1.

Distribuição Amostral das Medias Amostrais

Menor que 38

A probabilidade da média amostral ser menor que 38 é igual à probabilidade de um valor

aleatório da distribuição normal ser menor que 38.

P(X < 38) = P(Z < (38 - 40) / 4)

= P(Z < -0,5)

= 0,308537

= P(Z < -0,5)

Portanto, a probabilidade da média amostral ser menor que 38 é de 0,308537 ou 30,85%.

b. Entre 38 á 42

A probabilidade da média amostral estar entre 38 á 42 é igual à probabilidade de um valor

aleatório da distribuição normal estar entre 38 e 42.

P(38 < X < 42) = P(Z < (42 - 40) / 4) - P(Z < (38 - 40) / 4)
 = P(Z < 0.5) - P(Z < -0.5)

= 0.691463 - 0.308537

Portanto, a probabilidade da média amostral estar entre 38 á 42 é de 0.382926.

2. Resolução

O valor de n pode ser calculado usando a seguinte fórmula:

n = (z_2 - z_1)^2 / s^2

Onde:

 z_1 e z_2 são os pontos de corte da distribuição normal que definem a região de interesse.

 s é o desvio padrão da população.

No caso em questão, temos:

 z_1 = (72 - 74) / 36 = -0,5

 z_2 = (76 - 74) / 36 = 0,5

 s = 36

Portanto, temos:

n = (0,5 - (-0,5))^2 / 36^2

n = (1)^2 / 1296
n = 1 / 1296
n = 1296

Portanto, o valor de n é 1296.

Explicação:

A probabilidade de uma média amostral estar entre dois valores é igual à probabilidade de um
valor aleatório da população estar entre esses dois valores.

No caso em questão, a probabilidade de uma média amostral estar entre 72 e 76 é de 0,854.

Usando a fórmula acima, podemos calcular o valor de n necessário para que essa
probabilidade seja igual a 0,854.

O resultado é que n deve ser igual a 1296.

Outra solução:

Uma outra solução para calcular o valor de n é usar a seguinte fórmula:

n = (z_1 - z_2)^2 / s^2 * (1 - P)^2

Onde:

 z_1 e z_2 são os pontos de corte da distribuição normal que definem a região de interesse.
 s é o desvio padrão da população.

 P é a probabilidade de um valor aleatório da população estar fora da região de interesse.

No caso em questão, temos:

 z_1 = (72 - 74) / 36 = -0,5

 z_2 = (76 - 74) / 36 = 0,5

 s = 36

 P = 1 - 0,854 = 0,146

Portanto, temos:

n = (0,5 - (-0,5))^2 / 36^2 * (1 - 0,146)^2

n = (1)^2 / 1296 * 0,854^2
n = 1 / 1296
n = 1296

O resultado é o mesmo que o encontrado anteriormente.

3. Distribuição Amostral das Proporções

A média da distribuição amostral de proporções é igual à proporção da população (nesse

caso, 47%) e o desvio padrão da distribuição amostral de proporções é calculado como:

σ=
√ p {1−p ¿ ¿
n

Onde:

 p é a proporção da população (0.47).

 n é o tamanho da amostra (200).

calculado o desvio padrão obtemos:

σ=
√ 0.47 {1−0.47 ¿ ¿ ≈0.0706
200
 Queremos encontrar P(p>0.5), onde p é a proporção de votos para o candidato na
secção eleitoral.

Usando a fórmula Z:

p−0 , 47
Z=
σ

Calculando o valor Z para p=0.5:

0.5−0.47
Z= ≈ 0.4255
0.0706

Z=0.4255 é aproximadamente igual a 0.6659. ou seja, cerca de 66,59%.

4. A) 5% ou mais sejam defeituosas.

A média da distribuição amostral de proporções é igual à proporção da população, que é 0,04.

