1

INSTITUTO SUPERIOR DE CONTABILIDADE E AUDITORIA DE MOÇAMBIQUE

Disciplina: Estatistica II Data: 13.05.2023

Curso: LCA, LCFin, LCPA e LCF Duração: 2 horas

Ano/Semestre: 2º Ano/1 º Semestre Docente: Grupo dedisciplina
Teste II-Variante I
GUIÃO DE CORRECÇÃO

Inferência Estatística é fazer afirmações sobre características de uma população, baseando-se em resultados de uma amostra

1. Diga qual é a diferença entre testes paramétricos e não – paramétricos. (2.5 val)
 Testes Paramétricos: são procedimentos matemáticos para testes de hipóteses, onde a aplicação das suas
técnicas exigem suposições de normalidade quanto à distribuição da variável populacional. Esses testes são
apenas aplicados a dados numéricos; (1.25 val)
 Testes Não-paramétricos: São procedimentos matemáticos para testes de hipóteses que, diferentemente da
testes paramétricos, não fazem suposições sobre distribuição de probabilidade das variáveis a serem
consideradas. Os testes Não-Paramétricos podem ser aplicados a uma ampla diversidade de situações, porque
não exigem populações distribuídas normalmente, podem frequentemente ser aplicados a dados não-numéricos.
(1.25 val)

2. O director comercial de uma cadeia de lojas pretende comparar duas técnicas de vendas, A e B, para o mesmo produto.
Utilizando a técnica de vendas A a quantidade do produto vendido por dia é em média de 816 Kg com um desvio
padrão de 45 Kg. Adoptando a nova técnica de vendas B espera-se aumentar a quantidade de vendas diárias. Para
testar tal hipótese registou-se a quantidade diária de vendas do produto durante 50 dias, obtendo-se um valor médio
de 839 Kg. Pode aceitar-se a hipótese ao nível de significância de 1%?
(3.0 val)
Resolução:
Do problema temos:
𝜇0 = 816; σ0 = 45; 𝑛 = 50; 𝑥̅ = 839 𝑒 𝛼 = 0.01 (𝟎. 𝟐 𝐯𝐚𝐥)
1º passo: Formular hipóteses
H0 : 𝜇 = 816 (𝐴 𝑞𝑢𝑎𝑛𝑡𝑖𝑑𝑎𝑑𝑒 𝑚é𝑑𝑖𝑎 𝑑𝑜 𝑝𝑟𝑜𝑑𝑢𝑡𝑜 𝑣𝑒𝑛𝑑𝑖𝑑𝑜 𝑝𝑜𝑟 𝑑𝑖𝑎 é 𝑑𝑒 816 𝐾𝑔 𝑝𝑒𝑙𝑜 𝑚é𝑡𝑜𝑑𝑜 𝐴) (𝟎. 𝟐 𝐯𝐚𝐥)
{
H1 : 𝜇 > 816 (A quantidade média do produto vendido por dia é superior a 816 Kg pelo método B) (𝟎. 𝟑 𝐯𝐚𝐥)
2º passo: Fixar o limite de erro α e identificar a distribuíção amostral
Nota que a variança populacional é conhecida, então:
 2

𝜎2
Para 𝛼 = 0.01; 𝑥̅ ~𝑁 (𝜇 =; ) (𝟎. 𝟏 𝐯𝐚𝐥)
𝑛

3º passo: Com os elementos amostrais, calcular o valor da variável do teste

𝑥̅ − 𝜇0 839 − 816
𝑍𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑜 = 𝜎 (𝟎. 𝟐 𝐯𝐚𝐥) = 45
(𝟏. 𝟎 𝐯𝐚𝐥) = 3.61 (𝟎. 𝟐 𝐯𝐚𝐥)
√𝑛 √50
4º passo: Com o auxílio da tabela de distribuíção normal padrão, determinar a RC (região crítica) e RA (região
de aceitação) para 𝐻0
Trata-se de um teste unicaudal direito, logo 𝑍𝑐𝑟í𝑡𝑖𝑐𝑜 = 𝑍𝛼 = 𝑍0.01 = 2.33 (𝟎. 𝟏 𝐯𝐚𝐥)
(𝟎. 𝟐 𝐯𝐚𝐥)

