Esta é uma pré-visualização de arquivo. Entre para ver o arquivo original
T20, * T20, * ESTATÍSTICA T20, * T20, * p ESTIMAÇÃO DE PARÂMETROS Estimação pontual Estimação intervalar Método dos momentos Método da máxima verosimilhança T20, * T20, * Estimação intervalar de parâmetros quando XGaussiana(,) T20, * T20, * Sabemos que se X1, …, Xn for uma amostra aleatória de parente XGaussiana(,), então Estimação de quando é conhecido Gaussiana e, consequentemente, Gaussiana Gaussiana (0, 1). de onde resulta independência T20, * T20, * Consideremos (0,1). Temos Área = /2 Área = /2 1- z/2 -z/2 O intervalo aleatório contém o parâmetro com probabilidade 1- . Por exemplo, em 100 amostras, para = 0.05, esperamos que 95% dos intervalos construídos contenham o parâmetro . T20, * T20, * Dada uma amostra aleatória de parente XGaussiana(, ), o intervalo de confiança para o valor médio de uma v.a. Gaussiana quando é conhecido o valor do seu desvio-padrão é, para um nível de confiança de (1-)*100%, Estimação de quando é conhecido T20, * T20, * Estimação de quando é conhecido (cont.) O comprimento do intervalo é e, como seria de esperar, quanto maior for a amostra, mais estreito é o intervalo. Por exemplo, se = 1 e = 0.05, a dimensão mínima que a amostra terá de ter para que o intervalo de confiança tenha comprimento inferior a 0.5 é… Se se pretender um intervalo com comprimento inferior a 0.1,… …n = 62. …n = 1537. T20, * T20, * Estimação de quando é desconhecido Sabemos que se (X1, X2, …, Xn) for uma amostra aleatória de parente XGaussiana(, ), então Gaussiana (0, 1) Quando é desconhecido não podemos utilizar este na normalização. Um estimador centrado para 2 é T20, * T20, * Será então natural fazer a normalização cuja distribuição é (cf. e.g., Pestana e Velosa (2002), pp. 772-774) t de Student com n-1 graus de liberdade. A f.d.p. de Xtn é T20, * T20, * A distribuição t de Student Função densidade de probabilidade 1 T20, * T20, * Quando n = 1 t1 é a distribuição de Cauchy. 2 Quando n + 3 Se Xntn, então T20, * T20, * 4 ZGaussiana(0,1) Y2n Z e Y são independentes tn 5 Xtn E(X) = 0, se n>2 e var(X) = n/(n-2), se n>2. 6 A tabela… (Cf. e.g., Pestana e Velosa (2002), pp. 772-774.) T20, * T20, * n = 6 0.1 1.44 T20, * T20, * Consideremos (0,1). Temos Área = /2 tn-1,/2 -tn-1, /2 Área = /2 Dada uma amostra aleatória de parente XGaussiana(,) de dimensão n, o intervalo de confiança para o valor médio da v.a. Gaussiana, quando é desconhecido o valor do seu desvio-padrão é, para um nível de confiança de (1-)*100%, T20, * T20, * Exemplo Sete medições são feitas à resistência de um certo tipo de fio, fornecendo valores para X1, …, X7. Suponha que e que Supondo que a resistência tem distribuição normal o intervalo de 90% de confiança para a variância é… T20, * T20, * Estimação intervalar de 2, a variância de XGaussiana(,) T20, * T20, * A distribuição de (n-1)S2/s2 Mostra-se que se (X1, X2, …, Xn) for uma amostra aleatória de parente XGaussiana(, ), então onde, recorde-se, X2n é uma v.a. com f.d.p. dada por Gráfico de fX para n = 6. T20, * T20, * De facto, A distribuição de (n-1)S2/s2 T20, * T20, * Ora, A distribuição de (n-1)S2/s2 T20, * T20, * Concluimos então que Ora, de XiGaussiana(m, s) resulta que Gaussiana(0, 1), que 21, e, dado que X1, X2, …, Xn são independentes, que 2n. 2n A distribuição de (n-1)S2/s2 T20, * T20, * Temos então Por outro lado, e Student mostrou que para uma amostra aleatória de parente gaussiana, 21. são independentes, logo 2n 21 A distribuição de (n-1)S2/s2 T20, * T20, * Mas, a função geradora de momentos da v.a. XGama(a, ) (a, >0) 2n 21 e, dado nN1, dizemos que uma v.a. X tem distribuição qui-quadrado com n graus de liberdade, e escrevemos X 2n, se X tiver distribuição Gama (n/2, 1/2). Resulta então que, para t<1/2, 2n-1. A distribuição de (n-1)S2/s2 T20, * T20, * Área = /2 qn-1,/2 qn-1,1-/2 Área = /2 1- Estimação de s T20, * T20, * Mas Dada uma amostra aleatória de parente XGaussiana(,) de dimensão n, o intervalo de confiança para a variância é, para um nível de confiança de (1- )*100%, T20, * T20, * Intervalo de confiança para a diferença dos valores médios de duas populações gaussianas independentes T20, * T20, * X1, X2, ...., Xn uma amostra aleatória de parente XGaussiana(X, X), Y1, Y2, ...., Ym uma amostra aleatória de parente YGaussiana(Y, Y), Sejam Então independentes. e, consequentemente, T20, * T20, * de onde resulta obtemos De T20, * T20, * e, consequentemente, O intervalo de confiança para a diferença entre os valores médios, para um nível de confiança de (1- )*100%, quando as variâncias são conhecidas, é T20, * T20, * TPC Ler: Introdução à Probabilidade e à Estatística, de D. Pestana e S. Velosa, 1ª Edição: pp. 528-531