Aula 10 - Estimação Pontual

AULA 10 - Estimac ao pontual
Prof
a
. Patrcia de Siqueira Ramos
e-mail: patriciaramos@unifei.edu.br
UNIFEI - Itabira
3 de maio de 2010
Resumo
Resumo
Estimac ao pontual
Principal preocupac ao na infer encia estatstica: tirar conclus oes sobre a
populac ao
Com a m edia de uma AMOSTRA extrada de uma POPULAC

AO, ser a
estimada a m edia dessa POPULAC

AO
Mas, de uma mesma populac ao, podem-se tomar muitas amostras
diferentes de mesmo tamanho
_
N
n
_
O par ametro m edia da populac ao () e um valor unico e
desconhecido
A estatstica m edia amostral (

X) e um valor conhecido, por em, varia
de amostra para amostra
Resumo
Estimac ao pontual
Com as m edias amostrais e possvel construir a distribuic ao de
frequ encias das m edias amostrais, denominada DISTRIBUIC

AO
AMOSTRAL DA M
EDIA, cuja m edia e
X
e seu desvio padr ao e
denominado erro padr ao (
X
)
Pelo TLC sabemos que as m edias

X das amostras de tamanho n
retiradas de uma populac ao com m edia e desvio padr ao formam
a distribuic ao amostral da m edia com os seguintes par ametros:
o valor esperado
X
e igual ` a m edia populacional (
X
= )
o desvio padr ao das m edias amostrais e
X
= /
n
Estimac ao
Estimac ao pontual
Devido ` a natureza aleat oria envolvida num procedimento amostral
(AAS), n ao podemos garantir que repetic oes da amostra produzam
sempre resultados id enticos
Ent ao, ao coletarmos uma amostra, n ao podemos prever
antecipadamente seu resultado. Assim, todas as quantidades
associadas ` a amostra ter ao car ater aleat orio e, portanto, devem
receber tratamento probabilstico
Estimac ao
Estimac ao pontual
J a vimos que estimadores (
) s ao estatsticas que s ao func oes da

amostra e que s ao usados para estimar um par ametro de interesse
() da populac ao

:

X, S
2
, p para estimar : ,
2
, p
Os valores num ericos assumidos pelos estimadores s ao
denominados estimativas
X = 180, S
2
= 45, p = 0,60
Denic ao
Estimac ao pontual
Se X for uma v.a. com distribuic ao de probabilidades f(x), caracterizada
por par ametro desconhecido e se X
1
, . . . , X
n
for uma a.a. de tamanho
n de X, ent ao a estatstica
= h(X
1
, . . . , X
n
) e um estimador de
e uma v.a. (pois e func ao de v.a.s). Depois de a amostra ter sido

selecionada,
assume um valor num erico que e a estimativa pontual de

.
Mas, ser a que qualquer func ao representa bem o par ametro em estudo?
O estimador precisa ter algumas propriedades
Propriedades dos estimadores
Estimac ao pontual
1) N ao-tendenciosidade
O estimador pontual
e um estimador n ao-tendencioso para o

par ametro se
E(
) =
Se o estimador for tendencioso, ent ao a diferenca
E(
)
e a tendenciosidade do estimador
Quando o estimador for n ao-tendencioso, a tendenciosidade e 0,

E(
) = 0
1) N ao-tendenciosidade
Estimac ao pontual
Ex.: N ao-tendenciosidade
Estimac ao pontual
Considerar a populac ao ctcia {1,2,3}, com = 2 e
2
= 2/3, =
_
2/3 = 0,8165
amostras de tamanho n = 2
Estimac ao pontual
2
= 2/3, =
_
2/3 = 0,8165
Amostra

X S
2
S
1 (1,1) 1,0 0,0 0,0000
2 (1,2) 1,5 0,5 0,7071
3 (1,3) 2,0 2,0 1,4142
4 (2,1) 1,5 0,5 0,7071
5 (2,2) 2,0 0,0 0,0000
6 (2,3) 2,5 0,5 0,7071
7 (3,1) 2,0 2,0 1,4142
8 (3,2) 2,5 0,5 0,7071
9 (3,3) 3,0 0,0 0,0000
Estimac ao pontual
2
= 2/3, =
_
2/3 = 0,8165
Amostra

