Estatistica - Vitor - Menezes - Aula 16 PDF

Curso Regular de Estatstica
Prof Vtor Menezes Aula 16
AULA 16: Outros testes de hipteses
1. TESTE SOBRE O VALOR DA DIFERENA ENTRE DUAS MDIAS ....................................................... 2

1.1. Varincias populacionais conhecidas ................................................................................................... 2
1.2. Varincias populacionais desconhecidas ............................................................................................. 5
2. Teste dos sinais ............................................................................................................................ 10
3. Intervalo de confiana para a mediana ........................................................................................ 14
4. Teste de Wilcoxon Mann Whitney ............................................................................................... 17
5. ANLISE DE VARINCIA ................................................................................................................ 27
5.1. Introduo ........................................................................................................................................... 27
5.2. Hipteses do modelo ........................................................................................................................... 32
5.3. Somas de quadrados ........................................................................................................................... 32
5.4. Graus de liberdade.............................................................................................................................. 34
5.5. Distribuio de qui-quadrado e soma de quadrados .......................................................................... 38
5.6. Quadrados mdios .............................................................................................................................. 41
5.7. A distribuio F .................................................................................................................................. 41
6. QUESTES APRESENTADAS EM AULA .......................................................................................... 51
7. GABARITO ..................................................................................................................................... 58
8. TABELA I DISTRIBUIO NORMAL ............................................................................................. 59
9. TABELA II DISTRIBUIO T DE STUDENT ................................................................................... 59
Prof. Vtor Menezes www.estrategiaconcursos.com.br 1

Pessoal, nesta aula veremos assuntos pouqussimo cobrados em provas de concursos. Ou

seja, a relao custo-benefcio do que vamos estudar agora pssima.
Contudo, apesar de haver poucas questes sobre os tpicos da aula de hoje, elas existem.
Ento no vamos deixar passar batido.
1. TESTE SOBRE O VALOR DA DIFERENA ENTRE DUAS MDIAS
1.1. Varincias populacionais conhecidas
Considere duas populaes normais (A e B), independentes entre si. Queremos testar a
hiptese nula de que as mdias dessas populaes coincidem.
: =
A hiptese alternativa a de que as mdias so diferentes entre si.
Observem que, se a hiptese nula for verdadeira, ento:
= 0
A diferena entre as mdias ser nula (se a hiptese nula for verdadeira).
Considere que, para a primeira populao, temos:
Mdia
Varincia

Amostra extrada com tamanho
Para a segunda populao temos:
Mdia
Varincia

Amostra extrada com tamanho
Para realizar o teste, extramos uma amostra de cada populao e calculamos as mdias
amostrais.
Da fazemos a diferena entre elas:

Se a diferena entre as mdias for muito prxima de zero, conclumos que a hiptese nula
verdadeira. Caso contrrio, conclumos que a hiptese nula falsa.
E como fazemos para determinar o quo afastado de 0 deve dar o resultado para
rejeitarmos a hiptese nula?
Basta calcular a estatstica teste, assim:


=

+

E comparamos isso com os valores crticos calculados para a normal reduzida.
No to difcil entender como se chega a este resultado.

Basta fazer o seguinte. Seja a diferena entre as mdias. Assim:
=
Assim, podemos escrever da seguinte maneira:

+ + + + + +
=

Onde o primeiro elemento da amostra da populao A, o segundo elemento
da amostra da populao A, e assim por diante.
Agora aplicamos a esperana dos dois lados da igualdade:
+ + + + + +
() =

( ) + ( ) + + ( ) ( ) + ( ) + + ( )
() =

+ + + + + +
() =

() =

() = = 0
A esperana de vale 0.
Para calcular a varincia, bem parecido. Como consideramos que as populaes so

infinitas, cada extrao independente das demais. Assim, teremos variveis
independentes. A varincia da soma (ou da diferena) igual soma das varincias.
+ + + + + +
() = +

Quando dividimos uma varivel por uma constante, a varincia dividida pela constante ao
quadrado:
( + + + ) ( + + + )
() = +



() = + = +

Logo, tem mdia 0 e desvio padro igual a:

+

Ento, podemos calcular a varivel normal reduzida assim:

!
=

!
0
=

!

=

+

Esse a expresso que temos que utilizar para calcular a estatstica teste.
Questo 1 TCE PR 2011 [FCC]

Se Z tem distribuio normal padro, ento:
P (Z < 1) = 0,841; P (Z < 1,64) = 0,95; P (Z < 1,88) = 0,970; P (Z < 2) = 0,977; P (Z < 2,5) = 0,994
Duas amostras independentes: a primeira de tamanho 7, extrada de uma populao normal

com mdia M e varincia 21; a segunda de tamanho 4, extrada de uma populao normal
com mdia N e varincia 24, forneceram mdias amostrais dadas respectivamente por 15,8
e 8,3.
Desejando-se testar a hiptese H0 : M = N contra H1 : M > N, o nvel descritivo do teste
dado por
a) 0,6%.
b) 0,8%.
c) 1%.
d) 2%.
e) 5%.
Resoluo:
Primeiro calculamos a estatstica teste:


=

+

15,8 8,3 7,5

= = = 2,5
3
'21 + 24
7 4
O nvel descritivo a probabilidade de obtermos valores mais extremos que a estatstica
teste. No caso, a probabilidade de a normal reduzida assumir valores maiores que 2,5:
+( > 2,5) =?
= 1 +(, 2,5)
1 99,4%
= 0,6%
Gabarito: A
1.2. Varincias populacionais desconhecidas
Quando as varincias populacionais so desconhecidas, devemos utilizar a distribuio t.

O caso tpico aquele em que as varincias populacionais so desconhecidas, mas so
supostas iguais.
Vamos ver como fica.
Vimos acima que, no caso de varincias conhecidas, a varincia da diferena amostral das
mdias dada por:

() = +

Se as varincias populacionais so iguais, ento a frmula se reduz a:

1 1
() =
+

No entanto, se no conhecemos o valor de
, temos que estima-lo. A forma de fazer isso
considerar, em conjunto, as duas amostras extradas. A estimativa de
passa a ser a mdia
ponderada das varincias de cada amostra. Os pesos de ponderao so os graus de
liberdade de cada amostra. Lembrando que o grau de liberdade igual ao tamanho da
amostra subtrado de 1.
A estimativa de
fica:
( 1) 2 + ( 1) 2

1 =
( 1) + ( 1)

( 1) 2 + ( 1) 2

1 =

+ 2
Onde 2 e 2 so as varincias amostrais.

E a estatstica teste fica:

3=
1 1
'4 + 5
1

Os valores crticos so calculados a partir da distribuio T. O nmero de graus de liberdade

o total, correspondente soma dos nmeros de graus de liberdade para as duas amostras:
( 1) + ( 1) = + 2
Questo 2 TRF 2 REGIO 2007 [FCC]

Uma pesquisa foi realizada para avaliar se o preo mdio do quilo da carne bovina, tipo
Alcatra, vendida nos supermercados de dois bairros igual. No bairro X foram coletados os
preos de 15 supermercados e o preo mdio obtido foi 1 com varincia S2X e no bairro Y
foram coletados preos de 15 supermercados com preo mdio de 2 com varincia S2Y.
Considerando que as distribuies dos preos apresentam distribuio normal e as
varincias populacionais dos dois grupos so iguais e desconhecidas, a distribuio de
probabilidade da estatstica apropriada para se comparar a mdia dos dois bairros
a) Qui quadrado com 29 graus de liberdade.
b) F de Snedecor com 3 e 28 graus de liberdade.
c) t de Student com 30 graus de liberdade.
d) Normal com mdia 1 2.
e) t de Student com 28 graus de liberdade.
Resoluo:
tendenciosa da varincia
dada por:
Desde que as varincias so iguais, mas desconhecidas, ento uma estimativa no-
(6 1) 26 + 7! 18 2!

1 =

6 + ! 2
Onde nx e ny so os tamanhos das amostras de X e Y.

A estatstica teste fica:


3=
1 1
+
1
6 !
Que tem distribuio T com nmero de graus de liberdade igual a:

6 + ! 2 = 15 + 15 2 = 28
Ou seja, o teste pode ser feito com uma varivel t de Student com 28 graus de liberdade.
Gabarito: E
Questo 3 AFPS 2002 [ESAF]

Temos duas populaes normais A e B com mesma varincia e amostras aleatrias
independentes dessas populaes de tamanhos n1=20 e n2=20 respectivamente.
Assinale a opo que d o nmero de graus de liberdade da estatstica de Student utilizada
no teste de igualdade das mdias das populaes A e B.
a) 40
b) 19
c) 16
d) 20
e) 38
Resoluo
J sabemos que o nmero de graus de liberdade fica:
+ 2 = 20 + 20 2 = 38
Gabarito: E
Questo 4 SEFAZ ES 2008 [CESPE]

Uma auditoria foi realizada nas filiais I e II da empresa A&B, com o propsito de examinar a
lisura dos processos de compras efetuadas em determinado trimestre. Para a realizao de
um estudo-piloto e considerando que a populao de notas fiscais existentes nessas filiais
era muito grande, em cada filial foi tomada uma amostra aleatria simples de 900 notas
fiscais. Para cada nota fiscal examinada, registrou-se, entre outras coisas, o logaritmo
que as distribuies de X para as filiais I e II so aproximadamente normais, com mdias 9 e

natural do valor da compra constante na nota fiscal: X. Uma avaliao estatstica mostrou
99 e desvios padro

9 e
99 , respectivamente, em que

.
Os resultados por filial so mostrados na tabela abaixo.

Com base nas informaes acima e considerando-se que (2) = 0,9772 e (0,675) =
0,7500, em que (z) representa a funo de distribuio acumulada da distribuio normal
padro, julgue o item.
O p-valor correspondente ao teste de hipteses H0: 9 = 99 versus Ha:9 99 , inferior a
4,8% e a hiptese nula no rejeitada quando o nvel de significncia for igual ou superior a
5%.
Resoluo:
Caso o p-valor no seja inferior a 4,8%, ento o item errado, de cara (por afirmar
justamente o contrrio).
De outro modo, se o p-valor for de fato inferior a 4,8%, a primeira parte do item estaria
correta.
No entanto, a segunda parte afirma que, sendo o nvel de significncia de 5%, a hiptese
nula no rejeitada.
Mas isso est errado. Nvel de significncia maior que p-valor (5% > 4,8%) resulta em
rejeio da hiptese nula. J vimos isso na primeira aula sobre testes de hipteses.
Assim, independente de o p-valor ser realmente menor que 4,8% ou no, podemos afirmar
que o item est errado.
Gabarito: errado.
O mesmo teste visto anteriormente pode ser usado para testar quaisquer outros valores
para a diferena entre as duas mdias.
Em outras palavras, a diferena estabelecida na hiptese nula no precisa ser
necessariamente ser igual a 0. Pode assumir qualquer outro valor real.
Seja a diferena entre as mdias. A estatstica teste igual a:
!
=

!

Caso a varincia populacional seja desconhecida, a estatstica teste passa a ser igual a:
!
3=

1!
! = 0.
Nos exerccios anteriores, a hiptese nula indicava que a diferena era igual a 0. Ento,
Mas, se a hiptese nula indicar outro valor qualquer, como <, ento ! = <
Vejamos um exemplo:
Questo 5 MPU 2007 [FCC]

Instrues: Para responder questo, considere o enunciado a seguir.
Dadas duas amostras aleatrias independentes:

- a primeira (X1, X2, X3, X4) extrada de uma populao X, onde X: =( ,
);
a segunda(Y1, Y2, Y3, Y4) extrada de uma populao Y, onde =( ,

), forneceram mdias
amostrais respectivamente iguais a:
= 15,3 > = 9,3
Deseja-se testar a hiptese : = 7 contra a alternativa : < 7. Sabendo
que
=
=
, onde
desconhecido, e que as amostras forneceram para uma
estimativa de
o valor 32, o valor observado da estatstica t de Student, apropriada para o
teste
a) 0,5
b) 0,25
c) - 0,25
d) - 0,5
e) - 1
Resoluo:
A estatstica t de Student para o teste de hiptese igual a:
( ) 7
3=
1 1
+
1
6 !
Foi dito que = 15,3 e = 9,3. Pelo enunciado, ambas as amostras possuem o mesmo
tamanho ( 6 = ! = 4)

Alm disso, a estimativa de

, que representei por
1 , vale 32.
Substituindo os valores:
(15,3 9,3) 7
3=
'41 + 15 32
4 4
67
3= = 0,25
16
Gabarito: C
2. Teste dos sinais
Existem testes de hipteses que no exigem a suposio de que a varivel aleatria tenha
uma determinada distribuio (como normal, por exemplo). So os chamados testes no
paramtricos.
Um dos testes mais simples o teste dos sinais, comumente empregado para testar
hiptese acerca da mediana.
Considere uma amostra de valores: 2, 3, 5, 6, 7, 8, 9.
Queremos testar a hiptese nula de que a mediana vale 5.
H0: D = 5
A hiptese alternativa de que a mediana diferente de 5:
H1: D 5
O primeiro passo subtrair 5 de cada valor da amostra :
2 5 = 3
3 5 = 2
55 =0
65 =1
75 =2
85 =3
95 =4
Obtivemos dois nmeros negativos e quatro positivos. Obtivemos um resultado 0, que
descartado. Sobram ento 6 casos de interesse.
Se a hiptese nula for verdadeira, esperamos que metade dos sinais sejam positivos e
metade sejam negativos. Isso entendido da seguinte forma.

razovel esperar que metade das observaes na amostra sejam maiores que a mediana e
metade das observaes sejam menores que a mediana.
Por isso, se 5 for mesmo a mediana, ao subtrairmos 5 de todas as observaes, deveramos
obter metade dos casos com sinal (-) e metade com sinal (+).
Seja X o nmero de sinais positivos observados na amostra. X tem distribuio binomial de
parmetros n = 6 e p = 0,5.
Suponha que rejeitamos a hiptese nula se houver 0 sinais positivos, ou se houver 6 sinais
positivos. Esses so justamente os casos extremos.
A chance de isso ocorrer, sob a hiptese nula, de:

+(A = 0) + +(A = 6)
= BC, 0,5 0,5C + BC,C 0,5C 0,5C = 3,125%
Esse o nvel de significncia.
No experimento feito, X = 4, ento no rejeitamos a hiptese nula.

Pronto, esse o teste dos sinais.
Outro exemplo:
Exemplo 1
Dada a amostra:
1, 2, 5, 7, 9, 11, 15, 20, 22
Queremos testar a hiptese de a mediana ser igual a 5. Rejeitamos a hiptese nula, se
tivermos 0, 1, 7 ou 8 sinais positivos.
a) calcule o nvel de significncia
b) conclua sobre rejeitar ou no a hiptese nula
Resoluo:
a) Primeiro fazemos as diferenas:
1 5 = 4
2 5 = 3
5 5 = 0 (D>2EFG3FHI2)
75 =2
95 =4
11 5 = 6

15 5 = 10
20 5 = 15
22 5 = 17
Obtivemos 2 sinais negativos e 6 positivos.
Em 8 realizaes, se a hiptese nula for verdadeira, a quantidade de sinais positivos tem
distribuio binomial com parmetros p = 0,5 e n =8.
As probabilidades de ocorrerem os casos extremos so:
+(A = 0) = BJ, 0,5 0,5J = 0,0039
+(A = 1) = BJ, 0,5 0,5K = 0,03125
Como a distribuio binomial simtrica, j podemos calcular os demais valores extremos:
+(A = 7) = 0,03125
+(A = 8) = 0,0039
Somando todos estes valores, obtemos 0,070313. Essa a chance de obtermos os valores
crticos, os valores que nos fazem rejeitar a hiptese nula. Logo, o nvel de significncia de
7,0313%.
b) Os valores crticos so 0, 1, 7 e 8 sinais positivos.

Ns obtivemos 6 sinais positivos. Ento no rejeitamos a hiptese nula.
Questo 6 ABIN 2010 [CESPE]

Com relao a mtodos no paramtricos, julgue o item a seguir.
Hipteses acerca da mediana de certa populao podem ser avaliadas pelo teste dos sinais.
Resoluo:
Para realizar o teste sobre o valor da mediana, o procedimento o seguinte. Subtramos de
cada observao o valor que se pretende testar como mediana.
Sob a hiptese nula, espera-se que em 50% dos casos tenhamos resultados negativos (sinais
negativos) e em 50% dos casos tenhamos resultados positivos (sinais positivos). Isso, claro,
desconsiderando-se os casos de resultado nulo.
tem distribuio binomial, com parmetros (tamanho da amostra) e L = 0,5.

Deste modo, sob a hiptese nula, a quantidade de sinais positivos (ou negativos, tanto faz),
Em seguida, contamos quantos sinais positivos foram de fato obtidos na amostragem

realizada, Essa quantia pode ser usada para testar a hiptese sobre a mediana. Esse o
teste dos sinais.
Gabarito: certo
Questo 7 TRE SP 2012 [FCC]

Durante 36 dias, observou-se, diariamente, a quantidade produzida de peas por duas
mquinas de marcas M1 e M2, independentemente. Um fabricante verificou que subtraindo
diariamente da quantidade de peas produzidas por M1 a quantidade produzida por
M2 obteve a presena de sinal positivo nas diferenas de 20 produes e sinal negativo nas
16 restantes, no ocorrendo diferena nula. Aplicando o teste dos sinais para decidir se a
proporo populacional de sinais positivos (p) igual a 0,50, ao nvel de significncia de 5%,
ele considerou as hipteses H0: p = 0,50 (hiptese nula) contra H1: p 0,50 (hiptese
alternativa). Com a aproximao da distribuio binomial pela normal sem a correo de
continuidade, foi apurado o valor do escore r correspondente para comparao com o valor
crtico da distribuio normal padro (Z) tal que a probabilidade P(|Z| 1,96) = 95%. Ento,
o fabricante, ao nvel de significncia de 5%,
a) rejeitar H0 e G = 2 3
b)no rejeitar H0 e G = 2 3
c) rejeitar H0 e r = 2.
d) no rejeitar H0 e r = 2.
e) rejeitar H0 e G = 1 3
Resoluo:
binomial com parmetros = 36 e L = 0,5.

Seja "X" o nmero de sinais positivos obtidos. Sob a hiptese nula, "X" tem distribuio
Logo:
(A) = L = 36 0,5 = 18
(A) = LN = 36 0,5 0,5 = 18

= 9 = 3
Onde:
o tamanho da amostra
L a probabilidade de sinal positivo, sob a hiptese nula
N = 1 L a probabilidade de sinal negativo
Lembre-se de que sempre descartamos as diferenas nulas (sem definio de sinal positivo
ou negativo). No caso, a questo disse que no havia diferenas nulas.

A
O =

A questo est chamando a estatstica teste de G

Foram obtidos 20 sinais positivos (A = 20). Logo:
20 18 2
G= =
3 3
A estatstica teste (2/3) menor que o valor crtico (1,96). Ento no rejeitamos a hiptese
nula.
Gabarito: B
3. Intervalo de confiana no paramtrico para a mediana
Podemos usar a mesma ideia vista no teste dos sinais para delimitar intervalos de confiana
para a mediana.
Suponha que fizemos uma amostragem e obtivemos os seguintes valores:
1, 2, 7, 9, 11, 15, 20, 22
Observem que este caso muito similar ao Exemplo 1. S retirei a observao 5, para
ficarmos exatamente com 8 nmeros.
J vimos naquele exemplo que, para um nvel de significncia de 7,0313%, rejeitamos a
hiptese nula para 0, 1, 7 ou 8 sinais positivos. Isso ocorrer se a hiptese nula atribuir
mediana valores:
Menores que 2 (assim teremos 7 ou 8 sinais positivos)
Maiores que 20 (assim teremos 1 ou 0 sinais positivos)
Logo, a faixa entre 2 e 20 corresponderia a
100% 7,0313% = 92,9687%
A faixa entre 2 e 20 corresponde a 92,9687% dos casos.
Dizemos que esse o intervalo de 92,9687% de confiana para a mediana.
Ou seja, usamos a regio de aceitao do teste para delimitar o intervalo de confiana.
Segundo o livro Estatstica para Economistas do Rodolfo Hoffmann, o procedimento
aplicvel porque: o intervalo de 100(1-)% de confiana para um parmetro o conjunto
de valores do parmetro que no sero rejeitados num teste bilateral ao nvel de
significncia .
Na minha opinio, h alguns problemas na concluso acima. Ao meu ver, o que d para
afirmar sobre a relao entre testes de hipteses e intervalo de confiana o seguinte.
hipteses bilateral afirma que a mdia . Se o intervalo de confiana contm , ento

Considere um intervalo de confiana para a mdia. Considere tambm que um teste de
aceitamos a hiptese nula. Se o intervalo de confiana no contm , ento no aceitamos

a hiptese nula.

isso.
Contudo, nem sempre um intervalo de confiana para a mdia coincidir com a regio de
aceitao do teste.
Exemplificando, considere uma amostra de tamanho 100. A varincia populacional 25. A
mdia amostral 18. A hiptese nula nos diz que a mdia vale 15.
Adotando 95% de confiana, temos o seguinte.
O intervalo de confiana dado por:
25
18 1,96
100
O que corresponde a:
[17,02; 18,98]
A regio de aceitao do teste corresponde a:

[14,02; 15,98]
Rejeitamos a hiptese nula porque o intervalo de confiana (de 17,02 a 18,98) no abrange
o valor 15.
Mas vejam que o intervalo de confiana no coincidiu com a regio de aceitao do teste.
Bom, apesar disso, no estamos aqui para contestar do livro, sim para aplicar o mtodo.
O mtodo nos diz que, no caso da mediana, para determinao do intervalo de confiana
no paramtrico, consideramos que o intervalo de confiana corresponde regio de
aceitao do teste de hipteses.
Questo 8 TRF-2 2007 [FCC]

Cinco bois foram alimentados com uma dieta experimental desde o seu nascimento ata
idade de 2 meses. Os aumentos de pesos verificados, em gramas, foram os seguintes: 900,
840, 950, 1 050, 800. Considerando-se a mediana desta amostra como estimativa pontual
da mediana populacional dos aumentos de peso, e considerando-se [800, 1050] um
intervalo de confiana para a mediana populacional, o coeficiente de confiana deste
intervalo
(A) situa-se entre 65% e 70%
(B) situa-se entre 71% e 80%
(C) situa-se entre 81% e 89%
(D) situa-se entre 90% e 95%
(E) superior a 95%

Resoluo:
Primeiro ordenamos a amostra:
800, 840, 900, 950, 1050
O intervalo de confiana (= regio de aceitao do teste bilateral) vai de 800 a 1050.
Ento os valores raros (=regio crtica do teste bilateral) correspondem aos valores:
Menores que 800 (o que resultar em 5 sinais positivos)
Maiores que 1050 (o que resultar em 0 sinais positivos)
O nmero de sinais positivos tem distribuio binomial com parmetros p = 0,5 e n = 5. As

chances de ocorrerem os casos raros so:
1
+(A = 0) = BT, 0,5 0,5T =
32
1
+(A = 5) = BT,T 0,5T 0,5 =
32
A chance de casos raros :
1 1 2 1
+ = =
32 32 32 16
Logo, o correspondente teste de hipteses tem nvel de significncia (casos raros) de 1/16.
Tal teste corresponde a um intervalo de confiana (casos frequentes) de:
1 15
1 = = 0,9375 = 93,75%
16 16
Gabarito: D

Cinco porcos foram alimentados com uma dieta experimental desde o seu nascimento at a
idade de 2 meses. Os aumentos de pesos verificados em gramas, foram os seguintes: 90, 84,
94, 105, 79. Considerando-se a mediana dessa amostra como estimativa pontual da
mediana populacional dos aumentos de peso, e considerando-se [84,94] um intervalo de
confiana para a media-na populacional, o coeficiente de confiana desse intervalo
(A) inferior a 75%.
(B) situa-se entre 75% e 79%.
(C) situa-se entre 80% e 84%.
(D) situa-se entre 85% e 90%.
(E) superior a 90%
Resoluo:
Primeiro ordenamos os valores:

79, 84, 90, 94, 105

A faixa de valores frequentes (=regio de aceitao no teste bilateral) vai de 84 a 94.
Logo, so valores raros:
Menores que 84: correspondem a 4 ou 5 sinais positivos
Maiores que 94: correspondem a 1 ou 0 sinais positivos
O nmero de sinais positivos tem distribuio binomial com parmetros p = 0,5 e n = 5. As

chances de ocorrerem os casos raros so:
1
+(A = 0) = BT, 0,5 0,5T =
32
5
+(A = 1) = BT, 0,5 0,5U =
32
5
+(A = 4) = BT,U 0,5U 0,5 =
32
1
+(A = 5) = BT,T 0,5T 0,5 =
32
A chance de casos raros :
1 5 5 1 12 3
+ + + = =
32 32 32 32 32 8
Logo, o correspondente teste de hipteses tem nvel de significncia (casos raros) de 3/8.
Tal teste corresponde a um intervalo de confiana (casos frequentes) de:
3
1 = 62,5%
8
Deste modo, eu marcaria alternativa a. No entanto, no gabarito preliminar, a banca
indicou a letra e. No sei se houve alterao de gabarito. Caso voc encontre algum erro
em minha soluo, por favor, me avise.
Gabarito: E
4. Teste de Wilcoxon Mann Whitney
Esse teste serve para testar se duas populaes independentes (X1 e X2) tm a mesma
distribuio. Para tanto, extramos duas amostras independentes.
Se a hiptese nula for verdadeira, ento +(A > A ) = +(+A < A ) = 0,5
Se a hiptese nula for falsa, ento +(A > A ) +(+A < A )
A amostra de X1 tem tamanho n1. A amostra de X2 tem tamanho n2.
Suponhamos, sem perda de generalidade, que
Muito bem, vejamos como fica o teste por meio de um exemplo:

Amostra extrada de X1: 6, 9

Amostra extrada de X2: 8, 12, 13
Agora adotamos o seguinte procedimento.

