Notas de Aula. Estatística Elementar. by Mario F. Triola. Tradução: Denis Santos
|
|
- Gabriella Belém
- 5 Há anos
- Visualizações:
Transcrição
1 Notas de Aula Estatística Elementar 10ª Edição by Mario F. Triola Tradução: Denis Santos Slide 1
2 Capítulo 7 Estimativas e Tamanhos Amostrais 7-1 Visão Geral 7-2 Estimando a Proporção Populacional 7-3 Estimando a Média Populacional: σ Conhecido 7-4 Estimando a Média Populacional: σ Desconhecido 7-5 Estimando a Variância Populacional Slide 2
3 Seção 7-1 Visão Geral Created by Erin Hodgess, Houston, Texas Revised to accompany 10 th Edition, Tom Wegleitner, Centreville, VA Slide 3
4 Introdução Este capítulo apresenta os conceitos iniciais de inferência estatística. As duas maiores aplicações da estatística inferencial compreendes (1) estimar o valor de um parâmetro populacional, e (2) testar alguma idéia (ou hipótese) a respeito desta população. Nós apresentaremos métodos para estimar estes importantes parâmetros populacionais: proporção, média e variância. Nós também apresentaremos métodos para determinar o tamanho amostral necessário para obtermos estas estimativas. Slide 4
5 Seção 7-2 Estimando a Proporção Populacional Created by Erin Hodgess, Houston, Texas Revised to accompany 10 th Edition, Tom Wegleitner, Centreville, VA Slide 5
6 Objetivo Nesta seção nós apresentamos importantes métodos para utilizar a proporção amostral como um estimados para a proporção populacional atravéz de um intervalo de confiança. Também apresentamos métodos para calcular o tamanho amostral necessário para obtermos estas estimativas. Slide 6
7 Requisitos para Estimar uma Proporção Populacional 1. O plano amostral é o de Amostra Aleatória Simples. 2. As condições para a distribuição binomial são satisfeitas. (Veja Seção 5-3.) 3. Há ao menos 5 sucessos e 5 falhas. Slide 7
8 Notação para Proporções p = Proporção populacional p ˆ x = n Proporção amostral (lê-se p-chapéu ) de x sucessos em uma amostra de tamanho n q = 1 - p = ˆ ˆ Proporção amostral de falhas em uma amostra de tamanho n Slide 8
9 Definição Uma estimativa pontual é um valor único (ou pontual) usado para estimar um parâmetro populacional. Slide 9
10 Definição A proporção amostral p ˆ é a melhor estiativa pontual para a proporção populacional p. Slide 10
11 Exemplo: 829 adultos do estado de Minnesota-EUA são entrevistados,e 51% deles são contra o uso de fotografias em multas de trânsito de radares. Usando os resultados desta pesquisa, ache a melhor estimativa pontual para a proporção de todos os adultos deste estado americano que são contra o uso de fotos em multas de trânsito. Como a proporção amostral é o melhor estimador pontual para a proporção populacional, podemos concluir que a melhor estimativa para p é Se queremos estimar o percentual de adultos do estado de Minesota que são contra o uso de fotografias em multas de trânsito, nossa melhor estimativa é 51%. Slide 11
12 Definição Um Intervalo de Confiança é uma faixa (ou um intervalo) de valores usados para estimar o valor verdadeiro de um parâmetro populacional. Um intervalo de confiança é geralmente abreviado por IC. Slide 12
13 Definição O Nível de confiança é a probabilidade 1-α (geralmente expressa ao equivalente em percentual) associada ao número de vezes que o intervalo de confiança contém o parâmetro populacional, assumindo que o processo de estimação seja repetido um grande número de vezes. (O nível de confiança é também chamado de grau de confiança, ou coeficiente de confiança.) O Nível de significância é a probabilidade α, ou seja, é o complementar do nível de confiança. As escolhas mais comuns são 90%, 95%, or 99%. (α = 10%), (α = 5%), (α = 1%) Slide 13
14 Exemplo: 829 adultos do estado de Minnesota-EUA são entrevistados,e 51% deles são contra o uso de fotografias em multas de trânsito de radares. Usando os resultados desta pesquisa, ache a melhor estimativa pontual para a proporção de todos os adultos deste estado americano que são contra o uso de fotos em multas de trânsito. Nós estamos 95% confiantes que o intervalo de a contém o valor real de p. Esta afirmação significa que se nós selecionarmos várias amostras diferentes de tamanho 829 e construirmos o IC correspondente, em 95% deles teremos o valor real da proporção populacional p. Slide 14
15 Usando Intervalos de Confiança para Comparações Não use a sobreposição de intervalos de confiança como base para conclusões formais a respeito da igualdade de proporções. Slide 15
16 Valores Críticos 1. Nós sabemos da Seção 6-6 que sobre certas condições, a distribuição amostral da proporção amostral pode ser aproximada por uma distribuição normal, conforme Figura 7-2 abaixo. 2. Proporções amostrais tem uma chance relativamente pequena (com probabilidade denotada pela significância α) de pertencer a uma das bordas vermelhas da Figura 7-2 a seguir. 3. Denotando a área de cada borda sombreada por α/2, nós vemos que há uma probabilidade total de α que a proporção amostral pertença a uma das duas bordas vermelhas. Slide 16
17 Valores Críticos 4. Pela regra do complementar (do Capítulo 4), há uma probabilidade 1-α de que a proporção amostral pertença a região central da Figura 7-2 a seguir. 5. O valor z que separa a cauda direita, comumente denotado por z α /2, é chamado de Valor Crítico, devido a ser o limite que separa proporções amostrais que são prováveis de ocorrer daquelas que são improváveis. Slide 17
18 O Valor Crítico z α/ 2 Figura 7-2 Slide 18
19 Notação Para Valor Crítico O Valor Crítico z α/2 é o z positivo que está na fronteira vertical que separa uma área de α/2 na cauda direita da distribuição normal padronizada. (O valor -z α/2 é o valor que está na fronteira vertical para a área de α/2 na cauda esquerda.) O índice α/2 simplesmente é um lembrete de que o escore z separa uma área de α/2 na cauda direita da distribuição normal padronizada. Slide 19
20 Definição Um Valor Crítico é um número que separa estatísticas amostrais que têm chance de ocorrer daquelas que não têm. O número z α/2 é um valor crítico que é um escore z com a propriedade de separar uma área de α/2 na direita da distribuição normal padronizada. (Veja Figura 7-2). Slide 20
21 Encontrando z α/2 Para um Nível de Confiança de 95% α = 5% α/ 2 = 2.5% =.025 -z z α/ 2 α/ 2 Valores Críticos Slide 21
22 Encontrando z α/2 Para um Nível de Confiança de 95 % α = 0.05 Use a Tabela A-2 para encontrar um escore z oe 1.96 z α/ + α/2 = 1.96 Slide 22
23 Definição Quando os dados de uma amostra aleatória simples são usados para estimar a proporção populacional p, a margem de erro, denotada por E, é a diferença máxima provável (com probabilidade 1 α) entre a ˆ proporção amostral p e o valor verdadeiro da proporção populacional p. A margem de erro E é também chamado de erro máximo da estimativa e pode ser encontrada pela multiplicação do valor crítico e o desvio padrão da das proporções amostrais, conforme mostrado na Fórmula 7-1 a seguir. Slide 23
24 Margem de Erro para a Estimativa de p Fórmula 7-1 E = z α / 2 p ˆ q ˆ n Slide 24
25 Intervalo de Confiança para a Proporção Populacional p ˆ E < p < pˆ ˆ + E onde E = z α / 2 pˆ qˆ n Slide 25
26 Intervalo de Confiança para a Proporção Populacional - cont p ˆ E < p < p ˆ + E p ˆ + E (p ˆ E, p ˆ + E) Slide 26
