Distribuies Amostrais e

Estimao Pontual de Parmetros

Explicar os conceitos gerais de estimao de parmetros de uma populao ou de uma
distribuio de probabilidades

Explicar o papel importante da distribuio normal como uma distribuio amostral

Entender o Teorema do Limite Central
Explicar propriedades importantes dos estimadores pontuais, incluindo tendenciosidade,
varincia e erro quadrtico mdio.

Renata Souza

Introduo

O campo da inferncia estatstica consiste naqueles

mtodos usados para tomar decises ou tirar
concluses acerca de uma populao.
Para tirar concluses, esses mtodos utilizam a
informao contida em uma amostra proveniente da
populao.

Inferncia Estatstica pode ser dividida em duas grandes

reas:
Estimao de Parmetros
Teste de Hipteses

Introduo

Suponha que queiramos obter uma estimativa pontual de um

parmetro de uma populao. Sabemos que antes dos dados serem
coletados, as observaes so consideradas variveis aleatrias, isto
, 1 , 2 , , . Logo, qualquer funo da observao, ou qualquer
estatstica, tambm uma varivel aleatria. Por exemplo, a mdia
da amostra e a varincia da amostra 2 so estatsticas e so
tambm variveis aleatrias.
Desde que uma estatstica seja uma varivel aleatria, ela ter uma
distribuio de probabilidade. Chamamos a distribuio de
probabilidade de uma estatstica de uma distribuio amostral. A
noo de uma distribuio amostral muito importante e ser
discutida e ilustrada mais adiante neste captulo.

Introduo
Definio
Uma estimativa pontual de algum parmetro de uma
populao um nico valor numrico de uma
estatstica . A estatstica chamada de estimador
pontual.

Introduo
Problemas de estimao ocorrem frequentemente em engenharia.
Geralmente necessitamos estimar:

A mdia de uma nica populao

A varincia 2 (ou desvio-padro ) de uma nica populao

A proporo de itens em uma populao que pertence a uma classe

de interesse

A diferena nas mdias de duas populaes, 1 2

A diferena nas propores de duas populaes, 1 2

Introduo
Estimativas pontuais razoveis desses parmetros so dadas a seguir:

Para , a estimativa = , a mdia amostral

Para 2 , a estimativa 2 = 2, a varincia amostral

Para , a estimativa = /, a proporo da amostra, sendo o nmero de

itens em uma amostra aleatria de tamanho que pertence classe de
interesse.
Para 1 2 , a estimativa 1 2 = 1 2, a diferena entre as mdias de
duas amostras aleatrias independentes.
Para 1 2 , a estimativa 1 2 , a diferena entre duas propores
amostrais, calculadas a partir de duas amostras aleatrias independentes.

Distribuies Amostrais e Teorema do Limite Central

A Inferncia Estatstica lida em tomar decises acerca de uma
populao, baseando-se na informao contida em uma amostra
aleatria proveniente daquela populao.
Definies:
As variveis aleatrias 1 , 2 , , so uma amostra aleatria de
tamanho n, se (a) os s forem variveis aleatrias independentes e
(b) cada tiver a mesma distribuio de probabilidade.

Uma estatstica qualquer funo das observaes em uma

amostra aleatria.
A distribuio de probabilidade de uma estatstica chamada de
distribuio amostral.

Distribuies Amostrais e Teorema do Limite Central

Se estivermos amostrando de uma populao que tenha uma
distribuio desconhecida de probabilidades, a distribuio amostral
mdia da mdia da amostra ser aproximadamente normal, com
mdia e varincia 2/, se o tamanho da amostra for grande. Esse
um dos mais teis teoremas em estatstica, o chamado Teorema do
Limite Central. O enunciado dado a seguir:
Se 1, 2, , for uma amostra aleatria de tamanho n, retirada de uma populao
(finita ou infinita), com mdia e varincia finita 2, e se for a mdia da amostra,
ento a forma limite da distribuio de:

/
Quando , a distribuio normal padro.

Distribuies Amostrais e Teorema do Limite Central

Figura 7-1 Distribuies

das pontuaes mdias
obtidas quando do
arremesso de dados.
[Adaptado, com permisso
de Box, Hunter, and Hunter
(1978).]

