AulaTCap7C Cestatistica PDF

Ana Pires, IST, Outubro de 2000 Ana Pires, IST, Outubro de 2000
Nota: o I. C. l u chamado bilateral. Em

Captulo 7 - Estimao por intervalos
alguns casos pode ser mais importante um intervalo
7.1 Intervalos de confiana unilateral (superior ou inferior) do tipo
l , intervalo inferior
Para alm duma estimativa pontual de um u intervalo superior
parmetro , em muitas situaes, importante
dispr de alguma forma de intervalo que indique a 7.2 Intervalo de confiana para a mdia,
confiana que se pode depositar na estimativa varincia conhecida
pontual.
X populao tal que:
Um intervalo de confiana (I.C.) para um
E( X ) = (desconhecido)
parmetro desconhecido do tipo
V(X) = 2 (conhecido)
l u,
( X1 , , Xn ) a. a. de dimenso n

onde l e u dependem do valor observado

(estimativa pontual), e da distribuio por = X (estimador pontual de )
, usada para estimar .
amostragem da estatstica
1 2
Sabemos j que Para minimizar a b deve ter-se b = a.
X ~ N (0,1) se X ~ N ( , 2 ) X
Z= P a a =
n ~ N (0,1) se X qq e n grande n
a

= P a X a =
onde o caso X qq justificado pelo T. L. C. n n

Distribuio de Z: = P X a X + a =
n n

= P X a X +a =
n n
1
/2 = P X a ;X + a =1
/2 n n
b 0 a

com a: P( Z > a) = .
2
Podemos determinar pontos, a e b, tais que
X
X Nota: a Z = chama-se varivel aleatria
P b a = 1 = n
n
fulcral (deve ter distribuio conhecida e depender
onde 0 e 1 . apenas do parmetro desconhecido).
3 4
Interpretao:

X a n ; X + a n um intervalo aleatrio, No podemos dizer que pertence ao
quando substitumos X por x (valor observado da intervalo de confiana com probabilidade
mdia duma amostra aleatria) passamos a ter um 1 ;
intervalo concreto chamado intervalo de confiana.
o que podemos dizer que se fizermos um
Definio (Intervalo de confiana para a mdia grande nmero de intervalos nestas condies,
com varincia conhecida): Se x for a mdia aproximadamente 100 (1 )% desses
observada duma amostra aleatria de dimenso n intervalos contero de facto o verdadeiro valor
duma populao normal (ou duma populao de (que permanece desconhecido), esta
qualquer desde que n grande, mas nesse caso o ideia que traduzida por "confiana".
intervalo apenas aproximado) com varincia
Notas:
conhecida 2 , um intervalo de confiana a
100 (1 )% para dado por 1) O comprimento do intervalo de confiana est
associado preciso, quanto menor for o
xa x+a com a: P( Z > a) =
n n 2 comprimento mais precisa a mdia.
(ou a = z 2 , na notao do Montgomery).
5 6
2) Se diminumos , isto , aumentarmos 1 Exemplo: X ~ N ( , 2 ) com = 1 .

(grau de confiana), mantendo n fixo, a vai a) uma amostra aleatria de dimenso 10 conduziu
aumentar e consequentemente o comprimento a x = 10.1. Calcular um intervalo de confiana a
do intervalo. No possvel fazer = 0 pois 95% para :
nesse caso a = + .
= 0.05 P( Z > a) = 0.025
3) Quando aumentamos n, mantendo fixo, P( Z < a) = 0.975 a = 1 (0.975) = 1.96
diminui o comprimento do intervalo.
Logo o intervalo pedido
4) Qual deve ser a dimenso da amostra para que
se tenha um dado erro mximo (com confiana 1 1
10.1 1.96 ;10.1 + 1.96 = [9.48;10.72]
fixa)? 10 10
Para termos uma confiana de 100 (1 )%
em que x E deve ter-se b) Qual deve ser n para que se possa garantir com
95% de confiana que x 0.25?
a a
2
n = , (visto que = E) .
E 1.96 1
2
n=
n
= 61.47 Resposta: n = 62 .
0.25
(quando n no der inteiro arredonda-se por
excesso).
7 8
7.3 Intervalo de confiana para a diferena de

( )
(e a a.a. X11 , X12 , , X1n1 independente da a.a.

duas mdias, varincias conhecidas

(X 21 , X22 , , X2n2 )

