Vous êtes sur la page 1sur 74

Inferncia Estatstica 2

Estimao Pontual
Diana Maia
UEPB - CCT - DMEC
2014
Diana Maia Inferncia Estatstica 2
Introduo
Podemos comear perguntando: O que inferncia?
De acordo com o dicionrio Michaelis, inferir deduzir por
meio de raciocnio, tirar por concluso ou consequncia.
Diana Maia Inferncia Estatstica 2
Introduo
Sendo assim, surgem duas perguntas:
O que queremos deduzir na Inferncia Estatstica?
Com base em qu, vamos tirar tais concluses?
Diana Maia Inferncia Estatstica 2
Introduo
Como foi dito, inferir deduzir por meio de raciocnio.
Neste contexto, podemos destacar dois tipos diferentes de
inferncia: a dedutiva e a indutiva.
Diana Maia Inferncia Estatstica 2
Introduo
Na inferncia dedutiva, as concluses so exatas, so
deduzidas a partir de informaes conhecidas.
Por exemplo, todas as pessoas maiores de idade tem mais
de 18 anos; portanto, se eu sou maior de idade, eu tenho
mais de 18 anos.
Diana Maia Inferncia Estatstica 2
Introduo
Na Inferncia indutiva, realiza-se um experimento,
obtm-se dados e, com base nisto, as concluses so
tiradas para toda a classe de experimentos similares.
Essas concluses, ao contrrio daquelas da inferncia
dedutiva, no so exatas, elas envolvem alguma
probabilidade de estarem erradas.
Diana Maia Inferncia Estatstica 2
Introduo
A inferncia estatstica est associada inferncia
indutiva.
Para continuarmos a explanao precisamos dos
conceitos a seguir.
Diana Maia Inferncia Estatstica 2
Introduo
Denio
A totalidade dos elementos de interesse ou resultados sob
investigao chamada populao. Qualquer subconjunto
dessa populao chamado de amostra.
Diana Maia Inferncia Estatstica 2
Introduo
Agora, podemos resumir o problema da Inferncia Estatstica
da seguinte forma:
Queremos estudar alguma caracterstica da populao.
Dado que, em geral, ou muito caro ou invivel
examinar toda a populao, ento colhe-se uma amostra e
o estudo realizado nessa amostra.
Por m, baseado nos resultados obtidos na amostra,
inferimos sobre o que ocorre na populao.
Diana Maia Inferncia Estatstica 2
Introduo
Agora, podemos resumir o problema da Inferncia Estatstica
da seguinte forma:
Queremos estudar alguma caracterstica da populao.
Dado que, em geral, ou muito caro ou invivel
examinar toda a populao, ento colhe-se uma amostra e
o estudo realizado nessa amostra.
Por m, baseado nos resultados obtidos na amostra,
inferimos sobre o que ocorre na populao.
Diana Maia Inferncia Estatstica 2
Introduo
Agora, podemos resumir o problema da Inferncia Estatstica
da seguinte forma:
Queremos estudar alguma caracterstica da populao.
Dado que, em geral, ou muito caro ou invivel
examinar toda a populao, ento colhe-se uma amostra e
o estudo realizado nessa amostra.
Por m, baseado nos resultados obtidos na amostra,
inferimos sobre o que ocorre na populao.
Diana Maia Inferncia Estatstica 2
Introduo
As tcnicas para se obter uma boa amostra so
estudadas em Amostragem.
A Inferncia Estatstica trata da parte de decidir e
avaliar a generalizao dos resultados obtidos na
amostra para a populao.
Diana Maia Inferncia Estatstica 2
Introduo
Exemplo
Digamos que queiramos saber a altura mdia dos alunos do
curso de Estatstica. Ento
i) Qual seria a populao aqui?
ii) Qual a varivel de interesse?
iii) Seria vivel realizar o estudo com toda a populao?
iv) Como poderamos mensurar a varivel de interesse?
v) Como, nalmente, representaramos a altura mdia de
todos os alunos do curso de Estatstica. Poderamos usar
a mediana? A mdia aritmtica? A Mdia geomtrica?
