Anatel 2014

Conhecimentos Especficos Mtodos Quantitativos Anatel
Aula 00 Demonstrativa
Prof. Alexandre Lima
Aula 00
Caro aluno,
Seja bem vindo ao curso de Conhecimentos Especficos em Mtodos
Quantitativos para o Cargo 11 da ANATEL (Especialista em Regulao
de Servios Pblicos de Telecomunicaes Especialidade: Mtodos
Quantitativos).
Sou o professor Alexandre Lima. uma imensa satisfao t-lo como meu
aluno. Como este o nosso primeiro encontro, peo a sua licena para uma
breve apresentao sobre a minha formao e experincia como professor
para concursos. Em seguida, tecerei alguns comentrios preliminares que julgo
serem pertinentes.
Obtive o grau de Bacharel em Cincias Navais com nfase em Eletrnica pela
Escola Naval e os de Engenheiro Eltrico com nfase em Telecomunicaes,
Mestre e Doutor em Engenharia Eltrica pela Escola Politcnica da Universidade
de So Paulo. Sou Auditor-Fiscal Tributrio Municipal de So Paulo. Em
paralelo, exero o magistrio universitrio e ministro aulas de Matemtica,
Raciocnio Lgico-Quantitativo, Estatstica e Econometria aqui no Ponto dos
Concursos desde 2009.
Este curso abordar a maioria dos tpicos de Estatstica e Econometria do
edital de Mtodos Quantitativos, mas no todos, porque isso seria impraticvel
e improdutivo (faltam menos de trs meses para a prova!). A realidade dura:
o edital da nossa matria engloba conhecimentos de vrias disciplinas de
graduao e/ou ps-graduao. No h como ensinar toda a matria que ser
cobrada em um nico curso. Portanto, preciso ser pragmtico e ter jogo de
cintura nessa hora. Voc precisar aprender o que (provavelmente)
cair na prova. No necessrio saber toda a matria para ser
aprovado em um concurso pblico.
Pode ser que voc faa a seguinte pergunta: como o prof. Alexandre pode
ensinar Econometria sem ser economista ou matemtico?
Eu precisei estudar vrias tcnicas estatsticas aplicadas Econometria durante
o meu doutorado, porque a minha tese abordou a estimao e a modelagem
do trfego da Internet, que uma srie temporal com dependncia de longa
durao (vrias sries financeiras tambm apresentam o mesmo
comportamento). Portanto, o meu tema de pesquisa me forou a cursar
algumas disciplinas (bem pesadas) tais como Sries Temporais,
Econometria de Srie Financeiras, Anlise de Sinais por meio de Wavelets
etc. Felizmente, consegui aplicar com sucesso algumas tcnicas de anlise de
sries financeiras minha pesquisa. Um dos resultados desse longo e penoso
1
www.pontodosconcursos.com.br | Prof. Alexandre Lima

aprendizado foi a publicao de um livro sobre o assunto no ano passado: A.

B. de Lima, J. R. A. Amazonas. Internet Teletraffic Modeling and Estimation,
River Publishers, Aalborg:Denmark, 2013.
Voltemos ao nosso curso. Resolverei um grande nmero de questes que
foram cobradas recentemente pelo CESPE/UnB. Por questes didticas,
tambm sero utilizadas questes de bancas tradicionais como ESAF, FCC e
Cesgranrio, dentre outras. Ressalto que todas as questes includas nas aulas
so cuidadosamente selecionadas para que o seu aproveitamento seja
mximo. As solues apresentadas so resultantes de um longo processo
evolutivo, fruto de uma intensa interao com os alunos via forum web etc.
Segue-se o contedo programtico:
Aula 0 (DEMONSTRATIVA): apresentao do
metodologia de ensino e resoluo de exerccios.
contedo
programtico,
Aula 1 (7/7): Populao e amostra. Histograma e curvas de frequncia.

Medidas de posio e de disperso absoluta e relativa. Medidas sobre dados
bivariados correlao com o edital: anlise exploratria de dados.
Aula 2 (11/7): Probabilidade condicional, independncia correlao com o
edital: probabilidades.
Aula 3 (21/7): Varivel aleatria e funes de distribuio. Distribuies de
probabilidade, esperana matemtica, momentos, esperana condicionais
correlao com o edital: varivel aleatria discreta e contnua; distribuies de
probabilidade e momentos; funes densidade de probabilidade.
Aula 4 (25/7): Varivel Aleatria Bivariada: funo de probabilidade
conjunta, funo de probabilidade marginal, funo de probabilidade
condicional. Variveis aleatrias independentes. Esperanas envolvendo duas
ou mais variveis: correlao e covarincia. correlao com o edital:
regresso simples e mltipla, econometria, anlise de dados em painel.
Aula 5 (28/7): Lei dos grandes nmeros. Teorema central do limite.
Amostragem correlao com o edital: amostragem, lei dos grandes
nmeros, teorema central do limite.
Aula 6 (1/8): Inferncia. Estimao de parmetros por ponto e intervalo.
Intervalo de confiana correlao com o edital: inferncia estatstica.
Aula 7 (4/8): Testes de hipteses correlao com o edital: inferncia
estatstica, teste de hiptese.
2

