Instituto Camilo Filho Curso: Enfermagem/2013.1 Disciplina: Bioestat stica Se c ao 1: Introdu c ao ` a Infer encia Estat stica Se c ao 1.

1: Popula c ao e Amostra
Solu co es de quest oes do tipo: observar a sa ude de beb es pr e-maturos de uma determinada maternidade; estudar a propor ca o de indiv duos de uma certa cidade que s ao favor aveis a certo projeto governamental na area de sa ude; etc, s ao objetos da Infer encia Estat stica . Para o desenvolvimento da Infer encia Estat stica , devemos conhecer dois conceitos b asicos: Deni c aoPopula c ao : e o conjunto de todos os elementos ou resultados sob investiga ca o. Deni c aoAmostra : e qualquer subconjunto (ou parte) da popula c ao. A Estat stica Inferencial leva em considera ca o as t ecnicas pelas quais as decis oes sobre uma popula c ao ou processo estat stico s ao tomados, baseados somente na observa c ao de uma amostra; A Infer encia Estat stica tem como objetivo, produzir armac oes sobre dada caracter stica da popula ca o, na qual estamos interessados, a partir de informa co es colhidos de uma parte dessa popula ca o. Essa caracter stica na popula c ao pode ser representada por uma vari avel aleat oria.

Se c ao 2: Distribui c ao de Amostragem
Deni c ao: Uma amostra aleat oria simples ( AAS) e aquela em que itens individuais s ao escolhidos de uma popula c ao alvo, de acordo com a chance de escolha. Neste tipo de amostragem, todos os elementos da popula ca o t em a mesma probabilidade de pertencerem a ` amostra. Deni c ao: Um par ametro e um valor indicador para uma popula c ao ou processo. 1

Deni c ao: Uma amostra estat stica e um valor indicador para uma amostra. De maneira a usar uma amostra estat stica como um estimador de um par ametro (problema da Infer encia Estat stica) a amostra deve ser uma amostra aleat oria de uma popula c ao. Exemplo: A m edia e o desvio padr ao de uma popula c ao de medi c oes ao s de uma amoss ao par ametros da popula c ao. A m edia X e o desvio padr tra de medi c oes s ao estat sticas da amostra. Os s mbolos mais comuns s ao dados na tabela a seguir: Denomina ca o M edia Vari ancia Popula c ao = E (X ) 2 = V ar(X ) Amostra X= s2 = n p Xi n (Xi X )2 n1

N umero de elementos N p Propor ca o

Deni c ao: Uma distribui c ao de amostragem se refere ` a distribui c ao de diferentes valores que uma amostra estat stica, ou estimador, teria sobre v arias amostras de mesmo tamanho.

Se c ao 2.1: Distribui c ao de Amostragem da M edia Vamos estudar agora a distribui c ao amostral da estat stica X , a m edia da amostra. Consideremos uma popula ca o identicada pela vari avel X , cujos par ametros m edia populacional = E (X ) e vari ancia populacional 2 = V ar(X ) s ao supostos conhecidos. Vamos retirar todas as poss veis AAS de tamanho n dessa popula c ao, e para cada uma calcular a m edia X . Teorema: Seja X uma vari avel aleat oria com m edia e vari ancia 2 e seja (X1 , X2 , ..., Xn ) uma amostragem aleat oria simples (AAS) de X . Ent ao, E (X ) = e V ar(X ) = 2 2 n

O desvio padr ao da distribui ca o das m edias das amostras, denotado por x , e dado por: x = n Observa c ao: Devido a este desvio padr ao ser indicativo da precis ao da amostra estat stica como um estimador de uma m edia da popula c ao, e x usualmente chamado de erro padr ao da m edia. Exemplo: Suponha que a m edia de uma popula c ao muito grande seja = 50 e o desvio padr ao das medi c oes seja = 12. Determine a distribui c ao de amostragem das m edias das amostras para um tamanho n = 36, em termos do valor esperado (m edia a longo prazo da amostra estat stica) e o erro padr ao da distribui c ao.