27 Regra de Arredondamento para Estimativas de Intervalo de Confiança para p Arredonde os limites do intervalo de confiança para p para três dígitos significativos. Slide 27
28 Procedimento para a Construção de um Intervalo de Confiança para p 1. Verifique que os requisitos são satisfeitos. (A amostra é uma amostra aleatória simples, as condições para distribuição binomial são satisfeitas, e a distribuição normal pode ser usada para aproximar a distribuição das proporções amostrais porque as duas condições np 5 e nq 5 são satisfeitas.) 2. Recorra à Tabela A-2 e ache o valor crítico z α/2α que corresponde ao nível de confiança desejado. 3. Calcule a margem de erro E =Zα/2 ˆˆ p q n Slide 28
29 Procedimento para a Construção de um Intervalo de Confiança para p 4. Usando o valor da margem de erro calculada E e o valor da proporção amostral p, ˆ calcule os valores p E ˆ e p+e. ˆ Substitua estes valores no formato geral do intervalo de confiança: p ˆ E < p < p ˆ + E 5. Arredonde os limites do intervalo de confiança para três dígitos significativos. Slide 29
30 Exemplo: 829 adultos do estado de Minnesota-EUA são entrevistados,e 51% deles são contra o uso de fotografias em multas de trânsito de radares. Use estes resultados. a) Ache a margem de erro E que corresponde ao nível de confiança de 95%. b) Ache o Intervalo de Confiança de 95% de confiança para estimar a proporção populacional p. c) Baseado nos resultados, podemos concluir que a maioria dos adultos de Minnesota são contra o uso de fotografia em multas? Slide 30
31 Exemplo: 829 adultos do estado de Minnesota-EUA são entrevistados,e 51% deles são contra o uso de fotografias em multas de trânsito de radares. Use estes resultados. a) Ache a margem de erro E que corresponde ao nível de confiança de 95 %. Primeiro, verificamos os requisitos. Notamos que np= , e que nq= ˆ ˆ Em seguida, calculamos a margem de erro. Nós encontramos p ˆ = 0.51, ˆq = = 0.49, z α/2 = 1.96, e n = 829. (0.51)(0.49) E =1.96 = Slide 31
32 Exemplo: 829 adultos do estado de Minnesota-EUA são entrevistados,e 51% deles são contra o uso de fotografias em multas de trânsito de radares. Use estes resultados. b) Ache o Intervalo de Confiança de 95% de confiança para estimar a proporção populacional p. Nós substituímos os valores encontrados na Parte a para obter: < p < , < p < Slide 32
33 Exemplo: 829 adultos do estado de Minnesota-EUA são entrevistados,e 51% deles são contra o uso de fotografias em multas de trânsito de radares. Use estes resultados.. c) Baseado nos resultados, podemos concluir que a maioria dos adultos de Minnesota são contra o uso de fotografia em multas? Baseado nos resultados da pesquisa, nós temos com 95% de confiança de que os limites de 47.6% e 54.4% contém o valor verdadeiro do percentual de adultos de Minnesota que são contra o uso de fotografia em multas de trânsito. Em outras palavras, o percentual de adultos contra o uso de fotos pode ser qualquer valor entre 47.6% e 54.4%. Portanto, como a maioria necessita de um percentual maior que 50%, não podemos concluir com segurança que a maioria destes adultos são contra o uso de fotos (devido aos limites do intervalo de confiança não serem ambos maiores que 50%). Slide 33
34 Tamanho Amostral Suponha que queremos coletar dados amostrais com o objetivo de estimar alguma proporção populacional. Como sabemos quantos itens amostrais devem ser obtidos? Slide 34
35 Determinando Tamanho Amostral E = z α / 2 ˆ ˆ n p q (resolvendo para n temos) n = ( Z ) 2 ˆ α / 2 E 2 ˆ p q Slide 35
36 Tamanho Amostral Para Estimar a Proporção p Quando uma estimativa de ˆp é conhecida: n = ˆ ˆ ( ) 2 p q zα α / 2 E 2 Fórmula 7-2 Quando nenhuma estimativa de ˆ p é conhecida: n = ( ) zα α / 2 E 2 Fórmula 7-3 Slide 36
37 Exemplo: Suponha que um sociólogo deseja determinar a porcentagem atual de famílias americanas que usam o . Quantas famílias devem ser entrevistadas para que tenhamos 95% de confiança em que a porcentagem amostral não terá um erro maior que quatro pontos percentuais? a) Use este resultado de um estudo anterior: Em 1997, 16.9% das famílias americanas usavam e- mails (com base nos dados do The World Almanac and Book of Facts). b) Assuma que não temos nenhuma informação prévia que sugira um possível valor para p. ˆ Slide 37
38 Exemplo: Suponha que um sociólogo deseja determinar a porcentagem atual de famílias americanas que usam o . Quantas famílias devem ser entrevistadas para que tenhamos 95% de confiança em que a porcentagem amostral não terá um erro maior que quatro pontos percentuais? a) Use este resultado de um estudo anterior: Em 1997, 16.9% das famílias americanas usavam s (com base nos dados do The World Almanac and Book of Facts). n = [z a/2 ] 2 ˆp ˆq Para termos 95% de confiança de que nosso percentual E 2 = [1.96] 2 (0.169)(0.831) = = 338 famílias amostral esteja a no máximo quatro pontos percentuais da verdadeira porcentagem de todas as famílias, devemos selecionar aleatoriamente e entrevistar 338 famílias. Slide 38
39 Exemplo: Suponha que um sociólogo deseja determinar a porcentagem atual de famílias americanas que usam o . Quantas famílias devem ser entrevistadas para que tenhamos 95% de confiança em que a porcentagem amostral não terá um erro maior que quatro pontos percentuais? b) Assuma que não temos nenhuma informação prévia que sugira um possível valor para p. ˆ n = [z a/2 ] E 2 = (1.96) 2 (0.25) = = 601 famílias Sem qualquer informação prévia, nós necessitamos de uma amostra maior para mantermos os mesmos resultados com 95% de confiança e um erro não maior que 4%. Slide 39
40 Encontre a Estimativa Pontual e o Erro E a partir de um Intervalo de Confiança Estimativa pontual para p: ˆ ˆ p = (limite superior do intervalo) + (limite inferior do intervalo) Margem de erro: 2 E = (limite superior do intervalo) - (limite inferior do intervalo 2 Slide 40
41 Recapitulando Nesta seção nós estudamos: Estimativas pontuais. Intervalos de confiança. Níveis de confiança. Valor críticos. Margem de erro. Determinando o tamanho amostral. Slide 41
42 Seção 7-3 Estimando a Média Populacional: σ Conhecido Created by Erin Hodgess, Houston, Texas Revised to accompany 10 th Edition, Tom Wegleitner, Centreville, VA Slide 42
43 Objetivo Esta seção apresenta os métodos para usar dados amostrais para encontrar estimativas pontuais e intervalares para a média de uma população. Um pré-requisito necessário nesta seção é o conhecimento do valor do desvio padrão da população. Slide 43
44 Pré-Requisitos 1. O plano amostral utilizado é amostra aleatória simples. (Todas as amostras de mesmo tamanho são equiprováveis.) 2. O valor do desvio padrão populacional σ é conhecido. 3. Pelo menos uma destas condições são satisfeitas: A população é normalmente distribuída ou n > 30. Slide 44
45 Estimação Pontual da Média Populacional A média amostral x é a melhor estimativa pontual para a média populacional µ. Slide 45
46 Média Amostral 1. Para todas as populações, a média amostral x é um estimador não-viciado para a média populacional µ, µ o que significa que a distribuição das médias amostrais tende a se centralizar em torno do valor da média populacional µ. 2. Para muitas populações, a distribuição das médias amostrais x tende a ser mais consistente (com menos variação) que a distribuição de qualquer outra estatística amostral. Slide 46
47 Exemplo: Um estudo mediu a temperatura de 106 adultos saudáveis. A média amostral foi de 98.2ºF (36.8ºC) e o desvio padrão amostral foi de 0.62ºF. Qual a estimativa pontual para a média populacional µ para a temperatura de todas as pessoas?. Como a média amostral x é a melhor estimativa pontual para a média populacional µ, podemos concluir que a melhor estimativa pontual para a média populacional µ da temperatura corporal de todas as pessoas é o F (36.8ºC). Slide 47
48 Definição A margem de erro é a diferença máxima provável (com probabilidade 1 α) entre a Média Amostral x o valor verdadeiro da média populacional µ, e é denotada por E. Slide 48
49 Fórmula Margem de erro E = z α/2 σ Fórmula 7-4 n Margem de erro para média (baseada em σ conhecido) Slide 49
50 Estimativa do Intervalo de Confiança Para a Média Populacional µ (com σ Conhecido) ou ou x E < µ < x + E x + E (x E, x + E) Slide 50
51 Definição Os dois valores x E e x + E são chamados de limites do Intervalo de Confiança. Slide 51
52 Procedimento para Construção de um Intervalo de Confiança para µ (com σ conhecido) 1. Verifique se os requisitos são satisfeitos. 2. Consulte a Tabela A-2 e encontre o valor crítico z α/2 que corresponde ao grau de confiança desejado. 3. Calcule a margem de erro E = z α/ 2 σ/ n. 4. Calcule os valores x E e x + E. Substitua estes valores no formato geral para intervalo de confiança: x E < µ < x + E 5. Arredonde os valores resultantes segundo a regra a seguir: Slide 52
53 Regras de Arredondamento para Intervalos de Confiança Usadas para Estimar µ 1. Quando usar o conjunto de dados originais, arredonde os limites do intervalo de confiança para uma casa decimal a mais que os dados originais. 2. Quando os dados originais não são conhecidos e apenas as estatísticas de resumo (n, x, s) são usadas, arredonde os limites do intervalo de confiança para o mesmo número de casas decimais usado para a média amostral. Slide 53
54 Exemplo: Um estudo mediu a temperatura de 106 adultos saudáveis. A média amostral foi de 98.2ºF (36.8ºC) e o desvio padrão amostral foi de 0.62ºF. Calcule a margem de erro E e o intervalo de confiança com 95% de confiabilidade para µ. n = 106 x = o s = 0.62 o α = 0.05 α /2 = z α/ 2 = 1.96 E = z α/ 2 σ = = 0.12 n 106 x E < µ < x + E µ o 0.12 < µ < o o F < µ < o F o C < µ < o C Slide 54
55 Exemplo: Um estudo mediu a temperatura de 106 adultos saudáveis. A média amostral foi de 98.2ºF (36.8ºC) e o desvio padrão amostral foi de 0.62ºF. Calcule a margem de erro E e o intervalo de confiança com 95% de confiabilidade para µ. n = 106 x = o s = 0.62 o α = 0.05 α /2 = z α/ 2 = 1.96 E = z α/ 2 σ = = 0.12 n 106 x E < µ < x + E o < µ < o Baseada na amostra analisada, o intervalo de confiança para a média populacional é o F < µ < o F. Se selecionarmos amostras diferentes de mesmo tamanho, 95% dos intervalo de confianças conterão a média populacional µ. Slide 55
56 Tamanho Amostral para Estimar a Média µ n = (z ) σ 2 α/2 α Fórmula 7-5 E Onde z α/2 = Escore z crítico baseado no nível de confiança desejado E = margem de erro desejada σ = desvio padrão populacional Slide 56
57 Regra de Arredondamento para o Tamanho Amostral n Quando calcular o tamanho amostral n, se o uso da Fórmula 7-5 não resultar em um número inteiro, sempre aumente o valor de n para o número inteiro seguinte mais próximo. Slide 57
58 Calculando o Tamanho Amostral n Quando σ é desconhecido 1. Use a regra empírica da amplitude (veja a Seção 3-3) para estimar o desvio padrão como segue: σ amplitude/4. 2. Realize um estudo piloto pelo processo de amostragem. Comece o processo de coleta da amostra e com base nos valores iniciais, calcule o desvio padrão amostral s e o use no lugar de σ. 3. Estime o valor de σ usando os resultados de outro estudo feito anteriormente. Slide 58
59 Exemplo: Suponha que desejamos estimar o escore de QI médio para a população de professores de estatística. Quantos professores de estatística devem ser selecionados aleatoriamente para os testes de QI, se desejamos estar 95% confiantes em que a média amostral estará a menos de dois pontos de QI da média populacional? Assuma que σ = 15, conforme é encontrado na população em geral. α = 0.05 α /2 = z α/ 2 = 1.96 E = 2 σ = 15 n = = = Com uma amostra aleatória simples de 217 professores de estatística, estaremos 95% confiantes em que a média amostral estará a menos de 2 pontos de QI da verdadeira média populacional µ. Slide 59
60 Recapitulando Nesta seção nós estudamos: Margem de erro. Estimação do intervalo de confiança para a média populacional com σ conhecido. Regras de arredondamento. Tamanho amostral para estimação da média µ.. Slide 60
61 Seção 7-4 Estimando a Média Populacional: σ Desconhecido Created by Erin Hodgess, Houston, Texas Revised to accompany 10 th Edition, Tom Wegleitner, Centreville, VA Slide 61
62 Ponto Chave Esta seção apresenta métodos para calcular um intervalo de confiança para estimar a média populacional quando o desvio padrão é desconhecido. Com σ desconhecido, nós usaremos a distribuição t de Student assumindo que certos requisitos são atendidos. Slide 62
63 Requisitos com σ Desconhecido 1) A amostra é uma amostra aleatória simples. 2) A amostra provém de uma população normalmente distribuída ou n > 30. Use a distribuição t de Student Slide 63
64 Distribuição t de Student Se a distribuição de uma população é essencialmente normal, então a distribuição de t = x - µ s n é a distribuição t de Student para todas as amostras de tamanho n. É geralmente chamada de distribuição t e é usada para calcular valores críticos denotado por t α/2. Slide 64
65 Definição O número de graus de liberdade para uma coleção de dados amostrais é o número de valores amostrais que podem variar após certas restrições serem impostas aos dados amostrais. Nesta seção, temos que graus de liberdade = n 1 Slide 65
66 Margem de Erro E para Estimação de µ (Comσ Desconhecido) Fórmula 7-6 E = t α / 2 s n onde t α/2 tem n 1 graus de liberdade. Tabela A-3 lista valores para t α/2 Slide 66
67 Intervalo de Confiança para Estimação de µ (Com σ Desconhecido) x E < µ < x + E onde E = t α /2 s n t α /2 encontrado na Tabela A-3 Slide 67
68 Procedimento para Construção de um Intervalo de Confiança para µ (Com σ Desconhecido) 1. Verifique se os requisitos são satisfeitos. 2. Usando n - 1 graus de liberdade, consulte a Tabela A-3 e ache o valor crítico t α/ 2 que corresponde ao nível de confiança desejado. 3. Calcule a margem de erro E = t α/ 2 s / n. 4. Calcule os valores x - E e x + E. Substitua estes valores no formato geral de intervalo de confiança: x E < µ < x + E 5. Arredonde os limites do intervalo de confiança resultante. Slide 68
69 Exemplo: Um estudo mediu a temperatura de 106 adultos saudáveis. A média amostral foi de 98.2ºF (36.8ºC) e o desvio padrão amostral foi de 0.62ºF. Calcule a margem de erro E e o intervalo de confiança com 95% de confiabilidade para µ. Slide 69
70 Exemplo: Um estudo mediu a temperatura de 106 adultos saudáveis. A média amostral foi de 98.2ºF (36.8ºC) e o desvio padrão amostral foi de 0.62ºF. Calcule a margem de erro E e o intervalo de confiança com 95% de confiabilidade para µ. n = 106 x = o s = 0.62 o E = t α/ 2 s = = n 106 α = 0.05 α /2 = t α/ 2 = 1.96 x E < µ < x + E o < µ < o Slide 70
