Escolar Documentos
Profissional Documentos
Cultura Documentos
Aula7 PDF
Aula7 PDF
SUMRIO PGINA
Introduo inferncia estatstica 2
Amostragem e estimador 2
Varincia de estimadores 10
Consistncia e distribuio amostral 14
Estimador de Mxima Verossimilhana 16
Lista de Exerccios resolvidos em aula 58
Gabarito 74
O que vamos estudar nesta aula saber se nossa amostra traz evidncia de que
uma determinada hiptese seja verdadeira. Complicado? No no! Voc s vai ter
que se lembrar de alguns conceitos de nossa aula 00 e estudar um pouquinho sobre
inferncia primeiro.
Dica de um concurseiro
O exemplo mais clssico o da cozinheira que prova uma colher do seu preparo a
fim de determinar se o mesmo est muito salgado. Ora, a colher que ela experimentou
s uma parte de seu cozido, mas, com base nesta amostra, ela ir inferir como
est toda a panela.
Entendeu? Ela no precisa provar a panela toda para tirar suas concluses, ela ir se
basear somente em parte dela, isso inferncia! Na estatstica a mesma coisa,
muitas vezes no temos dados sobre toda uma populao, mas precisamos tirar
concluses a respeito da mesma, assim necessitaremos de inferncia estatstica. Isso
comum no dia a dia de um pesquisador!
04248968185
H diversas formas de obter uma amostra com base em uma extrao de elementos
de uma populao. Tais mtodos tm muitas particularidades e formalismos que vo
alm do escopo deste curso. Porm, precisamos saber alguns dos mtodos mais
conhecidos em amostragem. Vamos a eles!
Realizar uma AAS seria semelhante a escrever o nome completo de todas essas
pessoas em um papel e sortearmos 10 nomes deste total. Perceba que, neste caso,
todas as amostras tm a mesma chance de ocorrncia.
Quer um exemplo? Suponha que tenhamos uma populao com a renda de diversos
indivduos em uma economia. Podemos dividir a populao em classe baixa, classe
mdia e classe alta. A partir da, aplicaramos uma AAS em cada um destes estratos
para obtermos nossa amostra. A ideia deste procedimento diminuir a varincia
dentro das amostras para cada estrato. Perceba que qualquer estatstica a ser
aplicada amostra deve ser ponderada pelo tamanho do estrato.
A forma de distribuir o tamanho da amostra entre os estratos pode ser feita de duas
formas: uniforme e proporcional.
Agora, vamos tratar de um caso muito parecido com o anterior. Neste caso, a AAS
ser aplicada sobre os subgrupos e no mais sobre os indivduos da populao.
Por exemplo, suponha que h diversos bairros em uma cidade com variabilidade
interna significativa, mas bastante semelhantes entre si. Neste caso, sortearamos
alguns destes bairros como amostras da populao total. Voc est realizando a
amostragem sobre conglomerados, entende? Segue-se, ento, uma anlise de todos
os indivduos nos conglomerados escolhidos.
Amostragem Sistemtica
Nessa tcnica supe-se que temos uma listagem das unidades populacionais. Para
um valor fixado, sorteamos um elemento entre os primeiros da listagem. Depois
observamos, sistematicamente, indivduos separados por unidades. Por exemplo,
se e sorteamos o oitavo elemento, observamos depois o dcimo oitavo, o
vigsimo oitavo, etc.
Neste caso, o pesquisador s realiza amostragem com os casos que ele tem a sua
disposio. Assim, acaba-se por realizar uma pesquisa com somente uma parcela da
04248968185
Amostragem Intencional
Porm, raramente isso ocorre, pois quase nunca temos toda a populao, mas
somente uma amostra. Nesse caso, a mdia calculada com base na amostra seria
um estimador do parmetro populacional. Assim:
Isso est aproximadamente correto, mas nem sempre a mesma frmula que
utilizamos para o clculo de uma estatstica na populao a que devemos usar na
amostra. Isso deriva do fato de que o estimador que iremos utilizar na amostra deve
ser no viesado.
a ,
sua esperana dada por:
04248968185
E, por consequncia:
E:
-Isso quer dizer que aquela frmula no nos d uma estatstica no viesada
quando aplicada amostra?
Precisamente!
04248968185
Olha pessoal, no vou ficar fazendo demonstrao de cada uma destas afirmaes
porque isso no importante para seu concurso! Se vocs quiserem saber como se
faz, a ttulo de curiosidade, eu indico bibliografias para vocs.
Assim, pode-se provar que, para obtermos estimadores no viesados para a varincia
e desvio padro amostrais, devemos nos utilizar das seguintes estatsticas:
Exato!
