Primeira atividade avaliativa

Estatı́stica III
Data: 02/maio/23.

aas
Questão 1 [1.0]. (Distribuições amostrais para uma única população normal) Seja x1 , . . . , xn ∼ N(µ, σ 2 ). In-
forme as distribuições das seguintes variáveis:

1. x̄ = 1n ∑ni=1 xi .
√
2. z = n(x̄ − µ)/σ .
1
3. q = (n − 1)s2 /σ 2 onde s2 = n−1 ∑ni=1 (xi − x̄)2 .
√ √
4. t = n(x̄ − µ)/s onde s = s2 .

5. s2 .

6. Discuta aplicações de algumas dessas estatı́sticas (e suas respectivas distribuições amostrais) na teoria de
testes de hipóteses para uma única população normal.

aas
Questão 2 [1.0]. (Distribuições amostrais para duas populações normais independentes) Sejam x1 , . . . , xn ∼
aas
N(µ1 , σ12 ) e y1 , . . . , ym ∼ N(µ2 , σ22 ) amostras independentes. Informe as distribuições das seguintes variáveis:

1. x̄.

2. ȳ.
1 n
3. (n − 1)s21 /σ12 onde s21 = 2
n−1 ∑i=1 (xi − x̄) .
1 m
4. (m − 1)s22 /σ22 onde s22 = 2
m−1 ∑ j=1 (y j − ȳ) .

5. x̄ − ȳ.
q
σ2 σ2
6. z = [(x̄ − ȳ) − (µ1 − µ2 )]/ n1 + m2 .

(n−1)s2 +(m−1)s2
7. q = (n + m − 2)s2p /σ 2 , onde s2p = 1
n+m−2
2
e σ 2 = σ12 = σ22 (variâncias iguais).
q
8. t = [(x̄ − ȳ) − (µ1 − µ2 )]/ s2p 1n + m1 , assumindo que σ 2 = σ12 = σ22 (variâncias iguais).

9. f = s21 /s22 , assumindo que σ 2 = σ12 = σ22 (variâncias iguais).

10. Discuta aplicações de algumas dessas estatı́sticas (e suas respectivas distribuições amostrais) na teoria de
testes de hipóteses para comparar duas populações normais independentes.

Teorema central do limite Seja x1 , . . . , xn uma amostra aleatória simples de uma população com média comum
µ finita e variância comum σ 2 finita e seja
Sn − nµ x̄ − µ
zn = √ = √ (1)
σ n σ/ n

1
onde Sn = x1 + · · · + xn = nx̄. O teorema central do limite (TCL) afirma que a sequência de variáveis aleatórias
(zn )n≥1 convergência em distribuição para uma normal padrão quando n → ∞. Este resultado é frequentemente
denotado utilizando uma das seguintes notações:
x̄ − µ D x̄ − µ a
zn = √ → N(0, 1) ou zn = √ ∼ N(0, 1). (2)
σ/ n σ/ n

Em palavras, o TCL afirma que a distribuição de zn é bem aproximada pela distribuição normal padrão quando n
é suficientemente grande. De forma equivalente, isso significa que

Sn 1 n σ2
 
a
x̄ = = ∑ xi ∼ N µ, . (3)
n n i=1 n

Questão 3 [1.0]. (Simulação do TCL) Considere o TCL brevemente discutido acima.

1. Simule o TCL considerando que a população em questão é a distribuição Be(p), 0 < p < 1.

2. Simule o TCL considerando que a população em questão é a distribuição Exp(β ), β > 0.

3. Discuta brevemente aplicações do TCL na teoria de testes de hipóteses para a média populacional no caso
de grandes amostras.

4. Discuta brevemente aplicações do TCL na teoria de testes de hipóteses para comparar médias populacionais
no caso de grandes amostras.

Questão 4 [0.5]. (Comparação de proporções no caso de grandes amostras) Considere os dados do Exemplo
13.12 do livro-texto. Aplique a aproximação normal, proporcionada pelo TCL, e realize em detalhes o teste de
comparação de proporções que foi discutido neste exemplo.

Questão 5 [2.5]. (Teste não-paramétrico) Considere os dados do Exemplo 13.9 do livro-texto. Neste exemplo
discute-se que em aparelhos dentários são usados grampos de dois tipos: um modelo em T e outro circunferencial
C. O objetivo do estudo apresentado neste exemplo é comparar as resistências médias à remoção desses dois
tipos grampos, sendo que a resistência à remoção é medida em kg. Admita que o grupo de controle seja aquele
constituı́do pelos grampos do tipo T e os grampos do tipo C constituam o grupo tratamento. Deseja-se testar as
seguintes hipóteses: “as resistências médias à remoção são iguais para os dois tipos de grampos” (H0 ) versus “a
resistência média à remoção do grampo do tipo C é menor que a resistência média do grampo do tipo T ” (H1 ).
Utilize um teste não-paramétrico para realizar esta comparação de médias, considerando um nı́vel de significância
de 5%. Tabela 1 apresenta os dados em questão.

Questão 6 [2.5]. (Teste não-paramétrico) Considere os dados da Seção 13.6 (Exemplo Computacional) do livro-
texto. Proporcione uma versão não-paramétrica para o teste de comparação de médias que foi discutido nesta
seção. Tabela 2 apresenta os dados em questão.

Questão 7 [1.5]. (Bootstrap não-paramétrico) Considere novamente os dados da Questão 6. Aplique o método
bootstrap não-paramétrico para construir um intervalo com aproximadamente 95% de confiança para a diferença
média µD = µ1 − µ2 , onde µ1 representa o ı́ndice médio de placa bacteriana antes do uso da escova experimental
e µ2 representa o ı́ndice médio de placa bacteriana depois do uso da escova experimental.

Devolução: Próximo dia 16/maio/23 (terça-feira) pelo Google Classroom.

2
 i Tipo T Tipo C
1 0.60 0.52
2 0.63 0.77
3 0.83 0.79
4 0.85 0.79
5 0.91 0.81
6 0.95 0.81
7 1.01 0.89
8 1.03 0.98
9 1.03 1.01
10 1.16 1.18
11 1.19 1.19
12 1.20 1.20
13 1.26 1.34
14 1.28 1.36
15 1.30 1.38
16 1.37 1.43
17 1.45 1.64
18 1.54 1.71
19 1.68 2.16
20 2.20 2.25
Tabela 1: Resistências à remoção para os dois tipos de grampos.

3
 i Antes x Depois y
1 2.18 0.43
2 2.05 0.08
3 1.05 0.18
4 1.95 0.78
5 0.28 0.03
6 2.63 0.23
7 1.50 0.20
8 0.45 0.00
9 0.70 0.05
10 1.30 0.30
11 1.25 0.33
12 0.18 0.00
13 3.30 0.90
14 1.40 0.24
15 0.90 0.15
16 0.58 0.10
17 2.50 0.33
18 2.25 0.33
19 1.53 0.53
20 1.43 0.43
21 3.48 0.65
22 1.80 0.20
23 1.50 0.25
24 2.55 0.15
25 1.30 0.05
26 2.65 0.25

Tabela 2: Índices de placa bacteriana.