INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA
|
|
- Gabriela Fraga Abreu
- 7 Há anos
- Visualizações:
Transcrição
1 UFPE - Universidade Federal de Pernambuco Departamento de Estatística Disciplina: ET-406 Estatística Econômica Professor: Waldemar A. de Santa Cruz Oliveira Júnior INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA Podemos dividir a estatística em três grandes áreas 1 Conceitos Básicos Denição 1 População: Conjunto de valores de uma característica (observável) associada a uma coleção de indivíduos ou objetos de interesse. (Bolfarine & Sandoval). Denição 2 Parâmetro: é uma característica numérica da população. Exemplo: média, variância, máximo, etc. Denição 3 Amostra: é qualquer subconjunto da população. Denição 4 Estatística: é uma característica numérica da amostra. Exemplo: média amostral, variância amostral, máximo da amostra, etc. 1
2 Podemos dizer que o objetivo principal da Inferência Estatística é a partir de uma amostra especicar valores para o parâmetro da população. Denição 5 Espaço Paramétrico: dado um modelo estatístico especicado por um parâmetro θ, dene-se como espaço paramétrico Θ o conjunto dos possíveis valores que o parâmetro θ pode assumir. Exemplo 1 Considere uma amosrta de VA's (X 1,, X n ) independentes e identicamente distribuídas, pertencente as seguintes populações: N(µ, σ 2 ), Θ = { } Bin(n, p), Θ = { } exp(θ), Θ = { } Obs: Durante o curso vamos sempre considerar que uma amostra é composta de VA's independentes e identicamente distribuídas. Já vimos a denição de estatística, porém, em outras palavras, podemos dizer que uma estatística T (X 1,, X n ) é uma função da amostra nos reais Exemplo: T : (X 1,, X n ) R. Denição 6 Se a estatística T (X 1,, X n ) assume valores apenas no conjunto paramétrico Θ, então, dizemos que ela é um estimador para θ. Exemplo: 2
3 É comum representar um estimador para um parâmetro θ, β, α, usando um chapeu, θ, β, α, etc. Denição 7 Estimativa: é um particular valor do estimador. Exemplo: 2 Distribuições Amostrais Denição 8 A distribuição amostral de uma estatística T é o conjunto formado pelas possíveis estimativas de T e suas respectivas probabilidades. Exemplo 2 Considere o comjunto X = {2, 4, 8, 10} e a estatística T (X 1, X 2 ) = X 1 +X 2 2. Então, a distribuição amostral de T é dada por Como podemos observar uma estatística é uma VA, assim, podemos calcular seu valor esperado e sua variância. Exemplo 3 Exemplo: Encontre a esperança e a variância da estatística do exemplo anterior. Exemplo 4 Exemplo: Consirenado os dois últimos exemplos, compare a média e a variância populacional com a amostral. 3
4 Observe que as médias são iguais e a variância amostral é metade da populacional. Isto não é coincidência, deve-se ao seguinte teorema: Teorema 1 Sejam X uma VA, X 1,, X n uma amostra aleatória simples de X, E[X] = µ e Var[X] = σ 2, então, Dem. E[ X] = µ e Var[ X] = σ2 n. 3 Teorema do Limite Central Um dos mais importantes resultados da estatística é o Teorema do Limite Central em que arma que em determinadas condições bastante gerais é possível aproximar uma soma de V.A's a uma distribuição normal. Comecemos relembrando algumas propriedades da distribuição normal com o seguinte exemplo. Exemplo 5 (Exemplo 7.9 pg 179 (Bussab, W. O. & Morettin, P. A.)) Os depósitos efetuados no Banco da Ribeira durante o mês de janeiro são distribuídos normalmente, com média $10.000,00 e desvio padrão de $1.500,00. Um depósito é selecionado ao acaso dentre todos referentes ao mês em questão. Encontre a probabilidade de que o depósito seja: a) $10.000,00 ou menos; b) pelo menos $10.000,00; c) um valor entre $ ,00 e $15.000,00; d) maior que $ ,00. 4
5 Teorema 2 (Soma de normais é normal) Sejam X 1,, X n variáveis aleatórias independentes, tais que, X 1 N(µ 1, σ 2 1),, X n N(µ n, σ 2 n). Então, a variável aleatória X = X X n tem distribuição normal com média µ = µ µ n e variância σ 2 = σ σ 2 n. Ou seja, X N(µ, σ 2 ). Exemplo 6 Voltando ao exemplo 5, suponha que no mês em questão os depósitos no Banco SA têm uma distribuição normal com média $8.000,00 e variância $ Selecionando-se um depósito no Banco da Ribera e outro no Banco SA, qual a probabilidade da soma desses depositos ser maior que $20.000? Teorema 3 (Teorema do Limite Central) Sejam X 1,, X n variáveis aleatórias independentes, tais que, E[X i ] = µ i, Var[X i ] = σ 2 i, com i = 1,, n. Considere a variável aleatória X = X X n, portanto, X tem média µ = µ µ n e variância σ 2 = σ σ 2 n. Então, Z = X µ σ 2 D N(0, 1). Ou seja, Z é aproximadamente uma normal padrão. Exemplo 7 (Exercício 12.6 Meyer, pg. 281) Suponha que os X i 's com i = 1,, 50 sejam variáveis aleatórias independentes e identicamente distribuídas segundo uma Poisson com parâmetro λ = 0, 03. Faça S = X 1 + +X n e calcule a P (S 3). 5
6 O Teorema a seguir é um corolário do Teorema do Limite Central. Teorema 4 Sejam X 1,, X n variáveis aleatórias independentes e indenticamente distribuídas, tais que, E[X i ] = µ e Var[X i ] = σ 2, com i = 1,, n. Considere a variável aleatória X = X X n. Então, Z = X µ σ 2 n D N(0, 1). Ou ainda, n( X µ) D Z = N(0, 1). σ Ou seja, Z é aproximadamente uma normal padrão. Exemplo 8 Considere uma amostra de VA's X 1,, X 16 i.i.d (5, 9). Calcule a P (6 X 8). Qual deveria ser o tamanho n da amsotra para que P (3 X 7) = 0, 9? Exemplo 9 Uma moeda tem probabilidade p de aparecer cara em um lançamento. Encontre a distribuição amosrtal da proporção de caras que aparece em n lançamentos desta moeda. Exemplo 10 No exemplo 7 calcule a probabilidade da média dos X 1,, X 50 ser menor que 0,012. 6
7 Denição 9 Dada uma amostra de VA's (X 1,, X n ), o Erro Amostral e(θ) do estimador θ do parâmetro θ é a diferença entre a estimativa desse estimador baseada na amostra e o parâmtero. Ou seja, e(θ) = θ θ. Exemplo 11 Dada uma amostra de VA's (X 1,, X n ) i.i.d (µ, σ 2 ), então, o erro amostral da média tem aproximadamente distribuição normal com média zero e variância σ 2 /n. Exemplo 12 Sejam X 1,, X n uma seuência de VA's independentes e identicamente distribuídas com média 10 e variância 16. Encontre o tamanho de uma amostra para que com probabilidade 0, 9 o módulo do erro amostral seja menor que 2. Exemplo 13 Sejam X 1,, X n uma seuência de VA's independentes e identicamente distribuídas com média µ e variância σ 2. Encontre o tamanho de uma amostra para que com probabilidade γ o módulo do erro amostral seja menor que ε. 7
8 4 Propriedades dos Estimadores Nosso objetivo neste curso será encontrar bons estimadores. Mas, o que é um estimador bom? Para responder esta pegunta vejamos o exemplo 11.2 pag 290 do livro Estatística Básica (Bussab & Morettin). A gura abaixo é uma cópia da página 291 do mesmo livro e representa o resultado de 15 tiros dados por 4 ries diferentes. A acurácia mede a proximidade de cada observação do valor alvo que se procura atingir. A precisão mede a proximidade de cada observação da média de todas as observações. (Bussab & Morettin) Denição 10 Um estimador θ é dito não-viesado para θ, se E[ θ] = θ, para todo θ Θ. E a diferença B θ ( θ) = E[ θ] θ é chamada de viés. Exemplo 14 A média amostral X é um estimador não-viesado para µ = E[X]. Exemplo 15 O estimador σ 2 = n (X i µ) 2 i=1 para a variância. n é um estimador não-viesado 8
9 Exemplo 16 O estimador σ 2 = n (X i X) 2 i=1 a variância. n é um estimador viesado para Exercício: Faça uma transformação neste último estimador para que ele passe a ser não-viesado. Denição 11 O Erro Quadrado Médio EQM de um] estimador θ para um parâmetro θ é denido como EQM( θ, θ) = E [( θ θ) 2. Exemplo 17 Considere uma X 1,, X n i.i.d N(µ, σ 2 ). Sejam a média amostral X e σ 2 = n i=1 (x i x) 2 /n, estimadores para a média e a variância populacional, encontre o erro quadrado médio desses estimadores. (Obs. Neste caso pode-se mostrar que Var[S 2 ] = 2σ4 n 1.) Exemplo 18 Mostre que EQM( θ, θ) = Var[ θ] + ( B θ ( θ)) 2. Denição 12 Uma sequência de estimadores T 1, T 2,, T n de θ é consistente se lim n E[T n ] = θ e lim n Var[T n ] = 0. Exemplo 19 A média amostral X é um estimador consistente de µ = E[X]. i.i.d Exemplo 20 Sejam X 1,, X n N(µ, σ 2 ), então, S 2 = n (X i X) 2 i=1 n 1 um estimador consistente de σ 2. (Obs.: (n 1)S2 σ 2 χ 2 (n 1) ). é 9
10 i.i.d Exemplo 21 Sejam X 1,, X n N(µ, σ 2 ), então, σ 2 = n um estimador consistente de σ 2. i=1 (X i X) 2 n é Denição 13 Sejam T 1 e T 2 dois estimadores não-viesados para um parâmetro θ, então, dizemos que T 1 é mais eciente que T 2, se Var[T 1 ] < Var[T 2 ]. 5 Estimação Pontual Na seção anterior estudamos critérios para avaliar a qualidade de um estimador. Nesta seção veremos três métodos para obter estimadores, a saber: método dos momentos, método de máxima verossimilhança e método de mínimos quadrados. Esses três métodos são considerados pontuais porque os estimadores produzem estimativas para os parâmetros. Na estimação intervalar, estudada mais adiante, determinaremos um intervalo que, com uma certa probabilidade γ, contem o parâmetro a ser estimado. 5.1 Método do Moemntos Denição 14 O k-ésimo momento populacional de uma VA X é dado por µ k = E[X k ] = x k f(x)dx. Considere uma amostra aleatória (X 1,, X n ) desta variável X, o k-ésimo momento amostral é denido por m k = n i=1 Xk i n. Denição 15 Seja θ = (θ 1,, θ r ), então, θ = ( θ 1,, θ r ) é o estimador obtido pelo método dos momentos para θ se ele é o conjunto de soluções das equações m k = µ k, com k = 1, 2,, r. 10