Diana Maia Inferncia Estatstica 2
Introduo
Exemplo
Deseja-se saber a proporo de copos com defeito em
embalagens de 100 unidades fabricados por certa mquina.
i) Qual seria a populao aqui?
ii) Qual a varivel de interesse?
iii) Seria vivel realizar o estudo com toda a populao?
iv) Poderamos usar a seguinte estratgia: a cada hora
recolhemos uma embalagem e contamos o nmero de
copos com defeito na embalagem. Como modelaramos
matematicamente o estudo, neste caso?
Diana Maia Inferncia Estatstica 2
Introduo
Exemplo
Queremos modelar o tempo (em minutos) at que se consiga
falar com um atendente de uma empresa de telefonia.
Anotamos esses tempos, em certo dia, para 250 clientes e o
histograma dos dados pode ser visto a seguir.
Diana Maia Inferncia Estatstica 2
Introduo
Exemplo
Neste caso, qual modelo probabilstico voc prope para esses
dados? Quais seriam os parmetros?
Diana Maia Inferncia Estatstica 2
Estimao Pontual
Conceitos Iniciais
Precisamos agora de algumas denies bsicas e
extremamente importantes para a teoria de estimao.
Diana Maia Inferncia Estatstica 2
Estimao Pontual
Conceitos Iniciais
Denio
Sejam X
1
, X
2
, . . . , X
n
variveis aleatrias com uma densidade
conjunta f
X
1
,X
2
,...,X
n
(x
1
, x
2
, . . . , x
n
). Se
f
X
1
= f
X
2
= = f
X
n
e
f
X
1
,X
2
,...,X
n
(x
1
, x
2
, . . . , x
n
) = f (x
1
)f (x
2
) . . . f (x
n
)
ento as variveis X
1
, X
2
, . . . , X
n
formam uma amostra
independente e identicamente distribuda.
Alternativamente, dizemos que temos uma amostra aleatria
de tamanho n ou uma amostra i.i.d. da densidade f (x) ou de
uma populao com densidade f .
Diana Maia Inferncia Estatstica 2
Estimao Pontual
Conceitos Iniciais
Denio
Um parmetro uma medida para descrever uma
caracterstica de uma populao.
So exemplos de parmetros: a mdia e a varincia
populacionais, alm de alguns dos parmetros dos modelos
probabilsticos vistos.
Diana Maia Inferncia Estatstica 2
Estimao Pontual
Conceitos Iniciais
Denio
Um parmetro uma medida para descrever uma
caracterstica de uma populao.
So exemplos de parmetros: a mdia e a varincia
populacionais, alm de alguns dos parmetros dos modelos
probabilsticos vistos.
Diana Maia Inferncia Estatstica 2
Estimao Pontual
Conceitos Iniciais
A motivao da estimao pontual encontrar valores que
representem bem esses parmetros populacionais
desconhecidos.
Diana Maia Inferncia Estatstica 2
Estimao Pontual
Conceitos Iniciais
Denio
Uma estatstica uma funo conhecida da amostra.
So exemplos de estatsticas, a mdia e a varincia amostrais,
as estatsticas de ordem, a mediana amostral.
Diana Maia Inferncia Estatstica 2
Estimao Pontual
Conceitos Iniciais
Denio
Uma estatstica uma funo conhecida da amostra.
So exemplos de estatsticas, a mdia e a varincia amostrais,
as estatsticas de ordem, a mediana amostral.
Diana Maia Inferncia Estatstica 2
Estimao Pontual
Conceitos Iniciais
preciso salientar que se uma estatstica uma funo
da amostra, ela uma varivel aleatria.
A seguir, veremos alguns fatos importantes sobre a
distribuio de algumas estatsticas importantes.
Diana Maia Inferncia Estatstica 2
Estimao Pontual
Conceitos Iniciais
preciso salientar que se uma estatstica uma funo
da amostra, ela uma varivel aleatria.
A seguir, veremos alguns fatos importantes sobre a
distribuio de algumas estatsticas importantes.
Diana Maia Inferncia Estatstica 2
Estimao Pontual
Distribuies amostrais
Vamos considerar X
1
, X
2
, . . . , X
n
uma amostra i.i.d. de
uma densidade f ().
Vamos ver, inicialmente, alguns fatos sobre a distribuio
da mdia amostral

