Baixe o app para aproveitar ainda mais
Prévia do material em texto
06/05/14 1 Tema 5: Intervalos de confiança Profa. Renata M. G. Dalpiaz Definições • Estimação é o processo que consiste no uso de dados da amostra para estimar valores de parâmetros populacionais desconhecidos, tais como média, desvio padrão, proporções, entre outros. • Estimativa é cada valor particular assumido por um estimador. A estimativa pode ser: – Pontual – Intervalar Definições • Estimador é a quantidade calculada em função dos elementos da amostra, que será usada no processo de estimação do parâmetro desejado. O estimador é uma variável aleatória caracterizada por uma distribuição de probabilidade e seus respectivos parâmetros próprios. 06/05/14 2 Estimativa pontual • Ocorre quando fazemos uma única estimativa para um determinado parâmetro populacional. Veja: alpopulacion média estima amostral Média →→ Estimativa Intervalar • Ocorre quando é feita uma estimativa de um intervalo de valores possíveis, no qual se admite que o parâmetro populacional esteja. • Aqui, obtém-se um intervalo de valores (em torno do parâmetro amostral) no qual se julga, com um risco conhecido de erro, esteja o parâmetro da população. A esse interva lo chamamos intervalo de confiança. Estimativa Intervalar • Mas antes de se obter uma estimativa intervalar, você deve, determinar qual a confiança necessária de que sua estimativa contém a média populacional μ. 06/05/14 3 Nível de confiança c • É a probabilidade de que o intervalo e s t i m a d o c o n t e n h a o p a r â m e t r o populacional. • O nível de confiança c é a área sob a curva normal padrão entre os valores críticos –Zc e Zc. Erro de estimativa • É a distância entre a estimativa pontual e o valor do parâmetro real. • Na maioria dos casos μ é desconhecido e x varia de amostra para amostra. Notação de intervalo de confiança • x – E < μ < x + E Onde: X = estatística amostral μ = média populacional E = erro máximo de estimativa 06/05/14 4 Estimativas de média de uma população • Para calcular a Estimativa de Médias de uma População, deve-se utilizar o desvio padrão da distribuição que constitui a amostra (distribuição amostral) e levar em consideração se o desvio padrão da população é, ou não, conhecido. Se o desvio padrão populacional é conhecido • Estimativa Pontual da Média • Estimativa Intervalar da Média x:Populaçãox:Amostra =µ n σ z:seráintervalarestimativaA n σ sseEntão, zsμ:Populaçãox:Amostra x x ±µ = ± Atenção! • A Est imat iva Interva lar da Méd ia Populacional é baseada na hipótese de que a distribuição das médias amostrais é normal, por isso utilizamos a variável z. Para grandes amostras (n > 30) o resultado é garantido pelo Teorema do Limite Central. Para amostras pequenas (n ≤ 30) é necessário saber se a população submetida à amostragem tem distribuição normal ou aproximadamente normal. 06/05/14 5 Definição: erro de estimação • É a diferença entre a média da amostra e a verdadeira média da população. • O intervalo de confiança tem centro na média da amostra, então o erro máximo provável admitido é igual à metade da amplitude do intervalo. • Fórmula do erro: n σ ze x= Importe notar que: • Quando se aumenta z ou σx, o erro potencial aumenta. • Quanto maior a amostra, menor o erro potencial. Quando o desvio padrão populacional é desconhecido • A análise utilizará o mesmo critério, contudo, a avaliação inicial consiste em verificar o tamanho da amostra (n), para determinar: Quando utilizar a distribuição normal (amostras grandes: n > 30); Quando utilizar a Distribuição t de Student (amostras pequenas n ≤ 30). 06/05/14 6 Fórmulas: n s zx ± • Amostras grandes • Amostras pequenas n s tx ± Distribuição t de Student Para amostras pequenas, a distribuição normal apresenta valores menos precisos, fato que levou a Estatística a produzir um modelo melhor: a distribuição t de Student, cuja principal diferença da distribuição normal é que a Student tem mais área nas caudas. Veja a figura: Assim como na Curva Normal, na Distribuição t de Student • Existe um valor de t para cada tamanho de amostra (quanto maior a amostra, mais a distribuição t de Student se aproxima da distribuição normal). • Para o cálculo do valor de t é necessário estabelecer: – O nível de confiança desejado. – O número de graus de liberdade a ser utilizado. 06/05/14 7 Fórmula • Área remanescente do nível de confiança c: • = 1 - c • Graus de liberdade: onde: n = tamanho da amostra 1.. −= nlg Outra forma de determinar o tamanho da amostra • Para determinar o tamanho da amostra, considere: – O grau de confiança desejado (z); – Quantidade de dispersão entre os valores individuais da população (σx); – Erro tolerável ou admitido (e). 2 x e *zn ⎟ ⎠ ⎞ ⎜ ⎝ ⎛ σ = Intervalos de confiança e as distribuições t • Construir um intervalo de confiança aplicando as distribuição t é similar a distribuição normal, ambos usam uma estimativa pontual x e uma estimativa do erro máximo E. 06/05/14 8 Intervalos de confiança para a média: distribuição t 1. Identifique as estatísticas amostrais n, x e s. 2. Identifique os graus de liberdade, o nível de confiança c e o valor crítico tc. 3. Obtenha a estimativa E do erro máximo. 4. Obtenha os extremos esquerdo e direito e forme o intervalo de confiança. Exercício 1 152x 25 1i i =∑ = • (Morettin, 2000, p. 47): De uma população normal X, com σ2 = 9, tiramos um amostra de 25 observações obtendo Determinar um IC de limites de 90% para μ. Resolvendo ]06,7;10,5[%)90;08,6( 06,76,0*645,108,6 10,56,0*645,108,6 645,1 6,0 5 3 25 9 08,6 25 152 %10 2 1 2 = =+= =−= = ==== === = ∑ IC z n n x x c c x i µ µ σ σ -zc zc 06/05/14 9 Exercício 2 • Uma amostra com 25 elementos, tem média 150 e desvio padrão igual a 10. Represente um intervalo de confiança em nível de 90%. 241251.. 1,09,01)1( =−=−= =−=− nlg c Resolvendo • Conhecendo o número de graus de liberdade (g.l. = 24) e o nível de confiança desejado, consulta-se a tabela (ao final do PLT ou na internet) e encontra-se o valor t (t = 1,711). Nestas condições: ]42,15;58,146[ 42,153 58,146 42,3150: 25 10711,1150: : 2 1 = = = ± ± ± IC IC IC n stxIC µ µ 06/05/14 10 Exercício 3 Determine o tamanho da amostra necessária para se estimar a média de uma população infinita cujo desvio padrão é igual a 2, com 98% de confiança e erro de 0,3? Resolvendo • A amostra deve ter 242 elementos. 28,241 3,0 2 *33,2n e *zn 2 2 x =⎟ ⎠ ⎞ ⎜ ⎝ ⎛ = ⎟ ⎠ ⎞ ⎜ ⎝ ⎛ σ = Definições • Estimação é o processo que consiste no uso de dados da amostra para estimar valores de parâmetros populacionais desconhecidos, tais como média, desvio padrão, proporções, entre outros. • Estimativa é cada valor particular assumido por um estimador. A estimativa pode ser: – Pontual – Intervalar 06/05/14 11 Definições • Estimador é a quantidade calculada em função dos elementos da amostra, que será usada no processo de estimação do parâmetro desejado. O estimador é uma variável aleatória caracterizada por uma distribuição de probabilidade e seus respectivos parâmetros próprios. Estimativa pontual• Ocorre quando fazemos uma única estimativa para um determinado parâmetro populacional. Veja: alpopulacion média estima amostral Média →→ Estimativa Intervalar • Ocorre quando é feita uma estimativa de um intervalo de valores possíveis, no qual se admite que o parâmetro populacional esteja. • Aqui, obtém-se um intervalo de valores (em torno do parâmetro amostral) no qual se julga, com um risco conhecido de erro, esteja o parâmetro da população. A esse interva lo chamamos intervalo de confiança. 06/05/14 12 Estimativa Intervalar • Mas antes de se obter uma estimativa intervalar, você deve, determinar qual a confiança necessária de que sua estimativa contém a média populacional μ. Nível de confiança c • É a probabilidade de que o intervalo e s t i m a d o c o n t e n h a o p a r â m e t r o populacional. • O nível de confiança c é a área sob a curva normal padrão entre os valores críticos –Zc e Zc. Erro de estimativa • É a distância entre a estimativa pontual e o valor do parâmetro real. • Na maioria dos casos μ é desconhecido e x varia de amostra para amostra. 06/05/14 13 Quando o desvio padrão populacional é desconhecido • A análise utilizará o mesmo critério, contudo, a avaliação inicial consiste em verificar o tamanho da amostra (n), para determinar: Quando utilizar a distribuição normal (amostras grandes: n > 30); Quando utilizar a Distribuição t de Student (amostras pequenas n ≤ 30).
Compartilhar