(2011) Raciocínio Lógico para Traumatizados - Aula 11

Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados em
Exerccios, incluindo Matemtica, Matemtica Financeira e Estatstica

Profs. Alexandre Lima e Moraes Junior
Profs. Alexandre Lima e Moraes Junior www.pontodosconcursos.com.br 1

Aula 11 - Questes Comentadas e Resolvidas

Estimao de Parmetros. Estimador e estimativa, justeza, vcio de
estimao, eficincia, erro quadrtico mdio, mtodo da mxima
verossimilhana. Estimao por ponto e por intervalo. Intervalos de
confiana.

Gostaramos de tecer alguns comentrios antes de iniciarmos a nossa aula de
hoje. Primeiramente, sabemos que o assunto Estimao no bvio. No
obstante, este tpico est sendo cobrado nas ltimas provas para Analista do
BACEN, Analista da SUSEP, Fiscal do ICMS-RJ, etc. Logo, voc precisa adquirir
uma noo desta matria, ainda que no consiga entender 100% do que
ensinaremos para voc nesta aula. Mas quem disse que o(a) candidato(a)
aprovado(a) aquele(a) que sabe 100% de tudo que cai na prova?!

Em segundo lugar, e que talvez seja o ponto mais importante se
considerarmos a mdia de tudo que vem sendo cobrado pelas bancas de
Raciocnio Lgico Quantitativo na parte de Estatstica, esta aula visa criar uma
ponte para as prximas duas aulas, as quais cobriro tpicos que tm sido
cobrados com frequncia nas provas da rea fiscal e correlatas, a saber: testes
de hipteses e inferncia estatstica e anlise de varincia do modelo de
regresso linear.

Como a nossa poltica ensinar o que poder cair na prova, e no
simplesmente colocar voc para memorizar frmulas que no fazem o menor
sentido, optamos por incluir esta aula ponte entre a aula anterior e as
prximas duas aulas visando a um melhor aproveitamento da parte de
Estatstica do curso.

Are you ready? Lets go! Voltemos nossa aula.

1. (ICMS-RJ/2009/FGV) Para examinar a opinio de uma populao sobre
uma proposta, foi montada uma pesquisa de opinio em que foram ouvidas
1680 pessoas, das quais 51,3% se declararam favorveis proposta.

Os analistas responsveis determinaram que a margem de erro desse
resultado, em um determinado nvel de confiana, era de 2 pontos
percentuais, para mais ou para menos.

Considerando que fosse desejada uma margem de erro de 1 ponto percentual,
para mais ou para menos, no mesmo nvel de confiana, assinale a alternativa
que indique o nmero de pessoas que deveriam ser ouvidas.

A) 840
B) 2520
C) 3360
D) 5040
E) 6720

Resoluo

PRELIMINARES: ESTIMAO DE PARMETROS

INTRODUO

A partir desta aula, focaremos o estudo da Inferncia Estatstica, cujo
objetivo inferir propriedades da populao a partir de uma amostra.

A Inferncia Estatstica pode ser dividida em duas partes: estimao de
parmetros e testes de hipteses. Nesta aula abordaremos a estimao,
mas apenas no que diz respeito estimao dos parmetros de uma
distribuio populacional.

A teoria da Probabilidade fornece vrios modelos probabilsticos (distribuies
de probabilidades), tais como binomial, Poisson, normal, etc. Tais modelos
representam famlias de distribuies que dependem de um ou mais
parmetros. Por exemplo, uma distribuio normal caracterizada pela mdia
e desvio-padro .

Quando descrevemos uma populao, fazemos isso por meio de algum modelo
probabilstico, cujos parmetros, portanto, devem ser estimados da melhor
forma possvel com base na amostra obtida.

H duas tcnicas de estimao de parmetros: por ponto e por
intervalo. Na estimao por ponto, a estimativa do parmetro populacional
corresponde a um nico valor estimado. Na segunda tcnica, constri-se um
intervalo, o qual dever, com probabilidade conhecida, conter o parmetro.
Neste curso admitiremos, salvo meno em contrrio, que a
amostragem sempre ser aleatria.

ESTIMADOR E ESTIMATIVA

Um estimador (ou estatstica) qualquer funo das observaes de
uma amostra, que ser usado no processo de estimao do parmetro
populacional desejado. A mdia amostral X , por exemplo, um estimador da
mdia de uma populao. Um estimador uma varivel aleatria
caracterizada por uma distribuio de probabilidades. Chamamos de
estimativa um particular valor assumido por um estimador.

A estimao por ponto consiste em adotar a melhor estimativa possvel
como sendo o valor do parmetro. A qualidade da estimao ir depender
fundamentalmente da escolha do estimador. Assim, dentre os possveis
estimadores que podem ser especificados para um determinado parmetro
populacional, devemos ter a preocupao de escolher aquele que melhor
satisfaa as propriedades estatsticas de um bom estimador.

PROPRIEDADES DOS ESTIMADORES

Justeza ou No Tendenciosidade

Um estimador
justo (ou no viesado, ou no viciado, ou no

tendencioso) se o seu valor esperado (ou mdia) for igual ao valor do
parmetro que se pretende estimar, isto , se

(1) .
) ( E =

A Eq. (1) afirma que os valores aleatrios de um estimador justo ocorrero em
torno do valor do parmetro, o que desejvel (veja a figura abaixo).

Um estimador no viesado aquele que, na mdia, acerta o valor
correto do parmetro populacional.

Se o estimador for tendencioso, ento a diferena

(2)
) ( E

o vis (tendncia ou vcio) do estimador
, conforme ilustrado pela

prxima figura. Deste modo, a adoo de um estimador que no seja justo
implica um vcio de estimao.


Exemplo (Mdia Amostral). Seja uma populao com mdia . A mdia X
da amostra aleatria ) X ,..., X , X (
n 2 1
extrada dessa populao dada por

n
X ... X X
X
n 2 1
+ + +
= .

Ento, o valor esperado de X

=
|
\
| + + +
=
n
X ... X X
E ) X ( E
n 2 1

( ) ( ) ( ) =

= + + + =
n
n
X E
n
1
... X E
n
1
X E
n
1
n 2 1

Portanto, a mdia amostral um estimador justo da mdia
populacional, haja vista que a mdia do estimador igual mdia da
populao.

Exemplo. Seja uma populao com mdia e varincia
2
. Verifique que o
estimador da varincia populacional definido por

n
) X X (
n
1 i
2
i
2

=

=

viesado.

Nota: o entendimento da demonstrao que se segue no essencial para a
prova. Mas importante saber que o estimador da varincia
populacional considerado neste exemplo viesado.

Demonstrao:

Calculemos a esperana de
2
:

)
`
+ =
(
+ =
(
=

= = =
n
1 i
2
i
n
1 i
2
i
n
1 i
2
i
2
)] X ( ) X [( E
n
1
) X X ( E
n
1
) X X ( E
n
1
) ( E
)
`
+ + =

=
n
1 i
2
i
2
i
2
] ) X ( ) X )( X ( 2 ) X [( E
n
1
) ( E
(
+ + =

= = =
n
1 i
n
1 i
2
i
n
1 i
2
i
2
) X ( ) X )( X ( 2 ) X ( E
n
1
) ( E
(
+ + =

= =
n
1 i
2
i
n
1 i
2
i
2
) X ( n ) X ( ) X ( 2 ) X ( E
n
1
) ( E

como
=
=
n
1 i
i
X n X , temos que

(
+ + =

=
2
n
1 i
2
i
2
) X ( n ) X )( X ( n 2 ) X ( E
n
1
) ( E
(
+ =

=
2
n
1 i
2
i
2
) X ( n ) X )( X ( n 2 ) X ( E
n
1
) ( E
(
+ =

=
2 2
n
1 i
2
i
2
) X ( n ) X ( n 2 ) X ( E
n
1
) ( E
(
=

=
2
n
1 i
2
i
2
) X ( n ) X ( E
n
1
) ( E

levando em conta que
2 2
) X ( ) X ( = , obtemos

(
=

=
2
n
1 i
2
i
2
) X ( n ) X ( E
n
1
) ( E

aplicando a expectncia, obtemos

)
`
=

=
] ) X [( nE ) X ( E
n
1
) ( E
2
n
1 i
2
i
2
.

Como a esperana da soma igual soma das esperanas, tem-se que

(
(
=

=
] ) X [( nE ) X ( E
n
1
) ( E
2
n
1 i
2
i
2
.

Mas
2
i
2
i
) X var( ) X ( E = = e . n / ) X var( ] ) X [( E
2 2
= = Logo,
.
n
1 n
) n (
n
1
n
n
n
1
) ( E
2 2 2 2
2 n
1 i
2 2

= =
(

=

=

Conclui-se que
2
um estimador viesado da varincia populacional
2
. Esse
defeito do estimador pode ser corrigido se multiplicarmos
2
pelo fator
) 1 n /( n , o que nos leva definio do estimador

1 n
) X X (
1 n
n
S
n
1 i
2
i
2 2
=

=
,

o qual, no por acaso, corresponde varincia amostral definida em uma
anterior.

No difcil mostrar que S
2
um estimador justo da varincia
populacional:

.
n
1 n
1 n
n
) ( E
1 n
n
) S ( E
2 2 2 2
=
=

Consistncia

Um estimador consistente, se, medida que a amostra cresce,
converge para o verdadeiro valor do parmetro. Ou seja, quando o
tamanho da amostra vai aumentando, o vis (se existir) vai
diminuindo e a varincia tambm. Um estimador consistente aquele que
converge para o valor do parmetro quando o tamanho da amostra tende a
infinito.

A mdia amostral um estimador consistente da mdia, pois um
estimador justo e para o qual vale

0
n
lim ) X var( lim
2
n n
| =
|
\
|
=

em que n denota o tamanho da amostra aleatria.

ESTIMAO POR PONTO DE UMA PROPORO POPULACIONAL

Se desejarmos estimar a proporo p dos elementos da populao com uma
dada caracterstica, usaremos como estimador a proporo ou freqncia
relativa p com que essa caracterstica foi observada na amostra. Tal
procedimento, alm de intuitivo, corresponde a adotar um estimador justo e
consistente, uma vez que

p
n
np
E(f)
n
1
n
f
E ) p E( = = =
|
\
|
=

n
p) p(1
) p var(

= 0.
n
p) p(1
lim ) p var( lim
n n
=
=

ESTIMAO POR INTERVALO

Intervalo de Confiana para uma Proporo Populacional

Uma freqncia relativa amostral p apresenta uma distribuio binomial, cuja
mdia o prprio parmetro populacional p e cuja varincia dada por
p)/n p(1 . Sendo 5 np e 5 p) n(1 , possvel aproximar a binomial pela
normal. Como p desconhecido, adotaremos como condies de aproximao
5 p n e 5 ) p n(1 .

