Função de Distribuição Amostral

e Método de Momentos

Armando Castelar
 Modelo Estatístico
Função de Distribuição Amostral e Método de Momentos

Slide 1: Modelo Estatístico

1. Modelo Amostral: Amostra aleatória simples com população infinita:

!! , !! , ⋯ !! são variáveis aleatórias independentes e identicamente
distribuídas è i.i.d.
2. Modelo Probabilístico Paramétrico: Φ = ! !, ! ; !"Θ

Slide 2: Função de distribuição da amostra

Resulta daí que a função de distribuição amostral pode ser escrita como:

!
 Função de distribuição da amostra
Slide 2: Função de distribuição da amostra

Resulta daí que a função de distribuição amostral pode ser escrita como:

! !, ! = ! !! , !
!!!

Exemplo: Seja !! , !! , ⋯ !! uma amostra aleatória simples com distribuição comum

Poisson com parâmetro !. Obtenha a função de distribuição amostral.

!
!!! ! !! ! !! !!"
!
! !, ! = =
!! ! !! !
!!!

Slide 3: Estimador

Slide 4: Métodos de estimação

 A amostra é um vetor de var
(p.ex., a altura média de todos os alunos e alunas da UFRJ)

Estimador
– x é um vetor com n elementos
– Θ , o espaço paramétrico, é conhecido

– Θ, o espaço paramétrico,
– ! éédesconhecido
conhecido
Rx= Conjunto de todos os possíveisA amostra é um vetor de variáveis aleatórias: ! = !! ,
– θ é desconhecido
valores que a amostra pode assumir.
Ex.: todos os possíveis conjuntos de 30
alunos da UFRJ
!! , ⋯ !!
! !
Φ = ! !, ! ; ! ! Θ
• No modelo paramétr
Espaço! . paramétrico
• No modelo paramétrico:

! !– f(.) é conhecida,
– x é um vetor!com – f(.) é conhecid
! . n, !! .
elementos
– Θ, o espaço paramétrico, é conhecido
x
! .– θ é desconhecido – x é um vetor c
!! ! , !! !
! !

Θ! Θ! – !! é. um núme
(p.ex., a altur
!! !!
Rx – Θ, o espaço p
! ! é um estimador de !
– ! é desconhe
 ! !
!!!

ide 3: Estimador
Métodos de estimação

ide 4: Métodos de estimação

• Um método de estimação é, como sugere o nome, um conjunto de passos a

serem seguidos para gerar um estimador. É como se fosse uma espécie de
“receita de bolo”
• Determinados métodos são preferidos e utilizados por levarem a estimadores
com boas probabilidades. Assim, sempre que estudarmos um método, temos
de também analisar suas propriedades.

ide 5: Método dos momentos

 Métodos de estimação

• Método de momentos

• Método de máxima verossimilhança

• Método de mínimos quadrados

• Estimador não-viciado uniformemente de mínima

variância
 Método dos momentos

1. Defina o parâmetro de interesse como uma função dos momentos

populacionais:
! = ! !! , !! , ⋯ , !!
onde !! = ! !! , !! = ! !!! , ⋯ !! = ! !!!
2. Obtenha os momentos amostrais correspondentes:
! ! ! ! !
!!! !! !!! !! !!! !!
!! = !
, !! = !
, ⋯ , !! = !

3. O estimador de momentos é a função obtida em (1), mas com os momentos

amostrais substituindo os momentos pulacionais:
! ! = ! !! , !! , ⋯ , !!

Slide 6: Exemplo
 Seja !! , !! , ⋯ !! uma amostra aleatória simples com distribuição comum ! !, !
Slide 6: Exemplo Exemplo
Sabemos que esses dois parâmetros podem ser escritos como:
Seja !! , !! , ⋯ !! uma amostra aleatória simples com distribuição comum ! !, ! ! .
! = !! = ! !!
Sabemos que esses dois parâmetros podem ser escritos como:
! ! = !! − !!!
! = !! = ! !!

Slide 7: Exemplo (cont.)

! ! = !! − !!!

Segue daí que esses dois parâmetros podem ser estimados pelo método de
Slide 7: Exemplo (cont.)
momentos como:
Segue daí que esses dois parâmetros podem ser estimados pelo método de
momentos como: !!
! = !! = =!
!
!!
! = !! = = !! !
! ! = !! − !!!! =
!
− !!
!
!
!!!
 Propriedades do estimador de momentos
Slide 8: Propriedades do estimador de momentos

Os estimadores de momentos têm duas boas propriedades:

(i) Eles são simples de obter. Como veremos à frente, outros métodos têm mais
passos, também mais complexos de executar.

(ii) Eles são consistentes. Ou seja, se ! ! é o estimador de momentos de !,

!
então ! ! !

Desvantagem: o estimador de momentos não é único.

Exemplo: Seja !! , !! , ⋯ !! uma amostra aleatória simples com distribuição comum

Poisson com parâmetro !. Então, ! !! = !! = !, mas também
!"# !! = !! − !!! = !. Podemos usar as duas expressões para estimar ! e os
resultados em geral serão diferentes.
 Outros métodos de estimação

• Método de máxima verossimilhança

• Estimador de mínimos quadrados

• Estimador não-viciado uniformemente de mínima

variância
OBRIGADO