Intervalos de Confian A

ESTIMAO POR INTERVALO
INTERVALOS DE CONFIANA PARA MDIAS E PROPORES
Rafael Carneiro da Costa

UNIVERSIDADE FEDERAL DO CEAR - UFC
FACULDADE DE ECONOMIA, ADMINISTRAO, ATURIA E CONTABILIDADE
DEPARTAMENTO DE ECONOMIA APLICADA - DEA
Setembro 2014
Rafael Costa (CAEN)
09/14
1 / 15
A estimao por pontos de um parmetro no possui uma medida de

possvel erro cometido na estimao.
Rafael Costa (CAEN)
09/14
2 / 15

Uma maneira de expressar a preciso da estimao estabelecer
limites, que com certa probabilidade incluam o verdadeiro valor do
parmetro da populao.
Rafael Costa (CAEN)
09/14
2 / 15

Esses limites so chamados limites de conana: determinam um
intervalo de conana, no qual dever estar o verdadeiro valor do
parmetro.
Rafael Costa (CAEN)
09/14
2 / 15

Esses limites so chamados limites de conana: determinam um
intervalo de conana, no qual dever estar o verdadeiro valor do
parmetro.
Logo, a estimao por intervalo consiste na xao de dois valores,
tais que (1 ) seja a probabilidade de que o intervalo, por eles
determinado, contenha o verdadeiro valor do parmetro.
Rafael Costa (CAEN)
09/14
2 / 15
: nvel de incerteza ou grau de desconana.
Rafael Costa (CAEN)
09/14
3 / 15

1
: coeciente de conana ou nvel de conabilidade.
Rafael Costa (CAEN)
09/14
3 / 15

1
Portanto, nos d a medida da incerteza desta inferncia (nvel de

signicncia).
Rafael Costa (CAEN)
09/14
3 / 15

1
Portanto, nos d a medida da incerteza desta inferncia (nvel de

signicncia).
Logo, a partir de informao da amostra, deve-se calcular os limites
de um intervalo, valores crticos, que em (1 ) % dos casos inclua o
valor do parmetro a estimar e em % dos casos no inclua o valor do
parmetro.
Rafael Costa (CAEN)
09/14
3 / 15
INTERVALOS DE CONFIANA (IC) PARA A MDIA DE

UMA POPULAO NORMAL COM VARINCIA
CONHECIDA
Considere uma populao normal com mdia desconhecida que
deseja-se estimar e com 2 conhecida: N ?, 2 .
Rafael Costa (CAEN)
09/14
4 / 15

CONHECIDA
Procedimento para a construo do IC:
Rafael Costa (CAEN)
09/14
4 / 15

CONHECIDA
1
Retira-se uma amostra casual simples de n elementos.
Rafael Costa (CAEN)
09/14
4 / 15

CONHECIDA
1
Calcula-se a mdia da amostra x.
Rafael Costa (CAEN)
09/14
4 / 15

CONHECIDA
1
Calcula-se o desvio padro da mdia amostral: x =
Rafael Costa (CAEN)
2
n
p .
n
09/14
4 / 15

CONHECIDA
1
Calcula-se o desvio padro da mdia amostral: x =
Fixa-se o nvel de signicncia , e com ele determina-se z , tal que

P (jz j > z ) = , ou seja: P (z > z ) = 2 e P (z < z ) = 2 .
Rafael Costa (CAEN)
2
n
p .
n
09/14
4 / 15

CONHECIDA
Logo, deve-se ter:
Rafael Costa (CAEN)
09/14
5 / 15

CONHECIDA
Logo, deve-se ter:

preciso determinar a partir dessa frmula o IC.
Rafael Costa (CAEN)
09/14
5 / 15

CONHECIDA
Como z =
x
x
Rafael Costa (CAEN)
, ento P
x
x
< z = 1
09/14
6 / 15

CONHECIDA
Como z =
x
x
, ento P
x
x
< z = 1
Assim:
P (jx
P ( z .x < x
P( x
Rafael Costa (CAEN)
z .x <
<
j < z .x ) = 1
< z .x ) = 1
x + z .x ) = 1
09/14
6 / 15

