Académique Documents
Professionnel Documents
Culture Documents
Ex. 01
Extraindo amostras de tamanho 3, temos as seguintes combinaes possveis:
Assim, temos que E(X) = 0 0, 008 + 1/3 0, 036 + 2/3 0, 114 + 1 0, 207 + 4/3 0, 285 +
5/3 0, 225 + 2 0, 125 = 1, 3. Fazendo a conta para encontrar a mdia populacional, temos
= 0 0, 2 + 1 0, 3 + 2 0, 5 = 1, 3. Logo, E(X) = .
Ex. 02
Seja X a quantidade de peas no defeituosas. Ento, X bin(200; 0, 9). Fazendo aproximao
pela normal , temos:
(0, 9 0, 1)
p N 0, 9;
200
1
Assim,
0, 8 0, 9 0
P (p < 0, 8) = P Z < q
(0,90,1)
200
Ex. 03
500 500
P (X < 500) = 0, 05 P Z< = 0, 05 = 1, 65 = 516, 5
10 10
Ex. 04
A probabilidade de X = k :
5
P (X = k) = 0, 3k 0, 75k
k
Assim, a distribuio de p :
sucessos 0 1 2 3 4 5
p 0 0,2 0,4 0,6 0,8 1
P (p) 0,17 0,36 0,31 0,13 0,03 0,00
Ex. 05
Temos que X N (; 25
36 ), ento:
5
IC(; 0, 95) = 150 1, 96 = (148, 37; 151, 6)
6
Ex. 06
A funo de verossimilhana :
Os valores da funo pedidos no exerccio esto tabulados abaixo: Olhando a tabela podemos
Ex. 07
O objetivo encontrar n tal que P (|X | 0, 98) = 0, 95. Sabemos tambm que X
N (0; 25/n). Assim,
0, 98 n 0, 98 n
P (0, 98 X 0, 98) = P Z = 0, 95
5 5
e, por fim,
0, 98 n
= 1, 96 n = 100
5
2
Ex. 08
Seja X a nota do teste. Se o estudante est adivinhando as respostas, temos: X bin(20; 0, 5).
Fazendo a aproximao pela normal:
0, 75 0, 5
P (p 0, 75) = P Z q 1, 3%
(0,50,5)
20
Ex. 09
Quero encontrar a P (p > 0, 75|p = 0, 5):
!
p 0, 5 0, 75 0, 5
P p >p P (Z > 2, 236) = 1, 26%
0, 5 0, 5/20 0, 5 0, 5/20
Ex. 10
Temos que X N (100; 102 /16), ento:
!
90 100 110 100
P (90 < X < 110) = P p >Z> p = P (4 > Z > 4)
102 /16 102 /16
= P (Z > 4) + P (Z < 4) = 49, 997% + 49, 997% = 99, 994%.
Ex. 11
Seja X = 20 p o nmero de peas defeituosas na amostra. Se a produo est sob controle, p = 0, 1
e X bin(20; 0, 1). Queremos encontrar a probabilidade de fazer uma parada desnecessria, ou
seja, ou seja, P (p > 0, 15|prod.sobcontrole). Aproximando pela normal temos p N (0, 1; (0,90,1)
20 )
e, ento,
0, 15 0, 1
P (p > 0, 15|prod.sobcontrole) = P Z > q 22, 8%.
(0,10,9)
20
Ex. 12
O intervalo de confiana dado por:
IC(, ) = X z() ; X + z()
n n
3
Ex. 13
Como
e X e
P (|X | < e) = P = ,
s/ n s/ n s/ n
o tamanho da amostra dado por
2
e z()s
= z() n = .
s/ n e
Ento,
2
1, 96 10
n= 385.
1
Ex. 14
Seguindo os passos para construir um teste de hipteses, temos:
1. H0 : = 2, 5 versus H1 : < 2.5.
2
2. X N (; 0,5
p
2
49 ); = (0, 5 )/49 = 0, 0714.
Ex. 15
Desejamos testar H0 : = 60 contra H1 : < 60. Temos tambm que X N (); 6, 6672 . Fixamos
= 0, 05 e calculamos os valores crticos para contruirmos a regio crtica:
XC 60
= 1, 645 XC = 49, 03.
6, 667
Logo, a regio crtica RC =] ; 49, 03 e basta verificar se X pertence ou no RC. Como
X = 50, o valor no pertence regio crtica e no podemos rejeitar a hiptese nula de que = 60.
Isso indica que no h evidncias de melhoria.
Ex. 16
Seguindo os passos para construir um teste de hipteses, temos:
1. H0 : 23 versus H1 : > 23.
2. X N (; 0, 92 ).
3. = 0, 1 e
XC 23
= 1, 282 XC = 24, 15.
