Baixe o app para aproveitar ainda mais
Prévia do material em texto
Curso de Estatística Prof. Leudo Probabilidade Probabilidade – Métodos de Estimação Inferência Por meio da teoria das proabilidads Monitoração de Parâmetros Estatísticos Probabilidade – Métodos de Estimação Probabilidade – Métodos de Estimação Probabilidade – Métodos de Estimação Estimação por intervalo Probabilidade – Métodos de Estimação › Comportamento da média de amostras ഥ𝑿 com relação à média populacional 𝝁 : Considerando um erro de estimativa de 5%, então 95% das amostras contém o valor de 𝝁 𝑃𝑜𝑝𝑢𝑙𝑎çã𝑜 𝑋 𝐴𝑚𝑜𝑠𝑡𝑟𝑎 𝑛 𝜇; 𝜎2 𝑋 1 𝐴𝑚𝑜𝑠𝑡𝑟𝑎 𝑛 𝑋 2 ………………………. ………………………… 𝐴𝑚𝑜𝑠𝑡𝑟𝑎 𝑛 𝑋 𝑘 𝑋 −∞ 𝜇 ∞ 𝑋 1 ± 𝑒𝑟𝑟𝑜 𝑑𝑒 𝑒𝑠𝑡𝑖𝑚𝑎𝑡𝑖𝑣𝑎 𝑋 2 ± 𝑒𝑟𝑟𝑜 𝑑𝑒 𝑒𝑠𝑡𝑖𝑚𝑎𝑡𝑖𝑣𝑎 𝑋 𝑘 ± 𝑒𝑟𝑟𝑜 𝑑𝑒 𝑒𝑠𝑡𝑖𝑚𝑎𝑡𝑖𝑣𝑎 Estimação por intervalo 𝑋 −∞ 𝜇 ∞ 𝑋 1 ± 𝑒𝑟𝑟𝑜 𝑑𝑒 𝑒𝑠𝑡𝑖𝑚𝑎𝑡𝑖𝑣𝑎 𝑋 2 ± 𝑒𝑟𝑟𝑜 𝑑𝑒 𝑒𝑠𝑡𝑖𝑚𝑎𝑡𝑖𝑣𝑎 𝑋 𝑘 ± 𝑒𝑟𝑟𝑜 𝑑𝑒 𝑒𝑠𝑡𝑖𝑚𝑎𝑡𝑖𝑣𝑎 𝑋 −∞ 𝜇 ∞ 𝑋 1 ± 𝑒𝑟𝑟𝑜 𝑑𝑒 𝑒𝑠𝑡𝑖𝑚𝑎𝑡𝑖𝑣𝑎 𝑋 2 ± 𝑒𝑟𝑟𝑜 𝑑𝑒 𝑒𝑠𝑡𝑖𝑚𝑎𝑡𝑖𝑣𝑎 𝑋 𝑘 ± 𝑒𝑟𝑟𝑜 𝑑𝑒 𝑒𝑠𝑡𝑖𝑚𝑎𝑡𝑖𝑣𝑎 𝑋 −∞ 𝜇 ∞ 𝑋 1 ± 𝑒𝑟𝑟𝑜 𝑑𝑒 𝑒𝑠𝑡𝑖𝑚𝑎𝑡𝑖𝑣𝑎 𝑋 2 ± 𝑒𝑟𝑟𝑜 𝑑𝑒 𝑒𝑠𝑡𝑖𝑚𝑎𝑡𝑖𝑣𝑎 𝑋 𝑘 ± 𝑒𝑟𝑟𝑜 𝑑𝑒 𝑒𝑠𝑡𝑖𝑚𝑎𝑡𝑖𝑣𝑎 Probabilidade – Métodos de Estimação INTERVALO DE CONFIANÇA PARA A MÉDIA POPULACIONAL (𝜇) QUANDO A VARIÂNCIA (𝜎2) É CONHECIDA Sabemos que: - O estimador da média populacional (𝜇) é 𝑋; ഥ𝑿 = 𝑑 𝑁 𝜇; 𝜎2 𝑛 para as populações infinitas; - ഥ𝑿 = 𝑑 𝑁 𝜇; 𝜎2 𝑛 𝑁−𝑛 𝑁−1 para as populações finitas. Assim, para o caso de populações infinitas: 𝑍 = 𝑋−𝜇 𝜎 𝑛 ≈ 𝑁 0, 1 Para o caso das populações finitas: : 𝑍 = 𝑋−𝜇 𝜎 𝑛 𝑁−𝑛 𝑁−1 ≈ 𝑁 0, 1 Estimação por intervalos Se 𝑋 = 𝑑 𝑁 𝜇; 𝜎2 𝑍 = 𝑋−𝜇 𝜎 Probabilidade – Métodos de Estimação INTERVALO DE CONFIANÇA PARA A MÉDIA POPULACIONAL (𝜇) QUANDO A VARIÂNCIA (𝜎2) É CONHECIDA A distribuição Normal