1

Estatstica II - Administrao
1
Prof. Dr. Marcelo Tavares
Distribuies de amostragem
Na inferncia estatstica vamos apresentar os argumentos
estatsticos para fazer afirmaes sobre as caractersticas de uma
populao, com base em informaes dadas por amostras.
Ex:
-Cozinheira verificando se o prato que ela est preparando tem ou no
a quantidade de sal adequada;
2
- Um cliente, aps experimentar uma uva num supermercado, decide
se vai comprar ou no as uvas.
Estatstica
Estatstica Descritiva X Estatstica Inferencial
10
15
20
+
+
100
90
80
70
60
+
+
++
++
100
90
80
70
60
3
S
0
5
10
Classes F.A. F.R.
10 - 20 2 0,02
20 - 30 4 0,04
30 - 40 6 0,06
40 - 50 12 0,11
50 - 60 10 0,09
60 - 70 25 0,24
70 - 80 12 0,11
80 - 90 19 0,18
90 - 100 7 0,07
100 - 110 5 0,05
110 - 120 3 0,03
120 - 130 1 0,01
106
mdia
moda
mediana
desviomdio
desviopadro
assimetria
curtose
coeficientedevariao
classe1 classe2
60
50
classe1 classe2 classe1 classe2
60
50
2
Estatstica
Estatstica Descritiva X Estatstica Inferencial
0 15
0,20
0,25
0,30
0,35
( ; , , ) f x
intervalos de confiana
testes de hipteses
4
S

0,00
0,05
0,10
0,15
5
POPULAO: o conjunto de todos os elementos ou resultados sob
investigao.
AMOSTRA: qualquer subconjunto da populao (representatividade).
Ex
1
: Pesquisa para estudar os salrios dos 500 funcionrios da
6
Companhia MB. Seleciona-se uma amostra de 36 indivduos e anota-se
os seus salrios.
Va =? Populao =? Amostra =?
3
Ex
2
. Queremos estudar a proporo de indivduos na cidade A que
so favorveis a certo projeto governamental. Uma amostra de 200
pessoas sorteada, e a opinio de cada uma registrada como sendo
a favor ou contra o projeto.
E O i t i ti d d id d ti d
7
Ex
3
. O interesse investigar a durao de vida de um novo tipo de
lmpada, pois acreditamos que ela tenha uma durao maior do que
as fabricadas atualmente. 100 lmpadas do novo tio so deixadas
acesas at queimarem. A durao em horas de cada lmpada
registrada.
Para determinar teoricamente o comportamento de algumas medidas
devemos antes responder a 4 perguntas:
a) Qual a populao a ser amostrada?
b) Como obter os dados (a amostra)?
c) Que informaes pertinentes (estatsticas) sero retiradas da
8
amostra?
d) Como se comporta(m) a(s) estatstica(s) quando o mesmo
procedimento de escolher a amostra usado numa populao
conhecida?
Como Selecionar uma Amostra
Levantamentos amostrais
Planejamento de Experimentos
9
Levantamentos Observacionais
4
- Parmetro: medida utilizada para descrever uma
caractersticapopulacional. Ex: ,
- Estimador: uma varivel aleatria que funo dos
dados amostrais. Ex: umestimador de
- Estimativa: o valor numrico assumido pelo estimador,
quando so substitudos os dados amostrais. Ex:
x cm =170
10
- Inferncia estatstica: objetivo de inferir propriedades de
um agregado maior (a populao) a partir de um conjunto
menor (a amostra).
Distribuies amostrais
Populao
1

Amostras
Distribuio
Amostral
11
3

... ...
Resumindo o processo:
a) Populao com um parmetro .
b) Retira-se k amostras por um processo aleatrio
qualquer
12
c) Calcula-se o valor para cada amostra (1 =1, 2, . . . ,
k)
d) Com os valores de das k amostras constri-se a
distribuio amostral de .
$

i
$

i
5
Amostragem Aleatria Simples
Numa urna tem-se 5 tiras de papel,
numeradas 1, 3, 5, 5, 7. Uma tira sorteada
e recolocada na urna, ento, uma segunda
13
tira sorteada. Sejam X
1
e X
2
o primeiro e
o segundo nmeros sorteados.
Exemplo das Tiras na Urna
Amostra aleatria Simples
Pop{1, 3, 5, 5, 7} n =2
X
2
14
X
1
1 3 5 7 P(X
1
=x)
1 1/25 1/25 2/25 1/25 1/5
3 1/25 1/25 2/25 1/25 1/5
5
7
2/25
1/25
2/25
1/25
4/25 2/25
2/25 1/25
2/5
1/5
P(X
2
=x) 1/5 1/5 2/5 1/5 1
Distribuio amostral da mdia
x

