Baixe o app para aproveitar ainda mais
Prévia do material em texto
AULA 21 Intervalo de Confiança (Parte 01) OBJETIVOS Em duas aulas, APRENDEREMOS: A construir e interpretar estimativas para intervalos de confiança da média e proporção; Com desvio-padrão conhecido e desconhecido; INTRODUÇÃO Inferência Estatística: processo de utliza resultados de amostras para extrair conclusões sobre características de uma população; Estimar características desconhecidas como a média aritmética de uma população; Para tanto, utiliza-se estimativas de ponto e de intervalo; Exemplo: estimar a média aritmética das notas de todos os alunos da UFRN nos últimos 5 anos; Suponha média = 7,0 Mas, até que ponto 7,0 é preciso? Assim, torna-se necessário construir uma estimativa para o intervalo de confiança. DISTRIBUIÇÕES DE AMOSTRAGENS 𝜎𝑋 = 𝜎 𝑛 Desvio padrão (erro padrão da média aritmética) expressa o modo de como as médias aritméticas das amostras variam de amostra para amostra a partir de populações grandes ou infinitas; A média aritmética é isenta de viés, já que a média aritmética de todas as possíveis médias aritméticas da amostra (𝑿 ) é igual a média aritmética da população (µ); A média aritmética da amostra (a estatística) é utilizada para estimar a média aritmética da população (um parâmetro); AMOSTRAGEM DE POPULAÇÕES DISTRIBUÍDAS NOS MOLDES DA DISTRIBUIÇÃO NORMAL População nos moldes da Distribuição Normal Distribuição da média amostral será distribuída nos moldes da Normal μμ x viéssem X x x μ xμ Que tipo de distribuição seguirá a média aritmética da amostra, 𝑿 ? AMOSTRAGEM DE POPULAÇÕES CUJA DISTRIBUIÇÃO NÃO É NORMAL (TEOREMA DO LIMITE CENTRAL) O Teorema do Limite Central garante que se cada amostra for grande o suficiente (n indo para infinito), a distribuição da média amostral é aproximadamente normal. E isto é verdade independente do formato da distribuição de X! Uma das razões para as distribuições com formato de sino aparecerem tantas vezes na natureza… E se a v.a. não for normal? Por exemplo, uma distribuição discreta? TEOREMA DO LIMITE CENTRAL Seja X1,…, Xn uma amostra aleatória de uma v.a. X com média, µ, e erro padrão da média aritmética, 𝝈𝑿 . 1,0 Zde ãodistribuiç a então , Se n N n X n n Suponha que você tem uma população de 4 alunas no curso… • Tamanho da população N=4 • Variável aleatória, X: idade das alunas • Valores possíveis de X: 18, 20, 22, 24 (anos) 21 4 24222018 N X μ i 2,236 N μ)(X σ 2 i 0,3 0,2 0,1 0 18 20 22 24 A B C D P(x) x Distribuição Uniforme Para N=4 P(X) = ¼ = 0,25 Medidas para a distribuição da população RESOLUÇÃO 1a Obs. 2a Observação 18 20 22 24 18 18,18 18,20 18,22 18,24 20 20,18 20,20 20,22 20,24 22 22,18 22,20 22,22 22,24 24 24,18 24,20 24,22 24,24 Considere todas as amostras possíveis de tamanho n=2 1a Obs. 2a Observação 18 20 22 24 18 18 19 20 21 20 19 20 21 22 22 20 21 22 23 24 21 22 23 24 16 Médias Amostrais: idade média para cada amostra de 2 alunas (a média de 2 dados resulta ~ em uma normal) 16 amostras