Aula 7

Aula 07
Estatstica Avanada para concursos - Com videoaulas - Curso Regular 2017
Professor: Jeronymo Marcondes
04248968185 - Lucas Csar

Estatstica avanada p/ concursos
Teoria e exerccios comentados
Prof. Jeronymo Marcondes Aula 07
AULA 07 Inferncia e Estimao
SUMRIO PGINA
Introduo inferncia estatstica 2
Amostragem e estimador 2
Varincia de estimadores 10
Consistncia e distribuio amostral 14
Estimador de Mxima Verossimilhana 16
Lista de Exerccios resolvidos em aula 58
Gabarito 74
Bem vindos de volta!
O que vamos estudar nesta aula saber se nossa amostra traz evidncia de que
uma determinada hiptese seja verdadeira. Complicado? No no! Voc s vai ter
que se lembrar de alguns conceitos de nossa aula 00 e estudar um pouquinho sobre
inferncia primeiro.
Dica de um concurseiro
O que fazer alguns dias antes da prova? Essa pergunta aflige

todo concurseiro! Minha opinio? Reviso! No adianta ficar
enfiando um monte de coisa nova na cabea, melhor
consolidar o que voc j sabe. Devido tenso, ser muito
04248968185
difcil estudar matria nova.
Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 1 de 74
04248968185 - Lucas Csar

1. Introduo inferncia estatstica
1.1 Amostragem e estimador
Inferncia o processo atravs do qual uma pessoa tira concluses sobre a

populao com base em uma amostra. S para lembrar:
Populao = conjunto de todos os elementos que

possuem determinada caracterstica.
Amostra = parte no nula da populao, mas menor

do que esta ltima.
O exemplo mais clssico o da cozinheira que prova uma colher do seu preparo a
fim de determinar se o mesmo est muito salgado. Ora, a colher que ela experimentou
s uma parte de seu cozido, mas, com base nesta amostra, ela ir inferir como
est toda a panela.
Entendeu? Ela no precisa provar a panela toda para tirar suas concluses, ela ir se
basear somente em parte dela, isso inferncia! Na estatstica a mesma coisa,
muitas vezes no temos dados sobre toda uma populao, mas precisamos tirar
concluses a respeito da mesma, assim necessitaremos de inferncia estatstica. Isso
comum no dia a dia de um pesquisador!
04248968185
A primeira pergunta que um pesquisador faria : como obter uma determinada

amostra? Ou seja, como realizar uma amostragem. Quando se realiza uma pesquisa
com todos os elementos de uma populao, chama-se a tal pesquisa de Censo.
A amostragem pode ser realizada de duas formas diferentes:
04248968185 - Lucas Csar

Amostragem probabilstica ou casual: uma tcnica puramente cientfica com uma

seleo puramente aleatria, na qual podemos calcular a probabilidade de que um
determinado elemento v fazer parte da amostra. A ttulo de exemplo, podemos citar
a Amostragem Aleatria Simples, a Amostragem Estratificada, a Amostragem
por Conglomerados e a Amostragem Sistemtica.
Amostragem no probabilstica ou no casual: Escolha deliberada de elementos

da amostra, dependendo de julgamento de valor. A ttulo de exemplo, podemos citar
a amostragem por cotas, a amostragem intencional e a amostragem por
convenincia.
H diversas formas de obter uma amostra com base em uma extrao de elementos
de uma populao. Tais mtodos tm muitas particularidades e formalismos que vo
alm do escopo deste curso. Porm, precisamos saber alguns dos mtodos mais
conhecidos em amostragem. Vamos a eles!
Amostragem Aleatria Simples (AAS)
Este o tipo mais famoso de amostragem e o mais utilizado na demonstrao de

Teoremas. Neste tipo de amostragem, dada uma populao, todas as amostras
possveis de um determinado tamanho tm a mesma probabilidade de serem obtidas.
No entendeu? Suponha que queiramos encontrar uma amostra de 10 elementos de

pessoas com o sobrenome SILVA da populao de pessoas residentes no Brasil.
04248968185
Realizar uma AAS seria semelhante a escrever o nome completo de todas essas
pessoas em um papel e sortearmos 10 nomes deste total. Perceba que, neste caso,
todas as amostras tm a mesma chance de ocorrncia.
Uma AAS pode ser realizada com e sem reposio.
04248968185 - Lucas Csar

Amostragem Aleatria Estratificada (AAE)
Neste caso, a populao seria dividida em estratos, seguindo-se a aplicao de uma

AAS em cada um destes. Estes estratos seriam subconjuntos da populao
bastante semelhantes entre si.
Quer um exemplo? Suponha que tenhamos uma populao com a renda de diversos
indivduos em uma economia. Podemos dividir a populao em classe baixa, classe
mdia e classe alta. A partir da, aplicaramos uma AAS em cada um destes estratos
para obtermos nossa amostra. A ideia deste procedimento diminuir a varincia
dentro das amostras para cada estrato. Perceba que qualquer estatstica a ser
aplicada amostra deve ser ponderada pelo tamanho do estrato.
Ateno, a amostra de cada estrato ser proporcional ao tamanho de cada uma de

suas populaes no caso de uma AAE proporcional. Porm, este no o nico tipo
de AAE, pois poderamos ter o caso de uma AAE uniforme, na qual as amostra de
cada estrato tenham o mesmo tamanho.
A forma de distribuir o tamanho da amostra entre os estratos pode ser feita de duas
formas: uniforme e proporcional.
Quando a amostragem estratificada uniforme o mesmo nmero de elementos

sorteado de cada estrato. Assim, por exemplo, se formos trabalhar com uma amostra
de 20 unidades para dois estratos, sero selecionadas 10 unidades de cada estrato.
04248968185
Quando a amostragem estratificada for proporcional, a proporo entre os estratos

que existe na populao ser preservada na amostra. Por exemplo, em uma
populao com 2 estratos e uma diviso tal que 100 unidades esteja no estrato 1 e
200 no estrato 2, uma amostra estratificada proporcional de 30 unidades dever ser
alocada de forma que sejam selecionadas 10 unidades do estrato 1 e 20 do estrato
2.
04248968185 - Lucas Csar

Amostragem Aleatria por Conglomerado
Agora, vamos tratar de um caso muito parecido com o anterior. Neste caso, a AAS
ser aplicada sobre os subgrupos e no mais sobre os indivduos da populao.
Por exemplo, suponha que h diversos bairros em uma cidade com variabilidade
interna significativa, mas bastante semelhantes entre si. Neste caso, sortearamos
alguns destes bairros como amostras da populao total. Voc est realizando a
amostragem sobre conglomerados, entende? Segue-se, ento, uma anlise de todos
os indivduos nos conglomerados escolhidos.
Amostragem Sistemtica
Nessa tcnica supe-se que temos uma listagem das unidades populacionais. Para
um valor fixado, sorteamos um elemento entre os primeiros da listagem. Depois
observamos, sistematicamente, indivduos separados por unidades. Por exemplo,
se e sorteamos o oitavo elemento, observamos depois o dcimo oitavo, o
vigsimo oitavo, etc.
Amostragem por Convenincia
Neste caso, o pesquisador s realiza amostragem com os casos que ele tem a sua
disposio. Assim, acaba-se por realizar uma pesquisa com somente uma parcela da
04248968185
populao, o que pode, inclusive, gerar vieses em sua concluso. No possvel

generalizar os resultados encontrados para a populao, contudo este tipo de
amostragem pode ser til no incio de uma pesquisa, testar questionrios, por
exemplo.
Amostragem por quotas
A participao de uma determinada caracterstica na populao utilizada para fins

de gerao da amostra. Por exemplo, suponha que esteja sendo feita uma pesquisa
com os usurios de drogas e sabe-se que, na populao, 60% dos indivduos do que
04248968185 - Lucas Csar

usam drogas so homens e 40% so mulheres. Assim, em uma amostra de 1000
indivduos, a amostra ser feita de tal forma que 60% dela (600) sejam homens e 40%
(400) sejam mulheres.
Amostragem Intencional
O pesquisador seleciona intencionalmente os elementos que iro compor sua

amostra por acreditar que estes so os que melhor representam o fenmeno que se
quer estudar. Por exemplo, qual a aprovao de um partido entre os seus afiliados,
isso pode ser feito em bairros ou domiclios eleitorais ligados ao mesmo.
-Tudo bem professor, mas o que fazer com esta amostra?
Um exemplo bacana seria se estivssemos analisando a altura mdia de uma

populao com base em uma amostra. O que estamos fazendo avaliar uma
estimativa de um parmetro populacional.
No entendeu? Veja, se ns tivssemos toda a populao de elementos e

quisssemos calcular a mdia seria fcil, pois bastaria somar todas estas
observaes e dividir pelo total:
Sendo ( ) o somatrio de todos os elementos da populao ( ). No caso, a mdia

04248968185
seria um parmetro populacional, no nosso exemplo, chamado de .
Porm, raramente isso ocorre, pois quase nunca temos toda a populao, mas
somente uma amostra. Nesse caso, a mdia calculada com base na amostra seria
um estimador do parmetro populacional. Assim:
04248968185 - Lucas Csar

Sendo ( ) o tamanho da amostra e o chapu sobre ( ) um indicativo de que

estaramos trabalhando com um estimador do parmetro populacional
correspondente.
-Entendi professor, o estimador do parmetro populacional seria equivalente

ao clculo da estatstica populacional, mas aplicada amostra.
Isso est aproximadamente correto, mas nem sempre a mesma frmula que
utilizamos para o clculo de uma estatstica na populao a que devemos usar na
amostra. Isso deriva do fato de que o estimador que iremos utilizar na amostra deve
ser no viesado.
Se eu digo para vocs que um estimador no viesado, eu estou dizendo que, na

mdia, ele acerta, ou seja, d o valor real do parmetro. Ou seja:
Sendo o operador esperana.
Esperana matemtica um conceito intimamente relacionado com a mdia

aritmtica. No caso, para um dado conjunto de valores ( ) que vai de
04248968185
a ,
sua esperana dada por:
Sendo a frequncia relativa de .
Percebeu? A aplicao do operador esperana a uma srie de dados nos diz,

em termos bem simples, a mdia do que pode acontecer com esta varivel.
04248968185 - Lucas Csar

Entendeu? A esperana do estimador de um parmetro populacional igual ao seu
valor real. O que voc quer que sua estimativa esteja certa, na mdia!
Vou ressaltar uma coisa que confunde muita gente. Voc

consegue perceber que se voc realizar o experimento de clculo da mdia amostral
para diferentes amostras dentro de uma populao, voc ter estimativas diferentes?
Olhe, os valores que estaro contidos em sua amostra provavelmente sero
diferentes para cada vez que voc realizar uma amostragem diferente, mesmo
sabendo que estes valores pertencem mesma populao. Ento, com certeza, sua
mdia amostral ser diferente. O que voc quer que, na mdia destas estatsticas
calculadas, voc acerte o valor populacional. Ou seja, a mdia amostral pode ser
considerada como uma varivel aleatria. Esta varivel, como um estimador
no viesado da mdia populacional, significa que a mdia das mdias amostrais
igual mdia populacional.
Pode-se provar que:
Ou seja, a esperana do estimador da mdia amostral igual mdia populacional.

(vamos mostrar isso no exerccio 18)
04248968185
Portanto, se um exerccio de concurso te pedir a mdia de

uma determinada amostra, basta calcular a mdia como sempre fizemos para a
populao ( ), pois este um estimador no viesado para a mdia populacional.
Outra estatstica que comumente cobrada em concursos a varincia (por

consequncia, o desvio padro tambm).
04248968185 - Lucas Csar

S que agora o buraco mais embaixo! A estatstica que aprendemos para calcular
a varincia de uma populao dada por:
E, por consequncia:
Entretanto, pode-se provar que:
E:
-Isso quer dizer que aquela frmula no nos d uma estatstica no viesada
quando aplicada amostra?
Precisamente!
04248968185
Olha pessoal, no vou ficar fazendo demonstrao de cada uma destas afirmaes
porque isso no importante para seu concurso! Se vocs quiserem saber como se
faz, a ttulo de curiosidade, eu indico bibliografias para vocs.
Voltando ao problema em questo, a nossa estatstica para clculo da varincia

populacional (bem como no caso do desvio padro) gera um estimador viesado para
a varincia amostral.
04248968185 - Lucas Csar

Assim, pode-se provar que, para obtermos estimadores no viesados para a varincia
e desvio padro amostrais, devemos nos utilizar das seguintes estatsticas:
-A nica diferena que o denominador deixa de ser ( ) e passa a ser ( )?
Exato!
Portanto, se um exerccio de concurso te pedir a varincia ou

desvio padro de uma determinada amostra, calcule o numerador como sempre, mas
divida este valor por ( )!
Apesar de estas no serem as nicas estatsticas que podem ser avaliadas em termos
da comparao parmetro\estimador, para fins de concurso, estas so as mais
cobradas. 04248968185
1.2 Varincia de estimadores
-Como assim, varincia de um estimador?
Pense comigo, no basta que um estimador acerte na mdia, mas tambm

desejvel que os seus resultados apresentem baixa varincia ao redor do valor
populacional que se esta tentando estimar.
04248968185 - Lucas Csar

Veja um exemplo grfico:
Os pontinhos vermelhos seriam estimativas do valor populacional, pontinho preto,

para dois estimadores diferentes.
Perceba que o segundo grfico tem alguns valores que praticamente acertam o valor
populacional, mas o mesmo apresenta grande variabilidade. Ou seja, o segundo
04248968185
estimador tem maior varincia.
O ideal seria que nosso estimador no viesado tivesse a menor varincia dentre todos
os estimadores no viesados. Este o conceito de estimador absolutamente
eficiente.
Estimador absolutamente eficiente aquele que no

viesado e que apresenta a menor varincia dentre todos
os estimadores no viesados possveis para um
determinado parmetro populacional.
04248968185 - Lucas Csar

Veja, no precisamos abordar necessariamente o conceito de eficincia absoluta.

Suponha dois estimadores no viesados para um determinado parmetro, a saber,
e , dito mais eficiente que se:
Entendeu? Isso muito importante na hora de decidirmos qual estimador usar. Voc
no precisa conhecer a varincia de todos os tipos de estimadores possveis (at
porque so infinitos), mas esta uma forma importante de avaliarmos o quanto um
estimador bom. Podemos comparar a eficincia de alguns estimadores no
viesados por meio de anlise de suas varincias.
Um ponto importante! Como foi dito, vocs no precisam conhecer as propriedades

de uma infinidade de estimadores, podendo compar-los no caso concreto diante de
vocs. Entretanto, h um estimador importante em termos de prova: o estimador da
mdia amostral. Com base neste estimador, vocs vo ver, podemos chegar a vrias
concluses importantes que podem ser estendidas a qualquer distribuio de
probabilidade.
Ento, vamos aprofundar nosso estudo sobre o estimador da mdia amostral. Pode-
se provar que:
04248968185
Sendo o tamanho da amostra.
Ou seja, o a varincia do estimador da mdia amostral dado pela varincia

populacional dividida pelo tamanho da amostra.
Com base na varincia da mdia amostral, se voc tirar a raiz quadrada dessa
expresso, essa estatstica chamada de erro padro.
04248968185 - Lucas Csar

