150
Objetivos e Bibliografia Introdução Conceitos de Probabilidade Variável Aleatória Conceitos básicos de amostragem Distrbuições Amostrais Intervalo de Confiança Teste de Hipótese Modelos de Probabilidade e Inferencia Estatística Ulisses U. dos Anjos Departamento de Estatística Universidade Federal da Paraíba Período 2013.1 Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Embed Size (px)

Citation preview

Page 1: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Modelos de Probabilidade e Inferencia Estatística

Ulisses U. dos Anjos

Departamento de EstatísticaUniversidade Federal da Paraíba

Período 2013.1

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 2: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Sumário1 Objetivos e Bibliografia2 Introdução3 Conceitos de Probabilidade

Propriedades de uma medida de probabilidadeProbabilidade CondicionalTestes Diagnósticos

4 Variável AleatóriaDistribuições de Probabilidade para Variáveis AleatóriasDiscretasDistribuições de Probabilidade para Variáveis AleatóriasContínuas

5 Conceitos básicos de amostragemTipos de estudosTipos de AmostragemPrincipais planos de amostragem probabilística

6 Distrbuições AmostraisMédiaProporçãoVariância

7 Intervalo de ConfiançaMédiaProporçãoVariância

8 Teste de HipóteseVisão GeralComponentes de um Teste de HipóteseTestes ParamétricosTeste para MédiaTeste para VariânciaTeste para Proporção

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 3: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Objetivos

Revisar, aprofundar e ampliar os conceitos de probabilidade einferência estatística dos mestrandos, visando sua utilização nasdissertações e servindo como base para outras disciplinas doprograma.

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 4: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Bibliografia

DANIEL, w. w. Biostatics: A Foundation for Analysis in theHealth Sciences. 9

oEd.. Wiley, 2009.

TRIOLA, M. F. Introdução à Estatística. Livros Técnicos eCientíficos Editora, 2005.ARANGO, H. G. Bioestatística: teórica e computacional. 2a

edição. Rio de Janeiro: Guanabara Koogan, 2005.

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 5: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Objetivo da Probabilidade

Fornecer o arcabouço teórico para o estudo dos fenômenos ouexperimentos aleatórios.Criar modelos teóricos que reproduzam de maneira razoável adistribuição de freqüências dos fenômenos ou experimentosaleatórios. Tais modelos são chamados modelos probabilísticos.

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 6: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Experimento aleatório

Definição: Um experimento que pode fornecer diferentesresultados, muito embora seja repetido toda vez da mesmamaneira, é chamado experimento aleatório.Característica de um experimento aleatório:Imprevisibilidade: o resultado do experimento não pode serconhecido a priori, mesmo se repetido sobre iguais condições;

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 7: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Espaço amostral e evento

Espaço amostral: é o conjunto de todos os resutados de umexperimento aleatório. Notação: Ω

Evento: É um subconjunto do espaço amostral;Os subconjuntos de Ω serão denotados por letras latinasmaiúsculas (A,B,C,. . . );Diz-se que "‘ocorre o evento A"’ quando o resultado doexperimento aleatório for um elemento de A;O espaço amostral Ω e o conjunto vazio ∅ também sãoeventos, em que Ω é o evento certo e ∅ é o evento impossível.

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 8: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Operações básicas entre conjuntos

A ∪ B =ω ∈ Ω : ω ∈ A ou ω ∈ B ou ω ∈ A, ω ∈ B

, é a

união de A e B;

ExemploSuponha que iremos sortear de uma lista de casais que se casaramhá 30 anos atrás e verificar quais deles estão vivos. Considere osseguintes eventos: A =A mulher estar viva e B =O homem estarvivo. Então o evento pelo menos um estar vivo é dado por A ∪ B

A ∩ B =ω ∈ Ω : ω ∈ A, ω ∈ B

, é a intersecção de A e B;

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 9: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Operações básicas entre conjuntos

ExemploConsiderando o exemplo anterior, então o evento ambos estaremvivos é dado por A ∩ B.

Ac =ω ∈ Ω : ω /∈ A

, deste modo segue que Ac = Ω− A é

o complementar de A, do mesmo modo Bc = Ω− B é ocomplementar de B ;

ExemploConsiderando o exemplo anterior, então o evento o homem estarvivo pode ser representado por Ac , logo nesse caso específicoB = Ac e A = Bc .

A− B =ω ∈ Ω : ω ∈ A, ω /∈ B

, deste modo segue que

A− B = A ∩ Bc é a diferença entre A e B ;

ExemploConsiderando o exemplo anterior, então o evento apenas a mulherestar viva é dado por A− B. Do mesmo modo, o evento apenas ohomem estar vivo é dado por B − A.

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 10: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Operações básicas entre conjuntos

A∆B =ω ∈ Ω : ω ∈ A, ω /∈ B ou ω /∈ A, ω ∈ B

, deste

modo segue que A∆B = (A ∩ Bc) ∪ (Ac ∩ B) é a diferençasimétrica entre A e B ;

ExemploConsiderando o exemplo anterior, então o evento somente ohomem ou a mulher estar vivo pode ser representado por A∆B.

A e B são disjuntos(mutuamente exclusivos) se e somente seA ∩ B = ∅;

ExemploConsiderando o exemplo anterior, então os eventos A e B não sãodisjuntos pois ambos podem estar vivos.

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 11: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Partição de um evento

Seja A um subconjunto de Ω. Então A1, . . . ,An formam umapartição de A se e somente se Ai ∩ Aj = ∅ para todo i 6= j e∪n

i=1Ai = A.Deste modo, se A = Ω então A1, . . . ,An formam uma partiçãode Ω se e somente se Ai ∩ Aj = ∅ para todo i 6= j e∪n

i=1Ai = Ω.

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 12: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Leis de De Morgan

Sejam A1, . . . ,An tal que Ai ⊂ Ω para todo i, então:(i) (∪n

i=1Ai )c = ∩n

i=1Aci .

Interpretação: o complementar da ocorrência de pelo menosum dos eventos é a não ocorrência de todos os eventos;

(ii) (∩ni=1Ai )

c = ∪ni=1A

ci .

Interpretação: o complementar da ocorrência de todos oseventos é a não ocorrência de pelo menos um dos eventos.

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 13: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Função indicadora

Seja A ⊂ Ω, então

IA(ω) =

1 se ω ∈ A0 se ω /∈ A

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 14: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

σ-Álgebra

Uma classe F de subconjuntos de Ω é denominada uma σ-álgebrase ela satisfaz:

(F1) Ω ∈ F ;(F2) Se A ∈ F então Ac ∈ A;(F3) Se Ai ∈ F para todo i ≥ 1 então

⋃∞i=1 Ai ∈ F ;

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 15: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Propriedades de uma medida de probabilidadeProbabilidade CondicionalTestes Diagnósticos

Definição Clássica de Probabilidade

Seja (Ω,F) um espaço finito de eventos equiprováveis. Assim, paratodo A ∈ F tem-se que,

P(A) =#A#Ω

em que # é o número de elementos do conjunto.

ExemploConsidere o experimento aleatório de lançar duas moedas. Nessecaso o espaço amostral é dado porΩ =

(c , c), (c , r), (r , c), (r , r)

. Seja A=Obtenção de faces iguais.

Portanto, A =

(c , c), (r , r). Deste modo,

P(A) =24

= 0, 5.Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 16: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Propriedades de uma medida de probabilidadeProbabilidade CondicionalTestes Diagnósticos

Definição frequentista de Probabilidade

Seja Ω um espaço amostral de um experimento aleatório. Seja nrepetições independentes de um experimento aleatório e nA onúmero de ocorrências do evento A ⊂ Ω. Então, a probabilidade deA é dada por,

P(A) = limn→∞

nA

n= p

ObservaçãoA lei dos grandes números garante a convergência sobre certascondições do limite acima, em que 0 ≤ p ≤ 1.

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 17: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Propriedades de uma medida de probabilidadeProbabilidade CondicionalTestes Diagnósticos

Definição axiomática de Probabilidade

Seja (Ω,F) um espaço mensurável. Então uma funçãoP : F → [0, 1] é uma probabilidade se,

(P1) P(Ω) = 1;(P2) Para todo A ∈ F tem-se P(A) ≥ 0;(P3) P é σ-aditiva, isto é, se A1,A2, . . . , são dois a dois

disjuntos então,

P

( ∞⋃n=1

An

)=∞∑

n=1

P(An).

em que⋃∞

n=1 An = A1 ∪ A2 ∪· · ·.

ObservaçãoNote que de um modo geral a medida de probabilidade P nãoprecisa assinalar uma probabilidade para todo evento em Ω, masapenas para os eventos em F . A trinca (Ω,∈ F ,P) é denominadoespaço de probabilidade

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 18: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Propriedades de uma medida de probabilidadeProbabilidade CondicionalTestes Diagnósticos

Propriedades

Seja (Ω,F ,P), então para todo A ∈ F e B ∈ F , tem-se que:P(Ac) = 1− P(A);P(∅) = 0;P é uma função não decrescente, isto é, para todo A,B ∈ Ftal que A ⊆ B tem-se que P(A) ≤ P(B);Para todo A,B ∈ F tal que A ⊆ B tem-se queP(B − A) = P(B)− P(A);Para todo A,B ∈ F arbitrários tem-se que:

P(A−B) = P(A)−P(A∩B) e P(B−A) = P(B)−P(A∩B).

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 19: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Propriedades de uma medida de probabilidadeProbabilidade CondicionalTestes Diagnósticos

Propriedades

Para todo A ∈ F tem-se que 0 ≤ P(A) ≤ 1;Para todo A,B ∈ F arbitrários tem-se que:

P(A ∪ B) = P(A) + P(B)− P(A ∩ B).

