Beruflich Dokumente
Kultur Dokumente
Departamento de Estatstica
Disciplina: ET-406 Estatstica Econmica
Professor: Waldemar A. de Santa Cruz Oliveira Jnior
1 Conceitos Bsicos
Denio 1.1
Populao:
Denio 1.2
&
Sandoval).
Denio 1.3
Denio 1.4
Denio 1.5
por um parmetro
Exemplo 1.1
o conjunto dos
pode assumir.
(X1 , , Xn )
independentes
N (, ), = {
Bin(n, p), = {
exp(), = {
Obs: Durante o curso vamos sempre considerar que uma amostra composta de VA's independentes e identicamente distribudas.
Exemplo:
Denio 1.6
Se a estatstica
conjunto paramtrico
T (X1 , , Xn )
Exemplo:
2
um chapeu ,
Denio 1.7
Exemplo:
Distribuies Amostrais
Denio 2.1
Exemplo 2.1
Considere o comjunto
o conjunto
X1 +X2
. Ento, a distribuio amostral de
2
Como podemos observar uma estatstica uma VA, assim, podemos calcular seu valor esperado e sua varincia.
Exemplo 2.2
do exemplo anterior.
Exemplo 2.3
Teorema 2.1
de
X uma VA, X1 , , Xn
Var[X] = 2 , ento,
Sejam
X, E[X] =
=
E[X]
=
Var[X]
2
.
n
Dem.
vari-
E[Xi ] =
D
X
Z=
N (0, 1).
2
n
Ou ainda,
Ou seja,
n(X ) D
N (0, 1).
Z=
Exemplo 2.4
8).
P (6 X
8) = 0, 01?
P (6 X
cule a
Exemplo 2.5
i.i.d
Denio 2.2
e()
do estimador
b do
parmetro
(X1 , , Xn ),
Exemplo 2.6
o Erro Amostral
e() = b .
i.i.d
(X1 , , Xn ) (, 2 ),
ento,
Exemplo 2.7
Sejam
X1 , , X n
Exemplo 2.8
2.
Sejam
X1 , , X n
Nosso objetivo neste curso ser encontrar bons estimadores. Mas, o que
um estimador bom? Para responder esta pegunta vejamos o exemplo 11.2
pag 290 do livro Estatstica Bsica (Bussab & Morettin). A gura abaixo
uma cpia da pgina 291 do mesmo livro e representa o resultado de 15 tiros
dados por 4 ries diferentes.
Denio 3.1
todo
&
Morettin)
b = ,
dito no-viesado para , se E[]
b = E[]
b chamada de vis.
B ()
Um estimador
E a diferena
para
Exemplo 3.1
A mdia amostral
E[X].
Exemplo 3.2
O estimador
b2 =
i=1
(Xi )2
um estimador no-viesado
n
para a varincia.
Exemplo 3.3
O estimador
b2 =
n
i=1
2
(Xi X)
um estimador viesado para
n
a varincia.
Exerccio: Faa uma transformao neste ltimo estimador para que ele passe
a ser no-viesado.
Denio 3.2
parmetro
denido como
Exemplo 3.4
b ) = E (b )2 .
EQM(,
b2 =
i=1 (xi
x)2 /n,
b para
um
estimadores
Exemplo 3.5
(
)2
b ) = Var[]
b + B ()
b .
EQM(,
Denio 3.3
tente se
limn E[Tn ] =
Exemplo 3.6
T1 , T2 , , Tn
limn Var[Tn ] = 0.
A mdia amostral
de
consis-
um estimador consistente de
E[X].
Exemplo 3.7
Sejam
i.i.d
X1 , , Xn N (, 2 ),
um estimador consistente de
2.
(Obs.:
(n1)S 2
2
ento,
S2 =
2(n1) ).
n
i=1
2
(Xi X)
n1
Exemplo 3.8
no um estimador
Denio 3.4
metro
i.i.d
X1 , , Xn N (, 2 ),
2
consistente de .
Sejam
Sejam
T1
ento, dizemos
Exemplo 3.9
b2
ento,
b2 =
n
i=1
2
(Xi X)
n
T2 dois estimadores no-viesados para um parque T1 mais eciente que T2 , se Var[T1 ] < Var[T2 ].
e
S 2.
que
4 Estimao Pontual
Na seo anterior estudamos critrios para avaliar a qualidade de um estimador. Nesta seo veremos trs mtodos para obter estimadores, a saber:
mtodo dos momentos, mtodo de mxima verossimilhana e mtodo de mnimos quadrados. Esses trs mtodos so considerados pontuais porque os
estimadores produzem estimativas para os parmetros. Na estimao intervalar, estuadada na seo seguinte, determinaremos um intervalo que com
uma certa probabilidade contem o parmetro a ser estimado.
4.1
Mtodo do Moemntos
Denio 4.1
k -simo
(X1 , , Xn )
n
i=1
mk =
Denio 4.2
Seja
Xik
= (1 , , r ),
dado por
xk f (x)dx.
k = E[X ] =
Considere uma amostra aleatria
ento,
desta varivel
X,
k -simo
.
b = (b1 , , br )
o estimador
equaes
mk = k ,
com
k = 1, 2, , r.
Exemplo 4.1
X N (, 2 ),
e 2.
Considere a VA
Exemplo 4.2
X (, 2 ),
e 2.
Considere a VA
Exemplo 4.3
Considere a VA
X exp(),
Exemplo 4.4
Considere a VA
4.2
X P oisson(),
Dada uma sequncia de VAs (X, Y ) = {(X1 , Y1 ), (Xn , Yn )}, neste mtodo
supomos que a VA Y pode ser explicada pela VA X atravs de um modelo
da forma
Y = g(X|) + ,
i=1
Exemplo 4.5
2i
i=1
Y = X.
Exemplo 4.6
do modelo
Y = X.
4.3
Este mtodo um dos mais utilzado e foi proposto por Ronald Aylmer Fisher
quando ainda cursava o seu terceiro ano da graduao. Basicamente a ideia
escolher dentre todos o que maximiza a funo de densidade conjunta
da amostra.
Denio 4.3
p(Xi |)
A funo de verossimilhana
L(|X)
da amostra
L(|X) =
f (Xi |)
ou
L(|X) =
i=1
Exemplo 4.7
n.
2) = p1 , P (X = 4) = p2
Denio 4.4
como
p(Xi |).
i=1
Exemplo 4.8
X{2, 4, 6},
cuja
P (X =
P (X = 6) = p3 .
bM V
denido
Exemplo 4.9
Considere a VA
Denio 4.5
l()
seja,
l() = log(L(|X)).
Ou
Exemplo 4.10
Considere a VA
X exp(),
Exemplo 4.11
xima verossimilhana o
Exemplo 4.12
X N (, 2 ),
2
estimador para e .
Considere a VA
mxima verossimilhana o
Exemplo 4.13
X Bernoulli(p),
estimador para p.
Considere a VA
Considere a VA
X Binomial(n, p),
p.
Referncia Bibliogrca:
Bofarine, H., & Sandoval, M. C. (2001), Introduo Inferncia Estatstica, Sociedade Brasileira de Matemtica.
Bussab, W. O. & Morettin, P. A. (2002), Estatstica Bsica, 5a Edio,
Editora: Saraiva.
Meyer, P. (1969), Probabilidade: Aplicaes Estatstica. Ao Livro Tcnico.
Mood, A.M.; Graybell, F.A. & Boes, D.C. Introduction to the Theory of
Statistics, 3a Edition, McGraw-Hill, Singapore: 1974.
10