Baixe o app para aproveitar ainda mais
Prévia do material em texto
Lista de Exercícios #6 Assunto: Propriedade dos Estimadores e Métodos de Estimação 1 1. 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; 1,52). 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) 2. ANPEC 2017 – Questão 04 Sejam 𝑋1, 𝑋2, … , 𝑋𝑛variáveis aleatórias independentes com distribuição Normal (𝜇, 𝜎 2), em que 𝜇 e 𝜎2 são desconhecidos 𝜎2 > 0. Podemos definir também �̅� = 1 𝑛 ∑ 𝑋𝑖 𝑛 𝑖=1 e 𝑆2 = 1 𝑛−1 ∑ (𝑋𝑖 − �̅�) 2𝑛 𝑖=1 . Podemos afirmar: (0) 𝑆2 é um estimador não tendencioso de 𝜎2. (1) A variância de �̅� é igual a 𝜎2 𝑛 . (2) 𝑆2 é um estimador não tendencioso para a variância de �̅�. (3) 𝑆2 é um estimador consistente de 𝜎2. (4) �̅� é um estimador consistente de 𝜇. 3. ANPEC 2016 – Questão 14 Julgue as afirmativas abaixo: (0) Sejam X1, X2,...,Xn variáveis aleatórias independentes e identicamente distribuídas com média 𝜇 e variância 𝜎2. Então �̅� = ∑ 𝑋𝑖/𝑛 𝑛 𝑖=1 é um estimador consistente para 𝜇; (1) Sejam X1, X2,...,Xn variáveis aleatórias com Distribuição de Poisson com parâmetro 𝜆. Definindo �̅� = ∑ 𝑋𝑖/𝑛 𝑛 𝑖=1 podemos dizer, com base na Lei dos Grandes Números, que �̅� se aproxima de 𝜆 a medida que n → ∞; (2) Sejam X1, X2,...,Xn variáveis aleatórias independentes e normalmente distribuídas com média 𝜇 e variância 𝜎2. Sendo �̅� = ∑ 𝑋𝑖/𝑛 𝑛 𝑖=1 , podemos dizer que �̅� se torna bem aproximada pela distribuição normal com média 𝜇 e variância 𝜎2 quando n → ∞; (3) Sejam X1, X2,...,Xn variáveis aleatórias independentes e identicamente distribuídas com média 𝜇 e variância 𝜎2. Sendo �̅� = ∑ 𝑋𝑖/𝑛 𝑛 𝑖=1 , �̅� se torna bem aproximada pela distribuição normal quando n → ∞, mesmo que X1, X2,...,Xn não sejam normalmente distribuídas; (4) Sendo X uma variável aleatória com média E(X) = 1 e variância 𝜎𝑥 2 = 4, o limite de probabilidade para |X – 1| ≥ 4 é igual a 0,50. Lista de Exercícios #6 Assunto: Propriedade dos Estimadores e Métodos de Estimação 2 4. ANPEC 2015 – Questão 11 Sejam 𝑋𝑛~𝑁 (0; 2 + 2 𝑛 ) e 𝑋~𝑁(0; 2). Julgue as seguintes afirmativas: (0) 𝑋𝑛converge em distribuição para 𝑋 e 𝑋𝑛 converge em probabilidade para 𝑋; (1) 𝑋𝑛 converge em distribuição para 𝑋; (2) 𝑋𝑛 converge em probabilidade para 𝑋; (3) lim 𝑛→∞ 𝑃𝑟[|𝑋𝑛 − 𝑋| < 𝜀] → 1 (4) lim 𝑁→∞ 𝑉𝑎𝑟[𝑋𝑛] = 4 5. ANPEC 2015 – Questão 12 Seja 𝑋1, 𝑋2, … , 𝑋𝑁 uma amostra aleatória de tamanho N com distribuição exponencial: 𝑓(𝑥) = 1 𝜃 𝑒𝑥𝑝 (− 𝑥 𝜃 ) , 0 < 𝑥 < ∞. Seja 𝜃 = 𝑐�̅�, em que 𝑐 é um número real. Julgue as seguintes afirmativas: (0) Podemos afirmar que 𝜃 é um estimador não-viesado para 𝜃; (1) 𝑉𝑎𝑟[𝜃] = 𝑐 𝜃 ; (2) O erro quadrado médio do estimador é 𝜃2(2𝑐² − 2𝑐 + 1). O erro quadrado médio é minimizado quando c é igual a 0,5; (3) Se 𝑐 = 1, 𝜃 é um estimador não-viesado para 𝜃; (4) Se 𝑐 = 1, 𝜃 é um estimador viesado para 𝜃 e o seu erro quadrado médio é igual a 𝜃2. 