ESTATÍSTICA MATEMÁTICA II

Inferência estatística, estimação de parâmetros

Jamal Nacir Tagir

AMOSTRAGEM
 População − ej o conjunto de indivíduos ou objectos que
apresentam pelo menos uma característica em comum.
 Amostra − uma parte da população para estudo.

 Amostragem − Ej como eu recruto a minha amostra e

que procedimento devo usar para recrutar a população
que participaram da minha amostra.
 Erro amostral − Diferença entre o resultado da amostra e
o verdadeiro valor da população.
𝑒=𝑋̅−𝜇
AMOSTRAGEM
 Erros não amostrais ej quando os dados são colectados
incorrectamente.
 Parâmetro − medida populacional, te valor único.

 Estimador − estatística de um parâmetro como função

dos elementos da amostra.
 estimativa − valor numérico do estimador apartir de uma
amostra.
ESTIMAÇÃO DE PARÂMETROS
 Estimação pontual da média populacional (𝝁)
Para fazer uma estimação pontual a gente usa as seguintes
formulas.
De media

desvio padrão e variância

ESTIMAÇÃO DE PARÂMETROS
 Parâmetro: p (proporção populacional) dados: x: número
de ocorrências de uma certa característica numa amostra
aleatória de tamanho n
 estimador:

 erro padrão da proporção:

 A mostragem sem reposição de população finita:

ESTIMAÇÃO DE PARÂMETROS
Propriedades dos estimadores.
 Consistência é uma propriedade por meio da qual a
acurácia de uma estimativa aumenta quando o tamanho
da amostra
 Não viciado ou não viesado (não tendencioso) menta
Não viciado é uma propriedade que assegura que, em
média, o estimador é correto. O estimador 𝜃 ̂é chamado
não viciado ou imparcial se seu valor esperado ou médio
for igual ao verdadeiro valor do parâmetro, 𝜃, isto é, 𝐸(𝜃
̂) = 𝜃. Qualquer estimador 𝜃 ̂, para o qual 𝐸(𝜃 ̂) = 𝜃 +
𝑏(𝜃), com𝑏(𝜃) ≠ 0, é chamado viciado; a quantidade 𝑏(𝜃)
é chamada vício ou viés.
MÉTODOS DE MOMENTOS OU
VEROVIZINHANCA
 Função de verosimilhança A função 𝑝(𝜃,𝑋) é chamada
de função verosimilhança quando na função da
distribuição fixamos o valor de 𝑋 e fazemos variar 𝜃, de
forma que 𝐿(𝑋,𝜃ˆ(𝑋)) = 𝑝(𝑋,𝜃ˆ (𝑋)) = 𝑚𝑎𝑥{𝑝(𝑋,𝜃ˆ (𝑋);
∀𝜃 ∈ 𝛩} = 𝐿(𝑋,𝜃ˆ (𝑋,𝜃)).  Cálculo do estimador de
máxima verosimilhança
 𝜕𝜆𝑛[𝑝(𝑥,𝜃)] ∕ 𝜕𝜃 = 0
TÉCNICAS DE AMOSTRAGEM
 Os criterios a ser adptados para a selecao da amostra são
divididas em
 Amostragem não probabilística (determinista)

 Amostragem probabilística (aleatória)

 Amostragem probabilística os elementos da amotra são

selecionados de forma não aleatória, não se pode fazer
inferência sobre a população com base nos resultados
amostrais.
 Amostragem probabilística (aleatória) composto por
elementos que são retirados aleatoriamente da
população, permite que seja feita inferencia sobre a
populacao a partir dos resultados obtidos na amostra.
TIPOS DE AMOSTRAGEM ALEATÓRIA
 Casual cada elemento da população tem a mesma
probabilidade de ser seleccionada
 Estratificada ela consiste em dividir a populaça em
estratos em partes que utilizam de informações
especificas. Ex. sexo, idade, nível de escolaridade e sócio
económico. A partir desta selecao em estratos serão
seleccionadas amostras aleatórias simples dentro de cada
estrato.
 Sistemática ej aquela que se faz composto por elementos
que serão seleccionados não por acaso mais apartir de
uma regra pre estabelecida. Ex. pessoas com problemas
ortopédicos, procura se uma clínica de ortopedia.
TIPOS DE AMOSTRAGEM ALEATÓRIA
 Conglomeradas subdivide se em área a ser pesquisada
em por exemplo. Bairros, quarteiros e domicílios.
 Estas unidades podem ser sorteadas aleatoriamente para
compor amostragem, esta técnica pode ser decomposta
em
 Selecção aleatória dos conglomerados

 Selecção aleatórias dos elementos de cada

conglomerado.
ou você separa aleatoriamente como um todo ou você
selecciona o elemento aleatório de cada conglomerado.