Livro Estatistica II

Inferncia Estatstica
Capitulo1: TEORIA DE AMOSTRAGEM

Introduo
A teoria de amostragem dedica-se ao desenvolvimento, anlise e melhoramento dos mtodos de
recolha de informao necessria num inqurito, a seleco da amostra, a obteno de
informao da amostra, na traduo da informao em afirmaes relacionadas com os
objectivos do inqurito e na avaliao dessas afirmaes.
O problema da inferncia Indutiva do ponto de vista de estatstica, encarado da seguinte
forma: A finalidade da investigao descobrir algo sobre determina caracterstica da
populao ou universo. Por isso importante definir alguns conceitos fundamentais na teoria da
amostragem.
1.1 Alguns Conceitos Importantes na Teoria de Amostragem

1.1.2 Populao ou universo
Conjunto de unidades bem definidas com caractersticas comuns, no tempo e no espao. A
unidade bsica de uma populao denomina-se elemento da populao.
Para definir uma populao, ns temos que estar em condies de determinar o tipo de
elementos que a constitui e indicar as regras de incluso ou excluso um elemento particular.
Exemplos:
1. Pases produtores de ouro.
2. O nmero de habitantes dum determinado pas, ou cidade.
1. O nmero de desempregados dum pas, duma provncia, num determinado perodo de tempo,
etc.
1.1.2 Amostra um sub-conjunto do universo ou populao. A obteno de informao

sobre parte de uma populao denomina-se Amostragem.
Autor: Filipe Mahaluca
mahaluca@gmail.com
Em geral, o investigador est interessado em certa(s) caracterstica(s) especfica(s) da populao
em estudo. Define-se ento uma certa varivel X que representar a caracterstica que se
pretende avaliar.
A varivel X poder designar: O nmero de filhos por famlia; O rendimento mensal dos
agregados familiares moambicanos ou de algumas provncias, ou distritos de interesse
econmico:
Plano de Amostragem constitudo por todas as etapas necessrias para seleccionar uma
amostra depois da definio da populao.
1.1.3 Tipos de variveis:

As variveis podem ser: Discretas ou Contnuas
Variveis Discretas
So no numricas
So normalmente codificadas;
Variveis Contnuas: Podem ser:
Discretas Neste caso assumem somente um e um s valor . Exemplo: Nmero de filhos
Contnuas - Medidas com mais detalhes, ou sejam tomam um valor num certo intervalo, por
exemplo a altura duma pessoa, o peso, etc.
Mtodos de Amostragem
Amostragem Aleatria Simples
Amostragem Estratificada
Amostragem por Conglomerados
Amostragem por Estgios Mltiplos
Fontes de Erro em levantamentos por Amostragem
mahaluca@gmail.com
Amostragem Aleatria Simples

Tambm conhecida por amostragem casual, randnica, acidental etc. Consiste basicamente em
atribuir a cada elemento do universo um nmero nico para, depois, seleccionar alguns desses
elementos de maneira casual.
Este procedimento, embora seja o que mais se ajusta aos princpios da teoria das
probabilidades, nem sempre o de mais fcil aplicao, sobretudo porque se exige que se
atribua a cada elemento da populao um nico nmero. Alm disso, despreza o conhecimento
prvio da populao que por ventura o pesquisador pode ter.
Amostragem Sistemtica
uma variao da amostragem aleatria simples. A sua aplicao requer que a populao seja
ordenada de tal modo que cada um de seus elementos possa ser unicamente identificado pela
posio. Apresentam condies para satisfao desse requisito uma populao identificada a
partir de uma lista que englobe todos os seus elementos, uma fila de pessoas ou um conjunto de
candidatos a um concurso identificado pela ficha de inscrio.
Amostragem Estratificada
Caracteriza-se pela seleco de uma amostra de cada subgrupo da populao considerada.
O fundamento para delimitar os subgrupos ou estratos pode ser encontrados em propriedades
como sexo, idade ou classe social. Muitas vezes essas propriedades so combinadas, o que
exige uma matriz de classificao. Por exemplo quando se compara homem e mulher com
"maior de 18 anos" e menor de 18 anos" resultam quatros extractos: homem menor de 18 anos,
mulher menor de 18 anos, homem maior de 18 anos, mulher maior de 18 anos.
A
amostragem
estratificada
pode
ser
proporcional
ou
no-proporcional.
No primeiro caso, selecciona-se de cada grupo uma amostra aleatria que seja proporcional
extenso de cada subgrupo determinada por alguma propriedade tida como relevante. Este
tipo de amostragem tem como principal vantagem o fato de assegurar representatividade em
mahaluca@gmail.com
relao
propriedades
adoptadas
como
critrios
para
estratificao.
No caso da amostragem estratificada no-proporcional, a extenso da amostra dos vrios

estratos no proporcional extenso desses estratos em relao ao universo. H situaes em
que esse procedimento o mais adequado, particularmente naqueles em que se tem interesse na
comparao entre os vrios estratos.
Amostragem por Conglomerados

So indicadas em situaes em que bastante difcil a identificao de seus elementos. o caso,
por exemplo, de pesquisa cuja populao seja constituda por todos os habitantes de uma
cidade. Em casos desse tipo possvel proceder-se seleco da amostra a partir de
"conglomerados".(quarteires, organizaes, edifcios, fazendas, etc.)
Amostragem Por Cotas

Este tipo de amostragem muito utilizado em pesquisas eleitorais e de mercado, tendo como
principal vantagem o seu baixo custo. De modo geral desenvolvida em trs fases :
1 Classificao da populao em funo de propiedades tidas como relevantes para o
fenmeno a ser estudado.
2 Determinao da proporo da populao a ser colocada em cada classe com base na
constituio conhecida ou presumida da populao.
3 Fixao de cotas para cada entrevistador encarregado de seleccionar elementos da
populao a ser pesquisada de modo tal que a amostra total seja composta em observncia
proporo das classes consideradas.
Amostragem por Estgios Mltiplos

Esta estratgia de amostragem pode ser vista como uma combinao de dois ou mais planos
amostrais. Considere por exemplo uma populao estratificada onde o nmero de estratos
muito grande. Ao invs de sortear uma amostra de cada estrato, o que poderia ser invivel
devido quantidade de estratos, o pesquisador poderia optar por sortear alguns estratos e em
seguida seleccionar uma amostra de cada estrato sorteado. Neste caso, teramos uma
amostragem em dois estgios usando, nas duas vezes, a amostragem aleatria simples, sendo
mahaluca@gmail.com
que no primeiro estgio as unidades amostrais so os estratos e no segundo so as componentes
da populao.
Nota: Nos levantamentos por Amostragem usam-se os Questionrios. Este tpico sera
tratado
mais tarde no curso.
2. ESTIMAO DE PARMETROS
Nesta seco introduziremos alguns conceitos aplicados na rea de inferncia Estatstica que
sero dados nos captulos seguintes. A inferncia estatstica inclui assim trs grandes tipos de
aplicao:
1. Estimao pontual;
2. Estimao por intervalos;
3. Testes de Hipteses;
2.1 Estimao Pontual

O objectivo da estimao por pontos usar toda a informao disponvel a partir da amostra,
para produzir um valor que melhor valor que se pode adiantar para um certo parmetro da
populao ou universo.
Um estimador para certo parmetro designa-se genericamente por ( X 1 , X 2 ,..., X n ) e
uma estatstica, ou seja, uma varivel aleatria funo duma amostra.
Como resultado, obtm-se uma aproximao concreta ao valor do parmetro que lhe est
associado. Esta designa-se por estimativa e denota-se, usualmente por: * .
Portanto, um estimador uma frmula, funo de variveis observveis a partir da amostra,
que no pode envolver valores desconhecidos. Para um mesmo parmetro (desconhecido)
possvel propor estimadores alternativos. Cada estimador uma varivel aleatria que
fornece infinitas estimativas, uma para cada concretizao da amostra aleatria.
Uma estimativa um valor concreto, resultante do estimador.
mahaluca@gmail.com
Exemplo:
Para estimar o parmetro (mdia da populao) duma populao normal poder-se-ia
utilizar, entre outros estimadores, o estimador:
ou seja a mdia amostral.
2.2 Propriedades dos estimadores

A preciso de qualquer estimativa feita da amostra depende do mtodo atravs do qual a
estimativa calculada e do plano de amostragem.
As principais propriedades dos estimadores em pequenas amostras so:
1. No enviesamento (no viciamento);
2. Eficincia;
3. Suficincia.
2.2.1 No Enviesamento
Um estimador diz-se no enviesado (no viciado) se o valor mdio da estimativa (valor
esperado), para todas as amostras possveis do tamanho n, for exactamente igual ao valor real
da populao ou seja se para o parmetro se tem E[] .
Exemplos:
A mdia amostral X e a varincia amostral s 2 so exemplos de estimadores no viciados j
que demonstra que:
E[ X ]
.
E[ s 2 ] 2
mahaluca@gmail.com
2.2.2 Eficincia
Um estimador diz-se eficiente, de dentro da classe dos estimadores no viciado ou centrados
tiver a menor varincia. Assim, dados dois estimadores 1 e 2 ambos no viciados, 1 ser mais
eficiente que 2 , se Var (1 ) Var (2 ) .
Exemplo:
De entre os estimadores para a mdia da populao normal, pode se demonstrar que X um
estimador eficiente; pois:
E[ X ]
, Onde designa qualquer outro estimador no viciado para .
Var[ X ] Var[ ]
2.2.3 Suficincia
O estimador diz-se suficiente, se utiliza toda a informao disponvel na amostra, relevante
para estimao de .
Exemplo: Os estimadores Mo e Me so estimadores suficientes para a mdia duma populao
normal .
2.3. Amostragem Aleatria Simples

Inquritos por amostragem envolvem a escolha de amostras duma populao que contem um
nmero finito N de unidades. Se essas unidades podem ser distinguidas uma da outra, o nmero
de amostras diferentes de tamanho n que podem ser formadas a partir de N unidades, 1qual
a:
N
N!

n n! N n !
Exemplo: Se uma populao contm 5 unidades, representadas por A, B, C, D e E,
respectivamente, existem 10 amostras diferentes de tamanho 3, que so.
mahaluca@gmail.com
ABC
ABD
ABE
ACD
ACE
ADE
BCD
BCE
BDE
CDE
Neste exemplo, podemos notar que:

No h letras repetidas na mesma amostra;
A ordem das letras no tem importncia;
E as seis amostras ABC, ACB, BAC, BCA, CAB e CBA so consideradas de forma idntica.
2.3.1 Amostragem aleatria simples

N
um mtodo de seleco de n unidades a partir de N atravs do qual, cada uma das
n
amostras tm igual chance (probabilidade) de serem escolhidas. Este tipo de amostragem
tambm conhecido pelo nome de amostragem aleatria sem restries.
Na prtica, a amostra aleatria simples seleccionada unidade por unidade. As unidades na
populao so enumeradas de 1 at N. E depois, uma srie de nmeros aleatrios entre 1 e N,
da tabela dos nmeros aleatrios, so lidos em sequncia at se atingir o nmero n, o tamanho
da amostra. As unidades que tomarem os nmeros lidos da tabela constituiro a amostra.
Em cada etapa da escolha, este processo d aos nmeros a mesma chance de serem escolhidos.
Se o nmero escolhido no devolvido para a lista, pois isso daria a possibilidade de a mesma
unidade entrar na amostra mais do que uma vez, na prtica no se repete. Por essa razo este
tipo de amostragem se d o nome de amostragem sem reposio.
Desta forma, ao usarmos a tabela dos nmeros aleatrio, o nmero que j foi escolhido
anteriormente ignorado.
Muitas vezes, no plausvel o uso deste tipo de amostragem preferindo-se outros tipos de
amostragem, por razes de convenincia ou mesmo aumento de preciso.
2.3.2. Definies Bsicas e Notaes

Ao seleccionarmos uma amostra ns estamos interessados em certas propriedades que ns
pretendemos medir ou registar para cada unidade que entra na amostra. Estas propriedades
so denominadas de caractersticas ou mais simplesmente itemes.
mahaluca@gmail.com
10
Assim:
Os valores obtidos para cada item nas N unidades que compem a populao so
representados por: y1, y2, y3,..., yN .
E os valores correspondentes na amostra por: y1, y2, y3, ..., yn ou simplismente yi (i =1, 2, ...,n)
Exemplos sobre caractersticas:

Populao
Algumas caractersticas
Todas as pessoas moradoras
Peso mdio;
duma cidade
Rendimento Total;
Percentagem de rendimento gasto em comida;
Nmero de mulheres;
Distribuio do rendimento total entre as famlias

por tamanho de rendimento;
Portanto, caracterstica da populao no tem que ser obrigatoriamente numrica. Caracterstica

tudo aquilo que nos possa interessar saber sobre a populao em estudo.
Usam-se letras maisculas para representar as caractersticas da populao e as minsculas para
representar as da amostra: Para os totais e as mdias, temos as seguintes definies:
Populao
Amostra
Y y i y1 y 2 ... y N
Total:
i 1
i 1
y1 y 2 ... y n
Mdia
y y 2 ... y N
Y 1
yi
y y 2 ... y n
y 1
i 1
y
i 1
Embora a amostragem seja realizada para diferentes objectivos, geralmente o interesse centras
em quatro caractersticas da populao, nomeadamente:
1. A mdia = Y , por exemplo, o nmero mdio de crianas por escola;
mahaluca@gmail.com
11
2. O total = Y, Por exemplo, o nmero total de moradores dum distrito;
3. A razo entre dois totais ou duas mdias R
Y
X
Y
ou ;
4. A proporo de unidades que pertencem a uma certa classe ou categoria. Por exemplo a
proporo de habitantes do sexo Feminino, a proporo de estudantes dispensados, etc.
O Simbolo ^ usado para indicar a estimativa duma caracterstica da populao obtida atravs
da amostra. Nesta seco ns somente consideraremos as estimativas mais simples:
Estimativa (estimante)
Media da populao Y
Y y mdia da amostra
n
Total da populao Y
Y N y N
y
i 1
n
n
Razo da populao R
y
R
x
y
i 1
n
x
i 1
N
Em Y o factor
a que se multiplica o total da amostra chamado de factor de expanso, ou
n
factor de inflao. O seu inverso
n
, a razo entre o tamanho da amostra e o tamanho da
N
populao, chamado de fraco de amostragem e representado por f.
2.3.3 Propriedades dos Estimadores Para Amostragem

Aleatria Simples (AAS)
Para investigar se y ou no viciado, para amostragem Aleatria Simples ns calculamos o
N
valor de y para todas as amostras e depois achamos a mdias das estimativas. O
n
mahaluca@gmail.com
12
Smbolo E denota, mdia de todas possveis amostras, ou seja o valor esperados das mdias
amostrais
Teorema 3.1:
A mdia amostral y um estimador no viciado de Y , isto : E[ X ] Y
Demonstrao: Por definio
Ey
y
N

n
( y1 y 2 ... y n )
n
N!
n!( N n)!
n!( N n)! ( y1 y 2 ... y n )
N!
n
(3.1)
N
Onde o somatrio se estende para todas as amostras. Para calcular esta soma, ns
n
determinamos em quantas amostras um dado valor especfico yi aparece. Dado que existem
outras (N-1) unidades para o resto da amostra e (n-1) lugares para preencher na amostra, o
nmero de amostras contendo yi :
N 1
( N 1)!

n 1 (n 1)!( N n)!
Consequentemente,
(y
y 2 ... y n )
( N 1)!
( y1 y 2 ... y N )
(n 1)!( N n)!
De (a) teremos
( N n)!
n!( N _ n)!
( y1 y 2 ... y N )
(n 1)!( N n)! nN!
( y y 2 ... y N )
1
Y
N
Ey
Corolrio 3.1:
Y N y um estimador no viciado do total da populao Y.
(3.2)
mahaluca@gmail.com
13
2.3.4 As Varincias dos Estimadores

