Capítulo 12. Problema 01. (a) (b)

Documentos relacionados
Capítulo 12 SELECIONADOS PARA ESTUDO PROVA 15/09: Problema 01. (a) (b)

Hipótese Estatística. Tipos de Hipóteses

Objetivos. Testes não-paramétricos

Intervalos Estatísticos para uma única Amostra - parte II

Estatística e Probabilidade, D3, 2019_1. Escolha a alternativa correta e indique no gabarito de respostas

Comparação entre duas populações

Contabilometria. Prof.: Patricia Maria Bortolon, D. Sc.

Cap. 4 - Estimação por Intervalo

MAE Introdução à Probabilidade e Estatística II Resolução Lista 1

7. INTERVALOS DE CONFIANÇA

Objetivos. Os testes de hipóteses ser: Paramétricos e Não Paramétricos. Testes não-paramétricos. Testes paramétricos

MAE Introdução à Probabilidade e Estatística II Resolução Lista 3

Faculdade de Economia Universidade Nova de Lisboa ESTATÍSTICA. Exame Final 2ª Época 26 de Junho de Grupo I (3 valores)

INTERVALOS DE CONFIANÇA

1 Estimação de Parâmetros

Lista IC, tamanho de amostra e TH

Testes de Hipóteses sobre uma Proporção Populacional

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Teste de Hipótese

Estimação de Parâmetros. 1. Introdução

A Inferência Estatística é um conjunto de técnicas que objetiva estudar a população através de evidências fornecidas por uma amostra.

Estimação da média populacional

MOQ-13 PROBABILIDADE E ESTATÍSTICA. Professor: Rodrigo A. Scarpel

Avaliação de Desempenho de Sistemas Discretos

INFERÊNCIA. Fazer inferência (ou inferir) = tirar conclusões

Teoria da Estimação 1

Nosso objetivo agora é estudar a média de uma variável quantitativa X. Denotamos a média desconhecida como E(X)=µ

A finalidade de uma equação de regressão seria estimar valores de uma variável, com base em valores conhecidos da outra.

Estatística. Estatística II - Administração. Prof. Dr. Marcelo Tavares. Distribuições de amostragem. Estatística Descritiva X Estatística Inferencial

INFERÊNCIA ESTATÍSTICA: TESTE DE HIPÓTESES

Lista de Exercícios #4 Assunto: Variáveis Aleatórias Contínuas

Teste de Hipóteses Paramétricos

Virgílio A. F. Almeida DCC-UFMG 1/2005

e, respectivamente. Os valores tabelados para a distribuição t-student dependem do número de graus de liberdade ( n 1 e

ESTATÍSTICA NÃO-PARAMÉTRICA

Mestrado Integrado em Engenharia Civil. Disciplina: TRANSPORTES. Sessão Prática 4: Amostragem

CAPÍTULO 6 - ESTIMAÇÃO E TESTES DE HIPÓTESES

MAE0229 Introdução à Probabilidade e à Estatística II

Instruções gerais sobre a Prova:

PROVA DE ESTATÍSTICA SELEÇÃO MESTRADO/UFMG 2005

Professora Ana Hermínia Andrade. Período

ESTIMAÇÃO DE PARÂMETROS

Estimação da média populacional

Ap A r p e r n e d n i d z i a z ge g m e m Es E t s a t tí t s í t s i t c i a c de d e Dado d s Francisco Carvalho

Distribuições Amostrais

Intervalos de Confiança

binomial seria quase simétrica. Nestas condições será também melhor a aproximação pela distribuição normal.

Distribuições Amostrais

EPR 007 Controle Estatístico de Qualidade

TRANSPORTES. Sessão Prática 4 Amostragem de escalares

Testes de Comparação Múltipla

Capítulo 5- Introdução à Inferência estatística.

Estimadores de Momentos

Distribuições Amostrais

n C) O EMV é igual a i 1

Introdução. Exemplos. Comparar três lojas quanto ao volume médio de vendas. ...

1 Distribuições Amostrais

6. Testes de Hipóteses Conceitos Gerais

Como a dimensão da amostra é , o número de inquiridos correspondente é

Teste de hipóteses para proporção populacional p

Distribuições de Estatísticas Amostrais e Teorema Central do Limite

Inferência Estatística

Exame MACS- Inferência-Intervalos.

