Prévia do material em texto
DISTRIBUIÇÕES AMOSTRAIS E ESTIMAÇÃO DE PARÂMETROS 1.0 Conceitos Básicos População: conjunto de elementos que formam o universo de nosso estudo e que são passíveis de ser observados, sob as mesmas condições. Amostra: parte dos elementos de uma população. Amostragem: processo de seleção da amostra. Amostragem aleatória simples: processo de seleção feito por sorteio, com todos os elementos da população com a mesma chance de serem escolhidos e todo subconjunto de n elementos tendo a mesma chance de fazer parte da amostra. Parâmetro: alguma medida descritiva dos valores x1, x2, x3, ..., associados à população. Amostra aleatória simples: conjunto de n variáveis aleatórias independentes (X1, X2, ..., Xn), cada uma com a mesma distribuição de probabilidades de certa variável aleatória X. Essa distribuição de probabilidades deve corresponder à distribuição de frequências dos valores da população (x1, x2, x3, ...). Distribuição da proporção amostral ou distribuição amostral da proporção é a função de probabilidade de P, que apresenta os possíveis resultados de uma proporção, que é calculada sobre os elementos de uma amostra a ser extraída da população em estudo. 2.0 Distribuições Amostrais 2.1 Distribuição amostral da média O valor esperado da média amostral é igual à média da população: A variância da média amostral é inferior à variância populacional: Teorema limite central: Se o tamanho da amostra for razoavelmente grande, então a distribuição amostral da média pode ser aproximada pela distribuição normal. 2.2 Distribuição amostral da proporção O valor esperado da proporção amostral é igual à média da população: A variância da média amostral é inferior à variância populacional: Se o tamanho da amostra for razoavelmente grande, então a distribuição amostral da proporção pode ser aproximada pela distribuição normal. 3.0 Estimação de Parâmetros Raciocínio tipicamente indutivo, em que se generalizam resultados da parte (amostra) para o todo (população). Um estatística T é uma função dos elementos da mostra. Quando ela é usada para avaliar certo parâmetro α, é também chamada de estimador de α. Estimativa é o valor do estimador quando realizada a amostragem. 3.1 Propriedades de um estimador T é um estimador não-viesado (ou não-tendencioso) de um parâmetro α se e só se E(T) = α. O estimador deve ter variância pequena, porque isso reduz a chance de a estimativa acursar valor distante do parâmetro. Dado dois estimadores não viesados T1 e T2, sendo V(T1) < V(T2), então T1 é dito mais eficiente do que T2. A eficiência relativa de T1 em relação a T2 é dada por: 3.2 Intervalo de confiança para proporção Erro padrão: Intervalo de confiança: . 3.3 Intervalo de confiança para média Desvio padrão de : Intervalo de confiança: 3.4 Distribuição t de Student Distribuição de probabilidades t de Student é a estatística com grau de liberdade n -1 e com distribuição normal: Intervalo de confiança: