Professional Documents
Culture Documents
Binomial
f ( k , n , p )=
n!
k
nk
p (1 p )
p! ( n p ) !
E [ X ] =np
var ( X )=np ( 1 p )
~ INFERNCIA ESTATSTICA ~
Inferncia estatstica , segundo as propriedades amostrais, estimar os
parmetros da populao.
Amostra aleatria: conjunto de n variveis aleatrias, todas com a mesma
distribuio de probabilidade.
Estimador no-viesado , na mdia, igual ao seu parmetro populacional.
A mdia um estimador no-viesado
Para saber se um estimador viesado ou no, deve-se aplicar a condio
E ( ^ ) = .
Um estimador eficiente se:
1 No for viesado.
2 Tiver a menor varincia possvel entre os estimadores no
viesados.
1 No for viesado.
2 Tiver a menor varincia possvel entre os estimadores no
viesados lineares.
3 Ser linear
lim E ( ^ )=
)=0
lim Var ( X
invertvel).
Tem distribuio assinttica normal
So assintoticamente eficientes
=g() , ento
^
^ =g( )
se g for
X 1 , X 2 , X n N , ento
Se
Z = Y 2i , ento
i=1
Se
Y = X 1+ X 2 X n N .
W=
Y
Z
, ento
Intervalo de confiana:
e
Z 2
W tn
P ( ^ 1 << ^ 2 ) =( 1 )
( 1 ) a confiana.
P X Z a .
< < X + Z a .
= (1 )
2 n
2 n
P X t a
2
(n1)
S
S
< < X +t a
.
=( 1 )
(n1) n
n
2
S
S
P X Z a .
< < X + Z a .
= (1 )
2 n
2 n
( n1 ) S 2 2 ( n1 ) S 2
P
< <
=( 1 )
2
2inf
P ^pZ a .
2
^p ( 1 ^p )
p^ ( 1 ^p )
< p< ^p + Z a .
=( 1 )
n
n
2
~ EQUAES ~
E ( ^ ) =
(estimador no-viesado)
^
E( )=+
vis
(estimador viesado)
lim E ( ^ )=
(assintoticamente no-viesado)
Var ( X )=
n
reposio)
2
N n
Var ( X )= x
n
N 1
reposio)
)=0
lim Var ( X
X
)2
( i X
n1
n
n ^2
2
S=
=
n1
i=1
( )
Ef =EQM
QI =
Z=
^1
(eficincia relativa)
EQM ( ^2)
1
var ( ^ )
(suficincia)
amostral)
n
L ( , x 1 x n ) =f ( x 1 ; ) f ( xn ; ) = f ( x i ; )
i=1
1
^p= X
n
^= X
=
n1
^ 2=
.S
n
(estimador de MV de p da ~B)
(estimador de MV de da ~P)
(estimador de MV de da ~N)
(estimador de MV de da ~N)
=Max (X 1 X n )
(estimador de MV de a da ~U)
^
b=Min(X
1 Xn)
(estimador de MV de b da ~U)
~ INTERVALO DE CONFIANA ~
~ TESTE DE HIPTESES ~
H 0 :=0
H 1 : 0
..ou.. bicaudal
H 1 :< 0
..ou.. monocaudal
H 1 :> 0
Para mdias, usamos distribuio normal padronizada.
Para varincias, usamos distribuio qui-quadrado padronizada. Para valores
muito altos de n, a qui-quadrado se aproxima de uma normal.
|X |
N (0,1)
^
n
conhecida
|X |
t n1
S
n
desconhecida (n<30)
2
( n1 ) . S 2 2(n 1 )
Z cal =
^p p 0
p 0 ( 1 p0 )
n
2a
F a ,b
2b
Erro do tipo I
Z
Estimador da proporo p.
Mais grave!
Erro do tipo II
grave.
= E(X) = p
= V(X) = p(1-p)
Y = X 1+ X 2 X n , ento Y ~ Binomial
com:
= E(X) = np
= V(X) = np(1-p)
Yn
n
^p=
Sendo que
^p N p ,
p (1p )
n
Z .
( )
n= 2
X
n=
( )
2
^p .(1 ^p )
n=
X
Z2 2 N
2
( X
) ( N1 ) + Z2 2
n=
2
^ . ( 1 p
^).N
Z .p
2
( X
) ( N1 ) + Z2 . ^p .(1 ^p)
~REGRESSO LINEAR~
Se Z ~ N, ento Z ~ X
E ( 2n ) =n
Z2
m
Var ( 2n ) =2 n
t student ; g. l=m
Z1
m1
Fm ,m
Z2
m2
1
Hipteses:
1.
2.
3.
4.
5.
6.
Relao linear.
Os valores de X so fixos, no so V.A.
Erros tm distribuio normal.
Esperana dos erros zero.
Varincia dos erros constante.
Ausncia de correlao entre os erros.
Observaes importantes:
V ( ^ )
V ( ^ )
V ( ^) .
2. Quanto mais dispersos os valores de X, menores sero
V ( ^) .
V ( ^ )
2.
2
( Y Y ) SQR
S=
=
n2
S =S
n2
1
X 2
+
n ( X i X )2
Intervalo de confiana:
S =
( (
S
2
X i X )
V ( ^)
sero
1.
^
t student (g . l=n2)
S
2.
^
t student( g. l=n2)
S
Ento:
P ^ t
( n2) ,
S^ ^ +t
n2,
S ^ =( 1 )
H 0 : =0
H 1 : 0
^ 0
t student (g .l=n2)
S
Teste de Hipteses para
H 0 : =0
H 1 : 0
^ 0
t student (g .l =n 2 )
S
Decomposio da Varincia Amostral de Y:
V ( Y i )=V ( X i ) + V ( i )
Y
( iY )+(Y i Y^i)
(Y iY )=
( Y iY )=( Y^ iY ) + ei
SQT =SQE + SQR
2
SQT = ( Y i Y )
2
2
SQR = ( Y^i Y )= ^ ( X t X )
Coeficiente de Explicao R:
R2=
SQR
SQT
Anlise de Varincia:
so simultaneamente zero
Soma de
Quadrados
Graus de
Liberdade
Regresso
SQR
Resduo
SQE
n2
Total
SQT
n1
Um estimador da forma
y i= 1 + 2 . xi + i
Quadrados
Mdios
QMR=
SQR
1
QME=
SQE
n2
Teste F
Fcal =
QMR
QME
tambm linear.
E(Y|x)
2
x
Na prtica, nem sempre 1 (intercepto) apresenta interpretao.
R2
S
SQE
S2
XY 2 XY
SQT S xx SYY
SYY
Regressores fixos.
Esperana dos erros igual a zero.
Parmetros constantes.
Modelo linear nos parmetros.