5º passo: Tomada de decisão

Como 𝑍𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑜 =3.61> 𝑍𝑐𝑟í𝑡𝑖𝑐𝑜 = 2.33, rejeita-se o 𝐻0 (𝟎. 𝟐 𝐯𝐚𝐥)
6º passo: Conclusão
A um nível de significância de 1%, há evidências suficientes para afirmar que com a nova técnica de vendas B,
as quantidade de vendas diárias aumentaram significativamente. (𝟎. 𝟑 𝐯𝐚𝐥)

3. Certo produto embalado por uma empresa apresenta distribuição normal com desvio padrão de 8g. A máquina de
embalar passou por uma revisão e o técnico afirma que a variabilidade diminui após a calibração. Foi selecionada uma
amostra aleatória de 12 observações e foram obtidos os seguintes resultados: 500g; 492g; 490g; 502g; 505g; 493g;
500g; 498g; 494g; 509g; 491g; 497g. Testar a afirmação do técnico, ao nível de significância de 1%. (4.5 val)
Resolução:
Pelos dados temos:
𝜎0 = 8; 𝑛 = 12; 𝑆 = 5.9; 𝛼 = 0.01 (𝟎. 𝟓 𝐯𝐚𝐥)
1º Passo: Formulação de hipóteses:
𝐻0 : 𝜎 2 = 82 (𝐴 𝑣𝑎𝑟𝑖𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑𝑒 é 𝑑𝑒 82 𝑔2 𝑎𝑛𝑡𝑒𝑠 𝑑𝑎 𝑐𝑎𝑙𝑖𝑏𝑟𝑎çã𝑜 𝑑𝑎 𝑚á𝑞𝑢𝑖𝑛𝑎) (𝟎. 𝟑𝐯𝐚𝐥)
{
𝐻1 : 𝜎 2 < 82 (𝑎 𝑣𝑎𝑟𝑖𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑𝑒 𝑑𝑖𝑚𝑖𝑛𝑢𝑖 𝑎𝑝ó𝑠 𝑎 𝑐𝑎𝑙𝑖𝑏𝑟𝑎çã𝑜 𝑑𝑎 𝑚á𝑞𝑢𝑖𝑛𝑎) (𝟎. 𝟒 𝐯𝐚𝐥)
2º Passo: Identificação da distribuição amostral
𝑃𝑎𝑟𝑎 𝛼 = 0.01; 𝜒 2 ~𝜒 2 𝑛−1 (𝟎. 𝟐 𝐯𝐚𝐥)
3º Passo: Determinação da estatística do teste
 3

(𝑛 − 1) ∗ 𝑆 2 11 ∗ 5.92
𝜒 2 𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑜 = ( 𝟎. 𝟐 𝐯𝐚𝐥 ) = (𝟏. 𝟓 𝐯𝐚𝐥) = 5.98 (𝟎. 𝟐 𝐯𝐚𝐥)
𝜎20 82
4º Passo: Determinação dos valores críticos e região de aceitação ou rejeição da Hipótese nula.
Sabe se que o nível de significância é de 1% e o teste é uni-caudal esquerdo, pela tabela de distribuição
Qui-Quadrado temos:
𝜒 21−𝛼;𝑛−1 = 𝜒 21−0.01;12−1 = 𝜒 2 0.99;11 = 3.053 (𝟎. 𝟐 𝐯𝐚𝐥)

(𝟎. 𝟑 𝐯𝐚𝐥)

5º Passo: Decisão
Como 𝜒 2 𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑜 = 5.98 > 𝜒 2 0.99;11 = 3.053, não se rejeita a hipótese nula (𝟎. 𝟒 𝐯𝐚𝐥)
6ª Passo: Conclusões
A um nível de significância de 1%, pode se afirmar que a variabilidade não diminuiu após a calibração da
máquina. (𝟎. 𝟑 𝐯𝐚𝐥)

4. Os pesos (em kg) de vinte suínos que foram separados em dois grupos e alimentados com rações diferentes são
apresentados a seguir. Concluir se existem evidências de que as rações propiciaram ganhos de peso médios diferentes,
ao nível de significância de 5%. (6.0 val)

Ração A: 6.5; 5.8; 5.3; 5.9; 6.7; 7.0; 7.2; 6.8; 6.8; 6.9
Ração B: 5.0; 6.0; 7.3; 7.5; 8.9; 9.0; 9.6; 8.9; 9.9; 6.2
Resolução
Pelos dados temos:
𝑆𝑒𝑗𝑎 𝑛1 = 𝑅𝑎çã𝑜 𝐴 𝑒 𝑛2 = 𝑅𝑎çã𝑜 𝐵
𝑛1 = 10; 𝑥̅1 = 6.49; 𝑆 21 = 0.379; 𝑛2 = 10; 𝑥̅2 = 7.83; 𝑆 2 2 = 2.831 (𝟎. 𝟑 𝐯𝐚𝐥)
Nota que nada sab-see sobre a homogeidade das população, então primeiros temos que testar a hipótese para a
igualdade das varianças.
1º Passo: Formulação de hipóteses:
𝐻0 : 𝜎 21 = 𝜎 2 2 (𝐴𝑠 𝑝𝑜𝑝𝑢𝑙𝑎çõ𝑒𝑠 𝑠ã𝑜 ℎ𝑜𝑚𝑜𝑔ê𝑛𝑒𝑎𝑠) (𝟎. 𝟏 𝐯𝐚𝐥)
{
𝐻1 : 𝜎 21 ≠ 𝜎 2 2 (𝐴𝑠 𝑝𝑜𝑝𝑢𝑙𝑎çõ𝑒𝑠 𝑠ã𝑜 ℎ𝑒𝑡𝑒𝑟𝑟𝑜𝑔ê𝑛𝑒𝑎𝑠) (𝟎. 𝟏 𝐯𝐚𝐥)
2º Passo: Identificação da distribuição amostral
𝑃𝑎𝑟𝑎 = 0.05; 𝐹~𝐹𝑛1 −1;𝑛1 −1 (𝟎. 𝟏 𝐯𝐚𝐥)
 4

3º Passo: Determinação da estatística do teste

𝑆 21 0.379
𝐹𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑜 = 2
(𝟎. 𝟐 𝐯𝐚𝐥) = (𝟎. 𝟓 𝐯𝐚𝐥) = 0.1339 (𝟎. 𝟏 𝐯𝐚𝐥)
𝑆 2 2.831
4º Passo: Determinação dos valores críticos e região de aceitação ou rejeição da Hipótese nula
Sabe-se que o nível de significância é de 5% e o teste é bi-caudal, pela tabela de distribuição F temos:
𝐹𝛼; 𝑛 = 𝐹0.025; 9;9 = 4.03 (𝟎. 𝟏 𝐯𝐚𝐥)
2 1 −1;𝑛2 −1

1 1 1
𝐹1−𝛼; 𝑛 = = = = 0.248 (𝟎. 𝟏 𝐯𝐚𝐥)
2 1 −1;𝑛2 −1 𝐹𝛼; 𝑛 𝐹0.025; 9;9 4.03
2 2 −1;𝑛1 −1;

(𝟎. 𝟐 𝐯𝐚𝐥)

