Estatística - Aula 4

Curso: Estatística p/ ICMS-DF
Teoria e Questões comentadas

Prof. Fábio Amorim - Aula 04
Direitos autorais reservados (Lei 9610/98). Proibida a reprodução, venda ou compartilhamento deste arquivo. Uso individual.
Cópia registrada para Jefferson Fernandes (CPF: 332.370.208-50)
Aula 04
Curso: Estatística para ICMS-DF
Professor: Fábio Amorim
Prof. Fábio Amorim 1 de 105

www.exponencialconcursos.com.br
Olá Pessoal, tudo bem?
Apresentamos a vocês nossa Aula 04, contendo teoria mais de 50
exercícios resolvidos!
E os estudos como estão?
Hoje gostaria de dar algumas dicas de preparação para a última semana
anterior ao concurso.
Esta semana é propícia para se fazer uma revisão das matérias. Isso
serve para deixar “fresca” na memória os assuntos que serão vistos na prova.
É a chamada memória recente.
Os resumos finais que trazemos em cada aula de estatística podem ser
usados por vocês nesta última semana. Não recomendo sacrificar horas de
sono para a fazer a revisão. O ideal é que a preparação da última semana
inclua, também, horas de sono regulares e adequadas, bem como uma
alimentação regrada, evitando, ao máximo, os compromissos supérfulos ou

adiáveis.
E na véspera da prova, os estudos devem continuar? Na minha opinião,
NÃO!
A véspera deve ser um dia reservado mais para o descanso do que para
qualquer estudo. O cérebro e o corpo precisam estar descansados para a
maratona de resolver 100 questões de diversas disciplinas, que é uma tarefa
desgastante.
Esse dia deve ser reservado, também, para a preparação do material a
ser levado ao dia da prova: roupas, canetas, documentos, etc. Nesse dia todo
o planejamento de horários deve estar definido, inclusive a forma e o tempo
de deslocamento para o local de provas.
Na próxima aula trarei algumas dicas preciosas para o tão aguardado
dia de aplicação das provas!
Bons estudos e até a próxima!

Aula 04 – Amostragem e Inferência Estatística
Assunto Página
1- Introdução 03
2- Amostragem 04
3- Estimativa de parâmetros 08
4- Intervalo de Confiança 14
5- Questões Comentadas 28
6- Resumo final 86
7- Lista de exercícios 88
8- Gabarito 106
1- Introdução
Continuando o estudo da Estatística, iremos, nesta aula, abordar um

ramo bastante importante dessa disciplina, que é a Inferência Estatística.
Esse ramo tem como objetivo estudar parâmetros de uma população, a
partir de dados ou informações de uma amostra dessa população.
A utilização de amostras é necessária porque nem sempre é possível
coletar informações a respeito de todos os elementos de uma população.
E isso pode ocorrer por diversos motivos, entre eles, o fato de a
população ser infinita ou numerosa, a falta de tempo suficiente para se obter
as informações, ou carência de recursos humanos, financeiros, entre outros.
Com isso, surge a necessidade de se estudar as características de uma
população, a partir de suas amostras.
Por exemplo, em pesquisas eleitorais de intenção de voto, seria inviável
efetuar a pesquisa com todos os eleitores. Porém, é possível estimar, com um
razoável grau de precisão, as intenções de voto de toda a população (nesse
caso, todos os eleitores) a partir de pesquisas em uma amostra. Esse é o
papel da inferência estatística.
Preparados? Então, vamos lá!

2- Amostragem
Para se conseguir efetuar uma inferência estatística sobre

características de uma população é necessário que a amostra a ser escolhida
seja representativa, isto é, deve possuir todas as características qualitativas e
quantitativas da população.
Nesse sentido, existem diversos tipos de processos de seleção da

amostra, chamados de amostragem.
A escolha do tipo de amostragem vai depender dos objetivos da
pesquisa e das características da população. Nesse sentido, para cada
inferência que se pretende realizar, deve ser estudado o processo de
amostragem que apresente melhores resultados, ou seja, traga uma maior
representatividade da população.
Por exemplo, o tipo de amostragem para uma pesquisa eleitoral é

diferente do tipo de amostragem para uma auditoria no pagamento de
Imposto de Renda, que é diferente do tipo de amostragem para uma pesquisa
de opinião, e assim por diante.
Vamos conhecer, agora, alguns dos principais tipos de amostragem,
lembrando que eles não são excludentes entre si, posto que um trabalho de
amostragem pode envolver mais de um dos processos indicados abaixo.
2.1 – Amostras casuais e não casuais

A amostragem possui dois tipos de características qualitativas: as
casuais (probabilísticas) e as não casuais (não probabilísticas).
As amostras probabilísticas são aquelas onde a probabilidade de seleção
de cada um dos elementos é igual, ou seja, cada elemento tem a mesma
chance de ser selecionado para compor a amostra. Esse tipo de
amostragem é o adequado para se realizar inferências estatísticas.
Diz-se que é uma amostragem não tendenciosa, ou, não viesada.
Já as amostras não probabilísticas são aquelas onde há uma escolha dos
elementos que farão parte da amostra. É uma amostragem tendenciosa onde
não é possível se fazer inferências estatísticas sobre a característica da
população. Nesse caso, os estudos se limitam à amostra propriamente dita.
2.1.1 – Tipos de amostragem casual (probabilística)

 Amostragem Aleatória Simples
A amostragem aleatória simples consiste na forma mais básica de
escolha dos elementos de uma amostra: o sorteio.

Normalmente, nesse tipo de amostragem, a escolha é feita sem
reposição, no entanto, sem impedimento de que seja feito com reposição. Em
ambos os casos todos os elementos possuem a mesma chance de serem
sorteados.
Para se realizar o sorteio, todos os elementos devem ser conhecidos
(listados) e, assim, o sorteio é realizado até que se atinja o número de
elementos desejados para a amostra.
Porém, esse processo de sorteio torna-se dificultoso para amostras de

grande dimensão. Para esses casos, pode-se utilizar, via computacional,
números aleatórios que irão determinar os elementos a serem escolhidos para
a amostra.
 Amostragem Sistemática
O processo de amostragem sistemática possui duas premissas básicas.

A primeira é selecionar aleatoriamente um elemento da amostra e,
posteriormente, selecionar os demais elementos a partir de intervalos pré-
definidos.
Por exemplo, deseja-se avaliar a qualidade do acabamento dos veículos
produzidos numa fábrica. Supondo-se que são produzidos 100 veículos por
dia, deseja-se extrair uma amostra diária de 10 veículos para avaliação.
Para definir a amostra, como dissemos, são necessárias duas etapas: o
sorteio de um elemento, e, depois, determinar o intervalo de amostragem.
O intervalo de amostragem é um número inteiro mais próximo da
divisão entre o número de elementos da população e o número de elementos
da amostra:
Supondo-se que o 1º elemento sorteado seja o veículo de nº 32, os

demais elementos da amostra serão estabelecidos a partir do intervalo 10:

Uma das vantagens da amostragem sistemática é propiciar a escolha de
elementos dispersos por toda a população. No exemplo anterior, seriam
avaliados os veículos produzidos desde o início (nº 2) até o final do dia (nº
92).
Todavia, esse tipo de amostragem pode apresentar distorções se a
fábrica apresentar problemas sempre no veículo nº 1, por exemplo.
De qualquer forma, o processo de amostragem a ser escolhido depende

das características da população que se quer estudar.
 Amostragem Estratificada
Nesse tipo de amostragem, a população é dividida em grupos
(estratos), com o objetivo de realizar uma inferência estatística mais precisa.
Na amostragem estratificada, cada estrato da população possui uma

característica marcante, diferenciada, ou, mutuamente exclusiva. Sendo
assim, os elementos de cada estrato são homogêneos entre si, mas diferentes
entre os estratos.
Após realizar a estratificação da população, é realizada uma seleção

aleatória de elementos nos estratos e, a partir daí, surge a amostra a ser
estudada.
Por exemplo, deseja-se saber a opinião de todos os integrantes de uma
escola a respeito de um tema X.
No entanto, a população da escola é formada de alunos, professores e
funcionários, em proporções diferenciadas. Por exemplo:
Para se ter uma pesquisa mais precisa, deve-se levar em conta essa
estratificação, a qual possui influência na amostra que se pretende extrair.

Assim, deve-se dividir a população em estratos (alunos, professores,
funcionários) e, a partir daí, selecionar aleatoriamente os elementos de cada
estrato que irão compor a amostra a ser estudada, levando-se em conta,
inclusive, essa proporção indicada.
 Amostragem por Conglomerados

Nessa amostragem, a população é dividida em conglomerados, onde
cada conglomerado possui uma heterogeneidade que representa as
características da população. Em outras palavras, o conglomerado representa
uma subpopulação.

Após a distribuição dos conglomerados, são selecionados aleatoriamente
os conglomerados a serem analisados, fazendo-se uma pesquisa sobre todos
os elementos do conglomerado ou uma amostra deles.
2.1.2 – Tipos de amostragem não casual (não probabilística ou não

aleatória)
Amostragem Acidental (por conveniência) – tipo de amostragem

em que os elementos são inseridos na amostra de forma acidental, conforme o
aparecimento, até completar o número total desejado.
Amostragem Intencional (por julgamento) – tipo de amostragem
onde os elementos são intencionalmente escolhidos para fazerem parte da
amostra.
Amostragem por quotas (proporcional) – tipo de amostragem
intencional, onde a população é classificada em grupos e, posteriormente, a

escolha é feita a partir dos grupos formados. É a forma mais usual de
amostragem não probabilística.
Por exemplo, uma pesquisa de opinião sobre um novo produto no
mercado, em que a população é dividida em homens/mulheres, e a pesquisa
pretende ouvir 50 homens e 50 mulheres.
3- Estimativa de parâmetros
Algumas das informações que se busca na inferência estatística são os

parâmetros estatísticos de uma população (média, desvio padrão, proporção,
etc.).
Nesse sentido, vamos aprender um pouco sobre como fazer a
estimativa desses parâmetros populacionais a partir do estudo de amostras.
Basicamente, a estimativa pode ser feita pontualmente ou por intervalos
de confiança.
3.1 – Estimativas Pontuais

Nas estimativas pontuais, os parâmetros estatísticos da população
(média, desvio padrão, variância, etc.) são calculados a partir de parâmetros
estatísticos da amostra (chamados de estimadores).
Assim, com os dados da amostra, calculam-se estimadores que são
capazes de refletir o parâmetro populacional que se deseja.

 Média Populacional
O melhor estimador pontual da média populacional  é a média amostral .

Ou seja, dada uma amostra de “n” elementos :
Estima-se o valor de  a partir do valor de
 Variância Populacional
O melhor estimador da variância populacional ² é a chamada variância
amostral S², onde:
Assim, estima-se o valor de ² a partir de S²:


Se a população for finita (e pequena), de tamanho N, e a amostragem
for realizada sem reposição:
 Proporções
O melhor estimador para a probabilidade de um evento populacional
(proporção) é a chamada frequência relativa , onde:
Assim, estima-se o valor de a partir de :
3.2 – Distribuições Amostrais

Pela estimativa pontual, permite-se estimar os parâmetros
populacionais a partir de cálculos (estimadores) feitos em uma única amostra.
No entanto, por mais representativa que seja a amostra selecionada,
dificilmente o estimador amostral irá refletir, exatamente, o parâmetro
populacional.
Sendo assim, por exemplo, afirmar que a média da população  seja
exatamente igual à média de uma amostra torna-se frágil estatisticamente.

Portanto, faz-se necessário estudarmos estatisticamente os estimadores
de todas as amostras possíveis de tamanho “n” que seriam possíveis de se
extrair numa população.
Para tal, vamos conhecer como se comporta estatisticamente os
diversos valores de , S², , etc., referentes a todas as amostras de uma
população.
 Distribuição Amostral das Médias

Consideradas as diversas amostras de tamanho “n” que se pode
selecionar em uma população, o conjunto das médias de cada uma dessas
amostras forma uma distribuição de probabilidade Normal, com média  e
desvio padrão .
Pode-se demonstrar que a média dessa distribuição Normal  é igual

à média populacional , ou seja:
 
Por causa disso, é o melhor estimador de .
Além do mais, pode-se demonstrar que o desvio padrão é igual a
razão entre o desvio padrão populacional e a raiz quadrada de “n”:
Essa expressão é também conhecida como erro padrão!

Essas igualdades são a base do chamado teorema central do limite:
a distribuição da média amostral é aproximadamente Normal com média  e
desvio padrão .
A relação ocorre tanto para populações infinitas quanto

para as situações em que a amostra é selecionada com reposição.
Para as populações finitas, de tamanho “N” e se a amostragem é feita
sem reposição, temos o seguinte desvio padrão da distribuição:

 Distribuição Amostral das Variâncias

Consideradas as diversas amostras de tamanho “n” que se pode
selecionar em uma população, o conjunto das variâncias amostrais de
cada uma dessas amostras forma uma distribuição de probabilidade

denominada qui-quadrado, com média  e variância .
Antes de continuarmos, vamos conhecer a distribuição qui-quadrado.
Distribuição Qui-quadrado
Essa distribuição possui como variável o quadrado da letra grega , ou
seja, . É uma distribuição de variável contínua, com a seguinte equação:
Onde  é um parâmetro da função denominado grau de liberdade.

A fórmula é complicada, não é mesmo? Mas não se preocupem que não
é necessário decorá-la. O importante suas características principais.
O gráfico da distribuição qui-quadrado, para “ ” variando de 1 a 5 é

representado a seguir:
Assim como as demais funções de densidade de probabilidade, o gráfico

da distribuição qui-quadrado possui área em relação ao eixo horizontal igual a
1.
A média e o desvio padrão desse gráfico são representados por:

__________________________________
Conhecida a distribuição qui-quadrado, vamos agora ver como as
variâncias amostrais se enquadram nessa distribuição.

Dadas as amostras de tamanho “n”, possíveis de serem selecionadas
dentro de uma população, as variâncias dessas amostras formam uma
distribuição qui-quadrado, com grau de liberdade  , cuja média é igual
a:
Onde é a variância populacional. Por isso, o melhor estimador de

é S².
Essa relação ocorre tanto para populações infinitas quanto para as
situações em que a amostra é selecionada com reposição.
Já o desvio padrão dessa distribuição é representado pela fórmula:
 Distribuição Amostral das Proporções

Dada uma população onde a probabilidade de ocorrência de um evento
seja igual a , consideradas as diversas amostras de tamanho “n” que se pode
selecionar, o conjunto das proporções de cada uma dessas amostras forma
uma distribuição de probabilidade Binomial, com média  e desvio padrão
.
Pode-se demonstrar que a média dessa distribuição Binomial  é
igual a :

Por causa disso, é o melhor estimador de .
Além do mais, pode-se demonstrar que o desvio padrão é igual a:

Para amostras em que , pode-se considerar uma distribuição

Normal, de média e desvio padrão , sendo, graficamente:
Para uma população com um número finito de termos, de tamanho N,

temos uma distribuição com média igual a e desvio padrão igual a:
4- Intervalo de Confiança
Selecionar uma amostra e encontrar os parâmetros populacionais a

partir de estimadores dessa amostra apresenta certa fragilidade, como vimos
anteriormente.
Sendo assim, não se pode afirmar com 100% de certeza que o
estimador de uma amostra de tamanho “n” pode ser igual ao parâmetro
populacional.
Vimos, então, que seria necessário analisar o comportamento estatístico
de todas as amostras de uma população, as quais formam distribuições de
probabilidade.
A partir de agora, vamos aprender como utilizar essas distribuições
amostrais.