Se c ao 2.1.1: Determina c ao dos Valores de Probabilidade para a M edia da Amostra Se a distribui ca o de amostragem da m edia segue a distribui c ao normal, devido a ` popula c ao seguir a distribui ca o normal, ent ao podemos determinar as probabilidades relativas aos poss veis valores da m edia da amostra, dado que a m edia e o desvio padr ao da popula c ao s ao conhecidos. O processo e an alogo a ` determina c ao de probabilidades para observa c oes individuais usando a distribui ca o normal, conforme visto anteriormente. Na aplica ca o presente, entretanto, e designado o valor da m edia da amostra que e convertida em um valor de z de forma a permitir o uso da tabela de probabilidades normais. Esta f ormula de convers ao usa o erro padr ao da m edia devido a este ser o desvio padr ao para a vari avel X . Desta forma, a f ormula de convers ao e: X z= x

Exemplo Um auditor toma uma amostra de tamanho n = 36 de um conjunto N = 1000 contas a serem recebidas. O valor m edio das quantidades a serem recebidas para a popula c ao e =R$260,00, com desvio padr ao da popula c ao =R$45,00. Qual e a probabilidade de que a m edia da amostra seja menor que R$250,00?

Se c ao 2.2 Distribui c ao de Amostragem de uma Propor c ao A distribui ca o de probabilidade aplic avel a propor co es e a distribui c ao de probabilidade binomial. Vamos considerar uma popula ca o em que a propor ca o de elementos portadores de certa caracter stica (sucesso) e p. Vamos denir por p a propor c ao de indiv duos portadores da caracter stica (sucesso) na amostra, ou seja, p e a raz ao do n umero de sucessos pelo n umero de tentativas, isto e: k (II ) p= n Dessa forma, a probabilidade de observar exatamente p propor ca o de sucessos em n tentativas de Bernoulli e: n k nk k P (p = ) = p q (III ) k n Exemplo A probabilidade de que um empregado assalariado, aleatoriamente selecionado, seja um participante de um programa de aposentadoria opcional e 0, 40. Se cinco empregados assalariados forem escolhidos aleatoriamente, qual a probabilidade de que a propor c ao de participantes seja exatamente igual a 0, 60? Observa c ao Um processo de Bernoulli e um processo de amostragem no qual: Somente dois eventos mutuamente exclusivos em cada tentativa, ou observa c ao, s ao poss veis. Por conveni encia eles s ao chamados de sucesso e falha. Os resultados em uma s erie de tentativas, ou observa c oes, constituem eventos independentes. A probabilidade de sucesso em cada tentativa, indicada por p, permanece constante de uma tentativa para outra, ou seja, o processo e estacion ario. 4

Se c ao 3: Intervalos de Conan ca
Se c ao 3.1: Intervalos de Conan ca para a M edia Na se c ao (2.1.1) est avamos interessados na determina ca o da probabilidade de que a m edia de uma dada amostra apresentasse v arios valores, dado que a m edia da popula c ao e o desvio padr ao s ao conhecidos. O que estava envolvido era o rac ocinio dedutivo em rela ca o ao resultado da amostra baseado no conhecimento de par ametros da popula ca o. Estamos agora interessados no racioc nio indutivo atrav es do uso da amostra para fazer arma c oes sobre o valor da m edia da popula ca o. Um intervalo de conan ca para a m edia e um intervalo estimado, constru do em rela ca o a ` m edia da amostra, atrav es do qual a probabilidade de que o intervalo inclua o valor da m edia da popula ca o pode ser especicado. O n vel de conan ca associado a um intervalo de conan ca indica a porcentagem a longo prazo desses intervalos, a qual inclui o par ametro sendo estimado. Quando se garante o uso da distribui ca o normal, o intervalo de conan ca para a m edia e determinado por: (X zx , X + zx ) ou quando da popula c ao n ao e conhecido, (X zsx , X + zsx ) (V ) (IV )