A varincia de yi numa populao finita geralmente definida como:
N
(y
i 1
Y )2
(3.4)
Agora vamos considerar a varincia de y a mdia amotral, considerada para todas as
2
N
mostras possveis, ou seja E y Y .
n
Teorema 3.2: A varincia da mdia amostral para Amostragem Aleatria Simples igual a:
V y E y Y
Onde f
S 2 N n S 2
1 f
n
n
n
(3.5)
n
a fraco amostral.
N
Corolrio 3.2: O erro padro para y
S
n
N n / N
S
n
1 f
(3.6)
Corolrio 3.3: A varincia de Y N y , como estimador do total da populao Y, na

amostragem Aleatria Simples dada pela frmula:
N 2 S 2 ( N n) N 2 S 2
1 f
V (Y ) E (Y Y ) 2
n
N
n
(3.7)
Corolrio 3.4: O Erro padro para a estimativa do o total da populao Y igual a:
NS
n
( N n) / N
NS
n
1 f
(3.8)
2.3.5 O Factor de Correco da Populao Finita
mahaluca@gmail.com
14
Sabemos que para qualquer populao infinita, para uma amostra de tamanho a varincia
da mdia amostral igual a:
V y
Quando a populao finita, introduz-se o factor
( N n)
para a varincia e o factor
N
( N n)
para o desvio padro.
N
Esses factores do-se o nome de factores de correlao da populao finita. Na pratica, o
factor de correco pode ser ignorado sempre que ele no exceder 5% e para muitas
aplicaes mesmo quando for superior a 10%. O efeito da ignorncia do factor da
correco super estima o erro padro do estimador y .
2.3.6 Clculo do Erro Padro a Partir da Amostra

Para Amostragem Aleatria Simples tem lugar o seguinte Teorema.
Teorema 3.3: Para a Amostragem Aleatria Simples (AAS)
n
s2
(y
i 1
y) 2
(n 1)
um estimador no viciado para

N
S2
(y
i 1
Y )2
N 1
Nota: Ns tivemos um resultado idntico para populao infinita, onde provamos que
E[S 2 ] 2 . A nica diferena que na demonstrao entra o factor de correco.
Corolrio 3.5: Os estimadores no viciados das varincias da mdia amostral
y e do total
da populao Y N y so:
mahaluca@gmail.com
15
ss N n s2
v( y ) s
1 f
n N n
2
y
(3.9)
e,
N 2ss N n N 2s2
2
1 f
v(Y ) sY
n N
n
(3.10)
Respectivamente.
Para os erros padro toma-se.
sy
s
s
1 f
sY
Ns
n
1 f
(3.11)
Nota: Esses estimadores so ligeiramente enviesados (viciados). Para muitas aplicaes o

enviesamento no importante.
2.3.7 Intervalos de Confiana

Os intervalos de confiana para a mdia e para o estimador do total so dados por:
a) Para Mdia, tem-se:
Y y
ts
n
1 f
(3.12)
b) Para o Total:
tNs
Y N y
1 f
n
(3.13)
O smbolo t o valor do desvio da mdia na distribuio Normal e depende do intervalo de

confiana desejado ( ou da probabilidade de confiana desejada)
Os valore mais comuns no:
Intervalo de confiana (%)
50
80
90
95
mahaluca@gmail.com
99
16
Valor de t corresponte
0.67
1.28
1.64
1.96
2.58
NOTA: Se o tamanho da amostra for menor do que 60, os pontos percentuais acima referidos
so tirados da tabela de distribuio t de Student com (n-1) graus de liberdade, graus
liberdades usados no calcula da varincia s 2 .
Exerccio:
Numa localidade com 250 Famlias (Agregados familiares), fez-se um levantamento por
amostragem com o objectivo de determinar o nmero de crianas com idades compreendias
entre 0 e 14 anos na aldeia independentemente de quem so os pais. Decidiu-se trabalhar com
uma amostra de 80 famlias (AF). A tabela abaixo indica os resultados do inqurito.
# filhos yi
Fi
13
19
15
20
10
Com base nesse dados estimar:

a) o nmero mdio de crianas por agregado Familiar;
b) o nmero total de crianas existentes nessa aldeia;
c) o intervalo de confiana da mdia e do da estimativa do total.
Estimao de um ndice (duma Razo)

Frequentemente, a quantidade que deve ser estimada, atravs de uma amostra aleatria
simples, uma relao entre duas variveis, as quais variam de unidade para unidade. Em
inquritos aos agregados familiares, so exemplos disso o nmero de casacos por homem adulto,
a mdia das despesas com cosmticos por mulher adulta, o nmero mdio de horas semanais
passadas assistindo televiso por crianas de idade entre 10 e 15 anos, etc. A fim de estimar a
primeira dessas quantidades, registaramos, para os i agregados familiares ( i = 1, 2, ..., n),o
nmero de homens adultos que a vivem xi e o nmero de mudas de roupa que eles possussem yi.
O parmetro da populao a ser estimado o ndice
mahaluca@gmail.com
17
N
Numero total de casa cos

R
Numero total de hom ens adultos
y
i 1
N
x
i 1
o estimativa da amostra correspondente :

n
y
i 1
n
x
i 1
y
x
(3.14)
Exemplos dessa natureza ocorrem, frequentemente, quando a unidade de amostragem (no caso
do AF) e o nosso interesse est no valor mdio da populao por elemento. Os ndices tambm
aparecem em muitas outras aplicaes, como, por exemplo, o ndice de emprstimos para
construes imobilirias no total de emprstimos de um banco, ou o ndice de acres plantadas
com trigo, no total dos acres cultivados de uma fazenda.
Teorema 3.4:
Se as variveis yi e xi so medidas em cada unidade de uma amostra aleatria simples de
tamanho n, que se presume grande, a varincia da razo R y / x , aproximadamente igual
a:
Var R
1 f
nX
(y
Rx i ) 2
N 1
(3.15)
Onde
Y
n
R
o ndice dos valores mdios da populao e f .
N
X
Demonstrao:
mahaluca@gmail.com
18
y
y Rx
R R R
x
x
(3.16)
y Rx
R R
X
E y Rx Y R X
E R R
0
X
X
Visto que R
Y
. Isto mostra que a ordem de aproximao usada, ou seja R um estimador
X
no viciado de R .
De (3.16), ns obtemos o seguinte resultado
1
Var ( R ) E ( R R) 2 E ( y R x) 2
X
A quantidade y R x a mdia amostral da varivel d i yi Rxi , cuja mdia populacional
D Y R X 0.
Assim, podemos calcular Var[R ] aplicando o teorema (2.2) a varincia da mdia da
Amostragem Aleatria Simples.
Como estimativa amostral de
N
(y
i 1
Rx i ) 2
N 1
comum tomar-se
n
(y
i 1
R xi ) 2
n 1
mahaluca@gmail.com
19
E para o estimador do erro padro para R o seguinte:
1 f
s( R )
nX
(y
R xi ) 2
(3.17)
n 1
Se X no conhecido, o estimador amostral x substitudo no denominador. A forma mais

rpida de calcular s(R ) com mquina de calcular expressa da forma:
1 f
s( R )
X n
2 R yi xi R 2 xi2
n 1
(3.18)
2.4 Estimao do Valor Mdio das Sub-Populaes

Em muitos inquritos, as estimativas so feitas em cada classe na qual a populao se encontra
sub-divida. Por exemplo, o Agregado familiar podemos estar interessados em achar as
estimativas para AF com 0, 1,.., n filhos.
A Comisso de Amostragem dos Estados Unidos (1950), chamou dessas sub-divises da
populao por Domnios de Estudo.
Na situao mais simples cada unidade da populao pertence um dos domnios.
Seja jth o domnio que contm Nj unidades e
nj = o nmero de unidades na Amostragem Aleatria Simples de tamanho n.
Se yjk (k= 1, 2,.., nj ) so as medies nessas unidades, a mdia da populao Y j para o domnio
jht estimado por
nj
y jk
k 1
nj
yj
(3.19)
mahaluca@gmail.com
20
Assim:
1. y j um estimador no viciado para Y j ;
2. O erro padro para y j igual a
Sj
sy
nj
nj
(3.20)
Nj
Onde
Nj
Sj
2
jk
Y j
N j 1
k 1
(3.21)
Uma estimativa do erro padro para y j dada por

sj
nj
nj
(3.22)
Nj
Onde
Nj
sj
2
k 1
jk
yj
n j 1
(3.23)
Se o valor de Nj for desconhecido, a quantidade
nj
n
pode ser utilizada em llugar de
, no
N
Nj
calculo do cpf.
mahaluca@gmail.com
21
2.5 Estimao dos valores Totais das Sub-Populaes

Consideremos um exemplo, duma lista de clientes da Mcel com contractos, onde uns pagaram a
sua mensalidade e outros no. Podemos estar interessados em estimar, atravs duma amostra, o
total do dinheiro ainda em divida. Se (o nmero de dividas no pagas na populao) for Nj
conhecido, ento a estimativa do total na amostra ser:
Yj N j y j
(3.24)
Se Nj nem o total de recebimentos forem desconhecidos, as estimativas no se podem calcular. No

seu lugar usa-se a estimativa. Seguinte:
N
Yj
n
nj
y
k 1
jk
(3.25)
E o o seu erro padro correspondente :
NS '
n
(Y j )
1
N
n
(3.26)
Em cuja S um afastamento padro da populao de yi' .A fim de calcularmos S, admitamos

que a populao seja constituda de Nj valores de yi que esto compreendidos no sector j, e e
de N Nj valores. Vem ento
Onde
mahaluca@gmail.com
22
S'
Yj
1
2
( yi )
N 1 sec tor j
N
(3.27)
Assim, uma estimativa amostral do erro padro de Y j para ser:
Ns i
n
s Yj
1
N
n
(3.28)
3. AMOSTRAGEM PARA PROPORCES E PERCENTAGENS

3.1 Varincias dos Estimadores Amostrais
s vezes, deseja-se estimar o nmero total, a proporo de unidades na populao que possuem
uma certa caracterstica ou atributo, ou que integram uma determinada categoria. Muitos dos
resultados dos censos e inquritos, habitualmente divulgados assumem essa forma, como, por
exemplo, o nmero de pessoas desempregadas numa populao C e C. Admite-se que qualquer
unidade da populao se integra em uma das duas categorias.
A notao usada a seguinte:
Nmero de unidades na categoria C
Proporo de unidades em C
Na populao
Na amostra
Na populao
Na Amostra
P = A/N
p = a/n
Teorema 4.1: A proporo amostral p

populao P
a
um estimador no viciado da proporo da
n
A
.
N
Var ( p) E ( p P) 2
S 2 N n PQ N n
N N
n N
mahaluca@gmail.com
23
Corolrio 1:
Corolrio 2: A varincia de A Np , o estimador do nmero total de unidades na classe/
categoria C, :
N 2 PQ N n
Var ( A )
n N 1
(37)
Teorema 4.2 (3.3): O estimador no viciado da varincia de p, obtido da amostra :
var( p) s p
2
N n
pq
(n 1)
(3.8)
Demonstrao:
Corolrio: O estimador no viciado da varincia de A Np , estimado do nmero total de
unidades na classe C na populao dada por:
N ( N n)
2
var( A ) s Np
pq
n 1
(3.11)
4. CLCULO DO TAMANHO DA AMOSTRA

4.1. A Especificao da Preciso
4.2. A Frmula para o Tamanho da Amostra para Propores
As unidades so classificadas em duas classes C e C. Admite se uma margem de erro d, na
proporo estimada p das unidades da classe C e existe um pequeno risco que ns aceitamos
incorrer e o erro real admitido de ser maior do que d, isto ,
mahaluca@gmail.com
24
Pr p P d
(3.12)
Assumindo que p distribuda de forma normal, e que se trata de amostragem Aleatria

Simples, sabemos que:
N n PQ
N 1 n
(3.13)
Consequentemente, a frmula que liga n com o grau de preciso desejado :
d t
N n PQ
N 1 n
(3.14)
Onde t a abcissa da curva normal que corta a rea nas regio em dois lados.
Resolvendo em relao a n, temos:
t 2 PQ
d2
n
1 t 2 PQ
1 2 1
N d
(3.15)
Para o uso prtico, como estimador aproximado para P, toma-se p na frmula. Se N for grande,
como primeira aproximao para n, toma-se:
n0
t 2 pq pq
V
d2
(3.16)
Onde
d2
= Varincia da populao desejada.
t2
Na prtica, primeiro calcula-se n0 . Se
n0
N
for negligencivel, n0 uma aproximao
satisfatria de n. Se no, o n obtido atravs da frmula:

mahaluca@gmail.com
25
n0
n0
(n0 1)
n
1
1 0
N
N
(3.17)
4.3 A Frmula do Tamanho da Amostra para Dados Contnuos

Se y for a mdia de n observaes duma amostra aleatria simples, ns pretendemos que:
Pr y Y d
(3.18)
Onde d, a margem de erro escolhido e uma probailidade pequena. Dos captulos

anteriores sabemos que, que o erro padro da mdia :
N n S
N
n
(3.19)
Ento
N n S
N
n
d t
(3.20)
Elevando ambos os membros ao quadrado, e expressando em funo a n ebtemos:

2
tS

d
n 2
1 tS
1
Nd
(3.21)
Como para o caso das propores, toma-se como primeira aproximao para o tamanho da
amostra n o nmero:
2
S2
tS
n0
V
d
(3.22)
mahaluca@gmail.com
26
Esta frmula da resultado aceitvel, a no que
n0
seja grande. Caso seja, ento calculamos
N
n, como
n
n0
n
1 0
N
(3.23)
Se o que se pretende estimar o total da populao Y, com a margem de erro d , toma-se como
a primeira aproximao para n
NS
NtS
n0

V
d
2
(3.24)
no lugar de (3.23), e o resto mantm-se.
4.4 Mtodos Avanados na Estimao da Varincia da

Populao.
Geralmente, a varincia da populao S 2 desconhecida. Na, prtica existem quatro mtodos
de estimao da varincia da populao no clculo do tamanho da amostra.
1. Escolha do tamanho da amostra em duas etapas, onde na primeira etapa se escolhe o
tamanho n1 duma amostra aleatria simples no qual os valores de S 2 e P e o tamanho
exigido de n so Obtidos;
2. Atravs dos resultados dum estudo piloto;
3. Atravs de inquritos de populaes similares;
4. Atravs dum guess work sobre a estrutura da populao com apoio de resultados
matemticos
mahaluca@gmail.com
27
4.5 Estimao de Y com varincia V

2
Se s1 for a varincia resultante da primeira amostra, tome unidades adicionais para tornar o
tamanho da amostra igual a:
2
s1
V
2
1 .
n1
(3.23)
Assume se que y aproximadamente normal. Se S fosse exactamente conhecido, o tamanho

necessrio (exigido) seria S 2 / V . O efeito de no conhecer S o de aumentar o tamanho mdio
pelo factor
2
1 .
n1
(3.24)
4.6 Estimao de P com a varincia V

Seja p1 a estimada de P, resultante da primeira amostra. O tamanho da amostra combinado as
duas primeiras amostras ser:
p1q1 3 8 p1q1 1 3 p1q1
V
p1q1
Vn1
(3.25)
O primeiro termo em (x) o tamanho da amostra requerido se sabido que P e igual a p1 .

