Inferncia Estatstica
Inferncia Estatstica o uso da informo (ou experincia ou histria) para a
reduo
da incerteza sobre o objeto em estudo. A informao pode ou no ser proveniente
de um experimento previamente planejado, pode ser um conjunto de dados ou no.
1.1.
Definies Bsicas
1.2.
Ou seja, se, medida que o tamanho da amostra aumenta, seu valor esperado
converge para o parmetro e sua varincia converge para zero.
Definio. Dado dois estimadores e ! , no viciados em relao , diz-se que
mais eficiente que ! se < ! .
Parmetro
Estimador
) =
#$ =
&' #&
(
No viciado e
1
5 =
89#& #$)!
(1
consistente
No viciado e
consistente
No viciado e
&'
consistente
:! = 1 89#& #$)!
1.3.
Propriedades
Viciado e
&'
consistente
Distribuio Amostral
Seja uma populao identificada pela varivel aleatria X, cujos parmetros mdia
Supe-se a seguinte populao ?2, 3, 4, 5E com mdia < = 3,5 e varincia = ! = 1,25.
populao.
(2,2)
(2,3)
(2,4)
(2,5)
(3,2)
(3,3)
(3,4)
(3,5)
(4,2)
(4,3)
(4,4)
(4,5)
(5,2)
(5,3)
(5,3)
(5,5)
2,5
3,0
3,5
2,5
3,0
3,5
4,0
3,0
3,5
4,0
4,5
3,5
4,0
4,5
5,0
1
1
9#$) = 89#& #$)! = 9# #$)! + 9# #$)! + + 9# #$)!
(
(
&'
9#$) =
1
[92,0 3,5)! + 92,5 3,5)! + + 95,0 3,5)! ]
(
9#$) = 0,625
KLM9N)
Sendo assim, 9#$) = , em que ( o tamanho das amostras retiradas da
9#$) =
9#) 1,25
=
= 0,625
(
2
= 1, , (;
#& (,-)-(,-(3- ,- #S ,
) 31,1 U.
= 1, , (. Assim,
#$~P1QVN$ , N!$ W,
&'
&'
&'
&'
1
1
1
1
1
N$ = [#$] = X 8 #& Y = X8 #& Y = 8 [#& ] = 8 = ( = ;
(
(
(
(
(
1
1
1
1
1
N!$ = [#$] = X 8 #& Y = ! X8 #& Y = ! 8 [#& ] = ! 8 ! = ! (!
(
(
(
(
(
=
1 !
.
(
&'
&'
&'
&'
Conclui-se que para uma coleo de variveis aleatrias independentes com uma
mesma distribuio de probabilidade, dada por um modelo Normal com mdia < e
varincia = ! , a mdia amostral #$ tambm ter distribuio Normal, com mdia < e
varincia
Z[
. Ou seja:
#$~P1Q \<,
=!
#$ <
] _ = = ~P1Q90, 1).
(
(
P(
.
( P 1
a
Exemplo: Seja # , #! , , #!e uma amostra aleatria de uma varivel aleatria # tal
que #~P1Q980, 26). Calcule:
jkdjl
a. g9#$ > 83) = g i_ > [m o = g9_ > 2,94) = 0,001641;
b
[n
j!djl
b. g9#$ < 82) = g i_ < [m o = g9_ < 1,96) = 0,975002;
b
[n
!r
!e
< #$ < 80 + 2 b ]
77,96 80
b26
25
!r
!e
<_<
82,04 80
b26
25
v
u
Exerccio: Seja # , #! , , #!l uma amostra aleatria de uma varivel aleatria # tal
|[
, ou seja:
#$~P1Q \<,
=!
#$ <
] _ = = ~P1Q90, 1).
(
(
bairro mineiro tem distribuio normal com mdia 10 e desvio padro 2 (em k ).
Exerccio: Um fabricante afirma que produz em mdia 75 componentes por dia com
desvio padro de 10 componentes por dia. Para uma amostra de 1 ms (25 dias
} + }! + + } &' }&
=
= }$.
(
(
&'
&'
&'
&'
1
1
1
1
1
= [) ] = X 8 }& Y = X8 }& Y = 8 [}& ] = 8 ) = () = );
(
(
(
(
(
&'
&'
&'
&'
1
1
1
1
= [) ] = X 8 }& Y = ! X8 }& Y = ! 8 [}& ] = ! 8 )91 ))
(
(
(
(
=
1
)91 ))
()91 )) =
;
!
(
(
Portanto, = ), ! =
, = b
9 d)
) ~P1Q \),
9 d)
)91 ))
]_=
(
) )
b)91 ))
(
~P1Q90, 1).
9 d
)
determinada lei de 40%. Retira-se uma amostra de 300 pessoas dessa populao.
Determine g w) Zyz!
< ) < ) + Zyz!
{ = 0,95.
9 d)
=b
l,l9 dl,l)
kll
= 0,0283. Tem-se
ll
= 0,02, ento b
9 d
)
=b
l,l!9 dl,l!)
ll
= 0,007.
Seja # , #! , , #
#~P1Q9<, = ! . A quandidade
N$ d
, N$ =
de
uma
distribuio
#$ <
2 ~3d
(
(9#$ <
(9#$ <
(9#$ <
P90; 1
=
=
=
=
=
=
2
!
9( 12 !
1
b2 !
b
!
=
9( 1 a d
=!
=
9( 1
#$ 7 <
2 ~3d .
(
! 91
3 ! )9 !
, 7 3 " .
530,-(3 quando ) 1.
c. g93
d. g93
e. g93
f. g93
l
l
ll
ll
ll
ll
j.
l.
jkdjl
a. g9#$ > 83) = g i3! > [m o = g93! > 2,94) = 0,003577 94-Q);
b
[n
j!djl
b. g9#$ < 82) = g i3! < [m o = g93! < 1,96) = 0,969147 94-Q);
b
[n
!r
!r
$
c. g9N$ 2 N$ < #$ < N$ + 2 )
N$ = g \80 2b!e < # < 80 + 2 b!e]
77,96 80
b26
25
< 3! <
82,04 80
b26
25
v
u
> ) = 0,100;
!l
< -) = 0,005;
Exerccio: Seja # , #! , , #!l uma amostra aleatria de uma varivel aleatria # tal
Estimao Pontual
pontual quando a estimativa do parmetro representada apenas por um valor. A
principal desvantagem que a estimativa pontual pouco informativa. Esta
Estimao Intervalar
intervalar quando estabelece-se um intervalo que contm, com uma determinada
probabilidade pr-estabelecida, o verdadeiro valor do parmetro desconhecido.
dy ,
O intervalo I, J pode ser constitudo a partir das distribuies amostrais. Ou seja,
g \7y!
g 7y!
#$ 7 <
=(
Z[
{_
N$ d
Fy! ] 1 7
7 #$ 7< Fy!
7 #$
17
=
=
g #$ 7 y!
< #$Fy! 1 7
(
(
Observao:
dy 9<
#$ 7 yz!
; #$ F yz!
!e
&' #& 152. Deseja-se determinar o intervalo de confiana de 90% e o erro de
!e
1
#$
8 #& = 6,08
25
=
N$ =
g #$ y!
&'
25
= 0,60
e,l% 1,64
< #$+y!
=1
Exemplo:
De
uma
populao
de
1000
elementos
com
distribuio
N$ =
P ( 400 1000 25
a
a
=
= 3,95
( P 1
25 1000 1
g #$ y!
!,e% = 1,96
< #$+y!
=1
1 ),1 = y!
P(
a
= 1,96 3,95 = 7,742.
( P 1
1.4.1.2.
populacional desconhecida
Z
Pelo TCL tem-se que #$~P w<; { _
[
N$ d
< :
dy 9<
#$ 7 3d
; yz!
Observao:
Z
; yz!
; #$ F 3d
; yz!
; yz!
Exemplo: A amostra ?9, 8, 12, 7, 9, 6, 11, 6, 10, 9E foi extrada de uma populao
aproximadamente normal. Deseja-se construir um intervalo de confiana para < com
&' &
8,7
(
&' 9& #$)!
5! =
452
(1
#$
02 ,- Q-,,- = ( 1 = 10 1 = 9
9
3d
dy) 9<)
; y!
= 3; !,e% 2,262
= #$ 3d
; #$ + 3d
(
(
2
2
e% 9< 8,7 2,262
; 8,7 + 2,262
10
10
; yz!
; y!
= 2,262
; yz!
10
= 1,43.
11
10
6
8
14
8
9
12
13
10
14
10
14
12
14
6
9
5
8
11
14
8
13
10
) ~P1Q w),
{_=
9 d
b9
dy 9)
= ) yz! a
) 91 )
) 91 )
; ) + yz! a
.
(
(
Observao:
1. Denota-se - = ) ) = yz! b
9 d
7
13
10
2. Tem-se que )
9 d
. Para alguns
9 d
)
cd
cd
0,05,
(use = 5%)
233. g1(30Q: ) =
9
dy) 9))
160
=
= 80%
( 200
!,e% = 1,96
) 91 ) )
) 91 ) )
= ) yz! a
; ) + yz! a
(
(
0,891 0,8)
0,891 0,8)
; 0,8 + 1,96 a
200
200
) 91 ) )
0,891 0,8)
1 ),1 = yz! a
= 1,96 a
= 0,055.
(
200
elevado. Uma amostra de 100 peas foi avaliada e observou-se 20 peas fora das
modificao do currculo escolar, tomou-se uma amostra de 100 alunos, dos quais,
9d ) [
Z[
!
dy) 9= ) =
9( 1)5 !
!
Vd
; yz!W
9( 1)5 !
!
Vd
; yz!W
!
Onde 5 = bd &' 9#& #$)! o desvio padro amostral e Vd
; yz!W
!
e Vd
; yz!W
!
Vd
; yz!W
; yz!W
= !
= !
9 dy) 9= ! ) =
; !,e%
; ,e%
= 25,215
9( 1)5 !
!
Vd
e% 9= ! ) =
= 60,561
; yz!W
9( 1)5 !
!
Vd
; yz!W
41 0,45 41 0,45
;
60,561
25,215
e% 9= ! ) = [30,42%; 73,17%]
!
dy) 9= ) =
(5 !
!
V;
yz
!W
(5 !
!
V;
yz
!W
!
Onde 5 = b &' 9#& <)! o desvio padro amostral e V;
yz
!W
!
e V;
yz
!W
so os
Z
Pelo TCL tem-se que #$~P1Q w<, { _ =
[
N$ d
!
y! =
y! = !
Vy! =W
#$ <
=
$
_ = = # < = y!
( =
(=
(=
.
!
#$ <
#$ <
(
(
PVy! =W
9P 1) ! + Vy! =W
cd
!.
{_=
9 d)
b9)
y! ) 91 ) )
) 91 ) )
) ) = y! a
( =
) )
(
b) 91 ) )
(
) )
y! ) 91 ) )
Vy! W ) 91 ) )
(=
(=
.
) )
!
!
PVy! W ) 91 ) )
!
9P 1) ! + Vy! W ) 91 ) )
!
cd
cd
, ento:
) =
220
=
= 44%
( 500
y! = 2,576
= 3%
g P (31 ( =
g P = 1000 ( =
PVy! W ) 91 ) )
!
9P 1) ! + Vy! W ) 91 ) )
!
g P 10000 ( =
g P = 20000 ( =
Vy! W ) 91 ) )
g P ((31 ( =
!
92,576)! 0,4491 0,44)
g P ((31 ( =
1817 )-2212.
0,03!
!
1.6.
= ! =!!
= ! =!!
$
$
$
$
a
a
9<
)
)
9#
)
9 dy)
<! = 9# #! y!
+ ;
#! + y!
+ .
(
(!
(
(!
( = 32
#$ = 16,20
(! 40
AMOSTRA 2
#$! = 14,85
= ! =!!
= ! =!!
$
$
$
$
a
a
9<
)
)
9#
)
<
=
9#
+
;
#
+
+ .
dy)
!
!
y !
!
y !
(
(!
(
(!
3,64 4,03
3,64 4,03
e% 9< 7 <! 916,20 14,85) 1,96a
+
; 916,20 14,85) + 1,96a
+
32
40
32
40
pode-se concluir, ao nvel de 95%, que h evidncias estatsticas para afirmar que
existe diferena entre as mdias populacionais entre as populaes.
( = 25
(! = 35
UNIDADE DE NEGCIO 1
UNIDADE DE NEGCIO 2
#$ = 121,5
#$! = 100,5
dy 9<
[ d!; z {
2
a5!
1
1
1
1
+ ; 9#$ #$! + 3w d!; z { a5! + .
[
(
(!
(
(!
2
9 d [ 9[ d [[
[ d!
dy 9<
2 ! 2!!
2 ! 2!!
+ ] ; 9#$ #$! 3w; z { a\ + ]
(
(!
(
(!
2
2! 2!
( + (!
!
!
2 2!
(
+ (!
(
(! 1
! !
Exerccio: Seja as vendas (em $100000) durante e aps a crise de 2008 duas
variveis
aleatrias
Gaussianas
#!
com
varincias
populacionais
( = 30
(! = 42
#$ = 20,20
#$! = 28,50
5 ! = 3,50
5!! = 4,50