Estimativa Pontual e

Intervalo de Confiança

Rosangela Assumpção Vídeoaula 19

 Introdução
 O objetivo da Estatística é o de conhecer
populações por meio das informações amostrais.
 Como as populações são caracterizadas por
medidas numéricas descritivas, denominadas
parâmetros, a estatística diz respeito á realização
de inferências sobre esses parâmetros
populacionais desconhecidos.
 Parâmetros populacionais típicos são:
média ( x ou  ) ou ( s ou  ) e a proporção (p)
de determinado evento populacional.
 Os métodos para realizar inferências a
respeito dos parâmetros pertencem a
duas categorias:

 Estimação: determinação de estimativas

dos parâmetros populacionais;

 Teses de hipóteses: tomada de decisão

relativa ao valor de um parâmetro
populacional.
 Estimativa por Ponto
 Quando com base em dados amostrais
calculamos um valor da estimativa do
parâmetro populacional, temos uma
estimativa por ponto do parâmetro
considerado.
 Assim, o valor da média amostral......
(x )
é uma estimativa por ponto da média
populacional (μ). De maneira análoga, o
valor do desvio padrão amostral (s)
constitui uma estimativa do parâmetro
(σ).
Exemplo

 Uma amostra aleatória de 200 alunos de

uma universidade de 20.000 estudantes
revelou nota média amostral de 5,2. logo:
 x = 5,2 é uma estimativa pontual da
verdadeira média dos 20.000 alunos.
As principais características de um estimador
referem-se à:
 Não-tendenciosidade: quando o valor
esperado da estatística amostral for
aproximadamente igual ao parâmetro que
está sendo estimado.
 Consistente: quando em termos práticos,
pode-se com amostras suficientemente
grandes tornar o erro de estimação tão
pequeno quanto se queira.
 Eficiência: Consegue descrever a
população com pequena margem de erro.
 Estimativa por Intervalo
Uma estimativa por intervalo para um parâmetro
populacional é um intervalo determinado por
dois números, obtidos a partir de elementos
amostrais, que se espera contenham o valor do
parâmetro com dado nível de confiança ou
probabilidade de (1-)%.

Geralmente (1-)% = 90%, 95%, 99% . . .

EXEMPLOS:
 O intervalo [1,60m; 1,64m] contém a altura
média dos moradores do município X, com
um nível de confiança de 95%;

 Com 97,5% de confiança, o intervalo

[8%; 10%] contém a proporção de analfabetos
da cidade Y;

 O intervalo [37mm; 39mm] contém o desvio

padrão do comprimento de uma peça, com
90% de confiança.
 Intervalo de Confiança (IC) para a Média
Populacional quando a variância populacional é
conhecida

 Os métodos de estimação por intervalo

estão na maioria de suas vezes baseados
no pressuposto de que possa ser usada a
distribuição normal de probabilidades.
 Esta pressuposição é garantida sempre
que o número de dados amostrados é
maior que 30 (n ≥ 30).
  Sejam x1, x2, x3, . . . xn elementos de uma
amostra. Então X: N(μ, σ2).
   
IC (x, (1   )%)  P  x  Z / 2     x  Z /2    1
 n n

Geometricamente:
Exemplos:
1- Seja X a duração da vida de uma peça
de equipamento tal que σ = 5h.
Ensaiaram-se 100 peças e estas
forneceram uma duração média de vida
de 500 horas. Construa o I.C. com 95%
de confiabilidade para a média μ.
N = 100; Média = 500h; σ = 5h
Construa o I.C. p/ média com 95% de confiabilidade

X1 X2

Z = 1,96
N = 100; Média = 500h; σ = 5h; Z = 1,96
Construa o I.C. com 95% de confiabilidade
para a média μ.
   
IC (x, (1   )%)  P  x  Z /2     x  Z /2    1
 n n
Quadro 1: Valores tabelados da distribuição
normal Z
α: nível de (1-α): nível de Z: distribuição
significância significância Normal

0,20 0,80 1,28

0,15 0,85 1,44
0,10 0,90 1,65
0,05 0,95 1,96
0,025 0,975 2,24
0,01 0,99 2,58
2- A voltagem de quebra da corrente
alternada (CA) de um líquido isolante
indica sua resistência dielétrica.
Construa um intervalo de confiança com
1% de margem de erro, sabendo que
foram amostradas 48 tensões de quebra,
com média de 54,7kV e desvio padrão
de 5,23 kV.
I. C. para a média populacional quando a
variância populacional é desconhecida

Quando desconhecemos σ2, devemos

estimar seu valor com base na amostra
disponível.
Neste caso, calcula-se a estimativa da
variância a partir da amostra por:

A substituição do parâmetro σ
por s somente será justificável
para amostras grandes, ou seja,
n≥ 30.
Se n < 30, introduz-se uma correção a qual
consiste em usar a variável “t”de Student
com n-1 graus de liberdade (g.l.) ao invés
de Z.
 Assim, uma distribuição “t” é apropriada para
inferências sobre a média sempre quando σ for
desconhecida e a população normalmente
distribuída, qualquer que seja o tamanho da
amostra.

