~ DISTRIBUIES DE PROBABILIDADE ~

Binomial

f ( k , n , p )=

n!
k
nk
p (1 p )
p! ( n p ) !

E [ X ] =np
var ( X )=np ( 1 p )

~ INFERNCIA ESTATSTICA ~
Inferncia estatstica , segundo as propriedades amostrais, estimar os
parmetros da populao.
Amostra aleatria: conjunto de n variveis aleatrias, todas com a mesma
distribuio de probabilidade.
Estimador no-viesado , na mdia, igual ao seu parmetro populacional.
A mdia um estimador no-viesado
Para saber se um estimador viesado ou no, deve-se aplicar a condio

E ( ^ ) = .
Um estimador eficiente se:

1 No for viesado.
2 Tiver a menor varincia possvel entre os estimadores no
viesados.

Um estimador MELNV se:

1 No for viesado.
2 Tiver a menor varincia possvel entre os estimadores no
viesados lineares.
3 Ser linear

Teorema do Limite Central: varivel X, i.i.d, com mdia e varincia ,

quando n tende ao infinito, a mdia amostral tende para uma distribuio
normal com mdia e varincia /n, para qualquer distribuio de X.
Regra prtica: mdia amostral acima de 30 medies normal.
Se a varivel X ~ N, ento a mdia um estimador eficiente.
O estimador consistente se:

lim E ( ^ )=

)=0
lim Var ( X

Se o EQM tende a zero no infinito, o estimador consistente, mas a

recproca nem sempre verdade.
O fato de ser estimador de mxima verossimilhana no garante que seja
no viesado.
Os EMV possuem algumas propriedades:

Podem ser tendeciosos, mas so assintoticamente no

tendeciosos.
Consistentes

Propriedade da invarincia. (se

invertvel).
Tem distribuio assinttica normal
So assintoticamente eficientes

=g() , ento

^
^ =g( )

se g for

D-se o nome de estimativa quando se d um valor numrico ao estimador.

Se

X 1 , X 2 , X n N , ento

Se

Z = Y 2i , ento
i=1

Se

Y = X 1+ X 2 X n N .

W=

Y
Z

, ento

Intervalo de confiana:
e

Z 2
W tn

P ( ^ 1 << ^ 2 ) =( 1 )

sendo o nvel de significncia

( 1 ) a confiana.

Exemplo de intervalo de confiana para uma mdia com varincia

conhecida:

P X Z a .
< < X + Z a .
= (1 )
2 n
2 n

Exemplo de intervalo de confiana para uma mdia com varincia

desconhecida com n < 30:

P X t a
2

(n1)

S
S
< < X +t a
.
=( 1 )
(n1) n
n
2

Exemplo de intervalo de confiana para uma mdia com varincia

desconhecida com n > 30:

S
S
P X Z a .
< < X + Z a .
= (1 )
2 n
2 n

Exemplo de intervalo de confiana para a varincia:

( n1 ) S 2 2 ( n1 ) S 2
P
< <
=( 1 )
2
2inf

Exemplo de intervalo de confiana para uma proporo populacional p:

P ^pZ a .
2

^p ( 1 ^p )
p^ ( 1 ^p )
< p< ^p + Z a .
=( 1 )
n
n
2
~ EQUAES ~

E ( ^ ) =

(estimador no-viesado)

^
E( )=+
vis

(estimador viesado)

lim E ( ^ )=

(assintoticamente no-viesado)

Var ( X )=
n

(varincia amostral infinita/com

reposio)
2

N n
Var ( X )= x
n

N 1

(varincia amostral finita/sem

reposio)

)=0
lim Var ( X

(no limite, a varincia tende a zero)

X
)2
( i X
n1
n
n ^2
2
S=
=
n1
i=1

( )

^ ) =Var ( ^ ) [ vis ] 2=Var ( ^ ) ( E ( ^ ) ) 2

EQM ( ^ )=E (

Ef =EQM

QI =

Z=

^1
(eficincia relativa)

EQM ( ^2)

1
var ( ^ )

(suficincia)

(varivel padronizada para mdia

amostral)
n

L ( , x 1 x n ) =f ( x 1 ; ) f ( xn ; ) = f ( x i ; )
i=1

1
^p= X
n
^= X
=

n1
^ 2=
.S
n

(estimador de MV de p da ~B)

(estimador de MV de da ~P)
(estimador de MV de da ~N)

(estimador de MV de da ~N)

=Max (X 1 X n )

(estimador de MV de a da ~U)

^
b=Min(X
1 Xn)

(estimador de MV de b da ~U)

~ INTERVALO DE CONFIANA ~

Se aumentar a confiana, a preciso cai ( necessrio um intervalo maior

quanto maior for a confiana). Para aumentar os dois, necessrio
aumentar o tamanho da amostra.
Para achar o intervalo de confiana, usa-se a varivel padronizada Z e as
tabelas.
Quanto menor o p-valor, menor a credibilidade da hiptese nula.
Valor-p o menor nvel de significncia com que no se rejeitaria a hiptese
nula.

