Baixe o app para aproveitar ainda mais
Prévia do material em texto
Inferência Estatística e Amostragem 4. Inferência Estatística e Amostragem a. Conceitos Básicos b. Amostragem c. Distribuição de t (Student) e Intervalo de Confiança William S. Gosset (Student) população distribuição Normal y1 y2 y3 ⋮ y∞ ⋮ amostra 1 amostra 2 y1 y2 amostra 3 y3 amostra 4 y4 amostra ∞ y∞ } } distribuição de t A estatística t de Student t = y − µ sy t = y − µs n com n − 1 graus de liberdade sy = s2 n A distribuição de t ttab−ttab 0 γ α α + γ = 1 nível de confiança nível de significância α 2 α 2 A distribuição de t ttab−ttab 0 γ = P −ttab ≤ t ≤ ttab( ) t = y − µ sy γ = P −ttab ≤ y − µ sy ≤ ttab ⎛ ⎝⎜ ⎞ ⎠⎟ γ = P −ttab ≤ y − µ sy ≤ ttab ⎛ ⎝⎜ ⎞ ⎠⎟ γ = P −ttab . sy ≤ y − µ ≤ ttab . sy( ) γ = P −y − ttab . sy ≤ −µ ≤ −y + ttab . sy( ) γ = P y + ttab . sy ≥ µ ≥ y − ttab . sy( ) γ = P y − ttab . sy ≤ µ ≤ y + ttab . sy( ) Intervalo de Confiança γ = P y − ttab . sy ≤ µ ≤ y + ttab . sy( ) e = ttab . sy γ = P y − e ≤ µ ≤ y + e( ) ICγ = y ± e Cálculo de tamanho amostral e = ttab . sy sy = s2 n e = ttab . s2 n e ttab = s2 n e2 ttab 2 = s2 n n = s 2 . ttab 2 e2 γ = 0,95 : ttab ! 2⇒ n = 4s2 e2 Intervalo de Confiança para proporções (utilizando a distribuição Normal) γ = P p̂ − ztab . sp̂ ≤ p ≤ p̂ + ztab . sp̂( ) e = ztab . sp̂ γ = P p̂ − e ≤ p ≤ p̂ + e( ) ICγ = p̂ ± e sp̂ ! p̂(1− p̂) n obs :np̂(1− p̂) ≥ 5 p̂ ∼ Normal(p, p(1− p) / n) Cálculo de tamanho amostral para proporções sp̂ ! p̂(1− p̂) n e = ztab . p̂(1− p̂) n e ztab = p̂(1− p̂) n e2 ztab 2 = p̂(1− p̂) n n = p̂(1− p̂). ztab 2 e2 γ = 0,95 : ztab ! 2⇒ n = 4 p̂(1− p̂) e2
Compartilhar