http://2 BP Blogspot com/-gXDFATzjGBI/U30aquAV8AI/AAAAAAAABao/nwk11Is1v1Y/s1600/rir1 JPG

Ana Pires, IST, Outubro de 2000
Nota: o I. C. l u chamado bilateral. Em
Captulo 7 - Estimao por intervalos
alguns casos pode ser mais importante um intervalo
7.1 Intervalos de confiana

Para alm duma estimativa pontual de um
unilateral (superior ou inferior) do tipo

l , intervalo inferior
u intervalo superior
parmetro , em muitas situaes, importante

dispr de alguma forma de intervalo que indique a
7.2 Intervalo de confiana para a mdia,
confiana que se pode depositar na estimativa
varincia conhecida
pontual.
X populao tal que:
Um intervalo de confiana (I.C.) para um

parmetro desconhecido do tipo
l u,
onde l e u dependem do valor observado

(estimativa pontual), e da distribuio por
, usada para estimar .
amostragem da estatstica
( X1 ,
E( X ) =
(desconhecido)
V(X) = 2
(conhecido)
, Xn ) a. a. de dimenso n
= X (estimador pontual de )
Sabemos j que
Para minimizar a b deve ter-se b = a.
Z=
X
n
N (0,1) se X ~ N ( , 2 )
~ N (0,1) se X qq e n grande
a
~
X
P a
a =
n
= P a
X a
=
n
n
onde o caso X qq justificado pelo T. L. C.
X + a
= P X a
=
n
n
Distribuio de Z:
= P X a
X +a
=
n
n
1
/2
b
;X + a
= P X a
=1
n
n
/2
a
com a: P( Z > a) =
Podemos determinar pontos, a e b, tais que
Nota: a Z =
X
P b
a = 1 =
n
.
2
X
chama-se varivel aleatria
n
fulcral (deve ter distribuio conhecida e depender
onde 0 e 1 .
apenas do parmetro desconhecido).

3
Interpretao:
X a n ; X + a n um intervalo aleatrio,
quando substitumos X por x (valor observado da
mdia duma amostra aleatria) passamos a ter um
intervalo concreto chamado intervalo de confiana.
Definio (Intervalo de confiana para a mdia
com varincia conhecida): Se x for a mdia
No podemos dizer que pertence ao

intervalo de confiana com probabilidade
1 ;
o que podemos dizer que se fizermos um

grande nmero de intervalos nestas condies,
aproximadamente 100 (1 )% desses
duma populao normal (ou duma populao
intervalos contero de facto o verdadeiro valor

de (que permanece desconhecido), esta
qualquer desde que n grande, mas nesse caso o
ideia que traduzida por "confiana".
observada duma amostra aleatria de dimenso n
intervalo apenas aproximado) com varincia

conhecida 2 , um intervalo de confiana a
100 (1 )% para dado por
xa
Notas:
1) O comprimento do intervalo de confiana est
associado preciso, quanto menor for o
x+a
com a: P( Z > a) =
n
n
2
comprimento mais precisa a mdia.
(ou a = z 2 , na notao do Montgomery).

5
2) Se diminumos , isto , aumentarmos 1
Exemplo: X ~ N ( , 2 ) com = 1 .
(grau de confiana), mantendo n fixo, a vai

aumentar e consequentemente o comprimento
do intervalo. No possvel fazer = 0 pois
nesse caso a = + .
3) Quando aumentamos n, mantendo fixo,
a) uma amostra aleatria de dimenso 10 conduziu

a x = 10.1. Calcular um intervalo de confiana a
95% para :
= 0.05 P( Z > a) = 0.025

P( Z < a) = 0.975 a = 1 (0.975) = 1.96
diminui o comprimento do intervalo.

Logo o intervalo pedido
4) Qual deve ser a dimenso da amostra para que
se tenha um dado erro mximo (com confiana
fixa)?
Para termos uma confiana de 100 (1 )%
em que x E deve ter-se
a
a
n = , (visto que
= E) .
E
n
2
1
1
= [9.48;10.72]
10.1
1.96
;10.1
+
1.96
10
10
b) Qual deve ser n para que se possa garantir com
95% de confiana que x 0.25?
1.96 1
n=
= 61.47
0.25
2
Resposta: n = 62 .
(quando n no der inteiro arredonda-se por

excesso).
7
7.3 Intervalo de confiana para a diferena de
(X
X1 , populao 1, com E( X1 ) = 1 e V ( X1 ) =
(conhecida)
2
1
21
, X22 , , X2n2 )