)
X1 , populao 1, com E( X1 ) = 1 e V ( X1 ) = 2
1
(conhecida) Como construir um I.C. a 100 (1 )% para
1 2 ?
X2 , populao 2, com E( X2 ) = 2 e V ( X2 ) = 22
(conhecida) Nota: um intervalo deste tipo til para comparar
( X1 e X2 independentes) duas experincias ou dois mtodos.
(
a. a. da populao 1 X11 , X12 , , X1n1 com mdia

) O estimador pontual de 1 2 X1 X2 .
X1 ~ N (1 , 12 )
n1
X 1i
J sabemos que se e se
X1 = i =1
X2 ~ N ( 2 , 22 ) ento
n1
2 2
(
) X1 ~ N 1 , 1 e X2 ~ N 2 , 2 pelo que
n1 n2
n2
X 2i 2 2
X1 X2 ~ N 1 2 , 1 + 2
X2 = i =1
n1 n2
n2
9 10
logo a v.a. fulcral : Notas: Mantm-se as notas 1) 2) e 3) da seco

7.2, relativas interpretao e variao do
Z=
(X 1 X2 ) ( 1 2 )
~ N (0,1) comprimento do intervalo.
12 22
+
n1 n2 4) Dimenso da amostra tal que
Notas: a distribuio anterior tambm vlida, (X1 X2 ) (1 2 ) E com 100 (1 )%

aproximadamente, para X1 e X2 com outra de confiana ?
qualquer distribuio, no necessariamente normal,
desde que n1 e n2 sejam elevados (pelo T.L.C.) No tem soluo nica para n1 e n2 gerais, mas
se quisermos n1 = n2 = n obtm-se
Fazendo, do mesmo modo que na seco anterior,
2
n = (12 + 22 )
a
E
P( a Z a) = 1 , com P( Z > a) =
2
obtm-se um I.C. a 100 (1 )% para 1 2 :
12 22 2 2
x1 x2 a + ; x1 x2 + a 1 + 2
n1 n2 n1 n2
11 12
Mas qual ser o efeito de fazer isto? No a

7.4 Intervalo de confiana para a mdia de mesma v. a.! Qual a sua distribuio?
uma populao normal, varincia
desconhecida Se n for grande ( n > 30 , em geral) pode mostrar-se
que o efeito pequeno e tem-se
X populao tal que:
X
E( X ) = (desconhecido) Z= ~ N (0,1),
S n a
V(X) = 2 (desconhecida) quer para X ~ N ( , 2 ) , quer para X qualquer

(com E( X ) = e V ( X ) = 2 ). Ou seja, o I.C.
( X1 , , Xn ) a. a. de dimenso n

calcula-se exactamente como na Seco 7.2

= X (estimador pontual de ) substituindo por s (desvio padro amostral
observado).
X
No se pode usar Z = porque
n Se n 30 o problema no solvel no caso geral
desconhecido. Um procedimento lgico consiste (isto , desconhecendo o tipo de distribuio da
em substituir por S (desvio padro amostral), ou populao). Se X ~ N ( , 2 ) o teorema seguinte
X fornece o resultado que se pretende.
seja, em considerar a v. a. fulcral .
S n
13 14
Teorema: Seja ( X1 , , Xn ) uma a.a. duma 2) Funo Gama

populao X ~ N ( , 2 ) . A varivel aleatria +
(r ) = x
r 1 x
e dx , r > 0
X 0
T=
S n se r inteiro (r ) = (r 1)!. Esta funo pode
tem distribuio t com n 1 graus de liberdade ser vista como uma generalizao do factorial
( T ~ tn 1 ). (definido s para inteiros) aos reais positivos.
Notas: 3) Representao grfica

1) Uma v.a. com distribuio t tem funo de f(x)
k =
densidade de probabilidade k=3
k=1
[( k + 1) 2] 1
f ( x) =
k ( k 2)
k +1
x
2 2
1 +
k x
onde k > 0 o nmero de graus de liberdade.

4) fcil ver que quando k +
Pode mostrar-se que se T ~ tk ento
x2
1 2
E(T ) = 0 ( k > 1) e V (T ) = k ( k 2) ( k > 2) f ( x) e (f.d.p. de N (0,1) )
2
15 16
5) Os percentis da distribuio tk encontram-se S S

P X a ;X + a =1
tabelados n n

Tabelas da disciplina: No livro: com a: P(T > a) = .
2
Obtm-se ento o I.C. para a mdia de uma

q populao normal com varincia desconhecida
xa
s
x+a
s
t k,q t,k n n
( )
Observaes:
P T < tk,q = q P(T > t ,k ) =
tk,1 q = tk,q t1 ,k = t ,k 1) A interpretao semelhante que foi feita em
___________ 7.2.
Voltando construo do I.C. e procedendo da 2) Se diminuir, com n fixo, aumenta o

forma habitual: comprimento do intervalo.
X
P a a = 1
S n
17 18
3) Se n aumentar, com fixo, espera-se que Exemplo: Considere-se uma v.a. X ~ N ( , 2 ) .

diminua o comprimento do intervalo, mas no
Uma amostra aleatria de dimenso 10 conduziu a
h certeza, pois s varia de amostra para amostra.
x = 10.1 e s = 1.2. Calcular um intervalo de
4) Determinao de n para um dado erro (com confiana a 95% para .
fixo): X
T= ~ tn 1= 9
2 S n
x E n=
as
E
= 0.05 P(T > a) = 0.025
P(T < a) = 0.975 a = t9,0.975 = 2.262
Dificuldades:
s s
I.C.95% ( ) = x a ;x + a
n
i) a tambm depende de n; Soluo: resoluo
n
por tentativa-erro.
Logo o intervalo pedido
ii) s desconhecido antes de se ter a amostra;
Soluo: obter uma amostra preliminar para ter 1.2 1.2
I.C.95% ( ) = 10.1 2.262 ;10.1 + 2.262 =
uma ideia do valor que s pode vir a ter. 10 10
= [9.48;10.72]
19 20
7.5 Intervalo de confiana para a diferena

( )
(e a a.a. X11 , X12 , , X1n1 independente da a.a.

entre as mdias de duas populaes normais,

varincias desconhecidas
(X 21 , X22 , , X2n2 )

)
X1 , populao 1, com E( X1 ) = 1 e V ( X1 ) = 12 Como construir um I.C. a 100 (1 )% para
(desconhecida) 1 2 ?
X2 , populao 2, com E( X2 ) = 2 e V ( X2 ) = 22 Quando 12 e 22 eram conhecidas usava-se a v.a.

(desconhecida)
fulcral
( X1 e X2 independentes)
Z=
(X
1 X2 ) ( 1 2 )
~ N (0,1)
(

) 12 22
+
n1 n2
n1 n1
X (X X1 )
2
1i 1i
X1 = i =1
e varincia S12 = i =1 Se n1 > 30 e n2 > 30 pode-se substituir 12 por S12
n1 n1 1
e 22 por S22 obtendo-se
(

) (X X2 ) ( 1 2 )
Z= ~ N (0,1)
1
n2 n2
X2i (X X2 )
2
S12 S22 a
2i +
X2 = i =1
e varincia S22 = i =1 n1 n2
n2 n2 1
21 22
quer para X1 ~ N (1 , 12 ) e X2 ~ N ( 2 , 22 ) quer e tem-se ainda que
para X1 e X2 com outra qualquer distribuio. 12 22 1 1

V ( X1 X2 ) = + = 2 +
n1 n2 n1 n2
Ento um I.C. calcula-se exactamente como na
Seco 7.4, apenas substituindo 12 por s12 e 22 Vai ser necessrio estimar 2 . Um estimador
por s22 .
natural obtm-se combinando as duas varincias
Quando n1 30 ou n2 30 o problema s tem amostrais
soluo no caso em que X1 ~ N (1 , 12 ) e ( n1 1)S12 + (n2 1)S22

= S
2 2
=
X2 ~ N ( 2 , 22 ) e mesmo assim para se obter uma p
n1 + n2 2
v.a. fulcral com distribuio exacta necessrio
S12 + S22
supor que (embora desconhecidas) 12 = 22 = 2 Note-se que quando n1 = n2 resulta 2 = .
2
(esta suposio razovel em muitas situaes
reais, e alm disso pode ser testada). Sabemos que
X1 X2 continua a ser o estimador pontual de

Z=
(X
1 X2 ) ( 1 2 )
~ N (0,1)
1 2 1 1
+
n1 n2
23 24
substituindo por Sp obtm-se Observaes:
T=
(X 1 X2 ) ( 1 2 )
~ tn1 + n2 2
1) A determinao da dimenso da amostra mais
1 1 complicada (ver 7.3 e 7.4).
Sp +
n1 n2
2) E se no for razovel admitir que
(sob as suposies, ou hipteses de trabalho, 12 = 22 = 2 ? Este problema (conhecido por
consideradas). Ento de problema de Behrens-Fisher) no tem soluo
exacta. H solues aproximadas, o

P( a T a) = 1 com a: P(T > a) = Montgomery (pg. 397) apresenta uma (no
2
faz parte do programa).
obtm-se um I.C. a 100 (1 )% para 1 2 :
1 1

