Distribuições por Amostragem
|
|
- Sara Ximenes Fartaria
- 6 Há anos
- Visualizações:
Transcrição
1 Distribuições por Amostragem Departamento de Matemática Escola Superior de Tecnologia de Viseu (DepMAT ESTV) Distribuições por Amostragem 2007/ / 27 Introdução: População, amostra e inferência estatística População, amostra e inferência estatística Exemplo (1) OJoão é licenciado em Gestão pela ESTV e está a trabalhar para a fábrica VisaTexteis. A fábrica recebeu recentemente uma encomenda de 500 rolos de linhas de várias cores. O João tem de verificar se os rolos recebidos estão de acordo com as especificações feitas. Entre as especificações de qualidade, exigia-se que cada rolo tivesse pelo menos 500 metros de comprimento. Como deve o João proceder? Obviamente não é possível observar um a um, todos os 500 rolos que compõem esta população. Exemplo (2) Para elaborar uma notícia, um determinado jornal semanal pretende saber qual a opinião dos portugueses relativamente a um dado projecto governamental. Obviamente, o jornal não poderá inquirir todos os Portugueses. (DepMAT ESTV) Distribuições por Amostragem 2007/ / 27
2 Introdução: População, amostra e inferência estatística População, amostra e inferência estatística Em situações como as ilustradas nos exemplos anteriores, o estudo é feito com base numa parte representativa da população, à qual se dá o nome de amostra. A informação obtida a partir da observação dos elementos de uma amostra, conduz-nos a certas conclusões que depois inferimos para toda a população. Estamos a fazer inferência estatística. Seja X: característica numérica em estudo numa dada população Na prática, em geral a distribuição de X não é conhecida ou sabe-se qual a forma geral da distribuição de X, mas não são conhecidos os parâmetros dessa distribuição, ditos parâmetros populacionais. (DepMAT ESTV) Distribuições por Amostragem 2007/ / 27 Introdução: População, amostra e inferência estatística População, amostra e inferência estatística Como estimar o valor de uma média populacional µ X,deuma variância populacional σx 2 ou de uma proporção populacional p? Estimamos a média da população, µ X, através da média da amostra, x. Usamos o desvio padrão da amostra, s, para aproximar ou estimar o desvio padrão na população, σ X. Usamos a proporção encontrada na amostra, ˆp, para estimar a proporção populacional p. (DepMAT ESTV) Distribuições por Amostragem 2007/ / 27
3 Amostra aleatória Amostra aleatória Para fazer inferência estatística, a amostra deve ser recolhida obedecendo a certos critérios, caso contrário, as conclusões decorrentes do estudo da amostra poderão não ser válidas para toda a população. Exemplo (2) Suponhamos que o director do jornal, por razões de comodidade, decide recolher opiniões numa amostra de pessoas residentes na cidade onde o jornal é editado. A amostra retirada naquela cidade não é representativa da população portuguesa e, portanto, as conclusões retiradas no estudo não se podem estender a toda a população portuguesa. Para obter uma amostra representativa da população portuguesa, parece razoável que se exija que cada português tenha a mesma probabilidade de vir a figurar na amostra. Temos então que escolher os portugueses para a nossa amostra perfeitamente ao acaso, i.e., aleatoriamente. (DepMAT ESTV) Distribuições por Amostragem 2007/ / 27 Amostra aleatória Amostra aleatória Exemplo (1) João escolheu ao acaso seis rolos do lote recebido e observou o comprimento de cada um deles, tendo obtido os seguintes valores: 459m 455m 502m 501.5m 500.5m 456m Estes valores constituem uma amostra concreta de tamanho seis. Antes de seleccionar os rolos para a amostra, o João não é capaz de prever qual irá ser o comprimento do primeiro rolo, do segundo rolo, etc. O comprimento do i ésimo rolo seleccionado para a amostra é uma variável aleatória que representamos por X i. (DepMAT ESTV) Distribuições por Amostragem 2007/ / 27
