Inferência: Estimação dos Parâmetros, Teste de

Hipóteses

 2  amostragem x s2 s
População Amostra
n
N inferência pˆ = k
n
 =kN
Distribuição Amostral
Distribuição de Probabilidade Estatísticas
Parâmetros (variável aleatória)
(valor fixo)
pontual (estatísticas)
Estimação dos parâmetros
por intervalo (intervalos de confiança)

OBS: estatística: é a v.a. que estima (pontualmente) um parâmetro (populacional)

chamada muitas vezes de estimador (não-viesado e var. mínima)
estimativa: é o valor do estimador obtido para uma amostra específica
 Amostragem: é o processo de seleção da amostra

AMOSTRAGEM PROBABILISTICA
Retirar uma amostra de 5 alunos de um a turma de 50 alunos

Amostragem aleatória simples: AAS

Todos os elementos da população tem a mesma probabilidade

de serem escolhidos, o processo de seleção é feito por sorteio

Amostragem Sistemática: AS

Amostragem Estratificada Proporcional: AEP

Amostragem por Conglomerado: AC

Retirar uma amostra de 5 alunos de um a turma de 50 alunos 10
Cada aluno recebe um número 32
Tabela de números aleatórios 01
.
1681529645702485836684466718722751251675 .
3965383330320064217313365967686893572645 .
8520475392014160563815632522132582351843 50
3920903562235725582236853473526641372735
6290451431692882514095732639938214540962
2448717313770563143954105956989876752648
0883222778935918982422217183116484819587
9312629341138107113739295728256744727178
2294151347611584440329385478680745538985
7636649121867383818889887863168675526857
5855943669812033745660168585764605643112
9414868452932151853366136353672172895746
7847482618560579390043243439672755646676
3048663412738744829890820155335817462242
4118243934123455244484624451132514034127

Função RAN# na calculadora (50RAN# =)

 x1 s12 s1
Amostra 1 Nº de amostras de
n
tamanho n retiradas
x2 s22 s2
Amostra 2 da população
  
2
n
..
População . xn º? sn2º? sn º?
N
Amostra nº?
n
n
Nº de amostras com reposição N
N!
N An =
Nº de amostras sem reposição (N − n )!
Nº de amostras distintas sem N N!
C
N n =   =
 n  n!  ( N − n )!
reposição  
 x1 s12 s1 Exemplo: 50 alunos da sala
Amostra 1
n=5 retirar uma amostra de 5 alunos
x2 s22 s2 para a variável X: Altura (m)
Amostra 2 em que X~ N(µ ; σ2)
  
2
n=5
..
População .
xn º? sn2º? sn º?
N =50
Amostra nº?
n=5
n 5
Com reposição N = 50 = 312.500.000
50!
Sem reposição 50𝐴 5 = = 254.251.200
50 − 5 !

Distintas sem  50  50!

50 C5 = 
 5  = 5 !  (50 − 5)! = 2.118.760
reposição  
AMOSTRAGEM NÃO PROBABILISTICA

Amostragem Acidental

Amostragem Intencional

Amostragem Proporcional ou Por Quotas

 Amostra aleatória simples é o conjunto de n variáveis aleatórias
independentes {X1 , X2 , ..., Xn }, cada uma com a mesma distribuição de
probabilidades da variável aleatória X de interesse.
Esta distribuição de probabilidades deve corresponder à distribuição
dos valores da população (x1, x2, ... , xN )

Estatística
A distribuição de probabilidade que modela a situação real é
“conhecida”, no entanto, seus parâmetros são desconhecidos e devem
ser estimados a partir dos dados amostrais
Maneiras de inferir sobre os parâmetros:
- Estimativa pontual: obter um valor para os parâmetros desconhecidos
- Estimativa por intervalos: encontrar um intervalo, que contenha o
parâmetro de interesse com uma probabilidade conhecida
- Testes de hipótese: criar hipóteses sobre os valores possíveis do
parâmetro e testar estas hipóteses
ENADE - ENGENHARIA
 Distribuições amostrais
Distribuição amostral da média

