| eee ae ey eee - é STATISTICA 266 CAPITULO 10 — INTRODUGAO A INFERENCIA FS a Os simbolos mais comuns so dados na tabela a seguir. Denominagao Populacéo fiche» Madia w= EX) Mediana Md) Veriincia 0? = VarlX) N° de elementos N oe Proporséo P iD aeaeieae : Quantil gp) Quartis Gi In 4 Inte-valo inter-quartil Gut Fungdo densidade histograma Fungtio de distribuigéo 10.7 Distribuic6es Amostrais Vimos na segdo 10.3 que 0 problema da inferéncia estatistica é fazer uma afirmagio sobre os parametros da populacio através da amostra. Digamos que nossa afirmago deva ser feita sobre um pardmetro 6 da populacdo (por exemplo, a média, a variancia ou qualquer outra medida). Decidimos que usaremos uma AAS de n elementos sorteados dessa populacio. Nossa decisio seré baseada na estatistica T, que sera uma funcao da amostra (X,, X», .-. X,) ou seja, T=f(X,, ....X,). Colhida essa amostra, teremos observado um particular valor de T, digamos 1,, ¢ baseados nesse valor é que faremos a afirmagio sobre 0, o pardmetro populacional. Veja a Figura 10.1 (a). A validade da nossa resposta seria melhor compreendida se soubéssemos 0 que aconte- ce com a estatistica 7, quando retiramos todas as amostras de uma populagdo conhecida segundo o plano amestral adotado, Isto é, qual a distribuiggo de T quando (X,, .., X,) assume todos os valores poss{veis. Essa distribuigao é chamada distribuigdo amostral da estatistica T e desempenha papel fundamental na teoria da inferéncia estatistica, Esquemati terfamos 0 procedimento representado na Figura 10.1, onde temos: mente, (a) uma populagio X, com determinado parametro de interesse 6: ) todas as amostras retiradas da populago, de acordo com certo procediment0: (c) para cada amostra, calculamos 0 valor f da estatistica T; ¢ (@) 0s valores t formam uma nova populagao, cuja distribuigao recebe o nome distribuigdo amostral de T.a 10.7 DISTRIBUIGOES AMOSTRAIS 267 Figura 10.1: (a) Esquema de inferéncia sobre . (b) Distribuicdo amostral da estatistica 7, . Amosira Amostras Populado das Populacdo estatisticas X ~ fx; ®) Vejamos alguns exemplos simples para aclarar um pouco mais o conceito de distribui- ¢4o amostral de uma estatistica. Nosso principal objetivo é identificar um modelo que expli- que bem a distribuicao amostral de T. E evidente que a distribuigao de T ira depender da distribuigao de X e do plano amostral, em nosso caso reduzido a AAS. Exemplo 10.9. Voltemos ao Exemplo 10.7, no qual selecionamos todas as amostras de tamanho 2, com reposicao, da populagao {1, 3, 5, 5, 7}. A distribuigdio conjunta da variavel bidimensional (X,, X,) € dada na Tabela 10.2. Vejamos qual é a distribuigao da estatistica x= Xt (0.1) nv amostra Essa distribuigdo € obtida por meio da Tabela 10.2. Por exemplo, quando selecionada 6 0 par (1, 1), a média sera 1; entao, temos que PUY = 1) = 1/25, Obteremos a média igual a 3 quando ocorrer o evento A = {(1, 5)(3, 3)(5, 1), logo a P(X = 3) = P(A) = 35 + x +268 CAPITULO 10 — INTRODUCAO A INFERENCIA ESTATISTICA a Tabele 10.2: Distibvigéio das probabilidades das possiveis amostras de tamanho 2 que podem ser selecionadas com reposiciio da populaciio (1, 3, 5, 5,7}. 1 ae coe ae ee ee 1 1/25 1/25 | 2/25 1/25 V 3 | 1/25 | 1/25 | 2/25 | 1/25 5 5 2/25 2/25 4/25 2/25 2/5 < 1/25 1/25 2/25 |e Total v5 Ve | oe vs | Procedendo de maneira andloga para os demais valores que X pode assumir, obtemos a Tabela 10.3, que dé a distribuigao da v.a, X, Na Figura 10.2 temos as distribuigdes de X ede X. . Tabela 10.3: Distribuicdo amostral da estatistica X. x 1 2 3 4 5 é z Total PX=% | 1/25 | 2/25 | 5/25 | 6/25 | 6/25 | 4/25 | 1/25 | 1,00 Figura 10.2: Distribuicéio de x{---~] e X( —), obtida de 25 amostras de tama nho 2 de {1, 3, 5, 5,7}. 