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. SOLUÇÃO Estimador são as fórmulas (funções) dos dados da amostra que são usadas para definir um resultado para estimar um parâmetro. Estimativa é o resultado de um estimador quando substituímos os valores da amostra na fórmula. 1.2) (0.4 pt) Qual a diferença entre as densidade Normal e T-Student. Em que situação elas ficam aproximadamente iguais? SOLUÇÃO A t-student é quando a sua curva com relação a Normal é mais achatada, e quando o seu grau de liberdade passa a ser >30 ela vira uma Normal. 1.3) (0.4 pt) Seja X ~ Qui-quadrado(15). Qual é a Prob (7,26 ≤ X ≤25,0)? SOLUÇÃO -Pela tabela“χ2”, g=n-1=15 a= 7,26 e b=25,0 95,0 (1-α)= 0,90 05,0 a= 7,26 b=25,0 - Intervalo de confiança [1-α] = 0,90 1.4) (0.8 pt) Mostre que se e são v.a. estatisticamente independentes, então . SOLUÇÃO V(X+Y) = E(X+Y)2 – E2(X+Y) E(X+Y) = E(X) + E(Y) - Se X e Y são independentes V(X+Y) = E(X2+2XY+Y2) – [E(X)+E(Y)]2 = [E(X2) + 2E(XY) + E(Y2)] – [ E2(X) + 2E(X).E(Y) + E2(Y) ] Como X e Y são independente, então: E(XY) = E(X).E(Y) - provar E(X,Y) = ∫∫(XY).f(X,Y) dx.dy = ∫∫(XY).[f(X).f(Y)] dx.dy = ∫Yf(y)dy . ∫Xf(x)dx = E(Y) . E(X) V(X+Y) = [E(X2) + 2E(XY) + E(Y2)] – [ E2(X) + 2E(X).E(Y) + E2(Y) ] = E(X2) + 2E(X).E(Y) + E(Y2) - E2(X) - 2E(X).E(Y) - E2(Y) ] = [E(X2) - E2(X)] + [E(Y2) - E2(Y)] V(X+Y) = Var (X) + Var (Y) 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? SOLUÇÃO BINOMIAL NEGATIVA b) (1,5 pt) Qual o estimador de máxima verossimilhança do parâmetro deste modelo, descreva todos os passos para a obtenção do estimador. X ~ Binomial Negativa (n,θ) SOLUÇÃO Obtenção da função de verossimilhança “θ” (θ ,n) = f(x1, x2,...xn) (θ ,n) = N i nxn n x 1 )1.(. 1 1 = N i nxn nxx x 1 1.. !)!1( )!1( = N i NnxNn i N i nxx x 1 11.. !)!1( )!1( Obtenção do Log-verossimilhança l(Ɵ ,n) log (Ɵ ,n)] = log N i Nnx Nn i N i nxx x 1 11.. !)!1( )!1( = log 1log.log. !)!1( )!1( 1 1 N i i N i xNnNn nxx x ..... 2,+r 1,+r r,= x onde .. 1 1 )Pr()( rxr qp r x xXxf nxn i n x xf )1.(. 1 1 ),( Obtenção do estimador de máxima verossimilhança de “Ɵ” 1ª derivada - 11 1 N i ix NnNnl Iguala a zero - 0 l 0 11 1 N i ix NnNn 01 1 N i ixNnNn 0 1 N i ixNnNnNn - 0 1 Nnx N i i N i ix Nn 1 Substituir MV ˆ então 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. SOLUÇÃO 1.).,(),( 2 0 1 0 dydxyxfyxf y y x x 1. . 2 0 1 0 2 dydxx k yx y y x x 1. 32 . 2 0 1 0 32 dy xx k y y y 1 3 1 2 2 0 dy k y y y 1 34 2 0 2 y k y 1 3 21 k 3k 2 3 . ),( x yx yxf b) (0.4 pt) Encontre a densidade marginal de . SOLUÇÃO dyyxfxf y y .),()( 2 0 , onde 0≤y≤2 dyx yx xf . 3 . )( 2 0 2 2 0 2 2 . 2 . 