Aula_Bioestatistica_2

Propaganda
Profa. Dra. Maria Ivanilde Silva Araújo
Biostatística/UFAM - Profª Maria Ivanilde
1
Probabilidade
 Experimento Aleatório
 Espaço Amostral
 Eventos
Biostatística/UFAM - Profª Maria Ivanilde
2
Experimento Aleatório
Experimentos ou fenômenos aleatórios são aqueles que,
mesmo repetidos varias vezes sob condições
semelhantes, apresentam resultados imprevisíveis.
Biostatística/UFAM - Profª Maria Ivanilde
3
Espaço Amostral
A cada experimento correspondem, em geral, vários
resultados possíveis. Assim, ao lançarmos uma moeda,
há dois resultados possíveis: ocorrer cara ou ocorrer
coroa. Já ao lançarmos um dado há seis resultados
possíveis: 1, 2, 3, 4, 5 ou 6.
Biostatística/UFAM - Profª Maria Ivanilde
4
Espaço Amostral
Ao conjunto desses resultados possíveis damos o nome
de espaço amostral ou conjunto universo,
representados por S ou .
Biostatística/UFAM - Profª Maria Ivanilde
5
Eventos
Chamamos de eventos qualquer subconjunto do espaço
amostral  de um experimento aleatório.
Biostatística/UFAM - Profª Maria Ivanilde
6
Probabilidade
Procura quantificar as
determinada situação.
incertezas
existentes
em
Não é possível fazer inferências estatísticas sem utilizar
alguns resultados da teoria das probabilidades.
Biostatística/UFAM - Profª Maria Ivanilde
7
Objetiva: Clássica
Def.: Se um evento pode ocorrer em N maneiras
mutuamente excludentes e igualmente prováveis, e se m
dessas ocorrências tem uma característica E, então a
probabilidade
de
ocorrência
de
E
é:
P(E) = m/N
Biostatística/UFAM - Profª Maria Ivanilde
8
Freqüência relativa
Def.: Se algum processo é repetido um grande número de
vezes, n, e se algum evento com característica E ocorre m
vezes, a freqüência relativa m/n é aproximadamente
igual à probabilidade de E: P(E)
Obs.: m/n é apenas uma estimativa de P(E).
Biostatística/UFAM - Profª Maria Ivanilde
9
Propriedades Gerais
Seja  um experimento aleatório e  espaço amostral
associado a . A cada evento A associa-se um número
real representado por P(A) que é denominado
probabilidade de A que satisfaça às seguintes
propriedades:
0 ≤ P(A) ≤ 1
P() = 1
Se A e B são eventos mutuamente
exclusivos então:
P(A U B) = P(A) + P(B)
Biostatística/UFAM - Profª Maria Ivanilde
10
Probabilidade com Eventos
Várias conseqüências relacionadas a P(A) decorrem
das condições citadas anteriormente.
 Se A for o evento vazio (), então:
P(A) = P() = 0
 Se A e B são dois eventos quaisquer, então:
P(A U B) = P(A) + P(B) – P(A ∩ B)
 Se for o evento complementar de A então:
P(A) = 1 – P(A)
Biostatística/UFAM - Profª Maria Ivanilde
11
Probabilidade Condicional
Sejam A e B dois eventos associados ao experimento
.
Denotaremos por P(B|A) a probabilidade
condicionada do evento B, quando A tiver ocorrido.
P( A  B)
P( B | A) 
, desde que P( A)  0.
P( A)
Biostatística/UFAM - Profª Maria Ivanilde
12
Exemplo:
Resultado do desempenho de um novo teste de diagnóstico para câncer
de mama em 200 pacientes com nódulo mamário único.
Biópsia
Novo Positivo
Teste Negativo
Positivo
Negativo
65
70
135
35
30
65
100
100
200
Sensibilidade = P(Novo Teste+| Biópsia +) = 65/100
Especificidade = P(Novo Test -| Biópsia -) = 30/100
VPP (do teste) = P(Biopsia +|NovoTest +) = 65/135
VPN (do teste) = P(Biópsia -|NovoTest -) = 30/65
Biostatística/UFAM - Profª Maria Ivanilde
13
Independência de Eventos
Dado dois eventos A e B de um espaço amostral ,
diremos que A independe de B se:
P(A | B) = P(A)
Isto é, independe de B se a ocorrência de B não afeta a
probabilidade de A.
Dois eventos A e B são chamados independentes se
P(A  B) = P(A) x P(B).
Biostatística/UFAM - Profª Maria Ivanilde
14
Variável Aleatória
Quando os valores assumidos por uma variável são o
produto de fatores casuais e estes não podem ser preditos
com exatidão, esta variável é chamada de aleatória.
Exemplo: número de alunos aprovados no primeiro
período 2014 da UFAM no curso de Odontologia.
Biostatística/UFAM - Profª Maria Ivanilde
15
Variável Aleatória
Se a variável aleatória pode assumir somente um
particular conjunto de valores (finito ou infinito
enumerável), diz-se que é uma variável aleatória
discreta.
Uma variável aleatória é dita contínua se pode assumir
qualquer valor em um certo intervalo.
Biostatística/UFAM - Profª Maria Ivanilde
16
Função de Probabilidade
É a probabilidade de que uma variável aleatória “X”
assuma o valor “x”. É representada por P(X = x) ou P(x) e
pode ser:
 Discreta
 Contínua
Biostatística/UFAM - Profª Maria Ivanilde
17
Função de Probabilidade de uma Variável Aleatória Discreta
É a função de probabilidade no ponto, ou seja, é o
conjunto de pares
(xi ; P(xi)), para i = 1, 2, ..., n, ...
Para cada possível resultado de x teremos:
(i)
0 ≤ P(x) ≤ 1
(ii)
 Px i   1

