Escolar Documentos
Profissional Documentos
Cultura Documentos
Campina-Grande
Agosto de 2023 1 / 16
Inferência Estatı́stica: Distribuições Amostrais Sob Normalidade e Para Proporção
Distribuições Amostrais Sob Normalidade
2 / 16
Inferência Estatı́stica: Distribuições Amostrais Sob Normalidade e Para Proporção
Distribuições Amostrais Sob Normalidade
3 / 16
Inferência Estatı́stica: Distribuições Amostrais Sob Normalidade e Para Proporção
Distribuições Amostrais Sob Normalidade
(n − 1)S 2
∼ χ2(n−1) , (3)
σ2
1
Pn
com S 2 = n−1 i=1 (Xi − X )2 (Variância Amostral).
√
Observação.: S = S 2 é chamado de Desvio Padrão Amostral.
4 / 16
Inferência Estatı́stica: Distribuições Amostrais Sob Normalidade e Para Proporção
Distribuições Amostrais Sob Normalidade
5 / 16
Inferência Estatı́stica: Distribuições Amostrais Sob Normalidade e Para Proporção
Distribuições Amostrais Sob Normalidade
Note que
X −µ
√
X −µ σ/ n
T = √ = .
S/ n S/σ
X −µ
O numerador √
σ/ n
é uma v.a. N(0, 1).
χ2(n−1)
O denominador S/σ é a raiz de uma v.a. n−1 .
6 / 16
Inferência Estatı́stica: Distribuições Amostrais Sob Normalidade e Para Proporção
Distribuição Amostral da Proporção
7 / 16
Inferência Estatı́stica: Distribuições Amostrais Sob Normalidade e Para Proporção
Distribuição Amostral da Proporção
Pn
Ou seja, Y = i=1 Xi .
MX (t) = E (e tXi ) = (1 − p) + e t p.
Assim,
8 / 16
Inferência Estatı́stica: Distribuições Amostrais Sob Normalidade e Para Proporção
Distribuição Amostral da Proporção
Então,
Y k
P(Y = k) = P =
n n
k
= P p̂ = .
n
9 / 16
Inferência Estatı́stica: Distribuições Amostrais Sob Normalidade e Para Proporção
Distribuição Amostral da Proporção
Para a variável aleatória p̂ = Y /n, temos pelo TCL que para n grande,
então
p(1 − p)
pb ≈ N p, .
n
Pn
Observação: Se Y = i=1Xi , então
Pn
Y Xi
p̂ = = i=1 = X,
n n
em que
p(1 − p)
E (p̂) = p e Var(p̂) = .
n
10 / 16
Inferência Estatı́stica: Distribuições Amostrais Sob Normalidade e Para Proporção
Distribuição Amostral da Proporção
11 / 16
Inferência Estatı́stica: Distribuições Amostrais Sob Normalidade e Para Proporção
Determinação do Tamanho de uma Amostra
P(|X − µ| ≤ ε) = γ,
com 0 < γ < 1 e ε > 0 é o erro amostral máximo que podemos suportar,
γ e ε fixados.
Como
σ2
X ≈ N µ, ,
n
para n → ∞, então
σ2
X − µ ≈ N 0, .
n
12 / 16
Inferência Estatı́stica: Distribuições Amostrais Sob Normalidade e Para Proporção
Determinação do Tamanho de uma Amostra
Portanto,
γ = P(|X − µ| ≤ ε)
= P(−ε ≤ X − µ ≤ ε)
ε X −µ ε
= P − √ ≤ √ ≤ √
σ/ n σ/ n σ/ n
√ √
nε nε
≃ P − ≤Z ≤
σ σ
√
nε
= 2P 0 ≤ Z ≤ .
σ
√
nε γ
⇔P 0≤Z ≤ = ,
σ 2
σ 2 zγ/2
2
n = .
ε2
(c) Neste caso, qual deve ser o valor de δ para que P(|e| > δ) = 0, 01?
(d) Qual deve ser o tamanho da amostra para que 95% dos erros
amostrais absolutos sejam inferiores a 1 unidade?
15 / 16
Inferência Estatı́stica: Distribuições Amostrais Sob Normalidade e Para Proporção
Determinação do Tamanho de uma Amostra
16 / 16