Probabilidades e Estatística LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBiol, MEBiom, MEEC, MEFT, MEMec, MEQ

Documentos relacionados
Probabilidades e Estatística LEGM, LEIC-A, LEIC-T, MA, MEMec

Probabilidades e Estatística LEAN, LEGI, LEGM, LMAC, MEAer, MEAmbi, MEC

Probabilidades e Estatística

Probabilidades e Estatística LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBiol, MEBiom, MEEC, MEFT, MEMec, MEQ

Probabilidades e Estatística LEAN, LEE, LEGI, LERC, LMAC, MEAer, MEAmbi, MEBiol, MEBiom, MEEC, MEFT, MEMat, MEQ

Probabilidades e Estatística TODOS OS CURSOS

Probabilidades e Estatística LEAN, LEGI, LEGM, LMAC, MEAer, MEAmbi, MEC

Probabilidades e Estatística LEAN, LEGM, LEIC-A, LEIC-T, MA, MEMec

Probabilidades e Estatística TODOS OS CURSOS

Probabilidades e Estatística LEE, LEGI, LEMat, LERC/LETI, LMAC, MEAer, MEAmb, MEBiol, MEBiom, MEEC, MEFT, MEQ

Probabilidades e Estatística TODOS OS CURSOS

Probabilidades e Estatística LEIC-A, LEIC-T, LEGM, MA, MEMec

Regressao Simples. Parte II: Anova, Estimação Intervalar e Predição

Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento.

Cap. 5. Testes de Hipóteses

Probabilidades e Estatística LEAN, LEE, LEGI, LEMat, LETI, LMAC, MEAmb, MEAer, MEBiol, MEBiom, MEEC, MEFT, MEQ

REGRESSÃO LINEAR 05/10/2016 REPRESENTAÇAO MATRICIAL. Y i = X 1i + 2 X 2i k X ni + i Y = X + INTRODUÇÃO SIMPLES MÚLTIPLA

Regressão Simples. Parte III: Coeficiente de determinação, regressão na origem e método de máxima verossimilhança

Probabilidades e Estatística / Introd. às Probabilidades e Estatística TODOS OS CURSOS

Probabilidades e Estatística

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.

Probabilidades e Estatística TODOS OS CURSOS

Probabilidades e Estatística

Probabilidades e Estatística

Probabilidades e Estatística TODOS OS CURSOS

Nas Instituições de Ensino Superior(IES), há uma relação direta entre a qualidade do ensino e a taxa de inadimplência. A taxa de inadimplência das

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Estimação Pontual

ESTATÍSTICA Exame Final 1ª Época 3 de Junho de 2002 às 14 horas Duração : 3 horas

Distribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD

ESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO

Modelo de Regressão Simples

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.

Regressão Linear e Multilinear

Inferência Estatística e Aplicações I. Edson Zangiacomi Martinez Departamento de Medicina Social FMRP/USP

NOTAS DE AULA DA DISCIPLINA CE076. ], T 2 = conhecido como T 2 de Hotelling

ESTATÍSTICA Aula 7. Prof. Dr. Marco Antonio Leonel Caetano

7 Análise de covariância (ANCOVA)

a) 1,8 e 4,6. b) 2,0 e 2,2. c) 1,8 e 5,2. d) 2,0 e 4,6. e) 2,0 e 1,9.

CONHECIMENTOS ESPECÍFICOS

Capítulo 5: Ajuste de curvas pelo método dos mínimos quadrados

Tópicos Extras 2ª parte. Análise de Correlação e Regressão

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou. experimental.

Probabilidades e Estatística

Econometria: 3 - Regressão Múltipla

Estudo do intervalo de confiança da regressão inversa utilizando o software R

Regressão e Correlação

Tabela 1 Números de acidentes /mês no Cruzamento X em CG/07. N de acidentes / mês fi f

Macroeconometria Aula 3 Revisão de estatística e teste de hipótese

3. TESTES DE QUALIDADE DE AJUSTAMENTO

Professor Mauricio Lutz REGRESSÃO LINEAR SIMPLES. Vamos, então, calcular os valores dos parâmetros a e b com a ajuda das formulas: ö ; ø.

Parte 3 - Regressão linear simples

CAPÍTULO 5. Ajuste de curvas pelo Método dos Mínimos Quadrados

CAPÍTULO 3 MEDIDAS DE TENDÊNCIA CENTRAL E VARIABILIDADE PPGEP Medidas de Tendência Central Média Aritmética para Dados Agrupados

Hidrologia, Ambiente e Recursos Hídricos 2009 / Rodrigo Proença de Oliveira

Estudo das relações entre peso e altura de estudantes de estatística através da análise de regressão simples.

ANÁLISE DE REGRESSÃO E CORRELAÇÃO

Construção e Análise de Gráficos

Relatório 2ª Atividade Formativa UC ECS

Estatística - exestatmeddisper.doc 25/02/09

Probabilidades e Estatística LEAN, LEE, LEGI, LERC, LMAC, MEAer, MEAmbi, MEBiol, MEBiom, MEEC, MEFT, MEMat, MEQ

8. INFERÊNCIA PARA DUAS POPULAÇÕES

HIDROLOGIA E RECURSOS HÍDRICOS. Análise estatística aplicada à hidrologia

Distribuições de Probabilidades

Revisão de Estatística X = X n

Modelos de regressão linear: abordagem clássica

Avaliação da qualidade do ajuste

INFERÊNCIA ESTATÍSTICA PARA DUAS POPULAÇÕES

MAE0229 Introdução à Probabilidade e Estatística II

50 Logo, Número de erros de impressão

Estatística Descritiva. Medidas estatísticas: Localização, Dispersão

MEDIDAS DE POSIÇÃO: X = soma dos valores observados. Onde: i 72 X = 12

Probabilidades e Estatística

? Isso é, d i= ( x i. . Percebeu que

Lista de Exercícios #9 Assunto: Análise de Regressão Método de Mínimos Quadrados

3. ANPEC Questão 15 Ainda em relação à questão anterior pode-se concluir que, exceto por erro de arredondamento:

NOTA: ESCREVA AS RESPOSTAS COMO FRAÇÕES OU COM 4 CASAS DECIMAIS NOTA 2: O FORMULÁRIO ESTÁ NO FINAL DA PROVA

x n = n ESTATÍSTICA STICA DESCRITIVA Conjunto de dados: Organização; Amostra ou Resumo; Apresentação. População

TESTES DE PROPORÇÕES TESTE DE UMA PROPORÇÃO POPULACIONAL

A análise de variância de uma classificação (One-Way ANOVA) verifica se as médias de k amostras independentes (tratamentos) diferem entre si.

MEDIDAS DE TENDÊNCIA CENTRAL I

MÓDULO 8 REVISÃO REVISÃO MÓDULO 1

TESTE DO QUI-QUADRADO - Ajustamento

REGESD Prolic Matemática e Realidade- Profª Suzi Samá Pinto e Profº Alessandro da Silva Saadi

ESTATÍSTICA APLICADA II ANO LECTIVO 2011/2012. Exame Final 26 de Julho de 2012

CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS

ANÁLISE DE ERROS. Todas as medidas das grandezas físicas deverão estar sempre acompanhadas da sua dimensão (unidades)! ERROS

Reconhecimento de Padrões. Reconhecimento de Padrões

Confiabilidade Estrutural

Introdução à Correlação e Regressão Linear

Probabilidades e Estatística

6. Inferência para Duas Populações USP-ICMC-SME 2013

Estimação pontual, estimação intervalar e tamanho de amostras

Organização; Resumo; Apresentação.

ANÁLISE DE VARIÂNCIA

Testes não-paramétricos

Faculdade de Tecnologia de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL

Prof. Janete Pereira Amador 1

Curso de Graduação. Inferência I N F ERÊNCI A ESTAT ÍSTICA

Probabilidades e Estatística LEGM, LEIC-A, LEIC-T, MA, MEMec

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional. ou experimental.

Transcrição:

Duração: 90 mutos Grupo I Probabldades e Estatístca LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBol, MEBom, MEEC, MEFT, MEMec, MEQ Justfque coveetemete todas as respostas 1 o semestre 018/019 10/01/019 09:00 o teste A 10 valores 1. A varável aleatóra X represeta o úmero dáro de aálses químcas efectuadas por um pequeo laboratóro e possu fução de probabldade satsfazedo: (x + 1)(x + ) P(X x) (1 p) x p, x 0,1,,..., ode p ]0, 1[ é uma probabldade descohecda. Seja (X 1, X,..., X ) uma amostra aleatóra de X. (a) Mostre que o estmador de máxma verosmlhaça do parâmetro p, com base a amostra aleatóra (.0) referda acma, é dado por /( X + ). V.a. de teresse X úmero dáro de aálses químcas a efectuar por um pequeo laboratóro F.p. de X P(X x) (x+1)(x+) (1 p) x p, x 0,1,,... Parâmetro descohecdo p, 0 < p < 1 Amostra x (x 1,..., x ) amostra de dmesão proveete da população X Obteção do estmador de MV de θ Passo 1 Fução de verosmlhaça L(p x) P(X x) X dep P(X x ) X X 1 P(X x ) 1 [ ] (x + 1)(x + ) (1 p) x p ] 1 [ 1(x + 1)(x + ) 1 (1 p) 1 x p, 0 < p < 1 Passo Fução de log-verosmlhaça (caso x > 0) ll(p x) l() + l[(x + 1)(x + )] + l(1 p) x + l(p) Passo Maxmzação A estmatva de MV de p passa a ser represetada por ˆp e d ll(p x) dp 0 (poto de estacoardade) p ˆp ˆp : d ll(p x) p < 0 (poto de máxmo) dp ˆp 1 x 1 ˆp + ṋ p 0 1 x < 0 (prop. verdadera porque x 0 e > 0) (1 ˆp) ˆp 1 Pága 1 de 7

ˆp : ˆp x + ˆp 0 ˆp [ ] x ) ) ( x+) x < 0. ( 1 x+ ( x+ x+ Passo 4 Estmador de MV de λ E MV (p) X +. ( ) (b) Obteha a estmatva de máxma verosmlhaça de E(X ) 1 p 1 (x 1, x, x, x 4, x 5 ) (,,1,4,0). Estmatva de MV de p ˆp x + ++1+4+0 5 + + 0.6 baseada a cocretzação (1.5) Outro parâmetro ( ) descohecdo h(p) 1 p 1 Estmatva de MV de h(p) Ao vocar a propredade de varâca dos estmadores de máxma verosmlhaça, obtemos a estmatva de MV de h(p): h(p) h( ˆp) ( ) 1 ˆp 1 ( ) 1 0.6 1 ( ) ( ) 1 [ x pos h( ˆp) ˆp 1 1 1 x]. x+. De forma a comparar dos grupos de estudates uverstáros, cosderou-se a varável aleatóra X 1 (respetvamete X ) que represeta a altura, em cm, de estudates com actvdade físca acma da méda (respetvamete abaxo da méda). Ao selecoarem-se casualmete 0 estudates de cada um dos grupos, obtveram-se x 1 17 e x 171. Admta que X 1 e X possuem dstrbuções ormas com valores esperados µ 1 e µ descohecdos e desvos padrão cohecdos e guas a σ 1 6.4 e σ 7.. (a) Obteha um tervalo de cofaça a 95% para µ 1 µ. (.5) V.a. de teresse X 1 altura (em cm) de estudate com actvdade físca acma da méda X altura (em cm) de estudate com actvdade físca abaxo da méda Stuação dep. X ormal(µ,σ ), 1, (µ 1 µ ) DESCONHECIDO σ 1 e σ cohecdas 0 Pága de 7

Obteção do IC para µ 1 µ Passo 1 Selecção da v.a. fulcral para µ 1 µ Z ( X 1 X ) (µ 1 µ ) σ 1 + σ ormal(0, 1) [dado que se pretede determar um IC para a dfereça de valores esperados de duas populações depedetes com dstrbuções ormas e com varâcas cohecdas.] Passo Obteção dos quats de probabldade Ao ter-se em cosderação que (1 α) 100% 95%, far-se-á uso dos quats { a α Φ 1 (α/) Φ 1 (0.05) Φ 1 t abel a/calc. (1 0.05) 1.9600 b α Φ 1 (1 α/) Φ 1 t abel a/calc. (0.975) 1.9600. Passo Iversão da desgualdade a α Z b α P(a α Z b α ) 1 α P P a α ( X 1 X ) (µ 1 µ ) b α 1 α σ 1 + σ [ ] σ ( X 1 X ) b α 1 + σ σ µ 1 µ ( X 1 X ) a α 1 + σ 1 α Passo 4 Cocretzação Tedo em cota que IC (1 α) 100% (µ 1 µ ) ( x 1 x ) ± Φ 1 (1 α/) σ 1 + σ e atededo aos valores dos quats acma e de, x, σ ( 1,), segue-se 6.4 IC 95% (µ 1 µ ) (17 171) ± 1.9600 0 + 7. 0 [ ± 1.9600.15407] [.197, 6.197]. (b) Cofrote as hpóteses H 0 : µ 1 µ 1 e H 1 : µ 1 µ > 1, calculado para o efeto o valor-p. (.0) V.a. de teresse e stuação Ver alíea (a). Hpóteses H 0 : µ 1 µ µ 0 1 H 1 : µ 1 µ > µ 0 Estatístca de teste T ( X 1 X ) µ 0 σ 1 + σ H0 ormal(0,1) [uma vez que se pretede efectuar um teste sobre a dfereça de valores esperados de duas populações depedetes com dstrbuções ormas e com varâcas cohecdas.] Regão de rejeção de H 0 (para valores de T ) Estamos a ldar com um teste ulateral superor (H 1 : µ 1 µ > µ 0 ), logo a regão de rejeção de H 0 é do tpo W (c,+ ). Pága de 7

Decsão (com base o valor-p) O valor observado da estatístca de teste é gual a t ( x 1 x ) µ 0 σ 1 + σ (17 171) 1 6.4 0 + 7. 0 1.154066 0.4648 e a regão de rejeção deste teste é um tervalo à dreta. Dode valor p P(T > t H 0 ) Logo é suposto: 1 Φ(t) 1 Φ(0.46) tabel a/calc. 1 0.677 0.8. ão rejetar H 0 a qualquer.s. α 0.8%, por exemplo, a qualquer dos.u.s. (1%, 5% e 10%); rejetar H 0 a qualquer.s. α 0 >.8%. Grupo II 10 valores 1. Em determado processo dustral é crucal caraterzar a varável aleatóra X que represeta o úmero de peças mecâcas specoadas até se ecotrar uma peça defetuosa. Uma egehera mecâca defede a hpótese H 0 de que X possu dstrbução geométrca com parâmetro descohecdo p. Uma amostra aleatóra de 00 cotages do úmero de peças mecâcas specoadas até se ecotrar uma peça defetuosa coduzu à segute tabela de frequêcas: Classe 1 a 4 5 a 8 9 a 1 1 a 16 17 a 0 1 ou mas Frequêca absoluta observada 7 7 10 5 8 16 Estmatva da freq. abs. esperada sob H 0 e 1 7.57 7.7 6.99 6.71 e 6 (a) Sabedo que a estmatva de máxma verosmlhaça de p é ˆp 0.01, obteha os valores das (1.0) estmatvas e 1 e e 6 (aproxmado-as às cetésmas). V.a. de teresse X úmero de peças mecâcas specoadas até se ecotrar uma peça defetuosa F.p. cojecturada P(X x) (1 p) x 1 p, x 1,,..., ode p é uma probabldade descohecda. Estmatvas das frequêcas absolutas esperadas omssas Atededo à dmesão da amostra 00, à f.p. cojecturada, à estmatva de MV facultada ˆp 0.01 e à propredade de varâca dos EMV, temos: e 1 P(X 4 p ˆp) 4 00 (1 ˆp) x 1 ˆp 1 1 (1 ˆp)4 00 ˆp 1 (1 ˆp) 00 (1 0.99 4 ) 7.88; Pága 4 de 7

e 5 ˆP(X 1) 5 e 1 00 (7.88 + 7.57 + 7.7 + 6.99 + 6.71) 16.58. (b) Teste H 0, ao ível de sgfcâca de 5%. (.0) Hpóteses H 0 : X geométrca(p) H 1 : X geométrca(p) Nível de sgfcâca α 0 5% (p descohecdo) Estatístca de teste k (O E ) T E a H0 χ (k β 1), ode: 1 k No. de classes 6 O Frequêca absoluta observável da classe E ESTIMADOR da frequêca absoluta esperada, sob H 0, da classe β No. de parâmetros a estmar 1 [dado que p é uma probabldade descohecda.] Estmatvas das frequêcas absolutas esperadas sob H 0 De acordo com a tabela facultada e a alíea (a), as estmatvas [de MV] das frequêcas absolutas esperadas sob H 0 aproxmadas às cetésmas são: e 1 7.88; e 7.57; e 7.7; e 4 6.99; e 5 6.71; e 6 16.58. [Não é ecessáro fazer qualquer agrupameto de classes uma vez que em pelo meos 80% das classes se verfca E 5 e que E 1 para todo o. Caso fosse precso efectuar agrupameto de classes, os valores de k e c F 1 (1 α χ 0 ) teram que ser recalculados...] (k β 1) Regão de rejeção de H 0 (para valores de T ) Tratado-se de um teste de ajustameto, a regão de rejeção de H 0 é o tervalo à dreta W (c,+ ), ode c F 1 (1 α χ 0 ) (k β 1) Decsão F 1 (1 0.05) χ (6 1 1) tabel a/calc. 9.488. Classe Freq. abs. obs. Estm. freq. abs. Parcelas valor obs. esp. sob H 0 estat. teste o e (o e ) e (7 7.88) 1 {1,,,4} 7 7.88 7.88 0.098 (7 7.57) {5,6,7,8} 7 7.57 7.57 0.04 {9, 10, 11, 1} 10 7.7 1.05 4 {1, 14, 15, 16} 5 6.99 0.567 5 {17, 18, 19, 0} 8 6.71 0.48 6 {1,,...} 16 16.58 0.00 k 1 o 00 k 1 e 00 t k (o e ) 1 e 1.98 Uma vez que t 1.98 W (9.488,+ ), ão devemos rejetar H 0 ao.s. de α 0 5% [em a qualquer outro.s. feror a α 0 ]. Pága 5 de 7

. Um cojuto de 0 medções depedetes coduzu aos segutes resultados referetes ao ível de pressão soora de uma fote de ruído (x, em db) e ao aumeto da tesão arteral de um dvíduo causado pela exposção a esta fote de ruído (Y, em mm Hg): 0 1 x 1646, 0 1 x 18476, 0 1 y 86, 0 1 y 494, 0 1 x y 7594, ode [ m,...,0 x, max 1,...,0 x ] [60, 100]. (a) Cosdere o modelo de regressão lear smples de Y em x e determe a estmatva de mímos (.0) quadrados do valor esperado do aumeto da tesão arteral de um dvíduo exposto a um ruído com ível de pressão soora de 110 db. Estmatva de MQ de E(Y x) β 0 + β 1 x com x 110 Dado que 0 1 x 1646 1 x 1646 0 8. x 1 1 x 18476 1 x ( x) 18476 0 8. 010. 1 y 86 ȳ 1 y 86 0 4. 1 y 494 1 y (ȳ) 494 0 4. 14. 1 x y 7594 1 x y x ȳ 7594 0 8. 4. 516., as estmatvas de MQ de β 1, β 0 e β 0 + β 1 x são, para este modelo de RLS, guas a: ˆβ 1 1 x y xȳ 1 x ( x) 516. 010. 0.171484 ˆβ 0 ȳ ˆβ 1 x 4. 0.171484 8. 9.811 ˆβ 0 + ˆβ 1 x 9.811 + 0.171484 110 9.050107. [Cometáro Estamos a cometer um erro de extrapolação ao estmar potualmete E(Y x) β 0 + β 1 x uma vez que x 110 [m,..., x, max 1,..., x ] [60, 100].] (b) Após ter eucado as hpóteses de trabalho que eteder coveetes, cofrote H 0 : β 1 0. e (.0) H 1 : β 1 0., ao ível de sgfcâca de 10%. Hpóteses de trabalho ɛ..d. Normal(0,σ ), 1,..., Hpóteses H 0 : β 1 β 1,0 0. H 1 : β 1 β 1,0 Pága 6 de 7

Nível de sgfcâca α 0 10% Estatístca de teste T ˆβ 1 β 1,0 ˆσ 1 x x H0 t ( ) Regão de rejeção de H 0 (para valores de T ) Estamos a ldar com um teste blateral (H 1 : β 1 0.), logo a regão de rejeção de H 0 é do tpo W (, c) (c,+ ), ode c : P(Rejetar H 0 H 0 ) α 0,.e., c F 1 t ( ) (1 α 0 /) F 1 t (0 ) (1 0.10/) F 1 t (18) (0.95) tabel a/calc. 1.74. Decsão Atededo aos valores [( obtdos em ) (a), assm como o de ˆσ 1 y ȳ ( ( )] ) ˆβ1 x x 1 1 1 ( 14. 0.171484 010. ) 0 1.9809, o valor observado da estatístca de teste é gual a t ˆβ 1 β 1,0 ˆσ 1 x x 0.171484 0. 1.9809 010. 1.11150. Como t 1.11150 W (, 1.74) (1.74,+ ) ão devemos rejetar H 0 ao.s. de 10% [em a qualquer.s. feror a 10%]. (c) Calcule e terprete o valor do coefcete de determação do modelo ajustado. (1.0) Cálculo do coefcete de determação ( r 1 x y x ȳ ) ( 1 x x) ( 1 y ȳ ) 516. 010. 14. 0.7170. Iterpretação coefcete de determação Cerca de 71.% da varação total da varável resposta Y é explcada pela varável x, através do modelo de regressão lear smples ajustado, dode possamos afrmar que a recta estmada parece ajustar-se bem ao cojuto de dados. Pága 7 de 7