Primeiro passo: ordenamos todas as observaes:
6, 8, 9, 12, 13
A posio que cada nmero ocupa nessa lista ordenada o seu posto.
Observao Posto
6 1
8 2
9 3
12 4
13 5
Em vermelho temos os postos referentes a X1.
Agora, somamos estes postos de X1:
W =1+3=4
A soma dos postos de X1, que estou chamando de W, igual a 4. justamente este valor
que usamos para realizar o teste.
Se a hiptese nula for verdadeira, qualquer atribuio de postos a X1 e X2 tem a mesma
probabilidade.
Dos postos de 1 a 5, temos que escolher 2 para atribuir a X1. H BT,X = 10 maneiras de fazer
isso, abaixo descritas:
Postos W
1e2 3
1e3 4
1e4 5
1e5 6
2e3 5
2e4 6
2e5 7
3e4 7
3e5 8
4e5 9
Cada um dos casos acima tem chance de 1/10. Logo, a distribuio de W fica:

W Probabilidade
3 1/10
4 1/10
5 2/10
6 2/10
7 2/10
8 1/10
9 1/10
Vamos supor que a gente defina uma regio crtica de 20%. Ou seja, o nvel de significncia
de 20%.
Os casos extremos so aqueles que ocorrem em apenas 20% das vezes.
A chance de W ser 3 de 10% e a chance de W ser 9 de 10%.
Logo:
+(4 W 8) = 80%
Assim, ao nvel de confiana de 80%, a regio de aceitao corresponde aos valores de 4 a 8.
No nosso experimento, tivemos W = 4, ento aceitamos a hiptese nula de que as duas
populaes tm mesma distribuio.
A ideia do teste no difcil de entender.

Um caso extremo, em que as menores observaes so todas referentes populao X1
(caso em que W = 3), nos indica um caso no mnimo atpico. Seria muito difcil que, graas
ao mero acaso, todas as observaes pequenas fossem provenientes de X1. Parece mais
razovel rejeitar a hiptese nula e considerar que as duas populaes no tm mesma
distribuio.
No outro caso extremo, se todas as observaes grandes vm de X1 (caso em que W = 9),
ento, novamente, rejeitamos a hiptese nula. No razovel admitir que, graas ao mero
acaso, X1 apresentou as maiores observaes.
Quando o tamanho das amostras aumenta, fica muito trabalhoso calcular as probabilidades
> 10, ento W tem distribuio aproximadamente normal, com mdia e varincia dados
como fizemos nas tabelas acima. Da aproximamos. possvel demonstrar que, quando
por:
1
Y = ( + + 1)
2
1

Y

= ( + + 1)
12
Outro exemplo:
As amostras tm tamanho 15 e 17. A soma dos postos de X1 foi igual a 240.

Ento, sob a hiptese nula, temos:

1
Z = 15 (15 + 17 + 1) = 412,5
2
1

Y

= 15 17 33 = 701,25
12

Y = [701,25 = 26,48
O valor observado de W foi igual a 240.

A varivel Z de:
412,5 240
= = 6,51
26,48
Se definirmos um nvel de confiana de 95%, ento os valores crticos so -1,96 e 1,96.
A estatstica teste (6,51) caiu fora da regio de aceitao. Ento rejeitamos a hiptese nula
de que as duas distribuies tm mesma probabilidade.
5. Teste da ordenao casual
Em muitas situaes importante verificarmos se os dados analisados so provenientes de

uma amostra aleatria.
Como exemplo, considere um conjunto de resultados do lanamento de uma moeda (C =
cara, K = coroa).
C, C, K, K, K, C
Chamos de grupo ou chorrilho um conjunto de elementos seguidos do mesmo tipo, que
est delimitado por outro grupo.
Exemplificando, o primeiro grupo corresponde a C, C.
O segundo grupo corresponde a: K, K, K
O terceiro grupo corresponde a: C
Abaixo destacamos em cores cada chorrilho:
C, C, K, K, K, C
So ento 3 chorrilhos.
O nmero de chorrilhos pode ser usado para testarmos a hiptese de que tal amostra
aleatria.
Vejamos o caso em que o nmero de chorrilhos o maior possvel:
C, K, C, K, C, K
So agora 6 grupos ou chorrilhos, todos eles com 1 elemento cada.

Essa amostra no parece ter sido aleatria, pois difcil que caras e coroas fiquem se
alternando com perfeio.
Num caso extremo, de 20 lanamentos, o nmero mximo de chorrilhos seria 20, e ficaria
ainda mais evidente que, provavelmente, no se trata de uma amostra aleatria:
C, K, C, K, C, K, C, K, C, K, C, K, C, K, C, K, C, K, C, K
Por outro lado, se o nmero de chorrilhos for mnimo, tambm temos sinais de que a
amostra no aleatria:
C, C, C, C, C, C, C, C, C, C, K, K, K, K, K, K, K , K, K, K
Muito bem, voltando no caso dos seis lanamentos, considere que obtivemos 2 caras e 4
coroas.
As possibilidades so:
Casos Nmeros de chorrilhos
C, C, K, K, K, K 2
C, K, C, K, K, K 4
C, K, K, C, K, K 4
C, K, K, K, C, K 4
C, K, K, K, K, C 3
K, C, C, K, K, K 3
K, C, K, C, K, K 5
K, C, K, K, C, K 5
K, C, K, K, K, C 4
K, K, C, C, K, K 3
K, K, C, K, C, K 5
K, K, C, K, K, C 4
K, K, K, C, C, K 3
K, K, K, C, K, C 4
K, K, K, K, C, C 2
Sob a hiptese de que a ordem dos resultados (cara ou coroa) aleatria, cada um dos 15
casos acima tem mesma chance. Logo, podemos montar a seguinte tabela de
probabilidades:
Nmero de chorrilhos (X) Probabilidade
2 2/15
3 4/15
4 6/15
5 3/15
Se definirmos a regio de rejeio do teste como A 2 ou A 5, ento a regio crtica ter
probabilidade de:
2 3
+ = 33,33%
15 15

Num determinado experimento, obtemos:

C, K, C, K, K, K
So 4 chorrilhos, o que no cai na regio crtica. Logo, no rejeitamos a hiptese nula para o
nvel de significncia de 33,33%.
6. Teste de McNemar
Considere que, em um grupo de 100 pessoas, tnhamos as seguintes intenes de voto:

Candidato A: 40 eleitores
Candidato B: 60 eleitores.
Em seguida, realizado um debate entre os candidatos, e agora as intenes de voto
passam a ser:
Candidato A: 35 eleitores
Candidato B: 65 eleitores
A tabela abaixo apresenta um detalhamento maior do comportamento dos eleitores:
Antes
Candidato A Candidato B Total
Candidato A 25 10 35
Depois Candidato B 15 50 65
Total 40 60 100
Vamos analisar a tabela com mais calma.

A primeira clula nos diz que 25 eleitores votariam em A antes do debate. E esses 25
eleitores continuaram votando em A aps o debate. Eles no mudaram de opinio.
A segunda clula nos diz que outros 10 eleitores votariam em B antes do debate, mas, aps
o debate, mudaram de ideia e passaram a votar em A.
A terceira clula nos diz que, aps o debate, 15 eleitores deixaram de votar em A e
passaram a votar em B.
A quarta clula nos diz que 50 eleitores permaneceram com B, antes e depois do debate.
Em vermelho, abaixo, destacamos ento as clulas dos que mudaram de opinio.
Antes
Candidato A Candidato B Total
Candidato A 25 10 35
Depois Candidato B 15 50 65
Total 40 60 100
10 + 15 = 25 pessoas mudaram de opinio.

A hiptese nula a ser testada que o debate no inteferiu na proporo de votos do

candidato A.
Se a hiptese nula for verdadeira, esperamos que, entre as pessoas que mudaram de ideia,
metade mudou de A para B e a outra metade mudou de B para A. De modo que o resultado
geral no se altera. Ou seja, esperaramos que:
12,5 pessoas mudaram de A para B
12,5 pessoas mudaram de B para A
Agora construmos a estatstica teste de forma muito similar ao que fizemos no teste de qui-
quadrado para propores. Subtramos as frequncias esperadas das observadas, elevamos
ao quadrado, e dividimos pelas frequncias esperadas:
(ab ac )
]^_

=
ac
(15 12,5) (10 12,5)
]^_

= + = 0,5 + 0,5 = 1
12,5 12,5
Essa a estatstica teste.
O valor crtico obtido a partir da tabela de qui-quadrado para 1 grau de liberdade.
Suponha que a gente defina 5% de significncia. A tabela de qui-quadrado nos indica que a
estatstica teste de 3,84.
Agora fazemos assim:
Se a estatstica teste maior que o valor crtico: rejeitamos a hiptese nula
Se a estatstica teste menor que o valor crtico: no rejeitamos a hiptese nula
No presente caso, a estatstica teste foi menor que o valor crtico (1 < 3,84), ento no
rejeitamos a hiptese nula.
Observem ento que o teste de McNemar adequado para experimentos do tipo antes e
depois. Cada elemento serve como seu prprio controle, antes e depois de algum
tratamento aplicado.
No caso acima, cada eleitor servia para compararmos o efeito do debate. Bastava ver se o
eleitor mudou ou no de inteno de voto.

Uma emissora de televiso promoveu um debate com os 2 candidatos ao segundo turno de
uma eleio municipal. Uma pesquisa de opinio deseja avaliar se o debate foi eficaz em
mudar a preferncia dos eleitores que assistiram ao debate pelos 2 candidatos. Para tanto
foram selecionados N adultos aleatoriamente e perguntadas as preferncias pelos dois
candidatos antes e depois da realizao do debate. O teste no paramtrico adequado para
avaliar a mudana de preferncia

a) Teste Wilcoxon-Mann-Whitney.
b) Teste Exato de Fisher.
c) Teste de Kruskal Wallis.
d) Teste de McNemar.
e) Teste de Komolgorov-Smirnov.
Resoluo:
O teste de Wilcoxon-Mann-Whitney se destina a verificar se duas populaes apresentam a
mesma distribuio. Para tanto, extraem-se amostras independentes, de cada uma das
populaes. Em seguida, as observaes so ordenadas (em ordem crescente), atribuem-se
postos. Com base na soma dos postos referente s observaes de uma das amostras,
monta-se a estatstica para o teste.
O teste exato de Fisher ns no estudamos. Fica a informao de que ele substitui o teste de
Qui-quadrado em tabelas de contingncia quando, em determinadas situaes, este ltimo
no adequado.
O teste de Kruskal Wallis outro teste que no estudamos. Fica a informao de que um
teste no-paramtrico, baseado em postos, para verificar se duas amostras provm da
mesma populao.
O teste de McNemar utilizado para testar mudanas nas observaes. Algo do tipo "antes"
e "depois". Cada elemento monitorado antes e depois do experimento.
Nesta questo, contamos as intenes de voto de cada candidato antes e depois do debate.
Se o debate no influenciar nas intenes de voto, esperamos que a quantidade de eleitores
que mudou do candidato A para B seja igual quantidade de eleitores que mudou de B para
A. Em seguida, comparando-se as frequncias realmente observadas com as esperadas,
montamos a estatstica teste.
O teste de Komolgorov-Smirnov, tambm no estudado, testa se uma varivel segue

determinada distribuio de probabilidades. O teste baseado nas diferenas entre a
funo distribuio de probabilidade emprica e a terica.
Gabarito: D

