Aulas Estimacao

Inferncia Estatstica 2
Estimao Pontual
Diana Maia
UEPB - CCT - DMEC
2014
Diana Maia Inferncia Estatstica 2
Introduo
Podemos comear perguntando: O que inferncia?
De acordo com o dicionrio Michaelis, inferir deduzir por
meio de raciocnio, tirar por concluso ou consequncia.
Introduo
Sendo assim, surgem duas perguntas:
O que queremos deduzir na Inferncia Estatstica?
Com base em qu, vamos tirar tais concluses?
Introduo
Como foi dito, inferir deduzir por meio de raciocnio.
Neste contexto, podemos destacar dois tipos diferentes de
inferncia: a dedutiva e a indutiva.
Introduo
Na inferncia dedutiva, as concluses so exatas, so
deduzidas a partir de informaes conhecidas.
Por exemplo, todas as pessoas maiores de idade tem mais
de 18 anos; portanto, se eu sou maior de idade, eu tenho
mais de 18 anos.
Introduo
Na Inferncia indutiva, realiza-se um experimento,
obtm-se dados e, com base nisto, as concluses so
tiradas para toda a classe de experimentos similares.
Essas concluses, ao contrrio daquelas da inferncia
dedutiva, no so exatas, elas envolvem alguma
probabilidade de estarem erradas.
Introduo
A inferncia estatstica est associada inferncia
indutiva.
Para continuarmos a explanao precisamos dos
conceitos a seguir.
Introduo
Denio
A totalidade dos elementos de interesse ou resultados sob
investigao chamada populao. Qualquer subconjunto
dessa populao chamado de amostra.
Introduo
Agora, podemos resumir o problema da Inferncia Estatstica
da seguinte forma:
Queremos estudar alguma caracterstica da populao.
Dado que, em geral, ou muito caro ou invivel
examinar toda a populao, ento colhe-se uma amostra e
o estudo realizado nessa amostra.
Por m, baseado nos resultados obtidos na amostra,
inferimos sobre o que ocorre na populao.
Introduo
da seguinte forma:
Introduo
da seguinte forma:
Introduo
As tcnicas para se obter uma boa amostra so
estudadas em Amostragem.
A Inferncia Estatstica trata da parte de decidir e
avaliar a generalizao dos resultados obtidos na
amostra para a populao.
Introduo
Exemplo
Digamos que queiramos saber a altura mdia dos alunos do
curso de Estatstica. Ento
i) Qual seria a populao aqui?
ii) Qual a varivel de interesse?
iii) Seria vivel realizar o estudo com toda a populao?
iv) Como poderamos mensurar a varivel de interesse?
v) Como, nalmente, representaramos a altura mdia de
todos os alunos do curso de Estatstica. Poderamos usar
a mediana? A mdia aritmtica? A Mdia geomtrica?
Introduo
Exemplo
Deseja-se saber a proporo de copos com defeito em
embalagens de 100 unidades fabricados por certa mquina.
i) Qual seria a populao aqui?
ii) Qual a varivel de interesse?
iii) Seria vivel realizar o estudo com toda a populao?
iv) Poderamos usar a seguinte estratgia: a cada hora
recolhemos uma embalagem e contamos o nmero de
copos com defeito na embalagem. Como modelaramos
matematicamente o estudo, neste caso?
Introduo
Exemplo
Queremos modelar o tempo (em minutos) at que se consiga
falar com um atendente de uma empresa de telefonia.
Anotamos esses tempos, em certo dia, para 250 clientes e o
histograma dos dados pode ser visto a seguir.
Introduo
Exemplo
Neste caso, qual modelo probabilstico voc prope para esses
dados? Quais seriam os parmetros?
Estimao Pontual
Conceitos Iniciais
Precisamos agora de algumas denies bsicas e
extremamente importantes para a teoria de estimao.
Estimao Pontual
Conceitos Iniciais
Denio
Sejam X
1
, X
2
, . . . , X
n
variveis aleatrias com uma densidade
conjunta f
X
1
,X
2
,...,X
n
(x
1
, x
2
, . . . , x
n
). Se
f
X
1
= f
X
2
= = f
X
n
e
f
X
1
,X
2
,...,X
n
(x
1
, x
2
, . . . , x
n
) = f (x
1
)f (x
2
) . . . f (x
n
)
ento as variveis X
1
, X
2
, . . . , X
n
formam uma amostra
independente e identicamente distribuda.
Alternativamente, dizemos que temos uma amostra aleatria
de tamanho n ou uma amostra i.i.d. da densidade f (x) ou de
uma populao com densidade f .
Estimao Pontual
Conceitos Iniciais
Denio
Um parmetro uma medida para descrever uma
caracterstica de uma populao.
So exemplos de parmetros: a mdia e a varincia
populacionais, alm de alguns dos parmetros dos modelos
probabilsticos vistos.
Estimao Pontual
Conceitos Iniciais
Denio
Um parmetro uma medida para descrever uma
caracterstica de uma populao.
So exemplos de parmetros: a mdia e a varincia
populacionais, alm de alguns dos parmetros dos modelos
probabilsticos vistos.
Estimao Pontual
Conceitos Iniciais
A motivao da estimao pontual encontrar valores que
representem bem esses parmetros populacionais
desconhecidos.
Estimao Pontual
Conceitos Iniciais
Denio
Uma estatstica uma funo conhecida da amostra.
So exemplos de estatsticas, a mdia e a varincia amostrais,
as estatsticas de ordem, a mediana amostral.
Estimao Pontual
Conceitos Iniciais
Denio
Uma estatstica uma funo conhecida da amostra.
So exemplos de estatsticas, a mdia e a varincia amostrais,
as estatsticas de ordem, a mediana amostral.
Estimao Pontual
Conceitos Iniciais
preciso salientar que se uma estatstica uma funo
da amostra, ela uma varivel aleatria.
A seguir, veremos alguns fatos importantes sobre a
distribuio de algumas estatsticas importantes.
Estimao Pontual
Conceitos Iniciais
preciso salientar que se uma estatstica uma funo
da amostra, ela uma varivel aleatria.
A seguir, veremos alguns fatos importantes sobre a
distribuio de algumas estatsticas importantes.
Estimao Pontual
Distribuies amostrais
Vamos considerar X
1
, X
2
, . . . , X
n
uma amostra i.i.d. de
uma densidade f ().
Vamos ver, inicialmente, alguns fatos sobre a distribuio
da mdia amostral