i1
Biostatística/UFAM - Profª Maria Ivanilde
18
Esperança e Variância de uma variável aleatória
discreta
Esperança de X,
EX    x iPx i 

i1
Variância de X,
2
Var X    x i  EX  .P x i 

i1
ou
Var(X) = E(X²) – [E(X)]²
onde EX2    x i2 .Px i 

i 1
Biostatística/UFAM - Profª Maria Ivanilde
19
Função de Probabilidade de uma Variável Aleatória
Contínua
É uma função de probabilidade quando X é definida
sobre um espaço amostral contínuo.
Se quisermos calcular a probabilidade de X assumir um
valor x entre “a” e “b” devemos calcular:
Pa  x  b   f x dx
b
a
Biostatística/UFAM - Profª Maria Ivanilde
20
Distribuição de Probabilidade de uma Variável Aleatória
Contínua
f(x)
x
a
b
Onde a curva limitada pela área em relação aos
valores de x é igual a 1
Biostatística/UFAM - Profª Maria Ivanilde
21
Função de Densidade de Probabilidade
A função f(x) é uma função de densidade de
probabilidade (f. d. p.) para uma v. a. contínua X,
definida nos reais quando
(i) f x   0;
(ii)

 f x dx  1;

(iii) Pa  x  b    f x  dx.
b
a
Biostatística/UFAM - Profª Maria Ivanilde
22
Distribuições de Probabilidade
 Binomial
 Poisson
 Normal
 Normal Padrão
 Qui-quadrado
 t-student
 F de Snedecor
Biostatística/UFAM - Profª Maria Ivanilde
23
Distribuição Binomial
Um experimento aleatório é
chamado
binomial se em n repetições:
1) Os ensaios são independentes;
2) Cada resultado do ensaio pode assumir somente
uma de duas possibilidades: sucesso ou fracasso;
3) A probabilidade de sucesso em cada ensaio,
denotado por p, permanece constante.
Biostatística/UFAM - Profª Maria Ivanilde
24
Distribuição Binomial
A probabilidade de obtermos exatamente x
sucessos em n tentativas é:
P  X  x    n  p x(1  p)n  x
x
x  0 ,1,...,n.
E(X) = np e Var(X) = np(1 – p)
Biostatística/UFAM - Profª Maria Ivanilde
25
Exemplo:
Uma mulher engravida 20 vezes. Qual a probabilidade de
nascerem 8 meninas?
Biostatística/UFAM - Profª Maria Ivanilde
26
Solução:
Seja X: número de sucessos (meninas);
m = nascer menina.
1
X = 0, 1, 2, ..., 20  p = P(m) =
2
1

 X~ B  20, 
2

8
12
 20  1   1 
P(X = 8) =       0,12013
 8  2   2 
Biostatística/UFAM - Profª Maria Ivanilde
27
Exemplo:
Suponha que 30% dos indivíduos de uma população
sejam contrárias a um projeto de saneamento municipal.
Se sortearmos 10 indivíduos desta população (amostra)
qual é a probabilidade estimada de que exatamente 4
indivíduos sejam favoráveis?
Seja X o nº de indivíduos favoráveis;
10 
4
6
P(X = 4) =  0,7  0,3  0,0367569  3,7%
4
Biostatística/UFAM - Profª Maria Ivanilde
28
Distribuição Normal
A distribuição normal é uma distribuição em forma
de sino que é usada muito extensivamente em
aplicações estatísticas em campos bem variados. Sua
densidade de probabilidade (f.d.p.) é dada por:
1
 1
2


f x  
exp 
x


,   x  
2

 2
 2

Biostatística/UFAM - Profª Maria Ivanilde
29
Distribuição Normal
Sua média é  e sua variância é 2. Quando X tem
uma distribuição normal com média  e variância 2,
escrevemos, de forma compacta, X  N (,2).
Biostatística/UFAM - Profª Maria Ivanilde
30
Distribuição Normal
Características:
Simétrica em relação à média  ;
A média, moda e mediana são iguais;
A área total sob a curva é igual a 1, 50% à esquerda e
50% à direita da média.
Biostatística/UFAM - Profª Maria Ivanilde
31
Distribuição Normal
A área entre  - 1 e  + 1 é aproximadamente 68%
Biostatística/UFAM - Profª Maria Ivanilde
32
Distribuição Normal
A área entre  - 2 e  + 2 é aproximadamente 95%
Biostatística/UFAM - Profª Maria Ivanilde
33
Distribuição Normal
A área entre  - 3 e  + 3 é aproximadamente 99,7%
Biostatística/UFAM - Profª Maria Ivanilde
34
Distribuição Normal
A distribuição normal é completamente determinada
pelos parâmetros  e 
Biostatística/UFAM - Profª Maria Ivanilde
35
Distribuição Normal Padrão
Caracterizada
pela
média igual a zero e desvio
padrão igual a 1.
Se X tem distribuição
normal com média  e
variância 2 então:
Z
X  

f z  
 z2 
1
exp 
,    z  
2
 2 
Biostatística/UFAM - Profª Maria Ivanilde
36
Distribuição Normal
Exemplo: (Predição de uma valor) Suponha uma população normal com
colesterol médio de 200mg% e desvio padrão de 20mg%. Qual é a
probabilidade de um indivíduo sorteado ao acaso desta população apresentar
um colesterol entre 200 e 225 mg%?
A estatística Z mede quanto um determinado
valor afasta-se da média em unidades de
desvio padrão
(quando coincide c/ a média, o escore é Z = 0)
Biostatística/UFAM - Profª Maria Ivanilde
37
Distribuição Normal
Consultando a Tabela de Distribuição normal, ou um
programa estatístico vemos que
a probabilidade de Z assumir valor entre 0 e Z = 1,25 é
0,3944 ou 39,44
Biostatística/UFAM - Profª Maria Ivanilde
38
Exemplo:
Seja X: N(100, 25). Calcular:
 = 100 e  = 5 →
X  100
Z
5
Biostatística/UFAM - Profª Maria Ivanilde
39
Solução:
a) P(100  X  106 )
P(100  X  106 ) =
106 - 100 
 100 - 100
P
Z

5
5


= P(0  Z  1,2 )
= 0,384930
Biostatística/UFAM - Profª Maria Ivanilde
40
Solução:
b) P(89  X  107)
P(89  X  107) =
107 - 100 
 89 - 100
P
Z

5
5


= P(-2,2  Z  1,4)
= P(-2,2  Z  0) + P(0  Z  1,4)
= 0,486097 + 0,419243
= 0,90534
Biostatística/UFAM - Profª Maria Ivanilde
41
Exemplo:
Sendo X: N(50, 16), determinar X tal que:
 = 50,  = 4
a) P(X  X) = 0,05
Procurando no corpo da tabela 0,45 (0,5 – 0,05),
encontramos: Z= 1,64
como
Xα  μ
Zα 
σ
→
X α  50
1,64 
4
 X= 56,56 P(X  56,56) = 0,05
Biostatística/UFAM - Profª Maria Ivanilde
42
Solução:
b) P(X  X) = 0,99
Procurando no corpo da tabela 0,49 (0,5 – 0,01),
encontramos: Z= 2,32
X α  50  X = 59,28
2,32 

