1 4954047907520053482 PDF

Aula 07
Estatística p/ AFRFB - 2016 (com videoaulas)

Professor: Jeronymo Marcondes
05949764803 - NECILDA LOURENCO PAULA

Estatística p/ AFRFB 2016
Teoria e exercícios comentados
Prof. Jeronymo Marcondes Aula 07
AULA 07 – Inferência e Estimação
SUMÁRIO PÁGINA
Introdução à inferência estatística 2
Amostragem e estimador 2
Variância de estimadores 10
Consistência e distribuição amostral 14
Estimador de Máxima Verossimilhança 16
Lista de Exercícios resolvidos em aula 52
Gabarito 67
Bem vindos de volta!
Dica de um concurseiro
O que fazer alguns dias antes da prova? Essa pergunta aflige

todo concurseiro! Minha opinião? Revisão! Não adianta ficar
enfiando um monte de coisa nova na cabeça, é melhor
consolidar o que você já sabe. Devido à tensão, será muito
difícil estudar matéria nova.
05949764803
Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 1 de 67

1. Introdução à inferência estatística
1.1 Amostragem e estimador
Inferência é o processo através do qual uma pessoa tira conclusões sobre a

população com base em uma amostra. Só para lembrar:
População = conjunto de todos os elementos que

possuem determinada característica.
Amostra = parte não nula da população, mas menor

do que esta última.
O exemplo mais clássico é o da cozinheira que prova uma colher do seu preparo a
fim de determinar se o mesmo está muito salgado. Ora, a colher que ela experimentou
é só uma parte de seu cozido, mas, com base nesta amostra, ela irá inferir como
está toda a panela.
Entendeu? Ela não precisa provar a panela toda para tirar suas conclusões, ela irá se
basear somente em parte dela, isso é inferência! Na estatística é a mesma coisa,
muitas vezes não temos dados sobre toda uma população, mas precisamos tirar
conclusões a respeito da mesma, assim necessitaremos de inferência estatística. Isso
é comum no dia a dia de um pesquisador!
05949764803
A primeira pergunta que um pesquisador faria é: como obter uma determinada

amostra? Ou seja, como realizar uma amostragem. Quando se realiza uma pesquisa
com todos os elementos de uma população, chama-se a tal pesquisa de Censo.
A amostragem pode ser realizada de duas formas diferentes:

Amostragem probabilística ou casual: é uma técnica puramente científica com uma

seleção puramente aleatória, na qual podemos calcular a probabilidade de que um
determinado elemento vá fazer parte da amostra. A título de exemplo, podemos citar
a Amostragem Aleatória Simples, a Amostragem Estratificada, a Amostragem
por Conglomerados e a Amostragem Sistemática.
Amostragem não probabilística ou não casual: Escolha deliberada de elementos

da amostra, dependendo de julgamento de valor. A título de exemplo, podemos citar
a amostragem por cotas, a amostragem intencional e a amostragem por
conveniência.
Há diversas formas de obter uma amostra com base em uma extração de elementos
de uma população. Tais métodos têm muitas particularidades e formalismos que vão
além do escopo deste curso. Porém, precisamos saber alguns dos métodos mais
conhecidos em amostragem. Vamos a eles!
Amostragem Aleatória Simples (AAS)
Este é o tipo mais famoso de amostragem e o mais utilizado na demonstração de

Teoremas. Neste tipo de amostragem, dada uma população, todas as amostras
possíveis de um determinado tamanho têm a mesma probabilidade de serem obtidas.
Não entendeu? Suponha que queiramos encontrar uma amostra de 10 elementos de

05949764803
pessoas com o sobrenome “SILVA” da população de pessoas residentes no Brasil.

Realizar uma AAS seria semelhante a escrever o nome completo de todas essas
pessoas em um papel e sortearmos 10 nomes deste total. Perceba que, neste caso,
todas as amostras têm a mesma chance de ocorrência.
Uma AAS pode ser realizada com e sem reposição.

Amostragem Aleatória Estratificada (AAE)
Neste caso, a população seria dividida em estratos, seguindo-se a aplicação de uma

AAS em cada um destes. Estes “estratos” seriam subconjuntos da população
bastante semelhantes entre si.
Quer um exemplo? Suponha que tenhamos uma população com a renda de diversos
indivíduos em uma economia. Podemos dividir a população em “classe baixa”, “classe
média” e “classe alta”. A partir daí, aplicaríamos uma AAS em cada um destes estratos
para obtermos nossa amostra. A ideia deste procedimento é diminuir a variância
dentro das amostras para cada estrato. Perceba que qualquer estatística a ser
aplicada à amostra deve ser ponderada pelo tamanho do estrato.
Atenção, a amostra de cada estrato será proporcional ao tamanho de cada uma de

suas populações no caso de uma AAE proporcional. Porém, este não é o único tipo
de AAE, pois poderíamos ter o caso de uma AAE uniforme, na qual as amostra de
cada estrato tenham o mesmo tamanho.
Amostragem Aleatória por Conglomerado
Agora, vamos tratar de um caso muito parecido com o anterior. Neste caso, a AAS
será aplicada sobre os subgrupos e não mais sobre os indivíduos da população.
Por exemplo, suponha que há diversos bairros em uma cidade com variabilidade
05949764803
interna significativa, mas bastante semelhantes entre si. Neste caso, “sortearíamos”
alguns destes bairros como “amostras” da população total. Você está realizando a
amostragem sobre conglomerados, entende? Segue-se, então, uma análise de todos
os indivíduos nos conglomerados escolhidos.

Amostragem Sistemática
Nessa técnica supõe-se que temos uma listagem das unidades populacionais. Para
um valor fixado, sorteamos um elemento entre os primeiros da listagem. Depois
observamos, sistematicamente, indivíduos separados por unidades. Por exemplo,
se e sorteamos o oitavo elemento, observamos depois o décimo oitavo, o
vigésimo oitavo, etc.
Amostragem por Conveniência
Neste caso, o pesquisador só realiza amostragem com os casos que ele tem a sua
disposição. Assim, acaba-se por realizar uma pesquisa com somente uma parcela da
população, o que pode, inclusive, gerar vieses em sua conclusão. Não é possível
generalizar os resultados encontrados para a população, contudo este tipo de
amostragem pode ser útil no início de uma pesquisa, testar questionários, por
exemplo.
Amostragem por quotas
A participação de uma determinada característica na população é utilizada para fins

de geração da amostra. Por exemplo, suponha que esteja sendo feita uma pesquisa
com os usuários de drogas e sabe-se que, na população, 60% dos indivíduos do que
usam drogas são homens e 40% são mulheres. Assim, em uma amostra de 1000
05949764803
indivíduos, a amostra será feita de tal forma que 60% dela (600) sejam homens e 40%
(400) sejam mulheres.
Amostragem Intencional
O pesquisador seleciona intencionalmente os elementos que irão compor sua

amostra por acreditar que estes são os que melhor representam o fenômeno que se
quer estudar. Por exemplo, qual a aprovação de um partido entre os seus afiliados,
isso pode ser feito em bairros ou domicílios eleitorais ligados ao mesmo.

-“Tudo bem professor, mas o que fazer com esta amostra”?
Um exemplo bacana seria se estivéssemos analisando a altura média de uma

população com base em uma amostra. O que estamos fazendo é avaliar uma
estimativa de um parâmetro populacional.
Não entendeu? Veja, se nós tivéssemos toda a população de elementos e

quiséssemos calcular a média seria fácil, pois bastaria somar todas estas
observações e dividir pelo total:
Sendo ( ) o somatório de todos os elementos da população ( ). No caso, a média

seria um parâmetro populacional, no nosso exemplo, chamado de .
Porém, raramente isso ocorre, pois quase nunca temos toda a população, mas
somente uma amostra. Nesse caso, a média calculada com base na amostra seria
um estimador do parâmetro populacional. Assim:
05949764803
Sendo ( ) o tamanho da amostra e o chapéu sobre ( ) um indicativo de que

estaríamos trabalhando com um estimador do parâmetro populacional
correspondente.
-“Entendi professor, o estimador do parâmetro populacional seria equivalente

ao cálculo da estatística populacional, mas aplicada à amostra”.