O desvio padrão da distribuição amostral de proporções é calculado como:

σ = √(p(1 - p) / n)

σ = √(0,04(1 - 0,04) / 500)

σ = 0,0064

Para padronizar a variável, usamos a fórmula Z:

Z = (x - μ) / σ

Z = (p - 0,04) / 0,0064

Para encontrar a probabilidade de que a proporção de celulares defeituosos na amostra seja

maior que 0,05, precisamos encontrar a probabilidade de que Z seja maior que 2,1875.

P(Z > 2,1875) = 0,0149

Portanto, a probabilidade de 5% ou mais dos celulares em uma amostra de 500 serem

defeituosos é de 0,0149.

b. Menos de 3% sejam defeituosas

A probabilidade de menos de 3% dos celulares em uma amostra de 500 serem defeituosos é
igual à probabilidade de que a proporção de celulares defeituosos na amostra seja menor que
0,03.

Para padronizar a variável, usamos a fórmula Z:

Z = (x - μ) / σ

Z = (p - 0,04) / 0,0064

Para encontrar a probabilidade de que a proporção de celulares defeituosos na amostra seja

menor que 0,03, precisamos encontrar a probabilidade de que Z seja menor que -2,9091.

P(Z < -2,9091) = 0,0014

5. Números de Índices

O índice de Laspeyres é calculado usando as ponderações dos preços do ano base. O índice
de Paasche é calculado usando as ponderações dos preços do ano corrente.

No nosso caso, temos:

 Ano base: 2007

 Ano corrente: 2008

Índice de Laspeyres:

Índice de Laspeyres = (p1 * q0) / (p0 * q0)

= (20 * 100) / (18 * 80)

= 1.11111

Índice de Paasche:

Índice de Paasche = (p0 * q1) / (p1 * q1)

= (18 * 120) / (20 * 100)

= 1.08333
Índice de Fisher:

Índice de Fisher = √(Índice de Laspeyres * Índice de Paasche)

= √(1.11111 * 1.08333)

= 1.09677

Portanto, o índice de Fisher para os materiais didácticos da INEA Moçambique é 1.09677.

Demonstração de que o índice de Fisher é o índice ideal:

O índice de Fisher é considerado o índice ideal porque é o único índice que é invariante à
ordem de ponderação. Isso significa que o índice de Fisher é o mesmo, independentemente de
se usarmos as ponderações dos preços do ano base ou as ponderações dos preços do ano
corrente.

No nosso caso, o índice de Fisher é 1.09677, independentemente de usarmos as ponderações

dos preços de 2007 ou as ponderações dos preços de 2008.

Interpretação:

O índice de Fisher de 1.09677 indica que os preços dos materiais didácticos da INEA
Moçambique aumentaram em 9,677% em 2008 em relação a 2007.

6.

Solução:

a. Índice de Inflacionário para o terceiro trimestre:

O índice de Inflacionário para o terceiro trimestre é calculado usando a seguinte fórmula:

I_I = (p_t * q_b) / (p_b * q_t)

Onde:

 I_I é o índice de Inflacionário

 p_t é o preço no trimestre t

 q_b é a quantidade no trimestre base

  p_b é o preço no trimestre base

 q_t é a quantidade no trimestre t

No nosso caso, temos:

 Ano base: segundo trimestre de 2009

 Trimestre t: terceiro trimestre de 2009

I_I = (20 * 100) / (18 * 80)

I_I = 1.11111

Portanto, o índice de Inflacionário para o terceiro trimestre é 1.11111. Isso indica que houve
um aumento de 11,1111% nos preços dos produtos no terceiro trimestre em relação ao
segundo trimestre.

b. Índice de Paasche para os três trimestres:

O índice de Paasche para os três trimestres é calculado usando a seguinte fórmula:

I_P = (p_0 * q_1 * p_2 * q_3) / (p_1 * q_0 * p_3 * q_2)

Onde:

 I_P é o índice de Paasche

 p_0 é o preço no trimestre 0

 q_1 é a quantidade no trimestre 1

 p_2 é o preço no trimestre 2

 q_3 é a quantidade no trimestre 3

 p_1 é o preço no trimestre 1

 q_2 é a quantidade no trimestre 2

No nosso caso, temos:

I_P = (18 * 120 * 20 * 100) / (20 * 80 * 22 * 80)

I_P = 1.175

Teoria de Estimação Intervalos de Confiança para Medias (Grande Amostras)

7.

