Tpico: [Acurcia, preciso e exatido]

Acurcia, preciso e exatido

A obteno de um valor w de uma varivel y numa unidade de observao ir depender
do processo de mensurao utilizado. Trs conceitos importantes, muitas vezes considerados
como sinnimos mas de significado muito distinto no contexto estatstico, esto relacionados
com os resultados desse processo:
Acurcia: proximidade da medida relativamente ao verdadeiro valor da varivel.
Preciso: proximidade entre os valores obtidos pela repetio do processo de mensurao.
Exatido: correo, perfeio ou ausncia de erro em uma medida ou clculo.
Assim, quanto mais acurado o processo de mensurao mais prximo est o resultado da
medida do valor verdadeiro, de modo que a acurcia est ligada presena
de tendenciosidadeenquanto que a preciso diz respeito repetibilidade das medidas e
quanto maior a preciso menor a variabilidade entre as medidas. A exatido, portanto,
assume dois estados: o processo de mensurao ou clculo exato ou no. Uma
mensurao por contagem ou a razo entre nmeros que so mltiplos um do outro, por
exemplo, iro produzir resultados exatos enquanto que uma pesagem ou uma medio de
distncia geralmente ser inexata e ter sua acurcia dependente do aparelho de medida.
As figuras que seguem auxiliam na distino dos conceitos de preciso e acurcia:
Acurcia
Preciso

Baixa

Alta

Baixa

Alta

1. Vis
Vis (Bias em Portugal) um termo usado em estatstica para expressar o erro
sistemtico
ou
tendenciosidade.
Por extenso de sentido usa-se a palavra vis para designar qualquer comentrio
ou anlise que seja tendenciosa, isto , que no respeite os princpios da
imparcialidade.

6.2 - DISTRIBUIO NORMAL

A distribuio normal conhecida tambm como distribuio gaussiana sem dvida a mais
importante distribuio contnua. Sua importncia se deve a vrios fatores, entre eles
podemos citar o teorema central do limite, o qual um resultado fundamental em
aplicaes prticas e tericas, pois ele garante que mesmo que os dados no sejam
distribudos segundo uma normal a mdia dos dados converge para uma distribuio
normal conforme o nmero de dados aumenta. Alm disso diversos estudos prticos tem
como resultado uma distribuio normal. Podemos citar como exemplo a altura de uma
determinada

populao

em

geral

segue

uma

distribuio

normal. Entre

outras

caractersticas fsicas e sociais tem um comportamento gaussiano, ou seja, segue uma

distribuio normal.

Definio 6.2.1:
Uma varivel aleatria contnua

tem distribuio Normal se sua funo densidade de

probabilidade for dada por:

Usamos a notao
A variao natural de muitos processos industriais realmente aleatria. Embora as
distribuies de muitos processos possam assumir uma variedade de formas, muitas
variveis observadas possuem uma distribuio de frequncias que , aproximadamente,
uma distribuio de probabilidade Normal.
Probabilidade a chance real de ocorrer um determinado evento, isto , a chance de
ocorrer uma medida em um determinado intervalo. Por exemplo, a frequncia relativa
deste intervalo, observada partir de uma amostra de medidas, a aproximao da
probabilidade. E a distribuio de frequncias a aproximao da distribuio de
probabilidades.

A distribuio normal quando tem a forma de "sino":

Para achar a rea sob a curva normal devemos conhecer dois valores numricos, a
mdia

e o desvio padro . A Figura a seguir mostra algumas reas importantes:

Quando
por

e ,

so desconhecidos (caso mais comum), estes valores sero estimados

respectivamente,

partir

da

amostra,

em

que

e
Para cada valor de

e/ou

temos uma curva de distribuio de probabilidade. Porm,

para se calcular reas especficas, faz-se uso de uma distribuio particular: a "distribuio
normal padronizada", tambm chamada de Standartizada ou reduzida, o qual a
distribuio normal com
uma varivel
padro
clculo

. Para obter tal distribuio, isto , quando se tem

com distribuio normal com mdia

diferente de

diferente de (um), devemos reduzi-la a uma varivel

(zero) e/ou desvio

, efetuando o seguinte

Assim, a distribuio passa a ter mdia

e desvio padro

distribuio ser simtrica em relao mdia

. Pelo fato da

, a rea direita igual a rea

esquerda de . Por ser uma distribuio muito usada, existem tabelas a qual encontramos
a resoluo de suas integrais. Assim, a tabela fornece reas acima de valores no
negativos que vo desde

at

. Veja o grfico da curva Normal padronizada na

Figura abaixo.

Exemplo 6.2.1:
Calcular a rea sob a curva para

maior que

A rea sob a curva normal para

maior do que

.
dada por

ou seja, a probabilidade de

ser maior do que

Exemplo 6.2.2:
Determine a rea sob a curva de uma normal padronizada para

entre

Para este clculo, precisamos determinar:

Assim, a rea que procuramos

Exemplo 6.2.3:
Suponha que a espessura mdia de arruelas produzidas em uma fbrica tenha distribuio
normal com mdia
que tem espessura entre

mm e desvio padro
mm e

mm?

mm. Qual a porcentagem de arruelas

Para encontrar a porcentagem de arruelas com a espessura desejada devemos encontrar

a rea abaixo da curva normal, compreendida entre os pontos

mm.

Para isso, temos que encontrar dois pontos da distribuio normal padronizada.
O primeiro ponto

A rea para valores maiores do que

para valores menores do que

de

, ou seja,

. Portanto, a rea

O segundo ponto :

A rea para valores maiores do que

procuramos a rea entre

, que dada por

, ou seja,

. Logo, o que

Logo, a porcentagem de arruelas com espessura entre

da especificao) de

(limites de tolerncia

Exemplo 6.2.4:
Suponha que o peso mdio de
padro de

porcos de uma certa fazenda de

kg, e o desvio

kg. Supondo que este peso seja distribudo de forma normal, quantos

porcos pesaro entre

kg e

kg.

Para resolvermos este problema primeiramente devemos padroniza-lo, ou seja,

Ento o valor padronizado de

Assim a probabilidade de

kg de

e de

kg de

Portanto, o nmero aproximado que se espera de porcos entre

kg e

kg

varincia ,

ou

Exemplo 6.2.5:
Suponha

que

seja,

siga

uma

distribuio

. Ento

normal

com

mdia

De fato,

E portanto, conclumos que

Exemplo 6.2.6:
Suponha que
mostremos que
reais.
De fato,

seja uma varivel aleatria tal que

. Seja

tambm tem distribuio normal, sabendo que a e b so constantes

Fazendo uma mudana de varivel; s=at+b temos que

e ento

de onde conclumos que

e, portanto

2 - DISTRIBUIES AMOSTRAIS
este tpico, vamos estudar as distribuies amostrais associadas aos principais modelos
estatsticos.

Definio 2.1:
Uma amostra aleatria de n elementos de uma populao representada pelas variveis
aleatrias
da amostra. Se

, no qual cada
e

, com

representa um elemento

so independentes e possuem mesma funo de probabilidade

(ou funo densidade de probabilidade), para todo

, dizemos que os elementos da

amostra so independentes e igualmente distribudos (i.i.d).

Definio 2.2:

Seja

uma amostra aleatria i.i.d. de tamanho

seja

de uma populao e

uma funo real ou vetorial cujo domnio inclui o espao amostral

de

Neste

aleatrio

caso,

dizemos

que

avarivel ou vetor

chamado de estatstica. A distribuio de probabilidade da

estatstica Y chamada de distribuio amostral de Y. Uma estatstica associada a

algum parmetro populacional tambm chamada de estimador.

Exemplo 2.1:
Seja

uma amostra aleatria de uma populao. A mdia amostral a

mdia aritmtica dos valores da amostra. A mdia amostral uma estatstica denotada
por

, ou seja,

varincia

amostral

desvio-padro

amostral

estatstica

estatstica

definida

definida

por

por

Motivao:
A mdia populacional

representa a mdia de todos os indivduos ou objetos que esto

sendo estudados. Mas geralmente, nem todos os indivduos podem ser medidos. Em
geral, somente uma amostra de todos os indivduos est disponvel para ns e a mdia
baseada nesta amostra,

, usada para estimar a mdia populacional . Um problema

de fundamental importncia saber se a mdia amostral

um bom estimador da mdia

populacional . De maneira similar, quando calculamos o desvio padro amostral, , este

valor pode ser considerado uma boa estimativa do desvio padro populacional?

Exemplo 2.2:
Considere uma urna com 5 bolas, onde cada bola tem um nmero com os nmeros de 1 a
5. Retirando uma bola da urna, seja

a varivel aleatria que assume o nmero da bola.

Utilizando reamostragem com reposio, qual a distribuio amostral da mdia

Consideremos inicialmente uma nica retirada
retirada, a mdia

da urna. Como temos uma nica

. Com isso temos que

0,2
0,2
0,2
0,2
0,2

Para entender como executar essa funo do Software Action, voc pode
consultar o manual do usurio.

Ento, para uma amostra de tamanho

, temos que a distribuio amostral da mdia

tem a mesma distribuioda varivel aleatria

Considere agora duas retiradas independentes e com reposio,

seguir mostra todos os possveis valores para a mdia amostral

, considerando as

retiradas

. A tabela a

X2\X1

1,5

2,5

1,5

2,5

3,5

2,5

3,5

2,5

3,5

4,5

3,5

4,5

Deste modo, temos que

1/25
2/25
3/25
4/25
5/25
4/25
3/25
2/25
1/25

Ou seja, temos o seguinte grfico de barras para a funo de probabilidade da mdia

amostral

Para entender como executar essa funo do Software Action, voc pode
consultar o manual do usurio.

Considerando 3 retiradas independentes e com reposio temos o seguinte grfico para a

funo de probabilidade da mdia amostral

Para entender como executar essa funo do Software Action, voc pode
consultar o manual do usurio.

Nas sees a seguir veremos que, quanto maior o tamanho amostral, a distribuio da
mdia

amostral

e varincia

tende

umadistribuio

normal com mdia

Com um procedimento anlogo, podemos obter as distribuies amostrais de outras

estatsticas de interesse. Por exemplo, vamos considerar no mesmo exemplo anterior,

duas retiradas da urna com reposio e estudar a distribuio amostral do desvio-padro

. A tabela a seguir mostra todos os possveis valores para o desvio-padro , considerando
as retiradas

X2\X1

0,7071

1,4142

2,1213

2,8284

0,7071

0,7071

1,4142

2,1212

1,4142

0,7071

0,7071

1,4142

2,1213

1,4142

0,7071

0,7171

2,8284

2,1213

1,4142

0,7071

Deste modo, temos que