6. ANPEC 2015 – Questão 15 Sejam 𝑋1, 𝑋2, 𝑋3 e 𝑋4variáveis aleatórias independentes e identicamente distribuídas de uma população com média 𝜇 e variância 𝜎2. Considere os seguintes estimadores para 𝜇: 𝑚1 = (𝑋1 + 2𝑋2 + 2𝑋3 + 𝑋4)/6 𝑚2 = (𝑋1 + 4𝑋2 + 4𝑋3 + 𝑋4)/10 𝑚3 = (𝑋1 + 𝑋2 + 𝑋3 + 𝑋4)/4 Com base nesses três estimadores, são corretas as afirmativas: (0) Os três estimadores são não tendenciosos; (1) 𝑚1 é o estimador com maior variância; (2) Os três estimadores são igualmente eficientes; (3) 𝑚3 é o estimador com menor variância; Lista de Exercícios #6 Assunto: Propriedade dos Estimadores e Métodos de Estimação 3 (4) O estimador 𝑚2 é não tendencioso e tem menor variância do que o estimador 𝑚1. 7. 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 n1 e n2, e possuem médias 1X e 2X . Podemos usar dois estimadores para a média populacional, )( 2 1~ 21 XX e 21 2211ˆ nn XnXn . Julgue as seguintes afirmativas a respeito dos estimadores: (0) ~ é um estimador não-viesado para a média populacional; (1) ̂ é um estimador não-viesado para a média populacional; (2) ~ possui menor variância que ̂ ; (3) ~ é um estimador mais eficiente, isto é, possui menor erro quadrático médio que ̂ ; (4) ~ é um estimador consistente para a média populacional. 8. ANPEC 2013 – Questão 7 𝑋1, … , 𝑋𝑁 é uma amostra aleatória de tamanho 𝑁 de uma população com 𝐸[𝑋𝑖] = 𝜃1 e 𝑉𝑎𝑟[𝑋𝑖] = 𝜃2. Definimos quatro estatísticas: 𝑇1 = ∑ 𝑋𝑖 𝑁 𝑖=1 𝑁 , 𝑇2 = ∑ 𝑋𝑖 𝑁 𝑖=1 𝑁 − 3 , 𝑇3 = ∑ 𝑋𝑖 𝑁/2 𝑖=1 𝑁 , 𝑇4 = ∑ 𝑋𝑖 𝑁 𝑖=1 𝑁2 Em relação às quatro estatísticas, podemos afirmar que: (0) 𝑇2 é um estimador viesado para 𝜃1 e o viés é igual a 3 𝑁−3 𝜃1. (1) Pela lei dos grandes números, 𝑇1 converge em distribuição para uma normal com média 𝜃1 e variância 𝜃2 𝑁 . (2) A variância de 𝑇3 é menor que a variância de 𝑇1. (3) 𝑇3 é um estimador consistente para 𝜃1 2 . (4) Usando a desigualdade de Tchebycheff, podemos mostrar que Pr [𝑇4 ≥ 𝜉] ≤ 𝑉𝑎𝑟(𝑇4) 𝜉2 , onde 𝜉 > 0 é uma constante qualquer. Lista de Exercícios #6 Assunto: Propriedade dos Estimadores e Métodos de Estimação 4 9. ANPEC 2013 – Questão 11 São corretas as afirmativas: (0) Suponha que 𝑋1, 𝑋2, … , 𝑋𝑁 sejam variáveis aleatórias independentes e identicamente distribuídas e que 𝑃(𝑋1 = 𝑥) = 1 11 , 𝑥 = 1, 2, … , 11. Então pela lei dos grandes números, à medida que 𝑛 → 11, �̅� = ∑ 𝑋𝑖/𝑛 𝑛 𝑖=1 converge para 11. (1) Suponha que 𝑋1, 𝑋2, … , 𝑋𝑁 sejam variáveis aleatórias independentes e identicamente distribuídas com distribuição de Bernoulli com parâmetro 𝑝. Defina �̅� = ∑ 𝑋𝑖/𝑛 𝑛 𝑖=1 . Então, pelo Teorema Central do Limite, à medida que 𝑛 → ∞, (�̅� − 𝑝)/√𝑝(1 − 𝑝)/𝑛 converge para uma distribuição normal padrão. (2) Suponha que 𝑋1, 𝑋2, … , 𝑋𝑁 sejam variáveis aleatórias independentes e identicamente distribuídas, com distribuição uniforme no intervalo [0, 𝜃]. Defina �̅� = ∑ 𝑋𝑖/𝑛 𝑛 𝑖=1 . Então, 2�̅� é um estimador não viesado de 𝜃. (3) Suponha que 𝑋 tenha distribuição 𝑡 com 4 graus de liberdade. Então 𝑃(|𝑋| > 4) = 0,23. (4) Suponha que 𝑋 seja uma variável aleatória com distribuição 𝑡 de Student com 𝑛 graus de liberdade. À medida que 𝑛 aumenta, a distribuição de 𝑋 se aproxima de uma normal padrão. 