Estatistica-Aula20 Inferencia Estatistica

UNIVERSIDADE FEDERAL DE PERNAMBUCO
CENTRO ACADMICO DO AGRESTE

CURSO DE ENGENHARIA CIVIL
Estatstica
Estatstica:
A Estatstica uma cincia que tem como objetivo a
tomada de deciso em situaes de incerteza.
ESTATSTICA
Aula 20 - Inferncia
Descritiva
Trata da coleta, organizao e descrio de dados.
Probabilidade
Defini um modelo matemtico probabilstico que seja
conveniente a descrio e interpretao de fenmenos aleatrios.
Inferncia
Preocupa-se em fazer afirmaes e/ou testar hipteses sobre
caractersticas numricas em situaes de incerteza.
Prof. Anderson Paiva

18/11/2014
Slide 2
Estatstica
Inferncia Estatstica
Na Estatstica, a incerteza existe quando se

quer fazer alguma afirmao a respeito de alguma
caracterstica populacional baseada em
informaes extradas de dados amostrais.
Neste caso, a aplicao da Teoria das
Probabilidades de fundamental importncia para
a soluo de problemas de Inferncia Estatstica.
Slide 3
Objetivo: tirar concluses sobre uma populao

com base na informao de uma amostra.
estimao
testes de hipteses
Slide 4
Parmetro
Populao
A populao um conjunto formado por todos os
elementos que possuem pelo menos uma caracterstica em
comum observvel.
Amostra
A Amostra apenas uma parte da populao, ou seja,
qualquer subconjunto no vazio da populao.
Slide 5
uma medida numrica que descreve uma caracterstica da

populao, ou ainda, que obtida a partir de todos os dados
populacionais (atravs de um censo).
Ex.: Identificando a populao pela varivel aleatria X, seriam
parmetros a Mdia de X ( ou E(X)) e a sua Varincia ( ou
Var(X)).
Estatstica
uma medida que descreve uma caracterstica numrica
da amostra, ou ainda, que obtida a partir de dados amostrais, e que
ser usada para extrair informaes sobre a populao.
Ex.: mdia amostral (X), varincia amostral (S), etc.
Slide 6
Parmetro x Estatstica
Estimador
Combinao dos elementos da amostra, construda com a
finalidade de representar, ou estimar, um parmetro de interesse na
populao.
Ex.: mdia amostral (X) estimador de ; desvio-padro.
Estimativa
Valor numrico assumido pelo estimador.
Ex.: x o valor de X para a amostra observada.
Slide 7
Slide 8
Estudamos algumas distribuies tericas de

probabilidade.
Probabilidade: os parmetros da distribuio
eram conhecidos calculamos probabilidades
Inferncia: os valores desses parmetros no so
conhecidos.
A amostra deve ser representativa da populao
da qual ela selecionada.
Se no for, as concluses extradas sobre a
populao podem estar distorcidas.
Ex: Considere as seguintes situaes:

1. Populao: os eleitores da cidade de Campina Grande
Amostra: 650 eleitores escolhidos aleatoriamente (ao acaso)
Caracterstica de interesse: percentual de eleitores que planejam
votar num candidato X nas prximas eleies.
2. Populao: automveis Uno Mille produzidos em 1995
Amostra: todos os automveis produzidos em agosto de 1995
Caractersticas de interesse: nmero de defeitos apresentados nos
primeiros 3 meses de uso, quilometragem mdia e uma possvel
relao entre estas duas variveis.
Os parmetros no apresentam incerteza sobre seu real valor. Por
outro lado, as estatsticas podem apresentar diferentes valores, se
obtidas a partir de diversas amostras.
Slide 9
Slide 10
Seleo de Amostras
Amostras Probabilsticas
O primeiro passo para fazer inferncias corretas utilizando

amostragem, fazer o levantamento dessas amostras de maneira
adequada.
A seleo de uma amostra vista como resultado de um

experimento aleatrio e cada valor observado xi o resultado de uma
varivel aleatria Xi.
Tipos de Amostras
Amostras Probabilsticas
Cada item da amostra tem a mesma chance de ser
selecionado que os demais.
Amostras No Probabilsticas
Cada item selecionado no possui a mesma chance de ser
selecionado que os demais.
Slide 11
As variveis aleatrias (X1, X2, ..., Xn) so uma amostra aleatria

de tamanho n, se:
a. Os Xis forem variveis aleatrias independentes e
b. Cada Xi tiver a mesma distribuio de probabilidades
Slide 12
Seleo de Amostras
Amostras Probabilsticas serviro como base para a correta
estimao dos parmetros da populao a qual se referem.
Tipos de Amostras Probabilsticas

Amostra Aleatria Simples
Amostra Aleatria Sistemtica
Amostra Aleatria Estratificada.
Slide 13
Amostra Aleatria Simples

Cada elemento da Populao selecionado de maneira
aleatria.
Exemplo:
Pesquisa em uma empresa com 5000 empregados,
deseja-se selecionar uma amostra de 100 pessoas.
Slide 14
Amostra Aleatria Sistemtico

