Uma coleção de todos os possíveis elementos, objetos ou medidas de interesse.

Documentos relacionados
Distribuições Amostrais

Cap. 4 - Estimação por Intervalo

A Inferência Estatística é um conjunto de técnicas que objetiva estudar a população através de evidências fornecidas por uma amostra.

Capítulo 5- Introdução à Inferência estatística.

1 Distribuições Amostrais

DISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL INTRODUÇÃO ROTEIRO POPULAÇÃO E AMOSTRA. Estatística Aplicada à Engenharia

Objetivo. Estimar a média µ de uma variável aleatória X, que representa uma característica de interesse de uma população, a partir de uma amostra.

Avaliação de Desempenho de Sistemas Discretos

Uma amostra aleatória simples de n elementos é selecionada a partir da população. Calcula-se o valor da média a partir da amostra

INFERÊNCIA ESTATÍSTICA: ESTIMAÇÂO PONTUAL E INTERVALOS DE CONFIANÇA

Amostras Aleatórias e Distribuições Amostrais. Probabilidade e Estatística: afinal, qual é a diferença?

Intervalos de Confiança

ESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p

Distribuições Amostrais

Exercícios de Intervalos de Confiança para media, variância e proporção

Inferência Estatística

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Teoria da amostragem

ESTIMAÇÃO POR INTERVALO (INTERVALOS DE CONFIANÇA)

ESTIMAÇÃO DE PARÂMETROS

DEPARTAMENTO DE ESTATÍSTICA - UFMG PROVA DE ESTATÍSTICA E PROBABILIDADE SELEÇÃO - MESTRADO/ UFMG /2016

Exame MACS- Inferência-Intervalos.

Unidade IX Estimação

Intervalos Estatísticos para uma única Amostra - parte II

Objetivos. Testes não-paramétricos

Amostragem 04/08/2014. Conceito, propriedades, métodos e cálculo. Conceitos básicos de População e Amostra. Qualidade. População;

Probabilidade II Aula 12

Revisando... Distribuição Amostral da Média

MOQ 13 PROBABILIDADE E ESTATÍSTICA. Professor: Rodrigo A. Scarpel

Variáveis Aleatórias e Distribuições de Probabilidade

Objetivos. Os testes de hipóteses ser: Paramétricos e Não Paramétricos. Testes não-paramétricos. Testes paramétricos

DISTRIBUIÇÕES DE PROBABILIDADE

MT DEPARTAMENTO NACIONAL DE ESTRADAS DE RODAGEM. Norma Rodoviária DNER-PRO 277/97 Procedimento Página 1 de 8

INTERVALO DE CONFIANÇA

Centro de Ciências e Tecnlogia Agroalimentar - Campus Pombal Disciplina: Estatística Básica Aula 9 Professor: Carlos Sérgio

Probabilidade II Aula 9

Estimação por Intervalo (Intervalos de Confiança):

02/02/2017. Intervalo de Confiança. Bioestatística. Universidade Estadual do Oeste do Paraná - Unioeste. Curso de Nutrição

CAPÍTULO 6 ESTIMATIVA DE PARÂMETROS PPGEP. Introdução. Introdução. Estimativa de Parâmetros UFRGS

Métodos de Classificação dos Objetos Segmentados(IAR) Vizinho Próximo Lógica Fuzzy

Métodos Numéricos e Estatísticos Parte II-Métodos Estatísticos Estimação pontual e intervalar

Departamento de Informática. Modelagem Analítica. Modelagem Analítica do Desempenho de Sistemas de Computação. Disciplina: Algumas Distribuições

ESTATÍSTICA EXPLORATÓRIA

Prova Escrita de MATEMÁTICA A - 12o Ano a Fase

O erro da pesquisa é de 3% - o que significa isto? A Matemática das pesquisas eleitorais

Lista 9 - Introdução à Probabilidade e Estatística

Proposta de Exame de Matemática A 12.º ano

S É R I E : E s t a t í s t i c a B á s i c a - E n f o q u e : S o c i a i s E S T A T Í S T I C A D E S C R I T I V A GENERALIDADES...

UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPTO. DE ESTATÍSTICA LISTA 4 PROBABILIDADE A (CE068) Prof. Benito Olivares Aguilera

Fundamentos de Análise Matemática Profª Ana Paula. Números reais

Distribuição Amostral da Média: Exemplos

Recredenciamento Portaria MEC 347, de D.O.U

Instruções gerais sobre a Prova:

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Técnicas de Reamostragem

ESTATÍSTICA. PROF. RANILDO LOPES U.E PROF EDGAR TITO

População x Amostra. statística descritiva X inferência estatística. Revisão de Estatística e Probabilidade

Estimativa de Parâmetros

MAE Introdução à Probabilidade e Estatística II Resolução Lista 1

Teorema do Limite Central, distribuição amostral, estimação por ponto e intervalo de confiança

Teorema do Limite Central, distribuição amostral, estimação por ponto e intervalo de confiança

P. P. G. em Agricultura de Precisão DPADP0803: Geoestatística (Prof. Dr. Elódio Sebem)

Definição. Os valores assumidos pelos estimadores denomina-se estimativas pontuais ou simplesmente estimativas.

Distribuição de Bernoulli

Enrico A. Colosimo Depto. Estatística UFMG

ENGENHARIA DA QUALIDADE A ENG AULA 6 CARTAS DE CONTROLE PARA ATRIBUTOS

Licenciatura em Economia REVISÃO DE ALGUNS CONCEITOS EM ESTATÍSTICA. Luís Filipe Martins.

AEP FISCAL ESTATÍSTICA

Testes de Hipóteses sobre uma Proporção Populacional

CAPÍTULO 5 - INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA

SUMÁRIO. SÉRIE: Estatística Básica Texto i: DESCRITIVA

S É R I E : E s t a t í s t i c a B á s i c a T e x t o 2 : A M O S T R A G E M SUMÁRIO AMOSTRAGEM 3 1. CONCEITOS BÁSICOS 3

ESTATÍSTICA E PROBABILIDADES

Introdução à Inferência Estatística 1. Conceitos básicos em inferência

Análise de Regressão Linear Múltipla I

Métodos de Amostragem

CAPÍTULO 6 - ESTIMAÇÃO E TESTES DE HIPÓTESES

Virgílio A. F. Almeida DCC-UFMG 1/2005

ESTATÍSTICA- II DISTRIBUIÇÃO DE FREQUÊNCIA. 1- CONCEITO É a série estatística que tem o tempo, o espaço e a espécie como variáveis dependentes.

Probabilidade e Estatística, 2009/1

Probabilidades e Estatística LEIC-A, LEIC-T, LEGM, MA, MEMec

Introdução. Exemplos. Comparar três lojas quanto ao volume médio de vendas. ...

A finalidade de uma equação de regressão seria estimar valores de uma variável, com base em valores conhecidos da outra.

4. Inferência Estatística Estimadores Pontuais

Processos Estocásticos

AULA: Inferência Estatística

PROVA DE ESTATÍSTICA SELEÇÃO MESTRADO/UFMG 2005

Prof. Lorí Viali, Dr.

Técnicas de Amostragem

Prof. Adriano Mendonça Souza, Dr. Departamento de Estatística PPGEMQ / PPGEP - UFSM

INFERÊNCIA. Fazer inferência (ou inferir) = tirar conclusões

CONHECIMENTOS ESPECÍFICOS

Universidade Federal de Lavras

Unidade II. Unidade II

SEEC UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE UERN FACULDADE DE CIÊNCIAS EXATAS E NATURAIS FANAT DEPARTAMENTO DE CIÊNCIAS BIOLÓGICAS DECB

Amostragem. Cuidados a ter na amostragem Tipos de amostragem Distribuições de amostragem

Escola de Engenharia de Lorena EEL USP Departamento de Engenharia Química DEQUI Disciplina: Normalização e Controle da Qualidade NCQ

DESIGUALDADES, LEIS LIMITE E TEOREMA DO LIMITE CENTRAL. todas as repetições). Então, para todo o número positivo ξ, teremos:

Sucessão ou Sequência. Sucessão ou seqüência é todo conjunto que consideramos os elementos dispostos em certa ordem. janeiro,fevereiro,...

Probabilidades e Estatística

MAE116 Noções de Estatística

Transcrição:

rof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.ufrgs.br/~viali/ Uma coleção de todos os possíveis elemetos, objetos ou medidas de iteresse. Um levatameto efetuado sobre toda uma população é deomiado de levatameto cesitário ou simplesmete ceso. Um subcojuto fiito de uma população de iteresse. O processo de escolha de uma amostra da população é deomiado de amostragem. Método de se iferir sobre uma população a partir do cohecimeto de pelo meos uma amostra dessa população. 1