Sendo a amostra suficientemente grande, o intervalo de confiana para p ser
da forma p , onde a semiamplitude do intervalo, dada por

(3)
n
p) p(1
z ) p var( z
/2 /2

= =

em que a grandeza 1 representa o nvel de confiana da estimao
( 1 1 0 < < ) e
/2
z a varivel normal padronizada.

Observaes relativas notao:

A semiamplitude do intervalo de confiana tambm poder ser
representada por
0
e . Desta forma, utilizaremos os smbolos
0
e ou de
forma intercambivel ao longo desta aula.
A freqncia relativa amostral p tambm poder ser representada por
' p . Assim, os smbolos p ou ' p podero ser usados de forma
intercambivel no restante desta aula.

A expresso (3) tem um problema: no conhecemos o valor de p. Para
amostras suficientemente grandes, pode-se aproximar (3) por

(4)
n
) p (1 p
z
/2

= .

Ento o intervalo de confiana para p, ao nvel de confiana 1 , ser dado
por

(5)
n
) p (1 p
z p
/2

.

Exemplo. Retirou-se uma amostra de 1.000 peas de uma linha de produo
e verificou-se que 35 eram defeituosas. Estime o intervalo de confiana ao
nvel de 95% da proporo de peas defeituosas fornecidas pela linha de
produo.

Soluo:

n = 1.000
0,035 35/1.000 f/n p = = =
1,96 z z
2,5% /2
= = (vide tabela da normal reduzida)

Logo,

0,0114
1.000
0,035) 0,035(1
1,96
n
) p (1 p
z
/2
=
=

0,0114 0,035 p 0,0114 0,035 + 0,0464 p 0,0236 com 95% de confiana.

Voltemos resoluo da questo.

Dados:

0,513 p = : proporo de pessoas favorveis proposta;
1680 n = ;
0,02 % 2 = = : margem de erro; e
0,01 % 1 ' = = : margem de erro desejada

Qual o valor de n (novo nmero de pessoas que deveriam ser ouvidas)
correspondente a 0,01 ' = ?

Sabemos que

n
) p (1 p
z
/2

= .

Conhecendo
2 /
z (no foi fornecido) possvel calcular n por meio de

) p 1 ( p
'
z
' n
2
2 /
\
|
=

.

Clculo de
2 /
z :

n
) p (1 p
z
/2

=
1680
) 513 , 0 1 ( 513 , 0
z 02 , 0
2 /

=

. 6401 , 1
2 /
=
z

Clculo de n:

22 , 6720 ) 513 , 0 1 ( 513 , 0
01 , 0
6401 , 1
'
2
|
\
|
= n alternativa (E)

Nota: como a estimativa p = 0,513 indica que p est prxima de 50%, temos
a alternativa de usar a frmula aproximada

725 . 6
01 , 0 2
6401 , 1
' 2
'
2
2
0
2 /
|
\
|
= |
|
\
|
=
e
z
n

valor mais prximo a alternativa (E).

GABARITO: E

2. (ICMS-RJ/2008/FGV) Considere uma Amostra Aleatria Simples de n
unidades extradas de uma populao na qual a caracterstica, X, estudada tem
distribuio Normal com mdia e varincia
2
, ambas desconhecidas, mas
finitas. Considere, ainda, as estatsticas mdia da amostra,
=
=
n
1 i
i
X
n
1
X , e
varincia da amostra
=
=
n
1 i
2
i
2
) X X (
n
1
S . Ento, correto afirmar que:

A) X e
2
S so, ambos, no tendenciosos para a estimao da mdia e da
varincia da populao, respectivamente.
B) X no tendencioso, mas
2
S tendencioso para a estimao da mdia e
da varincia da populao, respectivamente.
C) X tendencioso, mas
2
S no tendencioso para a estimao da mdia e
da varincia da populao, respectivamente
D) X e
2
S so, ambos, tendenciosos para a estimao da mdia e da varincia
da populao, respectivamente.
E) X e
2
varincia da populao, mas apenas X consistente.

Resoluo

Sabe-se que

X um estimador justo (no tendencioso) e consistente da
mdia populacional ;
se definirmos o estimador da varincia populacional
2
por meio da
frmula
=

n
1 i
2
i
) X (X
n
1
, ento esse estimador tendencioso, porm
consistente e
se definirmos o estimador da varincia populacional
2
por meio da
frmula
n
1 i
2
i
) X (X
1 n
1
, ento esse estimador no tendencioso
e consistente.

Ateno: o estimador
2
S do enunciado desta questo corresponde ao
estimador viesado
=
=
n
1 i
2
i
2
) X (X
n
1
da exposio terica da questo anterior.
Neste curso, temos usado o smbolo
2
S para denotar o estimador justo da
varincia populacional. No se confunda!

Anlise das alternativas:

(A) Somente X no tendencioso INCORRETA.

(B) X no tendencioso e
2
S tendencioso CORRETA.

(C) X no tendencioso e
2
S tendencioso INCORRETA.

(D) Somente
2
S tendencioso INCORRETA.

(E) Somente X no tendencioso. Alm disso,
2
S tambm consistente
INCORRETA.

GABARITO: B

3. (ICMS-RJ/2007/FGV) Uma pesquisa recente foi realizada para avaliar o
percentual da populao favorvel eleio de um determinado ponto turstico
para constar no selo comemorativo de aniversrio da cidade. Para isso,
selecionou-se uma amostra aleatria simples extrada de uma populao
infinita. O resultado apurou 50% de inteno de votos para esse ponto
turstico.

Considerando que a margem de erro foi de 2 pontos percentuais, para mais ou
para menos, e que o nvel de confiana utilizado foi de 95%, foram ouvidas,
aproximadamente:

A) 50 pessoas
B) 2.400 pessoas
C) 1.200 pessoas
D) 100 pessoas
E) 4.800 pessoas

Resoluo

Vimos que
n
) ' p 1 ( ' p
z
/2

=

. Elevando os dois membros da igualdade ao
quadrado, obtemos

n
) ' p 1 ( ' p
z
2
2 /
2

=

2
2
2 /
) ' p 1 ( ' p z
n

=

.

Substituindo p = 50% = 1/2 na expresso de n, obtemos

400 . 2 401 . 2
02 , 0 2
96 , 1
2
z
4
z 1
4
1
z
4
1
z
2
1
2
1
z )
2
1
1 (
2
1
z
n
2 2
2 /
2
2
2 /
2
2
2 / 2
2
2 /
2
2
2 /
2
2
2 /
= |
\
|
=
|
\
|

GABARITO: B

4. (Estatstica/IBGE/2010/CESGRANRIO) Para que o erro padro da
mdia amostral X seja reduzido metade, deve-se

A) multiplicar o tamanho da amostra por 2.
B) multiplicar o tamanho da amostra por 4.
C) multiplicar o tamanho da amostra por 16.
D) dividir o tamanho da amostra por 2.
E) dividir o tamanho da amostra por 4.

Resoluo

O erro padro (ou desvio padro) da mdia X de uma amostra de n
observaes proveniente de uma populao de mdia e varincia
2
dado
por

n
) X (

= .

Seja o novo erro padro de X denotado por ) X (
. Ento

=
n
n 4 n 2 2
) X (
) X ( n 4 n =
(deve-se multiplicar o tamanho da

amostra por 4).

GABARITO: B

5. (Analista Tcnico/SUSEP/2001/ESAF) Os itens 2,30; 4,11; 5,20; 6,30;
7,20 formam uma ordenao de uma amostra aleatria de tamanho 5 da
distribuio uniforme no intervalo [0,] sendo >0. Assinale a opo que
corresponde estimativa de mxima verossimilhana de .

A) 5,20
B) 5,02
C) 7,20
D) 5,00
E) 8,00

Resoluo

PRELIMINARES: ESTIMAO POR MXIMA VEROSSIMILHANA

Introduo

Alguns critrios tm sido propostos com o objetivo de resolver o problema da
escolha do estimador adequado. Dentre eles, podemos citar os mtodos da
mxima verossimilhana, dos momentos e de Bayes. Destacamos a
importncia, para a prova (e tambm na prtica), do mtodo da mxima
verossimilhana, que ser apresentado a seguir.

Estimao por Mxima Verossimilhana

Os dicionrios definem o termo verossmil como aquilo que parece ser
verdadeiro ou o que tem probabilidade de ser verdadeiro ou aquilo que se
assemelha com a realidade. Neste sentido, qual seria a idia fundamental da
estimao por verossimilhana de um parmetro populacional? A resposta
a seguinte: a estimao por verossimilhana fornece a estimativa que
corresponde ao valor mais provvel do parmetro.

Vejamos a seguir como a Estatstica define o conceito de estimao por
mxima verossimilhana.

O mtodo da mxima verossimilhana consiste em adotar para o
parmetro o valor que maximize a funo de verossimilhana associada ao
resultado obtido na amostra. Mas o que a funo de verossimilhana?

Definio (Mtodo da Mxima Verossimilhana). Seja uma populao
com funo densidade de probabilidade caracterizada pelo parmetro
populacional desconhecido . Ento a distribuio de probabilidades dessa
populao pode ser denotada por ) ; x ( f . Sejam n observaes independentes
n 2 1
X ,..., X , X (ou seja, uma amostra aleatria com n elementos provenientes da
populao em questo). Ento a funo densidade conjunta para estas
observaes, tambm conhecida como funo de verossimilhana da
amostra, dada por

) ; x ( f ... ) ; x ( f ) ; x ( f ) ( L
n 2 1
= .

Note que ) ( L funo somente do parmetro desconhecido . A Estimativa
de Mxima Verossimilhana (EMV) de o valor
que maximiza a funo

) ( L . A raiz da equao 0 d / ) ( dL = (derivada da funo ) ( L em relao a )
o ponto de mximo de ) ( L . Em muitos casos, mais conveniente tomar a
primeira derivada da funo de log-verossimilhana ) ( L ln (logaritmo natural
de ) ( L ), a qual possui um mximo no mesmo ponto
que maximiza ) ( L .
Deste modo,

0
d
) ; x ( df
) ; x ( f
1
...
d
) ; x ( df
) ; x ( f
1
d
) ; x ( df
) ; x ( f
1
n
n
2
2
1
1
=
+ +

A soluo para a equao acima ( em termos dos x
k
) a estimativa de
mxima verossimilhana de .

Nota: no caso de uma varivel aleatria discreta, a funo de
verossimilhana ) ( L a probabilidade

) x X ,..., x X , x X ( P
n n 2 2 1 1
= = =
.

