Intro Infest at

Introduo Inferncia Estatstica
Maria Eugnia Graa Martins

Departamento de Estatstica e Investigao Operacional
Faculdade de Cincias da Universidade de Lisboa
Abril de 2006
Com este mdulo, pretende-se fazer um pequeno curso introdutrio Inferncia Estatstica.
Sero abordados os conceitos necessrios para se chegar de uma forma simples,
interpretao e compreenso de certo tipo de informao veiculada pela comunicao social,
nomeadamente a que diz respeito s sondagens.
Ao escrever estas folhas pensei particularmente nos professores que leccionam a disciplina
de Matemtica para as Cincias Sociais, j que correspondem ao contedo programtico
desta disciplina. No se pretendem que sejam um substituto de outro tipo de informao
utilizada por estes professores, mas sim um complemento.
No pretendo apresentar estas folhas como um produto acabado, mas sim como um passo
para um trabalho que possa ser continuamente melhorado com as crticas e sugestes, que
desde j agradeo, da parte dos meus colegas professores.
Maria Eugnia Graa Martins

memartins@fc.ul.pt
ndice
1
1.1
1.2
Introduo ................................................................................................
O que a Estatstica?.............................................................................. 4
Probabilidade e Estatstica....................................................................... 5
2
2.1
2.2
2.3
2.3.1
2.3.2
Inferncia Estatstica................................................................................ 6
Introduo ................................................................................................ 6
Parmetro e Estatstica ............................................................................ 7
Amostra enviesada. Amostra aleatria e no aleatria. Distribuio
de amostragem ........................................................................................ 8
Amostra enviesada e amostra aleatria................................................... 8
Distribuio de amostragem..................................................................... 9
Estimador centrado e no centrado (ou enviesado)................................. 11
Tcnicas de amostragem aleatria .......................................................... 13
Qual a dimenso que se deve considerar para a amostra? ..................... 17
6
6.1
6.1.1
6.1.2
6.1.3
Estimao do parmetro valor mdio....................................................... 19

Distribuio de amostragem da Mdia, como estimador do valor mdio . 20
Distribuio de amostragem exacta da Mdia ......................................... 20
Distribuio de amostragem aproximada da Mdia ................................. 23
Como obter a distribuio de amostragem da Mdia?............................. 29
Teorema Limite Central
O que uma populao infinita?
Algumas consequncias prticas das propriedades da distribuio de
amostragem da Mdia ............................................................................. 31
As propriedades do estimador Mdia dependem da dimenso da
populao?............................................................................................... 32
Intervalo de confiana para o parmetro valor mdio .............................. 33
Como que se interpreta esta confiana? O que significa? .................... 35
Margem de erro........................................................................................ 39
6.2
6.2.1
7
7.1
7.2
Estimao do parmetro proporo populacional .................................... 40

Distribuio de amostragem da Proporo amostral, como estimador
da proporo populacional ....................................................................... 40
Intervalo de confiana para a proporo populacional p.......................... 42
Exerccios ............................................................................................................. 43
Quando a comunicao social, a propsito de uma sondagem, transmite a seguinte notcia1:
Sondagem
10%
no sabem
quem
o Presidente
da Repblica
DEZ por cento dos portugueses no sabem quem
o Presidente da Repblica e 9 por cento
desconhecem a identidade do primeiro-ministro.
Uma sondagem de 2000 inquiridos EXPRESSO/Euroexpanso revela ainda ndices mais
desoladores para o presidente da Assembleia da
Repblica (s identificado por 39 por cento dos
inquiridos),
para
os
lderes
partidrios
(desconhecidos de mais de metade do universo) e
para os chefes dos grupos parlamentares (ignorados pela quase totalidade da amostra). Os dados
da sondagem mostram ainda que os portugueses
no distinguem entre Antnio Guterres/ primeiroministro e Antnio Guterres/secretrio-geral do PS:
91 por cento sabem que ele o chefe de Governo,
mas 52 por cento ignoram que ele o lder dos
socialistas (ver pg. 7).
Ficha Tcnica
Sondagem efectuada entre os dias 6 e 31 de Janeiro. O universo constitudo pela populao de
Portugal Continental, com idades entre os 18 e os
74 anos. A amostra de 1964 indivduos,
entrevistados directamente, nas suas residncias,
A margem de erro de 1.3%, para uma confiana
de 95%.
como interpretamos a ficha tcnica que a acompanha?

Com este mdulo pretendemos responder a esta questo. Estaremos aptos a saber
interpretar o resultado de uma sondagem, nomeadamente, sabendo o que se entende por
confiana, o que a margem de erro, porqu uma amostra de 1964 indivduos, etc.
Exemplo adaptado de uma notcia do Expresso de 15/03/97
Maria Eugnia Graa Martins - DEIO
4 de 48
1 Introduo
1.1 O que a Estatstica?
A Estatstica uma cincia que estuda a variabilidade apresentada pelos dados. Permitenos, a partir dos dados retirar concluses, mas tambm exprimir o grau de confiana que
devemos ter nessas concluses. precisamente nesta particularidade, que se manifesta
toda a potencialidade da Estatstica.
Tal como refere David Moore, em Perspectives of Contemporary Statistics, podemos
considerar trs grandes reas nesta cincia dos dados:
Aquisio de dados
Anlise de dados
Inferncia a partir dos dados
O tema da Aquisio de dados, merece relevo especial, pois devero ser recolhidos numa
perspectiva em que ser a partir da informao que eles fornecem que iremos responder a
determinadas questes, isto , retirar concluses para as Populaes subjacentes a esses
dados contexto em que tem sentido fazer Inferncia Estatstica.
5 de 48
1.2 Probabilidade e Estatstica?

A Probabilidade o instrumento que permite ao Estatstico utilizar a informao recolhida da
amostra, para descrever ou fazer inferncias sobre a Populao de onde a amostra foi
recolhida. Podemos dizer que os objectivos da Probabilidade e da Estatstica so, de certo
modo, inversos.
Quando assumimos que a Populao conhecida, podemos fazer racioconios que vo do
geral para o particular, isto , da Populao para a Amostra. Quando a Populao no
conhecida, utilizamos a Estatstica no sentido inverso, isto , para inferir para a Populao
resultados observados na Amostra.
Exemplo Consideremos a Populao constituda pelos alunos inscritos na FCUL, no ano
lectivo de 2005/2006. Relativamente a esta populao, seja p a percentagem de alunos que
pratica regularmente desporto. Recolhida uma amostra de 10 alunos, com reposio:
se conhecermos o valor de p, por exemplo p=0.298, podemos calcular a probabilidade

de haver x alunos, a praticar desporto, nos 10 alunos seleccionados. Para calcular
esta probabilidade, basta pensar que a varivel X, que representa o nmero de alunos
em 10 que pratica desporto, bem modelada por uma Binomial, neste caso com
parmetros 10 e 0.298. Ento, por exemplo, P(X=3) = 0.2668 (Valor calculado no
Excel).
se no conhecermos o valor de p, vamos utilizar o nmero x de alunos, que praticam

desporto, nos 10 seleccionados, para estimar p, e temos um problema de Inferncia
Estatstica. Se, por exemplo, x=3, diremos que uma estimativa para p, 0.3. A partir
deste valor temos processos que nos permitem tomar uma deciso sobre o parmetro
p, quantificando ainda o erro cometido ao tomar essa deciso.
No que se segue vamos estudar alguns exemplos de Inferncia Estatstica, nomeadamente

no que diz respeito estimao de parmetros, na forma de Intervalos de Confiana.
6 de 48
2 Inferncia Estatstica
2.1 Introduo
O que ? Quando se utiliza? Para que serve?
um processo de raciocnio indutivo, em que se procuram tirar concluses indo do

particular, para o geral. um tipo de raciocnio contrrio ao tipo de raciocnio
matemtico, essencialmente dedutivo.
Utiliza-se quando se pretende estudar uma populao, estudando s alguns
elementos dessa populao, ou seja, uma amostra.
Serve para, a partir das propriedades verificadas na amostra, inferir propriedades
para a populao.
7 de 48
2.2 Parmetro e estatstica

Quando se pretende estimar (obter um valor aproximado) um parmetro - caracterstica
numrica da populao, considera-se uma funo conveniente, que s dependa dos valores
da amostra estatstica, a que se d o nome de estimador do parmetro em estudo. Ao
valor desta funo a que chammos estimador, calculada para uma determinada amostra
recolhida, chamamos estimativa. Tambm se utiliza o termo estatstica como significado de
estimativa. Surge assim o conceito de estatstica caracterstica numrica da amostra, por
oposio a parmetro - caracterstica numrica da populao.
No seguinte esquema, procuramos traduzir o processo de Inferncia Estatstica,
nomeadamente no que diz respeito estimao de parmetros
Embora, neste curso, no abordemos outros temas que os de estimao de parmetros, a

inferncia estatstica dispe de instrumentos poderosos que nos permitem tomar decises de
outro tipo. O importante e que convm registar, que as decises que tomamos tm inerente
um determinado erro, que pode ser quantificado em termos probabilsticos.
8 de 48
2.3 Amostra enviesada. Amostra aleatria e amostra no aleatria. Distribuio de

amostragem
2.3.1 Amostra enviesada e amostra aleatria
Como dissemos anteriormente, as decises que tomamos tm inerente um determinado erro,
erro este que inerente variabilidade presente na amostra que se recolhe, com o objectivo
de tomar decises, sobre o parmetro que estamos a estudar. Uma amostra que no seja
representativa da Populao diz-se enviesada e a sua utilizao pode dar origem a
interpretaes erradas.
Um processo de amostragem diz-se enviesado quando tende sistematicamente a
seleccionar elementos de alguns segmentos da Populao, e a no seleccionar sistematicamente elementos de outros segmentos da Populao.
Surge assim, a necessidade de fazer um planeamento da amostragem, onde se decide
quais e como devem ser seleccionados os elementos da Populao, com o fim de serem
observados, relativamente caracterstica de interesse.
Amostra aleatria e amostra no aleatria Dada uma populao, uma amostra aleatria
uma amostra tal que qualquer elemento da populao tem alguma probabilidade de ser
seleccionado para a amostra. Numa amostra no aleatria, alguns elementos da populao
podem no poder ser seleccionados para a amostra.
9 de 48
2.3.2 Distribuio de amostragem