padronizada, para uma determinada confiabilidade, apresenta a seguinte formação gráfica: 1 − 𝛼𝛼 2 𝛼 2 Obs.: 𝟏 − 𝜶 é tido como “medida de confiabilidade” e representa a probabilidade de um dado valor de “𝑍” estar contido entre ±𝑍𝛼 2 ou seja: 𝑷 −𝒁𝜶 𝟐 ≤ 𝒁 ≤ 𝒁𝜶 𝟐 = 𝟏 − 𝜶. Geralmente se atribui aos termo 𝟏 − 𝜶 valores de probabilidade de 90%, 95%, 99%,..., etc. Estimação por intervalos −𝑍𝛼 2 0 𝑍𝛼 2 Z Probabilidade – Métodos de Estimação INTERVALO DE CONFIANÇA PARA A MÉDIA POPULACIONAL (𝝁) QUANDO A VARIÂNCIA (𝝈𝟐) É CONHECIDA Para o caso de populações infinitas, sabemos que: 𝑍 = 𝑋−𝜇 𝜎 𝑛 logo: 𝑷 −𝒁𝜶 𝟐 ≤ 𝒁 ≤ 𝒁𝜶 𝟐 = 𝟏 − 𝜶 ⇒ 𝑷 −𝒁𝜶 𝟐 ≤ 𝑋−𝜇 𝜎 𝑛 ≤ 𝒁𝜶 𝟐 = 𝟏 − 𝜶 ⇒ Resolvendo-se as duas inequações para 𝝁, tem-se o intervalo de confiança para a média populacional 𝝁 quando a variância 𝝈𝟐 é conhecida: 𝑷 ഥ𝑿 − 𝒁𝜶 𝟐 𝝈 𝒏 ≤ 𝝁 ≤ ഥ𝑿 + 𝒁𝜶 𝟐 𝝈 𝒏 = 𝟏 − 𝜶 Estimação por intervalos Probabilidade – Métodos de Estimação INTERVALO DE CONFIANÇA PARA A MÉDIA POPULACIONAL (𝝁) QUANDO A VARIÂNCIA (𝝈𝟐) É CONHECIDA Aplicação: Uma máquina enche pacotes de café com uma variância (𝜎2 ) igual a 100 𝑔2 . Ela estava regulada para encher os pacotes com 500 g, em média ( 𝜇 ). Agora ela está desregulada, e queremos saber qual a nova média 𝜇 . Uma amostra de 25 pacotes apresentou uma média ( 𝑋) igual a 498 g. Construa um intervalo de confiança com 95% de confiança para 𝜇. Sol.: Do problema, vemos que: 𝝈 = 100 = 10; 𝒏 = 25; ഥ𝑿 = 498; 𝟏 − 𝜶 = 95% = 0,95, logo: se 𝟏 − 𝜶 = 95% ⇒ 𝛼 = 5% = 0,05 ⇒ ⇒ 𝜶 𝟐 = 0,05 2 = 0,025. Então, deve existir um valor de 𝑍𝛼 2 tal que: 𝒁𝜶 𝟐 = 𝑍0,025 = 𝑍0,475 =? Estimação por intervalos −𝑍𝛼 2 0 𝑍𝛼 2 Z 0,95 0,025 0,025 0,475 0,475 Probabilidade – Métodos de Estimação INTERVALO DE CONFIANÇA PARA A MÉDIA POPULACIONAL (𝝁) QUANDO A VARIÂNCIA (𝝈𝟐) É CONHECIDA Sol.: (cont.) Então: 𝑷 ഥ𝑿 − 𝒁𝜶 𝟐 𝝈 𝒏 ≤ 𝝁 ≤ ഥ𝑿 + 𝒁𝜶 𝟐 𝝈 𝒏 = 𝟏 − 𝜶 ⇒ 𝑃 498 − 1,96. 