X.
Diana Maia Inferncia Estatstica 2
Estimao Pontual
Distribuies Amostrais
Teorema
Se X
1
, X
2
, . . . , X
n
uma amostra i.i.d. de uma densidade f (),
cuja mdia e a varincia
2
, ento
E
_

X
_
= e Var (

X) =

2
n
.
Diana Maia Inferncia Estatstica 2
Estimao Pontual
Distribuies Amostrais
Exemplos
Considerando uma amostra aleatria de tamanho n de cada
uma das distribuies abaixo, calcule a mdia e a varincia de

X.
1
Bin(10, p)
2
Geom(p)
3
exp()
4
N(0, 1)
Diana Maia Inferncia Estatstica 2
Estimao Pontual
Distribuies Amostrais
Um caso particularmente especial aquele em que temos uma
amostra aleatria de uma distribuio N(,
2
). Neste caso,

X
n
N
_
,

2
n
_
e
(n 1)S
2

2

2
(n1)
.
Diana Maia Inferncia Estatstica 2
Estimao Pontual
Distribuies Amostrais
Lei dos Grandes Nmeros
Seja X
1
, X
2
, . . . , X
n
uma a.a. de tamanho n de f (

) com mdia
e varincia
2
< . Se

X
n
a mdia de tal amostra, ento

X
n

em probabilidade. Ou seja, para todo > 0
lim
n
P
_
|

X
n
| >
_
= 0.
Diana Maia Inferncia Estatstica 2
Estimao Pontual
Distribuies Amostrais
Este resultado diz que medida que o tamanho da
amostra cresce, a probabilidade de

X car "longe"de
tende a zero.
Diana Maia Inferncia Estatstica 2
Estimao Pontual
Distribuies Amostrais
Teorema Central do Limite
Seja f () uma densidade com mdia e varincia
2
< .
Seja

X
n
a mdia de uma amostra i.i.d. de tamanho n de f . Se
denirmos
Z
n
=

X
n
E(

X
n
)
_
Var (

X
n
)
=

X
n

n
,
ento
Z
n
N(0, 1),
quando n .
Diana Maia Inferncia Estatstica 2
Estimao Pontual
Distribuies amostrais
Um caso particular do Teorema Central do Limite aquele
usado para aproximar a distribuio binomial pela normal.
Usamos este resultado para encontrar a distribuio
aproximada de uma proporo.
Diana Maia Inferncia Estatstica 2
Estimao Pontual
Distribuies amostrais
Conside uma amostra X
1
, X
2
, . . . , X
n
e seja Y
n
o nmero de
elementos na amostra que tem uma determinada caracterstica
de interesse. Ento, para uma amostra sucientemente grande
podemos usar a seguinte aproximao

p =
Y
n
n
N
_
p,
p(1 p)
n
_
,
onde p a proporo de indivduas na populao que tem a tal
caracterstica de interesse.
Diana Maia Inferncia Estatstica 2
Estimao Pontual
Introduo
Vamos relembrar o problema central da estimao pontual.
Diana Maia Inferncia Estatstica 2
Estimao Pontual
Assuma que alguma caracterstica de uma populao
pode ser representada por uma varivel aleatria X, cuja
densidade f (x; )
Em geral, a forma da distribuio conhecida, mas a
mesma depende de um ou mais parmetros
desconhecidos.
Para que a distribuio seja completamente conhecida,
precisamos conhecer esses parmetros.
Diana Maia Inferncia Estatstica 2
Estimao Pontual
Para comear, vamos assumir que seja possvel colher
uma amostra de f ( ; ).
Com base na informao contida na amostra, queremos
estimar o valor de .
Diana Maia Inferncia Estatstica 2
Estimao Pontual
Denio
Qualquer estatstica cujos valores so usados para estimar ,
ou uma funo (), chamada um estimador de (ou ()).
Frequentemente, denotamos o estimador de por

.
Diana Maia Inferncia Estatstica 2
Estimao Pontual
Observaes
1
Quando consideramos

= T(X
1
, . . . , X
n
), temos um
estimador de , o qual uma varivel aleatria. Quando
temos uma amostra x
1
, x
2
, . . . , x
n
observada, ento