Isso está aproximadamente correto, mas nem sempre a mesma “fórmula” que
utilizamos para o cálculo de uma estatística na população é a que devemos usar na
amostra. Isso deriva do fato de que o estimador que iremos utilizar na amostra deve
ser não viesado.
Se eu digo para vocês que um estimador não é viesado, eu estou dizendo que, na
média, ele “acerta”, ou seja, dá o valor “real” do parâmetro. Ou seja:
Sendo o operador esperança.
Esperança matemática é um conceito intimamente relacionado com a média

aritmética. No caso, para um dado conjunto de valores ( ) que vai de a ,
sua esperança é dada por:
Sendo a frequência relativa de .
Percebeu? A aplicação do operador “esperança” a uma série de dados nos diz,

em termos bem simples, a média do que pode acontecer com esta variável.
05949764803
Entendeu? A esperança do estimador de um parâmetro populacional é igual ao seu

valor “real”. O que você quer é que sua estimativa esteja certa, na média!

Vou ressaltar uma coisa que confunde muita gente. Você

consegue perceber que se você realizar o experimento de cálculo da média amostral
para diferentes amostras dentro de uma população, você terá estimativas diferentes?
Olhe, os valores que estarão contidos em sua amostra provavelmente serão
diferentes para cada vez que você realizar uma amostragem diferente, mesmo
sabendo que estes valores pertencem à mesma população. Então, com certeza, sua
média amostral será diferente. O que você quer é que, na média destas estatísticas
calculadas, você acerte o valor populacional. Ou seja, a média amostral pode ser
considerada como uma variável aleatória. Esta variável, como é um estimador
não viesado da média populacional, significa que a média das médias amostrais
é igual à média populacional.
Pode-se provar que:
Ou seja, a esperança do estimador da média amostral é igual à média populacional.

(vamos mostrar isso no exercício 18)
Portanto, se um exercício de concurso te pedir a média de

05949764803
uma determinada amostra, basta calcular a média como sempre fizemos para a
população ( ), pois este é um estimador não viesado para a média populacional.
Outra estatística que é comumente cobrada em concursos é a variância (por

consequência, o desvio padrão também).
Só que agora o buraco é mais embaixo! A estatística que aprendemos para calcular
a variância de uma população é dada por:

E, por consequência:
Entretanto, pode-se provar que:
E:
-“Isso quer dizer que aquela fórmula não nos dá uma estatística não viesada
quando aplicada à amostra”?
Precisamente!
Olha pessoal, não vou ficar fazendo demonstração de cada uma destas afirmações
porque isso não é importante para seu concurso! Se vocês quiserem saber como se
05949764803
faz, a título de curiosidade, eu indico bibliografias para vocês.
Voltando ao problema em questão, a nossa estatística para cálculo da variância

populacional (bem como no caso do desvio padrão) gera um estimador viesado para
a variância amostral.
Assim, pode-se provar que, para obtermos estimadores não viesados para a variância
e desvio padrão amostrais, devemos nos utilizar das seguintes estatísticas:

-“A única diferença é que o denominador deixa de ser ( ) e passa a ser ( )”?
Exato!
Portanto, se um exercício de concurso te pedir a variância ou

desvio padrão de uma determinada amostra, calcule o numerador como sempre, mas
divida este valor por ( )!
Apesar de estas não serem as únicas estatísticas que podem ser avaliadas em termos
da comparação parâmetro\estimador, para fins de concurso, estas são as mais
cobradas.
1.2 Variância de estimadores
-“Como assim, variância de um estimador”?

05949764803
Pense comigo, não basta que um estimador acerte na média, mas também é
desejável que os seus resultados apresentem baixa variância ao redor do valor
populacional que se esta tentando estimar.
Veja um exemplo gráfico:

Os pontinhos vermelhos seriam estimativas do valor populacional, pontinho preto,

para dois estimadores diferentes.
Perceba que o segundo gráfico tem alguns valores que praticamente “acertam” o valor
populacional, mas o mesmo apresenta grande variabilidade. Ou seja, o segundo
estimador tem maior variância. 05949764803
O ideal seria que nosso estimador não viesado tivesse a menor variância dentre todos
os estimadores não viesados. Este é o conceito de estimador absolutamente
eficiente.
Estimador absolutamente eficiente é aquele que é não

viesado e que apresenta a menor variância dentre todos
os estimadores não viesados possíveis para um
determinado parâmetro populacional.

Veja, não precisamos abordar necessariamente o conceito de eficiência absoluta.

Suponha dois estimadores não viesados para um determinado parâmetro, a saber,
e , é dito mais eficiente que se:
Entendeu? Isso é muito importante na hora de decidirmos qual estimador usar. Você
não precisa conhecer a variância de todos os tipos de estimadores possíveis (até
porque são infinitos), mas esta é uma forma importante de avaliarmos o quanto um
estimador é “bom”. Podemos comparar a eficiência de alguns estimadores não
viesados por meio de análise de suas variâncias.
Um ponto importante! Como foi dito, vocês não precisam conhecer as propriedades
de uma infinidade de estimadores, podendo compará-los no caso concreto diante de
vocês. Entretanto, há um estimador importante em termos de prova: o estimador da
média amostral. Com base neste estimador, vocês vão ver, podemos chegar a várias
conclusões importantes que podem ser estendidas a qualquer distribuição de
probabilidade.
Então, vamos aprofundar nosso estudo sobre o estimador da média amostral. Pode-
se provar que:
05949764803
Sendo o tamanho da amostra.
Ou seja, o a variância do estimador da média amostral é dado pela variância

populacional dividida pelo tamanho da amostra.
Se você só tiver a variância amostral, substitua (desvio padrão) por este valor,
essa estatística é chamada de erro padrão.

Então, você consegue perceber que, conforme a amostra aumenta ( aumenta de

valor), o valor da variância da média amostral tende para zero! Claro, pois, neste
caso, a média amostral irá coincidir com a média populacional.
Bom, a pergunta natural seria: então o estimador é um estimador eficiente?
Não é possível responder isso a não ser se comparamos a variância deste último com
a variância de todos os estimadores não viesados possíveis da média populacional.
Pode-se demonstrar, entretanto, que, quando a variável para a qual está sendo
calculada a média seguir uma distribuição normal, a média amostral é um estimador
eficiente da média populacional.
Porém, se quisermos comparar este estimador com qualquer outro estimador

possível, viesado ou não, podemos fazê-lo por meio do conceito de erro quadrático
médio ( ). Para o caso do estimador , o seu erro quadrático médio seria dado
por:
Perceba que o primeiro membro é a variância do estimador e o segundo é a diferença

entre seu valor esperado e o seu valor populacional, que é conhecida como o valor
do viés do estimador (o valor do viés é considerado ao quadrado, pois o viés
pode ser negativo, assim, com este ajuste, seria possível comparar o viés de
05949764803
estimadores com tendência “para cima” e “para baixo”).
Isso é intuitivo, pois quanto menor o valor combinado da variância e do viés de um

estimador, “mais eficiente ele será”.

1.3 Consistência e distribuição amostral
Muitas vezes não conseguiremos encontrar estimadores que tenham propriedades

desejáveis, tais como eficiência e inexistência de viés. Porém, muitos deles
apresentam propriedades assintóticas desejáveis.
-“O que é isso”?
Em termos bem simples, trata-se do comportamento do estimador conforme a

amostra tende para o infinito.
Um estimador assintoticamente não viesado é aquele que, conforme a amostra tende

ao infinito, o viés tende a zero. Este tipo de estimador é dito com propriedades
desejáveis em grandes amostras!
Veja, em termos bem simples, conforme a sua amostra aproxima-se do tamanho

da população, o estimador teria o seu viés diminuído até chegar a zero.
É fácil perceber que o nosso estimador é assintoticamente não viesado, pois ele
não é viesado! Entretanto, a recíproca não é verdadeira, pois há vários estimadores
que são viesados e assintoticamente não viesados. Assim:
05949764803
Para quem não é da área de exatas, o que esta simbologia está dizendo é que, no
limite, quando a amostra tende ao infinito ( ), a esperança da média amostral é
igual à média populacional.
O mesmo raciocínio pode ser estendido para o caso da variância do estimador.

Podemos avaliar como seria o comportamento assintótico da variância de um
estimador, isso é, como se dá sua variância conforme sua amostra cresce.