Estudo das relações teóricas existetes etre uma população e as amostras dela extraídas. R O B A B IL I D A D E OULAÇÃO (Ceso) Erro AMOTRA (Amostragem) Iferêcia T i p o s d e A m o s t r a g e m robabilística Não robabilística Todos os elemetos da população têm probabilidade cohecida (e diferete de zero) de fazer parte da amostra. Aleatória imples istemática Estratificada or Coglomerados Uma amostra é dita aleatória simples ou ao acaso se todos os elemetos da população tiverem a mesma probabilidade de pertecer a amostra

A A Com Reposição em Reposição Total de Amostras k N Não Ordeadas N k Ordeadas k A N A uidade amostral é escolhida em itervalos pré-fixados. Assim se N tamaho da população e tamaho da amostra. Etão o passo ou itervalo é k N/. e N 1000 e 100 Etão: k N/ 1000/100 10. orteia-se um úmero etre 1 e 10. Digamos 7. Etão a amostra será: 7, 17, 7,..., 997. A população é estratificada (em grupos mutuamete exclusivos) e etão uma amostra aleatória simples de cada estrato é retirada. Nos métodos ateriores cada observação é escolhida de forma idividual. Na amostragem por agrupameto, grupos de observações são escolhidas ao acaso. Cosidere uma população de 0 ites dividida em 5 grupos de ites cada. ara escolher uma amostra de 8, escolhe-se grupos, ao ivés de 8 ites idividuais. 3

Grupo Elemetos 1 1,, 3, 5, 6, 7, 8 3 9, 10, 11, 1 13, 1, 15, 16 5 17, 18, 19, 0 Uma característica da população é deomiada de parâmetro. Um estimador é uma característica da amostra. Uma estimativa é um valor particular de um estimador. A MÉDIA A MÉDIA π A VARIÂNCIA O DEVIO ADRÃO A ROORÇÃO A VARIÂNCIA O DEVIO ADRÃO A ROORÇÃO OULAÇÃO θ θˆ1 θˆ...... θˆ k Amostra 1 Amostra Amostra k A distribuição de probabilidade de um estimador (variável aleatória) é deomiada de distribuição amostral desse estimador.

opulação {1,, 3, } 1+ + 3 + 30, 50 1, 5 0 + 1+ 0 + 1 π 10, 50 50% 0,5 0,0 0,15 0,10 0,05 1 3 lao Amostral aa ao acaso Método s/r sem reposição Tamaho das Amostras Tem-se: N ;. Etão: N! k 6!( )! Amostras Médias Variâcias roporções 1 (1, ) 1,5 0,5 0,5 (1, 3),0,0 0,0 3 (1, ),5,5 0,5 (, 3),5 0,5 0,5 5 (, ) 3,0,0 1,0 6 (3, ) 3,5 0,5 0,5 5

x f (x) ( x) 1,5 1/6,0 1/6,5 /6 3,0 1/6 3,5 1/6 Total 1,0 0,35 0,30 0,5 0,0 0,15 0,10 0,05 1,5,0,5 3,0 3,5 x f (x) x.f (x) x.f (x) 1,5 1/6 1,5/6,5/6,0 1/6,0/6,00/6,5 /6 5,0/6 1,50/6 3,0 1/6 3,0/6 9,00/6 3,5 1/6 3,5/6 1,5/6 Total 1,0 15/6 0/6 E() x.f (x) 15 / 6, 50 V() E( 0 6, 50 1, 5 3 ) E() Média Erro padrão Características COM Reposição EM Reposição E() N N 1 ara este exemplo, tem-se: 1,5 N N 1 3 1,5 1,5 3 1 6

e uma amostra aleatória de tamaho for retirada de uma população com uma distribuição N(; ), etão a distribuição de, média da amostra, tem uma distribuição N(, ) 1 Uma amostra de 16 elemetos é retirada de uma população N(80; 8). Determie: ( a) ( < 77) ( b) (76 < 85) < 0,0 0,16 0,1 0,08 0,0 8 56 6 7 80 88 96 10 11 Etão: Tem-se: 80, 8 abe-se que: 80 e 8 16 (a) ( < 77) ( (Z < -1,50) 0,0668 6,68% 77 80 < ) Φ( 1,50) 7

(b) (76 < < 85) 76 ( 80 < ( < Z <,5) Φ(,50) Φ(,00) 99,38%,8% 97,10% 85 80 < ) e uma amostra aleatória de tamaho > 30 for retirada de uma população com qualquer distribuição de média e desvio padrão, etão a distribuição de, média da amostra, tem uma distribuição aproximadamete N(, ) 0,80 0,70 0,60 0,50 0,0 0,30 16 0, 5 Uma amostra de elemetos é retirada de uma população N(80; ). Determie de forma que: 0,0 0,10 0 6 8 ( < 79 ) 1, 50% Tem-se: 80, abe-se que: 80 e Etão: ( < 79) ( (Z < - 79 80 < ) ) Φ( ) 1, 50% 8