O primeiro elemento da Populao selecionado de
maneira aleatria os demais de acordo com alguma lei de
formao.
Amostra Aleatria Estratificado

A populao dividida em estratos com mesmas
caractersticas. So selecionados os elementos da amostra
de maneira aleatria e os parmetros resultantes sero
agregados de forma proporcional.
Exemplo:
Empresa com 5000 empregados, deseja-se selecionar
uma amostra de 100 pessoas. Ordena-se os empregados, o
primeiro selecionado e os outros sero escolhidos
somando 15 a ordenao.
Slide 15
Exemplo:
Pesquisa Eleitoral.
Slide 16
Amostra Aleatria Simples (AAS)

Variveis aleatrias X1;X2; ...;Xn constituem uma
amostra aleatria simples de tamanho n, ou simplesmente
amostra aleatria (A.A.) de uma varivel aleatria (V.A.)
X, quando satisfazem as seguintes condies:
Amostra Aleatria Simples (AAS)

Ex: Considere uma populao formada pelos seguintes
elementos {1; 3; 5; 5; 7}. Considere a varivel X: valor
assumido pelo elemento na populao. Assim, a
distribuio de probabilidade de X dada por:
1) As variveis aleatrias X1;X2; ...;Xn so independentes,

2) Cada uma das variveis aleatrias Xi, i = 1; 2; ...; n tm
a mesma distribuio de probabilidade da varivel X.
Slide 17
Slide 18
Considere todas as amostras possveis de tamanho 2, com

reposio, da populao cuja distribuio dada acima.
Alm disso considere X1 o nmero selecionado na
primeira extrao e X2 o nmero selecionado na segunda
extrao. Assim, podemos construir a distribuio de
probabilidades conjunta de (X1;X2) e as distribuies
marginais de X1 e X2. Observe que X1 e X2 so
independentes e tm distribuies iguais distribuio de
X.
Slide 19
Distribuio de probabilidades conjunta de (X1;X2)
Slide 20
Distribuio Amostral
Distribuio Amostral
Dada uma amostra aleatria X1;X2; ...;Xn de uma populao X,

definiremos uma estatstica T como qualquer funo de X1;X2; ...;Xn
, ou seja T = f(X1;X2; ...;Xn).
Assim, dada uma amostra aleatria X1;X2; ...;Xn , um exemplo de
estatstica seria a mdia amostral
Considerando o exemplo anterior, podemos construir a distribuio

de algumas estatsticas, como por exemplo a distribuio de
e S =
, por ex.
Assim teramos,
Sendo X1;X2; ...;Xn uma amostra aleatria da varivel X, uma

pergunta natural seria o que acontece com a estatstica T quando
retiramos todas as amostras de uma populao conhecida segundo um
plano amostral adotado, ou seja qual a distribuio de T quando
X1;X2; ...;Xn assume todos os valores possveis. Essa distribuio ser
chamada de distribuio amostral da estatstica T.
Slide 21
Obs.: Note que E( X ) = E(X1) = E(X2) = E(X) = 4,2; e que Var( X ) = Var(X)/2 =
2,08. Seria isto uma coincidncia?
Resposta: No!!!! Veremos a seguir a justificativa deste fato.
Slide 22
Distribuio Amostral da Mdia
Seja X uma varivel aleatria com mdia e varincia , e seja

(X1;X2; ...;Xn) uma amostra aleatria de X. Ento, a mdia amostral
( X ) ter mdia e varincia dadas respectivamente por
Ex.: Considere uma populao em que uma varivel X assume um

dos valores do conjunto {1, 3, 5, 5, 7}. A distribuio de
probabilidade de X dada por:
fcil ver que:

Um teorema bem mais forte do que este o que se refere
distribuio de probabilidade da varivel X . Este teorema
conhecido como o Teorema Central do Limite
Slide 23
Slide 24
Vamos relacionar todas as amostras possveis de tamanho n = 2,

selecionadas ao acaso e com reposio dessa populao, e encontrar a
distribuio da mdia amostral de
Sendo:
X1: valor selecionado na primeira extrao,
X2: valor selecionado na segunda extrao.
Slide 25
Slide 26
A distribuio de probabilidade de X para n = 2
Repetindo o mesmo procedimento, para amostras de

tamanho n = 3, temos a seguinte distribuio de probabilidade de X,
Neste caso,
Neste caso,
Slide 27
Slide 28
Histogramas correspondentes s
distribuies de X e de X , para amostras
de {1,3,5,5,7}.
Slide 29
Slide 30
Dos histogramas, observamos que

