Fdocumentos - Tips - Elementos de Amostragem Heleno Bolfarine Wilton Oliveira Bussab
Fdocumentos - Tips - Elementos de Amostragem Heleno Bolfarine Wilton Oliveira Bussab
Fdocumentos - Tips - Elementos de Amostragem Heleno Bolfarine Wilton Oliveira Bussab
Elementos de Amostragem
Maio, 2004
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 1/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
ii
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 2/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
Conte´ udo
1 No¸cões b´asicas 1
1.1 Palavras-chave . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2 Guia para um levantamento amostral . . . . . . . . . . . . . . . . . . 2
1.3 O que se pretende conhecer? . . . . . . . . . . . . . . . . . . . . . . . 3
1.3.1 Qual a quest˜ao a ser respondida? . . . . . . . . . . . . . . . . 3
1.3.2 A operacionaliza¸cão dos conceitos . . . . . . . . . . . . . . . 4
1.3.3 Variáveis e atributos . . . . . . . . . . . . . . . . . . . . . . . 5
1.3.4 Especica¸cão dos parˆametros . . . . . . . . . . . . . . . . . . 5
1.4 De quem se está falando . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.4.1 Unidade elementar, amostral e resposta . . . . . . . . . . . . 6
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 3/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
iv CONTE ÚDO
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 4/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
CONTE ÚDO v
4 Amostragem estraticada 93
4.1 Nota¸cão e relações úteis . . . . . . . . . . . . . . . . . . . . . . . . . 96
4.2 Estima¸cão do total e da média populacional . . . . . . . . . . . . . . 100
4.3 Alocação da amostra pelos estratos . . . . . . . . . . . . . . . . . . . 101
4.3.1 Alocação proporcional . . . . . . . . . . . . . . . . . . . . . . 102
4.3.2 Alocação uniforme . . . . . . . . . . . . . . . . . . . . . . . . 103
4.3.3 Alocação ótima de Neyman . . . . . . . . . . . . . . . . . . . 104
4.3.4 Efeito do planejamento . . . . . . . . . . . . . . . . . . . . . 106
4.4 Normalidade assint´otica e intervalos de conan¸ ca . . . . . . . . . . . 109
4.5 Determina¸cão do tamanho da amostra . . . . . . . . . . . . . . . . . 109
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 5/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
vi CONTE ÚDO
9 Estima¸ c˜
ao com probabilidades desiguais 225
9.1 Caso geral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 226
9.2 Amostragem por conglomerados . . . . . . . . . . . . . . . . . . . . . 230
9.3 Estimador raz˜ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 231
9.4 Amostragem em dois est´agios . . . . . . . . . . . . . . . . . . . . . . 231
9.5 O estimador de Horwitz–Thompson . . . . . . . . . . . . . . . . . . 232
9.6 Amostragem de Bernoulli . . . . . . . . . . . . . . . . . . . . . . . . 235
Exercı́cios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 236
Te´oricos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 236
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 6/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
A Rela¸ c˜
ao de palavras-chave 261
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 7/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 8/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
Lista de Figuras
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 9/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
x LISTA DE FIGURAS
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 10/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
Lista de Tabelas
2
3.1
3.2
Valores de y, s e P (s) para as amostras
Distribui¸cão amostral de y na AASc . .
s
.
em
. . S. AASc . . . . . . . . .
. . . . . . . . . . . .
67
68
3.3 Distribui¸cão amostral de s2 na AASc . . . . . . . . . . . . . . . . . . 68
Valores de y, s 2 e P (s) para as amostras
3.4 s em
SAASs . . . . . . . . . 77
3.5 Distribui¸cão amostral de y na AASs . . . . . . . . . . . . . . . . . . 77
3.6 Distribui¸cão amostral de s2 na AASs . . . . . . . . . . . . . . . . . . 78
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 11/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 12/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
Cap´ıtulo 1
No¸cões b´
asicas
lecidos para o uso cientı́co dos processos amostrais. Desse modo, necessita-se de
teoria que descreva as propriedades e impropriedades de alguns protocolos de obter
amostras. Esse é o objetivo do livro: apresentar os princ´ıpios b´ asicos de uma “Teo-
ria de Amostragem”. Cursos introdut´ orios de inferência estatı́stica também ensinam
a fornecer resultados para o todo baseando-se em resultados da amostra, porém a
ênfase é dada para popula¸ cões innitas, ou o que é muito mais comum, a amostra é
retirada de uma distribui¸ cão de probabilidade. N˜ao se discute muito como a amostra
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 13/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
2 No¸cões b´asicas
1.1 Palavras-chave
Toda teoria, e amostragem n˜ ao foge a regra, necessita de um conjunto de conceitos
e termos técnicos sobre a qual ela se fundamenta. Estes conceitos ir˜ ao aparecendo
pelos diversos capı́tulos conforme se tornarem necess´ arios. Porém, é conveniente para
unicar a linguagem e tornar mais clara a explica¸ cão, denir alguns desses conceitos,
mesmo que de forma abreviada. No Apêndice A est˜ ao listadas e descritas algumas
palavras-chave que atendem a esse objetivo. Recomendamos ao leitor consult´ a-lo
sempre que tiver d´uvidas em rela¸cão a algum dos conceitos mencionados.
dade é através da apresenta¸ cão de uma lista de t´opicos que devam ser abordados em
uma pesquisa quantitativa, ou melhor, apresentando o chamado “checklist”. Estas
listas nunca s˜ao denitivas ou completas. Em primeiro lugar elas traduzem as idios-
sincrasias de seus formuladores, e em segundo, dicilmente conseguem prever todas
as possı́veis situa¸ cões de um mundo t˜ao rico e complexo como as pesquisas quanti-
tativas. Portanto, devem ser usadas como um guia aproximado para planejamento
e execução de um plano amostral.
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 14/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
Apresentamos no Apˆ
endice B a nossa lista de pontos. Ela é resultante de
nossas discuss˜oes, conhecimento, aprendizado, experiência e pr´ atica. Além de servir
como referência, aproveitaremos a rela¸ cão para abordar alguns t´ opicos que raramente
aparecem em livros de técnicas de amostragem. Tais assuntos s˜ ao fundamentais
para aqueles que tenham que conduzir ou assessorar um levantamento amostral, e
ousamos armar que se estes procedimentos metodol´ ogicos não forem adequados,
não existe técnica estatı́stica, por melhor ou mais sosticada que seja, que possa
produzir resultados idˆ oneos.
Embora exista alguma aparente ordem na sequência das atividades, a pr´ atica
nem sempre age deste modo. Salta-se de um ponto para outro de acordo com as
Usualmente o objetivo geral de uma pesquisa é ´ obvio. Na maioria das vezes pode ser
resumida em uma pergunta. As diculdades come¸ cam ao se procurar em respostas
a esta pergunta. Qual o potencial do mercado no municı́pio X para consumir um
novo produto cultural? Deve-se investigar as pessoas mais ricas ou as de maior
nı́vel educacional? O conhecimento substantivo do assunto abordado ajuda muito a
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 15/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
4 No¸cões b´asicas
Um dos maiores desaos das pesquisas quantitativas é a cria¸ cão de bons indicadores
(vari´aveis, escalas) que representem adequadamente os conceitos (constructos) de
interesse. S˜ao exemplos de constructos: inteligência, nı́vel s´ ocio-econômico, desem-
penho escolar, potencial de mercado, ansiedade, satisfa¸ cão, etc. Para inteligência
é bem conhecido o quociente de inteligência (QI) como um indicador. O critério
Brasil, antigo ABA/ABIPEME, aquele que combina grau educacional, condi¸ cões da
moradia e bens possuı́dos é muito usado para expressar o nı́vel s´ ocio-econômico. O
Ministério da Educa¸ cão aplica uma série de provas para avaliar desempenho escolar
(SAEB, ENEM, Prov˜ ao, Pisa, etc.). J´a para o potencial de mercado, procura-se
criar uma escala medindo as componentes do conceito operacional: “pessoas, com
dinheiro e disponibilidade para gastar”. Estas escalas, muitas vezes mal entendidas
e erroneamente empregadas, s˜ ao aceitas e largamente usadas por terem sido vali-
dadas, isto é, foram criadas, analisadas contextualmente, comparadas e vericada
a pertinência entre os valores na escala e o signicado dentro do conceito. Alguns
indicadores s˜ao medidos por meio de uma ´unica vari´avel mensur´avel, outras, que é
o mais comum, s˜ao combina¸cões de resultados de v´arias perguntas quantic´ aveis.
Boa parte dos conte´udos dos livros de metodologia de pesquisa dedica-se a prescre-
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 16/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
ver métodos e processos para transformar conceitos te´ oricos em escalas con´aveis e
validadas. Dentro da vasta literatura disponı́vel, recomenda-se o livro de Pedhazur
e Schmelkin (1991), pela sua abordagem mais quantitativa.
1.3.3 Vari´
aveis e atributos
Associada a cada unidade elementar (UE - veja a deni¸cão na Seção 1.4.1) existir´a
uma ou mais caracterı́sticas de interesse ´ a pesquisa. S˜ao as chamadas vari´aveis
ou atributos. Por exemplo, em um estudo onde a UE é a famı́lia pode-se estar
interessado na renda familiar total, no n´ umero de membros, no sexo ou educa¸ cão
do chefe, etc. J´a para a UE empresa, o interesse pode ser no faturamento total,
lucratividade, ramo de atividade econˆ omica, consumo de energia elétrica, etc.
O objetivo especı́co da pesquisa é que orienta a escolha e deni¸ cão da UE e
das vari´aveis a serem coletadas. Em pesquisa de Marketing, sobre o poder de compra,
uma das vari´aveis mais usadas é a renda familiar total. J´a para um estudo sobre
polı́tica de emprego é mais indicado analisar a renda individual do trabalhador.
Em algumas situa¸ cões a escolha da UE é muito mais complexa. Por exemplo, em um
estudo sobre o comportamento de setores ligados ` a industria de alimenta¸ cão, como
tratar o restaurante dentro de uma grande montadora de autom´ oveis? Observe que
dependendo da deni¸ cão, o mesmo estabelecimento poderia ser tratado de modo
ser medido, pelo menos, de duas maneiras: (i) como a média do crescimento de
cada empresa (vendas deste ano/vendas do ano anterior, para cada empresa) ou,
(ii) raz˜ao entre o total de vendas de todas as empresas neste ano dividido pelo
total de vendas das empresas no ano passado. Estes resultados podem ser bem
diferentes, principalmente se as grandes empresas tiverem comportamento distinto
das pequenas. A escolha de um outro parˆ ametro é fundamental na orienta¸ cào do
desenho amostral.
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 17/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
6 No¸cões b´asicas
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 18/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
mento. Por exemplo, uma amostra de eleitores pode ser obtida selecionando primeiro
algumas cidades, quateir˜ oes dentro das cidades, domicı́lios dentro dos quateir˜ oes e
nalmente eleitores dentro dos domic´ılios.
Às vezes é conveniente ressaltar quem é a unidade respondente ou a unidade
de resposta . Um exemplo pode ajudar a entender o conceito. O censo demogr´ aco
tem uma primeira parte com quest˜ oes simples sobre cada morador do domicı́lio, tais
como sexo, idade, grau de instru¸ cão, etc. Um ´unico morador pode responder por
todos os outros; usualmente elege-se o chefe, ou cˆ onjuge como unidade de resposta.
Como já foi dito, o objetivo da amostragem é fazer arma¸ cões sobre uma popula¸ cão
baseando-se no resultado (informa¸ cão) de uma amostra. Assim, n˜ ao sabendo exa-
tamente de onde foi retirada a amostra, n˜ ao se sabe para quem pode-se estender as
conclus˜oes, ou seja, para que popula¸cão pode ser feita a inferência.
Inicialmente convém lembrar que entende-se por popula¸ c˜
ao a reunião de
todas as unidades elementares denidas no item anterior.
Como no caso dos objetivos, come¸ca-se falando de uma popula¸ cão genérica e
freqüentemente ´obvia. Por exemplo, na pesquisa de potencial de mercado menci-
onada acima, decide-se investigar a renda individual dos moradores do municı́pio.
Portanto, a popula¸ cão é formada por todos os moradores do municı́pio. Ser´ a que os
jovens irão consumir o produto? E os moradores da regi˜ ao rural? Assim, em uma
segunda aproxima¸ cão operacional, a popula¸cão passa a ser os adultos (maiores de 18
anos), moradores da regi˜ ao urbana de X . Restam ainda outras d´ uvidas: como tratar
os inativos e aqueles que n˜ao têm renda? Conforme a resposta, pode ser necess´ ario
a redenir a popula¸ c˜ao ob jetivo (ou popula¸cão alvo).
A obten¸cão de uma amostra, qualquer que seja o plano amostral adotado,
necessita de uma rela¸cão das unidades elementares. O ideal seria dispor de um rol
seqüencial dessas unidades para que se pudesse fazer uma escolha conveniente das
unidades que comporiam a amostra. Entretanto, raramente disp˜ oe-se de tais listas.
No exemplo acima, dever-se-ı́a dispor da rela¸ cão dos moradores de X , o que parece
ser bem pouco prov´avel que exista. Felizmente, existem informa¸ cões, mais ou menos
atualizadas, que podem ser usadas como alternativas para (descrever) a rela¸ cão
das unidades. Podem ser mapas, v´ arias listas que reunidas descrevem boa parte
do universo, censos, etc. Essas fontes que descrevem o universo a ser investigado
formam o chamado sistema de referências . As unidades que aparecem nessas
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 19/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
8 No¸cões b´asicas
nais, transforma¸ cão de casas em corti¸cos, etc. podem ser motivos de aparecimento
de unidades n˜ao selecionadas a priori. Em todo caso, tem-se uma amostra que foi
retirada de uma popula¸ cão que n˜ao é exatamente a referida. Se a cidade tiver mui-
tos condomı́nios fechados aos quais n˜ ao foram permitido o acesso, e sabendo que
nestes locais moram pessoas de alta renda, a estimativa do potencial de mercado
será subestimada. Assim, a inferência referir-se-´ a apenas a uma nova popula¸ cão: a
popula¸ c˜ao amostrada . Ela só pode ser descrita ap´os a realiza¸cão do levantamento
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 20/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
de campo, e procura-se ressaltar quais as possı́veis diferen¸ cas que ela possa ter com
a popula¸cão referida.
A Figura 1.1 procura ilustrar as rela¸ cões existentes entre as diferentes po-
pula¸cões. Como a amostra foi retirada da popula¸ cão amostrada é apenas sobre ela
que valem as inferências estat´ısticas. A an´ alise qualitativa, e algumas vezes até a
quantitativa, das caracterı́sticas das unidades perdidas e das agregadas, permite ava-
liar quais as consequências em estender estas conclus˜ oes para a popula¸cão referida.
O conhecimento substantivo do assunto de pesquisa e das caracterı́sticas das unida-
des distintas nas duas popula¸ cões, permite ao pesquisador avaliar as consequências
de usar as conclus˜oes da popula¸cão referida para a popula¸ cão alvo.
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 21/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 22/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
Uma das etapas importantes de uma pesquisa quantitativa e muitas vezes relegada
a um segundo plano, é o levantamento dos dados da(s) caracter´ıstica(s) de interesse.
Um exemplo bem conhecido de coleta de dados s˜ ao os chamados censos populacio-
nais, realizados no Brasil pelo IBGE, que procuram determinar o n´ umero de pessoas
existentes no paı́s, segundo algumas caracterı́sticas importantes como sexo, idade,
nı́vel educacional, etc. Porém, mesmo no censo, nem todas as vari´ aveis são obtidas
entrevistando todas as pessoas. Devido aos altos custos envolvidos, e o uso das
informa¸cões de forma mais agregada, outras caracter´ısticas como renda, ocupa¸ cão,
etc., s˜ao obtidas através de amostras, entrevistando apenas os moradores de parte
dos domic´ılios, algo em torno de um em cada dez domic´ılios. Outro exemplo de le-
vantamento amostral bastante divulgado ultimamente s˜ ao as pesquisas de inten¸cão
de votos.
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 23/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
12 No¸cões b´asicas
com grupos que recebam o tratamento e outros que sirvam como controle. S˜ ao os
conhecidos planejamentos de experimentos, ou simplesmente experimenta¸ cão.
Outros critérios poderiam ser utilizados para identicar tipos de pesquisa. Na
Figura 1.2 apresentam-se quatro poss´ıveis critérios dicotˆ omicos para classicar uma
pesquisa. S´o a combina¸cão de suas alternativas j´ a produziria 16 possı́veis tipos de
pesquisas quantitativas.
experimenta¸cão levantamento
b. objetivo da an´alise
descritivo anal´ıtico
simples multivariado
d. amplitude da coleta
censo amostra
1.5.2 M´
etodos de coleta de dados
Escolhido o tipo de investiga¸cão é necess´ario decidir que método ser´ a usado para
obter os dados. Os coment´ arios feitos a seguir ser˜ao muito mais adequados para
pesquisas amostrais, embora se apliquem tamb´ em para outras situa¸ cões.
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 24/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 25/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 26/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 27/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
16 No¸cões b´asicas
aleat´orio simples como amostras aleat´ orias simples para descrever um determinado
procedimento de sele¸cão. Entende-se por amostras aleat´ orias simples as amostras
obtidas através de um protocolo de sele¸ cão chamado plano aleat´ orio simples.
Alguns exemplos de planos amostrais:
tica¸cão, e um único est´agio e seleção aleat´oria. Neste livro ser˜ao abordados alguns
destes planos e fornecidos instrumentos para que sejam exploradas as principais
propriedades dos demais.
Quando o sistema de referências (SR) é perfeito , isto é, quando ele lista uma
a uma todas as unidades de an´ alise, é poss´ıvel ent˜ ao usar um processo onde cada
unidade é sorteada diretamente com igual probabilidade de pertencer ` a amostra.
A melhor maneira para denir este plano é descrevendo o processo de sorteio que
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 28/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
igual distinta
b. Unidade amostral
c. Divisão em estratos
d. Número de est´agios
um único mais de um
aleat´oria sistem´atica
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 29/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 30/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 31/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 32/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
Isto nos remete ao compromisso para xar o tamanho da amostra, ou mesmo para a
pesquisa como um todo, em procurar dentro das restri¸ c˜oes impostas pelo or¸camento,
desenhar uma amostra que atinja os objetivo, produzindo estimativas com a menor
imprecis˜ao poss´ıvel .
Embora neste livro a determina¸ cão do tamanho da amostra ser´ a sempre feita
levando em conta os aspectos da precis˜ ao estatı́stica, acredita-se que na maioria dos
casos a decisão segue a proposi¸cão acima, isto é, as limita¸ cões orçament´arias denem
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 33/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 34/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
tado, deixar esta escolha para o entrevistador. Sem d´ uvida ele escolher´a um membro
presente na casa na hora da entrevista, introduzindo um viés na pesquisa. Provavel-
mente este levantamento ter´ a uma propor¸cão bem maior de mulheres. Se n˜ao forem
tomados cuidados, o trabalho de campo pode arruinar totalmente uma pesquisa.
Assim, deve-se planejar e usar procedimentos que minimizem os erros, ou viéses
introduzidos na coleta de dados.
Jessen (1978) resume estes cuidados na seguinte frase: “as medidas s˜ao aque-
las ´obvias; selecionar boas pessoas, trein´ a-las bem e vericar se fazem o trabalho
corretamente” .
O volume de trabalho para operacionalizar essas medidas ir´ a depender prin-
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 35/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
24 No¸cões b´asicas
que devem ser tomados para o treinamento de mais de 150 mil entrevistadores
para a realizac˜ao do censo populacional brasileiro. Nestes casos, e na maioria
deles, recomenda-se a ado¸cão de manuais escritos para cada uma das tarefas:
listagem, entrevistas, checagem, codica¸ cões, etc.
Embora o treinamento procure prever todas as situa¸ cões que serão encontradas,
é preciso dar instru¸ cões sobre situa¸cões imprevistas. Por exemplo, na casa
sorteada, tem mais de um domicı́lio e v´ arias famı́lias, ou ainda, n˜ ao se consegue
encaixar a pross˜ao do chefe em nenhum dos casos listados. O entrevistador
deveria entrar em contato com a supervis˜ ao, ou ent˜ao anotar o maior n´umero
poss´ıvel de informa¸cão para poss´ıvel corre¸ cão no escrit´orio.
Registro. Muitas ocorrências e decis˜ oes imprevistas acontecem nesta fase e é muito
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 36/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
1.7 Prepara¸ c˜
ao dos dados 25
Transcri¸ cão. Esta tem sido a fase mais demorada do processo, porém tem sido
aquele segmento onde a tecnologia vem apresentando solu¸ cões bem competen-
tes. Quanto menos haja interven¸ cão na transcri¸cão de um meio para outro,
menor a possibilidade de introdu¸ cão de erros na pesquisa. Deve-se procu-
rar balancear o custo de uso de recursos mais sosticados com a qualidade e
rapidez para a execu¸cão desta tarefa.
Qualidade dos dados. Antes de liberar os dados para a an´ alise deve-se ter cer-
teza da boa qualidade dos mesmos. O escrut´ınio cr´ıtico dos dados passa pela
identica¸cão de erros de transcri¸ cão, de inconsistências e outros tipos de enga-
nos. A corre¸cão pode ser feita com a ajuda da lembran¸ ca e interpreta¸ cão dos
pesquisadores, com o apoio de processos autom´ aticos e, quando for necess´ario,
revisitar a unidade sorteada.
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 37/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 38/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
Plano tabular. Com esse tı́tulo entende-se ` aquele conjunto m´ınimo de tabelas e
modelos estatı́sticos que foram denidos “a priori” para responder aos objetivos
iniciais da pesquisa.
O exercı́cio, realizado antes da obten¸ cão dos dados, de imaginar operacional-
mente como os recolhidos na pesquisa responderiam aos objetivos da pesquisa,
além de ajudar, e muito, o planejamento amostral evita divulgar os resulta-
dos em prazos distantes do trabalho de campo tornando-os desinteressantes.
Serve também para que sejam previamente preparados, escolhidos e testados
os programas computacionais necess´ arios para sua execu¸cão. Usualmente, es-
tas primeiras respostas s˜ ao fornecidas por tabelas de duplas entradas, daı́ o
nome de plano tabular.
Junto com a divulga¸cão da aplica¸cão do plano tabular, recomenda-se que
também sejam apresentados os erros amostrais, permitindo avaliar qual a con-
abilidade apresentada pela pesquisa. Para pesquisas com um n´ umero muito
grande de vari´aveis deve-se procurar modos adequados e resumidos para di-
vulga¸cão dos erros. Pode-se encontrar exemplos de como divulgar os erros
amostrais consultando os compêndios de metodologia publicados pelo IBGE.
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 39/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
28 No¸cões b´asicas
Uma das consequências mais importantes da an´ alise dos dados é a possibilidade
de cria¸cão de novas vari´aveis (ı́ndices) resultante da combina¸ cão de outras, e
que descrevam de maneira mais adequada os conceitos pretendidos. Voltando
à pesquisa do SEADE, usaram-se combina¸ cões do grau de educa¸cão do chefe e
de um segundo membro da famı́lia para criar um grau de educa¸ cão da fam´ılia.
De modo mais sosticado, e com técnicas estatı́sticas criou-se uma condi¸ cão
de qualidade de emprego da famı́lia.
1.9 Erros
Todo levantamento amostral ou n˜ ao, est´a sujeito a produzir diferen¸ cas entre o
parˆametro populacional θ, de interesse, e o valor t empregado para estim´ a-lo. A
−
diferen¸ca t θ é considerada como o erro da pesquisa . Vários fatores podem agir
sobre esta diferen¸ca e faz parte da avalia¸cão detect´a-las, tentar medı́-las e avaliar
suas conseq¨uências. Para facilitar a exposi¸ cão, dividir-se-˜ao os fatores que afetam
esta diferen¸ca em dois grandes grupos:
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 40/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 41/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 42/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
1.10 Apresenta¸ c˜
ao dos resultados 31
1.10 Apresenta¸ c˜
ao dos resultados
O relat´orio do plano amostral presta contas para uma determinada audiência sobre os
procedimentos adotados para escolha e coleta das unidades elementares portadoras
dos dados de interesse do levantamento.
Um plano amostral tecnicamente perfeito e corretamente aplicado pode n˜ ao ter
sua qualidade reconhecida devido a um relat´ orio mal escrito e/ou mal organizado. As
propostas para desenvolver competências em se comunicar s˜ ao bem conhecidas e n˜ao
serão abordadas aqui. Apenas insiste-se que consultem as bibliotecas especializadas
e pratiquem as recomenda¸ cões sugeridas. H´a muita similaridade entre relat´ orios
descrevendo planos amostrais e outros tipos de relat´ orios cientı́cos, desse modo,
sugerimos consultar também livros que tratam deste assunto, tais como Eco (1977)
ou Babbie (1999). Ressaltam-se a seguir na elabora¸ cão do relat´orio alguns pontos
espec´ıcos que devem ser considerados.
Como os relat´orios podem ter diferentes formatos e tamanhos, deve-se em
primeiro lugar decidir para qual audiência ele est´ a sendo escrito. Caso seja dirigido
a um p´ublico afeito `a linguagem de amostragem ser´ a poss´ıvel usar um vocabul´ ario
mais técnico do que aquele destinado ao p´ ublico leigo.
Algumas vezes o relat´orio do plano amostral é apenas uma pequena parte
dentro da se¸cão de metodologia, devendo ent˜ ao ser bastante conciso e direto. Outras
vezes ele é o produto nal de seu trabalho, devendo incluir a descri¸ cão de todas as
etapas bem como a descri¸cão, constru¸cão e análise do banco de dados, e, neste caso
o relat´orio será muito mais amplo e detalhado.
Sugere-se como pr´atica de trabalho, escrever sempre um relat´ orio completo,
elaborado conforme o desenrolar do levantamento. Ele servir´ a como uma espécie de
diário e mem´oria. A partir dele você poder´ a extrair outros produtos que sejam de
interesse. Você poder´ a usar os itens mencionados no Apêndice B como guia, sem a
necessidade de respeitar a ordem apresentada.
Resumindo, qualquer que seja o tipo de relat´ orio usado, ele deve mencionar
pelo menos os seguintes itens: prop´ositos, as diversas popula¸ cões, sistema de re-
ferência, unidades amostrais, plano de sele¸ cão, procedimento de coleta, desempenho
da amostra, tamanho, sistema de pondera¸ cão, fórmulas para os erros amostrais e
avalia¸cões dos possı́veis efeitos dos erros n˜ao amostrais.
Quando o relat´orio também inclui a an´ alise, distinga bem os resultados des-
critivos da amostra dos que fazem inferências populacionais. Para grandes volumes
de dados, onde a apresenta¸ cão dos erros amostrais pode poluir e dicultar a lei-
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 43/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
32 No¸cões b´asicas
tura de cada tabela, sugere-se a ado¸ cão de procedimentos agregados que avaliem
erros aproximados globais. Grandes institutos de pesquisa costumam usar este tipo
de apresenta¸cão para os erros amostrais (consulte, por exemplo, as publica¸ cões do
IBGE).
1.11 Divulga¸ c˜
ao do banco de dados (disponibilidade)
Falta `a maioria dos bancos de dados obtidos por levantamentos amostrais, uma do-
cumenta¸cão bem elaborada “que descreva a utilidade das vari´ aveis e liste os v´ınculos
entre os c´odigos e os atributos que comp˜oem as vari´aveis” (Babie, 1999), conforme
mencionado na Se¸cão 1.7. Essa ausência deve-se ao fato de que na maioria das vezes,
os dados ser˜ao produzidos e analisados por uma ´ unica pessoa ou grupo, tornando
aparentemente dispens´ avel esse trabalho. Entretanto, esse descuido j´ a causou mui-
tos prejuı́zos, tempo perdido e duplica¸ cão de trabalho ao se analisar o mesmo banco
de dados em ocasi˜oes distintas.
Manter um banco de dados organizado e documentado deve ser uma preo-
cupa¸cão priorit´aria dos “amostristas” e dos analistas de dados. Os primeiros usam-
no para bem caracterizar os sistemas de pondera¸ cão e recodicções, e os segundos
para descrever as recodica¸ cões, novas vari´aveis e indicadores criados.
O Banco de Dados junto com esse dicion´ ario descritivo permite oferecer mais
um servi¸co: disponibilizar a pesquisa para um p´ ublico maior, gra¸cas as facilidades
oferecidas hoje pela comunica¸cão eletrˆonica. Como orienta¸cão para organizar esse
servi¸co, sugere-se consultar os bancos de dados disponı́veis no IBGE e SEADE.
Exerc´ıcios
1.1 Apresente uma quest˜ ao ligada `a sua área de interesse e que poderia ser res-
pondida por um levantamento amostral. Aproveite para denir claramente
quais seriam os seguintes conceitos na sua pesquisa:
a. unidade de pesquisa;
b. popula¸cão;
c. instrumento de coleta de dados;
d. unidade respondente;
e. poss´ıvel sistema de referência;
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 44/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
1.11 Divulga¸ c˜
ao do banco de dados (disponibilidade) 33
Discuta também como você xaria o tamanho da amostra a outros t´ opicos que
achar relevantes.
1.3 Planeja-se uma pesquisa para determinar a propor¸ cão de crian¸cas do sexo
masculino com idade inferior a 15 anos, moradoras de uma cidade. Sugerem-
se três procedimentos:
Analise os planos amostrais acima e justique suas arma¸ cẽs. Diga e justique
qual deles você usaria, ou ent˜ ao proponha um outro.
1.5 Sugira um esquema amostral aproximado para escolher amostras aleat´ orias
nos seguintes casos:
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 45/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
34 No¸cões b´asicas
Em cada caso, sugira uma vari´ avel que poderia ser estudada, qual a lista de
elementos a que você teria acesso e fa¸ ca as suposi¸cões (razo´aveis) necess´arias
para resolver o problema.
1.6 Uma rede banc´aria tem liais espalhadas por todo o paı́s e seu pessoal es-
pecializado (cerca de 20 mil) é removido freq¨ uentemente de um ponto para
outro. Deseja-se selecionar uma amostra de 10% do atual pessoal especiali-
zado, para uma pesquisa contı́nua durante os pr´ oximos anos. Pretende-se obter
informa¸cões sobre o progresso da rma, mudan¸ ca de emprego, etc. A sele¸cão
de uma amostra aleat´ oria de 2 mil indivı́duos seria muito cara, por quest˜ oes
de identica¸cão. Foi proposto ent˜ ao que se sorteasse uma letra (digamos S) e
todos os funcion´arios com sobrenomes come¸cando com essa letra fariam parte
da amostra. A inicial do sobrenome tem a vantagem de ser facilmente identi-
cável, porque as chas dos funcion´arios são arquivadas em ordem alfabética.
Quais as crı́ticas que você faria a este plano? Sugira um plano “melhor”, mas
ainda baseado nas vantagens da ordem alfabética. Descreva sucintamente o
seu novo plano.
1.7 Descreva sucintamente como pode ser incorporado num plano amostral o co-
nhecimento de vari´aveis auxiliares da popula¸ cão.
1.8 O IME-USP formou no ano passado a sua sétima turma de bacharéis em Es-
tatı́stica e deseja fazer um levantamento atrav´
es de amostra, com m´ ultiplos
prop´ositos. Os principais objetivos s˜ ao: estimar a propor¸cão de formandos
que realmente exercem a pross˜ ao e estimar o sal´ario médio. Proponha um
esquema amostral e aponte as diculdades que provavelmente ser˜ ao encontra-
das.
1.9 Fa¸ca uma lista de pontos essenciais para propor, executar e analisar um le-
vantamento amostral.
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 46/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 47/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
36 No¸cões b´asicas
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 48/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
Cap´ıtulo 2
2.1 Popula¸ c˜
ao
Popula¸ cão ou Universo é o conjunto
Ude todas as unidades elementares de
interesse. É indicado por
U= {1, 2, . . . , N },
onde N é o tamanho xo e algumas vezes desconhecido da popula¸ cão.
Elemento Populacional é a nomenclatura usada para denotar qualquer ele-
mento i
∈U. É também conhecido por unidade elementar.
Caracter´ıstica(s) de Interesse será usado para denotar a vari´ avel ou o
vetor de informa¸cões associado a cada elemento da popula¸ cão. Será representado
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 49/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
por
Yi , i
∈ ,U
ou, no caso multivariado,
Y i = ( Yi1 , . . . , Yip ), i
∈ .U
A unidade elementar pode ser, por exemplo, estabelecimento agrı́cola e a carac-
terı́stica de interesse a vari´ avel produ¸cão (em dinheiro) agrı́cola ou o n´ umero de
tratores, ou ainda a vari´ avel qualitativa “tipo de apropria¸ cão da terra” (dono, me-
eiro, alugado, etc.).
Parâmetro Populacional é a nomenclatura utilizada para denotar o vetor
correspondente a todos os valores de uma vari´ avel de interesse que denota-se por
D = ( Y1 , . . . , YN ),
D = ( Y 1 , . . . , Y N ),
no caso em que para cada unidade da popula¸ cão tem-se associado um vetor Y i de
caracterı́sticas de interesse.
Fun¸c˜ ao Paramétrica Populacional é uma caracter´ıstica numérica qualquer
da popula¸cão, ou seja, uma express˜ao numérica que condensa funcionalmente os Yi ’s
(ou Y i ’s), i
∈U
. Tal fun¸cão numérica ser´ a denotada por
θ(D ).
Esta fun¸cão pode ser, por exemplo, o total, as médias, ou ainda o quociente de dois
totais. É comum utilizar-se a express˜ ao parˆametro populacional de interesse, ou
simplesmente parˆametro populacional.
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 50/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
i. idade média,
20 + 30 + 40
θ(Y ) = θ(D ) = = 30;
3
ii. média das vari´aveis renda e n´umero de trabalhadores,
12+30+18
3 20
θ(D ) = 1+3+2 = ;
3 2
Para uma vari´ avel de interesse, os parˆametros populacionais mais usados s˜ ao:
a. total populacional, N
θ(D ) = θ(Y ) = τ = Yi ;
i=1
b. média populacional,
N
1
θ(D ) = θ(Y ) = µ = Y = Yi ;
N i=1
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 51/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
Conforme ser´a visto nos capı́tulos seguintes, a variˆ ancia populacional aparece
diretamente na express˜ ao das variˆancias dos estimadores considerados.
Para vetores bidimensionais, isto é, duas vari´ aveis de interesse, representadas
por ( X, Y ), são bastante usuais os seguintes parˆ ametros:
d. covariˆancia populacional,
e. correla¸cão populacional,
σXY
θ(D ) = ρXY = ;
σX σY
f. razão populacional,
θ(D ) = ττY = µµY = R,
X X
N N
onde τ X = i=1 X i e τY = i=1 Yi ;
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 52/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
2.2 Amostras 41
2.2 Amostras
Considere uma popula¸ cão xa
U= {1, 2, . . . , N }.
Deni¸ cão 2.1 Uma seq¨uência qualquer de n unidades de
U, é denominada uma
amostra ordenada de
U
, isto é,
s = ( k1 , . . . , k n )
tal que
ki .
O r´otulo ki é chamado de i-ésimo componente de s.
∈U
U { }
Exemplo 2.2 Seja = 1, 2, 3 . Os vetores s1 = (1 , 2), s2 = (2 , 1), s3 = (1 , 1, 3),
s 4 = (3) e s5 = (2 , 2, 1, 3, 2) são exemplos de amostras ordenadas de .
U
Deni¸ cão 2.2 Seja f i (s) a vari´avel que indica o n´umero de vezes (freq¨uência) que
a i-ésima unidade populacional aparece na amostra s. Seja δi (s) a vari´avel bin´aria
que indica a presen¸ca ou n˜ao da i-ésima unidade na amostra s, isto é,
1, se i s
δi (s) = 0, se i / s .∈
Exemplo 2.3 Usando as amostras do Exemplo 2.2, tem-se para a vari´ avel freq¨uência
f que f 1 (s 1 ) = 1, f 2 (s 1 ) = 1, f 3 (s 1 ) = 0, f 1 (s 5 ) = 1, f 2 (s 5 ) = 3 e f 3 (s 5 ) = 1. Com
rela¸cão a vari´avel presen¸ca δ, temos, por exemplo, que δ1 (s 1 ) = 1 , δ2 (s 1 ) = 1 ,
δ3 (s 1 ) = 0 , e δ1 (s 5 ) = 1, δ2 (s 5 ) = 1, δ3 (s 5 ) = 1.
Deni¸ cão 2.3 Chama-se de tamanho n(s) da amostra s, a soma das freq¨uências
das unidades populacionais na amostra, isto é,
N
n(s) = f i (s).
i=1
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 53/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
Também,
SU
Deni¸ cão 2.4 Seja ( ), ou simplesmente
S
o conjunto de todas as amostras
(seq¨uências ordenadas) de
U SU
, de qualquer tamanho. E n ( ), a subclasse de to-
das as amostras de tamanho n.
S2 ( U) = {(1, 1), (1, 2), (1, 3), (2, 1), (2, 2), (2, 3), (3, 1), (3, 2), (3, 3)}.
Quando n˜ao houver d´uvidas em rela¸cão ao universo, usa-se a nota¸cão simpli-
cada:
S {
= 1, 2, 3, 11, 12, 13, 21, . . . , 22132, . . .
}
e
U
de elementos de . O número de amostras ordenadas de tamanho n, com reposi¸cão,
é N n , enquanto que, sem reposi¸ cão, é dado pelo coeciente binomial Nn .
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 54/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
• Plano A ,
P (11) = P (12) = P (13) = 1/9
P (21) = P (22) = P (23) = 1/9
P (31) = P (32) = P (33) = 1/9
P (s) = 0 , para as demais s
∈S ;
• Plano B ,
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 55/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
Exemplo 2.7
U= {1, 2, 3}, como no Exemplo 2.6, e a seguinte regra de sorteio:
Seja
mesmo modo.
Com estas regras, a probabilidade de ocorrer a amostra 11, ser´ a
S2 , isto é,
S {
2 = 11, 12, 13, 21, 22, 23, 31, 32, 33 .
}
Quanto ao planejamento amostral, este ser´ a dado por
P (s) =
1/ 9, se i s
∈ .
∈
0, se i / s
Observe que este é o mesmo plano amostral descrito no Exemplo 2.6, plano A. Inci-
dentalmente, este plano amostral, um dos mais simples, é conhecido como Amostra-
gem Aleat´oria Simples, com reposi¸cão, e será estudado detalhadamente no pr´ oximo
cap´ıtulo.
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 56/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
S
amostral . Neste livro ser˜ao abordados os planos amostrais mais simples e mais
usados, e que servem de base para planos amostrais mais complexos.
Outro conjunto de planos muito ´ uteis e simples, s˜ao aqueles de tamanho xo,
ou seja, possuem probabilidades diferentes de zero apenas para a subclasse n (veja
S
o Exemplo 2.7). Ser´a visto que as suas probabilidades s˜ ao mais simples de serem
determinadas.
i. Sorteia-se um elemento de
Ucom probabilidade proporcional ao n´ umero de
trabalhadores;
ii. Sem repor o domicı́lio selecionado, sorteia-se um segundo também com proba-
bilidade proporcional ao n´ umero de trabalhadores.
Ent˜ao
De modo similar, 3 1 1
P (21) = 6
1
×32 = 6,
1
P (13) = 6
2
×51 = 15 ,
1
P (31) = 6
3
×42 = 12 ,
1
P (23) = 6
2
×33 = 3 e
1
P (32) = 6 ×4 = 4.
Observe que este plano é o mesmo apresentado no Exemplo 2.6, plano D.
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 57/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
Amostragem Sistem´ atica (AS). Quando existe disponı́vel uma listagem de in-
divı́duos da popula¸ cão, pode-se sortear, por exemplo, um nome entre os 10
primeiros indiv´ıduos, e ent˜ ao observar todo décimo indiv´ıduo na lista a partir
do primeiro indiv´ıduo selecionado. A sele¸ cão do primeiro indivı́duo pode ser
feita de acordo com a AAS. Os demais indiv´ıduos que far˜ ao parte da amostra
são ent˜ao selecionados sistematicamente.
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 58/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
interesse y e alguma vari´avel auxiliar x, usualmente conhecida como vari´ avel inde-
pendente na teoria de regress˜ ao linear.
s = ( k1 , k 2 , . . . , k n ),
Deni¸ cão 2.6 Chama-se de dados da amostra s à matriz ou vetor das observa¸c˜oes
pertencentes a amostra, isto é,
d s = ( Yk , Yk , . . . , Yk n ) = ( Yk i , k i
1 2
∈s).
Quando s percorre todos os pontos poss´ıveis de um plano amostral A, tem-se asso-
ciado um vetor aleat´orio que ser´a representado por S
d = y = ( y1 , . . . , y i , . . . , y n ),
onde yi é a vari´avel aleat´oria que indica os poss´ıveis valores que podem ocorrer na
i-ésima posi¸c˜ao da amostra.
Observa¸ cão: Quando as observa¸c˜oes s˜ao multidimensionais, os dados da amostra
passam a ser a matriz d s = ( Y k i , i
∈
s), e tem-se associado a matriz aleat´ oria
d = ( y 1 , . . . , y n ).
(2.1) y1 , . . . , y n ,
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 59/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
Deni¸ cão 2.7 Qualquer caracter´ıstica numérica dos dados correspondentes a amos-
tra s é chamada de estat´ıstica, ou seja, qualquer fun¸ c˜ao h(d s ) que relaciona as
observa¸c˜oes da amostra s.
Exemplo 2.9 Voltando ao Exemplo 2.1, considere a amostra s = (12). Desse modo,
tem-se para o vetor ( F i , Ti ) a seguinte matriz de dados da amostra:
12 30
ds = .
1 3
As médias
12 + 30
f = 2 = 21
e
1+3
t= = 2,
2
ou, a raz˜ao
12 + 30
r = = 10 , 5,
1+3
são exemplos de estatı́sticas calculadas na amostra acima.
S
quando s percorre A , ter-se-´a associado uma vari´avel aleat´oria H (d s ) associada ao
S
par ( A , P A ). E considere também a nota¸ cão
ph = P A (s
∈AS; H (d s ) = h),
vari´avel aleat´oria, por exemplo, em Bussab e Morettin, 2004). Tem-se ent˜ ao:
Deni¸ cão 2.8 A distribui¸c˜ao amostral de uma estat´ıstica h(d s ) segundo um plano
amostral A, é a distribui¸c˜ao de probabilidades de H (d s ), denida sobre A , com
S
funç˜ao de probabilidade dada por
ph = P A (s
∈AS; H (d s ) = h) = P (h).
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 60/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
s: 11 12 13 21 22 23 31 32 33
P (s): 1/9 1/9 1/9 1/9 1/9 1/9 1/9 1/9 1/9
h(d s ) = r : 12 10,5 10 10,5 10 9,6 10 9,6 9
de modo que
s: 12 13 21 23 31 32
P (s): 1/6 1/6 1/6 1/6 1/6 1/6
h(d s ) = r : 10,5 10 10,5 9,6 10 9,6
de modo que
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 61/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
E A [H ] = hp h ,
ph = P A (s
∈AS; H (d s ) = h)
= P (H (d s ) = h) = P (s)
A
{ s ;s ∈SA } { s ∈SA ;h ( d )= h }
s
E A [H ] = h(d s )P A (s).
{ s ;s ∈SA }
}{ − }
V ar A [H ] = h(d ) E A [H ] 2 P A (s);
s
{ s ;s ∈SA
Cov A [H, G ] =
s ∈SA
{h(d ) −E A [H ]} {g(d ) −E A [G]}P A (s)
s s
e
CovA [H, G ]
Corr A [H, G ] = .
V ar A [H ]V ar A [G]
Exemplo 2.11 Usando os dados do exemplo anterior e o plano amostral (a), tem-
se:
1 1 1 91, 2
E AASc [r ] = 12
9
+ 10 , 5 + . . . + 9 =
9 9 9
= 10, 13 ∼
e
21 21 1
−10, 13) 9 =∼0, 6289.
2
V ar AASc [r ] = (12
−10, 13) 9
+ (10 , 5
−10, 13) 9
+ . . . + (9
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 62/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
∼√0, −
1, 80
6289 28 ∼−
Corr AASc [r, f ] = = 0, 4289.
×
Para outras propriedades de r veja o Exercı́cio 2.4.
Exemplo 2.12 Considere o plano amostral A denido no Exemplo 2.6. Para cada
amostra, tem-se associado as vari´ aveis f 1 , f 2 , f 3 , δ1 , δ2 , δ3 , cujos valores e respectivas
probabilidades s˜ao dados na Tabela 2.5. Ou resumindo, N˜ ao é dif´ıcil vericar que
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 63/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
Tabela 2.6: Distribui¸ cão de f 1 na AASc Tabela 2.7: Distribui¸ cão de δ1 na AASc
h(d s ) = f 1 : 0 1 2 h(d s ) = δ1 : 0 1
ph : 4/9 4/9 1/9 ph : 4/9 5/9
π i (A) = P A (δi = 1)
= P A (δi (s) = 1) = P A (s).
{ s ;s ∈SA } { s ;s ⊃i }
π ij (A) = P A (s).
{ s ;s ⊃{i,j }}
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 64/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
estat´ıstica com a express˜ ao que ir´a “estimar” o parˆ ametro populacional ela recebe o
nome de estimador . O valor numérico do estimador, para dada amostra, chama-se
estimativa .
Simbolicamente, o objetivo é estimar um parˆ ametro populacional θ(D ). Isto
será feito através de uma estatı́stica obtida a partir dos dados amostrais d s , o es-
timador que ser´a representado por θ̂(d s ). Quando n˜ao houver d´uvidas, quanto `as
caracterı́sticas que est˜ ao sendo estimadas, os s´ımbolos acima ser˜ ao abreviados para
θ e θ̂(s), respectivamente.
Como já foi discutido, as propriedades de um estimador dependem da sua dis-
tribui¸cão amostral, e as principais qualidades procuradas em amostragem s˜ ao: pe-
quenos vieses (vı́cios) e pequenas variˆ ancias. Além da variˆ ancia j´a denida, também
são usados os seguintes conceitos:
Deni¸ cão 2.10 Um estimador θ̂(d s ) é dito n˜ao viciado segundo um plano amostral
A, se
E A θ̂ = θ.
Deni¸ cão 2.11 O viés do estimador θ̂(d s ), segundo o plano amostral A, é dado
por
B A θ̂ = E A θ̂
e o Erro Quadr´atico Médio por
−θ = E A θ̂
−θ;
2
EQM A θ̂ = E A θ̂
− θ .
EQM A θ̂ = V arA θ̂ + B A2 θ̂ .
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 65/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
∼
E AASc [r ] = 10, 13 ∼
e V arAASc [r ] = 0, 6289.
e
V ar AASc f = 28 ,
B AASc f = 0 ,
de modo que
EQM AASc f = V arAASc f = 28 .
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 66/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
observada.
O tamanho n (s) de uma amostra é dada por
N
(2.5) n(s) = f i (s).
i=1
Para aqueles planos, que além da propriedade acima, possuem tamanho xo,
tem-se também V arA [n] = 0, implicando em:
V ar A [f ]
(2.9) Cov A [f, f ] =
− −N 1
.
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 67/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
(2.10) t(s) = Yk i .
k i ∈s
onde as vari´aveis aleat´orias yi estão dadas em (2.1). Usando a vari´ avel auxiliar
f i , pode-se reescrever a express˜ao acima, como fun¸cão de todas as observa¸cões da
popula¸cão, ou seja,
N
(2.11) t(s) = Yi = f i (s)Yi
i ∈s i=1
Note que a vari´avel aleat´oria t denida acima pode ser escrita em termos das vari´ aveis
alet´orias f i como
N
t= f i Yi .
i=1
Para um plano amostral A, tem-se as propriedades:
N
(2.12) E A [t] = Yi E A [f i ]
i=1
e
N
(2.13) V ar A [t] = Yi2 V arA [f i ] + Yi Yj Cov A [f i , f j ].
i=1 i= j
N
1
Yi2
= V arA [f ]
i=1
−N −1 i = j Yi Yj
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 68/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
N N
(2.4) 1
= V arA [f ] Y2 Y 2 + N 2 µ2
−N −1 −i=1
i=1 i
N
i
N
(Yi µ) 2
= V arA [f ]
−
N 1 i=1 −
(2.15) = V arA [f ]NS 2 .
que no caso simples ( n xo e simetria), usando (2.14) e (2.15), passa a ser
(2.16) E A t 2 = V arA [f ]N S 2 + E A2 [f ]τ 2 .
Logo,
N
E A s 2q = Yi2 E A [f i ].
i=1
No caso particular em que n é xo e o plano é simétrico, vem
N
E A s 2q = E A [f ] Yi2 ,
i=1
(2.18) E A s 2q = E A [f ] Nσ 2 + Nµ 2 = E A [f ]N σ 2 + µ2 .
(2.19)
{
E A [f i ] = E A E A [f i f j ] ,
| }
e
(2.20)
{ | }
V ar A [f i ] = E A V ar A [f i f j ] + V ar A E A [f i f j ] ,
{ | }
i = j = 1, . . . , N .
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 69/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
Exerc´ıcios
2.1 Usando um pacote computacional conveniente, simule uma popula¸ cão de ta-
manho N = 100, onde a caracterı́stica de interesse Y é gerada a partir da dis-
tribui¸cão normal com média 50 e variˆancia 16, que denotamos por N (50, 16).
Encontre o total τ , a média populacional µ e a variância populacional S 2 , da
popula¸cão que foi simulada.
2.2 Considere a popula¸cão dada na Tabela 2.8, onde X denota o n´umero de apar-
tamentos nos condom´ınios observados e Y denota o n´umero de apartamentos
alugados. Os espa¸cos em branco devem ser interpretados como zero. Encontre:
a. µY , τY e SY2 ;
b. µX , τ X e S X2 ;
c. a propor¸cão P de condomı́nios com mais de 20 apartamentos alugados e
a variˆancia populacional correspondente a vari´ avel Wi que assume o valor
1 se o i-ésimo condom´ınio possui mais que 20 apartamentos alugados e 0
caso contr´ario, i = 1 , . . . , 180.
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 70/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
Te´oricos
2.9 Verique a validade das express˜oes (2.18) e (2.19).
2.10 Para a amostragem aleat´ oria simples sem reposi¸cão (AASs), encontre a dis-
tribui¸cão de y1 , . . . , y n dadas em (2.1), para um popula¸ cão com N elementos.
Verique que
E [yi ] = Y , V ar [yi ] = −
N 1 2
N
S ,
i = 1 , . . . , n , e que
S2
−
Cov [yi , y j ] =
N
.
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 71/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
21 2 51 22 36 81 3 8 111 1 14 1 11 23 171 1
22 23 29 52 10 16 82 2 4 112 4 142 19 39 172 1
23 3 53 9 15 83 13 18 113 7 12 143 5 9 173 1
24 19 29 54 7 16 84 34 42 114 7 22 144 2 174 2 4
25 11 21 55 3 8 85 28 32 115 3 11 145 3 5 175 1
26 11 15 56 5 25 86 23 28 116 12 27 146 12 26 176 1
27 42 54 57 2 11 87 8 14 117 11 20 147 4 10 177 2
28 28 42 58 8 9 88 69 76 118 27 38 148 14 35 178 1 1
29 8 13 59 14 19 89 2 19 119 14 31 149 4 179 1
30 2 60 5 5 90 5 9 120 2 4 150 20 38 180 1
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 72/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
Cap´ıtulo 3
Amostragem aleat´ oria simples (AAS) é o método mais simples e mais importante
para a sele¸cão de uma amostra. Além de servir como um plano pr´ oprio, o seu
procedimento é usado de modo repetido em procedimentos de m´ ultiplos est´agios.
Ele pode ser caracterizado através da deni¸ cão operacional: “de uma lista com
N unidades elementares, sorteiam-se com igual probabilidade n unidades”. V´arios
métodos para sortear as unidades que far˜ ao parte da amostra ser˜ ao comentados
nas seções seguintes. Para simplicar a nota¸ cão e estando o plano bem denido,
·
usar-se-´a a nota¸cão E [ ] no lugar de E A [ ].
·
3.1 Deni¸ cões e nota¸ cões
A principal caracteriza¸ cão para o uso do plano AAS é a existência de um sistema de
referências completo, descrevendo cada uma das unidades elementares. Deste modo
tem-se bem listado o universo
U= {1, 2, . . . , N }.
O plano é descrito do seguinte modo:
iii. Caso seja permitido o sorteio de uma unidade mais de uma vez, tem-se o pro-
cesso AAS com reposi¸cão. Quando o elemento sorteado é removido de antes
U
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 73/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
Do ponto de vista pr´atico, o plano AASs é muito mais interessante, pois vai
de encontro ao princı́pio intuitivo de que “n˜ ao se ganha mais informa¸cão se uma
mesma unidade aparece mais de uma vez na amostra”. Por outro lado, o plano
AASc, introduz vantagens matem´ aticas e estat´ısticas, como a independência entre
as unidades sorteadas, que facilita em muito a determina¸ cão das propriedades dos
estimadores das quantidades populacionais de interesse. Basta observar na maioria
dos assuntos tratados em livros de inferência h´ a imposi¸cão de que as unidades que
fazem parte da amostra sejam independentes. Deste modo, iniciar-se-´ a este capı́tulo
derivando-se as propriedades dos estimadores para o caso AASc, e depois para AASs.
Também ser˜ ao exploradas compara¸ cões entre os métodos, procurando ressaltar as
respectivas vantagens e ganhos. Considere também associado a cada unidade i, uma
caracterı́stica populacional unidimensional de interesse, Yi , i
∈
U. Neste capı́tulo
serão consideradas inferências para os seguintes parˆ ametros de interesse (j´ a denidos
na Seção 2.1):
N N N N
1 2 1 2 2 1 2
τ = i=1 Yi , µ = Y = N i=1 Yi , σ = N i=1 (Yi
−µ) e S = N
−1 i=1 (Yi −µ) .
U {
= 1, . . . , N ;
}
ii. Utilizando uma tabela de n´ umeros aleat´orios, ou programa de computador,
sorteia-se, com igual probabilidade, uma das N unidades da popula¸ cão;
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 74/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
Com o plano amostral AASc denido acima, é f´ acil vericar que a vari´avel f i ,
número de vezes que a unidade i aparece na amostra (ver Deni¸ cão 2.2), apresenta
as propriedades estabelecidas no teorema seguinte.
Teorema 3.1 Para o plano amostral AASc, a vari´ avel f i , n´umero de vezes que a
unidade i aparece na amostra segue uma distribui¸ c˜ao binomial com parˆametros n e
1/N , denotadas por
1
f i b n;
N
,
∼
de modo que n
(3.1) E [f i ] = ,
N
n 1
(3.2) V ar[f i ] =
N
1
− N
,
n
1
(3.3) πi = 1
− − 1
N
,
n n
1 2
(3.4) π ij = 1
− 2 1
− N
+ 1
− N
,
i, j = 1 , . . . , N , e
n
i, j = 1 , . . . , N .
Cov [f i , f j ] =
− N2,
Prova. Os resultados (3.1) e (3.2) seguem diretamente do fato de que se a vari´ avel
∼
aleat´oria X b(n; p) ent˜ao (ver Bussab e Morettin, 2004) a fun¸ cão de proba-
bilidade de X é tal que
n k n− k
P (X = k) =
k
p (1
− p) ,
πi = P (f i = 0) = 1
−0 P (f i = 0)n n
n 1 1 1
= 1
− 0 N
1
−N =1
− −N
1
Nn n
(3.5) = −N(Nn −1) ,
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 75/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
e que
π ij =
∩f j = 0) = 1 −P (f i = 0 ∪f j = 0)
P (f i = 0
=
− − ∩
1 P (f i = 0) + P (f j = 0) P (f i = 0 f j = 0)
1 n 1 n 2 n
= 1
− 1 −N + 1 −N − 1 −N
1 n 2 n
=
− −N
1 2 1 + 1
−N
n n n
(3.6) =
N
−2(N −N1)n + ( N −2) ,
vericando assim (3.3) e (3.4). Note que em (3.5) o numerador denota o
número de amostras que contém a unidade i e o denominador denota o n´umero
total de amostras AASc de n unidades em uma popula¸ cão com N unidades. De
maneira similar, em (3.6) o numerador denota o n´ umero de amostras AASc
de tamanho n que contém o par ( i, j ). Pelo plano AASc, cada tentativa é
independente e qualquer um dos N elementos populacionais tem a mesma
probabilidade 1 /N de ser sorteado. Isso caracteriza para ( f 1 , f 2 , . . . , f N ) a
distribui¸cão multinomial (ver Ross, 2002), com parˆ ametros ( n; 1/ N , . . . , 1/N ),
que denotamos por
(f 1 , . . . , f N )
∼M (n; 1/ N , . . . , 1/N ),
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 76/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
t(s) = Yi
i ∈s
E [t] = nµ
e
V ar[t] = nσ 2 .
V ar[t] = V ar[f ]N S 2 = n
N
N
−1
N
NS 2 = n N
−1 S 2 = nσ 2 ,
N
onde f denota o n´umero de vezes que uma unidade qualquer de
Uaparece na
amostra.
3.2.2 Estima¸ c˜
ao do total e da m´
edia populacional
Dos resultados acima, derivam-se estimadores n˜ ao viesados para µ e τ , resumidos
no seguinte teorema.
σ2
(3.9) V ar [y] = .
n
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 77/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
2 2 2 2 t2
s 2q
(n
−1)s =
i ∈s
(Yi
−y) =
i ∈s
Yi
−ny =
− n
,
de modo que
1
1)s 2 = E s 2q
E t2 ,
E (n
− n −
onde s2q
= i ∈s Yi2 . Por outro lado, de (2.16), (2.18), (3.1) e (3.2), podemos
escrever que
2 2 2 2 2 n 2 2
E sq = N σ + µ E [f ] = N σ + µ N = nσ + nµ
e que
E t2 = NS 2 V ar[f ] + τ 2 E 2 [f ]
n2 2
= NS 2
n
N
1
1
N − +
N2
τ = nS 2
N
N
−1
+ n 2 µ2
2 2 2
= nσ + n µ ,
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 78/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
Corol´
ario 3.2 Para o plano amostral AASc, a estat´ıstica
s2
(3.12) var [y] = V ar [y] = ,
n
é um estimador n˜ ao viesado da variˆancia da média amostral, V ar [y], e
s2
(3.13) var [T ] = V ar[T ] = N 2 ,
n
é um estimador n˜ ao viesado de V ar[T ].
Exemplo 3.1 Volte aos dados do Exemplo 2.1 e considere a vari´ avel renda familiar,
onde o universo é
U { }
= 1, 2, 3 e o parâmetro populacional é D = (12 , 30, 18), com
as seguintes fun¸cões paramétricas: τ = 60, µ = 20 e σ2 = 168 / 3 = 56. Denido o
plano amostral AASc, com n = 2, tem-se associado a
U
o seguinte espa¸co amostral
SAASc = {11, 12, 13, 21, 22, 23, 31, 32, 33}.
A Tabela 3.1 considerada a seguir apresenta os valores dos estimadores y e s2 ,
calculados para cada amostra em AASc .
S
Tabela 3.1: Valores de y, s2 e P (s) para as amostras s em
SAASc
s: 11 12 13 21 22 23 31 32 33
P (s): 1/9 1/9 1/9 1/9 1/9 1/9 1/9 1/9 1/9
y: 12 21 15 21 30 24 15 24 18
s2: 0 162 18 162 0 72 18 72 0
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 79/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
e
(3.15)
T τ a
N σ 2 /n
− ∼N (0, 1),
onde N (0, 1) denota uma vari´ avel aleat´oria com distribui¸cão normal com média zero
e variˆancia 1. Os resultados (3.14) e (3.15) possibilitam a obten¸ cão de intervalos de
conan¸ca aproximados para y e T . Ent˜ao, com rela¸cão à média populacional, temos
de (3.14) que, para n sucientemente grande,
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 80/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
− −
intervalo ( zα ; zα ) é igual a 1 α . Como σ2 é desconhecido, ele é substituı́do por
seu estimador n˜ao viciado s 2 , que para n grande é bem pr´oximo de σ 2 . A express˜ao
(3.16) pode ser escrita como
s2 s2
P y
− zα
n ≤ ≤ µ y + zα
n
1
−α,
de onde segue que
s2 s2
(3.17) y
− zα
n
; y + zα
n
−
igual a 1 α . A interpreta¸ cão freqüentista do intervalo de conan¸ ca est´a baseada
no fato de que se forem observadas 100 amostras AAS, e constru´ıdos 100 intervalos
de conan¸ca baseados nestas amostras, ent˜ ao, aproximadamente 100(1 α )% dos
−
intervalos devem conter µ.
3.2.5 Determina¸ c˜
ao do tamanho da amostra
Nesta se¸cão, discute-se a determina¸ cão do tamanho da amostra n de tal forma que o
estimador obtido tenha um erro m´ aximo de estima¸cão igual a B, com determinado
grau de conan¸ca (probabilidade). De maneira mais especı́ca, o problema consiste
em determinarmos n de modo que
(3.18) P( y
| −µ| ≤B ) 1
−α.
De acordo com (3.14), tem-se, para n grande, que
σ2
(3.19) P
| − |≤
y µ zα
n
1
−α.
Ent˜ao, para B xado, comparando (3.18) e (3.19), a solu¸ cão para o problema
acima consiste em determinar n de tal forma que
σ
B = zα
√n ,
ou equivalentemente,
B2 σ2
(3.20) = .
zα2 n
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 81/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
σ2 σ2
(3.21) n= =
(B/z α ) 2 D
de modo que D = B 2 /z α2 .
Para a determina¸ cão do tamanho da amostra é preciso xar o erro m´ aximo
desejado ( B ), com algum grau de conan¸ca (zα ) e possuir algum conhecimento a
priori da variabilidade da popula¸ cão (σ 2 ). Os dois primeiros s˜ao xados pelo pes-
quisador, e quanto ao terceiro, a resposta exige mais trabalho. O uso de pesquisas
passadas, “adivinha¸ cões” estatı́sticas, ou amostras pilotos s˜ ao os critérios mais usa-
dos. Em muitos casos, uma amostra piloto pode fornecer informa¸ cão suciente
sobre a popula¸cão, de tal forma que pode-se obter um estimador inicial razo´ avel
para σ2 . Em outros casos, pesquisas amostrais efetuadas anteriormente sobre a po-
pula¸cão tamb´em podem fornecer estimativas iniciais bastante satisfat´ orias para σ2 .
Um outro procedimento, talvez menos dispendioso, seria considerar um intervalo
onde aproximadamente 95% dos indivı́duos da popula¸ cão estariam concentrados, e
aı́, igualar ao comprimento deste intervalo a quantidade 4 σ. Terı́amos ent˜ ao um
valor aproximado para σ2 . Tal procedimento é baseado no fato de que no intervalo
compreendido entre a média menos dois desvios padr˜ oes e a média mais dois des-
vios padr˜oes (média 2DP ), tem-se em popula¸cões (aproximadamente) simétricas,
±
aproximadamente 95% da popula¸ cão.
Exemplo 3.2 Considere novamente a popula¸ cão do Exemplo 2.1. Suponha que
uma amostra AASc de tamanho n = 10 da vari´avel renda familiar apresente os
valores: 12, 18, 12, 18, 18, 30, 12, 12, 18 e 30. Para esta amostra, y = 18 e s 2 = 48.
Portanto, de (3.17) segue que um intervalo de 95% de conan¸ ca para µ é dado por
18 1, 96 48/ 10, ou seja, (13, 71;22, 29). Com s 2 = 48, para ter uma amostra que
± √
apresenta uma estimativa com erro m´ aximo B = 2 com γ = 0 , 95, de modo que
∼
D = 2/ (2 2 ) = 0 , 5, é necess´ario que
48
n= = 96.
0, 5
P
y
−µ µ ≤ r = γ.
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 82/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
Identicando a quest˜ ao acima com aquela indicada pela express˜ ao (3.18), tem-se que
a solução para n é apresentada por (3.21) com B = rµ. Assim, além de estimativa
preliminar para σ 2 necessita-se também de uma estimativa preliminar para µ.
3.2.6 Estima¸ c˜
ao de propor¸ cões
De maneira geral, em muitas situa¸ cões, existe interesse em estudar a propor¸ cão de
elementos em certa popula¸ cão que possuem determinada caracter´ıstica, como ser ou
não um item defeituoso, ser ou n˜ao eleitor de determinado partido polı́tico e assim
por diante. Nestas situa¸ cões, a cada elemento da popula¸ cão est´a associada a vari´avel
Ent˜ao,
N
1
P = Yi = µ
N i=1
é a propor¸cão de unidades na popula¸ cão que possuem a caracterı́stica de interesse.
No caso em que se est´a estudando, a propor¸ cão de itens defeituosos produzidos
em uma linha de produ¸ cão, por exemplo, a popula¸cão dos valores de Y não é de
interesse primordial. É mais importante a obten¸ cão de informa¸cão sobre a propor¸cão
P de tais itens que est˜ao dentro de limites aceit´ aveis.
Desde que Yi toma apenas os valores 0 e 1, pode-se escrever (veja o Exercı́cio
3.31)
N
1
2
(Yi P ) 2 = P (1 P ).
(3.22) σ =
N i=1 − −
Dada uma amostra observada s de tamanho n, seja m o número de elementos
da amostra que possuem a determinada caracterı́stica. De acordo com o Teorema
3.3, tem-se com rela¸cão à AASc que um estimador n˜ao viciado de P é dado por
1 m
p = P̂ = y = Yi = ,
n i ∈s
n
e que
σ2 PQ
V ar P̂ =
= ,
n n
−
onde Q = 1 P . De acordo com o Teorema 3.4, tem-se que um estimador n˜ ao
viciado de σ2 é dado por
n n
(3.23) s2 = P̂ Q̂ = pq,
n
− 1 n
− 1
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 83/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
−
onde q = Q̂ = 1 P̂ . Conseqüentemente, pelo Corol´ ario 3.2, tem-se que um estimador
não viciado de V ar[P̂ ] é dado por
P̂ Q̂
var [p] = .
−
n 1
A seguir, h´a um resumo dos resultados obtidos acima.
P̂ Q̂
var [p] = .
−
n 1
Utilizando-se a aproxima¸ cão normal discutida na Se¸ cão 3.2.4, um intervalo de
conan¸ca aproximado para P é dado por
P̂ Q̂ P̂ Q̂
(3.25) P̂ zα ; P̂ + zα .
− n
−1 n
−1
Notando-se que o produto P Q (e portanto P̂ Q̂) é sempre menor que 1 / 4, segue
de (3.25) que um intervalo de conan¸ ca conservativo para P é dado por
1 1
P̂
− zα
4(n
− 1)
; P̂ + zα
4(n
− 1)
.
| − |≤ −
Utilizando os resultados obtidos para a média amostral da Se¸ cão 3.2.4, pode-se
mostrar que o valor de n , tal que (3.26) é aproximadamente satisfeita, é dado por
PQ
(3.27) n= ,
D
onde D é denido como em (3.21). Mas, para utilizar a f´ ormula (3.27), é necess´ ario
um valor (estimador) para P . Tal estimador pode ser obtido utilizando-se pesquisas
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 84/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
anteriores ou uma amostra piloto. Uma forma alternativa, que produz um valor
conservativo para n consiste em utilizar o fato de que P Q
de (3.27) que
≤1/ 4. Neste caso, tem-se
1
n= ,
4D
onde, como antes, D = B 2 /z α2 .
Exemplo 3.3 Considere novamente a amostra AASc obtida no Exemplo 3.2. Pretende-
se estimar a propor¸cão P de pessoas na popula¸cão com renda familiar maior que 18
unidades. Portanto, da amostra selecionada obtem-se p = 2 / 10 = 0 , 2. Um intervalo
de 95% de conan¸ca para P baseado na amostra acima segue de (3.25) e é dado por
± ×
0, 2 1, 96 0, 2 0, 8/ 9, ou seja, (0, 00;0, 46), que é portanto bastante grande, dado
que o tamanho da amostra é bastante pequeno.
Teorema 3.6 Com rela¸c˜ao à AASc, na classe dos estimadores lineares n˜ ao vicia-
dos, y é o de menor variˆancia (´otimo).
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 85/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
Teorema 3.7 Com rela¸c˜ao à AASs, a vari´avel f i , n´umero de vezes que a unidade
i aparece na amostra, obedece a distribui¸ c˜ao de Bernoulli (ver Bussab e Morettin,
2004) com probabilidade de sucesso n/N , denotado por f i b(1; n/N ), e que satisfaz:
n n
∼
P (f i = 1) =
N
e P (f i = 0) = 1
N
,
−
de modo que
n
E [f i ] = ,
N
n n
V ar[f i ] =
N
1
N − ,
n
πi = ,
N
π ij =
n n 1
−,
e
N N 1
−
Cov [f i , f j ] =
−
n N n
N2 N 1
, −
i = 1, . . . , n e i = j = 1, . . . , N .
−
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 86/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
Prova. A demonstra¸cão deste teorema é similar ` aquela feita para a AASc, e ca a
cargo do leitor (veja o Exercı́cio 3.30).
Conv´
em ressaltar ainda a similaridade entre muitos dos resultados que os dois
planos apresentam, e que embora as f´ ormulas sejam diferentes, s˜ ao pr´oximas quando
N , o tamanho da popula¸ cão, tende a ser grande quando comparada com o tamanho
da amostra. Por exemplo, quando N é grande com rela¸cão a n ,
N
−n1 1,
N
−
de modo que
n
Cov AASc [f i , f j ] = 2
e N
−
Cov AASs [f i , f j ] =
n N n
−
N2 N 1
, −
−
i = 1 , . . . , n , i = j = 1 , . . . , n , são muito pr´oximos. Observe que para n = 1, as
fórmulas coincidem (Por que?).
E [t] = nµ
e
2
V ar[t] = n(1
−f )S ,
onde f = n/N é denominada fra¸ c˜ao amostral.
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 87/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
− −
ny + ( N n)y, de modo que as N n unidades fora da amostra s˜ ao também es-
timadas por y. Os resultados a seguir mostram que os estimadores acima s˜ ao não
viesados e apresentam também express˜ oes para as suas variˆancias com rela¸cão à
AASs, denominadas variˆ ancias amostrais.
Corol´ ario 3.3 Com rela¸c˜ao à AASs, um estimador n˜ ao viciado do total populaci-
onal é N
T (s) = N y = t(s),
n
cuja variˆancia amostral é dada por
S2
V ar[T ] = N 2 (1
− f)
n
.
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 88/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
Prova. Fica a cargo do leitor seguir os passos usados na demonstra¸ cão do Teorema
3.4 para concluir a demostra¸ cão (veja o Exercı́cio 3.33).
Corol´
ario 3.5 Para o plano amostral AASs, a estat´ıstica
s2
var [y] = V ar[y] = (1
− f)
n
é um estimador n˜ ao viesado de V ar[y] e
s2
var [T ] = V ar[T ] = N 2 (1
− f)
n
é um estimador n˜ ao viesado de V ar[T ].
S {
AASs = 12, 21, 31, 13, 23, 32 .
}
A Tabela 3.4 considerada a seguir apresenta os valores de y e s 2 para cada uma das
S
amostras em AASs .
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 89/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
Portanto, y é um estimador n˜ao viesado para µ e com variância bem menor que a
variˆancia apresentada pelo planejamento AASc. Da Tabela 3.6, tem-se que
1
E [s 2 ] = (18 + 72 + 162) = 84 ,
3
um resultado j´a esperado, pois, conforme visto no Teorema 3.9, s2 é um estimador
não viesado de S 2 .
− y
µ
(1 f )s /n ∼
2
a
N (0, 1),
−
−
T τ a
N (0, 1)
e −
N (1 f )s 2 /n
∼
P |−|
y µ
(1 f )s 2 /n ≤
zα
−
1 α,
−
resultando no intervalo de conan¸ ca para µ,
s2 s2
y
− zα (1
− f)
n
; y + zα (1
− f)
n
.
−
acima para µ. Veja o Exerc´ıcio 3.34.
Exemplo 3.5 Uma pesquisa amostral foi conduzida com o objetivo de se estudar
o ı´ndice de ausência ao trabalho em um determinado tipo de ind´ ustria. Uma AAS
sem reposi¸cão de mil oper´arios de um total de 36 mil é observada com rela¸ cão ao
número de faltas n˜ao justicadas em um perı́odo de 6 meses. Os resultados obtidos
foram:
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 90/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
Faltas: 0 1 2 3 4 5 6 7 8
Trabalhadores: 451 162 187 112 49 21 5 11 2
Para esta amostra tem-se que uma estimativa de µ é dada por y = 1 , 296. Observa-se
2
também que s = 2 , 397. Usando a aproxima¸cão normal, tem-se que um intervalo
de 95% de conan¸ca para µ é dado por (1 , 201;1, 391).
3.3.5 Determina¸ c˜
ao do tamanho da amostra
Para adaptar os resultados desenvolvidos na Se¸ cão 3.2.5 para o caso AASs, basta
observar que
S2 S2 S2
V ar AASs [y] = (1 f ) = = ,
onde
n
− n/ (1 f ) n
−
n
n = ,
1 f
−
obtendo-se uma express˜ ao semelhante `a do caso AASc, ou seja,
S2
. n =
D
Para a obten¸ cão do tamanho efetivo da amostra note que, sendo
n
n = ,
1 n/N
−
obtém-se imediatamente que
n
n= ,
1 + n /N
de modo que
S 2 /D 1
n= S 2 /D
= 2
,
1+ D/S + 1 /N
N
2 2
onde D = B /z α.
Note que o tamanho da amostra neste caso, é menor que o
tamanho da popula¸ cão N . No caso da AASc, o tamanho da amostra para atingir
determinada precis˜ ao (expressa através de B) pode ser maior que o tamanho da
popula¸cão. Todas as corre¸cões feitas anteriormente para o caso AASc também se
aplicam para este caso. Pode-se mostrar de maneira similar ao desenvolvimento
acima que o tamanho da amostra para que (veja o Exercı́cio 3.35)
P( T
| −τ | ≤B ) 1
−α,
é dado por
N
(3.29) n= .
D/ (NS 2 ) + 1
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 91/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
Exemplo 3.6 Considere a popula¸cão dos oper´arios faltosos do Exemplo 3.5. Pode-
se encontrar n tal que B = 0 , 05, com α = 0 , 05. Ent˜ao, como, neste caso D =
(0, 05/ 2) 2 = 0 , 00065, tem-se que
∼
1
n= ∼0,00065
2,397 + 1
36.000
∼
= 3.466.
p = P̂ = y = n1 Yi = m
n,
i ∈s
e que
S2
V ar[P̂ ] = (1
=
N n PQ
,
− f) −
n N 1 n
−
−
onde Q = 1 P . De acordo com o Teorema 3.9, tem-se que um estimador n˜ ao
viciado de S 2 é dado por
n n
(3.31) s2 = P̂ Q̂ = pq
n 1 n 1
− −
onde q = Q̂ = 1
−P̂ . Conseqüentemente, um estimador n˜ ao viciado de V ar[P̂ ] é
dado por
P̂ Q̂
var [p] = (1
−f ) n − 1 .
Utilizando-se a aproxima¸ cão normal discutida na Se¸ cão 3.3.4, um intervalo de
conan¸ca aproximado para P é dado por
P̂ Q̂ P̂ Q̂
(3.32) P̂
−zα (1
−f ) n −1 ; P̂ + zα (1
−f ) n − 1 .
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 92/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
P̂
− zα −
1 f
; P̂ + zα
1 f
− .
−
4(n 1) 4(n 1)
−
Como no caso da média amostral, pode-se considerar o tamanho da amostra
n de tal forma que
(3.33)
| −P | ≤B )
P ( P̂ 1
−α.
Utilizando-se os resultados obtidos para a média amostral na Se¸ cão 3.3.5,
pode-se mostrar que o valor de n tal que (3.33) é aproximadamente satisfeita é dado
por
N
(3.34) n= .
(N
−1)D/ (P Q ) + 1
Mas, para utilizar a f´ormula (3.34), é necess´ ario de um valor (estimador) para P .
Tal estimador pode ser obtido utilizando-se pesquisas anteriores ou uma amostra
piloto. Uma forma alternativa, que produz um valor conservativo para n consiste
≤
em utilizar o fato de que P Q 1/ 4. Neste caso, tem-se de (3.34) que
N
n= ,
4(N
−
1)D + 1
Exemplo 3.7 No Exemplo 3.5, suponha que até 3 faltas (3 dias) em 6 meses seja
considerado aceit´avel. Ent˜ao, a propor¸cão de trabalhadores tirando mais que 3 dias
de folga não justicada em 6 meses, é
88
p= = 0 , 088.
1000
De (3.34), tem-se que um intervalo de conan¸ ca para P , com α = 0 , 05, é dado por
0, 088
± 1, 96 1
− 36.000
1.000
×−
0, 088 0, 912 ,
1.000 1
ou seja, (0 , 071;0, 105). Para ter uma estimativa com B = 0 , 01 com γ = 0 , 95, temos
∼
que D = (0, 01/ 2) 2 = 0 , 000025, de modo que de (3.34) segue que é preciso observar
36.000
n= (36 .000 − 1) × 0,000025
+1
∼
= 2.948.
0,088 × 0,912
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 93/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
Como na Se¸cão 3.2.7, considere a classe dos estimadores lineares ys da média po-
pulacional µ, com a condição de não viciosidade estabelecida pelo Lema 3.1, ou
seja = 1 /n . Note que neste caso as vari´aveis yi não são independentes, pois,
−
P (yi = Yk , y j = Yl ) = 1 /N (N 1), i = j = 1 , . . . , N , e k = l = 1 , . . . , N .
Teorema 3.10 Com rela¸c˜ao à AASs, na classe dos estimadores lineares n˜ ao vicia-
dos, y é o de menor variˆancia (´otimo).
Ent˜ao, para que a variˆancia (3.35) seja mı́nima, é necess´ ario que
n− 1 n− 1 2
2
i=1
i + 1
− i=1 i
seja mı́nimo. Diferenciando com rela¸ cão a i e igualando a zero, temos que
n− 1
i =1
− j =1 j = n,i = 1, . . . , n
−1.
Note que a segunda derivada com rela¸ cão a i é positiva. Assim, i = n,
i = 1 , . . . , n , e como ni=1 i = 1, tem-se que
1
i = , i = 1, . . . , n .
n
Note que o estimador linear com i = 1 /n , i = 1 , . . . , n nada mais é do que y.
3.4 Compara¸ c˜
ao entre AASc e AASs
Quando se tem dois planos amostrais, é importante saber qual deles é “melhor”.
Antes de continuar a discuss˜ ao, é preciso xar o critério pelo qual o plano ser´ a jul-
gado. Como j´a foi discutido anteriormente, o critério mais adotado em amostragem
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 94/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
−n 1,N
Exerc´ıcios
3.1 Em uma popula¸cão com N = 6, tem-se D = (8 , 2, 2, 11, 4, 7). Um plano AASs
de tamanho n = 2 é adotado.
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 95/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
3.4 Um plano AASs com n = 30 foi adotado em uma ´area da cidade contendo
14.848 residências. O n´umero de pessoas por residência na amostra observada
foi d = (5 , 6, 3, 3, 2, 3, 3, 3, 4, 4, 3, 2, 7, 4, 3, 5, 4, 4, 3, 3, 4, 3, 3, 1, 2, 4, 3, 4, 2, 4).
y + 1 , se s contém y1 e não y6
yc = y 1, se s contém y6 e não y1 ,
−
y, caso contr´ario
{ }
centes elementos 2, 3, 4, 5 , isto é, yst inclui y1 , y6 , e a média de uma amostra
de tamanho 2 dos 4 elementos remanescentes. Encontre V ar[yst ].
3.7 Dois dentistas, D 1 e D 2 , fazem uma pesquisa amostral sobre o estado dos
dentes de 200 crian¸cas de certa escola estadual de determinada localidade. D1
seleciona uma AASs de 20 crian¸cas e conta o n´umero de dentes cariados para
cada crian¸ca, com os seguintes resultados:
N o de dentes cariados: 0 1 2 3 4 5 6 7 8 9 10
No de crian¸cas: 8 4 2 2 1 1 0 0 0 1 1
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 96/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
O outro dentista, D 2 , usando a mesma técnica dental, examina as 200 crian¸ cas
da escola, mas anota somente o n´ umero de crian¸cas com dentes cariados. Ele
encontra um total de 60 crian¸ cas sem nenhuma c´arie. Estime o n´umero de
dentes cariados nas crian¸ cas da escola, quando se utiliza
i. somente os resultados de D 1 ;
ii. os resultados de D 1 e de D 2 .
− −
amostra original. Encontre V ar[y1 y 2 ] e V ar[y1 y], onde y é a média da
amostra original.
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 97/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
3.12 Em uma amostra de 200 colégios particulares de uma popula¸ cão com 2.000
colégios, 120 colégios eram favor´aveis a certa proposi¸cão, 57 eram contra e 23
eram indiferentes. Encontre o tamanho da amostra que fornece uma estimativa
que n˜ao difere do valor exato do total de colégios na popula¸ cão favor´aveis à
proposi¸cão, por mais que 20, com probabilidade igual a 0,95. Justique o
procedimento utilizado.
3.15 Duas AAS de tamanhos 200 e 450 foram colhidas um ap´ os a outra (sem
reposi¸cão), de uma popula¸cão de 2.400 alunos de uma escola. Para cada estu-
dante perguntou-se qual a distˆ ancia em quilˆometros de sua residência ` a escola.
As médias e variˆancias obtidas foram as seguintes: y1 = 5 , 14, y2 = 4 , 90,
s 1 = 3 , 87 e s2 = 4 , 02. Construa um intervalo de conan¸ ca de 90% (aproxi-
madamente) para a distˆ ancia média das residências ` a escola.
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 98/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
3.17 Suspeita-se que a renda familiar média dos moradores de Pepira seja de apro-
ximadamente 10 sal´arios mı́nimos (SM) e o desvio padr˜ ao de 5 SM. Pretende-se
usar AAS como plano amostral.
a. Que tamanho deve ter a amostra para que o erro padr˜ ao de y seja de 0,5?
Que suposi¸cões foram necess´arias?
b. Como caria a resposta acima se N = 20.000? E se N = 1 .000?
c. Agora você quer planejar a amostra de modo que o coeciente de varia¸ cão
de y, C V [y], seja inferior a 5%. Qual deve ser o tamanho da amostra?
estimador e igual a 5%. Qual deve ser o tamanho da amostra em cada caso?
Que lição você aprende deste exercı́cio?
3.19 Uma AAS de 400 pessoas, retirada de uma popula¸ cão com 2.000 pessoas,
mostrou que 200 delas eram favor´ aveis a um projeto governamental.
3.20 Você planejou uma amostra aleat´ oria simples de n indiv´ıduos, para estimar a
média populacional µ de uma vari´avel. Cerca de 20% recusou-se a responder ` a
entrevista. Que estimador você usaria para µ e qual o erro padr˜ao? Justique
a resposta.
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 99/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
a. com reposi¸cão?
b. sem reposi¸cão?
3.22 A seção de pessoal de uma companhia mantém chas cadastrais de seus 800
empregados. Sabe-se que algumas chas est˜ ao incorretamente preenchidas e
deseja-se estimar qual a propor¸ cão destas chas. De 100 chas escolhidas
aleatoriamente, 25 estavam incorretas.
Você foi encarregado de propor um plano amostral aleat´ orio simples para
essa pesquisa, indicando e justicando o tamanho da amostra, f´ ormulas de
estima¸cão e sugest˜oes práticas para colher a amostra. Informe as suposi¸ cões
feitas para responder ao problema.
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 100/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
3.24 Para estimar a propor¸ cão P das 1.000 unidades rurais do munic´ıpio de Pepira
dedicadas exclusivamente ` a pecu´aria, usou-se uma AAS de 100 unidades, das
quais apenas 30 satisfaziam o requisito. Construa um intervalo de conan¸ ca
de 95% para P .
a. Para a safra seguinte, você planeja uma amostra similar. Quanto você
−
imagina que seja o erro padr˜ ao da diferen¸ca y1 y 2 ? Que suposi¸cões foram
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 101/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
−
da diferen¸ca y1 y2 ? Quais as suposi¸cões necessárias? Como caria a
resposta no caso de n˜ao serem verdadeiras?
c. Da primeira amostra de 1.200, decidiu-se comparar duas subcategorias
(grandes e pequenas), cada uma com 1/10 dos elementos da amostra.
−
Qual a magnitude do erro padr˜ ao de yg y p ? Que suposi¸cões foram
feitas e como caria a resposta quando n˜ ao fossem verdadeiras?
Te´oricos
3.30 Prove o Teorema 3.7.
i=1
(Yi
−Y ) = 0 .
3.33 Prove o Teorema 3.9.
3.34 Mostre que um intervalo de conan¸ ca para o total populacional τ com coe-
ciente de conan¸ca aproximadamente igual a 1 α é dado por
−
s2 s2
N 2 (1 N 2 (1
T
− zα
− f)
n
; T + zα
− f)
n
.
N N
3.37 a. Elevando ao quadrado a express˜ ao i=1 Yi = N µ, mostre que i=1 j= i Yi Yj
(N 1) S 2 Nµ .
− −
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 102/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
S2
Cov [yi , y j ] =
− N
.
3.38 Considere a classe dos estimadores lineares ys dados na Deni¸cão 3.1. En-
contre a condi¸cão para que ys seja não viciado para o total populacional τ .
Usando este resultado, mostre que ˆ τ = T = Ny é o estimador de menor
variˆancia na classe dos estimadores lineares n˜ ao viciados, considerando AASc
e também AASs.
P1 =
1
N2
, P2 =
3(N 1)
N2
−, P3 =
(N
−1)(N
N 2
−2)
.
V ar y = S 2
N
N
−1
P1 + −
N 2
2N
P2 + − P3
N 3
3N
,
e conclua que
2
S2
V ar y =
(2N
−1)(
6N 2
−
N 1)S
1
−
f
2 3
.
yI =
2 Y1
1
+ 2 Y2 ,
2
{ }.
se s= 1,2
2 Y1
1
+ 3 Y3 ,
1
{ }
se s= 1,3
2 Y2 + 3 Y3 , { }
se s= 2,3
y + c, se 1 s e N / s
∈ ∈
yc = y c, se 1 / s e N s ,
− ∈ ∈
∈
y, se 1 / s e N / s
∈
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 103/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
S2 2c
V ar[yc ] = (1
− f)
n −N −1 (YN −Y1 −nc) ,
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 104/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
Cap´ıtulo 4
Amostragem estraticada
Exemplo 4.1 Considere uma pesquisa feita em uma popula¸ cão com N = 8 do-
mic´ılios, onde s˜ao conhecidas as vari´aveis renda domiciliar ( Y ) e local do domic´ılio
(W ), com os códigos A para regi˜ao alta e B para regi˜ao baixa. Tem-se ent˜ ao,
U= {1, 2, 3, 4, 5, 6, 7, 8},
com
y 13 17 6 5 10 12 19 6
D = = .
w B A B B B A A B
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 105/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
94 Amostragem estraticada
µ = 11 e σ2 = 24 .
µA = 16, ∼
σA2 = 8, 7, µB = 8 e σB2 = 9 , 2.
e
9, 2
V ar [yB ] = = 4 , 60.
2
Baseado em yA e yB é preciso construir um estimador para µ, a média populacional.
Será visto adiante que uma possibilidade é considerar
3yA + 5 yB
yes = ,
8
já que 3yA é um estimador para τA e 5y B é um estimador para τB . Será visto
também que
9 25
V ar [y ] = 64 V ar [y ] + 64 V ar [y B ] = 2, 4.
es A
∼
Pode-se ent˜ao medir o efeito do planejamento:
V ar [yes ] 2, 4
EP A =
V ar [y]
= ∼
6, 0
= 0 , 40.
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 106/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
95
Exemplo 4.2 Considere agora a mesma popula¸ cão do Exemplo 4.1, porém dividida
nos seguintes estratos:
U1 = {1, 2, 3, 4}, e
U2 = {5, 6, 7, 8},
com os seguintes dados:
µ1 = 10, 25, ∼
σ12 = 24, 69, µ2 = 11 , 75 ∼
e σ22 = 22, 19.
e
V ar[y1 ] =
∼
2 = 12, 34
∼
22, 19
V ar[y2 ] =
2 ∼ = 11, 09. ∼
Finalmente,
16 16
V ar[yes ] =
64
12, 34 +
64
11, 09 = 5, 86, ∼
com
5, 86
EP A =
6, 00∼= 0, 98, ∼
que mostra o plano estraticado com desempenho bastante pr´ oximo ao do plano
AASc para a estratica¸ cão considerada.
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 107/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
96 Amostragem estraticada
U= {1, 2, . . . , N }
U U U
e que exista uma parti¸ cão 1 , . . . , H de , isto é,
H
(4.1)
U= h =1 Uh e
Uh Uh = φ,
para h = h = 1 , . . . , H , e que cada subconjunto
Uh , bem determinado, é identicado
por duplas ordenadas, do seguinte modo:
U= {(1, 1), . . . , (1, N 1 ), . . . , (h, 1), . . . , (h, i ), . . . , (h, N h ), . . . , (H, 1), . . . , (H, N H ) },
de modo a facilitar a identica¸ cão do estrato e do elemento dentro dele. De modo
an´alogo, as caracter´ısticas populacionais ser˜ ao identicadas por dois ı́ndices, ou seja,
no caso univariado, por exemplo, tem-se o vetor de caracterı́sticas populacionais
• Nh : tamanho do estrato h;
Nh
• τh =
i=1
Yhi : total do estrato h;
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 108/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
Nh
1
• µh = Y h =
Nh i=1
Yhi : média do estrato h;
Nh
1 2
Sh2
• =
Nh
−1 i=1
(Yhi
−µh ) : variˆancia do estrato h;
Nh
1 2
σh2
• =
Nh i=1
(Yhi
−µh ) : variˆancia do estrato h;
H
N = N : tamanho do universo;
• h=1 h
H
Nh
• Wh =
N
: peso (propor¸cão) do estrato h, com
h =1
Wh = 1;
H H Nh H
• τ =
h =1
τh =
h =1 i=1
Yhi =
h =1
N h µh : total populacional;
H Nh H H
τ 1 1
• µ= Y =
N
=
N h =1 i=1
Yhi =
N h =1
N h µh =
h =1
Wh µh : média populacional;
H Nh H Nh H
2
µh ) 2 + 2
(4.3)
h =1 i=1
(Yhi
− µ) =
h =1 i=1
(Yhi
− h =1
N h (µh
−µ) ,
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 109/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
98 Amostragem estraticada
ou ainda
σ 2 = σd2 + σe2 ,
onde
H
σd2 = Wh σh2
h =1
é a média das variˆ ancias dos estratos (variˆ ancia dentro) e
H
2
σe2 =
h =1
Wh (µh
−µ)
mede a varia¸cão das médias dos estratos (chamar-se-´ a de variˆancia entre estratos).
Para a express˜ao S 2 , tem-se, de modo an´alogo,
H H
S =2 Nh
− 1 2
S +
1 h
Nh
(µh
−µ)
2
,
h =1
N
− h =1
N 1
−
ou para estratos relativamente grandes,
onde S d2 = H 2
h =1 Wh S h . Convém observar que quando todos os estratos têm a mesma
média, ou seja, µ h = µ, h = 1 , . . . , H , a variˆancia populacional σ2 coincide com σd2 .
Quanto maior for σe2 , maior é a diferen¸ca σ2 σd2 .
−
Para se obter informa¸ cão sobre as fun¸cões paramétricas de interesse, uma
amostra sh é selecionada do estrato h, h = 1 , . . . , H , de acordo com algum plano
amostral especicado A h , h = 1 , . . . , H . Como no caso da AAS (ver Deni¸cão 2.6),
tem-se associado com a sele¸cão da amostra no h-ésimo estrato as vari´ aveis aleat´orias
(4.5) yh 1 , . . . , y hn h ,
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 110/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
1
yh = Yhi ,
nh i ∈s h
Th = Yhi
i ∈s h
e
2 1 2
sh = nh
− 1 i ∈s (Yhi
h − yh ) ,
H
n= nh,
h =1
tem-se que
H
1
y= Yhi ,
n h =1 i ∈s h
H
T = Yhi
h =1 i ∈s h
e
H
1
2
y) 2 .
s =
n
−1 h =1 i ∈ sh
(Yhi
−
Antes de terminar é importante lembrar algumas propriedades de vari´ aveis
aleat´orias (ver Bussab e Morettin, 2004, Capı́tulo 8). Se X 1 , . . . , X H são vari´aveis
H
aleat´orias independentes, ent˜ ao para X = h =1 lh X h
H
(4.6) E [X ] = lh E [X h ]
h =1
e
H
(4.7) V ar[X ] = lh2 V ar[X h ].
h =1
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 111/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
Ent˜ao:
H
V ar A [Tes ] = N h2 V ar A [µ̂h ].
h =1
Prova. Usando as rela¸cões (4.6) e (4.7) tem-se, para um plano amostral A, que
H H H
E A [Tes ] = N h E A [µ̂h ] = N h µh = τh = τ
h =1 h =1 h =1
e
H
V ar A [Tes ] = N h2 V ar A [µ̂h ].
h =1
1 H H
y es = N h µ̂h = Wh µ̂h
N h =1 h =1
H
V ar A [yes ] = Wh2 V ar A [µ̂h ].
h =1
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 112/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
Corol´
ario 4.2 Considere agora que, dentro de cada estrato, a amostra foi sorteada
por um processo AASc e que µ̂h = yh . Ent˜ao, tem-se para as duas situa¸ c˜oes acima
as seguintes f´ormulas:
H H
σh2
Tes = N h yh , V ar [Tes ] = N h2
h =1 h =1
nh
e
H H
σh2
y es = Wh yh , V ar [yes ] = Wh2 ,
h =1 h =1
nh
com estimadores n˜ao viesados dados por
H 2
var [Tes ] = Nh sh
2
h =1
nh
e
H
s 2h
var [yes ] = Wh2 .
h =1
nh
Este procedimento e a sua variante sem reposi¸ cão (veja o Exercı́cio 4.35) é um
dos planos amostrais mais usados em problemas reais.
4.3 Aloca¸ c˜
ao da amostra pelos estratos
A distribui¸cão das n unidades da amostra pelos estratos chama-se aloca¸ cão da amos-
tra. Essa distribui¸ cão é muito importante pois ela é que ir´ a garantir a precis˜ ao do
procedimento amostral como pode ser visto no Exemplo 4.4.
Exemplo 4.4 Considere agora a popula¸cão do Exemplo 4.1 com a seguinte estra-
tica¸cão:
U1 = {2, 4, 7} com D 1 = (17 , 5, 19)
e
∼
µ1 = 13, 7, ∼
S12 = 57, 3, µ2 = 9 , 4 e S22 = 10 , 8.
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 113/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
Considere também uma primeira situa¸ cão em que em ambos os estratos usou-se
AASs, com n 1 = 1 e n 2 = 2 (aloca¸cão AL 1 ), ou seja, n = 3. Usando os resultados
do Teorema 4.1 tem-se
2 2
3 1 57, 3 5 2 10, 8
1
∼
V ar AL [yes ] =
8
1
− 3 1
+
8
1
− 5 2 ∼
= 6, 64.
Antes de prosseguir, convém observar que quanto maior a variˆ ancia do estrato,
maior deve ser também a amostra a ele designada. Porém, deve ser balanceado com
o tamanho do estrato, representado por Wh e f h , h = 1 , . . . , H .
Nas considera¸cões que serão feitas a seguir, as dedu¸cões serão feitas supondo
que dentro de cada estrato foi usado o esquema AASc. Caso seja usado qualquer
outro esquema, pode-se usar o mesmo procedimento para encontrar as propriedades
dos estimadores de interesse.
Teorema 4.2 Com rela¸c˜ao à AEpr, o estimador yes é igual a média amostral sim-
ples y, com
H
σh2 σ2
Vpr = V ar[y es ] = Wh = d
h =1
n n
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 114/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
Como dentro de cada estrato, s2h é um estimador n˜ao viesado para σ h2 , ent˜ao
H
s 2h
var [yes ] = Wh
h =1
n
Observe que a express˜ao (4.9) sugere que o plano amostral estraticado pro-
porcional “equivale” a estudar as propriedades do estimador y associado à AASc,
retirada de uma popula¸ cão com variˆancia σd2 . Pede-se ao leitor tentar interpretar
esta arma¸cão e vericar o seu signicado.
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 115/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
Corol´ ario 4.3 Com rela¸c˜ao `a AEun, yes é um estimador n˜ ao viesado com variˆancia
expressa por H
σh2
Vun = V ar[yes ] = Wh2
h =1
k
que é estimada por
H
s 2h
var [y es ] = Wh2 .
h =1
k
Teorema 4.3 Na AE com a fun¸c˜ao de custo linear, temos que Ves é m´ınimo para
C xado ou C é m´ınimo para Ves xado se
(4.12) nh = n
√
Wh σh / ch
, h = 1, . . . , H .
H
h =1 Wh σh / ch √
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 116/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
ah =
Wh σh
√
nh
e bh = √ch n h ,
de modo que o produto Ves C em (4.14) é mı́nimo quando
(4.15)
bh
=
√
ch n h
=
n h ch
= k,
√
ah Wh σh / n h √
Wh σh
(4.18) n= C
H
h =1 N h σ h / √ch ;
H
h =1 N h σ h √ch
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 117/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
Corol´ ario 4.5 Para o caso em que o custo por unidade observada em todos os
estratos seja xado em c, isto é,
C = C
−c0 = nc,
a aloca¸c˜ao ´otima se reduz a
N h σh
(4.20) nh = n H ,
h =1 N h σ h
H
onde σ = h =1 Wh σh é um desvio padr˜ao médio dentro de cada estrato.
σ2
Vc = V arAASc [y] =
n
e como visto no Teorema 4.2, para a aloca¸ cão proporcional,
H
1 σ2
(4.22) Vpr = Wh σh2 = d ,
n h =1 n
corresponde `a AE com aloca¸cão proporcional. E para a aloca¸ cão ótima com n xo,
temos a variˆancia Vot dada por (4.21).
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 118/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
Vot
≤Vpr ≤Vc .
Prova. De acordo com (4.4), tem-se que
H Nh
2
µ) 2
Nσ =
h =1 i=1
(Yhi
−
H H
2
N h σh2 +
(4.23) =
h =1 h =1
N h (µh
−µ) .
2
Ent˜ao, σ em (4.23) pode ser escrita como
H H
2
Wh σh2 2
= σd2 + σe2 .
σ =
h =1
+
h =1
Wh (µh
−µ)
Conseq¨uentemente, escreve-se
σd2 σ2 σ2
Vc = + e = Vpr + e .
n n n
J´a que σe2 /n é sempre n˜ao negativo,
Vc
≥Vpr .
Por constru¸cão, sabe-se que Vot
≤Vpr . Por outro lado, (veja o Exercı́cio 4.31)
H H 2
1
Wh σh2
Vpr
−Vot =
n h =1
− h =1
Wh σh
H 2
1 2
σdp
(4.24) =
n h =1
Wh (σh
− σ) =
n
H 2
onde, como em (4.21), σ = h =1 Wh σ h , que juntamente com σdp , indica a
variabilidade entre os desvios padr˜ oes dos estratos. Quanto maior for a hete-
rogeneidade dos dados pelos estratos, com mais ênfase recomenda-se o uso da
alocação ótima. Portanto,
Vc = Vpr + σe = Vot + σe + σ .
2 2 d2p
(4.25)
n n n
Estas ´ultimas express˜oes demonstram o teorema e permitem concluir quando
deve ser usada cada aloca¸cão. Assim, sempre que os estratos tiverem médias
distintas ( σe2 grande) deve-se usar aloca¸ cão proporcional ou ´otima. Se além
2
disso, também os desvios padr˜ oes de cada estrato diferirem muito entre si ( σdp
grande), recomenda-se a aloca¸ cão ótima.
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 119/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
Ou seja, se 1/N h for desprez´ıvel, o plano estraticado proporcional produz variˆ ancias
sempre menores que aquelas produzidas por uma AASc de mesmo tamanho, e este
ganho é maior quanto maior for σe2 , isto é, quanto maior for a diferen¸ ca entre as
médias dos estratos. Para amostras muito grandes, o lucro desaparece.
Para a aloca¸cão ótima (AEot) tem-se que
V arAEot [yes ] Vot
EP A [AEot] = =
V ar AASc [y] Vc
H
σe2 1 2
= 1
− nVc − nVc h =1
Wh (σh
−σ)
2
σdp σe2
(4.26) = 1
σ2
.
− − σ2
Observe novamente que o EP A é sempre menor do que 1, mostrando a vantagem
do uso deste plano. Esta vantagem (lucro) cresce com o aumento da diferen¸ ca entre
2
as médias dos estratos, isto é, σ e grande. Observe que o ´ultimo termo da express˜ ao
mede a variabilidade dos desvios padr˜ oes dos estratos, o que signica que o ganho
da aloca¸cão ótima cresce com a diferen¸ca entre as variabilidades dos estratos.
O conhecimento destes fatos é important´ıssimo para orientar o estat´ıstico a
desenhar o plano amostral mais conveniente. A n˜ ao ser em situa¸cões muito parti-
culares, o plano AE produz variˆ ancias sempre menores do que as correspondentes
variˆancias obtidas com o plano AASc. A prova algébrica deste resultado é bas-
tante trabalhosa. Entretanto, considere uma situa¸ cão particular, onde esta rela¸ cão
pode ser explorada. Suponha que dentro de cada estrato foi usado o plano AASc
(denotado por AEc), de modo que
H
V arAEc [yes ] h =1 Wh2 σh2 /n h
EP A [AEc] = =
V ar AASc [y] σ 2 /n
H H 2
Wh2 σh2 Wh σh
(4.27) = = Wh ,
h =1
n h /n σ 2 h =1
wh σ
onde wh = n h /n , h = 1 , . . . , H . Observando-se a express˜ao acima verica-se a
diculdade em se concluir se a mesma é maior ou menor do que 1. Usualmente o
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 120/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
processo de estratica¸ cão leva a uma maior homogeniza¸ cão dos dados, de modo que
σh /σ < 1 e por estar elevado ao quadrado poderia anular situa¸ cões onde Wh /w h > 1,
o que levaria ao somat´orio acima ser menor do que 1, ou seja, a variˆ ancia da AE
seria menor do que a variˆancia obtida com o plano AASc. Entretanto é possı́vel
construir contra exemplos onde isso n˜ ao se verica (ver Exercı́co 4.34).
continuam valendo com as aloca¸ cões discutidas nas se¸cões anteriores. Veja o Capı́tulo
10, onde condi¸cões são estabelecidas para a validade do TLC. Ent˜ ao, para n h e Nh
sucientemente grandes, temos que
(4.28)
H
y es µ
2 2
− a
∼N (0, 1)
h =1 Wh σ h /n h
e que,
(4.29)
N
τ̂ es
−2τ 2 a
∼N (0, 1).
h =1 N h σh /n h
Como σ h2 não é conhecido nas express˜ oes (4.28) e (4.29), ele é substituı́do por
seu estimador n˜ao viciado s 2h , considerado na Se¸cão 4.1. Usando o mesmo enfoque da
Seção 3.2.4, temos que um intervalo de conan¸ ca para µ com coeciente de conan¸ca
aproximadamente igual a 1
−
α é dado por
H H
s2 s 2h
Wh2 h Wh2
y es
−
zα
h =1
nh
; y es + zα
h =1
nh
.
| −µ| ≤B )
P ( y es 1
−α,
onde
H
σh2
(4.30) B = zα Wh2 .
h =1
nh
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 121/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 122/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
4.6 Estima¸ c˜
ao de propor¸ cões 111
onde
P̂ h = ph = yh = nThh
e Th é o número de elementos na amostra que possuem a caracter´ıstica no estrato
h, h = 1 , . . . , H .
Identicando pes com yes , e usando o fato de que
Nh
1
σh2 P h ) 2 = P h (1
=
Nh i=1
(Yhi
− −P h ),
conforme vericado na Se¸cão 3.2.6, temos o (veja o Exercı́cio 4.32)
onde Qh = 1
−P h , h = 1 , . . . , H .
O resultado a seguir é uma consequência direta do Teorema 3.5. Veja o
Exercı́cio 4.33.
Teorema 4.6 Um estimador n˜ao viciado de Ves com rela¸c˜ao à AE com reposi¸c˜ao é
dado por
H
P̂ h Q̂ h
V̂es = Wh2 ,
h =1
nh 1
−
onde Q̂ h = 1
−P̂ h .
Utilizando a aproxima¸ cão normal discutida na Se¸ cão 4.4, encontra-se um in-
tervalo de conan¸ca aproximado para P . Dado o coeciente de conan¸ca γ = 1 α ,
−
segue dos Teoremas 4.5 e 4.6 que um intervalo de conan¸ ca para P com coeciente
de conan¸ca aproximadamente γ , é dado por
H H
P̂ h Q̂ h P̂ h Q̂ h
Wh2 Wh2
P̂ es
−zα h =1
nh 1
−
; P̂ es + zα
h =1
nh 1
−
.
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 123/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
H
Usando a fun¸cão de custo linear C = c0 + h =1 ch n h , a alocação ótima segue
diretamente do Teorema 4.3 e é dada por
Nh P h Q h /c h
nh = n H .
h =1 N h P h Q h /c h
Quando o custo é constante, do Corol´ ario 4.5 tem-se que a aloca¸cão ótima de
Neyman passa a ser
(4.33) nh = n H
Nh P h Q h √ .
h =1 N h P h Q h
√
Não dispondo de informa¸cão preliminar sobre P h , como amostras pilotos ou pesquisas
Exerc´ıcios
4.1 Uma popula¸cão est´a dividida em 5 estratos. Os tamanhos dos estratos, médias
(µh ) e variˆancias ( S h2 ) são dadas na tabela abaixo.
h N µ S2
h h h
1 117 7,3 1,31
2 98 6,9 2,03
3 74 11,2 1,13
4 41 9,1 1,96
5 45 9,6 1,74
4.2 Uma popula¸cão foi dividida em dois estratos, conforme resultados expressos
pela tabela abaixo.
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 124/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
4.6 Estima¸ c˜
ao de propor¸ cões 113
h Wh σh ch
1 0,4 10 4
2 0,6 20 9
h Wh σh
1 0,8 2
2 0,2 4
4.4 Planejou-se uma amostragem estraticada com reposi¸ cão para estimar a por-
centagem de famı́lias tendo conta em caderneta de poupan¸ ca e também da
quantidade investida. De uma pesquisa passada, tem-se estimativas para as
propor¸cões Ph e para os desvios padr˜oes das quantidades investidas, σh , con-
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 125/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
Qual dos tamanhos, em (a) ou em (b), você usaria na pesquisa? Por que?
4.5 Refaça o Exercı́cio 4.1 considerando agora AASs dentro dos estratos.
4.6
U {
Considere a popula¸cão do Exemplo 4.1 com a estratica¸ cão 1 = 1, 2, 4, 7
}
U { }
e 2 = 3, 5, 6, 8 . Considere amostras AASc de tamanho 2 de cada um dos
estratos. Encontre a variˆ ancia do estimador y es e o erro quadr´atico médio do
estimador ym , denido em (4.35). Qual é o melhor estimador?
4.7 Considere a estratica¸ cão do Exemplo 4.2. Encontre E [yes ] e V ar[yes ] quando:
a. n 1 = 1 e n 2 = 3;
b. n 1 = 3 e n 2 = 1.
h Wh P̂ h
1 0,5 0,52
2 0,3 0,40
3 0,2 0,60
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 126/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
4.6 Estima¸ c˜
ao de propor¸ cões 115
4.12 Os dados abaixo se referem a uma popula¸ cão dividida em dois estratos e em
que ch é o custo de amostrar um elemento do estrato h. O custo previsto para
o levantamento é de 9.000 unidades de dinheiro (ud).
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 127/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
h Wh Ph ch
1 0,25 0,20 9
2 0,75 0,80 1
a. Que valores de n 1 e n 2 irão produzir a menor variˆ ancia para a propor¸ cão
−
total P ? Quais os valores de V ar[pes ] e V ar P̂ 1 P̂ 2 para esta aloca¸cão?
−
e V ar P̂ 1 P̂ 2 neste caso?
−
para V ar P̂ 1 P̂ 2 e o seu valor.
1 15 a 24 25.000 0,50
2 25 a 34 20.000 0,30
3 35 a 49 40.000 0,10
4 50 ou mais 15.000 0,01
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 128/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
4.6 Estima¸ c˜
ao de propor¸ cões 117
4.14 Para estimar o n´umero médio de empregados por ind´ ustria, resolveu-se con-
duzir uma AE proporcional ao tamanho do estrato, com as ind´ ustrias estrati-
cadas de acordo com o faturamento. A constitui¸ cão da popula¸cão e os dados
obtidos em uma amostra de 1.000 ind´ ustrias seguem abaixo.
h Faturamento Nh nh yh Sh2
1 Baixo 4.000 200 80 1.600
2 Médio-baixo 10.000 500 180 2.500
3 Médio-alto 5.400 270 270 2.500
4 Alto 600 30 400 5.600
d. Supondo que as 1.000 unidades foram obtidas como amostra casual sim-
ples, como seria a variˆancia do estimador da média populacional? Calcule
o quociente entre as variˆ ancias obtidas em (b) e aqui, comentando o re-
sultado.
4.15 Para investigar o rendimento médio dos empregados no setor banc´ ario de
uma grande cidade, criaram-se dois estratos. Um formado pelos empregados
dos bancos estatais ou mistos e outro pelos empregados da rede privada. De
cada um desses estratos foi retirada uma amostra aleat´ oria simples, e realizados
os estudos de interesse. Agora h´a interesse em estimar, baseando-se na mesma
amostra, o total dos rendimentos das mulheres empregadas pelo setor banc´ ario.
Você foi encarregado de apresentar um estimador e sua respectiva variˆ ancia,
denindo os parˆametros e vari´aveis usadas.
4.16 Deseja-se estimar o n´umero de moradores numa dada regi˜ ao. Por quest˜oes
de interesse e devido ao grau de informa¸ cão, a região foi dividida em 3 estra-
tos. Decidiu-se usar, dentro de cada estrato, amostragem em dois est´ agios,
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 129/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
adotando-se grupos de casas como UPA, e casa como USA. Em cada casa,
contou-se o n´umero y de moradores.
i. No estrato 1, as UPA’s têm tamanhos diferentes e sortearam-se duas
UPA’s com probabilidade proporcional ao tamanho (PPT), com reposi¸ cão
e, de cada UPA, subsortearam-se, tamb´
em com reposi¸ cão, duas casas.
ii. No estrato 2, tamb´em os quarteir˜ oes tinham um n´umero diferente de ca-
sas, e sortearam-se duas UPA’s com igual probabilidade, e entrevistaram-
se todas as casas.
iii. No estrato 3, as UPA’s foram criadas de igual tamanho e, de cada uma
das UPA’s sorteadas, sem reposi¸ cão, entrevistaram-se duas casas também
sorteadas sem reposi¸cão.
Resumindo, temos:
3 2, 10, 3
2 300 6 5, 4, 8, 3, 2, 4
10 4, 7
3 200
10 6, 9
4.17 Será colhida uma amostra estraticada de uma popula¸ cão. O custo direto
será da forma C = H h =1 n h ch . E a estimativa das quantidades relevantes para
resolver problema s˜ao:
h Wh Sh ch
1 0,4 10 4
2 0,6 20 9
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 130/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
4.6 Estima¸ c˜
ao de propor¸ cões 119
4.18 Planejou-se uma amostra estraticada para estimar a porcentagem das famı́lias
tendo conta em caderneta de poupan¸ ca e o valor médio aplicado por famı́lia.
De uma pesquisa passada, têm-se estimativas das porcentagens P h e dos des-
vios padr˜oes Sh da quantidade investida, conforme descrito na tabela abaixo.
h Wh Ph Sh
1 0,6 0,20 9
2 0,3 0,40 18
3 0,1 0,60 52
a. A porcentagem de famı́lias deve ser estimada com erro padr˜ ao (EP ) igual
a 2 e o valor médio aplicado com EP = 50;
b. A porcentagem dever´ a ser estimada com EP = 1 , 5 e o valor médio com
EP = 50.
4.19 As fazendas produtoras de leite numa certa regi˜ ao geográca foram agrupa-
das em 4 categorias (estratos), dependendo da sua ´ area e do fato de se concen-
trarem em produzir exclusivamente leite ou n˜ ao. Uma pesquisa para estimar
o número total de vacas produtoras de leite na regi˜ ao usou uma amostra de 28
fazendas, alocando-se a cada categoria um n´ umero de fazendas proporcional
ao total de fazendas nessa categoria. Os n´ umeros de fazendas em cada estrato,
as quantidades de vacas nas fazendas selecionadas e algumas estatı́sticas est˜ ao
na tabela abaixo.
h Nh No de vacas
61, 47, 44, 70, 28, 39,
1 72
51, 52, 101, 49, 54, 71
2 37 160, 148, 89, 139, 142, 93
3 50 26, 21, 19, 34, 28, 15, 20, 24
4 11 17, 11
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 131/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
4.20 Uma cadeia de lojas est´a interessada em estimar dentro das contas a receber,
a propor¸cão das que dicilmente ser˜ao recebidas. Para reduzir o custo da
amostragem, usou-se AE com cada loja num estrato. Os dados obtidos foram
os seguintes:
h Nh nh P̂ h
1 60 15 0,30
2 40 10 0,20
3 100 20 0,40
4 30 6 0,10
4.21 O quadro abaixo nos d´a os tamanhos e os desvios padr˜ oes da vari´avel Y
dentro de três estratos em que uma popula¸ cão foi dividida.
h Nh Sh
1 2.500 8
2 850 24
3 130 80
4.22 Uma popula¸cão de N = 1 .600 setores censit´arios (SC) de uma cidade foi
dividida em 4 estratos. A vari´ avel X indica o número de domicı́lios por SC
e Y o número de domicı́lios alugados. A tabela abaixo fornece os principais
valores.
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 132/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
4.6 Estima¸ c˜
ao de propor¸ cões 121
b. Calcule xes e E P [x es ].
c. Calcule Nx es e EP [Nx es ].
4.23 Suponha que no exercı́cio anterior você pode aumentar o tamanho da amos-
tra no primeiro estrato para n 1 = 125.
Te´oricos
4.24 Com dois estratos, um pesquisador considera a aloca¸ cão uniforme ( n 1 = n 2 ),
por conveniência administrativa, ao invés de usar a aloca¸ cão ótima. Sejam Vun
e Vot as variˆancias dadas pelas duas aloca¸ cões. Mostre que
2
(4.34)
Vun
V
−Vot
= −
r 1
r +1
,
ot
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 133/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
Encontre n h para uma amostra de tamanho 1.000, com as seguintes condi¸ cões
h Wh σh ch
1 0,4 4 1
2 0,3 5 2
3 0,3 6 4
onde
H
Ph Qh = Wh Ph Qh .
h =1
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 134/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
4.6 Estima¸ c˜
ao de propor¸ cões 123
{ }
com rela¸cão á AE, onde sh = 1, . . . , n h , h = 1 , . . . , H .
b. Mostre que
H nh
Nh
S h2 2
V ar[yes ] =
h =1 i=1
hi
−N .
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 135/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
H
Tes = N h yh ,
h =1
4.39 Estude com detalhes a aloca¸ cão ótima para o caso do plano AE sem re-
posição. Reformule e prove o Teorema 4.3 e os Corol´ arios 4.4 e 4.5.
a. Encontre
H
Nh
E Yhi2 ,
h =1
nh i ∈s h
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 136/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
4.6 Estima¸ c˜
ao de propor¸ cões 125
4.42 Queremos planejar uma amostra para estimar a propor¸ cão P de moradores
de uma regi˜ao que tomaram conhecimento de um an´ uncio informando sobre
um novo servi¸co oferecido pelo governo aos contribuintes. A popula¸ cão foi
dividida em H estratos; o custo de obten¸ cão da resposta em cada estrato é ch ;
dentro de cada estrato ser´ a usada AASc e o pesquisador poder´ a dispor de C
reais para as entrevistas ( C = H h=1 n h ch ).
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 137/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 138/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
Cap´ıtulo 5
U
nita tem-se associado o par ( X i , Yi ), i = 1 , . . . , N . A vari´avel X é introduzida no
problema para melhorar a previs˜ ao de quantidades (parˆ ametros) como a média ou
o total populacional. Na teoria de regress˜ ao esta vari´avel é usualmente conhecida
como vari´avel auxiliar ou preditora e é em geral controlada pelo experimentador.
Assume-se que as quantidades X i , i = 1 , . . . , N , são conhecidas. O exemplo a seguir
ilustra uma situa¸ cão tı́pica onde a inferência é facilitada pela utiliza¸ cão de uma
vari´avel auxiliar X .
Exemplo 5.1 Suponha que seja de interesse estimar a quantidade de a¸ cúcar que
pode ser extraı́da de um caminh˜ ao carregado de laranjas. As unidades populacionais
são laranjas. Seja ent˜ ao Yi a quantidade de a¸cúcar extraı́da da laranja i, i = 1 , . . . , N .
N
Tem-se interesse na estima¸ cão de τY = i=1 Yi , a quantidade total de a¸ cúcar no
carregamento. O estimador natural seria o estimador expans˜ ao, τ̂ Y = TY = Ny.
Mas tal estimador n˜ ao pode ser utilizado, pois n˜ao se conhece o número de laranjas
no caminh˜ao. Por outro lado, sabe-se que o peso da laranja i, X i , é fortemente
correlacionado com Yi , i = 1 , . . . , N . Pode-se ent˜ao denir a raz˜ao, quantidade
média de a¸cúcar por unidade de peso
τY µY
(5.1) R= = ,
τX µX
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 139/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
e
yR = R̂µ X = rµ X ,
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 140/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
5.1 Estima¸ c˜
ao da raz˜
ao, do total e da m´
edia populacional com AAS 129
f R: 24 21 20 21 20 19,2 20 19,2 18
P (s): 1/9 1/9 1/9 1/9 1/9 1/9 1/9 1/9 1/9
E f = 20 , V ar f = 28
e
∼
E f R = 20, 27, ∼
V ar f R = 2, 52,
∼
maior que EQM f R = 2, 59. Observe que f R é viesado.
Para utilizar estimadores do tipo raz˜ ao, é necess´ario observar duas vari´ aveis
X e Y que sejam aproximadamente proporcionais, ou seja, positivamente correla-
cionadas. A média µX (ou o total τX ) também precisa ser conhecida exatamente.
Note que no Exemplo 5.2, X e Y são positivamente correlacionados. Como ser´ a
visto adiante, o fato de yR ser mais eciente que y está diretamente relacionado com
o grau de associa¸cão (correla¸cão) entre X e Y. A seguir são apresentadas algumas
propriedades do estimador raz˜ ao.
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 141/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
Teorema 5.1 Para um plano amostral com E [y] = µY e E [x] = µX tem-se para n
sucientemente grande que
(5.3) E [r ] R,
(5.4) E [TR ] τY
e
(5.5) E [yR ] µY ,
Prova. O desvio r
−R pode ser escrito da seguinte maneira:
r R = y R = y − Rx .
(5.6)
− x− x
Porém, 1 /x pode ser expandido em séries de Taylor do seguinte modo
−1
1
=
1
=
1
=
1
1+
x
− µX
x µX + x
−µX µX 1+ x− µ X
µX
µX µX
− − −
1 x µX x µX
=
µX
1
µ
+
X µX −. . . ,
de modo que
−R = −µX − − µ2X − + . . .
y Rx (y Rx ) (x µX )
(5.7) r
E [r
− R] E
y
−µ Rx =
µY
−
µ
Rµ X
=0,
X X
de onde (5.3) segue. Note que (5.4) e (5.5) seguem diretamente de (5.6).
não viciado quando o tamanho da amostra é grande. Por outro lado, para amostras
pequenas ou moderadas, ele pode apresentar um viés de magnitude razo´ avel. Uma
express˜ao aproximada para o viés é apresentada a seguir.
CV [y]
R CV 2 [x] 1
B [r ]
− ρ[x, y ]
CV [x]
.
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 142/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
5.1 Estima¸ c˜
ao da raz˜
ao, do total e da m´
edia populacional com AAS 131
−E
(y
−Rxµ) 2(x −µX ) =
1
µ2X { −
R E [x (x µX )] E [y (x µX )]
− − }
X
1
=
µ2X { −
R V ar [x] Cov [x, y ]
}
V ar[x] DP [x]
= R 2
µX −
ρ[x, y ] 2 DP [y]
µX
CV [x]
R CV 2 [x] ρ[x, y ]
=
− µX
CV [y]µY
Cov[x, y ]
ρ[x, y ] = ,
DP [x]DP [y]
com
σY2 σX2
DP [y] = , DP [x] = ,
n n
1 N
Cov [x, y ] =
nN i=1
(X i
−µX )( Yi −µY ),
o que demonstra o corol´ario.
(5.9)
−
E
(y
−Rxµ)(2 x −µX ) = R CV 2 [X ] 1
− ρ[X, Y ]
CV [Y ]
CV [X ]
,
X
onde
σX σY
CV [X ] = , CV [Y ] =
µX µY
e
N
ρ[X, Y ] =
(X i
−Nσ − .
µX )(Yi µY )
σ
i=1 Y X
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 143/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
O viés dado em (5.9) pode também ser escrito como (veja o Exercı́cio 5.11)
1
Rσ X2
(5.10) E [r
− R]
µ2X −ρ[X, Y ]σY σX .
N 2
τX2 σR2
(5.12) V ar[TR ] 2
(Yi
−RX i ) = N2
nµ X i=1 N n
e
1 N (Yi RX i ) 2 σ2
(5.13) V ar[yR ]
n i=1 N n
−
= R,
onde
N
1
σR2 RX i ) 2 .
=
N i=1
(Yi
−
Prova. Usando a aproxima¸cão de primeira ordem de (5.7) tem-se que
V ar[r ] EQM [r ] = E (r R) 2
−Rx ) −=
1 2 1 2
(5.14) E (y 2 E d ,
µ2X µX
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 144/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
σD2
(5.15) V ar d = .
n
Mas,
N N
1 1 2
σD2 = D i2 = = σR2 .
(5.16)
N i=1
N i=1
(Yi
−RX i )
Portanto, (5.11) segue de (5.14), (5.15) e (5.16). Por outro lado, (5.12) e (5.13)
seguem de (5.11) e de (5.7).
N
1
σR2 RX i ) 2 .
(5.17) =
N i=1
(Yi
−
Uma estimativa razo´ avel para σ R2 e comumente empregada na literatura é
2 1 2
(5.18) sR = n
−1 i ∈ s
(Yi
− rX i ) .
(ou reamostragem), como considerado em Bussab e Morettin (2004, Se¸ cão 11.9).
5.3 Compara¸ c˜
ao entre os estimadores raz˜ ao e expans˜
ao
A seguir, apresenta-se um resultado para que o estimador raz˜ ao seja mais preciso
que o estimador expans˜ ao. Como veremos, a condi¸cão básica é que o coeciente de
correla¸cão entre X e Y e o tamanho da amostra sejam de magnitude razo´ avel.
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 145/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
σX /µ X CV [X ]
ρ[X, Y ] > = ,
2σY /µ Y 2CV [Y ]
ent˜ao,
V ar[TR ] < V ar [T ].
N N N
N2
µ Y )2 + R 2 µX ) 2
=
nN i=1
(Yi
− i=1
(X i
− − 2R
i=1
(X i
−µX )( Yi −µY )
N2
σY2 + R 2 σX2
(5.19)
=
n −2Rρ [X, Y ]σX σY .
N2
(5.20) V ar[T ] = σY2 .
n
Ent˜ao, de (5.19) e (5.20), temos que
V ar[TR ] < V ar [T ],
se e somente se
σY2 + R 2 σX2 2
−2Rρ [X, Y ]σX σY < σ Y ,
ou,
2Rρ [X, Y ]σX σY > R 2 σX2 ,
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 146/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
O intervalo (5.22) pode ser justicado de maneira an´ aloga ao intervalo obtido
na Seção 3.2.4. Intervalos para τ Y e R podem ser obtidos de maneira an´ aloga (veja
o Exercı́cio 5.13).
(5.23)
| −µY | ≤B )
P ( yR 1
−α.
Procedendo como na Se¸cão 3.2.5, tem-se que (5.23) estar´a vericada quando
2
B
(5.24) V ar [yR ] = = D.
zα
σ2
(5.25) n = DR .
Para que a express˜ ao (5.25) seja utilizada na pr´ atica, s˜ao necessárias estima-
tivas para σR2 . Tais estimativas podem ser obtidas através de amostras pilotos ou
atrav´
es de pesquisas realizadas anteriormente sobre a quantidade de interesse. Veja
discuss˜ao na Seção 3.2.5. Pede-se ao leitor derivar as express˜ oes correspondentes
para o caso sem reposi¸cão.
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 147/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 148/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
5.6 Estima¸ c˜
ao do total e da m´
edia populacional com AE 137
onde
2 2 2 2
σRh = σY h + R h σ Xh
−2R h ρh (X, X )σY hσXh ,
tem-se, de acordo com o Teorema 4.3, para o tamanho da amostra n xado e para
um custo linear, que a aloca¸ cão ótima consiste em tomar no estrato h uma amostra
de tamanho
(5.27) nh = n H
Nh σRh / ch √, h = 1, . . . , H .
h =1 N h σ Rh / ch √
2
Tem-se ent˜ao que dispor de uma estimativa piloto de σ Rh em cada estrato para que
(5.27) seja operacion´avel.
Em muitas popula¸ cões tem-se que
σRh
∝√µXh ,
2
ou seja, σ Rh é aproximadamente proporcional ` a média µXh , obtendo a alo¸cão ótima
nh
∝N h √µXh / √ch , h = 1 , . . . , H .
Em outras situa¸ cões pode-se ter ainda
σRh
∝µXh ,
com
nh
∝N h µXh / √ch , h = 1 , . . . , H .
Exemplo 5.3 Considere uma companhia que disp˜ oe de duas ind´ustrias em locais
diferentes. O objetivo principal da pesquisa é avaliar se houve varia¸ cão no tempo
médio gasto por empregados no ´ ultimo ano em rela¸cão ao anterior com visitas ao
médico. A popula¸ cão base é formada pelos empregados das duas ind´ ustrias, sendo
que cada uma ser´a considerada um estrato. De cada um dos estratos, uma amostra
é observada usando a AASc e observa-se:
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 149/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
Yi = βX i + ei ,
Exerc´ıcios
y y 1 Yi
R̂ 1 = , R̂ 2 = , e R̂ 3 = .
x µX n i ∈s
Xi
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 150/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
5.6 Estima¸ c˜
ao do total e da m´
edia populacional com AE 139
Área Xi Yi
1 12 18
2 30 42
3 24 24
4 24 36
5 18 24
6 30 36
7 12 14
8 6 10
9 36 48
10 42 54
5.3 Considere os dados da tabela abaixo como sendo uma popula¸ cão dividida em
dois estratos.
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 151/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
Estrato 1 Estrato 2
X 1j Y1 j X2j Y2 j
2 0 10 7
5 3 18 15
9 7 21 10
15 10 25 16
a. n h
∝NN hh σ√YµhXh; ;
b. n h
∝
c.
∝
n h N h µXh .
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 152/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
5.6 Estima¸ c˜
ao do total e da m´
edia populacional com AE 141
Lojas antigas
Loja 1 2 3 4 5 6
Vendas no 1 o trimestre 15 19 40 25 15 28
Total do ano anterior 55 72 150 102 62 98
Lojas novas
Loja 1 2 3 4 5 6
o
Vendas no 1 trimestre 12 15 18 16 10 12
Te´oricos
5.9 Verique a validade das express˜oes (5.8) e (5.9).
e que ρ(x, y ) = ρ(X, Y ), como denidos na Se¸cão 5.1. Como ca o caso com
AASc?
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 153/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
5.12 Encontre express˜oes aproximadas (de ordem 1 /n ) para os vı́cios dos estima-
dores yR e TR .
5.14 Considere a estratica¸ cão estudada na Se¸cão 5.6. O estimador raz˜ao combi-
nado do total populacional é dado por
TRc = TY es τ X ,
TXes
onde
H H
TY es = N h yh e TXes = Nh xh .
h =1 h =1
5.16 Discuta a aloca¸cão ótima para o caso do estimador raz˜ ao combinado, quando
se usa AASs em cada estrato.
5.17
U
Considere uma popula¸ cão , onde ao elemento i está associado o par ( X i , Yi ),
i = 1 , . . . , N . Estamos interessados em estimar a raz˜ ao R = µY /µ X , utilizando
AAS (AASc ou AASs). Dena
Yi
Ri = ,i = 1 ...,N.
Xi
Seja também
N
1 1
r = Ri, µR = R = Ri.
n i ∈s
N i=1
E [R i ] = µR = E [r ].
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 154/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
5.6 Estima¸ c˜
ao do total e da m´
edia populacional com AE 143
B [r ]
(5.28)
DP [r ] ≤ CV [x].
−
Sugest˜ao: Use a express˜ao C ov[r, x ] = E [rx ] E [r ]E [x]. Da express˜ao (5.28),
nota-se que quanto maior for o tamanho da amostra e/ou bem comportada for
a vari´avel X , menor ser´a o viés. Com rela¸cão à AASs, temos que
B [r ]
DP [r ] ≤
(1
−n f ) DPµ (X ) .
X
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 155/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 156/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
Cap´ıtulo 6
Como visto no capı́tulo anterior, para X e Y obedecendo uma rela¸cão linear passando
pela origem, estimadores do tipo raz˜ ao seriam mais adequados do que os estimadores
simples. Por outro lado, estudando-se a rela¸ cão entre X e Y pode-se concluir que
embora linear, ela n˜ao passa pela origem. Isto sugere um estimador baseado na
regress˜ao de Y em X , e não na raz˜ao de duas vari´aveis.
Como no capı́tulo anterior, a cada i
∈Utem-se associado o par ( X i , Yi ),
i = 1 , . . . , N , obedecendo uma rela¸cão linear de Yi em X i não passando pela origem,
ou seja,
Yi = α + βX i + ei ,
onde ei indica um desvio em torno da reta, i = 1 , . . . , N . Para uma amostra s de
tamanho n, produzindo médias amostrais y e x, o estimador regress˜ao da média
populacional é dado por
yReg = y + b(µX x) ,
−
onde b é um valor (estimativa) que representa o impacto ( β ) em Y provocado pela
varia¸cão de uma unidade na vari´ avel X . Note que se b > 0 e x é pequeno com
rela¸cão a µX , ent˜ao, devido a linearidade entre X e Y, a diferen¸ca entre y e yReg
também é pequena. Observe que o estimador y Reg faz uma “corre¸cão” em y, isto é,
−
adiciona a y uma quantidade proporcional a µ X x, ou seja, b(µX x).
−
Pode-se ent˜ao considerar como estimador do total populacional, τ Y , o estima-
dor
TReg = τ̂ Reg = N y Reg ,
que ser´a referido como estimador regress˜ ao do total populacional. Na se¸cão se-
guinte, considerar-se-´ a propriedades como média e variˆ ancia dos estimadores do
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 157/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 158/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
6.1 Estima¸ c˜
ao do total e da m´
edia populacional com AAS 147
Corol´
ario 6.1 Um estimador n˜ao viciado para VReg = V ar yReg com b0 xado é
dado por
1 2
V̂Reg = var yReg =
n(n
− i
1)
∈
{ − − − }
(Yi y) b0 (X i x)
s
1 2
+ b20 s 2X .
= s
n Y −2b0 s XY
Prova. De acordo com o Corol´ario 3.2, tem-se que um estimador n˜ ao viciado de
VD = V ar d (dado no Teorema 6.2) é dado por
s2D
V̂D = var d = ,
n
onde
1
s 2D = 2
n
− 1 i ∈s
(D i
−yReg ) ,
de onde prova-se o corol´ario.
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 159/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
N
(6.2) B0 = i=1 (Yi
N
−(XµY )(X i )−2 µX ) = σXY
σX2
.
i=1 i
−µX
Além disso, para b0 acima,
σY2 2
(6.3) Vmin yReg =
n
1
−ρ [X, Y ] .
V ar yReg = 2 0
2
−
n1 σY 2(B + c)σ
XY + ( B 0 + c) 2 σ X
2
1 σXY
σY2 + c2 σX2 ,
(6.4) =
n σX2−
que é m´ınima quando c = 0. Tomando-se c = 0 em (6.4) obtemos (6.3), pois,
como visto no capı́tulo anterior, ρ[X, Y ] = σXY /σ X σY .
1 2 s2Y
2B̂ 0 s XY + B̂ 02 s 2X 2
(6.6) V̂Reg = s
n Y − =
n
1
−ρ̂ [X, Y ] ,
onde ρ̂[X, Y ] = s XY / (s X s Y ).
1 2 2 2
V ar f Reg = σ
n F −2b0 σF T + b0 σT = 1.
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 160/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
Calculando
f Reg = f + B 0 (µT
−t),
para cada uma das 9 possı́veis amostras, de tamanho n = 2, tem-se na Tabela 6.1 a
distribui¸cão de f Reg .
A partir da distribui¸ cão da Tabela 6.1 pode-se mostrar, com respeito ` a AASc, que
E f Reg = 20 ,
ou seja, como vericado no Teorema 6.1, f Reg é n˜ao viciado para µF com b0 = B 0
(b0 xado), e
2 2 2
V ar f Reg = E f Reg
−E f Reg = 401
−20 = 1,
já calculado acima. Note também que o estimador regress˜ ao com b0 = B 0 é mais
eciente que o estimador raz˜ ao. Tal resultado vale em geral, como ser´ a visto a seguir.
Por outro lado, quando considera-se o estimador regress˜ ao com B̂ 0 no lugar de b0 ,
a distribui¸cão de y Reg apresenta uma variˆ ancia superior `a encontrada acima (veja o
Exercı́cio 6.1).
Teorema 6.4 Para b0 = B 0 , dado no Teorema 6.3, tem-se com rela¸ c˜ao à AASc,
que
i. V ar yReg
≤ V ar[y],
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 161/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
ii. V ar y Reg
≤ V ar [yR ] .
Prova. Como
σY2
V ar[y] = ,
n
e pelo Teorema 6.3,
σY2 2
V ar yReg =
n
1
−ρ [X, Y ] ,
2
o resultado (i) segue, pois, 0
≤ρ [X, Y ] ≤1.
Por outro lado, como, para n grande,
1 2 2 2
V ar[y R ] σ
n Y −2Rρ [X, Y ]σX σY + R σX ,
tem-se que
1 2
ρ [X, Y ]σY2 2Rρ [X, Y ]σX σY + R 2 σX2
V ar[yR ]
− V ar[yReg ] =
n −
1
(ρ[X, Y ]σY Rσ X ) 2 0,
=
n − ≥
de onde (ii) segue.
(6.7)
yReg
−µY ∼
a
N (0, 1).
V ar y Reg
O intervalo (6.8) pode ser justicado de maneira an´ aloga ao intervalo obtido em
(3.17).
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 162/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
6.4 Determina¸ c˜
ao do tamanho da amostra 151
(6.9) P yReg
−µY ≤ B 1
−α.
Procedendo como na Se¸cão 5.5, temos que (6.9) estar´a vericada quando
σD2
(6.10) n=
(B/z α ) 2
onde
σD2 σY2 2 2
=
−2b0 σXY + b0 σX
=
−
σY2 1 ρ2 [X, Y ] ,
6.5 Estima¸ c˜
ao da m´
edia populacional com AE
No caso em que a popula¸cão est´a estraticada, pode-se também considerar estima-
dores do tipo regress˜ao estraticados. A nota¸ cão considerada é a mesma do Cap´ıtulo
4 e da Seção 5.6. O estimador regress˜ao dentro do estrato h é dado por
O resultado a seguir é uma consequência direta dos Teoremas 6.1 e 6.2 (veja
o Exercı́cio 6.21).
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 163/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
O valor de bh que minim´ıza a variˆ ancia em (6.11) é dado por (veja o Exercı́cio
6.6) σXY h
(6.12) b0h = B 0h = 2 ,
σXh
h = 1 , . . . , H . Neste caso, pode-se mostrar que
H
Wh2 2 2
(6.13) V ar yReges =
h =1
σ
nh Y h
1
−ρh [X, Y ] ,
nh = n
Nh σDh / ch √ ,
H
h =1 N h σ Dh / ch √
onde
2
= σY2 h 2 2
σDh
−2b0h σXY h + b0h σXh , h = 1 , . . . , H .
Exerc´ıcios
6.1 Refaça o Exemplo 6.1, considerando a estimativa B̂ 0 denida em (6.5) no
lugar de B 0 .
6.2 Para a popula¸cão do Exercı́cio 6.1, encontre a distribui¸ cão do estimador V̂Reg
denido no Corol´ario 6.1, com b0 = B 0 .
Árvore: 1 2 3 4 5 6 7 8 9 10
Xi: 30 24 26 30 34 24 22 29 38 29
Yi : 30 21 25 29 34 22 19 28 35 26
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 164/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
6.5 Estima¸ c˜
ao da m´
edia populacional com AE 153
{
τ̂ D = N y + ( µX
−x)}= N {µX + ( y −x) },
onde x e y são médias amostrais e µX a média populacional. Obtenha
uma express˜ao geral para a variˆancia de τ̂ D , estime-a e compare com as
encontradas em (a).
6.4 Refaça o Exercı́cio 6.2, considerando agora o estimador V̂Reg denido em (6.6),
isto é, considerando B 0 desconhecido e estimando-o por B̂ 0 .
6.6 Refaça o Exercı́cio 6.5 para o caso em que b0h e b0c são substituı́dos por suas
estimativas convenientes.
6.7 Utilizando a AAS selecionada no Exercı́cio 5.16, calcule yReg e uma estimativa
para a sua variˆancia. Como se comparam os resultados com yR ?
6.8 Para vericar a inuência de uma nova marca de ra¸ cão, um criador de galinhas
pesou 10 de seus frangos ao compr´a-los (X i ) e depois de 30 dias (Yi ). Os
resultados est˜ao na tabela abaixo.
Frango: 1 2 3 4 5 6 7 8 9 10
Xi: 1,50 1,60 1,45 1,40 1,40 1,55 1,60 1,45 1,55 1,50
Yi : 2,14 2,16 2,10 1,95 2,05 2,10 2,26 2,00 2,20 2,04
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 165/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
c. E o erro padr˜ao?
Laranja Xi Yi
1 0,2000 0,0105
2 0,2400 0,0150
3 0,2150 0,0125
4 0,2100 0,0110
5 0,2500 0,0155
6 0,2300 0,0135
7 0,1950 0,0095
8 0,2050 0,0105
9 0,2100 0,0115
10 0,2200 0,0125
O peso total das laranjas, obtido pela diferen¸ ca do caminh˜ao cheio para o
caminh˜ao vazio é de 900 kg. Qual seria o total esperado de a¸ cúcar que esta
carga de laranjas produziria? Para facilitar as contas use:
X i = 2 , 175, Yi = 0 , 122,
i ∈s i ∈s
6.11 Uma fábrica de suco de laranja quer estimar quanto um caminh˜ ao com 1.000
kg de laranja produzir´ a de suco natural. Para isso, selecionaram-se 10 laranjas
e com os seguintes resultados:
Laranja: 1 2 3 4 5 6 7 8 9 10
Peso (g): 150 130 140 120 160 160 130 170 140 150
Suco (mL): 60 55 50 40 70 60 45 65 55 65
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 166/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
6.5 Estima¸ c˜
ao da m´
edia populacional com AE 155
Dê um intervalo de conan¸ ca para o total de suco de laranja que ser´ a obtido
do caminh˜ao em quest˜ao.
6.12 Um investigador muito bem treinado faz uma estimativa visual das ´ areas cul-
tivadas de arroz em todas as 200 fazendas de um municı́pio, e avalia em 1.200
unidades o total de ´area plantada. Levantaram-se também a ´ area realmente
cultivada de uma amostra de 10 fazendas, cujos dados s˜ ao os seguintes:
Fazenda: 1 2 3 4 5 6 7 8 9 10
Área estimada: 4,8 5,8 6,0 5,9 7,6 6,7 4,7 5,8 4,4 5,2
Área real: 4,7 5,4 5,5 6,4 7,1 7,1 4,8 6,2 4,3 5,0
a. Que estimador você usaria e por quê? Utilize uma justicativa te´ orica.
b. Produza um intervalo de conan¸ ca para τ .
6.13 Existem N = 75.000 fazendas numa regi˜ao. Tem-se informa¸cão sobre a ´area
geográca de cada fazenda nessa regi˜ao, sendo de µX = 31 alqueires a ´area
média das fazendas. Toma-se uma AASs de n = 2 .000 fazendas dessa regi˜ao
e registra-se a quantidade Yi de reses em cada fazenda. Os seguintes dados
foram obtidos a partir da amostra:
X i = 62 .756, Yi = 25.650,
i ∈s i ∈s
Pede-se:
b. Sua variˆancia.
c. O coeciente de varia¸cão.
6.14 Um engenheiro orestal quer estimar a altura média das ´ arvores de uma
oresta. Ela é dividida em ´ areas de 100 100 m2 , e é sorteada uma amostra
×
de 10 áreas. Todas as ´arvores da ´area sorteada s˜ao medidas, com os seguintes
resultados:
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 167/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
´
o Area: 1 2 3 4 5 6 7 8 9 10
N de árvores: 42 51 49 55 47 58 43 59 48 41
Altura média: 8,89 8,76 9,04 8,49 8,58 9,10 8,31 8,58 8,73 8,86
6.15 Um grupo de 100 coelhos est´a sendo usado em um estudo sobre nutri¸ cão.
Registrou-se o peso inicial de cada coelho, obtendo 1,55 kg como peso médio.
Ap´os dois meses o experimentador escolheu 10 coelhos e pesou-os, obtendo os
resultados abaixo.
Coelho: 1 2 3 4 5 6 7 8 9 10
Peso inicial: 1,40 1,40 1,45 1,45 1,50 1,50 1,55 1,55 1,60 1,60
Peso nal: 1,95 2,05 5,00 5,10 5,04 2,14 2,10 2,20 2,14 2,26
Estime o peso médio atual dos 100 animais e dê um intervalo de conan¸ ca
para este parˆametro. Justique o uso do estimador empregado.
Te´oricos
6.16 Considere a estratica¸ cão estudada na Se¸cão 6.5. O estimador regress˜ao
combinado da média populacional e com b0h = b0c xo é denido por
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 168/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
6.5 Estima¸ c˜
ao da m´
edia populacional com AE 157
onde
H
h =1 a h B 0h
B 0c = H
h =1 a h
com
2
a h = Wh σXh
2 , h = 1, . . . , H .
nh
Qual a sua conclus˜ao?
6.26 Derive estimadores n˜ao viciados para VReges dados por (6.11) e (6.13) para
b0h geral e b0h = B 0h xados.
yD = y + ( µ X
−x) .
a. Verique se yD é n˜ao viciado para µY .
b. Encontre a variˆ ancia de yD .
c. Proponha um estimador n˜ ao viciado para a variˆancia em (b).
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 169/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
a. V ar[Y x i ] = x i σ 2 ;
|
|
b. DP [Y x i ] = x i σ;
c. E [Y ] = βx.
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 170/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
Cap´ıtulo 7
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 171/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
valores parecidos em rela¸cão às vari´aveis que est˜ao sendo pesquisadas, e isso torna
estes planos menos ecientes. Comparando amostragem de elementos com a de
conglomerados de mesmo tamanho, esta ´ ultima tende a: (i) ter custo por elemento
menor; (ii) ter maior variˆ ancia e (iii) maiores problemas para an´ alises estat´ısticas.
Sc ( U) = {C1 C2 , C 1 C3 , C 2 C1 , C 2 C3 , C 3 C1 , C 3 C2 }
e em seguida
( ) = 1234, 156, 2341, 23456, 561, 56234 .
SU { }
Observe que, neste caso, o tamanho da amostra também é uma vari´ avel aleat´oria,
assumindo os valores 3, 4 e 5. Considere agora associado, o vetor de dados
com
34
µ = 10, S2 = 6 , 8 e σ2 = .
6
Denida a estat´ıstica y, média da amostra, tem-se a seguinte distribui¸ cão amostral
de y:
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 172/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
161
D 1 = (7 , 8) µ1 = 7 , 5 S12 = 0 , 5
µ2 = 9 , 5 S22 = 0 , 5
UA = {(2, 5), (3, 6), (1, 4) } → D 2 = (9 , 10)
D 3 = (12 , 14) µ3 = 13, 0 S32 = 2 , 0
D 1 = (7 , 10) µ1 = 8 , 5 S12 = 4 , 5
µ2 = 10, 0 S22 = 8 , 0
UB = {(2, 6), (1, 5), (3, 4) } → D 2 = (12 , 8)
D 3 = (9 , 14) µ3 = 11 , 5 S32 = 12, 5
Divisão B
y: 8,5 10,0 11,5 E B [y] = 10
4, 5
P (y): 1/3 1/3 1/3 V arB [y] =
3
Divisão C
y: 9,5 10,0 10,5 E C [y] = 10
0, 5
P (y): 1/3 1/3 1/3 V arC [y] =
3
Observe que em todos os casos y é n˜ao viesado, mas que para a situa¸ cão C o estima-
dor é mais eciente (tem menor variˆ ancia). Observe que neste caso os conglomerados
são os mais heterogêneos, que pode ser medido pela variˆ ancia média dos conglomera-
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 173/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
dos, (24, 5 + 8 , 0 + 0 , 5)/ 3 = 11 , 0. As outras duas popula¸ cões tem variˆancias médias
iguais a 1,0 e 8,33, respectivamente.
U = {1, 2, . . . , N }
=
{(1, 1), . . . , (1, B 1 ), . . . . . . , (A, 1), . . . , (A, B A )}
=
{C1 , C 2 , . . . , C A },
onde
{
C α = (α, 1), . . . , (α, i ), . . . , (α, B α ) .
}
A Tabela 7.2 representa a disposi¸ cão dos dados de uma vari´avel Y pelos conglome-
rados.
. .
. . .
α
..
Yα 1
...
·. .·· Yαi
...
·. .· · YαB α
. . .
A YA1
· ·· YAi
··· YAB A
Utilizando essa nota¸cão, pode-se obter as seguintes deni¸ cões e relações entre
os parˆametros:
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 174/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
N
B= .
A
τα = i=1
Yαi .
onde
A
τ 1
τ = = τα
A A α =1
Algumas vezes ser´a necessário trabalhar com a média das médias dos conglo-
merados, que ser´a indicada por
A
1
µ= Y = µα .
A α =1
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 175/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
e nem sempre o resultado é nulo, ou seja, nem sempre os dois valores s˜ ao iguais.
Um caso onde as médias coincidem é o de conglomerados de igual tamanho.
onde
A Bα A Bα A
1 1 Bα 1 Bα 2
2
µα ) 2 = µα ) 2 =
σdc =
N α =1 i=1
(Yαi
− AB α =1
Bα i=1
(Yαi
− A α =1 B
σα
e
A A
1 12 Bα
2
µ) 2 ,
σec =
N α =1
B α (µα
− µ) =
A α =1 B
(µα
−
1 Bα 2
−
com σα2 = B α i=1 (Yαi µα ) . Observe que a express˜ao B α /B , que aparece
em várias express˜oes, mede o quanto o tamanho de um conglomerado se afasta
do tamanho padr˜ ao médio. Quando os tamanhos de todos os conglomerados
forem iguais, esse quociente torna-se igual a 1, e as f´ ormulas cam bem mais
2
simples. Tendo em mente estas ´ ultimas observa¸cões, pode-se interpretar σdc
2
como uma média das variˆ ancias dos conglomerados enquanto que σec é uma
variˆancia entre as médias dos conglomerados.
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 176/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
Será utilizada também uma medida para indicar a variˆ ancia entre os totais dos
conglomerados:
A A
2 1 2 1 2
σec [τ ] =
A α =1
(τ α
− τ) =
A α =1
B α µα
−Bµ
2 A 2
B Bα 2 2
=
A α =1 B
µα
−µ = B σect
onde, para manter similaridade com a medida de varia¸ cão entre conglomerados,
dene-se
A 2
2 1 Bα
σect = µα µ .
A α =1 B
2 2
−
Observe a grande similaridade entre σec e σect , onde o fator de pondera¸cão,
B α /B , aparece fora e dentro do quadrado, respectivamente.
Outras f´ormulas para medir a variabilidade entre conglomerados envolvendo
as médias dos conglomerados s˜ ao:
A 2
2 1 Bα 2
σeq =
A α =1 B
(µα
−µ) .
e
2 1 A 2
σem =
A α =1
(µα
−µ) .
5. Também ser˜ ao usadas as seguintes nota¸ cões para indicar as diversas somas de
quadrados envolvidas.
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 177/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
SQ [T ] = SQ[D ] + SQ [E ].
B 1 = B 2 = . . . = B A = B = B,
indicaremos por B esse valor comum. Nesta situa¸ cão tem-se que B α /B = 1 e
A B A
1 1
µ= Yαi = µα = µ,
AB α =1 i=1
A α =1
ou seja, a média global coincide com a média das médias dos conglomerados. A
variˆ
dos ancia dentro dos conglomerados, simplica-se como a média das variˆ ancias
conglomerados
A
2 1
σdc = σα2 .
A α =1
As diferentes express˜oes para variˆancia entre, resumem-se a
A
2 2 2 2 1 2
σec = σect = σeq = σem =
A α =1
(µα
−µ) .
UC = {C1 , C 2 , . . . , C α , . . . , C A }
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 178/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
7.3 Estimadores da m´
edia por elemento 167
D =
B1 B2
·· · Bα · ·· BA
τ1 τ2
·· · τα · ·· τA
µ1 µ2
·· · µα · ·· µA
ou qualquer outra caracterı́stica de interesse. J´ a os dados da amostra ser˜ ao repre-
sentados por
d =
b1 b2
·· ·
bα ba
···
.
T1 T2
·· ·
Tα Ta
···
y1 y2
·· ·
yα ya
···
Desse modo, todas as propriedades derivadas naquele capı́tulo s˜ ao válidas aqui, com
n = aα =1 bα .
Conv´
em ressaltar que a vari´ avel Tα , total observado na α-ésima extra¸ cão,
assume os valores τ1 , τ 2 , . . . , τ A . Interpreta¸ cão idêntica vale para as vari´ aveis bα e
yα .
7.3 Estimadores da m´
edia por elemento
O parˆametro a ser estimado é a média global por elemento
τ τ
µ= Y = N = B.
Dependendo da informa¸ cão adicional dispon´ıvel pode-se substituir os parˆ ametros
acima por estimadores convenientes.
A primeira delas sup˜oe conhecido o número total N de unidades no universo.
Desse modo, substitui-se o numerador por um estimador n˜ ao viesado, assim
estimador de τ Aτ̂ τ̂ T
y c1 = = = = ,
N AB B B
onde τ̂ é a média dos totais dos a conglomerados sorteados, isto é,
1 a
τ̂ = T = Tα .
a α =1
estimador de τ Aτ̂ τ̂ T
yc2 = = = = ,
estimador de N AB̂ B̂ b
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 179/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
que é um estimador do tipo raz˜ ao, onde B̂ é o tamanho médio estimado dos conglo-
merados sorteados, ou seja, estimado por
a
1
B̂ = b = bα .
a α =1
D = ( τ 1 , τ 2 , . . . , τ α , . . . , τ A ),
2
com média τ e variância σ ec [τ ], da qual foi retirada por AASc, amostras cujos
dados s˜ao
d = ( T1 , T2 , . . . , T α , . . . , T a ).
Pelo Teorema 3.3, tem-se que
E T = τ
e
2
σec [τ ]
V ar T = ,
a
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 180/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
7.3 Estimadores da m´
edia por elemento 169
2 1 A 2
com σec [τ ] = A α =1 (τ α
−τ ) . Logo,
1 τ
E [yc1 ] = E T = = µ
B B
e
2
1 1 σ 2 [τ ] 2
1 B σect σ2
V ar[yc1 ] = 2 V ar T = 2 ec = 2 = ect .
B B a B a a
2
= A1 A Bα
µ) 2 .
com σect α =1 ( B µα
−
Para o segundo estimador basta lembrar que o parˆ ametro populacional é
D =
τ1 τ2
··· τα
··· τA
B1 B2 Bα BA
e os dados amostrais ··· ···
d =
T1 T2
· · · Tα · · · Ta
b1 b2
· · · bα · · · ba
e que yc2 é um estimador raz˜ ao. Assim, pelo Exercı́cio 5.12, tem-se que ele é
viesado e, portanto
E [yc2 ] = µ + B [y c2 ].
Por outro lado, pelo Teorema 5.2 para AASc (veja o Exercı́cio 7.29) temos que
N
1 2
EQM [r ] V ar[r ] nNµ 2X i=1
(Yi
−RX i ) .
2
Observe que σeq é uma outra maneira de medir a variabilidade entre as médias
dos conglomerados.
Finalmente, o terceiro estimador equivale a
D = ( µ1 , µ 2 , . . . , µ α , . . . , µ A )
com média igual a µ e variância entre médias denida, como na Se¸ cão 7.1, por
A
2 1 2
σem =
A α =1
(µα
−µ) .
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 181/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
Na amostra
d = ( y1 , y 2 , . . . , y α , . . . , y a ).
Portanto, yc3 é um estimador n˜ ao viesado da média de D , isto é,
E [y c3 ] = µ
2
e variˆancia igual a σ em dividia por a (AASc), ou seja,
2
σem
V ar[yc3 ] = .
a
2
Usando o fato de que EQM [yc3 ] = V ar[yc3 ] + ( µ
−µ) o teorema ca demons-
trado.
Corol´ ario 7.1 Estimadores para as variˆ ancias do Teorema 7.1 s˜ ao dados por
a 2
1 Bα
var [yc1 ] =
a(a
−1) α =1a B
yα
−yc1 ,
2
1 bα 2
var [yc2 ] =
a(a
−1) α =1a b
(yα
−yc2 ) ,
1 2
var [yc3 ] =
a(a
−1) α =1
(yα
−yc3 ) .
2 2 2 2
com τ̂ = B y c1 , é um estimador n˜ ao viesado de σec [τ ]. Como σ ect = σec [τ ]/B ,
segue que
2
E s ec [τ
2 ] = σect
2 ,
B
de modo que
2 a 2 a 2
s 2ec [τ ] B Bα 1 Bα
2 = 2
B
yα
− yc1 =
a(a
− 1) B
yα
−
y c1 ,
aB B a(a
− 1) α =1 α =1
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 182/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
7.3 Estimadores da m´
edia por elemento 171
Para o terceiro estimador, a aplica¸ cão direta dos resultados de AASc, Teorema
3.4, mostra que
a
1
s 2em = y c3 ) 2
a 1 α =1 α
(y
− −
2
é um estimador n˜ ao viesado de σ em . De modo an´alogo, dene-se
a
1 bα 2
s 2ec =
a
− 1 α =1 b
(yα
−yc2 )
2 2
que é estimador de σec . Como estimador de σ eq consideramos
1 a bα 2
2
s 2eq =
a
− 1 α =1 b
(yα
−yc2 ) .
J´a a 2
1 bα
s 2ect =
(7.1)
a
−1 α =1 b
yα
− y c1
2
nem sempre é um estimador n˜ ao viesado de σect (veja o Exercı́cio 7.32).
Corol´
ario 7.2 Quando todos os conglomerados tem o mesmo tamanho B, os três
estimadores s˜ao iguais a
a B a
1 1
yc = yαi = y
aB α =1 i=1
a α =1 α
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 183/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
com
2 A
V ar[yc ] = σec = 1
a aA α =1
(µα
−µ)2 .
Um estimador n˜ao viciado de V ar[yc ] é dado (ver Corol´ ario 7.1) por
a
s2ec 1 2
var [yc ] =
a
=
a(a 1)
− α =1
(yα
−yc ) .
Veja o Exercı́cio 7.33 para a prova dos Corol´ arios 7.2 e 7.3.
Quando B é desconhecido, substituindo-se por b, o estimador no corol´ario
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 184/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
Cov[Y1 , Y2 ]
ρint = DP [Y1 ]DP [Y2 ].
Deni¸ cão 7.1 Ao coeciente ρint chama-se coeciente de correla¸ c˜ao intraclasse, ou
dentro dos conglomerados.
Exemplo 7.3 Volte-se ao Exemplo 7.2, onde a popula¸ cão foi dividida em três dife-
rentes grupos de conglomerados. Na divis˜ ao A, tem-se A = (2, 5), (3, 6), (1, 4) =
U { }
{poss´ıvel formar
} com
C1 , C 2 , C 3
dois pares {
DA
distintos de valores (7 }, 8) e (8, 7). Estendendo para todos
= (7, 8), (9, 10), (12, 14) . Dentro do conglomerado só é C1
os conglomerados, tem-se
Y1 : 7 8 9 10 12 14
Y2 : 8 7 10 9 14 12
∼
Calculando-se o coeciente de correla¸ cão obtém-se ρint = 0, 82. Na divisão B , tem-se
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 185/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
Y1 : 7 10 12 8 9 14
Y2 : 10 7 8 12 14 9
com ρint = ∼−0, 47; e na divisão C ,
Y1 : 7 14 12 8 9 10
Y2 : 14 7 8 12 10 9
com ρint = ∼−0, 94.
Observe que quanto maior o coeciente de correla¸ cão intraclasse, mais ho-
mogêneos s˜ao os conglomerados e menos eciente é o uso da AC. J´ a tinha sido
observado na distribui¸ cão amostral do Exemplo 7.2 que na divis˜ ao A a AC era a me-
nos eciente e na C tinha-se o procedimento mais eciente, ou seja, acompanhando
a ordem decrescente do ρint .
Prova. Usando como referência a Tabela 7.3, pode-se escrever para o α -ésimo con-
−
glomerado que a soma das B (B 1) observa¸cões do primeiro elemento do par
−
é igual a B 1 vezes o total do conglomerado, isto é,
B
(B
−1)τ α = ( B
− 1)
i=1
Yαi .
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 186/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
E Y2 = µ.
Para calcular a variˆ ancia, fa¸c amos o cálculo da diferen¸ca para um valor i,
dentro do conglomerado α
(Yαi µ) 2 .
−
Da Tabela 7.3, nota-se que essa soma aparece B
−1 vezes, portanto a soma
total dentro do conglomerado ser´ a
B
2
(B
− 1) (Yαi
−µ) .
i=1
Assim, a variˆancia ser´a
A B
1 2
V ar Y1 = V ar Y2 =
AB (B
− 1) α =1
(B
− 1)
i=1
(Yαi
−µ)
A B
1
µ) 2 = σ 2 .
=
AB α =1 i=1
(Yαi
−
Finalmente, aplicando a f´ ormula da covariˆancia tem-se
A
1
Cov Y1 , Y2 = (Yαi µ) ( Yαj µ) .
AB (B
−1) α =1 i = j − −
Teorema 7.2 Para conglomerados de tamanhos iguais tem-se
2
2 σdc
ρint =
σec
−2 B− 1
.
σ
Prova. Sendo B o tamanho comum dos conglomerados, pode-se escrever
B B B
1 B 1 1
µα
− µ=
B i=1
Yαi
− B
µ=
B i=1
Yαi
− Bµ =
B i=1
(Yαi
−µ) .
Elevando ambos os lados ao quadrado,
B
1
µ) 2 = 2
(µα
− B2 i=1
(Yαi
−µ) +
i= j
(Yαi
−µ) (Yαj −µ) ,
portanto,
A A B A
21 21
α =1
(µα
−µ) = 2
B α =1 i=1
(Yαi
− µ) + 2
B α =1 i = j
(Yαi
−µ) (Yαj −µ) .
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 187/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
2 1 1
ABσ 2 + 2 AB (B
Aσ ec =
B 2 B −1)Cov Y1 , Y2 ,
ou seja,
2
σ2
Cov [Y1 , Y2 ] =
Bσ ec
− .
B 1
−
Lembrando ainda que σ 2 = σdc
2 2
+ σec , obtém-se
2
2 σdc
Cov Y1 , Y2 = σec
− −
B 1
.
Dividindo por DP [Y1 ].DP [Y2 ], que pelo Lema 7.1 é igual a σ2 , tem-se o teo-
rema demonstrado.
Essa express˜ao é muito ´util para interpretar e analisar o efeito da conglo-
mera¸cão sobre os estimadores. Duas situa¸ cões extremas s˜ao:
ii. Suponha agora que cada conglomerado é uma micro representa¸ cão do universo.
Isto pode ser traduzido na suposi¸ cão de que a variˆancia média seja igual `a
2
variˆancia global, σ dc = σ 2 , o que implica em σec
2
= 0, logo
1
ρint =
−B −1
é o menor valor que pode assumir.
Note que as variˆancias entre e dentro podem ser reescritas dos seguintes modos:
σ2
(7.2) σ 2 = 1 + ρint (B 1)
e
ec
{ − }B
2
σdc =
B
−
B
1
(1 ρint )σ 2 .
−
Corol´ ario 7.4 Para conglomerados de igual tamanho, tem-se
σ2
{
V ar [y c ] = 1 + ρint (B
− } 1)
aB
.
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 188/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
Corol´
ario 7.5 O efeito do planejamento para conglomerados de igual tamanho é
dado por
EP A = 1 + ρint (B
−1).
Prova. Basta lembrar que a variˆ ancia de yc deve ser comparada com a de uma
AASc, de tamanho n = aB , que é V arAASc [y] = σ 2 / (aB ), logo
V arAC [yc ]
EP A =
V ar AASc [y]
= 1 + ρint (B
−1).
Assim, a eciência depender´ a do tipo de conglomera¸cão. Usualmente ρint é
positivo, ent˜ao a conglomera¸cão usualmente leva `a perda de eciência em rela¸ cão à
AASc.
Corol´
ario 7.6 O coeciente de correla¸c˜ao intraclasse é estimado por
2
s
s 2ec B −dc 1
r int = 2 − .
s ec + s 2dc
Prova. Substituiu-se cada termo do coeciente de correla¸ cão no Teorema 7.2 por
estimadores n˜ao viesados.
γ2
V ar[yc2 ] = 1 + ρc2 B
− 1
aB
,
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 189/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
bem como
2
EP A = 1 + ρc2 B
γ2 .
σ − 1
Na maioria das situa¸ cões práticas, quando os tamanhos n˜ ao variam muito,
observa-se que γ 2 /σ 2 1, logo
EP A 1 + ρc2 B
−1
que permite as mesmas interpreta¸ cões feitas anteriormente. Para atender outros
estimadores, pode-se usar deni¸ cões adequadas em cada situa¸ cão.
U =
{ }
(1) , (2, 3, 4), (5, 6) ,
D = ((12) , (7, 9, 14), (8, 10)) ,
µ1 = 12, µ2 = 10, µ3 = 9
σ12 = 0 , σ22 = 26/ 3, σ32 = 1
B 1 = 1 , B2 = 3 , B3 = 2 , B = 2 ,
2 1 1 3 26 2 14
σdc =
3 2
0+
2 × 3
+
2 ×
1 =
3
,
×
2 1 1 2 3 2 2 2
−
σec = 3 2 (12 10) + 2 (10 10) + 2 (9
− − 10) = 1,
o que conrma a rela¸cão σ 2 = σec
2 2
+ σdc . Pode-se calcular também
2 2 2
2 1 1 3 2
σect =
3 2 × − 12 10 +
2 × − 10 10 +
2 ×−
9 10 = 14 ,
2 2 2
1 1 3 2 2
2
10) 2 + 10) 2 + 2
σeq =
3 2
(12
− 2
(10
− 2
(9
−10) =
3
,
2 2
2 1 31 31 31 14
σem =
3
12
− 3
+ 10
− 3
2+ 9
− 3
=
3
.
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 190/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
7.5 Estima¸ c˜
ao de propor¸ cões 179
Y1 : 7 7 9 9 14 14 8 10
Y2 : 9 14 14 7 7 9 10 8
que leva a ρint = ∼−0, 477. Por outro lado, usando a deni¸ cão adaptada temos
2 14 16
γ2 = + = ,
3 3 3
2 14/ 3
ρc2 = 3 − 2− 1 =
12
−16 = −0, 75,
16/ 3
16/ 3 1
{ −
V ar[yc2 ] = 1 + ( 0, 75)(2
− }×
1)
2 2
= ,
3
17 16
pois a = 2. Observe também que σ2 = 3 3 = γ 2.
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 191/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
(7.3) − ∼
yc µ a
2 /a
σec
N (0, 1).
−
conan¸ca para µ com coeciente de conan¸ca γ = 1 α é ainda dado por (7.4), com
y c2 no lugar de yc e com
a
s 2eq 1 bα 2
2
var [yc2 ] = a = a(a
− 1) α =1 b (y α
−yc2 ) ,
7.7 Determina¸ c˜
ao do tamanho da amostra
Com rela¸cão à obten¸cão do tamanho da amostra a de tal forma que
P ( yc
| −µ| ≤B ) 1
−α
esteja satisfeita, podemos novamente utilizar o procedimento da Se¸ cão 3.2.5. No
caso em que os conglomerados s˜ao de tamanhos iguais, pode-se mostrar que (veja o
Exercı́cio 7.31)
2
σec
(7.5) a= ,
D
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 192/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
onde D = B 2 /z α2 e σec
2
está denido na Se¸cão 7.1, item 6.
Em geral, σe2c é desconhecido e tem que ser estimado a partir de amostras
pilotos ou a partir de pesquisas amostrais anteriores. O estimador s2ec considerado
no Corol´ario 7.2 poderia ent˜ao ser utilizado. De maneira an´ aloga determina-se a
para o caso em que os conglomerados s˜ao de tamanhos diferentes.
Exemplo 7.5 Suponha que para determinada popula¸ cão, N = 1 .000 e n = 200.
Portanto, k = 5. Ou seja, a popula¸cão est´a dividida em 200 grupos de 5 unidades
populacionais onde um elemento ser´ a selecionado em cada grupo. Uma unidade é
selecionada aleatoriamente entre as 5 primeiras unidades. Suponha que a unidade 3
tenha sido selecionada. Ent˜ ao em cada um dos 199 grupos restantes, ser´ a selecionada
sempre a terceira unidade, completando assim a amostra sistem´ atica de 200 unidades
populacionais.
linear ou existem periodicidades na popula¸ cão, sua precis˜ao pode ser bem diferente
do planejamento AAS. A AS pode ser bastante prejudicada por ciclos presentes na
popula¸cão.
Um grande problema na utiliza¸ cão do sorteio sistem´atico é a estima¸cão da
variˆancia do estimador obtido. No caso em que a popula¸ cão est´a em ordem aleat´oria,
não existem muitos problemas em se estimar a variˆ ancia do estimador obtido através
da amostra sistem´ atica pela estimativa da variˆ ancia do estimador y da AAS, que
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 193/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
é dado no Corol´ario 3.5, pois nestes casos, AAS e AS apresentam resultados muito
similares. Por outro lado, nos casos em que a popula¸ cão apresenta tendências ou peri-
odicidades, ao utilizar tal procedimento, pode-se super (ou sub) estimar a variˆ ancia
do estimador obtido a partir da AS. Alguns casos especiais s˜ ao considerados nos
exerc´ıcios. Na Se¸cão 7.8.1 mostra-se que a AS pode ser considerada como um caso
especial da AC. Outros estimadores para a variˆ ancia Vk podem ser encontrados em
Cochran (1977).
que pode também ser representado através de uma matriz, onde na linha α tem-se a
α -ésima amostra sistem´ atica, enquanto que na coluna i tem-se a i-ésima zona. Tal
representa¸cão é considerada na Tabela 7.4.
Na primeira linha da Tabela 7.4 tem-se a primeira amostra sistem´ atica com
média µ1 ; na segunda linha tem-se a segunda amostra sistem´ atica com média µ2 e
assim por diante. A ´ultima coluna representa as médias das k amostras sistem´aticas.
Cada uma dessas amostras sistem´ aticas pode tamb´ em ser vista como um conglome-
rado, onde os conglomerados s˜ao de tamanhos iguais a n. Portanto, a sele¸cão de
uma amostra sistem´ atica pode ser vista como a sele¸cão de uma amostra por conglo-
merados onde o n´umero de conglomerados é A = k, e destes k conglomerados a = 1
é selecionado para ser observado.
O estimador obtido a partir da amostra sistem´ atica ser´a denido por
y sis = µα ,
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 194/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
E [ysis ] = µ,
k
1 2
(7.6) Vk = V ar[ysis ]= k α =1 (µα
−µ) .
onde V̂s = V ar[y] é dada no Corol´ario 3.5. Tal estimador seria adequado quando
a amostragem sistem´ atica é aproximadamente equivalente ` a amostragem aleat´ oria
simples. Contudo em outras situa¸ cões, como no caso de popula¸cões apresentando
periodicidades ou tendências do tipo linear (veja os Exercı́cios 7.12, 7.13, 7.26, 7.27 e
7.28), as duas amostragem apresentam resultados bastante distintos. Uma possı́vel
alternativa em tais situa¸ cões, seria considerar o uso de réplicas (veja o Exercı́cio
7.34). Um exemplo tı́pico de uma popula¸ cão apresentando periodicidade seria o caso
das vendas di´arias de certo produto (carne, por exemplo) em um supermercado.
ysis :
P (y sis ):
µ1
1/k
µ2
1/k ··
·· ··
µα
1/k ··
·· ··
µk
1/k
Considerando a AS como uma AC, como discutido acima, escreve-se a variˆ ancia
Vk como (veja o Exercı́cio 7.24)
σ2
(7.8)
{
Vk = 1 + ρint (n
− } 1)
n
,
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 195/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
onde ρint é o coeciente de correla¸cão dentro das amostras sistem´ aticas, ou seja, na
nota¸cão da Seção 7.4,
Cov[Y1 , Y2 ]
ρint =
DP [Y1 ]DP [Y2 ]
2
2 σdc
=
σec
− n− 1
,
σ2
onde, como os conglomerados tem tamanhos iguais a B = n,
k
2 1 2
σec =
k α =1
(µα
−µ) ,
e
k
2 1
σdc = σα2 ,
k α =1
com
n
1 2
σα2 =
n i=1
(Yα i
−µα ) ,
Zonas
Amostras 1 2 Médias
1 2 8 5
2 6 10 8
3 10 12 11
ysis : 5 8 11
P (y sis ): 1/3 1/3 1/3
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 196/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
E [y sis ] = 8 e V ar[ysis ] = 6.
Neste caso, ρint = 1 / 8. Note que como ρint > 0 (veja o Exercı́cio 7.10), y é mais
eciente que ysis .
1 0 6 18 26 12,5
2 1 8 19 30 14,5
3 1 9 20 31 15,25
4 2 10 20 31 15,75
5 5 13 24 33 18,75
6 4 12 23 32 17,75
7 7 15 25 35 20,5
8 7 16 28 37 22
9 8 16 29 38 22,75
10 6 17 27 38 22
Médias 4,1 12,2 23,3 33,1 18,175
S2 1 136, 25
Vs = V ar[y] = (1
− f)
n
= ∼ 1 − 10 4 ∼
= 30, 7.
Portanto, para a popula¸ cão acima, conclui-se que ysis é mais eciente que y. Note
também que a popula¸ cão apresenta uma ligeira tendência linear. Um outro esquema
amostral que poderia ser utilizado para a obten¸ cão de uma amostra de tamanho n
desta popula¸cão seria considerar cada uma das n zonas (colunas) de k elementos
como um estrato. Selecionamos ent˜ ao de cada estrato um elemento aleatoriamente.
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 197/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
U
Considere os conglomerados “ C ” e “ D ” abaixo
U
C1 : D 1 = (2),
Conglomerados “ C” : C2 : D 2 = (6 , 8, 10),
U C3 : D 3 = (10 , 12)
e
C1 : D 1 = (2 , 6, 8),
Conglomerados “
UD ” : C2 : D 2 = (10 , 10),
C3 : D 3 = (12) .
Para cada uma das divis˜ oes (conglomerados) acima, selecione um conglome-
rado segundo a AAS. Encontre a distribui¸ cão de yc1 , sua média e variˆancia.
Qual das divis˜oes apresenta uma estimativa mais precisa?
7.2 Uma empresa de t´axis possui 175 carros. Uma pesquisa é conduzida para
se estimar a propor¸cão de pneus em mau estado nos carros da companhia.
Uma AASc de 25 carros apresenta o seguinte n´ umero de pneus em mau estado
por carro: d = (2 , 4, 0, 1, 2, 0, 4, 1, 3, 1, 2, 0, 1, 1, 2, 2, 4, 1, 0, 0, 3, 1, 2, 2, 1). Não
considere o estepe. Encontre uma estimativa para a precis˜ ao de sua estimativa.
7.4 Planejou-se uma pesquisa para determinar a propor¸ cão de crian¸cas do sexo
masculino com idade inferior a 15 anos numa certa cidade. Sugerem-se dois
procedimentos:
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 198/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
Encontre as variˆ ancias para as estimativas das propor¸ cões obtidas a partir de
cada um dos planos. Qual dos planos amostrais você preferiria? Justique.
Refa¸ca agora considerando AASs.
7.5 Uma companhia que fornece carros a seus vendedores quer uma estimativa do
número médio de quilˆ ometros percorridos pelos seus carros no ano passado. A
companhia tem 12 liais. O n´umero de carros ( B α ), a média ( µα ) e a variˆancia
(S α2 ) do número de quilˆometros percorridos (em milhares), para cada lial, s˜ ao
dados por:
Filial Bα µα Sα2
1 6 24,32 5,07
2 2 27,06 5,53
3 11 27,60 6,24
4 7 28,01 6,59
5 8 27,56 6,21
6 14 29,07 6,12
7 6 32,03 5,97
8 2 28,41 6,01
9 2 28,91 5,74
10 5 25,55 6,78
11 12 28,58 5,87
12 6 27,27 5,38
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 199/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
ˆ2 N 1 2
E S = N S (1
− −ρint ),
onde ρint é como denido na Se¸cão 7.8.1.
c. Mostre que o resultado em (ii) vale em geral.
α Yαi Bα µα σα2
1 0, 1 2 0,5 0,25
2 1, 2, 2, 3 4 2,0 0,50
3 3, 3, 4, 4, 5, 5 6 4,0 2/3
a. Encontre σ 2 .
b. Desta popula¸cão, dois conglomerados s˜ao selecionados com reposi¸cão.
Considere um estimador n˜ ao viciado para a média populacional e en-
contre a variˆancia do estimador proposto. Selecionando uma amostra de
2 conglomerados da tabela, estime a variˆ ancia.
c. Encontre ρint (exato e aproximado). Usando a amostra dos dois conglo-
merados selecionados em (b), encontre uma estimativa para ρint .
7.8 Uma popula¸cão com N = 2 .000 elementos foi dividida em A = 200 conglome-
rados de tamanhos iguais a B = 10 elementos. Desta popula¸ cão uma amostra
de a = 20 conglomerados é selecionada de acordo com a AASc e todos os
elementos nos conglomerados selecionados s˜ ao observados com rela¸cão à de-
terminada caracterı́stica populacional. O n´ umero de indiv´ıduos que possuem
a caracterı́stica ( Tα ), na amostra foi:
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 200/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
Conglomerado: 1 2 3 4 5 6 7 8 9 10
Tα : 5 3 2 9 3 1 6 10 4 4
Conglomerado: 11 12 13 14 15 16 17 18 19 20
Tα : 2 3 6 1 1 7 0 7 2 1
7.9 A tabela abaixo nos d´a os tamanhos dos estratos e os desvios padr˜ oes de certa
caracterı́stica populacional Y dentro de 3 estratos em que a popula¸ cão original
de tamanho N = 3 .480 foi estraticada.
Estratos Bα Sα
1 2500 8
2 850 24
3 130 80
a. Numa amostragem estraticada de 10% dessa popula¸ cão, qual a partilha
ótima do tamanho n da amostra?
b. Compare a variˆancia da média obtida pelo esquema acima com a variˆ ancia
da média obtida por AC com o mesmo n obtido em (a), e cujo desvio
padr˜ao geral é S = 18.
7.12 Refaça o Exemplo 7.7, invertendo a ordem nas zonas 2 e 4, isto é, em cada
zona, o último elemento passa a ser o primeiro, o pen´ ultimo passa a ser o
segundo, e assim por diante.
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 201/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
0, 1, 0, 1, 0, 1, . . . , 0, 1,
isto é, é uma seq¨uência alternada de “zeros” e “uns” com k elementos ( k2 “0” e
k
2 “1”). Por exemplo, se n = 2 e k = 4, temos
D = (0 , 1, 0, 1, 0, 1, 0, 1).
7.14 Os dados abaixo indicam o n´umero de besouros por canteiro (cada célula)
em uma planta¸cão de batata.
1 2 3 4 5 6 7 8
1 2 4 2 4 2 3 4 6
2 0 2 0 2 7 4 2 3
3 16 9 2 8 5 10 8 7
4 5 7 7 14 20 5 9 6
5 12 5 7 0 4 10 13 5
6 11 6 17 1 9 9 5 17
7 11 10 13 21 10 11 2 20
8 2 3 5 7 4 1 0 14
9 6 8 0 0 2 1 7 1
10 8 14 10 7 3 3 17 8
11 7 12 13 16 11 8 9 1
12 13 2 10 10 7 8 15 28
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 202/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 203/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
a. Por que você acha que foi proposto este esquema amostral ?
b. Usando cada réplica como um conglomerado, estime a propor¸ cão de ar-
quitetos contra o projeto e a respectiva variˆ ancia V arAC [p].
c. Considere as 5 réplicas como sendo uma ´ unica amostra, estime a pro-
por¸cão e o respectiva variˆancia V arAASc [p].
d. Compare V arAC [p]/V ar AASc [p] e analise o resultado. O coeciente de
correla¸cão intraclasse é importante neste problema?
7.17 Será feito um levantamento amostral para estimar uma propor¸ cão P de in-
divı́duos portadores de uma certa caracterı́stica. Espera-se que essa propor¸ cão
seja da ordem de 50% na popula¸ cão. A popula¸cão est´a disposta em conglo-
merados de 5 indivı́duos cada, e o coeciente de correla¸ cão intraclasse é 0,60.
Decidiu-se sortear a conglomerados e entrevistar todos os indivı́duos do con-
glomerado. Deseja-se que o erro m´aximo seja 0,05.
7.18 O exército de Atlˆandida é formado por 400 companhias com 100 soldados
cada uma. Uma amostra aleat´ oria simples de 10 companhias foi sorteada e
todos os soldados responderam a um question´ ario sócio-econômico. O número,
por companhia, daqueles que responderam “sim” a uma das quest˜ oes foi: 25,
33, 12, 32, 17, 24, 26, 23, 37 e 21.
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 204/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
o
Réplica Elementos N de elementos Despesa total Soma de quadrados
1 4, 24, 44, ... 50 4.000 421.000
2 6, 26, 46, ... 50 4.200 435.000
3 13, 33, 53, ... 50 3.800 400.000
4 17, 37, 57, ... 50 3.900 405.000
Usando estes dados, estime a despesa média por freguês e dê limites para o
erro de estima¸cão.
Te´oricos
7.20 Para conglomerados de mesmo tamanho, determine a de modo que
| −τ | ≤B )
P ( Tc 1
−α,
onde B e α são xados e Tc = N y c .
7.23 Proponha ρint para o caso em que os conglomerados s˜ao selecionados sem re-
posição. Proponha tamb´
em uma estimativa para este parˆ ametro, descrevendo
detalhadamente as variˆ ancias envolvidas. Considere conglomerados de igual
tamanho.
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 205/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
onde
n k
2 1 2
S ωl = n(k
−1) i=1 α =1 (Yαi
− . µ·i )
Considere o Exemplo 7.7. Verique que V ar[yes ] =∼3, 03.
D = (1 , 2, . . . , k , 1, 2, . . . , k , . . . , 1, 2, . . . , k ),
isto é, a popula¸cão é constitu´ıda por n zonas cada uma com os elementos
1, . . . , k . Considere as amostragens (i) AS, (ii) AAS e (iii) AE com um elemento
selecionado aleatoriamente por estrato (zona). Encontre V ar[ysis ], V ar[y] e
ˆ
V ar[y es ]. Se você estimar Vk por Vs , você super (ou sub) estima Vk ?
7.27 Considere uma popula¸cão com N = nk elementos onde k é ı́mpar e todas as
zonas de k elementos s˜ao iguais a
1, 1, . . . , 1, 1,
k
−2 1 , k +2 1 , k −2 1 .
Fa¸ca o mesmo que no Exercı́cio 7.26.
D = (1 , 2, . . . , k, k + 1 , . . . , 2k , . . . , (n
−1)k + 1 , . . . , n k ) .
Considere cada uma das n zonas acima como estratos. Selecione uma AAS de
tamanho 1 de cada um das n zonas. Mostre que
k2 1
V ar[yes ] =
12n
, −
onde y es é a média da amostra selecionada.
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 206/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
α =1 B
yα
− yc1 =
α =1 B
2 −ay c1 .
7.31 Verique a validade da express˜ao (7.5).
7.32 Mostre que s2ect denido em (7.1) nem sempre é um estimador n˜ ao viciado
de σ ect
2 .
7.34 Conforme visto na Se¸cão 7.8, a amostragem sistem´ atica usual n˜ao permite
a obten¸cão de estimadores da variˆ ancia da estimativa da média. Recordamos
que na amostragem sistem´ atica usual, a popula¸ cão é dividida em n zonas com
k elementos cada, onde N = kn. Para poder contornar esta diculdade, vamos
considerar amostras sistem´ aticas replicadas. Nesta situa¸ cão, a popula¸cão com
N elementos é dividida em n s zonas com k = ks elementos em cada zona, de
modo que
n = sn s e N = nk = n s ks = n s k .
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 207/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
2
= kj =1 (µsij µ) 2 / (k 1). Mostre
com f s = s/k = s/ (ks ) = 1 /k e SsiR
− −
também que um estimador n˜ ao viciado de V arAASs [ysiR ] é dado por
s 2siR
var AASs [y siR ] = (1
− fs)
s
,
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 208/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
Cap´ıtulo 8
Exemplo 8.1 Volte-se ao Exemplo 7.1, onde a popula¸ cão est´a agrupada em três
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 209/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
Sc ( U) = {C1 C2 , C 1 C3 , C 2 C1 , C 2 C3 , C 3 C1 , C 3 C2 }.
Observe que a probabilidade de sele¸ cão de cada ponto s ci do espaço amostral c ( )
SU
é igual a 1/6. Em seguida para cada par pode-se construir o respectivo espa¸ co
amostral. Assim, para a combina¸ cão C1 C 2 tem-se
com os parˆametros
34
µ = 10, σ2 = , N = 6, B =2 e A = 3.
6
Denindo-se a estat´ıstica média simples por amostra
a
1 y[s 1 ] + y[s 2 ]
y= ys i = ,
a α =1 2
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 210/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
199
45 1/ 6 1/ 36 63 1/ 6 1/ 36
46 1/ 6 1/ 36 64 1/ 6 1/ 36
y2c1 [12] =
1
×122 + 23 ×7 = 8 , 25, . . . , y 2c1 [64] = 2 ×102 + 32 ×14 = 15, 50.
× ×
Os demais valores est˜ao também na Tabela 8.2. Deixa-se aos cuidados do leitor
calcular a distribui¸ cão amostral. Através dela pode-se obter os parˆ ametros:
E [y2c1 ] = 10, ∼
V ar[y2c1 ] = 6, 92.
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 211/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
s ci : C1 C 2 C1 C 3 C2 C 1 C2 C 3 C3 C 1 C3 C 2
y cd : 10,5 7,5 10,5 12 7,5 12
P (ycd ): 1/6 1/6 1/6 1/6 1/6 1/6
Usando o ı́ndice 1 para indicar a esperan¸ ca calculada no espa¸co amostral gerado
pelos conglomerados, tem-se
1
E 1 [y2c1 ] = (10, 5 + 7 , 5 + 10 , 5 + 12 + 7 , 5 + 12) = 10 .
6
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 212/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
Este tipo de procedimento ser´ a bastante usado para c´ alculo de valores esperados e
variˆancias.
8.1 Nota¸ c˜
ao e plano amostral
O plano amostral ser´a aquele j´a denido na se¸cão anterior e indicado por A2E, ou
seja, sorteiam-se a conglomerados (unidades prim´ arias) por AASc e em seguida,
também por AASc, sorteiam-se bα elementos (unidades secund´ arias). Sem perda de
generalidade, consideramos que as unidades prim´ arias 1 , . . . , a tenham sido sorteadas
como enfatizado no Capı́tulo 7.
8.2 Estimadores da m´
edia por elemento
8.2.1 N conhecido
Teorema 8.1 Para o plano amostral denido tem-se que y2c1 de (8.1) é n˜ao viesado
para µ e que
A 2 A 2
1 Bα 1 Bα σα2
(8.2) V ar[y 2c1 ] = aA α =1 B µα
−µ + aA α =1 B bα .
E [X ] = E 1 E 2 [X ] .
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 213/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
o ı´ndice 1 é usado para todas as combina¸ cões poss´ıveis destas UPAs. Assim,
a a
1 Bα 1 Bα
E [y2c1 ] = E y = E1 E 2 [yα ] .
a α =1 B α a α =1 B
σα2
E 2 [y α ] = µα = Y α e V ar2 [y α ] = .
bα
Substituindo-se na express˜ ao acima tem-se
a
E [y2c1 ] = E 1 1 B α µα .
a α =1 B
E [y 2c1 ] = E 1 [x] = X = µ.
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 214/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
8.2 Estimadores da m´
edia por elemento 203
mede uma certa variabilidade dentro dos conglomerados, corrigida pelo n´ umero de
unidades sorteadas no segundo est´ agio, bα . Dena-se o parˆametro ψ associado ao
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 215/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
plano amostral que indica o tamanho médio (esperado) das amostras no segundo
est´agio, ou seja, quando calculado para todos os conglomerados. Desse modo,
A
1
ψ= bα .
A α =1
Dena-se também
A 2
2 1 Bα ψ 2
(8.5) σ2dc = σ ,
A α =1 B bα α
que seria uma medida de variabilidade dentro dos conglomerados. Observe que
2
quando os conglomerados têm o mesmo tamanho e as amostras também, σ2dc reduz-
se a σdc
2 , denido no Capı́tulo 7. Substituindo os resultados (8.3) e (8.5) em (8.2)
obtém-se
σ2 σ2
(8.6) V ar[y 2c1 ] = ect + 2dc ,
a aψ
2
com σ ect também denido no Capı́tulo 7. Ou seja, a variˆ ancia do estimador y2c1 de-
pende da variabilidade entre os conglomerados bem como da variabilidade dentro dos
mesmos. Viu-se que para um est´ agio, a variˆancia depende apenas da variabilidade
entre conglomerados, como seria esperado.
2
Lema 8.1 Um estimador n˜ao viesado de σ2dc é
1 a Bα 2
ψ 2
(8.7) s 22dc = s ,
a α =1 B bα α
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 216/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
8.2 Estimadores da m´
edia por elemento 205
2
é viesado para σect com
2
σ2dc
(8.9) E s2 = σ2 + .
2ect ect ψ
Prova. Reescrevendo a express˜ao (8.8), tem-se
a 2 a 2
Bα Bα
1)s 22ect y2α 2
(8.10) (a
− =
α =1 B
yα
− y2c1 =
α =1 B −ay 2c1 .
Calculando a esperan¸ ca de cada parcela separadamente tem-se para o ´ ultimo
termo
σ2 σ2
E y22c1 = V ar [y2c1 ] + E 2 [y 2c1 ] = ect + 2dc + µ2
a aψ
e para o primeiro,
a 2 a 2
E Bα y2α = E1 Bα E 2 y2α
α =1 B α =1 B
a 2
Bα σα2
= E1 + µ2α
α =1 B bα
a 2 a 2
Bα σα2 Bα
= E1 + µ2α
α =1 B bα α =1 B
a 2 a 2
a 1 Bα ψ 2 1 Bα
= E1 σα + aE 1 µ2α
ψ a α =1 B bα a α =1 B
a a
= E 1 [u] + aE 1 [w] = U + aW
ψ ψ
A
a 1 Bα 2
ψ 2 1 A Bα 2
= σα + a µ2α
ψA α =1 B bα A α =1 B
A 2
a 2 a Bα
µ2α 2
+ aµ 2
= σ +
ψ 2dc A α =1 B −Aµ
A 2
a 2 a Bα
+ aµ 2 .
=
ψ
σ2dc +
A α =1 B
µα
−µ
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 217/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
2
ect
σ2dc −
−2
ect ψ
−
= (a
− 1)σect +(a
− 1)
ψ
,
2
Corol´ ario 8.1 Um estimador n˜ao viesado de σect é dado por
s 22dc
(8.11) s2 .
2ect
− ψ
Prova.
s 22dc 1 σ2 2
σ 2dc
E s 22ect = E s 22ect E s 22dc = σect
2
+ 2dc 2
− ψ − ψ ψ − ψ
= σect .
s22ect
(8.12) var [y2c1 ] = ,
a
Prova.
1 σ2 σ2
E var [y2c1 ] = E s 22ect = ect + 2dc .
a a aψ
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 218/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
8.2 Estimadores da m´
edia por elemento 207
r
− R
u
− Rv
E [v]
=
z
E [v]
,
V ar[z]
V ar[r ] e
E 2 [v]
var [z]
var [r ] = 2,
E [v]
−
y 2c1 Rx 2c1 = z 2c1 ,
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 219/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
y 2c2
−µ
y2c1
−1Rx 2c1 = z2c1 = z .
1
2c1
Portanto,
V ar[y 2c2 ] V ar[z 2c1 ].
Usando os resultados do Teorema 8.1 e (8.6), obtém-se
2 2
σect [Z ] σ2dc [Z ]
V ar[z 2c1 ] = + .
a aψ
Mas,
a a a bα
1 Bα R Bα 1 Bα 1
z 2c1 = a α =1 B yα
− a α =1 B = a α =1 B bα i=1 (Yαi
−R)
e como R = µ, equivale `a transforma¸cão mencionada
Z αi = Yαi
−µ = Yαi −Y .
Assim, pode-se calcular
A 2 A 2
2 1 Bα 1 Bα 2
σect [Z ] =
A α =1 B
Zα
− Z =
A α =1 B
Zα,
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 220/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
8.2 Estimadores da m´
edia por elemento 209
s 22ect Ẑ
var [y2c2 ] = ,
a
onde
a 2
1 Bα
s 22ect Ẑ =
a
− 1 α =1 B̂
ẑ α
−ẑ ,
com
(8.16) Ẑ αi = Yαi
−y2c2 X αi ,
onde X αi = 1 , i = 1 , . . . , B α , α = 1 , . . . , A .
Justicativa. Inicialmente, pelo Teorema 8.2 tem-se que s 22ect é um estimador n˜ ao
2 2
viesado de σect + σ2dc /ψ , assim bastaria adaptar este estimador para a vari´ avel Z .
Entretanto a vari´ avel Z , na amostra, seria calculada por Zαi = Yαi µX αi , e µ é
−
desconhecido. A sugest˜ao natural é substituir µ por seu estimador, assim
Ẑ αi = Yαi
−y2c2 X αi ,
com X αi = 1, i = 1 , . . . , B α , α = 1 , . . . , A , justicando o uso da proposi¸ cão acima.
a 2
1 Bα 2
s 22ect s 22eq
Ẑ = =
a
−1 i=1 B̂
(y α
−y2c2 ) .
Note que s22eq é a vers˜ao para amostragem em dois est´ agios de s2eq , considerado no
Capı́tulo 7.
8.2.3 M´
edia simples
Um estimador muito usado, quando desconhece-se o tamanho médio B, é a média
simples dos conglomerados
a
1
(8.17) y 2c3 = y ,
a α =1 α
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 221/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
1 A Bα
(8.18) B [y2c3 ] = µ
− µ=
A α =1
1
− B
µα .
s22em
(8.20) var [y 2c3 ] = ,
a
onde a
1 2
s 22em =
a
− 1 α =1
(yα
−y2c3 ) .
B1 = B2 = . . . = BA = B = B
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 222/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
b1 = b2 = . . . = ba = b,
tem-se
ψ = b.
As fórmulas para as variˆ ancias dentro e entre conglomerados também simplicam-se.
Tem-se ent˜ao o resultado imediato
Corol´
ario 8.2 Para conglomerados de tamanho igual a B o estimador y2c é n˜ao
viesado e
2
σec σ2
(8.22) V ar[y 2c ] = + dc ,
a ab
estimado por
s22ec
var [y2c ] = ,
a
onde a
1 2
s 22ec =
a
−1 α =1
(yα
−y2c ) .
Corol´
ario 8.3 Para conglomerados de tamanho igual a B, tem-se
σ2
(8.23) V ar[y2c ]
{
1 + ρint (b
− } 1)
ab
.
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 223/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
2 σ2
σec
{
= 1 + ρint (B
− } 1)
B
e
2
σdc =
B
−
B
1
(1 ρint )σ 2 .
−
Admitindo B sucientemente grande para que
B
−
B
1
1 e
1
B
0
2
ρint σ 2 e σdc
2 2
vem σ ec (1
−ρint )σ . Substituindo em (8.22),
σ2 ρint (1 ρint )σ 2 σ2
V ar[y2c ]
a
+ − ab − ab
= ( ρint b + 1 ρint )
σ2
=
{1 + ρint (b
− } 1)
ab
,
8.3.3 Eciˆ
encia do plano amostral em dois est´ agios
Do Corolário 8.3 chega-se a
(8.24) EP A [y 2c ] = 1 + ρint (b
−1),
que é muito parecido com o resultado do Corol´ ario 7.5, de que para um ´unico est´agio
EP A [yc ] = 1 + ρint (B
−1).
Como usualmente ρint > 0, perde-se em usar amostragem por conglomerado.
Entretanto, em (8.24) b é escolhido pelo pesquisador, assim quando a popula¸ cão
tem ρint muito alto, pode-se escolher b pequeno, para compensar o efeito da conglo-
mera¸cão.
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 224/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
Assim,
σ2
V ar AC [yc ] =
{
1 + ρint (B
− } 1)
aB
σ2
V ar A2E [y2c ] =
{1 + ρint (b − }1)
ab
.
Desse modo,
(8.25)
V ar A2E [y2c ]
=
1 + ρint (b
−1)1) ≤ 1.
V ar AC [yc ] 1 + ρint (B
−
Ou seja, o plano em dois est´agios é mais eciente se ρint > 0, o que ocorre com
freqüência na pr´ atica. Este ´ultimo resultado permite estabelecer a estratégia para a
C = c1 a + c2 ab,
Teorema 8.6 Para uma fun¸c˜ao de custo linear, o tamanho ´ otimo de b deve ser
σdc c1
bot = .
σec c2
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 225/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
2
Observe que quanto maior for a variabilidade dentro dos conglomerados, σdc ,
em rela¸cão à entre conglomerados, σe2c , mais elementos devem ser sorteados dos
conglomerados. De modo an´alogo, quanto mais caro for obter o conglomerado em
rela¸cão às unidades dentro dele, mais unidades elementares dentro dele devem ser
usadas.
Exerc´ıcios
8.1 Refaça o Exemplo 8.1 considerando que as unidades no primeiro est´ agio são
selecionadas com reposi¸cão. Compare a variˆancia obtida com a variˆancia ob-
h =1
N h (µh
−µ) = 350 ,
h =1 α =1
N hα (µhα
−µh ) = 1 .650
e
5 50 10
2
h =1 α =1 i=1
(Yhαi
−µhα ) = 3 .000.
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 226/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
Pacotes
Latas 1 2 3 4 5 6 7 8 9 10 Total
1 4 2 9 8 8 5 0 4 1 7 48
2 6 5 5 9 4 1 6 4 4 8 52
Total 10 7 14 17 12 6 6 8 5 15 100
8.6 Um estimator para a variˆ ancia do estimador raz˜ ao ( N desconhecido) que pode
ser considerado no caso da AASs é dado por
a 2
s 22eq f1 Bα s 2α
var [y2c2 ] = (1
− f 1)
a
+ 2
a α =1 B̂
(1
− f 2α )
bα
,
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 227/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
com
a a 2
N̂ = 1 s 22eq 1 Bα 2
a α =1
Bα , =
a
− 1 α =1 B̂
(yα
−y2c2 ) .
8.8 O plano amostral de uma pesquisa realizada consistiu em amostrar quarteir˜ oes
por probabilidade proporcional ao tamanho (PPT) e, dentro do quarteir˜ ao
sorteado, selecionar em média b = 6 domic´ılios. As maiores despesas ocorreram
na listagem, que foi 20 unidades de dinheiro (ud) por quarteir˜ ao, e de entrevista
que custou 5 ud cada. Mediu-se também o efeito de planejamento para 3
vari´aveis do estudo, obtendo-se: (i) 3,5; (ii) 2,0 e (iii) 1,5. Esta pesquisa
será repetida e foi alocada uma verba de 6.000 ud para listagem e entrevista.
Usando os dados da pesquisa anterior:
a. Determine os valores ´otimos de b para cada uma das três vari´ aveis;
b. O tamanho da amostra em cada um desses casos;
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 228/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
c. Calcule as variˆancias das médias de cada vari´ avel para os três valores de
b encontrados em (a). Construa a tabela 3 x 3 da raz˜ ao da variˆancia
observada em rela¸cão à menor variˆancia.
8.9 Será feito um levantamento amostral para estimar uma propor¸ cão P de in-
divı́duos portadores de certa caracter´ıstica. Espera-se que esta propor¸ cão seja
da ordem de 50% da popula¸cão. A popula¸cão est´a disposta em conglomerados
de 5 indivı́duos cada e o coeciente de correla¸ cão intraclasse é 0 , 60. Decidiu-se
sortear a conglomerados e entrevistar todos os indivı́duos do conglomerado.
Deseja-se que o erro m´aximo (desvio padr˜ao) seja 0, 05.
8.10 Para estimar a propor¸ cão de moradores de uma cidade que usaram o servi¸ co
médico ocial, usou-se o seguinte procedimento:
Os resultados foram:
o
o N de moradores dos domic´ılios sorteados
Zona sorteada N de domic´ılios o
N dos que usaram o servi¸co médico
5 6 3 8 5 4
022 65
3 3 1 6 4 2
164 42 4 4 6 2
2 3 3 2
5 6 5 3 4 4
117 57
4 4 2 1 3 2
10 4 4 5 6 5 3 5
055 76
8 2 1 3 3 2 0 0
1 5 4 6 5
025 48
1 2 2 2 3
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 229/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
8.11 Deseja-se estimar o n´umero médio de pessoas por domic´ılio, numa popula¸ cão
formada por 10 aldeias e cujos dados est˜ ao na tabela abaixo. Decidiu-se usar
o seguinte plano amostral:
8.12 Queremos estimar a propor¸ cão dos 1.000 empregados de uma companhia
que possuem carros. A companhia est´ a dividida em 20 departamentos, cada
um com 50 funcion´arios. Sorteamos 10 departamentos e dentro de cada um
sorteamos 10 funcion´arios. O n´umero de possuidores de carro em cada depar-
tamento foi: 5, 1, 2, 7, 3, 6, 3, 0, 2 e 10. Dê uma estimativa para a propor¸ cão
e construa um intervalo de conan¸ ca de 95% para a propor¸cão de funcion´arios
da companhia que possuem carro.
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 230/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
8.13 Quer-se estimar a renda média mensal por domicı́lio da cidade de Catagu´ a.
Inicialmente dividiu-se os 1.000 domicı́lios em 50 conglomerados de 20 casas
cada um. A partir daı́ três pesquisadores usaram os seguintes planos amostrais:
Te´oricos
8.14 Usando um desenvolvimento similar ao da demonstra¸ cão do Teorema 8.1,
prove o Teorema 8.4.
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 231/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
8.16 Complete a prova do Teorema 8.3. Use (8.15), os resultados do Exercı́cio 7.29
para o estimador raz˜ ao e a vari´avel auxiliar Zαi = Yαi
i = 1, . . . , B α .
−RX αi , α = 1 , . . . , A ,
8.17 Refaça o Exerc´ıcio 8.16 considerando AASs no primeiro e segundo est´ agios.
Proponha também um estimador para a variˆ ancia.
8.20
U
Seja uma popula¸cão dividida em A conglomerados. Considere a amostra-
gem em dois est´agios onde os conglomerados s˜ao de tamanho B α (diferentes),
a. Mostre que
S α2
V ar 2 [yα ] = (1
− f 2α )
bα
,
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 232/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
de modo que
2
E 2 y2α = (1
− f 2α ) S α + µ2α ,
bα
onde µα e Sα2 são, respectivamente, a média e a variˆ ancia populacionais
no conglomerado α.
b. Mostre que
a 2
1 Bα S α2
V ar 2 [y2c1 ] =
a2 α =1 B
(1
− f 2α )
bα
,
de modo que
a 2 a 2
2 1 Bα S α2 1 Bα
E 2 y 2c1 = a 2 α =1 B (1
−f 2α ) n α + a α =1 B µα .
1 A 2 S α2
E s 22ect = S ect
2
+ B (1
A α =1 α − f 2α )
bα
,
2
onde Sect é como dado no Exercı́cio 8.20 e s 22ect como em (8.8).
e. Usando (a)-(d), mostre que um estimador n˜ ao viciado para V ar[y 2c1 ] é
dado por
a 2
s 22ect f1 Bα s 2α
var [y2c1 ] = (1
− f 1)
a
+ 2
a α =1 B
(1
− f 2α )
bα
.
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 233/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
8.23 Suponha agora que a vari´avel de interesse na popula¸ cão do Exerc´ıcio 8.21
seja dicˆotomica, ou seja, Yαi = 1 se o elemento i no conglomerado α pos-
sui a caracterı́stica de interesse e 0 caso contr´ ario. Encontre express˜ oes para
V ar[P̂ 2c1 ] e para sua estimativa, onde P̂ 2c1 = y2c1 , nos casos AASc e AASs.
8.24 Refaça o Exercı́cio 8.23 considerando agora um estimador do tipo raz˜ ao para
a propor¸cão de interesse.
onde
A B a
1 2 1 1 ab
s 2a = (y
a α =1 α −y) , yα =
B i=1
yαi , y= y
a α =1 α
e f =
AB
.
rela¸cão intraclasse?
a. Deduza a V ar[y].
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 234/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 235/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 236/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
Cap´ıtulo 9
Estima¸ c˜
ao com probabilidades
desiguais
Nos capı́tulos anteriores, todas as técnicas de estima¸ cão desenvolvidas foram base-
adas em esquemas probabilı́sticos onde todas as amostras tinham a mesma proba-
bilidade de serem selecionadas. Neste capı́tulo, desenvolve-se técnicas de estima¸ cão
baseadas em esquemas probabilı́sticos mais gerais. Teoricamente, pode-se consi-
derar esquemas probabilı́sticos mais gerais. O problema que surge é a obten¸ cão
de express˜oes para o vı́cio e para a variˆancia dos estimadores. Estimadores para
as variˆancias obtidas s˜ao também de interesse primordial. Os esquemas aborda-
dos apesar de bastante gerais, apresentam estimadores n˜ ao viciados e possibilitam
a obten¸cão de express˜oes para as suas variˆancias. O exemplo a seguir ilustra tal
situa¸cão.
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 237/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
226 Estima¸ c˜
ao com probabilidades desiguais
{ }
C 1 = 1, 2 , com µ1 = 4; C2 =
{3}, com µ2 = 10; { }
C3 = 4, 5, 6 , com µ3 = 10 .
Ent˜ao
2 4
E [y c ] = 4
× 6 + 10 × 6 = 8 ,
ou seja, y c é n˜ao viciado e
2 2 4 2
V ar[yc ] =
6
(4
−8) +
6
(10
−8) =8.
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 238/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
f 1! . . . f N ! 1
(9.3) E [f i ] = nZ i , V ar [f i ] = nZ i (1
−Z i )
e, para i = j ,
(9.4) Cov[f i , f j ] =
−nZ i Z j ,
i, j = 1 . . . , N .
e,
N 2
1 Yi
(9.6) Vppz = V ar [τ̂ ppz ] =
n i=1
Zi
Zi − τ ,
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 239/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
228 Estima¸ c˜
ao com probabilidades desiguais
1 N Yi
E [τ̂ ppz ] = E [f i ] = τ,
n i=1 Z i
N
provando (9.5). Por outro lado, utilizando (9.3), (9.4) e o fato de que i=1 Zi =
1, tem-se que
1 N Yi 2 Yi Yj
V ar[τ̂ ppz ] = V ar [f i ] + 2 Cov [f i , f j ]
n2 i=1
Zi i<j
Zi Z j
N 2
1 Yi Yi Yj
=
n i=1
Zi
Z i (1
− −
Zi ) 2
i<j
Zi Z j
Zi Z j
N N 2
1 Yi2 1 Yi
τ2
=
n i=1
Zi − =
n i=1
Zi
Zi − τ ,
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 240/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
V ar[τ̂ ] = N 2 V ar[y] = 9
E [τ̂ ] = N E [y] = 3
×23 = 69 e
×26, 5 = 238, 5.
Portanto, o estimador expans˜ ao N y é viciado para o total populacional com o plano
amostral com probabilidades de sele¸ cão proporcionais a Z i . J´a para o estimador ˆτ ppz
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 241/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
230 Estima¸ c˜
ao com probabilidades desiguais
tem-se que
E [τ̂ ppz ] = 60 e V ar[τ̂ ppz ] = 3618
−602 = 18 .
Como esperado, o estimador ˆτ ppz é n˜ao viciado para o total populacional τ e apre-
senta variˆancia menor que o EQM do estimador expans˜ao τ̂ . Pode-se calcular a
variˆancia de τ̂ ppz usando (9.6). Note que
2 2 2
1 1 12 3 30 2 18
Vppz =
2 6 1/ 6 − 60 +
6 3/ 6 − 60 +
6 2/ 6 −
60 = 18 ,
A
N 2
ii. Vppz = V ar[τ̂ ppz ] =
a α =1
B α (µα
−µ) ;
iii. Um estimador n˜ ao viciado de Vppz é dado por
a
N2
yc3 ) 2 .
V̂ppz =
a(a 1)
− α =1
(µα
−
Assim, um intervalo de conan¸ ca para τ com coeciente de conan¸ca γ = 1
−α
±
é dado por ˆτ ppz zα V̂ppz .
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 242/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
U
da popula¸cão temos o par ( X i , Yi ), onde as vari´aveis X 1 , . . . , X N são conhecidas e
positivas. Desta popula¸ cão, uma amostra s de tamanho n é selecionada. Considere
o estimador
1 Yi 1
(9.9) r = = Ri,
n i ∈s X i n i ∈s
ou seja, R i = X i /Y i , i = 1 , . . . , N . Os valores R i (correspondentes ao indiv´ıduo i)
são selecionados com reposi¸cão e com probabilidade proporcional a X i ,
Xi Xi
(9.10) Zi = N = ,
i=1 Xi NX
i = 1 , . . . , N , onde X = N
i=1 X i /N . O Exerc´
ıcio 5.17 mostra que r é um estimador
viciado de R = Y /X com relação à AASc.
Por outro lado, como ser´a visto a seguir, r é n˜ao viciado com rela¸cão ao
planejamento amostral onde as probabilidades de sele¸ cão são dadas por (9.10). As
provas dos resultados seguem dos Teoremas 9.1 e 9.3. Veja os Exercı́cios 9.9 e 9.10.
E [r ] = R,
e que
N 2
1 Xi Yi
(9.11) Vr = V ar[r ] =
n i=1 NX Xi − R .
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 243/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
232 Estima¸ c˜
ao com probabilidades desiguais
que as unidades do primeiro est´ agio sejam selecionadas com reposi¸cão. Suponhamos
também que as probabilidades de sele¸ cão das unidades do primeiro est´ agio sejam
A
dadas por Zα , α = 1 , . . . , A , de tal forma que α =1 Z α = 1. Para as unidades
selecionadas no segundo est´agio, considera-se a AASc como no Cap´ıtulo 8.
Como estimador do total populacional τ , sendo sorteada uma amostra de a
conglomerados no primeiro est´agio, considera-se
a
1 B α yα
(9.12) τ̂ ppz = .
a α =1 Z α
Tem-se ent˜ao
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 244/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
(9.14)
i=1
π i = a,
j= i
π ij = ( a
−1)π i
e
A
1
(9.15)
i=1 j>i
π ij =
2
a(a
−1).
O estimador de Horwitz–Thompson do total populacional é ent˜ ao dado por
Yi
(9.16) τ̂ HT = ,
i ∈s
πi
E [τ̂ HT ] = τ,
e
A A
(9.17) VHT = V ar[τ̂ HT ] =
1
−π π i Yi2 + 2 π ij
−
ππ
πi π j
Yi Yj .
i=1 i i=1 j>i i j
Prova. Dena
fi =
1, se i s
, ∈
0, se i / s
∈
i = 1 , . . . , A . Portanto, f i segue uma distribui¸cão de Bernoulli com probabili-
dade de sucesso π i . Assim, (veja o Exercı́cio 9.16)
(9.18) E [f i ] = π i , V ar[f i ] = π i (1
−π i )
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 245/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
234 Estima¸ c˜
ao com probabilidades desiguais
e
(9.19) Cov [f i , f j ] = π ij
−π i π j .
Portanto,
A
Yi
E [τ HT ] = E [f i ] = τ.
i=1
πi
Além disso,
A 2 A
Yi Yi Yj
VHT = V ar[f i ] + 2 Cov[f i , f j ]
i=1
πi i=1 j>i
πi π j
A A A
=
1
−π π i Yi2 + 2 π ij
−
ππ
πi π j
Yi Yj ,
i=1 i i=1 j>i i j
A variˆancia VHT pode também ser representada de uma outra forma. Veja o
Exerc´ıcio 9.19. Um estimador n˜ ao viciado para a variˆancia VHT é dado em (9.17).
(9.20) V̂HT = 2
πi
−
1 πi 2
Yi + 2
π ij π i π j
π i π j π ij
Yi Yj . −
i ∈s i ∈s { j>i }∈s
Exemplo 9.4 Considere novamente a popula¸ cão do Exemplo 2.1, onde duas unida-
des são selecionadas de acordo com AASs proporcionalmente ao n´ umero de traba-
lhadores no domicı́lio, ou seja, de acordo com as probabilidades Z 1 = 1 / 6, Z 2 = 3 / 6
e Z 3 = 2 / 6. De acordo com as probabilidades calculadas no Exemplo 2.8, constr´ oi-se
as distribui¸cões amostrais de ˆτ HT e de y na Tabela 9.4.
Da Tabela 9.4 obtém-se
25 51 44
π 1 = P (δ1 = 1) = , π 2 = P (δ2 = 1) = e π3 = P (δ3 = 1) = ,
60 60 60
de onde resultam os valores de ˆτ HT na tabela. Verique que E [τ̂ HT ] = 60 e portanto
τ̂ HT é n˜ao viciado para τ , como esperado pelo Teorema 9.9. Pode-se também mostrar
×
que E [τ̂ ] = N E [y] = 3 21, 85 = 65, 55, que é portanto um estimador viciado para
o total populacional τ . Note também que
16
π 12 = π 21 = P (δ1 = 1 , δ2 = 1) = ,
60
9
π 13 = π 31 = P (δ1 = 1 , δ3 = 1) = e
60
35
π 23 = π 32 = P (δ2 = 1 , δ3 = 1) = .
60
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 246/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
∼
Verique que V ar[y] = 9, 93 e VHT = 11, 13. ∼
9.6 Amostragem de Bernoulli
Uma maneira simples de selecionar uma amostra sem reposi¸ cão, onde as unidades
são selecionadas de maneira independente, é obtida através da amostragem binomial
(ou de Bernoulli). O estimador utilizado é um caso particular do estimador de
Horwitz–Thompson, considerado na se¸ cão anterior. Considere a situa¸ cão em que
a probabilidade de inclus˜ ao da i-ésima unidade é constante, ou seja, πi = p, e a
2
probabilidade de inclus˜ ao das unidades i e j , π ij = π i π j = p , i = j = 1 , . . . , N . Para
implementar este esquema, N ensaios de Bernoulli com probabilidade de sucesso p
são simulados, de forma que o ensaio 1 corresponde ` a unidade 1, o ensaio 2, a unidade
2 e assim por diante até o ensaio N . As unidades que far˜ao parte da amostra ser˜ ao
aquelas correspondentes aos sucessos nos n ensaios. O tamanho da amostra é uma
vari´avel aleat´oria com valor esperado Np. Portanto, para obter uma amostra com
aproximadamente 10% da popula¸ cão toma-se p = 0 , 10. Como esimador do total
populacional τ , consideramos ent˜ao o estimador de Horwitz–Thompson com π i = p,
1
τ̂ B = Yi ,
p i ∈s
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 247/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
236 Estima¸ c˜
ao com probabilidades desiguais
Exerc´ıcios
9.1 Considere uma popula¸cão
U
dividida em 3 grupos, G1 , G2 e G3 dados por,
respectivamente, D 1 = (2 , 6), D 2 = (10 , 8, 10, 12) e D 3 = (4 , 8, 12). Selecione
dois grupos com reposi¸cão com probabilidades de sele¸cão Z α proporcionais aos
tamanhos dos grupos. Encontre a distribui¸ cão, média e variˆancia do estimador
descrito na Se¸cão 9.2.
9.2 Estime o total populacional para a popula¸ cão dos apartamentos alugados nos
180 condomı́nios da Tabela 2.8 usando amostragem de Bernoulli com p = 0 , 10.
Compare os resultados com uma AASs com o mesmo n .
9.3 Considere a popula¸cão das 645 cidades do estado de S˜ao Paulo disponı́vel no
site do IBGE (www.ibge.gov.br). Considere dois estratos, um com as cidades
com mais que 200 mil habitantes e outro com as cidades com menos que 200
mil habitantes. Use os resultados do Exercı́cio 9.20 com p1 = p2 = 0 , 08.
9.4 Retire uma amostra (escolha o tamanho) com probabilidade dada por Z i , sem
reposi¸cão, da popula¸cão:
Unidade Yi Zi
1 30 0,10
2 50 0,12
3 45 0,12
4 40 0,10
5 20 0,06
6 10 0,06
7 60 0,12
8 40 0,10
9 30 0,10
10 65 0,12
Te´oricos
9.5 Considere as suposi¸cões do Teorema 9.1. Mostre que
N N 2
Yi2 2 Yi
i=1
Zi −τ =
i=1
Zi
Zi −τ .
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 248/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
Yi2 1 Yi2 /Z i
E = nE .
i ∈s
Z i2 n i ∈s
Zi
9.14 Verique como cam os resultados dos Teoremas 9.7 e 9.8 no caso especial
em que as probabilidades de sele¸ cão são dadas em (9.13).
y 1 = yα ,
e
AN α yα
y2 = .
N
a. Encontre E [y1 ] e E [y 2 ]. Verique se eles são não viciados.
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 249/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
238 Estima¸ c˜
ao com probabilidades desiguais
9.19 Mostre que a variˆancia VHT dada em (9.17) pode ser escrita como
A 2
Yi Yj
VHT =
i=1 j = i
(π i π j
−πij ) πi − πj
.
9.20 Estenda os resultados da Se¸ cão 9.6 onde se considera amostragem de Ber-
noulli para o caso da amostragem estraticada, com probabilidades de inclus˜ ao
ph , h = 1 , . . . , H .
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 250/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
Cap´ıtulo 10
10.1 Estimador m´
edia amostral
Considere uma seq¨uência de popula¸ cões
{U}
ν ν ≥ 1 , de tal forma que N ν +1 > N ν ,
≥ U
ν 1. Da popula¸cão ν , uma amostra s ν de tamanho n ν (n ν +1 > n ν ) é selecionada
U
segundo a AASs. Associadas `a popula¸cão ν tem-se a média e a variˆancia popula-
cionais, Y ν = µν e S ν2 , e a média amostral y ν , correspondente `a amostra observada.
Conforme visto no Capı́tulo 3, a média amostral yν é um estimador n˜ ao viciado para
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 251/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
≥ 1. Temos ent˜ao o
onde f ν = n ν /N ν , ν
{ }
também que a seq¨uência Yiν iν satisfaz a condi¸c˜ao de Lindeberg–Hajek,
lim − = 0,
Yiν µν
(N ν 1)S ν2
ν →∞
T (δ) −ν
U
para todo δ > 0, onde Tν (δ) é o conjunto das unidades em ν para os quais
−ν ν
Ent˜ao, com rela¸c˜ao à AASs,
−yνµν
2
D
−→ N (0, 1),
−
(1 f ν )S ν /n ν
quando ν
→∞
.
D
No teorema acima tem-se que “
−→
” signica convergência em distribui¸ cão
(Leite e Singer, 1990). Um outro resultado importante é considerado a seguir.
quando ν
→∞
.
Chebyshev (veja Leite e Singer, 1990). Como uma conseq¨ uência direta do Teorema
10.2, tem-se o
2
(Yiν − µ ν )
Corol´ ario 10.1 Se a seq¨uência S ν2 satisfaz a condi¸c˜ao (10.1), ent˜ ao,
iν
s 2ν P
S ν2 −→1,
2 2
quando ν
→∞
, onde sν é um estimador n˜ ao viciado de Sν .
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 252/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
−yνµν
2
D
(1 f ν )s ν /n ν −→
N (0, 1),
−
quando ν
→∞
.
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 253/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
Xν
(10.4) y Rν
− Yν = r ν
xν
,
|SY |
2
S Xν | S XY ν | ν
ii. 2 , S Rν X ν
e s˜ao uniformemente limitados em ν.
Xν ν ν Rν
ν
Ent˜ao,
s 2Rν P
2
S Rν −→1
quando ν
→∞
.
Teorema 10.6 Sob as condiç˜oes dos Teoremas 10.4 e 10.5, tem-se que
yRν
−Y2 ν D
−→N (0, 1),
(1
− f ν )s Rν /n ν
quando ν
→∞
.
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 254/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
y Reg = y + B̂ 0 X
−x ,
onde
B̂ 0 = i ∈s (Yi
− − .
y)(X i x)
x) 2
i ∈ (X i
s
−
A nota¸cão empregada a seguir é a mesma que a utilizada no Capı́tulo 6. Denindo
os res´ıduos
(10.7) E i = Yi y B 0 X i X ,
−−
j = 1 , . . . , N , tem-se que (veja o Exercı́cio 10.4) −
N N
(10.8)
i=1
Ei = 0,
i=1
Ei Xi
−X =0
e
N
1
S E2 E i2 = S Y2 1 2
=
N
− 1 i=1
−ρ [X, Y ] .
Tem-se ent˜ao o
yRegν Y ν
VRegν
− −→
D
N (0, 1),
quando ν
→∞
, onde
S Y2 ν 2
VRegν = (1
− fν)
nν
1
−ρν [X, Y ] .
onde ρ̂[X, Y ] = s XY / (s X s Y ).
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 255/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
i. as seq¨uências 2
S XY ν
e SY ν
2 satisfazem a condi¸c˜ao (10.1) e
iν iν
Ent˜ao,
V̂Regν P
VRegν −→1,
quando n
→∞
.
Teorema 10.9 Sob as suposiç˜oes dos Teoremas 10.7 e 10.8, tem-se que
yRegν
−Y ν −→
D
N (0, 1),
V̂Regν
quando n
→∞
.
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 256/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
10.5 Ilustra¸ c˜
ao num´
erica 245
quando ν
→∞ .
2
(µ αν − µ ν )
Teorema 10.11 Suponha que a seq¨uência 2 satisfaz a condi¸c˜ao (10.1).
S ecν αν
Ent˜ao, com rela¸c˜ao à AASs,
s 2ecν P
2
S ecν −→1,
quando ν
→∞
.
Teorema 10.12 Sob as condiç˜oes dos Teoremas 10.10 e 10.11, tem-se que
ycν
−µν D
N (0, 1),
(1
− f ν )s 2ecν /a ν
−→
quando ν
→∞ .
10.5 Ilustra¸ c˜
ao num´
erica
Nesta se¸cão, vamos ilustrar o comportamento da aproxima¸ cão normal para a dis-
tribui¸cão da média amostral y. Conforme visto na Se¸cão 10.1 com relação à AASs,
√ −
a distribui¸cão de n(ȳ µ)/ (1 f )s 2 é aproximadamente N (0, 1). Portanto, a
−
probabilidade de cobertura do intervalo de conan¸ ca para a média populacional µ,
s2 s2
(10.9) y
− zα (1
− f)
n
, y + zα (1
− f)
n
,
−
deve ser pr´oxima de γ = 1 α em grandes amostras. Para γ = 0 , 95 (zα = 1 , 96)
devemos ter cobertura pr´ oxima de 95%, ou seja, para cada 100 intervalos cons-
truı́dos, aproximadamente 95% devem conter o verdadeiro valor da média populaci-
onal µ. Para demonstrar este fato empiricamente, simulamos popula¸ cões de tamanho
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 257/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
N = 1 .000 a partir das distribui¸ cões normal, t-Student (4 graus de liberdade), gama
e Gumbel com média 400 e desvio padr˜ ao 150. Para cada popula¸ cão, foram retiradas
100.000 amostras, segundo a AASs, de tamanhos n =10, 20, 30, 40, 50, 100 e 200.
Para cada amostra retirada foi calculado o intervalo (10.9) e vericado se contém ou
não a média populacional µ para cada uma das distribui¸ cões. Estas probabilidades
de coberturas estimadas (emp´ıricas) est˜ ao apresentadas na Tabela 10.1. Pode-se
notar claramente que mesmo para n pequenos as probabilidades de cobertura esti-
madas est˜ao relativamente pr´ oximas das correspondentes probabilidades te´ oricas de
cobertura e que a medida que n cresce, elas vão cando mais pr´oximas ainda.
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 258/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
10.5 Ilustra¸ c˜
ao num´
erica 247
a a
com b̂ = α =1 τα / α =1 B α . Encontre condi¸cões, sob as quais
s 2Rν P
2
S Rν −→1,
quando ν
→∞
.
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 259/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 260/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
Cap´ıtulo 11
Exerc´ıcios complementares
11.1 Um exército compreende cerca de A = 400 companhias, cada uma com cerca
de B = 100 soldados. Uma amostra de 10 companhias foi selecionada alea-
toriamente e todos os soldados responderam a um question´ ario. Os números
daqueles que responderam “sim” a uma quest˜ ao, por companhia, foram: 25,
33, 12, 32, 17, 24, 26, 23, 37, 21.
11.3 Fez-se uma amostragem para estimar a produ¸ cão de soja usando o seguinte
plano amostral:
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 261/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
Produtores antigos
Produtor: 1 2 3 4
Produ¸cão atual: 15 9 11 13
Produ¸cão do ano anterior: 12 8 9 11
Produtores novos
Produtor: 1 2 3 4
Produ¸cão atual: 9 6 8 9
11.6 Suponha que deseja-se estimar a propor¸ cão P que responderam positiva-
mente alguma quest˜ ao e as informa¸cões obtidas foram:
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 262/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
251
h Nh ch Ph
1 60 1 0,8
2 40 4 0,5
3 100 9 0,2
onde P h não são propor¸cões reais, mas sim valores fornecidos por um profundo
conhecedor dos h´abitos da regi˜ao.
11.7 Deseja-se estimar o total da produ¸ cão de uma regi˜ao produtora de trigo. A
região é formada por 800 unidades produtoras, de tamanhos aproximadamente
iguais. Decidiu-se usar AS do seguinte modo:
Amostra: 1 2 3 4 5 6 7 8 9 10
o
N aleat´orio: 09 12 23 25 30 14 66 73 74 90
Total: 970 943 955 973 935 968 980 1009 1042 1022
a. Qual seria uma estimativa da produ¸ cão total das 800 unidades?
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 263/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
−
1+ ρint (B 1), onde B é o número de elementos dos conglomerados. Ache
ρint e dê suas conclus˜oes.
a. do estimador raz˜ao;
Setor sorteado: 1 2 3 4 5 6 7 8 9 10
o
N atual de casas no setor: 60 50 40 80 100 80 50 60 40 100
o
N de casas entrevistadas: 12 10 8 16 20 16 10 12 8 20
o
N de casas alugadas: 6 4 6 6 12 4 7 6 4 11
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 264/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
253
11.10 Dependendo das informa¸ cões que se tem sobre uma popula¸ cão, existir´a um
esquema amostral mais indicado para estimar a média. Descreva sucintamente
em que casos seria mais vantajoso usar AAS, AE, AS e AC (1 est´ agio). Ilustre
com fórmulas.
11.11 Uma companhia fornece carros a seus vendedores e agora deseja estimar o
número médio de milhas percorridas por carro. A companhia tem 12 liais e
com as seguintes informa¸cões:
Conglomerado Bα µα Sα2
1 6 24 5,07
2 2 27 5,53
3 10 28 6,24
4 8 28 6,59
5 8 27 6,21
6 6 29 6,12
7 14 32 5,97
8 2 28 6,01
9 2 29 5,74
10 6 25 6,78
11 12 26 5,87
12 4 27 5,38
• Plano B:
i. Dividiu-se a popula¸cão em 2 estratos: de 1 a 6 e de 7 a 12.
ii. De cada estrato, sortearam-se 2 conglomerados com reposi¸ cão.
iii. De cada conglomerado sortearam-se 40% dos indivı́duos.
• Plano C:
i. Selecione 4 UPA’s com probabilidade proporcional ao tamanho (PPT)
e com reposição.
ii. De cada UPA tome todos os elementos.
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 265/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
11.13 Dê as express˜oes para estimar as variˆ ancias do estimador da média para
cada plano amostral abaixo:
Em cada caso, discuta os princı́pios usados para sua deriva¸ cão e comente sobre
a precis˜ao dos mesmos.
11.14 Para estimar uma propor¸ cão estamos em d´uvida em rela¸cão aos seguintes
esquemas amostrais (todos com reposi¸ cão): AAS, AEpr e AEot.
11.15 Dena, comente brevemente e descreva as vantagens de usar (n˜ ao use mais
do que uma p´agina por item):
a. Correla¸cão intraclasse.
b. Amostragem com sele¸cão proporcional ao tamanho (PPT).
c. Estimador regress˜ao.
d. Aloca¸cão ótima em amostragem estraticada.
Uma estimativa visual do n´ umero X de domic´ılios nessa regi˜ao foi feita através
de uma pesquisa visual bem r´ apida. O n´umero real de domic´ılios Y foi obtido
mais tarde por meio de intensiva pesquisa de campo:
i: 1 2 3 4 5 6 7 8 9 10
Yi : 22 36 9 35 19 24 20 14 12 10
Xi: 25 24 9 40 19 25 12 12 12 12
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 266/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
255
11.17 O uso da amostragem sistem´ atica (AS) acarreta alguns problemas na es-
tima¸cão da variˆancia da média ou do total. De acordo com certas suposi¸ cões,
ou usando alguns artifı́cios, podemos usar procedimentos diferentes de es-
tima¸cão. Discuta sucintamente, porém estatisticamente, as situa¸ cões e os
procedimentos que você usaria para estimar a variˆ ancia em AS.
11.18 Indique (1) uma vantagem, (2) uma contra indica¸ cão e (3) uma situa¸cão
pr´atica onde se recomenda o uso de:
11.19 Dê express˜oes para estimar os erros padr˜ ao do estimador da propor¸ cão
populacional para cada um dos planos abaixo:
11.20 Para investigar o rendimento médio dos empregados do setor banc´ ario de
uma grande cidade, criou-se dois estratos. Um formado pelos empregados nos
bancos estatais ou mistos, e outro pelos banc´ arios da rede privada. De cada es-
trato foi retirada uma amostra aleat´ oria simples e realizado o levantamento de
interesse. Como um estudo secund´ ario, e usando a mesma amostra, pretende-
se estimar o total dos rendimentos das mulheres empregadas no setor. Dena
a vari´avel e o parˆametro de interesse, proponha um estimador e a f´ ormula para
o respectivo erro padr˜ ao.
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 267/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
11.22 No nal do ano de 1976 pretendia-se estimar o valor total do estoque através
de uma amostra de quatro unidades de uma rede de lojas. Isto porque a
auditoria em todas demoraria até o nal do primeiro trimestre. Na tabela
abaixo encontram-se todos os valores dos anos de 1975 (total igual a 353) e
1976:
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 268/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
257
11.25 Uma agência banc´ aria recebe uma quantidade muito grande de declara¸ cões
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 269/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
11.26 Tem-se arquivado em ta uma série de informa¸ cões sobre cerca de 20.000
ind´ustrias brasileiras. Tais ind´ ustrias est˜ao ordenadas segundo a vari´ avel fatu-
ramento. Sugira um esquema amostral para estimar o faturamento total das
ind´ustrias. Apresente as f´ ormulas da variˆancia a ser usada, os dados que você
necessitaria para estimar o tamanho da amostra e o procedimento que usaria
para encontr´ a-los.
11.27 Um banco tem cerca de 800 agências espalhadas por todo o Brasil. Em cada
agência tem-se um n´ umero desconhecido de clientes que pediram empréstimos,
tiveram seus cadastros aprovados, porém, ainda n˜ ao foram atendidos. O banco
est´a interessado em estimar qual o valor médio de pedido por cliente. Você
foi designado a propor um plano amostral que atenda ao objetivo proposto.
Sabe-se que dentro de cada agência os valores dos pedidos s˜ ao muito parecidos.
11.28 Você foi incumbido de fazer o plano amostral para uma pesquisa numa
cidade com 35.000 moradores, divididos em aproximadamente 7.000 domicı́lios.
A pesquisa visa o levantamento do interesse das pessoas em usar equipamento
de lazer que a prefeitura deseja implantar. Proponha um plano, destacando:
frame , UPA’s, USA’s, f´ ormulas de estimadores e variˆ ancias, etc.
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 270/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
259
11.35 Queremos conduzir uma pesquisa para estimar a propor¸ cão de contami-
nados por uma certa doen¸ ca no municı́pio de Atlˆ antida. Sabe-se que a con-
tamina¸cão afeta diferentemente a regi˜ ao urbana e rural. Assim, decidimos
considerar cada regi˜ao como uma popula¸cão diferente. Entrevistando-se espe-
cialistas, obtivemos a informa¸ cão de que na regi˜ao urbana a incidência esperada
da doen¸ca é de 50% e na região rural de 10%. O ´ultimo censo informa que
existem 2.000 moradores na regi˜ao urbana e 4.000 na regi˜ao rural. Suponha
amostras colhidas por AASs.
a. Qual o tamanho das amostras nas duas regi˜ oes para que tenhamos o
mesmo coeciente de varia¸cão de 0,05 para os estimadores das propor¸ cões?
b. Suponha que as amostras com os tamanhos determinados pela resposta
encontrada em (a) produziram os seguintes estimadores: regi˜ ao urbana
40% de infectados e regi˜ao rural 20%. Quais seriam as variˆ ancias dos
estimadores nos dois casos?
a. Como deveria ser dividida a popula¸ cão em dois estratos para que se tenha
grande lucro em usar AE?
b. Como deveria ser dividida em 3 conglomerados de igual tamanho onde
o uso de AC seria recomendado sem correr o risco de um grande erro
amostral?
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 271/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 272/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
Apêndice A
Rela¸c˜
ao de palavras-chave
amostra Subconjunto de uma popula¸ cão por meio do qual se estabelecem ou esti-
mam as propriedades e caracterı́sticas dessa popula¸ cão.
amostra probabil´ıstica Toda amostra que permite fazer inferência estat´ıstica so-
bre a popula¸cão.
amostra representativa Toda amostra que permite fazer inferência sobre a po-
pula¸cão.
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 273/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
262 Rela¸ c˜
ao de palavras-chave
erro padr˜
ao de um estimador é o desvio padr˜ ao desse estimador.
parˆ
ametro de uma popula¸cão é uma fun¸cão do conjunto de valores dessa po-
pula¸cão, uma caracterı́stica dessa popula¸ cão.
popula¸ c˜
ao amostrada Popula¸cão da qual foi retirada a amostra.
popula¸ c˜
ao ob jetivo (alvo) Popula¸cão que se pretende atingir, usualmente estabe-
lecida nos objetivos da pesquisa.
popula¸ c˜
ao ou universo Conjunto de elementos cujas propriedades se investigam
por meio de subconjuntos que lhes pertencem.
popula¸ c˜
ao referida Popula¸cão previamente dispon´ıvel e descrita pelo sistema de
referência e para a qual podem ser construı́das e selecionadas as unidades
amostrais.
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 274/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
263
unidade amostral Cada uma das partes disjuntas em que uma popula¸ cão é exaus-
tivamente decomposta, para, do conjunto delas se fa¸ cam extra¸cões a m de
constituir uma amostra, ou est´ agio de uma amostra. Pode ser um conglome-
rado de unidades elementares.
viés ou v´
ıcio de um estimador de um parˆ ametro é a diferen¸ ca entre o seu valor
esperado e o valor do parˆametro.
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 275/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
264 Rela¸ c˜
ao de palavras-chave
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 276/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
Apêndice B
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 277/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 278/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
267
• relat´orios
h. Disponibilidade dos dados (divulga¸ c˜
ao do banco de dados)
• banco de dados
• conceitos, vari´aveis e indicadores (dicion´ario)
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 279/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 280/281
7/24/2019 Elementos de Amostragem - Heleno Bolfarine, Wilton Oliveira Bussab
http://slidepdf.com/reader/full/elementos-de-amostragem-heleno-bolfarine-wilton-oliveira-bussab 281/281