Académique Documents
Professionnel Documents
Culture Documents
Exerccios Resolvidos
Soluo:
Lucro = Receita Despesa, sendo que
1500, se x 47 0,2
Receita e Despesa = 2 500 1000 .
0, caso contrrio
Ento
47,2 46,8
E(Lucro ) $1500 P46,8 x 47,2 $1000 1500 1000
1 1
n n
Soluo:
Sabemos que 0,5 , onde e so, respectivamente, a mdia e o desvio padro
populacionais do consumo familiar mensal em alimentao.
Usando a aproximao dada pelo Teorema Central do Limite, temos:
X X
n n
1 P P P Z .
n
n
Isso implica que z1 . (*)
2
(a) Substituindo em (*) os valores = 0,05 e n = 100, temos
0,05 100
z1 1 , de onde se conclui que 1 0,68 .
2 0,5
Isso quer dizer que, se usarmos uma amostra com 100 famlias, h uma probabilidade
de 68% de que o erro relativo na estimativa do consumo mdio mensal em alimentao
seja inferior a 5%.
z1
(b) A partir da relao (*) deduz-se que 2
. Por outro lado:
n
1 0,90 implica que z1 1,64 .
2
n = 100 e 0,5
1,64 0,5
Logo 0,082 ou 8,2%.
100
Novamente com uma amostra de 100 famlias, h uma probabilidade de 90% de que o
erro relativo na estimativa do consumo mdio mensal em alimentao seja inferior a
8,2%.
2 2
z
1 2
(c) A partir da relao (*) obtemos tambm n .
2
1,64 2 0,5 2
Substituindo nessa expresso z1 1,64 e = 0,05, obtemos n 269
2 0,05 2
Logo, para que, com 90% de chance, o erro relativo de estimao seja menor que 5%,
temos que usar uma amostra com 269 famlias.
Soluo:
Com base na tabela de freqncias aqui apresentada podemos obter aproximaes
grosseiras para os parmetros a seguir:
A mdia do nmero de hotis entre os 93 menores municpios
Conclumos, portanto, que o Esquema B mais preciso que o Esquema A. Isto ocorre
porque a variabilidade do nmero de estabelecimentos hoteleiros muito grande entre
os 5 maiores municpios do estado (Veja o valor de ). Assim, no Esquema B, ao
obrigar que todos esses 5 municpios estejam presentes entre os 20 considerados,
eliminamos do nosso processo de estimao uma fonte expressiva de variabilidade, o
que representa um ganho em termos de preciso.
Soluo:
Para resolver esse exerccio, lembremo-nos do comportamento do produto p(1p), como
funo de p: ele igual a 0 para p = 0, cresce at atingir 0,25 quando p = 0,5, e depois
decresce novamente voltando a 0 quando p = 1.
No intervalo de variao correspondente a P1, a saber, entre 1% e 5%, essa funo
crescente. Por isso, se na expresso
2
1,96
n1 P1 (1 P1 ) ,
0,006
substituirmos P1 por 0,05, aquele entre os seus valores possveis que est mais prximo
de 0,5, obteremos o tamanho de amostra de 5069 casais, que garante o nvel de preciso
especificado acima, para qualquer valor de P1 entre 1% e 5%.
No intervalo de variao correspondente a P2, a saber, entre 35% e 60%, essa funo
crescente at 50% quando atinge seu valor mximo e depois decresce. Por isso, se
substituirmos o valor P2 = 0,50 na expresso
2
1,96
n2 P2 (1 P2 ) , obteremos o tamanho de amostra de 9604 casais,
0,01
que garante o nvel de preciso especificado acima, para qualquer valor de P2 entre 35%
e 60%.
Comparando os valores de n1 e n2, vemos que o tamanho de amostra de 9604 casais
aquele que nos permite garantir o nvel de preciso desejado em ambos os casos.
Soluo:
J que a densidade de Xi , para cada i, a funo de
verossimilhana pode ser escrita como
L(a,b) = .
b No
No
Sim 0
Note que, para grandes amostras, todos esses so bons estimadores, no sentido de que seus erros
quadrticos mdios tendem a zero quando n cresce indefinidamente.
Esboce as linhas gerais dessas demonstraes.
Soluo:
Consideraremos em mais detalhe somente a estimao do parmetro b atravs de
b = Xmax. Se G a funo de distribuio acumulada de , ento:
G(x) = P(Xmax x) = P(Xi x, para todo i) = , se a x b,
(sendo G(x) = 0, se x < a e G(x) = 1, se x > b).
Conseqentemente, se g a funo densidade de ,
g(x) = , se a x b,
(sendo g(x) = 0, se x < a ou se x > b).
Da,
Fazendo a mudana de varivel x = a + (ba) u, obtemos
. Logo,
(porque e ).
