Você está na página 1de 10

UNIVERSIDADE FEDERAL DE PERNAMBUCO

CENTRO ACADMICO DO AGRESTE


CURSO DE ENGENHARIA CIVIL

Estatstica
Estatstica:
A Estatstica uma cincia que tem como objetivo a
tomada de deciso em situaes de incerteza.

ESTATSTICA

Aula 20 - Inferncia

 Descritiva
Trata da coleta, organizao e descrio de dados.
 Probabilidade
Defini um modelo matemtico probabilstico que seja
conveniente a descrio e interpretao de fenmenos aleatrios.
 Inferncia
Preocupa-se em fazer afirmaes e/ou testar hipteses sobre
caractersticas numricas em situaes de incerteza.

Prof. Anderson Paiva


18/11/2014

Slide 2

Estatstica

Prof. Anderson Paiva

Inferncia Estatstica

 Na Estatstica, a incerteza existe quando se


quer fazer alguma afirmao a respeito de alguma
caracterstica populacional baseada em
informaes extradas de dados amostrais.
 Neste caso, a aplicao da Teoria das
Probabilidades de fundamental importncia para
a soluo de problemas de Inferncia Estatstica.
Slide 3

Prof. Anderson Paiva

 Objetivo: tirar concluses sobre uma populao


com base na informao de uma amostra.
 estimao
 testes de hipteses
Slide 4

Prof. Anderson Paiva

Inferncia Estatstica

Inferncia Estatstica
 Parmetro

 Populao
A populao um conjunto formado por todos os
elementos que possuem pelo menos uma caracterstica em
comum observvel.

 Amostra
A Amostra apenas uma parte da populao, ou seja,
qualquer subconjunto no vazio da populao.

Slide 5

Prof. Anderson Paiva

uma medida numrica que descreve uma caracterstica da


populao, ou ainda, que obtida a partir de todos os dados
populacionais (atravs de um censo).
Ex.: Identificando a populao pela varivel aleatria X, seriam
parmetros a Mdia de X ( ou E(X)) e a sua Varincia ( ou
Var(X)).

 Estatstica
uma medida que descreve uma caracterstica numrica
da amostra, ou ainda, que obtida a partir de dados amostrais, e que
ser usada para extrair informaes sobre a populao.
Ex.: mdia amostral (X), varincia amostral (S), etc.
Slide 6

Inferncia Estatstica

Prof. Anderson Paiva

Inferncia Estatstica

 Parmetro x Estatstica

 Estimador
Combinao dos elementos da amostra, construda com a
finalidade de representar, ou estimar, um parmetro de interesse na
populao.
Ex.: mdia amostral (X) estimador de ; desvio-padro.

 Estimativa
Valor numrico assumido pelo estimador.
Ex.: x o valor de X para a amostra observada.

Slide 7

Prof. Anderson Paiva

Slide 8

Prof. Anderson Paiva

Inferncia Estatstica

Inferncia Estatstica

 Estudamos algumas distribuies tericas de


probabilidade.
 Probabilidade: os parmetros da distribuio
eram conhecidos calculamos probabilidades
 Inferncia: os valores desses parmetros no so
conhecidos.
 A amostra deve ser representativa da populao
da qual ela selecionada.
 Se no for, as concluses extradas sobre a
populao podem estar distorcidas.

Ex: Considere as seguintes situaes:


1. Populao: os eleitores da cidade de Campina Grande
Amostra: 650 eleitores escolhidos aleatoriamente (ao acaso)
Caracterstica de interesse: percentual de eleitores que planejam
votar num candidato X nas prximas eleies.
2. Populao: automveis Uno Mille produzidos em 1995
Amostra: todos os automveis produzidos em agosto de 1995
Caractersticas de interesse: nmero de defeitos apresentados nos
primeiros 3 meses de uso, quilometragem mdia e uma possvel
relao entre estas duas variveis.
Os parmetros no apresentam incerteza sobre seu real valor. Por
outro lado, as estatsticas podem apresentar diferentes valores, se
obtidas a partir de diversas amostras.

Slide 9

Prof. Anderson Paiva

Slide 10

Inferncia Estatstica

Prof. Anderson Paiva

Inferncia Estatstica

Seleo de Amostras

Amostras Probabilsticas

O primeiro passo para fazer inferncias corretas utilizando


amostragem, fazer o levantamento dessas amostras de maneira
adequada.

A seleo de uma amostra vista como resultado de um


experimento aleatrio e cada valor observado xi o resultado de uma
varivel aleatria Xi.

Tipos de Amostras
 Amostras Probabilsticas
Cada item da amostra tem a mesma chance de ser
selecionado que os demais.
 Amostras No Probabilsticas
Cada item selecionado no possui a mesma chance de ser
selecionado que os demais.
Slide 11

Prof. Anderson Paiva

 As variveis aleatrias (X1, X2, ..., Xn) so uma amostra aleatria


de tamanho n, se:
a. Os Xis forem variveis aleatrias independentes e
b. Cada Xi tiver a mesma distribuio de probabilidades

Slide 12

Prof. Anderson Paiva

Inferncia Estatstica

Inferncia Estatstica

Seleo de Amostras
Amostras Probabilsticas serviro como base para a correta
estimao dos parmetros da populao a qual se referem.

