Exec Inferencia 22 23
Exec Inferencia 22 23
Exec Inferencia 22 23
Notas:
• Os exercı́cios marcados com Xsão de resolução fortemente recomendada.
• Os exercı́cios marcados com ⊗ não poderão ser resolvidos com a matéria lecionada em 2022/23.
3.1. De uma população normal de média 8 e desvio padrão 4, extraı́u-se uma amostra aleatória de
dimensão 100.
X 3.2. (Exame 12.01.2009) O peso médio dos indivı́duos duma certa espécie de bivalves é 31 g e o res-
pectivo desvio padrão é 2.4 g. Recolhe-se uma amostra aleatória de 100 indivı́duos desta espécie.
X 3.3. Mediu-se o comprimento (em cm) de 25 coelhos adultos de uma dada raça escolhidos aleatori-
amente. A média da amostra foi 56.2 cm e o desvio padrão 4 cm. Admita que a população dos
comprimentos dos coelhos adultos daquela raça é bem modelada por uma distribuição normal.
3.4. Seja X uma variável aleatória com distribuição de Bernoulli de parâmetro p desconhecido e
(X1 , X2 , X3 ) uma amostra aleatória associada a esta variável.
X 3.5. Depois de fabricado e embalado, a actividade de um certo adubo segue aproximadamente uma
distribuição normal com µ = 120 dias e σ = 40 dias.
Pretende-se enviar um lote de embalagens do referido adubo de modo que a actividade média
amostral (X) seja superior a 118 dias com probabilidade de 0.95. Qual o tamanho do lote a enviar?
X 3.6. Seja (X1 , ..., Xn ) uma amostra aleatória de tamanho n proveniente de uma população X com
distribuição Uni f orme(0, 1). Exprima, em função de n, a probabilidade, aproximada, de X ser
superior 0.9.
X 3.7. Uma amostra aleatória de dimensão 50, (X1 , ..., X50 ), é extraı́da de uma população de Poisson com
λ = 10. Recorra à distribuição normal para calcular um valor aproximado de P(X > 11).
3.8. Seja X1 , X2 , . . . , Xn uma amostra de variáveis aleatórias independentes e com a mesma distribuição,
de valor médio µ e variância σ 2 . Considere os seguintes estimadores de µ e σ 2 , respectivamente,
1 n 1 n
X= ∑ Xi e S2 = ∑ (Xi − X)2 .
n i=1 n − 1 i=1
X 3.9. (Exame 31.01.2011) Considere a amostra aleatória X1 , X2 , . . . , X100 , retirada de uma população X
para a qual se tem E[X] = 0.5 e Var[X] = 0.0625. Considere a variável aleatória S = ∑100 i=1 Xi .
3.10. (Exame 17.01.2011) Seja X1 , X2 , . . . , Xn uma amostra aleatória de dimensão n, proveniente de uma
população X com valor médio µ e variância σ 2 . Seja X a média da amostra aleatória.
Responda, justificando convenientemente, se são verdadeiras ou falsas as afirmações nas seguin-
tes alı́neas.
√
a) X _ N (µ, σ / n).
3.11. Seja X1 , X2 , . . . , Xn uma amostra aleatória de dimensão n, proveniente de uma população com
distribuição de Bernoulli de parâmetro p, desconhecido. Considere a v.a. Y = ∑ni=1 Xi .
3.12. (Adaptado do Exame 12.01.2015) Seja (X1 , . . . , Xn ) uma amostra aleatória de dimensão n prove-
niente de uma população X de valor médio µ e variância σ 2 . Seja X a média associada aquela
amostra aleatória.
3.13. (Exame 26.01.2018) Recolheram-se de forma independente duas amostras aleatórias (X1 , . . . , Xn )
e (Y1 , . . . ,Yn ) de uma população exponencial de valor médio β . Sendo X e Y as médias respectivas,
considere os seguintes estimadores para o valor médio da população:
X +Y
T1 = X T2 =
2
a) Determine o valor médio e a variância de cada um dos estimadores em função de β .
b) Os estimadores T1 e T2 são estimadores centrados de β ? Porquê?
c) Qual destes estimadores considera ser o melhor estimador para β ?
d) Escreva a função geradora de momentos do estimador T1 = X. Será que T1 tem distribuição
exponencial? Justifique.
3.14. (Exame 9.01.2019) Seja (X1 , X2 ) um par de variáveis aleatórias independentes tais que E[Xi ] = µi
e Var[Xi ] = σi2 , i = 1, 2.
a) i) Quando se poderá dizer que (X1 , X2 ) é uma amostra aleatória de dimensão 2 retirada de
uma população X com valor médio µ e variância σ 2 ?
X3.15. Seja X uma população com distribuição normal, de média µ e desvio padrão σ =2. Uma amostra
aleatória de dimensão 25 foi extraı́da desta população, tendo-se obtido x = 78.3.
X3.16. Para avaliar a tensão máxima suportada por uma barra de aço testaram-se n barras tendo-se obtido,
nas unidades adequadas, xn = 20 e para extremo superior do intervalo de confiança a 95% para o
verdadeiro valor médio da tensão obteve-se 21.7. Sabendo que se admite que a tensão suportada
por uma barra de aço é uma v.a. normal com desvio padrão σ = 3, determine o extremo inferior
do intervalo de confiança e a dimensão n da amostra.
X3.17. Uma empresa de peixe congelado está a ser investigada com o objectivo de se verificar se cada
embalagem pesa de facto 1 kg em média. Numa amostra aleatória de 100 embalagens de peixe
registou-se o peso (kg) de cada embalagem, xi (i = 1, . . . , 100), tendo-se obtido os seguintes valo-
res:
100 100
∑ xi = 95.9 kg ∑ xi2 = 93.12 kg2
i=1 i=1
a) Indique uma estimativa para a média e para a variância do peso de uma embalagem de peixe.
b) O que pode dizer sobre o resultado da investigação? Justifique convenientemente, especifi-
cando as hipóteses que necessitou de considerar.
c) Determine, explicitando as hipóteses necessárias, um intervalo a 95% de confiança para a
variância do peso de uma embalagem de peixe.
