Exercícios de Estatística (1991- 2007) – INFERÊNCIA ESTATÍSTICA

QUESTÃO 2 – 1991 Com respeito às distribuições de freqüência pode-se afirmar que: (0) É sempre verdade que a média está localizada entre a mediana e a moda. (1) O coeficiente de variação, σ /µ é sempre maior do que um. (2) A mediana é menos sensível que a média a valores extremos (ou discrepantes). (3) O coeficiente de correlação é uma medida independente de escala. (4) A diferença entre o terceiro e o primeiro quartil, chamada de intervalo interquartil, é uma medida de dispersão.

QUESTÃO 5 – 1991 Seja uma amostra aleatória

x1 , x 2 ,..., x n de uma população com média µ e variância

σ 2 . Considere os estimadores para a média:

µ1

=

x1 ,

µ2

=

1 n ∑xi , n i =1

µ3 = x ( n / 2 ) .

onde x ( n / 2 ) corresponde ao (n/2)-ésimo elemento da amostra após a ordenação da mesma em forma crescente. (0) (1) (2) (3) (4) Os três estimadores da média são não tendenciosos. var( µ2 ). Para n ≥ 2 tem-se que a relação entre as variâncias é dada por: var( µ ) < var( µ3 ) ≤ 1 Se o tamanho da amostra cresce o único estimador consistente é µ2 . Se o tamanho da amostra cresce todos os estimadores têm distribuição normal. Se a distribuição da população é normal, para n fixo, as distribuições dos estimadores

µ1 , µ2 , µ3 também são normais.

QUESTÃO 7 – 1991 Com respeito aos testes de hipóteses pode-se afirmar que: (0) (1) (2) O nível de significância de um teste é a probabilidade de cometer erro do tipo I, isto é, a probabilidade de aceitar a hipótese nula, quando ela é falsa. O valor 1 - β é o poder do teste, onde β é a probabilidade do erro do tipo II, isto é, a probabilidade de rejeitar a hipótese nula quando ela é verdadeira. Se x1 ,..., x n é uma amostra aleatória de uma população normal com média µ e variância conhecida σ 2 , para testar

H 0 : µ = µ 0 contra H1 : µ ≠ µ 0
(3) usa-se a distribuição t de Student. Dada uma população de indivíduos de tamanho n, deseja-se verificar se a população de empregados é de 0,5. Esta verificação pode ser feita através do teste de hipóteses: H 0 : p = 1 / 2 contra H1 : p ≠ 1 / 2 usando-se, para tanto, a distribuição normal como aproximação da binomial. Uma empresa afirma que 60% dos seus empregados são ligados à produção. Para verificar esta afirmativa, o sindicato decide usar uma amostra de 200 trabalhadores e observa que 105 deles estão ligados à produção. Ao nível de significância de 5% pode-se afirmar que o número de empregados ligados à produção é inferior a 60%.

(4)

QUESTÃO 11 – 1991 Considere uma amostra aleatória

y1 ,..., y n de uma variável normal Y de média µ e variância
s2 =

σ

2.

Definem-se os seguintes estimadores:

y=
Pode-se então afirmar que: (0) (1) (2) (3) (4) E( s 2 ) = σ 2 .

∑yi ,
n

∑( yi − y)
n

2

Var(y) = 2 s 2 /n. y é um estimador não tendencioso de µ e de variância mínima. n s 2 /σ 2 tem distribuição qui-quadrado com n-1 graus de liberdade. y tem distribuição normal.

QUESTÃO 14 – 1991 O lucro Y de uma empresa em função do tempo, X, tem distribuição normal com média seguindo a estrutura linear de regressão α + β X e variância, por pressuposição, constante. Ajustando-se esse modelo por mínimos quadrados a uma série de 5 anos obtiveram-se os somatórios abaixo: ∑X = 15, ∑Y = 38, ∑ X 2 = 55, ∑Y 2 = 362, ∑XY = 141. Pode-se afirmar que, exceto por erro de arredondamento, (0) (1) (2) (3) (4) A estimativa do termo constante é -0,5. O quadrado do coeficiente de correlação múltipla R 2 é 80%. A estimativa do coeficiente de X é 1,4. A estimativa da variância do erro estocástico é 0,10. A soma dos quadrados explicada pelo modelo é 85,6.

Pode-se afirmar então que: Se a correlação entre X e Y for zero. para que [ P ( µ − kσ ≤ x ≤ µ + kσ ) ≥ 0. Cov(XY) = 0.QUESTÃO 15 – 1991 Ainda em relação à questão anterior pode-se concluir que. F e x 2 são muito utilizadas em Econometria. Se elas forem independentes. QUESTÃO 4 – 1992 Sejam X e Y duas variáveis aleatórias contínuas. E(XY) = E(X)E(Y). então elas são independentes. então: (0) (1) (2) (3) Se elas forem independentes. sobre elas pode-se afirmar que: (0) (1) (2) (3) (4) Somente a Normal é simétrica. A variável x 2 resulta da soma de variáveis aleatórias independentes que têm distribuição Normal padronizada. t. A previsão do lucro para X = 10 é 26. Y ) / V ( X )V (Y ) . exceto por erro de arredondamento: (0) (1) (2) (3) (4) O erro padrão da estimativa de α é igual a 0. . O erro padrão da estimativa de β é igual a 0. Todas têm como parâmetro o número de graus de liberdade.06] . por definição. A F é. Se elas forem independentes. O coeficiente do tempo é altamente significativo produzindo um valor observado da estatística t de Student de 27. A estatística F de adequação do modelo é 729. QUESTÃO 8 – 1992 Sejam duas variáveis aleatórias X e Y quaisquer provenientes de distribuições com médias µx (0) e µ y e variâncias σ x2 e σ y2 respectivamente. isto indica que X e Y são independentes. é dado por QUESTÃO 5 – 1992 Qual o menor valor que k pode assumir. O coeficiente de correlação linear entre as variáveis X e Y C ( X .06? QUESTÃO 7 As distribuições Normal. Todas são limitadas na reta real. a probabilidade de x estar entre µ − kσ e µ + kσ seja maior ou igual a 0. V(X/Y) = V(X)/V(Y). de acordo com o Teorema de Tchebycheff.10. a razão de duas variáveis qui-quadrado. isto é. ov (4) Se o coeficiente de correlação for nulo.5 milhões de cruzeiros.77.

