Teoria da Estimação para Uma Amostra

Probabilidade e Estatı́stica
Teoria da Estimação para Uma Amostra

Prof. Dr. Ricardo Luis dos Reis

Universidade Federal dos Vales do Jequitinhonha e Mucuri

Instituto de Ciência e Tecnologia

5 de novembro de 2019

Teoria da Estimação para Uma Amostra

Teoria da Estimação para Uma Amostra
Introdução

Estimação:
Estimação por ponto ou pontual;
Estimação por intervalo ou intervalar.

Teoria da Estimação para Uma Amostra

Teoria da Estimação para Uma Amostra
Introdução

Exemplo:

Pesquisa Eleitoral

Teoria da Estimação para Uma Amostra

Teoria da Estimação para Uma Amostra
Introdução

Estimação por Ponto:

X ∼ N(µ; σ 2 );
X ∼ Ber (p).

Teoria da Estimação para Uma Amostra

Teoria da Estimação para Uma Amostra
Introdução

Estimação por Intervalo:

Amostra;
Estimativa intervalar: [θ̂I ; θˆS ];

Estimador;
Distribuição amostral (acurácia e precisão).

Teoria da Estimação para Uma Amostra

Teoria da Estimação para Uma Amostra
Introdução

Estimação por Intervalo:

Margem de Erro e Erro Amostral;

|Θ̂ − θ| ≤ ;
Θ̂ −  ≤ θ ≤ Θ̂ + ;
P(Θ̂ −  ≤ θ ≤ Θ̂ + ) = γ;

Nı́vel de confiança: γ = 1 − α = 0, 9; 0, 95; 0, 99;

Nı́vel de significância: α = 0, 1; 0, 05; 0, 01.

Teoria da Estimação para Uma Amostra

Teoria da Estimação para Uma Amostra
Introdução

Intervalo de Confiança:
Intervalo de confiança de 100(1 − α)% para θ;
IC[θ; 100(1 − α)%] = [Θ̂ − ; Θ̂ + ].

Teoria da Estimação para Uma Amostra

Teoria da Estimação para Uma Amostra
Introdução

Intervalo de Confiança:
Com probabilidade (1 − α), o intervalo conterá o
verdadeiro valor do parâmetro θ.
Chance da única amostra examinada ser uma
daquelas que resultarão em um IC que inclui o
verdadeiro valor da população;

Este intervalo contém ou não o parâmetro, mas o

procedimento utilizado para obtenção nos garante
que há (1 − α)% de chance de estarmos certos.

Teoria da Estimação para Uma Amostra

Teoria da Estimação para Uma Amostra
Introdução

Intervalo de Confiança:

Teoria da Estimação para Uma Amostra

Teoria da Estimação para Uma Amostra
Intervalo de Confiança para Média com Variância Conhecida

X ∼ N(µ; σ 2 );

X1 , X2 , · · · , Xn ;
2
X ∼ N(µ; σn );
X−µ
Z = σ
√
;
n

E = z α2 √σn ;
h i
IC [µ, 100(1 − α)%] = X − z α2 √σn ; X + z α2 √σn .

Teoria da Estimação para Uma Amostra

Teoria da Estimação para Uma Amostra
Intervalo de Confiança para Média com Variância Conhecida

Intervalo de Confiança:

Teoria da Estimação para Uma Amostra

Teoria da Estimação para Uma Amostra
Intervalo de Confiança para Média com Variância Conhecida

 
P −z α2 ≤ Z ≤ z α2 = 1 − α;
 
X−µ
P −z ≤ α
2
σ
√
≤z α
2
= 1 − α;
n
 
P −z α2 √σn ≤ X − µ ≤ z α2 √σn = 1 − α;
 
P −z α2 √σn − X ≤ −µ ≤ −X + z α2 √σn = 1 − α;
 
P X − z α2 √σn ≤ µ ≤ X + z α2 √σn = 1 − α.

Teoria da Estimação para Uma Amostra

Teoria da Estimação para Uma Amostra
Intervalo de Confiança para Média com Variância Conhecida

Exemplo 1:

A concentração média de zinco de uma amostra de medições

desse material em 36 locações diferentes é 2,6 gramas por
mililitro. Determine os intervalos de confiança de 95% e
99% para a média de concentração de zinco no rio. Assuma
que o desvio-padrão da população seja 0,3.

