AMOSTRAGEM

UNICARIOCA • TEORIA DA AMOSTRAGEM  ESTUDA AS RELAÇÕES

EXISTENTES ENTRE UMA POPULAÇÃO E AS AMOSTRAS
PROCESSOS DELA EXTRAÍDAS.
ESTOCÁSTICOS • UTILIDADE  AVALIAÇÃO DE GRANDEZAS
DESCONHECIDAS DA POPULAÇÃO (PARÂMETROS
TEMA-06 POPULACIONAIS), ATRAVÉS DAS GRANDEZAS
AMOSTRAGEM CORRESPONDENTES DAS AMOSTRAS (ESTATÍSTICAS
TEOREMA DO LIMITE CENTRAL AMOSTRAIS).

ERRO PADRÃO DA MÉDIA • AMOSTRA  ESTIMA OS VALORES DOS PARÂMETROS

NA POPULAÇÃO !

AMOSTRAGEM Uma ESTIMATIVA é um valor

VALORES NA AMOSTRA SÃO PRÓXIMOS, MAS específico, ou um intervalo de
DIFERENTES DOS VALORES NA POPULAÇÃO. valores usados para avaliar um
Parâmetro Populacional.
ERRO AMOSTRAL  DEPENDE DO TAMANHO (n) DA
AMOSTRA.
FRAÇÃO AMOSTRAL (FA) = tamanho da amostra/tamanho POPULAÇÃO
população ! AMOSTRA µ
n Tamanho Amostra X
FA = = S2
σ2
N Tamanho População
RESULTADOS OBTIDOS A PARTIR DE AMOSTRAS Um ESTIMADOR é uma CARACTERÍSTICA da AMOSTRA,
utilizado para obter uma aproximação do parâmetro na
NECESSITAM DE UM INTERVALO DE CONFIANÇA ! POPULAÇÃO.

TEOREMA DO LIMITE CENTRAL MÉDIA DA

AMOSTRA-01 X1 AMOSTRA1
Suponha que uma variável aleatória (X) tenha uma
MÉDIA DA
distribuição qualquer (normal, uniforme, etc,) com MÉDIA AMOSTRA-02 X2 AMOSTRA2

μ e DESVIO-PADRÃO σ.
MÉDIA DA
Se, ao invés de tirarmos uma única amostra de POPULAÇÃO
AMOSTRA-03 X3 AMOSTRA3

tamanho 100, tirarmos várias amostras de tamanho n,

por exemplo, 20 amostras cada uma de tamanho 5 µ σ2
(20×
×5=100) e analisarmos a distribuição das médias MÉDIA DA
AMOSTRA-19 X 19 AMOSTRA19
dessas amostras (médias amostrais) de tamanho n = 5,
X 1 + X 2 + ... + X 20
vamos observar que: µx =
20 MÉDIA DA
AMOSTRA-20 X 20AMOSTRA20
µ = µx  MÉDIA DA POPULAÇÃO É IGUAL A MÉDIA DAS MÉDIAS AMOSTRAIS

PROCESSOS ESTOCÁSTICOS - TEMA_06 1 MANUEL

 TEOREMA DO LIMITE CENTRAL TEOREMA DO LIMITE CENTRAL
 À medida que o tamanho n da amostra aumenta, a
distribuição das MÉDIAS AMOSTRAIS tende a uma O DESVIO PADRÃO das MÉDIAS AMOSTRAIS será:
distribuição NORMAL.
A MÉDIA das MÉDIAS AMOSTRAIS será igual a
σ
σx =
MÉDIA da população.  FEROZ ! n
µ = µx µ = Média da População
σ x = Desvio Padrão das Médias Amostrais
µ x = Média das Médias Amostrais
σ = Desvio Padrão da População

µx = 
Xi X i = Média de cada Amostra n = Tamanho da Amostra
m m = Quantidade de Amostras