QUESTÃO 9 – 1992 Considere x1 .  .1 graus de liberdade. QUESTÃO 11 – 1992 Economistas afirmam que o salário médio anual de advogado é maior do que o salário médio anual de economista. O tamanho do intervalo varia inversamente com o tamanho da amostra. S 2 tem distribuição qui-quadrado com n . x n uma amostra aleatória extraída de uma população que tem distribuição Normal com média µ e variância σ 2 . é simétrica em relação a zero. _ ∑ ( xi − x) 2 é um estimador não-viesado de σ 2 . Se admitirmos que ρ . coeficiente de correlação amostral. coeficiente de correlação populacional é igual a zero (ρ = 0). 2 S = n −1 x tem distribuição Normal com média µ e variância unitária. menor o erro amostral permitido. _ QUESTÃO 10 – 1992 O intervalo de confiança permite avaliar a precisão de um estimador. Se as variáveis X e Y forem independentes. então a população resultante da diferença entre as 2 2 2 duas variáveis terá média µ x − y = µ x − µ y e variância σ x − y = σ x − σ y . O intervalo com 100% de confiança para a variância σ 2 estende-se de -∞ a +∞. quanto maior o nível de confiança. x 2 . P[_ _ x <µ < x ] = 68%.(1) (2) (3) (4) Para verificar se o coeficiente de correlação é significativo a estatística do teste a ser utilizado tem distribuição t de Student. a distribuição amostral de r. Sobre ele é possível afirmar que: (0) (1) (2) (3) O nível de confiança indica a probabilidade do parâmetro populacional estar dentro do intervalo estabelecido. Se as variáveis X e Y forem independentes. . então a soma aleatória das distribuições das duas 2 2 2 variáveis terá uma população de média µ x + y = µ x + µ y e variância σ x + y = σ x + σ y . Dado um tamanho de amostra. Pode-se dizer que: (0) (1) (2) (3) (4) x= _ ∑xi n é um estimador não-viesado em µ .

A estatística do teste tem distribuição normal. quando n aumenta. à distribuição normal. sendo ambas independentes. convenientemente padronizadas. ela assegura que a probabilidade: (0) (1) (2) (3) da variável assumir um valor maior ou igual a n é menor ou igual à variância mais a média divididos por n 2 . nas versões estudadas na graduação. pode ser provada como um simples caso particular do TCL. estabelece condições que asseguram a convergência de somas de variáveis aleatórias. A convergência de uma distribuição binomial (n. Qui-quadrado e F pode-se afirmar que: (0) (1) A soma de normais com média 0 e variância 1 dá sempre uma Qui-quadrado. Rejeitar a hipótese nula implica em aceitar a veracidade da afirmativa. supondo-se que uma variável aleatória tenha média e variância finita. da variável ultrapassar a média de um valor maior ou igual a n é menor ou igual ao inverso de n 2 . Se as variáveis aleatórias. (3) QUESTÃO 10 – 1993 Quanto à desigualdade de Tchebyshev.(0) (1) (2) (3) (4) Para testar a afirmação dos economistas é necessário apenas a hipótese de que as populações originais sejam normais. da variável ultrapassar a média de um valor maior ou igual a n é menor ou igual ao segundo momento dividido por n 2 . tem a mesma média µ e variância σ 2 . As variáveis aleatórias utilizadas na composição da soma não precisam ser independentes. ou seja.1)). (0) (1) (2) Esta convergência se dá em probabilidade.p). é a mesma da Lei Fraca dos Grandes Números. resultado maior dentre os teoremas da teoria da probabilidade. . da variável ultrapassar a média de um valor maior ou igual n vezes o desvio padrão é menor ou igual ao inverso de n 2 . Uma F com m e n graus de liberdade resulta da divisão de uma Qui-quadrado com m graus de liberdade por uma Qui-quadrado com n graus de liberdade. subtraídas de nµ . QUESTÃO 13 – 1993 Com relação às distribuições t. A hipótese nula deverá ser H 0 : µ A = µ E . QUESTÃO 9 – 1993 O Teorema Central do Limite (TCL). e dividida por nσ . atendendo às hipóteses do TCL. converge para uma distribuição normal com média 0 e variância 1 (N(0. onde n é o número de ensaios de Bernouilli e p é a probabilidade de sucesso em cada um. o teorema garante que a soma das n primeiras. A hipótese alternativa deverá ser H a : µ A ≠ µ E .

75 15.25 ├── 16. a média das 100 sacas pesadas não se alterará. δ 2 multiplicado por N é sempre um estimador não viesado da variância da população. i. a variância da média amostral será igual à variância da população sobre n somente se a amostragem for feita com reposição. A percentagem de sacas com peso inferior a 15.00 kg o conteúdo de cada saca. N −1 intervalos de confiança para a média da população podem ser obtidos. QUESTÃO 6 – 1994 .75 ├── 16. o valor do coeficiente de variação é 2.00 kg.25 15. de tamanho N. de média zero.e. na maioria dos casos.(2) (3) (4) A Qui-quadrado com m graus de liberdade resulta da soma de m normais independentes. A raiz quadrada de uma Qui-quadrado com 2 graus de liberdade dividida por dois distribui-se com uma distribuição normal com média 0 e variância 1. ao quadrado. (0) (1) (2) (3) a média amostral é um estimador não viesado da média da população somente se a amostragem for feita com reposição.25 16.477 kg. A pesagem de uma amostra aleatória com 100 sacas revelou os resultados descriminados na tabela a seguir: PESOS (EM KG) 14. Sendo o desvio-padrão da amostra de sacas igual a 0.25 ├── 15. o desvio-padrão dessa amostra aumentará em 2. Se o comerciante aumentar em 2.95%.75 ├── 15. com o auxílio da distribuição normal. QUESTÃO 1 – 1994 Um comerciante atacadista vende determinado produto em sacas que deveriam conter 16 kg. A distribuição t de n graus de liberdade coincide com a de F com 1 e n graus de liberdade.00 kg o conteúdo de cada saca. Se o comerciante aumentar em 2. QUESTÃO 14 – 1993 Dada uma população finita. n maior que 40.75 ├── 16.75 TOTAL (0) (1) (2) (3) (4) NÚMERO DE SACAS 5 10 45 30 10 100 A média da pesagem das sacas é exatamente 16 kg.75 16. e uma amostra aleatória de tamanho n.75 kg é de 15%.

Sejam duas amostras provenientes de duas populações normais independentes. A distribuição normal é plenamente especificada pelo seu parâmetro média.7. construídos todos os intervalos possíveis.3%. A probabilidade β de cometer o erro tipo II aumenta à medida que o valor do parâmetro se afasta do valor testado. a estatística a ser utilizada no teste de igualdade de médias é a “t” de Student com (n+m-2) graus de liberdade.84)] a amostra deve ser composta por 625 válvulas. 95% dos casos conterão o parâmetro populacional.9) com uma confiança de 99%. mais estreito é o intervalo de confiança correspondente. Os testes de hipóteses dizem respeito a regras de decisão para aceitar ou rejeitar uma hipótese estatística com base nos elementos amostrais. QUESTÃO 7 – 1994 De 50.Seja X uma variável aleatória que representa o valor das vendas de um determinado produto em um mês. Para que seja de 95% a confiança na estimativa [(800 . retirou-se uma amostra aleatória de 400 válvulas e verificou-se que a vida média era de 800 horas. podermos afirmar que: (0) (1) (2) (3) (4) O erro tipo I ou de primeira espécie consiste em se aceitar a hipótese nula ( H 0 ) quando ela é falsa.3% de todos os possíveis valores das vendas mensais do produto. A distribuição é contínua e simétrica em relação ao valor de vendas $500 e a moda divide a área sob a curva em duas metades iguais.1). Se as variâncias populacionais são iguais porém desconhecidas.1 ── 812.12) ── (800 + 12)]. Num teste de hipóteses para a média. (0) (1) (2) (3) (4) A estimativa da média populacional pertence ao intervalo (787. X é normalmente distribuída com média $500 e desvio padrão $50. Em 20% dos casos as vendas são inferiores a $458. .84) ── (800 + 7. Com uma confiança de 95% poderíamos afirmar que a vida média está no intervalo [(800 . onde n e m são os tamanhos das amostras e (n + m) < 30. O nível de confiança na estimação por intervalo (por exemplo 95%) significa que. Podemos afirmar que: (0) (1) (2) (3) (4) A probabilidade do valor das vendas ser superior a $600 é 5. No intervalo (450 ── 550) então contidas 68. QUESTÃO 8 – 1994 Com relação aos testes de hipóteses. Quanto mais alto o grau de confiança.000 válvulas fabricadas por uma companhia. devemos utilizar a estatística Z que tem distribuição N(0. com um desvio-padrão de 100 horas. quando a variância populacional é desconhecida.

definida por populacional. X 2 . é um estimador não-viesado da variância n (3) { Tn } será uma seqüência consistente de estimadores de θ n →∞ se: limVar(Tn ) = 1. . então T é menos eficiente que T2 .  . na média. ∑( X i =1 n i . Quanto deve ser o tamanho da amostra de forma que a probabilidade que a média amostral X difira da média populacional em 1/2.95? QUESTÃO 2 – 1995 Sejam ( X 1 . para um mesmo nível de significância. X n ) uma amostra aleatória com n elementos de certa população e θ um parâmetro dessa população. Pode-se afirmar que: (0) (1) (2) Um estimador T do parâmetro θ é função de ( X 1 . Quanto maior o tamanho da amostra. É necessário assumir que os salários em ambas as populações seguem uma distribuição normal.QUESTÃO 10 – 1994 Deseja-se investigar a afirmação de que o salário médio anual dos economistas em São Paulo é maior do que o salário médio anual dos economistas no Rio de Janeiro. . Se o teste for estatisticamente significante podemos concluir que os economistas paulistas. n →∞ lim E (Tn ) = 0 e (4) T1 e T2 são dois estimadores não-viesados de um mesmo parâmetro θ . 1 Se QUESTÃO 7 – 1995 Pode-se afirmar que: (0) O histograma relaciona graficamente duas variáveis. e se Var( T1 ) < Var( T2 ). maior a possibilidade de se rejeitar a hipótese nula. QUESTÃO 13 – 1994 Suponha que uma certa distribuição com média desconhecida tenha variância igual a um. seja pelo menos 0. X 2 . X n ) . recebem um salário significante superior aos seus colegas cariocas. − X )2 T será um estimador não-viesado de θ se E(T) = θ . Pode-se afirmar que: (0) (1) (2) (3) (4) É necessário apenas que a amostra em cada população inclua os economistas com mais de 10 anos de profissão. A hipótese nula deverá ser H 0 : µ RJ < µ SP em que µRJ é a média populacional dos salários no Rio de Janeiro e µSP é a média populacional dos salários em São Paulo. A variância amostral.

A região de rejeição da hipótese nula deve abranger todos os valores que a estatística de teste não pode assumir.500.(1) (2) (3) (4) A média aritmética é a medida de tendência central mais utilizada na prática por ser insensível à dispersão dos valores observados. QUESTÃO 14 – 1995 O representante de um grupo comunitário informa a uma pessoa interessada em estabelecer um centro comercial que a renda média familiar na área é de R$ 15. QUESTÃO 13 – 1995 Quando se realiza um teste de hipótese. (0) (1) (2) H 0 : µ = R$15. deve-se adotar nível de significância de zero por cento. O coeficiente de assimetria é adimensional. a estatística utilizada é a “t” de Student. Suponha que. QUESTÃO 9 – 1995 Com relação aos testes de hipóteses. O centro comercial só será construído se o nível médio de renda familiar (µ ) for maior que o informado. A estatística do teste a ser utilizada depende da distribuição do estimador. seja possível admitir que a renda média familiar tem distribuição aproximadamente normal. O poder do teste é dado pela probabilidade de se rejeitar a hipótese nula quando esta é falsa. convém saber que: (0) (1) (2) (3) (4) A conclusão do teste é sensível à forma como se define a hipótese nula. O coeficiente de variação é a razão entre a média aritmética e o desvio padrão. Quanto menor for o nível de significância de um teste. ou de segunda espécie. Sempre que possível. O desvio-padrão tem a mesma unidade de medida da variável original. A hipótese alternativa deve ser H1 : µ < R$15. pode-se afirmar que: (0) (1) (2) (3) A probabilidade do erro tipo I. é denominada de nível de significância do teste.000. mais extremo deve ser o valor calculado da estatística do teste para que se rejeite ( H 0 ). O erro tipo II. consiste em aceitar a hipótese nula ( H 0 ) quando esta é falsa. .000 (com base em um estudo anterior). Em um teste de hipóteses para comparação de duas médias provenientes de populações normalmente distribuídas com variâncias iguais e desconhecidas. Para uma amostra aleatória de 16 famílias. A hipótese nula deve ser Não pode ser realizado qualquer teste pois o número de elementos da amostra é pequeno. e que se possa aceitar o desvio-padrão como sendo R$ 2.000 . ou de primeira espécie. para a área em questão. a renda média familiar foi de R$ 15.000.

com nível de confiança igual a 95%. Um teste feito ao nível de significância de 5% permite concluir que a condição para a construção do centro será satisfeita. Podemos afirmar que: (0) Se num teste de hipótese com H0: µ =0 e H1: µ ≠ 0 e nível de significância de 5% rejeitamos H0.(3) (4) A estatística que deve ser utilizada para a elaboração do teste é a Z. é preferível usar o teste T2. então se a potência (ou poder) de T1 é sempre superior à do teste T2 e ambos tem o mesmo nível de significância. σ 2 ) . (2) Só podemos testar a hipótese H0: µ =ν quando m=n. . . X n e considere os três estimadores abaixo: . X2. (2) A média aritmética é uma medida de tendência central mais sensível à presença de observações aberrantes do que a mediana. (1) Se dispomos de dois testes (T1 e T2.. (3) Só podemos usar o teste F para a hipótese H0: σ 2=τ 2 quando sabemos de antemão que µ =ν ________________________________________________________________________________ QUESTÃO 9 – 1996 Seja X ~ Normal( µ . Xm e Y1. (1) Se uma distribuição é bimodal.  . digamos) apropriados para testar a hipótese H0: µ =ν e precisamos escolher um deles.σ 2) e Yj∼ N(ν .. . então o intervalo de confiança para a média. Yn variáveis aleatórias independentes tais que Xi∼ N(µ ..1). que tem distribuição N(0. Considere o problema de estimação de µ a partir de uma amostra aleatória X1 .τ 2). . (3) O coeficiente de assimetria tem a mesma unidade que o desvio padrão (amostral). não irá conter o número zero. Y2. então seu coeficiente de assimetria é zero. QUESTÃO 6 – 1996 Pode-se afirmar que: (0) O coeficiente de variação é uma medida de tendência central. ________________________________________________________________________________ QUESTÃO 8 – 1996 Sejam X1..

(1) M 2 é tendencioso e M 3 é não-tendencioso. (5) M 1 é consistente. (2) A assertiva (I) é conseqüência da Lei Fraca dos Grandes Números. . Xn são normalmente distribuídas.. X2. n X / S 2 tem _ distribuição t de Student com n-1 graus de liberdade. . (2) Somente M 1 é não-tendencioso. (1) A assertiva (III) é correta mesmo sem a hipótese de normalidade de X1. Podemos afirmar que: (0) Se X1. ______________________________________________________________________________ QUESTÃO 13 – 1996 Suponha que X1.. X2. somente (II) está errada. (IV) A média amostral tem distribuição normal. S k k=1 e considere as seguintes assertivas: (I) A média amostral é um estimador consistente de µ . X2. respectivamente. Xn são normalmente distribuídas. X2.. (4) M 2 e M 3 são não-eficientes... . (3) Se X1. Xn. Xn sejam identicamente distribuídas. tendo valor esperado e variâncias comuns dados por µ e σ 2... (3) M 2 é o melhor estimador linear não-tendencioso. .1 n ∑ Xk n k =1 1 n M2 = ∑ k =1 X k n +1 1 1 n M 3 = X1 + ∑ Xk 2 2 n k =2 M1 = Podemos afirmar que: (0) M 1 é tendencioso. . mesmo quando µ é diferente de zero. (II) A variável (n-1)S2/σ 2 tem distribuição de qui-quadrado com (III) S2 é estimador não-tendencioso de σ 2. .. . . . então a variável n-1 graus de liberdade. Defina a variância amostral como n 2 = ( n − 1) − 1 ∑ ( X − X ) 2 .

então a média. QUESTÃO 5: 1997 A nota média de um exame de seleção para um emprego foi de 50. x +σ) inclui aproximadamente 95% das observações do conjunto. (2) se a distribuição de um conjunto grande de dados é simétrica. (1) sob condições de regularidade usuais. se quisermos minimizar a soma do quadrado dos desvios em relação a um determinado parâmetro. 3. o intervalo ( x −σ. pode-se afirmar que: . Se os resultados estão normalmente distribuídos e se a nota mínima para ser contratado no emprego corresponde ao percentil de ordem 80. 4. a mediana e a moda coincidem. com desvio padrão de 10. 4. 9. esse parâmetro é a média da distribuição. 3. onde x = média aritmética e σ = desvio padrão._____________________________________________________________________________ QUESTÃO 14 – 1996 Considere a distribuição seguinte: Valores de Y 0 1 Valores de X 2 3 0 1/3 0 1 1/3 0 1/3 f(x) 1/3 1/3 1/3 f(y) Calcule Cov(X. (3) o conjunto {3. 18. qual a nota mínima que o candidato deve obter para conseguir o emprego? (Considere apenas a parte inteira da resposta) QUESTÃO 8: 1997  Com relação a um estimador θ do parâmetro populacional θ . (4) se uma distribuição é simétrica. 18. 1/3 2/3 1 _____________________________________________________________________________ QUESTÃO 1: 1997 Com relação à Estatística Descritiva.Y). 18} é um exemplo de distribuição bimodal. 9. a mediana e o decil de ordem 2 são as principais medidas de tendência central. podemos afirmar que: (0) a média aritmética.

 (0) θ é dito consistente quando seu valor esperado é igual a θ . (3) W é consistente. em média. tendencioso ou não-viesado de θ se. dizemos que θ é um estimador consistente do parâmetro populacional θ se  lim P |θ − θ| < ε = 1 para qua lquer ε > 0. temos:   (0) Se θ é o parâmetro populacional e θ seu estimador... mesmo para amostras de tamanho pequeno. . Z é relativamente mais eficiente que W. e Z é não-tendencioso.. e somente se. (1) o melhor estimador de θ sob o critério de êrro quadrático médio mínimo não é necessàriamente nãotendencioso. se W = 1 / 3 ⋅ X1 + 2 / 3 ⋅ X 2 . Sejam W e Z W= Pode-se afirmar que: ∑i⋅X i =1 N i ∑i i =1 N . (1) W é tendencioso.. (2) um estimador de θ é chamado linear se é uma função linear das observações amostrais.XN uma amostra aleatória de uma população com média estimadores de µ dados por: µ e variância σ 2 . N (0) W é não-tendencioso. b) sua variância é menor do que a variância de qualquer outro estimador consistente de θ . (3) um estimador de θ é considerado relativamente eficiente se: a) é consistente. n→∞ [ ] (3) Seja X uma variável aleatória com média µ e variância σ 2. k2 QUESTÃO 10: 1997 Seja X1. (2) Z é consistente. então W é um estimador tendencioso de µ .  (2) Dada uma amostra aleatória de n observações. Z= ∑X i =1 N i . dizemos que θ é um estimador não tem o mesmo valor de θ . (4) se N > 2 . Pela desigualdade de Tchebycheff temos que P[ | X − µ | ≥ k ] ≤ σ2 se k > 0. QUESTÃO 9: 1997 Com base na Teoria da Estimação. θ (1) Com base numa amostra aleatória de duas observações ( X 1 e X 2 ) de uma distribuição populacional com média µ .

5% também não podemos contestar a afirmação do fabricante. QUESTÃO 12: 1997 Com base na Inferência Estatística.se afirmar que: . as hipóteses são: Hipótese nula : H0: µ = 9. podemos fazer as seguintes afirmações: (0) A redução da probabilidade de erro do tipo I não tem qualquer efeito sobre a probabilidade de erro do tipo II. QUESTÃO 1: 1998 Pode . O fabricante afirma que a vida útil média dos tubos é de.800 horas. concordando em rejeitar esta hipótese se.000 horas Hipótese alternativa : H1: µ > 9. (3) O tamanho mínimo da amostra para uma estimativa por intervalo da vida média dos tubos deveria ser de 50 tubos. S = desvio padrão amostral. e n = tamanho da amostra. ao nível de significância de 2. no mínimo. e somente se. Testar H0 consiste essencialmente em determinar uma região crítica para a estatística em estudo. (2) Quando desejamos estimar a média populacional µ . onde X = média amostral. (1) Sob condições bastante gerais. não podemos contestar a afirmação do fabricante. podemos afirmar que: (0) Para verificar a veracidade da informação do fabricante através de um teste estatístico de hipóteses. (3) Sejam: H0 a hipótese nula e H1 a hipótese alternativa de uma teste estatístico. devemos utilizar a estatística “t” de Student.000 horas. 9. a distribuição de probabilidade da média da amostra torna-se mais concentrada em torno da média populacional e o intervalo de confiança torna-se menos amplo e mais preciso. de forma que a probabilidade da estatística cair na região crítica. qualquer que seja a distribuição de probabilidade da população. à medida em que o tamanho da amostra aumenta. é um valor fixo α . se estamos trabalhando com amostras pequenas. (4) É possível reduzir as probabilidades dos erros do tipo I e II com o aumento da amostra. Sabendo-se que a vida útil média encontrada para uma amostra aleatória de 16 tubos foi de 8.000 horas (1) Ao nível de significância de 5%. sendo t = S X−µ n . com uma probabilidade de 95%. (2) Se a informação amostral fosse obtida de uma amostra de 36 tubos. de modo que o erro da estimativa não excedesse a 100 horas. com a variância populacional desconhecida. sendo H0 verdadeira. o valor da estatística cair na região crítica. (4) Caso desconheçamos o desvio padrão populacional é impossível testar a validade da afirmação do fabricante.QUESTÃO 11: 1997 A vida útil de um tubo de televisão tem distribuição Normal com desvio padrão (conhecido) de 500 horas.

Podemos afirmar que ~ 3x + 2 x 2 é um estimador tendencioso de µ .1) e variância igual a (n . n1 + n2 − 2 Quando dois conjuntos de valores são expressos em unidades de medidas diferentes. ela diz-se assimétrica a direita e. 2 Seja X uma variável aleatória normalmente distribuída com média µ e variância σ 2. o desvio padrão deste conjunto fica multiplicado (ou dividido ) pela constante c. respectivamente. QUESTÃO 5: 1998 Verifique quais das afirmações abaixo são verdadeiras e quais são falsas. (2) A distribuição de uma razão de duas variáveis aleatórias qui-quadrado independentes. (1) (2)     Um estimador θ é dito eficiente se θ for não-tendencioso e Var( θ ) ≤ Var ( θ ). µ= 1 5  Se θ é consistente. QUESTÃO 7: 1998 Com base na teoria da estimação. x = x1 = x 2 . em caso contrário. é igual a s 2 = 2 2 ( n1 − 1) s1 + (n2 − 1) s2 . 2 2 No caso de dois conjuntos de n1 e n2 valores. s 2 . Sejam x1 e x2 duas observações de uma amostra aleatória de tamanho 2. é mais justificável o uso do desvio padrão (dispersão absoluta) do que o coeficiente de variação de Pearson.3). para efeito de comparação. (1) suas variâncias e x1 e x 2 suas médias. é chamada de distribuição “F”. assimétrica a esquerda.1) graus de liberdade. pode-se fazer as seguintes afirmações : (3) . cada elemento de um conjunto de números. 1 1 1 2  onde θ é outro qualquer estimador não-tendencioso de θ . (2) Z (0) A variável aleatória “t” é definida como 2 χ n −1 . (1) A distribuição “t” de Student tem média igual a (n . destes dois conjuntos quando. divididas cada uma pelo seu respectivo número de graus de liberdade. QUESTÃO 6: 1998  Seja θ o estimador do parâmetro θ :   (0) O erro quadrático médio é igual a variância do estimador θ se θ for um estimador nãotendencioso de θ . (3) A estatística “F” pode ser utilizada para verificar a igualdade de duas variâncias provenientes de duas populações quaisquer. (3) Quando uma distribuição de frequência apresenta M 0 (Moda) > M e (Mediana) > x (Média aritmética) . a variância combinada . então é não tendencioso. onde s1 e s2 são.1)/ (n .(0) Multiplicando (ou dividindo) por um valor constante e arbitrário. onde Z tem distribuição normal-padrão ( n −1) e χ 2 é uma distribuição qui-quadrado com (n . c.

então em (1 . (1) Se x é uma variável aleatória com E(X) = µ e variância σ 2 . x 2 . (4) Se as probabilidade de que um intervalo de confiança contenha o verdadeiro parâmetro populacional θ é igual a (1 .53%). será um estimador consistente da média populacional µ .03 e HA: P < 0. x 2 . 4.000 peças para que o erro máximo admissível entre a proporção estimada e a verdadeira não excedesse a 1%. QUESTÃO 9: 1998 Uma máquina está sendo examinada com o objetivo de substituir a máquina antiga de certa indústria. Segundo o fabricante da nova máquina. (2) Utilizando a proporção de peças defeituosas encontradas na amostra. então θ será um estimador consistente de θ .. (0) As hipóteses para um teste estatístico de hipóteses devem ser H0: P = 0.000 peças foi examinada e foram encontradas 74 peças defeituosas. seria necessário uma amostra de 3.x 3 .. pode-se fazer as seguintes afirmações : ...x n é um estimador não tendencioso da variância populacional. QUESTÃO 6 – 1999 Com base na teoria da estimação. baseada em uma amostra aleatória x 1 .α ). X . (1) Ao realizarmos o teste de hipóteses para o problema. é equivalente a  ˆ  a afirmação de que se lim E (θ) =θ e lim V r (θ) =0 quando n → ∞ .α )% destes intervalos conteriam o verdadeiro parâmetro θ . com probabilidade de 95%. utilizando uma confiança de 95%.. S2 = ∑ (x i =1 n n i − x)2 . então a média amostral. (3) n S2 = ∑ (x i =1 i − x)2 . é ( 2.03.x 3 . a proporção (P) de peças defeituosas produzida é de 3% ou menos..x n é um estimador inconsistente da variância populacional. Uma amostra de 2. (2) n A estatística.  (0) Se θ é um parâmetro populacional e θ seu estimador.. isto significa que se retirássemos um número infinito de amostras da população em estudo e se para cada uma das amostras calculássemos o intervalo de confiança do parâmetro θ .87%. A estatística.. baseada em uma amostra aleatória x 1 . a hipótese nula deve ser rejeitada. ao nível de significância de 5%. a afirmação de que θ é um estimador  } consistente de θ se lim P{θ −θ ≤ε =1 para todo ε > 0 quando n → ∞ .. (3) Admitindo que a verdadeira proporção de peças defeituosas seja 3%. a estimativa por intervalo para a verdadeira proporção de peças defeituosas produzida pela nova máquina..

considerando-se uma amostra aleatória de tamanho n . então n −1 n −1 n seja uma estatística viciada.(0) De acordo com o critério de eficiência. …. µ . xn . o estimador de Máxima Verossimilhança de α será igual ao Mínimo de x1 . x3 ⋅ ⋅ ⋅ ⋅. então E[g( θ ˆ g[E( θ)] com a igualdade ocorrendo somente quando g( θ ) for uma função linear. medido pela comparação entre as variâncias dos estimadores. x1 . 10) independentes e normalmente distribuídas com média µ = 10 e desvio padrão σ = 2. α para (3) Dado que as variâncias das estatísticas S2 = ∑ (x i =1 S2 = n i − x)2 e n ∑ (x − x) i= 1 i n 2 S2 = ∑ (x i =1 n i − x)2 são. Então. µ . quando o tamanho da amostra aumenta. iguais a n é mais preciso do que ∑ (x − x) i= 1 i n 2 n embora QUESTÃO 8 – 1999 Deseja-se estimar o faturamento médio. a medida que n cresce. . n S2 = 2σ4 2σ 4 n −1 2 e ( ) . x2 . A informação que se tem é de que o desvio padrão dos valores das faturas desta empresa é de R$25. Se g( θ) é uma função do parâmetro θ . Assim sendo. x3 ⋅ ⋅ ⋅ ⋅. Se existem 500 faturas desta empresa. 2. xn . a média amostral X é preferível a primeira observação X 1 como estimador da média populacional. então a distribuição de X (média da amostra) aproxima-se da distribuição normal com os mesmos parâmetros média µ e variância σ 2.00. Considere somente a parte inteira da resposta. encontre o tamanho da amostra necessário para estimar. (1) Sejam as variáveis aleatórias X i (i= 1. (1) (2) )] ≠ ˆ ˆ ˆ Seja θ um estimador não-viciado de θ . Y tende para uma distribuição normal com média E(Y) = 1 e V(Y) = 0. com um limite sobre o erro de estimação de R$5. x2 . QUESTÃO 9 – 1999 Podemos afirmar que: (0) Pelo Teorema do Limite Central podemos afirmar que se a variável aleatória X tem uma distribuição qualquer com média µ e variância σ 2. respectivamente . A função densidade de probabilidade da variável aleatória x é dada por f ( x) = 1 0 ≤ x ≤ α e 0 para outros valores. de uma empresa.2. se Y = ∑X i =1 10 i podemos afirmar que.00. supondo-se que σ 2 seja a variância da população.

(3) Se a distribuição de probabilidade de uma variável aleatória X é conhecida. (3) A estatística t-Student é utilizada nos testes de hipóteses para a média populacional quando a variância dos elementos da população. o valor crítico. H 0 : θ =θ0 .(2) Uma distribuição binomial tende a uma distribuição normal quando o número n de provas independentes de Bernoulli cresce. podemos calcular sua esperança e sua variância. H a : θ ≠θ0 .. X2 . QUESTÃO 04 – 2000 Seja X1.θ ) e seja T= 1/n ∑X i =1 n 2 i . (4) T é um estimador eficiente de θ .. . É correto afirmar que: (0) T é o estimador de máxima verossimilhança (EMV) de θ . é determinado da distribuição 2 de significância t-Student ou da distribuição Normal em função do nível α. ∑X i =1 n 2 i / θ tem distribuição qui-quadrado com n graus de liberdade. σ 2 .. (2) Um teste de hipótese é não-viciado se seu poder é maior ou igual do que a probabilidade do erro do tipo I para todos os valores dos parâmetros. Xn uma amostra aleatória da densidade Normal(0. pode-se afirmar que : (0) Se o objetivo é testar a hipótese Nula . contra a hipótese Alternativa de que. . então deve-se rejeitar H 0 quando ˆ θ − θ0 dp (θ 0 > C1−α 2 onde. QUESTÃO 10 – 1999 Com relação a teoria de Teste de Hipóteses. Embora a recíproca não seja verdadeira. a distribuição amostral de proporções de uma amostra de sucessos é mais dispersa quando a proporção populacional é igual ½ e é menos dispersa quando a proporção populacional é igual a zero ou a um. C1−α . (4) Para qualquer tamanho de amostra. ainda que os níveis de significâncias sejam diferentes. se existirem. (2) A variável aleatória Z = (3) 3 E ( X 12 X 2 ) = θ 2.não é conhecida. (1) Um teste de hipótese é dito o mais poderoso se tem o maior poder do que qualquer outro teste. (1) T é um estimador tendencioso de θ . poderemos estabelecer um limite superior (ou inferior) muito útil para as probabilidades da distribuição através do uso da desigualdade de Tchebycheff.

. em que g(. assim. não há supremacia de um estimador sobre o outro. seja negativa definida. θ ∀ ε > 0. com tamanho n. que possui.θ p).. segue-se que lim n →∞ Pr(| Tn − 1|≥ε) =0 . é correto afirmar que: (0) l(θ )= ln L(θ ) = ∑log i =1 n f ( y i . . e Tn é o estimador de máxima verossimilhança de θ 1. Sob o critério do erro quadrado médio. é correto dizer que: (0) A probabilidade do erro tipo I é calculada utilizando-se a estatística de teste.. em que θ = (θ 1. para pequenas amostras... Considere uma amostra aleatória de Y. (2) Quanto maior o p-valor.) é uma função um a um de θ 1. QUESTÃO 08 – 2000 p Sejam p e ~ dois estimadores do parâmetro p da distribuição Binomial.j = 1. (3) Sendo Tn o estimador de máxima verossimilhança do parametro escalar θ Tn apresenta a seguinte propriedade: 1. Com relação à função de verossimilhança L(θ ). p O viés do estimador ~ é dado por [( 1 − p ) (1 + n )] .milhança devem 2 satisfazer é que a matriz { ∂ l (θ) / ∂θi ∂θ j } i. em que ln é o logaritmo natural. p= n n +1 ˆ p é o estimador de máxima verossimilhança do parâmetro p. (3) A aceitação de determinada hipótese nula implica que esta hipótese seja verdadeira.θ ) . (4) O poder de um teste é a probabilidade de se rejeitar a hipótese nula quando esta for falsa. (2) Uma condição necessária a que os estimadores de máxima verossi. p. segue-se que o estimador de máxima verossimilhança de φ será Gn = g(Tn )[dφ /dθ 1] . várias hipóteses nulas podem ser testadas utilizando-se este intervalo de confiança. todas as propriedades matemáticas associadas à uma função de densidade de probabilidade. (1) A função de verossimilhança é também uma função de densidade de probabilidade. . em que Y é a ˆ variável desta distribuição e n o tamanho da amostra: Y ~ = Y +1 ˆ p . (1) Uma vez definida a região de confiança para um determinado parâmetro da população. (4) Sendo φ = g(θ 1). QUESTÃO 07 – 2000 Seja Y uma variável aleatória contínua com distribuição de probabilidade f(y. 2. em que a derivada é avaliada em θ 1= Tn. maior a credibilidade da hipótese alternativa. avaliada no ponto de máximo..θ 2 ..QUESTÃO 05 – 2000 Dadas as seguintes afirmativas sobre testes de hipóteses. para cujo cálculo presume-se que a hipótese nula é falsa.θ ).

① ② Se a população for finita. (Multiplique o resultado por 100 e arredonde). então X é um estimador assintoticamente não tendencioso. a variância da distribuição amostral de X é σ2 1 (1 − ) porque as n n observações da amostra são independentes. obteve-se uma amostra de 64 bolas. Pode-se afirmar que : Ⓞ A média amostral X é um estimador não tendencioso e eficiente da média populacional µ se todos elementos de m tiverem a mesma probabilidade de serem selecionados .7%. ④ A potência do teste é definida por (1 – 0. por exemplo. ou a amostra é extraída sem reposição. Calcule a probabilidade de se cometer um erro do tipo I. 2 A variância da distribuição amostral de X é σ n se a população for infinita ou se a amostragem for com reposição. com reposição. n→∞ QUESTÃO 05 – 2001 Ao testar a significância do coeficiente angular ß de um modelo de regressão linear simples 3 encontrou-se valor-p = 3x10 − . Pode-se afirmar que: 3 Ⓞ O erro tipo II será igual a 3x10 − . Para testar a hipótese de que a proporção de bolas azuis é igual a proporção de bolas verdes.003). . ② Para aumentar a precisão de uma estimativa por intervalo. ③ O coeficiente é significante a 99% de confiança. ˆ ① A probabilidade de o verdadeiro valor do parâmetro encontrar-se no intervalo β ± 2 S β é ˆ 99. o pesquisador deve aumentar o intervalo de confiança de 95% para 99%. 3 ② O mais baixo nível de significância ao qual a hipótese nula pode ser rejeitada é 3x10 − . ③ Se X for uma variável aleatória qualquer a distribuição de X será normal com média µ e 2 variância σ n −1. QUESTÃO 06 – 2001 Em relação ao intervalo de confiança estatístico pode-se afirmar: Ⓞ Utiliza-se a distribuição normal z padronizada para estimar-se o intervalo de confiança da média populacional somente quando a população for normalmente distribuída. ① Emprega-se um fator de correção para a estimativa do desvio-padrão quando a população é finita. QUESTÃO 03 – 2001 Uma amostra de tamanho n foi selecionada de uma população de m elementos.QUESTÃO 09 – 2000 Uma urna contém bolas azuis e bolas verdes. rejeitá-la caso contrário. anotando-se as cores das bolas retiradas e adotando-se a seguinte regra: aceitar a hipótese de que a urna possui iguais proporções de bolas azuis e verdes se forem retiradas entre 28 e 36 (inclusive os extremos) bolas de uma mesma cor. ④ Se lim E ( X ) = 0 .

Além do mais.. Tendo sido extraída uma amostra de 25 elementos desta população. n ˆ 1 ˆ2 ② Se θ = ∑ x i é um estimador não viciado de θ . x2. tal que E(X) = θ . ˆ ① Se θ = ˆ ∑ ci xi é um estimador de θ .55. Ⓞ Para amostras suficientemente grandes. QUESTÃO 13 – 2001 Sabe-se que certa característica de uma população tem distribuição Qui-quadrado com 18 graus de liberdade.③ Aumentando-se o tamanho da amostra. ② Por potência do teste entende-se a probabilidade de se rejeitar a hipótese nula quando esta for falsa. pode-se afirmar que: Ⓞ O erro do tipo I consiste em rejeitar a hipótese nula quando ela é verdadeira. 1 1 QUESTÃO 05 – 2002 Indique se as seguintes considerações sobre a teoria dos testes de hipótese são verdadeiras (V) ou falsas (F). ④ Um intervalo de confiança de 100(1-α )% também pode ser utilizado para o teste de significância de um parâmetro populacional. então θ também será um estimador não viciado n i =1 2 de θ . aumenta-se a precisão de uma estimativa por intervalo. estime a probabilidade de que a média amostral X esteja no intervalo 15 ≤ X ≤ 21.. segue uma distribuição Normal. a 95%. o intervalo de confiança da média populacional. ④ Sendo x = 14 a média de uma amostra aleatória de 36 elementos extraída de uma população normal cujo desvio padrão é σ = 2.. este não será viciado desde que ∑ci = 1 . será 14 ± 0. com θ > 0. então o estimador θ2 deve ser preferível a θ . então θ = n máximo[x1. o estimador de máxima verossimilhança de θ .. ③ A opção pelo teste unilateral ou bilateral decorre da expectativa teórica sobre o parâmetro que estiver sendo testado. ˆ n +1 ③ Se a variável aleatória X é uniformemente distribuída no intervalo [0.. xn] não é um estimador consistente de θ . θ i =1 n n i =1 terá variância mínima se ci=1/n para todo i. caso exista. ˆ ˆ ˆ ˆ ④ Se θ e θ são dois estimadores do parâmetro θ em que E ( θ ) = θ 1 e E ( θ ) ≠ θ 2 mas Var ( 1 2 1 2 ˆ ˆ ˆ ˆ θ2 ) < Var ( θ ). . . xn uma amostra aleatória de X. Seja também x1. Use a tabela da distribuição Normal em anexo. ① Nível de significância é a probabilidade de se cometer erro do tipo II. QUESTÃO 07 – 2001 Sobre testes de hipóteses. QUESTÃO 04 – 2002 Seja X uma variável aleatória com distribuição de probabilidade que dependa do parâmetro desconhecido θ . .. Resposta em percentagem.θ ]. aproximando para o inteiro superior mais próximo. x2. Use a tabela da distribuição Normal em anexo. caso o teste seja bilateral.

④ a variável aleatória n2 = 2n.. em que Yi = σ ( X − µ ) . 2 ③ nX é uma variável aleatória normalmente distribuída com média nµ e variância σ 2. se a variância da proporção populacional for desconhecida.Ⓞ O erro do tipo II é definido como a probabilidade de não se rejeitar uma hipótese nula quando esta for falsa e o erro do tipo I é definido como a probabilidade de se rejeitar a hipótese nula quando esta for verdadeira. . não é simétrica. QUESTÃO 02 – 2003 Sejam: X1.. não se poderá rejeitar H0. é correto afirmar que: Ⓞ o p-valor de um teste representa a probabilidade de aceitação da hipótese nula. Xn variáveis aleatórias independentes e normalmente distribuídas com média µ e −1 variância σ 2. ③ Não se pode realizar um teste de hipótese para a variância populacional pois a estatística do teste. ① No teste de hipótese para proporções. ao nível de significância α . ④ No teste de hipótese para a média (H0: µ = 0 contra Ha: µ ≠ 0). ④ o nível de significância de um teste de hipótese cresce com o tamanho da amostra. Wi = Yi Z possui distribuição F com n1 e n2 graus de liberdade. 2 −1 ② s =n ∑( X n i =1 i − X ) é um estimador tendencioso da variância σ 2. ② Num teste de hipótese bi-caudal. em que n1 = 1 e n QUESTÃO 05 – 2003 Com relação a testes de hipótese. ② a potência do teste é a probabilidade de se cometer o erro tipo II. que segue uma distribuição Qui-quadrado com n -1 graus de liberdade (n é tamanho da amostra). X = n ∑X i =1 n i . o valor-p (ou valor de probabilidade) é igual a duas vezes a probabilidade da região extrema delimitada pelo valor calculado da estatística do teste.. a estatística t de Student com n-1 graus de liberdade (n é o tamanho da amostra) é a indicada para o teste. . 2 ① Z é uma variável aleatória com distribuição χ com n graus de liberdade. ① o nível de significância de um teste é a probabilidade de se cometer o erro tipo I. É correto afirmar que: Ⓞ X é um estimador tendencioso da média µ . X2.e Z = ∑Y i =1 n 2 i −1 . se o intervalo de confiança com 1-α de probabilidade não contiver µ = 0. ③ em um modelo de regressão linear utiliza-se um teste bilateral para verificar se determinado coeficiente é estatisticamente diferente de zero.

É correto afirmar que: Ⓞ A média amostral é uma variável aleatória normalmente distribuída com média µ e variância 1/n. ① Se a variância σ2 for conhecida. Xn variáveis aleatórias independentes e normalmente distribuídas com média µ e variância σ 2. x 2 .. da qual se obtém a amostra aleatória X1. é correto afirmar: Ⓞ Suponha que a variável X tenha distribuição exponencial com densidade f ( x ) = βe −βx .. será igual a 0.QUESTÃO 02 – 2004 Sejam X1..96 / n .2743. β ]. x > 0 . . um estimador não-tendencioso de σ2 será 1 n 2 ∑( xi − x ) ... Em relação ao teste de hipótese da média H 0 : µ = µ0 contra H a : µ < µ0 .. α. ① A probabilidade de o intervalo de confiança [ X −1.. ② Dados os parâmetros da população: µ0 = 50 e σ2 = 900. são corretas as afirmativas: Ⓞ Se o p-valor do teste for menor que o nível de significância... QUESTÃO 06 – 2004 Seja X uma variável aleatória normalmente distribuída com média µ e variância conhecida σ 2 =1. a hipótese H 0 deve ser rejeitada. X 2 ... n −1 i =1 ② Suponha que a variável aleatória x seja uniformemente distribuída no intervalo [0. X +1. ④ Em um intervalo de confiança de 95% para a média populacional. . extraindo-se todas as amostras de mesmo tamanho dessa população. ③ O intervalo de 95% para a média populacional independe do tamanho da amostra. O estimador de máxima verossimilhança de β será β=mínimo[ x1. X n ] são estimadores não-viciados de 1/β . Xn (com n observações). . X2.. α. QUESTÃO 08 – 2004 Com respeito a inferência e estimação de parâmetros populacionais.....96 / n ] conter a média amostral é de 95%. Então. suponha que a média de uma amostra aleatória de tamanho 36 retirada desta população seja X = 47 . esse intervalo conterá μ 95% das vezes... As estatísticas X e mínimo[ X 1 .. o nível de significância do teste. em que β é um ˆ parâmetro desconhecido. a distribuição do teste será a Normal Padrão.96 / n ] conter a média da população. X2. a estatística do teste segue a distribuição t-Student. ① O valor esperado da estatística 1 n n −1 2 2 )σ . μ. Caso contrário.. em que σ2 é a variância da ∑( xi − x ) é igual a ( n i =1 n população.. µ . mas a segunda é preferível à primeira por apresentar menor variância.. X +1. ④ Se a hipótese alternativa fosse H a : µ > µ0 .. x n ]. ainda assim a função-potência seria decrescente com a média µ .96 / n . ③ A função-potência para este teste de hipótese será uma função decrescente da média µ .. Neste caso. espera-se que. ② A probabilidade de o intervalo de confiança [ X −1. é de 95%.

se o intervalo de confiança estimado para a média µ não contiver o valor de µ .③ Se dois intervalos de confiança que estão sendo comparados apresentam o mesmo coeficiente de confiança.. Os dois fabricantes asseguram que a duração de suas lâmpadas segue distribuição normal: a de A com média µ A = 169 horas e a da B com média µ B = 171 horas. µ ... o intervalo de confiança de 95% para a média µ será [ X − tc s s .. . A e B. ② A regra de decisão. conclui que a lâmpada foi fabricada pela empresa B. ao nível de significância de 5%. caso contrário. será: se a duração média for maior que 170. Num teste de hipótese: H 0 : µ = µ0 contra H a : µ ≠ µ0 . a função poder do teste é crescente com a média µ . então deve-se aceitar a hipótese de que µ = µ0 .. e t segue uma distribuição de Student com n -1 graus de liberdade. ④ Suponha que x tenha distribuição N( µ σ2 ) em que σ2 seja desconhecido..70.. ④ Para este teste de hipótese. Para isso.. QUESTÃO 06 – 2005 Seja X 1 .. estes terão extremos aleatórios. Julgue as afirmativas: Ⓞ A probabilidade de a média populacional. 0 X 1 . ainda que a amostra seja muito grande. do contrário. é 0.. estar contida no intervalo de confiança σ n . X 2 . ③ A probabilidade do erro do Tipo II. para o nível de significância de 5%. da distribuição sob a hipótese nula. seleciona uma amostra aleatória de 100 unidades (de seu estoque) e verifica a duração de cada uma delas.64 horas. Se construirmos vários intervalos de confiança para a média µ com amostras de idêntico tamanho. [ X −1. Um comprador dessas lâmpadas decide verificar a origem de seu estoque.. QUESTÃO 04 – 2005 Duas fábricas. ① Se a variância σ 2 é desconhecida. produzem determinado tipo de lâmpada... para a média da população. O intervalo de confiança . as lâmpadas foram fabricadas pela empresa B.96 σ n ] é igual a 95%. Se a duração média for maior do que 170 horas. que a lâmpada veio da empresa A. X 3 .96 σ σ ≤µ ≤ x+z } = 2Φ( z ) − 1 em que Φ (z) é a n n µ . anexa. X n não provém de uma distribuição normal. As duas distribuições têm o mesmo desvio padrão σ = 10 horas. será P{x − z função de distribuição Normal Padrão. X n uma amostra aleatória de tamanho n de uma população normal com média µ e variância σ 2 . mas todos terão a mesma amplitude. tc é calculado de forma n n ② ③ ④ que P (| t |< tc ) = 0. pela empresa A. X 3 .. julgue as afirmativas: Ⓞ A probabilidade do erro Tipo I é 0. ① A probabilidade do erro Tipo II é diferente de 0.95 .1587. não se Se a amostra aleatória pode construir um intervalo de confiança para a média µ . . então se deve preferir aquele que apresenta a maior amplitude.1587. X + tc ] . em que s é o desvio padrão da amostra. Usando a tabela da normal padrão.. . mesma variância σ 2 e mesma margem de confiança. X 2 . X +1..

2007 QUESTÃO 11 – 2007 Julgue as afirmativas: Ⓞ O valor p de um teste de hipótese é a probabilidade de a hipótese nula ser rejeitada. ② A soma das probabilidades dos erros tipo I e tipo II é igual a 1. a probabilidade mínima de que o valor de uma variável aleatória X esteja contido no intervalo ④ Se duas variáveis aleatórias X e Y têm covariância nula. a hipótese nula será rejeitada a 5%. . quando n cresce. então elas são independentes. comete-se um erro do tipo I quando se rejeita uma hipótese nula verdadeira. ④ Se o valor-p de um teste de hipóteses for igual 0. julgue as afirmativas: Ⓞ Em um teste de hipóteses. a média amostral converge em distribuição para uma variável aleatória quiquadrada. Pela Lei dos Grandes Números. ① O poder de um teste de hipótese é a probabilidade de se rejeitar corretamente uma hipótese nula falsa. ② Considere n variáveis aleatórias independentes. ① O poder de um teste de hipóteses é medido pela probabilidade de se cometer o erro tipo II.015. ③ Quanto maior for o nível de significância de um teste de hipóteses maior será o valor-p a ele associado. mas não a 1%. ③ Pela desigualdade de Chebyshev.QUESTÃO 04 – 2006 Com relação a testes de hipóteses.

Sign up to vote on this title
UsefulNot useful