Amostragem PDF

Prof. Lor Viali, Dr.
viali@mat.pucrs.br
http://www.pucrs.br/~viali/
Uma coleo de todos os
possveis elementos, objetos
ou medidas de interesse.
Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica
Um levantamento efetuado
sobre toda uma populao
denominado de levantamento
censitrio ou simplesmente
censo.
Um subconjunto finito
de uma populao de
interesse.
O processo de escolha de
uma amostra da populao
denominado de amostragem.

Mtodo de se inferir sobre
uma populao a partir do
conhecimento de pelo menos
uma amostra dessa populao.

Estudo das relaes tericas
existentes entre uma populao e
as amostras dela extradas.

P POPULAO
R
O (Censo)
B
A
B
I Erro Inferncia
L
I
D
A AMOSTRA
D (amostragem)
E
A
T m Probabilstica
i o
p s
o t
s r
a
d g
e e No Probabilstica
m
Todos os elementos da
populao tm probabilidade
conhecida (e diferente de zero)
de fazer parte da amostra.
Aleatria Simples
Sistemtica
Estratificada
Por Conglomerados
Uma amostra dita aleatria
simples ou ao acaso se todos os
elementos da populao tiverem a
mesma probabilidade de pertencer a
amostra
Total de Amostras
Com k=N n
Reposio
A
No Ordenadas
A N
k =
Sem n
S Reposio Ordenadas
k= n
AN
A unidade amostral escolhida
em intervalos pr-fixados. Assim se
N = tamanho da populao e
n = tamanho da amostra. Ento o
passo ou intervalo k = N/n.
Se N = 1000 e n = 100
Ento:
k = N/n = 1000/100= 10.
Sorteia-se um nmero entre 1 e 10.
Digamos 7. Ento a amostra ser:
7, 17, 27, ...., 997.
A populao estratificada
(em grupos mutuamente
exclusivos) e ento uma amostra
aleatria simples de cada estrato
retirada.
Nos mtodos anteriores cada
observao escolhida de forma
individual. Na amostragem por
agrupamento, grupos de
observaes so escolhidas ao
acaso.
Considere uma populao de
20 itens dividida em 5 grupos de 4
itens cada. Para escolher uma
amostra de n = 8, escolhe-se 2
grupos, ao invs de 8 itens
individuais.
Grupo Elementos
1 X1, X2, X3, X4
2 X5, X6, X7, X8
3 X9, X10, X11, X12
4 X13, X14, X15, X16
5 X17, X18, X19, X20
Uma caracterstica da populao
denominada de parmetro.
Um estimador uma
caracterstica da amostra.
Uma estimativa um valor
particular de um estimador.
A MDIA
2 A VARINCIA
O DESVIO
PADRO
A PROPORO
A MDIA
X
S2 A VARINCIA
O DESVIO
S PADRO
P A PROPORO
1 Amostra 1
POPULAO
2 Amostra 2
..... ..................
k Amostra k
A distribuio de
probabilidade de um
estimador (varivel aleatria)
denominada de distribuio
amostral desse estimador.
Populao P = {1, 2, 3, 4}
1 + 2 + 3 + 4 10
= = = 2,50
4 4
X 2 30
2
= n = 4 2,50 = 1,25
2 2
0 +1+ 0 +1 2
= = = 50%
4 4
0,25
0,20
0,15
0,10
0,05
0,00
1 2 3 4

Plano Amostral
aa = ao acaso
Mtodo
s/r = sem reposio
Tamanho das Amostras
n=2
Tem-se:
N = 4; n = 2.
Ento:
N 4 4!
k = = = =6
n 2 2!(4 2)!

Amostras Mdias Varincias Propores
1 (1, 2) 1,5 0,5 0,5
2 (1, 3) 2,0 2,0 0,0
3 (1, 4) 2,5 4,5 0,5
4 (2, 3) 2,5 0,5 0,5
5 (2, 4) 3,0 2,0 1,0
6 (3, 4) 3,5 0,5 0,5

x f ( x ) = P( X = x )
1,5 1/6
2,0 1/6
2,5 2/6
3,0 1/6
3,5 1/6
Total 1,0
0,35
0,30
0,25
0,20
0,15
0,10
0,05
0,00
1,5 2,0 2,5 3,0 3,5

