Baixe o app para aproveitar ainda mais
Prévia do material em texto
INFERÊNCIA ESTATÍSTICA Amostragem: amostra e população; Distribuição amostral da média; Distribuição amostral da proporção. Professora: Juliana de Almeida Costa 1 2 Objetivo: • Entender amostragem, distribuição amostral da média • Entender distribuição amostral proporção • Ao final do conteúdo ser capaz de fazer os exercícios; 3 Iremos ver os argumentos estatísticos para fazer afirmações sobre as características de uma população, com base em informações dadas por amostras. O uso de informações de uma amostra para concluir sobre o todo faz parte da atividade diária da maioria das pessoas. Basta observar como uma cozinheira verifica se o prato que ela está preparando tem ou não a quantidade adequada de sal. Ou, ainda, quando um comprador, após experimentar um pedaço de laranja numa banca de feira, decide se vai comprar ou não as laranjas. Essas são decisões baseadas em procedimentos amostrais. Nosso objetivo é procurar dar a conceituação formal a esses princípios intuitivos do dia-a-dia para que possam ser utilizados cientificamente em situações mais complexas. 4 Dois conceitos básicos são, portanto, necessários para o desenvolvimento da Inferência Estatística: população e amostra. Definição: População é o conjunto de todos os elementos ou resultados sob investigação. Amostra é qualquer subconjunto da população. Exemplos para melhor entender essas definições: Conceitos Básicos 5 Exemplo 1 - Consideremos uma pesquisa para estudar os salários dos 500 funcionários da Companhia MB. Seleciona-se uma amostra de 36 indivíduos, e anotam-se os seus salários. A variável aleatória a ser observada é “salário”. A população é formada pelos 500 funcionários da companhia. A amostra é constituída pelos 36 indivíduos selecionados. Na realidade, estamos interessados nos salários, portanto, para sermos mais precisos, devemos considerar como a população os 500 salários correspondentes aos 500 funcionários. Consequentemente, a amostra será formada pelos 36 salários dos indivíduos selecionados. Podemos estudar a distribuição dos salários na amostra, e esperamos que esta reflita a distribuição de todos os salários, desde que a amostra tenha sido escolhida com cuidado. Conceitos Básicos 6 Exemplo 2 -Queremos estudar a proporção de indivíduos na cidade A que são favoráveis a certo projeto governamental. Uma amostra de 200 pessoas é sorteada, e a opinião de cada uma é registrada como sendo a favor ou contra o projeto. A população consiste de todos os moradores da cidade, e a amostra é formada pelas 200 pessoas selecionadas. Podemos, definir a variável X, que toma o valor 1, se a resposta de um morador for favorável, e o valor 0, se a resposta for contrária ao projeto. Assim, nossa população pode ser reduzida à distribuição de X, e a amostra será constituída de uma sequência de 200 zeros e uns. Conceitos Básicos 7 Distribuição Amostral Uma estatística é uma variável aleatória e sua distribuição de probabilidade é chamada de distribuição amostral. 8 Um aspecto crítico das estatísticas é a estimativa de parâmetros com estatísticas a partir da amostra. Estatísticas amostrais são utilizadas como estimadores dos parâmetros correspondentes do modelo de população. Por exemplo, a média e o desvio padrão da amostra são utilizadas como estimativas da média e do desvio padrão populacional, correspondentes aos parâmetros μ e σ. Existem textos na área de estatística que dedicam um esforço considerável para definir quais os procedimentos para encontrar boas estimativas de parâmetros. Distribuição Amostral 9 Para tentar resumir os conceitos de parâmetros e estimativas e suas relações, apresentamos o seguinte esquema a seguir: Distribuição Amostral 10 Com base na população temos os parâmetros (θ). Entretanto muitas vezes trabalhar com a população pode ser muito caro e difícil, então a solução é selecionar uma amostra representativa. Em outras palavras, podemos inferir algumas características dessa população ao selecionar uma amostra representativa desta. Com essa amostra podemos encontrar os estimadores (𝜃 ) dos parâmetros da população (θ). Como por exemplo, suponha que estivéssemos interessados em saber o tempo médio de trabalho dos empregados de uma empresa. Neste caso, o valor que se quer conhecer é o parâmetro média populacional μ (tempo médio de trabalho a partir das informações de todos os empregados da empresa). Distribuição Amostral 11 Trabalhar com todos os componentes da população nem sempre é a solução mais viável, seja por conta de recursos financeiros ou devido a dificuldades