Revisão AASs

Autor

João Marcos R. Lima

“De uma lista c/ N unidades elementares, sorteia-se o primeiro c/ igual chance de ser sorteado e sorteia-se os elementos seguintes c/ o elemento anterior sendo retirado da amostra”.

Cochran (1977)

Para esse autor a amostra não é ordenada

Nº de distintas amostras \(\binom{N}{n}\)

Qual a probabilidade que todas n unidades da amostra sejam selecionadas em n sorteios?

\[P(\text{1º sorteio}) = \frac{n}{N}\]

\[P(\text{2º sorteio}) = \frac{n-1}{N-1}\]

\[\dots\]

Respondendo a pergunta

\[ \frac{n}{N} . \frac{n-1}{N-1} \dots \frac{1}{N-n+1} = \frac{n!(N-n)!}{N!} = \frac{1}{\binom{N}{n}}\]

Sharon Lohr (Sampling: Design and Analysis)

Amostras não ordenadas

“Uma amostra aleatoria sem reposição de tamanho n é selecionada de tal forma que todo possível subconjunto de n unidades distintas na população tem a mesma probabilidade de ser selecionada na população”

Quantas possíveis amostras podem ser retiradas de uma população c/ N unidades? \(\binom{N}{n}\) Probabilidade de selecionar qualquer amostra de n unidades: P(S) = \(\frac{1}{\binom{N}{n}}\)

Qual é a probabilidade que uma unidade elementar qualquer apareça na amostra?

\[ \delta_i = \begin{cases} 1, & \text{se } i \in S \\ 0, & \text{c.c.} \end{cases} \]

\[P(\delta_i = 1) = \frac{\text{nº de amostras incluindo i}}{\text{nº de pessoas amostradas}} = \frac{\binom{N-1}{n-1}}{\binom{N}{n}} = \frac{n}{N}\]

Cap 3

Teorema

\[f_i \sim b(1,\frac{n}{N})\]

\[P(f_i = 1) = \frac{n}{N}\]

\[E[f_i] = \frac{n}{N}\]

\[Var[f_i] = \frac{n}{N}(1-\frac{n}{N})\]

\[\Pi_i = P(\delta_i=1) = \frac{n}{N}\]

\[Cov[f_i,f_j] = \frac{-n}{N^2} \frac{N-n}{N-1} = \frac{-Var(f)}{N-1}\]

Propriedades da estatística t(s)

\(E[t] = \text{n}\mu\)

\(Var[t] = \text{n}(1-f)S^2\)

Obs: fator \((1-\frac{n}{N}) = (1-f)\) é chamado de correção de população finita (“finite population corrector”, fpc)

Estimação do total e da média

\(T = \text{N}\bar{y}\); \(Var[T] = \text{N}^2(1-f)\frac{S^2}{\text{n}}\)

\(\bar{y} = \frac{\text{t}}{\text{n}}\); Var[\(\bar{y}\)] = \((1-f)\frac{S^2}{\text{n}}\)

Intervalo de Confiança

\[P(\frac{|\bar{y}-\mu| \leq z_\alpha}{\sqrt{(1-f)\frac{S^2}{\text{n}}}}) \approx 1-\alpha\]

\[\bar{y} \pm \sqrt{(1-f)\frac{S^2}{\text{n}}}\]

Tamanho da Amostra

\[\text{n} = \frac{n'}{1+\frac{n'}{N}}\]

Em que \(n' = \frac{S^2}{D}\) e D = \((\frac{B}{z_\alpha})^2\)

Proporção

\[S^2 = \frac{N}{N-1} \text{P(1-P)}\]

\[\hat{p} = \frac{m}{n}\]

\[Var[\hat{p}] = \frac{N-n}{N-1} \frac{\text{P(1-P)}}{n}\]

Intervalo de Confiança

\[\hat{p} \pm \sqrt{(1-f)\frac{\hat{P}(1-\hat{P})}{\text{n-1}}}\]

Tamanho da amostra

\[\text{n} = \frac{n'}{1+\frac{n'}{N}}\]

Onde \(n' = \frac{PQ}{D} \text{ ou } \frac{1}{D}\)

Bussab e Bolfarini

\[\text{n} = \frac{N}{\frac{(N-1)D}{PQ}+1} \text{ ou } \text{n}=\frac{N}{4(N-1)D + 1}\]