Normalmente obtm-se amostras enviesadas quando existe a interveno do factor humano.
Com o objectivo de minimizar o enviesamento, no planeamento da escolha da amostra deve
ter-se presente o princpio da aleatoriedade de forma a obter uma amostra aleatria.
Quando se pretende recolher uma amostra de dimenso n, de uma Populao de dimenso
N, podemos recorrer a vrios processos de amostragem. Como o nosso objectivo , a partir
das propriedades estudadas na amostra, inferir propriedades para a Populao, gostaramos
de obter processos de amostragem que dem origem a bons estimadores e
consequentemente boas estimativas.
Acontece que as propriedades dos estimadores, como veremos a seguir, s podem ser
estudadas se conseguirmos estabelecer um plano de amostragem que atribua a cada
amostra seleccionada uma determinada probabilidade, e esta atribuio s pode ser feita
com planos de amostragem aleatrios.
Assim, importante termos sempre presente o princpio da aleatoriedade, quando vamos
proceder a um estudo em que procuramos alargar para a Populao as propriedades
estudadas na amostra.
O estudo de um estimador feito a partir da sua distribuio de amostragem, ou seja, da
distribuio dos valores obtidos pelo estimador, quando se consideram todas as amostras
possveis, utilizando um determinado esquema de amostragem.
10 de 48
Como se comportam todas estas estimativas, relativamente ao parmetro, em estudo?

A resposta dada estudanto a distribuio de amostragem do estimador (no esquea
que o estimador uma funo dos elementos da amostra e que para cada amostra que se
recolhe, se obtm um valor dessa funo, que se chama estimativa!).
11 de 48
3 Estimador centrado e no centrado (ou enviesado)

Quando que dizemos que temos um bom estimador?
Uma vez escolhido um plano de amostragem aleatrio, ao pretendermos estimar um
parmetro, pode ser possvel utilizar vrias estatsticas (estimadores) diferentes. Por
exemplo, quando pretendemos estudar a variabilidade presente numa Populao, que pode
ser medida pela varincia populacional 2, sabemos que podemos a partir de uma amostra
recolhida (x1, x2, ..., xn), obter duas estimativas diferentes para essa varincia, a partir das
expresses
n
s =
(x i x) 2
i =1
n 1
ou
s =
(x
x) 2
i =1
Quais as razes que nos podem levar a preferir uma das estatsticas relativamente outra?
Qual o estimador preferido? S2 ou S2?
Um critrio que costuma ser aplicado o de escolher um bom estimador como sendo
aquele que centrado e que tem uma boa preciso. Escolhido um plano de amostragem,
define-se:
Estimador centrado Um estimador diz-se centrado quando a mdia das estimativas
obtidas para todas as amostras possveis que se podem extrair da Populao, segundo o
esquema considerado, coincide com o parmetro a estimar. Quando se tem um estimador
centrado, tambm se diz que no enviesado.
Uma das razes que nos levam a preferir o estimador S2 para a varincia, relativamente a
S2, o facto de no apresentar enviesamento (pelo menos para o plano de amostragem que
iremos utilizar).
Aparece-nos, novamente a palavra enviesamento, mas noutro contexto. Efectivamente,
relacionado com um processo de amostragem e com escolha de um estimador, temos dois
tipos de enviesamento:
O associado com o processo de amostragem, isto , com a recolha da amostra, em

que uma amostra enviesada o resultado do processo de amostragem no ser
aleatrio;
12 de 48
O associado com o estimador escolhido, para estimar o parmetro em estudo. Se o

estimador no for centrado, diz-se que enviesado ou no centrado.
Para se evitar qualquer tipo de enviesamento, necessrio estarmos atentos:
primeiro na escolha do plano de amostragem
e depois na escolha do estimador utilizado para estimar o parmetro desconhecido. O

facto de utilizarmos um estimador centrado, no nos previne contra a obteno de
ms estimativas, se o plano de amostragem utilizado sistematicamente favorecer uma
parte da Populao (isto , fornecer amostras enviesadas).
Por outro lado, temos que ter outra preocupao com o estimador escolhido, que diz respeito
preciso:
Preciso - Ao utilizar o valor de uma estatstica para estimar um parmetro, temos que cada
amostra fornece um valor para a estatstica que se utiliza como estimativa desse parmetro.
Estas estimativas no so iguais devido variabilidade presente na amostra. Se, no entanto,
os diferentes valores obtidos para a estatstica forem prximos, e o estimador for centrado,
podemos ter confiana de que o valor calculado a partir da amostra recolhida (na prtica
recolhe-se uma nica amostra) est prximo do valor do parmetro (desconhecido).
A falta de preciso e o problema do enviesamento da amostra so dois tipos de erro com
que nos defrontamos num processo de amostragem (mesmo que tenhamos escolhido um
bom estimador). No se devem, contudo, confundir. Enquanto o enviesamento se manifesta
por um desvio nos valores da estatstica, relativamente ao valor do parmetro a estimar,
sempre no mesmo sentido, a falta de preciso manifesta-se por uma grande variabilidade
nos valores da estatstica, uns relativamente aos outros. Por outro lado, enquanto o problema
do enviesamento da amostra se reduz com o recurso a amostras aleatrias, a preciso
aumenta-se, aumentando a dimenso da amostra (como veremos).
13 de 48
4 Tcnicas de amostragem aleatria

Existem vrias tcnicas de amostragem aleatria. No entanto, no estudo da distribuio de
amostragem dos estimadores Mdia e Proporo amostral, utilizados, respectivamente, para
estimar os parmetros Valor mdio e Proporo populacional, vamos limitar-nos a
considerar amostras aleatrias obtidas de forma a satisfazerem os seguintes critrios:
Dada uma populao de dimenso N, considera-se que cada elemento da populao,
deve ter a mesma probabilidade, igual a 1/N, de ser seleccionado para a amostra;
A seleco feita com reposio.
Existem outras tcnicas de amostragem aleatria, como a amostragem aleatria simples
(dada uma populao de dimenso N, uma amostra aleatria simples, de n elementos,
aquela tal que, qualquer outro conjunto de n elementos, tem igual probabilidade de ser
seleccionado), a amostragem sistemtica, a amostragem estratificada, etc. Qualquer uma
destas tcnicas, aplicadas na recolha das amostras, conduz a que as propriedades dos
estimadores utilizados para estimar os mesmos parmetros, sejam diferentes. Antes de
formalizarmos o estudo dos estimadores Mdia e Proporo amostral, vamos exemplificar
um tipo de amostragem com reposio e sem reposio, e as implicaes nas
propriedades do estimador, na estimao de uma proporo (Consideramos um exemplo
com interesse unicamente terico, para fins de exemplificao).
Exemplo No Departamento de Estatstica h 5 docentes que so professores associados,
dos quais 3 so mulheres Maria, Ana, Rita e 2 so homens Pedro e Tiago. Se
representarmos por p a percentagem de homens que so professores associados, temos
que p=2/5 (Numa situao de interesse, a populao seria razoavelmente grande e a
proporo p seria desconhecida situao que se verifica quando se pretende averiguar a
percentagem de eleitores que pretendem votar num determinado candidato). Suponhamos
que pretendamos estimar esta proporo utilizando a proporo p de homens em amostras
de dimenso 2. Ento vamos construir todas as amostras desta dimenso para obter a
distribuio de amostragem da estatstica utilizada:
14 de 48
a) Com reposio
Amostra
Amostra
Maria, Maria
Maria, Ana
Maria, Rita
MariaPedro
MariaTiago
Ana, Maria
Ana, Ana
Ana, Rita
Ana, Pedro
Ana, Tiago
Rita, Maria
Rita, Ana
Rita, Rita
0
0
0
1/2
1/2
0
0
0
1/2
1/2
0
0
0
Rita, Pedro
Rita, Tiago
Pedro, Maria
Pedro, Ana
Pedro, Rita
Pedro, Pedro
Pedro, Tiago
Tiago, Maria
Tiago, Ana
Tiago, Rita
Tiago, Pedro
Tiago, Tiago
1/2
1/2
1/2
1/2
1/2
2/2
2/2
1/2
1/2
1/2
2/2
2/2
A partir da tabela anterior possvel obter a distribuio de amostragem da estatstica p :

p
.5
Probabilidade
9/25
12/25
4/25
E( p ) = 2/5 e Var( p )= 3/25

Repare-se que o valor mdio da estatstica p coincide com o valor do parmetro p que se
est a estimar.
b) Sem reposio(Amostragem aleatria simples)
Amostra
Amostra
Maria, Ana
Maria, Rita
Maria, Pedro
Maria, Tiago
Ana, Rita
0
0
1/2
1/2
0
Ana, Pedro
Ana, Tiago
Rita, Pedro
Rita, Tiago
Pedro, Tiago
1/2
1/2
1/2
1/2
1
.5
Probabilidade
3/10
6/10
1/10
E( p ) = 2/5 e Var( p )= 9/100

