Lista de exercícios: Correlação.

Resumo Teórico
Diz-se que duas variáveis, X e Y , estão positivamente correlacionadas quando elas
caminham num mesmo sentido, ou seja, elementos com valores pequenos de X tendem
a ter valores pequenos de Y e elementos com valores grandes de X tendem a ter valores
grandes de Y . Estão negativamente correlacionadas quando elas caminham em sentidos
opostos, ou seja, elementos com valores pequenos de X tendem a ter valores grandes de
Y e elementos com valores grandes de X tendem a ter valores pequenos de Y .

☛ A partir de uma amostra observada (x1 , y1 ), (x2 , y2 ), . . . , (xn , yn ), podemos calcular o

Coeciente de Correlação Linear de Pearson assim:
n n
! n
!
X X X
n xi y i − xi yi
i=1 i=1 i=1
r=v v !2 .
u n n
! 2 u n n
u X X u X X
2
tn xi − xi · nt yi2 − yi
i=1 i=1 i=1 i=1

O coeciente de correlação linear de Pearson varia de −1 a 1. A interpretação dos valores

é a seguinte:
ˆ Correlação fraca: 0 < |r| < 0, 3

ˆ Correlação moderada: 0, 3 ≤ |r| < 0, 7

ˆ Correlação forte: |r| ≥ 0, 7

Se acontecer de r = 0, diz-se que não há correlação.

Coeciente de correlação populacional. Podemos denir em termos probabilísticos

o parâmetro correlação entre duas variáveis aleatórias, X e Y , assim:
 
X − µX Y − µY
ρ = Corr(X, Y ) = E · ,
σX σY

onde µX = E(X), µY = E(Y ), σX = V (X) e σY = V (Y ).

p p

É possível realizar o teste de hipóteses H0 : ρ = 0 contra H1 : ρ ̸= 0. Sob H0 , a

estatística do teste segue uma distribuição t de Student com n − 2 graus de liberdade e
seu valor calculado sobre a amostra observada é dado por:
√
r n−2
t0 = √ .
1 − r2
01. No processo de queima de massa cerâmica para pavimento, corpos de prova foram
avaliados por três variáveis: X1 = retração linear (%), X2 = resistência mecânica (MPa)
e X3 = absorção de água (%). Os resultados de 18 ensaios são apresentados a seguir:

Ensaio X1 X2 X3 Ensaio X1 X2 X3
1 8,70 38,42 5,54 10 13,24 60,24 0,58
2 11,68 46,93 2,83 11 9,10 40,58 3,64
3 8,30 38,05 5,58 12 8,33 41,07 5,87
4 12,00 47,04 1,10 13 11,34 41,94 3,32
5 9,50 50,90 0,64 14 7,48 35,53 6,00
6 8,58 34,10 7,25 15 12,68 38,42 0,36
7 10,68 48,23 1,88 16 8,76 45,26 4,14
8 6,32 27,74 9,92 17 9,93 40,70 5,48
9 8,20 39,20 5,63 18 6,50 29,66 8,98

Calcule o coeciente de correlação de Pearson entre retração linear (%) e resistência

mecânica (MPa) para as 5 primeiras observações apresentadas. Apenas com estas obser-
vações, o teste estatístico detecta correlação entre as duas variáveis (use α = 5%)?
02. Considerando as 18 observações da tabela acima, repita o exercício anterior para:
(a) retração linear e resistência mecânica;
(b) retração linear e absorção de água;
(c) resistência mecânica e absorção de água.
Para cada caso, construa também os diagramas de dispersão e interprete os resultados.
Pode usar qualquer um dos aplicativos trabalhados em sala.
03. Sejam X = nota na prova do vestibular de matemática e Y = nota nal na disciplina
de cálculo. Estas variáveis foram observadas em 20 alunos, ao nal do primeiro período
letivo de um curso de engenharia. Os dados são apresentados a seguir:

X Y X Y X Y X Y X Y
39 65 43 78 21 52 64 82 65 88
57 92 47 89 28 73 75 98 47 71
34 56 52 75 35 50 30 50 28 52
40 70 70 50 80 90 32 58 67 88

(a) Calcule a correlação entre a nota no vestibular de matemática e a nota na disciplina

de cálculo. Interprete o resultado.
(b) Construa um diagrama de dispersão e verique se algum aluno foge ao comportamento
geral dos demais (ponto discrepante).
(c) Retire o valor discrepante detectado no item anterior e calcule novamente o coeciente
r. Interprete.
(d) Verique se a correlação encontrada no item anterior é signicativa. Faça o teste ao
nível de signicância de 5% e interprete o resultado.
04. Um administrador de redes está analisando se há uma relação entre o número de
usuários conectados a uma rede corporativa e a latência (tempo de resposta) da rede. Ele
coletou dados de 10 dias de monitoramento, registrando o número de ususários conectados
simultaneamente e a latência média observada nesses dias. Seguem os dados:

Dia 1 2 3 4 5 6 7 8 9 10
Número de
usuários 50 60 55 65 70 75 80 85 90 95

Latência (ms) 100 120 110 130 150 160 175 180 190 200

(a) Com base nos dados apresentados, calcule o coeciente de correlação linear de Pearson
e interprete o resultado. Existe uma correlação signicativa entre o número de ususários
concetados e a latência da rede?
(b) Realize o teste de signicância para a correlação com um nível de signicância de 5%.
Pode-se concluir que a correlação entre o número de ususários e a latência é estatistica-
mente signicativa?
05. Um pesquisador está estudando a relação entre a quantidade de chuva acumulada em
uma região e o índice de vegetação por diferença normalizada (NDVI), utilizando dados de
sensoriamento remoto. Ele coletou dados de 15 locais diferentes ao longo de um período
de monitoramento, registrando a precipitação acumulada e o respectivo valor de NDVI.
Seguem os dados:

Local 1 2 3 4 5
Precipitação (mm) 200 150 180 220 170
NDVI 0,65 0,55 0,60 0,68 0,58
Local 6 7 8 9 10
Precipitação (mm) 160 210 190 230 140
NDVI 0,57 0,66 0,63 0,70 0,53
Local 11 12 13 14 15
Precipitação (mm) 240 130 175 225 185
NDVI 0,72 0,52 0,59 0,69 0,61

(a) Calcule o coeciente de correlação linear de Pearson e interprete e resultado.

(b) Realize o teste de signicância para a correlação com um nível de 1%.
[Link]@[Link] Telegram: @fabiovjs
Lista de exercícios: Intervalos de Conança.

01. Na avaliação de dois sistemas computacionais, A e B , foram selecionadas 400 cargas

de trabalho (tarefas), supostamente uma amostra aleatória da innidade de cargas de
trabalho que poderiam ser submetidas a esses sistemas. O sistema A foi melhor que o B
em 60% dos casos. Construir intervalos de conança para p (proporção de vezes que o
sistema A é melhor que o sistema B , considerando todas as possíveis cargas de trabalho)
usando níveis de conança de 95% e 99%.
02. Em uma amostra aleatória simples com 200 edifícios com cinco anos, em certa cidade,
55% apresentaram problemas estéticos relevantes após a entrega da obra. Construir um
intervalo de conança para a proporção de edifícios da cidade que apresentaram problemas
estéticos relevantes nos cinco primeiros anos. Use nível de conança 94%.
03. Uma empresa fabricante de pastilhas para freios efetua um teste para controle de
qualidade de seus produtos. Selecionou-se uma amostra de 600 pastilhas, das quais 18
apresentaram níveis de desgaste acima do tolerado. Construir um intervalo de conança
para a proporção de pastilhas com desgaste acima do tolerado, do atual processo industrial,
com nível de conança de 89%.
04. Uma amostra aleatória de 625 donas de casa revela que 70% delas preferem a marca
A de detergente. Construir um intervalo de conança para p = proporção das donas de
casa que preferem A. Use γ = 90%.
05. Suponha que estejamos interessados em estimar a proporção de consumidores de um
certo produto. Se a amostra de tamanho 300 apresentou 100 indivíduos que consomem
o dado produto, determine o intervalo de conança para p, com coeciente de conança
96%.
06. Uma unidade fabril da Intel produziu 500.000 chips Pentium IV em certo período.
São selecionados, aleatoriamente, 400 chips para testes. Supondo que 20 chips não
tenham a velocidade de processamento adequada, construir o intervalo de conança para
a proporção de chips adequados. Use nível de conança de 93%.
07. Em uma indústria de cerveja, a quantidade de cerveja inserida em latas tem-se
comportado como uma variável aleatória com média 350 ml e desvio-padrão 3 ml. Após
alguns problemas na linha de produção, suspeita-se que houve alteração na média. Uma
amostra de 20 latas acusou média x = 346 ml. Construa um intervalo de conança para
o novo valor da quantidade média µ de cerveja inserida em latas, com nível de conança
95%, supondo que não tenha ocorrido alteração no desvio-padrão do processo.
08. Num estudo de custos de seguro contra colisão de automóveis, uma amostra de
tamanho n = 35 consertos de colisões frontais contra um muro a uma velocidade especíca
teve um custo médio de R$ 1438. Sabendo que σ = R$ 269 para esses dados, construa
um intervalo de 90% de conança para o custo médio de tais consertos.
09. Um estudo sobre o crescimento anual de certo tipo de orquídeas mostrou que (sob
condições controladas) uma amostra aleatória de n = 40 dessas orquídeas cresceu uma
média de 32,5 mm por ano. Sabendo que σ = 32 mm para tais dados, construa um
intervalo de 99% de conança para o verdadeiro crescimento anual médio desse tipo de
orquídea.

10. Durante a execução de determinada tarefa sob condições simuladas de impon-

derabilidade, a média da taxa de batimentos cardíacos de 12 astronautas aumentou
em 27,33 batimentos por minuto, com desvio-padrão de 4,28 batimentos por minuto.
Construa um intervalo de 99% de conança para o verdadeiro aumento médio da taxa
de batimentos cardíacos dos astronautas no desempenho daquela tarefa (nas mesmas
condições enunciadas).

11. Uma fundição produz blocos para motor de caminhões. Os blocos têm furos para
as camisas e deseja-se vericar qual é o diâmetro médio no processo do furo. A empresa
retirou uma amostra de 36 blocos e mediu os diâmetros de 36 furos (1 a cada bloco).
A amostra acusou média de 98 mm e desvio-padrão de 4 mm. Construir um intervalo
de conança para a média do processo, com nível de conança de 99%. Interpreter o
resultado. Se o processo deveria ter média 100 mm, há evidência (com 99% de conança)
de que a média do processo não está no valor ideal? Explique.

