Beruflich Dokumente
Kultur Dokumente
Os modelos probabilísticos procuram medir a variabilidade Se pudéssemos medir as alturas de todos os brasileiros
de fenômenos casuais de acordo com suas ocorrências. adultos, teríamos meios de obter sua distribuição exata e,
Na prática o pesquisador tem alguma idéia sobre a forma daí, produzir os correspondentes parâmetros.
da distribuição, mas não dos valores exatos dos
parâmetros que as especificam.
ç
Nessa situação não teríamos necessidade de usar a
inferência estatística.
Ex: Parece razoável supor que a distribuição das alturas
dos brasileiros adultos possa ser representada por um
Isso raramente é conseguido. Porque é DISPENDIOSO
modelo normal. Mas essa afirmação não é suficiente para
determinar qual a distribuição normal correspondente. ou DEMORADO ou o processo é DESTRUTIVO.
3 4
Estatística Estatística
Estatística Descritiva X Estatística Inferencial
Estatística Descritiva X Estatística Inferencial
100
90
80
20
+ +
15 70
10 60
5
50
0
classe 1 classe 2
Classes
10 - 20
F.A.
2
F.R.
0,02
• média
20 - 30 4 0,04
30 - 40 6 0,06 • moda
40 - 50 12 0,11
50 - 60 10 0,09 • mediana
60 - 70 25 0,24
S S 70 - 80
80 - 90
12
19
0,11
0,18
• desvio médio
90 - 100
100 - 110
7
5
0,07
0,05
• desvio padrão
110 - 120
120 - 130
3
1
0,03
0,01
• assimetria
106
• curtose
• coeficiente de variação
5 6
1
Estatística Estatística
0,35 0,35
intervalos de confiança
f ( x; α , β , λ ) f ( x; α , β , λ )
0,30 0,30
0,25
0,20
0,25
0,20
testes de hipóteses
0 15
0,15 0 15
0,15
0,10 0,10
0,05 0,05
0,00 0,00
αˆ
βˆ
λˆ
S S
7 8
9 10
2
Distribuições amostrais Distribuições amostrais
x1 : média.amostra1 População Amostras Distribuição
1
s1 : desvio − padrão.1
θˆ1 Amostral
x 2 : média.amostra 2
θˆ2
θ
2
μ: média
édi d i − padrão
s 2 : desvio d ã .2
14
0.22
0.11
0.00
8 9 10
salários
15 16
Médias. Médias
8
0.44 7
0.33 6
0.22 5
4
fa
0.11 3
0.00 2
1
8 8.5 9 9.5 10 0
salários 8.00 8.33 8.67 9.00 9.33 9.67 10.00
17
Salários 18
3
A distribuição de X Variáveis não normais TCL
Se X é uma variável qualquer com
média μ e variância σ2, :
Variáveis normais
⎛ σ2 ⎞
( )
X ~ N μ , σ 2 → X ~ N ⎜⎜ μ , ⎟
n ⎟⎠ z=
X −μ →∞
⎯n⎯
⎯→ N (0,1)
⎝ σ
n
19 20
questão.
22
4
Condições para utilizar a distribuição de t de Distribuição t de student
Student g 0,1 0,05 0,025 0,01 0,005
1 3,078 6,314 12,706 31,821 63,656
2 1,886 2,920 4,303 6,965 9,925
3 1,638 2,353 3,182 4,541 5,841
4 1,533 2,132 2,776 3,747 4,604
5 1,476 2,015 2,571 3,365 4,032
P(T
( g>t ) 12
13
14
1,356
1,350
1,345
1,782
1,771
1,761
2,179
2,160
2,145
2,681
2,650
2,624
3,055
3,012
2,977
15 1,341 1,753 2,131 2,602 2,947
16 1,337 1,746 2,120 2,583 2,921
17 1,333 1,740 2,110 2,567 2,898
b) σ é desconhecido 18
19
20
1,330
1,328
1,325
1,734
1,729
1,725
2,101
2,093
2,086
2,552
2,539
2,528
2,878
2,861
2,845
P(T10 > 2,764) = ? 21 1,323 1,721 2,080 2,518 2,831
22 1,321 1,717 2,074 2,508 2,819
23 1,319 1,714 2,069 2,500 2,807
P(T10 > 2,764) = 0,01 24
25
1,318
1,316
1,711
1,708
2,064
2,060
2,492
2,485
2,797
2,787
a) t / P (-t < t < t ) = 0,95 com 10 g.l. Retira-se uma amostra de n elementos de uma população
normal com média μ e variância σ2, teremos a seguinte
n
b) t / P (-t < t < t ) = 0,90 com 20 g.l. ∑(x − x)
2
Distribuição χ2
9 Os valores de χ2 não podem ser negativos
g 0,005 0,010 0,025 0,050 0,100 0,900 0,950 0,975 0,990 0,995
1 7,88 6,63 5,02 3,84 2,71 0,016 0,0039 0,0010 0,00016 0,00004
2 10,60 9,21 7,38 5,99 4,61 0,21 0,10 0,051 0,020 0,010
9 Não é simétrica em χ2 =0 3
4
5
12,84
14,86
16,75
11,34
13,28
15,09
9,35
11,14
12,83
7,81
9,49
11,07
6,25
7,78
9,24
0,58
1,06
1,61
0,35
0,71
1,15
0,22
0,48
0,83
0,11
0,30
0,55
0,072
0,21
0,41
6 18,55 16,81 14,45 12,59 10,64 2,20 1,64 1,24 0,87 0,68
7 20,28 18,48 16,01 14,07 12,02 2,83 2,17 1,69 1,24 0,99
8 21,95 20,09 17,53 15,51 13,36 3,49 2,73 2,18 1,65 1,34
9 23,59 21,67 19,02 16,92 14,68 4,17 3,33 2,70 2,09 1,73
χ t2 +∞
9 quanto maior o tamanho de n, a distribuição 0 10 25,19 23,21 20,48 18,31 15,99 4,87 3,94 3,25 2,56 2,16
11 26,76 24,72 21,92 19,68 17,28 5,58 4,57 3,82 3,05 2,60
12 28,30 26,22 23,34 21,03 18,55 6,30 5,23 4,40 3,57 3,07
tende a normal.