Estatística II Licenciatura em Gestão TESTE I

06/02/2017. Teste de Hipóteses. Principais Conceitos. Teste de Hipóteses. Tipos de Erros. Tipos de Testes. Bioestatística

6.1 Estimativa de uma média populacional: grandes amostras. Definição: Um estimador é uma característica amostral (como a média amostral

Teorema do limite central e es/mação da proporção populacional p

Capítulo 5- Introdução à Inferência estatística. (Versão: para o manual a partir de 2016/17)

DETERMINANDO A SIGNIFICÂNCIA ESTATÍSTICA PARA AS DIFERENÇAS ENTRE MÉDIAS

UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPTO. DE ESTATÍSTICA LISTA 4 PROBABILIDADE A (CE068) Prof. Benito Olivares Aguilera

Probabilidades e Estatística

Pedro Alberto Barbetta / Marcelo Menezes Reis / Antonio Cezar Bornia São Paulo: Atlas, 2004

Probabilidades e Estatística LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBiol, MEBiom, MEEC, MEFT, MEMec, MEQ

ENGENHARIA DA QUALIDADE A ENG AULA 6 CARTAS DE CONTROLE PARA ATRIBUTOS

Exercícios de Intervalos de Confiança para media, variância e proporção

Objetivo. Estimar a média µ de uma variável aleatória X, que representa uma característica de interesse de uma população, a partir de uma amostra.

Testes de Hipóteses. Júlio Osório. Os dois campos da Análise Estatística. Métodos Estatísticos. Inferência Estatística. Estatística Descritiva

TESTE DE HIPÓTESE. Introdução

Teorema do Limite Central, distribuição amostral, estimação por ponto e intervalo de confiança

Probabilidades e Estatística LEAN, LEE, LEGI, LERC, LMAC, MEAer, MEAmbi, MEBiol, MEBiom, MEEC, MEFT, MEMat, MEQ

Lista 9 - Introdução à Probabilidade e Estatística

Teorema do Limite Central, distribuição amostral, estimação por ponto e intervalo de confiança

TESTES DE HIPÓTESES. HIPÓTESES: São suposições que fazemos para testar a fixação de decisões, que poderão ser verdadeiras ou não.

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Teoria da amostragem

Disciplina: TRANSPORTES. Sessão Prática 4 (Tipo A): Amostragem

Exame final de Estatística 1ª Época - 3 de Junho de Duração: 2h30m. Note bem:

Estimar uma proporção p (desconhecida) de elementos em uma população, apresentando certa característica de interesse, a partir da informação

Propriedades: Notação: X ~ U(α, β). PRINCIPAIS MODELOS CONTÍNUOS

ESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p

Probabilidades e Estatística TODOS OS CURSOS

ESTIMAÇÃO DE PARÂMETROS

Unidade IX Estimação

Obtemos, então, uma amostra aleatória de tamanho n de X, que representamos por X 1, X 2,..., X n.

ESTIMAÇÃO POR INTERVALO (INTERVALOS DE CONFIANÇA)

d) A partir do item c) encontre um estimador não viciado para σ 2.

Soluções da Colectânea de Exercícios

MAE Introdução à Probabilidade e Estatística II Resolução Lista 2

Objetivo. Estimar a média de uma variável aleatória X, que representa uma característica de interesse de uma população, a partir de uma amostra.

MAE 116 Estimação para a média FEA - 2º Semestre de 2018

1. Dados: Deve compreender-se a natureza dos dados que formam a base dos procedimentos

Uma amostra aleatória simples de n elementos é selecionada a partir da população. Calcula-se o valor da média a partir da amostra