Com base neste conceito, define-se um estimador consistente como aquele em

que:
Essa é uma propriedade desejável de um estimador em grandes amostras. Veja, o

estimador da média amostral é consistente, pois:
Isso é verdade, pois, conforme o tamanho da amostra vai aumentando, a variância

deste estimador tende a zero (o denominador, , fica com valor muito grande).
O que também é interessante é avaliar como é o comportamento da distribuição

amostral do estimador conforme a amostra aumenta de tamanho.
Um teorema importante que trata sobre o nosso caso concreto da média amostral
define que, dada uma variável , é possível demonstrar que a sua média amostral, ,
assumirá uma distribuição normal conforme a amostra aumenta. Este é o famoso
Teorema do Limite Central (TLC).
05949764803
Teorema do Limite Central: Para uma amostra aleatória simples

( ), retirada de uma população com média e variância
finita, a distribuição da média amostral ( ) aproxima-se, para
grande, de uma distribuição normal, com média e variância .
Se a variável tiver distribuição normal, terá distribuição exata

normal!

O que isso está dizendo é que, conforme a amostra aumenta, a distribuição da média
amostral converge para uma distribuição normal! Percebe a importância disso? A
distribuição normal é uma antiga conhecida nossa e nós sabemos muita coisa sobre
ela (já aprendemos algumas em aulas anteriores e iremos aprender ainda mais em
aulas futuras). Isso é muito útil em várias ocasiões, pois como sabemos do TLC,
podemos nos basear nisso para entendermos o comportamento assintótico da média
amostral de qualquer variável!
Bom, chega de um papo tão teórico, vamos estudar alguns estimadores

importantes! O principal é o Estimador de Mínimos Quadrados Ordinários
(MQO), mas ele é tão importante que teremos uma aula inteiramente dedicada a
ele – “Correlação e Regressão”. A estimação por intervalo será dada na aula de
“Intervalo de Confiança e Testes de Hipóteses”. Nesta aula, vamos conhecer o
estimador de Máxima Verossimilhança.
2. Estimador de Máxima Verossimilhança
Este é um assunto muito pouco cobrado em provas, exceto no caso do concurso do

IPEA, que é mais específico. Além disso, é bem difícil! Porém, vai saber, se cair
você estará pronto.
Antes de começarmos, preciso ensinar mais uma coisinha sobre cálculo diferencial.
OBS. Conceito de derivada – ponto extremo

05949764803
Bom, o porquê de tudo isso é ensinar a vocês como encontrar o ponto máximo ou
mínimo de uma função, isso é, um ponto extremo.1
Como você encontra um ponto extremo de uma função? Simples! Derive a função
(você já aprendeu) e iguale a zero. Por exemplo, suponha a função:
1
Para quem entende de matemática, saiba que estamos tratando de pontos extremos locais e não
globais. É só uma introdução mesmo.

Neste caso, é fácil chegar à derivada (é só derivar cada membro separadamente):
Agora, é só igualar a zero e resolver em função de :
Assim, este ponto é o extremo local da função, ou seja, um ponto de mínimo ou

máximo. Pode-se provar que se trata de um ponto de mínimo, mas não precisam se
preocupar, pois, na prova de Estatística, o ponto extremo sempre será o que o
enunciado pede. Daqui a pouco vocês vão entender.
Além disso, há outras formas mais complexas de derivada, mas a única

necessária, isso se for necessária, será esta. Chega disso, vamos voltar ao
estimador de máxima verossimilhança!
Retornando.
Gente, o estimador de Máxima Verossimilhança (MLE) é aquele que maximiza a

probabilidade de que os valores obtidos de uma amostra sigam, de fato, uma
determinada distribuição de probabilidade.
Hora de lembrar-se das aulas de Estatística! Lembrem-se das funções densidade de

probabilidade, tais como a distribuição normal, a binomial, etc.
05949764803
Então, como funciona? Você tem uma amostra de valores obtidos de uma população
que, por hipótese, você conhece a distribuição de probabilidade (ou pelo menos
supõe que seja desta forma). Com base nestas informações, o estimador MLE irá lhe
fornecer os parâmetros desta distribuição de probabilidade que maximizam a chance
de que esta amostra realmente siga esta distribuição!

Isso é feito pela maximização da função de verossimilhança. Suponha que uma

amostra seja dada por:
Assim, a função de verossimilhança (FV) será dada por:
Ou seja, a FV busca estimar o valor do parâmetro (ou parâmetros, já que pode ser
mais de um) em função dos valores da amostra. E qual o formato da função ? Aí
é que entra o conhecimento que você deve ter da distribuição de probabilidade que a
amostra segue, esta determinará a forma desta função!
Fica difícil visualizar sem um exemplo. Vamos supor que uma amostra (
) siga uma distribuição normal, com média e variância desconhecidas.
Vamos determinar os estimadores MLE para a média e variância desta amostra.
Olha, a média ( ) e a variância ( ) são os parâmetros que compõem a forma

funcional desta distribuição, dada por:
Como resolver? Primeira coisa, tire o logaritmo da função:

05949764803
Rearranjando a expressão:
ln
Pronto! Agora é mais fácil resolver.
-“Resolver o que, professor? Não estou entendendo”!

É assim, lembram-se do conceito de derivada? E de como este instrumento permite

que você encontre um ponto máximo, ou seja, que maximize uma função?
É isso aí! Você tem uma amostra e uma função de distribuição, no nosso
exemplo a Normal. O que nós vamos fazer é, para dados valores de , vamos
encontrar os valores de média e variância que maximizam a probabilidade que
tal amostra siga esta distribuição! Como se faz isso? Derive em função dos
parâmetros e iguale o resultado a zero! Não se preocupe, você não precisa
saber se o ponto é de máximo ou mínimo, a banca fará a questão de forma a
sempre ser um ponto extremo de máximo local!
Esta derivação é um pouco mais complicada, pois exige um conhecimento de

derivada maior do que o já ensinado. Porém, isso não será cobrado, portanto, não
mostrado! Mas, pode-se demonstrar que, ao maximizar a função nos parâmetros
média e variância, encontraremos:
O conceito de média amostral Ou seja, o estimador da média de uma distribuição

normal é a própria média amostral.
E a variância?
05949764803
Opa! Mas, este não é o estimador de variância amostral já conhecido por vocês da
aula de Estatística. O denominador deve ser , caso contrário o mesmo será
viesado! Portanto, o estimador MLE para a variância é viesado!
Viram? O estimador MLE nem sempre é não viesado! Mas, o mesmo tem
propriedades úteis, como:

1) É consistente
2) Sua distribuição converge para a normal conforme a amostra tende ao infinito
(assintoticamente normal)
3) O estimador tende a ser eficiente conforme a amostra tende ao infinito
(assintoticamente eficiente)
-“Professor, mas porque você ensinou os conceitos básicos de derivada se não é tão
simples aplicá-los no caso do exemplo que você mostrou?
Boa! Pelo seguinte, vai saber o que dá na cabeça da banca! É praticamente

impossível que eles peçam que vocês derivem uma função normal convencional.
Mas, de repente, eles já te dão uma versão simplificada, que permite o cálculo dos
parâmetros maximizadores da função de forma simples. Foi só para prevenir mesmo.
Não precisa se preocupar muito com isso!
Só para finalizarmos, como seria o estimador MLE para a probabilidade de sucesso

de um evento em uma distribuição binomial.
Lembram-se da distribuição binomial? É aquela em que há dois eventos possíveis,

um considerado “sucesso”, com probabilidade , e outro, mutuamente exclusivo,
considerado “fracasso”, com probabilidade .
05949764803
Então suponha que em uma amostra com elementos, apresentam o atributo

sucesso. Você consegue adivinhar qual o estimador MLE para ?
Ou seja, é a própria proporção deste elemento na amostra como um todo, tal como
no caso da média!
Simples não? É claro que não! Esta aula é muito complexa. Faça um favor a
você, releia o conteúdo mais de uma vez! Vamos aos exercícios.

Exercício 1
(ATRFB – 2013/ESAF) A variância da amostra formada pelos valores 2, 3, 1, 4, 5

e 3 é igual a
a) 3.
b) 2.
c) 1.
d) 4.
e) 5.
Resolução
Ora, veja que o exercício fala em amostra! Portanto, nosso estimador é:
A média do processo é de:
plicando:
05949764803
Alternativa (b).

