Вы находитесь на странице: 1из 42

Aula 06

Estatstica p/ AFRFB 2014 (com videoaulas)


Professor: Jeronymo Marcondes

-
Estatstica p/ AFRFB
Teoria e exerccios comentados
Prof. Jeronymo Marcondes Aula 06

AULA 06 Inferncia e Estimao

SUMRIO PGINA
Introduo inferncia estatstica 2
Amostragem e estimador 2
Varincia de estimadores 9
Consistncia e distribuio amostral 13
Estimador de Mxima Verossimilhana 15
Lista de Exerccios resolvidos em aula 34
Gabarito 41

Bem vindos de volta!

O que vamos estudar nesta aula saber se nossa amostra traz evidncia de que
uma determinada hiptese seja verdadeira. Complicado? No no! Voc s vai ter
que se lembrar de alguns conceitos de nossa aula 00 e estudar um pouquinho sobre
inferncia primeiro.

Dica de um concurseiro

O que fazer alguns dias antes da prova? Essa pergunta


aflige todo concurseiro! Minha opinio? Reviso! No adianta
ficar enfiando um monte de coisa nova na cabea, melhor
consolidar o que voc j sabe. Devido tenso, ser muito
difcil estudar matria nova.

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 1 de 41

-
Estatstica p/ AFRFB
Teoria e exerccios comentados
Prof. Jeronymo Marcondes Aula 06

1. Introduo inferncia estatstica

1.1 Amostragem e estimador

Inferncia o processo atravs do qual uma pessoa tira concluses sobre a


populao com base em uma amostra. S para lembrar:

Populao = conjunto de todos os elementos que


possuem determinada caracterstica.

Amostra = parte no nula da populao, mas menor


do que esta ltima.

O exemplo mais clssico o da cozinheira que prova uma colher do seu preparo a
fim de determinar se o mesmo est muito salgado. Ora, a colher que ela
experimentou s uma parte de seu cozido, mas, com base nesta amostra, ela ir
inferir como est toda a panela.

Entendeu? Ela no precisa provar a panela toda para tirar suas concluses, ela ir
se basear somente em parte dela, isso inferncia! Na estatstica a mesma coisa,
muitas vezes no temos dados sobre toda uma populao, mas precisamos tirar
concluses a respeito da mesma, assim necessitaremos de inferncia estatstica.
Isso comum no dia a dia de um pesquisador!

A primeira pergunta que um pesquisador faria : como obter uma determinada


amostra? Ou seja, como realizar uma amostragem. Quando se realiza uma
pesquisa com todos os elementos de uma populao, chama-se a tal pesquisa de
Censo.

A amostragem pode ser realizada de duas formas diferentes:

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 2 de 41

-
Estatstica p/ AFRFB
Teoria e exerccios comentados
Prof. Jeronymo Marcondes Aula 06

Amostragem probabilstica: uma tcnica puramente cientfica com uma seleo


puramente aleatria, na qual podemos calcular a probabilidade de que um
determinado elemento v fazer parte da amostra.

Amostragem no probabilstica: Escolha deliberada de elementos da amostra,


dependendo de julgamento de valor. A ttulo de exemplo, podemos citar a
amostragem por cotas, a amostragem intencional e a amostragem por
convenincia.

Bom, a que nos interessa a amostragem probabilstica. H diversas formas de


obter uma amostra com base em uma extrao de elementos de uma populao.
Tais mtodos tm muitas particularidades e formalismos que vo alm do escopo
deste curso. Porm, precisamos saber alguns dos mtodos mais conhecidos em
amostragem. Vamos a eles!

Amostragem Aleatria Simples (AAS)

Este o tipo mais famoso de amostragem e o mais utilizado na demonstrao de


Teoremas. Neste tipo de amostragem, dada uma populao, todas as amostras
possveis de um determinado tamanho tm a mesma probabilidade de serem
obtidas.

No entendeu? Suponha que queiramos encontrar uma amostra de 10 elementos


de pessoas com o sobrenome SILVA da populao de pessoas residentes no
Brasil. Realizar uma AAS seria semelhante a escrever o nome completo de todas
essas pessoas em um papel e sortearmos 10 nomes deste total. Perceba que, neste
caso, todas as amostras tm a mesma chance de ocorrncia.

Uma AAS pode ser realizada com e sem reposio.

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 3 de 41

-
Estatstica p/ AFRFB
Teoria e exerccios comentados
Prof. Jeronymo Marcondes Aula 06

Amostragem Aleatria Estratificada (AAE)

Neste caso, a populao seria dividida em estratos, seguindo-se a aplicao de uma


AAS em cada um destes. Estes estratos seriam subconjuntos da populao
bastante semelhantes entre si.

Quer um exemplo? Suponha que tenhamos uma populao com a renda de


diversos indivduos em uma economia. Podemos dividir a populao em classe
baixa, classe mdia e classe alta. A partir da, aplicaramos uma AAS em cada
um destes estratos para obtermos nossa amostra. A ideia deste procedimento
diminuir a varincia dentro das amostras para cada estrato.

Ateno, a amostra de cada estrato ser proporcional ao tamanho de cada uma de


suas populaes no caso de uma AAE proporcional. Porm, este no o nico tipo
de AAE, pois poderamos ter o caso de uma AAE uniforme, na qual as amostra de
cada estrato tenham o mesmo tamanho.

Amostragem Aleatria por Conglomerado

Agora, vamos tratar de um caso muito parecido com o anterior. Neste caso, a AAS
ser aplicada sobre os subgrupos e no mais sobre os indivduos da
populao.

Por exemplo, suponha que h diversos bairros em uma cidade com variabilidade
interna significativa, mas bastante semelhantes entre si. Neste caso, sortearamos
alguns destes bairros como amostras da populao total. Voc est realizando a
amostragem sobre conglomerados, entende?

Amostragem Sistemtica

Nessa tcnica supe-se que temos uma listagem das unidades populacionais. Para
um valor fixado, sorteamos um elemento entre os primeiros da listagem. Depois
observamos, sistematicamente, indivduos separados por unidades. Por exemplo,

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 4 de 41

-
Estatstica p/ AFRFB
Teoria e exerccios comentados
Prof. Jeronymo Marcondes Aula 06
se e sorteamos o oitavo elemento, observamos depois o dcimo oitavo, o
vigsimo oitavo, etc.

-Tudo bem professor, mas o que fazer com esta amostra?

Um exemplo bacana seria se estivssemos analisando a altura mdia de uma


populao com base em uma amostra. O que estamos fazendo avaliar uma
estimativa de um parmetro populacional.

No entendeu? Veja, se ns tivssemos toda a populao de elementos e


quisssemos calcular a mdia seria fcil, pois bastaria somar todas estas
observaes e dividir pelo total:

Sendo ( ) o somatrio de todos os elementos da populao ( ). No caso, a mdia


seria um parmetro populacional, no nosso exemplo, chamado de .

Porm, raramente isso ocorre, pois quase nunca temos toda a populao, mas
somente uma amostra. Nesse caso, a mdia calculada com base na amostra seria
um estimador do parmetro populacional. Assim:

Sendo ( ) o tamanho da amostra e o chapu sobre ( ) um indicativo de que


estaramos trabalhando com um estimador do parmetro populacional
correspondente.

-Entendi professor, o estimador do parmetro populacional seria equivalente


ao clculo da estatstica populacional, mas aplicada amostra.

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 5 de 41

-
Estatstica p/ AFRFB
Teoria e exerccios comentados
Prof. Jeronymo Marcondes Aula 06

Isso est aproximadamente correto, mas nem sempre a mesma frmula que
utilizamos para o clculo de uma estatstica na populao a que devemos usar na
amostra. Isso deriva do fato de que o estimador que iremos utilizar na amostra deve
ser no viesado.

Se eu digo para vocs que um estimador no viesado, eu estou dizendo que, na


mdia, ele acerta, ou seja, d o valor real do parmetro. Ou seja:

Sendo o operador esperana.

Esperana matemtica um conceito intimamente relacionado com a mdia


aritmtica. No caso, para um dado conjunto de valores ( ) que vai de a ,
sua esperana dada por:

Sendo a frequncia relativa de .

Percebeu? A aplicao do operador esperana a uma srie de dados nos


diz, em termos bem simples, a mdia do que pode acontecer com esta
varivel.

Entendeu? A esperana do estimador de um parmetro populacional igual ao seu


valor real. O que voc quer que sua estimativa esteja certa, na mdia!

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 6 de 41

-
Estatstica p/ AFRFB
Teoria e exerccios comentados
Prof. Jeronymo Marcondes Aula 06

Vou ressaltar uma coisa que confunde muita gente. Voc


consegue perceber que se voc realizar o experimento de clculo da mdia
amostral para diferentes amostras dentro de uma populao, voc ter estimativas
diferentes? Olhe, os valores que estaro contidos em sua amostra provavelmente
sero diferentes para cada vez que voc realizar uma amostragem diferente,
mesmo sabendo que estes valores pertencem mesma populao. Ento, com
certeza, sua mdia amostral ser diferente. O que voc quer que, na mdia destas
estatsticas calculadas, voc acerte o valor populacional. Ou seja, a mdia
amostral pode ser considerada como uma varivel aleatria. Esta varivel,
como um estimador no viesado da mdia populacional, significa que a
mdia das mdias amostrais igual mdia populacional.

Pode-se provar que:

Ou seja, a esperana do estimador da mdia amostral igual mdia populacional.


(vamos mostrar isso no exerccio 18)

Portanto, se um exerccio de concurso te pedir a mdia de


uma determinada amostra, basta calcular a mdia como sempre fizemos para a
populao ( ), pois este um estimador no viesado para a mdia populacional.

Outra estatstica que comumente cobrada em concursos a varincia (por


consequncia, o desvio padro tambm).

S que agora o buraco mais embaixo! A estatstica que aprendemos para calcular
a varincia de uma populao dada por:

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 7 de 41

-
Estatstica p/ AFRFB
Teoria e exerccios comentados
Prof. Jeronymo Marcondes Aula 06

E, por consequncia:

Entretanto, pode-se provar que:

E:

-Isso quer dizer que aquela frmula no nos d uma estatstica no viesada
quando aplicada amostra?

Precisamente!

Olha pessoal, no vou ficar fazendo demonstrao de cada uma destas afirmaes
porque isso no importante para seu concurso! Se vocs quiserem saber como se
faz, a ttulo de curiosidade, eu indico bibliografias para vocs.

Voltando ao problema em questo, a nossa estatstica para clculo da varincia


populacional (bem como no caso do desvio padro) gera um estimador viesado
para a varincia amostral.

Assim, pode-se provar que, para obtermos estimadores no viesados para a


varincia e desvio padro amostrais, devemos nos utilizar das seguintes
estatsticas:

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 8 de 41

-
Estatstica p/ AFRFB
Teoria e exerccios comentados
Prof. Jeronymo Marcondes Aula 06

-A nica diferena que o denominador deixa de ser ( ) e passa a ser (


)?

Exato!

Portanto, se um exerccio de concurso te pedir a varincia


ou desvio padro de uma determinada amostra, calcule o numerador como sempre,
mas divida este valor por ( )!

Apesar de estas no serem as nicas estatsticas que podem ser avaliadas em


termos da comparao parmetro\estimador, para fins de concurso, estas so as
mais cobradas.

1.2 Varincia de estimadores

-Como assim, varincia de um estimador?

Pense comigo, no basta que um estimador acerte na mdia, mas tambm


desejvel que os seus resultados apresentem baixa varincia ao redor do valor
populacional que se esta tentando estimar.

Veja um exemplo grfico:

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 9 de 41

-
Estatstica p/ AFRFB
Teoria e exerccios comentados
Prof. Jeronymo Marcondes Aula 06

Os pontinhos vermelhos seriam estimativas do valor populacional, pontinho preto,


para dois estimadores diferentes.

Perceba que o segundo grfico tem alguns valores que praticamente acertam o
valor populacional, mas o mesmo apresenta grande variabilidade. Ou seja, o
segundo estimador tem maior varincia.

O ideal seria que nosso estimador no viesado tivesse a menor varincia dentre
todos os estimadores no viesados. Este o conceito de estimador
absolutamente eficiente.

Estimador absolutamente eficiente aquele que no


viesado e que apresenta a menor varincia dentre
todos os estimadores no viesados possveis para um
determinado parmetro populacional.

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 10 de 41

-
Estatstica p/ AFRFB
Teoria e exerccios comentados
Prof. Jeronymo Marcondes Aula 06

Veja, no precisamos abordar necessariamente o conceito de eficincia absoluta.


Suponha dois estimadores no viesados para um determinado parmetro, a saber,
e , dito mais eficiente que se:

Entendeu? Isso muito importante na hora de decidirmos qual estimador usar. Voc
no precisa conhecer a varincia de todos os tipos de estimadores possveis (at
porque so infinitos), mas esta uma forma importante de avaliarmos o quanto um
estimador bom. Podemos comparar a eficincia de alguns estimadores no
viesados por meio de anlise de suas varincias.

Um ponto importante! Como foi dito, vocs no precisam conhecer as propriedades


de uma infinidade de estimadores, podendo compar-los no caso concreto diante de
vocs. Entretanto, h um estimador importante em termos de prova: o estimador
da mdia amostral. Com base neste estimador, vocs vo ver, podemos chegar a
vrias concluses importantes que podem ser estendidas a qualquer distribuio
de probabilidade.

Ento, vamos aprofundar nosso estudo sobre o estimador da mdia amostral. Pode-
se provar que:

Sendo o tamanho da amostra.

Ou seja, o a varincia do estimador da mdia amostral dado pela varincia


populacional dividida pelo tamanho da amostra.

Se voc s tiver a varincia amostral, substitua por este valor, essa


estatstica chamada de erro padro.

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 11 de 41

-
Estatstica p/ AFRFB
Teoria e exerccios comentados
Prof. Jeronymo Marcondes Aula 06

Ento, voc consegue perceber que, conforme a amostra aumenta ( aumenta de


valor), o valor da varincia da mdia amostral tende para zero! Claro, pois, neste
caso, a mdia amostral ir coincidir com a mdia populacional.

Bom, a pergunta natural seria: ento o estimador um estimador eficiente?

No possvel responder isso a no ser se comparamos a varincia deste ltimo


com a varincia de todos os estimadores no viesados possveis da mdia
populacional. Pode-se demonstrar, entretanto, que, quando a varivel para a qual
est sendo calculada a mdia seguir uma distribuio normal, a mdia amostral
um estimador eficiente da mdia populacional.

Porm, se quisermos comparar este estimador com qualquer outro estimador


possvel, viesado ou no, podemos faz-lo por meio do conceito de erro quadrtico
mdio ( ). Para o caso do estimador , o seu erro quadrtico mdio seria dado
por:

Perceba que o primeiro membro a varincia do estimador e o segundo a


diferena entre seu valor esperado e o seu valor populacional, que conhecida
como o valor do vis do estimador (o valor do vis considerado ao quadrado,
pois o vis pode ser negativo, assim, com este ajuste, seria possvel comparar
o vis de estimadores com tendncia para cima e para baixo).

Isso intuitivo, pois quanto menor o valor combinado da varincia e do vis de um


estimador, mais eficiente ele ser.

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 12 de 41

-
Estatstica p/ AFRFB
Teoria e exerccios comentados
Prof. Jeronymo Marcondes Aula 06

1.3 Consistncia e distribuio amostral

Muitas vezes no conseguiremos encontrar estimadores que tenham propriedades


desejveis, tais como eficincia e inexistncia de vis. Porm, muitos deles
apresentam propriedades assintticas desejveis.

-O que isso?

Em termos bem simples, trata-se do comportamento do estimador conforme a


amostra tende para o infinito.

Um estimador assintoticamente no viesado aquele que, conforme a amostra


tende ao infinito, o vis tende a zero. Este tipo de estimador dito com propriedades
desejveis em grandes amostras!

Veja, em termos bem simples, conforme a sua amostra aproxima-se do


tamanho da populao, o estimador teria o seu vis diminudo at chegar a
zero.

fcil perceber que o nosso estimador assintoticamente no viesado, pois ele


no viesado! Entretanto, a recproca no verdadeira, pois h vrios estimadores
que so viesados e assintoticamente no viesados. Assim:

Para quem no da rea de exatas, o que esta simbologia est dizendo que, no
limite, quando a amostra tende ao infinito ( ), a esperana da mdia amostral
igual mdia populacional.

O mesmo raciocnio pode ser estendido para o caso da varincia do estimador.


Podemos avaliar como seria o comportamento assinttico da varincia de um
estimador, isso , como se d sua varincia conforme sua amostra cresce.

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 13 de 41

-
Estatstica p/ AFRFB
Teoria e exerccios comentados
Prof. Jeronymo Marcondes Aula 06

Com base neste conceito, define-se um estimador consistente como aquele em


que:

Essa uma propriedade desejvel de um estimador em grandes amostras. Veja, o


estimador da mdia amostral consistente, pois:

Isso verdade, pois, conforme o tamanho da amostra vai aumentando, a varincia


deste estimador tende a zero (o denominador, , fica com valor muito grande).

O que tambm interessante avaliar como o comportamento da distribuio


amostral do estimador conforme a amostra aumenta de tamanho.

Um teorema importante que trata sobre o nosso caso concreto da mdia amostral
define que, dada uma varivel , possvel demonstrar que a sua mdia amostral,
, assumir uma distribuio normal conforme a amostra aumenta. Este o famoso
Teorema do Limite Central (TLC).

Teorema do Limite Central: Para uma amostra aleatria


simples ( ), retirada de uma populao com mdia e
varincia finita, a distribuio da mdia amostral ( )
aproxima-se, para grande, de uma distribuio normal, com

mdia e varincia . Se a varivel tiver distribuio normal,

ter distribuio exata normal!

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 14 de 41

-
Estatstica p/ AFRFB
Teoria e exerccios comentados
Prof. Jeronymo Marcondes Aula 06

O que isso est dizendo que, conforme a amostra aumenta, a distribuio da


mdia amostral converge para uma distribuio normal! Percebe a importncia
disso? A distribuio normal uma antiga conhecida nossa e ns sabemos muita
coisa sobre ela (j aprendemos algumas em aulas anteriores e iremos aprender
ainda mais em aulas futuras). Isso muito til em vrias ocasies, pois como
sabemos do TLC, podemos nos basear nisso para entendermos o comportamento
assinttico da mdia amostral de qualquer varivel!

Bom, chega de um papo to terico, vamos estudar alguns estimadores


importantes! O principal o Estimador de Mnimos Quadrados Ordinrios
(MQO), mas ele to importante que teremos uma aula inteiramente dedicada
a ele Correlao e Regresso. A estimao por intervalo ser dada na aula
de Intervalo de Confiana e Testes de Hipteses. Nesta aula, vamos
conhecer o estimador de Mxima Verossimilhana.

2. Estimador de Mxima Verossimilhana

Este um assunto muito pouco cobrado em provas, exceto no caso do concurso do


IPEA, que mais especfico. Alm disso, bem difcil! Porm, vai saber, se cair
voc estar pronto.

Antes de comearmos, preciso ensinar mais uma coisinha sobre clculo diferencial.

OBS. Conceito de derivada ponto extremo

Bom, o porqu de tudo isso ensinar a vocs como encontrar o ponto mximo ou
mnimo de uma funo, isso , um ponto extremo.1

Como voc encontra um ponto extremo de uma funo? Simples! Derive a funo
(voc j aprendeu) e iguale a zero. Por exemplo, suponha a funo:

1
Para quem entende de matemtica, saiba que estamos tratando de pontos extremos locais e no
globais. s uma introduo mesmo.

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 15 de 41

-
Estatstica p/ AFRFB
Teoria e exerccios comentados
Prof. Jeronymo Marcondes Aula 06

Neste caso, fcil chegar derivada ( s derivar cada membro


separadamente):

Agora, s igualar a zero e resolver em funo de :

Assim, este ponto o extremo local da funo, ou seja, um ponto de mnimo ou


mximo. Pode-se provar que se trata de um ponto de mnimo, mas no precisam
se preocupar, pois, na prova de Estatstica, o ponto extremo sempre ser o
que o enunciado pede. Daqui a pouco vocs vo entender.

Alm disso, h outras formas mais complexas de derivada, mas a nica


necessria, isso se for necessria, ser esta. Chega disso, vamos voltar ao
estimador de mxima verossimilhana!

Retornando.

Gente, o estimador de Mxima Verossimilhana (MLE) aquele que maximiza a


probabilidade de que os valores obtidos de uma amostra sigam, de fato, uma
determinada distribuio de probabilidade.

Hora de lembrar-se das aulas de Estatstica! Lembrem-se das funes densidade de


probabilidade, tais como a distribuio normal, a binomial, etc.

Ento, como funciona? Voc tem uma amostra de valores obtidos de uma
populao que, por hiptese, voc conhece a distribuio de probabilidade (ou pelo
menos supe que seja desta forma). Com base nestas informaes, o estimador
MLE ir lhe fornecer os parmetros desta distribuio de probabilidade que
maximizam a chance de que esta amostra realmente siga esta distribuio!

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 16 de 41

-
Estatstica p/ AFRFB
Teoria e exerccios comentados
Prof. Jeronymo Marcondes Aula 06

Isso feito pela maximizao da funo de verossimilhana. Suponha que uma


amostra seja dada por:

Assim, a funo de verossimilhana (FV) ser dada por:

Ou seja, a FV busca estimar o valor do parmetro (ou parmetros, j que pode ser
mais de um) em funo dos valores da amostra. E qual o formato da funo ? A
que entra o conhecimento que voc deve ter da distribuio de probabilidade que
a amostra segue, esta determinar a forma desta funo!

Fica difcil visualizar sem um exemplo. Vamos supor que uma amostra (
) siga uma distribuio normal, com mdia e varincia desconhecidas.
Vamos determinar os estimadores MLE para a mdia e varincia desta amostra.

Olha, a mdia ( ) e a varincia ( ) so os parmetros que compem a forma


funcional desta distribuio, dada por:

Como resolver? Primeira coisa, tire o logaritmo da funo:

Rearranjando a expresso:

Pronto! Agora mais fcil resolver.

-Resolver o que, professor? No estou entendendo!

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 17 de 41

-
Estatstica p/ AFRFB
Teoria e exerccios comentados
Prof. Jeronymo Marcondes Aula 06

assim, lembram-se do conceito de derivada? E de como este instrumento permite


que voc encontre um ponto mximo, ou seja, que maximize uma funo?

isso a! Voc tem uma amostra e uma funo de distribuio, no nosso


exemplo a Normal. O que ns vamos fazer , para dados valores de , vamos
encontrar os valores de mdia e varincia que maximizam a probabilidade que
tal amostra siga esta distribuio! Como se faz isso? Derive em funo dos
parmetros e iguale o resultado a zero! No se preocupe, voc no precisa
saber se o ponto de mximo ou mnimo, a banca far a questo de forma a
sempre ser um ponto extremo de mximo local!

Esta derivao um pouco mais complicada, pois exige um conhecimento de


derivada maior do que o j ensinado. Porm, isso no ser cobrado, portanto, no
mostrado! Mas, pode-se demonstrar que, ao maximizar a funo nos parmetros
mdia e varincia, encontraremos:

O conceito de mdia amostral Ou seja, o estimador da mdia de uma distribuio


normal a prpria mdia amostral.

E a varincia?

Opa! Mas, este no o estimador de varincia amostral j conhecido por vocs da


aula de Estatstica. O denominador deve ser , caso contrrio o mesmo ser
viesado! Portanto, o estimador MLE para a varincia viesado!

Viram? O estimador MLE nem sempre no viesado! Mas, o mesmo tem


propriedades teis, como:

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 18 de 41

-
Estatstica p/ AFRFB
Teoria e exerccios comentados
Prof. Jeronymo Marcondes Aula 06

1) consistente
2) Sua distribuio converge para a normal conforme a amostra tende ao
infinito (assintoticamente normal)
3) O estimador tende a ser eficiente conforme a amostra tende ao infinito
(assintoticamente eficiente)

-Professor, mas porque voc ensinou os conceitos bsicos de derivada se no


to simples aplic-los no caso do exemplo que voc mostrou?

Boa! Pelo seguinte, vai saber o que d na cabea da banca! praticamente


impossvel que eles peam que vocs derivem uma funo normal convencional.
Mas, de repente, eles j te do uma verso simplificada, que permite o clculo dos
parmetros maximizadores da funo de forma simples. Foi s para prevenir
mesmo. No precisa se preocupar muito com isso!

S para finalizarmos, como seria o estimador MLE para a probabilidade de sucesso


de um evento em uma distribuio binomial.

Lembram-se da distribuio binomial? aquela em que h dois eventos possveis,


um considerado sucesso, com probabilidade , e outro, mutuamente exclusivo,
considerado fracasso, com probabilidade .

Ento suponha que em uma amostra com elementos, apresentam o atributo


sucesso. Voc consegue adivinhar qual o estimador MLE para ?

Ou seja, a prpria proporo deste elemento na amostra como um todo, tal como
no caso da mdia!

Simples no? claro que no! Esta aula muito complexa. Faa um favor a
voc, releia o contedo mais de uma vez! Vamos aos exerccios.

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 19 de 41

-
Estatstica p/ AFRFB
Teoria e exerccios comentados
Prof. Jeronymo Marcondes Aula 06

Exerccio 1

(ATRFB 2013/ESAF) A varincia da amostra formada pelos valores 2, 3, 1, 4,


5 e 3 igual a
a) 3.
b) 2.
c) 1.
d) 4.
e) 5.

Resoluo

Ora, veja que o exerccio fala em amostra! Portanto, nosso estimador :

A mdia do processo de:

plicando:

Alternativa (b).

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 20 de 41

-
Estatstica p/ AFRFB
Teoria e exerccios comentados
Prof. Jeronymo Marcondes Aula 06

Exerccio 2

(PETROBRS 2010/CESGRANRIO) Em um conjunto de N elementos


extrados de uma populao, foi utilizada o seguinte estimador para avaliar a
disperso:

Onde a mdia aritmtica dos dados. Qual o significado desta expresso?

a) Desvio padro no tendencioso da populao


b) Estimativa no tendenciosa do desvio padro populacional
c) Estimativa tendenciosa do desvio padro populacional
d) Estimativa tendenciosa da varincia populacional
e) Estimativa no tendenciosa da varincia populacional

Resoluo

Ora pessoal, esta frmula um estimador tendencioso do desvio padro


populacional, tal como vimos na aula.

Alternativa (c).

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 21 de 41

-
Estatstica p/ AFRFB
Teoria e exerccios comentados
Prof. Jeronymo Marcondes Aula 06

Exerccio 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, 2, ...,Xn, desta varivel, sendo m = i Xi / n o estimador de
mxima verossimilhana da mdia?

a) i (Xi - m)2 /(n-1)


b) i (Xi - m)2 /(n-2)
c) [ i (Xi - m)2 /(n-1)] 0,5
d) i (Xi - m)2 . i (Xi - m)2
e) i (Xi - m)2 /n

Resoluo

Ns j estudamos isso, o estimador de Mxima Verossimilhana para a varincia


o valor viesado da varincia:

Alternativa (e).

(SEFAZ\RJ FGV/2010 - alterada) Com base em uma varivel ( ) que segue


uma distribuio normal de mdia 15 e desvio padro ( ) 2, com uma amostra
de 36 elementos, julgue as afirmativas.

Exerccio 4

Dado que normal, sua mdia aritmtica tambm .

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 22 de 41

-
Estatstica p/ AFRFB
Teoria e exerccios comentados
Prof. Jeronymo Marcondes Aula 06

Resoluo

Quando uma varivel tem distribuio normal, sua mdia aritmtica tem distribuio
exata normal. Alternativa correta.

Exerccio 5

A mdia amostral um estimador tendencioso da mdia populacional.

Resoluo

Errada. A mdia amostral, conforme ns vimo, um estimador no tendencioso da


mdia populacional.

Exerccio 6

A mdia aritmtica de tem desvio padro de 1/3.

Resoluo

Ns j conhecemos o estimador no tendencioso para a varincia da mdia


amostral, que dado por:

Portanto:

Substituindo os valores:

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 23 de 41

-
Estatstica p/ AFRFB
Teoria e exerccios comentados
Prof. Jeronymo Marcondes Aula 06

Alternativa verdadeira.

Exerccio 7

(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
b0,25
c)0,3
d)0,35
e) 0,4

Resoluo

A proporo amostral um estimador de verossimilhana da proporo


populacional, assim:

Alternativa (a).

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 24 de 41

-
Estatstica p/ AFRFB
Teoria e exerccios comentados
Prof. Jeronymo Marcondes Aula 06

Exerccio 8

(CGU 2008/ESAF) Seja um estimador do parmetro de uma populao.


Se , diz-se que um estimador:

a) Eficiente
b) No viesado
c) Consistente
d) De Mnimos Quadrados
e) De Mxima Verossimilhana

Resoluo

Outra questo tranquila, se o estimador acerta na mdia, ele no viesado.

Alternativa (b).

(ANPEC 2010) Julgue as afirmativas.

Exerccio 9

Considere dois estimadores no tendenciosos, e de um parmetro ,


dito eficiente relativamente a se

Resoluo

Alternativa correta, pois, dado que ambos so no tendenciosos, o que tiver menor
varincia ser mais eficiente.

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 25 de 41

-
Estatstica p/ AFRFB
Teoria e exerccios comentados
Prof. Jeronymo Marcondes Aula 06

Exerccio 10

Um estimador um estimador consistente de se converge para


conforme a amostra tende ao infinito.

Resoluo

Perfeito! Esta a prpria definio de estimador consistente.

Alternativa verdadeira.

Exerccio 11

Um estimador um estimador consistente de se, e somente se, for no


viesado.

Resoluo

Como ns vimos na aula, um estimador no viesado consistente, mas a recproca


no verdadeira.

Alternativa falsa.

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 26 de 41

-
Estatstica p/ AFRFB
Teoria e exerccios comentados
Prof. Jeronymo Marcondes Aula 06

Exerccio 12

(CEB 2009/UNIVERSA) Para saber as condies dos animais de uma


fazenda, ser realizada uma pesquisa por amostragem estratificada, a partir de
uma amostra de 15 animais. A tabela seguinte apresenta o efetivo de animais
desta fazenda:

Animal Efetivo
Asininos 80
Bovinos 300
Caprinos 120
Equinos 150
Sunos 250

A quantidade de bovinos e sunos a serem utilizados na pesquisa so:


a) 5
b) 6
c) 7
d) 8
e) 9

Resoluo

A questo no disse se trata-se de uma amostragem proporcional ou uniforme.


Quando for assim, use proporcional!

Do total de 900 animais, 550 so bovinos ou sunos, portanto:

Assim, aplicando tal proporcionalidade aos 15 animais da pesquisa:

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 27 de 41

-
Estatstica p/ AFRFB
Teoria e exerccios comentados
Prof. Jeronymo Marcondes Aula 06

Aproximadamente 9.

Alternativa (e).

Exerccio 13

(TRT 3 regio 2009/FCC) O objetivo de uma pesquisa era o de se obter,


relativamente aos moradores de um bairro, informaes sobre duas variveis:
nvel educacional e renda familiar. Para cumprir tal objetivo, todos os
moradores foram entrevistados e argudos quanto ao nvel educacional, e,
dentre todos os domiclios do bairro, foram selecionados aleatoriamente 300
moradores para informar a renda familiar. As abordagens utilizadas para as
variveis nvel educacional e renda familiar foram, respectivamente,

a) censo e amostragem por conglomerados.

b) amostragem aleatria e amostragem sistemtica.

c) censo e amostragem aleatria simples.

d) amostragem estratificada e amostragem sistemtica.

e) amostragem sistemtica e amostragem em dois estgios.

Resoluo

Questo puramente terica. Na primeira foram entrevistados todos os moradores do


bairro, portanto um Censo. No segundo caso, foram escolhidos tais indivduos de
forma aleatria, portanto uma AAS.

Alternativa (c).

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 28 de 41

-
Estatstica p/ AFRFB
Teoria e exerccios comentados
Prof. Jeronymo Marcondes Aula 06

(SEDUC-AM 2011\CESPE)

Turma Mdia Aritmtica Varincia Amostral


A 7,2 4
B 6,8 3,6

Um estudo foi realizado em determinada escola para se avaliar o efeito, no


desempenho dos estudantes, do uso de computadores em sala de aula. Para
esse estudo, foram selecionados aleatoriamente 60 alunos de determinado
ano escolar, separando-os em duas turmas A e B, cada uma com 30 alunos.
Ao longo de um semestre letivo, um mtodo de ensino com auxlio de
computadores foi aplicado na turma A, enquanto, nesse mesmo perodo, outro
mtodo sem auxlio de computadores foi aplicado na turma B. Ao final desse
semestre, o mesmo teste foi aplicado para os 60 alunos participantes desse
estudo. O quadro acima mostra algumas estatsticas acerca das notas obtidas
pelos alunos de ambas as turmas.

Considerando essas informaes, acerca de probabilidade, inferncia e


amostragem, julgue os itens a seguir.

Exerccio 14

A varincia amostral das notas da turma B utilizou um denominador igual a 29.

Resoluo

Alternativa correta. Pois, o nmero de elementos de cada uma das turmas de 30


alunos, assim, o denominador da varincia amostral ( ) igual 29.

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 29 de 41

-
Estatstica p/ AFRFB
Teoria e exerccios comentados
Prof. Jeronymo Marcondes Aula 06

Exerccio 15

Considerando que as notas da turma A esto ordenadas da menor nota para a


maior nota, ento a mediana dessas notas ocupa a 15. posio nesse rol de
dados ordenados.

Resoluo

Alternativa errada. Como h um nmero par de elementos em cada uma das turmas
(30 alunos), a mediana ser uma mdia aritmtica entre a 15 e 16 nota.

Exerccio 16

Os alunos da turma B apresentaram desempenho mais homogneo que os


alunos da turma A, pois a varincia amostral da turma B foi inferior a 4,0.

Resoluo

Alternativa errada. Tal como vimos na aula 01, nestes casos til usarmos o
conceito de coeficiente de variao, pois a varincia afetada pelos valores
absolutos dos dados analisados. Com base no coeficiente de variao a sim
poderamos usar o valor do desvio padro para afirmar que uma turma tem notas
mais homogneas do que a outra.

Exerccio 17

O erro padro da mdia das notas dos alunos da turma A foi superior a 0,40.

Resoluo

Bom pessoal, vocs conhecem o estimador do desvio padro da mdia amostral ( ):

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 30 de 41

-
Estatstica p/ AFRFB
Teoria e exerccios comentados
Prof. Jeronymo Marcondes Aula 06

Quando voc ouvir erro padro, pense em desvio padro. A diferena que
erro padro o caso no qual no temos o valor do desvio padro
populacional, assim, usamos o desvio padro amostral. Assim:

Alternativa errada.

Bom, vamos pegar mais pesado? Vamos estudar um


pouquinho como se acha a esperana de um determinado estimador, pois a
poderemos provar se um determinado ou no viesado. Isso no costuma
cair em provas que no so mais especficas, mas vale a pena saber por cima.
Acompanhem a questo seguinte comigo.

(ANPEC 2003) Julgue as afirmativas

Exerccio 18

A mdia aritmtica um estimador viesado da mdia populacional.

Resoluo

Bom, para provarmos isso precisamos conhecer a seguinte propriedade:

Ento, vamos ver a nossa frmula de mdia aritmtica amostral para estimarmos
uma mdia populacional ( ):

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 31 de 41

-
Estatstica p/ AFRFB
Teoria e exerccios comentados
Prof. Jeronymo Marcondes Aula 06

Vamos tirar a esperana desta frmula:

O valor constante, portanto sua esperana igual ao seu prprio valor. Portanto,
vamos tir-lo do parntese e aplicar nossa propriedade:

Qual a esperana de cada observao ? Ora, a prpria mdia do processo!


Assim:

Ou seja, a mdia amostral um estimador no viesado da mdia populacional.


Alternativa errada.

Exerccio 19

Um estimador dito no tendencioso se a sua varincia igual varincia do


parmetro estimado.

Resoluo

Alternativa errada. Um estimador dito no tendencioso, que a mesma coisa que


no viesado, se sua mdia for igual ao parmetro populacional.

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 32 de 41

-
Estatstica p/ AFRFB
Teoria e exerccios comentados
Prof. Jeronymo Marcondes Aula 06

Exerccio 20

Um estimador consistente pode no ser eficiente.

Resoluo

Alternativa verdadeira. Pois, este pode no apresentar a menor varincia possvel


na classe de estimadores que est sendo comparado.

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 33 de 41

-
Estatstica p/ AFRFB
Teoria e exerccios comentados
Prof. Jeronymo Marcondes Aula 06

Lista de exerccios resolvidos

Exerccio 1

(ATRFB 2013/ESAF) A varincia da amostra formada pelos valores 2, 3, 1, 4,


5 e 3 igual a
a) 3.
b) 2.
c) 1.
d) 4.
e) 5.

Exerccio 2

(PETROBRS 2010/CESGRANRIO) Em um conjunto de N elementos


extrados de uma populao, foi utilizada o seguinte estimador para avaliar a
disperso:

Onde a mdia aritmtica dos dados. Qual o significado desta expresso?

a) Desvio padro no tendencioso da populao


b) Estimativa no tendenciosa do desvio padro populacional
c) Estimativa tendenciosa do desvio padro populacional
d) Estimativa tendenciosa da varincia populacional
e) Estimativa no tendenciosa da varincia populacional

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 34 de 41

-
Estatstica p/ AFRFB
Teoria e exerccios comentados
Prof. Jeronymo Marcondes Aula 06

Exerccio 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, 2, ...,Xn, desta varivel, sendo m = i Xi / n o estimador de
mxima verossimilhana da mdia?

a) i (Xi - m)2 /(n-1)


b) i (Xi - m)2 /(n-2)
c) [ i (Xi - m)2 /(n-1)] 0,5
d) i (Xi - m)2 . i (Xi - m)2
e) i (Xi - m)2 /n

(SEFAZ\RJ FGV/2010 - alterada) Com base em uma varivel ( ) que segue


uma distribuio normal de mdia 15 e desvio padro ( ) 2, com uma amostra
de 36 elementos, julgue as afirmativas.

Exerccio 4

Dado que normal, sua mdia aritmtica tambm .

Exerccio 5

A mdia amostral um estimador tendencioso da mdia populacional.

Exerccio 6

A mdia aritmtica de tem desvio padro de 1/3.

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 35 de 41

-
Estatstica p/ AFRFB
Teoria e exerccios comentados
Prof. Jeronymo Marcondes Aula 06

Exerccio 7

(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
b0,25
c)0,3
d)0,35
e) 0,4

Exerccio 8

(CGU 2008/ESAF) Seja um estimador do parmetro de uma populao.


Se , diz-se que um estimador:

a) Eficiente
b) No viesado
c) Consistente
d) De Mnimos Quadrados
e) De Mxima Verossimilhana

(ANPEC 2010) Julgue as afirmativas.

Exerccio 9

Considere dois estimadores no tendenciosos, e de um parmetro ,


dito eficiente relativamente a se

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 36 de 41

-
Estatstica p/ AFRFB
Teoria e exerccios comentados
Prof. Jeronymo Marcondes Aula 06

Exerccio 10

Um estimador um estimador consistente de se converge para


conforme a amostra tende ao infinito.

Exerccio 11

Um estimador um estimador consistente de se, e somente se, for no


viesado.

Exerccio 12

(CEB 2009/UNIVERSA) Para saber as condies dos animais de uma


fazenda, ser realizada uma pesquisa por amostragem estratificada, a partir de
uma amostra de 15 animais. A tabela seguinte apresenta o efetivo de animais
desta fazenda:

Animal Efetivo
Asininos 80
Bovinos 300
Caprinos 120
Equinos 150
Sunos 250

A quantidade de bovinos e sunos a serem utilizados na pesquisa so:


a) 5
b) 6
c) 7
d) 8
e) 9

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 37 de 41

-
Estatstica p/ AFRFB
Teoria e exerccios comentados
Prof. Jeronymo Marcondes Aula 06

Exerccio 13

(TRT 3 regio 2009/FCC) O objetivo de uma pesquisa era o de se obter,


relativamente aos moradores de um bairro, informaes sobre duas variveis:
nvel educacional e renda familiar. Para cumprir tal objetivo, todos os
moradores foram entrevistados e argudos quanto ao nvel educacional, e,
dentre todos os domiclios do bairro, foram selecionados aleatoriamente 300
moradores para informar a renda familiar. As abordagens utilizadas para as
variveis nvel educacional e renda familiar foram, respectivamente,

a) censo e amostragem por conglomerados.

b) amostragem aleatria e amostragem sistemtica.

c) censo e amostragem aleatria simples.

d) amostragem estratificada e amostragem sistemtica.

e) amostragem sistemtica e amostragem em dois estgios.

(SEDUC-AM 2011\CESPE)

Turma Mdia Aritmtica Varincia Amostral


A 7,2 4
B 6,8 3,6

Um estudo foi realizado em determinada escola para se avaliar o efeito, no


desempenho dos estudantes, do uso de computadores em sala de aula. Para
esse estudo, foram selecionados aleatoriamente 60 alunos de determinado
ano escolar, separando-os em duas turmas A e B, cada uma com 30 alunos.
Ao longo de um semestre letivo, um mtodo de ensino com auxlio de
computadores foi aplicado na turma A, enquanto, nesse mesmo perodo, outro
mtodo sem auxlio de computadores foi aplicado na turma B. Ao final desse
semestre, o mesmo teste foi aplicado para os 60 alunos participantes desse

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 38 de 41

-
Estatstica p/ AFRFB
Teoria e exerccios comentados
Prof. Jeronymo Marcondes Aula 06
estudo. O quadro acima mostra algumas estatsticas acerca das notas obtidas
pelos alunos de ambas as turmas.

Considerando essas informaes, acerca de probabilidade, inferncia e


amostragem, julgue os itens a seguir.

Exerccio 14

A varincia amostral das notas da turma B utilizou um denominador igual a 29.

Exerccio 15

Considerando que as notas da turma A esto ordenadas da menor nota para a


maior nota, ento a mediana dessas notas ocupa a 15. posio nesse rol de
dados ordenados.

Exerccio 16

Os alunos da turma B apresentaram desempenho mais homogneo que os


alunos da turma A, pois a varincia amostral da turma B foi inferior a 4,0.

Exerccio 17

O erro padro da mdia das notas dos alunos da turma A foi superior a 0,40.

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 39 de 41

-
Estatstica p/ AFRFB
Teoria e exerccios comentados
Prof. Jeronymo Marcondes Aula 06

Bom, vamos pegar mais pesado? Vamos estudar um


pouquinho como se acha a esperana de um determinado estimador, pois a
poderemos provar se um determinado ou no viesado. Isso no costuma
cair em provas que no so mais especficas, mas vale a pena saber por cima.
Acompanhem a questo seguinte comigo.

(ANPEC 2003) Julgue as afirmativas

Exerccio 18

A mdia aritmtica um estimador viesado da mdia populacional.

Exerccio 19

Um estimador dito no tendencioso se a sua varincia igual varincia do


parmetro estimado.

Exerccio 20

Um estimador consistente pode no ser eficiente.

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 40 de 41

-
Estatstica p/ AFRFB
Teoria e exerccios comentados
Prof. Jeronymo Marcondes Aula 06

1-b
2-c
3-e
4-V
5-F
6-V
7-a
8-b
9-V
10-V
11-F
12-e
13-c
14-V
15-F
16-F
17-F
18-F
19-F
20-V

isso a pessoal! Continuem estudando, que logo tem mais. Mandem dvidas.

Um abrao e bons estudos

jeronymo@estrategiaconcursos.com.br

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 41 de 41

Вам также может понравиться