Série Estatistica Basica Text® Aamostragem Se Estimacaéo Prof. Lori Viali, Dr.SERIE: Estatistica Basica @ Texto 3: AMOSTRAGEM & ESTIMACAO SUMARIO 1. AMOSTRAGEM 4 1.1. Conceitos basicos 4 1.2, Distribuigio amostral dos estimadores 8 1.2.1. Distribuigdo amostral da média 8 1.22, Distribuigo amostral da varidneia ul 1.23. Distribuigdo amostral da proporgao 1B 2. ESTIMAGAO 16 2.1. Propriedades dos estimadores 16 2.2, Estimagao por ponto 16 2.3, Estimagao por intervalo 16 2.3.1. Da média populacional 7 2.3.2. Da proporgo populacional 19 2.3.3. Da varidneia populacional (62) 21 2.3.4, Do desvio padrdo populacional (6) 2 3. EXERCICIOS 24 4. RESPOSTAS DOS EXERCICIOS ay 5. REFERENCIAS 29SERIE: Estatistica Basica @ Texto 3: AMOSTRAGEM & ESTIMACAO 1. AMOSTRAGEM 1.1. CONCEITOS BASICOS Estatistica Indutiva, Muitas vezes, apesar dos recursos computacionais ¢ da boa vontade ndo & possivel estudar todo um conjunto de dados de interesse, Neste caso estuda-se uma parte do conjunto. principal motivo para se trabalhar com uma parte do conjunto ao invés do conjunto inteiro é o custo. 0 conjunto de todos os elementos que se deseja estudar & denominado de populagao. Note que 0 termo populagdo é usado num sentido amplo e nao significa, em geral, conjunto de pessoas. Pode-se definir uma populagao como sendo: Uma colegio de todos os possiveis elementos, objetos ou medidas de interes- se. Assim, sio exemplos de populagies: ‘+ 0 conjunto das rendas de todos os habitantes de Porto Alegre; + 0 conjunto de todas as notas dos alunos de Estatistica; © 0 conjunto das alturas de todos os alunos da Universidade; ete. ‘Um levantamento efetuado sobre toda uma populagao é denominado de levantamento censité- rio ou Censo. Fazer levantamentos, estudos, pes sobre toda uma populagdo (censo) & em geral, muito dificil. Isto se deve & varios fatores. © principal é o custo. Um censo custa muito caro e demanda um. tempo considerdvel para ser realizado, Assim, normalmente, se trabalha com partes da populagio de- nominadas de amostras. Uma amostra pode ser caracterizada como Uma porgao ou parte de uma populasio de interesse. Utilizar amostras para se ter conhecimento sobre populagdes & realizado intensamente na Agricultura, Politica, Negécios, Marketing, Govemo, ete., como se pode ver pelos seguintes exemplos: ++ Antes da eleigdo diversos érgaos de pesquisa e imprensa ouvem um conjunto selecionado de cleitores para ter uma idéia do desempenho dos varios candidatos nas futuras eleigGes. ‘+ Uma empresa metal-mecanica toma uma amostra do produto fabricado em intervalos de tempo especificados para verificar se 0 processo esté sob controle ¢ evitar a fabricago de itens defei tuosos. ‘+ 0 IBGE faz levantamentos periddicos sobre emprego, desemprego, inflagdo, ete. ‘* Redes de ridio e TV se utilizam constantemente dos indices de popularidade dos programas para fixar valores da propaganda ou entdo modificar ou eliminar programas com audiéncia insatisfaté- ria, ‘* Bidlogos marcam passaros, peixes, ete. para tentar prever e estudar seus habitos. proceso de escolha de uma amostra da populagdo & denominado de amostragem. Riscos da amostragem. O processo de amostragem envolve riscos, pois toma-se decisdes so- bre toda a populagdo com base em apenas uma parte dela. A teoria da