Considere que, para avaliar a aleatoriedade na ocorrncia de certo evento, um pesquisador
registre apenas o nmero de ocorrncias desse evento em N tentativas, a contagem de
casos em que esses eventos ocorrem sequencialmente e a contagem de casos em que esses

eventos no ocorrem. Com base nessa situao, correto afirmar que o pesquisador no
dispe de dados necessrios para testar a aleatoriedade desse evento.
Resoluo:
A questo se refere ao teste da ordenao casual, que serve para testar a hiptese de
aleatoriedade de uma amostra.
Para realizar o teste, adotamos os seguintes passos:
1) determinamos o nmero total de sucessos (sinais positivos);
2) determinamos o nmero total de fracassos (ou de sinais negativos);
3) calculamos as probabilidades referentes a todos os possveis nmeros de chorrilhos,

determinando a regio de rejeio do teste
4) contamos quantos chorrilhos foram obtidos na amostra, e verificamos se esse nmero

est ou no na regio de rejeio.
Um chorrilho um conjunto de observaes consecutivas do mesmo tipo. Como exemplo,
considere 5 lanamentos consecutivos de uma moeda:
C, C, K, K, K
"C" representa cara e "K" representa coroa.
O primeiro chorrilho formado por duas caras. O segundo chorrilho formado por trs
coroas.
Outro exemplo:
C, K, K, C, C
Agora o primeiro chorrilho formado por uma cara, o segundo formado por duas coroas,
o terceiro formado por duas caras.
Considere agora o caso particular de 2 caras e 3 coroas. O nmero mximo de chorrilhos

possvel 5, que s ocorre no seguinte caso:
K, C, K, C, K
Logo, a probabilidade de 5 chorrilhos baixa.
J o caso de 4 chorrilhos muito mais provvel. Pode ocorrer nas seguintes situaes:

C, K, C, K, K
C, K, K, C, K
K, C, K, K, C
K, K, C, K, C
Seja a quantidade de chorrilhos. Se pudermos calcular as probabilidades associadas a cada

possvel valor de , conseguimos delimitar a regio de rejeio do teste. Em seguida,
partimos para a amostra obtida, calculamos a realizao numrica de , e conclumos por
rejeitar ou no a hiptese de aleatoriedade da amostra.
Vejam que o enunciado abrangeu todos os itens necessrios para a realizao do teste.
Fazendo a analogia com o exemplo acima. Foram 5 lanamentos da moeda (N=5). Estamos
interessados nas caras. Foram 2 ocorrncias de interesse. O nmero de vezes em que os
eventos ocorrem sequencialmente a quantidade de chorrilhos associados ao resultado
"C". A contagem de casos sequenciais em que o evento no ocorre a quantidade de
chorrilhos associados ao resultado "K". Com todas essas informaes, podemos sim realizar
o teste.
Gabarito: errado
Considerando que a tabela de contingncia acima mostra os resultados de um

levantamento estatstico, julgue o item que se segue.
A hiptese nula do teste de homogeneidade de McNemar

H0: de = d . = .e
Em que g, h = 1, 2
Resoluo
O Teste de Mc Nemar bastante aplicvel em experimentos do tipo "antes e depois".
Assim, cada elemento serve como seu prprio controle. Temos ento duas amostras
pareadas (uma antes de determinado evento, outra depois).

Como exemplo, citamos o estudo do desempenho de alunos em dois testes similares, antes
e depois de um treinamento. Ou a opinio de eleitores antes e depois de um debate.
Comparamos os desempenhos dos alunos antes e depois para saber se o treinamento

efetivo. Analogamente, comparamos a opinio dos eleitores antes e depois do debate para
saber se algum candidato se saiu melhor.
Para tanto, comparamos as frequncias correspondentes aos elementos que mudaram de

classificao.
No primeiro exemplo, comparamos a quantidade de alunos que mudaram de "aprovados"

para "reprovados" com a quantidade de alunos que mudaram de "reprovados" para
"aprovados".
No segundo exemplo, comparamos as quantidades de alunos que mudaram de inteno de

voto (aqueles que mudaram de "A" para "B" e aqueles que mudaram de "B" para "A").
A hiptese nula a de que tais quantidades so iguais (significando que o treinamento no

efetivo, ou que nenhum candidato se sobressaiu no debate).
No caso da questo, a hiptese nula a de que , = , . que essas so justamente as

clulas que abarcam as pessoas que mudaram de opinio (de satisfeito para insatisfeito ou
vice-versa).
Gabarito: errado
7. ANLISE DE VARINCIA
7.1. Introduo
A anlise de varincia serve para testarmos a hiptese de que as mdias de diferentes

populaes so todas iguais entre si.
Para termos uma primeira idia do raciocnio empregado nesta ferramenta, vamos trabalhar
com um exemplo simplificado.
Estamos estudando leos de motor para um determinado modelo de carro. No mercado h
disponveis 4 marcas diferentes de leos. O intuito verificar se as 4 marcas de leo
permitem que os carros rodem, em mdia, a mesma quilometragem, antes de ser
necessria a prxima troca de leo.
Obtivemos amostras para cada uma das quatro marcas. Os resultados dos estudos esto na
tabela abaixo (valores em mil quilmetros):

observaes marca A marca B marca C marca D

1 4,9 5,3 4,7 4,4
2 4,7 5,2 4,2 5,0
3 5,3 4,9 4,3 5,1
4 4,7 4,9 4,9 4,8
5 4,8 4,6 4,8 4,7
Mdia 4,88 4,98 4,58 4,8
A mdia geral, de todas as 20 observaes acima, independente de marca, igual a 4,81.
X = 4,81
Queremos saber se, para as quatro marcas, a mdia de quilometragem a mesma. As
hipteses que vamos testar so:
H 0 : 1 = 2 = 3 = 4
HA: pelo menos uma das mdias diferente das demais
Observem que, de acordo com as amostras acima, as mdias no so exatamente iguais. A
questo : as diferenas entre as mdias so devidas apenas a fatores aleatrios? Ou as
diferenas so significativas, de modo que possvel apontar que h pelo menos uma marca
diferente das demais?
So estas perguntas que a anlise de varincia tenta responder.
Bom, como queremos s ter uma primeira idia, fizemos uma simplificao: todas as
amostras tm tamanho 5 (num caso geral, cada amostra pode ter tamanho diferente das
demais).
Uma outra suposio necessria. Vamos supor que todas as populaes de onde foram
extradas as amostras apresentam a mesma varincia 2 . Por fim, vamos supor que todas
as populaes apresentam distribuio normal.
Vamos calcular a varincia dentro de cada grupo.
Cada observao do quadro acima pode ser representada por:
X ij
onde i indica varia de 1 at 4 (indicando as marcas A, B, C, D) e j varia de 1 at 5 (indicando

as observaes feitas dentro de cada marca).
A varincia dentro de uma dada marca dada por:
(X )
5
2
ij Xi
j =1
si =
2
5 1
Como exemplo, vamos detalhar o clculo da varincia dentro da marca C (ou seja, para o
caso de i = 3) :

(X )
5
2
X3
(4,7 4,58) 2 + (4,2 4,58) 2 + (4,3 4,58) 2 + (4,9 4,58) 2 + (4,8 4,58) 2
3j
j =1
s3 = =
2
5 1 4
= 0,097
Fazendo clculos semelhantes para as demais marcas, temos:
Marca A B C D
Varincia 0,062 0,077 0,097 0,075
Caso todas as marcas apresentem a mesma mdia, ento temos:
- todas elas tm distribuio normal
- todas elas tm mesma varincia 2
- todas elas tm mesma mdia
Isto equivale a dizer que todas elas apresentam distribuio idntica. como se todas as
observaes tivessem sido extradas de uma nica populao, normal, de mdia e
varincia 2 .
Deste modo, temos, na verdade, 4 amostras da mesma populao. So 4 amostras de
tamanho 5. Vimos na aula de estimadores que a varincia da amostra (com n 1 no
denominador) um estimador no-viciado da varincia da populao. Portanto, se tivermos
vrias amostras, a mdia de todas as varincias amostrais deve ser bem prxima da
varincia da populao.
Assim, uma primeira estimativa da varincia da populao seria:
s1 + s 2 + s 3 + s 4 0,062 + 0,077 + 0,097 + 0,075
2 2 2 2
= = 0,078
4 4
Continuando.
Ainda supondo que todas as marcas apresentam a mesma mdia, podemos achar outra
estimativa para a varincia da populao. Como j estudamos na aula de estimadores, a
mdia amostral tem varincia dada por:
2
X =
2
n
Ou seja, as mdias amostrais apresentam disperso bem pequena, quando comparada com
a disperso da populao. Se pegarmos a disperso da populao e dividirmos por n, a
obtemos a disperso das mdias amostrais. As mdias amostrais esto bem concentradas.
n X = 2
2
Se multiplicarmos a varincia das mdias amostrais por n, a obtemos uma estimativa para a
varincia populacional.
Assim, podemos usar os diversos valores da mdia amostral para estimar a varincia de X .
Feito isso, multiplicamos por n, e obtemos outra estimativa da varincia populacional.

A mdia das mdias amostrais :

X 1 + X 2 + X 3 + X 4 4,88 + 4,98 + 4,58 + 4,8
X = = = 4,81
4 4
Temos:
(4,88 4,81) 2 + (4,98 4,81) 2 + (4,58 4,81) 2 + (4,8 4,81) 2
sX = = 0,029
2
4 1
Esta a chamada varincia entre as marcas.
Como o tamanho das amostras 5 ( n = 5 ), a nova estimativa da varincia da populao :
5 0,029 = 0,144
Obtidas estas duas estimativas da varincia da populao, ns dividimos uma pela outra.
0,144
Razo entre as estimativas: = 1,85
0,078
E este nmero acima que vai nos permitir decidir se as mdias so todas iguais entre si ou
no.
Caso as mdias sejam, efetivamente, todas iguais entre si, a razo entre as duas estimativas
deveria ser bem prxima de 1. As duas estimativas deveriam coincidir (ou serem muito
prximas uma da outra).
Caso as estimativas no coincidam (e a razo entre elas seja bem diferente de 1), isto um
sinal de que as mdias das marcas de leo so diferentes entre si (ou seja, h pelo menos
uma marca diferente das demais).
Por qu?
Se todas as marcas tiverem a mesma mdia, suas funes densidade de probabilidade se
sobreporo (esto todas representadas pela curva em preto no grfico abaixo).
No fundo, todas as amostras podem ser consideradas como extradas da mesma populao.

s + s2 + s3 + s 4
2 2 2 2
Com isso, o clculo 1 (decorrente das varincias dentro das marcas)

4
realmente vai gerar uma boa estimativa da varincia da populao.
J a segunda estimativa, ela derivada da varincia entre as marcas. Como as mdias
2
amostrais so pouco dispersas (ver curva verde do grfico acima), s X pequeno.
2
Multiplicando n s X , obteremos uma boa estimativa para a varincia da populao. As
duas estimativas sero bem prximas. A razo entre elas ser quase igual a 1.
Agora vamos pensar em outro caso.

Se todas as marcas tiverem a mesma varincia, mas tiverem mdias diferentes, elas
poderiam ser representadas pelo grfico abaixo:
s + s2 + s3 + s 4
2 2 2 2
Como todas elas apresentam a mesma varincia, o clculo 1 (decorrente

4
das varincias dentro das marcas) realmente vai gerar uma boa estimativa da varincia da
populao.
J a segunda estimativa, baseada na varincia entre as mdias amostrais, ela ser
problemtica. As mdias amostrais estaro mais dispersas do que estariam caso as mdias
populacionais fossem todas iguais entre si. Isto far com que a segunda estimativa, derivada
da varincia entre as marcas, resulte num estimador maior que aquele decorrente da
varincia dentro das marcas. Com isso, a razo entre as duas estimativas ser bem maior
que 1.
Agora vamos comear a estudar a anlise de varincia com os nomes que geralmente
aparecem nas questes. Veremos que a razo entre as estimativas vai corresponder, na
verdade, a uma razo entre os chamados quadrados mdios.

7.2. Hipteses do modelo
Vamos trabalhar com um modelo mais simples (embora a anlise de varincia possa ser
aplicada para modelos mais complexos).
Temos k populaes em estudo (no exemplo dado na seo anterior, k = 4 , pois eram 4
marcas diferentes). De cada populao, so extradas amostras de tamanho ni (no exemplo
anterior, n1 = n 2 = n3 = n 4 = n5 = 5 - todas as amostras tinham tamanho 5).
O nmero total de extraes feitas (incluindo todos os grupos em estudo) N . No nosso
exemplo, N = 20 (5 extraes para cada uma das 4 marcas de leo).
Uma dada observao X ij pode ser representada assim:
X ij = i + u ij
Cada observao igual mdia da populao de onde ela foi extrada, mais um erro
aleatrio ( u ij ). As hipteses so:
os erros so variveis aleatrias com mdia zero;

os erros so independentes entre si;
os erros tm varincia constante, ou seja, V (uij ) = 2 , para qualquer i e qualquer j.
os erros tm distribuio normal

Na verdade, vocs no precisam se preocupar em decorar as hipteses acima. Elas sempre
estaro implcitas na questo. O motivo pelo qual eu as mencionei o seguinte. Pode
acontecer de a questo indicar expressamente tais hipteses. A o aluno poderia se assustar,
pensando que a questo est pedindo alguma coisa que ele no estudou. Ento, se a
questo trouxer as hipteses acima, no precisa entrar em pnico, achando que uma coisa
de outro mundo. s fazer a anlise de varincia normalmente, como veremos nos tpicos
a seguir.
7.3. Somas de quadrados
Como vimos no exemplo inicial (com as 4 marcas de leo), o teste se baseia em clculo da
varincia (entre e dentro). E a varincia resultado de uma soma de quadrados de desvios.
Ento, por hora, vamos focar nestas somas de quadrados de desvios.
H trs somas importantes: a soma de quadrados total; a soma de quadrados dentro dos
grupos (ou ainda: soma de quadrados dos resduos); a soma de quadrados entre grupos (ou
ainda: soma de quadrados de tratamentos).
Seja ni o nmero de termos do isimo grupo. No exemplo das marcas de leo, para cada
grupo ns tnhamos 5 observaes. Ou seja:

n1 = n 2 = n3 = n 4 = 5
A soma dos quadrados dos resduos (ou ainda, dentro dos grupos) definida por:
k ni
SQ Re s = ( X ij X i ) 2
i =1 j =1
Ou seja, tomamos todas as observaes e subtramos da mdia do respectivo grupo.

Elevamos ao quadrado. Depois somamos tudo.
Para o exemplo das marcas de leo, ficaramos com:
SQ Re s = (4,9 4,88) 2 + (4,7 4,88) 2 + (5,3 4,88) 2 + (4,7 4,88) 2 + (4,8 4,88) 2 + ... +
+ (4,4 4,8) 2 + (5 4,8) 2 + (5,1 4,8) 2 + (4,8 4,8) 2 + (4,7 4,8) 2

SQ Re s = 1,244
A soma dos quadrados de tratamentos (ou ainda, entre os grupos) dada por:
ni
SQTrat = ( X i X ) 2 ni
i =1
Lembrando que X i a mdia de cada uma das 5 amostras (para i = 1 , por exemplo, temos
X 1 = 4,88 , que a mdia para a amostra da marca A).
E X a mdia de todos os valores, a mdia geral de todas as observaes, independente

de marca. No exemplo das marcas de leo, X = 4,81 .
O clculo da soma de quadrados de tratamentos dado por:
SQTrat = (4,88 4,81) 2 5 + (4,98 4,81) 2 5 + (4,58 4,81) 2 5 + (4,8 4,81) 2 5
SQTrat = 0,434
A soma de quadrados total dada por:

k ni
SQTotal = ( X ij X ) 2
i =1 j =1
Tomamos cada observao e subtramos da mdia geral. Elevamos ao quadrado e somamos

tudo. Para o exemplo que temos trabalhado, ficamos com:
SQTotal = (4,9 4,81) 2 + (4,7 4,81) 2 + ... + (4,8 4,81) 2 + (4,7 4,81) 2 = 1,678
Observem que:
SQTotal = SQ Re s + SQTrat
Isto sempre acontece.

Somas de quadrados:
ijkI3Fl = ijm>2 + ijkGF3
ijkI3Fl = ijncOob + ijcOoc
7.4. Graus de liberdade
Agora teremos um grande bl, bl, bl. A ideia facilitar a memorizao do quadro resumo
l da pgina 41.
Se voc no estiver muito afim de ler este bl, bl, bl, e preferir s decorar o tal do quadro,
sem stress. Neste caso, pode pular direto l para a pgina 41.
Vamos interromper um pouco a matria que estamos estudando (anlise de varincia).

Vamos falar um pouco sobre graus de liberdade. Utilizamos esta expresso em aulas
anteriores, sem falar exatamente do que se trata.
Bem, o grau de liberdade nada mais que um parmetro que entra no clculo da funo
gama. uma funo importante. A partir dela que so construdas as funes densidade
de probabilidade para diversas distribuies de probabilidade importantes (como T, qui-
quadrado, F).
S que indicar para vocs qual a funo gama e, dentro dela, qual o parmetro que
corresponde ao nmero de graus de liberdade, no vai ajudar em nada a entender melhor o
que esse grau de liberdade.
Creio eu, deve haver alguma explicao geomtrica para o nmero de graus de liberdade.
Para quem j estudou clculo, estou pensando em alguma coisa anloga explicao de
derivada e integral por meio de inclinaes de reta e reas abaixo da curva. Explicaes
utilizando geometria so mais fceis para assimilarmos.
Esta analogia, se que existe, eu nunca achei em nenhum livro de estatstica (bem
verdade que s consultei livros introdutrios de estatstica). Apesar disso, quase todos eles
trazem uma historinha que til para memorizarmos como chegar aos graus de
liberdade. Ento o que eu vou fazer repassar a vocs essa histria.
Em todas as vezes que vimos os graus de liberdade, havia uma soma de quadrados de
desvios. A quantidade de graus de liberdade ser igual quantidade de termos
independentes que estamos somando.
A primeira vez que vimos o grau de liberdade foi com a distribuio T. Vimos que X tem

mdia e desvio padro .
n

Quando desconhecemos o desvio-padro da populao, substitumos por s (desvio

padro da amostra).
Para clculo de s2, fazemos assim:
(X )
n
2
i X
s2 = i =1
n 1
No denominador temos um nmero, uma constante, algo que no varia. No numerador,
temos uma soma de n quadrados de desvios, que podem variar de uma amostra para outra.
este fator que aleatrio. Vamos nos concentrar nele.
Numerador: ( X 1 X ) 2 + ( X 2 X ) 2 + ( X 3 X ) 2 + ... + ( X n 1 X ) 2 + X n X ) 2
Qual a referncia para o clculo dos desvios? a mdia aritmtica.
Pois bem, vamos supor que a gente conhece justamente a mdia aritmtica. Conhecemos a
mdia aritmtica da amostra, mas no conhecemos os valores observados. Ou ainda: a
mdia da amostra dada.
Quanto aos valores de cada uma das observaes, este ns no conhecemos.
Fixada a mdia da amostra, vamos considerar que a gente livre para estabelecer quaisquer
valores para as observaes e, com isso, calcular o valor do desvio ao quadrado, que entra
na frmula do numerador.
Assim, ns somos livres para escolher o valor de X1 (e, com isso, determinar o valor de
( X 1 X ) 2 ). Ns tambm somos livres para escolher o valor de X2. E assim por diante.
Neste processo, ns seramos livres para escolher os valores de n 1 observaes. Ns
seramos livres para escolher os valores de X 1 , X 2 , ..., X n1 .
J o valor de Xn, este ns no temos liberdade para escolher. Escolhidas todas as demais
observaes ( X 1 , X 2 , ..., X n1 ), s existe um nico valor de Xn que faz com que a mdia da
amostra seja igual ao valor fixado para X .
Ou seja, nossa liberdade se restringiu a n 1 desvios ao quadrado. O ltimo desvio ao
quadrado no pode ser livremente escolhido. Portanto, so n 1 graus de liberdade.
A segunda vez que vimos os graus de liberdade foi com a distribuio de qui-quadrado. Ela
dada por:
( n 1) s 2
2 =
2
No denominador, temos a varincia da populao. Ela um nmero, uma constante, algo
fixo, que no varia.
No numerador, temos duas parcelas. A primeira ( n 1) , que tambm um nmero fixo (
o tamanho da amostra menos 1).
O outro fator, ele sim varia. Trata-se da varincia amostral. a varincia de uma
determinada amostra. Se pensarmos em todas as amostras possveis, em cada uma delas s 2

( n 1) s 2
assume um valor diferente. este fator que torna uma varivel aleatria, que faz
2
esta expresso variar. Vamos portanto, nos concentrar neste termo.
Novamente, temos a varincia amostral (s2), que advm da soma de n desvios ao quadrado.
Fixada uma determinada mdia amostral, poderemos escolher livremente o valor de n 1
desvios. O ltimo desvio, este no pode ser livremente escolhido. S h um valor possvel
para ele, de tal modo que a mdia das observaes seja igual a uma dada mdia amostral.
Temos, novamente, n 1 graus de liberdade.
A terceira vez que estudamos graus de liberdade foi no teste de qui-quadrado para vrias
propores.
(Oi E i ) 2
A estatstica teste era dada pela soma de todos os valores de . Agora os desvios
Ei
so calculados em relao s freqncias esperadas.
Pergunta: qual a referncia para clculo dos desvios?
A referncia so as frequncias esperadas. Pois ento vamos supor que as frequncias
esperadas so dadas e que ns somos livres para escolher as frequncias observadas
(determinando, assim, o valor do desvio). Quantas frequncias observadas ns podemos
escolher livremente?
Para exemplificar, vamos retomar a questo 39 da aula passada. Na verdade, vou adaptar o
problema:
No curso A, havia 100 candidatos inscritos em um concurso. No curso B tambm havia 100
candidatos inscritos neste concurso. Foram aprovados 140 candidatos destes 200 alunos. Os
60 restantes foram reprovados. Calcule a estatstica teste para testar a hiptese de que a
proporo de aprovados nos dois cursos a mesma.
Este problema modificado no tem resposta. Isto porque no foram fornecidas as

freqncias observadas dentro de cada curso. Mas no tem problema. Nosso interesse aqui
no ser achar exatamente o valor da estatstica teste; sim determinar o nmero de graus
de liberdade.
Agora ns s conhecemos os totais da amostra.
Do total de alunos (incluindo tanto o curso A quanto B), 140 foram aprovados e 60 foram
reprovados. Sabemos ainda que h 100 alunos em cada curso.
Sabendo apenas os totais (ou seja, o total de aprovados, o total de reprovados, e o total de
alunos em cada curso), podemos determinar as freqncias esperadas, caso a hiptese nula
seja verdadeira:

curso A curso B
Freqncia Freqncia Total
esperada esperada
Aprovados 70 70 140
Reprovados 30 30 60
Total 100 100 200
Os nmeros em vermelho indicam os totais. So esses nmeros que a gente conhece.
Se a hiptese nula for verdadeira, esperamos que a proporo de aprovados e reprovados,
em cada curso, seja igual proporo geral, tomando os dois cursos em conjunto.
Ou seja, conhecer os valores totais o mesmo que conhecer as frequncias esperadas. E
vice-versa.
Agora vamos para as freqncias observadas.
curso A curso B
observada observada
Aprovados ? ? 140
Reprovados ? ? 60
Total 100 100 200
As freqncias observadas no foram informadas. Vamos considerar que somos livres para
preench-las. Ou seja, no fundo estamos considerando que somos livres para determinar os
(O E i ) 2
valores de cada i .
Ei
Vamos preencher a primeira clula com o nmero 80. Por qu? Porque somos livres para
escolher qualquer nmero, ento vamos escolher o nmero 80.
curso A curso B
observada observada
Aprovados 80 ? 140
Reprovados ? ? 60
Total 100 100 200
E esta foi a nica clula que poderamos preencher livremente. As demais no podem mais
ser preenchidas livremente.
Para que o total de alunos aprovados seja de 140, a segunda clula deve ser igual a 60.
curso A curso B
observada observada
Aprovados 80 60 140
Reprovados ? ? 60
Total 100 100 200
Para que o total de alunos do curso A seja igual a 100, a terceira clula deve ser preenchida
com 20.

curso A curso B
observada observada
Aprovados 80 60 140
Reprovados 20 ? 60
Total 100 100 200
Para que o total do curso B seja igual a 100 e o total de reprovados seja 60, a quarta clula
deve ser igual a 40.
curso A curso B
observada observada
Aprovados 80 60 140
Reprovados 20 40 60
Total 100 100 200
Ns s fomos livres para preencher 1 clula. Por isso, temos 1 grau de liberdade.
(Oi E i ) 2
Assim, quando formos calcular a soma dos valores , ns podemos escolher
Ei
livremente 1 deles. Os demais, estes no sero livremente escolhidos.
Generalizando, para um caso qualquer com vrias propores, o nmero de graus de
liberdade ser sempre igual a ( L 1) (C 1) .
Resumindo tudo: o que fica da histria que os graus de liberdade tm relao com a
quantidade de termos que podemos escolher livremente.
7.5. Distribuio de qui-quadrado e soma de quadrados
Ainda estamos na interrupo da matria de hoje. Vamos relembrar um pouco da aula

passada.
Seja X uma varivel aleatria, com mdia e varincia 2 . Seja s 2 o estimador da
varincia populacional, baseado em uma amostra aleatria de tamanho n. Na aula passada,
(n 1) s 2
vimos que tem distribuio de qui-quadrado com n 1 graus de liberdade.
2
Vamos analisar com calma esta expresso.

( n 1) s 2
2 =
2
E como que se calcula uma varincia amostral? Bom, o primeiro passo calcular a soma
dos quadrados dos desvios em relao mdia da amostra.
Fica assim:

(X )
n
2
i X
s2 = i =1
n 1
Voltemos varivel de qui-quadrado em estudo. Ela dada por:
( n 1) s 2
2 =
2
Substituindo o valor de s2:
(X )
n
2
i X
2 = i =1
2
No numerador temos uma soma de quadrados dos desvios.
Ento isso que eu queria chamar a ateno, para facilitar a memorizao. Somas de
quadrados de desvios podem ser usadas para gerar distribuies de qui-quadrado. Basta
dividir a soma de quadrado dos desvios pela varincia da populao.
Finalmente, voltemos para a matria de hoje (anlise de varincia). Se a hiptese nula for
verdadeira (ou seja, se todas as marcas de leo tiverem a mesma mdia), ento todas as
somas de quadrados de desvios que estudamos nesta aula podem ser usadas para gerar
distribuies de qui-quadrado. Assim:
SQ Re s
tem distribuio de qui-quadrado.
2
SQTrat
2
SQTotal
2
Cada uma destas distribuies tem um certo grau de liberdade. Os graus de liberdade so:
SQ Re s
: N k
2
SQTrat
: k 1
2
SQTotal
: N 1
2
Observem que:
( N k ) + ( k 1) = N 1
Ou seja, se somarmos os graus de liberdade para os resduos e para os tratamentos,
chegamos ao grau de liberdade total.

Vamos tentar memorizar os graus de liberdade. Para tanto, vamos lembrar da histria que
contamos l na fl. 34.
No clculo da soma de quadrados total, pegamos cada observao e subtramos da mdia
geral. Depois elevamos ao quadrado. Como so N observaes, so N desvios ao quadrado.
Vamos considerar que X dado.
Podemos escolher livremente N 1 desvios. O ltimo, este no pode ser livremente
escolhido. S h um valor possvel para ele, de tal modo que a mdia geral da amostra seja
igual ao valor fixado para X
No clculo da soma de quadrados de tratamentos, pegamos a mdia de cada grupo (no

nosso exemplo, seria a mdia de cada uma das 4 marcas de leo) e subtramos da mdia
geral. Novamente, vamos supor que X dado.
So k desvios ao quadrado (neste exemplo, k = 4 ). Veja:
SQTrat = (4,88 4,81) 2 5 + (4,98 4,81) 2 5 + (4,58 4,81) 2 5 + (4,8 4,81) 2 5
Em smbolos:
SQTrat = ( X 1 X ) 2 n1 + ( X 2 X ) 2 n2 + ( X 3 X ) 2 n3 + ( X 4 X ) 2 n4
Se no conhecssemos as mdias de cada grupo (s soubssemos a mdia geral das 4
marcas), poderamos escolher livremente 3 desvios. O ltimo, este no poderia ser
escolhido. Para ele s haveria um valor possvel, de tal forma que a mdia das 4 marcas seja
igual mdia geral fixada. Temos, portanto, k 1 graus de liberdade.
Por fim, no clculo da soma de quadrados dos resduos, tomamos cada observao e
subtramos da mdia do respectivo grupo. So N desvios ao quadrado.
Se soubssemos apenas as mdias de cada grupo (ou seja, as mdias de cada marca), e no
conhecssemos o valor de cada observao, poderamos escolher livremente diversos
desvios.
Para a marca A, teramos:
( X 11 X 1 ) 2 + ( X 12 X 1 ) 2 + ( X 13 X 1 ) 2 + ( X 14 X 1 ) 2 + ( X 15 X 1 ) 2
Se no conhecemos as observaes, apenas a mdia da marca A, poderamos escolher
livremente 4 desvios. O quinto no pode escolher livremente. S h um valor possvel para
ele, de tal modo que a mdia da marca A seja igual ao valor estabelecido.
O mesmo ocorre para todas as demais marcas. Em cada uma delas, 1 dos desvios no pode
ser livremente escolhido.
Assim, o nmero de graus de liberdade igual a N k . So N desvios ao todo. Para cada
grupo, 1 desvio no pode ser livremente escolhido. Como temos k grupos, temos k desvios
que no podem ser livremente escolhidos.

Todo esse bl bl bl que temos visto desde a fl. 34 (a historinha dos graus de liberdade e
das somas de quadrado sendo relacionadas com distribuies de qui-quadrado), tudo isso
era para facilitar na memorizao do resumo abaixo.
Se voc no gostou de todo esse bl bl bl, pelo menos decore o quadro a seguir:
Caso a hiptese nula seja verdadeira (ou seja, todos os grupos apresentem a mesma
mdia), ento:
SQ Re s
tem distribuio de qui-quadrado com N k graus de liberdade
2
SQTrat
tem distribuio de qui-quadrado com k 1 graus de liberdade
2
SQTotal
tem distribuio de qui-quadrado com N 1 graus de liberdade
2
7.6. Quadrados mdios
Quando dividimos uma soma de quadrados pelo respectivo nmero de graus de liberdade,
obtemos os chamados quadrados mdios.
O quadrado mdio dos resduos fica:
SQ Re s
QM Re s =
N k
Analogamente, os quadrados mdios de tratamento e total ficam:
SQTrat
QMTrat =
k 1
SQTotal
QMTotal =
N 1
7.7. A distribuio F
Seja 1 2 uma varivel aleatria com distribuio de qui-quadrado com g1 graus de

liberdade. Seja 2 2 uma varivel aleatria com distribuio de qui-quadrado com g2 graus
de liberdade.
Vamos criar a seguinte varivel:

1 2 / g1
W= 2
2 / g2
No numerador temos uma varivel de qui-quadrado dividida pelo seu nmero de graus de
liberdade.
No denominador, temos uma varivel de qui-quadrado dividida pelo seu nmero de graus
de liberdade.
Essa diviso gera uma terceira varivel, com distribuio F (ou ainda: F de Snedecor). Esta
varivel W possui g1 graus de liberdade associados ao seu numerador e g2 graus de
liberdade associados ao seu denominador.
Portanto, a razo:
QMTrat
F=
QM Re s
Tem distribuio F de Snedecor, com k 1 graus de liberdade no numerador e N k graus
de liberdade no denominador. Esta razo utilizada para testar a hiptese nula, de que
todas as populaes tm a mesma mdia (no nosso exemplo, de que todas as marcas de
leo permitem a mesma quilometragem mdia).
Caso a hiptese nula seja verdadeira, os dois quadrados mdios sero prximos, e a razo
ser prxima de 1.
Caso a hiptese nula seja falsa, os dois quadrados mdios sero bem diferentes entre si, e a
razo acima ser bem maior que 1.
Ento o teste apenas isso. Basta calcular os valores de QMTrat e QM Re s , especficos
para o experimento feito, o que vai gerar a estatstica teste ( F _ teste , ou seja, o valor de F
para o experimento feito).
Depois consultamos a tabela da distribuio F (obtendo F _ crtico ). Depois, basta
comparar a estatstica teste com o valor crtico. Se a estatstica teste for maior que o valor
crtico, rejeitamos a hiptese nula. Se for menor, aceitamos a hiptese nula.
Teste F:
QMTrat
tem distribuio F (caso a hiptese nula seja verdadeira).
QM Re s
Fazemos o experimento, obtendo valores especficos para QMTrat e QM Re s , o que vai
gerar a estatstica teste ( F _ teste ).
Se F _ teste > F _ critico , rejeitamos a hiptese nula.
Se F _ teste < F _ critico , aceitamos a hiptese nula.

Questo 13 MP RO 2005 [CESGRANRIO]

Se X1, X2, ... Xn, Y1, Y2, ... Yn so variveis aleatrias independentes e com distribuio normal
X 1 + X 2 + ... + X n
2 2 2
reduzida, ento a varivel aleatria W = tem distribuio:

Y1 + Y2 + ... + Yn
2 2 2
(A) normal.
(B) qui-quadrado com n - 1 graus de liberdade.
(C) t de Student com n graus de liberdade.
(D) F com (n -1, n -1) graus de liberdade.
(E) F com (n, n) graus de liberdade.
Resoluo.
Podemos reescrever a varivel W deste modo:
W=
(X 2
+ X 2 + ... + X n / n
2 2
)
(Y )
1
+ Y2 + ... + Yn / n
2 2 2
1
No numerador temos uma distribuio de qui-quadrado com n graus de liberdade, dividida

por n. Idem para o denominador.
Logo, W tem distribuio F com (n, n) graus de liberdade.
Gabarito: E
Questo 14 TCE RO 2007 [CESGRANRIO]

Se X1, X2, ..., Xn, Y1, Y2, ..., Yn so variveis aleatrias independentes e com distribuio
X 1 + X 2 + ... + X n
2 2 2
normal reduzida, ento a varivel aleatria W = tem distribuio:

Y1 + Y2 + ... + Yn
2 2 2
(A) normal.
(D) F com (n - 1, n - 1) graus de liberdade.
Resoluo.
Questo idntica anterior.
Gabarito: E

Para o exemplo das quatro marcas de leo, trabalhadas durante a aula, teste a hiptese de
que as mdias so iguais, contra a hiptese alternativa de que h pelo menos uma mdia
diferente das demais. Utilize um nvel de significncia de 10%.
Resoluo.
Podemos juntar todos os clculos j realizados durante a aula em uma tabela, assim:
Fonte da variao Graus de Soma de Quadrado F _ teste
liberdade quadrados mdio
Tratamentos 3 0,434 0,145 1,858974
(entre)
Resduos (dentro) 16 1,244 0,078
Total 19 1,678
Os quadrados mdios foram obtidos pela diviso entre a soma de quadrados e o nmero de
graus de liberdade.
Ou seja:
0,434
QMTrat = = 0,145
3
Em vez de utilizar a expresso tratamento, o exerccio pode se referir variao entre
tratamentos. Ou seja, o smbolo seria QM _ entre
QMTrat = QM _ entre = 0,145
Para o quadrado mdio de resdulos (dentro), a conta anloga:
1,244
QM Re s = QM _ dentro = = 0,078
16
Estes dois quadrados mdios so utilizados para fazer o teste F.
QMTrat QM _ entre 0,145
F _ teste = = = = 1,8589
QM Re s QM _ dentro 0,078
A razo entre os quadrados foi de 1,8589. Foi diferente de 1.
Caso a razo seja bem prxima de 1, aceitamos a hiptese nula. Caso a razo seja bem
afastada de 1, rejeitamos a hiptese nula.
E agora?
O nmero 1,8589 prximo ou afastado de 1?
Bem, o que vai nos responder isso a tabela da distribuio F. Abaixo segue um trechinho
da Tabela F para nvel de confiana de 10%.

Fornece valores crticos (F0), tal que P ( F > F0 ) = 10%

Nmero de GL do numerador
Nmero GL 2 3 4 5
denominador
15 2,695172932 2,489787735 2,361433116 2,273022447
16 2,668171457 2,461810755 2,332744869 2,243757603
17 2,644638468 2,437433917 2,307747133 2,218252647
18 2,623946985 2,416005381 2,285771772 2,195827465
19 2,605612364 2,397021508 2,266302568 2,175956494
20 2,589254118 2,380087057 2,248934402 2,158227217
A estatstica teste (1,8589) menor que o valor crtico (2,46). Aceitamos a hiptese nula.
Para melhor visualizao, segue desenho da funo densidade de probabilidade, para (3, 16)
graus de liberdade.
De acordo com a tabela para a distribuio F, temos que a rea amarela da figura abaixo
de 10%.

Que a regio crtica. A estatstica teste no caiu na regio crtica. Portanto, aceitamos a
hiptese nula.
Questo 15 PETROBRAS 2008/2 [CESGRANRIO]

Dividem-se aleatoriamente 12 lotes de terra em trs grupos.
O primeiro mantido como grupo de controle (C), enquanto os outros dois recebem os
fertilizantes A e B. A tabela abaixo apresenta a ANOVA parcial do experimento.
Ento, as constantes a, b e c so, respectiva e aproximadamente, iguais a

(A) 1, 11 e 4,5
(B) 1, 11 e 9
(C) 2, 11 e 9
(D) 2, 12 e 2
(E) 3, 12 e 3
Resoluo.
O exerccio forneceu direto a tabela da anlise de varincia, j com todas as contas prontas.
SQ indica soma de quadrados. GL indica graus de liberdade. EQM indica erro
quadrtico mdio (que sinnimo de quadrado mdio).

Queremos testar se os trs tipos de produo (com fertilizantes A e B, mais o grupo de

controle, C) apresentam os mesmos resultados. O exerccio no indicou exatamente o que
se est comparando. Poderia, por exemplo, ser a quantidade de toneladas produzidas por
determinada rea plantada.
Ao todo, so 12 observaes (uma para cada lote de terra). Portanto:
N = 12 N 1 = 11
A soma de quadrados total tem N 1 graus de liberdade. Logo, a constante b da tabela
igual a 11.
b = 11
O nmero de graus de liberdade associado soma de quadrados total igual soma dos
demais graus de liberdade.
a+9 =b
a + 9 = 11
a=2
Com isso, j d para marcar letra C.
Por fim, a estatstica teste fica:
156
F _ teste = c = = 9,02
17,3
Gabarito: C
Considere a descrio abaixo para responder Questo 16 e Questo 17.

