Вы находитесь на странице: 1из 22

Capítulo 9

Distribuição
Amostral dos
estimadores
INTRODUÇÃO

Exemplo: Indicamos por X o número de caras obtidos depois de


lançar uma moeda 50 vezes. Sabemos que, se tomados alguns
cuidados quando do lançamento, X segue uma distribuição
binomial com n=50 e p. Se a moeda é honesta p=1/2. Lançada a
moeda, vamos supor que tenham ocorridos 36 caras. Esse
resultado traz evidência de que a moeda seja honesta?

Para tomarmos uma decisão, podemos partir do princípio de


que a moeda não favorece nem cara nem coroa, isto é, p =1/2.
Com essa informação e com o modelo binomial, podemos
encontrar qual a probabilidade de se obterem 36 caras ou mais,
e esse resultado nos ajudaria a tomar uma decisão.
Suponha que a decisão foi rejeitar a “honestidade” da moeda:
qual é a melhor estimativa para p, baseando-se no resultado
observado?

Dois problemas básicos da Inferência Estatística: teste de


hipóteses e estimação.

O problema da inferência estatística é fazer afirmações sobre


os parâmetros da população através da amostra.
Fonte: Chian,Chang. 2019. Disponível em:
https://www.ime.usp.br/~chang/home/mae116/MAE229-
Estatistica%20Economia/aula%20inf-mae229-parte2-2014.pdf
•OBS: Se a população for finita de tamanho N conhecido e se a amostra
dela retirada for sem reposição, então:

σ N −n
σX =
n N −1

X é um estimador não tendencioso de µ.

Exemplo:

Temos uma população de 5.000 alunos de uma faculdade. Sabemos que


a altura média do aluno é 175 cm e desvio padrão 5 cm. Retiramos uma
amostra sem reposição de tamanho n = 100.

Resolução:

X~N(175, 25cm2)
µ = 175cm; σ2 = 25cm2. Então:

σ N − n 5 5000 − 100
E ( X ) = 175 e σ X = = = 0, 495024
n N − 1 10 5000 − 1
Logo a média das médias amostrais é 175 cm e o desvio-padrão da média
amostral é 0,5 cm.

Exercícios de aplicação

1) Seja X: N(80,26). Dessa população retiramos uma amostra de n = 25.


Calcular:
a ) P ( X > 8 3)
b)P ( X ≤ 82)
c ) P ( X − 2σ X
≤ µ ≤ X + 2σ X
)

2) Seja X: N(100,85). Retiramos uma amostra de tamanho n = 20.


Determinar:

a)P(95 < X < 105)


b)P( X − Zασ X < µ < X − Zασ X ) = 0,95
Dimensionamento de uma amostra
Muitas vezes é importante sabermos qual deverá ser o tamanho de uma amostra para que
a probabilidade que determinado parâmetro ou estimador esteja dentro dos limites seja
um valor dado, ou então, queremos delimitar o erro de amostragem dentro de um risco
determinado. Veremos um exemplo. Seja X:N(1200, 840). Qual deverá ser o tamanho de
uma amostra de tal forma que

P(1196 < x < 1204) = 0,90


Se X:N(1200,840) µ = 1200
 2 µ x = 1200
σ = 840

σ2 = 840 = 28 , 98 ∴ − µ
σ = σ Z = x
x
n n x
n σ x

Z = Z 0,45 = 1,64
1196 − 1200 1204 − 1200
−1,64 = ou 1,64 =
28,98 28,98
n n
1, 64 .28 , 98
n =
É indiferente escolher uma das duas: 4
n = 11 ,88 → n = 141 ,13 n ≅ 141
Distribuição amostral das proporções

Distribuição amostral da proporção p de sucessos,


característica que se estuda na população.
Seja p conhecida. A população pode ser definida como
uma variável X, tal que :
X=1 O elemento da população tem a característica.
X=0 O elemento da população não tem a característica.

P (X=1) = p P (X=0) = q , p + q = 1

µ = E(X ) = p
Sabemos que  2
σ = VAR (X ) = pq= p(1 − p)
Retiramos uma grande amostra, n →∞
dessa população (x1, x2,...,xn), com reposição e definimos x como
sendo número de sucessos na amostra, isto é,
número de elementos da amostra com a característica
que se quer estudar.
x
O estimador de p é definido por p̂ = : proporção de
n
sucessos na amostra.

X:B (n,p) e E (X) = np


VAR(X) = npq
Calculando esperança e variância de p̂ temos:
E( p̂ ) = p ou µ =p

Var ( p̂ ) = pq ou σ = pq
n p̂ n

Quando n → ∞ p̂ : Np, pq÷, p̂ é aproximadamente


 n
normal.
p̂ − µp̂ será assintoticamente N(0,1) , isto é,
σp̂
pˆ − p
Z= ≅ N (0,1)
pq
n
Quando p é desconhecida e a amostra com
reposição é grande, determinamos p̂0 = x , estimativa
n
de p.
pˆ 0 qˆ0
σ pˆ =
n
Para alguns autores e estatísticos, uma amostra é
suficientemente grande quando np ≥ 5 e nq ≥ 5.
Exercícios
1-Numa população, a proporção de pessoas favoráveis a
uma determinada lei é de 40%. Retiramos uma amostra de
300 pessoas dessa população. Determinar: P( p − Zασ pˆ ≤ pˆ ≤ p + Zασ pˆ ) = 0,95

P ( p− z α σ p̂ ≤ p̂ ≤ p + z α σ p̂ ) = 0,95 .
Como n = 300 e p = 0 ,4

p .q
q = 1 − p = 0 ,6 σ =

n

0, 4.0 ,6
σ = ⇒ σ = 0,0283
p̂ p̂
300

zα = 1,96
P (0,4 - 1,96 . 0,0283 ≤ p̂ ≤ 0,4 + 1,91 . 0,0283) = 0,95
P (0,4 - 0,0555 ≤ p̂ ≤ 0,4 + 0,0555) = 0,95
P (0,3445 ≤ p̂ ≤ 0,4555) = 0,95
P (34,45% ≤ p̂ ≤ 45,55%) = 0,95
2. Deseja-se saber qual a proporção de pessoas da
população portadoras de determinada doença. Retira-se
uma amostra de 400 pessoas, obtendo-se 8 por- tadores
da doença. Definir limites de confiabilidade de 99% para
a proporção populacional.

p̂ 0 = x = 8 = 0,02 p̂ 0 = 0,02
n 400
q̂ 0 = 0,98
p̂ .q̂
σp̂ ≅ 0 0 = 0,02.0,98 σp̂ = 0,007
n 400
Como Z α = Z 0,495= 2,57 temos:
P p̂ 0 − Z α σ ≤ p ≤ p̂ 0 + Z α .σ ÷÷ = 0 ,99
 p̂ p̂ 
P ( 0 ,02 − 2 ,57 . 0 ,007 ≤ p ≤ 0 ,02 + 2 ,57 . 0 ,007 ) = 0 ,99
P ( 0 ,02 − 0 ,018 ≤ p ≤ 0 ,02 + 0 ,018 ) = 0 ,99
P ( 0 ,002 ≤ p ≤ 0 ,038 ) = 0 ,99 P ( 0 ,2 % ≤ p ≤ 3 ,8 % ) = 0 ,99
P o d e m o s g a r a n tir c o m u m a c o n fia b ilid a d e d e 9 9 % ,
q u e a p r o p o r ç ã o d e p e s s o a s p o r ta d o r a s d a d o e n ç a X n a
p o p u la ç ã o , v a r ia d e n o m ín im o 0 ,2 0 % e n o m á x im o d e
3 ,8 % .
Exercícios propostos

1) Seja X:N (900 , 642). Retiramos uma amostra de tamanho


30. Determinar:
a) P ( x ≤ 894 )
b) P (896 ≤ x ≤ 903)
c) P ( x - 3 σ x < µ < x + 3 σ x )
2) Seja X:N (1200, 1444). Retiramos uma amostra de
tamanho 15. Determinar:

a) P (1194 < x < 1206)


b) P ( x - Z α . σ x < µ < x + Z α . σ x ) = 0,90
3) Qual deverá ser o tamanho de uma amostra a ser
retirada de uma população X:N (200 ; 350) para que
 x - µ< 5) = 0,95.
P(
4) Deseja-se saber qual a proporção de eleitores de
determinada região que votarão no candidato A, de tal
forma que a probabilidade de que o erro de estimação
seja no máximo 3%, com probabilidade de 95% de
estar certo. Para estudar o problema, retira-se uma
amostra de 500 eleitores dessa região, obtendo-se
120 eleitores que votam em A.
Obs.: e = p̂ − p