probabilidade pode ser utiliza- da para fornecer uma idéia do risco envolvido, ou seja, do etto cometido ao utilizar uma amostra ao in-SERIE: Estatistica Basica @ Texto 3: AMOSTRAGEM & ESTIMACAO vés de toda a populagao, desde que, £05, isto &, a0 acaso. aro, a amostra seja selecionada através de critérios probabilisti- Baseado ni conceitos anteriores pode-se definir Estatistica Indutiva ou Inferencial como sendo: A colegio de métodos e técnicas utilizados para se estudar uma populagdo baseados em amos- tras probabilisticas desta mesma populagao. Uma amostra é dita probabilistica se todos os elementos da populasio tive- rem probabilidade conhecida e nao zero de pertencer a amostra. Dentre as varias maneiras de se selecionar uma amostra probabilistica ou aleatéria de uma po- pulagdo a mais simples ¢ atribuir a todos os elementos da populagdo a mesma probabilidade de perten- cer a amostra, Uma amostra que satisfaga tal critério € denominada de amostra aleatéria simples (aas). ‘Uma as pode ser extraida de uma populagao de acordo com os critérios: (a) com reposigao e (b) sem reposigao. Se a populagdo for infinita entdo as retiradas com ¢ sem reposigdo sero equivalentes, isto & se a populagao for infinita (ou entdo muito grande), o fato de se recolocar o elemento retirado de volta na populagao. nao vai afetar em nada a probabilidade de extragao do elemento seguinte. Se, no entanto, a populagdo for finita (e pequena) ser necessério fazer uma distingo entre os dois procedimentos, pois na extragdo com reposigdo as diversas retiradas serdo independentes, mas no processo sem reposigao havera dependéncia entre as retiradas, isto é, 0 fato de ndo recolocar o ele- mento retirado afeta a probabilidade do elemento seguinte ser retirado, A amostragem sem reposigio & mais eficiente que a amostragem com reposigdo e reduz a variabilidade uma vez que ndo & possivel re- tirar elementos extremos mais do que uma vez. Assim se N representa o tamanho da populagdo ¢ n 30, isto & possivel, A média da amostra teré uma distribuigdo aproximadamente normal com média 6 s.m. ¢ desvio padrio de: 2 / 10 = 0,20, uma vez que o erro pa-SERIE: Estatistica Basica zd Texto 3: AMOSTRAGEM & ESTIMACAO dro da média é raiz de n veres menor do que 0 desvio padrdo populacional, Entio, a probabitidade pedida seré: PCR > 6,30) = P(Z > (6,30 - 6V'0,20 ) = P (Z> 1,5) = B(-1,5) = 6,68%, isto & apenas 6,68% das médias de amostras de tamanho n= 100 apresentardo um valor superior a 6,30 s.m. 1.2.2. Distribuigdéo amostral da variancia (1) Amostragem COM reposigio Considere-se a populagdo P = { 1, 3, 5, 6 } ¢ todas as amostras possiveis de tamanho n = 2 extraidas com reposigao, Para cada amostra vai-se calcular a variancia, Ter-se-4 assim um conjunto de 16 valores que sero dispostos em uma tabela, com as respectivas probabilidades, ¢ que constituird en« to a distribuigdo amostral da varidncia. As possiveis amostras com as respectivas vatincias so: Amostas |) (3) 5) 6 6.3) G5) BO 65) x 1 2 3 35 3 4 45.5 ? 0 2 8 ms 0 2 45 0 Anois |G. 60 GD GD GD GD 6D) GS x 55.6 2 33500 44555 s 0s 0 2 8 12,5 2 45° 05 Colocando estes resultados em uma tabela(distribuigao amostral da variancia) vem: - f(s") = P(S* = ‘Ss fs?) s 0,0 4/16 0/16 0,5 26 16 2,0 416 8/16 45 216 9/16 80 2116 16/16 12.5 2116 25/16 = 1 59/16 Pela tabela segue que: ES!) = Es'tts) amostras de tamanho n 19/16 = 3,6875 = 6°, isto ¢ a expectincia (média) de todas as varidincias das 2, extraidas com reposigo da populagdo P, é igual a varidncia populacional (parametro populacional varidncia). Em outras palavras, pode-se dizer que quando a amostragem & com reposigio a varidncia amostral S? é um estimador nfo tendencioso da variéncia populacional 0” Desta forma, sempre que se desejar estimar a varidncia de uma populacdo onde as amostras foram retiradas com reposigao, pode-se usar a varidneia amostral como estimador. (2) Amostragem SEM reposigio Considere-se a populagdo P = { 1, 3, 5, 6 } € todas as amostras possiveis de tamanho n= 2 obtidas sem reposigdo.SERI Estatistica Basica As possiveis amostras com as respectivas varianei sio: Amostras_| (1.3) (5) (6) _@.5)_G.6) 6.6) x 2 3003S SSS s 2 8 12,5 2 45 05 Colocando estes resultados em uma tabela (distribuigdo amostral da varifncia) vem: | 16) = PS = SHS) sy 05 16 05i6 20 26 4,016 45 116 45/6 8,0 16 8,016 12,5 v6 12.516 =z 1 29,516 Pela tabela pode-se ver que: E(S*) = Es"fis’) = 29,5/6 # 3,6875 = 0°, isto é a expectincia (média) de todas as varidncias das amostras de tamanho n = 2, extraidas sem reposi¢o da populagao finita P, ndo € igual a variancia populacional (parimetro populacional varidneia), Neste caso, para que sc obtenha um estimador no tendencioso da varincia populacional ¢ necessério corrigir a variancia amostral através do fator (N - 1) I'N. Assim se cada varidncia acima for multiplicada por este fator, que neste caso ser, (N- 1) /N=3/ 4=0,15, entao, se teré € f(8) =P = 8) ef) 375 16 037516 1,500 26 3,000/6 3,375 16 3,375/6 6,000 16 6,000/6 9,375 16 9.37516 = 1 22,125/6 E($?) = DS" A($*) = 22,125 / 6 = 3,6875 = 6’, isto é a expectincia (média) de todas as varidn- cias corrigidas é igual ao parametro populacional o*. Assim quando a populagao & pequena e amostra- gem for sem reposigao é necessério corrigir a varidncia da amostra pelo fator (N - 1) / N, para que ela seja um bom estimador da variéneia populacional, E claro que esta corrego s6 seré importante para populagdes pequenas. Se a populagdo for grande, por exemplo, N = 1000, entdo o fator (N - 1) /N = 999 / 1000 = 0,999 0 que ¢ aproximadamente 1. Neste caso, niio & necessério usar esta corregdo ea amostragem semn reposicdo pode ser considerada equivalente a com reposigdo para efeitos de estimagao da variancia populacional. Evidentemente as consideragdes acima valem para populagdes pequenas. Se a populagdo & bastante grande ou infinita, nfo mais ser possivel pensar em construir tabelas para representar a distri- buigdo das varidncias amostrais. Neste caso & necessério procurar por modelos probabilisticos (fun- Ges) que descrevam a distribuigdo da varidncia amostral. Para a varidncia este modelo existe © & de- nominado de distribuig%o Qui-quadrado (7),SERI Estatistica Basica zd Texto 3: AMOSTRAGEM & ESTIMACAO 1.2.3. Distribuigdo amostral da proporgao (1) Amostragem COM reposigao Considere-se a populagdo P= { 1, 3, 5, 6 } € todas as amostras possiveis de tamanho n = 2 obtidas com reposigao. Para cada amostra vai-se calcular a proporgdo P de elementos pares na popula- eo, Ter-se-d assim um conjunto de 16 valores que serdo dispostos em uma tabela, com as respectivas probabilidades, e que formardo entio a distribuigdo amostral da proporgao. ‘As possiveis amostras com as respectivas proporydes sio: Amostras | G1) 3) 45) G6 63) 65 GO 65). P 0 0 0 2 0 0 2 0 Amostas | 6.) 