71 Exemplo: Um estudo mediu a temperatura de 106 adultos saudáveis. A média amostral foi de 98.2ºF (36.8ºC) e o desvio padrão amostral foi de 0.62ºF. Calcule a margem de erro E e o intervalo de confiança com 95% de confiabilidade para µ. n = 106 x = o s = 0.62 o α = 0.05 α /2 = t α/ 2 = 1.96 E = t α/ 2 s = = n 106 x E < µ < x + E o < µ < o Baseado na amostra analisada, o intervalo de confiança para a média populacional é o < µ < o. O intervalo é o mesmo do calculado na Seção 7-2, mas em outros casos, a diferença pode ser muito maior. Slide 71
72 Propriedades Importantes Distribuição t de Student 1. A distribuição t de Student é diferente para diferentes tamanhos amostrais (veja Figura 7-5, a seguir, para os casos de n = 3 e n = 12). 2. A distribuição t de Student tem a mesma forma simétrica em sino variabilidade (com distribuições mais largas) que se espera com pequenas amostras. 3. A distribuição t de Student tem média t = 0 (assim como a distribuição normal padronizada tem média z = 0). 4. O desvio padrão da distribuição t de Student varia com o tamanho amostral e é maior que 1 (diferentemente da distribuição normal padronizada, que tem σ = 1). 5. À medida que o tamanho amostral n cresce, a distribuição t de Student se aproxima da distribuição normal padronizada. Slide 72
73 Distribuição t de Student para n = 3 and n = 12 Figura 7-5 Slide 73
74 Escolhendo a Distribuição Apropriada Figura 7-6 Slide 74
75 Exemplo: Temos o escore Flesch para medir facilidade em leitura para 12 páginas diferentes aleatoriamente selecionadas do livro Harry Potter e a Pedra Filosofal, de J.K. Rowling. Ache a estimativa intervalar com 95% de confiança para µ, a média do escore Flesch para facilidade de leitura. (as 12 páginas aparentam ter uma distribuição em forma de sino com x = e s = 4.68.) Slide 75
76 Exemplo: Temos o escore Flesch para medir facilidade em leitura para 12 páginas diferentes aleatoriamente selecionadas do livro Harry Potter e a Pedra Filosofal, de J.K. Rowling. Ache a estimativa intervalar com 95% de confiança para µ, a média do escore Flesch para facilidade de leitura. (as 12 páginas aparentam ter uma distribuição em forma de sino com x = e s = 4.68.) x = s = 4.68 α = 0.05 α/2 = t α/2 = E = t α / 2 s = (2.201)(4.68) = n 12 x E < µ < x + E < µ < < µ < < µ < Nós estamos 95% confiantes que este intervalo contem a média do escore Flesch para facilidade de leitura para todas as páginas do livro. Slide 76
77 Encontrando a Estimativa Pontual e a Margem de Erro E para um Intervalo de Confiança Estimativa pontual para µ: x = (limite superior de confiança) + (limite inferior de confiança) 2 E = Margem de erro: (limite superior de confiança) + (limite inferior de confiança) 2 Slide 77
78 Intervalo de Confiança para Comparar Dados Assim como nas Seções 7-2 e 7-3, não use a sobreposição de intervalos de confiança como uma base para tirar conclusões finais a respeito da igualdade de médias. Slide 78
79 Recapitulando Nesta seção nós estudamos: Distribuição t de Student. Graus de liberdade. Margem de erro. Intervalo de confianças para µ com σ desconhecido. Escolhendo a distribuição apropriada. Estimativa pontual. Usando intervalos de confiança para comparar dados. Slide 79
80 Seção 7-5 Estimando a Variância Populacional Created by Erin Hodgess, Houston, Texas Revised to accompany 10 th Edition, Tom Wegleitner, Centreville, VA Slide 80
81 Ponto Chave Esta seção apresenta métodos para (1) encontrar a estimativa de um intervalo de confiança para o desvio padrão ou variância populacional e (2) determinar o tamanho amostral requisitado para estimar o desvio padrão ou variância populacional. Nós também introduziremos a distribuição qui-quadrado, que é usada para calcular as estimativas para o intervalo de confiança para σ ouσ 2. Slide 81
82 Requisitos 1. O plano amostral é amostra aleatória simples. 2. A população deve ter valores normalmente distribuídos (mesmo que a amostra seja grande). Slide 82
83 Distribuição Qui-quadrado χ 2 = (n 1) s 2 σ 2 Fórmula 7-7 onde n = Tamanho Amostral s 2 = Variância amostral σ 2 = Variância populacional Slide 83
84 Propriedades da Distribuição da Estatística Qui-quadrado 1. A distribuição qui-quadrado não é simétrica, ao contrário das distribuições normal e t de Student. Com o aumento dos graus de liberdade a distribuição torna-se cada vez mais simétrica. Figura 7-8 Distribuição qui-quadrado Figura 7-9 Distribuição qui-quadrado para gl = 10 e gl = 20 Slide 84
85 Propriedades da Distribuição da Estatística Qui-quadrado - cont 2. Os valores do qui-quadrado podem ser zero ou positivos, mas nunca podem ser negativos. 3. A distribuição qui-quadrado é diferente para cada número de graus de liberdade, o qual é gl = n 1 nesta seção. Com o seu aumento, a distribuição qui-quadrado se aproxima da distribuição normal. Na Tabela A-4, cada valor crítico de χ 2 corresponde a uma área dada na linha do alto da tabela, e esta área representa a área acumulada à direita do valor crítico. Slide 85
86 Exemplo: Ache os valores críticos de χ 2 que determina regiões críticas que contêm uma área de em cada cauda. Assuma que o tamanho amostral relevante é 10, de modo que o número de graus de liberdade é 10 1, ou 9. α = 0.05 α/2 = α/2 = Slide 86
87 Valor Críticos da Distribuição Qui-quadrado Áreas à direita de cada cauda Figura 7-10 Slide 87
88 Estimadores de σ 2 A variância amostral s 2 é a melhor estimativa pontual para a variância populacional σ 2. Slide 88
89 Intervalo de Confiança (ou Estimativa Intervalar) Para a Variância Populacional σ 2 (n 1)s 2 (n 1)s 2 < σ 2 < VC à Direita χ 2 D χ 2 E Slide 89
90 Intervalo de Confiança (ou Estimativa Intervalar) Para a Variância Populacional σ 2 - cont (n 1)s 2 (n 1)s 2 < σ 2 < 2 2 VC à Direita χ D χ E VC à Esquerda Slide 90
91 Intervalo de Confiança (ou Estimativa Intervalar) Para a Variância Populacional σ 2 - cont (n 1)s 2 (n 1)s 2 < σ 2 < 2 2 VC à Direita χ D χ E VC à Esquerda Intervalo de Confiança para o desvio padrão populacional σ (n 1)s 2 (n 1)s 2 < σ < χ 2 2 D χ E Slide 91
92 Procedimentos para a Construção de um Intervalo de Confiança Para σ ou σ 2 1. Verifique que os requisitos são satisfeitos. 2. Usando n 1 graus de liberdade, consulte a Tabela A-4 e ache os valores críticos χ 2 D e χ 2 E que corresponde ao nível de confiança desejado. 3. Calcule os limites superior e inferior do intervalo de confiança usando o formato para o intervalo de confiança: (n 1)s 2 χ 2 R < σ 2 < (n 1)s 2 χ 2 L Slide 92
93 Procedimento para a Construção de um Intervalo de Confiança para σ ou σ 2 - cont 4. Se um intervalo de confiança para σ é desejado, tome a raiz quadrada dos limites superior e inferior do IC para σ 2 e mude σ 2 to σ. 5. Arredonde os limites do intervalo de confiança resultante. Se estiver usando o conjunto original de dados, arredonde para uma casa decimal a mais que as usadas para o conjunto original de dados. Se estiver usando o desvio padrão ou variância amostrais, arredonde os limites do IC para o mesmo número de casas decimais. Slide 93
94 Intervalo de Confianças para Comparação de Dados Conforme orientado nas seções anteriores, não use a sobreposição de IC como base para tirar conclusões sobre a igualdade de variâncias ou desvio padrões. Slide 94
