Академический Документы
Профессиональный Документы
Культура Документы
1. ESTIMADORES PONTUAIS
Se, por algum motivo, no pudermos realizar um censo, ns faremos uma amostragem. Ao
longo do curso, trabalharemos basicamente com a amostragem aleatria simples.
Muito bem. Selecionamos uma amostra de dez pessoas. Se voc calcular a mdia para a
amostra acima indicada, obter R$ 3.600,00.
A mdia amostral de R$ 3.600,00.
A partir desta amostra, vamos estimar a mdia da populao. Usamos a mdia amostral
(=R$ 3.600,00) como um estimador da mdia populacional, desconhecida.
Dizemos que R$ 3.600,00 a mdia estimada, a partir da amostra feita. uma estimativa
por ponto. Esse valor mdio de 3.600 uma caracterstica da amostra. Dizemos que se trata
de uma estatstica.
Novamente: a mdia amostral R$ 3.600,00. Estamos dizendo que uma estimativa para a
mdia populacional R$ 3.600,00. Ou seja, usamos a mdia amostral como estimador da
mdia populacional.
A estimao por ponto se contrape estimao por intervalo. Nesta ltima, no definimos
um valor nico para a estimativa; sim um intervalo de valores. Um exemplo so aquelas
pesquisas eleitorais de inteno de voto. Lembram quando se diz que os candidatos esto
tecnicamente empatados?
Se o candidato A tem entre 30% e 34% das intenes de voto, e o candidato B tem entre
28% e 32% das intenes de voto, no d para afirmar quem vai ganhar. A o William Bonner
diz que eles esto tecnicamente empatados.
Quando temos uma varivel aleatria, a mdia desta varivel designada por . s vezes
saber diferenci-los, pois eles vo aparecer juntos em uma mesma questo.
podemos modelar uma populao como uma varivel aleatria. Ento, sempre que
Seja X a varivel aleatria que designa o resultado do lanamento de um dado. J vimos que
a mdia desta varivel aleatria (= esperana) de 3,5 (lembra? Foi o exemplo usado na
= 3,5
aula sobre variveis aleatrias).
Podemos pensar que 3,5 a mdia da varivel aleatria X. Ou ento, se pensarmos em uma
populao formada por todos os resultados que poderiam ser obtidos quando se lana o
dado infinitas vezes, dizemos que a mdia dessa populao 3,5.
6 + 2 + 3 11
Se quisermos nos referir mdia de uma amostra, vamos utilizar o smbolo X (X barra):
= =
3 3
Outro exemplo. Suponha que a mdia dos salrios de todos os moradores do bairro
= 2.000
utilizado no exemplo do incio da aula seja R$ 2.000,00.
= 3.600
3.600,00.
Entenderam?
Resumindo:
Falou em mdia populacional: o smbolo
Falou em mdia de varivel aleatria: o smbolo (pois variveis aleatrias so
usadas para modelar populaes)
Falou em mdia amostral: smbolo X
Nosso objetivo , a partir de uma amostra, estimar qual o parmetro populacional. Partindo
da amostra das dez pessoas acima, estimamos a mdia populacional em R$ 3.600,00.
O valor da mdia da amostra ( X ) um estimador da mdia populacional ( ). um
estimador no tendencioso, de varincia mnima, de mnimos quadrados e, se a varivel
aleatria for normal, tambm um estimador de mxima verossimilhana.
Ao final da aula falaremos sobre estas caractersticas dos estimadores.
Exemplos
Exemplo 1
De uma populao foi extrada uma amostra com os seguintes valores: 4, 6, 8, 8. Qual a
estimativa para a mdia da populao?
Resoluo.
No sabemos a mdia da populao ( ). Neste caso, vamos utilizar a mdia da amostra ( X
) para estimar a mdia da populao.
A estimativa da mdia da populao fica:
4+6+8+8
X = = 6,5
4
Estimamos a mdia populacional em 6,5.
Exemplo 2
De uma populao foi extrada uma amostra com os seguintes valores: 3, 5, 5, 7. Qual a
estimativa para a mdia da populao?
Resoluo
Exerccio bem parecido com o anterior.
No sabemos a mdia da populao ( ). Neste caso, vamos utilizar a mdia da amostra ( X
) para estimar a mdia da populao.
A estimativa da mdia da populao fica:
3+5+5+ 7
X = =5
4
Estimamos a mdia populacional em 5.
=
1
no denominador:
Se o exerccio pedir o estimador de mxima verossimilhana e a varivel for normal, usamos
=
varincia de uma varivel aleatria, vamos usar o smbolo . Ou ento, podemos usar o
Vamos padronizar a simbologia. Quando quisermos nos referir varincia populacional ou
Para varincia, o estimador que vamos usar geralmente :
=
1
que a mesma frmula vista na estatstica descritiva.
o denominador 1 em vez de .
Na estatstica descritiva, quando se estuda a frmula da varincia amostral, aprende-se que
Quando queremos estimar a varincia da populao, um dos fatores que tem influncia
nesse denominador justamente a caracterstica desejada para o estimador. Para que o
Este estimador acima o mais utilizado. Ele no tendencioso. Contudo, no caso da varivel
normal, ele no o estimador de mxima verossimilhana. O estimador de mxima
verossimilhana :
=
1).
Exemplo 3
Considere a seguinte amostra de uma varivel aleatria normal:
1, 2, 3.
Calcule:
a) o estimador no tendencioso da varincia populacional
b) o estimador de mxima verossimilhana da varincia populacional
Fica assim:
Resoluo:
Nesta questo, temos:
- a mdia aritmtica da amostra como um estimador da mdia populacional: vimos que a
mdia da amostra um estimador no-tendencioso.
- a varincia da amostra como um estimador da varincia populacional: vimos que, quando
se usa n no denominador, o estimador tendencioso.
Gabarito: B
=
onde a mdia aritmtica dos dados. Qual o significado estatstico correto dessa
expresso?
(A) Desvio padro no tendencioso da populao.
(B) Estimativa no tendenciosa do desvio padro da populao.
(C) Estimativa tendenciosa do desvio padro da populao.
(D) Varincia no tendenciosa da populao.
(E) Estimativa tendenciosa da varincia da populao
Resoluo.
Quando usamos N no denominador, a varincia amostral um estimador tendencioso da
varincia populacional. Consequentemente, o desvio padro amostral tambm um
estimador tendencioso do desvio padro populacional.
Gabarito: C
a)
(X i m) 2
n 1
b)
(X i m) 2
n2
( X i m) 2
0, 5
c)
n 1
d) (X i m) 2
e)
(X i m) 2
n
Resoluo.
O enunciado est usando a letra m para indicar a mdia amostral.
Vimos que o estimador de mxima verossimilhana da varincia para a distribuio normal
aquele que apresenta n no denominador.
Gabarito: E.
X
i =1
i = 388
23
X
i =1
i
2
= 8676
a) 96,85
b) 92,64
c) 94,45
d) 90,57
e) 98,73
Resoluo.
A mdia fica:
23
X
i =1
i
388
X = =
23 23
A mdia dos quadrados das observaes fica:
8676
X2 =
23
23 8676 388 2
s2 =
22 23 23
8676 388 2
s2 =
22 23 22
= 394,36 297,52 = 96,84
Gabarito: A
Para melhor entendimento, considere que a proporo de moradores de uma cidade que
pretendem votar num candidato A de 40%. um valor que se refere populao inteira.
um parmetro. Vamos padronizar. Sempre que nos referirmos proporo da populao,
usamos o smbolo p .
p = 40%
Suponha que ns no conhecemos esta proporo referente populao (40%) e, para
estim-la, entrevistamos 10 pessoas. Destas, 5 pretendem votar no candidato A.
A proporo verificada na amostra 50%. Chamamos de p .
p = 50%
Vamos usar p como estimador de p .
