Vous êtes sur la page 1sur 21

Jaime Fonseca

Vol. 2

146

2 Edio
9 789726 187745

Daniel Torres

Vol. 2

Os estudantes de estatstica encontraro aqui as mais variadas


aplicaes, podendo seleccion-las de entre os temas tratados,
consoante a rea de ensino e a profundidade da abordagem feita
matria.

ISBN 978-972-618-774-5

ESTATSTICA

ESTATSTICA

Baseado na longa experincia dos autores no ensino da estatstica nos mais diversos cursos e escolas, esta obra apresenta um
vasto conjunto de exerccios prticos resolvidos que permitiro aos
alunos testar e validar os conhecimentos tericos adquiridos.

DE

JAIME RAL SEIXAS FONSECA licenciado em Engenharia Electrotcnica (Faculdade de Engenharia Universidade do Porto, 1977) e mestre em Probabilidades e Estatstica Computacional e
Anlise de Dados (Faculdade de Cincias Universidade de Lisboa, 1988).
Leccionou em universidades pblicas e privadas, entre as quais, Universidade Nova, Instituto
Superior Tcnico Universidade Tcnica de Lisboa, Universidade Lusada, Universidade Moderna
e Universidade Internacional. Paralelamente exerceu funes no Instituto Portugus da Qualidade.
Actualmente docente no Instituto Superior de Cincias Sociais e Polticas Universidade Tcnica
de Lisboa.

EXERCCIOS

DANIEL FERNANDES TORRES licenciado em Economia (Universidade Lusada, 1992) e mestre


em Matemtica Aplicada Economia e Gesto (Instituto Superior de Economia e Gesto
Universidade Tcnica de Lisboa, 1997). Possui uma ps-graduao em E-Business (Instituto Superior de Economia e Gesto, 2001). Obteve o DEA (Diploma de Estudios Avanzados) do programa
de Doutoramento em Sociedad de la Informacin y el Conocimiento pela UPSAM (Universidade
Pontifcia de Salamanca-Plo de Madrid, 2005). Tcnico Oficial de Contas e membro efectivo da
Ordem dos Economistas.
Desde 1992 tem exercido docncia em vrias universidades, entre as quais, Universidade Lusada,
Universidade Internacional, Instituto Superior de Gesto Bancria, Universidade Autnoma de Lisboa e Universidade Aberta.
Para alm da docncia, no incio da sua carreira profissional estagiou e trabalhou como tcnico no
departamento financeiro de uma empresa de factoring de um grupo bancrio, tendo vindo ao
longo da ltima dcada a desenvolver, ao nvel da gesto, actividade como administrador e gerente
de empresas e ao nvel contabilstico-financeiro, actividade como director administrativo-financeiro
e como Tcnico Oficial de Contas de vrias empresas.

EXERCCIOS DE

Revista e Corrigida

EDIES SLABO

EXERCCIOS
DE

ESTATSTICA
JAIME FONSECA
DANIEL TORRES

EDIES SLABO

expressamente proibido reproduzir, no todo ou em parte, sob qualquer forma


ou meio, NOMEADAMENTE FOTOCPIA, esta obra. As transgresses
sero passveis das penalizaes previstas na legislao em vigor.

Visite a Slabo na rede

www.silabo.pt

Editor: Manuel Robalo

FICHA TCNICA:
Ttulo: Exerccios de Estatstica Vol. 2
Autores: Jaime Fonseca e Daniel Torres
Edies Slabo, Lda.
Capa: Pedro Mota
1 Edio Lisboa, Junho de 2002
2 Edio Lisboa, Outubro de 2014
Impresso e acabamentos: Europress, Lda.
Depsito Legal: 382188/14
ISBN: 978-972-618-774-5

EDIES SLABO, LDA.


R. Cidade de Manchester, 2
1170-100 Lisboa
Telfs.: 218130345
Fax: 218166719
e-mail: silabo@silabo.pt
www.silabo.pt

ndice

PREFCIO

Captulo 6
ESTIMAO PONTUAL

Captulo 7
ESTIMAO REGIONAL

65

Captulo 8
TESTES DE HIPTESES

97

Captulo 9
REGRESSO LINEAR

171

Captulo 10
ANLISE DE VARINCIA

223

BIBLIOGRAFIA

295

Prefcio

Na sequncia do volume I surge agora o volume II de Exerccios de Estatstica,


necessariamente mais virado para a Inferncia Estatstica.
A Estatstica pretende fundamentalmente concluir sobre a populao ou
populaes em estudo, em aspectos variados como sejam, a ttulo de exemplo:

determinao de estimativas (pontuais ou regionais) de parmetros


desconhecidos;
estabelecer relaes de ordem entre parmetros desconhecidos de duas ou
mais populaes;
fazer Previses para uma determinada varivel.