X S
2
S
1 (1,1) 1,0 0,0 0,0000
2 (1,2) 1,5 0,5 0,7071
3 (1,3) 2,0 2,0 1,4142
4 (2,1) 1,5 0,5 0,7071
5 (2,2) 2,0 0,0 0,0000
6 (2,3) 2,5 0,5 0,7071
7 (3,1) 2,0 2,0 1,4142
8 (3,2) 2,5 0,5 0,7071
9 (3,3) 3,0 0,0 0,0000

X
= (1 + 1,5 + 2,0 +. . . + 3,0)/9 = 2,0 =
S
2 = (0 + 0,5 + 2,0 +. . . + 0)/9 = 2/3 =
2
S
= (0 + 0,7071 +. . . + 0,0000)/9 = 0,6285 = (0,8165)
Estimac ao pontual
2
= 2/3, =
_
2/3 = 0,8165
Amostra

X S
2
S
1 (1,1) 1,0 0,0 0,0000
2 (1,2) 1,5 0,5 0,7071
3 (1,3) 2,0 2,0 1,4142
4 (2,1) 1,5 0,5 0,7071
5 (2,2) 2,0 0,0 0,0000
6 (2,3) 2,5 0,5 0,7071
7 (3,1) 2,0 2,0 1,4142
8 (3,2) 2,5 0,5 0,7071
9 (3,3) 3,0 0,0 0,0000

X
= (1 + 1,5 + 2,0 +. . . + 3,0)/9 = 2,0 =
S
2 = (0 + 0,5 + 2,0 +. . . + 0)/9 = 2/3 =
2
S
= (0 + 0,7071 +. . . + 0,0000)/9 = 0,6285 = (0,8165)
Logo,

X e S
2
s ao n ao-tendenciosos e S e tendencioso (mas, apesar disso, h a boas raz oes para
us a-lo como estimador de ).
2) Eci encia de um estimador pontual
Estimac ao pontual
`
As vezes, h a v arios estimadores n ao-tendenciosos do mesmo par ametro
populacional. Por isso, precisamos de um m etodo para selecionar um dentre
v arios estimadores n ao-tendenciosos
Estimac ao pontual
`
Supor que
1
e
2
sejam estimadores n ao-tendenciosos de :
a distribuic ao de cada estimador est a centralizada no valor verdadeiro
mas as vari ancias de
1
e
2
podem ser diferentes
Estimac ao pontual
`
Supor que
1
e
2
1
e
2
Estimac ao pontual
`
Supor que
1
e
2
1
e
2
Como V (
1
) < V (
2
), e mais prov avel que
1
produza uma estimativa mais
pr oxima do valor verdadeiro de
1
e dito mais EFICIENTE do que
2
Eci encia relativa
Estimac ao pontual
A eci encia relativa de
1
em relac ao a
2
e calculada por
ER =
V (
1
)
V (
2
)
,
Eci encia relativa
Estimac ao pontual
1
em relac ao a
2
e calculada por
ER =
V (
1
)
V (
2
)
,
se ER < 1,
1
e mais eciente do que
2
Eci encia relativa
Estimac ao pontual
1
em relac ao a
2
e calculada por
ER =
V (
1
)
V (
2
)
,
se ER < 1,
1
e mais eciente do que
2
Se X
1
, . . . , X
n
for uma a.a. de tamanho n, proveniente de uma N(, ),
ent ao a m edia amostral

X ser a o estimador n ao-tendencioso de
vari ancia mnima para .
Exemplo
Estimac ao pontual
Temos uma a.a. de n observac oes X
1
, . . . , X
n
e desejamos comparar dois estimadores possveis
para :

X e X
i
.
Vamos avaliar os dois estimadores por meio das duas propriedades j a vistas:
Exemplo
Estimac ao pontual
1
, . . . , X
n
para :

