Bussab&Morettin Estatistica Basica

Cap.11 Pag.1
Capitulo 11
Problema 01
N de sucessos 0 1 2 3 4 5
p`
0,0 0,2 0,4 0,6 0,8 1,0
) ` ( p P
0,3277 0,4096 0,2048 0,0512 0,0064 0,0003
p p E = = 2 , 0 ) ` ( ;
5
) 1 (
032 , 0 ) ` (
p p
p Jar

= = .
Problema 02
n n
p p
p Jar
4
1 ) 1 (
) ` ( s

=
n 10 25 100 400
Limite superior de
) ` ( p Jar
0,025 0,01 0,0025 0,000625
0,000
0,005
0,010
0,015
0,020
0,025
0,030
0 100 200 300 400 500
n
L
i
m
i
t
e

s
u
p
e
r
i
o
r

d
e

V
a
r
(
p
^
)
Problema 03
(a)
_
=
=
n
i
i
X X
1
) ; ( ~ p n Binomial X ; np X E = ) ( ; ) 1 ( ) ( p np X Jar =
Bussab&Morettin Estatistica Basica
Cap.11 Pag.2
p
n
np
X E
n n
X
E p E = = = |

'

= ) (
1
) ` (
1
;
n
p p
n
p np
X Jar
n n
X
Jar p Jar
) 1 ( ) 1 (
) (
1
) ` (
2 2 1

=

= = |

'

= .
(b)
1
X resultado da 1
a
prova
) ( ~
1
p Bernoulli X ; p X E = ) (
1
; ) 1 ( ) (
1
p p X Jar =
, ) p X E p E = =
1 2
) ` ( ;
, ) ) 1 ( ) ` (
1 2
p p X Jar p Jar = = .
O estimador
2
` p no e bom porque so assume os valores 0 ou 1, de pendendo do
resultado da 1
a
prova. Alem disso, ) ` ( ) ` (
1 2
p nJar p Jar = , ou seja, sua varincia e maior
que a varincia de
1
` p , para todo n maior que 1.
Problema 04
p p E
n
=

)) ` ( ( lim
1
e 0
) 1 (
lim ) ` ( lim
1
=

=

n
p p
p Jar
n n
.
Logo,
1
` p e um estimador consistente de p.
p p E
n
=

)) ` ( ( lim
2
e 0 ) 1 ( ) 1 ( lim ) ` ( lim
2
= = =

p p p p p Jar
n n
, para 0 = p e 1 = p .
Logo,
2
` p no e um estimador consistente de p.
Problema 05
Estimador
Propriedades dos
estimadores
1
t
2
t
Vies 2 0
Varincia 5 10
EQM 9 10
O estimador
1
t e viesado, enquanto que
2
t e no-viesado. A mediana e a moda de
1
t e
2
t so
iguais ou muito proximas de 100 = 0 . Alem disso, 9 ) (
1
= t EQM , enquanto que
10 ) (
2
= t EQM . A unica medida realmente discrepante e a varincia: ) ( 2 ) (
1 2
t Jar t Jar = .
Como o vies de
1
t e pequeno e sua varincia a metade da varincia de
2
t , pode-se considerar
que
1
t e um estimador melhor que
2
t .
Problema 06
Bussab&Morettin Estatistica Basica
Cap.11 Pag.3
(a)
t t
v
2
) 6 (
t
v
2
) 7 (
t
v
2
) 8 (
t
v
2
) 9 (
t
v
2
) 10 (
t
v
1 3 9 16 25 36 49
2 5 1 4 9 16 25
3 6 0 1 4 9 16
4 8 4 1 0 1 4
5 16 100 81 64 49 36
) ( S
114 103 102 111 130
90
100
110
120
130
140
5 6 7 8 9 10 11
mi
S
(
m
i
)
) ( S parece ser minimo para aproximadamente igual a 7,5.
(b)
v
n
v
d
dS
n v v
d
dS
t
t
MQ
t
t
t
t
= = = : =
+ = =
_
_ _

