Você está na página 1de 16

UNIVERSIDADE FEDERAL DO PARAN

Turma B

CAMILA CRISTINA HORNING

TRABALHO DE MTODOS QUANTITATIVOS

CURITIBA
2017
UNIVERSIDADE FEDERAL DO PARAN
Turma B

CAMILA CRISTINA HORNING

TRABALHO DE MTODOS QUANTITATIVOS

Trabalho apresentado ao curso de Cincias


Contbeis da Universidade Federal do Paran
para a disciplina de Mtodos Quantitativos
como requisito de avaliao.

Professora: Nayane Crespi

CURITIBA
2017
INTRODUO
O presente trabalho tem como objetivo transcorrer sobre um dos mtodos para
realizar inferncias a respeito dos parmetros, chamado de estimao, mais
concretamente ser mencionado o seu conceito, quais so suas propriedades, seus dois
tipos de estimao definidas por estimao de ponto e estimao por intervalo,
respectivamente, e o erro padro do mesmo.
O trabalho objetiva tambm, um melhor conhecimento sobre o tema que ser
tratado e a apresentao exemplos de cada tpico para uma melhor compreenso. E est
organizado em 4 (quatro) captulos.
A metodologia utilizada foi a pesquisa pela internet, enriquecida com os
contedos que aprendemos em sala de aula.
1 ESTIMAO
A estimao uma avaliao indireta de um parmetro com base num estimador
atravs do clculo de probabilidade. combinao de elementos da amostra, construda
com a finalidade de representar, ou estimar, um parmetro de interesse na populao
denominamos estimador. Em geral, denotamos os estimadores por smbolos com o
acento circunflexo: , , etc.
Um estimador uma caracterstica numrica estabelecida para uma amostra. Aos
valores numricos assumidos pelos estimadores denominamos estimativas. E cada
estimador possui propriedades.

1.1 Propriedades do estimador


1.1.1 Vcio
Um estimador no viciado ou no viesado para um parmetro se:
() =
Em outras palavras, um estimador no viciado se o seu valor esperado coincide
com o parmetro de interesse.
1.1.2 Consistncia
Um estimador consistente se, medida que o tamanho da amostra aumenta,
seu valor esperado converge para o parmetro de interesse e sua varincia converge para
zero. O estimador depende de n.
i) lim () = ;

) lim () = 0;

1.1.3 Eficincia
Dados dois estimadores e , no viciados para um parmetro . Dizemos que
mais eficiente do que se:
() < ()
1.1.4 EXEMPLO
2 ESTIMAO POR PONTO
A estimao por ponto consistir em adotar a estimativa disponvel como sendo
o valor do parmetro na falta de melhor informao. A ideia extremamente simples,
porm a qualidade dos resultados ir depender fundamentalmente da conveniente
escolha do estimador. Assim, em meio a os vrios estimadores razoveis que poderemos
imaginar para um determinado parmetro, devemos ter a preocupao de escolher
aquele que melhor satisfaa s propriedades de um bom estimador.

2.1 Estimadores de momentos


O mtodo dos momentos consiste em igualar os momentos amostrais aos
populacionais. O resultado dessa operao produzir as estimativas dos parmetros da
distribuio de probabilidades em questo. Sejam y1 , y2 , y3 , ... , yN as observaes
constituintes de uma AAS retirada de uma populao de uma varivel aleatria
distribuda conforme (; 1, 2, , ) de k parmetros. Se j e mj representam,
respectivamente, os momentos populacionais e amostrais, o sistema de equaes
fundamental do mtodo dos momentos :

As solues 1, 2,... k desse sistema de k equaes e k incgnitas sero as


estimativas dos parmetros j pelo mtodo dos momentos.
Seja uma amostra aleatria X = [X1,X2, ...,Xn] de uma populao com f.d.p.
dependendo de k parmetros 1, 2, ... k. Os momentos ordinrios da populao

, se existirem, so funes dos k parmetros mj = f(1,2, ... k) j =


1,2,3,... Considere, tambm, os momentos ordinrios da amostra,
forme o sistema de equaes:

e admita que tem soluo nica, j (X1,X2, ..., Xn) j = 1,2,3, ....,k. Ento, estes k
estimadores, soluo do sistema de equaes, so os estimadores dos parmetros pelo
Mtodo dos Momentos.
Os estimadores obtidos pelo Mtodo dos Momentos so em geral consistentes e
possuem distribuio assinttica Gaussiana, porm no so assintoticamente mais
eficientes do que os estimadores de mxima verossimilhana.
EXEMPLO:

2.2 Estimadores de mnimos quadrados


Toda observao aleatria pode ser escrita na forma do modelo
O qual a primeira parcela corresponde parte sistemtica do modelo e a segunda
parcela a parte estocstica. As funes gi so conhecidas e os nmeros reais 1, 2, ...,
k so desconhecidos (parmetros), podendo variar livremente no conjunto
A parte estocstica deve satisfazer pelo menos aproximadamente as seguintes
restries:

uma v.a. com E( )=0 i = 1,2, ... n


uma v.a. com varincia constante V(ei) = s 2 i = 1,2, .... ,n

Os erros so no correlacionados, cov( , ) = 0.