10. ANPEC 2012 - Questão 9 Julgue as seguintes afirmativas: (0) Seja X1,...,Xn variáveis aleatórias independentes e identicamente distribuídas tais que E[Xi] = μ < ∞. Se Var[Xi] → 0, então Xi 𝑝 → μ. (1) Seja X1, X2,... 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 X1, X2,..., Xn uma amostra aleatória com média �̅� e variância 0 < S2 < ∞. Podemos afirmar que W = c�̅�, com c 𝜖 𝑅 converge para uma distribuição normal com média μ e variância 𝜎2 𝑁 . (3) Seja X1,...,Xn variáveis aleatórias independentes e identicamente distribuídas com média μ e variância 0 < σ2 < ∞. Seja 𝑆2 = 1 𝑁 ∑ (𝑋𝑖 𝑁 𝑖=1 − �̅�) 2 em que �̅� = ∑ 𝑋𝑖 𝑁 𝑖=1 𝑁 . Neste caso S2, é um estimador consistente para σ2. (4) Se Y é uma variável aleatória tal que E[Y2] < ∞, entãopodemos afirmar que P(|Y| ≥ 𝑐) ≤ 𝐸[𝑌] 𝑐2 para c>0. Lista de Exercícios #6 Assunto: Propriedade dos Estimadores e Métodos de Estimação 5 11. ANPEC 2012 - Questão 10 São corretas as afirmativas: (0) Suponha que X1,X2,...,Xn sejam variáveis aleatórias independentes e identicamente distribuídas, com distribuição de Bernoulli com parâmetro p. Então, pela Lei dos Grandes Números, à medida que n→ ∞, �̅� = ∑ 𝑋𝑖 𝑛 𝑛 𝑖=1 converge para p. (1) Suponha que X1,X2,...,Xn sejam variáveis aleatórias independentes e identicamente distribuídas, com distribuição uniforme no intervalo [0,1]. Seja �̅� = ∑ 𝑋𝑖 𝑛 𝑛 𝑖=1 . Pelo Teorema Central do Limite, à medida que n→ ∞, √𝑛[ (�̅�− 1 2 ) √1 12⁄ ] aproxima-se de uma distribuição normal padrão. (2) Suponha que X1,X2,...,Xn sejam variáveis aleatórias independentes e identicamente distribuídas e que Xi ~ N(0,1), ∀ i. Então, se definirmos 𝑌 = 𝑋𝑖 2, P(|Yi -1| > 2) ≤ 0,5. (3) Suponha que X1,X2,...,Xn sejam variáveis aleatórias independentes e identicamente distribuídas, com distribuição log normal com parâmetros μ e σ. Seja �̅� = ∑ 𝑋𝑖 𝑛 𝑛 𝑖=1 . Então, log �̅� é um estimador consistente de μ. (4) Suponha que X1,X2,...,Xn sejam variáveis aleatórias independentes e identicamente distribuídas e que Xi ~ N(μ,σ2), ∀ i. Então, se definirmos �̅� = ∑ 𝑋𝑖 𝑛 𝑛 𝑖=1 e �̂� 2 = ∑ (𝑋𝑖 − �̅�) 2 𝑛𝑖=1 / 𝑛, �̂� 2 será um estimador eficiente de σ2. 12. ANPEC 2012 – Questão 13 Sejam W1 e W2 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) Usando os dados acima, obtemos que P(Y ≥ 3) = 1/36 . (4) Y é uma variável aleatória discreta que assume os seguintes valores {0,1,2,3,4,5}. Lista de Exercícios #6 Assunto: Propriedade dos Estimadores e Métodos de Estimação 6 13. ANPEC 2011 - Questão 4 São corretas as afirmativas: (0) Suponha que X1, X2,...,Xn sejam variáveis aleatórias independentes e identicamente distribuídas e que Xi ~ 2,N . Então é um estimador eficiente de . (1) Suponha que X1, X2,...,Xn sejam variáveis aleatórias independentes e identicamente distribuídas e que Xi ~ 2,N . Então, se definirmos , 2 2 XP para 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 X1, X2,...,Xn sejam variáveis aleatórias independentes e identicamente distribuídas e que Xi ~ Poisson(λ), i . Seja . Pela lei dos grandes números, à medida que n → ∞, X converge para λ. (4) Suponha que X1, X2,...,Xn sejam variáveis aleatórias independentes e identicamente distribuídas e que 2~ viX , i . Seja . À medida que n → ∞, nvvX /2/ aproxima-se de uma distribuição normal padrão. 