Esta é uma pré-visualização de arquivo. Entre para ver o arquivo original
INFERÊNCIA ESTATÍSTICA OBJETIVO: conjunto de procedimentos que propiciam ao pesquisador a elaboração de conclusões acerca de uma população a partir de uma amostra. AMOSTRAGEM Aleatória não-Aleatória ESTIMAÇÃO Pontual Intervalar TESTES DE HIPÓTESE Paramétricos não- Paramétricos PROCEDIMENTOS UTILIZADOS NA INFERÊNCIA ESTATÍSTICA 1. AMOSTRAGEM 1.1. ELEMENTOS ESSENCIAIS Abrangência do estudo: Censitário (censo): abrange todos os elementos ou resultados que se deseja investigar. Amostragem: abrange uma parte representativa do conjunto de todos os elementos ou resultados que se deseja investigar. População (N): conjunto de todos os elementos ou resultados sob investigação. Amostra (n): subconjunto da população. Tamanho da população: Infinita: não é possível determinar o último elemento. Finita: é possível se determinar o último elemento que compõe a população estudada. Tamanho da amostra (n): subconjunto da população. Grande: n > 30 elementos/resultados. Pequena: n ≤ 30 elementos/resultados. Seleção dos elementos na amostragem: Com reposição: cada elemento ou resultados da população pode ser selecionado infinitas vezes. Sem reposição: cada elemento ou resultado da população tem uma única chance de ser selecionado. Propriedades estatísticas Parâmetros: propriedades estatísticas que descrevem uma população. Estatísticas: propriedades estatísticas que descrevem uma amostra. 1.2. TÉCNICAS DE AMOSTRAGEM AMOSTRAGEM ALEATÓRIA Todos os elementos da população têm igual probabilidade de serem sorteados e todas as amostras selecionadas são igualmente prováveis. Vantagens: critérios de seleção rigorosamente definidos, não permite a subjetividade do pesquisador, possibilidade de determinar matematicamente o tamanho da amostra Desvantagens: dificuldade de obter o cadastro/lista etc., custos elevados, dificuldade na coleta dos dados, tempo demasiadamente longo. AMOSTRAGEM NÃO-ALEATÓRIA Os elementos da população não têm igual probabilidade de serem sorteados e as amostras selecionadas não são igualmente prováveis. Vantagens: menor custo, menor tempo de estudo, menor necessidade de pessoal. Desvantagem: pode ocorrer viés de opinião pessoal, não se sabe com que grau de confiança as conclusões obtidas podem ser inferidas para a população. Exemplo: Deseja-se obter uma amostra de cinco alunos da Turma 11 da Disciplina de Bioestatística do 2º semestre de 2011 da UFSM (N = 31, n = 5): Quantidade de amostras possíveis com reposição: Nn = 315 = 28.629.151. Procedimento: 1) Enumerar todos os elementos da população de 00 a 31; 1) Efetuar sucessivos sorteios, usando a Tabela de números aleatórios. Alunos sorteados: 03 – 13 – 62 – 63 – 04 ou 03 – 11 – 04 – 05 – 31, ... 2. ESTIMAÇÃO 2.1. ELEMENTOS ESSENCIAIS Estimador: estatística empregada para inferir determinado parâmetro. Estimativa: valor correspondente ao estimador empregado na obtenção de um parâmetro. Estimação: processo que utiliza estatísticas para produzir inferências sobre a população. Erro amostral: diferença inevitável entre uma amostra aleatória e sua população, baseada apenas na chance. Erro padrão da média: desvio padrão da distribuição de médias com base no desvio padrão. Erro padrão da proporção: desvio padrão da distribuição de proporções. Estimador justo (ou não tendencioso, sem viés): qualidade de um estimador que diz que a Esperança matemática da estimativa é igual ao estimador. Estimador consistente (ou coerente): qualidade de um estimador que diz que a medida que aumenta o tamanho da mostra, o erro amostral diminui. Estimador dos Momentos: consiste em um método destinado a obter estimativas consistentes por meio de estatísticas correspondentes aos parâmetros desejados. Máxima Verossimilhança e dos Mínimos Quadros: consistem em métodos destinados a obter estimativas. Intervalo de confiança: intervalo de valores dentro do qual o parâmetro tem probabilidade de se situar. Nível de significância (α): representa a probabilidade que se está cometendo quando se afirma que a probabilidade do intervalo de confiança contenha o parâmetro desejado. Nível de confiança (1-α): grau de certeza de que um intervalo de confiança inclui o parâmetro. Qualidades desejáveis de um estimador Intervalo de confiança para π p ~ N(µ; σ2) para n > 30 3. TESTES DE HIPÓTESE 3.1. ELEMENTOS ESSENCIAIS Teste de hipótese: consiste em uma regra de decisão que permite aceitar ou rejeitar uma hipótese estatística com base em dados obtidos de uma amostra. Teste paramétrico: procedimento estatístico que exige que a característica estudada seja distribuída normalmente na população e que o pesquisador disponha de dados intervalares. Teste não paramétrico: procedimento estatístico que não faz nenhuma suposição sobre a maneira como a característica em estudo se distribui na população e que exige apenas dados ordinais ou nominais. Hipótese nula (Ho): é a hipótese a ser testada, admitindo-se que a qualquer diferença entre a estimativa e o parâmetro seja devido apenas ao acaso, ou seja, que tal diferença não é significativa. Hipótese alternativa (H1): é qualquer hipótese diferente da hipótese nula. Essa hipótese encara que qualquer diferença observada entre a estimativa e o parâmetro é verdadeira e não apenas devido ao erro amostra. Nível de significância (α): nível de probabilidade em que a hipótese nula é rejeitada . Poder de um teste: capacidade de um teste estatístico de rejeitar Ho quando ela é, de fato, falsa e deve ser rejeitada. Teste unilateral: teste em que Ho é rejeitada para grandes diferenças em apenas uma direção. Teste bilateral: teste usado quando a hipótese nula é rejeitada para grandes diferenças em ambas as direções. Região crítica (região de rejeição de Ho): área na cauda de uma distribuição amostral que indica que a Ho deve ser rejeitada. Região de aceitação de Ho: área de uma distribuição amostral que indica que Ho deve ser aceito. Erro Tipo I: consiste em rejeitar Ho quando ela é verdadeira. Erro Tipo II: consiste em aceitar Ho quando ela é falsa. 2.3. ESTIMATIVA INTERVALAR
