Вы находитесь на странице: 1из 11

CCE0174 – Estatística Aplicada à Engenharia

Aula 04 – Estimação pontual

Prof. Me. André Breve

andre.breve@estacio.br
Introdução

• A inferência estatística está sempre focada em tirar conclusões a


cerca de um ou mais parâmetros de uma população

• Uma parte importante desse processo é obter estimativas dos


parâmetros.

• Ao discutirmos problemas de inferência, é conveniente termos um


símbolo geral para representar o parâmetro de interesse
– Usaremos o símbolo grego θ (teta) para representar o parâmetro

• O símbolo θ pode representar a média μ, a variância σ2 ou


qualquer parâmetro de interesse para nós

Estatística Aplicada à Engenharia – Prof. Msc. André Breve


Estimação Pontual

• O objetivo da estimação pontual é selecionar um único número,


baseado nos dados da amostra, que é o valor mais plausível para θ.
O valor numérico de uma estatística amostral será usado como a
estimativa pontual.

Um estimador pontual de algum parâmetro de uma população θ


é um único valor numérico θ de uma estatística Θ. A estatística
Θ é chamada de estimador pontual.

Estatística Aplicada à Engenharia – Prof. Msc. André Breve


Estimação Pontual

• Exemplo: Suponha que a variável aleatória X seja normalmente


distribuída, com uma média desconhecida μ. A média da amostra é
um estimador pontual da média desconhecida da população.
Amostra: {25, 30, 29, 31}

25+30+29+31
= = 28,75
4

Depois de a amostra ter sido selecionada, o valor numérico éa


estimativa pontual de μ

Similarmente, se a variância da população for também


desconhecida, um estimador pontual para σ2 será a variância da
amostra s2 e o seu valor numérico é chamado de estimativa pontual de
σ2
Estatística Aplicada à Engenharia – Prof. Msc. André Breve
Estimação Pontual

• Estimadores não tendenciosos

– Um estimador deve estar “perto”, de algum modo, do valor


verdadeiro do parâmetro desconhecido.

– Formalmente dizemos que Θ é um estimador não tendencioso


de θ se o valor esperado de Θ for igual a θ, ou seja, a média
amostral de Θ é igual a θ

• Não tendêncioso: E(Θ) = θ (tendência zero)

• Tendencioso: a diferença E(Θ) – θ é chamada de tendência


do estimador Θ

Estatística Aplicada à Engenharia – Prof. Msc. André Breve


Estimação Pontual

• Erro-Padrão

– Quando o valor numérico ou estimativa de um parâmetro é


reportado, geralmente é desejável dar alguma ideia da precisão
da estimação.

– A medida de precisão normalmente empregada é o erro-padrão


do estimador

– O erro-padrão de um estimador é o seu desvio padrão


𝜎
𝜎𝑥
= 𝑛
No caso de não conhecer σ, substituímos pelo amostral (s)

Estatística Aplicada à Engenharia – Prof. Msc. André Breve


Estimação Pontual

• Erro-Padrão

– Quando o estimador seguir uma distribuição normal, poderemos


estar razoavelmente confiantes de que o valor verdadeiro do
parâmetro estará entre dois erros-padrão da estimativa

– Mesmo em casos em que o estimador pontual não seja


normalmente distribuído, podemos estabelecer que desde que o
estimador seja não tendencioso, a estimativa do parâmetro
desviará do valor verdadeiro tanto quatro erros-padrão no
máximo 6% do tempo.

Estatística Aplicada à Engenharia – Prof. Msc. André Breve


Estimação Pontual

Exemplo: Um artigo descreveu o novo método de medir a


condutividade térmica de ferro Armco. Usando uma temperatura de
100°F e uma potência de 550 watts, as 10 medidas seguintes de
condutividade térmica foram obtidas:
41,60; 41,48; 42,34; 41,95; 41,86; 42,18; 41,72; 42,26; 41,81; 42,04
Encontre uma estimativa pontual da condutividade térmica média, o
erro padrão amostral e o intervalo de precisão.
419,24 𝜎 𝑠 0,284
= = 41,924 𝜎𝑥 𝑛
= 𝑛
= 10
= 0,0898
10 =
Obs1: O erro-padrão é cerca de 0,2% da média amostra, implicando que
tivemos uma estimativa pontual relativamente precisa da condutividade
Obs2: Como 2𝜎𝑥 = 0,1796, podemos considerar com bastante confiança
que a condutividade térmica média está no intervalo 41,924 ± 0,1796, ou
seja: entre 41,744 e 42,104

Estatística Aplicada à Engenharia – Prof. Msc. André Breve


Estimação Pontual

Exercício 1: Dados sobre a espessura de óxido de semicondutores são


os seguintes:
425, 431, 416, 419, 421, 436, 418, 410, 431, 433, 423, 426, 410,435,
436, 428, 411, 426, 409, 437, 422, 428, 413, 416
a) Calcule a estimativa pontual da média da espessura do óxido para
todas as pastilhas da população.
b) Calcule a estimativa pontual do desvio padrão da espessura do
óxido para todas as pastilhas da população.
c) Calcule o erro-padrão da estimativa pontual do item “a”
d) Calcule a estimativa pontual da mediana da espessura do óxido
para todas as pastilhas na população
e) Calcule a estimativa pontual da proporção de pastilhas na
população que tem uma espessura de óxido maior do que 430
angstrons
Estatística Aplicada à Engenharia – Prof. Msc. André Breve
Estimação Pontual

Exercício 2: Um pacote computacional foi utilizado para calcular alguns


sumários numéricos de uma amostra de dados. Os resultados estão
dispostos abaixo:
Variável N Média Erro-padrão Variância Desvio Padrão
da média
X 20 50,184 ? 1,816 ?

a) Preencha os valores que faltam


b) Qual é a estimativa da média da população a partir da qual essa
amostra foi retirada?

Estatística Aplicada à Engenharia – Prof. Msc. André Breve


Estimação Pontual

Exercício 3: Um pacote computacional foi utilizado para calcular alguns


sumários numéricos de uma amostra de dados. Os resultados estão
dispostos abaixo:
Variável N Média Erro-padrão Variância Desvio Soma
da média Padrão
X ? ? 2,05 ? 10,25 3761,70

a) Preencha os valores que faltam


b) Qual é a estimativa da média da população a partir da qual essa
amostra foi retirada?

Estatística Aplicada à Engenharia – Prof. Msc. André Breve