Transcrição:

apítulo Problema (a P(Erro I P(dizer que são de B a 76 75 P Z P( Z P(Erro II 5,87% P(dizer que são de A a 76 77 P Z P( Z 5,87% (b P(Erro I 5% P ( ~ (75; 75,645 verdade são de A P verdade são de B P 76,645 5% P Z ( 76 ~ (75; ( 76 ~ (77; 75 5% Regra de decisão: e 76, 645, dizer que habitates da ilha são descedetes de B; caso cotrário, dizer que são descedetes de A P(Erro II P (c ( 76,645 ~ (77; P( Z,355 36,3% 76,645 77 P Z P(Erro I 5% P ( ~ (75;,5 75,645,5 75,83 5% P Z 75 5%,5 P(Erro II P ( 76,645 ~ (77; P( Z,77,96% 75,83 77 P Z ap Pág

µ B P ( Erro II µ B 78 8,77% 8,4% 8,% P(erro II mib,% 8,% 6,% 4,%,%,% 77,5 78 78,5 79 79,5 8 8,5 8 8,5 mib (d Problema (a α P(rejeitar (b H H verdadeir a P 7 5 P Z P( Z,333 9, % 5 β P(aceitar H (c H é verdadeir a P 7 P Z P( Z,5 6,68% α β P ( 7 ~ (5;5 ( 7 ~ (; ( ~ (5; 5 P( ~ (; 5 P Z P Z 5 7,49 ] 7,49 [ R ;+ 5 5 ap Pág

Problema 3 (a H : Está começado um ataque H : Está acotecedo uma leve iterferêcia Erro I: Dizer que está acotecedo uma leve iterferêcia, quado a verdade está começado um ataque; Erro II: Dizer que está começado um ataque, quado a verdade está acotecedo uma leve iterferêcia (b H : O acusado é iocete H : O acusado é culpado Erro I: Dizer que o acusado é culpado, quado a verdade é iocete Erro II: Dizer que o acusado é iocete, quado a verdade é culpado (c H : A vacia ão é eficaz H : A vacia é eficaz Erro I: Dizer que a vacia é eficaz, quado a verdade ão é eficaz Erro II: Dizer que a vacia ão é eficaz, quado a verdade é eficaz Problema 4 : úmero de coroas em 3 laçametos ~ Biomial(3;p H : p,5 versus H : p, 5 P( Erro I P(rejeitar H H verdadeir a P( 3 p, 5,5% P( Erro II P(ão rejeitar H H falsa P( 3 p, 667 7,37% Problema 5 (a H : µ versus H : µ (b Por exemplo: e 5, dizer que µ aso cotrário, dizer que µ P(Erro I P(rejeitar H H verdadeir a P( 5 5 P Z P( Z,5,56% 4 ~ (;4 P(Erro II P(ão rejeitar H falsa P( 5 P Z P( Z,5,56% 4 H 5 ~ (;4 ap Pág3

Problema 6 (a (b Passo : H : µ 8 versus H : µ 8 Passo : ~ ( µ ;,4 Passo 3: α P(rejeitar P Z H R ] ;7,34[ Passo 4: 7, H 8 5%,4 é verdadeir a P( 8,645,4 ~ (8;,4 7,34 Passo 5: O valor observado pertece à R Logo, rejeita-se H, ou seja, com base a amostra colhida, a diretoria deve decidir por retirar o produto da liha de produção β P(Erro II P(ão rejeitar H falsa P( 7,34 7,8 P Z P( Z,45 87,4%,4 H 7,34 ~ (7,8;,4 (c α P(rejeitar P Z H H 8 %,4 é verdadeir a P( 8,36,4 ~ (8;,4 7,7 R ] ;7,7[ O valor observado ão perteceria à R Logo, a decisão seria diferete, isto é, H ão seria rejeitada (d α P(rejeitar P Z H R ] ;6,684[ H 8 5%,8 é verdadeir a P( 8,645,8 ~ (8;,8 6,684 ovamete, o valor observado ão perteceria à R, e portato, H ão seria rejeitada Problema 7 Passo : H : µ 6 versus H : µ 6 Passo : ~ ( µ ;6,667 ap Pág4