Com este mtodo o estimador binomial de p obtido atravs duma amostra completa de
tamanho n, ligeiramente viciado. Para corrigir este enviesamento, use:
p p
V (1 2 p)
pq
(3.26)
mahaluca@gmail.com
28
5.7 Estimao de P dado o coeficiente de varincia

cv C
Para n toma-se
q1
3
1
Cp1 p1 q1 Cp1 n1
(3.27)
A estimativa torna-se:
Cp
P p
q
(3.28)
6. AMOSTRAGEM ALEATRIA ESTRATIFICADA

Neste mtodo a populao dividida em L sub-populaes mutuamente exclusivas ou estratos, e
a amostragem aleatria Simples realizada para cada estrato. Essas sub amostras so
combinadas numa nica amostra, estatsticas da qual so usadas para estimar os parmetros da
populao.
Notaes
O sufixo h denota o estrato e i a unidade dentro do estrato. Geralmente, so usados os seguintes
smbolos.
Nh
= Nmero total de unidades no estrato h;
nh = O nmero de unidades na amostra no estrato h;
y hi = Valor obtido para a unidade i no estrato h
mahaluca@gmail.com
29
fh
nk
= a fraco amostral no estrato
Nh
Wh
Nh
= O peso do estrato h
N
Nk
Yh
i 1
hi
Nh
= A mdia do estrato h na populao = h
nh
yh
i 1
nh
hi
= Mdia amostral do estrato h
Sh
1 Nh
Yhi Y h
N h 1 i 1
sh
1 nh
y hi y h
nh 1 i 1
== a varincia verdadeira do estrato h;
= a varincia amostral do estrato h
6.1 Alocao da Amostra

Na amostragem aleatria estratificada, o total da amostra n, pode ser alocada aos vrios
estratos de diferentes maneiras. O tamanho total da amostra e o tamanho da amostra em cada
estrato depende do mtodo de alocao usado. Ns vamos descrever trs dos mais usados
mtodos de alocao.
6.2 Propriedades dos estimadores na Amostragem Estratificada

Para o valor mdio, por unidade, da populao, a estimativa usada na amostragem estratificada
representada por y st (onde st significa stratified), onde
mahaluca@gmail.com
30
L
y st
na qual
N
h 1
yh
(6.1)
N N1 N 2 ... N L .
A estimativa y st , de modo geral, no o mesmo valor mdio amostral. Esse valor mdio
amostral, y , dado pela frmula:
L
n
h 1
yh
(6.2)
A diferena que, em y st , as estimativas dos estratos individuais recebem os seus pesos

correctos correspondentes Wh
Nh
.
N
evidente que y coincide com y st , desde que em cada estrato se verifique a condio
nh N h
n
N
nh
n
Nh N
ou seja
fh f
(6.3)
Significando assim, que a fraco amostral a mesma em todos os estratos.
mahaluca@gmail.com
31
As principais propriedades da estimativa y st
Teorema 6.1: Se, em todos os estratos, a estimativa amostral
yh
for sem tendncia, ento o y st
uma estimativa sem tendncia do valor mdio da populacional Y .
yh
Corolrio 6.1: Uma vez que
um estimador no viciado para Y h para a amostragem
aleatria simples dentro do estrato, y st um estimador no viciado para a mdia populacional

Y para a amostragem aleatria estratificada.
Isto significa, que na amostragem aleatria estratificada, como estimador da mdia
da
populao Y , usa-se:
L
y st
N
h 1
yh
(6.4)
Teorema 6.2: Para a amostragem estratificada, a varincia do estimador y st , sendo este uma
estimativa do valor mdio da populao Y :
L
Var ( y st )
N
h 1
2
h
Var ( y h )
Wh Var ( y h )
2
(6.5)
h 1
Onde
mahaluca@gmail.com
32
V Var ( y h ) E y h Y h
(6.6)
Nota Importante: A varincia de y st depende das varincias dos estimadores das mdias Y h
de cada.
Teorema 6.3: Para a amostragem aleatria estratificada, a varincia da estimativa y st
2
L
Sh
1 L
2 S
V ( y st ) 2 N h ( N h nh )
Wh h (1 f h )
nh h1
nh
N h1
Corolrio 6.2: Se as fraces de amostragem
(6.8)
nh
forem desprezveis em todos os estratos,
Nh
tem-se:
V ( y st )
1
N2
L
Nh Sh
Wh S h
nh
nh
h 1
h 1
(6.9)
Esta frmula apropriada quando se podem desprezar as correces das para populaes
finitas.
Corolrio 6.3:
No caso em que a repartio proporcional, pode-se substituir nh por seu valor na frmula
(6.8),
nh
nN h
N
Desse modo, reduzindo a varincia para mm
mahaluca@gmail.com
33
N S N n 1 f
V ( y st ) h h
n N
n
h 1 N
2
W S
h 1
2
h
(6.10)
Corolrio 6.4: Se a amostragem for proporcional ao tamanho e as varincias de todos os

2
estratos tiverem o mesmo valor S w , obtm-se a frmula simplificada
V y st
S N n Sw
1 f
w
n N
n
2
(6.11)
Tem lugar o seguinte resultado.

Teorema 6.4: Se Yst N y st a estimativa do valor total da populao Y, ento temos:
2
S
V (Yst ) N n ( N n nn ) h
nh
(6.12)
(Nota: Incluir o exemplo da pag.133-134)
6.3.1 Alocao proporcional

A amostra alocada ao estrato, proporcionalmente ao tamanho do estrato, isto :
nh N h
n
N
(6.1)
mahaluca@gmail.com
34
6.3.2 Alocao ptima

Na amostragem estratificada os valores dos tamanhos das amostras nk nos estratos so
escolhidos pelo amostrista. Esses valores podem ser escolhidos de modo a minimizar
V Var y est para um dado custo especfico para a mostra ou para minimizar o custo para um
valor especfico para V Var y est .

A funo custo mais simples tem a forma:
L
custo C C0 C h nh
(6.2)
i 1
Onde
C 0 = Custo de contingncias
C h = Custo por unidade em cada estrato e pode variar de unidade por unidade, e para cada
estrato, este custo proporcional ao tamanho da amostra.
Se a amostra alocada ao estrato de tal modo que a varincia do estimador seja mnima, na
condio de que o total oramento disponvel para cobrir a varivel custos fixa e igual a C e
que o custo de amostragem por unidade no estrato h Ch . Essa alocao dada por:
nn
Wh S h / Ch
W S
i 1
/ Ch
N h S h / Ch
N S
L
i 1
/ Ch
(6.3)
A equao (6.3) d nh em termo de n . Se os custos so fixos, ento n pode ser expresso como:
C C0 N h S h /
L
i 1
N S
L
i 1
Ch
Ch
(6.4)
mahaluca@gmail.com
35
Se V Var y est
for fixo, ento n dado por:
L
Wh S h Wh S h / C h
i 1
n
1 L
2
V Wh S h
N i 1
(6.5)
Onde, Wh N h / N .
6.3.3 Alocao de Neyman (1934)

A amostra alocada ao estrato de modo que a varincia do estimador seja mnima, na condio
de que o oramento total disponvel para cobrir a varivel custo fixo e iqual a C e que o custo
de amostragem por unidade o mesmo para cada. Essa alocao dada por:
nn
WS
N S
L h h L h h
n
Wh S h N h S h
i 1
(6.7)
i 1
CONFECAO DO QUESTIONRIO
Sob a denominao genrica de " formulrio " se inclui toda forma impressa destinada a colecta
de dados, tal como pronturios, formulrios de declarao de imposto de renda, formulrio de
atestado de bito ou questionrio que por sua vez permitem recolher dados ou sirvam para sua
apuraro.
mahaluca@gmail.com
36
Os formulrios devem ser planejados cuidadosamente, de tal forma que sejam realmente teis e
que facilitem e no dificultem a obteno de dados. Eles devem ajudar a colectar informaes
de maneira completa e eficiente, permitindo uniformidades nas diferentes observaes e
evitando a colecta de dados inteis ou irrelevantes ao estudo.
1. Formas de aplicao de um questionrio:
I)
QUESTIONRIO - enviado (distribudo pelo correio) apresentado (distribudos por
pesquisadores que mais tarde vo busc-los.
Desvantagens:
1. Dificuldades de esclarecer dvidas do informante;

2. Uso de abreviaturas nas respostas, m letra, etc;
3. Impossibilidades fazer comprovaes;
S devem ser usadas em grupos seleccionados, cujos componentes possam, sozinhos,

preencher os questionrios e tenham compreenso do valor e do alcance da pesquisa.
Nesse caso, possvel sua utilizao preferindo-se o processo por questionrio
apresentado.
II) QUESTIONRIO E ENTREVISTA
O prprio entrevistador preenche o questionrio, interrogando o informante;
o melhor de todos os processos;
Custo maior devido a necessidade de entrevistadores;
2.Principios de construo de um questionrio:

Antes de ser elaborado o questionrio devem ser considerados:
I)
o propsito para qual ser utilizado;
II) as circunstncias sob as quais se recolher a informao;
mahaluca@gmail.com
37
O primeiro tem importncia para se decidir sobre os dados que em ultima estncia se recolhero
e o seguro para a adopo do tamanho, forma e tamanho mais conveniente.
O questionrio deve permitir reconhecer duas classes de dados:
I) Dados administrativos ou de Identificao - ajudaro a identificar as unidades em
observao.
II) Dados sobre o problema que se estuda - devem ter o propsito perfeitamente definido a ser
pertinentes ao estudo
Embora seja impossvel dar regras fixas para a correcta elaborao de um questionrio, os
seguintes princpios devem ser usados:
I) Decidir sobre os dados que sero colectados:
Fazer uma lista de todas as informaes que so " desejveis " colectar de acordo com a
finalidade do estudo;
Considerar aqueles que so factveis de colectar de maneira fidedigna e exactas;
Limitar os dados queles prticos de colectar;
Limitar a informao quela que se usar; (s perguntar o estritamente necessrio)
II) Decidir a ordem em que se alocaro as perguntas do questionrio.
O questionrio deve ser dividido em grupos de questes que denominamos de Blocos .As
questes de um bloco so de um mesmo assunto;
O 1 Bloco geralmente constitudo de dados dos informantes (bloco e identificao);
O desenho o questionrio deve separar os blocos visando uma melhor visualizao;
III) Considerar como sero feitas as perguntas:
S perguntar aquilo que o informante tem o conhecimento directo;
Perguntar fato e no juzos, a no ser em caso especiais;
No exigir clculos e sim dados;
mahaluca@gmail.com
38
Empregar linguagem simples e sem ambiguidades;
Enunciar perguntas sem prolixidade;
Evitar perguntas: insinuantes, pouco explcitas, que faam apelam a memria;
Fazer pergunta de carcter quantitativos e no qualitativos, sempre que possvel;
IV) Planear como se anotaro as respostas.
No utilizar perguntas abertas, somente em pesquisas especiais esta pergunta

admitida. Pois as respostas podem, ser as mais diversas possveis.
As perguntas de um questionrio podem ser classificadas em funo das respostas em:

Perguntas Abertas - informante expressa livremente sua opinio sobre determinado assunto.
Perguntas Fechadas - informante selecciona sua resposta dentre um conjunto de opes.
V) Determinar as caractersticas do formulrio.
Quem colectar a informao?
De Quem ser colectada?
Onde e Quando se registar?
Como se processar os dados?
De acordo com as respostas s perguntas acima se decidir sobre:
A Forma
O Tamanho
O Material
A Cor
VI) Provar a operacionalidade do questionrio - PESQUISA PILOTO.
Testar o questionrio no mnimo com 10 informantes com a mesma caracterstica da

populao em estudo;
mahaluca@gmail.com
39
Reformular se necessrio
VII) Redigir as informaes necessrias:
Apresentao explicando o objectivo da pesquisa e enfatizando a importncia das

respostas do informante;
Manual de resposta se necessrio;
No entanto antes de entramos nos temas especficos introduziremos alguns conceitos necessrios
para compreenso dessas matrias.
Exerccios Resolvidos
Um pesquisador deseja estimar a proporo de ratos nos quais se desenvolve um certo tipo de
tumor quando submetidos a radiao. Ele deseja que sua estimativa no se desvie da proporo
verdadeira por mais de 0,02 com uma probabilidade de pelo menos 90%.
(a) Quantos animais ele precisa examinar para satisfazer essa exigncia?
Pelo enunciado acima temos:

- Erro da estimativa: =0,02.
- Coeficiente de confiana: P()= 0,90.
Logo, pela tabela da distribuio Normal Padro, temos que z tal que A(z)=0,95, portanto,
z=1,64.
Como no temos uma informao preliminar sobre p, devemos utilizar p=0,5, que maximiza p (1p).
Assim, podemos calcular o tamanho da amostra da seguinte forma:
z
1
,
6
4
pp
(
1
0
,
2
5
1681
0
,
0
2
Logo, para que o erro cometido na estimao da proporo de ratos nos quais se desenvolve
certo tipo de tumor quando submetidos a radiao seja no mximo 0,02 com probabilidade
igual a 0,90, o pesquisador precisa examinar 1.681 animais.
mahaluca@gmail.com
40
(b) Como seria possvel diminuir o tamanho da amostra utilizando a informao adicional de que
em geral esse tipo de radiao no afeta mais que 20% dos ratos?
Se p for no mximo 20%, o tamanho da amostra ser:
2
z
1
,
6
4
p
(
1
p
)
0
,
2
0
*
0
,
8
0
1076
0
,
0
2
Logo, se p for no mximo 20%, para que o erro cometido na estimao da proporo de
ratos nos quais se desenvolve certo tipo de tumor quando submetidos a radiao seja no mximo
0,02 com probabilidade igual a 0,90, o pesquisador precisa examinar 1.076 animais.
Exerccio 02
Antes de uma eleio, um determinado partido est interessado em estimar a proporo de
eleitores favorveis a seu candidato.
(a) Determine o tamanho de amostra necessrio para que o erro cometido na estimao seja de,
no mximo 0,01, com probabilidade de 80%.

Pelo enunciado acima temos:
- Erro da estimativa: =0,01.
- Coeficiente de confiana: P() =0,80.
z=1,28.
Como no dispomos de uma informao preliminar sobre p, devemos usar p=0,5, que maximiza
p(1-p).
z
1
,
2
8
pp
(
1
0
,
2
5
4096
0
,
0
1
Logo, para que o erro cometido na estimao seja de no mximo 0,01, com probabilidade de
80%, o tamanho da amostra teria que ser de 4.096 eleitores.
mahaluca@gmail.com
41
(b) Uma amostra piloto revelou que entre 60% e 70% dos eleitores eram favorveis ao
candidato em questo. Com base nessa informao, qual deve ser o tamanho de amostra de
modo que as condies em (a) estejam satisfeitos?
Nesse caso, o mximo de p (1-p) ocorre quando p=0,60. Assim,
2
z
1
,
2
8
p
(
1
p
)
0
,
6
0
*
0
,
4
0
3933
0
,
0
1
ou seja, sabendo que p dever estar entre 0,60 e 0,70, o tamanho da amostra teria que ser
3.933, para que as condies em (a) sejam satisfeitas.
(c) Se na amostra com tamanho igual ao obtido em (a), observou-se que 55% dos eleitores eram
favorveis ao candidato, construa um intervalo de confiana para a proporo de eleitores

do candidato com coeficiente de confiana de 0,95.
Temos que:
n = 4096
p =0,55
P()= 0,95
z=1,96.
p
(
1)
z
I
C
(
p
;
0
,
9
5
)
0
,
5
5
(
1
0
,
5
5
)
I
C
(
p
;
0
,
9
5
)
0
,
5
5
1
,
9
6
0
,
5
5
0
,
0
1
5
2
0
,
5
3
4
8
;
0
,
5
6
5
2
4
0
9
6
Exerccio 03
Um cientista resolve estimar a proporo p de indivduos com certa molstia numa regio. Ele
deseja que a probabilidade de que a sua estimativa no se desvie do verdadeiro valor de p
por mais que 0,02 seja de pelo menos 95%. Qual deve ser o tamanho da amostra para que
mahaluca@gmail.com
42
essas condies sejam satisfeitas? Um outro cientista descobre que a doena em questo est
relacionada com a concentrao da substncia A no sangue e que considerado doente todo
indivduo para o qual a concentrao A menor que 1,488 mg/cm3. Sabe-se que a
concentrao da substncia A no sangue tem distribuio normal com desvio padro 0,4 mg/cm3
e mdia maior que 2,0 mg/cm3. Voc acha que essas novas informaes podem ser utilizadas
pelo primeiro cientista para diminuir o tamanho amostral? Em caso afirmativo, qual seria o novo
tamanho amostral?
= 0,02
P()= 0,95
z tal que A(z) = 0,975 ,z = 1,96
Como no temos uma informao sobre p, devemos usar p=0,5, que maximiza p(1-p).
2
z
1
,
9
6
pp
(
1
0
,
2
5
2401
0
,
0
2
O tamanho da amostra deve ser 2.401 indivduos para que as condies acima sejam satisfeitas.
Seja X: concentrao da substncia A no sangue em mg/cm3
X~N (; 0,42), >2.
P = P (estar doente) = P(X<1,488) = P[Z < (1,488-2)/0,4] = P[Z < -1,28] = P[Z >1,28] =
= 1 - P[Z1,28] = 1 A(1,28) = 1 0,9 =0,1.
Assim, segundo um outro cientista, p menor ou igual a 0,10.
A informao acima podem ser utilizada pelo primeiro cientista para reduzir o tamanho da
amostra, pois como o valor de p no mximo 0,1, o valor mximo de p(1-p) atingido quando
p=0,10, e assim:
z
1
,
9
6
p
(
1
p
)
0
,
1
0
*
0
,
9
0
865
0
,
0
2
mahaluca@gmail.com
43
Neste caso, a informao do segundo cientista ajuda a reduzir o tamanho de amostra para
aproximadamente 865 indivduos.
Exerccio 04
Um centro de estudos de pesquisa de opinio realizou uma pesquisa para avaliar a opinio dos
telespectadores de uma regio, sobre um certo comentarista desportivo. Para isso entrevistou
380 telespectadores, seleccionados ao acaso da regio, e constatou que 180 desejavam que o
comentarista fosse afastado da TV.
(a) Determine um intervalo de confiana de 90% para p:proporo de telespectadores,
favorveis ao afastamento do comentarista.