4 Amostra aleatória Tem-se: Amostra aleatória cada variável aleatória X i tem a mesma distribuição de X; as variáveis aleatórias X 1, X 2,..., X 6 são independentes (selecção aleatória dos rolos - a selecção de um rolo não tem influência na selecção de qualquer outro - o valor que uma das variáveis assume não tem qualquer efeito sobre o valor que outra qualquer assume) Definição Seja X uma variável aleatória que representa uma característica numérica em estudo numa determinada população. Chama-se amostra aleatória de tamanho n ao conjunto das variáveis aleatórias X 1, X 2,..., X n independentes e com a mesma distribuição de X. Os valores observados das variáveis aleatórias X 1, X 2,..., X n numa amostra concreta são representados por letras minúsculas:. x 1, x 2,..., x n (DepMAT ESTV) Distribuições por Amostragem 2007/ / 27 Amostra aleatória Amostra aleatória Quando a população é finita obtém-se uma amostra aleatória se a selecção dos elementos para a amostra é feita com reposição, pois neste caso as sucessivas extracções são independentes. Isto assegura que as variáveis aleatórias identicamente distribuídas X 1, X 2,..., X n sejam independentes. Muitas vezes, no entanto, a selecção dos elementos para uma amostra é feita sem reposição. Neste caso as variáveis aleatórias X 1, X 2,..., X n não serão independentes pois os valores que os primeiros elementos da amostra tomam condicionam os seguintes. (DepMAT ESTV) Distribuições por Amostragem 2007/ / 27
5 Amostra aleatória Amostra aleatória Porém, se a amostra é pequena relativamente à população, a diferença entre reposição e não reposição é atenuada, já que a retirada de alguns elementos não altera drasticamente a composição da população e por isso a não reposição do item examinado terá efeito desprezível. Na prática, quando é feita amostragem sem reposição, é usual assumir a independência entre as variáveis aleatórias X 1, X 2,..., X n,se a amostra não exceder 5% do tamanho da população. Assim, se, ao contrário, a amostra exceder 5% do tamanho da população, deve-se fazer amostragem com reposição. Do que foi dito podemos concluir que quando a população é infinita é indiferente fazer ou não reposição; a amostra recolhida será sempre aleatória. (DepMAT ESTV) Distribuições por Amostragem 2007/ / 27 Estatísticas, Estimadores e Estimativas Estatísticas, Estimadores e Estimativas Definição Sejam X 1, X 2,..., X n variáveis aleatórias que constituem uma amostra aleatória. Chama-se estatística a uma função das variáveis aleatórias X 1, X 2,..., X n que não contenha parâmetros desconhecidos. Uma estatística é, assim, uma nova variável aleatória (o valor assumido por ela é variável de amostra para amostra) e terá uma distribuição de probabilidade que é designada por distribuição por amostragem. Definição Chama-se estimador a qualquer estatística usada para estimar um parâmetro da população ou uma função desse parâmetro. Designa-se por estimativa o valor que um estimador assume para uma dada amostra concreta. (DepMAT ESTV) Distribuições por Amostragem 2007/ / 27
6 Estatísticas, Estimadores e Estimativas Estatísticas, Estimadores e Estimativas Exemplos de Estatísticas e de Estimadores 1. X = 1 n n i=1 X i média amostral 2. SX 2 = 1 n n 1 i=1 (X i X) 2 variância amostral 3. T 1 = max(x 1, X 2,...,X n ) ou T 1 = min(x 1, X 2,...,X n ) 4. T 2 = X 1 + X X n 5. T 3 = X 1 X 2... X n 6. T 4 = n n i=1 X i A função T 5 = ( n i=1 X i) ny não é uma estatística porque y não é conhecido, i.e., não é observável na amostra. X e SX 2,amédiaeavariância amostral, são exemplos de estimadores, usados para estimar, respectivamente, a média populacional µ X eavariância populacional σx 2. (DepMAT