6 Passo 3: α, 5,645 49, 3 R ] ;49,3[ 6,667 Passo 4: 5 Passo 5: O valor observado ão pertece à R Logo, ão se rejeita H ão há evidêcias de melhoria Problema 8 Passo : H : µ, 5 versus H : µ, 5 Passo : ~ ( µ ;,74 Passo 3: α, 5,5,645, 38 R ] ;,38[,74 Passo 4:, 3 Passo 5: omo o valor observado pertece à R, rejeita-se H, ou seja, há evidêcias de que esta idústria paga salários iferiores, em média Problema 9 Passo : H : µ 3 versus H : µ 3 Passo : ~ ( µ ;,9 3 Passo 3: α,,8 4, 5 R ] 4,5; + [,9 Passo 4: 4, 7 Passo 5: omo o valor observado pertece à R, rejeita-se H, ou seja, há evidêcias de que a iformação do fabricate é falsa, ao ível sigificâcia de % Problema Passo : H : p, 5 versus H : p, 5 Passo : Passo 3: p( p p ˆ ~ p; 6,5 5%,5/ 6 α P(rejeitar H H é verdadeir a P P Z { p:,836} R p Passo 4: p ˆ, 833 ( ~ (,5;,5 /6,5,645,5/ 6,836 ap Pág5

Passo 5: omo o valor observado ão pertece à R, ão se rejeita H, ou seja, ão há evidêcias de que a pessoa acerta mais que metade das vezes Problema Passo : H : p, versus H : p, Passo : p( p p ˆ ~ p; 5, Passo 3: α,,8, 73,,8/ 5 { p:,73} R p Passo 4: p ˆ, 7 Passo 5: omo o valor observado ão pertece à R, aceita-se H, ou seja, ão há evidêcias de que a proporção de peças defeituosas seja maior que % Problema i α, 5 Passo : H : p, 9 versus H : p, 9 Passo : p( p p ˆ ~ p;,9 Passo 3: α, 5,645, 865,9,/ Passo 4: p ˆ, 875 R { p : p,865} Passo 5: omo o valor observado ão pertece à R, aceita-se H, ou seja, ão há evidêcias de que a proporção de peças de acordo com as especificação seja meor que 9% ii α,,9 Passo 3: α,,36, 85,9,/ Passo 4: p ˆ, 875 Passo 5: A coclusão é a mesma obtida com α, 5 R { p : p,85} Problema 3 Passo : H : p, 5 versus H : p, 5 ap Pág6

Passo : p( p p ˆ ~ p; 4,5 Passo 3: α, 5,645, 4,5,75/ 4 Passo 4: p ˆ, R { p: p,4} Passo 5: omo o valor observado pertece à R, rejeita-se H, ou seja, há evidêcias de que a proporção de possuidores de TV que assistem ao programa é meor que 5% Logo, a decisão dos produtores deve ser modificar o programa Problema 4 (a : úmero de sucessos em tetativas ~Biomial(;p α P(rejeitar H H é verdadeir a P p ( R,5, 9 (b π ( p P(rejeitar H p P( R p p,,4,5,6,8 π ( p,678,8,9,8,678 ap Pág7

Poder,8,7,6,5,4,3,,,,,,4,6,8, p (c π (,5 P (rejeitar H p,5 α, 9 Problema 5 (a Passo : H : µ versus H : µ Passo : ~ ( µ ;4 Passo 3: α, 5,645 4 6, 58 R ] 6,58; + [ (b π ( µ P (rejeitar H µ P( 6,58 6,58 µ ~ ( µ ;4 P Z 4 µ 95 5 5 5 π (µ,,5,346,84,98,, ap Pág8

,,8 Poder,6,4,, 95 5 5 5 3 mi 6,58 µ 6,58 µ (c π ( µ P Z 5% µ 6, 58 Logo, para 4 4 µ 6,58, o poder do teste será maior que 5% Problema 6 5 5 ( 5 ~ (5;5 P Z P(,4, 345 αˆ P Z 5 Problema 7 Passo : H : µ 5 versus H : µ 5 Passo : ~ ( µ ;,5 Passo 3:, 5,5 5 (,5 ~ (5;,5 P Z P(,8, 36 ˆ α P Z,5 Passo 4: Rejeitamos H para qualquer ível de sigificâcia α αˆ Por exemplo, fixado α 5%, rejeita-se H, isto é, há evidêcias de que a ova técica é melhor que a aterior Problema 8 ˆ * ~ χ ( ; ; ( ~ χ ( (a P( ˆ* a P χ ( a % 5,987 5,987 59, 87 a a (b P( a P χ ( a 5% 3,35 3,35 36, 95 a a 9 ap Pág9

