resumo estatística

12
~ DISTRIBUIÇÕES DE PROBABILIDADE ~ Binomial f ( k,n,p) = n! p! ( np ) ! ×p k ( 1p ) nk E [ X ]=np var ( X ) =np ( 1p) ~ INFERÊNCIA ESTATÍSTICA ~ Inferência estatística é, segundo as propriedades amostrais, estimar os parâmetros da população. Amostra aleatória: conjunto de n variáveis aleatórias, todas com a mesma distribuição de probabilidade. Estimador não-viesado é, na média, igual ao seu parâmetro populacional. A média é um estimador não-viesado Para saber se um estimador é viesado ou não, deve-se aplicar a condição E ( ^ θ) =θ. Um estimador é eficiente se: 1º Não for viesado. 2º Tiver a menor variância possível entre os estimadores não viesados. Um estimador é MELNV se: 1º Não for viesado. 2º Tiver a menor variância possível entre os estimadores não viesados lineares. 3º Ser linear Teorema do Limite Central: variável X, i.i.d, com média µ e variância σ², quando n tende ao infinito, a média amostral tende para uma distribuição normal com média µ e variância σ²/n, para qualquer distribuição de X.

Upload: igor-westphal

Post on 13-Sep-2015

2 views

Category:

Documents


0 download

DESCRIPTION

Livros recomendados para Macro da ANPEC para prova muito boa tenho q enrolar essa merda pra conseguir baixar umas merdas aqui toma no cool

TRANSCRIPT

~ DISTRIBUIES DE PROBABILIDADE ~Binomial

~ Inferncia ESTATSTICA ~Inferncia estatstica , segundo as propriedades amostrais, estimar os parmetros da populao.Amostra aleatria: conjunto de n variveis aleatrias, todas com a mesma distribuio de probabilidade.Estimador no-viesado , na mdia, igual ao seu parmetro populacional. A mdia um estimador no-viesadoPara saber se um estimador viesado ou no, deve-se aplicar a condio .Um estimador eficiente se: 1 No for viesado. 2 Tiver a menor varincia possvel entre os estimadores no viesados.Um estimador MELNV se: 1 No for viesado. 2 Tiver a menor varincia possvel entre os estimadores no viesados lineares. 3 Ser linearTeorema do Limite Central: varivel X, i.i.d, com mdia e varincia , quando n tende ao infinito, a mdia amostral tende para uma distribuio normal com mdia e varincia /n, para qualquer distribuio de X.Regra prtica: mdia amostral acima de 30 medies normal.Se a varivel X ~ N, ento a mdia um estimador eficiente.O estimador consistente se: Se o EQM tende a zero no infinito, o estimador consistente, mas a recproca nem sempre verdade.O fato de ser estimador de mxima verossimilhana no garante que seja no viesado.Os EMV possuem algumas propriedades: Podem ser tendeciosos, mas so assintoticamente no tendeciosos. Consistentes Propriedade da invarincia. (se , ento se g for invertvel). Tem distribuio assinttica normal So assintoticamente eficientesD-se o nome de estimativa quando se d um valor numrico ao estimador. Se , ento . Se , ento Se , ento Intervalo de confiana: sendo o nvel de significncia e a confiana.Exemplo de intervalo de confiana para uma mdia com varincia conhecida: Exemplo de intervalo de confiana para uma mdia com varincia desconhecida com n < 30: Exemplo de intervalo de confiana para uma mdia com varincia desconhecida com n > 30: Exemplo de intervalo de confiana para a varincia: Exemplo de intervalo de confiana para uma proporo populacional p: ~ EQUAES ~ (estimador no-viesado) (estimador viesado) (assintoticamente no-viesado) (varincia amostral infinita/com reposio) (varincia amostral finita/sem reposio) (no limite, a varincia tende a zero)

(eficincia relativa) (suficincia) (varivel padronizada para mdia amostral) (estimador de MV de p da ~B)(estimador de MV de da ~P) = (estimador de MV de da ~N)(estimador de MV de da ~N)(estimador de MV de a da ~U)(estimador de MV de b da ~U)~ INTERVALO DE CONFIANA ~Se aumentar a confiana, a preciso cai ( necessrio um intervalo maior quanto maior for a confiana). Para aumentar os dois, necessrio aumentar o tamanho da amostra.Para achar o intervalo de confiana, usa-se a varivel padronizada Z e as tabelas.Quanto menor o p-valor, menor a credibilidade da hiptese nula.Valor-p o menor nvel de significncia com que no se rejeitaria a hiptese nula.

~ TESTE DE HIPTESES ~

..ou..bicaudal..ou..monocaudal

Para mdias, usamos distribuio normal padronizada.Para varincias, usamos distribuio qui-quadrado padronizada. Para valores muito altos de n, a qui-quadrado se aproxima de uma normal.Estimador da mdia com varincia populacional conhecidaEstimador da mdia com varincia populacional desconhecida (n