Este volume II tenta acompanhar tais desgnios.


Usando uma perspectiva traada no volume I, estamos seguros de que pode ser
uma boa contribuio para o domnio desses aspectos.
Os autores

Captulo 6

(67,0$d232178$/

10

Exerccio 1
Sabendo que certa populao tem distribuio Binomial, com parmetro p
desconhecido, obtenha o estimador de mxima verosimilhana de p, com base
numa amostra aleatria de dimenso n, ( X1, X2 , ... , Xn ), dela obtida. Proceda
anlise do estimador.

Resoluo:
Pode aplicar-se o mtodo de mxima verosimilhana dado tratar-se de uma
funo regular segundo Cramer-Rao ( duplamente diferencivel e os limites de
variao no dependem do parmetro a estimar).
1. Obteno do estimador
n
X ~> f X (x ) = p x (1 p )n x : = n p ; 2 = n p (1 p)
x

L ( p) =

n xi
nx
p (1 p ) i =
i = 1 xi
n

xi

(n xi )

n!
p i =1 (1 p ) i =1
x
n
x
!
!
(
)

i
i =1 i

Logaritmizando a funo de verosimilhana, tem-se:


n

(n x i )

xi

n!
i = 1 + log (1 p ) i = 1
log [L ( p)] = log
+ log p
i = 1 x i ! (n x i )!
n

n
n
n!

+ xi log p + (n xi ) log (1 p ) =

xi )! i = 1
i =1

log x ! (n

i =1
n

n!

log x ! (n x )!
i
i
i =1

xi

i =1

log p + n 2 log (1 p )

xi

i =1

log (1 p)

11

Derivando em ordem ao parmetro,


n
n
1
d log [L ( p)]
1
1
xi
= 0 + xi
+ n2
1
1
dp
p
p
p

i =1
i =1

Igualando a zero, tem-se, aps eliminar denominadores,


n

i =1

i =1

(1 p) xi n2 p + p xi = 0

xi

i =1

i =1

i =1

p xi n2 p + p xi = 0

xi

i =1

n2 p = 0

n 2 p = xi

xi

p = i =1
n2

i =1

2. Anlise do estimador p =

p =

x
(estimativa)
n

X
n

i) No enviesamento
Um estimador diz-se no enviesado ou centrado, desde que E [ ] = . Consequentemente,
n

Xi

n
1
X
E [ p ] = E = E i = 12 = 2 E Xi =
n
n
n
i =1

1
2

E [ Xi ]

n i =1

1
2

np

n i =1

1
n2

nn p = p

Assim, pode dizer-se que um estimador no enviesado para p.

12

ii) Coerncia ou consistncia


n

Xi

n
1
1 n
X
Var [ p ] = Var = Var i = 12 = 4 Var Xi = 4 Var [Xi ]
n
n
n
n i =1
i = 1

Sendo

n p (1 p)

n i =1

lim Var [ p ] = lim

1
n

n n p (1 p ) =

p (1 p )

n2

p (1 p )
n2

= 0,

Por ser no enviesado e por verificar a condio anterior, diz-se que

X
um
n

estimador coerente para p.

Exerccio 2
a) Obtenha, atravs do mtodo de mxima verosimilhana, com base na
informao contida na amostra (4, 3, 0, 2, 1, 1), uma estimativa do
parmetro desconhecido da distribuio Poisson.
b) Dessa populao extraiu-se uma amostra aleatria (X1, X2 , ... , X5 ) .
Escolha, entre os dois estimadores seguintes, o mais adequado para estimar
a mdia ( ) da populao. Justifique adequadamente a sua opo.
T1 = X ;

T2 =

1
(2 X1 X2 + 3 X4 + 2 X5 )
6

Resoluo:
a) X ~> P ( ) :

f X (x ) =

x
e ;
x!

x = 0, 1, 2,

13

Como a funo regular no sentido de Cramer-Rao ( duplamente


diferencivel e os limites de variao no dependem do parmetro a estimar) pode
aplicar-se o mtodo de mxima verosimilhana. Assim,

xi

xi
i
L ( ) =
e
e n
=
!
!
x
x

i
i
i
i
log L ( ) =

xi

log

log xi!

