Baixe o app para aproveitar ainda mais
Prévia do material em texto
NOTAS DE AULA - ESTATÍSTICA TEORIA DA AMOSTRAGEM ESTIMAÇÃO ISABEL C. C. LEITE SALVADOR – BA 2007 Estatística Prof.ª Isabel C. C. Leite 1 TEORIA DA AMOSTRAGEM – DISTRIBUIÇÃO AMOSTRAL DOS ES TIMADORES A teoria da amostragem é um estudo das relações existentes entre uma população e as amostras dela extraídas. É útil em: • estimação de parâmetros populacionais; • determinação das causas de diferenças observadas entre amostras. Constitui o que chamamos de estatística indutiva ou inferência estatística que consiste em inferir conclusões importantes sobre uma população a partir da análise de resultados observados em amostras aleatórias. Como toda conclusão deduzida a partir da amostragem é acompanhada de um grau de incerteza ou risco, o problema fundamental da inferência estatística é medir este grau de incerteza ou risco das generalizações. Parâmetro: medida numérica que descreve uma população. Genericamente representado por θ. Exemplos: média (µ ), variância ( 2σ ). Estatística ou estimador: medida numérica que descreve uma amostra. Genericamente representado por θ̂ . Exemplos: média (x ), variância ( 2S ). Estimativa: valor numérico de um estimador. Erro amostral: erro que ocorre pelo uso da amostra. Denotado por ε e definido por: θθε −= ˆ . Uma distribuição amostral é a distribuição de probabilidade de um estimador (ou estatística) da amostra formada quando amostras de tamanho n são colhidas várias vezes de uma população. Por exemplo, se o estimador da amostra for a sua média, a distribuição será uma distribuição amostral de médias das amostras. Para cada distribuição amostral pode-se calcular a média, o desvio-padrão, etc. n n n n 1x 2x n 3x n 4x n Distribuição amostral de x População M Repetir esse processo para todas as amostras de tamanho n Estatística Prof.ª Isabel C. C. Leite 2 Distribuição amostral das médias Consideremos o seguinte problema. Seja X o peso real de pacotes de café, enchidos automaticamente por uma máquina. Sabe-se que a distribuição de X pode ser representada por uma normal, com parâmetros 2 e σµ . Suponhamos que a máquina esteja regulada para encher os pacotes segundo uma distribuição normal com média 500 gramas e desvio padrão de 10 gramas, isto é, ( )100,500~ NX . Sabemos que, às vezes, a máquina desregula-se e quando isto acontece o único parâmetro que se altera é a média, permanecendo a mesma variância. Para manter a produção sob controle iremos recolher uma amostra de 100 pacotes e pesá-los. Como essa amostra nos ajudará a tomar uma decisão? Usaremos a média x da amostra como informação pertinente para uma decisão. Mesmo que a máquina esteja regulada, dificilmente x será igual a 500 gramas, dado que os pacotes apresentam certa variabilidade de peso. Mas se x não se afastar muito de 500 gramas, não existirão razões para suspeitarmos da qualidade do procedimento de produção. Só iremos pedir uma revisão se o erro amostral (x– 500) for “muito grande”. O problema que se apresenta agora é o de decidir o que é próximo ou distante de 500 gramas. Se o mesmo procedimento de colher a amostra de 100 pacotes fosse repetido um número muito grande de vezes, sob a condição de a máquina estar regulada, teríamos idéia do comportamento da variável x , e saberíamos dizer se aquele valor observado é ou não um evento raro de ocorrer. Caso o seja, é mais fácil suspeitar da regulagem da máquina do que do acaso. Portanto é importante conhecer as propriedades da distribuição da variável x . As médias x das amostras de tamanho n retiradas de uma população com média µ e desvio padrão σ formam a distribuição amostral com os seguintes parâmetros: • O valor esperado ou média