Isso significa que um estimador tendencioso de b e seu vis B( ) = .
Var( ) =
Var( ) =
EQM( ) =
Para faz-lo muitas vezes til usarmos as propriedades das funes Gama e Beta.
Quanto estimao dos parmetros e , o nico detalhe que vale a pena abordarmos,
j que ele foge ao padro do raciocnio usado at aqui, o seguinte: Para determinar as
varincias de e , precisamos tambm obter uma expresso para Cov( ). Esta, por
sua vez, decorre da funo de distribuio acumulada conjunta (.,.) de :
(x,y) = P(Xmin x, Xmax y) = P(Xmax y) P(Xmax y,Xmin >x) =
a partir da qual se obtem a densidade conjunta (.,.) de :
(x,y) = (x,y) = .
Da vem Cov( )= =
Soluo:
Cada uma dessas 100 amostras um conjunto: x1, x2, ..., x20, onde xi = (1ui) a + ui b, (*)
sendo as uis 20 observaes geradas a partir da U[0;1].
(a) Para cada uma dessas amostras, = min xi e = max xi. Temos ento:
100 observaes de : 1 2 ... 100
100 observaes de : 1 2 ... 100
(b) Usemos as 100 observaes de para fazer um histograma de e
as 100 observaes de para fazer um histograma de .
2
A estimativa de EQM( Var( + (B( = 0,2279
Analogamente para :
E( 16,56
B( 0,44
Var( 0,1816
EQM( ) 0,3783
(d) Calculando essas mesmas medidas atravs das expresses que foram demonstradas no
Exerccio anterior, obtemos:
= 0,4286
Var( = 0,1670
EQM( = 0,3506
= 0,4286
Var( = 0,1670
= 0,3506
Comparando os resultados obtidos por simulao com os seus correspondentes valores
tericos, vemos que h uma coerncia razovel entre eles.
Soluo:
(a) A partir da expresso (I), que define o estimador , podemos deduzir que
.
Por outro lado, a v.a. tem distribuio de Bernoulli(p), onde
p= , e da decorre que
Portanto,
. ,
onde F a FDA comum s Xis.
(b) .
onde p = , temos
.
Ento,
Exerccios propostos
P8.1) Estimando a populao de uma rea
Uma amostra aleatria de 30 famlias foi selecionada de uma populao de 14361
famlias residentes em uma determinada rea urbana. O nmero de pessoas em cada
famlia da amostra :
4 2 6 4 3 2 3 6 4 5 5 2 3 4 5 1 2 5 4 3 2 3 2 5 4 2 1 5 2 5
Estimar o nmero total de pessoas na rea e calcular a probabilidade de que essa
estimativa esteja a 20% do valor correto.
Tradicionalmente, a amostra
sempre melhor do que o estoque que
voc entrega para a loja.
Calvin Klein, estilista
Obs.: Intuitivamente, podemos dizer que, quanto mais prximo p j estiver de pj para
todo j, maior ser a representatividade da amostra. Isso exatamente o que acontece
quanto menores forem as amplitudes dos intervalos Ijs e quanto menor for CVmax.
Sugesto: Cada p j pode ser expresso como o quociente entre uma binomial
(aproximadamente, uma Normal) e o tamanho da amostra.
9866 10223 9713 9926 9567 10441 9971 9730 10463 10276
10164 10423 10122 10252 10062 9862 9821 9843 10335 10444
9693 10423 9731 10271 10140 9604 9551 9977 9775 9616
10054 9772 9743 10187 10331 10273 9707 9574 9979 9784
10368 9974 9692 10014 10041 9734 10170 10492 10283 10398
10382 9658 10324 10177 9986 10421 9992 10209 9680 9864
10223 9615 9544 10315 9520 9689 9722 9694 10444 10128
10255 10419 9693 9926 10331 10108 10338 9805 10055 10280
9915 10335 9911 9656 9851 10022 10316 9586 10009 10421
10082 9808 10023 10086 9674 9858 9525 9548 9623 10168
(a) Use esses dados para obter um histograma da varivel freqncia do sinal, no
qual as classes a serem consideradas so: [9500 9700), [9700 9900),
[9900 10100), [10100; 10300), [10300 10500). A partir da anlise do
aspecto visual da figura, que modelo probabilstico lhe parece ser o mais
adequado? Por que?
(b) Que procedimento seria o mais indicado para estimar os parmetros desse
modelo?
(c) Quais seriam as suas estimativas dos parmetros desse modelo a partir dos dados
disponveis?
(d) Que concluses podem ser extradas dessa anlise e quo confiveis elas lhe
parecem ser? Por que?
Sugesto: Verifique se entre os assuntos abordados nos exerccios resolvidos deste
captulo voc capaz de encontrar subsdios para ajud-lo a raciocinar neste caso.