Estimação pontual e intervalar

Prof. Dr. Wagner A. Pansera

Estatística
Parâmetros
 Estimador e Estimativa
• Seja (X1 . . . , Xn) uma amostra aleatória de
uma população X indexada pelo parâmetro θ.
Um estimador de θ é uma estatística T = T(X 1, .
. . , Xn) usada para estimar θ.

• O valor observado de um estimador em cada

amostra concreta t = T(x1, . . . , xn) é conhecido
por estimativa.
Propriedades
 Análise
• Um resumo da qualidade (exatidão e precisão)
dos jogadores:

• Exatidão = concordância das observações com

o valor visado.
• Precisão = concordância das observações
entre si.
 Erros
• Exatidão está associada aos erros sistemáticos,
e.g., deficiências de instrumentos de medição,

• Precisão se reporta aos erros aleatórios que

são responsáveis por pequenas variações
imprevisíveis nas medições realizadas, cujas
causas não são completamente conhecidas.
 Propriedades

• A média amostral e variância amostral são

estimadores centrados dos respectivos
populacionais.
Propriedades
Propriedades
 Intervalos de Confiança
• O objetivo central da Inferência Estatística é
obter informações para uma população a
partir do conhecimento de uma única
amostra.

• Considerar a variabilidade do estimador, ou

seja, sua distribuição amostral.
 Intervalos de confiança
• É importante informar também que o
verdadeiro valor do parâmetro θ poderia estar
num determinado intervalo.

• Margem de erro no processo de estimação

• Consequência do processo de seleção

aleatória da amostra.
 Intervalo de confiança

• O valor 1−α é chamado nível de confiança,

enquanto o valor α é conhecido como nível de
significância.
• O intervalo [θ-erro;θ+erro] é chamado de
intervalo de confiança de nível de confiança 1 − α.
Intervalo de confiança
Intervalo de Confiança
 Intervalo de confiança
• Intervalos de confiança são usados para
indicar a confiabilidade de uma estimativa.
• Por exemplo, um IC pode ser usado para
descrever o quanto os resultados de uma
pesquisa são confiáveis.
• Uma pesquisa que resulte num IC pequeno é
mais confiável do que uma que resulte num IC
maior.
 IC / Média

• Quando queremos estimar a média de uma

população através de uma amostra temos dois
casos distintos a considerar:
• Variância da população é conhecida e quando
ela é desconhecida
 IC / Média
• Considerar uma AAS obtida de uma população
normal com média (µ) e variância (σ2)
conhecidas.

 2  X 
X ~ N   ,  Z ~ N 0,1
 n  

• A variável Z tem distribuição normal

padronizada.
 IC / Média

   
IC  ,1      X  Z 2 ; X  Z 2 
 n n
IC / Média
 Exemplo
• O projetista de uma indústria tomou uma
amostra de 36 funcionários para verificar o
tempo médio gasto para montar um
determinado brinquedo.
• Sabendo que média amostral foi de 19,9 e o
desvio padrão de 5,73, construir um intervalo
de confiança de nível 95% para média
populacional.
 Exemplo
• Sabe-se que os diâmetros internos usados no
trem de pouso de aviões têm um desvio
padrão de 0,002 cm. Uma amostra aleatória
de 15 rolamentos acusa um diâmetro interno
médio de 8,2535cm.
• Construa o intervalo de confiança bilateral de
nível 99%.
• Construa o intervalo de confiança unilateral a
esquerda com 1% de significância.
 Exemplo
• Um engenheiro precisa determinar o tamanho
amostral de um lote de blocos de concreto.
Seu objetivo é obter a resistência a
compressão dos blocos. Sabe-se que a
margem de erro não deve ser superior a 3
MPa e o σblocos = 5 Mpa.
• Determinar o número de blocos amostrados
para 90, 95, 99 e 99,9% de IC.
 IC / Média
• Tendo os conceitos básicos sobre intervalos de
confiança, vamos agora tratar uma situação mais
realista: quando a variância da população é
desconhecida.
• Consideremos uma AAS de uma população com
distribuição normal, com média µ e variância σ2
deconhecidas.
• Como neste caso a variância é desconhecida,
utilizaremos a variância amostral S2 no lugar de σ2.
 IC / Média
• Portanto:

X 
T ~ t n  1
S
n
 Exemplo
• Foram realizados testes glicêmicos em 25
pacientes após um jejum de 8 horas.
Encontrar um intervalo de confiança de nível
95% .
 Distribuições: t x Normal
• Depende basicamente do tamanho amostral

• Normal: Amostras grandes

• t-student: Amostras pequenas

 Exemplo
• De uma população normal com média e
variância desconhecidas, extrai-se uma
amostra de tamanho 6 obtendo-se média 12 e
s2 = 49.
• Obtenha um intervalo de confiança para a
verdadeira média populacional, utilizando o
nível de confiança de 95%.
• Compare as distribuições t e Normal.
 Exemplo
• A partir de uma amostra aleatória simples de
tamanho n = 30, os seguintes valores foram
obtidos: média 12,36 e s2 = 132,56.

• Obtenha um intervalo de confiança de nível de

confiança 95% para a média populacional.

• Compare as distribuições t e Normal.

 IC
• É importante notar que existem
procedimentos para construção de intervalos
de confiança para outros parâmetros, tal
como a variância de uma população normal,
diferença entre médias, etc.

• O procedimento é análogo; o que muda é a

distribuição amostral.
 IC / Variância

• Este intervalo se baseará na distribuição

amostral de um estimador não-viesado para
σ2, a saber, S2.
• Como a variância é um número não negativo,
essa distribuição não é simétrica e está
definida apenas para valores não-negativos.
 IC / Variância
• A partir de uma amostra aleatória simples
retirada de uma população normal com média
μ e variância σ2 queremos construir um
intervalo de confiança para σ2.
 Exemplo
• De uma população normal com média e
variância desconhecidas, extrai-se uma
amostra de tamanho 15 obtendo-se Média =
12 e s2 = 49. Obtenha um intervalo de
confiança para a variância populacional,
utilizando o nível de confiança de 95%.
 Exemplo
• A tabela abaixo apresenta dados de ruptura de
corpos de prova de concreto aos 28 dias.
Pede-se: estimar o IC da variância.
i Tensão (Mpa)
1 19,9
2 20,8
3 32,0
4 28,8
5 23,1
6 16,3