Ento, voc consegue perceber que, conforme a amostra aumenta ( aumenta de

valor), o valor da varincia da mdia amostral tende para zero! Claro, pois, neste
caso, a mdia amostral ir coincidir com a mdia populacional.
Bom, a pergunta natural seria: ento o estimador um estimador eficiente?
No possvel responder isso a no ser se comparamos a varincia deste ltimo com

a varincia de todos os estimadores no viesados possveis da mdia populacional.
Pode-se demonstrar, entretanto, que, quando a varivel para a qual est sendo
calculada a mdia seguir uma distribuio normal, a mdia amostral um estimador
eficiente da mdia populacional.
Porm, se quisermos comparar este estimador com qualquer outro estimador

possvel, viesado ou no, podemos faz-lo por meio do conceito de erro quadrtico
mdio ( ). Para o caso do estimador , o seu erro quadrtico mdio seria dado
por:
Perceba que o primeiro membro a varincia do estimador e o segundo a diferena

entre seu valor esperado e o seu valor populacional, que conhecida como o valor
do vis do estimador (o valor do vis considerado ao quadrado, pois o vis
pode ser negativo, assim, com este ajuste, seria possvel comparar o vis de
04248968185
estimadores com tendncia para cima e para baixo).
Isso intuitivo, pois quanto menor o valor combinado da varincia e do vis de um

estimador, mais eficiente ele ser.
04248968185 - Lucas Csar

1.3 Consistncia e distribuio amostral
Muitas vezes no conseguiremos encontrar estimadores que tenham propriedades

desejveis, tais como eficincia e inexistncia de vis. Porm, muitos deles
apresentam propriedades assintticas desejveis.
-O que isso?
Em termos bem simples, trata-se do comportamento do estimador conforme a

amostra tende para o infinito.
Um estimador assintoticamente no viesado aquele que, conforme a amostra tende

ao infinito, o vis tende a zero. Este tipo de estimador dito com propriedades
desejveis em grandes amostras!
Veja, em termos bem simples, conforme a sua amostra aproxima-se do tamanho

da populao, o estimador teria o seu vis diminudo at chegar a zero.
fcil perceber que o nosso estimador assintoticamente no viesado, pois ele

no viesado! Entretanto, a recproca no verdadeira, pois h vrios estimadores
que so viesados e assintoticamente no viesados. Assim:
04248968185
Para quem no da rea de exatas, o que esta simbologia est dizendo que, no
limite, quando a amostra tende ao infinito ( ), a esperana da mdia amostral
igual mdia populacional.
O mesmo raciocnio pode ser estendido para o caso da varincia do estimador.

Podemos avaliar como seria o comportamento assinttico da varincia de um
estimador, isso , como se d sua varincia conforme sua amostra cresce.
04248968185 - Lucas Csar

Com base neste conceito, define-se um estimador consistente como aquele em

que:
Essa uma propriedade desejvel de um estimador em grandes amostras. Veja, o

estimador da mdia amostral consistente, pois:
Isso verdade, pois, conforme o tamanho da amostra vai aumentando, a varincia

deste estimador tende a zero (o denominador, , fica com valor muito grande).
O que tambm interessante avaliar como o comportamento da distribuio

amostral do estimador conforme a amostra aumenta de tamanho.
Um teorema importante que trata sobre o nosso caso concreto da mdia amostral
define que, dada uma varivel , possvel demonstrar que a sua mdia amostral, ,
assumir uma distribuio normal conforme a amostra aumenta. Este o famoso
Teorema do Limite Central (TLC).
04248968185
Teorema do Limite Central: Para uma amostra aleatria simples

( ), retirada de uma populao com mdia e varincia
finita, a distribuio da mdia amostral ( ) aproxima-se, para
grande, de uma distribuio normal, com mdia e varincia .
Se a varivel tiver distribuio normal, ter distribuio exata

normal!
04248968185 - Lucas Csar

O que isso est dizendo que, conforme a amostra aumenta, a distribuio da mdia
amostral converge para uma distribuio normal! Percebe a importncia disso? A
distribuio normal uma antiga conhecida nossa e ns sabemos muita coisa sobre
ela (j aprendemos algumas em aulas anteriores e iremos aprender ainda mais em
aulas futuras). Isso muito til em vrias ocasies, pois como sabemos do TLC,
podemos nos basear nisso para entendermos o comportamento assinttico da mdia
amostral de qualquer varivel!
Bom, chega de um papo to terico, vamos estudar alguns estimadores

importantes! O principal o Estimador de Mnimos Quadrados Ordinrios
(MQO), mas ele to importante que teremos uma aula inteiramente dedicada a
ele Correlao e Regresso. A estimao por intervalo ser dada na aula de
Intervalo de Confiana e Testes de Hipteses. Nesta aula, vamos conhecer o
estimador de Mxima Verossimilhana.
2. Estimador de Mxima Verossimilhana
Este um assunto muito pouco cobrado em provas, exceto no caso do concurso do

IPEA, que mais especfico. Alm disso, bem difcil! Porm, vai saber, se cair
voc estar pronto.
Antes de comearmos, preciso ensinar mais uma coisinha sobre clculo diferencial.
OBS. Conceito de derivada ponto extremo

04248968185
Bom, o porqu de tudo isso ensinar a vocs como encontrar o ponto mximo ou
mnimo de uma funo, isso , um ponto extremo.1
Como voc encontra um ponto extremo de uma funo? Simples! Derive a funo
(voc j aprendeu) e iguale a zero. Por exemplo, suponha a funo:
1
Para quem entende de matemtica, saiba que estamos tratando de pontos extremos locais e no
globais. s uma introduo mesmo.
04248968185 - Lucas Csar

Neste caso, fcil chegar derivada ( s derivar cada membro separadamente):
Agora, s igualar a zero e resolver em funo de :
Assim, este ponto o extremo local da funo, ou seja, um ponto de mnimo ou

mximo. Pode-se provar que se trata de um ponto de mnimo, mas no precisam se
preocupar, pois, na prova de Estatstica, o ponto extremo sempre ser o que o
enunciado pede. Daqui a pouco vocs vo entender.
Alm disso, h outras formas mais complexas de derivada, mas a nica

necessria, isso se for necessria, ser esta. Chega disso, vamos voltar ao
estimador de mxima verossimilhana!
Retornando.
Gente, o estimador de Mxima Verossimilhana (MLE) aquele que maximiza a

probabilidade de que os valores obtidos de uma amostra sigam, de fato, uma
determinada distribuio de probabilidade.
Hora de lembrar-se das aulas de Estatstica! Lembrem-se das funes densidade de

04248968185
probabilidade, tais como a distribuio normal, a binomial, etc.
Ento, como funciona? Voc tem uma amostra de valores obtidos de uma populao
que, por hiptese, voc conhece a distribuio de probabilidade (ou pelo menos
supe que seja desta forma). Com base nestas informaes, o estimador MLE ir lhe
fornecer os parmetros desta distribuio de probabilidade que maximizam a chance
de que esta amostra realmente siga esta distribuio!
04248968185 - Lucas Csar

Isso feito pela maximizao da funo de verossimilhana. Suponha que uma

amostra seja dada por:
Assim, a funo de verossimilhana (FV) ser dada por:
Ou seja, a FV busca estimar o valor do parmetro (ou parmetros, j que pode ser
mais de um) em funo dos valores da amostra. E qual o formato da funo ? A
que entra o conhecimento que voc deve ter da distribuio de probabilidade que a
amostra segue, esta determinar a forma desta funo!
Fica difcil visualizar sem um exemplo. Vamos supor que uma amostra (
) siga uma distribuio normal, com mdia e varincia desconhecidas.
Vamos determinar os estimadores MLE para a mdia e varincia desta amostra.
Olha, a mdia ( ) e a varincia ( ) so os parmetros que compem a forma

funcional desta distribuio, dada por:
Como resolver? Primeira coisa, tire o logaritmo da funo:

04248968185
Rearranjando a expresso:
ln
Pronto! Agora mais fcil resolver.
-Resolver o que, professor? No estou entendendo!
04248968185 - Lucas Csar

assim, lembram-se do conceito de derivada? E de como este instrumento permite

que voc encontre um ponto mximo, ou seja, que maximize uma funo?
isso a! Voc tem uma amostra e uma funo de distribuio, no nosso

exemplo a Normal. O que ns vamos fazer , para dados valores de , vamos
encontrar os valores de mdia e varincia que maximizam a probabilidade que
tal amostra siga esta distribuio! Como se faz isso? Derive em funo dos
parmetros e iguale o resultado a zero! No se preocupe, voc no precisa
saber se o ponto de mximo ou mnimo, a banca far a questo de forma a
sempre ser um ponto extremo de mximo local!
Esta derivao um pouco mais complicada, pois exige um conhecimento de

derivada maior do que o j ensinado. Porm, isso no ser cobrado, portanto, no
mostrado! Mas, pode-se demonstrar que, ao maximizar a funo nos parmetros
mdia e varincia, encontraremos:
O conceito de mdia amostral Ou seja, o estimador da mdia de uma distribuio

normal a prpria mdia amostral.
E a varincia?
04248968185
Opa! Mas, este no o estimador de varincia amostral j conhecido por vocs da