ESTV) Distribuições por Amostragem 2007/ / 27 Teorema Limite Central Teorema Limite Central O teorema limite central é considerado um dos teoremas mais importantes na Estatística. Este pode ser enunciado da seguinte maneira: Teorema Limite Central Sejam X 1, X 2,..., X n variáveis aleatórias independentes e identicamente distribuídas com média µ e variância σ 2 (finita). Seja S n = X 1 + X X n Então, S n E(S n ) Var (Sn ) = S n nµ nσ é uma v.a. cuja distribuição se aproxima da distribuição normal reduzida - N(0, 1), quando n tende para infinito. (DepMAT ESTV) Distribuições por Amostragem 2007/ / 27
7 Teorema Limite Central Teorema Limite Central Isto é, S n E(S n ) Var (Sn ) = S n nµ N(0, 1) ou S n N (nµ, nσ 2) nσ Este teorema afirma que uma soma de variáveis aleatórias independentes e com a mesma distribuição (qualquer que ela seja) tem distribuição aproximadamente normal, desde que o número de parcelas, n, seja suficientemente grande. Na prática considera-se válida esta aproximação desde que n seja superior a 30. (DepMAT ESTV) Distribuições por Amostragem 2007/ / 27 Distribuições amostrais Distribuição da média amostral Suponha que se extrai de uma população uma amostra aleatória, de tamanho n, com vista ao estudo de uma sua característica aleatória X, de média µ e variância σ 2. Já sabemos que a amostra aleatória é constituída por n variáveis aleatórias, X 1, X 2,..., X n, independentes e com a mesma distribuição de X. Qual é o valor esperado e a variância da média amostral? Valor esperado da média amostral ( ) 1 E(X) = E n (X 1 + X X n ) = 1 ( ) E(X 1 )+E(X 2 )+...+ E(X n ) n = 1 (µ + µ µ) =µ n (DepMAT ESTV) Distribuições por Amostragem 2007/ / 27
8 Distribuições amostrais Distribuição da média amostral Variância da média amostral Var (X) = Var ( ) 1 n (X 1 + X X n ) = 1 n 2 (Var (X 1)+Var (X 2 )+...+ Var (X n )) = 1 n 2 (σ2 + σ σ 2 )= 1 n 2 nσ2 = σ2 n Então, µ X = µ e σ 2 X = σ2 n (DepMAT ESTV) Distribuições por Amostragem 2007/ / 27 Distribuições amostrais Distribuição da média amostral E quanto à distribuição de X? Se X N(µ, σ 2 ) então, pelo Teorema da Aditividade da Distribuição Normal, X = 1 n n i=1 X i N(µ, σ 2 /n) Z = X µ σ/ n N(0, 1) pois X 1,...,X n são independentes e têm distribuição normal. Se o tamanho da amostra n é suficientemente grande (n > 30), então pelo Teorema Limite Central X = 1 n n i=1 X i N(µ, σ 2 /n) Z = X µ σ/ n N(0, 1) pois X 1,...,X n são independentes e têm a mesma distribuição. (DepMAT ESTV) Distribuições por Amostragem 2007/ / 27
9 Distribuição t de Student Distribuição t de Student Vimos que, se X N(µ, σ 2 ), então Z = X µ σ/ n N(0, 1) Suponhamos que a variância populacional σ 2 é desconhecida. Qual será a distribuição de Z se substituirmos a variância populacional σ 2 pelo seu estimador S 2? (DepMAT ESTV) Distribuições por Amostragem 2007/ / 27 Distribuição t de Student Distribuição t de Student Uma variável aleatória X tem distribuição t de Student com n graus de liberdade se a sua função densidade de probabilidade for dada por: f X (x) = Γ ( ) n+1 ( x 2 nπ Γ(n/2)) n onde Γ(n) = + 0 x n 1 e x dx ) n+1 2 Escreve-se abreviadamente X t n e tem-se, < x < + E(X) =0 e Var (X) = n n 2, para n > 2 (DepMAT ESTV) Distribuições por Amostragem 2007/ / 27
10 Distribuição t de Student Distribuição t de Student Ográfico da função densidade da distribuição t n é semelhante ao da distribuição normal reduzida - N(0, 1). Nomeadamente, a distribuição t n, tal como a distribuição N(0, 1), é simétrica em relação à recta x = 0. À medida que n tende para infinito a curva em sino da distribuição t n aproxima-se da curva da distribuição N(0, 1). (DepMAT ESTV) Distribuições por Amostragem 2007/ / 27 Distribuição t de Student Distribuição t de Student Se X N(µ, σ 2 ) eavariância populacional σ 2 é desconhecida, para amostras pequenas (n < 30), tem-se T = X µ S/ n t n 1 onde S é o desvio padrão amostral. Vamos usar esta estatística na construção de intervalos de confiança e nos testes de hipóteses, relativos à média µ de uma população normal. (DepMAT ESTV) Distribuições por Amostragem 2007/ / 27