11 Exemplo 22 Considere a VA X N(µ, σ 2 ), obtenha pelo método dos momentos os estimadores para a µ e σ 2. Observação: Podemos ter mais um estimador para o mesmo parâmetro. Exemplo 23 Considere a VA X exp(λ), obtenha pelo método dos momentos os estimadores para a média e a variância. Exemplo 24 Considere a VA X P oisson(λ), obtenha pelo método dos momentos o estimador para λ. 5.2 Método dos Mínimos Quadrados Dada uma sequência de VAs (X, Y ) = {(X 1, Y 1 ), (X n, Y n )}, neste método supomos que a VA Y pode ser explicada pela VA X através de um modelo da forma Y = g(x θ) + ε, em que ε é um erro aleatório. Assim, o estimador de mínimos quadrados θ MQ é denido como θ que minimiza a soma dos quadrados dos erros S(θ) = n i=1 ε2 i. Portanto, o método de mínimos quadrados resume-se a encontrar θ que minimiza a função S(θ) = n ε 2 i = i=1 n (Y i g(x i θ)) 2. i=1 Exemplo 25 Com base na amostra (X, Y ) = {(2, 6), (3, 9), (5, 15)} determine a estimativa de mínimos quadrados para o parâmtero θ do modelo Y = θx. 11
12 Exemplo 26 Encontre o estimador de mínimos quadrados para o parâmtero θ do modelo Y = θx. 5.3 Método de Máxima Verossimilhança Este método é um dos mais utilzado e foi proposto por Ronald Aylmer Fisher quando ainda cursava o seu terceiro ano da graduação. Basicamente a ideia é escolher dentre todos θ Θ o que maximiza a função de densidade conjunta da amostra. Denição 16 Considere uma sequência de VA's X = (X 1,, X n ) identicamente distribuídas, cada uma com função de densidade f(x i θ), no caso contínuo, e funçao de probabilidade p(x i θ) no caso discreto, ambas determinadas pelo parâmetro θ. A função de verossimilhança L(θ X) da amostra X é denida como a função de densidade (ou de probabilidade) xada na amostra e tendo como argumento o parâmetro θ. Ou seja, dado que as VA's são independentes, temos que L(θ X) = n f(x i θ) ou L(θ X) = i=1 n p(x i θ). i=1 Exemplo 27 Encontre a função de verossimilhança de uma amostra normamalmente distribuída de tamanho n. Exemplo 28 Encontre a função de verossimilhança de uma amostra aleatória simples de tamanho 2 retirada da população X{2, 4, 6}, cuja P (X = 2) = p 1, P (X = 4) = p 2 e P (X = 6) = p 3. Denição 17 O Estimador de Máxima Verossimilhança θ MV é denido como θ que maximiza a função de verossimilhança. 12
13 Exemplo 29 Considere a VA X exp(λ), obtenha pelo método de máxima verossimilhança o estimador para λ. Denição 18 Devido a complexidade de trabalhar com um produto de funções é comum usar o logaritmo desse produto. Assim, dene-se a função log-verossimilhança l(θ) como o logaritmo da função verossimilhança. Ou seja, l(θ) = log(l(θ X)). Obs: O valor θ que maximiza a função verossimilhança é o mesmo que maximiza a função escore. Exemplo 30 Considere a VA X exp(λ), usando a função escore obtenha pelo método de máxima verossimilhança o estimador para λ. Exemplo 31 Considere a VA X N(µ, σ 2 ), obtenha pelo método de máxima verossimilhança o estimador para µ e σ 2. Exemplo 32 Considere a VA X Bernoulli(p), obtenha pelo método de máxima verossimilhança o estimador para p. Exemplo 33 Considere a VA X Binomial(n, p), obtenha pelo método de máxima verossimilhança o estimador para p. 13
14 Referência Bibliográca: Bussab, W. O. & Morettin, P. A. (2002), Estatística Básica, 5a Edição, Editora: Saraiva. Meyer, P. (1969), Probabilidade: Aplicações à Estatística. Ao Livro Técnico. Mood, A.M.; Graybell, F.A. & Boes, D.C. Introduction to the Theory of Statistics, 3a Edition, McGraw-Hill, Singapore: Morettin, L. G. (2009), Estatística Básica: Probabilidade e Inferência, Volume Único, Pearson Education. 14
3. Estimação pontual USP-ICMC-SME. USP-ICMC-SME () 3. Estimação pontual / 25
3. Estimação pontual USP-ICMC-SME 2013 USP-ICMC-SME () 3. Estimação pontual 2013 1 / 25 Roteiro Formulação do problema. O problema envolve um fenômeno aleatório. Interesse em alguma característica da população.