Na inferência estatística, afirmar o valor de um parâmetro populacional
a partir de uma amostra sempre é acompanhado de um grau de imprecisão,
incerteza, ou, tecnicamente, de um erro de amostragem.
Nesse sentido, não se pode afirmar, com 100% de certeza que o
parâmetro populacional será igual a um determinado valor. No entanto,
podemos calcular, a partir de uma amostra, limites inferior e superior que
poderão conter ou não a verdadeira média populacional.
Se calcularmos os limites inferior e superior para diversas amostras da

população, podemos dizer que, em das vezes (confiança), esses
intervalos conterão, de fato, o verdadeiro valor do parâmetro populacional.
Assim, o intervalo de confiança indica a probabilidade de o intervalo,
formado pelos limites inferior e superior de uma amostra, conter o parâmetro
populacional.
Por exemplo, não se pode afirmar que a média das alturas dos alunos
de uma escola seja igual a um determinado valor, mas é possível selecionar
uma amostra, calcular seus limites e afirmar, com x% de confiança, que o
intervalo calculado contém a verdadeira média das alturas dos alunos.
Esse intervalo de confiança, portanto, representa a certeza que
gostaríamos de ter a respeito de um parâmetro populacional. É representado
por um percentual , onde é o erro admissível.
Matematicamente, a probabilidade de o intervalo de confiança conter o
parâmetro populacional é igual a :
Estabelecidos esses conceitos, vamos ver como se estima cada

parâmetro populacional a partir de intervalos de confiança.

4.1 – Intervalo de Confiança para Média Populacional () quando a
Variância (²) é conhecida
Vimos que a média populacional  pode ser obtida a partir das médias
amostrais, que formam uma distribuição Normal, de acordo com o teorema
central do limite, de média igual a  e desvio padrão igual a .
Adotado como parâmetro um intervalo de confiança igual a ,

teremos o seguinte gráfico da distribuição:
A partir desse gráfico, podemos visualizar que a probabilidade de os

valores e “ ” conterem o valor da média populacional é igual a
. Ou seja, a região entre e “ ” representa os limites do
intervalo de confiança.
Para calcularmos esses limites, iremos ter o apoio da variável Normal
padronizada. Assim, se transformarmos essa distribuição Normal, de variável
, em uma Normal padronizada, de variável Z, temos que:
Ou seja, a probabilidade de que o intervalo representado pelos valores

e contenha a variável Z é igual a .
Substituindo a variável Z, temos que:

Após algumas contas, encontramos a fórmula mais importante desta

aula:
Essa expressão é válida para populações de tamanho infinito ou para

amostras tiradas com reposição.
Portanto, para sabermos os limites de confiança de , quando é

conhecida, basta conseguirmos o valor de , conforme veremos no
exemplo a seguir.
Para populações de tamanho finito, temos a seguinte fórmula:
Nessa fórmula, substitui-se por .
(FCC-TRT 1ª-2011) Uma população normal e de tamanho

infinito apresenta uma média  e variância populacional igual a 0,81.
Pretende-se obter, a partir de uma amostra aleatória de tamanho 144 dessa
população, um intervalo de confiança de 95% para . Considerando na
distribuição normal padrão (Z) as probabilidades P(z > 1,96) = 0,025 e P(z >
1,64) = 0,05, o intervalo apresenta uma amplitude de
(A) 0,246. (B) 0,264. (C) 0,294. (D) 1,764. (E) 3,528.
Resolução:

Dados Amostrais

Dados Populacionais
 Tamanho infinito

 Média 
Trata-se de intervalo de confiança para média populacional , com

variância conhecida e população infinita. Nesses termos o intervalo de
confiança é calculado por:
O enunciado solicita o valor da amplitude do intervalo.

Matematicamente, é representado pela diferença entre os limites de confiança,
ou seja:
Pelas informações do enunciado, podemos obter os valores de e n,

restando calcularmos .
Com intervalo de confiança , temos a seguinte distribuição
Normal padronizada:
Como

Como , segundo o enunciado:
Obtendo-se o valor de é possível calcularmos a amplitude do

intervalo:
Resposta, letra C.
(FCC-TRF 2ª-2012) Em uma empresa com 1.025

funcionários, verifica-se que os salários de seus empregados apresentam uma
distribuição normal com um desvio padrão de R$ 160,00. Selecionando
aleatoriamente, sem reposição, 400 destes funcionários, obteve-se um
intervalo de confiança de 95% para a média da população dos salários.
Considerando na curva normal padrão Z a probabilidade P(Z > 1,96) = 0,025,
a amplitude deste intervalo é igual a
(A) R$ 12,25. (B) R$ 24,50 (C) R$ 36,75 (D) R$ 49,00 (E) R$ 61,25
Resolução:
Dados da população:
 Tamanho Finito N=1025

Dados da amostra:
 Tamanho n=400
O enunciado solicitou o cálculo da amplitude do intervalo de confiança

de 95% para a média populacional dos salários dos funcionários.
O Intervalo de confiança da média populacional, para variância
conhecida, e população finita, é igual a:

O enunciado solicita o cálculo da amplitude:
Para calcular o valor solicitado, precisamos calcular :
Como
Como , segundo o enunciado:
Ou seja, com 95% de confiança, é possível afirmar que o intervalo

formado pelos valores ) e ) contém a média da
população dos salários.
Resposta, letra B.
4.2 – Intervalo de Confiança para Média Populacional () quando a

Variância (²) é desconhecida
Vimos no item anterior o cálculo da média populacional quando
conhecemos o valor da variância populacional. Entretanto, este valor nem
sempre é conhecido. Nesses casos, a média populacional é obtida a partir de
uma distribuição de probabilidade denominada t de Student.

Distribuição t de Student
A distribuição t de Student é uma distribuição de probabilidade
contínua, com a seguinte equação:
Onde  é o chamado grau de liberdade da distribuição.

A fórmula também é complicada, não é mesmo? Mas não se preocupem
que não é necessário decorá-la. O importante é conhecermos as propriedades
dessa distribuição.
O gráfico da distribuição t de Student, para “ ” variando de 1 a 5 é

representado a seguir:
Assim como as demais funções de densidade de probabilidade, o gráfico

da distribuição t de Student possui área em relação ao eixo horizontal igual a
1.
Para >30, o gráfico de t de Student se aproxima a de uma distribuição
Normal.
A média e a variância desse gráfico são representados por:
__________________________________

Conhecida a distribuição t de Student, vamos ver como essa distribuição
se aplica à estimativa da média populacional quando ² é desconhecida.
Para essa situação, em vez de uma distribuição Normal, as médias
amostrais formam uma distribuição t de Student, com grau de liberdade
 .
teremos o seguinte gráfico para essa distribuição:

A partir desse gráfico, podemos visualizar que, com um grau de

confiança de , o intervalo entre os valores e “ ” contém a
média populacional:
Para encontrarmos os valores limites de , basta aplicarmos a seguinte

expressão:
Resultando em:
Graficamente, temos a seguinte situação:

Essa expressão é aplicada para populações de tamanho infinito ou
amostragens com reposição.
Portanto, para sabermos o intervalo de confiança de , quando é

desconhecida, basta conseguirmos o valor de , conforme veremos no
exemplo a seguir.
A expressão para populações finitas é a seguinte:
(FCC-TRT 7ª-2009) Os salários dos empregados de

determinado ramo de atividade apresentam uma distribuição normal com uma
variância populacional desconhecida. Uma amostra aleatória de 16
empregados deste ramo foi analisada apresentando uma média igual a R$

1.500,00 e um desvio padrão igual a R$ 200,00. Considerando a população de
tamanho infinito e o quantil da distribuição t de Student para teste
unicaudal tal que com n graus de liberdade, obteve-se
um intervalo de confiança de 95% para a média populacional. O intervalo
obtido, com os valores em reais, foi igual a
(A) [1.473,50; 1.526,50]

(B) [1.473,00; 1.527,00]
(C) [1.394,00; 1.606,00]
(D) [1.393,50; 1.606,50]
(E) [1.392,50; 1.607,50]
Resolução:
Dados Amostrais



Dados Populacionais

 Média 

Trata-se de um intervalo de confiança da média populacional  quando a
variância ² é desconhecida. Nessa situação, as médias amostrais formam
uma distribuição t de Student, cuja fórmula é igual a:
Para uma amostra com 16 peças, o grau de liberdade, , da

distribuição t de Student é
Assim, o intervalo de confiança é igual a:

Isso significa que, com 95% de confiança, o intervalo formado pelos

valores R$ 1.393,50 e R$ 1.606,50 conterá a média populacional.
Resposta, letra D.
4.3 – Intervalo de Confiança para Variância

Vimos que a variância populacional ² pode ser obtida a partir das
variâncias amostrais S², que, juntas, formam uma distribuição qui-quadrado,
com média e variância , onde o grau de liberdade

da distribuição é igual a  .
Adotado como parâmetro um intervalo de confiança de , teremos o
seguinte gráfico dessa distribuição:

A partir desse gráfico, podemos visualizar que com um grau de
confiança , o intervalo formado pelos valores “ ” e “ ” conterá o
valor da variância populacional:
Para encontrarmos os valores limites de , basta aplicarmos a

seguinte expressão:
Resultando em:
4.4 – Intervalo de Confiança para Proporções
Vimos que a proporção de um evento populacional pode ser obtida a

partir das proporções amostrais , que, juntas, formam uma distribuição
Binomial, mas quando extrapoladas para grandes populações, formam uma
distribuição Normal, de média igual a e desvio padrão igual a

teremos o seguinte gráfico da distribuição:

A partir desse gráfico, podemos visualizar que, com um grau de

confiança , o intervalo entre os valores e “ ” contém o valor
da média populacional. Ou seja, a região entre e “ ” representa
nosso intervalo de confiança.
Para calcularmos esses limites, iremos ter o apoio da variável Normal
padronizada. Assim, se transformarmos essa distribuição Normal, de variável

, em uma Normal padronizada, de variável Z, temos que:
Ou seja, a probabilidade de que a variável Z, esteja entre os valores

e é igual a .
Substituindo a variável Z, temos que:
Após algumas contas, encontramos a expressão do intervalo de

confiança para proporções:

Essa expressão é válida para populações de tamanho infinito ou para
amostras selecionadas com reposição.
Portanto, para sabermos o intervalo de confiança de , basta

conseguirmos o valor de , conforme veremos no exemplo a seguir.
Para populações de tamanho finito, temos a seguinte fórmula:

(FCC-TRF 2ª-2012) Uma pesquisa realizada com 8.400

habitantes de uma cidade, escolhidos aleatoriamente, revelou que 70% deles
estavam satisfeitos com o desempenho do prefeito. Considere que é normal a

distribuição amostral da frequência relativa dos habitantes satisfeitos com o
desempenho do prefeito e que, na curva normal padrão Z, a probabilidade
P(Z>1,96) = 0,025. Considerando a cidade com uma população de tamanho
infinito, o intervalo de confiança para esta proporção ao nível de confiança de
95%, com base no resultado da amostra, é
(A) [65,10% ; 74,90%].
(B) [66,08% ; 73,92%].
(C) [67,06% ; 72,94%].
(D) [68,04% ; 71,96%].
(E) [69,02% ; 70,98%].
Resolução:
Dados da amostra:


Trata-se de intervalo de confiança para proporções, com população de

tamanho “infinito”.
Com intervalo de confiança , temos que:
Considerando uma distribuição Normal para as proporções amostrais, o

intervalo de confiança é representado pela fórmula:

Prof. Fábio Amorim

Resposta, letra E.
5- Questões Comentadas
27 de 105
Prof. Fábio Amorim

28 de 105
1. (FCC-TRF 2ª-2012) Considere as afirmações abaixo, relativas à teoria
de amostragem:
I. Quando a população original de tamanho N tem média  e desvio padrão ,

uma versão finita do teorema central do limite estabelece que a distribuição
da média amostral tem média  e desvio padrão .

II. Quando a amostragem estratificada é usada, a média da população é

estimada como a média ponderada das médias das amostras específicas dos
estratos.
III. Se as unidades de estudo formam grupos naturais, a amostragem por
conglomerados pode ser considerada, o que envolve selecionar uma amostra
aleatória de grupos ou conglomerados e depois selecionar, de cada grupo,
uma amostra aleatória simples.
É correto o que consta APENAS em

(A) I. (B) II. (C) III. (D) I e II. (E) I e III.
Resolução:
Assertiva I
Vimos que a média das amostras de uma população infinita forma uma
distribuição Normal, de média  e desvio padrão  .
Já para as populações finitas, de tamanho N, as médias também formam uma
distribuição Normal, de média , mas de média igual a .

Assertiva incorreta.
Assertiva II
Na amostragem estratificada, nós separamos os elementos da população em
estratos, como características homogêneas entre os elementos de cada
estrato, e heterogêneas entre os estratos. Após feita essa separação, toma-se
uma amostra de cada estrato, considerando, inclusive, a proporção de
ocorrência. Ou seja, fazemos uma média ponderada, considerando a
relevância de cada estrato. Assertiva correta.
Assertiva III
A formação de grupos naturais ocorre na amostragem por estratificação, onde
cada elemento possui característica marcante, que pode ser identificada e,
naturalmente, estratificada. Assertiva incorreta.
Resposta, letra B.
2. (FCC-Metrô/SP-2012) No que se refere à teoria de amostragem,

considere:

I. A amostragem aleatória simples é um processo para se selecionar n
amostras tiradas de N unidades, de tal forma que todas as possíveis amostras
têm a mesma probabilidade de serem escolhidas.
II. A amostragem sistemática é, em geral, mais eficiente do que a
amostragem aleatória simples.
III. O aumento do tamanho da amostra acarreta um aumento do erro padrão
das estimativas.
IV. Na amostragem por conglomerados, quando as unidades conglomeradas
contêm números diferentes de elementos, não existem processos para se
estimar o valor total da população.
Está correto o que consta APENAS em
(A) I. (B) I e II. (C) III e IV. (D) I e III e IV. (E) I e IV.
Resolução:
Assertiva I
A amostragem aleatória simples consiste em selecionar amostras de
tamanho “n”, tiradas de N unidades. Entendo que o examinador foi infeliz ao
substituir (amostras “n”) por (“n” amostras). Mas a banca considerou a
assertiva correta.
Assertiva II
Não se pode afirmar que, genericamente, um tipo de amostragem é
mais eficiente que outro. Na verdade, a amostragem sistemática pode ser
mais ou menos eficiente, a depender das características da população e do
estudo que se pretende fazer. Assertiva incorreta.
Assertiva III
Quanto maior a amostra, maior é a probabilidade de a estimativa se
aproximar do parâmetro populacional.
No caso das médias amostrais, vimos que a estimativa da média
populacional é feita pela fórmula:
Onde a média populacional está entre , e o erro amostral
é representado pela expressão :
Portanto, o Erro é inversamente proporcional ao tamanho da amostra

“n”, ou seja, quanto o aumento de “n” implica na diminuição do erro amostral.
Assertiva incorreta.

