Tópico 8 – Distribuição de

Amostragem

Viviane Bastos

1
8.1 – Estatísticas e Parâmetros
• A estatística é uma características da amostra
=>Média da amostra;
=>Variância da amostra;
=>Menor valor da amostra;
=>Maior valor da amostra;
=>Amplitude amostral;

• Um parâmetro é uma medida usada para

descrever uma característica da população.

2
8.1 - Estatísticas e Parâmetros

3
8.2 – Distribuições Amostrais
• Quase sempre, desejamos fazer inferências que são
baseadas em estatísticas calculadas a partir de amostras
para estimar os valores dos parâmetros da população.

• Na prática, nós selecionamos uma amostra de tamanho n de

uma população e calculamos a estatística de interesse. Em
seguida, calculamos a mesma estatística para todas as
amostras possíveis, de mesmo tamanho, retiradas da
mesma população.

• A distribuição de amostragens é a distribuição dos

resultados caso você tenha efetivamente selecionado todas
as amostras possíveis
4
Exemplo 1
A tabela abaixo apresenta o número de erros cometidos por
todos os 4 assistentes de uma determinada equipe.

Média =

Desvio-Padrão=

Quantas amostras, com reposição, diferentes de tamanho 2

podemos selecionar?
5
 Assistente Número de Erros
Exemplo 1 Amostra 1 2 Assistente 1 Assistente 2 Média Amostral
1 Ann Ann
2 Ann Bob
3 Ann Carla
4 Ann Dave
5 Bob Ann
6 Bob Bob
7 Bob Carla
8 Bob Dave
9 Carla Ann
10 Carla Bob
11 Carla Carla
12 Carla Dave
13 Dave Ann
14 Dave Bob
15 Dave Carla
16 Dave Dave
6
8.3 – Distribuição de Amostragem de Média
• A média aritmética da amostra (𝑋) ത é, de modo geral, utilizada
para estimar a média aritmética da população.

• Como vimos no exemplo anterior, a media aritmética é isenta de

viés. Ou seja, a media aritmética de todas as possíveis médias
amostrais de um determinado tamanho, n) é igual a média
aritmética populacional (µ).

• O desvio-padrão para as médias e todas as amostras possíveis de

tamanho n, retirada, com ou sem reposição, de populações
grandes ou infinitas, é igual a

𝜎
𝜎𝑋ത =
𝑛
7
8.3 – Distribuição de Amostragem de Média
• Agora que temos definido a média amostral e o seu
desvio padrão, que tipo de distribuição seguirá a média
amostral?
• Se a população segue uma distribuição normal com
média μ e desvio padrão σ, a distribuição amostral de X
é também normalmente distribuída com

μX = μ e σX =
σ
n

𝜎2
X~𝑁(𝜇, )
𝑛
8
8.3 – Distribuição de Amostragem de Média
• Nós também podemos aplicar o Teorema do Limite Central:

❖ Mesmo que a população não seja normal, a distribuição

amostral da média será aproximadamente normal se o
tamanho da amostra for suficientemente grande.

❖ Para maior parte das distribuições, n > 30 nos dá a

distribuição amostral bem próxima da distribuição
normal.

❖ Para distribuição simétrica, n > 15

9
8.3 – Distribuição de Amostragem de Média

Distribuição Normal
μx = μ
da População
X~𝑁(𝜇, 𝜎 2 )

μ x
Distribuição Normal
da Amostra 𝜎2
X~𝑁(𝜇, )
(Tem a mesma média) 𝑛

μx
x
8.3 – Distribuição de Amostragem de Média
Se a população da qual se extraem as amostras tem
distribuição normal com média m e variância s2.
𝜎2
X~𝑁(𝜇, )
𝑛

Então ,

𝑋ത − 𝜇
~𝑁(0,1)
𝜎/ 𝑛
11
8.3 – Distribuição de Amostragem de Média
• Transformação em Normal Padrão

( X − μX ) ( X − μ)
Z= =
σX σ
n

onde: X = média amostral

μ = média populacional
σ = desvio-padrão populacional
n = tamanho da amostra

12
8.4 – Distribuição de Amostragem de Média
𝟐
com a 𝝈 desconhecida
• Se 𝑋ത e S são a média e o desvio-padrão da amostra de
tamanho n extraída de uma população normalmente
distribuída com média m e variância s2 .

ത
𝑋−𝜇
• Então , ~𝑡𝑛−1
𝑆/ 𝑛

13
8.5 – Distribuição de Amostragem de
Médias de duas populações com variâncias
conhecidas
• Se 𝑋1 é a média de uma amostra aleatória retirada de uma
população com média m1 e variância 𝜎12 e 𝑋2 é a média de
uma amostra aleatória retirada de uma população com
média m2 e variância 𝜎22 .

• Assuma que as duas populações são independentes.

• Então ,
(X 1 )
− X 2 − (m1 − m 2 )
~ N (0,1)
s 12 s 22
+
n1 n2
14
8.6 – Distribuição de Amostragem de
Médias de duas populações com variâncias
desconhecidas
• Se 𝑋1 é a média de uma amostra aleatória retirada de uma
população com média m1 e variância 𝜎12 e 𝑋2 é a média de
uma amostra aleatória retirada de uma população com
média m2 e variância 𝜎22 .

• Assuma que as duas populações são independentes.

(X 1 )
− X 2 − (m1 − m 2 )
~t
• Então , S 2
S 2 n1+ n2 − 2
+
1 2
n1 n2

15
8.7 – Distribuição de Amostragem da
Proporção com 𝝈𝟐 conhecida
• Se 𝑝Ƹ é a proporção de uma amostra de tamanho n extraída
de uma população normalmente distribuída com
proporção p e variância 𝜎𝑝2 .

ො
𝑝−𝑝
• Então , ~𝑁(0,1)
𝜎𝑝2

16
8.8 – Distribuição de Amostragem da
𝟐
Proporção com 𝝈 desconhecida
• Se 𝑝Ƹ é a proporção de uma amostra de tamanho n extraída
de uma população normalmente distribuída com
proporção p.

ො
𝑝−𝑝
• Então , ~𝑡𝑛−1
ෝ (1−𝑝
𝑝 ෝ)
𝑛

• Quando a amostra é suficientemente grande, n𝑝Ƹ ≥

5 𝑒 𝑛𝑞ො ≥ 5, podemos utilizar a distribuição normal como
base.

17
 𝟐
8.9 – Distribuição de Amostragem de 𝝈
• Se 𝑋ത é a média da amostra de tamanho n extraída de uma
população normalmente distribuída com média m e
variância s2 .

(𝑛−1)𝑆 2
• Então , 2 ~𝜒𝑛−1
𝜎

18