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 20: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Propriedades de uma medida de probabilidadeProbabilidade CondicionalTestes Diagnósticos

ARANGO, Exemplo 5.5, P. 144

Considere os dados abaixo que mostram 15 indivíduos classificadosquanto às variáveis obesidade e sedentarismo.

Indivíduo 1 2 3 4 5 6 7 8 9 10Obesidade n n s n s s n n n s

Sedentarismo s n s s n s n s s s

Indivíduo 11 12 13 14 15Obesidade n n s n n

Sedentarismo n n s n s

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 21: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Propriedades de uma medida de probabilidadeProbabilidade CondicionalTestes Diagnósticos

ARANGO, Exemplo 5.5, P. 144

Considere os seguintes eventos: A=indivíduo obeso e B= indivíduosedentário. Supondo que essa amostra e representativa dapopulação de estudo, calcule(estime) a probabilidade de:

O indivíduo ser obeso;TabelaO indivíduo ser sedentário;TabelaO indivíduo ser obeso e sedentário;TabelaO indivíduo ser obeso ou sedentário;TabelaO indivíduo não ser obeso e nem sedentário;Tabela

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 22: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Propriedades de uma medida de probabilidadeProbabilidade CondicionalTestes Diagnósticos

Problema

Seja (Ω,F ,P) o espaço de probabilidade para um determinadoexperimento aleatório. Suponha que tenhamos a priori algumainformação a respeito do resultado do experimento aleatório. Noexemplo anterior, suponha que um indivíduo é sorteadoaleatoriamente e que recebemos a informação que o indíviduo éobeso. Nessas condições qual a probabilidade do indívíduo sersedentário? Tabela

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 23: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Propriedades de uma medida de probabilidadeProbabilidade CondicionalTestes Diagnósticos

Definição

Seja (Ω,F ,P) um espaço de probabilidade. Seja B ∈ F um eventotal que P(B) > 0. Então a probabilidade condicional, dado oevento B, é uma função denotada por P(.|B) e definida para todoA ∈ F como segue,

P(A|B) =P(A ∩ B)

P(B). (1)

em que P(A|B) é chamada a probabilidade condicional de A dadoB.

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 24: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Propriedades de uma medida de probabilidadeProbabilidade CondicionalTestes Diagnósticos

Testes Diagnósticos

São testes que tem como objetivo identificar um evento deinteresse.Medidas para avaliar um teste: Sensibilidade(s),Especificidade(e), Valor Preditivo Positivo(VPP), ValorPreditivo Negativo(VPN), Falso Positivo(FP) e FalsoNegativo(FN).

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 25: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Propriedades de uma medida de probabilidadeProbabilidade CondicionalTestes Diagnósticos

Avaliação do Teste

Resultado do TestePositivo Negativo

Ocorrência do EventoSim a bNão c d

Consideremos os seguintes eventos:D+=Ocorrência do evento de interesse;D−=Não ocorrência do evento de interesse;T+=Teste positivo;T−=Teste negativo;

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 26: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Propriedades de uma medida de probabilidadeProbabilidade CondicionalTestes Diagnósticos

Sensibilidade e Especificidade

Sensibilidade(s): É a probabilidade do teste dar positivo dadoque ocorreu o evento de interesse, isto é,

s = P(T+|D+) =P(T+ ∩ D+)

P(D+)=

aa + b

Especificidade(e): É a probabilidade do teste dar negativodado que não ocorreu o evento de interesse, isto é,

s = P(T−|D−) =P(T− ∩ D−)

P(D−)=

dc + d

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 27: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Propriedades de uma medida de probabilidadeProbabilidade CondicionalTestes Diagnósticos

Sensibilidade e Especificidade

Valor Preditivo Positivo(VPP): É a probabilidade do evento deinteresse ocorrer dado que o teste deu positivo, isto é,

VPP = P(D+|T+) =P(T+ ∩ D+)

P(T+)=

p × sp × s + (1− p)× (1− e)

em que p = P(D+) é a prevalência do evento de interesse;Valor Preditivo Negativo(VPN): É a probabilidade do eventode interesse não ocorrer dado que o teste deu negativo, isto é,

VPN = P(D−|T−) =P(T− ∩ D−)

P(T−)=

(1− p)× ep × (1− s) + (1− p)× e

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 28: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Propriedades de uma medida de probabilidadeProbabilidade CondicionalTestes Diagnósticos

Regra do Produto

Sejam A e B eventos em F tal que,

P(A) > 0 e P(B) > 0

então,P(A ∩ B) = P(A)P(B|A) = P(B)P(A|B).

ExemploConsiderando o Exemplo 5.5, ARANGO, calcule a probabilidade doindivíduo ser obeso e sedentário utilizando a regra do produto.Tabela

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 29: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Propriedades de uma medida de probabilidadeProbabilidade CondicionalTestes Diagnósticos

Probabilidade Total

Sejam Ai , i = 1, . . . , n uma partição de Ω com P(Ai ) > 0 paratodo i = 1, . . . , n. Então, para todo B ∈ F tem-se que,

P(B) =n∑

i=1

P(Ai )P(B|Ai ).

ExemploConsiderando o Exemplo 5.5, ARANGO, calcule a probabilidade doB =indivíduo ser obeso, considerando a partição A =o indivíduo ésedentário e Ac =o indivíduo não é sedentário.Tabela

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 30: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Propriedades de uma medida de probabilidadeProbabilidade CondicionalTestes Diagnósticos

Teorema de Bayes

Seja Ai , i = 1, . . . , n uma partição de Ω com P(Ai ) > 0 paratodo i = 1, . . . , n. Então, para todo B ∈ F para o qual P(B) > 0tem-se que,

P(Aj |B) =P(Aj)P(B|Aj)∑ni=1 P(Ai )P(B|Ai )

ExemploConsiderando o Exemplo 5.5, ARANGO, calcule a probabilidade doindivíduo não ser sedentário dado que B =indivíduo é obeso,considerando a partição A =o indivíduo é sedentário e Ac =oindivíduo não é sedentário.Tabela

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 31: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Distribuições de Probabilidade para Variáveis Aleatórias DiscretasDistribuições de Probabilidade para Variáveis Aleatórias Contínuas

Definição

É uma função X : Ω→ R que associa a cada elemento do espaçoamostral um valor na reta(um valor numérico). Assim, para cadaω ∈ Ω tem-se que X (ω) = x ∈ R.

ObservaçãoA função X deve ser unívoca, isto é, para cada ω ∈ Ω deve haverapenas um X (ω) associado. Entretanto, diferentes valores de ωpodem levar a um mesmo valor de X .

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 32: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Distribuições de Probabilidade para Variáveis Aleatórias DiscretasDistribuições de Probabilidade para Variáveis Aleatórias Contínuas

Variável Aleatória: Exemplo

ExemploConsidere o procedimento de selecionar uma amostra de umapopulação U de tamanho N. Considere a variável X=altura, assimpor exemplo, X (ω1) = 1, 79, X (ω17) = 1, 98 em que ω1 e ω17 são oprimeiro e o décimo sétimo elemento da amostra.

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 33: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Distribuições de Probabilidade para Variáveis Aleatórias DiscretasDistribuições de Probabilidade para Variáveis Aleatórias Contínuas

Tipos de Variáveis Aleatórias

Discreta: Uma variável aleatória X é discreta se o número devalores que X possa assumir for enumerável. Ex: Altura, peso,etc.Contínua: Uma variável aleatória X é contínua se o número devalores que X possa assumir for não enumerável. Ex: númerode filhos, faixa etária, etc.

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 34: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Distribuições de Probabilidade para Variáveis Aleatórias DiscretasDistribuições de Probabilidade para Variáveis Aleatórias Contínuas

Variável Aleatória: Distribuição de Probabilidade

A distribuição de probabilidade de uma variável aleatória Xdiscreta é uma função que atribui probabilidade a cada um dosvalores xi de X , isto é,

PX (xi ) = P(X = xi ) = P(ω ∈ Ω : X (ω) = xi)para todo i ∈ 1, 2, . . . , n, n ∈ N e e satisfaz as condições:(i) 0 ≤ P(X = xi ) ≤ 1 e (ii)

∑ni=1 P(X = xi ) = 1. Esta

função é denominada Função de Probabilidade ou FunçãoMassa de Probabilidade(fmp);A distribuição de probabilidade de uma variável aleatória Xcontínua é dada por,

f (x) =dF (x)

dxpara todo x ∈ R e satisfaz as condições: (i) f (x) ≥ 0 paratodo x ∈ R; e (ii)

∫∞−∞ f (x)dx = 1. Esta função é denominada

Função Densdidade de Probabilidade(fdp).

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 35: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Distribuições de Probabilidade para Variáveis Aleatórias DiscretasDistribuições de Probabilidade para Variáveis Aleatórias Contínuas

Variável Aleatória: Função de Distribuição

Seja X uma variável aleatória, então sua função de distribuição édefinida como,

F (x) = P(X ≤ x).

F é também conhecida como função de distribuição acumulada deX .

Caso discreto: F (x) =∑

xi≤x PX (xi ) =∑

xi≤x P(X = xi )

Caso Contínuo: F (x) =∫ x−∞ f (t)dt

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 36: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Distribuições de Probabilidade para Variáveis Aleatórias DiscretasDistribuições de Probabilidade para Variáveis Aleatórias Contínuas

Independência de Variáveis Aleatórias

Sejam X1, . . . ,Xn, n variáveis aleatórias. Então X1, . . . ,Xn sãoindependentes se:

F (x1, . . . , xn) =n∏

i=1

Fi (xi )

em que F é a função de distribuição acumulada conjunta deX1, . . . ,Xn e Fi é a função de distribuição acumulada de Xi .