)
Repare-se que, ainda neste caso, o valor mdio da estatstica (estimador) p coincide com o
valor do parmetro p que se est a estimar, mas a varincia inferior obtida na

amostragem com reposio. Comparando as duas distribuies de amostragem, do mesmo
estimador, mas para os esquemas de amostragem diferentes, temos
15 de 48
0,7
0,6
0,5
0,4
c/rep
0,3
s/rep
0,2
0,1
0
0
0,5
Neste esquema de amostragem aleatria simples (uma amostra aleatria simples de n

elementos, definida como sendo uma amostra tal que qualquer outro conjunto de n
elementos da populao, tem igual probabilidade de ser seleccionado os elementos podem
ser seleccionados sequencialmente, sem reposio, ou em bloco, todos de uma vez), no
interessa a ordem pela qual os elementos so seleccionados, pelo que o nmero de
amostras diferentes igual a 5 =10.
2
Exemplo (cont) - Suponhamos ainda que, relativamente ao exemplo anterior, estvamos

interessados em estimar o parmetro p, mas atravs da estatstica X - nmero de homens
em amostras de n elementos.
) X
Ento o estimador de p, p = onde X a varivel que d o n de homens numa amostra de
n
dimenso n. Utilizando ainda amostras de dimenso 2, vamos obter a distribuio de
) X
amostragem de p = , comeando pelo estudo da estatstica X n de homens em amostras
2
de dimenso 2:
a) Com reposio
Amostra
Maria, Maria
Maria, Ana
Maria, Rita
Maria, Pedro
Maria, Tiago
Ana, Maria
Ana, Ana
Ana, Rita
Ana, Pedro
Ana, Tiago
Rita, Maria
Rita, Ana
Rita, Rita
x
0
0
0
1
1
0
0
0
1
1
0
0
0
Amostra
Rita, Pedro
Rita, Tiago
Pedro, Maria
Pedro, Ana
Pedro, Rita
Pedro, Pedro
Pedro, Tiago
Tiago, Maria
Tiago, Ana
Tiago, Rita
Tiago, Pedro
Tiago, Tiago
x
1
1
1
1
1
2
2
1
1
1
2
2
16 de 48
A partir da tabela anterior possvel obter a distribuio de amostragem da estatstica X:

X=x
P(X=x)
0
9/25
1
12/25
2
4/25
Repare-se que a distribuio de amostragem da estatstica X no mais do que a

distribuio Binomial de parmetros 2 e 2/5 (sabemos neste caso que a proporo de
homens 2/5):
x
2 2 3
P(X=x)=
x 5 5
2 x
, com x=0, 1, 2
E(X) = 4/5 e Var(X)= 12/25

)
Ento o estimador p tal que
.5
Probabilidade
9/25
12/25
4/25
tal como seria de esperar, pois j havia sido obtido anteriormente.

b) Sem reposio (esquema de amostragem aleatria simples)
Amostra
Maria, Ana
Maria, Rita
Maria, Pedro
Maria, Tiago
Ana, Rita
x
0
0
1
1
0
X=x
P(X=x)
0
3/10
Amostra
Ana, Pedro
Ana, Tiago
Rita, Pedro
Rita, Tiago
Pedro, Tiago
1
6/10
x
1
1
1
1
2
2
1/10
E(X) = 4/5 e Var(X)= 9/25

Repare-se que, agora, para modelar X, j no podemos utilizar o modelo Binomial, mas sim
o chamado modelo Hipergeomtrico:
2 3

x 2 x
P(X=x)=
com x=0, 1, 2
5

2
17 de 48
)
Ento, para p teremos as propriedades j obtidas anteriormente, quando obtivemos a sua
distribuio de amostragem directamente.
Observao Utilizando o mesmo estimador, mas com um esquema diferente de seleco
das amostras, temos distribuies de amostragem diferentes. Este exemplo teve como
objectivo fazer intervir dois modelos de probabilidade conhecidos o modelo Binomial e o
modelo Hipergeomtrico
No nos debruaremos sobre esquemas de amostragem sistemtica, por estratificao, por

quotas, etc, uma vez que no estudaremos as propriedades dos estimadores para estas
tcnicas de amostragem.
5 Qual a dimenso que se deve considerar para a amostra?

Outro problema que se levanta com a recolha da amostra o de saber qual a dimenso
desejada para a amostra a recolher.
Este um problema para o qual, nesta fase, no possvel avanar nenhuma teoria, mas
sobre o qual se podem tecer algumas consideraes gerais. Pode-se comear por dizer que,
para se obter uma amostra que permita calcular estimativas suficientemente precisas dos
parmetros a estudar, a sua dimenso depende muito da variabilidade da populao
subjacente (como mostraremos mais frente).
Por exemplo, se relativamente populao constituda pelos alunos do 10 ano de uma
escola secundria, estivermos interessados em estudar a sua idade mdia, a dimenso da
amostra a recolher no necessita de ser muito grande j que a varivel idade apresenta
valores muito semelhantes, numa classe etria muito restrita. No entanto se a caracterstica
a estudar for o tempo mdio que os alunos levam a chegar de casa escola, j a amostra
ter de ter uma dimenso maior, uma vez que a variabilidade da populao muito maior.
Cada aluno pode apresentar um valor diferente para esse tempo. Num caso extremo, se
numa populao a varivel a estudar tiver o mesmo valor para todos os elementos, ento
bastaria recolher uma amostra de dimenso 1 para se ter informao completa sobre a
18 de 48
populao; se, no entanto, a varivel assumir valores diferentes para todos os elementos,
para se ter o mesmo tipo de informao seria necessrio investigar todos os elementos.
Chama-se a ateno para a existncia de tcnicas que permitem obter valores mnimos para
as dimenses das amostras a recolher e que garantem estimativas com uma determinada
preciso exigida partida (como veremos mais frente). Uma vez garantida essa preciso,
a opo por escolher uma amostra de maior dimenso, uma questo a ponderar entre os
custos envolvidos e o ganho com o acrscimo de preciso. Vem a propsito a seguinte frase
(Statistics: a Tool for the Social Sciences, Mendenhall et al., pag. 226): "Se a dimenso da
amostra demasiado grande, desperdia-se tempo e talento; se a dimenso da amostra

demasiado pequena, desperdia-se tempo e talento".
Convm ainda observar que a dimenso da amostra a recolher no directamente
proporcional dimenso da populao a estudar, isto , se por exemplo para uma populao
de dimenso 1000 uma amostra de dimenso 100 for suficiente para o estudo de
determinada caracterstica, no se exige necessariamente uma amostra de dimenso 200
para estudar a mesma caracterstica de uma populao anloga, mas de dimenso 2000,
quando se pretende obter a mesma preciso. Como explicava George Gallup, um dos pais
da consulta da opinio pblica (Tannenbaum, 1998),: Whether you poll the United States or
New York State or Baton Rouge (Louisiana) you need the same number of interviews or
samples. Its no mystery really if a cook has two pots of soup on the stove, one far larger
than the other, and thoroughly stirs them both, he doesnt have to take more spoonfuls from
one than the other to sample the taste accurately.
Finalmente chama-se a ateno para o facto de que se o processo de amostragem originar
uma amostra enviesada, aumentar a dimenso no resolve nada, antes pelo contrrio!
A seguir vamos ver dois casos importantes de estimao de parmetros:
a estimao do valor mdio (ou mdia populacional), pela mdia (amostral), e
a estimao da proporo (populacional) pela proporo amostral.
19 de 48
6 Estimao do valor mdio

Quando se pretende estimar um parmetro, uma vez definido o esquema de amostragem,
considera-se uma estatstica conveniente, isto , uma funo adequada das observaes,
funo esta que para cada amostra observada dar uma estimativa do parmetro que se
pretende estimar. Quando o parmetro a estimar o valor mdio ou mdia populacional,
ento natural considerar como estimador a funo Mdia, que para cada amostra
observada dar uma estimativa do parmetro.
Como que podemos saber se a Mdia um bom estimador para o valor mdio?
Ser que para as diferentes amostras que podemos obter da populao, as diferentes
estimativas so prximas umas das outras e do parmetro valor mdio? Se isso acontecer,
temos uma certa garantia que a amostra que seleccionmos, j que na prtica s se
selecciona uma amostra, nos fornece uma estimativa razovel. A resposta questo anterior
dada construindo a distribuio de amostragem da Mdia.
So as distribuies de amostragem das estatsticas que nos vo

permitir fazer inferncias sobre os
parmetros populacionais correspondentes. A aleatoriedade presente no processo de seleco
das amostras, faz com que se
possa utilizar a distribuio de
amostragem de uma estatstica
para descrever o comportamento
dessa estatstica, quando se utiliza para estimar um determinado
parmetro.
Podemos dizer que atravs da distribuio de amostragem que introduzimos a

probabilidade num procedimento estatstico, em que a partir das propriedades estudadas na
amostra, procuramos tirar concluses para a populao.
20 de 48
6.1 Distribuio de amostragem da Mdia, como estimador do valor mdio