operacionais. Então, a solução é trabalhar com uma amostra representativa da população que se está estudando. Após selecionar uma amostra, é possível encontrar o estimador do parâmetro, ou seja, do tempo médio de trabalho na empresa em anos. Neste exemplo, o estimador é a média amostral 𝑿 , isto é, a média do tempo de trabalho na empresa calculada a partir das informações dos empregados selecionados na amostra. Distribuição Amostral 12 Toda a variável aleatória é chamada de uma estatística. Logo, uma estatística é qualquer função das observações em uma amostra aleatória. Consideremos todas as amostras possíveis de tamanho n que podem ser retiradas de uma população de tamanho N (com ou sem reposição). Para cada amostra, podemos calcular uma grandeza estatística, como a média, o desvio padrão etc., que varia de amostra para amostra. Com os valores obtidos para determinada grandeza, podemos construir uma distribuição de probabilidades, que será denominada de distribuição amostral. Distribuição Amostral 13 O quadro abaixo mostra as notações mais utilizadas para algumas medidas: Distribuição Amostral 14 Na distribuição Amostral de uma estatística, em vez de concentramos na população original, desejamos nos valores de estatísticas( tais como médias e proporções amostrais). A distribuição Amostral de uma estatística é a distribuição de todos os valores da estatística quando são extraídas, da mesma população, todas as amostras possíveis de mesmo tamanho n. Distribuição Amostral 15 Distribuição Amostral 16 Na distribuição Amostral da média amostral é a distribuição de todas as possíveis médias amostrais(ou a distribuição amostral da variável 𝑥 ), com todas as amostras de mesmo tamanho 𝑛 extraídas da mesma população.(A distribuição amostral da média é tipicamente, representada como uma distribuição de probabilidade no formato de uma tabela, histograma de probabilidade ou formula) Distribuição Amostral da Média 17 Distribuição Amostral da Média 18 Distribuição Amostral da Média 19 Desvio padrão da distribuição amostral das médias ou erro padrão da média. Distribuição Amostral da Média 20 Distribuição Amostral da Média 21 Distribuição Amostral da Média Sobre o fator de Correção: É usado para uma população finita. Ou a correção é insignificante e pode ser omitida sempre que isto é, quando o tamanho da amostra for menor do que 5% do tamanho da população. 22 Exemplo 3: Distribuição Amostral da Média 23 Exemplo 4: Distribuição Amostral da Média 24 Distribuição Amostral da Média 25 Exemplo 5: Distribuição Amostral da Média 26 Distribuição Amostral da Média 27 Exemplo 6: Numa prova de Matemática e Física, constante de 80 questões, referente a um vestibular simulado realizado no Rio de Janeiro, observou-se que a média de acertos foi de 24,12 com desvio padrão de 9,78. Dos 22.102 vestibulandos que participaram da prova, retirou-se - aleatoriamente - uma amostra de 200 concorrentes. Determinar: a) a probabilidade de que a média dessa amostrase localize entre 25 e 26; b) a probabilidade de que a média dessa amostra apresente um valor inferior a 22. Distribuição Amostral da Média 28 A distribuição amostral da proporção amostral é a distribuição das proporções amostrais, com todas as amostras de mesmo tamanho 𝑛 extraídas da mesma população. Distribuição Amostral da Proporção 29 Seja uma população da qual se investiga a proporção ou a frequência relativa de uma determinada característica de interesse. Suponha que seja possível selecionar desta população todas as amostras possíveis de tamanho n>30. Para cada amostra obtida, verifica-se a proporção da realização da característica de interesse. Se as proporções observadas nas amostras coletadas forem apuradas e descritas em uma distribuição de frequência, o resultado de tal operação será a Distribuição Amostral da Proporção. Distribuição Amostral da Proporção 30 Distribuição Amostral da Proporção 31 Distribuição Amostral da Proporção 32 Distribuição Amostral da Proporção Sobre o fator de Correção: É usado para uma população finita. Ou a correção é insignificante e pode ser omitida sempre que isto é, quando o tamanho da amostra for menor do que 5% do tamanho da população. 33 Exemplo 7: Distribuição Amostral da Proporção 34 Exemplo 8: Distribuição Amostral da Proporção 35 Exemplo 9: O percentual de acessos mal sucedidos a determinada página da Internet é de 5%. Se forem observados 100 acessos: (a) qual probabilidade de que no máximo 3% deles sejam mal sucedidos? (b) qual será essa probabilidade se a população for finita, com 500 acessos? Distribuição Amostral da Proporção
Compartilhar