Apesar de estas no serem as nicas estatsticas que podem ser avaliadas em termos
da comparao parmetro\estimador, para fins de concurso, estas so as mais
cobradas. 04248968185
Perceba que o segundo grfico tem alguns valores que praticamente acertam o valor
populacional, mas o mesmo apresenta grande variabilidade. Ou seja, o segundo
04248968185
O ideal seria que nosso estimador no viesado tivesse a menor varincia dentre todos
os estimadores no viesados. Este o conceito de estimador absolutamente
eficiente.
Entendeu? Isso muito importante na hora de decidirmos qual estimador usar. Voc
no precisa conhecer a varincia de todos os tipos de estimadores possveis (at
porque so infinitos), mas esta uma forma importante de avaliarmos o quanto um
estimador bom. Podemos comparar a eficincia de alguns estimadores no
viesados por meio de anlise de suas varincias.
Ento, vamos aprofundar nosso estudo sobre o estimador da mdia amostral. Pode-
se provar que:
04248968185
Com base na varincia da mdia amostral, se voc tirar a raiz quadrada dessa
expresso, essa estatstica chamada de erro padro.
-O que isso?
04248968185
Para quem no da rea de exatas, o que esta simbologia est dizendo que, no
limite, quando a amostra tende ao infinito ( ), a esperana da mdia amostral
igual mdia populacional.
Um teorema importante que trata sobre o nosso caso concreto da mdia amostral
define que, dada uma varivel , possvel demonstrar que a sua mdia amostral, ,
assumir uma distribuio normal conforme a amostra aumenta. Este o famoso
Teorema do Limite Central (TLC).
04248968185
O que isso est dizendo que, conforme a amostra aumenta, a distribuio da mdia
amostral converge para uma distribuio normal! Percebe a importncia disso? A
distribuio normal uma antiga conhecida nossa e ns sabemos muita coisa sobre
ela (j aprendemos algumas em aulas anteriores e iremos aprender ainda mais em
aulas futuras). Isso muito til em vrias ocasies, pois como sabemos do TLC,
podemos nos basear nisso para entendermos o comportamento assinttico da mdia
amostral de qualquer varivel!
Antes de comearmos, preciso ensinar mais uma coisinha sobre clculo diferencial.
Bom, o porqu de tudo isso ensinar a vocs como encontrar o ponto mximo ou
mnimo de uma funo, isso , um ponto extremo.1
Como voc encontra um ponto extremo de uma funo? Simples! Derive a funo
(voc j aprendeu) e iguale a zero. Por exemplo, suponha a funo:
1
Para quem entende de matemtica, saiba que estamos tratando de pontos extremos locais e no
globais. s uma introduo mesmo.
Retornando.
Ento, como funciona? Voc tem uma amostra de valores obtidos de uma populao
que, por hiptese, voc conhece a distribuio de probabilidade (ou pelo menos
supe que seja desta forma). Com base nestas informaes, o estimador MLE ir lhe
fornecer os parmetros desta distribuio de probabilidade que maximizam a chance
de que esta amostra realmente siga esta distribuio!
Ou seja, a FV busca estimar o valor do parmetro (ou parmetros, j que pode ser
mais de um) em funo dos valores da amostra. E qual o formato da funo ? A
que entra o conhecimento que voc deve ter da distribuio de probabilidade que a
amostra segue, esta determinar a forma desta funo!
Fica difcil visualizar sem um exemplo. Vamos supor que uma amostra (
) siga uma distribuio normal, com mdia e varincia desconhecidas.
Vamos determinar os estimadores MLE para a mdia e varincia desta amostra.
Rearranjando a expresso:
ln
E a varincia?
04248968185
1) consistente
2) Sua distribuio converge para a normal conforme a amostra tende ao infinito
(assintoticamente normal)
3) O estimador tende a ser eficiente conforme a amostra tende ao infinito
(assintoticamente eficiente)
Ou seja, a prpria proporo deste elemento na amostra como um todo, tal como
no caso da mdia!
Simples no? claro que no! Esta aula muito complexa. Faa um favor a
voc, releia o contedo mais de uma vez! Vamos aos exerccios.
Resoluo
plicando:
04248968185
Alternativa (b).
Resoluo
Alternativa (c).
04248968185
Exerccio 3
Resoluo
Alternativa (e).
04248968185
(SEFAZ\RJ FGV/2010 - alterada) Com base em uma varivel ( ) que segue uma
distribuio normal de mdia 15 e desvio padro ( ) 2, com uma amostra de 36
elementos, julgue as afirmativas.
Exerccio 4
Resoluo
Quando uma varivel tem distribuio normal, sua mdia aritmtica tem distribuio
exata normal. Alternativa correta.
Exerccio 5
Resoluo
Exerccio 6
Resoluo
04248968185
Portanto:
Substituindo os valores:
Alternativa verdadeira.
Exerccio 7
Resoluo
04248968185
Alternativa (a).