X e X
i
.
1) N ao-tendenciosidade:
E(

X) = E
_
X
i
/n
_
=
1
n
E
_
X
i
_
=
1
n
E(X
i
) =
1
n
n =
E(X
i
) =
X e X
i
s ao n ao-tendenciosos.
Exemplo
Estimac ao pontual
1
, . . . , X
n
para :

X e X
i
.
1) N ao-tendenciosidade:
E(

X) = E
_
X
i
/n
_
=
1
n
E
_
X
i
_
=
1
n
E(X
i
) =
1
n
n =
E(X
i
) =
X e X
i
s ao n ao-tendenciosos.
2) Eci encia:
V (

X) = V
_
X
i
/n
_
=
1
n
2
V
_
X
i
_
=
1
n
2
V (X
i
) =
1
n
2
n
2
=
2
/n
V (X
i
) =
2
ER =
V (

X)
V (X
i
)
=

2
/n
2
= 1/n
Como ER < 1, para amostras com n 2,

X e melhor estimador do que X
i
.
3) Consist encia
Estimac ao pontual
Um estimador e consistente se, ` a medida que o tamanho da amostra
aumenta, sua vari ancia converge para 0.
lim
n
V (
) = 0
3) Consist encia
Estimac ao pontual
lim
n
V (
) = 0
Exemplo: Vericar se

X e

md(X) s ao estimadores consistentes para .
3) Consist encia
Estimac ao pontual
lim
n
V (
) = 0
Exemplo: Vericar se

X e

md(X) s ao estimadores consistentes para .
X :
2
X
=

2
n
lim
n
V (

X) = lim
n
2
n
= 0
md(X) :
2
md(X)
=

2
n

2
lim
n
V (
md(X)) = lim
n
2
n

2
= 0
Erro padr ao
Estimac ao pontual
Quando fornecemos uma estimativa de um par ametro, muitas vezes
e desej avel dar uma id eia da precis ao da estimac ao
Medida geralmente empregada: erro padr ao do estimador
Erro padr ao
Estimac ao pontual
O erro padr ao e o desvio padr ao do estimador:
=
_
V (
)
Se estivermos amostrando da distribuic ao N(, ), a distribuic ao do
estimador

X e N(, /
n), sendo
X
= /
n o seu erro padr ao

Erro padr ao
Estimac ao pontual
O erro padr ao e o desvio padr ao do estimador:
=
_
V (
)
Se estivermos amostrando da distribuic ao N(, ), a distribuic ao do
estimador

X e N(, /
n), sendo
X
= /
n o seu erro padr ao

Se n ao conhecermos , substituimos por S, levando a
X
= S/
n
Exemplo
Estimac ao pontual
Um novo m etodo para medir condutividade t ermica e testado. 10 medidas
s ao tomadas (em
o
F):
41,60 41,48 42,34 41,95 41,86
42,18 41,72 42,26 41,81 42,04
Estime o erro padr ao da estimativa pontual obtida usando o estimador

X:
Exemplo
Estimac ao pontual
Um novo m etodo para medir condutividade t ermica e testado. 10 medidas
s ao tomadas (em
o
F):
41,60 41,48 42,34 41,95 41,86
42,18 41,72 42,26 41,81 42,04
Estime o erro padr ao da estimativa pontual obtida usando o estimador

X:
Estimativa pontual da condutividade t ermica m edia:

X = 41,92
o
F
Erro padr ao da m edia amostral:
X
= /
n, mas como n ao conhecemos

, usamos S = 0,28
o
F. Ent ao:
X
=
S
n
=
0,28
10
= 0,09
o
F
O erro padr ao representa 0,2% do valor da m edia amostral, implicando
que obtivemos uma estimativa pontual relativamente precisa da
condutividade t ermica
M etodos de estimac ao pontual
Estimac ao pontual
M etodos para obter estimadores pontuais a serem vistos: m etodo dos
momentos e m axima verossimilhanca (MV)
MV e preferido por ter melhores propriedades
mas estimadores de momento s ao ` as vezes mais f aceis de calcular
Estimac ao pontual
M etodos para obter estimadores pontuais a serem vistos: m etodo dos
momentos e m axima verossimilhanca (MV)
MV e preferido por ter melhores propriedades
mas estimadores de momento s ao ` as vezes mais f aceis de calcular
1) M etodo dos momentos
Igualar os momentos populacionais (valores esperados) aos
momentos amostrais
Momentos populacionais s ao func oes dos par ametros
desconhecidos, ent ao as equac oes ser ao resolvidas para resultar
em estimadores dos par ametros desconhecidos
Estimac ao pontual
Momentos: Seja X
1
, . . . , X
n
uma a.a. da distribuic ao de probabilidades
f(x) (discreta ou contnua). O k- esimo momento populacional e
E(X
k
), k = 1,2, . . .
. O correspondente k- esimo momento amostral e
1
n
n
X
k
i
, k = 1,2, . . . .
Estimac ao pontual
Momentos: Seja X
1
, . . . , X
n
uma a.a. da distribuic ao de probabilidades
f(x) (discreta ou contnua). O k- esimo momento populacional e
E(X
k
), k = 1,2, . . .
. O correspondente k- esimo momento amostral e
1
n
n
X
k
i
, k = 1,2, . . . .
1
o
momento populacional: E(X
1
) = E(X) =
1
o
momento amostral:
1
n
n
X
1
i
=
1
n
n
X
i
=

X
Igualando os dois momentos: =

X (a m edia amostral e o
estimador de momento da m edia populacional)
Estimac ao pontual
Estimadores de momento:
Seja X
1
, . . . , X
n
uma a.a. de uma distribuic ao de
probabilidades com m par ametros desconhecidos
1
, . . . ,
m
. Os estimadores de momento
1
, . . . ,
m
s ao obtidos igualando os m primeiros momentos
populacionais aos m primeiros momentos amostrais
e resolvendo as equac oes para os par ametros
desconhecidos.
Exemplo - m etodo dos momentos
Estimac ao pontual
Estimador de momento da distribuic ao exponencial:
Seja X
1
, . . . , X
n
uma a.a. de uma distribuic ao exponencial com
par ametro . H a s o um par ametro a estimar. Para a exponencial:
E(X) = 1/.
Estimac ao pontual
Seja X
1
, . . . , X
n
E(X) = 1/.
Igualar E(X) a

X
E(X) =

X
1
=

X
=
1
X
e o estimador de momento de .
Estimac ao pontual
Seja X
1
, . . . , X
n
E(X) = 1/.
Igualar E(X) a

X
E(X) =

X
1
=

X
=
1
X
Suponha que o tempo de falha de um m odulo eletr onico seja testado em
uma temperatura elevada. O tempo de falha e exponencialmente
distribudo. 8 unidades s ao aleatoriamente selecionadas e testadas,
resultando nos seguintes tempos de falha (em horas):
x
1
= 11,96 x
2
= 5,03 x
3
= 67,40 x
4
= 16,07
x
5
= 31,50 x
6
= 7,73 x
7
= 11,10 x
8
= 22,38
Estimac ao pontual
Seja X
1
, . . . , X
n
E(X) = 1/.
Igualar E(X) a

X
E(X) =

X
1
=

X
=
1
X
Suponha que o tempo de falha de um m odulo eletr onico seja testado em
uma temperatura elevada. O tempo de falha e exponencialmente
distribudo. 8 unidades s ao aleatoriamente selecionadas e testadas,
resultando nos seguintes tempos de falha (em horas):
x
1
= 11,96 x
2
= 5,03 x
3
= 67,40 x
4
= 16,07
x
5
= 31,50 x
6
= 7,73 x
7
= 11,10 x
8
= 22,38
X = 21,65
=
1
X
=
1
21,65
= 0,0462 e a estimativa de momento de .
Exemplo - m etodo dos momentos para a normal
Estimac ao pontual
Seja X
1
, . . . , X
n
uma a.a. proveniente de uma N(,
2
). Para a normal,
E(X) = e E(X
2
) =
2
+
2
.
Estimac ao pontual
Seja X
1
, . . . , X
n
2
). Para a normal,
E(X) = e E(X
2
) =
2
+
2
.
1
o
momento:
E(X) =

