Escolar Documentos
Profissional Documentos
Cultura Documentos
1 Introdução
1
os brasileiros adultos. Mas esse seria um procedimento caro e demorado.
Uma solução, então, é retirar uma amostra (subconjunto) da população
e estudar essa amostra. Suponhamos que essa amostra seja retirada com
reposição e que os sorteios sejam feitos de forma independente, isto é, o
resultado de cada extração não altera o resultado das demais extrações. Ao
sortearmos o primeiro elemento, estamos realizando um experimento que dá
origem à variável aleatória X1 =“altura do primeiro elemento”; o segundo
elemento dá origem à variável aleatória X2 =“altura do segundo elemento”
e assim por diante. Como as extrações são feitas com reposição, todas as
variáveis aleatórias X1 , X2 , . . . possuem a mesma distribuição, que reflete a
distribuição da altura de todos os brasileiros adultos. Para uma amostra
especı́fica, temos os valores observados x1 , x2 , . . . dessas variáveis aleatórias.
Exemplo 2. Consideremos, agora, um exemplo baseado em pesquisas elei-
torais em que estamos interessados no resultado do segundo turno de uma
eleição presidencial brasileira. Mais uma vez, nossos sujeitos de pesquisa são
pessoas com 16 anos ou mais, aptas a votar. O interesse final é saber a pro-
porção de votos de um e outro candidato. Vamos considerar uma situação
simplificada em que não estamos considerando votos nulos, indecisos, etc.
Então, cada sujeito de pesquisa dá origem a uma variável aleatória binária,
isto é, uma variável aleatória que assume apenas dois valores. Como visto,
podemos representar esses valores por 1 (candidato A) e 0 (candidato B), o
que define uma variável aleatória de Bernoulli, ou seja, essa população pode
ser representada pela variável aleatória X ∼ Bernoulli(p). O parâmetro p
representa a probabilidade de um sujeito dessa população votar no candidato
A. Uma outra interpretação é que p representa a proporção populacional de
votantes no candidato A.
2
A seguir, apresentamos alguns problemas envolvendo Estimação e alguns
problemas envolvendo Testes de Hipóteses.
• Estimação
1. Qual é a probabilidade de coroa no lançamento de uma moeda?
2. Qual é a proporção de votos que o candidato A tem nas eleições?
3. Qual é a proporção de motoristas que tiveram sua carteira apre-
endida após a vigência da nova lei de trânsito?
• Teste de Hipóteses
1. A moeda é honesta ou é desequilibrada?
2. O candidato A vencerá as eleições ?
3. Pelo menos 2% dos motoristas habilitados de SP tiveram suas
carteiras apreendidas após a entrada da nova lei do trânsito ou
não?
2 Amostras aleatórias
3
estes cartões em uma urna misturando-os bem e fazer os sorteios necessários,
tendo o cuidado de colocar cada cartão sorteado na urna antes do próximo
sorteio. Na prática, em geral são usados programas de computador, uma
vez que as populações tendem a ser muito grandes.
3 Estatı́sticas e Parâmetros
4
• Possı́veis estimadores para a média µ são:
M in + M ax X1 + X2 + · · · + Xn
µ̂1 = e µ̂2 = .
2 n
A quantidade apresentada em µ̂2 é usualmente representada por X,
isto é,
X1 + X2 + · · · + Xn
X= .
n
• Possı́veis estimadores para a variância σ 2 são:
n
M in − M ax 2
2 1 X 2 2
σ̂1 = (Xi − X) e σ̂2 = .
n−1 2
i=1
Suponha que a amostra observada foi: 1,65; 1.57; 1,72; 1,66; 1,71; 1,74; 1,81;
1,68; 1,60; 1,77. Assim as estimativas para a média ficam dadas por:
1, 81 + 1, 57 1, 65 + 1, 57 + · · · + 1, 77
µ̂1 = = 1, 69 e µ̂2 = = 1, 69.
2 10
Já as estimativas para a variância ficam dadas por:
4 Distribuições Amostrais
5
Teorema 2. Seja (X1 , X2 , . . . , Xn ) uma amostra aleatória simples de tama-
nho n de uma população normal, isto é, uma população representada por
uma variável aleatória normal X ∼ N (µ, σ 2 ). Então,
σ2
X ∼ N µ, .
n
(d) Qual deveria ser o tamanho da amostra para que P (90 < X < 110) =
0.95?