Beruflich Dokumente
Kultur Dokumente
Francisco Carvalho
Estimac
ao
Aulas 2011-12
1 / 39
Estimacao
1
Introducao
Estimacao pontual
Estimac
ao
Aulas 2011-12
2 / 39
Outline
1
Introducao
Estimacao pontual
Estimac
ao
Aulas 2011-12
3 / 39
Introducao
Estimac
ao
Aulas 2011-12
4 / 39
Outline
1
Introducao
Estimacao pontual
Estimac
ao
Aulas 2011-12
5 / 39
Estimacao pontual
Considere-se a amostra
X1 , X2 , . . . , Xn
de uma populacao com func
ao densidade
f (x| ) :
de onde se otem diversas estimativas para o par
ametro , T , T 0 , T 00 , . . ..
Estimador e uma vari
avel aleatoria, func
ao da amostra causal e
representa-se por T (X1 , X2 , . . . , Xn );
Estimativa e um valor concreto assumido pelo estimador para uma
particular amostra (x1 , x2 , . . . , xn ) e representa-se por T (x1 , x2 , . . . , xn ).
Para cada parametro existe um grande n
umero de estimadores.
Estimac
ao
Aulas 2011-12
6 / 39
Estimacao pontual
Estimac
ao
Aulas 2011-12
7 / 39
Estimacao pontual
Funcao de verosimilhanca
Se (X1 , X2 , . . . , Xn ) e uma amostra de populac
ao com funcao densidade
ao
(funcao probabilidade) f (x| )), a express
n
f (x1 , x2 , . . . , xn | ) = f (xi | ),
i =1
(x1 , x2 , . . . , xn )
Rn
L( |x1 , x2 , . . . , xn ) = f (xi | ),
i =1
ou simplesmente por L( ).
Francisco Carvalho (UDMF IPT)
Estimac
ao
Aulas 2011-12
8 / 39
Estimacao pontual
= (X1 , X2 , . . . , Xn )
e um estimador.
Estimac
ao
Aulas 2011-12
9 / 39
Estimacao pontual
Exemplo
Uma urna cont
em bolas pretas e bolas brancas, na proporc
ao de 3 para 1, desconhecendo-se qual
a cor predominante. A probabilidade de tirar ao acaso uma bola preta
e de 43 ou 14 consoante for
preta ou branca a cor predominante. Retirando da urna, com reposica
o, uma amostra de n
bolas, a vari
avelaleat
oria que indica o n
umero de bolas pretas na amostra tem distribuic
ao
binomial B n; 43 , ou B n; 41 . Com n = 3, procure estimar o valor desconhecido do par
ametro.
0
1
64
1
9
64
2
27
64
3
27
64
27
64
27
64
9
64
1
64
Estimac
ao
Aulas 2011-12
10 / 39
Estimacao pontual
Quando se observa X = 0, o m
etodo de m
axima verosimilhanca prop
oe para estimativa da
probabilidade (par
ametro) o valor 14 e n
ao o valor 34 , porquanto
f
0|
1
4
1
3
3
27
1
> f 0|
= P X = 0| =
=
= P X = 0| =
=
4
64
4
4
64
Com efeito,
e mais prov
avel que uma amostra com zero bolas pretas seja procedente da urna
e mais verosmil que = 34 . Em geral, o
com predomin
ancia de bolas brancas, isto
e, = 41
estimador de m
axima verosimilhanca pode escrever-se
= (X ) =
1
4
(X = 0,1)
3
4
(X = 2,3)
Estimac
ao
1 3
,
4 4
Aulas 2011-12
11 / 39
Outline
1
Introducao
Estimacao pontual
Estimac
ao
Aulas 2011-12
12 / 39
Propriedades
Estimador centrado
Um estimador T = T (X1 , X2 , . . . , Xn ) para o par
ametro diz-se centrado
ou n
ao enviesado quando
E (T ) =
Env (T ) = E (T )
Facilmente se demonstra que, caso exista valor esperado, X e um
estimador centrado para , qualquer que seja a populacao, uma vez que
E (X ) = .
Estimac
ao
Aulas 2011-12
13 / 39
Propriedades
n1 2
2
n
Estimac
ao
Aulas 2011-12
14 / 39
Propriedades
Eficiencia
Sejam T = T (X1 , X2 , . . . , Xn ) e T 0 = T 0 (X1 , X2 , . . . , Xn ) dois estimadores
centrados para . O estimador T e mais eficiente do que T 0 quando,
Var (T ) Var (T 0 ),
Estimac
ao
Aulas 2011-12
15 / 39
Propriedades
Teorema
Seja (X1 , X2 , . . . , Xn ) uma amostra causal de populacao com funcao
densidade (probabilidade) f (x| ), satisfazendo certas condicoes de
regularidade, e seja T = T (X1 , X2 , . . . , Xn ) um estimador centrado de .
