Académique Documents
Professionnel Documents
Culture Documents
Theorem 1. Seja X1 , X2 , ..., Xn uma sequncia de variveis aleatrias independentes e identicamente distribudas com mdia e varincia 2 . Dessa forma,
Sn = X1 + X2 + ... + Xn
= X1 + X2 + ... + Xn
X
n
ento para n suficientemente grande, qualquer que seja a distribuio de probabilidade
dos Xi , temos
'N
Sn ' N (n, n ) e X
2
2
,
n
Sn n
X
' N (0, 1) e
' N (0, 1)
n
n
1.1
(1)
(2)
Se X1 , X2 , ..., Xn uma sequncia de variveis aleatrias independentes de Bernoulli com parmetro p, ento Sn = X1 +X2 +...+Xn B(n; p). Assim, pelo Teorema Central do Limite,
para n suficientemente grande Sn pode ser aproximada por uma distribuio normal
Sn np
Sn ' N (np, np(1 p)) ou p
' N (0, 1)
np(1 p)
(3)
2
2.1
Distribuio Amostral
Distribuio Amostral da Mdia
Theorem 2. Seja X uma V.A. com mdia e varincia 2 , e sejam X1 , X2 , ..., Xn uma
amostra aleatria simples. Ento, se
= X1 + X2 + ... + Xn
X
n
= e V ar(X)
=
temos que E(X)
2
.
n
Demonstrao.
E(X1 ) + E(X2 ) + ... + E(Xn )
n
+ + ... +
n
=
=
=
n
n
=
E(X)
Theorem 3. Sejam X1 , X2 , ..., Xn uma amostra aleatria simples de uma populao com
segue uma distribuio normal com mdia
com mdia e varincia 2 a distribuio de X
2
e varincia n quando n , pelo Teorema Central do Limite.
Corollary 3.1. Sejam X1 , X2 , ..., Xn uma amostra aleatria simples de uma populao com
= X1 +X2 +...+Xn , ento
com mdia e varincia 2 e X
n
X
Z= q
N (0, 1)
2
n
2.2
p(1p)
.
n
i=1
E(
p) = E
=
=
E(
Pn
i=1
Xi )
i=1
Xi tem
np
=p
n
Pn
V ar(
p) = V ar
Xi
Pn
i=1
Xi
=
V ar(
n
np(1 p)
p(1 p)
=
2
n
n
Pn
i=1
n2
Xi )
ter distribuio aproximadaVimos, ainda, que pelo Teorema Central do Limite que X
mente normal quando n , com mdia E(X) e V ar(X). Logo no caso de distribuio
= p e V ar(X)
= p(1p) . Contudo, note que X
nesse contexto
amostral da proporo E(X)
n
o prprio p. Assim, para n suficientemente grande consideramos que
p ' N (p, p(1 p)/n)
. Quando isso ocorre, tem-se que Z =
2.3
q pp
p(1p)
n
Ao contrrio da mdia amostral e proporo amostral, a varincia amostral segue a distribuio qui-quadrado.
Theorem 5. Sejam X1 , X2 , ..., Xn uma amostra aleatria simples de uma populao com
com mdia e varincia 2 , ento
(n 1)S 2
n1
2
(4)
Essa distribuio definida nos valores reais no-negativos e assimtrica, sendo tambm
tabelada de acordo com os graus de liberdade e os nveis de significncia desejados.
Estimao
Figura 1: Estiradores A, B, C e D.
Dessa forma, podemos classificar os estimadores da Figura 1, como:
(A) No viesado e impreciso
(B) Viesado e impreciso
(C) Viesado e preciso
(D) No viesado e preciso
Para os principais parmetros populacionais estudados temos os seguintes estimadores
pontuais no-viesados:
Tabela 1: Parmetros e seus estimadores.
Parmetro
Estimador
Mdia
Proporo
Varincia
p
2
Desvio Padro
Pn
i=1
p =
X
,
n
Xi
Uma vez que se tem os estimadores (variveis aleatrias) possvel obter as distribuies
de probabilidade deles com o objetivo de construir um intervalo de confiana para o parmetro em estudo. Para isso, define-se um nvel de confiana 1 , no qual a probabilidade
de que o intervalo construdo no conter o valor do parmetro.