6.1.1 Distribuio de amostragem exacta da Mdia
Seguidamente vamos exemplificar o processo de obteno da distribuio de amostragem
da Mdia, e consequente estudo das suas propriedades como estimador do valor mdio de
uma Populao finita. Vamos considerar uma Populao de dimenso suficientemente
pequena, para que o problema possa ser tratado dentro dos limites do razovel.
Exemplo
Considere uma populao constituda pelos elementos 1, 2, 3, 4 e 5. Pretende
estimar o valor mdio desta populao, utilizando, como estimativa, a mdia de uma amostra
de dimenso 2, obtida com reposio. Obtenha a distribuio de amostragem do estimador
utilizado.
Resoluo: A Populao anterior constituda pelos elementos 1, 2, 3, 4 e 5, tendo cada um
uma probabilidade constante e igual a 1/5 de ser seleccionado para pertencer a uma
amostra:
Populao X
Probabilidade
1
1/5
2
1/5
3
1/5
4
1/5
5
1/5
Propriedades da Populao:
Valor mdio = 3
Desvio padro =
2.
A metodologia seguida para obter a distribuio de amostragem consiste em obter todas as

amostras de dimenso 2, com reposio, calcular o valor da estatstica mdia para cada uma
delas e depois representar a distribuio dos valores obtidos:
Amostras
(1,1)
(1,2)
(2,1)
(1,3)
(2,2)
(3,1)
(1,4)
(2,3)
(3,2)
(4,1)
mdia
1.5
2.5
(1,5)
(2,4)
(3,3)
(4,2)
(5,1)
3
(2,5)
(3,4)
(4,3)
(5,2)
(3,5)
(4,4)
(5,3)
(4,5)
(5,4)
(5,5)
3.5
4.5
De acordo com a tabela anterior obtemos a seguinte distribuio de amostragem para o

estimador Mdia2 (assim representado para termos presente que se obtm a partir de
amostras de dimenso 2)
21 de 48
Mdia2
Probabilidade
1.5
2.5
3.5
4.5
1/25
2/25
3/25
4/25
5/25
4/25
3/25
2/25
1/25
1 1.5 2 2.5 3 3.5 4 4.5 5
Caractersticas da distribuio de amostragem da Mdia para amostras de dimenso 2:
Valor mdio = 3
Desvio padro = 1
Algumas observaes:
O centro da distribuio de amostragem do estimador Mdia2 utilizado para estimar o

valor mdio da populao (igual a 3), coincide com o parmetro a estimar .
O desvio padro da populao inicial igual a
2 , enquanto que o desvio padro da
Mdia, calculada a partir de amostras de dimenso 2 1 ( 2 / 2 =1 resultado

considerado anteriormente).
Se repetirmos a metodologia seguida no processo do exemplo anterior, considerando agora
amostras de dimenso 3, o problema torna-se mais trabalhoso, j que o nmero de amostras
possveis 53=125. Assim, abstemo-nos de apresentar todas essas amostras, limitando-nos
a apresentar a distribuio de amostragem da Mdia3:
Mdia3
1.33
1.67
2.33
2.67
3.33
3.67
4.33
4.67
Proba.
.008
.024
.048
.080
.120
.144
.152
.144
.120
.080
.048
.024
.008
Caractersticas da distribuio de amostragem:

22 de 48
Valor mdio = 3
Desvio padro = 0.816
Algumas observaes:
O centro da distribuio de amostragem do estimador Mdia3 utilizado para estimar o

valor mdio da populao (igual a 3), coincide com o parmetro a estimar .
O desvio padro da populao inicial igual a
2 , enquanto que o desvio padro da
Mdia3, calculada a partir de amostras de dimenso 3 0.816 ( 2 / 3 =0.816).
A variabilidade apresentada pela distribuio de amostragem inferior obtida quando

se consideram amostras de dimenso 2. Este resultado indicia que quanto maior for a
dimenso da amostra, menor a variabilidade apresentada pela distribuio de
amostragem.
Para melhor comparao dos processos anteriores, resumimos na tabela seguinte algumas
caractersticas da populao e da distribuio de amostragem da Mdia para amostras de
dimenso 2 e 3:
Populao
Mdia (amostras dimenso 2)
Mdia (amostras dimenso 3)
Valor mdio
3
3
3
Desvio padro
1.414
1.000
0.816
Considermos um exemplo de uma populao muito pequena, em que foi simples obter a
distribuio de amostragem da Mdia. E se a dimenso da populao fosse igual a 20 e
pretendessemos recolher amostras de dimenso 5, quantas amostras teramos de recolher
para obter a distribuio de amostragem da Mdia? Nada mais, nada menos que 3 200 000!
Como vemos, este processo de obter a distribuio de amostragem da Mdia seria
impraticvel, mesmo para populaes razoavelmente pequenas. Como proceder ento?
Vamos ver que, embora no seja fcil (a maior parte das vezes) obter a distribuio de
amostragem exacta, podemos ter a distribuio de amostragem aproximada da Mdia, que j
nos bastante til.
23 de 48
6.1.2 Distribuio de amostragem aproximada da Mdia

No exemplo anterior a populao era razoavelmente pequena, pelo que foi possvel calcular
a distribuio de amostragem exacta da estatstica Mdia, como estimador do valor mdio.
Vamos considerar agora uma situao ainda de uma populao finita, mas suficientemente
grande para no ser possvel (dentro dos limites do razovel...) obter a distribuio exacta.
Exemplo: Considere a seguinte tabela onde se apresentam os 97 trabalhadores de uma

determinada empresa:
Nmero
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
Nome
Alexandra Almeida
Alexandre Carmo
Alda Morais
Ana Ribeiro
Ana Cristina Santos
Ana Cristina Oliveira
Anabela Pais
Antnio Couto
Antnio Fernandes
Antnio Pinto
Armando Ferreira
Carlos Matos
Carlos Sampaio
Cristina Vicente
Cristina Zita
Dora Ferreira
Elsa Sampaio
Fernando Barroso
Fernando Martins
Fernando Santos
Filomena Silva
Francisco Gomes
Isabel Soares
Isabel Silva
Joo Morais
Joo Sousa
Luis Horta
Luis Sousa
Luis Ribeiro
Manuel Santos
Manuel Pereira
Manuel Teixeira
Margarida Almeida
Margarida Simes
M. Adelina Azevedo
M. Alexandra Almeida
M. Alexandra Ribeiro
M. Cristina Carvalho
M. Cristina Freire
M. De Ftima Osrio
M. Fernanda Rocha
M. Isabel Frade
M. Isabel Santos
M. Luisa Faria
M. Manuel Trindade
M. Manuela Lino
M. Nazar Pinto
M. Neusa Lopes
M. Olga Martins
M. Paula Pitarra
M. Paula Garcs
M. Rosrio Gomes
M. Rute Costa
Estado civil
solteira
casado
casada
casada
casada
solteira
divorciada
solteiro
casado
casado
casado
casado
casado
casada
casada
casada
casada
casado
casado
divorciado
solteira
casado
solteira
casada
casado
solteiro
casado
casado
casado
casado
divorciado
casado
casada
casada
solteira
solteira
casada
casada
divorciada
casada
solteira
casada
solteira
casada
casada
casada
solteira
casada
casada
casada
solteira
solteira
solteira
Idade Altura N filhos

26
30
37
23
26
25
33
24
42
51
48
37
40
39
27
50
45
43
29
32
20
26
22
34
44
25
35
37
49
54
47
50
51
47
25
26
39
41
38
33
29
38
26
35
29
33
29
34
27
29
25
27
45
160
174
160
159
156
153
156
177
161
171
167
165
174
160
164
170
160
164
165
174
165
174
156
148
171
176
169
170
170
175
162
173
166
161
148
158
157
158
161
164
154
164
164
164
167
159
162
163
165
160
150
155
160
0
2
3
1
2
0
3
0
5
1
1
1
2
2
1
4
4
3
1
2
0
0
0
2
2
0
2
0
1
4
3
2
1
4
0
0
3
2
1
1
0
2
0
2
0
3
0
2
0
3
0
0
0
24 de 48
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
M. Rute Rita
M. Teresa Antnio
M. Teresa Bento
M. Teresa Garcia
Mrio Martins
Mrio Reis
Nuno Simes
Nuno Ventura
Olga Martins
Oscar Trigo
Osvaldo
Paulo Nunes
Paulo Martins
Paulo Santos
Paulo Valente
Pedro Casanova
Pedro Dalo
Pedro Martins
Pedro Lisboa
Pedro Sintra
Pedro Valente
Pedro Viriato
Rita Amaral
Rita Bendito
Rita vora
Rita Seguro
Rita Valente
Rufo Almeida
Rui Andr
Rui Martins
Rui Teixeira
Rui Vasco
Srgio Teixeira
Slvio Lino
Tnia Lopes
Tnia Martins
Teresa Ado
Teresa Paulo
Teresa Vasco
Vera Mnica
Vera Patrcia
Vera Teixeira
Vitor Santos
Vitor Zinc
solteira
casada
casada
solteira
casado
casado
casado
solteiro
solteira
casado
casado
casado
solteiro
solteiro
casado
casado
casado
casado
casado
solteiro
casado
casado
solteira
solteira
casada
solteira
casada
solteiro
solteiro
casado
casado
casado
divorciado
divorciado
casada
solteira
casada
solteira
casada
solteira
solteira
casada
casado
solteiro
23
46
54
22
29
43
43
28
29
35
44
38
41
51
45
46
37
39
44
40
32
26
23
29
34
30
35
29
31
34
44
45
40
44
27
25
26
28
30
25
26
31
37
49
165
147
158
154
171
172
176
175
159
169
172
169
173
172
168
175
166
174
163
170
161
169
165
159
162
163
170
171
165
167
166
178
174
161
160
162
163
164
157
161
154
162
173
169
0
2
1
0
1
0
2
0
0
1
1
1
1
1
2
1
1
2
2
0
0
0
0
0
1
0
2
0
0
0
2
2
2
0
0
0
1
0
0
0
0
1
2
0
No que diz respeito s variveis Sexo, Idade, Altura e Nmero de filhos, a populao anterior
tem as seguintes caractersticas:
Tabela 1
Tabela 2
Freq. abs.
Freq. rel.
Varivel
Valor Mdio
Desvio padro
Mnimo
Mximo
Feminino
52
0.536
Idade
35.19
8.84
20
54
Masculino
45
0.464
Altura
164.57
7.05
147
178
97
1.000
N filhos
1.13
1.21
Repare-se que para a varivel Sexo no calculmos nem a mdia nem o desvio padro, j
que se trata de uma varivel qualitativa.
25 de 48
1 . Estimao da altura mdia da Populao constituda pelas alturas dos

