Estimac

ao pontual
Estimac
ao por intervalos

Metodos Numericos e Estatsticos

Parte II-Metodos Estatsticos
Estimacao pontual e intervalar
Lusa Morgado

Lic. Eng. Biomedica e Bioengenharia-2009/2010

Lusa Morgado

Estimac
ao

Estimac
ao pontual
Estimac
ao por intervalos

A Teoria das Probabilidades consiste no estudo dos modelos

matematicos capazes de descrever o comportamento de fenomenos
aleatorios, modelos esses que se dizem probabilsticos.
Foi sobre o estudo de tais modelos que nos debrucamos nos
captulos anteriores.
Daqui em diante falaremos sobre Estatstica, que consiste num
conjunto de tecnicas quantitativas para recolher, apresentar e
interpretar dados relativos a fen
omenos aleat
orios.

Lusa Morgado

Estimac
ao

Estimac
ao pontual
Estimac
ao por intervalos

Amostra e dado estatstico

Dada a impossibilidade de observar toda uma populacao, e

necessario recolher um subconjunto que se pretende representativo
da populacao. A esse subconjunto da-se o nome de amostra.
A cada resultado observado, relativo `a v.a. (ou caracterstica) de
interesse (i.e., uma caracterstica crucial para o conhecimento do
fenomeno aleatorio em estudo) da-se o nome de dado estatstico.

Lusa Morgado

Estimac
ao

Estimac
ao pontual
Estimac
ao por intervalos

Amostragem

Trata-se de uma vasto conjunto de procedimentos estatsticos que

encontra motivacao na necessidade de obtencao de amostras
representativas de uma populacao.
Na populac
ao as medidas de localizacao e de dispersao sao
fixas e invariantes; sao caractersticas da populacao e
designam-se por par
ametros.
Na amostra, estas medidas sao estimativas dos parametros
da populacao e designam-se por estatsticas.

Lusa Morgado

Estimac
ao

Estimac
ao pontual
Estimac
ao por intervalos

Exemplos de alguns tipos de amostragem

Aleat
oria sistem
atica: Uma amostra aleat
oria sistematica e
constituda pelos elementos da populacao seleccionados de k
em k elementos.
Aleat
oria simples: Significa que todos os elementos da
populacao tem a mesma probabilidade de serem escolhidos e
de virem a fazer parte da amostra de dimensao previamente
fixada.
Estratificada: Inicialmente a populacao e dividida em
estratos e depois selecciona-se uma amostra em cada estrato.

Lusa Morgado

Estimac
ao

Estimac
ao pontual
Estimac
ao por intervalos

Com a recolha da amostra obtem-se um conjunto de dados cuja

leitura nada parece contribuir para a compreensao do fenomeno
aleatorio em estudo.
A estatstica Descritiva resolve parcialmente este problema,
resumindo e/ou organizando a informacao contida nos dados .
A inferencia estatstica compreende um vasto conjunto de metodos
que usando a informacao contida na amostra, responde a questoes
especficas da populacao, tais como
Indicar valores ou intervalos de valores razoaveis para
parametros desconhecidos da populacao;
Averiguar a razoabilidade de conjecturas sobre parametros
desconhecidos ou famlias de distribuic
oes (testes de
hipoteses) e/ou a razoabilidade de modelos de regressao que
expliquem a relacao entre duas variaveis (regressao simples).

Lusa Morgado

Estimac
ao

Estimac
ao pontual
Estimac
ao por intervalos

Amostra
Sejam
X uma v.a. de interesse;
X1 , X2 , . . . , Xn v.a independentes e identicamente
distribudas (i.i.d.) a X , i.e., Xi i.i.d X ,
i = 1, 2, . . . , n.
Entao o vector aleat
orio X = (X1 , X2 , . . . , Xn ) diz-se uma
amostra aleatoria (a.a.) de dimensao n proveniente da
populacao X .
` observacao particular da a.a. X = (X1 , X2 , . . . , Xn ) da-se
A
o nome de amostra e representa-se por x = (x1 , x2 , . . . , xn ).

