Universidade Estadual da Paraı́ba

Centro de Ciências e Tecnologia

Departamento de Estatı́stica
Disciplina: Inferência Estatı́stica Perı́odo: 2023.1
Profa.: Fernanda Clotilde

Estimação Intervalar

1. Introdução 2. Intervalo de Confiança para a Média de

uma População com Variância Conhecida
Um Intervalo de Confiança ou Estimativa
Intervalar é uma amplitude de valores que pos- Considerando X1 , . . . , Xn uma amostra
sui uma probabilidade de conter o verdadeiro valor aleatória de X, com média µ desconhecida e
do parâmetro desconhecido. Não é possı́vel estar variância σ 2 conhecida. Pelo Teorema Central
completamente certo de que o intervalo contém o do Limite, tem-se que
verdadeiro valor do parâmetro. No entanto, ele é
construı́do de modo que se tenha uma alta con- X ≈ N (µ, σ 2 /n).
fiança de que ele cobre esse valor. Logo
Assim, seja θ um parâmetro desconhecido, uma X −µ
Z= √ ≈ N (0, 1).
estimativa de intervalo de confiança para θ é um σ/ n
intervalo da forma
Dessa forma, fixando um nı́vel de confiança
l ≤ θ ≤ u,
100(1 − α)%, pode-se determinar zα/2 , de forma
em que os extremos l e u são obtidos a partir de da- que
dos da amostra, logo, serão estatı́sticas. Uma vez P (−zα/2 ≤ Z ≤ zα/2 ) = 1 − α,
que diferentes amostras produzem diferentes valo- com zα/2 definindo de forma que P (Z < zα/2 ) =
res de l e u, esses extremos são valores de variáveis 1 − α/2. Então,
aleatórias L(X1 , . . . , Xn ) = L e U (X1 , . . . , Xn ) =  
U , respectivamente. X −µ
P −zα/2 ≤ √ ≤ zα/2 = 1−α
σ/ n
Supondo que seja possı́vel determinar valores de  
σ σ
L e U , tal que P −zα/2 √ ≤ X − µ ≤ zα/2 √ = 1−α
n n
P (L ≤ θ ≤ U ) = 1 − α, (1)
 
σ σ
P X − zα/2 √ ≤ µ ≤ X + zα/2 √ = 1 − α.
n n
em que 0 ≤ α ≤ 1. Ou seja, a probabilidade que
o intervalo [L, U ] cubra o verdadeiro valor de θ é
1−α. Os extremos l e u são chamados de limites in- Portanto, o intevalo de confiança para µ, com
feriores e superiores de confiança, respectivamente, coeficiente de confiança γ = 1 − α é dado por
e 1 − α de confiança.  
σ σ
Definição: Seja X1 , . . . , Xn uma amostra IC(µ, γ) = X − zα/2 √ ; X + zα/2 √ .
n n
aleatória com n observações, uma variável aleatória
Q(X1 , . . . , Xn ; θ) é dita ser uma quantidade pi-
votal para θ se sua distribuição for independente O valor obtido de zα/2 √σn é chamado margem
de θ. de erro ou erro máximo da estimativa.
↱
Nota-se que uma quantidade pivotal não é
uma estatı́stica, pois depende do parâmetro θ. Exemplo 1: De uma amostra de 40 ob-
servações de uma população normal com média des-
Baseando-se na distribuição de Q(X1 , . . . , Xn ; θ), conhecida e desvio-padrão σ = 5, obtemos uma
é possı́vel determinar q1 e q2 , de modo que média amostral x = 25. Construa um intervalo de
95% de confiança para a média populacional.
P [q1 ≤ Q(X1 , . . . , Xn ; θ) ≤ q2 ] = 1 − α.
Note que α = 0, 05, então, zα/2 = 1, 96.
Dessa forma, o intervalo de confiança para µ é
Após algumas manipulações, tem-se dado por:
 
P [L(X1 , . . . , Xn ) ≤ θ ≤ U (X1 , . . . , Xn )] = 1 − α. 5 5
25 − 1, 96 √ ; 25 + 1, 96 √ = (25 ± 1, 55)
40 40
= (23, 45; 26, 55).