X3.18. O grau de acidez do azeite produzido em certa região supõe-se ter distribuição normal. Uma
amostra da produção de dimensão 25 conduziu a uma acidez média de 1 grau e a um desvio
padrão de 0.33 graus.
a) Face a estes valores, alguém sugeriu o intervalo ]0.815; 1.185[ para o valor esperado da
acidez. Qual o nı́vel de confiança associado a este intervalo?
b) Para o nı́vel de confiança determinado na alı́nea anterior, qual o erro máximo cometido ao
estimar o verdadeiro valor médio da acidez por 1 grau?
X3.19. Numa amostra de 16 elementos, que se supõe ter sido retirada de uma população com distribuição
normal, o desvio padrão obtido foi de 5.2.
X3.20. (Exame 31.01.2012) Um silvicultor sabe que a altura das árvores para madeira é importante para
os compradores. Afirmou a um comprador que a altura média das suas árvores era 28 metros. O
comprador fechou negócio, mas aquando do abate escolheu ao acaso 65 árvores e mediu as alturas.
Obteve ∑65 2 2
i=1 xi = 43959.32 m , onde xi designa a altura de cada árvore seleccionada.
O comprador obteve o seguinte intervalo de confiança para a altura média, em metros:
]25.1538; 26.5462[.
a) Calcule uma estimativa para a altura média das árvores daquela floresta.
b) Determine a confiança do intervalo dado acima.
c) Considera que o comprador tem razão para reclamar? Justifique.
d) Pretende-se construir um intervalo de confiança para a variância da altura das árvores.
i) Indique o estimador da variância usado na construção deste intervalo, apresentando a
sua expressão.
ii) Com base nos resultados fornecidos construa o intervalo de confiança a 95% para a
variância das alturas, indicando o(s) pressuposto(s) necessário(s).
X3.21. Suponha que o rendimento de um pé de tomateiro expresso em kg é uma variável aleatória com
distribuição normal de valor médio 1 kg. Numa parte da produção foi utilizado um novo fertili-
zante. Observada uma amostra de 10 pés de tomateiro da parte da produção em que foi utilizado o
novo fertilizante obtiveram-se os seguintes resultados:
1.375 1.223 1.773 1.752 0.779 1.407 1.068 1.633 1.201 1.042
expressos em kg. Que decisão se deverá tomar perante estes resultados, face ao novo fertilizante?
X3.22. (Exame 26.01.2018) Para analisar a qualidade de um determinado tipo de azeite virgem, prove-
niente de uma região, R1, foram seleccionadas aleatoriamente 20 garrafas e determinada a acidez
do azeite de cada uma delas, expressa em concentração de ácido oleico (g/100g). Os dados ob-
tidos foram introduzidos no , apresentando-se de seguida alguns dos comandos e respectivos
resultados.
a) De acordo com a legislação em vigor, o azeite virgem só pode ser classificado como Extra
se tiver uma acidez média inferior a 0.8. Será que o azeite virgem analisado pode ter essa
classificação? Justifique convenientemente a sua resposta.
b) Numa outra região, R2, analisou-se uma amostra de 20 garrafas de azeite virgem do mesmo
tipo. Com os valores observados contruı́u-se o seguinte intervalo de confiança a 95% para a
diferença da acidez média do azeite virgem daquele tipo entre as regiões R1 e R2.
] − 0.0357 ; 0.0667 [
3.23. (Exame 28.01.2013) Pretende-se comparar dois antibióticos A e B usados para o tratamento de um
certo tipo de infecção em bovinos. Escolhem-se ao acaso dois grupos de bovinos doentes: a um
grupo é administrado o antibiótico A e ao outro o antibiótico B, registando-se o tempo (h) até os
sintomas desaparecerem.
X1 + 3X10
T1 = X e T2 = ,
4
com X média da amostra aleatória.
i) Defina “amostra aleatória de dimensão 10”.
ii) Mostre que T1 e T2 são estimadores centrados de µ e obtenha as respectivas variâncias.
iii) Qual dos dois estimadores deve ser escolhido para estimar µ? Justifique.
b) Os resultados obtidos pela aplicação dos dois antibióticos foram introduzidos no software
. Utilize, sempre que possı́vel, os resultados apresentados no Anexo para responder às
seguintes questões.
i) Com base nos dados recolhidos indique estimativas para o tempo médio no caso de
aplicação do antibiótico A, associadas aos estimadores dados em a).
ii) Face aos resultados obtidos poder-se-á concluir que o antibiótico A é mais lento do que
o antibiótico B no desaparecimento dos sintomas da infecção? Explicite e valide os
pressupostos necessários à resolução do problema.
> A<-c(49.5,48,52.5,46.5,52,48.5,40,50.5,46,46.5)
> B<-c(47.5,48.5,40.5,43.5,49,43,42,45,48.5,40)
> shapiro.test(A)
Shapiro-Wilk normality test
data: A
W = 0.9189, p-value = 0.3481
> shapiro.test(B)
Shapiro-Wilk normality test
data: B
W = 0.9009, p-value = 0.2244
> shapiro.test(A-B)
Shapiro-Wilk normality test
data: A - B
W = 0.9482, p-value = 0.6474
> var.test(A,B)
F test to compare two variances
data: A and B
F = 1.102, num df = 9, denom df = 9, p-value = 0.8873
alternative hypothesis: true ratio of variances is not equal to 1
95 percent confidence interval:
0.2737195 4.4366172
sample estimates:
ratio of variances
1.101993
> t.test(A,B,paired=T,alternative="two.sided")
Paired t-test
data: A and B
t = 2.3399, df = 9, p-value = 0.04403
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
0.1079894 6.3920106
sample estimates:
mean of the differences
3.25
> t.test(A,B,paired=T,alternative="less")
Paired t-test
data: A and B
t = 2.3399, df = 9, p-value = 0.978
> t.test(A,B,paired=T,alternative="greater")
Paired t-test
data: A and B
t = 2.3399, df = 9, p-value = 0.02201
alternative hypothesis: true difference in means is greater than 0
95 percent confidence interval:
0.703908 Inf
sample estimates:
mean of the differences
3.25
> t.test(A,B,paired=F,var.equal=T,alternative="two.sided")
Two Sample t-test
data: A and B
t = 2.0595, df = 18, p-value = 0.05421
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
-0.06538397 6.56538397
sample estimates:
mean of x mean of y
48.00 44.75
> t.test(A,B,paired=F,var.equal=T,alternative="less")
Two Sample t-test
data: A and B
t = 2.0595, df = 18, p-value = 0.9729
alternative hypothesis: true difference in means is less than 0
95 percent confidence interval:
-Inf 5.986459
sample estimates:
mean of x mean of y
48.00 44.75
> t.test(A,B,paired=F,var.equal=T,alternative="greater")
Two Sample t-test
data: A and B
t = 2.0595, df = 18, p-value = 0.02711
alternative hypothesis: true difference in means is greater than 0
95 percent confidence interval:
0.5135412 Inf
sample estimates:
mean of x mean of y
48.00 44.75
a) Indique uma estimativa para o valor médio da produção da variedade Gala. Qual é o erro
máximo, a 95% de confiança, que se comete ao estimar µ pela estimativa indicada?
b) Conjectura-se que as variabilidades das produções das duas variedades são iguais. Será esta
conjectura compatı́vel com os dados obtidos?
c) Com base nos valores obtidos poder-se-á concluir que a produção média da variedade Golden
é significativamente superior à produção média da variedade Gala?