Aula 8 (8/8): Medidas sobre dados bivariados. Regresso correlao com o

edital: regresso simples.
Aula 9 (11/8): Inferncia no modelo de regresso linear. correlao com o
edital: regresso simples, estimadores de mnimos quadrados e suas
distribuies
Aula 10 (15/8): Regresso linear mltipla correlao com o edital:
regresso mltipla.
Aula 11 (18/8): Processos estocsticos, estacionariedade. Modelo linear
geral. Anlise de resduos correlao com o edital: modelo linear geral,
sries temporais, anlise de resduos.
Aula 12 (22/8): Anlise de sries temporais. Tcnicas de previso.
Modelagem de regresso com erros correlacionados. Teste de razes unitrias.
correlao com o edital: sries temporais, testes e predies.
Aula 13 (25/8): Anlise de dados em painel correlao com o edital:
anlise de dados em painel.
Aula 14 (29/8): Reviso/Resumo da matria para a prova. Simulado
preparatrio.
As dvidas sero sanadas por meio do frum do curso, ao qual todos os
matriculados tero acesso. As crticas ou sugestes podero ser enviadas para
a caixa postal alexandre@pontodosconcursos.com.br.
Deixo para voc um provrbio bblico:
O preguioso deseja e nada consegue, mas os desejos do diligente so
amplamente satisfeitos.
Nunca desista do seu sonho. Deus nos deu o livre arbtrio para que possamos
determinar nosso destino. Se voc deseja ser aprovado em um concurso
pblico, lute por isso, faa com dedicao, com sacrifcio, sempre visando ao
seu objetivo. Desta forma, voc conseguir ser aprovado!
Junho/2014
3

Exemplos de Exerccios Comentados e Resolvidos

Nota: nesta aula demonstrativa sero apresentadas apenas questes
comentadas; contudo, o curso ser de teoria e exerccios.
(ANAC-rea 4/CESPE-UnB/2012) Com relao teoria de probabilidades,
julgue os itens que se seguem.
1. Se X uma varivel aleatria e se {X1, X2, ..., Xn} so observaes
aleatrias independentes dessa varivel, ento, com base na lei forte dos
grandes nmeros, correto afirmar que, quando o tamanho amostral cresce
(at o infinito), a mdia amostral tem distribuio normal de mdia = E(X).
Resoluo
A lei forte dos grandes nmeros diz que a mdia de uma sequncia de
variveis aleatrias independentes com mesma distribuio converge, com
probabilidade 1, para a mdia daquela distribuio1. Ou seja, se X uma
varivel aleatria com mdia = E[X] e se {X1, X2, ..., Xn} so observaes
aleatrias independentes dessa varivel, ento, certo que,
X 1 + X 2 + ... + X n
quando n
n
(a mdia amostral converge para a mdia de X quando o tamanho da amostra
tende a infinito)
X=
Observe que a lei forte dos grandes nmeros no afirma que, quando o
tamanho amostral cresce (at o infinito), a mdia amostral tem distribuio
normal. A lei omissa quanto forma da distribuio da mdia amostral e
por isso que o item errado.
Quando o tamanho da amostra aumenta, independentemente da forma da
distribuio da varivel aleatria X, a distribuio da mdia amostral X
aproxima-se cada vez mais de uma distribuio normal. Esse resultado,
fundamental em Inferncia Estatstica, assegurado pelo Teorema do Limite
Central (TLC).
Lei Forte dos Grandes Nmeros: a mdia de uma sequncia de variveis

aleatrias independentes com mesma distribuio converge, com probabilidade
1, para a mdia daquela distribuio.
1
S. Ross, Probabilidade: Um Curso Moderno com Aplicaes, 8 edio, Porto Alegre: Bookman, 2010, pg472.
4

TLC: a soma de um grande nmero de variveis aleatrias independentes tem

uma distribuio que aproximadamente normal.
GABARITO: E
2. Considere que X1, X2, ..., Xn seja uma amostra independente e
identicamente distribuda de uma varivel aleatria com mdia e varincia 2
x + x + ... + xn
. Nessas condies, para > 0 , a lei fraca dos grandes
e xn = 1 2
n
nmeros no garante que se encontre algum xn , tal que | xn |> .
Resoluo
A lei fraca dos grandes nmeros afirma que a mdia amostral se aproxima da
mdia populacional quando o tamanho da amostra tende a infinito (n ).
Como o item no disse que n , a lei fraca dos grandes nmeros no
garante que se encontre algum xn , tal que | xn |> .
Comentrios adicionais
A lei fraca dos grandes nmeros diz que, para qualquer tamanho de amostra n*
grande especfico, bastante provvel que a mdia aritmtica
xn* = ( x1 + x2 + ... + xn ) / n* esteja prxima da mdia populacional . Contudo, a lei
fraca no garante que a mdia amostral permanecer prxima da mdia
populacional para valores de n maiores que n*. Assim, ela deixa aberta a
possibilidade de que grandes valores de xn possam ocorrer com
probabilidade no nula. Mas a lei forte mostra que isso no pode ocorrer. Em
particular, ela implica, com probabilidade 1, para qualquer valor positivo ,
que | xn | ser maior que apenas um nmero finito de vezes (a
probabilidade deste evento nula).
Segue o enunciado lei fraca dos grandes nmeros:
Seja X1, X2, ... uma sequncia de variveis aleatrias independentes e
identicamente distribudas, cada uma com mdia finita E[Xi] = . Ento,
para qualquer > 0,
X + X 2 + ... + X n
P 1
0 quando n
n
GABARITO: C
5

3. Considere que X seja uma varivel aleatria com mdia e varincia 2

desconhecidas e que uma amostra aleatria, grande o suficiente e com
observaes independentes e identicamente distribudas, dessa varivel tenha
sido obtida. Nessa situao, a probabilidade do desvio de cada observao
amostral em relao mdia populacional () no exceder 3 ser inferior a
80%.
Resoluo
Desigualdade de Chebyshev: seja X uma varivel aleatria com mdia e
varincia 2. Ento, para qualquer = k > 0
P[| X |< k ] 1
1
k2
(a probabilidade do desvio de cada observao amostral em relao mdia

populacional no exceder k no mnimo igual a 1 1/k2)
P[| X | k ]
1
k2
(a probabilidade do desvio de cada observao amostral em relao mdia

populacional () exceder k no mximo igual a 1/k2)
O item adota k = 3. Logo,
P[| X |< 3 ] 1
1
32
P[| X |< 3 ] 0,89 (*)
(*) resultado aproximado para 2 casas decimais.

Ou seja, a probabilidade do desvio de cada observao amostral em relao
mdia populacional no exceder 3 no mnimo igual a 89% (pode ser
maior!). Item errado.
Reviso da teoria
A desigualdade de Chebyshev (ou Tchebysheff) fornece um limitante superior
da probabilidade de quanto uma varivel aleatria X pode desviar-se de sua
mdia .
Seja X uma varivel aleatria arbitrria com mdia e varincia 2. Ento,
para qualquer > 0
6

2
P[| X | ] 2 .
Comentrios:
- Observe que o teorema de Chebyshev no requer que a distribuio de
probabilidades de X seja conhecida.
- Como {| X | } U {| X |< } = (evento certo), segue-se que
P[| X |< ] 1
2
.
2
s vezes, mais conveniente expressar em termos de , de forma que =

k, em que k um valor constante. Ento o teorema de Chebyshev pode ser
expresso nas formas equivalentes:
1
k2
1
P[| X | k] 2
k
P[| X |< k] 1
0.8
f(x)
P(X - < -k)
0.7
P(X - > k)
0.6
Densidade
0.5
0.4
0.3
0.2
0.1
0
10
10.5
11
11.5
- k
12
12.5
13
+ k
13.5
14
Note que a soma das reas azul e vermelha na figura acima 1/k2, pois o
limite superior da rea azul - k e o limite inferior da rea vermelha +
k. Por outro lado, a rea para |x - |> k sempre ser menor que 1/k2.
GABARITO: E
7

4. (Analista do TJ-RO/CESPE-UnB/2012) Considere que X representa a

mdia amostral de uma amostra aleatria simples de tamanho n retirada de
uma distribuio X, e e denotam, respectivamente, a mdia e desvio
padro dessa distribuio X. Com relao a inferncia estatstica, correto
afirmar que a relao
P
1,96 0,95
/ n
n
consequncia do importante resultado que se intitula
(A) princpio da invarincia
(B) lei fraca dos grandes nmeros
(C) desigualdade de Chebyshev
(D) lei forte dos grandes nmeros
(E) teorema limite central
Resoluo
Seja a soma S n = X 1 + X 2 + ... + X n de n variveis aleatrias independentes e
identicamente distribudas X 1 , X 2 ,..., X n com mdia finita e varincia 2, em
que E ( S n ) = n e Var ( S n ) = n 2 . De acordo com o teorema limite central, a
varivel aleatria padronizada
S n E(S n )
Var ( S n )
S n n
assintoticamente normal com mdia nula e desvio-padro igual a um

(normal padro ou reduzida).
Divida o numerador e o denominador da relao acima pela constante n:
S n n S n n
X
n
n
=
=
= Z*
n
/ n
n
n
Ora, a varivel resultante continua sendo assintoticamente normal com mdia
zero e varincia unitria. Portanto,
P Z * 1,96 0,95
n
8

Dica: o resultado P(Z 1,96) = 0,95 , em que Z a normal padro, to utilizado

em Estatstica, que s vezes as bancas assumem que voc conhece esse valor
de cor.
GABARITO: E
5. (Analista do TJ-RO/Cespe-UnB/2012) Os estimadores n e n* so
estimadores pontuais do parmetro de certa distribuio, em que n
representa o tamanho da amostra. Nesse caso, o estimador dito ser
consistente se
(A) limn P(| n | ) = 0 , para todo > 0 .
(B) P( x1 , x2 ,..., xn | n ) , em que x1 , x2 ,..., xn so as observaes amostrais, no
depende de .
(C) 2 ( ) 2 (* ) , em que 2 (.) a varincia do estimador.
n
(D) L(n | x1 , x2 ,..., xn ) L(n* | x1 , x2 ,..., xn ) em que L(.) a funo de verossimilhana

associada ao modelo e x1 , x2 ,..., xn so as observaes amostrais.
(E) E (n ) =
Resoluo
Um estimador consistente, se, medida que a amostra cresce,
converge para o verdadeiro valor do parmetro. Ou seja, quando o
tamanho da amostra vai aumentando, o vis (se existir) vai diminuindo e a
varincia tambm. Um estimador consistente aquele que converge para o
valor do parmetro quando o tamanho da amostra tende a infinito.
Considere a mdia amostral X calculada para diversos tamanhos de amostras;
obtemos, na realidade, uma sequncia de estimadores {X n , n = 1,2,...}. medida
que n cresce, a distribuio de X torna-se mais concentrada ao redor da
verdadeira mdia populacional . Dizemos que {X n , n = 1,2,...} uma sequncia
consistente de estimadores de .
Um estimador T de um parmetro consistente se, para todo
P{| T |> } 0,
> 0,
Isso significa, em termos prticos, que, sendo o estimador consistente, podese, com amostras suficientemente grandes, tornar o erro de estimao to
pequeno quanto se queira.
9