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 37: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Distribuições de Probabilidade para Variáveis Aleatórias DiscretasDistribuições de Probabilidade para Variáveis Aleatórias Contínuas

Valor Esperado de uma Variável Aleatória

O valor esperado de variável aleatória X , denotado por E (X ) ou µ,é para o caso em que X é discreta,

µ = E (X ) =∑

x∈ΩX

xP(x)

e para o caso em que X é contínua

µ = E (X ) =

∫ ∞−∞

xf (x)dx

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 38: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Distribuições de Probabilidade para Variáveis Aleatórias DiscretasDistribuições de Probabilidade para Variáveis Aleatórias Contínuas

Propriedades

Seja c ∈ R uma constante, então E (c) = c ;Seja h uma função uma função mensurável, então paraY = h(X ) tem-se: se X for uma variável aleatória discreta,

E (Y ) =∑

x∈ΩX

h(x)P(x)

e, se X for uma variável aleatória for contínua então,

E (Y ) =

∫ ∞−∞

h(x)f (x)dx .

Sejam X1, . . . ,Xn n variáveis aleatória então

E

(n∑

i=1

Xi

)=

n∑i=1

E (Xi ).

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 39: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Distribuições de Probabilidade para Variáveis Aleatórias DiscretasDistribuições de Probabilidade para Variáveis Aleatórias Contínuas

Variância de uma Variável Aleatória

A variância da variável aleatória X , denotado por Var(X ) ou σ2 é

Var(X ) = E((X − E (X ))2) = E (X 2)−

[E (X )

]2.

Se X for discreta,

Var(X ) =∑

x∈ΩX

x2P(X = x)−

∑x∈ΩX

xP(X = x)

2

e se X for contínua

Var(X ) =

∫ ∞−∞

x2f (x)dx −[∫ ∞−∞

xf (x)dx]2

.

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 40: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Distribuições de Probabilidade para Variáveis Aleatórias DiscretasDistribuições de Probabilidade para Variáveis Aleatórias Contínuas

Propriedades

Var(c) = 0;Var(X ± c) = Var(X );Var(cX ) = c2Var(X );Sejam X1, . . . ,Xn n variáveis aleatória independentes, então,

Var

(n∑

i=1

Xi

)= Var(X1) + · · ·+ Var(Xn)

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 41: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Distribuições de Probabilidade para Variáveis Aleatórias DiscretasDistribuições de Probabilidade para Variáveis Aleatórias Contínuas

Distribuição Binomial

Seja A um evento de interesse. Então uma variável aleatória X queconta o número de vezes que o evento A ocorre em n repetiçõesindependentes de um experimento de Bernoulli(um experimento quesó possui dois resultados possíveis), possui função de probabilidade,

P(X = x) =

(nx

)px × (1− p)n−x se x = 0, 1, 2, . . . , n

0 caso contrário

Em que p = P(A).

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 42: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Distribuições de Probabilidade para Variáveis Aleatórias DiscretasDistribuições de Probabilidade para Variáveis Aleatórias Contínuas

Distribuição Binomial

Diz-se que tal variável possui distribuição Binomial com parâmetrosn e p e denota-se por:

X ∼ bin(n, p)

Tem-se para essa variável que µ = E (X ) = p e σ2 = Var(X ) = np.

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 43: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Distribuições de Probabilidade para Variáveis Aleatórias DiscretasDistribuições de Probabilidade para Variáveis Aleatórias Contínuas

Exemplo

A taxa de imunização de uma vacina é 80%. Se um grupo de 20pessoas são vacinadas,

(a) Qual a probabilidade que 15 fiquem imunizadas?(b) Qual o número esperado de pessoas que serão imunizadas?

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 44: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Distribuições de Probabilidade para Variáveis Aleatórias DiscretasDistribuições de Probabilidade para Variáveis Aleatórias Contínuas

Distribuição de Poisson

Seja X uma variável aleatória que conta o número de ocorrência deum determinado evento A por unidade (tempo, comprimento, área,volume, etc), então a função de probabilidade de X é dada por,

P(x) =

e−λλx

x! se x = 0, 1, . . . , 0 caso contrário

Esta função é chamada de distribuição de Poisson. Notação:X ∼ P(λ)Tem-se para essa variável que µ = E (X ) = σ2 = Var(X ) = λ.

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 45: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Distribuições de Probabilidade para Variáveis Aleatórias DiscretasDistribuições de Probabilidade para Variáveis Aleatórias Contínuas

Distribuição Normal

Dizemos que uma v.a. X tem distribuição normal com média µ evariância σ2 se sua função densidade de probabilidade é dada por

f (x) =1√2πσ2

exp(−(x − µ)2

2σ2

)para todo x ∈ R, em que E (X ) = µ e Var(X ) = σ2. Notação:X ∼ N(µ, σ2).

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 46: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Distribuições de Probabilidade para Variáveis Aleatórias DiscretasDistribuições de Probabilidade para Variáveis Aleatórias Contínuas

Distribuição Normal: Características

Moda = mediana = média;A função tem dois pontos de inflexão, um em x = µ− σ eoutro em x = µ+ σ, em que σ é o desvio padrão de X ;A curva é simétrica em torno de x = µ, isto implica que dadoum a ∈ R tem-se que f (µ− a) = f (µ+ a), logoF (µ− a) = PX (X ≤ µ− a) = PX (X ≥ µ+ a) = 1− F (µ+ a)se µ = 0 então F (−a) = 1− F (a).

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 47: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Distribuições de Probabilidade para Variáveis Aleatórias DiscretasDistribuições de Probabilidade para Variáveis Aleatórias Contínuas

Distribuição Normal

Problema: Dificuldade no cálculo de PX . Existem tabelas apenaspara X ∼ N(0, 1).Solução: Fazendo a transformação,

Z =X − µσ

⇒ Z ∼ N(0, 1)

Assim,

P(X ≤ x) = P(Z ≤ z) = P(Z ≤ x − µ

σ

)

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 48: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Distribuições de Probabilidade para Variáveis Aleatórias DiscretasDistribuições de Probabilidade para Variáveis Aleatórias Contínuas

Distribuição t-Student “Padrão”

Dizemos que uma v.a. X tem distribuição t com ν graus deliberdade se sua função densidade de probabilidade é dada por

f (x) =1√νπ

Γ(ν+12

)Γ(ν2

) (1 +

x2

ν

)− ν+12

para todo x ∈ R. Notação: X ∼ tν . Tem-se ainda que E (X ) = 0para ν > 1 e

Var(X ) =ν

ν − 2para ν > 2.

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 49: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Distribuições de Probabilidade para Variáveis Aleatórias DiscretasDistribuições de Probabilidade para Variáveis Aleatórias Contínuas

Distribuição t-Student: Características

Moda = mediana = média = 0;A curva é simétrica em torno do 0, isto implica que dado uma ∈ R tem-se que f (−a) = f (+a), logo P(≤ −a) = P(≥ a);quando os graus de liberdade aumentam a distribuição tν seaproxima da distribuição normal com média zero e variância 1.

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 50: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Distribuições de Probabilidade para Variáveis Aleatórias DiscretasDistribuições de Probabilidade para Variáveis Aleatórias Contínuas

Distribuição Qui-quadrado

Dizemos que uma v.a. X tem distribuição Qui-quadrado com νgraus de liberdade se sua função densidade de probabilidade é dadapor

f (x) =1

Γ(ν2

)2

ν2x

ν2−1e−

x2

para todo x ≥ 0. Notação: X ∼ χν . Tem-se ainda que E (X ) = νe Var(X ) = 2ν.

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 51: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Distribuições de Probabilidade para Variáveis Aleatórias DiscretasDistribuições de Probabilidade para Variáveis Aleatórias Contínuas

Distribuição F

Dizemos que uma v.a. X tem distribuição F com ν1 e ν2 graus deliberdade se sua função densidade de probabilidade é dada por

f (x) =Γ(ν1+ν2

2

)Γ(ν12

)Γ(ν22

) (ν1

ν2

) ν12 x

ν1−22(

1 + ν1ν2x) ν1+ν2

2

para todo x ≥ 0. Notação: X ∼ Fν1,ν2 . Tem-se ainda queE (X ) = ν2

ν2−2 .

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 52: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Tipos de estudosTipos de AmostragemPrincipais planos de amostragem probabilística

Objetivo

Amostragem é o procedimento utilizado na obtenção da amostra,que deve ser de tal forma que a amostra obtida seja representativada população de interesse.

ExemploQuando alguém está adoçando uma xícara de café ele primeirocoloca um pouco de açucar, mistura bem e depois prova(coletauma amostra) para verificar se precisa ou não mais açucar. Noteque, o processo de mexer bem antes de provar é umprocedimento(plano) amostral intuítivo.

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 53: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Tipos de estudosTipos de AmostragemPrincipais planos de amostragem probabilística

População ou População alvo

É o conjunto de todos os seres, objetos ou informações que estãosob investigação.Notação: Um população de tamanho N será denotada porU˜ = (1, . . . ,N).

Exemplo

Um grupo de pesquisadores desejam analisar a influência de fatoressociodemográficos, físicos e mentais sobre a mobilidade de idosos,pessoas com 60 anos ou mais, residentes no município de SantaCruz, Rio Grande do Norte. Neste caso a população são todas aspessoas com 60 anos ou mais residentes no município de SantaCruz.

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 54: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Tipos de estudosTipos de AmostragemPrincipais planos de amostragem probabilística

População de estudo

É o conjunto de todos os seres, objetos ou informações que podemser incluídas no estudo. Teoricamente, o mesmo que a populaçãoalvo, porém muitas vezes diferente.

ExemploNo Exemplo anterior suponha que a pesquisa tenha sido realizadadurante um determinado mês do ano, e que neste mêspossívelmente algumas das pessoas desta população poderiam nãoestar na cidade e deste modo não poderiam ser incluídas napesquisa. Deste modo, neste caso, a população alvo é diferente dapopulação de estudo.