Lusa Morgado

Estimac
ao

Estimac
ao pontual
Estimac
ao por intervalos

Porque a a.a. e constituda por n v.a. i.i.d. a X , a caracterizacao

probabilstica da a.a. e dada por
1

Caso discreto
P(X = x) = P(X1 = x1 , X2 = x2 , . . . , Xn = xn )
= P(X1 = x1 ) . . . P(Xn = xn )
n
n
Y
Y
=
P(Xi = xi ) =
P(X = xi )
i=1

i=1

Caso contnuo
fX (x) = fX1 ,X2 ,...,Xn (x1 , x2 , . . . , xn )
= fX1 (x1 ) . . . fXn (xn )
n
n
Y
Y
=
fXi (xi ) =
fX (xi )
i=1
Lusa Morgado

i=1
Estimac
ao

Estimac
ao pontual
Estimac
ao por intervalos

Estatstica
Seja X = (X1 , X2 , . . . , Xn ) a.a.de dimensao n proveniente da
populacao X .
T diz-se uma estatstica se se tratar de uma funcao exclusiva
da a.a. i.e., T = T (X ).
Note que T nao depende de nenhum parametro desconhecido.
Exemplo
Estatstica
Mnimo da a.a.
M
aximo da a.a.
Amplitude da a.a.
M
edia da a.a.
Var. corrigida da a.a.
Var. n
ao corrigida da a.a.

X(1) = mini=1,...,n Xi
X(n) = maxi=1,...,n Xi
R = X(n) X(1)
Pn
X = n1
i=1 Xi
2
1 Pn (X X )2
S = n1
i=1 i
2
2
1 Pn
1
= n1
i=1 Xi n1 X
P
n
2
S 02 = n1
(X

X
)
i
Pn i=1
2
1 2
= n1
i=1 Xi n X

Lusa Morgado

Valor observado da estatstica

x(1) = mini=1,...,n xi
x(n) = mini=1,...,n xi
r = x(n) x(1)
Pn
x = n1
xi
i=1 P
2
n
2
1
s = n1
i=1 (xi x)
2
2
1 Pn
1
= n1
i=1 xi n1 x
Pn
2
s 02 = n1
(x

x)
i
Pn i=1
2
1 2
= n1
i=1 xi n x

Estimac
ao

Estimac
ao pontual
Estimac
ao por intervalos

O objectivo principal da Estatstica e inferir sobre caractersticas da

v.a. de interesse com base na amostra recolhida. Considera-se,
geralmente, que a distribuicao de X e parcial ou totalmente
desconhecida
Parcialmente desconhecida, se conhecermos o tipo
distribucional de X (p.e., Poisson) a menos de um ou mais
parametros
Totalmente desconhecida, se o tipo distribucional de X for
especificado de modo muito vago (p.e., distribuicao discreta).

Lusa Morgado

Estimac
ao

Estimac
ao pontual
Estimac
ao por intervalos

Parametro desconhecido e espaco parametrico

Um parametro desconhecido sera daqui em diante representado por

.
O espaco parametrico corresponde ao conjunto de todos os valores
possveis para o parametro e representa-se por .
Tendo como objectivo adiantar valores razoaveis para os
parametros desconhecidos na distribuicao da variavel de interesse,
iremos recorrer a estatsticas com caractersticas especiais, a que
chamaremos estimadores.

Lusa Morgado

Estimac
ao

Estimac
ao pontual
Estimac
ao por intervalos

Estimador
A estatstica T = T (X ) diz-se um estimador do parametro
desconhecido se T = T (X ) apenas toma valores no espaco
parametrico .
Estimativa
Ao valor observado do estimador de , t = T (x) da-se o
nome de estimativa de .
Note que o estimador e uma v.a. e como tal tem uma distribuicao
de probabilidade.