11 Distribuição do Qui-Quadrado Distribuição do Qui-Quadrado Uma variável aleatória X tem distribuição do Qui-Quadrado com n graus de liberdade (χ 2 n) se a sua função densidade de probabilidade for dada por: f X (x) = e x/2 x (n/2) 1 2 n/2 Γ(n/2), x > 0 onde Γ(n) = + 0 x n 1 e x dx Escreve-se abreviadamente X χ 2 n e tem-se E(X) =n e Var (X) =2n (DepMAT ESTV) Distribuições por Amostragem 2007/ / 27 Distribuição do Qui-Quadrado Distribuição do Qui-Quadrado A distribuição é não negativa e assimétrica positiva. Apesar disso, quando n tende para infinito a distribuição torna-se cada vez mais simétrica e aproxima-se da distribuição normal. (DepMAT ESTV) Distribuições por Amostragem 2007/ / 27
12 Distribuição do Qui-Quadrado Se X 1, X 2,..., X n é uma amostra aleatória de uma população normal com média µ e variância σ 2, então (n 1)S 2 σ 2 χ 2 n 1 Iremos usar esta v. a. para construir intervalos de confiança para a variância e para testar hipóteses relativas a este parâmetro, quando a distribuição populacional é normal. (DepMAT ESTV) Distribuições por Amostragem 2007/ / 27 Distribuição F-Snedcor Distribuição F-Snedcor A distribuição F-Snedcor pode ser definida como a razão entre duas variáveis aleatórias independentes e com distribuição do Qui-Quadrado, cada uma dividida pelos respectivos graus de liberdade. Sejam X 1 e X 2 variáveis aleatórias independentes, com distribuição do Qui-Quadrado com n 1 e n 2 graus de liberdade, respectivamente. A variável aleatória X = X 1/n 1 X 2 /n 2 segue uma distribuição que se designa por distribuição F-Snedcor com n 1 e n 2 graus de liberdade (n 1 são ditos os graus de liberdade do numerador e n 2 os graus de liberdade do denominador). Escreve-se abreviadamente X F n 2 n 1 ou X F n1,n 2 (DepMAT ESTV) Distribuições por Amostragem 2007/ / 27
13 Distribuição F-Snedcor Distribuição F-Snedcor A função densidade de probabilidade é dada por: f X (x) = Γ ( ) n 1 +n 2 2 Γ ( n 1 ) ( 2 Γ n2 2 ) ( ) n1 /2 n1 x n 1/2 1 n 2 ( 1 + n ) n 1 +n x n 2, x > 0 onde Γ(n) = + 0 x n 1 e x dx (DepMAT ESTV) Distribuições por Amostragem 2007/ / 27 Distribuição F-Snedcor Distribuição F-Snedcor (DepMAT ESTV) Distribuições por Amostragem 2007/ / 27
14 Distribuição F-Snedcor Suponhamos que temos duas populações com distribuição normal e com variâncias σ 2 1 e σ2 2 respectivamente. Sejam S1 2 e S2 2 as variâncias amostrais baseadas em amostras independentes de tamanhos n 1 e n 2, respectivamente, dessas populações. Então, S 2 1 S 2 2 σ 2 2 σ 2 1 F n 1 1 n 2 1 Esta variável aleatória vai ser usada, mais adiante, na construção de intervalos de confiança e nos testes de hipóteses, relativos à comparação de variâncias de populações normais. (DepMAT ESTV) Distribuições por Amostragem 2007/ / 27
Amostragem 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
Distribuição Normal. Diz-se que uma variável aleatória X tem distribuição normal, se a sua função densidade de probabilidade for dada por:
Distribuições contínuas Departamento de Matemática Escola Superior de Tecnologia de Viseu Distribuição Normal Diz-se que uma variável aleatória X tem distribuição normal, se a sua função densidade de probabilidade
Departamento de Matemática Escola Superior de Tecnologia de Viseu
Distribuições contínuas Departamento de Matemática Escola Superior de Tecnologia de Viseu Distribuição Normal Diz-se que uma variável aleatória X tem distribuição normal, se a sua função densidade de probabilidade
Distribuições de probabilidade