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 55: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Tipos de estudosTipos de AmostragemPrincipais planos de amostragem probabilística

Amostra

É o conjunto dos elementos selecionados de uma população.Notação: Uma amostra de tamanho n será denotada pors˜=

(k1, . . . , kn

)para ki ∈ U˜ .

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 56: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Tipos de estudosTipos de AmostragemPrincipais planos de amostragem probabilística

Unidade amostral

São os elementos alvo da pesquisa. Podem ser pessoas,animais,objetos, domicílios, empresas, etc. Deve ser definida noinício da investigação de acordo com o interesse do estudo. Émuito importante que a unidade elementar seja claramentedefinida, para que o processo de coleta e análise tenha sempre umsignificado preciso e uniforme.

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 57: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Tipos de estudosTipos de AmostragemPrincipais planos de amostragem probabilística

Variáveis

É uma característica qualitativa ou quantitativa que observamos emcada unidade amostral. Ex.: altura, sexo, peso, idade, classe social,etc.Notação: As variáveis são usualmente denotadas pelas letrasmaiúsculas X ,Y ,Z ,W .

Em um população U˜ = (1, . . . ,N), o conjunto de valores queessas variáveis assumem são denotadas porx˜ = (x1, x2, . . . , xN);Em uma amostra s˜=

(k1, . . . , kn

), os valores que essas

variáveis podem assumir são denotadas porX˜ = (X1,X2, . . . ,Xn) em que cada Xi pode assumir qualquervalor xu, para u ∈ U˜ e xu ∈ x˜.

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 58: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Tipos de estudosTipos de AmostragemPrincipais planos de amostragem probabilística

Parâmetro

Uma medida numérica que descreve alguma característica de umapopulação.

ExemploPeso médio ao nascer de crianças na cidade de João Pessoa,proporção de mulheres com câncer de mama na Paraíba.

Notação: Utiliza-se usualmente letras gregas,µ, σ2, τ para sedenotar parâmetros. Entretanto, existem exceções, por exemplo,para o parâmetro proporção utiliza-se p.

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 59: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Tipos de estudosTipos de AmostragemPrincipais planos de amostragem probabilística

Estimador

É qualquer função dos elementos X1, . . . ,Xn da amostra X˜ , queassume valores em Θ(espaço paramétrico), em que Θ é o conjuntode todos os valores que o parâmetro θ pode assumir.Notação: Usualmente utiliza-se µ, σ2, p para se denotarparâmetros. Entretanto, existem exceções, por exemplo, para oparâmetro µ utiliza-se X .

Exemplo

Seja X˜ = (X1,X2, . . . ,Xn) uma amostra, então um estimador paraa média populacional µ para essa amostra é dada por:

X =X1 + . . .+ Xn

n.

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 60: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Tipos de estudosTipos de AmostragemPrincipais planos de amostragem probabilística

Estimativa

É o valor observado de um estimador após a amostra ser coletada.

Exemplo

Considere a seguinte amostra da variável X , X˜ = (5, 3, 4, 2, 6),então

X =5 + 3 + 4 + 2 + 6

5= 4.

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 61: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Tipos de estudosTipos de AmostragemPrincipais planos de amostragem probabilística

Cadastro amostral

Lista das unidades da população de pesquisa de onde a amostraserá extraída. Nem sempre aplicável.

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 62: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Tipos de estudosTipos de AmostragemPrincipais planos de amostragem probabilística

Tipos de estudos: Estudos Observacionais

Se caracterizam pela não intervenção do pesquisador sobre osdados do estudo. Dessa maneira, nos estudos observacionaisobservamos e medimos características específicas, mas nãotentamos modificar os elementos objeto do estudo.

ExemploEm uma pesquisa na qual se quer estudar algum aspecto de umgrupo de alcoólatras, não há a possibilidade de induzir um grupo atornar-se alcoólatra, então o estudo é observacional e inclui o grupoque já era alcoólatra e um grupo de não alcoólatras como grupocontrole.

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 63: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Tipos de estudosTipos de AmostragemPrincipais planos de amostragem probabilística

Tipos de estudos: Estudos Experimentais

Nos estudos experimentais, o pesquisador designa os indivíduos daamostra aos grupos por processo aleatório, aplicamos umtratamento diferente a cada grupo e observamos seu efeito noselementos da amostra.

ExemploNo artigo “Impacto da multimistura no estado nutricional depré-escolares matriculados em creches. Rev. Nutr. [online]. 2006,vol.19, n.2, pp. 169-176.”, coletou-se uma amostra de 135 criançasna faixa etária de um a seis anos. As crianças foram divididasaleatóriamente em três grupos: intervenção 1 (GI1 n=48),intervenção 2 (GI2 n=45) e controle (GC n=42), recebendo 5g e10g de multimistura e placebo, respectivamente. O estadonutricional das crianças em estudo foi avaliado antes e após asuplementação.

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 64: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Tipos de estudosTipos de AmostragemPrincipais planos de amostragem probabilística

Tipos de Amostragem: Amostragem Probabilística

É o procedimento pelo qual se utilizam mecanismos aleatórios deseleção dos elementos de uma amostra, atribuindo a cada elementouma probabilidade de pertencer a amostra.

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 65: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Tipos de estudosTipos de AmostragemPrincipais planos de amostragem probabilística

Tipos de Amostragem: Amostragem não Probabilística

É o procedimento pelo qual se utiliza alguma mecanismo aleatóriode seleção, mas sem conhecer a probabilidade de cada elementofazer parte da amostra ou não se utilizam mecanismos aleatórios deseleção dos elementos de uma amostra, tais como: amostrasintencionais, nas quais os elementos são escolhidos com o auxílio deespecialistas; amostras de voluntários, onde as pessoas é que seapresentam para participar do estudo.

ObservaçãoA grande vantagem da amostra probabilística é medir a precisão daamostra obtida, baseando-se apenas no resultado contido naprópria amostra.

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 66: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Tipos de estudosTipos de AmostragemPrincipais planos de amostragem probabilística

Amostragem aleatória(AA)

Procedimento pelo qual cada elemento da população tem a mesmachance(probabilidade) de ser selecionada.

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 67: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Tipos de estudosTipos de AmostragemPrincipais planos de amostragem probabilística

Amostragem aleatória simples(AAS)

Procedimento pelo qual uma amostra de tamanho n é selecionadade tal forma que cada amostra possível de tamanho n tem a mesmachance(probabilidade) de ser selecionada. Esse plano amostralsubdivide-se ainda em dois outros: Amostragem aleatória simplescom reposição(AASCR) e Amostragem aleatória simples semreposição(AASSR).

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 68: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Tipos de estudosTipos de AmostragemPrincipais planos de amostragem probabilística

Amostragem sistemática

É realizada quando os elementos da população estão ordenados e aseleção dos elementos da amostra é feita periodicamente ousistematicamente.

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 69: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Tipos de estudosTipos de AmostragemPrincipais planos de amostragem probabilística

Amostragem estratificada

Esse procedimento consiste em dividir a população emsub-populações (estratos). Estratos são divisões de acordo comalgum critério, por exemplo: sexo, faixa etária, estado civil, assimdentro de cada estrato teremos uma maior homogeneidade. Dessaforma, para uma população com N unidades amostrais e d estratoscom tamanhos N1, . . . ,Nd , tem-se que

∑di=1 Ni = N, portanto

teremos os seguinte coeficiente de proporcionalidade ci = NiN .

Deste modo, para uma amostra de tamanho n devemos selecionaruma AAS de tamanho ni = ci × n de cada estrato.

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 70: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Tipos de estudosTipos de AmostragemPrincipais planos de amostragem probabilística

Amostragem por conglomerado

Neste procedimento cada unidade amostral é um grupo(conglomerado) de elementos. Conglomerados são partesrepresentativas da população, por exemplo, dividimos um bairro emquarteirões. Assim cada quarteirão é uma unidade amostral. Destemodo, selecionamos uma AAS dos quarteirões para depoisproceder-se o levantamento dos dados de todos os elementos doConglomerado.

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 71: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Tipos de estudosTipos de AmostragemPrincipais planos de amostragem probabilística

Erros de amostragem

Erro amostral(E). é a diferença entre o resultado amostral eo verdadeiro resultado da população. Tais erros resultam dasflutuações amostrais devidas ao acaso.Erro não amostral. ocorre quando os dados amostrais sãocoletados ou registrados incorretamente. Exemplos de errosnão amostrais: seleção de uma amostra por conveniência, usode um instrumento de medida defeituoso, digitação incorretados dados, etc.

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 72: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

MédiaProporçãoVariância

Amostra Aleatória

Uma amostra aleatória de tamanho n de uma variável aleatória Xcom função distribuição F , é um vetor X˜ = (X1,X2, . . . ,Xn) emque as componentes Xi são independentes e possuem distribuiçãoF .

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 73: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

MédiaProporçãoVariância

Estatística

É qualquer função dos elementos X1, . . . ,Xn da amostra X˜ cujadistribuição de probabilidade não depende de parâmetrosdesconhecidos.

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 74: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

MédiaProporçãoVariância

Distribuição Amostral: Definição

A Distribuição de todos os valores possíveis que podem serassumidos por uma estatística, calculados a partir de amostras demesmo tamanho selecioanadas aleatóriamente de uma mesmapopualção, é chamada de Distribuição Amostral da estatística.

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 75: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

MédiaProporçãoVariância

Distribuição Amostral: Objetivos

Permitir responder questões probabilisticas sobre estatisticasamostrais;fornecer a teoria necessária para fazer válidos os procedimentosda inferência estatística.

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 76: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

MédiaProporçãoVariância

Distribuição Amostral da Média: Exemplo 5.3.1-Daniel

Suponha que temos uma população de cinco crianças que sãopacientes em um centro comunitário de saúde mental e a variávelde interesse é a idade delas, assim,

x˜ = (6, 8, 10, 12, 14).