10 25 ≤ 𝜇 ≤ 498 + 1,96. 10 25 = 0,95 ⇒ ⇒ 𝑃 498 − 1,96 10 5 ≤ 𝜇 ≤ 498 + 1,96 10 5 = 0,95 ⇒ 𝑃 498 − 3,92 ≤ 𝜇 ≤ 498 + 3,92 = 0,95 ⇒ ⇒ 𝑃 494,08 ≤ 𝝁 ≤ 501,92 = 0,95. Conclusão: Para amostras de tamanho 25, em 95% das vezes, os intervalos gerados conterão o verdadeiro valor do peso médio 𝝁 = 500 𝑔 dos pacotes de café. Estimação por intervalos −𝑍𝛼 2 0 𝑍𝛼 2 Z 0,95 0,025 0,025 0,475 0,475 𝑃𝑟𝑜𝑐𝑢𝑟𝑎 − 𝑠𝑒 𝑛𝑎 𝑡𝑎𝑏𝑒𝑙𝑎 𝑁𝑜𝑟𝑚𝑎𝑙 𝑢𝑚 𝑣𝑎𝑙𝑜𝑟 𝑑𝑒 𝒁 𝑐𝑜𝑟𝑟𝑒𝑠𝑝𝑜𝑛𝑑𝑒𝑛𝑡𝑒 à𝑠 á𝑟𝑒𝑎𝑠: 𝒁𝜶 𝟐 = 𝒁𝟎,𝟎𝟐𝟓 = 𝒁𝟎,𝟒𝟕𝟓 𝑁𝑎 𝑡𝑎𝑏𝑒𝑙𝑎 𝑒𝑠𝑠𝑒 𝑣𝑎𝑙𝑜𝑟 𝑑𝑒 𝒁𝜶 𝟐 é 𝑖𝑔𝑢𝑎𝑙 𝑎 𝟏, 𝟗𝟔. 𝐸 𝑚𝑎𝑖𝑠: 𝝈 = 10; 𝑿ഥ = 498 𝑒 𝒏 = 25. 498 ± 3,92 Probabilidade – Métodos de Estimação INTERVALO DE CONFIANÇA PARA A MÉDIA POPULACIONAL ( 𝝁 ) QUANDO A VARIÂNCIA ( 𝝈𝟐 ) É DESCONHECIDA Aplicação: De um grupo de 200 alunos da UECE que fizeram uma prova de Estatística, foi retirada uma amostra de 36 das notas obtidas: 9, 8, 10, 7, ... , 6, 4, 7, 4, 5, 8, 8, gerando uma nota média ( 𝑋 igual a 8,0 e desvio padrão ( 𝜎𝑋 , 2,0. Construir um intervalo de confiança para a verdadeira nota média da população a um nível de confiança de 96%. Sol.: Do problema, vemos que: 𝝈 = 2; 𝒏 = 36; ഥ𝑿 = 8; 𝟏 − 𝜶 = 96% = 0,96 logo: se 𝟏 − 𝜶 = 96% ⇒ 𝛼 = 4% = 0,04 ⇒ ⇒ 𝜶 𝟐 = 0,04 2 = 0,02. Então, deve existir um valor de 𝑍𝛼 2 tal que: 𝒁𝜶 𝟐 = 𝑍0,02 = 𝑍0,48 =? Estimação por intervalos −𝑍𝛼 2 0 𝑍𝛼 2 Z 0,96 0,02 0,020,48 0,48 Probabilidade – Métodos de Estimação INTERVALO DE CONFIANÇA PARA A MÉDIA POPULACIONAL ( 𝝁 ) QUANDO A VARIÂNCIA ( 𝝈𝟐 ) É DESCONHECIDA OBS.: Quando não se tem os valores dos parâmetros populacionais 𝜇; 𝜎2 , como é o caso do problema em questão, estima-se os mesmos através das seguintes relações: Média Aritmética: ഥ𝑿 = σ 𝑥𝑖 𝑛 Desvio padrão: 𝝈𝑿 = 𝑉𝑎𝑟 𝑋 Portanto: Do problema, vimos que: 𝑋 ={9, 8, 10, 7, ... , 6, 4, 7, 4, 5, 8, 8}, logo: Média Aritmética: ഥ𝑿 = σ 𝑥𝑖 𝑛 = 9+8+10+7+⋯+5+8+8 36 = 𝟖, 𝟎 Ε 𝑋 = 𝜇 Desvio padrão: 𝝈𝑿 = 𝑉𝑎𝑟 𝑋 = σ 𝑥𝑖 2 𝑛 − 𝑋 2 = 𝟐, 𝟎 Estimação por intervalos Probabilidade – Métodos de Estimação INTERVALO DE CONFIANÇA PARA A MÉDIA POPULACIONAL (𝝁) QUANDO A VARIÂNCIA (𝝈𝟐) É DESCONHECIDA Sol.: (cont.) Então: 𝑷 ഥ𝑿 − 𝒁𝜶 𝟐 𝝈 𝒏 ≤ 𝝁 ≤ ഥ𝑿 + 𝒁𝜶 𝟐 𝝈 𝒏 = 𝟏 − 𝜶 ⇒ 𝑃 8 − 2,05. 2 36 ≤ 𝜇 ≤ 8 + 2,05. 2 36 = 0,96 ⇒ ⇒ 𝑃 8 − 2,05 2 6 ≤ 𝜇 ≤ 8 + 2,05 2 6 = 0,96 ⇒ 𝑃 8 − 0,68 ≤ 𝜇 ≤ 8 + 0,68 = 0,96 ⇒ ⇒ 𝑃 7,32 ≤ 𝝁 ≤ 8,68 = 0,96 ⇒ 𝑃 7,3 ≤ 𝝁 ≤ 8,7 = 0,96. Conclusão: Para amostras de tamanho 36, em 96% das vezes, os intervalos gerados conterão o verdadeiro valor da nota média da prova. Estimação por intervalos −𝑍𝛼 2 0 𝑍𝛼 2 Z 0,96 0,02 0,02 0,48 0,48 𝑃𝑟𝑜𝑐𝑢𝑟𝑎 − 𝑠𝑒 𝑛𝑎 𝑡𝑎𝑏𝑒𝑙𝑎 𝑁𝑜𝑟𝑚𝑎𝑙 𝑢𝑚 𝑣𝑎𝑙𝑜𝑟 𝑑𝑒 𝒁 𝑐𝑜𝑟𝑟𝑒𝑠𝑝𝑜𝑛𝑑𝑒𝑛𝑡𝑒 à𝑠 á𝑟𝑒𝑎𝑠: 𝒁𝜶 𝟐 = 𝒁𝟎,𝟎𝟐 = 𝒁𝟎,𝟒𝟖 𝑁𝑎 𝑡𝑎𝑏𝑒𝑙𝑎 𝑒𝑠𝑠𝑒 𝑣𝑎𝑙𝑜𝑟 𝑑𝑒 𝒁𝜶 𝟐 é 𝑖𝑔𝑢𝑎𝑙 𝑎 𝟐, 𝟎𝟓. 𝐸 𝑚𝑎𝑖𝑠: 𝝈 = 2; 𝑿ഥ = 8 𝑒 𝒏 = 36. 8 ± 0,68 Probabilidade – Métodos de Estimação Probabilidade – Métodos de Estimação INTERVALO DE CONFIANÇA PARA A PROPORÇÃO “𝑷” Considere como Ƹ𝑝 o estimador de 𝑷 cuja distribuição de probabilidade é dada por: Ƹ𝑝 = 𝑑 𝑁 𝑝; 𝑝.𝑞 𝑛 para as populações infinitas; Ƹ𝑝 = 𝑑 𝑁 𝑝; 𝑝.