` 0
) (
2 2 ) ( 2
) (
Logo, 6 , 7 ` = = v
MQ
. Esse valor e proximo aquele visualizado no grafico do item (a).
Problema 07
(a)
Bussab&Morettin Estatistica Basica
Cap.11 Pag.4
0
500
1000
1500
2000
2500
3000
1967 1969 1971 1973 1975 1977 1979
Ano (t)

n
f
l
a

o

(
y
t
)
(b)
_
=
t
t
t v S
2
) ( ) , ( | o | o
_ _ _ _
_ _ _
+ + = =
+ + = + + = =
t t t
t
t
t
t t
t
t
t
t t tv t v t
d
dS
t n n v n t n v t v
d
dS
2
2 2 2 ) ( 2
) , (
2 2 2 2 2 2 ) ( 2
) , (
| o | o
|
| o
| o | o | o
o
| o
Igualando a zero, temos:
t v
d
dS
`
` 0
) , (
| o o
o
| o
= = : =
_
_
_ _

= = : = + : =
t
t
t
t
t
t
t n t
v t n tv
tv t t n t v
d
dS
2 2
2
`
) ( 0
) , (
| | | |
|
| o
.
Logo, os estimadores de minimos quadrados de o e | so dados, respectivamente, por
t v
`
` | o = e
_
_

=
t
t
t
t n t
v t n tv
2 2
`
| .
Na amostra observada, obtemos as seguintes estimativas:
73 , 350026 ` = o e 80 , 177
`
= | .
(c) A inflao prevista pelo modelo ajustado e
143 , 2202 1981 80 , 177 73 , 350026 ) 1981 ( ` = + = v .
(d) Sim, pois a inflao cresceu exponencialmente (e no linearmente) no periodo
observado.
Problema 08
Com calculos analogos aos feitos no Exercicio 7, substituindo t por
t
x , obtemos que
Bussab&Morettin Estatistica Basica
Cap.11 Pag.5
x v | o = ` e
_
_

=
t
t
t t
x n x
v x n v x
t
2 2
`
| .
Problema 09
844 , 0
73 , 3 10 25 , 169
66 , 68 73 , 3 10 43 , 2586
`
2 2 2
=


=

=
_
_
t
t
t t
x n x
v x n v x
t
| ;
513 , 65 73 , 3 844 , 0 66 , 68 ` = = = x v | o .
Logo, o modelo ajustado e dado por
t t
x v 844 , 0 513 , 65 ` + = .
Problema 10
2 3
) 1 ( ) 1 ( ) ( p p p p p L
x n x
= =

Euno de verossimilhana da distribuio Binomial(5;p)
p 1/5 2/5 3/5 4/5
L(p) 0,005 0,023 0,035 0,020
0,000
0,010
0,020
0,030
0,040
0 1/5 2/5 3/5 4/5 1
p
L
(
p
)
Problema 11
(a)
1
) 1 ( ) ... ( ) sucesso 1 e fracassos 1 - x ( ) (

= = = =
x
p p FS FFF P P x X P .
(b) Euno de verossimilhana
_
= = = = =


n x
n x x
n n
i
n
p p p p p p p x X P p x X P p L ) 1 ( ) 1 ( ) 1 ( ) ( ) ( ) (
1 1
1 1
1
x ;
Euno log-verossimilhana
, ) ) 1 log( log )) ( log( ) ( p n x p n p L p l
i
+ = =
_
x x ;
Maximizando em relao a p:
, )
_
_
_
= : = : =

=
i
i
i
x
n
p p n x p n
p
n x
p
n
p l 0 ) 1 ( 0
1
) ( ' x .
Bussab&Morettin Estatistica Basica
Cap.11 Pag.6
Logo, o EMV para p e dado por
_
=
i
x
n
p` .
(c) 455 , 0
11
5
` = = p .
Sim, poderiamos estimar p P(coroa) lanando a moeda n vezes e contando o numero
de coroas (m). Nesse caso, n m p / ` = .
Problema 12
Euno densidade de probabilidade
)
`

=
2
) (
exp
2
1
) (
2

i
i
x
x f ;
Euno de verossimilhana

|
|

'

)
`

= =
_
[ [
= =
2
) (
exp
2
1
2
) (
exp
2
1
) ( ) (
2
1
2
1

t

i
n
n
i
i
n
i
i
x
x
x f L x ;
Euno log-verossimilhana
, )
2
) (
2 log
2
)) ( log( ) (
2
_

= =

t
i
x
n
L l x x ;
Maximizando em relao a :
x n x n x l
i
= : = = =
_
0 ) ( ) ( ' x .
Logo, o EMV de e dado por:
x
MJ
= ` .
Problema 13
Euno de probabilidade
!
) (
i
v
i i
v
e
v Y P
i

= = ;
Euno de verossimilhana
[
[
_
= = = = =

=

! !
) ( ) ( ) (
1
1 1
i
v
n n
i i
v
n n
v
e
v
e
v Y P v Y P L
i
i



y ;
Euno de log-verossimilhana
_ [
+ = = ) ! log( log )) ( log( ) (
i i
v v n L l y y ;
Maximizando em relao a :
Bussab&Morettin Estatistica Basica
Cap.11 Pag.7
v
n
v v
n l
i i
= = : = + =
_ _

0 ) ( ' y .
Logo, o EMV de e dado por:
v
MJ
=
`
.
Problema 14.