Fórmula:
 S S
IC (, (1a)%)  P x t  .    x t  . 
 n1,  n  n1,  n 
  2  2 
Exemplos:
1- A seguinte amostra:
9, 8, 10, 7, 12, 9, 6, 11, 10, 9
foi extraída de uma população normal.
Construir um intervalo de confiança para a
(μ) média ao nível de 95% de confiança.
linha coluna
n=10
gl= n - 1 = 9 t(9, 0.025)
Exemplos:
1- A seguinte amostra:
9, 8, 10, 7, 12, 9, 6, 11, 10, 9
foi extraída de uma população normal.
Construir um intervalo de confiança para a
(μ) média ao nível de 95% de confiança.
 Intervalo de Confiança para a
proporção ou probabilidade
 pq 
 A proporção (ρ) é dada por f  N  p, 
 n 
para n > 30.
 f (1  f ) f (1  f ) 
P  f  Z   p  f  Z    1  
 n n 

Sendo:
x número de casos favoráveis a situação analisada
f  
n número total de observações
Exemplos:
1- Dentre 500 pessoas que foram
entrevistadas a respeito de suas
preferências eleitorais, 260 mostraram-se
favoráveis ao candidato y.
Calcule o I.C. ao nível de 90% para a
proporção de eleitores favoráveis ao
candidato y.
n = 500 - amostra
x = 260 – casos favoráveis

Z90%=1,65
Quadro 1: Valores tabelados da distribuição
normal Z
α: nível de (1-α): nível de Z: distribuição
significância significância Normal

0,20 0,80 1,28

0,15 0,85 1,44
0,10 0,90 1,65
0,05 0,95 1,96
0,025 0,975 2,24
0,01 0,99 2,58
 n = 500 - amostra
x = 260 – casos favoráveis
Z90%=1,65

 f (1  f ) f (1  f ) 
P  f  Z   p  f  Z    1  
 n n 
2- Em uma amostra aleatória, de 85
mancais de eixos de manivelas de motores
de automóveis 10 tem uma superfície que é
mais rugosa do que as especificações
permitidas. Faça uma estimativa da
proporção de mancais na população que
excede a especificação de rugosidade com
95% de confiabilidade.

Resposta
 Intervalo de Confiança para a
variância da população (σ2)

Para determinarmos o IC ao nível de 1-α

para a variância σ2 da população
devemos utilizar a família das
distribuições chi-quadrado  .
2
 Então:
 S 2
 ( n  1) S2  ( n  1) 
IC ( , (1   )%)  P  2
2
 2    1  
  [ n 1;(1 /2)] 
2
 [ n 1; / 2]
Exemplos:
1- Os dados sobre a voltagem de quebra
de circuitos eletricamente foram obtidos
de um gráfico de probabilidade normal
com 17 pontos. Sabe-se que a variância
da distribuição da voltagem de quebra é
de 137324,3. Construir um I.C. de 95%
de confiabilidade
n = 17
I.C. de 95% de confiabilidade
 n = 17
 S 2
 (n  1) S2  (n  1) 
IC ( , (1   )%)  P  2
2
 2    1  
  [ n 1;(1 / 2)] 
2
 [ n 1; /2]
2- Uma amostra de onze elementos,
extraída de uma população com
distribuição normal, forneceu variância
S2 = 7,08.
Construir um I.C. de 90% para a
variância da população.

Resposta
3- Sabe-se que o tempo de vida de certo
tipo de válvula tem distribuição
aproximadamente normal. Uma amostra
de 25 válvulas forneceu x  500h
e S= 50h. Construir um I.C. para σ2, ao
nível de 2%.

Resposta
 Intervalo de Confiança para o
desvio padrão da população (σ)
 Considerando a raiz quadrada positiva
do I.C. de σ obtemos o I.C. de
(1 - σ)100% para σ, que será:
 S2  (n  1) S2  (n  1) 
IC ( , (1   )%)  P       1
  [ n 1; / 2]
2
 [ n 1;(1 /2)] 
2

Exemplos:
1 – Determinar para os exercícios
anteriores o Intervalo de Confiança
para o desvio padrão.
Resposta para o exemplo 1

Resposta para o exemplo 2

Resposta para o exemplo 3