Baixe o app para aproveitar ainda mais
Prévia do material em texto
Estatística Teoria e Aplicações, 5a. edição 2008 LTC Cap 7-1 Estatística Teoria e Aplicações 5a. Edição Capítulo 7 Amostragem e Distribuições de Amostragem Estatística Teoria e Aplicações, 5a. edição 2008 LTC Cap 7-2 Objetivos do Aprendizado Neste capítulo, você irá aprender: Distinguir os diferentes métodos de amostragem em pesquisa O conceito de distribuição de amostragens Calcular probabilidades relacionadas a média da amostra e a proporção da amostra A importância do Teorema do Limite Central Estatística Teoria e Aplicações, 5a. edição 2008 LTC Cap 7-3 Por que se faz Amostragem? Selecionar uma amostra é menos demorado do que selecionar todos os itens de uma população (censo). Selecionar uma amostra é menos dispendioso do que selecionar todos os itens de uma população. Uma análise de uma amostra é menos complicada e mais prática do que uma análise de toda a população. Estatística Teoria e Aplicações, 5a. edição 2008 LTC Cap 7-4 Tipos de Amostras Quota Amostras Amostras não- probabilísticas Julgamento Bloco Amostras Probabilísticas Aleatória Simples Sistemática Estratificada Conglomerado Conveniência Estatística Teoria e Aplicações, 5a. edição 2008 LTC Cap 7-5 Tipos de Amostras Em uma amostra não-probabilística, os itens incluídos são escolhidos sem levar em conta a sua probabilidade de ocorrência. Na amostragem por conveniência, os itens são selecionados com base apenas no fato de que eles são fáceis, baratos ou convenientes para amostragem. Na amostragem por julgamento, você coleta as opiniões dos especialistas pré-selecionados no assunto. Estatística Teoria e Aplicações, 5a. edição 2008 LTC Cap 7-6 Tipos de Amostras Na amostragem probabilística, os itens da amostra são escolhidos com base em probabilidades conhecidas. Amostras Probabilísticas Aleatória Simples Sistemática Estratificada Conglomerado Estatística Teoria e Aplicações, 5a. edição 2008 LTC Cap 7-7 Amostragem Aleatória Simples Cada indivíduo ou item de uma grade tem uma chance igual de ser selecionado A seleção pode ser com a substituição (indivíduo selecionado retorna à grade para uma possível reseleção) ou sem substituição (indivíduo selecionado não é devolvido para a grade). Amostras podem ser obtidas a partir da tabela de números aleatórios ou através da geração de números aleatórios gerados pelo computador. Estatística Teoria e Aplicações, 5a. edição 2008 LTC Cap 7-8 Amostragem Sistemática Decida o tamanho da amostra: n Divida a grade de N indivíduos em grupos de k indivíduos : k=N/n Aleatoriamente selecione um indivíduo do primeiro grupo Depois disso, selecione cada kiésimo indivíduo Por exemplo, suponha que você deseja amostrar n = 9 indivíduos de uma população de N = 72. Assim, a população seria dividida em k = 72 / 9 = 8 grupos. Selecione aleatoriamente um membro do grupo 1, digamos o indivíduo 3. Em seguida, selecione os demais 8 indivíduos (ou seja, 3, 11, 19, 27, 35, 43, 51, 59, 67) Estatística Teoria e Aplicações, 5a. edição 2008 LTC Cap 7-9 Amostragem Estratificada Divida a população em dois ou mais subgrupos (chamados estratos) de acordo com alguma característica comum. Uma amostra aleatória simples é selecionada a partir de cada subgrupo, com tamanhos de amostra proporcionalis ao tamanho dos estratos. Amostras de subgrupos são combinados em um. Esta é uma técnica comum quando se faz a amostragem da população de