Aula0 Estatistica TE A4 BACEN 62422

ESTATSTICA PACOTE DE TEORIA E EXERCCIOS BACEN REA 4
PROF. ALEXANDRE LIMA

Prof. Alexandre Lima www.pontodosconcursos.com.br 1

AULA 0 Apresentao do Curso

Ol, tudo bem com voc? Bem vindo s aulas de Estatstica!

Sou o professor Alexandre Lima. uma imensa satisfao t-lo como meu
aluno. Como este o nosso primeiro encontro, peo a sua licena para uma
breve apresentao sobre a minha formao e a minha experincia como
professor para concursos. Em seguida, tecerei alguns comentrios preliminares
que julgo serem pertinentes.

Obtive o grau de Bacharel em Cincias Navais com nfase em Eletrnica pela
Escola Naval e os de Engenheiro Eltrico (com nfase em Telecomunicaes),
Mestre e Doutor em Engenharia Eltrica (com nfase em sistemas eletrnicos)
pela Escola Politcnica da Universidade de So Paulo. Sou Auditor-Fiscal
Tributrio Municipal de So Paulo (Fiscal do ISS/SP) h mais de uma dcada.
Em paralelo, exero o magistrio universitrio e ministro aulas de Mtodos
Quantitativos, Estatstica, Contabilidade e Raciocnio Lgico-Quantitativo para
concursos.

Este curso de Estatstica Teoria e Exerccios Pacote BACEN rea 4
Contabilidade e Finanas visa a abordagem de todo o contedo
programtico do edital publicado pelo CESPE-UnB em 16/08/2013.

Pretendo resolver junto com voc muitas questes do CESPE que j caram em
concursos anteriores. No obstante, bom esclarecer que tambm costumo
resolver, por razes didticas, questes propostas por outras bancas. Observe
que todas as questes includas nas aulas so cuidadosamente selecionadas
para que o seu aproveitamento seja mximo. As solues apresentadas so
resultantes de um longo processo evolutivo, fruto de uma intensa interao
com os alunos via forum web etc.

O contedo programtico proposto para este curso est detalhado a seguir.
Ressalto que a aula 4, apesar de no abordar de forma direta nenhum item do
edital, necessria para o bom andamento do curso.

Aula 0 (no site): Aula demonstrativa: modelo de exerccios
comentados.

Aula 1 (no site): 1 Populao e amostra. 2 Histograma e curvas de
frequncia. 3 Medidas de posio: mdia, moda, mediana e
separatrizes. 4 Medidas de disperso absoluta e relativa.

Aula 2 (no site): 5 Probabilidade condicional, independncia.

Aula 3 (no site): 6 Varivel aleatria e funes de distribuio. 7
Distribuies de probabilidade, esperana matemtica, momentos,
esperana condicionais.

Aula 4 (no site): Varivel Aleatria Bivariada: funo de probabilidade
conjunta, funo de probabilidade marginal, funo de probabilidade
condicional. Variveis aleatrias independentes. Esperanas envolvendo duas
ou mais variveis: correlao e covarincia. Introduo Regresso Linear.

Aula 5 (10/09): 8 Lei dos grandes nmeros. 9.2 Amostragem.

Aula 6 (17/09): 9 Inferncia. 9.1 Estimao de parmetros por ponto e
intervalo. 9.3 Intervalo de confiana.

Aula 7 (24/09): 9.4. Testes de hipteses.

Aula 8 (06/10): 10. Regresso simples.

Aula 9 (13/10): 10. Regresso mltipla.

As dvidas sero sanadas por meio do frum do curso, ao qual todos os
matriculados tero acesso. As crticas e/ou sugestes tambm podero ser
enviadas para a caixa postal alexandre@pontodosconcursos.com.br.

O preguioso deseja e nada consegue, mas os desejos do diligente so
amplamente satisfeitos, Provrbios 13.4.

Nunca desista do seu sonho. Deus nos deu o livre arbtrio para que possamos
fazer as nossas escolhas. Se voc deseja ser aprovado em um concurso
pblico, lute por isso, com dedicao e sacrifcio, sempre visando ao seu
objetivo. Desta forma, voc conseguir ser aprovado!

