Lista de Exercícios #6 Assunto: Propriedade dos Estimadores e Métodos de Estimação

Tamanho: px
Começar a partir da página:

Download "Lista de Exercícios #6 Assunto: Propriedade dos Estimadores e Métodos de Estimação"

Transcrição

1 Assuto: Propriedade dos Estimadores e Métodos de Estimação. ANPEC 08 - Questão 6 Por regulametação, a cocetração de um produto químico ão pode ultrapassar 0 ppm. Uma fábrica utiliza esse produto e sabe que, um dia qualquer, a cocetração tem distribuição Normal(7,675;,5 ). Qual a probabilidade de que, em um dia qualquer, a cocetração do produto exceda 0 ppm? Multiplique por 00 e marque o iteiro mais próximo. (Pode ser útil a seguite iformação: P(z <,55) = 0,9505). ANPEC 07 Questão 04 Sejam X, X,, X variáveis aleatórias idepedetes com distribuição Normal (μ, σ ), em que μ e σ são descohecidos σ > 0. Podemos defiir também X = S = i= (X i X ). Podemos afirmar: (0) S é um estimador ão tedecioso de σ. () A variâcia de X é igual a σ. () S é um estimador ão tedecioso para a variâcia de X. (3) S é um estimador cosistete de σ. (4) X é um estimador cosistete de μ. i= e 3. ANPEC 06 Questão 4 Julgue as afirmativas abaixo: (0) Sejam X, X,...,X variáveis aleatórias idepedetes e ideticamete distribuídas com média μ e variâcia σ. Etão X = i= / é um estimador cosistete para μ; () Sejam X, X,...,X variáveis aleatórias com Distribuição de Poisso com parâmetro λ. Defiido X = i= / podemos dizer, com base a Lei dos Grades Números, que X se aproxima de λ a medida que ; () Sejam X, X,...,X variáveis aleatórias idepedetes e ormalmete distribuídas com média μ e variâcia σ. Sedo X = i= /, podemos dizer que X se tora bem aproximada pela distribuição ormal com média μ e variâcia σ quado ; (3) Sejam X, X,...,X variáveis aleatórias idepedetes e ideticamete distribuídas com média μ e variâcia σ. Sedo X = i= /, X se tora bem aproximada pela distribuição ormal quado, mesmo que X, X,...,X ão sejam ormalmete distribuídas; (4) Sedo X uma variável aleatória com média E(X) = e variâcia σ x = 4, o limite de probabilidade para X 4 é igual a 0,50.

2 Assuto: Propriedade dos Estimadores e Métodos de Estimação 4. ANPEC 05 Questão Sejam X ~N (0; + ) e X~N(0; ). Julgue as seguites afirmativas: (0) X coverge em distribuição para X e X coverge em probabilidade para X; () X coverge em distribuição para X; () X coverge em probabilidade para X; (3) lim Pr[ X X < ε] (4) lim N Var[X ] = 4 5. ANPEC 05 Questão Seja X, X,, X N uma amostra aleatória de tamaho N com distribuição expoecial: Seja θ = cx, em que c é um úmero real. Julgue as seguites afirmativas: f(x) = θ exp ( x ), 0 < x <. θ (0) Podemos afirmar que θ é um estimador ão-viesado para θ; () Var[θ ] = c θ ; () O erro quadrado médio do estimador é θ (c² c + ). O erro quadrado médio é miimizado quado c é igual a 0,5; (3) Se c =, θ é um estimador ão-viesado para θ; (4) Se c =, θ é um estimador viesado para θ e o seu erro quadrado médio é igual a θ. 6. ANPEC 05 Questão 5 Sejam X, X, X 3 e X 4 variáveis aleatórias idepedetes e ideticamete distribuídas de uma população com média μ e variâcia σ. Cosidere os seguites estimadores para μ: m = (X + X + X 3 + X 4 )/6 m = (X + 4X + 4X 3 + X 4 )/0 m 3 = (X + X + X 3 + X 4 )/4 Com base esses três estimadores, são corretas as afirmativas: (0) Os três estimadores são ão tedeciosos; () m é o estimador com maior variâcia; () Os três estimadores são igualmete eficietes; (3) m 3 é o estimador com meor variâcia;

3 Assuto: Propriedade dos Estimadores e Métodos de Estimação (4) O estimador m é ão tedecioso e tem meor variâcia do que o estimador m. 7. ANPEC 04 Questão 09 Seja X uma variável aleatória com distribuição ormal, com média e variâcia. Cosidere duas amostras aleatórias idepedetes de X. Cada uma das amostras tem tamaho e, e possuem médias X e X. Podemos usar dois estimadores para a média populacioal, ~ X X ( X X ) e ˆ. Julgue as seguites afirmativas a respeito dos estimadores: (0) ~ é um estimador ão-viesado para a média populacioal; () ˆ é um estimador ão-viesado para a média populacioal; () ~ possui meor variâcia que ˆ ; (3) ~ é um estimador mais eficiete, isto é, possui meor erro quadrático médio que ˆ ; (4) ~ é um estimador cosistete para a média populacioal. 8. ANPEC 03 Questão 7 X,, X N é uma amostra aleatória de tamaho N de uma população com E[ ] = θ e Var[ ] = θ. Defiimos quatro estatísticas: T = N i= N i= N/ i= N, T = N 3, T 3 = N, T 4 = N i= N Em relação às quatro estatísticas, podemos afirmar que: 3 (0) T é um estimador viesado para θ e o viés é igual a θ N 3. () Pela lei dos grades úmeros, T coverge em distribuição para uma ormal com média θ e variâcia θ. N () A variâcia de T 3 é meor que a variâcia de T. (3) T 3 é um estimador cosistete para θ. (4) Usado a desigualdade de Tchebycheff, podemos mostrar que Pr [T 4 ξ] Var(T 4), ode ξ ξ > 0 é uma costate qualquer. 3

4 Assuto: Propriedade dos Estimadores e Métodos de Estimação 9. ANPEC 03 Questão São corretas as afirmativas: (0) Supoha que X, X,, X N sejam variáveis aleatórias idepedetes e ideticamete distribuídas e que P(X = x) =, x =,,,. Etão pela lei dos grades úmeros, à medida que, X = i= / coverge para. () Supoha que X, X,, X N sejam variáveis aleatórias idepedetes e ideticamete distribuídas com distribuição de Beroulli com parâmetro p. Defia X = i= /. Etão, pelo Teorema Cetral do Limite, à medida que, (X p)/ p( p)/ coverge para uma distribuição ormal padrão. () Supoha que X, X,, X N sejam variáveis aleatórias idepedetes e ideticamete distribuídas, com distribuição uiforme o itervalo [0, θ]. Defia X = i= /. Etão, X é um estimador ão viesado de θ. (3) Supoha que X teha distribuição t com 4 graus de liberdade. Etão P( X > 4) = 0,3. (4) Supoha que X seja uma variável aleatória com distribuição t de Studet com graus de liberdade. À medida que aumeta, a distribuição de X se aproxima de uma ormal padrão. 0. ANPEC 0 - Questão 9 Julgue as seguites afirmativas: (0) Seja X,...,X variáveis aleatórias idepedetes e ideticamete distribuídas tais que E[Xi] = μ <. Se Var[Xi] 0, etão Xi p μ. () Seja X, X,... uma sequêcia de variáveis aleatórias. Esta sequêcia de variáveis aleatórias coverge em probabilidade para uma costate μ se e somete se esta sequêcia de variável aleatória coverge em distribuição para μ. () Seja X, X,..., X uma amostra aleatória com média X e variâcia 0 < S <. Podemos afirmar que W = cx, com c ε R coverge para uma distribuição ormal com média μ e variâcia σ N. (3) Seja X,...,X variáveis aleatórias idepedetes e ideticamete distribuídas com média μ e N variâcia 0 < σ <. Seja S = (X N i= i X ) em que X = i=. Neste caso S, é um N estimador cosistete para σ. (4) Se Y é uma variável aleatória tal que E[Y ] <, etão podemos afirmar que P( Y c) E[Y] c para c>0. N 4

5 Assuto: Propriedade dos Estimadores e Métodos de Estimação. ANPEC 0 - Questão 0 São corretas as afirmativas: (0) Supoha que X,X,...,X sejam variáveis aleatórias idepedetes e ideticamete distribuídas, com distribuição de Beroulli com parâmetro p. Etão, pela Lei dos Grades Números, à medida que, X = i= coverge para p. () Supoha que X,X,...,X sejam variáveis aleatórias idepedetes e ideticamete distribuídas, com distribuição uiforme o itervalo [0,]. Seja X =. Pelo Teorema i= Cetral do Limite, à medida que, [ (X ) ] aproxima-se de uma distribuição ormal padrão. () Supoha que X,X,...,X sejam variáveis aleatórias idepedetes e ideticamete distribuídas e que Xi ~ N(0,), i. Etão, se defiirmos Y =, P( Yi - > ) 0,5. (3) Supoha que X,X,...,X sejam variáveis aleatórias idepedetes e ideticamete distribuídas, com distribuição log ormal com parâmetros μ e σ. Seja X =. Etão, log X é um estimador cosistete de μ. i= (4) Supoha que X,X,...,X sejam variáveis aleatórias idepedetes e ideticamete distribuídas e que Xi ~ N(μ,σ ), i. Etão, se defiirmos X = i= e σ = i= ( X ) /, σ será um estimador eficiete de σ.. ANPEC 0 Questão 3 Sejam W e W variáveis aleatórias discretas idepedetes com a seguite fução de probabilidade: f(0) = ½, f() = /3 e f() = /6. Seja Y = W + W. Julgue as seguites afirmativas: (0) E[Y] = 4/3 () Var[Y] =0/9 () Pela desigualdade de Tchebyshev, P(Y 3) /5 (3) Usado os dados acima, obtemos que P(Y 3) = /36. (4) Y é uma variável aleatória discreta que assume os seguites valores {0,,,3,4,5}. 5

6 Assuto: Propriedade dos Estimadores e Métodos de Estimação 3. ANPEC 0 - Questão 4 São corretas as afirmativas: (0) Supoha que X, X,...,X sejam variáveis aleatórias idepedetes e ideticamete distribuídas e que Xi ~, N. Etão X X é um estimador eficiete de. () Supoha que X, X,...,X sejam variáveis aleatórias idepedetes e ideticamete distribuídas e que Xi ~ N,. Etão, se defiirmos X X, PX para i i / 0. () Se um estimador de um parâmetro é ão viesado e a variâcia de coverge para 0 à medida que o tamaho da amostra tede a ifiito, etão é cosistete. (3) Supoha que X, X,...,X sejam variáveis aleatórias idepedetes e ideticamete distribuídas e que Xi ~ Poisso(λ), i. Seja X X. Pela lei dos grades úmeros, i i / à medida que, X coverge para λ. (4) Supoha que X, X,...,X sejam variáveis aleatórias idepedetes e ideticamete distribuídas e que ~ v, i. Seja X X. À medida que, i i / X v/ v / i i / aproxima-se de uma distribuição ormal padrão. 4. ANPEC 00 - Questão 4 Respoda se verdadeiro ou falso: (0) A Difereça etre as mediaas de uma distribuição F (a,b) e de uma distribuição a dimiui à medida que b ; () O Teorema Cetral do Limite justifica a afirmação: Seja T uma variável aleatória,tal que T~t k, em que t represeta uma distribuição t de Studet, com k graus de liberdade, em que k é fixo. Etão T coverge em distribuição para uma Normal Padrão"; () Sejam S = (x i x ) i= e S = (x i ) i=. Ambos estimadores podem ser demostrados cosistetes para σ, supodo uma amostra aleatória de X~N(μ, σ ); (3) Uma moeda justa foi jogada 300 vezes e observou-se cara em 88 destas. A Lei dos Grades Números justifica a afirmação: P(cara a 30ª jogada 88 caras em 300 jogadas) < 0,5. (4) Se um estimador covergir em média quadrática para o parâmetro, ele será cosistete (covergirá em probabilidade para o parâmetro). 6

7 Assuto: Propriedade dos Estimadores e Métodos de Estimação 5. ANPEC 00 - Questão 5 São corretas as afirmativas: (0) Cosidere dois estimadores ão tedeciosos θ e θ, de um parâmetro θ. θ é eficiete relativamete θ se Var(θ ) < Var(θ ); () Um estimador θ de um parâmetro θ é cosistete se θ coverge em probabilidade para θ; () Um estimador θ de um parâmetro θ é cosistete se, e somete se, θ é ão viesado e a variâcia de θ coverge para 0 a medida que o tamaho da amostra tede a ifiito ; (3) Supoha que X, X,, X 0 sejam variáveis aleatórias idepedetes e ideticamete distribuídas e que ~, i =,,,0. Defia X = i=. Etão P( < X < 3) = 0,55; (4) Supoha que X, X,, X sejam variáveis aleatórias idepedetes e ideticamete 0 distribuídas e que ~Poisso(λ), i. Defia X =. À medida que, (X 0 i= λ)/ (λ ) aproxima-se de uma distribuição ormal padrão. 6. ANPEC 00 - Questão 6 Supoha que Y e Y sejam variáveis aleatórias idepedetes, com média μ e variâcias V(Y ) = 75 e V(Y ) = 5. O valor de μ é descohecido e é proposto estimar μ por uma média poderada de Y e Y, isto é, por: ay + ( a)y. Qual valor de a produz o estimador com a meor variâcia possível a classe dos estimadores ão viesados? Multiplique o resultado por ANPEC Questão 6 Seja Yi, i =,...,, uma variável aleatória tal que Yi = com probabilidade p e Yi = 0 com probabilidade -p. Defia ou falsa: X i Y i. Respoda se cada uma das afirmativas abaixo é verdadeira (0) Yi, i =,...,, possui distribuição Poisso com média p. () X possui distribuição Biomial com parâmetros e p. () V(Yi) = V(X) = p. V(X) sigifica variâcia de X. X p (3) Se e p permaecer fixo, etão coverge para distribuição ormal com p( p) média 0 e variâcia. (4) E(Y ) = p. 7

8 Assuto: Propriedade dos Estimadores e Métodos de Estimação 8. ANPEC Questão 3 Sejam X, X,..., X, variáveis aleatórias idepedetes, igualmete distribuídas, com distribuição Poisso dada por Julgue as afirmativas: x e p x (x) x! 0 x 0,,,... caso cotrário (0) Pela Lei dos Grades Números T tede para o ifiito. i aproxima-se da distribuição ormal quado 5 () Supoha que >5. T Xi Xi é um estimador cosistete de E(Xi). 5 5 i () T Xi Xi é um estimador tedecioso de. i i i6 (3) Pelo Teorema Cetral do Limite, T i é um estimador cosistete de V(Xi). (4) T é o estimador de máxima verossimilhaça do parâmetro. i 9. ANPEC Questão Cosidere uma amostra aleatória de variáveis x, x,..., x, ormalmete distribuídas com média μ e variâcia σ. Sejam x e s x x i x i i i. É correto afirmar que: (0) x e s são estimadores de máxima verossimilhaça de μ e σ, respectivamete. () x e s são ão viesados. () x e s são cosistetes. (3) Apeas x é cosistete. (4) Apeas x é ão viesado. 8

9 Assuto: Propriedade dos Estimadores e Métodos de Estimação 0. ANPEC Questão 5 São corretas as afirmativas: (0) O teorema de Tchebychev é útil para se calcular o limite iferior para a probabilidade de uma variável aleatória com distribuição descohecida quado se tem apeas a variâcia da população. () Um estimador ão-tedecioso pode ão ser cosistete. () Um estimador cosistete pode ão ser eficiete. (3) Sejam Y,...,Y variáveis aleatórias idepedetes com média µ e variâcia fiita. Pela Lei dos Grades Números, E(m) = µ, em que m = Y i. i (4) Sejam Y,...,Y variáveis aleatórias idepedetes com média μ e variâcia fiita. Pelo Teorema do Limite Cetral, a distribuição da média amostral m coverge para uma distribuição Normal.. ANPEC Questão 5 São corretas as afirmativas: (0) Uma variável aleatória X tem média zero e variâcia 36. Etão, pela desigualdade de Tchebychev, P ( X 0) 0, 36. () Pela Lei dos Grades Números a distribuição da média amostral de variáveis aleatórias idepedetes, para suficietemete grade, é aproximadamete Normal. () O estimador de um determiado parâmetro é dito cosistete se covergir, em probabilidade, para o valor do parâmetro verdadeiro. (3) A Lei dos Grades Números está relacioada com o coceito de covergêcia em probabilidade, equato que o Teorema Cetral do Limite está relacioado com covergêcia em distribuição. (4) Um estimador é dito ão-tedecioso se a sua variâcia for igual à variâcia do parâmetro estimado. 9

10 Assuto: Propriedade dos Estimadores e Métodos de Estimação. ANPEC Questão 3 Supoha que x,x,..., x sejam variáveis aleatórias idepedetes, ideticamete distribuídas, com média E(xi) = μ (i =,,3,...) e variâcia σ = 0. Utilizado a lei dos grades úmeros respoda à questão. Qual deverá ser o valor de de modo que possamos estar 95% seguros de que a média amostral x difira da média μ por meos de 0,? Divida o resultado fial por ANPEC Questão Sejam: X, X,..., X variáveis aleatórias idepedetes e ormalmete distribuídas com média e variâcia ; X i Y i i ; e Z (0) X é um estimador tedecioso da média ; () Z é uma variável aleatória com distribuição () s X i, em que Y i X com graus de liberdade; é um estimador tedecioso da variâcia ;. É correto afirmar que: (3) X é uma variável aleatória ormalmete distribuída com média e variâcia ; (4) a variável aleatória Wi Yi Z possui distribuição F com e graus de liberdade, em que = e =. 4. ANPEC Questão O úmero de clietes Y que passa diariamete pelo caixa de um supermercado foi observado durate certo período. Costatou-se que o valor médio de Y é de 0 clietes, com desvio padrão igual a. Ecotre o limite míimo para a probabilidade de que o úmero de clietes amahã se situe etre 6 e 4. (Pista: Utilize o teorema de Tchebycheff). Multiplique o resultado por ANPEC 00 - Questão 4 Seja X uma variável aleatória com distribuição de probabilidade que depeda do parâmetro descohecido, tal que E(X) =. Seja também x, x,..., x uma amostra aleatória de X. (0) Para amostras suficietemete grades, o estimador de máxima verossimilhaça de, caso exista, segue uma distribuição Normal. 0

11 Assuto: Propriedade dos Estimadores e Métodos de Estimação () Se ˆ c x i i é um estimador de, este ão será viciado desde que ci. Além do mais, i ˆ terá variâcia míima se ci=/ para todo i. () Se ˆ x i é um estimador ão viciado de, etão i i ˆ também será um estimador ão viciado de. (3) Se a variável aleatória X é uiformemete distribuída o itervalo [0,], com > 0, etão ˆ máximo[x, x,..., x] ão é um estimador cosistete de. (4) Se ˆ e ˆ são dois estimadores do parâmetro em que E ( ˆ ) = θ e E ( ˆ ) θ mas Var ( ˆ ) < Var ( ˆ ), etão o estimador ˆ deve ser preferível a ˆ. 6. ANPEC 00 - Questão 6 Idique se as seguites cosiderações sobre a Lei dos Grades Números, Desigualdade de Tchebycheff e teorema do Limite Cetral são verdadeiras (V) ou falsas (F). (0) De acordo com a desigualdade de Tchebycheff, se a variâcia de uma variável aleatória X for muito próxima de zero, a maior parte da distribuição de X estará cocetrada próxima de sua média. () O teorema do Limite Cetral afirma que, para uma amostra grade o suficiete, a distribuição de uma amostra aleatória de uma população Qui-quadrado se aproxima da Normal. () As codições suficietes para idetificar a cosistêcia de um estimador são baseadas a Lei dos Grades Números. (3) Em repetições idepedetes de um experimeto, se f A é a freqüêcia relativa da P( P) ocorrêcia de A, etão P{f A P }, em que P é a probabilidade costate do eveto A e é qualquer úmero positivo. (4) Se uma variável aleatória X tem distribuição Biomial com parâmetros = 0 e P = 0,5, a 0 etão P { X a} em que ( ) é a fução de distribuição Normal padrão ANPEC 00 - Questão 3 Uma amostra de tamaho foi selecioada de uma população de m elemetos. Pode-se afirmar: (0) A média amostral X é um estimador ão tedecioso e eficiete da média populacioal se todos elemetos de m tiverem a mesma probabilidade de serem selecioados.

12 Assuto: Propriedade dos Estimadores e Métodos de Estimação se a população for ifiita ou se a () A variâcia da distribuição amostral de X é amostragem for com reposição. () Se a população for fiita, a variâcia da distribuição amostral de X é ( ) porque as observações da amostra são idepedetes. (3) Se X for uma variável aleatória qualquer a distribuição de X será ormal com média e variâcia. (4) Se lim EX ( ) 0, etão X é um estimador assitoticamete ão tedecioso. 8. ANPEC 00 - Questão 5 Seja uma variável aleatória X com média E(X) = 0 e variâcia x = 5. Qual o limite de probabilidade para que [X E(X)] > 0? Resposta em percetagem. 9. ANPEC Questão 4 Seja X, X,..., X uma amostra aleatória da desidade Normal(0,) e seja T= / correto afirmar que: (0) T é o estimador de máxima verossimilhaça (EMV) de. () T é um estimador tedecioso de. i () A variável aleatória Z = X / tem distribuição qui-quadrado com graus de liberdade. i 3 (3) E ( X X ) =. (4) T é um estimador eficiete de i. É 30. ANPEC Questão 7 Seja Y uma variável aleatória cotíua com distribuição de probabilidade f(y;), em que = (,,...,p). Cosidere uma amostra aleatória de Y, com tamaho. Com relação à fução de verossimilhaça L(), é correto afirmar que: (0) l()= l L() =log f ( i y i ; ), em que l é o logaritmo atural. () A fução de verossimilhaça é também uma fução de desidade de probabilidade, que possui, assim, todas as propriedades matemáticas associadas à uma fução de desidade de probabilidade.

13 Assuto: Propriedade dos Estimadores e Métodos de Estimação () Uma codição ecessária a que os estimadores de máxima verossimilhaça devem satisfazer é que a matriz { l( ) / } i,j =,,..., p, avaliada o poto de máximo, seja egativa i j defiida. (3) Sedo T o estimador de máxima verossimilhaça do parametro escalar, segue-se que T apreseta a seguite propriedade: lim Pr( T ) 0, > 0. (4) Sedo = g(), em que g(.) é uma fução um a um de, e T é o estimador de máxima verossimilhaça de, segue-se que o estimador de máxima verossimilhaça de será G = g(t )[d/d], em que a derivada é avaliada em = T. 3. ANPEC Questão 8 Sejam pˆ e ~ p dois estimadores do parâmetro p da distribuição Biomial, em que Y é a variável desta distribuição e o tamaho da amostra: Y ~ Y p ˆ p pˆ é o estimador de máxima verossimilhaça do parâmetro p. Sob o critério do erro quadrado médio, para pequeas amostras, ão há supremacia de um estimador sobre o outro. O viés do estimador ~ p é dado por [( p) ( )]. 3. ANPEC Questão Dados os seguites euciados, é correto afirmar que: (0) A Lei Fraca dos Grades Números diz que: dada uma variável aleatória com distribuição arbitrária e média e variâcia fiitas, a média amostral obtida a partir de uma amostra aleatória de tamaho terá distribuição Normal. () Se X, X,..., X são variáveis aleatórias idepedetes, com distribuição Poisso(), > 0, etão, para "grade", é válida a seguite aproximação: ( X - ) / ~ N(0,), em que X é a média amostral. () Se X, X,..., X são variáveis aleatórias idepedetes, com distribuição Normal(, ), > 0, etão, para qualquer tamaho de, ( X - ) / ~ Normal(0,), em que X é a média amostral. 3

14 Assuto: Propriedade dos Estimadores e Métodos de Estimação 33. ANPEC Questão 6 Com base a teoria da estimação, pode-se fazer as seguites afirmações : (0) De acordo com o critério de eficiêcia, medido pela comparação etre as variâcias dos estimadores, a média amostral X é preferível a primeira observação X como estimador da média populacioal, supodo-se que seja a variâcia da população. () Seja ˆ um estimador ão-viciado de. Se g(ˆ ) é uma fução do parâmetro, etão E[g( ˆ )] g[e(ˆ )] com a igualdade ocorredo somete quado g( ) for uma fução liear. () A fução desidade de probabilidade da variável aleatória x é dada por f ( x) para 0 x e 0 para outros valores. Assim sedo, cosiderado-se uma amostra aleatória de tamaho, x x, x, x, o estimador de Máxima Verossimilhaça de será igual ao Míimo de, 3, x, x3 x x,. (x i - x) (3) Dado que as variâcias das estatísticas S i= = e S i= = - (x i - x) são, respectivamete, iguais a 4 e ( ), etão S é mais preciso do que S embora seja uma estatística viciada. å å 34. ANPEC Questão 6 Seja o estimador do parâmetro : (0) O erro quadrático médio é igual a variâcia do estimador se for um estimador ãotedecioso de. () Um estimador é dito eficiete se for ão-tedecioso e Var( ) Var ( ), ode é outro qualquer estimador ão-tedecioso de. () Seja X uma variável aleatória ormalmete distribuída com média e variâcia. Sejam x e x duas observações de uma amostra aleatória de tamaho. Podemos afirmar que 3x x ~ é um estimador tedecioso de. 5 (3) Se é cosistete, etão é ão tedecioso. 4

15 Assuto: Propriedade dos Estimadores e Métodos de Estimação 35. ANPEC Questão 7 Com base a teoria da estimação, pode-se fazer as seguites afirmações : (0) Se é um parâmetro populacioal e seu estimador, a afirmação de que é um estimador cosistete de se lim P{ } para todo 0 quado, é equivalete a afirmação de que se lim E ( ˆ) e lim Var( ) 0 quado, etão será um estimador cosistete de. () Se x é uma variável aleatória com E(X) = e variâcia, etão a média amostral, X, será um estimador cosistete da média populacioal. ( xi x) i () A estatística, S, baseada em uma amostra aleatória x, x,x 3,...,x é um estimador ão tedecioso da variâcia populacioal. ( xi x) i (3) A estatística, S, baseada em uma amostra aleatória x, x,x 3,...,x é um estimador icosistete da variâcia populacioal. 36. ANPEC Questão Com relação a desigualdade de Tchebycheff e ao Teorema Cetral do Limite, pode-se afirmar que: (0) Se uma variável aleatória X tem média, E(X)=, e variâcia igual a zero, Var(X) = 0, etão P{ X } para todo 0, ou seja, toda a probabilidade estará cocetrada a média E(X) =. () Seja X uma variável aleatória com média e variâcia. Quado se cosidera o eveto complemetar, uma das formas da desigualdade de Tchebycheff é igual a P{ X k}, ode k é um úmero real. k () Se a população tem distribuição Normal, etão a distribuição das médias amostrais também será Normal, idepedete do tamaho da amostra. (3) Se X tem distribuição descohecida com média 500 e variâcia.500, para uma amostra aleatória de tamaho 00 podemos afirmar que a média da amostra tem distribuição aproximadamete ormal com média 500 e variâcia 5. 5

Lista de Exercícios #4 Assunto: Variáveis Aleatórias Contínuas

Lista de Exercícios #4 Assunto: Variáveis Aleatórias Contínuas . ANPEC 8 - Questão Seja x uma variável aleatória com fução desidade de probabilidade dada por: f(x) = x, para x f(x) =, caso cotrário. Podemos afirmar que: () E[x]=; () A mediaa de x é ; () A variâcia

Leia mais

DISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL INTRODUÇÃO ROTEIRO POPULAÇÃO E AMOSTRA. Estatística Aplicada à Engenharia

DISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL INTRODUÇÃO ROTEIRO POPULAÇÃO E AMOSTRA. Estatística Aplicada à Engenharia ROTEIRO DISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL 1. Itrodução. Teorema Cetral do Limite 3. Coceitos de estimação potual 4. Métodos de estimação potual 5. Referêcias Estatística Aplicada à Egeharia 1 Estatística

Leia mais

Distribuições de Estatísticas Amostrais e Teorema Central do Limite

Distribuições de Estatísticas Amostrais e Teorema Central do Limite Distribuições de Estatísticas Amostrais e Teorema Cetral do Limite Vamos começar com um exemplo: A mega-sea de 996 a N 894 úmeros de a 6: Média: m 588 Desvio padrão: 756 49 amostras de 6 elemetos Frequêcia

Leia mais

ESTIMAÇÃO DE PARÂMETROS

ESTIMAÇÃO DE PARÂMETROS ESTIMAÇÃO DE PARÂMETROS 1 Estimação de Parâmetros uiverso do estudo (população) dados observados O raciocíio idutivo da estimação de parâmetros Estimação de Parâmetros POPULAÇÃO p =? AMOSTRA Observações:

Leia mais

Estimadores de Momentos

Estimadores de Momentos Estimadores de Mometos A média populacioal é um caso particular daquilo que chamamos de mometo. Na realidade, ela é o primeiro mometo. Se X for uma v.a. cotíua, com desidade f(x; θ 1,..., θ r ), depededo

Leia mais

CONHECIMENTOS ESPECÍFICOS

CONHECIMENTOS ESPECÍFICOS CESPE/UB FUB/0 fa 5 4 CONHECIMENTOS ESPECÍFICOS 60 As distribuições B e C possuem os mesmos valores para os quartis Q e Q, e o quartil superior em B correspode ao quartil cetral (Q ) da distribuição A.

Leia mais

Instruções gerais sobre a Prova:

Instruções gerais sobre a Prova: DEPARTAMENTO DE ESTATÍSTICA - UFMG PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 2012/2013 Istruções gerais sobre a Prova: (a) Cada questão respodida corretamete vale 1 (um) poto. (b) Cada

Leia mais

Aula 5. Aula de hoje. Aula passada. Limitante da união Método do primeiro momento Lei dos grandes números (fraca e forte) Erro e confiança

Aula 5. Aula de hoje. Aula passada. Limitante da união Método do primeiro momento Lei dos grandes números (fraca e forte) Erro e confiança Aula 5 Aula passada Valor esperado codicioal Espaço amostral cotíuo, fução desidade Limitates para probabilidade Desigualdades de Markov, Chebyshev, Cheroff with high probability Aula de hoje Limitate

Leia mais

n ) uma amostra aleatória da variável aleatória X.

n ) uma amostra aleatória da variável aleatória X. - Distribuições amostrais Cosidere uma população de objetos dos quais estamos iteressados em estudar uma determiada característica. Quado dizemos que a população tem distribuição FX ( x ), queremos dizer

Leia mais

Distribuições Amostrais

Distribuições Amostrais 9/3/06 Uiversidade Federal do Pará Istituto de Tecologia Estatística Aplicada I Prof. Dr. Jorge Teófilo de Barros Lopes Campus de Belém Curso de Egeharia Mecâica 3/09/06 3:38 ESTATÍSTICA APLICADA I - Teoria

Leia mais

ESTIMAÇÃO DE PARÂMETROS

ESTIMAÇÃO DE PARÂMETROS ESTIMAÇÃO DE PARÂMETROS 1 Estimação de Parâmetros uiverso do estudo (população) dados observados O raciocíio idutivo da estimação de parâmetros Estimação de Parâmetros População p Amostra X S pˆ (parâmetros:

Leia mais

Distribuições Amostrais

Distribuições Amostrais 7/3/07 Uiversidade Federal do Pará Istituto de Tecologia Estatística Aplicada I Prof. Dr. Jorge Teófilo de Barros Lopes Campus de Belém Curso de Egeharia Mecâica 3/07/07 09:3 ESTATÍSTICA APLICADA I - Teoria

Leia mais

DEPARTAMENTO DE ESTATÍSTICA - UFMG PROVA DE ESTATÍSTICA E PROBABILIDADE SELEÇÃO - MESTRADO/ UFMG /2016

DEPARTAMENTO DE ESTATÍSTICA - UFMG PROVA DE ESTATÍSTICA E PROBABILIDADE SELEÇÃO - MESTRADO/ UFMG /2016 DEPARTAMENTO DE ESTATÍSTICA - UFMG PROVA DE ESTATÍSTICA E PROBABILIDADE SELEÇÃO - MESTRADO/ UFMG - 205/206 Istruções:. Cada questão respodida corretamete vale (um poto. 2. Cada questão respodida icorretamete

Leia mais

Cap. 4 - Estimação por Intervalo

Cap. 4 - Estimação por Intervalo Cap. 4 - Estimação por Itervalo Amostragem e iferêcia estatística População: cosiste a totalidade das observações em que estamos iteressados. Nº de observações a população é deomiado tamaho=n. Amostra:

Leia mais

MQI 2003 ESTATÍSTICA PARA METROLOGIA - SEMESTRE Teste 2 07/07/2008 Nome: PROBLEMA 1 Sejam X e Y v.a. contínuas com densidade conjunta:

MQI 2003 ESTATÍSTICA PARA METROLOGIA - SEMESTRE Teste 2 07/07/2008 Nome: PROBLEMA 1 Sejam X e Y v.a. contínuas com densidade conjunta: MQI 003 ESTATÍSTICA PARA METROLOGIA - SEMESTRE 008.0 Teste 07/07/008 Nome: PROBLEMA Sejam X e Y v.a. cotíuas com desidade cojuta: f xy cy xy x y (, ) = + 3 ode 0 e 0 a) Ecotre a costate c que faz desta

Leia mais

Obtemos, então, uma amostra aleatória de tamanho n de X, que representamos por X 1, X 2,..., X n.

Obtemos, então, uma amostra aleatória de tamanho n de X, que representamos por X 1, X 2,..., X n. Vamos observar elemetos, extraídos ao acaso e com reposição da população; Para cada elemeto selecioado, observamos o valor da variável X de iteresse. Obtemos, etão, uma amostra aleatória de tamaho de X,

Leia mais

Probabilidade II Aula 12

Probabilidade II Aula 12 Coteúdo Probabilidade II Aula Juho de 009 Desigualdade de Marov Desigualdade de Jese Lei Fraca dos Grades Números Môica Barros, D.Sc. Itrodução A variâcia de uma variável aleatória mede a dispersão em

Leia mais

DESIGUALDADES, LEIS LIMITE E TEOREMA DO LIMITE CENTRAL. todas as repetições). Então, para todo o número positivo ξ, teremos:

DESIGUALDADES, LEIS LIMITE E TEOREMA DO LIMITE CENTRAL. todas as repetições). Então, para todo o número positivo ξ, teremos: 48 DESIGUALDADES, LEIS LIMITE E TEOREMA DO LIMITE CENTRAL LEI DOS GRANDES NÚMEROS Pretede-se estudar o seguite problema: À medida que o úmero de repetições de uma experiêcia cresce, a frequêcia relativa

Leia mais

Distribuições Amostrais

Distribuições Amostrais Distribuições Amostrais O problema da iferêcia estatística: fazer uma afirmação sobre os parâmetros da população θ (média, variâcia, etc) através da amostra. Usaremos uma AAS de elemetos sorteados dessa

Leia mais

Estatística. Estatística II - Administração. Prof. Dr. Marcelo Tavares. Distribuições de amostragem. Estatística Descritiva X Estatística Inferencial

Estatística. Estatística II - Administração. Prof. Dr. Marcelo Tavares. Distribuições de amostragem. Estatística Descritiva X Estatística Inferencial Estatística II - Admiistração Prof. Dr. Marcelo Tavares Distribuições de amostragem Na iferêcia estatística vamos apresetar os argumetos estatísticos para fazer afirmações sobre as características de uma

Leia mais

Sumário. 2 Índice Remissivo 17

Sumário. 2 Índice Remissivo 17 i Sumário 1 Itrodução à Iferêcia Estatística 1 1.1 Defiições Básicas................................... 1 1.2 Amostragem....................................... 2 1.2.1 Tipos de Amostragem.............................

Leia mais

1 Distribuições Amostrais

1 Distribuições Amostrais 1 Distribuições Amostrais Ao retirarmos uma amostra aleatória de uma população e calcularmos a partir desta amostra qualquer quatidade, ecotramos a estatística, ou seja, chamaremos os valores calculados

Leia mais

Avaliação de Desempenho de Sistemas Discretos

Avaliação de Desempenho de Sistemas Discretos Distribuições Comus Avaliação de Desempeho de Sistemas Discretos Probabilidade e Estatística 2 Uiforme Normal Poisso Hipergeométrica Biomial Studet's Geométrica Logormal Expoecial Beta Gamma Qui-Quadrado

Leia mais

Pedro Alberto Barbetta / Marcelo Menezes Reis / Antonio Cezar Bornia São Paulo: Atlas, 2004

Pedro Alberto Barbetta / Marcelo Menezes Reis / Antonio Cezar Bornia São Paulo: Atlas, 2004 Estatística para Cursos de Egeharia e Iformática Pedro Alberto Barbetta / Marcelo Meezes Reis / Atoio Cezar Boria São Paulo: Atlas, 004 Cap. 7 - DistribuiçõesAmostrais e Estimaçãode deparâmetros APOIO:

Leia mais

Amostras Aleatórias e Distribuições Amostrais. Probabilidade e Estatística: afinal, qual é a diferença?

Amostras Aleatórias e Distribuições Amostrais. Probabilidade e Estatística: afinal, qual é a diferença? Amostras Aleatórias e Distribuições Amostrais Probabilidade e Estatística: afial, qual é a difereça? Até agora o que fizemos foi desevolver modelos probabilísticos que se adequavam a situações reais. Por

Leia mais

n C) O EMV é igual a i 1

n C) O EMV é igual a i 1 PROVA DE ESTATÍSTICA E PROBABILIDADE SELEÇÃO MESTRADO/UFMG 009 Istruções: a) Cada questão respodida corretamete vale (um) poto. c) Cada questão respodida icorretamete vale - (meos um) poto. b) Cada questão

Leia mais

Prof. Fabrício Maciel Gomes Departamento de Engenharia Química Escola de Engenharia de Lorena EEL

Prof. Fabrício Maciel Gomes Departamento de Engenharia Química Escola de Engenharia de Lorena EEL Prof. Fabrício Maciel Gomes Departameto de Egeharia Química Escola de Egeharia de Lorea EEL Referêcias Bibliográficas Sistema de Avaliação Duas Provas teóricas Um Trabalho em Grupo MédiaFial 0,4 P 0,4

Leia mais

Estatística para Economia e Gestão REVISÕES SOBRE VARIÁVEIS ALEATÓRIAS DISCRETAS E CONTÍNUAS

Estatística para Economia e Gestão REVISÕES SOBRE VARIÁVEIS ALEATÓRIAS DISCRETAS E CONTÍNUAS Estatística para Ecoomia e Gestão REVISÕES SOBRE VARIÁVEIS ALEATÓRIAS DISCRETAS E CONTÍNUAS Primavera 008/009 Variável Aleatória: Defiição: uma variável aleatória é uma fução que atribui a cada elemeto

Leia mais

PROVA DE ESTATÍSTICA SELEÇÃO MESTRADO/UFMG 2005

PROVA DE ESTATÍSTICA SELEÇÃO MESTRADO/UFMG 2005 PROVA DE ESTATÍSTICA SELEÇÃO MESTRADO/UFMG 005 Istruções para a prova: a) Cada questão respodida corretamete vale um poto. b) Questões deixadas em braco valem zero potos (este caso marque todas alterativas).

Leia mais

MAE Introdução à Probabilidade e Estatística II Resolução Lista 2

MAE Introdução à Probabilidade e Estatística II Resolução Lista 2 MAE 9 - Itrodução à Probabilidade e Estatística II Resolução Lista Professor: Pedro Moretti Exercício 1 Deotado por Y a variável aleatória que represeta o comprimeto dos cilidros de aço, temos que Y N3,

Leia mais

Teoria da Estimação 1

Teoria da Estimação 1 Teoria da Estimação 1 Um dos pricipais objetivos da estatística iferecial cosiste em estimar os valores de parâmetros populacioais descohecidos (estimação de parâmetros) utilizado dados amostrais. Etão,

Leia mais

Teorema do limite central e es/mação da proporção populacional p

Teorema do limite central e es/mação da proporção populacional p Teorema do limite cetral e es/mação da proporção populacioal p 1 RESULTADO 1: Relembrado resultados importates Seja uma amostra aleatória de tamaho de uma variável aleatória X, com média µ e variâcia σ.temos

Leia mais

Probabilidade II Aula 9

Probabilidade II Aula 9 Coteúdo Probabilidade II Aula 9 Maio de 9 Môica Barros, D.Sc. Estatísticas de Ordem Distribuição do Máximo e Míimo de uma amostra Uiforme(,) Distribuição do Máximo e Míimo caso geral Distribuição das Estatísticas

Leia mais

6.1 Estimativa de uma média populacional: grandes amostras. Definição: Um estimador é uma característica amostral (como a média amostral

6.1 Estimativa de uma média populacional: grandes amostras. Definição: Um estimador é uma característica amostral (como a média amostral 6 ESTIMAÇÃO 6.1 Estimativa de uma média populacioal: grades amostras Defiição: Um estimador é uma característica amostral (como a média amostral x ) utilizada para obter uma aproximação de um parâmetro

Leia mais

DISTRIBUIÇÕES DE PROBABILIDADE

DISTRIBUIÇÕES DE PROBABILIDADE DISTRIBUIÇÕES DE PROBABILIDADE DISTRIBUIÇÃO DE PROBABILIDADE Seja uma v.a. que assume os valores,,..., com probabilidade p, p,..., p associadas a cada elemeto de, sedo p p... p diz-se que está defiida

Leia mais

Lista 9 - Introdução à Probabilidade e Estatística

Lista 9 - Introdução à Probabilidade e Estatística Lista 9 - Itrodução à Probabilidade e Estatística Desigualdades e Teoremas Limites 2.=000. 1 Um ariro apota a um alvo de 20 cm de raio. Seus disparos atigem o alvo, em média, a 5 cm do cetro deste. Assuma

Leia mais

NOTAS DE AULA: DISTRIBUIÇÃO AMOSTRAL E INTERVALOS DE CONFIANÇA

NOTAS DE AULA: DISTRIBUIÇÃO AMOSTRAL E INTERVALOS DE CONFIANÇA NOTAS DE AULA: DISTRIBUIÇÃO AMOSTRAL E INTERVALOS DE CONFIANÇA Objetivos da aula: Compreeder que um estimador é uma variável aleatória e, portato, pode-se estabelecer sua distribuição probabilística; Estabelecer

Leia mais

Estimação da média populacional

Estimação da média populacional Estimação da média populacioal 1 MÉTODO ESTATÍSTICO Aálise Descritiva Teoria das Probabilidades Iferêcia Os dados efetivamete observados parecem mostrar que...? Se a distribuição dos dados seguir uma certa

Leia mais

Revisando... Distribuição Amostral da Média

Revisando... Distribuição Amostral da Média Estatística Aplicada II DISTRIBUIÇÃO AMOSTRAL MÉDIA AULA 08/08/16 Prof a Lilia M. Lima Cuha Agosto de 016 Revisado... Distribuição Amostral da Média Seja X uma v. a. de uma população com média µ e variâcia

Leia mais

MOQ 13 PROBABILIDADE E ESTATÍSTICA. Professor: Rodrigo A. Scarpel

MOQ 13 PROBABILIDADE E ESTATÍSTICA. Professor: Rodrigo A. Scarpel MOQ 13 PROBABILIDADE E ESTATÍSTICA Professor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semaas 1 2 3 4 5 6 7 8 9 1 11 12 13 14 15 e 16 Itrodução à probabilidade evetos

Leia mais

A Inferência Estatística é um conjunto de técnicas que objetiva estudar a população através de evidências fornecidas por uma amostra.

A Inferência Estatística é um conjunto de técnicas que objetiva estudar a população através de evidências fornecidas por uma amostra. UNIVERSIDADE FEDERAL DA PARAÍBA Distribuição Amostral Luiz Medeiros de Araujo Lima Filho Departameto de Estatística INTRODUÇÃO A Iferêcia Estatística é um cojuto de técicas que objetiva estudar a população

Leia mais

binomial seria quase simétrica. Nestas condições será também melhor a aproximação pela distribuição normal.

binomial seria quase simétrica. Nestas condições será também melhor a aproximação pela distribuição normal. biomial seria quase simétrica. Nestas codições será também melhor a aproximação pela distribuição ormal. Na prática, quado e p > 7, a distribuição ormal com parâmetros: µ p 99 σ p ( p) costitui uma boa

Leia mais

Capítulo 5- Introdução à Inferência estatística. (Versão: para o manual a partir de 2016/17)

Capítulo 5- Introdução à Inferência estatística. (Versão: para o manual a partir de 2016/17) Capítulo 5- Itrodução à Iferêcia estatística. (Versão: para o maual a partir de 2016/17) 1.1) Itrodução.(222)(Vídeo 39) Na iferêcia estatística, aalisamos e iterpretamos amostras com o objetivo de tirar

Leia mais

Capítulo 5- Introdução à Inferência estatística.

Capítulo 5- Introdução à Inferência estatística. Capítulo 5- Itrodução à Iferêcia estatística. 1.1) Itrodução.(184) Na iferêcia estatística, aalisamos e iterpretamos amostras com o objetivo de tirar coclusões acerca da população de ode se extraiu a amostra.

Leia mais

Sumário. 2 Índice Remissivo 11

Sumário. 2 Índice Remissivo 11 i Sumário 1 Esperaça de uma Variável Aleatória 1 1.1 Variáveis aleatórias idepedetes........................... 1 1.2 Esperaça matemática................................. 1 1.3 Esperaça de uma Fução de

Leia mais

MAE Introdução à Probabilidade e Estatística II Resolução Lista 1

MAE Introdução à Probabilidade e Estatística II Resolução Lista 1 MAE 229 - Itrodução à Probabilidade e Estatística II Resolução Lista 1 Professor: Pedro Moretti Exercício 1 (a) Fazer histograma usado os seguites dados: Distribuição de probabilidade da variável X: X

Leia mais

ESTATÍSTICA EXPLORATÓRIA

ESTATÍSTICA EXPLORATÓRIA ESTATÍSTICA EXPLORATÓRIA Prof Paulo Reato A. Firmio praf6@gmail.com Aulas 19-0 1 Iferêcia Idutiva - Defiições Coceitos importates Parâmetro: fução diretamete associada à população É um valor fixo, mas

Leia mais

MAE 116 Estimação para a média FEA - 2º Semestre de 2018

MAE 116 Estimação para a média FEA - 2º Semestre de 2018 MAE 116 Estimação para a média FEA - 2º Semestre de 2018 1 Objetivo da aula O objetivo é estimar a média de uma população (ou de uma variável aleatória) Vamos iicialmete estudar de forma empírica a distribuição

Leia mais

Faculdade de Economia Universidade Nova de Lisboa ESTATÍSTICA. Exame Final 2ª Época 26 de Junho de Grupo I (3 valores)

Faculdade de Economia Universidade Nova de Lisboa ESTATÍSTICA. Exame Final 2ª Época 26 de Junho de Grupo I (3 valores) Faculdade de Ecoomia Uiversidade Nova de Lisboa ESTATÍSTIA Exame Fial ª Época 6 de Juho de 00 Ateção:. Respoda a cada grupo em folhas separadas. Idetifique todas as folhas.. Todas as respostas devem ser

Leia mais

ESTIMAÇÃO PARA A MÉDIA

ESTIMAÇÃO PARA A MÉDIA ESTIMAÇÃO PARA A MÉDIA Objetivo Estimar a média de uma variável aleatória, que represeta uma característica de iteresse de uma população, a partir de uma amostra. Vamos observar elemetos, extraídos ao

Leia mais

d) A partir do item c) encontre um estimador não viciado para σ 2.

d) A partir do item c) encontre um estimador não viciado para σ 2. Uiversidade de Brasília Departameto de Estatística 6 a Lista de PE 1 Seja X 1,, X ) uma AAS tal que EX i ) = µ e VarX i ) = σ 2 a) Ecotre EXi 2 ) e E X 2) b) Calcule EX i X) X i X) 2 c) Se T =, mostre

Leia mais

Intervalos de Confiança

Intervalos de Confiança Itervalos de Cofiaça Prof. Adriao Medoça Souza, Dr. Departameto de Estatística - PPGEMQ / PPGEP - UFSM - 0/9/008 Estimação de Parâmetros O objetivo da Estatística é a realização de iferêcias acerca de

Leia mais

CONHECIMENTOS ESPECÍFICOS

CONHECIMENTOS ESPECÍFICOS Acerca dos coceitos de estatística e dos parâmetros estatísticos, julgue os ites seguites. CONHECIMENTOS ESPECÍFICOS CESPE/UB STM 67 A partir do histograma mostrado a figura abaixo, é correto iferir que

Leia mais

ESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p

ESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p ESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p Objetivo Estimar uma proporção p (descohecida) de elemetos em uma população, apresetado certa característica de iteresse, a partir da iformação forecida por uma amostra.

Leia mais

Probabilidades e Estatística

Probabilidades e Estatística Departameto de Matemática Probabilidades e Estatística Primeiro exame/segudo teste 2 o semestre 29/21 Duração: 18/9 miutos Grupo I Justifique coveietemete todas as respostas. 17/6/21 9: horas 1. Com base

Leia mais

Estudando complexidade de algoritmos

Estudando complexidade de algoritmos Estudado complexidade de algoritmos Dailo de Oliveira Domigos wwwdadomicombr Notas de aula de Estrutura de Dados e Aálise de Algoritmos (Professor Adré Bala, mestrado UFABC) Durate os estudos de complexidade

Leia mais

Estatística Aplicada I DISTRIBUIÇÃO AMOSTRAL MÉDIA ERRO AMOSTRAL

Estatística Aplicada I DISTRIBUIÇÃO AMOSTRAL MÉDIA ERRO AMOSTRAL Estatística Aplicada I DISTRIBUIÇÃO AMOSTRAL MÉDIA ERRO AMOSTRAL AULA 8 16/05/17 Prof a Lilia M. Lima Cuha Maio de 017 PROPOSITO FUNDAMENTAL DA INFERÊNCIA ESTATISTICA DESENVOLVER ESTIMATIVAS E TESTAR HIPOTESES

Leia mais

Estimar uma proporção p (desconhecida) de elementos em uma população, apresentando certa característica de interesse, a partir da informação

Estimar uma proporção p (desconhecida) de elementos em uma população, apresentando certa característica de interesse, a partir da informação ESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p 1 Objetivo Estimar uma proporção p (descohecida) de elemetos em uma população, apresetado certa característica de iteresse, a partir da iformação forecida por uma

Leia mais

5. A nota final será a soma dos pontos (negativos e positivos) de todas as questões

5. A nota final será a soma dos pontos (negativos e positivos) de todas as questões DEPARTAMENTO DE ESTATÍSTICA - UFMG PROVA DE ESTATÍSTICA E PROBABILIDADE SELEÇÃO - MESTRADO/ UFMG - 2013/2014 Istruções: 1. Cada questão respodida corretamete vale 1 (um) poto. 2. Cada questão respodida

Leia mais

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Teste de Hipótese

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Teste de Hipótese Estatística: Aplicação ao Sesoriameto Remoto SER 4 - ANO 18 Teste de Hipótese Camilo Daleles Reó camilo@dpi.ipe.br http://www.dpi.ipe.br/~camilo/estatistica/ Estimação de Parâmetros Como já foi visto,

Leia mais

Objetivo. Estimar a média µ de uma variável aleatória X, que representa uma característica de interesse de uma população, a partir de uma amostra.

Objetivo. Estimar a média µ de uma variável aleatória X, que representa uma característica de interesse de uma população, a partir de uma amostra. ESTIMAÇÃO PARA A MÉDIAM Objetivo Estimar a média µ de uma variável aleatória X, que represeta uma característica de iteresse de uma população, a partir de uma amostra. Exemplos: µ : peso médio de homes

Leia mais

) E X. ) = 0 2 ( 1 p ) p = p. ) E 2 ( X ) = p p 2 = p ( 1 p ) ( ) = i 1 n. ( ) 2 n E( X) = ( ) = 1 p ( ) = p V ( X ) = E ( X 2 E X

) E X. ) = 0 2 ( 1 p ) p = p. ) E 2 ( X ) = p p 2 = p ( 1 p ) ( ) = i 1 n. ( ) 2 n E( X) = ( ) = 1 p ( ) = p V ( X ) = E ( X 2 E X 3.5 A distribuição uiforme discreta Defiição: X tem distribuição uiforme discreta se cada um dos valores possíveis,,,, tiver fução de probabilidade P( X = i ) = e represeta-se por, i =,, 0, c.c. X ~ Uif

Leia mais

Estimativa de Parâmetros

Estimativa de Parâmetros Estimativa de Parâmetros ENG09004 04/ Prof. Alexadre Pedott pedott@producao.ufrgs.br Trabalho em Grupo Primeira Etrega: 7/0/04. Plao de Amostragem - Cotexto - Tipo de dado, frequêcia de coleta, quatidade

Leia mais

AMOSTRAGEM ALEATÓRIA DISTRIBUIÇÕES POR AMOSTRAGEM

AMOSTRAGEM ALEATÓRIA DISTRIBUIÇÕES POR AMOSTRAGEM 6 AMOSTRAGEM ALEATÓRIA DISTRIBUIÇÕES POR AMOSTRAGEM Quado se pretede estudar uma determiada população, aalisam-se certas características ou variáveis dessa população. Essas variáveis poderão ser discretas

Leia mais

Universidade Federal de Mato Grosso Probabilidade e Estatística - Curso: Engenharia Civil Introdução à Inferência Estatística - Prof a Eveliny

Universidade Federal de Mato Grosso Probabilidade e Estatística - Curso: Engenharia Civil Introdução à Inferência Estatística - Prof a Eveliny 1 Itrodução Uiversidade Federal de Mato Grosso Probabilidade e Estatística - Curso: Egeharia Civil Itrodução à Iferêcia Estatística - Prof a Eveliy Vimos o iício do curso como resumir descritivamete variáveis

Leia mais

b) Fabrico de peças cilíndricas Capítulo 5 - Distribuições conjuntas de probabilidades e complementos X - comprimento da peça Y - diâmetro da peça

b) Fabrico de peças cilíndricas Capítulo 5 - Distribuições conjuntas de probabilidades e complementos X - comprimento da peça Y - diâmetro da peça Capítulo 5 - Distribuições cojutas de probabilidades e complemetos 5.1 Duas variáveis aleatórias discretas. Distribuições cojutas, margiais e codicioais. Idepedêcia Em relação a uma mesma eperiêcia podem

Leia mais

UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPTO. DE ESTATÍSTICA LISTA 4 PROBABILIDADE A (CE068) Prof. Benito Olivares Aguilera

UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPTO. DE ESTATÍSTICA LISTA 4 PROBABILIDADE A (CE068) Prof. Benito Olivares Aguilera UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EATAS DEPTO. DE ESTATÍSTICA LISTA 4 PROBABILIDADE A (CE068) Prof. Beito Olivares Aguilera 2 o Sem./09 1. Das variáveis abaixo descritas, assiale quais são

Leia mais

Fundamentos de Análise Matemática Profª Ana Paula. Sequência Infinitas

Fundamentos de Análise Matemática Profª Ana Paula. Sequência Infinitas Fudametos de Aálise Matemática Profª Aa Paula Sequêcia Ifiitas Defiição 1: Uma sequêcia umérica a 1, a 2, a 3,,a,é uma fução, defiida o cojuto dos úmeros aturais : f : f a Notação: O úmero é chamado de

Leia mais

CAPÍTULO 6 - ESTIMAÇÃO E TESTES DE HIPÓTESES

CAPÍTULO 6 - ESTIMAÇÃO E TESTES DE HIPÓTESES CAPÍTULO 6 - ESTIMAÇÃO E TESTES DE HIPÓTESES 6. INTRODUÇÃO INFERÊNCIA ESTATÍSTICA Estimação por poto por itervalo Testes de Hipóteses População X θ =? Amostra θ Iferêcia Estatística X, X,..., X 6. ESTIMAÇÃO

Leia mais

ESTATÍSTICA NÃO-PARAMÉTRICA

ESTATÍSTICA NÃO-PARAMÉTRICA ESTATÍSTICA NÃO-PARAMÉTRICA Prof. Dr. Edmilso Rodrigues Pito Faculdade de Matemática - UFU edmilso@famat.ufu.br 1 Programa Itrodução - Plao de curso, sistema de avaliação - Coceitos básicos de iferêcia

Leia mais

Lista de Exercícios 5

Lista de Exercícios 5 Itrodução à Teoria de Probabilidade. Iformatica Biomedica. Departameto de Física e Matemática. USP-RP. Prof. Rafael A. Rosales 22 de juho de 2006. Lista de Exercícios 5 1 Modelos Probabilísticos Discretos

Leia mais

Teste de Hipóteses Paramétricos

Teste de Hipóteses Paramétricos Teste de Hipóteses Paramétricos Como costruir testes de hipóteses para difereças etre duas médias. Como costruir testes de hipóteses para difereças etre duas proporções. Como costruir testes de hipóteses

Leia mais

Exame MACS- Inferência-Intervalos.

Exame MACS- Inferência-Intervalos. Exame MACS- Iferêcia-Itervalos. No iício deste capítulo, surgem algumas ideias que devemos ter presetes: O objectivo da iferêcia estatística é usar uma amostra e tirar coclusões para toda a população.

Leia mais

ENGENHARIA DA QUALIDADE A ENG AULA 6 CARTAS DE CONTROLE PARA ATRIBUTOS

ENGENHARIA DA QUALIDADE A ENG AULA 6 CARTAS DE CONTROLE PARA ATRIBUTOS ENGENHARIA DA QUALIDADE A ENG 09008 AULA 6 CARTAS DE CONTROLE PARA ATRIBUTOS PROFESSORES: CARLA SCHWENGBER TEN CATEN Tópicos desta aula Cartas de Cotrole para Variáveis Tipo 1: Tipo 2: Tipo 3: X X X ~

Leia mais

Virgílio A. F. Almeida DCC-UFMG 1/2005

Virgílio A. F. Almeida DCC-UFMG 1/2005 Virgílio A. F. Almeida DCC-UFMG 1/005 !" # Comparado quatitativamete sistemas eperimetais: Algoritmos, protótipos, modelos, etc Sigificado de uma amostra Itervalos de cofiaça Tomado decisões e comparado

Leia mais

Comparação entre duas populações

Comparação entre duas populações Comparação etre duas populações AMOSTRAS INDEPENDENTES Comparação etre duas médias 3 Itrodução Em aplicações práticas é comum que o iteresse seja comparar as médias de duas diferetes populações (ambas

Leia mais

Aula 11 - Questões Comentadas e Resolvidas

Aula 11 - Questões Comentadas e Resolvidas Curso Olie - Raciocíio Lógico-Quatitativo para Traumatizados em Exercícios, icluido Matemática, Matemática Fiaceira e Estatística Profs. Alexadre Lima e Moraes Juior Aula - Questões Cometadas e Resolvidas

Leia mais

5 Teoria dos Valores Extremos

5 Teoria dos Valores Extremos Teoria dos Valores Extremos 57 5 Teoria dos Valores Extremos A Teoria dos Valores Extremos vem sedo bastate utilizada em campos ligados a evetos raros. Sua estatística é aplicada a estimação de evetos

Leia mais

UNIVERSIDADE FEDERAL DO PARANÁ NOTAS DE AULA PROFa. SONIA MÜLLER

UNIVERSIDADE FEDERAL DO PARANÁ NOTAS DE AULA PROFa. SONIA MÜLLER PROBABILIDADE. DEFINIÇÕES BÁSICAS:.- INTRODUÇÃO: UNIVERSIDADE FEDERAL DO PARANÁ NOTAS DE AULA PROFa. SONIA MÜLLER PROBABILIDADE POPULAÇÃO AMOSTRA ESTATÍSTICA Uiverso : Ω ou U Vazio: Uião: A B Itersecção:

Leia mais

CAPÍTULO 6 ESTIMATIVA DE PARÂMETROS PPGEP. Introdução. Introdução. Estimativa de Parâmetros UFRGS

CAPÍTULO 6 ESTIMATIVA DE PARÂMETROS PPGEP. Introdução. Introdução. Estimativa de Parâmetros UFRGS CAPÍTULO 6 Itrodução Uma variável aleatória é caracterizada ou descrita pela sua distribuição de probabilidade. ETIMATIVA DE PARÂMETRO URG Em aplicações idustriais, as distribuições de probabilidade são

Leia mais

Capítulo 5. CASO 5: EQUAÇÃO DE POISSON 5.1 MODELO MATEMÁTICO E SOLUÇÃO ANALÍTICA

Capítulo 5. CASO 5: EQUAÇÃO DE POISSON 5.1 MODELO MATEMÁTICO E SOLUÇÃO ANALÍTICA Capítulo 5. CASO 5: EQUAÇÃO DE POISSON No presete capítulo, é abordado um problema difusivo uidimesioal com absorção de calor (Icropera e DeWitt, 199, o que resulta uma equação de Poisso, que é uma equação

Leia mais

ESTIMAÇÃO POR INTERVALO (INTERVALOS DE CONFIANÇA)

ESTIMAÇÃO POR INTERVALO (INTERVALOS DE CONFIANÇA) 06 ETIMÇÃO OR INTERVLO (INTERVLO DE CONINÇ) Cada um dos métodos de estimação potual permite associar a cada parâmetro populacioal um estimador. Ora a cada estimador estão associadas tatas estimativas diferetes

Leia mais

) E 2 ( X) = p p 2 = p( 1 p) ) = 0 2 ( 1 p) p = p ( ) = ( ) = ( ) = p. F - cara (sucesso) C - coroa (insucesso)

) E 2 ( X) = p p 2 = p( 1 p) ) = 0 2 ( 1 p) p = p ( ) = ( ) = ( ) = p. F - cara (sucesso) C - coroa (insucesso) 3.6 A distribuição biomial Defiição: uma eperiêcia ou prova de Beroulli é uma eperiêcia aleatória só com dois resultados possíveis (um deles chamado "sucesso" e o outro "isucesso"). Seja P(sucesso) = p,

Leia mais

Uma amostra aleatória simples de n elementos é selecionada a partir da população. Calcula-se o valor da média a partir da amostra

Uma amostra aleatória simples de n elementos é selecionada a partir da população. Calcula-se o valor da média a partir da amostra Distribuição amostral de Um dos procedimetos estatísticos mais comus é o uso de uma média da amostra ( ) para fazer iferêcias sobre uma população de média µ. Esse processo é apresetado a figura abaio.

Leia mais

Probabilidade 2 - ME310 - Lista 5

Probabilidade 2 - ME310 - Lista 5 Probabilidade - ME30 - Lista 5 November 3, 0 Lembrado:. Covergêcia de sequêcias em L p (também chamada de covergêcia em média): se lim E( X X 0 p ) 0 quado, etão a sequêcia deida por X é dita covergete

Leia mais

Processos Estocásticos

Processos Estocásticos IFBA Processos Estocásticos Versão 1 Alla de Sousa Soares Graduação: Liceciatura em Matemática - UESB Especilização: Matemática Pura - UESB Mestrado: Matemática Pura - UFMG Vitória da Coquista - BA 2014

Leia mais

Intervalos Estatísticos para uma única Amostra - parte II

Intervalos Estatísticos para uma única Amostra - parte II Itervalos Estatísticos para uma úica Amostra - parte II Itervalo de cofiaça para proporção 2012/02 1 Itrodução 2 3 Objetivos Ao fial deste capítulo você deve ser capaz de: Costruir itervalos de cofiaça

Leia mais

Mestrado Integrado em Engenharia Civil. Disciplina: TRANSPORTES. Sessão Prática 4: Amostragem

Mestrado Integrado em Engenharia Civil. Disciplina: TRANSPORTES. Sessão Prática 4: Amostragem Mestrado Itegrado em Egeharia Civil Disciplia: TRNSPORTES Prof. Resposável: José Mauel Viegas Sessão Prática 4: mostragem Istituto Superior Técico / Mestrado Itegrado Egª Civil Trasportes ulas Práticas

Leia mais

Stela Adami Vayego DEST/UFPR

Stela Adami Vayego DEST/UFPR Resumo 0 Estimação de parâmetros populacioais 9.. Itrodução Aqui estudaremos o problema de avaliar certas características dos elemetos da população (parâmetros), com base em operações com os dados de uma

Leia mais

Critérios de correção e orientações de resposta p-fólio

Critérios de correção e orientações de resposta p-fólio Miistério da Ciêcia, Tecologia e Esio Superior U.C. 037 Elemetos de Probabilidade e Estatística de Juho de 0 Critérios de correção e orietações de resposta p-fólio Neste relatório apresetam-se os critérios

Leia mais

Estatística. 7 - Distribuições Amostrais

Estatística. 7 - Distribuições Amostrais Estatística 7 - Distribuições Amostrais 07 - Distribuição da Média Amostral Distribuição costituída de todos os valores de, cosiderado todas as possíveis amostras de tamaho i ( Ode,,..., são V.A. com mesma

Leia mais

4 Teoria da Probabilidade

4 Teoria da Probabilidade 48 4 Teoria da Probabilidade Apresetam-se este capítulo coceitos de probabilidade e de estimação de fuções desidade de probabilidade ecessários ao desevolvimeto e compreesão do modelo proposto (capítulo

Leia mais

Probabilidades e Estatística TODOS OS CURSOS

Probabilidades e Estatística TODOS OS CURSOS Duração: 9 miutos Grupo I Probabilidades e Estatística TODOS OS CURSOS Justifique coveietemete todas as respostas 1 o semestre 217/218 3/1/218 11:3 1 o Teste C 1 valores 1. A Marta e o João irão passar

Leia mais

Considerações finais

Considerações finais Cosiderações fiais Bases Matemáticas Defiições prelimiares Defiição 1 Dizemos que y é uma cota superior para um cojuto X se, para todo x X é, verdade que y x. Exemplo 1 os úmeros 2, 3, π e quaisquer outros

Leia mais

Estimação da média populacional

Estimação da média populacional Estimação da média populacioal 1 MÉTODO ESTATÍSTICO Aálise Descritiva Teoria das Probabilidades Iferêcia Os dados efetivamete observados parecem mostrar que...? Se a distribuição dos dados seguir uma certa

Leia mais

INFERÊNCIA. Fazer inferência (ou inferir) = tirar conclusões

INFERÊNCIA. Fazer inferência (ou inferir) = tirar conclusões INFERÊNCIA Fazer iferêcia (ou iferir) = tirar coclusões Iferêcia Estatística: cojuto de métodos de aálise estatística que permitem tirar coclusões sobre uma população com base em somete uma parte dela

Leia mais

Notas do Curso Inferência em Processos Estocásticos. 1 Estimação de máxima verossimilhança para cadeias de Markov de ordem k

Notas do Curso Inferência em Processos Estocásticos. 1 Estimação de máxima verossimilhança para cadeias de Markov de ordem k Notas do Curso Iferêcia em Processos Estocásticos Prof. Atoio Galves Trascrita por Karia Yuriko Yagiuma 1 Estimação de máxima verossimilhaça para cadeias de Markov de ordem k Seja (X ) =0,1,,... uma cadeia

Leia mais

INFERÊNCIA ESTATÍSTICA

INFERÊNCIA ESTATÍSTICA i UNIVERSIDADE FEDERAL FLUMINENSE INSTITUTO DE MATEMÁTICA DEPARTAMENTO DE ESTATÍSTICA INFERÊNCIA ESTATÍSTICA Aa Maria Lima de Farias Outubro 2008 Coteúdo 1 Iferêcia Estatística - Coceitos Básicos 1 1.1

Leia mais

CONCEITOS BÁSICOS E PRINCÍPIOS DE ESTATÍSTICA

CONCEITOS BÁSICOS E PRINCÍPIOS DE ESTATÍSTICA 1 CONCEITOS BÁSICOS E PRINCÍPIOS DE ESTATÍSTICA 1. Coceitos Básicos de Probabilidade Variável aleatória: é um úmero (ou vetor) determiado por uma resposta, isto é, uma fução defiida em potos do espaço

Leia mais

SÉRIE: Estatística Básica Texto: Estimação 1. INTRODUÇÃO ESTIMAÇÃO POR PONTO ESTIMAÇÃO POR INTERVALO... 15

SÉRIE: Estatística Básica Texto: Estimação 1. INTRODUÇÃO ESTIMAÇÃO POR PONTO ESTIMAÇÃO POR INTERVALO... 15 SUMÁRIO. INTRODUÇÃO... 3. ESTIMAÇÃO POR PONTO... 4.. NOTAÇÃO... 4.. PROPRIEDADES DOS ESTIMADORES... 5... Não-tedeciosidade... 5... Precisão ou eficiêcia... 8..3. Validade (ou Acurácia... 9..4. Coerêcia

Leia mais