12. Deseja-se avaliar a dureza esperada µ do aço produzido sob um novo processo de
têmpera. Uma amostra de dez corpos de prova do aço produziu os seguintes resultados
de dureza, em HRc:

36,4 35,7 37,2 36,5 34,9 35,2 36,3 35,8 36,6 36,9

Construir um intervalo de conança para µ, com nível de conança de 95%.

13. Sob condições normais, realizaram-se dez observações sobre o tempo de resposta de
uma consulta a certo banco de dados. Os resultados, em segundos, foram:

28 35 43 23 62 38 34 27 32 37

Construa um intervalo de conança para o tempo médio de uma consulta, sob condições
normais. Use γ = 0, 99.

14. Fixados certos parâmetros de entrada, o tempo de execução de um algoritmo foi

medido 12 vezes, obtendo-se os seguintes resultados: 15, 12, 14, 15, 16, 14, 16, 13, 14, 11,
15 e 13. Apresente um intervalo de 95% de conança para o tempo médio de execução do
algoritmo.
 Resumo Teórico
☞ Intervalo de conança para p, a proporção populacional:
r
p̂(1 − p̂)
IC(p, γ) = p̂ ± zγ .
n

☞ Intervalo de conança para a média µ com desvio-padrão σ conhecido:

σ
IC(µ, γ) = x ± zγ √ ,
n

onde γ é o nível de conança. Para determinar o valor de zγ , basta resolver 2Φ(zγ )−1 = γ ,
onde Φ(·) é a função de distribuição acumulada da distribuição normal padrão.

☞ Intervalo de conança para a média µ com desvio-padrão σ desconhecido:

s
IC(µ, γ) = x ± tγ √ .
n

Se a tabela da t-Student fornecer a área da cauda superior, calculamos o quantil tγ assim:

1−γ
P (Tn−1 > tγ ) = ,
2
onde Tn−1 é uma variável aleatória que segue uma distribuição t-Student com n − 1 graus
de liberdade.
Caso s, o desvio-padrão amostral observado, não seja fornecido (como nas questões
12, 13 e 14), calcule-o assim:
v !
u n
u 1 X
s = t x2i − nx2 .
n−1 i=1

[Link]@[Link] Telegram: @fabiovjs

Lista de exercícios: Regressão Linear Simples.

Resumo Teórico
O termo regressão surgiu com os trabalhos de Galton no nal do século XIX. Esses
trabalhos procuravam explicar certas características de um indivíduo a partir das caracte-
rísticas de seus pais, como, por exemplo, predizer a altura de um indivíduo em função das
alturas de seus pais. O modelo matemático-estatístico foi aperfeiçoado e hoje é utilizado
nas mais variadas áreas da ciência.
A aplicação da análise de regressão é geralmente feita sob um referencial teórico, que
justique uma relação matemática de causalidade entre duas variáveis. Consideremos
uma variável X , denominada variável explicativa ou independente (que normalmente é
controlada e não aleatória) e uma variável aleatória Y , denominada variável resposta ou
dependente. Vamos supor que o valor esperado de Y varie com X , de acordo com uma
equação do primeiro grau, a saber:
E(Y ) = α + βX
onde α e β são parâmetros do modelo.
Dada uma amostra observada (x1 , y1 ), (x2 , y2 ), . . . , (xn , yn ), o modelo de regressão
linear simples para as observações é:
Yi = α + βxi + εi
onde Yi é a variável aleatória associada à i-ésima observação de Y e εi é o erro aleatório
da i-ésima observação. Supondo que E(εi ) = 0 para qualquer i e que X é uma variável
controlável (não aleatória), temos que E(Yi ) = α + βxi .
Método de Mínimos Quadrados. Vamos encontrar estimativas para os parâmetros
a partir da amostra observada. Queremos encontrar a reta que passe o mais próximo
possível dos pontos observados.

Podemos escrever o erro aleatório da i-ésima observação como εi = Yi − (α + βxi ). A

soma dos erros quadráticos é dada por:
n
X n
X
S= ε2i = {Yi − (α + βxi )}2
i=1 i=1
Como encontrar valores para α e β que minimizem S ? Resposta: igualando as derivadas
parciais a zero. Temos:
∂S ∂S
=0 e =0
∂α ∂β
A partir destas equações, encontraremos a seguinte estimativa para β :
P P P
n xi yi − ( xi )( yi )
b=
n x2i − ( xi )2
P P

e a seguinte estimativa para α:

P P
yi − b xi
a=
n
Para que a notação não
P casse tão carregada, omitimos algumas partes do somatório, mas
entenda que xi = ni=1 xi e assim por diante.
P
A chamada equação (ou reta) de regressão é dada por ŷ = a + bx. Para cada valor de
xi , temos, pela equação de regressão, o valor predito :

ŷi = a + bxi

A diferença entre os valores observados e preditos é chamada de resíduo, isto é, ei = yi − ŷi .

O resíduo relativo à i-ésima observação (ei ) pode ser considerado uma estimativa do erro
aleatório desta observação (εi ).

Coeciente de Determinação. Se X não inuencia Y , então o valor esperado de Y

pode ser estimado simplesmente pela média aritmética y das observações de Y . Mas se
existe inuência de X sobre Y , então deve haver algum ganho em considerar a equação
de regressão ŷ = a + bx. Este ganho pode ser avaliado ao comparar os resíduos nas
duas situações. Na gura abaixo, ilustramos os resíduos com relação à média aritmética
(di = yi − y ) e com relação à equação de regressão (ei = yi − ŷi ).

Para i = 1, 2, . . . , n, podemos dizer que os di não levam em consideração a relação entre

Y e X . Por outro lado, os ei consideram uma relação linear entre Y e X .
 As somas de quadrados dos desvios satisfazem à seguinte equação:
n
X n
X n
X
(yi − y)2 = (ŷi − y)2 + (yi − ŷi )2
|i=1 {z } |i=1 {z } |i=1 {z }
variação total variação explicada pela variação
equação de regressão não explicada

Chamaremos de coeciente de determinação a seguinte razão:

(ŷi − y)2
P
2
R =P
(yi − y)2

O coeciente de determinação é uma medida descritiva da proporção da variação de Y

que pode ser explicada por variações em X , segundo o modelo especicado.

01. Considere um experimento em que se analisa a octanagem da gasolina (Y ) em função

da adição de um novo aditivo (X ). Para isso, foram realizados ensaios com os percentuais
1, 2, 3, 4, 5 e 6% de aditivo.
X 1 2 3 4 5 6
Y 80,5 81,6 82,1 83,7 83,9 85
Se for adicionado 5,5% de aditivo, qual será o índice de octanagem esperado?

02. Um administrador de uma grande sorveteria anotou por um longo período de tempo
a temperatura média diária, em ◦ C (X ), e o volume de vendas diárias de sorvete, em kg
(Y ). Com os dados, foi ajustada a seguinte equação de regressão: ŷ = 0, 5 + 1, 8x com
R2 = 0, 80. Pergunta-se:
(a) Qual é o consumo esperado de sorvete num dia de 27◦ C?
(b) Qual é o incremento esperado nas vendas de sorvete a cada 1◦ C de aumento da
temperatura?

03. No processo de queima de massa cerâmica, avaliou-se o efeito da temperatura do forno

(X ) sobre a resistênca mecânica da massa queimada (Y ). Foram realizados 6 ensaios com
níveis de temperatura equidistamtes, os quais designaremos por 1, 2, 3, 4, 5 e 6. Os valores
obtidos de resistência mecânica (MPa) foram: 41, 42, 50, 53, 54 e 60, respectivamentte.
Pede-se:
(a) as estimativas de α e β .
(b) o coeciente R2 .

[Link]@[Link] Telegram: @fabiovjs

Lista de exercícios: Teste de hipóteses para µ com σ conhecido.

Resumo Teórico

Um teste de hipóteses é um procedimento estatístico que nos possibilita tomar uma

decisão entre duas hipóteses. As hipóteses são denominadas:
H0 : hipótese nula (ou de trabalho) ;


H1 : hipótese alternativa (ou de pesquisa) .

No geral, as hipóteses são formuladas com respeito a parâmetros de uma população.

☞ Tipos de erros: Quando queremos testar uma hipótese, podemos cometer dois tipos
de erros.
H0 é verdadeira H0 é falsa
Aceitar H0 1−α β
Rejeitar H0 α 1−β

ˆ Erro tipo I: P (Rejeitar H0 | H0 é verdadeira) = α;

ˆ Erro tipo II: P (Aceitar H0 | H0 é falsa) = β .

☞ Passos para construção de um teste de hipóteses (abordagem clássica):

1 Denir as hipóteses H0 e H1 .
2 Denir qual estatística de teste será usada para testar H0 .
3 Denir um valor para α e usá-lo para construir a região crítica sob H0 .
4 Usar a amostra observada para calcular o valor da estatística do teste.
5 Tomar a decisão: se o valor calculado no passo anterior pertencer à região crítica,
então rejeite H0 ; caso contrário, não rejeite H0 .
☞ Teste de hipóteses para µ com σ conhecido: pode ser aplicado quando o tamanho da
amostra for sucientemente grande (n ≥ 30), ou quando a distribuição da população for
aproximadamente normal. O teste pode ser:
ˆ H0 : µ = µ0 contra H1 : µ ̸= µ0 , isto é, bilateral;

ˆ H0 : µ = µ0 contra H1 : µ < µ0 , isto é, unilateral à esquerda;

ˆ H0 : µ = µ0 contra H1 : µ > µ0 , isto é, unilateral à direita.