Em vez de usar a definio acima para verificar se um estimador consistente,

podemos usar o seguinte resultado.
Um estimador T de um parmetro consistente se
lim E (T ) = ,
n
lim var(T ) = 0
n
Se o estimador for justo, a condio de consistncia equivale a dizer que sua

varincia tende a zero quando o tamanho da amostra tende a infinito, isto ,
para n , var(T ) 0 .
Anlise das alternativas
(A) Correta, conforme explicao dada anteriormente.
(B) Incorreta. A condio P( x1 , x2 ,..., xn | n ) , em que x1 , x2 ,..., xn so as
observaes amostrais, no depende de no faz o menor sentido no
contexto da consistncia de um estimador.
(C) Incorreta. A condio 2 (n ) 2 (n* ) quer dizer que o estimador n pode ser
mais eficiente que o estimador * .
n
(D) Incorreta. Estimao por mxima verossimilhana no tem nada a ver com
a definio de consistncia de um estimador. O mtodo da mxima
verossimilhana um critrio para a escolha do estimador. A consistncia
uma propriedade do estimador.
(E) Incorreta. Foi dada a definio de justeza do estimador n .
GABARITO: A
6. (Analista do TJ-RO/Cespe-UnB/2012) Com relao a intervalo de
confiana e intervalo de credibilidade, correto afirmar que, se I = [a; b] for
um intervalo de
(A) confiana para o parmetro , ento esse parmetro uma varivel
aleatria.
(B) confiana para o parmetro de nvel 1 , ento a probabilidade do
verdadeiro valor do parmetro estar fora do intervalo igual a .
10

(C) credibilidade para o parmetro , ento esse parmetro uma varivel

aleatria.
(D) confiana para o parmetro , ento o valor esperado para esse parmetro
b+a
.
=
2
(E) credibilidade para o parmetro , ento a mediana deste parmetro
b+a
.
=
2
Resoluo
Anlise das opes
(A) Incorreta, porque se I = [a; b] for um intervalo de confiana para o
parmetro , ento esse parmetro no uma varivel aleatria, sendo uma
quantidade fixa.
(B) Incorreta, porque se I = [a; b] for um intervalo de confiana para o
parmetro de nvel 1 - , ento a probabilidade do verdadeiro valor do
parmetro estar fora do intervalo igual a 0 ou 1.
(C) Correta, por definio.
(D) Incorreta, porque se I = [a; b] for um intervalo de confiana para o
parmetro , ento o valor esperado de igual a , pois o parmetro no
uma varivel aleatria.
(E) Incorreta, porque se I = [a; b] for um intervalo de credibilidade para o
b+a
parmetro , ento dizer que a mediana deste parmetro =
um belo
2
chute.
GABARITO: C
7. (Analista do TJ-RO/Cespe-UnB/2012) Com relao a acurcia e
preciso, correto afirmar que o estimador ENVUMV (estimador no viciado
uniformemente de mnima varincia)
(A) um estimador acurado e o mais preciso.
(B) no um estimador acurado e nem o mais preciso.
(C) um estimador acurado mas no o mais preciso.
(D) um estimador no acurado mas o mais preciso.
(E) um estimador acurado e assintoticamente o mais preciso.
11

Resoluo
O ENVUMV o sonho de consumo dos estatsticos, pois o melhor estimador
dentre todos os estimadores no viciados, no sentido de que possui a menor
varincia, para todo valor de , em que denota o parmetro a ser estimado.
O ENVUMV o mais preciso porque a disperso das suas estimativas a
menor de todas e acurado porque no viciado e de varincia mnima.
GABARITO: A
(Serpro/CESPE-UnB/2010/Adaptada)
Certa empresa, em determinado ms, realizou levantamento acerca da

quantidade dirias de acessos simultneos ao seu sistema cujo resultado
mostrado na figura acima. A partir das informaes apresentadas nessa figura,
e considerando que a distribuio da quantidade dirias de acessos
simultneos representada pela varivel X, julgue os itens a seguir.
8. A quantidade de 6 mil acessos simultneos por dia representa a moda de X.
Resoluo
A moda de X (valor que apresenta a maior frequncia) igual a 3 mil, cuja
frequncia 10. A quantidade de 6 mil acessos simultneos o valor de menor
frequncia (= 1). Item errado.
GABARITO: E
12

9. O ms em que esse levantamento foi realizado possui mais de 30 dias.

Resoluo
o
quantidade de acessos simultneos
frequncia (n de dias)
1.000
2.000
3.000
4.000
5.000
6.000
Total
5
6
10
6
3
1
31
Os dados foram tabulados na tabela acima, a qual indica que o ms em que

esse levantamento foi realizado possui 31 dias. Item certo.
GABARITO: C
10. A quantidade de 2.000 acessos simultneos dirios representa o primeiro
quartil da distribuio X.
Resoluo
quantidade de acessos
simultneos
1.000
2.000
3.000
4.000
5.000
6.000
Total
frequncia (n de
dias)
5
6
10
6
3
1
31
frequncia
relativa
5/31 = 16,1%
6/31 = 19,4%
10/31 = 32,3%
6/31 = 19,4%
3/31 = 9,7%
1/31 = 3,1%
31/31 = 100%
frequncia
acumulada
16,1%
35,5%
67,8%
87,2%
96,9%
100,0%
Os dados tabulados acima indicam que o primeiro quartil Q1 (valor que

delimita os 25% menores valores) da distribuio de X a quantidade de 2 mil
acessos simultneos, haja vista o fato de a frequncia acumulada para essa
quantidade ultrapassar a frequncia acumulada de 25%.
Observe que a frequncia acumulada para 2000 acessos 35,5% e isto NO
implica que 2000 no seja o primeiro quartil da srie.
Resolvamos de outra maneira. O rol de acesso o seguinte:
1000, 1000, 1000, 1000, 1000 (5 dias)
2000, 2000, 2000, 2000, 2000, 2000(6 dias)
13