95 Exemplo: Um estudo mediu a temperatura de 106 adultos saudáveis. A média amostral foi de 98.2ºF (36.8ºC) e o desvio padrão amostral foi de 0.62ºF. Calcule o intervalo de confiança com 95% de confiabilidade para σ. n = 106 x = 98.2 o F s = 0.62 o F α = 0.05 α /2 = α /2 = χ 2 D = , χ 2 E = (106 1)(0.62) 2 < σ 2 < (106 1)(0.62) < σ 2 < < σ < 0.74 Nós somos 95% confiantes de que os limites de 0.56 F e 0.74 F contem o valor verdadeiro de σ. Nós estamos 95% confiantes de que o desvio padrão da temperatura corporal de todas as pessoas saudáveis está entre 0.56 F e 0.74 F. Slide 95
96 Determinando o Tamanho Amostral Slide 96
97 Exemplo: Queremos estimar σ, o desvio padrão da temperatura corporal de todas as pessoas saudáveis. Queremos ter 95% de confiança de que nossa estimativa esteja a menos de 10% do valor verdadeiro de σ. Qual o tamanho mínimo da amostra? Assuma que a população é normalmente distribuída. Da Tabela 7-2, podemos ver que para 95% de confiança e um erro de 10% para σ corresponde a uma amostra com no mínimo 191 pessoas. Slide 97
98 Recapitulando Nesta seção apresentamos: A distribuição qui-quadrado. Usar a Tabela A-4. Intervalo de confiança para a variância e desvio padrão populacionais. Determinando o tamanho amostral. Slide 98
Estimativas e Tamanhos de Amostras
Estimativas e Tamanhos de Amostras 1 Aspectos Gerais 2 Estimativa de uma Média Populacional: Grandes Amostras 3 Estimativa de uma Média Populacional: Pequenas Amostras 4 Tamanho Amostral Necessário para
Leia maisAULA 03 Estimativas e tamanhos amostrais
1 AULA 03 Estimativas e tamanhos amostrais Ernesto F. L. Amaral 03 de outubro de 2013 Centro de Pesquisas Quantitativas em Ciências Sociais (CPEQS) Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade
Leia maisCapítulo 4 Inferência Estatística
Capítulo 4 Inferência Estatística Slide 1 Resenha Intervalo de Confiança para uma proporção Intervalo de Confiança para o valor médio de uma variável aleatória Intervalo de Confiança para a diferença de
Leia maisProbabilidade e Estatística
Probabilidade e Estatística Aula 7: Intervalos de Confiança com uma amostra Leitura obrigatória: Devore, cap 7 ou Montgomery e Runger, cap 8 Chap 8-1 Objetivos Como inferir sobre um parâmetro da população,
Leia maisAULA 10 Estimativas e Tamanhos Amostrais
1 AULA 10 Estimativas e Tamanhos Amostrais Ernesto F. L. Amaral 18 de setembro de 2012 Metodologia de Pesquisa (DCP 854B) Fonte: Triola, Mario F. 2008. Introdução à estatística. 10 ª ed. Rio de Janeiro:
Leia maisInferência. 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média. Renata Souza
Inferência 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média Renata Souza Aspectos Gerais A estatística descritiva tem por objetivo resumir ou descrever características importantes
Leia maisCap. 8 - Intervalos Estatísticos para uma Única Amostra
Intervalos Estatísticos para ESQUEMA DO CAPÍTULO 8.1 INTRODUÇÃO 8.2 INTERVALO DE CONFIANÇA PARA A MÉDIA DE UMA DISTRIBUIÇÃO NORMAL, VARIÂNCIA CONHECIDA 8.3 INTERVALO DE CONFIANÇA PARA A MÉDIA DE UMA DISTRIBUIÇÃO
Leia maisNotas de Aula. Estatística Elementar. by Mario F. Triola. Tradução: Denis Santos
Notas de Aula Estatística Elementar 10ª Edição by Mario F. Triola Tradução: Denis Santos Slide 1 Capítulo 8 Teste de Hipótese 8-1 Visão Geral 8-2 Fundamentos do Teste de Hipótese 8-3 Testando Afirmações
Leia maisCapítulo 8 Teste de Hipótese. Seção 8-1 Visão Geral. Definições
Capítulo 8 Teste de Hipótese 8-1 Visão Geral 8-2 Fundamentos do Teste de Hipótese 8-3 Testando Afirmações sobre uma Proporção 8-4 Testando Afirmações sobre uma Média: σ Conhecido 8-5 Testando Afirmações
Leia maisProfessora Ana Hermínia Andrade. Universidade Federal do Amazonas Faculdade de Estudos Sociais Departamento de Economia e Análise. Período 2017.
Professora Ana Hermínia Andrade Universidade Federal do Amazonas Faculdade de Estudos Sociais Departamento de Economia e Análise Período 2017.1 Distribuições Amostrais O intuito de fazer uma amostragem
Leia maisNotas de Aula. Capítulo 6 Distribuição de Probabilidade Normal. Seção 6-1 Visão Geral. Estatística Elementar 10ª Edição. by Mario F.
Notas de Aula Estatística Elementar 10ª Edição by Mario F. Triola Tradução: Denis Santos Copyright 2007 2007 Pearson Education, Inc Inc Publishing as as Pearson Addison-Wesley. Slide 1 Capítulo 6 Distribuição
Leia maisNotas de Aula. Estatística Elementar. by Mario F. Triola. Tradução: Denis Santos
Notas de Aula Estatística Elementar 10ª Edição by Mario F. Triola Tradução: Denis Santos Copyright 2007 2007 Pearson Education, Inc Inc Publishing as as Pearson Addison-Wesley. Slide 1 Capítulo 6 Distribuição
Leia maisInferência. 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média. Renata Souza
Inferência 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média Renata Souza Aspectos Gerais A estatística descritiva tem por objetivo resumir ou descrever características importantes
Leia maisAULA 05 Teste de Hipótese
1 AULA 05 Teste de Hipótese Ernesto F. L. Amaral 03 de setembro de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola, Mario F. 2008. Introdução
Leia maisAULA 07 Inferência a Partir de Duas Amostras
1 AULA 07 Inferência a Partir de Duas Amostras Ernesto F. L. Amaral 10 de setembro de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola,
Leia maisContabilometria. Prof.: Patricia Maria Bortolon, D. Sc.
Contabilometria Prof.: Patricia Maria Bortolon, D. Sc. Intervalos de Confiança Fonte: LEVINE, D. M.; STEPHAN, D. F.; KREHBIEL, T. C.; BERENSON, M. L.; Estatística Teoria e Aplicações, 5a. Edição, Editora
Leia maisExemplo 7.0 Numa linha de produção, os pesos de pacotes de pó de café embalados por uma máquina têm distribuição Normal, com média
Exemplo 7.0 Numa linha de produção, os pesos de pacotes de pó de café embalados por uma máquina têm distribuição Normal, com média µ = 505g e desvio padrão σ = 9g. a) Selecionado ao acaso um pacote embalado
Leia maisESTIMAÇÃO POR INTERVALO DE CONFIANÇA. Profª Sheila Oro 1
ESTIMAÇÃO POR INTERVALO DE CONFIANÇA Profª Sheila Oro 1 DEFINIÇÃO Um itervalo de confiança (ou estimativa intervalar) é uma faixa (ou um intervalo) de valores usada para se estimar o verdadeiro valor de
Leia maisEstatística e Probabilidade Aula 08 Estimativas e Tamanho Amostral. Prof. Gabriel Bádue
Estatística e Probabilidade Aula 08 Estimativas e Tamanho Amostral Prof. Gabriel Bádue Motivação Estatística Inferencial Conjunto de métodos e procedimentos pelo meio dos quais tiramos conclusões sobre
Leia maisNotas de Aula. Estatística Elementar. by Mario F. Triola. Tradução: Denis Santos
Notas de Aula Estatística Elementar 10ª Edição by Mario F. Triola Tradução: Denis Santos Slide 1 Capítulo 3 Estatísticas para Descrição, Exploração e Comparação de Dados 3-1 Visão Geral 3-2 Medidas de
Leia maisFernando de Pol Mayer
Fernando de Pol Mayer Laboratório de Estatística e Geoinformação (LEG) Departamento de Estatística (DEST) Universidade Federal do Paraná (UFPR) Este conteúdo está disponível por meio da Licença Creative
Leia maisInferência Estatística
Inferência Estatística Estimação Intervalar Média e Proporção Estimação Pontual x Estimação Intervalar Exemplo Inicial: Um estudo pretende estimar o valor de µ, a renda média familiar dos alunos da UFMG.
