ESTIMAO DE PARMETROS

Estimao de Parmetros
universo do estudo (populao)

dados observados

O raciocnio indutivo da estimao de parmetros

2

Estimao de Parmetros
POPULAO
p=?

Observaes:

AMOSTRA

X1

X2

X3 ...

p = p erro amostral

p
3

Estimao de Parmetros
Populao

Amostra

S2

(parmetros: nmeros
reais desconhecidos)

(estatsticas / estimadores:
variveis aleatrias)
4

Objetivo

A partir de uma amostra estimar os parmetros

populacionais.

Propriedades Desejveis de um
Estimador

No-tendenciosidade: um estimador no tendencioso

(no viesado; no viciado) se sua mdia (ou valor
esperado) for o prprio parmetro que se pretende
estimar.

No Tendenciosidade

X=

Xi

No-tendencioso

E( X ) =

X =

Nmero de ocorrncias
(binomial)

X
1
1
p
E ( p ) E ( X ) .np p
n
n
n
No-tendencioso

No Tendenciosidade
2

(x x)

Tendencioso

s2

2
(
x

x
)
i

n 1

No-tendencioso

n 1 2
E ( )

n
2

E(s )
2

Eficincia
Um

estimador (T1) mais eficiente que outro (T2)

na estimao de um parmetro se
E{(T1 )2} < E{(T2 )2}

Se

T1 e T2 forem no tendenciosos, T1 mais

eficiente que T2 se Var(T1) < Var (T2)

No tendenciosidade e
Eficincia
T1 mais eficiente que T2

x x xxx x
x xxx x x x x
x
x
x xxxx xx xxxxxxx
x x xx xx
xxx xxxx x xx x
xxx xxx
xxxx

x
x x x xx x
x x xxx x x xx x
x x xx x x x
x x x x x x xx x
x xx xx xx x x x
xx
xx
x x xxxx xxxxxxx xxxx
x xx x x x x x
x x x xx x x x x x x
x x xx x x x x
xxx x xxxxxx
x xxx x x x
xx xxxx

T1

T2

No-tendenciosos

x x xxx x
x xxx x x x x
x
x
x xxxx xx xxxxxxx
x x xx xx
xxx xxxx x xx x
xxx xxx
xxxx

T3
Tendencioso10

Construo de estimadores
Estimador

de mnimos quadrados: funo que

minimiza o quadrado dos erros na amostra.

Ex.

Dada uma amostra de medidas: X1, X2, ..., Xn,

supondo o modelo Xi = + ei
onde:
= medida verdadeira,

ei = erro associado i-sima medida, i = 1, 2, ...,n

11

Estimador de mnimos quadrados

Xi = + ei

Valor de que minimiza

n

SQE e X i
i 1

2
i

i 1

2
X i 0 X

i 1

i 1

12

Construo de estimadores
Estimador

de mxima verossimilhana (EMV):

supondo que os dados provm de um certo modelo
probabilstico, o EMV de um parmetro a
estatstica T = T(X1, X2, ..., Xn) que produz um valor,
o qual torna a amostra observada mais verossmil
possvel.

Ex. Expto: 3 lanamentos de uma moeda;

Modelo: P(cara) = p;
P(coroa) = 1 - p
Amostra: {cara, cara, coroa}
13

Estimador de mxima
verossimilhana
(EMV)
Ex.

Expto: 3 lanamentos de uma moeda;

Modelo:
P(cara) = p;
P(coroa) = 1 - p
Amostra: {cara, cara, coroa}
EMV: Valor de p que maximiza a funo de
verossimilhana L(p) = p 2.(1- p)

d
L( p) 0
dp

2
p
3

(proporo amostral)
14

Estimador de mxima
verossimilhana
(EMV)

Em geral, numa distribuio binomial, o EMV de p a

proporo amostral

Numa distribuio normal, os EMV de e so,

respectivamente:

X
i

X
p
n

15

Estimao de Parmetros
Por ponto: estima-se apenas um valor para o parmetro

p p

Por intervalo: estima-se um intervalo de valores onde deve-se

encontrar o parmetro (intervalo de confiana).