trabalhadores
a) Amostras de dimenso 15
Utilizando o Excel, seleccionamos 50 amostras de dimenso 15, da populao constituda
pelas 97 alturas, e para cada amostra calculmos a mdia:
A reduo dos elementos da amostra, constituda pelas 50 mdias, atravs de algumas

estatsticas descritivas e da construo do histograma, conduziu aos seguintes resultados:
26 de 48
Algumas concluses:
A distribuio da amostra das mdias faz-se de forma aproximadamente simtrica em

torno do valor 164.6, que um valor muito prximo do parmetro em estudo - valor
mdio da populao (varivel Altura)
A distribuio da amostra das mdias apresenta uma variabilidade muito pequena,
quando comparada com a distribuio da populao;
Da tabela das caractersticas amostrais verificamos que 90% dos elementos da
amostra das mdias esto no intervalo [162.23; 167.69], enquanto que 95% dos
elementos da amostra esto no intervalo [161.74; 168.35]. Estes intervalos, de
amplitude 5.46 e 6.59 contm o valor do parmetro altura mdia.
E se em vez de termos seleccionado amostras de dimenso 15, tivessemos seleccionado
amostras de dimenso 30?
b) Amostras de dimenso 30
Utilizando ainda o Excel, germos 50 amostras de dimenso 30. Uma anlise dos dados,
idntica feita para as anostras de dimenso 15, conduziu aos seguintes resultados:
27 de 48
Algumas concluses:
Do mesmo modo que para as amostras de dimenso 15, a distribuio da amostra

das mdias das amostras de dimenso 30 tambm aproximadamente simtrica em
torno do valor 164.7, que um valor muito prximo do parmetro em estudo - valor
mdio da populao (caracterstica Altura);
A distribuio da amostra das mdias apresenta uma variabilidade muito pequena,
quando comparada com a distribuio da populao e mais pequena do que no
caso das amostras de dimenso 15;
Da tabela das caractersticas amostrais verificamos que 90% dos elementos da
amostra das mdias esto no intervalo [162.85; 166.60], enquanto que 95% dos
elementos da amostra esto no intervalo [162.59; 167.03]. Estes intervalos, de
amplitude 3.75 e 4.44 contm o valor do parmetro altura mdia.
Os resultados anteriores levam-nos a pensar que quanto maior for a dimenso das amostras
consideradas menor ser a variabilidade entre as mdias dessas amostras.
Quando recolhemos as 50 amostras e calculmos a mdia de cada uma dessas amostras,
ficmos com uma ideia do comportamento da estatstica Mdia, que resumimos no seguinte:
Quando consideramos amostras da mesma dimenso, a mdia varia de amostra para

amostra, mas apresenta um comportamento caracterstico, de uma distribuio
aproximadamente simtrica, com pequena variabilidade.
Quanto maior for a dimenso da amostra, espera-se que seja melhor a estimativa
fornecida pela estatstica Mdia para o parmetro valor mdio da populao que se
est a estudar, j que a variabilidade apresentada pelas diferentes estimativas,
relativamente ao parmetro a estimar, diminui.
28 de 48
E se em vez de 50 amostras considerssemos todas as amostras possveis

(diferentes) que se podem extrair da Populao?
No nosso caso, se quisssemos amostras de dimenso 30, teramos de seleccionar 9730
amostras! Isto seria muito trabalhoso, mas s assim que teramos verdadeiramente a
distribuio de amostragem exacta da Mdia para amostras de dimenso 30, isto , os

diferentes valores que a varivel
X=
X1 + X 2 + ... + X 30
30
pode assumir e a probabilidade de assumir esses valores (Estamos a representar a varivel

que est a ser estudada por um X, pelo que X1 representa a 1 vez que se foi seleccionar um
elemento, X2 representa a 2 vez que se foi seleccionar um elemento, etc.)
A obteno da distribuio de amostragem exacta seria uma tarefa rdua, pelo que
nos vamos contentar em obter uma aproximao para essa distribuio de
amostragem.
Observao 1 - Repare-se que a Mdia X uma varivel aleatria pois os seus valores
dependem dos valores das variveis X1, X2, , X30. Quando observamos um valor de X1, que
representamos por x1, um valor de X2, que representamos por x2, etc, e substitumos esses
valores observados na expresso da Mdia, obtemos um valor observado para a Mdia, que
representamos por x . Assim, enquanto a varivel se representa por letra maiscula, um valor
observado dessa varivel representa-se por letra minscula.
Observao 2 - Aproveitamos para lembrar que a amostragem foi feita com reposio, pois
cada vez que se selecciona um elemento ele reposto, antes de seleccionar o seguinte.
Esta observao sobretudo relevante para Populaes de dimenso pequena (como a
considerada no nosso estudo), em que a composio da Populao sofre alterao quando
se retiram alguns elementos, o que no sucede com Populaes de grande dimenso - que
normalmente a situao de interesse em Estatstica.
29 de 48
6.1 3 Como obter a distribuio de amostragem da Mdia?

Ento para obter a distribuio de amostragem da Mdia no necessrio considerar todas
as amostras possveis e depois calcular as respectivas mdias?
Felizmente no necessrio estar com tanto trabalho, graas a um dos resultados mais
importantes das Probabilidades, conhecido como o Teorema do Limite Central e que nos
fornece um modelo matemtico para a distribuio de amostragem da Mdia:
Teorema do Limite Central Suponhamos que se recolhe uma amostra de dimenso n de

uma populao X, com valor mdio e desvio padro . A recolha da amostra deve ter em
considerao o seguinte:
Se a populao for finita a recolha feita com reposio;

No caso de a populao ter uma dimenso suficientemente grande, a seleco da
amostra pode ser feita sem reposio.
Ento, se a dimenso da amostra for suficientemente grande (n30), a distribuio de
amostragem da Mdia pode ser aproximada por uma distribuio Normal. Esta aproximao
no depende da forma da distribuio da populao.
Outras caractersticas da distribuio de amostragem da Mdia:

Se a populao tiver valor mdio e desvio padro , ento a distribuio de amostragem da
Mdia, para amostras de qualquer dimenso n, mas recolhidas nas condies indicadas no
enunciado do TLC, tem valor mdio e desvio padro / n . Estas propriedades derivam do
facto de a Mdia X ser uma soma (ponderada) de variveis aleatrias independentes e
identicamente distribudas, e das propriedades do valor mdio e da varincia, nomedamente:
Se X e Y forem variveis aleatrias e a e b constantes
Valor mdio (aX)=aValor mdio (X)
Valor mdio (X+Y) = valor mdio (X) + Valor mdio (Y)
Se X e Y forem independentes
Varincia (aX)= a2Varincia (X)
Varincia (X+Y) = Varincia (X) + varincia (Y)
30 de 48
Ento, resumindo o que dissmos anteriormente sobre a distribuio de amostragem da
Mdia X , obtida a partir de amostras2 de dimenso n, de uma populao de valor mdio e

varincia 2, podemos concluir o seguinte:
Valor mdio( X ) =
Varincia ( X ) =
2
n
Se a dimenso da amostra for suficientemente grande (n30), a distribuio de amostragem

da Mdia pode ser aproximada por uma distribuio Normal. Esta aproximao no depende
da forma da distribuio da populao (Consequncia do TLC). (Se se souber que a
populao tem uma distribuio Normal, j no ser necessrio invocar o TLC para obter a
distribuio aproximada, pois neste caso conhece-se a distribuio exacta da Mdia, que
ser Normal se a varincia for conhecida, ou ser uma t-Student, se a varincia for
desconhecida).
O que que significa dizer que se tem uma populao de dimenso

suficientemente grande ou infinita?
Na maior parte dos casos em que necessrio recolher uma amostra, para estudar uma
caracterstica da populao, no se conhece a sua dimenso N. Ento, costuma-se assumir
que suficientemente grande, de modo que se diz que se tem uma populao de dimenso
infinita.
Em termos prticos costuma-se considerar que se tem uma populao de dimenso infinita,
quando a fraco de amostragem, isto , o quociente entre a dimenso n da amostra a
recolher e a dimenso N da populao, inferior a 5%, ou dito de outra forma, a dimenso
da populao superior a 20 vezes a dimenso da amostra:
N20n
Recordamos que a amostragem com reposio. Se a populao for infinita, as concluses ainda so vlidas
para amostragem sem reposio.
31 de 48
Algumas consequncias prticas das propriedades da distribuio de

amostragem da Mdia:
A Mdia X , como estimador do parmetro valor mdio , um estimador
centrado, pois
Valor mdio( X ) = ;
Como j havamos referido anteriormente, quanto maior for a dimenso
da amostra, menor a variabilidade apresentada pelo estimador Mdia,
pelo que maior ser a preciso do estimador, pois
Varincia ( X ) =
2
n
Se a dimenso n das amostras for suficientemente grande (n30),

podemos
utilizar
distribuio
Normal
para
calcular
quaisquer
probabilidades referentes ao estimador Mdia;

