SlideShare uma empresa Scribd logo
concurseiro_estatistico@outlook.com
Preliminares
Seja uma população nita de tamanho N , digamos:
U = {1, 2, . . . , N}
Seja uma amostra de tamanho n :
s = {1, 2, . . . , n}
Considere o elemento i ∈ U , associamos ao elemento i a probabilidade πi de
inclusão na amostra :
πi = P(i ∈ s), i = 1, 2, 3, . . . , N
Preliminares
Seja δi a variável aleatória que indica a presença da unidade i na amostra s:
δi =
1, i ∈ s
0, i /∈ s
⇒
P(δi = 1) = πi
P(δi = 0) = 1 − πi
Se (i, j) ∈ U , associamos a probabilidade πi,j de segunda ordem :
πij = P(i ∈ s, j ∈ s)
Planejamento Amostral
Um dos trabalhos do estatístico é realizar procedimentos amostrais probabilísticos.
Pelo procedimento desenhado deve-se garantir que cada amostra possível de ocorrer
tenha associada a ela uma probabilidade de ocorrência.
Assim, no conjunto de todas as amostras possíveis
S(U), devemos ter P(S = s) ≥ 0, e
s∈S
P(S = s) = 1
Ao procedimento desenhado chamamos de
£
¢
 
¡PLANEJAMENTO AMOSTRAL.
Preliminares
Ao recolhermos a amostra, ca associado a cada elemento k da amostra
s = {1, 2, . . . , n}
o valor yk, 1 ≤ k ≤ n (a variável de interesse!).
Viés. Se quisermos estimar o total populacional: y =
i∈U
yi por uma amostra
s = {y1, y2, . . . , yn}, n  N. Intuitivamente podemos usar
y =
k∈s
yk ⇒ Estimador Enviesado!
Peso Amostral
Podemos usar uma combinação linear dos elementos da amostra :
y =
k∈s
ωkyk
Vamos reescrever este estimador da seguinte forma :
y =
i∈U
ωiyiδi
Probabilidade de Inclusão  AASs
Seja {U1, U2, . . . , Un} temos
N
n
amostras de tamanho n
⇒ p(s) =



1
N
n
, se s tem n elementos
0 , caso contrário
Um determinado elemento k aparece em
N − 1
n − 1
amostras. Sua probabilidade de
inclusão πk é
πi =
N − 1
n − 1
N
n
=
(N − 1)!
(n − 1)!(N − n)!
·
n!(N − n)!
N!
=
n
N
Peso Amostral
O peso amostral da unidade k de uma amostra probabilística é igual ao inverso
de sua probabilidade de inclusão nessa amostra.
Para a AAS (Sem Reposição)
πk = P(Uk ⊂ s) =
n
N
⇒ wk =
1
πk
=
N
n
= 400/800 = 2
Onde wi é o peso amostral.
Interpretação intuitiva: o peso amostral representa o número de unidades
da população representadas pela unidade Uk da amostra
PACOTE CESPE/CEBRASPE
MPU/2013;
STF/2013;
FUB/2013;
FUB/2015;
TCE/2016 - Fiscalização;
TCE/2016 - Administração.
TSE/2006.
Amostragem - Peso Amostral

Mais conteúdo relacionado

Mais procurados

DISTRIBUSI SAMPLING & TEOREMA NILAI TENGAH
DISTRIBUSI SAMPLING & TEOREMA NILAI TENGAHDISTRIBUSI SAMPLING & TEOREMA NILAI TENGAH
DISTRIBUSI SAMPLING & TEOREMA NILAI TENGAH
Universitas Qomaruddin, Gresik, Indonesia
 
Ee184405 statistika dan stokastik statistik deskriptif 1 grafik
Ee184405 statistika dan stokastik   statistik deskriptif 1 grafikEe184405 statistika dan stokastik   statistik deskriptif 1 grafik
Ee184405 statistika dan stokastik statistik deskriptif 1 grafik
yusufbf
 
Ukuran Pemusatan Data
Ukuran Pemusatan DataUkuran Pemusatan Data
Ukuran Pemusatan Data
Ritanursarita1
 
Aula 1 - Estatística Inferencial
Aula 1 - Estatística InferencialAula 1 - Estatística Inferencial
Aula 1 - Estatística Inferencial
Caroline Godoy
 
Analisis Klaster (2)
Analisis Klaster (2)Analisis Klaster (2)
Analisis Klaster (2)
Rani Nooraeni
 
Statistika Konsep Peluang
Statistika Konsep PeluangStatistika Konsep Peluang
Statistika Konsep Peluang
Eko Mardianto
 
Peluang_Statistika
Peluang_StatistikaPeluang_Statistika
Peluang_Statistika
AhmadTeguh
 
Teste de hipoteses
Teste de hipotesesTeste de hipoteses
Teste de hipoteses
zimbu
 
Ppt singkat pengantar statistika kel 1
Ppt singkat pengantar statistika kel 1Ppt singkat pengantar statistika kel 1
Ppt singkat pengantar statistika kel 1
LianaAndini
 
Analisis perancangan survey
Analisis perancangan surveyAnalisis perancangan survey
Analisis perancangan survey
Retno Eno
 
RPS Metodologi Penelitian.pdf
RPS Metodologi Penelitian.pdfRPS Metodologi Penelitian.pdf
RPS Metodologi Penelitian.pdf
MTs Nurul Huda Sukaraja
 
T2 Hottelling
T2 HottellingT2 Hottelling
04 - Teori Peluang.pdf
04 - Teori Peluang.pdf04 - Teori Peluang.pdf
04 - Teori Peluang.pdf
Elvi Rahmi
 
6. anggaran produksi
6.  anggaran produksi6.  anggaran produksi
6. anggaran produksi
NabilaAchmad
 
4 .ukuran pemusatan data
4 .ukuran pemusatan data4 .ukuran pemusatan data
4 .ukuran pemusatan data
Hafiza .h
 
STATISTIKA_PENYAJIAN DATA tunggal dan kelompok.pptx
STATISTIKA_PENYAJIAN DATA tunggal dan kelompok.pptxSTATISTIKA_PENYAJIAN DATA tunggal dan kelompok.pptx
STATISTIKA_PENYAJIAN DATA tunggal dan kelompok.pptx
arvinassi36
 
Ukuran penyebaran data
Ukuran penyebaran dataUkuran penyebaran data
Ukuran penyebaran data
Eko Supriyadi
 
03 simple-random-sampling 2019
03 simple-random-sampling 201903 simple-random-sampling 2019
03 simple-random-sampling 2019
widyareza2
 
Statistika Uji Rerata 2 Berpasangan
Statistika Uji Rerata 2 BerpasanganStatistika Uji Rerata 2 Berpasangan
Statistika Uji Rerata 2 Berpasangan
Siti Sahati
 

Mais procurados (20)

DISTRIBUSI SAMPLING & TEOREMA NILAI TENGAH
DISTRIBUSI SAMPLING & TEOREMA NILAI TENGAHDISTRIBUSI SAMPLING & TEOREMA NILAI TENGAH
DISTRIBUSI SAMPLING & TEOREMA NILAI TENGAH
 
Ee184405 statistika dan stokastik statistik deskriptif 1 grafik
Ee184405 statistika dan stokastik   statistik deskriptif 1 grafikEe184405 statistika dan stokastik   statistik deskriptif 1 grafik
Ee184405 statistika dan stokastik statistik deskriptif 1 grafik
 
Ukuran Pemusatan Data
Ukuran Pemusatan DataUkuran Pemusatan Data
Ukuran Pemusatan Data
 
Aula 1 - Estatística Inferencial
Aula 1 - Estatística InferencialAula 1 - Estatística Inferencial
Aula 1 - Estatística Inferencial
 
Analisis Klaster (2)
Analisis Klaster (2)Analisis Klaster (2)
Analisis Klaster (2)
 
Statistika Konsep Peluang
Statistika Konsep PeluangStatistika Konsep Peluang
Statistika Konsep Peluang
 
Peluang_Statistika
Peluang_StatistikaPeluang_Statistika
Peluang_Statistika
 
Teste de hipoteses
Teste de hipotesesTeste de hipoteses
Teste de hipoteses
 
Ppt singkat pengantar statistika kel 1
Ppt singkat pengantar statistika kel 1Ppt singkat pengantar statistika kel 1
Ppt singkat pengantar statistika kel 1
 
Analisis perancangan survey
Analisis perancangan surveyAnalisis perancangan survey
Analisis perancangan survey
 
RPS Metodologi Penelitian.pdf
RPS Metodologi Penelitian.pdfRPS Metodologi Penelitian.pdf
RPS Metodologi Penelitian.pdf
 
T2 Hottelling
T2 HottellingT2 Hottelling
T2 Hottelling
 
04 - Teori Peluang.pdf
04 - Teori Peluang.pdf04 - Teori Peluang.pdf
04 - Teori Peluang.pdf
 
6. anggaran produksi
6.  anggaran produksi6.  anggaran produksi
6. anggaran produksi
 
4 .ukuran pemusatan data
4 .ukuran pemusatan data4 .ukuran pemusatan data
4 .ukuran pemusatan data
 
STATISTIKA_PENYAJIAN DATA tunggal dan kelompok.pptx
STATISTIKA_PENYAJIAN DATA tunggal dan kelompok.pptxSTATISTIKA_PENYAJIAN DATA tunggal dan kelompok.pptx
STATISTIKA_PENYAJIAN DATA tunggal dan kelompok.pptx
 
Ukuran penyebaran data
Ukuran penyebaran dataUkuran penyebaran data
Ukuran penyebaran data
 
03 simple-random-sampling 2019
03 simple-random-sampling 201903 simple-random-sampling 2019
03 simple-random-sampling 2019
 
METODOLOGIA DA PESQUISA
METODOLOGIA DA PESQUISAMETODOLOGIA DA PESQUISA
METODOLOGIA DA PESQUISA
 
Statistika Uji Rerata 2 Berpasangan
Statistika Uji Rerata 2 BerpasanganStatistika Uji Rerata 2 Berpasangan
Statistika Uji Rerata 2 Berpasangan
 

Semelhante a Amostragem - Peso Amostral

Técnicas de Amostragem - Aula #1
Técnicas de Amostragem - Aula #1Técnicas de Amostragem - Aula #1
Técnicas de Amostragem - Aula #1
Anselmo Alves de Sousa
 
Técnicas de Amostragem - Aula #2 - Planejamento Amostral
Técnicas de Amostragem - Aula #2 - Planejamento AmostralTécnicas de Amostragem - Aula #2 - Planejamento Amostral
Técnicas de Amostragem - Aula #2 - Planejamento Amostral
Anselmo Alves de Sousa
 
Lista 1 - FUV - Resolução
Lista 1 - FUV - ResoluçãoLista 1 - FUV - Resolução
Lista 1 - FUV - Resolução
Rodrigo Thiago Passos Silva
 
06 eac proj vest mat módulo 1 noções de probabilidade
06 eac proj vest mat módulo 1 noções de probabilidade06 eac proj vest mat módulo 1 noções de probabilidade
06 eac proj vest mat módulo 1 noções de probabilidadecon_seguir
 
A matemática do ensino médio vol 1
A matemática do ensino médio vol 1A matemática do ensino médio vol 1
A matemática do ensino médio vol 1joutrumundo
 

Semelhante a Amostragem - Peso Amostral (6)

Técnicas de Amostragem - Aula #1
Técnicas de Amostragem - Aula #1Técnicas de Amostragem - Aula #1
Técnicas de Amostragem - Aula #1
 
Técnicas de Amostragem - Aula #2 - Planejamento Amostral
Técnicas de Amostragem - Aula #2 - Planejamento AmostralTécnicas de Amostragem - Aula #2 - Planejamento Amostral
Técnicas de Amostragem - Aula #2 - Planejamento Amostral
 
Lista 1 - FUV - Resolução
Lista 1 - FUV - ResoluçãoLista 1 - FUV - Resolução
Lista 1 - FUV - Resolução
 
06 eac proj vest mat módulo 1 noções de probabilidade
06 eac proj vest mat módulo 1 noções de probabilidade06 eac proj vest mat módulo 1 noções de probabilidade
06 eac proj vest mat módulo 1 noções de probabilidade
 
A matemática do ensino médio vol 1
A matemática do ensino médio vol 1A matemática do ensino médio vol 1
A matemática do ensino médio vol 1
 
04 probabilidade
04 probabilidade04 probabilidade
04 probabilidade
 

Mais de Anselmo Alves de Sousa

Medias moveis - Análise de Séries Temporais
Medias moveis - Análise de Séries TemporaisMedias moveis - Análise de Séries Temporais
Medias moveis - Análise de Séries Temporais
Anselmo Alves de Sousa
 
ANPEC/2019 - Propriedades dos Estimadores de Mínimos Quadrados
ANPEC/2019 - Propriedades dos Estimadores de Mínimos QuadradosANPEC/2019 - Propriedades dos Estimadores de Mínimos Quadrados
ANPEC/2019 - Propriedades dos Estimadores de Mínimos Quadrados
Anselmo Alves de Sousa
 
Anpec - 2019 Estatística - Questão 1
Anpec - 2019 Estatística - Questão 1Anpec - 2019 Estatística - Questão 1
Anpec - 2019 Estatística - Questão 1
Anselmo Alves de Sousa
 
Pseudo-sigma
Pseudo-sigmaPseudo-sigma
Random walk - Passeio Aleatório
Random walk - Passeio AleatórioRandom walk - Passeio Aleatório
Random walk - Passeio Aleatório
Anselmo Alves de Sousa
 
Regressao Linear Simples - Pessupostos
Regressao Linear Simples - PessupostosRegressao Linear Simples - Pessupostos
Regressao Linear Simples - Pessupostos
Anselmo Alves de Sousa
 
Introdução à probabilidade - Probabilidade frequentista
Introdução à probabilidade - Probabilidade frequentistaIntrodução à probabilidade - Probabilidade frequentista
Introdução à probabilidade - Probabilidade frequentista
Anselmo Alves de Sousa
 
Aula 1 Probabilidade Introdução
Aula 1 Probabilidade IntroduçãoAula 1 Probabilidade Introdução
Aula 1 Probabilidade Introdução
Anselmo Alves de Sousa
 
Desigualdade de Markov - Resolução de Questão de Estatística
Desigualdade de Markov - Resolução de Questão de EstatísticaDesigualdade de Markov - Resolução de Questão de Estatística
Desigualdade de Markov - Resolução de Questão de Estatística
Anselmo Alves de Sousa
 
Teste do sinal - Estatística Não Paramétrica
Teste do sinal - Estatística Não ParamétricaTeste do sinal - Estatística Não Paramétrica
Teste do sinal - Estatística Não Paramétrica
Anselmo Alves de Sousa
 
Intervalo de Confiança para a Mediana amostral - Teste do Sinal
Intervalo de Confiança para a Mediana amostral - Teste do SinalIntervalo de Confiança para a Mediana amostral - Teste do Sinal
Intervalo de Confiança para a Mediana amostral - Teste do Sinal
Anselmo Alves de Sousa
 
Cadeias de Markov em Tempo Discreto
Cadeias de Markov em Tempo DiscretoCadeias de Markov em Tempo Discreto
Cadeias de Markov em Tempo Discreto
Anselmo Alves de Sousa
 
Modelo de Regressão nao-linear
Modelo de Regressão nao-linearModelo de Regressão nao-linear
Modelo de Regressão nao-linear
Anselmo Alves de Sousa
 
Entropia da Informação - Shannon
Entropia da Informação - ShannonEntropia da Informação - Shannon
Entropia da Informação - Shannon
Anselmo Alves de Sousa
 
Análise Espectral e Modelos ARIMA - Autocorrelação modelo ARIMA(2,1,0)
Análise Espectral e Modelos ARIMA - Autocorrelação modelo ARIMA(2,1,0)Análise Espectral e Modelos ARIMA - Autocorrelação modelo ARIMA(2,1,0)
Análise Espectral e Modelos ARIMA - Autocorrelação modelo ARIMA(2,1,0)
Anselmo Alves de Sousa
 
Função de Autocovariância Modelo AR(1) - Séries Temporais
Função de Autocovariância Modelo AR(1) - Séries TemporaisFunção de Autocovariância Modelo AR(1) - Séries Temporais
Função de Autocovariância Modelo AR(1) - Séries Temporais
Anselmo Alves de Sousa
 
Média e Variância da Distribuição Beta de Probabilidades
Média e Variância da Distribuição Beta de ProbabilidadesMédia e Variância da Distribuição Beta de Probabilidades
Média e Variância da Distribuição Beta de Probabilidades
Anselmo Alves de Sousa
 
Entropia da Distribuição Uniforme
Entropia da Distribuição UniformeEntropia da Distribuição Uniforme
Entropia da Distribuição Uniforme
Anselmo Alves de Sousa
 
Diferença entre Variáveis Aleatórias
Diferença entre Variáveis AleatóriasDiferença entre Variáveis Aleatórias
Diferença entre Variáveis Aleatórias
Anselmo Alves de Sousa
 
Relação empírica entre média moda e mediana
Relação empírica entre média moda e medianaRelação empírica entre média moda e mediana
Relação empírica entre média moda e mediana
Anselmo Alves de Sousa
 

Mais de Anselmo Alves de Sousa (20)

Medias moveis - Análise de Séries Temporais
Medias moveis - Análise de Séries TemporaisMedias moveis - Análise de Séries Temporais
Medias moveis - Análise de Séries Temporais
 
ANPEC/2019 - Propriedades dos Estimadores de Mínimos Quadrados
ANPEC/2019 - Propriedades dos Estimadores de Mínimos QuadradosANPEC/2019 - Propriedades dos Estimadores de Mínimos Quadrados
ANPEC/2019 - Propriedades dos Estimadores de Mínimos Quadrados
 
Anpec - 2019 Estatística - Questão 1
Anpec - 2019 Estatística - Questão 1Anpec - 2019 Estatística - Questão 1
Anpec - 2019 Estatística - Questão 1
 
Pseudo-sigma
Pseudo-sigmaPseudo-sigma
Pseudo-sigma
 
Random walk - Passeio Aleatório
Random walk - Passeio AleatórioRandom walk - Passeio Aleatório
Random walk - Passeio Aleatório
 
Regressao Linear Simples - Pessupostos
Regressao Linear Simples - PessupostosRegressao Linear Simples - Pessupostos
Regressao Linear Simples - Pessupostos
 
Introdução à probabilidade - Probabilidade frequentista
Introdução à probabilidade - Probabilidade frequentistaIntrodução à probabilidade - Probabilidade frequentista
Introdução à probabilidade - Probabilidade frequentista
 
Aula 1 Probabilidade Introdução
Aula 1 Probabilidade IntroduçãoAula 1 Probabilidade Introdução
Aula 1 Probabilidade Introdução
 
Desigualdade de Markov - Resolução de Questão de Estatística
Desigualdade de Markov - Resolução de Questão de EstatísticaDesigualdade de Markov - Resolução de Questão de Estatística
Desigualdade de Markov - Resolução de Questão de Estatística
 
Teste do sinal - Estatística Não Paramétrica
Teste do sinal - Estatística Não ParamétricaTeste do sinal - Estatística Não Paramétrica
Teste do sinal - Estatística Não Paramétrica
 
Intervalo de Confiança para a Mediana amostral - Teste do Sinal
Intervalo de Confiança para a Mediana amostral - Teste do SinalIntervalo de Confiança para a Mediana amostral - Teste do Sinal
Intervalo de Confiança para a Mediana amostral - Teste do Sinal
 
Cadeias de Markov em Tempo Discreto
Cadeias de Markov em Tempo DiscretoCadeias de Markov em Tempo Discreto
Cadeias de Markov em Tempo Discreto
 
Modelo de Regressão nao-linear
Modelo de Regressão nao-linearModelo de Regressão nao-linear
Modelo de Regressão nao-linear
 
Entropia da Informação - Shannon
Entropia da Informação - ShannonEntropia da Informação - Shannon
Entropia da Informação - Shannon
 
Análise Espectral e Modelos ARIMA - Autocorrelação modelo ARIMA(2,1,0)
Análise Espectral e Modelos ARIMA - Autocorrelação modelo ARIMA(2,1,0)Análise Espectral e Modelos ARIMA - Autocorrelação modelo ARIMA(2,1,0)
Análise Espectral e Modelos ARIMA - Autocorrelação modelo ARIMA(2,1,0)
 