Assertiva IV
Quando se divide uma população em conglomerados, é natural imaginar
que nem todos os conglomerados possuem o mesmo tamanho. Por exemplo,
se dividirmos uma cidade de bairros. Inclusive, a probabilidade de possuir o
mesmo tamanho é mínima.
Nesse sentido, após a separação em conglomerados, escolhe-se um ou
mais de um conglomerado para servir de estimativa para o parâmetro

populacional desejado.
Caso sejam selecionados conglomerados de tamanhos diferentes, esse
fator é considerado no cálculo da estimativa. Assertiva incorreta.
Resposta, letra A.
3. (FCC-TRT 7ª-2009) Com relação à teoria geral de amostragem,

considere as afirmativas abaixo.
I. A realização de amostragem aleatória simples só é feita para amostragem
sem reposição.
II. A amostragem estratificada consiste na divisão de uma população em
grupos segundo alguma característica conhecida. Os estratos da população
devem ser mutuamente exclusivos.
III. Em uma amostra por conglomerados a população é dividida em
subpopulações distintas.
IV. A amostragem sistemática é um plano de amostragem não probabilístico.
É correto o que se afirma APENAS em
(A) I e II. (B) II e II. (C) II e IV. (D) III e IV. (E) I, II e III.
Resolução:
Assertiva I
Vimos nesta aula que a amostragem aleatória simples pode ser feita com ou
sem reposição dos elementos. Assertiva incorreta.
Assertiva II
Perfeito! Na amostragem estratificada, os elementos são divididos em grupos,
de características marcantes e mutuamente exclusivas, ou seja, o elemento de
um estrato não pode pertencer a outro. Assertiva correta.
Assertiva III
Na amostragem por conglomerados, os elementos são divididos em grupos
homogêneos entre si, sendo considerados subpopulações da população total.
Assertiva correta.
Assertiva IV

A amostragem sistemática é considerada uma amostragem probabilística.
Além desta, vimos na presente aula outras amostragens nessa mesma
categoria, como a aleatória simples, a aleatória estratificada e a aleatória por
conglomerados. Assertiva incorreta.
Resposta, letra B
4. (FCC-TRT 3ª-2009) O objetivo de uma pesquisa era o de se obter,

relativamente aos moradores de um bairro, informações sobre duas variáveis:
nível educacional e renda familiar. Para cumprir tal objetivo, todos os
moradores foram entrevistados e arguidos quanto ao nível educacional, e,
dentre todos os domicílios do bairro, foram selecionados aleatoriamente 300
moradores para informar a renda familiar. As abordagens utilizadas para as
variáveis nível educacional e renda familiar foram, respectivamente,
(A) censo e amostragem por conglomerados.
(B) amostragem aleatória e amostragem sistemática.

(C) censo e amostragem casual simples.
(D) amostragem estratificada e amostragem sistemática.
(E) amostragem sistemática e amostragem em dois estágios.
Resolução:
Como o objetivo era avaliar características dos moradores do bairro
(população), e todos eles foram entrevistados, tem-se, inicialmente, a
realização de um censo, haja vista que foi avaliada toda a população e não
uma amostra dela. Depois, foram selecionadas aleatoriamente 300 moradores.
Trata-se, portanto, de uma amostragem aleatória simples, também chamada
de amostragem casual simples.
Resposta, letra C.
5. (FCC-Metrô/SP-2008) O processo de amostragem que se baseia em

dividir a população, desde que possível, em grupos que consistem, todos eles,
em indivíduos bastante semelhantes entre si, obtendo a seguir uma amostra
aleatória em cada grupo, é denominado
(A) Amostragem por conglomerados.
(B) Amostragem por estratificação.
(C) Amostragem por variabilidade.
(D) Amostragem casual simples.
(E) Amostragem sistemática.
Resolução:
Quando se divide uma população em grupos, cujos indivíduos são semelhantes
entre si, trata-se da estratificação da população. Depois disso, é realizada uma

amostragem aleatória dos estratos, considerando, inclusive, a proporção de
cada estrato em relação à população (média ponderada).
Resposta, letra B.
6. (FCC-Metrô/SP-2008) Dada uma população com n elementos e

utilizando o processo da amostragem aleatória simples, sem reposição,
consegue-se extrair dessa população um total de 105 amostras de 2

elementos cada uma. Caso tivesse sido adotado o processo com reposição, o
número de amostras, também com 2 elementos cada uma, seria de
(A) 144 (B) 196 (C) 225 (D) 256 (E) 400
Resolução:
Dada uma população com “n” elementos, onde cada amostra deve ter 2
elementos, sem importar a ordem de retirada, o número de amostras é igual à
combinação de “n” elementos tomadas 2 a 2: :
Caso efetuássemos a reposição dos elementos, teríamos n²

possibilidades de amostras:
Portanto, o número de amostras seria igual a:

.
Resposta, letra C.
7. (FCC-MPU-2007) Com relação à teoria geral de amostragem, é correto

afirmar que:

(A) na amostragem aleatória simples, a seleção das unidades amostrais só
pode ser realizada sem reposição.
(B) a amostragem por conglomerados em geral é mais eficiente e menos
econômica quando comparada com o método de amostragem aleatória
simples.
(C) na amostragem estratificada, os estratos da população não necessitam
ser mutuamente exclusivos.

(D) o aumento do tamanho da amostra tem como consequência o aumento
do erro padrão das estimativas.
(E) o viés ou vício de um estimador de um parâmetro é a diferença entre o
seu valor esperado e o valor do parâmetro.
Resolução:
Alternativa A
A amostragem aleatória simples pode ser feita com ou sem reposição dos
elementos, conforme visto anteriormente nesta aula. Alternativa incorreta.
Alternativa B
Os critérios de eficiência e economia vão depender das características da
população e da estimativa que se pretende fazer. Não é adequado afirmar,
genericamente, que um tipo de amostragem é mais eficiente ou mais
econômico que o outro. Alternativa incorreta.
Alternativa C
Os estratos da população devem possuir características marcantes e, portanto,
são diferentes e mutuamente exclusivos entre si. Alternativa incorreta.
Alternativa D
Para a estimativa da média populacional, aprendemos que:
Ou seja, quanto maior o tamanho da amostra, menor é a probabilidade de

erro na estimativa. Alternativa incorreta.
Alternativa E
O erro amostral é também chamado de viés, para as estimativas
populacionais. Por exemplo:
Alternativa correta

Resposta, letra E.
8. (FCC-TRF 2ª-2007) Uma pesquisa pretende estimar o valor médio

mensal dos salários recebidos pelos professores de 4 escolas do bairro da
Saúde. Para a pesquisa primeiramente foram listados todos os professores das
4 escolas segundo o sexo resultando em 2000 professores do sexo feminino e
1500 professores do sexo masculino. Foram propostos dois planos amostrais
distintos. O primeiro plano previa um sorteio com reposição de 350

professores do total de 3500. Na segunda proposta, o total da população de
professores seria dividido em dois grupos (um grupo do sexo feminino e outro
grupo do sexo masculino) e seriam sorteados 10% de cada grupo com
reposição. Segundo a teoria geral da amostragem, o primeiro e o segundo
plano são, respectivamente,
(A) Amostragem Aleatória simples e Amostragem estratificada.
(B) Amostragem Aleatória simples e Amostragem sistemática.

(C) Amostragem estratificada e Amostragem aleatória simples.
(D) Amostragem Aleatória simples e Amostragem por conglomerado em
dois estágios.
(E) Amostragem Aleatória simples e Amostragem por conglomerados.
Resolução:
O sorteio dos professores, no primeiro plano, caracteriza uma amostragem
aleatória simples.
Já a separação dos professores em grupos masculino e feminino caracteriza a
estratificação da população, haja vista que se formam grupos heterogêneos
entre si e mutuamente exclusivos. Além disso, os elementos do estrato são
homogêneos entre si. Depois, o sorteio de 10% de cada grupo, representa, no
conjunto uma amostragem aleatória estratificada.
Resposta, letra A.
9. (FCC-MPE/PE-2006) Com relação à teoria geral de amostragem, é

INCORRETO afirmar:
(A) Quanto menor o erro padrão da estimativa, menor será a confiabilidade
e a precisão da estimativa.
(B) Em uma amostra por conglomerados a população é dividida em sub-
populações distintas.
(C) A realização de amostragem aleatória simples só é possível se o
pesquisador possuir uma lista completa de cada unidade amostral.
(D) Um estimador é considerado não viciado quando sua esperança é igual
ao valor populacional que está sendo pesquisado.

(E) Amostragem estratificada consiste na divisão de uma população em
grupos segundo alguma característica conhecida. Os estratos da
população devem ser mutuamente exclusivos.
Resolução:
Alternativa A
Quanto menor o erro da estimativa, naturalmente, concluímos que essa
estimativa tem uma confiabilidade maior, e, portanto, mais precisa. Afirmativa

incorreta.
Alternativa B
Na amostragem por conglomerados, a população é dividida em
subpopulações homogêneas, cujos elementos são heterogêneos entre si e
representativos da população. Afirmação correta.
Alternativa C
A realização de uma amostragem aleatória simples depende do
conhecimento (listagem) acerca de todos os elementos da população.
Afirmação correta.
Alternativa D
Considera-se que um estimador sobre a população é não viciado ao
permitir a realização de inferência estatística sobre parâmetros da população.
Sendo assim, espera-se que o parâmetro amostral seja igual ao parâmetro
populacional. Afirmação correta.
Alternativa E
A estratificação consiste em separar a população em grupos de
características marcantes, exclusivas. Portanto, os estratos são heterogêneos,
e os elementos de cada estrato são homogêneos entre si. Afirmação correta.
Resposta, letra A.
10. (FGV-SEFAZ/RJ-2011) A respeito das técnicas de amostragem

probabilística, NÃO é correto afirmar que
(A) na amostragem por conglomerado a população é dividida em diferentes
grupos, extraindo-se uma amostra apenas dos conglomerados selecionados.
(B) na amostragem estratificada, se a população pode ser dividida em
subgrupos que consistem em indivíduos bastante semelhantes entre si, pode-
se obter uma amostra aleatória em cada grupo.
(C) na amostragem aleatória simples se sorteia um elemento da população,
sendo que todos os elementos têm a mesma probabilidade de serem
selecionados.

(D) na amostragem por voluntários a população é selecionada de forma a
estratificar aleatoriamente os grupos selecionados.
(E) na amostragem sistemática os elementos da população se apresentam
ordenados, e a retirada dos elementos da amostra é feita periodicamente.
Resolução:
Assertiva A
Na amostragem por conglomerados, após a separação, os

conglomerados são selecionados aleatoriamente, fazendo-se uma pesquisa
sobre todos os elementos do conglomerado ou uma amostra deles. Assertiva
correta.
Assertiva B
Na amostragem estratificada, a população é dividida em estratos
heterogêneos, de modo que os elementos de cada estrato são homogêneos

entre si. Após isso é realizada uma seleção aleatória nesses estratos para
formar a amostra a ser estudada. Assertiva correta.
Assertiva C
Na amostragem aleatória simples, todos os elementos possuem a
mesma chance de serem sorteados, ou, selecionados. Essa característica,
inclusive, pertence às demais amostragens probabilísticas. Assertiva correta.
Assertiva D
A amostragem por voluntários é um tipo não probabilístico, em que os
elementos se voluntariam a participar da amostra, ou da pesquisa. Não há
relação com a estratificação da população. Assertiva incorreta.
Assertiva E
Na amostragem sistemática, seleciona-se aleatoriamente um elemento
da amostra, e os demais são escolhidos a partir de um intervalo pré-definido
em que os elementos estão ordenados. Assertiva correta.
Resposta, letra D.
11. (FGV-SEFAZ/RJ-2008) Considere uma Amostra Aleatória Simples de

n unidades extraídas de uma população na qual a característica, X, estudada
tem distribuição Normal com média  e variância ², ambas desconhecidas,
mas finitas. Considere, ainda, as estatísticas média da amostra, ,e
variância da amostra . Então, é correto afirmar que:
(A) e S² são, ambos, não tendenciosos para a estimação da média e da

variância da população, respectivamente.
(B) é não-tendencioso, mas S² é tendencioso para a estimação da média e
da variância da população, respectivamente.

(C) é tendencioso, mas S² é não-tendencioso para a estimação da média e
(D) e S² são, ambos, tendenciosos para a estimação da média e da
(E) e S² são, ambos, não-tendenciosos para a estimação da média e da
variância da população, mas apenas é consistente.
Resolução:
Estimador não tendencioso é aquele em que o valor esperado da amostra E(X)
reflete o parâmetro populacional que se deseja estimar X.
Sabemos que o valor esperado da média amostral é igual à média
populacional, ou seja:
Portanto, é um estimador não tendencioso de .

Quanto à variância amostral, que vamos chamar de s², sabemos que:
Sabemos, também, que a variância populacional é calculada pela

fórmula:
Vimos nesta aula que o melhor estimador da variância populacional é a

variância amostral, de modo que:
O enunciado enuncia um estimador S², onde;
Ou seja:
Como , o estimador de S² é tendencioso.

Resposta, letra B.
12. (FCC-TRT 6ª-2012) Uma variável aleatória X é normalmente

distribuída com média , variância populacional igual a 576 e com uma
população considerada de tamanho infinito. Por meio de uma amostra

aleatória de tamanho 100, obteve-se um intervalo de confiança de (1 − )

para  igual a [105,8 ; 114,2]. Uma outra amostra aleatória de tamanho 225,
independente da primeira, forneceu uma média amostral igual a 108. Então, o
intervalo de confiança de (1 − ) correspondente a esta outra amostra é igual
a
(A) [103,8 ; 112,2].
(B) [104,5 ; 111,5].

(C) [105,2 ; 110,8].
(D) [105,9 ; 110,1].
(E) [106,6 ; 109,4].
Resolução:
Trata-se do intervalo de confiança da média populacional, de tamanho infinito
e variância conhecida.
As médias amostrais, nessa situação, formam uma distribuição Normal. Nesse
caso, o intervalo de confiança é calculado por:
Vamos analisar a primeira amostra:
Amostra aleatória de tamanho 100, intervalo de confiança de (1 − ) para 

igual a [105,8 ; 114,2]:
Essas informações significam que
Dados os valores de e :
Diminuindo I de II, tem-se que:
Vamos analisar a segunda amostra:

Amostra aleatória de tamanho 225, intervalo de confiança de (1 − ) e

, deseja-se saber os limites de :
Resposta, letra C.
13. (FCC-TRT 6ª-2012) O tamanho de uma população normalmente

distribuída, com um desvio padrão populacional igual a 128, é igual a 1025.
Uma amostra aleatória de tamanho 64 é extraída, sem reposição, desta
população. Com base nesta amostra e considerando que na distribuição

normal padrão (Z) a probabilidade P(Z > 1,96) = 0,025, obteve-se um
intervalo de confiança de 95% com uma amplitude igual a
(A) 30,38. (B) 60,76. (C) 91,14. (D) 121,52. (E) 182,28.
Resolução:
Tem-se uma população de tamanho finito, N=1025, cujo desvio padrão
 é conhecido, e igual a 128. Retira-se uma amostra de tamanho n=64, sem
reposição.
Adotando-se um intervalo de confiança de 95%, temos que:
Como P(Z > 1,96) = 0,025:
Calculado o valor de , podemos calcular os limites amostrais:

A amplitude do intervalo de confiança é igual a

:
Resposta, letra B.
14. (FCC-TRF 2ª-2012) Uma variável aleatória X tem uma distribuição

normal com uma variância igual a 2,25 e uma população considerada de
tamanho infinito. Uma amostra aleatória de tamanho igual a 144, desta
população, apresentou uma média igual a 20 e um intervalo de confiança de
amplitude igual a 0,55, a um nível de confiança (1− ). Caso o tamanho da
amostra tivesse sido de 100 e a média da amostra apresentasse o mesmo
valor encontrado na amostra anterior, o intervalo de confiança, a um nível de
confiança (1− ), seria igual a
(A) [19,895 ; 20,105].
(B) [19,865 ; 20,135].
(C) [19,835 ; 20,165].
(D) [19,670 ; 20,330].
(E) [19,340 ; 20,660].
Resolução:

 
Vamos avaliar a primeira amostra:





Como a amplitude é igual a 0,55:

Vamos avaliar a segunda amostra:




Resposta, letra D.
15. (FCC-TRE/SP-2012) Uma variável aleatória U tem distribuição

uniforme contínua no intervalo [a, 3a]. Sabe-se que U tem média 12. Uma
amostra aleatória simples de tamanho n, com reposição, é selecionada da
distribuição de U e sabe-se que a variância da média dessa amostra é 0,1.
Nessas condições, o valor de n é
(A) 80. (B) 100. (C) 120. (D) 140. (E) 150.
Resolução:
As amostras probabilísticas com reposição, possíveis de serem formadas
a partir de uma população, formam uma distribuição Normal, cuja média é
igual à média populacional , e variância igual a .
Portanto:
A população é formada por uma distribuição uniforme contínua, no

intervalo [a, 3a].
A média dessa distribuição é igual a:

Como
Para U ser uma distribuição de probabilidade, a área de f(u) sobre o

eixo “u” deve ser igual a 1, ou seja:

Vimos na aula anterior, que a variância de uma função contínua é

calculada pela fórmula:
Como o enunciado informou que :
Resposta, letra C.

