MAE0229 Introdução à Probabilidade e Estatística II
|
|
- Rui Santiago
- 5 Há anos
- Visualizações:
Transcrição
1 Exercício Entre jovens atletas, um nível alto de colesterol pode ser considerado preocupante e indicativo para um acompanhamento médico mais frequente. Suponha que são classificados como tendo taxa de colesterol alta, atletas cujos valores das taxas de colesterol estejam acima de 90mg/ml e, como tendo taxa normal os demais. Para um bom planejamento do serviço médico, deseja-se estimar, com base em uma amostra, a proporção p de jovens atletas com taxa de colesterol alta. a) Qual deve ser o tamanho da amostra n para que o erro cometido ao se estimar p seja no máximo 0, 05 com probabilidade de 95%? b) Se os médicos garantem que p seja no máximo 0%, é possível reduzir o tamanho da amostra? c) Em caso afirmativo de quanto? Denote por ao número de atletas jovens com taxa de colesterol alta. p é a proporção de atletas jovens com taxa de colesterol alta. a) Vamos supor que o AAS é feito com reposição, o tamanho da amostra é dado por zγ ) n = p p) ɛ Conforme o enunciado ɛ = 0, 05, γ = 0, 95 assim z γ =, 96. Logo, zγ ) n = p p) = ɛ ), 96 0, 5 0, 5) = 384, 6. 0, 05 Portanto, o tamanho da amostra para que o erro comido ao se estimar p seja no máximo 0,05 com probabilidade de 95% deve ser aproximadamente 385. b) Se os médicos garantem que p 0, 0, temos que zγ ) n = p p) = ɛ ), 96 0, 0 0, 0) = 45, , 05 Assim, n = 46 e portanto a garantia dos médicos reduz o tamanho da amostra. c) O tamanho da amostra pode ser reduzido em = 39. Observação: Ver slides Noções de Amostragem I. Exercício Uma variável aleatória tem distribuição normal com média 0 e desvio padrão 4. Aos participantes de um jogo é permitido observar uma amostra de qualquer tamanho e calcular a média amostral. Ganha um prêmio aquele cuja média amostral for maior que. Página de 0
2 a) Se um participante escolher uma amostra de tamanho 6, qual a probabilidade de ele ganhar um prêmio? b) Escolha um tamanho de amostra diferente de 6 para participar do jogo. Qual a probabilidade de você ganhar um prêmio? c) Baseado nos resultados acima, qual o melhor tamanho da amostra para participar do jogo? Temos que N0; 4 ) e note que sob as considerações do jogo, o participante ganha um premio quando x >. Assim, para qualquer mostra de tamanho n temos que a probabilidade de ganhar é dada por ) ) ) 0 n n P > ) = P Z > 4/ = P Z > = A ) n a) Usando ) temos que o participante que escolheu uma amostra de tamanho n = 6, tem a seguinte probabilidade de ganhar ) n P > ) = A = A) = 0, 9 = 0, 08. b) Vamos considerar dois tamanhos amostrais n = 9 e n = 5. Logo, obtemos que: n ) Para n = 9 P > ) = A = A, 5) = 0, 933 = 0, n ) Para n = 5 P > ) = A = A, 5) = 0, 9938 = 0, 006. Portanto, temos suspeito que quando o tamanho amostral aumenta, a probabilidade de ganhar no jogo diminui. c) Baseado nos resultados acima temos suspeito que quando o tamanho amostral diminui, a probabilidade de ganhar no jogo aumenta. Além disso, em ) observe que, a maior valor n ) de n, maior é A e em consequência menor é a probabilidade de ganhar o premio. Portanto, um tamanho de amostra menor seria melhor para participar no jogo. Exercício 3 Sabe-se que 60% dos passageiros de vôos internacionais da CIA Beta preferem refeições com carne, enquanto 40% preferem massa. Supor um vôo com 300 passageiro. a) Qual o número esperado de passageiros que deverão pedir refeição com carne neste vôo? b) Calcule a probabilidade de pelo menos 0 passageiros pedirem refeição com carne neste vôo. c) Se no mesmo vôo a companhia aérea dispõe de 00 refeições com carne e 0 com massa, qual a probabilidade de todos os passageiros serem atendidos? Use aproximação da binomial pela normal. Página de 0
3 Seja : Número de pessoas que preferem carne em suas refeições, e p a proporção de pessoas que preferem carne em suas refeições. Suposição: Bn; p). a) Em um vôo de n = 300 passageiros, o número esperado de passageiros que deverão pedir refeição com carne é b) Como Bn; p), temos que E) = n p = 300 0, 6 = 80. Var) = n p p) = 300 0, 6 0, 4 = DP) = 8, 49 Assim, a distribuição de pode ser aproximada por Y N80; 8, 49 ) e note que Z = Y 80 N0; ). 8, 49 Logo, ) 0 80 P > 0) P Z > 8, 49 = PZ >, 8) = PZ, 8) = PZ >, 8) = [ A, 8)] = A, 8) = 0, 88 Portanto, a probabilidade de pelo menos 0 passageiros pedirem refeição com carne neste vôo é de 0,88. c) Agora precisamos achar P80 00), pois devem ser atendidos os pedidos de carne e de massa. Assim usando os resultados obtidos nos itens a) e b) tem-se que P80 00) P80 Y 00) = P Y 80 8, 49 8, 49 = P0 Z, 36) = A, 36) A0) = 0, , 5 = 0, 4909 ) , 49 portanto a probabilidade de todos os passageiros que pedirem carne serem atendidos é de 0,4909. Página 3 de 0
