Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Estatstica
Estimao Intervalar
Mdia e Proporo
Estimao Pontual
x Estimao Intervalar
Exemplo Inicial:
Um estudo pretende estimar o valor de
mdia familiar dos alunos da UFMG.
a renda
Estimao Pontual
x Estimao Intervalar
Estimativa
= Estimativa pontual Erro de estimao
Intervalar
Estimao Pontual
x Estimao Intervalar
Exemplo Inicial:
A estimativa pontual para a renda familiar mdia do aluno
da UFMG 1600 reais.
O erro de estimao foi calculado em 100 reais.
Assim, a estimativa intervalar para a renda familiar mdia
do aluno da UFMG de
[1600 100] = [1500 ; 1700] reais.
x1 , x2 ,..., xn
, de uma
X
Z=
/ n
N (0,1)
P X - 1,96
< < X + 1,96
= 0 ,95
n
n
O intervalo
X
1,96
,
X
+
1,96
n
n
X peso ao nascer
peso mdio ao nascer
= 0,5 Kg desvio padro do peso ao nascer
0,5
0,5
2,5
1,96
;
2
,
5
+
1,96
= [2,32;2,68]
30
30
Interpretao: Com 95% de confiana o peso mdio ao nascer
das crianas nascidas de mes do grupo etrio de interesse est
entre 2,32 kg e 2,68 kg.
P X - 1,96
< < X + 1,96
= 0,95
n
n
102
100
98
94
96
Intervalo de confinaa
104
106
50
100
150
200
amostra
Observe que alguns intervalos (com centro fora delimitado pelas retas
inferior e superior) no incluem a media populacional =100.
Esperaramos de 95% dos intervalos construdos o contivessem.
n
n
X - < 1,96
Coeficiente de confiana
Erro de estimao
)%
IC100(1
=
x
z
.
/2
estimativa
pontual de
variabilidade de
Percentil de ordem
1-/2 da N(0,1)
(1 - ) = 0,90
= 0,1
/2 = 0,05
Z0,05 = 1,64
0,5
0,5
;2,5 + 1,64
= [ 2,35;2,65]
2,5 - 1,64
30
30
Nvel de confiana
Erro de estimao
)%
IC100(1
=
x
z
.
/2
estimativa
pontual de
variabilidade de
S=
i =1
( xi x )
n 1
x1 , x2 ,..., xn
, de uma
X
Z=
/ n
N (0,1)
T=
X
S
n
T=
X
tem distribuio t de Student com
s/ n
Distribuio t-Student
Normal (0;1)
t-Student com 3
graus de liberdade
Distribuio t-Student
A distribuio t-Student foi proposta
por W. Gosset, que usava o
pseudnimo
de
Student,
para
trabalhar com pequenas amostras.
A distribuio t-Student tem o formato
parecido com a da distribuio Normal
Padro e tambm centrada no valor
zero.
William Gosset
(Student)
t g .l .;(1 )
= t g .l .;
t g .l .;
Tabela t
Distribuio T de Student
Graus de
liberdade
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
= P(T > t )
.25
.20
.15
.10
.05
.025
.02
.01
.005
1.000
.816
.765
.741
.727
.718
.711
.706
.703
.700
.697
.695
.694
.692
.691
.690
.689
1.376
1.061
.978
.941
.920
.906
.896
.889
.883
.879
.876
.873
.870
.868
.866
.865
.863
1.963
1.386
1.250
1.190
1.156
1.134
1.119
1.108
1.100
1.093
1.088
1.083
1.079
1.076
1.074
1.071
1.069
3.078
1.886
1.638
1.533
1.476
1.440
1.415
1.397
1.383
1.372
1.363
1.356
1.350
1.345
1.341
1.337
1.333
6.314
2.920
2.353
2.132
2.015
1.943
1.895
1.860
1.833
1.812
1.796
1.782
1.771
1.761
1.753
1.746
1.740
12.71
4.303
3.182
2.776
2.571
2.447
2.365
2.306
2.262
2.228
2.201
2.179
2.160
2.145
2.131
2.120
2.110
15.89
4.849
3.482
2.999
2.757
2.612
2.517
2.449
2.398
2.359
2.328
2.303
2.282
2.264
2.249
2.235
2.224
31.82
6.965
4.541
3.747
3.365
3.143
2.998
2.896
2.821
2.764
2.718
2.681
2.650
2.624
2.602
2.583
2.567
63.66
9.925
5.841
4.604
4.032
3.707
3.499
3.355
3.250
3.169
3.106
3.055
3.012
2.977
2.947
2.921
2.898
Distribuio T de Student
Graus de
liberdade
18
19
20
21
22
23
24
25
26
27
28
29
30
40
50
60
80
100
inf.