A estatística do teste é
X − µ0 √
Z= n,
σ
que, sob H0 , segue uma distribuição normal padrão.
01. Na indústria cerâmica, avalia-se sistematicamente a resistência de amostras de massas
cerâmicas, após o processo de queima. Dessas avaliações, sabe-se que certo tipo de massa
tem resistência mecânica aproximadamente normal, com média 53 MPa e variância 16
MPa2 . Após a troca de alguns fornecedores de matérias-primas, deseja-se vericar se
houve alteração na qualidade. Uma amostra de 15 corpos de prova de massa cerâmica
acusou média igual a 50 MPa. Qual é a conclusão ao nível de signicância de 5%?
02. A associação dos proprietários de indústrias metalúrgicas está muito preocupada com
o tempo perdido com acidentes de trabalho, cuja média, nos últimos tempos, tem sido
da ordem de 60 horas/homem por ano e desvio-padrão de 20 horas/homem. Tentou-se
um programa de prevenção de acidentes, após o qual foi tomada uma amostra de nove
indústrias e medido o número de horas/homem perdidas por acidente, que foi de 50 horas.
Você diria, no nível de 6%, que há evidência de melhoria?
03. O salário médio dos empregados das indústrias siderúrgicas de um país é de 2,5 salários
mínimos, com um desvio-padrão de 0,5 salários mínimos. Uma indústria é escolhida ao
acaso e desta é escolhida uma amostra de 49 empregados, resultando em um salário médio
de 2,3 salários mínimos. Podemos armar que esta indústria paga salários inferiores à
média nacional, com o nível 10%?
04. Um instituto de pesquisa em agronomia está avaliando o impacto de um novo
fertilizante no crescimento médio de plantas de milho. O instituto sabe que, historicamente,
o crescimento médio das plantas de milho em uma determinada região é de 120 cm, com
desvio-padrão de 15 cm. Após aplicar o novo fertilizante em uma amostra de 40 plantas,
o crescimento médio registrado foi de 125 cm. Com nível de signicância 1%, é razoável
armar que o fertilizante resultou em um aumento signicativo no crescimento médio das
plantas de milho?
05. Sabe-se que o consumo mensal per capita de um determinado produto tem distribuição
normal, com desvio-padrão 2 kg. A diretoria de uma rma que fabrica esse produto
resolveu que retiraria o produto da linha de produção se a média de consumo per capita
fosse menor que 8 kg. Caso contrário, continuaria a fabricá-lo. Foi realizadaP
uma pesquisa
de mercado, tomando-se uma amostra de 25 indivíduos, e vericou-se que 25 i=1 xi = 180
kg, onde xi representa o consumo mensal observado do i-ésimo indivíduo da amostra.
(a) Construa um teste de hipóteses adequado, utilizando α = 5%, e com base na amostra
colhida determine a decisão a ser tomada pela diretoria.
(b) Se a diretoria tivesse xado α = 2%, a decisão seria a mesma?
(c) Se o desvio-padrão da população fosse 4 kg, qual seria a decisão, com α = 5%?

Valor-p

O valor-p é uma medida da evidência contra H0 , indicando a probabilidade de obter

resultados tão (ou mais) extremos quanto o observado, sob a suposição de que a hipótese
nula é verdadeira. Quanto menor o valor-p, maior é a evidência contra H0 .
 É possível realizar um teste de hipóteses utilizando o valor-p, ao invés da abordagem
clá[Link] passos são descritos a seguir.

☞ Passos para construção de um teste de hipóteses (com o valor-p):

1 Denir as hipóteses H0 e H1 .
2 Denir qual estatística de teste será usada para testar H0 .
3 Usar a amostra observada para calcular o valor da estatística do teste.
4 Calcular o valor-p utilizando o valor obtido no passo anterior.
5 Tomar a decisão: se o valor-p < α, então rejeite H0 ; caso contrário, não rejeite H0 .

O cálculo do valor-p varia de acordo com o tipo do teste (bilateral, unilateral à esquerda
ou unilateral à direita). Vejamos como calcular o valor-p no caso do teste para µ com
σ conhecido. Dado que z0 é o valor calculado da estatística do teste sobre a amostra
observada, temos que:
ˆ Valor-p = 2P (Z > |z0 |), se o teste é bilateral;

ˆ Valor-p = P (Z < z0 ), se o teste é unilateral à esquerda (z0 < 0);

ˆ Valor-p = P (Z > z0 ), se o teste é unilateral à direita (z0 > 0).

[Link]@[Link] Telegram: @fabiovjs

Lista de exercícios: Teste de hipóteses para a proporção populacional p.

Resumo Teórico.

O teste para a proporção é aplicado em situações nas quais queremos vericar se a

proporção de algum atributo na população pode ser igual a certo valor p0 . O teste pode
ser:

ˆ H0 : p = p0 contra H1 : p ̸= p0 , isto é, bilateral;

ˆ H0 : p = p0 contra H1 : p < p0 , isto é, unilateral à esquerda;

ˆ H0 : p = p0 contra H1 : p > p0 , isto é, unilateral à direita.

A distribuição exata para este teste é a binomial. Mas quando n, o tamanho da amostra,
é sucientemente grande, a binomial pode ser aproximada pela normal, tornando nossos
cálculos mais simples. Sob H0 , temos a seguinte aproximação para a estatística do teste:

P̂ − p0
Z=r ∼ N (0, 1)
p0 (1 − p0 )
n

onde P̂ denota a variável aleatória proporção amostral. Para adotar a aproximação acima,
basta vericar as seguintes condições: np0 ≥ 5 e n(1 − p0 ) ≥ 5.

Correção de continuidade. A distribuição binomial toma valores inteiros (é discreta),

enquanto a normal é contínua e assume qualquer valor no intervalo dos números reais.
Essa diferença pode introduzir erros na aproximação. A correção de continuidade ajusta
essa discrepância. Ao calcular z0 , faremos o seguinte:

Se p̂ − p0 < 0: Se p̂ − p0 > 0:
1 1
p̂ − p0 + 2n p̂ − p0 − 2n
z0 = r z0 = r
p0 (1 − p0 ) p0 (1 − p0 )
n n
onde p̂ é a proporção calculada sobre a amostra observada.

01. Uma empresa retira periodicamente amostras aleatórias de 500 peças de sua linha
de produção para análise da qualidade. As peças da amostra são classicadas como
defeituosas ou não, sendo que a política da empresa exige que o processo produtivo seja
revisto se houver evidência de mais de 1,5% de peças defeituosas. Na última amostra,
foram encontradas nove peças defeituosas. Usando nível de signicância de 1%, o processo
precisa ser revisto?
02. Seja p a probabilidade de coroa de uma moeda. Com o objetivo de testar H0 : p = 0, 5
contra H1 : p > 0, 5, zeram-se 50 lançamentos dessa moeda, obtendo-se 31 coroas.
(a) O teste rejeita H0 ao nível de signicância de 5%?
(b) E se estivéssemos trabalhando com o nível de signicância de 1%?