𝑞 𝑛 𝑁−𝑛 𝑁−1 para as populações finitas. Assim, para o caso de populações infinitas: 𝑍 = ො𝑝−𝑝 ෝ𝑝. 1−ෝ𝑝 𝑛 ≈ 𝑁 0,1 Para o caso das populações finitas: : 𝑍 = 𝑋−𝜇 ෝ𝑝. 1−𝑝 𝑛 𝑁−𝑛 𝑁−1 ≈ 𝑁 0,1 Estimação por intervalos 𝑶𝒏𝒅𝒆: 𝑝 → 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑𝑒 𝑑𝑒 𝑠𝑢𝑐𝑒𝑠𝑠𝑜; 𝑞 = 1 − 𝑝 → → 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑𝑒 𝑑𝑒 𝑓𝑟𝑎𝑐𝑎𝑠𝑠𝑜. Probabilidade – Métodos de Estimação INTERVALO DE CONFIANÇA PARA A PROPORÇÃO “𝑷” Para o caso de populações infinitas, sabemos que: 𝑍 = ො𝑝−𝑃 ෝ𝑝 1−ෝ𝑝 𝑛 logo: 𝑷 −𝒁𝜶 𝟐 ≤ 𝒁 ≤ 𝒁𝜶 𝟐 = 𝟏 − 𝜶 ⇒ 𝑷 −𝒁𝜶 𝟐 ≤ ෝ𝒑−𝑃 ෝ𝒑 𝟏−ෝ𝒑 𝑛 ≤ 𝒁𝜶 𝟐 = 𝟏 − 𝜶 ⇒ Resolvendo-se as duas inequações para 𝑷 , tem-se o intervalo de confiança para a proporção na população 𝑷 ෝ𝒑 − 𝒁𝜶 𝟐 ෝ𝒑 𝟏 − ෝ𝒑 𝒏 ≤ 𝑷 ≤ ෝ𝒑 + 𝒁𝜶 𝟐 ෝ𝒑 𝟏 − ෝ𝒑 𝒏 = 𝟏 − 𝜶 Estimação por intervalos Probabilidade – Métodos de Estimação INTERVALO DE CONFIANÇA PARA A PROPORÇÃO “𝑷” Aplicação: Examinados 500 peças de uma grande produção encontrou-se 260 defeituosas. No nível de confiança de 95% construir um intervalo de confiança para a verdadeira proporção de peças defeituosas. Sol.: Seja 𝑋 a variável aleatória representando as peças defeituosas. Do problema, vemos que: 𝒏 = 500; 𝑋 = 260; 𝟏 − 𝜶 = 95% = 0,95, logo: 𝟏 − 𝜶 = 95% ⇒ 𝛼 = 5% = 0,05 ⇒ ⇒ 𝜶 𝟐 = 0,05 2 = 0,025. Então, deve existir um valor de 𝑍𝛼 2 tal que: 𝒁𝜶 𝟐 = 𝑍0,025 = 𝑍0,475 =? Estimação por intervalos −𝑍𝛼 2 0 𝑍𝛼 2 Z 0,95 0,025 0,025 0,475 0,475 Probabilidade – Métodos de Estimação INTERVALO DE CONFIANÇA PARA A PROPORÇÃO “𝑷” Sol.: (cont.) Então: 𝑷 ෝ𝒑 − 𝒁𝜶 𝟐 ෝ𝒑 𝟏−ෝ𝒑 𝒏 ≤ 𝑷 ≤ ෝ𝒑 + 𝒁𝜶 𝟐 ෝ𝒑 𝟏−ෝ𝒑 𝒏 = 𝟏 − 𝜶 ⇒ ⇒ 𝑃 0,52 − 1,96 0,52 1−0,52 500 ≤ 𝑃 ≤ 0,52 + 1,96 0,52 1−0,52 500 = 0,95 ⇒ ⇒ 𝑃 0,52 − 0,0223 ≤ 𝑃 ≤ 0,52 + 0,0223 = 0,95 ⇒ ⇒ 𝑃 0,4977 ≤ 𝑃 ≤ 0,5423 = 0,95 𝒐𝒖 𝑃 49,77% ≤ 𝑃 ≤ 54,23% = 95%. Estimação por intervalos −𝑍𝛼 2 0 𝑍𝛼 2 Z 0,95 0,025 0,025 0,475 0,475 𝑃𝑟𝑜𝑐𝑢𝑟𝑎 − 𝑠𝑒 𝑛𝑎 𝑡𝑎𝑏𝑒𝑙𝑎 𝑁𝑜𝑟𝑚𝑎𝑙 𝑢𝑚 𝑣𝑎𝑙𝑜𝑟 𝑑𝑒 𝒁 𝑐𝑜𝑟𝑟𝑒𝑠𝑝𝑜𝑛𝑑𝑒𝑛𝑡𝑒 à𝑠 á𝑟𝑒𝑎𝑠: 𝒁𝜶 𝟐 = 𝒁𝟎,𝟎𝟐𝟓 = 𝒁𝟎,𝟒𝟕𝟓 𝑁𝑎 𝑡𝑎𝑏𝑒𝑙𝑎 𝑒𝑠𝑠𝑒 𝑣𝑎𝑙𝑜𝑟 𝑑𝑒 𝒁𝜶 𝟐 é 𝑖𝑔𝑢𝑎𝑙 𝑎 𝟏, 𝟗𝟔. 