5 4
1 2 5 2 2 5 3 2 5 4 2 5 5 2 5 6 2 5 1 5 5 2 5 5 3 5 5 4 5 5 5 5 5 6 5 5
1 2 6 2 2 6 3 2 6 4 2 6 5 2 6 6 2 6 1 5 6 2 5 6 3 5 6 4 5 6 5 5 6 6 5 6
1 3 1 2 3 1 3 3 1 4 3 1 5 3 1 6 3 1 1 6 1 2 6 1 3 6 1 4 6 1 5 6 1 6 6 1
1 3 2 2 3 2 3 3 2 4 3 2 5 3 2 6 3 2 1 6 2 2 6 2 3 6 2 4 6 2 5 6 2 6 6 2
1 3 3 2 3 3 3 3 3 4 3 3 5 3 3 6 3 3 1 6 3 2 6 3 3 6 3 4 6 3 5 6 3 6 6 3
1 3 4 2 3 4 3 3 4 4 3 4 5 3 4 6 3 4 1 6 4 2 6 4 3 6 4 4 6 4 5 6 4 6 6 4
1 3 5 2 3 5 3 3 5 4 3 5 5 3 5 6 3 5 1 6 5 2 6 5 3 6 5 4 6 5 5 6 5 6 6 5
1 3 6 2 3 6 3 3 6 4 3 6 5 3 6 6 3 6 1 6 6 2 6 6 3 6 6 4 6 6 5 6 6 6 6 6
Todas essas amostras so equiprovveis. Podemos montar o seguinte quadro:

p Probabilidade
0 64/216
1/3 96/216
2/2 48/216
3/3 8/216
A esperana de p fica:
64 1 96 2 48 3 8
E ( p ) = p = 0 + + + = 1/ 3
216 3 216 3 216 3 216
A esperana da proporo amostral igual esperana da proporo da populao.
A varincia de p fica:
2 2 2 2
1 64 1 1 96 2 1 48 1 8 2
p 2 = 0 + + + 1 =
3 216 3 3 216 3 3 216 3 216 27
Sabendo que a proporo amostral pode ser vista como uma varivel, importante ver um
meio mais rpido para calcular sua mdia e sua varincia.
Nesse exemplo do lanamento do dado, seja X o nmero de casos favorveis em n

lanamentos. Vimos na aula passada que X uma varivel binomial com mdia e varincia
dadas por:
X = np
X 2 = npq
Onde n o nmero de experimentos, p a probabilidade de sucesso e q a probabilidade
de fracasso. Nesse exemplo, n = 3; p = 1/3; q = 2/3.

Estatstica p/ STN
Prof Vtor Menezes
Ficamos com:
X = np = 1
X 2 = npq = 2 / 3
X tem mdia 1 e varincia 2/3. Isso significa que, em trs lanamentos, esperamos 1 caso
favorvel (e dois desfavorveis). Ou seja, se fosse possvel fazer infinitos conjuntos de trs
lanamentos do dado, o nmero mdio de casos favorveis seria igual a 1.
Seja p a proporo de casos favorveis verificada numa dada amostra de tamanho n. A
varivel p pode ser obtida a partir de X.
X
p =
n
Para ficar mais claro, suponhamos um conjunto de lanamentos em particular. Lanamos o
dado trs vezes, obtendo: 1, 3, 6.
Nessa situao, o nmero de casos favorveis igual a 2 (X = 2). E a proporo de casos
favorveis fica:
X
p =
n
2
p =
3
Em dois teros dos casos, tivemos sucesso.
Fcil, n? Para achar a proporo de casos favorveis na amostra, basta pegar a varivel X e
dividir por n.
Sabemos como calcular a mdia e a varincia da varivel binomial. Sabemos que a varivel
X
p , que indica a proporo de casos favorveis na amostra, pode ser obtida por: p = .
n
Para obtermos p , dividimos a varivel X por uma constante n.
Quando dividimos uma varivel por uma constante, a mdia tambm fica dividida por essa
constante. A mdia de p :
X np
p = = = p
n n
Conclumos que a esperana de p justamente a probabilidade de sucesso em um
experimento.
Quando lanamos o dado trs vezes (obtendo uma nica amostra de tamanho 3), teremos
um determinado valor para a proporo amostral ( p ). Esse valor pode ser igual a 1/3 ou
no. No exemplo acima (com resultados 1, 3 e 6), inclusive, foi diferente.
Mas, se fosse possvel repetir infinitas vezes o conjunto de trs lanamentos, obtendo para
cada amostra um valor de p , teramos que a mdia de p seria igual a 1/3.

Estatstica p/ STN
Prof Vtor Menezes
Vejamos agora a varincia de p . Quando dividimos uma varivel por uma constante, a
varincia sofre a variao ao quadrado.
X 2
npq pq
p = p = X2 = 2 =
2
n n n n
E seu desvio padro fica:
pq
p =
n
Ento o que importa para gente saber isso. Se p for a varivel que indica a proporo de
casos favorveis na amostra, ento p tem mdia e desvio padro dados por:
p = p
pq
p =
n
Proporo de casos favorveis na amostra

Pode ser vista como uma varivel com mdia e desvio padro dados por:
p = p
pq
p =
n
Onde p a proporo de casos favorveis na populao e q a proporo de casos
desfavorveis na populao.
3.2. Intervalo de confiana para uma proporo
Quando estudamos intervalo de confiana para uma mdia, queramos justamente estimar
um intervalo para a mdia de uma populao ( ).
Agora queremos estimar uma proporo (p). O procedimento ser anlogo.
Vimos que o intervalo de confiana para a mdia da varivel X dado por:

X Z0 X X + Z0 X
O intervalo de confiana para a proporo muito semelhante. Onde tinha mdia amostral,
colocamos a proporo amostral. Onde tinha mdia populacional, colocamos a proporo
populacional.

Estatstica p/ STN
Prof Vtor Menezes
E o intervalo de confiana para uma proporo da seguinte forma:

p Z 0 p p p + Z 0 p
Ento para gente o que importa isso. Interessa saber qual o intervalo de confiana para a
proporo.
Intervalo de confiana para a proporo

p Z 0 p p p + Z 0 p
Questo 15 SEFAZ SP 2009 [FCC]

Em uma pesquisa de tributos de competncia estadual, em 2008, realizada com 400
recolhimentos escolhidos aleatoriamente de uma populao considerada de tamanho
infinito, 80% referiam-se a determinado imposto. Deseja-se construir um intervalo de
confiana de 95,5% para a estimativa dessa proporo. Considerando normal a distribuio
amostral da frequncia relativa dos recolhimentos desse imposto e que na distribuio
normal padro a probabilidade P (2 Z 2) = 95,5%, o intervalo
(A) [0,70; 0,90]
(B) [0,72; 0,88]
(C) [0,74; 0,86]
(D) [0,76; 0,84]
(E) [0,78; 0,82]
Resoluo:
Primeiro passo: determinar o valor de Z0. O enunciado disse que:
,- = 2
Segundo passo:
= 0,8 MN = 1 0,8 = 0,2
Terceiro passo:
MN
ON = *


Estatstica p/ STN
Prof Vtor Menezes
0,8 0,2 0,16 0,4

ON = * =* = = 0,02
400 400 20
Quarto passo: encontrando o intervalo de confiana.

,- ON
0,8 2 0,02
0,8 0,04
A0,76; 0,84C
Gabarito: D
Questo 16 TRT 4 REGIO 2009 [FCC]

Se Z tem distribuio normal padro, ento:
P (Z > 1,64) = 0,05; P(Z > 2) = 0,02; P(0< Z < 1,75) = 0,46
Deseja-se estimar a proporo (p) de processos julgados por um tribunal regional do
trabalho durante o perodo de 2000 at 2008. Uma amostra aleatria de 10.000 processos,
selecionada da populao (suposta infinita) de todos os processos, revelou que 5.000 foram
julgados no referido perodo. Um intervalo de confiana, com coeficiente de confiana de
90% para p, baseado nessa amostra, dado por
(A) 0,5 0,005
(B) 0,5 0,0062
(C) 0,5 0,0065
(D) 0,5 0,0082
(E) 0,5 0,01
Resoluo:
Primeiro passo: determinar o valor de Z0.
Temos:
, > 1,64 = 5% , < 1,64 = 5%
Logo:
1,64 < , < 1,64 = 100% 5% 5% = 90%
Conclumos que:
,- = 1,64
Segundo passo:
5.000
= = 0,5
10.000
MN = 1 = 1 0,5 = 0,5

Estatstica p/ STN
Prof Vtor Menezes
Terceiro passo:
MN
ON = *

0,5 0,5 0,5

ON = * = = 0,005
10.000 100
Quarto passo: encontrando o intervalo de confiana.

