Probabilidade

Trabalhando com pequenas amostras: Distribuio t de Student Professora:Janana Fernandes Lacerda

Pequenas amostras x Grandes amostras

Nos exemplos tratados at agora:
amostras grandes (n>30) qualquer tipo de distribuio original da varivel aleatria possui distribuio das mdias adequadamente aproximadas a uma distribuio normal.
Teorema Central do Limite

Tempo e custo impem limites ao tamanho da amostra Utilizao da distribuio normal inadequada para amostras pequenas

Estimativa da mdia para pequenas amostras

Para casos onde n > 30 e:
Populao original tem distribuio normal; e O valor de conhecido, podemos calcular E com:

Nos casos onde n 30 e:

Populao original tem distribuio normal; e O valor de desconhecido, devemos calcular E com a

Distribuio t de Student.

Distribuio t de Student
Criada por William Gosset (1876-1937)
Anlises com pequenas amostras

Empregado da Cervejaria Guinness Cervejaria no permitia publicao de pesquisas

Pseudnimo de Student

Distribuio t de Student
A Distribuio t de Student essencialmente uma distribuio normal (com forma aproximada de um sino) para todas as amostras de tamanho n. Atravs dela, determinamos os valores crticos t/2 do intervalo de confiana onde

Utilizao da Tabela

Obtemos o valor de t na Tabela A3 localizando o nmero de graus de liberdade na coluna esquerda e percorrendo a linha correspondente at atingir o nmero diretamente abaixo do valor aplicvel (bilateral) de .

Grau de liberdade: para um conjunto de dados correspondente ao nmero de valores que podem variar aps terem sido impostas certas restries a todos os valores.
Ex: 10 estudantes obtm em um teste mdia 8,0 A soma das 10 notas deve ser 80. Portanto, se temos um grau de liberdade de 10-1=9, as nove primeiras notas podem ser escolhidas aleatoriamente, contudo a 10a deve ser igual a [80-(soma das 9 primeiras)].

Aplicaremos, em nosso curso, (n-1) graus de liberdade

Assim, para...
Intervalo de confiana

xE < < x+E

Observaes finais
Para aplicarmos t de Student, a distribuio da populao original deve ser essencialmente normal. Contudo, pode-se obter bons resultados se:
For basicamente simtrica; Possuir uma nica moda.

Aplicamos t de Student no lugar da distribuio normal, pois quando no se conhece , a utilizao de s de uma pequena amostra incorpora outra fonte de erro. Para mantermos o grau de confiana desejado, compensamos a variabilidade adicional ampliando o intervalo de confiana por um processo que substitui o valor crtico z/2 por outro t/2 obtido na tabela da Distribuio t de Student.

Exemplo
Considere um teste de coliso de carros. A anlise de 12 carros danificados resulta num custo de conserto que parece ter distribuio em forma de sino, com mdia e desvio-padro a seguir (R$).

x = 26.227
Determine:

s = 15.873

a melhor estimativa pontual de (custo do conserto)

O intervalo de confiana para NC=95%

Exemplo
Obs.: valores em R$

a)

x = 26.227

b) Amostra pequena (n30); desvio padro desconhecido;

distribuio similar distribuio normal Na tabela: para a coluna 0,05 bilateral e grau de liberdade
n-1=11 t=2,201

E= 10.085,29

xE < < x+E

26.227 10.085,29 < < 26.227 + 10.085,29 16.141,71 < < 36.312,29

= 26.227 10.085,29