66) GD G&D 6D G3 63) C5 P m1 0 o 1m 0 wm 12 Colocando estes resultados em uma tabela (distribuigo amostral da proporgo) vem: p__| f()=P=p) pip) prt(p) 0,0 9/6 O/16 0,0/16 05 6/16 316 1,5/16 1,0 AN6 W16 1,0/16 = 1 4/16 2,5/16 Pode-se entio calcular a expectancia e a varidncia: E(P) = Yplip) = 4/16 = 0,25 = x, isto € o valor esperado (média) de todas as propor amostrais, extraidas com reposigdo da populagdo P, e ¢ igual a proporgdo populacional (parimetro po- pulacional 7). Isto significa, que 0 estimador P é um estimador nao tendencioso (ou nfo viciado) da proporgdo populacional r, quando as amostras so extraidas com reposigdo da populagao. V(P) = Xp"t(p) - WB = 2,5/16 - 0,25" = 0,09375 = n(1 - x) / n, isto é, a varidncia entre as pro- porgdes amostrais é “n” vezes (neste caso 2 vezes) menor que a varidncia populacional. Isto porque quando se esta trabalhando com proporgdes, pode-se mostrar que a variancia populacional € igual a m1 - ®). ) valor a= = 0,09375 & denominado erro padrao da proporgio. Ele mede a va- 7 riabilidade entre as proporgdes amostrais e dé uma idéia do erro que se comete ao se substituir a pro- poredo da populagdo pela proporgaio da amostra, (2) Amostragem SEM reposigio Considere-se a populagdo P = { 1, 3, 5, 6 } ¢ todas as amostras possiveis de tamanho n = 2 extraidas sem reposigao. As possiveis amostras com as respectivas proporgdes sio:SERI Estatistica Basica Amostas | (1.3) (5) 0.6 G5) G6) 6,6) P 0 12 12 12 Colocando estes resultados em uma tabela (distribuigo amostral da proporgo) vem: Pp f(p) = PP =p) pip) pti) 0.0 12, 0,0/2 0,002 0,5 12, 0,5/2 0,25/2 = 1 05/2 0,25/2 Portanto: E(P) = Zpfip) trais, extrafdas sem reposi¢ao da populagao P, e é igual a proporgdo populacional (parametro populaci- onal n). Isto significa, que o estimador P & um estimador nao tendencioso (ou nao viciado) da propor- 40 populacional , quando as amostras so retiradas sem reposigao. VP) = Ep*tip) - HB = 0.2512 - 0,25° = 0,0625 = A5#.N=2. isto &, a varidincia entre as pro- porgdes amostrais & “n” vezes (ne 0 2 vezes) menor que a variancia populacional multiplicada pelo fator de corregaio de populagdo finita, Este fator, pode ser considerado como o fator de eficiéncia dda amostragem sem reposigio sobre a amostragem com reposigao que, neste exemplo, (N = 4 en = 2) vale 2/3. Evidentemente as considerages acima valem para populagdes pequenas. Se a populagdo & bastante grande ou infinita, nfo mais serd possivel pensar em construir tabelas para representar a distri- buigdo das proporgdes amostrais. Nesta essario procurar por modelos probabilisticos que descrevam a distribuigio da proporgdo amostral. Neste caso, também, como declarado acima a distin- do entre amostragem com e sem reposigao no seré necessiria, pois o fator de corregao seré “aproxi- madamente um” e ndo precisard ser utilizado, 0 modelo probabilistico para a proporgdo amostral é dada pelo seguinte resultado: (a) Se (Xi, Xo, ..» Xq) € uma amostra aleatéria retirada de uma populagdo com proporgao ™, entio a distribuigdo