Ou seja, ) ( L apenas a probabilidade de obter os valores amostrais
n 2 1
x ,..., x , x . Logo, no caso discreto, a estimativa de mxima
verossimilhana aquela que maximiza a probabilidade de ocorrncia
dos valores da amostra.

Exemplo. Um jogador de cassino trocou o seu dinheiro por dez fichas, das
quais so pretas e 10 so brancas. Uma amostra de quatro fichas com
reposio retirada do seu bolso e verifica-se que ela contm trs fichas
brancas e uma ficha preta. Estime o parmetro pelo mtodo da mxima
verossimilhana.

Soluo:

Devemos determinar a funo de verossimilhana correspondente ao resultado
amostral obtido, a qual ser dada pela probabilidade de, em uma amostra de n
= 4, obter-se exatamente uma ficha preta, dada em funo do parmetro
desconhecido . Tal probabilidade pode ser obtida pela aplicao da
distribuio binomial, em que a probabilidade de sucesso ser 10 / p = , n = 4 e
x = 1. Designando por ) ( L a funo de verossimilhana, temos

500 . 2
) 10 (
10
1
10 1
4
) p 1 ( p
x
n
) ( L
3
3 1
x n x

=
|
\
|
|
|
|
\
|
\
|
= |
|
\
|
=

A Tabela a seguir mostra que o valor de mxima verossimilhana 3 = . Logo,
a estimativa de mxima verossimilhana 3
= .

L( ) L( )
0 0 6 384/2.500
1 729/2.500 7 189/2.500
2 1.024/2.500 8 64/2.500
3 1.029/2.500 9 9/2.500
4 864/2.500 10 0
5 625/2.500

Exemplo. Suponha uma populao com distribuio uniforme entre 0 e .
Retirou-se uma amostra aleatria de n valores dessa populao com o objetivo
de estimar-se . Admita que
max
x seja o maior valor obtido nessa amostra.
Calcule a EMV de .

Soluo:

Evidentemente que
max
x . Logo, a estimativa mais verossmil (ou a EMV)
adotar
max
x
= . Contudo, detalhemos o raciocnio como a seguir.

Sabe-se que
max
x . A funo densidade de probabilidade da distribuio
uniforme = / 1 ) x ( f para x 0 e 0 ) x ( f = caso contrrio.

A funo de verossimilhana de uma amostra aleatria com n observaes

n
n
1 i
1 1
) ( L
=

=
,

Cujo domnio
max
x , ou seja, o menor valor possvel para o parmetro
max
x = . O grfico abaixo mostra que o maior valor (mximo absoluto) de ) ( L
ocorre em
max
x = . Portanto, a EMV
max
x
= .


Este exemplo indica que nem sempre possvel usar diretamente mtodos de
clculo para determinar o mximo de ) ( L .

Voltemos resoluo

O enunciado fornece uma amostra aleatria com cinco elementos extrados de
uma distribuio uniforme:

} 20 , 7 x ; 30 , 6 x ; 20 , 5 x ; 11 , 4 x ; 30 , 2 x {
5 4 3 2 1
= = = = = .

O valor mximo da amostra 20 , 7 x x
5 max
= = . A Estimativa de Mxima
Verossimilhana (EMV) de 20 , 7 x
max
= = (alternativa C).

GABARITO: C

6. (Analista Tcnico/SUSEP/2001/ESAF) Tem-se duas amostras
independentes ambas de tamanho 21 de duas populaes normais com a
mesma varincia
2
> 0. Deseja-se construir um intervalo de confiana para
2
, no nvel de 95%, com base numa estimativa combinada das varincias
amostrais 4 , 0 s
2
1
= e 6 , 0 s
2
2
= . Se 0< a < b so duas constantes tais que P{X<a}
= 0,025 e P{X>b} = 0,025, onde X tem distribuio qui-quadrado, assinale a
resposta que corresponde ao intervalo procurado e ao nmero de graus de
liberdade da distribuio de X.

A) [17/b; 17/a] e 20 graus de liberdade
B) [5/3b; 5/2a] e 40 graus de liberdade
C) [17/b; 17/a] e 41 graus de liberdade
D) [20/b; 20/a] e 40 graus de liberdade
E) [5/3b; 5/2a] e 20 graus de liberdade

Resoluo

PRELIMINARES

Estimao com Base em Diversas Amostras

Sejam k amostras e um parmetro populacional a ser estimado. Cada amostra
fornecer uma estimativa para o parmetro que est sendo estimado e essas
estimativas iro diferir entre si, pois correspondem a observaes de variveis
aleatrias. Entretanto, pode-se, em geral, combinar esses resultados, obtendo-
se uma estimativa nica para o parmetro em questo.

No caso de estimao da mdia ou de uma proporo p, pode-se
combinar as estimativas se todas as amostras forem provenientes de
uma mesma populao ou de populaes infinitas com mesma mdia
e mesma proporo p. Ou seja, pode-se calcular a mdia ponderada das
diversas mdias e freqncias relativas amostrais tomando como
pesos de ponderao os tamanhos das respectivas amostras. Isso
equivale a fundir as diversas amostras em uma nica amostra maior, usando a
mdia X e a freqncia p fornecidas por essa amostra.

No caso da varincia populacional
2
, deve-se realizar a ponderao
usando como pesos os graus de liberdade (*) de cada amostra. Seja n
1

o tamanho da amostra 1, n
2
o tamanho da amostra 2, ..., n
k
o tamanho da
amostra k (as amostras i, i = 1,2,...,k, possuem desvio padro S
i
). Ento a
estimativa combinada de
2
ser dada pela estatstica

k n ... n n
S ) 1 n ( ... S ) 1 n ( S ) 1 n (
S
k 2 1
2
k k
2
2 2
2
1 1 2
p
+ + +
+ + +
= ,

que possui k n ... n n
k 2 1
+ + + graus de liberdade.

(*) Considere a amostra k. O nmero de graus de liberdade da estatstica
2
k
S
) 1 n (
k
porque um grau de liberdade j foi gasto para estimar a mdia
amostral
k
X . Lembre que o clculo de
k
X dado por

k
n 2 1
k
n
x ... x x
X
k
+ + +
=

e isto implica dizer que a estatstica
k
X possui n
k
graus de liberdade.

Note-se que a estimativa no ser idntica que se obteria pela reunio dos
dados em uma amostra nica, embora ambos os processos sejam vlidos nas
condies acima mencionadas.

A estimativa
2
p
S tem a vantagem de poder ser usada se as diversas amostras
forem provenientes de populaes com mdias diferentes, porm de mesma
varincia
2
.

Se as amostras forem razoavelmente grandes, poderemos adotar
p
S como
uma boa estimativa para o desvio padro .

Intervalo de Confiana para a Varincia

Considere, na distribuio
2
1 n
, os dois particulares valores
2
2 / 1 , 1 n
(qui-
quadrado inferior) e
2
2 / , 1 n
(qui-quadrado superior), conforme ilustrado pela
figura a seguir (/2 representa a rea sob a distribuio direita de
2
2 / , 1 n
).

Sabemos que os valores
2
2 / 1 , 1 n
e
2
2 / , 1 n
so tais que

. 1 ) ( P
2
2 / , 1 n
2
1 n
2
2 / 1 , 1 n
=

Vimos que o estimador da varincia tem distribuio

2
1 n
2
2
1 n
S

=

qui-quadrado com 1 n graus de liberdade vezes o fator
1 n
2

o que nos permite escrever as desigualdades entre parnteses acima como

2
2 / , 1 n 2
2
2
2 / 1 , 1 n
S ) 1 n (

.

Vamos dividir todos os membros da expresso acima por
2
S ) 1 n ( , e, aps,
tomar os inversos. Invertendo as desigualdades, obtemos

2
2 / 1 , 1 n
2
2
2
2 / , 1 n
2
S ) 1 n ( S ) 1 n (

que o intervalo de confiana para
2
, ao nvel de 1 .

A frmula acima pode ser reescrita na forma

2
2 / 1 , 1 n
n
1 i
2
i
2
2
2 / , 1 n
n
1 i
2
i
) X X ( ) X X (

=

=

Exemplo. Uma amostra de onze elementos, extrada de uma populao
normal, forneceu varincia S
2
= 7,08. Determine o intervalo de 90% de
confiana para a varincia da populao.

Soluo:

Entrando na tabela da distribuio
2
com 10 graus de liberdade, obtemos:

, 94 , 3
2
% 95 , 10
2
2 / 1 , 1 n
= =

. 3 , 18
2
% 5 , 10
2
2 / , 1 n
= =

Logo,

2
2 / 1 , 1 n
2
2
2
2 / , 1 n
2
S ) 1 n ( S ) 1 n (

94 , 3
08 , 7 10
3 , 18
08 , 7 10
2

9695 , 17 8689 , 3
2

Logo, 9695 , 17 8689 , 3
2
com 90% de confiana.

Voltemos resoluo

Esta questo pede que o(a) candidato(a) determine: i) o intervalo de confiana
ao nvel de 95% da varivel aleatria X que possui distribuio qui-quadrado e
ii) o nmero de graus de liberdade de X.

Do enunciado, depreende-se que X resultante da combinao das estatsticas
2
1
S e
2
2
S .

A estimativa combinada das varincias amostrais 4 , 0 s
2
1
= e 6 , 0 s
2
2
= dada por

5 , 0
40
6 , 0 20 4 , 0 20
2 n n
s ) 1 n ( s ) 1 n (
s x
2 1
2
2 2
2
1 1 2
p
=
+
=
+
+
= =

a qual possui (n
1
+ n
2
- 2) = 21 + 21 2 = 40 graus de liberdade este
fato, por si s, j elimina as alternativas A, C e E.

O intervalo de confiana de
2
dado pela frmula

2
2 / 1 , 1 n
2
2
2
2 / , 1 n
2
S ) 1 n ( S ) 1 n (

.

A frmula acima pode ser generalizada para o problema em questo como

2
2 / 1 , 1 n
2
2
2
2 / , 1 n
2
p
p
S ) k n ( S ) k n (

em que
2 1
n n n + = .

O enunciado forneceu os qui-quadrados superior e inferior: b
2
sup
2
2 / , 1 n
= =

e
a
2
inf
2
2 / 1 , 1 n
= =

. Portanto,

2
inf
2
2
2
sup
2
p
p
S ) k n ( S ) k n (

a
5 , 0 ) 2 42 (
b
5 , 0 ) 2 42 (
2

a
5 , 0 40
b
5 , 0 40
2

a
20
b
20
2
.