Lusa Morgado

Estimac
ao

Estimac
ao pontual
Estimac
ao por intervalos

Um estimador conduzira a estimativas mais rigorosas se usufruir de

algumas propriedades. Vejamos quais.
Estimador centrado
O estimador do parametro desconhecido diz-se centrado se
E [T (X )] = .
Estimador enviesado
O estimador do parametro desconhecido diz-se enviesado se
: E [T (X )] 6= .

Lusa Morgado

Estimac
ao

Estimac
ao pontual
Estimac
ao por intervalos

Enviesamento de um estimador
O estimador do parametro desconhecido possui enviesamento dado
por
bias [T (X )] 6= E [T (X )] .
Notas:
Um estimador centrado possui enviesamento nulo;
Regra geral ha mais do que um estimador para um mesmo
parametro desconhecido. Quanto menor for o enviesamento
de um estimador mais rigorosas serao as estimativas por ele
fornecidas.

Lusa Morgado

Estimac
ao

Estimac
ao pontual
Estimac
ao por intervalos

Suponhamos que X
e uma v.a. de interesse com distribuic
ao arbitr
aria, valor esperado
e vari
ancia 2 .
P
A m
edia da a.a. X = n1 ni=1 Xi
e um estimador centrado de pois
!
n
n
1X
1X
Xi =
E (Xi )
E (X ) = E
n i=1
n i=1
=

n
n
1X
1X
1
E (X ) =
= n =
n i=1
n i=1
n

A vari
ancia corrigida
e um estimador centrado de 2 uma vez que
"
#
" n
!
#
n
X
1 X
1
E (S 2 ) = E
(Xi X )2 =
E
Xi2 n(aX )2
n 1 i=1
n1
i=1
" n
#
X
1
=
E (Xi2 ) nE [(X )2 ]
n 1 i=1
( n
)
X
1
2
2
=
[V (Xi ) + E (Xi )] n[V (X ) + E (X )]
n 1 i=1
" n
 2
#
X
1

1
( 2 + 2 ) n
=
+ 2
=
(n 2 + n2 2 n2 )
n 1 i=1
n
n1
=

1
(n 1) 2 = 2 .
n1
Lusa Morgado

Estimac
ao

Estimac
ao pontual
Estimac
ao por intervalos

Nao basta que um estimador seja centrado para garantir

estimativas mais rigorosas. Estas serao tanto mais rigorosas
quanto menos o estimador se dispersar em torno do verdadeiro
valor do parametro desconhecido.
Erro quadratico medio
O erro quadratico medio do estimador T = T (X ), do parametro
desconhecido e dado por


EQM [T (X )] = E [T (X ) ]2 = V [T (X )] + {E [T (X )] }2
= V [T (X )] + {bias [T (X )]}2
O EQM quantifica a dispers
ao esperada do estimador em torno do par
ametro
desconhecido;
Um estimador ser
a tanto melhor quanto menor for o seu EQM.

Lusa Morgado

Estimac
ao

Estimac
ao pontual
Estimac
ao por intervalos

Eficiencia relativa de estimadores

Sendo T1 (X ) e T2 (X ) dois estimadores de um mesmo parametro

desconhecido , define-se eficiencia de T1 em relacao a T2 por
e [T1 (X ), T2 (X )] =

EQM [T2 (X )]
.
EQM [T1 (X )]

Assim, se
e [T1 (X ), T2 (X )] > 1 EQM [T2 (X )] > EQM [T1 (X )],
e portanto o estimador T1 (X ) e mais eficiente que o estimador
T2 (X ).

Lusa Morgado

Estimac
ao

Estimac
ao pontual
Estimac
ao por intervalos

Metodo da maxima verosimilhanca

Este m
etodo permite obter o valor mais razo
avel de um par
ametro desconhecido, de
entre todos os valores possveis para esse mesmo par
ametro, tendo em conta a
amostra recolhida.
Func
ao de verosimilhanca
A func
ao de verosimilhanca L(|x) : R define-se do seguinte modo:
Caso discreto
L(|x) = P(X = x|) =

n
Y

P(X = xi |),

i=1

Caso contnuo
L(|x) = fX (x|) =

n
Y

fX (xi |),

i=1

onde P(|) e fX (|) s

ao a f.p e a f.d.p (resp.) da v.a. de interesse X , tendo em
conta que
e o verdadeiro valor do par
ametro.