X.
Estimao Pontual
Distribuies Amostrais
Teorema
Se X
1
, X
2
, . . . , X
n
uma amostra i.i.d. de uma densidade f (),
cuja mdia e a varincia
2
, ento
E
_
X
_
= e Var (
X) =

2
n
.
Estimao Pontual
Exemplos
Considerando uma amostra aleatria de tamanho n de cada
uma das distribuies abaixo, calcule a mdia e a varincia de
X.
1
Bin(10, p)
2
Geom(p)
3
exp()
4
N(0, 1)
Estimao Pontual
Um caso particularmente especial aquele em que temos uma
amostra aleatria de uma distribuio N(,
2
). Neste caso,
X
n
N
_
,

2
n
_
e
(n 1)S
2
2

2
(n1)
.
Estimao Pontual
Lei dos Grandes Nmeros
Seja X
1
, X
2
, . . . , X
n
uma a.a. de tamanho n de f (
) com mdia
e varincia
2
< . Se

X
n
a mdia de tal amostra, ento
X
n

em probabilidade. Ou seja, para todo > 0
lim
n
P
_
|
X
n
| >
_
= 0.
Estimao Pontual
Este resultado diz que medida que o tamanho da
amostra cresce, a probabilidade de

X car "longe"de
tende a zero.
Estimao Pontual
Teorema Central do Limite
Seja f () uma densidade com mdia e varincia
2
< .
Seja

X
n
a mdia de uma amostra i.i.d. de tamanho n de f . Se
denirmos
Z
n
=
X
n
E(
X
n
)
_
Var (
X
n
)
=
X
n
n
,
ento
Z
n
N(0, 1),
quando n .
Estimao Pontual
Um caso particular do Teorema Central do Limite aquele
usado para aproximar a distribuio binomial pela normal.
Usamos este resultado para encontrar a distribuio
aproximada de uma proporo.
Estimao Pontual
Conside uma amostra X
1
, X
2
, . . . , X
n
e seja Y
n
o nmero de
elementos na amostra que tem uma determinada caracterstica
de interesse. Ento, para uma amostra sucientemente grande
podemos usar a seguinte aproximao
p =
Y
n
n
N
_
p,
p(1 p)
n
_
,
onde p a proporo de indivduas na populao que tem a tal
caracterstica de interesse.
Estimao Pontual
Introduo
Vamos relembrar o problema central da estimao pontual.
Estimao Pontual
Assuma que alguma caracterstica de uma populao
pode ser representada por uma varivel aleatria X, cuja
densidade f (x; )
Em geral, a forma da distribuio conhecida, mas a
mesma depende de um ou mais parmetros
desconhecidos.
Para que a distribuio seja completamente conhecida,
precisamos conhecer esses parmetros.
Estimao Pontual
Para comear, vamos assumir que seja possvel colher
uma amostra de f ( ; ).
Com base na informao contida na amostra, queremos
estimar o valor de .
Estimao Pontual
Denio
Qualquer estatstica cujos valores so usados para estimar ,
ou uma funo (), chamada um estimador de (ou ()).
Frequentemente, denotamos o estimador de por

.
Estimao Pontual
Observaes
1
Quando consideramos

= T(X
1
, . . . , X
n
), temos um
estimador de , o qual uma varivel aleatria. Quando
temos uma amostra x
1
, x
2
, . . . , x
n
observada, ento
= T(x
1
, . . . , x
n
) uma Estimativa de .
2
Algumas vezes, em lugar de um nico parmetro, teremos
um vetor de parmetros = (
1
,
2
, . . . ,
k
).
Estimao Pontual
Vamos abordar dois pontos:
O primeiro estabelecer mtodos para encontrar
estimadores;
o segundo denir critrios que nos ajudem a saber
quando um estimador melhor que outro.
Estimao Pontual
Mtodo dos Momentos
O mtodo dos Momentos bastante antigo.
Uma vantagem clara desse mtodo que quase sempre
ele nos fornece algum estimador.
O problema que s vezes os resultados nem sequer so
valores plausveis para o parmetro.
Estimao Pontual
Mtodo dos Momentos
Denio
Denimos o k-simo momento (populacional) de uma varivel
aleatria X como
k
= E
_
X
k
_
.
Por exemplo,
O primeiro momento de X
1
= E(X)
O segundo momento de X
2
= E
_
X
2
_
= Var (X) + [E(X)]
2
.
Estimao Pontual
Mtodo dos Momentos
Denio
Denimos o k-simo momento (populacional) de uma varivel
aleatria X como
k
= E
_
X
k
_
.
Por exemplo,
O primeiro momento de X
1
= E(X)
O segundo momento de X
2
= E
_
X
2
_
= Var (X) + [E(X)]
2
.
Estimao Pontual
Mtodo dos Momentos
Denio
Dada uma amostra i.i.d. X
1
, X
2
, . . . , X
n
, o k-simo momento
amostral dado por
M
k
=
1
n
n
i =1
X
k
i
.
Por exemplo,
O primeiro momento amostral M
1
=
1
n
n
i =1
X
i
=

X.
O segundo momento amostral
M
2
=
1
n
n
i =1
X
2
i
.
Estimao Pontual
Mtodo dos Momentos
Denio
Dada uma amostra i.i.d. X
1
, X
2
, . . . , X
n
, o k-simo momento
amostral dado por
M
k
=
1
n
n
i =1
X
k
i
.
Por exemplo,
O primeiro momento amostral M
1
=
1
n
n
i =1
X
i
=

X.
O segundo momento amostral
M
2
=
1
n
n
i =1
X
2
i
.
Estimao Pontual
Mtodo dos Momentos
Observao
Tipicamente, os momentos populacionais so funes dos
parmetros e os momentos amostrais no!
Estimao Pontual
Mtodo dos Momentos
Agora, vamos ver como funciona o mtodo dos momentos.
Estimao Pontual
Mtodo dos Momentos
O Mtodo dos Momentos
Seja X
1
, X
2
, . . . , X
n
uma amostra i.i.d. de uma densidade
f (;
1
, ,
k
).
Os estimadores do mtodo dos momentos de
1
, . . . ,
k
,
que denotaremos