ANEXO
> gala<-c(84,82,90,86,80,91,85,79,81,82)
> golden<-c(95,102,85,93,104,89,98,99,107,106)
> var.test(gala,golden)
> t.test(gala,golden,paired=T)
Paired t-test
data: gala and golden
t = -3.9625, df = 9, p-value = 0.003292
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
-21.678314 -5.921686
sample estimates:
mean of the differences
-13.8
> t.test(gala,golden,paired=F,var.equal=T)
> t.test(gala,golden,paired=F,var.equal=T,alternative="less")
> t.test(gala,golden,paired=F,var.equal=T,alternative="greater")
X3.25. (Exame 11.01.2016) Os rolamentos produzidos por uma empresa devem ter diâmetro entre 150
e 160 mm (inclusive). Uma amostra de 35 rolamentos foi seleccionada aleatoriamente e os valo-
res observados foram introduzidos no software R. Utilize os resultados apresentados no Anexo e
responda, de forma completa, às seguintes questões. (Note que alguns resultados podem não ser
necessários ou adequados).
a) Indique uma estimativa para o valor médio e para a variância do diâmetro dos rolamentos.
Explicite os estimadores associados.
b) Determine um intervalo de confiança a 95% para o valor médio dos diâmetros das peças
produzidas?
c) Poder-se-á admitir que mais de 60% dos rolamentos produzidos pela empresa satisfazem o
exigido? Justifique.
ANEXO
> diametro<-c(135, 154, 159, 155, 167, 159, 158, 159, 154, 155,
+ 152, 169, 154, 158, 140, 149, 145, 157, 151,154,168,153,151,
+ 160, 155, 155, 143,157, 139, 159, 139, 159, 162, 151, 150)
> sort(diametro)
[1] 135 139 139 140 143 145 149 150 151 151 151 152 153 154 154 154 154 155
[19] 155 155 155 157 157 158 158 159 159 159 159 159 160 162 167 168 169
> shapiro.test(diametro)
data: diametro
W = 0.9476, p-value = 0.09577
> t.test(diametro)
data: diametro
t = 114.4572, df = 34, p-value < 2.2e-16
alternative hypothesis: true mean is not equal to 0
95 percent confidence interval:
> t.test(diametro,mu=160,alternative="less")
data: diametro
t = -4.5698, df = 34, p-value = 3.080e-05
alternative hypothesis: true mean is less than 160
95 percent confidence interval:
-Inf 156.1301
sample estimates:
mean of x
153.8571
X3.26. Num estudo sobre o número de folhas por planta de tabaco, obtiveram-se os seguintes dados:
n o¯ de folhas 17 18 19 20 21 22 23 24
n o¯ de plantas 3 22 44 42 22 10 6 1
X3.27. Duas marcas de chocolate (A e B) produzem chocolate rotulado “70% de cacau”. Seleccionaram-
se aleatoriamente 15 chocolates de cada uma das marcas, que foram analisados quanto ao teor
de cacau. Os resultados foram introduzidos no software . Utilize, sempre que possı́vel, os
resultados apresentados abaixo para responder às seguintes questões (alguns cálculos apresentados
são desnecessários ou inadequados).
a) Conjectura-se que as variabilidades do teor de cacau dos chocolates das duas marcas são
diferentes. Será esta conjectura compatı́vel com os dados obtidos? Explicite e valide os
pressupostos necessários à resolução do problema.
b) Indique estimativas para o valor esperado do teor de cacau dos chocolates de cada uma das
marcas.
c) Os dados recolhidos evidenciam que o teor médio de cacau do chocolate da marca A é sig-
nificativamente superior ao da marca B? Explicite e valide os pressupostos necessários à
resolução do problema.
d) O produtor de chocolate da marca A afirma que o teor médio de cacau do seu chocolate é su-
perior a 70%. O que pode dizer sobre a afirmação do produtor? Justifique convenientemente.
Especifique as hipóteses nula e alternativa de um teste de hipóteses que permita averiguar a
validade desta afirmação.
> shapiro.test(A-B)
Shapiro-Wilk normality test
data: A - B
W = 0.9754, p-value = 0.9283
> var.test(A,B)
F test to compare two variances
data: A and B
F = 1.7131, num df = 14, denom df = 14, p-value = 0.3254
alternative hypothesis: true ratio of variances is not equal to 1
95 percent confidence interval:
0.5751437 5.1026658
sample estimates:
ratio of variances
1.713116
> t.test(A,B,paired=T,alternative="less")
Paired t-test
data: A and B
t = 3.1787, df = 14, p-value = 0.9967
alternative hypothesis: true difference in means is less than 0
95 percent confidence interval:
-Inf 2.434763
sample estimates:
mean of the differences
1.566667
> t.test(A,B,paired=T,alternative="greater")
Paired t-test
data: A and B
t = 3.1787, df = 14, p-value = 0.003349
alternative hypothesis: true difference in means is greater than 0
> t.test(A,B,paired=F,var.equal=T,alternative="less")
Two Sample t-test
data: A and B
t = 2.2771, df = 28, p-value = 0.9847
alternative hypothesis: true difference in means is less than 0
95 percent confidence interval:
-Inf 2.737039
sample estimates:
mean of x mean of y
71.58000 70.01333
> t.test(A,B,paired=F,var.equal=T,alternative="greater")
Two Sample t-test
data: A and B
t = 2.2771, df = 28, p-value = 0.01531
alternative hypothesis: true difference in means is greater than 0
95 percent confidence interval:
0.3962939 Inf
sample estimates:
mean of x mean of y
71.58000 70.01333
X3.28. (Exame 10.01.2018) Com o objectivo de estudar o teor de gordura no leite de duas raças de vacas
leiteiras (Ayrshire, raça A e Holstein-Fresian, raça B), foram escolhidas aleatoriamente 20 vacas
de cada raça e foi determinada a percentagem de gordura no respectivo leite.