10/25 5/25 Com um procedimento andlogo podemos obter as distribuigdes amostrais estatisticas de interesse. As Tabelas 10.4 e 10.5 trazem as distribu Usticas W = amplitude total e S* = S(X,~ X)/(n — 1), respectivamente.10.7 DISTRIBUIGOES AMOSTRAIS 269 a Tabela 10.4: Distribvicio amostral de W. " 2 4 é Total PW=") 7/25 | 10/25 | 6/25 | 2/25 1,00 Tabela 10.5: Distribuicco amostral de *. # a 2 8 18 Total 7/25 | 10/25 | 6/25 2/25 | 1,00 Exemplo 10.5. (continuacao) No caso do langamento de uma moeda 50 vezes, usando como estatistica X = nimero de caras obtidas, a obtencao da distribuigao amostral, que jé foi vista, é feita por meio do modelo binomial (50, p), qualquer que seja p = probabilidade de ocor- réncia de cara num langamento, 0

36|n = 50, p= 0,5) = 0,013 = 0,13%. Portanto, caso a moeda seja honesta, em 50 langamentos, a probabilidade de se obterem 36 ou mais caras € da ordem de | por 1.000. Ou seja, hé evidéncia de que p nao deve ser igual a 0,5. Comparando os dois tiltimos exemplos, vemos que nos interessa determinar pro- priedades das distribuicdes amostrais que possam ser aplicadas em situagdes mais gerais (como no caso binomial) e nao em situagdes muito particulares (como no Exemplo 10.7). Iremos, agora, estudar as distribuiges amostrais de algumas estatisticas importantes. Nos capitulos seguintes essas distribuig6es sero usadas para fazer inferéncias sobre popu- lagdes. Quando estivermos trabalhando com populacées identificadas pela distribuigao de pro- babilidades, nao poderemos gerar todas as amostras posstveis. Devemos contentar-nos em simular um mimero “grande” de amostras e ter uma idéia do que acontece com a estatistica de interesse. Exemplo 10.8. (continuacdo) Qual seria a distribuigao amostral da mediana das alturas de amostras de 5 mulheres retiradas da populagao X ~ N(167; 25)? Como nao podemos gerar todas as possiveis amostras de tamanho 5 dessa populacao, simulamos, via Excel, 200 amos tras de tamanho 5 e obtivemos os seguintes resultados: 4289, dp(md) = 2.72, E(md) = 166,88, Var(md) = | Xayp) = 160, X90) = MAX (Xs vey Kayo) = uy = min(X), a pensar que a distribuigdo amostral de md Observando os resultados somos levados 11 = 167 ¢ desvio padrio menor do deve ser préxima de uma normal, com média proxima de que o= 5, Veja a Figura 10.3. Voltaremos a falar na distribuigdo da mediana amostral em segdes futures270 CAPITULO 10 — INTRODUGAO A INFERENCIA ESTATISTICA a Figure 10.3: Distribuigéio amostral da mediana, obtida de 200 amostras de tamanho 5 de X ~ N (167; 25). = 1645 166,5 1685 1705 1725 md 8 once ee 4. Usando os dados da Tabela 10.2, construa a distribuigéo amostral da estatistica DO - xP a @e 5. No problema 3, se X indicar 0 némero de filhos na populagéo, X, 0 némero de filhos observados na primeira extracGo e X, na segunda: (a) calcule a média e a varidncia de X; (b) calcule E(X,) e Var(X), i= 1, 2; (6) construa a distribuicéio amostral de X = Oe), (d) calcule E(X) e Var(X); 3 (e) faca num mesmo gréfico os histogramas de X e de X; A construa os cistribuicdes amostrais de S*= D(X, - XP e 6 =I2. (x - H i; (g) baseado no resultado de (f), qual dos dois estimadores vocé usaria para estimar a variéncia de X? Por qué? (h) colcule P(X - | > 0. 6 Ainda com os dados do problema 3, e para amostras de tamanho 3 (0) determine a distribuigao amostral de X e faca o histograma; (b) calcule a média e varidncia de X; (c) calcule P(X - yl > 1). (d) se as amostras fossem de tamanho 4, a P(X H| > D seria maior ov menor do que © probabilidade encontrada em (c)? Por qué?