Exercício 2
(PETROBRÁS – 2010/CESGRANRIO) Em um conjunto de N elementos extraídos

de uma população, foi utilizada o seguinte estimador para avaliar a dispersão:
Onde é a média aritmética dos dados. Qual o significado desta expressão?
a) Desvio padrão não tendencioso da população

b) Estimativa não tendenciosa do desvio padrão populacional
c) Estimativa tendenciosa do desvio padrão populacional
d) Estimativa tendenciosa da variância populacional
e) Estimativa não tendenciosa da variância populacional
Resolução
Ora pessoal, esta fórmula é um estimador tendencioso do desvio padrão

populacional, tal como vimos na aula.
Alternativa (c).
05949764803

Exercício 3
(CGU – 2008/ESAF) Qual o estimador de máxima verossimilhança da variância

de uma variável X normalmente distribuída obtido a partir de uma amostra
aleatória simples X1, 2, ...,Xn, desta variável, sendo m = i Xi / n o estimador de
máxima verossimilhança da média?
a) i (Xi - m)2 /(n-1)

b) i (Xi - m)2 /(n-2)
c) [ i (Xi - m)2 /(n-1)] 0,5
d) i (Xi - m)2 . i (Xi - m)2
e) i (Xi - m)2 /n
Resolução
Nós já estudamos isso, o estimador de Máxima Verossimilhança para a variância é o

valor viesado da variância:
Alternativa (e).
(SEFAZ\RJ – FGV/2010 - alterada) Com base em uma variável ( ) que segue uma
05949764803
distribuição normal de média 15 e desvio padrão ( ) 2, com uma amostra de 36

elementos, julgue as afirmativas.
Exercício 4
Dado que é normal, sua média aritmética também é.

Resolução
Quando uma variável tem distribuição normal, sua média aritmética tem distribuição
exata normal. Alternativa correta.
Exercício 5
A média amostral é um estimador tendencioso da média populacional.
Resolução
Errada. A média amostral, conforme nós vimo, é um estimador não tendencioso da

média populacional.
Exercício 6
A média aritmética de tem desvio padrão de 1/3.
Resolução
Nós já conhecemos o estimador não tendencioso para a variância da média amostral,

que é dado por:
â05949764803
Portanto:
Substituindo os valores:

ã
Alternativa verdadeira.
Exercício 7
(PETROBRAS – 2010/CESGRANRIO) Quando se lança uma certa moeda, a

probabilidade de o resultado ser cara é p. A moeda foi lançada dez vezes,
sucessivas e independentes, e o resultado foi de 2 caras e 8 coroas. Tendo em
vista este experimento, a estimativa de máxima verossimilhança de p é:
a)0,2
b0,25
c)0,3
d)0,35
e) 0,4
Resolução
A proporção amostral é um estimador de verossimilhança da proporção populacional,

assim:
05949764803
Alternativa (a).

Exercício 8
(CGU – 2008/ESAF) Seja um estimador do parâmetro de uma população.

Se , diz-se que é um estimador:
a) Eficiente
b) Não viesado
c) Consistente
d) De Mínimos Quadrados
e) De Máxima Verossimilhança
Resolução
Outra questão tranquila, se o estimador acerta na média, ele é não viesado.
Alternativa (b).
(ANPEC – 2010) Julgue as afirmativas.
Exercício 9
Considere dois estimadores não tendenciosos, e de um parâmetro , é

dito eficiente relativamente a se
05949764803
Resolução
Alternativa correta, pois, dado que ambos são não tendenciosos, o que tiver menor
variância será “mais eficiente”.

Exercício 10
Um estimador é um estimador consistente de se converge para

conforme a amostra tende ao infinito.
Resolução
Perfeito! Esta é a própria definição de estimador consistente.
Alternativa verdadeira.
Exercício 11
Um estimador é um estimador consistente de se, e somente se, for não

viesado.
Resolução
Como nós vimos na aula, um estimador não viesado é consistente, mas a recíproca
não é verdadeira.
Alternativa falsa.
05949764803

Exercício 12
(CEB – 2009/UNIVERSA) Para saber as condições dos animais de uma fazenda,

será realizada uma pesquisa por amostragem estratificada, a partir de uma
amostra de 15 animais. A tabela seguinte apresenta o efetivo de animais desta
fazenda:
Animal Efetivo
Asininos 80
Bovinos 300
Caprinos 120
Equinos 150
Suínos 250
A quantidade de bovinos e suínos a serem utilizados na pesquisa são:

a) 5
b) 6
c) 7
d) 8
e) 9
Resolução
A questão não disse se trata-se de uma amostragem proporcional ou uniforme.

Quando for assim, use proporcional! 05949764803
Do total de 900 animais, 550 são bovinos ou suínos, portanto:
Assim, aplicando tal proporcionalidade aos 15 animais da pesquisa:

Aproximadamente 9.
Alternativa (e).
Exercício 13
(TRT 3ª região – 2009/FCC) O objetivo de uma pesquisa era o de se obter,

relativamente aos moradores de um bairro, informações sobre duas variáveis:
nível educacional e renda familiar. Para cumprir tal objetivo, todos os
moradores foram entrevistados e arguídos quanto ao nível educacional, e,
dentre todos os domicílios do bairro, foram selecionados aleatoriamente 300
moradores para informar a renda familiar. As abordagens utilizadas para as
variáveis nível educacional e renda familiar foram, respectivamente,
a) censo e amostragem por conglomerados.
b) amostragem aleatória e amostragem sistemática.
c) censo e amostragem aleatória simples.
d) amostragem estratificada e amostragem sistemática.
e) amostragem sistemática e amostragem em dois estágios.
Resolução
05949764803
Questão puramente teórica. Na primeira foram entrevistados todos os moradores do

bairro, portanto é um Censo. No segundo caso, foram escolhidos tais indivíduos de
forma aleatória, portanto é uma AAS.
Alternativa (c).

(SEDUC-AM – 2011\CESPE)
Turma Média Aritmética Variância Amostral

A 7,2 4
B 6,8 3,6
Um estudo foi realizado em determinada escola para se avaliar o efeito, no

desempenho dos estudantes, do uso de computadores em sala de aula. Para
esse estudo, foram selecionados aleatoriamente 60 alunos de determinado ano
escolar, separando-os em duas turmas A e B, cada uma com 30 alunos. Ao
longo de um semestre letivo, um método de ensino com auxílio de
computadores foi aplicado na turma A, enquanto, nesse mesmo período, outro
método sem auxílio de computadores foi aplicado na turma B. Ao final desse
semestre, o mesmo teste foi aplicado para os 60 alunos participantes desse
estudo. O quadro acima mostra algumas estatísticas acerca das notas obtidas
pelos alunos de ambas as turmas.
Considerando essas informações, acerca de probabilidade, inferência e

amostragem, julgue os itens a seguir.
Exercício 14
A variância amostral das notas da turma B utilizou um denominador igual a 29.
Resolução 05949764803
Alternativa correta. Pois, o número de elementos de cada uma das turmas é de 30

alunos, assim, o denominador da variância amostral ( ) é igual à 29.

Exercício 15
Considerando que as notas da turma A estão ordenadas da menor nota para a

maior nota, então a mediana dessas notas ocupa a 15.ª posição nesse rol de
dados ordenados.
Resolução
Alternativa errada. Como há um número par de elementos em cada uma das turmas
(30 alunos), a mediana será uma média aritmética entre a 15ª e 16ª nota.
Exercício 16
Os alunos da turma B apresentaram desempenho mais homogêneo que os

alunos da turma A, pois a variância amostral da turma B foi inferior a 4,0.
Resolução
Alternativa errada. Tal como vimos na aula 01, nestes casos é útil usarmos o conceito
de coeficiente de variação, pois a variância é afetada pelos valores absolutos dos
dados analisados. Com base no coeficiente de variação aí sim poderíamos usar o
valor do desvio padrão para afirmar que uma turma tem notas mais homogêneas do
que a outra.
05949764803
Exercício 17
O erro padrão da média das notas dos alunos da turma A foi superior a 0,40.
Resolução
Bom pessoal, vocês conhecem o estimador do desvio padrão da média amostral ( ):

Quando você ouvir “erro padrão”, pense em desvio padrão. A diferença é que
erro padrão” é o caso no qual não temos o valor do desvio padrão populacional,
assim, usamos o desvio padrão amostral. Assim:
Alternativa errada.
Bom, vamos pegar mais pesado? Vamos estudar um

pouquinho como se acha a esperança de um determinado estimador, pois aí
poderemos provar se um determinado é ou não viesado. Isso não costuma cair
em provas que não são mais específicas, mas vale a pena saber por cima.
Acompanhem a questão seguinte comigo.
(ANPEC – 2003) Julgue as afirmativas
Exercício 18
05949764803
A média aritmética é um estimador viesado da média populacional.
Resolução
Bom, para provarmos isso precisamos conhecer a seguinte propriedade:
ç ç

Então, vamos ver a nossa fórmula de média aritmética amostral para estimarmos uma
média populacional ( ):
Vamos tirar a esperança desta fórmula:
O valor é constante, portanto sua esperança é igual ao seu próprio valor. Portanto,
vamos tirá-lo do parêntese e aplicar nossa propriedade:
Qual é a esperança de cada observação ? Ora, é a própria média do processo!