Lusa Morgado

Estimac
ao

Estimac
ao pontual
Estimac
ao por intervalos

Estimativa de maxima verosimilhanca

Obtida a a amostra x = (x1 , . . . , xn ), a estimativa de maxima
verosimilhanca (EMV) do parametro desconhecido corresponde ao
ponto de maximo da funcao de verosimilhanca ou, equivalentemente,
ao ponto de maximo do logaritmo da funcao de verosimilhanca. Esta
estimativa representa-se por e e entao dada por
= max L(|x)
L(|x)

ou equivalentemente
= max ln L(|x)
ln L(|x)

Lusa Morgado

Estimac
ao

Estimac
ao pontual
Estimac
ao por intervalos

Exemplo
Um inqu
erito realizado a um grupo de 1000 indivduos com queixas de ins
onia revelou
que 448 respondem ter dormido bem ap
os a toma de um certo soporfero.
Deduza a EMV da probabilidade (p) de uma pessoa escolhida ao acaso ter dormido
bem tendo tomado o soporfero.
V.a. de interesse:
X =resposta ao inqu
erito
Distribuic
ao:
X Bernoulli(p)
Par
ametro desconhecido:
p = P(X = 1), 0 p 1
F.p.:
P(X = x) = p x (1 p)1x ,

x = 0, 1

Amostra:
x = (x1 , . . . , xn ) amostra de dimens
ao n = 1000, proveniente da populac
ao onde
xi = resposta de i-
esima pessoa.
448
x = 1000
= 0.448 = 44.8% de respostas afirmativas.

Lusa Morgado

Estimac
ao

Estimac
ao pontual
Estimac
ao por intervalos

Exemplo (cont.)
Func
ao de


Qnverosimilhanca: Qn
L(p|x)
= i=1 P(X
= xi ) = i=1 p xi (1 p)1xi =
Pn
Pn
p i=1 xi (1 p)n i=1 xi
Func
ao de log-verosimilhan
ca:
 Pn

Pn
x
i
i=1
(1 p)n i=1 xi =
ln L(p|x) = ln p
P
P
ln(p) ni=1 xi + ln(1 p) (n ni=1 xi )
Maximizac
ao: A EMV de p, p, obtem-se resolvendo
( d ln L(p|x)
|p=p = 0 (ponto de estacionaridade)
dp
p :
d 2 ln L(p|x)
|p=p < 0 (ponto de maximo)
dp 2

Lusa Morgado

Estimac
ao

Estimac
ao pontual
Estimac
ao por intervalos

Exemplo (cont.)

p
:

 Pn
P
P

n ni=1 xi
(n ni=1 xi )]
i=1 xi

|p=p = 0
|p=p = 0
p
1p
dp
P

 Pn
P
P

n ni=1 xi
d 2 [ln(p) ni=1 xi +ln(1p)(n ni=1 xi )]
i=1 xi

|p=p <
p 2 (1p)2
|p=p < 0
dp 2
 Pn
Pn



(
P
P
x
x
n
i=1 i
i=1 i

(1 P
p
) ni=1 xiP p
n ni=1 xi =

=0

1
n
n
Pnp
Pnp

x
x
n
i
i=1 i
i=1
(1
<0
i=1 xi n i=1 xi < 0
p
2
p )2
p
2
(1
p )2
d [ln(p)

Pn

i=1 xi +ln(1p)

Lusa Morgado

Estimac
ao

0
0

P
p
= n1 ni=1 xi
proposic
ao verdadeira

Estimac
ao pontual
Estimac
ao por intervalos

Exemplo (cont.)
Estimador de P
MV de p:
EMV (p) = n1 ni=1 Xi = X (m
edia da amostra).
Concretizac
ao:
p

=
=
=

n
1X
xi
n i=1

no de respostas afirmativas
no de pessoas inquiridas
0.448

Lusa Morgado

Estimac
ao

Estimac
ao pontual
Estimac
ao por intervalos

Exemplo
Os tempos observado (em anos) at
e`
a 1a colis
ao de detritos espaciais com di
ametro
inferior a 1mm em 4 sat
elites em MEO foram de 1.2, 1.5, 1.8 e 1.4.
Admitindo que tal tempo tem distribuic
ao pertencente ao modelo exponencial de
par
ametro , vamos determinar o estimador e a estimativa de MV de .
V.a. de interesse:
X =tempo (em anos) at
e`
a 1a colis
ao de detritos espaciais
Distribuic
ao:
X exponencial()
Par
ametro desconhecido:
, > 0
F.d.p.: 
e x , x 0
fX (x) =
0, c.c.
Amostra:
x = (x1 , . . . , xn ) amostra de dimens
ao n = 4, proveniente da populac
ao onde
xi = resposta de i-
esima pessoa.
x = 1.2+1.5+1.8+1.4
= 1.475
4

Lusa Morgado

Estimac
ao

Estimac
ao pontual
Estimac
ao por intervalos

Exemplo (cont.)
Func
ao de
ca:
Pn


Q
Qnverosimilhan
L(|x) = i=1 fX (xi ) = ni=1 e xi = n e i=1 xi
Func
ao de log-verosimilhan
ca:

Pn
P
x
n

i
i=1
= n ln() ni=1 xi
ln L(|x) = ln e
Maximizac
ao: A EMV de ,
(
d ln L(|x)
|= = 0
d
:

d 2 ln L(|x)
|= < 0
d2

Lusa Morgado

obtem-se resolvendo
,
(ponto de estacionaridade)
(ponto de maximo)

Estimac
ao

Estimac
ao pontual
Estimac
ao por intervalos

Exemplo (cont.)

P
ni=1 xi |= = 0
:
n2 |= < 0
( P
n
n
i=1 xi = 0

n
2 < 0
(
= Pnn

i=1 xi

proposicao verdadeira


Lusa Morgado

Estimac
ao

Estimac
ao pontual
Estimac
ao por intervalos

Exemplo (cont.)
Estimador de MV de p:
edia da amostra).
EMV () = Pn n X = (X )1 (m
i=1

Concretizac
ao:

n
Pn

(
x )1

1.4751 = 0.678

i=1 xi

inverso da m
edia da amostra

Nota: Repare que n

ao se trata de um estimador centrado de .

Lusa Morgado

Estimac
ao

Estimac
ao pontual
Estimac
ao por intervalos

Distribuicoes amostrais
A caracterizac
ao probabilstica de estatsticas, de estimadores ou de suas func
oes
e
crucial n
ao s
o para avaliar as propriedades dos estimadores (como p.e., enviesamento,
EQM, efici
encia), mas tamb
em como veremos a seguir, para obter estimativas
intervalares dos par
ametros desconhecidos (aos quais chamaremos intervalos de
confianca).
ent
E
ao fundamental conhecer a distribuic
ao de uma estatstica, de um estimador ou
de sua func
ao, `
a qual chamamos distribuic
ao amostral (ou distribuic
ao por
amostragem).
Exemplo
Sendo X = (X1 , . . . , Xn ) uma a.a. de dimens
ao n proveniente da populac
ao X com
f.d. FX (x), ent
ao facilmente se mostra que
Estatstica
X(1) = mini=1,...,n Xi
X(n) = maxi=1,...,n Xi

Distribuic
ao amostral
FX(1) (x) = 1 [1 FX (x)]n
FX(n) (x) = [FX (x)]n

Lusa Morgado

Estimac
ao

Estimac
ao pontual
Estimac
ao por intervalos

A m
edia
e, em geral, o estimador de MV (ou de alguma forma est
a com ele
relacionada) do valor esperado de uma v.a. de interesse, pelo que
e fundamental
conhecer a sua distribuic
ao.
Seja X = (X1 , . . . , Xn ) uma a.a. de dimens
ao n proveniente da populac
ao X . Ent
ao
Populac
ao

Distribuic
ao amostral da m
edia

X normal(, 2 )
X com distribuic
ao arbitr
aria (n
ao normal)
E (X ) = , V (X ) = 2 , n grande

X normal(,
X

2
)
n

normal(0, 1)

O 1o dos dois resultados

e exacto e deve-se ao facto de a combinac
ao linear de
normais ainda possuir distribuic
ao normal.
O 2o resultado
e aproximado e
e conhecido como o Teorema do Limite Central e s
o
deve ser aplicado quando a v.a. n
ao tem distribuic
ao normal e a dimens
ao da amostra

e suficientemente grande.

Lusa Morgado

Estimac
ao

Estimac
ao pontual
Estimac
ao por intervalos

Exemplo
Assuma que a press
ao sist
olica de uma populac
ao saud
avel segue uma distribuic
ao
normal de m
edia 120mmHg e desvio padr
ao 10mmHg . Num grupo de 25 pessoas, a
m
edia da press
ao sist
olica foi de 124mmHg .
Qual a probabilidade de se encontrar uma m
edia superior a esta numa amostra de 25
indivduos? Ou, dito de outro modo, qual a proporc
ao de amostras de 25 indivduos
escolhidas ao acaso nessa populac
ao que t
em uma m
edia superior a 124mmHg ?
De acordo com o 1o dos resultados anteriores, a distribuic
ao amostral da m
edia segue
= 4, i.e.,
uma distribuic
ao normal de par
ametros = 120 e 2 = 100
25
X normal(120, 4).
A probabilidade pedida
e ent
ao dada por
P(X > 124) = 1 P(X 124) = 1 FX (124) = 0.023

no scilab:
cdfnor(PQ, 124, 120, 2) = 0.977
com consulta das tabelas
120
normal(0, 1)
Sendo Z = X
10
25

120
P(X 124) = P( X

10
25

124120
10

25

Lusa Morgado

) = P(Z 2) = (2).

Estimac
ao

Estimac
ao pontual
Estimac
ao por intervalos

Intervalos de confianca
Para alem de uma estimativa pontual para um parametro
desconhecido e importante obter um intervalo que nos de uma
ideia da confianca que se pode depositar na estimativa pontual.
Essa estimativa intervalar e designada por intervalo de confianca
(IC).
A um intervalo de confianca esta associado um grau de confianca,
usualmente representado por (1 ) 100%, cujos valores mais
usuais sao 90%, 95% e 99% (ou, = 0.1, 0.05, 0.01,
respectivamente).
Antes de mais e necessario descever a situacao com que lidamos,
em particular
a v.a. X de interesse e a respectiva distribuicao
o parametro desconhecido para o qual se pretende obter um IC
outro eventual parametro (conhecido ou nao) da distribuicao
de X .
Lusa Morgado

Estimac
ao

Estimac
ao pontual
Estimac
ao por intervalos

IC para a media, variancia conhecida

IC para o valor esperado de uma populac
ao normal com vari
ancia conhecida
Sendo Z =

, pretendemos determinar a e b tal que

P(a Z b ) = 1

ou ainda, recorrendo `
as tabelas ou ao scilab, determinar a e b tal que






P(Z < a ) =
a = 1
=
1 1
2
2
2

1
P(Z > b ) = 2
b =
1 2
Assim
P(a Z b ) = 1 P(a

X b X a
n






P X 1 1
X + 1 1

2
n
2
P

b ) = 1


=1

n


=1








IC(1)100% () = x 1 1
, x + 1 1

2
n
2
n
Lusa Morgado

Estimac
ao

Estimac
ao pontual
Estimac
ao por intervalos

IC para a media, variancia conhecida

IC para o valor esperado de uma populac
ao arbitr
aria com vari
ancia conhecida
Sendo Z =

normal(0, 1) (Teorema do limite central), pretendemos determinar

a e b tal que
P(a Z b ) ' 1
ou ainda, recorrendo `
as tabelas ou ao scilab, determinar a e b tal que