O mtodo consiste em estimar q pelo estimador que minimiza a Soma dos

Quadrados do Erros (resduos):


Os estimadores de mnimos quadrados so obtidos resolvendo o sistema de
equaes:

Estas equaes so denominadas de equaes normais.


EXEMPLO:
2.3 Estimadores de mxima verossimilhana
Este mtodo foi desenvolvido por Fisher a partir de uma ideia original de Gauss.
O mtodo da mxima verossimilhana consiste basicamente em maximizar uma funo
dos parmetros da distribuio, conhecida como funo de verossimilhana. O
equacionamento para a condio de mximo resulta em um sistema de igual nmero de
equaes e incgnitas, cujas solues produzem os estimadores de mxima
verossimilhana.
Seja a amostra aleatria X = [X1,X2, ...,Xn] de uma populao (distribuio),
com Xi i.i.d., e com f.d.p. pertencente a famlia p(xi, ) e se deseja estimar o
parmetro . A funo conjunta p(X, ) representa a probabilidade de ocorrer o vetor
X= [X1, X2, ...,Xn], quando o valor do parmetro . Assim poderamos fixar a
amostra X e procurar o valor de que maximiza a probabilidade de ocorrer esta amostra
X.
2.3.1 Funo da Verossimilhana
A funo p(,X) chamada de funo de verossimilhana quando na funo da
distribuio fixamos o valor de X e fazemos variar , de forma que

EXEMPLO:
3 ESTIMAO POR INTERVALOS
Uma estimativa pontual de um parmetro de uma distribuio de probabilidades
um nmero que se encontra na vizinhana do verdadeiro e desconhecido valor
populacional do parmetro. A questo do erro presente na estimao pontual de
parmetros, devido variabilidade inerente s amostras aleatrias que lhe deram
origem, nos remete construo dos chamados intervalos de confiana.

3.1 Intervalo de confiana


Um intervalo de confiana uma amplitude de valores, derivados de estatsticas
de amostras, que tm a probabilidade de conter o valor de um parmetro populacional
desconhecido. Em vez de estimar o parmetro por um nico valor, dado um intervalo
de estimativas provveis. O quanto estas estimativas so provveis ser determinado
pelo coeficiente de confiana (1 ), para (0,1). Devido sua natureza aleatria,
improvvel que duas amostras de uma determinada populao ir render intervalos de
confiana idnticos.
So usados para indicar a confiabilidade de uma estimativa. Por exemplo, um
intervalo de confiana pode ser usado para descrever o quanto os resultados de uma
pesquisa so confiveis. Sendo todas as estimativas iguais, uma pesquisa que resulte
num intervalo de confiana pequeno mais confivel do que uma que resulte num
intervalo de confiana maior.
Podemos interpretar o intervalo de confiana como um intervalo que contm os
valores aceitveis que o parmetro pode assumir. Assim, a amplitude do intervalo est
associada incerteza que temos a respeito do parmetro.

Na imagem acima, a linha preta horizontal representa o valor fixo da mdia


desconhecida da populao. Os intervalos de confiana azuis verticais sobrepostos
linha horizontal contm o valor da mdia da populao. O intervalo de confiana
vermelho totalmente abaixo da linha horizontal no contm esse valor. Um intervalo de
confiana de 95% indica que 19 em 20 amostras (95%) da mesma populao produzem
intervalos de confiana contendo o parmetro da populao.
O intervalo de confiana determinado calculando-se uma estimativa de ponto
e, depois, determinando sua margem de erro (para um intervalo de confiana de dois
lados, a margem de erro a distncia da estatstica estimada para cada valor de intervalo
de confiana. Quando um intervalo de confiana simtrico, a margem de erro metade
da largura do intervalo de confiana. Por exemplo, o comprimento mdio estimado de
um eixo de comando 600 mm e o intervalo de confiana varia de 599 a 601. A
margem de erro 1).
Quanto maior a margem de erro, maior o intervalo, e menos certeza voc pode
ter sobre o valor da estimativa do ponto.
H intervalos de confiana para mdia, para proporo, para taxa, para varincia,
para razo entre duas varincias e para a diferena de mdias.
EXEMPLO:
4 ERRO PADRO DE UM ESTIMADOR
Atravs de uma amostra conseguimos calcular a mdia aritmtica amostral e se
uma nova amostra aleatria for realizada, a mdia aritmtica conseguida ser diferente
da primeira amostra. A variao das mdias estimada pelo seu erro padro. Assim, o
erro padro avalia a preciso do clculo da mdia populacional. Ns o calculamos
atravs da frmula: ou

