Você está na página 1de 29

Estatı́stica Aplicada

Estimação intervalar (Parte I)

Prof. Dr. Alexsandro B. Cavalcanti

Unidade Acadêmica de Estatı́stica


Centro de Ciências e Tecnologia
Universidade Federal de Campina Grande

September 24, 2018

Alexsandro Cavalcanti (Unidade Acadêmica de Estatı́stica


Estatı́stica
CentroAplicada
de Ciências
- 2018.2
e Tecnologia Universidade
September
Federal 24,
de Campina
2018 Grande)
1 / 15
Introdução

Até aqui discutimos apenas sobre estimadores pontuais, àqueles que


fornecem como estimativa um único valor numérico para o parâmetro
de interesse.

Alexsandro Cavalcanti (Unidade Acadêmica de Estatı́stica


Estatı́stica
CentroAplicada
de Ciências
- 2018.2
e Tecnologia Universidade
September
Federal 24,
de Campina
2018 Grande)
2 / 15
Introdução

Até aqui discutimos apenas sobre estimadores pontuais, àqueles que


fornecem como estimativa um único valor numérico para o parâmetro
de interesse.
Para amostras diferentes de uma mesma população podemos
encontrar valores diferentes para estimativas de um mesmo
parâmetro, levando-se em consideração o mesmo estimador, isto
porque o estimador é uma variável aleatória.

Alexsandro Cavalcanti (Unidade Acadêmica de Estatı́stica


Estatı́stica
CentroAplicada
de Ciências
- 2018.2
e Tecnologia Universidade
September
Federal 24,
de Campina
2018 Grande)
2 / 15
Introdução

Até aqui discutimos apenas sobre estimadores pontuais, àqueles que


fornecem como estimativa um único valor numérico para o parâmetro
de interesse.
Para amostras diferentes de uma mesma população podemos
encontrar valores diferentes para estimativas de um mesmo
parâmetro, levando-se em consideração o mesmo estimador, isto
porque o estimador é uma variável aleatória.
Assim, em muitas situações gostarı́amos de construir uma estimativa
mais informativa para o parâmetro de interesse que inclua uma
medida de precisão ao valor obtido.

Alexsandro Cavalcanti (Unidade Acadêmica de Estatı́stica


Estatı́stica
CentroAplicada
de Ciências
- 2018.2
e Tecnologia Universidade
September
Federal 24,
de Campina
2018 Grande)
2 / 15
Introdução

Uma outra maneira de estimarmos um parâmetro é através de um


estimador intervalar.

Alexsandro Cavalcanti (Unidade Acadêmica de Estatı́stica


Estatı́stica
CentroAplicada
de Ciências
- 2018.2
e Tecnologia Universidade
September
Federal 24,
de Campina
2018 Grande)
3 / 15
Introdução

Uma outra maneira de estimarmos um parâmetro é através de um


estimador intervalar.
Construiremos um intervalo, denominado intervalo de confiança,
para o parâmetro desconhecido, com uma probabilidade γ (nı́vel de
confiança) de que o intervalo contenha o verdadeiro parâmetro, onde
0 < γ < 1.

Alexsandro Cavalcanti (Unidade Acadêmica de Estatı́stica


Estatı́stica
CentroAplicada
de Ciências
- 2018.2
e Tecnologia Universidade
September
Federal 24,
de Campina
2018 Grande)
3 / 15
Introdução

Uma outra maneira de estimarmos um parâmetro é através de um


estimador intervalar.
Construiremos um intervalo, denominado intervalo de confiança,
para o parâmetro desconhecido, com uma probabilidade γ (nı́vel de
confiança) de que o intervalo contenha o verdadeiro parâmetro, onde
0 < γ < 1.
A idéia é construir um intervalo da forma θ̂ ± , baseado na
distribuição de probabilidade do estimador θ̂, de tal forma que

P(θ ∈ I ) = γ,

onde I = [θ̂ − , θ̂ + ] e θ é o parâmetro que estamos querendo


estimar.

Alexsandro Cavalcanti (Unidade Acadêmica de Estatı́stica


Estatı́stica
CentroAplicada
de Ciências
- 2018.2
e Tecnologia Universidade
September
Federal 24,
de Campina
2018 Grande)
3 / 15
Interpretação do intervalo de confiança

O valor de , no intervalo de confiança, representa a margem de erro


do intervalo.

Alexsandro Cavalcanti (Unidade Acadêmica de Estatı́stica


Estatı́stica
CentroAplicada
de Ciências
- 2018.2
e Tecnologia Universidade
September
Federal 24,
de Campina
2018 Grande)
4 / 15
Interpretação do intervalo de confiança

O valor de , no intervalo de confiança, representa a margem de erro


do intervalo.
O valor de γ representa o nı́vel de confiança do intervalo, ou seja é a
probabilidade do intervalo de confiança conter o valor verdadeiro do
parâmetro. Isto quer dizer que em média, o intervalo de confiança
conterá o parâmetro desconhecido em γ.100% das vezes.