Nota: um intervalo deste tipo til para comparar

duas experincias ou dois mtodos.
( X1 e X2 independentes)
O estimador pontual de 1 2 X1 X2 .
a. a. da populao 1 X11 , X12 , , X1n1 com mdia

n1
X2 ~ N ( 2 , 22 ) ento
i =1
n1
se
2
X1 ~ N 1 , 1 e X2 ~ N 2 , 2 pelo que
n1
n2
n2
X1 ~ N (1 , 12 )
J sabemos que se
1i
X2 =
Como construir um I.C. a 100 (1 )% para

1 2 ?
X2 , populao 2, com E( X2 ) = 2 e V ( X2 ) = 22
(conhecida)
X1 =
(e a a.a. X11 , X12 , , X1n1 independente da a.a.
duas mdias, varincias conhecidas
2 2
X1 X2 ~ N 1 2 , 1 + 2
n1 n2
2i
i =1
n2
9
10
logo a v.a. fulcral :
Notas: Mantm-se as notas 1) 2) e 3) da seco
(X
Z=
X2 ) ( 1 2 )
12 22
+
n1 n2
7.2, relativas interpretao e variao do

~ N (0,1)
comprimento do intervalo.
4) Dimenso da amostra tal que
(X
X2 ) (1 2 ) E com 100 (1 )%
Notas: a distribuio anterior tambm vlida,

aproximadamente, para X1 e X2 com outra
de confiana ?
qualquer distribuio, no necessariamente normal,

desde que n1 e n2 sejam elevados (pelo T.L.C.)
No tem soluo nica para n1 e n2 gerais, mas
Fazendo, do mesmo modo que na seco anterior,

P( a Z a) = 1 , com P( Z > a) =
se quisermos n1 = n2 = n obtm-se
2
a
n = (12 + 22 )
E
obtm-se um I.C. a 100 (1 )% para 1 2 :
12 22
2 2
+
; x1 x2 + a 1 + 2
x1 x2 a
n1 n2
n1 n2
11
12
Mas qual ser o efeito de fazer isto? No a

7.4 Intervalo de confiana para a mdia de
mesma v. a.! Qual a sua distribuio?
uma populao normal, varincia

Se n for grande ( n > 30 , em geral) pode mostrar-se
desconhecida
que o efeito pequeno e tem-se

X populao tal que:
( X1 ,
E( X ) =
(desconhecido)
V(X) = 2
(desconhecida)
Z=
X
~ N (0,1),
S n a
quer para X ~ N ( , 2 ) , quer para X qualquer
(com E( X ) = e V ( X ) = 2 ). Ou seja, o I.C.
, Xn ) a. a. de dimenso n
calcula-se exactamente como na Seco 7.2

substituindo por s (desvio padro amostral
= X (estimador pontual de )
X
porque
No se pode usar Z =
n
desconhecido. Um procedimento lgico consiste

em substituir por S (desvio padro amostral), ou
X
.
seja, em considerar a v. a. fulcral
S n
observado).
Se n 30 o problema no solvel no caso geral
(isto , desconhecendo o tipo de distribuio da
populao). Se X ~ N ( , 2 ) o teorema seguinte
fornece o resultado que se pretende.
13
14
Teorema: Seja ( X1 , , Xn ) uma a.a. duma

2) Funo Gama
populao X ~ N ( , 2 ) . A varivel aleatria

T=
(r ) =
X
S n
r 1 x
e dx , r > 0
se r inteiro (r ) = (r 1)!. Esta funo pode
tem distribuio t com n 1 graus de liberdade

( T ~ tn 1 ).
Notas:
ser vista como uma generalizao do factorial

(definido s para inteiros) aos reais positivos.
3) Representao grfica
1) Uma v.a. com distribuio t tem funo de
f(x)
densidade de probabilidade
f ( x) =
[( k + 1) 2]
k ( k 2)
k =
k=3
k=1
x
1 +
k
2
k +1
2
onde k > 0 o nmero de graus de liberdade.

Pode mostrar-se que se T ~ tk ento
E(T ) = 0 ( k > 1) e V (T ) = k ( k 2) ( k > 2)
15
4) fcil ver que quando k +

x2
1 2
f ( x)
e
2
(f.d.p. de N (0,1) )
16
5) Os percentis da distribuio tk encontram-se

tabelados
Tabelas da disciplina:
S
S
P X a
;X + a
=1
n
n
com a: P(T > a) =
No livro:
.
2
Obtm-se ento o I.C. para a mdia de uma

populao normal com varincia desconhecida
t k,q
P T < tk,q = q
tk,1 q = tk,q
xa
t,k
P(T > t ,k ) =
t1 ,k = t ,k
s
s
x+a
n
n
Observaes:
1) A interpretao semelhante que foi feita em
___________
7.2.
Voltando construo do I.C. e procedendo da

forma habitual:
2) Se diminuir, com n fixo, aumenta o

comprimento do intervalo.
X
P a
a = 1
S n
17
18
3) Se n aumentar, com fixo, espera-se que

diminua o comprimento do intervalo, mas no
Exemplo: Considere-se uma v.a. X ~ N ( , 2 ) .
h certeza, pois s varia de amostra para amostra.