aula de Estatstica. O denominador deve ser , caso contrrio o mesmo ser
viesado! Portanto, o estimador MLE para a varincia viesado!
Viram? O estimador MLE nem sempre no viesado! Mas, o mesmo tem

propriedades teis, como:
04248968185 - Lucas Csar

1) consistente
2) Sua distribuio converge para a normal conforme a amostra tende ao infinito
(assintoticamente normal)
3) O estimador tende a ser eficiente conforme a amostra tende ao infinito
(assintoticamente eficiente)
-Professor, mas porque voc ensinou os conceitos bsicos de derivada se no to

simples aplic-los no caso do exemplo que voc mostrou?
Boa! Pelo seguinte, vai saber o que d na cabea da banca! praticamente

impossvel que eles peam que vocs derivem uma funo normal convencional.
Mas, de repente, eles j te do uma verso simplificada, que permite o clculo dos
parmetros maximizadores da funo de forma simples. Foi s para prevenir mesmo.
No precisa se preocupar muito com isso!
S para finalizarmos, como seria o estimador MLE para a probabilidade de sucesso

de um evento em uma distribuio binomial.
Lembram-se da distribuio binomial? aquela em que h dois eventos possveis,

um considerado sucesso, com probabilidade , e outro, mutuamente exclusivo,
considerado fracasso, com probabilidade .
Ento suponha que em uma amostra com elementos, apresentam o atributo

04248968185
sucesso. Voc consegue adivinhar qual o estimador MLE para ?
Ou seja, a prpria proporo deste elemento na amostra como um todo, tal como
no caso da mdia!
Simples no? claro que no! Esta aula muito complexa. Faa um favor a
voc, releia o contedo mais de uma vez! Vamos aos exerccios.
04248968185 - Lucas Csar

Exerccio 1
(ATRFB 2013/ESAF) A varincia da amostra formada pelos valores 2, 3, 1, 4, 5

e 3 igual a
a) 3.
b) 2.
c) 1.
d) 4.
e) 5.
Resoluo
Ora, veja que o exerccio fala em amostra! Portanto, nosso estimador :
A mdia do processo de:
plicando:
04248968185
Alternativa (b).
04248968185 - Lucas Csar

Exerccio 2
(PETROBRS 2010/CESGRANRIO) Em um conjunto de N elementos extrados

de uma populao, foi utilizada o seguinte estimador para avaliar a disperso:
Onde a mdia aritmtica dos dados. Qual o significado desta expresso?
a) Desvio padro no tendencioso da populao

b) Estimativa no tendenciosa do desvio padro populacional
c) Estimativa tendenciosa do desvio padro populacional
d) Estimativa tendenciosa da varincia populacional
e) Estimativa no tendenciosa da varincia populacional
Resoluo
Ora pessoal, esta frmula um estimador tendencioso do desvio padro

populacional, tal como vimos na aula.
Alternativa (c).
04248968185
04248968185 - Lucas Csar

Exerccio 3
(CGU 2008/ESAF) Qual o estimador de mxima verossimilhana da varincia

de uma varivel X normalmente distribuda obtido a partir de uma amostra
aleatria simples X1, 2, ...,Xn, desta varivel, sendo m = i Xi / n o estimador de
mxima verossimilhana da mdia?
a) i (Xi - m)2 /(n-1)

b) i (Xi - m)2 /(n-2)
c) [ i (Xi - m)2 /(n-1)] 0,5
d) i (Xi - m)2 . i (Xi - m)2
e) i (Xi - m)2 /n
Resoluo
Ns j estudamos isso, o estimador de Mxima Verossimilhana para a varincia o

valor viesado da varincia:
Alternativa (e).
04248968185
(SEFAZ\RJ FGV/2010 - alterada) Com base em uma varivel ( ) que segue uma
distribuio normal de mdia 15 e desvio padro ( ) 2, com uma amostra de 36
elementos, julgue as afirmativas.
Exerccio 4
Dado que normal, sua mdia aritmtica tambm .
04248968185 - Lucas Csar

Resoluo
Quando uma varivel tem distribuio normal, sua mdia aritmtica tem distribuio
exata normal. Alternativa correta.
Exerccio 5
A mdia amostral um estimador tendencioso da mdia populacional.
Resoluo
Errada. A mdia amostral, conforme ns vimo, um estimador no tendencioso da

mdia populacional.
Exerccio 6
A mdia aritmtica de tem desvio padro de 1/3.
Resoluo
Ns j conhecemos o estimador no tendencioso para a varincia da mdia amostral,

que dado por:
04248968185
Portanto:
Substituindo os valores:
04248968185 - Lucas Csar

Alternativa verdadeira.
Exerccio 7
(PETROBRAS 2010/CESGRANRIO) Quando se lana uma certa moeda, a

probabilidade de o resultado ser cara p. A moeda foi lanada dez vezes,
sucessivas e independentes, e o resultado foi de 2 caras e 8 coroas. Tendo em
vista este experimento, a estimativa de mxima verossimilhana de p :
a)0,2
b0,25
c)0,3
d)0,35
e) 0,4
Resoluo
A proporo amostral um estimador de verossimilhana da proporo populacional,

assim:
04248968185
Alternativa (a).
04248968185 - Lucas Csar

Exerccio 8
(CGU 2008/ESAF) Seja um estimador do parmetro de uma populao.

Se , diz-se que um estimador:
a) Eficiente
b) No viesado
c) Consistente
d) De Mnimos Quadrados
e) De Mxima Verossimilhana
Resoluo
Outra questo tranquila, se o estimador acerta na mdia, ele no viesado.
Alternativa (b).
(ANPEC 2010) Julgue as afirmativas.
Exerccio 9
Considere dois estimadores no tendenciosos, e de um parmetro ,

dito eficiente relativamente a se
04248968185
Resoluo
Alternativa correta, pois, dado que ambos so no tendenciosos, o que tiver menor
varincia ser mais eficiente.
04248968185 - Lucas Csar

Exerccio 10
Um estimador um estimador consistente de se converge para

conforme a amostra tende ao infinito.
Resoluo
Perfeito! Esta a prpria definio de estimador consistente.
Exerccio 11
Um estimador um estimador consistente de se, e somente se, for no

viesado.
Resoluo
Como ns vimos na aula, um estimador no viesado consistente, mas a recproca

no verdadeira.
Alternativa falsa.
04248968185
04248968185 - Lucas Csar

Exerccio 12
(CEB 2009/UNIVERSA) Para saber as condies dos animais de uma fazenda,

ser realizada uma pesquisa por amostragem estratificada, a partir de uma
amostra de 15 animais. A tabela seguinte apresenta o efetivo de animais desta
fazenda:
Animal Efetivo
Asininos 80
Bovinos 300
Caprinos 120
Equinos 150
Sunos 250
A quantidade de bovinos e sunos a serem utilizados na pesquisa so:

a) 5
b) 6
c) 7
d) 8
e) 9
Resoluo
A questo no disse se trata-se de uma amostragem proporcional ou uniforme.

04248968185
Quando for assim, use proporcional!
Do total de 900 animais, 550 so bovinos ou sunos, portanto:
Assim, aplicando tal proporcionalidade aos 15 animais da pesquisa:
04248968185 - Lucas Csar

Aproximadamente 9.
Alternativa (e).
Exerccio 13
(TRT 3 regio 2009/FCC) O objetivo de uma pesquisa era o de se obter,

relativamente aos moradores de um bairro, informaes sobre duas variveis:
nvel educacional e renda familiar. Para cumprir tal objetivo, todos os
moradores foram entrevistados e argudos quanto ao nvel educacional, e,
dentre todos os domiclios do bairro, foram selecionados aleatoriamente 300
moradores para informar a renda familiar. As abordagens utilizadas para as
variveis nvel educacional e renda familiar foram, respectivamente,
a) censo e amostragem por conglomerados.
b) amostragem aleatria e amostragem sistemtica.
c) censo e amostragem aleatria simples.
d) amostragem estratificada e amostragem sistemtica.
e) amostragem sistemtica e amostragem em dois estgios.
04248968185
Resoluo
Questo puramente terica. Na primeira foram entrevistados todos os moradores do

bairro, portanto um Censo. No segundo caso, foram escolhidos tais indivduos de
forma aleatria, portanto uma AAS.
Alternativa (c).
04248968185 - Lucas Csar

(SEDUC-AM 2011\CESPE)
Turma Mdia Aritmtica Varincia Amostral

A 7,2 4
B 6,8 3,6
Um estudo foi realizado em determinada escola para se avaliar o efeito, no

desempenho dos estudantes, do uso de computadores em sala de aula. Para
esse estudo, foram selecionados aleatoriamente 60 alunos de determinado ano
escolar, separando-os em duas turmas A e B, cada uma com 30 alunos. Ao
longo de um semestre letivo, um mtodo de ensino com auxlio de
computadores foi aplicado na turma A, enquanto, nesse mesmo perodo, outro
mtodo sem auxlio de computadores foi aplicado na turma B. Ao final desse
semestre, o mesmo teste foi aplicado para os 60 alunos participantes desse
estudo. O quadro acima mostra algumas estatsticas acerca das notas obtidas
pelos alunos de ambas as turmas.
Considerando essas informaes, acerca de probabilidade, inferncia e

amostragem, julgue os itens a seguir.
Exerccio 14
A varincia amostral das notas da turma B utilizou um denominador igual a 29.

