Sei sulla pagina 1di 18

Lista de Exercícios #6

Assunto: Propriedade dos Estimadores e Métodos de Estimação

1. ANPEC 2019 Questão 4

Seja uma variável aleatória X, com () = 5 e ( 2 ) = 50. Qual o limite de probabilidade para que | − ()| > 10? Multiplique por 100 e marque a parte inteira.

2. ANPEC 2019 Questão 8

Seja X uma uma variável aleatória com média igual a zero e variância igual a 1. Pelo Teorema de Tchebycheff, sabemos que:

(| − | ≥ 5) ≤ , em que é a média de X. Obtenha e multiplique o resultado por

100.

3. ANPEC 2019 Questão 9

Sejam 1 , 2 , … , variáveis aleatórias independentes e identicamente distribuídas, com média

̅

e variância 2 . Definindo os seguintes estimadores para : (1) =

1

=1

, em que 1 < < , podemos afirmar que:

1

=1

e

(2) =

(0) é um estimador tendencioso para .

(1)

(2) O Erro Quadrático Médio é maior para o estimador em comparação com o estimador .

Var( )= 2 .

̅

̅

(3)

Sendo um parâmetro conhecido, 2 =

̅

(4)

Var( )=Var( )

1

=1

( − )

2 é um estimador viesado de 2 .

Lista de Exercícios #6

Assunto: Propriedade dos Estimadores e Métodos de Estimação

4. ANPEC 2018 - Questão 6

Por regulamentação, a concentração de um produto químico não pode ultrapassar 10 ppm. Uma fábrica utiliza esse produto e sabe que, num dia qualquer, a concentração tem distribuição Normal(7,675; 1,5 2 ). Qual a probabilidade de que, em um dia qualquer, a concentração do produto exceda 10 ppm? Multiplique por 100 e marque o inteiro mais próximo. (Pode ser útil a seguinte informação: P(z < 1,55) = 0,9505)

5. ANPEC 2017 Questão 04

Sejam 1 , 2 , … , variáveis aleatórias independentes com distribuição Normal (, 2 ), em que

̅

e 2 são desconhecidos 2 > 0. Podemos definir também =

2 =

1

−1

=1

̅

( − )

2 . Podemos afirmar:

(0) 2 é um estimador não tendencioso de 2 .

(1) A variância de é igual a 2

̅

.

(2) 2 é um estimador não tendencioso para a variância de .

(3)

(4) é um estimador consistente de .

̅

2 é

̅

um estimador consistente de 2 .

1

=1

e

6. ANPEC 2016 Questão 14

Julgue as afirmativas abaixo:

(0) Sejam X 1 , X 2 ,

com média e variância 2 . Então = ∑

,X

n variáveis aleatórias independentes e identicamente distribuídas

/ é um estimador consistente para ;

̅

=1

(1) Sejam X 1 , X 2 ,

,X

n variáveis aleatórias com Distribuição de Poisson com parâmetro .

̅

Definindo = ∑

aproxima de a medida que n → ∞;

=1

 

̅

/

podemos dizer, com base na Lei dos Grandes Números, que

se

(2) Sejam X 1 , X 2 ,

com média

aproximada pela distribuição normal com média e variância 2 quando n → ∞;

,X

n variáveis aleatórias independentes e normalmente distribuídas

2 .

̅

Sendo = ∑

=1

̅

e variância

/ , podemos dizer que se torna bem

(3) Sejam X 1 , X 2 ,

,X

n variáveis aleatórias independentes e identicamente distribuídas

Lista de Exercícios #6

Assunto: Propriedade dos Estimadores e Métodos de Estimação

com média e variância 2 . Sendo = ∑

normal quando n → ∞, mesmo que X 1 , X 2 ,

̅

=1

̅

/ , se torna bem aproximada pela distribuição

,X

n não sejam normalmente distribuídas;

(4) Sendo X uma variável aleatória com média E(X) = 1 e variância 2 = 4, o limite de probabilidade para |X – 1| ≥ 4 é igual a 0,50.

7. ANPEC 2015 Questão 11

Sejam ~ (0; 2 + ) e ~(0; 2). Julgue as seguintes afirmativas:

2

(0) converge em distribuição para e converge em probabilidade para ; (1) converge em distribuição para ;

(2)

(3) lim

converge em probabilidade para ;

[| − | < ] → 1

(4) lim

[ ] = 4

8. ANPEC 2015 Questão 12

Seja 1 , 2 , … , uma amostra aleatória de tamanho N com distribuição exponencial:

() =

1

(− ) , 0 < < ∞.

Seja ̂ = , em que é um número real.

Julgue as seguintes afirmativas:

̅

(0) Podemos afirmar que ̂ é um estimador não-viesado para ;

(1) [ ̂ ] =

(2) O erro quadrado médio do estimador é 2 (2² − 2 + 1). O erro quadrado médio é minimizado quando c é igual a 0,5; (3) Se = 1, ̂ é um estimador não-viesado para ; (4) Se = 1, ̂ é um estimador viesado para e o seu erro quadrado médio é igual a 2 .

;

Lista de Exercícios #6

Assunto: Propriedade dos Estimadores e Métodos de Estimação

9. ANPEC 2015 Questão 15

Sejam 1 , 2 , 3 e 4 variáveis aleatórias independentes e identicamente distribuídas de uma população com média e variância 2 . Considere os seguintes estimadores para :

3 = ( 1 + 2 + 3 + 4 )/4

1

2

= ( 1 +

2 2 +

2 3

+

4 )/6

=

( 1 +

4 2 +

4 3 +

4 )/10

Com base nesses três estimadores, são corretas as afirmativas:

(0) Os três estimadores são não tendenciosos; (1) 1 é o estimador com maior variância; (2) Os três estimadores são igualmente eficientes; (3) 3 é o estimador com menor variância; (4) O estimador 2 é não tendencioso e tem menor variância do que o estimador 1 .

10. ANPEC 2014 Questão 09

Seja X uma variável aleatória com distribuição normal, com média e variância 2 . Considere duas amostras aleatórias independentes de X. Cada uma das amostras tem tamanho n 1 e n 2 , e

possuem médias

X

1

e

X

2

. Podemos usar dois estimadores para a média populacional,

~

=

1 ( X + X 2 1 2
1
(
X + X
2
1
2

)

e

ˆ

=

n X n

1

1

+

n n X

2

2

2

1

+

.

Julgue as seguintes afirmativas a respeito dos estimadores:

(0)

~ é um estimador não-viesado para a média populacional;

(1)

ˆ é um estimador não-viesado para a média populacional;

(2)

~ possui menor variância que ˆ ;

(3)

~ é um estimador mais eficiente, isto é, possui menor erro quadrático médio que ˆ ;

(4)

~ é um estimador consistente para a média populacional.

Lista de Exercícios #6

Assunto: Propriedade dos Estimadores e Métodos de Estimação

11. ANPEC 2013 Questão 7

1 , … , é uma amostra aleatória de tamanho de uma população com [ ] = 1 e [ ] = 2 . Definimos quatro estatísticas:

1 =

=1

,

2 =

=1

− 3 ,

3 =

/2

=1

,

4 =

=1

2

Em relação às quatro estatísticas, podemos afirmar que:

(0)

(1)

e

(2)

2 é um estimador viesado para 1 e o viés é igual a

Pela lei dos grandes números, 1 converge em distribuição para uma normal com média 1

3

−3 1 .

variância 2 . A variância de 3 é menor que a variância de 1 . 3 é um estimador consistente para 2 1 . Usando a desigualdade de Tchebycheff, podemos mostrar que Pr[ 4 ≥ ] ≤ ( 4 ) , onde

(3)

(4)

2

> 0 é uma constante qualquer.

12. ANPEC 2013 Questão 11

São corretas as afirmativas:

(0) Suponha que 1 , 2 , … , sejam variáveis aleatórias independentes e identicamente distribuídas e que ( 1 = ) = 11 , = 1, 2, … , 11. Então pela lei dos grandes números, à

1

̅

medida que → 11, = ∑

=1

/ converge para 11.

(1) Suponha que 1 , 2 , … , sejam variáveis aleatórias independentes e identicamente

̅

distribuídas com distribuição de Bernoulli com parâmetro . Defina = ∑

Teorema Central do Limite, à medida que → ∞, ( − )/√(1 − )/ converge para uma distribuição normal padrão.

/ . Então, pelo

=1

̅

(2) Suponha que 1 , 2 , … , sejam variáveis aleatórias independentes e identicamente

̅

distribuídas, com distribuição uniforme no intervalo [0, ]. Defina = ∑

um estimador não viesado de .

=1

̅

/ . Então, 2 é

(3) Suponha que tenha distribuição com 4 graus de liberdade. Então (|| > 4) = 0,23.

(4) Suponha que seja uma variável aleatória com distribuição de Student com graus de liberdade. À medida que aumenta, a distribuição de se aproxima de uma normal padrão.

Lista de Exercícios #6

Assunto: Propriedade dos Estimadores e Métodos de Estimação

13. ANPEC 2012 - Questão 9

Julgue as seguintes afirmativas:

(0) Seja X 1 ,

,X

n variáveis aleatórias independentes e identicamente distribuídas tais que E[X i ]

= μ < . Se Var[X i ] → 0, então X i μ.

(1) Seja X 1 , X 2 ,

uma sequência de variáveis aleatórias. Esta sequência de variáveis aleatórias

converge em probabilidade para uma constante μ se e somente se esta sequência de variável aleatória converge em distribuição para μ.

(2) Seja X 1 , X 2 ,

,

̅

X n uma amostra aleatória com média e variância 0 < S 2 < . Podemos

̅

afirmar que W = c , com c converge para uma distribuição normal com média μ e

variância 2 .

n variáveis aleatórias independentes e identicamente distribuídas com média μ e

. Neste caso S 2 , é um

estimador consistente para σ 2 . (4) Se Y é uma variável aleatória tal que E[Y 2 ] < , então podemos afirmar que P(|Y| ≥ ) ≤

(3) Seja X 1 ,

,X

=1

variância 0 < σ 2 < . Seja 2 =

1

=1

̅

( − ) 2 em que

̅

=

[]

2 para c>0.

14. ANPEC 2012 - Questão 10

São corretas as afirmativas:

(0)

(1)

(2)

aleatórias independentes e identicamente

distribuídas, com distribuição de Bernoulli com parâmetro p. Então, pela Lei dos Grandes

Suponha

que

X 1 ,X 2 ,

,X

n

sejam

variáveis

̅

Números, à medida que n→ ∞, = ∑

=1

converge para p.

Suponha

que

X 1 ,X 2 ,

,X

n

sejam

variáveis

aleatórias independentes e identicamente

. Pelo Teorema

̅

distribuídas, com distribuição uniforme no intervalo [0,1]. Seja = ∑

=1

Central do Limite, à medida que n→ ∞, [ ( ̅

1 )

2
2

1

12

] aproxima-se de uma distribuição normal

padrão.

Suponha

que

X 1 ,X 2 ,

,X

n

sejam

variáveis

aleatórias

independentes

e

identicamente

Lista de Exercícios #6

Assunto: Propriedade dos Estimadores e Métodos de Estimação

(3)

Suponha

que

X 1 ,X 2 ,

,X

n

sejam

variáveis

aleatórias independentes e identicamente

. Então, log

̅

distribuídas, com distribuição log normal com parâmetros μ e σ. Seja = ∑

=1

̅

é um estimador consistente de μ.

(4) Suponha que X 1 ,X 2 ,

distribuídas e que Xi ~ N(μ,σ 2 ), i. Então, se definirmos = ∑

̂ 2 será um estimador eficiente de σ 2 .

,X n

sejam

variáveis

aleatórias

̅

independentes

e ̂ 2 =

=1

e

=1

identicamente

/ ,

(

̅

) 2

15. ANPEC 2012 Questão 13

Sejam W 1 e W 2 variáveis aleatórias discretas independentes com a seguinte função de probabilidade: f(0) = ½, f(1) = 1/3 e f(2) = 1/6. Seja Y = W1 + W2. Julgue as seguintes afirmativas:

(0)

E[Y] = 4/3

(1)

Var[Y] =10/9

(2)

Pela desigualdade de Tchebyshev, P(Y ≥ 3) ≤ 2/5

(3)

(4)

Usando os dados acima, obtemos que P(Y ≥ 3) = 1/36 . Y é uma variável aleatória discreta que assume os seguintes valores {0,1,2,3,4,5}.

16.

ANPEC 2011 - Questão 4

São corretas as afirmativas:

(0) Suponha que X 1 , X 2 ,

distribuídas e que X i ~

(1) Suponha que X 1 , X 2 ,

distribuídas e que X i ~

,X

n

sejam variáveis aleatórias independentes e identicamente

2 ) )

( (

N ,

2

,X

n

N ,

. Então

X

=

n

i = 1

X i /

n

é um estimador eficiente de

X

=

n

i = 1

X i /

n

,

P

(

X

)

.

2

2

sejam variáveis aleatórias independentes e identicamente

para

. Então, se definirmos

0 .

(2) Se um estimador de um parâmetro é não viesado e a variância de converge para 0

à medida que o tamanho da amostra tende a infinito, então é consistente.

(3) Suponha que X 1 , X 2 ,

,X

n

sejam variáveis aleatórias independentes e identicamente

. Pela lei dos grandes números,

distribuídas e que X i ~ Poisson(λ), i . Seja

X

=

n

i = 1

X i /

n

à medida que n → ∞, X converge para λ.

(4) Suponha que X 1 , X 2 ,

distribuídas e que

,X

n

2

Xi ~ v

,

sejam variáveis aleatórias independentes e identicamente

∞,

i .

Seja

X

=

n

i = 1

X i /

n

.

À

medida

que

n

(X v)/

 n i = 1 X i / n . À medida que n → (

(2v/n) aproxima-se de uma distribuição normal padrão.

Lista de Exercícios #6

Assunto: Propriedade dos Estimadores e Métodos de Estimação

17. ANPEC 2010 - Questão 4

Responda se verdadeiro ou falso:

(0) A Diferença entre as medianas de uma distribuição (,) e de uma distribuição 2 diminui à medida que → ∞;

(1) O Teorema Central do Limite justifica a afirmação: “Seja uma variável aleatória,tal que ~ 1 , em que representa uma distribuição de Student, com − 1 graus de liberdade, em que é fixo. Então converge em distribuição para uma Normal Padrão";

(2) Sejam 1 2 = ∑

consistentes para 2 , supondo uma amostra aleatória de ~(, 2 );

e 2 2 = ∑

( −̅) 2

( ) 2

=1

=1

. Ambos estimadores podem ser demonstrados

(3) Uma moeda justa foi jogada 300 vezes e observou-se cara em 188 destas. A Lei dos Grandes Números justifica a afirmação: (cara na 301ª jogada | 188 caras em 300 jogadas) < 0,5.

(4) Se um estimador convergir em média quadrática para o parâmetro, ele será consistente (convergirá em probabilidade para o parâmetro).

18. ANPEC 2010 - Questão 5

São corretas as afirmativas:

(0) Considere dois estimadores não tendenciosos ̂ 1 e ̂ 2 , de um parâmetro . 1 é eficiente

relativamente ̂ 2 se ( ̂ 1 ) < ( ̂ 2 );

̂

(1) Um estimador ̂ de um parâmetro é consistente se ̂ converge em probabilidade para ;

(2) Um estimador ̂ de um parâmetro é consistente se, e somente se, ̂ é não viesado e a variância de ̂ converge para 0 a medida que o tamanho da amostra tende a infinito ;

(3) Suponha que 1 , 2, … , 10 sejam variáveis aleatórias independentes e identicamente

̅

distribuídas e que ~2 2 , = 1, 2, … ,10. Defina = ∑

10

=1

̅

. Então (1 < < 3) = 0,55;

(4)

distribuídas

)/√(⁄) aproxima-se de uma distribuição normal padrão.

Suponha

e

que

que

1 , 2, … , sejam

variáveis

aleatórias

̅

= ∑

10

=1

~(), ∀. Defina

independentes

.

À

medida

e

que

identicamente

̅

→ ∞, ( −

Lista de Exercícios #6

Assunto: Propriedade dos Estimadores e Métodos de Estimação

19. ANPEC 2010 - Questão 6

Suponha que 1 e 2 sejam variáveis aleatórias independentes, com média e variâncias ( 1 ) = 75 e ( 2 ) = 25. O valor de é desconhecido e é proposto estimar por uma média

ponderada de 1 e 2 , isto é, por: 1 + (1 − ) 2 . Qual valor de produz o estimador com a menor variância possível na classe dos estimadores não viesados? Multiplique o resultado por

100.

20. ANPEC 2009 - Questão 6

Seja Y i , i = 1,

probabilidade 1-p. Defina

, n, uma variável aleatória tal que Y i = 1 com probabilidade p e Y i = 0 com

X =

n

Y

i . Responda se cada uma das afirmativas abaixo é verdadeira

i = 1

ou falsa:

(0) Y i , i = 1,

,

n, possui distribuição Poisson com média p.

(1) X possui distribuição Binomial com parâmetros n e p.

(2) V(Y i ) = V(X) = p. V(X) significa variância de X.

X

(3) Se n →∞ e p permanecer fixo, então np(1 p) converge para distribuição normal com

−

np

média 0 e variância 1. (4) E(Y 2 ) = p 2 .

21. ANPEC 2008 - Questão 3

Sejam X 1 , X 2 ,

, X n , n variáveis aleatórias independentes, igualmente distribuídas, com

distribuição Poisson dada por

p

x

(x) =

Julgue as afirmativas:

(0) Pela Lei dos Grandes Números

− x

e

T =

x!

0

1

n

n

i = 1

x

=

0,1,2,

caso contrário

X i aproxima-se da distribuição normal quando n

tende para o infinito.

Lista de Exercícios #6

Assunto: Propriedade dos Estimadores e Métodos de Estimação

(1) Suponha que n>5.

(2)

 

T =

 

1

n

n

i = 1

X

i  

2

1

n

T =

1

5

n

=

1

i

X

i

5

i = 1

X

i

+

1

n

5

n

i

=

6

X

i

é um estimador consistente de E(X i ).

é um estimador tendencioso de 2 .

(3) Pelo Teorema Central do Limite,

T =

1

n

n

i = 1

X i é um estimador consistente de V(X i ).

(4)

T =

1

n

n

i = 1

X i é o estimador de máxima verossimilhança do parâmetro .

22. ANPEC 2007 - Questão 2

Considere uma amostra aleatória de n variáveis x 1 , x 2 ,

, x n , normalmente distribuídas com

média μ e variância σ 2 . Sejam

1 x = n
1
x =
n

n

i = 1

1

n

e

s

n

i = 1

(

x i x

=

2

i

x

)

2 . É correto afirmar que:

(0) x e

(1) x e

(2) x e

são estimadores de máxima verossimilhança de μ e σ 2 , respectivamente. são não viesados.

s

2

s

2

s

2 são consistentes.

(3) Apenas x é consistente.

(4) Apenas x é não viesado.

23. ANPEC 2006 - Questão 5

São corretas as afirmativas:

(0) O teorema de Tchebychev é útil para se calcular o limite inferior para a probabilidade de uma variável aleatória com distribuição desconhecida quando se tem apenas a variância da população.

(1)

Um estimador não-tendencioso pode não ser consistente.

(2)

Um estimador consistente pode não ser eficiente.

Lista de Exercícios #6

Assunto: Propriedade dos Estimadores e Métodos de Estimação

(3) Sejam Y 1 ,

n variáveis aleatórias independentes com média µ e variância finita. Pela Lei

,Y

1

n

dos Grandes Números, E(m) = µ, em que m =

variáveis aleatórias independentes com média μ e variância finita. Pelo

Teorema do Limite Central, a distribuição da média amostral m converge para uma

distribuição Normal.

n

i = 1

Y

i

.

(4) Sejam Y 1 ,

,Y

n

24. ANPEC 2005 - Questão 5

São corretas as afirmativas:

(0) Uma variável aleatória X tem média zero e variância 36. Então, pela desigualdade de

Tchebychev,

P(| X |10) 0,36 .

(1) Pela Lei dos Grandes Números a distribuição da média amostral de n variáveis aleatórias independentes, para n suficientemente grande, é aproximadamente Normal.

(2)

O

probabilidade, para o valor do parâmetro verdadeiro.

estimador

de

um

determinado

parâmetro

é

dito

consistente

se

convergir,

em

(3) A Lei dos Grandes Números está relacionada com o conceito de convergência em probabilidade, enquanto que o Teorema Central do Limite está relacionado com convergência em distribuição.

(4) Um estimador é dito não-tendencioso se a sua variância for igual à variância do parâmetro estimado.