4 Exercício 4 O número de pacotes turísticos vendidos por uma agência de viagens nos finais de semana segue distribuição de Poisson com λ = 49. a) Qual a probabilidade de num final semana a agência vender mais de 60 pacotes turísticos? b) E entre 55 e 65 pacotes? c) Qual é a quantidade de pacotes turísticos vendidos que será superada em apenas % dos finais de semana? Use aproximação da Poisson pela normal. Seja o número de pacotes turísticos vendidos nos finais de semana. Temos que Poiλ) com λ = 49, assim E) = λ = 49 Var) = λ = 49 DP) = 49) =. Agora, a distribuição de pode ser aproximada por Y N49; ). Portanto, Z = Y 49 N0; ). Logo: a) A probabilidade de num final de semana a agência vender mais de 60 pacotes turísticos é dada por ) P > 60) P Z > = PZ >, 5) = A, 5) = 0, 948 = 0, 058. b) A probabilidade de num final de semana a agência vender entre 55 e 65 pacotes turísticos é ) P55 65) P Z = P0, 86 Z, 9) = PZ, 9) PZ 0, 86) = A, 9) A0, 86) = 0, , 805 = 0, 839 c) Precisamos encontrar o valor de a, tal que P > a) = 0, 0. 0, 0 = P > a) P Z > a 49 ) = P Z a 49 ) ) a 49 = A Assim, A ) a 49 = 0, 99, e portanto a 49 =, 33. Logo a =, 33) + 49 = 65, 3. Por fim a quantidade de pacotes turísticos vendidos que será superada em apenas % dos finais de semana é aproximadamente 66. Página 4 de 0
5 Exercício 5 Sejam e Y variáveis aleatórias independentes tais que E ) = θ, E Y) = θ e Var ) = Var Y) = θ. Considere T = Y e T = + Y) como estimadores de θ. 3 a) Mostre que T e T são não tendenciosos b) verifique qual estimador é mais eficiente. a) Lembre-se que T e T são não tendenciosos de θ, se ET ) = θ e ET ) = θ. ET ) = EY ) = EY) E) = θ θ = θ ET ) = E { 3 + Y)} = 3 E + Y) = 3 {E) + EY)} = 3 θ + θ) = θ Portanto, T e T são estimadores não tendenciosos de θ. b) Para saber qual dos dois estimadores é mais eficiente, precisamos calcular as suas variâncias. VarT ) = VarY ) = VarY) + Var) = θ + θ = θ VarT ) = Var { 3 + Y)} = ) 3 Var + Y) = 9 {Var) + VarY)} = 9 θ + θ ) = 9 θ Como 9 θ < θ, conclui-se que T é mais eficiente do que T. Exercício 6 Seja,..., n uma amostra aleatória de uma população de média µ e variância σ. Considere os seguintes estimadores para a média populacional µ : T = + ) e T = n + + n ). a) Mostre que os dois estimadores são não tendenciosos b) obtenha Var T ) e Var T ) c) Qual dos estimadores é mais eficiente? Como,..., n é uma amostra aleatória de uma população com média µ x e variância σ x, E i ) = µ x e Var i ) = σ x para todo i =,..., n. a) Note que ET ) = E { + ) } = {E ) + E )} = ) µx + µ x = µx Página 5 de 0
6 ) { } ET ) = E n i = n E i ) = n µ x = n n µ x) = µ x i= i= i= Portanto, T e T são estimadores não tendenciosos de µ x b) Para T temos que { } ) VarT ) = Var + ) = {Var ) + Var )} = σ 4 x + σx) = 4 σ x = σ x Para T temos que VarT ) = Var n i = Var i ) = σ n) n) x = ) n σ n x = n σ x i= i= i= c) Note que para todo n >, temos que σ x > n σ x. Portanto, T é mais eficiente do que T. Exercício Com base numa amostra de n = 3 proveninte de uma população de média µ e variância σ foram propostos para µ os seguintes estimadores: T = ) T = + 3 ) T 3 = ) T 4 = ) a) Obtenha a variância de cada estimador. b) Obtenha o viés de cada estimador. c) Entre os não tendenciosos qual escolher? Justifique. Como,, 3 é uma amostra aleatória de uma população com média µ e variância σ, segue que E ) = E ) = E ) = µ Var ) = Var ) = Var 3 ) = σ Página 6 de 0
