UNIVERSIDADE VILA VELHA

Estatística Aplicada
AULA 03

Prof. Msc. Flávia Ferreira Batista

UNIDADE I
• Amostragem
• Distribuição amostral da média
• Distribuição amostral da proporção

1
DISTRIBUIÇÃO AMOSTRAL DA PROPORÇÃO
Considere uma população em que cada elemento é classificado de
acordo com a presença ou ausência de determinada característica.
Por exemplo, podemos pensar em eleitores escolhendo entre 2
candidatos, pessoas classificadas de acordo com o sexo, e assim
por diante.
Vamos considerar uma população em que a proporção de
indivíduos com uma certa característica é p. Logo, podemos
definir uma v.a. X como

Logo,
𝜇 = 𝐸 𝑋 = 𝑝, 𝜎 2 = 𝑉𝐴𝑅 𝑋 = 𝑝(1 − 𝑝)
3

Retira-se uma AAS dessa população. Seja 𝑆𝑛 = σ𝑛𝑖=1 𝑋𝑖 o

número de indivíduos com a característica de interesse na
amostra, temos que
Sn ~ Binomial(n, p).

A variável aleatória Sn tem distribuição exata dada por uma

binomial com parâmetros n e p. Desta forma, probabilidades
envolvendo a proporção amostral podem ser calculadas de
modo exato usando esta distribuição.

Caso o valor de n seja muito grande, essas probabilidades darão

algum trabalho para serem calculadas e torna-se conveniente
utilizar a aproximação Normal.

2
 TEOREMA CENTRAL DO LIMITE

A Distribuição Amostral de 𝑝Ƹ pode ser aproximada por uma

distribuição normal de probabilidade sempre que o tamanho da
amostra for grande.

Para alguns autores e estatísticos, uma amostra é

suficientemente grande quando:

• np ≥ 5

• n(1-p) ≥ 5

𝑆
Sabemos que 𝑋ത = 𝑛𝑛 tem distribuição normal para n
suficientemente grande. Seja 𝑝Ƹ = 𝑋ത , a proporção amostral,
temos que:

Obs: 𝜎𝑝ො é conhecido como erro padrão da

proporção.
6

3
• Suponha que podemos extrair todas as amostras de tamanho
n (sem reposição) de uma população finita de tamanho N,
neste caso temos que:
𝑝(1 − 𝑝) 𝑁 − 𝑛
𝜇𝑝ො = 𝑝 𝑒 𝜎𝑝ො =
𝑛 𝑁−1

𝑁−𝑛
A quantidade 𝑁−1 é conhecida como o fator de correção amostral
para população finita, ou simplesmente “Fator de Correção”.
• Se o tamanho da população for muito grande, infinito ou ainda
a amostragem for feita com reposição, os resultados acima
passam a ser:
𝑝(1 − 𝑝)
𝜇𝑝ො = 𝑝 𝑒 𝜎𝑝ො =
𝑛

Exemplo
• A população de um estudo é composta de 4 pessoas (N=4) e a

variável de interesse é a proporção de pessoas altas (altura >

1,75m).

N=4 X1=1,50m X2=1,60m

X3=1,70m X4=1,80m

Proporção populacional: 1/4 = 0,25

4
• Retira-se uma amostra aleatória simples com 2 elementos
(n=2), com reposição.

• Qual será a proporção amostral?

• Qual é a distribuição de probabilidades da proporção

amostral?

Amostra ෝ
𝒑 Prob. Amostra ෝ
𝒑 Prob.
X 1 X 1 0 1/16 X 3 X 1 0 1/16
X 1 X 2 0 1/16 X 3 X 2 0 1/16
X 1 X 3 0 1/16 X 3 X 3 0 1/16
X 1 X 4 0,5 1/16 X 3 X 4 0,5 1/16
X 2 X 1 0 1/16 X 4 X 1 0,5 1/16
X 2 X 2 0 1/16 X 4 X 2 0,5 1/16
X 2 X 3 0 1/16 X 4 X 3 0,5 1/16
X 2 X 4 0,5 1/16 X 4 X 4 1 1/16
Total - 1

Distribuição Amostral da Proporção

Binomial (n=2, p=1/4)

ෝ
𝒑 ෝ)
P( 𝒑 número de pessoas altas
Proporção =
0 9/16 tamanho da amostra

0,5 6/16
1 1/16 P(X=0) = P(p=0)= ( 20 ) (1/4)0.(3/4)(2-0) = 9/16

2
P(X=1) = P(p=0,5)= ( ) 1
(1/4)1.(3/4)(2-1) = 6/16
Total 1 2
P(X=2) = P(p=1)= ( 2)(1/4)2.(3/4)(2-2) = 1/16

5
• Calcular o valor esperado (média) e o desvio padrão da
distribuição amostral da proporção.
𝟗 𝟔 𝟏 𝟏
ෝ
𝒑 ෝ)
P( 𝒑 ෝ = ෍𝒑
𝝁𝒑ෝ = 𝑬 𝒑 ෝ∗𝑷 𝒑
ෝ =𝟎∗ + 𝟎, 𝟓 ∗ +𝟏∗ =
𝟏𝟔 𝟏𝟔 𝟏𝟔 𝟒
0 9/16
0,5 6/16 ෝ² − [𝑬 𝒑
𝝈²𝒑ෝ = 𝑽𝑨𝑹 𝑿 = 𝑬 𝒑 ෝ ]² = 0,15625 – ( ¼)² = 0,09375
1 1/16

Total 1 𝝈𝒑ෝ = 𝟎, 𝟎𝟗𝟑𝟕𝟓 = 𝟎, 𝟑𝟎𝟔𝟏𝟗

Usando o TLC
• p= 0,25 (1-p) = 0,75 n= 2

𝝁𝒑ෝ = 𝑬 𝒑ො = 𝒑 = 𝟎, 𝟐𝟓

𝒑(𝟏−𝒑) 𝟎,𝟐𝟓∗𝟎,𝟕𝟓
𝝈𝒑ෝ = = = 𝟎, 𝟎𝟗𝟑𝟕𝟓 =0,30619
𝒏 𝟐

Exemplo
Uma fábrica de pneus alega que 99% de seus produtos possuem
vida útil longa (duram mais que 30.000 Km). Tomando-se como
verdadeiros estes dados, qual é a probabilidade de uma amostra
com 400 pneus apresentar menos que 2% dos pneus com vida
útil menor que 30.000 Km?
P : Proporção de pneus com vida útil MENOR que 30.000km.

p= 0,01 (1-p) = 0,99 n= 400

𝑝ෝ ~𝑁(𝜇𝑝ො , 𝜎𝑝ො )
ෝ = 𝒑 = 𝟎, 𝟎𝟏
𝝁𝒑ෝ = 𝑬 𝒑
0,01∗0,99
𝑝ෝ ~𝑁(0,01, )
400

𝒑(𝟏−𝒑) 𝟎,𝟎𝟏∗𝟎,𝟗𝟗
𝝈𝒑ෝ = = = 𝟎, 𝟎0497
𝒏 𝟒𝟎𝟎
12

6
 P(𝑝 < 0,02)

0,01∗0,99
𝑝ෝ ~𝑁(0,01, )
400

P
0,01 0,02
ෝ−𝒑
𝒑 𝟎,𝟎𝟐 −𝟎,𝟎𝟏
𝒁= = = 2,01
𝝈𝒑ෝ 𝟎,𝟎𝟎𝟒𝟗𝟕𝟓

0,977784

0 2,01 Z
P 𝑝 < 0,02 = 0,9778 𝑜𝑢 97,78%
A probabilidade da amostra presentar menos que 2% dos pneus
com vida útil menor que 30.000 Km é de 97,78%.

Exercícios
01 - Com base em dados obtidos em uma pesquisa de mercado,
observou-se a aceitação de um determinado sabonete é de 70%.
A empresa entrevistou 100 consumidores.

a) Qual a probabilidade de que a proporção amostral de

aceitação do sabonete esteja entre 65% e 78%?

b) Qual a probabilidade de que sejam encontradas 60 ou

mais consumidores que tenham aprovado o produto?

02 - Um lote com 100 peças apresenta 20 com defeitos. Qual é a

probabilidade de uma amostra aleatória simples com 20
elementos apresentar menos que 40% de pecas defeituosas?

14

7
03 – Deseja-se saber qual a proporção de pessoas da população
portadoras de determinada doença. Retira-se uma amostra de
400 pessoas, obtendo-se 8 portadores de doença. Definir limites
de confiabilidade de 99% para a proporção populacional.

04 - Uma fábrica de peças especifica em suas embalagens que a

proporção de defeitos é de 4%. Um cliente dessa fábrica
inspeciona uma amostra de 200 peças e constata que 12 são
defeituosas. Baseado nesses dados, em quantas amostras o
cliente encontraria uma proporção de defeitos maior que o
especificado pelo fabricante?