Leia maisIntrodução à Bioestatística Turma Nutrição
Universidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Estatística Introdução à Bioestatística Turma Nutrição Aula 8: Intervalos de Confiança para Média e Proporção Distribuição
Leia maisAULA 04 Teste de hipótese
1 AULA 04 Teste de hipótese Ernesto F. L. Amaral 03 de outubro de 2013 Centro de Pesquisas Quantitativas em Ciências Sociais (CPEQS) Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal
Leia maisNotas de Aula. Copyright 2007 Pearson Education, Inc Publishing as Pearson Addison-Wesley.
Notas de Aula Estatística Elementar 10ª Edição by Mario F. Triola Tradução: Denis Santos Slide 1 Capítulo 5 Distribuições de Probabilidades 5-1 Visão Geral 5-2 Variáveis Aleatórias 5-3 Distribuição de
Leia maisIntervalos de Confiança - Amostras Pequenas
Intervalos de Confiança - Amostras Pequenas Teste de Hipóteses para uma Média Jorge M. V. Capela, Marisa V. Capela, Instituto de Química - UNESP Araraquara, SP capela@iq.unesp.br Araraquara, SP - 2016
Leia maisInferência Estatística:
Universidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Estatística Inferência Estatística: Princípios de Bioestatística decidindo na presença de incerteza Aula 8: Intervalos
Leia maisProfessora Ana Hermínia Andrade. Período
Estimação intervalar Professora Ana Hermínia Andrade Universidade Federal do Amazonas Faculdade de Estudos Sociais Departamento de Economia e Análise Período 2017.1 Estimação Intervalar Vimos que como
Leia maisIntervalos Estatísticos para uma única Amostra - parte I
Intervalos Estatísticos para uma única Amostra - parte I Intervalo de confiança para média 14 de Janeiro Objetivos Ao final deste capítulo você deve ser capaz de: Construir intervalos de confiança para
Leia maisIntrodução ao Planejamento e Análise Estatística de Experimentos 1º Semestre de 2013 Capítulo 3 Introdução à Probabilidade e à Inferência Estatística
Introdução ao Planejamento e Análise Estatística de Capítulo 3 Introdução à Probabilidade e à Inferência Estatística INTERVALOS DE CONFIANÇA: Diferentes pesquisadores, selecionando amostras de uma mesma
Leia maisINFERÊNCIA ESTATÍSTICA. ESTIMAÇÃO PARA A PROPORÇÃO POPULACIONAL p
INFERÊNCIA ESTATÍSTICA ESTIMAÇÃO PARA A PROPORÇÃO POPULACIONAL p Objetivo Estimar uma proporção p (desconhecida) de elementos em uma população, apresentando certa característica de interesse, a partir
Leia maisCapítulo 3 Estatísticas para Descrição, Exploração e Comparação de Dados. Seção 3-1 Visão Geral. Visão Geral. Estatísticas Descritivas
Capítulo 3 Estatísticas para Descrição, Exploração e Comparação de Dados 3-1 Visão Geral 3-2 Medidas de Centro 3-3 Medidas de Dispersão 3-4 Medidas de Forma da Distribuição 3-5 Análise Exploratória de
Leia maisProbabilidade e Estatística. Estimação de Parâmetros Intervalo de Confiança
Probabilidade e Estatística Prof. Dr. Narciso Gonçalves da Silva http://páginapessoal.utfpr.edu.br/ngsilva Estimação de Parâmetros Intervalo de Confiança Introdução A inferência estatística é o processo
Leia mais7 Teste de Hipóteses
7 Teste de Hipóteses 7-1 Aspectos Gerais 7-2 Fundamentos do Teste de Hipóteses 7-3 Teste de uma Afirmação sobre a Média: Grandes Amostras 7-4 Teste de uma Afirmação sobre a Média : Pequenas Amostras 7-5
Leia maisInferência Estatística: DEEST/UFOP Prof.: Spencer Barbosa da Silva
Inferência Estatística: Prof.: Spencer Barbosa da Silva Amostragem Estatística Descritiva Cálculo de Probabilidade Inferência Estatística Estimação Teste de Hipótese Pontual Por Intervalo Conceitos básicos
Leia maisCapítulo 5 Distribuições de Probabilidades. Seção 5-1 Visão Geral. Visão Geral. distribuições de probabilidades discretas
Capítulo 5 Distribuições de Probabilidades 5-1 Visão Geral 5-2 Variáveis Aleatórias 5-3 Distribuição de Probabilidade Binomial 5-4 Média, Variância e Desvio Padrão da Distribuição Binomial 5-5 A Distribuição
Leia maisTeorema central do limite e es/mação da proporção populacional p
Teorema central do limite e es/mação da proporção populacional p 1 RESULTADO 1: Relembrando resultados importantes Seja uma amostra aleatória de tamanho n de uma variável aleatória X, com média µ e variância
Leia maisMAE Introdução à Probabilidade e Estatística II Resolução Lista 5
MAE 229 - Introdução à Probabilidade e Estatística II Resolução Lista 5 Professor: Pedro Morettin e Profa. Chang Chian Exercício 1 (a) De uma forma geral, o desvio padrão é usado para medir a dispersão
Leia maisTópicos em Gestão da Informação II
Tópicos em Gestão da Informação II Aula 07 Inferência Estatística - Estimação Prof. Dalton Martins dmartins@gmail.com Gestão da Informação Faculdade de Informação e Comunicação Universidade Federal de
Leia maisRazão para rejeitar H 0
Processo do teste de hipótese Hipótese de pesquisa: a idade média da população é 5 H : μ = 5 H 1 : μ 5 É X = improvável se μ =5? População Selecionar amostra aleatória Sim: Rejeite Ho Para definir pouco
Leia maisCap. 4 - Estimação por Intervalo
Cap. 4 - Estimação por Intervalo Amostragem e inferência estatística População: consiste na totalidade das observações em que estamos interessados. Nº de observações na população é denominado tamanho=n.
Leia maisIntrodução a Estatística
Introdução a Estatística Prof a. Juliana Freitas Pires Departamento de Estatística Universidade Federal da Paraíba - UFPB juliana@de.ufpb.br Introdução O curso foi dividido em três etapas: 1 vimos como
Leia maisEstatística Indutiva
Estatística Indutiva MÓDULO 7: INTERVALOS DE CONFIANÇA 7.1 Conceitos básicos 7.1.1 Parâmetro e estatística Parâmetro é a descrição numérica de uma característica da população. Estatística é a descrição
Leia maisEstimação de valores. Luiz Carlos Terra
Luiz Carlos Terra Nesta aula, você conhecerá a parte mais importante da estatística, que é conhecida como inferência estatística, ou seja, você aprenderá como usar os dados de uma amostra para estimar
Leia maisTestes de Hipóteses para. uma Única Amostra. Objetivos de Aprendizagem. 9.1 Teste de Hipóteses. UFMG-ICEx-EST-027/031 07/06/ :07
-027/031 07/06/2018 10:07 9 ESQUEMA DO CAPÍTULO 9.1 TESTE DE HIPÓTESES 9.2 TESTES PARA A MÉDIA DE UMA DISTRIBUIÇÃO NORMAL, VARIÂNCIA CONHECIDA 9.3 TESTES PARA A MÉDIA DE UMA DISTRIBUIÇÃO NORMAL, VARIÂNCIA
Leia maisTeste de Hipóteses Paramétricos
Teste de Hipóteses Paramétricos Fundamentos de um teste de hipóteses Como construir testes de hipóteses para uma média. Como construir testes de hipóteses para uma proporção. Como construir testes de hipóteses
Leia maisAula 9 Intervalo de confiança para a média da N(μ; σ 2 ), σ 2 desconhecida
Aula 9 Intervalo de confiança para a média da N(μ; σ 2 ), σ 2 desconhecida Nesta aula você completará seu estudo básico sobre intervalos de confiança, analisando o problema de estimação da média de uma
Leia maisESTIMAÇÃO DE PARÂMETROS
ESTIMAÇÃO DE PARÂMETROS Um dos principais objetivos da estatística inferencial consiste em estimar os valores de parâmetros populacionais desconhecidos (estimação de parâmetros) utilizando dados amostrais.