04248968185
Resoluo
Alternativa correta. Pois, o nmero de elementos de cada uma das turmas de 30

alunos, assim, o denominador da varincia amostral ( ) igual 29.
04248968185 - Lucas Csar

Exerccio 15
Considerando que as notas da turma A esto ordenadas da menor nota para a

maior nota, ento a mediana dessas notas ocupa a 15. posio nesse rol de
dados ordenados.
Resoluo
Alternativa errada. Como h um nmero par de elementos em cada uma das turmas
(30 alunos), a mediana ser uma mdia aritmtica entre a 15 e 16 nota.
Exerccio 16
Os alunos da turma B apresentaram desempenho mais homogneo que os

alunos da turma A, pois a varincia amostral da turma B foi inferior a 4,0.
Resoluo
Alternativa errada. Tal como vimos na aula 01, nestes casos til usarmos o conceito
de coeficiente de variao, pois a varincia afetada pelos valores absolutos dos
dados analisados. Com base no coeficiente de variao a sim poderamos usar o
valor do desvio padro para afirmar que uma turma tem notas mais homogneas do
que a outra.
04248968185
Exerccio 17
O erro padro da mdia das notas dos alunos da turma A foi superior a 0,40.
Resoluo
Bom pessoal, vocs conhecem o estimador do desvio padro da mdia amostral ( ):
04248968185 - Lucas Csar

Quando voc ouvir erro padro, pense em desvio padro. A diferena que
erro padro o caso no qual no temos o valor do desvio padro populacional,
assim, usamos o desvio padro amostral. Assim:
Alternativa errada.
Bom, vamos pegar mais pesado? Vamos estudar um

pouquinho como se acha a esperana de um determinado estimador, pois a
poderemos provar se um determinado ou no viesado. Isso no costuma cair
em provas que no so mais especficas, mas vale a pena saber por cima.
Acompanhem a questo seguinte comigo.
(ANPEC 2003) Julgue as afirmativas
Exerccio 18
04248968185
A mdia aritmtica um estimador viesado da mdia populacional.
Resoluo
Bom, para provarmos isso precisamos conhecer a seguinte propriedade:
Ento, vamos ver a nossa frmula de mdia aritmtica amostral para estimarmos uma
mdia populacional ( ):
04248968185 - Lucas Csar

Vamos tirar a esperana desta frmula:
O valor constante, portanto sua esperana igual ao seu prprio valor. Portanto,
vamos tir-lo do parntese e aplicar nossa propriedade:
Qual a esperana de cada observao ? Ora, a prpria mdia do processo!

Assim:
Ou seja, a mdia amostral um estimador no viesado da mdia populacional.

Alternativa errada.
Exerccio 19 04248968185
Um estimador dito no tendencioso se a sua varincia igual varincia do

parmetro estimado.
Resoluo
Alternativa errada. Um estimador dito no tendencioso, que a mesma coisa que

no viesado, se sua mdia for igual ao parmetro populacional.
04248968185 - Lucas Csar

Exerccio 20
Um estimador consistente pode no ser eficiente.
Resoluo
Alternativa verdadeira. Pois, este pode no apresentar a menor varincia possvel na

classe de estimadores que est sendo comparado.
Exerccio 21
(TRT 12 2013\FCC-alterada) Julgue a afirmativa:
Na amostragem por conglomerados, a populao dividida em grupos

distintos, mutuamente exclusivos, denominados conglomerados. Usa-se a
amostragem aleatria simples para selecionar uma amostra de conglomerados
e depois todos os elementos dos conglomerados selecionados so
analisados.
Resoluo
Alternativa correta. Na amostragem por conglomerados, aplicamos a AAS para

escolher os subgrupos e depois analisamos cada elemento do subgrupo escolhido.
04248968185
04248968185 - Lucas Csar

(TRT 2 2013\FCC-alterada) Julgue a afirmativa.
Exerccio 22
Se as unidades de estudo formam grupos naturais, a amostragem por

conglomerados pode ser considerada, o que envolve selecionar uma amostra
aleatria de grupos ou conglomerados e depois selecionar, de cada grupo, uma
amostra aleatria simples.
Resoluo
Alternativa errada. A ordem est invertida. No caso da amostragem por

conglomerados, primeiro aplica-se a AAS para os subgrupos e depois so
investigados todos os elementos de cada um.
Exerccio 23
Quando a amostragem estratificada usada, a mdia da populao estimada

como a mdia ponderada das mdias das amostras especficas dos estratos.
Resoluo
Correto. Dado que cada estrato escolhido uma parte da amostra total, a mdia da
populao deve ser calculada de forma a ser uma mdia ponderada, levando-se em
04248968185
conta o tamanho de cada parcela desta amostra. Porm, caso a amostragem seja
uniforme, uma mdia aritmtica simples funciona, dado que todas tem o mesmo
tamanho.
04248968185 - Lucas Csar

Exerccio 24
(MTUR ESAF\2014) Com relao amostragem, pode-se afirmar que:

a) na amostragem por quotas, tem-se uma amostra no probabilstica na qual
divide-se a populao em subgrupos e determina-se uma quota (proporcional)
a cada subgrupo. A seleo dos objetos individuais obedece o critrio de uma
amostra sistemtica.
b) na amostragem estratificada, divide-se a populao em grupos (ou classes,
ou estratos), de modo que os elementos pertencentes ao mesmo estrato sejam
o mais heterogneos possvel com respeito caracterstica em estudo. Para
cada grupo toma-se uma subamostra pelo procedimento a.a.s., e a amostra
global o resultado da combinao das subamostras de todos os estratos.
c) na amostragem por conglomerados, seleciona-se primeiro, ao acaso, grupos
(conglomerados) de elementos individuais da populao. A seguir, toma-se ou
todos os elementos ou uma subamostra de cada conglomerado. Nos
conglomerados, as diferenas entre eles devem ser to grandes quanto
possvel, enquanto as diferenas dentro devem ser to pequenas quanto
possvel.
d) na amostragem por quotas, tem-se uma amostra probabilstica na qual
a cada subgrupo. A seleo dos objetos individuais por sorteio.
e) na amostragem sistemtica, toma-se cada k-sima unidade da populao
previamente ordenada, em que k a razo de amostragem. O procedimento
04248968185
deve comear ao acaso, sorteando-se um nmero entre 1 e k.
Resoluo
Vamos avaliar uma por uma:
04248968185 - Lucas Csar

a)Realmente uma amostra no probabilstica e que determina-se uma quota
proporcional a cada subgrupo da populao. Mas, a seleo no feita com basem
em amostragem sistemtica, mtodo que probabilstico.
b)Os estratos devem ser dividos de forma que sejam o mais homogneos possvel,
isso permite inferir o que queremos saber de cada uma desta divises.
c)Ao escolher um conglomerado, todos os elementos dentro dele devem ser
observados.
d)A amostragem por quotas no probabilstica.
e)Definio correta.
Alternativa (e).
(SEFAZ\ES CESPE\2013) Com base na tabela que demonstra o tempo, em

minutos, para avaliao de 6 balanos contbeis por parte de auditores, julgue
as afirmativas:
Auditoria (balanos) 1 2 3 4 5 6
Tempo 60 90 30 40 50 90
Exerccio 25
O desvio padro amostral foi inferior a 30 minutos
04248968185
Resoluo
Perfeito! Vamos calcular o desvio padro amostral:
Assim:
04248968185 - Lucas Csar

Alternativa correta.
Exerccio 26
O desvio mdio absoluto em torno da media amostral foi superior a 25 minutos.
Resoluo
Lembram-se da frmula do desvio mdio? O numerador o mesmo da expresso

acima, a diferena que no elevaremos os membros ao quadrado, mas to somente
tiraremos a diferena absoluta entre dois nmeros no parntese. Por exemplo, para
a expresso . Assim:
Alternativa errada.
Exerccio 27
A varincia amostral desse conjunto de dados foi inferior a 600 minutos2
04248968185
Resoluo
Com base no que calculamos acima:
Alternativa errada.
04248968185 - Lucas Csar

Exerccio 28
(CAPES CESGRANRIO/2009)
Resoluo
Hora de lembrar-se da amplitude interquartil (aula 01):
04248968185
04248968185 - Lucas Csar

Bom, fica fcil perceber que este valor ser maior quanto maior for a disperso dos
dados! Apesar de essa no ser uma medida clssica de disperso, tal como a
varincia, por exemplo, ela pode ser considerada uma medida de disperso! A ideia
seria que ela gera um valor, uma estatstica, que resumiria a disperso dos dados.
Este o prprio conceito de medida de disperso.
Poderia ser a letra (a)? Poderia! Mas, a banca entendeu que uma no causa da
outra! Alternativa (b).
Exerccio 29
(IBGE CESGRANRIO/2014)
04248968185
Resoluo
Vamos analisar as alternativas:
04248968185 - Lucas Csar

I Ns vimos as condies de consistncia nesta aula:
A alternativa considera que a segunda condio seria suficiente para definir

consistncia. Ns j estudamos que isso no verdade!
II Ns estudamos nesta aula que a estatstica de clculo da Varincia (com n no

denominador) um estimador viesado para a varincia quando aplicado a uma
amostra. O correspondente estimador no viesado seria:
III O erro quadrtico mdio (EQM) dado por:
Assim, se o estimador no tendencioso (no viesado), o EQM ser igual varincia

do estimador. Alternativa correta. 04248968185
Alternativa (c).
04248968185 - Lucas Csar

Exerccio 30
Resoluo
04248968185
Vamos avaliar:
I Na amostragem por conglomerados os elementos a serem sorteados so os

prprios conglomerados! Assim, a ideia seria que cada um destes representasse bem
a populao. Se eles forem muito uniformes entre si, os resultados no sero
adequados.
04248968185 - Lucas Csar

II Perfeito! Na amostragem estratificada, quanto mais similares forem os estratos,
melhor! Cada estrato ser tratado como uma parte representativa da populao,
sendo aplicada amostragem aleatria simples sobre ele.
III Definio dos conceitos. Alternativa correta.
Alternativa (e).
Exerccio 31
(DPE-RJ FGV/2014)
Resoluo
04248968185
Vamos avaliar as informaes que temos:
No caso de 2010, a Moda menor do que a mdia, portanto, a distribuio

assimtrica direita. A mediana de 2010 est entre estes dois valores, 720 e 915.
04248968185 - Lucas Csar

Se a mediana de 2000 maior do que a de 2010, a mediana de 2000 tem valor
superior a 720. Como a moda de 2000 de 680, a mediana tem valor superior a esta,
indicando que se trata de uma distribuio assimtrica direita, pois, neste caso:
Assim, ambas so assimtricas direita.
Alternativa (c).
Exerccio 32
(DPE-RJ FGV/2014)
Resoluo 04248968185
Voc aprendeu o Erro Quadrtico Mdio (EQM o exerccio no deu a definio do

nome):
O que ocorre se:
04248968185 - Lucas Csar


Ento, com base nestas informaes e no enunciado, sabemos que:
O que ocorre se a amostra fica muito grande? Ou seja, se n se aproxima do infinito?

Ora, a relao 1/n vai para 0 (zero). Assim, neste caso, assintoticamente (ou seja,
quando o tamanho da amostra tende para o infinito) o estimador tender para:
Portanto, mesmo quando a amostra tende para o infinito, o estimador ainda possui
vis assintoticamente tendencioso\viesado.
Alternativa (b).
Exerccio 33
(SUSAM FGV/2014)
04248968185
04248968185 - Lucas Csar

Resoluo
Qual a unio do complementar de A e de B?
Veja o complementar de A:
E B?
04248968185
Qual a parte do grfico que no comum a nenhum dos grficos? Isso mesmo, a
interseco de A e B. Portanto:
Alternativa (b).
04248968185 - Lucas Csar

(DEPEN CESPE/2015)
Exerccio 34
Resoluo
O uso da amostragem sistemtica segue a seguinte lgica:
04248968185
J o da amostragem aleatria simples:
04248968185 - Lucas Csar

Como as observaes esto ordenadas, a depender do tamanho estipulado para k, o

sorteio de alguns elementos dentro deste grupo tende a se aproximar (de forma
probabilstica) dos resultados que seriam atingidos por uma amostragem aleatria
simples.
Exerccio 35
04248968185
Resoluo
Basta lembrar dos conceitos:
04248968185 - Lucas Csar

A amostra menor do que a populao, o que exigiria menos entrevistas.
Alternativa falsa.
(DEPEN CESPE/2015)
Exerccio 36
Resoluo
Perfeito! Esta a prpria definio deste tipo de amostragem. Precisamos que um

subgrupo da populao esteja representado! Veja o conceito que estudamos:
04248968185
04248968185 - Lucas Csar

Exerccio 37
Resoluo
No caso da Amostragem por Conglomerados, a amostragem aleatria aplicada nos

subgrupos e no mais sobre os indivduos!
claro que isso mais barato. Ao invs de entrevistar vrios presos em diversas
localidades, sero sorteadas algumas unidades prisionais e nestas que sero feitas
as pesquisas.
(DEPEN CESPE/2015)
04248968185
Exerccio 38
04248968185 - Lucas Csar

Resoluo
Essa questo chega a ser bvia! claro que, j que foi aplicada uma amostragem
aleatria simples (AAS) sobre os presdios, caso esta amostragem fosse realizada
novamente, a estimativa pontual (ou seja, percentual calculado de presdios com
antenas bloqueadoras na amostra escolhida) poderia ser outra. Para isso utilizamos
a Estatstica! A ideia seria encontrar Intervalos de Confiana que determinariam a
probabilidade de encontrar determinados valores. Nem sempre o resultado
encontrado ser igual, afinal AAS um sorteio.
Exerccio 39
Resoluo
Faa assim, conte quantos presdios tem antenas bloqueadoras. So 10, certo? So
dez 1 naquela tabela. Isso , so 10 presdios de um total de 30:
04248968185
04248968185 - Lucas Csar

(SEFAZ PI FCC/2015/alterada) Julgue as afirmativas.
Exerccio 40
Resoluo
Perfeito! Lembre-se de que o histograma assim:
Ou seja, ele adequado para avaliar variveis contnuas, por meio da frequncia
intervalar.
Exerccio 41
04248968185
Resoluo
Lembre-se da aula 04:
Outra caracterstica importante de uma distribuio sua varincia! Do resultado
acima fica fcil ver que:
Isso porque:
04248968185 - Lucas Csar

Se para sucesso e para fracasso:
Ou seja, alternativa falsa.
Exerccio 42
(Analista do CNMP - Estatstica 2015/FCC)
Resoluo
Basicamente, queremos a seguinte probabilidade condicional:
04248968185
Ns sabemos que:
Vamos usar nossa velha frmula, pressuponha que a populao de 10.000

pessoas. 90% das pessoas foram vacinadas, portanto 9.000 pessoas foram
vacinadas, no nosso exemplo.
Se a pessoa foi vacinada, ela tem 0,2% de chance de contrair coqueluche, portanto:
04248968185 - Lucas Csar

18 pessoas vacinadas teriam contrado coqueluche!
Portanto, a probabilidade de ser vacinada e ter contrado coqueluche de:
E a probabilidade de ter contrado a doena? Vamos encontrar a quantidade de

pessoas que contraram coqueluche, mas no foram vacinadas! Basta somar esta
quantidade no total que contraiu e foi vacinado!
O enunciado fala que 1% dos no vacinados contraram:
Portanto, a probabilidade de contrair de:
Substituindo em nossa frmula:
04248968185
Alternativa A
04248968185 - Lucas Csar

Exerccio 43
(METRO SP 2013/FCC)
Resoluo
Perceba que o nmero de dias te d uma equao com duas incgnitas

04248968185
Isso a mesma coisa que:
O enunciado j te disse que:
Portanto, se isolarmos o X:
Agora substitua este X na primeira equao:
04248968185 - Lucas Csar

Rearranjando, jogando tudo que tem Y para um lado e o que no tem para outro:
Se Y=5, por meio da equao dada no enunciado:
Pronto! Temos X e Y! Agora substitua na nossa tabela:

reclamaes 0 1 2 3 4 total
dias 5 2,5x4=10 5x5=25 5x4=20 15 75
Agora vamos calcular a mdia, mediana e moda.
A mediana dada pela observao de nmero:
Se voc colocar a distribuio acumulada na sua tabela, voc pode ver qual a
observao que acumula 50% do total, ou seja, a observao nmero 38.
reclamaes 0 1 2 3 4 total
dias 5 10 25 20 15 75
Acumulado 5 15 40 60 75
Ou seja, a observao de nmero 38 est na quantidade de reclamaes igual a 2,

pois esta classe acumula at a 40 observao. Esta a mediana.
A moda fcil, pois o nmero de reclamaes de maior frequncia tambm 2 (25).

04248968185
No caso da mdia, j fizemos bastante, sendo que precisamos multiplicar o valor do

nmero de reclamaes pela sua frequncia (dias), somar e dividir pelo total de dias:
Ento, vejamos, o exerccio quer saber qual seria o multiplicador da seguinte relao:
04248968185 - Lucas Csar

Temos que saber o valor de x:
Portanto:
Alternativa (a).
04248968185
04248968185 - Lucas Csar

Lista de exerccios resolvidos
Exerccio 1
(ATRFB 2013/ESAF) A varincia da amostra formada pelos valores 2, 3, 1, 4, 5

e 3 igual a
a) 3.
b) 2.
c) 1.
d) 4.
e) 5.
Exerccio 2
(PETROBRS 2010/CESGRANRIO) Em um conjunto de N elementos extrados

de uma populao, foi utilizada o seguinte estimador para avaliar a disperso:
Onde a mdia aritmtica dos dados. Qual o significado desta expresso?
a) Desvio padro no tendencioso da populao

04248968185
b) Estimativa no tendenciosa do desvio padro populacional

c) Estimativa tendenciosa do desvio padro populacional
d) Estimativa tendenciosa da varincia populacional
e) Estimativa no tendenciosa da varincia populacional
04248968185 - Lucas Csar

Exerccio 3
(CGU 2008/ESAF) Qual o estimador de mxima verossimilhana da varincia

de uma varivel X normalmente distribuda obtido a partir de uma amostra
aleatria simples X1, 2, ...,Xn, desta varivel, sendo m = i Xi / n o estimador de
mxima verossimilhana da mdia?
a) i (Xi - m)2 /(n-1)

b) i (Xi - m)2 /(n-2)
c) [ i (Xi - m)2 /(n-1)] 0,5
d) i (Xi - m)2 . i (Xi - m)2
e) i (Xi - m)2 /n
(SEFAZ\RJ FGV/2010 - alterada) Com base em uma varivel ( ) que segue uma
distribuio normal de mdia 15 e desvio padro ( ) 2, com uma amostra de 36
elementos, julgue as afirmativas.
Exerccio 4
Dado que normal, sua mdia aritmtica tambm .
Exerccio 5
04248968185
A mdia amostral um estimador tendencioso da mdia populacional.
Exerccio 6
A mdia aritmtica de tem desvio padro de 1/3.
04248968185 - Lucas Csar

Exerccio 7
(PETROBRAS 2010/CESGRANRIO) Quando se lana uma certa moeda, a

probabilidade de o resultado ser cara p. A moeda foi lanada dez vezes,
sucessivas e independentes, e o resultado foi de 2 caras e 8 coroas. Tendo em
vista este experimento, a estimativa de mxima verossimilhana de p :
a)0,2
b0,25
c)0,3
d)0,35
e) 0,4
Exerccio 8
(CGU 2008/ESAF) Seja um estimador do parmetro de uma populao.

Se , diz-se que um estimador:
a) Eficiente
b) No viesado
c) Consistente
d) De Mnimos Quadrados
e) De Mxima Verossimilhana
(ANPEC 2010) Julgue as afirmativas.

04248968185
Exerccio 9
Considere dois estimadores no tendenciosos, e de um parmetro ,

dito eficiente relativamente a se
04248968185 - Lucas Csar

Exerccio 10
Um estimador um estimador consistente de se converge para

conforme a amostra tende ao infinito.
Exerccio 11
Um estimador um estimador consistente de se, e somente se, for no

viesado.
Exerccio 12
(CEB 2009/UNIVERSA) Para saber as condies dos animais de uma fazenda,

ser realizada uma pesquisa por amostragem estratificada, a partir de uma
amostra de 15 animais. A tabela seguinte apresenta o efetivo de animais desta
fazenda:
Animal Efetivo
Asininos 80
Bovinos 300
Caprinos 120
Equinos 150
Sunos 250
04248968185
A quantidade de bovinos e sunos a serem utilizados na pesquisa so:

a) 5
b) 6
c) 7
d) 8
e) 9
04248968185 - Lucas Csar

Exerccio 13
(TRT 3 regio 2009/FCC) O objetivo de uma pesquisa era o de se obter,

relativamente aos moradores de um bairro, informaes sobre duas variveis:
nvel educacional e renda familiar. Para cumprir tal objetivo, todos os
moradores foram entrevistados e argudos quanto ao nvel educacional, e,
dentre todos os domiclios do bairro, foram selecionados aleatoriamente 300
moradores para informar a renda familiar. As abordagens utilizadas para as
variveis nvel educacional e renda familiar foram, respectivamente,
a) censo e amostragem por conglomerados.
b) amostragem aleatria e amostragem sistemtica.
c) censo e amostragem aleatria simples.
d) amostragem estratificada e amostragem sistemtica.
e) amostragem sistemtica e amostragem em dois estgios.
(SEDUC-AM 2011\CESPE)
Turma Mdia Aritmtica Varincia Amostral

A 7,2 4
B 6,8 3,6
Um estudo foi realizado em determinada escola para se avaliar o efeito, no

04248968185
desempenho dos estudantes, do uso de computadores em sala de aula. Para

esse estudo, foram selecionados aleatoriamente 60 alunos de determinado ano
escolar, separando-os em duas turmas A e B, cada uma com 30 alunos. Ao
longo de um semestre letivo, um mtodo de ensino com auxlio de
computadores foi aplicado na turma A, enquanto, nesse mesmo perodo, outro
mtodo sem auxlio de computadores foi aplicado na turma B. Ao final desse
semestre, o mesmo teste foi aplicado para os 60 alunos participantes desse
estudo. O quadro acima mostra algumas estatsticas acerca das notas obtidas
pelos alunos de ambas as turmas.
04248968185 - Lucas Csar

Considerando essas informaes, acerca de probabilidade, inferncia e

amostragem, julgue os itens a seguir.
Exerccio 14
A varincia amostral das notas da turma B utilizou um denominador igual a 29.
Exerccio 15
Considerando que as notas da turma A esto ordenadas da menor nota para a

maior nota, ento a mediana dessas notas ocupa a 15. posio nesse rol de
dados ordenados.
Exerccio 16
Os alunos da turma B apresentaram desempenho mais homogneo que os

alunos da turma A, pois a varincia amostral da turma B foi inferior a 4,0.
Exerccio 17
O erro padro da mdia das notas dos alunos da turma A foi superior a 0,40.
04248968185
04248968185 - Lucas Csar