Uma estimativa pontual da proporo p de telespectadores da regio favorveis ao
afastamento do comentarista desportivo dada por:
180
p0,473
380
Considerando o coeficiente de confiana =0,90, temos que z tal que A(z)=0,95 e,
portanto, z=1,64.
Assim, o intervalo de confiana para p ser:
p
(
1)
z
I
C
(
p
;
0
,
9
0
)
0
,
4
7
(
1
0
,
4
7
)
I
C
(
p
;
0
,
9
0
)
0
,
4
7
1
,
6
4
0
,
4
7
0
,
0
4
0
,
4
3
;
0
,
5
1
3
8
0
(b) Suponha agora que o centro decida que um intervalo de confiana, com coeficiente de 90%
para p, deve ter comprimento 0,05. Voc acha que os dados do item (a) atingem esse
objetivo? Justifique e comente.
Os dados do item (a) no atingiram o objectivo, j que, o intervalo obtido no item (a) tem
comprimento igual a 0,08.
mahaluca@gmail.com
44
Para que o objectivo seja atingido, deveramos ter comprimento 0,05.
Para diminuir o comprimento do intervalo, necessrio diminuir o erro, ou seja,
Comprimento 0,05
= 0,025.
Para um erro menor, necessrio aumentar o tamanho da amostra para:
0
,
4
7
(
1
0
,
4
7
)
*
1
,
6
4
0
,
0
2
5
n
=1072.
*
n
Assim, os dados do item(a) atingem os objectivos se o nmero de telespectadores
entrevistados aumentar para 1.072.
Os dados do item (a) no atingem o objectivo, somente se o nmero de telespectadores
entrevistados aumentar para 1072, ou seja:
Comprimento = 0,05
= 0,025.
mahaluca@gmail.com
45
Exerccios
1. Seja X1, X2, ..., X6, variveis aleatrias independentes, identicamente distribudas de forma
normal com a mdia, e varincia, 2 . Defina os seguintes estimadores:
X X 2 X 3 3X 5
a) 1 1
5
X X2 X3 X4
b) 2 1
4
2X1 X 2 X 3 X 4
X X2 X3 X4 X5
c) 3
d) 4 1
4
6
X X2 X3 X4 X5
e) 5 1
5
Diga qual desses estimadores no viciado e qual o mais eficiente.
2. Sejam X1 = 25, X2 = 30, X3 = 27, X4 = 35, X5 = 40, as idades dos estudantes duma turma
do DMI (Departamento de Matemtica e Informtica).
a) Com base nesses dados determine a idade mdia da turma.
b) Forme todas as amostras de tamanho trs e calcule as mdias de cada amostra e
comprove que E X e
var[ X ]
2
n
c) Quantas amostras de tamanho 4 so possveis formar? Forme essas amostras e repita o

exerccio da alnea b).
3. Determine a distribuio por amostragem da diferena entre duas mdias amostrais, isto
determine E X 1 X 2 e var X 1 X 2 .
4. Mostre que a varincia amostral S 2 um estimador no enviesado (no viciado da

varincia da populao 2 .
5. Num estudo sobre a relao existente entre uma atitude de criana e a idade na qual ela
fala primeiro, os pesquisadores registaram a idade (em meses) da primeira fala da criana e
o nmero de pontos (escore) obtido pela criana num teste sobre a atitude. Seguem-se os
dados para 21 crianas:
mahaluca@gmail.com
46
criana
10
11
Idade
15
10
15
20
18
11
20
Escore
95
71
83
91
102
87
93
100
104
94
113
Criana
12
13
14
15
16
17
18
19
20
21
Idade
10
11
11
10
12
42
17
11
10
Escore
96
83
84
102
100
105
57
121
86
100
a) Fazendo o uso da tabela de nmeros aleatrios seleccione uma amostra de tamanho 8. Inicie
a sua leitura da tabela em anexo na linha um, coluna dois. A leitura deve ser feita atravs das
colunas.
b) Com base na sua amostra determine:
(i) a idade mdia da primeira fala;
(ii) o nmero mdio de pontos (escores) dessa amostra e a sua varincia;
(iii) estime o nmero total de pontos para a populao em estudo;
(iv) estime o erro padro da estimativa do total e, d o intervalo de confiana de 95%

dessa estimativa.
6. Numa Biblioteca Privada, os livros esto arrumados em 130 estantes de igual tamanho. Duma
amostra aleatria de 15 estantes deu as seguintes quantidades de livros em cada estante:
28, 23, 25, 33, 31, 18, 22,
29, 30, 22, 26, 20,
21, 28, 25
a) Estimar o valor total de livros dessa biblioteca e o intervalo de confiana dessa estimativa do
total.
b) Suponha agora que o resultado da estimativa no suficientemente correcto e pretendemos ser
95% certos de que a estimativa do do total duma amostra aleatria esteja a 100 de unidades
do valor verdadeiro. Quantas estantes devero ser inclusos na amostra?
mahaluca@gmail.com
47
7. Num sector particular duma fbrica foi realizado um inquerido para tentar investigar at que
ponto o absentismo no este ligado com doenas ou frias oficiais. Uma amostra de 500
pessoas, num total de 36000 trabalhadores foi perguntada sobre o nmero de dias que eles
j tinham solicitado para descansar, nos anteriores seis meses.
Os resultados do inqurito foram os seguintes:
No. De dias de licena
No. De trabalhadores
157 192 90
31
18
40\ 0
10
1
a) Estimar o nmero total de licenas solicitadas, o o erro padro e o respectivo intervalo

confiana de 95% dessa estimativa.
b) Repita o mesmo exerccio pra uma amostra de1000.
8. Uma amostra aleatria simples de 30 Agregados Familiares (AF) foi seleccionada em uma
zona urbana que contem 14848 AFs. O nmero de pessoas (membros do AF) em cada um
dos AFs que integram a mostra o seguinte:
3, 6, 3, 3, 2, 3, 3, 3, 4, 4, 3, 2, 7, 4, 3, 5, 4, 4, 3, 3, 4, 3, 3, 1, 2, 4, 3, 4, 2, 4.
a) Estimar o nmero total de pessoas que vivem na zona.
b) Calcular a probabilidade de que essa estimativa esteja dentro do limite de 10% do valo
real.
9. Numa populao em que N = 6, os valores de yi so 8, 3, 1, 11, 4 e 7.
a) Calcular o valor mdio amostral y para todas as possveis amostras simples de tamanho 2.
Provar que um estimador y no viciado (sem tendncia) de Y .
b) Dada a mesma populao, calcular s 2 para todas as amostras aleatrias simples de tamanho
3 e provar que E[s 2 ] S 2 .
10 Duma populao de 2400 estudantes residentes fora da residncia universitria, foram
escolhidas duas amostras independentes (sem reposio) de tamanhos 200 e 450
mahaluca@gmail.com
48
respectivamente. Cada estudante foi perguntado sobre a distncia entre a sua casa e a
universidade. Os resultados amostrais foram os seguintes:
y 1 5.14
y 2 4.90
s12 3.87
s22 4.02
Calcule o intervalo de confiana aproximado de 99% para a distncia mdia entre a

universidade e a zona de residncia dos estudantes.
11.Sabe-se que duma populao de tamanho N = 430 unidades, Y 19 e S 2 85,6 . Qual o
tamanho da amostra necessria para estimar Y com a probabilidade de 10% e a margem de
erro de 1,9.
12.O instituto Internacional de Democracia pretende realizar um inqurito nalguns distritos do
pas com objectivo de determinar a percentagem de pessoas que tm uma certa percepo
sobre democracia. O nmero total da populao (Universo) em causa N = 50000 pessoas.
a) Determine o tamanho da amostra necessrio para a realizao deste levantamento por
amostragem, com um erro aceitvel de 5% e com um intervalo de confiana de 95%.
b) Alteraes haver no tamanho da amostra se o intervalo de confiana for de 90%?
13.Numa Amostra Aleatria simples de tamanho 100, duma populao de tamanho 500, existem
37 unidades na classe C. Determine o intervalo de confiana de 95% da proporo para o
nmero total de unidades em C na populao
14. Pretende se realizar um inqurito ao Agregados familiares com o objectivo de determinar a
proporo de famlias que possuem certos atributos. Numa populao com 4000 Agregados
familiares, qual o tamanho da amostra necessrio para determinar P, com uma margem de erro
de 5% com 95% de confiana?
a) Se sabe de estudos anteriores de que a proporo p = 30%.
b) Se o valor p desconhecido?
15.Os dados seguintes mostram a estratificao de todas as empresas agrcolas, de acordo com
o tamanho da farma e o nmero mdio de hectares de milho por farma em cada estrato.
mahaluca@gmail.com
49
Tamanho
Nmero
Mdia
Desvio
da farma
de Farmas
de milho
Padro
Nh
Yh
Sh
0- 40
394
5.4
8.3
41-80
461
16.3
13.3
81-120
391
24.3
15.1
121-160
334
34.5
19.8
161-200
169
42.1
24.5
201-240
113
50.1
26.0
241 -
148
63.8
35.2
Total
ou 2010
26.3
mdias
Para uma amostra de 100 farmas, calcule o tamanho da amostra para cada estrato, usando:
a) A alocao proporcional;
b) A alocao ptima
16. Um amostrista pretende seleccionar uma amostra aleatria estratificada e suspeita que os
custos do trabalho de campo sero da forma
C n
h
. As estimativas das quantidades relativas
para os dois estratos so:
Estrato
Wh
Sh
Ch
0.4
10
$4
0.6
20
$9

b) Determine o tamanho da amostra necessrio, para esta alocao, de modo que Var y 1.
a) Determine valores de n1 / n e n2 / n que minimizam o custos para dado valor de Var y est .
est
mahaluca@gmail.com
50
Capitulo 2: INTEVALO DE CONFIANCA

Introduo
Intervalo de confiana uma tcnica para se fazer inferncia estatstica. Ou seja, a

partir de um intervalo de confiana, construdo com elementos amostrais, pode-se inferir sobre um
parmetro populacional.
A lgica da construo de intervalos de confiana a seguinte:
Seja um parmetro populacional;
Seja um estimado de q.
Conhecida a distribuio de probabilidade de , possvel construir um intervalo:
1 2
que contm , e se exigir que a probabilidade do intervalo seja de (1 ) = nvel de
confiana.
Geralmente (1-).100=90%, 95%, 99%, .
Esta tcnica diferencia-se da estimao por ponto, onde se calcula um nico valor (estimativa)
para o parmetro populacional. No caso do intervalo de confiana busca-se um segmento, ou
intervalo 1: 2 que contm o parmetro desconhecido.
Por exemplo, retira-se uma amostra de 500 Moambicanos e calcula-se a mdia de suas alturas
encontrando-se 1,66 m. Logo, uma estimao pontual da verdadeira altura mdia (m) dada
por x =1,66 m. J atravs do intervalo de confiana poder-se-ia encontrar um intervalo, por
exemplo [1,58; 1,68] que, em 95% das vezes, incluiria (a verdadeira altura mdia dos
Moambicanos).
mahaluca@gmail.com
51
2.1 INTERVALO DE CONFIANA PARA A MDIA POPULACIONAL

QUANDO A VARINCIA (2) CONHECIDA
Como se sabe, o estimador de X . Tambm conhecida a distribuio de probabilidade de
X:
X ~N(;
) para as populaes infinitas
X ~N(;
) para as populaes finitas
Assim, para o caso de populaes infinitas, a varivel padronizada de X ser:

Z=
Fixando se um nvel de confiana: 1- tem se:
Ou seja:
P( -Z/2ZZ/2)=1-
Substituindo se o valor de Z,
P(-Z/2
Z/2)=1-
Resolvendo -se as duas inequaes para , tem-se o intervalo de confiana para a mdia
populacional () quando a varincia (2) conhecida:
P( X -Z/2
X +Z/2 )
Exemplo:
A durao da vida de uma pea de equipamento tal que = 5 horas.
Foram amostradas 100 dessas peas obtendo-se a mdia de 500 horas. Deseja-se construir um
intervalo de confiana para a verdadeira durao mdia da pea com um nvel de 95%.
Resolucao:
Do problema se tem: = 5; n = 100; X = 500; (1 a).100 = 95%
Z/2=1.96
mahaluca@gmail.com
52
Lembre-se que para descobrir a abcissa 1,96, entrou-se na tabela com 0.475= 47.5%, j que a
tabela da faixa central.
Substituindo se os dados na formula:
P(500-1,96.
500+1,96.
) =95%
Efectuando os clculos:
P(499.02500.98)=95%
que o intervalo solicitado.
A interpretao desse resultado dada por:
O intervalo [499,02; 500,98] contm a durao mdia da pea com 95% de confiana. Isto
significa que se forem construdos intervalos dessa mesma maneira, para um grande nmero de
amostras, em 95% dos casos tais intervalos incluiriam.
Para o caso de populaes finitas usa-se a seguinte frmula:
P( X -Z/2
X +Z/2
)=1-
Um intervalo unilateral de 100(1-)% com limite superior estabelecido a partir de:

X +Z
Um intervalo unilateral de 100(1-)% com limite inferior estabelecido a partir de:
X -Z/2
ERRO DE ESTIMACAO
O intervalo de confiana bilateral tem a forma;
X
Z/2
Aumentando a amplitude do intervalo, aumenta se o nvel de confiana do intervalo, no entanto,

aumenta se o erro mximo de estimacao que o valor absoluto da diferena entre o parmetro
amostral ( X ) e o parametro papulacional(), representado como =| X
|.
Como o intervalo de confiana tem centro na mdia amostral, o erro mximo provvel igual a
metade da amplitude do intervalo.
mahaluca@gmail.com
53
Como X
Z/2
, pode se escrever X
erro
Logo = Z/2
n= (
)2
Logo, o tamanho da amostra depender:

do grau de confiana;
da disperso na populao ;
dee certo valor especifico para o erro tolervel.
2.2 INTERVALO DE CONFIANA PARA A MDIA () QUANDO A

VARINCIA (2) DESCONHECIDA
O processo para se obter o intervalo de confiana semelhante quele mostrado no item
anterior. Como no se conhece , porm, preciso substitu-lo por S (desvio-padro amostral)
que, contrariamente a , uma varivel aleatria. Da se
ter o quociente entre duas variveis aleatrias, X e S, pois:
Pode-se demonstrar que:

t=
Tem distribuio t de Student com (n 1) graus de liberdade.
Fixando-se um nvel de confiana: 1 tem-se:
P( -Z/2ZZ/2)=1-
Substituindo se o valor de t e resolvendo -se as duas inequaes para , obtm-se o intervalo

para a mdia quando a varincia (2) desconhecida.
mahaluca@gmail.com
54
P( X -t/2
X +t/2 )=1-
Onde a varivel t possui (n 1) graus de liberdade.

Exemplo:
A amostra: 9, 8, 12, 7, 9, 6, 11, 6, 10, 9 foi extrada de uma populao normal. Construir um
intervalo de confiana para a mdia a nvel de 95%.
Resolucao:
Calculando-se a mdia e o desvio-padro da amostra obtm-se: X = 8,7 e S = 2.
Como: 1 - = 95% e g. l. = = n 1 = 10 1 = 9
t/2=2.2622 (tabela)
Logo
P(8.7-2.2622.
8.7+2.2622.
)=95%
Ou
P(7.2710.13)=95%
A interpretao desse resultado dada por:
O intervalo [7,27; 10,13] contm a verdadeira mdia com 95% de confiana.
P( X -t/2
X +t/2
)=1-
2.3 INTERVALO DE CONFIANA PARA A VARINCIA

O estimador de 2 S2.
Demonstra-se que
tem distribuio qui-quadrado com (n 1) graus de liberdade. Ou

seja:
n-1
mahaluca@gmail.com
55
Ento, substituindo-se o valor de 2, e isolando-se 2 obtm-se o seguinte intervalo:
)
P(
Exemplo:
Admita n = 10, S2=4 e que se deseja construir um IC para a varincia a nvel de 90%
Resolucao:
Tem se n=10, S2=4, (1-).100=90% e =(n-1)=(10-1)+9
Consultando-se a tabela de distribuio qui-quadrado:
Logo:
P(
)=90%
P(2,13
)=90%
A interpretao que o intervalo [2,13; 10,81] contm a verdadeira varincia com 90% de
confiana.
2.4 INTERVALO DE CONFIANA PARA O DESVIO-PADRO

Como o desvio-padro a raiz quadrada da varincia, pode-se usar a seguinte: frmula:
P( S.
)=1-
Com a distribuio qui-quadrado de parmetros: = (n 1).

mahaluca@gmail.com
56
A interpretao segue o modelo j apresentado.
2.5 INTERVALO DE CONFIANA PARA PROPORO

f o estimador de e tem distribuio dada por:
f
)
)
Assim, para o caso de populaes infinitas, a varivel padronizada de f dada por:
Z=
Fixando-se um nvel de confiana 1 a tem-se:

P( -Z/2ZZ/2)=1-
Substituindo-se o valor de Z:
P( -Z/2
Z/2)=1-
Isolando-se
do denominador, encontra-se:
P(f-Z/2
f+
)=1-
Para amostras grandes (n > 30) pode-se substituir p e q = (1 p) do radicando por f e (1 f).
Assim, o IC para a proporo ser:
)
P(f-Z/2
f+
)=1-
Para o caso de populaes finitas o IC ser:
P(f-Z/2
f+
)=1-
mahaluca@gmail.com
57
Exemplo: Examinadas 500 peas de uma grande produo encontrou-se 260 defeituosas. No
nvel de 90% construir um IC para a verdadeira proporo de peas defeituosas.
Tem-se: n = 500, p = 260, 1 - a = 90%.
Logo:
f= =
=0.52
Z/2=1.64
Ento, o IC ser:
P(0.52-1.64
(0.52+1.64
=1-
Ou
P(0.483
Ou ainda
P(48.3%
E a interpretao de que o intervalo [44,8%; 55,2%] contm a verdadeira percentagem (ou

proporo) de peas defeituosas.
mahaluca@gmail.com
58
Capitulo3: TESTE DE HIPTESES

INTRODUO
Teste de Hipteses uma tcnica para se fazer inferncia estatstica. Ou seja, a partir
de um teste de hipteses, realizado com os dados amostrais, pode-se inferir sobre a populao.
No caso das inferncias atravs dos IC, busca-se cercar o parmetro populacional
desconhecido. Aqui formula-se uma hiptese quanto ao valor do parmetro populacional, e pelos
elementos amostrais faz-se um teste que indicar a aceitao ou rejeio da hiptese formulada.
CONCEITO DE HIPTESE ESTATSTICA

Hiptese estatstica uma suposio quanto ao valor de um parmetro populacional, ou quanto
natureza da distribuio de probabilidade de uma varivel populacional.
Nesta sesso trabalharemos apenas com os testes referentes aos parmetros da populao.
So exemplos de hipteses estatsticas:
a) A altura mdia da populao Moambicana 1,65m, isto : H: = 1,65 m;
b) A varincia populacional dos salrios vale 2.0002mt, isto : H : 2= 2.000 2mt
c) A proporo de Maputenses com a doena X 40%, ou seja: H:
= 40%;
d) A distribuio dos pesos dos alunos da nossa faculdade normal;

e) A chegada de navios ao porto de Nacala descrita por uma distribuio de Poisson.
3.1 TESTE DE HIPTESES E TIPOS DE HIPTESE

Teste de hipteses uma regra de deciso para aceitar ou rejeitar uma hiptese estatstica com
base nos elementos amostrais.
Uma hiptese pode ser definida como uma afirmativa sobre a populao.
Por exemplo, um psiclogo pode levantar a hiptese de que as meninas tm melhor desempenho
verbal do que os meninos, ou um mdico pode levantar a hiptese de que os fumantes vivem
menos do que os no-fumantes. O testes de hipteses permitem estabelecer se tais afirmativas
so confirmadas pelos dados disponveis.
mahaluca@gmail.com
59
A primeira hiptese denominada hiptese nula e a segunda denominada hiptese

alternativa. Indica-se a primeira hiptese por H0 (l-se agzero) e a segunda por H1 (l-se agum). Escreve-se: H
H0:as mdias so iguais H
H1 as mdias so diferentes
Para decidir por uma das hipteses isto , para decidir se as mdias na populao so, ou
no so, iguais o pesquisador submete os dados da sua amostra a um teste de hipteses. Mas
em que consiste este teste? O pesquisador supe que as mdias, na populao, so iguais. Se
sob essa hiptese for pouco provvel ocorrer uma diferena de mdias to grande ou maior
do que a que se observou na amostra, o pesquisador rejeita a hiptese inicial e conclui que as
mdias, na populao, so diferentes.
Exemplo:
Um professor quer saber se dois mtodos de alfabetizao, A e B, tm a mesma eficincia. Na
amostra, as mdias das notas dos alunos foram 5,0 para o mtodo A e 7,0 para o mtodo B. Se
sob a hiptese de que, na populao, as mdias so iguais for pouco provvel ocorrer, na
amostra, uma diferena de dois pontos ou mais entre mdias, lgico rejeitar a hiptese inicial e
concluir que B mais eficiente do que A.
Mas preciso insistir neste ponto pouco provvel no significa impossvel. Ento, o
pesquisador pode cometer erro quando conclui que, na populao, as mdias so diferentes s
porque seria pouco provvel ocorrer uma diferena de mdias to grande, ou maior do que a
que ele prprio observou, se as mdias da populao fossem iguais. O pesquisador no sabe se
est ou no cometendo esse tipo de erro, embora a probabilidade de ocorrer o erro seja
conhecida. o que os estatsticos denominam nvel de significncia do teste (probabilidade de
rejeitar H0 quando H0 verdadeira).
Finalmente, toda vez que se rejeita H0, ao nvel de significncia de 5%, usual afirmar que o
resultado significante e indicar isso com um asterisco. Quando se rejeita H0 ao nvel de
significncia de 1%, usual afirmar que o resultado altamente significante e indicar isso com
dois asteriscos.
mahaluca@gmail.com
60
O exemplo a seguir mostra diferentes tipos de testes de hipteses.

Exemplo:
a) H0: =1.65m
H1: 1.65m
Dar origem a um teste bicaudal
b) H0: =1.65m
H1: 1.65m
Dar origem a um teste unicaudal direita
c) H0: =1.65m
H1: 1.65m
Dar origem a um teste unicaudal esquerda
3.2 TESTES DE SIGNIFICNCIA

Os testes de significncia so os mais usados nas pesquisas educacionais, scio-econmicas, etc.
O procedimento para realizao dos testes de significncia resumido nos seguintes passos:
1) Enunciar as hipteses H0 e H1;
2) Fixar o limite de erro a, e identificar a varivel de teste;
3) Com o auxlio das tabelas estatsticas, considerando e a varivel do teste, determinar a RC
(regio crtica) e RA (regio de aceitao) para H0
4) Com os elementos amostrais, calcular o valor da varivel do teste;
5) Concluir pela aceitao ou rejeio de H0 pela comparao do valor obtido no passo
anterior com RA e RC.
3.2.1 TESTE DE SIGNIFICNCIA PARA MDIAS

1) H0: =0
mahaluca@gmail.com
61
H1: Uma das alternativas
0 (a)
0 (b)
0 (c)
2) Fixar . Admitindo-se que 2 desconhecida, a varivel do teste ser t de

Student, com = (n 1).
3) Com auxlio da tabela t determinam-se RA e RC.
4) Clculo do valor da varivel
onde:
X = Media amostral
0= Valor da hiptese nula

S= desvio padro amostral
n = tamanho da amostra
5) Concluses
a) Se -t/2 tcal t/2 no se rejeita H0
Se tcal> t/2 ou tcal <-t/2, rejeita se H0
b) Se tcal t no se rejeita H0
Se tcal> t rejeita se H0
c) Se tcal
-t no se rejeita H0
Se tcal <- t rejeita se H0

Exemplo: Os dois registos dos ltimos anos de uma Universidade atestam, para os calouros
admitidos, uma nota mdia 115 (teste vocacional). Para testar a hiptese de que a mdia de
uma nova turma a mesma, tirou-se, ao acaso, uma amostra de 20 notas, obtendo-se mdia 118
e desvio-padro 20. Admitir que = 0,05, para efectuar o teste.
mahaluca@gmail.com
62
Resoluo
1) H0: =1.65m
H1: 1.65m
2) = 0,05
Varivel t com 19 graus de liberdade.
3) t/2=2,093
4)
=0,67
5) Como 2,093 tcal 2,093, no se pode rejeitar H0: = 115 com esse nvel de
significncia.
3.2.2 TESTE DE SIGNIFICNCIA PARA VARINCIAS

1) H0: 2= 20
H1: 2
20 (a)
2>20 (b)
2< 20 (c)
2) Fixar . Escolher a varivel qui-quadrado com = (n 1).
3)
4) Com auxlio da tabela 2 determinam-se RA e RC.
)
onde:
n = tamanho da amostra;
S2= varincia amostral;
2 = valor da hiptese nula.
mahaluca@gmail.com
63
6) Conclusoes:
a) Se 2inf 2cal 2sup no se pode rejeitar H0
Se 2cal> 2sup ou 2cal < 2inf rejeita se H0
b) Se 2cal 2sup no se pode rejeitar H0
Se 2cal> 2sup rejeita se H0
c) 2ca
2inf no se pode rejeitar H0
2ca 2inf rejeita se H0

Exemplo: Para testar a hiptese de que a varincia de uma populao 25, tirou-se uma
amostra aleatria de 25 elementos obtendo se S2=18,3. Admitindo-se = 0,1, efectuar o teste
de significncia unicaudal esquerda.
Resolucao:
1) H0: 2= 25
2< 25
2) = 0,01; varivel 2 com 25-1=24 graus de liberdade
3) 2inf=15.7
4) 2cal=
=17,56
5) Como 2cal> 15.7, no se pode rejeitar H0: 2= 25 ao nvel de significncia de 10%.
3.2.3 TESTE DE SIGNIFICNCIA PARA PROPORES

1) H0: p=p0
H1: Uma das alternativas
p=p0 (a)
p>p0 (b)
mahaluca@gmail.com
64
p<p0 (c)
2) Fixar . Escolher a varivel normal padro: Z.
3) Com auxlio da tabela de distribuio normal padro, determinam-se RA e RC.

Zcal=
Onde: f = frequncia relativa do evento na amostra;

p0 = valor da hiptese nula;
n = tamanho da amostra.
5) Concluses
a) Se -Z/2ZcalZ/2 no se pode rejeitar H0;
Se Zcal> Z/2 ou Zcal <-Z/2 rejeita se H0
b) Se Zcal Z no se pode rejeitar H0
Se Zcal>Z regeita se H0
c) Se Zcal
Se Zcal
Z no se pode rejeitar H0
Z rejeita se H0
Exemplo:
As condies de mortalidade de uma regio so tais que a proporo de nascidos que
sobrevivem at 60 anos de 0,6. Testar essa hiptese ao nvel de 5% se em 1000 nascimentos
amostrados aleatoriamente, verificou-se 530 sobreviventes at 60 anos.
1) H0: p=0.6
H1: p
2) =0.05 e a varivel escolhida, a normal (0;1).
mahaluca@gmail.com
65
3) RA e RC
Z/2=1.96
4) Zcal=
=-4,51
5) Como Zcal <-1,96, rejeita se H0, concluindo se, ao nvel de 5% de significncia que
p
3.2.4 TESTE DE SIGNIFICNCIA PARA A IGUALDADE DE DUAS

VARINCIAS
1) H0: 21= 22
H1: 21
22
Podem-se testar as desigualdades < ou >, todavia, o mais comum

2) Fixar . Escolher a varivel F com (n1 1) graus de liberdade no numerador, e (n2 1)
graus de liberdade no denominador.
3)
4) Com auxlio da tabela da distribuio F, determinam-se RA e RC.
=(n-1)
Fcal=
6) Concluses
Se Fint
Fsup no se pode rejeitar H0;
Se Fcal > Fsup ou Fcal < Fint, rejeita se H0

Exemplo
Dois programas de treinamento de funcionrios foram efectuados. Os 21 funcionrios treinados
no programa antigo apresentam uma varincia 146 em suas taxas de erro. No novo programa,
mahaluca@gmail.com
66
13 funcionrios apresentaram uma varincia de 200. Sendo = 0,1, pode-se concluir que a
varincia diferente para os dois programas?
1) H0: 21= 22
H1: 21
22
2) = 0,1. A varivel F com 1=n1-1=20 e 2=n2-1=12

3) RA e RC
Fint=0,43 e Fsup=2.54
4) Fcal=
=0.73
5 Como 0,43 Fcal2.54, no se pode rejeitar H, portanto, no se pode concluir que as

varincias sejam diferentes em esse nvel de significncia.
3.2.5 TESTE DE SIGNIFICNCIA PARA A IGUALDADE DE DUAS

MDIAS
1 Caso: As varincias so conhecidas, independentes e normais.
1) H0: 1=2 ou 1-2=d onde d>0 uma diferena admitida entre as medias.
H1: 1 2 ou 1-2 d
2) Fixar . Escolher a varivel normal padro: Z.
3) Com auxilio da tabela da distribuicao normal padro, determinar RA e RC.
(
Zcal =
5) Conclusoes
Se -Z/2ZcalZ/2 no se pode regeitar H0;
Se Zcal> Z/2 ou Zcal<-Z/2 , regeita se H0.
mahaluca@gmail.com
67
Exemplo
Um fabricante de pneus produz dois modelos. Para o modelo A, = 2500 milhas, e para o
modelo B, = 3000 milhas. Um txi testou 50 pneus do modelo A e 40 do modelo B, obtendo
24000 milhas e 26000 milhas de durao mdia dos respectivos modelos. Adoptando-se um
risco = 0,04 testar a hiptese de que a vida mdia dos dois modelos a mesma.
Resolucao:
1) H0: A=B
H1: A B
2) =0.04, a varivel N(0;1)
3) RA e RC
Z/2=2.05
4)
Zcal =
=-3,38
5) Como Zcal <-2,05, rejeita-se H0, concluindo-se com risco de 4% que as mdias dos pneus
so diferentes.
2 Caso: As varincias populacionais so desconhecidas e, admitidas iguais, independentes e
normais.
1) H0: 1=2 ou 1-2=d onde d>0 uma diferena admitida entre as medias.
H1: 1 2 ou 1-2 d
2) Fixar . Escolher a varivel t, com =(n1+n2-2)
3) Com auxlio da tabela da distribuio t, determinam-se RA e RC.
mahaluca@gmail.com
68
(
tcal =
5) Concluses
Se -t/2tcalt/2 no se pode rejeitar H0;
Se tcal> t/2 ou tcal < -t/2 , rejeita se H0.
Exemplo: Dois tipos de tinta foram testados sob as mesmas condies meteorolgicas. O tipo A
registou uma mdia de 80 com um desvio de 5 em 5 partes. O tipo B, uma mdia de 83 com um
desvio de 4 em 6 partes. Adoptando-se = 0,05 testar a hiptese da igualdade das mdias.
Resolucao:
1) H0: A=B
H1: A B
2) =0,05 e a varivel t com 5+6-2=9 graus de liberdade.
3) RA e RC
t/2=2.2622
4) Sc=
Sc=
Tcal=
=4.47
=-1.12
5) Como 2,2622 tcal2,2622, no se pode rejeitar H0 com esse nvel de significncia.
EXERCCIOS: INTERVALO DE CONFIANA