= P(T > t )
.25
.20
.15
.10
.05
.025
.02
.01
.005
.688
.688
.687
.663.
.686
.685
.685
.684
.684
.684
.683
.683
.683
.681
.679
.679
.678
.677
.674
.862
.861
.860
.859
.858
.858
.857
.856
.856
.855
.855
.854
.854
.851
.849
.848
.846
.845
.841
1.067
1.066
1.064
1.063
1.061
1.060
1.059
1.058
1.058
1.057
1.056
1.055
1.055
1.050
1.047
1.045
1.043
1.042
1.036
1.330
1.328
1.325
1.323
1.321
1.319
1.318
1.316
1.315
1.314
1.313
1.311
1.310
1.303
1.295
1.296
1.292
1.290
1.282
1.734
1.729
1.725
1.721
1.717
1.714
1.711
1.708
1.706
1.703
1.701
1.699
1.697
1.684
1.676
1.671
1.664
1.660
1.64
2.101
2.093
2.086
2.080
2.074
2.069
2.064
2.060
2.056
2.052
2.048
2.045
2.042
2.021
2.009
2.000
1.990
1.984
1.960
2.214
2.205
2.197
2.189
2.183
2.177
2.172
2.167
2.162
2.15
2.154
2.150
2.147
2.123
2.109
2.099
2.088
2.081
2.054
2.552
2.539
2.528
2.518
2.508
2.500
2.492
2.485
2.479
2.473
2.467
2.462
2.457
2.423
2.403
2.390
2.374
2.364
2.326
2.878
2.861
2.845
2.831
2.819
2.807
2.797
2.787
2.779
2.771
2.763
2.756
2.750
2.704
2.678
2.660
2.639
2.626
2.576
t19;0.05 =
0.05
t10;0.025 =
t19
1.729
t7;0.005 =
t19;0.95 =
0.95
-1.729
t19
IC100(1 )% = x t( n 1); / 2 .
estimativa
pontual de
t( n 1)
/2
t / 2;( n 1)
s
1.5
IC100(1 )% = x t( n 1; / 2) .
=
10
t
(19; / 2) .
n
20
100(1 )%
= [10
.0.335]
IC100(1 )% = x z / 2 .
estimativa
pontual de
estimativa da
variabilidade de
/2
z / 2
)%
IC100(1
p
p (1 p )
= p z / 2 .
Proporo
amostral
p = 45 / 50 = 0.90
p (1 p )
)%
IC100(1
= p z /2 .
p
0.9(0.1)
= 0.9 z /2 .
50
= [ 0.9 z /2 0.04]
IC 90%
= [ 0.9 1.64 0.04] = [ 0.9 0.07 ] = [ 0.9 0.07;0.9 + 0.07]
p
90%
IC p = [ 0.83 ; 0.97]
Assim, com base nesta amostra, estimamos que a
proporo de cura com o novo tratamento est entre
83% e 97%, com 90% de confiana.
erro de estimao = z / 2 .
n = z / 2 .
erro de estimao
2.0
n = z(0.05/ 2)
1.0
2.0
n = 1.96
= 15.37
1.0
Alternativa
Se no tivermos como saber nem aproximar o valor
n = z / 2 .
erro
erro
1.25
erro de estimao = z / 2 .
p(1 p )
p(1 p )
0.5
Propriedade de
0.4
O valor de
p(1 p)
0.3
mximo
quando
p=0.50.
0.0
0.1
0.2
p (1 p)
0.0
0.2
0.4
0.6
p
0.8
1.0
erro de estimao = z / 2 .
n = /2
erro
p (1 p )
n = /2
erro
2
0.5
n = /2
erro
2
0.5
1.96
n=
0.10
2
0.5
= 96.04
Ateno !!
As expresses aqui apresentadas s so vlidas
para estudos em que:
1 - Todos os indivduos da populao tero a
mesma probabilidade de serem selecionados para a
amostra.
2 A populao pode ser considerada muito grande
em relao amostra (populaes infinitas).
Para casos mais complexos, devemos utilizar
tcnicas de Amostragem mais avanadas (Bussab e
Bolfarine, 2005) .