Resumindo:
Proporo da populao: p
Proporo amostral: p
Exemplo 4
Para uma pesquisa de intenes de voto para a Prefeitura de uma cidade, foram
entrevistadas 100 pessoas. Verificou-se que, nesta amostra, 30 eleitores pretendem voltar
no candidato A. Qual a estimativa da proporo populacional de intenes de voto do
candidato A?
Resoluo.
No sabemos qual a proporo populacional (ou seja, referente a todos os eleitores da
cidade). Vamos usar a proporo verificada na amostra para estimar a proporo
populacional.
Na amostra temos:
p = 30% = 0,3
Dizemos que a estimativa da proporo populacional de 30%.
Dia da semana 2 3 4 5 6
Resoluo.
Vamos utilizar a proporo da amostra para estimar a proporo da populao.
O nmero de clientes satisfeitos foi de:
30 0,9 + 40 0,8 + 20 0,9 + 50 0,8 + 70 0,6 = 159
O nmero total de clientes entrevistados foi:
30 + 40 + 20 + 50 + 70 = 210
Estimadores pontuais
Muitas populaes podem ser modeladas segundo uma varivel aleatria. Como exemplo,
considere a temperatura de um local, medida com nosso termmetro mgico de infinitas
casas aps a vrgula.
Nosso objetivo estimar a temperatura mdia do local em um dado dia. Para tanto,
consideramos que a temperatura se comporta como uma varivel aleatria X.
Deste modo, encontrar a temperatura mdia do local o mesmo que encontrar a esperana
$ = =?
de X.
Num dado dia, vamos l nesse local e, em dez instantes diferentes, medimos a temperatura.
Agora temos uma amostragem de tamanho 10 para a temperatura no local.
Suponha que esta mdia tenha sido X 1 = 2 C.
Neste ponto, no custa nada lembrar a simbologia que padronizamos.
X a mdia de uma amostra
a mdia da populao ( o valor que pretendemos estimar)
Quando nos referimos a uma nica amostra, X representa um nmero, a mdia aritmtica
daquela amostra.
Mas tambm podemos nos referir a X de forma diferente. Podemos pensar em inmeras
amostras, com X assumindo valores diferentes em cada uma delas. Assim, X seria uma
varivel
Quando nos referimos a como uma varivel aleatria, porque estamos pensando em
todas as diferentes amostras que poderiam ter sido extradas. Nesse caso, vista apenas
valor para a mdia amostral, nesse caso, assumir um valor nico, fixo. Por exemplo,
Por outro lado, quando nos referimos a uma amostra em particular, que fornece um nico
= 2. Nesta situao, quando nos referimos a como algo fixo, dizemos que = 2 uma
estimativa da mdia populacional.
Ento, frisando: pode ser vista como algo que varia (caso estejamos pensando em todas
as possveis amostras) ou pode ser vista como algo fixo (quando pensamos em uma amostra
em particular).
varivel aleatria.
Abaixo temos todas as amostras possveis, de tamanho 2, sem reposio:
1, 2 1, 3 1,4 1,5 1,6
2,3 2,4 2,5 2,6 3,4
3,5 3,6 4,5 4,6 5,6
So quinze amostras possveis.
Em um nico caso a mdia maior que 5. Trata-se da amostra (5,6).
Temos um caso favorvel em quinze possveis. A probabilidade de que a mdia seja maior
1
que 5 de:
&=
15
Gabarito: E
Destaco que no era necessrio escrever todas as amostras para contar quantas so.
Poderamos usar anlise combinatria para tanto.
No caso das amostras possveis, queremos formar conjuntos de dois elementos, a partir dos
6!
seis valores disponveis. Temos combinao de 6, tomados 2 a 2.
'(, = = 15
4! 2!
No caso dos casos favorveis, temos um nico caso favorvel (5, 6).
1
Dividindo o nmero de casos favorveis pelo nmero de casos possveis, temos:
&=
15
2.2. #
Esperana e varincia de
Como exemplo, considere um tetraedro regular. Nas suas faces temos os nmeros 1, 2, 3, 4.
Lanamos o tetraedro sobre uma mesa. X representa o valor da face que fica em contato
com a mesa.
Vamos realizar um estudo dos possveis resultados deste lanamento. Para tanto, lanamos
duas vezes (amostra de tamanho 2).
Saram os resultados 1 e 3.
Para esta amostra em particular a mdia amostral foi:
1+ 3
X = =2
2
Ok, fizemos uma nica amostra. Neste caso, X um nmero. simplesmente a mdia
aritmtica dos valores pertencentes amostra.
Acontece que no estamos interessados em uma amostra especfica, que fornece um valor
nico para X . Estamos interessados na varivel aleatria X .
O resultado do lanamento do dado aleatrio. Seria possvel que tivssemos obtido outras
amostras. Se o tetraedro for homogneo, as possveis amostras seriam:
1e1 1e2 1e3 1e4
2e1 2e2 2e3 2e4
3e1 3e2 3e3 3e4
4e1 4e2 4e3 4e4
Seriam 16 amostras possveis, todas elas com a mesma probabilidade de ocorrer. O valor da
mdia amostral em cada uma dessas amostras seria:
Valores da amostra X
1e1 1
1e2 1,5
1e3 2
1e4 2,5
2e1 1,5
2e2 2
2e3 2,5
2e4 3
3e1 2
3e2 2,5
3e3 3
3e4 3,5
4e1 2,5
4e2 3
4e3 3,5
4e4 4
Repare que X pode ser visto como uma varivel aleatria que assume diversos valores.
A mdia de todos os possveis valores de X fica:
1
E( X ) = (1 + 1,5 + 2 + 2,5 + 1,5 + 2 + 2,5 + 3 + 2 + 2,5 + 3 + 3,5 + 2,5 + 3 + 3,5 + 4)
16
E ( X ) = 2,5
Vamos agora calcular a mdia da varivel aleatria X.
A varivel aleatria X assume os valores 1, 2, 3, 4, cada um com probabilidade 1/4.
Portanto:
1 1 1 1
E( X ) = = 1 + 2 + 3 + 4
4 4 4 4
= 2,5
Concluindo: a esperana da mdia amostral igual esperana da populao. Isto significa
que, se fosse possvel fazer um nmero muito grande de amostras, a mdia de todas as
mdias amostrais seria igual mdia da populao.
X pode ser vista como uma varivel aleatria com esperana . Ou seja, a mdia das
mdias amostrais a mdia da populao
Ainda no estudamos as diversas caractersticas dos estimadores. Mas podemos falar sobre
uma delas: o estimador no tendencioso (ou no viciado, ou no viesado).
O fato da mdia de X ser igual mdia da populao nos permite classificar X como
estimador no tendencioso (ou no viciado). Usando esse estimador, em mdia
(considerando as inmeras amostras que poderiam ser feitas), ns estamos realmente
acertando o valor do parmetro desconhecido.
Sempre que a esperana de um estimador for igual ao parmetro estimado, estamos diante
de um estimador no tendencioso.
E (X ) = :
Sabendo que X pode ser vista como uma varivel aleatria, possvel calcular a sua
varincia.
Seja 2 a varincia da populao.
possvel demonstrar que, sendo n o tamanho das amostras, a varincia de X fica:
2
V (X ) =
n
Um outro smbolo possvel para a varincia de X seria: X . Portanto:
2
2
X =
2
n
A varincia da mdia amostral igual varincia da populao dividido por n.
Por consequncia, o desvio padro da mdia amostral :
X =
n
Ou seja, o desvio padro de X igual ao desvio padro da populao dividido por raiz de n.
