26/10/2016

ESTATÍSTICA 2 – PARTE 3 ESTATÍSTICA 2 – PARTE 3

ESTIMAÇÃO PONTUAL

Já vimos que o curso de Estatística 2 é um curso de introdução à

PARTE 3
inferência estatística e que esta área da estatística objetiva tirar
conclusões sobre características de uma população (parâmetros)
ESTIMAÇÃO PONTUAL
através de evidências fornecidas por uma amostra (estatística e
estimadores).

A partir de agora, iremos discutir a primeira grande área da

inferência estatística que é conhecida como estimação pontual.

ESTATÍSTICA 2 – PARTE 3 ESTATÍSTICA 2 – PARTE 3

ESTIMAÇÃO PONTUAL ESTIMAÇÃO PONTUAL

INFERÊNCIA ESTATÍSTICA O objetivo da estimação pontual é procurar uma função da

PONTUAL amostra que estime adequadamente um parâmetro

desconhecido.
ESTIMAÇÃO Assim, o problema da estimação pontual pode ser resumido da
seguinte maneira:
INFERÊNCIA INTERVALAR
ESTATÍSTICA Encontrar um estimador que seja “próximo” do parâmetro de
interesse,  , digamos, segundo algum critério.
TESTE DE
HIPÓTESES Que critérios podemos utilizar quando desejamos comparar
mais de um estimador para um mesmo parâmetro  ?

ESTATÍSTICA 2 – PARTE 3 ESTATÍSTICA 2 – PARTE 3

ESTIMAÇÃO PONTUAL ESTIMAÇÃO PONTUAL

Para compararmos estimadores, é importante o estudo das
propriedades desejáveis para um estimador pontual.
Nesta aula, estudaremos algumas propriedades e definições
relacionadas a um estimador pontual.
Para introduzir essas propriedades e definições, vamos utilizar
um exemplo.
Um pesquisador do mercado de trabalho gostaria de estimar o
salário médio (µ) inicial de recém-formados nos cursos de
Estatística do estado de São Paulo. Para isso, ele decidiu coletar
uma amostra aleatória de 20 homens e 10 mulheres recém-
formados nos cursos de Estatística do estado de São Paulo. O
pesquisador tem indícios que tanto a verdadeira média quanto o
verdadeiro desvio padrão (σ) dos salários não variam de acordo
com o sexo. Sendo X H a média salarial entre os homens e X M a
média salarial entre as mulheres, proponha pelo menos 2
estimadores para µ. Como poderíamos escolher um entre os
estimadores propostos?

f f

1
 26/10/2016

ESTATÍSTICA 2 – PARTE 3 ESTATÍSTICA 2 – PARTE 3

ESTIMAÇÃO PONTUAL ESTIMAÇÃO PONTUAL

O primeiro critério que iremos abordar é o de ausência de viés.

Dois possíveis estimadores razoáveis para µ são:
Definição 1a: O viés de um estimador ̂ é definido pela seguinte
XH XM 20 X H  10 X M expressão:
T1  T2 
30 Viés(̂ ) = E(̂ ) – .
2
Definição 1b: O estimador ̂ é dito um estimador não viesado
Que critérios utilizamos para escolher entre T1 e T2 para estimar (ou não viciado) para  se
o verdadeiro salário médio inicial de recém-formados nos cursos
E(̂ ) = , para todo .
de estatística do estado de São Paulo, ou seja, para estimar µ?

f f

ESTATÍSTICA 2 – PARTE 3 ESTATÍSTICA 2 – PARTE 3

ESTIMAÇÃO PONTUAL ESTIMAÇÃO PONTUAL

VIÉS
No Exemplo 1, dois estimadores propostos para µ são:

XH XM 20 X H  10 X M
T1  T2 
x
2 30
x xx x
x

 
x x x
x x x x Efetuando-se os cálculos, obtemos que E(T1)=µ e E(T2)=µ, sendo
x x x x Viés(ˆ )
x x x
x x portanto ambos os estimadores não viesados.
xx
x x x
Dessa forma, para decidirmos por T1 ou T2, precisamos de algum
x
E(ˆx) x
x

critério para escolher entre 2 estimadores não viesados.

ESTATÍSTICA 2 – PARTE 3 ESTATÍSTICA 2 – PARTE 3

ESTIMAÇÃO PONTUAL ESTIMAÇÃO PONTUAL

(Exemplo 11.14 Bussab e Morettin) Considere uma população

com N elementos e a variância populacional dada por
a) Mostre que o estimador proposto é viesado.
1 N
 2     X i   2 .
N b) Calcule o viés do estimador.
i 1
N
1
em que 
N
X
i 1
i é a média populacional. Um possível c) Encontre um estimador não-viesado para 2, baseado no
estimador para σ2, baseado numa AAS de tamanho n extraída estimador inicialmente proposto. Verifique se realmente ele é
dessa população é
não viesado.
ˆ    X i  X  .
1 N2 2

n i 1

f f

2
 26/10/2016

ESTATÍSTICA 2 – PARTE 3 ESTATÍSTICA 2 – PARTE 3

ESTIMAÇÃO PONTUAL ESTIMAÇÃO PONTUAL

Vimos com o Exemplo 1 que podemos ter mais de um EFICIÊNCIA

estimador não viesado para um parâmetro . Assim, precisamos
de um bom critério para escolher entre 2 estimadores não
viesados.
Definição 2: Sejam ̂1 e ̂2 dois estimadores não viesados para x
um mesmo parâmetro . Ainda, se x x
x
x x x x

 
x x
x x xx x
x x xx
xx x x x
xx
Var (ˆ1 )  Var (ˆ2 ), x x x x
x x x x
xx
x

então, ̂1 é dito mais eficiente do que ̂2 .

ESTATÍSTICA 2 – PARTE 3 ESTATÍSTICA 2 – PARTE 3

ESTIMAÇÃO PONTUAL ESTIMAÇÃO PONTUAL

No Exemplo 1, dois estimadores propostos para µ são: Seja X1, X2, X3, X4 e X5 uma a.a.s. da v.a. X com E(X) =  e Var(X) =
2. Considere, ainda,
XH XM 20 X H  10 X M
T1  T2  ˆ1  0,10 X 1  0,20 X 2  0,40 X 3  0,20 X 4  0,10 X 5
2 30
e
1 5
Efetuando-se os cálculos, obtemos que Var(T1)=3σ2/80= 9σ2/240 ˆ 2   Xi
5 i 1
e Var(T2)= σ2/30= 8σ2/240. Portanto, T2 é mais eficiente que T1 e,
entre esses 2 estimadores, é o melhor para estimar µ, o dois possíveis estimadores para o parâmetro .
verdadeiro salário médio inicial de recém-formados em É possível afirmar que um deles é mais eficiente que o outro?
estatísticas no estado de São Paulo. Justifique a sua resposta.

f f

ESTATÍSTICA 2 – PARTE 3 ESTATÍSTICA 2 – PARTE 3

ESTIMAÇÃO PONTUAL ESTIMAÇÃO PONTUAL

Se comparamos dois estimadores não viesados, ou seja, que em

Estimador: ̂1 Estimador: ̂2

média acertam o parâmetro de interesse, vale escolher aquele

mais eficiente. x
x x x x


x


x x
xx x
x
Porém, será que um estimador viesado sempre é pior do que x x
E(ˆ x)x xx
x
x x x x
x x x
um estimador não viesado para estimar um parâmetro de x x
Viés(̂ )

interesse?

f f

3
 26/10/2016

ESTATÍSTICA 2 – PARTE 3 ESTATÍSTICA 2 – PARTE 3

ESTIMAÇÃO PONTUAL ESTIMAÇÃO PONTUAL

Já vimos que, para uma determinada amostra, a diferença entre Definição 3: Chama-se erro quadrático médio (EQM) do
estimador ˆ ao valor
um estimador e o parâmetro de interesse é denominado erro
amostral do estimador, ou seja,
EQM (ˆ; )  E (e2 )  E[(ˆ   ) 2 ].
e  ˆ   .
Dado o parâmetro e um estimador, para cada amostra diferente Pode-se provar que o erro quadrático médio pode ser reescrito
como
teremos um diferente erro amostral. Quanto menores forem
esses erros amostrais, melhor será o estimador. Assim, um EQM (ˆ; )  Var (ˆ)  Viés 2 (ˆ).
possível critério para comparar estimadores é avaliar o tamanho
dos erros amostrais.
f f

ESTATÍSTICA 2 – PARTE 3 ESTATÍSTICA 2 – PARTE 3

ESTIMAÇÃO PONTUAL ESTIMAÇÃO PONTUAL

EQM
Para estimar a média populacional, , foram propostos dois
estimadores não-viesados e independentes,̂1 e ̂ 2 sendo que
Var ˆ 2   4Var ˆ1   4 2 .
Considere os seguintes estimadores para :

