Baixe o app para aproveitar ainda mais
Esta é uma pré-visualização de arquivo. Entre para ver o arquivo original
* Inferência Estatística AULA: * Definição: Uma população é conjunto dos elementos que se deseja estudar Definição: Uma amostra é um subconjunto de observações selecionadas a partir de uma população. Inferência Estatística é dividida em duas partes: Estimação dos parâmetros; Teste de hipóteses. * Exemplo 1: Considera-se uma população com 5 elementos, que correspondem aos seguintes valores da variável aleatória X: {1,3,5,5,7}. Escolhemos todas as amostras possíveis de tamanho 2, com reposição desta população. E(X)=1(1/5)+2(1/5)+5(2/5)+7(1/5)=21/5=4,2 Var(X)=2,08. Amostra aleatória Definição: As variáveis aleatórias são uma amostra aleatória de tamanho n , se (a) os Xi’s forem variáveis aleatórios independentes e (b) cada Xi tiver a mesma distribuição de probabilidade. _1274207769.unknown Distribuição de probabilidade da variável aleatória X. X 1 3 5 7 f(x)=P(X=x) 1/5 1/5 2/5 1/5 * Exemplo 1: Considera-se uma população com 5 elementos, que correspondem aos seguintes valores da variável aleatória X: {1,3,5,5,7}. Escolhemos todas as amostras possíveis de tamanho 2, com reposição desta população. E(X)=1(1/5)+2(1/5)+5(2/5)+7(1/5)=21/5=4,2 Var(X)=2,08. Distribuição de probabilidade da variável aleatória X. X 1 3 5 7 f(x)=P(X=x) 1/5 1/5 2/5 1/5 * Observação: 1 3 5 7 1 (1,1) (3,1) (5,1) (7,1) 3 (1,3) (3,3) (3,3) (7,3) 5 (1,5) (3,5) (5,5) (7,1) 7 (7,1) (3,7) (5,7) (7,7) _1274210111.unknown 1 3 5 7 1 1/25 1/25 2/25 1/25 1/5 3 1/25 1/25 2/25 1/25 1/5 5 2/25 2/25 4/25 2/25 2/5 7 1/25 1/25 1/25 1/25 1/5 1/5 1/5 2/5 1/5 1 _1274210710.unknown _1274210718.unknown _1274210111.unknown * As estatísticas mais comuns são: Definição: Uma parâmetro é uma medida usada para descrever uma característica da população. Definição: Uma estatística é uma característica da amostra, ou seja, uma estatística T é uma função de _1274207769.unknown * Denominação População Amostra Média Mediana Md md Variância Nª de elementos N n Proporção Função densidade f(x) Histograma _1274212539.unknown _1274212685.unknown _1274212752.unknown _1274248238.unknown _1274212632.unknown _1274212469.unknown * Distribuições amostrais A distribuição de probabilidades de uma estatística é chamada de distribuição amostral da estatística. Exemplo 1: Considera-se uma população com 5 elementos, que correspondem aos seguintes valores da variável aleatória X: {1,3,5,5,7}. Escolhemos todas as amostras possíveis de tamanho 2, com reposição desta população. E(X)=4,2 Var(X)=2,08. Determine a distribuição da média amostral. Distribuição de probabilidade da variável aleatória X. X 1 3 5 7 f(x)=P(X=x) 1/5 1/5 2/5 1/5 * Amostra Probabilidade (1,1) (1,3) (3,1) (1,5) (5,1) (3,3) (3,5) (1,7) (5,3) (7,1) (5,5) (3,7) (7,3) (5,7) (7,5) (7,7) 1 2 3 4 5 6 7 1/25 2/25 5/25 6/25 6/25 4/25 1/25 _1274214174.unknown _1406559496.unknown Distribuição de probabilidade da variável aleatória . 1 2 3 4 5 6 7 �� EMBED Equation.3 1/25 2/25 5/25 6/25 6/25 4/25 1/25 _1274215295.unknown _1274215411.unknown _1406559555.unknown _1274215242.unknown * Resultado 4 (Teorema Central do Limite) Observação: Sejam uma amostra aleatória de tamanho n retirada de uma população com média e variância finita. Então a média amostral , tem distribuição normal com média e variância , para n suficientemente grande. Isto é, _1273494100.unknown _1273494221.unknown _1273494295.unknown _1273494135.unknown _1273494016.unknown * * Exemplo (Aproximação da distribuição Binomial pela Normal) Sejam uma amostra aleatória de tamanho n retirada de uma população Bernoulli com parâmetro p (0<p<1). Então, _1273494016.unknown * Distribuição Binomial com parâmetros n=10 e p * Distribuição Binomial com parâmetros n=20 e p * Distribuição Binomial com parâmetros n=30 e p * Exemplo: Sabe-se que 25% de trabalhadores de uma indústria metalúrgica paulista expostos a um particular agente infeccioso adquirem certa doença. Considere um grupo de 100 trabalhadores com igual exposição ao agente infeccioso. Determinar a probabilidade de no mínimo 15 e no máximo 30 trabalhadores adoeçam. Solução:Seja a v.a. Y: número de trabalhadores que adoecem dentre os 100 trabalhadores expostos. Então, Y~B(100;0,25). * Pelo Teorema Central do Limite temos: * Exemplo. Suponha que na produção em série de um artigo, o peso é uma variável aleatória com uma média de 950 gramas e uma variância de 1600 grs² , seleciona-se aleatoriamente e com reposição 36 artigos. Calcular a probabilidade que a média amostral seja maior de 965gramas. : salário médio dos empregados da indústria metalúrgica em São Bernardo do Campo, em 2001. Estimar a média de uma variável aleatória X, que representa uma característica de interesse de uma população, a partir de uma amostra. Distribuição da Média amostral * Distribuição de uma proporção amostral Define-se a proporção amostra Sejam uma amostra aleatória de tamanho n retirada de uma população Bernoulli com parâmetro p (0<p<1). Então, _1273494016.unknown * Então Ou seja, a distribuição amostral da proporção amostral é obtida da distribuição de Y. * Exemplo: Suponha que p=0.30 (30%) dos estudantes da engenharia sejam mulheres, colhemos uma AAS de n=10 estudantes e calculamos a proporção de mulheres na amostra. Qual é a probabilidade de que a proporção amostral difira de p em menos de 0,01?. Temos que essa probabilidade é dada por Mas, * Portanto, a probabilidade pedida é igual a *
Compartilhar