Peso  = 79,75Kg
68
População 80  = 52,19Kg
2 2
84
N=4
87  = 7,22 Kg
Amostra 1
População 68 ; 68
n=2
Peso Amostra 2
68 68 ; 80 .
n=2
80 Todas as amostras
.
.
84 Amostra 16
possíveis de tamanho 87 ; 87
87
igual a 2 (com reposição) n=2
 Amostra Pesos Todas as amostras
possíveis de tamanho
1 68 ; 80 n=2
2 68 ; 84
3 68 ; 87 Com reposição
População 4 80 ; 84 n 2
5 80 ; 87 N = 4 = 16
Peso 6 84 ; 87
68 7 80 ; 68 Sem reposição
80 8 84 ; 68
84 9 87 ; 68 N! 4! 4  3  2!
N An = = = = 12
87 10
11
84 ; 80
87 ; 80
(N − n )! (4 − 2)! 2!
N=4 12 87 ; 84
Distintas sem reposição
13 68 ; 68
14 80 ; 80
N N! 4!
15 84 ; 84 
N Cn =  
 = n!  ( N − n )! = 2!(4 − 2 )! = 6
16 87 ; 87  
n
 Amostra Pesos Média dos pesos
X
1 68 ; 80 74,0

 X = 79,75Kg
2 68 ; 84 76,0
3 68 ; 87 77,5
4 80 ; 84 82,0
5 80 ; 87 83,5
Peso 6 84 ; 87 85,5
68 7 80 ; 68 74,0
80 8 84 ; 68 76,0 X
2
= 26,09 Kg 2
84 9 87 ; 68 77,5
87 10 84 ; 80 82,0
11 87 ; 80 83,5
12 87 ; 84 85,5
13 68 ; 68 68,0  X = 5,11 Kg
14 80 ; 80 80,0
15 84 ; 84 84,0
16 87 ; 87 87,0
 Peso
68
 = 79,75Kg
População 80
84
 = 52,19Kg
2 2

N=4
87  = 7,22Kg

Amostra 1
x1 = 74,0  X = 79,75Kg
n=2 Amostra 2
x2 = 76,0 .  = 26,09Kg
2
X
2
n=2 .
.
Amostra 16  X = 5,11Kg
x16 = 87,0
n=2
 O valor da média da distribuição amostral das
médias é o mesmo da média da população

 X =  = 79,75Kg
A variância da distribuição amostral das médias será:

52,19  2
 = 26,09 =
2
X
=
2 n
O desvio padrão da distribuição amostral das médias será:

7,22  ERRO PADRÃO DA

 X = 5,11 = =
2 n MÉDIA
Com uma amostragem sem reposição ou N < 20n, a média da
distribuição amostral das médias é a mesma da média da população
(as 12 primeiras amostras)

 X =  = 79,75Kg
Mas a variância da distribuição amostral das médias será:


N − n 52,19 4 − 2
2
 = 17,40 =
2
 = 
n N −1 4 −1
X
2

e o desvio padrão da distribuição amostral das médias será:


N − n 7,22 4 − 2
 X = 4,17 =  = 
n N −1 2 4 −1
 Qual a forma da distribuição amostral das
médias?
5

4
Frequência absoluta

0
68,0 71,8 75,6 79,4 83,2 87,0 90,8
Médias amostrais
Se na população da qual deseja-se retirar uma amostra
aleatória, a variável de interesse possui distribuição normal
com média  e variância  2, a distribuição amostral das
médias também será normal para qualquer tamanho de
𝝈𝟐 2 N −n
amostra com média 𝜇𝑥ҧ =  e variância 𝜎𝑥2ҧ =  = 
2

