Enunciado

Fabricante de um shampoo sabe que os consumidores gostam que esses produtos espumem bastante. 10 amostras de tubos do produto foram selecionados ao acaso e as alturas (milímetros) observadas da espuma são dadas a seguir: 210,215,194,195,211, 201,198,204,208 e 196.

  1. A evidência que suporte a suposição de que a altura da espuma seja normalmente distribuída?
  2. Encontre um e C de 95% para altura média da espuma
  3. Encontre o intervalo de previsão de 95% para o próximo tubo de shampoo que será testado.
  4. Encontre o intervalo que contenha 95% das alturas de espuma do shampoo com 99% de confiança.
  5. Explique a diferença nos intervalos calculados nos itens BC e D

Passo 1

Vamos lá pessoal, se liga aqui como que resolve essa questão:

Um gráfico de probabilidade normal é um método gráfico para determinar se os dados da amostra estão em conformidade com uma distribuição normal hipotética com base em um exame visual subjetivo dos dados.

Para construir um gráfico de probabilidade, as observações na amostra são as primeiras classificados do menor ao maior. Ou seja, a amostra x 1 ,   x 2 , . . . ,   x n está organizado como x ( 1 ) , x ( 2 ) , . . . ,   x ( n ) onde x ( 1 ) é a menor observação, x ( 2 ) é a segunda menor observação e assim por diante com x ( n ) sendo a maior. A frequência cumulativa para observação em x ( i ) é:

i - 0.5 n

Uma probabilidade normal é construída em eixos ordinários traçando as pontuações normais padronizadas z i contra x ( i ) onde as pontuações normais padronizadas satisfazem

i - 0.5 n = P Z < z i = Φ z i

Passo 2

Nos eixos horizontais estão os valores x 1 , x 2 , … , x n . Se a distribuição hipotética descreve adequadamente os dados, os pontos traçados cairão aproximadamente ao longo de uma linha reta. Se os pontos traçados desviarem significativamente da linha reta, o modelo hipotético não é apropriado.

Na forma descrita anteriormente, construímos um gráfico de probabilidade normal com base

nas observações 210,215,194,195,211,201,198,204,208 ,  and  196

O gráfico de probabilidade normal não contém curvatura forte e o padrão é aproximadamente linear, então podemos concluir que os valores dos dados são aproximadamente normalmente distribuídos.

Passo 3

A média da amostra é:

x - = 1 10 ∑ i = 1 10   x i = 203.2

O desvio padrão é:

s = ∑ i = 1 n   x i - x - 2 n - 1 1 2 = ∑ i = 1 10   x i - 203.2 2 9 1 2 = 7.495

Suponha que X 1 , X 2 , . . . ,   X n é uma amostra aleatória de uma população normal. Queremos prever o valor X n + 1 uma única observação futura. Uma previsão de X n + 1 é X ^ , a média da amostra.

Se x _ e s são a média e o desvio padrão de uma amostra aleatória de uma distribuição normal com variância desconhecida σ 2 , um intervalo de confiança 100 ( 1 - α ) % em μ   é dado por

x - - t a 2 , n - 1 s n ≤ μ ≤ x - + t a 2 , n - 1 s n

onde, t α 2 , n - 1 é o ponto percentual superior 100 α 2 da distribuição t com n - 1 graus de liberdade.

Passo 4

Letra b:

Agora, precisamos encontrar um IC de 95% na média da população, então

α 2 = 1 - 0.95 2 = 0.025 ⇒ t 0 2 , n - 1 = t 0.025,9 = 2.262

Das equações, temos:

203.2 - 2.262 7.495 10 ≤ μ ≤ 203.2 + 2.262 7.495 10

Portanto, um IC de 95% na média da população é

197.84 ≤ μ ≤ 208.56

Um intervalo de predição (IP) de 100 ( 1 - α ) % em uma única observação futura de uma distribuição normal é dada por

x - - t a 2 , n - 1 s 1 + 1 n ≤ X n + 1 ≤ x - + t a 2 , n - 1 s 1 + 1 n

Passo 5

Letra c:

Sabemos que o nível de confiança é 95% e o tamanho da amostra é n = 10. Portanto,

α 2 = 1 - 0.95 2 = 0.025 t a 2 , n - 1 = t 0.025,9 = 2.262

Sabemos que o desvio padrão s = 8.42 e a média da amostra x _ = 25.12 , então da equação anterior, obtemos

203.2 - 2.262 × 7.495 1 + 1 10 ≤ X 11 ≤ 203.2 + 2.262 × 7.495 1 + 1 10

Portanto, um intervalo de predição de 95% é

185.419 ≤ X 11 ≤ 220.981

Um intervalo de tolerância para capturar pelo menos γ % dos valores em uma distribuição normal com nível de confiança 100 ( 1 - α ) % é

x - - k s , x - + k s

onde k é um fator de intervalo de tolerância encontrado na Tabela XII do Anexo. Os valores são dados para γ = 90 % ,   95 % e 99 % e para 90 % ,   95 %   e 99 % de confiança.

Passo 6

Letra d

Primeiro, nós achamos o valor de k. Sabemos que o nível de confiança é 99% e γ = 95 % , o tamanho da amostra é n = 10. Portanto, da Tabela XII do Apêndice, o valor de k é:

k = 4.265

Agora, da equação, um intervalo de tolerância é

203.2 - 4.265 × 7.495,203.2 + 4.265 × 7.495 ( 171.233,235.167 ) .

Passo 7

Letra e:

Da parte b), c) e d), concluímos que a duração do intervalo de tolerância é mais longo do que a duração do intervalo de predição e a duração do intervalo de predição é maior do que a duração do intervalo de confiança.

Resposta

  1. Ver resolução
  2. 197.84 ≤ μ ≤ 208.56
  3. 185.419 ≤ X 11 ≤ 220.981
  4. 171.233,235.167
  5. Ver resolução
Ver Outros Exercícios desse livro

Exercícios de Livros Relacionados

Os resultados de um teste de turvação de Wagner realizado em 15 amostras de areia de teste-padrão de Otawa foram (em microampères):a. É plausível que essa amostra tenha sido selecionada de uma distrib
As seguintes observações foram feitas sobre a dureza de fratura de uma placa de base de 18 % de níquel em aço inoxidável ["Fracture Testing of Weldments", ASTM Special Publ. n ° 381,1965 , p. 328 - 35
Determine os valores das seguintes quantidades:a. χ 0,1.15 2 b. χ 0,1.25 2 c. χ 0,01.25 2 d. χ 0,005.25 2 e. χ 0,99.25 2 f. χ 0,995.25 2
A quantidade de expansão lateral (mils) foi determinada para uma amostra de n = 9 soldas de arco de gás metálico acionado por pulsos usados em tanques de carga de navio LNG. O desvio padrão da amostra
Determine o seguinte:a. O 95 ∘ percentil da distribuição qui-quadrada com ν = 10 b. O 5 2 percentil da distribuição qui-quadrada com ν = 10 c. P 10,98 ≤ χ 2 ≤ 36,78 , onde χ 2 é uma va qui-quadrada c