7 a) Vamos calcular a variância dos estimadores { } ) VarT ) = Var 5 { ) = Var ) + 3 Var ) + Var 3 ) } = 5 { } ) VarT ) = Var + 3 ) = {Var ) + Var 3 )} = σ 4 + ) σ = { } VarT 3 ) = Var ) = 4 σ 5 σ ) { Var ) + Var ) + Var 3 ) } = 6 6 σ = 3 8 σ ) ) VarT 4 ) = Var ) = Var ) + Var ) + Var 3 )) = σ = 3 σ b) Agora, vamos calcular o viés dos estimadores. Lembre que o viés do estimador T i, para i =,..., 4 é dado por E T i ) µ. ) Portanto, vamos calcular inicialmente E T i ) para i =,..., 4. Assim, temos que { } ET ) = E ) = 5 {E ) + 3E ) + E 3 )} = ) µ + 3µ + µ = µ 5 { ) ET ) = E + 3 ) = E ) + E 3 )} = µ + µ ) = µ { } ET 3 ) = E ) = 4 {E ) + E ) + E 3 )} = ) µ + µ + µ = µ 4 { } ET 4 ) = E ) = 3 {E ) + E ) + E 3 )} = ) µ + µ + µ = µ 3 Note que os quatro estimadores são não tendenciosos, assim usando ) temos que o viés dos quatro estimadores é zero. c) Pelo item anterior sabemos que T, T, T 3, T 4 são estimadores não tendenciosos. Assim, ireimos escolher T 4, pois tem a menor variância e menor EQM), em consequência é o mais eficiente. Exercício 8 Com base numa amostra de n = 3 proveninte de uma população normal de média µ e variância σ foram propostos para σ os seguintes estimadores: T = { ) + ) } T = ) + ) T 3 = { ) + ) + 3 ) } em que = + ) e = ) a) Obtenha o viés de cada estimador b) Entre os não tendenciosos qual escolher? Justifique. Página de 0
8 a) Considerando ), vamos calcular primeiramente a esperança de cada um dos estimadores. Assim, temos o seguinte Estimador T : Note que T pode ser expresso como { ) + ) } T = = i ) i= { i i + ) } = = i= = = i i= i= i + ) i ) + ) i= i= i ) Logo, E T ) = E i ) i= = E ) { ) } i E i= = [ Var i ) + {E i )} ] [ Var ) + E ) ) ] i= = [ ] σ + [ ] µ σ + µ i= = σ + µ σ ) µ = σ Uma forma alternativa de calcular E T ) é notar que T é σ para uma amostra de tamanho n =, portanto E T ) = σ = σ. Portanto considerando ) temos que o viés de T fica dado por E T ) σ = σ σ = σ. Página 8 de 0
9 Estimador T : Para calcular o viés de T Note que: T = ) + ) { = ) + ) } = T. } {{ } T Logo, E T ) = E T ) = E T ) = ) σ = σ Assim, T é um estimador não tendencioso para σ Estimador T 3 : Para calcular o viés de T 3 observe que T 3 = { ) + ) + 3 ) } = 3 3 i= i ) = S Assim, E T 3 ) = E S ) = σ Portanto, T 3 é um estimador não tendencioso para σ b) Do item a) temos que os estimadores T e T 3 são não tendenciosos. Vamos calcular a variância de cada um deles para saber qual escolher. Estimador T : O estimador T pode ser visto como σ para uma amostra de tamanho n =. Assim, dado que,, 3 é uma amostra aleatória. proveniente de uma população N µ, σ), temos que Var T ) = Var ) ) σ = 4 Var σ = 4 σ 4 = σ4 Estimador T 3 : que Por argumentos mencionados acima e lembrando que T 3 = S, obtemos Var T 3 ) = Var ) S σ 4 = 3 = σ4. Por fim, dado que Var T ) > Var T 3 ), escolhemos o estimador T 3. Observação: Ver slides de estimação II. Exercício 9 Supor uma amostra aleatória,..., n de uma distribuição U[0, θ]. Sabemos pelas propriedades da distribuição uniforme que E i ) = θ e que Var i) = θ, para i =,..., n. a) Encontre um estimador T que seja função da média amostral ) tal que E T) = θ b) Obtenha Var T). Página 9 de 0
10 a) Sabemos que para uma amostra aleatória,..., n referente a uma variável aleatória o r-ésimo momento amostral m r é definido por m r = n i= r i, r =,,.... 3) Além disso, denotando por µ r o r-ésimo momento populacional da variável aleatória, temos que estimadores de momentos dos q primeiros momentos populacionais podem ser obtidos resolvendo o seguinte sistema de equações µ r = m r, para r =,..., q. 4) Assim, um estimador de momentos para o primeiro momento populacional µ = E ) = θ é dado por µ = m = i = 5) n No entanto, dado que E i ) = θ, temos que i= E ) = n E i = n i= E i ) = n i= i= θ = n ) n θ = θ e portanto é tendencioso. tendencioso para θ, pois Agora, é possível a partir de obter um estimador não E ) = θ E ) = θ E ) = θ E T) = θ, em que T =. Por fim, um estimador não tendencioso para θ é T =. b) Para calcular a variância de T, lembre que Var i ) = θ. Assim, temos que Var T) = Var ) = Var ) = 4Var i n = 4 n Var i ) = 4 θ n = θ 3n. Portanto Var T) = θ 3n. i= i= i= Página 0 de 0
Distribuições Amostrais e Estimação Pontual de Parâmetros
Distribuições Amostrais e Estimação Pontual de Parâmetros - parte I 2012/02 1 Introdução 2 3 4 5 Objetivos Ao final deste capítulo você deve ser capaz de: Entender estimação de parâmetros de uma distribuição
Leia maisTeorema do Limite Central
Teorema do Limite Central Bacharelado em Economia - FEA - Noturno 1 o Semestre 2014 MAE0219 (IME-USP) Teorema do Limite Central 1 o Semestre 2014 1 / 47 Objetivos da Aula Sumário 1 Objetivos da Aula 2
Leia maisUniversidade Federal de Lavras
Universidade Federal de Lavras Departamento de Estatística Prof. Daniel Furtado Ferreira 6 a Lista de Exercícios Teoria da Estimação pontual e intervalar 1) Marcar como verdadeira ou falsa as seguintes
Leia maisEstatística II Aula 2. Prof.: Patricia Maria Bortolon, D. Sc.