1
d log L ( )
= xi
n

i
d log L ( )
= 0
d

xi
i

1
n = 0

xi

n = 0

1
=
xi = x
n i

(estimativa)

1
=
Xi = X
n i

(estimador)

Clculo do valor da estimativa


1
4 + 3+ 0 + 2 +1+1
=
= 1,83333
xi = x =

6
n i

b) Estimadores Consistentes?
i) Anlise do enviesamento
1. Caso de T1
= . Sendo
Para que seja um estimador no enviesado dever ter-se E []
1 n

1 n
E [ ] = E Xi =
E Xi =
n i =1
n i =1
=

1 n
1 n
1
[
]
E
X
n =
=
=

i
n i =1
n i =1
n

T1 constitui assim um estimador centrado ou no enviesado para =

14

2. Caso de T2
Identicamente, dever ter-se E [ T2 ] = = . Porque
1
E [ T 2 ] = E (2 X 1 X 2 + 3 X 4 + 2 X 5 ) =
6

1
(2 E [ X ] E [ X2 ] + 3E [ X4 ] + 2 E [ X5 ]) =
6

6
1
=
(2 + 3 + 2) =
6
6

T2 constitui assim um estimador centrado ou no enviesado para =

ii) Anlise da consistncia


1. Caso de T1
Para que seja consistente ou coerente, dever ter-se

lim V [ ] = 0 , desde

n +

que o estimador seja no enviesado. Ora


1 n

1
V [T1 ] = V [ ] = V Xi = 2 V Xi =
n
n i =1
i =1
=

1 n
1

V
X
n
[
]
=

i
n
n2 i = 1
n2 i = 1
n2
1

0 e por se tratar de um estimador centrado podemos


n
afirmar que o estimador consistente.
Sendo que lim

2. Caso de T2
1
Var [ T2 ] = Var (2X1 X2 + 3X4 + 2X5 ) =

6
=

1
(4 Var [ X1 ] + Var [ X2 ] + 9 Var [ X4 ] + 4 Var [ X5 ] ) =
36

18
1

(4 + + 9 + 4 ) =
=
36
2
36

15


0 , pode concluir-se que o estimador T2 no consistente.
2
Em concluso, face a estes resultados, poder-se-a concluir nesta fase que o
melhor estimador para a mdia da populao T1 .

Porque lim

Exerccio 3
Obtenha atravs do mtodo de mxima verosimilhana e da amostra que se
segue, uma estimativa do parmetro da distribuio exponencial.
4; 3; 2; 0; 3; 0

Resoluo:
Obtenha-se em primeiro lugar a funo de verosimilhana com base no produto
das funes densidade exponencial.
Funo densidade da varivel com distribuio exponencial:
e x
f X (x ) =
0

L ( ) =

i =1

f Xi (xi ) =

; x 0
; x < 0
n

i =1

e xi = n e

xi

i =1

Dado tratar-se de uma funo regular no sentido de Cramer-Rao, pode aplicarse o mtodo de mxima verosimilhana.
Aplique-se a funo logaritmo funo de verosimilhana para facilitar
posteriormente a derivada.
n
n

xi
n xi
log L ( ) = log e i = 1 = log n + log e i = 1 =

= n log

16

xi

i =1

Derive-se agora em ordem a e iguale-se a derivada a zero.


n
d log L ( )
1
= n
xi = 0

d
i =1

n
1
= xi

i =1

xi

1
= i =1
n

n
n

xi

1
x

i =1

Logo com base na amostra dada tem-se o seguinte valor para a estimativa do
parmetro:
1
6
6
=
=
=
= 0,5
x
4+3+2+ 0+3+ 0
12

Exerccio 4
Seja (X1, X2 , ..., Xn ) uma amostra aleatria extrada de uma populao com
funo densidade da forma:
x 2 e x /
;

f (x ) =
2 3

0
;

x > 0

> 0

c.c.

a) Identifique o estimador de mxima verosimilhana do parmetro desconhecido, com base na amostra aleatria.
b) Classifique o estimador, ao nvel de enviesamento e consistncia.

17

Resoluo:
a) Obtenha-se em primeiro lugar a funo de verosimilhana com base no produto
das funes densidade.
L ( ) =

i =1

f Xi (xi ) =

xi2 e xi /

i =1

2 3

1
= 3
2

2
xi /
n i
xi e = 1
i =1

Tratando-se de uma funo regular segundo Cramer-Rao, aplique-se a funo


logaritmo funo de verosimilhana para facilitar posteriormente a derivada.

1
log L ( ) = log 3
2

2 xi /

xi e
i =1
n

i =1

xi

= n log (2 3 ) + 2 log xi i = 1

i =1

Derive-se agora em ordem a e iguale-se a derivada a zero.


n

xi

d log L ( )
3
= n
+ i = 12

3n + xi = 0

x
=
3

(estimativa)

X
=
3

(estimador)

i =1

= 0

b) Em funo do resultado anterior ficamos a saber que o estimador corresponX


.
dente =
3

18

1. Enviesamento
E (X) =

1 n
n (3 )
= 3 ,
E ( Xi ) =

n
n i =1

uma vez que E [X] = 3, tratando-se de uma distribuio Ga (3, ). Assim,


1
E ( ) =
E (X ) = ,
3
ou seja, constitui um estimador no enviesado ou centrado para .

2. Consistncia
Atendendo a que V [X] = 3 2 ,
1

V ( Xi ) = lim 3n = 0 .
lim V ( ) = 9 lim V ( X ) =
9n 2 i = 1
n
n
n
Conclui-se assim que um estimador consistente para .

Exerccio 5
Considere a varivel aleatria X com a seguinte funo densidade
f X (x ) =

+ 3 3
x ;
3

0 x 1 ,

> 0

Estime com base numa amostra aleatria de tamanho n, atravs do mtodo de


mxima verosimilhana o parmetro .

Resoluo:
Como a funo regular no sentido de Cramer-Rao pode aplicar-se o mtodo
de mxima verosimilhana.

19

L ( ) =

i =1

f X (xi ) =

( + 3)n
+ 3 3
x
=
3 i
3n
i =1

n
( + 3)
log L ( ) = log
3n

n
xi

i = 1

n
log xi
3 i =1

= n log ( + 3) n log 3 +
d log L ()
d
=
d
d

xi
i =1

n
n log ( + 3) n log 3 +
log xi =

3 i =1

1 n
n
+
log xi
+3
3 i =1

d log L ( )
= 0
d

1 n
n
+
log xi = 0
+3
3 i =1

3n + ( + 3)

( + 3) log xi = 3n

+3 =

log xi

i =1

= 0

i =1

3n
n

log xi

i =1

3n

log xi

i =1

3n
n

log xi

i =1

20

3 (estimativa)

3n
n

log Xi

i =1

3 (estimador)

Jaime Fonseca

Vol. 2

146

2 Edio
9 789726 187745

Daniel Torres

Vol. 2

Os estudantes de estatstica encontraro aqui as mais variadas


aplicaes, podendo seleccion-las de entre os temas tratados,
consoante a rea de ensino e a profundidade da abordagem feita
matria.

ISBN 978-972-618-774-5

ESTATSTICA

ESTATSTICA

Baseado na longa experincia dos autores no ensino da estatstica nos mais diversos cursos e escolas, esta obra apresenta um
vasto conjunto de exerccios prticos resolvidos que permitiro aos
alunos testar e validar os conhecimentos tericos adquiridos.

DE

JAIME RAL SEIXAS FONSECA licenciado em Engenharia Electrotcnica (Faculdade de Engenharia Universidade do Porto, 1977) e mestre em Probabilidades e Estatstica Computacional e
Anlise de Dados (Faculdade de Cincias Universidade de Lisboa, 1988).
Leccionou em universidades pblicas e privadas, entre as quais, Universidade Nova, Instituto
Superior Tcnico Universidade Tcnica de Lisboa, Universidade Lusada, Universidade Moderna
e Universidade Internacional. Paralelamente exerceu funes no Instituto Portugus da Qualidade.
Actualmente docente no Instituto Superior de Cincias Sociais e Polticas Universidade Tcnica
de Lisboa.

EXERCCIOS

DANIEL FERNANDES TORRES licenciado em Economia (Universidade Lusada, 1992) e mestre


em Matemtica Aplicada Economia e Gesto (Instituto Superior de Economia e Gesto
Universidade Tcnica de Lisboa, 1997). Possui uma ps-graduao em E-Business (Instituto Superior de Economia e Gesto, 2001). Obteve o DEA (Diploma de Estudios Avanzados) do programa
de Doutoramento em Sociedad de la Informacin y el Conocimiento pela UPSAM (Universidade
Pontifcia de Salamanca-Plo de Madrid, 2005). Tcnico Oficial de Contas e membro efectivo da
Ordem dos Economistas.
Desde 1992 tem exercido docncia em vrias universidades, entre as quais, Universidade Lusada,
Universidade Internacional, Instituto Superior de Gesto Bancria, Universidade Autnoma de Lisboa e Universidade Aberta.
Para alm da docncia, no incio da sua carreira profissional estagiou e trabalhou como tcnico no
departamento financeiro de uma empresa de factoring de um grupo bancrio, tendo vindo ao
longo da ltima dcada a desenvolver, ao nvel da gesto, actividade como administrador e gerente
de empresas e ao nvel contabilstico-financeiro, actividade como director administrativo-financeiro
e como Tcnico Oficial de Contas de vrias empresas.

EXERCCIOS DE

Revista e Corrigida

EDIES SLABO