p p erro amostral
16

Relao entre p e p
Populao
30%
contrrios

Amostra aleatria com

n = 400 indivduos
70%
favorveis

Calcula-se p

Simularam-se 100 amostras

17

Relao entre p e p
f reqncia

20
15
10
5
0
0,64

0,66

0,68

0,70
0,7 0,72

0,74

0,76

v alor calculado de P

Em geral, erro amostral < 0,05

0,05 contm p18

Em geral, o intervalo p

Relao entre p e p

Desde que a amostra seja aleatria e razoavelmente grande

(n > 30), tem-se:

seguem uma
Os possveis valores de p
distribuio (aproximada) normal com mdia e
desvio padro dados por

p = p

p.(1 p)
p =
n
19

Distribuio de p

95%
p
p 2p
20

No exemplo distribuio de p

95%

= 0,70
= 0,024
p

0,70
0,65

0,70 0,048

p 2p

0,75

p =

p.(1 p)
n
21

Estimao de uma proporo p

Na prtica, estima-se o erro padro da proporo
por

p .(1 p )
S P =
n

22

Estimao de uma proporo p

Intervalo de 95% de confiana para p:

p p 2 s p
Ex.

Onde:

p .(1 p )
S P =
n

n = 400 acusando 268 favorveis ==>

0,67.(1 0,67)
S P =
0,0235
400

p = 0,67

I. C.: 0,67 0,047

ou: 67,0% 4,7%

23

Estimao de p (exemplo)
Com 95% de confiana a
verdadeira proporo de
favorveis est no intervalo
67,0% 4,7%
(ou de 62,3% a 71,7%)

95%

Populao
30%
contrrios

70%
favorveis

Pela teoria:
possveis
valores de p

0,70
0,67

0,70 0,048

p 2p

24

Nvel de confiana
rea interna = nvel de confiana

-Z

PARTE DE UMA TABELA NORMAL PADRO

rea

0,800 0,900 0,950 0,980 0,990 0.995 0,998

1,282 1,645 1,960 2,326 2,576 2,807 3,090

Intervalo
de conf.

p z . Sp

Repetir ex. anterior,

usando 99% de conf.
25

Estimao de uma proporo p

Tamanho N da populao conhecido
Faz-se uma correo no clculo do erro padro:

p .(1 p ) N n
S P =
n
N 1
OBS. Se N >> n, pode-se usar a expresso
anteriormente empregada.
26

Exemplo 1
Numa

amostra aleatria simples de 120

domiclios, realizada num certo bairro da cidade,
observou-se que apenas 33,3% possuam
instalaes sanitrias adequadas. Considerando
que existam 460 domiclios no bairro, encontre um
intervalo de 95% de confiana para a proporo de
domiclios com instalaes sanitrias adequadas.
27

Exemplo 1
p z . Sp

p .(1 p ) N n
S P =
n
N 1

0,333.(1 0,333) 460 120

S P =
0,0307
120
120 1

2 s p 2 0,037 0,074
Intervalo de 95% de confiana para p: 33,3% 7,4%
28

Estimao de uma mdia

Estimador pontual: o melhor estimador para a mdia

populacional de uma varivel a mdia amostral da
varivel.
Desde que a amostra seja aleatria e razoavelmente grande
(n > 30), tem-se:
Os valores da mdia amostral seguem uma distribuio
aproximadamente normal, cujos parmetros so:

X =

X =

n
29

Distribuio de X

95%

2X

30

Estimao do erro padro da

mdia

SX =

SX =

S
n
S
n

para N desconhecido
ou muito grande

Nn
N 1

para N conhecido
e no muito grande
31

Intervalo de confiana para a

mdia

X t.S X
X

mdia da amostra

SX
t

erro padro da mdia

abscissa da distrib. t com gl = n - 1

32

A distribuio t de Student
normal

t
33

A distribuio t de Student
Distribuio t com gl = 1
gl

rea cauda sup.