Leia maisProfessora Ana Hermínia Andrade. Universidade Federal do Amazonas Faculdade de Estudos Sociais Departamento de Economia e Análise. Período 2017.
Estimação pontual Professora Ana Hermínia Andrade Universidade Federal do Amazonas Faculdade de Estudos Sociais Departamento de Economia e Análise Período 2017.1 Introdução Exemplo Desejamos comprar um
Leia maisEstimação: (A) Propriedades e Distribuições Amostrais
Estimação: (A) Propriedades e Distribuições Amostrais Wagner H. Bonat Fernando P. Mayer Elias T. Krainski Universidade Federal do Paraná Departamento de Estatística Laboratório de Estatística e Geoinformação
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 População e Amostra
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 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. Amostragem e estimação pontual
6. Amostragem e estimação pontual Definição 6.1: População é um conjunto cujos elementos possuem qualquer característica em comum. Definição 6.2: Amostra é um subconjunto da população. Exemplo 6.1: Um
Leia maisPRINCIPAIS DISTRIBUIÇÕES (continuação)
UFPE - Universidade Federal de Pernambuco Departamento de Estatística Disciplina: ET-406 Estatística Econômica Professor: Waldemar A. de Santa Cruz Oliveira Júnior PRINCIPAIS DISTRIBUIÇÕES (continuação)
Leia maisTESTES DE HIPÓTESES Notas de aula. Prof.: Idemauro Antonio Rodrigues de Lara
1 TESTES DE HIPÓTESES Notas de aula Prof.: Idemauro Antonio Rodrigues de Lara 2 Conteúdo 1. Fundamentos e conceitos básicos; 2. Função poder; 3. Testes mais poderosos e Lema de Neyman-Pearson; 4. Teste
Leia maisIntrodução à Probabilidade e à Estatística II
Introdução à Probabilidade e à Estatística II Introdução à Inferência Estatística Capítulo 10, Estatística Básica (Bussab&Morettin, 7a Edição) Lígia Henriques-Rodrigues MAE0229 1º semestre 2018 1 / 36
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 maisDistribuições Amostrais e Estimação Pontual de Parâmetros
Distribuições Amostrais e Estimação Pontual de Parâmetros - parte I 2012/02 1 Introdução 2 3 4 5 Objetivos Ao final deste capítulo você deve ser capaz de: Entender estimação de parâmetros de uma distribuição
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 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 maisDISTRIBUIÇÃO CONJUNTA (parte II)
UFPE - Universidade Federal de Pernambuco Departamento de Estatística Disciplina: ET-406 Estatística Econômica Professor: Waldemar A. de Santa Cruz Oliveira Júnior DISTRIBUIÇÃO CONJUNTA (parte II) Variáveis
Leia maisALGUNS MODELOS DE VARIÁVEIS ALEATÓRIAS UNIDIMENSIONAIS. Prof.: Idemauro Antonio Rodrigues de Lara
1 ALGUNS MODELOS DE VARIÁVEIS ALEATÓRIAS UNIDIMENSIONAIS Prof.: Idemauro Antonio Rodrigues de Lara 2 Modelos de variáveis aleatórias discretas 1. Distribuição Uniforme Discreta 2. Distribuição Binomial
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 maisUFPE - Universidade Federal de Pernambuco Curso: Economia Disciplina: Estatística Econômica Professor: Waldemar Araújo de S. Cruz Oliveira Júnior
UFPE - Universidade Federal de Pernambuco Curso: Economia Disciplina: Estatística Econômica Professor: Waldemar Araújo de S. Cruz Oliveira Júnior TESTE DE HIPÓTESES 1 Introdução Considere a seguinte situação:
Leia maisEstatística Aplicada II. } Revisão: Probabilidade } Propriedades da Média Amostral
Estatística Aplicada II } Revisão: Probabilidade } Propriedades da Média Amostral 1 Aula de hoje } Tópicos } Revisão: } Distribuição de probabilidade } Variáveis aleatórias } Distribuição normal } Propriedades
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 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 maisPRINCIPAIS DISTRIBUIÇÕES DE PROBABILIDADES
PRINCIPAIS DISTRIBUIÇÕES DE PROBABILIDADES Certas distribuições de probabilidades se encaixam em diversas situações práticas As principais são: se v.a. discreta Distribuição de Bernoulli Distribuição binomial
Leia maisEstatística Aplicada II. } Estimação e Intervalos de Confiança
Estatística Aplicada II } Estimação e Intervalos de Confiança 1 Aula de hoje } Tópicos } Revisão } Estimação } Intervalos de Confiança } Referências } Barrow, M. Estatística para economia, contabilidade
Leia maisPROVA DE ESTATÍSTICA e PROBABILIDADES SELEÇÃO - MESTRADO/UFMG /2012
PROVA DE ESTATÍSTICA e PROBABILIDADES SELEÇÃO - MESTRADO/UFMG - 0/0 Instruções:. Cada questão respondida corretamente vale (um) ponto.. Cada questão respondida incorretamente vale - (menos um) ponto. 3.