P b P χ ( b 5% 6,99 6,99 87,99 b b 9 ( (c α P( 63,6 P χ ( 63,6 P( χ (9 4,684, 9 (d α P( P χ ( P( χ (9 9, 437 (e α P( 8 P χ ( 8 P( χ (9,6, 4 (f P( 8 P χ ( 8 P( χ (9 6,, 63 Problema 9 Passo : H : 3 versus H : 3 Passo : ( ~ χ (3 Passo 3: α P (rejeitar H H é verdadeir a P( χ χ ou χ χ % χ 4,848 e χ 3, 7 { : 4,84ou R χ χ χ 3,7} 3 Passo 4: χ obs 4 3, 667 3 Passo 5: omo o valor observado ão pertece à R, aceita-se H, ou seja, ão há evidêcias de que a variâcia mudou, ao ível de % Problema (a A variâcia, já que a mesma é uma medida de dispersão em toro da média (b 4,9 I Problema ( ;95% χ ( ; χ ( 4,9 4,9 ;,483 3,47 (a P( 5 t/ P( T t % P( T t 5% t, 9 9 9 [ 55,7;35,38] ap Pág

x µ 48 5 (b t o, 577 P ( T 9,577, 89 s/ / (c P( 5 P T P T P( T,577, 4 Problema / 9 9 9 Passo : H : µ versus H : µ Passo : ob H, ~ t(5 / 4 Passo 3: α, 5 / ( t c 5% t, 753 α P(rejeitar H H é verdadeir a P T5 c R t { t :,753} Passo 4: t 5 o Passo 5: omo t o pertece à R, rejeita-se H Logo, há evidêcias de melhora o tempo médio de execução da tarefa Problema 3 (a Passo : H : µ 9 versus H : µ 9 9 Passo : ob H, ~ t(9 / Passo 3:, 5 α, α P( T t c 5% t, 833 R { t : t,833} 9 c 35 9 Passo 4: t o, 566 675,8 / Passo 5: omo t o ão pertece à R, aceita-se H Logo, ão há evidêcias de que a média das cidades pequeas seja diferete da média do estado (b Isso ocorre devido à grade variâcia da reda dos muicípios Problema 4 (a (b s,35 I ( µ ;95% x ± t5 4,563 ±,3 4,563± 5,54 4 [ 36,5;47,8] uposições: a porcetagem da receita gasta com alimetação pelos moradores dessa vila tem distribuição ormal; foi feita uma amostragem aleatória simples Problema 5 ap Pág

(a Passo : H : µ 3 versus H : µ 3 Passo : ~ ( µ ;,33 Passo 3: α, 5, 3,645 3, 7 R ] 3,7; + [,33 Passo 4: 3, 44 Passo 5: omo ão pertece à R, aceita-se H, ou seja, ão há evidêcias de que a média de precipitação pluviométrica aual é maior que 3, 3 (b Passo : ob H, ~ t(8 / 3 α, α P( T t c 5% t, 86 R { t : t,86} Passo 3:, 5 8 c 3,4 3 Passo 4: t o, 4 3, 53/3 Passo 5: A coclusão é a mesma do item (a (c β P(aceitar H H é falsa P ( 3,7 ~ (33;,33 3,7 33 P Z P( Z,58,4,33 Problema 6 5,4 ; 75, 84 ; 5 Passo : H : µ 3 versus H : µ 3 Passo : ~ ( µ ;,875 3 Passo 3: α, 5,96 6, 33 ; 3,96 33, 68,875,875 Passo 4: 5, 4 { x : x 6,33ou 33,68} R x Passo 5: omo pertece à R, rejeita-se H, ou seja, há evidêcias de que o úmero médio de fucioários é diferete de 3 3,6 I( µ ;95% x ± z 5,4 ±,96 5,4 ± 3,675 5 [ 46,7;54,8] ap Pág