é igual à média populacional: ( ) ( ) µµ == xxE . • A variância é igual à variância populacional dividida pelo tamanho da amostra: ( ) n xxVar 2 2)( σσ == . OBS: Se a população é finita e de tamanho N conhecido, e se a amostragem é feita sem reposição, então ( ) 1 )( 2 2 − −⋅== N nN n xxVar σσ . Temos, portanto, para desvio padrão das médias amostrais: • ( ) n x σσ = , se a população é infinita, ou se a amostragem é feita com reposição; • ( ) 1− −= N nN n x σσ , se a população é finita, ou se a amostragem é feita sem reposição. Observemos pelas fórmulas apresentadas que quanto maior o tamanho da amostra, menor será a variância de x , ou seja, o estimador x será mais preciso à medida que o tamanho da amostra aumentar. Estatística Prof.ª Isabel C. C. Leite 3 Teorema do limite central Se de uma população com parâmetros (µ , 2σ ) for retirada uma amostra de tamanho suficientemente grande, a distribuição de x será aproximadamente normal, seja qual for a forma da distribuição da população. Ou seja, − −≅ ≅ 1 ,ou, 22 N nN n Nx n Nx σµσµ com distribuições padronizadas dadas por: 1 ou − − −=−= N nN n x Z n x Z ii i i σ µ σ µ Estatística Prof.ª Isabel C. C. Leite 4 Aplicações 1. Voltando ao problema inicial, onde uma máquina enchia pacotes cujos pesos seguiam uma distribuição normal N(500,100). Colhendo-se uma amostra de n = 100 pacotes e pesando-os, x terá uma distribuição normal com média 500 e variância 100/100 = 1. Logo, se a máquina estiver regulada, a probabilidade de encontrarmos a média de 100 pacotes diferindo de 500 g de menos de 2 gramas será ( ) ( ) %95)22(5024982500 ≅<<−=<<=<− zPxPxP Ou seja, dificilmente 100 pacotes terão uma média fora do intervalo (498,502). Caso isto ocorra, podemos considerar como um evento raro, e será razoável supor que a máquina esteja desregulada. 2. Admite-se que as alturas de 3000 estudantes do sexo masculino de uma universidade são normalmente distribuídas, com a média 172,72 cm e o desvio padrão 7,62 cm. Se forem obtidas 80 amostras de 25 estudantes cada uma, quais serão a média e o desvio padrão esperados da distribuição amostral das médias resultantes se amostragem for feita: (a) com reposição; (b) sem reposição? Solução: O número de amostras de 25 elementos que podem ser obtidas teoricamente de um grupo de 3000 estudantes, com e sem reposição, são: (3000)25 e C3000,25, respectivamente, muito maiores do que 80. Por isso não se obtém uma verdadeira distribuição amostral das médias, mas apenas uma experimental. Apesar disso, visto que o número de amostras é grande, haverá uma concordância muito estreita entre as duas distribuições amostrais. (a) ( ) ( ) cm. 524,1 25 62,7 x e cm 72,172 ===== n x σσµµ (b) ( ) ( ) cm, 518,1 13000 253000 25 62,7 1 x e cm 72,172 = − −= − −=== N nN n x σσµµ que é apenas ligeiramente menor que 1,524 cm e pode, portanto, para todos os fins práticos, ser considerado igual ao da amostragem com reposição. Conclusão: pode-se considerar esta distribuição amostral experimental das médias aproximadamente normal, com a média 172,72 cm e desvio padrão 1,524 cm. 3. Em quantas amostras do problema anterior pode-se esperar que a média se encontre: (a) entre 169,67 cm e 173,48cm; (b) abaixo de 170,00 cm? Resp: (a) o número esperado de amostras é 536687,080 ≅⋅ . (b) o número esperado de amostras é 30375,080 =⋅ . Estatística Prof.