3 )( yx yx xf 2.2 3 .2 )( x x xf 2y0 e 1 x < 0 onde, . ),( 2 x k yx yxf 2y0 e 1 x < 0 onde, . ),( 2 x k yx yxf c) (0.4 pt) Encontre a densidade marginal de . SOLUÇÃO dxyxfyf x x .),()( 1 0 , onde 0≤x≤1 dxx yx yf x x . 3 . )( 1 0 2 1 0 32 32 . 3 )( xxy yf 3 1 6 )( y yf d) (0.4 pt) e são independentes? Por que? Justifique. SOLUÇÃO Para ser independentes: )().(),( yfxfyxf 2 3 . ),( x yx yxf 2.2 3 .2 )( x x xf 3 1 6 )( y yf 3 1 6 ..2 3 .2 )().( 2 y x x yfxf 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: a) (0.5 pt) Encontre a densidade condicional de dado . SOLUÇÃO )( ),( )( xf yxf xXYf , onde ]1,( ]1,0( xy x x x yx x xXYf 2 .3 ..2 2 .3 )( 2 2 2 .2.3 2 ..43 )( 2 2 xx yxx xXYf 2.3 4.3 )( x yx xXYf b) (0.7 pt) Ache a Média condicional de dado . SOLUÇÃO dyxyfyxXYE ).(. 2 0 , onde ]1,0( ]1,0( y x dy x yx yxXYE . 2.3 4.3 1 0 dyyxy x xXYE ..4.3 2.3 1 1 0 1 0 32 3 .4 2 ..3 2.3 1 yyx x xXYE 6 8.9 2.3 1 x x xXYE 12.18 8.9 x x xXYE 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 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? SOLUÇÃO Máquina “A”: n=12 X A = 98mm SA= 9mm Máquina “B”: n=18 X B = 100mm SB = 8mm Intervalo de confiançapara a diferença das médias: g = n + m – 2 = 28 tabela “T” - Intervalo de Confiança [1-α] = 95% Tabela “T” - 048,22/1 t (1-α)=0,95 025,0 2 048,22/1 t 2 )1()1(11 22 2 1 mn SnSm mn R RzYXRzYXRzYXIC 2/12/12/1 ; [ -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%. 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. SOLUÇÃO O intervalo de confiança ao nível de significância de 95%, , para a “S”. X = 0,790 S = 0,010 n=20 IC da Média de uma Normal com Desvio Padrão (α ) Desconhecido - Caso II - TABELA “T” n S tX n S tX n S tXIC nnn 2/1,12/1,12/1,1 ; 28 817911 . 18 1 12 1 22 xx R 2 S.1S.1 . 11 2 B 2 A mn mn mn R 133,3R RtYXRtYXRtYXIC ttt 222 ; IC 133,3048,21009821 xRtYXIC - Intervalo de Confiança [1-α] = 95% Tabela “t” - 093,22/1,1 nt (1-α)=0,95 025,0 2 093,221,1 nt [ 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. SOLUÇÃO IC aproximado para a proporção de uma Binomial Intervalo de Confiança =? n = 100 p = 20/100=0,20 1-α=90% Pr[-z1-a/2 < Z < z1-a/2] = 1-α 20 01,0 093,2790,0; 20 01,0 093,2790,021,1 n S tXIC n n S tXIC n 2/1,1 Pelo Teorema Central do Limite. IC= [0,1344;0,2656] Pela tabela da N(0,1) Intervalo de confiança [1-α] = 0,90 [1-α]=0,90 α/2=0,05 Z1-α/2= 1,64 BOA SORTE!!! )ˆ1(ˆ ˆ , )ˆ1(ˆ ˆ )ˆ1(ˆ ˆ 2/12/12/1 n pp zp n pp zp n pp zpIC 100 80,020,0 64,120,0 , 100 80,020.0 64,120,0 100 )20,01.(20,0 64,120,0 xx IC 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 ~ 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