n ) uma amostra aleatória da variável aleatória X.
|
|
- Larissa de Figueiredo Canto
- 5 Há anos
- Visualizações:
Transcrição
1 - Distribuições amostrais Cosidere uma população de objetos dos quais estamos iteressados em estudar uma determiada característica. Quado dizemos que a população tem distribuição FX ( x ), queremos dizer que estamos ivestigado uma característica X dos elemetos desta população e que esta característica X é uma variável aleatória com fução de distribuição F x. X ( ) Seja ( X, X,..., X ) uma amostra aleatória da variável aleatória X. Defiição. Uma variável aleatória G G ( X, X,..., X ) = defiida como uma fução das variáveis aleatórias compoetes de uma amostra é chamada Estatística. Uma preocupação básica a estatística matemática é a determiação da distribuição das X, X,..., X de uma variável X. estatísticas defiidas a partir de uma amostra ( ) Em um primeiro tipo de problema devemos buscar para todo, a fução de distribuição de G. Tal distribuição é chamada distribuição exata da estatística G, e seu cohecimeto é de vital importâcia a solução de problemas estatísticos, quado o úmero de observações é pequeo. Neste caso estamos tratado de pequeas amostras. Num segudo tipo de problema ão estaremos iteressados em ivestigar a distribuição exata de G para um determiado, e sim sua distribuição limite quado, e este caso estamos lidado com grades amostras. Não há um critério geral estabelecido teoricamete que os permite dizer se uma amostra é grade ou ão. Isto depede da estatística em aálise. Uma amostra pode ser cosiderada grade para uma estatística e isuficiete para outra estatística. Defiição. X, X,..., X é uma amostra de uma variável aleatória X, chama-se média da Se ( ) amostra, à estatística G defiida por X = X i = i. - Distribuição de Amostragem da Média da Amostra. Seja X uma variável aleatória com média µ e variâcia de tamaho de X, temos:. Defiida uma amostra aleatória.. - Média da Média da Amostra.
2 E X E X E X i= i= ( ) = i = ( i ) = µ = µ (.) Obs: o fato da média da estatística X ser igual a média de X, ão sigifica que a média amostral x de uma particular amostra seja ecessariamete igual a µ. A iterpretação correta é a seguite: fixado um valor de, se realizarmos todas as amostras possíveis de tamaho da variável aleatória X, a média dos x s ecotrados é igual a µ. Exercício proposto: Cosidere a população costituída pelo cojuto {,5,6,7 }. Defia todas as amostras 4 possíveis de tamaho 3, um total de = 4 3 verifique a observação cometada.. Calcule os valores de x, ( k,,3, 4) k = e.. - Variâcia da Média da Amostra. VAR X VAR X VAR X i= i= ( ) = i = ( i ) = = (.) Obs: Covém registrar que a variâcia da média da amostra, para >, é sempre meor que variâcia de X. Teorema. Seja X a média da amostra ( ) X, X,..., X de uma variável aleatória com média µ e desvio padrão. Nestas codições X coverge em probabilidade para a média µ de X. O teorema é facilmete comprovado, pois lim VAR ( X ) = lim = 0, e, aplicado-se a desigualdade de Chebyshev o resultado é imediato Distribuição da média da amostra quado X é Normal (µ,). Ecotrar a distribuição exata de uma estatística pode em algus casos ser muito complicado. Cotudo há métodos que freqüetemete são usados para resolver este tipo de problema. Vamos usar propriedades das fuções características, para determiar a distribuição de X quado X tem distribuição ormal de parâmetros µ e. Se X é N(µ,) etão sua fução característica é dada por: t ϕ X ( t ) = exp itµ (.3)
3 De acordo com propriedades das fuções características, teremos etão que t t ϕ X ( t ) = ϕ X, e coseqüetemete, ϕ X ( t ) = exp itµ. Ora a fução característica ecotrada correspode a de uma variável aleatória ormal de parâmetros µ e. Exemplo. X, X,..., X uma amostra aleatória de uma variável aleatória N(;). Como vimos Seja ( ) 0 em (.) a distribuição de X é ormal de parâmetros µ = e A probabilidade de X pertecer ao itervalo (,3) é P < X < 3 = P 0,5 < Z < 0,5 0,38 ( ) ( ) A probabilidade de X pertecer ao itervalo (,3) é P ( < X < 3) = P (, 58 < Z <, 58) 0, 88 = 0,63 0. Na prática, podemos iterpretar os resultados da seguite maeira: se selecioarmos diversas amostras de tamaho = 0 de uma variável X com distribuição N(,), em aproximadamete 88 a cada 00 amostras, ecotraremos o valor observado de X o itervalo (,3). Por outro lado, se selecioarmos um elemeto da população, um grade úmero de vezes, obteremos somete 38 a cada 00 vezes, valores observados de X, aquele itervalo. Isto ocorre, evidetemete, porque a distribuição de X está mais cocetrada em toro de µ =, do que a distribuição de X. O gráfico. mostra as desidades das variáveis aleatórias N(,) e N(;0,63), respectivamete.
