Scribd Logo
Carregar

Bem-vindo(a) ao Scribd!

  • 1K visualizações

    Amostra Piloto

    Enviado por

    profiriojunior
    1) O documento introduz conceitos básicos de inferência estatística como população, amostra, estimadores, parâmetros e amostragem aleatória simples. 2) Aborda problemas como escolha da amostra, estatísticas a serem coletadas e comportamento dessas estatísticas. 3) Explica o Teorema Central do Limite e como ele permite estimar parâmetros populacionais usando distribuição normal aproximada da média amostral.

    Direitos autorais:

    Attribution Non-Commercial (BY-NC)
    Baixe no formato PDF, TXT ou leia online no Scribd

    Amostra Piloto

    Enviado por

    profiriojunior
    1K visualizações6 páginas
    1) O documento introduz conceitos básicos de inferência estatística como população, amostra, estimadores, parâmetros e amostragem aleatória simples. 2) Aborda problemas como escolha da amostra, estatísticas a serem coletadas e comportamento dessas estatísticas. 3) Explica o Teorema Central do Limite e como ele permite estimar parâmetros populacionais usando distribuição normal aproximada da média amostral.

    Direitos autorais

    © Attribution Non-Commercial (BY-NC)

    Formatos disponíveis

    PDF, TXT ou leia online no Scribd

    Você considera este documento útil?

    Este conteúdo é inapropriado?

    1) O documento introduz conceitos básicos de inferência estatística como população, amostra, estimadores, parâmetros e amostragem aleatória simples. 2) Aborda problemas como escolha da amostra, estatísticas a serem coletadas e comportamento dessas estatísticas. 3) Explica o Teorema Central do Limite e como ele permite estimar parâmetros populacionais usando distribuição normal aproximada da média amostral.

    Direitos autorais:

    Attribution Non-Commercial (BY-NC)
    Baixe no formato PDF, TXT ou leia online no Scribd
    Fazer download em pdf ou txt
    1K visualizações6 páginas

    Amostra Piloto

    Enviado por

    profiriojunior
    1) O documento introduz conceitos básicos de inferência estatística como população, amostra, estimadores, parâmetros e amostragem aleatória simples. 2) Aborda problemas como escolha da amostra, estatísticas a serem coletadas e comportamento dessas estatísticas. 3) Explica o Teorema Central do Limite e como ele permite estimar parâmetros populacionais usando distribuição normal aproximada da média amostral.

    Direitos autorais:

    Attribution Non-Commercial (BY-NC)
    Baixe no formato PDF, TXT ou leia online no Scribd
    Fazer download em pdf ou txt
    de 6

    INTRODUO INFERNCIA ESTATSTICA Objetivo: Selecionar parte dos elementos de uma populao, analis-la e inferir propriedades para o todo.

    . Definies: 1. Populao o conjunto de elementos (indivduos ou objetos), tendo pelo menos uma varivel comum observvel. 2. Amostra qualquer subconjunto da populao. Problemas: como escolher a amostra? Que informao (estatstica) coletar de cada elemento que entra na amostra? Como se comportam estas informaes?

    3. Amostragem Casual Simples o caso mais simples de amostragem probabilstica. Diz-se que uma amostra aleatria ou casual simples (AAS) de tamanho n de uma varivel aleatria X com uma dada distribuio o conjunto de n variveis aleatrias independentes X1, X2, ... Xn, cada uma com a mesma distribuio de X. Ou seja, a amostra ser a n-upla ordenada (X1, X2, ... Xn), onde Xi indica a observao do i-simo elemento sorteado. 4. Estatstica ou Estimador uma caracterstica da amostra, ou seja, uma estatstica T uma funo de X1, X2, ... Xn. As estatsticas ou estimadores mais comuns so: mdia amostral varincia amostral mnimo mximo amplitude -

    5. Parmetro uma medida usada para descrever uma caracterstica da populao. Estatstica Mdia Varincia No. de n N elementos Parmetro 2

    X
    S2

    Alguns Aspectos Importantes do Planejamento Amostral 1. Antes de iniciar o levantamento de dados, definir como os dados sero registrados (codificao, elaborao de tabelas, os casos de falta de informao ou impossibilidade de efetuar a medida). 2. Amostra piloto: o estudo preliminar sobre a forma de coleta de dados. Visa revelar as dificuldades dos mtodos de apurao dos dados. uma simulao do estudo observacional ou experimento propriamente dito. 3. Um experimento dito planejado quando esto definidos: a) unidade experimental b) a varivel ou variveis em anlise e a forma como ser ou sero medidas c) os tratamentos em comparao d) a forma como os tratamentos sero designados s unidades experimentais. 4. Explicitao dos objetivos com bastante clareza. 5. Especificao do grau de preciso desejado. 6. Escolha dos instrumentos de medida e da forma de amostragem.