Os dados obtidos foram introduzidos no e foram efectuados cálculos que se encontram no
Anexo. Utilize os resultados que considere adequados para responder às seguintes alı́neas.
a) Indique uma estimativa pontual para a variância da percentagem de gordura no leite da raça
A. Indique, explicitando-o, o estimador associado.
b) Comente a veracidade da seguinte afirmação: “Não existe diferença significativa entre as
variâncias das percentagens de gordura no leite das raças A e B”. Justifique conveniente-
mente.
c) Será que a percentagem média de gordura no leite da raça A é superior à da raça B? Justifique
convenientemente a sua resposta.
> shapiro.test(A)
data: A
W = 0.9569, p-value = 0.4836
> shapiro.test(B)
data: B
W = 0.945, p-value = 0.2974
> shapiro.test(A-B)
data: A - B
W = 0.9241, p-value = 0.1191
> var.test(A,B)
data: A and B
F = 1.2552, num df = 19, denom df = 19, p-value = 0.6253
alternative hypothesis: true ratio of variances is not equal to 1
95 percent confidence interval:
0.4968133 3.1711368
sample estimates:
ratio of variances
1.255174
> t.test(A,B,paired=TRUE,alternative="greater")
data: A and B
t = 18.4124, df = 19, p-value = 7.122e-14
alternative hypothesis: true difference in means is greater than 0
95 percent confidence interval:
0.3619823 Inf
sample estimates:
mean of the differences
0.3995
> t.test(A,B,paired=TRUE,alternative="less")
Paired t-test
data: A and B
t = 18.4124, df = 19, p-value = 1
alternative hypothesis: true difference in means is less than 0
95 percent confidence interval:
-Inf 0.4370177
sample estimates:
mean of the differences
0.3995
> t.test(A,B,paired=FALSE,var.equal=TRUE,alternative="greater")
data: A and B
t = 5.109, df = 38, p-value = 4.72e-06
alternative hypothesis: true difference in means is greater than 0
95 percent confidence interval:
0.2676668 Inf
sample estimates:
mean of x mean of y
4.0600 3.6605
> t.test(A,B,paired=FALSE,var.equal=TRUE,alternative="less")
data: A and B
X3.30. Numa Estação Florestal estudam-se problemas de intercepção de precipitação. Nesse sentido em
12 dias de chuva (suponha que se trata de uma amostra aleatória de dias com precipitação) são
colocados dois udómetros para medir a quantidade de precipitação: um numa zona desarborizada
e outro sob as copas das árvores. As leituras da quantidade de água em cada udómetro (medidas
em cm de altura) deram os seguintes valores (cada coluna corresponde a um dia):
zona descoberta 5.87 1.30 2.34 2.82 5.89 9.09 1.93 9.27 4.65 4.35 5.00 8.43
sob coberto 4.96 1.14 2.24 2.26 4.75 7.83 1.86 8.85 4.17 3.65 4.08 7.99
X3.31. Pretende-se testar se a proporção de ulmeiros afectados pela grafiose é idêntica em duas zonas A
e B. Na zona A foi recolhida uma amostra aleatória de 30 ulmeiros e verificou-se que 20 estavam
afectados pela grafiose. Na zona B recolheu-se uma amostra de 35 ulmeiros e verificou-se que 27
estavam afectados pela grafiose. Que conclusão se pode tirar ao nı́vel de significância de 0.05?
X3.32. Diga, justificando, se cada uma das afirmações seguintes é verdadeira ou falsa:
X3.33. É desencadeado um programa de controlo da poluição de um rio em que são efectuadas medições,
antes de lançar a campanha antipoluição e um ano após. As medições são combinações de vários
ı́ndices; quanto maior for o valor resultante maior é a poluição. Obtiveram-se os seguintes resulta-
dos:
Ponto de controlo 1 2 3 4 5 6 7 8 9 10
Antes da campanha 68 88 101 82 96 74 65 74 52 99
Um ano após 67 87 90 76 98 69 68 65 59 70
Será que a campanha antipoluição reduziu de facto a poluição? Explicite e verifique todas as
hipóteses necessárias à resolução do problema, justificando convenientemente.
X3.34. (Exame 31.01.2011) Para comparar dois tipos de máquina de ceifar (segadeiras) quanto à sua
eficiência, foram seleccionadas ao acaso 9 searas tendo sido cada uma dividida em dois lotes. Em
cada seara uma das segadeiras foi atribuı́da ao acaso a um dos lotes, ficando a outra para o outro
lote.
A eficiência é avaliada num intervalo de valores de 0 (eficiência mı́nima) a 10 (eficência máxima).
Os valores registados relativos à eficiência de cada segadeira foram introduzidos no software .
Responda às seguintes questões utilizando os resultados de alguns dos comandos apresentados
abaixo.
> shapiro.test(seg1-seg2)
> t.test(seg1,seg2,paired=T,alternative="two.sided")
Paired t-test
data: seg1 and seg2
t = 3.3242, df = 8, p-value = 0.01047
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
0.2790663 1.5431559
sample estimates:
mean of the differences
0.9111111
> t.test(seg1,seg2,paired=T,alternative="greater")
Paired t-test
data: seg1 and seg2
t = 3.3242, df = 8, p-value = 0.005237
alternative hypothesis: true difference in means is greater than 0
95 percent confidence interval:
0.4014339 Inf
sample estimates:
mean of the differences
0.9111111
> t.test(seg1,seg2,paired=T,alternative="less")
Paired t-test
data: seg1 and seg2
t = 3.3242, df = 8, p-value = 0.9948
alternative hypothesis: true difference in means is less than 0
95 percent confidence interval:
-Inf 1.420788
sample estimates:
mean of the differences
0.9111111
> t.test(seg1,seg2,paired=F,alternative="two.sided")
Welch Two Sample t-test
data: seg1 and seg2
t = 2.088, df = 14.548, p-value = 0.05482
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
-0.02147036 1.84369258
sample estimates:
mean of x mean of y
7.400000 6.488889
> t.test(seg1,seg2,paired=F,alternative="less")
Welch Two Sample t-test
data: seg1 and seg2
t = 2.088, df = 14.548, p-value = 0.9726
alternative hypothesis: true difference in means is less than 0
95 percent confidence interval:
-Inf 1.677619
sample estimates:
mean of x mean of y
7.400000 6.488889
X3.35. (Exame17.01.2011) Uma máquina de ensacar está regulada para encher sacos com 16 kg de açúcar.
