Estatstica

Dados valores (amostras) de variveis

aleatrias X1, X2, ..., Xn, cuja distribuio
conjunta desconhecida, inferir
propriedades desta distribuio.

Estatstica
Situao mais comum: X1, X2, ..., Xn so
i.i.d. (formam uma amostra aleatria
simples), com distribuio comum F,
conhecida a menos do parmetro
(estatstica clssica paramtrica).
Outras modalidades de inferncia: no
paramtrica, bayesiana

Estimativa Pontual
Estimar por meio de uma estatstica
( X1, X 2 ,..., X n )

Exemplo
Os txis em uma cidade so numerados de 1 a N,
onde N desconhecido. Estimar N, por meio de
uma amostra dos nmeros dos txis que passam
em um determinado ponto (por exemplo:

Mais conveniente considerar a verso contnua:

X1, X2, ..., Xn i.i.d. U[0, .

Estimadores Razoveis
1 2 X

2 max( X1, X 2 ,..., X n )

Critrios para Avaliar

Estimadores
Vcio (ou vis ou tendncia ou bias)
B ( ) E ( )

O estimador no-viciado quando a tendncia

igual a zero para todo .

Erro mdio quadrtico

EMQ ( ) E ( ) 2

O erro mdio quadrtico de um estimador noviciado igual sua varincia

Exemplo
Dos estimadores do exemplo anterior, qual
o melhor?

Mtodo da Mxima
Verossimilhana
O estimador escolhido de modo a maximimizar a
funo de verossimilhana

arg max p (x, ) arg max log p (x, )

onde p(x, ) a probabilidade (ou densidade) de se

observar a amostra x1, x2, , xn quando o
parmetro igual a

Exemplo
X1, X2, ..., Xn i.i.d. Bernoulli ()

Exemplo
X1, X2, ..., Xn i.i.d. N(, 2)

Qual o melhor estimador?

Sonho de consumo
Um estimador no viciado que possua menor
varincia que qualquer outro, para todo valor de
(ENVUMV).
H teoremas que permitem obter, em certos
casos, estes estimadores.

Alguns ENVUMVs
Distribuio

ENVUMV

Bernoulli ()

Normal (, )
2

X ,

2
2
2
(Xi X )
X i nX
S

n 1
n 1
2

Uniforme ()

n 1

max( X i )
n

Poisson ()

Exponencial ()

Observao
Embora existam ENVUMVs para as distribuies
clssicas, em geral sequer h estimadores no
viciados.
Por esta razo, o mtodo geral para obteno de
bons estimadores o mtodo da mxima
verossimilhana.
H teoremas que garantem que tais estimadores
so assintoticamente no viciados e de mnima
varincia.

Estimao Bayesiana
Utiliza uma distribuio de probabilidade a priori
() para o parmetro
Modelagem de crenas (beliefs).
Subjetividade

Distribuio das observaes vista como

distribuio condicional (p(x, ) p(x | ) )
Inferncias baseadas na distribuio a posteriori de
dados X1, X2, ..., Xn

Critrios de Estimao
Mximo a posteriori (MAP):
arg max p( | x)
( ) p(x | )
arg max
( ) p(x | )
arg max ( ) p (x | )

)
p
(
x
|

)
ou

)
p
(
x
|

Critrios de Estimao
Estimador de Bayes
arg min ' E ( L( , ' ) | x)

onde L(, ) uma funo de perda.

No caso da perda quadrtica L(, ) = ( )2
E ( | x)
( ) p(x | )

( ) p(x | )

ou

( ) p(x | )
( ) p(x | )