Leia maisInferência Estatística:
Inferência Estatística: Amostragem Estatística Descritiva Cálculo de Probabilidade Inferência Estatística Estimação Teste de Hipótese Pontual Por Intervalo Conceitos básicos Estimação É um processo que
Leia maisInferência Estatistica
Inferência Estatistica Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Modelos e Inferência Um modelo é uma simplificação da realidade (e alguns
Leia maisde estimativa. Essa estimativa, chamada de confiança ou estimativa intervalar, consiste em uma faixa, ou intervalo, de valores em vez de apenas um úni
ESTATÍSTICA APLICADA À ADMINISTRAÇÃO AULA 04: AMOSTRAGEM E ESTIMAÇÃO TÓPICO 04: INTERVALOS DE CONFIANÇA VERSÃO TEXTUAL Um dos principais objetivos da estatística inferencial consiste em estimar os valores
Leia maisDefinição. Os valores assumidos pelos estimadores denomina-se estimativas pontuais ou simplesmente estimativas.
1. Inferência Estatística Inferência Estatística é o uso da informção (ou experiência ou história) para a redução da incerteza sobre o objeto em estudo. A informação pode ou não ser proveniente de um experimento
Leia maisUniversidade Federal de Lavras
Universidade Federal de Lavras Departamento de Estatística Prof. Daniel Furtado Ferreira 6 a Lista de Exercícios Teoria da Estimação pontual e intervalar 1) Marcar como verdadeira ou falsa as seguintes
Leia mais6 Intervalos de confiança
6 Intervalos de confiança Estatística Aplicada Larson Farber Seção 6.1 Intervalos de confiança para a média (amostras grandes) Estimativa pontual DEFINIÇÃO: Uma estimativa pontual é a estimativa de um
Leia maisTeoria da Estimação. Fabricio Goecking Avelar. junho Universidade Federal de Alfenas - Instituto de Ciências Exatas
Teoria da Estimação Fabricio Goecking Avelar Universidade Federal de Alfenas - Instituto de Ciências Exatas junho - 2018 Algumas distribuições importantes Sumário 1 Algumas distribuições importantes 2
Leia maisDISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL INTRODUÇÃO ROTEIRO POPULAÇÃO E AMOSTRA. Estatística Aplicada à Engenharia
ROTEIRO 1. Introdução; DISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL. Teorema Central do Limite; 3. Conceitos de estimação pontual; 4. Métodos de estimação pontual; 5. Referências. 1 POPULAÇÃO E AMOSTRA População:
Leia maisIntrodução ao Planejamento e Análise Estatística de Experimentos 1º Semestre de 2013 Capítulo 3 Introdução à Probabilidade e à Inferência Estatística
Introdução ao Planejamento e Análise Estatística de Experimentos Capítulo 3 Introdução à Probabilidade e à Inferência Estatística Introdução ao Planejamento e Análise Estatística de Experimentos Agora,
Leia maisInferência a partir de duas amostras
Inferência a partir de duas amostras Inferência a partir de duas amostras. Inferência sobre duas médias: amostras dependentes. Inferência sobre duas médias: amostras grandes e independêntes 3. Comparação
Leia maisTestes de Hipótese para uma única Amostra - parte II
Testes de Hipótese para uma única Amostra - parte II 01 de Julho de 2014 Objetivos Ao final deste capítulo você deve ser capaz de: Testar hipóteses para média de uma população. Serão usadas as distribuições
Leia maisDistribuições Amostrais - Tamanho da Amostra
Distribuições Amostrais - Tamanho da Amostra Prof. Eduardo Bezerra Inferência Estatística 21 de Setembro de 2018 Eduardo Bezerra (CEFET/RJ) Tamanho da Amostra 1 / 10 Motivação Suponha que queremos estimar
Leia maisDistribuições Amostrais
Distribuições Amostrais 1 Da população, com parâmetro, retira-se k amostras de tamanho n e calcula-se a estatística. Estas estatísticas são as estimativas de. As estatísticas, sendo variáveis aleatórias,
Leia maisInferência Estatística: Conceitos Básicos II
Inferência Estatística: Conceitos Básicos II Distribuição Amostral e Teorema do Limite Central Análise Exploratória de dados no SPSS Flávia F. Feitosa BH1350 Métodos e Técnicas de Análise da Informação
Leia maisTestes de Hipótese para uma única Amostra - parte II
Testes de Hipótese para uma única Amostra - parte II 2012/02 1 Teste para média com variância conhecida 2 3 Objetivos Ao final deste capítulo você deve ser capaz de: Testar hipóteses para média de uma
Leia maisIntervalos de Confiança
Intervalos de Confiança Jorge M. V. Capela, Marisa V. Capela, Instituto de Química - UNESP Araraquara, SP capela@iq.unesp.br Araraquara, SP - 2016 1 2 Teorema do Limite Central Se amostras de tamanho n
Leia maisIntervalos de Confiança
Intervalos de Confiança Carla Henriques e Nuno Bastos Departamento de Matemática Escola Superior de Tecnologia de Viseu Carla Henriques e Nuno Bastos (DepMAT) Intervalos de Confiança 2010/2011 1 / 33 Introdução
Leia maisNessa situação, a média dessa distribuição Normal (X ) é igual à média populacional, ou seja:
Pessoal, trago a vocês a resolução da prova de Estatística do concurso para Auditor Fiscal aplicada pela FCC. Foram 10 questões de estatística! Não identifiquei possibilidade para recursos. Considero a
Leia maisMÉTODOS QUANTITATIVOS PARA CIÊNCIA DA COMPUTAÇÃO EXPERIMENTAL
MÉTODOS QUANTITATIVOS PARA CIÊNCIA DA COMPUTAÇÃO EXPERIMENTAL Pedro Henrique Bragioni Las Casas Pedro.lascasas@dcc.ufmg.br Apresentação baseada nos slides originais de Jussara Almeida e Virgílio Almeida
Leia maisESTATÍSTICA APLICADA À ADMINISTRAÇÃO
ESTATÍSTICA APLICADA À ADMINISTRAÇÃO Thiago Marzagão INTERVALOS DE CONFIANÇA Thiago Marzagão (IDP) ESTATÍSTICA APLICADA À ADMINISTRAÇÃO 1/2016 1 / 53 média amostral ( x) Queremos saber o salário médio
Leia maisBIOESTATÍSTICA. Parte 5 Testes de Hipóteses
BIOESTATÍSTICA Parte 5 Testes de Hipóteses Aulas Teóricas de 05/05/2011 a 19/05/2011 5.1. Conceito de erro, estatística de teste, região de rejeição, nível de significância, valor de prova, potência do
Leia maisAULA 02 Distribuição de Probabilidade Normal
1 AULA 02 Distribuição de Probabilidade Normal Ernesto F. L. Amaral 20 de agosto de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola, Mario
Leia maisAula 7 Intervalos de confiança
Aula 7 Intervalos de confiança Nesta aula você aprenderá um método muito importante de estimação de parâmetros. Na aula anterior, você viu que a média amostral X é um bom estimador da média populacional
Leia maisEstatística Aplicada. Inferência estatística com desvio padrão populacional desconhecido Estimativa de proporção Capítulo 10 Itens 10.4 a 10.