4 ..4 - Distribuição Assitótica da média da amostra de X. Se X é a média de uma amostra aleatória ( X, X,..., X ), de uma variável X, etão, para suficietemete grade, de acordo com o Teorema Cetral do Limite (TCL), devido a Lideberg-Lévy, X é assitoticamete ormal de média µ e desvio padrão. Decorrete disto, variável reduzida de X - a qual represetaremos por Z - tem distribuição ( X µ ) assitoticamete ormal padrão, isto é Z = é N 0, Vale lembrar, a título de revisão, que o TCL, impõe apeas que as variáveis X i, i=,,..., sejam idepedetes e ideticamete distribuídas (i.i.d.), com mesma média e variâcia. Como as variáveis aleatórias compoetes de amostra aleatória satisfazem esta codição, a aplicação do Teorema quado é suficietemete grade, resolve assitoticamete o problema de determiar a distribuição da estatística X, idepedetemete da origem populacioal ( )..5 - Distribuição de amostragem da média da amostra de X quado X ão é Normal. Se X ão tem distribuição ormal e se ão é grade, o estabelecimeto da distribuição exata de X é fudametal. O problema cosiste em buscar a solução a teoria de trasformadas de variáveis aleatórias - o caso trata-se de uma trasformada do tipo R R - e, a maioria dos casos, a aplicação das propriedades da fução característica de uma fução liear de variáveis aleatórias idepedetes é usada.. - Distribuição de amostragem da variâcia da amostra de X Defiição.3: Se ( X, X,..., X ) é uma amostra de uma variável aleatória X, chama-se variâcia da amostra, à estatística G defiida por S = ( Xi X ) i = Dada uma amostra ( X, X,..., X ) de uma variável aleatória X com média µ e desvio padrão, as variáveis X i, i =,,..., são ideticamete distribuídas, com mesma distribuição de X, e, por coseqüêcia, elas tem os mesmos mometos de X. Assim, ( i ) ( ) ( ) ( ) E ( Xi ) E ( X ) E X = E X = VAR X + E X, para todo i =,,..,, ou seja, = = + µ.
5 Por outro lado, como X tem média µ e desvio padrão E ( X ) = + µ., pode-se escrever: Etão: ( i ) E ( X ) E X ( ) = = para todo i =,,.., Sabemos também que E ( Xi X ) = E ( Xi XXi + X ) i= i= Como as variáveis X e Fialmete, = E Xi X + X i= = E Xi X i= i i= ( i ) E ( X ) = E X X, i=,,..., são ideticamete distribuídas, escrevemos E X X E X E X i= ( i ) = ( ) ( ) E X X i= = = ( i ) = ( ) E ( Xi X ) (.4) i De modo que, coveietemete, defiimos a estatística variâcia da amostra por: S = ( Xi X ), de tal forma que E ( S ) =. i = Defiição.4 X, X,..., X é uma amostra de uma variável aleatória X, chama-se desvio padrão da Se ( ) amostra, à estatística G defiida por = S = + S = + X X i ( i ) Teorema.
6 Se ( X, X,...,X ) é uma amostra aleatória de uma variável X com distribuição ormal de média µ e desvio padrão, etão - as estatísticas X e S são idepedetes. - ( ) S tem distribuição qui-quadrado com (-) graus de liberdade Esta distribuição está relacioada com a distribuição da variâcia amostral obtida a partir de uma amostra aleatória Normal. Se desejarmos costruir um itervalo de cofiaça baseado a variâcia amostral que coteha com alta probabilidade a variâcia(descohecida) da distribuição Normal, este itervalo deverá ser baseado a distribuição qui-quadrado! O mesmo acotece com teste de hipótese sobre a variâcia populacioal..3 - Distribuição de amostragem da média da amostra de X quado ão é cohecido. Ateriormete vimos que a média da amostra X = X de uma população X com i = distribuição N(µ,) tem distribuição N ; µ. Se cohecermos o valor de µ, mas descohecemos o valor de, etão a distribuição de X a verdade é uma família de distribuições depededo de um parâmetro, pertecete a um cojuto paramétrico > 0. { } Obviamete ão podemos substituir (desvio padrão da população) por s (desvio padrão amostral), pois S = + S é uma variável aleatória e pode assumir diferetes valores em diferetes amostras. Se desejarmos deduzir alguma iformação sobre µ, sem o cohecimeto de, devemos buscar uma estatística que seja fução de µ, mas com distribuição idepedete de. Este problema foi resolvido por Gosset (pseudôimo: Studet) que defiiu chamada Estatística T de Studet. Defiição.5 Sejam X, X, X,..., X variáveis aleatórias idepedetes, todas com distribuição N(0, ). Dizemos que T tem distribuição de Studet com graus de liberdade se i T = X i = X i.
7 A variável T pode ser apresetada alterativamete como segue: Defie-se X Xi Z = e Zi = com distribuição ormal padrão, isto é N(0,), para todo i =,,...,. Substituido-se esses valores em T, obtemos: Z T = e T= Z ( Zi ) Zi i= i= Zi é uma variável aleatória qui- i= Observemos que Z é uma variável aleatória N(0,) e quadrado com graus de liberdade. (.5) Devido à importâcia da distribuição T a Teoria de Iferêcia Estatística, vale a pea estabelecer uma fórmula simbólica para tal variável, qual seja T = Z χ, ode Z é N(0,) (.6) A leitura desta fórmula é: a variável aleatória T de Studet com graus de liberdade, é a razão etre uma variável aleatória N(0,), e a raiz quadrada de uma variável aleatória qui-quadrado com graus de liberdade, esta dividida pelo seu parâmetro, sedo ambas as variáveis idepedetes Teorema.3 - Razão de Studet Seja ( X, X,..., X ) uma amostra aleatória de uma variável X com distribuição ormal de média µ e desvio padrão. Se ( X µ ) amostra, etão S X e S são respectivamete a média e variâcia da tem distribuição de Studet com (-) graus de liberdade. ( µ ) X- De fato sabemos que X é N µ, e é N(0,), equato que ( ) S tem distribuição qui-quadrado com (-) graus de liberdade. Se usarmos a fórmula (.5) obteremos
8 ( ) ( ) ( ) X µ X µ T = T - = ( ) S S (.7) Observamos que a defiição.5 a v.a. T foi costruída a partir de ( + ) variáveis aleatórias idepedetes, uma delas compodo o umerador da razão e as demais o deomiador. No Teorema.3 temos variáveis defiidas gerado uma v.a. de Studet com (-) graus de liberdade, como era esperado. Resta cometar que este caso, as variáveis que compõem X X, i =,,..., que, como já visto, são ão correlacioadas com o deomiador são ( i ) X, e aida idepedetes, por terem origem ormal..4- Distribuição da Razão etre as variâcias de duas amostras idepedetes das N ( 0, ) variáveis X e Y, ambas com distribuição. Esta variável aleatória é defiida como o coeficiete de duas variáveis aleatórias com distribuição qui-quadrado. Sejam X,X,...,X e Y,Y,...,Y m variáveis aleatórias idepedetes com distribuição N ( 0, ). Temos etão defiidas duas amostras aleatórias idepedetes, com variâcias são respectivamete S = X X e S = Y Y m x i y i i= m i= ( ) ( ) (.8) Coforme estabelecido o teorema. as variáveis ( ) S ( m-) Sy e x liberdade. S e S são tais que x y tem distribuição qui-quadrado com (-) e (m-) graus de Nessas codições, defiimos uma variável aleatória Sedecor com - e m- graus de liberdade S F =, com distribuição de x,m Sy.5 - Distribuição da Difereça etre as Médias de duas amostras idepedetes das variáveis X e Y, ambas com distribuição N(µ,).