3000, 3000, 3000, 3000, 3000, 3000, 3000, 3000, 3000, 3000 (10 dias)
4000, 4000, 4000, 4000, 4000, 4000 (6 dias)
5000, 5000, 5000 (3 dias)
6000 (1 dia)
Nmero total de dias = 31. Logo, a Mediana do rol corresponde ao dcimo
sexto valor: 3.000.
Temos agora a seguinte sub-srie at a Mediana:
1000, 1000, 1000, 1000, 1000, 2000, 2000, 2000, 2000, 2000, 2000, 3000,
3000, 3000, 3000, 3000
Como esta sub-srie tem 16 elementos, a sua mediana (= 1o Quartil da srie
completa) o valor mdio entre os valores da oitava e da nona posio, ou
seja, 2000. Ento, Q1 = 2000.
Entendo que a primeira resoluo mais rpida, portanto mais adequada de
ser usada em uma situao real de prova.
Note que esta questo cobra DADOS TABULADOS. Quando h muitos dados,
como o caso da questo, mais rpido resolver usando o raciocnio das
frequncias acumuladas.
GABARITO: C
11. correto classificar a varivel X como uma varivel quantitativa ordinal.
Resoluo
Errado. Tal classificao aplicvel aos atributos ou variveis qualitativas
quando possvel estabelecer uma ordem ou hierarquia entre as respostas
obtidas no levantamento estatstico. Por exemplo, o IBGE efetua
periodicamente o levantamento do grau de instruo dos brasileiros por meio
de um censo completo da populao. As respostas possveis para essa
pesquisa seriam algo como sem instruo escolar, nvel fundamental
incompleto, nvel fundamental completo, nvel mdio incompleto, nvel
mdio completo, nvel superior incompleto e nvel superior completo. Essas
respostas no so nmeros, so variveis qualitativas. Como possvel
estabelecer uma hierarquia entre as possveis respostas, tem-se uma varivel
qualitativa ordinal.
14

GABARITO: E
12. A mediana amostral de X igual a 3.500.
Resoluo
Os dados tabulados anteriormente mostram que a mediana da distribuio
de X a quantidade de 3 mil acessos simultneos, pois a frequncia
acumulada para essa quantidade ultrapassa a frequncia acumulada de 50%.
GABARITO: E
(ANAC/CESPE-UnB/2012/Adaptada) Na regio Sul do pas, em
decorrncia de mau tempo durante os meses de inverno, comum o
fechamento de aeroportos. Com base nessa informao e de acordo com a
teoria de probabilidades, julgue os itens de 13 a 15.
13. Sabendo-se que o processo de precipitao da chuva depende da
temperatura ambiente e da temperatura de condensao do ar, considere que
tais grandezas sejam representadas, respectivamente, pelas variveis
aleatrias X e Y contnuas com distribuio conjunta f(X,Y). Nessa situao,
correto afirmar que a probabilidade da temperatura ambiente ser 30 oC e da
temperatura de condensao do ar ser 9 oC igual a f(30,9).
Resoluo
Sejam X e Y variveis aleatrias contnuas. A figura a seguir mostra uma
funo densidade de probabilidade conjunta f(x,y).
0.15
0.1
0.05
0
2
0
-2
y
-3
-2
-1
15

A integral dupla de f(x,y) ao longo de uma regio R no plano xy (ex.:

a X b, c Y d ) fornece a probabilidade de (X,Y) assumir um valor em R
b d
P{( X , Y ) R} = P(a X b, c Y d ) = f ( x, y )dydx

a c
Essa integral dupla pode ser interpretada como o volume sob a superfcie
f(x,y) ao longo da regio R.
Ora, se a regio R se resume a um ponto P = (x,y) do plano, no caso
(x=30,y=9}, temos que o resultado da integral dupla igual a zero, pois o
volume sob a superfcie f(x,y) nulo em um dado ponto do plano. Logo,
incorreto afirmar que a probabilidade da temperatura ambiente ser 30 oC e da
temperatura de condensao do ar ser 9 oC igual a f(30,9). O valor f(30,9)
fornece a densidade de probabilidade conjunta no ponto (30,9). Item errado
GABARITO: E
14. Supondo que a probabilidade de no haver vaga no estacionamento de um
aeroporto dependa do fato de ter ocorrido mau tempo na cercania desse
aeroporto, correto afirmar que a probabilidade de no haver vaga no
estacionamento desse aeroporto, caso tenha ocorrido mau tempo na sua
cercania, igual a 1 menos a probabilidade de ter vaga no estacionamento do
referido aeroporto, caso no tenha ocorrido mau tempo em sua cercania.
Resoluo
Notao:
Probabilidade de NO haver vaga no estacionamento de um aeroporto

condicionada ao fato de ter ocorrido mau tempo na cercania desse
aeroporto: P(NVG|MT);
Probabilidade de haver vaga no estacionamento de um aeroporto

condicionada ao fato de ter ocorrido mau tempo na cercania desse
aeroporto: P(VG|MT);
Probabilidade de no haver vaga no estacionamento de um aeroporto

condicionada ao fato de NO ter ocorrido mau tempo na cercania desse
aeroporto: P(NVG|NMT);
Probabilidade de haver vaga no estacionamento de um aeroporto

condicionada ao fato de NO ter ocorrido mau tempo na cercania desse
aeroporto: P(VG|NMT);
correto afirmar que

16

P(NVG|MT) = 1 P(VG|NMT) ?
Sabemos que
P(VG|MT) + P(NVG|MT) = 1 P(NVG|MT) = 1 P(VG|MT)
P(VG|NMT) + P(NVG|NMT) = 1
O item errado, pois
P(NVG|MT) = 1 P(VG|MT) 1 P(VG|NMT)
GABARITO: E
15. Considere que o nmero de voos atrasados por ms em um aeroporto da
regio Sul seja explicado pela regresso Y = 15 + 5X + , ~ N(0, 2), em
que Y o nmero de voos atrasados no ms, X o nmero de horas que o
aeroporto permaneceu fechado por mau tempo no referido ms e uma
varivel aleatria com distribuio normal de mdia zero e varincia
desconhecida 2. Nesse caso, correto afirmar que o desvio padro de X ser
proporcional a 1/5 do desvio padro de Y.
Resoluo
O enunciado forneceu a equao da verdadeira reta de regresso:
E (Y | X ) = 1 + 2 X = 15 + 5 X
A estimativa da inclinao 2 dada pela frmula:
2 = r
Y
X
em que | r | 1 o coeficiente de correlao, Y e X so os desvios padro

amostrais de X e Y.
No necessrio estimar a inclinao, pois o seu valor verdadeiro j foi dado
pela questo: 2 = 5 . Ento,
2 = 5 = r
X = r Y
X
5
17