1 1
x1 x2 as p + ; x1 x2 + as p + Exemplo: Um mesmo tipo de material pode ser
n1 n2 n1 n2
adquirido a dois fabricantes. As variveis de
onde s p =
(n1 1)s12 + (n2 1)s22 . interesse so a resistncia mecnica do material (em
n1 + n2 2 unidades convenientes) para cada fabricante. Para
comparar os seus valores mdios obteve-se (por
amostragem aleatria) uma amostra de cada:
25 26
Admitimos que (hipteses de trabalho):

Fabricante 1 Fabricante 2
X1 ~ N (1 , 12 ) e X2 ~ N ( 2 , 22 )
x1 = 8.73 x2 = 8.68
s12 = 0.35 s22 = 0.40 X1 e X2 so independentes;
n1 = 15 n2 = 18
12 = 22 = 2 (parece razovel porque s12 e s22
Com o objectivo de ajudar a decidir qual dos dois so da mesma ordem de grandeza).
melhor pretende-se calcular um intervalo de
confiana a 95% para a diferena dos valores A estimativa de
14 0.35 + 17 0.40
mdios. sp = = 0.614
15 + 18 2
Sejam:
para grau de confiana = 95% vem = 0.05 e
X1 - v.a. que representa a resistncia do material
a = t31;0.975 = 2.04 ( n1 + n2 2 = 31)
produzido pelo fabricante 1
I.C.95% (1 2 ) =
X2 - v.a. que representa a resistncia do material
1 1 1 1
produzido pelo fabricante 2 = x1 x2 as p + ; x1 x2 + as p + =
n1 n2 n1 n2
= [ 0.388;0.488]
27 28
Podemos ento afirmar (com 95% de confiana) Notas:

que no existe grande diferena entre a resistncia 1) Uma v.a. com distribuio do chi-quadrado tem
mdia do material produzido pelos dois fabricantes. funo de densidade de probabilidade
1
7.6 Intervalo de confiana para a varincia de f ( x) = x ( k 2 ) 1e x 2 , x > 0
uma populao normal 2 (k 2)
k2
X ~ N ( , 2 ) ( X1 ,
, Xn ) a.a. onde k > 0 o nmero de graus de liberdade.
Pode mostrar-se que se Q ~ k2 ento
Queremos um I.C. a 100 (1 )% para 2 . E(Q) = k e V (Q) = 2k.
O estimador pontual de 2 S 2 . A v.a. fulcral 2) Representao grfica

obtm-se do teorema seguinte.
f(x)
Teorema: Seja ( X1 , , Xn ) uma a.a. duma

k=2
populao X ~ N ( , ) . A v.a. 2
k=4
k =6
(n 1)S 2
Q= x
2
tem distribuio do chi-quadrado com n 1 graus
de liberdade ( Q ~ n21 ).
29 30
3) Os percentis da distribuio k2 encontram-se Dado que a distribuio de Q no simtrica

preciso determinar a e b. Faz-se ento
tabelados

Tabelas da disciplina: No livro: a: P(Q < a) = e b: P(Q > b) = .
2 2
(n 1)S 2
P a b = 1
2
q 2 (n 1)S 2 (n 1)S 2
P ; = 1
b a
2 2
k,q ,k
Um I.C. a 100 (1 )% para 2 ento

(
P Q< 2
k,q )=q P( Q > 2
,k )=
(n 1)s 2 (n 1)s 2
;
b a
Para construir um I.C. a 100 (1 )% para 2
parte-se de
P( a Q b ) = 1
31 32
Exemplo: Considere-se uma v.a. X ~ N ( , 2 ) .

7.7 Intervalo de confiana para uma proporo
Uma amostra aleatria de dimenso 10 conduziu a
i =1 xi = 101 e i =1 xi2 = 1040 . Calcular um
10 10
( X1 , , Xn ) amostra aleatria de uma populao
intervalo de confiana a 99% para . muito grande ou infinita.
1 n 2 Seja Y ( n) o nmero de observaes desta

1 n 2
s2 =
n 1 i =1
( x x ) 2
= xi nx =
n 1 i =1 amostra que pertencem a uma dada categoria de
i
1 101 = 19.9
interesse.
2
=
10
1040 10
9 9
Seja p a proporo de indivduos na populao que
Da tabela: a = 9;0.005
2
= 1.735 pertencem a essa categoria de interesse.
b = 9;0.995
2
= 23.59
Exemplos:
I.C.99% ( 2 ) =
19.9 19.9
23.59 1.735 [
; = 0.844;11.47] Populao Categoria
Peas ser defeituosa

e Eleitores vota no partido X
I.C.99% ( ) = [ ]
0.844; 11.47 = [0.918;3.39] Y
O estimador pontual de p P = .
n
33 34
Sabemos que Y ~ Bin(n, p) e que se n for grande