9 Sejam X,X,...,X,Y,Y,...,Y m variáveis aleatórias idepedetes com distribuição ( ) N µ,. Temos etão defiidas duas amostras aleatórias idepedetes com médias X e Y, respectivamete. As variâcias das duas amostras são respectivamete S = X X e S = Y Y m x i y i i= m i= Cosideremos estatística ( X Y ) variâcia são, respectivamete: ( ) ( ). E ( X Y ) = E ( X ) E ( Y ) = µ µ = 0, difereça etre as duas médias em questão, a média e + m VAR ( X Y ) = VAR ( X ) + VAR ( Y ) = + = m m Por ser uma combiação de variáveis aleatórias ormais, escrevemos etão que ( + ) é ( X Y ) N 0; m m e ( X Y ) + m m é N(0,) (.9) Sedo um parâmetro descohecido, devemos substituí-lo por uma estatística da amostra que é a média poderada das variâcias das amostras, ou seja, ( ) SX + ( m ) SY Sp = (.0) + m Note que ( + ) = ( ) + ( ) m S S m S p X Y Dividido-se ambos os membros da igualdade por, temos: ( + ) ( ) ( ) m S S m S p X Y = + (.) Como as amostras são idepedetes, as variáveis χ e χ m são idepedetes e sua soma defie uma variável qui-quadrado com (m + -) graus de liberdade. Assim, se é descohecida, costruímos uma v.a. de Studet com + m - graus de liberdade, como segue
10 T ( X Y ) + m = m T = + m + m ( + m ) Sp ( m ) + ( ) X Y m S + m p que os permitirá estudar itervalo de cofiaça e realizar testes de hipótese sobre a difereça etre as médias de duas populações.
Distribuições Amostrais
7/3/07 Uiversidade Federal do Pará Istituto de Tecologia Estatística Aplicada I Prof. Dr. Jorge Teófilo de Barros Lopes Campus de Belém Curso de Egeharia Mecâica 3/07/07 09:3 ESTATÍSTICA APLICADA I - Teoria
Leia maisDistribuições Amostrais
9/3/06 Uiversidade Federal do Pará Istituto de Tecologia Estatística Aplicada I Prof. Dr. Jorge Teófilo de Barros Lopes Campus de Belém Curso de Egeharia Mecâica 3/09/06 3:38 ESTATÍSTICA APLICADA I - Teoria
Leia mais6.1 Estimativa de uma média populacional: grandes amostras. Definição: Um estimador é uma característica amostral (como a média amostral
6 ESTIMAÇÃO 6.1 Estimativa de uma média populacioal: grades amostras Defiição: Um estimador é uma característica amostral (como a média amostral x ) utilizada para obter uma aproximação de um parâmetro
Leia maisCap. 4 - Estimação por Intervalo
Cap. 4 - Estimação por Itervalo Amostragem e iferêcia estatística População: cosiste a totalidade das observações em que estamos iteressados. Nº de observações a população é deomiado tamaho=n. Amostra:
Leia maisEstimação da média populacional
Estimação da média populacioal 1 MÉTODO ESTATÍSTICO Aálise Descritiva Teoria das Probabilidades Iferêcia Os dados efetivamete observados parecem mostrar que...? Se a distribuição dos dados seguir uma certa
Leia mais1 Distribuições Amostrais
1 Distribuições Amostrais Ao retirarmos uma amostra aleatória de uma população e calcularmos a partir desta amostra qualquer quatidade, ecotramos a estatística, ou seja, chamaremos os valores calculados
Leia maisDESIGUALDADES, LEIS LIMITE E TEOREMA DO LIMITE CENTRAL. todas as repetições). Então, para todo o número positivo ξ, teremos:
48 DESIGUALDADES, LEIS LIMITE E TEOREMA DO LIMITE CENTRAL LEI DOS GRANDES NÚMEROS Pretede-se estudar o seguite problema: À medida que o úmero de repetições de uma experiêcia cresce, a frequêcia relativa
Leia maisEstimadores de Momentos
Estimadores de Mometos A média populacioal é um caso particular daquilo que chamamos de mometo. Na realidade, ela é o primeiro mometo. Se X for uma v.a. cotíua, com desidade f(x; θ 1,..., θ r ), depededo
Leia maisAmostras Aleatórias e Distribuições Amostrais. Probabilidade e Estatística: afinal, qual é a diferença?