eleitores, estratificando-se através das linhas raciais ou sócio-econômicas. Estatística Teoria e Aplicações, 5a. edição 2008 LTC Cap 7-10 Amostragem por Conglomerados A população é dividida em vários "conglomerados", cada um representativo da população. Uma amostra aleatória simples de conglomerados é selecionada. Todos os itens nos conglomerados selecionados podem ser usados, ou os itens podem ser escolhidos a partir de um conglomerado usando uma outra técnica de amostragem probabilística. Uma aplicação comum de amostragem por conglomerados envolve pesquisas eleitorais, onde certos distritos eleitorais são selecionados e amostrados. Estatística Teoria e Aplicações, 5a. edição 2008 LTC Cap 7-11 Comparação dos Métodos de Amostragem Amostragem aleatória simples e Amostragem sistemática Simples de usar Pode não ser uma boa representação das características subjacentes à população Amostragem estratificada Assegura a representação de indivíduos de toda a população Amostragem por conglomerados Mais rentável Menos eficiente (necessidade de amostra maior para adquirir o mesmo nível de precisão) Estatística Teoria e Aplicações, 5a. edição 2008 LTC Cap 7-12 Avaliando a Validade da Pesquisa Qual é o objetivo da pesquisa? Os dados foram coletados por meio de uma amostra não-probabilística ou uma amostra probabilística? Erro de cobertura - estrutura adequada? Erro de falta de resposta – dar sequência Erro de medição – boas perguntas proporcionam boas respostas Erros de amostragem – sempre existem Estatística Teoria e Aplicações, 5a. edição 2008 LTC Cap 7-13 Tipos de Erros de Pesquisa Erro de cobertura ou viés de seleção Existe se alguns grupos são excluídos do quadro e não tem chance de serem selecionados Erro por falta de resposta ou viés Pessoas que não respondem podem ser diferentes daquelas que respondem Erro de amostragem Reflete (sorte do sorteio) a variação de amostra para amostra. Erro de medição Devido a deficiências no projeto em questão, erro do entrevistado ou impacto do entrevistador sobre o entrevistado Estatística Teoria e Aplicações, 5a. edição 2008 LTC Cap 7-14 Distribuições de Amostragens A distribuição amostral é uma distribuição de todos os valores possíveis de uma estatística para uma amostra de determinado tamanho selecionada de uma população. Por exemplo, suponha que você faça uma amostragem com 50 estudantes de sua universidade para obter o coeficiente de rendimento (CR) médio. Se você obteve muitas amostras distintas de 50 estudantes, você irá obter uma média diferente para cada amostra. Estamos interessado na distribuição do CR médio, portanto podemos calcular o CR médio para qualquer amostra com 50 estudantes. Estatística Teoria e Aplicações, 5a. edição 2008 LTC Cap 7-15 Distribuições de Amostragens: A Média da População Suponha que a sua população (simplificado) foi de quatro pessoas em sua instituição. Tamanho da população N=4 Variável aleatória, X, é a idade dos indivíduos Valores de X: 18, 20, 22, 24 (anos) Estatística Teoria e Aplicações, 5a. edição 2008 LTC Cap 7-16 Distribuições de Amostragens: A Média da População Medidas resumo para a distribuição da população: 21 4 24222018 N X μ i 2,236 N μ)(X σ 2 i 0,3 0,2 0,1 0,0 18 20 22 24 A B C D P(x) x Distribuição Uniforme Estatística Teoria e Aplicações, 5a. edição 2008 LTC Cap 7-17 Distribuições de Amostragens: A Média da População 1a Obs. 2a Observação 18 20 22 24 18 18,18 18,20 18,22 18,24 20 20,18 