+ =
n
: X
n
: X IC
o

o
) ( ; ) ( ) ; (
Intervalo de confiana
Media
amostral
Tamanho da
amostra
Desvio padro da
populao
Coeficiente de
confiana
) ( :
Limite
inferior
Limite
superior
170 100 15 95% 1,960 167,06 172,94
165 184 30 85% 1,440 161,82 168,18
180 225 30 70% 1,036 177,93 182,07
Problema 15
(a) | 88 , 812 ; 12 , 787 ]
20
100
576 , 2 800 ) 99 , 0 ; ( = = IC
(b) % 54 , 15 196 , 0
100
20
98 , 0 98 , 0 ) ( 98 , 0 ) ( 98 , 0 = = = = = =
s
n
:
n
s
: e .
(c) 625
84 , 7
100 96 , 1 ) (
) (
2 2
= |

'

= |

'

= : =
e
s :
n
n
s
: e

.
Suposies: Amostragem aleatoria simples; tamanho amostral grande.
Problema 16
(a)
2
) (
) (
/ / / /
) ( |

'

= : = : =
|
|

'

<

< : = <
e
s :
n :
n s
e
n s
e
n s
X
n s
e
P e X P

385 16 , 384
1
10 96 , 1
2
~ = |

'

= n .
(b) 664 58 , 663
1
10 576 , 2
2
~ = |

'

= n .
Problema 17
(a) % 92 ) 1 ( % 8 ) 1 ( = < : = > X P X P ;
Bussab&Morettin Estatistica Basica
Cap.11 Pag.8
307 25 , 306
1
10 75 , 1 ) (
2 2
~ = |

'

= |

'

=
e
s :
n

.
(b) | 0 , 51 ; 0 , 49 ]
307
10
75 , 1 50 ) 92 , 0 ; ( = = IC .
Problema 18
n
p p
: p p IC
) ` 1 ( `
) ( ` ) ; (

=
| 730 , 0 ; 670 , 0 ] 030 , 0 7 , 0
625
3 , 0 7 , 0
645 , 1 7 , 0 ) 9 , 0 ; ( = =

= p IC .
Intervalo conservador: | 733 , 0 ; 667 , 0 ] 033 , 0 7 , 0
625 4
1
645 , 1 7 , 0 ) 9 , 0 ; ( = =

= p IC
Problema 19
| 345 , 0 ; 255 , 0 ] 045 , 0 3 , 0
400
7 , 0 3 , 0
96 , 1 3 , 0 ) 95 , 0 ; ( = =

= p IC .
Intervalo conservador: | 349 , 0 ; 251 , 0 ] 049 , 0 3 , 0
400 4
1
96 , 1 3 , 0 ) 95 , 0 ; ( = =

= p IC .
Problema 20
(a)
) 1 (
) (
) (
/ ) 1 (
/ ) 1 ( / ) 1 (
`
/ ) 1 (
) ` (
2
p p
e
:
n :
n p p
e
n p p
e
n p p
p p
n p p
e
P e p p P
|

'

= : =

: =
|
|

'

<

<

: = <

Supondo que a proporo na amostra real seja proxima de p:
3942 4 , 0 6 , 0
01 , 0
2816 , 1
2
~ |

'

= n
(b) | 566 , 0 ; 534 , 0 ] 016 , 0 55 , 0
3942
45 , 0 55 , 0
96 , 1 55 , 0 ) 95 , 0 ; ( = =

= p IC .
Intervalo conservador: | 566 , 0 ; 534 , 0 ] 016 , 0 55 , 0
3942 4
1
96 , 1 55 , 0 ) 95 , 0 ; ( = =