Amostras Aleatórias e Distribuições Amostrais Probabilidade e Estatística: afial, qual é a difereça? Até agora o que fizemos foi desevolver modelos probabilísticos que se adequavam a situações reais. Por
Leia maisLista de Exercícios #6 Assunto: Propriedade dos Estimadores e Métodos de Estimação
Assuto: Propriedade dos Estimadores e Métodos de Estimação. ANPEC 08 - Questão 6 Por regulametação, a cocetração de um produto químico ão pode ultrapassar 0 ppm. Uma fábrica utiliza esse produto e sabe
Leia maisLista de Exercícios #4 Assunto: Variáveis Aleatórias Contínuas
. ANPEC 8 - Questão Seja x uma variável aleatória com fução desidade de probabilidade dada por: f(x) = x, para x f(x) =, caso cotrário. Podemos afirmar que: () E[x]=; () A mediaa de x é ; () A variâcia
Leia maisEstatística. Estatística II - Administração. Prof. Dr. Marcelo Tavares. Distribuições de amostragem. Estatística Descritiva X Estatística Inferencial
Estatística II - Admiistração Prof. Dr. Marcelo Tavares Distribuições de amostragem Na iferêcia estatística vamos apresetar os argumetos estatísticos para fazer afirmações sobre as características de uma
Leia maisDistribuições de Estatísticas Amostrais e Teorema Central do Limite
Distribuições de Estatísticas Amostrais e Teorema Cetral do Limite Vamos começar com um exemplo: A mega-sea de 996 a N 894 úmeros de a 6: Média: m 588 Desvio padrão: 756 49 amostras de 6 elemetos Frequêcia
Leia maisbinomial seria quase simétrica. Nestas condições será também melhor a aproximação pela distribuição normal.
biomial seria quase simétrica. Nestas codições será também melhor a aproximação pela distribuição ormal. Na prática, quado e p > 7, a distribuição ormal com parâmetros: µ p 99 σ p ( p) costitui uma boa
Leia maisESTIMAÇÃO PARA A MÉDIA
ESTIMAÇÃO PARA A MÉDIA Objetivo Estimar a média de uma variável aleatória, que represeta uma característica de iteresse de uma população, a partir de uma amostra. Vamos observar elemetos, extraídos ao
Leia maisDistribuições Amostrais
Distribuições Amostrais O problema da iferêcia estatística: fazer uma afirmação sobre os parâmetros da população θ (média, variâcia, etc) através da amostra. Usaremos uma AAS de elemetos sorteados dessa
Leia maisTeorema do limite central e es/mação da proporção populacional p
Teorema do limite cetral e es/mação da proporção populacioal p 1 RESULTADO 1: Relembrado resultados importates Seja uma amostra aleatória de tamaho de uma variável aleatória X, com média µ e variâcia σ.temos
Leia maisEstimação da média populacional
Estimação da média populacioal 1 MÉTODO ESTATÍSTICO Aálise Descritiva Teoria das Probabilidades Iferêcia Os dados efetivamete observados parecem mostrar que...? Se a distribuição dos dados seguir uma certa
Leia maisDISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL INTRODUÇÃO ROTEIRO POPULAÇÃO E AMOSTRA. Estatística Aplicada à Engenharia
ROTEIRO DISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL 1. Itrodução. Teorema Cetral do Limite 3. Coceitos de estimação potual 4. Métodos de estimação potual 5. Referêcias Estatística Aplicada à Egeharia 1 Estatística
Leia maisObjetivo. Estimar a média µ de uma variável aleatória X, que representa uma característica de interesse de uma população, a partir de uma amostra.
ESTIMAÇÃO PARA A MÉDIAM Objetivo Estimar a média µ de uma variável aleatória X, que represeta uma característica de iteresse de uma população, a partir de uma amostra. Exemplos: µ : peso médio de homes
Leia maisESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p
ESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p Objetivo Estimar uma proporção p (descohecida) de elemetos em uma população, apresetado certa característica de iteresse, a partir da iformação forecida por uma amostra.
Leia maisSumário. 2 Índice Remissivo 17
i Sumário 1 Itrodução à Iferêcia Estatística 1 1.1 Defiições Básicas................................... 1 1.2 Amostragem....................................... 2 1.2.1 Tipos de Amostragem.............................
Leia maisObtemos, então, uma amostra aleatória de tamanho n de X, que representamos por X 1, X 2,..., X n.
Vamos observar elemetos, extraídos ao acaso e com reposição da população; Para cada elemeto selecioado, observamos o valor da variável X de iteresse. Obtemos, etão, uma amostra aleatória de tamaho de X,
Leia maisStela Adami Vayego DEST/UFPR
Resumo 0 Estimação de parâmetros populacioais 9.. Itrodução Aqui estudaremos o problema de avaliar certas características dos elemetos da população (parâmetros), com base em operações com os dados de uma
Leia maisObjetivo. Estimar a média de uma variável aleatória X, que representa uma característica de interesse de uma população, a partir de uma amostra.
Objetivo Estimar a média de uma variável aleatória X, que represeta uma característica de iteresse de uma população, a partir de uma amostra. Exemplos: : peso médio de homes a faixa etária de 20 a 30 aos,
Leia maisEstimar uma proporção p (desconhecida) de elementos em uma população, apresentando certa característica de interesse, a partir da informação
ESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p 1 Objetivo Estimar uma proporção p (descohecida) de elemetos em uma população, apresetado certa característica de iteresse, a partir da iformação forecida por uma
Leia mais1 Estimação de Parâmetros
1 Estimação de arâmetros Vários tipos de estudos tem o objetivo de obter coclusões fazer iferêcias a respeito de parâmetros de uma população. A impossibilidade de avaliar toda a população faz com que a
Leia maisTeoria da Estimação 1
Teoria da Estimação 1 Um dos pricipais objetivos da estatística iferecial cosiste em estimar os valores de parâmetros populacioais descohecidos (estimação de parâmetros) utilizado dados amostrais. Etão,
Leia maisESTIMAÇÃO POR INTERVALO (INTERVALOS DE CONFIANÇA)
06 ETIMÇÃO OR INTERVLO (INTERVLO DE CONINÇ) Cada um dos métodos de estimação potual permite associar a cada parâmetro populacioal um estimador. Ora a cada estimador estão associadas tatas estimativas diferetes
Leia maisComparação entre duas populações
Comparação etre duas populações AMOSTRAS INDEPENDENTES Comparação etre duas médias 3 Itrodução Em aplicações práticas é comum que o iteresse seja comparar as médias de duas diferetes populações (ambas
Leia maisCapítulo 5- Introdução à Inferência estatística. (Versão: para o manual a partir de 2016/17)
Capítulo 5- Itrodução à Iferêcia estatística. (Versão: para o maual a partir de 2016/17) 1.1) Itrodução.(222)(Vídeo 39) Na iferêcia estatística, aalisamos e iterpretamos amostras com o objetivo de tirar
Leia maisCapítulo 5- Introdução à Inferência estatística.