GABARITO: D

7. (Analista/rea 3/BACEN/2006/FCC) Os preos de um determinado
produto vendido no mercado tm uma distribuio normal com desvio padro
populacional de R$ 20,00. Por meio de pesquisa realizada com uma amostra
aleatria de tamanho 100, com um determinado nvel de confiana, apurou-se,
para a mdia destes preos, um intervalo de confiana sendo [R$ 61,08 ; R$
68,92]. A mesma mdia amostral foi obtida quadruplicando o tamanho da
amostra anterior e utilizando tambm o mesmo nvel de confiana. Nos dois
casos considerou-se infinito o tamanho da populao. O novo intervalo de
confiana encontrado no segundo caso foi

A) [R$ 63,04 ; R$ 66,96]
B) [R$ 62,06 ; R$ 67,94]
C) [R$ 61,57 ; R$ 68,43]
D) [R$ 61,33 ; R$ 68,67]
E) [R$ 61,20 ; R$ 68,80]

Resoluo

Dados: = 20, n = 100, 61,08 < < 68,92.

Podemos montar o seguinte sistema de equaes:

= +
=
92 , 68 e X
08 , 61 e X
0
0

em que
0
e denota a semiamplitude do intervalo de confiana.

Somando as duas equaes obtemos:

130 X 2 = 65 = X

Subtraindo a primeira da segunda equao temos:

84 , 7 08 , 61 92 , 68 e 2
0
= = 92 , 3 e
0
=

Sabemos que

n
z e
2 / 0

=

100
20
z 92 , 3
2 /
= 96 , 1 z
2 /
=
.

Quadruplicando o tamanho da amostra teremos n=400. Logo,

' n
z ' e
2 / 0

=

400
20
96 , 1 ' e
0
= 96 , 1 ' e
0
=

E o novo intervalo de confiana (IC) ser

IC = [65,00 1,96 ; 65,00 + 1,96] = [63,04 ; 66,96].

GABARITO: A

8. (Estat./IBGE/2010/CESGRANRIO) Sejam ) ; ( N ~ X ,..., X , X
2
iid
n 2 1
e
considerados dois estimadores para
2

=
n
1 i
2
i 1
) X X (
1 n
1
T e . ) X X (
n
1
T
n
1 i
2
i 2
=
=

Observe as afirmativas a seguir a respeito desses estimadores.

I T
1
no tendencioso.
II O erro mdio quadrtico de T
1

4
1 n
2
, enquanto que o de T
2

4
2
n
) 1 n ( 2
.
III A tendncia de
|
|
\
|
=
n
T
2
2
.

(So) correta(s) a(s) afirmativa(s)

A) I apenas.
B) I e II, apenas.
C) I e III, apenas.
D) II e III, apenas.
E) I, II e III.

Resoluo

Primeiramente, necessrio investigar as propriedades dos estimadores T
1
e
T
2
. Mas, antes disso, vamos relembrar a distribuio
2
.

Seja uma amostra ) ; ( N ~ X ,..., X , X
2
iid
n 2 1
(ou seja, cada elemento da amostra
normalmente distribudo com mdia e varincia
2
) Aprendemos que a
estatstica

= =
=
|
\
|

=
n
1 i
2
i
n
1 i
2
i 2
n
Z
X

em que Z
i
denota a varivel aleatria normal reduzida, tem distribuio
2
com
n graus de liberdade. Vimos tambm que,

n ) ( E
2
n
=

n 2 ) var(
n
=
2
.

A estatstica

,
) X X (
X X
2
n
1 i
2
i n
1 i
2
i
= |
\
|
=
=

obtida por substituio de por X na expresso de
2
n
acima tem distribuio
do tipo
2
com n-1 graus de liberdade (um grau de liberdade foi gasto no
clculo de X). Logo,

.
) X X (
2
n
1 i
2
i
2
1 n
=

=

Clculo da mdia e da varincia de T
1
:

2
1 n
2 2
2
n
1 i
2
i
n
1 i
2
i
1
1 n 1 n
) X X (
1 n
) X X (
T

= =

=

ou seja, o estimador T
1
, a menos da constante ) 1 n /(
2
, tem distribuio
2

com n-1 graus de liberdade. Ento,

2
2
2
1 n
2
1
) 1 n (
1 n 1 n
E ) T ( E =
= |
|
\
|
=

T
1
um estimador no tendencioso de

2
(vis nulo).

1 n
2
) 1 n ( 2
) 1 n (
) var(
) 1 n ( 1 n
var ) T var(
4
2
4
2
1 n 2
4
2
1 n
2
1
= |
|
\
|
=

como 0
1 n
2
lim ) T var( lim
4
n
1
n
=
=

, T
1
um estimador consistente de
2
.

O Erro Quadrtico Mdio de T
1
dado por

+ = ) T var( ) T ( EQM
1 1
[vis ) (
1
T ]
2

.
1 n
2
) T var( 0 ) T var( ) T ( EQM
4
1 1 1
= = + =

Clculo da mdia e da varincia de T
2
:

2
1 n
2 2
2
n
1 i
2
i
n
1 i
2
i
2
n n
) X X (
n
) X X (
T

= =

=

ou seja, o estimador T
2
, a menos da constante n /
2
, tem distribuio
2
com
n-1 graus de liberdade. Ento,

2
2
2
2
2
1 n
2
2
n
) 1 n (
n n
E ) T ( E
| =
|
\
|
=

T
2
um estimador tendencioso
de
2
. O seu vis dado por

vis(T
2
) =
n n
) T ( E
2
2
2
2 2
2

=
= . Note que 0
n
lim
2
n
| =
|
\
|
, ou seja, o vis
de T
2
tende a desaparecer com o aumento do tamanho da amostra.

2
4
2
4
2
1 n 2
4
2
1 n
2
2
n
) 1 n ( 2
) 1 n ( 2
n
) var(
n n
var ) T var(

=
= |
|
\
|
=

como 0
n
1
n
1
lim 2
n
) 1 n ( 2
lim ) T var( lim
2
n
4
2
4
n
2
n
=
|
\
|
=

=

(e
2
2
) ( lim =

T E
n
), T
2
um
estimador consistente de
2
.

O Erro Quadrtico Mdio de T
2
dado por

+ = ) T var( ) T ( EQM
2 2
[vis ) (
2
T ]
2

.
) 1 2 ( ) 1 ( 2 ) 1 ( 2
) (
4
2 2
4
2
4
2
2
2
4
2

n
n
n n
n
n n
n
T EQM

= +
| =
|
\
|
+
=

Anlise das afirmativas:

(I) VERDADEIRA, pois
2
1
) T ( E = .
(II) VERDADEIRA, pois
1 n
2
) T ( EQM
4
1
= e
4
2 2
n
) 1 n 2 (
) T ( EQM
= .
(II) VERDADEIRA, pois vis(T
2
) =
n
2
.

GABARITO: E

9. (Estatstica/IBGE/2010/CESGRANRIO) Considere uma amostragem
aleatria simples, sem reposio, de uma populao de tamanho muito
grande. Qual o tamanho aproximado de amostra que permite estimar a mdia
de uma varivel y, cujo desvio padro populacional igual a 5, com margem
de erro 0,1, a um nvel de confiana 95%?

A) 100
B) 400
C) 1.000
D) 4.000
E) 10.000

Resoluo

Dados: % 95 1 = , = 5 e 1 , 0
0
= e .

A semiamplitude do intervalo de confiana para a mdia populacional quando o
desvio padro conhecido (*)

n
z e
2 / 0

=

Ento

2
0
2 /
e
z
n
|
|
\
|
=

(*) Voc reparou que, dado o nvel de confiana 1 ,
0
e corresponde
multiplicao entre a varivel normal reduzida
2 /
z
e o desvio padro da mdia

amostral n / ? Ou seja,

=
0
e (varivel normal reduzida
2 /
z
) x (desvio padro da mdia amostral)

Note que 96 , 1 z
% 5 , 2
= um valor manjado. Portanto,

604 . 9
1 , 0
5 96 , 1
n
2
= |
\
|
= alternativa com valor mais prximo a letra E (n
10.000)

GABARITO: E

10. (Estatstica/IBGE/2010/CESGRANRIO) Para avaliar a taxa de
desemprego em uma determinada localidade, selecionou-se uma amostra
aleatria de 900 indivduos em idade produtiva. O resultado dessa amostra
revelou que o nmero de desempregados era de 36%. O intervalo de 95% de
confiana para a proporo de desempregados, nessa localidade,

A) 36% 0,1%
B) 36% 2,6%
C) 36% 3,1%
D) 36% 3,7%
E) 36% 4,1%

Resoluo

Dados: n = 900, p = 0,36 e (1 - ) = 0,95 (que implica um 96 , 1 z
2 /
=
).

Neste caso, o Intervalo de Confiana (IC) ser dado por:

IC = % 14 , 3 % 36
900
) 36 , 0 1 ( 36 , 0
96 , 1 % 36
n
) ' p 1 ( ' p
z ' p
2 /

alternativa com
valor mais prximo C.

GABARITO: C

11. (Analista/rea 2/BACEN/2010/CESGRANRIO) Em um estudo sobre a
economia informal de uma cidade, deseja-se determinar uma amostra para
estimar o rendimento mdio dessa populao, com um grau de confiana de
95% de que a mdia da amostra aleatria extrada no difira de mais de R$
50,00 da mdia do rendimento dessa populao, cujo desvio padro R$
400,00. Sabendo-se que z ~ N[0,1] e que
=
96 , 1
0
4750 , 0 dz ) z ( f , onde f(z) a
funo de densidade de probabilidade de z, pode-se concluir que o nmero de
pessoas da amostra ser

A) 321
B) 308
C) 296
D) 271
E) 246

Resoluo

Dados:

% 95 1 = (nvel de confiana)

=
96 , 1
0
4750 , 0 dz ) z ( f ( 96 , 1 z
% 5 , 2
= )
= 400
e
0
= 50 (margem de erro).

Neste caso o tamanho n da amostra dado pela frmula

n
z e
% 5 , 2 0

=
n
400
96 , 1 50 = 8 96 , 1
50
400
96 , 1 n = = 246 86 , 245 n = .

GABARITO: E

(Analista Ministerial/Estatstica/MPE-PE/2006/FCC) Instrues
(adaptadas): Para responder s questes de nmeros 12 e 13, considere as
tabelas a seguir.

