Professional Documents
Culture Documents
Aula 8 Estimacao 2011
Aula 8 Estimacao 2011
POPULACIONAL p
1
Objetivo
2
Exemplos:
p: proporção de alunos da USP que foram ao teatro
pelo menos uma vez no último mês;
• Estimação pontual
• Estimação intervalar
4
Estimador pontual
O estima
estimador
dor pontual para p, também denominado
proporção amostral,
amostral é definido como
X
pˆ = ,
n
sendo que,
X denota o número de elementos na amostra que
apresentam a característica;
n denota o tamanho da amostra coletada.
6
A estimativa pontual (proporção
proporção amostral)
amostral para p é dada por:
k 100
pˆ = = = 0,20 ,
n 500
ou seja, 20% dos estudantes entrevistados afirmaram
que foram ao teatro pelo menos uma vez no último
mês.
7
Estimativa intervalar ou
intervalo de confiança
• Para uma amostra observada, os estimadores pontuais
fornecem como estimativa um único valor numérico para o
parâmetro.
• Os estimadores pontuais são variáveis aleatórias e,
portanto, possuem uma distribuição de probabilidade, em
geral, denominada distribuição amostral.
[ pˆ − ε; pˆ + ε ] ,
sendo ε o erro amostral ou margem de erro.
erro
9
Seja P(ε) a probabilidade da estimativa pontual estar
a uma distância de, no máximo, ε da proporção
verdadeira p, ou seja,
P (ε ) = P( pˆ − p ≤ ε ).
10
Formalmente,
X
P(ε ) = P ( pˆ − p ≤ ε ) = P ( − p ≤ ε)
n
X
= P( p − ε ≤ ≤ p + ε )
n
= P (np − nε ≤ X ≤ np + nε )
− nε X − np nε
= P( ≤ ≤ )
np (1 − p) np(1 − p) np(1 − p )
−ε n ε n
P (ε ) ≅ P ≤Z ≤ ,
p (1 − p ) p(1 − p )
onde Z ~ N(0,1).
12
ε n
Denotando = z , temos que
p( 1 − p)
13
Erro da estimativa intervalar
ε n
Da igualdade z= ,
p(1− p)
é imediato mostrar que o erro amostral ε é dado por
p(1− p )
ε=z ,
n
onde z é tal que γ = P(-z ≤ Z ≤ z), com Z ~ N(0,1).
O intervalo de confiança tem a forma:
p(1 − p) p(1− p)
IC = [ pˆ − ε ; pˆ + ε ] = pˆ − z ; pˆ + z
n n
Usar p̂ em vez de p para construir intervalo. 14
Exemplo 7.21 – Magalhães e Lima
0,95
16
• Substituindo
pˆ (1 − pˆ ) pˆ (1− pˆ )
IC = [ pˆ − ε ; pˆ + ε ] = pˆ − z ; pˆ + z
n n
Dados do problema:
ε = 0,02 (erro da estimativa);
P(ε) = γ = 0,95 ⇒ z = 1,96.
2 2
1,96 1,96
n= p (1- p ) ≤ 0,25 = 2401 estudantes .
0,02 0,02
20
Pergunta: É possível reduzir o tamanho da
amostra quando temos alguma informação a
respeito de p?
Por exemplo, sabemos que:
• p não é superior a 0,30, ou
• p é pelo menos 0,80, ou
• p está entre 0,30 e 0,60.
2
z
n = × 0,16 .
ε
24
Intervalo de confiança para p
Vimos que a estimativa intervalar para p tem a forma:
[ pˆ − ε ; pˆ + ε ] ,
(p 1 −)
p e z tal que γ = P(-z ≤ Z ≤ z) na N(0,1).
com ε = z
n
pˆ ( 1 − pˆ ) pˆ ( 1 − pˆ )
pˆ − z ; pˆ + z
n n
0,20 × 0,80 0,20 × 0,80
= 0,20 − 1,96 ; 0,20 + 1,96
500 500
= [ 0,20 − 0,035 ; 0,20 + 0,035 ] = [ 0,165 ; 0,235 ] .
Comentários:
p(1 − p )
Da expressão ε = z , é possível concluir que:
n
Dados do problema:
n = 500, pˆ = 0,20 e ε = 0,03 ⇒ P(ε) = γ = ?
28
Cálculo de z:
ε n 0,03 500
z= ≅ = 1,68 .
p( 1 − p) 0,2 × 0,8
Logo, obtemos
(P )
ε ≅ 2 × A()z −1
= 2 × A(1,68) − 1
= 2 × 0,953 − 1
= 0,906 (90,6%).
29
Exemplo 6: Suponha que estamos interessados em
estimar a proporção p de pacientes com menos de 40
anos diagnosticados com câncer nos pulmões que
sobrevivem pelo menos 5 anos.
Em uma amostra aleatoriamente selecionada de 52
pacientes, somente 6 sobreviveram mais de 5 anos.
6
- Estimativa por ponto para p: pˆ = = 0 ,115 (proporção amostral)
52
31