Se a amostragem for feita com reposio, ou sem reposio no caso de
populaes infinitas, as propriedades do estimador Mdia no
dependem da dimenso da populao (repare que nas propriedades da
distribuio de amostragem da Mdia, nunca se faz referncia
dimenso N da populao);
A preciso do estimador Mdia depende da variabilidade presente na
populao. Quando pretendemos estimar o valor mdio de uma
populao, para obter uma determinada preciso (recorda-se que quando
menor for a variabilidade apresentada pelo estimador, maior ser a
preciso) , a dimenso da amostra ter de ser tanto maior, quanto maior
for a variabilidade presente na populao (basta ter em conta a expresso
da varincia da Mdia).
32 de 48
As propriedades do estimador Mdia dependem da

dimenso da Populao?
Se a dimenso, N, da populao no for suficientemente
grande, e a amostragem for feita sem reposio, pode-se
mostrar que essa dimenso ter interferncia na preciso da
Mdia, como estimador do valor mdio. Mais precisamente,
pode-se mostrar que para amostras de dimenso n,
suficientemente grande (n30), a distribuio de amostragem
da Mdia pode ser aproximada pela distribuio Normal com
valor mdio e varincia
2 N n
.
n N 1
Esta expresso para a
varincia da Mdia bastante elucidativa, na medida em que

permite concluir que se a dimenso da populao for
suficientemente grande, ento a variabilidade do estimador
s depende da dimenso da amostra e da variabilidade
presente na populao e no da sua dimenso, como j
havamos referido anteriormente. Neste caso, os esquemas
de amostragem com reposio e sem reposio podem-se
considerar equivalentes.
33 de 48
6.2 Intervalo de confiana para o parmetro valor mdio
O comportamento da distribuio de amostragem da Mdia,

anteriormente descrito, tem consequncias muito importantes,
no que diz respeito ao problema da estimao do parmetro
valor mdio, j que vamos aproveit-lo para encarar este
problema de um outro ngulo. Em vez de procurarmos um
valor estimativa pontual, como aproximao do valor do
parmetro desconhecido, vamos procurar obter um intervalo
estimativa intervalar ou intervalo de confiana, que com
uma determinada confiana contenha o valor do parmetro.
Voltemos ainda a considerar o caso da populao X altura de um indivduo

escolhido ao acaso de entre os 97 indivduos considerados. Vimos que esta
populao tinha varincia igual a 7.05. Se recolher, com reposio, amostras de
dimenso n, igual a 30 ou superior, como espera que seja o comportamento da
distribuio de amostragem da Mdia, para amostras desta dimenso?
De acordo com o Teorema Limite Central, espera-se que a Mdia tenha uma
distribuio de amostragem, que possa ser aproximada por uma Normal.
Ento, como se sabe que o valor mdio da Mdia o valor mdio, , da
populao e o desvio padro da Mdia igual a
7.05 2
= 1.287, quando n=30,
30
podemos, tendo em considerao as propriedades da distribuio Normal,

tentar obter o valor de z tal que:
34 de 48
P( z
X
X
z ) = 0.95 ou P( z Z z ) = 0.95 onde Z=
tem distribuio N(0,1),
1.287
1.287
0.95
0.025
0.025
-3,50
3,50
-1.96
1.96
O valor de z que satisfaz a condio anterior 1.96, pelo que a probabilidade

anterior se pode escrever
P( X - 1.96 x 1.287 X + 1.96 x 1.287) = .95
e o intervalo
[ X - 1.96 x 1.287 , X + 1.96 x 1.287]
diz-se que um intervalo de 95% de confiana para o valor mdio da
Altura, ou Altura mdia.
35 de 48
Como que se interpreta esta confiana? O que que significa?

Consideremos as 50 amostras que recolhemos de dimenso 30 e as
respectivas mdias. Substituindo essas mdias na expresso considerada
anteriormente para o intervalo de confiana, obtemos os seguintes intervalos:
Destes 50 intervalos, verifica-se que 47 contm o valor do parmetro Altura mdia, que
164.57, enquanto que 3 assinalados a escuro , no o contm. Quando falamos em 95% de
confiana,
significa
que
se
considerssemos
100
intervalos,
esperaramos
que
aproximadamente 95 contivessem o valor do parmetro e 5 no o contivessem.
Como ao fazer um estudo sobre um parmetro desconhecido,

s se recolhe uma amostra, temos confiana que a que
recolhemos seja uma das boas, que vai dar origem a um
intervalo que contenha o valor desse parmetro.
36 de 48
Se mudarmos a probabilidade de 0.95 para 0.90, por exemplo, ento em vez de z=1.96,
devemos considerar z=1.645. Assim, um intervalo de confiana, com 90% de confiana ter
o seguinte aspecto
[ X 1.645 1.287, X + 1.645 1.287]
De forma anloga ao que fizmos anteriormente, vamos substituir as 50 mdias na
expresso anterior. Os intervalos obtidos so os seguintes:
Ao diminuirmos a confiana, aumentmos o nmero de intervalos que no contm o

parmetro a estimar (assinalados a preto) aumentou assim a possibilidade de o intervalo
que calcularmos, com a amostra que recolhermos, no conter o parmetro a estimar.
E o que acontece se aumentarmos a confiana para 99%?
Neste caso o valor de z=2.576 e os intervalos que se obtm substituindo as mdias na
expresso
[ X 2.576 1.287, X + 2.576 1.287]
apresentam-se a seguir:
37 de 48
Neste caso, j todos os intervalos contm o valor do parmetro a estimar.
Repare-se que ao aumentar a confiana, estamos a aumentar a amplitude do

intervalo de confiana, o que, se por um lado bom, j que aumenta a nossa
confiana em que um qualquer intervalo que se construa, contenha o valor do
parmetro que estamos a estimar, por outro lado no muito bom, pois um
intervalo com uma grande amplitude no nos serve para nada!
Ento, o que fazer, para termos uma confiana razovel, mas

ao mesmo tempo um intervalo com pequena amplitude?
A soluo aumentar a dimenso da amostra, como se verifica imediatamente
a partir da expresso genrica de um intervalo de confiana, que
apresentaremos a seguir.
38 de 48
Dada uma populao com desvio padro , a forma geral do

intervalo de confiana para o valor mdio ser, tendo em
conta as propriedades da Normal
[ X z / n ,
+ z / n ]
onde o valor de z depender da confiana com que se

pretende construir o intervalo. Se o desvio padro da
populao for desconhecido, utiliza-se o desvio padro
amostral S, para o estimar.
Alguns valores (obtidos a partir da tabela da Normal(0,1)), incluindo os j considerados
anteriormente, so:
Confiana
90%
95%
97.5%
99%
99.5%
99.9%
99.95%
99.995%
z
1.645
1.960
2.326
2.576
3,090
3.291
3.891
4.417
39 de 48
6.2.1 Margem de erro

A metade da amplitude do intervalo de confiana, chama-se
margem de erro. Como, de um modo geral, o que se pretende
obter um intervalo de confiana com pequena margem de
erro, por exemplo e, se pretendermos uma determinada
confiana, por exemplo 95%, temos que recolher uma
amostra de dimenso
n=( 1.96 )2.
e
Ento, respondendo questo

O
que fazer, para termos uma confiana razovel, mas ao

mesmo tempo um intervalo com pequena amplitude?
diremos que o que temos a fazer recolher uma amostra de
dimenso suficientemente grande, de forma a satisfazer a
preciso exigida.
Repare-se que, para obtermos uma determinada preciso e,

quanto maior for a variabilidade presente na populao,
maior ter de ser a dimenso da amostra a recolher.
Recorde-se que j havamos referido esta propriedade na
pgina 17.
40 de 48
7 Estimao do parmetro proporo populacional

7.1 Distribuio de amostragem da proporo amostral, como estimador
da proporo populacional
Suponhamos que estamos a estudar uma Populao quanto presena ou
ausncia de uma determinada propriedade ou caracterstica, em cada indivduo
dessa Populao. Admitimos que essa propriedade se verifica na Populao
com uma probabilidade p (normalmente desconhecida). Se ao observar o
indivduo verificarmos que tem a propriedade, anotamos um 1, enquanto que se
verificarmos que no tem a propriedade anotamos um 0. Ento podemos
representar a Populao, quanto a essa propriedade por uma varivel X, que
pode assumir o valor 1 ou 0, respectivamente com probabilidade p
(probabilidade de ter a propriedade) ou (1-p) (probabilidade de no ter a
propriedade).
Ser que podemos interpretar o parmetro p como um valor mdio?
Assim , de facto, pois p a frequncia relativa com que o 1 se verifica na
Populao relativamente propriedade em estudo, e no mais do que a
mdia do conjunto constitudo pelos 0s e 1s.
Analogamente quando recolhemos uma amostra, constituda por 1s e 0s
conforme os elementos observados tenham ou no tenham a propriedade, a
mdia desta amostra d-nos a proporo (amostral) de 1s, ou seja, uma
estimativa pontual para a proporo (populacional) ou probabilidade com que
a propriedade em estudo se verifica na Populao.
Do que acabamos de referir, depreende-se que o estudo do parmetro p
proporo de indivduos da populao que verificam determinada propriedade
se reduz ao estudo do parmetro valor mdio de uma populao representada
41 de 48
por 1s e 0s, conforme a propriedade est ou no presente nos indivduos da

populao.
Assim, no temos mais que transportar para o estimador proporo amostral,
as propriedades verificadas para o estimador Mdia. Contudo, como veremos a
seguir, algumas simplificaes sero introduzidas, devido particularidade da
populao em estudo ser to simples, isto , constituda por 0s e 1s.
Caractersticas da populao X
X
Valor mdio(X) = p
Probabilidade
(1-p)
Varincia(X) = p(1-p)
Como resultado das observaes anteriores podemos enunciar o seguinte

resultado, para a distribuio de amostragem da proporo amostral
)
p:
Suponhamos que se recolhe uma amostra de dimenso n, com reposio (ou

