INSTITUTO FEDERAL DO RIO DE JANEIRO

GRADUAÇÃO EM ENGENHARIA MECÂNICA

JULIANO SOUZA DE ALMEIDA

LEONARDO SERVO MENDES

LUCAS AMARAL DE OLIVEIRA

TADEU MACEDO PAES

Probabilidade e Estatística: Trabalho III

Paracambi

2023
 JULIANO SOUZA DE ALMEIDA

LEONARDO SERVO MENDES

LUCAS AMARAL DE OLIVEIRA

TADEU MACEDO PAES

Probabilidade e Estatística: Trabalho III

Pesquisa de Campo apresentada

ao Instituto Federal do Rio de
Janeiro como parte dos requisitos
da unidade curricular de
Probabilidade e Estatística.

Avaliador: D. Sc. Deumara Oliveira.

Paracambi

2023
 Trabalho III - Estatística

Exercícios do Bloco 1

4 - Sabe-se que o consumo mensal per capita de um produto tem distribuição normal, com desvio
padrão 2 kg. A diretoria de uma firma 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 realizada uma pesquisa de mercado, tomando-se uma amostra de 25
indivíduos, e verificou-se que ∑ i=125X i = 180kg, onde Xi representa o consumo mensal do i-ésimo
indivíduo da amostra.

A - Construa um teste de hipótese adequado, utilizando α = 0, 05, e com base na amostra colhida
determine a decisão a ser tomada pela diretoria.

X = Consumo mensal per capita (kg)

X ~ N (μ ; 2²)

N = 25 indivíduos

∑25
𝑖:1 𝑥𝑖
X= = 7,2𝑘𝑔
𝑛

Tendo base da variância populacional, usaremos a aproximação:

𝑋̅ − 𝜇
𝑍= ~ 𝑁 (0,1)
√𝜎²
𝑛

Teste de hipótese: H0 : μ ≥ 8 e H1 : μ < 8

Construindo nossa região crítica: RC = { z0 ϵ R | z0 < -z0,05} = {z0 < -1,64}

Teste sob H0:

7,2−8
z0 = = -2,0
√ 2²
25
 Como Z0 = -2 ϵ RC, rejeitamos H0, e então existem evidências de que o consumo per
capita do produto é menor do que 8kg, logo a diretoria deveria optar por retira-lo da linha
de produção.

B - Qual a probabilidade β de se tomar uma decisão errada se, na realidade, a média populacional
for μ = 7, 8 kg.

Rc = {z0 < -1,64} ou seja,

𝑥𝑐1 −𝜇
2
= -1,64 → xc1 = 7,34kg
√𝜎
𝑛

Então podemos representar a zona crítica como: RC =] - ∞ ; 7,34[ .

β = P(erro do tipo II) = P(aceitar H0| H0 é falsa) = P( (𝑋̅ ≥ 7,34 |𝑋~𝑁 (7,8 ; 22 ))

𝑋̅−𝜇 7,34− 𝜇
P( ≥ 𝜎2
) = P(Z ≥ -1,15) = 0,5 + 0,37493 = 0,8749.
𝜎2
√ 𝑛
𝑛

Logo, podemos concluir que a probabilidade β de se tomar uma decisão errada se, na realidade a
média populacional for µ = 7,8kg é de 87,49%.

C - Se a diretoria tivesse fixado α = 0, 01, a decisão seria a mesma? (Justifique sua resposta.)

Teste de hipótese: H0 : µ ≥ 8 e H1 : µ < 8

A região crítica para α = 0,01:

RC = { z0 < -z0,01 } = {z0 < -2,32}

Teste sob H0:

7,2 − 8
𝑧0 = = −2,0
2
√2
25

Logo, tomando α = 0,01, a decisão da diretoria seria de não retirar o produto de produção, pois z 0 não
pertence à região crítica, e não rejeitaríamos o H0.
D - Se o desvio da população fosse 4kg, qual seria a decisão, com α = 0, 05? (Justifique sua
resposta.)

Nesta questão usaremos: X ~ N (µ ; 4²)

Teste de hipótese: H0 : µ ≥ 8 e H1 : µ < 8

A região crítica para α = 0,05:

RC = { z0 ϵ R | z0 < -z0,05 } = {z0 < -1,64}

Teste sob H0:

7,2 − 8
𝑧0 = = −1
2
√4
25

Logo, se o desvio da população fosse 4kg, não rejeitaríamos o H 0 então existem evidências de que o
consumo médio per capita é maior ou igual a 8kg, portanto, concluímos que a diretoria não deveria
retirá-lo da linha de produção.

7 – Uma companhia de cigarros anuncia que o índice médio de nicotina dos cigarros que fabrica
apresenta-se abaixo de 23 mg por cigarro. Um laboratório realiza 6 análises desses índices,
obtendo: 27, 24, 21, 25, 26, 22. Sabe-se que o índice de nicotina se distribui normalmente, com
variância igual a 486mg2 . Pode-se aceitar, no nível de 10%, a afirmação do fabricante?