0,025

2,5%

95%
0

2,5%
1

12,706

===> t = 12,706
34

Exemplo 2

Encontrar o valor de t para:

a) nvel de confiana de 99%, com 19 graus de liberdade
(amostra com 20 elementos)
2,861
b) nvel de confiana de 95%, com 19 graus de liberdade
(amostra com 20 elementos)
2,093
c) nvel de confiana de 95%, com graus de liberdade
1,960

35

Exemplo 3
O

tempo de resposta de um algoritmo de

otimizao, implementado numa certa mquina,
foi observado 20 vezes. Desta amostra, obteve-se
as seguintes estatsticas: mdia de 82,0 minutos e
desvio padro de 10,0 minutos. Apresente um
intervalo de confiana para o tempo mdio de
resposta do algoritmo nesta mquina.

36

Exemplo 3
n = 20 (19 graus de liberdade)

x 82 minutos

s = 10 minutos

Nvel de 95% de confiana: t = 2,093

s
10
I .C. x t
82 2,093
n
20

I .C. 82 4,7

L.I. = 82 4,7 = 77,3 minutos

L.S. = 82 + 4,7 = 86,7 minutos

H 95% de probabilidade de estar entre 77,3 e 86,7 minutos.
37

Exerccio 1
Com o objetivo de avaliar o grau mdio de impureza de
determinada matria prima, fez-se 10 observaes
independentes deste material, encontrando os seguintes
valores (%) de impurezas:
3,3 3,7 3,5 4,1 3,4 3,5 4,0 3,8 3,2 3,7
(mdia = 3,62;
desvio padro = 0,294)
Construa um intervalo de 95% de confiana para a
verdadeira mdia.

38

Tamanho da amostra para

estimar uma Mdia
Considere o intervalo de confiana para :

X t sX

s
onde s X
n

erro mximo (E) E : erro amostral

0
mximo especificado
a priori.
39

Tamanho da amostra para

estimar uma Mdia

Clculo inicial:

n = n0

ts

n 0 =
E0

se N muito grande ou desconhecido

N . n0
n=
se N no for muito grande e
N +n 0
for conhecido
40

Tamanho de Amostras
Avaliao a

priori do desvio padro:

Estudos passados
Amostra piloto
Fixando-se um valor terico

41

Exemplo 4
Qual

o tamanho da amostra para estimar o

tempo mdio processamento de encomendas
em uma agncia franqueada dos correios,
admitindo-se um erro mximo de 1 minuto?
Considere que numa amostra piloto com 20
observaes, encontrou-se um desvio padro
de 10,0 minutos.

42

Exemplo 4
Nvel de confiana: 95%

E0 = 1 minuto

Amostra piloto: n = 20, s = 10 minutos

95% de confiana para 20-1 = 19 graus de liberdade, t = 2,093

2

t s 2,093 10

438,0649 439
n 0 =
1

E0
2

Mnimo de 439 elementos!

43

Tamanho da amostra para

estimar uma Proporo

p (1 p)
z
n0 =
2
E0
2

Clculo inicial:

n = n0

se N muito grande ou desconhecido

N . n0
n=
se N no for muito grande e
N +n 0
for conhecido
44

Tamanho da amostra para

estimar uma Proporo
Estimao

a priori da proporo p:
Estudos passados
Amostra piloto
Fixando-se um valor terico (0,5) =>
estimativa EXAGERADA.

45

Exemplo 5

Qual deve ser o tamanho de uma amostra aleatria

simples para avaliar a preferncia por um candidato de
certo partido em um grande municpio, admitindo erro
amostral mximo de 3%, com 95% de confiana:
a) Supondo que usualmente o partido obtm 40% de
preferncia popular?
b) Utilizando uma estimativa exagerada.

46

Exemplo 5
a) p = 0,4 1- p = 0,6 E0 = 0,03 Nvel de confiana = 0,95
Z = 1,96
2

(
1

p
)
0,4 0,6
1
,
96
z

1024,43 1025
n0 =
2
2
0,03
E0
2

b) p = 0,5 1- p = 0,5 E0 = 0,03 Nvel de confiana = 0,95

Z = 1,96
2

(
1

p
)
0,5 0,5
1
,
96
z

1067,11 1068
n0 =
2
2
0,03
E0
2

47