possíveis RESOLUÇÃO Distribuição de todas as médias amostrais 1ª Obs 2ª Observação 18 20 22 24 18 18 19 20 21 20 19 20 21 22 22 20 21 22 23 24 21 22 23 24 16 Médias Amostrais Distribuição das médias amostrais 18 19 20 21 22 23 24 0 0,1 0,2 0,3 P(X) X (não é mais uniforme) _ P(X) 18 = 1/16 = 0,0625 19=2/16=0,125 20 =3/16=0,1875 21=4/16=0,25 RESOLUÇÃO 21 16 24211918 n X μ i X 1,58 16 21)-(2421)-(1921)-(18 n )μX( σ 222 2 X i X Medidas para a distribuição amostral RESOLUÇÃO População N = 4 1,58σ 21μ 22 X X 2,236σ 21μ Distribuição média amostral com amostras de tamanho n = 2 18 20 22 24 A B C D 0 0,1 0,2 0,3 P(X) X 18 19 20 21 22 23 24 0 0,1 0,2 0,3 P(X) X _ _ RESOLUÇÃO Resumo sobre o TLC: Para a maior parte das distribuições, n > 30, implica em uma distribuição amostral quase normal. Para distribuições praticamente simétricas, n > 15 implica em uma distribuição amostral quase normal. Para populações com distribuição normal, a distribuição amostral da média amostral sempre é normal. Dadas 𝒏 amostras, 𝑿𝟏, 𝑿𝟐, … , 𝑿𝒏 de uma distribuição qualquer com: • Média = 𝝁 • Variância = 𝝈𝟐 Quando 𝒏 → ∞ • 𝑿𝟏 + 𝑿𝟐, +⋯+𝑿𝒏 → 𝑵𝒐𝒓𝒎𝒂𝒍 (𝒏 × 𝝁 ; 𝒏 × 𝝈 𝟐) • • 𝑿𝟏+𝑿𝟐,+⋯+𝑿𝒏 𝒏 → 𝑵𝒐𝒓𝒎𝒂𝒍 (𝝁 ; 𝝈𝟐 𝒏 ) Portanto, o TLC nos diz que: O que nos garante que as 16 amostras compõem uma boa estimativa da população? Por isso, associamos uma estimativa pontual a uma outra estimativa: INTERVALO DE CONFIANÇA OU ESTIMATIVA INTERVALAR ESTIMATIVAS DO INTERVALO DE CONFIANÇA INTERVALO DE CONFIANÇA Forma que permite calcular os parâmetros populacionais com incertezas inerentes da amostra representativa. Estimativa Pontual Limite Inferior de Confiança Limite Superior de Confiança Comprimento do Intervalo de Confiança FORNECE INFORMAÇÃO ADICIONAL SOBRE VARIABILIDADE Um intervalo de confiança fornece um conjunto de valores para estimativas de uma população; Considera a variação da estatística amostral de amostra em amostra; Fornece informação sobre o quão precisa é a estimativa; • Ex: Confiança de 95%, Confiança de 99%; • Nunca podemos estar 100% certos. O intervalo de confiança depende do nível de confiança desejado: A fórmula geral para todos os intervalos de confiança Estimativa Pontual ± (Valor Crítico) . (Erro padrão) n σ ZX /2 𝑍 = 𝑋 − 𝜇 𝜎 = 𝑋 − 𝜇𝑋 𝜎𝑋 = 𝑋 − 𝜇 𝜎 𝑛 𝜇 = 𝑋 + 𝑍 𝜎 𝑛 NÍVEL DE CONFIANÇA Confiança de que o intervalo contenha o valor real do parâmetro (que é desconhecido); Um percentual, i.e. < 100% Supor um nível de confiança = 95% Também escrito como 1 - = 0,95 : nível de significância A longo prazo, 95% de todos os intervalos de confiança que podem ser construídos contém o real valor desconhecido do parâmetro. INTERVALO DE CONFIANÇA PARA MÉDIA μ (σ Conhecido) O desvio-padrão populacional σ é conhecido; A população é normalmente distribuída; Se a população não for normal, usar uma amostra grande (TLC). Hipóteses zα/2 é o valor critico de uma Normal Padronizada Valor que deixa uma prob. de α/2 em cada cauda da distribuição Estimativa para o IC n σ ZX /2 TRANSFORMANDO Z PARA