Baixe o app para aproveitar ainda mais
Prévia do material em texto
ESTIMAC¸A˜O DA PROPORC¸A˜O POPULACIONAL Prof. Marcelo de Paula 1 Introduc¸a˜o Em diversas pesquisas podemos ter o interesse em estimar a proporc¸a˜o ou porcentagem popula- cional de um determinado evento. Alguns exemplos sa˜o: proporc¸a˜o de indiv´ıduos fumantes no Brasil, proporc¸a˜o de clientes satisfeitos com um produto, proporc¸a˜o de alunos reprovados em uma certa disci- plina, proporc¸a˜o de indiv´ıduos com uma certa doenc¸a na cidade de Sa˜o Paulo, proporc¸a˜o de eleitores favora´veis a um certo candidato, etc. As pesquisas eleitorais bem como as pesquisas de mercado se valem da metodologia de estimac¸a˜o da proporc¸a˜o populacional. 2 Distribuic¸a˜o da proporc¸a˜o amostral Suponha uma varia´vel aleato´ria X que assume apenas dois resultados poss´ıveis. Por exemplo: a. Face obtida em um lanc¸amento de uma moeda: cara ou coroa; b. Nascimento de filhote macho ou feˆmea de uma espe´cie de mamı´fero; c. Fabricac¸a˜o de uma pec¸a defeituosa ou na˜o defeituosa numa linha de produc¸a˜o; d. Uma empresa de extrac¸a˜o de petro´leo encontra ou na˜o petro´leo num ponto de sondagem; e. O gerente do banco libera ou na˜o libera o empre´stimo para um determinado cliente; f. O indiv´ıduo e´ ou na˜o portador de uma determinada doenc¸a; g. O aluno e´ aprovado ou reprovado numa determinada disciplina; Enta˜o X e´ uma varia´vel aleato´ria discreta tal que X ∼ Bernoulli (p). Isto e´, X = { 1 se sucesso, tal que P (Y = 1) = p 0 se fracasso, tal que P (Y = 0) = 1− p A esperanc¸a matema´tica e a variaˆncia de X sa˜o dadas respectivamente por E (X) = p e V ar (X) = p (1− p) . Considere X1, X2, ..., Xn uma amostra aleato´ria extra´ıda de X, e seja X a me´dia amostral X = n∑ i=1 Xi n = X1 +X2 + ...+Xn n . Como X1, X2, ..., Xn assumem os valores 0 ou 1, segue que X = p̂ = Nu´mero de sucessos Tamanho da amostra Resultado: Se np > 5 e np (1− p) > 5, enta˜o p̂ tem distribuic¸a˜o normal com me´dia p e com variaˆncia p(1−p)n , isto e´, p̂ ∼ N [ p; p (1− p) n ] . Padronizando a varia´vel aleato´ria p̂ temos: Z = p̂− p√ p(1−p) n ∼ N (0, 1) . A partir da padronizac¸a˜o acima, temos o seguinte intervalo de confianc¸a IC (1− α) 100% para a proporc¸a˜o populacional p: p̂± Zα/2 √ p̂ (1− p̂) n 1 Fato: A proporc¸a˜o amostral p̂ e´ o melhor estimador para a proporc¸a˜o populacional p pois e´ um estimador na˜o viciado e e´ o mais preciso possui a menor variaˆncia. Prova. A esperanc¸a matema´tica de p̂ e´ tal que E (p̂) = E ( 1 n n∑ i=1 Xi ) = 1 n n∑ i=1 E (Xi) = E (X1) + E (X2) + ...+ E (Xn) n = p+ p+ ...+ p n = np n E (p̂) = p. Logo, a proporc¸a˜o amostral p̂ e´ um estimador na˜o viciado para a proporc¸a˜o populacional p. A variaˆncia de p̂, por sua vez, e´ tal que V ar (p̂) = V ar ( 1 n n∑ i=1 Xi ) = 1 n2 n∑ i=1 V ar (Xi) = V ar (X1) + V ar (X2) + ...+ V ar (Xn) n2 = p (1− p) + p (1− p) + ...+ p (1− p) n = np (1− p) n2 V ar (p̂) = p (1− p) n . 3 Exemplo 1 de aplicac¸a˜o: pesquisa de mercado Em uma pesquisa de mercado ha´ o interesse em saber qual o n´ıvel de aceitac¸a˜o de um novo produto. Para isso, entrevistou-se 150 clientes, dentre os quais 92 se declaram satisfeitos com o produto. Vamos construir o intervalo 95% de confianc¸a para a proporc¸a˜o populacional p de clientes satisfeitos. A proporc¸a˜o amostral e´ tal que: p̂ = Nu´mero de sucessos Tamanho da amostra = 92 150 = 0, 6133. Dessa forma temos p̂ ± Zα/2 √ p̂ (1− p̂) n 0, 6133 ± 1, 96 √ 0, 6133 (1− 0, 6133) 150 0, 6133 ± 0, 0779 Logo, o intervalo de confianc¸a 95% para a proporc¸a˜o de clientes satisfeitos e´: [0, 5354; 0, 6912] ou ainda [53, 54%; 69, 12%] . Interpretac¸a˜o: Temos 95% de confianc¸a de que o intervalo [53, 54%; 69, 12%] contem a proporc¸a˜o populacional de clientes satisfeitos com o produto. 