A média populacional é,

µ =6 + 8 + 10 + 12 + 14

5= 10

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 77: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

MédiaProporçãoVariância

Distribuição Amostral da Média: Exemplo 5.3.1-Daniel

e a variância populacional,

σ2 =(6− 10)2 + (8− 10)2 + · · ·+ (14− 10)2

5= 8

Desejamos obter a distribuição amostral da média, baseadoem amostras de tamanho 2, selecionadas dessa populaçaocom reposição.

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 78: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

MédiaProporçãoVariância

Distribuição Amostral da Média: Exemplo 5.3.1-Daniel

6 8 10 12 146 (6,6) (6,8) (6,10) (6,12) (6,14)X 6 7 8 9 108 (8,6) (8,8) (8,10) (8,12) (8,14)X 7 8 9 10 1110 (10,6) (10,8) (10,10) (10,12) (10,14)X 8 9 10 11 1112 (12,6) (12,8) (12,10) (12,12) (12,14)X 9 10 11 12 1314 (14,6) (14,8) (14,10) (14,12) (14,14)X 10 11 12 13 14

Table: Todas as posíveis amostras de tamanho 2 da população comreposição Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 79: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

MédiaProporçãoVariância

Distribuição Amostral da Média: Amostras com reposição

X 6 7 8 9 10 11 12 13 14Frequência 1 2 3 4 5 4 3 2 1

Freq. Rel(Prob.) 125

225

325

425

525

425

325

225

125

Distribuição Amostral da Média para n=2

6 7 8 9 10 11 12 13 14

01

23

45

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 80: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

MédiaProporçãoVariância

Distribuição Amostral da Média: Amostras com reposição

Deste modo, tem-se que o valor esperado de X é

E (X ) =14∑

x=6

xP(X = x) = 6× 125

+7× 225

+· · ·+13× 225

+14× 125

= 10

e a variancia de X é

Var(X ) =14∑

x=6

(x − E (X )

)2P(X = x)

= (6− 10)2 × 125

+ · · ·+ (14− 10)2 × 125

= 4.

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 81: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

MédiaProporçãoVariância

Distribuição Amostral da Média: Amostras com reposição

Agora note queE (X ) = µ

e

Var(X ) = 4 =82

=σ2

nem que n é o tamanho da amostra.

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 82: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

MédiaProporçãoVariância

Distribuição Amostral da Média: Amostras sem reposição

X 7 8 9 10 11 12 13Frequência 2 2 4 4 4 2 2

Freq. Rel(Prob.) 220

220

420

420

420

220

220

Distribuição Amostral da Média para n=2, sem reposição

7 8 9 10 11 12 13

01

23

4

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 83: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

MédiaProporçãoVariância

Distribuição Amostral da Média: Amostras sem reposição

Deste modo, tem-se que o valor esperado de X é

E (X ) =13∑

x=7

xP(X = x) = 7× 220

+ · · ·+ 13× 220

= 10

e a variancia de X é

Var(X ) =13∑

x=7

(x − E (X )

)2P(X = x)

= (7− 10)2 × 220

+ · · ·+ (13− 10)2 × 220

= 3.

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 84: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

MédiaProporçãoVariância

Distribuição Amostral da Média: Amostras sem reposição

Agora note queE (X ) = µ

e

Var(X ) = 3 =82× 5− 2

5− 1=σ2

n× N − n

N − 1em que n é o tamanho da amostra e N é o tamanho da populacão.

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 85: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

MédiaProporçãoVariância

Distribuição Amostral da Média

Seja X1, . . . ,Xn uma amostra aleatória da variável X ∼ N(µ, σ2)então,

X ∼ N(µ;σ2

n

).

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 86: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

MédiaProporçãoVariância

Teorema Central do Limite

Seja Xn, n ≥ 1 uma seqüência de variáveis aleatóriasindependentes e identicamente distribuídas, com média µ evariancia σ2 <∞. Então, para Sn =

∑ni=1 Xn, tem-se

Sn − E (Sn)√Var (Sn)

=Sn − nµσ√n

d−→ N(0, 1)

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 87: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

MédiaProporçãoVariância

Distribuição Amostral da Média

Seja X1, . . . ,Xn uma amostra aleatória da variável X , com média µe variância σ2 <∞. Então pelo Teorema Central do Limite(TCL)segue que a distribuição da média amostral será aproximadamentenormal com média µ e variância σ2

n , isto é,

X a∼ N(µ;σ2

n

).

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 88: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

MédiaProporçãoVariância

Exemplo

Suponha que em uma certa população, o tamanho do crânio é umavariável aleatória com distribuição aproximadamente normal commédia 185,6 mm e desvio padrão 12,7 mm. Qual é a probabilidadeque em uma amostra aleatória de tamanho 10 desta população amédia amostral seja maior que 190 mm?

P(X > 190

)= P

(Z >

190− 185, 612,7√

10

)= P(Z > 1, 1) = 1− Φ(1, 1) = 0, 1357.

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 89: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

MédiaProporçãoVariância

Distribuição Amostral da Diferença de Médias

Sejam X11, . . . ,X1n1 e X21, . . . ,X2n2 amostras das variáveisaleatórias X1 ∼ N(µ1, σ

21) e X2 ∼ N(µ2, σ

22) então,

X 1 − X 2 ∼ N(µ1 − µ2;

σ21

n1+σ2

2n2

);

Se as populações não forem normais então pelo TCL segue que,

X 1 − X 2a∼ N

(µ1 − µ2;

σ21

n1+σ2

2n2

);

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 90: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

MédiaProporçãoVariância

Distribuição Amostral da Diferença de Médias - Exemplo5.4.2-Daniel

Suponha que o tempo médio de visita domiciliar realizado porenfermeiras dos PSF’s, considerando um certo tipo de paciente foiestimado em 45 minutos com um desvio padrão de 15 minutos epara um segundo tipo de paciente o tempo médio de visitadomiciliar foi estimado em 30 minutos com um desvio padrão de 20minutos. Se uma enfermeira visitar aleatoriamente 35 pacientes doprimeiro tipo e 40 do segundo tipo, qual a probabilidade que otempo de visita médio entre os dois grupos de pacientes sejasuperior a 20 minutos?

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 91: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

MédiaProporçãoVariância

Exemplo 5.4.2-Daniel - Solução

Tem-se que,

X 1 − X 2 ∼ N(45− 30;

152

35+

202

40

)Logo,

P(X 1 − X 2 > 20) = P

Z >20− 15√152

35 + 202

40

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 92: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

MédiaProporçãoVariância

Distribuição Amostral da Proporção

Seja uma amostra aleatória (X1, . . . ,Xn) em que Xi ∼ ber(p). Umestimador para o parâmetro p é dado por,

p =X1 + · · ·+ Xn

n.

Logo, do Teorema Central do Limite, segue que, para n grande, pterá distribuição aproximadamente normal com média p e variânciap(1−p)

n .

ObservaçãoA aproximação será boa se n ×min(p, 1− p) > 5.

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 93: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

MédiaProporçãoVariância

Exemplo

Suponha que em uma determinada população de mulheres grávidasno seu terceiro mês, 90% tiveram algum cuidado pré-natal. Se umaamostra aleatória de 200 mulheres dessa população é selecionada,qual a probabilidade que a proporção amostral das mulheres quetiveram algum cuidado pré-natal seja no máximo 0,85?

P(p ≤ 0, 85) = P

Z ≤ 0, 85− 0, 90√0,9×0,1

200

= P(Z ≤ −2, 36)

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 94: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

MédiaProporçãoVariância

Distribuição Amostral da diferença da Proporção

Seja X11, . . . ,X1n1 e X21, . . . ,X2n2 , amostras das variáveisaleatórias X1 ∼ ber(p1) e X2 ∼ ber(p2), os estimadores para osparâmetros p1 e p2 são dados por,

p1 =X11 + · · ·+ X1n1

n1e p2 =

X21 + · · ·+ X2n2

n2.

Logo, do Teorema Central do Limite, segue que, para n grande,p1 − p2 terá distribuição aproximadamente normal com médiaµp1−p2 = p1 − p2 e variância σ2

p1−p2= p1(1−p1)

n1+ p2(1−p2)

n2.

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 95: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

MédiaProporçãoVariância

Distribuição Amostral da Variância

Seja X1, . . . ,Xn uma amostra aleatória da variável X ∼ N(µ, σ2),então,

(n − 1)S2

σ2 ∼ χ2n−1

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 96: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

MédiaProporçãoVariância

Exemplo

Vinte e quatro animais com deficiencia de vitamina D foram dividosem dois grupos de mesmo tamanho. O grupo 1 foi recebeu umadieta que fornecia vitamina D enquanto que o grupo dois não tinhaem sua dieta vitamina D. Ao final do período do experimento foramdeterminados os níveis de cálcio sérico obtendo os seguintesresultados:

Grupo X (mg/100ml) S1 11,1 1,52 7,8 2.0

Assuma que as populações são normais e as variancias são iguais aσ2 = 2, 56. Verifique se e razoável que as variancias σ2

1 e σ22 sejam

iguais a 2,56.Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 97: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

MédiaProporçãoVariância

Exemplo

Visto que,11× Si

σ2i

∼ χ211

então, como s21 = 1, 52 < 2, 56 então

P(S2

1 ≤ 1, 52) = P(χ2

11 ≤11× 1, 52

2, 56

)= P(χ2

11 ≤ 9, 667969) = 0, 4395

e como s22 = 22 > 2, 56 então

P(S2

2 ≥ 22) = P(χ2

11 ≥11× 42, 56

)= P(χ2

11 ≥ 17, 1875) = 0, 1025

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 98: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

MédiaProporçãoVariância

Distribuição Amostral da razão de Variâncias

Sejam X11, . . . ,X1n1 e X21, . . . ,X2n2 amostras das variáveisaleatórias X1 ∼ N(µ1, σ

21) e X2 ∼ N(µ2, σ

22) então,

U =(n1 − 1)S2

1σ2

1∼ χ2

n1−1 e V =(n2 − 1)S2

2σ2

2∼ χ2

n2−1

logo,U

n1−1V

n2−1

=

S21σ2

1

S22σ2

2

∼ Fn1−1,n1−1

Observação

É usual fazer a razão da maior variância sobre a menor, entretantoveremos adiante no exemplo que não faz diferença.

