Defina:
c) Estimativa.
c) Estimativa.
Passo 1
O que o enunciado pede: definir o que é uma estimativa (item c).
Informações dadas: não há dados numéricos nem contexto adicional — só é pedida a definição do termo.
Informações dadas: não há dados numéricos nem contexto adicional — só é pedida a definição do termo.
Passo 2
Intuição básica (do jeitinho que eu gosto de explicar): quando estudamos fenômenos, muitas vezes existe uma quantidade verdadeira que interessa, mas que não conhecemos — por exemplo, a média real de altura de todos os alunos de um curso. Como não podemos medir todo mundo, pegamos uma amostra (algumas observações) e a usamos para “chutar” um valor para essa quantidade desconhecida. Esse “chute informado” baseado na amostra é a ideia de estimativa.
Passo 3
Diferência entre termos importantes (para não confundir na prova):
- Seja
a quantidade verdadeira (parâmetro) que queremos saber — por exemplo, média populacional, variância populacional, probabilidade de sucesso, etc. - Um estimador é uma regra ou função que transforma os dados da amostra em um valor aleatório. Escrevemos, por exemplo,
, onde são as observações da amostra e é uma função (a regra). - Uma estimativa é o valor numérico concreto que obtemos ao aplicar o estimador aos dados observados. Se os dados observados foram
, então a estimativa é . Em provas: estimador = fórmula (aleatório), estimativa = número concreto (observado).
Passo 4
Exemplos clássicos (para fixar):
- Estimador da média populacional:
.
Se a amostra observada é, a estimativa da média é . - Estimador da proporção em uma amostra Bernoulli:
, onde . A estimativa é a fração observada de sucessos.
Passo 5
Tipos de estimativas (resuma na prova):
- Estimativa pontual: um único número que “chuta” o parâmetro (ex.:
para a média). - Estimativa por intervalo (intervalo de confiança): um intervalo
construído a partir dos dados, com a interpretação probabilística associada (ex.: intervalo de de confiança). A estimativa por intervalo expressa incerteza — muito útil na prova para mostrar compreensão.
Passo 6
Propriedades desejáveis de um estimador (para você saber o que avaliar numa questão):
- Não viesado (unbiased):
. Ou seja, em média o estimador acerta o parâmetro. - Consistente:
quando . Na prática: com amostras grandes o estimador se aproxima do verdadeiro. - Eficiência / menor variância: entre estimadores não viesados, costuma-se preferir o que tem menor variância
. - MSE (erro quadrático médio):
. É uma medida geral de qualidade (menor é melhor).
Passo 7
Métodos comuns para obter estimadores (saber isso ajuda a justificar na prova):
- Método dos momentos: igualar momentos amostrais a momentos populacionais e resolver para o parâmetro.
- Máxima verossimilhança (MLE): escolher
que maximiza a verossimilhança dos dados. Frequentemente produz estimadores com boas propriedades assintóticas. - Mínimos quadrados (em regressão): escolher parâmetros que minimizam a soma dos quadrados dos resíduos.
Rápida intuição do MLE com exemplo simples: para observações Bernoulli
, a verossimilhança é
. Maximizar em
dá
— a proporção observada.
Passo 8
Exemplo numérico curtinho (prático e reconfortante): suponha que a amostra é
.
- Estimador da média:
. - Estimativa (valor):
.
Aquié a fórmula aleatória, é a estimativa concreta que você escreveria na prova.
Passo 9
Como responder objetivamente na prova (minha dica amiga): ao pedir “defina estimativa”, escreva:
- definição concisa (estimativa = valor numérico obtido pelo estimador aplicado aos dados),
- diferença curta entre estimador e estimativa, e
- um exemplo rápido (por ex., média amostral
). Isso mostra compreensão e clareza.
Resposta
Estimativa: o valor numérico concreto obtido ao aplicar um estimador aos dados observados, usado como “chute informado” para um parâmetro desconhecido (por exemplo, a estimativa da média
).