Mtodos Quantitativos

PROF. DR. Renato Vicente

Mtodo Estatstico
Amostra
Populao
Estatstica
Descritiva
Teoria de
Probabilidades
Inferncia
Estatstica
Aula 4A
Inferncia Estatstica: Um
pouco de Histria
Um pouco mais de histria: A Fsica Social
No tempo de Quetelet (Incio do seculo 19)
Probabilidades e Estatstica eram
utilizadas basicamente para anlise de
erros experimentais e para clculo de
seguros. Quetelet acreditava ser possvel
estender seu uso para todo tipo de
fenmeno humano no que chamava de
Fsica Social. Publicou em 1834 seu
Essai de physique sociale. Introduziu a
Quetelet: 1796-1874
Essai de physique sociale. Introduziu a
idia do homem mdio.
Galton e Darwin: Bioestatstica
Aps ler a Origem das Espcies,
escrito por seu primo mais velho,
Galton passou a se dedicar
Gentica, dando origem ao ramo
que levaria Estatstica moderna.
Em 1869 Galton publicou
Hereditary Genius tentando
demonstrar quantitativamente que
as caractersticas e habilidades as caractersticas e habilidades
humanas seriam hereditrias.
Francis Francis Galton Galton
(1822 (1822- -1911) 1911)
Charles Darwin Charles Darwin
(1809 (1809- -1882) 1882)
Quincunx de Galton
Galton props o aparato
ao lado para ilustrar a
formao da distribuio formao da distribuio
normal.
http://www.jcu.edu/math/isep/Quincunx/Quincunx.html
Karl Pearson: Departamento de Estatstica
Protegido de Galton, Pearson escreveu sua
biografia. Em 1911 foi responsvel pela criao do
primeiro Departamento de Estatstica no mundo
no University College London .
Sobre o trabalho de Galton escreveu: Eu
interpretei que... Galton ... quis dizer que h uma
categoria mais ampla do que a conexo causal,
que a correlao,... e que este novo conceito que a correlao,... e que este novo conceito
de correlao fez da psicologia, da antropologia,
da medicina e da sociologia passveis de
tratamento matemtico. Foi Galton quem primeiro
me libertou do preconceito de que boa matemtica
poderia apenas ser aplicada a conexes de causa
e efeito em fenmenos naturais.
Seu livro a Gramtica da Cincia foi a primeira
leitura da Academia Olmpica, grupo de estudos
liderado por Einstein quando tinha 23 anos.
Carl (Karl) Pearson
(1857-1936)
Gosset (Student):Controle de Qualidade
William Gosset trabalhava na cervejaria Guinness.
Em 1906, assistiu a um curso com Pearson.
Juntos tiveram a idia de aplicar mtodos
estatsticos no controle de qualidade da
cervejaria. Por trabalhar na cervejaria,
publicou seus artigos utilizando o pseudnimo
Student, pelo qual hoje conhecemos sua principal Student, pelo qual hoje conhecemos sua principal
contribuio : o teste t de Student para testarmos
hipteses sobre a mdia amostral (veja exemplo
dos Shoshoni e a razo urea na Aula 2).
William Gosset
(1876-1937)
Fisher: Estatstica Moderna
Em 1913 Fisher enviou uma carta para Gosset
Contendo uma justificativa terica para a
distribuio t. Esta seria o incio de uma seqncia
deu forma a boa parte da Estatstica Moderna.
Em 1919 Fisher foi contratado pela Estao de
Experimentos Agrcolas de Rothamstead , onde
desenvolveu um grande nmero de ferramentas
tericas para exame de impactos agrcolas, entre tericas para exame de impactos agrcolas, entre
elas estavam mtodos para estimao estatstica,
planejamento experimental e anlise de varincia.
William Gosset
(1876-1937)
Aula 4B
A Distribuio Normal
A Distribuio Normal
FUVEST 2007 - Distribuio dos pontos na Primeira Fase (incluindo Bnus e
ENEM) Candidatos Inscritos - Total das Carreiras de Exatas
A distribuio
normal uma
curva em forma de
sino que aparece
freqentemente
em todo tipo de
observaes.
Os parmetros da distribuio normal
A distribuio Normal totalmente descrita pela mdia e pelo desvio
padro . Se mudarmos a mdia apenas deslocamos a curva pela abscissa.
Se diminuirmos o desvio padro tornamos a curva menos dispersa.
m
s
Probabilidades de ocorrncia
m
A freqncia de ocorrncia dos dados em uma distribuio normal
bem definida para cada intervalo em torno da mdia.
Escore z
Sua altura de 1,56 m. Voc alta?
Sua nota na FUVEST foi 60. Sua nota foi alta ?
O escore z permite que comparemos um valor especfico com O escore z permite que comparemos um valor especfico com
a populao levando-se em conta o valor tpico e a
disperso.
A cada valor de z est associado um percentil.
valor mdia
desvio padro
Escore z
http://techniques.geog.ox.ac.uk/mod_2/tables/z-score.htm
Peso de Meninos por Idade
Como fui na FUVEST?
http://www.fuvest.br/scr/hist1f.asp?anofuv=2007&tipo=1&carreira=HUM
Mdia = 41,1
Desvio Padro = 15
Z = (60 41,1)/15 = 1,26
P(Z<1,26) = 89,6%
Sua a nota foi alta.