Y ~ N (np,np(1 p)) P p
P a a 1
a
P 1 P (
)
Y p(1 p) n
ou ainda P = ~ N p, pois
na n O I.C. (aproximado) a 100 (1 )% para p :
E (Y ) V (Y )
()
E P = E =
Y
n n
e V P = V = 2
Y
n n
()
p a
p (1 p )
; p + a
p (1 p )

n n
P p Exemplo: Populao de eleitores portugueses.
Ento tem-se Z = ~ N (0,1)
p(1 p) a Sondagem (aleatria) a 1200 eleitores revelou que
n 683 tencionam votar no partido ABC. Determinar a
e.m.v. de p (proporo de eleitores na populao

que tencionam votar no partido ABC) e um I.C.
P p

P a a 1 , a: P( Z > a) = aproximado a 95% para p.
p(1 p) 2

n p = 683 1200 = 0.569
Resolver em ordem a p? Aproximao que d
resultados satisfatrios a = 1.96 I.C.95% ( p) = [0.541;0.597]
35 36

AulaTCap7C Cestatistica PDF

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

AulaTCap7C Cestatistica PDF

Caricato da

Copyright:

Formati disponibili

Ana Pires, IST, Outubro de 2000 Ana Pires, IST, Outubro de 2000

Nota: o I. C. l u chamado bilateral. Em

onde l e u dependem do valor observado

Sabemos j que Para minimizar a b deve ter-se b = a.

(ou a = z 2 , na notao do Montgomery).

2) Se diminumos , isto , aumentarmos 1 Exemplo: X ~ N ( , 2 ) com = 1 .

7.3 Intervalo de confiana para a diferena de

duas mdias, varincias conhecidas

logo a v.a. fulcral : Notas: Mantm-se as notas 1) 2) e 3) da seco

Notas: a distribuio anterior tambm vlida, (X1 X2 ) (1 2 ) E com 100 (1 )%

obtm-se um I.C. a 100 (1 )% para 1 2 :

Mas qual ser o efeito de fazer isto? No a

V(X) = 2 (desconhecida) quer para X ~ N ( , 2 ) , quer para X qualquer

calcula-se exactamente como na Seco 7.2

Teorema: Seja ( X1 , , Xn ) uma a.a. duma 2) Funo Gama

populao X ~ N ( , 2 ) . A varivel aleatria +

Notas: 3) Representao grfica

onde k > 0 o nmero de graus de liberdade.

5) Os percentis da distribuio tk encontram-se S S

Obtm-se ento o I.C. para a mdia de uma

Voltando construo do I.C. e procedendo da 2) Se diminuir, com n fixo, aumenta o

3) Se n aumentar, com fixo, espera-se que Exemplo: Considere-se uma v.a. X ~ N ( , 2 ) .

7.5 Intervalo de confiana para a diferena

entre as mdias de duas populaes normais,

X2 , populao 2, com E( X2 ) = 2 e V ( X2 ) = 22 Quando 12 e 22 eram conhecidas usava-se a v.a.

quer para X1 ~ N (1 , 12 ) e X2 ~ N ( 2 , 22 ) quer e tem-se ainda que

para X1 e X2 com outra qualquer distribuio. 12 22 1 1

soluo no caso em que X1 ~ N (1 , 12 ) e ( n1 1)S12 + (n2 1)S22

X1 X2 continua a ser o estimador pontual de

substituindo por Sp obtm-se Observaes:

Admitimos que (hipteses de trabalho):

Podemos ento afirmar (com 95% de confiana) Notas:

O estimador pontual de 2 S 2 . A v.a. fulcral 2) Representao grfica

Teorema: Seja ( X1 , , Xn ) uma a.a. duma

3) Os percentis da distribuio k2 encontram-se Dado que a distribuio de Q no simtrica

Um I.C. a 100 (1 )% para 2 ento

Exemplo: Considere-se uma v.a. X ~ N ( , 2 ) .

intervalo de confiana a 99% para . muito grande ou infinita.

1 n 2 Seja Y ( n) o nmero de observaes desta

Peas ser defeituosa

Sabemos que Y ~ Bin(n, p) e que se n for grande

Potrebbero piacerti anche