4
3.1
(5)
(6)
3.2
3.2.1
(7)
X
N (0, 1)
/ n
(8)
Suponha que desejemos formar um intervalo de confiana para com um nvel de confiana 1 . Assim:
P (z/2 Z z/2 )
X
z/2
P z/2
/ n
z/2
P z/2 X
n
n
P X z/2 X + z/2
n
n
h
i
= X z/2 n X + z/2 n
= 1
Assim, IC(1),
= 1
= 1
= 1
Ateno.: Nesse mesmo caso, se desconhecemos o valor da varincia populacional, podemos substituir 2 por S 2 , quando n grande. Portanto, o contexto estudado aqui vale
tanto para 2 conhecida, quanto para 2 desconhecida, com amostras grandes. Isso porqu,
pelo Teorema Central do Limite, temos a aproximao em distribuio:
Z=
3.2.2
X
' N (0, 1)
/ n
(9)
Quando a amostra pequena se utilizarmos a varincia da amostra no lugar da varincia populacional iremos incorporamos mais incerteza aos intervalos. Por esse motivo a distribuio
amostral tem caudas mais "pesadas"de maneira a gerar valores mais atpicos.
Nesse caso, deve-se utilizar a distribuio t Student, onde
X
tn1
(10)
S/ n
onde S o devio padro amostral e tn1 a distribuio t Student com n 1 graus
de liberdade. Essa distribuio centrada no zero. A Figura 3.2.2 ilustra o formato dessa
distribuio.
Suponha que desejemos formar um intervalo de confiana para com um nvel de confiana 1 . Assim:
T =
P (t(n1),/2 T t(n1),/2 )
X
t(n1),/2
P t(n1),/2
S/ n
S
S
P t(n1),/2 X t(n1),/2
n
n
S
S
P X t(n1),/2 X + t(n1),/2
n
n
6
= 1
= 1
= 1
= 1
Assim, IC(1),
3.2.3
+ t(n1),/2 S
t(n1),/2 S X
= X
n
n
Suponha que p seja a proporo dos elementos da populao que possuem um certo atributo
em estudo.
PN
Xi
(11)
p = i=1
N
onde a varivel aleatria X = 0 se i-simo elemento da populao no tem o atributo e
X = 1 se o i-simo elemento da populao tem o atributo.
Pn
Xi
X
p = i=1
= , onde X o no de sucessos na amostra
(12)
n
n
Se n suficientemente grande, pelo Teorema Central do Limite:
p p
' N (0, 1)
Z=q
(13)
p(1p)
n
Suponha que desejemos formar um intervalo de confiana para p com um nvel de confiana 1 . Assim:
P (z/2 Z z/2 ) = 1
Logo,
p p
P z/2 q
z/2 = 1
p(1
p)
n
Assim, IC(1),p
q
q
p(1
p)
p(1
p)
p p + z/2
= p z/2
n
n
Teste de Hipteses
Uma hiptese estatstica uma alegao sobre um parmetro da populao. partir de uma
amostra dessa populao deseja-se decidir se aceitamos uma hiptese inicial (chamada de
hiptese nula, H0) por no haver evidncias suficientes contra ela, ou se rejeitamos em favor
de uma hiptese alternativa (chamada de hiptese alternativa, H1), pelo fato de o resultado
amostral ser atpico dentro do contexto afirmado pela hiptese nula.
4.1
Tipos de Erros
Em testes de hipteses ao tomar decises estamos sujeitos a dois tipos de erros: o erro tipo
I e o erro tipo II, descritos na Tabela 4.1.
Ao decidir em prol ou contra uma hiptese, pode-se perpetrar dois tipos de erros: rejeitar
a hiptese H0 , quando ela verdadeira ou no rejeitar a hiptese H0 , quando ela falsa.
Deciso
No rejeitar H0
Rejeitar H0
H0 verdadeira
Deciso Correta
Erro Tipo I
H0 falsa
Erro Tipo II
Deciso Correta
(14)
(15)
4.2
Tipos de Testes
No tocante aos testes de hipteses pode-se ter testes unilaterais ou bilaterais em concordncia
com o definida na hiptese alternativa (H1 ). Dessa forma, seja um parmetro qualquer de
uma populao em estudo temos os seguintes cenrios de testes de hipteses:
1. Teste Bilateral
H0 : = 0
H1 : 6= 0
8
H0 : 0
H1 : > 0
4.3
P-valor
4.4
Etapas do Teste
(1) Defina as hipteses nula e alternativa como afirmativas matemticas. Lembre que H0
sempre contm o smbolo =.
(2) Estabelea o nvel de significncia: probabilidade de cometer o erro tipo I.
(3) Identifique a distribuio amostral (distribuio sob a hiptese nula).
(4) Determine a estatstica teste e padronize-a.
(5) Calcule o p-valor da estatstica teste.
(6) Tome sua deciso de rejeio ou no da hiptese nula.
(7) Interprete a sua deciso!
10