1
, . . . ,

k
so obtidos igualando os k
primeiros momentos populacionais aos respectivos
momentos amostrais a resolvendo o sistema de equaes
resultante em .
Estimao Pontual
Mtodo dos Momentos
O mtodo dos Momentos
Em outras palavras, devemos encontrar

1
, . . . ,

k
que sejam
soluo do sistema
_
1
(
1
, ,
k
) = M
1
.
.
.
k
(
1
, ,
k
) = M
k
Estimao Pontual
Mtodo dos Momentos
Exemplo
Seja X
1
, X
2
, . . . , X
n
uma amostra i.i.d. de uma distribuio
Bernoulli(p). Vamos obter o estimador de p pelo mtodo dos
momentos.
Estimao Pontual
Mtodo dos Momentos
Exemplo
Seja X
1
, X
2
, . . . , X
n
U(, ). Encontre o estimador do mtodo dos momentos de .
Estimao Pontual
Mtodo dos Momentos
Exemplo
Seja X
1
, X
2
, . . . , X
n
Bin(m, p). Neste caso, quais seriam os estimadores de m e p
obtidos usando o mtodo dos momentos?
Estimao Pontual
Mtodo dos Momentos
Exemplo
Considere X
1
, X
2
, . . . , X
n
N(,
2
). Usando o mtodo dos momentos, encontre
estimadores para e
2
.
Estimao Pontual
Mtodo da Mxima Verossimilhana
O mtodo da mxima verossimilhana um dos mais
populares e produz estimadores com propriedades
desejveis.
Estimao Pontual
Denio
A funo de verossimilhana de n variveis aleatrias
X
1
, X
2
, . . . , X
n
denida como sendo a densidade conjunta de
tais variveis
f
X
1
,X
2
,...,X
n
(x
1
, x
2
, . . . , x
n
; ),
considerada como uma funo de , e que ser denotada por
L() = f
X
1
,X
2
,...,X
n
(x
1
, x
2
, . . . , x
n
; ).
Estimao Pontual
Observao
No caso particular em que X
1
, X
2
, . . . , X
n
for uma amostra i.i.d.
de uma funo densidade de probabilidade f (, ), ento
L() =
n
i =1
f (x
i
; ).
Estimao Pontual
A funo de verossimilhana L() representa, de certo
modo, a probabilidade de que as variveis assumam
valores particulares x
1
, x
2
, . . . , x
n
.
Assim, o nosso objetivo , dada uma amostra
X
1
, X
2
, . . . , X
n
, a f.d.p. que torna x
1
, x
2
, . . . , x
n
mais
provvel, ou seja, o valor de para o qual L() maior.
Estimao Pontual
Denio
Seja L() a funo de verossimilhana para X
1
, X
2
, . . . , X
n
. Se
o valor em que maximiza L(), ento

o estimador de
mxima verossimilhana de .
Estimao Pontual
Observaes
i) Se L() for derivvel, os candidatos a estimador de
mxima verossimilhana (EMV) so as solues de
L()
= 0.
Estimao Pontual
Observaes
ii) No entanto, derivar L(), derivar o produto de n funes,
o que d um certo trabalho. Uma alternativa, aplicar a
funo logaritmo, pois
a funo ln transforma produtos em somas, o que facilita a
derivao;
como a funo ln uma funo crescente, maximizar L()
equivalente a maximizar
l () = ln(L()),
onde l () chamada funo de log-verossimilhana.
Estimao Pontual
Considere X
1
, X
2
, . . . , X
n
uma amostra i.i.d. de uma
distribuio f (; ). Podemos resumir o mtodo da mxima
verossimilhana nos seguintes passos.
Estimao Pontual
Supondo que L() seja derivvel
1
Calculamos a funo de verossimilhaa
L() = f (x
1
)f (x
2
) . . . f (x
n
).
2
Obtemos a funo de log-verossimilhana
l () = ln(L()).
3
Derivamos l () em relao a e igualamos a zero,
chegando a um sistema de equaes em .
4
O

que for soluo de sistema de equaes do item
anterior ser o provvel estimador de mxima
verossimilhana.
Estimao Pontual
ATENO!!!
Relembrando as aulas de clculo, sabemos que

ser
realmente um ponto de mximo da funo, se ele satiszer
2
l ()
2
< 0,
no ponto =

