1 / 27

ERRO PADRÃO E INTERVALO DE CONFIANÇA

ERRO PADRÃO E INTERVALO DE CONFIANÇA. ). POPULAÇÃO (Censo). P R O B A B I L I D A D E. Erro. Inferência. AMOSTRA (Amostragem).

glen
Download Presentation

ERRO PADRÃO E INTERVALO DE CONFIANÇA

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. ERRO PADRÃO E INTERVALO DE CONFIANÇA )

  2. POPULAÇÃO (Censo) P R O B A B I L I D A D E Erro Inferência AMOSTRA (Amostragem)

  3. Quando utilizamos dados amostrais para estimar uma média populacional μ, a margem de erro (E) é a diferença máxima provável (com probabilidade 1-α) entre a média amostral observada e a verdadeira média da população (μ) EP= δ/√n, no IC= Z x EP

  4. Como geralmente não conhecemos o real valor de σ, podemos aplicar as seguintes considerações: • –n>30 pode-se adotar para σ o desvio-padrão amostral ‘s’; • –n≤30 a população deve ter distribuição normal e devemos ter σ para aplicar a fórmula

  5. Intervalo de Confiança para a média da população • No processo de inferência, qual o erro da pesquisa? Para responder a pergunta acima vamos aprender a 1º) a.calcular a margem de erro associada a uma média da amostra; b.calcular a margem de erro associada a uma proporção da amostra;

  6. ESTIMATIVAPOR INTERVALO DE UMA MÉDIA DE POPULAÇÃO – O CASO DA Grande AMOSTRA ( n ≥ 30 )  margem de erro ou ±

  7. Distribuição Normal ou Gaussiana • É a mais familiar das distribuições de probabilidade e também uma • É a mais familiar das distribuições de probabilidade e também uma das mais importantes em estatística. • Representam com boa aproximação, as distribuições de frequência observadas de muitos fenômenos. • É especificada por dois parâmetros: sua média e seu desvio padrão. • Como a curva é simétrica em relação à sua média, a probabilidade de se observar um valor inferior ou superior à média é de 50%.

  8. A média refere-se ao centro da distribuição • O desvio padrão ao espalhamento de curva. • A distribuição normal é simétrica em torno da média o que implica que e média, a mediana e a moda são coincidentes. • A área sob a curva totaliza 1 ou 100%

  9. Aproximadamente 68% (2/3) dos valores de x situam-se entre os pontos (µ-) e (µ+) • Aproximadamente 95% dos valores de x estão entre (µ-2) e (µ+2) • Aproximadamente 99,7% dos valores de x estão entre (µ-3) e (µ+3)

  10. Distribuição Normal Exemplo: • Suponha que os comprimentos de uma população com uma distribuição normal, com média 1,60 m e desvio padrão 5 cm. • Podemos afirmar que cerca de 70 % da minha amostra ira se situar no intervalo compreendido entre alturas 1,55 e 1,65m, por exemplo, como a proporção da área sob a curva entre 1,55 e 1,65m. • Então em nosso exemplo, cerca de 95% dos habitantes tem ??? entre 1,50 m e 1,70 m.

  11. Exemplo 2: Considere que a glicemia tenha distribuição normal, com média igual a 90 mg e desvio-padrão 5 mg na população de pessoas sadias. Pode-se concluir que: • Aproximadamente 2/3 (68%) da população de indivíduos sadios possuem valores de glicemia entre (µ-) = 90-5 = 85 mg e (µ+) = 90+5 = 95 mg • Grande parte (95%) das pessoas sadias tem glicemia entre (µ-2) = 90-2(5) = 80 e (µ+2) = 90+2(5) = 100 mg • Praticamente todos (99,7%) os indivíduos da população tem valores entre (µ-3) = 75 e (µ+3) = 105 mg • A probabilidade de que uma pessoa saudável tenha um valor de glicemia em jejum entre 90 (µ) e 95 (µ+) é de aproximadamente 0,34

  12. Parâmetros • Média  • Proporção p • Desvio Padrão  • etc

  13. Estatísticas • Média X • Proporção p • Desvio Padrão s • etc

  14. Erro Padrão • Se for retirado um certo número de amostras aleatórias de mesmo tamanho de uma população, não se deve esperar que todas as médias e desvios padrões amostrais sejam iguais. • É uma medida que fornece uma ideia de precisão com que a média foi estimada • Existe uma relação inversa entre o tamanho da amostra e o erro padrão, ou seja, quando o tamanho da amostra aumenta o erro padrão diminui.

  15. Erro Padrão= Desvio padrão das Médias das amostras de uma população EP= desvio padrão da variável √n • Utiliza-se para calcular o Intervalo de confiança

  16. Estimativa Pontual Quando fazemos uma única estimativa para um determinado parâmetro populacional. Ex: • média amostral – estimar a media populacional • Proporção Amostral – estimar a proporção populacional

  17. Estimativa Intervalar É quando fazemos uma estimativa de um intervalo de valores possíveis, no qual se admite que esteja o parâmetro populacional. Ex: - Média Amostral = 50 Estimar média populacional no intervalo 40 a 60, com risco conhecido de erro.

  18. Intervalo de Confiança • Frequentemente necessitamos, por meio de amostras, conhecer informações gerais de uma população. • O Intervalo de Confiança é um instrumento de grande utilidade para se fazer inferências sobre o parâmetro populacional em que se está interessado. • A estatística indutiva vai nos permitir tirar conclusões probabilísticas sobre aspectos da população, com base na observação de amostras extraídas dessa população.

  19. Para amostras razoavelmente grandes os intervalos de confiança a 95% podem ser expressos como: - Medida estatística ± 1,96 Erros Padrões I.C.= z. δ √n • Quanto maior for n; menor o intervalo de confiança • Quanto maior o desvio padrão; maior o intervalo de confiança.

  20. Observações: 6ª) Valores de Z/2 para os níveis de confiança mais usados na prática:

  21. Estimativas por Intervalo O conceito de intervalo de confiança pode ser visualizada pela figura abaixo: Exemplo: Valor do parâmetro = estimativa pontual  uma função da confiança, dispersão e tamanho da amostra

  22. Níveis de Confiança • Para , z = 2,58. • Para , z = 1,96. • Para , z = 1,65.

  23. Intervalo de Confiança para Proporções • O estimador pontual para p, também denominado proporção amostral, é definido como: • sendo que X denota o número de elementos na amostra que apresentam a característica; • n denota o tamanho da amostra coletada.

  24. Intervalo de Confiança para Proporções • A estimativa intervalar corresponde a um intervalo determinado da seguinte maneira:

  25. Intervalo de Confiança para Proporções • Exemplo 01: Dos 500 alunos de medicina da UFC, 100 relatam que já trabalham. Ou seja, 20% dos entrevistados já trabalham. • Note que, outra amostra de mesmo tamanho pode levar a uma outra estimativa pontual para p. Estimativa Pontual

  26. Numa pesquisa, foram coletadas 106 amostras de temperatura, obtendo-se uma média de 98,20 F e desvio padrão s=0,62 F. Para um nível de confiança de 95%, determine:–(a) A margem de erro da estimativa–(b) O Intervalo de confiança

More Related