4
P(X  59,28) = 0,99
Biostatística/UFAM - Profª Maria Ivanilde
43
Distribuição 2 (Qui-quadrado)
Uma v. a. contínua Y, com valores positivos, tem uma
distribuição qui-quadrado com n graus de liberdade
(denotada por χ²(n) ), se sua densidade for dada por
1

y n 21e  y 2 , y  0

f y ; n    n 22n 2

y  0.
0,
E(Y) = n, Var(Y) = 2n.
Biostatística/UFAM - Profª Maria Ivanilde
44
A Distribuição 2 (Qui-quadrado) pode ser vista
como:
 O quadrado de uma v.a. com distribuição normal
padrão é uma v.a. com distribuição 2(1) ( seja
Z~N(0,1) e considere Y = Z2. Então Y~2(1) );
 A distribuição 2n é a distribuição da soma de n
variáveis normais independentes padronizadas.
Biostatística/UFAM - Profª Maria Ivanilde
45
Distribuição t de Student
Se X  N(0, 1) e Y  2n e X e Y são independentes, então
t=
X
tem densidade dada por
Y /n
n  1 2
 n 1 2
2
1  t n 
f t ; n  
,    t  .
n 2 n
tal v. a. tem distribuição t com n graus de liberdade.
n
E(t) = 0, Var(t) =
.
n2
Biostatística/UFAM - Profª Maria Ivanilde
46
A distribuição t é uma distribuição simétrica
como a normal, um pouco mais achatada e com
caudas mais longas que a normal.
Quando o tamanho da amostra cresce, a
distribuição t se aproxima da normal.
Biostatística/UFAM - Profª Maria Ivanilde
47
Distribuição F
2
2


Se Y1  n1 e Y2  n e Y1 e Y2 são independentes, então
2
Y1 / n1
W=
Y2 / n2
tem densidade dada por
n1  n2  2  n1
g w ; n1 , n2  

n1 2n2 2  n2



n1 2
w n1 2  2
n1  n2  2 , w  0.
1  n1.f n2 
tal v. a. tem distribuição F com graus de liberdade n1 e
n2. Escrevemos WF(v,r).
n2
2n2 n1  n2  2 
E(W) =
, Var(W) =
2
n2  2
n1 n2  2  n2  4 
2
Biostatística/UFAM - Profª Maria Ivanilde
48
Distribuições de Probabilidade
0
1
2
3
4
5
6
0,0
0,0000
0,0040
0,0080
0,0120
0,0160
0,0199
0,0239
0,1
0,0398
0,0438
0,0478
0,0517
0,0557
0,0596
0,0636
0,2
0,0793
0,0832
0,0871
0,0910
0,0948
0,0987
0,1026
0,3
0,1179
0,1217
0,1255
0,1293
0,1331
0,1368
0,1406
0,4
0,1554
0,1591
0,1628
0,1664
0,1700
0,1736
0,1772
0,5
0,1915
0,1950
0,1985
0,2019
0,2054
0,2088
0,2123
0,6
0,2257
0,2291
0,2324
0,2357
0,2389
0,2422
0,2454
0,7
0,2580
0,2611
0,2642
0,2673
0,2703
0,2734
0,2764
0,8
0,2881
0,2910
0,2939
0,2967
0,2995
0,3023
0,3051
0,9
0,3159
0,3186
0,3212
0,3238
0,3264
0,3289
0,3315
1,0
0,3413
0,3438
0,3461
0,3485
0,3508
0,3531
0,3554
1,1
0,3643
0,3665
0,3686
0,3708
0,3729
0,3749
0,3770
1,2
0,3849
0,3869
0,3888
0,3907
0,3925
0,3944
0,3962
1,3
0,4032
0,4049
0,4066
0,4082
0,4099
0,4115
0,4131
1,4
0,4192
0,4207
0,4222
0,4236
0,4251
0,4265
0,4279
Probabilidade de ocorrer valor entre zero e 1,25
Biostatística/UFAM - Profª Maria Ivanilde
49
Tipos de Estimações de Parâmetros
i) Estimação Pontual
ii) Estimação Intervalar
Biostatística/UFAM - Profª Maria Ivanilde
50
Estimador e estimativa
População:
Amostra:
Média =
µ
Variância =
σ²
Proporção =
π
Média =
X
estimador de µ
Variância =
S²
estimador de σ²
Proporção =
p
estimador de π
Biostatística/UFAM - Profª Maria Ivanilde
51
Estimação intervalar
Limitação
da
estimação
pontual

