Baixe o app para aproveitar ainda mais
Prévia do material em texto
1 2 – Estimação Pontual de Médias e Totais Populacionais 2.1 – Objetivo Geral da Estimação Dado um plano amostral probabilístico, digamos p, e um parâmetro-alvo θ, definir: 1) Estimador Pontual não Viciado para θ 2) Variância (Teórica) do Estimador de θ 3) Estimador da Variância do Estimador de θ Neste módulo do curso, abordaremos o problema da estimação pontual. A estimação de variâncias e o cálculo de medidas de precisão estarão no módulo 3. 2.2 - Distribuição Amostral A distribuição amostral de um estimador é a sua distribuição de probabilidade. Ela representa o comportamento dos valores assumidos pelo estimador, quando consideramos todas as amostras de tamanho n que poderiam ser selecionadas da população U. Pode parecer complicado obter a distribuição de probabilidade do estimador sem fazer nenhuma hipótese acerca da distribuição de probabilidade de y. Todavia, esta distribuição pode ser obtida usando a distribuição de aleatorização, ou seja, as probabilidades de seleção p(s). Exemplo 2.1 - considere a população-matriz do exemplo 1 do módulo 1, repetida a seguir: 34 33 52 41 yiU Obtenha a distribuição amostral de , considerando uma AAS com n = 2. y Solução: O espaço amostral é S = {(1,2);(1,3);(1,4);(2,3);(2,4);(3,4)}. Estas amostras, suas probabilidades e os respectivos valores de são dados a seguir.y 2 1/6 1/6 1/6 1/6 1/6 1/6 p(s) 3(3,4) 4(2,4) 4(2,3) 3,5(1,4) 3,5(1,3) 4,5(1,2) s y A distribuição amostral de é: y 3/1)4y(p)5,3y(p 6/1)5,4y(p)3y(p ==== ==== Um estimador não viciado é aquele cujo valor esperado é igual ao parâmetro. Ou seja, um estimador é não viciado para um parâmetro θ se: θˆ .)ˆ(E θ=θ 2.3 - Estimador Não Viciado Um estimador sem vício é aquele que, em algumas amostras “erra para baixo”, em outras “erra para cima”, mas, “em média”, acerta θ, como ilustram as figuras apresentadas a seguir: viciado viciadonão viciado O vício de é dado por: Evidentemente, se um estimador é não viciado, seu vício é zero. .)ˆ(E)ˆ(B θ−θ=θ θˆ Do inglês: bias = vício. Exemplo 2.1 (cont.) - Calcule e verifique se é um estimador não viciado para . Solução: . .75,35,4 6 14 3 15,3 3 13 6 1)y(E =+++= .75,3Y = O estimador é não viciado! ),y(E Y y 3 Suponha agora que tenha sido selecionada a amostra s = (2,3). Neste caso, a estimativa de é Perceba que 4 é maior que ou seja, estamos sobrestimando Isto significa que haja um problema com o estimador? Não confunda isto com vício. Os estimadores usados são não viciados. O que ocorreu foi um erro amostral ou de estimação = diferença entre estimativa e parâmetro em uma amostra. Y .4y = ,Y .Y 2.4 - Estimador Linear Um estimador linear é aquele que é dado por uma combinação linear das observações y na amostra, ou seja: Exemplos de estimadores lineares? .yˆ i si i∑ ∈ ω=θ A média amostral é um estimador linear, com pesos ωi = 1/n, ∀i ∈s. O total amostral é um estimador linear, com pesos ωi = 1, ∀i ∈s. A teoria apresentada a seguir busca um bom estimador (não viciado) para total e média populacionais, restringindo os candidatos aos estimadores lineares. Note que isto não é restritivo, pois não faria sentido buscar estimadores não lineares para parâmetros que são funções lineares dos valores de y na população. 2.5 - Estimadores de Horvitz-Thompson Dois pesquisadores (Horvitz e Thompson) desenvolveram, na década de 50, uma teoria que define estimadores lineares não viciados para total e média para qualquer plano amostral que seja probabilístico. Os estimadores resultantes são chamados estimadores de Horvitz-Thompson. Demonstração do Estimador de HT para o Total Populacional: Seja o parâmetro total populacional: E um estimador linear genérico: ∑ ∈ = Ui iyY ∑ ∈ ω= si ii yYˆ 4 Nosso problema é obter os pesos ωi tais que este estimador seja não viciado. Em princípio, isto poderia ser feito diretamente, resolvendo a equação: ∑ ∑ ∑∑ ∈ ∈ ∈∈ =ω =ω = si Ui iii Ui i si ii y)y(E y)y(E Y)Yˆ(E Problema: quanto vale E(yi)? Uma forma elegante de resolver este problema passa pela definição da seguinte variável binária: Esta variável, definida ∀ i∈U, é chamada variável indicadora de inclusão na amostra. s.i se 0, s;i se 1,δi ∉= ∈= δi é utilizada para escrever o estimador de forma equivalente, como um somatório na população: (a equivalência vem do fato de que, se i∉s, então δi = 0, e assim ωiyiδi = 0) .yyYˆ Ui iii si ii ∑∑ ∈∈ δω=ω= A vantagem desta nova representação é que yi não é mais variável aleatória (pois está associada a uma unidade populacional, fixa). A única variável aleatória no novo somatório é δi, assim: .)(Ey)Yˆ(E Ui iii∑ ∈ δω= pii, pois δi ~ Bernoulli(pii). Assim, para que seja não viciado, é necessário que: Yˆ .Si ,11 yy Y)Yˆ(E i iii Ui ii Ui ii ∈∀ pi =ω⇔=piω =piω = ∑∑ ∈∈ pesos amostrais para o estimador de total. Estimador de HT para o Total: Estimador de HT para a Média: ∑ ∈ = si i i HT y π 1Yˆ ∑ ∈ = si i i HT yNπ 1Yˆ no caso da média, os pesos amostrais são ωi = 1/Npii, ∀i∈s. 5 Perceba a importância dos resultados do slide anterior: ele permite totais e médias sem vício, sob qualquer plano amostral probabilístico, desde que tenhamos as probabilidades de inclusão (e já aprendemos como calculá-las). Os estimadores obtidos são os únicos não viciados, dentre os não lineares. • Interpretação do Peso Amostral O peso ωi é o número de unidades populacionais que estão sendo representadas na amostra pela i-ésima unidade amostral. • Expansão da Amostra O processo de multiplicar os valores de y na amostra pelos respectivos pesos, para fins cálculo de estimadores, chama-se expandir a amostra. A expansão da amostra é necessária para que os parâmetros populacionais sejam estimados sem vício. Exemplo 2.2 - considere novamente os dados do exemplo 2.1 e a amostra s = (2,3), obtida pelo seguinte plano amostral: p(1,2) = p(3,4) = 0; p(1,3) = ½; p(1,4) = p(2,3) = p(2,4) = 1/6. Estime sem vício a média e o total populacionais. Solução: .5,193* 2 35*3y 2 3y3y1y1Yˆ 323 3 2 2 HT =+=+= pi + pi = .875,4 4 5,19 N YˆYˆ HT === Perceba que as estimativas ficaram bem maiores do que os valores dos respectivos parâmetros. Por que isto ocorreu? Como se chamam estas diferenças?
Compartilhar