Escolar Documentos
Profissional Documentos
Cultura Documentos
Licenciatura em Economia
2 / 24
População vs Amostra
3 / 24
Amostragem
4 / 24
Métodos de Amostragem
6 / 24
Distribuição conjunta de uma amostra aleatória
↓
Amostra observada (x1 , x2 , · · · , xn )
↓
A função massa(densidade) de probabilidade conjunta da a.a. é
dada por
n
Q
f(X1 , X2 , ··· ,Xn ) (x1 , x2 , · · · , xn ) = fX (xi )
i=1
7 / 24
Distribuição conjunta de uma amostra aleatória
8 / 24
Distribuição Amostral
9 / 24
Principais Distribuições Amostrais
10 / 24
Distribuição Amostral da Média: População normal e σ2 conhecida
σ
X ∼ N(µ, √ )
n
11 / 24
Distribuição Amostral da Média: Teorema Limite Central
12 / 24
Distribuição Amostral da Média: Teorema Limite Central
Consequentemente, quando n → ∞,
σ √ X −µ
X ∼N(µ,
˙ √ )⇒ n ˙ 0, 1)
∼N(
n σ
14 / 24
Distribuição Amostral da Média (cont.)
15 / 24
Distribuição Amostral da Média (cont.)
√ X −µ
n ∼N
˙ 0, 1
S
S
X ∼N
˙ µ, √
n
16 / 24
Distribuição Amostral da Proporção
n
P
Xi
i=1
P̂ = X = n = proporção amostral = proporção de sucessos na amostra
np(1−p)
⇒ E [P̂] = p e Var[P̂] = n2
p̂ = n0 , n1 , n2 , ..., 1
n n−np̂
fP̂ (p̂) = Cnp̂ p np̂ (1 − p) ,
proporção.
18 / 24
Triola, M.F. et al. (2019) p.255
19 / 24
Distribuições Amostrais para duas populações
20 / 24
Distribuições Amostrais duas populações (cont.)
P̂1 − P̂2 − (p1 − p2 )
P̂1 − P̂2 n1 , n2 ≥ 30 Z= q ∼N
˙ (0, 1)
p1 (1−p1 )
n1 + p2 (1n−p
2
2)
Pop. Bernoulli
21 / 24
Exercícios
23 / 24
Exercícios
24 / 24