desconhecimento da magnitude do erro que se
está cometendo;
Surge a idéia da construção de um intervalo que
contenha, com um nível de confiança conhecido, “
valor verdadeiro do parâmetro”;
baseado na distribuição amostral do estimador
pontual.
Biostatística/UFAM - Profª Maria Ivanilde
52
Erro Máximo da Estimativa
 Representa a diferença máxima (erro) que será
permitida entre a estimativa pontual ( X ) e o valor
verdadeiro do parâmetro que está sendo estudado (μ).
Biostatística/UFAM - Profª Maria
Ivanilde
53
Erro
Erro  X  
 X  Z 2

X
n
LI – Limite Inferior
*

S  X  Z 2

n
LS – Limite Superior
Biostatística/UFAM - Profª Maria Ivanilde
54

Intervalo de Confiança da Média Populacional

LI – Limite Inferior
LS – Limite Superior
Biostatística/UFAM - Profª Maria Ivanilde
55
Intervalo de confiança com variância
desconhecida
População
X
(µ, σ²)
amostra 1
Amostra
n1
X 1  1, 96 S x
X
X
 1,96 
X 2  1, 96 S
X  1,96 
x
X1
n2
amostra 2
Amostra
µ
x
X2
x
amostra k
Amostra
nK
X
k
 1 , 96 S
Xk
x
Biostatística/UFAM - Profª Maria Ivanilde
95% dos intervalos
Contêm µ
56
Estimação Intervalar
 É o intervalo definido pela estimativa
pontual mais ou menos o erro máximo
da estimativa.
X 
Biostatística/UFAM - Profª Maria Ivanilde
57
Média populacional, quando σ é
desconhecido
 IC para média;
 Estatística de t de Student.
X 
t 
S
n
Biostatística/UFAM - Profª Maria Ivanilde
58
Intervalo de confiança da média
 Substituindo o t
P(t / 2  t  t / 2 )  1  
P ( t / 2
X 

 t / 2 )  1  
S
n
Biostatística/UFAM - Profª Maria Ivanilde
59
Intervalo de Confiança da média
 Na tabela de t de Student
S
S 

P  X  t( n1; / 2)
   X  t( n1; / 2)
  1 
n
n

Biostatística/UFAM - Profª Maria Ivanilde
60
Amostra de tamanho n ≤ 30
 Para amostra de tamanho n ≤ 30 da população de interesse;
 Calcule os valores de X e S;
 Escolha o valor do coeficiente de confiança 1 – α ;
 Determine os valores de t(α/2;n – 1) apartir da tabela da
distribuição t de Student;
 Calcule os limites do intervalo de confiança.
Biostatística/UFAM - Profª Maria Ivanilde
61
Intervalo de Confiança da média
 Com um nível de confiança
(1   ) 100%
S
S 

; X  t( n1; / 2)
 X  t( n1; / 2)

n
n

Biostatística/UFAM - Profª Maria
Ivanilde
62
Encontre: média e desvio padrão
n
 Média
X 
X
i 1
i
n
 Desvio Padrão
n
S 
X
i 1
2
i
 n

  Xi 

  i 1
n
n 1
Biostatística/UFAM - Profª Maria Ivanilde
2
63
Como calcular o Intervalo de Confiança da
média ?
 Os intervalos de confiança da média
X

  t( n1; / 2)
S
n
Biostatística/UFAM - Profª Maria Ivanilde
64
Encontre o valor de t de Student
gl
n-1
n-1
α
0,05
0,01
2
4,303
9,925
...
...
...
8
2,306
3,355
...
...
...
1,960
2,576

Biostatística/UFAM - Profª Maria Ivanilde
65
Como calcular o intervalo de confiança
da média?
 Os intervalos inferior e superior
X

Limite Inferior  X  
Limite Superior  X  
Biostatística/UFAM - Profª Maria Ivanilde
66
Exemplo
Uma amostra de tamanho 9, extraída de uma
população normal com X = 1,0 e S = 0,264.
Construir intervalos de 95% e 99% de confiança para
média populacional.
Biostatística/UFAM - Profª Maria Ivanilde
67
Resultado
 Para 1 – α = 95%  α = 0,05; α/2 = 0,025
 graus de liberdade = 9 – 1 = 8, X = 1,0 e S = 0,264.
0, 264
  2,306
 0, 2029
9
X

[0,797; 1,203].
Biostatística/UFAM - Profª Maria Ivanilde
68
Resultado
 Para 1 – α = 99%  α = 0,01; α/2 = 0,005
 graus de liberdade = 9 – 1 = 8.
 Intervalo: ∆  [3,355(0,264/3)] =0,088
 LI=0,912
 LS=1,088
 [0,912; 1,088].
Biostatística/UFAM - Profª Maria Ivanilde
69
Resultado
 Para 1 – α = 95%  α = 0,05; gl = 9 – 1 = 8.
 Intervalo:  [0,797; 1,203].
 Para 1 – α = 99%  α = 0,01; gl = 9 – 1 = 8.
 Intervalo:  [0,705; 1,295].
 Nota: aumentando o nível de confiança, o tamanho do
intervalo também aumenta.
Biostatística/UFAM - Profª Maria Ivanilde
70
Estimação da média
 Estimativa por ponto, a qual consiste em apenas um valor da
média=1;
 O intervalo de confiança para o parâmetro (μ), estamos
fazendo uma estimativa por intervalo.
 Intervalo de 95% de confiança [0,797; 1,203];
 Intervalo de 99% de confiança [0,705; 1,295];
Biostatística/UFAM - Profª Maria Ivanilde
71
Tabela 1 Intervalos de confiança para a média de cada parâmetro
(físico e químico), das coletas realizadas em Manaus na época
seca.
São Raimundo
Educandos
Tarumã
Parâmetros Químicos e
Biológicos
Inferior
Superior
Inferior
Superior
Inferior
Superior
Limites do
CONAMA 357
pH
5,88
7,15
5,14
6,66
4,69
5,23
6a9
Cond. Elétrica
73,8
233,92
109,46
283,38
8,37
10,7
-
Turbidez
12,36
38,14
4,14
21,03
0
23,84
<40unt
O2
0,91
3,9
1,49
2,92
5,47
6,97
>6mg/L
NO3
0,1
0,25
0,08
0,3
0,02
0,06
10,0m/L
NH4
0,37
4,11
3,48
6
0
0,07
-
Ferro Total
0,31
1,56
0,61
2,83
0,06
0,37
-
Ferro Dissolvido
0,01
0,15
0
1,14
0,01
0,08
0,3mg/L
Biostatística/UFAM - Profª Maria Ivanilde
72
Tabela 2 Intervalos de confiança para a média de cada parâmetro
(físico e químico), das coletas realizadas em Manaus na época
chuvosa.
São Raimundo
Educandos
Tarumã
Parâmetros Químicos e
Biológicos
Inferior
Superior
Inferior
Superior
Inferio
r
Superior
Limites do
CONAMA 357
pH
5,32
7,1
5,15
6,66
4,6
5,24
6a9
Cond. Elétrica
66,63
218,18
92,88
249,76
6,99
13,8
-
Turbidez
2,99
31,67
68,09
274,55
0,19
12,98
<40unt
O2
1,16
2,69
1,52
4,65
6,65
7,73
>6mg/L
NO3
0,04
0,26
0,01
0,52
0,02
0,04
10,0m/L
NH4
1,26
6,44
1,59
5,35
0,13
0,21
-
Ferro Total
0,87
4,02
0,87
4,01
0,07
0,38
-
Ferro Dissolvido
0,04
0,12
0,06
0,2
0,02
0,06
0,3mg/L
Biostatística/UFAM - Profª Maria Ivanilde
73
Teoria da estimação
Estimação por intervalo
 Intervalo de confiança para a média da população quando 
é conhecido.
 Intervalo de confiança para a média da população quando 
é desconhecido.
 Intervalo de confiança para a variância da população.
 Intervalo de confiança para o desvio-padrão da população.
 Intervalo de confiança para uma proporção populacional
Biostatística/UFAM - Profª Maria Ivanilde
74
Exercício prático
 Considerando-se que uma amostra de cem elementos
extraídas de uma população aproximadamente normal, cujo
desvio-padrão é igual a 2,0, forneceu média x =35,6,
construir um intervalo de 95% de confiança para a média
dessa população
Biostatística/UFAM - Profª Maria Ivanilde
75
Download