Distribuições de probabilidade Distribuições contínuas Carla Henriques, Nuno Bastos e Cristina Lucas Departamento de Matemática Escola Superior de Tecnologia de Viseu. Henriques, N. Bastos e C. Lucas (DepMAT)
Probabilidade 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
Professora 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
Distribuições 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,
Intervalos 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
Testes de Hipóteses Paramétricos
Testes de Hipóteses Paramétricos Departamento de Matemática Escola Superior de Tecnologia de Viseu (DepMAT ESTV) Testes de Hipóteses Paramétricos 1 / 41 Introdução. Hipóteses Estatísticas. Erro Tipo I
Introdução 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
Teoria 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
LEEC Probabilidades e Estatística 1 a Chamada 13/06/2005. Parte Prática C (C) M 1% 9% 10% (M) 4% 86% 90% 5% 95% 100%
. Definição dos acontecimentos: M T-shirt tem manchas C T-shirt tem costuras defeituosas D T-shirt é defeituosa A Preço da t-shirt é alterado a) PM) = % PC) = 5% PM C) = % LEEC Probabilidades e Estatística
Inferência 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
Processo de Amostragem
Processo de Amostragem População versus Amostra População: conjunto de unidades com uma ou mais característica em comum N é a dimensão da população Amostra: Subconjunto da população N é a dimensão da amostra
Catarina 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
Estatística 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
Capítulo 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
Probabilidade 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
Amostragem. Cuidados a ter na amostragem Tipos de amostragem Distribuições de amostragem
Amostragem Cuidados a ter na amostragem Tipos de amostragem Distribuições de amostragem 1 Muito Importante!! Em relação às amostras, deve assegurar-se a sua representatividade relativamente à população
Teorema 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
Testes de Hipóteses Paramétricos
Testes de Hipóteses Paramétricos Carla Henriques Departamento de Matemática Escola Superior de Tecnologia de Viseu Introdução Exemplos Testar se mais de metade da população irá consumir um novo produto
Distribuições de Probabilidade
Distribuições de Probabilidade Departamento de Matemática Escola Superior de Tecnologia de Viseu (DepMAT ESTV) Distribuições de Probabilidade 2007/2008 1 / 31 Introdução Introdução Já vimos como caracterizar
Intervalos 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
Estatística 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
Estimador: 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.
Estatística 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
Introdução à Inferência Estatística
Introdução à Inferência Estatística Capítulo 10, Estatística Básica (Bussab&Morettin, 7a Edição) 2a AULA 02/03/2015 MAE229 - Ano letivo 2015 Lígia Henriques-Rodrigues 2a aula (02/03/2015) MAE229 1 / 16
Distribuição t de Student
Distribuição t de Student Introdução Quando o desvio padrão da população não é conhecido (o que é o caso, geralmente), usase o desvio padrão da amostra como estimativa, substituindo-se σ x por S x nas
DISTRIBUIÇÃO 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:
A figura 5.1 ilustra a densidade da curva normal, que é simétrica em torno da média (µ).
Capítulo 5 Distribuição Normal Muitas variáveis aleatórias contínuas, tais como altura, comprimento, peso, entre outras, podem ser descritas pelo modelo Normal de probabilidades. Este modelo é, sem dúvida,
Definição. 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
Probabilidade 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
ESTIMAÇÃO 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.