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 99: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

MédiaProporçãoVariância

Exemplo

Vinte e quatro animais com deficiencia de vitamina D foram dividosem dois grupos de mesmo tamanho. O grupo 1 foi recebeu umadieta que fornecia vitamina D enquanto que o grupo dois não tinhaem sua dieta vitamina D. Ao final do período do experimento foramdeterminados os níveis de cálcio sérico obtendo os seguintesresultados:

Grupo X (mg/100ml) S1 11,1 1,52 7,8 2.0

Assuma que as populações são normais. Verifique se é razoável queas variancias sejam iguais?

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 100: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

MédiaProporçãoVariância

Exemplo

Visto que,S2

1σ2

S22σ2

=S2

1S2

2∼ F12−1,12−1

então, como S21 = 1.52 < 22 = S2

2 , isto é, tem-se que

P(F11,11 ≤

1.52

22

)= 0, 1771

ou, suponha agora que S21 = 22 > 1.52 = S2

2 , assim

P(F11,11 ≥

22

1, 52

)= 0, 1771

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 101: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

MédiaProporçãoVariância

Intervalo de Confiança

Um intervalo de confiança é um intervalo de valores utilizado paraestimar o verdadeiro valor de um parâmetro populacional (θ).

DefiniçãoSeja X = (X1, . . . ,Xn) uma amostra aleatória da variável X ∼ F ec1(X) e c2(X) estatísticas tais que,

P(c1(X) < θ < c2(X)) = 1− α, 0 < α < 1

Então o intervalo aleatório(c1(X), c2(X)

)chama-se Intervalo de

Confiança de 100(1− α)% para (θ).

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 102: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

MédiaProporçãoVariância

Intervalo de Confiança

De um modo geral, estamos interessados em encontrar um intervaloda forma

(θ− E ; θ+ E

), em que θ é o estimador de um parâmetro

de interesse θ e E é a margem de erro ou erro de precisão.Todo intervalo de confiança está associado a um nível de confiança100(1− α)% que é a probabilidade de que o intervalo contenha overdadeiro valor do parâmetro, isto é,

P(θ − E < θ < θ + E

)= 1− α, 0 < α < 1

Logo, α será a probabilidade de que o intervalo não contenha overdadeiro valor do parâmetro.

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 103: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

MédiaProporçãoVariância

Intervalo de Confiança

Em cada caso há o interesse de se construir um uma região deestimação ótima, isto é, fixado um nível de confiança, desejamosencontrar um intervalo que tenha a menor amplitude possível.Observando um grande número de amostras de tamanho n e seuscorrespondentes intervalos espera-se que em média uma proporção100(1− α)% desses intervalos contenham o verdadeiro valor doparâmetro.Notação: IC

(θ ; (1− α)%

)=(c1(X) , c2(X)

)

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 104: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

MédiaProporçãoVariância

Intervalo de Confiança para a Média - Caso 1 - Variânciaconhecida

Suposições:1 X = (X1, . . . ,Xn) uma amostra iid(independente e

identicamente distribuída);2 população com distribuição normal com média µ e Variânciaσ2 conhecida; ou uma amostra grande n ≥ 30 com Variânciaσ2 conhecida ou não, aí nesse caso substitui-se σ2 por S2.

Nessas condições, segue que,

X − µσ√n∼ N(0, 1)

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 105: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

MédiaProporçãoVariância

Intervalo de Confiança para a Média - Caso 1 - Variânciaconhecida

Deste modo, a margem de erro é dada por,

E = zα2

σ√n

logo,

IC(µ ; (1− α)%

)=

(X − zα

2

σ√n

; X + zα2

σ√n

)

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 106: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

MédiaProporçãoVariância

Intervalo de Confiança para a Média - Caso 2 - VariânciaDesconhecida

Suposições:1 X = (X1, . . . ,Xn) uma amostra iid(independente e

identicamente distribuída);2 população com distribuição normal com média µ e Variânciaσ2 desconhecida;

Nessas condições, segue que,

X − µS√n

∼ tn−1

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 107: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

MédiaProporçãoVariância

Intervalo de Confiança para a Média - Caso 2 - VariânciaDesconhecida

Deste modo, a margem de erro é dada por,

E = t(n−1 , α2 )S√n

logo,

IC(µ ; (1− α)%

)=

(X − t(n−1 , α2 )

S√n

; X + t(n−1 , α2 )S√n

)

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 108: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

MédiaProporçãoVariância

Intervalo de Confiança para a diferença de Médias - Caso 1 -Variâncias conhecidas

Suposições:1 X1 = (X11, . . . ,X1n1) e X2 = (X21, . . . ,X2n2) amostras

iid(independente e identicamente distribuída) provenientes depopulações independentes;

2 populações com distribuição normal, com médias µ1 e µ2 eVariâncias σ2

1 e σ22 conhecidas; ou amostras grandes n ≥ 30

com Variâncias conhecidas ou não.Nessas condições, segue que,

(X 1 − X 2)− (µ1 − µ2)√σ2

1n1

+σ2

2n2

∼ N (0, 1) ;

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 109: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

MédiaProporçãoVariância

Intervalo de Confiança para a diferença de Médias - Caso 1 -Variâncias conhecidas

Deste modo, a margem de erro é dada por,

E = zα2

√σ2

1n1

+σ2

2n2

Logo, o intervalo de confiança IC(µ1 − µ2 ; (1− α)%

)é dado por,(X 1 − X 2)− zα

2

√σ2

1n1

+σ2

2n2

, (X 1 − X 2) + zα2

√σ2

1n1

+σ2

2n2

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 110: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

MédiaProporçãoVariância

Intervalo de Confiança para a diferença de Médias - Caso 2 -Variâncias desconhecidas e iguais

Suposições:1 X1 = (X11, . . . ,X1n1) e X2 = (X21, . . . ,X2n2) amostras

iid(independente e identicamente distribuída) provenientes depopulações independentes;

2 populações com distribuição normal, com médias µ1 e µ2 eVariâncias σ2

1 e σ22 desconhecidas e iguais.

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 111: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

MédiaProporçãoVariância

Intervalo de Confiança para a diferença de Médias - Caso 2 -Variâncias desconhecidas e iguais

Nessas condições, segue que,

(X 1 − X 2)− (µ1 − µ2)√S2

pn1

+S2

pn2

∼ tn1+n2−2

em que,

S2p =

(n1 − 1)S21 + (n2 − 1)S2

2n1 + n2 − 2

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 112: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

MédiaProporçãoVariância

Intervalo de Confiança para a diferença de Médias - Caso 2 -Variâncias desconhecidas e iguais

A margem de erro é dada por,

E = tn1+n2−2,α2

√S2

p

n1+

S2p

n2

logo,

IC(µ1 − µ2 ; (1− α)%

)=((X 1 − X 2)− E , (X 1 − X 2) + E

)

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 113: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

MédiaProporçãoVariância

Intervalo de Confiança para a diferença de Médias - Caso 3 -Variâncias desconhecidas e diferentes

Quando não é possivel concluir que as variancias são iguais então,

(X 1 − X 2)− (µ1 − µ2)√S2

1n1

+S2

2n2

não tem distribuição tn1+n2−2. A solução proposta por Cochranconsiste em calcular,

t′α2

=w1tn1−1,α2

+ w2tn2−1,α2w1 + w2

em que wi =S2

ini.

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 114: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

MédiaProporçãoVariância

Intervalo de Confiança para a diferença de Médias - Caso 3 -Variâncias desconhecidas e diferentes

Deste modo, a margem de erro é dada por,

E = t′α2

√S2

1n1

+S2

2n2

Assim, o intervalo de confiança IC(µ1 − µ2 ; (1− α)%

)é dado por,(X 1 − X 2)− t

′α2

√S2

1n1

+S2

2n2

, (X 1 − X 2) + t′α2

√S2

1n1

+S2

2n2

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 115: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

MédiaProporçãoVariância

Intervalo de Confiança para a Proporção

Seja uma amostra aleatória (X1, . . . ,Xn) de Xi ∼ ber(p). Então,pelo TCL segue que a margem de erro aproximada é dada por,

E = zα2

√p(1− p)

n

Logo,

IC(p ; (1− α)%

)=

(p − zα

2

√p(1− p)

n; p + zα

2

√p(1− p)

n

)

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 116: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

MédiaProporçãoVariância

Intervalo de Confiança para a diferença de Proporções

Seja X11, . . . ,X1n1 e X21, . . . ,X2n2 , amostras das variáveisaleatórias X1 ∼ ber(p1) e X2 ∼ ber(p2), então pelo TeoremaCentral do Limite, segue que, para n grande, a margem de erroaproximada é dada por,

E = zα2

√p1(1− p1)

n1+

p2(1− p2)

n2

logo,

IC(p1 − p2 ; (1− α)%

)= ((p1 − p2)− E ; (p1 − p2) + E )

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 117: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

MédiaProporçãoVariância

Intervalo de Confiança para a Variância

Suposições: Suposições:1 X = (X1, . . . ,Xn) uma amostra iid(independente e

identicamente distribuída);2 população com distribuição normal com média µ e Variânciaσ2.