TEOREMA DO LIMITE CENTRAL AMOSTRAGEM

RESULTADOS FUNDAMENTAIS
OBSERVAÇÕES IMPORTANTES
1- A MÉDIA de uma AMOSTRA obtida em condições técnicas
Quando MAIOR o TAMANHO das amostras (n), mais a razoáveis é um bom estimador do parâmetro da MÉDIA da
distribuição das médias se apróxima de uma distribuição POPULAÇÃO que a originou.
NORMAL.
2- A VARIÂNCIA de uma AMOSTRA quando calculada com n-1
Para n>30, a distribuição das médias amostrais pode ser casos é um bom estimador do parâmetro da VARIÂNCIA da
aproximada satisfatoriamente por uma NORMAL. POPULAÇÃO que a originou (BESSEL).
Se a distribuição da variável aleatória (X) for 3- Quando a POPULAÇÃO de estudo tem DISTRIBUIÇÃO
originalmente uma distribuição NORMAL, então a NORMAL, as MÉDIAS AMOSTRAIS TÊM DISTRIBUIÇÃO
distribuição das médias amostrais terá distribuição NORMAL. Nos casos em que a POPULAÇÃO de estudo NÃO
NORMAL para qualquer tamanho (n) da amostra.
TEM DISTRIBUIÇÃO NORMAL, a DISTRIBUIÇÃO DAS MÉDIAS
Nesse caso o ENUNCIADO DA QUESTÃO deve
AMOSTRAIS TEM DISTRIBUIÇÃO APROXIMADAMENTE
mencionar EXPLICITAMENTE essa informação.
NORMAL se os tamanhos das amostras forem grandes (n>30).

AMOSTRAGEM
OBSERVAÇÕES OBJETIVOS
1- Como estimativa da média da população (μ), pode-se utilizar:
 Empregar técnicas de Amostragem e Estatística
MÉDIA - MODA - MEDIANA - PONTO MÉDIO
Inferencial em problemas que envolvem controle
2- Razões para utilizar a MÉDIA AMOSTRAL como um
estimador de uma média populacional μ. Estatístico de Qualidade.
 A distribuição das médias amostrais tende a apresentar  Efetuar cálculos probabilísticos e inferir parâmetros
menor variação do que distribuições de outras populacionais com base em dados de distribuições
características amostrais (mediana ou moda).
 É um estimador não tendencioso da média populacional
amostrais.
μ, pois tende a centrar-se em torno de μ, ou seja, tende a
um valor central que é o próprio valor de μ.

PROCESSOS ESTOCÁSTICOS - TEMA_06 2 MANUEL

 AMOSTRAGEM AMOSTRAGEM
ESTIMAÇÃO DA MÉDIA DA POPULAÇÃO DESVIO PADRÃO DA AMOSTRA - ERRO PADRÃO DA MÉDIA
DESVIO PADRÃO DAS MÉDIAS AMOSTRAIS
DESVIO PADRÃO DA AMOSTRA - ERRO PADRÃO DA MÉDIA
2
σ 2 x = Variâncias das Médias Amostrais σ 2 x = σ
VARIÂNCIA DAS MÉDIAS AMOSTRAIS n
2 σ2 σ
σ σ2 σx = = = ERRO PADRÃO DA MÉDIA
=n σ 2x = n n
σ 2x n
σ σ2 = variância da população
σ 2 x = Variâncias das Médias Amostrais EPx = σ = desvio padrão da população
σ2 = variância da população
n n = tamanho da amostra

n = tamanho da amostra DESVIO PADRÃO DAS MÉDIAS AMOSTRAIS É CHAMADO

DE ERRO PADRÃO DA MÉDIA !

Exemplo-1 Uma amostra de 40 crianças do sexo masculino aos
quatro anos tem média de altura igual a 100,0 cm e desvio
padrão 5,0 cm. A probabilidade de se obter uma amostra de
40 elementos com média menor que 98 cm é calculada da
seguinte forma: µ = 100 S = 5 n = 40 x = 98
01- Inicialmente determinamos o Erro Padrão da Média (EP)
das amostras compostas por 40 casos.
EPx =
σ S
EPx =
n n
Exemplo-1 Uma amostra de 40 crianças do sexo masculino aos
quatro anos tem média de altura igual a 100,0 cm e desvio
padrão 5,0 cm. A probabilidade de se obter uma amostra de
40 elementos com média menor que 98 cm é calculada da
seguinte forma: µ = 100 S = 5 n = 40 x = 98
02- Como n (40) é maior que 30 as médias das amostras tem
distribuição NORMAL ou aproximadamente NORMAL. A seguir
calculamos o valor de z equivalente a 98 cm considerando a média
100,0 cm e o erro padrão calculado igual a 0,790 cm.
z=
x − µ 98 − 100
EPx
=
0,790
= −2,531 OBS P(Z < - 2,531) = P(Z > 2,531)

5 Da tabela Normal obtemos para z = 2,531 o valor da

EPx = = 0,790 probabilidade P = 0,4943.
40 Subtraindo de 0,50 (50%) vem p = 0,5000 - 0,4943 ≅ 0,57%
̄ −  ̄ − 
OBS. SUBSTITUÍMOS σ POR S (DESVIO PADRÃO DA AMOSTRA)
Obs.
=

=
 ̄

Carpe Diem

PROCESSOS ESTOCÁSTICOS - TEMA_06 3 MANUEL