da proporgdo amostral seré aproximadamente normal com média tip = ¢ des int padrio op = | 7 OBS.: Para amostras de 30 ou mais valores, em geral, a aproximagao ja serd suficiente boa, para se poder utilizar este resultado, Para amostras pequenas a distribuiggo da proporgao amostral & Binomial Exempl (1) A proporgao de eleitores do candidato D. M. A. Gogo numa certa regido & de 20%. Ex- traida uma amostra de 100 eleitores desta regido, qual a probabilidade que ela apresente um nimero de eleitores do candidato (2) Abaixo de 15% (b) Superior a 30%SERIE: Estatistica Basica @ Texto 3: AMOSTRAGEM & ESTIMACAO Solugao: Como n > 30 pode-se usar a distribuigdio normal com média t= jozi-02) = JME = 102t02) — 0,04 = 49%, Fito (a) P(P < 15%) = P(Z.< -1,25) = (-1,25) = 10,56%. (b) PP > 30) = PZ > 2,5) = (-2,5) = 0,62%. 20% € desvio padrio 1sSERIE: Estatistica Basica @ Texto 3: AMOSTRAGEM & ESTIMACAO 2. ESTIMACAO A inferéncia estatistica tem por objetivo fazer generalizagdes sobre uma popula¢do com base em valores amostrais. A inferéncia pode ser feita estimando os pardmetros: (a) Por ponto & (b) Por intervalo. A estimagdo por ponto é feita através de um tmico valor, enquanto que a estimago por inter- valo fornece um intervalo de valores em torno do valor da estimativa pontual. Exemplo: Uma amostra aleatéria simples de 400 pessoas de uma cidade é extraida e 300 respondem que acham a administragdo municipal boa ou étima. Entdo o valor p = 300/400 = 75% € uma estimativa por ponto do percentual de pessoas da cidade que acham a administrago boa ou étima, Esta mesma esti- mativa poderia ser enunciado como de: 70% a 80% das pessoas da cidade acham a administragio boa ou étima, Neste caso, teriamos uma estimativa por intervalo da proporgdo. Note-se que o centro do in- tervalo & 0 valor “75%” da estimativa pontual 2.1, PROPRIEDADES DOS ESTIMADORES Seja X uma populagdo com um parimetro de interesse @ e seja (Xi, Xr, ... Xq) uma amostra iples extrafda desta populagdo. Seja 6 um estimador do pardmetro 8. Entdo: aleatéri (i) Se E(6) ~ @ se diré que 6 é um estimador néo-tendencioso ou nao viciado do parimetro populacional 0. Neste caso, a média do estimador 8 & parimetro populacional 8, ou ainda, pode+ dizer que o estimador varia em tomo do parémetro populacional. (ii) Se 6 € um estimador nao tendencioso de um pardmetro ®, se diré que 6 & consistente se & medida que o tamanho da amostra aumenta a variabilidade do estimador diminui, isto &, as observa- es vao ficando cada vez mais concentradas em tomo do parmetro na medida em que a amostra vai ficando cada vez maior. Em simbolos: lim V(@)=0 2.2. ESTIMAGAO POR PONTO. Seja X uma populagdo com média pt, desvio padro 6 ¢ com uma proporgio me seja (Xi, Xe, ., Xa) uma amostra aleatéria simples extraida desta populagdo. Entao: (a) X € um estimador nao-tendencioso e consistente da média da populagao th (b) P & um estimador ndo-tendencioso e consistente da proporgo populacional r. (c) S’ € estimador nao-tendencioso ¢ consistente da varidncia da populagao 6”, a menos que a N-to extragdo seja sem reposic¢do de populagao finita, Neste caso, o estimador & g? = 2.3. ESTIMAGAO POR INTERVALO 0 estimador por ponto nio permite ter uma idéia do erro cometido ao se fazer a estimativa do pardmetro, Para que se possa associar uma confianga (probabilidade) a uma estimativa é necessério 6SERIE: Estatistica Basica @ Texto 3: AMOSTRAGEM & ESTIMACAO construir um intervalo em tomo da estimativa por ponto, Este intervalo é construido baseado na distri- buigdo amostral do estimador. 