Assim:
Ou seja, a média amostral é um estimador não viesado da média populacional.

Alternativa errada. 05949764803
Exercício 19
Um estimador é dito não tendencioso se a sua variância é igual à variância do

parâmetro estimado.
Resolução

Alternativa errada. Um estimador é dito não tendencioso, que é a mesma coisa que
“não viesado”, se sua média for igual ao parâmetro populacional.
Exercício 20
Um estimador consistente pode não ser eficiente.
Resolução
Alternativa verdadeira. Pois, este pode não apresentar a menor variância possível na
classe de estimadores que está sendo comparado.
Exercício 21
(TRT 12ª – 2013\FCC-alterada) Julgue a afirmativa:
“Na amostragem por conglomerados, a população é dividida em grupos

distintos, mutuamente exclusivos, denominados conglomerados. Usa-se a
amostragem aleatória simples para selecionar uma amostra de conglomerados
e depois todos os elementos dos conglomerados selecionados são
analisados.”
05949764803
Resolução
Alternativa correta. Na amostragem por conglomerados, aplicamos a AAS para

escolher os subgrupos e depois analisamos cada elemento do subgrupo escolhido.

(TRT 2ª – 2013\FCC-alterada) Julgue a afirmativa.
Exercício 22
Se as unidades de estudo formam grupos naturais, a amostragem por

conglomerados pode ser considerada, o que envolve selecionar uma amostra
aleatória de grupos ou conglomerados e depois selecionar, de cada grupo, uma
amostra aleatória simples.
Resolução
Alternativa errada. A ordem está invertida. No caso da amostragem por

conglomerados, primeiro aplica-se a AAS para os subgrupos e depois são
investigados todos os elementos de cada um.
Exercício 23
Quando a amostragem estratificada é usada, a média da população é estimada

como a média ponderada das médias das amostras específicas dos estratos.
Resolução
05949764803
Correto. Dado que cada estrato escolhido é uma parte da amostra total, a média da
população deve ser calculada de forma a ser uma média ponderada, levando-se em
conta o “tamanho” de cada parcela desta amostra. Porém, caso a amostragem seja
uniforme, uma média aritmética simples funciona, dado que todas tem o mesmo
tamanho.

Exercício 24
(MTUR – ESAF\2014) Com relação à amostragem, pode-se afirmar que:

a) na amostragem por quotas, tem-se uma amostra não probabilística na qual
divide-se a população em subgrupos e determina-se uma quota (proporcional)
a cada subgrupo. A seleção dos objetos individuais obedece o critério de uma
amostra sistemática.
b) na amostragem estratificada, divide-se a população em grupos (ou classes,
ou estratos), de modo que os elementos pertencentes ao mesmo estrato sejam
o mais heterogêneos possível com respeito à característica em estudo. Para
cada grupo toma-se uma subamostra pelo procedimento a.a.s., e a amostra
global é o resultado da combinação das subamostras de todos os estratos.
c) na amostragem por conglomerados, seleciona-se primeiro, ao acaso, grupos
(conglomerados) de elementos individuais da população. A seguir, toma-se ou
todos os elementos ou uma subamostra de cada conglomerado. Nos
conglomerados, as diferenças entre eles devem ser tão grandes quanto
possível, enquanto as diferenças dentro devem ser tão pequenas quanto
possível.
d) na amostragem por quotas, tem-se uma amostra probabilística na qual
a cada subgrupo. A seleção dos objetos individuais é por sorteio.
e) na amostragem sistemática, toma-se cada k-ésima unidade da população
previamente ordenada, em que k é a razão de amostragem. O procedimento
deve começar ao acaso, sorteando-se um número entre 1 e k.
05949764803
Resolução
Vamos avaliar uma por uma:

a)Realmente é uma amostra não probabilística e que determina-se uma quota
proporcional a cada subgrupo da população. Mas, a seleção não é feita com basem
em amostragem sistemática, método que é probabilístico.
b)Os estratos devem ser dividos de forma que sejam o mais homogêneos possível,
isso permite inferir o que queremos saber de cada uma desta divisões.
c)Ao escolher um conglomerado, todos os elementos dentro dele devem ser
observados.
d)A amostragem por quotas não é probabilística.
e)Definição correta.
Alternativa (e).
Exercício 25
(MPE RO – FUNCAB\2012) Considere os seguintes tipos de amostragem:

(a) amostragem aleatória simples;
(b) amostragem por quotas;
(c) amostragem estratificada;
(d) amostragem sistemática.
Pode- afirmar:
A) Somente (a) é probabilística.
B) Somente (b) é não probabilística.
C) Somente (d) é não probabilística.
D) (b) e (d) são não probabilísticas.
E) Todas são probabilísticas.
05949764803
Resolução
Questão puramente conceitual. Vamos nos lembrara do que foi dito lá em cima:

Amostragem probabilística ou casual: é uma técnica puramente científica com uma
seleção puramente aleatória, na qual podemos calcular a probabilidade de que um
determinado elemento vá fazer parte da amostra. A título de exemplo, podemos citar
a Amostragem Aleatória Simples, a Amostragem Estratificada, a Amostragem
por Conglomerados e a Amostragem Sistemática.
Amostragem não probabilística ou não casual: Escolha deliberada de elementos

da amostra, dependendo de julgamento de valor. A título de exemplo, podemos citar
a amostragem por cotas, a amostragem intencional e a amostragem por
conveniência.
Assim, fica fácil chegar à resposta que a única das amostragens que não é
probabilística é a por quotas (ou cotas).
Alternativa (b).
Exercício 26
(SEDAM RO – FUNCAB\2014) Que tipo de amostragem probabilística tem por

hipótese a disposição dos itens de uma população em subgrupos heterogêneos
representativos da população global?
a)Aleatória Simples com reposição
b)Aleatória simples sem reposição
05949764803
c)Por conglomerados
d)Estratificada
e)Sistemática

Resolução
Perceba o que está sendo dito! O exercício está te dizendo que a hipótese é que os
itens da população estão distribuídos em subgrupos diferentes, mas que representam
bem a população como um todo.
Em primeiro lugar, nós podemos perceber que a resposta será a alternativa (c) ou (d),
afinal estas são amostragens probabilísticas que levam em conta “subgrupos da
população”.
Mas, a resposta é Amostragem por Conglomerados. Por que? O exercício afirma que
os subgrupos, apesar de diferentes entre si, são representativos da população total,
ou seja, cada um destes grupos pode ser usado para representar a população como
um todo! Vamos pensar em um jeito fácil de representar estes tipos de amostragem:
Estratificada: subgrupos diferentes entre si, mas homogênenos internamente.
Conglomerados: subgrupos semelhantes entre si, mas com variabilidade

interna significativa.
Qual você acha que tem subgrupos que melhor representam a população total? A
Amostragem por Conglomerados, afinal, esta amostragem forma subgrupos que
seriam “pequenas populações” no que se refere à presença de diversas parcelas da
população. No caso da Amostragem Estratificada, os subgrupos seriam “partes” da
população total que seriam homogêneos entre si.
05949764803
Alternativa (c).

