ESTATÍSTICA I 2. o Ano/Gestão 1. o Semestre Época de Recurso Duração: 2 horas. 1. a Parte Teórica N. o de Exame: RESOLUÇÃO

Documentos relacionados
ESTATÍSTICA I 2. o Ano/Gestão 1. o Semestre Época de Recurso Duração: 2 horas. 1. a Parte Teórica N. o de Exame: abcde

Nome: N. o : 7. Total

Nome: N. o : 7. Total

Nome: N. o : f(u) du para todo o x (V) d) Se F (x) tiver pontos de descontinuidade, então X é discreta (F)

Nome: N o : Espaço reservado a classificações

ESTATÍSTICA I - 2º ano / Lic. Gestão - 2º sem 31/5/2011

Probabilidades e Estatística TODOS OS CURSOS

5 a Lista de PE Solução

a) o time ganhe 25 jogos ou mais; b) o time ganhe mais jogos contra times da classe A do que da classe B.

Probabilidades e Estatística TODOS OS CURSOS

Exame de Época de Recurso 2 de Fevereiro de 2016 Duração: 2 horas. NOME: N. o :

TÓPICOS DE RESOLUÇÃO - Exame de Época de Recurso (Diurno) 2009/2010. Primeira Parte. F (b) F (a) =P (a <X<b) P (a <X<b)=

Aula 3 - Revisão de Probabilidade e Estatística: Esclarecimento de Dúvidas

Distribuições conjuntas de probabilidades e complementos

Variáveis aleatórias discretas

Lista de Exercícios #3 Assunto: Variáveis Aleatórias Multidimensionais Discretas

UNIVERSIDADE FEDERAL DA PARAÍBA. Variáveis Aleatórias. Departamento de Estatística Luiz Medeiros

Estatística Aplicada II. } Revisão: Probabilidade } Propriedades da Média Amostral


Bioestatística. AULA 6 - Variáveis aleatórias. Isolde Previdelli

DA PARAÍBA. Variáveis Aleatórias. Departamento de Estatística Luiz Medeiros

Amostragem. Cuidados a ter na amostragem Tipos de amostragem Distribuições de amostragem

First exam October 23, 2006 Statistics II

PRINCIPAIS DISTRIBUIÇÕES DE PROBABILIDADES

1 Teoria da Decisão Estatística

Teoria da Estimação. Fabricio Goecking Avelar. junho Universidade Federal de Alfenas - Instituto de Ciências Exatas

Universidade Federal de Lavras

Par de Variáveis Aleatórias

Solução dos Exercícios - Capítulos 1 a 3

Estatística Descritiva e Exploratória

Modelos discretos e contínuos

Grupo I. (a) A função de probabilidade marginal de X, P (X = x), é dada por

Cálculo das Probabilidades e Estatística I

Escola Superior de Agricultura Luiz de Queiroz Universidade de São Paulo. Variáveis Aleatórias Contínuas

MAE Introdução à Probabilidade e Estatística II Resolução Lista 5

Distribuição Normal. Prof. Eduardo Bezerra. (CEFET/RJ) - BCC - Inferência Estatística. 25 de agosto de 2017

4.1. ESPERANÇA x =, x=1

Teorema do Limite Central

Distribuições Amostrais

PROBABILIDADES E ESTATÍSTICA

Probabilidades e Estatística MEEC, LEIC-A, LEGM

VARIÁVEIS ALEATÓRIAS

Tiago Viana Flor de Santana

Probabilidades e Estatística TODOS OS CURSOS

Testes de Hipóteses. Ricardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo

A figura 5.1 ilustra a densidade da curva normal, que é simétrica em torno da média (µ).

Probabilidade II. Departamento de Estatística. Universidade Federal da Paraíba

EST012 - Estatística Econômica I Turma A - 1 o Semestre de 2019 Lista de Exercícios 3 - Variável aleatória

6. NOÇÕES DE INFERÊNCIA ESTATÍSTICA

Estatística Aplicada

Lista de Exercicios 1 MEDIDAS RESUMO. ESTIMAÇÃO PONTUAL.

