Curso de Inferência Estatística I

Segunda Lista de Exercícios em 04/04/2017

1 - Uma pesquisa eleitoral é realizada a fim de estimar a proporção ( 0    1 ) de votos de um
determinado candidato (A). Suponha que há recursos para se selecionar no máximo uma amostra de
tamanho n=100 da população. Porém, utilizando-se informação de uma pesquisa passada cuja
amostra foi consideravelmente grande, uma equipe de analistas políticos com a ajuda de um
estatístico estabeleceu uma distribuição normal para  com média igual a 0.60 e desvio padrão
igual a 0.02. Após a amostra ter sido selecionada, constataram-se 57 votos para o candidato A.
Considere que o tamanho da amostra (n=100) seja desprezível quando comparado com o tamanho
da população. Utilize uma aproximação normal para a distribuição de X , i.e.
X |  ,  2 ~ N ( , n 1 2 ) com  2  0.52  0.25
a) Encontre a estimativa de Bayes para  sob função de perda quadrática.
b) Ache o erro quadrático médio da estimativa calculada em (a).
c) Dê a expressão da probabilidade do candidato A ganhar a eleição, com base na distribuição a
posteriori de  .
d) Qual deve ser o tamanho mínimo da amostra para que o desvio padrão a posteriori seja de no
máximo 0.01 ?
2- Suponha que X 1 ,..., X n formem uma amostra aleatória de uma distribuição exponencial de
parâmetro  . Assuma a seguinte priori imprópria para  :  ( )   1 para   0 .Encontre a
posteriori de  e ache a sua média.

3- Suponha que X 1 ,..., X n formem uma amostra aleatória de uma distribuição exponencial de
parâmetro  . Denotemos por  ( ) uma priori própria qualquer de  e por ˆB o estimador de
Bayes de  com respeito a priori  ( ) quando a função de perda quadrática é usada. Suponha que
desejemos estimar    2 sujeito a seguinte função de perda:

L( ,  )  (   ) 2 para   0 e   0 . Seja ˆ B a estimativa de Bayes de  . Explique porque

ˆ  (ˆ ) 2 .
B B

4- Considere uma distribuição para o qual a função de densidade (ou função de probabilidade, no
caso discreto) seja f ( x |  ) , onde  pertence a um espaço paramétrico  . Suponha que f ( x |  )
pertença à família exponencial:
f ( x |  )  a( )b( x) exp[c( )d ( x)] onde a( ) e c( ) são funções arbitrárias de  e b( x) e d ( x) são
funções arbitrárias de x. Considere prioris próprias de  da forma:
 , ( )  a( ) exp[c( ) ] (1).
Seja  o conjunto de todas as distribuições que tenham p.d.f da forma (1), para algum
( ,  )  H , onde H  {( ,  ) |  a( ) exp[c( ) ]d  } .


a) Mostre que  é uma família conjugada de distribuições a priori para amostras aleatórias de
f (x |  ) .
b) Suponha que observemos uma amostra aleatória de tamanho n de f ( x |  ) . Se a distribuição a
priori de  é  0 ,0 ( ) , mostre que os parâmetros da distribuição a posteriori de  são :

1
 n
 1   0  n e  1   0   d ( xi ) .
i 1

c) Dê um exemplo de uma família de distribuições que pertença à esta classe.

5- Suponha que a proporção p de itens defeituosos de um grande lote deva ser estimada. Uma
amostra aleatória de 70 itens foi selecionada, encontrando-se que 58 eram defeituosos.
a) Encontre a estimativa de máxima verossimilhança de p .
1 2
b) Se sabemos que  p  , qual a estimativa de máxima verossimilhança de p ?
2 3
6- Suponha que X 1 ,..., X n formem uma amostra aleatória de uma distribuição de Poisson de
parâmetro  .
a) Encontre o estimador de máxima verossimilhança de 
b) Mostre que a sequência de estimadores de máxima verossimilhança, ˆn , é uma sequência
consistente
c) Encontre o estimador de máxima verossimilhança da P( X  1) . Que propriedade do EMV
você utilizou para encontrar o EMV de P( X  1) ?
7- Suponha que X 1 ,..., X n formem uma amostra aleatória de uma distribuição no qual a função de
densidade é dada por:
e  x x  
f (x |  )  
0 x  
onde    .
a) Ache o estimador de máxima verossimilhança de 
b) Determine uma outra versão da densidade acima tal que o EMV não exista, justificando a
sua resposta.

8- Suponha que X 1 ,..., X n formem uma amostra aleatória de uma distribuição uniforme no
intervalo [1 , 2 ] . Encontre os estimadores de máxima verossimilhança de 1 e  2 .