A Amostragem Estratificada (AE) consiste na subdivisão de uma população em grupos (estratos) segundo uma ou mais características conhecidas na população em estudo, e, de cada um desses grupos, são selecionadas amostras em proporções convenientes. Nessa situação, pode-se afirmar que

O Exército deseja fazer uma pesquisa com os alunos dos três anos do ensino médio atendidos nas suas diversas escolas, considerando 2 (duas) características: (1) ano/série; (2) sexo, compondo 6 (seis) grupos de pesquisa para fins de divulgação. Não há estudo similar ou prévio. A decisão é de que o erro de estimativa seja de 5% com confiança de 95% por grupo. Nesse contexto, o Estatístico usa uma fórmula simplificada no esquema de Amostragem Aleatória Simples (AAS) e indica que o tamanho amostral deve ser, aproximadamente,

Um time de basquete deseja contratar um jogador para reforçar o seu time no próximo campeonato. O critério para a contratação será a sua proporção θ de acertos nos arremessos de 3 pontos: o jogador será contratado se θ ≥ 0,8. O time fará um teste com o provável contratado, e observará o total y de acertos em n arremessos de 3 pontos. Com o resultado do teste, o time pretende decidir entre as hipóteses: H₀ : θ ≥ 0,8 (contrata o jogador) ou H₁ : θ < 0,8 (não contrata o jogador). No contexto de uma decisão bayesiana, suponha que as perdas envolvidas são:

L₀: perda sofrida, ao decidir que o jogador não deve ser contratado, quando ele deveria ser contratado;

L₁: perda sofrida, ao decidir que o jogador deve ser contratado, quando ele não deveria ser contratado.

Adotando-se a função densidade a priori π(θ) = 2θ,0 < θ < 1 para a proporção θ, e sabendo que, no teste realizado, o jogador acertou 4 arremessos de 3 pontos em n = 4 lançamentos, o time deve rejeitar a hipótese H₀ se:

Uma indústria deseja estimar a proporção p de rolamentos em sua linha de produção que não satisfazem as especificações técnicas. Para isso, adota-se para p uma distribuição a priori conjugada Beta com parâmetros a e b. Na especificação dos parâmetros da priori o estatístico consulta um engenheiro especialista e solicita que ele, com base em sua experiência, dê sua opinião (estimativa) sobre o valor esperado de p. O engenheiro apresenta o valor 0,10. O estatístico agradece e pede para o engenheiro supor que, ao selecionar um rolamento na linha de produção, verificou-se que estava fora das especificações técnicas. Em seguida, solicita ao engenheiro uma segunda opinião sobre o valor esperado de p diante da informação adicional, e o engenheiro atualiza sua opinião para o valor 0,12. Os valores de a e b, segundo a opinião do especialista, são:

O comprimento X das fibras de algodão é uma das características determinantes da qualidade da produção na indústria têxtil. Suponha que a variável X tenha distribuição Normal com média μ e desvio padrão σ que dependem do fornecedor. Uma indústria recebe um lote dessas fibras, que podem ter vindo do fornecedor A ou do fornecedor B, cujos parâmetros na distribuição de X são, respectivamente: !$ ( \mu_A = 33; \sigma_A = 3) !$ e !$ ( \mu_B = 36; \sigma_A = 6) !$. Para decidir se o lote veio do fornecedor A (hipótese H₀) ou do fornecedor B (hipótese H₁), a indústria resolve selecionar uma amostra de tamanho “n” das fibras do lote e, se o comprimento médio das fibras selecionadas for grande !$ ( \bar{x} > K) !$, onde k é uma constante, a indústria decide que o lote veio do fornecedor B; caso contrário, decide que veio do fornecedor A. Considere a seguinte tabela, que apresenta quantis da distribuição Normal de média zero e desvio padrão um.

Quantis da distribuição

Normal Z, de média zero e desvio padrão um.

Qual é o valor aproximado de “n” de forma que as probabilidades de cometer o Erro Tipo I e o Erro Tipo II sejam ambas iguais a 0,05?

Sabe-se que, na última safra, o custo médio do frete de itens agrícolas, para distâncias em torno de 800 km, foi de R$ 350,00 com um desvio padrão de R$ 75,00. Para a safra atual, os produtores adotaram novas estratégias no planejamento e na logística do transporte da produção, a fim de diminuir esse custo médio. Assumindo que as novas estratégias não modificaram o desvio padrão do custo na safra atual e supondo normalidade na distribuição da variável custo, deseja -se verificar se as mudanças foram eficazes. Para o teste das hipóteses de interesse, foram registrados os custos do frete na safra atual (para distâncias em torno de 800 km) de uma amostra de 25 produtores, cuja média e desvio padrão amostral foram, respectivamente, !$ \bar{x} = R$ 305,00 !$ e s = R$ 70,00. Assim, o p-valor (ou nível descritivo) do teste é aproximadamente p = 0,0013, e conclui-se que as mudanças foram eficazes na redução do custo. Seja Z uma variável com distribuição Normal de média zero e desvio padrão um, e seja !$ \bar{X} !$ a estatística que representa a média amostral, o p- valor foi obtido como a seguinte probabilidade:

As probabilidades dos Erros Tipo I e Tipo II são, respectivamente,

A fim de combater o desperdício e diminuir o consumo (em kWh: Quilowatt-hora) de energia elétrica em empresas de pequeno porte de uma região, uma consultoria especializada foi contratada e implementou algumas medidas para melhorar a eficiência energética. Para acompanhar a redução no consumo de energia com as novas medidas, a consultoria selecionou uma amostra de n = 16 empresas da região e registrou o consumo antes (variável X) e após (variável Y) a implementação das medidas propostas. Foram observados, antes das novas medidas, um consumo médio entre as empresas selecionadas $\bar{x} =350 KWh$ e, após as novas medidas, um consumo médio $\bar{x} =320 KWh$. Suponha que a diferença entre os consumos, D = X - Y, segue uma distribuição Normal, e que o desvio padrão dessas diferenças entre as empresas selecionadas foi S_D = 40 kW/h. Deseja-se testar a hipótese de que houve redução no consumo com as novas medidas.

Com base na tabela a seguir e adotando um nível de significância de 5%, qual é a região crítica do teste (RC) e a decisão tomada?

Distribuição t-Student com k graus de liberdade: valores de t tais que $P (-t \le T_k \le t) = 1 - p$

Uma forma de comparar as médias μ_x e μ_y de duas populações normais independentes X e Y, respectivamente, com variância comum e desconhecida σ², é através do Intervalo de confiança para a diferença entre as médias, dado por

!$ \bar{x} - \bar{y} \pm q_t x S_p x \sqrt{ { \large 1 \over n} + { \large 1 \over m}}, !$

com !$ \bar{x} !$ representando a média observada em uma amostra aleatória de tamanho n da população X, !$ \bar{y} !$ a média observada em uma amostra aleatória de tamanho m da população Y, S_p é o desvio padrão amostral combinado observado nas amostras, e q_t é um quantil da distribuição t-Student. Se y é o coeficiente de confiança desejado no intervalo e T_c representa a distribuição t-Student com c graus de liberdade, o quantil qt deve satisfazer a seguinte probabilidade:

No processo de estimação de parâmetros associados à distribuição de uma variável aleatória X, através de intervalos de confiança baseados no método da quantidade pivotal, pode-se afirmar que