Elas fornecem alguns valores da funo de distribuio F(x). A tabela 1 refere-
se varivel normal padro, as tabelas 2 e 3 referem-se varivel t de
Student com 15 e 16 graus de liberdade, respectivamente:

Tabela 1 Tabela 2 Tabela 3
x F(x) x F(x) x F(x)
1,60 0,945 1,753 0,95 1,746 0,95
1,64 0,950 2,248 0,98 2,235 0,98
2,00 0,977 2,583 0,99 2,567 0,99

12. Um engenheiro encarregado do controle de qualidade deseja estimar a
proporo p de lmpadas defeituosas de um lote, com base numa amostra de
tamanho 400. Sabe-se, com base em experincias anteriores, que p deve
estar prximo de 0,5. Usando o teorema central do limite para estimar a
amplitude do intervalo de confiana de 90% para p, podemos afirmar que tal
amplitude , aproximadamente, igual a

A) 0,041
B) 0,045
C) 0,058
D) 0,070
E) 0,082

Resoluo

Dados: (1 - ) = 0,90, n = 400 e p 50%.

A tabela 1 indica que z = 1,64 para /2 = 5%. Como a estimativa p 50%,
podemos usar a frmula

2
0
2 /
e 2
z
n
|
|
\
|
=

400
64 , 1
n
) z (
) e 2 (
2 2
2 / 2
0
= =

082 , 0
400
64 , 1
) e 2 (
2
0
= = alternativa (E).

Ateno: a questo pede que o candidato calcule a AMPLITUDE (= dobro da
semi-amplitude e
0
) do intervalo de confiana.

GABARITO: E

13. Supondo-se que a porcentagem da receita investida em educao, dos 600
municpios de uma regio, tem distribuio normal com mdia , deseja-se
estimar essa mdia. Para tanto se sorteou dentre esses 600, aleatoriamente e
com reposio, 16 municpios e se observou os porcentuais investidos por eles
em educao. Os resultados indicaram uma mdia amostral de 8% e desvio
padro amostral igual a 2%. Um intervalo de confiana para , com coeficiente
de confiana de 96%, dado por

A) (8 1,124)%
B) (8 1,117)%
C) (8 0,877)%
D) (8 0,870)%
E) (8 0,755)%

Resoluo

A questo aborda a construo do intervalo de confiana da mdia
populacional quando o desvio padro populacional desconhecido.
Para tal, deve-se utilizar a frmula

n
S
t X
2 / , 1 n

em que
2 / , 1 n
t

representa a distribuio t de Student com 1 n graus de
liberdade cuja rea direita de
2 / , 1 n
t

tem o valor 2 / .

Nota: a frmula para clculo da semiamplitude do intervalo de confiana da
mdia populacional quando o desvio padro populacional desconhecido

n
S
t e
2 / , 1 n 0
=

muito parecida com a frmula da semiamplitude do intervalo de confiana
para a mdia populacional quando o desvio padro conhecido

n
z e
2 / 0

=

Para obter a primeira frmula a partir da segunda, basta substituir
2 /
z
por
2 / , 1 n
t

e n / (erro padro da mdia amostral) por n / S (estimador do erro
padro da mdia amostral).

Dados: % 8 X = , % 2 S = , 16 n = .

A tabela 2 fornece o valor de 248 , 2 t t
% 2 , 15 2 / , 1 n
= =

(entrada correspondente ao
valor F(x) = 98%, que implica /2 = 1 98% = 2%). Logo,

% 124 , 1 % 8
16
% 2
248 , 2 % 8
n
S
t X
2 / , 1 n
= =

GABARITO: A

(ANPEC/2009/Adaptada) Verifique se as afirmativas 14 a 17 so
verdadeiras:

14. Em uma pesquisa de opinio a proporo de pessoas favorveis a uma
determinada medida governamental dada por
= n / X p
i
. O menor valor de n
para o qual a desigualdade de Chebyshev resultar em uma garantia de que
01 , 0 ) 01 , 0 | p p (| P 200.000.

Resoluo

A proporo de pessoas favorveis a uma determinada medida
governamental, denotada por p , uma varivel aleatria com valor
esperado

p ) p ( E =

em que p denota o verdadeiro valor do parmetro populacional, e varincia

n / ) p 1 ( p ) p var( =

em que n o nmero de elementos da amostra.

Vimos que a Desigualdade de Tchebysheff pode ser dada pela expresso

2
k
1
] k | X [| P .

Nesta questo, podemos reescrever a desigualdade acima como

01 , 0 ] 01 , 0 | p p [| P .

Sendo assim, podemos calcular o valor de k:

01 , 0
k
1
2
= 10 k = .

Como 01 , 0 k =
3
10 10 / 01 , 0

= =
6 2
10
= .

Note que n / ) p 1 ( p ) p var(
2
= = . Temos o valor de
2
= 10
-6
. Porm, no h
condio de calcular
2
/ ) p 1 ( p n = , pois a questo no forneceu o valor da
mdia populacional (p). Logo, no podemos afirmar que o menor valor de n
para o qual a desigualdade de Chebyshev resultar em uma garantia de que
01 , 0 ) 01 , 0 | p p (| P 200.000 (faltam dados!).

GABARITO: FALSA

15. Quando o nmero de graus de liberdade cresce, a distribuio
2

aproxima-se de uma distribuio normal com mdia e desvio padro 2.

Resoluo

A mdia da varivel
2
e a varincia 2 . Logo, a afirmativa FALSA,

pois diz que o desvio padro de
2
2..

De acordo com Teorema Central do Limite, a famlia de distribuies do tipo
2

tende distribuio normal com mdia e varincia 2 quando o nmero de
graus de liberdade aumenta.

GABARITO: FALSA

16. Um intervalo de confiana de 99% para a mdia de uma populao,
calculado para uma amostra aleatria, como [2,75; 8,25], pode ser
interpretado como: a probabilidade de estar no intervalo calculado de 99%.

Resoluo

Uma estimativa do intervalo de confiana da mdia populacional
(desconhecida) um intervalo da forma l u, em que os limites inferior l
e superior u dependem do valor numrico do estimador X para uma amostra
particular. Como amostras distintas produziro diferentes estimativas para
e, por conseguinte, valores diferentes para os limites l e u, esses limites so
valores de variveis aleatrias, como L e U, respectivamente. Da distribuio
amostral de X somos capazes de determinar valores de L e U, tais que a
seguinte afirmao probabilstica seja verdadeira:

= 1 ) U L ( P ,

sendo 1 0 < < . Assim, temos uma probabilidade igual a 1 de selecionar uma
amostra que produzir um intervalo contendo o valor verdadeiro do parmetro
.

O intervalo observado

u l

chamado de intervalo com )% 1 ( 100 de confiana para o parmetro . A
interpretao de um intervalo de confiana que se um nmero infinito de
amostras aleatrias for coletado e um intervalo com )% 1 ( 100 de confiana
para for calculado a partir de cada amostra, ento )% 1 ( 100 desses
intervalos contero o valor verdadeiro de .

Na prtica, obtemos somente uma amostra aleatria e calculamos uma
estimativa do intervalo de confiana. Uma vez que esse intervalo conter
ou no o valor verdadeiro de , no razovel fixar um nvel de
probabilidade para essa realizao. A afirmao apropriada : o
intervalo observado [l, u] contm o valor verdadeiro de , com
)% 1 ( 100 de confiana. Essa afirmao tem uma interpretao de
freqncia; ou seja, no sabemos se a afirmao verdadeira para essa
amostra especfica, mas o mtodo usado para obter o intervalo [l, u] resulta
em afirmaes corretas em )% 1 ( 100 do tempo.

GABARITO: FALSA

17. Se existe, todo estimador de mxima verossimilhana calculado para uma
amostra aleatria possui distribuio Normal em grandes amostras.

Resoluo

O Estimador de Mxima Verossimilhana possui distribuio assinttica normal
VERDADEIRA.

GABARITO: VERDADEIRA

18. (Analista da SUSEP/2002/ESAF) A funo de verossimilhana para
uma amostra aleatria de tamanho n de uma distribuio de probabilidades
dependente de um parmetro real vem dada por

<
+
=
b 0
b } n mn exp{
) ( l

onde m > 0 a mdia das observaes amostrais e b a menor observao
amostral. Assinale a opo que corresponde a estimativa de mxima
verossimilhana de .

A) nm
B) b
C) m
D) nb
E) m/b

Resoluo

A Estimativa de Mxima Verossimilhana (EMV) do parmetro
populacional desconhecido o valor
que maximiza a funo de

verossimilhana ) ( l .

Podemos reescrever a funo de verossimilhana ) ( l como:

<

=

b 0
b e . e
) ( l
n mn

Note que 1
e
1
e 0
mn
mn
< = <

pois m (mdia amostral) e n (tamanho da amostra)
n
so grandezas positivas. Alm disso,
e uma funo exponencial crescente,

pois n >0. Portanto, o grfico de ) ( l crescente para b , como ilustrado
pela Fig. a seguir.

O grfico da funo de verossimilhana no possui um mximo absoluto, pois
=

) ( l lim (a funo crescente para b ). O gabarito inicial era a alternativa
(B) ( b =
), o que um flagrante absurdo. A questo foi anulada.

b
l

GABARITO: ANULADA

19. (ICMS-RJ/2010/FGV). Para estimar a proporo p de pessoas
acometidas por uma certa gripe numa populao, uma amostra aleatria
simples de 1600 pessoas foi observada e constatou-se que, dessas pessoas,
160 estavam com a gripe.

Um intervalo aproximado de 95% de confiana para p ser dado por:

A) (0,066, 0,134).
B) (0,085, 0,115).
C) (0,058, 0,142).
D) (0,091, 0,109).
E) (0,034, 0,166).

Resoluo

A freqncia relativa amostral p apresenta uma distribuio binomial, com
mdia p e varincia n / ) p 1 ( p . Sendo 5 np e 5 ) p 1 ( n , possvel aproximar a
binomial pela normal. Como p desconhecido, adotamos como condies de
aproximao 5 160 1 , 0 1600 ' np > = = e 5 1440 9 , 0 1600 ) ' p 1 ( n > = = .

Como a amostra suficientemente grande, o intervalo de confiana para p
ser da forma p , em que dado por

015 , 0
1600
9 , 0 1 , 0
96 , 1
n
) p 1 ( p
z e
% 5 , 2 0

= .

Logo, 115 , 0 015 , 0 1 , 0 p + = + e 085 , 0 015 , 0 1 , 0 p = .

IC = (0,085, 0,115).

GABARITO: B

20. (ICMS-RJ/2010/FGV). Suponha que os salrios dos trabalhadores numa
certa regio sejam descritos por uma varivel populacional com mdia
desconhecida e desvio padro igual a R$200,00. Para se garantir, com 95% de
probabilidade, que o valor da mdia amostral dos salrios no diferir do valor
da mdia populacional por mais de R$10,00, a amostra aleatria simples
dever ter no mnimo, aproximadamente, o seguinte tamanho:

A) 3.568.
B) 3.402.
C) 2.489.
D) 2.356.
E) 1.537.