+ + + /
A mdia amostral fica:
=
+ + + /
Agora aplicamos a esperana dos dois lados da igualdade:
$ = $ 0 1
O nmero pode ser retirado da esperana, dividindo:
1
$ = $ + + + /
1
A esperana da soma igual soma das esperanas:
Alm disso, como para calcular precisamos somar diversas variveis independentes entre
si, aproximadamente normal. A aproximao tanto melhor quanto maior o valor de
n. Trata-se de aplicao do teorema do limite central. Esse foi o terceiro resultado
apresentado.
+ + + /
Aplicamos a varincia dos dois lados da igualdade:
- = - 0 1
Propriedades da varincia: quando dividimos a varivel por uma constante, a varincia
1
dividida pela constante ao quadrado:
- = - + + + /
1
Se as variveis forem independentes entre si, a varincia da soma a soma das varincias:
Logo:
4 =
a populao infinita, de modo que qualquer que seja o resultado para um valor ,
..., Xn so independentes entre si. Para que isso ocorra, devemos ter uma de duas situaes:
Assim, caso a populao seja finita e a amostragem seja feita sem reposio, as frmulas
devem ser adaptadas (fator de correo para populaes finitas).
n=2
Portanto:
2
V (X ) =
n
1,25
0,625 =
2
2
X pode ser vista como uma varivel aleatria com esperana e varincia n (e,
consequentemente, desvio padro n ).
Agora vem o grande detalhe. Pelo teorema do limite central possvel demonstrar que a
varivel aleatria X tem distribuio aproximadamente normal. A aproximao melhor
quanto maior o tamanho das amostras (quanto maior o valor de n). Isto vale mesmo que a
varivel X no seja normal.
Caso a varivel X seja normal, a varivel X tambm ser normal (a j no aproximao).
Ou seja, para a varivel X ns podemos utilizar a tabela de reas para a varivel normal.
Isto de extrema utilidade na determinao dos chamados intervalos de confiana.
X pode ser vista como uma varivel aleatria normal (ou aproximadamente normal), com
2
mdia , varincia e desvio padro .
n n
A aproximao vale mesmo que X no seja normal. Quanto maior o tamanho das amostras,
melhor a aproximao.
Resoluo.
A questo poderia ter sido mais clara, explicitando o que significa F(z).
muito comum utilizarmos o smbolo F(z) para representar a funo distribuio de
probabilidade (FDP).
Relembrando o significado da FDP, ela nos fornece probabilidades para a varivel aleatria
Z, normal, de mdia 0 e desvio padro unitrio.
Assim, na primeira linha da tabela temos que F(1,2) = 0,885.
Isto significa que a probabilidade de Z assumir valores menores que 1,2 de 88,5%.
Analogamente, da segunda linha temos que a probabilidade de Z assumir valores menores
que 1,6 de 94,5%.
Por fim, da terceira linha temos que a probabilidade de Z assumir valores menores que 1,64
de 95%.
Da tabela acima, conclumos que a rea verde da figura abaixo igual a 94,5%.
Uma vez que a rea total igual a 1, conclumos que a rea vermelha igual a 5,5%. Como o
grfico simtrico, sabemos que a rea amarela abaixo tambm igual a 5,5%.
Os pesos dos pacotes se comportam como uma varivel normal de mdia 1016 e desvio
padro de 10 gramas.
A pergunta : qual a probabilidade de o peso total de uma amostra de 4 pacotes ser inferior
a 4040g?
4040
Lembrando que = 1010 , temos que essa pergunta equivale a:
4
Qual a probabilidade de o peso mdio de uma amostra de 4 pacotes ser inferior a 1010 g?
Seja X a varivel aleatria que designa o peso mdio em amostras de 4 pacotes. X tem
distribuio normal. Sua mdia dada por:
E[ X ] = = 1016
Sua mdia igual mdia da populao.
Seu desvio padro dado por:
10
V[X ] = X = = =5
n 2
Como a rea total igual a 1, a rea vermelha igual a 0,115 (=1-0,885). Uma vez que o
grfico simtrico, a rea amarela da figura abaixo tambm de 0,115.
Resoluo.
Quando a populao tem distribuio normal, X tambm uma varivel aleatria normal.
Quando a populao no for normal, X ser aproximadamente normal. A aproximao
ser tanto melhor quanto maior for a amostra.
Nesse caso, em que X uniforme, X aproximadamente normal. Note que a amostra
bem grande (n = 1200).
Estudamos na aula passada que, para calcular a mdia de uma varivel aleatria uniforme,
basta pegar o ponto mdio do intervalo em que ela diferente de zero. Neste caso, a
esperana de X fica:
29 + 17
E[ X ] = = 23
2
A mdia de X coincide com a mdia populacional.
E[ X ] = = 23
Para terminar a questo, ainda falta achar o desvio padro da mdia amostral. Para tanto,
precisamos da varincia da populao (no informada).
Vimos na aula passada que, se uma varivel aleatria uniforme no intervalo [a, b], sua
varincia fica:
(b a ) 2
V (X ) =
12
- = = = 12
12 12
Sabendo que X tem varincia 12, temos:
2 12
X2 = = = 0,01
n 1200
X = 0,1
Portanto, X tem distribuio aproximadamente normal, com mdia 23 e desvio padro 0,1.
Gabarito: B.
aleatrias de tamanho 25, quantas dessas amostras se espera que tenham mdia maior do
que 50?
(A) 37.
(B) 49.
(C) 53.
(D) 65.
(E) 77.
A mdia das amostras () pode ser vista como uma varivel aleatria aproximadamente
Resoluo.
4 =
12 12
4 = = = 2,4
25 5
Com isso, tem mdia 47 e desvio padro 2,4.
Queremos saber a probabilidade de esta varivel aleatria assumir valores maiores que 50.
9=
4
47
9=
2,4
Quando vale 50, Z vale:
50 47
9= = 1,25
2,4
Com isso, a probabilidade de a mdia amostral ser maior que 50 igual probabilidade de Z
ser maior que 1,25.
Consultando a tabela I, colocada ao final da aula, temos:
1,2 0,3849 0,3869 0,3888 0,3907 0,3925 0,3944 0,3962 0,3980 0,3997 0,4015
Espera-se que em 10,56% das amostras a mdia amostral seja maior que 50.
Resoluo.
X uma varivel aleatria de mdia e desvio padro:
4
X = = = 0,4
n 10
X 0,4
Z= = = 1
X 0,4
X + 0,4
Z= = =1
X 0,4
(B) 0 e 1
(C) 1 e 0.5
(D) 1 e 0
(E) 0 e 0.5
Resoluo
Resoluo
Sejam X e Y as variveis que designam as duas populaes.
9 = ?
Seja Z a varivel que representa a diferena entre as estimativas das mdias:
- -?
-9 = +
4 @
Como no conhecemos as varincias populacionais, substitumos esses valores pelas suas
4 @
estimativas (varincias amostrais). A obteremos uma estimativa para a varincia de Z:
A = +
4 @
49 64
Onde nx e ny representam os tamanhos das amostras de X e Y.
A = +
9 16
49 16 + 64 9
A =
9 16
1360
A =
9 16
1360
A = B
9 16
1360
=
34
Em seguida, fazemos a seguinte conta: somamos o nmero para o qual desejamos calcular a
raiz (1.360) com o quadrado perfeito prximo (1.296), e dividimos pelo dobro da raiz do
quadrado perfeito (raiz de 1.296):
36,88
Continuando com o clculo:
A 3,07
12
Gabarito: E
$ =
distribudas tal que
-DE = 10
E
Com
1
/
=
a) 10 2I J 0,993
(I) :
b) 10 2I J 0,9953
c) 10 2I J 0,993
d) 100 2I J 0,9953
e) 100 2I J 0,993
Resoluo:
| | < 1
Queremos que:
1 < < 1
Desenvolvendo a inequao:
1 < < 1 +
Queremos que a probabilidade de estar neste intervalo seja de 99%.
Pelo teorema do limite central, tem distribuio aproximadamente normal. Sua mdia
e seu desvio padro dado por:
Onde o desvio padro da populao e "n" o tamanho da amostra. A populao tem
varincia 10. Logo, o desvio padro igual raiz quadrada de 10. A amostra tem tamanho
"n". Substituindo esses valores:
10
Sempre que estamos estudando uma distribuio normal qualquer, a determinao de
probabilidades associadas a intervalos feita pela comparao com a normal padro.
Ento precisamos determinar os valores da normal pardo (Z) que delimitam uma rea de
99%. Abaixo segue um esboo do grfico da funo densidade de probabilidade da normal
padro:
Procuramos pelos valores Z0 e +Z0 tal que a rea hachurada seja de 99%.
Se a rea hachurada de 99%, ento a soma das reas brancas 1%. Como o grfico
simtrico, cada uma delas tem rea de 0,05%.
I9K = 99,5%
99,5%.
9K = I J 0,995
Aplicando a funo inversa dos dois lados:
9=
4
1 < < 1 +
Vejam que a probabilidade de a mdia amostral estar no intervalo
9K < 9 < 9K
igual probabilidade de Z estar no intervalo:
= 1 +
Assim, quando Z = Z0, temos que
Voltando ento na relao entre as duas variveis:
9=
4
1+
9=
4
94 = 1
Substituindo o valor do desvio padro da mdia amostral e o valor de Z0:
10
I J 0,995 =1
I J 0,995 10 =
= LI J 0,995M
Gabarito: B
~15,2
seja,
Assinale
a) se apenas a afirmativa I estiver correta.
Resoluo:
Item I - Certo. Quando a populao infinita, a distribuio amostral da mdia
aproximadamente normal, sendo tanto melhor a aproximao quanto maior o tamanho da
amostra. Se a populao normal, a distribuio amostral da mdia normal (a j no
aproximao).
Item II - Errado. A mdia de igual mdia da populao. por esse motivo que a mdia
amostral um estimador dito "no tendencioso", "no viciado" ou "no enviesado".
Item III - O desvio padro de igual ao desvio padro da populao, dividido por , onde
2 2 1
"n" o tamanho da amostra:
4 = = = =
36 6 3
Item correto.
Gabarito: D
O
Considere as variveis aleatrias Xi: N(10, 4), i = 1, 2, 3, 4, independentes. Seja
=
4
Nessas condies, o valor D tal que & > D = 0,9 igual a
a) 7,16.
b) 7,44.
c) 7,56.
d) 7,85.
e) 8,72.
Resoluo
$ = $ = 10
A esperana da mdia amostral coincide com a esperana da populao:
- 4
tamanho da amostra (no caso, vale 4).
- = = =1
4
Assim, uma varivel aleatria com esperana 10 e varincia 1 (logo, desvio padro igual
a 1).
$
Com isso:
9=
4
D 10
1,28 =
1
D 10 = 1,28
D = 10 1,28 = 8,72
Gabarito: E
p Probabilidade
0 64/216
1/3 96/216
2/2 48/216
3/3 8/216
A esperana de p fica:
64 1 96 2 48 3 8
E ( p ) = p = 0 + + + = 1/ 3
216 3 216 3 216 3 216
A esperana da proporo amostral igual esperana da proporo da populao.
A varincia de p fica:
2 2 2 2
1 64 1 1 96 2 1 48 1 8 2
p 2
= 0 + + + 1 =
3 216 3 3 216 3 3 216 3 216 27
Sabendo que a proporo amostral pode ser vista como uma varivel, importante ver um
meio mais rpido para calcular sua mdia e sua varincia.
X
p =
n
2
p =
3
Em dois teros dos casos, tivemos sucesso.
Fcil, n? Para achar a proporo de casos favorveis na amostra, basta pegar a varivel X e
dividir por n.
Sabemos como calcular a mdia e a varincia da varivel binomial. Sabemos que a varivel
X
p , que indica a proporo de casos favorveis na amostra, pode ser obtida por: p = .
n
Para obtermos p , dividimos a varivel X por uma constante n.
Quando dividimos uma varivel por uma constante, a mdia tambm fica dividida por essa
constante. A mdia de p :
X np
p = = = p
n n
Conclumos que a esperana de p justamente a probabilidade de sucesso em um
experimento.
Quando lanamos o dado trs vezes (obtendo uma nica amostra de tamanho 3), teremos
um determinado valor para a proporo amostral ( p ). Esse valor pode ser igual a 1/3 ou
no. No exemplo acima (com resultados 1, 3 e 6), inclusive, foi diferente.
Mas, se fosse possvel repetir infinitas vezes o conjunto de trs lanamentos, obtendo para
cada amostra um valor de p , teramos que a mdia de p seria igual a 1/3.
Vejamos agora a varincia de p . Quando dividimos uma varivel por uma constante, a
varincia sofre a variao ao quadrado.
X npq pq
2
p = p = X2 = 2 =
2
n n n n
E seu desvio padro fica:
pq
p =
n
Ento o que importa para gente saber isso. Se p for a varivel que indica a proporo de
casos favorveis na amostra, ento p tem mdia e desvio padro dados por:
p = p
pq
p =
n
pq
p =
n
Onde p a proporo de casos favorveis na populao e q a proporo de casos
desfavorveis na populao.
Com respeito ao texto, considere que cada imvel ofertado em determinado ano seja
classificado como vendido ou no-vendido, e, a um imvel e classificado como vendido seja
atribudo um valor Z = 1, e, ao imvel classificado como no-vendido, seja atribudo um
valor Z = 0. Supondo-se que as classificaes dos imveis como vendido ou no-vendido em
um dado ano possam ser consideradas como sendo realizaes de uma amostragem
aleatria simples, julgue os itens a seguir.
Considerando os dados de 2007, a estimativa da probabilidade P(Z = 1) igual a 0,35, e o
erro-padro dessa estimativa superior a 0,01 e inferior a 0,02.
Resoluo:
No fundo, queremos, a partir da amostra fornecida, estimar a proporo de imveis
vendidos na populao.
700
proporo de imveis vendidos na populao. Esta estimativa fica:
! = = 0,35
2000
O desvio padro fica:
! QR 0,35 0,65
B =B
2000
Continuando.
Para responder questo, temos que saber se o desvio padro est no intervalo entre 0,01
e 0,02.
0,35 0,65
Vamos calcular a varincia:
= = 1,1375 10JO
2000
Logo, correto dizer que o desvio padro est no intervalo entre 0,01 e 0,02.
Gabarito: certo.
Quando a amostragem feita sem reposio, a partir de uma populao finita, cada
extrao no independente das demais.
Apesar disso, se pudermos considerar a populao bem grande, razovel considerar que
cada extrao independente das demais.
Contudo, quando o tamanho da populao (em relao ao tamanho da amostra) no for to
grande, a aproximao fica ruim.
Segundo o autor William J Stevenson, se a amostra for superior a 5% da populao, a
aproximao fica ruim.
p q N n
s p =
n N 1
Este fator de correo acima estudado, com a raiz quadrada, vale para os desvios padro.
Para corrigirmos a varincia, o fator elevado ao quadrado, tornando-se:
1
Resoluo.
Notem que a populao finita pequena (200). A amostra de tamanho 64 representa 32%
da populao. Vamos usar o fator de correo para populaes finitas.
A amplitude do intervalo de confiana igual ao dobro do erro mximo cometido.
A = 2Z 0 X
100 200 64
X =
64 200 1
100 136
X =
8 199
X = 12,5 k
Portanto:
A = 2 1 12,5k = 25k
Gabarito: E
Resoluo:
Quando a amostragem com reposio, o estimador fica:
p q
s p =
n
Quando a amostragem sem reposio, o estimador fica:
p q N n
s p =
n N 1
A razo entre ambos dada por:
N n N 1
1 =
N 1 N n
2
desses n elementos tem varincia igual a , o valor de n dado por
28
(A) 5
(B) 10
(C) 14
(D) 25
(E) 28
Resoluo:
4
=
1
15
=
28 15 1
1 1 15
=
28 14
1 1 15
=
2 1
= 2 15
= 30 2
3 = 30
= 10
Gabarito: B
Resoluo:
50
Amostragem com reposio:
4 = = =5
10
100 10
Amostragem sem reposio:
4 = =5
1 100 1
450
4 =
99
Gabarito: E
Resoluo:
A varincia da mdia amostral dada por:
4 =
1
Onde:
o tamanho da populao
o tamanho da amostra
100 500 50
Substituindo os valores:
4 =
50 499
450
4 = 2
499
4 1,8
Gabarito: B
Vamos aproveitar este exemplo do tetraedro e vamos calcular a varincia das amostras.
Para tanto, vamos fazer dois clculos: um com o denominador n e outro com o
denominador n 1 .
Para diferenciar, quando utilizarmos o denominador n, vamos adotar o smbolo s * .
2
Valores da 2
amostra ( xi x) 2 (x i x) 2
s2 = i =1
s *2 = i =1
2 1 2
1e1 0 0
1e2 0,5 0,25
1e3 2 1
1e4 4,5 2,25
2e1 0,5 0,25
2e2 0 0
2e3 0,5 0,25
2e4 2 1
3e1 2 1
3e2 0,5 0,25
3e3 0 0
3e4 0,5 0,25
4e1 4,5 2,25
4e2 2 1
4e3 0,5 0,25
4e4 0 0
total 20 10
Note que:
20
E (s 2 ) = = 1,25
16
10
E ( s *2 ) = = 0,625
16
Vamos agora calcular a varincia da varivel aleatria X.
1+ 2 + 3 + 4
E( X ) = = 2,5
4
1 + 4 + 9 + 16
E( X 2 ) = = 7,5
4
V ( X ) = E( X 2 ) E( X )2
Por isso dizemos que o estimador varincia amostral deve ter n 1 no denominador. Isto
garante um estimador no-viciado.
Valores da X X*
amostra
1e1 1 1
1e2 1,5 1,333333
1e3 2 1,666667
1e4 2,5 2
2e1 1,5 1,666667
2e2 2 2
2e3 2,5 2,333333
2e4 3 2,666667
3e1 2 2,333333
3e2 2,5 2,666667
3e3 3 3
3e4 3,5 3,333333
4e1 2,5 3
4e2 3 3,333333
4e3 3,5 3,666667
4e4 4 4
total 40 40
Interessante observar que:
40
E ( X ) = E ( X *) = = 2,5
16
Ou seja, o estimador X * tambm no-tendencioso.
Qualquer mdia ponderada dos valores da amostra ser um estimador no-tendencioso da
mdia populacional.
A vem a pergunta: Ah, ento qualquer mdia ponderada ser um bom estimador?
No necessariamente. Depende das caractersticas que voc quer para o seu estimador.
Uma caracterstica interessante que o estimador tenha varincia mnima.
Se voc calcular a varincia dos estimadores X * e X , ver que eles tm varincias
diferentes. No vou reproduzir os clculos aqui, vou apenas dar o resultado:
V ( X ) = 0,625
V ( X *) = 0,6944
Note que X tem uma varincia menor que X * . Isto pode ser interessante. Se fizssemos
inmeras amostras, em mdia, acertaramos o valor do parmetro nos dois casos (com
qualquer um destes dois estimadores).
S que o estimador X * tem maior disperso. Ele apresenta, com maior frequncia, valores
afastados da mdia populacional. Por isso, o estimador X melhor.
Assim, uma caracterstica que se costuma buscar que o estimador tenha varincia mnima.
Ou seja, que a varincia do estimador escolhido seja menor que a varincia de qualquer
outro estimador.
Dentre os estimadores lineares (ou seja, aqueles que so obtidos a partir de uma mdia
ponderada com os valores da amostra), possvel demonstrar que a mdia aritmtica
simples ( X ) apresenta varincia mnima.
possvel comparar a eficincia entre dois estimadores no-tendenciosos diferentes. Basta
dividir suas varincias. Assim, a eficincia relativa de X * , em comparao com X , dada
por:
0,625
= 90%
0,6944
Outro tipo de estimador aquele que minimiza a soma dos quadrados dos desvios. Por
enquanto, no veremos este tipo de estimador com mais detalhes. Falaremos mais a
respeito na aula de regresso linear, em que ser muito frequente realizarmos a operao
que minimiza a soma dos quadrados dos desvios.
Interessante observar que X e p so estimadores de mnimos quadrados. Ou seja, a
mdia amostral e a proporo amostral estimam a mdia e a proporo populacionais,
obedecendo ao critrio de mnimos quadrados.
(x i x) 2
s *2 = i =1
n
Se a varivel aleatria for normal, a mdia aritmtica da amostra ( X ) um estimador de
mxima verossimilhana para a mdia populacional.
Resoluo.
Estimador no viesado sinnimo de estimador no tendencioso. Queremos que a mdia
do estimador seja igual a T.
Os nicos estimadores que apresentam esta caracterstica so T1, T2 e T3.
Gabarito: E
(D) T4
(E) T5
Resoluo.
Entre os estimadores T1, T2 e T3, o que apresenta varincia mnima T2, pois apresenta
uma curva mais afilada, o que indica que a proporo de valores prximos mdia maior.
Gabarito: B
Resoluo.
A proporo amostral um estimador de mxima verossimilhana da proporo
populacional.
2
Na amostra, foram 2 caras em 10 lanamentos.
! = = 0,2
10
Gabarito: A
Resoluo.
A primeira frase est correta. A mdia amostral um estimador no tendencioso.
A segunda frase est errada. Basta pensar no seguinte exemplo: Varincia da populao:
100 (logo, o desvio padro : = 10 ); tamanho da amostra: 25 ( n = 25) .
O desvio-padro da mdia amostral fica:
10
X = =2
5
O desvio-padro da mdia amostral foi menor que a varincia da populao.
Gabarito: C
( X 1 ) 2 + ( X 2 ) + ... + ( X n )
2 2
a)
n2
( X 1 ) 2 + ( X 2 ) + ... + ( X n )
2 2
b)
n 1
( X 1 ) 2 + ( X 2 ) + ... + ( X n )
2 2
c)
n
( X 1 ) 2 + ( X 2 ) + ... + ( X n )
2 2
d)
n +1
( X 1 ) 2 + ( X 2 ) + ... + ( X n )
2 2
e)
n+2
Resoluo.
Dissemos a aula toda que o estimador no tendencioso da varincia conseguido com o
denominador n 1 . sempre assim (ou melhor, quase sempre). Em 99,9999% das questes,
o que se pede a estimativa da varincia. Para tanto, supe-se apenas o conhecimento de
uma amostra. Neste caso, usamos a mdia amostral como estimativa da mdia
populacional. E, para acharmos o estimador no tendencioso da varincia populacional,
fazemos:
(X ) 2
X
=
2 i
s
n 1
Acontece que esta questo criou algo novo. Aqui, ns j conhecemos a mdia populacional.
Ela no precisa ser estimada. S precisamos estimar a varincia da populao. Quando isso
acontece, o estimador dado por:
( X 1 ) 2 + ( X 2 ) + ... + ( X n )
2 2
n
com n no denominador, no tendencioso.
Para deixar claro, vamos calcular a sua esperana.
O estimador :
( X ) 2 + ( X 2 ) + ... + ( X n )
2 2
s = 1
2
n
Temos:
( X ) 2 + ( X 2 )2 + ... + ( X n )2
E ( s 2 ) = E 1
n
O n uma constante, pode ser extrada da esperana.
=
1
n
(
E ( X 1 ) 2 + ( X 2 ) + ... + ( X n )
2 2
)
Podemos separar a esperana da soma em soma de esperanas.
=
1
n
{ ( ) (
E (( X 1 ) 2 ) + E ( X 2 ) + ... + E ( X n )
2 2
)}
{nVar ( X )} = Var ( X )
1
=
n
A esperana do estimador igual ao parmetro, o que permite classific-lo como no
tendencioso.
Gabarito: C
Resoluo
Letra A.
Erro padro sinnimo de desvio padro. Se a estimativa tem erro padro pequeno, isso
significa que ela pouco varia. Para exemplificar, vamos trabalhar com a estimativa que j
estudamos: X .
Se X tem um desvio padro pequeno, ento a mdia amostral pouco varia de uma amostra
para outra. Isso significa que cada mdia amostral tambm bem prxima da mdia da
populao. Quanto menor o erro padro de X , mais precisa a nossa estimativa. Mais
confivel ela . Nossa estimativa deve estar bem prxima do verdadeiro valor do parmetro.
Alternativa errada.
Letra B.
Alternativa correta. Realmente, na amostragem por conglomerados, busca-se dividir a
populao em sub-populaes, em conjuntos heterogneos que representem bem a
populao inteira. Como vimos na aula passada, isso nem sempre se verifica. Como o intuito
desse tipo de amostragem reduzir custos e tempo, os conglomerados so escolhidos de
forma que seus elementos estejam prximos/ligados, o que muitas vezes faz com que um
conglomerado no abranja itens to heterogneos assim.
Letra C.
Em geral, realmente a amostragem aleatria simples feita quando se tem uma listagem de
todos os elementos. Assim, para escolher aleatoriamente um grupo de funcionrios que
participar de uma pesquisa sobre o clima organizacional da empresa, parte-se de uma
listagem de todos os empregados. Dessa lista, extraem-se, aleatoriamente, algumas
pessoas. O processo de escolha pode se dar de diversas formas. Podemos escrever o nome
de todos eles em pedaos de papel de mesmo tamanho, dobrar, colocar num saco, misturar
bem, e sortear. Podemos atribuir a cada um deles um nmero e usar uma tabela de
nmeros aleatrios para escolher os nmeros. Podemos colocar seus nomes em planilhas,
executar um programa que gere nmeros aleatrios, atribuindo um nmero a cada pessoa,
e depois ordenar de forma crescente. Enfim, h inmeras formas que, geralmente, partem
de uma listagem de todos os elementos, como foi dito no enunciado.
Contudo, h formas de se fazer uma amostragem aleatria sem que exista uma listagem
prvia. A banca considerou esse item correto. Ao meu ver, caberia recurso. Cito na
sequencia um trecho do livro Estatstica aplicada administrao do autor William
Stevenson:
Se a populao alvo finita, h essencialmente duas maneiras de escolher uma amostra
aleatria. Um mtodo envolve a compilao de uma lista de todos os elementos da
Letra D.
Alternativa correta. Foi exatamente isto que vimos sobre os estimadores no tendenciosos.
Vimos que X pode ser considerada uma varivel aleatria e que o fato de a esperana de
X ser igual mdia da populao faz deste um estimador no viciado. Isso vale para
qualquer estimador. Se sua esperana for igual ao parmetro pesquisado, ento o
estimador no tendencioso (ou no viciado).
Letra E.
Alternativa correta. Basta lembrar do exemplo dado na aula passada. Dividimos a populao
em extratos, conforme a idade (jovens, adultos e idosos). A diviso se deu conforme uma
caracterstica conhecida (idade). Os extratos so mutuamente exclusivos.
Gabarito: A.
Resoluo:
Letra A.
Uma amostra aleatria pode sim ser feita com reposio. Podemos pensar no sorteio da
mega-sena. No primeiro sorteio, temos o nmero 26 (2 retirado do globo das dezenas e 6
retirado do globo das unidades). Para o segundo sorteio, os globos continuam contendo
todas as dezenas (inclusive o 2) e todas as unidades (inclusive o 6). Os nmeros so
aleatoriamente escolhidos e h reposio. Em tese, possvel que o nmero 26 seja
novamente sorteado.
Outro exemplo so as promoes em que voc manda um SMS para um certo nmero e
concorre a diversos prmios. A cada semana sorteado um prmio (exemplo: na primeira
semana so dez TVs, na segunda, 10 motos, na terceira, 2 carros e na ltima sorteada
uma casa). Em muitas premiaes, quem manda o SMS logo nos primeiros dias est
concorrendo a todos os prmios. Mesmo que ele seja sorteado na primeira semana
(ganhando uma TV), seu nome volta para o bolo de concorrentes, tendo chances de ganhar
em qualquer outro sorteio. Supondo que a escolha, em cada sorteio, seja aleatria, temos
uma amostragem aleatria com reposio.
Letra B.
Em geral, a amostragem por conglomerados mais econmica que a aleatria simples.
Basta pensar no caso da pesquisa com os chefes de famlia de uma dada cidade, usado
como exemplo na aula passada. Se usssemos uma amostragem aleatria, poderamos ter
que nos dirigir a pontos muito distantes um dos outros, o que encarece a pesquisa. Usando
Letra C.
Errado. Na amostragem estratificada os estratos so sim mutuamente exclusivos. No
exemplo da aula passada, dividimos a populao em jovens, adultos e idosos. Um idoso no
pode ser tambm jovem.
Letra D.
Alternativa errada. Quanto maior a amostra, melhor ela representa a populao. Como
consequncia, melhoram nossas estimativas (o que implica em menor erro padro).
Tambm d para visualizar isso por meio da frmula que vimos. Vamos trabalhar com a
mdia amostral. Seu desvio padro dado por:
V[X ] = X =
n
O n est no denominador. Quanto maior o valor de n (ou seja, quanto maior o tamanho
da amostra), menor o desvio padro da estimativa.
Letra E.
Alternativa correta.
No comentei isso durante a parte terica. Aproveitando a oportunidade, falemos um
pouco sobre o vis do estimador. Vamos trabalhar, novamente, com o estimador para a
mdia ( X ).
O fato da mdia de X ser igual mdia da populao nos permite classificar a mdia
aritmtica da amostra como estimador no tendencioso (ou no viciado). Usando esse
estimador, na mdia (considerando as inmeras amostras que poderiam ser feitas), ns
estamos realmente acertando o valor do parmetro desconhecido.
E se, em vez da mdia amostral, ns usssemos, por exemplo, a mediana da amostra para
estimar a mdia da populao?
d) de mnimos quadrados
e) de mxima verossimilhana
Resoluo.
Vimos que o fato da esperana do estimador ser igual ao parmetro permite classificar o
estimador como no viciado (ou no tendencioso, ou no enviesado). Todas essas
expresses so sinnimas.
Gabarito: B.
Y3 = X1 + 2X 2 2X 3
Ento, APENAS
(A) Y1 no viesado.
(B) Y1 e Y3 so no viesados.
(C) Y1 e Y3 so viesados.
(D) Y1 e Y3 so viesados.
(E) Y2 e Y3 so viesados.
Resoluo.
Um estimador viesado quando sua esperana diferente do parmetro estimado.
$? = $ 0 1= = = =
3 3 3 3
$? = $2 + 3T = 2$ + $ 3$T = 2 + 3 = 0
$?T = $ + 2 2T = $ + 2$ 2$T = + 2 2 =
pois no sabemos se = 0.
J Y2 apresenta esperana igual a 0. Portanto, no temos garantias de que seja no viesado,
Gabarito: B
?
populao normal de mdia diferente de zero. Dado que o estimador
$=+ + U9
2 3
sendo U um parmetro real, para a mdia no viesado, ento o valor de U tal que
a) U 0,10.
b) 0,10 < U 0,20.
c) 0,20 < U 0,30.
d) 0,30 < U 0,40.
e) U > 0,40.
Resoluo
A redao do enunciado ficou meio confusa. O que a questo quis dizer que "E" um
igual ao parmetro .
estimador no viciado da mdia. Quando isso ocorre, porque a esperana do estimador
?
Aplicando a esperana ao estimador:
$ 0 + + U91 =
2 3
?
A esperana da soma igual soma das esperanas:
= $ 0 1 + $ 0 1 + $U9 =
2 3
1 1
Podemos retirar todas as constantes das esperanas:
= + + U$9 =
2$ 3$?
Como a amostragem com reposio, todas as extraes tm esperana igual esperana
1 1
populacional:
= + + U =\WX
2 3
Dividindo todos os termos por :
1 1
+ +U =1
2 3
1 1 1
U = 1 = = 0,1666
2 3 6
Gabarito: B
Quanto s caractersticas dos estimadores, a maior parte das provas abertas a candidatos de
todas as reas se limita a questes conceituais. Ou ento se restringem aos estimadores
usuais (mdia amostral, proporo amostral, varincia amostral para estimar,
respectivamente, a mdia populacional, a proporo populacional e a varincia
populacional). Digo isto porque, se for para passar disso, bastante provvel que a questo
exija ferramentas de clculo.
Como exemplo, segue uma questo da Cesgranrio:
Resoluo.
Seja ( x1 , x 2 ,..., x n ) a amostra obtida. A probabilidade de obtermos esta amostra dada por:
P ( X 1 = x1 X 2 = x 2 ... X n = x n )
Supondo que os valores da amostra so independentes entre si, a probabilidade da
interseco o produto das probabilidades:
P ( X 1 = x1 X 2 = x 2 ... X 3 = x 3 ) = P ( X 1 = x1 ) P ( X 2 = x 2 ) ... P ( X n = x n )
e x1 e x2 e xn
= ...
x1! x2 ! xn !
e n
= x1 + x2 +...+ xn
x1 ! x 2 ! ...x n !
Queremos maximizar esta probabilidade, que uma funo de . Como a funo
logartmica crescente, se maximizarmos a funo acima, tambm maximizamos seu
logaritmo.
Aplicando o logaritmo neperiano:
e n
ln x1 + x2 +...+ xn = n + ( x1 + x 2 + ... + x n ) ln( ) ln( x1! x 2 !... x n !)
x1 ! x 2 ! ...x n !
Para achar o valor de que maximiza esta funo, derivamos em relao a e igualamos
a zero.
1
n + ( x1 + x 2 + ... + x n ) =0
1
( x1 + x 2 + ... + x n ) =n
1
( x1 + x 2 + ... + x n ) =
n
Ou seja, o valor de que maximiza a probabilidade de obtermos uma dada amostra
(estimador de mxima verossimilhana) a mdia aritmtica da amostra.
Gabarito: D
[+0 [
Portanto:
$ = =
2 2
[ 0 [
- = =
12 12
[ 12
Como o maior valor amostral obtido 12, j sabemos que:
12
- mdia:
=6
2
12
- varincia:
= 12
12
Estes valores esto expressos na alternativa C.
Gabarito: C
Seja D/ um estimador obtido com base em uma amostra de tamanho . Seja \ o parmetro
D , D , , D/
- =
Se o denominador for aumentado at o infinito, a varincia vai para zero.
Resoluo
Item I.
Item correto.
A varincia deste estimador dada por:
- =
Item correto.
Item III.
Tomando cada Xi como varivel aleatria, o numerador, dado por
tambm ser uma varivel aleatria, com determinada mdia e com determinada varincia.
Para cada amostra diferente, teremos um valor diferente de
Item IV.
c
2
c 2
Dividindo as duas varincias:
=
onde a mdia aritmtica dos dados. Qual o significado estatstico correto dessa
expresso?
(A) Desvio padro no tendencioso da populao.
(B) Estimativa no tendenciosa do desvio padro da populao.
(C) Estimativa tendenciosa do desvio padro da populao.
(D) Varincia no tendenciosa da populao.
(E) Estimativa tendenciosa da varincia da populao
Questo 3 CGU 2008 [ESAF]
Qual o estimador de mxima verossimilhana da varincia de uma varivel X normalmente
distribuda obtido a partir de uma amostra aleatria simples X1, X2, X3, ..., Xn, desta varivel,
sendo m = X i / n o estimador de mxima verossimilhana da mdia?
a)
(X i m) 2
n 1
b)
(X i m) 2
n2
( X i m) 2
0, 5
c)
n 1
d) (X i m) 2
e)
(X i m) 2
n
Questo 4 SEFAZ SP 2009 [ESAF]
(Dados da questo anterior: 17, 12, 9, 23, 14, 6, 3, 18, 42, 25, 18, 12, 34, 5, 17, 20, 7, 8, 21,
13, 31, 24, 9.)
Considerando que as observaes apresentadas na questo anterior constituem uma
amostra aleatria simples X1, X2, ..., Xn de uma varivel aleatria X, determine o valor mais
prximo da varincia amostral, usando um estimador no tendencioso da varincia de X.
Considere que:
23
X
i =1
i = 388
23
X
i =1
i
2
= 8676
a) 96,85
b) 92,64
c) 94,45
d) 90,57
e) 98,73
Questo 5 BASA 2007 [CESPE]
Um programa de controle de qualidade foi implementado em uma agncia bancria. A cada
10 clientes que entram na fila para solicitar um certo tipo de servio S, um atendente
entrega um pequeno questionrio, que deve ser preenchido pelo cliente e devolvido ao
caixa do banco. Um dos quesitos monitorados diariamente a proporo de clientes que
esto satisfeitos com o atendimento de um modo geral. Em determinada semana, foram
observados os resultados mostrados na tabela a seguir.
Dia da semana 2 3 4 5 6
aleatrias de tamanho 25, quantas dessas amostras se espera que tenham mdia maior do
que 50?
(A) 37.
(B) 49.
(C) 53.
(D) 65.
(E) 77.
Questo 10 Ministrio da Sade/2007 [FCC]
Para responder questo seguinte, considere, dentre os dados abaixo, aqueles que julgar
apropriados. Se Z tem distribuio normal padro, ento:
P ( Z > 2) = 0,023 ; P (0 < Z < 1,6) = 0,445 ; P ( Z < 1) = 0,84 ; P (0 < Z < 2,33) = 0,49
Suponha que o peso de crianas de 10 anos, numa determinada populao, tenha
distribuio normal com mdia desconhecida e desvio padro 4 kg. A probabilidade de
que o peso mdio de uma amostra aleatria simples de 100 crianas, selecionadas desta
populao, difira por mais de 400 gramas de , aproximadamente, igual a:
a) 0,10
b) 0,16
c) 0,20
d) 0,27
e) 0,32
Questo 11 PETROBRAS 2010 [CESGRANRIO]
$ =
distribudas tal que
-DE = 10
E
Com
1
/
=
a) 10 2I J 0,993
(I) :
b) 10 2I J 0,9953
c) 10 2I J 0,993
d) 100 2I J 0,9953
e) 100 2I J 0,993
~15,2
seja,
Assinale
a) se apenas a afirmativa I estiver correta.
b) se apenas as afirmativas I e II estiverem corretas.
c) se apenas as afirmativas II e III estiverem corretas.
d) se apenas as afirmativas I e III estiverem corretas.
e) se todas as afirmativas estiverem corretas.
Questo 15 TRE SP 2012 [FCC]
Ateno: Para resolver questo, use, dentre as informaes dadas a seguir, as que julgar
apropriadas.
Se Z tem distribuio normal padro, ento:
P(Z < 1) = 0,84, P(Z < 1,28) = 0,90, P(Z < 2) = 0,977, P(Z < 2,88) = 0,998
O
Considere as variveis aleatrias Xi: N(10, 4), i = 1, 2, 3, 4, independentes. Seja
=
4
Nessas condies, o valor D tal que & > D = 0,9 igual a
a) 7,16.
b) 7,44.
c) 7,56.
d) 7,85.
e) 8,72.
Questo 16 TCU 2008 [CESPE]
Uma agncia de desenvolvimento urbano divulgou os dados apresentados na tabela a
seguir, acerca dos nmeros de imveis ofertados (X) e vendidos (Y) em determinado
municpio, nos anos de 2005 a 2007.
Com respeito ao texto, considere que cada imvel ofertado em determinado ano seja
classificado como vendido ou no-vendido, e, a um imvel e classificado como vendido seja
atribudo um valor Z = 1, e, ao imvel classificado como no-vendido, seja atribudo um
valor Z = 0. Supondo-se que as classificaes dos imveis como vendido ou no-vendido em
um dado ano possam ser consideradas como sendo realizaes de uma amostragem
aleatria simples, julgue os itens a seguir.
Considerando os dados de 2007, a estimativa da probabilidade P(Z = 1) igual a 0,35, e o
erro-padro dessa estimativa superior a 0,01 e inferior a 0,02.
Questo 17 TJ PAR 2009 [FCC]
Uma empresa tem um total de 200 cabos em estoque. Uma experincia com 64 deles,
selecionados ao acaso, apresentou uma tenso de ruptura mdia de 2.000 kg. Consideram-
se as tenses de ruptura dos cabos normalmente distribudas com desvio padro
populacional igual a 100 kg. Para um nvel de significncia na distribuio normal padro
(Z) a probabilidade P(Z > 1) = / 2 . A amplitude do intervalo de confiana de (1 ) para a
136
tenso de ruptura mdia (em kg), considerando k = :
199
(A) 12,5 k 1
(B) 20 k 1
(C) 12,5 k
(D) 20 k
(E) 25 k
2
desses n elementos tem varincia igual a , o valor de n dado por
28
(A) 5
(B) 10
(C) 14
(D) 25
(E) 28
(E) T1 ou T2 ou T3
Questo 23 INEP 2008 [CESGRANRIO]
Levando-se em conta as propriedades de um bom estimador, o melhor dentre os
estimadores propostos
(A) T1
(B) T2
(C) T3
(D) T4
(E) T5
Questo 24 PETROBRAS 2010 [CESGRANRIO]
Quando se lana uma certa moeda, a probabilidade de o resultado ser cara p. A moeda foi
lanada dez vezes, sucessivas e independentes, e o resultado foi de 2 caras e 8 coroas.
Tendo em vista este experimento, a estimativa de mxima verossimilhana de p
(A) 0.2
(B) 0.25
(C) 0.3
(D) 0.35
(E) 0.4
Questo 25 CAPES 2008 [CESGRANRIO]
Considere as asseres a seguir.
A mdia amostral sempre um estimador no viciado para a mdia de uma populao.
PORQUE
O erro padro do estimador no viciado para a mdia de uma populao maior do que a
varincia da populao.
Analisando-se as asseres, conclui-se que
(A) as duas asseres so verdadeiras, e a segunda uma justificativa correta da primeira.
(B) as duas asseres so verdadeiras, e a segunda no uma justificativa correta da
primeira.
(C) a primeira assero verdadeira, e a segunda falsa.
(D) a primeira assero falsa, e a segunda verdadeira.
(E) a primeira e a segunda asseres so falsas.
Questo 26 MP RO 2005 [CESGRANRIO]
Com base em uma amostra aleatria simples (X1, X2,..., Xn) de uma populao de mdia
conhecida , um estimador no viciado da varincia da populao :
( X 1 ) 2 + ( X 2 ) + ... + ( X n )
2 2
a)
n2
( X 1 ) 2 + ( X 2 ) + ... + ( X n )
2 2
b)
n 1
( X 1 ) 2 + ( X 2 ) + ... + ( X n )
2 2
c)
n
( X 1 ) 2 + ( X 2 ) + ... + ( X n )
2 2
d)
n +1
( X 1 ) 2 + ( X 2 ) + ... + ( X n )
2 2
e)
n+2
Questo 27 MPE PE/2006 [FCC]
Com relao teoria geral da amostragem, incorreto afirmar que:
a) Quanto menor o erro padro da estimativa, menor ser a confiabilidade e a preciso da
estimativa.
b) Em uma amostra por conglomerados a populao dividida em sub-populaes distintas.
c) A realizao de uma amostragem aleatria simples s possvel se o pesquisador possuir
uma lista completa de cada unidade amostral.
d) Um estimador considerado no viciado quando sua esperana igual ao valor
populacional que est sendo pesquisado.
e) Amostragem estratificada consiste na diviso de uma populao em grupos segundo
alguma caracterstica conhecida. Os estratos da populao devem ser mutuamente
exclusivos.
Questo 28 MPU 2007 [FCC]
Com relao teoria geral da amostragem, correto afirmar que:
a) na amostragem aleatria simples, a seleo das unidades amostrais s pode ser realizada
sem reposio.
b) a amostragem por conglomerados em geral mais eficiente e menos econmica quando
comparada com o mtodo de amostragem aleatria simples.
c) na amostragem estratificada, os estratos da populao no necessitam ser mutuamente
exclusivos.
d) o aumento do tamanho da amostra tem como conseqncia o aumento do erro padro
das estimativas
e) o vis ou vcio de um estimador de um parmetro a diferena entre o seu valor
esperado e o valor do parmetro.
Questo 29 CGU 2008. [ESAF]
Seja T um estimador de um parmetro de uma populao. Se E (T ) = , diz-se que T
um estimador de :
a) eficiente
b) no enviesado
c) consistente
d) de mnimos quadrados
e) de mxima verossimilhana
Questo 30 TRE PI 2009 [FCC]
Seja (X1, X2, X3) uma amostra aleatria simples de uma distribuio normal com mdia .
Foram obtidos 3 estimadores para :
X1 + X 2 + X 3
Y1 =
3
Y2 = 2 X 1 + X 2 3 X 3
Y3 = X1 + 2X 2 2X 3
Ento, APENAS
(A) Y1 no viesado.
(B) Y1 e Y3 so no viesados.
(C) Y1 e Y3 so viesados.
(D) Y1 e Y3 so viesados.
(E) Y2 e Y3 so viesados.
Questo 31 TRE SP 2012 [FCC]
Seja (X, Y, Z) uma amostra aleatria de tamanho 3 extrada, com reposio, de uma
?
populao normal de mdia diferente de zero. Dado que o estimador
$= + + U9
2 3
sendo U um parmetro real, para a mdia no viesado, ento o valor de U tal que
a) U 0,10.
b) 0,10 < U 0,20.
c) 0,20 < U 0,30.
d) 0,30 < U 0,40.
e) U > 0,40.
Questo 32 PETROBRAS 2005 [CESGRANRIO]
Com base em uma amostra aleatria ( x1 , x 2 ,..., x n ) o estimador de mxima verossimilhana
e x
do parmetro na distribuio de Poisson, P ( X = x ) = para x = 0,1,2,... a:
x!
(A) mdia quadrtica da amostra.
(B) mdia geomtrica da amostra.
8. GABARITO
1 b 13 b 25 c
2 c 14 d 26 c
3 e 15 e 27 a
4 a 16 certo 28 e
5 errado 17 e 29 b
6 e 18 d 30 b
7 e 19 b 31 b
8 b 20 e 32 d
9 c 21 b 33 c
10 e 22 e 34 e
11 e 23 b
12 e 24 a