X =

X
Estimac ao pontual
Seja X
1
, . . . , X
n
2
). Para a normal,
E(X) = e E(X
2
) =
2
+
2
.
1
o
momento:
E(X) =

X =

X
2
o
momento:
E(X
2
) =
1
n
X
2
i

2
+
2
=
1
n
X
2
i

2
=
1
n
X
2
i

_
1
n
X
i
_
2
=
X
2
i
n
_
1
n
X
i
_
2
n

2
=
_
X
i

X
_
2
n
Estimac ao pontual
Seja X
1
, . . . , X
n
2
). Para a normal,
E(X) = e E(X
2
) =
2
+
2
.
1
o
momento:
E(X) =

X =

X
2
o
momento:
E(X
2
) =
1
n
X
2
i

2
+
2
=
1
n
X
2
i

2
=
1
n
X
2
i

_
1
n
X
i
_
2
=
X
2
i
n
_
1
n
X
i
_
2
n

2
=
_
X
i

X
_
2
n
O estimador de momento de
2
n ao e um estimador n ao-tendencioso, pois
sabe-se que S
2
=
_
X
i

X
_
2
n 1
e um estimador n ao-tendencioso.
2) M etodo da m axima verossimilhanc a
Estimac ao pontual
Um dos melhores m etodos para obter um estimador de um par ametro
O estimador ser a o valor do par ametro que maximiza a func ao
verossimilhanca
Estimador de m axima verossimilhanc a: Seja X uma v.a. com distribuic ao de
probabilidades f(x; ), em que e um unico par ametro desconhecido. Sejam
x
1
, . . . , x
n
os valores observados na a.a. de tamanho n. Ent ao a func ao
verossimilhanca da amostra e
L() = f(x
1
; ) f(x
2
; ) . . . f(x
n
; )
2) M etodo da m axima verossimilhanc a
Estimac ao pontual
Um dos melhores m etodos para obter um estimador de um par ametro
O estimador ser a o valor do par ametro que maximiza a func ao
verossimilhanca
Estimador de m axima verossimilhanc a: Seja X uma v.a. com distribuic ao de
probabilidades f(x; ), em que e um unico par ametro desconhecido. Sejam
x
1
, . . . , x
n
os valores observados na a.a. de tamanho n. Ent ao a func ao
verossimilhanca da amostra e
L() = f(x
1
; ) f(x
2
; ) . . . f(x
n
; )
A func ao verossimilhanca e uma func ao somente do par ametro
desconhecido
O EMV de e o valor que maximiza L()
Na maior parte das vezes e mais f acil maximizar ln L() do que L(), pois
os m aximos das duas func oes coincidem
Exemplo (caso discreto) - m etodo da m axima verossimilhanc a
Estimac ao pontual
Seja X uma v.a. Bernoulli.
Estimac ao pontual
Seja X uma v.a. Bernoulli. Sua func ao probabilidade e:
f(x; p) =
_
p
x
(1 p)
1x
x = 0,1
0 c.c.
O par ametro a ser estimado e p.
Estimac ao pontual
f(x; p) =
_
p
x
(1 p)
1x
x = 0,1
0 c.c.
Func ao verossimilhanca de uma amostra de tamanho n:
L(p) = p
x
1
(1 p)
1x
1
p
x
2
(1 p)
1x
2
. . . p
x
n
(1 p)
1x
n
=
n
i=1
p
x
i
(1 p)
1x
i
= p
x
i
(1 p)
n
x
i
Estimac ao pontual
f(x; p) =
_
p
x
(1 p)
1x
x = 0,1
0 c.c.
L(p) = p
x
1
(1 p)
1x
1
p
x
2
(1 p)
1x
2
. . . p
x
n
(1 p)
1x
n
=
n
i=1
p
x
i
(1 p)
1x
i
= p
x
i
(1 p)
n
x
i
Se p maximiza L(p), p maximiza ln L(p). Assim,
ln L(p) = (
x
i
) ln p + (n
x
i
) ln(1 p).
Estimac ao pontual
f(x; p) =
_
p
x
(1 p)
1x
x = 0,1
0 c.c.
L(p) = p
x
1
(1 p)
1x
1
p
x
2
(1 p)
1x
2
. . . p
x
n
(1 p)
1x
n
=
n
i=1
p
x
i
(1 p)
1x
i
= p
x
i
(1 p)
n
x
i
Se p maximiza L(p), p maximiza ln L(p). Assim,
ln L(p) = (
x
i
) ln p + (n
x
i
) ln(1 p).
Agora,
dlnL(p)
d
=
x
i
p
+
(n
x
i
)
1 p
= 0 que, resolvendo para p resulta em
p =
1
n
x
i
, que e EMV de p.
Exemplo (caso contnuo) - m etodo da m axima verossimilhanc a
Estimac ao pontual
Seja X uma v.a. exponencial. Sua func ao densidade de probabilidade e
f(x) = e
x
, x > 0 O par ametro a ser estimado e .
Exemplo (caso contnuo) - m etodo da m axima verossimilhanc a
Estimac ao pontual
Seja X uma v.a. exponencial. Sua func ao densidade de probabilidade e
f(x) = e
x
, x > 0 O par ametro a ser estimado e .
Func ao verossimilhanca:
L() =
n
i=1
e
x
i
=
n
e
x
i
ln L() = nln()
x
i
Agora,
dlnL()
d
=
n
x
i
= 0 que, resolvendo para resulta em
n
x
i

