Baixe o app para aproveitar ainda mais
Prévia do material em texto
DISTRIBUIC¸O˜ES AMOSTRAIS E TEOREMA CENTRAL DO LIMITE UAEst/CCT/UFCG UAEst/CCT/UFCG Distribuic¸o˜es Amostrais e TCL 1/25 Amostra Aleato´ria Simples de uma Varia´vel Aleato´ria Amostra Aleato´ria Simples Varia´veis aleato´riasX1, X2, . . . , Xn constituem uma amostra aleato´ria simples de tamanho n, ou simplesmente amostra aleato´ria (a.a.) de uma varia´vel aleato´ria (v.a)X , quando satisfazem as seguintes condic¸o˜es: � As varia´veis aleato´rias X1, X2, . . . , Xn sa˜o independentes, e � Cada uma das varia´veis aleato´rias Xi, i = 1, 2, . . . , n, teˆm a mesma distribuic¸a˜o de probabilidade da varia´vel X . UAEst/CCT/UFCG Distribuic¸o˜es Amostrais e TCL 2/25 Estatı´stica Dada uma amostra aleato´ria X1, X2, ..., Xn de uma populac¸a˜o X , de- finiremos uma estatı´stica T como qualquer func¸a˜o de X1, X2, ..., Xn, ou seja T = f(X1, X2, ..., Xn). Assim, dada uma amostra aleato´riaX1, X2, ..., Xn, podemos citar como exemplos de estatı´sticas, dentre outros: A me´dia amostral, X = 1 n (X1 +X2 + . . .+Xn); A variaˆncia amostral S2 = 1 n− 1 n∑ i=1 (Xi −X)2. UAEst/CCT/UFCG Distribuic¸o˜es Amostrais e TCL 3/25 Distribuic¸a˜o Amostral Sendo X1, X2, ..., Xn uma amostra aleato´ria da varia´vel X , uma per- gunta natural seria o que acontece com a estatı´stica T quando reti- ramos todas as amostras de uma populac¸a˜o conhecida segundo um plano amostral adotado. Ou seja, qual a distribuic¸a˜o de T quando X1, X2, ..., Xn assume todos os valores possı´veis? Essa distribuic¸a˜o sera´ chamada de distribuic¸a˜o amostral da estatı´stica T . UAEst/CCT/UFCG Distribuic¸o˜es Amostrais e TCL 4/25 Distribuic¸a˜o Amostral Figura 01: (a) Esquema de infereˆncias sobre θ. (b) Distribuic¸a˜o amostral da estatı´stica T . UAEst/CCT/UFCG Distribuic¸o˜es Amostrais e TCL 5/25 Distribuic¸a˜o Amostral Exemplo 8 Considere uma populac¸a˜o formada pelos elementos {1, 3, 5, 5, 7}. Con- sidere a varia´vel X: valor assumido pelo elemento na populac¸a˜o. As- sim, a distribuic¸a˜o de probabilidade de X e´ dada por: X = x 1 3 5 7 P (X = x) UAEst/CCT/UFCG Distribuic¸o˜es Amostrais e TCL 6/25 Distribuic¸a˜o Amostral Exemplo 1 Considere uma populac¸a˜o formada pelos elementos {1, 3, 5, 5, 7}. Con- sidere a varia´vel X: valor assumido pelo elemento na populac¸a˜o. As- sim, a distribuic¸a˜o de probabilidade de X e´ dada por: X = x 1 3 5 7 P (X = x) 1/5 1/5 2/5 1/5 UAEst/CCT/UFCG Distribuic¸o˜es Amostrais e TCL 7/25 Note que: X = x 1 3 5 7 P (X = x) 1/5 1/5 2/5 1/5 µ = E(X) = 1× 1/5 + 3× 1/5 + 5× 2/5 + 7× 1/5 = 4, 2 e E(X2) = 12 × 1/5 + 32 × 1/5 + 52 × 2/5 + 72 × 1/5 = 21, 8 de onde temos que σ2 = V ar(X) = E(X2)− [E(X)]2 = 21, 8− (4, 2)2 = 4, 16. UAEst/CCT/UFCG Distribuic¸o˜es Amostrais e TCL 8/25 Distribuic¸a˜o Amostral Considere todas as amostras possı´veis de tamanho 2, com reposic¸a˜o, da populac¸a˜o cuja distribuic¸a˜o e´ dada no exemplo anterior. Ale´m disso considere X1 o nu´mero selecionado na primeira extrac¸a˜o e X2 o nu´mero selecionado na segunda