Probabilidades e Estatística - LEIC + LERCI + LEE 2 o semestre 2004/05

Probabilidades e Estatística

Distribuições Amostrais

MIEEC Probabilidades e Estatística 1 a Chamada 10/01/2008. Parte Prática

Exercícios de Teoria da Probabilidade e Processos Estocásticos Parte II

Modelos Lineares Distribuições de Probabilidades Distribuição Normal Teorema Central do Limite. Professora Ariane Ferreira

Distribuições de Probabilidade. Variáveis aleatórias contínuas

Amostragem e distribuições por amostragem

Lista de Exercícios #2 Assunto: Variáveis Aleatórias Discretas

TE802 Processos Estocásticos em Engenharia. Valores Esperados de Somas de Variáveis Aleatórias Notes. PDF da Soma de Duas Variáveis Aleatórias.

Probabilidade. 1 Distribuição de Bernoulli 2 Distribuição Binomial 3 Multinomial 4 Distribuição de Poisson. Renata Souza

VARIÁVEL ALEATÓRIA e DISTRIBUIÇÃO BINOMIAL

Variáveis Aleatórias. Henrique Dantas Neder. April 26, Instituto de Economia - Universidade Federal de Uberlândia

TE802 Processos Estocásticos em Engenharia. Valores Esperados de Somas de Variáveis Aleatórias. TE802 Somas de Variáveis Aleatórias

Probabilidade II. Departamento de Estatística. Universidade Federal da Paraíba

Probabilidades e Estatística

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

Probabilidade e Estatística. stica. Prof. Dr. Narciso Gonçalves da Silva pessoal.utfpr.edu.

Escola Secundária com 3º ciclo D. Dinis 12º Ano de Matemática A Tema I Probabilidades e Combinatória. 1º Teste de avaliação.

Probabilidade II. Departamento de Estatística. Universidade Federal da Paraíba

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

Variáveis Aleatórias. Departamento de Matemática Escola Superior de Tecnologia de Viseu

Econometria II. Notas de bolso! Propriedades da E(.), Var(.) e Cov(.) Temos que (a,b) são constantes e (X,Y) são variáveis aleatórias.

Prof. Eduardo Bezerra. 6 de abril de 2018

Probabilidades e Estatística

4. Distribuições de probabilidade e

Universidade Federal da Paraíba Departamento de Estatística Lista 1 - Outubro de 2013

Probabilidade. Variáveis Aleatórias e Distribuição de Probabilidades

Estatística e Modelos Probabilísticos - COE241

PROBABILIDADE RESUMO E EXERCÍCIOS* P2

Final exam June 25, 2007 Statistics II

Teoria das Filas aplicadas a Sistemas Computacionais. Aula 09

Caros Alunos, segue a resolução das questões de Estatística aplicadas na prova para o cargo de Auditor Fiscal da Receita Municipal de Teresina.

PROVA DE ESTATÍSTICA SELEÇÃO MESTRADO/UFMG 2006

Probabilidade II. Departamento de Estatística. Universidade Federal da Paraíba. Prof. Tarciana Liberal (UFPB) Aula Desigualdades 02/14 1 / 31

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

Capítulo 4 - Variáveis aleatórias e distribuições contínuas

CONHECIMENTOS ESPECÍFICOS

6. NOÇÕES DE INFERÊNCIA ESTATÍSTICA

Introdução à Probabilidade e à Estatística (BCN ) Prova 2 (A) 16/08/2018 Correção

Variáveis Aleatórias Contínuas e Distribuição de Probabilidad

Processo de Amostragem

Modelagem e Avaliação de Desempenho. Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2014

Probabilidade e Estatística

Probabilidades e Estatística

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

LEEC Probabilidades e Estatística 1 a Chamada 13/06/2005. Parte Prática C (C) M 1% 9% 10% (M) 4% 86% 90% 5% 95% 100%

x, x < 1 f(x) = 0, x 1 (a) Diga o que entende por amostra aleatória. Determine a função densidade de probabilidade

Transcrição:

