Sumário
Intervalos de Confiança (IC)
Intervalos Parciais de Confiança
Intervalo de Confiança para Proporções
Comparação de Alternativas
MAB-515 Avaliação e Desempenho (DCC/UFRJ)
Aula 7: Intervalos de Confiança
Prof. Paulo Aguiar
13 de novembro de 2012
Prof. Paulo Aguiar
Introdução à Simulacão
Sumário
Intervalos de Confiança (IC)
Intervalos Parciais de Confiança
Intervalo de Confiança para Proporções
Comparação de Alternativas
1
Intervalos de Confiança (IC)
2
Intervalos Parciais de Confiança
3
Intervalo de Confiança para Proporções
4
Comparação de Alternativas
Prof. Paulo Aguiar
Introdução à Simulacão
Sumário
Intervalos de Confiança (IC)
Intervalos Parciais de Confiança
Intervalo de Confiança para Proporções
Comparação de Alternativas
Percentil
100p%-percentil
O ponto t0 tal que t0 = FX−1 (p) = min{t : FX (t) ≥ p}, 0 < p < 1
é chamado 100p%-percentil
Se tomarmos o gráfico da pdf, a área à esquerda de 100p%
percentil vale p
Mediana
O 50%-percentil é chamado mediana.
Prof. Paulo Aguiar
Introdução à Simulacão
Sumário
Intervalos de Confiança (IC)
Intervalos Parciais de Confiança
Intervalo de Confiança para Proporções
Comparação de Alternativas
A distribuição t-Student
Pelo Teorema do Limite Central, a função
µ̂−µ
√
σ/ n
é N(0, 1)
µ̂−µ
√ tem distribuição t-Student com (n − 1) graus de
A função σ̂/
n
liberdade.
A distribuição t-Student com n graus de liberdade tem média
n
µ = 0 e variância σ 2 = n−2
e é aproximadamente N(0, 1) para
n ≥ 25
Prof. Paulo Aguiar
Introdução à Simulacão
Sumário
Intervalos de Confiança (IC)
Intervalos Parciais de Confiança
Intervalo de Confiança para Proporções
Comparação de Alternativas
Percentis da distribuição t-Student
Para a distribuição normal o 99,95%-percentil = z99,95% = 3, 29.
tα;n = 100α%-percentil da distribuição t-Student com n graus de
liberdade
A área à esquerda de tα;n no gráfico da pdf vale α.
n (graus de liberdade)
25
60
120
∞
Prof. Paulo Aguiar
t99,95%;n
3,725
3,460
3,373
3,291
Introdução à Simulacão
Sumário
Intervalos de Confiança (IC)
Intervalos Parciais de Confiança
Intervalo de Confiança para Proporções
Comparação de Alternativas
Intervalos de Confiança (IC)
Definição: Sejam {X1 , X2 , · · · , Xn } amostras independentes de
uma população com pdf f (x, θ), onde θ é um parâmetro
desconhecido (i.e., a média, a variância, o n-ésimo momento, etc).
(L(α), U(α)) é um intervalo de confiança de 100(1 − α)% para θ se
P{L(α) ≤ θ ≤ U(α)} ≥ 1 − α, 0 < α < 1
Interpretação: Se 100 intervalos são construı́dos, 100(1 − α)%
deles conterá o valor real de θ.
Confianças mais comuns: 90% e 95%
Intervalo de confiança de 95% obtido com α = 0, 05
Intervalo de confiança de 90% obtido com α = 0, 1
Intervalo de confiança de 99% obtido com α = 0, 01
Prof. Paulo Aguiar
Introdução à Simulacão
Sumário
Intervalos de Confiança (IC)
Intervalos Parciais de Confiança
Intervalo de Confiança para Proporções
Comparação de Alternativas
IC para a Média de uma População com Variância
Desconhecida
Sejam {X1 , X2 , · · · , Xn } amostras independentes de um
parâmetro X com uma distribuição qualquer, com média
verdadeira desconhecida E [X ] = µ
Queremos calcular o intervalo de confiança para µ, que será
um intervalo em torno da média das amostras µ̂
Eessencial ter n amostras independentes do parâmetro
O parâmetro X pode ser uma grandeza qualquer como o número
médio de fregueses no sistema ou a variância média do tempo de
espera numa fila.
Prof. Paulo Aguiar
Introdução à Simulacão
Sumário
Intervalos de Confiança (IC)
Intervalos Parciais de Confiança
Intervalo de Confiança para Proporções
Comparação de Alternativas
Seja tx;n o 100x%- percentil da distribuição t-Student com n graus
de liberdade. Então, da definição de percentil, temos:
µ̂ − µ
P tα/2;n−1 ≤ √ ≤ t1−α/2;n−1 = 1 − α
σ̂/ n
A distribuição t-Student é simétrica em relação à origem e
tα/2;n−1 = −t1−α/2;n−1 . Consequentemente,
Intervalo de Confiança para a Média
P µ̂ − t1−α/2;n−1 . √σ̂n ≤ µ ≤ µ̂ + t1−α/2;n−1 . √σ̂n = 1 − α
Dado (1 − α), obtemos t1−α/2;n−1 da tabela da t-Student
O intervalo de confiança de 100(1 − α)% é simétrico em torno
√
de µ̂, com largura total de 2t1−α/2;n−1 σ̂/ n
Prof. Paulo Aguiar
Introdução à Simulacão
Sumário
Intervalos de Confiança (IC)
Intervalos Parciais de Confiança
Intervalo de Confiança para Proporções
Comparação de Alternativas
Valores Assintóticos dos Percentis da t-Student
Para n ≥ 30, o percentil t1−α/2;n−1 da t-Student tende para
valores assintóticos que são os percentis z1−α/2 da normal unitária.
1−α
0,90
0,95
0,99
100(1 − α/2)% − percentil
t0,95 ≈ z0,95 = 1, 645
t0,975 ≈ z0,975 = 1, 960
t0,995 ≈ z0,995 = 2, 576
Para um mesmo conjunto de amostras, quanto maior a confiança,
maior o multiplicador e maior o intervalo a ser apresentado!
Precisão do IC (quanto menor mais justo o intervalo!)
A precisão p é obtida dividindo a metade do intervalo pelo seu
σ̂
valor de centro, implicando que p = 100.t1−α/2;n−1 . µ̂√
n
Prof. Paulo Aguiar
Introdução à Simulacão
Sumário
Intervalos de Confiança (IC)
Intervalos Parciais de Confiança
Intervalo de Confiança para Proporções
Comparação de Alternativas
Exemplo: Suponha que 4 medidas da largura de um terreno dão
média µ̂ = 585, 145 m e σ̂ 2 = 0, 010 m2 . Qual o intervalo de
confiança de 99%?
Solução
Para 1 − α = 0, 99, t1−α/2;n−1 = t0,995;3 = 5, 841.
U = µ̂ + 5, 841 × 0, 05 e L = µ̂ − 5, 841 × 0, 05.
A largura do intervalo é 0,584 m.
A precisão do IC é dada por
0,584/2
585,145
Prof. Paulo Aguiar
≈ 1/500 = 0, 5%.
Introdução à Simulacão
Sumário
Intervalos de Confiança (IC)
Intervalos Parciais de Confiança
Intervalo de Confiança para Proporções
Comparação de Alternativas
IC para a Média de uma População com Variância
Conhecida
µ̂−µ
√ terá o comportamento de uma
Se a variância é conhecida, σ/
n
N(0, 1) pelo Teorema do Limite Central e, considerando zx como o
100x%-percentil da N(0, 1), pode-se afirmar que:
µ̂ − µ
P zα/2 ≤ √ ≤ z1−α/2 = 1 − α
σ/ n
e o intervalo de confiança para a média será dado por
σ
σ
P µ̂ − z1−α/2 . √ ≤ µ ≤ µ̂ + z1−α/2 . √
=1−α
n
n
A única diferença em relação ao caso anterior é o uso do percentil
da normal unitária no lugar do percentil da distribuição t-Student.
Prof. Paulo Aguiar
Introdução à Simulacão
Sumário
Intervalos de Confiança (IC)
Intervalos Parciais de Confiança
Intervalo de Confiança para Proporções
Comparação de Alternativas
Distribuição χ2 (chi-square)
Seja {Xi } um conjunto de variáveis normais com média 0 e
variância σ 2 , isto é, Xi = N(0, σ 2 ).
Observe que estamos assumindo que as variáveis são normais!
Y = X12 + X22 + · · · + Xn2 tem pdf fY (y ) =
1
2σ 2
n
2
n−2
y 2
Γ( n2 )
y
e − 2σ2
Para σ = 1, Y é χ2 central com n graus de liberdade
χ2ν;n é o 100ν%-percentil da distribuição χ2 com n graus de
liberdade
Prof. Paulo Aguiar
Introdução à Simulacão
Sumário
Intervalos de Confiança (IC)
Intervalos Parciais de Confiança
Intervalo de Confiança para Proporções
Comparação de Alternativas
Seja {Xi } um conjunto de amostras de X = N(µ, σ 2 ).
µ̂ =
Xi −µ
σ
1
n
σ2
X
=
N
µ,
i=1 i
n .
Pn
é N(0, 1) e Y =
Pn
Pn
Prova-se que Z =
i=1
i=1
Xi −µ
σ
Xi −µ̂
σ
2
2
é χ2 com n graus de liberdade.
é χ2 com (n − 1) graus de liberdade.
(n−1)σ̂ 2
σ2
(n−1)σ̂ 2
σ2
=
1
σ2
Pn
i=1 (Xi
− µ̂)2 =
Pn
i=1
Xi −µ̂
σ
2
então terá uma distribuição χ2 com (n − 1) graus de liberdade.
Prof. Paulo Aguiar
Introdução à Simulacão
Sumário
Intervalos de Confiança (IC)
Intervalos Parciais de Confiança
Intervalo de Confiança para Proporções
Comparação de Alternativas
IC para a Variância de uma Pop. Normal com Média
Desconhecida
Seja {Xi } um conjunto de amostras de X = N(µ, σ 2 )
2
2
=ν
P (n−1)σ̂
≤
χ
2
ν;n−1
σ
2
(n−1)σ̂
P χ2α/2;n−1 ≤ σ2 ≤ χ21−α/2;n−1 = 1 − α/2 − α/2 = 1 − α
Expressão do IC
2
P χ(n−1)σ̂
≤ σ2 ≤
2
1−α/2;n−1
O tamanho do IC é (n − 1)σ̂ 2
(n−1)σ̂ 2
χ2α/2;n−1
χ21−α/2;n−1 −χ2α/2;n−1
χ21−α/2;n−1 .χ2α/2;n−1
=1−α
= σ̂ 2 . [(n − 1)f1−α ], onde o termo
f1−α depende apenas dos percentis da χ2 para um determinado grau de confiança.
Prof. Paulo Aguiar
Introdução à Simulacão
Sumário
Intervalos de Confiança (IC)
Intervalos Parciais de Confiança
Intervalo de Confiança para Proporções
Comparação de Alternativas
A tabela abaixo mostra a variação de (n − 1)f90% e (n − 1)f95% .
(n − 1)
(n − 1).f90%
(n − 1).f95%
30
0,93689
1,1481
40
0,79153
0,96306
50
0,69757
0,84516
60
0,63057
0,76184
70
0,57972
0,69901
80
0,53944
0,64948
90
0,50653
0,60914
100
0,47898
0,57547
Como σ̂ 2 converge para a variância, então o tamanho do IC para a
variância do parâmetro X será determinado pelo produto (n − 1)f1−α .
Para n = 101, o IC de 90% será de 0,4790 σ̂ 2 , com precisão de 23,95%,
enquanto para confiança de 95% terá precisão de 28,77% apenas. Para
obter precisões menores é preciso usar valores maiores de n.
Interessante observar que a relação de tamanho entre os intervalos de
confiança de 95% e 90% é aproximadamente de 20% assintótico.
O estimador da variância está sempre dentro do intervalo e o aumento de
n leva à aproximação entre os limites inferior e superior.
Prof. Paulo Aguiar
Introdução à Simulacão
Sumário
Intervalos de Confiança (IC)
Intervalos Parciais de Confiança
Intervalo de Confiança para Proporções
Comparação de Alternativas
Exemplo
Para exemplificar, vamos supor que estamos querendo estimar a variância
do tempo
P
médio de espera W numa fila. A cada rodada é calculado Wi = k1 kj=1 Wij , o atraso
médio estimado na i-ésima rodada sobre k fregueses por rodada.
Se os Wij fossem independentes, Wi convergiria para a normal N(E [W ], V (W )/k)
Todavia, os Wij não são independentes e possuem alta correlação e para assumir o
comportamento de Normal é preciso que k seja bem grande.
Obtido o conjunto {Wi }, o IC estará
da variância
definido em função do estimador
(n−1)σ̂ 2
(n−1)σ̂ 2
1 Pn
2
2
2
σ̂ = n−1 i=1 (Wi − µ̂) por P χ2
≤ σ ≤ χ2
= 1 − α.
1−α/2;n−1
α/2;n−1
Como σ 2 = V (W )/k, pode-se obter um intervalo de confiança para V (W ) igual a
"
k(n − 1)σ̂ 2 k(n − 1)σ̂ 2
,
χ21−α/2;n−1 χ2α/2;n−1
#
Pode-se ver que um aumento de k levará a uma convergência dos valores dos Wi , com
consequente diminuição de σ̂ 2 .
Prof. Paulo Aguiar
Introdução à Simulacão
Sumário
Intervalos de Confiança (IC)
Intervalos Parciais de Confiança
Intervalo de Confiança para Proporções
Comparação de Alternativas
Exemplo: solução alternativa
Para o mesmo exemplo, um segundo procedimento seria partir da
estimativa da variância do tempo de espera em cada rodada
2
1 Pk
1 Pk
Vi = σi2 = k−1
W
−
W
e plotar o intervalo de
ij
ij
j=1
j=1
k
confiança da média para o conjunto {Vi }.
Aqui a variância é considerada diretamente como o parâmetro de
interesse. Também aqui a variância estimada por rodada pode ser
muito imprecisa se o valor de k for pequeno, devido à correlação
de medidas dentro da própria rodada.
Prof. Paulo Aguiar
Introdução à Simulacão
Sumário
Intervalos de Confiança (IC)
Intervalos Parciais de Confiança
Intervalo de Confiança para Proporções
Comparação de Alternativas
Intervalos Parciais de Confiança
Para um IC de 100(1 − α)%, há 100α/2 de probabilidade de que o
parâmetro µ será menor do que o limite inferior e igual
probabilidade de que o parâmetro será maior que o limite superior.
Assumindo simetria nas caldas da pdf, temos:
P{L(α) ≤ µ ≤ U(α)} = 1 − α → P{µ < L(α)} = P{µ > U(α)} = α/2
Assim, P{µ ≥ L(α)} = P{µ ≤ U(α)} = 1 − α/2
Para se testar se a média é maior do que um determinado valor com 90%
de certeza, então queremos 1 − α/2 = 0, 90
√
O IC parcial será dado por µ̂ − t90%;n−1 σ/ n, µ̂ e, por construção,
P{µ > L(α)} = 1 − α/2 = 0, 90, que procuramos.
Prof. Paulo Aguiar
Introdução à Simulacão
Sumário
Intervalos de Confiança (IC)
Intervalos Parciais de Confiança
Intervalo de Confiança para Proporções
Comparação de Alternativas
Exemplo
Uma empresa mantém um portfólio de possı́veis interessados em determinada vaga
técnica. Sabe-se que a média de idade considerando todos os inúmeros candidatos é
de 30 anos com desvio padrão de 10 anos. Quantos candidatos devem ser
aleatoriamente chamados para que a idade média dos chamados seja de pelo menos
28 anos com 99% de certeza?
A solução é obtida com P{µ > L(α)} = 1 − α/2 = 0, 99, e o limite L(α) > 28 anos
No cálculo do IC parcial, como estaremos usando a variância da população para
µ̂−µ
√ e assumir o comportamento de uma N(0, 1), o percentil
formar a variável Zn = σ/
n
da normal unitária deverá ser usado no lugar do percentil da t-Student. Espera-se que
n seja grande o suficiente para que a aproximação do comportamento de Zn seja boa.
Obtendo o percentil z√
0,99 = 2, 33, temos que o limite inferior do IC parcial
L(α) = 30 − z0,99 .σ/ n > 28 ⇒ n > (z0,99 .σ/2)2 = (2, 33.5)2 = (11, 65)2 = 135, 72.
A resposta será 136 pessoas.
Prof. Paulo Aguiar
Introdução à Simulacão
Sumário
Intervalos de Confiança (IC)
Intervalos Parciais de Confiança
Intervalo de Confiança para Proporções
Comparação de Alternativas
Intervalo de Confiança para Proporções
Sejam dadas n observações de uma população. Assuma que n1
destas observações indicam tipo 1.
A fração da população que é do tipo 1 pode ser estimada como a
proporção p = nn1 . O intervalo de confiança para a proporção
precisa ser construı́do para sabermos com que precisão estamos
avaliando a proporção.
O
de confiança
intervalo
de 100(1 − α)% será dado por
q
p ± p(1−p)
z1−α/2 = [p ± r ], onde r é a precisão.
n
Prof. Paulo Aguiar
Introdução à Simulacão
Sumário
Intervalos de Confiança (IC)
Intervalos Parciais de Confiança
Intervalo de Confiança para Proporções
Comparação de Alternativas
Dedução do IC para Proporções
Cada observação Xi pode ser considerada como uma variável de
Bernoulli.
P (Xi do tipo 1) = P(Xi = 1) = p, P (Xi 6= do tipo 1) = P(Xi =
0) = 1 − p
E [Xi ] = p, E [Xi2 ] = p, V (Xi ) = p(1 − p)
O estimador da proporção é dado por Sn =
1
n
Pn
i=1 Xi
i)
E [Sn ] = E [Xi ] = p, V (Sn ) = V (X
= p(1−p)
n
n
Sn −E [Sn ]
Sn −p
q
= p(1−p) tende para N(0,1).
Para n >> 1, Zn = σS
n
n
Prof. Paulo Aguiar
Introdução à Simulacão
Sumário
Intervalos de Confiança (IC)
Intervalos Parciais de Confiança
Intervalo de Confiança para Proporções
Comparação de Alternativas
Dedução do IC para Proporções
Tomando zx como o 100x%-percentil da distribuição normal
unitária, temos:
P zα/2 ≤ Zn ≤ z1−α/2 = 1 − α


Sn − p
≤ z1−α/2  = 1 − α
P −z1−α/2 ≤ q
p(1−p)
n
r
P
p − z1−α/2
p(1 − p)
≤ Sn ≤ p + z1−α/2
n
r
p(1 − p)
n
!
=1−α
Como n é finito, para que o intervalo de confiança possa ser
considerado válido é necessário ter np ≥ 10.
Prof. Paulo Aguiar
Introdução à Simulacão
Sumário
Intervalos de Confiança (IC)
Intervalos Parciais de Confiança
Intervalo de Confiança para Proporções
Comparação de Alternativas
Aplicação
Se 10 dentre 1000 páginas são impressas com erro, a proporção de
páginas com erro é de p = 0, 01.
Como np = 10, o IC para a proporção pode ser calculado e será
q
0, 01 ± z 0,01.0,99
= 0, 01 ± 0, 003z1−α/2
1000
IC de 90% = [0, 005; 0, 015] = [0, 5%; 1, 5%]
IC de 95% = [0, 004; 0, 016] = [0, 4%; 1, 6%]
z1−α/2 = z0,95 = 1, 645(1 − α = 90%)
z1−α/2 = z0,975 = 1, 960(1 − α = 95%)
Pode-se afirmar com 90% de confiança que 0,5% a 1,5% das páginas
terão erro.
Prof. Paulo Aguiar
Introdução à Simulacão
Sumário
Intervalos de Confiança (IC)
Intervalos Parciais de Confiança
Intervalo de Confiança para Proporções
Comparação de Alternativas
Comparação de Alternativas
Assuma que duas alternativas para maximizar o resultado de um sistema estejam
disponı́veis, e que ambas podem ser testadas em n condições diferentes, permitindo a
obtenção de n pares de resultados (XAi , XBi )
Metodologia
Formar o conjunto {Di = XAi − XBi } e obter o IC da média da diferença com a
confiança desejada.
Se o IC contiver o valor ZERO, inconclusivo;
Se o IC estiver acima do ZERO, a alternativa A é considerada a melhor
(resultado de A maior do que de B);
Se o IC ficar abaixo de ZERO, a alternativa B é considerada a melhor (resultado
de B maior do que de A).
Caso o interesse seja em minimizar o resultado, a decisão fica invertida.
Prof. Paulo Aguiar
Introdução à Simulacão
Sumário
Intervalos de Confiança (IC)
Intervalos Parciais de Confiança
Intervalo de Confiança para Proporções
Comparação de Alternativas
Comparação de Alternativas
Quando as alternativas são testadas separadamente, em número igual de
experimentos, e apenas o IC de cada uma delas está disponı́vel, pode-se
comparar a posição dos intervalos de confiança em relação a sobreposição
completa ou parcial.
Tipos de sobreposição
Sobreposição completa ocorre quando o centro de cada intervalo
está contido no outro intervalo
Sobreposição parcial ocorre quando os intervalos de sobrepõem, mas
o centro de cada um dos intervalos não está contido no outro IC
Se apenas um dos centros estiver contido no outro IC, então temos
uma situação intermediária entre sobreposição completa e parcial.
Prof. Paulo Aguiar
Introdução à Simulacão
Sumário
Intervalos de Confiança (IC)
Intervalos Parciais de Confiança
Intervalo de Confiança para Proporções
Comparação de Alternativas
Comparação de Alternativas
Melhor Alternativa
Quando não houver sobreposição ou quando houver apenas a
sobreposição parcial, a melhor alternativa será aquela que
apresentar a média maior, se o interesse é em maximizar
Se o interesse for em minimizar, a alternativa com menor
média será a escolhida
Inconclusivo
No caso de sobreposição completa ou intermediária entre
parcial e completa, não há apontar uma alternativa
claramente vencedora e o teste-t deve ser conduzido
O teste-t também deve ser utilizado quando o número de
observações de cada uma das alternativas não for o mesmo
Prof. Paulo Aguiar
Introdução à Simulacão
Sumário
Intervalos de Confiança (IC)
Intervalos Parciais de Confiança
Intervalo de Confiança para Proporções
Comparação de Alternativas
Teste-t
Assuma amostras XiA e XjB das alternativas A e B com tamanhos diferentes nA e nB .
O teste estima a variância da diferença e o número equivalente de graus de liberdade.
PnA
1 PnB
1 Calcule a média das amostras: X̂A = 1
i=1 XAi , X̂B = n
j=1 XBj
n
A
B
Pn
A
2
i=1
Calcule a variância das amostras: σ̂A2 =
Pn
σ̂B2
=
B
i=1
2
2
XAi
−nA (X̂A )
nA −1
2
2
XBi
−nB (X̂B )
nB −1
3
Calcule a diferença das médias: X̂A − X̂B
4
Calcule o desvio padrão da média da diferença: σ̂ 2 =
5
Calcule o # efetivo de graus de liberdade: ν =
1
nA +1
σˆA 2
nA
σ̂ 2
A
nA
+
σˆB 2
nB
(σ̂ 2 )2
!2
+ n 1+1
B
σ̂ 2
B
nB
!2
−2
X̂A − X̂B ± t1−α/2;ν .σ̂
6
Calcule o IC para a média da diferença:
7
Se o intervalo de confiança contiver o valor ZERO, a diferença entre as
alternativas A e B não é significativa com confiança de 100(1 − α)%. Se o
intervalo de confiança não contiver o valor ZERO, então o sinal da diferença
indicará o procedimento melhor.
Prof. Paulo Aguiar
Introdução à Simulacão
Sumário
Intervalos de Confiança (IC)
Intervalos Parciais de Confiança
Intervalo de Confiança para Proporções
Comparação de Alternativas
Referências
The Art Of Computer Systems Performance Analysis, Raj Jain,
Wiley, 1991.
Prof. Paulo Aguiar
Introdução à Simulacão