P(Z < a ) =
=
1 1
a = 1
2
2
2

P(Z > b ) =
b = 1 1
2
2
Assim
P(a Z b ) = 1 P(a

X b X a
n






1
P X
1
X + 1 1

2
n
2
P

b ) ' 1


'1

n


'1







IC(1)100% () = x 1 1
, x + 1 1

2
n
2
n
Lusa Morgado

Estimac
ao

Estimac
ao pontual
Estimac
ao por intervalos

Exemplo
O QI numa populacao segue uma distribuicao normal de variancia
152 . Com base numa amostra de dimensao 25, com media
amostral de 100, vejamos como contruir o IC a 95% para a media
na populacao.
Ora






1
1
IC(1)100% () = x
1
,x +
1

2
2
n
n
onde, neste caso = 0.05.
0.05
No scilab, o comando cdfnor(X
, 0, 1, 1 0.05
2 , 2 ) devolve-nos o


0.05
1
valor de
1 2 = 1.96, logo


15
15
IC95% () = 100 1.96 , 100 + 1.96
= [94.1, 105.6]
25
25
Lusa Morgado

Estimac
ao

Estimac
ao pontual
Estimac
ao por intervalos

Quando n
ao conhecemos o valor de 2 na populac
ao, ent
ao a v.a.
deixa de ser u
til. Neste caso,

ser
a estimado por
Z =

X
S

S2

normal(0, 1)

e usa-se a v.a.

tn1

e l
e-se Z possui distribuic
ao de t-student com (n 1) graus de liberdade.

A distribuic
ao de t-student
e semelhante `
a distribuic
ao normal reduzida. E
sim
etrica em relac
ao `
a m
edia, (0), mas com um desvio padr
ao dependente de
um par
ametro denominado graus de liberdade;
Existe uma distribuic
ao de t-student diferente para cada no de graus de
liberdade;
Geralmente, os graus de liberdade correspondem `
a diferenc a entre a dimens
ao
amostral e o no de par
ametros a estimar.

Lusa Morgado

Estimac
ao

Estimac
ao pontual
Estimac
ao por intervalos

IC para a media, variancia desconhecida

IC para o valor esperado de uma populac
ao normal com vari
ancia desconhecida
Sendo Z =

X
S

t(n1) , pretendemos determinar a e b tal que

P(a Z b ) ' 1
ou ainda, recorrendo `
as tabelas ou ao scilab, determinar a e b tal que
(






a = Ft1
= Ft1
1
P(Z < a ) =
2
2
(n1)
(n1)
2

P(Z > b ) =
b = Ft1
1
2
(n1)

P(a Z b ) = 1 P(a

X Ft1
(n1)


S
X b X a
n



S

1
1
X + Ft1

(n1)
2
n
2
P

b ) ' 1

S
'1

n

S
'1






s

s
IC(1)100% () = x Ft1
1
, x + Ft1
1

(n1)
(n1)
2
n
2
n
Lusa Morgado

Estimac
ao

Estimac
ao pontual
Estimac
ao por intervalos

Exemplo
A durac
ao em horas de uma pilha de certa m
aquina possui distribuic
ao que se admite
normal com valor esperado e vari
ancia desconhecidas. Recolheu-se uma amostra de
10, tendo-se obtido o seguinte conjunto de dados:
x = (251, 238, 236, 229, 252, 253, 245, 242, 235, 230).
Determinemos um intervalo de confianca a 99% para .
t(n1) , o IC pedido
e dado por
Considerando a v.a. Z = X
S
n






s

s
1
IC(1)100% () = x Ft1
1

,
x
+
F
1

t
(n1)
(n1)
2
n
2
n
onde = 0.01, n = 10, x = 241.1, s 2 = 79.66 e Ft1
1
(n1)
No scilab, o comando cdft(T , 9, 1