2.3.1, Da média populacional (a) Desvio padrao populacional (6) conhecido 0 intervalo de confianga para a média (1) de uma populagdo é construido em tomo da estima- tiva pontual X. Para construir este intervalo fixa-se uma probabilidade “L - oc* de que o intervalo construido contenha 0 pardmetro populacional, Desta forma, “t" seri a probabilidade de que inter- valo obtido ndo contenha valor do pardmetro, isto é, “ct* serd a probabilidade de erro, Sabe-se que a média da amostra tem distribuigdo normal de média jt e desvio padrio oA se a populagdo de onde for extraida a amostra for normal (ou se a amostra for superior a 30 ¢ retirada de qualquer populagdo ) de média 1 e de desvio padrdo 6, pode-se entio utilizar a curva normal para estabelecer os limites para © intervalo de confianga. Lembrando que o que se quer & um intervalo que contenha 0 pardmetro populacional com probabilidade “I - ot* tem-se entdo: P(-2a2 < Z < 22) = 1 - ot, onde 22 é 0 valor da normal padrdo com Area a direita é igual a o2 Mas Z = (X - 1) substitu na expresso acima vom: Poetun <(K WI Hp < tan) = XK - % m 2a2) = 2, ou entio: @(-2y) = 0/2. Exempl Uma populagdo tem um desvio padrio igual a 10 e média desconhecida. Uma amostra de ta- manho n = 100 é retirada e fornece uma média X = 50. Qual o intervalo de 95% de confianga para a média desta populagao? Solugao: Tem-se 1 - a= 95%, entio a= 5% € o/ buscado na normal padrao é valor Za2 de Z tal que: PZ > Zu2) = 2,5%, ou entio: ®(-Zu2) = 2,5%. 2,5%. O coeficiente de confianga que deve serSERIE: Estatistica Basica @ Texto 3: AMOSTRAGEM & ESTIMACAO Este valor vale 1,96. Entio o intervalo de confianga de 95% para a média desta populago Re taa VopsR tan Y [48,04; 51,96], ou seja, pode-se afirmar com uma certeza de 95% de que este intervalo conterd a média desta populagao. [50 - 1,96.10/10; 50 + 1,96.10/10] = [50 - 1,96; 50+ 1,96] = valor £ = 2a2 7/- € denominado de erro padtio da estimagio. Nao confundir c Obs.: O valor € = 2u2 oi / pq € denominado de erro padrao da estimagio, Nao confundir com 0 valor Ue que é 0 erro padro da amostragem. O erro padrio da estimagdo é a semi-amplitude do in- tervalo de confianga, A amplitude do intervalo de confianga (IC) serd; 2. (b) Desvio padrao populacional (6) desconhecido Quando o desvio padrio da populagio (6) & desconhecido é necessério utilizar sua estimativa “s”. $6 que ao substituir-se o desvio padrdo populacional pelo sua estimativa no quociente: wi ¥% tatistico inglés W. S. Gosset, conhecido por “Student” o comportamento do quociente: ndo se teré mais uma normal padrao. De fato, conforme demonstrado pelo es- (X-w Sn segue uma distribuigdo simétrica em toro de zero, porém com uma variabili- dade maior do que a da normal padrio. A distribuigdo do quociente acima & conhecida como distribui- so “1” de Student Na realidade existem infinitas distribuigdes “t”, uma para cada tamanho de amostra, Estas distribuigdes a exemplo da normal padrio encontram-se tabeladas. A tabela para a distribuigdo “t” segue