 Tipos de Amostras Probabilsticas


 Amostra Aleatria Simples
 Amostra Aleatria Sistemtica
 Amostra Aleatria Estratificada.

Slide 13

Amostra Aleatria Simples


 Cada elemento da Populao selecionado de maneira
aleatria.
Exemplo:
Pesquisa em uma empresa com 5000 empregados,
deseja-se selecionar uma amostra de 100 pessoas.

Prof. Anderson Paiva

Slide 14

Prof. Anderson Paiva

Inferncia Estatstica

Inferncia Estatstica

Amostra Aleatria Sistemtico


 O primeiro elemento da Populao selecionado de
maneira aleatria os demais de acordo com alguma lei de
formao.

Amostra Aleatria Estratificado


 A populao dividida em estratos com mesmas
caractersticas. So selecionados os elementos da amostra
de maneira aleatria e os parmetros resultantes sero
agregados de forma proporcional.

Exemplo:
Empresa com 5000 empregados, deseja-se selecionar
uma amostra de 100 pessoas. Ordena-se os empregados, o
primeiro selecionado e os outros sero escolhidos
somando 15 a ordenao.
Slide 15

Prof. Anderson Paiva

Exemplo:
Pesquisa Eleitoral.

Slide 16

Prof. Anderson Paiva

Inferncia Estatstica

Inferncia Estatstica

Amostra Aleatria Simples (AAS)


 Variveis aleatrias X1;X2; ...;Xn constituem uma
amostra aleatria simples de tamanho n, ou simplesmente
amostra aleatria (A.A.) de uma varivel aleatria (V.A.)
X, quando satisfazem as seguintes condies:

Amostra Aleatria Simples (AAS)


Ex: Considere uma populao formada pelos seguintes
elementos {1; 3; 5; 5; 7}. Considere a varivel X: valor
assumido pelo elemento na populao. Assim, a
distribuio de probabilidade de X dada por:

1) As variveis aleatrias X1;X2; ...;Xn so independentes,


2) Cada uma das variveis aleatrias Xi, i = 1; 2; ...; n tm
a mesma distribuio de probabilidade da varivel X.

Slide 17

Prof. Anderson Paiva

Slide 18

Inferncia Estatstica

Inferncia Estatstica

Considere todas as amostras possveis de tamanho 2, com


reposio, da populao cuja distribuio dada acima.
Alm disso considere X1 o nmero selecionado na
primeira extrao e X2 o nmero selecionado na segunda
extrao. Assim, podemos construir a distribuio de
probabilidades conjunta de (X1;X2) e as distribuies
marginais de X1 e X2. Observe que X1 e X2 so
independentes e tm distribuies iguais distribuio de
X.

Slide 19

Prof. Anderson Paiva

Prof. Anderson Paiva

Distribuio de probabilidades conjunta de (X1;X2)

Slide 20

Prof. Anderson Paiva

Inferncia Estatstica

Inferncia Estatstica

 Distribuio Amostral

 Distribuio Amostral

 Dada uma amostra aleatria X1;X2; ...;Xn de uma populao X,


definiremos uma estatstica T como qualquer funo de X1;X2; ...;Xn
, ou seja T = f(X1;X2; ...;Xn).
 Assim, dada uma amostra aleatria X1;X2; ...;Xn , um exemplo de
estatstica seria a mdia amostral

 Considerando o exemplo anterior, podemos construir a distribuio


de algumas estatsticas, como por exemplo a distribuio de
e S =
, por ex.
 Assim teramos,

 Sendo X1;X2; ...;Xn uma amostra aleatria da varivel X, uma


pergunta natural seria o que acontece com a estatstica T quando
retiramos todas as amostras de uma populao conhecida segundo um
plano amostral adotado, ou seja qual a distribuio de T quando
X1;X2; ...;Xn assume todos os valores possveis. Essa distribuio ser
chamada de distribuio amostral da estatstica T.
Slide 21

Prof. Anderson Paiva

 Obs.: Note que E( X ) = E(X1) = E(X2) = E(X) = 4,2; e que Var( X ) = Var(X)/2 =
2,08. Seria isto uma coincidncia?
Resposta: No!!!! Veremos a seguir a justificativa deste fato.
Slide 22

Inferncia Estatstica

Prof. Anderson Paiva

Inferncia Estatstica

 Distribuio Amostral da Mdia

 Distribuio Amostral da Mdia

 Seja X uma varivel aleatria com mdia e varincia , e seja


(X1;X2; ...;Xn) uma amostra aleatria de X. Ento, a mdia amostral
( X ) ter mdia e varincia dadas respectivamente por

 Ex.: Considere uma populao em que uma varivel X assume um


dos valores do conjunto {1, 3, 5, 5, 7}. A distribuio de
probabilidade de X dada por:

fcil ver que:


 Um teorema bem mais forte do que este o que se refere
distribuio de probabilidade da varivel X . Este teorema
conhecido como o Teorema Central do Limite
Slide 23

Prof. Anderson Paiva

Slide 24

Prof. Anderson Paiva

Inferncia Estatstica

Inferncia Estatstica

 Distribuio Amostral da Mdia

 Distribuio Amostral da Mdia

Vamos relacionar todas as amostras possveis de tamanho n = 2,


selecionadas ao acaso e com reposio dessa populao, e encontrar a
distribuio da mdia amostral de

Sendo:
X1: valor selecionado na primeira extrao,
X2: valor selecionado na segunda extrao.

Slide 25

Prof. Anderson Paiva

Slide 26

Inferncia Estatstica

Prof. Anderson Paiva

Inferncia Estatstica

 Distribuio Amostral da Mdia

 Distribuio Amostral da Mdia

A distribuio de probabilidade de X para n = 2

 Repetindo o mesmo procedimento, para amostras de


tamanho n = 3, temos a seguinte distribuio de probabilidade de X,

Neste caso,
Neste caso,

Slide 27

Prof. Anderson Paiva

Slide 28

Prof. Anderson Paiva

Inferncia Estatstica

Inferncia Estatstica

 Distribuio Amostral da Mdia

 Distribuio Amostral da Mdia

 Histogramas correspondentes s
distribuies de X e de X , para amostras
de {1,3,5,5,7}.

Slide 29

Prof. Anderson Paiva

Slide 30

Inferncia Estatstica

Prof. Anderson Paiva

Inferncia Estatstica

 Distribuio Amostral da Mdia

 Distribuio Amostral da Mdia

Dos histogramas, observamos que


 Conforme n aumenta, os valores de X tendem a se concentrar cada
vez mais em torno de
uma vez que a varincia vai
diminuindo;

Esses grficos sugerem que, quando n aumenta,


independentemente da forma da distribuio de
X, a distribuio de probabilidade da mdia
amostral aproxima-se de uma distribuio normal.

 os casos extremos passam a ter pequena probabilidade de


ocorrncia;
 para n suficientemente grande, a forma do histograma aproxima-se
de uma distribuio normal.
Slide 31

Prof. Anderson Paiva

Slide 32

Prof. Anderson Paiva

Inferncia Estatstica

Inferncia Estatstica

 Teorema Central do Limite

 Teorema Central do Limite

 Para amostras aleatrias (X1;X2; ...;Xn), retiradas de uma populao


com mdia e varincia finita, a distribuio amostral da mdia X
aproxima-se, para n suficientemente grande, de uma distribuio
normal, com e varincia /n.

 Se a distribuio de X normal, ento X tem distribuio

 Observaes:
1) No teorema acima no fizemos nenhuma suposio sobre a
natureza das distribuies das variveis X1;X2; ...;Xn, ou seja,
independentemente de como se comportam essas variveis, sejam elas
discretas ou contnuas, o teorema continua vlido.
2) Se as variveis X1;X2; ...;Xn tm distribuio normal, ento X ter
tambm distribuio normal e no apenas uma aproximao.
Slide 33

Prof. Anderson Paiva

normal exata, para todo n.


 O desvio padro
da mdia.

denominado erro padro

Slide 34

Prof. Anderson Paiva

Inferncia Estatstica

Inferncia Estatstica

 Exerccio: Uma V.A. X tem distribuio normal, com mdia 100

 Exerccio: Uma V.A. X tem distribuio normal, com mdia 100

e desvio padro 10.


a) Qual a P(90<X<110)?
b) Se X for a mdia de uma amostra de 16 elementos retirados dessa
populao, calcule P(90 < X < 110).
c) Represente, num nico grfico, as distribuies de X e X.
d) Que tamanho deveria ter a amostra para que P(90 < X < 110) =
0,95?

Slide 35

Prof. Anderson Paiva

e desvio padro 10.


Resp.:
a)
b)

Slide 36

Prof. Anderson Paiva

Inferncia Estatstica

Inferncia Estatstica

 Exerccio: Uma V.A. X tem distribuio normal, com mdia 100

 Exerccio: Seja X ~ N(900; 642), retiramos uma amostra de

d)

 Exerccio: Qual dever ser o tamanho de uma amostra


retirada de uma populao X ~ N(200; 350) para que
 - 200| < 5) = 0,95?
P(| 

e desvio padro 10.


Resp.:
c)

tamanho 30. Determinar:


 894).
a) P(
Resp.: 0,0968.
 903).
b) P(896 
Resp.: 0,54726.

Resp.: 54.
Slide 37

Prof. Anderson Paiva

Slide 38

Prof. Anderson Paiva