Conclui-se que correto afirmar que o desvio padro dos valores de X ser
proporcional a 1/5 do desvio padro dos valores de Y (o coeficiente de
proporcionalidade o coeficiente de correlao).
GABARITO: C
(ANTT-Cargo11/CESPE-UnB/2013) Considere um modelo de regresso
linear na forma matricial:
Y = X +
em que X uma matriz n x k, um vetor k x 1 e um vetor n x 1.

Com base nessas informaes, julgue os itens subsecutivos.
16. Se todas as hipteses de um modelo de regresso linear forem satisfeitas,
ser correto afirmar que, pelo teorema de Gauss-Markov, o estimador apurado
pelo mtodo de mnimos quadrados ordinrios o mais eficiente estimador
linear de .
Resoluo
Se todas as hipteses de um modelo de regresso linear forem satisfeitas, ser
correto afirmar que, pelo teorema de Gauss-Markov, o estimador apurado pelo
mtodo de mnimos quadrados ordinrios o Melhor Estimador Linear no
Viesado (MELNV) de .
Note que o enunciado da questo invoca o teorema de Gauss-Markov de um
modo um tanto quanto impreciso, pois faltou dizer que o estimador de MQO
no viesado. Foi por este motivo que a banca considerou que o item errado.
GABARITO: E
17. O estimador de pelo mtodo dos mnimos quadrados ordinrios
b = ( X ' X ) 1 ( X ' Y ) , em que X representa a matriz transposta de X.
Resoluo
O estimador de pelo mtodo dos mnimos quadrados ordinrios
b = ( X ' X ) 1 ( X ' Y ) . Item certo.
GABARITO: C
(ANTT-Cargo11/CESPE-UnB/2013/Adaptada) Acerca dos modelos de
sries temporais, julgue os itens que se seguem.
18

18. (Adaptada) Os componentes do vetor Xt so ditos cointegrados de ordem

d,b, em que b > 0, se todos os seus componentes so integrados de ordem d e
existe um vetor tal que a combinao linear entre Xt e integrada de
ordem db.
Resoluo
Sejam as sries temporais I(1) Yt e X t , que podem representar, por exemplo,
sries de preos de ativos ou taxas de cmbio. comum que preos de ativos
apresentem uma tendncia estocstica comum no longo prazo, ou seja, que
sejam cointegrados2.
Se Yt e X t forem processos I(d), ento a combinao linear Z t = Yt X t ser,
em geral, tambm I(d). Mas possvel que Z t seja integrado de ordem menor,
por exemplo I ( d b), b > 0 . Se d = b = 1 , ento Yt e X t sero I(1) e Z t ser I(0).
Neste caso, diz-se que X t e Yt so cointegrados. Contudo, no geralmente
verdade que exista tal que Z t ~ I (0) ou, em geral, que Z t ~ I ( d b) .
No caso de um vetor Xt, de ordem n x 1, dizemos que ele integrado de
ordem d, I(d), se d for a maior ordem de integrao das sries individuais. Ou
seja, se X t = ( X 1t ,..., X nt )' , X it ~ I ( d i ) , ento d = max(d1 ,..., d n ) .
Definio. As componentes do vetor Xt so cointegradas de ordem (d,b), e
escrevemos X t ~ C.I .( d , b) , se:
(a)
todas as componentes de Xt so I(d);
(b)
existe um vetor = ( 1 ,..., n )' , no nulo, tal que
' X t = 1 X 1t + ... + n X nt ~ I ( d b), d b > 0

O vetor = ( 1 ,..., n )' , de ordem n x 1, chamado vetor cointegrado ou
vetor de cointegrao.
Item correto.
GABARITO: C
19. Um modelo autorregressivo de 1 ordem Yt = c + Yt 1 + t , com | |< 1 , pode
ser reescrito como um processo de mdia mvel de ordem infinita.
2
Morettin, Pedro A. Econometria Financeira Um Curso em Sries Temporais Financeiras, So Paulo: Blucher, 2008,
pg. 217.
19

Resoluo
Um modelo AR(1) Yt = c + Yt 1 + t sempre invertvel. Logo, pode ser
reescrito como um processo de mdia mvel de ordem infinita. Item certo.
Nota: o modelo AR(1) Yt = c + Yt 1 + t , com | |< 1 estacionrio
GABARITO: C
Abraos e at a prxima aula.
Bons estudos!
Alexandre Lima
alexandre@pontodosconcursos.com.br
20