.
Estimao Pontual
Mtodo da mxima verossimilhana
Se tivermos dois parmetros a serem estimados, devemos
usar o resultado abaixo para conrmar se o ponto encontrado
ponto de mximo.
Teorema
Seja z = f (x, y) uma funo cujas derivadas parciais de 1 e 2
ordem so contnuas e (x
0
, y
0
) um ponto crtico de f .
Denotamos por H(x
0
, y
0
) o determinante da matriz Hessiana
de f no ponto (x
0
, y
0
)
H(x
0
, y
0
) =
2
f
x
2
2
f
xy
2
f
xy
2
f
y
2
=

2
f
x
2
2
f
y
2

_

2
f
xy
_
2
Estimao Pontual
Mtodo da mxima verossimilhana
Continuao
Ento
(a) Se H(x
0
, y
0
) > 0 e

2
f
x
2
(x
0
, y
0
) > 0, ento (x
0
, y
0
) ponto
de mnimo local de f .
(b) Se H(x
0
, y
0
) > 0 e

2
f
x
2
(x
0
, y
0
) < 0, ento (x
0
, y
0
) ponto
de mximo local de f .
(c) Se H(x
0
, y
0
) < 0 ento (x
0
, y
0
) ponto de sela de f .
(d) Se H(x
0
, y
0
) = 0 nada podemos armar: f pode ter um
mximo local ou mnimo local ou um ponto de sela em
(x
0
, y
0
).
Estimao Pontual
Observao
No caso em que L() no for derivvel, devemos fazer um
estudo da funo.
Estimao Pontual
Exemplo
Seja X
1
, X
2
, . . . , X
n
Bernoulli(p). Encontre o EMV de p.
Estimao Pontual
Exemplo
Considere uma amostra aleatria X
1
, X
2
, . . . , X
n
de uma
distribuio N(,
2
). Quais so os estimadores de mxima
verossimilhana de e
2
?
Estimao Pontual
Exemplo
Encontre o EMV de , se temos uma amostra aleatria
X
1
, X
2
, . . . , X
n
de uma U(0, )
Estimao Pontual
Exemplo
Considerando uma amostra i.i.d. de tamanho n de uma
distribuio U
_

1
2
, +
1
2
_
. Qual seria o EMV de ?
Estimao Pontual
Muitas vezes, queremos saber no a estimativa de , mas
de alguma funo ().
Por exemplo, calculamos o estimador de para uma
distribuio U(0, ), mas poderamos querer um estimador
para E(X) =

2
.
Estimao Pontual
Invarincia do Estimador de Mxima Verossimilhana
Seja

o estimador de mxima verossimilhana de numa
densidade f (x, ), onde assumimos unidimensional. Se ()
uma funo que tem um nico valor inverso, ento o EMV de
()
_
_
, ou seja,
() =
_
_
.
Estimao Pontual
Exemplo
Seja X
1
, X
,
. . . , X
n
uma amostra aleatria de uma distribuio
U(0, ). Encontre o EMV de E(X) =

2
.
Estimao Pontual
Exemplo
Considere uma a.a. X
1
, X
2
, . . . , X
n
de uma distribuio
Poisson(). Calcule:
1
o EMV de
2
o EMV de g() = P(X = 0).
3
Calcule a estimativa de pelo mtodo da mxima
verossimilhana, com base na amostra
6 2 2 9 3 5 3 4 7 10 6 10 5 12 6

Aulas Estimacao

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

Aulas Estimacao

Enviado por

Direitos autorais:

Formatos disponíveis

Inferncia Estatstica 2

o valor em que maximiza L(), ento

Você também pode gostar