,- ON
0,5 1,64 0,005
0,5 0,0082
Gabarito: D

Para estimar a proporo P de pessoas acometidas por uma virose, foi retirada uma
amostra aleatria de 1600 pessoas. Na amostra foi constatado que 160 pessoas
estavam acometidas pela virose. Sabe-se que, para construir um intervalo com 95%
de conana para a proporo de pessoas acometidas pela virose, o valor tabelado
1,96. Com essas informaes, o intervalo de conana dado por:
0,3
Q R0,10 1,96 S TU = 95%
40
40
V R0,10 1,96 S TU = 95%
0,3
0,3
W R0,10 1,96 S TU = 5%
40
40
X R0,10 1,96 S TU = 5%
0,3
0,03
Y R0,10 1,96 S TU = 95%
40
Resoluo:
Rigorosamente falando, todas as alternativas esto incorretas, pois atribuem ao intervalo de
confiana uma probabilidade de 95%. Mas errado falar em probabilidade, pois todos os
intervalos no contemplam qualquer varivel aleatria. Se no h variveis aleatrias
envolvidas, no h como se falar em probabilidade. Fala-se apenas em confiana. H 95% de
confiana de que o intervalo especificado na alternativa correta contenha a proporo
populacional.
Em todo caso, no vamos brigar com o enunciado. Igoneremos este problema.

Estatstica p/ STN
Prof Vtor Menezes
O intervalo de confiana tem o seguinte formato:
MN
,- *

Onde:
a proporo amostral de sucessos (160 em 1600 corresponde a 10%)
MN = 1 = 0,9
n o tamanho da amostra (no caso, vale 1600)
Z0 o valor tabelado da normal reduzida (1,96 para 95% de confiana)
MN
,- *

0,1 0,9
0,1 1,96 *
1600
0,3
0,1 1,96
40
Gabarito: A
4. INTERVALO DE CONFIANA E TAMANHO DA AMOSTRA
So comuns alguns tipos de exerccios em que se pede o tamanho que deve ter a amostra
para que se consiga uma determinada amplitude do intervalo de confiana.
Antes de vermos esse tipo de exerccio, bom termos uma noo da relao entre a
amplitude do intervalo de confiana e o erro da estimativa.
Exemplo 4
Considere o intervalo de confiana de 90,10% para a mdia de uma populao normal com
cometido na estimativa da mdia populacional? (Dado: ,- = 1,65).

varincia 16, construdo a partir da seguinte amostra: 2, 6, 6, 10. Qual o erro mximo
Resoluo.
A mdia amostral :
2 + 6 + 6 + 10
= =6
4
O desvio padro da mdia amostral :

Estatstica p/ STN
Prof Vtor Menezes
16
) = =2
4
O intervalo de confiana fica:
6 1,65 2
Os limites do intervalo so:
[2,7 ; 9,3]
Com 90,10% de confiana, a mdia populacional est entre 2,7 e 9,3.
Qual o maior erro que cometemos quando usamos a mdia amostral para estimar a mdia
populacional? Isso, claro, considerando um coeficiente de confiana de 90,10%.
A mdia amostral est bem no meio do intervalo de confiana. Logo, o erro ser maior se a
mdia populacional estiver em uma das extremidades do intervalo de confiana. O erro ser
mximo se a mdia populacional for igual a 2,7 ou se ela for igual a 9,3.
No primeiro caso, o erro cometido fica:
erro = X
erro = 6 2,7 = 3,3
No segundo caso, o erro cometido :
erro = 6 9,3 = 3,3
Em qualquer um desses dois casos, o mdulo do erro de 3,3. comum que os exerccios
ignorem a palavra mdulo e digam apenas erro. Desse modo, dizemos que, nos dois casos
acima, o erro cometido foi de 3,3.
Ento, quando o exerccio se referir a erro mximo cometido, ele quer que a gente suponha
que a mdia populacional est justamente na extremidade do intervalo de confiana.
Note que o erro mximo sempre metade da amplitude do intervalo de confiana. Nesse
exemplo, o intervalo de confiana era [2,7 ; 9,3]
Sua amplitude :
Amplitude = 9,3 2,7 = 6,6
E a metade da amplitude :
Amplitude 6,6
= = 3,3
2 2
Erro mximo cometido, para determinado nvel de confiana:

Corresponde metade da amplitude do intervalo de confiana

Estatstica p/ STN
Prof Vtor Menezes
No caso do intervalo de confiana para a mdia, quando a varincia da populao

conhecida, temos:
X Z 0 X X + Z 0 X
A amplitude do intervalo de confiana :

( ) ( )
Amplitude = X + Z 0 X X Z 0 X = 2Z 0 X
Logo, o erro, que igual metade da amplitude, expresso por:

erro _ max = Z 0 X
No caso do intervalo de confiana para a mdia, quando a varincia da populao

desconhecida, os clculos so anlogos. Ficamos com:
erro _ max = t 0 s X
Por fim, no caso do intervalo de confiana para a proporo, o erro mximo :

erro _ max = Z 0 s p
Erro mximo cometido

Estimao da mdia, com varincia populacional conhecida:
erro _ max = Z 0 X
Estimao da mdia, com varincia populacional desconhecida:

Estimao da proporo:
Sabendo disso, vamos aos exerccios de concurso.
Questo 18 DNOCS 2010 [FCC]

Seja X uma varivel aleatria normalmente distribuda representando o salrio dos
empregados em um determinado ramo de atividade. Uma amostra aleatria de 100
empregados foi selecionada e apurou-se um intervalo de confiana de 95% para a mdia de
X como sendo [760,80; 839,20], supondo a populao de tamanho infinito e sabendo-se que
o desvio padro populacional igual a R$ 200,00. Caso o tamanho da amostra tivesse sido

Estatstica p/ STN
Prof Vtor Menezes
de 1.600 e obtendo-se a mesma mdia anterior, o intervalo de confiana de 95%

apresentaria uma amplitude igual a
(A) R$ 78,40.
(B) R$ 39,20.
(C) R$ 49,00.
(D) R$ 58,80.
(E) R$ 19,60.
Resoluo:
A amplitude do intervalo de confiana dada por:
Z = 2,- )

Z = 2,-

Quando o tamanho da amostra 100, a amplitude :
839,20 760,80 = 78,4
tamanho de amostra de [ .
Em seguida, o tamanho da amostra aumentado para 1600. Vou chamar este novo
O tamanho da amostra multiplicado por 16.

[ = 16
A nova amplitude (Z) fica:

Z[ = 2,-
[

Z[ = 2,-
16
1
Z[ = 2,-
16
1
Z[ = S2,- T
4
Entre parntesis, temos a amplitude original:
1
Z[ = 78,4 = 19,60
4
Gabarito: E
Resumindo o que fizemos:
O tamanho da amostra foi multiplicado por 16. Logo, foi multiplicado por 4.
Como est no denominador, ento a amplitude foi dividida por 4.

Estatstica p/ STN
Prof Vtor Menezes
Questo 19 TRE PI 2009 [FCC]

A durao de vida de um determinado equipamento apresenta uma distribuio normal
com uma varincia populacional igual a 100 (dias)2. Uma amostra aleatria de 64 desses
equipamentos forneceu uma mdia de durao de vida de 1.000 dias. Considerando a
populao de tamanho infinito, um intervalo de confiana de ( 1 ) com amplitude de 4,75
dias para a mdia foi construdo. Caso o tamanho da amostra tivesse sido de 400, obtendo-
se a mesma mdia de 1.000 dias, a amplitude do intervalo de confiana de ( 1 ) seria de
(A) 0,950 dias.
(B) 1,425 dias.
(C) 1,900 dias.
(D) 2,375 dias.
(E) 4,750 dias.
Resoluo:
Aproveitando o raciocnio da questo anterior.
O tamanho da amostra saltou de 64 para 400. Ou seja, foi multiplicado por 6,25.
Logo, foi multiplicado por 2,5.
Consequentemente, a amplitude ser dividida por 2,5
4,75
= 1,9
2,5
Gabarito: C
Questo 20 AFPS 2002 [ESAF]

Tem-se uma populao normal com mdia e varincia 225. Deseja-se construir, a partir de
uma amostra de tamanho n dessa populao, um intervalo de confiana para com
amplitude 5 e coeficiente de confiana de 95%. Assinale a opo que corresponde ao valor
de n. Use como aproximadamente 2 o quantil de ordem 97,5% da distribuio normal
padro.
a) 225
b) 450
c) 500
d) 144
e) 200
Resoluo:
Como a varincia de 225, ento o desvio padro 15 (= raiz quadrada de 225).

Estatstica p/ STN
Prof Vtor Menezes
A amplitude do intervalo de confiana dada por:

Z = 2 ,-

Substituindo os valores fornecidos pelo enunciado:
15
5= 22

= 2 2 15 5 = 12
= 12 = 144
Gabarito: D
Questo 21 MDIC 2002 [ESAF]

Deseja-se determinar, para uma populao com N elementos, em um esquema de
amostragem aleatria simples, o tamanho de amostra n necessrio para estimar a mdia
populacional do atributo X. Deseja-se que o erro em valor absoluto do procedimento no
seja superior a 10% da mdia populacional, com probabilidade de 95%. De um estudo piloto
obtm-se que a varincia de X tem o valor 80 e que a mdia tem o valor 20. Tomando como
aproximadamente 2 o quantil de ordem 0,975 da distribuio normal padro, supondo que
a mdia da amostra tem distribuio aproximadamente normal e desprezando a frao de
amostragem n/N, assinale a opo que d o valor de n.
a) 1000
b) 100
c) 80
d) 200
e) 150
Resoluo:
O erro amostral igual a metade da amplitude do intervalo de confiana:
Y = ,- )
O erro mximo 10% da mdia amostral (10% 20 = 2).
2 = ,- )
O valor de Z0 igual a 2 (dado no enunciado):
2 = 2 )
O desvio padro da mdia amostral igual ao desvio padro amostral dividido por raiz
quadrada de n:

2=2


Estatstica p/ STN
Prof Vtor Menezes
80
2= 2

= 80
= 80
Gabarito: C
retirou-se uma amostra de 16 elementos, obtendo-se = 5. Para um nvel de confiana de

Para estimar por intervalo a mdia de uma populao normal com varincia igual a 9,
95%, o valor tabelado igual a 1,96. Desse modo, a semi-amplitude do intervalo ou erro de
estimao como tambm chamado igual a:
a) 2,94
b) 1,47
c) 0,5625
d) 0,7350
e) 0,47
Resoluo:
O erro de estimao dado por:

Y = ,-

Onde:
,- o valor tabelado da normal reduzida (1,96)
o desvio padro populacional (a varincia 9, ento o desvio padro igual a 3)
o tamanho da amostra: 16

Y = ,-

3
Y = 1,96
16
3
Y = 1,96 = 1,47
4
Gabarito: B

Estatstica p/ STN
Prof Vtor Menezes
Exemplo 5
Deseja-se estimar a proporo de eleitores de um municpio que votar no candidato A.
Para tanto, busca-se que, com um coeficiente de confiana de 95%, o erro mximo
cometido seja de 2% (para mais, ou para menos).
a) possvel, com os dados fornecidos, determinar o tamanho da amostra para que o erro
mximo seja de 2%? Por qu?
b) supondo varincia mxima, qual o tamanho da amostra para que o erro mximo seja de
2%?
c) maximizando o valor de n, qual o tamanho da amostra para que o erro mximo seja de
2%?
d) supondo que a ltima pesquisa indicou 36% de votos para esse candidato, qual o
tamanho da amostra para que o erro mximo seja de 2%
Resoluo.
Letra A.
A frmula do erro mximo :
O erro mximo fixado igual a 0,02. O nvel de confiana de 95%, o que implica em Z0
p q
igual a 1,96. E sabemos que s p = .
n
Substituindo todas essas informaes:
p q
0,02 = 1,96
n
Lembrando que: q = 1 p .
p (1 p )
0,02 = 1,96
n
Temos uma nica equao e duas variveis. Para descobrirmos o valor de n, precisamos do
valor de p . Precisamos do valor da proporo amostral.
A ficou difcil. Ainda no fizemos a amostragem. Queremos justamente calcular que
tamanho deve ter essa amostra para que o erro seja de, no mximo, 2% (para um
coeficiente de confiana de 95%). Depois que soubermos o tamanho da amostra, a sim
fazemos a amostragem. S ento obteremos a proporo amostral.
Resumindo: para descobrir o tamanho de n, precisamos da proporo amostral. E s
faremos a amostragem (obtendo a proporo amostral), depois que soubermos o valor de
n.
Ficamos sem sada. No d para resolver o problema com o enunciado fornecido.
O que fazer?

Estatstica p/ STN
Prof Vtor Menezes
Bom, h duas opes, listadas nas letras B, C e D.
Letras B e C.
Uma forma de resolver o problema listado na letra A a que segue.
A estimativa da varincia de p dada por:
p (1 p )
p 2 =
n
p p 2 1 2 1
p 2 = = p + p
n n n
Para um dado valor de n, que valor de p maximiza a varincia acima?
De outra forma: para um valor fixado de n, qual o valor de p que torna a varincia a
maior possvel?
Podemos interpretar a equao acima como uma funo de segundo grau (o grfico uma
parbola). Isto matria l do ensino mdio. L a gente estuda como encontrar o vrtice da
parbola (que corresponde aos valores de mximo ou mnimo).
Considere uma funo de segundo grau do tipo:
y = ax 2 + bx + c
O valor de x que maximiza (ou minimiza, dependendo do valor de a) a funo y :
x = b / 2a
Aplicando este resultado ao nosso caso, temos que o valor de p que maximiza a varincia :
1/ n
p = = 0,5
2 ( 1 / n )
O caso em que a varincia a maior possvel ocorre quando a proporo populacional
igual a 50%.
Vimos que: fixado n, a varincia ser mxima se p = q = 0,5 .
Por outro lado, fixado o valor do erro, n ser mximo se p = q = 0,5 .
Vejam:
p q
erro _ max = Z 0
n
Logo:
p q
n = Z0
2
(erro _ max) 2
p (1 p )
n = Z0
2
(erro _ max) 2

Estatstica p/ STN
Prof Vtor Menezes
Para um dado valor de Z0, fixado o erro mximo, temos que n ser mximo quando
maximizarmos o numerador p (1 p ) . Temos uma parbola, em que o vrtice ocorre
justamente no ponto 0,5.
Ou seja, use p = q = 0,5 se a questo disser:

- use n mximo;
- use varincia mxima
No clculo do tamanho da amostra para estimar uma proporo, supor que p = 0,5
sempre que o exerccio disser:
- Considere varincia mxima
- Considere n mximo.
Quando fixamos a proporo em 0,5, para efeitos de determinao do tamanho da amostra,

na verdade, estamos trabalhando com a hiptese mais conservadora. Esta a alternativa
que maximiza o valor de n. Trabalhar com uma amostra maior sempre algo mais
conservador.
Assim, um modo de fugir do problema listado na letra A supor que a proporo igual
a 50%. Assim, trabalharemos com um valor de n grande.
Agora podemos achar o tamanho da amostra.

p (1 p )
0,02 = 1,96
n
Supondo que p = q = 0,5 , temos:
0,5
0,02 = 1,96 n = 49 2 = 2401
n
A amostra precisa ter tamanho 2401 (tanto na letra B quanto na letra C).
Letra D.
Outra sada para o problema listado na letra A fazer uma amostragem preliminar. Pode-se
fazer uma amostragem menor, mais rpida, de modo a obter um valor de p . Ou ento usar

Estatstica p/ STN
Prof Vtor Menezes
alguma informao anterior disponvel. Obtido esse valor preliminar de p , podemos

calcular o valor de n e, em seguida, fazer a amostragem para valer.
Na letra D, sabemos que a ltima pesquisa revelou que o candidato tem 36% das intenes
de voto.
Vamos usar os dados dessa pesquisa anterior para calcularmos o valor de n. Vamos supor
que p 36%. Desse modo, temos:
0,36 0,64
0,02 = 1,96
n
0,6 0,8
0,02 = 1,96 n = 2.212,762
n
Aproximando para o nmero inteiro seguinte:
n = 2.213
A amostra precisa ter tamanho 2.213. Note o tamanho encontrado para a amostra na letra
D foi menor que o encontrado nas letras B e C. Isso porque, nas letras B e C, usamos a
hiptese em que n o maior possvel. a hiptese mais conservadora (supor que p = 0,5).
Questo 23 Ministrio da Sade 2007 [FCC]

Para responder questo seguinte considere, dentre os dados abaixo, aqueles que julgar
apropriados. Se Z tem distribuio normal padro, ento:
P ( Z > 2) = 0,023 ; P (0 < Z < 1,6) = 0,445 ; P ( Z < 1) = 0,84 ; P (0 < Z < 2,33) = 0,49
Para estimar a proporo de cura de um medicamento antiparasitrio realizou-se um
experimento clnico, aplicando-se o medicamento em n doentes escolhidos ao acaso.
Nesta amostra foi considerado que 80% dos doentes foram curados. Com base nestas
informaes e utilizando o Teorema Central do Limite, o valor de n, para que o erro
cometido na estimao seja no mximo 0,08, com confiana de 89%, de:
a) 16
b) 25
c) 36
d) 49
e) 64
Resoluo.
Podemos interpretar que, na amostra preliminar, a proporo de cura verificada foi de 80%.
A partir desse valor, podemos calcular o valor de n para uma segunda amostragem, de tal
forma que o erro mximo seja de 0,08.
A frmula do erro mximo :

Estatstica p/ STN
Prof Vtor Menezes
Primeiro, vamos encontrar Z0.

Sabemos que P (0 < Z < 1,6) = 0,445 . Logo, a rea verde da figura abaixo igual a 0,445:
Como o grfico simtrico, ento a rea verde da figura abaixo igual a 0,89:
Desse modo, a probabilidade de Z estar entre -1,6 e 1,6 igual a 89%.

Z 0 = 1,6
Agora vamos achar s p
p q
s p =
n
Substituindo os valores da amostra preliminar:
0,8 0,2 0,4
s p = =
n n

Estatstica p/ STN
Prof Vtor Menezes
Voltando na frmula do erro mximo:

0,4
0,08 = 1,6
n
Isolando n:
64
n= n = 64
8
Gabarito: E.