16. (FCC-TRE/SP-2012) O intervalo de confiança [224,8; 233,0] para a
média populacional de uma variável X, normalmente distribuída, foi obtido por
meio de uma amostra aleatória de tamanho 100. Para a obtenção do intervalo
considerou-se a população de tamanho infinito, um nível de confiança de 90%
e a informação de que na distribuição normal padrão (Z) a probabilidade P(Z
> 1,64) = 0,05. A variância populacional da variável X é, no caso,
(A) 400. (B) 441. (C) 529 (D) 625 (E) 729.
Resolução:
Dados da amostra:
 Tamanho n=100;
O intervalo de confiança da média populacional , com variância

conhecida é igual a:
Como o enunciado informou que:
Como o enunciado solicitou a variância, temos que .

Resposta, letra D.
17. (FCC-TRE/SP-2012) As medidas dos comprimentos de uma peça

fabricada por uma empresa apresentam uma distribuição normal com desvio

padrão desconhecido. Uma amostra aleatória de 9 peças apresentou uma
média igual a 85 cm e um desvio padrão igual a 15 cm. Considerando a
população de tamanho infinito e o quantil da distribuição t de Student
para teste unicaudal tal que com n graus de liberdade,
obteve-se, com base nessa amostra, um intervalo de confiança de 99% para a
média populacional. Este intervalo de confiança, em cm, é igual a
Dados:
(A) [67,50 ; 102,50].

(B) [68,20 ; 101,80].
(C) [68,75 ; 101,25].
(D) [69,15 ; 100,85].
(E) [69,50 ; 100,50].

Resolução:
Dados Amostrais



Dados Populacionais

Para uma amostra com 9 peças, o grau de liberdade, , da

distribuição t de Student é
Com esse parâmetro, podemos calcular o intervalo de confiança:

Resposta, letra B.
18. (FCC-TRE/SP-2012) Em uma pesquisa eleitoral realizada com 600

eleitores escolhidos aleatoriamente, 360 mostraram-se favoráveis ao
candidato X. Deseja-se construir um intervalo de confiança de 95% para a
proporção de eleitores favoráveis ao candidato X com base nessa amostra.
Para isto, considerou-se normal a distribuição da frequência relativa dos
eleitores que são favoráveis ao candidato X, a população de tamanho infinito e
que na distribuição normal padrão (Z) a probabilidade P(Z≤1,96) 95%. A
amplitude deste intervalo é igual a
(A) 7,84%. (B) 6,86%. (C) 5,88%. (D) 4,90%. (E) 3,92%.
Resolução:
Dados Amostrais



Dados Populacionais

Para calcular a amplitude:

Resposta, letra A.
19. (FCC-TRE/SP-2012) De uma população finita, normalmente

distribuída e de tamanho N, é extraída uma amostra aleatória, sem reposição,
de tamanho 64. O desvio padrão populacional é igual a 2,5 e a amplitude do
intervalo de confiança de 95% para a média desta população apresentou o
valor de 0,98. Se na distribuição normal padrão (Z) a probabilidade P(Z >
1,96) = 0,025, então
(A) N = 144. (B) N = 156. (C) N = 169. (D) N = 176. (E) N = 189.
Resolução:
Dados Amostrais

Dados Populacionais
 Tamanho N


Trata-se de intervalo de confiança para média populacional, com

variância conhecida e população finita. Nesses termos o intervalo de confiança
é calculado por:
Dado que a Amplitude é igual a 0,98:

Resposta, letra D.
20. (FCC-TRT 1ª-2011) Uma amostra aleatória de 9 elementos foi

extraída de uma população normal de tamanho infinito com média  e
variância desconhecida. O desvio padrão da amostra apresentou o valor de
1,25 e o intervalo de confiança de (1 − ) para : [14, 16] foi obtido com
base nesta amostra. Sabe-se que para obtenção deste intervalo utilizou-se a
distribuição t de Student com os correspondentes graus de liberdade, em que
a probabilidade P (− T≤ t ≤ T) = (1 − ). Se T > 0, então o valor de T é
(A) 2,4. (B) 2,7. (C) 3,0. (D) 3,6. (E) 4,2.
Resolução:
Dados Amostrais


Dados Populacionais

 Média 

Ou seja,
Resposta, letra A.
21. (FCC-TRT 1ª-2011) Os estimadores

e são 2 estimadores justos
utilizados para a média  de uma população normal. (X1, X2, X3) corresponde
a uma amostra aleatória de tamanho 3 desta população e m e n são
parâmetros pertencentes aos números reais. O valor de (m + n) é igual a
(A) 1/3. (B) 2/3. (C) 4/9. (D) 5/9. (E) 7/9.
Resolução:
Se E’ e E’’ são estimadores justos para a média, então . Em
cada estimador, coeficientes formados por “m” e “n” nada mais são do que
ponderações para o cálculo das médias E’ e E’’.
Sendo assim:
Dessa forma, basta resolver o seguinte sistema linear:

Portanto,
Reposta, letra D.
22. (FCC-TRT 23ª-2011) O intervalo de confiança [48,975; 51,025], com

um nível de confiança de 96%, corresponde a um intervalo para a média ’ de
uma população normalmente distribuída, tamanho infinito e variância

populacional igual a 16. Este intervalo foi obtido com base em uma amostra
aleatória de tamanho 64. Deseja-se obter um intervalo de confiança de 96%
para a média ’’ de uma outra população normalmente distribuída, tamanho
infinito e variância populacional igual a 64. Uma amostra aleatória desta
população de tamanho 400 fornecerá um intervalo de confiança com
amplitude igual a
(A) 0,82. (B) 1,64. (C) 3,28. (D) 3,60. (E) 4,10.
Resolução:
Dados da 1ª amostra:
 n=64
Dados da 1ª População:
 Média '

Temos o seguinte sistema:

Como precisamos calcular a média ’’ de outra população para o intervalo
de confiança de 96%, precisamos do valor de .
Resolvendo o sistema linear:
Dados da 2ª amostra:
 n=400
Dados da 2ª População:
 Média ’’

Trata-se, novamente, de intervalo de confiança para média
populacional, com variância conhecida e população infinita. Nesses termos o
intervalo de confiança é calculado por:
O enunciado deseja saber o valor da amplitude desse intervalo, para

:
Resposta, letra B.
23. (FCC-DNOCS-2010) Seja X uma variável aleatória normalmente

distribuída representando o salário dos empregados em um determinado ramo
de atividade. Uma amostra aleatória de 100 empregados foi selecionada e
apurou-se um intervalo de confiança de 95% para a média de X como sendo

[760,80; 839,20], supondo a população de tamanho infinito e sabendo-se que
o desvio padrão populacional é igual a R$ 200,00. Caso o tamanho da amostra
tivesse sido de 1.600 e obtendo-se a mesma média anterior, o intervalo de
confiança de 95% apresentaria uma amplitude igual a
(A) R$ 78,40. (B) R$ 39,20. (C) R$ 49,00 (D) R$ 58,80 (E) R$ 19,60
Resolução:
Dados da Amostra Original:

 n=100
Dados da População:


Como precisamos calcular a amplitude de outra população para o intervalo

Vamos precisar, também, de :

Dados da 2ª Amostra:
 n=1600

:
Resposta, letra E.
24. (FCC-SEFAZ/SP-2009) Em uma pesquisa de tributos de competência

estadual, em 2008, realizada com 400 recolhimentos escolhidos
aleatoriamente de uma população considerada de tamanho infinito, 80%
referiam-se a determinado imposto. Deseja-se construir um intervalo de
confiança de 95,5% para a estimativa dessa proporção. Considerando normal
a distribuição amostral da frequência relativa dos recolhimentos desse imposto
e que na distribuição normal padrão a probabilidade P (−2 ≤ Z ≤ 2) = 95,5%,
o intervalo é
(A) [0,70; 0,90]
(B) [0,72; 0,88]
(C) [0,74; 0,86]
(D) [0,76; 0,84]
(E) [0,78; 0,82]
Resolução:
Dados Amostrais


Dados Populacionais


Resposta, letra D.
25. (FCC-SEFAZ/RJ-2013) Uma população infinita tem desvio padrão

igual a 10 e média desconhecida. Uma amostra aleatória com reposição de
tamanho n foi selecionada dessa população. Sabe-se que:
I. O valor de n deve ser tal que, com probabilidade 16%, o erro em se
estimar seja superior a 1.
II. Se é o valor da média amostral da amostra selecionada, então
.
Baseado na amostra de tamanho n e nas condições I e II acima, um intervalo
de confiança para com coeficiente de confiança de 95% é dado por
Se Z tem distribuição normal padrão, então:
P(Z < 0,8) = 0,788; P(Z < 1,25) = 0,894; P(Z < 1,4) = 0,92;
P(Z < 1,64) = 0,95; P(Z < 1,96) = 0,975; P(Z < 2) = 0,977
(A) [39,3 ; 42,1]
(B) [39,5 ; 41,9]
(C) [39,7 ; 41,7]
(D) [39,9 ; 41,5]
(E) [38,7 ; 42,7]
Resolução:
 Média 
 Desvio padrão =10
Dados da amostra:
 Tamanho n

 Erro Amostral = 1
 Média
Se o erro em estimar  é igual a 16%, =16%. Sendo assim, o intervalo

de confiança ( é igual a . Precisamos identificar, então, :
Como P(Z < 1,4) = 0,92:
Considerando-se uma população, para fins estatísticos, de

tamanho infinito, temos o seguinte intervalo de confiança para a média
populacional (variância conhecida):
Calculando o valor de n:
Por fim, estimando-se para o intervalo de confiança de 95%:
Como P(Z < 1,96) = 0,975:

Resposta, letra A.
26. (FCC-TRT 7ª-2009) Seja X uma variável aleatória representando a

duração de vida de um equipamento. O desvio padrão populacional de X é
igual a 20 horas. Uma amostra aleatória de 100 equipamentos forneceu uma
duração de vida média igual a 1.000 horas obtendo-se um intervalo de

confiança de 95% para a média populacional igual a [996,08 ; 1.003,92]
(considerando a população normalmente distribuída e de tamanho infinito).
Caso o tamanho da amostra tivesse sido de 400 e obtendo-se a mesma
duração de vida média de 1.000 horas, o novo intervalo de confiança de 95%
apresentaria uma amplitude de
(A) 1,96 horas.
(B) 2,94 horas.
(C) 3,92 horas.
(D) 5,88 horas.
(E) 7,84 horas.
Resolução:
Dados da Amostra Original:





Como precisamos calcular a amplitude de outra população para o intervalo


Dados da 2ª Amostra:


:
Resposta, letra C.
27. (FCC-TRT 4ª-2009) Deseja-se estimar a proporção (p) de processos

julgados por um tribunal regional do trabalho durante o período de 2000 até
2008. Uma amostra aleatória de 10.000 processos, selecionada da população
(suposta infinita) de todos os processos, revelou que 5.000 foram julgados no
referido período. Um intervalo de confiança, com coeficiente de confiança de
90% para p, baseado nessa amostra, é dado por
Para resolver à questão, dentre as informações dadas a seguir, as que julgar
apropriadas. Se Z tem distribuição normal padrão, então:
P (Z > 1,64) = 0,05 P(Z > 2) = 0,02 P(0< Z < 1,75) = 0,46
(A) 0,5 ± 0,005

(B) 0,5 ± 0,0062
(C) 0,5 ± 0,0065
(D) 0,5 ± 0,0082
(E) 0,5 ± 0,01
Resolução:
Dados Amostrais


Dados Populacionais

Resposta, letra D.
28. (FCC-TRE/PI-2009) A duração de vida de um determinado

equipamento apresenta uma distribuição normal com uma variância
populacional igual a 100 (dias)². Uma amostra aleatória de 64 desses
equipamentos forneceu uma média de duração de vida de 1.000 dias.
Considerando a população de tamanho infinito, um intervalo de confiança de
(1 − ) com amplitude de 4,75 dias para a média foi construído. Caso o
tamanho da amostra tivesse sido de 400, obtendo-se a mesma média de
1.000 dias, a amplitude do intervalo de confiança de (1 − ) seria de
(A) 0,950 dias.
(B) 1,425 dias.
(C) 1,900 dias.
(D) 2,375 dias.

(E) 4,750 dias.
Resolução:

 
Vamos avaliar a primeira amostra:




Trata-se de intervalo de confiança para média populacional quando a
variância é conhecida:
Como a amplitude é igual a 4,75:
Vamos avaliar a segunda amostra:




Resposta, letra C.

29. (FCC-TRE/PI-2009) Em uma cidade com uma grande quantidade de
eleitores, certo candidato encomenda uma pesquisa visando verificar qual será
a proporção de votos a seu favor, estabelecendo que o erro amostral da
proporção seja no máximo 2%. Para a pesquisa considerou-se normal a
distribuição amostral da frequência relativa dos eleitores que manifestaram
seu interesse em votar no candidato e que na distribuição normal padrão (Z) a
probabilidade P (|Z|≤ 1,8) = 93%. O resultado da pesquisa apresentou uma
variância com valor máximo e com um intervalo de confiança de 93%. O
tamanho da amostra foi então de

(A) 8.000. (B) 5.000. (C) 4.000. (D) 2.500. (E) 2.025.
Resolução:
Dados amostrais
 Erro Amostral = 2%
 Variância = valor máximo
Dados Populacionais
As médias amostrais de proporções formam uma distribuição Normal,
com média igual a “ ” e variância igual a “ ”
Para a variância assumir o valor máximo:

O erro amostral é representado por:

Resposta, letra E.
30. (FCC-Metrô/SP-2008) Um estudo realizado em uma população de

tamanho infinito objetiva detectar a proporção de habitantes que possui
determinado atributo. Uma amostra piloto adequada forneceu um valor de
25% para essa proporção. Deseja-se um intervalo de confiança de 95% para a
estimativa dessa proporção, tendo o intervalo uma amplitude de 5%.
Considerando a distribuição amostral da frequência relativa dos habitantes

possuidores do atributo normal e utilizando a informação da distribuição
normal padrão (Z) que a probabilidade P(−2 ≤ Z ≤ 2) = 95%, tem-se que o
tamanho da amostra deve ser de
(A) 1.000. (B) 1.2000. (C) 1.500. (D) 1.800. (E) 2.000.
Resolução:
Dados amostrais


Dados Populacionais
A amplitude desse intervalo de confiança é dado por:

Resposta, letra B.
31. (FCC-Metrô/SP-2008) Das lâmpadas fabricadas por uma companhia

extrai-se uma amostra de 100 lâmpadas e obtém-se a vida média de 1.000

horas. A vida das lâmpadas apresenta uma distribuição normal com um desvio
padrão populacional igual a 100 horas. Considerando-se a população de
tamanho infinito e a informação da distribuição normal padrão (Z), segundo a
qual a probabilidade P(Z > 1,64) = 5%, obtém-se um intervalo de confiança
de 90% para a vida média das lâmpadas. A amplitude deste intervalo é igual a
(A) 32,8 horas.
(B) 36,0 horas.
(C) 40,8 horas.
(D) 60,0 horas.
(E) 82,0 horas.
Resolução:

 
Dados da amostra:





Resposta, letra A.
32. (FCC-MPU-2007) Uma nova marca de lâmpada está sendo estudada.