0, 9
A regio crtica , portanto:
RC =]24, 15, +[
27+24+21+25+26+22
4. X = 6 = 24, 17.
5. Como X = 24, 17 pertence regio crtica, rejeitamos H0 .
Portanto, h evidncias de que a informao do fabricante falsa ao nvel de significncia de 10%.
4
Ex. 17
O fabricante poderia fazer um teste de hipteses para H0 : p 0, 2 contra H1 > 0, 2 e verificar
se, ao nvel de significncia
de 10%, o teste rejeita H0 ao observarmos p = 0, 27. Nesse caso,
p N p, p(1p)
50 . Temos que = 0, 1 e, assim, o valor crtico pC :
p 0, 2
p C = 1, 282 pC = 0, 273,
0, 2 0, 8/50
e RC = p : p > 0, 273. Assim, o valor observado pelo consumidor pertence regio crtica e no
possvel rejeitar H0 . Em outras palavras, quando o nvel de significncia 10%, no h evidncia
de que a proporo de peas defeituosas seja maior que 20%.
Ex. 18
1. H0 : p = 0, 9 versus H1 : p < 0, 9.
2. p N p; p(1p)
200 .
3. = 0, 05 e
p 0, 9
p C = 1, 645 pC = 0, 865.
0, 9 0, 1/200
A regio crtica , portanto:
RC =] ; 0, 865[
27+24+21+25+26+22
4. X = 6 = 24, 17.
5. Como p = 0, 875 no pertence regio crtica, rejeitamos H0 .
Ex. 19
a Verdadeiro. No caso de variveis aleatrias gaussianas, a funo de verossimilhana :
n
(xi )2
Y 1
L(, ) = p(x1 , ..., xn ) = exp
i=1
2 2 2
e a log-verossimilhana
n
n X (xi )2
l(, ) = log( 2)
2 i=1
2 2
lim E(n ) =
n
e
lim V ar(n ) = 0
n
5
Verificaremos primeiro a consistncia de x:
Ex. 20
a Verdadeiro. Se o estimador tem mdia e o limite de sua varincia zero, este um estimador
consistente.
b Verdadeiro. Apesar de ser viesado, s2 consistente.
c Verdadeiro. A mdia de uma varivel aleatria com distribuio U (a, b) (a + b)/2 e sua
varincia (b a)/12. Ento, neste item, temos que = 0, 5 e V ar(X) = 1/12 Pelo Teorema
Central do Limite, temos que:
n(X ) n(X 1/2)
= p
1/12
f Verdadeiro.
g Verdadeiro. Se um estimador de no-tendencioso, podemos dizer que ele satisfaz
lim E(n = ), mas no podemos dizer nada sobre lim V ar(n = 0)
h Verdadeiro. A propriedade de consistncia no tem associao direta com a propriedade de
eficincia. Ou seja, um estimador pode ser consistente, mas pode apresentar varincia maior
que outro estimador.
Ex. 21
a Verdadeiro. Ver Morettin.
b Falso. no varivel aleatria, parmetro, o que aleatrio o intervalo de confi-
ana. A interpretao correta : se construssemos um grande nmero de intervalos da
1 1
forma X 1, 96 n ; X + 1, 96 n , todos com amostras de tamanha n, 95% deles conteriam
o parmetro .
d Falso. Pelo intervalo de confiana, vemos que quanto maior n, menor o intervalo.
e Verdadeiro.
6
Ex. 22
a Falso. Vamos testar H0 : p = 0, 45 contra H1 : p < 0, 45. Temos que p N (0, 45; 0, 45
0, 55/625) e, portanto, pc = 0, 417 e RC = (; 0, 417). Como a proporo de votos do
condidato X na amostra 0, 408 e este valor pertence regio crtica, temos evidncias de
que a afirmao do condidato falsa. Note que se fosse usado H1 : p > 0, 45, chegaramos na
mesma concluso.
b Verdadeiro. A frmula do intercalo de confiana : IC(p, ) = p z()n ; p + z()n , mas
nesse caso, no temos o valor verdadeiro p para calcular . Ento, utilizamos o fato que p(1
p) 0, 25 e contrumos o IC assumindo que p(1 p) = 0, 25 (chamado intervalo
de confiana
1 1
conservativo) como: IC = 0, 424 1, 6454625 ; 0, 424 + 1, 6454625 = (30%; 46%).
Ex. 23
a Falso. A varincia 25.
c Falso. O p-valor o mais baixo nvel de significncia que a hiptese nula pode ser rejeitada.
Ento, como o nvel de significncia de 5% menor que o p-valor do teste, que 8,1%, no
rejeita-se a hiptese nula.
d Falso Aumentar o tamalho da amostra aumenta o poder do teste.
Ex. 24
a Verdadeiro.
b Falso.