Resoluo

Dados: 10 X = , % 95 1 = e 200 = .

600 . 1 n 2
n / 200
10
96 , 1
n / 200
10
z
n /
X
z
n /
X
% 5 , 2 2 /
= =

O valor mais prximo o da opo E.

Nota: no correto dizer que o valor da mdia amostral dos salrios no
diferir do valor da mdia populacional por mais de R$10,00 com 95% de
probabilidade, dado que a amostra tenha um tamanho mnimo de 1.537
elementos. A afirmao correta seria: o valor da mdia amostral dos salrios
no diferir do valor da mdia populacional por mais de R$10,00 com 95% de
confiana, dado que a amostra tenha um tamanho mnimo de 1.537
elementos. Na prtica, obtemos somente uma amostra aleatria e calculamos
uma estimativa do intervalo de confiana. Uma vez que esse intervalo conter
ou no o valor verdadeiro do parmetro populacional , no razovel fixar
um nvel de probabilidade para essa realizao. A afirmao apropriada : o
intervalo observado [l, u] contm o valor verdadeiro do parmetro , com
)% 1 ( 100 de confiana. Essa afirmao tem uma interpretao de freqncia;
ou seja, no sabemos se a afirmao verdadeira para essa amostra
especfica, mas o mtodo usado para obter o intervalo [l, u] resulta em
afirmaes corretas em )% 1 ( 100 do tempo.

GABARITO: E

21. (Analista da SUSEP/Aturia/2010/ESAF). Deseja-se estimar a
proporo p de pessoas com determinada caracterstica em uma populao.
Um levantamento preliminar forneceu 7 / 2 p = . Usando essa estimativa,
obtenha o menor tamanho de amostra aleatria simples necessria para
estimar p com um intervalo de 95% de confiana e um erro de amostragem
% 2 n / q p z , onde p 1 q = .

A) 7840
B) 2500
C) 1960
D) 9604
E) 2401

Resoluo

A semi-amplitude do intervalo de confiana para a proporo dada por

=
0
e (varivel normal reduzida
2 /
z
) x (desvio padro da proporo amostral)

ou

n / q p z n / ) p 1 ( p z
2 / 2 /
= = .

O examinador especificou que a relao % 2 n / q p z deve ser obedecida, a fim
de que p seja estimado com um intervalo de 95% de confiana e um erro de
amostragem menor ou igual a 0,02. Moral da histria: a banca forneceu a
frmula a ser utilizada na soluo da questo! De vez em quando isso
acontece.

Isolemos a incgnita n na frmula dada:

100
2
n
q p
z
2 / 1
\
|

2
2
2
2 / 1
10
2
n
q p
z
|
\
|
(

(
\
|

|
\
|
\
|
4
2
10
4
n
q p
z
n 4 q p z 10
2 4
n
4
q p z 10
2 4

4
q p z 10
n
2 4

Ento o valor limitante inferior para n, denotado por n
min
, dado por

4
q p z 10
n
2 4
min
= .

Substituindo os valores 7 / 2 p = , 7 / 5 p 1 q = = e z = 1,96 (pois =5%) na
expresso acima, obtemos

7
5
7
2
4
96 , 1 10
n
2 4
min

= ,

utilizando as aproximaes 1,96 2 e 49 50, chegamos ao valor aproximado

000 . 2
5
000 . 10
50
5 2 10
n
4
min
= =

.

A opo C nos d o valor mais prximo (1.960). Se voc fizer as contas com a
calculadora obter o valor exato de 1.960.

GABARITO: C

Exerccios de Reviso

22. (Analista Tcnico/SUSEP/2002/ESAF) Seja X uma varivel aleatria
com valor esperado e desvio padro >0. Pode-se afirmar que

A) pelo menos 75% das realizaes de X pertencero ao intervalo [-2;+2]
B) pelo menos 80% das realizaes de X pertencero ao intervalo [-2;+2]
C) pelo menos 90% das realizaes de X pertencero ao intervalo [-2;+2]
D) pelo menos 95% das realizaes de X pertencero ao intervalo [-2;+2]
E) apenas com o conhecimento de e no possvel fazer afirmao sobre o
percentual de realizaes de X que cairo no intervalo [-2;+2].

Resoluo

Uma rpida leitura das alternativas indica que a questo aborda o teorema
(desigualdade) de Chebyshev:

Seja X uma varivel aleatria arbitrria com mdia e varincia
2
. Ento,
para qualquer 0 k > , vale

2
k
1
1 ] k X k [ P + < < + .


(A) 75 , 0 ] 2 X 2 [ P + < < CORRETA. O teorema de Chebyshev afirma
que ] 2 X 2 [ P + < < , no mnimo, igual a
2
2
1
1 . Logo,
75 , 0 ] 2 X 2 [ P + < < .

(B) a (D) esto INCORRETAS conforme demonstrado acima.

(E) Esta alternativa nega o teorema de Chebyshev ao dizer que no possvel,
apenas com o conhecimento de e , fazer afirmao sobre o percentual de
realizaes de X que cairo no intervalo [-2;+2] INCORRETA.

GABARITO: A

23. (Analista Ministerial/Estatstica/MPE-PE/2006/FCC) Seja X uma
varivel aleatria assumindo os valores -2 e 2, com probabilidade 1/4 e 3/4,
respectivamente. Seja a mdia de X. Ento o limite superior de P[|X - |
12 ], obtido pela desigualdade de Tchebysheff, dado por

A) 0,40
B) 0,25
C) 0,20
D) 0,12
E) 0,10

Resoluo

A Desigualdade de Tchebysheff pode ser dada pela expresso

2
k
1
] k | X [| P .

Dados: i) 12 k = , ii) distribuio de probabilidades de X (logo possvel
calcular a mdia e o desvio padro de X).

1
4
3
2
4
1
2 ) x ( f x ) X ( E
i
i i
=
|
\
|
+
|
\
|
= = =

3 1
4
3
2
4
1
) 2 ( ) x ( f x ) X ( E
2 2 2
i
2
i
2
i
2 2 2
=
|
\
|
+
|
\
|
= = =

Ento

3
12 k
=
k = 2.

2
2
1
] 3 2 | 1 X [| P 25 , 0 ] 3 2 | 1 X [| P limite superior da probabilidade de
que X difira da mdia populacional por 3 2 0,25.

GABARITO: B

24. (Especialista em Assistncia Social/Estatstica/SEJUS-
DF/2010/Fundao Universa) Um torneio de tnis ser disputado por
quatro jogadores (A, B, C e D). Na primeira rodada, A jogar contra B, e C
jogar contra D. Os vencedores dessas duas partidas iro disputar a grande
final e desse jogo sair o campeo. Dada a tabela a seguir, que informa as
probabilidades de cada jogador vencer o outro, e sabendo que o jogador A
venceu o jogador B, assinale a alternativa que apresenta a probabilidade de C
sagrar-se campeo.

jogador A B C D
Probabilidade de vencer o
jogador A
- 40% 30% 20%
jogador B
60% - 55% 10%
jogador C
70% 45% - 65%
jogador D
80% 90% 35% -

A) 7%
B) 10,5%
C) 13%
D) 19,5%
E) 30,0%

Resoluo

P[C ser campeo] = P[C vencer D] x P[C vencer A] = 0,35 x 0,30 = 0,105

P[C ser campeo] = 10,5%

GABARITO: B

DF/2010/Fundao Universa) Considere o algoritmo a seguir:

S=0
k=0

ENQUANTO (k < 5) FAA
S = S + X
k

k=k+1
FIM

S = S/k

Sabendo que X
0
= 1, X
1
= 7, X
2
= 3, X
3
= 2 e X
4
= 5, assinale a alternativa
que contm a medida de posio que o algoritmo apresentado calcula e o valor
final da varivel S quando o algoritmo finalizar o seu processamento.

A) Mdia, S = 4
B) Varincia, S = 4,8
C) Mdia, S = 3
D) Varincia, S = 5
E) Mdia, S = 2

Resoluo

O fato de a varincia no ser uma medida de posio, mas de disperso dos
dados, j nos permite eliminar as alternativas B e D. Analisemos o algoritmo.

Valores iniciais das variveis S e k:

k=0
S=0

A rotina

S = S + X
k

k=k+1
FIM

especifica um loop de programao em que k a varivel que controla o fim
do loop.

O passo zero do algoritmo a inicializao das variveis S = k =0.
Vejamos a evoluo do algoritmo aps a inicializao a seguir.

Passo 1: k = 0 e S = 0 (valores iniciais)

Como k = 0 menor que 5, faa:

S(atual) = S(anterior) + X
0
= 0 + 1 = 1
k(atual) = k(anterior) + 1 = 0 + 1 = 1

Passo 2: k = 1 e S = 1 (valores determinados no passo anterior)


1
= 1 + 7 = 8

Passo 3: k = 2 e S = 8


2
= 8 + 3 = 11

Passo 4: k = 3 e S = 11


3
= 11 + 2 = 13

Passo 5: k = 4 e S = 13


4
= 13 + 5 = 18

Passo 6: k = 5 e S = 18

Como k = 5, faa

S(atual) = S(anterior)/k = 18/5 = 3,6

O valor final de S 3,6. Observe que o algoritmo calcula a mdia aritmtica do
conjunto de dados fornecido. A alternativa com o valor mais prxima a A (S
= 4).

GABARITO: A

DF/2010/Fundao Universa) Considere a varivel X com mdia 5 e desvio
padro 2 e a varivel Y com mdia 2 e desvio padro 5. Se a varincia de X +
Y igual a 8 e a varincia de X - Y igual a 4, assinale a alternativa que
apresenta o coeficiente de correlao de X e Y.

A) 1
B) 0,5
C) 0,1
D) -0,1
E) -1

Resoluo

Dados:

Varivel X: 5 X = e 2
x
=
Varivel Y: 2 Y = e 5
y
=
8 ) Y X var( = +
4 ) Y X var( =

Deseja-se calcular o coeficiente de correlao de X e Y:

y x
) Y , X cov(
) Y , X (

=

A banca forneceu os valores 2
x
= e 5
y
= . Logo, saberemos o valor da
correlao se calcularmos o valor da covarincia.

Sejam os coeficientes (ou valores constantes) e . Sabemos que

) Y var( ) Y , X cov( 2 ) X var( ) Y X var(
2 2
+ + = +

e que

) Y var( ) Y , X cov( 2 ) X var( ) Y X var(
2 2
+ =

pois o enunciado no diz que X e Y so independentes.

