You are on page 1of 11

Departamento de Matemtica Estatstica Ficha 3 Inferncia Estatstica

Considere os dados patentes no cheiro DRH.Rdata, onde esto presentes as respostas a um inqurito efetuado a 200 dos 20 000 trabalhadores de uma empresa multinacional, onde cada coluna corresponde s variveis: Sexo: sexo do trabalhador: feminino ou masculino; Idade: idade do trabalhador; Altura: altura do trabalhador em cm; Peso: peso do trabalhador em kg; Agregado familiar: nmero de elementos que constituem o agregado familiar do trabalhador; Departamento: departamento no qual o trabalhador est inserido; Escolaridade: nvel de escolaridade do trabalhador: Doutoramento, Mestrado, Licenciatura, Ensino Secundrio ou Ensino Bsico; Rendimento mensal: rendimento mensal, em euros, que o trabalhador aufere atualmente; Rendimento mensal h dois anos: rendimento mensal, em euros, que o trabalhador auferia h dois anos atrs; Rendimento mensal do agregado familiar: rendimento mensal, em euros, que o agregado familiar do trabalhador aufere atualmente.

1. Indique uma estimativa e um intervalo, com 90% de conana, para o rendimento mdio mensal. Statistics Means Single-Sample t-Test. . . Condence Level: .90 2. Utilizando um nvel de conana de 95% indique os intervalos de conana unilateral inferior e unilateral superior para o rendimento mdio mensal. Compare estes intervalos com o obtido na alnea anterior. Em Alternative Hypothesis escolher o sinal < e depois >. 3. Determine uma estimativa e intervalos de conana (bilateral, unilateral inferior e unilateral superior), utilizando 99% de conana, para o rendimento mdio mensal dos trabalhadores do sexo masculino. Data Active data set Subset active data set. . . em Subset expresion colocar Sexo==Masculino e escolher outro nome para a base de dados (por exemplo DRH_Sexo_M). 4. Represente gracamente intervalos com 90% de conana para o rendimento mdio mensal consoante o sexo do trabalhador. Graphs Plot of means. . .

Ficha prtica de Inferncia Estatstica 5. Indique uma estimativa e um intervalo, com 99% de conana, para o rendimento mdio mensal dos trabalhadores do departamento de aprovisionamento. Represente um grco que permita comparar os intervalos de conana, para o rendimento mdio mensal dos trabalhadores, dos diversos departamentos. 6. Indique uma estimativa e um intervalo, com 99% de conana, para a proporo de trabalhadores do sexo: (a) masculino. Statistics Proportions Single-Sample Proportions Test. . . (poder ser necessrio reordenar os fatores: Data Manage variables in active data set Reorder factor levels. . . ) (b) feminino. 7. Determine um intervalo, com 95% de conana, para a proporo de trabalhadores com um mximo de 45 anos. Nota: Ter de criar a varivel binria Idade45 utilizando Data Manage variables in active data set Recode variables. . . e usando em recode directives as condies lo : 45 = 1 e 45 : hi = 2. 8. Indique uma estimativa e um intervalo unilateral inferior, com 99% de conana, para a proporo de trabalhadores do sexo masculino no departamento operacional. 9. Indique uma estimativa e um intervalo unilateral superior, com 90% de conana, para a proporo de trabalhadores com um mximo de 45 anos no departamento operacional. 10. Considere o rendimento mensal dos trabalhadores. (a) Represente gracamente os Q-Q Plots em relao distribuio normal e faa a sua interpretao. Graphs Quantile-comparison plot. . . (b) Teste, com 5% de signicncia, se a varivel rendimento mensal pode ser considerada proveniente de uma distribuio normal. Statistics Summaries Shapiro-Wilk test of normality. . . (c) Teste se o rendimento mensal mdio dos trabalhadores pode ser igual a 750e utilizando: i. um nvel de signicncia igual a 5%. Statistics Means Single-Sample t-Test. . . ii. um nvel de signicncia igual a 1%. (d) Comente a abilidade dos testes efectuados na alnea anterior. 11. Considere o rendimento mensal do trabalhadores do departamento operacional. (a) Teste, com 1% de signicncia, se o rendimento mensal dos trabalhadores do departamento operacional pode ser considerado proveniente de uma distribuio normal. Represente gracamente os Q-Q Plots e faa a sua interpretao. (b) Teste, com um nvel de signicncia igual a 1%, se podemos armar que o rendimento mensal mdio dos trabalhadores do departamento operacional inferior a 655e. (c) Determine um intervalo, com 95% de conana, para o rendimento mdio mensal dos trabalhadores do departamento operacional. Ficha n.o 3 Estatstica (Engenharias) 2

