Estatística
Aplicada
Prof. Afonso Chebib
Estatística Aplicada(Aula 4)
1
Estatística
Aplicada
Prof. Afonso Chebib
Ramo da Estatística que estuda como fazer afirmações sobre características de uma população baseando-se em resultados de uma amostra.
Exemplos do dia a dia do uso de informações da amostra para concluir sobre o todo: Como a cozinheira verifica a quantidade de sal na comida ou como a dona de casa decide sobre a compra de uma fruta na feira após provar um pedaço.
Pode ser razoável supor que a distribuição das alturas dos brasileiros adultos possa ser representada por um modelo normal, mas como descobrir seus parâmetros (média e variância)?
Medir a altura de todos os brasileiros, assim como determinada caracteristica de qualquer população é quase sempre inviável por apresentar: Alto custo, tempo muito grande ou até pois consiste num processo destrutivo (durabilidade de lampadas por exemplo).
Inferência Estatística
2
Estatística
Aplicada
Prof. Afonso Chebib
Solução: selecionar parte dos elementos da população (amostra), analisá-la e inferir propriedade para o todo.
Exemplos: População e amostra 1- Pesquisar os salários dos 5000 funcionários de uma empresa
através de uma amostra de 300 funcionários escolhidos cuidadosamente.
2- Estudar a proporção de indivíduos favoráveis a execução de um projeto na cidade X. Sorteia-se 200 moradores aleatoriamente para fazer a questão.
3- Investigar o tempo de duração de um novo modelo de lâmpadas através do teste de 100 unidades.
Investigar se uma moeda é ‘honesta’ jogando-se 50 vezes e anotando a proporção de caras e coroas
Inferência Estatística
3
Estatística
Aplicada
Prof. Afonso Chebib
Inferência Estatística
4
Estatística
Aplicada
Prof. Afonso Chebib
Distribuição amostral da média - Teorema do Limite Central
5
X1/X2
1 3 5 5 7 X1/X2
1 3 5 5 71 (1,1) (1,3) (1,5) (1,5) (1,7)3 (3,1) (3,3) (3,5) (3,5) (3,7)5 (5,1) (5,3) (5,5) (5,5) (5,7)5 (5,1) (5,3) (5,5) (5,5) (5,7)7 (7,1) (7,3) (7,5) (7,5) (7,7)
Estatística
Aplicada
Prof. Afonso Chebib
Distribuição amostral da média - Teorema do Limite Central
6
1 3 5 5 71 1 2 3 3 43 2 3 4 4 55 3 4 5 5 65 3 4 5 5 67 4 5 6 6 7
Estatística
Aplicada
Prof. Afonso Chebib
7
Estatística
Aplicada
Prof. Afonso Chebib
Conforme n vai aumentando o histograma vai se aproximando de uma curva normal.
Mesmo a população não apresentando distribuição normal de algum parâmetro, as médias amostrais se distribuirão normalmente para um n tendendo ao infinito.
Para populações com distribuição normal, qualquer n já garante uma distribuição normal das médias amostrais.
Considera-se que para qualquer distribuição populacional, um n>=30 já apresenta uma boa aproximação a uma curva normal.
8
Estatística
Aplicada
Prof. Afonso Chebib
Deseja-se estimar a média populacional, μ de uma determinada variável, pela média amostral, X.
Qual a magnitude do erro que cometemos nesta estimação?
Erro Amostral
9
Estatística
Aplicada
Prof. Afonso Chebib
O gerente de operações de um grande banco, desejando determinar o tempo médio que os clientes gastam no auto atendimento, realizou a medição do tempo gasto por um grande número de clientes e obteve uma população normalmente distribuída com média de 3,68 minutos e desvio padrão de 0,15 minutos.
Se uma amostra de 25 clientes for escolhida ao acaso entre milhares dos que utilizam os auto atendimentos por dia, que resultado podemos esperar para o tempo médio dessa amostra? 3,70 min? 2,00 min? 3,68 min?
Exemplo
10
Estatística
Aplicada
Prof. Afonso Chebib
Qual a probabilidade de uma observação X entre 3,65 e 3,68 min?
Qual a probabilidade de se obter uma média amostral X entre 3,65 e 3,68?
Exemplo
11
Estatística
Aplicada
Prof. Afonso Chebib
Distribuição de médias amostrais
12
Estatística
Aplicada
Prof. Afonso Chebib
Simulação de populações normais
13
Estatística
Aplicada
Prof. Afonso Chebib
Qual a probabilidade de se obter uma média amostral X entre 3,65 e 3,68 min?
Logo, 34,13% de todas as amostras possíveis de tamanho igual a 25 teriam uma média amostral entre 3,65 e 3,68 minutos
Exemplo (cont.)
14
Estatística
Aplicada
Prof. Afonso Chebib
Como esses resultados seriam alterados se a amostra contivesse 100 clientes, ao invés de 25?
Exemplo
15
Estatística
Aplicada
Prof. Afonso Chebib
Ao invés de determinar a proporção de médias amostrais que espera-se que caiam dentro de um certo intervalo, o gerente de operações está interessado em encontrar um intervalo simétrico em torno da média populacional que incluísse 95% das médias amostrais.
Deseja-se determinar uma distância acima e abaixo da média μ que contenha uma área especificada da curva normal
Intervalo de confiança
16
Estatística
Aplicada
Prof. Afonso Chebib
Intervalo de confiança
17
Estatística
Aplicada
Prof. Afonso Chebib
Se, para cada amostra de tamanho n, construirmos um intervalo de confiança como mostrado acima, 95% dos intervalos conterão a média populacional.
E se não conhecemos μ?
18
Estatística
Aplicada
Prof. Afonso Chebib
Média populacional desconhecida– A satisfação dos clientes de uma instituição financeira pode ser
avaliada através de um score, que segue uma distribuição aproximadamente normal, com média desconhecida. Sabe-se, de estudos anteriores, que o desvio padrão desse score é 10. Sorteada uma amostra de 50 clientes, obteve-se um score médio (amostral) de 70. Qual o intervalo de 95% de confiança para o score médio populacional?
Intervalo de confiança
19
Estatística
Aplicada
Prof. Afonso Chebib
Intervalo de confiança
20
Estatística
Aplicada
Prof. Afonso Chebib
A margem de erro será tão menor, quanto maior for o tamanho da amostra (n) e o desvio padrão populacional
Margem de Erro
21
Estatística
Aplicada
Prof. Afonso Chebib
22
Estatística
Aplicada
Prof. Afonso Chebib
Colocar mais exemplos
23