Em uma cidade, considerada com uma populao de tamanho infinito, feito um estudo
objetivando detectar a proporo de habitantes que preferem a marca do sabonete X. Uma
amostra piloto forneceu um valor de 20% para essa proporo. Deseja-se obter um intervalo
de confiana de 95% para a proporo, tendo o intervalo uma amplitude de 10%. Se a
distribuio amostral da freqncia relativa dos habitantes que preferem a marca do
sabonete X normal e utilizando a informao da distribuio normal padro (Z) que a
probabilidade P(|Z| 2) = 95%, tem-se que o tamanho da amostra deve ser de
(A) 400
(B) 361
(C) 324
(D) 289
(E) 256
Resoluo:
O valor de Z0 dado na questo igual a 2.
Agora usamos a frmula da amplitude do intervalo de confiana:
Z = 2 ,- ON
MN
Z = 2 ,- *

0,2 0,8
0,1 = 2 2 *

0,2 0,8
= 2 2 = 16
0,1
= 256
Gabarito: E

Estatstica p/ STN
Prof Vtor Menezes

Uma pesquisa recente foi realizada para avaliar o percentual da populao favorvel
eleio de um determinado ponto turstico para constar no selo comemorativo de
aniversrio da cidade. Para isso, selecionou-se uma amostra aleatria simples extrada de
uma populao infinita. O resultado apurou 50% de inteno de votos para esse ponto
turstico. Considerando que a margem de erro foi de 2 pontos percentuais, para mais ou
para menos, e que o nvel de confiana utilizado foi de 95%, foram ouvidas,
aproximadamente:
(A) 50 pessoas.
(B) 100 pessoas.
(C) 1.200 pessoas.
(D) 2.400 pessoas.
(E) 4.800 pessoas.
Resoluo:
O erro mximo dado por:
p q
erro _ max = Z 0
n
Podemos fazer a consulta de Z0 na tabela da distribuio normal colocada ao final da aula.
Mas, de tanto aparecer este percentual de 95%, j sabemos que Z0 igual a 1,96.
0,5 0,5
0,02 = 1,96
n
0,5
0,02 = 1,96
n
0,5
n = 1,96 = 49
0,02
n = 2401
Foram ouvidas 2401 pessoas. Aproximando, temos 2.400.
Gabarito: D
salrios mnimos em uma populosa cidade. Usando a estimativa = 5/7, obtida em um

Pretende-se estimar por amostragem a proporo de famlias com renda inferior a cinco
levantamento preliminar, determine o menor tamanho de amostra aleatria simples

Estatstica p/ STN
Prof Vtor Menezes
necessria para estimar com um intervalo de 95% de confiana e com um erro de

amostragem ]' 1 / 4%
a) 420
b) 490
c) 560
d) 630
e) 684
Resoluo:
O erro mximo deve ser de 4%. Assim, o tamanho mnimo da amostra tal que:
1
]* = 4%

Onde "z" o valor da normal padro associado a 95% de confiana. Esse valor deve ser de
conhecimento do candidato.
] = 1,96
Substituindo os valores fornecidos pelo enunciado:
5 5
1,96* S1 T = 4%
7 7
5 2 1
1,96* = 4%
7 7
1,96 10
* = 4%
7
1,96
= 10
7 0,04
= 7 10
= 7 10 = 490
Gabarito: B
5. FATOR DE CORREO PARA POPULAES FINITAS
Quando a amostragem feita sem reposio, a partir de uma populao finita, cada
extrao no independente das demais.

Estatstica p/ STN
Prof Vtor Menezes
Apesar disso, se pudermos considerar a populao bem grande, razovel considerar que
cada extrao independente das demais.
Contudo, quando o tamanho da populao (em relao ao tamanho da amostra) no for to
grande, a aproximao fica ruim.
Segundo o autor William J Stevenson, se a amostra for superior a 5% da populao, a
aproximao fica ruim.
Nestes casos, quando estivermos calculando o intervalo de confiana, precisaremos aplicar
um fator de correo. o chamado fator de correo para populao finita.
O fator de correo :
N n
N 1
onde N o tamanho da populao e n o tamanho da amostra.
Neste caso, os valores dos desvios-padro da mdia amostral e da proporo amostral
ficam:
N n
X =
n N 1
p q N n
s p =
n N 1
Este fator de correo acima estudado, com a raiz quadrada, vale para os desvios padro.
Para corrigirmos a varincia, o fator elevado ao quadrado, tornando-se:
_
_1

Uma populao possui 15 elementos e tem varincia 2 . Desta populao retira-se uma
amostra aleatria sem reposio de n elementos. Sabendo-se que a mdia amostral
2
desses n elementos tem varincia igual a , o valor de n dado por
28
(A) 5
(B) 10
(C) 14
(D) 25
(E) 28
Resoluo:

Estatstica p/ STN
Prof Vtor Menezes
_
)
=
_1
15
=
28 15 1
1 1 15
=
28 14
1 1 15
=
2 1
= 2 15
= 30 2
3 = 30
= 10
Gabarito: B
Questo 28 TRF-2 2007 [FCC]

Em uma populao de 100 elementos, com varincia populacional 50, foram tomadas
amostras casuais simples de tamanho 10. Nestas condies, as varincias da mdia amostral
na amostragem, com e sem reposio, so respectivamente
a) 1/5 e 90/99
b) 2 e 90/99
c) 4 e 450/99
d) 5 e 200/99
e) 5 e 450/99
Resoluo:
Amostragem com reposio:
50
) = = =5
10
Amostragem sem reposio:
_ 100 10
) = =5
_1 100 1
450
) =
99
Gabarito: E

Estatstica p/ STN
Prof Vtor Menezes
Questo 29 MINISTRIO DA INTEGRAO NACIONAL 2012 [ESAF]
populao finita de tamanho 500. Sendo = 100 a varincia da populao, determine o

Considere uma amostra aleatria simples de tamanho 50 extrada sem reposio de uma
valor mais prximo da varincia da mdia amostral.

a) 1,6
b) 1,8
c) 2,0
d) 2,2
e) 2,4
Resoluo:
A varincia da mdia amostral dada por:
_
) =
_1
Onde:
_ o tamanho da populao
o tamanho da amostra
100 500 50
) =
50 499
450
) = 2
499
) 1,8
Gabarito: B
6. CARACTERSTICAS DOS ESTIMADORES
Como j adiantamos, algumas caractersticas dos estimadores so:

No tendenciosos (ou no viciados)
De mxima verossimilhana
De varincia mnima
De mnimos quadrados

Estatstica p/ STN
Prof Vtor Menezes
6.1. Estimador no tendencioso
Seja a um estimador para o parmetro . Dizemos que a um estimador no tendencioso

se:
E (a ) =
Ou seja, a esperana do estimador igual ao parmetro estimado.
Ns vimos que a mdia amostral ( X ) um estimador no-tendencioso para a mdia
populacional.
Vamos agora estudar o estimador no tendencioso da varincia. Ou seja, vamos calcular a
varincia da amostra. Para comparao, faremos dois clculos: um com o denominador n e
outro com o denominador n 1 .
Considere um tetraedro homogneo, com faces 1, 2, 3 e 4.

Vamos lan-lo 2 vezes, obtendo uma amostra de tamanho 2. O quadro abaixo traz todas as
possveis amostras.
1e1 1e2 1e3 1e4
2e1 2e2 2e3 2e4
3e1 3e2 3e3 3e4
4e1 4e2 4e3 4e4
Seriam 16 amostras possveis, todas elas com a mesma probabilidade de ocorrer.
Para cada possvel amostra, vamos calcular a varincia amostral.
Para diferenciar, quando utilizarmos o denominador n, vamos adotar o smbolo s * .

Estatstica p/ STN
Prof Vtor Menezes
2
Valores da 2
amostra (x i x) 2 (x i x) 2
s2 = i =1
s *2 = i =1
2 1 2
1e1 0 0
1e2 0,5 0,25
1e3 2 1
1e4 4,5 2,25
2e1 0,5 0,25
2e2 0 0
2e3 0,5 0,25
2e4 2 1
3e1 2 1
3e2 0,5 0,25
3e3 0 0
3e4 0,5 0,25
4e1 4,5 2,25
4e2 2 1
4e3 0,5 0,25
4e4 0 0
total 20 10
Note que:
20
E (s 2 ) = = 1,25
16
10
E ( s *2 ) = = 0,625
16
Vamos agora calcular a varincia da varivel aleatria X.
1+ 2 + 3 + 4
E( X ) = = 2,5
4
1 + 4 + 9 + 16
E( X 2 ) = = 7,5
4
V ( X ) = E( X 2 ) E( X ) 2
V ( X ) = 7,5 2,5 2 = 1,25

O parmetro igual a 1,25. Os estimadores foram 1,25 (s2 , com o denominador n 1 ) e
0,625 ( s* 2 , com o denominador n).
Por isso dizemos que o estimador varincia amostral deve ter n 1 no denominador. Isto
garante um estimador no-viciado.