= p IC .
Problema 21
(a) | 387 , 0 ; 280 , 0 ] 053 , 0 333 , 0
300
667 , 0 333 , 0
96 , 1 333 , 0 ) 95 , 0 ; ( = =

= p IC .
Bussab&Morettin Estatistica Basica
Cap.11 Pag.9
Intervalo conservador:
| 390 , 0 ; 277 , 0 ] 057 , 0 333 , 0
300 4
1
96 , 1 333 , 0 ) 95 , 0 ; ( = =

= p IC .
Interpretao: Se pudessemos construir um grande numero de intervalos aleatorios para p,
todos baseados em amostras de tamanho n, 95% deles conteriam o parmetro p.
(b) Utilizando a estimativa da amostra observada ( 333 , 0 ` = p ):
2134 667 , 0 333 , 0
02 , 0
96 , 1
2
~ |

'

= n .
Utilizando o valor maximo de p(1-p):
2401
4
1
02 , 0
96 , 1
2
~ |

'

= n
Interpretao: Utilizando o tamanho amostral encontrado, teremos uma probabilida de de 95%
de que a proporo amostral difira do verdadeiro valor de p por menos que 2%.
Problema 22
(a)
Estimador
Propriedades t t'
Media 10 9,9
Vicio 0,0 -0,1
Varincia 4,8 3,79
EQM 4,8 3,8
O estimador t e no-viesado, porem tem varincia maior que ' t , o qual e viesado. O EQM de
' t e menor que o de t.
(b) Pode-se escolher ' t , pois seu vicio e pequeno, e sua varincia e EQM so bem menores
que os de t.
Problema 23
(a) | 63 , 151 ; 37 , 148 ] 633 , 1 150
6
5
96 , 1 150 ) 95 , 0 ; ( = = = IC ;
(b) 100
98 , 0
5 96 , 1 ) (
) (
2 2
= |

'

= |

'

= : =
e
s :
n
n
s
: e

.
Bussab&Morettin Estatistica Basica
Cap.11 Pag.10
Problema 24
(a) | 32 , 7 ; 13 , 5 ] 097 , 1 222 , 6
3
2
645 , 1 222 , 6 ) 90 , 0 ; ( = = = IC
(b) 108241
01 , 0
2 645 , 1 ) (
) (
2 2
= |

'

= |

'

= : =
e
s :
n
n
s
: e

.
(c) Como n e pequeno (n 9), no seria razoavel simplesmente substituir o desvio padro
populacional pelo amostral. Pode -se usar o desvio padro amostral s, e substituir a
estatistica : pela estatistica t, obtida de uma distribuio t-Student com n-1 graus de
liberdade.
Problema 25
| 37 , 420 ; 63 , 379 ] 37 , 20 400
10
923 , 103
96 , 1 400 ) 95 , 0 ; ( = = = IC
Problema 26
717 , 0
50 , 5 10 00 , 385
55 , 8 50 , 5 10 40 , 529
`
2 2 2
=


=

=
_
_
t
t
t
t n t
v t n tv
| ;
607 , 4 50 , 5 717 , 0 55 , 8 ` = = = t v | o .
Logo, o modelo ajustado e dado por
t v
t
717 , 0 607 , 4 ` + = .
Novembro (t 11): 12,49;
Dezembro (t 12): 13,21;
Julho (t 19): 18,23;
Agosto (t 20): 18,95.
Problema 27
(a) | 647 , 0 ; 553 , 0 ] 047 , 0 6 , 0
300
4 , 0 6 , 0
645 , 1 6 , 0 ) 90 , 0 ; ( = =

= p IC .
Intervalo conservador.
| 647 , 0 ; 553 , 0 ] 047 , 0 6 , 0
300 4
1
645 , 1 6 , 0 ) 90 , 0 ; ( = =

= p IC .
(b)
Bussab&Morettin Estatistica Basica
Cap.11 Pag.11
% 820 , 2 ) 035 , 0 035 , 0 (
300 / 4 , 0 6 , 0
001 , 0
300 / 4 , 0 6 , 0
001 , 0
/ ) 1 (
001 , 0
/ ) 1 (
`
/ ) 1 (
001 , 0
) 001 , 0 ` (
= < < =
|
|

'

< <

~
|
|

'

<

<

= <
Z P Z P
n p p n p p
p p
n p p
P p p P
(c) 936 . 687 . 3 4 , 0 6 , 0
0005 , 0
96 , 1
) 1 (
) (
2 2
= |