Exercício 27
(SUDECO – FUNCAB\2013) Em quais das seguintes situações pode ser

adequado usar amostragem NÃO probabilística?
I. na ausência de listas razoavelmente completas sobre a população.
II. em estudos exploratórios que pretendam buscar uma visão preliminar do
problema em análise.
III. quando é necessário entrevistar pessoas em posição privilegiada em termos
de acesso à informação.
IV. quando se pretende visualizar casos extremos, capazes de sugerir
contrastes marcantes.
A) I e III, apenas.
B) II e IV, apenas.
C) I, II, III, IV.
D) I, II e III, apenas.
E) I, II e IV, apenas.
Resolução
Olha pessoal, esta questão é ótima para ser “decorada” no que se refere à concepção
do motivo pelo qual seria utilizada uma amostragem não probabilística. Vamos
resumir:
1)dificuldade de obter os dados completos;
05949764803
2)análise preliminar;
3)necessidade de conhecer o comportamento de um grupo específico.
Todas as alternativas estão corretas!
Alternativa (c).

Exercício 28
(SUDECO – FUNCAB\2013) A utilização de amostragem sistemática (ASI)

geralmente produz amostras com a mesma qualidade que a amostragem
aleatória simples (AAS). Qual ou quais das afirmações a seguir indica(m) uma
vantagem da amostragem sistemática com relação à AAS?
I. Quando se usam listas informatizadas, ASI poupa mais tempo.
II. Com ASI a seleção de elementos pode resultar menos concentrada.
III. Embora raras na prática, certas listas podem possuir periodicidade, o que
prejudica ASI.
IV. Na ASI, o cálculo do intervalo de amostragem, pode alterar o tamanho final,
tornando-o maior ou menor que o desejado.
A) Somente II indica uma vantagem da ASI.
B) Somente IV indica uma vantagem da ASI.
C) I e II indicam vantagens da ASI.
D) II e IV indicam vantagens da ASI.
E) Nenhuma das afirmações indica vantagem.
Resolução
Vamos analisar uma alternativa de cada vez:
I. A ASI nunca poupa mais tempo, afinal a AAS é muito fácil de ser utilizada,
05949764803
aplicando-se um critério probabilístico. No mínimo, se você pensar em termos de

sistemas informatizados, eles levarão o mesmo tempo.
II. Perfeito! Com a AAS, não sabemos qual o valor do elemento que será escolhido.
A AAS pode resultar na seleção de elementos muito “próximos”, já que todos os
elementos tem igual chance de serem escolhidos. No caso da ASI, isso não pe
verdade, pois, dado um critério de seleção, você terá um elemento que será
equidistante dos demais.
III. Isso melhoraria a eficiência do ASI.
IV. Não há como se inferir isso.

Alternativa (a).
Pessoal, o próximo exercício deve ser resolvido comigo,

ok? Trata-se de uma definição não muito utilizada, mas que vocês devem saber!
Exercício 29
(SEPLAG MG - FUNCAB\2014) Qual é o nome das medidas estatísticas,

calculadas no esquema de cinco números?
A) Mínimo, 1º quartil, 2º quartil, 3º quartil, máximo
B) Mínimo, 1º quartil, média, 3º quartil, máximo
C) Mínimo, mediana, média, moda, máximo
D) Média, mediana, moda, desvio, máximo
Resolução
Guarde isso! O esquema dos cinco números é dado por cinco medidas de uma
amostra, nesta ordem:
-Menor valor da amostra
-1º quartil
-2º quartil ou mediana
-3º quartil 05949764803
-Maior valor da amostra
Alternativa (a).

Exercício 30
(DNIT – ESAF\2013) Para efetuar um determinado trabalho, 3 servidores do DNIT

serão selecionados ao acaso de um grupo com 4 homens e 2 mulheres. A
probabilidade de serem selecionados 2 homens e 1 mulher é igual a:
a) 55%
b) 40%
c) 60%
d) 45%
e) 50%
Resolução
Para resolver, primeiramente, vamos calcular quantas opções são possíveis,

independente da combinação:
Como o exercício quer combinações de 2 homens e 1 mulher, fica fácil “fazer no

braço”! Veja, isso seria uma combinação de 4 elementos em grupos de 2 (ou seja,
como seria possível dividir 2 lugares entre 4 homens) multiplicado pela quantidade de
mulheres (pois só há uma mulher):
05949764803
Assim, a probabilidade buscada será de:
Alternativa (c).

Exercício 31
(DNIT – ESAF\2013) Uma escola oferece reforço escolar em todas as disciplinas.

No mês passado, dos 100 alunos que fizeram reforço escolar nessa escola, 50
fizeram reforço em Matemática, 25 fizeram reforço em Português e 10 fizeram
reforço em Matemática e Português. Então, é correto afirmar que, no mês
passado, desses 100 alunos, os que não fizeram reforço em Matemática e nem
em Português é igual
a:
a) 15
b) 35
c) 20
d) 30
e) 25
Resolução
Esta questão não é necessariamente de Estatística, mas ajuda a compreensão do

Diagrama de Venn, que sempre é útil treinar.
Assim, vamos desenhar as nossas informações no Diagrama. O segredo é sempre

começar pela intersecção!
05949764803
Agora diminua o total de cada um dos reforços do valor de intersecção:

Assim, o total de pessoas que fizeram algum destes reforços foi de:
Portanto, a quantidade que não fez nenhum dos dois foi de:
Alternativa (b).
05949764803

Exercício 32
(EMPLASA – VUNESP/2014)
Resolução
Normalmente não é esta “mamata”! Você terá de perceber se a questão está falando
de uma amostra para usar o estimador da variância no caso da amostra, ou seja, o
denominador n-1! Mas, a questão é fácil:
05949764803
Alternativa (d).

Exercício 33
Resolução
De uma maneira bem simples, o que a questão está dizendo é que houve um
problema no processo de amostragem, decorrente de um processo de amostragem
“casual”! O que houve foi que, no processo natural de amostragem probabilística,
existem erros que são inevitáveis. Esse é um erro de amostragem!
05949764803
Alternativa (a).

Exercício 34
(MPOG – ESAF/2015)
05949764803
Resolução
O que você quer saber é:
Nós sabemos que:

ã
ã
ã
Suponha que o total seja de 100 pessoas. Neste caso, 50 pessoas gostam de carne
de gado, 40 de javali e 10 de jacaré. Dentre estes indivíduos, suponha que, para fins
de facilitar o cálculo e trabalhar com números redondos, cada um destes indivíduos
tenha ido a restaurantes 2 vezes em um determinado período de tempo.
Neste caso:
 Dos que gostam de gado: nas 100 visitas (50 pessoas com duas idas cada),
não foi pedida cerveja em 20% das vezes, ou seja, 20 vezes.
 Dos que gostam de javali: nas 80 visitas (40 pessoas com duas idas cada),
não foi pedida cerveja em 10% das vezes, ou seja, 8 vezes.
 Dos que gostam de jacaré: nas 20 visitas (10 pessoas com duas idas cada),
não foi pedida cerveja em 5% das vezes, ou seja, 1 vez.
Portanto:
A probabilidade de gostar de javali e não beber é dada pelas 8 visitas acima do total
de 200 visitas. Assim, a probabilidade condicional é de:
05949764803
ã
ã
Alternativa (a).

Exercício 35
(Agente fazendário – ESAF\2010)
Resolução
Vamos “fingir” que, no total há 100 automóveis nesta cidade. Neste caso, 25 são da
marca A e 50 da B, certo?
No caso da marca A, 30% de um total de 25 são pretos e, no caso da marca B, 20%

de 50 são pretos:
05949764803
Portanto, 17,5 (10 + 7,5) carros são pretos (eu sei, ficou estranho ter 7,5 carros
pretos da marca A, mas eu acho que esse tipo de exercício fica melhor
visualizado com essa técnica de atribuir um número para o percentual dado no
enunciado), pois só estas duas marcas possuem carros pretos. Como nós fizemos
com que cada automóvel representasse 1% do total, 17,5 é a mesma coisa que
17,5%!
Alternativa (a).

Exercício 36
(ANEEL – ESAF/2009)
Resolução
No total temos 15 bolas! Quantas combinações de 3 bolas podem ser formadas?
Portanto, existem 455 combinações de três bolas!
A probabilidade de 3 bolas de mesma cor é igual a quantidade de combinações de

três bolas azuis, vermelhas e amarelas (verdes não, pois só há duas) divididas pelo
total de combinações. Então, vamos lá!
05949764803
Assim, a probabilidade desejada é de:
Alternativa (e).