Conforme n aumenta, os valores de X tendem a se concentrar cada
vez mais em torno de
uma vez que a varincia vai
diminuindo;
Esses grficos sugerem que, quando n aumenta,

independentemente da forma da distribuio de
X, a distribuio de probabilidade da mdia
amostral aproxima-se de uma distribuio normal.
os casos extremos passam a ter pequena probabilidade de

ocorrncia;
para n suficientemente grande, a forma do histograma aproxima-se
de uma distribuio normal.
Slide 31
Slide 32
Teorema Central do Limite
Teorema Central do Limite
Para amostras aleatrias (X1;X2; ...;Xn), retiradas de uma populao

com mdia e varincia finita, a distribuio amostral da mdia X
aproxima-se, para n suficientemente grande, de uma distribuio
normal, com e varincia /n.
Se a distribuio de X normal, ento X tem distribuio
Observaes:
1) No teorema acima no fizemos nenhuma suposio sobre a
natureza das distribuies das variveis X1;X2; ...;Xn, ou seja,
independentemente de como se comportam essas variveis, sejam elas
discretas ou contnuas, o teorema continua vlido.
2) Se as variveis X1;X2; ...;Xn tm distribuio normal, ento X ter
tambm distribuio normal e no apenas uma aproximao.
Slide 33
normal exata, para todo n.

O desvio padro
da mdia.
denominado erro padro
Slide 34
Exerccio: Uma V.A. X tem distribuio normal, com mdia 100
e desvio padro 10.

a) Qual a P(90<X<110)?
b) Se X for a mdia de uma amostra de 16 elementos retirados dessa
populao, calcule P(90 < X < 110).
c) Represente, num nico grfico, as distribuies de X e X.
d) Que tamanho deveria ter a amostra para que P(90 < X < 110) =
0,95?
Slide 35
e desvio padro 10.

Resp.:
a)
b)
Slide 36
Exerccio: Seja X ~ N(900; 642), retiramos uma amostra de
d)
Exerccio: Qual dever ser o tamanho de uma amostra

retirada de uma populao X ~ N(200; 350) para que
- 200| < 5) = 0,95?
P(|
e desvio padro 10.

Resp.:
c)
tamanho 30. Determinar:

894).
a) P(
Resp.: 0,0968.
903).
b) P(896
Resp.: 0,54726.
Resp.: 54.
Slide 37
Slide 38

Estatistica-Aula20 Inferencia Estatistica

Загружено:

Сведения о документе

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

Estatistica-Aula20 Inferencia Estatistica

Загружено:

Авторское право:

Доступные форматы

UNIVERSIDADE FEDERAL DE PERNAMBUCO

CENTRO ACADMICO DO AGRESTE

Prof. Anderson Paiva

Prof. Anderson Paiva

Na Estatstica, a incerteza existe quando se

Prof. Anderson Paiva

Objetivo: tirar concluses sobre uma populao

Prof. Anderson Paiva

Prof. Anderson Paiva

uma medida numrica que descreve uma caracterstica da

Prof. Anderson Paiva

Prof. Anderson Paiva

Prof. Anderson Paiva

Estudamos algumas distribuies tericas de

Ex: Considere as seguintes situaes:

Prof. Anderson Paiva

Prof. Anderson Paiva

O primeiro passo para fazer inferncias corretas utilizando

A seleo de uma amostra vista como resultado de um

Prof. Anderson Paiva

As variveis aleatrias (X1, X2, ..., Xn) so uma amostra aleatria

Prof. Anderson Paiva

Tipos de Amostras Probabilsticas

Amostra Aleatria Simples

Prof. Anderson Paiva

Prof. Anderson Paiva

Amostra Aleatria Sistemtico

Amostra Aleatria Estratificado

Prof. Anderson Paiva

Prof. Anderson Paiva

Amostra Aleatria Simples (AAS)

Amostra Aleatria Simples (AAS)

1) As variveis aleatrias X1;X2; ...;Xn so independentes,

Prof. Anderson Paiva

Considere todas as amostras possveis de tamanho 2, com

Prof. Anderson Paiva

Prof. Anderson Paiva

Distribuio de probabilidades conjunta de (X1;X2)

Prof. Anderson Paiva

Dada uma amostra aleatria X1;X2; ...;Xn de uma populao X,

Considerando o exemplo anterior, podemos construir a distribuio

Sendo X1;X2; ...;Xn uma amostra aleatria da varivel X, uma

Prof. Anderson Paiva

Prof. Anderson Paiva

Distribuio Amostral da Mdia

Distribuio Amostral da Mdia

Seja X uma varivel aleatria com mdia e varincia , e seja

Ex.: Considere uma populao em que uma varivel X assume um

fcil ver que:

Prof. Anderson Paiva

Prof. Anderson Paiva

Distribuio Amostral da Mdia

Distribuio Amostral da Mdia

Vamos relacionar todas as amostras possveis de tamanho n = 2,

Prof. Anderson Paiva

Prof. Anderson Paiva

Distribuio Amostral da Mdia

Distribuio Amostral da Mdia

A distribuio de probabilidade de X para n = 2

Repetindo o mesmo procedimento, para amostras de

Prof. Anderson Paiva

Prof. Anderson Paiva

Distribuio Amostral da Mdia

Distribuio Amostral da Mdia