extrac¸a˜o. Assim, podemos construir a distribuic¸a˜o de probabilidades conjunta de (X1, X2). Observe que X1 e X2 sa˜o independentes e teˆm distribuic¸o˜es iguais a` distribuic¸a˜o de X . UAEst/CCT/UFCG Distribuic¸o˜es Amostrais e TCL 9/25 Distribuic¸a˜o Amostral Inicialmente, identifiquemos todas as amostras possı´veis de tamanho n = 2: (1,1) (1,3) (1,5) (1,5) (1,7) (3,1) (3,3) (3,5) (3,5) (3,7) (5,1) (5,3) (5,5) (5,5) (5,7) (5,1) (5,3) (5,5) (5,5) (5,7) (7,1) (7,3) (7,5) (7,5) (7,7) Sendo assim, a Distribuic¸a˜o Conjunta de (X1, X2) e´ dada por: UAEst/CCT/UFCG Distribuic¸o˜es Amostrais e TCL 10/25 (X1, X2) Probabilidade (1,1) 1/5× 1/5 = 1/25 (1,3) 1/25 (1,5) 1/5× 2/5 = 2/25 (1,7) 1/25 (3,1) 1/25 (3,3) 1/25 (3,5) 2/25 (3,7) 1/25 (5,1) 2/25 (5,3) 2/25 (5,5) 2/5× 2/5 = 4/25 (5,7) 2/25 (7,1) 1/25 (7,3) 1/25 (7,5) 2/25 (7,7) 1/25 Total 1 UAEst/CCT/UFCG Distribuic¸o˜es Amostrais e TCL 11/25 Distribuic¸a˜o Amostral � Identifique a distribuic¸a˜o amostral para as estatı´sticas: (i) X = 1 n (X1 +X2 + · · ·+Xn); (ii) S2 = 1 n− 1 n∑ i=1 (Xi −X)2. � A partir das distribuic¸o˜es amostrais de X e S2, calcule E(X), V ar(X) e E(S2). UAEst/CCT/UFCG Distribuic¸o˜es Amostrais e TCL 12/25 (X1, X2) Probabilidade (i) X (1,1) 1/25 (1+1)/2=1 (1,3) 1/25 (1+3)/2=2 (1,5) 2/25 3 (1,7) 1/25 4 (3,1) 1/25 2 (3,3) 1/25 3 (3,5) 2/25 4 (3,7) 1/25 5 (5,1) 2/25 3 (5,3) 2/25 4 (5,5) 4/25 5 (5,7) 2/25 6 (7,1) 1/25 4 (7,3) 1/25 5 (7,5) 2/25 6 (7,7) 1/25 7 Total 1 - UAEst/CCT/UFCG Distribuic¸o˜es Amostrais e TCL 13/25 Distribuic¸a˜o Amostral da Me´dia Daı´, a distribuic¸a˜o de probabilidades de X e´ dada por: X = x 1 2 3 4 5 6 7 P (X = x) 1/25 2/25 5/25 6/25 6/25 4/25 1/25 Sendo assim, E(X) = 1× 1/25 + 2× 2/25 + · · ·+ 7× 1/25 = 4, 2 = E(X) = µ e E(X 2 ) = 12 × 1/25 + 22 × 2/25 + · · ·+ 72 × 1/25 = 19, 72 de onde temos que V ar(X) = E(X 2 )− [E(X)]2 = 19, 72− (4, 2)2 = 2, 08 = V ar(X)/2 = σ2/2. UAEst/CCT/UFCG Distribuic¸o˜es Amostrais e TCL 14/25 (X1, X2) Probabilidade (i) X (ii) S2 (1,1) 1/25 1 (1− 1)2 + (1− 1)2 = 0 (1,3) 1/25 2 (1− 2)2 + (3− 2)2 = 2 (1,5) 2/25 3 (1− 3)2 + (5− 3)2 = 8 (1,7) 1/25 4 18 (3,1) 1/25 2 2 (3,3) 1/25 3 0 (3,5) 2/25 4 2 (3,7) 1/25 5 8 (5,1) 2/25 3 8 (5,3) 2/25 4 2 (5,5) 4/25 5 0 (5,7) 2/25 6 2 (7,1) 1/25 4 18 (7,3) 1/25 5 8 (7,5) 2/25 6 2 (7,7) 1/25 7 0 Total 1 - UAEst/CCT/UFCG Distribuic¸o˜es Amostrais e TCL 15/25 Distribuic¸a˜o Amostral da Me´dia Sendo assim, a distribuic¸a˜o de probabilidades de S2 e´ dada por: S2 = s2 0 2 8 18 P (S2 = s2) 7/25 10/25 6/25 2/25 De onde temos que E(S2) = 0×7/25+2×10/25+8×6/25+18×2/25 = 4, 16 = σ2. UAEst/CCT/UFCG Distribuic¸o˜es Amostrais e TCL 16/25 Distribuic¸a˜o Amostral da Me´dia Em resumo, identificamos que; 1) E(X) = 4, 2 = E(X) = µ; 2) V ar(X) = 2, 08 = 4, 16/2 = V ar(X)/2 = V ar(X)/n = σ2/n; 3) E(S2) = 4, 16 = V ar(X) = σ2. Ale´m disso, pode-se perceber que 4) E(X1) = 4, 2 = E(X2) = E(X) = E(X) = µ. Pergunta: Sera´ que estes resultados sa˜o meras coincideˆncias? Resposta: Na˜o! UAEst/CCT/UFCG Distribuic¸o˜es Amostrais e TCL 17/25 Distribuic¸a˜o Amostral da Me´dia Teorema