Capítulo 5- Itrodução à Iferêcia estatística. 1.1) Itrodução.(184) Na iferêcia estatística, aalisamos e iterpretamos amostras com o objetivo de tirar coclusões acerca da população de ode se extraiu a amostra.
Leia maisDISTRIBUIÇÕES DE PROBABILIDADE
DISTRIBUIÇÕES DE PROBABILIDADE DISTRIBUIÇÃO DE PROBABILIDADE Seja uma v.a. que assume os valores,,..., com probabilidade p, p,..., p associadas a cada elemeto de, sedo p p... p diz-se que está defiida
Leia maisNOTAS DE AULA: DISTRIBUIÇÃO AMOSTRAL E INTERVALOS DE CONFIANÇA
NOTAS DE AULA: DISTRIBUIÇÃO AMOSTRAL E INTERVALOS DE CONFIANÇA Objetivos da aula: Compreeder que um estimador é uma variável aleatória e, portato, pode-se estabelecer sua distribuição probabilística; Estabelecer
Leia maisAMOSTRAGEM ALEATÓRIA DISTRIBUIÇÕES POR AMOSTRAGEM
6 AMOSTRAGEM ALEATÓRIA DISTRIBUIÇÕES POR AMOSTRAGEM Quado se pretede estudar uma determiada população, aalisam-se certas características ou variáveis dessa população. Essas variáveis poderão ser discretas
Leia maisMAE Introdução à Probabilidade e Estatística II Resolução Lista 2
MAE 9 - Itrodução à Probabilidade e Estatística II Resolução Lista Professor: Pedro Moretti Exercício 1 Deotado por Y a variável aleatória que represeta o comprimeto dos cilidros de aço, temos que Y N3,
Leia maisESTATÍSTICA. PROF. RANILDO LOPES U.E PROF EDGAR TITO
ESTATÍSTICA PROF. RANILDO LOPES http://ueedgartito.wordpress.com U.E PROF EDGAR TITO Medidas de tedêcia cetral Medidas cetrais são valores que resumem um cojuto de dados a um úico valor que, de alguma
Leia maisMétodos Numéricos e Estatísticos Parte II-Métodos Estatísticos Estimação pontual e intervalar
potual por itervalos Métodos Numéricos e Estatísticos Parte II-Métodos Estatísticos potual e itervalar Lic. Eg. Biomédica e Bioegeharia-2009/2010 potual por itervalos A Teoria das Probabilidades cosiste
Leia maisInstruções gerais sobre a Prova:
DEPARTAMENTO DE ESTATÍSTICA - UFMG PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 2012/2013 Istruções gerais sobre a Prova: (a) Cada questão respodida corretamete vale 1 (um) poto. (b) Cada
Leia maisAula 5. Aula de hoje. Aula passada. Limitante da união Método do primeiro momento Lei dos grandes números (fraca e forte) Erro e confiança
Aula 5 Aula passada Valor esperado codicioal Espaço amostral cotíuo, fução desidade Limitates para probabilidade Desigualdades de Markov, Chebyshev, Cheroff with high probability Aula de hoje Limitate
Leia maisContabilometria. Prof.: Patricia Maria Bortolon, D. Sc.
Cotabilometria Prof.: Patricia Maria Bortolo, D. Sc. Teste para Duas Amostras Fote: LEVINE, D. M.; STEPHAN, D. F.; KREHBIEL, T. C.; BERENSON, M. L.; Estatística Teoria e Aplicações, 5a. Edição, Editora
Leia maisAvaliação de Desempenho de Sistemas Discretos
Distribuições Comus Avaliação de Desempeho de Sistemas Discretos Probabilidade e Estatística 2 Uiforme Normal Poisso Hipergeométrica Biomial Studet's Geométrica Logormal Expoecial Beta Gamma Qui-Quadrado
Leia maisProbabilidade II Aula 9
Coteúdo Probabilidade II Aula 9 Maio de 9 Môica Barros, D.Sc. Estatísticas de Ordem Distribuição do Máximo e Míimo de uma amostra Uiforme(,) Distribuição do Máximo e Míimo caso geral Distribuição das Estatísticas
Leia maisRevisando... Distribuição Amostral da Média
Estatística Aplicada II DISTRIBUIÇÃO AMOSTRAL MÉDIA AULA 08/08/16 Prof a Lilia M. Lima Cuha Agosto de 016 Revisado... Distribuição Amostral da Média Seja X uma v. a. de uma população com média µ e variâcia
Leia maisESTATÍSTICA EXPLORATÓRIA
ESTATÍSTICA EXPLORATÓRIA Prof Paulo Reato A. Firmio praf6@gmail.com Aulas 19-0 1 Iferêcia Idutiva - Defiições Coceitos importates Parâmetro: fução diretamete associada à população É um valor fixo, mas
Leia maisIntervalos de Confiança
Itervalos de Cofiaça Prof. Adriao Medoça Souza, Dr. Departameto de Estatística - PPGEMQ / PPGEP - UFSM - 0/9/008 Estimação de Parâmetros O objetivo da Estatística é a realização de iferêcias acerca de
Leia maisTestes de Hipóteses sobre uma Proporção Populacional
Estatística II Atoio Roque Aula Testes de Hipóteses sobre uma Proporção Populacioal Seja o seguite problema: Estamos iteressados em saber que proporção de motoristas da população usa cito de seguraça regularmete.