μ Lógica: Transformamos a média amostral para Z 1,0~ n σ X /,~X NZ nN n σ X n σ n σ X 2/2/2/2/2/2/ zzzzzZz n σ X n σ X 2/2/ zz Com (1- α)% de probabilidade, a verdadeira média está neste intervalo. Com (1- α)% de probabilidade Z está em [-zα/2, zα/2]: ENCONTRANDO O VALOR CRÍTICO, zα/2 Considere um intervalo de confiança de 95% -z α/2 = -1,96 z α/2= 1,96 0250,0 2 ,05,00,95-10,951 Logo 0,0250 2 α 0,0250 2 α Limite Inferior de Confiança Limite Superior de Confiança Z unidades: X unidades: Estimativa Pontual 0 0,475 0,475 Níveis de confiança normalmente usados: 95% 99% 90% NÍVEL DE CONFIANÇA COEFICIENTE DE CONFIANÇA VALOR CRÍTICO (zα/2) 80% 0,80 1,28 90% 0,90 1,65 95% 0,95 1,96 98% 0,98 2,33 99% 0,99 2,58 99,80% 0,998 3,08 99,90% 0,999 3,27 INTERVALOS E NÍVEIS DE CONFIANÇA μμ x ().100% não contém μ! Distribuição amostal da média amostral n σ ZX n σ ZX x /2 /2 1 Intervalos vão de: a (1-).100% dos intervalos de confiança construídos contém μ; Uma amostra de 11 circuitos de uma população normal tem resistência média de 2,20 ohms. Nós sabemos de testes passados que o desvio-padrão populacional é de 0,35 ohms. Determine o intervalo de confiança de 95% para o valor verdadeiro da resistência média na população. INTERVALO DE CONFIANÇA PARA MÉDIA μ (σ Conhecido) 2,4068) ; (1,9932 0,2068 2,20 )11(0,35/ 1,96 2,20 n σ 0250,0 ZX Nós estamos 95% confiantes de que o verdadeiro valor da resistência média está entre 1,9932 e 2,4068 ohms; Mesmo que a verdadeira média possa ou não estar contida neste intervalo, 95% dos intervalos construídos desta forma conterão o verdadeiro valor da média. RESOLUÇÃO Assuma que a porosidade do hélio (em porcentagem) das amostras de carvão tiradas de qualquer junta específica seja normalmente distribuída com desvio padrão de 0,75. • Determine o Intervalo de Confiança de 95% da porosidade média real de uma junta, caso a porosidade média de 20 de espécimes seja 4,85. • Determine o Intervalo de Confiança de 98% da porosidade média real de uma junta, caso a porosidade média de 16 de espécimes seja 4,56. INTERVALO DE CONFIANÇA PARA MÉDIA μ (σ Conhecido) A partir de amostra de 20 espécimes, nós estamos 95% confiantes de que o verdadeiro valor da porosidade está neste intervalo. 5,179) ; (4,521 0,329 85,4 )20(0,75/ 1,96 85,4 n σ z 0,0250 X A partir de amostra de 16 espécimes, nos estamos 98% confiantes de que o verdadeiro valor da porosidade esta neste intervalo. 4,996) ; (4,123 0,437 56,4 )16(0,75/ 2,33 56,4 n σ 0100,0 zX RESOLUÇÃO EXERCÍCIO – AULA 21 O gerente de controle da qualidade de uma fábrica de lâmpadas precisa estimar a média aritmética da vida útil de uma grade remessa de lâmpadas. O desvio- padrão do processo é de 100 horas. Uma amostra aleatória de 64 lâmpadas indicou uma média aritmética de 350 horas para a vida útil da amostra. Construa uma estimativa para o intervalo de confiança de 95% da média aritmética da população relativa à vida útil das lâmpadas nessa remessa. Resposta = 𝟑𝟐𝟓, 𝟓𝟎 ≤ 𝝁 ≤ 374,50
Compartilhar