Nessas condições segue que,

(n − 1)S2

σ2 ∼ χ2n−1

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 118: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

MédiaProporçãoVariância

Intervalo de Confiança para a Variância

Logo,

χ2n−1,α2

<(n − 1)S2

σ2 < χ2n−1,1−α

2

portanto,(n − 1)S2

χ2n−1,α2

> σ2 >(n − 1)S2

χ2n−1,1−α

2

Assim, um IC(σ2 ; (1− α)

)é dado por,(

(n − 1)S2

χ2n−1,1−α

2

,(n − 1)S2

χ2n−1,α2

)

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 119: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

MédiaProporçãoVariância

Intervalo de Confiança para a razão de Variâncias

Suposições:1 X1 = (X11, . . . ,X1n1) e X2 = (X21, . . . ,X2n2) amostras

iid(independente e identicamente distribuída) provenientes depopulações independentes;

2 populações com distribuição normal, com médias µ1 e µ2 eVariâncias σ2

1 e σ22.

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 120: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

MédiaProporçãoVariância

Intervalo de Confiança para a razão de Variâncias

Nessas condições, segue que,

S21σ2

1

S22σ2

2

∼ Fn1−1,n1−1

logo,

IC(σ2

1σ2

2; (1− α)

)=

S21

S22

Fn1−1,n2−1,1−α2

,

S21

S22

Fn1−1,n2−1,α2

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 121: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Visão GeralComponentes de um Teste de HipóteseTeste para MédiaTeste para VariânciaTeste para Proporção

Motivação

Um Jornal na Cidade St. Paul, Mineápolis, o Star Tribunepatrocinou uma pesquisa destinada a revelar as opiniões sobre o usode câmeras fotográficas para flagrar os motoristas que passam osinal vermelho e depois são notificados pelo correio sobre a infraçãocometida. Os pesquisadores entrevistaram 829 adultos deMinnesota, e verificaram que 51% se opunham à essa novalegislação que aprovará o uso dessas câmeras.Baseado nessas informações, podemos concluir que há evidênciaamostral suficiente para apoiar a afirmativa que a maioria de todosos adultos de Minnesota, isto é, p > 0, 5 são contra a novalegislação?

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 122: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Visão GeralComponentes de um Teste de HipóteseTeste para MédiaTeste para VariânciaTeste para Proporção

Visão Geral

O objetivo de um teste de hipótese é fornecer umametodologia(procedimento) que nos permita verificar se os dadosamostrais trazem evidências que apóiem ou não uma hipóteseestatística formulada. Assim sendo, a formulação de um teste dehipótese estatístico inicia-se com a afirmação de uma hipóteseestatística.

Definição (Hipótese Estatística)

É usualmente uma conjectura a respeito de um parâmetropopulacional.

Para cada situação existem dois tipos de hipótese estatística: ahipótese nula denotada por H0 e a hipótese alternativa denotadapor H1

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 123: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Visão GeralComponentes de um Teste de HipóteseTeste para MédiaTeste para VariânciaTeste para Proporção

Regra do evento raro

Se sob uma dada suposição, a probabilidade de um evento observadofor excepcionalmente pequena, concluímos que a suposição provavel-mente não é verdadeira.

Guiados por esta regra, iremos por a prova as hipóteses estatisticasformuladas e decidir se os dados amostrais podem facilmenteocorrer por acaso ou são altamente improváveis de ocorrer poracaso.

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 124: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Visão GeralComponentes de um Teste de HipóteseTeste para MédiaTeste para VariânciaTeste para Proporção

Teste Paramétrico ou Teste Não Paramétrico

Teste Paramétrico: Exige suposições sobre a distribuição deprobabilidade das variáveis de interesse.Teste Não Paramétrico: Não exige suposições sobre adistribuição de probabilidade das variáveis de interesse. Por estemotivo são em geral chamados de testes livres de distribuição.Principal vantagem do teste Não Paramétrico: Podem seraplicados a uma maior variedade de situações, pois possuemsuposições mais fracas que os testes Paramétricos;Principal desvantagem do teste Não Paramétrico: São menoseficientes que os testes Paramétricos, pois para uma dada situaçãoem que as suposições do teste Paramétrico são satisfeitas, um testeNão Paramétrico equivalente precisaria de uma amostra maior parater um erro tipo I e tipo II equivalentes ao do método Paramétrico.

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 125: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Visão GeralComponentes de um Teste de HipóteseTeste para MédiaTeste para VariânciaTeste para Proporção

Hipótese Nula e Alternativa

Hipótese Média Proporção VariânciaNula(H0) µ1 = µ2 p1 = p2 σ2

1 = σ22

Alternativa(H1) µ1 6= µ2 p1 6= p2 σ21 6= σ2

2

Nula(H0) µ1 ≤ µ2 p1 ≤ p2 σ21 ≤ σ2

2Alternativa(H1) µ1 > µ2 p1 > p2 σ2

1 > σ21

Nula(H0) µ1 ≥ µ2 p1 ≥ p2 σ21 ≥ σ2

2Alternativa(H1) µ1 < µ2 p1 < p2 σ2

1 < σ21

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 126: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Visão GeralComponentes de um Teste de HipóteseTeste para MédiaTeste para VariânciaTeste para Proporção

Resultados em um Teste de Hipótese

Em um teste de hipótese, existem apenas quatro resultadospossíveis:

H0 é verdadeira H0 é falsaRejeitar H0 Erro tipo I Decisão corretaNão Rejeitar H0 Decisão correta Erro tipo II

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 127: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Visão GeralComponentes de um Teste de HipóteseTeste para MédiaTeste para VariânciaTeste para Proporção

Estatística do Teste

É um valor calculado a partir dos dados amostrais e é usada para setomar a decisão sobre a rejeição da hipótese nula.Note que como seu valor depende da amostra, então pode-seconcluir que ela é uma variável aleatória, logo possui distribuição deprobabilidade.Será essa distribuição de probabilidade que utilizaremos para tomara decisão de rejeitar ou não a hipótese H0.

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 128: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Visão GeralComponentes de um Teste de HipóteseTeste para MédiaTeste para VariânciaTeste para Proporção

Nível de significância e Beta do Teste

Nível de significância: É a probabilidade de se cometer o errotipo I, é denotado por α, isto é,

P(Erro tipo I) = α = P(Rejeitar H0|H0 é verdadeira).

Beta do Teste: É a probabilidade de não rejeitar H0 quando ela éfalsa, isto é,

β = P(Erro tipo II) = P(Não Rejeitar H0|H0 é falsa)

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 129: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Visão GeralComponentes de um Teste de HipóteseTeste para MédiaTeste para VariânciaTeste para Proporção

Poder do teste e p-valor

Poder do teste: É a probabilidade de rejeitar H0 quando ela éfalsa, esta probabilidade é o complentar da probabilidade de secometer o erro tipo II, isto é,

Poder do Teste = 1− P(Não Rejeitar H0|H0 é falsa)

= P(Rejeitar H0|H0 é falsa).

Nível descritivo ou p-valor do teste: É a probabilidade deocorrer valores da Estatística do teste, mais extremos que o valorobservado, sob a hipótese que H0 é verdadeira.

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 130: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Visão GeralComponentes de um Teste de HipóteseTeste para MédiaTeste para VariânciaTeste para Proporção

Cálculo do p-valor

Seja X = (X1, . . . ,Xn) uma amostra aleatória de tamanho n, T (X)uma estatística que possui uma distribuição de probabilidade P eT (x) o valor da estatística dado os valores observadosx = (x1, . . . , xn. Uma maneira prática de se determinar o eventoque se deseja calcular, para o caso de duas amostras, é o seguinte:Seja θ1 e θ2 os estimadores dos parâmetros θ1 e θ2, então:

1 Se θ1 > θ2 tem-se que

p-valor = P(T (X) > T (x)

∣∣∣H0 é verdadeira)

;

2 Se θ1 < θ2 tem-se que

p-valor = P(T (X) < T (x)

∣∣∣H0 é verdadeira)

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 131: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Visão GeralComponentes de um Teste de HipóteseTeste para MédiaTeste para VariânciaTeste para Proporção

Cálculo do p-valor - Exemplo

Exemplo 1: Considere que T (X) ∼ N(0, 1), θ1 < θ2 eT (x) = −1, 25 então da tabela da distribuição Normal tem-se que:

p-valor = P(T (X) < −1, 25

)= 0, 1056;

Exemplo 2: Considere que T (X) ∼ t11, θ1 > θ2 e T (x) = 1, 363então da tabela da distribuição t tem-se que:

p-valor = P(T (X) > 1, 363

)= 0, 10;

Exemplo 3: Considere que T (X) ∼ F7, 10, θ1 > θ2 eT (x) = 3, 9498 então da tabela da distribuição F tem-se que:

p-valor = P(T (X) > 3, 9498

)= 0, 025.

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 132: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Visão GeralComponentes de um Teste de HipóteseTeste para MédiaTeste para VariânciaTeste para Proporção

Região Crítica para Estatística com distribuição Normal

É o conjunto de valores da Estatística do teste para o qual ahipótese deve ser rejeitada, também chamada de região de rejeição.A região crítica dependerá da hipótese alternativa e da distribuiçãode probabilidade de cada Estatística.