5º Passo: Decisão
Como 𝐹𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑜 = 0.1339 ∈ 𝑅𝑒𝑔𝑖ã𝑜 𝑑𝑒 𝑅𝑒𝑗𝑒𝑖çã𝑜, logo, rejeita-se a hipótese nula. (𝟎. 𝟏 𝐯𝐚𝐥)
6ª Passo: Conclusões
A um nível de significância de 5%, pode se afirmar que as varianças são desconhecidas e diferente, isto é, as
populações são heterrogêneas. (𝟎. 𝟏 𝐯𝐚𝐥)
Em seguida o teste de igualdade das médias:
1º Passo: Formulação de hipóteses:
𝐻0 : 𝜇1 = 𝜇2 (𝟎. 𝟐 𝐯𝐚𝐥)
{
𝐻1 : 𝜇1 ≠ 𝜇2 (𝟎. 𝟐 𝐯𝐚𝐥)
2º Passo: Identificação da distribuição amostral
𝑁𝑜𝑡𝑎 𝑞𝑢𝑒 (𝑛1 ∩ 𝑛2 ) < 30, 𝐿𝑜𝑔𝑜 𝑝𝑎𝑟𝑎 𝛼 = 0.05, 𝑡~𝑡𝐺𝑙 (𝟎. 𝟐 𝐯𝐚𝐥)
3º Passo: Determinação da estatística do teste
(𝑥̅1 − 𝑥̅2 ) − (𝜇1 − 𝜇2 ) (6.49 − 7.83)
𝑡𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑜 = (𝟎. 𝟐 𝐯𝐚𝐥) = (𝟏. 𝟐 𝐯𝐚𝐥) = −2.365 (𝟎. 𝟐 𝐯𝐚𝐥)
𝑆2 𝑆2
√ 1+ 2 √0.379 + 2.831
𝑛1 𝑛2 10 10
4º Passo: Determinação dos valores críticos e região de aceitação ou rejeição da Hipótese nula
Sabe-se que o nível de significância é de 5% e o teste é bilateral com varianças desconhecidas e diferentes, então:
2
𝑆2 𝑆2 0.379 2.831 2
( 𝑛 1 + 𝑛 2) ( 10 + 10 )
1 2
𝐺𝑙 = 2 2
(𝟎. 𝟐 𝐯𝐚𝐥) = (𝟎. 𝟕 𝐯𝐚𝐥) = 11 (𝟎. 𝟏 𝐯𝐚𝐥)
𝑆2 𝑆2 0.379 2 2.831 2
( 1) ( 2) ( 10 ) ( 10 )
𝑛1 𝑛2 +
+ 9 9
𝑛1 − 1 𝑛2 − 1
 5

𝑡𝛼; 𝐺𝑙 = 𝑡0.25;11 = ±2.201 (𝟎. 𝟐 𝐯𝐚𝐥)

2

(𝟎. 𝟐 𝐯𝐚𝐥)

5º Passo: Decisão
Como 𝑡𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑜 = −2.365 ∈ 𝑅𝑅, Logo rejeita-se a hipótese nula. (𝟎. 𝟐 𝐯𝐚𝐥)
6ª Passo: Conclusões
A um nível de significância de 5%, não há evidências suficientes de que as rações propiciaram ganhos de peso médios
diferentes. (𝟎. 𝟐 𝐯𝐚𝐥)