Viés(̂ )  T1  ˆ1 T2  (3ˆ1  ˆ 2 ) / 5 T3  (ˆ1  ˆ 2 ) / 2

xx a) Quais estimadores são viesados?

x x x

E(xˆx)
x
x
b) Entre os não viesados, qual o mais eficiente?
c) Calcule o EQM de cada estimador.
Var(̂ )
d) Qual estimador você escolheria?
f f

ESTATÍSTICA 2 – PARTE 3 ESTATÍSTICA 2 – PARTE 3

ESTIMAÇÃO PONTUAL ESTIMAÇÃO PONTUAL
De forma mais formal, temos:
A última propriedade de estimadores que iremos abordar está
Definição 4: dizemos que uma sequência ˆn de estimadores de
relacionada com o comportamento do estimador quando o
θ é consistente se as seguintes condições são atendidas:
tamanho da amostra é bem grande.
i) lim E(ˆn )   ;
n 
Se a amostra é bem grande, esperamos que, qualquer que seja
ii) lim Var(ˆn )  0.
a amostra, o estimador esteja próximo do parâmetro. n 

Uma condição equivale a i) é:

Assim, dizemos que um estimador é consistente quando sua
iii) lim Viés(ˆn )  0.
distribuição amostral tende para o verdadeiro valor do n 

parâmetro, quando n   . Observação: Se o estimador é não viesado, as condições i) e iii) estão

obviamente satisfeitas e apenas a condição ii) precisa ser verificada.
f f

4
 26/10/2016

ESTATÍSTICA 2 – PARTE 3 ESTATÍSTICA 2 – PARTE 3

ESTIMAÇÃO PONTUAL ESTIMAÇÃO PONTUAL

Seja X1, X2, ..., Xn uma a.a.s. da v.a. X com E(X) =  e Var(X) = 2. Seja X1, X2, ..., Xn uma a.a.s. da v.a. X com E(X) =  e Var(X) = σ2.
1 n
Considere, X   X i um estimador para . Verifique se X é Um pesquisador propôs o seguinte estimador para :
n i 1
um estimador consistente para . 2 𝑛𝑖=1 𝑖 𝑋𝑖
𝜇=
𝑛(𝑛 + 1)
Já vimos que E (X )   e portanto a condição i) está satisfeita.
a) Verifique se 𝜇 é não viesado.
Vimos também que Var ( X )   / n. Como
2

b) Calcule o erro quadrático médio de 𝜇 .

lim Var( X )  lim  2 / n  0, 𝑛(𝑛+1)(2𝑛+1)
n n 𝑛 2
Dado: 𝑖=1 𝑖 = 6
a condição ii) também está satisfeita e X é um estimador
c) Verifique se 𝜇 é consistente.
consistente para . d) Qual estimador você prefere neste caso: 𝜇 ou 𝑋?
f f

ESTATÍSTICA 2 – PARTE 3 ESTATÍSTICA 2 – PARTE 3

ESTIMAÇÃO PONTUAL ESTIMAÇÃO PONTUAL

Para compararmos estimadores utilizando os critérios que

Seja X1, X2, ..., Xn uma a.a.s. da v.a. X com E(X) =  e Var(X) = 2.
a) Proponha um estimador que seja não viesado, mas que não
seja consistente para .
b) Proponha um estimador que seja viesado, mas consistente
para .
c) Qual dos 2 estimadores você escolheria? Justifique.
estudamos, necessitamos calcular a sua média e sua variância.
No entanto, nem sempre é simples calcular a média e a
variância de um estimador.
Ao contrário da média amostral, calcular, por exemplo, a
esperança da mediana amostral não é simples.
Assim, na disciplina de Estatística Computacional B serão
estudados métodos computacionais que permitem comparar
estimadores quando o cálculo algébrico da esperança e da
variância dos estimadores não é possível ou não é simples.

f f

ESTATÍSTICA 2 – PARTE 3
ESTIMAÇÃO PONTUAL

A estimação pontual pode ser segmentada em duas áreas:

• Propriedade dos estimadores;
• Métodos de estimação.
Estudamos algumas propriedades de estimadores. No entanto,
neste momento não estudaremos métodos de estimação. Esta
área da inferência estatística estuda como obter um estimador
para um determinado parâmetro de interesse. Quando formos
estudar análise de regressão linear simples, veremos um dos
possíveis métodos de estimação. Outros métodos de estimação
serão estudados na disciplina Inferência Estatística A.