normal
13 29,82 27,69 24,74 22,36 19,81 7,04 5,89 5,01 4,11 3,57
14 31,32 29,14 26,12 23,68 21,06 7,79 6,57 5,63 4,66 4,07
P( χ g2 > χ t2 )
15 32,80 30,58 27,49 25,00 22,31 8,55 7,26 6,26 5,23 4,60
16 34,27 32,00 28,85 26,30 23,54 9,31 7,96 6,91 5,81 5,14
17 35,72 33,41 30,19 27,59 24,77 10,09 8,67 7,56 6,41 5,70
18 37,16 34,81 31,53 28,87 25,99 10,86 9,39 8,23 7,01 6,26
19 38,58 36,19 32,85 30,14 27,20 11,65 10,12 8,91 7,63 6,84
limites. 29
30
40
52,34
53,67
66,77
49,59
50,89
63,69
45,72
46,98
59,34
42,56
43,77
55,76
39,09
40,26
51,81
19,77
20,60
29,05
17,71
18,49
26,51
16,05
16,79
24,43
14,26
14,95
22,16
13,12
13,79
20,71
50 79,49 76,15 71,42 67,50 63,17 37,69 34,76 32,36 29,71 27,99
60 91,95 88,38 83,30 79,08 74,40 46,46 43,19 40,48 37,48 35,53
70 104,21 100,43 95,02 90,53 85,53 55,33 51,74 48,76 45,44 43,28
80 116,32 112,33 106,63 101,88 96,58 64,28 60,39 57,15 53,54 51,17
90 128,30 124,12 118,14 113,15 107,57 73,29 69,13 65,65 61,75 59,20
100 140,17 135,81 129,56 124,34 118,50 82,36 77,93 74,22 70,06 67,33
29 30
5
Distribuição χ2 Obter os seguintes valores da
distribuição de χ2 :
g 0,005 0,010 0,025 0,050 0,100 0,900 0,950 0,975 0,990 0,995
1
2
3
7,88
10,60
12,84
6,63
9,21
11,34
5,02
7,38
9,35
3,84
5,99
7,81
2,71
4,61
6,25
0,016
0,21
0,58
0,0039
0,10
0,35
0,0010 0,00016 0,00004
0,051
0,22
0,020
0,11
0,010
0,072
a) χ2 / P (χ2 > χ2 ) = 0,025 com 17 g.l.
4 14,86 13,28 11,14 9,49 7,78 1,06 0,71 0,48 0,30 0,21
5 16,75 15,09 12,83 11,07 9,24 1,61 1,15 0,83 0,55 0,41
6 18,55 16,81 14,45 12,59 10,64 2,20 1,64 1,24 0,87 0,68
7 20,28 18,48 16,01 14,07 12,02 2,83 2,17 1,69 1,24 0,99
P( χ g2 > χ t2 )
15 32,80 30,58 27,49 25,00 22,31 8,55 7,26 6,26 5,23 4,60
Distribuição F Distribuição F
g1 g1
0 F +∞ 0 F +∞
g2 g2
33 34
g2
c) F1,F2 / P(F1 < F < F2 ) = 0,95 com v1 = 10 e v2 = 20 g.l.
P( F25,5 < ?) = 0,025
P( F5,25 > ?) = 0,025
P( F5,25 > 3,13) = 0,025
1
P( F25,5 < ) = 0,025
3,13
P ( F25,5 < 0,319) = 0,025
35 36