Problema 7 Passo : H : µ versus H : µ Passo : ~ ( µ ;, 35 Passo 3: α,,8, 7,35 Passo 4:, 3 R { x : x,7} Passo 5: O valor observado pertece à R Logo, há evidêcias de que o cosumo é maior que o auciado pela fábrica Problema 8 H versus H : µ { 45;58} (a : µ 5 (b Erro I: Rejeitar H sedo que H é verdadeira, isto é, dizer que o valor real é diferete (c do declarado, quado a verdade o valor declarado está correto Erro II: Aceitar H sedo que H é falsa, isto é, dizer que o valor declarado está correto, quado a verdade ão está α P(rejeitar H H é verdadeir a P( 5 5 P Z + P Z 5,645 33,55 5,645 66,45 { x : x 33,55 66,45} R ou x % ou ~ (5; (d e µ 45 : β P( aceitar H H é falsa P(33,55 33,55 45 66,45 45 P Z e µ 58: β P( aceitar H H 33,55 58 66,45 58 P Z é falsa P(33,55 66,45 ~ (45; P(,45 Z,45,858 66,45 ~ (58; P(,445 Z,845,794 ap Pág3

(e α : probabilidade de erro tipo I, isto é, probabilidade de afirmar que o valor declarado está icorreto, quado a verdade está correto β : probabilidade de erro tipo II, isto é, probabilidade de afirmar que o valor declarado está correto, quado a verdade está icorreto (depede do verdadeiro valor de µ Problema 9 Passo : H : µ µ versus H : µ µ A B A B Passo : Var ( Var( + Var( / 5+ /6, 5 A A ob H : Passo 3:, 5 B B A B ( A B ( µ A µ B ~ ( µ A µ B;,5 Z ~ (,,5 Z ( A,5 B ~ (, α, α P H H é verdadeir a P( Z z 5% z, 96 { z :,96} R z Passo 4: z, 98 o (rejeitar c Passo 5: omo o valor observado ão pertece à R, ão rejeitamos H, ou seja, ão há evidêcias de que as médias são diferetes Problema 3 Passo : H : p p p versus H : p p Passo : Var( ~ ( p Var( + Var( p ; Var( p ( p + ( Z ˆ p ob H : Z ~ (, p ( p p ( p + p ( p ( p p Var( ~ (, É preciso estimar o deomiador de Z sob H ob H, a estimativa ˆ ˆ s p + p de p p p é dada por: p ˆ, 5 + Passo 3:, 5 s α, α P H H é verdadeir a P( Z z 5% z, 96 R z (rejeitar c { z :,96} ap Pág4

ˆ p,5, 78 Passo 4: z, 93 o ( (,89 + Passo 5: omo o valor observado ão pertece à R, aceita-se H, ou seja, ão há evidêcias de que as proporções as duas regiões são diferetes Problema 3 Passo : H : p p p versus H : p p ˆ ˆ p + p Passo : ob H : Z ~ (, p ˆ, 3 p ( p p ( p + + Passo 3:, 5 α, α P H H é verdadeir a P( Z z 5% z, 96 (rejeitar c { z :,96} R z,33,9 Passo 4: z, 3 ˆ ( ˆ (,7 o p p + Passo 5: omo o valor observado ão pertece à R, aceita-se H, ou seja, ão há evidêcias de que as preferêcias os dois aos sejam diferetes Problema 3 (a (,37 ( {,,} ~ (5;,5 P Erro I P(rejeitar H H é verdadeir a P Biomia P( Erro II P(ão rejeitar H,873 (b ~ Biomial(5;,3 P( ~ Biomial (5;,3 π ( µ P (rejeitar H p P( ~ Biomial(5; p (c p,5,,,3,4,5 ap Pág5

,6,8 π ( p,964,86,398,7,7,4,,,,8 Poder,6,4,,,,,4,6,8, p Problema 33 (a H : µ versus H : µ α P(rejeitar H H é verdadeir a P P Z P Z / 5% β P(aceitar H ~ (;/ P % / ( ~ (;4/,645 / + 3,9/ ( ~ (;4/,8 / 5,64/ Logo: + 3,9 / 5,64 / 34,7 35 (b + 3,9/ + 3,9/ 34,7 5, 6 esse caso, a R é dada por: R ] 5,6; + [ ap Pág6