Baseado em estudos anteriores com outras marcas similares, pode-se admitir
que a vida média segue uma distribuição Normal com desvio padrão de 8
meses. Tendo como base estes resultados, o tamanho de amostra necessário
para que a amplitude do intervalo de 95% de confiança (utilize a
aproximação: P (–2 ≤ Z ≤ 2) = 0,95, onde Z é a Normal Padrão) para a vida
média seja de 4 meses é de
(A) 8. (B) 12. (C) 16. (D) 64. (E) 128.
Resolução:

 
Dados da amostra:



Resposta, letra D.
33. (FCC-MPU-2007) Dadas duas amostras aleatórias independentes: a

primeira extraída de uma população X, onde X: ; a

segunda extraída de uma população Y, onde , forneceram
médias amostrais respectivamente iguais a: e .
Supondo , um intervalo de confiança para – com
coeficiente de confiança , é dado por:
Atenção: Para resolver esta questão use, dentre as informações dadas a
seguir, a que julgar apropriada.

P(Z > 2) = 0,023, P(Z < 1,8) = 0,964, P(0 < Z < 1,9) = 0,471.
(A) (0,6; 11,4)
(B) (1,1; 12,5)
(C) (1,2; 12,4)
(D) (1,6; 11,5)
(E) (0,6; 12,1)
Resolução:
Conforme aprendemos na aula anterior, dadas duas variáveis aleatórias
X e Y:
Variável X-Y:
Sendo assim, uma distribuição de média – possui os seguintes

parâmetros:



Com esses parâmetros, o intervalo de confiança para a diferença de

médias, com variância conhecida é igual a:
–
Resposta, letra A.
34. (FCC-TRF 2ª-2007) O padrão de qualidade recomenda que os pontos

impressos por uma impressora estejam entre 3,6 e 4,4 mm. Uma impressora
imprime pontos com diâmetro X, onde X é aproximadamente normal com
média 4 mm e desvio padrão σ. Se a probabilidade do diâmetro de um ponto
da impressora estar dentro do padrão de qualidade é de 95,4%, o valor de σ
em mm é igual a
Para resolver a questão, utilize, dentre as informações dadas a seguir, as que
julgar apropriadas.
P (Z > 2) = 0,023, P (Z < 1,64) = 0,945, P (0 < Z < 1,5) = 0,433, P (Z <
1,34) = 0,91
(A) 0,54. (B) 0,35. (C) 0,29. (D) 0,22. (E) 0,20.
Resolução:
Dados Amostrais:
 Média = 4 mm
 Desvio Padrão 
 n=1


Segundo o enunciado:
Ou seja:
Resposta, letra E.
35. (FCC-ISS/SP-2006) Uma variável aleatória X tem distribuição normal

com média  e desvio padrão 100. O tamanho da amostra para que a
diferença, em valor absoluto, entre a média amostral e  seja menor do que 2,
com coeficiente de confiança de 89%, é
Para responder à questão utilize, dentre as informações abaixo, as que julgar
adequadas. Se Ζ tem distribuição normal padrão, então: P(0< Ζ < 1) = 0,341
, P(0< Ζ < 1,6) = 0,445 , P(0< Ζ < 2) = 0,477
(A) 1.000. (B) 2.200. (C) 2.800. (D) 3.600. (E) 6.400.
Resolução:
 Média=
 Desvio Padrão =100.

A diferença entre e é o erro amostral . Portanto:
Resposta, letra E.
36. (FCC-MPE/PE-2006) Em uma pesquisa de mercado foi estimado que

50% das pessoas entrevistadas preferem a marca X de um produto. Se, com
base no resultado dessa pesquisa, quisermos fazer outra para estimar
novamente esta preferência, o tamanho de amostra aleatória simples
necessário, para que tenhamos um erro amostral de 0,02 com probabilidade
de 95%, deverá ser

Dados: utilize a aproximação , onde Z é a Normal Padrão
(A) 1000 (B)1024 (C)2500 (D)1900 (E)2000
Resolução:
Onde o Erro amostral é representado por:
Portanto:

Resposta, letra C.
37. (FCC-ISS/SP-2012) Desejando-se estimar a média  dos salários de

uma população, que deve ser considerada de tamanho infinito, com desvio
padrão conhecido e igual a R$ 100,00, selecionou-se uma amostra aleatória
de 100 elementos da população que forneceu os resultados apresentados na
tabela abaixo:
Sabendo que , e utilizando para a estimativa pontual de  a média

aritmética dos 100 salários apresentados, calculada considerando que todos os
valores incluídos num intervalo de classe são coincidentes com o ponto médio
do intervalo, um intervalo de confiança para , com coeficiente de confiança
de 95%, é, em reais, dado por:
Dados: Se Z tem distribuição normal padrão, então: P(Z < 0,84) = 0,80, P(Z
< 1,5) = 0,933, P(Z < 1,96) = 0,975, P(Z < 2,5) = 0,994.
(A) (3410,00; 3450,00) (B) (3420,60; 3459,40) (C) (3400,40; 3439,60)
(D) (3409,40; 3450,60) (E) (3410,40; 3449,60)
Resolução:
O primeiro passo desse exercício é calcularmos a média amostral :
Dadas as frequências absolutas:
Dado que :

Portanto, a tabela de frequências resulta em:
Classes de salários (em reais) Frequências Absolutas
1500 ├── 2500 20
2500 ├── 3500 35
3500 ├── 4500 27
4500 ├── 5500 18

Total 100
A média amostral é dada por:

Conhecidas as informações suficientes para a amostra, calculamos o

intervalo de confiança da média populacional quando a variância é conhecida.
Dados da amostra:

 n=100
 =100
 Média 
Como
Sendo assim:
Resposta, letra E.

38. (ESAF – Ministério do Turismo - Estatístico – 2014) Seja x1; x2;
x3; ......., xn uma amostra aleatória de tamanho n de uma população qualquer.
Construindo-se um intervalo de 95% de confiança para a média, pode-se,
corretamente, afirmar que:
(A) a probabilidade de a verdadeira média populacional estar contida no
intervalo é 95%.
(B) a probabilidade de o intervalo conter a verdadeira média populacional é
igual a 95%
(C) se a variância populacional é desconhecida, então o valor tabelado da
estatística de teste pode ser obtido pela distribuição , com (n – 1)
graus de liberdade.
(D) se a variância populacional é desconhecida, então o valor tabelado da
estatística de teste pode ser obtido pela distribuição T de Student com n
graus de liberdade.
(E) se a variância populacional é desconhecida, então o valor tabelado da

estatística de teste pode ser obtido pela distribuição T de Student com
(n – 2) graus de liberdade.
R.
Vimos nesta aula que estimar o valor de um parâmetro populacional a
partir de uma amostra sempre é acompanhado de um grau de imprecisão,
incerteza, ou, tecnicamente, de um erro de amostragem.
Nesse sentido, não se pode afirmar, com 100% de certeza que o
parâmetro populacional será igual a um determinado valor. No entanto,
podemos calcular, a partir de uma amostra, limites inferior e superior que
poderão conter ou não a verdadeira média populacional.
Se calcularmos os limites inferior e superior para diversas amostras da

população, podemos dizer que, em das vezes (confiança), esses
intervalos conterão, de fato, o verdadeiro valor do parâmetro populacional.
Assim, o intervalo de confiança indica a probabilidade de o intervalo,
formado pelos limites inferior e superior de uma amostra, conter o parâmetro
populacional.

Resposta, letra B.
39. (ESAF – Ministério do Turismo - Estatístico – 2014) Uma variável

aleatória possui distribuição normal com média μ = 16. Dessa população foi
retirada uma amostra de tamanho n = 100, cuja média é igual a 12 e
variância estimada igual a 4, ou seja: . Assim, tem distribuição de
probabilidade:
(A) normal com σ = 1/5 e μ = 16

(B) normal com σ= 2 e μ = 16
(C) T de Student, com σ² = 4/5 e μ = 16
(D) T de Student, com σ² = 1 e μ = 12
(E) normal com σ = 2 e μ = 12
R.
Sejam todas as médias amostrais de uma população de distribuição Normal,

de média μ = 16 e variância conhecida . Essas médias amostrais
formarão uma distribuição de probabilidade Normal, de média igual a μ e
desvio padrão igual a:
Resposta, letra A.
40. (ESAF – Ministério do Turismo - Estatístico – 2014) Um instituto

de pesquisa está interessado no percentual de brasileiros que costumam usar
transporte coletivo para ir ao trabalho. Para isso, foi retirada uma amostra de
tamanho n, cuja proporção de brasileiros que costumam utilizar transporte
coletivo para ir ao trabalho é igual a 30%. No entanto, por ficarem inseguros
com o resultado obtido, os pesquisadores resolveram determinar que o erro de
estimação deve ser de 1%, ao nível de confiança igual a 95%. Assim, o
tamanho m de uma nova amostra deverá ser igual a:
(A)
(B)
(C)
(D)
(E)
R.
Dados:
- proporção amostral f=30%
- erro = 1%

- nível de confiança = 95%
- tamanho da amostra = m = ?
Vimos que a proporção de um evento populacional pode ser obtida a partir
das proporções amostrais , que formam uma distribuição Binomial, de média
igual a e desvio padrão igual a Para amostras em que

, pode-se considerar uma distribuição Normal, de média e desvio
padrão .
O erro de estimação é obtido a partir do valor positivo da diferença

entre o parâmetro amostral e o parâmetro populacional.
Utilizando como apoio o valor da variável padronizada Z, temos:
Com o intervalo de confiança igual a 95%, Z=1,96 de acordo com a tabela dos
valores padronizados Z:
Resposta, letra E.

aleatória X possui distribuição normal, com desvio-padrão igual a 2 unidades.
O tamanho da amostra necessário para se ter 95,44% de confiança de que o
erro padrão da estimativa da média populacional não seja maior do que 0,5
unidades é:
(A) 62
(B) 36
(C) 64
(D) 32
(E) 10
R.
Dados:
- desvio-padrão populacional
- nível de confiança = 95,44%
-
Para calcularmos os limites do intevalo de confiança, iremos ter o apoio da
variável Normal padronizada, transformando a variável Normal em uma
Normal padronizada Z:
Com o intervalo de confiança igual a 95,44%, Z=2, de acordo com a tabela

dos valores padronizados Z:
Resposta, letra C.
42. (ESAF – Ministério do Turismo - Estatístico – 2014) Com relação à

amostragem, pode-se afirmar que:
(A) na amostragem por quotas, tem-se uma amostra não probabilística na
qual divide-se a população em subgrupos e determina-se uma quota
(proporcional) a cada subgrupo. A seleção dos objetos individuais
obedece o critério de uma amostra sistemática.
(B) na amostragem estratificada, divide-se a população em grupos (ou
classes, ou estratos), de modo que os elementos pertencentes ao
mesmo estrato sejam o mais heterogêneos possível com respeito à

característica em estudo. Para cada grupo toma-se uma subamostra
pelo procedimento a.a.s., e a amostra global é o resultado da
combinação das subamostras de todos os estratos
(C) na amostragem por conglomerados, seleciona-se primeiro, ao acaso,
grupos (conglomerados) de elementos individuais da população. A
seguir, toma-se ou todos os elementos ou uma subamostra de cada
conglomerado. Nos conglomerados, as diferenças entre eles devem ser
tão grandes quanto possível, enquanto as diferenças dentro devem ser
tão pequenas quanto possível.

(D) na amostragem por quotas, tem-se uma amostra probabilística na qual
divide-se a população em subgrupos e determina-se uma quota
(proporcional) a cada subgrupo. A seleção dos objetos individuais é por
sorteio.
(E) na amostragem sistemática, toma-se cada k-ésima unidade da
população previamente ordenada, em que k é a razão de amostragem.
O procedimento deve começar ao acaso, sorteando-se um número entre

1 e k.
R.
Vamos analisar cada uma das assertivas:
A. Errado. A seleção dos objetos individuais é feita de forma não casual, até
que se consiga o número de elementos de cada quota escolhida.
B. Errado. Na amostragem estratificada, divide-se a população em grupos (ou
classes, ou estratos), de modo que os elementos pertencentes ao mesmo
estrato sejam os mais homogêneos possíveis com respeito à característica
em estudo.
C. Errado. Na amostragem por conglomerados, seleciona-se primeiro, ao
acaso, grupos (conglomerados) de elementos individuais da população. A
conglomerado. Nos conglomerados, as diferenças entre eles devem ser tão
pequenas quanto possível.
D. Errado. Na amostragem por quotas, tem-se uma amostra não
probabilística na qual se divide a população em subgrupos e determina-se
uma quota (proporcional) a cada subgrupo.
E. Correto. O processo de amostragem sistemática possui duas premissas
básicas. A primeira é selecionar aleatoriamente um elemento da amostra
e, posteriormente, selecionar os demais elementos a partir de intervalos
pré-definidos.
Resposta, letra E.
43. (ESAF – Ministério do Turismo - Estatístico – 2014) A produção

anual de determinado produto é de 1000 unidades. Dessa produção, retirou-se
uma amostra de 100 unidades, observando-se uma proporção amostral de
30% de produtos defeituosos. Desse modo, pode-se afirmar que o erro
amostral ao nível de confiança de 95% é dado por:

(A)
(B)
(C)
(D)
(E)
R.
Dados:
- tamanho da população N=1000
- tamanho da amostra n=100
- proporção amostral f=30%

- Erro amostral = ?
Vimos que a proporção de um evento populacional , de tamanho N, pode ser
obtida a partir das proporções amostrais , que formam uma distribuição
Normal (n>30), de média igual a e desvio padrão igual a
Para calcularmos o erro amostral, vamos nos socorrer à variável

aleatória Z, de distribuição padronizada:
Com o intervalo de confiança igual a 95%, Z=1,96 de acordo com a

tabela dos valores padronizados Z:

Resposta, letra B.
44. (ESAF – Ministério do Turismo - Estatístico – 2014) O

Departamento de Recursos Humanos de uma grande empresa verificou que os
salários dos funcionários da área financeira são normalmente distribuídos.
Uma amostra aleatória de n salários apresentou desvio-padrão estimado igual

a . Assim, pode-se afirmar que o intervalo de p % de confiança para a
variância populacional é igual a:
(A)
(B)
(C)
(D)
(E)
R.
O intervalo de confiança para as variâncias amostrais é uma distribuição qui-
quadrado, com média e variância , onde o grau de
liberdade da distribuição é igual a  .
Para encontrarmos os valores limites de , basta aplicarmos a seguinte

expressão:
Resultando em:

Resposta, letra C.
45. (ESAF – STN – Analista de Finanças e Controle – 2013) Uma

população X é constituída de 10 diferentes valores – x1, x2, x3, x4, x5, x6, x7,
x8, x9 e x10 –, na qual , e . Desta população foram

retiradas, com reposição, todas as possíveis amostras de tamanho 3, onde a1,
a2 e a3 representam, respectivamente, o primeiro, o segundo e o terceiro
elemento de cada uma das amostras. Desse modo, pode-se afirmar que:
(A) o número total de amostras de tamanho 3 é igual a 720.
(B) .
(C) a média aritmética das médias amostrais é igual a .
(D) a média aritmética das variâncias amostrais é igual a .
(E) a média aritmética das médias amostrais é um estimador tendencioso

de .
R.
Vamos analisar cada uma das assertivas.
A. Errado. O número total de amostras é igual à combinação de 10 elementos,
tomados 3 a 3, haja vista que a ordem de escolha não interfere na amostra
obtida:
B. Certo, o valor esperado dos elementos é igual à média da população.