4) Determinao de n para um dado erro (com
fixo):
as
x E n=
E
Uma amostra aleatria de dimenso 10 conduziu a

x = 10.1 e s = 1.2. Calcular um intervalo de
confiana a 95% para .
T=
X
~ tn 1= 9
S n
= 0.05 P(T > a) = 0.025

P(T < a) = 0.975 a = t9,0.975 = 2.262
Dificuldades:
i) a tambm depende de n; Soluo: resoluo
por tentativa-erro.
ii) s desconhecido antes de se ter a amostra;
Soluo: obter uma amostra preliminar para ter
uma ideia do valor que s pode vir a ter.
19
s
s
I.C.95% ( ) = x a
;x + a
n
n
Logo o intervalo pedido

1.2
1.2
=
I.C.95% ( ) = 10.1 2.262
;10.1 + 2.262
10
10
= [9.48;10.72]
20
7.5 Intervalo de confiana para a diferena

entre as mdias de duas populaes normais,
varincias desconhecidas
(e a a.a. X11 , X12 , , X1n1 independente da a.a.
(X
21
, X22 , , X2n2 )

(desconhecida)
Como construir um I.C. a 100 (1 )% para
(desconhecida)
Quando 12 e 22 eram conhecidas usava-se a v.a.
( X1 e X2 independentes)
1 2 ?
fulcral
Z=
(X
X2 ) ( 1 2 )
12 22
+
n1 n2

n1
X1 =
n1
1i
i =1
n1
e varincia
S12 =
(X
1i
i =1
X1 )
Se n1 > 30 e n2 > 30 pode-se substituir 12 por S12
n1 1
e 22 por S22 obtendo-se

n2
X2 =
X2i
i =1
n2
n2
e varincia S22 =
(X
i =1
2i
X2 )
~ N (0,1)
Z=
(X
X2 ) ( 1 2 )
S12 S22
+
n1 n2
n2 1
~ N (0,1)
a
21
22
quer para X1 ~ N (1 , 12 ) e X2 ~ N ( 2 , 22 ) quer
e tem-se ainda que
para X1 e X2 com outra qualquer distribuio.
1 1
12 22
V ( X1 X2 ) =
+
= 2 +
n1 n2
n1 n2
Ento um I.C. calcula-se exactamente como na

Seco 7.4, apenas substituindo 12 por s12 e 22
por s22 .
Vai ser necessrio estimar 2 . Um estimador
Quando n1 30 ou n2 30 o problema s tem
amostrais
soluo no caso em que X1 ~ N (1 , 12 ) e
X2 ~ N ( 2 , 22 ) e mesmo assim para se obter uma
v.a. fulcral com distribuio exacta necessrio

supor que (embora desconhecidas) 12 = 22 = 2
natural obtm-se combinando as duas varincias
= S
2
n1 1)S12 + (n2 1)S22

(
=
n1 + n2 2
Note-se que quando n1 = n2 resulta 2 =
(esta suposio razovel em muitas situaes

reais, e alm disso pode ser testada).
2
p
S12 + S22
.
2
Sabemos que
X1 X2 continua a ser o estimador pontual de

1 2
23
Z=
(X
X2 ) ( 1 2 )
~ N (0,1)
1 1
+
n1 n2
24
substituindo por Sp obtm-se
Observaes:
T=
(X
X2 ) ( 1 2 )
~ tn1 + n2 2
1 1
Sp
+
n1 n2
1) A determinao da dimenso da amostra mais

complicada (ver 7.3 e 7.4).
(sob as suposies, ou hipteses de trabalho,
2) E se no for razovel admitir que

12 = 22 = 2 ? Este problema (conhecido por
problema de Behrens-Fisher) no tem soluo
consideradas). Ento de
P( a T a) = 1
exacta. H solues aproximadas, o
com a: P(T > a) =

2
Montgomery (pg. 397) apresenta uma (no

faz parte do programa).
obtm-se um I.C. a 100 (1 )% para 1 2 :