~ TESTE DE HIPTESES ~

H 0 :=0
H 1 : 0

..ou.. bicaudal

H 1 :< 0

..ou.. monocaudal

H 1 :> 0
Para mdias, usamos distribuio normal padronizada.
Para varincias, usamos distribuio qui-quadrado padronizada. Para valores
muito altos de n, a qui-quadrado se aproxima de uma normal.

|X |

N (0,1)

^
n

Estimador da mdia com varincia populacional

conhecida

|X |

t n1

S
n

Estimador da mdia com varincia populacional

desconhecida (n<30)
2

( n1 ) . S 2 2(n 1 )

Z cal =

^p p 0

p 0 ( 1 p0 )
n

2a
F a ,b
2b
Erro do tipo I

Estimador da varincia populacional.

Z
Estimador da proporo p.

Distribuio de Snedecor til para comparar varincias.

( ) : rejeitar a hiptese nula quando ela verdadeira.

Mais grave!
Erro do tipo II
grave.

( ) : aceitar a hiptese nula quando ela falsa. Menos

(Hiptese nula: o acusado inocente)

Poder do teste a probabilidade de no cometer o erro II: 1 Pd =
P(Rejeitar H0 | H0 falso)
Distribuio amostral da proporo de uma caracterstica populacional X ~
Bernouli com:

= E(X) = p
= V(X) = p(1-p)

Distribuio amostral de uma varivel

Y = X 1+ X 2 X n , ento Y ~ Binomial

com:

= E(X) = np
= V(X) = np(1-p)

A distribuio de probabilidades da proporo de uma caracterstica

populacional :

Yn
n

^p=

Sendo que

^p N p ,

p (1p )
n

~ESCOLHA DO TAMANHO DA AMOSTRA ~

Z .

( )

n= 2
X

n=

( )

2
^p .(1 ^p )
n=
X

Z2 2 N
2

( X
) ( N1 ) + Z2 2

n=

2
^ . ( 1 p
^).N
Z .p
2

( X
) ( N1 ) + Z2 . ^p .(1 ^p)

~REGRESSO LINEAR~
Se Z ~ N, ento Z ~ X

E ( 2n ) =n

Z 21 + Z22 + Z 33+ + Z2n 2n

Z1

Z2
m

Var ( 2n ) =2 n

t student ; g. l=m

Z1
m1
Fm ,m
Z2
m2
1

Hipteses:
1.
2.
3.
4.
5.
6.

Relao linear.
Os valores de X so fixos, no so V.A.
Erros tm distribuio normal.
Esperana dos erros zero.
Varincia dos erros constante.
Ausncia de correlao entre os erros.

Observaes importantes:

V ( ^ )

V ( ^ )

1. Quanto maior a varincia do erro aleatrio, maiores sero

V ( ^) .
2. Quanto mais dispersos os valores de X, menores sero

V ( ^) .
V ( ^ )

3. Se todos os valores de X forem iguais,

infinitos.
Varincia dos parmetros:
1.

2.

2
( Y Y ) SQR

S=
=

n2

S =S

n2

1
X 2
+
n ( X i X )2

Intervalo de confiana:

S =

( (

S
2
X i X )

V ( ^)

sero

1.

^
t student (g . l=n2)
S

2.

^
t student( g. l=n2)
S

Ento:

P ^ t

( n2) ,

S^ ^ +t

n2,

S ^ =( 1 )

Teste de Hipteses para

H 0 : =0
H 1 : 0
^ 0
t student (g .l=n2)
S
Teste de Hipteses para

H 0 : =0
H 1 : 0
^ 0
t student (g .l =n 2 )
S
Decomposio da Varincia Amostral de Y:

V ( Y i )=V ( X i ) + V ( i )
Y
( iY )+(Y i Y^i)
(Y iY )=

( Y iY )=( Y^ iY ) + ei
SQT =SQE + SQR
2

SQT = ( Y i Y )

2
2
SQR = ( Y^i Y )= ^ ( X t X )

Coeficiente de Explicao R:

R2=

SQR
SQT

Anlise de Varincia:

Teste global para verificar se ambos

so simultaneamente zero

usando o teste F de Snedecor. Hiptese nula a de que

Fonte de
Variao

Soma de
Quadrados

Graus de
Liberdade

Regresso

SQR

Resduo

SQE

n2

Total

SQT

n1

Um estimador da forma

y i= 1 + 2 . xi + i

Quadrados
Mdios

QMR=

SQR
1

QME=

SQE
n2

Teste F

Fcal =

QMR
QME

tambm linear.

E(Y|x)
2
x
Na prtica, nem sempre 1 (intercepto) apresenta interpretao.

R2

S
SQE
S2
XY 2 XY
SQT S xx SYY
SYY

Para ser no-viesado e consistente o estimador deve ter:

1.
2.
3.
4.

Regressores fixos.
Esperana dos erros igual a zero.
Parmetros constantes.
Modelo linear nos parmetros.

Para serem BLUE devem obedecer todas as hipteses, menos a de

normalidade dos erros.