Estatística Aplicada Inferência estatística com desvio padrão populacional desconhecido Estimativa de proporção Capítulo 10 Itens 10.4 a 10.5 Casos população infinita Quando o desvio-padrão populacional
Leia maisPROBABILIDADE E ESTATÍSTICA. Profa. Dra. Yara de Souza Tadano
PROBABILIDADE E ESTATÍSTICA Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 8 11/2014 Distribuição Normal Vamos apresentar distribuições de probabilidades para variáveis aleatórias contínuas.
Leia maisAULA 11 Teste de Hipótese
1 AULA 11 Teste de Hipótese Ernesto F. L. Amaral 20 de setembro de 2012 Metodologia de Pesquisa (DCP 854B) Fonte: Triola, Mario F. 2008. Introdução à estatística. 10 ª ed. Rio de Janeiro: LTC. Capítulo
Leia maisIntervalo de confiança4
Intervalo de confiança4 4.1 Introdução 4.2 Intervalo de confiança (IC) 4.3 Erro-padrão da média e da proporção 4.4 Precisão da estimativa dos parâmetros 4.5 Conclusão Referências Dirce Maria Trevisan Zanetta
Leia maisDistribuição Amostral e Estimação Pontual de Parâmetros
Roteiro Distribuição Amostral e Estimação Pontual de Parâmetros 1. Introdução 2. Teorema Central do Limite 3. Conceitos de Estimação Pontual 4. Métodos de Estimação Pontual 5. Referências Estatística Aplicada
Leia mais5 Avaliação dos estimadores propostos
5 valiação dos estimadores propostos Este capítulo apresenta as medidas estatísticas usuais para avaliar a qualidade de estimadores e as expressões utilizadas para a estimação destas medidas, a partir
Leia maisProbabilidade e Estatística
IFBA Probabilidade e Estatística Versão 1 Allan de Sousa Soares Graduação: Licenciatura em Matemática - UESB Especilização: Matemática Pura - UESB Mestrado: Matemática Pura - UFMG Vitória da Conquista
Leia maisEstatística e Probabilidade. Aula 11 Cap 06
Aula 11 Cap 06 Intervalos de confiança para variância e desvio padrão Confiando no erro... Intervalos de Confiança para variância e desvio padrão Na produção industrial, é necessário controlar o tamanho
Leia mais1 Inferência Estatística - Teoria da Estimação
1 Inferência Estatística - Teoria da Estimação 1.1 Introdução Neste capítulo abordaremos situações em que o interesse está em obter informações da população a partir dos resultados de uma amostra. Como
Leia maisIntervalos de Confiança
Intervalos de Confiança INTERVALOS DE CONFIANÇA.1 Conceitos básicos.1.1 Parâmetro e estatística Parâmetro é a descrição numérica de uma característica da população. Estatística é a descrição numérica de
Leia maisInferência Estatística. Teoria da Estimação
Inferência Estatística Teoria da Estimação Os procedimentos básicos de inferência Estimação: usamos o resultado amostral para estimar o valor desconhecido do parâmetro Teste de hipótese: usamos o resultado
Leia maisAula 10 Estimação e Intervalo de Confiança
Aula 10 Estimação e Intervalo de Confiança Objetivos da Aula Fixação dos conceitos de Estimação; Utilização das tabelas de Distribuição Normal e t de Student Introdução Freqüentemente necessitamos, por
Leia maisEstatística aplicada a ensaios clínicos
Estatística aplicada a ensaios clínicos RAL - 5838 Luís Vicente Garcia lvgarcia@fmrp.usp.br Faculdade de Medicina de Ribeirão Preto Estatística aplicada a ensaios clínicos aula 8 amostragem amostragem
Leia maisDistribuições Amostrais e Estimação Pontual de Parâmetros
Distribuições Amostrais e Estimação Pontual de Parâmetros - parte I 19 de Maio de 2011 Introdução Objetivos Ao final deste capítulo você deve ser capaz de: Entender estimação de parâmetros de uma distribuição
Leia maisEstatística II Aula 2. Prof.: Patricia Maria Bortolon, D. Sc.
Estatística II Aula Prof.: Patricia Maria Bortolon, D. Sc. Distribuições Amostrais ... vocês lembram que: Antes de tudo... Estatística Parâmetro Amostra População E usamos estatíticas das amostras para
Leia mais1 Que é Estatística?, 1. 2 Séries Estatísticas, 9. 3 Medidas Descritivas, 27
Prefácio, xiii 1 Que é Estatística?, 1 1.1 Introdução, 1 1.2 Desenvolvimento da estatística, 1 1.2.1 Estatística descritiva, 2 1.2.2 Estatística inferencial, 2 1.3 Sobre os softwares estatísticos, 2 1.4
Leia maisProbabilidade II. Departamento de Estatística. Universidade Federal da Paraíba
Probabilidade II Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Distribuição t de Student 02/14 1 / 1 A distribuição t de Student é uma das distribuições
Leia maisTESTES DE HIPÓTESE COM UMA AMOSTRA. Prof. Regina Meyer Branski
1 TESTES DE HIPÓTESE COM UMA AMOSTRA Prof. Regina Meyer Branski Objetivos Introdução aos testes de hipótese Testes de hipóteses para a média (amostras grandes) Testes de hipóteses para a média (amostras
Leia maisProf. Adriano Mendonça Souza, Dr. Departamento de Estatística PPGEMQ / PPGEP - UFSM
Prof. Adriano Mendonça Souza, Dr. Departamento de Estatística PPGEMQ / PPGEP - UFSM Estimação de Parâmetros O objetivo da Estatística Indutiva é tirar conclusões probabilísticas sobre aspectos da população,
Leia maisCONHECIMENTOS ESPECÍFICOS
fonte de graus de soma de quadrado variação liberdade quadrados médio teste F regressão 1 1,4 1,4 46,2 resíduo 28 0,8 0,03 total 2,2 A tabela de análise de variância (ANOVA) ilustrada acima resulta de
Leia maisAula 9: Introdução à Inferência Estatística
Aula 9: Introdução à Inferência Estatística Professor: José Luiz Padilha da Silva email: jlpadilha@ufpr.br Departamento de Estatística Universidade Federal do Paraná Curitiba, 2018 José Luiz Padilha da
Leia maisIntervalos de Confiança
Intervalos de Confiança Departamento de Matemática Escola Superior de Tecnologia de Viseu Introdução Estimar o consumo médio de um automóvel, estimar o tempo médio que um funcionário leva a aprender uma
Leia maisEstimador: combinação dos elementos da amostra, construída com a finalidade de representar, ou estimar, um parâmetro de interesse na população.
Objetivo: tirar conclusões sobre uma população com base na informação de uma amostra. estimação testes de hipóteses Parâmetro metro: quantidades desconhecidas da população e sobre as quais temos interesse.
Leia mais6- Probabilidade e amostras: A distribuição das médias amostrais
6- Probabilidade e amostras: A distribuição das médias amostrais Anteriormente estudamos como atribuir probabilidades a uma observação de alguma variável de interesse (ex: Probabilidade de um escore de
Leia maisMétodos Quantitativos para Ciência da Computação Experimental
Métodos Quantitativos para Ciência da Computação Experimental Revisão Virgílio A. F. Almeida Maio de 2008 Departamento de Ciência da Computação Universidade Federal de Minas Gerais FOCO do curso Revisão
Leia mais1 Probabilidade - Modelos Probabilísticos
1 Probabilidade - Modelos Probabilísticos Modelos probabilísticos devem, de alguma forma, 1. identificar o conjunto de resultados possíveis do fenômeno aleatório, que costumamos chamar de espaço amostral,
Leia mais