Escolar Documentos
Profissional Documentos
Cultura Documentos
Ministério da Educação
UNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ
Câmpus Curitiba
Diretoria de Graduação e Educação Profissional
Departamento Acadêmico de Estatística
Após obter o estimador pontual, testa-se se ele é um "bom estimador", isto é, se o estimador pontual
satisfaz as seguintes propriedades:
Observação
Dizer " X1, X2, ... , Xn é uma amostra aleatória da v.a. X " é o mesmo que dizer " Seja 𝑋 um vetor
aleatório da v.a. X, em que 𝑋 = (X1, X2, ... , Xn ), e cada Xi segue o mesmo modelo probabilístico da variável
aleatória X, sendo que cada Xi também é considerado uma v. a.".
O símbolo Xi representa todos os valores da v. a. X que ocupam a posição i , quando se considera
todas as amostras aleatórias de um mesmo tamanho n, obtidas pelo mesmo processo de amostragem.
Aqui, para representar um vetor aleatório utilizamos o símbolo 𝑋 , tendo em vista não termos
conseguido escrever o símbolo ~ embaixo do X, devido ao programa computacional utilizado. Em
Estatística, é mais comum representar um vetor aleatório colocando o símbolo ~ embaixo do X.
2
Definições
Momento populacional
Seja X uma variável aleatória (v.a.) com função densidade de probabilidade (f.d.p.) ou
função de probabilidade (f.p.) 𝑓𝑋 (𝑥, 𝜃), com 𝜃 = (𝜃1 , 𝜃2 , … , 𝜃𝑘 ). Definimos o j-ésimo momento
populacional ao redor de zero por :
𝜇𝑗′ = 𝐸(𝑋𝑗 ), 𝑗 ∈ 𝑁 ∗ .
Momento amostral
Seja X1, X2, ... , Xn uma amostra aleatória da v.a. X que tem f.d.p. ou f.p. 𝑓𝑋 (𝑥, 𝜃), sendo
𝜃 = (𝜃1 , 𝜃2 , … , 𝜃𝑘 ). Definimos o j-ésimo momento amostral ao redor de zero por :
1 𝑗
𝑀𝑗′ = 𝑛 ∑𝑛𝑖=1 𝑋𝑖 , 𝑗 ∈ 𝑁 ∗ .
Estimador de momentos (ou estimador pontual obtido pelo método dos momentos)
Diz-se que o vetor de estimadores 𝜃̂ = (𝜃̂1 , 𝜃̂2 , … , 𝜃̂𝑘 ) é estimador de momentos do vetor
de parâmetros 𝜃 = (𝜃1 , 𝜃2 , … , 𝜃𝑘 ), se cada 𝜃̂𝑗 for solução das k seguintes equações:
𝜇𝑗′ = 𝑀𝑗′ , j =1,2,...,k.
Exemplo1: Seja 𝑋 = (𝑋1 , 𝑋2 , … , 𝑋𝑛 ) uma amostra aleatória da v.a. X ~ Exponencial (𝜆). Obter o
estimador de momentos para 𝜆.
Solução:
Como há um só parâmetro para ser estimado, em geral, é necessário apenas o primeiro momento.
Assim:
1
𝜇1′ = 𝐸(𝑋 1 ) = 𝐸(𝑋) = . (1º momento populacional ao redor de zero)
𝜆
1 1
𝑀1′ = ∑𝑛𝑖=1 𝑋𝑖1 = ( 𝑋1 + 𝑋2 + ⋯ + 𝑋𝑛 ) = 𝑋 . (1º momento amostral ao redor de zero)
𝑛 𝑛
Exemplo2: Seja 𝑋 = (𝑋1 , 𝑋2 , … , 𝑋𝑛 ) uma amostra aleatória da v.a. X ~ Poisson (𝜆). Obter o
estimador de momentos para 𝜆 (ou seja, obter o estimador pontual para 𝜆, pelo método dos momentos).
Exemplo4: Seja 𝑋 = (𝑋1 , 𝑋2 , … , 𝑋𝑛 ) uma amostra aleatória da v.a. X ~ Γ (𝛼, 𝛽). Obter o estimador
de momentos para 𝜃 = (𝛼, 𝛽).
4
Intuitivamente, baseia-se na seguinte ideia: Dada a amostra aleatória, verificar os valores mais
prováveis (verossímeis) para os parâmetros, no espaço paramétrico.
Ou ainda: Sabendo que diferentes parâmetros podem gerar amostras aleatórias diferentes, então de
acordo com a amostra aleatória selecionada, qual o valor do parâmetro que é o mais indicado (verossímel,
provável)?
Exemplo: Seja 𝑋 = (𝑋1 , 𝑋2 , 𝑋3 ) uma amostra aleatória n=3 de uma v.a. X ~ Bernoulli (𝜃).
1 2
Considerando que o espaço paramétrico Θ seja Θ = {3 , 3} e se for observada uma amostra (1, 0, 0), qual
2
2º) Se 𝜃 = 3, vem: P( (1,0,0) ) = P(𝑋1 = 1, 𝑋2 = 0, 𝑋3 = 0) = 𝑃(𝑋1 = 1)𝑃(𝑋2 = 0)𝑃(𝑋3 = 0) =
2 1 1 2
. . = 27
3 3 3
4 2
Como 27 > 27, então de acordo com a amostra que foi selecionada o valor mais provável para 𝜃 é
1
𝜃̂ = 3 .
Observação
Se L não tem máximo, não há estimador de máxima verossimilhança para a distribuição de
probabilidades em estudo.
5
Observação
Às vezes é difícil algebricamente encontrar o(s) máximo(s) da função de verossimilhança. Como os
valores que maximizam a função de verossimilhança são os mesmos que maximizam o logaritmo dela,
uma vez que a função logarítmica é monótona, então em geral usa-se a função suporte l, dada por
l( 𝜃) = 𝑙( 𝜃/𝑥) = 𝑙𝑛( 𝐿( 𝜃/ 𝑥) )
para encontrar os estimadores de máxima verossimilhança.
Observação
Quando faz-se U(𝜃̂) = 0 , troca-se 𝑥 (amostra observada) por 𝑋 (todas as amostras possíveis
daquele mesmo tamanho e obtidas sob a mesma técnica de amostragem).
Exemplo2: Seja 𝑋 = (𝑋1 , 𝑋2 , … , 𝑋𝑛 ) uma amostra aleatória da v.a. X ~ Exponencial (𝜆). Obter o
estimador de máxima verossimilhança para 𝜆.
Exemplo3: Seja 𝑋 = (𝑋1 , 𝑋2 , … , 𝑋𝑛 ) uma amostra aleatória da v.a. X~N(𝜇, 𝜎 2 ). Obter o estimador
de máxima verossimilhança para 𝜃 = (𝜇, 𝜎 2 ).