Um estudo pretende comparar as medidas de presso sangunea sistlica de trs grupos:
no fumantes, ex-fumantes e fumantes. Uma amostra selecionada de cada grupo, sendo
os dados relevantes apresentados abaixo. Supe-se que as varincias populacionais sejam
iguais, e que a presso sangunea sistlica seja normalmente distribuda. As mdias e os
desvios padres esto expressos em mmHg.
Questo 16 FUNASA 2009 [CESGRANRIO]

As estimativas da varincia dentro dos grupos e entre os grupos, so, respectivamente,
(p)1224 164
>
10 3
(q)1224 164
>
97 2

(B)15.760 120
>
100 3
(r)15760 120
>
99 3
()15760 120
>
97 2
Resoluo
Temos um total de 100 observaes ( N = 100 ), referentes a trs grupos pesquisados ( k = 3
)
A mdia geral dos trs grupos dada por:
115 60 + 114 30 + 118 10
X = = 115
100
A soma de quadrados entre os grupos dada por:
SQ _ entre = 60 (115 115) 2 + 30 (114 115) 2 + 10 (118 115) 2 = 120
Esta soma de quadrados possui k 1 graus de liberdade.
k 1 = 3 1 = 2
Logo, o quadrado mdio fica:
120
QM _ entre =
2
Vamos agora calcular a soma de quadrados dentro dos grupos. Para tanto, precisamos, em
cada grupo, calcular a soma dos quadrados dos desvios em relao mdia do grupo.
Para os no-fumantes, sabemos que a varincia igual a 142. E como foi calculada esta
varincia? Ela foi calculada somando os quadrados dos desvios e dividindo por 59. Logo, a
soma dos quadrados dos desvios, para o grupo dos no-fumantes, igual a 14 2 59 .
Como o mesmo raciocnio, podemos achar as somas dos quadrados dos desvios para os
demais grupos. Com isso, temos:
SQ _ dentro = 14 2 59 + 10 2 29 + 12 2 9 = 15760
Esta soma de quadrados tem N k graus de liberdade.
N k = 100 3 = 97
Logo:
15760
QM _ dentro =
97
Gabarito: E


Utilizando um nvel de significncia de 5%, a Estatstica F, as presses sanguneas mdias
nos trs grupos e o valor crtico so, respectivamente,
Resoluo.
Estatstica teste:
QM _ entre 120 / 2 60 97
F _ teste = = = = 0,37
QM _ dentro 15760 / 97 15760
O valor crtico, podemos pegar da prpria questo. Todas as alternativas afirmam que o
valor crtico 3,07. Ento podemos tomar isso como dado.
Assim, conclumos que a regio crtica corresponde ao intervalo de 3,07 at infinito.

A estatstica teste cai na regio de aceitao. Aceitamos a hiptese de que as mdias nos
trs grupos so iguais entre si.
Gabarito: A
A Questo 18 e a Questo 19 referem-se ao enunciado seguinte:

Em um estudo controlado em que o interesse concentra-se no desgaste de pneus testaram-
se um certo nmero de marcas obtendo-se os resultados constantes da tabela de anlise de
varincia dada abaixo.
Questo 18 MPU 2004 [ESAF]

Assinale a opo que d o nmero de marcas de pneus estudadas.
a) 2
b) 3

c) 4
d) 5
e) 12
Resoluo:
Seja k o nmero de marcas estudadas. O nmero de graus de liberdade referente s
marcas igual a k 1. Logo:
3=<1
< =3+1=4
Foram 4 marcas estudadas.
Gabarito: C

Assinale a opo que d o valor da estatstica F utilizada para testar a hiptese de igualdade
de mdias das marcas.
a) 2
b) 10
c) 12
d) 20
e) 72
Resoluo:
Primeiro completamos o quadro da anlise de varincia. Para tanto, devemos lembrar que o
quadrado mdio igual soma de quadrados dividida pelo nmero de graus de liberdade.
Fonte Graus de liberdade Soma de quadrados Quadrado mdio
Marcas 3 60 20
Erro 36 72 2
Total 39 132 3,38

jttFGEF2 20
s= = = 10
jtGGI 2
Gabarito: B
Exerccios de anlise de varincia no so muito cobrados em prova.

Na verdade, o que cai um pouco mais a aplicao da anlise de varincia associada reta
de regresso linear, matria que veremos em outra aula.
8. QUESTES APRESENTADAS EM AULA
Questo 1 TCE PR 2011 [FCC]

Se Z tem distribuio normal padro, ento:
P (Z < 1) = 0,841; P (Z < 1,64) = 0,95; P (Z < 1,88) = 0,970; P (Z < 2) = 0,977; P (Z < 2,5) = 0,994
Duas amostras independentes: a primeira de tamanho 7, extrada de uma populao normal

com mdia M e varincia 21; a segunda de tamanho 4, extrada de uma populao normal
com mdia N e varincia 24, forneceram mdias amostrais dadas respectivamente por 15,8
e 8,3.
Desejando-se testar a hiptese H0 : M = N contra H1 : M > N, o nvel descritivo do teste
dado por
a) 0,6%.
b) 0,8%.
c) 1%.
d) 2%.
e) 5%.
Questo 2 TRF 2 REGIO 2007 [FCC]
Uma pesquisa foi realizada para avaliar se o preo mdio do quilo da carne bovina, tipo
Alcatra, vendida nos supermercados de dois bairros igual. No bairro X foram coletados os
preos de 15 supermercados e o preo mdio obtido foi 1 com varincia S2X e no bairro Y
foram coletados preos de 15 supermercados com preo mdio de 2 com varincia S2Y.
Considerando que as distribuies dos preos apresentam distribuio normal e as
varincias populacionais dos dois grupos so iguais e desconhecidas, a distribuio de
probabilidade da estatstica apropriada para se comparar a mdia dos dois bairros
a) Qui quadrado com 29 graus de liberdade.
b) F de Snedecor com 3 e 28 graus de liberdade.
c) t de Student com 30 graus de liberdade.
d) Normal com mdia 1 2.
e) t de Student com 28 graus de liberdade.
Questo 3 AFPS 2002 [ESAF]
Temos duas populaes normais A e B com mesma varincia e amostras aleatrias
independentes dessas populaes de tamanhos n1=20 e n2=20 respectivamente.
Assinale a opo que d o nmero de graus de liberdade da estatstica de Student utilizada
no teste de igualdade das mdias das populaes A e B.

a) 40
b) 19
c) 16
d) 20
e) 38
Questo 4 SEFAZ ES 2008 [CESPE]
Uma auditoria foi realizada nas filiais I e II da empresa A&B, com o propsito de examinar a
lisura dos processos de compras efetuadas em determinado trimestre. Para a realizao de
um estudo-piloto e considerando que a populao de notas fiscais existentes nessas filiais
era muito grande, em cada filial foi tomada uma amostra aleatria simples de 900 notas
fiscais. Para cada nota fiscal examinada, registrou-se, entre outras coisas, o logaritmo
que as distribuies de X para as filiais I e II so aproximadamente normais, com mdias 9 e

natural do valor da compra constante na nota fiscal: X. Uma avaliao estatstica mostrou
99 e desvios padro

9 e
99 , respectivamente, em que

.
Os resultados por filial so mostrados na tabela abaixo.
Com base nas informaes acima e considerando-se que (2) = 0,9772 e (0,675) =
0,7500, em que (z) representa a funo de distribuio acumulada da distribuio normal
padro, julgue o item.
O p-valor correspondente ao teste de hipteses H0: 9 = 99 versus Ha:9 99 , inferior a
4,8% e a hiptese nula no rejeitada quando o nvel de significncia for igual ou superior a
5%.
Questo 5 MPU 2007 [FCC]
Instrues: Para responder questo, considere o enunciado a seguir.
Dadas duas amostras aleatrias independentes:

- a primeira (X1, X2, X3, X4) extrada de uma populao X, onde X: =( ,
);
a segunda(Y1, Y2, Y3, Y4) extrada de uma populao Y, onde =( ,

), forneceram mdias
amostrais respectivamente iguais a:
= 15,3 > = 9,3

Deseja-se testar a hiptese : = 7 contra a alternativa : < 7. Sabendo

que
=
=
, onde
desconhecido, e que as amostras forneceram para uma
estimativa de
o valor 32, o valor observado da estatstica t de Student, apropriada para o
teste
a) 0,5
b) 0,25
c) - 0,25
d) - 0,5
e) - 1

Hipteses acerca da mediana de certa populao podem ser avaliadas pelo teste dos sinais.
Questo 7 TRE SP 2012 [FCC]
Durante 36 dias, observou-se, diariamente, a quantidade produzida de peas por duas
mquinas de marcas M1 e M2, independentemente. Um fabricante verificou que subtraindo
diariamente da quantidade de peas produzidas por M1 a quantidade produzida por
M2 obteve a presena de sinal positivo nas diferenas de 20 produes e sinal negativo nas
16 restantes, no ocorrendo diferena nula. Aplicando o teste dos sinais para decidir se a
proporo populacional de sinais positivos (p) igual a 0,50, ao nvel de significncia de 5%,
ele considerou as hipteses H0: p = 0,50 (hiptese nula) contra H1: p 0,50 (hiptese
alternativa). Com a aproximao da distribuio binomial pela normal sem a correo de
continuidade, foi apurado o valor do escore r correspondente para comparao com o valor
crtico da distribuio normal padro (Z) tal que a probabilidade P(|Z| 1,96) = 95%. Ento,
o fabricante, ao nvel de significncia de 5%,
a) rejeitar H0 e G = 2 3
b)no rejeitar H0 e G = 2 3
c) rejeitar H0 e r = 2.
d) no rejeitar H0 e r = 2.
e) rejeitar H0 e G = 1 3
Cinco bois foram alimentados com uma dieta experimental desde o seu nascimento ata
idade de 2 meses. Os aumentos de pesos verificados, em gramas, foram os seguintes: 900,
840, 950, 1 050, 800. Considerando-se a mediana desta amostra como estimativa pontual
da mediana populacional dos aumentos de peso, e considerando-se [800, 1050] um
intervalo de confiana para a mediana populacional, o coeficiente de confiana deste
intervalo
(A) situa-se entre 65% e 70%

(B) situa-se entre 71% e 80%

(C) situa-se entre 81% e 89%
(D) situa-se entre 90% e 95%
(E) superior a 95%
Cinco porcos foram alimentados com uma dieta experimental desde o seu nascimento at a
idade de 2 meses. Os aumentos de pesos verificados em gramas, foram os seguintes: 90, 84,
94, 105, 79. Considerando-se a mediana dessa amostra como estimativa pontual da
mediana populacional dos aumentos de peso, e considerando-se [84,94] um intervalo de
confiana para a media-na populacional, o coeficiente de confiana desse intervalo
(A) inferior a 75%.
(B) situa-se entre 75% e 79%.
(C) situa-se entre 80% e 84%.
(D) situa-se entre 85% e 90%.
(E) superior a 90%
Uma emissora de televiso promoveu um debate com os 2 candidatos ao segundo turno de
uma eleio municipal. Uma pesquisa de opinio deseja avaliar se o debate foi eficaz em
mudar a preferncia dos eleitores que assistiram ao debate pelos 2 candidatos. Para tanto
foram selecionados N adultos aleatoriamente e perguntadas as preferncias pelos dois
candidatos antes e depois da realizao do debate. O teste no paramtrico adequado para
avaliar a mudana de preferncia
a) Teste Wilcoxon-Mann-Whitney.
b) Teste Exato de Fisher.
c) Teste de Kruskal Wallis.
d) Teste de McNemar.
e) Teste de Komolgorov-Smirnov.
Considere que, para avaliar a aleatoriedade na ocorrncia de certo evento, um pesquisador
registre apenas o nmero de ocorrncias desse evento em N tentativas, a contagem de
casos em que esses eventos ocorrem sequencialmente e a contagem de casos em que esses
eventos no ocorrem. Com base nessa situao, correto afirmar que o pesquisador no
dispe de dados necessrios para testar a aleatoriedade desse evento.

Considerando que a tabela de contingncia acima mostra os resultados de um

levantamento estatstico, julgue o item que se segue.
A hiptese nula do teste de homogeneidade de McNemar

H0: de = d . = .e
Em que g, h = 1, 2
Questo 13 MP RO 2005 [CESGRANRIO]

Se X1, X2, ... Xn, Y1, Y2, ... Yn so variveis aleatrias independentes e com distribuio normal
X 1 + X 2 + ... + X n
2 2 2
reduzida, ento a varivel aleatria W = tem distribuio:

Y1 + Y2 + ... + Yn
2 2 2
(A) normal.
(D) F com (n -1, n -1) graus de liberdade.
Questo 14 TCE RO 2007 [CESGRANRIO]
Se X1, X2, ..., Xn, Y1, Y2, ..., Yn so variveis aleatrias independentes e com distribuio
X + X 2 + ... + X n
2 2 2
normal reduzida, ento a varivel aleatria W = 1 2 tem distribuio:

Y1 + Y2 + ... + Yn
2 2
(A) normal.
(D) F com (n - 1, n - 1) graus de liberdade.
Questo 15 PETROBRAS 2008/2 [CESGRANRIO]
Dividem-se aleatoriamente 12 lotes de terra em trs grupos.
O primeiro mantido como grupo de controle (C), enquanto os outros dois recebem os
fertilizantes A e B. A tabela abaixo apresenta a ANOVA parcial do experimento.