𝐸 𝑚𝑎𝑖𝑠: 𝒏 = 500; 𝑋 = 260 𝑒 𝟏 − 𝜶 = 95% = 0,95. 𝐴𝑙é𝑚 𝑑𝑖𝑠𝑠𝑜: 𝒑ෝ = 𝑋 𝑛 = 260 500 = 0,52 𝑪𝒐𝒏𝒄𝒍𝒖𝒔ã𝒐: 𝐴 𝑖𝑛𝑡𝑒𝑟𝑝𝑟𝑒𝑡𝑎çã𝑜 é 𝑑𝑒 𝑞𝑢𝑒 𝑜 𝑖𝑛𝑡𝑒𝑟𝑣𝑎𝑙𝑜 49,77%; 54,23% 𝑐𝑜𝑛𝑡é𝑚 𝑎 𝑣𝑒𝑟𝑑𝑎𝑑𝑒𝑖𝑟𝑎 𝑝𝑜𝑟𝑐𝑒𝑛𝑡𝑎𝑔𝑒𝑚 𝑜𝑢 𝑝𝑟𝑜𝑝𝑜𝑟çã𝑜 𝑑𝑒 𝑝𝑒ç𝑎𝑠 𝑑𝑒𝑓𝑒𝑖𝑡𝑢𝑜𝑠𝑎𝑠. Probabilidade – Métodos de Estimação INTERVALO DE CONFIANÇA PARA A PROPORÇÃO “𝑷” Aplicação: Numa pesquisa de mercado, 400 pessoas foram entrevistadas sobre determinado produto onde 240 preferem a marca A. Construa um intervalo de confiança para a verdadeira proporção de preferencia para essa marca a um nível de confiabilidade de 95%. Sol.: Seja 𝑋 a variável aleatória representando a preferência pela marca A. Do problema, vemos que: 𝒏 = 400; 𝑋 = 240; 𝟏 − 𝜶 = 95% = 0,95, logo: 𝟏 − 𝜶 = 95% ⇒ 𝛼 = 5% = 0,05 ⇒ ⇒ 𝜶 𝟐 = 0,05 2 = 0,025. Então, deve existir um valor de 𝑍𝛼 2 tal que: 𝒁𝜶 𝟐 = 𝑍0,025 = 𝑍0,475 =? Estimação por intervalos −𝑍𝛼 2 0 𝑍𝛼 2 Z 0,95 0,025 0,025 0,475 0,475 Probabilidade – Métodos de Estimação INTERVALO DE CONFIANÇA PARA A PROPORÇÃO “𝑷” Sol.: (cont.) Então: 𝑷 ෝ𝒑 − 𝒁𝜶 𝟐 ෝ𝒑 𝟏−ෝ𝒑 𝒏 ≤ 𝑷 ≤ ෝ𝒑 + 𝒁𝜶 𝟐 ෝ𝒑 𝟏−ෝ𝒑 𝒏 = 𝟏 − 𝜶 ⇒ ⇒ 𝑃 0,6 − 1,96 0,6 1−0,6 400 ≤ 𝑃 ≤ 0,6 + 1,96 0,6 1−0,6 400 = 0,95 ⇒ ⇒ 𝑃 0,6 − 0,0245 ≤ 𝑃 ≤ 0,52 + 0,0245 = 0,95 ⇒ ⇒ 𝑃 0,5755 ≤ 𝑃 ≤ 0,6245 = 0,95 𝒐𝒖 𝑃 57,55% ≤ 𝑃 ≤ 62,45% = 95%. Estimação por intervalos −𝑍𝛼 2 0 𝑍𝛼 2 Z 0,95 0,025 0,025 0,475 0,475 𝑃𝑟𝑜𝑐𝑢𝑟𝑎 − 𝑠𝑒 𝑛𝑎 𝑡𝑎𝑏𝑒𝑙𝑎 𝑁𝑜𝑟𝑚𝑎𝑙 𝑢𝑚 𝑣𝑎𝑙𝑜𝑟 𝑑𝑒 𝒁 𝑐𝑜𝑟𝑟𝑒𝑠𝑝𝑜𝑛𝑑𝑒𝑛𝑡𝑒 à𝑠 á𝑟𝑒𝑎𝑠: 𝒁𝜶 𝟐 = 𝒁𝟎,𝟎𝟐𝟓 = 𝒁𝟎,𝟒𝟕𝟓 𝑁𝑎 𝑡𝑎𝑏𝑒𝑙𝑎 𝑒𝑠𝑠𝑒 𝑣𝑎𝑙𝑜𝑟 𝑑𝑒 𝒁𝜶 𝟐 é 𝑖𝑔𝑢𝑎𝑙 𝑎 𝟏, 𝟗𝟔. 𝐸 𝑚𝑎𝑖𝑠: 𝒏 = 400; 𝑋 = 240 𝑒 𝟏 − 𝜶 = 95% = 0,95. 