, 17, 17. 8, 68 ( 8, 68) 76 p f(p) 0,0 1/6 0,5 3/6 1,0 1/6 Total 1,0 0,70 0,60 0,50 0,0 0,30 0,0 0,10 0 0,5 1 p f(p) p.f(p) p.f(p) 0,0 1/6 0/6 0/6 0,5 /6 /6 1/6 1,0 1/6 1/6 1/6 Total 1,0 3/6 /6 E() pf. (p) 6 3/ 6 V() E( 0,50 50% 3 6 ) 1 1 E() Média Erro padrão Características COM Reposição EM Reposição E() π π(1 π) π(1 π) N N 1 9

ara este exemplo, tem-se: π(1 π) N 0,5.0,5 N 1 1 0,5 3 0,5 3 1 1 50 0 30 0 10 π(1 π) 0,5(1 0,50) 15,81% 10 π(1 π) 0,5.0,5 50% 0 0,0 5,0 50,0 75,0 100,0 π 50% e uma amostra aleatória de tamaho > 100 for retirada de uma população com proporção π, etão a distribuição de, proporção a amostra, tem uma distribuição aproximadamete N(π, ) π( 1 π 0,05 0,0 0,03 0,0 0,01,50 5,00 7,50 5 5,50 55,00 57,50 6 Uma amostra de 00 eleitores é retirada da população que prefere o cadidato Zigoto com π 50% Determie: ( a) (7% < < 5%) ( b) ( > 56%) Tem-se: π 50% abe-se que: π 50% π(1 π) 0,5(1 0,5) 00 0,05,50% 10

Etão: (a) (7 < < 5) 7% 50% ( <,5% 5% 50% < ),5% (-1,0 < Z < 1,60) Φ(1,60) - Φ( 1,0) 9,5% 11,51% 83,01% (b) ( > 56%) ( 56% 50% > ),50% (Z >,0) 1 Φ(,0) Φ(,0) 0,8% s f(s ) 0,5 3/6,0 /6,5 1/6 Total 1,0 0,50 0,5 0,0 0,35 0,30 0,5 0,0 0,15 0,10 0,05 0,5,0,5 s f(s ) s.f(s ) (s ).f(s ) 0,5 3/6 1,5/6 0,75/6,0 /6,0/6 8,00/6,5 1/6,5/6 0,5/6 Total 1,0 10/6 9/6 V( 9 6 E( ) 5 3 ) 1,67 E[ 5 3 ( f ( ) ) s ] s E( 87 50 18 ) 37 18,06 11

Média Erro padrão Características Amostragem com reposição E( ) 1 1 e uma amostra aleatória de tamaho (grade) for retirada de uma população com variâcia, etão a distribuição de, variâcia da amostra, tem uma distribuição aproximadamete χ com -1 g.l., a meos de uma costate. Isto é: 1 χ -1 Este resultado é cohecido como Teorema de Fisher Uma amostra de 81 elemetos é retirada de uma população com variâcia 10. Determie a probabilidade de que ( > 15). Tem-se: 81 10 abe-se que: 1 χ -1 ( [ χ ( χ ( χ Etão: > 15) [ ( 1) 80 1 80 15.( 1) > ] 15. 80) > ) 10 > 10 ) 0, 5% χ 1 ( χ 80 > 15] 15. 80) > ) 10 1

0,08 0,06 0,0 0,0 N(50 ; 5) 35 38 0 3 5 8 50 53 55 58 60 63 65 50% 0% 30% 0% 10% E( ) 5 1 35,35 0% 15% 10% 5% 5 5. 1 17,68 5 0% 10 19 9 39 9 58 68 78 87 97 107 117 16 136 16 0% 6 13 19 5 31 37 3 9 55 61 67 73 79 85 91 Míimo Máximo Média Desvio (Erro) adrão 85 110,515,0809 5,76778 Míimo Máximo Média Desvio (Erro) adrão 3,5 113, 6,80 0,37 0% 15% 10% 5 5 5. 5 1 7,07 5% 0% 1 1 17 19 7 9 3 3 37 39 1 6 Míimo Máximo Média Desvio (Erro) adrão 1,9 39,90 5,66 6,8 13