    7. Em caso de aplicao de questionrios, tomar cuidado com questionrios longos, pois eles costumam diminuir a qualidade da resposta. Tambm recomendvel evitar questes onde o respondente pode assinalar mais de uma alternativa como resposta.

    Amostral

    Experimental

    Problema Planejamento

    Coleta de dados

    Anlise dos dados Tomada de deciso

    Organizao dos dados

    Distribuio Amostral da Mdia Exemplo: Considere a seguinte populao {1,3,5,5,7}. Selecione todas as AAS de tamanho 2 possveis. Para cada AAS determine a mdia amostral e a funo de probabilidade da mdia amostral. Teorema: Seja X uma varivel com mdia e varincia 2 conhecidos e seja (X1,X2,...,Xn) uma amostra aleatria simples de X. Ento, se
    X = X 1 + X 2 + ... + X n , n

    temos E( X ) =

    Var( X ) = 2/n.

    TEOREMA CENTRAL DO LIMITE Para amostras aleatrias simples (X1,X2,...,Xn) retiradas de uma populao com mdia e varincia 2, a distribuio amostral da mdia X aproxima-se de uma distribuio normal com mdia e varincia 2/n, quando n tende ao infinito. Corolrios: 1) Z =
    X

    / n

    ~ N(0,1)

    2) Se e = X - , ento e ~ N(0, 2/n) para n suficientemente grande. Exemplo: Um v.a X tem distribuio normal com mdia 100 e desvio-padro 10. a) Qual a P(90 < X < 110)? b) Se X a mdia de uma amostra de 16 elementos retirados dessa populao, calcule P(90 < X <110). c) Esboce, num nico grfico, as distribuies de X e X . d) Que tamanho deveria ter a amostra para que P(90 < X <110) = 0,8?

    Intervalos de Confiana Objetivo: Obter limites a e b (a<b) tais que com uma confiabilidade (0 < < 1) prespecificada, o parmetro suposto desconhecido pertena a este intervalo. O propsito deste procedimento obter um indicador da preciso da estimativa pontual do parmetro. Caso 1: Intervalo de Confiana para a mdia populacional (). A mdia amostral X a estimativa pontual da mdia populacional , que chamada de parmetro. Suposio: varincia populacional (2) conhecida. Procedimento Geral: 1) Colhe-se uma amostra aleatria simples (sorteio com reposio) de X de tamanho n. 2) Como X : N(,2/n), ento Z = X

    : N(0,1). Fixe (0 < < 1) nvel de confiana.

    3) Achar Z/2 tal que P(0 < Z < Z/2 ) = /2, pois P(-Z/2 < Z < Z/2) = . 4) Assim, podemos escrever: P( X - Z/2*

    < < X + Z/2 *

    ) = .

    Concluso: Seja n o tamanho da amostra e (0 < < 1) o nvel de confiana, ento; IC (,): X Z/2* onde Z/2 tal que P(0 < Z < Z/2 ) = /2. Interpretao de (1): Se pudssemos tomar todas as amostras possveis de tamanho n, a proporo de amostras tais que o verdadeiro valor de pertence ao intervalo ( X Z/2*

    (1)

    ; X + Z/2 *

    ) .

    Observaes: a) Se a populao (X) for normal ou aproximadamente normal, (1) vlida para qualquer n. b) Caso contrrio, (1) s ser vlido para n suficientemente grande (n>25). c) Quanto maior o valor de n, menor ser a amplitude do intervalo. d) Quanto maior o nvel de confiana , maior ser a amplitude do intervalo. e) Seja R a amplitude do intervalo de confiana. Logo, R = 2* Z/2*

    Exemplo: Da experincia passada, sabe-se que o desvio-padro da altura de crianas da 5a srie do 1o. Grau 5 cm. a) Colhendo uma amostra de 36 dessas crianas, observou-se a mdia 150 cm. Qual o intervalo de confiana de 95% para a mdia populacional? b) Que tamanho deve ter uma amostra para que o intervalo 150 0,98 tenha 95% de confiana? Observaes Importantes: 1. Se a varincia populacional (2) no for conhecida, pode-se substituir

    por S

    , onde S2 a varincia amostral. Para n grande ( 100), o intervalo

    com esta modificao pode ainda ser usado. Para n no muito grande, a distribuio normal ter que ser substitda pela distribuio t de Student. 2. Se estivermos trabalhando com populaes finitas conhecidas ou se a amostragem feita sem reposio, devemos usar o fator de correo para populaes finitas

    N n ). Note que se n for muito no clculo da Var( X ) e Var( p N 1

    menor que N, ento esse fator aproximadamente igual a 1 e amostras com ou sem reposio so praticamente equivalentes.

    Você também pode gostar