Baixe o app para aproveitar ainda mais
Prévia do material em texto
1 Probabilidade e Estatística Probabilidade e Estatística aplicada à Engenhariaaplicada à Engenharia Profa. Marília GomesProfa. Marília Gomes -- EstimaçãoEstimação dede parâmetrosparâmetros:: conceitosconceitos -- DistribuiçãoDistribuição amostralamostral UnB UnB –– Universidade de BrasíliaUniversidade de Brasília FGA FGA –– Faculdade UnB GamaFaculdade UnB Gama Graduação Graduação –– ciclo básicociclo básico • Relembrando... INTRODUÇÃOINTRODUÇÃO Métodos Estatísticos Estatística Descritiva Inferência Estatística • Inferência Estatística: - Estimação de parâmetros: generalizar resultados de uma amostra para a população de onde ela foi extraída; - Testes de Hipóteses: testar hipóteses com base em amostras. INTRODUÇÃOINTRODUÇÃO • Estudaremos o problema de avaliar certas características dos elementos da população, a partir de operações com os dados de uma amostra; • Raciocínio indutivo: resultados da parte (amostra) são generalizados para o todo (população) este procedimento é denominado estimação de parâmetros. ESTIMAÇÃO DE ESTIMAÇÃO DE PARÂMETROSPARÂMETROS ESTIMAÇÃO DE ESTIMAÇÃO DE PARÂMETROSPARÂMETROS • Conceitos básicos: - Parâmetro: alguma característica descritiva dos elementos da população, como por exemplo, a média e a variância de alguma variável, a proporção de algum atributo; - Estatística: alguma operação com os dados da amostra a ser selecionada. Por exemplo, uma média ou uma proporção a serem calculadas com estes dados; ESTIMAÇÃO DE ESTIMAÇÃO DE PARÂMETROSPARÂMETROS 2 • Conceitos básicos: - A estatística, quando usada com o objetivo de avaliar, ou estimar, o valor de algum parâmetro, também é chamada de estimador; - Erro amostral: corresponde à diferença entre a estatística P (a ser calculada a partir de uma amostra) e o parâmetro (característica dos elementos de uma população). ESTIMAÇÃO DE ESTIMAÇÃO DE PARÂMETROSPARÂMETROS ESTIMAÇÃO DE ESTIMAÇÃO DE PARÂMETROSPARÂMETROS ESTIMAÇÃO DE ESTIMAÇÃO DE PARÂMETROSPARÂMETROS • Alguns parâmetros e as respectivas estatísticas que geralmente são usadas para estimá-los: ESTIMAÇÃO DE ESTIMAÇÃO DE PARÂMETROSPARÂMETROS • Ao observar uma particular amostra, podemos calcular o valor da estatística que estamos usando como estimador: - o valor encontrado é chamado de estimativa; - Exemplo: Se em uma amostra n = 400 moradores encontrarmos 240 favoráveis a um projeto implementado pela prefeitura do município, então temos a seguinte estimativa para o parâmetro : ESTIMAÇÃO DE ESTIMAÇÃO DE PARÂMETROSPARÂMETROS • Importante: - não devemos esperar que o valor P coincida com o parâmetro , devido ao que chamamos de erro amostral; - Dizemos que uma estimativa é tão mais precisa quanto menor for o seu erro amostral. ESTIMAÇÃO DE ESTIMAÇÃO DE PARÂMETROSPARÂMETROS 3 • Um dos principais objetivos na teoria da estimação é estimar um limite superior provável para o erro amostral este valor será a base para a avaliarmos a precisão da nossa estimativa. • Nesta disciplina estaremos preocupados em avaliar a precisão de estimativas de parâmetros do tipo (proporção de algum atributo) e do tipo µ (média de alguma variável quantitativa). ESTIMAÇÃO DE ESTIMAÇÃO DE PARÂMETROSPARÂMETROS • Considere a seguinte situação: - EXEMPLO 1: A prefeitura de uma cidade pretende avaliar a aceitação de um projeto de mudança no transporte coletivo. Depois de apresentá-lo aos moradores do município, os responsáveis por sua execução desejam avaliar o valor aproximado do parâmetro = % de favoráveis ao projeto, dentre os residentes no município. Para estimar este parâmetro, a prefeitura planeja observar uma amostra aleatória simples de n = 400 moradores e calcular o valor da estatística P = proporção de moradores favoráveis ao projeto na amostra. DISTRIBUIÇÃO AMOSTRALDISTRIBUIÇÃO AMOSTRAL • PERGUNTA-SE: - o valor de P (proporção de favoráveis numa amostra de n = 400 residentes no município) vai ser um valor próximo da verdadeira proporção , a qual se refere a todos os usuários do município? • Na prática o valor de é desconhecido, tentaremos responder a esta pergunta de forma indireta, através do conhecimento de como se distribuem os possíveis valores de P. DISTRIBUIÇÃO AMOSTRALDISTRIBUIÇÃO AMOSTRAL • Diferentes valores de P podem ser obtidos por diferentes amostras de n elementos, extraídas da população de interesse, sob as mesmas condições. • Para cada amostra observada, temos um valor para P. A distribuição do conjunto de todos os possíveis valores de P, correspondentes às possíveis amostras de tamanho n, forma a chamada distribuição amostral de P. DISTRIBUIÇÃO AMOSTRALDISTRIBUIÇÃO AMOSTRAL • A distribuição amostral de uma estatística é a distribuição dos possíveis valores dessa estatística, se examinássemos todas as possíveis amostras de tamanho n, extraídas aleatoriamente de uma população. - Na prática, examinamos apenas uma amostra, resultando em um único valor para a estatística – uma estimativa. Porém, o conhecimento da distribuição amostral da estatística permite avaliarmos um limite superior para o erro amostral (margem de erro), com certo nível de confiança. DISTRIBUIÇÃO AMOSTRALDISTRIBUIÇÃO AMOSTRAL • Para simplificar, vamos supor que a população em estudo (EXEMPLO 1) seja bastante grande, de tal forma que, para cada elemento observado, a probabilidade de ele ser favorável seja sempre igual a , independentemente dos elementos já observados. DISTRIBUIÇÃO AMOSTRALDISTRIBUIÇÃO AMOSTRAL 4 DISTRIBUIÇÃO AMOSTRALDISTRIBUIÇÃO AMOSTRAL • Para ilustrarmos a distribuição amostral de P, conforme a situação apresentada na figura do slide anterior, podemos simular várias amostras de tamanho n = 400. • Como exemplo, vamos supor, artificialmente, que o parâmetro é = 0,7 (população com 70% de favoráveis). DISTRIBUIÇÃO AMOSTRALDISTRIBUIÇÃO AMOSTRAL • Para avaliarmos a distribuição amostral de P e termos informações sobre o erro amostral, precisamos repetir esse processo várias vezes, sob as mesmas condições. • Realizaremos, então, uma simulação de 100 amostras de tamanho n = 400. DISTRIBUIÇÃO AMOSTRALDISTRIBUIÇÃO AMOSTRAL • A relação entre e P: DISTRIBUIÇÃO AMOSTRALDISTRIBUIÇÃO AMOSTRAL • Valores simulados de P nas 100 amostras: DISTRIBUIÇÃO AMOSTRALDISTRIBUIÇÃO AMOSTRAL DISTRIBUIÇÃO AMOSTRALDISTRIBUIÇÃO AMOSTRAL 5 • Usando a distribuição Normal: - Na maioria dos problemas de estimação de parâmetros, não é necessário realizar simulações para avaliar a precisão de uma estimativa; - Por exemplo, na estimação de uma proporção, com base em uma amostra aleatória simples, o experimento é tipicamente binomial, com parâmetros n (tamanho da amostra) e (proporção do atributo em questão); DISTRIBUIÇÃO AMOSTRALDISTRIBUIÇÃO AMOSTRAL - se n for grande, a distribuição binomial se aproxima de uma distribuição normal; - neste contexto, no caso da estatística proporção, a média e o desvio padrão são determinados em função de n e , da seguinte forma: DISTRIBUIÇÃO AMOSTRALDISTRIBUIÇÃO AMOSTRAL DISTRIBUIÇÃO AMOSTRALDISTRIBUIÇÃO AMOSTRAL
Compartilhar