Estatística II Aula Prof.: Patricia Maria Bortolon, D. Sc. Distribuições Amostrais ... vocês lembram que: Antes de tudo... Estatística Parâmetro Amostra População E usamos estatíticas das amostras para
Leia maisDistribuições Amostrais e Estimação Pontual de Parâmetros
Distribuições Amostrais e Estimação Pontual de Parâmetros - parte I 19 de Maio de 2011 Introdução Objetivos Ao final deste capítulo você deve ser capaz de: Entender estimação de parâmetros de uma distribuição
Leia maisSegunda Lista de Exercícios Cálculo de Probabilidades II Prof. Michel H. Montoril
Exercício 1. Uma urna contém 4 bolas numeradas: {1, 2, 2, 3}. Retira-se dessa urna duas bolas aleatoriamente e sem reposição. Sejam 1 : O número da primeira bola escolhida; 2 : O número da segunda bola
Leia maisDistribuições Amostrais - Tamanho da Amostra
Distribuições Amostrais - Tamanho da Amostra Prof. Eduardo Bezerra Inferência Estatística 21 de Setembro de 2018 Eduardo Bezerra (CEFET/RJ) Tamanho da Amostra 1 / 10 Motivação Suponha que queremos estimar
Leia mais5 a Lista de PE Solução
Universidade de Brasília Departamento de Estatística 5 a Lista de PE Solução. Sejam X A e X B o números de jogos que o time ganha contra times da classe A e da classe B respectivamente. Claramente X A
Leia mais3 a Lista de PE Solução
Universidade de Brasília Departamento de Estatística 3 a Lista de PE Solução. Se X representa o ganho do jogador, então os possíveis valores para X são,, 0, e 4. Esses valores são, respectivamente, correspondentes
Leia maisLEEC Probabilidades e Estatística 1 a Chamada 13/06/2005. Parte Prática C (C) M 1% 9% 10% (M) 4% 86% 90% 5% 95% 100%
. Definição dos acontecimentos: M T-shirt tem manchas C T-shirt tem costuras defeituosas D T-shirt é defeituosa A Preço da t-shirt é alterado a) PM) = % PC) = 5% PM C) = % LEEC Probabilidades e Estatística
Leia maisSolução dos Exercícios - Capítulos 1 a 3
Capítulo 9 Solução dos Exercícios - Capítulos a 3 9. Capítulo. a Como o valor se refere aos pacientes estudados, e não a todos os pacientes, esse é o valor de uma estatística amostral. b Estatística amostral
Leia maisIntrodução à Inferência Estatística
Introdução à Inferência Estatística Profa. Airlane P. Alencar e Prof. Francisco Marcelo M. da Rocha 11 de Setembro de 2018 Alencar, A.P. e Rocha, F.M.M. (IME-USP e EPPEN - UNIFESP) Estatística I 11 de
Leia maisIntrodução à Inferência Estatística
Introdução à Inferência Estatística Prof. Dr. Francisco Marcelo M. da Rocha 10 de Setembro de 2018 Rocha, F.M.M. (EPPEN - UNIFESP) Estatística I 10 de Setembro de 2018 1 / 60 Índice 1 Objetivo da Aula
Leia maisa) o time ganhe 25 jogos ou mais; b) o time ganhe mais jogos contra times da classe A do que da classe B.
Universidade de Brasília Departamento de Estatística 5 a Lista de PE. Um time de basquete irá jogar uma temporada de 44 jogos. desses jogos serão disputados contra times da classe A e os 8 restantes contra
Leia maisAmostra Aleatória Simples
Amostra Aleatória Simples Airlane Pereira Alencar 4 de Abril de 2018 Alencar, A.P. (IME-USP) Amostra Aleatória Simples 4 de Abril de 2018 1 / 34 Definições e Notações Notações População ou Universo U =
Leia maisTeorema central do limite e es/mação da proporção populacional p
Teorema central do limite e es/mação da proporção populacional p 1 RESULTADO 1: Relembrando resultados importantes Seja uma amostra aleatória de tamanho n de uma variável aleatória X, com média µ e variância
Leia maisProfessora Ana Hermínia Andrade. Universidade Federal do Amazonas Faculdade de Estudos Sociais Departamento de Economia e Análise. Período 2017.
Professora Ana Hermínia Andrade Universidade Federal do Amazonas Faculdade de Estudos Sociais Departamento de Economia e Análise Período 2017.1 Distribuições Amostrais O intuito de fazer uma amostragem
Leia maisA Inferência Estatística é um conjunto de técnicas que objetiva estudar a população através de evidências fornecidas por uma amostra.
UNIVERSIDADE FEDERAL DA PARAÍBA Distribuição Amostral Prof. Tarciana Liberal Departamento de Estatística INTRODUÇÃO A Inferência Estatística é um conjunto de técnicas que objetiva estudar a população através
Leia maisUniversidade Federal Fluminense INSTITUTO DE MATEMÁTICA E ESTATÍSTICA DEPARTAMENTO DE ESTATÍSTICA
Universidade Federal Fluminense INSTITUTO DE MATEMÁTICA E ESTATÍSTICA DEPARTAMENTO DE ESTATÍSTICA Estatística Básica para Engenharia Prof. Mariana Albi 8 a Lista de Exercícios Assuntos: Inferência Estatística.
Leia maisIntrodução à Probabilidade e à Estatística II
Introdução à Probabilidade e à Estatística II Introdução à Inferência Estatística Capítulo 10, Estatística Básica (Bussab&Morettin, 7a Edição) Lígia Henriques-Rodrigues MAE0229 1º semestre 2018 1 / 36
Leia maisDefinição. Os valores assumidos pelos estimadores denomina-se estimativas pontuais ou simplesmente estimativas.
1. Inferência Estatística Inferência Estatística é o uso da informção (ou experiência ou história) para a redução da incerteza sobre o objeto em estudo. A informação pode ou não ser proveniente de um experimento
Leia maisMAE0229 Introdução à Probabilidade e Estatística II
Exercício 1 Os registros do serviço de saúde de uma cidade indicam que a proporção de mães que amamentam até o terceiro mês de idade da criança é p = 0, 50. A fim de aumentar essa proporção, vem sendo
Leia maisIntrodução à Inferência Estatística
Introdução à Inferência Estatística Capítulo 10, Estatística Básica (Bussab&Morettin, 7a Edição) 2a AULA 02/03/2015 MAE229 - Ano letivo 2015 Lígia Henriques-Rodrigues 2a aula (02/03/2015) MAE229 1 / 16
Leia maisEstimador: combinação dos elementos da amostra, construída com a finalidade de representar, ou estimar, um parâmetro de interesse na população.
Objetivo: tirar conclusões sobre uma população com base na informação de uma amostra. estimação testes de hipóteses Parâmetro metro: quantidades desconhecidas da população e sobre as quais temos interesse.
Leia maisDistribuições Amostrais e Estimação Pontual de Parâmetros
Distribuições Amostrais e Estimação Pontual de Parâmetros OBJETIVOS DE APRENDIZAGEM Depois de um cuidadoso estudo deste capítulo, você deve ser capaz de: 1.Explicar os conceitos gerais de estimação de
Leia maisFinal exam June 25, 2007 Statistics II
Final exam June 25, 2007 Statistics II 1. 7 points o Hospital Medecis, o número de doentes que recorrem ao serviço de urgências pediátricas e o número de doentes que recorrem ao serviço de urgências para
Leia maisMAE0212 Introdução à Probabilidade e Estatística II
MAE01 Introdução à Probabilidade e Estatística II Gabarito-Lista 3 Exercicio 1 (a) Cada X i N(µ, σ ). Tamanho da amostra n = 9, desvio padrão σ =. A amostra é: 4.9, 7.0, 8.1, 4.5, 5.6, 6.8, 7., 5.7, 6..
Leia maisPRINCIPAIS DISTRIBUIÇÕES DE PROBABILIDADES
PRINCIPAIS DISTRIBUIÇÕES DE PROBABILIDADES Certas distribuições de probabilidades se encaixam em diversas situações práticas As principais são: se v.a. discreta Distribuição de Bernoulli Distribuição binomial
Leia maisDISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL INTRODUÇÃO ROTEIRO POPULAÇÃO E AMOSTRA. Estatística Aplicada à Engenharia
ROTEIRO 1. Introdução; DISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL. Teorema Central do Limite; 3. Conceitos de estimação pontual; 4. Métodos de estimação pontual; 5. Referências. 1 POPULAÇÃO E AMOSTRA População:
Leia maisInferência. 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média. Renata Souza
Inferência 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média Renata Souza Aspectos Gerais A estatística descritiva tem por objetivo resumir ou descrever características importantes
Leia maisCapítulo 4 Inferência Estatística
Capítulo 4 Inferência Estatística Slide 1 Resenha Intervalo de Confiança para uma proporção Intervalo de Confiança para o valor médio de uma variável aleatória Intervalo de Confiança para a diferença de
Leia maisx P(X = x) 0,1 0,7 0,2
GET001 Fundamentos de Estatística Aplicada Exercícios de revisão para a 3 rofa. Ana Maria Farias 2018-1 1. Com objetivo de planejamento, um banco determinou a distribuição de probabilidade da idade de
Leia maisEstimação: (A) Propriedades e Distribuições Amostrais
Estimação: (A) Propriedades e Distribuições Amostrais Wagner H. Bonat Fernando P. Mayer Elias T. Krainski Universidade Federal do Paraná Departamento de Estatística Laboratório de Estatística e Geoinformação
Leia maisPlanejamento de Experimentos Experimento com um fator aleatório
1 / 12 Planejamento de Experimentos Experimento com um fator aleatório Enrico A. Colosimo/UFMG Depto. Estatística - ICEx - UFMG 2 / 12 Modelo Estatístico para Efeitos Fixos Y ij = µ + τ i + ɛ ij em que
Leia maisCap. 4 - Estimação por Intervalo
Cap. 4 - Estimação por Intervalo Amostragem e inferência estatística População: consiste na totalidade das observações em que estamos interessados. Nº de observações na população é denominado tamanho=n.
Leia maisTÉCNICAS DE AMOSTRAGEM
TÉCNICAS DE AMOSTRAGEM Ralph dos Santos Silva Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Sumário Amostragem estratificada Divisão da população em
Leia maisInferência Estatistica
Inferência Estatistica Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Modelos e Inferência Um modelo é uma simplificação da realidade (e alguns
Leia maisIntervalos de Confiança
Intervalos de Confiança Carla Henriques e Nuno Bastos Departamento de Matemática Escola Superior de Tecnologia de Viseu Carla Henriques e Nuno Bastos (DepMAT) Intervalos de Confiança 2010/2011 1 / 33 Introdução
Leia maisAmostragem e distribuições por amostragem
Amostragem e distribuições por amostragem Carla Henriques e Nuno Bastos Departamento de Matemática Escola Superior de Tecnologia de Viseu Contabilidade e Administração População, amostra e inferência estatística
Leia maisDistribuições derivadas da distribuição Normal. Distribuição Normal., x real.
Distribuições derivadas da distribuição Normal Distribuição Normal Uma variável aleatória X tem distribuição normal com parâmetros µ e σ, quando sua densidade de probabilidade é f ( x) π σ e ( x µ ) σ,
Leia maisDistribuições por Amostragem
Distribuições por Amostragem Departamento de Matemática Escola Superior de Tecnologia de Viseu (DepMAT ESTV) Distribuições por Amostragem 2007/2008 1 / 27 Introdução: População, amostra e inferência estatística
Leia maisx P(X = x) 0,1 0,7 0,2
GET001 Fundamentos de Estatística Aplicada Lista de Exercícios Módulo IV Parte a Profa. Ana Maria Farias 2017-1 CAPÍTULOS 1 e 2 1. Com objetivo de planejamento, um banco determinou a distribuição de probabilidade
Leia maisIntervalos de Confiança
Intervalos de Confiança Departamento de Matemática Escola Superior de Tecnologia de Viseu Introdução Estimar o consumo médio de um automóvel, estimar o tempo médio que um funcionário leva a aprender uma
Leia maisINTRODUÇÃO À INFERÊNCIA ESTATÍSTICA
UFPE - Universidade Federal de Pernambuco Departamento de Estatística Disciplina: ET-406 Estatística Econômica Professor: Waldemar A. de Santa Cruz Oliveira Júnior INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA Podemos
Leia mais1) Considere Y N(1, 1) e X Y = y N(y, 4). A quantidade de interesse é θ = P (X > 1).