uma metodologia um pouco diferente daquela da normal padrao, De fato, como existem muitas distribuigdes de Student nao seria possivel tabelé-las da mesma forma que a da normal padrdo. Assim cada linha de uma tabela representa uma distribuigdo diferente © cada coluna representa um valor de confianga que poder ser “ot* ou “0/2”, isto é, a tabela podera ser unilateral ou bilateral. A linha de cada tabela fomece a distribuigdo “t” com parametro “n - 1” denomi- nado de graus de liberdade, isto é, 0 grau de liberdade = v =n - 1 = linha da tabela Neste caso, intervalo de confianga com probabilidade “I - ot para a média ser [X- agi yA onde: X 6a estimativa por ponto da média da populacdo; S & 0 desvio padrao da amostra e uma estimativa do desvio padrio da populacdo oe ta2 € 0 valor da distribuigdo t cuja drea & dircita & igual a a/2, isto &, & 0 valor de t tal que P(t> tun) = a/2, ou emtdo: PC tarot < tesa) = 1 ob Exemplo: Uma amostra de tamanho 25 foi retirada de uma populacdo com o objetivo de estimar a sua média e fomeceu os valores X = 50 ¢ s= 10. Qual o intervalo de 95% de confianga para a média desta populagio?SERIE: Estatistica Basica @ Texto 3: AMOSTRAGEM & ESTIMACAO Solucio: Tem-se 1 - 4 = 95%, entio = 5% e a/ 2 = 2,5%. O coeficiente de confianga que deve ser buscado na distribuigdo t com v =n - 1 = 25 - 1 = 24. Esta é a linha da tabela, A coluna poderd ser 0 valor ct = 5% ou entdo 0 valor 0. / 2 = 2,5%, dependendo do tipo de tabela. Em qualquer caso 0 que se procura é 0 valor “t” com grau de liberdade igual a 24, isto é, o valor tae tal que: PC tan < tas < tan) = 95% Este valor vale 2,064, (Note-se que na a normal este mesmo valor valia 1,96). Entdo o inter- valo de confianga de 95% para a média desta populagdo sera: [x- tw Yq ;X&+ 2% = [50 - 2,064.10/5; 50 + 2,064.10/5] = [50 - 4,13; 50 + 4,13] = (45,87; 54,13], ou seja, pode-se afirmar com uma certeza de 95% de que este intervalo conterd a média desta populasao. Convém notar que a tiltima linha da tabela da distribuigao “t” apresenta valores coincidentes com aqueles que seriam obtidos se fosse utilizado a distribuigdo normal padrio. Isto ocorre porque @ distribuigao “t” tende a distribuigao normal a medida que 0 tamanho da amostra aumenta, isto é, a dis- tribuigdo normal é o limite da distribuigdo “t” quando 0 tamanho da amostra tende ao infinito. Esta aproximagaio ja ser bastante boa para amostras de tamanho n > 30, Assim se a amostra for superior a 30 pode-se utilizar a distribuigao normal ao invés da distribuigdo “1”, isto & pode-se ler 0s valores na normal padrio, ou entio na ultima linha da tabela “t” 2.3.2. Da proporgao populacional Seja P = proporgao amostral, Sabe-se que para n > 30 a distribuigdio amostral de P € aproxi- ‘e desvio padrdo (erro padrio) oy = eS =) ‘madamente normal com média ty Pode-se entdo utili« zat a curva normal para estabelecer os limites para o intervalo de confianga. Lembrando que 0 que se quer é um intervalo que contenha 0 parimetro populacional 7 com probabilidade “1 - 0 entdo tem-s P(-2u2 < Z < Zan) = | - o onde 22 € 0 valor da normal padrao com area a direita ¢ igual a w2. Mas Z = (P- ip) / 6p entio substituindo na expressdo acima vem: P(-2u2 <(P - Hp) / Gp <7u2) = 1-0, Trabalhando esta desigualdade, segue que: POP Za26p