1 2 3 4 5 6 7 Total
) ( x X P =

1/25 2/25 5/25 6/25 6/25 4/25 1/25 1,00

15
Distribuio amostral da varincia
s
2
0 2 8 18 Total
) (
2 2
s S
P =

7/25 10/25 6/25 2/25 1,00

6
0
1/10
1/5
3/10
2/5
1/2
1 3 5 7
Distribuio
de X
16
0
1/10
1/5
3/10
1 2 3 4 5 6 7
Distribuio
da mdia de
X
Distribuio amostral de X
R$8
R$9
$
Populao
17
R$8
R$10
Pop.
salrios 9 =
2 2
3
2
salrio =
18
0.00
0.11
0.22
0.33
0.44
8 9 10
salrios
P
(
X
=
x
)
7
= = salrios
X
9 n
salrio
X
2
2 2
3
1
= =
Amostragem com reposio
Mdias.
n=2
19
0.00
0.11
0.22
0.33
0.44
8 8.5 9 9.5 10
salrios
= = salrios
X
9
n
salrio
X
2
2 2
9
2
= =
Amostragem com reposio
n=3
Mdias
20
0
1
2
3
4
5
6
7
8
8.00 8.33 8.67 9.00 9.33 9.67 10.00
Salrios
f
a
A distribuio de
Variveis normais
X
( )

2

21
( )

n
N X N X
2
, ~ , ~


8
Variveis no normais TCL
Se X uma varivel qualquer com mdia e
varincia
2
, :
22
) 1 , 0 ( N
n
X
z
n

23
A distribuio das mdias amostrais, obtidas de amostras de tamanho n,
selecionadas ao acaso de uma populao de tamanho N, commdia e
varincia
2
ser aproximadamentenormal commdia
e varincia se a amostragemfor realizada comreposio,
Teorema do Limite Central

x
=

x
2
2
=
24
ou se a amostragemfor realizada semreposio em
uma populao finita ( >0,05), independentemente da distribuio
da varivel emquesto.
n

x
n
N n
N
2
2
1
=

n
N
9
Teorema Central do Limite
Se for tirada varias amostras de tamanho n de uma populao com
qualquer tipo de distribuio, com mdia = e desvio padro =
25
x
Desvio
padro:
Mdia:
A mdia das amostras ter uma distribuio amostral aproximadamente
normal
Exemplo
Seja X: N (80, 26). Dessa populao retiramos
uma amostra de n=25. Calcular
a) P ( > 83)
X
26
b) P ( 82)
X
Exemplo
Seja X: N (100, 85). Retiramos uma amostra de
n=20. Determinar
27
P (95 < < 105) X
10
Distribuio Amostral de t (Student)
Sabe-se que , e sua distribuio padronizada
dada por:
Em muitas situaes no se conhece
2
ou , mas sim sua estimativa s
2
ou s
Precisamos substituir por seu estimador s
t t ti
x N
n
~ ;

2

z
x
n
=

28
estatstica ,
a qual segue uma distribuio t de Student com (n-1) graus de liberdade.
Esta estatstica utilizada quando se temamostras pequenas (n 30), pois o
valor de s
2
torna-se muito varivel, ou seja, flutua muito de amostra para
amostra
Nestas situaes a distribuio deixa de ser normal padronizada.
t
x
s
n
=

Caractersticas da distribuio t
a) simtrica em relao a mdia (semelhante a
distribuio de z)
b) Tem forma campanular. Valores de t dependem da
flutuao das estatsticas mdia e desvio padro amostrais
e z depende somente das mudanas da mdia das
amostras
29
amostras
c) Quando n tende para infinito, a distribuio t tende para a
distribuio normal. Na prtica, a aproximao
considerada boa quando n >30.
d) Possui n-1 graus de liberdade.
Condies para utilizar a distribuio de t de
Student
a) O tamanho da amostra pequeno
(n 30)

t
30
b) desconhecido
c) A populao tem distribuio essencialmente
normal
t
g
- +
0
11
Distribuio t de student
2
~ ( , )
i
X N Se
~?
X
n

~ (0,1)
X
Z N

=
31
n
1
~
n
X
t
s
n

Tabela2. LimitesunilateraisdadistribuiotdeStudentao nvel deprobabilidade.


