professora ana herm nia andrade - home.ufam.edu.brhome.ufam.edu.br/anaherminia/estatistica...
Post on 13-Feb-2018
215 Views
Preview:
TRANSCRIPT
Estimacao pontual
Estimacao pontual
Professora Ana Hermınia Andrade
Universidade Federal do AmazonasFaculdade de Estudos Sociais
Departamento de Economia e Analise
Perıodo 2017.1
Estimacao pontual
Introducao
Exemplo
Desejamos comprar um rifle e, apos algumas selecoes, restaramquartro alternativas, A, B, C e D. Foi feito um teste com cadarifle, que consistiu em fixa-lo num cavalete, mirar o centro de umalvo e diparar 15 tiros.
Estimacao pontual
Introducao
Criterios
em media acertar o alvo (A e C)
nao ser muito disperso (C e D)
Podemos descrever cada arma da seguinte maneira:
A: nao viesada, pouco acurada e baixa precisao
B: viesada, pouco acurada e baixa precisao
C: nao viesada, muito acurada e boa precisao
D: viesada, pouco acurada e alta precisao
Observacao:
A acuracia mede a proximidade da cada observacao do valor alvoque se procura atingir, enquanto a precisao mede a proximidade decada observacao da media de todas as observacoes.
Estimacao pontual
Propriedades dos estimadores
Considere uma amostra (X1, . . . ,Xn) de uma v.a. que descreveuma caracterıstica de interesse da populacao. Seja θ o parametroque desejamos estimar, por exemplo, a media µ = E(X ) ou avariancia σ2 = Var(X ).
Definicao
Um estimador T do parametro θ e qualquer funcao da amostra,ou seja, T = g(X1, . . . ,Xn).
Temos que escolher T segundo criterios!
Definicao
O estimador T e nao viesado para θ se E(T ) = θ ∀θ.Logo, vies(T ) = E(T )− θ.
Estimadores nao viesados (ENV): X e um ENV para µ e p e umENV para p.
Estimacao pontual
Propriedades dos estimadores
Exemplo
σ2 = 1n
∑ni=1(Xi − X )2 e um ENV de σ2?
Definicao
Se T e T ′ sao dois ENV de θ e Var(T ) < Var(T ′), entao T emais efeiciente que T ′.
Definicao
Erro amostral e o erro que cometemos ao estimar o parametro θda distribuicao da v.a. X pelo estimador T = g(X1, . . . ,Xn) e edado por ε = T − θ.
Definicao
Chama-se erro quadratico medio (EQM) do estimador T de:EQM(T ; θ) = var(T ) + Vies(T )2
Estimacao pontual
Estimadores de momentos
Primeiro Momento
A media populacional e um caso particular de momento, sendo oprimeiro momento. Se X for uma v.a. contınua, com densidadef (X ), entao
µ = E(X ) =
∫ +∞
−∞xf (x)dx .
Caso geral
Podemos, em geral, definir o k-esimo momento de X por
E(X k) =
∫ +∞
−∞xk f (x)dx , k = 1, 2, ...
Estimacao pontual
Estimadores de momentos
Assim, para k = 2, obtemos o segundo momento
E(X 2) =
∫ +∞
−∞x2f (x)dx ,
Para calcularmos Var(X ) fazemos uso do primeiro e do segundomomento:
Var(X ) = E(X 2)− [E(X )]2.
Estimacao pontual
Estimadores de momentos
Definicao
Definimos o k-esimo momento amostral por
mk =1
n
∑i=1n
X ki , k = 1, 2, ...
Temos portanto que m1 = X e m2 =∑n
i=1 X2i
n .
Estimacao pontual
Estimadores de momentos
Definicao
Dizemos que θ1, . . . , θr sao estimadores obtidos pelo metodo dosmomentos se eles forem solucoes das equacoes
mk = E(X k), k = 1, 2, . . . , r .
O procedimento consiste em substituir os momentos teoricos pelosrespectivos momentos amostrais.
Estimacao pontual
Estimadores de momentos
Exemplo
Se X tem media µ e variancia σ2, teremos as seguintes relacoesvalidas para os dois primeiros momentos populacionais:
E(X ) = µ, E(X 2) = σ2 + µ2,
Os estimadores obtidos pelo metodo dos momentos serao
µ = m1 = X
σ2 = m2 −m21 =
1
n
n∑i=1
X 2i − X 2.
Ou seja, obtemos os ja mencionados estimadores X e σ2.