𝐴𝑙é𝑚 𝑑𝑖𝑠𝑠𝑜: 𝒑ෝ = 𝑋 𝑛 = 240 400 = 0,6 𝑪𝒐𝒏𝒄𝒍𝒖𝒔ã𝒐: 𝐴 𝑖𝑛𝑡𝑒𝑟𝑝𝑟𝑒𝑡𝑎çã𝑜 é 𝑑𝑒 𝑞𝑢𝑒 𝑜 𝑖𝑛𝑡𝑒𝑟𝑣𝑎𝑙𝑜 57,55%; 62,45% 𝑐𝑜𝑛𝑡é𝑚 𝑎 𝑣𝑒𝑟𝑑𝑎𝑑𝑒𝑖𝑟𝑎 𝑝𝑜𝑟𝑐𝑒𝑛𝑡𝑎𝑔𝑒𝑚 𝑜𝑢 𝑝𝑟𝑜𝑝𝑜𝑟çã𝑜 𝑑𝑒 𝑝𝑟𝑒𝑓𝑒𝑟ê𝑛𝑐𝑖𝑎 𝑝𝑒𝑙𝑎 𝑚𝑎𝑟𝑐𝑎 𝐴. Probabilidade – Tamanho da Amostra As fórmulas para o cálculo do tamanho da amostra são extraídas das expressões dos intervalos deconfiança, fixando a priori o nível de confiança e o erro amostral tolerado. Sabemos que são os seguintes os intervalos de confiança para a média e proporção: 𝑷 ഥ𝑿 − 𝒁𝜶 𝟐 𝝈 𝒏 ≤ 𝝁 ≤ ഥ𝑿 + 𝒁𝜶 𝟐 𝝈 𝒏 = 𝟏 − 𝜶 𝑷 ෝ𝒑 − 𝒁𝜶 𝟐 ෝ𝒑 𝟏−ෝ𝒑 𝒏 ≤ 𝑷 ≤ ෝ𝒑 + 𝒁𝜶 𝟐 ෝ𝒑 𝟏−ෝ𝒑 𝒏 = 𝟏 − 𝜶 ⇒ erro amostral (e) Obs.: O tamanho da amostra será, então: Para a média Para a proporção 𝒏𝟎 = 𝒁 𝜶 𝟐 𝟐 . 𝝈𝟐 𝒆𝟐 𝒏𝟎 = 𝒁 𝜶 𝟐 𝟐 ෝ𝒑 𝟏−ෝ𝒑 𝒆𝟐 Obs.: 𝒏𝟎 é o tamanho inicial da amostra. Determinação do Tamanho da Amostra Aleatória Simples 𝑶𝒃𝒔.: 𝑄𝑢𝑎𝑛𝑑𝑜 𝑜 𝑡𝑎𝑚𝑎𝑛ℎ𝑜 𝑑𝑎 𝑎𝑚𝑜𝑠𝑡𝑟𝑎 é 𝑚𝑎𝑖𝑠 𝑞𝑢𝑒 5% 𝑑𝑎 𝑝𝑜𝑝𝑢𝑙𝑎çã𝑜, 𝑑𝑒𝑣𝑒𝑚𝑜𝑠 𝑚𝑜𝑑𝑖𝑓𝑖𝑐𝑎𝑟 𝑎 𝑓ó𝑟𝑚𝑢𝑙𝑎 𝑝𝑎𝑟𝑎 𝑎 𝑒𝑠𝑡𝑖𝑚𝑎𝑡𝑖𝑣𝑎 𝑖𝑛𝑡𝑒𝑟𝑣𝑎𝑙𝑎𝑟 𝑝𝑎𝑟𝑎 𝑎 𝑚é𝑑𝑖𝑎 𝑜𝑢 𝑝𝑟𝑜𝑝𝑜𝑟çã𝑜 𝑝𝑜𝑝𝑢𝑙𝑎𝑐𝑖𝑜𝑛𝑎𝑙 , 𝑓𝑎𝑧𝑒𝑛𝑑𝑜: 𝒏 = 𝑁.𝑛0 𝑁+𝑛0 . Probabilidade – Tamanho da Amostra Aplicação: 1.) Um determinado município possui 1000 crianças matriculas no ensino fundamental. Deseja- se estimar o ganho médio de peso das crianças da rede municipal de ensino, durante o primeiro ano letivo. Um estudo semelhante foi realizado no ano passado com as 1000 crianças matriculadas naquele ano, tendo gerado um desvio padrão igual a 1,95 kg. Fixando-se um nível de confiança de 95%, e tolerando um erro amostral de até 200 gramas (isto é, um erro e =0,2kg), qual deve ser o tamanho da amostra? Sol.: N = 1000; 𝜎 = 1,95; 1 − 𝛼 = 95% = 095; e = 200 g = 0,2 kg. Logo: 𝒏𝟎 = 𝒁 𝜶 𝟐 𝟐 . 