𝒏
X
n N −1
N < 20n
Se na população da qual deseja-se retirar uma amostra
aleatória, a variável de interesse tem uma distribuição
qualquer com média  e variância  2, então a distribuição
amostral das médias será aproximadamente normal com
𝟐
2 𝝈
média 𝜇𝑥ҧ =  e variância 𝜎𝑥ҧ = , desde que a amostra seja
𝒏
suficientemente grande 2 N −n
 = 
2
N < 20n
(mais de 30 observações a aproximação já será boa)
X
n N −1

Teorema do limite central

 X −
 2
Z=
X ~ N ( X ;  ) → X ~ N (  ;
2
X )→ 
~ N (0;1)
n n
 (83)2 = 6889 (83)10  1,6 x1019 (83)30  3,7 x1057
Idade
21
22
18
32
18
.
.
.
32
19

N=83
alunos
 Distribuição amostral das médias
𝑋~ 𝑁(𝜇 ; 𝜎 2 ) → 𝑛 𝑞𝑢𝑎𝑙𝑞𝑢𝑒𝑟 𝑡𝑎𝑚𝑎𝑛ℎ𝑜

𝑋~ ? ? → 𝑛 ≥ 30 0,14

0,12

0,1
𝑋ത − 𝜇𝑋ത
X ~ N ( X ;  )
2
X 𝑍 =
0,08 ~𝑁(0; 1)
𝜎𝑋ത
0,06

2 0,04

X ~ N (, ) 0,02
n 0 X
0 5 𝜇𝑋ത − 𝜎𝑋ത 𝜇𝑋ത
10 𝜇𝑋ത + 𝜎𝑋ത 15 20

X − -1 0 1 z
Z= ~ N (0;1) 𝜎
 𝜇−1
𝜎
𝑛
𝜇 𝜇+1
𝑛
n
z
-1 0 1
 Os dados abaixo representam o consumo (em m3) de uma
população de cinco residências de um pequeno condomínio.

Residência A B C D E

Consumo 29,10 28,50 21,20 26,70 20,40

(C)

Pede-se:- a-) Obter a média e o erro padrão da média das

médias para amostras sem reposição de 2 residências.

b-) Qual a probabilidade da média amostral das médias de

amostras com reposição de 2 residências consumir mais de
25,00 m3? Admitindo como normal a distribuição do consumo.
 Os dados abaixo representam o consumo (em m3) de uma
população de cinco residências de um pequeno condomínio.
Residência A B C D E

Consumo 29,10 28,50 21,20 26,70 20,40

(C)
𝜇 = 25,18 𝑚3 𝜎 = 3,671 …
a-) Obter a média e o erro padrão da média das médias para
amostras sem reposição de 2 residências.

𝜇𝐶ሜ = 𝜇 = 25,18 𝑚3
Amostras n = 2
sem reposição 𝜎 𝑁 − 𝑛 3,671 … 5 − 2
𝜎𝐶ሜ = ⋅ = ⋅ = 2,248 …
𝑛 𝑁−1 2 5−1

𝜎𝐶ሜ ≈ 2,25𝑚3
b-) Qual a probabilidade da média amostral das médias de amostras
com reposição de 2 residências consumir mais de 25,00 m3?
Admitindo como normal a distribuição do consumo.
Amostras n = 2 com reposição
0,14
𝜇𝐶ሜ = 𝜇 = 25,18 𝑚 3
0,12

𝜎 0,13,671 …
=
𝜎𝐶ሜ = 0,08 = 2,595 …
𝑛 2
𝐶ሜ − 𝜇𝐶ҧ
0,06
3
𝑍=
𝜎𝐶ҧ ≈ 2,60 𝑚
0,04
𝜎𝐶ሜ
0,0120 0,5000
0,02
𝐶ҧ
𝑃(𝐶ҧ > 25,00)
0
0
= - 5 25,00 25,18
10 15
+

-0,03 0,00 Z

25,00 − 25,18
≅𝑃 𝑍> ≅ 𝑃(𝑍 > −0,03) ≅ 0,0120 + 0,5000 ≅ 0,5120
2,595 …
𝑃(0,00 ≤ 𝑍 ≤ 0,03) = 0,0120