03. Com o objetivo de vericar se uma moeda está viciada, decide-se lançá-la várias vezes
de forma imparcial e sempre sob as mesmas condições. Se em 80 lançamentos obtiveram-se
20 caras (e 60 coroas), qual é a conclusão ao nível de signicância de 5%?

04. Para testar se um sistema computacional inteligente adquiriu algum conhecimento

sobre determinado assunto, elaboraram-se 60 questões do tipo certo-errado. O sistema
acertou 40. Qual é a conclusão ao nível de signicância de 5%?

05. Um experimento computacional foi repetido 40 vezes. O sistema A mostrou-se

superior ao sistema B em 24 das 40 repetições. Há evidência suciente para dizer que os
sistemas têm desempenhos diferentes? Use α = 5%.

06. Um fabricante garante que 90% de seus itens estão dentro das especicações. Um
comprador examinou uma amostra aleatória de 50 itens e vericou que apenas 84%
estavam dentro das especicações. Há evidência de que o nível de qualidade é menor
do que o alegado pelo fabricante? Use α = 1%.

07. O consumidor de um certo produto acusou o fabricante, dizendo que mais de 20%
das unidades fabricadas apresentam defeito. Para conrmar sua acusação, ele usou uma
amostra de tamanho 50, onde 27% das peças eram defeituosas. Mostre como o fabricante
poderia refutar a acusação. Utilize um nível de signicância de 10%.

08. Um fabricante garante que 90% dos equipamentos que fornece a uma fábrica estão
de acordo com as especicações exigidas. O exame de uma amostra de 200 peças desse
equipamento revelou 25 defeituosas. Teste a armativa do fabricante, nos níveis de 5% e
1%.

09. Os produtores de um programa de televisão pretendem modicá-lo se for assistido

regularmente por menos de um quarto dos possuidores de televisão. Uma pesquisa
encomendada a uma empresa especializada mostrou que, de 400 famílias entrevistadas,
80 assistem ao programa regularmente. Com base nos dados, qual deve ser a decisão dos
produtores?

[Link]@[Link] Telegram: @fabiovjs

Lista de exercícios: Distribuições Amostrais.

Resumo Teórico

☞ Distribuição da média amostral. Considere uma amostra aleatória simples X1 , X2 , . . . , Xn

de uma dada população com média µ e variância σ 2 . A distribuição de X apresenta as
seguintes propriedades:
ˆ E(X) = µ;

σ2
ˆ V (X) = ;
n
ˆ Se o tamanho da amostra for razoavelmente grande, então a distribuição amostral
da média pode ser aproximada pela distribuição normal. Em geral, para n ≥ 30, a
aproximação já é boa, porém, se a distribuição da população não for muito distante
da normal, a aproximação pode ser usada com n menor.
☞ Distribuição da proporção amostral. Considere a amostra aleatória X1 , X2 , . . . , Xn de
uma população na qual a proporção de elementos com um determinado atributo é p.
Podemos denir a proporção amostral P̂ como a proporção dos elementos da amostra que
têm o tal atributo. Assim como para X , a distribuição de P̂ também pode ser encontrada.
Temos:
ˆ E(P̂ ) = p;
p(1 − p)
ˆ V (P̂ ) = ;
n
ˆ Se o tamanho da amostra for razoavelmente grande, então a distribuição de P̂ pode
ser aproximada pela distribuição normal.

01. Uma variável aleatória X tem distribuição normal com média 100 e desvio-padrão
10.
(a) Qual a P (90 < X < 110)?
(b) Se X for a média de uma amostra de 16 elementos retirados dessa população, calcule
P (90 < X < 110).

02. A máquina de empacotar um determinado produto o faz segundo uma distribuição

normal, com média µ e desvio-padrão 10 g.
(a) Em quanto deve ser regulado o peso médio µ para que apenas 10% dos pacotes tenham
menos do que 500 g?
(b) Com a máquina assim regulada, qual a probabilidade de que o peso total de 4 pacotes
escolhidos ao acaso seja inferior a 2 kg?
03. No exemplo anterior, e após a máquina estar regulada, programou-se uma carta de
controle de qualidade. De hora em hora, será retirada uma amostra de quatro pacotes
e esses serão pesados. Se a média da amostra for inferior a 495 g ou superior a 520 g,
encerra-se a produção para reajustar a máquina, isto é, reajustar o peso médio.
(a) Qual é a probabilidade de ser feita uma parada desnecessária?
(b) Se o peso médio da máquina desregulou-se para 500 g, qual é a probabilidade de
continuar a produção fora dos padrões desejados?

04. A capacidade máxima de um elevador é de 500 kg. Se a distribuição X dos pesos dos
usuários for suposta N (70, 10):
(a) Qual é a probabilidade de sete passageiros ultrapassarem esse limite?
(b) E seis passageiros?