Distribuies Amostrais e Teorema do Limite Central

Exemplo 7-1
Uma companhia eletrnica fabrica resistores que tm uma resistncia mdia de 100 ohms
e um desvio-padro de 10 ohms. A distribuio de resistncias normal. Encontre a
probabilidade de uma amostra aleatria de n = 25 resistores ter uma resistncia mdia
menor que 95 ohms.
Note que a distribuio amostral de normal, com media = 100 ohms e um desvio
padro de:
=

10
=
=2

25

Consequentemente, a probabilidade desejada corresponde rea sombreada na Fig. 7-1.

Padronizando o ponto = 95 na Fig 7.2, encontramos que
95 100
=
= 2,5
2
E desse modo,
< 95 = < 2,5 = 0,0062

Distribuies Amostrais e Teorema do Limite Central

Figure 7-2 Probabilidade do Exemplo 7-1

Distribuies Amostrais e Teorema do Limite Central

Distribuio Amostral Aproximada de uma Diferena nas Mdias de
Amostras
Se tivermos duas populaes independentes, com mdias 1 e 2 e varincias 12 e
22 , e se 1 e 2 forem as mdias de duas amostras aleatrias independentes de
tamanho 1 e 2 dessas populaes, ento a distribuio amostral de

1 2 1 2
12 22
+
1 2

Ser aproximadamente normal padro, se as condies do teorema do limite central

se aplicarem. Se as duas populaes forem normais, ento a distribuio amostral de
Z ser exatamente normal padro.

Conceitos Gerais de Estimao Pontual

Estimadores No-tendenciosos

Definio
O Estimador pontual um estimador no-tendencioso para o
parmetro , se
=

Se o estimador for tendencioso, ento a diferena

chamada de tendenciosidade do estimador .

Conceitos Gerais de Estimao Pontual

Exemplo 7-4
Suponha que seja uma varivel aleatria com mdia e
varincia 2 . Seja 1 , 2 , , uma amostra aleatria de
tamanho , proveniente de uma populao representada por
. Mostre que a mdia da amostra e a varincia da amostra
2 so estimadores no-tendenciosos de e 2
respectivamente.
Considere primeiro a mdia da amostra. Na Seo 5.5 do
Captulo 5, mostramos que = . Consequentemente a
mdia da amostra um estimador no-tendencioso da
mdia da populao . Considere agora a varincia da
amostra. Temos:

Conceitos Gerais de Estimao Pontual

=1

2 =
1
=

1
1
=

1
1
=

1
1
=
1

=1

2 + 2 2
=1

2 2

=1

(2 ( 2 )
=1

Conceitos Gerais de Estimao Pontual

Exemplo 7-4 (continuao)
A ltima igualdade vem da equao para a mdia de uma funo
linear no Captulo 5. Entretanto, uma vez que 2 = 2 + 2 e
2 = 2 + 2 /, temos:

1
=
1

2 + 2
=1

2 +

1
=
(2 + 2 2 2 )
1
= 2

Conceitos Gerais de Estimao Pontual

Varincia de um Estimador Pontual
Definio
Se considerarmos todos os estimadores no-tendenciosos de ,
aquele com a menor varincia ser chamado de estimador notendencioso de varincia mnima (ENTVM).

Figura 7-5 As distribuies

amostrais de dois estimadores
no-tendenciosos 1 e 2

Conceitos Gerais de Estimao Pontual

Varincia de um Estimador Pontual
Se 1 , 2 , , for uma amostra aleatria de tamanho ,
proveniente de uma distribuio normal com mdia e varincia
2 , ento a mdia da amostra ser o ENTVM (Estimador NoTendencioso de Varincia Mnima) para .

Conceitos Gerais de Estimao Pontual

Erro-Padro de um Estimador
Definio
O erro-padro de um estimador o seu desvio-padro, dado por
=

. Se o erro padro envolver parmetros desconhecidos

que possam ser estimados, ento a substituio daqueles valores

em produz um erro-padro estimado denotado por .

Conceitos Gerais de Estimao Pontual

Erro-Padro de um Estimador
Suponha que estejamos amostrando a partir de uma distribuio
normal, com mdia e varincia 2 . Agora, a distribuio de
normal, com mdia e varincia 2 /; assim o erro-padro de :

Se no conhecssemos , mas substituirmos o desvio-padro da

amostra na equao anterior, ento o erro-padro estimado de
seria: