Este documento discute propriedades de estimadores estatísticos. Apresenta a definição de estimador não-viesado como aquele cujo valor esperado é igual ao parâmetro que se pretende estimar. Fornece exemplos ilustrativos de estimadores não-viesados, como a média amostral e a proporção amostral. Também mostra que a variância amostral é um estimador viesado e pede que se verifique se um determinado estimador para a média é não-viesado.
Este documento discute propriedades de estimadores estatísticos. Apresenta a definição de estimador não-viesado como aquele cujo valor esperado é igual ao parâmetro que se pretende estimar. Fornece exemplos ilustrativos de estimadores não-viesados, como a média amostral e a proporção amostral. Também mostra que a variância amostral é um estimador viesado e pede que se verifique se um determinado estimador para a média é não-viesado.
Este documento discute propriedades de estimadores estatísticos. Apresenta a definição de estimador não-viesado como aquele cujo valor esperado é igual ao parâmetro que se pretende estimar. Fornece exemplos ilustrativos de estimadores não-viesados, como a média amostral e a proporção amostral. Também mostra que a variância amostral é um estimador viesado e pede que se verifique se um determinado estimador para a média é não-viesado.
Este documento discute propriedades de estimadores estatísticos. Apresenta a definição de estimador não-viesado como aquele cujo valor esperado é igual ao parâmetro que se pretende estimar. Fornece exemplos ilustrativos de estimadores não-viesados, como a média amostral e a proporção amostral. Também mostra que a variância amostral é um estimador viesado e pede que se verifique se um determinado estimador para a média é não-viesado.
Baixe no formato PDF, TXT ou leia online no Scribd
Fazer download em pdf ou txt
Você está na página 1/ 5
Estatística Aplicada II
Propriedade dos Estimadores
AULA 18 – 27/10/16
Profa Lilian M. Lima Cunha
Propriedade 1: Estimador Não-Viesado
Definição: Um estimador T é não-viesado (ou não- tendencioso) se seu valor esperado for o próprio parâmetro θ que se pretende estimar, isto é, E(T) = θ
Se o estimador erra, em média, dizemos que ele é
viesado, e a diferença entre sua média e o valor verdadeiro do parâmetro é chamado de viés: Viés = E(T) - θ
1 Exemplo 1 - Ilustrativo:
Tomemos uma população cuja distribuição é: uma
cidade em que metade da população recebe R$450,00 (salários baixos) e a outra metade recebe R$900,00 (salários altos).
Sem saber disso, um pesquisador quer saber qual o
salário médio da população da cidade e utiliza, para isso, uma amostra de 3 elementos.
Possibilidades no sorteio Amostra Média encontrada Amostral BBB 450,00 8 amostras de 3 BBA 600,00 elementos BAB 600,00 B = salario baixo ABB 600,00 A = salário alto BAA 750,00 ABA 750,00 AAB 750,00 AAA 900,00 1× 450 + 3 × 600 + 3 × 750 + 1× 900 E( X ) = = 675,00 8
2 Exemplo 2: A média amostral X é um estimador não viesado E( X ) = µ Exemplo 3: A proporção amostral p̂ é um estimador não viesado. E ( pˆ ) = p 2 Exemplo 4: Mostre que a variância amostral σˆ é um estimador viesado.
^ 2 1 N σ = n ∑i =1 ( X i − X )2
Considere a variância populacional abaixo, N elementos na população:
1 N σ2 = N ∑i =1 ( X i − µ )2 1 N µ = ∑i =1 X i é a média populacional N Um possível estimador para σ2 (baseado numa AAS de tamanho n):
^ 2 1 N σ = n ∑i =1 ( X i − X )2 é um estimador viesado
3 Exemplo 5: Verifique se o estimador abaixo, para a média, é não-viesado. Caso não seja, calcule o viés:
n ∑Xi M 2 = i =1 n +1
Entregar: A variável aleatória X tem média µ e variância unitária. Um pesquisador resolve utilizar os seguintes estimadores para a média:
1 1 1 1 1 1 µˆ1 = X1 + X 2 + X 3 µˆ 2 = X1 + X 2 + X 3 6 3 2 3 3 3
1 1 1 µˆ 3 = X1 + X 2 + X 3 4 6 3
Verifique qual(is) é (são) não viesados para µ. Quando
for viesado, calcule o viés.
4 REFERÊNCIAS BIBLIOGRÁFICAS
Bussab, W.º; Morettin, P.A. (2002). Estatistica Básica, Editora Saraiva, São Paulo – Brasil – Cap 11 pgs 289-296
Hoffmann, R. (2006). Estatistica para Economistas. Cap 9 pg113-128 – 4ª edição
Hoffmann, R. (2006). Estatistica para Economistas. 4ª edição. Cap 6 pg57