IC[µ; 95%] = [2, 502; 2, 698];

IC[µ; 99%] = [2, 472; 2, 729];

Intervalo curto com grau de confiança alto;

Comprimento do IC = precisão.
Teoria da Estimação para Uma Amostra
Teoria da Estimação para Uma Amostra
Intervalo de Confiança para Média com Variância Conhecida

Determinação do Tamanho da amostra:

 z α σ 2
n= 2
E
.

Teoria da Estimação para Uma Amostra

Teoria da Estimação para Uma Amostra
Intervalo de Confiança para Média com Variância Conhecida

Exemplo 2:

Deseja-se estimar a média de uma população Normal com

nı́vel de confiança de 90% e margem de erro máxima de
0,08. Qual deve ser o tamanho da amostra se a variância
populacional conhecida é 4?

n = 1.681.

Teoria da Estimação para Uma Amostra

Teoria da Estimação para Uma Amostra
Intervalo de Confiança para Média com Variância Conhecida

Relações:
E e n: inversamente proporcionais;
σ e n: diretamente proporcionais;
γ e n: diretamente proporcionais; Precisão da
estimação = comprimento do intervalo;
σ e E : diretamente proporcionais; ver gráfico;

E e γ: diretamente proporcionais; ver gráfico.

Teoria da Estimação para Uma Amostra

Teoria da Estimação para Uma Amostra
Intervalo de Confiança para Média com Variância Conhecida

Intervalos unilaterais:
Um engenheiro deseja estabelecer um limite de
confiança inferior de 90% para o verdadeiro tempo
de vida médio de determinado tipo de componente
eletrônico;
Ele deseja um limite I tal que 90% de todos os
tempos de vida serão maiores que I.

Teoria da Estimação para Uma Amostra

Teoria da Estimação para Uma Amostra
Intervalo de Confiança para Média com Variância Conhecida

Intervalo unilateral à direita:

(−∞; θˆS ];
 i
IC [µ, 100(1 − α)%] = −∞; X + zα √σn .

Teoria da Estimação para Uma Amostra

Teoria da Estimação para Uma Amostra
Intervalo de Confiança para Média com Variância Conhecida

Intervalo unilateral à esquerda:

[θ̂I ; +∞);
h i
IC [µ, 100(1 − α)%] = X − zα √σn ; +∞ .

Teoria da Estimação para Uma Amostra

Teoria da Estimação para Uma Amostra
Intervalo de Confiança para Proporção

X ∼ Ber (p);
X1 , X2 , · · · , Xn ;

P̂ ∼ N(p; p(1−p)
n
);
Z = qP̂−p ;
p(1−p)
n
q
p(1−p)
E = z α2 n
;

IC
 q q 
p(1−p) p(1−p)
[p; 100(1 − α)%] = P̂ − z α2 n
; P̂ + z α2 n
;

p = p̂.

Teoria da Estimação para Uma Amostra

Teoria da Estimação para Uma Amostra
Intervalo de Confiança para Proporção

Exemplo:

Um gerente de produção deseja estimar a proporção de

peças defeituosas em uma de suas linhas de produção. Para
isso, ele seleciona uma amostra aleatória simples de 100
peças dessa linha de produção, obtendo 30 defeituosas.
Determine o intervalo de confiança para a verdadeira
proporção de peças defeituosas nessa linha de produção a
um nı́vel de confiança de 95%.

p̂ = 0, 3;

IC [p; 95%] = [0, 2102; 0, 3898].

Teoria da Estimação para Uma Amostra

Teoria da Estimação para Uma Amostra
Intervalo de Confiança para Proporção

Determinação do Tamanho da Amostra:

zα
n=( E
2
)2 p.(1 − p);
Amostra Piloto: p = p̂;

f (p) = p.(1 − p) = p − p 2 = 1 − 2.p = 0;

Conservador: p = 0, 5.

Teoria da Estimação para Uma Amostra

Teoria da Estimação para Uma Amostra
Intervalo de Confiança para Proporção

Exemplo:

Walpole

Walpole;

Teoria da Estimação para Uma Amostra

Teoria da Estimação para Uma Amostra
Intervalo de Confiança para Média com Variância Desconhecida

X ∼ N(µ; σ 2 );

Amostra pequena n < 30: X1 , X2 , · · · , Xn ;

X;
X−µ
T = √s
∼ t(v);
n

Graus de Liberdade: v = n − 1;
E = t α2 √sn ;
h i
IC [µ; 100(1 − α)%] = X − t α2 √sn ; X + t α2 √sn .

Teoria da Estimação para Uma Amostra

Teoria da Estimação para Uma Amostra
Intervalo de Confiança para Média com Variância Desconhecida

Distribuição t:

Teoria da Estimação para Uma Amostra

Teoria da Estimação para Uma Amostra
Intervalo de Confiança para Média com Variância Desconhecida

Distribuição t:
Tabela t.

Teoria da Estimação para Uma Amostra

Teoria da Estimação para Uma Amostra
Intervalo de Confiança para Média com Variância Desconhecida

Exemplo:

De uma população Normal com média e variância

desconhecidas, extrai-se uma amostra de tamanho 15
obtendo-se x = 12 e s 2 = 49. Obtenha um intervalo de
confiança para a verdadeira média populacional, utilizando o
nı́vel de confiança de 95%.

Teoria da Estimação para Uma Amostra

Teoria da Estimação para Uma Amostra
Intervalo de Confiança para Média com Variância Desconhecida

Solução:

IC [µ; 95%] = [8, 1231; 15, 8769].

Teoria da Estimação para Uma Amostra

Teoria da Estimação para Uma Amostra
Intervalo de Confiança para Média com Variância Desconhecida

X ∼ N(µ; σ 2 );

X1 , X2 , · · · , Xn : amostra grande (n > 30);

X;
X−µ
Z = √s
;
n

E = z α2 √sn ;
h i
IC [µ; 100(1 − α)%] = X − z α2 √sn ; X + z α2 √sn .

Teoria da Estimação para Uma Amostra

Teoria da Estimação para Uma Amostra
Intervalo de Confiança para Média com Variância Desconhecida

Exemplo:

A partir de uma amostra aleatória simples de tamanho

n = 100, os seguintes valores foram obtidos: x = 12, 36 e
s 2 = 132, 56. Obtenha um intervalo de confiança de nı́vel de
confiança 90% para a média populacional.

Teoria da Estimação para Uma Amostra

Teoria da Estimação para Uma Amostra
Intervalo de Confiança para Média com Variância Desconhecida

Solução:

IC [µ; 90%] = [10, 4718; 14, 2482].

Teoria da Estimação para Uma Amostra

Teoria da Estimação para Uma Amostra
Intervalo de Confiança para Variância

X ∼ N(µ; σ 2 );
X1 , X2 , · · · , Xn ;

S 2;
(n−1)S 2
X2 = σ2
∼ χ2v .

Teoria da Estimação para Uma Amostra

Teoria da Estimação para Uma Amostra
Intervalo de Confiança para Variância

Distribuição qui-quadrado:

Teoria da Estimação para Uma Amostra

Teoria da Estimação para Uma Amostra
Intervalo de Confiança para Variância

 
P χ21−α/2 ≤ X 2 ≤ χ2α/2 = 1 − α;
 
(n−1)S 2 2 (n−1)S 2
P χ2α/2
≤σ ≤ χ21−α/2
= 1 − α;
 
(n−1)S 2 (n−1)S 2
h i
2
IC σ ; 100(1 − α)% = χ2α/2
; χ2 .
1−α/2

Teoria da Estimação para Uma Amostra

Teoria da Estimação para Uma Amostra
Intervalo de Confiança para Variância

Distribuição qui-quadrado:
Tabela χ2 .

Teoria da Estimação para Uma Amostra

Teoria da Estimação para Uma Amostra
Intervalo de Confiança para Variância

De uma população Normal com média e variância

desconhecidas, extrai-se uma amostra de tamanho 15
obtendo-se x = 12 e s 2 = 49. Obtenha um intervalo de
confiança para a variância populacional, utilizando o nı́vel de
confiança de 95%.
h i
IC σ 2 ; 95% = [26, 2644; 121, 8689].

Teoria da Estimação para Uma Amostra

Teoria da Estimação para Uma Amostra
Roteiro

Roteiro:
Resumo.

Teoria da Estimação para Uma Amostra

Teoria da Estimação para Uma Amostra
Exercı́cios

Exercı́cios:

Teoria da Estimação para Uma Amostra