Alexsandro Cavalcanti (Unidade Acadêmica de Estatı́stica


Estatı́stica
CentroAplicada
de Ciências
- 2018.2
e Tecnologia Universidade
September
Federal 24,
de Campina
2018 Grande)
4 / 15
Intervalo de Confiança para a média populacional (µ)

Considere uma população X com média µ e variância σ 2 , onde µ é


desconhecida e σ 2 consideramos conhecida.

Alexsandro Cavalcanti (Unidade Acadêmica de Estatı́stica


Estatı́stica
CentroAplicada
de Ciências
- 2018.2
e Tecnologia Universidade
September
Federal 24,
de Campina
2018 Grande)
5 / 15
Intervalo de Confiança para a média populacional (µ)

Considere uma população X com média µ e variância σ 2 , onde µ é


desconhecida e σ 2 consideramos conhecida.
Assim, retirada uma amostra aleatória de tamanho n de X , o
Teorema Central do Limite garante que a média amostral tem
distribuição aproximadamente normal, ou seja,

X ≈ N(µ, σ 2 /n).

Alexsandro Cavalcanti (Unidade Acadêmica de Estatı́stica


Estatı́stica
CentroAplicada
de Ciências
- 2018.2
e Tecnologia Universidade
September
Federal 24,
de Campina
2018 Grande)
5 / 15
Intervalo de Confiança para a média populacional (µ)

Considere uma população X com média µ e variância σ 2 , onde µ é


desconhecida e σ 2 consideramos conhecida.
Assim, retirada uma amostra aleatória de tamanho n de X , o
Teorema Central do Limite garante que a média amostral tem
distribuição aproximadamente normal, ou seja,

X ≈ N(µ, σ 2 /n).

Assim,
X −µ
Z= √ ≈ N(0, 1).
σ/ n

Alexsandro Cavalcanti (Unidade Acadêmica de Estatı́stica


Estatı́stica
CentroAplicada
de Ciências
- 2018.2
e Tecnologia Universidade
September
Federal 24,
de Campina
2018 Grande)
5 / 15
Intervalo de Confiança para a média populacional (µ)

Considere uma população X com média µ e variância σ 2 , onde µ é


desconhecida e σ 2 consideramos conhecida.
Assim, retirada uma amostra aleatória de tamanho n de X , o
Teorema Central do Limite garante que a média amostral tem
distribuição aproximadamente normal, ou seja,

X ≈ N(µ, σ 2 /n).

Assim,
X −µ
Z= √ ≈ N(0, 1).
σ/ n
Desta forma, dado 0 < γ < 1, podemos calcular zγ , de tal forma que

P(−zγ ≤ Z ≤ zγ ) = γ.

Alexsandro Cavalcanti (Unidade Acadêmica de Estatı́stica


Estatı́stica
CentroAplicada
de Ciências
- 2018.2
e Tecnologia Universidade
September
Federal 24,
de Campina
2018 Grande)
5 / 15
Intervalo de Confiança para a média populacional (µ)

Assim,  
X −µ
P −zγ ≤ √ ≤ zγ = γ,
σ/ n

Alexsandro Cavalcanti (Unidade Acadêmica de Estatı́stica


Estatı́stica
CentroAplicada
de Ciências
- 2018.2
e Tecnologia Universidade
September
Federal 24,
de Campina
2018 Grande)
6 / 15
Intervalo de Confiança para a média populacional (µ)

Assim,  
X −µ
P −zγ ≤ √ ≤ zγ = γ,
σ/ n
daı́, obtemos
 
σ σ
P X − zγ √ ≤ µ ≤ X + zγ √ = γ.
n n

Alexsandro Cavalcanti (Unidade Acadêmica de Estatı́stica


Estatı́stica
CentroAplicada
de Ciências
- 2018.2
e Tecnologia Universidade
September
Federal 24,
de Campina
2018 Grande)
6 / 15
Intervalo de Confiança para a média populacional (µ)

Assim,  
X −µ
P −zγ ≤ √ ≤ zγ = γ,
σ/ n
daı́, obtemos
 
σ σ
P X − zγ √ ≤ µ ≤ X + zγ √ = γ.
n n
Portanto, o intervalo de confiança para µ com nı́vel de confiança γ é
dado por
 