ESTATÍSTICA I 2. o Ano/Gestão 1. o Semestre Época de Recurso Duração: 2 horas 1. a Parte Teórica N. o de Exame: RESOLUÇÃO 27.01.2015 Este exame é composto por duas partes. Esta é a 1 a Parte Teórica (Cotação: 8 valores). As respostas às questões de escolha múltipla são efectuadas na correspondente folha de resposta anexa, que será recolhida 40 minutos após o início da prova. As outras questões devem ser respondidas no próprio enunciado, no espaço disponibilizado para o efeito. No decorrer da prova não serão prestados quaisquer esclarecimentos. BOA SORTE! Nome: N. o : Cada um dos cinco grupos de perguntas de escolha múltipla vale 10 pontos (1 valor). Cada resposta certa vale 2,5; cada resposta errada vale -2,5. A classicação de cada grupo variará entre um mínimo de zero e um máximo de 10 pontos. Classique as seguintes armações como verdadeiras (V) ou falsas (F). 1. Sejam A, B e C acontecimentos de um espaço de resultados Ω. a) Se A B =, então os acontecimentos A e B formam uma partição de Ω (F) b) Se A B e B se realiza, então A também se realiza (F) c) Se C A, com P (C) > 0, então P (A B C) = P (B C) (V) d) P (A) = 0 se e só se A = (F) 2. Considere uma v.a. X e a respectiva função de distribuição F (x). a) Quando x +, sabemos que F (x) 0 (F) b) Nos pontos em que F (x) é diferenciável, tem-se 0 F (x) 1 (F) c) P (X = x) F (x) qualquer que seja x (V) d) F (x) pode ter um número innito de descontinuidades (V) 3. Sejam X e Y variáveis aleatórias a) Se Var(X + Y ) = Var(X) + Var(Y ), então sabemos que X e Y são independentes (F) b) Sendo a e b, respectivamente, os quantis de ordem α e 1 α de X, com α < 1/2, temos sempre que a b (V) c) O coeciente de variação é uma medida de localização de uma distribuição de probabilidades ( F) d) Se o par (X, Y ) for contínuo, então P (X = Y ) = 0 (V) 4. Seja X uma variável aleatória a) Se X Po(θ), então P (X = 0) = e θ (V) b) Se X N(0, 1), então E[X 2 ] = 1 (V) c) O tempo de espera até à primeira ocorrência de um processo de Poisson segue uma distribuição de Poisson (F) d) A distribuição binomial é uma distribuição contínua (F)

5. Seja X 1,..., X n uma amostra casual de tamanho n > 2 proveniente de uma população X possuindo média µ e variância σ 2 nitas. a) Cov(X i, X j ) = 0 se i j (V) b) Qualquer que seja x, P (X 1 > x) = P (X n > x) (V) c) O mínimo e o máximo amostrais, X (1) e X (n), são v.a. independentes (F) d) Quando µ é desconhecido, n (X i µ) 2 não é uma estatística (V) Responda às perguntas que se seguem no espaço disponibilizado para o efeito. Justique cuidadosamente todos os passos. Cotação de cada pergunta: 15 pontos. 6. Seja X uma variável aleatória com variância nita. Seja ainda a uma constante. Mostre que se Y = X + a então Cov(X, Y ) = Var(X). RESPOSTA: Cov(X, Y ) = E[XY ] E[X]E[Y ] = E[X(X + a)] E[X]E[X + a] = E[X 2 + ax] E[X](E[X] + a) = E[X 2 ] + ae[x] E 2 [X] ae[x] = E[X 2 ] E 2 [X] = Var(X) 7. Seja A um acontecimento de um espaço de resultados Ω. Mostre que se P (A) = 0, então A é independente de qualquer outro acontecimento B. RESPOSTA: Seja B Ω um acontecimento. Então, A e B são independentes P (A B) = P (A)P (B). Como P (B) = 0, A e B são independentes se e só se P (A B) = 0. Mas, como A B A, segue-se que 0 P (A B) P (A) = 0, logo P (A B) = 0 para qualquer acontecimento B. FIM DA 1 a PARTE

2. a Parte Prática N. o de Exame: RESOLUÇÃO 27.01.2015 Este exame é composto por duas partes. Esta é a 2. a Parte Prática (Cotação: 12 valores). Esta parte é composta por 4 questões, cada uma na sua folha. As questões devem ser respondidas no espaço disponibilizado para o efeito. No decorrer da prova não serão prestados quaisquer esclarecimentos. BOA SORTE! Atenção: Nas perguntas com alternativas, uma resposta certa vale 10 pontos, uma resposta errada vale -2.5 pontos. Cotação: 1.a) b) 2.a) b) 3.a) b) 4.a) b) 10 20 10 20 10 20 10 20 1. Colocou-se um sensor em determinado ponto de uma auto-estrada que permanece activo entre as 7:00 e as 9:30. Por experiência, sabe-se que um em cada 5 veículos que passa por este troço da auto-estrada entre as 7:00 e as 9:30 circula em excesso de velocidade. a) Qual a probabilidade de, entre os primeiros quatro veículos a passar por este troço da auto-estrada entre as 7:00 e as 9:30, exactamente 2 o fazerem em excesso de velocidade? (Assinale com uma cruz o quadrado adequado.) i) 0.0256 ii) 0.1536 iii) 0.2 iv) 0.9728 b) Assuma que 60% dos veículos que passam por estre troço da auto-estrada transportam apenas uma pessoa, e que 70% dos veículos que circula em excesso de velocidade transportam apenas uma pessoa. Sabendo que o sensor determinou que determinado veículo não circula em excesso de velocidade, qual a probabilidade de esse veículo transportar apenas uma pessoa? RESPOSTA 1.b) Considerem-se os acontecimentos: S = Veículo transporta apenas uma pessoa E = Veículo circula em excesso de velocidade. Queremos calcular P (S Ē). Sabemos que P (S) = 0.6 ; P (E) = 0.2 ; P (S E) = 0.7. Pelo teorema da probabilidade total, P (S) = P (E)P (S E) + P (Ē)P (S Ē) 0.6 = 0.7 0.2 + 0.2P (S Ē) 0.6 0.7 0.2 P (S Ē) = = 0.575. 0.8

