Inferências para uma amostra • Até agora: ICs e testes de hipótese para uma amostra X1, X2, …, Xn i.i.d. N(0,1) • Baseados no fato de que, sob a hipótese nula (m = m0 ou s2 = s02), determinadas estatísticas têm distribuições conhecidas. • Para testar a hipótese nula, basta comparar o valor dessas estatísticas com os pontos críticos apropriados de suas distribuições. Inferências para uma amostra • Estatísticas de Teste: Z T 2 2 n ( X m0 ) s ~ N (0,1) n ( X m0 ) ~ t n1 S 2 ( Xi m) s 02 2 (Xi X ) s 02 ~ n2 ~ n21 (sob a hipótese nula) Inferências para duas amostras • X1, …, Xm i.i.d N(m1, s12) Y1, …, Yn i.i.d N(m2, s22) com Xi e Yj independentes, para todo i e j (observações não pareadas) • Também pode ser considerado o caso em que as observações são pareadas. Testes e ICs para as médias • Baseados nas estatísticas Z ( X Y ) ( m1 m 2 ) s 2 1 m s 2 2 ~ N (0,1) n (variâncias conhecidas ou grandes amostras) T ( X Y ) ( m1 m 2 ) 1 1 ( X i X ) (Yi Y ) m n mn2 2 2 ~ t m n2 (variâncias desconhecidas, mas iguais) • No caso geral, é necessário recorrer a um teste aproximado. Testes e ICs para variância • Ho: s12 = s22 vs H1: s12 s22 • Estatística do teste: (Xi X ) m 1 F ~ Fm1,n1 2 (Yi Y ) n 1 2 A distribuição F • Sejam U e V v.a. independentes, com distribuição m2 e n2, respectivamente. A distribuição de U /m F V /n é chamada de distribuição F com (m, n) graus de liberdade. Exemplo Inferência para m amostras • Análise da Variância (ANOVA) com um único fator • m grupos de observações Xi1, Xi2, …, Xi ni i.i.d. N(mi, si2), i = 1, .., I • todas as observações independentes entre si. • em geral, a análise é feita supondo que as variâncias de todos os grupos são iguais. Teste para a igualdade das médias • H0: m1 = m2 = …= mI H1: nem todas as médias são iguais • Estatísticas de interesse: Xi. X .. j X ij ni , i 1,..., I (médias dos grupos) i j X ij n1 ... nI (média geral) SQT i j ( X ij X .. ) 2 (soma dos quadrados total) SQTr i j ( X i. X .. ) 2 i ni ( X i. X .. ) 2 (soma dos quadrados dos tratament os) SQE i j ( X ij X i. ) 2 (soma dos quadrados dos erros) Teste para a igualdade das médias • Teorema SQT = SQTr + SQE Sob a hipótese nula, SQTr e SQE são independentes, com distribuições 2I–1 e 2N–I, respectivamente, onde N = n1+…+nI é o número total de observações. Logo, SQTr QMTr F I 1 ~ FI 1, N I SQE QME N I QME = SQE/(N–I) é um estimador não viciado da variância s2. Tabela ANOVA Fonte de Variação Graus de liberdade Soma dos Quadrados Média dos Quadrados F Tratamentos (Entre) I–1 SQTr QMtr QMTr/QME Erros (Intra) N–I SQE QME Total N–1 SQT Exemplo Regressão Linear Simples • Modelo: Yi = b0 + b1xi + ei, i = 1, …, n, onde e1, e2, …, en i.i.d. N(0, s2) • Problemas – Estimação pontual e intervalar de b0 e b1 – Testes de hipótese (o mais importante: teste de “relevância do modelo”). – Predição Estimação Pontual • A estimação de máxima verossimilhança de b0 e b1 resulta da minimização de S (Yi – b0 – b1xi)2 ( X i X )(Yi Y ) S xy ˆ b1 2 S xx (Xi X ) bˆ Y bˆ X 0 1 Os estimadores acima são os ENVUMV de b0 e b1 • O ENVUMV de s2 é: SSE (Yi Yˆi ) 2 (Yi bˆ0 bˆ1xi ) 2 S n2 n2 n2 2 Exemplo Xi 1 2 3 Yi 2 3 7 Relevância do Modelo • Teste de utilidade do modelo H0: b1 = 0 vs. H1: b1 0 • Pode-se empregar um teste relativo à distribuição de b1 (teste t) ou um teste ANOVA (generalizável para regressão múltipla) • Estatísticas relevantes SQE (Yi Yˆi ) 2 (Yi bˆ0 bˆ1xi ) 2 SQR (Yˆi Y ) 2 SQT (Yi Y ) 2 Teste de Relevância do Modelo • Teorema SQT = SQR + SQE Sob a hipótese nula, SQR e SQE são independentes, com distribuições 21 e 2n–2, respectivamente. Logo SQR QMR F 2 1 ~ F1,n2 SQE S n2 A razão R2 = SQR/SQT é chamado de coeficiente de determinação. Tabela ANOVA Fonte de Variação Graus de liberdade Soma dos Quadrados Média dos Quadrados F Regressão 1 SQR QMR QMR/S2 Erros n–2 SQE S2 Total n–1 SQT Inferências relativas aos coeficientes • Baseadas nas estatísticas abaixo: bˆ1 b1 ~ tn2 S / S xx bˆ0 b 0 S x 2 i / nS xx ~ tn2 Intervalos de Predição • Para predizer o valor de Y quando x = x* • Baseados em T Y ( bˆ0 bˆ1 x*) 1 ( x * x )2 S 1 n S xx ~ t n2