C. Errado. Em se tratando de O valor esperado das médias amostrais é igual à
média populacional. Portanto, .
D. Errado. Se a população for finita (e pequena) e a amostragem for realizada
sem reposição, um estimador não tendencioso para a variância
populacional é obtido pela expressão , onde é o valor
esperado das variâncias amostrais e N é o tamanho da população. Dessa
forma:
E. Errado. Dizemos que um estimador é não tendencioso quando o seu valor

esperado é igual ao parâmetro populacional. No caso das médias, o valor
esperado da média amostral é igual à média populacional. Portanto, as
médias amostrais são um estimador não tendencioso (não viesado). O
mesmo se aplica à média das médias amostrais, conforme calculado no
item C.
Resposta, letra D.

46. (ESAF – STN – Analista de Finanças e Controle – 2013) Para
estimar a proporção de fumantes de uma Universidade, foi retirada uma
amostra aleatória de 1600 universitários. Na amostra foi constatado que 20%
dos universitários são fumantes. Sabe-se que, para construir um intervalo de
aproximadamente 95% de confiança para a proporção, no caso de fumantes, o
valor tabelado é aproximadamente igual a 2 desvios-padrão. Com essas
informações, e considerando o mesmo nível de confiança, o intervalo de
confiança para a proporção de fumantes e o tamanho da amostra necessário
para que o erro de estimação seja, no máximo, igual a 0,01 são,

respectivamente, iguais a:
(A)
(B)
(C)
(D)
(E)
R.
Dados:
- proporção da população
- tamanho da amostra inicial = 1600
- proporção da amostra f=20%
-
- erro = 0,01

das proporções amostrais , que formam uma distribuição Normal, de média
igual a e desvio padrão igual a
O intervalo de confiança para proporções amostrais é igual a:

O erro pode ser calculado a partir da variável Z:
Com o intervalo de confiança representado por Z=2 de acordo com o

enunciado:
Resposta, letra A.
47. (ESAF – MI – Estatístico – 2012) Se X for a soma dos quadrados de

n variáveis aleatórias N(0,1) independentes, então X é uma variável
(A) F com 1 grau de liberdade no numerador e n graus de liberdade no
denominador.
(B) T2 de Hotelling com n-1 graus de liberdade.
(C) “t” de Student com n-1 graus de liberdade.
(D) Lognormal.
(E) Qui quadrado com n graus de liberdade.
R.
Por definição, se X1, X2, ..., Xn forem n distribuições normais padronizadas,
independentes, a soma dos seus quadrados é uma distribuição qui-quadrado
com n graus de liberdade:

Resposta, letra E.
48. (ESAF – MI – Estatístico – 2012) Considere o estimador

, onde , obtido de uma amostra aleatória
simples X1, X2,...,Xn extraída sem reposição de uma população finita de
tamanho N. Um estimador não tendencioso da variância da população é:
(A) S²
(B) S² (N - 1) / N
(C) S² (N - n) N
(D) S² N / (N - 1)
(E) S² (n - 1) / n
R.
Conforme vimos nesta aula, Se a população for finita (e pequena), de
tamanho N, e a amostragem for realizada sem reposição, o valor esperado das

variâncias amostrais é dado pela expressão:
Sendo assim, um estimador não tendencioso da variância da população é:
Resposta, letra B.
49. (ESAF – MI – Estatístico – 2012) Para selecionar uma amostra

aleatória de tamanho n de uma população formada por N unidades, que são
numeradas de 1 a N segundo uma certa ordem, escolhe-se aleatoriamente
uma unidade entre as k primeiras unidades da população, onde k = N / n e
seleciona-se cada k-ésima unidade da população em sequência. Esta técnica
de amostragem denomina-se amostragem
(A) sistemática.
(B) por etapas.
(C) estratificada.
(D) por conglomerados.
(E) por quotas.
R.
Conforme vimos nesta aula, O processo de amostragem sistemática possui
duas premissas básicas. A primeira é selecionar aleatoriamente um elemento
da amostra e, posteriormente, selecionar os demais elementos a partir de
intervalos pré-definidos.
Resposta, letra A.

50. (ESAF – MI – Estatístico – 2012 - ANULADA) Uma amostra
aleatória simples de tamanho 9 de uma população com distribuição normal
levou ao cálculo de uma média amostral igual a 32 e ao cálculo de uma
variância amostral igual a 225. Construa um intervalo de 95% de confiança
para a média da população.
(A) 27,1 a 36,9
(B) 22,2 a 41,8
(C) 12,4 a 51,6
(D) 2,6 a 61,4

(E) -17 a 81
R.
Dados:
- tamanho da amostra
- média amostral
- variância amostral
Trata-se de intervalo de confiança para média populacional, com valor da
variância populacional desconhecido.
Conforme vimos nesta aula, o intervalo de confiança é obtido a partir de uma
distribuição t de Student, conforme o gráfico a seguir.
Assim, o intervalo de confiança é representado pela fórmula:
Para 95% de confiança:
Porém, a prova não forneceu o valor de , impossibilitando obter um

cálculo correto para o intervalo de confiança. Por isso, a questão foi anulada.
O valor de , para graus de liberdade é igual a 2,306. Aplicando
esse valor:
Questão sem resposta

Gabarito Oficial: ANULADA

51. (ESAF – MI – Estatístico – 2012) Pretende-se estimar por
amostragem a proporção p de famílias com renda inferior a cinco salários
mínimos em uma populosa cidade. Usando a estimativa , obtida em um
levantamento preliminar, determine o menor tamanho de amostra aleatória
simples necessária para estimar p com um intervalo de 95% de confiança e
com um erro de amostragem .
(A) 420
(B) 490
(C) 560
(D) 630
(E) 684
R.
das proporções amostrais , que formam uma distribuição Binomial, de média
igual a e desvio padrão igual a
Para amostras em que , pode-se considerar uma distribuição Normal, de

média e desvio padrão .
Para calcularmos o erro, iremos utilizar a variável Z, de distribuição Normal

padronizada:

Resposta, letra B.
52. (ESAF – MI – Estatístico – 2012) Considere uma amostra aleatória

simples de tamanho 50 extraída sem reposição de uma população finita de
tamanho 500. Sendo a variância da população, determine o valor
mais próximo da variância da média amostral.
(A) 1,6
(B) 1,8
(C) 2,0
(D) 2,2
(E) 2,4
R.
Vimos nesta aula que, para as populações finitas, de tamanho “N” ou se a
amostragem é feita sem reposição, temos o seguinte desvio padrão da
distribuição das médias amostrais:
Portanto, a variância das médias amostrais é igual a:
Resposta, letra B.
53. (ESAF – SUSEP – Analista Técnico – 2010) Deseja-se estimar a

proporção p de pessoas com determinada característica em uma população.
Um levantamento preliminar forneceu . Usando essa estimativa,
obtenha o menor tamanho de amostra aleatória simples necessária para
estimar p com um intervalo de 95% de confiança e um erro de amostragem
, onde .

(A) 7840.
(B) 2500.
(C) 1960.
(D) 9604.
(E) 2401.
R.
Para calcularmos o erro, iremos utilizar a variável Z, de distribuição Normal
padronizada:
Resposta, letra C.

6- Resumo Final
Amostragem Aleatória Simples

(sorteio)
Amostragem Sistemática
(seleção por intervalos)
Amostragem
Probabilística
(igual probabilidade de
seleção dos elementos) Amostragem Estratificada
(estratos com características diferentes
e elementos homogêneos entre si)
Amostragem por Conglomerados

(subpopulação)
Amostragem Não
Probabilística
Amostragem Amostragem Amostragem por

Acidental Intencional quotas
(por conveniência) (por julgamento) (proporcional)
Estimativa
Pontual
Inferência
Estatística
Intervalo
de
Confiança

ESTIMADORES PONTUAIS
Média Média Amostral
Populacional
()
Variância Variância
Populacional (²) Amostral

(S²)
Proporção Proporção
Populacional (p) Amostral ( )
INTERVALO DE CONFIANÇA
Média Populacional () com Variância (²) conhecida

População infinita
ou amostra com
reposição
População Finita
Média Populacional () com Variância (²)

desconhecida
ou amostra com
reposição
População Finita
Variância (²)
Proporção (p)
ou amostra com
reposição
População Finita

Prof. Fábio Amorim

7- Lista de Exercícios
87 de 105
Prof. Fábio Amorim

88 de 105
1. (FCC-TRF 2ª-2012) Considere as afirmações abaixo, relativas à teoria
de amostragem:
I. Quando a população original de tamanho N tem média  e desvio padrão ,

uma versão finita do teorema central do limite estabelece que a distribuição
da média amostral tem média  e desvio padrão .

II. Quando a amostragem estratificada é usada, a média da população é

estimada como a média ponderada das médias das amostras específicas dos
estratos.
III. Se as unidades de estudo formam grupos naturais, a amostragem por
conglomerados pode ser considerada, o que envolve selecionar uma amostra
aleatória de grupos ou conglomerados e depois selecionar, de cada grupo,
uma amostra aleatória simples.
É correto o que consta APENAS em

(A) I. (B) II. (C) III. (D) I e II. (E) I e III.
2. (FCC-Metrô/SP-2012) No que se refere à teoria de amostragem,

considere:
I. A amostragem aleatória simples é um processo para se selecionar n
amostras tiradas de N unidades, de tal forma que todas as possíveis amostras
têm a mesma probabilidade de serem escolhidas.
II. A amostragem sistemática é, em geral, mais eficiente do que a
amostragem aleatória simples.
III. O aumento do tamanho da amostra acarreta um aumento do erro padrão
das estimativas.
IV. Na amostragem por conglomerados, quando as unidades conglomeradas
contêm números diferentes de elementos, não existem processos para se
estimar o valor total da população.
Está correto o que consta APENAS em
(A) I. (B) I e II. (C) III e IV. (D) I e III e IV. (E) I e IV.
3. (FCC-TRT 7ª-2009) Com relação à teoria geral de amostragem,

considere as afirmativas abaixo.
I. A realização de amostragem aleatória simples só é feita para amostragem
sem reposição.
II. A amostragem estratificada consiste na divisão de uma população em
grupos segundo alguma característica conhecida. Os estratos da população
devem ser mutuamente exclusivos.

III. Em uma amostra por conglomerados a população é dividida em
subpopulações distintas.
IV. A amostragem sistemática é um plano de amostragem não probabilístico.
É correto o que se afirma APENAS em
(A) I e II. (B) II e II. (C) II e IV. (D) III e IV. (E) I, II e III.
4. (FCC-TRT 3ª-2009) O objetivo de uma pesquisa era o de se obter,

relativamente aos moradores de um bairro, informações sobre duas variáveis:
nível educacional e renda familiar. Para cumprir tal objetivo, todos os
moradores foram entrevistados e arguidos quanto ao nível educacional, e,
dentre todos os domicílios do bairro, foram selecionados aleatoriamente 300
moradores para informar a renda familiar. As abordagens utilizadas para as
variáveis nível educacional e renda familiar foram, respectivamente,
(A) censo e amostragem por conglomerados.

(B) amostragem aleatória e amostragem sistemática.
(C) censo e amostragem casual simples.
(D) amostragem estratificada e amostragem sistemática.
(E) amostragem sistemática e amostragem em dois estágios.
5. (FCC-Metrô/SP-2008) O processo de amostragem que se baseia em

dividir a população, desde que possível, em grupos que consistem, todos eles,
em indivíduos bastante semelhantes entre si, obtendo a seguir uma amostra
aleatória em cada grupo, é denominado
(A) Amostragem por conglomerados.
(B) Amostragem por estratificação.
(C) Amostragem por variabilidade.
(D) Amostragem casual simples.
(E) Amostragem sistemática.
6. (FCC-Metrô/SP-2008) Dada uma população com n elementos e

utilizando o processo da amostragem aleatória simples, sem reposição,
consegue-se extrair dessa população um total de 105 amostras de 2
elementos cada uma. Caso tivesse sido adotado o processo com reposição, o
número de amostras, também com 2 elementos cada uma, seria de
(A) 144 (B) 196 (C) 225 (D) 256 (E) 400
7. (FCC-MPU-2007) Com relação à teoria geral de amostragem, é correto

afirmar que:

(A) na amostragem aleatória simples, a seleção das unidades amostrais só
pode ser realizada sem reposição.
(B) a amostragem por conglomerados em geral é mais eficiente e menos
econômica quando comparada com o método de amostragem aleatória
simples.
(C) na amostragem estratificada, os estratos da população não necessitam
ser mutuamente exclusivos.

(D) o aumento do tamanho da amostra tem como consequência o aumento
do erro padrão das estimativas.
(E) o viés ou vício de um estimador de um parâmetro é a diferença entre o
seu valor esperado e o valor do parâmetro.
8. (FCC-TRF 2ª-2007) Uma pesquisa pretende estimar o valor médio

mensal dos salários recebidos pelos professores de 4 escolas do bairro da
Saúde. Para a pesquisa primeiramente foram listados todos os professores das
4 escolas segundo o sexo resultando em 2000 professores do sexo feminino e
1500 professores do sexo masculino. Foram propostos dois planos amostrais
distintos. O primeiro plano previa um sorteio com reposição de 350
professores do total de 3500. Na segunda proposta, o total da população de
professores seria dividido em dois grupos (um grupo do sexo feminino e outro
grupo do sexo masculino) e seriam sorteados 10% de cada grupo com
reposição. Segundo a teoria geral da amostragem, o primeiro e o segundo
plano são, respectivamente,
(A) Amostragem Aleatória simples e Amostragem estratificada.
(B) Amostragem Aleatória simples e Amostragem sistemática.
(C) Amostragem estratificada e Amostragem aleatória simples.
(D) Amostragem Aleatória simples e Amostragem por conglomerado em
dois estágios.
(E) Amostragem Aleatória simples e Amostragem por conglomerados.
9. (FCC-MPE/PE-2006) Com relação à teoria geral de amostragem, é

INCORRETO afirmar:
(A) Quanto menor o erro padrão da estimativa, menor será a confiabilidade
e a precisão da estimativa.
(B) Em uma amostra por conglomerados a população é dividida em sub-
populações distintas.
(C) A realização de amostragem aleatória simples só é possível se o
pesquisador possuir uma lista completa de cada unidade amostral.
(D) Um estimador é considerado não viciado quando sua esperança é igual
ao valor populacional que está sendo pesquisado.

(E) Amostragem estratificada consiste na divisão de uma população em
grupos segundo alguma característica conhecida. Os estratos da
população devem ser mutuamente exclusivos.
10. (FGV-SEFAZ/RJ-2011) A respeito das técnicas de amostragem

probabilística, NÃO é correto afirmar que
(A) na amostragem por conglomerado a população é dividida em diferentes

grupos, extraindo-se uma amostra apenas dos conglomerados selecionados.
(B) na amostragem estratificada, se a população pode ser dividida em
subgrupos que consistem em indivíduos bastante semelhantes entre si, pode-
se obter uma amostra aleatória em cada grupo.
(C) na amostragem aleatória simples se sorteia um elemento da população,
sendo que todos os elementos têm a mesma probabilidade de serem
selecionados.
(D) na amostragem por voluntários a população é selecionada de forma a
estratificar aleatoriamente os grupos selecionados.
(E) na amostragem sistemática os elementos da população se apresentam
ordenados, e a retirada dos elementos da amostra é feita periodicamente.
11. (FGV-SEFAZ/RJ-2008) Considere uma Amostra Aleatória Simples de

n unidades extraídas de uma população na qual a característica, X, estudada
tem distribuição Normal com média  e variância ², ambas desconhecidas,
mas finitas. Considere, ainda, as estatísticas média da amostra, ,e
variância da amostra . Então, é correto afirmar que:
(A) e S² são, ambos, não tendenciosos para a estimação da média e da

(B) é não-tendencioso, mas S² é tendencioso para a estimação da média e
(C) é tendencioso, mas S² é não-tendencioso para a estimação da média e
(D) e S² são, ambos, tendenciosos para a estimação da média e da
(E) e S² são, ambos, não-tendenciosos para a estimação da média e da
variância da população, mas apenas é consistente.
12. (FCC-TRT 6ª-2012) Uma variável aleatória X é normalmente

distribuída com média , variância populacional igual a 576 e com uma
população considerada de tamanho infinito. Por meio de uma amostra
aleatória de tamanho 100, obteve-se um intervalo de confiança de (1 − )

para  igual a [105,8 ; 114,2]. Uma outra amostra aleatória de tamanho 225,
independente da primeira, forneceu uma média amostral igual a 108. Então, o
intervalo de confiança de (1 − ) correspondente a esta outra amostra é igual
a
(A) [103,8 ; 112,2].
(B) [104,5 ; 111,5].
(C) [105,2 ; 110,8].

(D) [105,9 ; 110,1].
(E) [106,6 ; 109,4].
13. (FCC-TRT 6ª-2012) O tamanho de uma população normalmente

distribuída, com um desvio padrão populacional igual a 128, é igual a 1025.
Uma amostra aleatória de tamanho 64 é extraída, sem reposição, desta

população. Com base nesta amostra e considerando que na distribuição
normal padrão (Z) a probabilidade P(Z > 1,96) = 0,025, obteve-se um
intervalo de confiança de 95% com uma amplitude igual a
(A) 30,38. (B) 60,76. (C) 91,14. (D) 121,52. (E) 182,28.
14. (FCC-TRF 2ª-2012) Uma variável aleatória X tem uma distribuição

normal com uma variância igual a 2,25 e uma população considerada de
tamanho infinito. Uma amostra aleatória de tamanho igual a 144, desta
população, apresentou uma média igual a 20 e um intervalo de confiança de
amplitude igual a 0,55, a um nível de confiança (1− ). Caso o tamanho da
amostra tivesse sido de 100 e a média da amostra apresentasse o mesmo
valor encontrado na amostra anterior, o intervalo de confiança, a um nível de
confiança (1− ), seria igual a
(A) [19,895 ; 20,105].
(B) [19,865 ; 20,135].
(C) [19,835 ; 20,165].
(D) [19,670 ; 20,330].
(E) [19,340 ; 20,660].
15. (FCC-TRE/SP-2012) Uma variável aleatória U tem distribuição

uniforme contínua no intervalo [a, 3a]. Sabe-se que U tem média 12. Uma
amostra aleatória simples de tamanho n, com reposição, é selecionada da
distribuição de U e sabe-se que a variância da média dessa amostra é 0,1.
Nessas condições, o valor de n é
(A) 80. (B) 100. (C) 120. (D) 140. (E) 150.

16. (FCC-TRE/SP-2012) O intervalo de confiança [224,8; 233,0] para a
média populacional de uma variável X, normalmente distribuída, foi obtido por
meio de uma amostra aleatória de tamanho 100. Para a obtenção do intervalo
considerou-se a população de tamanho infinito, um nível de confiança de 90%
e a informação de que na distribuição normal padrão (Z) a probabilidade P(Z
> 1,64) = 0,05. A variância populacional da variável X é, no caso,
(A) 400. (B) 441. (C) 529 (D) 625 (E) 729.
17. (FCC-TRE/SP-2012) As medidas dos comprimentos de uma peça

fabricada por uma empresa apresentam uma distribuição normal com desvio
padrão desconhecido. Uma amostra aleatória de 9 peças apresentou uma
média igual a 85 cm e um desvio padrão igual a 15 cm. Considerando a
população de tamanho infinito e o quantil da distribuição t de Student
para teste unicaudal tal que com n graus de liberdade,
obteve-se, com base nessa amostra, um intervalo de confiança de 99% para a
média populacional. Este intervalo de confiança, em cm, é igual a

Dados:
(A) [67,50 ; 102,50].

(B) [68,20 ; 101,80].
(C) [68,75 ; 101,25].
(D) [69,15 ; 100,85].
(E) [69,50 ; 100,50].
18. (FCC-TRE/SP-2012) Em uma pesquisa eleitoral realizada com 600

eleitores escolhidos aleatoriamente, 360 mostraram-se favoráveis ao
candidato X. Deseja-se construir um intervalo de confiança de 95% para a
proporção de eleitores favoráveis ao candidato X com base nessa amostra.
Para isto, considerou-se normal a distribuição da frequência relativa dos
eleitores que são favoráveis ao candidato X, a população de tamanho infinito e
que na distribuição normal padrão (Z) a probabilidade P(Z≤1,96) 95%. A
amplitude deste intervalo é igual a
(A) 7,84%. (B) 6,86%. (C) 5,88%. (D) 4,90%. (E) 3,92%.
19. (FCC-TRE/SP-2012) De uma população finita, normalmente

distribuída e de tamanho N, é extraída uma amostra aleatória, sem reposição,
de tamanho 64. O desvio padrão populacional é igual a 2,5 e a amplitude do
intervalo de confiança de 95% para a média desta população apresentou o
valor de 0,98. Se na distribuição normal padrão (Z) a probabilidade P(Z >
1,96) = 0,025, então
(A) N = 144. (B) N = 156. (C) N = 169. (D) N = 176. (E) N = 189.

20. (FCC-TRT 1ª-2011) Uma amostra aleatória de 9 elementos foi
extraída de uma população normal de tamanho infinito com média  e
variância desconhecida. O desvio padrão da amostra apresentou o valor de
1,25 e o intervalo de confiança de (1 − ) para : [14, 16] foi obtido com
base nesta amostra. Sabe-se que para obtenção deste intervalo utilizou-se a
distribuição t de Student com os correspondentes graus de liberdade, em que
a probabilidade P (− T≤ t ≤ T) = (1 − ). Se T > 0, então o valor de T é
(A) 2,4. (B) 2,7. (C) 3,0. (D) 3,6. (E) 4,2.
21. (FCC-TRT 1ª-2011) Os estimadores

e são 2 estimadores justos
utilizados para a média  de uma população normal. (X1, X2, X3) corresponde
a uma amostra aleatória de tamanho 3 desta população e m e n são
parâmetros pertencentes aos números reais. O valor de (m + n) é igual a
(A) 1/3. (B) 2/3. (C) 4/9. (D) 5/9. (E) 7/9.
22. (FCC-TRT 23ª-2011) O intervalo de confiança [48,975; 51,025], com

um nível de confiança de 96%, corresponde a um intervalo para a média ’ de
uma população normalmente distribuída, tamanho infinito e variância
populacional igual a 16. Este intervalo foi obtido com base em uma amostra
aleatória de tamanho 64. Deseja-se obter um intervalo de confiança de 96%
para a média ’’ de uma outra população normalmente distribuída, tamanho
infinito e variância populacional igual a 64. Uma amostra aleatória desta
população de tamanho 400 fornecerá um intervalo de confiança com
amplitude igual a
(A) 0,82. (B) 1,64. (C) 3,28. (D) 3,60. (E) 4,10.
23. (FCC-DNOCS-2010) Seja X uma variável aleatória normalmente

distribuída representando o salário dos empregados em um determinado ramo
de atividade. Uma amostra aleatória de 100 empregados foi selecionada e
apurou-se um intervalo de confiança de 95% para a média de X como sendo
[760,80; 839,20], supondo a população de tamanho infinito e sabendo-se que
o desvio padrão populacional é igual a R$ 200,00. Caso o tamanho da amostra
tivesse sido de 1.600 e obtendo-se a mesma média anterior, o intervalo de
confiança de 95% apresentaria uma amplitude igual a
(A) R$ 78,40. (B) R$ 39,20. (C) R$ 49,00 (D) R$ 58,80 (E) R$ 19,60
24. (FCC-SEFAZ/SP-2009) Em uma pesquisa de tributos de competência

estadual, em 2008, realizada com 400 recolhimentos escolhidos
aleatoriamente de uma população considerada de tamanho infinito, 80%
referiam-se a determinado imposto. Deseja-se construir um intervalo de
confiança de 95,5% para a estimativa dessa proporção. Considerando normal
a distribuição amostral da frequência relativa dos recolhimentos desse imposto

e que na distribuição normal padrão a probabilidade P (−2 ≤ Z ≤ 2) = 95,5%,
o intervalo é
(A) [0,70; 0,90]
(B) [0,72; 0,88]
(C) [0,74; 0,86]
(D) [0,76; 0,84]
(E) [0,78; 0,82]
25. (FCC-SEFAZ/RJ-2013) Uma população infinita tem desvio padrão

igual a 10 e média desconhecida. Uma amostra aleatória com reposição de
tamanho n foi selecionada dessa população. Sabe-se que:
III. O valor de n deve ser tal que, com probabilidade 16%, o erro em se
estimar seja superior a 1.
IV. Se é o valor da média amostral da amostra selecionada, então

.
Baseado na amostra de tamanho n e nas condições I e II acima, um intervalo
de confiança para com coeficiente de confiança de 95% é dado por
P(Z < 0,8) = 0,788; P(Z < 1,25) = 0,894; P(Z < 1,4) = 0,92;
P(Z < 1,64) = 0,95; P(Z < 1,96) = 0,975; P(Z < 2) = 0,977
(A) [39,3 ; 42,1]
(B) [39,5 ; 41,9]
(C) [39,7 ; 41,7]
(D) [39,9 ; 41,5]
(E) [38,7 ; 42,7]
26. (FCC-TRT 7ª-2009) Seja X uma variável aleatória representando a

duração de vida de um equipamento. O desvio padrão populacional de X é
igual a 20 horas. Uma amostra aleatória de 100 equipamentos forneceu uma
duração de vida média igual a 1.000 horas obtendo-se um intervalo de
confiança de 95% para a média populacional igual a [996,08 ; 1.003,92]
(considerando a população normalmente distribuída e de tamanho infinito).
Caso o tamanho da amostra tivesse sido de 400 e obtendo-se a mesma
duração de vida média de 1.000 horas, o novo intervalo de confiança de 95%
apresentaria uma amplitude de
(A) 1,96 horas.
(B) 2,94 horas.
(C) 3,92 horas.
(D) 5,88 horas.

(E) 7,84 horas.
27. (FCC-TRT 4ª-2009) Deseja-se estimar a proporção (p) de processos

julgados por um tribunal regional do trabalho durante o período de 2000 até
2008. Uma amostra aleatória de 10.000 processos, selecionada da população
(suposta infinita) de todos os processos, revelou que 5.000 foram julgados no
referido período. Um intervalo de confiança, com coeficiente de confiança de
90% para p, baseado nessa amostra, é dado por

Para resolver à questão, dentre as informações dadas a seguir, as que julgar
apropriadas. Se Z tem distribuição normal padrão, então:
P (Z > 1,64) = 0,05 P(Z > 2) = 0,02 P(0< Z < 1,75) = 0,46
(A) 0,5 ± 0,005
(B) 0,5 ± 0,0062
(C) 0,5 ± 0,0065

(D) 0,5 ± 0,0082
(E) 0,5 ± 0,01
28. (FCC-TRE/PI-2009) A duração de vida de um determinado

equipamento apresenta uma distribuição normal com uma variância
populacional igual a 100 (dias)². Uma amostra aleatória de 64 desses
equipamentos forneceu uma média de duração de vida de 1.000 dias.
Considerando a população de tamanho infinito, um intervalo de confiança de
(1 − ) com amplitude de 4,75 dias para a média foi construído. Caso o
tamanho da amostra tivesse sido de 400, obtendo-se a mesma média de
1.000 dias, a amplitude do intervalo de confiança de (1 − ) seria de
(A) 0,950 dias.
(B) 1,425 dias.
(C) 1,900 dias.
(D) 2,375 dias.
(E) 4,750 dias.
29. (FCC-TRE/PI-2009) Em uma cidade com uma grande quantidade de

eleitores, certo candidato encomenda uma pesquisa visando verificar qual será
a proporção de votos a seu favor, estabelecendo que o erro amostral da
proporção seja no máximo 2%. Para a pesquisa considerou-se normal a
distribuição amostral da frequência relativa dos eleitores que manifestaram
seu interesse em votar no candidato e que na distribuição normal padrão (Z) a
probabilidade P (|Z|≤ 1,8) = 93%. O resultado da pesquisa apresentou uma
variância com valor máximo e com um intervalo de confiança de 93%. O
tamanho da amostra foi então de
(A) 8.000. (B) 5.000. (C) 4.000. (D) 2.500. (E) 2.025.

30. (FCC-Metrô/SP-2008) Um estudo realizado em uma população de
tamanho infinito objetiva detectar a proporção de habitantes que possui
determinado atributo. Uma amostra piloto adequada forneceu um valor de
25% para essa proporção. Deseja-se um intervalo de confiança de 95% para a
estimativa dessa proporção, tendo o intervalo uma amplitude de 5%.
Considerando a distribuição amostral da frequência relativa dos habitantes
possuidores do atributo normal e utilizando a informação da distribuição
normal padrão (Z) que a probabilidade P(−2 ≤ Z ≤ 2) = 95%, tem-se que o
tamanho da amostra deve ser de

(A) 1.000. (B) 1.2000. (C) 1.500. (D) 1.800. (E) 2.000.
31. (FCC-Metrô/SP-2008) Das lâmpadas fabricadas por uma companhia

extrai-se uma amostra de 100 lâmpadas e obtém-se a vida média de 1.000
horas. A vida das lâmpadas apresenta uma distribuição normal com um desvio
padrão populacional igual a 100 horas. Considerando-se a população de
tamanho infinito e a informação da distribuição normal padrão (Z), segundo a

qual a probabilidade P(Z > 1,64) = 5%, obtém-se um intervalo de confiança
de 90% para a vida média das lâmpadas. A amplitude deste intervalo é igual a
(A) 32,8 horas.
(B) 36,0 horas.
(C) 40,8 horas.
(D) 60,0 horas.
(E) 82,0 horas.
32. (FCC-MPU-2007) Uma nova marca de lâmpada está sendo estudada.

Baseado em estudos anteriores com outras marcas similares, pode-se admitir
que a vida média segue uma distribuição Normal com desvio padrão de 8
meses. Tendo como base estes resultados, o tamanho de amostra necessário
para que a amplitude do intervalo de 95% de confiança (utilize a
aproximação: P (–2 ≤ Z ≤ 2) = 0,95, onde Z é a Normal Padrão) para a vida
média seja de 4 meses é de
(A) 8. (B) 12. (C) 16. (D) 64. (E) 128.
33. (FCC-MPU-2007) Dadas duas amostras aleatórias independentes: a

primeira extraída de uma população X, onde X: ; a
segunda extraída de uma população Y, onde , forneceram
médias amostrais respectivamente iguais a: e .
Supondo , um intervalo de confiança para – com
coeficiente de confiança , é dado por:
Atenção: Para resolver esta questão use, dentre as informações dadas a
seguir, a que julgar apropriada.