= T(x
1
, . . . , x
n
) uma Estimativa de .
2
Algumas vezes, em lugar de um nico parmetro, teremos
um vetor de parmetros = (
1
,
2
, . . . ,
k
).
Diana Maia Inferncia Estatstica 2
Estimao Pontual
Vamos abordar dois pontos:
O primeiro estabelecer mtodos para encontrar
estimadores;
o segundo denir critrios que nos ajudem a saber
quando um estimador melhor que outro.
Diana Maia Inferncia Estatstica 2
Estimao Pontual
Mtodo dos Momentos
O mtodo dos Momentos bastante antigo.
Uma vantagem clara desse mtodo que quase sempre
ele nos fornece algum estimador.
O problema que s vezes os resultados nem sequer so
valores plausveis para o parmetro.
Diana Maia Inferncia Estatstica 2
Estimao Pontual
Mtodo dos Momentos
Denio
Denimos o k-simo momento (populacional) de uma varivel
aleatria X como

k
= E
_
X
k
_
.
Por exemplo,
O primeiro momento de X
1
= E(X)
O segundo momento de X

2
= E
_
X
2
_
= Var (X) + [E(X)]
2
.
Diana Maia Inferncia Estatstica 2
Estimao Pontual
Mtodo dos Momentos
Denio
Denimos o k-simo momento (populacional) de uma varivel
aleatria X como

k
= E
_
X
k
_
.
Por exemplo,
O primeiro momento de X
1
= E(X)
O segundo momento de X

2
= E
_
X
2
_
= Var (X) + [E(X)]
2
.
Diana Maia Inferncia Estatstica 2
Estimao Pontual
Mtodo dos Momentos
Denio
Dada uma amostra i.i.d. X
1
, X
2
, . . . , X
n
, o k-simo momento
amostral dado por
M
k
=
1
n
n

i =1
X
k
i
.
Por exemplo,
O primeiro momento amostral M
1
=
1
n

n
i =1
X
i
=

X.
O segundo momento amostral
M
2
=
1
n
n

i =1
X
2
i
.
Diana Maia Inferncia Estatstica 2
Estimao Pontual
Mtodo dos Momentos
Denio
Dada uma amostra i.i.d. X
1
, X
2
, . . . , X
n
, o k-simo momento
amostral dado por
M
k
=
1
n
n

i =1
X
k
i
.
Por exemplo,
O primeiro momento amostral M
1
=
1
n

n
i =1
X
i
=

X.
O segundo momento amostral
M
2
=
1
n
n

i =1
X
2
i
.
Diana Maia Inferncia Estatstica 2
Estimao Pontual
Mtodo dos Momentos
Observao
Tipicamente, os momentos populacionais so funes dos
parmetros e os momentos amostrais no!
Diana Maia Inferncia Estatstica 2
Estimao Pontual
Mtodo dos Momentos
Agora, vamos ver como funciona o mtodo dos momentos.
Diana Maia Inferncia Estatstica 2
Estimao Pontual
Mtodo dos Momentos
O Mtodo dos Momentos
Seja X
1
, X
2
, . . . , X
n
uma amostra i.i.d. de uma densidade
f (;
1
, ,
k
).
Os estimadores do mtodo dos momentos de
1
, . . . ,
k
,
que denotaremos

1
, . . . ,

k
so obtidos igualando os k
primeiros momentos populacionais aos respectivos
momentos amostrais a resolvendo o sistema de equaes
resultante em .
Diana Maia Inferncia Estatstica 2
Estimao Pontual
Mtodo dos Momentos
O mtodo dos Momentos
Em outras palavras, devemos encontrar

1
, . . . ,

k
que sejam
soluo do sistema
_

1
(
1
, ,
k
) = M
1
.
.
.