Ento, as constantes a, b e c so, respectiva e aproximadamente, iguais a

(A) 1, 11 e 4,5
(B) 1, 11 e 9
(C) 2, 11 e 9
(D) 2, 12 e 2
(E) 3, 12 e 3
Considere a descrio abaixo para responder Questo 16 e Questo 17.

Um estudo pretende comparar as medidas de presso sangunea sistlica de trs grupos:
no fumantes, ex-fumantes e fumantes. Uma amostra selecionada de cada grupo, sendo
os dados relevantes apresentados abaixo. Supe-se que as varincias populacionais sejam
iguais, e que a presso sangunea sistlica seja normalmente distribuda. As mdias e os
desvios padres esto expressos em mmHg.

As estimativas da varincia dentro dos grupos e entre os grupos, so, respectivamente,
(p)1224 164
>
10 3
(q)1224 164
>
97 2
(B)15.760 120
>
100 3
(r)15760 120
>
99 3
()15760 120
>
97 2


Utilizando um nvel de significncia de 5%, a Estatstica F, as presses sanguneas mdias
nos trs grupos e o valor crtico so, respectivamente,
A Questo 18 e a Questo 19 referem-se ao enunciado seguinte:

Em um estudo controlado em que o interesse concentra-se no desgaste de pneus testaram-
se um certo nmero de marcas obtendo-se os resultados constantes da tabela de anlise de
varincia dada abaixo.

Assinale a opo que d o nmero de marcas de pneus estudadas.
a) 2
b) 3
c) 4
d) 5
e) 12
Assinale a opo que d o valor da estatstica F utilizada para testar a hiptese de igualdade
de mdias das marcas.
a) 2
b) 10
c) 12
d) 20
e) 72

9. GABARITO
1 a 8 d 15 c
2 e 9 e 16 e
3 e 10 d 17 a
4 errado 11 errado 18 c
5 c 12 errado 19 b
6 certo 13 e
7 b 14 e

10. TABELA I DISTRIBUIO NORMAL
PROBABILIDADE DE Z ESTAR ENTRE 0 E Z0

Segunda casa decimal de Z0
Z0 0 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0,0 0,0000 0,0040 0,0080 0,0120 0,0160 0,0199 0,0239 0,0279 0,0319 0,0359
0,1 0,0398 0,0438 0,0478 0,0517 0,0557 0,0596 0,0636 0,0675 0,0714 0,0753
0,2 0,0793 0,0832 0,0871 0,0910 0,0948 0,0987 0,1026 0,1064 0,1103 0,1141
0,3 0,1179 0,1217 0,1255 0,1293 0,1331 0,1368 0,1406 0,1443 0,1480 0,1517
0,4 0,1554 0,1591 0,1628 0,1664 0,1700 0,1736 0,1772 0,1808 0,1844 0,1879
0,5 0,1915 0,1950 0,1985 0,2019 0,2054 0,2088 0,2123 0,2157 0,2190 0,2224
0,6 0,2257 0,2291 0,2324 0,2357 0,2389 0,2422 0,2454 0,2486 0,2517 0,2549
0,7 0,2580 0,2611 0,2642 0,2673 0,2704 0,2734 0,2764 0,2794 0,2823 0,2852
0,8 0,2881 0,2910 0,2939 0,2967 0,2995 0,3023 0,3051 0,3078 0,3106 0,3133
0,9 0,3159 0,3186 0,3212 0,3238 0,3264 0,3289 0,3315 0,3340 0,3365 0,3389
1,0 0,3413 0,3438 0,3461 0,3485 0,3508 0,3531 0,3554 0,3577 0,3599 0,3621
1,1 0,3643 0,3665 0,3686 0,3708 0,3729 0,3749 0,3770 0,3790 0,3810 0,3830
1,2 0,3849 0,3869 0,3888 0,3907 0,3925 0,3944 0,3962 0,3980 0,3997 0,4015
1,3 0,4032 0,4049 0,4066 0,4082 0,4099 0,4115 0,4131 0,4147 0,4162 0,4177
1,4 0,4192 0,4207 0,4222 0,4236 0,4251 0,4265 0,4279 0,4292 0,4306 0,4319
1,5 0,4332 0,4345 0,4357 0,4370 0,4382 0,4394 0,4406 0,4418 0,4429 0,4441
1,6 0,4452 0,4463 0,4474 0,4484 0,4495 0,4505 0,4515 0,4525 0,4535 0,4545
1,7 0,4554 0,4564 0,4573 0,4582 0,4591 0,4599 0,4608 0,4616 0,4625 0,4633
1,8 0,4641 0,4649 0,4656 0,4664 0,4671 0,4678 0,4686 0,4693 0,4699 0,4706
1,9 0,4713 0,4719 0,4726 0,4732 0,4738 0,4744 0,4750 0,4756 0,4761 0,4767
2,0 0,4772 0,4778 0,4783 0,4788 0,4793 0,4798 0,4803 0,4808 0,4812 0,4817
2,1 0,4821 0,4826 0,4830 0,4834 0,4838 0,4842 0,4846 0,4850 0,4854 0,4857
2,2 0,4861 0,4864 0,4868 0,4871 0,4875 0,4878 0,4881 0,4884 0,4887 0,4890
2,3 0,4893 0,4896 0,4898 0,4901 0,4904 0,4906 0,4909 0,4911 0,4913 0,4916
2,4 0,4918 0,4920 0,4922 0,4925 0,4927 0,4929 0,4931 0,4932 0,4934 0,4936
2,5 0,4938 0,4940 0,4941 0,4943 0,4945 0,4946 0,4948 0,4949 0,4951 0,4952
2,6 0,4953 0,4955 0,4956 0,4957 0,4959 0,4960 0,4961 0,4962 0,4963 0,4964
2,7 0,4965 0,4966 0,4967 0,4968 0,4969 0,4970 0,4971 0,4972 0,4973 0,4974
2,8 0,4974 0,4975 0,4976 0,4977 0,4977 0,4978 0,4979 0,4979 0,4980 0,4981
2,9 0,4981 0,4982 0,4982 0,4983 0,4984 0,4984 0,4985 0,4985 0,4986 0,4986
3,0 0,4987 0,4987 0,4987 0,4988 0,4988 0,4989 0,4989 0,4989 0,4990 0,4990
11. TABELA II DISTRIBUIO T DE STUDENT
Distribuio T (feita com a funo INVT do excel).

A tabela fornece valores de t 0 tal que a probabilidade de t assumir valores entre t 0 e + t 0 seja
igual a P.

Graus de Valores de P (Probabilidade associada ao intervalo)

liberdade 0,8 0,9 0,95 0,98 0,99 0,995
1 3,078 6,314 12,706 31,821 63,657 127,321
2 1,886 2,920 4,303 6,965 9,925 14,089
3 1,638 2,353 3,182 4,541 5,841 7,453
4 1,533 2,132 2,776 3,747 4,604 5,598
5 1,476 2,015 2,571 3,365 4,032 4,773
6 1,440 1,943 2,447 3,143 3,707 4,317
7 1,415 1,895 2,365 2,998 3,499 4,029
8 1,397 1,860 2,306 2,896 3,355 3,833
9 1,383 1,833 2,262 2,821 3,250 3,690
10 1,372 1,812 2,228 2,764 3,169 3,581
11 1,363 1,796 2,201 2,718 3,106 3,497
12 1,356 1,782 2,179 2,681 3,055 3,428
13 1,350 1,771 2,160 2,650 3,012 3,372
14 1,345 1,761 2,145 2,624 2,977 3,326
15 1,341 1,753 2,131 2,602 2,947 3,286
16 1,337 1,746 2,120 2,583 2,921 3,252
17 1,333 1,740 2,110 2,567 2,898 3,222
18 1,330 1,734 2,101 2,552 2,878 3,197
19 1,328 1,729 2,093 2,539 2,861 3,174
20 1,325 1,725 2,086 2,528 2,845 3,153
21 1,323 1,721 2,080 2,518 2,831 3,135
22 1,321 1,717 2,074 2,508 2,819 3,119
23 1,319 1,714 2,069 2,500 2,807 3,104
24 1,318 1,711 2,064 2,492 2,797 3,091
25 1,316 1,708 2,060 2,485 2,787 3,078
26 1,315 1,706 2,056 2,479 2,779 3,067
27 1,314 1,703 2,052 2,473 2,771 3,057
28 1,313 1,701 2,048 2,467 2,763 3,047
29 1,311 1,699 2,045 2,462 2,756 3,038
30 1,310 1,697 2,042 2,457 2,750 3,030
40 1,303 1,684 2,021 2,423 2,704 2,971
60 1,296 1,671 2,000 2,390 2,660 2,915
99 1,290 1,660 1,984 2,365 2,626 2,871
120 1,289 1,658 1,980 2,358 2,617 2,860
1,282 1,645 1,960 2,326 2,576 2,807

Estatistica - Vitor - Menezes - Aula 16 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 16 PDF

Caricato da

Copyright:

Formati disponibili

Curso Regular de Estatstica

Prof Vtor Menezes Aula 16

AULA 16: Outros testes de hipteses

1. TESTE SOBRE O VALOR DA DIFERENA ENTRE DUAS MDIAS ....................................................... 2

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

Pessoal, nesta aula veremos assuntos pouqussimo cobrados em provas de concursos. Ou

1. TESTE SOBRE O VALOR DA DIFERENA ENTRE DUAS MDIAS

1.1. Varincias populacionais conhecidas

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

E comparamos isso com os valores crticos calculados para a normal reduzida.

No to difcil entender como se chega a este resultado.

Assim, podemos escrever  da seguinte maneira:

Para calcular a varincia, bem parecido. Como consideramos que as populaes so

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

Ento, podemos calcular a varivel normal reduzida assim:

Questo 1 TCE PR 2011 [FCC]

Duas amostras independentes: a primeira de tamanho 7, extrada de uma populao normal

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

15,8 8,3 7,5

1.2. Varincias populacionais desconhecidas

Quando as varincias populacionais so desconhecidas, devemos utilizar a distribuio t.

Se as varincias populacionais so iguais, ento a frmula se reduz a:

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

Onde 2 e 2 so as varincias amostrais.

Os valores crticos so calculados a partir da distribuio T. O nmero de graus de liberdade

Questo 2 TRF 2 REGIO 2007 [FCC]

Onde nx e ny so os tamanhos das amostras de X e Y.

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

Que tem distribuio T com nmero de graus de liberdade igual a:

Questo 3 AFPS 2002 [ESAF]

Questo 4 SEFAZ ES 2008 [CESPE]

que as distribuies de X para as filiais I e II so aproximadamente normais, com mdias 9 e

99 e desvios padro

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

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

Questo 5 MPU 2007 [FCC]

Dadas duas amostras aleatrias independentes:

a segunda(Y1, Y2, Y3, Y4) extrada de uma populao Y, onde =( ,

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

Alm disso, a estimativa de

2. Teste dos sinais

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

A chance de isso ocorrer, sob a hiptese nula, de:

No experimento feito, X = 4, ento no rejeitamos a hiptese nula.

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

b) Os valores crticos so 0, 1, 7 e 8 sinais positivos.

Questo 6 ABIN 2010 [CESPE]

tem distribuio binomial, com parmetros (tamanho da amostra) e L = 0,5.

Em seguida, contamos quantos sinais positivos foram de fato obtidos na amostragem

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

Questo 7 TRE SP 2012 [FCC]

binomial com parmetros = 36 e L = 0,5.

A estatstica teste fica:

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

A questo est chamando a estatstica teste de G

3. Intervalo de confiana no paramtrico para a mediana

hipteses bilateral afirma que a mdia . Se o intervalo de confiana contm , ento

aceitamos a hiptese nula. Se o intervalo de confiana no contm , ento no aceitamos

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

A regio de aceitao do teste corresponde a:

Questo 8 TRF-2 2007 [FCC]

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

O nmero de sinais positivos tem distribuio binomial com parmetros p = 0,5 e n = 5. As

Assim, podemos escrever da seguinte maneira:

Onde 2 e 2 so as varincias amostrais.

Seja a quantidade de chorrilhos. Se pudermos calcular as probabilidades associadas a cada

No caso da questo, a hiptese nula a de que , = , . que essas so justamente as