1 Considere Y N1, 1 e X Y y Ny, 4. A quantidade de interesse é θ P X > 1. a Explique como obter uma estimativa de θ via simulação. Solução: Uma maneira simples de obter uma estimativa de θ é simulando
Leia maisVariáveis Aleatórias Contínuas e Distribuição de Probabilidad
Variáveis Aleatórias Contínuas e Distribuição de Probabilidades - parte III 23 de Abril de 2012 Introdução Objetivos Ao final deste capítulo você deve ser capaz de: Calcular probabilidades aproximadas
Leia maisESTATÍSTICA COMPUTACIONAL
ESTATÍSTICA COMPUTACIONAL Ralph dos Santos Silva Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Sumário (bootstrap) Este método foi proposto por Efron
Leia maisDistribuições Amostrais
Distribuições Amostrais 1 Da população, com parâmetro, retira-se k amostras de tamanho n e calcula-se a estatística. Estas estatísticas são as estimativas de. As estatísticas, sendo variáveis aleatórias,
Leia mais3 2σ 2] = σ 2 C = 1 6
GET008 - Estatística II Lista de Exercícios Inferência para uma população Profa. Ana Maria Farias. Seja X, X,, X 6 uma amostra aleatória simples de tamanho 6 de uma população Nµ; σ. Determine o valor da
Leia maisMAE0229 Introdução à Probabilidade e Estatística II
Exercício A fim de comparar os salários médios anuais de executivos e executivas de uma determinada cidade, amostras aleatórias de n = 26 executivos e n 2 = 24 executivas foram coletadas obtendose os valores
Leia maisProbabilidade e Estatística
Probabilidade e Estatística stica Prof. Dr. Narciso Gonçalves da Silva http://paginapessoal.utfpr.edu.br/ngsilva Inferência Estatística stica e Distribuições Amostrais Inferência Estatística stica O objetivo
Leia maisLista de Exercicios 1. Medidas Resumo. Estimação. Distribuições Amostrais
Introcução à Inferência Estatística. Departamento de Física é Matemática. USP-RP. Prof. Rafael A. Rosales 15 de agosto de 007 Lista de Exercicios 1 Medidas Resumo. Estimação. Distribuições Amostrais 1
Leia mais3. Estimação pontual USP-ICMC-SME. USP-ICMC-SME () 3. Estimação pontual / 25
3. Estimação pontual USP-ICMC-SME 2013 USP-ICMC-SME () 3. Estimação pontual 2013 1 / 25 Roteiro Formulação do problema. O problema envolve um fenômeno aleatório. Interesse em alguma característica da população.
Leia maisDistribuição Amostral e Estimação Pontual de Parâmetros
Roteiro Distribuição Amostral e Estimação Pontual de Parâmetros 1. Introdução 2. Teorema Central do Limite 3. Conceitos de Estimação Pontual 4. Métodos de Estimação Pontual 5. Referências Estatística Aplicada
Leia maisLista de Exercicios 1 MEDIDAS RESUMO. ESTIMAÇÃO PONTUAL.
Introdução à Inferência Estatística Departamento de Física é Matemática. USP-RP. Prof. Rafael A. Rosales 5 de setembro de 004 Lista de Exercicios 1 MEDIDAS RESUMO. ESTIMAÇÃO PONTUAL. 1 Medidas Resumo DISTRIBUIÇÕES
Leia maisCaros Alunos, segue a resolução das questões de Estatística aplicadas na prova para o cargo de Auditor Fiscal da Receita Municipal de Teresina.
Caros Alunos, segue a resolução das questões de Estatística aplicadas na prova para o cargo de Auditor Fiscal da Receita Municipal de Teresina. De forma geral, a prova manteve o padrão das questões da
Leia maisIntrodução à probabilidade e estatística II
Introdução à probabilidade e estatística II Testes de hipóteses para duas médias populacionais Prof. Alexandre G Patriota Sala: 98A Email: patriota@ime.usp.br Site: www.ime.usp.br/ patriota Testes de hipóteses
Leia maisMAE0219 Introdução à Probabilidade e Estatística I
Exercício 1 Um par de dados não viciados é lançado. Seja X a variável aleatória denotando o menor dos dois números observados. a) Encontre a tabela da distribuição dessa variável. b) Construa o gráfico
Leia maisIntrodução à probabilidade e estatística II
Introdução à probabilidade e estatística II Testes de hipóteses para duas médias populacionais Prof. Alexandre G Patriota Sala: 98A Email: patriota@ime.usp.br Site: www.ime.usp.br/ patriota Testes de hipóteses
Leia maisTurma: Engenharia Data: 12/06/2012
DME-IM-UFRJ - 2ª Prova de Estatística Unificada Turma: Engenharia Data: 12/06/2012 1 - Admita que a distribuição do peso dos usuários de um elevador seja uma Normal com média 75kg e com desvio padrão 15kg.
Leia maisICMS/PE 2014 Resolução da Prova de Estatística Professor Fábio Amorim. ICMS PE 2014: Resolução da prova de Estatística Prof.