ª Isabel C. C. Leite 5 Dimensionamento de uma amostra Muitas vezes é importante sabermos qual deverá ser o tamanho de uma amostra de modo a obter um erro de estimação ε previamente estipulado com determinado grau de confiança dos resultados obtidos. Exemplo: Seja ( ): 1200,840X N . Qual deverá ser o tamanhode uma amostra de tal forma que ( )1196 1204 0,90P x< < = ? Solução: Se ( ) ( ) 2 1200 1200 e 840 840 28,98 x x n n µ µ σ σ = = = ⇒ = = Para o intervalo dado temos que 4xε µ= − = ± Como ( ) x z x µ σ −= e 0,45 1,64z z= = , segue-se que 4 1,64 141,13 28,98 n n ±± = ∴ = . Concluímos que, se retirarmos uma amostra de 141 elementos da população X, teremos 90% de confiança que x estará no intervalo (1196,1216) e ( )1196 0,05P x < = ou ( )1216 0,05P x > = ; isto significa que o risco que corremos de que o valor da média caia fora do intervalo anterior é de 10%. Distribuição amostral da soma, ou diferença, entre duas médias Sejam duas populações independentes com distribuição amostral das médias dadas por 2 2 1 2 1 21 2 1 2 , e ,x N x N n n σ σµ µ ≅ ≅ . Considerando amostras independentes das duas populações, temos: ( ) 2 2 1 2 1 2 1 2 1 2 ,x x N n n σ σµ µ ± ≅ ± + A distribuição normal padrão para ( )1 2x x± será ( ) ( )1 2 1 2 2 2 1 2 1 2 i x x z n n µ µ σ σ ± − ± = + Aplicação: Numa escola A, os alunos submetidos a um teste obtiveram média 70 com desvio padrão 10. Em outra escola B, os alunos submetidos ao mesmo teste obtiveram média 65 com desvio padrão 15. Se colhermos na escola A uma amostra de 36 alunos e na B, uma de 49 alunos, qual é a probabilidade de que a diferença entre as médias seja superior a 6 unidades? Resp. 0,3557 Estatística Prof.ª Isabel C. C. Leite 6 Distribuição amostral das proporções Consideremos uma população infinita onde a probabilidade de ocorrência de um evento (denominado seu sucesso) é p, enquanto a de sua não ocorrência (fracasso) é q = 1 – p. Tomemos todas as amostras possíveis de tamanho n extraídas desta população e, para cada amostra, determinemos a proporção p̂ de sucessos. Temos, portanto, o parâmetro p̂ que expressa a probabilidade, ou proporção, ou freqüência relativa, de determinado evento da população. nº de casos favoráveis ao evento na amostra ˆ nº total de casos da amostra x p n = = Obtemos assim uma distribuição amostral das proporções. Para amostras suficientemente grandes, a distribuição amostral de ̂p é aproximadamente normal com • média: ( )p̂ pµ = , • desvio padrão: ( )p̂ pq n σ = , onde: p = verdadeira probabilidade populacional de “sucessos” q = 1 – p n = tamanho da amostra. Assim, ˆ , pq p N p n ≅ e sua distribuição normal padronizada é expressa por ˆ i i p p Z pq n −= . Aplicação Verificou-se que 2% das ferramentas produzidas por certa máquina são defeituosas. Qual é a probabilidade de, em uma remessa de 400 dessas ferramentas, revelarem-se defeituosas: (a) 3% ou mais; (b) 1,5 % ou menos? Solução: Temos: ( )ˆ 0,02p pµ = = e ( )ˆ 0,02 0,98 0,007 400p pq n σ ⋅= = = . (a) Calculando a variável padronizada z para p̂ 1 = 0,03: 1 0,03 0,02 1,43 0,007 z −= = ( )ˆ( 0,03) 1,43 0,5 0,4236 0,0764P p P z≥ = ≥ = − = ou 7,64% (b) Calculando a variável padronizada z para p̂ 1 = 0,015: 1 0,015 0,02 0,71 0,007 z −= = − ( )ˆ( 0,015) 0,71 0,5 0,2611 0,2389P p P z≤ = ≤ − = − = ou 23,89 % Estatística Prof.ª Isabel C. C. Leite 7 Distribuição amostral da soma, ou diferença, entre duas proporções Sabemos da distribuição amostral das proporções que para amostras suficientemente grandes, 1 1 1 1 1 ˆ , p q p N p n ≅ e 2 22 2 2 ˆ , p q p N p n ≅ . Considerando amostras independentes das duas populações, temos: ( ) 1 1 2 21 2 1 2 1 2 ˆ ˆ , p q p q p p N p p n n ± ≅ ± + A distribuição normal padrão para ( )1 2ˆ ˆp p± será ( ) ( )1 2 1 2 1 1 2 2 1 2 ˆ ˆ i p p p p z p q p q n n ± − ± = + . Estimação Um dos métodos para realizar inferências a respeito dos parâmetros é a estimação, que determina estimativas dos parâmetros populacionais. Existem dois tipos de estimação de um parâmetro populacional: estimação por ponto e a estimação por intervalo. Estimação por ponto A partir das