sem reposio se a populao for muito grande) de uma populao X, em que
cada elemento da populao tem, ou no, uma determinada propriedade. Seja
p a proporo de elementos da populao com essa propriedade. Ento, se a
dimenso da amostra for suficientemente grande (n30), a distribuio de
amostragem da proporo
pode ser aproximada por uma distribuio Normal
com valor mdio p e desvio padro
p(1 - p) / n .
42 de 48
7.2 Intervalo de confiana para a proporo populacional p
J que a proporo populacional p um valor mdio e a proporo amostral p

uma mdia, a expresso para o intervalo de confiana da proporo p deduzse da que se obteve para o intervalo de confiana para o valor mdio ,
fazendo as modificaes adequadas:
Onde est
ou
Considera-se
p(1 - p)
p (1 - p )
Como o valor de p desconhecido, a expresso para o intervalo de confiana,

com uma confiana de 95% vem
[p - 1.96
p (1 - p )
p (1 - p )
, p + 1.96
]
n
n
Dada uma populao, em que p a proporo de elementos da

populao com determinada caracterstica, a forma geral do intervalo
de confiana para p, a partir de amostras de dimenso n,
[p - z
p (1 - p )
p (1 - p )
, p + z
]
n
n
onde o valor de z depender da confiana com que se pretende

construir o intervalo.
Alguns valores (obtidos a partir da tabela da Normal(0,1)), incluindo os j considerados
anteriormente, so:
Confiana
90%
95%
97.5%
99%
99.5%
99.9%
99.95%
99.995%
z
1.645
1.960
2.326
2.576
3,090
3.291
3.891
4.417
43 de 48
Exerccios
Exerccio 1. Na correco de certo tipo de exames, feitos a nvel nacional, em que cada exame constitudo
por uma parte fechada e uma parte aberta, utiliza-se um leitor ptico para corrigir a parte fechada. Cada exame
tem 50 questes, e a probabilidade de a mquina ler erradamente uma destas questes p, a qual constante
de questo para questo e de exame para exame. Desconhece-se este valor de p.
a) Admitindo que em 10 destes exames, a mquina leu erradamente 15 questes, obtenha uma estimativa
pontual para p.
b) Utilizando o resultado da alnea anterior:
i) Obtenha um intervalo, com uma confiana de 95%, para p;
ii) Qual a margem de erro do intervalo que obteve?
c) A empresa que vende as mquinas de leitura ptica diz que a percentagem de erros que a mquina comete,
anda volta de 1%. Tendo em conta o intervalo de confiana obtido na alnea anterior, pensa que a empresa
tem razo no que afirma? Justifique a sua resposta. (Se na alnea anterior no conseguiu determinar o intervalo
de confiana pretendido, admita o seguinte intervalo (1.5%; 4.5%)).
Exerccio 2. Uma fbrica de calado para adultos, pretende comear a produzir sapatos para criana.
Encarregou uma empresa de sondagens, de lhe fazer um estudo sobre qual seria o tamanho mdio (em cm) do
p de crianas de determinada classe etria. Mesmo antes da empresa apresentar as concluses, o dono da
fbrica (que h muitos anos tinha tido uma disciplina de Estatstica) teve acesso seguinte tabela de
frequncias e correspondente histograma, dos valores calculados para as mdias de 500 amostras, de
dimenso 30, recolhidas pela empresa:
Classes
Freq.rel.
[31,075-31,225[
0,0020
[31,225-31,375[
0,0075
[31,375-31,525[
0,0250
[31,525-31,675[
0,0735
[31,675-31,825[
0,1410
[31,825-31,975[
0,2005
[31,975-32,125[
0,2250
[32,125-32,275[
0,1635
[32,275-32,425[
0,0990
[32,425-32,575[
0,0445
[32,575-32,725[
0,0130
[32,725-32,875[
0,0040
[32,875-33,025[
0,0015
Ento, na posse destes elementos, pediu ao filho, que tinha frequentado a disciplina de MACS do 11 ano, que
lhe respondesse s seguintes questes:
a) Este histograma pretende representar a distribuio de amostragem, aproximada, de uma certa
varivel. Que varivel?
44 de 48
b) Utlizando a tabela anterior, obtenha um valor aproximado para o valor mdio da distribuio de
amostragem da Mdia, para amostras de dimenso 30 (considere o valor aproximado s unidades).
c) Tendo em considerao que a estatstica Mdia X , um estimador centrado do valor mdio da
populao X, de onde se retiram as amostras, sugira um valor para o valor mdio , da populao X,
constituda pelo tamanho do p, das crianas da classe etria considerada.
d) Sabendo que o desvio padro de X , igual a
30
, onde o desvio padro da populao X, utilize
a tabela dada para sugerir um valor para este desvio padro .

e) Como o histograma anterior sugere, e o Teorema Limite Central justifica, a distribuio de amostragem
da Mdia pode ser aproximada por uma distribuio Normal (para amostras de dimenso n,
suficientemente grande, ou seja, n30). Admitindo que um dos valores obtidos para a mdia de uma
das 500 amostras de dimenso 30 consideradas, foi 32.125, obtenha um intervalo de 95% de confiana
para o valor mdio do comprimento do p. (Se na alnea d) no conseguiu determinar o valor de ,
admita que igual a 1.5).
f)
Admitindo que a populao X tem distribuio normal, com o valor mdio e desvio padro obtidos,
respectivamente, nas alneas c) e e), calcule a probabilidade de uma criana, escolhida ao acaso, da
classe etria em estudo, ter um comprimento do p superior a 32.5 cm. (Se no resolveu as alneas c) e
e) considere os valores 32 cm e 1.5 cm, respectivamente para valor mdio e desvio padro de X.
Exerccio 3. Nas ltimas eleies legislativas, passada uma hora do fecho das mesas de voto, apareceram os
resultados para o concelho de Sintra, dando uma percentagem de votos para JS e FS, respectivamente de 39%
e 42%, com uma margem de erro de 3.5% e uma confiana de 95%.
a) O locutor afirmou, ao apresentar aqueles resultados, que os candidatos estavam empatados
tecnicamente. Explique, por palavras suas, o que quereria o locutor dizer.
b) Passadas duas horas a margem de erro, diminuiu para 2.5%. Admitindo que a confiana era a mesma,
d uma explicao para a diminuio da margem de erro.
c) Numa sondagem realizada antes das eleies, JS tinha encomendado uma sondagem, que lhe dava a
vitria, quando afinal veio a perder as eleies. Teremos que deixar de acreditar nas sondagens?
Exerccio 4. Uma sondagem da TSF/DN publicada na edio do DN de 2 de Julho de 2004, dizia:

Portugueses querem referendo
Maioria mostra-se favorvel eleio de um presidente e de um governo da Unio Europeia. E tambm
quer exrcito comum
Os portugueses manifestam tendncia para o federalismo europeu: a maioria defende um presidente e um governo europeus, eleitos pelos
cidados. So igualmente favorveis criao de um exrcito da Unio Europeia (UE). E, na anlise que fazem sobre o futuro comunitrio,
dizem ainda que querem referendar a prxima reforma institucional da UE. A maioria j ouviu falar do Tratado de Nice, mas est longe de
saber o que ele contempla. Talvez por isso, a larga maioria no sabe se o documento deve ou no ser aprovado pelos deputados.
O Barmetro de Junho do DN/TSF/Marktest no incluiu qualquer pergunta directa sobre o federalismo europeu, mas os portugueses
acabaram por pronunciar-se nesse sentido. Seno vejamos: 62 por cento dos inquiridos mostrou-se favorvel eleio de um presidente da
UE e 53 por cento disse tambm estar a favor de um governo europeu. uma tese defendida equitativamente por mulheres e homens no
que diz respeito eleio de um presidente europeu.
45 de 48
Nota-se, contudo, alguma diferena quando a questo a eleio de um governo europeu. Aqui, j so os homens que se mostram mais
favorveis. Sobre um e outro assunto , claramente, a classe mdia a maior defensora de um executivo europeu.
Quando questionados sobre a criao de um exrcito na UE, uma questo que at aqui tem levantado alguma polmica, 45 por cento dos
inquiridos afirmam ser defensores desta ideia. Embora o nmero daqueles que se opem no seja muito inferior - 36 por cento. Significativa
tambm a percentagem dos que no sabem o que responder - 19 por cento. Esta hiptese acolhe mais adeptos entre os entrevistados do
sexo masculino (53 por cento) e na faixa etria que poder ser contemplada pelas incorporaes (igualmente 53 por cento).
E se a maioria dos portugueses refere j ter ouvido falar do Tratado de Nice, tambm so peremptrios a afirmar que no fazem a mais
pequena ideia das suas linhas gerais: 65 por cento sublinha que no sabe o que est consagrado no documento.
Uma resposta que justifica a elevada percentagem (62 por cento) daqueles que no sabe se os deputados devem ou no aprovar o
Tratado.
A larga maioria dos inquiridos (60 por cento) defende, por outro lado, que as mudanas na organizao da Unio Europeia devem ser
referendadas no nosso Pas. O que no deixa de ser curioso, j que as duas experincias anteriores (aborto e regies) revelaram uma
grande falta de participao dos cidados. S 18 por cento tem opinio contrria e 22 por cento optou por no responder a esta questo.
O alargamento da Unio Europeia aos pases do Centro e de Leste do continente merece o acordo da maioria (64 por cento), que se
mostram convencidos de que essa reestruturao interna vai tirar poderes a Portugal no seio da UE (46 por cento). Mais de dois teros (67
por cento) considera tambm que o processo de alargamento poder reduzir a atribuio de fundos comunitrios para Portugal.
Embora no seja referido no artigo anterior, segundo a notcia da TSF, a sondagem envolveu 813 indivduos
adultos, dos quais 421 eram mulheres e foi realizada via telefone. referido no artigo que 62% dos inquiridos
se mostra favorvel eleio de um presidente da UE.
a) Este valor de 62% uma estatstica ou um parmetro?

b) Seria possvel ter obtido este valor, se a percentagem de portugueses adultos que se mostra favorvel
eleio de um presidente da UE fosse 65%?
c) Tendo em conta o resultado obtido pela sondagem da TSF/DN, acha plausvel que a proporo de
portugueses que se mostra favorvel eleio de um presidente da UE seja 68%? Porqu?
Exerccio 5. No dia 9 de Outubro de 2005 realizar-se-o as Eleies Autrquicas. Relativamente cidade de

Lisboa, h dois candidatos sobre os quais se criaram mais expectativas, nomedamente Carmona Rodrigues e
Manuel Maria Carrilho . Suponha que, no dia das eleies, passado uma hora sobre o fecho das urnas, altura
em que comeam a contar os votos para cada candidato, surgiram os primeiros resultados nos canais
televisivos. Relativamente a um daqueles candidatos, que passaremos a representar por X, apresentaram o
seguinte resultado: - O candidato X tem, neste momento, uma percentagem de 48.4%, com um erro mximo de
3.45% e uma confiana de 95%.