𝝈𝟐 𝒆𝟐 =? ⇒ 𝒏𝟎 = 1,96 2. 1,95 2 0,2 2 = 3,8416. 3,8025 0,04 = 365,19 ≅ 366. Obs.: REGRA: 5%(1000)=50 < 366, logo 𝑛 = 𝑁.𝑛0 𝑁+𝑛0 = 1000 . 366 1000+366 ⇒ ⇒ 𝒏 = 366.000 1366 = 269,18 ≅ 270. Logo, o tamanho da amostra deve ser de, no mínimo, 270 crianças. Determinação do Tamanho da Amostra Aleatória Simples 𝑶𝒃𝒔.: 1 − 𝛼 = 0,95 ⇒ ⇒ 𝛼 = 0,05 ⇒ ⇒ 𝛼 2 = 0,025 ⇒ ⇒ 𝑍𝛼 2 = 1,96. Probabilidade – Tamanho da Amostra Aplicação: 2.) Com o objetivo de avaliar a preferência do eleitor na véspera de uma eleição para a prefeitura de um município com 5.000 eleitores, planeja-se um levantamento por amostragem aleatória simples, admitindo-se um erro amostral de 2%, com 95% de confiabilidade para as estimativas do percentuais dos vários candidatos. Quantos eleitores devem ser pesquisados, sabendo-se que, de pesquisas anteriores, Ƹ𝑝 = 0,2. Sol.: N = 5000; e = 2% = 0,02; 1 − 𝛼 = 95% = 0,95; Ƹ𝑝 = 0,2; 𝑍𝛼 2 = 1,96. Logo: 𝒏𝟎 = 𝑍 𝛼 2 2 ො𝑝 1− ො𝑝 𝑒2 = 1,96 2. 0,2 1−0,2 0,02 2 = 3,8416. 0,16 0,0004 ≅ 1.537 Obs.: REGRA: 5%(5000)=250 < 1.537, logo 𝑛 = 𝑁.𝑛0 𝑁+𝑛0 = 5.000 1.537 5.000+1.537 ⇒ 𝒏 = 7.685.000 6.537 = 1.175,62 ≅ 1.176 𝑒𝑙𝑒𝑖𝑡𝑜𝑟𝑒𝑠. Logo, o tamanho da amostra deve ser de, no mínimo 1.176 eleitores. Determinação do Tamanho da Amostra Aleatória Simples 𝑶𝒃𝒔.: 𝑄𝑢𝑎𝑛𝑑𝑜 𝑝Ƹ 𝑛ã𝑜 é 𝑖𝑛𝑓𝑜𝑟𝑚𝑎𝑑𝑜 𝑛𝑜 𝑝𝑟𝑜𝑏𝑙𝑒𝑚𝑎, 𝑑𝑒𝑣𝑒 − 𝑠𝑒 𝑢𝑠𝑎𝑟 𝑢𝑚 𝑣𝑎𝑙𝑜𝑟 = 0,5 (𝑜𝑢 𝑠𝑒𝑗𝑎: 𝑝Ƹ = 0,5). Probabilidade Dever de casa Livro: Curso de Estatística Autores: Jairo Simon da Fonseca Gilberto de Andadre Martins Pag. 193 – exercícios 1.), 2.), e 3.) Pag. 195 – exercícios 15.), 16.) e 19.) Pag. 182/183 – exercícios 1.), 4.) e 5.) Obs.: As respostas estão a partir das páginas 285, do livro.
Compartilhar