Aula Extra

momento e função de verossimilhança
Professor: Jeronymo Marcondes

Estatística p/BACEN
Teoria e exercícios comentados
Prof. Jeronymo Marcondes Aula 11
AULA 11 – Tópicos extras
SUMÁRIO PÁGINA
Função de Verossimilhança 1
Momento 5
Lei dos Grandes Números 13
Lista de exercícios resolvidos 29
Gabarito 34
O Ministério da Saúde adverte: esta aula é MUITO difícil! Vamos avaliar dois
tópicos importantes e que ficaram faltando: Momento e Lei dos Grandes Números. Já
adianto, as questões 1 e 14 são “pontos fora da curva”. A CESPE exagerou nestas
duas questões da área 4. Sugestão, se você vir uma dessa: pule.
Além disso, faremos mais questões da última prova do BACEN.
Então, vamos lá!
Função de verossimilhança
Pessoal, lembra que nós estudamos a estimação por Máxima Verossimilhança e

definimos a nossa função de verossimilhança (FV) – aula 07? Para vocês que vão
prestar o BACEN, é preciso que vocês saibam determina-la!
Só para lembrar: toda a ideia da estimação por máxima verossimilhança é estimar

parâmetros de uma distribuição de probabilidade de forma que estes parâmetros
maximizem a probabilidade de que a amostra em estudo tenha sido coletada de uma
população que segue uma determinada distribuição de probabilidade. Isso é feito por
meio da maximização da FV com relação aos parâmetros.
-“Tudo bem professor, mas qual o formato desta função”?
Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 1 de 35

Veja, dada uma distribuição de probabilidade, a FV será dada pelo produtório desta
função avaliada em todos os seus pontos. Por exemplo, suponha a seguinte
distribuição de probabilidade:
Portanto, a nossa função de verossimilhança é:
-Por que isso?
Veja, o que estamos avaliando é, para uma determinada amostra ( a ), qual a

probabilidade conjunta de todos estes valores terem ocorrido ao mesmo tempo? No
caso da estimação por Máxima Verossimilhança iremos estimar qual o valor do
parâmetro ( ) que maximiza a probabilidade de ocorrência conjunta destas
observações. Entendeu o que queremos aqui?
Assim, em termos matemáticos, dada uma amostra de a que segue uma

distribuição de probabilidade , a função de verossimilhança é a seguinte função da
amostra e do parâmetro ( ):
Como encontrar o parâmetro que maximiza esta relação? Você já aprendeu na aula
7, derive a função com relação ao parâmetro e iguale a zero.
O problema é na hora de derivar esta FV! Aquelas regras de derivação que eu ensinei
podem não ser suficientes, assim, vamos a mais duas regrinhas que podem salvar
sua vida!

Regra da multiplicação
Como derivar uma função que tenha o seguinte formato:
No caso, é como se tivéssemos duas funções de x, certo? Neste caso:
O que você deve fazer é:
Ou seja, a derivada da multiplicação é: “a derivada do primeiro vezes o segundo, mais

a derivada do segundo vezes o primeiro”. É assim que agente decora esta regra.
Assim:
Entendeu? Esta regra quase nunca é cobrada, mas é bom você saber.
Mais uma regrinha:
Regra da cadeia
A ideia é a mesma da regra anterior, pois iremos supor que existem duas funções.
Suponha que você queira a derivada de:

O que você está querendo é dividir esta expressão em duas partes:
Portanto, você vai tratar a expressão de duas formas, uma função “interna” e outra
“externa”. A ideia básica aqui é enxergar que há duas funções, uma mais “interna, no
caso ( ), e outra que engloba a anterior ( ). A forma de derivar uma função
deste tipo é assim:
Esta é a regra da cadeia. Intuitivamente, pense que se trata da derivada da função

externa multiplicada pela derivada da função interna.
Vamos a nosso exemplo:
Assim:
Entendeu? Eu sei que foi só uma passada rápida, mas isso não cai muito mesmo.
Esse conteúdo é só para os corajosos que se aventurarem na última questão desta
aula (um ponto fora da curva de questões).
Vamos a mais um exemplo para você entender.

Nós temos duas funções:
A derivada de cada uma das funções é:
Portanto, com base em nossa fórmula:
Entendeu? Vamos ao próximo tópico!
Momento
Este é um assunto muito abstrato! Veja o conceito:
Dada a distribuição de uma variável aleatória X, o

momento de ordem k com relação à média é:
Entendeu?
Veja, o primeiro momento desta variável com relação à origem, ou seja, 0 (zero) é:

Essa é a média da variável! Nada, além disso.
-Professor, por que você falou do “momento com relação à zero”?
Pelo seguinte, meu querido aluno, o momento pode ser calculado com relação à outra
estatística, como a própria média. Não entendeu? O momento de ordem k da variável
X com relação a sua média é:
Ora, o primeiro momento da variável com relação a sua média é zero:
E o segundo momento com relação à média?
O famoso Método dos Momentos consiste em igualar o k-ésimo momento

populacional ao k-ésimo momento amostral.
Não entendeu? Veja, com base no que já estudamos na seção de “Estimação por
Máxima Verossimilhança”, a ideia é estimar, com base em um método, valores para
os parâmetros de uma distribuição. Nós faremos isso com base na teoria dos
Momentos. Veja um exemplo!
Suponha que uma população de 100 elementos possua uma característica X e que a
mesma seguem uma distribuição binomial. Sabendo que, por meio de uma amostra
extraída desta população, encontrou-se uma média amostral de 50 para a
característica X, determine, com base no estimador de momentos, uma estimativa
para a proporção de ocorrência da característica X.

Ora, você sabe que a média de uma distribuição binomial é dada por:
O estimador de momentos deriva da equivalência entre momentos amostrais e

momentos populacionais. No caso, este exemplo é bastante simples, dado que basta
fazer:
Assim:
Entendeu? Este exemplo é bem simples. Quer aprender com um exemplo que te
interessa? Adianto, este exercício é muito difícil.
(BACEN – CESPE/2013)

Exercício 1
Resolução
O que nós sabemos dessa distribuição? Pelo enunciado, nós sabemos que a média
amostral é dada por:
Este é o momento da média amostral!
Nós temos que o momento da média populacional é dado pelo cálculo da média
aplicada àquela distribuição. Portanto, o que temos de fazer é o seguinte: calcule o
momento da média populacional, iguale este resultado ao valor do momento da média
amostral e obtenha o valor do parâmetro. Fácil, não? Não, não é mesmo! Essa
questão é bem complexa. Vamos calcular o momento da média populacional.
Alguns detalhes:
 Perceba que a distribuição é discreta, pois a probabilidade de a mesma

assumir valor igual a uma constante k é diferente de zero.
 Não conhecemos esta distribuição, o que levanta a necessidade de
estudarmos o comportamento da mesma para inferirmos qual o valor de sua
média.

Primeira coisa é encontrar o valor de C.
Para encontra-lo temos de aplicar a propriedade que sabemos de qualquer

distribuição:
Isso é equivalente a:
Isso é uma progressão geométrica (PG)! Hora de lembrar do 2º grau (aulas de

Matemática básica do Estratégia). O primeiro termo é:
E a razão:
A soma de uma PG infinita é dada por:
Substituindo os valores, chegamos a:
Substituindo este valor na equação original:

Agora que encontramos C, podemos continuar na peregrinação de achar nossa média

populacional!
Nós já sabemos que a esperança de uma distribuição é dada por:
Portanto:
Isso é igual a:
Agora é que é o “pulo do gato”. Perceba que esta expressão é como se fosse a soma
de várias progressões geométricas. Veja, o que está dentro dos parênteses é a soma
de uma PG que inicia em com outra que inicia em , com outra que inicia em
, e por aí vai.
Assim, o que está dentro do parênteses é a soma de várias PG, que tem a mesma
razão, mas que só muda o termo inicial. Assim, a primeira PG é tal que:

A segunda:
E por aí vai. Assim, o somatório dentro da expressão original será:
Esta também tem uma PG dentro dos parênteses, cujo termo inicial é:
E a razão:
Colocando na fórmula da soma da PG infinita:
Agora basta substituir na expressão original:
Substituindo o valor de C:

Agora basta igualar esta expressão à média amostral:
Multiplicando invertido:
Isso equivale a:
Elevando ambos os lados a -1:
Tirando o logaritmo neperiano de ambos os lados:
Esta é a resposta da questão. Ufa! Inviável para um concurso...
Alternativa verdadeira.

Lei dos Grandes Números
A lei dos grandes números lembra muito o Teorema do Limite Central, mas não é a
mesma coisa (não confunda, ok?). Vamos à definição:
A lei dos grandes números (LGN) garante que, conforme

a amostra tende ao infinito, o valor da média amostral converge para o valor da
média populacional.
Pois é, parece simples. Mas, não é tão trivial quanto você pensa. A demonstração
matemática disso exige uma base matemática que somente profissionais das áreas
de exatas conseguiriam acompanhar.
Basicamente, o que está sendo dito é que a probabilidade de ocorrência de um evento

em uma amostra converge para o valor populacional quanto maior for esta amostra.
Isso é fácil de ver, dado que, conforme a amostra cresce, mais ela se aproxima da
população.
Existe uma diferença teórica entre a LGN forte e fraca. A CESPE cobrou isso na última
prova, o que eu acho ridículo. Mas, é importante vocês entenderem o conceito básico:
 LGN forte – convergência certa, ou seja, a média amostral irá ser igual ao valor
populacional com o aumento da amostra.
 LGN fraca – convergência em probabilidade, ou seja, a média amostral irá
coincidir com o valor populacional com uma certa probabilidade, conforme a
amostra cresce.
Bom, isso foi simples, não?
Vamos fazer alguns exercícios da prova anterior.

Exercícios
(BACEN- CESPE/2013)
Exercício 2
Ps. Resolva este exercício comigo primeiro, pois vou ensinar uma coisinha
nova aqui.
Resolução
Questão muito chata! Parece simples, mas não é. Teremos que aprender um novo
conceito aqui, ajuste para a média amostral. Para começar, lembre-se de nossa
amiga:
â é é
Assim, sabendo que há 100 observações:

-“Então, eu já tenho a variância amostral, professor”?
Ainda não, meus amigos. Este é o primeiro exercício de nosso curso em que
utilizamos esta fórmula para o cálculo da variância amostral. Pela aula 07, você sabe
que a variância amostral é dada por:
Mas, a fórmula que calcula a variância baseada na média dos quadrados e no

quadrado da média nos dá a seguinte variância:
O que fazer? Uma operação simples! Basta multiplicar o resultado daquela operação
por:
O que isso vai fazer? Veja por você mesmo:
Que é a fórmula para o cálculo não viesado da variância amostral! Esta expressão
que multiplicamos é apenas um “fator de ajuste”, que usaremos para a fórmula dos
quadrados. Assim, dado nosso resultado de 80,19, a variância amostral
correspondente seria:

Esta é a variância amostral.
Bom, você lembra qual a fórmula para a variância da média amostral? Nós estudamos
na aula 07 que:
Portanto:
â é
Então a alternativa está certa? Não caia na bobeira! Veja o enunciado:
Ou seja, 0,8019 equivale à:

-Por que você está multiplicando por 1000²?
Porque estamos trabalhando com a variância! Lembre-se das propriedades da

variância:
Portanto, se as observações estão todas multiplicadas por 1000, a variância deve

estar multiplicada por 1000².
Alterativa falsa.
Exercício 3
Resolução
Pessoal, já estudamos isso! Não é possível verifica normalidade só com gráficos.

Existem testes estatísticos para isso. Você pode inferir algumas coisas por meio dos
gráficos, mas não verificar tipos de distribuição.
Alternativa falsa.

(CESPE – BACEN/2013)
Exercício 4
Resolução
Basta calcular a esperança de retorno:
Então, substitua:
Alternativa falsa.
Exercício 5
Resolução
Você lembra qual o conceito de independência? Isso! A probabilidade condicional de

ocorrência é igual à probabilidade incondicional. Quer ver onde isso será útil? Vamos

ao que está sendo questionado no exercício, ou seja, a probabilidade de união de
retorno de 10 e 100:
As probabilidades de ocorrência de cada resultado nós já temos! E a probabilidade

de intersecção? Ora, os eventos são independentes! Nós sabemos que a
probabilidade de intersecção é dada por:
Se os eventos são independentes:
Portanto:
Alternativa errada!
- “Mas, o gabarito deu como correta, professor”!
Surpresa, a CESPE fez besteira de novo!
Veja eu o correto seria não considerar tais eventos como independentes, mas como
mutuamente excludentes! Neste caso, a probabilidade de intersecção seria nula e o
resultado seria:

Esse resultado faz mais sentido, pois não há como os resultados de retorno de um
investimento serem independentes. O certo é eles serem mutuamente exclusivos, ou
seja, se um resultado ocorre, outro não pode ocorrer.
Alternativa correta*.
Exercício 6
Resolução
Vamos ordenar as observações:
O cálculo da média é bem simples:
A moda é a observação mais comum na série, sendo dada por 4.

O dobro da moda é 8, sendo a média superior a isso.
Alternativa verdadeira.
Exercício 7
Resolução
A mediana é sempre igual ao 50º percentil, pois ambas estatísticas representam o

valor que não é superado por 50% das observações.
Questão conceitual.
Alternativa errada.
Exercício 8
Resolução
Não há nada que impeça a construção de um histograma para dados discretos,

apesar de isso não ser o mais comum.

O histograma representaria qual a frequência de cada valor de observação, sendo
que cada barra do mesmo não indicaria uma gama de valores (amplitude), mas
somente um ponto, um único valor.
Alternativa falsa.
Exercício 9
Resolução
Conte quantas observações são menores do que 8:
São 13. Dado que temos 20 observações, a frequência relativa é de:
Alternativa correta.

Exercício 10
Resolução
O que o exercício quer saber é qual o valor do desvio padrão, sabendo que a normal
padronizada para este fornecedor é de 1,22. Então substitua tais valores na fórmula
da normal padrão:
Isso nos leva a um desvio padrão de:
Alternativa correta.

Exercício 11
Resolução
Pessoal, já vimos isso várias vezes. No caso da curva normal, uma distribuição
simétrica:
Todas as três medidas devem coincidir.
Alternativa errada.

Exercício 12
Resolução
Ora, já estudamos isso! Segundo a LGN, seja fraca ou forte, conforme a amostra
cresce, a média amostral converge para a média populacional. O teorema que trata
da convergência em distribuição é o Teorema do Limite Central.
Alternativa errada.

Exercício 13
Resolução
Uma pegadinha interessante. Tem dois jeitos de você visualizar o erro da questão.
Primeiro, intervalo de confiança tem a ver com números aleatórios e probabilidade de

ocorrência em um intervalo. No caso, o exercício já te deu os valores populacionais
(a e b), o que não coincide com o próprio conceito de intervalo de confiança.
Segundo, se você tem valores limites, tal que X tenha 95% de chance de estar neste
intervalo, isso não significa que este mesmo intervalo valerá para o parâmetro. O que
você sabe é que X estará neste intervalo, mas o parâmetro, apesar de ser afetado
pelo mesmo, não segue o mesmo intervalo. Isso porque, dados determinados valores
de X, os valores de correspondentes serão diferentes. Veja a função que relaciona
ambos.
Alternativa falsa.

Exercício 14 (bota difícil nisso)
Resolução
Outra questão que você deveria pular. Nós já calculamos o valor de C no exercício 1:
Agora vamos encontrar a função de verossimilhança da nossa função de distribuição.

Nós sabemos que ela deriva do produtório da mesma avaliada em todos seus pontos:
Isso é feito para toda variável X, de a . Substituindo o valor de C:
Agora, vamos tirar o Ln de ambos os lados:
Derive em função do parâmetro:

Perceba que a derivada da função dentro do Ln seguiu a regra da cadeia. O que

fizemos foi derivar a função toda em função do parâmetro e multiplicar pela
derivada da “parte de dentro”.
Assim:
Sabendo que :
Rearranjando, finalmente chegamos a:
Alternativa falsa.

Lista de exercícios resolvidos
(BACEN- CESPE/2013)
Exercício 1
Exercício 2
Ps. Resolva este exercício comigo primeiro, pois vou ensinar uma coisinha
nova aqui.

Exercício 3
(CESPE – BACEN/2013)
Exercício 4
Exercício 5

Exercício 6
Exercício 7
Exercício 8

Exercício 9
Exercício 10

Exercício 11
Exercício 12

Exercício 13
Exercício 14 (bota difícil nisso)

1 V 11 F
2 F 12 F
3 F 13 F
4 F 14 F
5 V
6 V
7 F
8 F
9 V
10 V
Que aula difícil! Estude com calme e mandem as dúvidas. Esta aula extra não é
obrigatória, mas, para os corajosos, pode ser a diferença fundamental. Foco no
BACEN!
Se você vir questões como a 1 e/ou 14, não seja bobo, pule!! Aquilo é inviável
para uma prova, se você resolvesse, demoraria o tempo da prova inteira.
Um abraço e mandem dúvidas

Aula Extra

Enviado por

Dados do documento

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

Aula Extra

Enviado por

Direitos autorais:

Formatos disponíveis

momento e função de verossimilhança

Professor: Jeronymo Marcondes

AULA 11 – Tópicos extras

Além disso, faremos mais questões da última prova do BACEN.

Então, vamos lá!

Pessoal, lembra que nós estudamos a estimação por Máxima Verossimilhança e

Só para lembrar: toda a ideia da estimação por máxima verossimilhança é estimar

-“Tudo bem professor, mas qual o formato desta função”?

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 1 de 35

Portanto, a nossa função de verossimilhança é:

-Por que isso?

Veja, o que estamos avaliando é, para uma determinada amostra ( a ), qual a

Assim, em termos matemáticos, dada uma amostra de a que segue uma

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 2 de 35

Como derivar uma função que tenha o seguinte formato:

No caso, é como se tivéssemos duas funções de x, certo? Neste caso:

O que você deve fazer é:

Ou seja, a derivada da multiplicação é: “a derivada do primeiro vezes o segundo, mais

Mais uma regrinha:

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 3 de 35

O que você está querendo é dividir esta expressão em duas partes:

Esta é a regra da cadeia. Intuitivamente, pense que se trata da derivada da função

Vamos a nosso exemplo:

Vamos a mais um exemplo para você entender.

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 4 de 35

Nós temos duas funções:

A derivada de cada uma das funções é:

Portanto, com base em nossa fórmula:

Entendeu? Vamos ao próximo tópico!

Este é um assunto muito abstrato! Veja o conceito:

Dada a distribuição de uma variável aleatória X, o

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 5 de 35

Essa é a média da variável! Nada, além disso.

-Professor, por que você falou do “momento com relação à zero”?

Ora, o primeiro momento da variável com relação a sua média é zero:

E o segundo momento com relação à média?

O famoso Método dos Momentos consiste em igualar o k-ésimo momento

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 6 de 35

O estimador de momentos deriva da equivalência entre momentos amostrais e

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 7 de 35

Este é o momento da média amostral!

 Perceba que a distribuição é discreta, pois a probabilidade de a mesma

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 8 de 35

Primeira coisa é encontrar o valor de C.

Para encontra-lo temos de aplicar a propriedade que sabemos de qualquer

Isso é uma progressão geométrica (PG)! Hora de lembrar do 2º grau (aulas de

A soma de uma PG infinita é dada por:

Substituindo os valores, chegamos a:

Substituindo este valor na equação original:

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 9 de 35

Agora que encontramos C, podemos continuar na peregrinação de achar nossa média

Nós já sabemos que a esperança de uma distribuição é dada por:

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 10 de 35

E por aí vai. Assim, o somatório dentro da expressão original será:

Colocando na fórmula da soma da PG infinita:

Agora basta substituir na expressão original:

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 11 de 35

Agora basta igualar esta expressão à média amostral:

Elevando ambos os lados a -1:

Tirando o logaritmo neperiano de ambos os lados:

Esta é a resposta da questão. Ufa! Inviável para um concurso...

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 12 de 35

Lei dos Grandes Números

A lei dos grandes números (LGN) garante que, conforme