Substituindo os valores = = 1, obtemos

) Y var( ) Y , X cov( 2 ) X var( ) Y X var( + + = + (1)

) Y var( ) Y , X cov( 2 ) X var( ) Y X var( + = (2)

Como 8 ) Y X var( = + e 4 ) Y X var( = , chegamos ao seguinte sistema de
equaes:

= +
= + +
4 ) Y var( ) Y , X cov( 2 ) X var(
8 ) Y var( ) Y , X cov( 2 ) X var(

Multipliquemos a segunda equao do sistema por -1:

= +
= + +
4 ) Y var( ) Y , X cov( 2 ) X var(
8 ) Y var( ) Y , X cov( 2 ) X var(

Somando as duas equaes, obtemos a equao

4 8 ) y var( ) Y var( ) Y , X cov( 2 ) Y , X cov( 2 ) X var( ) X var( = + + +

4 ) Y , X cov( 4 =

1
4
4
) Y , X cov( = =

Logo,

1 , 0
10
1
5 2
1 ) Y , X cov(
) Y , X (
y x
= =
=

=

GABARITO: C

DF/2010/Fundao Universa) Considere a sequncia a seguir e assinale a
alternativa que apresenta, respectivamente, sua mdia, mediana e moda.

1, 1, 1, 1, 2, 5, 6, 9, 10

A) 4, 2 e 1
B) 4, 1 e 2
C) 2, 4 e 1
D) 2, 1 e 4
E) 1, 4 e 2

Resoluo

Mdia:
4
9
36
9
10 9 6 5 2 1 1 1 1
X = =
+ + + + + + + +
=

A mediana de uma srie de n valores ordenados, sendo n mpar (n = 9), o
valor de ordem (n+1)/2 = 10/2 = 5:

1, 1, 1, 1, 2, 5, 6, 9, 10

Ento a mediana 2.

A moda 1, pois o valor de maior frequncia (ocorre 4 vezes).

GABARITO: A

DF/2010/Fundao Universa) A tabela a seguir evidencia uma entrevista
feita com 50 clientes, dividida por faixa etria.

ordem da
faixa etria
faixa etria nmero de clientes
1 18 | 25 12
2 25 | 32 24
3 32 | 40 8
4 40 | 48 6

Com base nos dados dessa entrevista, correto afirmar que

A) h, na primeira faixa etria, ao menos 1 entrevistado com 25 anos.
quinto valor
B) 12% dos entrevistados tm mais de 40 anos de idade.
C) pelo menos 1 entrevistado, na terceira faixa etria, tem 32 anos.
D) 48% dos entrevistados tm entre 18 e 32 anos.
E) 88% dos entrevistados tm menos de 40 anos de idade.

Resoluo

Reproduzimos a seguir a tabela dada pelo enunciado acrescida das colunas
frequncia e frequncia acumulada.

ordem da
faixa
etria
faixa
etria
nmero de
clientes
frequncia
freq.
acumulada
1 18 | 25 12 12/50 = 24% 24%
2 25 | 32 24 24/50 = 48% 72%
3 32 | 40 8 8/50 = 16% 88%
4 40 | 48 6 6/50 = 12% 100%


A) a classe 18 | 25 no inclui quem tem 25 anos, pois a classe aberta
direita afirmativa incorreta (*). Suponha que a 1 classe fosse 18 | 26.
Ainda assim a afirmativa estaria incorreta, pois no se pode assegurar que a
classe conter pelo menos 1 entrevistado com 25 anos.

(*) A notao 18 | 25 equivalente a usar a notao [18, 25) para designar
o intervalo de nmeros contendo o extremo 18 mas no contendo o extremo
25.

B) incorreta, haja vista que 12% dos entrevistados tm pelo menos 40 anos
(lembre que o intervalo da classe fechado esquerda).

C) o fato de a classe 32 | 40 incluir o extremo esquerdo (= 32) no garante
que pelo menos 1 entrevistado, nesta faixa etria, tem 32 anos. Por exemplo,
os 8 clientes podem ter 35 anos de idade. Assertiva incorreta.

D) incorreta, pois 72% dos entrevistados tm entre 18 e 32 anos (vide coluna
de frequncias acumuladas na tabela acima).

E) correta, pois a frequncia acumulada at a 3 classe de 88%.

GABARITO: E

Abraos e at a prxima aula.

Bons estudos!

Moraes Junior
moraesjunior@pontodosconcursos.com.br

Alexandre Lima
ablima@ablima.pro.br

Questes Comentadas e Resolvidas Nesta Aula

1. (ICMS-RJ/2009/FGV) Para examinar a opinio de uma populao sobre
uma proposta, foi montada uma pesquisa de opinio em que foram ouvidas
1680 pessoas, das quais 51,3% se declararam favorveis proposta.

Os analistas responsveis determinaram que a margem de erro desse
resultado, em um determinado nvel de confiana, era de 2 pontos
percentuais, para mais ou para menos.

Considerando que fosse desejada uma margem de erro de 1 ponto percentual,
para mais ou para menos, no mesmo nvel de confiana, assinale a alternativa
que indique o nmero de pessoas que deveriam ser ouvidas.

A) 840
B) 2520
C) 3360
D) 5040
E) 6720

2. (ICMS-RJ/2008/FGV) Considere uma Amostra Aleatria Simples de n
unidades extradas de uma populao na qual a caracterstica, X, estudada tem
distribuio Normal com mdia e varincia
2
, ambas desconhecidas, mas
finitas. Considere, ainda, as estatsticas mdia da amostra,
=
=
n
1 i
i
X
n
1
X , e
varincia da amostra
=
=
n
1 i
2
i
2
) X X (
n
1
S . Ento, correto afirmar que:

A) X e
2
varincia da populao, respectivamente.
B) X no tendencioso, mas
2
S tendencioso para a estimao da mdia e
da varincia da populao, respectivamente.
C) X tendencioso, mas
2
S no tendencioso para a estimao da mdia e
da varincia da populao, respectivamente
D) X e
2
S so, ambos, tendenciosos para a estimao da mdia e da varincia
da populao, respectivamente.
E) X e
2
varincia da populao, mas apenas X consistente.

3. (ICMS-RJ/2007/FGV) Uma pesquisa recente foi realizada para avaliar o
percentual da populao favorvel eleio de um determinado ponto turstico
para constar no selo comemorativo de aniversrio da cidade. Para isso,
selecionou-se uma amostra aleatria simples extrada de uma populao
infinita. O resultado apurou 50% de inteno de votos para esse ponto
turstico.

Considerando que a margem de erro foi de 2 pontos percentuais, para mais ou
para menos, e que o nvel de confiana utilizado foi de 95%, foram ouvidas,
aproximadamente:

A) 50 pessoas
B) 2.400 pessoas
C) 1.200 pessoas
D) 100 pessoas
E) 4.800 pessoas

4. (Estatstica/IBGE/2010/CESGRANRIO) Para que o erro padro da
mdia amostral X seja reduzido metade, deve-se

A) multiplicar o tamanho da amostra por 2.
B) multiplicar o tamanho da amostra por 4.
C) multiplicar o tamanho da amostra por 16.
D) dividir o tamanho da amostra por 2.
E) dividir o tamanho da amostra por 4.

5. (Analista Tcnico/SUSEP/2001/ESAF) Os itens 2,30; 4,11; 5,20; 6,30;
7,20 formam uma ordenao de uma amostra aleatria de tamanho 5 da
distribuio uniforme no intervalo [0,] sendo >0. Assinale a opo que
corresponde estimativa de mxima verossimilhana de .

A) 5,20
B) 5,02
C) 7,20
D) 5,00
E) 8,00

6. (Analista Tcnico/SUSEP/2001/ESAF) Tem-se duas amostras
independentes ambas de tamanho 21 de duas populaes normais com a
mesma varincia
2
> 0. Deseja-se construir um intervalo de confiana para
2
, no nvel de 95%, com base numa estimativa combinada das varincias
amostrais 4 , 0 s
2
1
= e 6 , 0 s
2
2
= . Se 0< a < b so duas constantes tais que P{X<a}
= 0,025 e P{X>b} = 0,025, onde X tem distribuio qui-quadrado, assinale a
resposta que corresponde ao intervalo procurado e ao nmero de graus de
liberdade da distribuio de X.

A) [17/b; 17/a] e 20 graus de liberdade
B) [5/3b; 5/2a] e 40 graus de liberdade
C) [17/b; 17/a] e 41 graus de liberdade
D) [20/b; 20/a] e 40 graus de liberdade
E) [5/3b; 5/2a] e 20 graus de liberdade

7. (Analista/rea 3/BACEN/2006/FCC) Os preos de um determinado
produto vendido no mercado tm uma distribuio normal com desvio padro
populacional de R$ 20,00. Por meio de pesquisa realizada com uma amostra
aleatria de tamanho 100, com um determinado nvel de confiana, apurou-se,
para a mdia destes preos, um intervalo de confiana sendo [R$ 61,08 ; R$
68,92]. A mesma mdia amostral foi obtida quadruplicando o tamanho da
amostra anterior e utilizando tambm o mesmo nvel de confiana. Nos dois
casos considerou-se infinito o tamanho da populao. O novo intervalo de
confiana encontrado no segundo caso foi

A) [R$ 63,04 ; R$ 66,96]
B) [R$ 62,06 ; R$ 67,94]
C) [R$ 61,57 ; R$ 68,43]
D) [R$ 61,33 ; R$ 68,67]
E) [R$ 61,20 ; R$ 68,80]

8. (Estat./IBGE/2010/CESGRANRIO) Sejam ) ; ( N ~ X ,..., X , X
2
iid
n 2 1
e
considerados dois estimadores para
2

=
n
1 i
2
i 1
) X X (
1 n
1
T e . ) X X (
n
1
T
n
1 i
2
i 2
=
=

Observe as afirmativas a seguir a respeito desses estimadores.

I T
1
no tendencioso.
II O erro mdio quadrtico de T
1

4
1 n
2
, enquanto que o de T
2

4
2
n
) 1 n ( 2
.
III A tendncia de
|
|
\
|
=
n
T
2
2
.

(So) correta(s) a(s) afirmativa(s)

A) I apenas.
B) I e II, apenas.
C) I e III, apenas.
D) II e III, apenas.
E) I, II e III.

9. (Estatstica/IBGE/2010/CESGRANRIO) Considere uma amostragem
aleatria simples, sem reposio, de uma populao de tamanho muito
grande. Qual o tamanho aproximado de amostra que permite estimar a mdia
de uma varivel y, cujo desvio padro populacional igual a 5, com margem
de erro 0,1, a um nvel de confiana 95%?