05. Uma fundição produz blocos para motor de caminhões. Os furos para as camisas
devem ter diâmetro de 100 mm, com tolerância de 5 mm. Para vericar qual é o diâmetro
médio no processo, a empresa vai retirar uma amostra com 36 blocos e medir os diâmetros
de 36 furos (1 a cada bloco). Suponha que o desvio-padrão (populacional) dos diâmetros
seja conhecido e igual a 3 mm.
(a) Qual é o desvio-padrão da média amostral?
(b) Qual é a probabilidade de a média amostral diferir da média populacional (desconhecida)
em mais do que 0,5 mm (para mais ou para menos)?
(c) Qual é a probabilidade de a média amostral diferir da média populacional (desconhecida)
em mais do que 1 mm (para mais ou para menos)?
(d) Se alguém armar que a média amostral não se distanciará da média populacional em
mais do que 0,98 mm, qual é a probabilidade de essa pessoa acertar?
(e) Se alguém armar que a média amostral não se distanciará da média populacional em
mais do que 1,085 mm, qual é a probabilidade de essa pessoa errar?

06. Existem vários algoritmos computacionais que permitem gerar números aleatórios (ou,
mais apropriadamente, pseudo-aleatórios ) no intervalo [0, 1], com distribuição uniforme.
Considere a geração de 100 números (X1 , X2 , . . . , X100 ) desta forma e seja X a média
aritmética simples desses 100 números.
(a) Qual é o valor esperado e a variância de X1 ?
(b) Qual é a probabilidade de X1 assumir um valor no intervalo [0, 47; 0, 53]?
(c) Qual é o valor esperado e a variância de X ?
(d) Qual é a distribuição de probabilidade de X ?
(e) Qual é a probabilidade de X assumir um valor no intervalo [0, 47; 0, 53]?

07. Uma empresa fabricante de pastilhas para freios efetua um teste para controle de
qualidade de seus produtos. Supondo que 1% das pastilhas fabricadas pelo processo atual
apresenta desempenho deciente quanto ao nível de desgaste, qual é a probabilidade, em
uma amostra aleatória simples com 10.000 pastilhas, de serem encontradas 85 ou menos
pastilhas com problemas?
08. Sabe-se que 50% dos edifícios construídos em uma grande cidade apresentam problemas
estéticos relevantes em menos de cinco anos após a entrega da obra. Considerando
a seleção de uma amostra aleatória simples com 200 edifícios com cinco anos, qual
é a probabilidade de menos de 90 deles apresentarem problemas estéticos relevantes
(considerar que não tenha havido obras de reparo nos edifícios selecionados)?

09. Suponha que p = 30% dos estudantes de uma escola sejam mulheres. Dado que P̂
representa a proporção de mulheres numa amostra aleatória simples de tamanho n = 10,
qual a probabilidade de que P̂ dira de p em menos de 0,01?

10. Um procedimento de controle de qualidade foi planejado para garantir um máximo

de 10% de itens defeituosos na produção. A cada 6 horas sorteia-se uma amostra de 20
peças e, havendo mais de 15% de defeituosas, encerra-se a produção para vericação do
processo. Qual a probabilidade de uma parada desnecessária?

11. Supondo que a produção do exemplo anterior esteja sob controle, isto é, p = 10%,
e que os itens sejam vendidos em caixas com 100 unidades, qual a probabilidade de que
uma caixa:
(a) tenha mais do que 10% de defeituosas?
(b) não tenha itens defeituosos?

[Link]@[Link] Telegram: @fabiovjs

Lista de exercícios: Teste de hipóteses para µ com σ desconhecido.

Resumo Teórico

O teste de hipóteses para µ com σ desconhecido pode ser aplicado quando o tamanho
da amostra for sucientemente grande (n ≥ 30), ou quando a distribuição da população
for aproximadamente normal. Dado que n é o tamanho da amostra e S representa a
variável aletória desvio-padrão amostral, a estatística do teste é:
X − µ0 √
Tn−1 = n,
S
que, sob H0 , segue uma distribuição t de Student com n − 1 graus de liberdade. Caso
seja necessário determinar o valor de s, isto é, o desvio-padrão amostral calculado sobre
a amostra observada (x1 , . . . , xn ), faça:
v !
u n
u 1 X
s=t x2i − nx2 .
n−1 i=1

01. Certo tipo de pneu dura, em média, 50.000 km. O fabricante investiu em uma nova
composição de borracha para pneus. Vinte pneus, fabricados com essa nova composição,
duraram, em média, 55.000 km, com desvio-padrão de 4.000 km. Supondo que a durabi-
lidade dos pneus segue uma distribuição aproximadamente normal, vericar se os dados
indicam que os novos pneus são mais duráveis. Use α = 1%.

02. Um fabricante arma que seus cigarros contêm não mais que 30 mg de nicotina. Uma
amostra de 25 cigarros fornece média de 31,5 mg e desvio-padrão de 3 mg. No nível de
5%, os dados refutam ou não a armação do fabricante?

03. O tempo para transmitir 10 MB em determinada rede de computadores varia segundo

um modelo normal, com média 7,4 s e variância 1,3 s2 . Depois de algumas mudanças na
rede, acredita-se numa redução no tempo de transmissão de dados, além de uma possível
alteração na variabilidade. Foram realizados 10 ensaios independentes com um arquivo
de 10 MB e foram anotados os tempos de transmissão, em segundos:

6,8 7,1 5,9 7,5 6,3 6,9 7,2 7,6 6,6 6,3

Existe evidência suciente de que o tempo médio de transmissão foi reduzido? Use nível
de signicância de 1%.
04. Padrões técnicos exigem que o nível de ruído em CPDs seja de, no máximo, 70
dB. Foram analisados 16 CPDs de várias organizações, obtendo-se os seguintes valores
máximos de ruído: 78, 73, 68, 65, 72, 64, 77, 80, 82, 78, 65, 72, 61, 79, 58 e 65.
(a) Calcule a intensidade de ruído média e o desvio-padrão para esses 16 CPDs.
(b) Suponha que os 16 CPDs analisados são uma amostra aleatória de CPDs do país.
Para vericar se na média os CPDs atendem aos padrões técnicos, como você construiria
as hipóteses?
(c) Você pode concluir que a intensidade de ruído média dos CPDs nos horários críticos
é superior ao especicado? Faça o teste adequado ao nível de signicância de 5%.