X = índice de nicotina (mg)

X ~ N(23 ; 4,86)

Sendo a população normalmente distribuída, com a α = 10%

n = 6 cigarros
 ∑ 𝑥𝑖
𝑋̿ = = 24,17mg
𝑛

∑ 𝑥𝑖2 − 𝑛𝑋̿ 2
𝑆2 = = 5,17𝑚𝑔2
𝑛−1

Para testar a variância usaremos a aproximação:

(𝑛−1)𝑆 2 2
𝑄= ~ 𝑋𝑛−1 (𝐷𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑖çã𝑜 𝑞𝑢𝑖 − 𝑞𝑢𝑎𝑑𝑟𝑎𝑑𝑜 𝑐𝑜𝑚 𝑛 − 1 graus de liberdade)
𝜎2

Teste de hipótese: H0 : σ² = 4,86 e σ² ≠ 4,86

2
Construindo nossa Região Crítica temos: RC = {q0 ϵ R | q0 < 𝑋1− 𝛼
;𝑛−1
𝑜𝑢 𝑞0 > 𝑋𝛼2 ;𝑛−1 }
2 2

2 2
Onde 𝑋0,05;5 = 11,070 𝑒 𝑋0,95 ;5 − 1,145

Então nossa Região Crítica fica assim: RC = {q0 < 1,145 ou t0 > 11,070}

5∗5,17
Teste sob H0 : q0 = = 5,319
4,86

O q0 não pertence a RC, então não rejeitamos o H0 e podemos adotar a variância populacional como
conhecida.

𝑋̿ − 𝜇
Para o teste de hipótese da nicotina média, usaremos a aproximação : 𝑍 = 2
~𝑁(0,1)
√𝜎
𝑛

Teste de hipótese: H0 : µ ≤ 23 e H1 : µ > 23

Novamente, a região crítica: RC = {z0 ϵ R | z0 > z0,1} = {z0 > 1,28}

24,17−23
Teste sob H0: 𝑧0 = 4,86
= 1,3
√
6

Logo, t0 = 1,3 ϵ RC, rejeitamos o H0 e existem evidências de que a nicotina média dos cigarros é
maior do que 23mg, contrariando a afirmação do fabricante
30 - Num levantamento feito com os operários da indústria mecânica, chegou-se aos seguintes
números: salário médio = 3,64 salários mínimos e desvio padrão = 0,85 salário mínimo. Supeita-se
que os salários de subclasse formada pelos torneiros mecânicos são diferentes dos sálarios do
conjunto todo, tanto na média como na variância. Que conclusões você obteria se uma amostra de
25 torneiros apresentasse salário médio igual a 4,22 salários mínimos e desvio padrão igual a 1,25
salário mínimo?

X = salário dos torneiros mecânicos em SM

µop = 3,64 sm e σ²op = (0,85²) sm

X̅tor = 4,22 sm e S2tor = (1,252) sm
N = 25 torneiros.
Considerando que a população de torneiros mecânicos segue uma distribuição normal e
tomando α = 0,05.

2
(𝑛−1)𝑆𝑡𝑜𝑟 2
Teste de hipótese para a variância dos salários dos torneiros : 𝑄 = 2 − 𝑋𝑛−1
𝜎𝑡𝑜𝑟

(Distribuição Qui – Quadrado com n – 1 graus de liberdade)

Teste de hipótese: H0 : σ2tor = (0,852) e H1 : σ2tor ≠ (0,852)

2
Construindo a Região Crítica: RC = { q0 ϵ R| q0 < 𝑋1−𝛼
;24
𝑜𝑢 𝑞0 > 𝑋𝛼2 ;24 }
2 2

2 2
Onde: 𝑋0,025 ;24 = 39,364 𝑒 𝑋0,975 ;24 = 12,401} ,
Logo, a RC fica assim : RC = {q0 < 12,401 ou q0 > 39,364}

24∗ 1,252
Teste sob H0 : 𝑞0 = = 51,903
0,852

Como q0 = 51,903 ϵ RC, rejeitamos H0 e concluímos que existem evidências de que a

variância dos sálarios dos torneiros mecânicos difere do conjunto de todos os operários.

