Baixe o app para aproveitar ainda mais
Prévia do material em texto
1 Prof. FormigaProf. Formiga Universidade FederaUniversidade Federall do Rio Grande do Nortedo Rio Grande do Norte Centro de Ciências Exatas e da TerraCentro de Ciências Exatas e da Terra Departamento de Demografia e Ciências AtuariaisDepartamento de Demografia e Ciências Atuariais Carga Horária: 60 h Créditos: 04 Carga Horária: 60 h Créditos: 04 Período: 2014Período: 2014--22 Professor: Paulo Cesar Formiga RamosProfessor: Paulo Cesar Formiga Ramos Depto. de Demografia e Ciências Atuariais Depto. de Demografia e Ciências Atuariais -- UFRNUFRN EST0122 EST0122 –– Inferência AplicadaInferência Aplicada às Ciências Atuariaisàs Ciências Atuariais Prof. FormigaProf. Formiga 22. Ementa:. Ementa: Conceitos básicos de Inferência. Princípio da redução de Conceitos básicos de Inferência. Princípio da redução de dados. Estimação pontual. Testes de hipóteses. Intervalos de dados. Estimação pontual. Testes de hipóteses. Intervalos de confiança. Noções de inferência Bayesianaconfiança. Noções de inferência Bayesiana 1. Objetivos Gerais:1. Objetivos Gerais: Desenvolver o raciocínio lógico dedutivo e Desenvolver o raciocínio lógico dedutivo e quantitativo, além de instrumentalizar os alunos com quantitativo, além de instrumentalizar os alunos com ferramentas quantitativas de inferência estatísticaferramentas quantitativas de inferência estatística.. 3. Cronograma do Curso:3. Cronograma do Curso: 21 de julho a 06 de dezembro de 2014 21 de julho a 06 de dezembro de 2014 Segundas e Quartas de 18:45h às 20:25hSegundas e Quartas de 18:45h às 20:25h 2 Prof. FormigaProf. Formiga Metodologia Metodologia de trabalho: •O curso será desenvolvido em sala de aula em forma expositiva •Trabalhos individuais ou em grupo serão desenvolvidos. Avaliação: •Para a avaliação do curso serão realizados trabalhos individuais e/ou em grupo, para avaliar o aproveitamento do aluno em relação ao conteúdo da disciplina, considerando-se, também, a freqüência, o interesse e a participação nas diferentes atividades. Quanto à freqüência, as exigências da legislação da UFRN devem ser observadas. Prof. FormigaProf. Formiga BibliografiaBibliografia BOLFARINE, H.; SANDOVAL, M. C. Introdução à Inferência Estatística. BOLFARINE, H.; SANDOVAL, M. C. Introdução à Inferência Estatística. Coleção Matemática Aplicada. Sociedade Brasileira de Matemática (SBM), 2001.Coleção Matemática Aplicada. Sociedade Brasileira de Matemática (SBM), 2001. MOOD, A. M.; GRAYBILL, F. A.; BOES, D. C. Introduction to the Theory MOOD, A. M.; GRAYBILL, F. A.; BOES, D. C. Introduction to the Theory of Statistics. 3ed. McGrawof Statistics. 3ed. McGraw--Hill, 1974Hill, 1974 CASELLA, G.; BERGER, R. L. Inferência Estatística, CASELLA, G.; BERGER, R. L. Inferência Estatística, 22aa Ed.Ed. CengageCengage Learning, 2011.Learning, 2011. ROHATGI, V. K. Statistical Inference. John Wiley & Sons, 1984.ROHATGI, V. K. Statistical Inference. John Wiley & Sons, 1984. ROUSSAS, G. G. A First Course in Mathematical Statistics. AddisonROUSSAS, G. G. A First Course in Mathematical Statistics. Addison--Wesley Wesley Publishing Company, 1973.Publishing Company, 1973. WERKEMA, M. C. C. Como estabelecer conclusões com confiança: WERKEMA, M. C. C. Como estabelecer conclusões com confiança: entendendo inferência estatística. Série Ferramentas de Qualidade., FCO, 1996entendendo inferência estatística. Série Ferramentas de Qualidade., FCO, 1996.. DeGROOTDeGROOT, M. H. Probability and Statistics, 2, M. H. Probability and Statistics, 2ndnd. Ed. Addison. Ed. Addison--Wesley, 1975Wesley, 1975 BUSSAB, W. O., MORETTIN, P. A. Estatística Básica,BUSSAB, W. O., MORETTIN, P. A. Estatística Básica, 6a ed., Saraiva, 2010 (Capítulos 10 a 14). 