= Ft1
1 0.01
= 3.2498, logo
2
(9)

0.01 0.01
, 2 )
2

"
IC99% ()

241.1 3.2498

[231.927, 250.273]

Lusa Morgado

= Ft1
1
(9

0.01
2

devolve-nos o valor de

79.66
, 241.1 + 3.2498
10

Estimac
ao

79.66
10

.

Estimac
ao pontual
Estimac
ao por intervalos

IC para a media, variancia desconhecida

IC para o valor esperado de uma populac
ao arbitr
aria com vari
ancia
desconhecida
Usa-se a v.a. Z = X
normal(0, 1) (Teorema do limite central). Pretendemos
S
n

determinar a e b tal que

P(a Z b ) ' 1
Recorrendo `
as tabelas ou ao scilab, determinar a e b tal que




=
1 1
P(Z < a ) =
a = 1
2
2

P(Z > b ) = 2
b = 1 1
2
P(a Z b ) = 1 P(a

X
S


S
X b X a
n




S

1
P X
1
X + 1 1

2
n
2
P

b ) ' 1

S
'1

n

S
'1






s

s
IC(1)100% () = x 1 1
, x + 1 1

2
n
2
n
Lusa Morgado

Estimac
ao

Estimac
ao pontual
Estimac
ao por intervalos

IC para a variancia de uma populacao normal

IC para a vari
ancia de uma populac
ao normal com valor esperado desconhecido
Usa-se a v.a. Z =

(n1)S 2
2

2(n1) e l
e-se Z possui distribuic
ao do qui-quadrado com

(n 1) graus de liberdade. Como esta distribuic

ao n
ao
e sim
etrica em relac
ao `
a
origem e tem com suporte R+ temos que determinar a e b tal que
P(a Z b ) ' 1


 

2
a = F 2
(n1) 


b
=
F
1

2
2

P(Z < a ) =
2
P(Z > b ) =
2

(n1)

(n 1)S 2

P(a Z b ) = 1 P a

b
'1

(n 1)S 2
(n 1)S 2


 2
  ' 1
P
1

F 1
1 2
F 2
2
2

(n1)

(n1)

(n 1)S 2
(n 1)S 2

2
,

 
IC(1)100% ( ) =
1

F 1
1

F
2
2
2
2
(n1)

Lusa Morgado

Estimac
ao

(n1)

Estimac
ao pontual
Estimac
ao por intervalos

IC para a variancia de uma populacao normal

IC para a vari
ancia de uma populac
ao normal com valor esperado conhecido
Procede-se como no caso anterior mas a distribuic
ao de Z passa a ter (n) graus
de liberdade.
Nota: No scilab, o comando cdfchi(X , n,

Lusa Morgado

,1
2

)
2

Estimac
ao

devolve o valor de F 1
2

(n)

Estimac
ao pontual
Estimac
ao por intervalos

IC para uma proporcao

Consideremos a populac
ao X Bernoulli(p), onde a probabilidade de sucesso, p,
e
desconhecida. Consideramos que a dimens
ao da amostra, n,
e suficientemente grande
(n > 30).
Considera-se a v.a., com distribuic
ao aproximada: Z =

r X p

normal(0, 1).

X (1X )
n

Determinamos a e b por


a = 1 1

2
b = 1 1
2

X p

P(a Z b ) ' 1 P a q

X (1X )
n



P X 1 1


X (1 X )

p X + 1 1

n
2

b ' 1

X (1 X )
'1
n

O seguinte
ca aproximadamente igual a (1 ) 100%:
 IC possui grau de confian

q x(1x)

q x(1x)

1
IC (p) = x
1 2
, x + 1 1

n
2
n
Lusa Morgado

Estimac
ao