2
x f (x) x.f ( x ) x .f ( x )
1,5 1/6 1,5/6 2,25/6
2,0 1/6 2,0/6 4,00/6
2,5 2/6 5,0/6 12,50/6
3,0 1/6 3,0/6 9,00/6
3,5 1/6 3,5/6 12,25/6
Total 1,0 15/6 40/6
X = E ( X ) = x.f ( x ) =
= 15 / 6 = 2 ,50
2 2
X = V ( X ) = E( X ) E( X ) =
2
40 2 1, 25
= 2,50 =
6 3
Caractersticas
Mdia X = E( X ) =

COM X =
Erro Reposio n
padro Nn
SEM X =
Reposio n N 1

Para este exemplo, tem-se:
N n 1,25 4 2
2
X
2
= = =
n N 1 2 4 1
1,25 2 1,25
= =
2 3 3

Se uma amostra aleatria de
tamanho n for retirada de uma
populao X com uma distribuio
N(; ), ento a distribuio de X ,
mdia da amostra, tem uma

distribuio N(, )
n
dia s
M
Pop
u la 2
o X = = =1
n 4
=2
X =
Uma amostra de n = 16
elementos retirada de uma
populao N(80; 8). Determine:
( a ) P ( X < 77 )
( b ) P ( 76 < X < 85 )
0,20
0,16
0,12
0,08
0,04
0,00
48 56 64 72 80 88 96 104 112
Tem-se: = 80, = 8
Sabe-se que:
X = 80 e
8
X = = =2
n 16

Ento:
(a ) P ( X < 77 ) =
X X 77 80
= P( < )=
X 2
= P(Z < -1,50) = ( 1,50 ) =
= 0,0668 = 6 , 68 %
(b) P (76 < X < 85) =
76 80 X X 85 80
= P( < < )=
2 X 2
= P ( 2 < Z < 2,5) =
= ( 2,50) ( 2,00) =
= 99,38% 2,28% = 97,10%
tamanho n > 30 for retirada de uma
populao com qualquer distribuio
de mdia e desvio padro , ento a
distribuio de X , mdia da amostra,
tem uma distribuio aproximadamente

N(, )
n
0,80
dia s
M
0,70
0,60 =2
2
X = = = 0,5
0,50
0,40 n 16 o
la
0,30
pu
0,20 Po
0,10
0,00
X = = 2
0 2 4 6 8
Uma amostra de n elementos
retirada de uma populao N(80; 4).
Determine n de forma que:
P ( X < 79 ) = 1,50 %

Tem-se: = 80, = 4
Sabe-se que:
X = 80 e
4
X = =
n n

Ento:
P ( X < 79 ) =
X X 79 80
= P( < )=
X 4
n
n n
= P(Z < - ) = ( ) = 1, 50 %
4 4
n
= 2,17
4
n = 2,17.4 = 8,68
2
n (8,68) 76

p f(p)
0,0 1/6
0,5 3/6
1,0 1/6
Total 1,0

0,70
0,60
0,50
0,40
0,30
0,20
0,10
0,00
0 0,5 1

p f(p) p.f(p) p2.f(p)
0,0 1/6 0/6 0/6
0,5 4/6 2/6 1/6
1,0 1/6 1/6 1/6
Total 1,0 3/6 2/6

P = E(P) = p.f (p) =
= 3 / 6 = 0,50 = 50%
2
P = V ( P ) = E ( P ) E ( P) =
2 2
2
2 3 1
= =
6 6 12
Caractersticas
Mdia P = E( P ) =
COM (1 )
P =
Reposio n
Erro
padro SEM (1 ) Nn
P = n N 1
Reposio
Para este exemplo, tem-se:
(1 ) N n 0,5.0,5 4 2
P = = =
2

n N 1 2 4 1
0,25 2 0,25 1
= = =
2 3 3 12

(1 ) 0,5(1 0,50)
50 P = = = 15,81%
n 10
40
a o
30 Po pu l P = (1 ) =
20 = 0,5.0,5=
Md
10 ia s = 50%
0
0,0 25,0 50,0 75,0 100,0
P = = 50 %
tamanho n > 100 for retirada de uma
populao com proporo , ento a
distribuio de P, proporo na
amostra, tem uma distribuio
(1
aproximadamente N(, )
n
0,05
0,04
0,03
0,02
0,01
0,00
40,00 42,50 45,00 47,50 50,00 52,50 55,00 57,50 60,00
Uma amostra de n = 400 eleitores
retirada da populao que prefere o
candidato Zigoto com = 50%
Determine:
( a ) P ( 47 % < P < 54 %)
( b ) P ( P > 56 %)
Tem-se: = 50%
Sabe-se que: P = = 50%
(1 )
P = =
n
0 , 45 (1 0 , 45 )
= =
400
= 0 , 025 = 2 , 50 %
Ento:
(a) P(47 < P < 54) =
47% 50% P P 54% 50%