Para controlar o seu funcionamento escolheram-se, aleatoriamente, 15 sacos, que foram pesados.
Os valores obtidos foram introduzidos no software . Responda às seguintes questões utilizando,
sempre que possı́vel, os resultados dos comandos apresentados.
a) Indique uma estimativa para o peso médio e para a variância do peso de cada saco.
b) Foi calculado um intervalo de confiança para a variância do peso de cada saco, σ 2 , tendo-se
obtido ]0.01368 ; 0.04931[.
i) Qual o estimador que foi utilizado na construção do intervalo?
ii) Determine o nı́vel de confiança do intervalo dado.
c) Que conclusão pode tirar quanto à regulação da máquina? Justifique convenientemente, in-
dicando e validando os pressupostos necessários à sua resposta.
> peso
[1]16.1 15.8 15.9 16.1 15.8 16.2 16.0 15.9 16.0 15.7 15.8 15.7 16.0 16.0 15.8
garrafa 1 2 3 ··· 18 19 20
método clássico 4.8 3.4 2.5 ··· 2.9 5.4 2.1
titulação automática 6.1 5.1 2.1 ··· 4.5 3.9 1.5
a) De acordo com a legislação em vigor um vinho de mesa deverá ter uma acidez total superior
a 3.5 g/l. Com base nos resultados das análises efectuadas pelo método clássico, o enólogo
poderá concluir que o seu vinho cumpre os requisitos de acidez impostos pela legislação?
Explicite e valide os pressupostos necessários à resolução do problema.
b) Com base nos valores obtidos poder-se-á concluir que os dois métodos de análise da acidez
total do vinho têm resultados significativamente diferentes? Explicite e valide os pressupos-
tos necessários à resolução do problema.
> classico
[1] 4.8 3.4 2.5 3.8 4.3 3.6 3.5 3.5 4.0 3.6 6.3 3.0 3.1 3.7 2.8
[16] 5.1 4.0 2.9 5.4 2.1
> automatico
[1] 6.1 5.1 2.1 4.9 6.6 4.0 4.5 1.0 4.7 3.5 8.2 3.9 3.6 4.5 3.5
[16] 6.3 4.7 4.5 3.9 1.5
> shapiro.test(classico-automatico)
Shapiro-Wilk normality test
data: classico - automatico
W = 0.9163, p-value = 0.08413
> t.test(classico,mu=3.5)
One Sample t-test
data: classico
t = 1.184, df = 19, p-value = 0.2510
alternative hypothesis: true mean is not equal to 3.5
95 percent confidence interval:
> t.test(classico,mu=3.5,alternative="greater")
One Sample t-test
data: classico
t = 1.184, df = 19, p-value = 0.1255
alternative hypothesis: true mean is greater than 3.5
95 percent confidence interval:
3.375677 Inf
sample estimates:
mean of x
3.77
> t.test(classico,mu=3.5,alternative="less")
One Sample t-test
data: classico
t = 1.184, df = 19, p-value = 0.8745
alternative hypothesis: true mean is less than 3.5
95 percent confidence interval:
-Inf 4.164323
sample estimates:
mean of x
3.77
> t.test(classico,automatico,paired=TRUE)
Paired t-test
data: classico and automatico
t = -2.2714, df = 19, p-value = 0.03493
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
-1.12405128 -0.04594872
sample estimates:
mean of the differences
-0.585
1 2 3 4 5 6 7 8 9 10
Antes 1.69 2.77 1.00 1.66 0.85 1.42 2.82 2.58 1.98 2.02
Depois 2.69 2.22 3.07 3.35 2.74 3.61 5.14 2.44 2.25 3.41
Nota: Para responder a esta pergunta utilize, sempre que possı́vel, resultados que lhe são
apresentados no Anexo.
a) Determine um intervalo a 99% de confiança para o volume médio de ar expirado por uma
pessoa antes da aplicação do tratamento. Indique e valide os pressupostos necessários à sua
resolução.
b) Qual é o erro máximo cometido ao usar a média da amostra para estimar o volume médio de
ar expirado por pessoa, com o nı́vel de confiança da alı́nea anterior?
c) Os dados recolhidos dão indicação de que o volume de ar expirado é superior após o tra-
tamento? Justifique, indicando e validando os pressupostos necessários à resolução desta
questão.
ANEXO
>antes<-c(1.69,2.77,1.00,1.66,.85,1.42,2.82,2.58,1.98,2.02)
>depois<-c(2.69,2.22,3.07,3.35,2.74,3.61,5.14,2.44,2.25,3.41)
> var(antes);var(depois)
[1] 0.4807433
[1] 0.7567511
> var(antes-depois)
[1] 1.056112
> shapiro.test(antes)
data: antes
W = 0.9402, p-value = 0.5558
> shapiro.test(depois)
> shapiro.test(antes-depois)
> t.test(antes,depois,paired=F,var.equal=T)
> t.test(antes,depois,paired=F,var.equal=T,alternative="less")
> t.test(antes,depois,paired=F,var.equal=T,alternative="greater")
> t.test(antes,depois,paired=T)
Paired t-test
> t.test(antes,depois,paired=T,alternative="less")
Paired t-test
> t.test(antes,depois,paired=T,alternative="greater")
Paired t-test
X3.38. Uma associação de defesa de consumidores pretende publicar um estudo comparativo dos preços
de dois supermercados. Para isso seleccionou 20 produtos e registou os preços de cada um nos
supermercados A e B (em cêntimos):
Produto 1 2 3 4 5 6 ··· 15 16 17 18 19 20
Super. A 202 201 560 253 384 332 ··· 624 851 742 501 476 765
Super. B 185 187 516 239 349 295 ··· 613 851 731 546 490 762
a) Determine uma estimativa para a diferença dos preços médios nos dois supermercados.
b) Com base nos dados recolhidos, o que pode afirmar relativamente aos preços médios prati-
cados pelos dois supermercados? Explicite e valide as hipóteses necessárias à resolução do
problema.
