Baixe o app para aproveitar ainda mais
Prévia do material em texto
Amostragem de Bernoulli • Método de seleção com probabilidades iguais • Amostragem sem reposição • Seja uma população PN, da qual se deseja selecionar uma amostra com tamanho esperado n, e seja: • Selecione números aleatórios ai, i=1, 2,..,N, correspondentes à cada unidade Ui de PN, e inclua na amostra todas as unidades para as quais ai<. π= nN Amostragem de Bernoulli • Seja Ii a variável indicadora da presença de Ui na amostra: • Portanto I1, I2, …, IN, são variáveis aleatórias iid, com distribuição de Bernoulli, tal que: • Segue que as probabilidades de inclusão são dadas por: I i={1, seU i for selecionada 0, se U i não for selecionada} P(I i=1)=π e P (I i=0)=1−π π i=π, i=1,2,. .. ,N π ij=π 2 , i≠ j Amostragem de Bernoulli • O tamanho real da amostra, ns, é uma variável aleatória com distribuição Binomial de parâmetros N e . • Portanto o valor esperado e a variância para o tamanho da amostra são dados por: • Como as probabilidades de inclusão são perfeitamente conhecidas podemos utilizar o estimador de Horvitz-Thompson EAB (ns)=Nπ=n e V AB(ns)=Nπ (1−π ) Amostragem de Bernoulli • Estimador para o total populacional: • A variância do estimador HT para o total se reduz a: • Um estimador não viciado para a variância do estimador do total é dado por: Y^ AB= 1 π∑i=1 ns yi V (Y^ AB)=( 1π−1)∑i=1 N Y i 2 v (Y^ AB)=1π ( 1π−1)∑i=1 ns yi 2 Amostragem de Bernoulli • Um estimador mais eficiente para o total amostral pode ser dado por: • A variância desse estimador pode ser aproximada por: • E estimada por: Y^ alt= N ns ∑ i=1 ns yi =N { y¯ s = n ns Y AB¿ V (Y^ alt ) N≃ (1π−1)S2 =N 2 (1−f ) S 2 n =N2 (1−π ) S 2 n , onde f= n N =π v (Y^ alt )=N( 1π −1)s2 =N 2 (1−f ) s 2 n =N 2 (1−π ) s 2 n Amostragem de Bernoulli • Esse estimador tem variância menor que o estimador de Horvitz-Thompson, apesar de não ser não viciado • Com amostras “grandes” o vício tende a zero • O estimador alternativo é uma espécie de correção do estimador de Horvitz-Thompson • A correção é menor quanto mais próximo ns for de seu valor esperado, n. Amostragem de Bernoulli • Exemplo: um professor tinha 600 provas para corrigir e decidiu fazer uma sondagem preliminar sobre o número de aprovados através de uma amostra. Para cada uma das provas ele lançou um dado e colocou na amostra a prova quando deu o número 6. Assim ele selecionou 90 provas, corrigiu, e, destas, 60 foram aprovadas. Construa um IC95% para o total de estudantes aprovados. Amostragem de Poisson • Método de seleção com probabilidades distintas • Seleção sem reposição • Generalização da amostragem de Bernoulli • As probabilidades de inclusão são diferentes para cada unidade da população • Definição da probabilidades de inclusão P(U i∈s)=π i ,P(U i∈s,U j∈s)=π ij=π i π j ,i=1,2,. .. ,N,j= 1,2,. .. ,N ∑ i=1 N π i =n Amostragem de Poisson • O tamanho da amostra, ns, é uma variável aleatória com valor esperado: • E variância: • Como os valores das probabilidades de inclusão estão perfeitamente definidos, o estimador de Horvitz-Thompson é um estimador não viciado para o total V (ns)=∑ i=1 N π i(1−π i) V (ns)=∑ i=1 N π i =n Amostragem de Poisson • Estimador para o total populacional: • Com variância dada por: • Estimador da variância: Y^ PO=∑ i=1 ns y i π i V (Y^ PO )=∑ i=1 N ( 1π i−1)Y i2 v (Y^ PO)=∑ i= 1 ns 1 π i ( 1π i−1) y i2 Amostragem de Poisson • Um estimador alternativo, geralmente de menor variância é dado por: • Com variância aproximada por: • Estimador da variância: V (Y^ Alt )≈∑ i=1 N (Y i−Y¯ ) 2 π i −NS2 v (Y^ Alt )≈∑ i= 1 ns ( yi− y¯s) 2 π i −Ns2 Y^ alt= N N^ ∑i=1 n s yi πi , onde N^=∑i=1 n s 1 πi Slide 1 Slide 2 Slide 3 Slide 4 Slide 5 Slide 6 Slide 7 Slide 8 Slide 9 Slide 10 Slide 11
Compartilhar