Estatstica p/ STN
Prof Vtor Menezes
6.2. Estimador de varincia mnima.
Vamos continuar com o exemplo do tetraedro com faces 1, 2, 3, 4 e as possveis amostras

de tamanho 2.
Queremos estimar a varincia da populao. Quem tem acesso a todas as faces do
tetraedro, sabe que:
1+ 2 + 3 + 4
= = 2,5
4
J quem desconhece as faces do tetraedro, poder apenas estimar a mdia da populao,
com base no resultado de uma amostra de tamanho 2.
Durante toda a aula, ns trabalhamos com o estimador X (mdia aritmtica da amostra).
Pois bem, vamos criar outro estimador para a mdia populacional. Vou cham-lo de X * ,
para diferenciar do smbolo anterior.
Esse nosso novo estimador ser uma mdia ponderada dos valores da amostra, em que o
primeiro valor da amostra tem peso 2 e o segundo valor da amostra tem peso 1.
Exemplificando: se a amostra for: (2, 3), nosso estimador ser:
2 2 + 3 1
X *= = 2,333
3
A tabela abaixo traz todas as amostras possveis, bem como os valores dos estimadores.
Valores da X X*
amostra
1e1 1 1
1e2 1,5 1,333333
1e3 2 1,666667
1e4 2,5 2
2e1 1,5 1,666667
2e2 2 2
2e3 2,5 2,333333
2e4 3 2,666667
3e1 2 2,333333
3e2 2,5 2,666667
3e3 3 3
3e4 3,5 3,333333
4e1 2,5 3
4e2 3 3,333333
4e3 3,5 3,666667
4e4 4 4
total 40 40
Interessante observar que:
40
E ( X ) = E ( X *) = = 2,5
16

Estatstica p/ STN
Prof Vtor Menezes
Ou seja, o estimador X * tambm no-tendencioso.

Qualquer mdia ponderada dos valores da amostra ser um estimador no-tendencioso da
mdia populacional.
A vem a pergunta: Ah, ento qualquer mdia ponderada ser um bom estimador?
No necessariamente. Depende das caractersticas que voc quer para o seu estimador.
Uma caracterstica interessante que o estimador tenha varincia mnima.
Se voc calcular a varincia dos estimadores X * e X , ver que eles tm varincias
diferentes. No vou reproduzir os clculos aqui, vou apenas dar o resultado:
V ( X ) = 0,625
V ( X *) = 0,6944
Note que X tem uma varincia menor que X * . Isto pode ser interessante. Se fizssemos
inmeras amostras, em mdia, acertaramos o valor do parmetro nos dois casos (com
qualquer um destes dois estimadores).
S que o estimador X * tem maior disperso. Ele apresenta, com maior frequncia, valores
afastados da mdia populacional. Por isso, o estimador X melhor.
Assim, uma caracterstica que se costuma buscar que o estimador tenha varincia mnima.
Ou seja, que a varincia do estimador escolhido seja menor que a varincia de qualquer
outro estimador.
Dentre os estimadores lineares (ou seja, aqueles que so obtidos a partir de uma mdia
ponderada com os valores da amostra), possvel demonstrar que a mdia aritmtica
simples ( X ) apresenta varincia mnima.
possvel comparar a eficincia entre dois estimadores diferentes. Basta dividir suas
varincias. Assim, a eficincia relativa de X * , em comparao com X , dada por:
0,625
= 90%
0,6944
6.3. Estimador de mnimos quadrados
Outro tipo de estimador aquele que minimiza a soma dos quadrados dos desvios. Por
enquanto, no veremos este tipo de estimador com mais detalhes. Falaremos mais a
respeito na aula de regresso linear, em que ser muito frequente realizarmos a operao
que minimiza a soma dos quadrados dos desvios.
Interessante observar que X e p so estimadores de mnimos quadrados. Ou seja, a
mdia amostral e a proporo amostral estimam a mdia e a proporo populacionais,
obedecendo ao critrio de mnimos quadrados.

Estatstica p/ STN
Prof Vtor Menezes
6.4. Estimador de mxima verossimilhana
Um estimador de mxima verossimilhana aquele que maximiza a probabilidade (se a

varivel aleatria for discreta) ou a densidade de probabilidade (se a varivel aleatria for
contnua) de a amostra observada ter sido obtida.
Para explicar, vou adaptar um exemplo extrado do livro Estatstica para Economistas, do
Rodolfo Hoffmann.
Considere um tetraedro que possui faces azuis e brancas. Lanamos o tetraedro. O
resultado obtido corresponde face que fica em contato com o solo.
Caso saia uma face azul, temos um caso favorvel. Caso saia uma face branca, temos um
caso desfavorvel.
O tetraedro lanado 3 vezes, resultado em 1 caso favorvel (1 resultado azul e 2 brancos).
Ns s temos acesso ao resultado desta amostra e temos que estimar a proporo
populacional, ou seja, a proporo de faces azuis no tetraedro.
Para achar o estimador de mxima verossimilhana, ns temos que ver qual a proporo
que maximiza a probabilidade de esta amostra ter sido obtida. O quadro abaixo resume os
clculos.
Nmero de probabilidade de sucesso em 1 Probabilidade de, em 3 lanamentos,
faces azuis experimento termos exatamente 1 caso favorvel
0 0 0
1 0,25 0,421875
2 0,5 0,375
3 0,75 0,140625
4 1 0
A maior probabilidade (0,421875) ocorre quando temos 1 face azul. Logo, o estimador de
mxima verossimilhana 0,25.
Neste exemplo, a proporo populacional s poderia assumir alguns valores (0; 0,25; 0,5;
0,75; 1,0). uma varivel discreta.
Acaso a proporo populacional p possa assumir qualquer valor no intervalo entre 0 e 1,
X
ento possvel demonstrar que a proporo amostral ( p = , onde X a varivel
n
binomial) um estimador de mnimos quadrados e de mxima verossimilhana.
Se a varivel aleatria for normal, o estimador de mxima verossimilhana para a varincia

dado por:
n
(x i x) 2
s *2 = i =1
n
Se a varivel aleatria for normal, a mdia aritmtica da amostra ( X ) um estimador de
mxima verossimilhana para a mdia populacional.

Estatstica p/ STN
Prof Vtor Menezes
Texto para Questo 30 e Questo 31.

Para responder s questes seguintes, considere as distribuies amostrais de cinco
estimadores propostos para estimar o parmetro T de uma populao, ilustradas na figura
apresentada a seguir.
Questo 30 INEP 2008 [CESGRANRIO]

Se o interesse for um estimador no viesado, deve-se utilizar apenas
(A) T1
(B) T4
(C) T1 ou T4
(D) T2 ou T5
(E) T1 ou T2 ou T3
Resoluo.
Estimador no viesado sinnimo de estimador no tendencioso. Queremos que a mdia
do estimador seja igual a T.
Os nicos estimadores que apresentam esta caracterstica so T1, T2 e T3.
Gabarito: E

Estatstica p/ STN
Prof Vtor Menezes

Levando-se em conta as propriedades de um bom estimador, o melhor dentre os
estimadores propostos
(A) T1
(B) T2
(C) T3
(D) T4
(E) T5
Resoluo.
Entre os estimadores T1, T2 e T3, o que apresenta varincia mnima T2, pois apresenta
uma curva mais afilada, o que indica que a proporo de valores prximos mdia maior.
Gabarito: B

Quando se lana uma certa moeda, a probabilidade de o resultado ser cara p. A moeda foi
lanada dez vezes, sucessivas e independentes, e o resultado foi de 2 caras e 8 coroas.
Tendo em vista este experimento, a estimativa de mxima verossimilhana de p
(A) 0.2
(B) 0.25
(C) 0.3
(D) 0.35
(E) 0.4
Resoluo.
A proporo amostral um estimador de mxima verossimilhana da proporo
populacional.
Na amostra, foram 2 caras em 10 lanamentos.
2
= = 0,2
10
Gabarito: A
Questo 33 CGU 2008. [ESAF]

Seja T um estimador de um parmetro de uma populao. Se E (T ) = , diz-se que T
um estimador de :
a) eficiente

Estatstica p/ STN
Prof Vtor Menezes
b) no enviesado
c) consistente
d) de mnimos quadrados
e) de mxima verossimilhana
Resoluo.
Vimos que o fato da esperana do estimador ser igual ao parmetro permite classificar o
estimador como no viciado (ou no tendencioso, ou no enviesado). Todas essas
expresses so sinnimas.
Gabarito: B.

Seja (X1, X2, X3) uma amostra aleatria simples de uma distribuio normal com mdia .
Foram obtidos 3 estimadores para :
X1 + X 2 + X 3
Y1 =
3
Y2 = 2 X 1 + X 2 3 X 3
Y3 = X1 + 2X 2 2X 3
Ento, APENAS
(A) Y1 no viesado.
(B) Y1 e Y3 so no viesados.
(C) Y1 e Y3 so viesados.
(D) Y1 e Y3 so viesados.
(E) Y2 e Y3 so viesados.
Resoluo.
Um estimador viesado quando sua esperana diferente do parmetro estimado.
Um estimador no viesado quando sua esperana igual ao parmetro estimado.
b + + c "b + + c "b + " + "c 3
"ab = " S T= = = =
3 3 3 3
"a = "2b + 3c = 2"b + " 3"c = 2
+
3
= 0
"ac = "b + 2 2c = "b + 2" 2"c =
+ 2
2
=
Observem que Y1 e Y3 apresentam esperana igual a

. Logo, so no viesados.