05. Um cliente de uma torrefação de café suspeita que os pesos dos pacotes, que deveriam
ser de 500 g, não estão corretos. Resolveu, então, retirar uma amostra dos pesos de 16
pacotes (supondo que provenham de uma distribuição normal): 510, 495, 498, 500, 501,
499, 503, 500, 495, 492, 499, 497, 495, 499 e 501.
(a) Calcule o peso médio e o desvio-padrão dos elementos da amostra.
(b) O cliente tem razão na suspeita? Use α = 10%.

Valor-p

Vejamos como calcular o valor-p no caso do teste para µ com σ desconhecido. Dado
que t0 é o valor calculado da estatística do teste sobre a amostra observada, isto é,
x − µ0 √
t0 = n,
s
temos que:
ˆ Valor-p = 2P (Tn−1 > |t0 |), se o teste é bilateral;

ˆ Valor-p = P (Tn−1 < t0 ), se o teste é unilateral à esquerda (t0 < 0);

ˆ Valor-p = P (Tn−1 > t0 ), se o teste é unilateral à direita (t0 > 0).

[Link]@[Link] Telegram: @fabiovjs

 APÊNDICE: TABELAS ESTATÍSTICAS 379

Tabela 4 Distribuição t de Student. / j \ área

/ \ indicada
7 1 0
K .
t (valor tabulado)

Área na cauda superior

gl
0,25 0,10 0,05 0,025 0,01 0,005 0,0025 0,001 0,0005
1 1,000 3,078 6,314 12,71 31,82 63,66 127,3 318,3 636,6
2 0,816 1,886 2,920 4,303 6,965 9,925 14,09 22,33 31,60
3 0,765 1,638 2,353 3,182 4,541 5,841 7,453 10,21 12,92
4 0,741 1,533 2,132 2,776 3,747 4,604 5,598 7,173 8,610
5 0,727 1,476 2,015 2,571 3,365 4,032 4,773 5,894 6,869
6 0,718 1,440 1,943 2,447 3,143 3,707 4,317 5,208 5,959
7 0,711 1,415 1,895 2,365 2,998 3,499 4,029 4,785 5,408
8 0,706 1,397 1,860 2,306 2,896 3,355 3,833 4,501 5,041
9 0,703 1,383 1,833 2,262 2,821 3,250 3,690 4,297 4,781
10 0,700 1,372 1,812 2,228 2,764 3,169 3,581 4,144 4,587
11 0,697 1,363 1,796 2,201 2,718 3,106 3,497 4,025 4,437
12 0,695 1,356 1,782 2,179 2,681 3,055 3,428 3,930 4,318
13 0,694 1,350 1,771 2,160 2,650 3,012 3,372 3,852 4,221
14 0,692 1,345 1,761 2,145 2,624 2,977 3,326 3,787 4,140
15 0,691 1,341 1,753 2,131 2,602 2,947 3,286 3,733 4,073
16 0,690 1,337 1,746 2,120 2,583 2,921 3,252 3,686 4,015
17 0,689 1,333 1,740 2,110 2,567 2,898 3,222 3,646 3,965
18 0,688 1,330 1,734 2,101 2,552 2,878 3,197 3,610 3,922
19 0,688 1,328 1,729 2,093 2,539 2,861 3,174 3,579 3,883
20 0,687 1,325 1,725 2,086 2,528 2,845 3,153 3,552 3,850
21 0,686 1,323 1,721 2,080 2,518 2,831 3,135 3,527 3,819
22 0,686 1,321 1,717 2,074 2,508 2,819 3,119 3,505 3,792
23 0,685 1,319 1,714 2,069 2,500 2,807 3,104 3,485 3,768
24 0,685 1,318 1,711 2,064 2,492 2,797 3,091 3,467 3,745
25 0,684 1,316 1,708 2,060 2,485 2,787 3,078 3,450 3,725
26 0,684 1,315 1,706 2,056 2,479 2,779 3,067 3,435 3,707
27 0,684 1,314 1,703 2,052 2,473 2,771 3,057 3,421 3,689
28 0,683 1,313 1,701 2,048 2,467 2,763 3,047 3,408 3,674
29 0,683 1,311 1,699 2,045 2,462 2,756 3,038 3,396 3,660
30 0,683 1,310 1,697 2,042 2,457 2,750 3,030 3,385 3,646
35 0,682 1,306 1,690 2,030 2,438 2,724 2,996 3,340 3,591
40 0,681 1,303 1,684 2,021 2,423 2,704 2,971 3,307 3,551
45 0,680 1,301 1,679 2,014 2,412 2,690 2,952 3,281 3,520
50 0,679 1,299 1,676 2,009 2,403 2,678 2,937 3,261 3,496
z 0,674 1,282 1,645 1,960 2,326 2,576 2,807 3,090 3,291