Baixe o app para aproveitar ainda mais
Prévia do material em texto
Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Modelos de Probabilidade e Inferencia Estatística Ulisses U. dos Anjos Departamento de Estatística Universidade Federal da Paraíba Período 2013.1 Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Sumário 1 Objetivos e Bibliografia 2 Introdução 3 Conceitos de Probabilidade Propriedades de uma medida de probabilidade Probabilidade Condicional Testes Diagnósticos 4 Variável Aleatória Distribuições de Probabilidade para Variáveis Aleatórias Discretas Distribuições de Probabilidade para Variáveis Aleatórias Contínuas 5 Conceitos básicos de amostragem Tipos de estudos Tipos de Amostragem Principais planos de amostragem probabilística 6 Distrbuições Amostrais Média Proporção Variância 7 Intervalo de Confiança Média Proporção Variância 8 Teste de Hipótese Visão Geral Componentes de um Teste de Hipótese Testes Paramétricos Teste para Média Teste para Variância Teste para Proporção Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Objetivos Revisar, aprofundar e ampliar os conceitos de probabilidade e inferência estatística dos mestrandos, visando sua utilização nas dissertações e servindo como base para outras disciplinas do programa. Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Bibliografia DANIEL, w. w. Biostatics: A Foundation for Analysis in the Health Sciences. 9 o Ed.. Wiley, 2009. TRIOLA, M. F. Introdução à Estatística. Livros Técnicos e Científicos Editora, 2005. ARANGO, H. G. Bioestatística: teórica e computacional. 2a edição. Rio de Janeiro: Guanabara Koogan, 2005. Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Objetivo da Probabilidade Fornecer o arcabouço teórico para o estudo dos fenômenos ou experimentos aleatórios. Criar modelos teóricos que reproduzam de maneira razoável a distribuição de freqüências dos fenômenos ou experimentos aleatórios. Tais modelos são chamados modelos probabilísticos. Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Experimento aleatório Definição: Um experimento que pode fornecer diferentes resultados, muito embora seja repetido toda vez da mesma maneira, é chamado experimento aleatório. Característica de um experimento aleatório: Imprevisibilidade: o resultado do experimento não pode ser conhecido a priori, mesmo se repetido sobre iguais condições; Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Espaço amostral e evento Espaço amostral: é o conjunto de todos os resutados de um experimento aleatório. Notação: Ω Evento: É um subconjunto do espaço amostral; Os subconjuntos de Ω serão denotados por letras latinas maiúsculas (A,B,C,. . . ); Diz-se que "‘ocorre o evento A"’ quando o resultado do experimento aleatório for um elemento de A; O espaço amostral Ω e o conjunto vazio ∅ também são eventos, em que Ω é o evento certo e ∅ é o evento impossível. Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Operações básicas entre conjuntos A ∪ B = { ω ∈ Ω : ω ∈ A ou ω ∈ B ou ω ∈ A, ω ∈ B } , é a união de A e B; Exemplo Suponha que iremos sortear de uma lista de casais que se casaram há 30 anos atrás e verificar quais deles estão vivos. Considere os seguintes eventos: A =A mulher estar viva e B =O homem estar vivo. Então o evento pelo menos um estar vivo é dado por A ∪ B A ∩ B = { ω ∈ Ω : ω ∈ A, ω ∈ B } , é a intersecção de A e B; Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Operações básicas entre conjuntos Exemplo Considerando o exemplo anterior, então o evento ambos estarem vivos é dado por A ∩ B. Ac = { ω ∈ Ω : ω /∈ A } , deste modo segue que Ac = Ω− A é o complementar de A, do mesmo modo Bc = Ω− B é o complementar de B ; Exemplo Considerando o exemplo anterior, então o evento o homem estar vivo pode ser representado por Ac , logo nesse caso específico B = Ac e A = Bc . A− B = { ω ∈ Ω : ω ∈ A, ω /∈ B } , deste modo segue que A− B = A ∩ Bc é a diferença entre A e B ; Exemplo Considerando o exemplo anterior, então o evento apenas a mulher estar viva é dado por A− B. Do mesmo modo, o evento apenas o homem estar vivo é dado por B − A. Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Operações básicas entre conjuntos A∆B = { ω ∈ Ω : ω ∈ A, ω /∈ B ou ω /∈ A, ω ∈ B } , deste modo segue que A∆B = (A ∩ Bc) ∪ (Ac ∩ B) é a diferença simétrica entre A e B ; Exemplo Considerando o exemplo anterior, então o evento somente o homem ou a mulher estar vivo pode ser representado por A∆B. A e B são disjuntos(mutuamente exclusivos) se e somente se A ∩ B = ∅; Exemplo Considerando o exemplo anterior, então os eventos A e B não são disjuntos pois ambos podem estar vivos. Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Partição de um evento Seja A um subconjunto de Ω. Então A1, . . . ,An formam uma partição de A se e somente se Ai ∩ Aj = ∅ para todo i 6= j e ∪ni=1Ai = A. Deste modo, se A = Ω então A1, . . . ,An formam uma partição de Ω se e somente se Ai ∩ Aj = ∅ para todo i 6= j e ∪ni=1Ai = Ω. Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Leis de De Morgan Sejam A1, . . . ,An tal que Ai ⊂ Ω para todo i, então: (i) (∪ni=1Ai ) c = ∩ni=1Aci . Interpretação: o complementar da ocorrência de pelo menos um dos eventos é a não ocorrência de todos os eventos; (ii) (∩ni=1Ai ) c = ∪ni=1Aci . Interpretação: o complementar da ocorrência de todos os eventos é a não ocorrência de pelo menos um dos eventos. Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Função indicadora Seja A ⊂ Ω, então IA(ω) = { 1 se ω ∈ A 0 se ω /∈ A UlissesU. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese σ-Álgebra Uma classe F de subconjuntos de Ω é denominada uma σ-álgebra se ela satisfaz: (F1) Ω ∈ F ; (F2) Se A ∈ F então Ac ∈ A; (F3) Se Ai ∈ F para todo i ≥ 1 então ⋃∞ i=1 Ai ∈ F ; Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Propriedades de uma medida de probabilidade Probabilidade Condicional Testes Diagnósticos Definição Clássica de Probabilidade Seja (Ω,F) um espaço finito de eventos equiprováveis. Assim, para todo A ∈ F tem-se que, P(A) = #A #Ω em que # é o número de elementos do conjunto. Exemplo Considere o experimento aleatório de lançar duas moedas. Nesse caso o espaço amostral é dado por Ω = { (c , c), (c , r), (r , c), (r , r) } . Seja A=Obtenção de faces iguais. Portanto, A = { (c , c), (r , r) } . Deste modo, P(A) = 2 4 = 0, 5. Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Propriedades de uma medida de probabilidade Probabilidade Condicional Testes Diagnósticos Definição frequentista de Probabilidade Seja Ω um espaço amostral de um experimento aleatório. Seja n repetições independentes de um experimento aleatório e nA o número de ocorrências do evento A ⊂ Ω. Então, a probabilidade de A é dada por, P(A) = lim n→∞ nA n = p Observação A lei dos grandes números garante a convergência sobre certas condições do limite acima, em que 0 ≤ p ≤ 1. Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Propriedades de uma medida de probabilidade Probabilidade Condicional Testes Diagnósticos Definição axiomática de Probabilidade Seja (Ω,F) um espaço mensurável. Então uma função P : F → [0, 1] é uma probabilidade se, (P1) P(Ω) = 1; (P2) Para todo A ∈ F tem-se P(A) ≥ 0; (P3) P é σ-aditiva, isto é, se A1,A2, . . . , são dois a dois disjuntos então, P ( ∞⋃ n=1 An ) = ∞∑ n=1 P(An). em que ⋃∞ n=1 An = A1 ∪ A2 ∪· · ·. Observação Note que de um modo geral a medida de probabilidade P não precisa assinalar uma probabilidade para todo evento em Ω, mas apenas para os eventos em F . A trinca (Ω,∈ F ,P) é denominado espaço de probabilidade Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Propriedades de uma medida de probabilidade Probabilidade Condicional Testes Diagnósticos Propriedades Seja (Ω,F ,P), então para todo A ∈ F e B ∈ F , tem-se que: P(Ac) = 1− P(A); P(∅) = 0; P é uma função não decrescente, isto é, para todo A,B ∈ F tal que A ⊆ B tem-se que P(A) ≤ P(B); Para todo A,B ∈ F tal que A ⊆ B tem-se que P(B − A) = P(B)− P(A); Para todo A,B ∈ F arbitrários tem-se que: P(A−B) = P(A)−P(A∩B) e P(B−A) = P(B)−P(A∩B). Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Propriedades de uma medida de probabilidade Probabilidade Condicional Testes Diagnósticos Propriedades Para todo A ∈ F tem-se que 0 ≤ P(A) ≤ 1; Para todo A,B ∈ F arbitrários tem-se que: P(A ∪ B) = P(A) + P(B)− P(A ∩ B). Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Propriedades de uma medida de probabilidade Probabilidade Condicional Testes Diagnósticos ARANGO, Exemplo 5.5, P. 144 Considere os dados abaixo que mostram 15 indivíduos classificados quanto às variáveis obesidade e sedentarismo. Indivíduo 1 2 3 4 5 6 7 8 9 10 Obesidade n n s n s s n n n s Sedentarismo s n s s n s n s s s Indivíduo 11 12 13 14 15 Obesidade n n s n n Sedentarismo n n s n s Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Propriedades de uma medida de probabilidade Probabilidade Condicional Testes Diagnósticos ARANGO, Exemplo 5.5, P. 144 Considere os seguintes eventos: A=indivíduo obeso e B= indivíduo sedentário. Supondo que essa amostra e representativa da população de estudo, calcule(estime) a probabilidade de: O indivíduo ser obeso;Tabela O indivíduo ser sedentário;Tabela O indivíduo ser obeso e sedentário;Tabela O indivíduo ser obeso ou sedentário;Tabela O indivíduo não ser obeso e nem sedentário;Tabela Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Propriedades de uma medida de probabilidade Probabilidade Condicional Testes Diagnósticos Problema Seja (Ω,F ,P) o espaço de probabilidade para um determinado experimento aleatório. Suponha que tenhamos a priori alguma informação a respeito do resultado do experimento aleatório. No exemplo anterior, suponha que um indivíduo é sorteado aleatoriamente e que recebemos a informação que o indíviduo é obeso. Nessas condições qual a probabilidade do indívíduo ser sedentário? Tabela Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Propriedades de uma medida de probabilidade Probabilidade Condicional Testes Diagnósticos Definição Seja (Ω,F ,P) um espaço de probabilidade. Seja B ∈ F um evento tal que P(B) > 0. Então a probabilidade condicional, dado o evento B, é uma função denotada por P(.|B) e definida para todo A ∈ F como segue, P(A|B) = P(A ∩ B) P(B) . (1) em que P(A|B) é chamada a probabilidade condicional de A dado B. Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Propriedades de uma medida de probabilidade Probabilidade Condicional Testes Diagnósticos Testes Diagnósticos São testes que tem como objetivo identificar um evento de interesse. Medidas para avaliar um teste: Sensibilidade(s), Especificidade(e), Valor Preditivo Positivo(VPP), Valor Preditivo Negativo(VPN), Falso Positivo(FP) e Falso Negativo(FN). Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Propriedades de uma medida de probabilidade Probabilidade Condicional Testes Diagnósticos Avaliação do Teste Resultado do Teste Positivo Negativo Ocorrência do Evento Sim a b Não c d Consideremos os seguintes eventos: D+=Ocorrência do evento de interesse; D−=Não ocorrência do evento de interesse; T+=Teste positivo; T−=Testenegativo; Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Propriedades de uma medida de probabilidade Probabilidade Condicional Testes Diagnósticos Sensibilidade e Especificidade Sensibilidade(s): É a probabilidade do teste dar positivo dado que ocorreu o evento de interesse, isto é, s = P(T+|D+) = P(T+ ∩ D+) P(D+) = a a + b Especificidade(e): É a probabilidade do teste dar negativo dado que não ocorreu o evento de interesse, isto é, s = P(T−|D−) = P(T− ∩ D−) P(D−) = d c + d Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Propriedades de uma medida de probabilidade Probabilidade Condicional Testes Diagnósticos Sensibilidade e Especificidade Valor Preditivo Positivo(VPP): É a probabilidade do evento de interesse ocorrer dado que o teste deu positivo, isto é, VPP = P(D+|T+) = P(T+ ∩ D+) P(T+) = p × s p × s + (1− p)× (1− e) em que p = P(D+) é a prevalência do evento de interesse; Valor Preditivo Negativo(VPN): É a probabilidade do evento de interesse não ocorrer dado que o teste deu negativo, isto é, VPN = P(D−|T−) = P(T− ∩ D−) P(T−) = (1− p)× e p × (1− s) + (1− p)× e Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Propriedades de uma medida de probabilidade Probabilidade Condicional Testes Diagnósticos Regra do Produto Sejam A e B eventos em F tal que, P(A) > 0 e P(B) > 0 então, P(A ∩ B) = P(A)P(B|A) = P(B)P(A|B). Exemplo Considerando o Exemplo 5.5, ARANGO, calcule a probabilidade do indivíduo ser obeso e sedentário utilizando a regra do produto. Tabela Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Propriedades de uma medida de probabilidade Probabilidade Condicional Testes Diagnósticos Probabilidade Total Sejam {Ai , i = 1, . . . , n} uma partição de Ω com P(Ai ) > 0 para todo i = 1, . . . , n. Então, para todo B ∈ F tem-se que, P(B) = n∑ i=1 P(Ai )P(B|Ai ). Exemplo Considerando o Exemplo 5.5, ARANGO, calcule a probabilidade do B =indivíduo ser obeso, considerando a partição A =o indivíduo é sedentário e Ac =o indivíduo não é sedentário.Tabela Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Propriedades de uma medida de probabilidade Probabilidade Condicional Testes Diagnósticos Teorema de Bayes Seja {Ai , i = 1, . . . , n} uma partição de Ω com P(Ai ) > 0 para todo i = 1, . . . , n. Então, para todo B ∈ F para o qual P(B) > 0 tem-se que, P(Aj |B) = P(Aj)P(B|Aj)∑n i=1 P(Ai )P(B|Ai ) Exemplo Considerando o Exemplo 5.5, ARANGO, calcule a probabilidade do indivíduo não ser sedentário dado que B =indivíduo é obeso, considerando a partição A =o indivíduo é sedentário e Ac =o indivíduo não é sedentário.Tabela Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Distribuições de Probabilidade para Variáveis Aleatórias Discretas Distribuições de Probabilidade para Variáveis Aleatórias Contínuas Definição É uma função X : Ω→ R que associa a cada elemento do espaço amostral um valor na reta(um valor numérico). Assim, para cada ω ∈ Ω tem-se que X (ω) = x ∈ R. Observação A função X deve ser unívoca, isto é, para cada ω ∈ Ω deve haver apenas um X (ω) associado. Entretanto, diferentes valores de ω podem levar a um mesmo valor de X . Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Distribuições de Probabilidade para Variáveis Aleatórias Discretas Distribuições de Probabilidade para Variáveis Aleatórias Contínuas Variável Aleatória: Exemplo Exemplo Considere o procedimento de selecionar uma amostra de uma população U de tamanho N. Considere a variável X=altura, assim por exemplo, X (ω1) = 1, 79, X (ω17) = 1, 98 em que ω1 e ω17 são o primeiro e o décimo sétimo elemento da amostra. Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Distribuições de Probabilidade para Variáveis Aleatórias Discretas Distribuições de Probabilidade para Variáveis Aleatórias Contínuas Tipos de Variáveis Aleatórias Discreta: Uma variável aleatória X é discreta se o número de valores que X possa assumir for enumerável. Ex: Altura, peso, etc. Contínua: Uma variável aleatória X é contínua se o número de valores que X possa assumir for não enumerável. Ex: número de filhos, faixa etária, etc. Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Distribuições de Probabilidade para Variáveis Aleatórias Discretas Distribuições de Probabilidade para Variáveis Aleatórias Contínuas Variável Aleatória: Distribuição de Probabilidade A distribuição de probabilidade de uma variável aleatória X discreta é uma função que atribui probabilidade a cada um dos valores xi de X , isto é, PX (xi ) = P(X = xi ) = P({ω ∈ Ω : X (ω) = xi}) para todo i ∈ {1, 2, . . . , n}, n ∈ N e e satisfaz as condições: (i) 0 ≤ P(X = xi ) ≤ 1 e (ii) ∑n i=1 P(X = xi ) = 1. Esta função é denominada Função de Probabilidade ou Função Massa de Probabilidade(fmp); A distribuição de probabilidade de uma variável aleatória X contínua é dada por, f (x) = dF (x) dx para todo x ∈ R e satisfaz as condições: (i) f (x) ≥ 0 para todo x ∈ R; e (ii) ∫∞ −∞ f (x)dx = 1. Esta função é denominada Função Densdidade de Probabilidade(fdp). Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Distribuições de Probabilidade para Variáveis Aleatórias Discretas Distribuições de Probabilidade para Variáveis Aleatórias Contínuas Variável Aleatória: Função de Distribuição Seja X uma variável aleatória, então sua função de distribuição é definida como, F (x) = P(X ≤ x). F é também conhecida como função de distribuição acumulada de X . Caso discreto: F (x) = ∑ xi≤x PX (xi ) = ∑ xi≤x P(X = xi ) Caso Contínuo: F (x) = ∫ x −∞ f (t)dt Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Distribuições de Probabilidade para Variáveis Aleatórias Discretas Distribuições de Probabilidade para Variáveis Aleatórias Contínuas Independência de Variáveis Aleatórias Sejam X1, . . . ,Xn, n variáveis aleatórias. Então X1, . . . ,Xn sãoindependentes se: F (x1, . . . , xn) = n∏ i=1 Fi (xi ) em que F é a função de distribuição acumulada conjunta de X1, . . . ,Xn e Fi é a função de distribuição acumulada de Xi . Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Distribuições de Probabilidade para Variáveis Aleatórias Discretas Distribuições de Probabilidade para Variáveis Aleatórias Contínuas Valor Esperado de uma Variável Aleatória O valor esperado de variável aleatória X , denotado por E (X ) ou µ, é para o caso em que X é discreta, µ = E (X ) = ∑ x∈ΩX xP(x) e para o caso em que X é contínua µ = E (X ) = ∫ ∞ −∞ xf (x)dx Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Distribuições de Probabilidade para Variáveis Aleatórias Discretas Distribuições de Probabilidade para Variáveis Aleatórias Contínuas Propriedades Seja c ∈ R uma constante, então E (c) = c ; Seja h uma função uma função mensurável, então para Y = h(X ) tem-se: se X for uma variável aleatória discreta, E (Y ) = ∑ x∈ΩX h(x)P(x) e, se X for uma variável aleatória for contínua então, E (Y ) = ∫ ∞ −∞ h(x)f (x)dx . Sejam X1, . . . ,Xn n variáveis aleatória então E ( n∑ i=1 Xi ) = n∑ i=1 E (Xi ). Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Distribuições de Probabilidade para Variáveis Aleatórias Discretas Distribuições de Probabilidade para Variáveis Aleatórias Contínuas Variância de uma Variável Aleatória A variância da variável aleatória X , denotado por Var(X ) ou σ2 é Var(X ) = E ( (X − E (X ))2 ) = E (X 2)− [ E (X ) ]2 . Se X for discreta, Var(X ) = ∑ x∈ΩX x2P(X = x)− ∑ x∈ΩX xP(X = x) 2 e se X for contínua Var(X ) = ∫ ∞ −∞ x2f (x)dx − [∫ ∞ −∞ xf (x)dx ]2 . Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Distribuições de Probabilidade para Variáveis Aleatórias Discretas Distribuições de Probabilidade para Variáveis Aleatórias Contínuas Propriedades Var(c) = 0; Var(X ± c) = Var(X ); Var(cX ) = c2Var(X ); Sejam X1, . . . ,Xn n variáveis aleatória independentes, então, Var ( n∑ i=1 Xi ) = Var(X1) + · · ·+ Var(Xn) Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Distribuições de Probabilidade para Variáveis Aleatórias Discretas Distribuições de Probabilidade para Variáveis Aleatórias Contínuas Distribuição Binomial Seja A um evento de interesse. Então uma variável aleatória X que conta o número de vezes que o evento A ocorre em n repetições independentes de um experimento de Bernoulli(um experimento que só possui dois resultados possíveis), possui função de probabilidade, P(X = x) = ( n x ) px × (1− p)n−x se x = {0, 1, 2, . . . , n} 0 caso contrário Em que p = P(A). Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Distribuições de Probabilidade para Variáveis Aleatórias Discretas Distribuições de Probabilidade para Variáveis Aleatórias Contínuas Distribuição Binomial Diz-se que tal variável possui distribuição Binomial com parâmetros n e p e denota-se por: X ∼ bin(n, p) Tem-se para essa variável que µ = E (X ) = p e σ2 = Var(X ) = np. Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Distribuições de Probabilidade para Variáveis Aleatórias Discretas Distribuições de Probabilidade para Variáveis Aleatórias Contínuas Exemplo A taxa de imunização de uma vacina é 80%. Se um grupo de 20 pessoas são vacinadas, (a) Qual a probabilidade que 15 fiquem imunizadas? (b) Qual o número esperado de pessoas que serão imunizadas? Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Distribuições de Probabilidade para Variáveis Aleatórias Discretas Distribuições de Probabilidade para Variáveis Aleatórias Contínuas Distribuição de Poisson Seja X uma variável aleatória que conta o número de ocorrência de um determinado evento A por unidade (tempo, comprimento, área, volume, etc), então a função de probabilidade de X é dada por, P(x) = { e−λλx x! se x = {0, 1, . . . , } 0 caso contrário Esta função é chamada de distribuição de Poisson. Notação: X ∼ P(λ) Tem-se para essa variável que µ = E (X ) = σ2 = Var(X ) = λ. Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Distribuições de Probabilidade para Variáveis Aleatórias Discretas Distribuições de Probabilidade para Variáveis Aleatórias Contínuas Distribuição Normal Dizemos que uma v.a. X tem distribuição normal com média µ e variância σ2 se sua função densidade de probabilidade é dada por f (x) = 1√ 2πσ2 exp ( −(x − µ) 2 2σ2 ) para todo x ∈ R, em que E (X ) = µ e Var(X ) = σ2. Notação: X ∼ N(µ, σ2). Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Distribuições de Probabilidade para Variáveis Aleatórias Discretas Distribuições de Probabilidade para Variáveis Aleatórias Contínuas Distribuição Normal: Características Moda = mediana = média; A função tem dois pontos de inflexão, um em x = µ− σ e outro em x = µ+ σ, em que σ é o desvio padrão de X ; A curva é simétrica em torno de x = µ, isto implica que dado um a ∈ R tem-se que f (µ− a) = f (µ+ a), logo F (µ− a) = PX (X ≤ µ− a) = PX (X ≥ µ+ a) = 1− F (µ+ a) se µ = 0 então F (−a) = 1− F (a). Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Distribuições de Probabilidade para Variáveis Aleatórias Discretas Distribuições de Probabilidade para Variáveis Aleatórias Contínuas Distribuição Normal Problema: Dificuldade no cálculo de PX . Existem tabelas apenas para X ∼ N(0, 1). Solução: Fazendo a transformação, Z = X − µ σ ⇒ Z ∼ N(0, 1) Assim, P(X ≤ x) = P(Z ≤ z) = P ( Z ≤ x − µ σ ) Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Distribuições de Probabilidade para Variáveis Aleatórias Discretas Distribuições de Probabilidade para Variáveis Aleatórias ContínuasDistribuição t-Student “Padrão” Dizemos que uma v.a. X tem distribuição t com ν graus de liberdade se sua função densidade de probabilidade é dada por f (x) = 1√ νπ Γ ( ν+1 2 ) Γ ( ν 2 ) (1 + x2 ν )− ν+12 para todo x ∈ R. Notação: X ∼ tν . Tem-se ainda que E (X ) = 0 para ν > 1 e Var(X ) = ν ν − 2 para ν > 2. Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Distribuições de Probabilidade para Variáveis Aleatórias Discretas Distribuições de Probabilidade para Variáveis Aleatórias Contínuas Distribuição t-Student: Características Moda = mediana = média = 0; A curva é simétrica em torno do 0, isto implica que dado um a ∈ R tem-se que f (−a) = f (+a), logo P(≤ −a) = P(≥ a); quando os graus de liberdade aumentam a distribuição tν se aproxima da distribuição normal com média zero e variância 1. Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Distribuições de Probabilidade para Variáveis Aleatórias Discretas Distribuições de Probabilidade para Variáveis Aleatórias Contínuas Distribuição Qui-quadrado Dizemos que uma v.a. X tem distribuição Qui-quadrado com ν graus de liberdade se sua função densidade de probabilidade é dada por f (x) = 1 Γ ( ν 2 ) 2 ν 2 x ν 2−1e− x 2 para todo x ≥ 0. Notação: X ∼ χν . Tem-se ainda que E (X ) = ν e Var(X ) = 2ν. Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Distribuições de Probabilidade para Variáveis Aleatórias Discretas Distribuições de Probabilidade para Variáveis Aleatórias Contínuas Distribuição F Dizemos que uma v.a. X tem distribuição F com ν1 e ν2 graus de liberdade se sua função densidade de probabilidade é dada por f (x) = Γ ( ν1+ν2 2 ) Γ ( ν1 2 ) Γ ( ν2 2 ) (ν1 ν2 ) ν1 2 x ν1−2 2( 1 + ν1ν2 x ) ν1+ν2 2 para todo x ≥ 0. Notação: X ∼ Fν1,ν2 . Tem-se ainda que E (X ) = ν2ν2−2 . Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Tipos de estudos Tipos de Amostragem Principais planos de amostragem probabilística Objetivo Amostragem é o procedimento utilizado na obtenção da amostra, que deve ser de tal forma que a amostra obtida seja representativa da população de interesse. Exemplo Quando alguém está adoçando uma xícara de café ele primeiro coloca um pouco de açucar, mistura bem e depois prova(coleta uma amostra) para verificar se precisa ou não mais açucar. Note que, o processo de mexer bem antes de provar é um procedimento(plano) amostral intuítivo. Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Tipos de estudos Tipos de Amostragem Principais planos de amostragem probabilística População ou População alvo É o conjunto de todos os seres, objetos ou informações que estão sob investigação. Notação: Um população de tamanho N será denotada por U˜ = (1, . . . ,N). Exemplo Um grupo de pesquisadores desejam analisar a influência de fatores sociodemográficos, físicos e mentais sobre a mobilidade de idosos, pessoas com 60 anos ou mais, residentes no município de Santa Cruz, Rio Grande do Norte. Neste caso a população são todas as pessoas com 60 anos ou mais residentes no município de Santa Cruz. Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Tipos de estudos Tipos de Amostragem Principais planos de amostragem probabilística População de estudo É o conjunto de todos os seres, objetos ou informações que podem ser incluídas no estudo. Teoricamente, o mesmo que a população alvo, porém muitas vezes diferente. Exemplo No Exemplo anterior suponha que a pesquisa tenha sido realizada durante um determinado mês do ano, e que neste mês possívelmente algumas das pessoas desta população poderiam não estar na cidade e deste modo não poderiam ser incluídas na pesquisa. Deste modo, neste caso, a população alvo é diferente da população de estudo. Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Tipos de estudos Tipos de Amostragem Principais planos de amostragem probabilística Amostra É o conjunto dos elementos selecionados de uma população. Notação: Uma amostra de tamanho n será denotada por s˜= (k1, . . . , kn) para ki ∈ U˜ . Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Tipos de estudos Tipos de Amostragem Principais planos de amostragem probabilística Unidade amostral São os elementos alvo da pesquisa. Podem ser pessoas, animais,objetos, domicílios, empresas, etc. Deve ser definida no início da investigação de acordo com o interesse do estudo. É muito importante que a unidade elementar seja claramente definida, para que o processo de coleta e análise tenha sempre um significado preciso e uniforme. Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Tipos de estudos Tipos de Amostragem Principais planos de amostragem probabilística Variáveis É uma característica qualitativa ou quantitativa que observamos em cada unidade amostral. Ex.: altura, sexo, peso, idade, classe social, etc. Notação: As variáveis são usualmente denotadas pelas letras maiúsculas X ,Y ,Z ,W . Em um população U˜ = (1, . . . ,N), o conjunto de valores queessas variáveis assumem são denotadas por x˜ = (x1, x2, . . . , xN); Em uma amostra s˜= (k1, . . . , kn), os valores que essasvariáveis podem assumir são denotadas por X˜ = (X1,X2, . . . ,Xn) em que cada Xi pode assumir qualquervalor xu, para u ∈ U˜ e xu ∈ x˜. Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Tipos de estudos Tipos de Amostragem Principais planos de amostragem probabilística Parâmetro Uma medida numérica que descreve alguma característica de uma população. Exemplo Peso médio ao nascer de crianças na cidade de João Pessoa, proporção de mulheres com câncer de mama na Paraíba. Notação: Utiliza-se usualmente letras gregas,µ, σ2, τ para se denotar parâmetros. Entretanto, existem exceções, por exemplo, para o parâmetro proporção utiliza-se p. Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Tipos de estudos Tipos de Amostragem Principais planos de amostragemprobabilística Estimador É qualquer função dos elementos X1, . . . ,Xn da amostra X˜ , queassume valores em Θ(espaço paramétrico), em que Θ é o conjunto de todos os valores que o parâmetro θ pode assumir. Notação: Usualmente utiliza-se µ̂, σ̂2, p̂ para se denotar parâmetros. Entretanto, existem exceções, por exemplo, para o parâmetro µ utiliza-se X . Exemplo Seja X˜ = (X1,X2, . . . ,Xn) uma amostra, então um estimador paraa média populacional µ para essa amostra é dada por: X = X1 + . . .+ Xn n . Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Tipos de estudos Tipos de Amostragem Principais planos de amostragem probabilística Estimativa É o valor observado de um estimador após a amostra ser coletada. Exemplo Considere a seguinte amostra da variável X , X˜ = (5, 3, 4, 2, 6),então X = 5 + 3 + 4 + 2 + 6 5 = 4. Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Tipos de estudos Tipos de Amostragem Principais planos de amostragem probabilística Cadastro amostral Lista das unidades da população de pesquisa de onde a amostra será extraída. Nem sempre aplicável. Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Tipos de estudos Tipos de Amostragem Principais planos de amostragem probabilística Tipos de estudos: Estudos Observacionais Se caracterizam pela não intervenção do pesquisador sobre os dados do estudo. Dessa maneira, nos estudos observacionais observamos e medimos características específicas, mas não tentamos modificar os elementos objeto do estudo. Exemplo Em uma pesquisa na qual se quer estudar algum aspecto de um grupo de alcoólatras, não há a possibilidade de induzir um grupo a tornar-se alcoólatra, então o estudo é observacional e inclui o grupo que já era alcoólatra e um grupo de não alcoólatras como grupo controle. Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Tipos de estudos Tipos de Amostragem Principais planos de amostragem probabilística Tipos de estudos: Estudos Experimentais Nos estudos experimentais, o pesquisador designa os indivíduos da amostra aos grupos por processo aleatório, aplicamos um tratamento diferente a cada grupo e observamos seu efeito nos elementos da amostra. Exemplo No artigo “Impacto da multimistura no estado nutricional de pré-escolares matriculados em creches. Rev. Nutr. [online]. 2006, vol.19, n.2, pp. 169-176.”, coletou-se uma amostra de 135 crianças na faixa etária de um a seis anos. As crianças foram divididas aleatóriamente em três grupos: intervenção 1 (GI1 n=48), intervenção 2 (GI2 n=45) e controle (GC n=42), recebendo 5g e 10g de multimistura e placebo, respectivamente. O estado nutricional das crianças em estudo foi avaliado antes e após a suplementação. Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Tipos de estudos Tipos de Amostragem Principais planos de amostragem probabilística Tipos de Amostragem: Amostragem Probabilística É o procedimento pelo qual se utilizam mecanismos aleatórios de seleção dos elementos de uma amostra, atribuindo a cada elemento uma probabilidade de pertencer a amostra. Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Tipos de estudos Tipos de Amostragem Principais planos de amostragem probabilística Tipos de Amostragem: Amostragem não Probabilística É o procedimento pelo qual se utiliza alguma mecanismo aleatório de seleção, mas sem conhecer a probabilidade de cada elemento fazer parte da amostra ou não se utilizam mecanismos aleatórios de seleção dos elementos de uma amostra, tais como: amostras intencionais, nas quais os elementos são escolhidos com o auxílio de especialistas; amostras de voluntários, onde as pessoas é que se apresentam para participar do estudo. Observação A grande vantagem da amostra probabilística é medir a precisão da amostra obtida, baseando-se apenas no resultado contido na própria amostra. Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Tipos de estudos Tipos de Amostragem Principais planos de amostragem probabilística Amostragem aleatória(AA) Procedimento pelo qual cada elemento da população tem a mesma chance(probabilidade) de ser selecionada. Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Tipos de estudos Tipos de Amostragem Principais planos de amostragem probabilística Amostragem aleatória simples(AAS) Procedimento pelo qual uma amostra de tamanho n é selecionada de tal forma que cada amostra possível de tamanho n tem a mesma chance(probabilidade) de ser selecionada. Esse plano amostral subdivide-se ainda em dois outros: Amostragem aleatória simples com reposição(AASCR) e Amostragem aleatória simples sem reposição(AASSR). Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Tipos de estudos Tipos de Amostragem Principais planos de amostragem probabilística Amostragem sistemática É realizada quando os elementos da população estão ordenados e a seleção dos elementos da amostra é feita periodicamente ou sistematicamente. Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Tipos de estudos Tipos de Amostragem Principais planos de amostragem probabilística Amostragem estratificada Esse procedimento consiste em dividir a população em sub-populações (estratos). Estratos são divisões de acordo com algum critério, por exemplo: sexo, faixa etária, estado civil, assim dentro de cada estrato teremos uma maior homogeneidade. Dessa forma, para uma população com N unidades amostrais e d estratos com tamanhos N1, . . . ,Nd , tem-se que ∑d i=1 Ni = N, portanto teremos os seguinte coeficiente de proporcionalidade ci = NiN . Deste modo, para uma amostra de tamanho n devemos selecionar uma AAS de tamanho ni = ci × n de cada estrato. Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Tipos de estudos Tipos de Amostragem Principais planos de amostragem probabilística Amostragem por conglomerado Neste procedimento cada unidade amostral éum grupo (conglomerado) de elementos. Conglomerados são partes representativas da população, por exemplo, dividimos um bairro em quarteirões. Assim cada quarteirão é uma unidade amostral. Deste modo, selecionamos uma AAS dos quarteirões para depois proceder-se o levantamento dos dados de todos os elementos do Conglomerado. Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Tipos de estudos Tipos de Amostragem Principais planos de amostragem probabilística Erros de amostragem Erro amostral(E). é a diferença entre o resultado amostral e o verdadeiro resultado da população. Tais erros resultam das flutuações amostrais devidas ao acaso. Erro não amostral. ocorre quando os dados amostrais são coletados ou registrados incorretamente. Exemplos de erros não amostrais: seleção de uma amostra por conveniência, uso de um instrumento de medida defeituoso, digitação incorreta dos dados, etc. Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Média Proporção Variância Amostra Aleatória Uma amostra aleatória de tamanho n de uma variável aleatória X com função distribuição F , é um vetor X˜ = (X1,X2, . . . ,Xn) emque as componentes Xi são independentes e possuem distribuição F . Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Média Proporção Variância Estatística É qualquer função dos elementos X1, . . . ,Xn da amostra X˜ cujadistribuição de probabilidade não depende de parâmetros desconhecidos. Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Média Proporção Variância Distribuição Amostral: Definição A Distribuição de todos os valores possíveis que podem ser assumidos por uma estatística, calculados a partir de amostras de mesmo tamanho selecioanadas aleatóriamente de uma mesma popualção, é chamada de Distribuição Amostral da estatística. Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Média Proporção Variância Distribuição Amostral: Objetivos Permitir responder questões probabilisticas sobre estatisticas amostrais; fornecer a teoria necessária para fazer válidos os procedimentos da inferência estatística. Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Média Proporção Variância Distribuição Amostral da Média: Exemplo 5.3.1-Daniel Suponha que temos uma população de cinco crianças que são pacientes em um centro comunitário de saúde mental e a variável de interesse é a idade delas, assim, x˜ = (6, 8, 10, 12, 14). A média populacional é, µ = 6 + 8 + 10 + 12 + 14 5 = 10 Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Média Proporção Variância Distribuição Amostral da Média: Exemplo 5.3.1-Daniel e a variância populacional, σ2 = (6− 10)2 + (8− 10)2 + · · ·+ (14− 10)2 5 = 8 Desejamos obter a distribuição amostral da média, baseado em amostras de tamanho 2, selecionadas dessa populaçao com reposição. Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Média Proporção Variância Distribuição Amostral da Média: Exemplo 5.3.1-Daniel 6 8 10 12 14 6 (6,6) (6,8) (6,10) (6,12) (6,14) X 6 7 8 9 10 8 (8,6) (8,8) (8,10) (8,12) (8,14) X 7 8 9 10 11 10 (10,6) (10,8) (10,10) (10,12) (10,14) X 8 9 10 11 11 12 (12,6) (12,8) (12,10) (12,12) (12,14) X 9 10 11 12 13 14 (14,6) (14,8) (14,10) (14,12) (14,14) X 10 11 12 13 14 Table: Todas as posíveis amostras de tamanho 2 da população com reposição Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Média Proporção Variância Distribuição Amostral da Média: Amostras com reposição X 6 7 8 9 10 11 12 13 14 Frequência 1 2 3 4 5 4 3 2 1 Freq. Rel(Prob.) 125 2 25 3 25 4 25 5 25 4 25 3 25 2 25 1 25 Distribuição Amostral da Média para n=2 6 7 8 9 10 11 12 13 14 0 1 2 3 4 5 Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Média Proporção Variância Distribuição Amostral da Média: Amostras com reposição Deste modo, tem-se que o valor esperado de X é E (X ) = 14∑ x=6 xP(X = x) = 6× 1 25 +7× 2 25 +· · ·+13× 2 25 +14× 1 25 = 10 e a variancia de X é Var(X ) = 14∑ x=6 ( x − E (X ) )2 P(X = x) = (6− 10)2 × 1 25 + · · ·+ (14− 10)2 × 1 25 = 4. Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Média Proporção Variância Distribuição Amostral da Média: Amostras com reposição Agora note que E (X ) = µ e Var(X ) = 4 = 8 2 = σ2 n em que n é o tamanho da amostra. Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Média Proporção Variância Distribuição Amostral da Média: Amostras sem reposição X 7 8 9 10 11 12 13 Frequência 2 2 4 4 4 2 2 Freq. Rel(Prob.) 220 2 20 4 20 4 20 4 20 2 20 2 20 Distribuição Amostral da Média para n=2, sem reposição 7 8 9 10 11 12 13 0 1 2 3 4 Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Média Proporção Variância Distribuição Amostral da Média: Amostras sem reposição Deste modo, tem-se que o valor esperado de X é E (X ) = 13∑ x=7 xP(X = x) = 7× 2 20 + · · ·+ 13× 2 20 = 10 e a variancia de X é Var(X ) = 13∑ x=7 ( x − E (X ) )2 P(X = x) = (7− 10)2 × 2 20 + · · ·+ (13− 10)2 × 2 20 = 3. Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Média Proporção Variância Distribuição Amostral da Média: Amostras sem reposição Agora note que E (X ) = µ e Var(X ) = 3 = 8 2 × 5− 2 5− 1 = σ2 n × N − n N − 1 em que n é o tamanho da amostra e N é o tamanho da populacão.Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Média Proporção Variância Distribuição Amostral da Média Seja X1, . . . ,Xn uma amostra aleatória da variável X ∼ N(µ, σ2) então, X ∼ N ( µ; σ2 n ) . Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Média Proporção Variância Teorema Central do Limite Seja {Xn, n ≥ 1} uma seqüência de variáveis aleatórias independentes e identicamente distribuídas, com média µ e variancia σ2 <∞. Então, para Sn = ∑n i=1 Xn, tem-se Sn − E (Sn)√ Var (Sn) = Sn − nµ σ √ n d−→ N(0, 1) Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Média Proporção Variância Distribuição Amostral da Média Seja X1, . . . ,Xn uma amostra aleatória da variável X , com média µ e variância σ2 <∞. Então pelo Teorema Central do Limite(TCL) segue que a distribuição da média amostral será aproximadamente normal com média µ e variância σ 2 n , isto é, X a∼ N ( µ; σ2 n ) . Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Média Proporção Variância Exemplo Suponha que em uma certa população, o tamanho do crânio é uma variável aleatória com distribuição aproximadamente normal com média 185,6 mm e desvio padrão 12,7 mm. Qual é a probabilidade que em uma amostra aleatória de tamanho 10 desta população a média amostral seja maior que 190 mm? P ( X > 190 ) = P ( Z > 190− 185, 6 12,7√ 10 ) = P(Z > 1, 1) = 1− Φ(1, 1) = 0, 1357. Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Média Proporção Variância Distribuição Amostral da Diferença de Médias Sejam X11, . . . ,X1n1 e X21, . . . ,X2n2 amostras das variáveis aleatórias X1 ∼ N(µ1, σ21) e X2 ∼ N(µ2, σ22) então, X 1 − X 2 ∼ N ( µ1 − µ2; σ21 n1 + σ22 n2 ) ; Se as populações não forem normais então pelo TCL segue que, X 1 − X 2 a∼ N ( µ1 − µ2; σ21 n1 + σ22 n2 ) ; Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Média Proporção Variância Distribuição Amostral da Diferença de Médias - Exemplo 5.4.2-Daniel Suponha que o tempo médio de visita domiciliar realizado por enfermeiras dos PSF’s, considerando um certo tipo de paciente foi estimado em 45 minutos com um desvio padrão de 15 minutos e para um segundo tipo de paciente o tempo médio de visita domiciliar foi estimado em 30 minutos com um desvio padrão de 20 minutos. Se uma enfermeira visitar aleatoriamente 35 pacientes do primeiro tipo e 40 do segundo tipo, qual a probabilidade que o tempo de visita médio entre os dois grupos de pacientes seja superior a 20 minutos? Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Média Proporção Variância Exemplo 5.4.2-Daniel - Solução Tem-se que, X 1 − X 2 ∼ N ( 45− 30; 15 2 35 + 202 40 ) Logo, P(X 1 − X 2 > 20) = P Z > 20− 15√ 152 35 + 202 40 Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Média Proporção Variância Distribuição Amostral da Proporção Seja uma amostra aleatória (X1, . . . ,Xn) em que Xi ∼ ber(p). Um estimador para o parâmetro p é dado por, p̂ = X1 + · · ·+ Xn n . Logo, do Teorema Central do Limite, segue que, para n grande, p̂ terá distribuição aproximadamente normal com média p e variância p(1−p) n . Observação A aproximação será boa se n ×min(p, 1− p) > 5. Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Média Proporção Variância Exemplo Suponha que em uma determinada população de mulheres grávidas no seu terceiro mês, 90% tiveram algum cuidado pré-natal. Se uma amostra aleatória de 200 mulheres dessa população é selecionada, qual a probabilidade que a proporção amostral das mulheres que tiveram algum cuidado pré-natal seja no máximo 0,85? P(p̂ ≤ 0, 85) = P Z ≤ 0, 85− 0, 90√ 0,9×0,1 200 = P(Z ≤ −2, 36) Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Média Proporção Variância Distribuição Amostral da diferença da Proporção Seja X11, . . . ,X1n1 e X21, . . . ,X2n2 , amostras das variáveis aleatórias X1 ∼ ber(p1) e X2 ∼ ber(p2), os estimadores para os parâmetros p1 e p2 são dados por, p̂1 = X11 + · · ·+ X1n1 n1 e p̂2 = X21 + · · ·+ X2n2 n2 . Logo, do Teorema Central do Limite, segue que, para n grande, p̂1 − p̂2 terá distribuição aproximadamente normal com média µp̂1−p̂2 = p1 − p2 e variância σ2p̂1−p̂2 = p1(1−p1) n1 + p2(1−p2) n2 . Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Média Proporção Variância Distribuição Amostral da Variância Seja X1, . . . ,Xn uma amostra aleatória da variável X ∼ N(µ, σ2), então, (n − 1)S2 σ2 ∼ χ2n−1 Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Média Proporção Variância Exemplo Vinte e quatro animais com deficiencia de vitamina D foram dividos em dois grupos de mesmo tamanho. O grupo 1 foi recebeu uma dieta que fornecia vitamina D enquanto que o grupo dois não tinha em sua dieta vitamina D. Ao final do período do experimento foram determinados os níveis de cálcio sérico obtendo os seguintes resultados: Grupo X (mg/100ml) S 1 11,1 1,5 2 7,8 2.0 Assuma que as populações são normais e as variancias são iguais a σ2 = 2, 56. Verifique se e razoável que as variancias σ21 e σ 2 2 sejam iguais a 2,56. Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Média Proporção Variância Exemplo Visto que, 11× Si σ2i ∼ χ211 então, como s21 = 1, 5 2 < 2, 56 então P ( S21 ≤ 1, 52 ) = P ( χ211 ≤ 11× 1, 52 2, 56 ) = P(χ211 ≤ 9, 667969) = 0, 4395 e como s22 = 2 2 > 2, 56 então P ( S22 ≥ 22 ) = P ( χ211 ≥ 11× 4 2, 56 ) = P(χ211 ≥ 17, 1875) = 0, 1025 Ulisses U. dos Anjos Modelos de Probabilidadee Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Média Proporção Variância Distribuição Amostral da razão de Variâncias Sejam X11, . . . ,X1n1 e X21, . . . ,X2n2 amostras das variáveis aleatórias X1 ∼ N(µ1, σ21) e X2 ∼ N(µ2, σ22) então, U = (n1 − 1)S21 σ21 ∼ χ2n1−1 e V = (n2 − 1)S22 σ22 ∼ χ2n2−1 logo, U n1−1 V n2−1 = S21 σ21 S22 σ22 ∼ Fn1−1,n1−1 Observação É usual fazer a razão da maior variância sobre a menor, entretanto veremos adiante no exemplo que não faz diferença. Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Média Proporção Variância Exemplo Vinte e quatro animais com deficiencia de vitamina D foram dividos em dois grupos de mesmo tamanho. O grupo 1 foi recebeu uma dieta que fornecia vitamina D enquanto que o grupo dois não tinha em sua dieta vitamina D. Ao final do período do experimento foram determinados os níveis de cálcio sérico obtendo os seguintes resultados: Grupo X (mg/100ml) S 1 11,1 1,5 2 7,8 2.0 Assuma que as populações são normais. Verifique se é razoável que as variancias sejam iguais? Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Média Proporção Variância Exemplo Visto que, S21 σ2 S22 σ2 = S21 S22 ∼ F12−1,12−1 então, como S21 = 1.5 2 < 22 = S22 , isto é, tem-se que P ( F11,11 ≤ 1.52 22 ) = 0, 1771 ou, suponha agora que S21 = 2 2 > 1.52 = S22 , assim P ( F11,11 ≥ 22 1, 52 ) = 0, 1771 Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Média Proporção Variância Intervalo de Confiança Um intervalo de confiança é um intervalo de valores utilizado para estimar o verdadeiro valor de um parâmetro populacional (θ). Definição Seja X = (X1, . . . ,Xn) uma amostra aleatória da variável X ∼ F e c1(X) e c2(X) estatísticas tais que, P(c1(X) < θ < c2(X)) = 1− α, 0 < α < 1 Então o intervalo aleatório ( c1(X), c2(X) ) chama-se Intervalo de Confiança de 100(1− α)% para (θ). Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Média Proporção Variância Intervalo de Confiança De um modo geral, estamos interessados em encontrar um intervalo da forma ( θ̂− E ; θ̂+ E ) , em que θ̂ é o estimador de um parâmetro de interesse θ e E é a margem de erro ou erro de precisão. Todo intervalo de confiança está associado a um nível de confiança 100(1− α)% que é a probabilidade de que o intervalo contenha o verdadeiro valor do parâmetro, isto é, P ( θ̂ − E < θ < θ̂ + E ) = 1− α, 0 < α < 1 Logo, α será a probabilidade de que o intervalo não contenha o verdadeiro valor do parâmetro. Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Média Proporção Variância Intervalo de Confiança Em cada caso há o interesse de se construir um uma região de estimação ótima, isto é, fixado um nível de confiança, desejamos encontrar um intervalo que tenha a menor amplitude possível. Observando um grande número de amostras de tamanho n e seus correspondentes intervalos espera-se que em média uma proporção 100(1− α)% desses intervalos contenham o verdadeiro valor do parâmetro. Notação: IC ( θ ; (1− α)% ) = ( c1(X) , c2(X) ) Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Média Proporção Variância Intervalo de Confiança para a Média - Caso 1 - Variância conhecida Suposições: 1 X = (X1, . . . ,Xn) uma amostra iid(independente e identicamente distribuída); 2 população com distribuição normal com média µ e Variância σ2 conhecida; ou uma amostra grande n ≥ 30 com Variância σ2 conhecida ou não, aí nesse caso substitui-se σ2 por S2. Nessas condições, segue que, X − µ σ√ n ∼ N(0, 1) Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Média Proporção Variância Intervalo de Confiança para a Média - Caso 1 - Variância conhecida Deste modo, a margem de erro é dada por, E = zα 2 σ√ n logo, IC ( µ ; (1− α)% ) = ( X − zα 2 σ√ n ; X + zα 2 σ√ n ) Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Média Proporção Variância Intervalo de Confiança para a Média - Caso 2 - Variância Desconhecida Suposições: 1 X = (X1, . . . ,Xn) uma amostra iid(independente e identicamente distribuída); 2 população com