01) De uma distribuio normal com 2 = 2,25 obteve-se a seguinte amostra:
mahaluca@gmail.com
69
27,5 25,6 28,2 26,1 25,0.
Determinar o intervalo de confiana para a mdia populacional aos nveis de significncia
de 5% e 1%.
02) Dados: n=10, x = 112 e s = 11, determinar os intervalos de confiana, para os nveis de
95% e 90%, para a mdia populacional.
03) Um conjunto, composto por 12 animais em experincia, foi alimentado com uma dieta
especial durante certo tempo e verificou-se que os aumentos de peso foram:
25 22 30 26 24 39 32 26 32 33 28 30.
Encontrar os limites de confiana para a mdia, ao nvel de confiana de 90%.
04) Supondo populaes normais, determinar o intervalo de confiana para a mdia dos
seguintes conjuntos de dados (considere = 0,05):
a) 64,9 64,1 63,8 64,0 62,0 61,2 65,9 60,7.
b) 1,19 1,23 1,18 1,21 1,27 1,17 1,15 1,14 1,19 1,20.
05) Numa fbrica, colhida uma amostra de parafusos, foram obtidos os seguintes valores de
dimetro (medidas em mm)
10
11
11
11
12
12
12
12
13
13
13
13
13
13
13
13
13
13
13
13
14
14
14
14
14
15
15
15
16
16
Pede-se para construir o intervalo de confiana para:

a) o dimetro mdio real de toda a produo de parafusos , bem como para o desvio padro
desse dimetro, ao nvel de 95% de confiana ;
b) a proporo real de parafusos que medem de 12 a 14 mm , ao nvel de 88% de confiana.
06) Uma amostra composta dos seguintes elementos:
7 - 7 8 9 9 9 10 11 11 11 12 13 13 14 15 15.
Pede-se construir o intervalo de confiana para:
a) a mdia ao nvel de confiana de 99 % ;
b) a proporo real de valores inferiores a 9 , ao nvel de confiana de 80%.
mahaluca@gmail.com
70
07) Numa pesquisa de opinio pblica, entre 600 pessoas, 240 responderam que sim a certa
pergunta. Determinar o intervalo de confiana para a percentagem populacional que deve
responder sim, ao nvel de confiana de 95%.
08) Uma amostra de 300 habitantes de uma cidade mostrou que 180 desejavam a fluorao da
gua. Encontrar limites de confiana para a proporo real de habitantes no favorveis
fluorao, para:
a) nvel de confiana de 90% ;
b) nvel de confiana de 95%.
09) Numa cidade, entre 1000 residncias, 288 assinam TV cabo. Determinar o intervalo de
confiana para a proporo de assinantes de TV cabo, nesta cidade, ao nvel de confiana
de 98%.
10) Dada a distribuio a seguir, pede-se para construir o intervalo de confiana para a mdia
ao nvel de 95%
Classes
2,2 6,2
Fi
6,2 10,2 10,2 14,2 14,2 18,2

4
11) Com uma amostra de 25 elementos de uma populao obtivemos: mdia 8; desvio padro
1,58 e f =60%. Determinar os intervalos de confiana para :
a) a mdia , com = 10% ;
b) a proporo , com = 4% .
EXERCCIOS: TESTE DE HIPTESE
mahaluca@gmail.com
71
01) Uma amostra de 10 elementos apresentou x = 230. Sabe-se que a varincia da populao
igual a 160. Testar a hiptese de = 218, contra a alternativa 218, ao nvel de
significncia de 10%.
02) Uma indstria produz lmpadas que seguem uma distribuio N (800, 1600) horas. Testar a
hiptese de que = 800, contra a alternativa 800, se uma amostra aleatria de 30
lmpadas teve um tempo mdio de vida de 788 horas e adoptando nvel de 5%.
03) Numa amostra de 20 elementos de uma populao normal obteve-se mdia 42 e desvio
padro 5. Ao nvel de significncia de 5%, testar a hiptese de que a mdia populacional
50, contra a alternativa de ser diferente de 50.
04) Os pesos de certo produto so:
20,21 20,05 20,09 19,90 19,83 20,01 19,90 19,87 kg.
Testar a hiptese de = 20,00, contra 20,00, ao nvel de 5% de significncia.
05) Dada a amostra:
Classes
0 5
5 10
10 15 15 20 20 25
Fi
Testar as hipteses, para o nvel de significncia de 1% (testes bilaterais)

a) = 12
c) = 14
b) = 13
d) = 16
06) Numa amostra de 20 elementos de uma populao normal obteve-se varincia de 25 e

mdia 15. Ao nvel de 10%, testar: = 16, contra 16.
07) Em 60 lances de uma moeda observaram-se 37 caras. Testar a hiptese da moeda ser
honesta, aos nveis de 5% e 1%.
08) As condies de mortalidade de uma certa regio so tais que a proporo de nascidos que
sobrevivem at 60 anos de 60%. Testar essa hiptese, ao nvel de 5% , sabendo-se que ,
em 1000 nascimentos amostrados, verificaram-se 530 sobreviventes at 60 anos.
mahaluca@gmail.com
72
09) Medidos os dimetros (em mm) de 32 peas de uma produo, resultou a distribuio
abaixo:
Valores 56,5
56,6
56,7
56,8
56,9
57,0
57,1
57,2
57,3
Fi
10
Pergunta-se se H evidncia que :

a) O dimetro mdio no seja 57,0, ao nvel de 1%.
b) A proporo de peas com dimetro inferior a 56,9 seja maior que 30%, ao nvel de 8%.
10) Uma amostra com 25 elementos, provinda de uma populao normal, apresentou mdia
amostral 81. Uma outra com 36 elementos apresentou mdia 76. Sendo os desvios padres
populacionais de 5,2 e 3,4 respectivamente, testar a hiptese das mdias das duas populaes
serem iguais, contra a hiptese alternativa de serem diferentes, ao nvel de 6%.
11) Dois tipos de solues qumicas A e B foram ensaiados para determinar os pH. Observandose nA = 6, obteve-se mdia 7,52 e com nB = 5 obteve-se mdia 7,49. Sendo os desvios padres
populacionais de 0,024 e 0,032, respectivamente, testar a hiptese das mdias serem iguais,
contra a alternativa de serem diferentes, ao nvel de significncia de 5%.
12) Num levantamento de opinio pblica para previso de uma eleio, foram ouvidos 500
eleitores escolhidos ao acaso; 236 declararam que iriam votar no candidato A e os demais no
candidato B. Verificar se, com base nesta previso, podemos concluir que o candidato B j
venceu a eleio, ao nvel de significncia de 1%.
13) Testar se h diferena significativa entre as mdias populacionais com base nas duas
amostras, para um nvel de significncia de 5% e 1%.
a) (supor que as varincias populacionais so iguais )
AMOS.1
Classes
Fi
0 4 1
4 8 4
AMOS. 2
Classes
0 5
5 10
b)
Fi
2
5
Amostr.1
Xi
15
25
Fi
7
4
Amostr.2
Xi
10
30
Fi
5
5
mahaluca@gmail.com
73
8 12 3
10 15
14) Numa amostra de 250 elementos verificaram-se 24 sucessos e noutra de 100 elementos
verificaram-se 15 sucessos. Podemos supor idnticas as probabilidades de sucesso nas duas
populaes, ao nvel de 5%?
15) Numa pesquisa com os telespectadores de uma cidade, 60 de 200 homens desaprovam
certo programa, acontecendo o mesmo com 75 de 300 mulheres. Ao nvel de significncia de
10%, h diferena real entre as opinies de homens e mulheres?
16) Dados: n1 = 25, x1 = 8, s1 = 1,58, f1 = 60% para uma certa populao, e para outra
populao: n2 = 31, x2 = 7, s2 = 1,24, f2 = 35%. Testar:
a) H0: 1 = 7,5
H1 : 1 7,5
5%
b) H0 : p1 = 55%
H1 : p1 55%
= 4%
c) H0 : 1 = 2
H1 : 1 2
= 5%
d) H0 : p1 = p2
H1 : p1 p2
= 7%
EXERCCIOS: DIMENSIONAMENTO DE AMOSTRA

01) Determinar o nmero mnimo de elementos de uma amostra, se desejamos estimar a mdia
populacional, com 95% de confiana, e erro amostral de 0,4, sendo que de uma amostra piloto
com 70 elementos obtivemos varincia de 36.
mahaluca@gmail.com
74
02) Suponhamos que se pretenda estimar a renda mdia por famlia numa grande cidade. Com
base em informaes passadas, admite-se que o desvio padro das rendas das famlias de
200,00mt. Qual deve ser o tamanho da amostra, a fim de que o erro de estimativa da renda
mdia seja no mximo de 10,00mt, com probabilidade igual a 96%?
03) Para se estimar a proporo de pessoas interessadas em gua fluorada, qual o tamanho da
amostra, para se estar confiante em 95% de que o erro seja de no mximo 1% ?
04) Um fabricante de peas acredita que aproximadamente 5% de seus produtos so
defeituosos. Se ele deseja estimar a verdadeira percentagem, dentro de 0,5% de erro, com uma
probabilidade de estar certo de 90%, qual o tamanho da amostra a ser tomada?
Capitulo 4: ANLISE DE REGRESO LINEAR E CORRELAO

LINEAR
mahaluca@gmail.com
75
INTRODUO
Muitas vezes, na prtica, necessitamos estudar o relacionamento de duas variveis, colectadas
como pares de valores, para resolver questes, como por exemplo:
O sucesso de um emprego pode ser predito com base no resultado de testes:
Quanto maior for a produo, maior ser o custo total.
Quanto maior for a idade de um imvel, menor ser seu preo de venda.
Problemas como esses podem ser estudados atravs uma analise de correlao simples, onde
podemos determinar a fora do relacionamento entre asa duas variveis estudadas.
As variveis estudadas sero: X, denominada de varivel independente, e Y, denominada de
varivel dependente.
Se o relacionamento entre X e Y for consistente e necessitamos fazer uma predio para o valor
de Y, conhecido um valor de X, atravs de uma frmula matemtica adequada, podemos aplicar
a chamada anlise de regresso simples.
4.1 Objectivos e hipteses da Anlise de Regresso

O objetivo principal da anlise de regresso predizer o valor da varivel dependente Y
dado que seja conhecido o valor da varivel independente X.
A equao de regresso a frmula algbrica pela qual se determina Y.
A Anlise de Regresso Simples diz respeito predio de Y por uma nica varivel X.
A Anlise de Regresso Mltipla diz respeito predio de Y por mais de uma varivel X
(x1, x2,....).
As hipteses gerais so:
1. Y uma varivel aleatria obtida de uma amostra;
2. Y e X esto associadas linearmente;
3. homocedasticidade as varincias das distribuies condicionais de Y dado X so todas
iguais.
Se em conjunto com a anlise de regresso, utiliza-se a estimao por intervalo, necessria
a hiptese de que as distribuies condicionais de Y dado X so todas distribudas
normalmente para os valores da populao.
mahaluca@gmail.com
76
4.2 Diagrama de disperso

um grfico no qual cada ponto representa um par de valores (x;y). Os valores de X so
colocados no eixo horizontal e Y no vertical.
Transformao Linear se a relao ente X e Y for curvilnea, usa-se logaritmos para
transforma-la em linear e aplicar a Anlise de Regresso Linear. Para voltar escala
original usa-se o antilogartmo.Se o diagrama indica uma relao linear, ento ajusta-se aos
dados uma linha que seja a melhor funo ajustante.
A localizao precisa desta linha determinada pelo Mtodo dos Mnimos Quadrados
(MMQ).
Exemplos de diagramas de disperso:
4.3 Mtodo dos Mnimos Quadrados (MMQ)

A frmula geral na populao
mahaluca@gmail.com
77
Y x u
onde
coeficiente linear ou intercepto-Y;

coeficiente angular;
u = variaes aleatrias.
A frmula geral na amostra
a bx
Y
onde a= estimador do coeficiente linear;
b= estimador do coeficiente angular;
Pelo MMQ, a reta resultante tem duas caractersticas importantes:
1. A soma dos desvios verticais dos pontos em relao a reta zero.
2. A soma dos quadrados desses desvios mnima.
As frmulas de clculo para a e b so:
sxy
sxx
a y b.x
b
sxy xy
x. y
n
x
sxx x
n
y
syy y
n
mahaluca@gmail.com
78
A estimao de Y deve ser feita apenas dentro do intervalo de variao de X originalmente
amostrado. A equao fornece a base de uma estimativa por ponto.
4.4 Erro padro de Estimao (predio) e Intervalos de

Predio
O erro padro de estimao um desvio-padro condicional, na medida em que indica
o desvio-padro da varivel Y dado um valor especfico de X.
O erro padro de estimao
( y Y )
n2
Divide-se por n-2 pois perde-se dois graus de liberdade com as estimativas de
Frmula alternativa
a y b x. y
n2
Para construir um intervalo de predio para Y dado X, usa-se
e duas hipteses
bsicas:
1. a disperso de y a mesma em todos os pontos da recta;
2. a cada ponto, os valores de y so normalmente distribudos em relao recta de
regresso.
4.5 Intervalos de Predio para a varivel dependente y

^
[Y tn2; / 2 . u ]
4.6 Intervalo de Predio para a declividade
O erro-padro de b
mahaluca@gmail.com
79
x2 n X
O parmetro pode ser estimado atravs do intervalo de predio
b t
n 2 ; / 2
Se o valor zero estiver no intervalo, no h declividade.
4.7 Teste de Hiptese para
H0: = 0
H1: 0 ou > 0 ou < 0
tc
b 0
~ t n 2 gl
b
4.8 CORRELAO LINEAR DE PEARSON

4.8.1 Objectivos e Hipteses
A anlise de correlao mede o grau de relacionamento entre as variveis. Estudaremos a
Anlise de Correlao Simples, a qual diz respeito medida entre X e Y.
Hipteses:
a. a relao entre X e Y linear;
b. ambas so variveis aleatrias;
c. homocedasticidade;
d. as distribuies condicionais de Y dado X tm distribuio Normal;
e. as duas distribuies, de X e de Y, tm distribuio Normal na populao.
mahaluca@gmail.com
80
4.8.2 O coeficiente de Determinao

2 - Coeficiente de determinao na populao
r2 - coeficiente de determinao na amostra
O coeficiente de determinao para a amostra :
a y b xy n( y )
Amostra: r
y n( y )
Tem uma leve tendenciosidade positiva.