2. Considere uma variável aleatória X cuja função de distribuição é 0 se x < 0 x 2 /3 se 0 x < 1 F (x) = x x 2 /6 1/2 se 1 x < 3 1 se x 3. a) Sobre a variável aleatória X podemos armar que (Assinale com uma cruz o quadrado adequado.) i) é mista ii) é contínua iii) E[X] = 0 iv) P (X < 1) > 0 b) Determine a mediana de X. RESPOSTA 2.b) A mediana é a solução x de F (x) = 1/2. Como F (1) = 1/3 < 1/2, é claro que a mediana é a solução de x x 2 /6 1/2 = 1/2 x2 6 + x 1 = 0 Como 3 + 3 > 3, a mediana de X é ξ 0.5 = 3 3 1.268. x 2 6x + 6 = 0 x = 6 ± 36 24 2 x = 3 ± 3.

3. O tempo (em dias) que demora a reparar determinado elevador é bem modelado por uma distribuição exponencial cuja média é 1.5 dias. a) O elevador acabou de avariar. Qual a probabilidade de este estar imobilizado nos próximos 4 dias por causa desta avaria? (Assinale com uma cruz o quadrado adequado.) i) 0.0695 ii) 1/4 iii) 0.0463 iv) 0.0025 b) Qual a probabilidade de o tempo total de reparação associado a 10 avarias ser superior a 30 dias? RESPOSTA 3.b) Seja X i =Tempo de reparação da avaria i, i = 1,..., 10. Assumindo que as v.a. X i são independentes, e dado que X i Ex( 2 3 ), segue-se que 2 2 3 X i G(10; 2 3 ) X i = 4 3 X i χ 2 (20) Pretende-se calcular P ( 10 ) X i > 30 = P ( 4 3 X i > 4 3 30 ) = P (χ 2 (20) > 40) 0.005

4. Assuma que o diâmetro, em milímetros, de um aro de bicicleta produzido pela marca OPE tem distribuição normal com valor esperado 622 mm e desvio padrão 0.4 mm. a) Qual a probabilidade de um aro seleccionado ao acaso da produção diária da OPE exceder 623mm? (Assinale com uma cruz o quadrado adequado.) i) 0 ii) 0.1586 iii) 0.0569 iv) 0.0062 b) Cada lote de 10 aros é rejeitado na sua totalidade se o maior diâmetro encontrado nesse lote for inferior a 622.5 mm. Num conjunto de 50 lotes de 10 aros cada, determine o valor esperado e a variância do número total de aros rejeitados. RESPOSTA 4.b) Seja X = n. o de lotes de 10 aros rejeitados entre os 50 lotes. Tem-se que X B(50, θ) onde θ = P (lote de 10 aros ser rejeitado). Sejam Y 1,, Y 10 iid N(622, 0.4 2 ) as variáveis que designam o diâmetro dos 10 aros de um lote. Assim, θ = P (Y (n) < 622.5) [ ( 622.5 622 = Φ 0.4 )] 10 = [Φ (1.25)] 10 = 0.3274 Seja Z = n. o de aros rejeitados no lote de 50 lotes de 10 aros cada. Então, Z = 10X E[Z] = 10 E[X] = 10 50 0.3274 = 163.7 Var(Z) = 10 2 Var(X) = 100 50 0.3275 (1 0.3275) = 1101.219 FIM