Lista de Questes Comentadas na Aula

(ANAC-rea 4/CESPE-UnB/2012) Com relao teoria de probabilidades,
julgue os itens que se seguem.
1. Se X uma varivel aleatria e se {X1, X2, ..., Xn} so observaes
aleatrias independentes dessa varivel, ento, com base na lei forte dos
grandes nmeros, correto afirmar que, quando o tamanho amostral cresce
(at o infinito), a mdia amostral tem distribuio normal de mdia = E(X).
2. Considere que X1, X2, ..., Xn seja uma amostra independente e
identicamente distribuda de uma varivel aleatria com mdia e varincia 2
x + x + ... + xn
. Nessas condies, para > 0 , a lei fraca dos grandes
e xn = 1 2
n
nmeros no garante que se encontre algum xn , tal que | xn |> .
3. Considere que X seja uma varivel aleatria com mdia e varincia 2
desconhecidas e que uma amostra aleatria, grande o suficiente e com
observaes independentes e identicamente distribudas, dessa varivel tenha
sido obtida. Nessa situao, a probabilidade do desvio de cada observao
amostral em relao mdia populacional () no exceder 3 ser inferior a
80%.
4. (Analista do TJ-RO/CESPE-UnB/2012) Considere que X representa a
mdia amostral de uma amostra aleatria simples de tamanho n retirada de
uma distribuio X, e e denotam, respectivamente, a mdia e desvio
padro dessa distribuio X. Com relao a inferncia estatstica, correto
afirmar que a relao
P
1,96 0,95
/ n
n
consequncia do importante resultado que se intitula
(A) princpio da invarincia
(B) lei fraca dos grandes nmeros
(C) desigualdade de Chebyshev
(D) lei forte dos grandes nmeros
(E) teorema limite central
5. (Analista do TJ-RO/Cespe-UnB/2012) Os estimadores n e n* so
estimadores pontuais do parmetro de certa distribuio, em que n
21

representa o tamanho da amostra. Nesse caso, o estimador dito ser

consistente se
(A) limn P(| n | ) = 0 , para todo > 0 .
(B) P( x1 , x2 ,..., xn | n ) , em que x1 , x2 ,..., xn so as observaes amostrais, no
depende de .
(C) 2 ( ) 2 (* ) , em que 2 (.) a varincia do estimador.
n
(D) L(n | x1 , x2 ,..., xn ) L(n* | x1 , x2 ,..., xn ) em que L(.) a funo de verossimilhana

associada ao modelo e x1 , x2 ,..., xn so as observaes amostrais.
(E) E (n ) =
6. (Analista do TJ-RO/Cespe-UnB/2012) Com relao a intervalo de
confiana e intervalo de credibilidade, correto afirmar que, se I = [a; b] for
um intervalo de
(A) confiana para o parmetro , ento esse parmetro uma varivel
aleatria.
(B) confiana para o parmetro de nvel 1 , ento a probabilidade do
verdadeiro valor do parmetro estar fora do intervalo igual a .
(C) credibilidade para o parmetro , ento esse parmetro uma varivel
aleatria.
(D) confiana para o parmetro , ento o valor esperado para esse parmetro
b+a
.
=
2
(E) credibilidade para o parmetro , ento a mediana deste parmetro
b+a
.
=
2
7. (Analista do TJ-RO/Cespe-UnB/2012) Com relao a acurcia e
preciso, correto afirmar que o estimador ENVUMV (estimador no viciado
uniformemente de mnima varincia)
(A) um estimador acurado e o mais preciso.
(B) no um estimador acurado e nem o mais preciso.
(C) um estimador acurado mas no o mais preciso.
(D) um estimador no acurado mas o mais preciso.
(E) um estimador acurado e assintoticamente o mais preciso.
22

(Serpro/CESPE-UnB/2010/Adaptada)
Certa empresa, em determinado ms, realizou levantamento acerca da

quantidade dirias de acessos simultneos ao seu sistema cujo resultado
mostrado na figura acima. A partir das informaes apresentadas nessa figura,
e considerando que a distribuio da quantidade dirias de acessos
simultneos representada pela varivel X, julgue os itens a seguir.
8. A quantidade de 6 mil acessos simultneos por dia representa a moda de X.
9. O ms em que esse levantamento foi realizado possui mais de 30 dias.
10. A quantidade de 2.000 acessos simultneos dirios representa o primeiro
quartil da distribuio X.
11. correto classificar a varivel X como uma varivel quantitativa ordinal.
12. A mediana amostral de X igual a 3.500.
(ANAC/CESPE-UnB/2012/Adaptada) Na regio Sul do pas, em
decorrncia de mau tempo durante os meses de inverno, comum o
fechamento de aeroportos. Com base nessa informao e de acordo com a
teoria de probabilidades, julgue os itens de 13 a 15.
13. Sabendo-se que o processo de precipitao da chuva depende da
temperatura ambiente e da temperatura de condensao do ar, considere que
tais grandezas sejam representadas, respectivamente, pelas variveis
aleatrias X e Y contnuas com distribuio conjunta f(X,Y). Nessa situao,
correto afirmar que a probabilidade da temperatura ambiente ser 30 oC e da
temperatura de condensao do ar ser 9 oC igual a f(30,9).
14. Supondo que a probabilidade de no haver vaga no estacionamento de um
aeroporto dependa do fato de ter ocorrido mau tempo na cercania desse
aeroporto, correto afirmar que a probabilidade de no haver vaga no
23

estacionamento desse aeroporto, caso tenha ocorrido mau tempo na sua

cercania, igual a 1 menos a probabilidade de ter vaga no estacionamento do
referido aeroporto, caso no tenha ocorrido mau tempo em sua cercania.
15. Considere que o nmero de voos atrasados por ms em um aeroporto da
regio Sul seja explicado pela regresso Y = 15 + 5X + , ~ N(0, 2), em
que Y o nmero de voos atrasados no ms, X o nmero de horas que o
aeroporto permaneceu fechado por mau tempo no referido ms e uma
varivel aleatria com distribuio normal de mdia zero e varincia
desconhecida 2. Nesse caso, correto afirmar que o desvio padro de X ser
proporcional a 1/5 do desvio padro de Y.
(ANTT-Cargo11/CESPE-UnB/2013) Considere um modelo de regresso
linear na forma matricial:
Y = X +
em que X uma matriz n x k, um vetor k x 1 e um vetor n x 1.