Estatstica p/ STN
Prof Vtor Menezes
pois no sabemos se
= 0.
J Y2 apresenta esperana igual a 0. Portanto, no temos garantias de que seja no viesado,
Gabarito: B

Considere um estimador T de um parmetro de uma populao. Se E(T) = , ento T um
estimador
a) no viesado.
b) viesado.
c) consistente.
d) tendencioso.
e) eficiente.
Resoluo:
Quando a esperana do estimador igual ao parmetro estimado, temos um estimador no
tendencioso, no viesado, ou no viciado.
Ele nos indica que, se fizssemos vrias e vrias amostragens, em mdia, acertaramos o
valor do parmetro.
Gabarito: A
O estimador viesado ou tendencioso (letras "b" e "d") quando sua esperana diverge do
valor do parmetro.
O estimador eficiente (letra "e") quando apresenta varincia pequena.
O estimador consistente (letra "c") quando sua disperso tende para zero, medida que
aumentamos o tamanho da amostra.

Estatstica p/ STN
Prof Vtor Menezes
7. RESUMO

Tpico Lembrete
Estimadores pontuais um estimador de
S2 um estimador de
um estimador de p.
Distribuies amostrais tem mdia

e desvio padro /
Oe
tem mdia p e desvio padro d G
Intervalo de confiana para mdia com X Z0 X X + Z0 X
varincia populacional conhecida
Intervalo de confiana para mdia com X t0 s X X + t0 s X
varincia populacional desconhecida
Intervalo de confiana para proporo p Z 0 p p p + Z 0 p
Erro mximo cometido e tamanho da erro _ max = Z 0 X
amostra
Caractersticas dos estimadores - No tendenciosos: esperana do
estimador = parmetro.
- De varincia mnima;
- De mnimos quadrados: minimiza a soma
dos quadrados dos desvios
- De mxima verossimilhana: maximiza a
probabilidade de a amostra ter sido
observada.
8. ASSUNTO DE DESTAQUE
que a mdia amostral e a proporo amostral podem ser vistos como variveis
A coisa mais importante da aula de hoje a seguinte. Temos que ter claro em nossa cabea
aleatrias. Assim sendo, eles tm uma esperana e uma varincia.

Saber as frmulas dessas esperanas e dessas varincias fundamental:
" =
# =
" =

Estatstica p/ STN
Prof Vtor Menezes
MN
# =

Compreender que e podem ser vistas como variveis aleatrias muito importante.
Isso a base para os intervalos de confiana e para os testes de hipteses, que estudaremos
na prxima aula.
9. QUESTES APRESENTADAS EM AULA

Considere uma Amostra Aleatria Simples de n unidades extradas de uma populao na
qual a caracterstica, X, estudada tem distribuio Normal com mdia e varincia 2 ,
ambas desconhecidas, mas finitas. Considere, ainda, as estatsticas mdia da amostra, X =
1 n

n i =1
X i , e varincia da amostra s 2
=
1 n

n i =1
( )2
X i X . Ento, correto afirmar que:
(A) X e S 2 so, ambos, no tendenciosos para a estimao da mdia e da varincia da

(B) X no-tendencioso, mas S 2 tendencioso para a estimao da mdia e da varincia
(C) X tendencioso, mas S 2 no-tendencioso para a estimao da mdia e da varincia
(D) X e S 2 so, ambos, tendenciosos para a estimao da mdia e da varincia da
(E) X e S 2 so, ambos, no-tendenciosos para a estimao da mdia e da varincia da
populao, mas apenas X consistente.
Qual o estimador de mxima verossimilhana da varincia de uma varivel X normalmente
distribuda obtido a partir de uma amostra aleatria simples X1, X2, X3, ..., Xn, desta varivel,
sendo m = X i / n o estimador de mxima verossimilhana da mdia?
a)
(X i m) 2
n 1
b)
(X i m) 2
n2
( X i m) 2
0,5

c)
n 1

d) (X i m) 2

Estatstica p/ STN
Prof Vtor Menezes
e)
(X i m) 2
n
Questo 3 SEFAZ SP 2009 [ESAF]
(Dados da questo anterior: 17, 12, 9, 23, 14, 6, 3, 18, 42, 25, 18, 12, 34, 5, 17, 20, 7, 8, 21,
13, 31, 24, 9.)
Considerando que as observaes apresentadas na questo anterior constituem uma
amostra aleatria simples X1, X2, ..., Xn de uma varivel aleatria X, determine o valor mais
prximo da varincia amostral, usando um estimador no tendencioso da varincia de X.
Considere que:
23
X
i =1
i = 388
23
X
i =1
i
2
= 8676
a) 96,85
b) 92,64
c) 94,45
d) 90,57
e) 98,73
Questo 4 TJ PI 2009 [FCC]

Seja uma populao constituda pelos valores 1, 2, 3, 4, 5 e 6. Todas as amostras com
tamanho 2, sem reposio, so selecionadas. A probabilidade de que a mdia amostral seja
superior a 5 de
(A) 1/4
(B) 1/6
(C) 2/3
(D) 1/3
(E) 1/15
Questo 5 TRF 1 Regio/2001 [FCC]
Para responder questo seguinte, considere a tabela abaixo, referente distribuio
normal padro.

Estatstica p/ STN
Prof Vtor Menezes
z F (z )
1,20 0,885
1,60 0,945
1,64 0,950
Uma mquina de empacotar leite em p o faz segundo uma normal com mdia e desvio
padro 10g. O peso mdio deve ser regulado para que apenas 5,5% dos pacotes tenham
menos do que 1000 g. Com a mquina assim regulada, a probabilidade de que o peso total
de 4 pacotes escolhidos ao acaso seja inferior a 4.040 g :
a) 0,485
b) 0,385
c) 0,195
d) 0,157
e) 0,115
Questo 6 MPU/2007 [FCC]
Se retirarmos uma amostra aleatria de 1200 observaes de uma populao com
distribuio uniforme no intervalo [17; 29], a distribuio da mdia amostral X ser,
aproximadamente,
a) uniforme com mdia 23 e varincia 12
b) normal com mdia 23 e desvio padro 0,1
c) uniforme com mdia 23 e varincia 1
d) normal com mdia 23 e desvio padro 12.
e) normal com mdia 23 e desvio padro 1.
probabilidade ou X = 1 com 50% de probabilidade. A mdia, , de quatro realizaes de X,

A distribuio de probabilidades da varivel aleatria X tal que X = -1 com 50% de
sucessivas e independentes, uma varivel aleatria de mdia e desvio padro,

respectivamente, iguais a
(A) 0 e 2
(B) 0 e 1
(C) 1 e 0.5
(D) 1 e 0
(E) 0 e 0.5
igual a 4, = 4. Retirando-se desta populao uma amostra de tamanho n = 100, tem-se

Uma varivel aleatria possui distribuio normal com mdia igual a 10, = 10, e varincia
que a distribuio amostral das mdias, ou distribuio amostral de uma distribuio:


Estatstica p/ STN
Prof Vtor Menezes

Questo 9 INFRAERO 2009 [FCC]

Em um determinado ramo de atividade, os salrios dos empregados so considerados
normalmente distribudos com uma mdia e uma varincia populacional igual a 1.600
(R$)2. Uma amostra aleatria com 100 destes empregados apresentou uma mdia de R$
1.000,00 para os salrios. Deseja-se, com base nesta amostra, obter um intervalo de
confiana para a mdia com um nvel de confiana de 95%, considerando a populao de
tamanho infinito e a informao da distribuio normal padro (Z) que a probabilidade P (z
> 2) = 0,025. O intervalo, com os valores em R$, igual a
(A) [960,00; 1.040,00]
(B) [992,00; 1.008,00]
(C) [994,00; 1.006,00]
(D) [996,00; 1.004,00]
(E) [920,00; 1.080,00]
Construa um intervalo de 95% de conana para a mdia de uma populao normal a partir
dos dados de uma amostra aleatria simples de tamanho 64 desta populao, que forneceu
uma mdia de 48 e um desvio-padro amostral de 16, considerando que F(1,96) = 0,975,
onde F(z) a funo de distribuio de uma varivel aleatria normal padro Z.
a) 44,08 a 51,92.
b) 41,78 a 54,22.
c) 38,2 a 57,8.
d) 35,67 a 60,43.
e) 32,15 a 63,85.
A vida das lmpadas fabricadas por uma empresa apresenta uma distribuio normal com
uma varincia populacional igual a 400 (horas)2 . Extrai-se uma amostra de 64 lmpadas e
verifica-se que a respectiva vida mdia igual a 1.200 horas. Considerando a populao de
tamanho infinito e a informao da distribuio normal padro (Z) que a probabilidade P(Z
> 2) = 2,5%, tem-se que o intervalo de confiana de 95% para a vida mdia das lmpadas
(A) [1.160 , 1.240]
(B) [1.164 , 1.236]
(C) [1.180 , 1.220]

Estatstica p/ STN
Prof Vtor Menezes
(D) [1.184 , 1.216]