distribuição normal com média µ e Variância σ2 desconhecida; Nessas condições, segue que, X − µ S√ n ∼ tn−1 Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Média Proporção Variância Intervalo de Confiança para a Média - Caso 2 - Variância Desconhecida Deste modo, a margem de erro é dada por, E = t(n−1 , α2 ) S√ n logo, IC ( µ ; (1− α)% ) = ( X − t(n−1 , α2 ) S√ n ; X + t(n−1 , α2 ) S√ n ) Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Média Proporção Variância Intervalo de Confiança para a diferença de Médias - Caso 1 - Variâncias conhecidas Suposições: 1 X1 = (X11, . . . ,X1n1) e X2 = (X21, . . . ,X2n2) amostras iid(independente e identicamente distribuída) provenientes de populações independentes; 2 populações com distribuição normal, com médias µ1 e µ2 e Variâncias σ21 e σ 2 2 conhecidas; ou amostras grandes n ≥ 30 com Variâncias conhecidas ou não. Nessas condições, segue que, (X 1 − X 2)− (µ1 − µ2)√ σ21 n1 + σ22 n2 ∼ N (0, 1) ; Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Média Proporção Variância Intervalo de Confiança para a diferença de Médias - Caso 1 - Variâncias conhecidas Deste modo, a margem de erro é dada por, E = zα 2 √ σ21 n1 + σ22 n2 Logo, o intervalo de confiança IC ( µ1 − µ2 ; (1− α)% ) é dado por,(X 1 − X 2)− zα2 √ σ21 n1 + σ22 n2 , (X 1 − X 2) + zα2 √ σ21 n1 + σ22 n2 Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese MédiaProporção Variância Intervalo de Confiança para a diferença de Médias - Caso 2 - Variâncias desconhecidas e iguais Suposições: 1 X1 = (X11, . . . ,X1n1) e X2 = (X21, . . . ,X2n2) amostras iid(independente e identicamente distribuída) provenientes de populações independentes; 2 populações com distribuição normal, com médias µ1 e µ2 e Variâncias σ21 e σ 2 2 desconhecidas e iguais. Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Média Proporção Variância Intervalo de Confiança para a diferença de Médias - Caso 2 - Variâncias desconhecidas e iguais Nessas condições, segue que, (X 1 − X 2)− (µ1 − µ2)√ S2p n1 + S2p n2 ∼ tn1+n2−2 em que, S2p = (n1 − 1)S21 + (n2 − 1)S22 n1 + n2 − 2 Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Média Proporção Variância Intervalo de Confiança para a diferença de Médias - Caso 2 - Variâncias desconhecidas e iguais A margem de erro é dada por, E = tn1+n2−2,α2 √ S2p n1 + S2p n2 logo, IC ( µ1 − µ2 ; (1− α)% ) = ( (X 1 − X 2)− E , (X 1 − X 2) + E ) Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Média Proporção Variância Intervalo de Confiança para a diferença de Médias - Caso 3 - Variâncias desconhecidas e diferentes Quando não é possivel concluir que as variancias são iguais então, (X 1 − X 2)− (µ1 − µ2)√ S21 n1 + S22 n2 não tem distribuição tn1+n2−2. A solução proposta por Cochran consiste em calcular, t ′ α 2 = w1tn1−1,α2 + w2tn2−1,α2 w1 + w2 em que wi = S2i ni . Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Média Proporção Variância Intervalo de Confiança para a diferença de Médias - Caso 3 - Variâncias desconhecidas e diferentes Deste modo, a margem de erro é dada por, E = t ′ α 2 √ S21 n1 + S22 n2 Assim, o intervalo de confiança IC ( µ1 − µ2 ; (1− α)% ) é dado por,(X 1 − X 2)− t ′α 2 √ S21 n1 + S22 n2 , (X 1 − X 2) + t ′ α 2 √ S21 n1 + S22 n2 Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Média Proporção Variância Intervalo de Confiança para a Proporção Seja uma amostra aleatória (X1, . . . ,Xn) de Xi ∼ ber(p). Então, pelo TCL segue que a margem de erro aproximada é dada por, E = zα 2 √ p̂(1− p̂) n Logo, IC ( p ; (1− α)% ) = ( p̂ − zα 2 √ p̂(1− p̂) n ; p̂ + zα 2 √ p̂(1− p̂) n ) Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Média Proporção Variância Intervalo de Confiança para a diferença de Proporções Seja X11, . . . ,X1n1 e X21, . . . ,X2n2 , amostras das variáveis aleatórias X1 ∼ ber(p1) e X2 ∼ ber(p2), então pelo Teorema Central do Limite, segue que, para n grande, a margem de erro aproximada é dada por, E = zα 2 √ p̂1(1− p̂1) n1 + p̂2(1− p̂2) n2 logo, IC ( p1 − p2 ; (1− α)% ) = ((p̂1 − p̂2)− E ; (p̂1 − p̂2) + E ) Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Média Proporção Variância Intervalo de Confiança para a Variância Suposições: Suposições: 1 X = (X1, . . . ,Xn) uma amostra iid(independente e identicamente distribuída); 2 população com distribuição normal com média µ e Variância σ2. Nessas condições segue que, (n − 1)S2 σ2 ∼ χ2n−1 Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Média Proporção Variância Intervalo de Confiança para a Variância Logo, χ2n−1,α2 < (n − 1)S2 σ2 < χ2n−1,1−α2 portanto, (n − 1)S2 χ2n−1,α2 > σ2 > (n − 1)S2 χ2n−1,1−α2 Assim, um IC ( σ2 ; (1− α) ) é dado por,( (n − 1)S2 χ2n−1,1−α2 , (n − 1)S2 χ2n−1,α2 ) Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Média Proporção Variância Intervalo de Confiança para a razão de Variâncias Suposições: 1 X1 = (X11, . . . ,X1n1) e X2 = (X21, . . . ,X2n2) amostras iid(independente e identicamente distribuída) provenientes de populações independentes; 2 populações com distribuição normal, com médias µ1 e µ2 e Variâncias σ21 e σ 2 2. Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Média Proporção Variância Intervalo de Confiança para a razão de Variâncias Nessas condições, segue que, S21 σ21 S22 σ22 ∼ Fn1−1,n1−1 logo, IC ( σ21 σ22 ; (1− α) ) = S21S22 Fn1−1,n2−1,1−α2 , S21 S22 Fn1−1,n2−1,α2 Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Visão Geral Componentes de um Teste de Hipótese Teste para Média Teste para Variância Teste para Proporção Motivação Um Jornal na Cidade St. Paul, Mineápolis, o Star Tribune patrocinou uma pesquisa destinada a revelar as opiniões sobre o uso de câmeras fotográficas para flagrar os motoristas que passam o sinal vermelho e depois são notificados pelo correio sobre a infração cometida. Os pesquisadores entrevistaram 829 adultos de Minnesota, e verificaram que 51% se opunham à essa nova legislação que aprovará o uso dessas câmeras. Baseado nessas informações, podemos concluir que há evidência amostral suficiente para apoiar a afirmativa que a maioria de todos os adultos de Minnesota, isto é, p > 0, 5 são contra a nova legislação? Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Visão Geral Componentes de um Teste de Hipótese Teste para Média Teste para Variância Teste para Proporção Visão Geral O objetivo de um teste de hipótese é fornecer uma metodologia(procedimento) que nos permita verificar se os dados amostrais trazem evidências que apóiem ou não uma hipótese estatística formulada. Assim sendo, a formulação de um teste de hipótese estatístico inicia-se com a afirmação de uma hipótese estatística. Definição (Hipótese Estatística) É usualmente uma conjectura a respeito de um parâmetro populacional. Para cada situação existem dois tipos de hipótese estatística: a hipótese nula denotada por H0 e a hipótese alternativa denotada por H1 Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia
Compartilhar