MSPC

   Informações técnicas
| Mapa | Fim pág |

 

Probabilidades e estatística III-30



Índice do grupo | Página anterior | Próxima página |

Estimador pontual - Conceito |
Estimador pontual - Método dos momentos |
Índices

Ciência dos materiais
Eletricidade e eletromagnetismo
Eletrônica digital
Eletrônica em geral
Fluidos, calor, frio, etc
Informática
Matemática
Mecânica teórica
Resistência dos materiais
Temas técnicos diversos
Temas diversos
Termodinâmica / transmissão de calor


Estimador pontual - Conceito

  | Topo pág | Fim pág |

Conforme pode ser verificado nas páginas sobre distribuições estatísticas, as funções básicas (de densidade e de distribuição) dependem sempre de um ou mais parâmetros. Exemplos: na distribuição exponencial, há o parâmetro λ; na distribuição normal, ocorrem os parâmetros μ e σ; etc.

Em muitos casos práticos, sabe-se o tipo de distribuição da população estudada e, portanto, o objetivo é determinar, a partir de uma amostra, os parâmetros para que essa distribuição fique perfeitamente definida.

Estimadores pontuais usam métodos que determinam valores (não faixa de valores) para parâmetros desconhecidos a partir dos dados da amostra.



Estimador pontual - Método dos momentos

  | Topo pág | Fim pág |

Seja uma variável aleatória X cuja distribuição estatística é dada pela função de densidade genérica:

f(x, θ1, θ2 ... θk). Onde θ1, θ2 ... θk são k parâmetros dessa função #A.1#.

Seja também uma amostra de n elementos dessa população x1, x2 ... xn.

Se é feita a igualdade dos momentos da amostra e da população até os momentos de ordem k, o resultado é um sistema de k equações cuja solução pode dar os valores dos k parâmetros anteriores:

m'j = μ'j para j = 1, 2 ... k #B.1#.


Exemplo 01: a distribuição gama é caracterizada pela função de densidade:

f(x) = [1 / Γ(α)] βα xα − 1 e−βx, tendo, portanto, os parâmetros α e β.

A média da distribuição é E(X) = μ'1 = α / β.

A variância é Var(X) = μ2 = μ'2 − (μ'1)2 = α / β2. Portanto,

m'1 = (1/n) (xi) = μ'1 = α / β.

m'2 = (1/n) (xi)2 = μ'2 = α / β2 + (μ'1)2 = α / β2 + α2 / β2.

Resolvendo essas equações, chega-se aos resultados (usando a notação de estimador para α e β):

α^ = (m'1)2 / [ m'2 − (m'1)2 ]. #C.1#

β^ = (m'1) / [ m'2 − (m'1)2 ]. #C.2#


Exemplo 02: para a distribuição normal, a função de densidade é

f(x) = [ 1 / (σ √2π) ] e−(x − μ)² / (2 σ²) com os parâmetros:

E(X) = μ'1 = μ.
Var(X) = μ2 = μ'2 − (μ'1)2 = σ2.

Igualando os momentos da população e da amostra,

m'1 = (1/n) (xi) = μ'1 = μ.

m'2 = (1/n) (xi)2 = μ'2 = σ2 + (μ'1)2.

Considerando as relações dadas na página anterior s2 = m2 = m'2 − (m'1)2 e resolvendo as igualdades acima,

μ^ = m'1 = (1/n) (xi) = x #D.1#.

σ^2 = m2 = (1/n) (xix)2 #D.2#.


Topo | Índice do grupo | Página anterior | Próxima página | Última revisão ou atualização: Fev/2008
Melhor visto com
1024x768 px

Termos de uso


Referências:
NIST/SEMATECH e-Handbook of Statistical Methods. http://www.itl.nist.gov/div898/handbook/.