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Algoritmo para simular uma fila Medidas de interesse Média amostral Aula de hoje Teorema do Limite Central Intervalo de Confiança Variância amostral
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 maisMOQ-13 PROBABILIDADE E ESTATÍSTICA. Professor: Rodrigo A. Scarpel
MOQ-13 PROBABILIDADE E ESTATÍSTICA Professor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semanas 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 e 16 Introdução à probabilidade (eventos,
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 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 maisProbabilidade e Estatística
Probabilidade e Estatística stica Prof. Dr. Narciso Gonçalves da Silva http://paginapessoal.utfpr.edu.br/ngsilva Inferência Estatística stica e Distribuições Amostrais Inferência Estatística stica O objetivo
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 mais3. Considere uma amostra aleatória de tamanho 7 de uma normal com média 18. Sejam X e S 2, a média e a variância amostral, respectivamente.
1 Universidade de São Paulo Escola Superior de Agricultura Luiz de Queiroz Departamento de Ciências Exatas Professores: Clarice Demétrio, Roseli Leandro e Mauricio Mota Lista 3- Distribuições Amostrais-
Leia maisSolução dos Exercícios - Capítulos 1 a 3
Capítulo 9 Solução dos Exercícios - Capítulos a 3 9. Capítulo. a Como o valor se refere aos pacientes estudados, e não a todos os pacientes, esse é o valor de uma estatística amostral. b Estatística amostral
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 maisAula de hoje. administração. São Paulo: Ática, 2007, Cap. 3. ! Tópicos. ! Referências. ! Distribuição de probabilidades! Variáveis aleatórias
Aula de hoje! Tópicos! Distribuição de probabilidades! Variáveis aleatórias! Variáveis discretas! Variáveis contínuas! Distribuição binomial! Distribuição normal! Referências! Barrow, M. Estatística para
Leia maisProbabilidade e Estatística
Probabilidade e Estatística Aula 7 Distribuição da Média Amostral Leitura obrigatória: Devore: Seções 5.3, 5.4 e 5.5 Chap 8-1 Inferência Estatística Na próxima aula vamos começar a parte de inferência
Leia maisDistribuições por Amostragem
Distribuições por Amostragem Departamento de Matemática Escola Superior de Tecnologia de Viseu (DepMAT ESTV) Distribuições por Amostragem 2007/2008 1 / 27 Introdução: População, amostra e inferência estatística
Leia maisCC-226 Aula 07 - Estimação de Parâmetros
CC-226 Aula 07 - Estimação de Parâmetros Carlos Henrique Q. Forster - Instituto Tecnológico de Aeronáutica 2008 Estimação de Parâmetros Para construir o classificador bayesiano, assumimos as distribuições
Leia maisSumário. 2 Índice Remissivo 11
i Sumário 1 Principais Distribuições Contínuas 1 1.1 Distribuição Uniforme................................. 1 1.2 A Distribuição Normal................................. 2 1.2.1 Padronização e Tabulação
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 maisRegressão Linear - Parte I
UFPE - Universidade Federal de Pernambuco Curso: Economia Disciplina: ET-406 Estatística Econômica Professor: Waldemar Araújo de S. Cruz Oliveira Júnior Regressão Linear - Parte I 1 Introdução Podemos
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 maisModelos discretos e contínuos
Modelos discretos e contínuos Joaquim Neto joaquim.neto@ufjf.edu.br Departamento de Estatística - ICE Universidade Federal de Juiz de Fora (UFJF) Versão 3.0 Joaquim Neto (UFJF) ICE - UFJF Versão 3.0 1
Leia maisAmostragem e distribuições por amostragem
Amostragem e distribuições por amostragem Carla Henriques e Nuno Bastos Departamento de Matemática Escola Superior de Tecnologia de Viseu Contabilidade e Administração População, amostra e inferência estatística
Leia maisAula 3 - Revisão de Probabilidade e Estatística: Esclarecimento de Dúvidas
Aula 3 - Revisão de Probabilidade e Estatística: Esclarecimento de Dúvidas Matheus Rosso e Camila Steffens 19 de Março de 2018 Independência de variáveis aleatórias Duas V.A. são independentes se, e somente
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 maisTestes de Hipóteses. Ricardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo
Testes de Hipóteses Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Introdução e notação Em geral, intervalos de confiança são a forma mais
Leia maisLista de Exercicios 1 MEDIDAS RESUMO. ESTIMAÇÃO PONTUAL.