Ent
ao,
1
Var (T )
n( )
onde
( ) = E
(
lnf (X | )
2 )
= E
Estimac
ao
2 lnf (X | )
2
Aulas 2011-12
16 / 39
Propriedades
A Tabela apresenta o valor de ( ) para as distribuic
oes mais conhecidas
Distribuicao
X B(k; )(k conhecido)
X Po( )
( ) =
X N( ; 2 )( 2 conhecido)
( ) =
1
2
X N( ; 2 )( conhecido)
( 2 ) =
Estimac
ao
1
2 4
Aulas 2011-12
17 / 39
Propriedades
Estimac
ao
Aulas 2011-12
18 / 39
Propriedades
O conceito de eficiencia est
a associado a estimadores centrados, mas nem
sempre os estimadores o s
ao, ou n
ao e possvel, determinar se o e ou nao.
necessario entao um criterio mais geral para o uso em estimadores
E
enviesados. O criterio mais comum e o uso do erro quadratico medio
(EQM).
Definicao
Seja T = T (X1 , X2 , . . . , Xn ) um estimador para o par
ametro . O erro
quadratico medio de T e dado por
ou
EQM(T ) = Var (T ) + [Env (T )]2
EQM(T ) = E (T )2
Estimac
ao
Aulas 2011-12
19 / 39
Propriedades
Definicao
Um estimador Tn = T (X1 , X2 , . . . , Xn ) diz-se consistente em media
quadratica se
lim E (Tn )2 = 0
n+
Definicao
Um estimador Tn = T (X1 , X2 , . . . , Xn ) diz-se (simplesmente) consistente
quando, qualquer que seja o n
umero real > 0,
lim P ( < Tn < + ) = 1
n+
Tn
plimTn =
Estimac
ao
Aulas 2011-12
20 / 39
Propriedades
Teorema
S
ao condicoes suficientes para que Tn seja estimador (simplesmente)
consistente
lim E (Tn ) =
n+
n+
Estimac
ao
Aulas 2011-12
21 / 39
Outline
1
Introducao
Estimacao pontual
Estimac
ao
Aulas 2011-12
22 / 39
Estimac
ao
Aulas 2011-12
23 / 39
Outline
1
Introducao
Estimacao pontual
Estimac
ao
Aulas 2011-12
24 / 39
N(0; 1)
x z( 2 )
; x + z( 2 )
n
n
com z( 2 ) a verificar (z( 2 ) ) = 1 2 .
Atendendo a que a distribuic
ao de Z e simetrica `
a origem, verifica-se que a
amplitude do intervalo e dada por 2z( 2 ) n .
Francisco Carvalho (UDMF IPT)
Estimac
ao
Aulas 2011-12
25 / 39
2
2
12,5 1,96 ; 12,5 + 1,96
= [11,52; 13,48]
16
16
2
2z
( 2 )
0,5
2
n > 245,86
Estimac
ao
Aulas 2011-12
26 / 39
x t( 2 )
; x + t( 2 )
n
n
Estimac
ao
Aulas 2011-12
27 / 39
Outline
1
Introducao
Estimacao pontual
Estimac
ao
Aulas 2011-12
28 / 39
Estimac
ao
Aulas 2011-12
29 / 39
q2 = 30,1435
2 [155694,3; 463889,6]
Estimac
ao
Aulas 2011-12
30 / 39
Outline
1
Introducao
Estimacao pontual
Estimac
ao
Aulas 2011-12
31 / 39
(X 1 X 2 ) (1 2 )
q
N(0; 1)
12
22
m + n
(x 1 x 2 ) z
12 22
+
; (x 1 x 2 ) + z
2
m
n
12 22
+
m
n
populaco
es n
ao normais, e dimens
ao das amostras razoavelmente grande, temos a
aproximac
ao dada por
(X 1 X 2 ) (1 2 ) a
q
Z=
N(0; 1)
12
22
m + n
Estimac
ao
Aulas 2011-12
32 / 39
(X 1 X 2 ) (1 2 )
q
t(m+n2)
(m1)S102 +(n1)S202
+ n1
m+n2
1
m
do qual se constr
oi o intervalo de confianca
(x 1 x 2 ) t
1
1
+
m n
(m 1)s102 + (n 1)s202
m+n2
vari
ancias desconhecidas e as amostras s
ao de pequenas dimens
oes
(X1 X2 ) (1 2 )
q
t(v )
S202
S102
m + n
onde
v=
1
m1
s102
m
s102
m
2
s202
n
2
1
+ n1
s202
n
2
+
(x 1 x 2 ) t(v) ( )
2
m
n
Francisco Carvalho (UDMF IPT)
Estimac
ao
Aulas 2011-12
33 / 39
Outline
1
Introducao
Estimacao pontual
Estimac
ao
Aulas 2011-12
34 / 39
Estimac
ao
Aulas 2011-12
35 / 39
Outline
1
Introducao
Estimacao pontual
Estimac
ao
Aulas 2011-12
36 / 39
onde X =
y
n
Estimac
ao
Aulas 2011-12
37 / 39
Outline
1
Introducao
Estimacao pontual
Estimac
ao
Aulas 2011-12
38 / 39
Estimac
ao
Aulas 2011-12
39 / 39