Centro Federal de Educação Tecnológica Celso Suckow da Fonseca – CEFET/RJ

Disciplina: Estatı́stica
Prof. Anna Regina Corbo

CAPÍTULO 6: Teoria da Estimação

É o processo que consiste em utilizar dados amostrais para obter valores de parâmetros
populacionais desconhecidos.

ˆ Estimador: é toda a estatı́stica amostral que tem um parâmetro correspondente na

população.
Por exemplo: x̄ é estimador de µ; s é estimador de σ.

ˆ Estimador não-tendencioso: Se θ é um parâmetro e θ̂ é seu estimador, dizemos que

θ̂ é um estimador não-tendencioso de θ se E[θ̂] = θ.

ˆ Estimativa: é o valor numérico do estimador.

As estimativas obtidas podem ser:

ˆ Pontuais: o parâmetro é estimado unicamente pelo valor do estimador.

ˆ Intervalar: o parâmetro é estimado através de um intervalo de valores, onde o esti-

mador é seu valor central.

1 Intervalos de Confiança
A estimação por intervalos consiste no estabelecimento de limites inferior e superior para o
parâmetro que se deseja estimar.
Ao construir o intervalo [lim inf; lim sup] devemos associar a ele um grau de risco para
o valor real do parâmetro não pertencer a este intervalo. Este grau de risco é expresso em
termos de probabilidade, isto é, podemos estabelecer um erro aceitável (por exemplo, 1%
ou 5%).
A precisão do intervalo é o complementar do grau de risco. Este grau de risco é
chamado de nı́vel de significância e é notado por α.
O grau de precisão é o complementar do nı́vel de significância e é notado por 1 − α.

Seja θ um parâmetro em estudo.

[θˆ1 6 θ 6 θˆ2 ] é um intervalo de confiança.

Notação: P (θˆ1 6 θ 6 θˆ2 ) = 1 − α

1
Caracterı́sticas:
1. O tamanho da amostra afeta a precisão do intervalo. Se n é grande ⇒ a precisão é
melhor.

2. O tamanho do intervalo também depende do nı́vel de significância α desejado.

2 Intervalo de confiança para a média da população

com variância conhecida
 2

Sejam X ∼ N (µ, σ 2 ) e X̄ ∼ µ, σn .
X −µ x̄ − µ
Temos que Z = e Zx̄ = √ .
σ σ/ n
α
Seja z α2 tal que P (Z 6 z α2 ) = 1 − (obtido pela tabela da distribuição normal padrão).
2
Então, temos que:
P (−z α2 6 Z 6 z α2 ) = 1 − α
Deste modo, temos:
P (−z α2 6 Zx̄ 6 z α2 ) = 1 − α
 
x̄ − µ
P −z 2 6 √ 6 z 2 = 1 − α
α α
σ/ n
 
σ σ
P −z 2 · √ 6 x̄ − µ 6 z 2 · √
α α =1−α
n n
 
σ σ
P −x̄ − z 2 · √ 6 −µ 6 −x̄ + z 2 · √
α α =1−α
n n
 
σ σ
P x̄ − z α2 · √ 6 µ 6 x̄ + z α2 · √ =1−α
n n
Este é o intervalo de confiança 1 − α para a média se x é a média de uma amostra aleatória
de tamanho n, proveniente de uma população com variância conhecida σ 2 .

Exemplo 1 Considere uma amostra de 100 elementos extraı́da de uma população aproxima-
damente normal, cujo desvio-padrão é igual a 2,0, que forneceu média x̄ = 35, 6. Construir
um intervalo de 95% de confiança para a média desta população.

Exemplo 2 A taxa de queima de um combustı́vel num determinado veı́culo é normalmente

distribuı́da, com desvio-padrão de 2 cm/s. Num experimento com 25 amostras, foi obtido
uma taxa média amostral de 51,3 cm/s. Determine o intervalo de 99% de confiança para a
taxa média populacional de queima.

2
3 Intervalo de confiança para a média quando a variância
populacional é desconhecida
3.1 A distribuição t-Student
Considere a distribuição t-Student (similar a distribuição normal, porém com o uso de s ao
invés de σ). Logo,

X̄ − µ X̄ − µ
Zx̄ = √ =⇒ T α2 ;n−1 = √
σ/ n s/ n
Isto é, quando n y ∞ temos que T y Z pois s y σ.

Usando a tabela t-Student

Se α = 0, 05 e n = 20 então t α2 ;n−1 = t0,025;19 = 2, 09.

3.2 Construindo o intervalo de confiança

Queremos construir um intervalo de confiança para a média onde a variância populacional
σ 2 é desconhecida.

Seja, então,


P −t α2 ;n−1 6 T 6 t α2 ;n−1 = 1 − α
 
x̄ − µ
P −t α2 ;n−1 6 √ 6 t α2 ;n−1 = 1 − α
s/ n
 
s s
P −t α2 ;n−1 · √ 6 x̄ − µ 6 t α2 ;n−1 · √ =1−α
n n
 
s s
P x̄ − t α2 ;n−1 · √ 6 µ 6 x̄ + t α2 ;n−1 · √ =1−α
n n
Este é o intervalo de confiança 1 − α para a média se x é a média de uma amostra aleatória
de tamanho n, proveniente de uma população com variância desconhecida σ 2 .

Exemplo 3 Considerando que uma amostra de 4 elementos extraı́da de uma população nor-
mal forneceu média 8, 20 e desvio-padrão 0, 40, construir um intervalo de 99% de confiança
para a média dessa população.

Exemplo 4 Os resultados de testes de consumo de energia com geladeiras foram registrados

na tabela abaixo. Com base nestes valores, responda: entre que valores está a média da
população com grau de precisão de 95%?

19,8 18,5 17,6 16,7 15,8

15,4 14,1 13,6 11,9 11,4
11,4 8,8 7,5 15,4 15,4
19,5 14,9 12,7 11,9 10,1

3
4 Intervalo de confiança para a variância populacional
4.1 A distribuição χ2 (Qui-Quadrado)
Seja X uma amostra tal que X ∼ N (µ, σ 2 ).
(xi −x̄)2
P
Sabe-se que a variância amostral é dada por s2 = n−1
.

Então,
(xi −x̄)2
P
s2 (xi − x̄)2 1 (xi − x̄)2
P P
n−1
= = · 2 =
σ2 σ2 n−1 σ (n − 1) · σ 2
onde σ 2 é aP
variância populacional de X.
(xi − x̄)2
Porém, ∼ χ2n−1 tem distribuição Qui-Quadrado se X ∼ N (µ, σ 2 ).
σ2
Logo,
(xi − x̄)2 (xi − x̄)2
P P
1 1
2
= · 2
= · χ2n−1
(n − 1) · σ n−1 σ n−1
Ou seja,
s2 1
2
= · χ2n−1
σ n−1
ˆ Como utilizar a tabela da distribuição Qui-Quadrado?

Dados de entrada: n, α nı́vel de significância =⇒ valor de referência χ2n−1,α .

Exemplo 5 Buscar na tabela χ2 , os valores relativos à distribuição amostral inferior e su-

perior para:

a) n = 8 e α = 0, 05

b) n = 30 e α = 0, 1

4
4.2 Intervalo de confiança para a variância
s2 1 2 s2 (n − 1)
Seja 2
= · χn−1 =⇒ 2
= χ2n−1
σ n−1 σ
Considere o intervalo:

P (χ2inf 6 χ2 6 χ2sup ) = 1 − α

 2 2
 χinf = χn−1,1− α2
onde:
 2
χsup = χ2n−1, α
2

Então:
P (χ2inf 6 χ2 6 χ2sup ) = 1 − α

s2 (n − 1)
 
P χ2inf 6 6 χ2sup =1−α
σ2
!
1 σ2 1
P > 2 > 2 =1−α
χ2inf s (n − 1) χsup
!
s2 (n − 1) 2 s2 (n − 1)
P > σ > =1−α
χ2inf χ2sup

!
s2 (n − 1) 2 s2 (n − 1)
P 6 σ 6 =1−α
χ2sup χ2inf

Este é o intervalo de 1 − α de confiança para a variância populacional com base em uma

amostra de tamanho n.

Exemplo 6 Uma amostra de 11 elementos extraı́da de uma população com distribuição

normal forneceu variância de 7, 08. Construir um intervalo de 90% de confiança para a
variância desta população.

5
5 Estimativa da Proporção Populacional
Quando analisamos determinado fenômeno, podemos avaliar a proporção de sucessos e falhas
na população total.

Tomemos como sucessos o evento X e como falha o evento Y = complementar de X.

P (X) = π
P (Y ) = 1 − π

Dada uma amostra X 0 queremos estimar a proporção populacional π através da pro-

porção amostral p.

Para amostras “grandes” (em geral quando n > 30) podemos supor que elas tenham
distribuição normal. Deste modo, o intervalo de 1 − α de confiança para a proporção popu-
lacional π, com base em uma amostra de tamanho n, é dado por:
r r !
p(1 − p) p(1 − p)
P p − z α2 · 6 π 6 p − z α2 · =1−α
n n

Exemplo 7 Em 50 lances de uma moeda, foram obtidas 30 caras. A partir de um intervalo

de confiança de 98%, podemos dizer que a moeda é honesta?