Introdução à Inferência Estatística Departamento de Física é Matemática. USP-RP. Prof. Rafael A. Rosales 5 de setembro de 004 Lista de Exercicios 1 MEDIDAS RESUMO. ESTIMAÇÃO PONTUAL. 1 Medidas Resumo DISTRIBUIÇÕES
Leia maisModelos Lineares Generalizados - Estimação em Modelos Lineares Generalizados
Modelos Lineares Generalizados - Estimação em Modelos Lineares Generalizados Erica Castilho Rodrigues 23 de Maio de 207 Introdução 2 3 Vimos como encontrar o EMV usando algoritmos numéricos. Duas possibilidades:
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 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 maisUNIVERSIDADE FEDERAL DA PARAÍBA. Variáveis Aleatórias. Departamento de Estatística Luiz Medeiros
UNIVERSIDADE FEDERAL DA PARAÍBA Variáveis Aleatórias Departamento de Estatística Luiz Medeiros Introdução Como sabemos, características de interesse em diversas áreas estão sujeitas à variação; Essa variabilidade
Leia maisAULA 7 - Inferência em MQO: ICs e Testes de
AULA 7 - Inferência em MQO: ICs e Testes de Hipóteses Susan Schommer Econometria I - IE/UFRJ Nosso primeiro objetivo aqui é relembrar a diferença entre estimação de ponto vs estimação de intervalo. Vamos
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 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 mais3 a Lista de PE Solução
Universidade de Brasília Departamento de Estatística 3 a Lista de PE Solução. Se X representa o ganho do jogador, então os possíveis valores para X são,, 0, e 4. Esses valores são, respectivamente, correspondentes
Leia maisIntrodução à Inferência Estatística
Introdução à Inferência Estatística Profa. Airlane P. Alencar e Prof. Francisco Marcelo M. da Rocha 11 de Setembro de 2018 Alencar, A.P. e Rocha, F.M.M. (IME-USP e EPPEN - UNIFESP) Estatística I 11 de
Leia maisIntrodução à Inferência Estatística
Introdução à Inferência Estatística Prof. Dr. Francisco Marcelo M. da Rocha 10 de Setembro de 2018 Rocha, F.M.M. (EPPEN - UNIFESP) Estatística I 10 de Setembro de 2018 1 / 60 Índice 1 Objetivo da Aula
Leia maisFundamentos de Estatística
Fundamentos de Estatística Clássica Workshop Análise de Incertezas e Validação Programa de Verão 2017 Marcio Borges 1 1LABORATÓRIO NACIONAL DE COMPUTAÇÃO CIENTÍFICA mrborges@lncc.br Petrópolis, 9 de Fevereiro
Leia maisInferência para Duas Populações
Universidade Federal Fluminense Instituto de Matemática e Estatística Inferência para Duas Populações Ana Maria Lima de Farias Fábio Nogueira Demarqui Departamento de Estatística Março 2017 Sumário 1 Inferência
Leia maisEstatística para Estudantes de Matemática. III Colóquio de Matemática da Região Sul
Mônica C. Sandoval, Silvia L. P. Ferrari e Heleno Bolfarine Estatística para Estudantes de Matemática III Colóquio de Matemática da Região Sul Florianópolis, SC 2014 Mônica C. Sandoval, Silvia L. P. Ferrari
Leia maisVariável Aleatória. Gilson Barbosa Dourado 6 de agosto de 2008
Variável Aleatória Gilson Barbosa Dourado gdourado@uneb.br 6 de agosto de 2008 Denição de Variável Aleatória Considere um experimento E e seu espaço amostral Ω = {a 1, a 2,..., a n }. Variável aleatória
Leia maisMAE0229 Introdução à Probabilidade e Estatística II
Exercício Entre jovens atletas, um nível alto de colesterol pode ser considerado preocupante e indicativo para um acompanhamento médico mais frequente. Suponha que são classificados como tendo taxa de
Leia maisTestes de Hipóteses. Ricardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo
Testes de Hipóteses Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Introdução e notação Em geral, intervalos de confiança são a forma mais
Leia maisProbabilidade II. Departamento de Estatística. Universidade Federal da Paraíba
Probabilidade II Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula 02/14 1 / 1 A distribuição F de Snedecor também conhecida como distribuição de Fisher é frequêntemente