3 Prof. FormigaProf. Formiga É a ciência que tem por objetivos a É a ciência que tem por objetivos a coleta, resumo, apresentação, análise e coleta, resumo, apresentação, análise e modelagem dos dados, com a finalidade modelagem dos dados, com a finalidade de fazer inferências para uma população de fazer inferências para uma população da qual os dados ( a amostra ) foram da qual os dados ( a amostra ) foram obtidos.obtidos. IntroduçãoIntrodução statusstatus “coisas” do Estado (bens)“coisas” do Estado (bens) estado de “coisas” (descrição)estado de “coisas” (descrição) EstatísticaEstatística Prof. FormigaProf. Formiga A Estatística no processo iterativo de aprendizagem ••DeduçãoDedução ••Resultados esperadosResultados esperados ••ExperimentosExperimentos ••ObservaçõesObservações ••MedidasMedidas Dados, AnálisesDados, Análises Dados coerentes com Dados coerentes com resultados esperados?resultados esperados? ••InduçãoIndução ••Geração novas leisGeração novas leis ••Aquisição de Aquisição de conhecimentosconhecimentos ••TeoriaTeoria ••ConjecturasConjecturas ••HipótesesHipóteses ••Modifica hipótesesModifica hipóteses ••Aquisição de Aquisição de conhecimentosconhecimentos ••InduçãoIndução SIMSIM NÃONÃO Dados, AnálisesDados, Análises ESTATÍSTICAESTATÍSTICA 4 Prof. FormigaProf. Formiga CensoCenso EstatísticaEstatística DescritivaDescritiva Análise Análise Exploratória de Exploratória de DadosDados PopulaçãoPopulação Estatística Estatística DescritivaDescritiva tamanho Ntamanho N variáveis X, Y, Z, ...variáveis X, Y, Z, ... AmostraAmostra tamanho n < Ntamanho n < N variáveis X, Y, Z, ...variáveis X, Y, Z, ... AmostragemAmostragem InferênciaInferência Indução + risco calculadoIndução + risco calculado Teoria daTeoria da ProbabilidadeProbabilidade ModelagemModelagem O problema estatístico Decisão em presença de incerteza Decisão em presença de incerteza (VARIABILIDADE)(VARIABILIDADE) Prof. FormigaProf. Formiga Indução x DeduçãoIndução x Dedução O processo pelo qual se chega a uma conclusão referente a todos os itens de um grupo considerando um estudo de parte desses itens é conhecido como processo indutivo. A indução difere drasticamente da dedução, que é o processo de chegar a uma conclusão particular baseada numa proposição mais geral supostamente verdadeira. Vejamos alguns exemplos: a) Dedução Premissa principal: Todos os homens brasileiros gostam de futebol. Premissa secundária: Moacir é brasileiro Conclusão: Moacir gosta de futebol b) Indução Premissa: Carlos, Marcos, Jorge, Estevão, etc. gostam de futebol. Premissa: Carlos, Marcos, Jorge, Estevão, etc. são brasileiros. Conclusão: Todos os homens brasileiros gostam de futebol 5 Prof. FormigaProf. Formiga Indução x DeduçãoIndução x Dedução Portanto, na dedução a conclusão estaria livre de erro, desde que as premissas sejam verdadeiras. Nessa situação, as premissas são mais gerais que a conclusão. Já na indução, a conclusão é mais geral que as premissas. É importante salientarmos que a estrutura geral do processo indutivo tem presente no seu argumento duas partes: Se a conclusão na indução for verdadeira algo foi adicionado na quantidade de conhecimento do assunto. Infelizmente, há um preço a pagar pela extensão na indução, não há como garantir uma conclusão isenta de erro, mesmo que as premissas sejam verdadeiras. No curso de inferência usaremos o processo indutivo. (1) uma coleção de fatos sobre um item ou um assunto específico (2) uma conclusão sugerindo que o que é verdadeiro para o subconjunto observado também o é para o todo. Prof. FormigaProf. Formiga Indução x DeduçãoIndução x Dedução Exercícios: Um médico retira uma amostra de sangue de um paciente e conclui que a taxa de açúcar no sangue está num nível normal. Murilo, um jovem flamenguista de sete anos, após quatro derrotas consecutivas do seu time resolveu “virar a casaca”. Murilo agora é torcedor do Botafogo, cedendo às pressões do seu tio Abraão (botafoguense fanático!), que ganhou os últimos três jogos.Um engenheiro responsável pela produção de molas para colchão faz uma amostra aleatória de 10 unidades de um lote com 30 molas. Ele conclui que uma proporção bastante grande de molas está dentro dos limites de especificação do produto e, portanto, o lote é aceito para ser vendido aos consumidores. Dona Maria vai ao mercado local e, após fazer uma inspeção visual de seis acerolas, compra uma cestinha contendo 20 acerolas. Para cada situação abaixo avalie se há uma boa chance da conclusão ser verdadeira ou se a conclusão é bastante improvável. Situação 1: Situação 2: Situação 3: Situação 4: 6 Prof. FormigaProf. Formiga População e AmostraPopulação e Amostra 1 – Estudo para avaliar a intenção de voto para prefeito na cidade de Natal-RN. A população alvo é todos os portadores de título de eleitor válido cujas zonas eleitorais estão localizadas na cidade de Natal. Podemos, a partir de uma população, extrair um subconjunto, segundo um determinado critério (preferencialmente probabilístico!). Nesse subconjunto, chamado de amostra, são feitas inferências indutivas para a população alvo em questão. Se o processo de extração da amostra for probabilístico a amostra resultante terá a denominação de amostra probabilística. 