29,20 20,22 20,24 22 22,18 22,20 22,22 22,24 24 24,18 24,20 24,22 24,24 Agora, considere todas as possíveis amostras com 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 16 amostras possíveis (amostragem com reposição) Estatística Teoria e Aplicações, 5a. edição 2008LTC Cap 7-18 Distribuições de Amostragens: A Média da População Distribuição de Amostragem para 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 18 19 20 21 22 23 24 0,0 0,1 0,2 0,3 P(X) X (não uniforme) Distribuição das Médias Amostrais _ Estatística Teoria e Aplicações, 5a. edição 2008 LTC Cap 7-19 Distribuições de Amostragens: A Média da População 21 16 24211918 N X μ i X 1,58 16 21)-(2421)-(1921)-(18 N )μX( σ 222 2 X i X Medidas resumo para esta distribuição de amostragem: Estatística Teoria e Aplicações, 5a. edição 2008 LTC Cap 7-20 Distribuições de Amostragens: A Média da População População N = 4 1,58σ 21μ X X 2,236σ 21μ Distribuição de amostragem da média n = 2 18 20 22 24 A B C D 0,0 0,1 0,2 0,3 P(X) X 18 19 20 21 22 23 24 0,0 0,1 0,2 0,3 P(X) X _ _ Estatística Teoria e Aplicações, 5a. edição 2008 LTC Cap 7-21 Distribuição de Amostragem: Erro Padrão n σ σ X Diferentes amostras do mesmo tamanho da mesma população produzirá médias amostrais diferentes. A medida da variabilidade na média de amostra para amostra é dada pelo Erro Padrão da Média: Observe que o erro padrão da média diminui com o aumento do tamanho da amostra. Estatística Teoria e Aplicações, 5a. edição 2008 LTC Cap 7-22 Distribuição de Amostragem Erro Padrão: População Normal μμ X n σ σ X Se uma população é normal com média μ e desvio padrão σ, a distribuição amostral da média também é normalmente distribuída com e (Isso pressupõe que a amostragem é com reposição ou a amostragem é sem reposição de uma população infinita) Estatística Teoria e Aplicações, 5a. edição 2008 LTC Cap 7-23 Distribuição de Amostragem Valor de Z: População Normal n σ μ)X( σ )μX( Z X X Valor de Z para a distribuição de amostragem da média amostral: onde: = média amostral = média populacional = desvio padrão populacional n = tamanho da amostra X μ σ Estatística Teoria e Aplicações, 5a. edição 2008 LTC Cap 7-24 Distribuição de Amostragem Propriedades: População Normal (i.e. é não viesado ) Distribuição da População Normal Distribuição de Amostragem Normal (tem a mesma média) μμx x x x μ xμ Estatística Teoria e Aplicações, 5a. edição 2008 LTC Cap 7-25 Distribuição de Amostragem Propriedades: População Normal Para amostragem com reposição: Quando n aumenta, diminui xσ Tamanho da amostra maior Tamanho da amostra menor xμ Estatística Teoria e Aplicações, 5a. edição 2008 LTC Cap 7-26 Distribuição de Amostragem: População Não-Normal O Teorema do Limite Central estabelece que quando o tamanho da amostra (isto é, o número de valores em cada amostra) fica grande o suficiente, a distribuição amostral da média tem distribuição aproximadamente normal. Isto é verdade independentemente da forma da distribuição dos valores individuais da população. Medidas da distribuição de amostragem: μμx n σ σx Estatística Teoria e Aplicações, 5a. edição 2008 LTC Cap 7-27 Distribuição de Amostragem: População Não-Normal Distribuição Populacional Distribuição Amostral (torna-se normal quando n aumenta) x x Tamanho da amostra maiorTamanho da amostra menor xμ μ Estatística Teoria e Aplicações, 5a. edição 2008 LTC Cap 7-28 Distribuição de Amostragem: População Não-Normal Para a