Onde x = erro padro, = desvio padro, n = tamanho da amostra, e S = desvio


padro da amostra (usamos ela quando no temos o conhecimento do ).
OBS: Quanto melhor a preciso no clculo da mdia populacional, menor ser o erro
padro.
EXEMPLO: Num artigo do Journal of Heat Transfer (1974) apresentado um
novo mtodo de medir a condutividade trmica de ferro Armco. Usando uma
temperatura de 100 oF e uma potncia de 550W, as 10 medidas de condutividade
trmica (em BTU/h.ft.-oF) obtidas conforme valores a seguir:
41,60 41,48 42,34 41,95 41,86 42,18 41,72 42,26 41,81 42,04
Uma estimativa da condutividade trmica mdia a 100 oF e 50 W a mdia
amostral ou = 41,924 BTU/h.ft.-oF.

O erro padro da mdia amostral e sendo desconhecido, podemos


troc-lo pelo desvio padro da amostra S = 0,284, assim podemos obter o erro padro
estimado como:

= = 0,0898
CONCLUSO
Nesse trabalho abordamos diversos tpicos sobre a estimao, podendo concluir
que a estimao possui grande importncia, pois atravs dela podemos utilizar
informaes incompletas para tomar decises e tirar concluses satisfatrias.
Atravs deste trabalho pude cumprir todos os requisitos pedidos pela professora
Nayane, assim como os objetivos propostos.
Este trabalho foi de suma importncia para o meu aprofundamento e melhor
compreenso sobre o assunto tratado, visto que pude intensificar o meu conhecimento
sobre a estimao, uma rea a qual eu no tinha um grande discernimento.
REFERENCIAS
CUNHA, Lilian. Propriedade dos estimadores. Disponvel em:
<https://edisciplinas.usp.br/pluginfile.php/2230246/mod_resource/content/0/aula18-
2016-SLIDES.pdf>. Acesso em: 07 de Jun. de 2017

O ESTATISCO. Estimativa ou estimador. Vamos extrapolar?. Disponvel em:


<http://oestatistico.com.br/2016/09/20/estimativa-e-estimador/>. Acesso em: 07 de Jun.
de 2017.

GUIMARES, Paulo. Apostila da Inferncia Estatstica I. Disponvel em:


<http://www.leg.ufpr.br/~paulojus/CE209/ce209teorica.pdf>. Acesso em: 07 de Jun. de
2017.

CPMRM. Estimao de Parmetros. Disponvel em:


<http://www.cprm.gov.br/publique/media/cap6-est_para.pdf>. Acesso em: 07 de Jun. de
2017.

JACINTO, Kleber. Clculo Numrico. Disponvel em:


<https://pt.slideshare.net/kleberjacinto/mtodo-dos-mnimos-quadrados>. Acesso em: 07
de Jun. de 2017.

VIALI, Lori. Estatstica Bsica Texto III Estimao. Disponvel em:


<http://www.mat.ufrgs.br/~viali/estatistica/mat2246/material/apostilas/A5_Estimacao.p
df>. Acesso em: 07 de Jun. de 2017.

FONSECA, Jaime. TORRES, Daniel. Exerccios de Estatstica. Disponvel em:


<http://www.silabo.pt/Conteudos/7745_PDF.pdf>. Acesso em: 07 de Jun. de 2017

MENDES. Rodimar. Estimao de Parmetros. Disponvel em:


<http://www.ebah.com.br/content/ABAAAA6CgAA/estimacao-parametros>. Acesso
em: 07 de Jun. de 2017.

BESSEGATO. Inferncia Estatstica. Disponvel em:


<http://www.bessegato.com.br/UFJF/est024_estatistica/ch07_inferencia.pd>. Acesso
em: 07 de Jun. de 2017.

Moretin, Pedro. Estatstica Bsica. Saraiva, edio 8 (2014), 568p.