GL 0.250 0.200 0.150 0.100 0.050 0.025 0.010 0.005 0.001

1 1.000 1.376 1.963 3.078 6.314 12.706 31.821 63.656 318.289
2 0.816 1.061 1.386 1.886 2.920 4.303 6.965 9.925 22.328
3 0.765 0.978 1.250 1.638 2.353 3.182 4.541 5.841 10.214
4 0.741 0.941 1.190 1.533 2.132 2.776 3.747 4.604 7.173
5 0.727 0.920 1.156 1.476 2.015 2.571 3.365 4.032 5.894
6 0.718 0.906 1.134 1.440 1.943 2.447 3.143 3.707 5.208
7 0.711 0.896 1.119 1.415 1.895 2.365 2.998 3.499 4.785
8 0.706 0.889 1.108 1.397 1.860 2.306 2.896 3.355 4.501
9 0.703 0.883 1.100 1.383 1.833 2.262 2.821 3.250 4.297
10 0.700 0.879 1.093 1.372 1.812 2.228 2.764 3.169 4.144
11 0.697 0.876 1.088 1.363 1.796 2.201 2.718 3.106 4.025
12 0.695 0.873 1.083 1.356 1.782 2.179 2.681 3.055 3.930
13 0.694 0.870 1.079 1.350 1.771 2.160 2.650 3.012 3.852
14 0.692 0.868 1.076 1.345 1.761 2.145 2.624 2.977 3.787
15 0.691 0.866 1.074 1.341 1.753 2.131 2.602 2.947 3.733
16 0.690 0.865 1.071 1.337 1.746 2.120 2.583 2.921 3.686
17 0.689 0.863 1.069 1.333 1.740 2.110 2.567 2.898 3.646
18 0.688 0.862 1.067 1.330 1.734 2.101 2.552 2.878 3.610
19 0.688 0.861 1.066 1.328 1.729 2.093 2.539 2.861 3.579
20 0.687 0.860 1.064 1.325 1.725 2.086 2.528 2.845 3.552
21 0.686 0.859 1.063 1.323 1.721 2.080 2.518 2.831 3.527
22 0.686 0.858 1.061 1.321 1.717 2.074 2.508 2.819 3.505
23 0.685 0.858 1.060 1.319 1.714 2.069 2.500 2.807 3.485
24 0.685 0.857 1.059 1.318 1.711 2.064 2.492 2.797 3.467
25 0.684 0.856 1.058 1.316 1.708 2.060 2.485 2.787 3.450
26 0.684 0.856 1.058 1.315 1.706 2.056 2.479 2.779 3.435
27 0.684 0.855 1.057 1.314 1.703 2.052 2.473 2.771 3.421
28 0.683 0.855 1.056 1.313 1.701 2.048 2.467 2.763 3.408
29 0.683 0.854 1.055 1.311 1.699 2.045 2.462 2.756 3.396
30 0.683 0.854 1.055 1.310 1.697 2.042 2.457 2.750 3.385
40 0.681 0.851 1.050 1.303 1.684 2.021 2.423 2.704 3.307

Obter os seguintes valores da distribuio t de
Student:
a) t / P (-t <t <t ) =0,95com10 g.l.
b) t / P (-t <t <t ) =0,90com20 g.l.
33
c) t / P (t >t ) =0,05com25 g.l.
d) t / P (t <t ) =0,10com10g.l.
e) P (-1,753<t <1,753) com15 g.l.
12
Distribuio de s
2
- Distribuio de
2
(Qui - Quadrado)
uma distribuio amostral de varincias
Retira-se uma amostra de n elementos de uma populao normal com
mdia e varincia
2
, teremos a distribuio de uma
segue uma distribuio de 2
( ) x x
i
i
n
2
2
1

34
, segue uma distribuio de 2
com n-1 graus liberdade , e que:
A varivel
tem distribuio
2
com n-1 graus de liberdade.
s
n
i 2 1
1
=

2
2
2
1
=
( ) n s
Os valores de
2
no podem ser negativos
No simtrica em
2
= 0
quanto maior o tamanho de n, a distribuio tende a
normal.
35
Como a curva no simtrica, ento olha-se na tabela
dois valores de
2
, quando queremos saber se um valor
est entre 2 limites.
36
13
Obter os seguintes valores da distribuio de
2
:
a)
2
/ P (
2
>
2
) =0,025com17g.l.
b)
2
/ P (
2
<
2
) =0,025com17 g.l.
c)
1
2
,
2
2
/ P (
1
2
<
2
<
2
2
) =0,90com10 g.l.
37
d)
1
2
,
2
2
/ P (
1
2
<
2
<
2
2
) =0,95com15 g.l.
e) P (10,8508<
2
<31,4104) com20 g.l.
Distribuio F (de Snedecor)
38
0 +
0 +
F
1 2
, g g
F
Distribuio F
2
1 1
2
1
( 1)
~?
n s

1
2
1 n

2
2 2
2
2
( 1)
~?
n s

2
2
1 n

39
2 2
1 2
2 2
1 2
s
s

=
1 2
2 2
1 2
1, 1 2 2
2 1
~
n n
s
F
s

Quando a rea a direita (alfa) muito grande?
14
40
41
Obter os seguintes valores da distribuio F de Snedecor:
a) F / P(F >F ) =0,10comv
1
=8 e v
2
=20 g.l.
b) F / P(F <F ) =0,90comv
1
=8 e v
2
=20 g.l.
c) F
1
,F
2
/ P(F
1
<F <F
2
) =0,95comv
1
=10 e v
2
=20 g.l.
42
d) F / P(F <F) =0,01comv
1
=10 e v
2
=8 g.l.