Com base nessas informaes, julgue os itens subsecutivos.
16. Se todas as hipteses de um modelo de regresso linear forem satisfeitas,
ser correto afirmar que, pelo teorema de Gauss-Markov, o estimador apurado
pelo mtodo de mnimos quadrados ordinrios o mais eficiente estimador
linear de .
17. O estimador de pelo mtodo dos mnimos quadrados ordinrios
b = ( X ' X ) 1 ( X ' Y ) , em que X representa a matriz transposta de X.
(ANTT-Cargo11/CESPE-UnB/2013/Adaptada) Acerca dos modelos de
sries temporais, julgue os itens que se seguem.
18. (Adaptada) Os componentes do vetor Xt so ditos cointegrados de ordem
d,b, em que b > 0, se todos os seus componentes so integrados de ordem d e
existe um vetor tal que a combinao linear entre Xt e integrada de
ordem db.
19. Um modelo autorregressivo de 1 ordem Yt = c + Yt 1 + t , com | |< 1 , pode
ser reescrito como um processo de mdia mvel de ordem infinita.
24

GABARITO
1. E
2. C
3. E
4. E
5. A
6. C
7. A
8. E
9. C
10. C
11. E
12. E
13. E
14. E
15. C
16. E
17. C
18. C
19. C
25

Anatel 2014

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Anatel 2014

Enviado por

Direitos autorais:

Formatos disponíveis

Conhecimentos Especficos Mtodos Quantitativos Anatel

Conhecimentos Especficos Mtodos Quantitativos Anatel

aprendizado foi a publicao de um livro sobre o assunto no ano passado: A.

Aula 1 (7/7): Populao e amostra. Histograma e curvas de frequncia.

Conhecimentos Especficos Mtodos Quantitativos Anatel

Aula 8 (8/8): Medidas sobre dados bivariados. Regresso correlao com o

Conhecimentos Especficos Mtodos Quantitativos Anatel

Exemplos de Exerccios Comentados e Resolvidos

Lei Forte dos Grandes Nmeros: a mdia de uma sequncia de variveis

Conhecimentos Especficos Mtodos Quantitativos Anatel

TLC: a soma de um grande nmero de variveis aleatrias independentes tem

Conhecimentos Especficos Mtodos Quantitativos Anatel

3. Considere que X seja uma varivel aleatria com mdia e varincia 2

(a probabilidade do desvio de cada observao amostral em relao mdia

(a probabilidade do desvio de cada observao amostral em relao mdia

P[| X |< 3 ] 0,89 (*)

(*) resultado aproximado para 2 casas decimais.

Conhecimentos Especficos Mtodos Quantitativos Anatel

s vezes, mais conveniente expressar em termos de , de forma que =

Conhecimentos Especficos Mtodos Quantitativos Anatel

4. (Analista do TJ-RO/CESPE-UnB/2012) Considere que X representa a

assintoticamente normal com mdia nula e desvio-padro igual a um

Conhecimentos Especficos Mtodos Quantitativos Anatel

Dica: o resultado P(Z 1,96) = 0,95 , em que Z a normal padro, to utilizado

(D) L(n | x1 , x2 ,..., xn ) L(n* | x1 , x2 ,..., xn ) em que L(.) a funo de verossimilhana

Conhecimentos Especficos Mtodos Quantitativos Anatel

Em vez de usar a definio acima para verificar se um estimador consistente,

Se o estimador for justo, a condio de consistncia equivale a dizer que sua

Conhecimentos Especficos Mtodos Quantitativos Anatel

(C) credibilidade para o parmetro , ento esse parmetro uma varivel

Conhecimentos Especficos Mtodos Quantitativos Anatel

Certa empresa, em determinado ms, realizou levantamento acerca da

Conhecimentos Especficos Mtodos Quantitativos Anatel

9. O ms em que esse levantamento foi realizado possui mais de 30 dias.

quantidade de acessos simultneos

Os dados foram tabulados na tabela acima, a qual indica que o ms em que

Os dados tabulados acima indicam que o primeiro quartil Q1 (valor que

Conhecimentos Especficos Mtodos Quantitativos Anatel

Conhecimentos Especficos Mtodos Quantitativos Anatel

Conhecimentos Especficos Mtodos Quantitativos Anatel

A integral dupla de f(x,y) ao longo de uma regio R no plano xy (ex.:

P{( X , Y ) R} = P(a X b, c Y d ) = f ( x, y )dydx

Probabilidade de NO haver vaga no estacionamento de um aeroporto

Probabilidade de haver vaga no estacionamento de um aeroporto

Probabilidade de no haver vaga no estacionamento de um aeroporto

Probabilidade de haver vaga no estacionamento de um aeroporto

correto afirmar que

Conhecimentos Especficos Mtodos Quantitativos Anatel

em que | r | 1 o coeficiente de correlao, Y e X so os desvios padro

Conhecimentos Especficos Mtodos Quantitativos Anatel

em que X uma matriz n x k, um vetor k x 1 e um vetor n x 1.

Conhecimentos Especficos Mtodos Quantitativos Anatel

18. (Adaptada) Os componentes do vetor Xt so ditos cointegrados de ordem

todas as componentes de Xt so I(d);

existe um vetor = ( 1 ,..., n )' , no nulo, tal que

' X t = 1 X 1t + ... + n X nt ~ I ( d b), d b > 0

Conhecimentos Especficos Mtodos Quantitativos Anatel

Conhecimentos Especficos Mtodos Quantitativos Anatel

Lista de Questes Comentadas na Aula

Conhecimentos Especficos Mtodos Quantitativos Anatel

representa o tamanho da amostra. Nesse caso, o estimador dito ser

(D) L(n | x1 , x2 ,..., xn ) L(n* | x1 , x2 ,..., xn ) em que L(.) a funo de verossimilhana

Conhecimentos Especficos Mtodos Quantitativos Anatel