A fórmula para calcular o tamanho de amostra em intervalos de confiança para médias em

grandes amostras é dada por:

n= ¿

Onde:

n é o tamanho da amostra necessário.

Zα/2 é o valor crítico da Distribuição Normal Padrão associado ao nível de confiança

desejado (para um nível de confiança de 95%, Zα/2 é aproximadamente 1.96).

σ é o desvio padrão da população.

E é o erro de estimativa desejado.

Dado que:

 Zα/2=1.96 (para um nível de confiança de 95%)

 σ=0.025 (desvio padrão da população)

 E=0.04 (erro de estimativa desejado)

Calculando obtemos:

1.96 ⋅0.025 2 0.049 2

n=( ¿ ¿ ↔ n=( ¿¿
0 , 04 0 ,04

1.225 2
n=( ¿¿ ↔
0 ,04

n=(30.625)2

n≈937.5
Como o tamanho da amostra deve ser um número inteiro, arredondamos para o próximo
número inteiro maior:

n≈ 938

Portanto, o tamanho da amostra necessário para que estejamos 95% confiantes de que o erro
de estimativa não exceda 0.04 das vendas é de pelo menos 938 observações das vendas.

8. Solução:

Para calcular o intervalo de confiança de 84% para a média, precisamos usar a fórmula do
intervalo de confiança para médias em grandes amostras. A fórmula é a seguinte:

Intervalo de confiança = ˉx ± zα/2 * s √n

No nosso caso, temos:

 ˉx = 178.00

 s = 1.00

 n = 100

O valor crítico zα/2 pode ser encontrado na tabela z (tabela da distribuição normal padrão).
Para um nível de confiança de 84%, zα/2 é aproximadamente 1.282.

Agora, podemos calcular os limites de confiança:

Intervalo de confiança = 178.00 ± 1.282 * 1.00 √100

Intervalo de confiança = (176.44, 179.56)

Portanto, com 84% de confiança, podemos afirmar que a média populacional está entre
176,44 e 179,56.

Intervalos de confiança para Medias (Pequenas Amostras)

9. Solução:

Para calcular os limites de confiança de 94% para o verdadeiro diâmetro, precisamos usar a
fórmula do intervalo de confiança para médias em pequenas amostras. A fórmula é a
seguinte:
Intervalo de confiança = ˉx ± tα/2 * s √n

No nosso caso, temos:

 ˉx = 4,38 polegadas

 s = 0,06 polegadas

 n = 10

O valor crítico tα/2 pode ser encontrado na tabela t de Student ou usando um software
estatístico. Para um nível de confiança de 94%, tα/2 é aproximadamente 2,262.

os limites de confiança:

Intervalo de confiança = 4,38 ± 2,262 * 0,06 √10

Intervalo de confiança = (4,29, 4,47)

Portanto, com 94% de confiança, podemos afirmar que o verdadeiro diâmetro da esfera está
entre 4,29 polegadas e 4,47 polegadas.

10. Supondo que você tenha uma amostra com os seguintes dados:
 Tamanho da amostra (n): 15
 Média da amostra (xˉ): 65
 Desvio padrão da amostra (s): 8
 Nível de confiança desejado: 95%

Vamos calcular o intervalo de confiança usando a Distribuição t de Student.

tα/2,n−1

Para um nível de confiança de 95%, tα/2,14 é aproximadamente 2.145.

o erro padrão SE):

8 8
SE= = ≈2.072
√ n √15

Intervalo=xˉ±tα/2,n−1⋅SE
Intervalo=65±2.145⋅2.072

Os limites superior e inferior do intervalo:

Limite inferior=65−(2.145⋅2.072)≈60.54

Limite superior=65+(2.145⋅2.072)≈69.46

Portanto, o intervalo de confiança de 95% para a média populacional é aproximadamente

(60.54, 69.46). Isso significa que estamos 95% confiante de que a verdadeira média
populacional está dentro desse intervalo.