Problema 34 Teste para a variâcia Passo : H : versus 8 H : 8 Passo : ( ~ χ (4 Passo 3: α (rejeitar H H é verdadeir a P( χ χ ou χ χ 5% χ,4 e χ 39, 364 { :,4ou R χ χ χ 39,364} P 4 Passo 4: χ obs 5 9, 375 8 Passo 5: omo o valor observado pertece à R, há evidêcias de que a variâcia teha se alterado Teste para a média Passo : H : µ 5 versus H : µ 5 5 Passo : ob H, ~ t(4 /5 α, α P( T t c 5% t, 7 R { t : t,7} Passo 3:, 5 8 5 Passo 4: t o 3 5 /5 4 c Passo 5: omo to pertece à R, rejeita-se H Logo, há evidêcias de que o úmero médio diário de clietes teha aumetado uposições: Amostragem aleatória simples; úmero diário de clietes do posto de gasolia tem distribuição ormal Problema 35 Passo : H : µ 7 versus H : µ 7 7 Passo : ob H, ~ t(8 /3 Passo 3:, 5 α, α P( T t c 5% t, 86 R { t : t,86},556 7 Passo 4: t o 4, 75,555/3 8 c Passo 5: omo t o pertece à R, rejeita-se H Logo, há evidêcias de melhoria s,555 I ( µ ;95% x ± t8,556 ±,36,556±,964 3 [ 8,59;,5] ap Pág7

Problema 36 ( ( 8 6,58 8 6,58 6,58 I ( ;9% ; ; [ 3,37;9,] 9, 3,37 χ χ Problema 37 (a erro,645,645 p( p erro p( p Tomado p,5 (para maximizar p(-p: 7,6 7 (b (,4,6 I ( p;,95 ± z,4 ±,96,4 ±,48 [,35;,448] 4 Itervalo coservador: I ( p;,95 ± z,4 ±,96,4±,49 [,35;,449] 4 4 4 Problema 38 (,4,6 I ( p;,9 ± z,4 ±,645,4±,8 [,38;,48] Itervalo coservador: I ( p;,9 ± z,4 ±,645,4 ±,8 [,38;,48] 4 4 Problema 39 Passo : H : 5 versus H : 5 Passo : ( ~ χ ( Passo 3: α (rejeitar H H é verdadeir a P( χ χ 5% P χ 8, 37 { χ : 8,37} R χ Passo 4: χ obs 48 9, 5 Passo 5: omo o valor observado pertece à R, rejeita-se H, ou seja, há evidêcias de que a variâcia seja maior que a auciada pelo fabricate Problema 4 ap Pág8

Teste para a variâcia Passo : H : 5 versus H : 5 Passo : ( ~ χ (7 Passo 3: α (rejeitar H H é verdadeir a P( χ χ 5% P χ, 67 { χ :,67} R χ 7 Passo 4: χ obs,35, 378 5 Passo 5: omo o valor observado pertece à R, há evidêcias de que a variâcia teha dimiuído Teste para a média Passo : H : µ 4 versus H : µ 4 4 Passo : ob H, ~ t(7 / 8 Passo 3:, 5 α, α P( T7 t c 5% t, 365 R { t : t,365} 4,6 4 Passo 4: t o, 369,6 / 8 c Passo 5: omo t o ão pertece à R, ão rejeitamos H Ou seja, ão há evidêcias de que o redimeto médio seja diferete de 4% Problema 4 (a ~Biomial(;p H : p, 6 α ˆ P( 3 ~ Biomial (;,6, 55 (b α ˆ P( 3 ~ Biomial (;,6, Problema 4 α ˆ P( 6 ~ Biomial (;,6,66 Problema 43 Exemplo 7 ap Pág9

ap Pág,4,476 ( 9 3 86 9 3 34 (3;9 ~ 3 (34 3 ( (3;9 ~ 34 ( ˆ + + Z P Z P Z P P P α Problema 4,5 (;,6 ~ 6 ( (;,6 ~ 6 (6 6 ( (;,6 ~ 6 ( ˆ + + Biomial P Biomial P Biomial P α