Prof. Alexandre Lima
Agosto/2013

Modelo de Exerccios Comentados

Nota: nesta aula demonstrativa sero apresentadas apenas questes
comentadas; contudo, o curso ser de teoria e exerccios.

(ANAC-rea 4/CESPE-UnB/2012) Com relao teoria de probabilidades,
julgue os itens que se seguem.

1. Se X uma varivel aleatria e se {X
1
, X
2
, ..., X
n
} so observaes
aleatrias independentes dessa varivel, ento, com base na lei forte dos
grandes nmeros, correto afirmar que, quando o tamanho amostral cresce
(at o infinito), a mdia amostral tem distribuio normal de mdia = E(X).

Resoluo

A lei forte dos grandes nmeros diz que a mdia de uma sequncia de
variveis aleatrias independentes com mesma distribuio converge, com
probabilidade 1, para a mdia daquela distribuio
1
. Ou seja, se X uma
varivel aleatria com mdia = E[X] e se {X
1
, X
2
, ..., X
n
} so observaes
aleatrias independentes dessa varivel, ento, certo que,

+ + +
=
n
X X X
X
n
...
2 1
quando n
(a mdia amostral converge para a mdia de X quando o tamanho da amostra
tende a infinito)

Observe que a lei forte dos grandes nmeros no afirma que, quando o
tamanho amostral cresce (at o infinito), a mdia amostral tem distribuio
normal. A lei omissa quanto forma da distribuio da mdia amostral e
por isso que o item errado.

Quando o tamanho da amostra aumenta, independentemente da forma da
distribuio da varivel aleatria X, a distribuio da mdia amostral X
aproxima-se cada vez mais de uma distribuio normal. Esse resultado,
fundamental em Inferncia Estatstica, assegurado pelo Teorema do Limite
Central (TLC).

Lei Forte dos Grandes Nmeros: a mdia de uma sequncia de variveis
aleatrias independentes com mesma distribuio converge, com probabilidade
1, para a mdia daquela distribuio.

1
S. Ross, Probabilidade: Um Curso Moderno com Aplicaes, 8 edio, Porto Alegre: Bookman, 2010, pg472.


TLC: a soma de um grande nmero de variveis aleatrias independentes tem
uma distribuio que aproximadamente normal.

GABARITO: E

2. Considere que X
1
, X
2
, ..., X
n
seja uma amostra independente e
identicamente distribuda de uma varivel aleatria com mdia e varincia
2

e
n
x x x
x
n
n
+ + +
=
...
2 1
. Nessas condies, para 0 > , a lei fraca dos grandes
nmeros no garante que se encontre algum
n
x , tal que > | |
n
x .

Resoluo

A lei fraca dos grandes nmeros diz que, para qualquer valor n
grande especfico, provvel que n x x x
n
/ ) ... (
2 1
+ + + esteja prximo de .
Portanto, para 0 > , a lei fraca dos grandes nmeros garante que se encontre
algum
n
x , tal que > | |
n
x . Item certo.

Segue o enunciado do teorema da lei fraca dos grandes nmeros em
matematiqus:

Seja X
1
, X
2
, ... uma sequncia de variveis aleatrias independentes e
identicamente distribudas, cada uma com mdia finita E[X
i
] = . Ento,
para qualquer > 0,

0
...
2 1
)
`

+ + +

n
X X X
P
n
quando n

GABARITO: C

3. Considere que X seja uma varivel aleatria com mdia e varincia
2

desconhecidas e que uma amostra aleatria, grande o suficiente e com
observaes independentes e identicamente distribudas, dessa varivel tenha
sido obtida. Nessa situao, a probabilidade do desvio de cada observao
amostral em relao mdia populacional () no exceder 3 ser inferior a
80%.

Resoluo

Desigualdade de Chebyshev: seja X uma varivel aleatria com mdia e
varincia
2
. Ento, para qualquer = k > 0


2
1
1 ] | [|
k
k X P <

(a probabilidade do desvio de cada observao amostral em relao mdia
populacional no exceder k no mnimo igual a 1 1/k
2
)

2
1
] | [|
k
k X P

(a probabilidade do desvio de cada observao amostral em relao mdia
populacional () exceder k no mximo igual a 1/k
2
)

O item adota k = 3. Logo,

2
3
1
1 ] 3 | [| < X P

89 , 0 ] 3 | [| < X P (*)

(*) resultado aproximado para 2 casas decimais.

Ou seja, a probabilidade do desvio de cada observao amostral em relao
mdia populacional no exceder 3 no mnimo igual a 89% (pode ser
maior!). Item errado.

Reviso da teoria

A desigualdade de Chebyshev (ou Tchebysheff) fornece um limitante superior
da probabilidade de quanto uma varivel aleatria X pode desviar-se de sua
mdia .

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

. ] | X [| P
2
2

Comentrios:

- Observe que o teorema de Chebyshev no requer que a distribuio de
probabilidades de X seja conhecida.
- Como = < } | X {| } | X {| U (evento certo), segue-se que

. 1 ] | X [| P
2
2
<

s vezes, mais conveniente expressar em termos de , de forma que =
k, em que k um valor constante. Ento o teorema de Chebyshev pode ser
expresso nas formas equivalentes:

2
k
1
1 ] k | X [| P <
2
k
1
] k | X [| P

10 10.5 11 11.5 12 12.5 13 13.5 14
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
x
D
e
n
s
i
d
a
d
e
+ k - k
f(x)
P(X- < -k)
P(X- > k)

Note que a soma das reas azul e vermelha na figura acima 1/k
2
, pois o
limite superior da rea azul - k e o limite inferior da rea vermelha +
k. Por outro lado, a rea para |x - |> k sempre ser menor que 1/k
2
.

GABARITO: E

4. (Analista do TJ-RO/CESPE-UnB/2012) Considere que X representa a
mdia amostral de uma amostra aleatria simples de tamanho n retirada de
uma distribuio X, e e denotam, respectivamente, a mdia e desvio
padro dessa distribuio X. Com relao a inferncia estatstica, correto
afirmar que a relao

95 , 0 96 , 1
/

|
|
\
|
n
n
X
P

consequncia do importante resultado que se intitula


(A) princpio da invarincia
(B) lei fraca dos grandes nmeros
(C) desigualdade de Chebyshev
(D) lei forte dos grandes nmeros
(E) teorema limite central

Resoluo

Seja a soma
n n
X X X S + + + = ...
2 1
de n variveis aleatrias independentes e
identicamente distribudas
n
X X X ,..., ,
2 1
com mdia finita e varincia
2
, em
que n S E
n
= ) ( e
2
) ( n S Var
n
= . De acordo com o teorema limite central, a
varivel aleatria padronizada

n
n S
S Var
S E S
n
n
n n
) (
) (

assintoticamente normal com mdia nula e desvio-padro igual a um
(normal padro ou reduzida).

Divida o numerador e o denominador da relao acima pela constante n:

*
/
Z
n
X
n
n
n
S
n
n
n
n S n
n
=

Ora, a varivel resultante continua sendo assintoticamente normal com mdia
zero e varincia unitria. Portanto,

( ) 95 , 0 96 , 1
*

n
Z P

Dica: o resultado ( ) 95 , 0 96 , 1 = Z P , em que Z a normal padro, to utilizado
em Estatstica, que s vezes as bancas assumem que voc conhece esse valor
de cor.

GABARITO: E

5. (Analista do TJ-RO/Cespe-UnB/2012) Os estimadores
n
e
*
n
so
estimadores pontuais do parmetro de certa distribuio, em que n

representa o tamanho da amostra. Nesse caso, o estimador
dito ser
consistente se

(A) 0 ) |
(| lim =

n n
P , para todo 0 > .
(B) )
| ,..., , (
2 1 n n
x x x P , em que
n
x x x ,..., ,
2 1
so as observaes amostrais, no
depende de .
(C) )
( )
(
* 2 2
n n
, em que (.)
2
a varincia do estimador.
(D) ) ,..., , |
( ) ,..., , |
(
2 1
*
2 1 n n n n
x x x L x x x L em que (.) L a funo de verossimilhana
associada ao modelo e
n
x x x ,..., ,
2 1
so as observaes amostrais.
(E) = )
(
n
E

Resoluo

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.

Considere a mdia amostral X calculada para diversos tamanhos de amostras;
obtemos, na realidade, uma sequncia de estimadores { } ,... 2 , 1 , = n X
n
. medida
que n cresce, a distribuio de X torna-se mais concentrada ao redor da
verdadeira mdia populacional . Dizemos que { } ,... 2 , 1 , = n X
n
uma sequncia
consistente de estimadores de .

Um estimador T de um parmetro consistente se, para todo > 0,

, 0 } | {| > T P n

Isso significa, em termos prticos, que, sendo o estimador consistente, pode-
se, com amostras suficientemente grandes, tornar o erro de estimao to
pequeno quanto se queira.

Em vez de usar a definio acima para verificar se um estimador consistente,
podemos usar o seguinte resultado.

Um estimador T de um parmetro consistente se

, ) ( lim =
T E
n

0 ) var( lim =
T
n

Se o estimador for justo, a condio de consistncia equivale a dizer que sua
varincia tende a zero quando o tamanho da amostra tende a infinito, isto ,
para n , 0 ) var( T .

Anlise das alternativas

(A) Correta, conforme explicao dada anteriormente.

(B) Incorreta. A condio )
| ,..., , (
2 1 n n
x x x P , em que
n
x x x ,..., ,
2 1
so as
observaes amostrais, no depende de no faz o menor sentido no
contexto da consistncia de um estimador.

(C) Incorreta. A condio )
( )
(
* 2 2
n n
quer dizer que o estimador
n
pode ser
mais eficiente que o estimador
*
n
.

(D) Incorreta. Estimao por mxima verossimilhana no tem nada a ver com
a definio de consistncia de um estimador. O mtodo da mxima
verossimilhana um critrio para a escolha do estimador. A consistncia
uma propriedade do estimador.

(E) Incorreta. Foi dada a definio de justeza do estimador
n
.

GABARITO: A

6. (Analista do TJ-RO/Cespe-UnB/2012) Com relao a intervalo de
confiana e intervalo de credibilidade, correto afirmar que, se I = [a; b] for
um intervalo de

(A) confiana para o parmetro , ento esse parmetro uma varivel
aleatria.
(B) confiana para o parmetro de nvel 1 , ento a probabilidade do
verdadeiro valor do parmetro estar fora do intervalo igual a .
(C) credibilidade para o parmetro , ento esse parmetro uma varivel
aleatria.
(D) confiana para o parmetro , ento o valor esperado para esse parmetro

2
a b +
= .
(E) credibilidade para o parmetro , ento a mediana deste parmetro
2
a b +
= .


Resoluo

Anlise das opes

(A) Incorreta, porque se I = [a; b] for um intervalo de confiana para o
parmetro , ento esse parmetro no uma varivel aleatria, sendo uma
quantidade fixa.

(B) Incorreta, porque se I = [a; b] for um intervalo de confiana para o
parmetro de nvel 1 - , ento a probabilidade do verdadeiro valor do
parmetro estar fora do intervalo igual a 0 ou 1.

(C) Correta, por definio.

(D) Incorreta, porque se I = [a; b] for um intervalo de confiana para o
parmetro , ento o valor esperado de igual a , pois o parmetro no
uma varivel aleatria.

(E) Incorreta, porque se I = [a; b] for um intervalo de credibilidade para o
parmetro , ento dizer que a mediana deste parmetro
2
a b +
= um belo
chute.

GABARITO: C

7. (Analista do TJ-RO/Cespe-UnB/2012) Com relao a acurcia e
preciso, correto afirmar que o estimador ENVUMV (estimador no viciado
uniformemente de mnima varincia)

(A) um estimador acurado e o mais preciso.
(B) no um estimador acurado e nem o mais preciso.
(C) um estimador acurado mas no o mais preciso.
(D) um estimador no acurado mas o mais preciso.
(E) um estimador acurado e assintoticamente o mais preciso.

Resoluo

O ENVUMV o sonho de consumo dos estatsticos, pois o melhor estimador
dentre todos os estimadores no viciados, no sentido de que possui a menor
varincia, para todo valor de , em que denota o parmetro a ser estimado.
O ENVUMV o mais preciso porque a disperso das suas estimativas a
menor de todas e acurado porque no viciado e de varincia mnima.

GABARITO: A

(Serpro/CESPE-UnB/2010/Adaptada)

Certa empresa, em determinado ms, realizou levantamento acerca da
quantidade dirias de acessos simultneos ao seu sistema cujo resultado
mostrado na figura acima. A partir das informaes apresentadas nessa figura,
e considerando que a distribuio da quantidade dirias de acessos
simultneos representada pela varivel X, julgue os itens a seguir.

8. A quantidade de 6 mil acessos simultneos por dia representa a moda de X.

Resoluo

A moda de X (valor que apresenta a maior frequncia) igual a 3 mil, cuja
frequncia 10. A quantidade de 6 mil acessos simultneos o valor de menor
frequncia (= 1). Item errado.

GABARITO: E

9. O ms em que esse levantamento foi realizado possui mais de 30 dias.

Resoluo

quantidade de acessos simultneos frequncia (n
o
de dias)
1.000 5
2.000 6
3.000 10
4.000 6
5.000 3
6.000 1
Total 31


Os dados foram tabulados na tabela acima, a qual indica que o ms em que
esse levantamento foi realizado possui 31 dias. Item certo.

GABARITO: C

10. A quantidade de 2.000 acessos simultneos dirios representa o primeiro
quartil da distribuio X.

Resoluo

quantidade de acessos
simultneos
frequncia (n
o
de
dias)
frequncia
relativa
frequncia
acumulada
1.000 5 5/31 = 16,1% 16,1%
2.000 6 6/31 = 19,4% 35,5%
3.000 10 10/31 = 32,3% 67,8%
4.000 6 6/31 = 19,4% 87,2%
5.000 3 3/31 = 9,7% 96,9%
6.000 1 1/31 = 3,1% 100,0%
Total 31 31/31 = 100%

Os dados tabulados acima indicam que o primeiro quartil Q
1
(valor que
delimita os 25% menores valores) da distribuio de X a quantidade de 2 mil
acessos simultneos, haja vista o fato de a frequncia acumulada para essa
quantidade ultrapassar a frequncia acumulada de 25%.

Observe que a frequncia acumulada para 2000 acessos 35,5% e isto NO
implica que 2000 no seja o primeiro quartil da srie.

Resolvamos de outra maneira. O rol de acesso o seguinte:

1000, 1000, 1000, 1000, 1000 (5 dias)

2000, 2000, 2000, 2000, 2000, 2000(6 dias)

3000, 3000, 3000, 3000, 3000, 3000, 3000, 3000, 3000, 3000 (10 dias)

4000, 4000, 4000, 4000, 4000, 4000 (6 dias)

5000, 5000, 5000 (3 dias)

6000 (1 dia)

Nmero total de dias = 31. Logo, a Mediana do rol corresponde ao dcimo
sexto valor: 3.000.

Temos agora a seguinte sub-srie at a Mediana:

1000, 1000, 1000, 1000, 1000, 2000, 2000, 2000, 2000, 2000, 2000, 3000,
3000, 3000, 3000, 3000

Como esta sub-srie tem 16 elementos, a sua mediana (= 1
o
Quartil da srie
completa) o valor mdio entre os valores da oitava e da nona posio, ou
seja, 2000. Ento, Q
1
= 2000.

Entendo que a primeira resoluo mais rpida, portanto mais adequada de
ser usada em uma situao real de prova.

Note que esta questo cobra DADOS TABULADOS. Quando h muitos dados,
como o caso da questo, mais rpido resolver usando o raciocnio das
frequncias acumuladas.

GABARITO: C

11. correto classificar a varivel X como uma varivel quantitativa ordinal.

Resoluo

Errado. Tal classificao aplicvel aos atributos ou variveis qualitativas
quando possvel estabelecer uma ordem ou hierarquia entre as respostas
obtidas no levantamento estatstico. Por exemplo, o IBGE efetua
periodicamente o levantamento do grau de instruo dos brasileiros por meio
de um censo completo da populao. As respostas possveis para essa
pesquisa seriam algo como sem instruo escolar, nvel fundamental
incompleto, nvel fundamental completo, nvel mdio incompleto, nvel
mdio completo, nvel superior incompleto e nvel superior completo. Essas
respostas no so nmeros, so variveis qualitativas. Como possvel
estabelecer uma hierarquia entre as possveis respostas, tem-se uma varivel
qualitativa ordinal.

GABARITO: E

12. A mediana amostral de X igual a 3.500.

Resoluo

Os dados tabulados anteriormente mostram que a mediana da distribuio
de X a quantidade de 3 mil acessos simultneos, pois a frequncia
acumulada para essa quantidade ultrapassa a frequncia acumulada de 50%.

GABARITO: E


(ANAC/CESPE-UnB/2012/Adaptada) Na regio Sul do pas, em
decorrncia de mau tempo durante os meses de inverno, comum o
fechamento de aeroportos. Com base nessa informao e de acordo com a
teoria de probabilidades, julgue os itens de 13 a 15.

13. Sabendo-se que o processo de precipitao da chuva depende da
temperatura ambiente e da temperatura de condensao do ar, considere que
tais grandezas sejam representadas, respectivamente, pelas variveis
aleatrias X e Y contnuas com distribuio conjunta f(X,Y). Nessa situao,
correto afirmar que a probabilidade da temperatura ambiente ser 30
o
C e da
temperatura de condensao do ar ser 9
o
C igual a f(30,9).

Resoluo

Sejam X e Y variveis aleatrias contnuas. A figura a seguir mostra uma
funo densidade de probabilidade conjunta f(x,y).

-3
-2
-1
0
1
2
3
-2
0
2
0
0.05
0.1
0.15
x
y

A integral dupla de f(x,y) ao longo de uma regio R no plano xy (ex.:
d Y c b X a , ) fornece a probabilidade de (X,Y) assumir um valor em R

= =
b
a
d
c
dydx y x f d Y c b X a P R Y X P ) , ( ) , ( } ) , {(

Essa integral dupla pode ser interpretada como o volume sob a superfcie
f(x,y) ao longo da regio R.

Ora, se a regio R se resume a um ponto P = (x,y) do plano, no caso
(x=30,y=9}, temos que o resultado da integral dupla igual a zero, pois o
volume sob a superfcie f(x,y) nulo em um dado ponto do plano. Logo,
incorreto afirmar que a probabilidade da temperatura ambiente ser 30
o
C e da
o
C igual a f(30,9). O valor f(30,9)
fornece a densidade de probabilidade conjunta no ponto (30,9). Item errado

GABARITO: E

14. Supondo que a probabilidade de no haver vaga no estacionamento de um
aeroporto dependa do fato de ter ocorrido mau tempo na cercania desse
aeroporto, correto afirmar que a probabilidade de no haver vaga no
estacionamento desse aeroporto, caso tenha ocorrido mau tempo na sua
cercania, igual a 1 menos a probabilidade de ter vaga no estacionamento do
referido aeroporto, caso no tenha ocorrido mau tempo em sua cercania.

Resoluo

Notao:

Probabilidade de NO haver vaga no estacionamento de um aeroporto
condicionada ao fato de ter ocorrido mau tempo na cercania desse
aeroporto: P(NVG|MT);
Probabilidade de haver vaga no estacionamento de um aeroporto
condicionada ao fato de ter ocorrido mau tempo na cercania desse
aeroporto: P(VG|MT);
Probabilidade de no haver vaga no estacionamento de um aeroporto
condicionada ao fato de NO ter ocorrido mau tempo na cercania desse
aeroporto: P(NVG|NMT);
Probabilidade de haver vaga no estacionamento de um aeroporto
condicionada ao fato de NO ter ocorrido mau tempo na cercania desse
aeroporto: P(VG|NMT);

correto afirmar que

P(NVG|MT) = 1 P(VG|NMT) ?

Sabemos que

P(VG|MT) + P(NVG|MT) = 1 P(NVG|MT) = 1 P(VG|MT)

P(VG|NMT) + P(NVG|NMT) = 1

O item errado, pois

P(NVG|MT) = 1 P(VG|MT) 1 P(VG|NMT)

GABARITO: E

15. Considere que o nmero de voos atrasados por ms em um aeroporto da
regio Sul seja explicado pela regresso Y = 15 + 5X + , ~ N(0,
2
), em
que Y o nmero de voos atrasados no ms, X o nmero de horas que o
aeroporto permaneceu fechado por mau tempo no referido ms e uma
varivel aleatria com distribuio normal de mdia zero e varincia
desconhecida
2
. Nesse caso, correto afirmar que o desvio padro de X ser
proporcional a 1/5 do desvio padro de Y.

Resoluo

Pressupostos do modelo de regresso linear simples:

1. o valor de y para cada valor de x,

+ + = X Y

2. o valor mdio do erro aleatrio

0 ) ( = E

pois admitimos que

x x Y E + = ) | (

3. a varincia do erro aleatrio constante (homocedasticidade)

) var( ) var(
2
Y = =

4. a covarincia entre qualquer par de erros aleatrios
i
e
j
, j i , nula
(ortogonalidade) (**)
0 ) , cov( ) , cov( = =
j i j i
Y Y

5. a varivel x no aleatria.

6. A varivel tm distribuio normal

~ ) , 0 (
2
N


se Y tem distribuio normal e vice-versa.

De acordo com o pressuposto 3, ) var( ) var(
2
Y = = . O pressuposto 5 afirma que
a varivel independente X no estocstica.

No faz sentido afirmar que o desvio padro de X ser proporcional a 1/5 do
desvio padro de Y, pois a varivel X no aleatria.

Item errado.

Nota: o gabarito definitivo da banca certo. Discordamos desse gabarito. Para
maiores detalhes sobre o assunto, recomenda-se a leitura dos captulos sobre
anlise de regresso do livro Econometria Bsica, de Damodar N. Gujarati.

GABARITO: E

Abraos e at a prxima aula.

Bons estudos!

Alexandre Lima
alexandre@pontodosconcursos.com.br


Lista de Questes Comentadas na Aula

(ANAC-rea 4/CESPE-UnB/2012) Com relao teoria de probabilidades,
julgue os itens que se seguem.

1. Se X uma varivel aleatria e se {X
1
, X
2
, ..., X
n
} so observaes
aleatrias independentes dessa varivel, ento, com base na lei forte dos
grandes nmeros, correto afirmar que, quando o tamanho amostral cresce
(at o infinito), a mdia amostral tem distribuio normal de mdia = E(X).

2. Considere que X
1
, X
2
, ..., X
n
seja uma amostra independente e
identicamente distribuda de uma varivel aleatria com mdia e varincia
2

e
n
x x x
x
n
n
+ + +
=
...
2 1
. Nessas condies, para 0 > , a lei fraca dos grandes
nmeros no garante que se encontre algum
n
x , tal que > | |
n
x .

3. Considere que X seja uma varivel aleatria com mdia e varincia
2

desconhecidas e que uma amostra aleatria, grande o suficiente e com
observaes independentes e identicamente distribudas, dessa varivel tenha
sido obtida. Nessa situao, a probabilidade do desvio de cada observao
amostral em relao mdia populacional () no exceder 3 ser inferior a
80%.

4. (Analista do TJ-RO/CESPE-UnB/2012) Considere que X representa a
mdia amostral de uma amostra aleatria simples de tamanho n retirada de
uma distribuio X, e e denotam, respectivamente, a mdia e desvio
padro dessa distribuio X. Com relao a inferncia estatstica, correto
afirmar que a relao

95 , 0 96 , 1
/

|
|
\
|
n
n
X
P

consequncia do importante resultado que se intitula

(A) princpio da invarincia
(B) lei fraca dos grandes nmeros
(C) desigualdade de Chebyshev
(D) lei forte dos grandes nmeros
(E) teorema limite central

5. (Analista do TJ-RO/Cespe-UnB/2012) Os estimadores
n
e
*
n
so
estimadores pontuais do parmetro de certa distribuio, em que n
representa o tamanho da amostra. Nesse caso, o estimador
dito ser
consistente se

(A) 0 ) |
(| lim =

n n
P , para todo 0 > .
(B) )
| ,..., , (
2 1 n n
x x x P , em que
n
x x x ,..., ,
2 1
so as observaes amostrais, no
depende de .
(C) )
( )
(
* 2 2
n n
, em que (.)
2
a varincia do estimador.
(D) ) ,..., , |
( ) ,..., , |
(
2 1
*
2 1 n n n n
x x x L x x x L em que (.) L a funo de verossimilhana
associada ao modelo e
n
x x x ,..., ,
2 1
so as observaes amostrais.
(E) = )
(
n
E