σ σ
IC (µ; γ) = X − zγ √ , X + zγ √ .
n n

Alexsandro Cavalcanti (Unidade Acadêmica de Estatı́stica


Estatı́stica
CentroAplicada
de Ciências
- 2018.2
e Tecnologia Universidade
September
Federal 24,
de Campina
2018 Grande)
6 / 15
Intervalo de Confiança para a média populacional (µ)

Assim,  
X −µ
P −zγ ≤ √ ≤ zγ = γ,
σ/ n
daı́, obtemos
 
σ σ
P X − zγ √ ≤ µ ≤ X + zγ √ = γ.
n n
Portanto, o intervalo de confiança para µ com nı́vel de confiança γ é
dado por
 
σ σ
IC (µ; γ) = X − zγ √ , X + zγ √ .
n n
Note que esse intervalo de confiança é da forma
X ± .
Alexsandro Cavalcanti (Unidade Acadêmica de Estatı́stica
Estatı́stica
CentroAplicada
de Ciências
- 2018.2
e Tecnologia Universidade
September
Federal 24,
de Campina
2018 Grande)
6 / 15
Interpretação Gráfica

No gráfico abaixo esquematizamos o funcionamento e o significado de um


intervalo de confiança para µ, com γ = 0, 95 e σ 2 conhecido.

Alexsandro Cavalcanti (Unidade Acadêmica de Estatı́stica


Estatı́stica
CentroAplicada
de Ciências
- 2018.2
e Tecnologia Universidade
September
Federal 24,
de Campina
2018 Grande)
7 / 15
Exemplo 1

O gerente de controle da qualidade de uma fábrica de lâmpadas precisa


estimar a vida útil média de uma grande remessa de lâmpadas. O
desvio-padrão do processo é de 100 horas. Uma amostra aleatória de 64
lâmpadas indicou uma média aritmética de 350 horas para a vida útil da
amostra. Construa uma estimativa para o intervalo de confiança de 95%
da média aritmética da população relativa à vida útil das lâmpadas nessa
remessa.
Você acha que o fabricante tem o direito de declarar que as lâmpadas
duram em média, 400 horas?

Alexsandro Cavalcanti (Unidade Acadêmica de Estatı́stica


Estatı́stica
CentroAplicada
de Ciências
- 2018.2
e Tecnologia Universidade
September
Federal 24,
de Campina
2018 Grande)
8 / 15
Exemplo 2

Um pesquisador está estudando a resistência de um determinado material


sob determinadas condições. Ele sabe que essa variável é normalmente
distribuı́da com desvio padrão de duas unidades.
a) Utilizando os valores 4.9, 7.0, 8.1, 4.5, 5.6, 6.8, 7.2, 5.7 e 6.2, obtidos
de uma amostra de tamanho 9, determine o intervalo de confiança para a
resistência média com um coeficiente de confiança de 90%.
b) Qual o tamanho da amostra necessário para que o erro cometido, ao
estimarmos a resistência média, não seja superior a 0,01 unidade com
probabilidade de 90%?

Alexsandro Cavalcanti (Unidade Acadêmica de Estatı́stica


Estatı́stica
CentroAplicada
de Ciências
- 2018.2
e Tecnologia Universidade
September
Federal 24,
de Campina
2018 Grande)
9 / 15
Intervalo de Confiança para a proporção populacional (p)

Seja X uma população onde a probabilidade de “sucesso” é p.


Lembre-se que consideramos “sucesso” a algum atributo dos
elementos da população.

Alexsandro Cavalcanti (Unidade Acadêmica de Estatı́stica


Estatı́stica
CentroAplicada
de Ciências
- 2018.2
e Tecnologia Universidade
September
Federal24,
de2018
Campina 10
Grande)
/ 15
Intervalo de Confiança para a proporção populacional (p)

Seja X uma população onde a probabilidade de “sucesso” é p.


Lembre-se que consideramos “sucesso” a algum atributo dos
elementos da população.
Considere uma amostra aleatória de tamanho n de X , assim,
 
p(1 − p)
p̂ ≈ N p, .
n

Alexsandro Cavalcanti (Unidade Acadêmica de Estatı́stica


Estatı́stica
CentroAplicada
de Ciências
- 2018.2
e Tecnologia Universidade
September
Federal24,
de2018
Campina 10
Grande)
/ 15
Intervalo de Confiança para a proporção populacional (p)

Seja X uma população onde a probabilidade de “sucesso” é p.