4 Exemplo 2 de aplicac¸a˜o: pesquisa eleitoral Em uma pesquisa eleitoral foram entrevistados 800 eleitores para verificar as intenc¸o˜es de votos dos candidatos A, B e C. A tabela abaixo apresenta os resultados obtidos para esta amostra. Candidato: Nu´mero de eleitores favora´veis: A 246 B 118 C 274 Na˜o souberam ou na˜o quiseram responder 162 Total da amostra 800 2 Vamos construir o intervalo de confianc¸a de 95% para a proporc¸a˜o populacional para cada can- didato. Recordemos que, para um n´ıvel de confianc¸a de 95% o valor de Zα/2 e´ 1, 96. Intervalo de confianc¸a para a proporc¸a˜o de votos do candidato A: A proporc¸a˜o amostral do candidato A e´ p̂A = Nu´mero de sucessos Tamanho da amostra = 246 800 = 0, 3075. Dessa forma temos p̂A ± Zα/2 √ p̂A (1− p̂A) n 0, 3075 ± 1, 96 √ 0, 3075 (1− 0, 3075) 800 0, 3075 ± 0, 0320 Logo, o intervalo de confianc¸a 95% para a proporc¸a˜o de votos do candidato A e´: [0, 2755; 0, 3395] ou ainda [27, 55%; 33, 95%] . Interpretac¸a˜o: Temos 95% de confianc¸a de que o intervalo [27, 55%; 33, 95%] contem a proporc¸a˜o populacional de votos para o candidato A. Intervalo de confianc¸a para a proporc¸a˜o de votos do candidato B: A proporc¸a˜o amostral do candidato B e´ p̂B = Nu´mero de sucessos Tamanho da amostra = 118 800 = 0, 1475. Dessa forma temos p̂B ± Zα/2 √ p̂B (1− p̂B) n 0, 1475 ± 1, 96 √ 0, 1475 (1− 0, 1475) 800 0, 1475 ± 0, 0246 Logo, o intervalo de confianc¸a 95% para a proporc¸a˜o de votos do candidato B e´: [0, 1229; 0, 1721] ou ainda [12, 29%; 17, 21%] . Interpretac¸a˜o: Temos 95% de confianc¸a de que o intervalo [12, 29%; 17, 21%] contem a proporc¸a˜o populacional de votos para o candidato B. Intervalo de confianc¸a para a proporc¸a˜o de votos do candidato C: A proporc¸a˜o amostral do candidato C e´ p̂C = Nu´mero de sucessos Tamanho da amostra = 274 800 = 0, 3425. Dessa forma temos p̂C ± Zα/2 √ p̂C (1− p̂C) n 0, 3425 ± 1, 96 √ 0, 3425 (1− 0, 3425) 800 0, 3425 ± 0, 0329 Logo, o intervalo de confianc¸a 95% para a proporc¸a˜o de votos do candidato C e´: [0, 3096; 0, 3754] ou ainda [30, 96%; 37, 54%] . Interpretac¸a˜o: Temos 95% de confianc¸a de que o intervalo [30, 96%; 37, 54%] contem a proporc¸a˜o populacional de votos para o candidato C. Observac¸a˜o: Podemos observar que os intervalos de confianc¸a para os candidatos A e C tem uma intersecc¸a˜o. Quando este fato ocorre, dizemos que ha´ um empate te´cnico entre os candidatos A e C. Desta forma, na˜o e´ poss´ıvel afirmar qual candidato vai ganhar as eleic¸o˜es, por menor que seja tal intersecc¸a˜o. 3 5 Tamanho da amostra para o caso da proporc¸a˜o populacional Considerando o erro de estimativa para o caso da proporc¸a˜o populacional e = Zα/2 √ p̂ (1− p̂) n , temos que n = Z2α/2p̂ (1− p̂) e2 . Na pra´tica, para na˜o depender do termo p̂ (1− p̂), que e´ uma estimativa amostral da variaˆncia populacional, substitui-se tal termo pelo valor nume´rico 0, 25. Desta forma na˜o e´ necessa´rio uma amostra piloto e a expressa˜o para determinar o tamanho necessa´rio da amostra se reduz a: n = Z2α/20, 25 e2 . Exemplo. Numa pesquisa eleitoral quantos eleitores devemos entrevistar para estimar a proporc¸a˜o populacional de votos de um candidato considerando 95% de confianc¸a e uma margem de erro de 3% para mais ou para menos? n = Z2α/20, 25 e2 = 1, 9620, 25 0, 032 = 1067 eleitores. E considerando uma margem de erro de 2%, qual deveria ser o tamanho da amostra? n = Z2α/20, 25 e2 = 1, 9620, 25 0, 022 = 2401 eleitores. A tabela abaixo apresenta alguns poss´ıveis tamanhos de amostra para diversos erros de estimativas, considerando um n´ıvel de significaˆncia de 90%, 95% e 99%. Tamanhos de amostra para diferentes casos. Nı´vel de confianc¸a Margem de erro 90% 95% 99% 25% 11 15 27 20% 17 24 41 15% 30 43 74 10% 68 96 166 5% 271384 663 4% 423 600 1036 3% 752 1067 1842 2% 1691 2401 4144 1% 6765 9604 16577 0, 5% 27060 38416 66306 Importante: Caso ja´ exista uma amostra piloto proveniente da populac¸a˜o, enta˜o devemos usar a estimativa p̂ (1− p̂) para determinar o tamanho n da amostra, ao inve´s do valor nume´rico 0, 25. 4
Compartilhar