1 1
1 1
+ ; x1 x2 + as p
+
x1 x2 as p
n1 n2
n1 n2
onde s p =
(n1 1)s12 + (n2 1)s22 .
Exemplo: Um mesmo tipo de material pode ser

adquirido a dois fabricantes. As variveis de
interesse so a resistncia mecnica do material (em
unidades convenientes) para cada fabricante. Para
n1 + n2 2
comparar os seus valores mdios obteve-se (por

amostragem aleatria) uma amostra de cada:
25
26
Admitimos que (hipteses de trabalho):

Fabricante 1
Fabricante 2
x1 = 8.73
s12 = 0.35
n1 = 15
x2 = 8.68
s22 = 0.40
n2 = 18
Com o objectivo de ajudar a decidir qual dos dois

melhor pretende-se calcular um intervalo de
confiana a 95% para a diferena dos valores
mdios.
Sejam:
X1 ~ N (1 , 12 ) e X2 ~ N ( 2 , 22 )
X1 e X2 so independentes;
12 = 22 = 2 (parece razovel porque s12 e s22

so da mesma ordem de grandeza).
A estimativa de
14 0.35 + 17 0.40
sp =
= 0.614
15 + 18 2
para grau de confiana = 95% vem = 0.05 e
X1 - v.a. que representa a resistncia do material

produzido pelo fabricante 1
X2 - v.a. que representa a resistncia do material
produzido pelo fabricante 2
27
a = t31;0.975 = 2.04 ( n1 + n2 2 = 31)

I.C.95% (1 2 ) =
1 1
1 1
= x1 x2 as p
+ ; x1 x2 + as p
+ =
n
n2
n
n
1
2
1
= [ 0.388;0.488]
28
Podemos ento afirmar (com 95% de confiana)
Notas:
que no existe grande diferena entre a resistncia
1) Uma v.a. com distribuio do chi-quadrado tem
mdia do material produzido pelos dois fabricantes.

7.6 Intervalo de confiana para a varincia de
funo de densidade de probabilidade

f ( x) =
uma populao normal

X ~ N ( , 2 )
( X1 ,
, Xn ) a.a.
1
x ( k 2 ) 1e x 2 , x > 0
2 (k 2)
k2
onde k > 0 o nmero de graus de liberdade.

Pode mostrar-se que se Q ~ k2 ento
E(Q) = k e V (Q) = 2k.
Queremos um I.C. a 100 (1 )% para 2 .

O estimador pontual de 2 S 2 . A v.a. fulcral
obtm-se do teorema seguinte.
2) Representao grfica
f(x)
Teorema: Seja ( X1 , , Xn ) uma a.a. duma
k=2
populao X ~ N ( , ) . A v.a.
2
Q=
k=4
k =6
(n 1)S 2
2
tem distribuio do chi-quadrado com n 1 graus
de liberdade ( Q ~ n21 ).
29
30
3) Os percentis da distribuio k2 encontram-se
Dado que a distribuio de Q no simtrica

preciso determinar a e b. Faz-se ento
tabelados
Tabelas da disciplina:
a: P(Q < a) =
No livro:
b: P(Q > b) =
.
2
(n 1)S 2
P a
b = 1
,k
k,q
P Q<
2
k,q
)=q
2 (n 1)S 2 (n 1)S 2
;
P
= 1
b
a
P( Q >
2
,k
)=
Um I.C. a 100 (1 )% para 2 ento

(n 1)s 2 (n 1)s 2
;
b
a
Para construir um I.C. a 100 (1 )% para 2

parte-se de
P( a Q b ) = 1
31
32
Exemplo: Considere-se uma v.a. X ~ N ( , 2 ) .
7.7 Intervalo de confiana para uma proporo
Uma amostra aleatria de dimenso 10 conduziu a

10
10
i =1 xi = 101 e i =1 xi2 = 1040 . Calcular um
( X1 ,
intervalo de confiana a 99% para .
muito grande ou infinita.
s2 =
=
interesse.
Seja p a proporo de indivduos na populao que
2
a = 9;0.005
= 1.735
pertencem a essa categoria de interesse.
2
b = 9;0.995
= 23.59
Exemplos:
19.9 19.9
I.C.99% ( 2 ) =
;
= 0.844;11.47]
23.59 1.735 [
e
o nmero de observaes desta
amostra que pertencem a uma dada categoria de
2
1
101 = 19.9
1040
10
10
9
9
I.C.99% ( ) =
, Xn ) amostra aleatria de uma populao
Seja Y ( n)
1 n
1 n 2
2
2
x
x
=
(
)
xi nx =
i
n 1 i =1
n 1 i =1
Da tabela:
0.844; 11.47 = [0.918;3.39]
Populao
Categoria
Peas
ser defeituosa
Eleitores
vota no partido X
Y
O estimador pontual de p P = .
n
33
Sabemos que Y ~ Bin(n, p) e que se n for grande