5. Uma empresa que presta serviços de acessória a outras empresas está interessada em comparar taxa de reclamações
sobre os seus serviços em dois dos seus escritórios em duas cidades diferentes. Suponha que a empresa tenha
seleccionado aleatoriamente 100 serviços realizados pelo escritório da cidade A e foi constatado que em 12 deles
houve algum tipo de reclamação. Já do escritório da cidade B foram seleccionados 120 serviços e 18 receberam algum
tipo de reclamação. A empresa deseja saber a um nível de significância de 5%, se estes resultados são suficientes para
se concluir que os dois escritórios apresentam diferenças significativas entre suas taxas de reclamações. (4.0 val)
Resolução:
Do problema temos:
𝑆𝑒𝑗𝑎 𝑛1 = 𝑆𝑒𝑟𝑣𝑖ç𝑜𝑠 𝑑𝑜 𝑒𝑠𝑐𝑟𝑖𝑡ó𝑟𝑖𝑜 𝑑𝑎 𝑐𝑖𝑑𝑎𝑑𝑒 𝐴 𝑒 𝑛2 = 𝑆𝑒𝑟𝑣𝑖ç𝑜𝑠 𝑑𝑜 𝑒𝑠𝑐𝑟𝑖𝑡ó𝑟𝑖𝑜 𝑑𝑎 𝑐𝑖𝑑𝑎𝑑𝑒 𝐵
12 18
𝑛1 = 100; 𝑃1 = = 0.12; 𝑛2 = 120; 𝑃2 = = 0.15; 𝛼 = 0.05 (𝟎. 𝟒 𝐯𝐚𝐥)
100 120
1º passo: Formular hipóteses
𝐻0 : 𝜋𝐴 = 𝜋𝐵 (𝐴𝑠 𝑡𝑎𝑥𝑎𝑠 𝑑𝑒 𝑟𝑒𝑐𝑙𝑎𝑚𝑎çõ𝑒𝑠 𝑒𝑛𝑡𝑟𝑒 𝑎𝑠 𝑐𝑖𝑑𝑎𝑑𝑒𝑠 𝐴 𝑒 𝐵 𝑛ã𝑜 𝑠𝑒 𝑑𝑖𝑓𝑒𝑟𝑒𝑚) (𝟎. 𝟐 𝐯𝐚𝐥)
{
𝐻1 : 𝜋𝐴 ≠ 𝜋𝐵 (𝐻á 𝑑𝑖𝑓𝑒𝑟𝑒𝑛ç𝑎𝑠 𝑒𝑛𝑡𝑟𝑒 𝑎𝑠 𝑡𝑎𝑥𝑎𝑠 𝑑𝑒 𝑟𝑒𝑐𝑙𝑎𝑚𝑎çõ𝑒𝑠 𝑒𝑛𝑡𝑟𝑒 𝑎𝑠 𝑐𝑖𝑑𝑎𝑑𝑒𝑠 𝐴 𝑒 𝐵) (𝟎. 𝟒 𝐯𝐚𝐥)
2º passo: Fixar o limite de erro 𝛼, e identificar a variável de teste
𝑃1 ∗(1−𝑃1 ) 𝑃 ∗(1−𝑃 )
Para 𝛼 = 0.05; (𝑃1 − 𝑃2 ) ≈ 𝑁 (𝜋1 − 𝜋2 ; 𝑛1
+ 2 𝑛 2 ) (𝟎. 𝟐 𝐯𝐚𝐥)
2

Z: variável normal padrão

3º passo: Com os elementos amostrais, calcular o valor da variável do teste

(𝑝1 − 𝑝2 ) − (𝜋1 − 𝜋2 ) (0.12 − 0.15)

𝑍𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑜 = (𝟎. 𝟐 𝐯𝐚𝐥) = (𝟏. 𝟒 𝐯𝐚𝐥)
𝑝 ∗ (1 − 𝑝1 ) 𝑝2 ∗ (1 − 𝑝2 )
√ 1 + √0.12 ∗ 0.88 + 0.15 ∗ 0.85
𝑛1 𝑛2 100 120
𝑍𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑜 = −0.6517 (𝟎. 𝟐 𝐯𝐚𝐥)
 6

4º passo: Com o auxílio da tabela de distribuíção normal padrão, determinar a RC (região crítica) e RA (região de
aceitação) para 𝐻0
Trata-se de um teste bicaudal, onde 𝑍𝑐𝑟í𝑡𝑖𝑐𝑜 = 𝑍𝛼 = 𝑍0.025 = ±1.96 (𝟎. 𝟐 𝐯𝐚𝐥)
2
(𝟎. 𝟐 𝐯𝐚𝐥)

5º passo: Tomada de decisão

𝐶𝑜𝑚𝑜, 𝑍𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑜 = −0.6517 ∈ 𝑅𝐴, logo não se rejeita o 𝐻0 (𝟎. 𝟐 𝐯𝐚𝐥)
6º passo: Conclusão
A um nível de significância de 5%, há evidências suficientes para concluír que não há diferenças significativas entre as taxas
de reclamação dos escritórios das cidades. (𝟎. 𝟒 𝐯𝐚𝐥)