ICMS/PE 2014 Resolução da Prova de Estatística Professor Fábio Amorim 1 de 6 Pessoal, segue a resolução das questões de Estatística da prova realizada pela SEFAZ-PE, para o cargo de Auditor Fiscal do Tesouro
Leia maisTÉCNICAS DE AMOSTRAGEM
TÉCNICAS DE AMOSTRAGEM Ralph dos Santos Silva Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Sumário Teorema Central do Limite (TCL) Se y 1, y 2,...,
Leia maisa) Considerando o lançamento de dois dados, o espaço amostral é Tabela 1: Tabela de distribuição de X. X P 11/36 9/36 7/36 5/36 3/36 1/36
1 Exercício 1 Um par de dados não viciados é lançado. Seja X a variável aleatória denotando o menor dos dois números observados. a) Encontre a tabela da distribuição dessa variável. b) Construa o gráfico
Leia maisProbabilidade e Estatística
Probabilidade e Estatística Aula 5 Probabilidade: Distribuições de Discretas Parte 1 Leitura obrigatória: Devore, 3.1, 3.2 e 3.3 Chap 5-1 Objetivos Nesta parte, vamos aprender: Como representar a distribuição
Leia mais6- Probabilidade e amostras: A distribuição das médias amostrais
6- Probabilidade e amostras: A distribuição das médias amostrais Anteriormente estudamos como atribuir probabilidades a uma observação de alguma variável de interesse (ex: Probabilidade de um escore de
Leia maisFernando de Pol Mayer
Fernando de Pol Mayer Laboratório de Estatística e Geoinformação (LEG) Departamento de Estatística (DEST) Universidade Federal do Paraná (UFPR) Este conteúdo está disponível por meio da Licença Creative
Leia maisNessa situação, a média dessa distribuição Normal (X ) é igual à média populacional, ou seja:
Pessoal, trago a vocês a resolução da prova de Estatística do concurso para Auditor Fiscal aplicada pela FCC. Foram 10 questões de estatística! Não identifiquei possibilidade para recursos. Considero a
Leia maisInferência Estatística
Inferência Estatística procura os argumentos estatísticos para fazer afirmações sobre as características de uma população, com base em informações dadas por amostras. Exemplo 1: observe como uma cozinheira
Leia maisMAE116 Noções de Estatística
Exercício 1 (Estimação) Um agente de viagens deseja estimar a proporção de clientes satisfeitos com os serviços da agência. (a) Determine o tamanho da amostra necessário para que o erro cometido na estimação
Leia maisUNIDADE II. José J. C. Hernández. April 9, 2017 DE - UFPE. José J. C. Hernández (DE - UFPE) Estatística I April 9, / 60
INTRODUÇÃO À ESTATÍSTICA UNIDADE II José J. C. Hernández DE - UFPE April 9, 2017 José J. C. Hernández (DE - UFPE) Estatística I April 9, 2017 1 / 60 Variável aleatória Seja X : Ω R uma função real de Ω
Leia maisTestes de Hipótese para uma única Amostra - parte II
Testes de Hipótese para uma única Amostra - parte II 2012/02 1 Teste para média com variância conhecida 2 3 Objetivos Ao final deste capítulo você deve ser capaz de: Testar hipóteses para média de uma
Leia maisALGUMAS DISTRIBUIÇÕES CONTÍNUAS DE PROBABILIDADE
ALGUMAS DISTRIBUIÇÕES CONTÍNUAS DE PROBABILIDADE 4. 1 INTRODUÇÃO Serão apresentadas aqui algumas distribuições de probabilidade associadas a v.a. s contínuas. A mais importante delas é a distribuição Normal
Leia maisVARIÁVEIS ALEATÓRIAS 1
VARIÁVEIS ALEATÓRIAS 1 Na prática é, muitas vezes, mais interessante associarmos um número a um evento aleatório e calcularmos a probabilidade da ocorrência desse número do que a probabilidade do evento.
Leia maisDistribuições Amostrais
Distribuições Amostrais Distribuição de Probabilidades de Estatísticas Amostrais Teorema Central do Limite Na aula passsada, vimos que As estatísticas amostrais são variáveis. Seus valores variam de acordo
Leia maisInferência. 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média. Renata Souza
Inferência 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média Renata Souza Aspectos Gerais A estatística descritiva tem por objetivo resumir ou descrever características importantes
Leia maisNome: N o : Espaço reservado a classificações
ESTATÍSTICA I 2 o Ano/Gestão 1 o Semestre Época Normal Duração: 2 horas 1 a Parte Teórica N o de Exame: abcde 03.Jan.11 Este exame é composto por duas partes. Esta é a 1 a Parte Teórica (Cotação: 8 valores).
Leia maisX 2. (σ 2 + µ 2 ) = 1 n (nσ 2 + nµ 2 ) = σ 2 + µ 2. µ = 0 E(T ) = σ 2
Estatística II (GET00182) Turma A1 Prova 1 20/10/2017 2/2017 NOME: GABARITO 1. Seja X 1, X 2,, X n uma amostra aleatória simples de uma população X com média µ e variância σ 2. (a) Mostre que, se µ = 0,
Leia maisProfessora Ana Hermínia Andrade. Universidade Federal do Amazonas Faculdade de Estudos Sociais Departamento de Economia e Análise. Período 2017.
