Inferência para uma Proporção

n Na prática, os modelos de amostragem Poisson e

binomial tem valores para os parâmetros
desconhecidos. O método mais utilizado para se
estimar parâmetros é o método da máxima
verossimilhança.
Inferência para uma Proporção

UnB – IE UnB – IE
Departamento de Estatística Departamento de Estatística

O Princípio da Máxima
Verossimilhança Função de Verossimilhança

Afirma que devemos escolher aquele valor do Seja uma v.a. com função de probabilidade ou
parâmetro desconhecido que maximiza a função densidade de probabilidade .
probabilidade de obter a amostra observada, ou Seja uma amostra aleatória de tamanho n de ,
seja, o valor que torna aquela amostra “mais , e sejam os valores efetivos
provável” (verossímil). observados.

A FUNÇÃO DE VEROSSIMILHANÇA é definida por:

u Este princípio foi enunciado por Fisher pela primeira vez em
1912.
u Em 1922, ele introduziu a expressão “likelihood” quando deu-
lhe forma mais completa.
u Usa o principio da máxima verossimilhança para obter os
estimadores de máxima verossimilhança que, em geral, têm
propriedades muito boas. o qual é considerada uam função de .
UnB – IE UnB – IE
Departamento de Estatística Departamento de Estatística

u E para um y qualquer observado?

 Estimação de Máxima Verossimilhança Estimação de Máxima Verossimilhança

Seja Sob condições de regularidade da função de

verossimilhança, o estimador MV é a solução da equação:

a função de verossimilhança para .

Se
Temos ainda que e têm
máximo no mesmo valor de , e às vezes é mais fácil
é o valor de que maximiza , então é o estimador de encontrar o máximo de .
máxima verossimilhança (MV) de e

é a estimativa MV de .

UnB – IE UnB – IE
Departamento de Estatística Departamento de Estatística

Estimação por Máxima

Verossimilhança Estimação por Máxima Verossimilhança

n Para um particular modelo de amostragem, podemos

substituir os dados da amostra na função de n A probabilidade dos dados observados, expressa com
probabilidade e então ver a probabilidade como uma uma função do parâmetro, é chamada de função de
função de valores do parâmetro desconhecido. verossimilhança. A função de verossimilhança para Y = 0
sucessos em 10 ensaios é dada por:

n Exemplo:
Em n = 10 ensaios, suponha uma binomail com Y = 0. Da fórmula
da binomial com parâmetro p, a probabilidade do resultado é igual a:
Esta probabilidade é definida para valores entre 0 e 1.
n A estimativa de máxima verossimilhança do parâmetro é
definido como sendo o valor na qual a probabilidade dos
dados observados assume o seu maior valor. Ou seja, é o
valor na qual a função de verossimilhança assume o seu
máximo.

UnB – IE UnB – IE
Departamento de Estatística Departamento de Estatística
 Estimação por Máxima Verossimilhança Estimação por Máxima Verossimilhança

n O gráfico de l(p) para N = 10 e Y = 0, assume o máximo
no ponto p = 0.
n Geralmente, uma binomial com y sucessos em N ensaios
tem estimativa de máxima verossimilhança de p igual a p
= y/N. Isto é, a proporção de sucessos da amostra para N
ensaios.
n Denotando por 1 o sucesso e 0 a falha. Então a proporção
da amostra é igual a média da amostra dos resultados do
ensaio.
n A distribuição de Poisson também tem estimativa de
máxima verossimilhança igual a média amostral.
n Os estimadores baseados no método da máxima
verossimilhança são muito populares porque eles tem
propriedades interessantes para grandes amostras:
n Os estimadores de máxima verossimilhança são aqueles que
apresentam os menores erros padrões.
n Os estimadores de máxima verossimilhança são aproximadamente
normais.

UnB – IE UnB – IE
Departamento de Estatística Departamento de Estatística

Teste de uma Proporção Teste de uma Proporção

n O estimador de máxima verossimilhança do parâmetro p, n A distribuição amostral de p tende para a distribuição

que denotaremos por p tem média e desvio-padrão normal quando N é grande. E para testarmos a hipótese
dados por:
H 0 : p = p0

n Quando o número de ensaios n aumenta o erro padrão de n Usamos a estatística:

p tende a zero, isto é a proporção da amostra tende para
o valor do parâmetro p. # − %!
!= ~ +(,, !)
%! (' − %! )
)
UnB – IE UnB – IE
Departamento de Estatística Departamento de Estatística
 Intervalo de Confiança

n Sob a hipótese de normalidade o intervalo de confiança

para o parâmetro p é dado por:

"(%&(
# ')
0 ∓3
%/ 1 *

UnB – IE
Departamento de Estatística