Interpretao: a proporo da varincia de Y explicada pelo conhecimento da variao de X (
e vice-versa).
4.8.3 O coeficiente de correlao

Muito embora o coeficiente de determinao seja relativamente fcil de interpretar, ele no
pode ser testado estatisticamente. Contudo, a raiz quadrada do coeficiente de determinao,
que o coeficiente de correlao (r), pode ser testada estatisticamente, pois est includa em
uma estatstica de teste que distribuda segundo uma distribuio t, quando a correlao
populacional =0.
Alm disso, o sinal aritmtico associado com o coeficiente de correlao, que sempre o mesmo
sinal associado com na equao de regresso, indica a direo da relao X e Y
(positivo=direta; negativo=inversa). Por tais razes o coeficiente de correlao mais
freqentemente usado como medida de relao entre as variveis.
O coeficiente de correlao para dados populacionais :
Populao:
O coeficiente de correlao para dados amostrais :

Amostra:
r r
mahaluca@gmail.com
81
Pode-se elevar o coeficiente de correlao ao quadrado para se obter o coeficiente de
determinao.
Frmula Alternativa para o coeficiente de correlao amostral,
sxy
sxx . syy
que no requer o conhecimento dos coeficientes a e b da equao de regresso. O sinal do

coeficiente obtido directamente, sem necessidade de observar ou calcular a declividade da
linha de regresso.
O coeficiente amostral de correlao r tem uma leve tendenciosidade como um estimador de .
4.9 Signific
ncia do coeficiente de correlao
Hipteses:
H0 : 0
H0 : 0
H1 : 0
ou
H1 : 0
H0 : 0
ou
H1 : 0
Se a hiptese nula, ao nvel de significncia , for rejeitada podemos concluir que efetivamente
existe uma relao entre as variveis.
A estatstica de teste
tc
r n2
1 r 2
com n-2 graus de liberdade na tabela t
Exerccios Resolvidos
Exerccio 01
mahaluca@gmail.com
82
esperado que a massa muscular de uma pessoa diminua com a idade. Para estudar essa
relao, uma nutricionista seleccionou 18 mulheres, com idade entre 40 e 79 anos, e observou em
cada uma delas a idade (X) e a massa muscular (Y).
Massa muscular (Y)
Idade (X)
82.0
71.0
91.0
64.0
100.0
43.0
68.0
67.0
87.0
56.0
73.0
73.0
78.0
68.0
80.0
56.0
65.0
76.0
84.0
65.0
116.0
45.0
76.0
58.0
97.0
45.0
100.0
53.0
105.0
49.0
77.0
78.0
73.0
73.0
78.0
68.0
(a) Construa o diagrama de disperso e interprete-o.
mahaluca@gmail.com
83
120
M.muscular
110
100
90
80
70
60
40
50
60
70
80
Idade
No grfico de disperso entre a varivel massa muscular e idade, pode-se observar que h um
forte indcio de relao linear decrescente entre as variveis em estudo. Nota-se que a massa
muscular das pessoas diminui medida que a idade aumenta.
(b) Calcule o coeficiente de correlao linear entre X e Y.
Denotamos as variveis: Y = Massa Muscular e X = Idade n=18
18
X i2 70362
Y 85
X 61,556
i 1
18
S XX X i2 18 X
i 1
18
S YY Yi 2 18 Y
i 1
i 1
18
Y X
i 1
91964
133300 18(85) 2 3250
( X i X )(Yi Y )
S XX SYY
Yi 2 133300
70362 18(61,556) 2 2157,460
18
i 1
18
18
X Y
i 1
i i
18 XY
S XX SYY
91964 18(85)(61,556)
(2157,460)(3250)
-0,837
Segundo o resultado da correlao obtida, pode-se notar que h uma forte correlao linear
entre a varivel massa muscular e idade. Nota-se que medida que a idade da pessoa
mahaluca@gmail.com
84
aumenta a massa muscular diminui, o que coerente com o grfico de disperso apresentada
anteriormente.
(c) Ajuste uma recta de regresso para a relao entre as variveis Y: massa muscular
(dependente) e X: idade (independente).
S XY 91964 18(85)(61,556)
-1,027
2157,460
S XX
0 Y 1 X 85 1,027(61,556) 148,218
A recta de regresso estimada da varivel Massa muscular (Y) em funo da Idade (X)
Y 148,218 1,027 X
(d) Considerando a recta estimada dada no item (c), estime a massa muscular mdia de mulheres
com 50 anos.
Y 50 0 1 X 148,218- 1,027(50) 96,868
Exerccio 02
Os dados a seguir correspondem varivel renda familiar e gasto com alimentao (em
unidades monetrias) para uma amostra de 25 famlias.
Renda Familiar (X)
Gasto com Alimentao (Y)
1,5
2,0
10
6,0
10
7,0
mahaluca@gmail.com
85
20
10,0
20
12,0
20
15,0
30
8,0
40
10,0
50
20,0
60
20,0
70
25,0
70
30,0
80
25,0
100
40,0
100
35,0
100
40,0
120
30,0
120
40,0
140
40,0
150
50,0
180
40,0
180
50,0
200
60,0
200
50,0
mahaluca@gmail.com
86
(a)
Construa o diagrama de disperso do varivel gasto com alimentao (Y) em funo da

renda
familiar
(X).
Gasto com Alimentao
60
50
40
30
20
10
0
0
100
200
Renda Familiar
(b)
Calcular o coeficiente de correlao entre essas variveis.
Denotamos as variveis: Y = Gasto com Alimentao e X = Renda familiar
X 83,120 Y 26,660
25
X i2 271934
i 1
25
(c)
S XY
S X SY
X Y
i i
i 1
25
Yi 2 24899,250
i 1
25
Y X
i 1
80774,500
25 XY
0,954
S X SY
Obtenha a equao de regresso do gasto com alimentao em funo da renda familiar.

25
S
1 XY
S XX
X Y
i 1
i i
25 X Y
S XX
80774,5 25(83,12)(26,66)
0,256
271934 25(83,12) 2
mahaluca@gmail.com
87
e
0 Y 1 X 26,66 0,256(83,120) 5,380

A recta de regresso estimada da varivel Gasto de alimentao (Y) em funo da Renda
familiar (X)
Y 5,380 0,256X
(d)
Qual o significado prtico do valor da inclinao da recta de regresso do item (c)?

O valor 1 =0,256 significa que estima-se que para cada aumento de uma unidade
monetria da renda familiar ocorre um acrscimo em mdia de 0,256 unidades no gasto com
alimentao.
Exerccio 03
Um pesquisador deseja verificar se um instrumento para medir a concentrao de determinada
substncia no sangue est bem calibrado. Para isto, ele tomou 15 amostras de concentraes
conhecidas (X) e determinou a respectiva concentrao atravs do instrumento (Y), obtendo:
2,0
2,0
2,0
4,0
4,0
4,0
6,0
6,0
6,0
8,0
8,0
8,0
10,0 10,0 10,0
2,1
1,8
1,9
4,5
4,2
4,0
6,2
6,0
6,5
8,2
7,8
7,7
9,6
10,0 10,1
(a) Construa o diagrama de disperso para esses dados.
mahaluca@gmail.com
88
Diagrama de Disperso
10,5
9,5
8,5
7,5
6,5
5,5
4,5
3,5
2,5
1,5
2
10
(b) Trace no grfico a recta com 45 de inclinao passando pela origem. Como essa reta pode
ser til na avaliao do instrumento?
10
0
0
10
Esta recta til, pois, quanto mais prximos os pontos estiverem nela, maior preciso do
instrumento, j que o ideal Y=X.
mahaluca@gmail.com
89
(c) Calcule o coeficiente de correlao entre as variveis X e Y.
X 6
Y 6,040
15
X i2 660
i 1
15
(X
i 1
X )(Yi Y )
S X SY
15
Yi 2 663,380
i 1
15
Y X
i 1
661,200
0,996
(d) Obtenha a reta de regresso da varivel Y em funo de X.
A reta de regresso estimada da varivel Y e X
Y 0,160 0,980X
(e) Com base nos itens anteriores tire concluses sobre a eficincia do instrumento.
Com base nos itens anteriores, nota-se que, o instrumento para medir a concentrao de
determinada substncia no sangue encontra-se bem calibrado. Observa-se que existe uma alta
correlao entre as medidas feitas pelo instrumento e a concentrao da determinada
substncia, o que pode ser confirmado nos grficos apresentados anteriormente. Alm disso, a
reta de regresso obtida bem prxima da reta Y=X, indicando grande proximidade entre as
medidas. O mtodo formal para verificar se o instrumento esta bem calibrado testar as
hipteses: (=0,05)
H 0: 1 1
H 1 : 1 1
Estatstica do teste:
1 1
2 / S XX
~
T(15 2)
SobH 0
mahaluca@gmail.com
90
R.C. (=0,05)
R.C. {T R :| T | 2,16}
Valores observados
T0bs
0,980 1
/ S XX
2
0.02
0.06984/ 120
0.828
Como T0bs R.C. , ento aceita-se Ho. Ou seja, o instrumento esta bem calibrado.
mahaluca@gmail.com
91
Exerccios de Correlao e Regresso Linear

1- Abaixo voc encontra uma lista de situaes de pesquisa. Para cada uma delas indique se o
apropriado proceder uma anlise de regresso ou uma de correlao. Justifique sua indicao.
a) 0 Rendimento escolar na Universidade favorece o xito profissional?
b) 0 Tempo de treinamento influi no desempenho profissional?
c) O objectivo e estimar o tempo necessrio a consecuo de certa tarefa usando, para tanto, o
tempo de treinamento do executor.
d) 0 Objectivo e utilizar o preo da carne de gado para estimar a quantidade de procura desse
bem.
e) A quantidade procurada de carne de gado depende do preo da carne de porco?
2- Uma cadeia de supermercados financiou um estudo dos gastos realizados por famlia de
quatro pessoas com renda mensal lquida entre oito e vinte salrios mnimos. A pesquisa levou a
equao de regresso Y = -1,2 + 0,4 X, onde Y representa a despesa mensal estimada
(atravs do modelo) e X a renda mensal lquida expressa em nmero de salrios mnimos.
a) Estime a despesa mensal de uma famlia com renda lquida mensal de 15 salrios mnimos.
b) A equao parece sugerir que uma famlia com renda mensal de 3 salrios mnimos nada
gasta com mercadorias. O que voc tem a dizer sobre isso?
c) A equao em questo serve para estimar a despesa mensal de uma famlia de 5 pessoas
com renda lquida de 12 salrios mnimos? Justifique.
3- Uma amostra de fbricas de uma indstria levou a:
Custo total Y
Produo X
80
12
44
51
70
11
61
a) Determine a equao de regresso linear.

b) Quais os significados econmicos de "a" e "b"?
c) Encontre o coeficiente de determinao (ou de explicao).
d) Teste a existncia da regresso a um nvel de significncia de 5%.
mahaluca@gmail.com
92
e) Determine um Intervalo de Predio (90%) para a mdia de Y dado X=10.
4- Pretendendo estudar a relao entre o tempo necessrio a um consumidor para optar e o
nmero de produtos substitutos alternativos expostos a ele, foi observada uma amostra aleatria
de 15 consumidores, da qual resultaram os seguintes dados:
Y
10
10
11
10
12
A varivel Y refere-se ao tempo necessrio para a tomada de deciso e X o nmero de

alternativas.
a) Estime o coeficiente de correlao linear de Pearson.
b) Determine a equao de regresso para a amostra dada.
c)Interprete os valores dos coeficientes encontrados para a recta.
d)Estime e interprete o coeficiente de determinao entre X e Y.
5- Para cada caso abaixo, estime a correspondente recta de regresso:
a) n 20, X 200, Y 300, XY 6200, X
b) n 36, X 7,2, Y 37, XY 3100, X
3600.
620.
mahaluca@gmail.com
93
6- Uma populao composta por N=6 pontos (X;Y). So eles:
(1;2) (5;6) (2;4) (2;3) (3;5) (5;10)
a) Determine a recta de regresso populacional;
b) Faa um diagrama de disperso, localize a recta do item anterior e os segmentos que
representam os 6 valores de u. Verifique que a soma de u igual a zero.
7- Uma amostra de residncias seleccionadas aleatoriamente foi observada quanto idade do
imvel X e quanto ao preo de venda. Resultou:
X Y
1 10
2 30
3 40
4 50
5 65
6 70
a) Estime a recta de regresso populacional;
b) Teste, usando o coeficiente angular, se o preo de venda do imvel diminui medida que a
idade cresce. Use 5%.
c) Obtenha e interprete o intervalo de projeco de 95% para o preo de uma casa com 3
anos;
d) Obtenha e interprete o intervalo de projeco de 95% para o preo mdio de uma casa
com 3 anos;
e) Estime os coeficientes de correlao e determinao entre X e Y;
f) necessrio testar a significncia do coeficiente de correlao? Explique.
8- Abaixo, voc encontra 3 afirmaes. Indique, justificando, se so verdadeiras ou falsas:
a) Se entre X e Y o coeficiente de correlao 1, apenas uma dessas variveis exerce
influncia sobre a outra. Isso j no verdade quando o coeficiente de correlao 1.
b) Se o coeficiente angular da recta de regresso nulo, o coeficiente de correlao entre as
mesmas variveis tambm o .
mahaluca@gmail.com
94
c) Se o coeficiente angular da recta de regresso positivo, necessariamente o coeficiente de
correlao entre as mesmas variveis tambm o .
9- Para cada um dos casos abaixo teste, a 5%, a significncia do coeficiente angular da recta
de regresso:
a) b=4; b 1; n=12;
b) b=-0,15 b 0,1; n=20;
c) b=0,6 b 0,2; n=50.
10- Para estudar a poluio de um rio, um cientista mediu a concentrao de um determinado
composto orgnico (Y) e a precipitao pluviomtrica na semana anterior (X):
X
0,91 0,10
1,33 1,10
4,19 3,40
2,68 2,10
1,86 2,60
1,17 1,00
a)Existe alguma relao entre o nvel de poluio e a precipitao pluviomtrica?
Informa-se que r= 0,89. Teste sua significncia, ao nvel de 5%. ,
b) Determine a equao de regresso linear. Teste a existncia da regresso, ao nvel de 1 % e
5%.
c)Calcule o coeficiente de correlao linear de Pearson e teste a sua significncia ao nvel de 1
%.
11- Procurando quantificar os efeitos da escassez de sono sobre a capacidade de resoluo
de problemas simples, um agente tomou ao acaso 10 sujeitos e os submeteu a experimentao.
Deixou-os sem dormir por diferentes nmeros de horas, aps o que solicitou que os mesmos
resolvessem os itens "contas de adicionar" de um teste. Obteve, assim, os seguintes dados:
mahaluca@gmail.com
95
No de erros - Y
Horas sem dormir - X
12
10
12
16
14
16
14
20
12
20
16
24
12
24
a)Calcule o coeficiente de correlao linear de Pearson e teste a sua significncia ao nvel de

1%.
b) Determine a equao de regresso linear. Teste a existncia da regresso, ao nvel de 1 % e
5%.
12-A tabela abaixo mostra o comprimento ( X ) e largura ( Y ) de 10 folhas extradas de uma
arvore aleatoriamente.
a)Verifique se existe correlao significativa entre as variveis com um nvel de significncia de
5%.
b) Determine a equao de regresso linear. Teste a existncia da regresso, ao nvel de 1% e
5%.
comprimento
largura
12
10
15
14
11
16
13
13
10
12
12
10
17
13
15
14
mahaluca@gmail.com
96
13- A tabela abaixo mostra a frequncia do pulso mdio em diferentes perodos etrios:
Idade Pulso
2
112
104
100
92
10
88
12
86
14
84
16
80
a) Determine a equao de regresso linear. Teste a existncia da regresso, ao nvel de 1 % e

5%.
14- A tabela abaixo mostra o volume de vendas (em 1.000 unidades) e os gastos promocionais
(em 100.000 mt ).
Vendas
Promoo
80
90
95
95
100
110
115
10
110
10
120
12
130
15
a) Represente graficamente estes pontos.

b) Calcule o coeficiente de correlao linear de Pearson.
c) Ajuste os dados atravs de uma recta de mnimos quadrados. (modelo linear)
d) Determine o coeficiente de explicao para a recta.
mahaluca@gmail.com
97
e) Teste a existncia da regresso ao um nvel de significncia de 5%.
15- H suspeitas de que a qualidade do remdio depende do tempo de maturao despendido
em sua produo. Para verificar isso, um laboratrio farmacutico colectou os seguintes dados:
Tempo-X
Qualidade - Y
23
31
40
46
52
63
a) Represente graficamente estes pontos.