Exerccio 8
a) Eficiente
b) No viesado
c) Consistente
d) De Mnimos Quadrados
e) De Mxima Verossimilhana
Resoluo
Alternativa (b).
Exerccio 9
Resoluo
Alternativa correta, pois, dado que ambos so no tendenciosos, o que tiver menor
varincia ser mais eficiente.
Exerccio 10
Resoluo
Alternativa verdadeira.
Exerccio 11
Resoluo
Alternativa falsa.
04248968185
Exerccio 12
Animal Efetivo
Asininos 80
Bovinos 300
Caprinos 120
Equinos 150
Sunos 250
Resoluo
Aproximadamente 9.
Alternativa (e).
Exerccio 13
04248968185
Resoluo
Alternativa (c).
(SEDUC-AM 2011\CESPE)
Exerccio 14
Resoluo
Exerccio 15
Resoluo
Alternativa errada. Como h um nmero par de elementos em cada uma das turmas
(30 alunos), a mediana ser uma mdia aritmtica entre a 15 e 16 nota.
Exerccio 16
Resoluo
Alternativa errada. Tal como vimos na aula 01, nestes casos til usarmos o conceito
de coeficiente de variao, pois a varincia afetada pelos valores absolutos dos
dados analisados. Com base no coeficiente de variao a sim poderamos usar o
valor do desvio padro para afirmar que uma turma tem notas mais homogneas do
que a outra.
04248968185
Exerccio 17
O erro padro da mdia das notas dos alunos da turma A foi superior a 0,40.
Resoluo
Quando voc ouvir erro padro, pense em desvio padro. A diferena que
erro padro o caso no qual no temos o valor do desvio padro populacional,
assim, usamos o desvio padro amostral. Assim:
Alternativa errada.
Exerccio 18
04248968185
Resoluo
Ento, vamos ver a nossa frmula de mdia aritmtica amostral para estimarmos uma
mdia populacional ( ):
O valor constante, portanto sua esperana igual ao seu prprio valor. Portanto,
vamos tir-lo do parntese e aplicar nossa propriedade:
Exerccio 19 04248968185
Resoluo
Exerccio 20
Resoluo
Exerccio 21
Resoluo
Exerccio 22
Resoluo
Exerccio 23
Resoluo
Correto. Dado que cada estrato escolhido uma parte da amostra total, a mdia da
populao deve ser calculada de forma a ser uma mdia ponderada, levando-se em
04248968185
conta o tamanho de cada parcela desta amostra. Porm, caso a amostragem seja
uniforme, uma mdia aritmtica simples funciona, dado que todas tem o mesmo
tamanho.
Exerccio 24
Resoluo
Alternativa (e).
Auditoria (balanos) 1 2 3 4 5 6
Tempo 60 90 30 40 50 90
Exerccio 25
04248968185
Resoluo
Assim:
Alternativa correta.
Exerccio 26
Resoluo
Alternativa errada.
Exerccio 27
04248968185
Resoluo
Alternativa errada.
Exerccio 28
(CAPES CESGRANRIO/2009)
Resoluo
04248968185
Bom, fica fcil perceber que este valor ser maior quanto maior for a disperso dos
dados! Apesar de essa no ser uma medida clssica de disperso, tal como a
varincia, por exemplo, ela pode ser considerada uma medida de disperso! A ideia
seria que ela gera um valor, uma estatstica, que resumiria a disperso dos dados.
Este o prprio conceito de medida de disperso.
Poderia ser a letra (a)? Poderia! Mas, a banca entendeu que uma no causa da
outra! Alternativa (b).
Exerccio 29
(IBGE CESGRANRIO/2014)
04248968185
Resoluo
Alternativa (c).
Exerccio 30
(IBGE CESGRANRIO/2013)
Resoluo
04248968185
Vamos avaliar:
Alternativa (e).
Exerccio 31
(DPE-RJ FGV/2014)
Resoluo
04248968185
Alternativa (c).
Exerccio 32
(DPE-RJ FGV/2014)
Resoluo 04248968185
Portanto, mesmo quando a amostra tende para o infinito, o estimador ainda possui
vis assintoticamente tendencioso\viesado.
Alternativa (b).
Exerccio 33
(SUSAM FGV/2014)
04248968185
Veja o complementar de A:
E B?
04248968185
Qual a parte do grfico que no comum a nenhum dos grficos? Isso mesmo, a
interseco de A e B. Portanto:
Alternativa (b).
(DEPEN CESPE/2015)
Exerccio 34
Resoluo
04248968185
Alternativa correta.
Exerccio 35
04248968185
Resoluo
Alternativa falsa.
(DEPEN CESPE/2015)
Exerccio 36
Resoluo
04248968185
Alternativa correta.