Função de Autocovariância Modelo AR(1) - Séries Temporais
Função de Autocovariância Modelo AR(1) - Séries TemporaisFunção de Autocovariância Modelo AR(1) - Séries Temporais
Função de Autocovariância Modelo AR(1) - Séries Temporais
 
Média e Variância da Distribuição Beta de Probabilidades
Média e Variância da Distribuição Beta de ProbabilidadesMédia e Variância da Distribuição Beta de Probabilidades
Média e Variância da Distribuição Beta de Probabilidades
 
Entropia da Distribuição Uniforme
Entropia da Distribuição UniformeEntropia da Distribuição Uniforme
Entropia da Distribuição Uniforme
 
Diferença entre Variáveis Aleatórias
Diferença entre Variáveis AleatóriasDiferença entre Variáveis Aleatórias
Diferença entre Variáveis Aleatórias
 
Relação empírica entre média moda e mediana
Relação empírica entre média moda e medianaRelação empírica entre média moda e mediana
Relação empírica entre média moda e mediana
 

Amostragem - Peso Amostral

  • 2.
  • 3.
  • 4. Preliminares Seja uma população nita de tamanho N , digamos: U = {1, 2, . . . , N} Seja uma amostra de tamanho n : s = {1, 2, . . . , n} Considere o elemento i ∈ U , associamos ao elemento i a probabilidade πi de inclusão na amostra : πi = P(i ∈ s), i = 1, 2, 3, . . . , N
  • 5. Preliminares Seja δi a variável aleatória que indica a presença da unidade i na amostra s: δi = 1, i ∈ s 0, i /∈ s ⇒ P(δi = 1) = πi P(δi = 0) = 1 − πi Se (i, j) ∈ U , associamos a probabilidade πi,j de segunda ordem : πij = P(i ∈ s, j ∈ s)
  • 6. Planejamento Amostral Um dos trabalhos do estatístico é realizar procedimentos amostrais probabilísticos. Pelo procedimento desenhado deve-se garantir que cada amostra possível de ocorrer tenha associada a ela uma probabilidade de ocorrência. Assim, no conjunto de todas as amostras possíveis S(U), devemos ter P(S = s) ≥ 0, e s∈S P(S = s) = 1 Ao procedimento desenhado chamamos de £ ¢   ¡PLANEJAMENTO AMOSTRAL.
  • 7. Preliminares Ao recolhermos a amostra, ca associado a cada elemento k da amostra s = {1, 2, . . . , n} o valor yk, 1 ≤ k ≤ n (a variável de interesse!). Viés. Se quisermos estimar o total populacional: y = i∈U yi por uma amostra s = {y1, y2, . . . , yn}, n N. Intuitivamente podemos usar y = k∈s yk ⇒ Estimador Enviesado!
  • 8. Peso Amostral Podemos usar uma combinação linear dos elementos da amostra : y = k∈s ωkyk Vamos reescrever este estimador da seguinte forma : y = i∈U ωiyiδi
  • 9. Probabilidade de Inclusão AASs Seja {U1, U2, . . . , Un} temos N n amostras de tamanho n ⇒ p(s) =    1 N n , se s tem n elementos 0 , caso contrário Um determinado elemento k aparece em N − 1 n − 1 amostras. Sua probabilidade de inclusão πk é πi = N − 1 n − 1 N n = (N − 1)! (n − 1)!(N − n)! · n!(N − n)! N! = n N
  • 10. Peso Amostral O peso amostral da unidade k de uma amostra probabilística é igual ao inverso de sua probabilidade de inclusão nessa amostra. Para a AAS (Sem Reposição) πk = P(Uk ⊂ s) = n N ⇒ wk = 1 πk = N n = 400/800 = 2 Onde wi é o peso amostral. Interpretação intuitiva: o peso amostral representa o número de unidades da população representadas pela unidade Uk da amostra
  • 11.
  • 12. PACOTE CESPE/CEBRASPE MPU/2013; STF/2013; FUB/2013; FUB/2015; TCE/2016 - Fiscalização; TCE/2016 - Administração. TSE/2006.