1
 Exercı́cio 1: Suponha que os comprimentos Então o intervalo de confiança de 95% para a
de jacarés adultos de uma certa raça siga o mo- média populacional é
delo normal com média µ desconhecida e variância
 
1, 84 1, 84
21, 42 − 2, 26 √ ; 21, 42 + 2, 26 √ = (21, 43 ± 1, 32)
igual a 0, 01m2 . Uma amostra de 10 desses animais 10 10
foi sorteada e forneceu média 1, 69m. Encontre um = (20, 11; 22, 75).
intervalo com 95% de confiança para o parâmetro
Exercı́cio 2 : Uma universidade quer estimar
desconheecido µ.
o número médio de horas trabalhadas por semana
por seus estudantes. Uma amostra de 49 estudan-
3. Intervalo de Confiança para a Média de tes mostrou uma média de 24 horas com um desvio
uma População com Variância Desconhecida padrão de 4 horas. Qual é o intervalo de confiança
de 95% para o número médio de horas trabalhadas
por semana ?
Até aqui, foi considerado que apenas a média
de uma população era desconhecida, enquanto que 3. Intervalo de Confiança para a Proporção
sua variância conhecida. Esta situação não é muito Populacional
realista, pois geralmente tanto a média como a
variância de uma população são ambas desconheci- De maneira análoga ao caso da média, é possı́vel
das. construir um intervalo de confiança para a pro-
porção populacional. Pois, pelo Teorema Central
Assim, considerando uma amostra aleatória do Limite temos
X1 , . . . , Xn da variável X ∼ N (µ, σ 2 ), com µ e σ  
p(1 − p)
desconhecidos. É possı́vel mostrar que pb ≈ N p, .
n
X −µ Assim, um intervalo de confiança para p com
T = √ ∼ t(n−1) , nı́vel de confiança γ = 1 − α é dado por
S/ n
r r !
1
Pn p(1 − p) p(1 − p)
em que S 2 = n−1 i=1 (Xi − X)2 . pb − zα/2 ; pb + zα/2 .
n n
Assim, pode-se determinar tα/2 , de forma que Como p é desconhecido, o intervalo ainda não
pode ser calculado diretamente. Uma possı́vel
P (−tα/2 ≤ T ≤ tα/2 ) = 1 − α,
solução é substituir p(1 − p) por pb(1 − pb). Portanto,
intervalo será dado por
com tα/2 definindo de forma que P (T < tα/2 ) = r r !
1 − α/2. pb(1 − pb) pb(1 − pb)
pb − zα/2 ; pb + zα/2 .
n n
Portanto, o intevalo de confiança para µ, com
coeficiente de confiança γ = 1 − α é dado por Outra solução possı́vel pe baseada no fato que
  p(1 − p) ≤ 1/4, quando 0 ≤ p ≤ 1. Nesse caso, po-
S s demos obter um intervalo de confiança substituindo
IC(µ, γ) = X − tα/2 √ ; X + tα/2 √ .
n n p(1 − p) por 1/4:
r r !
1 1
pb − zα/2 ; pb + zα/2 .
O valor obtido de tα/2 √Sn é chamado margem 4n 4n
de erro ou erro máximo da estimativa.

Exemplo 2: A seguir encontra-se uma amos- Exemplo 3: Um planejador financeiro está es-
tra de 10 árvores castanheiras todas com 8 anos de tudando os planos de mudança de jovens executi-
idade numa certa floresta. O diâmetro (polegadas) vos. Uma amostra de 500 jovens executivos que
das árvores foram medidos à uma altura de 3 pés: possuem suas próprias casas revelou que 175 pla-
nejam vendê-las e retirarem-se para o interior do
19, 4 21, 4 22, 3 22, 1 20, 1 Paı́s. Construa um intervalo de confiança de 98%
23, 8 24, 6 19, 9 21, 5 19, 1 para a proporção populacional de executivos que
planejam mudar para o interior.
Queremos encontrar um intervalo de confiança 175
de 95% para o verdadeiro diâmetro médio de todas Aqui, n = 500, pb = 500 = 0, 35.
as árvores castanheiras dessa idade na floresta.
Pela tabela da normal temos, zα/2 = z0,02/2 =
Note que, x = 21, 42 e que s = 1, 84. O erro 2, 33 (para α = 1 − 0, 98 = 0, 02).
padrão é portanto:
Logo, o intervalo de confiança para p é
s 1, 84  s 
√ = √ = 0.58 0, 35 ± 2, 33
(0, 35)(0, 65) 
= (0, 35 ± 0, 049)
n 10 500

Como n = 10 e α = 0, 05, temos tα/2 = 2, 26. = (0, 30; 0, 399).