Leia maisTeorema do Limite Central
Teorema do Limite Central Bacharelado em Economia - FEA - Noturno 1 o Semestre 2014 MAE0219 (IME-USP) Teorema do Limite Central 1 o Semestre 2014 1 / 47 Objetivos da Aula Sumário 1 Objetivos da Aula 2
Leia mais{ C(1 x 2 ), se x ( 1, 1), f(x) = Cxe x/2, se x > 0, x + k, se 0 x 3; 0, c.c. k, se 1 < x 2; kx + 3k, se 2 < x 3;
Universidade de Brasília Departamento de Estatística 4 a Lista de PE 1. Seja X uma variável aleatória com densidade { C(1 x 2 ), se x ( 1, 1), 0, se x / ( 1, 1). a) Qual o valor de C? b) Qual a função
Leia maisAula 4. Aula de hoje. Aula passada
Aula 4 Aula passada Função de distribuição Bernoulli Sequência de v.a. Binomial, Geométrica, Zeta Valor esperado Variância Distribuição conjunta Independência de v.a. Aula de hoje Valor esperado condicional
Leia maisEstatísticas Inferenciais Distribuições Amostrais. Estatística
Estatística Na descrição dos conjuntos de dados x 1,..., x n, não foi feita menção ao conceito de população. Estatísticas inferenciais: preocupadas com a fonte dos dados e em tentar fazer generalizações
Leia maisDistribuições Discretas
META: Estudar o comportamento das Variáveis Aleatórias Discretas, bem como das Distribuições Binomial e Poisson e suas aplicações. Entender o comportamento de uma Variável aleatória Contínua. OBJETIVOS:
Leia maisDA PARAÍBA. Variáveis Aleatórias. Departamento de Estatística Luiz Medeiros
UNIVERSIDADE FEDERAL DA PARAÍBA Variáveis Aleatórias Departamento de Estatística Luiz Medeiros Introdução Como sabemos, características de interesse em diversas áreas estão sujeitas à variação Essa variabilidade
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Intervalo de confiança Método de Replicações Independentes Aula de hoje Para que serve a inferência estatística? Método dos Momentos Maximum
Leia maisa) o time ganhe 25 jogos ou mais; b) o time ganhe mais jogos contra times da classe A do que da classe B.
Universidade de Brasília Departamento de Estatística 5 a Lista de PE. Um time de basquete irá jogar uma temporada de 44 jogos. desses jogos serão disputados contra times da classe A e os 8 restantes contra
Leia maisVARIÁVEIS ALEATÓRIAS
UNIVERSIDADE FEDERAL DE JUIZ DE FORA INSTITUTO DE CIÊNCIAS EXATAS DEPARTAMENTO DE ESTATÍSTICA VARIÁVEIS ALEATÓRIAS Joaquim H Vianna Neto Relatório Técnico RTE-03/013 Relatório Técnico Série Ensino Variáveis
Leia maisLista de Exercicios 1. Medidas Resumo. Estimação. Distribuições Amostrais
Introcução à Inferência Estatística. Departamento de Física é Matemática. USP-RP. Prof. Rafael A. Rosales 15 de agosto de 007 Lista de Exercicios 1 Medidas Resumo. Estimação. Distribuições Amostrais 1
Leia maisSUMÁRIOS DE VARIÁVEIS ALEATÓRIAS CONTINUAS
4 SUMÁRIOS DE VARIÁVEIS ALEATÓRIAS CONTINUAS Em muitos problemas de probabilidade que requerem o uso de variáveis aleatórias, uma completa especificação da função de densidade de probabilidade ou não está
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 maisAmostra Aleatória Simples
Amostra Aleatória Simples Airlane Pereira Alencar 4 de Abril de 2018 Alencar, A.P. (IME-USP) Amostra Aleatória Simples 4 de Abril de 2018 1 / 34 Definições e Notações Notações População ou Universo U =
Leia maisAULA 15 - Distribuição de Bernoulli e Binomial
AULA 15 - Distribuição de Bernoulli e Binomial Susan Schommer Introdução à Estatística Econômica - IE/UFRJ Variável Aleatória de Bernoulli Podemos dizer que as variáveis aleatórias mais simples entre as
Leia maisCatarina Marques. Estatística II Licenciatura em Gestão. Conceitos: População, Unidade Estatística e Amostra
Amostragem Estatística II Licenciatura em Gestão 1 Conceitos: População, Unidade Estatística e Amostra População (ou Universo) dimensão N Conjunto de unidades com uma ou mais características comuns População
Leia maisTiago Viana Flor de Santana