'

~ |

'

= p p
e
:
n

.
No parece factivel, pois o tamanho amostral e muito grande. Deve -se aumentar e ou diminuir
.
Problema 28
(a) | 412 , 0 ; 388 , 0 ] 012 , 0 4 , 0
10000 4
1
326 , 2 4 , 0 ) 98 , 0 ; ( = =

= p IC .
(b) | 411 , 0 ; 389 , 0 ] 011 , 0 4 , 0
10000
6 , 0 4 , 0
326 , 2 4 , 0 ) 98 , 0 ; ( = =

= p IC .
Problema 29
| 569 , 0 ; 471 , 0 ] 049 , 0 52 , 0
400
48 , 0 52 , 0
96 , 1 52 , 0 ) 95 , 0 ; ( = =

= p IC .
Problema 30
% 2 , 64 919 , 0
4 , 0 6 , 0
10 045 , 0
) 1 (
) (
) 1 (
) ( = =

= :

=
p p
n e
:
n
p p
: e
Problema 31
|
|

'

1
2
1
1
, ~
n
N X
o
e
|
|

'

2
2
2
2
, ~
n
N Y
o
, independentes.
Logo:
|
|

'

+
2
2
2
1
2
1
2 1
, ~
n n
N Y X
o o
.
Portanto, o intervalo de confiana para
2 1
e dado por:
2
2
2
1
2
1
2 1
) ( ) ; (
n n
: Y X IC
o o
+ = .
Bussab&Morettin Estatistica Basica
Cap.11 Pag.12
Problema 32
(a) | 9 , 54 ; 1 , 45 ] 9 , 4 50
4
10
96 , 1 50 ) 95 , 0 ; ( = = =
A
IC ;
| 92 , 63 ; 08 , 56 ] 92 , 3 60
5
10
96 , 1 60 ) 95 , 0 ; ( = = =
B
IC .
(b) | 72 , 3 ; 28 , 16 ] 28 , 6 10
25
100
16
100
96 , 1 60 50 ) 95 , 0 ; (
2 1
= = + = IC .
O zero no esta contido no intervalo. Logo, ha evidncias de que as duas medias so
diferentes.
Problema 33
|
|

'

+

B
B B
A
A A
B A B A
n
p p
n
p p
p p N p p
) 1 ( ) 1 (
; ~ ` `
B
B B
A
A A
B A B A
n
p p
n
p p
: p p p p IC
) 1 ( ) 1 (
) ( ` ` ) ; (

+

=
| 070 , 0 ; 196 , 0 ] 063 , 0 133 , 0
600
417 , 0 583 , 0
400
550 , 0 450 , 0
96 , 1 583 , 0 450 , 0 ) 95 , 0 ; (
= =
=

=
B A
p p IC
Problema 34
|
|

'

n
N X
2
; ~
o

0
) (
) (
2
2
2
= s >
n
nk k
X Jar
k X P
o
.
Logo, X e consistente.
Problema 35
, )
2 2
) 1 ( /
c c
c
n
p p n k Jar
p
n
k
P

= s
|
|

'

> , pois
n
p p
n
k
Jar
) 1 (
= |

'

.
Problema 36
05 , 0 95 , 0 1 1 = = = o
2000
05 , 0 05 , 0 4
1
4
1
2 2
=

= =
oc
n
Problema 37
Bussab&Morettin Estatistica Basica
Cap.11 Pag.13
Euno densidade de probabilidade
)
`

=
2
2
2
2
) (
exp
2
1
) , (
o

o t
o
i
i
x
x f ;
Euno de verossimilhana

|
|

'

)
`

= =
_
[ [
= =
2
2
1
2
2
1
2 2
2
) (
exp
2
1
2
) (
exp
2
1
) , ( ) , (
o

o t o

o t
o o
i
n
n
i
i
n
i
i
x
x
x f L x
Euno log-verossimilhana
, )
2
2
2 2 2
2
) (
log
2
2 log
2
)) , ( log( ) , (
o

o t o o
_

= =
i
x
n n
L l x x ;
Maximizando em relao a e
2
o :
x n x n x
l
i
= : = = =
c
c
_

o

o
o
0 ) (
2
1
) (
2
1 ) , (
2 2
2
x
.
n
x
x n x
n l
i
i i
_
_ _

=
: = |

'