CONHECIDA
Como z =
x
x
, ento P
x
x
< z = 1
Assim:
P (jx
P ( z .x < x
P( x
z .x <
<
j < z .x ) = 1
< z .x ) = 1
x + z .x ) = 1
Logo:
P (x
z .x < < x + z .x ) = 1
que a frmula do IC para a mdia de populaes normais com

varincias conhecidas.
Rafael Costa (CAEN)
09/14
6 / 15

CONHECIDA
Como z =
x
x
, ento P
x
x
< z = 1
Assim:
P (jx
P ( z .x < x
P( x
z .x <
<
j < z .x ) = 1
< z .x ) = 1
x + z .x ) = 1
Logo:
P (x
z .x < < x + z .x ) = 1
que a frmula do IC para a mdia de populaes normais com

varincias conhecidas.
Os limites citados na seo anterior so: 1 = x z .x e
2 = x + z .x .
Rafael Costa (CAEN)
09/14
6 / 15

CONHECIDA
Usando uma notao simplicada, teremos:
IC (, (1
Rafael Costa (CAEN)
) %) = ( 1 , 2 ) .
09/14
7 / 15

CONHECIDA
IC (, (1
) %) = ( 1 , 2 ) .
Selecionamos 100 amostras de mesmo tamanho n. Obtemos 100

estimativas de x, com as quais construmos 100 IC para .
Rafael Costa (CAEN)
09/14
7 / 15

CONHECIDA
IC (, (1
) %) = ( 1 , 2 ) .

Se = 5%, pode-se esperar que 95 dos IC contenham o verdadeiro
valor de e 5% no contenham o valor de .
Rafael Costa (CAEN)
09/14
7 / 15

CONHECIDA
IC (, (1
) %) = ( 1 , 2 ) .

Logo, em uma amostra qualquer, a probabilidade de que IC
determinado contenha o valor da mdia de 95%, ou temos uma
conana de 95% de que o IC determinado contenha o verdadeiro
valor de .
Rafael Costa (CAEN)
09/14
7 / 15

CONHECIDA
IC (, (1
) %) = ( 1 , 2 ) .

Logo, em uma amostra qualquer, a probabilidade de que IC
determinado contenha o valor da mdia de 95%, ou temos uma
conana de 95% de que o IC determinado contenha o verdadeiro
valor de .
Portanto, corre-se 5% de risco de que ele no contenha esse valor.
Rafael Costa (CAEN)
09/14
7 / 15

CONHECIDA
Example
De uma populao normal X , com 2 = 9, tiramos uma amostra de 25
observaes, obtendo 25
i =1 xi = 152. Determine um IC de limites de 90%
para .
Example
De uma populao de 1.000 elementos com distribuio aproximadamente
normal com 2 = 400, tira-se uma amostra de 25 elementos, obtendo-se
x = 150. Faa um IC para , ao nvel de 5%.
Rafael Costa (CAEN)
09/14
8 / 15

CONHECIDA
Example
De uma populao normal com = 5, retira-se uma amostra de 50
elementos, obtendo-se x = 42.
a) Faa um IC para , ao nvel de 5%.
b) Qual o erro de estimao ao nvel de 5%?
c) Para que o erro seja 1, com probabilidade de acerto de 95%, qual
dever ser o tamanho da amostra?
Rafael Costa (CAEN)
09/14
9 / 15
INTERVALOS DE CONFIANA PARA GRANDES

AMOSTRAS
Considere uma amostra grande quando n > 30.
Rafael Costa (CAEN)
09/14
10 / 15

AMOSTRAS

Precisamos construir IC para parmetros de populaes no normais,
com distribuies binomiais, de Poisson, de frequncias relativas, logo
de distribuies aproximadamente normais ou ento de populaes
normais com varicias desconhecidas.
Rafael Costa (CAEN)
09/14
10 / 15

AMOSTRAS

Precisamos construir IC para parmetros de populaes no normais,
com distribuies binomiais, de Poisson, de frequncias relativas, logo
de distribuies aproximadamente normais ou ento de populaes
normais com varicias desconhecidas.
Nessas condies pode-se construir, aproximadamente, o IC para o
parmetro, seguindo o modelo de IC para mdia de populaes
normais com varincias desconhecidas.
Rafael Costa (CAEN)
09/14
10 / 15

AMOSTRAS
INTERVALOS DE CONFIANA PARA PROPORES
Lembrando que quando p populacional conhecida, p

b= xn tem
distribuio p
b = N p, pq
ou pbpp : N (0, 1) assintoticamente.
n
Rafael Costa (CAEN)
09/14
11 / 15

AMOSTRAS

b= xn tem
distribuio p
b = N p, pq
n
Para construrmos o IC para pqdesconhecida, determina-se p

b0 na
pb0 .b
q0
amostra e considera-se pb =
n .
Rafael Costa (CAEN)
09/14
11 / 15