Bom, vamos pegar mais pesado? Vamos estudar um

pouquinho como se acha a esperana de um determinado estimador, pois a
poderemos provar se um determinado ou no viesado. Isso no costuma cair
em provas que no so mais especficas, mas vale a pena saber por cima.
Acompanhem a questo seguinte comigo.
(ANPEC 2003) Julgue as afirmativas
Exerccio 18
A mdia aritmtica um estimador viesado da mdia populacional.
Exerccio 19
Um estimador dito no tendencioso se a sua varincia igual varincia do

parmetro estimado.
Exerccio 20
Um estimador consistente pode no ser eficiente.
Exerccio 21
04248968185
(TRT 12 2013\FCC-alterada) Julgue a afirmativa:
Na amostragem por conglomerados, a populao dividida em grupos

distintos, mutuamente exclusivos, denominados conglomerados. Usa-se a
amostragem aleatria simples para selecionar uma amostra de conglomerados
e depois todos os elementos dos conglomerados selecionados so
analisados.
04248968185 - Lucas Csar

(TRT 2 2013\FCC-alterada) Julgue as afirmativas.
Exerccio 22
Se as unidades de estudo formam grupos naturais, a amostragem por

conglomerados pode ser considerada, o que envolve selecionar uma amostra
aleatria de grupos ou conglomerados e depois selecionar, de cada grupo, uma
amostra aleatria simples.
Exerccio 23
Quando a amostragem estratificada usada, a mdia da populao estimada

como a mdia ponderada das mdias das amostras especficas dos estratos.
Exerccio 24
(MTUR ESAF\2014) Com relao amostragem, pode-se afirmar que:

a) na amostragem por quotas, tem-se uma amostra no probabilstica na qual
a cada subgrupo. A seleo dos objetos individuais obedece o critrio de uma
amostra sistemtica.
b) na amostragem estratificada, divide-se a populao em grupos (ou classes,
04248968185
ou estratos), de modo que os elementos pertencentes ao mesmo estrato sejam

o mais heterogneos possvel com respeito caracterstica em estudo. Para
cada grupo toma-se uma subamostra pelo procedimento a.a.s., e a amostra
global o resultado da combinao das subamostras de todos os estratos.
c) na amostragem por conglomerados, seleciona-se primeiro, ao acaso, grupos
(conglomerados) de elementos individuais da populao. A seguir, toma-se ou
todos os elementos ou uma subamostra de cada conglomerado. Nos
conglomerados, as diferenas entre eles devem ser to grandes quanto
04248968185 - Lucas Csar

possvel, enquanto as diferenas dentro devem ser to pequenas quanto
possvel.
d) na amostragem por quotas, tem-se uma amostra probabilstica na qual
a cada subgrupo. A seleo dos objetos individuais por sorteio.
e) na amostragem sistemtica, toma-se cada k-sima unidade da populao
previamente ordenada, em que k a razo de amostragem. O procedimento
deve comear ao acaso, sorteando-se um nmero entre 1 e k.
(SEFAZ\ES CESPE\2013) Com base na tabela que demonstra o tempo, em

minutos, para avaliao de 6 balanos contbeis por parte de auditores, julgue
as afirmativas:
Auditoria (balanos) 1 2 3 4 5 6
Tempo 60 90 30 40 50 90
Exerccio 25
O desvio padro amostral foi inferior a 30 minutos
Exerccio 26
O desvio mdio absoluto em torno da media amostral foi superior a 25 minutos.

04248968185
Exerccio 27
A varincia amostral desse conjunto de dados foi inferior a 600 minutos2
04248968185 - Lucas Csar

Exerccio 28
(CAPES CESGRANRIO/2009)
Exerccio 29
04248968185
04248968185 - Lucas Csar

Exerccio 30
04248968185
04248968185 - Lucas Csar

Exerccio 31
(DPE-RJ FGV/2014)
Exerccio 32
(DPE-RJ FGV/2014)
04248968185
04248968185 - Lucas Csar

Exerccio 33
(SUSAM FGV/2014)
(DEPEN CESPE/2015)
04248968185
Exerccio 34
04248968185 - Lucas Csar

Exerccio 35
(DEPEN CESPE/2015)
Exerccio 36
Exerccio 37
04248968185
(DEPEN CESPE/2015)
04248968185 - Lucas Csar

Exerccio 38
Exerccio 39
(SEFAZ PI FCC/2015/alterada) Julgue as afirmativas.
Exerccio 40
Exerccio 41
Exerccio 42
(Analista do CNMP - Estatstica 2015/FCC)
04248968185
04248968185 - Lucas Csar

Exerccio 43
(METRO SP 2013/FCC)
04248968185
04248968185 - Lucas Csar

1-b 34-V
2-c 35-F
3-e 36-V
4-V 37-V
5-F 38-V
6-V 39-V
7-a 40-V
8-b 41-F
9-V 42-a
10-V 43-a
11-F
12-e
13-c
14-V
15-F
16-F
17-F
18-F
19-F
20-V
21-V
22-F
23-V
24-e
25 C
26 F
27 F
28 b
29 c
30 e
31 c
04248968185
32 b
33 b
isso a pessoal! Mandem dvidas.
Um abrao e bons estudos
04248968185 - Lucas Csar

Aula 7

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Aula 7

Hochgeladen von

Copyright:

Verfügbare Formate

Aula 07

Estatstica Avanada para concursos - Com videoaulas - Curso Regular 2017

Professor: Jeronymo Marcondes

04248968185 - Lucas Csar

AULA 07 Inferncia e Estimao

Bem vindos de volta!

O que fazer alguns dias antes da prova? Essa pergunta aflige

difcil estudar matria nova.

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 1 de 74

04248968185 - Lucas Csar

1. Introduo inferncia estatstica

1.1 Amostragem e estimador

Inferncia o processo atravs do qual uma pessoa tira concluses sobre a

Populao = conjunto de todos os elementos que

Amostra = parte no nula da populao, mas menor

A primeira pergunta que um pesquisador faria : como obter uma determinada

A amostragem pode ser realizada de duas formas diferentes:

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 2 de 74

04248968185 - Lucas Csar

Amostragem probabilstica ou casual: uma tcnica puramente cientfica com uma

Amostragem no probabilstica ou no casual: Escolha deliberada de elementos

Amostragem Aleatria Simples (AAS)

Este o tipo mais famoso de amostragem e o mais utilizado na demonstrao de

No entendeu? Suponha que queiramos encontrar uma amostra de 10 elementos de

Uma AAS pode ser realizada com e sem reposio.

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 3 de 74

04248968185 - Lucas Csar

Amostragem Aleatria Estratificada (AAE)

Neste caso, a populao seria dividida em estratos, seguindo-se a aplicao de uma

Ateno, a amostra de cada estrato ser proporcional ao tamanho de cada uma de

Quando a amostragem estratificada uniforme o mesmo nmero de elementos

Quando a amostragem estratificada for proporcional, a proporo entre os estratos

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 4 de 74

04248968185 - Lucas Csar

Amostragem Aleatria por Conglomerado

Amostragem por Convenincia

populao, o que pode, inclusive, gerar vieses em sua concluso. No possvel

Amostragem por quotas

A participao de uma determinada caracterstica na populao utilizada para fins

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 5 de 74

04248968185 - Lucas Csar

O pesquisador seleciona intencionalmente os elementos que iro compor sua

-Tudo bem professor, mas o que fazer com esta amostra?

Um exemplo bacana seria se estivssemos analisando a altura mdia de uma

No entendeu? Veja, se ns tivssemos toda a populao de elementos e

Sendo ( ) o somatrio de todos os elementos da populao ( ). No caso, a mdia

seria um parmetro populacional, no nosso exemplo, chamado de .

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 6 de 74

04248968185 - Lucas Csar

Sendo ( ) o tamanho da amostra e o chapu sobre ( ) um indicativo de que

-Entendi professor, o estimador do parmetro populacional seria equivalente

Se eu digo para vocs que um estimador no viesado, eu estou dizendo que, na

Sendo o operador esperana.

Esperana matemtica um conceito intimamente relacionado com a mdia

Sendo a frequncia relativa de .

Percebeu? A aplicao do operador esperana a uma srie de dados nos diz,

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 7 de 74

04248968185 - Lucas Csar

Vou ressaltar uma coisa que confunde muita gente. Voc

Pode-se provar que:

Ou seja, a esperana do estimador da mdia amostral igual mdia populacional.

Portanto, se um exerccio de concurso te pedir a mdia de

Outra estatstica que comumente cobrada em concursos a varincia (por