Escolar Documentos
Profissional Documentos
Cultura Documentos
CMIP- DE
Centro de SANTA eCATARINA
Metrologia Inovação em Processos
Distribuições Amostrais
Profª Andréa
Amostragem e Inferência Estatística
Ex.
amostragem
POPULAÇÃO: todos
os possíveis
consumidores AMOSTRA: um
subconjunto dos
consumidores
inferência
Estatística Inferencial
Parâmetros Estatísticas
Proporção
n o de elementos com o atributo ˆ n o de elementos com o atributo
p= P=
N n
Média N
1
=
N
xi 1 n
X = Xi
i =1
n i =1
Variância
( )
N
(x i − )
1 1 n
= i
2
S = −
2 2 2
X X
N i =1 n − 1 i =1
Distribuições Amostrais
Estudamos anteriormente medidas estatísticas como média e
desvio padrão que caracterizam uma amostra e cujos
valores variam de uma amostra a outra.
No nosso exemplo:
Para estudar o efeito da amostragem sem reposição vamos repetir nosso exemplo
com amostras de tamanho 2, sem reposição.
N −n
x = Quando (n/N) > 5% utiliza-se o fator de
correção
n N −1
Distribuição Amostral de Médias
No nosso exemplo temos:
N − n 4,47 4−2
x = = = 2,58
n N −1 2 4 −1
Distribuição Amostral de Médias-Exemplo
Vamos resolver
Distribuição Amostral de Médias-Exemplo
x = e =
x n
x = 50
12
= =2
x 36
Teorema Central do Limite
Solução do item a-) Estamos com um valor individual, x = 490 gramas, de uma
população normalmente distribuída com média populacional μ = 500 gramas e
desvio padrão populacional de 22 gramas. Transformando o peso de 490 gramas
para a variável padronizada, z, correspondente, temos:
Vamos resolver
Determinando Probabilidades a Partir da Distribuição Amostral de Médias
Solução do item a-) Estamos com um valor individual, x = 490 gramas, de uma
população normalmente distribuída com média populacional μ = 500 gramas e
desvio padrão populacional de 22 gramas. Transformando o peso de 490 gramas
para a variável padronizada, z, correspondente, temos:
Solução do item b-) Como neste caso estamos lidando com a média de
uma amostra de 20 pacotes usaremos o teorema central do limite: Como a
população original tem distribuição normal o teorema central do limite nos
garante que a distribuição das médias amostrais também apresentará
distribuição normal. Neste caso, temos
Vamos resolver
Determinando Probabilidades a Partir da Distribuição Amostral de Médias
Solução do item b-) Como neste caso estamos lidando com a média de
uma amostra de 20 pacotes usaremos o teorema central do limite: Como a
população original tem distribuição normal o teorema central do limite nos
garante que a distribuição das médias amostrais também apresentará
distribuição normal. Neste caso, temos
com p + q = 1
E( X ) = n. p
X :B ( n , p )
Var( x) = n . p . q
E ( pˆ ) = p Ou pˆ = p
^ pq pq
Var( p ) =
n
pˆ = Com reposição
n
Distribuição Amostral da Proporção
pq N −n
pˆ = Sem reposição
n N −1
Distribuição Amostral da Proporção : Ex1
Determine a média da distribuição de proporções amostrais, quando a proporção na
população é 72,3%
Solução
pˆ = p
pˆ = 72,3
pq (0,6).(0,40)
pˆ = = pˆ = = 0,049
n 100
Distribuição Amostral da Proporção – Ex2
Verificou-se que 2% das ferramentas produzidas por uma certa máquina são
defeituosas. Qual a probabilidade de que, em uma remessa de 400 dessas
ferramentas, 3% ou mais revelarem-se defeituosas?
Solução
pˆ = p
pˆ = 0,02
pq (0,02).(0,98)
pˆ = = pˆ = = 0,007
n 400
Como n>30 pode-se utilizar a distribuição normal, então