Seja X uma varia´vel aleato´ria com me´dia µ e variaˆncia σ2, e seja (X1, X2, ..., Xn) uma amostra aleato´ria de X . Enta˜o, a distribuic¸a˜o da me´dia amostral (X) tera´ me´dia e variaˆncia dadas, respectivamente por E(X) = µ e V ar(X) = σ2 n . UAEst/CCT/UFCG Distribuic¸o˜es Amostrais e TCL 18/25 Distribuic¸a˜o Amostral da Me´dia Atenc¸a˜o! Um teorema bem mais forte do que este e´ o que se refere a` distribuic¸a˜o de probabilidade da varia´vel X . Este teorema e´ conhecido como o Teorema Central do Limite. UAEst/CCT/UFCG Distribuic¸o˜es Amostrais e TCL 19/25 Teorema Central do Limite (TCL) Para amostras aleato´rias (X1, X2, ..., Xn), retiradas de uma populac¸a˜o com me´dia µ e variaˆncia σ2 finita, a distribuic¸a˜o amostral da me´dia X aproxima-se, para n suficientemente grande, de uma distribuic¸a˜o normal, com me´dia µ e variaˆncia σ2/n: X ≈ N(µ, σ2/n). Desta forma, temos que: Z = X − µ σ/ √ n ≈ N(0, 1). UAEst/CCT/UFCG Distribuic¸o˜es Amostrais e TCL 20/25 Teorema Central do Limite (TCL) Atenc¸a˜o! 1. No Teorema Central do Limite na˜o fizemos nenhuma suposic¸a˜o sobre a natureza das distribuic¸o˜es das varia´veis X1, X2, ..., Xn; ou seja, independentemente de como se comportam essas varia´veis, sejam elas discretas ou contı´nuas, o Teorema continua va´lido. 2. Se as varia´veis X1, X2, ..., Xn teˆm distribuic¸a˜o normal, enta˜o X tera´ tambe´m distribuic¸a˜o normal e na˜o apenas uma aproximac¸a˜o. UAEst/CCT/UFCG Distribuic¸o˜esAmostrais e TCL 21/25 Teorema Central do Limite (TCL) Figura 02: Histogramas correspondentes a`s distribuic¸o˜es amostrais de X para amostras extraı´das de algumas populac¸o˜es. UAEst/CCT/UFCG Distribuic¸o˜es Amostrais e TCL 22/25 Teorema Central do Limite (TCL) Exemplo 2 A quantidade de tempo que um consumidor gasta esperando no balca˜o de check-in de um aeroporto e´ uma varia´vel aleato´ria, com me´dia de 8,2 minutos e desvio-padra˜o de 2,5 minutos. Suponha que uma amos- tra aleato´ria de n = 49 consumidores seja observada. Encontre a pro- babilidade de o tempo me´dio de espera na fila para esses consumidores ser: a) menor que 9 minutos; b) entre 7 e 9 minutos; c) maior que 11 minutos. UAEst/CCT/UFCG Distribuic¸o˜es Amostrais e TCL 23/25 Teorema Central do Limite (TCL) Exemplo 3 Seja X o prec¸o, em reais, de um determinado produto. Admitindo que X segue distribuic¸a˜o Normal, com me´dia 100 e desvio padra˜o 10, calcule a probabilidade de: a) Ao entrar em uma loja, observar que este produto esta´ sendo ven- dido por um prec¸o entre 91 e 110 reais; b) Pesquisando em 16 lojas distintas, encontrar prec¸o me´dio entre 91 e 110 reais; c) Pesquisando em 9 lojas distintas, encontrar prec¸o me´dio superior a 120 reais; d) Pesquisando em 9 lojas distintas, encontrar prec¸o me´dio na˜o maior que 70 reais. UAEst/CCT/UFCG Distribuic¸o˜es Amostrais e TCL 24/25 Exercı´cios Problemas do Capı´tulo 10 do livro texto (BUSSAB - 6a Edic¸a˜o) selecionados para resoluc¸a˜o: 03, 04, 05, 07, 08, 09 e 10. Bom trabalho! UAEst/CCT/UFCG Distribuic¸o˜es Amostrais e TCL 25/25
Compartilhar