Prof. Eduardo Bezerra. 15 de setembro de 2017
Distribuições Amostrais Prof. Eduardo Bezerra Inferência Estatística 15 de setembro de 2017 Eduardo Bezerra (CEFET/RJ) Distribuições Amostrais 1 / 28 Roteiro Distribuições amostrais 1 Distribuições amostrais
Aula 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
Distribuições 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
6. 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
Cap. 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.
Universidade 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
Distribuições 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,
Testes 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
Princípios de Modelagem Matemática Aula 10
Princípios de Modelagem Matemática Aula 10 Prof. José Geraldo DFM CEFET/MG 19 de maio de 2014 1 Alguns resultados importantes em estatística A distribuição normal tem importante papel em estatística pois
Distribuições Amostrais e Estimação Pontual de Parâmetros
Distribuições Amostrais e Estimação Pontual de Parâmetros OBJETIVOS DE APRENDIZAGEM Depois de um cuidadoso estudo deste capítulo, você deve ser capaz de: 1.Explicar os conceitos gerais de estimação de
IND 1115 Inferência Estatística Aula 7
Conteúdo IND 1115 Inferência Estatística Aula 7 Setembro 2004 Por que a revisão de probabilidades até agora? A importância da distribuição Normal O Mônica Barros mbarros.com 1 mbarros.com 2 Por que uma
Probabilidade 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
Introdução à probabilidade e estatística II
Introdução à probabilidade e estatística II Testes de hipóteses para duas médias populacionais Prof. Alexandre G Patriota Sala: 98A Email: patriota@ime.usp.br Site: www.ime.usp.br/ patriota Testes de hipóteses
Distribuição 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
Inferência 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
Estimação e Testes de Hipóteses
Estimação e Testes de Hipóteses 1 Estatísticas sticas e parâmetros Valores calculados por expressões matemáticas que resumem dados relativos a uma característica mensurável: Parâmetros: medidas numéricas
Introdução à probabilidade e estatística II
Introdução à probabilidade e estatística II Testes de hipóteses para duas médias populacionais Prof. Alexandre G Patriota Sala: 98A Email: patriota@ime.usp.br Site: www.ime.usp.br/ patriota Testes de hipóteses
Teorema do Limite Central
Teorema do Limite Central Prof. Eduardo Bezerra Inferência Estatística 24 de março de 2018 Eduardo Bezerra (CEFET/RJ) Distribuições Amostrais 1 / 12 Roteiro Definição 1 Definição 2 Eduardo Bezerra (CEFET/RJ)
Testes 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
INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA. Prof. Anderson Rodrigo da Silva
INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA Prof. Anderson Rodrigo da Silva anderson.silva@ifgoiano.edu.br Tipos de Pesquisa Censo: é o levantamento de toda população. Aqui não se faz inferência e sim uma descrição
5 TORIA ELEMENTAR DA AMOSTRAGEM
5 TORIA ELEMENTAR DA AMOSTRAGEM É errôneo pensar que, caso tivéssemos acesso a todos os elementos da população, seríamos mais precisos. Os erros de coleta e manuseio de um grande número de dados são maiores
Inferência para duas populações
Inferência para duas populações Capítulo 13, Estatística Básica (Bussab&Morettin, 8a Edição) 7a AULA 27/04/2015 MAE229 - Ano letivo 2015 Lígia Henriques-Rodrigues 7a aula (27/04/2015) MAE229 1 / 27 1.