k
(
1
, ,
k
) = M
k
Diana Maia Inferncia Estatstica 2
Estimao Pontual
Mtodo dos Momentos
Exemplo
Seja X
1
, X
2
, . . . , X
n
uma amostra i.i.d. de uma distribuio
Bernoulli(p). Vamos obter o estimador de p pelo mtodo dos
momentos.
Diana Maia Inferncia Estatstica 2
Estimao Pontual
Mtodo dos Momentos
Exemplo
Seja X
1
, X
2
, . . . , X
n
uma amostra i.i.d. de uma distribuio
U(, ). Encontre o estimador do mtodo dos momentos de .
Diana Maia Inferncia Estatstica 2
Estimao Pontual
Mtodo dos Momentos
Exemplo
Seja X
1
, X
2
, . . . , X
n
uma amostra i.i.d. de uma distribuio
Bin(m, p). Neste caso, quais seriam os estimadores de m e p
obtidos usando o mtodo dos momentos?
Diana Maia Inferncia Estatstica 2
Estimao Pontual
Mtodo dos Momentos
Exemplo
Considere X
1
, X
2
, . . . , X
n
uma amostra i.i.d. de uma distribuio
N(,
2
). Usando o mtodo dos momentos, encontre
estimadores para e
2
.
Diana Maia Inferncia Estatstica 2
Estimao Pontual
Mtodo da Mxima Verossimilhana
O mtodo da mxima verossimilhana um dos mais
populares e produz estimadores com propriedades
desejveis.
Diana Maia Inferncia Estatstica 2
Estimao Pontual
Mtodo da Mxima Verossimilhana
Denio
A funo de verossimilhana de n variveis aleatrias
X
1
, X
2
, . . . , X
n
denida como sendo a densidade conjunta de
tais variveis
f
X
1
,X
2
,...,X
n
(x
1
, x
2
, . . . , x
n
; ),
considerada como uma funo de , e que ser denotada por
L() = f
X
1
,X
2
,...,X
n
(x
1
, x
2
, . . . , x
n
; ).
Diana Maia Inferncia Estatstica 2
Estimao Pontual
Mtodo da Mxima Verossimilhana
Observao
No caso particular em que X
1
, X
2
, . . . , X
n
for uma amostra i.i.d.
de uma funo densidade de probabilidade f (, ), ento
L() =
n

i =1
f (x
i
; ).
Diana Maia Inferncia Estatstica 2
Estimao Pontual
Mtodo da Mxima Verossimilhana
A funo de verossimilhana L() representa, de certo
modo, a probabilidade de que as variveis assumam
valores particulares x
1
, x
2
, . . . , x
n
.
Assim, o nosso objetivo , dada uma amostra
X
1
, X
2
, . . . , X
n
, a f.d.p. que torna x
1
, x
2
, . . . , x
n
mais
provvel, ou seja, o valor de para o qual L() maior.
Diana Maia Inferncia Estatstica 2
Estimao Pontual
Mtodo da Mxima Verossimilhana
Denio
Seja L() a funo de verossimilhana para X
1
, X
2
, . . . , X
n
. Se

o valor em que maximiza L(), ento



o estimador de
mxima verossimilhana de .
Diana Maia Inferncia Estatstica 2
Estimao Pontual
Mtodo da Mxima Verossimilhana
Observaes
i) Se L() for derivvel, os candidatos a estimador de
mxima verossimilhana (EMV) so as solues de
L()

= 0.
Diana Maia Inferncia Estatstica 2
Estimao Pontual
Mtodo da Mxima Verossimilhana
Observaes
ii) No entanto, derivar L(), derivar o produto de n funes,
o que d um certo trabalho. Uma alternativa, aplicar a
funo logaritmo, pois
a funo ln transforma produtos em somas, o que facilita a
derivao;
como a funo ln uma funo crescente, maximizar L()
equivalente a maximizar
l () = ln(L()),
onde l () chamada funo de log-verossimilhana.
Diana Maia Inferncia Estatstica 2
Estimao Pontual
Mtodo da Mxima Verossimilhana
Considere X
1
, X
2
, . . . , X
n
uma amostra i.i.d. de uma
distribuio f (; ). Podemos resumir o mtodo da mxima
verossimilhana nos seguintes passos.
Diana Maia Inferncia Estatstica 2
Estimao Pontual
Mtodo da Mxima Verossimilhana
Supondo que L() seja derivvel
1
Calculamos a funo de verossimilhaa
L() = f (x
1
)f (x
2
) . . . f (x
n
).
2
Obtemos a funo de log-verossimilhana
l () = ln(L()).
3
Derivamos l () em relao a e igualamos a zero,
chegando a um sistema de equaes em .
4
O

que for soluo de sistema de equaes do item
anterior ser o provvel estimador de mxima
verossimilhana.
Diana Maia Inferncia Estatstica 2
Estimao Pontual
Mtodo da Mxima Verossimilhana
ATENO!!!
Relembrando as aulas de clculo, sabemos que

ser
realmente um ponto de mximo da funo, se ele satiszer

2
l ()