14. ANPEC 2010 - Questão 4 Responda se verdadeiro ou falso: (0) A Diferença entre as medianas de uma distribuição 𝐹(𝑎,𝑏) e de uma distribuição 𝑎 2 diminui à medida que 𝑏 → ∞; (1) O Teorema Central do Limite justifica a afirmação: “Seja 𝑇 uma variável aleatória,tal que 𝑇~𝑡𝑘−1, em que 𝑡 representa uma distribuição 𝑡 de Student, com 𝑘 − 1 graus de liberdade, em que 𝑘 é fixo. Então 𝑇 converge em distribuição para uma Normal Padrão"; (2) Sejam 𝑆1 2 = ∑ (𝑥𝑖−�̅�) 2 𝑛 𝑛 𝑖=1 e 𝑆2 2 = ∑ (𝑥𝑖) 2 𝑛 𝑛 𝑖=1 . Ambos estimadores podem ser demonstrados consistentes para 𝜎2, supondo uma amostra aleatória de 𝑋~𝑁(𝜇, 𝜎2); (3) Uma moeda justa foi jogada 300 vezes e observou-se cara em 188 destas. A Lei dos Grandes Números justifica a afirmação: 𝑃(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). nXX n i i / 1 nXX n i i / 1 nXX n i i / 1 nXX n i i / 1 Lista de Exercícios #6 Assunto: Propriedade dos Estimadores e Métodos de Estimação 7 15. ANPEC 2010 - Questão 5 São corretas as afirmativas: (0) Considere dois estimadores não tendenciosos 𝜃1 e 𝜃2, de um parâmetro 𝜃. 𝜃1 é eficiente relativamente 𝜃2 se 𝑉𝑎𝑟(𝜃1) < 𝑉𝑎𝑟(𝜃2); (1) Um estimador 𝜃 de um parâmetro 𝜃 é consistente se 𝜃 converge em probabilidade para 𝜃; (2) Um estimador 𝜃 de um parâmetro 𝜃 é consistente se, e somente se, 𝜃 é não viesado e a variância de 𝜃 converge para 0 a medida que o tamanho da amostra tende a infinito ; (3) Suponha que 𝑋1, 𝑋2, … , 𝑋10 sejam variáveis aleatórias independentes e identicamente distribuídas e que 𝑋𝑖~2 2 , 𝑖 = 1, 2, … ,10. Defina �̅� = ∑ 𝑋𝑖 𝑛 10 𝑖=1 . Então 𝑃(1 < �̅� < 3) = 0,55; (4) Suponha que 𝑋1, 𝑋2, … , 𝑋𝑛 sejam variáveis aleatórias independentes e identicamente distribuídas e que 𝑋𝑖~𝑃𝑜𝑖𝑠𝑠𝑜𝑛(𝜆), ∀𝑖. Defina �̅� = ∑ 𝑋𝑖 𝑛 10 𝑖=1 . À medida que 𝑛 → ∞, (�̅� − 𝜆)/√(𝜆 𝑛⁄ ) aproxima-se de uma distribuição normal padrão. 16. ANPEC 2010 - Questão 6 Suponha que 𝑌1 e 𝑌2 sejam variáveis aleatórias independentes, com média 𝜇 e variâncias 𝑉(𝑌1) = 75 e 𝑉(𝑌2) = 25. O valor de 𝜇 é desconhecido e é proposto estimar 𝜇 por uma média ponderada de 𝑌1 e 𝑌2, isto é, por: 𝑎𝑌1 + (1 − 𝑎)𝑌2. Qual valor de 𝑎 produz o estimador com a menor variância possível na classe dos estimadores não viesados? Multiplique o resultado por 100. 17. ANPEC 2009 - Questão 6 Seja Yi, i = 1, ..., n, uma variável aleatória tal que Yi = 1 com probabilidade p e Yi = 0 com probabilidade 1-p. Defina n 1i iYX . Responda se cada uma das afirmativas abaixo é verdadeira ou falsa: (0) Yi, i = 1, ..., n, possui distribuição Poisson com média p. (1) X possui distribuição Binomial com parâmetros n e p. (2) V(Yi) = V(X) = p. V(X) significa variância de X. (3) Se n →∞ e p permanecer fixo, então )p1(np npX converge para distribuição normal com média 0 e variância 1. (4) E(Y2) = p2. Lista de Exercícios #6 Assunto: Propriedade dos Estimadores e Métodos de Estimação 8 18. ANPEC 2008 - Questão 3 Sejam X1, X2, ..., Xn, n variáveis aleatórias independentes, igualmente distribuídas, com distribuição Poisson dada por contrário caso0 ,...2,1,0x !x e )x(p x x Julgue as afirmativas: (0) Pela Lei dos Grandes Números n 1i iX n 1 T aproxima-se da distribuição normal quando n tende para o infinito. (1) Suponha que n>5. n 6i i 5 1i i X 5n 1 X 5 1 T é um estimador consistente de E(Xi). (2) n 1i i 2 n 1i i X n 1 X n 1 T é um estimador tendencioso de 2. (3) Pelo Teorema Central do Limite, n 1i iX n 1 T é um estimador consistente de V(Xi). (4) n 1i iX n 1 T é o estimador de máxima verossimilhança do parâmetro . 19. 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 n 1i ix n 1 x e n 1i 2 i 2 xx n 1 s . É correto afirmar que: (0) x e 2s são estimadores de máxima verossimilhança de μ e σ 2 , respectivamente. (1) x e 2s são não viesados. (2) x e 2s são consistentes. (3) Apenas x é consistente. (4) Apenas x é não viesado. Lista de Exercícios #6 Assunto: Propriedade dos Estimadores e Métodos de Estimação 9 20. 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 variânciada população. (1) Um estimador não-tendencioso pode não ser consistente. (2) Um estimador consistente pode não ser eficiente. (3) Sejam Y1,...,Yn variáveis aleatórias independentes com média µ e variância finita. Pela Lei dos Grandes Números, E(m) = µ, em que m = n i iY n 1 1 . (4) Sejam Y1,...,Yn 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. 21. ANPEC 2005 - Questão 5 São corretas as afirmativas: (0) Uma variável aleatória X tem média zero e variância 36. Então, pela desigualdade de Tchebychev, 36,0)10|(| XP . (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 estimador de um determinado parâmetro é dito consistente se convergir, em probabilidade, para o valor do parâmetro verdadeiro. (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. Lista de Exercícios #6 Assunto: Propriedade dos Estimadores e Métodos de Estimação 10 22. ANPEC 2004 - Questão 13 Suponha que n21 x,........,x,x sejam variáveis aleatórias independentes, identicamente distribuídas, com média E(xi) = μ (i = 1,2,3,...n) 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. 23. ANPEC 2003 - Questão 2 Sejam: X1, X2, ..., Xn variáveis aleatórias independentes e normalmente distribuídas com média e variância 2; n i iXnX 1 1 ; e n i iYZ 1 2 , em que XYi 1 . É correto afirmar que: (0) X é um estimador tendencioso da média ; (1) Z é uma variável aleatória com distribuição 2 com n graus de liberdade; (2) n i i XXns 1 212 é um estimador tendencioso da variância 2; (3) Xn é uma variável aleatória normalmente distribuída com média n e variância 2; (4) a variável aleatória n Z Y W ii possui distribuição F com n1 e n2 graus de liberdade, em que n1 = 1 e n2 = 2n. 24. 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. 