A) 100
B) 400
C) 1.000
D) 4.000
E) 10.000

10. (Estatstica/IBGE/2010/CESGRANRIO) Para avaliar a taxa de
desemprego em uma determinada localidade, selecionou-se uma amostra
aleatria de 900 indivduos em idade produtiva. O resultado dessa amostra
revelou que o nmero de desempregados era de 36%. O intervalo de 95% de
confiana para a proporo de desempregados, nessa localidade,

A) 36% 0,1%
B) 36% 2,6%
C) 36% 3,1%
D) 36% 3,7%
E) 36% 4,1%

11. (Analista/rea 2/BACEN/2010/CESGRANRIO) Em um estudo sobre a
economia informal de uma cidade, deseja-se determinar uma amostra para
estimar o rendimento mdio dessa populao, com um grau de confiana de
95% de que a mdia da amostra aleatria extrada no difira de mais de R$
50,00 da mdia do rendimento dessa populao, cujo desvio padro R$
400,00. Sabendo-se que z ~ N[0,1] e que
=
96 , 1
0
4750 , 0 dz ) z ( f , onde f(z) a
funo de densidade de probabilidade de z, pode-se concluir que o nmero de
pessoas da amostra ser

A) 321
B) 308
C) 296
D) 271
E) 246

(Analista Ministerial/Estatstica/MPE-PE/2006/FCC) Instrues
(adaptadas): Para responder s questes de nmeros 12 e 13, considere as
tabelas a seguir.

Elas fornecem alguns valores da funo de distribuio F(x). A tabela 1 refere-
se varivel normal padro, as tabelas 2 e 3 referem-se varivel t de
Student com 15 e 16 graus de liberdade, respectivamente:

Tabela 1 Tabela 2 Tabela 3
x F(x) x F(x) x F(x)
1,60 0,945 1,753 0,95 1,746 0,95
1,64 0,950 2,248 0,98 2,235 0,98
2,00 0,977 2,583 0,99 2,567 0,99

12. Um engenheiro encarregado do controle de qualidade deseja estimar a
proporo p de lmpadas defeituosas de um lote, com base numa amostra de
tamanho 400. Sabe-se, com base em experincias anteriores, que p deve
estar prximo de 0,5. Usando o teorema central do limite para estimar a
amplitude do intervalo de confiana de 90% para p, podemos afirmar que tal
amplitude , aproximadamente, igual a

A) 0,041
B) 0,045
C) 0,058
D) 0,070
E) 0,082

13. Supondo-se que a porcentagem da receita investida em educao, dos 600
municpios de uma regio, tem distribuio normal com mdia , deseja-se
estimar essa mdia. Para tanto se sorteou dentre esses 600, aleatoriamente e
com reposio, 16 municpios e se observou os porcentuais investidos por eles
em educao. Os resultados indicaram uma mdia amostral de 8% e desvio
padro amostral igual a 2%. Um intervalo de confiana para , com coeficiente
de confiana de 96%, dado por

A) (8 1,124)%
B) (8 1,117)%
C) (8 0,877)%
D) (8 0,870)%
E) (8 0,755)%

(ANPEC/2009/Adaptada) Verifique se as afirmativas 14 a 17 so
verdadeiras:

14. Em uma pesquisa de opinio a proporo de pessoas favorveis a uma
determinada medida governamental dada por
= n / X p
i
. O menor valor de
n para o qual a desigualdade de Chebyshev resultar em uma garantia de que
01 , 0 ) 01 , 0 | p p (| P 200.000.

15. Quando o nmero de graus de liberdade cresce, a distribuio
2

aproxima-se de uma distribuio normal com mdia e desvio padro 2.

16. Um intervalo de confiana de 99% para a mdia de uma populao,
calculado para uma amostra aleatria, como [2,75; 8,25], pode ser
interpretado como: a probabilidade de estar no intervalo calculado de 99%.

17. Se existe, todo estimador de mxima verossimilhana calculado para uma
amostra aleatria possui distribuio Normal em grandes amostras.

18. (Analista da SUSEP/2002/ESAF) A funo de verossimilhana para
uma amostra aleatria de tamanho n de uma distribuio de probabilidades
dependente de um parmetro real vem dada por

<
+
=
b 0
b } n mn exp{
) ( l

onde m > 0 a mdia das observaes amostrais e b a menor observao
amostral. Assinale a opo que corresponde a estimativa de mxima
verossimilhana de .

A) nm
B) b
C) m
D) nb
E) m/b

19. (ICMS-RJ/2010/FGV). Para estimar a proporo p de pessoas
acometidas por uma certa gripe numa populao, uma amostra aleatria
simples de 1600 pessoas foi observada e constatou-se que, dessas pessoas,
160 estavam com a gripe.

Um intervalo aproximado de 95% de confiana para p ser dado por:

A) (0,066, 0,134).
B) (0,085, 0,115).
C) (0,058, 0,142).
D) (0,091, 0,109).
E) (0,034, 0,166).

20. (ICMS-RJ/2010/FGV). Suponha que os salrios dos trabalhadores numa
certa regio sejam descritos por uma varivel populacional com mdia
desconhecida e desvio padro igual a R$200,00. Para se garantir, com 95% de
probabilidade, que o valor da mdia amostral dos salrios no diferir do valor
da mdia populacional por mais de R$10,00, a amostra aleatria simples
dever ter no mnimo, aproximadamente, o seguinte tamanho:

A) 3.568.
B) 3.402.
C) 2.489.
D) 2.356.
E) 1.537.

21. (Analista da SUSEP/Aturia/2010/ESAF). Deseja-se estimar a
proporo p de pessoas com determinada caracterstica em uma populao.
Um levantamento preliminar forneceu 7 / 2 p = . Usando essa estimativa,
obtenha o menor tamanho de amostra aleatria simples necessria para
estimar p com um intervalo de 95% de confiana e um erro de amostragem
% 2 n / q p z , onde p 1 q = .

A) 7840
B) 2500
C) 1960
D) 9604
E) 2401

Exerccios de Reviso

22. (Analista Tcnico/SUSEP/2002/ESAF) Seja X uma varivel aleatria
com valor esperado e desvio padro >0. Pode-se afirmar que

A) pelo menos 75% das realizaes de X pertencero ao intervalo [-2;+2]
B) pelo menos 80% das realizaes de X pertencero ao intervalo [-2;+2]
C) pelo menos 90% das realizaes de X pertencero ao intervalo [-2;+2]
D) pelo menos 95% das realizaes de X pertencero ao intervalo [-2;+2]
E) apenas com o conhecimento de e no possvel fazer afirmao sobre o
percentual de realizaes de X que cairo no intervalo [-2;+2].

23. (Analista Ministerial/Estatstica/MPE-PE/2006/FCC) Seja X uma
varivel aleatria assumindo os valores -2 e 2, com probabilidade 1/4 e 3/4,
respectivamente. Seja a mdia de X. Ento o limite superior de P[|X - |
12 ], obtido pela desigualdade de Tchebysheff, dado por

A) 0,40
B) 0,25
C) 0,20
D) 0,12
E) 0,10

DF/2010/Fundao Universa) Um torneio de tnis ser disputado por
quatro jogadores (A, B, C e D). Na primeira rodada, A jogar contra B, e C
jogar contra D. Os vencedores dessas duas partidas iro disputar a grande
final e desse jogo sair o campeo. Dada a tabela a seguir, que informa as
probabilidades de cada jogador vencer o outro, e sabendo que o jogador A
venceu o jogador B, assinale a alternativa que apresenta a probabilidade de C
sagrar-se campeo.

jogador A B C D
jogador A
- 40% 30% 20%
jogador B
60% - 55% 10%
jogador C
70% 45% - 65%
jogador D
80% 90% 35% -

A) 7%
B) 10,5%
C) 13%
D) 19,5%
E) 30,0%

DF/2010/Fundao Universa) Considere o algoritmo a seguir:

S=0
k=0

S = S + X
k

k=k+1
FIM

S = S/k

Sabendo que X
0
= 1, X
1
= 7, X
2
= 3, X
3
= 2 e X
4
= 5, assinale a alternativa
que contm a medida de posio que o algoritmo apresentado calcula e o valor
final da varivel S quando o algoritmo finalizar o seu processamento.

A) Mdia, S = 4
B) Varincia, S = 4,8
C) Mdia, S = 3
D) Varincia, S = 5
E) Mdia, S = 2

DF/2010/Fundao Universa) Considere a varivel X com mdia 5 e desvio
padro 2 e a varivel Y com mdia 2 e desvio padro 5. Se a varincia de X +
Y igual a 8 e a varincia de X - Y igual a 4, assinale a alternativa que
apresenta o coeficiente de correlao de X e Y.

A) 1
B) 0,5
C) 0,1
D) -0,1
E) -1

DF/2010/Fundao Universa) Considere a sequncia a seguir e assinale a
alternativa que apresenta, respectivamente, sua mdia, mediana e moda.

1, 1, 1, 1, 2, 5, 6, 9, 10

A) 4, 2 e 1
B) 4, 1 e 2
C) 2, 4 e 1
D) 2, 1 e 4
E) 1, 4 e 2

DF/2010/Fundao Universa) A tabela a seguir evidencia uma entrevista
feita com 50 clientes, dividida por faixa etria.

ordem da
faixa etria
faixa etria nmero de clientes
1 18 | 25 12
2 25 | 32 24
3 32 | 40 8
4 40 | 48 6

Com base nos dados dessa entrevista, correto afirmar que

A) h, na primeira faixa etria, ao menos 1 entrevistado com 25 anos.
B) 12% dos entrevistados tm mais de 40 anos de idade.
C) pelo menos 1 entrevistado, na terceira faixa etria, tem 32 anos.
D) 48% dos entrevistados tm entre 18 e 32 anos.
E) 88% dos entrevistados tm menos de 40 anos de idade.

(2011) Raciocínio Lógico para Traumatizados - Aula 11

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

(2011) Raciocínio Lógico para Traumatizados - Aula 11

Transféré par

Droits d'auteur :

Formats disponibles

Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados em

Exerccios, incluindo Matemtica, Matemtica Financeira e Estatstica

justo (ou no viesado, ou no viciado, ou no

, conforme ilustrado pela

(deve-se multiplicar o tamanho da

que maximiza a funo

= . Contudo, detalhemos o raciocnio como a seguir.

e o desvio padro da mdia

) x (desvio padro da mdia amostral)

e a varincia 2 . Logo, a afirmativa FALSA,

que maximiza a funo de

e uma funo exponencial crescente,

), o que um flagrante absurdo. A questo foi anulada.

) x (desvio padro da proporo amostral)

Vous aimerez peut-être aussi