(E) [1.195 , 1.205]
Um levantamento realizado a respeito dos salrios recebidos por uma determinada classe
profissional utilizou uma amostra de 100 destes profissionais, na qual foram observados
uma mdia de R$ 2.860,00 e um desvio padro de R$ 786,00. Qual ser, em reais, o desvio
padro da distribuio das mdias amostrais dos salrios desta classe de profissionais?
(A) 3,64
(B) 7,86
(C) 78,60
(D) 786,00
(E) 7.860,00
Questo 13 IPEA 2004 [ESAF]
Deseja-se estimar o gasto mdio efetuado por grupos de 4 pessoas, num restaurante, por
meio de um intervalo de confiana com coeficiente de 95%. Uma amostra de 16 grupos
produziu os valores R$ 150,00 e R$ 20,00 para a mdia e o desvio padro amostrais,
respectivamente. Assinale a opo que corresponde ao intervalo procurado. Use a hiptese
de normalidade da distribuio dos gastos e a tabela abaixo da funo de distribuio de
Student (Tr) para a escolha do quantil apropriado aos clculos.
P(Tr x) =
0,900 0,950 0,975 0,990
r
14 1,345 1,761 2,145 2,625
15 1,341 1,753 2,131 2,603
16 1,337 1,746 2,120 2,584
17 1,333 1,740 2,110 2,567
a) [139,34; 160,66]
b) [139,40; 160,60]
c) [141,23; 158,77]
d) [141,19; 158,81]
e) [140,00; 160,00]
Uma amostra aleatria simples de tamanho 9 de uma populao com distribuio normal
levou ao clculo de uma mdia amostral igual a 32 e ao clculo de uma varincia amostral
igual a 225. Construa um intervalo de 95% de confiana para a mdia da populao.
a) 27,1 a 36,9
b) 22,2 a 41,8
c) 12,4 a 51,6

Estatstica p/ STN
Prof Vtor Menezes
d) 2,6 a 61,4
e) -17 a 81
Questo 15 SEFAZ SP 2009 [FCC]

Em uma pesquisa de tributos de competncia estadual, em 2008, realizada com 400
recolhimentos escolhidos aleatoriamente de uma populao considerada de tamanho
infinito, 80% referiam-se a determinado imposto. Deseja-se construir um intervalo de
confiana de 95,5% para a estimativa dessa proporo. Considerando normal a distribuio
amostral da frequncia relativa dos recolhimentos desse imposto e que na distribuio
normal padro a probabilidade P (2 Z 2) = 95,5%, o intervalo
(A) [0,70; 0,90]
(B) [0,72; 0,88]
(C) [0,74; 0,86]
(D) [0,76; 0,84]
(E) [0,78; 0,82]
Se Z tem distribuio normal padro, ento:
P (Z > 1,64) = 0,05; P(Z > 2) = 0,02; P(0< Z < 1,75) = 0,46
Deseja-se estimar a proporo (p) de processos julgados por um tribunal regional do
trabalho durante o perodo de 2000 at 2008. Uma amostra aleatria de 10.000 processos,
selecionada da populao (suposta infinita) de todos os processos, revelou que 5.000 foram
julgados no referido perodo. Um intervalo de confiana, com coeficiente de confiana de
90% para p, baseado nessa amostra, dado por
(A) 0,5 0,005
(B) 0,5 0,0062
(C) 0,5 0,0065
(D) 0,5 0,0082
(E) 0,5 0,01
Para estimar a proporo P de pessoas acometidas por uma virose, foi retirada uma
amostra aleatria de 1600 pessoas. Na amostra foi constatado que 160 pessoas
estavam acometidas pela virose. Sabe-se que, para construir um intervalo com 95%
de conana para a proporo de pessoas acometidas pela virose, o valor tabelado
1,96. Com essas informaes, o intervalo de conana dado por:
0,3
Q R0,10 1,96 S TU = 95%
40
40
V R0,10 1,96 S TU = 95%
0,3

Estatstica p/ STN
Prof Vtor Menezes
0,3
W R0,10 1,96 S TU = 5%
40
40
X R0,10 1,96 S TU = 5%
0,3
0,03
Y R0,10 1,96 S TU = 95%
40
Questo 18 DNOCS 2010 [FCC]

Seja X uma varivel aleatria normalmente distribuda representando o salrio dos
empregados em um determinado ramo de atividade. Uma amostra aleatria de 100
empregados foi selecionada e apurou-se um intervalo de confiana de 95% para a mdia de
X como sendo [760,80; 839,20], supondo a populao de tamanho infinito e sabendo-se que
o desvio padro populacional igual a R$ 200,00. Caso o tamanho da amostra tivesse sido
de 1.600 e obtendo-se a mesma mdia anterior, o intervalo de confiana de 95%
apresentaria uma amplitude igual a
(A) R$ 78,40.
(B) R$ 39,20.
(C) R$ 49,00.
(D) R$ 58,80.
(E) R$ 19,60.
A durao de vida de um determinado equipamento apresenta uma distribuio normal
com uma varincia populacional igual a 100 (dias)2. Uma amostra aleatria de 64 desses
equipamentos forneceu uma mdia de durao de vida de 1.000 dias. Considerando a
populao de tamanho infinito, um intervalo de confiana de ( 1 ) com amplitude de 4,75
dias para a mdia foi construdo. Caso o tamanho da amostra tivesse sido de 400, obtendo-
se a mesma mdia de 1.000 dias, a amplitude do intervalo de confiana de ( 1 ) seria de
(A) 0,950 dias.
(B) 1,425 dias.
(C) 1,900 dias.
(D) 2,375 dias.
(E) 4,750 dias.
Questo 20 AFPS 2002 [ESAF]
Tem-se uma populao normal com mdia e varincia 225. Deseja-se construir, a partir de
uma amostra de tamanho n dessa populao, um intervalo de confiana para com
amplitude 5 e coeficiente de confiana de 95%. Assinale a opo que corresponde ao valor
de n. Use como aproximadamente 2 o quantil de ordem 97,5% da distribuio normal
padro.
a) 225

Estatstica p/ STN
Prof Vtor Menezes
b) 450
c) 500
d) 144
e) 200
Questo 21 MDIC 2002 [ESAF]
Deseja-se determinar, para uma populao com N elementos, em um esquema de
amostragem aleatria simples, o tamanho de amostra n necessrio para estimar a mdia
populacional do atributo X. Deseja-se que o erro em valor absoluto do procedimento no
seja superior a 10% da mdia populacional, com probabilidade de 95%. De um estudo piloto
obtm-se que a varincia de X tem o valor 80 e que a mdia tem o valor 20. Tomando como
aproximadamente 2 o quantil de ordem 0,975 da distribuio normal padro, supondo que
a mdia da amostra tem distribuio aproximadamente normal e desprezando a frao de
amostragem n/N, assinale a opo que d o valor de n.
a) 1000
b) 100
c) 80
d) 200
e) 150
retirou-se uma amostra de 16 elementos, obtendo-se = 5. Para um nvel de confiana de

Para estimar por intervalo a mdia de uma populao normal com varincia igual a 9,
95%, o valor tabelado igual a 1,96. Desse modo, a semi-amplitude do intervalo ou erro de
estimao como tambm chamado igual a:
a) 2,94
b) 1,47
c) 0,5625
d) 0,7350
e) 0,47
Questo 23 Ministrio da Sade 2007 [FCC]

Para responder questo seguinte considere, dentre os dados abaixo, aqueles que julgar
apropriados. Se Z tem distribuio normal padro, ento:
P ( Z > 2) = 0,023 ; P (0 < Z < 1,6) = 0,445 ; P ( Z < 1) = 0,84 ; P (0 < Z < 2,33) = 0,49
Para estimar a proporo de cura de um medicamento antiparasitrio realizou-se um
experimento clnico, aplicando-se o medicamento em n doentes escolhidos ao acaso.
Nesta amostra foi considerado que 80% dos doentes foram curados. Com base nestas

Estatstica p/ STN
Prof Vtor Menezes
informaes e utilizando o Teorema Central do Limite, o valor de n, para que o erro

cometido na estimao seja no mximo 0,08, com confiana de 89%, de:
a) 16
b) 25
c) 36
d) 49
e) 64
Em uma cidade, considerada com uma populao de tamanho infinito, feito um estudo
objetivando detectar a proporo de habitantes que preferem a marca do sabonete X. Uma
amostra piloto forneceu um valor de 20% para essa proporo. Deseja-se obter um intervalo
de confiana de 95% para a proporo, tendo o intervalo uma amplitude de 10%. Se a
distribuio amostral da freqncia relativa dos habitantes que preferem a marca do
sabonete X normal e utilizando a informao da distribuio normal padro (Z) que a
probabilidade P(|Z| 2) = 95%, tem-se que o tamanho da amostra deve ser de
(A) 400
(B) 361
(C) 324
(D) 289
(E) 256
Uma pesquisa recente foi realizada para avaliar o percentual da populao favorvel
eleio de um determinado ponto turstico para constar no selo comemorativo de
aniversrio da cidade. Para isso, selecionou-se uma amostra aleatria simples extrada de
uma populao infinita. O resultado apurou 50% de inteno de votos para esse ponto
turstico. Considerando que a margem de erro foi de 2 pontos percentuais, para mais ou
para menos, e que o nvel de confiana utilizado foi de 95%, foram ouvidas,
aproximadamente:
(A) 50 pessoas.
(B) 100 pessoas.
(C) 1.200 pessoas.
(D) 2.400 pessoas.
(E) 4.800 pessoas.
salrios mnimos em uma populosa cidade. Usando a estimativa = 5/7, obtida em um

Pretende-se estimar por amostragem a proporo de famlias com renda inferior a cinco
levantamento preliminar, determine o menor tamanho de amostra aleatria simples

Estatstica p/ STN
Prof Vtor Menezes
necessria para estimar com um intervalo de 95% de confiana e com um erro de

amostragem ]' 1 / 4%
a) 420
b) 490
c) 560
d) 630
e) 684
Uma populao possui 15 elementos e tem varincia 2 . Desta populao retira-se uma
amostra aleatria sem reposio de n elementos. Sabendo-se que a mdia amostral
2
desses n elementos tem varincia igual a , o valor de n dado por
28
(A) 5
(B) 10
(C) 14
(D) 25
(E) 28
Questo 28 TRF-2 2007 [FCC]
Em uma populao de 100 elementos, com varincia populacional 50, foram tomadas
amostras casuais simples de tamanho 10. Nestas condies, as varincias da mdia amostral
na amostragem, com e sem reposio, so respectivamente
a) 1/5 e 90/99
b) 2 e 90/99
c) 4 e 450/99
d) 5 e 200/99
e) 5 e 450/99
Questo 29 MINISTRIO DA INTEGRAO NACIONAL 2012 [ESAF]
populao finita de tamanho 500. Sendo = 100 a varincia da populao, determine o

Considere uma amostra aleatria simples de tamanho 50 extrada sem reposio de uma
valor mais prximo da varincia da mdia amostral.

a) 1,6
b) 1,8
c) 2,0
d) 2,2
e) 2,4

Estatstica p/ STN
Prof Vtor Menezes
Texto para questes 30 e 31

Para responder s questes seguintes, considere as distribuies amostrais de cinco
estimadores propostos para estimar o parmetro T de uma populao, ilustradas na figura
apresentada a seguir.

Se o interesse for um estimador no viesado, deve-se utilizar apenas
(A) T1
(B) T4
(C) T1 ou T4
(D) T2 ou T5
(E) T1 ou T2 ou T3
Levando-se em conta as propriedades de um bom estimador, o melhor dentre os
estimadores propostos
(A) T1
(B) T2
(C) T3
(D) T4
(E) T5

Estatstica p/ STN
Prof Vtor Menezes

Quando se lana uma certa moeda, a probabilidade de o resultado ser cara p. A moeda foi
lanada dez vezes, sucessivas e independentes, e o resultado foi de 2 caras e 8 coroas.
Tendo em vista este experimento, a estimativa de mxima verossimilhana de p
(A) 0.2
(B) 0.25
(C) 0.3
(D) 0.35
(E) 0.4
Questo 33 CGU 2008. [ESAF]
Seja T um estimador de um parmetro de uma populao. Se E (T ) = , diz-se que T
um estimador de :
a) eficiente
b) no enviesado
c) consistente
d) de mnimos quadrados
e) de mxima verossimilhana
Seja (X1, X2, X3) uma amostra aleatria simples de uma distribuio normal com mdia .
Foram obtidos 3 estimadores para :
X1 + X 2 + X 3
Y1 =
3
Y2 = 2 X 1 + X 2 3 X 3
Y3 = X1 + 2X 2 2X 3
Ento, APENAS
(A) Y1 no viesado.
(B) Y1 e Y3 so no viesados.
(C) Y1 e Y3 so viesados.
(D) Y1 e Y3 so viesados.
(E) Y2 e Y3 so viesados.
Considere um estimador T de um parmetro de uma populao. Se E(T) = , ento T um
estimador
a) no viesado.

Estatstica p/ STN
Prof Vtor Menezes
b) viesado.
c) consistente.
d) tendencioso.
e) eficiente.
GABARITO
1 b
2 e
3 a
4 e
5 e
6 b
7 e
8 b
9 b
10 a
11 e
12 c
13 a
14 anulado
15 d
16 d
17 a
18 e
19 c
20 d
21 c
22 b
23 e
24 e
25 d
26 b
27 b
28 e

Estatstica p/ STN
Prof Vtor Menezes
29 b
30 e
31 b
32 a
33 b
34 b
35 a

Estatistica - Vitor - Menezes - Aula 08 PDF

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Estatistica - Vitor - Menezes - Aula 08 PDF

Caricato da

Copyright:

Formati disponibili

Estatstica p/ STN

Prof Vtor Menezes

AULA 8: Estimadores pontuais e intervalos de

1. ESTIMADORES PONTUAIS .............................................................................................................. 2

Prof. Vtor Menezes www.estrategiaconcursos.com.br 1

Considere uma pesquisa salarial envolvendo alguns moradores de um bairro.

Salrio dos moradores do bairro amostra com dez salrios:

O conjunto dos salrios de todos os moradores a nossa populao. Qualquer subconjunto

Queremos descobrir o salrio mdio dos moradores do bairro. A grandeza de interesse

Parmetro: uma caracterstica da populao

Prof. Vtor Menezes www.estrategiaconcursos.com.br 2

Por enquanto, vamos nos concentrar na estimativa por ponto.

O motivo de se fazer uma amostragem o fato de haver alguma dificuldade em analisar

Prof. Vtor Menezes www.estrategiaconcursos.com.br 3

da amostra, estimar quais os valores de mdia e desvio padro da populao. Nosso

1.1. Estimador para a mdia

Usamos a mdia amostral () para estimar a mdia populacional (

Neste ponto, importante padronizarmos nossa linguagem.

vamos usar o smbolo

Pegamos o dado de seis faces e lanamos trs vezes, obtendo: 6, 2, 3.

Prof. Vtor Menezes www.estrategiaconcursos.com.br 4

1.2. Estimador para a varincia

Usamos a varincia da amostra (s2) para estimar a varincia da populao (  ).

Prof. Vtor Menezes www.estrategiaconcursos.com.br 5

Vamos padronizar a simbologia. Quando quisermos nos referir varincia populacional ou

Para varincia, o estimador que vamos usar geralmente :

Prof. Vtor Menezes www.estrategiaconcursos.com.br 6

(A) X e S 2 so, ambos, no tendenciosos para a estimao da mdia e da varincia da

Prof. Vtor Menezes www.estrategiaconcursos.com.br 7

Resumindo: h diversos tipos de estimadores. Por hora, ainda no sabemos exatamente o

Questo 2 CGU 2008 [ESAF]

Questo 3 SEFAZ SP 2009 [ESAF]

Prof. Vtor Menezes www.estrategiaconcursos.com.br 8

Prof. Vtor Menezes www.estrategiaconcursos.com.br 9

1.3. Estimador para uma proporo

Usamos a proporo amostral ( ) para estimar a proporo populacional (p)

Prof. Vtor Menezes www.estrategiaconcursos.com.br 10

- Usamos a mdia amostral para estimar a mdia populacional ( X um estimador de );

2. INTERVALO DE CONFIANA PARA A MDIA

2.1.  como uma varivel aleatria

Ou tambm seria possvel ter obtido uma terceira mdia X 3 = 2,051C.

Prof. Vtor Menezes www.estrategiaconcursos.com.br 11

 pode ser vista como uma varivel aleatria

dividimos por n. Nesse caso, dizemos que  uma estatstica.

Questo 4 TJ PI 2009 [FCC]

Prof. Vtor Menezes www.estrategiaconcursos.com.br 12

Exemplo: se a amostra for (1, 3), a mdia amostral ser 2.

 tem esperana igual a

Prof. Vtor Menezes www.estrategiaconcursos.com.br 13

Prof. Vtor Menezes www.estrategiaconcursos.com.br 14

A mdia de X igual ao parmetro estimado; se fizssemos inmeras amostragens, em

Prof. Vtor Menezes www.estrategiaconcursos.com.br 15

Ou seja, a mdia de X igual mdia da populao. E a varincia de X igual varincia

Prof. Vtor Menezes www.estrategiaconcursos.com.br 16

Questo 5 TRF 1 Regio/2001 [FCC]

Prof. Vtor Menezes www.estrategiaconcursos.com.br 17

Analogamente, da segunda linha temos que a probabilidade de Z assumir valores menores

Seja X a varivel aleatria que indica o peso dos pacotes de leite em p.

Prof. Vtor Menezes www.estrategiaconcursos.com.br 18

Logo, quando Z vale -1,6, X vale 1.000.

X uma varivel aleatria com mdia 1016 e desvio padro igual a 5.

Quando X vale 1010, Z vale:

Prof. Vtor Menezes www.estrategiaconcursos.com.br 19

Usamos a mdia amostral () para estimar a mdia populacional (

Usamos a varincia da amostra (s2) para estimar a varincia da populao ( ).

Usamos a proporo amostral ( ) para estimar a proporo populacional (p)

2.1. como uma varivel aleatria

pode ser vista como uma varivel aleatria

dividimos por n. Nesse caso, dizemos que uma estatstica.

tem esperana igual a

probabilidade ou X = 1 com 50% de probabilidade. A mdia, , de quatro realizaes de X,

igual a 4, = 4. Retirando-se desta populao uma amostra de tamanho n = 100, tem-se

que a distribuio amostral das mdias, ou distribuio amostral de uma distribuio:

a) no normal com =10 e = 1/5

A esperana de coincide com a mdia da populao. No caso, vale 10.

b)normal com =10 e = 1/5

Segundo passo: determinar o valor especfico de para a amostragem feita.

Terceiro passo: determinar o desvio padro de .

2 s2 a varincia da amostra. um estimador de . Tomamos cada valor da amostra.

desvios, obtendo a varincia de .

4 - ) a estimativa da varincia de .

Seja a proporo de casos favorveis em uma populao e a proporo de casos