P(Z > 2) = 0,023, P(Z < 1,8) = 0,964, P(0 < Z < 1,9) = 0,471.
(A) (0,6; 11,4)
(B) (1,1; 12,5)
(C) (1,2; 12,4)
(D) (1,6; 11,5)
(E) (0,6; 12,1)
34. (FCC-TRF 2ª-2007) O padrão de qualidade recomenda que os pontos

impressos por uma impressora estejam entre 3,6 e 4,4 mm. Uma impressora
imprime pontos com diâmetro X, onde X é aproximadamente normal com
média 4 mm e desvio padrão σ. Se a probabilidade do diâmetro de um ponto
da impressora estar dentro do padrão de qualidade é de 95,4%, o valor de σ
em mm é igual a
Para resolver a questão, utilize, dentre as informações dadas a seguir, as que

julgar apropriadas.
P (Z > 2) = 0,023, P (Z < 1,64) = 0,945, P (0 < Z < 1,5) = 0,433, P (Z <
1,34) = 0,91
(A) 0,54. (B) 0,35. (C) 0,29. (D) 0,22. (E) 0,20.
35. (FCC-ISS/SP-2006) Uma variável aleatória X tem distribuição normal

com média  e desvio padrão 100. O tamanho da amostra para que a
diferença, em valor absoluto, entre a média amostral e  seja menor do que 2,
com coeficiente de confiança de 89%, é
Para responder à questão utilize, dentre as informações abaixo, as que julgar
adequadas. Se Ζ tem distribuição normal padrão, então: P(0< Ζ < 1) = 0,341
, P(0< Ζ < 1,6) = 0,445 , P(0< Ζ < 2) = 0,477
(A) 1.000. (B) 2.200. (C) 2.800. (D) 3.600. (E) 6.400.
36. (FCC-MPE/PE-2006) Em uma pesquisa de mercado foi estimado que

50% das pessoas entrevistadas preferem a marca X de um produto. Se, com
base no resultado dessa pesquisa, quisermos fazer outra para estimar
novamente esta preferência, o tamanho de amostra aleatória simples
necessário, para que tenhamos um erro amostral de 0,02 com probabilidade
de 95%, deverá ser
Dados: utilize a aproximação , onde Z é a Normal Padrão
(A) 1000 (B)1024 (C)2500 (D)1900 (E)2000

37. (FCC-ISS/SP-2012) Desejando-se estimar a média  dos salários de
uma população, que deve ser considerada de tamanho infinito, com desvio
padrão conhecido e igual a R$ 100,00, selecionou-se uma amostra aleatória
de 100 elementos da população que forneceu os resultados apresentados na
tabela abaixo:
Sabendo que , e utilizando para a estimativa pontual de  a média

aritmética dos 100 salários apresentados, calculada considerando que todos os
valores incluídos num intervalo de classe são coincidentes com o ponto médio
do intervalo, um intervalo de confiança para , com coeficiente de confiança
de 95%, é, em reais, dado por:

Dados: Se Z tem distribuição normal padrão, então: P(Z < 0,84) = 0,80, P(Z
< 1,5) = 0,933, P(Z < 1,96) = 0,975, P(Z < 2,5) = 0,994.
(A) (3410,00; 3450,00)
(B) (3420,60; 3459,40)
(C) (3400,40; 3439,60)
(D) (3409,40; 3450,60)
(E) (3410,40; 3449,60)
38. (ESAF – Ministério do Turismo - Estatístico – 2014) Seja x1; x2;

x3; ......., xn uma amostra aleatória de tamanho n de uma população qualquer.
Construindo-se um intervalo de 95% de confiança para a média, pode-se,
corretamente, afirmar que:
(A) a probabilidade de a verdadeira média populacional estar contida no
intervalo é 95%.
(B) a probabilidade de o intervalo conter a verdadeira média populacional é
igual a 95%
(C) se a variância populacional é desconhecida, então o valor tabelado da
estatística de teste pode ser obtido pela distribuição , com (n – 1)
graus de liberdade.
(D) se a variância populacional é desconhecida, então o valor tabelado da
estatística de teste pode ser obtido pela distribuição T de Student com n
graus de liberdade.
(E) se a variância populacional é desconhecida, então o valor tabelado da
estatística de teste pode ser obtido pela distribuição T de Student com
(n – 2) graus de liberdade.

aleatória possui distribuição normal com média μ = 16. Dessa população foi
retirada uma amostra de tamanho n = 100, cuja média é igual a 12 e
variância estimada igual a 4, ou seja: . Assim, tem distribuição de
probabilidade:
(A) normal com σ = 1/5 e μ = 16
(B) normal com σ= 2 e μ = 16
(C) T de Student, com σ² = 4/5 e μ = 16

(D) T de Student, com σ² = 1 e μ = 12
(E) normal com σ = 2 e μ = 12
40. (ESAF – Ministério do Turismo - Estatístico – 2014) Um instituto

de pesquisa está interessado no percentual de brasileiros que costumam usar
transporte coletivo para ir ao trabalho. Para isso, foi retirada uma amostra de
tamanho n, cuja proporção de brasileiros que costumam utilizar transporte

coletivo para ir ao trabalho é igual a 30%. No entanto, por ficarem inseguros
com o resultado obtido, os pesquisadores resolveram determinar que o erro de
estimação deve ser de 1%, ao nível de confiança igual a 95%. Assim, o
tamanho m de uma nova amostra deverá ser igual a:
(A)
(B)
(C)
(D)
(E)

aleatória X possui distribuição normal, com desvio-padrão igual a 2 unidades.
O tamanho da amostra necessário para se ter 95,44% de confiança de que o
erro padrão da estimativa da média populacional não seja maior do que 0,5
unidades é:
(A) 62
(B) 36
(C) 64
(D) 32
(E) 10
42. (ESAF – Ministério do Turismo - Estatístico – 2014) Com relação à

amostragem, pode-se afirmar que:

(A) na amostragem por quotas, tem-se uma amostra não probabilística na
qual divide-se a população em subgrupos e determina-se uma quota
(proporcional) a cada subgrupo. A seleção dos objetos individuais
obedece o critério de uma amostra sistemática.
(B) na amostragem estratificada, divide-se a população em grupos (ou
classes, ou estratos), de modo que os elementos pertencentes ao
mesmo estrato sejam o mais heterogêneos possível com respeito à
característica em estudo. Para cada grupo toma-se uma subamostra
pelo procedimento a.a.s., e a amostra global é o resultado da

combinação das subamostras de todos os estratos
(C) na amostragem por conglomerados, seleciona-se primeiro, ao acaso,
grupos (conglomerados) de elementos individuais da população. A
conglomerado. Nos conglomerados, as diferenças entre eles devem ser
tão grandes quanto possível, enquanto as diferenças dentro devem ser
tão pequenas quanto possível.
(D) na amostragem por quotas, tem-se uma amostra probabilística na qual

divide-se a população em subgrupos e determina-se uma quota
(proporcional) a cada subgrupo. A seleção dos objetos individuais é por
sorteio.
(E) na amostragem sistemática, toma-se cada k-ésima unidade da
população previamente ordenada, em que k é a razão de amostragem.
O procedimento deve começar ao acaso, sorteando-se um número entre
1 e k.
43. (ESAF – Ministério do Turismo - Estatístico – 2014) A produção

anual de determinado produto é de 1000 unidades. Dessa produção, retirou-se
uma amostra de 100 unidades, observando-se uma proporção amostral de
30% de produtos defeituosos. Desse modo, pode-se afirmar que o erro
amostral ao nível de confiança de 95% é dado por:
(A)
(B)
(C)
(D)
(E)
44. (ESAF – Ministério do Turismo - Estatístico – 2014) O

Departamento de Recursos Humanos de uma grande empresa verificou que os
salários dos funcionários da área financeira são normalmente distribuídos.
Uma amostra aleatória de n salários apresentou desvio-padrão estimado igual
a . Assim, pode-se afirmar que o intervalo de p % de confiança para a
variância populacional é igual a:

(A)
(B)
(C)
(D)
(E)
45. (ESAF – STN – Analista de Finanças e Controle – 2013) Uma

população X é constituída de 10 diferentes valores – x1, x2, x3, x4, x5, x6, x7,
x8, x9 e x10 –, na qual , e . Desta população foram
retiradas, com reposição, todas as possíveis amostras de tamanho 3, onde a1,

a2 e a3 representam, respectivamente, o primeiro, o segundo e o terceiro
elemento de cada uma das amostras. Desse modo, pode-se afirmar que:
(A) o número total de amostras de tamanho 3 é igual a 720.
(B) .
(C) a média aritmética das médias amostrais é igual a .
(D) a média aritmética das variâncias amostrais é igual a .
(E) a média aritmética das médias amostrais é um estimador tendencioso
de .
46. (ESAF – STN – Analista de Finanças e Controle – 2013) Para

estimar a proporção de fumantes de uma Universidade, foi retirada uma
amostra aleatória de 1600 universitários. Na amostra foi constatado que 20%
dos universitários são fumantes. Sabe-se que, para construir um intervalo de
aproximadamente 95% de confiança para a proporção, no caso de fumantes, o
valor tabelado é aproximadamente igual a 2 desvios-padrão. Com essas
informações, e considerando o mesmo nível de confiança, o intervalo de
confiança para a proporção de fumantes e o tamanho da amostra necessário
para que o erro de estimação seja, no máximo, igual a 0,01 são,
respectivamente, iguais a:
(A)
(B)
(C)
(D)
(E)
47. (ESAF – MI – Estatístico – 2012) Se X for a soma dos quadrados de

n variáveis aleatórias N(0,1) independentes, então X é uma variável

(A) F com 1 grau de liberdade no numerador e n graus de liberdade no
denominador.
(B) T2 de Hotelling com n-1 graus de liberdade.
(C) “t” de Student com n-1 graus de liberdade.
(D) Lognormal.
(E) Qui quadrado com n graus de liberdade.
48. (ESAF – MI – Estatístico – 2012) Considere o estimador

, onde , obtido de uma amostra aleatória
simples X1, X2,...,Xn extraída sem reposição de uma população finita de
tamanho N. Um estimador não tendencioso da variância da população é:
(A) S²
(B) S² (N - 1) / N
(C) S² (N - n) N
(D) S² N / (N - 1)
(E) S² (n - 1) / n
49. (ESAF – MI – Estatístico – 2012) Para selecionar uma amostra

aleatória de tamanho n de uma população formada por N unidades, que são
numeradas de 1 a N segundo uma certa ordem, escolhe-se aleatoriamente
uma unidade entre as k primeiras unidades da população, onde k = N / n e
seleciona-se cada k-ésima unidade da população em sequência. Esta técnica
de amostragem denomina-se amostragem
(A) sistemática.
(B) por etapas.
(C) estratificada.
(D) por conglomerados.
(E) por quotas.
50. (ESAF – MI – Estatístico – 2012 - ANULADA) Uma amostra

aleatória simples de tamanho 9 de uma população com distribuição normal
levou ao cálculo de uma média amostral igual a 32 e ao cálculo de uma
variância amostral igual a 225. Construa um intervalo de 95% de confiança
para a média da população.
(A) 27,1 a 36,9
(B) 22,2 a 41,8
(C) 12,4 a 51,6
(D) 2,6 a 61,4
(E) -17 a 81
51. (ESAF – MI – Estatístico – 2012) Pretende-se estimar por

amostragem a proporção p de famílias com renda inferior a cinco salários
mínimos em uma populosa cidade. Usando a estimativa , obtida em um
levantamento preliminar, determine o menor tamanho de amostra aleatória
simples necessária para estimar p com um intervalo de 95% de confiança e
com um erro de amostragem .

(A) 420
(B) 490
(C) 560
(D) 630
(E) 684
52. (ESAF – MI – Estatístico – 2012) Considere uma amostra aleatória

simples de tamanho 50 extraída sem reposição de uma população finita de

tamanho 500. Sendo a variância da população, determine o valor
mais próximo da variância da média amostral.
(A) 1,6
(B) 1,8
(C) 2,0
(D) 2,2
(E) 2,4
53. (ESAF – SUSEP – Analista Técnico – 2010) Deseja-se estimar a

proporção p de pessoas com determinada característica em uma população.
Um levantamento preliminar forneceu . Usando essa estimativa,
obtenha o menor tamanho de amostra aleatória simples necessária para
estimar p com um intervalo de 95% de confiança e um erro de amostragem
, onde .
(A) 7840.
(B) 2500.
(C) 1960.
(D) 9604.
(E) 2401.
8- Gabarito
1 B 12 C 23 E 34 E 45 D
2 A 13 B 24 D 35 E 46 A
3 B 14 D 25 A 36 C 47 E
4 C 15 C 26 C 37 E 48 B
5 B 16 D 27 D 38 B 49 A
6 C 17 B 28 C 39 A 50 ANULADA
7 E 18 A 29 E 40 E 51 B
8 A 19 D 30 B 41 C 52 B
9 A 20 A 31 A 42 E 53 C
10 D 21 D 32 D 43 B
11 B 22 B 33 A 44 C


Estatística - Aula 4

Enviado por

Direitos autorais:

Formatos disponíveis

Estatística - Aula 4

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Estatística - Aula 4

Enviado por

Direitos autorais:

Formatos disponíveis

Curso: Estatística p/ ICMS-DF

Teoria e Questões comentadas

Prof. Fábio Amorim 1 de 105

alimentação regrada, evitando, ao máximo, os compromissos supérfulos ou

Bons estudos e até a próxima!

Prof. Fábio Amorim 2 de 105

Aula 04 – Amostragem e Inferência Estatística

Continuando o estudo da Estatística, iremos, nesta aula, abordar um

Prof. Fábio Amorim 3 de 105

Para se conseguir efetuar uma inferência estatística sobre

Nesse sentido, existem diversos tipos de processos de seleção da

Por exemplo, o tipo de amostragem para uma pesquisa eleitoral é

2.1 – Amostras casuais e não casuais

2.1.1 – Tipos de amostragem casual (probabilística)

Prof. Fábio Amorim 4 de 105

Porém, esse processo de sorteio torna-se dificultoso para amostras de

O processo de amostragem sistemática possui duas premissas básicas.

Supondo-se que o 1º elemento sorteado seja o veículo de nº 32, os

Prof. Fábio Amorim 5 de 105

De qualquer forma, o processo de amostragem a ser escolhido depende

Na amostragem estratificada, cada estrato da população possui uma

Após realizar a estratificação da população, é realizada uma seleção

Prof. Fábio Amorim 6 de 105

 Amostragem por Conglomerados

Prof. Fábio Amorim 7 de 105

2.1.2 – Tipos de amostragem não casual (não probabilística ou não

Amostragem Acidental (por conveniência) – tipo de amostragem

intencional, onde a população é classificada em grupos e, posteriormente, a

Algumas das informações que se busca na inferência estatística são os

3.1 – Estimativas Pontuais

Prof. Fábio Amorim 8 de 105

O melhor estimador pontual da média populacional  é a média amostral .

Estima-se o valor de  a partir do valor de

Assim, estima-se o valor de ² a partir de S²:

Assim, estima-se o valor de a partir de :

3.2 – Distribuições Amostrais

Prof. Fábio Amorim 9 de 105

 Distribuição Amostral das Médias

Pode-se demonstrar que a média dessa distribuição Normal  é igual

Essa expressão é também conhecida como erro padrão!

A relação ocorre tanto para populações infinitas quanto

Prof. Fábio Amorim 10 de 105

 Distribuição Amostral das Variâncias

cada uma dessas amostras forma uma distribuição de probabilidade

Onde  é um parâmetro da função denominado grau de liberdade.

O gráfico da distribuição qui-quadrado, para “ ” variando de 1 a 5 é

Assim como as demais funções de densidade de probabilidade, o gráfico

Prof. Fábio Amorim 11 de 105

variâncias amostrais se enquadram nessa distribuição.

Onde é a variância populacional. Por isso, o melhor estimador de

 Distribuição Amostral das Proporções

Além do mais, pode-se demonstrar que o desvio padrão é igual a:

Prof. Fábio Amorim 12 de 105

Para amostras em que , pode-se considerar uma distribuição

Para uma população com um número finito de termos, de tamanho N,

Selecionar uma amostra e encontrar os parâmetros populacionais a

Prof. Fábio Amorim 13 de 105

Se calcularmos os limites inferior e superior para diversas amostras da

Estabelecidos esses conceitos, vamos ver como se estima cada

Prof. Fábio Amorim 14 de 105