+ : = + =
c
c
2
2
2
2 2
2
2 2 2 2
2
) (
0 ) (
1
2
1
0 ) (
) ( 2
1
2
) , (

o o

o o o
o x
Logo, os EMV`s de e
2
o so dados por:
x
MJ
= ` e
n
x x
i
MJ
_

=
2
2
) (
` o .
Problema 38
(a) 0
0
= = = = =
2
2 ) ( 2 ) ( 2 ) 2 ( ) (
1
X E X E X E T E . Logo,
1
T e um estimador no-viciado
para 0 .
(b) Como
1
T e um estimador no-viesado:
, )
n n n
X Jar
X Jar X Jar T Jar T EQM
3 12
4
4 ) ( 4 ) 2 ( ) ( ) (
2 2
1 1
0 0
= = = = = = .
(c)
1
T e consistente, pois
1
T e no-viesado e 0
3
lim )) ( ( lim
2
1
=
|
|

'

=

n
T Jar
n
0
.
Problema 39
Bussab&Morettin Estatistica Basica
Cap.11 Pag.14
(a)
1 1
) (
1
0
1
0
+
=
|
|

'

+
= = =
+

} }
n
n
n
n
dx x
n
dx x
n
x M E
n
n
n
n
n
n
0
0
0 0 0
0 0
. Logo, M e um estimador
viesado. Seu vies e dado por
0 0 0 0 0
1
1
1
) ( ) (
+
=
+
= =
n n
n
M E J .
Logo: 0 )) ( ( lim =

0 J
n
.
(b) Como
2
T e no-viesado:
) (
1 1
) ( ) (
2
2 2
M Jar
n
n
M
n
n
Jar T Jar T EQM |

'
+
= |

'
+
= = .
Mas:
2 2
)] ( | ) ( ) ( M E M E M Jar = , onde
2 2
) (
2
2
0
1 1
0
2 2
+
=
|
|

'

+
= = =
+
+
} }
n
n
n
n
dx x
n
dx x
n
x M E
n
n
n
n
n
n
0
0
0 0 0
0 0
.
Logo:
2
2
2
2 2
2
2
) 2 (
1
) 1 ( 2
1
) ( 0 0 0
+
=
|
|

'

+
|

'
+
=
n n n
n
n
n
n
n
T EQM
(c) Temos que:
0
) 2 (
1
lim )) ( ( lim
2
2
=
+
=

0
n n
t Jar
n n
. Alem disso,
2
T e no-viciado. Logo,
2
T e um
estimador consistente.
Problema 40
) (
2
3
) (
2
3
3
) 2 (
) (
) (
1 2 2
2
1
2
T Jar
n
T Jar
n
n
n n
T Jar
T Jar
+
= :
+
=
+
=
0
0
n 1 2 10 50 100
) ( / ) (
1 2
T Jar T Jar
1,000 0,750 0,250 0,058 0,029
Logo, para n grande, a varincia de
2
T e muito menor que a varincia de
1
T .
Problema 41
Temos que
|
|

'

n
N X
12
;
2
~
2
0 0
.
|
|

'

'

+ < < |

'

=
|
|

'

<

<
n
X
n
X P
n
X
P
12
645 , 1
2
12
645 , 1
2 % 90 645 , 1
12 /
2 /
645 , 1
0
0
0
0
0
.
Bussab&Morettin Estatistica Basica
Cap.11 Pag.15
(a) Usando X T 2
1
= como estimador de 0 :

'

+ |

'

|
|

'

+
|
|

'

=
n
X
n
X
n
X
X
n
X
X IC
12
29 , 3
1 2 ;
12
29 , 3
1 2
12
2 645 , 1
2 ;
12
2 645 , 1
2 %) 90 ; (0
(b) Usando M
n
n
T
1
2
+
= como estimador de 0 :

'
+
+ |

'
+
=
n n
M n
X
n n
M n
X IC
12
) 1 ( 645 , 1
2 ;
12
) 1 ( 645 , 1
2 %) 90 ; (0 .
(c)

]

'

+ |

'

=
n
M
X
n
M
X IC
12
645 , 1
2 ;
12
645 , 1
2 %) 90 ; (0 .
(d) Sero aproximadamente iguais, pois para n grande, 1 / ) 1 ( ~ + n n .
Problema 42
094 , 5
1
= T ; 997 , 4
2
= T .
%) 90 ; (0 IC
Estimador Limite inferior Limite superior
1
T
4,941 5,247
2
T
4,944 5,244
M 4,944 5,244
Problema 44
| 41 , 10 ; 19 , 10 ] 112 , 0 3 , 10
600
4 , 1
96 , 1 3 , 10 ) 95 , 0 ; ( = = = IC .
Problema 45
, )