> A
[1] 202 201 560 253 384 332 549 722 153 676 804 535 472 335 624 851
[17] 742 501 476 765
> B
[1] 185 187 516 239 349 295 552 667 132 676 745 529 460 316 613 851
[17] 731 546 490 762
> mean(A) > mean(B) > var(A) > var(B) > var(A-B)
[1] 506.85 [1] 492.05 [1] 46116.77 [1] 46454.68 [1] 568.379
> shapiro.test(A-B)
Shapiro-Wilk normality test
data: A - B
W = 0.9514, p-value = 0.3889
X3.39. (Exame 27.01.2014) Uma empresa agrı́cola pretende adquirir um gerador. Face a dois tipos de
geradores (que designamos por ger1 e ger2), de preços semelhantes, quer decidir comparando
a produção de energia eléctrica, em kWh, de cada um dos geradores. Recolheu uma amostra
de 25 observações da quantidade de energia eléctrica produzida por cada gerador, em diferen-
tes situações. Os dados foram introduzidos no software . Considere os seguintes resultados
referentes ao gerador tipo 1:
i) Qual a diferença entre as médias observadas para a produção de energia eléctrica dos
dois geradores? Qual o erro máximo que se cometeria, a 95% de confiança, ao identificar
esta diferença com a verdadeira diferença entre as produções médias de energia eléctrica
dos geradores?
ii) Complete o output indicando a informação em falta nos três locais assinalados por ????.
iii) Que pressupostos deverão ser verificados para construir o intervalo de confiança dado
no output?
– O que pode afirmar, a 95% de confiança, sobre a diferença entre as produções médias de
energia eléctrica dos geradores?
– A conclusão da alı́nea anterior seria alterada se considerasse uma confiança de 99%?
Justifique.
X3.40. (Exame 26.01.2015) Para estudar o peso de uma certa espécie de peixe, recolheram-se dados do
peso (g) de 15 peixes fêmea e de 15 peixes macho. Os resultados obtidos foram introduzidos no
software . Utilize, sempre que possı́vel, os resultados apresentados no Anexo II para responder
às seguintes questões.
ANEXO
> femea
[1] 1007 965 ... 978 1020
> macho
[1] 934 1014 ... 1017 1023
> shapiro.test(femea)
Shapiro-Wilk normality test
data: femea
W = 0.9545, p-value = 0.5977
> shapiro.test(macho)
Shapiro-Wilk normality test
data: macho
W = 0.9371, p-value = 0.3477
> shapiro.test(femea-macho)
Shapiro-Wilk normality test
data: femea - macho
W = 0.9638, p-value = 0.7581
> t.test(femea,mu=1000)
One Sample t-test
data: femea
t = 1.6343, df = 14, p-value = 0.1245
alternative hypothesis: true mean is not equal to 1000
95 percent confidence interval:
996.5637 1025.4363
sample estimates:
mean of x
1011
Média Variância
NI 1.520 0.612
INF 0.347 0.131
O cientista suspeita que a expressão relativa dos genes da proteı́na A pode sofrer alterações, em
média, com a infecção.
Os resultados da experiência foram analisados com recurso ao software e estão apresentados no
Anexo Utilize-os, sempre que possı́vel, para responder de forma completa às questões apresentadas
a seguir.
ANEXO
> shapiro.test(placenta$A_NI-placenta$A_INF)
X3.42. (Exame 09.01.2020) Num estudo sobre o efeito da congelação no valor nutricional de legumes
e frutos, determinou-se o valor de um ı́ndice nutricional por caloria ingerida para cada um de 13
alimentos (legumes ou frutos) frescos e congelados. Os dados obtidos (ilustrados abaixo) foram
introduzidos nos objectos fresco e congel do software .
a) Face à amostra observada obteve-se o intervalo de confiança ]1.226, 2.223[ para o valor
esperado do ı́ndice nutricional, µ, de um alimento fresco. Responda às seguintes questões
apresentando os cálculos efectuados:
i) Determine o ı́ndice nutricional médio na amostra dos alimentos frescos.
ii) Qual o erro máximo cometido ao usar a média da amostra para estimar µ.
iii) Determine a confiança deste intervalo, justificando convenientemente.
b) Poder-se-á afirmar que a congelação dos legumes e frutos provoca uma redução do ı́ndice
nutricional por caloria ingerida? Explicite e valide os pressupostos necessários.
ANEXO
> shapiro.test(fresco-congel)
Shapiro-Wilk normality test
data: fresco - congel
W = 0.89526, p-value = 0.1151
R3.1. (Exame 9.01.2020) Considere a v.a. X com distribuição uniforme contı́nua no intervalo ]0, θ [,
θ > 0. Seja X a média da amostra aleatória (X1 , · · · , Xn ) e T = 2X um estimador de θ .
R3.2. Recolheu-se uma amostra aleatória de dimensão 5 de uma população normal. Determine a proba-
bilidade de o desvio padrão da amostra ser inferior ao desvio padrão da população.
R3.3. Seja X uma variável aleatória com distribuição binomial, X ∩ B(n, p). Considere os estimadores
para p assim definidos Pb1 = X+1
n+1 Pb2 = n+1X
.
R3.4. (Exame 12.01.2009) A quantidade (em ppm) de um poluente no solo de uma certa região é uma
v.a. X que se admite ter distribuição normal com valor médio µ e variância σ 2 , desconhecidos.
Recolheu-se uma amostra de dimensão 10 tendo-se obtido o desvio padrão de 1.3943 ppm. Com
base na amostra construiu-se o seguinte intervalo de confiança para µ
]22.447 ; 25.313[
R3.5. Num certo processo quı́mico é muito importante que uma dada solução tenha um pH de exacta-
mente 8.20. O método utilizado na determinação do pH fornece medições que se admite terem
distribuição normal de valor médio igual ao verdadeiro valor do pH da solução e desvio padrão de
0.02.
Para avaliar o pH de uma solução, efectuaram-se 10 medições independentes tendo-se obtido os
seguintes valores:
8.18 8.16 8.17 8.22 8.19 8.17 8.15 8.21 8.16 8.18
R3.6. Faz-se uma experiência para saber se dois regimes alimentares A e B produzem o mesmo aumento
de peso nos animais, durante um perı́odo de tempo fixado. Tomam-se 20 animais e de entre eles
10 ao acaso aos quais é dado o alimento A. Aos outros 10 é dado o alimento B. Os aumentos de
peso (expressos em kg) no mesmo intervalo de tempo são os seguintes:
Regime A -2.0 0.0 4.2 6.3 9.6 4.3 10.2 11.0 12.4 13.1
Regime B 4.0 6.0 8.0 11.3 12.3 14.4 14.5 14.7 14.7 16.0
Diga se existe diferença significativa entre os dois regimes alimentares, justificando conveniente-
mente todas as hipóteses necessárias à resolução do problema.
