Baixe o app para aproveitar ainda mais
Prévia do material em texto
4/23/14 1 Universidade Federal de Goiás Escola de Agronomia e Engenharia de Alimentos Engenharia Florestal Disciplina: Estatística e Experimentação Florestal Professor: Evandro Novaes Inferência Estatística e Amostragem Distribuição t Capítulo 4 Slides: A. S. Coelho 4. Inferência Estatística e Amostragem��� a. Conceitos Básicos��� b. Tipos de Amostragem��� c. Distribuição de t (Student) e Intervalo de Confiança 4/23/14 2 população distribuição Normal y1 y2 y3 ⋮ y∞ ⋮ amostra 1 amostra 2 amostra 3 amostra 4 amostra ∞ µˆ1 µˆ2 µˆ3 µˆ4 µˆ∞ } } distribuição de t 4/23/14 3 A estatística t de Student t = y − µsy t = y − µs n com n − 1 graus de liberdade sy = s2 n Desvio padrão das médias ou Erro Padrão Conforme n aumenta t se aproxima de z 4/23/14 4 Conforme n aumenta t se aproxima de z A distribuição de t ttab−ttab 0 4/23/14 5 Olhando na tabela t 3.25 -3.25 n = 10 g.l. = 9 α = 0.01 Utilizando a tabela t • Sabe-se que a média de produtividade do clone GG100, em uma dada região de Goiás, é de μ= 42m3/haano. Nessa mesma região amostrou-se 30 indivíduos desse clone, obtendo-se: e • Qual a probabilidade de que em uma segunda amostra de mesmo tamanho obtenha-se um valor de produtividade tão ou mais alto do que esse? € x = 45 € s = 5 4/23/14 6 No entanto, na maioria das vezes não conhecemos μ Temos interesse em estimar esse parâmetro Medida pontual ( ) contém erro x Precisamos de um intervalo de confiânça 4/23/14 7 A distribuição de t ttab−ttab 0 γ = P −ttab ≤ t ≤ ttab( ) t = y − µsy γ = P −ttab ≤ y − µ sy ≤ ttab ⎛ ⎝⎜ ⎞ ⎠⎟ γ = P −ttab ≤ y − µ sy ≤ ttab ⎛ ⎝⎜ ⎞ ⎠⎟ γ = P −ttab . sy ≤ y − µ ≤ ttab . sy( ) γ = P −y − ttab . sy ≤ −µ ≤ −y + ttab . sy( ) γ = P y + ttab . sy ≥ µ ≥ y − ttab . sy( ) γ = P y − ttab . sy ≤ µ ≤ y + ttab . sy( ) 4/23/14 8 Intervalo de Confiança γ = P y − ttab . sy ≤ µ ≤ y + ttab . sy( ) e = ttab . sy γ = P y − e ≤ µ ≤ y + e( ) ICγ = y ± e Exercício 1 4/23/14 9 Intervalo de Confiança - Se o intervalo de confiança for de 95%, podemos afirmar que o parâmetro populacional μ está contido no intervalo? - Não, mas temos confiança de 95% que sim, pois a probabilidade de que o intervalo contenha μ é de 0,95. - Ou seja, se repetíssemos a amostragem 100x e calculássemos 100 IC, em média somente 5 intervalos não conteriam μ Intervalo de Confiança 4/23/14 10 Exercício 2 Exercício 3 4/23/14 11 Cálculo de tamanho da amostra e = ttab . sy sy = s 2 n e = ttab . s2 n e ttab = s2 n e2 ttab2 = s2 n n = s2 . ttab2 e2 γ = 0,95 : ttab 2⇒ n = 4s2 e2 Exercício 10 4/23/14 12 Exercício 11 Exercício 13 4/23/14 13 Binomial aproxima-se da Normal Quando n ≥ 30 e p não é próximo de 0 ou 1 np ≥ 5 A taxa de germinação de um lote de sementes é de 60%. Em uma amostra de 25 sementes, quantas germinarão em média? µ = 25 . 0,6 ∴ µ = 15 sementes n = 25 p = 0,6 µ = np 4/23/14 14 Distribuição de probabilidade da variável x µ = np σ 2 = np(1− p) µ = 25 . 0,6 ∴ µ = 15 sementes € σ2 = 3,6 ✓ A média da distribuição das proporções é dada por: ✓ A variância da distribuição das proporções é dada por: Se a variável de interesse for x/n (proporção ou frequência de casos) µ = p σ 2 = p(1− p)n 4/23/14 15 A taxa de germinação de um lote de sementes é de 60%. Em uma amostra de 25 sementes, que proporção das sementes germinarão em média? Qual a variância esperada para esta proporção? n = 25 p = 0,6 µ = 0,6 = 60%µ = p σ 2 = p(1− p)n σ 2 = 0,6 . 0,4 25 = 0,0096 = 0,96% Cálculo de tamanho da amostra (proporções) spˆ = p(1− p) n e = ttab . p(1− p) n e ttab = p(1− p) n e2 ttab2 = p(1− p) n n = p(1− p). ttab2 e2 γ = 0,95 : ttab 2⇒ n = 4 p(1− p) e2 4/23/14 16 Exercícios 8 e 9 Exercício 12
Compartilhar