Métodos+Estatísticos+AP2+20082+Gabarito
-
Upload
carlos-mariano -
Category
Documents
-
view
11 -
download
0
description
Transcript of Métodos+Estatísticos+AP2+20082+Gabarito
MÉTODOS ESTATÍSTICOSGabarito da 2a Prova Presencial - 2o. semestre de 2008
Profa. Ana Maria Farias
1. X ∼ Unif(1, 9)
(a) P (2 ≤ X < 4) = 18 × (4− 2) = 0, 25. Veja a Figura 1.
Figura 1: Questão 1a: Pr(2 ≤ X < 4)
(b) P (X > m) = 0, 8⇐⇒ 18 × (9−m) = 0, 8⇐⇒ 9−m = 6, 4⇐⇒ m = 2, 6. Veja a Figura
2.
Figura 2: Questão 1b: Pr(X > m) = 0, 8
2. X ∼ N(8; 22)
(a)
Pr(5 < X < 13) = Pr
µ5− 82≤ Z ≤ 13− 8
2
¶= Pr(−1, 5 ≤ Z ≤ 2, 5)
= tab(2, 5) + tab(1, 5) = 0, 49379 + 0, 43319 = 0, 92698
1
(b) Veja a Figura 3.
P (X > k) = 0, 85⇐⇒ Pr
µZ >
k − 82
¶= 0, 85⇐⇒
0, 5 + tab
µ−k − 8
2
¶= 0, 85⇐⇒
tab
µ8− k
2
¶= 0, 35⇐⇒ 8− k
2= 1, 04⇐⇒ k = 5, 92
Figura 3: Questão 2b: Pr(X > k) = 0, 85
(c) Veja a Figura 4.
P (X < k) = 0, 78⇐⇒ Pr
µZ <
k − 82
¶= 0, 78⇐⇒ 0, 5 + tab
µk − 82
¶= 0, 78
⇐⇒ tab
µk − 82
¶= 0, 28⇐⇒ k − 8
2= 0, 77⇐⇒ k = 9, 54
Figura 4: Questão 2c: Pr(X < k) = 0, 78
2
3. X ∼ N¡μ; 1636
¢(a)
P = Pr(X ≤ 12, 8|H0) = Pr¡X ≤ 12, 8|X ∼ N
¡15; 49
¢¢= Pr
ÃZ ≤ 12, 8− 152
3
!= Pr(Z ≤ −3, 3) = Pr(Z ≥ 3, 3)
= 0, 5− tab(3.3) = 0, 5− 0, 49952 = 0, 00048
(b) Como o valor P é pequeno, é pouco provável se obter um valor tão extremo quantox = 12, 8 sendo H0 verdadeira. Logo, rejeita-se a hipótese nula, ou seja, os dados indicamque μ < 15.
4. (a) A afirmativa do cliente é que μ > 36 e o interesse da empresa é mostrar que o tempo é,no máximo, 36 horas (μ ≤ 36). Logo
H0 : μ = 36
H1 : μ > 36
(b) A população é aproximadamente normal; assim,X − μ
S√n
∼ t(n− 1). Com n = 16, temos
15 graus de liberdade e na tabela obtemos t15;0,05 = 2, 131 e a região crítica é
X − 361,534
> 2, 131⇐⇒ X > 2, 131× 1, 534
+ 36 = 36, 815
(c) Como o valor observado da média amostral cai na região crítica, rejeita-se a hipótesenula, ou seja, os dados indicam que o tempo médio está acima de 36 horas.
(d) O intervalo de confiança é∙37, 5− 2, 131× 1, 53
4; 37, 5 + 2, 131× 1, 53
4
¸= [36, 685; 38, 315]
5. (a) A afirmativa do cliente é μ < 200. Logo
H0 : μ = 200
H1 : μ < 200
(b) A abscissa da normal é z0,05 = 1, 64 e a região crítica é z0 < −1, 64. Com os dados doproblema temos que
z0 =195− 200
1010
= −5
Como o valor observado da estatística de teste pertence à região crítica, rejeitamos ahipótese nula, isto é, os dados indicam que a qualidade dos tijolos está diminuindo.
(c) Como o tamanho da amostra é grande, o teorema central do limite nos permite usar aaproximação normal para a distribuição da média amostral, independente de a populaçãoser ou não normal.
3