25. ANPEC 2002 - Questão 4 Seja X uma variável aleatória com distribuição de probabilidade que dependa do parâmetro desconhecido , tal que E(X) = . Seja também x1, x2, ..., xn uma amostra aleatória de X. (0) Para amostras suficientemente grandes, o estimador de máxima verossimilhança de , caso exista, segue uma distribuição Normal. Lista de Exercícios #6 Assunto: Propriedade dos Estimadores e Métodos de Estimação 11 (1) Se n i ii xc ˆ 1 é um estimador de , este não será viciado desde que 1c n 1i i . Além do mais, ̂ terá variância mínima se ci=1/n para todo i. (2) Se n 1i ix n 1ˆ é um estimador não viciado de , então 2̂ também será um estimador não viciado de 2 . (3) Se a variável aleatória X é uniformemente distribuída no intervalo [0,], com > 0, então n nˆ 1 máximo[x1, x2, ..., xn] não é um estimador consistente de . (4) Se 1̂ e 2̂ são dois estimadores do parâmetro em que E ( 1̂ ) = θ1 e E ( 2̂ ) θ2 mas Var ( 2̂ ) < Var ( 1̂ ), então o estimador 2̂ deve ser preferível a 1̂ . 26. ANPEC 2002 - Questão 6 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 Af é a freqüência relativa da ocorrência de A, então 2A n )P1(P 1}Pf{P , 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 5 10 }{ a aXP em que )(• é a função de distribuição Normal padrão. 27. ANPEC 2001 - Questão 3 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 . Lista de Exercícios #6 Assunto: Propriedade dos Estimadores e Métodos de Estimação 12 (1) A variância da distribuição amostral de X é 2 n se a população for infinita ou se a amostragem for com reposição. (2) Se a população for finita, a variância da distribuição amostral de X é 2 1 (1 ) n n porque as observações da amostra são independentes. (3) Se X for uma variável aleatória qualquer a distribuição de X será normal com média e variância 2 1n . (4) Se lim ( ) 0 n E X , então X é um estimador assintoticamente não tendencioso. 28. ANPEC 2001 - Questão 15 Seja uma variável aleatória X com média E(X) = 0 e variância 2 x = 25. Qual o limite de probabilidade para que [X – E(X)] > 10? Resposta em percentagem. 29. ANPEC 2000 - Questão 4 Seja X1, X2 , ..., Xn uma amostra aleatória da densidade Normal(0,) e seja T= 1/n n i iX 1 2 . É correto afirmar que: (0) T é o estimador de máxima verossimilhança (EMV) de . (1) T é um estimador tendencioso de . (2) A variável aleatória Z = / 1 2 n i iX tem distribuição qui-quadrado com n graus de liberdade. (3) E ( 3 2 2 1 XX ) = 2. (4) T é um estimador eficiente de 30. 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: (0) l()= ln L() = n i iyf 1 );(log , 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. Lista de Exercícios #6 Assunto: Propriedade dos Estimadores e Métodos de Estimação 13 (2) Uma condição necessária a que os estimadores de máxima verossimilhança devem satisfazer é que a matriz { jil /)( 2 } i,j = 1, 2, ..., p, avaliada no ponto de máximo, seja negativa definida. (3) Sendo Tn o estimador de máxima verossimilhança do parametro escalar 1, segue-se