R3.7. Um estudo pretende comparar um tipo de semente melhorada com o tipo de semente usado anteri-
ormente. A nova semente passará a ser utilizada se, em média, o crescimento das plantas após 20
dias fôr superior ao das obtidas das ‘velhas’ sementes. São criadas 15 diferentes situações labora-
toriais, variando temperatura e humidade. Em cada situação semeia-se uma semente de cada tipo
e obtêm-se os seguintes resultados para o crescimento (em cm) das plantas após 20 dias :
Situação 1 2 3 4 5 6 7 8
Sementes melhoradas 3.46 3.48 2.74 2.83 4.00 4.95 2.24 6.92
sementes tradicionais 3.18 3.67 2.92 3.10 4.10 4.86 2.21 6.91
Situação 9 10 11 12 13 14 15
sementes melhoradas 6.57 6.18 8.30 3.44 4.47 7.59 3.87
sementes tradicionais 6.83 6.19 8.05 3.46 4.18 7.43 3.85
Deverá passar a usar-se as sementes melhoradas? Responda justificando e explicitando quaisquer
hipóteses adicionais que seja necessário impôr.
R3.8. Num estudo sobre a incidência de certa doença numa população de insectos, um grupo de biólogos
registou ao longo de um ano o número de insectos contaminados em cada amostra de 5 insectos,
tendo para tal recolhido 100 amostras. Os resultados obtidos foram:
a) Construa uma tabela de frequências absolutas, relativas e relativas acumuladas para o número
de insectos contaminados por amostra.
b) Determine a média e a mediana do número de insectos contaminados por amostra.
c) Considerando agora a totalidade de insectos observados como uma amostra aleatória da
população de insectos:
i) Determine uma estimativa da verdadeira proporção de insectos contaminados.
R3.9. O dono de uma ervanária produz um chá relativamente ao qual afirma que é 90% eficaz para curar
dores de cabeça. Num inquérito feito a 250 pessoas, 198 concordaram que o chá cura as dores de
cabeça. Acha que o resultado do inquérito é compatı́vel com a pretensão do produtor ?
R3.10. Um investigador pretende estudar a incidência a nı́vel nacional, de uma doença que ataca os pi-
nheiros. Observações efectuadas através do paı́s resultaram em 1233 casos de pinheiros afectados
(a nı́vel nacional) num total de 4250 observações.
R3.11. (Exame 16.01.2012) Em várias espécies de animais, altos nı́veis de testosterona tornam os machos
mais atractivos para as fêmeas. No entanto, conjectura-se que altos nı́veis de testosterona podem
enfraquecer o sistema imunitário, i.e., reduzem o número de anticorpos. Para responder a esta
questão consideraram-se 13 melros de asa-vermelha, em cada um dos quais foi implantado um
tubo contendo testosterona. Em cada melro avaliou-se o número de anticorpos no sangue antes e
após o implante. Os resultados obtidos, em unidades convenientes, foram introduzidos no software
.
Utilize, sempre que possı́vel, os resultados apresentados no Anexo para responder às seguintes
questões (alguns dos procedimentos apresentados são inadequados).
a) Indique estimativas para o valor médio do número de anticorpos antes e depois do implante.
b) Determine um intervalo de confiança a 95% para a variabilidade do número de anticorpos
antes da introdução do implante.
c) A conjectura de que o aumento do nı́vel de testosterona enfraquece o sistema imunitário
será compatı́vel com os resultados obtidos? Explicite e valide os pressupostos necessários à
resolução do problema.
ANEXO
antes <-
c(4.65,4.21,4.91,4.50,4.80,5.01,4.88,4.78,4.98,4.41,4.75,4.70,4.93)
depois <-
c(4.54,3.80,4.98,4.45,5.00,5.00,4.35,4.96,5.02,4.73,4.77,4.60,5.01)
> shapiro.test(antes)
> shapiro.test(depois)
Shapiro-Wilk normality test
data: depois
W = 0.831, p-value = 0.01631
> shapiro.test(antes-depois)
Shapiro-Wilk normality test
data: antes - depois
W = 0.9169, p-value = 0.2275
> var.test(antes,depois)
F test to compare two variances
data: antes and depois
F = 0.4337, num df = 12, denom df = 12, p-value = 0.1622
alternative hypothesis: true ratio of variances is not equal to 1
95 percent confidence interval:
0.1323375 1.4213773
sample estimates:
ratio of variances
0.4337068
> t.test(antes,depois,paired=F,var.equal=T,alternative="two.sided")
Two Sample t-test
data: antes and depois
t = 0.1927, df = 24, p-value = 0.8488
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
-0.2240467 0.2702005
sample estimates:
mean of x mean of y
4.731538 4.708462
> t.test(antes,depois,paired=F,var.equal=T,alternative="less")
Two Sample t-test
data: antes and depois
t = 0.1927, df = 24, p-value = 0.5756
alternative hypothesis: true difference in means is less than 0
95 percent confidence interval:
-Inf 0.2279316
> t.test(antes,depois,paired=F,var.equal=T,alternative="greater")
Two Sample t-test
data: antes and depois
t = 0.1927, df = 24, p-value = 0.4244
alternative hypothesis: true difference in means is greater than 0
95 percent confidence interval:
-0.1817778 Inf
sample estimates:
mean of x mean of y
4.731538 4.708462
> t.test(antes,depois,paired=T,alternative="two.sided")
Paired t-test
data: antes and depois
t = 0.3562, df = 12, p-value = 0.7279
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
-0.1180915 0.1642453
sample estimates:
mean of the differences
0.02307692
> t.test(antes,depois,paired=T,alternative="less")
Paired t-test
data: antes and depois
t = 0.3562, df = 12, p-value = 0.6361
alternative hypothesis: true difference in means is less than 0
95 percent confidence interval:
-Inf 0.1385539
sample estimates:
mean of the differences
0.02307692
> t.test(antes,depois,paired=T,alternative="greater")
Paired t-test
data: antes and depois
t = 0.3562, df = 12, p-value = 0.3639
alternative hypothesis: true difference in means is greater than 0
95 percent confidence interval:
R3.12. Um agricultor pretende experimentar dois tipos (I e II) de semeador de milho para comparar a
produtividade das duas máquinas.