Ficha prtica de Inferncia Estatstica

12. Considere a varivel altura dos trabalhadores. (a) Teste, com 10% de signicncia, se a varivel altura pode ser considerada proveniente de uma distribuio normal. Represente gracamente os Q-Q Plots e faa a sua interpretao. (b) Teste, com um nvel de signicncia igual a 5%, se a altura mdia dos trabalhadores pode ser considerada igual a 165cm. (c) Indique um intervalo, com 95% de conana, para a altura mdia dos trabalhadores. (d) Comente a abilidade do intervalo de conana e do teste de hipteses realizados nas duas alneas anteriores. (e) Repita a alnea 12a) considerando primeiro os trabalhadores do sexo feminino e depois os do sexo masculino. Comente o resultado obtido (em comparao com o resultado obtido com todos os trabalhadores juntos). (f) Teste, com um nvel de signicncia igual a 5%, se podemos armar que a altura mdia dos trabalhadores do sexo masculino superior a 170cm. (g) Teste, com um nvel de signicncia igual a 5%, se podemos armar que a altura mdia dos trabalhadores do sexo feminino inferior a 160cm. (h) Indique um intervalo, com 90% de conana, para a altura mdia dos trabalhadores do sexo masculino e outro para os trabalhadores do sexo feminino. Represente gracamente estes intervalos de forma a tornar fcil a sua comparao. (i) A variabilidade da altura dos trabalhadores do sexo feminino pode ser considerada igual dos trabalhadores do sexo masculino? Statistics Variances. . . (j) Determine um intervalo, com 95% de conana, para a diferena entre a altura mdia dos trabalhadores do sexo masculino e a dos trabalhadores do sexo feminino. Statistics Means Independent Samples t-Test. . . (k) Teste, com = 0.05, se podemos armar que a mdia da altura dos trabalhadores do sexo feminino inferior dos trabalhadores do sexo masculino. Statistics Means Independent Samples t-Test. . . ou Statistics Nonparametric Tests Two-sample Wilcoxon Test. . . 13. Considere a varivel peso dos trabalhadores. (a) Teste, com 1% de signicncia, se o peso pode ser considerado proveniente de uma distribuio normal. Represente gracamente os Q-Q Plots e faa a sua interpretao. (b) Teste, com um nvel de signicncia igual a 5%, se o peso mdio dos trabalhadores pode ser igual a 65kg . (c) Indique um intervalo, com 99% de conana, para o peso mdio dos trabalhadores. (d) Comente a abilidade do intervalo de conana e do teste de hipteses realizados nas duas alneas anteriores. (e) Repita a alnea 13a) considerando primeiro os trabalhadores do sexo feminino e depois os do sexo masculino. (f) Teste se podemos armar que o peso mdio dos trabalhadores do sexo masculino superior a 75kg . (g) Teste se podemos armar que o peso mdio dos trabalhadores do sexo feminino inferior a 65kg . Ficha n.o 3 Estatstica (Engenharias) 3

Ficha prtica de Inferncia Estatstica (h) Indique um intervalo, com 99% de conana, para o peso mdio dos trabalhadores do sexo masculino e outro para os do sexo feminino. Represente gracamente estes intervalos de forma a tornar fcil a sua comparao. (i) A variabilidade do peso dos trabalhadores do sexo feminino pode ser considerada igual dos do sexo masculino? (j) Determine um intervalo, com 99% de conana, para a diferena entre o peso mdio dos trabalhadores do sexo masculino e a dos do sexo feminino. (k) Teste, com = 0.05, se podemos armar que a mdia do peso dos trabalhadores do sexo feminino inferior dos do sexo masculino? 14. Considere que se pretende analisar a varivel rendimento mensal por sexo. (a) O rendimento mensal dos trabalhadores do sexo feminino pode ser caracterizado pela distribuio normal? E o rendimento mensal dos trabalhadores do sexo masculino? (b) A variabilidade do rendimento mensal dos trabalhadores do sexo feminino igual dos do sexo masculino? (c) Determine um intervalo, com 95% de conana, para a diferena entre o rendimento mdio mensal dos trabalhadores do sexo masculino e o dos do sexo feminino. O intervalo obtido vel? (d) Teste, com = 0.05, se podemos armar que a mdia do rendimento mensal dos trabalhadores do sexo feminino inferior dos do sexo masculino? 15. Considere que se pretende analisar a evoluo do rendimento mensal nos ltimos dois anos. (a) Teste se as variveis rendimento mensal e rendimento mensal h dois anos podem ser caracterizados pela distribuio normal? (b) Teste, com um nvel de signicncia de 5%, se o rendimento mensal mdio dos trabalhadores aumentou nos ltimos dois anos. Statistics Means Paired t-Test. . . ou Statistics Nonparametric Tests Paired-samples Wilcoxon Test. . . (c) Determine um intervalo, com 95% de conana, para a diferena entre o rendimento mdio mensal atual e o rendimento mdio mensal h dois anos. O intervalo obtido vel? 16. Considere que se pretende analisar a varivel rendimento mensal por departamento. (a) O rendimento mensal dos trabalhadores de cada departamento pode ser caracterizado pela distribuio normal? (b) Teste se a variabilidade dos rendimentos mensais pode ser considerada igual em todos os departamentos. Statistics Variances Levenes test. . . ou Bartletts test. . . (c) Teste se podemos armar que a mdia do rendimento mensal dos trabalhadores no igual em todos os departamentos. Statistics Means One-Way ANOVA. . . ou Statistics Nonparametric Tests Kruskal-Wallis test. . . (d) Represente um grco que permita comparar os intervalos, com 95% de conana, para o rendimento mdio mensal dos trabalhadores de cada departamento.

Ficha n.o 3

Estatstica (Engenharias)

Ficha prtica de Inferncia Estatstica

(e) Podemos armar que a mdia do rendimento mensal dos trabalhadores do departamento operacional inferior do departamento de recursos humanos? 17. Considere que se pretende analisar a varivel rendimento mensal por nvel de escolaridade. (a) O rendimento mensal, em cada nvel de escolaridade, pode ser caracterizado pela distribuio normal? (b) Teste se a variabilidade dos rendimentos mensais pode ser considerada igual em todos os nveis de escolaridade. (c) Teste se podemos armar que a mdia do rendimento mensal dos trabalhadores no igual em todos os nveis de escolaridade. (d) Represente um grco que permita comparar os intervalos, com 95% de conana, para o rendimento mdio mensal dos trabalhadores para cada nvel de escolaridade. (e) Teste se podemos armar que os trabalhadores com ensino superior tm uma mdia do rendimento mensal superior mdia dos restantes trabalhadores. 18. Crie uma nova varivel denominada IMC ndice de Massa Corporal (IMC igual ao peso (em kg ) a dividir pelo quadrado da altura (em m)) (a) Teste, com um nvel de signicncia igual a 5%, se o IMC mdio superior a 24 em cada um dos sexos. Comente o resultado. (b) Teste, com um nvel de signicncia de 5%, se o IMC mdio dos homens pode ser considerado igual ao IMC mdio das mulheres. 19. Teste, com um nvel de signicncia igual a 5%, se a proporo de trabalhadores do sexo masculino igual do sexo feminino. Statistics Proportions Single-Sample Proportions Test. . . 20. Teste, com um nvel de signicncia igual a 2%, se a maioria dos trabalhadores tem uma altura inferior a 170 cm. 21. Crie uma varivel binria que indique se o trabalhador detentor de um curso superior. (a) Teste, com um nvel de signicncia igual a 5%, se plausvel que mais de 30% dos trabalhadores seja detentor de um curso superior. (b) Indique uma estimativa e um intervalo, com 95% de conana, para a proporo de trabalhadores com um curso superior. (c) Teste, com um nvel de signicncia igual a 5%, se a proporo de trabalhadores detentor de um curso superior inferior nos trabalhadores do sexo feminino do que nos do sexo masculino. Statistics Proportions Two-Sample Proportions Test. . . (d) Determine um intervalo, com 95% de conana, para a diferena entre a proporo de trabalhadores do sexo feminino com um curso superior e a proporo de trabalhadores do sexo masculino com um curso superior. 22. Teste, com um nvel de signicncia de 5%, se existe igual percentagem de trabalhadores em cada departamento. Statistics Summaries Frequency Distribution. . .

Ficha n.o 3

Estatstica (Engenharias)

Ficha prtica de Inferncia Estatstica

23. Teste, com um nvel de signicncia de 5%, se as percentagens de trabalhadores em cada nvel de escolaridade (Doutoramento, Mestrado, Licenciatura, Ensino Secundrio ou Ensino bsico) igual a 2%, 4%, 30%, 24% e 40%, respetivamente.

Solues
1. = 802.45 e ]767.69, 837.20[ com 90% de conana. 2. ]0, 837.20[ com 95% de conana ]767.69, [ com 95% de conana. 3. = 978.95, ]853.93, 1103.97[, ]0, 1091.38[, ]866.51, [ com 99% de conana.
Plot of Means

4.
mean of DRH$Rendimento.mensal 1000 700 Feminino DRH$Sexo 800 900

Masculino

5. = 895.58 e ]852.76, 938.39[ com 99% de conana.