observações, usando o estimador, procura-se encontrar um valor numérico único (estimativa) que esteja bastante próximo do verdadeiro valor do parâmetro. Este procedimento não permite julgar a magnitude do erro que podemos estar cometendo, mas a distribuição por amostragem dos estimadores torna possível o estudo das qualidades do estimador. ESTIMADORES PONTUAIS DOS PRINCIPAIS PARÂMETROS POPULACIONAIS Parâmetro Estimador Média (µ) n i i 1 1 x x n = = ∑ Variância (σ 2) ( )22 1 1 1 n i i S x x n = = − − ∑ Desvio padrão (σ) ( )2 1 1 1 n i i S x x n = = − − ∑ Proporção (p) ˆ x p n = , onde x = número de elementos da amostra que possuem a característica n = tamanho da amostra Estatística Prof.ª Isabel C. C. Leite 8 Exemplo: Para avaliar a taxa de desemprego em determinado estado, escolhe-se uma amostra aleatória de 1000 habitantes em idade de trabalho e contam-se os desempregados: 87. Estimar a proporção de desempregados em todo o estado. 87 ˆ 0,087 1000 p = = Estimação por intervalo Procura determinar um intervalo que contenha o valor do parâmetro populacional, com certa margem de segurança. Este procedimento permite julgar a magnitude do erro que podemos estar cometendo. Com base na amostra, uma maneira de expressar a precisão da estimação é calcular os limites de um intervalo, o Intervalo de Confiança (IC), tais que (1 α− ) seja a probabilidade de que o verdadeiro valor do parâmetro esteja contido nele. Portanto, α : grau de desconfiança, nível de incerteza ou nível de significância. 1 α− : coeficiente de confiança ou nível de confiabilidade; Formalizando, se denotarmos o parâmetro de interesse por θ, desejamos obter um intervalo com limite inferior I e limite superior S tal que P(I < θ < S) = 1 α− , onde α é um valor pequeno, ou seja 1α− é próximo de 1. Os limites deste intervalo são variáveis aleatórias, pois dependem da amostra selecionada. Um intervalo deste tipo é denominado intervalo de 1 - α (××××100)% confiança para o parâmetro θ. Valores de α mais comumente usados são α = 0,10 1 – α = 0,90 ou 90% α = 0,05 1 – α = 0,95 ou 95% α = 0,01 1 – α = 0,99 ou 99% A precisão com que se conhece θ depende da amplitude deste intervalo dada por S – I. Quanto menor esta amplitude melhor determinado estará o parâmetro. A figura abaixo ilustra o conceito de intervalo de confiança. ( ) ( ) ( ) ( ) ( ) ( ) ( ) µ 1 AMOSTRA 2 3 4 5 6 7 .. . INTERVALOS DE CONFIANÇA Estatística Prof.ª Isabel C. C. Leite 9 O verdadeiro valor do parâmetro estará contido em 1α− (××××100) % desses intervalos. Observe que algumas estimativas intervalares incluem e outras não incluem o verdadeiro valor do parâmetro da população. Ao retirarmos uma amostra e calcularmos um intervalo de confiança, não sabemos na verdade se o parâmetro da população se encontra naquele intervalo calculado. O importante é saber que se está utilizando um método com 1 α− (××××100) % de probabilidade de sucesso. Intervalos de confiança para a média de uma população normal com variância conhecida Consideremos uma população normal com média desconhecida que desejamos estimar e com variância conhecida, ( )2?,X N σ= . Procedimento para a construção do IC: 1. Retiramos uma amostra casual simples de n elementos. 2. Calculamos a média da amostra x . 3. Calculamos o desvio padrão da média amostral: n σ . 4. Fixamos o nível de significância α, e com ele determinamos zα , tal que ( ) ,P z zα α> = ou seja, ( ) ( ) e 2 2P z z P z zα α α α> = < = . Logo, devemos ter ( ) 1P z zα α< = −zα− zα Neste caso o Intervalo de Confiança de 1α− (×100)% para µ é dado por: , x z x z n n α α σ σ − + Usando uma notação mais simples, teremos ( )( ) ( )1 2IC , 1 % ,µ α µ µ− = . Exemplos: 1. A duração de vida de uma peça de equipamento é tal que 5σ = horas. Foram amostradas aleatoriamente 100 dessas peças, obtendo-se média de 500 horas. Desejamos construir um intervalo de confiança para a verdadeira duração média da peça com um nível de 95% de confiança. Solução: Temos ( )5, 100, 500, 1 100 95%n xσ α= = = − = . 