Y ~ N (np,np(1 p))
a
ou ainda
Y
p(1 p)
P = ~ N p,
na
n
pois
Y
Y
E (Y )
V (Y )
E P = E =
e V P = V = 2
n
n
n
n
()
()
Ento tem-se Z =
P a
34
P p
~ N (0,1)
p(1 p) a
n
P a
P p
a 1
P 1 P
n
O I.C. (aproximado) a 100 (1 )% para p :
p (1 p )
p (1 p )
; p + a
p a
n
n
Exemplo: Populao de eleitores portugueses.
Sondagem (aleatria) a 1200 eleitores revelou que

683 tencionam votar no partido ABC. Determinar a
P p
a 1 , a: P( Z > a) =
2
p(1 p)
Resolver em ordem a p? Aproximao que d

resultados satisfatrios
35
e.m.v. de p (proporo de eleitores na populao

que tencionam votar no partido ABC) e um I.C.
aproximado a 95% para p.
p = 683 1200 = 0.569
a = 1.96
I.C.95% ( p) = [0.541;0.597]
36

http://2 BP Blogspot com/-gXDFATzjGBI/U30aquAV8AI/AAAAAAAABao/nwk11Is1v1Y/s1600/rir1 JPG

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

http://2 BP Blogspot com/-gXDFATzjGBI/U30aquAV8AI/AAAAAAAABao/nwk11Is1v1Y/s1600/rir1 JPG

Uploaded by

Copyright:

Available Formats

Ana Pires, IST, Outubro de 2000

Ana Pires, IST, Outubro de 2000

Nota: o I. C. l u chamado bilateral. Em

Captulo 7 - Estimao por intervalos

alguns casos pode ser mais importante um intervalo

7.1 Intervalos de confiana

unilateral (superior ou inferior) do tipo

parmetro , em muitas situaes, importante

7.2 Intervalo de confiana para a mdia,

confiana que se pode depositar na estimativa

X populao tal que:

Um intervalo de confiana (I.C.) para um

onde l e u dependem do valor observado

Ana Pires, IST, Outubro de 2000

Ana Pires, IST, Outubro de 2000

Para minimizar a b deve ter-se b = a.

onde o caso X qq justificado pelo T. L. C.

fulcral (deve ter distribuio conhecida e depender

apenas do parmetro desconhecido).

Ana Pires, IST, Outubro de 2000

Ana Pires, IST, Outubro de 2000

No podemos dizer que pertence ao

o que podemos dizer que se fizermos um

duma populao normal (ou duma populao

intervalos contero de facto o verdadeiro valor

qualquer desde que n grande, mas nesse caso o

ideia que traduzida por "confiana".

observada duma amostra aleatria de dimenso n

intervalo apenas aproximado) com varincia

comprimento mais precisa a mdia.

(ou a = z 2 , na notao do Montgomery).

Ana Pires, IST, Outubro de 2000

Ana Pires, IST, Outubro de 2000

2) Se diminumos , isto , aumentarmos 1

(grau de confiana), mantendo n fixo, a vai

a) uma amostra aleatria de dimenso 10 conduziu

= 0.05 P( Z > a) = 0.025

diminui o comprimento do intervalo.

(quando n no der inteiro arredonda-se por

Ana Pires, IST, Outubro de 2000

Ana Pires, IST, Outubro de 2000

7.3 Intervalo de confiana para a diferena de

Nota: um intervalo deste tipo til para comparar

a. a. da populao 1 X11 , X12 , , X1n1 com mdia

a. a. da populao 2 X21 , X22 , , X2n2 com mdia

Como construir um I.C. a 100 (1 )% para

(e a a.a. X11 , X12 , , X1n1 independente da a.a.

duas mdias, varincias conhecidas

Ana Pires, IST, Outubro de 2000

Ana Pires, IST, Outubro de 2000

logo a v.a. fulcral :

Notas: Mantm-se as notas 1) 2) e 3) da seco

7.2, relativas interpretao e variao do

Notas: a distribuio anterior tambm vlida,

qualquer distribuio, no necessariamente normal,

No tem soluo nica para n1 e n2 gerais, mas

Fazendo, do mesmo modo que na seco anterior,

obtm-se um I.C. a 100 (1 )% para 1 2 :

Ana Pires, IST, Outubro de 2000

Ana Pires, IST, Outubro de 2000

Mas qual ser o efeito de fazer isto? No a

mesma v. a.! Qual a sua distribuio?

uma populao normal, varincia