n
x
i
=
=
1
X
,
que e o mesmo obtido pelo m etodo dos momentos.
Observac oes sobre o m etodo da MV
Estimac ao pontual
O m etodo da m axima verossimilhanca pode ser usado em situac oes
em que haja v arios par ametros desconhecidos para estimar
1
, . . . ,
k
A func ao verossimilhanca e uma func ao dos k par ametros
desconhecidos e os estimadores {
i
} de MV s ao obtidos igualando
as k derivadas parciais L(
1
, . . . ,
k
)/
i
, i = 1, . . . , k a 0 e
resolvendo o sistema resultante de equac oes
Exemplo da normal - os dois par ametros
Estimac ao pontual
Seja X N(,
2
), com e
2
desconhecidos. Sua f.d.p. e
f(x) =
1
2
2
e
(x)
2
2
2
, < x < , < < e > 0
Exemplo da normal - os dois par ametros
Estimac ao pontual
Seja X N(,
2
), com e
2
desconhecidos. Sua f.d.p. e
f(x) =
1
2
2
e
(x)
2
2
2
, < x < , < < e > 0
Func ao verossimilhanca:
L(,
2
) =
1
2
e
(x
i
)
2
2
2
=
1
(2
2
)
n/2
e
1
(2
2
)
(x
i
)
2
ln L(,
2
) =
n
2
ln(2
2
)
1
(2
2
)
(x
i
)
2
_
_
lnL(,
2
)
=
1
(x
i
) = 0,
lnL(,
2
)
2
=
n
2
2
+
1
2
4
(x
i
)
2
= 0,
As soluc oes resultam nos EMV:
=

X
2
=
1
n
(x
i

X)
2
(iguais aos obtidos pelo m etodo dos momentos.)

Aula 10 - Estimação Pontual

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Aula 10 - Estimação Pontual

Enviado por

Direitos autorais:

Formatos disponíveis

AULA 10 - Estimac ao pontual

EDIA, cuja m edia e

) s ao estatsticas que s ao func oes da

e uma v.a. (pois e func ao de v.a.s). Depois de a amostra ter sido

assume um valor num erico que e a estimativa pontual de

e um estimador n ao-tendencioso para o

Quando o estimador for n ao-tendencioso, a tendenciosidade e 0,

n o seu erro padr ao

n o seu erro padr ao

n, mas como n ao conhecemos

Você também pode gostar