2
 Exercı́cio 3: Numa pesquisa de mercado 400 Desta forma, a partir da distribuição χ2n−1 po-
pessoas foram entrevistadas sobre a preferência por demos construir intervalos de confiança para σ 2 a
determinado produto, de modo que 60% delas pre- partir de seus quantis:
feriram a marca A. Construa um intervalo de con- 
(n − 1)S 2

2 2
fiança para p, a proporção populacional de pessoas P χ(n−1);1−α/2 ≤ ≤ χ(n−1);α/2 = 1−α.
σ2
que preferem o produto A, utilizando um coefici-
ente de confiança de 95%.

5. Erro Padrão de um Estimador

Já sabemos que, obtida a distribuição amostral

de um estimador, podemos calcular a sua variância.
Se não for possı́vel obter a distribuição exata, usa-
mos uma aproximação, se essa estiver disponı́vel,
e a variância do estimador será a variância dessa
aproximação. Como por exemplo, no caso da média
amostral X, obtida de uma amostra de tamanhho
n, temos que
σ2 Dessa forma,
V ar(X) = ,
n !
χ2(n−1);1−α/2 1 χ2(n−1);α/2
na qual σ 2 é a variância da variável aleatória X P ≤ 2 ≤ = 1 − α.
definida sobre a população. (n − 1)S 2 σ (n − 1)S 2
Chamamos de “Erro Padrão” de X a raiz qua-
drada dessa variância, e denotaremos por Assim,
σ
!
EP (X) = √ . (n − 1)S 2 (n − 1)S 2
n P 2 ≤ σ2 ≤ 2 = 1 − α.
χ(n−1);α/2 χ(n−1);1−α/2
Definição: Se θ̂ for um estimador do
parâmetro θ, chamaremos de erro padrão de θ̂ a Portanto, um intervalo de confiança (1−α)100%
quantidade para σ 2 é dado por:
!
q (n − 1)S 2 (n − 1)S 2
EP (θ̂) = V ar(θ̂). ; .
χ2(n−1);α/2 χ2(n−1);1−α/2
A variância de θ̂ dependerá dos parâmetros da
distribuição de X, o mesmo acontecendo com o erro Exemplo 4: O peso de um componente
padrão. Podemos, então, obter o erro padrão esti- mecânico é uma variável aleatória com distribuição
mado. Ou seja, normal com média µ e variância σ 2 , desconhecidos.
Pretende-se estudar a variabilidade do processo de
produção e para isso, uma amostra com n = 11
q
EP
d (θ̂) = Vd ar(θ̂).
componentes foi avaliada. Os pesos (em gramas)
são dados
Por exemplo: o erro
q padrão estimado de X fica
2 98 97 102 100 98 101
dado por: EP (X) = S .
d
n 102 105 95 102 100
P11
6. Intervalo de Confiança para a Variãncia Logo, temos que i=1 xi = 1100 e também que
P11 2
de uma População Normal i=1 xi = 110080. Assim,

Algumas vezes, são necessários intervalos de 1100 110080 − 11(100)2

x= = 100g e S2 = = 8g2 .
confiança para a variância ou desvio padrão da po- 11 10
pulação. Quando a população for modelada por Construindo o IC para σ 2 com 95% de confiança
uma distribuição normal, os testes e intervalos po- (α/2 = 0, 025):
dem ser aplicados facilmemte. O resultado a seguir
χ210;0,025 = 20, 483 e χ210;0,975 = 3, 247.
fornece a base para construir tal intervalo de con-
fiança:
Os limites são então dados respectivamente por
Seja X1 , . . . , Xn uma amostra aleatória prove-
niente de uma distribuição nomal, com média µ e (n − 1)S 2 (10)(8)
LI = = = 3, 906,
variância σ 2 , então χ2(n−1);α/2 20, 48
(n − 1)S 2 (n − 1)S 2 (10)(8)
∼ χ2n−1 , LS = 2 = = 24, 615.
σ2 χ(n−1);1−α/2 3, 25
em que
n Portanto, temos que o intervalo encontrado é
1 X
S2 = (Xi − X)2 .
n − 1 i=1 (3, 906; 24, 615).