= + = |

'
+
= ) ` ( ) ` (
2
1
2
` `
) (
2 1
2 1
1
E E E T E ;
, )

= + = |

'
+
= ) ` ( ) ` ( 4
5
1
5
` ` 4
) (
2 1
2 1
2
E E E T E ;
, ) = =
1 3
` ) ( E T E .
(i) Logo, os trs estimadores so no-viesados.
, ) ) ` ( 333 , 0
3
) ` (
) ` (
3
4
4
1
) ` ( ) ` (
4
1
2
` `
) (
2
2
2 2 1
2 1
1

Jar
Jar
Jar Jar Jar Jar T Jar = = = + = |

'
+
=
, ) ) ` ( 253 , 0 ) ` (
75
19
) ` ( ) ` ( 16
25
1
5
` ` 4
) (
2 2 2 1
2 1
2


Jar Jar Jar Jar Jar T Jar = = + = |

'
+
=
Bussab&Morettin Estatistica Basica
Cap.11 Pag.16
, ) ) ` ( 333 , 0
3
) ` (
` ) (
2
2
1 3

Jar
Jar
Jar T Jar = = =
(ii) Ordenando segundo a eficincia: ) ( ) ( ) (
3 1 2
T Jar T Jar T Jar = < .
Problema 46
Temos que ) (Y E = (1 momento populacional). Pelo metodo dos momentos, a estimativa
para e dada pelo 1 momento amostral, isto e, Y
M
=
`
.
Problema 47
Amostra de bootstrap sorteada
Individuo 22 15 74 35 74 78 17 78 87 57
Nota 4,0 7,5 6,5 3,0 6,5 7,0 6,5 7,0 6,5 7,5
Amostra Notas Mediana
Desvio
Medio
Desvio
absoluto
mediano
1 3,0 7,0 7,0 3,0 6,5 4,0 6,5 6,5 6,5 7,5 6,5 1,5 1,3
2 4,0 7,5 6,5 3,0 6,5 6,5 6,5 6,5 4,0 6,5 6,5 1,3 0,8
3 6,5 3,0 7,0 7,0 6,5 6,5 7,0 6,5 3,0 6,5 6,5 1,2 0,8
4 7,0 7,0 6,5 7,0 7,5 7,5 7,0 7,5 7,5 6,5 7,0 0,3 0,4
5 6,5 6,5 6,5 7,0 7,5 6,5 4,0 7,0 6,5 4,0 6,5 0,9 0,6
6 7,0 6,5 7,0 7,5 3,0 7,5 3,0 7,0 4,0 7,0 7,0 1,6 1,3
7 6,5 6,5 3,0 7,5 6,5 6,5 7,5 7,5 6,5 7,0 6,5 0,7 0,3
8 7,0 7,0 6,5 4,0 3,0 7,5 7,0 6,5 3,0 6,5 6,5 1,5 1,2
9 6,5 7,0 3,0 6,5 6,5 6,5 6,5 7,5 4,0 6,5 6,5 1,0 0,5
10 4,0 6,5 6,5 4,0 7,5 7,0 7,0 7,5 3,0 6,5 6,5 1,4 1,3
11 7,5 7,0 3,0 7,5 7,0 7,5 7,0 4,0 7,5 6,5 7,0 1,2 1,1
12 7,5 6,5 3,0 6,5 4,0 3,0 7,5 6,5 4,0 6,5 6,5 1,6 1,5
13 7,5 6,5 6,5 6,5 4,0 7,5 4,0 6,5 7,5 6,5 6,5 0,9 0,7
14 6,5 3,0 6,5 7,0 7,0 7,0 7,0 7,0 7,0 6,5 7,0 0,7 0,6
15 7,5 7,0 6,5 7,5 7,5 6,5 7,0 3,0 7,5 7,5 7,3 0,9 0,8
Desvio padro 0,3 0,4 0,4
Portanto, as estimativas de bootstrap dos parmetros de interesse s o dadas por:
3 , 0 ) ( ` = Med p e ; 4 , 0 ) ( ` = DM p e ; 4 , 0 ) ( ` = DAM p e