Intervalos de confiança para Proporções

11. Solução:

Para construir um intervalo de confiança para a proporção de todos os adultos dos EUA que
jogam nos casinos como forma de ganhar dinheiro, precisamos de estimar a proporção
amostral, p̂ , e o erro padrão da proporção, SE.

Estimativa da proporção amostral:

A proporção amostral é calculada da seguinte forma:

p̂ = x / n

No nosso caso, temos:

x = 63/100 * 1523 = 955

p̂ = 955 / 1523 = 0,62

Portanto, a proporção amostral é de 0,62, ou seja, 62% dos adultos dos EUA que
responderam à sondagem disseram que jogam nos casinos como forma de ganhar dinheiro.

Erro padrão da proporção:

O erro padrão da proporção é calculado da seguinte forma:

SE = √(p̂ (1 - p̂ ) / n)

No nosso caso, temos:

SE = √(0,62 * (1 - 0,62) / 1523) = 0,02

Portanto, o erro padrão da proporção é de 0,02, ou seja, há uma probabilidade de 95% de que
a verdadeira proporção populacional esteja dentro de 0,02 unidades de 0,62.

Intervalo de confiança:

O intervalo de confiança é calculado da seguinte forma:

Intervalo = p̂ ± zα/2 * SE

No nosso caso, temos:

Intervalo = 0,62 ± 1,96 * 0,02

Intervalo = (0,58, 0,66)

Portanto, com 95% de confiança, podemos afirmar que a verdadeira proporção de adultos dos
EUA que jogam nos casinos como forma de ganhar dinheiro está entre 58% e 66%.

12. Em uma amostra de 400 camisas, 135 são defeituosas

a. Cálculo do intervalo de confiança:

Para calcular o intervalo de confiança para 94% das camisas defeituosas, precisamos estimar
a proporção amostral, p̂ , e o erro padrão da proporção, SE.

Estimativa da proporção amostral:

A proporção amostral é calculada da seguinte forma:

p̂ = x / n

No nosso caso, temos:

x = 135

p̂ = 135 / 400 = 0,3375

Portanto, a proporção amostral é de 0,3375, ou seja, 33,75% das camisas na amostra são
defeituosas.

Erro padrão da proporção:

O erro padrão da proporção é calculado da seguinte forma:

SE = √(p̂ (1 - p̂ ) / n)

No nosso caso, temos:

SE = √(0,3375 * (1 - 0,3375) / 400) = 0,0476

Portanto, o erro padrão da proporção é de 0,0476, ou seja, há uma probabilidade de 95% de

que a verdadeira proporção populacional esteja dentro de 0,0476 unidades de 0,3375.

Intervalo de confiança:

O intervalo de confiança é calculado da seguinte forma:

Intervalo = p̂ ± zα/2 * SE

No nosso caso, temos:

Intervalo = 0,3375 ± 1,96 * 0,0476

Intervalo = (0,2899, 0,3851)

Portanto, com 95% de confiança, podemos afirmar que a verdadeira proporção de camisas
defeituosas na população está entre 28,99% e 38,51%.

Interpretação:

b. Cálculo do tamanho da amostra:

Para calcular o tamanho da amostra necessário para que a variação em relação às camisas
defeituosas seja de ±2, precisamos usar a seguinte fórmula:

n = (zα/2 * p̂ * (1 - p̂ )) / (e)^2

No nosso caso, temos:

 zα/2 = 1,96

 p̂ = 0,3375

 e=2

n = (1,96 * 0,3375 * (1 - 0,3375)) / (2)^2

n = 1225,4

Portanto, o tamanho da amostra deve ser de pelo menos 1226 camisas.