ex. 3.2 (*)
Mediu-se o comprimento (em mm) da cauda de 25 ratos do campo escolhidos casualmente tendo observado um valor de \bar x para a média dessa amostra. Admita que o comprimento da cauda de um rato do campo é bem modelada por uma v.a. X com distribuição normal, variância conhecida e que [50.1,\; 52.3] representa uma estimativa intervalar, a 95% de confiança, para média \mu_X, obtido com base na amostra das 25 observações.
(a) Recorda-se que o símbolo \mu_X designa um número real que é a média populacional da distribuição da v.a. X. Assim, a seguinte proposição não faz sentido:
P(50.1 < \mu_X < 52.3)=0.95
Justifique a razão e indique a interpretação correta para o intervalo [50.1,\; 52.3].
O enunciado pretende dizer que a afirmação «a média populacional está entre 50.1 e 52.3 com 0.95 de
probabilidade»! Apesar de soar bem no ouvido, é uma afirmação falsa!
O conceito e a afirmação correta é: «95% das amostras recolhidas permitem o cálculo de um intervalo de confiança
que contém a média populacional correta».
Daqui pode deduzir-se que quando um investigador determina um intervalo, como [50.1, 52.3], ele não tem
maneira de saber se este intervalo está nos 95% de intervalos que contêm à média populacional correta.
Pode sempre dar-se o caso de ser um dos 5% de intervalos de confiança que não
contêm a média populacional correta. Tal indeterminação deriva da natureza
aleatória que a Estatística enfrenta: há sempre a possibilidade de uma conclusão errada, esperando-se
que esta seja pouco provável!
De um ponto de vista mais matemático:
O modelo matemático sob o qual foi construído o IC, indica que
95% das amostras, de tamanho n=25, vão conter o
valor correto de \mu_X que modela a média populacional,
havendo assim margem para que haja amostras que gerem intervalos que
não contenham o correto valor do parâmetro \mu_X. Não se pode dizer que há
0.95 de probabilidade de \mu_X estar nesse
intervalo. Apenas se pode afirmar que 95% das amostras vão
produzir um intervalo contendo \mu_X, e não
sabemos se [50.1,\; 52.3] contém ou não \mu_X.
(b) Se em vez de 95% fosse tomado um grau de confiança igual a 98%,
obter-se-ia um novo intervalo de confiança para a média, de maior ou
menor amplitude? Justifique.
No caso do «Z Interval», a amplitude é dada por
2 \times z_{1-\alpha/2} \times \frac{\sigma}{\sqrt{n}}
em que z_{1-\alpha/2} aumenta com o aumento de 1 - \alpha.
Resposta: maior amplitude pois esta depende diretamente do grau de confiança.
(c) Sob que condições o intervalo [50.1,\; 52.3] representa o intervalo com menor amplitude possível, com grau de confiança a 95%, para a média da v.a. X?
Há dois tipos de intervalos: Z interval e T interval.
Qual destas duas formas produz um intervalo de confiança de maior amplitude? Porquê?
Consulte
Os intervalos com base na distribuição Z\sim N(0,1) são sempre
menores que os intervalos obtidos com base na distribuição
t_{n-1}. Consulte a imagem em distribuição t de Student.
Assim, a fórmula usada para o IC para \mu deve ser a que usa
distribuição Z\sim N(0,1) e tal só é possível com
variância conhecida \sigma^2 e os dados sejam bem
modelados por populações normais.
(d) Nas condições da alínea anterior, encontre o valor observado \bar x.
Observe a expressão do IC em intervalo de confiança. Qual o ponto médio (ou ponto do meio)
do intervalo?
Para calcular o ponto médio de um intervalo [A,B] basta Calcular
a média aritmética de A e B: (A+B)/2.