25. ANPEC 2004 - Questão 13

sejam variáveis aleatórias independentes, identicamente

e variância σ 2 = 10. Utilizando a lei dos grandes

números responda à questão. Qual deverá ser o valor de n de modo que possamos estar 95%

seguros de que a média amostral x difira da média μ por menos de 0,1? Divida o resultado final por 1000.

distribuídas, com média E(x i ) = μ (i = 1,2,3,

Suponha que x1,x2,

,xn

n)

Lista de Exercícios #6

Assunto: Propriedade dos Estimadores e Métodos de Estimação

26. ANPEC 2003 - Questão 2

Sejam: X 1 , X 2 ,

,

e variância 2 ;

X n variáveis aleatórias independentes e normalmente distribuídas com média

X

=

n

1

n

i = 1

X

i

; e

Z =

n

i = 1

Y

i

2 , em que

Y

i

=

1

(

X )

. É correto afirmar que:

(0)

(1) Z é uma variável aleatória com distribuição

X é um estimador tendencioso da média ;

2 com n graus de liberdade;

(2)

s

2

=

n

1

n

(

X

i = 1

i

X

)

2 é um estimador tendencioso da variância 2 ;

(3) nX é uma variável aleatória normalmente distribuída com média ne variância 2 ;

(4) a variável aleatória

Y i possui distribuição F com n 1 e n 2 graus de liberdade, em que

Z n
Z
n

W i =

n 1 = 1 e n 2 = 2n.

27. ANPEC 2003 - Questão 11

O número de clientes Y que passa diariamente pelo caixa de um supermercado foi observado durante certo período. Constatou-se que o valor médio de Y é de 20 clientes, com desvio padrão igual a 2. Encontre o limite mínimo para a probabilidade de que o número de clientes amanhã se situe entre 16 e 24. (Pista: Utilize o teorema de Tchebycheff). Multiplique o resultado por 100.

28. ANPEC 2002 - Questão 4

Seja X uma variável aleatória com distribuição de probabilidade que dependa do parâmetro

desconhecido , tal que E(X) = . Seja também x 1 , x 2 ,

, x n uma amostra aleatória de X.

(0) Para amostras suficientemente grandes, o estimador de máxima verossimilhança de , caso exista, segue uma distribuição Normal.

. Além do mais,

(1) Se

ˆ

=

n

i

= 1

c x

i

i

é um estimador de , este não será viciado desde que

i

n

c

=

1

i

=

1

Lista de Exercícios #6

Assunto: Propriedade dos Estimadores e Métodos de Estimação

(2) Se

ˆ

=

1

n

n

i = 1

x

viciado de

2

i

.

é um estimador não viciado de , então

ˆ

2 também será um estimador não

(3) Se a variável aleatória X é uniformemente distribuída no intervalo [0,], com > 0, então

ˆ n + 1

=

máximo[x 1 , x 2 ,

, x n ] não é um estimador consistente de .

(4) Se

ˆ

2

ˆ

1

n

e

ˆ

2

) < Var (

são dois estimadores do parâmetro em que E (

ˆ

1

), então o estimador

ˆ

2

deve ser preferível a

ˆ ˆ

1

1

) = θ 1 e E (

.

29. ANPEC 2002 - Questão 6

ˆ

2

) θ 2 mas Var (

Indique se as seguintes considerações sobre a Lei dos Grandes Números, Desigualdade de Tchebycheff e teorema do Limite Central são verdadeiras (V) ou falsas (F).

(0) De acordo com a desigualdade de Tchebycheff, se a variância de uma variável aleatória X for muito próxima de zero, a maior parte da distribuição de X estará concentrada próxima de sua média. (1) O teorema do Limite Central afirma que, para uma amostra grande o suficiente, a distribuição de uma amostra aleatória de uma população Qui-quadrado se aproxima da Normal. (2) As condições suficientes para identificar a consistência de um estimador são baseadas na Lei dos Grandes Números. (3) Em n repetições independentes de um experimento, se fA é a freqüência relativa da

ocorrência de A, então

P{ f

A

P

  −

}

1

P(1

P)

n

2

, em que P é a probabilidade constante

do evento A e é qualquer número positivo. (4) Se uma variável aleatória X tem distribuição Binomial com parâmetros n = 20 e P = 0,5,

então

P X

{

a

}



(

a 10

5
5

30. ANPEC 2001 - Questão 3

)

em que () é a função de distribuição Normal padrão.

Uma amostra de tamanho n foi selecionada de uma população de m elementos. Pode-se afirmar:

(0)A média amostral X é um estimador não tendencioso e eficiente da média populacional se todos elementos de m tiverem a mesma probabilidade de serem selecionados .

se a população for infinita ou se a

(1)A variância da distribuição amostral de

X  2 n é
X
2 n
é

amostragem for com reposição.

Lista de Exercícios #6

Assunto: Propriedade dos Estimadores e Métodos de Estimação

(2)Se a população for finita, a variância da distribuição amostral de X é

observações da amostra são independentes.

2

n

1

(1 n )

porque as

(3)Se X for uma variável aleatória qualquer a distribuição de X será normal com média e

variância

(4) Se lim

n →

 2 n − 1 . E X ( ) = 0
2 n
− 1
.
E X
(
)
= 0

, então X é um estimador assintoticamente não tendencioso.

31. ANPEC 2001 - Questão 15

Seja uma variável aleatória X com média E(X) = 0 e variância probabilidade para que [X E(X)] > 10? Resposta em percentagem.

2

x

= 25. Qual o limite de

32. ANPEC 2000 - Questão 4

Seja X 1 , X 2 ,

n

, X n uma amostra aleatória da densidade Normal(0,) e seja T= 1/n

i = 1

correto afirmar que:

X

2 . É

i

(0) T é o estimador de máxima verossimilhança (EMV) de . (1) T é um estimador tendencioso de .

(2) A variável aleatória Z =

n

X

2

i

/

tem distribuição qui-quadrado com n graus de liberdade.

i = 1

(3)

(4) T é um estimador eficiente de

E (

2

X X

1

3

2

) = 2 .

Lista de Exercícios #6

Assunto: Propriedade dos Estimadores e Métodos de Estimação

33. ANPEC 2000 - Questão 7

Seja Y uma variável aleatória contínua com distribuição de probabilidade f(y;), em que =

(1 ,2 ,

p ). Considere uma amostra aleatória de Y, com tamanho n. Com relação à função de

verossimilhança L(), é correto afirmar que:

,

n

(0) l()= ln L() =

i = 1

log

f

(

y

i ;) , em que ln é o logaritmo natural.

(1) A função de verossimilhança é também uma função de densidade de probabilidade, que

possui, assim, todas as propriedades matemáticas associadas à uma função de densidade de probabilidade. Uma condição necessária a que os estimadores de máxima verossimilhança devem satisfazer

(2)

, p, avaliada no ponto de máximo, seja negativa

definida. (3) Sendo T n o estimador de máxima verossimilhança do parametro escalar 1, segue-se que T n apresenta a seguinte propriedade:

é que a matriz {

2

l()/

i

j

} i,j = 1, 2,

lim

n

→

Pr(|

T =

n

1

|

)

0

,

 

> 0.

(4) Sendo = g(1 ), em que g(.) é uma função um a um de 1 , e T n é o estimador de máxima verossimilhança de 1, segue-se que o estimador de máxima verossimilhança de será G n = g(T n )[d/d1 ] , em que a derivada é avaliada em 1 = T n .

34. ANPEC 2000 - Questão 8

Sejam pˆ e ~p dois estimadores do parâmetro p da distribuição Binomial, em que Y é a variável desta distribuição e n o tamanho da amostra:

p ˆ =

Y

n

~

p

=

+ + 1 1

Y

n

pˆ é o estimador de máxima verossimilhança do parâmetro p. Sob o critério do erro quadrado médio, para pequenas amostras, não há supremacia de um estimador sobre o outro. O viés do estimador ~p é dado por [(1p) (1+ n)] .

não há supremacia de um estimador sobre o outro. O viés do estimador ~ p é

Lista de Exercícios #6

Assunto: Propriedade dos Estimadores e Métodos de Estimação

35. ANPEC 2000 - Questão 12

Dados os seguintes enunciados, é correto afirmar que:

(0) A Lei Fraca dos Grandes Números diz que: dada uma variável aleatória com distribuição arbitrária e média e variância finitas, a média amostral obtida a partir de uma amostra aleatória de tamanho n terá distribuição Normal.

(1) Se X 1 , X 2 ,

, X n são variáveis aleatórias independentes, com distribuição Poisson(), >

0, então, para n "grande", é válida a seguinte aproximação:

n (

X - ) / ~ N(0,1), em que

X é a média amostral.

(2) Se X 1 , X 2 ,

, X n são variáveis aleatórias independentes, com distribuição Normal(,2 ), 2

X é a média

> 0, então, para qualquer tamanho de n, n ( amostral.

