ESTATSTICA ECONMICA E INTRODUO ECONOMETRIA

Inferncia Estatstica: Estimao

Alexandre Alves Porsse

Professor Adjunto do Departamento de Economia da UFPR

Tpicos
Parmetro e Estimador
A Mdia e a Varincia da Mdia

Estimador No-Tendencioso
Estimador de Varincia Mnima Estimador de Mnimos Quadrados Estimador Consistente

O que inferncia estatstica?

Inferncia estatstica um ramo da Estatstica cujo objetivo fazer afirmaes a partir de um conjunto de valores representativo (amostra) sobre um universo
A inferncia estatstica distinta da estatstica descritiva
A descrio estatstica a simples apresentao dos fatos, nos quais o modelo de decises feito pelo analista tem pouca relevncia

A inferncia estatstica envolve a especificao e estimao de modelos para a identificao do padro dos dados associados a determinado fenmeno As duas principais escolas de inferncia so a clssica (freqentista) e a bayesiana

O que inferncia estatstica?

Alguns exemplos de estudos de inferncia:
Pesquisas de inteno de voto
Qual a chance de determinado candidato ganhar a eleio?

Pesquisa sobre nveis de aprovao de governos

Pesquisas de mercado sobre o lanamento de um novo produto

Reao dos consumidores ou firmas a elevao (queda) de determinado imposto

Parmetro e Estimador
O parmetro um valor proveniente diretamente da populao (universo)
O estimador uma medida de inferncia sobre o parmetro populacional, sendo calculado a partir dos valores observados de uma amostra dessa populao

Parmetro:
Estimador:

Propriedades (desejveis) dos Estimadores

Estimador no viesado (no tendencioso)
Estimador eficiente Melhor estimador linear no viesado (no tendencioso)

Melhor Estimador Linear No Viesado (MELNV) Melhor Estimador Linear No Tendencioso (MELNT)

Estimador consistente (propriedade assinttica)

Estimadores no viesados

Estimadores no viesados
Um estimador no viesado se a esperana do estimador igual ao parmetro populacional

Definies:

Estimadores eficientes (varincia mnima)

Estimadores no viesados
Anlise para o caso da mdia amostral (estimador 1)

Estimadores no viesados
Anlise para o caso da mdia ponderada (estimador 2)

Estimadores eficientes (varincia mnima)

Um estimador dito absolutamente eficiente, ou simplesmente eficiente se:
for no viesado possui a menor varincia entre os estimadores no viesados

Estimadores eficientes (varincia mnima)

Varincia da mdia amostral (estimador 1)

Se Xi so independentes

Varincia da mdia amostral

Estimadores eficientes (varincia mnima)

Varincia da mdia ponderada (estimador 2)

Se Xi so independentes

Varincia da mdia ponderada

Estimadores eficientes (varincia mnima)

Comparando a varincia dos dois estimadores
Varincia da mdia amostral

Varincia da mdia ponderada

A varincia da mdia amostral menor que a varincia da mdia ponderada. Portanto, a mdia amostral um estimador relativamente melhor do que M1.

Estimadores eficientes (varincia mnima)

possvel afirmar que mdia populacional?
No!!!

um estimador eficiente da

Se no h informao adicional sobre a distribuio de X, s possvel dizer que relativamente mais eficiente do que M1

A definio de qual estimador relativamente mais eficiente baseada no erro quadrtico mdio

Estimadores eficientes (varincia mnima)

Erro Quadrtico Mdio (EQM)

Estimadores eficientes (varincia mnima)

Exemplo: qual dos estimadores abaixo relativamente mais eficiente?

Para M1, j se sabe que:

Estimadores eficientes (varincia mnima)

Para M3, tem-se que:

A varincia de M3 :

Estimadores eficientes (varincia mnima)

O EQM para M3 :

O EQM para M1 :

Logo, no possvel afirmar qual estimador mais eficiente sem conhecer 2 e

Estimador da varincia: varincia amostral

Estimador da varincia: varincia amostral

O estimador da varincia populacional um estimador no viesado no contexto amostral?

Anlise:

Estimador da varincia: varincia amostral

Estimador da varincia: varincia amostral

inverso de sinal

Estimador viesado da varincia populacional

Estimador da varincia: varincia amostral

Correo do vis:

Estimador no viesado da varincia populacional

Estimador da varincia: varincia amostral

Exemplo (Sartoris, pg. 169)

Estimador da varincia: varincia amostral

Resultado (Sartoris, pg. 170)

Melhor estimador linear no viesado (MELNV)

Linearidade:

Resumo das propriedades dos estimadores:

Propriedades assintticas

Propriedades assintticas
So propriedades esperadas quando a amostra aumenta de tamanho (tende ao infinito)

Estimador assintoticamente no viesado:

Propriedades assintticas
Caso do estimador (viesado) da varincia populacional:

Consistncia dos estimadores

Um estimador consistente aquele que converge para o verdadeiro parmetro populacional medida que a amostra cresce

Formalmente, um estimador consistente se:

ou
condio suficiente

Consistncia dos estimadores

Um estimador consistente aquele que converge para o verdadeiro parmetro populacional medida que a amostra cresce

Formalmente, um estimador consistente se:

ou
condio suficiente

Consistncia dos estimadores

Exemplo: a mdia amostral um estimador consistente da mdia populacional uma vez que

Resumo das propriedades assintticas

Lei dos Grandes Nmeros e Teorema do Limite Central

Lei dos Grandes Nmeros

Essa Lei diz que quando a amostra cresce (tende ao infinito), a mdia amostral converge para a mdia populacional

Teorema do Limite Central

Intuitivamente, esse Teorema evidencia que o histograma representativo da distribuio da mdia amostral se aproxima de uma normal quando o tamanho da amostra aumenta.
Formalmente: dada uma varivel X, identicamente e independentemente distribuda (iid) com mdia e varincia 2, a mdia amostral segue uma distribuio normal com mdia e varincia 2/n, qualquer que seja a distribuio de X, desde que a amostra seja suficientemente grande.

Portanto:

Exemplo: histograma de alturas