Leia maisb) Fabrico de peças cilíndricas Capítulo 5 - Distribuições conjuntas de probabilidades e complementos X - comprimento da peça Y - diâmetro da peça
Capítulo 5 - Distribuições cojutas de probabilidades e complemetos 5.1 Duas variáveis aleatórias discretas. Distribuições cojutas, margiais e codicioais. Idepedêcia Em relação a uma mesma eperiêcia podem
Leia maisProbabilidade II Aula 12
Coteúdo Probabilidade II Aula Juho de 009 Desigualdade de Marov Desigualdade de Jese Lei Fraca dos Grades Números Môica Barros, D.Sc. Itrodução A variâcia de uma variável aleatória mede a dispersão em
Leia maisEstatística. 7 - Distribuições Amostrais
Estatística 7 - Distribuições Amostrais 07 - Distribuição da Média Amostral Distribuição costituída de todos os valores de, cosiderado todas as possíveis amostras de tamaho i ( Ode,,..., são V.A. com mesma
Leia maisMAE 116 Estimação para a média FEA - 2º Semestre de 2018
MAE 116 Estimação para a média FEA - 2º Semestre de 2018 1 Objetivo da aula O objetivo é estimar a média de uma população (ou de uma variável aleatória) Vamos iicialmete estudar de forma empírica a distribuição
Leia maisCONHECIMENTOS ESPECÍFICOS
Acerca dos coceitos de estatística e dos parâmetros estatísticos, julgue os ites seguites. CONHECIMENTOS ESPECÍFICOS CESPE/UB STM 67 A partir do histograma mostrado a figura abaixo, é correto iferir que
Leia mais11 Aplicações da Integral
Aplicações da Itegral Ao itroduzirmos a Itegral Defiida vimos que ela pode ser usada para calcular áreas sob curvas. Veremos este capítulo que existem outras aplicações. Essas aplicações estedem-se aos
Leia maisDERIVADAS DE FUNÇÕES11
DERIVADAS DE FUNÇÕES11 Gil da Costa Marques Fudametos de Matemática I 11.1 O cálculo diferecial 11. Difereças 11.3 Taxa de variação média 11.4 Taxa de variação istatâea e potual 11.5 Primeiros exemplos
Leia maisStela Adami Vayego Estatística II CE003/DEST/UFPR
Resumo 0 Estimação de parâmetros populacioais Defiição : Estimador e Estimativa Um estimador do parâmetro θ é qualquer fução das observações... isto é g(... ). O valor que g assume isto é g(x x... x )
Leia maisEstatística para Economia e Gestão REVISÕES SOBRE VARIÁVEIS ALEATÓRIAS DISCRETAS E CONTÍNUAS
Estatística para Ecoomia e Gestão REVISÕES SOBRE VARIÁVEIS ALEATÓRIAS DISCRETAS E CONTÍNUAS Primavera 008/009 Variável Aleatória: Defiição: uma variável aleatória é uma fução que atribui a cada elemeto
Leia maisA Inferência Estatística é um conjunto de técnicas que objetiva estudar a população através de evidências fornecidas por uma amostra.
UNIVERSIDADE FEDERAL DA PARAÍBA Distribuição Amostral Luiz Medeiros de Araujo Lima Filho Departameto de Estatística INTRODUÇÃO A Iferêcia Estatística é um cojuto de técicas que objetiva estudar a população
Leia maisProvas de Matemática Elementar - EAD. Período
Provas de Matemática Elemetar - EAD Período 01. Sérgio de Albuquerque Souza 4 de setembro de 014 UNIVERSIDADE FEDERAL DA PARAÍBA CCEN - Departameto de Matemática http://www.mat.ufpb.br/sergio 1 a Prova
Leia maisMestrado Integrado em Engenharia Civil. Disciplina: TRANSPORTES. Sessão Prática 4: Amostragem
Mestrado Itegrado em Egeharia Civil Disciplia: TRNSPORTES Prof. Resposável: José Mauel Viegas Sessão Prática 4: mostragem Istituto Superior Técico / Mestrado Itegrado Egª Civil Trasportes ulas Práticas
Leia mais10 - Medidas de Variabilidade ou de Dispersão
10 - Medidas de Variabilidade ou de Dispersão 10.1 Itrodução Localizado o cetro de uma distribuição de dados, o próximo passo será verificar a dispersão desses dados, buscado uma medida para essa dispersão.
Leia maisS E Q U Ê N C I A S E L I M I T E S. Prof. Benito Frazão Pires. Uma sequência é uma lista ordenada de números
S E Q U Ê N C I A S E L I M I T E S Prof. Beito Frazão Pires Uma sequêcia é uma lista ordeada de úmeros a, a 2,..., a,... ) deomiados termos da sequêcia: a é o primeiro termo, a 2 é o segudo termo e assim
Leia maise, respectivamente. Os valores tabelados para a distribuição t-student dependem do número de graus de liberdade ( n 1 e
Prof. Jaete Pereira Amador 1 1 Itrodução Um fator de grade importâcia a pesquisa é saber calcular corretamete o tamaho da amostra que será trabalhada. Devemos ter em mete que as estatísticas calculadas
Leia mais5 Teoria dos Valores Extremos
Teoria dos Valores Extremos 57 5 Teoria dos Valores Extremos A Teoria dos Valores Extremos vem sedo bastate utilizada em campos ligados a evetos raros. Sua estatística é aplicada a estimação de evetos
Leia maisCAPÍTULO 6 - ESTIMAÇÃO E TESTES DE HIPÓTESES
CAPÍTULO 6 - ESTIMAÇÃO E TESTES DE HIPÓTESES 6. INTRODUÇÃO INFERÊNCIA ESTATÍSTICA Estimação por poto por itervalo Testes de Hipóteses População X θ =? Amostra θ Iferêcia Estatística X, X,..., X 6. ESTIMAÇÃO
Leia maisMOQ-13 PROBABILIDADE E ESTATÍSTICA. Professor: Rodrigo A. Scarpel
MOQ-13 PROILIDDE E ESTTÍSTIC Professor: Rodrigo. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semaas 1 3 4 5 6 7 8 9 10 11 1 13 14 15 e 16 Itrodução à probabilidade (evetos, espaço
Leia maisMatemática. B) Determine a equação da reta que contém a diagonal BD. C) Encontre as coordenadas do ponto de interseção das diagonais AC e BD.
Matemática 0. Um losago do plao cartesiao oxy tem vértices A(0,0), B(,0), C(,) e D(,). A) Determie a equação da reta que cotém a diagoal AC. B) Determie a equação da reta que cotém a diagoal BD. C) Ecotre
Leia maisPROVA DE ESTATÍSTICA SELEÇÃO MESTRADO/UFMG 2005
PROVA DE ESTATÍSTICA SELEÇÃO MESTRADO/UFMG 005 Istruções para a prova: a) Cada questão respodida corretamete vale um poto. b) Questões deixadas em braco valem zero potos (este caso marque todas alterativas).
Leia maisCONHECIMENTOS ESPECÍFICOS
CESPE/UB FUB/0 fa 5 4 CONHECIMENTOS ESPECÍFICOS 60 As distribuições B e C possuem os mesmos valores para os quartis Q e Q, e o quartil superior em B correspode ao quartil cetral (Q ) da distribuição A.
Leia maisProf. Fabrício Maciel Gomes Departamento de Engenharia Química Escola de Engenharia de Lorena EEL
Prof. Fabrício Maciel Gomes Departameto de Egeharia Química Escola de Egeharia de Lorea EEL Referêcias Bibliográficas Sistema de Avaliação Duas Provas teóricas Um Trabalho em Grupo MédiaFial 0,4 P 0,4
Leia maisStela Adami Vayego DEST/UFPR
Resumo 3 Resumo dos dados uméricos por meio de úmeros. Medidas de Tedêcia Cetral A tedêcia cetral da distribuição de freqüêcias de uma variável em um cojuto de dados é caracterizada pelo valor típico dessa
Leia maisINTERPOLAÇÃO POLINOMIAL
1 Mat-15/ Cálculo Numérico/ Departameto de Matemática/Prof. Dirceu Melo LISTA DE EXERCÍCIOS INTERPOLAÇÃO POLINOMIAL A aproximação de fuções por poliômios é uma das ideias mais atigas da aálise umérica,
Leia maisMATEMÁTICA II. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari
MATEMÁTICA II Profa. Dra. Amada Liz Pacífico Mafrim Perticarrari amada@fcav.uesp.br O PROBLEMA DA ÁREA O PROBLEMA DA ÁREA Ecotre a área da região que está sob a curva y = f x de a até b. S = x, y a x b,
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: Semaas 1 2 3 4 5 6 7 8 9 1 11 12 13 14 15 e 16 Itrodução à probabilidade evetos
Leia maisESTATÍSTICA NÃO-PARAMÉTRICA
ESTATÍSTICA NÃO-PARAMÉTRICA Prof. Dr. Edmilso Rodrigues Pito Faculdade de Matemática - UFU edmilso@famat.ufu.br 1 Programa Itrodução - Plao de curso, sistema de avaliação - Coceitos básicos de iferêcia
Leia maisAula 3. Estimação II. Capítulo 11, Bussab&Morettin Estatística Básica 7ª Edição
Aula 3. Estimação II. Capítulo, Bussab&Moretti Estatística Básica 7ª Edição Estatística = fução qualquer da amostra população ~B(p) amostra,,, i {0,} estimador de p é estatística p amostra (obs.) x,, x,
Leia maisCAPÍTULO 6 ESTIMATIVA DE PARÂMETROS PPGEP. Introdução. Introdução. Estimativa de Parâmetros UFRGS
CAPÍTULO 6 Itrodução Uma variável aleatória é caracterizada ou descrita pela sua distribuição de probabilidade. ETIMATIVA DE PARÂMETRO URG Em aplicações idustriais, as distribuições de probabilidade são
Leia maisMAE Introdução à Probabilidade e Estatística II Resolução Lista 1
MAE 229 - Itrodução à Probabilidade e Estatística II Resolução Lista 1 Professor: Pedro Moretti Exercício 1 (a) Fazer histograma usado os seguites dados: Distribuição de probabilidade da variável X: X
Leia maisEstatística Aplicada I DISTRIBUIÇÃO AMOSTRAL MÉDIA ERRO AMOSTRAL
Estatística Aplicada I DISTRIBUIÇÃO AMOSTRAL MÉDIA ERRO AMOSTRAL AULA 8 16/05/17 Prof a Lilia M. Lima Cuha Maio de 017 PROPOSITO FUNDAMENTAL DA INFERÊNCIA ESTATISTICA DESENVOLVER ESTIMATIVAS E TESTAR HIPOTESES
Leia maisMQI 2003 ESTATÍSTICA PARA METROLOGIA - SEMESTRE Teste 2 07/07/2008 Nome: PROBLEMA 1 Sejam X e Y v.a. contínuas com densidade conjunta:
MQI 003 ESTATÍSTICA PARA METROLOGIA - SEMESTRE 008.0 Teste 07/07/008 Nome: PROBLEMA Sejam X e Y v.a. cotíuas com desidade cojuta: f xy cy xy x y (, ) = + 3 ode 0 e 0 a) Ecotre a costate c que faz desta
Leia maisAEP FISCAL ESTATÍSTICA
AEP FISCAL ESTATÍSTICA Módulo 0: Medidas de Dispersão (webercampos@gmail.com) MÓDULO 0 - MEDIDAS DE DISPERSÃO 1. Coceito: Dispersão é a maior ou meor diversificação dos valores de uma variável, em toro
Leia maisINFERÊNCIA. Fazer inferência (ou inferir) = tirar conclusões
INFERÊNCIA Fazer iferêcia (ou iferir) = tirar coclusões Iferêcia Estatística: cojuto de métodos de aálise estatística que permitem tirar coclusões sobre uma população com base em somete uma parte dela
Leia maisESTIMAÇÃO DE PARÂMETROS
ESTIMAÇÃO DE PARÂMETROS 1 Estimação de Parâmetros uiverso do estudo (população) dados observados O raciocíio idutivo da estimação de parâmetros Estimação de Parâmetros POPULAÇÃO p =? AMOSTRA Observações:
Leia maisTRANSPORTES. Sessão Prática 4 Amostragem de escalares
Mestrado Itegrado em Egeharia Civil TRNPORTE Prof. Resposável: Luis Picado atos essão Prática 4 mostragem de escalares Istituto uperior Técico / Mestrado Itegrado Egeharia Civil Trasportes ulas Práticas
Leia maisInterpolação. Interpolação Polinomial
Iterpolação Iterpolação Poliomial Objetivo Iterpolar uma fução f(x) cosiste em aproximar essa fução por uma outra fução g(x), escolhida etre uma classe de fuções defiidas (aqui, usaremos poliômios). g(x)
Leia maisCapítulo I Séries Numéricas
Capítulo I Séries Numéricas Capitulo I Séries. SÉRIES NÚMERICAS DEFINIÇÃO Sedo u, u,..., u,... uma sucessão umérica, chama-se série umérica de termo geral u à epressão que habitualmete se escreve u u...
