Aula 9 – Intervalo de confiança para a média - AEDBEst
Aula 9 – Intervalo de confiança para a média - AEDBEst
Aula 9 – Intervalo de confiança para a média - AEDBEst
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Essa última expressão é o intervalo <strong>de</strong> <strong>confiança</strong> <strong>para</strong> a <strong>média</strong> μ <strong>de</strong> uma população normal com variância<br />
<strong>de</strong>sconhecida.<br />
<strong>Intervalo</strong> <strong>de</strong> <strong>confiança</strong> <strong>para</strong> a <strong>média</strong> da N(μ; σ 2 ) −σ 2 <strong>de</strong>sconhecida<br />
Seja X1, X2, . . . ,Xn uma amostra aleatória simples <strong>de</strong> uma população X ∼N (μ; σ 2 ) . O intervalo <strong>de</strong><br />
<strong>confiança</strong> <strong>para</strong> μ <strong>de</strong> nível <strong>de</strong> <strong>confiança</strong> 1 − α é<br />
on<strong>de</strong> tn−1; /2 é o valor crítico da distribuição t -Stu<strong>de</strong>nt com n−1 graus <strong>de</strong> liberda<strong>de</strong> que <strong>de</strong>ixa área α/2 acima <strong>de</strong>le.<br />
Margem <strong>de</strong> erro<br />
Note, mais uma vez, a forma do intervalo <strong>de</strong> <strong>confiança</strong>: , on<strong>de</strong> a margem <strong>de</strong> erro , agora, é <strong>de</strong>finida em<br />
termos do valor crítico da distribuição t e do erro padrão estimado <strong>de</strong> X :<br />
Amostras gran<strong>de</strong>s<br />
On<strong>de</strong>:<br />
Vimos que, <strong>para</strong> populações normais, a distribuição exata da estatística Mas<br />
vimos também que, quando o número <strong>de</strong> graus <strong>de</strong> liberda<strong>de</strong> é gran<strong>de</strong>, a diferença entre as distribuições t e N(0; 1)<br />
tornam-se <strong>de</strong>sprezíveis.<br />
Por outro lado, se a população não é normal, mas tem <strong>média</strong> μ e variância σ 2 , o teorema central do limite nos diz<br />
que a distribuição <strong>de</strong> se aproxima <strong>de</strong> uma N(0; 1)à medida que n → ∞. Po<strong>de</strong>-se mostrar que esse<br />
resultado continua valendo se substituímos σ por seu estimador S. A conclusão <strong>de</strong>ssas duas observações é a<br />
seguinte:<br />
Dada uma amostra aleatória simples X1,X2, . . . ,X on<strong>de</strong> uma população X com <strong>média</strong> μe variância σ 2 , então<br />
nível <strong>de</strong> <strong>confiança</strong> 1 − α<strong>para</strong> μ é<br />
<strong>para</strong> n suficientemente gran<strong>de</strong>. Nesse caso, o intervalo <strong>de</strong> <strong>confiança</strong> aproximado <strong>de</strong><br />
Exemplos<br />
1. De uma população normal com <strong>média</strong> e variância <strong>de</strong>sconhecidas, extrai-se uma amostra <strong>de</strong> tamanho 15 obtendose<br />
x = 12 e s2 = 49. Obtenha um intervalo <strong>de</strong> <strong>confiança</strong> <strong>para</strong> a verda<strong>de</strong>ira <strong>média</strong> populacional, utilizando o nível <strong>de</strong><br />
<strong>confiança</strong> <strong>de</strong> 95%.<br />
Solução<br />
Os seguintes requisitos <strong>para</strong> o IC <strong>para</strong> μ são satisfeitos: a população é normal e a amostra é pequena. Dessa forma,<br />
temos que usar a distribui ção t com n − 1 = 14 graus <strong>de</strong> liberda<strong>de</strong>. Como o nível <strong>de</strong> <strong>confiança</strong> é <strong>de</strong> 95%, em cada<br />
cauda da distribuição temos que ter 2,5%. Assim, <strong>de</strong>vemos procurar a abscissa t14;0,025 procurando na linha<br />
correspon<strong>de</strong>nte a 14 graus <strong>de</strong> liberda<strong>de</strong> e na coluna correspon<strong>de</strong>nte à área <strong>de</strong> 0,025. Encontramos t14;0,025= 2,145<br />
Página 6 <strong>de</strong> 13