Exerccio 37
Resoluo
claro que isso mais barato. Ao invs de entrevistar vrios presos em diversas
localidades, sero sorteadas algumas unidades prisionais e nestas que sero feitas
as pesquisas.
Alternativa correta.
(DEPEN CESPE/2015)
04248968185
Exerccio 38
Resoluo
Essa questo chega a ser bvia! claro que, j que foi aplicada uma amostragem
aleatria simples (AAS) sobre os presdios, caso esta amostragem fosse realizada
novamente, a estimativa pontual (ou seja, percentual calculado de presdios com
antenas bloqueadoras na amostra escolhida) poderia ser outra. Para isso utilizamos
a Estatstica! A ideia seria encontrar Intervalos de Confiana que determinariam a
probabilidade de encontrar determinados valores. Nem sempre o resultado
encontrado ser igual, afinal AAS um sorteio.
Alternativa verdadeira.
Exerccio 39
Resoluo
Faa assim, conte quantos presdios tem antenas bloqueadoras. So 10, certo? So
dez 1 naquela tabela. Isso , so 10 presdios de um total de 30:
04248968185
Alternativa verdadeira.
Exerccio 40
Resoluo
Ou seja, ele adequado para avaliar variveis contnuas, por meio da frequncia
intervalar.
Alternativa verdadeira.
Exerccio 41
04248968185
Resoluo
Lembre-se da aula 04:
Outra caracterstica importante de uma distribuio sua varincia! Do resultado
acima fica fcil ver que:
Isso porque:
Exerccio 42
(Analista do CNMP - Estatstica 2015/FCC)
Resoluo
04248968185
Ns sabemos que:
Se a pessoa foi vacinada, ela tem 0,2% de chance de contrair coqueluche, portanto:
04248968185
Alternativa A
Exerccio 43
(METRO SP 2013/FCC)
Resoluo
Portanto, se isolarmos o X:
Se voc colocar a distribuio acumulada na sua tabela, voc pode ver qual a
observao que acumula 50% do total, ou seja, a observao nmero 38.
reclamaes 0 1 2 3 4 total
dias 5 10 25 20 15 75
Acumulado 5 15 40 60 75
Ento, vejamos, o exerccio quer saber qual seria o multiplicador da seguinte relao:
Portanto:
Alternativa (a).
04248968185
Exerccio 1
Exerccio 2
(SEFAZ\RJ FGV/2010 - alterada) Com base em uma varivel ( ) que segue uma
distribuio normal de mdia 15 e desvio padro ( ) 2, com uma amostra de 36
elementos, julgue as afirmativas.
Exerccio 4
Exerccio 5
04248968185
Exerccio 6
Exerccio 8
a) Eficiente
b) No viesado
c) Consistente
d) De Mnimos Quadrados
e) De Mxima Verossimilhana
Exerccio 9
Exerccio 11
Exerccio 12
Animal Efetivo
Asininos 80
Bovinos 300
Caprinos 120
Equinos 150
Sunos 250
04248968185
(SEDUC-AM 2011\CESPE)
Exerccio 14
Exerccio 15
Exerccio 16
Exerccio 17
O erro padro da mdia das notas dos alunos da turma A foi superior a 0,40.
04248968185
Exerccio 18
Exerccio 19
Exerccio 20
Exerccio 21
04248968185
Exerccio 22
Exerccio 23
Exerccio 24
Auditoria (balanos) 1 2 3 4 5 6
Tempo 60 90 30 40 50 90
Exerccio 25
Exerccio 26
Exerccio 27
Exerccio 28
(CAPES CESGRANRIO/2009)
Exerccio 29
(IBGE CESGRANRIO/2014)
04248968185
Exerccio 30
(IBGE CESGRANRIO/2013)
04248968185
Exerccio 31
(DPE-RJ FGV/2014)
Exerccio 32
(DPE-RJ FGV/2014)
04248968185
Exerccio 33
(SUSAM FGV/2014)
(DEPEN CESPE/2015)
04248968185
Exerccio 34
Exerccio 35
(DEPEN CESPE/2015)
Exerccio 36
Exerccio 37
04248968185
(DEPEN CESPE/2015)
Exerccio 38
Exerccio 39
Exerccio 40
Exerccio 41
Exerccio 42
(Analista do CNMP - Estatstica 2015/FCC)
04248968185
Exerccio 43
(METRO SP 2013/FCC)
04248968185
1-b 34-V
2-c 35-F
3-e 36-V
4-V 37-V
5-F 38-V
6-V 39-V
7-a 40-V
8-b 41-F
9-V 42-a
10-V 43-a
11-F
12-e
13-c
14-V
15-F
16-F
17-F
18-F
19-F
20-V
21-V
22-F
23-V
24-e
25 C
26 F
27 F
28 b
29 c
30 e
31 c
04248968185
32 b
33 b