Plot of Means
2000 mean of DRH$Rendimento.mensal Aprovisionamento 1000 1500

Direco

Financeiro DRH$Departamento

Operacional

Recursos humanos

6.

(a) p = 0.375 e p ]0.2882, 0.4679[ com 99% de conana. (b) p = 0.625 e p ]0.5321, 0.7118[ com 99% de conana.

7. p = 0.56 e p ]0.4883, 0.6299[ com 95% de conana. 8. p = 0.1321 e p [0, 0.2271[ com 99% de conana. 9. p = 0.7264 e p ]0.6632, 1] com 99% de conana. 10. (a)
DRH$Rendimento.mensal 2000 500 3 1000 1500

0 norm quantiles

Ficha n.o 3

Estatstica (Engenharias)

Ficha prtica de Inferncia Estatstica (b) p value < 2.2 1016 < Rejeitar H0 . . . (c) i. p value = 0.0135 < Rejeitar H0 . . . ii. p value = 0.0135 No rejeitar H0 . . .

(d) Os testes podero no ter a abilidade enunciada (hiptese de normalidade rejeitada). 11. (a)
DRH_Operacional$Rendimento.mensal 650 550 600 700

0 norm quantiles

p value = 0.4794 No rejeitar H0 . . . (b) p value = 0.0222 No rejeitar H0 . . . (c) ]637.29, 654.77[ com 95% de conana. 12. (a)
DRH$Altura 170 150 3 160 180

0 norm quantiles

p value = 0.0004 < Rejeitar H0 . . . (b) p value = 0.4883 No rejeitar H0 . . . (c) ]164.1902, 166.6898[ com 95% de conana. (d) Os resultados podero no ter a abilidade enunciada (hiptese de normalidade rejeitada). (e)
185

Masculino
170

Feminino

180

DRH_Sexo_M$Altura

DRH_Sexo_F$Altura 2 1 0 norm quantiles 1 2

175

170

165

145

150

155

160

165

0 norm quantiles

p value = 0.6138 No rej. H0 . . .

p value = 0.6542 No rej. H0 . . .

(f) p value = 9.886 1014 < Rejeitar H0 . . . (g) p value = 0.2678 No rejeitar H0 . . .

Ficha n.o 3

Estatstica (Engenharias)

Ficha prtica de Inferncia Estatstica (h) M ]174.0596, 175.9137[ com 90% de conana e F ]158.9437, 160.4803[ com 90% de conana.
Plot of Means
175 mean of DRH$Altura 160 Feminino DRH$Sexo 165 170

Masculino

(i) p value = 0.4987 No rejeitar H0 . . . (j) M F ]13.8200, 16.7294[ com 95% de conana. (k) p value < 2.2 1016 < Rejeitar H0 . . . 13. (a)
DRH$Peso 120 40 3 60 80 100

0 norm quantiles

p value = 0.0009 < Rejeitar H0 . . . (b) p value = 0.0033 < Rejeitar H0 . . . (c) ]65.3428, 70.1330[ com 99% de conana. (d) Os resultados podero no ter a abilidade enunciada (hiptese de normalidade rejeitada). (e)
120

Masculino
90

Feminino

100

DRH_Sexo_M$Peso

DRH_Sexo_F$Peso 2 1 0 norm quantiles 1 2

80

60

40

50

60

70

80

0 norm quantiles

p value = 0.0440 No rej. H0 . . . (f) p value = 0.3762 No rejeitar H0 . . . (g) p value = 0.0211 < Rejeitar H0 . . .

p value = 0.0021 < Rej. H0 . . .

Ficha n.o 3

Estatstica (Engenharias)

Ficha prtica de Inferncia Estatstica (h) M ]71.4214, 79.5522[ com 99% de conana e F ]60.6538, 65.5233[ com 99% de conana.
Plot of Means
80 mean of DRH$Peso 60 Feminino DRH$Sexo 65 70 75

Masculino

(i) p value = 0.2121 No rejeitar H0 . . . (j) M F ]7.9994, 16.7971[ com 99% de conana. (k) p value = 1.051 1011 < Rejeitar H0 . . . 14. (a)
1000 1100

Feminino
2000

Masculino

DRH_Sexo_M$Rendimento.mensal 2 1 0 norm quantiles 1 2

DRH_Sexo_F$Rendimento.mensal

900

700

800

600

500

1000

1500

0 norm quantiles

p value = 9.375 109 Rej. H0 . . .

p value = 6.114 109 Rej. H0 . . .