2 α 1 α− 2 α Estatística Prof.ª Isabel C. C. Leite 10 O gráfico da distribuição normal padrão será: 0 0,95 0,0250,025 D istribuição Norm al (0,1) -1,96 1,96 z = 1,96 corresponde à área 0,475 Substituindo os dados na fórmula, temos o intervalo de confiança solicitado, ( )499,02 500,98 95%P µ< < = , significando que com 95% de confiança a duração média da peça está entre 499,02 e 500,98 horas. Portanto, se fossem construídos intervalos dessa mesma maneira, para um grande número de amostras, em 95% dos casos os intervalos incluiriam µ . Para os casos de populações finitas, multiplica-se o desvio padrão pelo fator de correção, gerando o IC: , 1 1 N n N n x z x z N Nn n α α σ σ − −− ⋅ + ⋅ − − 2. Admitindo os mesmos dados do exemplo anterior, consideremos como população a produção de 1000 peças. Nesse caso o intervalo para a média será (499,07;500,93), conforme os cálculos abaixo. 1 2 5 1000 100 5 1000 100 500 1,96 . e 500 1,96 . 1000 1 1000 1100 100 µ µ− −= − ⋅ = + ⋅ − − Logo, o intervalo (499,07;500,93) contém a duração média das 1.000 peças com 95% de confiança. Amostras Grandes - População Normal ou não Normal Se n é suficientemente grande (em geral, n > 30), mesmo sem conhecermos a distribuição da população, os limites do Intervalo de Confiança para a média (µ) poderão ser calculados com base na distribuição Normal padrão. Da mesma forma podemos utilizar o desvio padrão amostral S no lugar de σ (desvio-padrão populacional), caso este não seja conhecido. Estatística Prof.ª Isabel C. C. Leite 11 Intervalos de confiança para a proporção Lembremos que quando p populacional é conhecida, ˆ x p n = tem distribuição aproximadamente normal, ˆ , pq p N p n ≅ . Para construirmos o IC para p desconhecida, determinamos p̂ na amostra e consideramos ˆ ˆ ˆ p pq n σ ≅ . Logo, ao nível α de significância, ( ) 1P z zα α< = − , onde ˆ ˆ p p p z σ −= . Desenvolvendo os cálculos, como foi feito para a média, chegamos à formula do IC para a proporção p populacional. ( )( ) ( )1 2IC , 1 % ,p p pα− = = ˆ ˆ ˆ ˆˆ ˆ;pq pqp z p zn nα α − + Exemplo: Para se estimar a porcentagem de alunos de um curso favoráveis à modificação do currículo escolar, tomou-se uma amostra de 100 alunos, dos quais 80 foram favoráveis. a. Faça um IC para a proporção de todos os alunos do curso favoráveis à modificação ao nível de 4% de significância. b. Qual o valor do erro de estimação ocorrido no intervalo acima? Solução: Dados n = 100, x = 80, α = 4%, temos que ̂ ˆ0,80 , 0,20p q= = e ˆ 0,8 0,2 0,04 100p σ ⋅≅ = . a. 0,48 2,05z zα = = ⇒ ( ) ( )IC ,96% 0,718;0,882p = Temos uma confiança de 96% que de 71,8% a 88,2% dos alunos do curso serão favoráveis à modificação curricular. b. ˆ ˆ p p p z σ −= ⇒ ˆ ˆ p p z zσ σ ε ε σ σ = ∴ = ⋅ 2,05 0,04 0,082 8,2%ε ε= ⋅ = ∴ = O erro de estimação cometido em (a) é de 8,2% para 96% de confiança e uma amostra de 100 alunos. Estatística Prof.ª Isabel C. C. Leite 12 REFERÊNCIAS BIBLIOGRÁFICAS • BUSSAB, Wilton de O. MORETTIN, Pedro A. Estatística Básica. 5ª edição. São Paulo: Saraiva, 2006. • MORETTIN, Luiz Gonzaga. Estatística Básica – Volume 2 – Inferência. São Paulo: Pearson Makron Books, 2000. • MARTINS, Gilberto de A. Estatística Geral e Aplicada. 3ª ed. São Paulo: Atlas, 2005. • SPEIGEL, Murray R. Estatística. 3ª ed. São Paulo: Pearson Makron Books, 1993. • Notas de aula dos professores do Departamento de Estatística – UFBA, disponíveis no site www.est.ufba.br.
Compartilhar