AMOSTRAS

b= xn tem
distribuio p
b = N p, pq
n

b0 na
pb0 .b
q0
n .
Logo, ao nvel de signicncia, P (jz j
Rafael Costa (CAEN)
z ) = 1
09/14
11 / 15

AMOSTRAS

b= xn tem
distribuio p
b = N p, pq
n

b0 na
pb0 .b
q0
n .
Sendo z =
p
b0 p
pb ,
Rafael Costa (CAEN)
ento P
p
b0 p
b
p
z ) = 1
z = 1
09/14
11 / 15

AMOSTRAS

b= xn tem
distribuio p
b = N p, pq
n

b0 na
pb0 .b
q0
n .
Sendo z =
p
b0 p
pb ,
ento P
p
b0 p
b
p
z ) = 1
z = 1
Desenvolvendo esta probabilidade como foi feito para a mdia,

chega-se frmula do IC para a proporo populacional p:
Rafael Costa (CAEN)
09/14
11 / 15

AMOSTRAS

b= xn tem
distribuio p
b = N p, pq
n

b0 na
pb0 .b
q0
n .
z ) = 1

Sendo z =
p
b0 p
pb ,
ento P
p
b0 p
b
p
z = 1
Desenvolvendo esta probabilidade como foi feito para a mdia,

chega-se frmula do IC para a proporo populacional p:
P (p
b0 z .pb p p
b0 + z .pb ) = 1
IC(p, (1 ) %) = [p1 , p2 ]
Rafael Costa (CAEN)
ou
09/14
11 / 15

AMOSTRAS
Example
Retira-se de uma populao uma amostra de 100 elementos e encontra-se
20 sucessos. Ao nvel de 1%, construa um IC para a proporo real de
sucessos na populao.
Example
Para se estimar a porcentagem de alunos de economia favorveis
modicao da grade curricular, tomou-se uma amostra de 100 alunos,
dos quais 80 so favorveis.
a) Faa um IC para a proporo de todos os alunos do curso favorveis
modicao ao nvel de 4%.
b) Qual o valor do erro de estimao cometido no item (a).
Rafael Costa (CAEN)
09/14
12 / 15

AMOSTRAS
IC PARA A MDIA DE POPULAES NORMAIS COM VARINCIAS
DESCONHECIDAS
Quando queremos estimar a mdia de uma populao normal com

varincia desconhecida, consideramos dois procedimentos:
Rafael Costa (CAEN)
09/14
13 / 15

AMOSTRAS
DESCONHECIDAS

1
Se n 30, usa-se a distribuio t de Student (ser visto na prxima

unidade);
Rafael Costa (CAEN)
09/14
13 / 15

AMOSTRAS
DESCONHECIDAS

1
Se n 30, usa-se a distribuio t de Student (ser visto na prxima

unidade);
Se n > 30, ento usa-se a distribuio normal com o estimador s 2 de
2 , onde
8
9
2
n
>
>
>
>
>
xi >
<
=
n
n
1
1
i =1
2
2
2
s =
(xi x ) =
xi
>
n 1 i =1
n 1>
n
i =1
>
>
>
>
:
;
ou s 2 =
Rafael Costa (CAEN)
xi2
nx 2
i =1
09/14
13 / 15

AMOSTRAS
DESCONHECIDAS
Como a amostra grande, s 2 = 2 . Assim, para

r
s2
s
x =
=p ,
n
n
P (x z .x
x + z .x ) = 1
para o IC para a mdia.
Rafael Costa (CAEN)
a frmula j conhecida
09/14
14 / 15

AMOSTRAS
DESCONHECIDAS
Example
De uma populao normal com parmetros desconhecidos, tiramos uma
amostra de tamanho 100, obtendo-se x = 112 e s = 11. Faa um IC para
ao nvel de 10%.
Example
A altura dos homens de uma cidade apresenta distribuio normal. Para
estimar a altura mdia dessa populao, levantou-se uma amostra de 150
150
150
i =1
i =1
indivduos obtendo-se xi = 25.800cm e xi2 = 4.440.075cm2 . Ao

nvel de 2%, determine um IC para a altura mdia dos homens da cidade.
Rafael Costa (CAEN)
09/14
15 / 15

Intervalos de Confian A

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Intervalos de Confian A

Загружено:

Авторское право:

Доступные форматы

ESTIMAO POR INTERVALO