1. Explique, por palavras suas, o que significa o resultado anterior.
2. Qual a amplitude do intervalo de confiana, que pode construir com os resultados apresentados no
enunciado do problema, para a percentagem de lisboetas que votaram no candidato X?
3.
Acha razovel admitir que o candidato X, ao ouvir aquele resultado, pense que tem alguma Chance
de ganhar a Cmara de Lisboa, admitindo que para ganhar essa Cmara eram necessrios, pelo
menos, 50% de votos favorveis?
4.
Passadas trs horas do fecho das urnas, o resultado anunciado para o candidato X era: - O candidato
X tem, neste momento, uma percentagem de 49.8%, com um erro mximo de 1.23% e uma confiana
de 95%.
a) Compare a amplitude do intervalo de confiana considerado na alnea 2, com a amplitude do
intervalo de confiana, que pode construir com os resultados agora anunciados.
b) Como que interpreta o resultado a que chegou na alnea anterior?
46 de 48
5.
Quando todos os votos tiverem sido escrutinados, obtm o resultado para a percentagem de
eleitores que votaram no candidato X, na forma de um intervalo de confiana, ou na forma de um valor?
Explique porqu.
Exerccio 6. Numa altura em que se discutia o problema dos touros de morte, em Portugal, nomeadamente por
causa das festas de Barrancos, uma conhecida estao de televiso props a seguinte questo aos
telespectadores, no final do telejornal de uma 6 feira:
Se a favor dos touros de morte, em Portugal, envie uma mensagem para 7771
Se contra os touros de morte, em Portugal, envie uma mensagem para 7772
No telejornal do dia seguinte, sbado, apresentaram a seguinte notcia, como sendo o resultado da sondagem
efectuada: 72% dos portugueses so a favor dos touros de morte, em Portugal, enquanto que 28% so contra!
Acontece que o jornal Expresso, desse sbado, publicou o seguinte resultado de uma sondagem,
encomendada a uma conceituada empresa de sondagens: 81% dos portugueses so contra os touros de
morte, em Portugal!
1. Alguma das amostras consideradas para obter os resultados anteriores, pode ser considerada
enviesada? Isso poder explicar a discrepncia obtida, nas duas sondagens, relativamente s
percentagens obtidas para os portugueses, que so contra os touros de morte?
2. Qual dos resultados anteriores, 28% ou 81%, estar mais perto da percentagem de portugueses que
so contra os touros de morte em Portugal? Explique porqu
3. Admitindo que o resultado obtido pela empresa de sondagens, foi baseado numa amostra aleatria de
dimenso 150, obtenha um intervalo de 95% de confiana para a percentagem de portugueses que so
contra os touros de morte, em Portugal.
4. Calcule a margem de erro do intervalo obtido anteriormente. O que que aconselharia a algum, que
lhe perguntasse como poderia obter um intervalo de confiana, com uma margem de erro inferior?
Exerccio 7. O Sr. Silva, fabricante de camisas para homem, recebeu uma encomenda proveniente de Macau.
Ficou um pouco preocupado, pois quando visitou este territrio, na sua viagem de lua-de-mel, apercebeu-se
que os homens tinham, de um modo geral, os braos mais curtos. Sendo assim, no poderia utilizar os moldes
habituais. Pediu, ento, a uma empresa de sondagens que lhe fornecessem uma estimativa do comprimento
mdio dos braos dos naturais de Macau. A empresa apresentou um estudo, que se pode resumir da seguinte
forma:
Sr. Silva
Apresentando os nossos cumprimentos, vimos apresentar os resultado do nosso estudo: recolhemos uma
amostra de dimenso 70, de outros tantos indivduos adultos, do sexo masculino, a quem medimos o tamanho
do brao, tendo obtido como mdia dos 70 valores observados, o valor 52 cm.
Reiterando os nossos cumprimentos, aproveitamos para dizer que segue, em anexo, a factura do trabalho
prestado.
AtenciosamenteO gerente (assinatura irreconhecvel)
O Sr. Silva ficou um pouco menos preocupado, mas continuava sem saber o que fazer:
47 de 48
1. Efectivamente, qual a confiana que poderia atribuir estimativa obtida? Se tivesse sido outra a
amostra obtida, seria de esperar obter o mesmo valor para a mdia? Explique porqu.
2. O Sr. Silva resolveu questionar a empresa e esta forneceu-lhe os seguintes intervalos de confiana
para o tamanho mdio do brao dos naturais de Macau, com uma confiana de 50% e 75%,
respectivamente, e obtidos a partir da mesma amostra: [51.4, 52.6] e [51.0, 53.0].
a. Qual a margem de erro dos intervalos anteriores?
b. Se fosse o Sr. Silva, qual o intervalo que escolhia? O de menor amplitude ou o de maior
amplitude? Explique porqu?
48 de 48

Intro Infest at

Enviado por

Dados do documento

Título original

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

Intro Infest at

Enviado por

Direitos autorais:

Formatos disponíveis

Introduo Inferncia Estatstica

Maria Eugnia Graa Martins

Introduo Inferncia Estatstica

Maria Eugnia Graa Martins

Estimador centrado e no centrado (ou enviesado)................................. 11

Tcnicas de amostragem aleatria .......................................................... 13

Qual a dimenso que se deve considerar para a amostra? ..................... 17

Estimao do parmetro valor mdio....................................................... 19

Estimao do parmetro proporo populacional .................................... 40

Introduo Inferncia Estatstica

Quando a comunicao social, a propsito de uma sondagem, transmite a seguinte notcia1:

como interpretamos a ficha tcnica que a acompanha?

Exemplo adaptado de uma notcia do Expresso de 15/03/97

Maria Eugnia Graa Martins - DEIO

Introduo Inferncia Estatstica

Inferncia a partir dos dados

Maria Eugnia Graa Martins - DEIO

Introduo Inferncia Estatstica

1.2 Probabilidade e Estatstica?

se conhecermos o valor de p, por exemplo p=0.298, podemos calcular a probabilidade

se no conhecermos o valor de p, vamos utilizar o nmero x de alunos, que praticam

No que se segue vamos estudar alguns exemplos de Inferncia Estatstica, nomeadamente

Maria Eugnia Graa Martins - DEIO

Introduo Inferncia Estatstica

O que ? Quando se utiliza? Para que serve?

um processo de raciocnio indutivo, em que se procuram tirar concluses indo do

Maria Eugnia Graa Martins - DEIO

Introduo Inferncia Estatstica

2.2 Parmetro e estatstica

Embora, neste curso, no abordemos outros temas que os de estimao de parmetros, a

Maria Eugnia Graa Martins - DEIO

Introduo Inferncia Estatstica

2.3 Amostra enviesada. Amostra aleatria e amostra no aleatria. Distribuio de

Maria Eugnia Graa Martins - DEIO

Introduo Inferncia Estatstica

2.3.2 Distribuio de amostragem

Maria Eugnia Graa Martins - DEIO

Introduo Inferncia Estatstica

Como se comportam todas estas estimativas, relativamente ao parmetro, em estudo?

Maria Eugnia Graa Martins - DEIO

Introduo Inferncia Estatstica

3 Estimador centrado e no centrado (ou enviesado)

O associado com o processo de amostragem, isto , com a recolha da amostra, em

Maria Eugnia Graa Martins - DEIO

Introduo Inferncia Estatstica

O associado com o estimador escolhido, para estimar o parmetro em estudo. Se o

Para se evitar qualquer tipo de enviesamento, necessrio estarmos atentos:

primeiro na escolha do plano de amostragem

e depois na escolha do estimador utilizado para estimar o parmetro desconhecido. O

Maria Eugnia Graa Martins - DEIO

Introduo Inferncia Estatstica

4 Tcnicas de amostragem aleatria

Maria Eugnia Graa Martins - DEIO

Introduo Inferncia Estatstica

A partir da tabela anterior possvel obter a distribuio de amostragem da estatstica p :

E( p ) = 2/5 e Var( p )= 3/25

E( p ) = 2/5 e Var( p )= 9/100

valor do parmetro p que se est a estimar, mas a varincia inferior obtida na

Maria Eugnia Graa Martins - DEIO

Introduo Inferncia Estatstica

Neste esquema de amostragem aleatria simples (uma amostra aleatria simples de n

Exemplo (cont) - Suponhamos ainda que, relativamente ao exemplo anterior, estvamos

Maria Eugnia Graa Martins - DEIO