Onde zx ou zsx s ao frequentemente chamados de margem de erro do intervalo de conan ca. Observa c ao Se o desvio padr ao da popula c ao ou processo n ao e conhecido, o erro padr ao da m edia pode ser estimado pelo uso do desvio padr ao da amostra como um estimador do desvio padr ao da popula c ao. Para diferenciar este erro padr ao do valor preciso baseado no conhecimento de , ele e designado ao diferenciam o erro padr ao exato do erro pelo s mbolo sx . Alguns autores n padr ao estimado. A f ormula para o erro padr ao estimado e: s sx = n Os intervalos de conan ca mais frequentemente usados s ao os de 90%, 95% e 99%. Os valores de z requeridos em conjunto com estes intervalos s ao dados na tabela abaixo: 5

Propor co es selecionadas de area sob a curva normal. z(no de unidades de d.padr ao a partir da m edia) 1,645 1,96 2,58 propor ca o de a rea no intervalo z 0,90 0,95 0,99

Exemplo Em uma dada semana, uma amostra de 30 empregados horistas, selecionados de um grande n umero de empregados em uma f abrica, teve uma m edia de amostra de sal arios de X = R$180, 00, com um desvio padr ao da amostra de s = R$14, 00. Estimamos a m edia dos sal arios para todos os empregados horistas na empresa com um intervalo estimado, de modo que podemos estar 95% conantes de que o intervalo inclui o valor da m edia da popula c ao, da seguinte maneira: Solu c ao: Como da popula c ao n ao e conhecido, usaremos o desvio padr ao da amostra s como um estimador de . Nesse caso, encontraremos o intervalo com a dado por: (X zsx , X + zsx ). margem de erro zsx , ou seja, o intervalo ser sx = (X zsx , X + zsx ) = (180 1, 96 2, 56,180 + 1, 96 2, 56) = (180 5, 0176,180 + 5, 0176) = (174, 98,185, 02) Dessa forma podemos armar que o n vel salarial m edio de todos os empregados est a entre R$174, 98 e R$185, 02 com um n vel de 95% de conan ca nesta estimativa. Se c ao 3.2: Intervalos de Conan ca para a Propor c ao da Popula c ao A matem atica associada com a determina ca o de um intervalo de conan ca para uma propor ca o de popula ca o desconhecida, baseada no processo de Bernoulli e muito complexa. Portanto, segundo a orienta c ao de muitos estat sticos, usaremos a distribui ca o normal como uma aproxima c ao da solu c ao exata para intervalos de conan ca de propor co es. Essa aproxima ca o e apropriada quando n 30 e ambos np 5 e nq 5 (onde q = 1 p). Entretanto, quando a propor ca o da popula ca o (p) n ao e conhecida, a maioria dos 6
s n

14 30

= 2, 56

estat sticos sugere que uma amostra de n 100 seja empregada. Dada uma propor c ao de amostra observada, p, o erro padr ao estimado da propor ca o e: p(1 p) sp = n O intervalo de conan ca aproximado para uma propor ca o da popula ca o e: (p zsp , p + zsp ) Exemplo Uma empresa de pesquisa de marketing entra em contato com uma amostra aleat oria de 100 homens em uma grande comunidade e descobre que uma propor c ao de 0, 40 prefere o barbeador fabricado pelo cliente da empresa a outras marcas. O intervalo de conan ca de 95% para a propor c ao de todos os homens na comunidade que preferem o barbeador do cliente da empresa e determinada como a seguir: Solu c ao: Queremos encontrar o seguinte intervalo: (p zsp , p + zsp ). Para tanto, devemos inicilamente encontrar o produto zsp e para isso precisaremos descobrir que valor de z est a associado a 95% e encontrar tamb em a aproxima ca o do erro padr ao sp . para 95% de conan ca, temos z = 1, 96; O c alculo da aproxima ca o do erro padr ao e dado por: sp = p(1 p) = n (0, 40)(0, 60) 0, 24 = 100 100 = 0, 0024 = 0, 05

Logo, Portanto,

zsp = (1, 96)(0, 05) = 0, 098 = 0, 10

(p zsp , p + zsp ) = (0.40 0.10, 0.40 + 0.10) = (0.30, 0.50) Ou seja, com 95% de conan ca estimamos que a propor c ao de todos os homens na comunidade que preferem o barbeador do cliente da empresa est a aproximadamente entre 0,30 e 0,50.