Lembre-se que consideramos “sucesso” a algum atributo dos
elementos da população.
Considere uma amostra aleatória de tamanho n de X , assim,
 
p(1 − p)
p̂ ≈ N p, .
n

Analogamento ao caso da média populacional, o intervalo de


confiança para a proporção populacional p é dado por
r
p(1 − p)
IC (p; γ) = p̂ ± zγ = p̂ ± .
n

Alexsandro Cavalcanti (Unidade Acadêmica de Estatı́stica


Estatı́stica
CentroAplicada
de Ciências
- 2018.2
e Tecnologia Universidade
September
Federal24,
de2018
Campina 10
Grande)
/ 15
Intervalo de Confiança para a proporção populacional (p)

Observe que, para determinarmos os limites do intervalo, precisamos


do valor de p que é desconhecido. Uma forma de resolver este
problema é substituir, nos limites do intervalo, p por p̂. Desta forma
o intervalo de confiança para p ao nı́vel γ é dado por
" r r #
p̂(1 − p̂) p̂(1 − p̂)
IC1 (p; γ) = p̂ − zγ ; p̂ + zγ .
n n

Alexsandro Cavalcanti (Unidade Acadêmica de Estatı́stica


Estatı́stica
CentroAplicada
de Ciências
- 2018.2
e Tecnologia Universidade
September
Federal24,
de2018
Campina 11
Grande)
/ 15
Intervalo de Confiança para a proporção populacional (p)

Observe que, para determinarmos os limites do intervalo, precisamos


do valor de p que é desconhecido. Uma forma de resolver este
problema é substituir, nos limites do intervalo, p por p̂. Desta forma
o intervalo de confiança para p ao nı́vel γ é dado por
" r r #
p̂(1 − p̂) p̂(1 − p̂)
IC1 (p; γ) = p̂ − zγ ; p̂ + zγ .
n n

Uma outra alternativa, é substituir p(1 − p) por seu valor máximo


1/4. Assim, temos o intervalo alternativo
" r r #
1 1
IC2 (p; γ) = p̂ − zγ ; p̂ + zγ .
4n 4n

Alexsandro Cavalcanti (Unidade Acadêmica de Estatı́stica


Estatı́stica
CentroAplicada
de Ciências
- 2018.2
e Tecnologia Universidade
September
Federal24,
de2018
Campina 11
Grande)
/ 15
Exemplo 3

Entre 500 pessoas inquiridas a respeito de sua preferências eleitorais, 260


mostraram-se favoráveis ao candidato Y . Calcular um intervalo de
confiança ao nı́vel de 95% para a porcentagem dos eleitores favoráveis a Y .

Alexsandro Cavalcanti (Unidade Acadêmica de Estatı́stica


Estatı́stica
CentroAplicada
de Ciências
- 2018.2
e Tecnologia Universidade
September
Federal24,
de2018
Campina 12
Grande)
/ 15
Exemplo 4

Antes de uma eleição, um determinado partido está interessado em


estimar a proporção p de eleitores favoráveis ao seu candidato. Uma
amostra piloto de tamanho 100 revelou que 60% dos eleitores eram
favoráveis ao candidato em questão.
a) Determine o tamanho da amostra necessário para que o erro cometido
na estimação seja de, no máximo, 0,01 com probabilidade de 80%.
b) Se na amostra final, com tamanho igual ao obtido em a), observou-se
que 55% dos eleitores eram favoráveis ao candidato em questão, construa
um intervalo de confiança para a proporção p. Utilize γ = 0, 95.

Alexsandro Cavalcanti (Unidade Acadêmica de Estatı́stica


Estatı́stica
CentroAplicada
de Ciências
- 2018.2
e Tecnologia Universidade
September
Federal24,
de2018
Campina 13
Grande)
/ 15
Exercı́cio

A proporção de dias violentos (com pelo menos 12 ocorrências) em uma


certa cidade é historicamente da ordem de 60 %. Preocupados com esse
número foi implantado um plano emergencial de combate a violência.
Uma amostra de trinta dias do número de ocorrências policiais nesta
cidade, apresentou os seguintes resultados: 7, 11, 8, 9, 10, 14, 6, 8, 8, 7,
8, 10, 10, 14, 12, 14, 12, 9, 11, 13, 13, 8, 6, 8, 13, 10, 14, 5, 14 e 10.
Baseado nesta amostra verifique, através de um intervalo de confiança se o
plano emergencial surtiu efeito ao nı́vel de confiança de 95%.

Alexsandro Cavalcanti (Unidade Acadêmica de Estatı́stica


Estatı́stica
CentroAplicada
de Ciências
- 2018.2
e Tecnologia Universidade
September
Federal24,
de2018
Campina 14
Grande)
/ 15
Bibliografia

Estatı́stica Básica (7a edição). Wilton O. Bussab e Pedro A. Morettin


(2011). Editora Saraiva.

Alexsandro Cavalcanti (Unidade Acadêmica de Estatı́stica


Estatı́stica
CentroAplicada
de Ciências
- 2018.2
e Tecnologia Universidade
September
Federal24,
de2018
Campina 15
Grande)
/ 15