Professional Documents
Culture Documents
2. Estatsticas e parmetros
1 n 1 n 2
s2 (Xi X)2 ( Xi X2 ) : varincia da amostra
n 1 i1 n 1 i1
: proporo da amostra
Estatstica
Populao
Mdia X E(X) =
Varincia s2
2
N de elementos n N
Proporo
p p
_____________________________________
3. Distribuio amostral
Toda estatstica, sendo uma funo de uma amostra aleatria X 1, X2, ..., Xn,
tambm uma varivel aleatria e tem uma distribuio. Embora, em uma dada
situao estaremos limitados apenas a uma amostra e um valor nico
correspondente estatstica; em relao a vrias amostras, a estatstica muda de
valor de acordo com a distribuio determinada a partir daquela que controla a
amostra aleatria. O ponto importante que o comportamento da estatstica pode
ser descrito por alguma distribuio de probabilidade. Assim, cada estatstica
uma varivel aleatria e sua distribuio de probabilidade chamada distribuio
amostral da estatstica. Esquematicamente, teramos o procedimento apresentado
na Figura 1, onde o parmetro de interesse na populao e t o valor da
estatstica T para cada amostra.
x 0 1 2 3
p(x) 0,2 0,4 0,3 0,1
X1 X 2
Tabela 3. Distribuio amostral de X :
2
Resultados importantes :
1. Se X1, X2, ..., Xn constitui uma amostra aleatria simples com reposio
de uma populao que tem mdia e varincia 2 , ento:
2
E (X) = e Var ( X )
n
Distribuio de X:
x 0 1 2 3 Total
p(x) 0,2 0,4 0,3 0,1 1,0
= E (X) = x . p( x ) = 1,3
X1 X 2
Distribuio de X :
2
x
0 0,5 1 1,5 2 2,5 3 Total
p( x )
0,04 0,16 0,28 0,28 0,17 0,06 0,01 1,0
x . p (x)
0 0,08 0,28 0,42 0,34 0,15 0,03 1,3
x 2 .p ( x )
0 0,04 0,28 0,63 0,68 0,375 0,09 2,095
E ( X ) x . p( x ) 1,3 E ( X )
Var ( X ) E ( X ) 2 [E( X )] 2 x 2 . p x [E ( X )] 2
2 0,81
Var ( X ) 2,095 (1,3) 2 0,405
n 2
Z= X aproximadamente N (0,1)
/ n
Uma ilustrao grfica do teorema limite central aparece na Figura 2, onde
a distribuio da populao representada pela curva contnua uma distribuio
contnua assimtrica, com = 2 e = 1,41. As distribuies da mdia amostral X
para tamanhos amostrais n = 3 e n = 10 so representadas no grfico pelas curvas
pontilhadas, indicando que, com um aumento de n, as distribuies amostrais
tornam-se mais concentradas ao redor de , assemelhando-se a uma distribuio
normal.
p (veja item 3.2), tambm podem ser aproximadas pela distribuio normal,
assumindo n grande.
Soluo:
49,7172 50
P ( 49,7172 < X < 50,2828 ) = P ( < X 50,2828 50
2 / 10 )
/ n 2 / 10
= 0,9545
Ou seja, dificilmente 100 pacotes tero uma mdia fora do intervalo ]49,7172;
50,2828[. Caso apresentem uma mdia fora desse intervalo, pode-se considerar
como sendo um evento raro, e ser razovel desconfiar que a maquina esteja
desregulada.
Assim, a varincia da mdia amostral com este tipo de amostragem menor, desde
que ela N n N 1 vezes a varincia da mdia amostral, quando a amostragem
for feita com reposio. No entanto, se a populao for grande quando comparada
com o tamanho da amostra (n), o fator de correo N n N 1 ser prximo de um,
2
e Var ( X ) n . Esta aproximao pode ser usada, se n 5% N.
T 1 1 pq
Var (p) Var ( ) 2 Var (T ) 2 n p q
n n n n
Exemplo 3. Um lote 625 vacas foram inseminadas com smen que possui
ndice de fertilidade (p) de 70%. Qual a probabilidade de se encontrar mais de
72% (450) de vacas prenhes?
Soluo:
n = 625 p = 0,70
0,72 0,70
P(p 0,72) P( Z ) P( Z 1,09) 0,50 0,36214 0,1379
0,70.0,30
625
450 437,5
Ou P(T 450) P( Z ) P( Z 1,09) 0,1379
0,7.0,30.625