(b) p value = 4.325 109 < Rejeitar H0 . . . (c) M F ]186.35, 378.46[ com 95% de conana. O intervalo pode no ter a abilidade enunciada uma vez que as hipteses de normalidade foram rejeitadas. (d) p value = 2.409 1011 < Rejeitar H0 . . . 15. (a) Rend. Mensal Rend. Mensal h dois anos
2000 2000 DRH$Rendimento.mensal.h.dois.anos 3 2 1 0 norm quantiles 1 2 3 DRH$Rendimento.mensal 1500 1000 500 500 3 1000 1500

0 norm quantiles

p value < 2.2 1016 Rej. H0 . . .

p value < 2.2 1016 Rej. H0 . . .

(b) p value < 2.2 1016 < Rejeitar H0 . . . (c) ]88.05, 120.40[ com 95% de conana. O intervalo pode no ter a abilidade enunciada uma vez que as hipteses de normalidade foram rejeitadas.

Ficha n.o 3

Estatstica (Engenharias)

Ficha prtica de Inferncia Estatstica Aprovisionamento


1100 DRH_Aprovisionamento$Rendimento.mensal 1000 DRH_Direcao$Rendimento.mensal 2300 2400

16.

(a)

Direco

900

800

0 norm quantiles

1700 1.5

1800

1900

2000

2100

2200

1.0

0.5

0.0 norm quantiles

0.5

1.0

1.5

p value = 0.9842 No rej. H0 . . . p value = 0.1172 No rej. H0 . . . Financeiro Operacional Recursos humanos
1600 DRH_Recursos_humanos$Rendimento.mensal 2 1 0 norm quantiles 1 2 1500 DRH_Operacional$Rendimento.mensal DRH_Financeiro$Rendimento.mensal 700 850 600 1.5 1.0 0.5 0.0 norm quantiles 0.5 1.0 1.5 650 700 750 800 900 550 600 650

1200

1300

1400

0 norm quantiles

p value = 0.6066, No rej. H0

p value = 0.4794, No rej. H0

p value = 0.9173, No rej. H0

(b) p value < 2.2 1016 < Rejeitar H0 . . . (c) p value < 2 1016 < Rejeitar H0 . . . (d)
Plot of Means
2000 mean of DRH$Rendimento.mensal Aprovisionamento 1000 1500

Direco

Financeiro DRH$Departamento

Operacional

Recursos humanos

(e) p value = 9.912 1015 < Rejeitar H0 . . . 17. (a)


700

Bsico
900

Secundrio

DRH_EB$Rendimento.mensal

DRH_ES$Rendimento.mensal 2 1 0 norm quantiles 1 2

650

600

550

700

750

800

850

0 norm quantiles

p value = 0.0015 Rej. H0 . . .

p value = 9.422 105 Rej. H0 . . .

Ficha n.o 3

Estatstica (Engenharias)

10

Ficha prtica de Inferncia Estatstica Licenciatura


1800 2000 1550

Mestrado

DRH_M$Rendimento.mensal 2 1 0 norm quantiles 1 2

DRH_L$Rendimento.mensal

1400

1600

1000

1200

800

1450

1500

0.5

0.0 norm quantiles

0.5

p value = 5.27 109 Rej. H0 . . .

p value = 0.2709 No rej. H0 . . .

(b) p value = 7.794 1010 < Rejeitar H0 . . . (c) p value < 2.2 1016 < Rejeitar H0 . . . (d)
Plot of Means

mean of DRH$Rendimento.mensal

1000 Basico

1500

2000

Secundario

Licenciatura DRH$Escolaridade

Mestrado

Doutoramento

(e) p value < 2.2 1016 < Rejeitar H0 . . . 18. (a) p valueM = 0.0952 No rejeitar H0 . . . e p valueF = 0.0192 < Rejeitar H0 . . . (b) p value = 0.9276 No rejeitar H0 . . . 19. p value = 0.0005 < Rejeitar H0 . . . 20. p value = 3.543 106 < Rejeitar H0 . . . 21. (a) p value = 0.1579 No rejeitar H0 . . . (b) p = 0.335; p ]0.2732, 0.4030[ com 95% de conana. (c) p value = 4.326 106 < Rejeitar H0 . . . (d) pF pM ]0.4620, 0.1727[ com 95% de conana. 22. p value =< 2.2 1016 < Rejeitar H0 . . . 23. p value = 0.0997 No rejeitar H0 . . .

Ficha n.o 3

Estatstica (Engenharias)

11