2
< 0,
no ponto =

.
Diana Maia Inferncia Estatstica 2
Estimao Pontual
Mtodo da mxima verossimilhana
Se tivermos dois parmetros a serem estimados, devemos
usar o resultado abaixo para conrmar se o ponto encontrado
ponto de mximo.
Teorema
Seja z = f (x, y) uma funo cujas derivadas parciais de 1 e 2
ordem so contnuas e (x
0
, y
0
) um ponto crtico de f .
Denotamos por H(x
0
, y
0
) o determinante da matriz Hessiana
de f no ponto (x
0
, y
0
)
H(x
0
, y
0
) =

2
f
x
2

2
f
xy

2
f
xy

2
f
y
2

=

2
f
x
2

2
f
y
2

_

2
f
xy
_
2
Diana Maia Inferncia Estatstica 2
Estimao Pontual
Mtodo da mxima verossimilhana
Continuao
Ento
(a) Se H(x
0
, y
0
) > 0 e

2
f
x
2
(x
0
, y
0
) > 0, ento (x
0
, y
0
) ponto
de mnimo local de f .
(b) Se H(x
0
, y
0
) > 0 e

2
f
x
2
(x
0
, y
0
) < 0, ento (x
0
, y
0
) ponto
de mximo local de f .
(c) Se H(x
0
, y
0
) < 0 ento (x
0
, y
0
) ponto de sela de f .
(d) Se H(x
0
, y
0
) = 0 nada podemos armar: f pode ter um
mximo local ou mnimo local ou um ponto de sela em
(x
0
, y
0
).
Diana Maia Inferncia Estatstica 2
Estimao Pontual
Mtodo da Mxima Verossimilhana
Observao
No caso em que L() no for derivvel, devemos fazer um
estudo da funo.
Diana Maia Inferncia Estatstica 2
Estimao Pontual
Mtodo da Mxima Verossimilhana
Exemplo
Seja X
1
, X
2
, . . . , X
n
uma amostra i.i.d. de uma distribuio
Bernoulli(p). Encontre o EMV de p.
Diana Maia Inferncia Estatstica 2
Estimao Pontual
Mtodo da Mxima Verossimilhana
Exemplo
Considere uma amostra aleatria X
1
, X
2
, . . . , X
n
de uma
distribuio N(,
2
). Quais so os estimadores de mxima
verossimilhana de e
2
?
Diana Maia Inferncia Estatstica 2
Estimao Pontual
Mtodo da Mxima Verossimilhana
Exemplo
Encontre o EMV de , se temos uma amostra aleatria
X
1
, X
2
, . . . , X
n
de uma U(0, )
Diana Maia Inferncia Estatstica 2
Estimao Pontual
Mtodo da Mxima Verossimilhana
Exemplo
Considerando uma amostra i.i.d. de tamanho n de uma
distribuio U
_

1
2
, +
1
2
_
. Qual seria o EMV de ?
Diana Maia Inferncia Estatstica 2
Estimao Pontual
Mtodo da Mxima Verossimilhana
Muitas vezes, queremos saber no a estimativa de , mas
de alguma funo ().
Por exemplo, calculamos o estimador de para uma
distribuio U(0, ), mas poderamos querer um estimador
para E(X) =

2
.
Diana Maia Inferncia Estatstica 2
Estimao Pontual
Mtodo da Mxima Verossimilhana
Invarincia do Estimador de Mxima Verossimilhana
Seja

o estimador de mxima verossimilhana de numa
densidade f (x, ), onde assumimos unidimensional. Se ()
uma funo que tem um nico valor inverso, ento o EMV de
()
_

_
, ou seja,

() =
_

_
.
Diana Maia Inferncia Estatstica 2
Estimao Pontual
Mtodo da Mxima Verossimilhana
Exemplo
Seja X
1
, X
,
. . . , X
n
uma amostra aleatria de uma distribuio
U(0, ). Encontre o EMV de E(X) =

2
.
Diana Maia Inferncia Estatstica 2
Estimao Pontual
Mtodo da Mxima Verossimilhana
Exemplo
Considere uma a.a. X
1
, X
2
, . . . , X
n
de uma distribuio
Poisson(). Calcule:
1
o EMV de
2
o EMV de g() = P(X = 0).
3
Calcule a estimativa de pelo mtodo da mxima
verossimilhana, com base na amostra
6 2 2 9 3 5 3 4 7 10 6 10 5 12 6
Diana Maia Inferncia Estatstica 2