Distribuições Amostrais
Estatística II Antonio Roque Aula Distribuições Amostrais O problema central da inferência estatística é como fazer afirmações sobre os parâmetros de uma população a partir de estatísticas obtidas de amostras
Intervalos 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
Distribuições Amostrais
Instituto Tecnológico de Aeronáutica Divisão de Engenharia Mecânica-Aeronáutica MOQ-13 Probabilidade e Estatística Profa. Denise Beatriz Ferrari www.mec.ita.br/ denise denise@ita.br 13/10/2011 Distribuições
Inferência. 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
Les 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
Testes 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
Distribuições 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
Cap. 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
Introdução 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,
Amostra 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 =
Inferência 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
Solução 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
Estatística 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
3. 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-
Estimação: (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
Testes 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
Distribuição Normal. Prof. Eduardo Bezerra. (CEFET/RJ) - BCC - Inferência Estatística. 25 de agosto de 2017
padrão - padronização Distribuição Normal Prof. Eduardo Bezerra (CEFET/RJ) - BCC - Inferência Estatística 25 de agosto de 2017 Eduardo Bezerra (CEFET/RJ) Distribuição Normal Março/2017 1 / 32 Roteiro Distribuições
Princípios de Bioestatística Inferência e Intervalo de Confiança
1/24 Princípios de Bioestatística Inferência e Intervalo de Confiança Enrico A. Colosimo/UFMG http://www.est.ufmg.br/ enricoc/ Depto. Estatística - ICEx - UFMG Tabela Normal Padrão 2/24 3/24 Inferência
Distribuições 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
PE-MEEC 1S 09/ Capítulo 7 - Estimação por intervalos. 7.2 Intervalos de. confiança para. média de uma. normal 7.
Capítulo 7 - Estimação por intervalos 7.1 Noções básicas 7.2 Intervalos de confiança para a média de uma população normal 7.3 Intervalos de confiança para a diferença de duas médias de populações normais
Unidade 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
Teorema 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
Probabilidades e Estatística
Departamento de Matemática Probabilidades e Estatística LEGM, LEIC-A, LEIC-T, LEMat, MEBiom, MEFT, MEQ 2 o semestre 2011/2012 1 o Teste A 21/04/2012 9:00 Duração: 1 hora e 30 minutos Justifique convenientemente
Estimação 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
INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA
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
Probabilidade 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
Distribuição 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
Distribuições de probabilidade de variáveis aleatórias contínuas
Distribuições de probabilidade de variáveis aleatórias contínuas Universidade Estadual de Santa Cruz Ivan Bezerra Allaman Distribuição Exponencial Introdução É utilizada frequentemente como modelo para
BIOESTATÍSTICA. 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
Distribuições de Probabilidade
Distribuições de Probabilidade Carla Henriques, Nuno Bastos e Cristina Lucas Departamento de Matemática Escola Superior de Tecnologia de Viseu. Henriques, N. Bastos e C. Lucas (DepMAT) Distribuições de
Universidade Federal Fluminense INSTITUTO DE MATEMÁTICA E ESTATÍSTICA DEPARTAMENTO DE ESTATÍSTICA
Universidade Federal Fluminense INSTITUTO DE MATEMÁTICA E ESTATÍSTICA DEPARTAMENTO DE ESTATÍSTICA Estatística Básica para Engenharia Prof. Mariana Albi 8 a Lista de Exercícios Assuntos: Inferência Estatística.
6- 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
6. NOÇÕES DE INFERÊNCIA ESTATÍSTICA
6. NOÇÕES DE INFERÊNCIA ESTATÍSTICA 2019 Problemas de inferência Inferir significa fazer afirmações sobre algo desconhecido. A inferência estatística tem como objetivo fazer afirmações sobre uma característica
Estatística 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
Inferência 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.
Testes de Hipóteses II
Testes de Hipóteses II Capítulo 12, Estatística Básica (Bussab&Morettin, 8a Edição) 6a AULA 06/04/2015 MAE229 - Ano letivo 2015 Lígia Henriques-Rodrigues 5a aula (06/04/2015) MAE229 1 / 23 1. Teste para
1 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,
Intervalos 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
Uma estatística é uma característica da amostra. Ou seja, se
Estatística Uma estatística é uma característica da amostra. Ou seja, se X 1,..., X n é uma amostra, T = função(x 1,..., X n é uma estatística. Exemplos X n = 1 n n i=1 X i = X 1+...+X n : a média amostral
Professora 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
Análise Bayesiana de Dados - Aplicações 1 -
Análise Bayesiana de Dados - Aplicações 1 - Márcia D Elia Branco Universidade de São Paulo Instituto de Matemática e Estatística www.ime.usp.br/ mbranco - sala 295-A - Aplicações da IB : Pressão sistólica