Leia maisEstimativa de Parâmetros
Estimativa de Parâmetros ENG09004 04/ Prof. Alexadre Pedott pedott@producao.ufrgs.br Trabalho em Grupo Primeira Etrega: 7/0/04. Plao de Amostragem - Cotexto - Tipo de dado, frequêcia de coleta, quatidade
Leia mais7. INTERVALOS DE CONFIANÇA
7 INTRVALOS D CONFIANÇA 00 stimação por itervalos,, é uma amostra aleatória de uma variável cuja distribuição depede do parâmetro θ Se L(,, ) e U(,, ) são duas fuções tais que L < U e P(L θ U), o itervalo
Leia mais4 Teoria da Probabilidade
48 4 Teoria da Probabilidade Apresetam-se este capítulo coceitos de probabilidade e de estimação de fuções desidade de probabilidade ecessários ao desevolvimeto e compreesão do modelo proposto (capítulo
Leia maisCONCEITOS BÁSICOS E PRINCÍPIOS DE ESTATÍSTICA
1 CONCEITOS BÁSICOS E PRINCÍPIOS DE ESTATÍSTICA 1. Coceitos Básicos de Probabilidade Variável aleatória: é um úmero (ou vetor) determiado por uma resposta, isto é, uma fução defiida em potos do espaço
Leia maisTeste de Hipóteses Paramétricos
Teste de Hipóteses Paramétricos Como costruir testes de hipóteses para difereças etre duas médias. Como costruir testes de hipóteses para difereças etre duas proporções. Como costruir testes de hipóteses
Leia maisSumário. 2 Índice Remissivo 11
i Sumário 1 Esperaça de uma Variável Aleatória 1 1.1 Variáveis aleatórias idepedetes........................... 1 1.2 Esperaça matemática................................. 1 1.3 Esperaça de uma Fução de
Leia maisEstimação por Intervalo (Intervalos de Confiança):
Estimação por Itervalo (Itervalos de Cofiaça): 1) Itervalo de Cofiaça para a Média Populacioal: Muitas vezes, para obter-se a verdadeira média populacioal ão compesa fazer um levatameto a 100% da população
Leia maisIntrodução. Exemplos. Comparar três lojas quanto ao volume médio de vendas. ...
Itrodução Exemplos Para curar uma certa doeça existem quatro tratametos possíveis: A, B, C e D. Pretede-se saber se existem difereças sigificativas os tratametos o que diz respeito ao tempo ecessário para
Leia maisUNIVERSIDADE FEDERAL DO PARANÁ NOTAS DE AULA PROFa. SONIA MÜLLER
PROBABILIDADE. DEFINIÇÕES BÁSICAS:.- INTRODUÇÃO: UNIVERSIDADE FEDERAL DO PARANÁ NOTAS DE AULA PROFa. SONIA MÜLLER PROBABILIDADE POPULAÇÃO AMOSTRA ESTATÍSTICA Uiverso : Ω ou U Vazio: Uião: A B Itersecção:
Leia maisAULA Subespaço, Base e Dimensão Subespaço.
Note bem: a leitura destes apotametos ão dispesa de modo algum a leitura ateta da bibliografia pricipal da cadeira TÓPICOS Subespaço. ALA Chama-se a ateção para a importâcia do trabalho pessoal a realizar
Leia maisUniversidade Federal de Mato Grosso Probabilidade e Estatística - Curso: Engenharia Civil Introdução à Inferência Estatística - Prof a Eveliny
1 Itrodução Uiversidade Federal de Mato Grosso Probabilidade e Estatística - Curso: Egeharia Civil Itrodução à Iferêcia Estatística - Prof a Eveliy Vimos o iício do curso como resumir descritivamete variáveis
Leia maisINTERVALOS DE CONFIANÇA
INTRVALOS D CONFIANÇA 014 stimação por itervalos 1,..., é uma amostra aleatória de uma variável cuja distribuição depede do parâmetro. Se L( 1,..., ) e U( 1,..., ) são duas fuções tais que L < U e P(L
Leia maisLista IC, tamanho de amostra e TH
Lista IC, tamaho de amostra e TH 1. Cosidere a amostra abaixo e costrua um itervalo de cofiaça para a média populacioal. Cosidere um ível de cofiaça de 99%. 17 3 19 3 3 1 18 0 13 17 16 Como ão temos o
Leia maisDistribuição Amostral da Média: Exemplos
Distribuição Amostral da Média: Eemplos Talvez a aplicação mais simples da distribuição amostral da média seja o cálculo da probabilidade de uma amostra ter média detro de certa faia de valores. Vamos
Leia maisExponenciais e Logaritmos (MAT 163) - Notas de Aulas 2 Prof Carlos Alberto S Soares
Expoeciais e Logaritmos (MAT 163) - Notas de Aulas 2 Prof Carlos Alberto S Soares 1 Prelimiares Lembremos que, dados cojutos A, B R ão vazios, uma fução de domíio A e cotradomíio B, aotada por, f : A B,
Leia mais