Baixe o app para aproveitar ainda mais
Prévia do material em texto
P3 - Probabilidade e Estatística – 2011.2 Dpto. Engenharia Elétrica, PUC-Rio. Professores: Reinaldo Souza & Roxana Jimenez Contreras Problema 1 (2.0 pts) 1.1) (0.4 pt) O que vem a ser um “estimador” e uma “estimativa” de um parâmetro. 1.2) (0.4 pt) Qual a diferença entre as densidade Normal e T-Student. Em que situação elas ficam aproximadamente iguais? 1.3) (0.4 pt) Seja X ~ Qui-quadrado(15). Qual é a Prob (7,26 ≤ X ≤25,0)? 1.4) (0.8 pt) Mostre que se e são v.a. estatisticamente independentes, então Problema 2 ( 2,0 pts ) Em um experimento no qual temos uma variável aleatória discreta que modela “n” repetições de um experimento Bernoulli até obter o r-ésimo sucesso, pede-se: a) (0.5 pt) Qual o modelo probabilístico (paramétrico) que você adotaria para este experimento? RESPOSTA X ~ NegBin (r,p) b) (1,5 pt) Qual o estimador de máxima verossimilhança do parâmetro deste modelo, descreva todos os passos para a obtenção do estimador. RESPOSTA X n MV ˆ Problema 3A (1.8 pts) Distribuição conjunta Sejam e v.a.'s contínuas com densidade conjunta: a) (0.6 pt) Encontre a constante “k” que faz desta expressão uma densidade. RESPOSTA 3k 2y0 e 1 x < 0 onde, 3 . ),( 2 x yx yxf 2y0 e 1 x < 0 onde, . ),( 2 x k yx yxf b) (0.4 pt) Encontre a densidade marginal de . RESPOSTA 2.2 3 .2 )( x x xf c) (0.4 pt) Encontre a densidade marginal de . RESPOSTA 3 1 6 )( y yf d) (0.4 pt) e são independentes? Por que? Justifique. RESPOSTA 3 .2 3 . 9 .2 9 . )().( 2.2 xyxxyx yfxf Conclusão: )().(),( yfxfyxf , então, X e Y não são independentes. Problema 3B (1.2 pts) Distribuição conjunta Sejam e v.a.'s contínuas com as densidades: 1- Densidade conjunta 2- Densidade marginal de : 3- Densidade marginal de Y: Pede-se: 1 x < 0 onde, 2 3 )( 2 xxxf X 1 x < 0 onde, 2 1 )( yyfY 1y0 e 1 x < 0 onde,..2. 2 3 ),( 2 yxxyxf a) (0.5 pt) Encontre a densidade condicional de dado . RESPOSTA 2.3 4.3 )( x yx xXYf , onde ]1,( ]1,0( xy x b) (0.7 pt) Ache a Média condicional de dado . RESPOSTA dyxyfyxXYE ).(. 2 0 , onde ]1,0( ]1,0( y x 12.18 8.9 x x xXYE Problema 4A( 1,0 pts ) Uma máquina “A” produz peças circulares cujos diâmetros “Di” devem obedecer uma determinada especificação em mm, e, uma outra máquina “B” foi encontrada no mercado. Quer-se saber se os diâmetros médios das duas máquinas são próximas, ou seja, se as máquinas produzem peças que podem ser consideradas estatisticamente idênticas em termos dos diâmetros das mesmas. Tomou-se uma amostra de 12 peças da máquina “A”, e 18 peças da máquina “B”, tendo sido obtidas as seguintes estimativas amostrais: Máquina “A” : AX = 98mm e SA = 9mm Máquina “B”: BX = 100mm e SB = 8mm Encontre o Intervalo de Confiança para a Diferença das Médias das duas máquinas (µA- µB) ao nível de significância de 95%. O que você conclui? As peças podem ser consideradas estatisticamente iguais? RESPOSTA [ -8,4164 ; 4,417 ] Sim, O Zero está contido no Intervalo de Confiança , portando as médias de sua alturas podem ser iguais ao nível de significância de 95%. 2 S.1S.1 . 11 2 B 2 A mn mn mn R 133,3R IC Problema 4B ( 1,0 pts) O diâmetro final de um cabo elétrico blindado é Normalmente distribuído. Uma amostra com tamanho 20, produz uma média de 0,790 e um desvio padrão amostral 0,010. Encontre o Intervalo de Confiança de 95% para a média da população. RESPOSTA IC = [ 0,7853 ; 0,7947 ] Problema 4C (1.0 pts) Uma marca de máquina de lavar roupa quer saber a proporção das donas de casa que preferem usar sua marca. Pegam uma amostra aleatória de 100 Donas de casa e 20 dizem que usaria. Calcule o Intervalo de Confiança de 90% para a verdadeira proporção das Donas de casa que preferem a marca de máquina de lavar. RESPOSTA IC= [0,1344;0,2656] BOA SORTE!!! FORMULÁRIO PARA PROVA Variáveis Aleatórias Discretas e Contínuas Distribuição Bernoulli - X ~ Bernoulli(p) Função de probabilidade: Distribuição Binomial - X ~ Bin (n,p) Função de probabilidade: Distribuição Geométrica - X ~ Geom (p) Função de probabilidade: Distribuição Binomial Negativa - X ~ NegBin (r,p) Função de probabilidade: Distribuição Poisson - X ~ Poisson(μ) Função de probabilidade: Distribuição Exponencial - X ~ Exp(λ) Função de probabilidade: Distribuição Normal - X ~ N(μ,σ2) Função de probabilidade: Se X ~ N(μ,σ2) )1,0(~ N X Z 1)Pr()( 1 xx ppxXxf )1( )!(! ! )1(Pr)( xnxxnx pp xnx n pp x n xXxf .)Pr()( 1 pqxXxf x .. 1 1 )Pr()( rxr qp r x xXxf ! )Pr()( x e xXxf x 0 e 0 onde .exp.)( xxxf R 0 onde . 2 1 )( 22 2 2 2 eexf x Intervalos de Confiança - onde a e b são tirados da tabela qui- quadrado com (n-1) graus de liberdade n zX n zX n zXIC 2/12/12/1 ; n s tX n s tX n s tXIC nnn 2/1,12/1,12/1,1 ; )ˆ1(ˆ ˆ , )ˆ1(ˆ ˆ )ˆ1(ˆ ˆ 2/12/12/1 n pp zp n pp zp n pp zpIC RzYXRzYXRzYXIC 2/12/12/1 ; 2 )1()1(11 22 2 1 mn SnSm mn R aaSnbSn 1]/)1(/)1Pr[( 222 n i i XX n s 1 22 1 1 n i iX n X 1 1 Tabelas
Compartilhar