Estimacao pontual
Estimadores dos mınimos quadrados
Exemplo
Um engenheiro esta estudando a resistencia Y de uma fibra em funcaode seu diametro X e notou que as variaveis sao aproximadamenteproporcionais, isto e, elas obedecem a relacao Y ≈ θX , em que θ e ocoeficiente de proporcionalidade. Desejamos estimar θ numa amostra de5 unidades, que, submetidas a mensuracao e testes, produziram osresultados:
X : 1, 2 1, 5 1, 7 2, 0 2, 6 X = 1, 8;
Y : 3, 9 4, 7 5, 6 5, 8 7, 0 Y = 5, 4.
Observando os resultados conclui-se que θ = 3 parece ser um resultadorazoavel. Como verificar a qualidade desta estimativa? Podemos utilizaro modelo Y = 3X e ver como esse preve os valores de Y , para os dadosvalores de X , e como sao as discrepancias entre os valores observados eos estimados pelo modelo.
Estimacao pontual
Estimadores dos mınimos quadrados
Os valores da coluna (Y − 3X ) medem a inadequacao do modelopara cada observacao da amostra, enquanto o valor∑5
i=1(Yi − 3Xi )2 = 1, 06 e uma tentativa de medir ”‘o erro
quadratico total da amostra”’. Matematicamente, o problema eencontrar o valor de θ que minimize a funcaoS(θ) =
∑5i=1(Yi − θXi )
2.
Estimacao pontual
Estimadores dos mınimos quadrados
O mınimo da funcao e obtido derivando-a em relacao a θ eigualando o resultado a zero
dS(θ)
dθ=
5∑i=1
(Yi − θXi )(−2Xi ) = 0,
resultando em θMQ =∑5
i=1 XiYi∑5i=1 X
2i
= 2, 94.
Estimacao pontual
Estimadores dos maxima verossimilhanca
O princıpio da verossimilhanca afirma que devemos escolher aquelevalor do parametro desconhecido que maximiza a probabilidade deobter a amostra particular observada, ou seja, o valor que tornaaquela amostra a ”‘mais provavel”’.
Exemplo
Suponha que temos n provas de Bernoulli com 0 < p < 1 eX =numero de sucessos. Devemos tomar com estimador aquelevalor de p que torna a amostra observada a mais provavel deocorrer. Suponha que n = 3 e obtemos dois sucessos e umfracasso. A funcao de verossimilhanca e
L(p) = P(2 sucessos e 1 fracasso) = p2(1− p).
Estimacao pontual
Estimadores dos maxima verossimilhanca
Maximizando essa funcao em relacao a p, obtemos
L′(p) = 2p(1− p)− p2 = 0 ⇒ p(2− 3p) = 0,
do que seguem p = 0 ou p = 2/3. E facil ver que o ponto de maximo ep = 2/3, que e o estimador de maxima verossimilhanca(EMV) de p.
De modo geral o EMV do parametro p de uma distribuicao binomial e
pMV =X
n.
Observe que L(p) = px(1− p)(n−x), que e a probabilidade de se obter xsucessos e n − x fracassos. O maximo dessa funcao ocorre no mesmoponto que `(p) = logeL(p). Temos
`(p) = x log(p) + (n − x)log(1− p).
Derivando e igualando a zero obtemos pMV = x/n.
Estimacao pontual
Estimadores dos maxima verossimilhanca
Definicao
A funcao de verossimilhanca e definida por
L(θ) = f (x1) . . . f (xn),
que e funcao de θ. O EMV de θ e o valor θMV que maximiza L(θ).
Observacao
Maximizar L(θ) e o mesmo que maximizar `(θ).
Estimacao pontual
Estimadores dos maxima verossimilhanca
Exemplo
Suponha que a v.a. X tenha distribuicao exponencial, comparametro α > 0, desconhecido, e queremos obter o EMV desseparametro. A densidade de X e dada por:
f (x) =
{1αe−x/α , se α 6= 0
0 , se α < 0.
Estimacao pontual
Estimadores dos maxima verossimilhanca
Entao a verossimilhanca e dada por L(α) = (1/α)ne−∑
xi/α e alog-verossimilhanca:
`(α) = −nlogα−n∑
i=1
xi/α.
Derivando e igualando a zero obtermos que o EMV de α e
αMV =
∑ni=1 xin
,
que e a media amostral.
Observacao
No caso discreto, a funcao de verossimilhanca pode ser escrita da forma
L(θ) = P(X1 = x1) . . .P(Xn = xn).
top related