Conceitos fundamentais de amostragem

Universo
Processo
de
amostragem

Inferncia
indutiva

Amostra

Universo ou Populao
o Especificao de um modelo (famlia de modelos)
Inferncia estatstica paramtrica e no paramtrica
Populao X ~ f ( x | ) com desconhecido
Espao do parmetro - Dar alguns exemplo

Processo de amostragem
o Amostra casual simples ( X 1 , X 2 ,, X n )
o Espao-amostra

i.i.d.

o Distribuio da amostra
o Noo de estatstica
o Definio
o Amostra e estatstica a reduo da informao
Exemplos de estatsticas
A prpria amostra

A mdia da amostra X (1 / n) i 1 X i
n

A varincia da amostra

S 2 (1/ n) i 1 X i X (1 / n) i 1 X i2 X 2
n

A varincia corrigida da amostra

n
2
S 2 (1/( n 1)) i1 X i X (n /( n 1)) S 2
O par X , S 2
O mximo da amostra
O 1 valor da amostra

o Distribuio por amostragem de uma estatstica

o Estatsticas e valores observados das estatsticas

Distribuies mais utilizadas

Universo normal
o Distribuio da mdia da amostra com (ou sem) varincia (do universo) conhecida
o Distribuio da varincia da amostra
o Distribuio da diferena de mdias de duas amostras independentes

Outros universos
o Grandes amostras Caso Geral Teorema do limite central
Populaes de Bernoulli
Populaes de Poisson
...

ESTIMAO
o Estimao paramtrica
o ( X 1 , X 2 ,..., X n ) amostra casual de uma populao cuja funo densidade (ou funo
probabilidade) pertence famlia F { f ( x | ) : }.
o A forma funcional f (.) conhecida, apenas se desconhecendo o verdadeiro valor do
parmetro.
o Problema: Como utilizar a informao dada pela amostra para adivinhar o valor de ?
(estimar)
o Dois aspectos assumem particular importncia para responder a esta questo: a preciso e
a confiana.
o Ideia Importante Fixada a dimenso da amostra, quanto mais precisa a resposta, menor
a confiana que nela se deposita.
o A estimao paramtrica vai ento desenvolver-se ou privilegiando a preciso (estimao
por pontos) ou privilegiando a confiana (estimao por intervalos).

Ter presente que o parmetro de interesse pode ser

o multidimensional
Exemplo
Suponha que a valorizao de um activo financeiro tem distribuio normal com mdia
e varincia 2 .
Teremos 2 parmetros desconhecidos.
o ou uma funo do(s) parmetro(s) da distribuio
Exemplo
Suponha-se que o nmero de sinistros originados anualmente por uma aplice de seguro
automvel tem distribuio de Poisson de parmetro (desconhecido) .
Em vez de nos interessarmos pelo parmetro (que representa a mdia do fenmeno)
podemos estar interessados numa funo de , por exemplo, na probabilidade de no se
verificar nenhum sinistro Pr( X 0 | ) e .
Assim pretende-se estimar ( ) e que traduz essa probabilidade.

ESTIMAO POR PONTOS

o Ponto de Partida:
o Amostra casual ( X 1 , X 2 ,..., X n ) , de uma populao F { f ( x | ) : }.
o Apenas desconhecido. No entanto, sendo (espao do parmetro)
conhecido.
o Conceitos Fundamentais:
o Estimador: Processo de obteno de estimativas.
O estimador uma varivel aleatria, funo da amostra casual e representase por T ( X 1 , X 2 ,..., X n ) - Por exemplo T ( X 1 , X 2 ,..., X n ) X . Um estimador
uma estatstica.
o Estimativa: Valor assumido pelo estimador para a amostra que se observou.
Representa-se por T ( x1 , x2 ,..., xn ) - Por exemplo T ( x1 , x2 ,..., xn ) x .
o Dois problemas em aberto:
o Como encontrar estimadores para determinado parmetro?
o Encontrado um ou mais estimadores, como avaliar a sua qualidade?
Vamos comear por apresentar 2 mtodos de estimao e posteriormente abordar-seo as propriedades dos estimadores.

Mtodo dos momentos

o Ideia: Utilizar os momentos da amostra para estimar os correspondentes momentos da
populao e, a partir da, estimar os parmetros de interesse
o Formalizao:
o

( X 1 , X 2 ,..., X n ) de uma populao X ~ f ( x | 1 , 2 ,..., k ) , k parmetros desconhecidos.

Momento de ordem r do universo (em relao origem).

r E ( X r ) x r f ( x | 1 , 2 ,..., k ) dx r (1 , 2 ,..., k )

(caso contnuo)

No caso discreto tem-se uma soma em vez do integral. (Para que possam existir estimadores
dos momentos os correspondentes momentos do universo tm de existir)
o

Momentos de ordem r da amostra: in1 X ir / n (os momentos da amostra existem sempre)

Constri-se um sistema de k equaes igualando os k primeiros momentos da amostra

aos k primeiros momentos do universo:

i1 X ir
n

r (1 , 2 ,..., k ), r 1,2,..., k
n
Resolve-se o sistema que se admite ter soluo nica:
~ ~
~
~
j j ( X 1 , X 2 ,..., X n ), j 1,2,..., k . Diz-se ento que os estimadores, 1 , 2 ,..., k ,
foram obtidos pelo mtodo dos momentos.

Exemplos:

1. (exemplo 7.4 do livro) Considere-se uma populao de Bernoulli da qual se extraiu uma
amostra casual de dimenso n com o objectivo de estimar . Como se sabe, E (X ) e
~
consequentemente o estimador pelo mtodo dos momentos dado por X . Em termos
formais:
o 1 momento do universo: 1 E ( X ) ;

i 1 X i ;
n

o 1 momento da amostra:

i1 X i

o Sistema:

(j est resolvido)

~ Xi
Soluo: Estimador i 1
n

X;

xi
i 1 x
n

Estimativa

Cuidado com a notao!

2. (exemplo 7.5 do livro) Seja ( X 1 , X 2 ,..., X n ) uma amostra casual de uma populao normal,
X ~ N ( , 2 ) . Suponha-se que se pretende estimar os dois parmetros e 2 .

o Momentos do universo:

o Momentos da amostra:

o Sistema:

o Soluo:

3. Seja ( X 1 , X 2 ,..., X n ) uma amostra casual de uma populao uniforme (- , ) e pretende-se

estimar .

o Momentos do universo:

o Momentos da amostra:

o Sistema:

o Soluo: