UNIVERSIDADE FEDERAL DE GOIÁS - UFG

INSTITUTO DE MATEMÁTICA E ESTATÍSTICA - IME

IME0378 - PROBABILIDADE E ESTATÍSTICA A
LISTA 6

Prof. Everton Batista da Rocha (evertonbatista@ufg.br)

1. Considerando o contexto da Inferência Estatı́stica, defina e exemplifique:

(a) população; (l) estimador mais eficiente;

(b) amostra; (m) erro quadrático médio de um esti-
(c) parâmetro; mador;
(d) estatı́stica; (n) estimativa;
(e) distribuição amostral da média;
(o) estimador de máxima verossimilhan-
(f) distribuição amostral da proporção; ça;
(g) espaço paramétrico; (p) função de verossimilhança;
(h) estimador;
(q) função log-verossimilhança;
(i) estimador não viesado (ou não tenden-
(r) função escore;
cioso);
(j) viés de um estimador; (s) equação de estimação;

(k) estimador consistente; (t) estimação pontual;

2. Retire todas as amostras (com reposição) de tamanho n=2 da população {2, 4, 6}

e obtenha a distribuição amostral da média X̄, sua esperança E[X̄] e sua variância
x̄ 2 3 4 5 6 4
Var[X̄]. Respostas: 1 2 3 2 1 , E[X̄] = 4 e Var[X̄] =
P (X̄ = x̄)
9 9 9 9 9
3

3. Seja X uma variável aleatória com distribuição normal com média 30 e variância 25 e
X̄ a média de uma amostra aleatória de tamanho n = 25 extraı́da da mesma.

(a) Faça um esboço das funções densidade de probabilidade de X e de X̄.

(b) Calcule:
i. P (29 < X < 32);
 2

ii. P (X > 33);

iii. x tal que P (X ≤ x) = 0, 025;
iv. P (29 < X̄ < 32);
v. P (X̄ > 33);
vi. x̄ tal que P (X̄ ≤ x̄) = 0, 025;
Respostas: (a)Faça o gráfico levando em conta a média e dispersão, em um único plano
(x, y). (b)0,23468; 0,27425; 20,2; 0,81859; 0,00135; 28,04.

4. Suponha que a variável produção de milho em uma parcela, tenha distribuição normal
com média 8 kg e desvio-padrão 2 kg. Num experimento envolvendo o cultivar em
questão (milho), são plantadas 4 parcelas (n = 4). Calcule a probabilidade de:

(a) A produção numa certa parcela:

i. Ser inferior a 6 kg;
ii. Estar entre 6 e 10 kg;
iii. Ser superior a 10 kg.
(b) A média das produções das quatro parcelas:
i. Ser inferior a 6 kg;
ii. Estar entre 6 e 10 kg;
iii. Ser superior a 10 kg.

Respostas: (a)0,15866; 0,68268; 0,15866; (b) 0,02275; 0,95450; 0,02275.

5. Seja X uma variável aleatória contı́nua com função densidade de probabilidade dada
por
 24
 x−4 , para 1 ≤ x ≤ 2;
f (x) = 7
0, caso contrário,

X̄ a variável aleatória média amostral e seja uma amostra aleatória de tamanho n = 48.
37
Calcule P (X < 4/3) e P (X̄ < 4/3). Respostas: e 0,90824. (Nota: E[X] = 9/7 e
56
Var[X] = 3/49)

6. Um procedimento de controle de qualidade foi planejado para garantir um máximo de

10% de itens defeituosos na produção. A cada 6 horas sorteia-se uma amostra de 20
peças e, havendo mais de 15% defeituosas, encerra-se a produção para verificação do
processo. Pergunta-se

(a) Qual a probabilidade de uma parada desnecessária?

 3

(b) Supondo que a produção esteja sob controle e que os itens sejam vendidos em
caixas com 100 unidades, qual a probabilidade de que uma caixa:
i. tenha mais do que 10% de itens defeituosos?
ii. não tenha itens defeituosos?

Resposta: (a) 0,77035; (b)0,5; 0.

7. Suponha que uma indústria farmacêutica deseja saber a quantos voluntários se deva
aplicar uma vacina, de modo que a proporção de indivı́duos imunizados na amostra
difira de menos de 2% da proporção verdadeira de imunizados na população, com
probabilidade de 90%. Qual o tamanho da amostra a escolher? Resposta: 1681.

8. Uma variável aleatória X tem distribuição normal com média 10 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
do que 12.

(a) Se um jogador escolher uma amostra de tamanho 16, qual é a probabilidade de ele
ganhar um prêmio?
(b) Escolha um tamanho de amostra diferente de 16 para participar do jogo. Qual é a
probabilidade de você ganhar o jogo?
(c) Baseado nos resultados anteriores, qual o melhor tamanho de amostra para par-
ticipar do jogo?

Respostas: (a)0,02275; (b)n=20, probabilidade=0,0216; (c)n=1, probabilidade=0,31.

9. Se uma amostra com 36 observações for tomada de uma população, qual deve ser o
tamanho de uma outra amostra para que o desvio-padrão dessa amostra seja 2/3 do
desvio-padrão da média da primeira?
Resposta: 81.

10. Defina a variável e = X̄ − µ como sendo o erro amostral de média. Suponha que a
variância dos salários de uma certa região seja de 400 reais2 .

(a) Determine a média e a variância de e.

(b) Que proporção das amostras de tamanho 25 terão erro amostral absoluto maior do
que 2 reais?
(c) E qual a proporção das amostras de tamanho 100?
(d) Nesse último caso, qual o valor de d, tal que P (| e |> d) = 0, 01?
(e) Qual deve ser o tamanho da amostra para que 95% dos erros amostrais absolutos
sejam inferiores a um real?
 4

Respostas: (a) 0 e 400/n; (b)0,617; (c) 0,317; (d)5,16; (e) 1537.

11. Obtenha a distribuição de p̂ quando p = 0, 2 e n = 5. Depois calcule E[p̂] e Var[p̂].

12. Suponha que uma variável aleatória X seja descrita pela distribuição uniforme contı́nua,

1/2, se4 ≤ x ≤ 6,
f (x) =
0, caso contrário.

Encontre a distribuição da média amostral de uma amostra aleatória de tamanho

n = 40. Esboce os gráficos das distribuições de X e X̄.
Resposta: X̄ ∼ N(5.1/120)

13. Considerem-se as variáveis aleatórias independentes e identicamente distribuı́das, X1 ,

X2 , · · · , X30 , com distribuição uniforme no intervalo (0, 10). Pretende determinar-se
P (X̄ < 5, 5). Considerando que o valor exato é de difı́cil cálculo, recorre-se ao Teorema
do Limite Central. Determine P (X̄ < 5, 5).
Resposta: 0,82639.

14. Seja X ∼ N (1200; 840). Qual deverá ser o tamanho de uma amostra, de tal forma que
P (1196 < X̄ < 1204) = 0, 90?
Resposta: 141.

15. Suponha um experimento consistindo de n provas de Bernoulli, com probabilidade de

sucesso p. Seja X o número de sucessos, e considere os estimadores:
X
(a) p̂1 =
n

1, se a primeira prova resultar em sucesso,
(b) p̂2 =
0, caso contrário.

Determine a esperança e a variância de cada estimador. Por que p̂2 não é um “bom”estimador?
Verifique se p̂1 e p̂2 são consistentes. Respostas: E[p̂1 ] = E[p̂2 ] = p, Var[p̂1 ] = p(1 − p)/n,
Var[p̂2 ]=p(1-p). p̂1 é consistente. p̂2 não é consistente.

16. Suponha que X seja uma variável aleatória com distribuição normal de média µ e
variância 1. Obtenha o estimador de máxima verossimilhança de µ, para uma amostra
de tamanho n, (X1 , X2 , · · · , Xn ).

17. Considere que Y é uma variável aleatória com distribuição de Poisson, com parâmetro
λ > 0. Obtenha o estimador de máxima verossimilhança de λ, baseado numa amostra
de tamanho n.
 5

18. Considere que Z é uma variável aleatória com distribuição Exponencial, com parâmetro
λ > 0. Obtenha o estimador de máxima verossimilhança de λ, baseado numa amostra
de tamanho n.

19. Seja X1 , X2 , · · · , Xn uma amostra aleatória de uma variável aleatória X ∼ Poisson(λ),

tal que,

e−λ λx
P (X = xi ) = ; x = 0, 1, · · · ; λ > 0.
x!
(a) Determine o estimador de λ pelo método da máxima verossimilhança.
(b) Os valores a seguir são uma amostra aleatória observada de X. Para estes valores
observados, calcule a estimativa pontual de λ utilizando o estimador do método
dos momentos.

xi = (4, 9, 8, 6, 16, 14, 6, 5, 7, 6, 8, 9, 8, 5, 5, 7,

4, 8, 9, 6)

(c) Apresente uma estimativa para a variância dos dados utilizando o método da
máxima verossimilhança. Justifique a sua resposta.

Respostas: (a) λ̂ = X̄; (b) λ̂ = 7, 5; (c) Uma vez que X ∼ Exp(λ), sabe-se que E[X] =
Var[X] = λ, assim, λ̂ = X̄, como obtido no item anterior. Deste modo, λ̂ = 7, 5, também
baseado no item anterior.

20. Seja X1 , X2 , · · · , Xn uma amostra aleatória de uma variável aleatória X ∼ Exponencial(λ),

tal que,

fX (x) = λe−λx ; x > 0; λ > 0.

(a) Determine o estimador de λ pelo método da máxima verossimilhança.

(b) Os valores a seguir são uma amostra aleatória observada de X. Para estes valores
observados, calcule a estimativa pontual de λ utilizando o estimador de máxima
verossimilhança.

xi = (0, 37995266; 0, 08715669; 0, 03073542; 0, 17492514; 0, 02304527;

0, 15369014; 0, 03025198; 0, 06963362; 0, 06238733; 0, 25876858)

1
Respostas: (a) λ̂ = ; (b)λ̂ ≈ 7, 870626854 em que X̄ = 0, 127054683.
X̄
21. Seja X1 , X2 , X3 uma amostra aleatória da variável aleatória X com E[X] = θ e
Var[X] = 1. Considere os seguintes estimadores:
X1 + X 2 + X3 1 1 1
θ̂1 = X̄ = e θ̂2 = X1 + X2 + X3 .
3 2 4 4
 6

(a) Verifique se θ̂1 e θ̂2 são tendenciosos, isto é, viesados. Conclua.
(b) Calcule a variância de θ̂1 e θ̂2 .
(c) Baseado nos itens anteriores, qual estimador é melhor? Justifique sua resposta.
1 3
Respostas: (a) Ambos são não viesados; (b)Var[θ̂1 ] = e Var[θ̂2 ] = ; (c) Como θ̂1 e θ̂2
3 8
são ambos não viciados, segue que X̄ é melhor que θ̂2 , pois é mais eficiente, uma vez que
Var[X̄] < Var[θ2 ].