Voc baixinha?
Amostra : n=115 (alunos da EACH)
MDIA = 1,71 m DP = 9 cm
Z = (1,56 1,71)/0,09 = -1,67
P(Z<-1,67) = 4,7 %
Voc muito provavelmente no das
mais altas !
Aula 4B
Distribuio Amostral e
Estimao
Estatsticas
Uma estatstica uma quantidade calculada a partir de
amostras medidas em uma populao.
0.693 0.662 0.690 0.606 0.570
Exemplo: A razo urea e as molduras Shoshoni.
0.693 0.662 0.690 0.606 0.570
0.749 0.672 0.628 0.609 0.844
0.654 0.615 0.668 0.601 0.576
0.670 0.606 0.611 0.553 0.933
A mdia, o desvio padro, a mediana, os quartis,
o mximo e o mnimo so estatsticas.
Distribuies amostrais
Uma distribuio amostral a distribuio que obtemos
quando calculamos uma estatstica em vrias amostras de
uma populao
Suponhamos que o quadro abaixo represente
nossa populao.
0.693 0.662 0.690 0.606 0.570
0.749 0.672 0.628 0.609 0.844
0.654 0.615 0.668 0.601 0.576
0.670 0.606 0.611 0.553 0.933
nossa populao.
Distribuies amostrais
0.693 0.662 0.690 0.606 0.570
0.749 0.672 0.628 0.609 0.844
0.654 0.615 0.668 0.601 0.576
0.670 0.606 0.611 0.553 0.933
A mdia de nossa populao = 0,6605 e o
desvio padro populacional =0,09. A
distribuio est representada ao lado.
0.670 0.606 0.611 0.553 0.933
Coletando 4 amostras com
tamanho n=2 obtivemos:
=0.721 =0.6435
=(0.628+0.668)/2=0.648
=(0.844+0.576)/2=0.710
Distribuies amostrais
0.693 0.662 0.690 0.606 0.570
0.749 0.672 0.628 0.609 0.844
0.654 0.615 0.668 0.601 0.576
0.670 0.606 0.611 0.553 0.933
A mdia amostral (mdia das mdias de
amostras) a = 0,668 e o desvio padro
amostral a=0.066.
Mdias
amostrais.
Repare que
esta mais
0.670 0.606 0.611 0.553 0.933
Coletando 4 amostras com
tamanho n=2 obtivemos:
=0.721 =0.6435
=(0.628+0.668)/2=0.648
=(0.844+0.576)/2=0.710
esta mais
estreita que
a
distribuio
populacional
Distribuies amostrais
0.693 0.662 0.690 0.606 0.570
0.749 0.672 0.628 0.609 0.844
0.654 0.615 0.668 0.601 0.576
0.670 0.606 0.611 0.553 0.933
E se as amostras forem maiores, n=8 por
exemplo.
0.670 0.606 0.611 0.553 0.933
Aqui temos 2 amostras com
tamanho n=8
a= 0,6606
a=0,025
Distribuies amostrais
Resumindo
Tamanho da
Amostra (n)
Mdia das
mdias de
amostra
a
Desvio padro
amostral
a
2 0,6680 0,066
8 0,6606 0,025
20 (populao) 0,6605 0,09
Teorema do Limite Central
Para uma
variedade ampla de
distribuies a
distribuio das
mdias amostrais
tende a uma
http://www.chem.uoa.gr/applets/AppletCentralLimit/Appl_CentralLimit2.html
tende a uma
distribuio normal
quando o nmero
de amostras
grande.
Exemplo: Estimando a altura mdia da
Populao
Amostra : n=115 (alunos da EACH)
1,71 m um estimador para a
mdia populacional
O desvio padro DP=9cm um estimador
para o desvio padro populacional.
Exemplo: Estimando a altura mdia da
Populao
A distribuio amostral para amostras de tamanho
n=115 ter mdia igual mdia populacional e
desvio padro igual ao desvio padro populacional
dividido por 115 , ou seja
0,09/ 115 = 0,01
1,71 0,01 m
Nossa estimativa ser portanto
O quanto podemos confiar nessa estimativa da
mdia ?
Exemplo: Estimando a altura mdia da
Populao
O quanto podemos confiar nessa estimativa para a
altura mdia ?
1,72m
1,70m
1,74m
1,68m
Note que: esta a distribuio para
nosso erro de estimativa da altura
mdia.
Qualidade de Estimadores: Vis e Eficincia
Vis grande eficincia alta
Vis pequeno eficincia baixa
Vis grande eficincia baixa
Vis pequeno eficincia alta
Qualidade de Estimadores: Vis e Eficincia
Mdia Amostral= (x1 + x2 + x3 + ... + xn)/n no-viesado
e eficiente (eficincia mxima)
Desvio Padro Amostral =
RAIZ{ [(x1-Media)
2
+ (x2-Media)
2
+ ... (xn-Media)
2
]/ (n-1)}
no-viesado.