Estimação pontual Professora Ana Hermínia Andrade Universidade Federal do Amazonas Faculdade de Estudos Sociais Departamento de Economia e Análise Período 2017.1 Introdução Exemplo Desejamos comprar um
Leia maisNome: N. o : f(u) du para todo o x (V) d) Se F (x) tiver pontos de descontinuidade, então X é discreta (F)
ESTATÍSTICA I 2. o Ano/Gestão 1. o Semestre Época Normal Duração: 2 horas 1. a Parte Teórica N. o de Exame: RESOLUÇÃO 09.01.2015 Este exame é composto por duas partes. Esta é a 1 a Parte Teórica (Cotação:
Leia maisDistribuição Amostral e Estimação Pontual de Parâmetros
Roteiro Distribuição Amostral e Estimação Pontual de Parâmetros 1. Introdução 2. Teorema Central do Limite 3. Conceitos de Estimação Pontual 4. Métodos de Estimação Pontual 5. Referências População e Amostra
Leia mais308 CAPfTU LO 11 - ESTIMAÇÃO Observe que o primeiro intervalo tem amplitude menor que o segundo. Outra observação importante é que por ( 11.40) e um r
308 CAPfTU LO 11 - ESTIMAÇÃO Observe que o primeiro intervalo tem amplitude menor que o segundo. Outra observação importante é que por ( 11.40) e um r fixo, os intervalos que podemos obter para amostras
Leia maisNoções de Simulação. Ciências Contábeis - FEA - Noturno. 2 o Semestre MAE0219 (IME-USP) Noções de Simulação 2 o Semestre / 23
Noções de Simulação Ciências Contábeis - FEA - Noturno 2 o Semestre 2013 MAE0219 (IME-USP) Noções de Simulação 2 o Semestre 2013 1 / 23 Objetivos da Aula Sumário 1 Objetivos da Aula 2 Motivação 3 Geração
Leia maisRedução de Variância: Amostragem Antitética
Redução de Variância: Amostragem Antitética Frederico Almeida & Guilherme Aguilar Universidade Federal de Minas Gerais September 20, 2018 Frederico Almeida & Guilherme Aguilar (ICEX - UFMG) Redução de
Leia maisInferência Estatística
Inferência Estatística procura os argumentos estatísticos para fazer afirmações sobre as características de uma população, com base em informações dadas por amostras. Exemplo 1: observe como uma cozinheira
Leia maisUNIVERSIDADE FEDERAL DA PARAÍBA. Variáveis Aleatórias. Departamento de Estatística Luiz Medeiros
UNIVERSIDADE FEDERAL DA PARAÍBA Variáveis Aleatórias Departamento de Estatística Luiz Medeiros Introdução Como sabemos, características de interesse em diversas áreas estão sujeitas à variação; Essa variabilidade
Leia maisTamanho Amostral. Tiago Viana Flor de Santana
ESTATÍSTICA BÁSICA Tiago Viana Flor de Santana www.uel.br/pessoal/tiagodesantana/ tiagodesantana@uel.br sala 07 Curso: MATEMÁTICA Universidade Estadual de Londrina UEL Departamento de Estatística DSTA
Leia maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS quantidade São Paulo (j = 1) Rio de Janeiro (j = 2) Minas Gerais (j = 3) Rio Grande do Sul (j = 4) total casos novos (X, em milhões) casos pendentes (Y, em milhões) processos
Leia maisProbabilidade e Estatística
Probabilidade e Estatística Aula 6 Distribuições Contínuas (Parte 02) Leitura obrigatória: Devore, Capítulo 4 Chap 6-1 Distribuições de Probabilidade Distribuições de Probabilidade Distribuições de Probabilidade
Leia maisIntrodução ao Planejamento e Análise Estatística de Experimentos 1º Semestre de 2013 Capítulo 3 Introdução à Probabilidade e à Inferência Estatística
Introdução ao Planejamento e Análise Estatística de Experimentos Capítulo 3 Introdução à Probabilidade e à Inferência Estatística Introdução ao Planejamento e Análise Estatística de Experimentos Agora,
Leia maisIntervalos Estatísticos para uma única Amostra - parte I
Intervalos Estatísticos para uma única Amostra - parte I Intervalo de confiança para média 14 de Janeiro Objetivos Ao final deste capítulo você deve ser capaz de: Construir intervalos de confiança para
Leia maisPE-MEEC 1S 09/ Capítulo 7 - Estimação por intervalos. 7.2 Intervalos de. confiança para. média de uma. normal 7.
Capítulo 7 - Estimação por intervalos 7.1 Noções básicas 7.2 Intervalos de confiança para a média de uma população normal 7.3 Intervalos de confiança para a diferença de duas médias de populações normais
Leia maisInferência Estatística: DEEST/UFOP Prof.: Spencer Barbosa da Silva
Inferência Estatística: Prof.: Spencer Barbosa da Silva Amostragem Estatística Descritiva Cálculo de Probabilidade Inferência Estatística Estimação Teste de Hipótese Pontual Por Intervalo Conceitos básicos
Leia maisx, x < 1 f(x) = 0, x 1 (a) Diga o que entende por amostra aleatória. Determine a função densidade de probabilidade
Probabilidades e Estatística 2004/05 Colectânea de Exercícios LEIC, LERCI, LEE Capítulo 6 Estimação Pontual Exercício 6.1. Considere a população X com função densidade de probabilidade { x, x < 1 f(x)
Leia maisFernando de Pol Mayer
Fernando de Pol Mayer Laboratório de Estatística e Geoinformação (LEG) Departamento de Estatística (DEST) Universidade Federal do Paraná (UFPR) Este conteúdo está disponível por meio da Licença Creative
Leia maisIND 1115 Inferência Estatística Aula 6
Conteúdo IND 5 Inferência Estatística Aula 6 Setembro de 004 A distribuição Lognormal A distribuição Beta e sua relação com a Uniforme(0,) Mônica Barros mbarros.com mbarros.com A distribuição Lognormal
Leia maisMAE Introdução à Probabilidade e Estatística II Resolução Lista 5
MAE 229 - Introdução à Probabilidade e Estatística II Resolução Lista 5 Professor: Pedro Morettin e Profa. Chang Chian Exercício 1 (a) De uma forma geral, o desvio padrão é usado para medir a dispersão
Leia maisCap. 8 - Intervalos Estatísticos para uma Única Amostra
Intervalos Estatísticos para ESQUEMA DO CAPÍTULO 8.1 INTRODUÇÃO 8.2 INTERVALO DE CONFIANÇA PARA A MÉDIA DE UMA DISTRIBUIÇÃO NORMAL, VARIÂNCIA CONHECIDA 8.3 INTERVALO DE CONFIANÇA PARA A MÉDIA DE UMA DISTRIBUIÇÃO
Leia maisUniversidade Federal do Ceará
Universidade Federal do Ceará Faculdade de Economia Vicente Lima Crisóstomo Fortaleza, 2011 1 Sumário Introdução Estatística Descritiva Probabilidade Distribuições de Probabilidades Amostragem e Distribuições
Leia mais