= P( < < )=
2,5% P 2,5%
= P(-1,20 < Z < 1,60)=
= (1,60) - (1,20) = 94,52% 11,51% =
= 83,01%
(b) P(P > 56%) =
P P 56% 50%
= P( > )
P 2,50%
= P( Z > 2,40) = 1 (2,40) =
= (2,40) = 0,82%
s2 f(s2)
0,5 3/6
2,0 2/6
4,5 1/6
Total 1,0

0,50
0,45
0,40
0,35
0,30
0,25
0,20
0,15
0,10
0,05
0,00
0,5 2,0 4,5

s2 f(s2) s2.f(s2) (s2) 2.f(s2)
0,5 3/6 1,5/6 0,75/6
2,0 2/6 4,0/6 8,00/6
4,5 1/6 4,5/6 20,25/6
Total 1,0 10/6 29/6

S2 = E(S ) = s f (s ) =
2 2 2
5
= = 1,67
3
2 2] 2 2
S2 = V(S ) = E[(S ) E(S ) =
2 2
2
29 5 87 50 37
= = = = 2,06
6 3 18 18
Caractersticas
Amostragem com reposio
Mdia S2 = E(S ) = 2 2
Erro 2 4
2
S2 = = 2
padro n 1 n 1
tamanho n (grande) for retirada de
uma populao com varincia 2, ento
a distribuio de S2, varincia da
amostra, tem uma distribuio
aproximadamente 2 com n-1 g.l., a
menos de uma constante.
Isto :

2
S = n 1 n-1
2 2
Este resultado conhecido

como Teorema de Fisher
Uma amostra de n = 81
elementos retirada de uma
populao com varincia 2 = 10.
Determine a probabilidade de que
P(S2 > 15).

Tem-se:
n = 81
= 10
2
Sabe-se que:

2
S = n 1 n -1
2 2

Ento:

2
n 1 > 15 ] =
2
P ( S > 15 ) = P [
2
( n 1)
15 .( n 1 )
P [ n 1
2
= > ]=

2
15 . 80 ) 15 . 80 )
P ( 80 ) = P ( 80 >
2 2
= > ) =
10 10
P ( 80
2
> 120 ) = 0 , 25 %
0,08
0,06
0,04
0,02
N(50; 5)
0,00
35 38 40 43 45 48 50 53 55 58 60 63 65

n=2
50%
40% E (S 2 ) = 2 = 25
30%
2
S 2 = = 35 ,35
2
20%
n 1
10%
0%
10 19 29 39 49 58 68 78 87 97 107 117 126 136 146
Mnimo Mximo Mdia Desvio (Erro) Padro
0,0085 110,2515 22,0809 25,76778

n=5 2 2
S 2 = = 25 . = 17 ,68
2
20% n 1 4
15%
S2 = = 252
10%
5%
0%
6 13 19 25 31 37 43 49 55 61 67 73 79 85 91
3,54 113,22 26,80 20,37

n = 25 2
S 2 = =
2
20%
S2 = = 25 2 n 1
15% 2
= 25 . = 7 ,07
10% 25
5%
0%
12 14 17 19 22 24 27 29 32 34 37 39 41 44 46
12,94 39,90 25,66 6,28

Amostragem PDF

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Amostragem PDF

Transféré par

Droits d'auteur :

Formats disponibles

Prof. Lor Viali, Dr.

Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica

Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica

Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica

Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica

Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica

Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica

Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica

Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica

Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica

Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica

Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica

Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica

Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica

Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica

Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica

Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica

47% 50% P P 54% 50%

Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica

Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica

Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica

Este resultado conhecido

Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica

Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica

Prof. Lor Viali, Dr. PUCRS FAMAT: Departamento de Estatstica

Mnimo Mximo Mdia Desvio (Erro) Padro

0,0085 110,2515 22,0809 25,76778

Mnimo Mximo Mdia Desvio (Erro) Padro

3,54 113,22 26,80 20,37

12,94 39,90 25,66 6,28

Vous aimerez peut-être aussi