2 – Estudo sobre a taxa de fecundidade de mulheres brasileiras nos últimos dois anos. A população alvo é mulheres brasileiras em idade fértil no período de interesse do estudo. População alvo – totalidade dos elementos que estão sendo estudados e desejamos obter informações a respeito. É muito importante distinguir bem a diferença entre população e amostra e observar como o processo indutivo está intrinsecamente associado a estudos através de uma amostra. Definição: Exemplos: Prof. FormigaProf. Formiga AmostragemAmostragem OOs dados s dados são divididos são divididos em subgruposem subgrupos: homogêneos : homogêneos dentro e heterogêneos entre. Amostras aleatórias dentro e heterogêneos entre. Amostras aleatórias simples são tomadas em cada subgrupo.simples são tomadas em cada subgrupo. cada observação tem mesma cada observação tem mesma probabilidade de ser escolhidaprobabilidade de ser escolhida Os esquemas amostrais mais conhecidos são :Os esquemas amostrais mais conhecidos são : -- Amostragem Aleatória SimplesAmostragem Aleatória Simples -- Amostragem Aleatória EstratificadaAmostragem Aleatória Estratificada -- Amostragem Aleatória por ConglomeradosAmostragem Aleatória por Conglomerados OOs dados s dados são divididos são divididos em subgruposem subgrupos: heterogêneos : heterogêneos dentro e homogêneos entre. Uma Amostra aleatória dentro e homogêneos entre. Uma Amostra aleatória simples de subgrupos é tomada.simples de subgrupos é tomada. 7 Prof. FormigaProf. Formiga Amostragem Aleatória SimplesAmostragem Aleatória Simples Cada elemento da população tem a mesma Cada elemento da população tem a mesma probabilidade de ser escolhidoprobabilidade de ser escolhido Prof. FormigaProf. Formiga Amostragem EstratificadaAmostragem Estratificada Amostragem aleatória simples dentro de cada estratoAmostragem aleatória simples dentro de cada estrato 8 Prof. FormigaProf. Formiga Amostragem por ConglomeradosAmostragem por Conglomerados Amostragem aleatória simples de conglomeradosAmostragem aleatória simples de conglomerados Prof. FormigaProf. Formiga •• Estimação pontualEstimação pontual –– Estimação de uma proporçãoEstimação de uma proporção –– Estimação de uma médiaEstimação de uma média •• Estimação por intervaloEstimação por intervalo –– Intervalo de confiança para Intervalo de confiança para proporção proporção –– Intervalo de confiança para médiaIntervalo de confiança para média Resumindo Estimação: apenas para resgatar alguns exemplos utilizados na dimensão do tamanho da amostra 9 Prof. FormigaProf. Formiga O Processo de EstimaçãoO Processo de Estimação Variabilidade x ViésVariabilidade x Viés O Problema na compra rifleO Problema na compra rifle DesejaDeseja--se comprar um rifle, mas foi permitido realizar um teste com se comprar um rifle, mas foi permitido realizar um teste com as quatro marcas disponíveis A, B, C e D, consistindo em 15 tiros em um alvoas quatro marcas disponíveis A, B, C e D, consistindo em 15 tiros em um alvo Precisão: distância Precisão: distância à própria médiaà própria média Acurácia: distância Acurácia: distância ao alvo objetivoao alvo objetivo O rilfle C e oO rilfle C e o mais preciso émais preciso é mais acuradomais acurado viésviés Um bom estimadorUm bom estimador deve ter pequena deve ter pequena variabilidadevariabilidade e nenhum viése nenhum viés viésviés Prof. FormigaProf. Formiga Erro Padrão e Convergência à Normal 10 Prof. FormigaProf. Formiga Erro Padrão e Convergência à Normal Prof. FormigaProf. Formiga Intervalo de Confiança para média (µµµµ)
Compartilhar