Para o teste da média dos salários, consideramos a variância populacional como

𝑋̅𝑡𝑜𝑟 −𝜇𝑡𝑜𝑟
desconhecida: 𝑇 = 2
~ 𝑡𝑛−1 (Distribuição de t - student com n – 1 graus de
√𝑆𝑡𝑜𝑟
𝑛

liberdade).
 Teste de hipótese: H0 : µtor = 3,64 e H1 : µtor ≠ 3,64

Construindo novamente uma região crítica RC = { t 0 ϵ R| t0 < −𝑡𝛼;24 𝑜𝑢 𝑡0 > 𝑡𝛼;24 } com
2 2

t0,025;24 = ± 2,064
𝑝 𝛼
Na distribuição de t-student, quando temos um limite bilateral: = = 0,025 → 𝑝 = 0,05
2 2

portanto, a região crítica fica assim : RC = {t0 < -2,064 ou t0 > 2,064}

4,22−3,64
Teste sob H0: t0 = 2
= 2,32
√1,25
25

Como t0=2,32 ∈ RC, rejeitamos H0 e portanto existem evidencias de que os salários médios dos
torneiros mecânicos são realmente diferentes do restante, como se suspeitava, assim como a
variância.

31 - Deseja-se testar se dois tipos de ensino profissional são igualmente eficazes. Para isso,
sortearam-se duas amostras de operários; a cada uma, deu-se um dos tipos de treinamento e, no
final, submeteram-se os dois grupos a um mesmo teste. Que tipo de conclusão você poderia tirar,
baseando-se nos resultados abaixo?

Amostra No de elementos Média Desvio Padrão

Tipo I 12 75 5
Tipo II 10 74 10

Hipóteses: H0 : µ1 = µ2 ou H1 : µ1 ≠ µ2

(𝑋̅−𝑌̅ )−(𝜇1 −𝜇2)

Fixamos α = 0,05, então calculamos a estatística : 𝑇 = 𝑛 +𝑛
𝑆𝑐 √𝑛1 ∗ 𝑛 2
1 2

(𝑛1 −1) 𝑆12 + (𝑛2 −1) 𝑆22

onde Sc=√
𝑛1 +𝑛2 −2

Sob H0=>µ1= µ2:

(75−74) 1
Então: Sc =7,88954 e T= =
7,88954 ∗ 0,026846 1,2927

Construindo nossa Região Crítica temos: RC = {t0 ϵ R | t0 < −𝑡𝛼;12 𝑜𝑢 𝑡0 > 𝑡𝛼;12}
2 2
 Onde: t0,025;12 = ± 2,179

Logo, nossa RC fica assim: RC = {t0 < -2,179 ou t0 > 2,179}

75−74−0
Teste sob H0: t0 = = 0,288
25 100
√ +
12 10

Logo, temos que t0=0,288 não pertence a RC, então não rejeitamos H 0 e concluímos que temos
evidências de que as médias dos dois tipos de ensino profissionais são iguais, ou seja, a eficiência é
a mesma para ambos.

Exercício do Bloco 2

2 - Um modelo linear ajustado para prever as Vendas semanais de pizza congelada (em libras) a
partir do preço médio ($/unidade) cobrado por uma amostra de lojas na cidade de Dallas em 39
semanas recentes é: Vendas=14865 – 23370 Preço

a) qual é a variável explanatória?

X é a variável explicativa (independente) que é a massa (em libras) das pizzas, a variável
explanatória é o preço médio cobrado por unidade.

b) qual e a variável resposta?

Y é a variável dependente (resposta) que indica o preço da quantidade vendida, a variável resposta é
o número de vendas semanais de pizza congelada em libras.

c) O que a inclinação significa nesse contexto?

A inclinação é -23.370. Significa que as variáveis Venda e preço são inversamente proporcionais.
Quanto menor o preço maior é o faturamento com as vendas. A inclinação do modelo representa o
quanto a variável resposta muda quando a variável explanatória muda em 1 unidade. No caso do
modelo, a inclinação é -23370, o que significa que a cada aumento de $1 no preço médio cobrado, o
número de vendas semanais de pizza congelada diminui em 23370 libras.

d) o que o intercepto significa neste contexto?

O intercepto do modelo representa o valor da variável resposta quando a variável explanatória é igual
a zero. No caso do modelo, o intercepto é 14865, o que significa que se o preço médio cobrado fosse
zero, o número de vendas semanais de pizza congelada seria de 14865 libras. Em termos reais o
valor do intercepto significa uma quantidade fixa de vendas, mas para um preço sempre maior que
zero. Embora os modelos de regressão ajustados admitam o intercepto (valor do preço igual a zero),
não faz sentido um preço nulo, ou até mesmo negativo.

e) Quantas pizzas seriam vendidas se o preço médio cobrado fosse de $3,50

Se o preço médio cobrado fosse de $3,50, o número de vendas semanais de pizza congelada seria
de:

Vendas = 14865 - 23370 * 3.50

= 14865 - 82295

= -67430 libras

Como o número de vendas não pode ser negativo, não é possível prever quantas pizzas seriam
vendidas nesse caso. Uma reavaliação do modelo proposto deve ser fito, porque trazendo para a
realidade, não tem sentido vendas negativas. Nesse caso, as variáveis estão fazendo o papel
oposto. O preço (Y) deve estar em função da quantidade vendida (X). E o modelo tem fundamento
quando:

𝑌 ′ = 𝛽1 + 𝛽2 𝑋