Distribuição de probabilidade da Estatística: Z ∼ N(0, 1)

Hipótese Região CríticaH1 : θ1 6= θ2

(−∞,−zα

2

]∪[zα

2,∞)

H1 : θ1 > θ2 [zα,∞)H1 : θ1 < θ2 (−∞,−zα]

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 133: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Visão GeralComponentes de um Teste de HipóteseTeste para MédiaTeste para VariânciaTeste para Proporção

Região Crítica para Estatística com distribuição t

Distribuição de probabilidade da Estatística: T ∼ tν

Hipótese Região CríticaH1 : θ1 6= θ2

(−∞,−tν,α2

]∪[tν,α2 ,∞

)H1 : θ1 > θ2 [tν,α,∞)H1 : θ1 < θ2 (−∞,−tν,α]

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 134: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Visão GeralComponentes de um Teste de HipóteseTeste para MédiaTeste para VariânciaTeste para Proporção

Região Crítica para Estatística com distribuição χ2

Distribuição de probabilidade da Estatística: χ2 ∼ χ2ν

Hipótese Região CríticaH1 : θ1 6= θ2

(0, χ2

ν,α2

]∪[χ2ν,α2

,∞)

H1 : θ1 > θ2[χ2ν,α,∞

)H1 : θ1 < θ2

(0, χ2

ν,α

]

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 135: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Visão GeralComponentes de um Teste de HipóteseTeste para MédiaTeste para VariânciaTeste para Proporção

Região Crítica para Estatística com distribuição F

Distribuição de probabilidade da Estatística: F ∼ Fν1,ν2

Hipótese Região CríticaH1 : θ1 6= θ2

(0,Fν1,ν2,α2

]∪[Fν1,ν2,α2 ,∞

)H1 : θ1 > θ2 [Fν1,ν2,α,∞)H1 : θ1 < θ2 (0,Fν1,ν2,α]

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 136: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Visão GeralComponentes de um Teste de HipóteseTeste para MédiaTeste para VariânciaTeste para Proporção

Critério de Decisão

Seja X = (X1, . . . ,Xn) uma amostra aleatória de tamanho n eT (X) uma estatística, então o critério de decisão é:

1 Utilizando a Região Crítica: Se T (X) ∈ RC rejeita-se ahipótese H0, caso contrário não rejeita-se a hipótese H0;

2 Utilizando p-valor: Se p-valor≤ α rejeita-se a hipótese H0,caso contrário não rejeita-se a hipótese H0. Esta é a regra doevento raro.

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 137: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Visão GeralComponentes de um Teste de HipóteseTeste para MédiaTeste para VariânciaTeste para Proporção

Comparação de Médias - Duas populações independentes

Estatística do Teste:

Estatística: Z =X 1 − X 2√σ2

1n1

+σ2

2n2

∼ N(0, 1)

Suposição: Populações Normais e Variâncias Conhecidas

Estatística: Z =X 1 − X 2√

S21

n1+

S22

n2

∼ N(0, 1)

Suposição: Amostras Maiores que 30

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 138: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Visão GeralComponentes de um Teste de HipóteseTeste para MédiaTeste para VariânciaTeste para Proporção

Exemplo

Considere os seguintes resultados, referentes a duas amostrasaleatórias independentes, de populações com distribuição Normal:

Amostra 1 Amostra 2n1 = 8 n2 = 7

X 1 = 104 X 2 = 106σ1 = 8, 4 σ2 = 7, 6

Qual o valor da Estatística do Teste? E o p-valor?

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 139: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Visão GeralComponentes de um Teste de HipóteseTeste para MédiaTeste para VariânciaTeste para Proporção

Exemplo

Considere os seguintes resultados, referentes a duas amostrasaleatórias independentes, de populações com distribuiçãodesconhecida:

Amostra 1 Amostra 2n1 = 80 n2 = 70X 1 = 104 X 2 = 106S1 = 8, 4 S2 = 7, 6

Qual o valor da Estatística do Teste?

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 140: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Visão GeralComponentes de um Teste de HipóteseTeste para MédiaTeste para VariânciaTeste para Proporção

Componentes de um Teste de Hipótese: Estatística do TesteComparação de Médias - Duas populações independentes

Estatística: T =X 1 − X 2√

S2p

n1+

S2p

n2

∼ tn1+n2−2

em que,

S2p =

(n1 − 1)S21 + (n2 − 1)S2

2n1 + n2 − 2

Suposição: Populações Normais e Variâncias Desconhecidas eiguais

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 141: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Visão GeralComponentes de um Teste de HipóteseTeste para MédiaTeste para VariânciaTeste para Proporção

Teste de Hipótese para comparação de Médias

Considere os seguintes resultados, referentes a duas amostrasaleatórias independentes, de populações com distribuição Normal evariâncias desconhecidas e iguais:

Amostra 1 Amostra 2n1 = 8 n2 = 7

X 1 = 104 X 2 = 106S1 = 8, 4 S2 = 7, 6

Qual o valor da Estatística do Teste?

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 142: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Visão GeralComponentes de um Teste de HipóteseTeste para MédiaTeste para VariânciaTeste para Proporção

Comparação de Médias - Duas populações independentes

Estatística: T′

=X 1 − X 2√

S21

n1+

S22

n2

Distribuição Desconhecida

Suposição: Populações Normais e Variâncias Desconhecidas ediferentesO problema dessa estatística é o desconhecimento de suadistribuição. Várias metodologias foram propostas para sedeterminar o p-valor e os quantis dessa estatística.

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 143: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Visão GeralComponentes de um Teste de HipóteseTeste para MédiaTeste para VariânciaTeste para Proporção

Comparação de Médias - Duas populações independentes

Cochran and Cox (1957) propôs uma metodologia para calcularaproximadamente o valor crítico da estatística,

t′α =

tn1−1,αS2

1n1

+ tn2−1,αS2

2n2

S21

n1+

S22

n2

(2)

Note que desta maneira o valor crítico é uma valor entre tn1−1,α etn2−1,α. A maneira mais simples de se determinar o p-valor e osquantis dessa estatística é assumir que T

′ ∼ tmin(n1−1, n2−1), isto é,considerar a pior situação. Nessas condições a hipótese H0precisará de mais evidencias para ser rejeitada que a condiçãoproposta por Cochran and Cox (1957).

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 144: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Visão GeralComponentes de um Teste de HipóteseTeste para MédiaTeste para VariânciaTeste para Proporção

Teste de Hipótese para comparação de Médias

Considere os seguintes resultados, referentes a duas amostrasaleatórias independentes, de populações com distribuição Normal evariâncias desconhecidas e diferentes:

Amostra 1 Amostra 2n1 = 8 n2 = 7

X 1 = 104 X 2 = 106S1 = 8, 4 S2 = 7, 6

Qual o valor da Estatística do Teste?

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 145: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Visão GeralComponentes de um Teste de HipóteseTeste para MédiaTeste para VariânciaTeste para Proporção

Comparação de Médias - Duas populações dependentes

Este teste é conhecido também como teste para amostrasemparelhadas.

Estatística: T =DSD√

n

∼ tn−1

em que,

Di = X1i − X2i ; D =

∑ni=1 Di

ne S2

D =

∑ni=1(Di − D)2

n − 1

Suposição: Populações normais. Se essa suposição não forverdadeira, mas a amostra for maior que 30 então a estatística seráa Z ∼ N(0, 1).

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 146: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Visão GeralComponentes de um Teste de HipóteseTeste para MédiaTeste para VariânciaTeste para Proporção

Teste de Hipótese para comparação de Médias

Considere os seguintes resultados, referentes a duas amostrasaleatórias emparelhadas, de populações com distribuição Normal:

Amostra 1 Amostra 2 Di = X1i − X2i6,0 5,4 0,605,0 5,2 -0,207,0 6,5 0,506,2 5,9 0,306,0 6,0 0,006,4 5,8 0,60

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 147: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Visão GeralComponentes de um Teste de HipóteseTeste para MédiaTeste para VariânciaTeste para Proporção

Teste de Hipótese para comparação de Médias

Assim, calculando as estimativas dos parâmetros,

D =0, 60 + (−0, 20) + . . .+ 0, 60

6=

1, 86

= 0, 30

S2D =

(0, 60− 0, 30)2 + . . .+ (0, 60− 0, 30)2

5− 1=

0, 565

= 0, 112

logo, SD =√0, 112 = 0, 335

Qual o valor da Estatística do Teste?

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 148: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Visão GeralComponentes de um Teste de HipóteseTeste para MédiaTeste para VariânciaTeste para Proporção

Componentes de um Teste de Hipótese: Estatística do TesteComparação de Variâncias - Duas populações independentes

Suposição: Populações normais.

Estatística: F =S2

1S2

2∼ Fn1−1,n2−1

ExemploConsidere as seguintes informações: n1 = 8, n2 = 7, S1 = 8, 4 eS2 = 7, 6. Sendo assim, a estatística do teste é dada por,

F =8, 47, 6≈ 1, 11

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 149: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Visão GeralComponentes de um Teste de HipóteseTeste para MédiaTeste para VariânciaTeste para Proporção

Comparação de proporções - Duas populações independentes

Suposição: Amostras grandes. Nesse caso,

n1 × p1(1− p1) ≥ 5 e n2 × p2(1− p2) ≥ 5

Como p1 e p2 não são conhecidos utilizar suas estimativas p1 e p2.

Estatística: Z =p1 − p2√

p(1−p)n1

+ p(1−p)n2

∼ N(0, 1)

em que,

p1 =x1

n1, p1 =

x2

n2e p =

x1 + x2

n1 + n2

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística

Page 150: Modelos de Probabilidade e Inferencia Estatísticaulisses/disciplinas/notas_de_aula-2013-1.pdf · ObjetivoseBibliografia Introdução ConceitosdeProbabilidade VariávelAleatória

Objetivos e BibliografiaIntrodução

Conceitos de ProbabilidadeVariável Aleatória

Conceitos básicos de amostragemDistrbuições AmostraisIntervalo de Confiança

Teste de Hipótese

Visão GeralComponentes de um Teste de HipóteseTeste para MédiaTeste para VariânciaTeste para Proporção

Comparação de proporções - Duas populações independentes

Considere os seguintes resultados, referentes a duas amostrasaleatórias: Deseja-se testar a hipótese que motoristas negros sãoparados pela polícia em proporção maior que motoristas brancos.Assim, realizou-se um experimento em que 1.600 motoristas foramselecionados, 200 negros e 1400 brancos, as seguintes informaçõesforam coletadas:

n1 = 200, x1 = 24; n2 = 1400, x2 = 147

Qual o valor da Estatística do Teste?

Ulisses U. dos Anjos Modelos de Probabilidade e Inferencia Estatística