ESTATÍSTICA BÁSICA DISTRIBUIÇÃO NORMAL DE PROBABILIDADE (MODELO NORMAL) Tiago Viana Flor de Santana www.uel.br/pessoal/tiagodesantana/ tiagodesantana@uel.br sala 07 Curso: MATEMÁTICA Universidade Estadual
Leia maisVariáveis Aleatórias. Henrique Dantas Neder. April 26, Instituto de Economia - Universidade Federal de Uberlândia
Variáveis Aleatórias Henrique Dantas Neder Instituto de Economia - Universidade Federal de Uberlândia April 2, 202 VARIÁVEL ALEATÓRIA DISCRETA O conceito de variável aleatória está intrínsicamente relacionado
Leia maisMOQ 13 PROBABILIDADE E ESTATÍSTICA. Professor: Rodrigo A. Scarpel
MOQ 13 PROBABILIDADE E ESTATÍSTICA Professor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semanas 1 3 4 5 6 7 8 9 10 11 1 13 14 15 e 16 Introdução à probabilidade (eventos,
Leia maisUnidade IV Inferência estatística
6//5 Unidade IV Inferência estatística 4.. Introdução e histórico 4.. Conceitos fundamentais 4.3. Distribuições amostrais e Teorema central do limite 4.4. Estimação de parâmetros 4.5. Testes de hipóteses
Leia maisIntrodução à probabilidade e à estatística II. Prof. Alexandre G Patriota Sala: 298A Site:
Introdução à probabilidade e à estatística II Revisão Prof. Alexandre G Patriota Sala: 298A Email: patriota@ime.usp.br Site: www.ime.usp.br/ patriota Estatística Estatística: É uma ciência que se dedica
Leia maisLes Estatística Aplicada II AMOSTRA E POPULAÇÃO
Les 0407 - Estatística Aplicada II AMOSTRA E POPULAÇÃO AULA 1 04/08/16 Prof a Lilian M. Lima Cunha Agosto de 2016 Estatística 3 blocos de conhecimento Estatística Descritiva Levantamento e resumo de dados
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 maisVariáveis aleatórias
Variáveis aleatórias Joaquim Neto joaquim.neto@ufjf.edu.br www.ufjf.br/joaquim_neto Departamento de Estatística - ICE Universidade Federal de Juiz de Fora (UFJF) Versão 3.0 Joaquim Neto (UFJF) ICE - UFJF
Leia maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS 2003 2004 2005 2006 2007 2008 2009 2010 X 39,0 39,5 39,5 39,0 39,5 41,5 42,0 42,0 Y 46,5 65,5 86,0 100,0 121,0 150,5 174,0 203,0 A tabela acima mostra as quantidades, em milhões
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 maisRalph S. Silva
ANÁLISE ESTATÍSTICA MULTIVARIADA Ralph S Silva http://wwwimufrjbr/ralph/multivariadahtml Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Sumário Revisão:
Leia maisCálculo das Probabilidades e Estatística I
Cálculo das Probabilidades e Estatística I Prof a. Juliana Freitas Pires Departamento de Estatística Universidade Federal da Paraíba - UFPB juliana@de.ufpb.br Variáveis Aleatórias Ao descrever um espaço
Leia maisCálculo das Probabilidades e Estatística I
Cálculo das Probabilidades e Estatística I 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:
Leia maisVariáveis Aleatórias Contínuas e Distribuição de Probabilidad
Variáveis Aleatórias Contínuas e Distribuição de Probabilidades - parte III 23 de Abril de 2012 Introdução Objetivos Ao final deste capítulo você deve ser capaz de: Calcular probabilidades aproximadas
Leia maisBioestatística e Computação I
Bioestatística e Computação I Distribuição Amostral da Média Maria Virginia P Dutra Eloane G Ramos Vania Matos Fonseca Pós Graduação em Saúde da Mulher e da Criança IFF FIOCRUZ Baseado nas aulas de M.
Leia maisDistribuições derivadas da distribuição Normal. Distribuição Normal., x real.
Distribuições derivadas da distribuição Normal Distribuição Normal Uma variável aleatória X tem distribuição normal com parâmetros µ e σ, quando sua densidade de probabilidade é f ( x) π σ e ( x µ ) σ,
Leia maisVariáveis Aleatórias Discretas e Distribuição de Probabilidade
Variáveis Aleatórias Discretas e Distribuição de Probabilidades - parte IV 2012/02 1 Distribuição Poisson Objetivos Ao final deste capítulo você deve ser capaz de: Ententer suposições para cada uma das
Leia mais