que Tn apresenta a seguinte propriedade: 0)|Pr(| 1lim nTn , > 0. (4) Sendo = g(1), em que g(.) é uma função um a um de 1, e Tn é o estimador de máxima verossimilhança de 1, segue-se que o estimador de máxima verossimilhança de será Gn = g(Tn )[d/d1] , em que a derivada é avaliada em1= Tn. 31. ANPEC 2000 - Questão 8 Sejam p̂ e p~ dois estimadores do parâmetro p da distribuição Binomial, em que Y é a variável desta distribuição e n o tamanho da amostra: 1 1~ˆ n Y p n Y p p̂ 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 )]1()1[( np . 32. 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 X1, X2, ..., Xn 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 X1, X2, ..., Xn são variáveis aleatórias independentes, com distribuição Normal(,2), 2 > 0, então, para qualquer tamanho de n, n ( ___ X - ) / ~ Normal(0,1), em que __ X é a média amostral. Lista de Exercícios #6 Assunto: Propriedade dos Estimadores e Métodos de Estimação 14 33. 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 estimadores, a média amostral X é preferível a primeira observação 1X como estimador da média populacional, supondo-se que 2 seja a variância da população. (1) Seja ̂ um estimador não-viciado de . Se g(̂ ) é uma função do parâmetro , então E[g( ̂ )] g[E(̂ )] com a igualdade ocorrendo somente quando g( ) for uma função linear. (2) A função densidade de probabilidade da variável aleatória x é dada por 1 )( xf para x0 e 0 para outros valores. Assim sendo, considerando-se uma amostra aleatória de tamanho n , nxxxx ,,, 321 , o estimador de Máxima Verossimilhança de será igual ao Mínimo de nxxxx ,,, 321 . (3) Dado que as variâncias das estatísticas S1 2 = (xi - x) 2 i=1 n å n-1 e S2 2 = (xi - x) 2 i=1 n å n são, respectivamente , iguais a 1 2 4 n e 2 4 ) 1 ( 1 2 n n n , então S2 2 é mais preciso do que S1 2 embora seja uma estatística viciada. 34. 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 x1 e x2 duas observações de uma amostra aleatória de tamanho 2. Podemos afirmar que ~ 3 2 5 1 2x x é um estimador tendencioso de . (3) Se é consistente, então é não tendencioso. Lista de Exercícios #6 Assunto: Propriedade dos Estimadores e Métodos de Estimação 15 35. 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 )ˆ(lim E e lim ( )Var 0 quando n , então será um estimador consistente de . (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) A estatística, S x x n i i n 2 2 1 ( ) , baseada em uma amostra aleatória x 1 , x 2 ,x 3 ,....,x n é um estimador não tendencioso da variância populacional. (3) A estatística, S x x n i i n 2 2 1 ( ) , baseada em uma amostra aleatória x 1 , x 2 ,x 3 ,....,x n é um estimador inconsistente da variância populacional. 36. 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, então P X{ } 1 para todo 0 , ou seja, toda a probabilidade estará concentrada na 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 2 1 1}{ k kXP , 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.
Compartilhar