X - ) / ~ Normal(0,1), em que

36. ANPEC 1999 - Questão 6

Com base na teoria da estimação, pode-se fazer as seguintes afirmações :

(0) De acordo com o critério de eficiência, medido pela comparação entre as variâncias dos

X 1 como estimador da

média populacional, supondo-se que

estimadores, a média amostral X é preferível a primeira observação

2 seja a variância da população.

(1) Seja ˆ um estimador não-viciado de . Se g(ˆ ) é uma função do parâmetro , então E[g( ˆ )] g[E(ˆ )] com a igualdade ocorrendo somente quando g() for uma função linear.

1

(2) A função densidade de probabilidade da variável aleatória x é dada por

0x

tamanho n ,

Mínimo de

x x , x ,x , x ,x

1

1

2

2

3  3  , x , x

n

.

para

e 0 para outros valores. Assim sendo, considerando-se uma amostra aleatória de

será igual ao

f (x) =

n , o estimador de Máxima Verossimilhança de

(3) Dado

que

as

variâncias

n

1

2

4

respectivamente , iguais a

seja uma estatística viciada.

das

estatísticas

S 1 2 =

e

2

4

n

1

(

n

1

n

)

2 então

,

n

å

i

=1

( x i - x ) 2

n - 1

e

S 2 2 =

n

å

i

=1

( x i - x ) 2

n

são,

S 2 2 é mais preciso do que S 1 2 embora

Lista de Exercícios #6

Assunto: Propriedade dos Estimadores e Métodos de Estimação

37. ANPEC 1998 - Questão 6

Seja o estimador do parâmetro :

(0) O erro quadrático médio é igual a variância do estimador se for um estimador não- tendencioso de .

(1)

Um estimador 1 é dito eficiente se 1 for não-tendencioso e Var( 1 ) Var ( 2 ), onde 2 é outro qualquer estimador não-tendencioso de .

(2) Seja X uma variável aleatória normalmente distribuída com média e variância 2 . Sejam x 1 e x 2 duas observações de uma amostra aleatória de tamanho 2. Podemos afirmar que

= 3

~

x

1

+ 2

x

2

5

é um estimador tendencioso de .

(3) Se é consistente, então é não tendencioso.

38. ANPEC 1998 - Questão 7

Com base na teoria da estimação, pode-se fazer as seguintes afirmações :

(0) Se é um parâmetro populacional e seu estimador, a afirmação de que é um estimador

consistente de se lim

P

{

}

= 1 para todo 0 quando n → , é equivalente a

afirmação de que se lim E(ˆ) =estimador consistente de .

e limVar() = 0

quando n → , então será um

(1) Se x é uma variável aleatória com E(X) = e variância 2 , então a média amostral, X , será um estimador consistente da média populacional .

(2)

(3)

n

(

x

i

x )

2

A estatística, S

estimador não tendencioso da variância populacional.

2

i

= 1

=

n

,

baseada em uma amostra aleatória x 1 , x 2

n

(

x

i

x )

2

A estatística, S

estimador inconsistente da variância populacional.

2

i

= 1

=

n

,

baseada em uma amostra aleatória x 1 , x 2

,x 3 ,

,x 3 ,

,x

,x

n

n

é um

é um

Lista de Exercícios #6

Assunto: Propriedade dos Estimadores e Métodos de Estimação

39. ANPEC 1998 - Questão 11

Com relação a desigualdade de Tchebycheff e ao Teorema Central do Limite, pode-se afirmar que:

(0) Se uma variável aleatória X tem média , E(X)=, e variância igual a zero, Var(X) = 0,

= 1 para todo 0 , ou seja, toda a probabilidade estará concentrada na

então P

{

X

}

média E(X) = .

(1) Seja X uma variável aleatória com média e variância 2 . Quando se considera o evento complementar, uma das formas da desigualdade de Tchebycheff é igual a

P

{

X

}

k

 −

1

1

k

2

, onde k é um número real.

(2) Se a população tem distribuição Normal, então a distribuição das médias amostrais também será Normal, independente do tamanho da amostra.

(3) Se X tem distribuição desconhecida com média 500 e variância 2.500, para uma amostra aleatória de tamanho 100 podemos afirmar que a média da amostra tem distribuição aproximadamente normal com média 500 e variância 25.