6. (Analista do TJ-RO/Cespe-UnB/2012) Com relao a intervalo de
confiana e intervalo de credibilidade, correto afirmar que, se I = [a; b] for
um intervalo de

(A) confiana para o parmetro , ento esse parmetro uma varivel
aleatria.
(B) confiana para o parmetro de nvel 1 , ento a probabilidade do
verdadeiro valor do parmetro estar fora do intervalo igual a .
(C) credibilidade para o parmetro , ento esse parmetro uma varivel
aleatria.
(D) confiana para o parmetro , ento o valor esperado para esse parmetro

2
a b +
= .
(E) credibilidade para o parmetro , ento a mediana deste parmetro
2
a b +
= .

7. (Analista do TJ-RO/Cespe-UnB/2012) Com relao a acurcia e
preciso, correto afirmar que o estimador ENVUMV (estimador no viciado
uniformemente de mnima varincia)

(A) um estimador acurado e o mais preciso.
(B) no um estimador acurado e nem o mais preciso.
(C) um estimador acurado mas no o mais preciso.
(D) um estimador no acurado mas o mais preciso.
(E) um estimador acurado e assintoticamente o mais preciso.


(Serpro/CESPE-UnB/2010/Adaptada)

Certa empresa, em determinado ms, realizou levantamento acerca da
quantidade dirias de acessos simultneos ao seu sistema cujo resultado
mostrado na figura acima. A partir das informaes apresentadas nessa figura,
e considerando que a distribuio da quantidade dirias de acessos
simultneos representada pela varivel X, julgue os itens a seguir.

8. A quantidade de 6 mil acessos simultneos por dia representa a moda de X.

9. O ms em que esse levantamento foi realizado possui mais de 30 dias.

10. A quantidade de 2.000 acessos simultneos dirios representa o primeiro
quartil da distribuio X.

11. correto classificar a varivel X como uma varivel quantitativa ordinal.

12. A mediana amostral de X igual a 3.500.

(ANAC/CESPE-UnB/2012/Adaptada) Na regio Sul do pas, em
decorrncia de mau tempo durante os meses de inverno, comum o
fechamento de aeroportos. Com base nessa informao e de acordo com a
teoria de probabilidades, julgue os itens de 13 a 15.

13. Sabendo-se que o processo de precipitao da chuva depende da
temperatura ambiente e da temperatura de condensao do ar, considere que
tais grandezas sejam representadas, respectivamente, pelas variveis
aleatrias X e Y contnuas com distribuio conjunta f(X,Y). Nessa situao,
correto afirmar que a probabilidade da temperatura ambiente ser 30
o
C e da
o
C igual a f(30,9).

14. Supondo que a probabilidade de no haver vaga no estacionamento de um
aeroporto dependa do fato de ter ocorrido mau tempo na cercania desse
aeroporto, correto afirmar que a probabilidade de no haver vaga no
estacionamento desse aeroporto, caso tenha ocorrido mau tempo na sua
cercania, igual a 1 menos a probabilidade de ter vaga no estacionamento do
referido aeroporto, caso no tenha ocorrido mau tempo em sua cercania.

15. Considere que o nmero de voos atrasados por ms em um aeroporto da
regio Sul seja explicado pela regresso Y = 15 + 5X + , ~ N(0,
2
), em
que Y o nmero de voos atrasados no ms, X o nmero de horas que o
aeroporto permaneceu fechado por mau tempo no referido ms e uma
varivel aleatria com distribuio normal de mdia zero e varincia
desconhecida
2
. Nesse caso, correto afirmar que o desvio padro de X ser
proporcional a 1/5 do desvio padro de Y.


GABARITO

1. E
2. C
3. E
4. E
5. A
6. C
7. A
8. E
9. C
10. C
11. E
12. E
13. E
14. E
15. C

Aula0 Estatistica TE A4 BACEN 62422

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Aula0 Estatistica TE A4 BACEN 62422

Caricato da

Copyright:

Formati disponibili

ESTATSTICA PACOTE DE TEORIA E EXERCCIOS BACEN REA 4

PROF. ALEXANDRE LIMA

Potrebbero piacerti anche