maioria das distribuições, n> 30 vai produzir uma distribuição amostral que é quase normal Para distribuições bastante simétrica, n> 15 vai produzir uma distribuição amostral que é quase normal Para as distribuições da população normal, a distribuição amostral da média é sempre normalmente distribuída Estatística Teoria e Aplicações, 5a. edição 2008 LTC Cap 7-29 Distribuição de Amostragem: Exemplo Suponha que uma população tem média μ = 8 e desvio padrão σ = 3. Suponha que uma amostra aleatória de tamanho n = 36 seja selecionada. Qual é a probabilidade de que a média amostral fique entre 7,75 e 8,25? Mesmo que a população não for normalmente distribuída, o teorema do limite central pode ser utilizado (n> 30). Assim, a distribuição da média da amostra é aproximadamente normal com 8μx 0,5 36 3 n σ σx Estatística Teoria e Aplicações, 5a. edição 2008 LTC Cap 7-30 Distribuição de Amostragem: Exemplo 5,0 36 3 8-8,25 5,0 36 3 8-7,75 Z Z Primeiro, calcule os valores de Z para 7,75 e 8,25. 0,38300,5)ZP(-0,5 8,25) μ P(7,75 X Agora, use a tabela normal padronizada acumulada para calcular a probabilidade correta. Estatística Teoria e Aplicações, 5a. edição 2008 LTC Cap 7-31 Distribuição de Amostragem: Exemplo = 2(0,5000-0,3085) = 2(0,1915) = 0,3830 Z -0,5 0,5 Distribuição Normal Padronizada 0μz 7,75 8,25 Distribuição de Amostragem Amostra 8μ X x Distribuição Populacional 8μ X Estatística Teoria e Aplicações, 5a. edição 2008 LTC Cap 7-32 Distribuição de Amostragem: Proporção amostra da tamanho interesse de ticascaracterís as apresentam que amostra na dnúmero n X itense p A proporção da população com alguma característica é designada por π. Proporção da amostra (p) produz uma estimativa de π: 0 ≤ p ≤ 1 p tem uma distribuição binomial (assumindo a amostragem com reposição de uma população finita ou sem substituição de uma população infinita) Estatística Teoria e Aplicações, 5a. edição 2008 LTC Cap 7-33 Distribuição de Amostragem: Proporção Erro padrão para a proporção: n )(1 σp n )(1σ Z p pp Valor de Z para a proporção: Estatística Teoria e Aplicações, 5a. edição 2008 LTC Cap 7-34 Distribuição de Amostragem Proporção: Exemplo Se a verdadeira proporção de eleitores que apoiam proposição A é π = 0,4, qual é a probabilidade de que uma amostra de tamanho 200 produz uma proporção da amostra entre 0,40 e 0,45? Em outras palavras, se π = 0,4 e n = 200, qual é a P(0,40 ≤ p ≤ 0,45) ? Estatística Teoria e Aplicações, 5a. edição 2008 LTC Cap 7-35 Distribuição de Amostragem Proporção: Exemplo 03464,0 200 4),00,4(1 n )(1 σ p 1,44)ZP(0 0,03464 40,00,45 Z 0,03464 40,00,40 P45),0P(0,40 p Ache : Converta para distribuição normal padronizada: pσ Estatística Teoria e Aplicações, 5a. edição 2008 LTC Cap 7-36 Distribuição de Amostragem Proporção: Exemplo Use a tabela normal padronizada acumulada: P(0 ≤ Z ≤ 1,44) = P(Z ≤ 1,44) – 0,5 = 0,4251 Z 0,45 1,44 0,4251 Padronizando Distribuição de Amostragem Distribuição Normal Padronizada 0,40 0 p Estatística Teoria e Aplicações, 5a. edição 2008 LTC Cap 7-37 Sumário do Capítulo Descrito diferentes tipos de amostras Examinado o mérito da pesquisa e os tipos de erros de pesquisa Introduzido a idstribuição de amostragem Descrito a distribuição de amostragem da média Para população normal Usado o Teorema do Limite Central Descrito a distribuição de amostragem de proporção Calculadoprobabilidades usando a distribuição de amostragem Neste capítulo, temos
Compartilhar