Lista de exercícios resolvidos
Exercício 1
(ATRFB – 2013/ESAF) A variância da amostra formada pelos valores 2, 3, 1, 4, 5

e 3 é igual a
a) 3.
b) 2.
c) 1.
d) 4.
e) 5.
Exercício 2
(PETROBRÁS – 2010/CESGRANRIO) Em um conjunto de N elementos extraídos

de uma população, foi utilizada o seguinte estimador para avaliar a dispersão:
Onde é a média aritmética dos dados. Qual o significado desta expressão?
a) Desvio padrão não tendencioso da população

05949764803
b) Estimativa não tendenciosa do desvio padrão populacional

c) Estimativa tendenciosa do desvio padrão populacional
d) Estimativa tendenciosa da variância populacional
e) Estimativa não tendenciosa da variância populacional

Exercício 3
(CGU – 2008/ESAF) Qual o estimador de máxima verossimilhança da variância

de uma variável X normalmente distribuída obtido a partir de uma amostra
aleatória simples X1, 2, ...,Xn, desta variável, sendo m = i Xi / n o estimador de
máxima verossimilhança da média?
a) i (Xi - m)2 /(n-1)

b) i (Xi - m)2 /(n-2)
c) [ i (Xi - m)2 /(n-1)] 0,5
d) i (Xi - m)2 . i (Xi - m)2
e) i (Xi - m)2 /n
(SEFAZ\RJ – FGV/2010 - alterada) Com base em uma variável ( ) que segue uma
distribuição normal de média 15 e desvio padrão ( ) 2, com uma amostra de 36
elementos, julgue as afirmativas.
Exercício 4
Dado que é normal, sua média aritmética também é.
Exercício 5
05949764803
A média amostral é um estimador tendencioso da média populacional.
Exercício 6
A média aritmética de tem desvio padrão de 1/3.

Exercício 7
(PETROBRAS – 2010/CESGRANRIO) Quando se lança uma certa moeda, a

probabilidade de o resultado ser cara é p. A moeda foi lançada dez vezes,
sucessivas e independentes, e o resultado foi de 2 caras e 8 coroas. Tendo em
vista este experimento, a estimativa de máxima verossimilhança de p é:
a)0,2
b0,25
c)0,3
d)0,35
e) 0,4
Exercício 8
(CGU – 2008/ESAF) Seja um estimador do parâmetro de uma população.

Se , diz-se que é um estimador:
a) Eficiente
b) Não viesado
c) Consistente
d) De Mínimos Quadrados
e) De Máxima Verossimilhança
(ANPEC – 2010) Julgue as afirmativas.

05949764803
Exercício 9
Considere dois estimadores não tendenciosos, e de um parâmetro , é

dito eficiente relativamente a se

Exercício 10
Um estimador é um estimador consistente de se converge para

conforme a amostra tende ao infinito.
Exercício 11
Um estimador é um estimador consistente de se, e somente se, for não

viesado.
Exercício 12
(CEB – 2009/UNIVERSA) Para saber as condições dos animais de uma fazenda,

será realizada uma pesquisa por amostragem estratificada, a partir de uma
amostra de 15 animais. A tabela seguinte apresenta o efetivo de animais desta
fazenda:
Animal Efetivo
Asininos 80
Bovinos 300
Caprinos 120
Equinos 150
Suínos 250
05949764803
A quantidade de bovinos e suínos a serem utilizados na pesquisa são:

a) 5
b) 6
c) 7
d) 8
e) 9

Exercício 13
(TRT 3ª região – 2009/FCC) O objetivo de uma pesquisa era o de se obter,

relativamente aos moradores de um bairro, informações sobre duas variáveis:
nível educacional e renda familiar. Para cumprir tal objetivo, todos os
moradores foram entrevistados e arguídos quanto ao nível educacional, e,
dentre todos os domicílios do bairro, foram selecionados aleatoriamente 300
moradores para informar a renda familiar. As abordagens utilizadas para as
variáveis nível educacional e renda familiar foram, respectivamente,
a) censo e amostragem por conglomerados.
b) amostragem aleatória e amostragem sistemática.
c) censo e amostragem aleatória simples.
d) amostragem estratificada e amostragem sistemática.
e) amostragem sistemática e amostragem em dois estágios.
(SEDUC-AM – 2011\CESPE)
Turma Média Aritmética Variância Amostral

A 7,2 4
B 6,8 3,6
Um estudo foi realizado em determinada escola para se avaliar o efeito, no

05949764803
desempenho dos estudantes, do uso de computadores em sala de aula. Para

esse estudo, foram selecionados aleatoriamente 60 alunos de determinado ano
escolar, separando-os em duas turmas A e B, cada uma com 30 alunos. Ao
longo de um semestre letivo, um método de ensino com auxílio de
computadores foi aplicado na turma A, enquanto, nesse mesmo período, outro
método sem auxílio de computadores foi aplicado na turma B. Ao final desse
semestre, o mesmo teste foi aplicado para os 60 alunos participantes desse
estudo. O quadro acima mostra algumas estatísticas acerca das notas obtidas
pelos alunos de ambas as turmas.

Considerando essas informações, acerca de probabilidade, inferência e

amostragem, julgue os itens a seguir.
Exercício 14
A variância amostral das notas da turma B utilizou um denominador igual a 29.
Exercício 15
Considerando que as notas da turma A estão ordenadas da menor nota para a

maior nota, então a mediana dessas notas ocupa a 15.ª posição nesse rol de
dados ordenados.
Exercício 16
Os alunos da turma B apresentaram desempenho mais homogêneo que os

alunos da turma A, pois a variância amostral da turma B foi inferior a 4,0.
Exercício 17
O erro padrão da média das notas dos alunos da turma A foi superior a 0,40.
05949764803

Bom, vamos pegar mais pesado? Vamos estudar um

pouquinho como se acha a esperança de um determinado estimador, pois aí
poderemos provar se um determinado é ou não viesado. Isso não costuma cair
em provas que não são mais específicas, mas vale a pena saber por cima.
Acompanhem a questão seguinte comigo.
(ANPEC – 2003) Julgue as afirmativas
Exercício 18
A média aritmética é um estimador viesado da média populacional.
Exercício 19
Um estimador é dito não tendencioso se a sua variância é igual à variância do

parâmetro estimado.
Exercício 20
Um estimador consistente pode não ser eficiente.
Exercício 21
05949764803
(TRT 12ª – 2013\FCC-alterada) Julgue a afirmativa:
“Na amostragem por conglomerados, a população é dividida em grupos

distintos, mutuamente exclusivos, denominados conglomerados. Usa-se a
amostragem aleatória simples para selecionar uma amostra de conglomerados
e depois todos os elementos dos conglomerados selecionados são
analisados.”

(TRT 2ª – 2013\FCC-alterada) Julgue as afirmativas.
Exercício 22
Se as unidades de estudo formam grupos naturais, a amostragem por

conglomerados pode ser considerada, o que envolve selecionar uma amostra
aleatória de grupos ou conglomerados e depois selecionar, de cada grupo, uma
amostra aleatória simples.
Exercício 23
Quando a amostragem estratificada é usada, a média da população é estimada

como a média ponderada das médias das amostras específicas dos estratos.
Exercício 24
(MTUR – ESAF\2014) Com relação à amostragem, pode-se afirmar que:

a) na amostragem por quotas, tem-se uma amostra não probabilística na qual
a cada subgrupo. A seleção dos objetos individuais obedece o critério de uma
amostra sistemática.
b) na amostragem estratificada, divide-se a população em grupos (ou classes,
05949764803
ou estratos), de modo que os elementos pertencentes ao mesmo estrato sejam

o mais heterogêneos possível com respeito à característica em estudo. Para
cada grupo toma-se uma subamostra pelo procedimento a.a.s., e a amostra
global é o resultado da combinação das subamostras de todos os estratos.
c) na amostragem por conglomerados, seleciona-se primeiro, ao acaso, grupos
(conglomerados) de elementos individuais da população. A seguir, toma-se ou
todos os elementos ou uma subamostra de cada conglomerado. Nos
conglomerados, as diferenças entre eles devem ser tão grandes quanto

possível, enquanto as diferenças dentro devem ser tão pequenas quanto
possível.
d) na amostragem por quotas, tem-se uma amostra probabilística na qual
a cada subgrupo. A seleção dos objetos individuais é por sorteio.
e) na amostragem sistemática, toma-se cada k-ésima unidade da população
previamente ordenada, em que k é a razão de amostragem. O procedimento
deve começar ao acaso, sorteando-se um número entre 1 e k.
Exercício 25
(MPE RO – FUNCAB\2012) Considere os seguintes tipos de amostragem:

(a) amostragem aleatória simples;
(b) amostragem por quotas;
(c) amostragem estratificada;
(d) amostragem sistemática.
Pode- afirmar:
A) Somente (a) é probabilística.
B) Somente (b) é não probabilística.
C) Somente (d) é não probabilística.
D) (b) e (d) são não probabilísticas.
E) Todas são probabilísticas.
Exercício 26
05949764803
(SEDAM RO – FUNCAB\2014) Que tipo de amostragem probabilística tem por

hipótese a disposição dos itens de uma população em subgrupos heterogêneos
representativos da população global?
a)Aleatória Simples com reposição
b)Aleatória simples sem reposição
c)Por conglomerados
d)Estratificada
e)Sistemática

Exercício 27
(SUDECO – FUNCAB\2013) Em quais das seguintes situações pode ser

adequado usar amostragem NÃO probabilística?
I. na ausência de listas razoavelmente completas sobre a população.
II. em estudos exploratórios que pretendam buscar uma visão preliminar do
problema em análise.
III. quando é necessário entrevistar pessoas em posição privilegiada em termos
de acesso à informação.
IV. quando se pretende visualizar casos extremos, capazes de sugerir
contrastes marcantes.
A) I e III, apenas.
B) II e IV, apenas.
C) I, II, III, IV.
D) I, II e III, apenas.
E) I, II e IV, apenas.
Exercício 28
(SUDECO – FUNCAB\2013) A utilização de amostragem sistemática (ASI)

geralmente produz amostras com a mesma qualidade que a amostragem
aleatória simples (AAS). Qual ou quais das afirmações a seguir indica(m) uma
vantagem da amostragem sistemática com relação à AAS?
05949764803
I. Quando se usam listas informatizadas, ASI poupa mais tempo.

II. Com ASI a seleção de elementos pode resultar menos concentrada.
III. Embora raras na prática, certas listas podem possuir periodicidade, o que
prejudica ASI.
IV. Na ASI, o cálculo do intervalo de amostragem, pode alterar o tamanho final,
tornando-o maior ou menor que o desejado.
A) Somente II indica uma vantagem da ASI.
B) Somente IV indica uma vantagem da ASI.
C) I e II indicam vantagens da ASI.

D) II e IV indicam vantagens da ASI.
E) Nenhuma das afirmações indica vantagem.
Pessoal, o próximo exercício deve ser resolvido comigo,

ok? Trata-se de uma definição não muito utilizada, mas que vocês devem saber!
Exercício 29
(SEPLAG MG - FUNCAB\2014) Qual é o nome das medidas estatísticas,

calculadas no esquema de cinco números?
A) Mínimo, 1º quartil, 2º quartil, 3º quartil, máximo
B) Mínimo, 1º quartil, média, 3º quartil, máximo
C) Mínimo, mediana, média, moda, máximo
D) Média, mediana, moda, desvio, máximo
Exercício 30
(DNIT – ESAF\2013) Para efetuar um determinado trabalho, 3 servidores do DNIT

serão selecionados ao acaso de um grupo com 4 homens e 2 mulheres. A
probabilidade de serem selecionados 2 homens e 1 mulher é igual a:
a) 55%
b) 40%
c) 60% 05949764803
d) 45%
e) 50%

Exercício 31
(DNIT – ESAF\2013) Uma escola oferece reforço escolar em todas as disciplinas.

No mês passado, dos 100 alunos que fizeram reforço escolar nessa escola, 50
fizeram reforço em Matemática, 25 fizeram reforço em Português e 10 fizeram
reforço em Matemática e Português. Então, é correto afirmar que, no mês
passado, desses 100 alunos, os que não fizeram reforço em Matemática e nem
em Português é igual
a:
a) 15
b) 35
c) 20
d) 30
e) 25
Exercício 32
05949764803

Exercício 33
05949764803

Exercício 34
(MPOG – ESAF/2015)
05949764803

Exercício 35
(Agente fazendário – ESAF\2010)
Exercício 36
(ANEEL – ESAF/2009)
05949764803

1-b
2-c
3-e
4-V
5-F
6-V
7-a
8-b
9-V
10-V
11-F
12-e
13-c
14-V
15-F
16-F
17-F
18-F
19-F
20-V
21-V
22-F
23-V
24-e
25-b
26-c
27-c
28-a
29-a
30-c
31-b
05949764803
32-d
33-a
34-a
35-a
36-e
É isso aí pessoal! Mandem dúvidas.
Um abraço e bons estudos
jeronymobj@hotmail.com

1 4954047907520053482 PDF

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

1 4954047907520053482 PDF

Caricato da

Copyright:

Formati disponibili

Aula 07

Estatística p/ AFRFB - 2016 (com videoaulas)

05949764803 - NECILDA LOURENCO PAULA

AULA 07 – Inferência e Estimação

Bem vindos de volta!

O que fazer alguns dias antes da prova? Essa pergunta aflige

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 1 de 67

05949764803 - NECILDA LOURENCO PAULA

1. Introdução à inferência estatística

1.1 Amostragem e estimador

Inferência é o processo através do qual uma pessoa tira conclusões sobre a

População = conjunto de todos os elementos que

Amostra = parte não nula da população, mas menor

A primeira pergunta que um pesquisador faria é: como obter uma determinada

A amostragem pode ser realizada de duas formas diferentes:

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 2 de 67

05949764803 - NECILDA LOURENCO PAULA

Amostragem probabilística ou casual: é uma técnica puramente científica com uma

Amostragem não probabilística ou não casual: Escolha deliberada de elementos

Amostragem Aleatória Simples (AAS)

Este é o tipo mais famoso de amostragem e o mais utilizado na demonstração de

Não entendeu? Suponha que queiramos encontrar uma amostra de 10 elementos de

pessoas com o sobrenome “SILVA” da população de pessoas residentes no Brasil.

Uma AAS pode ser realizada com e sem reposição.

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 3 de 67

05949764803 - NECILDA LOURENCO PAULA

Amostragem Aleatória Estratificada (AAE)

Neste caso, a população seria dividida em estratos, seguindo-se a aplicação de uma

Atenção, a amostra de cada estrato será proporcional ao tamanho de cada uma de

Amostragem Aleatória por Conglomerado

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 4 de 67

05949764803 - NECILDA LOURENCO PAULA

Amostragem por Conveniência

Amostragem por quotas

A participação de uma determinada característica na população é utilizada para fins

O pesquisador seleciona intencionalmente os elementos que irão compor sua

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 5 de 67

05949764803 - NECILDA LOURENCO PAULA

-“Tudo bem professor, mas o que fazer com esta amostra”?

Um exemplo bacana seria se estivéssemos analisando a altura média de uma

Não entendeu? Veja, se nós tivéssemos toda a população de elementos e

Sendo ( ) o somatório de todos os elementos da população ( ). No caso, a média

Sendo ( ) o tamanho da amostra e o chapéu sobre ( ) um indicativo de que

-“Entendi professor, o estimador do parâmetro populacional seria equivalente

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 6 de 67

05949764803 - NECILDA LOURENCO PAULA

Sendo o operador esperança.

Esperança matemática é um conceito intimamente relacionado com a média

Sendo a frequência relativa de .

Percebeu? A aplicação do operador “esperança” a uma série de dados nos diz,

Entendeu? A esperança do estimador de um parâmetro populacional é igual ao seu

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 7 de 67

05949764803 - NECILDA LOURENCO PAULA

Vou ressaltar uma coisa que confunde muita gente. Você

Pode-se provar que:

Ou seja, a esperança do estimador da média amostral é igual à média populacional.

Portanto, se um exercício de concurso te pedir a média de

Outra estatística que é comumente cobrada em concursos é a variância (por

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 8 de 67

05949764803 - NECILDA LOURENCO PAULA

Entretanto, pode-se provar que:

faz, a título de curiosidade, eu indico bibliografias para vocês.

Voltando ao problema em questão, a nossa estatística para cálculo da variância