Estimação Intervalar

de uma
Proporção Populacional

Aula 17

Bussab e Morettin – seção 11.6

 Objetivos

Primeiro: Obter um intervalo de confiança para a

verdadeira proporção populacional de
sucessos p.
Segundo: Dimensionar o tamanho da amostra que
será investigada, posteriormente, para
se estimar o parâmetro p, sob certas
condições estipuladas.
Em aulas passadas vimos que se

Sn = X1 + X2 + . . . + Xn

for a variável aleatória que denota o total de

indivíduos portadores de uma determinada
característica de interesse, observados a partir de
uma amostra de tamanho n, em que X1, X2, ... Xn
constituem uma a.a. da v.a. X ~ Bernoulli(p), então

Sn ~ Binomial(n , p).
Vimos, também, que

S n  np
 N 0;1
np (1  p )

desde que o tamanho da amostra seja

suficientemente grande.

Ainda, não é difícil ver que

pˆ  p
Z  N 0 ;1
p (1  p )
n
Assim, para certo , fixado, temos que

 
P  z 1 γ  Z  z 1 γ   γ.
 2 2 

Ou seja,

 
 
pˆ  p
P  z 1 γ   z 1 γ   
 p (1  p ) 
 2 2

 n 
Logo,

 p (1  p ) p (1  p ) 
P  z 1 γ  pˆ  p  z 1 γ   .

 2 n 2 n 

Ou, ainda,

 p (1  p ) p (1  p ) 
P pˆ  z 1 γ  p  pˆ  z 1 γ   .

 2 n 2 n 
Dessa forma, para uma dada amostra, o intervalo
de confiança para p, com coeficiente de confiança
 , será gerado da seguinte maneira:

 p (1  p ) p (1  p ) 
IC[ p ;  ]   pˆ  z 1 γ ; pˆ  z 1 γ .

 2 n 2 n 
Ou, ainda,

IC[ p ;  ]   pˆ   .
em que
p (1  p )
  z 1 γ  denota a margem de erro do estudo.
2 n
Convém lembrar que p não é variável aleatória
mas um parâmetro. Portanto, as expressões
anteriores devem ser interpretadas do seguinte
modo: se pudéssemos construir uma grande
quantidade de intervalos (aleatórios) da forma

 p (1  p ) p (1  p ) 
 pˆ  z 1 γ ; pˆ  z 1 γ 
 n n 
 2 2 

todos baseados em amostras de tamanho n,

100% deles conteriam o parâmetro p.
Devido ao fato de não conhecermos p, fica bastante
difícil calcularmos a margem de erro e, por
conseqüência, não temos como gerar o IC para a
verdadeira proporção p.

Porém, ao estudarmos o comportamento da

quantidade

p(1–p),

que entra diretamente no cálculo da margem de

erro, observamos que

p(1–p) ≤ 0,25.
Assim, um IC para o parâmetro p pode ser obtido
por

 0,25 0,25 
IC[ p ;  ]   pˆ  z 1 γ ; pˆ  z 1 γ ,

 2 n 2 n 

que é equivalente a

 1 1 
IC[ p ;  ]   pˆ  z 1 γ ; pˆ  z 1 γ .

 2 4 n 2 4 n 
O IC obtido a partir da expressão anterior é
conhecido como intervalo de confiança
conservativo para o parâmetro p.

Caso o parâmetro p não seja igual a 0,5 e, ainda,

caso tal parâmetro esteja próximo de zero ou de
um, então, o IC construído, segundo a metodologia
proposta, fornecerá um intervalo de amplitude
desnecessariamente grande, porque substituímos
p(1-p) pelo valor máximo 0,25.
A menos que
pˆ  0,5,

podemos proceder, ainda, da seguinte maneira

para obtermos um IC para o parâmetro p:

 pˆ (1  pˆ ) pˆ (1  pˆ ) 
IC[ p ;  ]   pˆ  z 1 γ ; pˆ  z 1 γ .

 2 n 2 n 

que é chamado de intervalo de confiança otimista.

 Dimensionamento da Amostra
Dos slides anteriores, vimos que a margem de erro,
, é dada pela expressão

p (1  p )
  z 1 γ .
2 n
Assim, isolando n na expressão anterior, vem que:
2
 z 1 γ 
 2 
n  p (1  p )
  
 
Para utilizarmos a quantidade anterior, devemos
conhecer p.
Como nem sempre isso é viável, seguem alguns
procedimentos:
(i) Utilizar p(1-p) = 0,25, que fornecerá tamanho de
n máximo;
(ii) Utilizar a proporção amostral calculada a partir
de uma amostra piloto, bem definida, como um
valor estimado para p.
 Exemplo
Deseja-se estimar a verdadeira proporção de votos
favoráveis a um determinado candidato.

a) Extraída uma amostra de 625 eleitores, observou-se uma

proporção amostral de 20%. Determine o intervalo de 90%
de confiança para o parâmetro de interesse. Interprete o
resultado.

b) Qual deve ser o tamanho da amostra para que a margem

de erro da estimação seja inferior a 2 pontos percentuais,
para mais ou para menos, em 95% das vezes que essa
pesquisa for realizada?
 Exercício
(ANPEC 2009 – Questão 08)
Verifique se as afirmativas abaixo são verdadeiras:

(F)

Relação entre a Qui-Quadrado e a Normal

Intervalo de Confiança para a Média Populacional

Estimador de Máxima Verossimilhança (EMV)

Propriedades do EMV
 Observação
Todos os resultados anteriores foram feitos supondo que a
população de interesse apresentava “tamanho infinito”.
Todavia, existem diversos casos onde o tamanho da
população não pode ser assumido com tal magnitude.
Assim, é importante conhecermos os seguintes resultados:

Desvio-Padrão de p̂

População Finita População Infinita

N n p  (1  p ) p  (1  p )
 pˆ    pˆ 
N 1 n n
Estimação Intervalar Unicaudal
(leitura complementar)
 Estimação Intervalar Unicaudal
de uma Proporção Populacional

p  pˆ  z   pˆ (IC unicaudal inferior)

p  pˆ  z   pˆ (IC unicaudal superior)