Para isso, num campo agrı́cola marcaram-se aleatoriamente 10 parcelas de igual área sendo cada
uma delas dividida em duas secções iguais. Em cada parcela sorteou-se a atribuição de um dos
tipos de semeador a uma das secções.
A produtividade (em unidades adequadas) de cada um dos semeadores foi registada, e os dados
foram introduzidos no software . Utilizando os resultados apresentados abaixo (alguns desne-
cessários), poderá o agricultor admitir que a produtividade esperada das duas máquinas é igual?
Justifique convenientemente a sua resposta.
>x<-c(5.6, 8.4, 8.0, 8.6, 6.4, 7.8, 6.2, 7.7, 8.0, 7.7)
observações para o semeador tipo I.
>y<-c(6.0, 7.4, 7.3, 7.5, 6.4, 6.0, 5.5, 6.6, 5.6, 6.1)
observações para o semeador tipo II.
> shapiro.test(x)
data: x
W = 0.8731, p-value = 0.1087
> shapiro.test(y)
data: y
W = 0.9026, p-value = 0.2341
> shapiro.test(x-y)
R3.13. (Exame 31.01.2012) Um estudante de agronomia pretende estudar a produção de uma certa vari-
edade de milho numa dada região. Para esse efeito, feita a colheita, pesou 50 espigas e organizou
os resultados na tabela abaixo:
Peso(g) xi0 ni Ni fi Fi
] 180, 190] 185 3
] 190, 200] 12
] 200, 210] 9 0.18
] 210, 220] 30
] 220, 230] 12 0.84
] 230, 240] 8 50
R3.14. Seja X1 , X2 , · · · , Xn uma amostra aleatória retirada de uma população com distribuição normal com
valor médio µ e variância σ 2 conhecida.
conter o valor µ?
b) Qual é o erro máximo cometido ao usar x para estimar µ?
c) Qual é a redução do erro máximo que se obtém quando a dimensão da amostra duplica?
1
d) Mostre que S2 = n−1 ∑ni=1 (Xi − X)2 é um estimador centrado de σ 2 .
ANEXO
> shapiro.test(x-y)
Shapiro-Wilk normality test
data: x - y
W = 0.924, p-value = 0.2214
> var.test(x,y)
data: x and y
F = 0.5843, num df = 14, denom df = 14, p-value = 0.3261
alternative hypothesis: true ratio of variances is not equal to 1
95 percent confidence interval:
0.196151 1.740249
sample estimates:
ratio of variances
0.5842529
> t.test(x,y,paired=T)
Paired t-test
data: x and y
t = 2.1864, df = 14, p-value = 0.04627
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
0.01977868 2.06022132
sample estimates:
mean of the differences
1.04
> t.test(x,y,paired=F,var.equal=T)
Two Sample t-test
data: x and y
t = 2.3493, df = 28, p-value = 0.0261
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
0.1331903 1.9468097
sample estimates:
mean of x mean of y
5.686667 4.646667
R3.16. (Exame 23.01.2020) Num inventário florestal de montado de sobro pretende-se comparar o diâmetro
das árvores em duas parcelas, A e B. Para isso em cada uma das parcelas registou-se o diâmetro de
25 árvores, em cm. Os dados obtidos foram introduzidos nos objectos parcelaA e parcelaB
do software .
Responda às seguintes questões utilizando, sempre que possı́vel, o output do apresentado em
Anexo.
∑25
i=1 Xi 2X1 + 8X25
T1 = e T2 = ,
25 10
ANEXO
> parcelaA
[1] 45.00 36.61 41.70 ... 32.47 38.52 38.20
[13] 36.92 21.96 19.42 ... 19.10 52.20 28.65
[25] 39.79
> parcelaB
[1] 33.74 58.89 32.15 ... 45.84 49.02 29.60
[13] 58.57 47.75 62.39 ... 36.29 37.56 41.06
[25] 29.92
> shapiro.test(parcelaA-parcelaB)
> var.test(parcelaA,parcelaB)
> t.test(parcelaA,parcelaB,var.equal=T,paired=F,alternative="greater")
> t.test(parcelaA,parcelaB,var.equal=T,paired=F,alternative="less")
> t.test(parcelaA,parcelaB,paired=T,alternative="less")
Paired t-test
> t.test(parcelaA,parcelaB,paired=T,alternative="greater")
3.1. a) 0.2112
b) ≈ 0.2112
3.2. a) Como n = 100 é “grande”, pelo Teorema Limite Central, verifica-se para a média amos-
X−µ
tral, X = ∑100 X−31 30−31
i=1 Xi /n, σ / n ∼ N(0, 1) =⇒ 0.24 ∼ N(0, 1). Logo, P[X < 30] ≈ Φ( 0.24 ) =
√
Φ(−4.17) = 1 − Φ(4.17) = 1 − 1 = 0
b) Seja S100 = ∑100
i=1 Xi o peso total da amostra aleatória. Pelo Teorema Limite Central tem-se
3.3. a) x = 56.2 cm e s = 4 cm
b) 0.42074
c) 4/5=0.8 cm.
3.4. b) p
d) p̂1 = 1/3 e p̂2 = 1/2
3.5. 1082
√
3.6. ≈ 1 − Φ(0.4 12n), para n elevado
3.7. ≈ 0.01267
3.16. 18.3 e n = 12
3.18. a) 99%
3.20. a) 25.85
b) 95%
c) O IC não inclui o valor 28 m. Logo, com 95% de confiança, pode-se afirmar que o silvicultor
não tem razão na afirmação.
∑ni=1 (Xi − X)2
d) i) S2 = ii) IC para variância a 95% de confiança =]5.9; 11.7[
n−1
3.25. Resolução detalhada na colectânea de exames
3.26. a) Unidade estatı́stica: planta de tabaco; variável: no¯ de folhas por planta
b) x = 2967/150 = 19.78 e x̃ = 20
3.32. a) Verdadeira
b) Falsa
R3.2. 0.7127
R3.5. a) x = 8.179
c) n ≥ 16
R3.10. a) 29.01%
b) ]0.2765 ; 0.3037[