b) Calcule o coeficiente de correlao linear de Pearson.
c) Ajuste os dados atravs de uma recta de mnimos quadrados. (modelo linear)
d) Determine o coeficiente de explicao para a recta.
e) Teste a existncia da regresso ao um nvel de significncia de 5%.
16- Em certa populao, o coeficiente de correlao entre X e Y 0,80.
a) O que isto significa?
b) Que percentual da varincia de Y no explicada pelas variaes de X?
17- A tabela seguinte mostra os resultados de uma pesquisa com 10 famlias de determinada
regio.
Famlias
Renda
Poupana
Nmero de
Mdia de Anos de
(10000 mt)
(1000 mt)
Filhos
Estudo da Famlia
10
15
12
70
20
12
mahaluca@gmail.com
98
E
80
20
16
100
30
18
20
30
10
60
15
Calcule o coeficiente de correlao linear de Pearson entre:

a) Renda familiar e poupana das dez famlias;
b) Renda e numero de filhos para as dez famlias;
c) Poupana e nmero de filhos;
d) Mdia de anos de estudo e nmero de filhos;
e)Renda familiar e media de anos de estudo.
18- Um grupo de pesquisa estabeleceu uma escala de quocientes de violncia para programas
de televiso. Classificou cada um dos 6 programas e colectou dados sobre o percentual de
pessoas que assistem cada programa. Verifique se existe correlao significativa entre as
variveis com um nvel de significncia de 5%.
Programa
Quociente de violncia (X)
% que assistem (Y)
10
15
30
20
40
24
50
30
65
35
70
35
19- Os dados abaixo representam o Consumo (Y) e Renda disponvel (X) num perodo de 14
anos. As variveis so expressas em milhes de meticais.
X 3915,5
Y 3273,4
1150349,73
2
Y 800330,16
XY 959198,36
a) Determine as estimativas de a e b dos parmetros da recta estimada;

b) Qual o significado econmico dessas estimativas?
mahaluca@gmail.com
99
c) Qual o consumo esperado para uma renda de 400 milhes de meticais?
d) Calcule o poder explicativo da regresso e interprete-o.
20-Uma empresa est estudando como varia a demanda de certo produto em funo de seu
preo de venda. Para isso levantou as seguintes informaes:
Meses Unidades Vendidas Preo/unidade
(Y)
(X)
248
162
242
167
234
165
216
173
230
170
220
176
213
178
205
180
198
182
195
187
197
190
260
200
a) Ajuste os dados atravs de um modelo linear;

b) Qual o significado econmico das estimativas de a e b dos parmetros da recta
estimada?
c) Teste a existncia da regresso a um nvel de 1%;
d) Determine um intervalo de 95% de confiana para a mdia de y dado x=185.
mahaluca@gmail.com
100
Capitulo 5: NMEROS NDICES

5.1. Situaes
Diariamente ouvimos frases como estas:
A inflao do ms de Janeiro de 2005 foi de 0,69%.
A inflao acumulada de 2004 foi de 8,19%.
O rendimento da caderneta de poupana com database 28/01/05 foi de 0,65%.
A indstria automobilstica trabalha com a taxa de 3,72% nos financiamentos dos
carros.
Um jornal, por ocasio de um pleito eleitoral publicou uma tabela com os seguintes resultados da
apuraro na regio:
Cidades
Candidato 1
Candidato 2
Votos brancos
Votos nulos
Total
46.856
41.856
1.468
14.643
108.324
23.587
28.678
1.125
8.410
61.800
10.368
8.965
687
2.564
22.584
21.814
12.128
849
4.887
39.678
1.856
2.569
126
1.356
5.907
5.287
5.679
352
28
11.346
10.876
5.987
238
87
17.188
Cidade
Votos Nulos (%)
A
B
C
D
E
F
G
mahaluca@gmail.com
101
5.2 Definio
Um nmero-ndice uma medida estatstica que serve para comparar grupos de variveis
relacionadas entre si e obter um quadro simples e resumido das mudanas em reas
relacionadas como preos de matrias-primas, preos de produtos acabados, volume fsico de
produo, etc.
5.4 Nmeros-ndices
Consideremos a tabela abaixo, relativa s matrculas efectivadas em certo estabelecimento de
ensino durante o perodo de 1999 a 2004:
TABELA
ANOS
1999
2000
2001
2002
2003
2004
MATRCULA
1050
1150
1200
1400
1560
1700
NMERO-NDICE
100
109,5
O primeiro valor posicionado no numerador chamado valor corrente; o segundo, no

denominador, designado valor base. Essa definio, indicando-se o nmero-ndice entre b
(valor - base) e c (valor considerado) por Ib, c, resumida na seguinte expresso:
I b, c
c
.100
b
Ib, c = (valor da varivel na data considerada / valor da varivel na data-base) x100
Exemplo: Qual o ndice de crescimento do salrio de um funcionrio de uma empresa publica,

sabendo-se que ele ganhava em 1999 740,00mt e em 2003 passou a ganhar 1.240,00mt?
mahaluca@gmail.com
102
5.5 Conceito de Relativo

Frequentemente, tem-se trs variveis a ser analisada: preo, quantidade e valor.
5.5.1 Relativo de Preo

a razo entre o preo de um produto numa poca pt (poca atual) com o de uma poca po
(poca base).
p0 ------- 100
pt ------- p(0, t)
p ( 0, t )
pt
.100
p0
Exemplo: O preo do ventilador em 2002 era de 450,00mt e em 2003 foi para R$ 600,00mt.
Tomando por base o ano de 2002, determinar o preo relativo em 2003.
5.2. Relativo de Quantidade

Representa a variao da quantidade na poca t com relao a uma poca 0 (base).
q(o, t )
qt
.100
qo
Exemplo:
Uma empresa produziu 12 toneladas de ao em 1995 e 17 toneladas em 1996. Tomando como
ano base 1995, a quantidade relativa ser:
5.3. Relativo de Valor

Considere pt e qt respectivamente o preo e a quantidade de um produto na poca atual(t) e p0
e q0, o preo e a quantidade do mesmo produto na poca base (0), definimos o valor relativo
como:
mahaluca@gmail.com
103
v( o, t )
v t p1q1
.100
vo po q o
Exemplo: Uma empresa vendeu em 1995, 10000 unidades de um artigo ao preo unitrio de
100,00mt. Em 1996 vendeu 20000 unidades do mesmo artigo ao preo unitrio de 120,00mt.
Qual foi o valor relativo da venda em 1996?
5.6. Elos de Relativos ndice de Base Mvel

Vrios relativos formam elos, quando cada um deles calculado tomando como base o ano
anterior.
Exemplo: Se um bem apresentou, no perodo de 2001 a 2004, respectivamente os preos de
240.00mt, 300.00mt, 360.00mt e 540.00mt, os elos relativos so:
p(0, t )
pt
p
300
.100 2002 .100
.100 125
p0
p 2001
240
p( 2002,2003)
p( 2003, 2004)
5.7. Relativos em Cadeia - ndice de base fixa

Utilizando como exemplo os dados do item anterior e considerando 2001 como ano
base, otm-se:
p(0, t )
pt
p
300
.100 2002 .100
.100 125
p0
p 2001
240
p( 2001, 2003)
mahaluca@gmail.com
104
p( 2001, 2004)
Exemplo: No exemplo anterior, considerar 2001 como ano base, determinar os relativos em
cadeia, em porcentagem.
Anos
2001
2002
2003
2004
Relativos
100
125
150
225
O grfico abaixo mostra a evoluo do preo do bem em questo:
Relativos em cadeia: 2001-2004

250
ndice (%)
200
150
100
50
0
2001
2002
2003
2004
Ano
5.8. ndice Agregativo Simples

o quociente entre a soma dos preos (ou quantidades) de n bens na poca actual e a soma dos
preos (ou quantidades) desses mesmos bens na poca base.
I p 0 ,t
pt
i 1
n i
p0
i 1
.100
=> ndice agregativo simples de preo
mahaluca@gmail.com
105
Iq
0 ,t
I v 0 ,t
qt
i 1
n i
q0
i 1
.100
=> ndice agregativo simples de quantidade
i i
ptqt
i 1
n i i
p 0q 0
i 1
.100
=> ndice agregativo simples de valor.
Exemplo: Uma famlia efectuou duas compras num supermercado em duas pocas diferentes. Os
preos e as quantidades dos produtos adquiridos encontram-se na tabela abaixo:
2003
2003
2004
2004
Produtos
Preo
Quantidade
Preo
Quantidade
1 - carne ( kg )
4,60
0,50
5,20
0,60
2 - leite ( l )
0,80
10
0,90
14
3 - ovos (dz )
1,20
1,40
Total
6,60
12,5
7,50
18,60
Construir o ndice agregativo simples de preo, de quantidade e de valor para 2004 com base
em 2003.
5.9. ndice Agregativo Ponderado

No clculo do ndice simples, todos os itens do agregado so colocados em um mesmo nvel.
Sabe-se, porm, que na prtica isso no acontece, h bens de importncia muito maior que
outro, razo pela qual deve-se considerar os coeficientes de ponderao, atribuindo, a cada
item, a importncia que lhe cabe.
mahaluca@gmail.com
106
5.9.1. ndice de Laspeyres ou Mtodo da poca-Base

O peso relativo ou fator de ponderao relativa para um dado bem i, dado por:
w
i
0
p i0 .q i0
n
p i0 .q i0
i 1
O numerador da expresso representa o valor gasto com um dado item i, e o denominador a

soma dos valores de todos os bens adquiridos na poca base.
5.9.1.1. ndice de Laspeyres de Preo

O ndice de Laspeyres de preo definido pela seguinte expresso:
Lp 0, t
pt qo
poq o
.100
Exemplo: Considerando a tabela, calcule o ndice ponderado para preos, empregando a

frmula de Laspeyres e tomando 2002 = 100.
2002
2003
p
20
28
40
56
15
30
12
Bens
mahaluca@gmail.com
107
5.9.1.2. ndice de Laspeyres de Quantidade

O ndice de Laspeyres de Quantidade definido pela seguinte expresso
L'0, t
q t po
q o po
.100
5.9.2. ndice de Paasche ou Mtodo da poca Atual

O ndice agregativo proposto por Paasche representado por:
w
i
t
p it .q it
n
p it .q it
i 1
5.9.2.1. ndice de Paasche de Preo:
P0, t
ptq t
poq t
.100
Exemplo: Considerando a tabela, calcule o ndice ponderado para preos, empregando a

frmula de Paasche e tomando 2002 = 100.
2002
2003
20
28
40
56
15
30
12
Bens
mahaluca@gmail.com
108
5.9.2.2. ndice de Paasche de Quantidade
P'0, t
qt pt
qopt
.100
5.9.3. ndice de Fisher

Tambm conhecido como forma ideal. a mdia geomtrica dos nmeros ndices de Laspeyres e
de Paasche.
5.9.3.1. ndice de Fisher de Preo

I 0, t L 0, t .P0, t
Exemplo: Nos dois exemplos anteriores, tem-se que o ndice de Laspeyres de Preo = 1,625 e
o ndice de Paasche de Preo = 1,700, calcule o ndice de Fisher de Preo.
5.9.3.2. ndice de Fisher de Quantidade
I'0, t L'0, t .P'0, t
Exerccio: Voc proprietrio de uma padaria, e deseja comparar vendas e preos de 2008
com as vendas e preos de 2007. Os produtos escolhidos, preos e quantidades vendidas esto
apresentados na tabela abaixo.
mahaluca@gmail.com
109
Produto
Unidade
Pretzels
2007
2008
Preo
Qtde.
Preo
Qtde.
kg
5,60
0,700
5,90
0,840
Cuca
kg
6,80
1,000
8,10
0,800
Po integral
kg
9,10
0,320
9,90
0,450
Croissant
kg
15,20
0,300
16,30
0,350
a) Em qual destes produtos o ndice de Laspeyres tem o maior aumento?

b) Calcule os ndices de preo de Laspeyres, Paasche e Fisher.
5.10. Deflao de uma srie temporal

As variaes de preo, causadas por inflao ou deflao, podem obscurecer as variaes de
quantidade
Valor deflacionado = (valor original/ndice) x 100
Ano
Valores (US$)
IPC
1983
207132
100
1984
218937
103,9
1985
228689
107,6
1986
237246
109,6
1987
247093,3
113,6
1988
259915,6
118,3
1989
278894,7
124
1990
303903,3
130,7
1991
317292,4
136,2
1992
319253,2
140,3
1993
325125,4
144,5
1994
341287,2
148,2
1995
354122,3
152,4
1996
369334,2
156,9
Srie deflacionada
mahaluca@gmail.com
110
ANEXOS
mahaluca@gmail.com
111
DISTRIBUIO DE STUDENT
mahaluca@gmail.com
DISTRIBUIO DE FISHER-SNEDECOR PARA = 5%
mahaluca@gmail.com
VALORES DE z PARA O NVEL DE SIGNIFICNCIA COM = 5% - TESTE DE DUNCAN
mahaluca@gmail.com
DISTRIBUIO DE 2
mahaluca@gmail.com

Livro Estatistica II

Enviado por

Direitos autorais:

Formatos disponíveis

Livro Estatistica II

Enviado por

Dados do documento

Descrição original:

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Livro Estatistica II

Enviado por

Direitos autorais:

Formatos disponíveis

Inferncia Estatstica

Capitulo1: TEORIA DE AMOSTRAGEM

1.1 Alguns Conceitos Importantes na Teoria de Amostragem

1.1.2 Amostra um sub-conjunto do universo ou populao. A obteno de informao

Autor: Filipe Mahaluca

1.1.3 Tipos de variveis:

Amostragem Aleatria Simples

Amostragem por Conglomerados

Amostragem por Estgios Mltiplos

Fontes de Erro em levantamentos por Amostragem

Autor: Filipe Mahaluca

Amostragem Aleatria Simples

No caso da amostragem estratificada no-proporcional, a extenso da amostra dos vrios

Amostragem por Conglomerados

Amostragem Por Cotas

Amostragem por Estgios Mltiplos

Autor: Filipe Mahaluca

mais tarde no curso.

2.1 Estimao Pontual

ou seja a mdia amostral.

2.2 Propriedades dos estimadores

Autor: Filipe Mahaluca

2.3. Amostragem Aleatria Simples

Autor: Filipe Mahaluca

Neste exemplo, podemos notar que:

A ordem das letras no tem importncia;

2.3.1 Amostragem aleatria simples

2.3.2. Definies Bsicas e Notaes

Exemplos sobre caractersticas:

Todas as pessoas moradoras

Percentagem de rendimento gasto em comida;

Distribuio do rendimento total entre as famlias

Portanto, caracterstica da populao no tem que ser obrigatoriamente numrica. Caracterstica

1. A mdia = Y , por exemplo, o nmero mdio de crianas por escola;

Autor: Filipe Mahaluca

factor de inflao. O seu inverso

populao, chamado de fraco de amostragem e representado por f.

2.3.3 Propriedades dos Estimadores Para Amostragem

Autor: Filipe Mahaluca

n!( N n)! ( y1 y 2 ... y n )

Autor: Filipe Mahaluca

2.3.4 As Varincias dos Estimadores

Agora vamos considerar a varincia de y a mdia amotral, considerada para todas as

Corolrio 3.2: O erro padro para y

Corolrio 3.3: A varincia de Y N y , como estimador do total da populao Y, na

Corolrio 3.4: O Erro padro para a estimativa do o total da populao Y igual a:

2.3.5 O Factor de Correco da Populao Finita

Autor: Filipe Mahaluca

Quando a populao finita, introduz-se o factor

2.3.6 Clculo do Erro Padro a Partir da Amostra

um estimador no viciado para

E[S 2 ] 2 . A nica diferena que na demonstrao entra o factor de correco.

Corolrio 3.5: Os estimadores no viciados das varincias da mdia amostral

Nota: Esses estimadores so ligeiramente enviesados (viciados). Para muitas aplicaes o

2.3.7 Intervalos de Confiana

O smbolo t o valor do desvio da mdia na distribuio Normal e depende do intervalo de

Autor: Filipe Mahaluca

Com base nesse dados estimar:

Estimao de um ndice (duma Razo)