LISTA DE EXERCíCIOS DE ESTATÍSTICA PDF

1
anpec

associao nacional de
centros de ps-graduao
em economia

EXERCCIOS DE ESTATSTICA

2
NDICE

NMEROS NDICES...................................................................................3
PROBABILIDADE E DISTRIBUIES....................................................9
Probabilidade................................................................................................................ 9
Distribuies de Probabilidade................................................................................... 37
Teoremas de Probabilidade ........................................................................................ 49
INFERNCIA ESTATSTICA..................................................................52
ANLISE DE REGRESSO.....................................................................73
Regresso Simples....................................................................................................... 73
Regresso Mltipla ..................................................................................................... 84
Outras.......................................................................................................................... 95
SRIES DE TEMPO................................................................................102
TABELAS..................................................................................................105
GABARITOS.............................................................................................107

3
NMEROS NDICES

QUESTO 06 (ANPEC-1991):
Considerando os diferentes ndices existentes, pode-se afirmar que:

(0) Dentre os ndices de Laspeyres, Paasche, Fisher e Marshall-Edgeworth, o nico que
satisfaz a condio de reverso no tempo o de Fisher.
(1) O ndice de Laspeyres superestima o ndice de custo de vida verdadeiro.
(2) O ndice de Paasche subestima o ndice do custo de vida verdadeiro.
(3) Ao multiplicar um ndice de preos de Fisher por um ndice de quantidade de
Marshall-Edgeworth obtm-se um ndice simples de valor de vendas.

Podem-se fazer as seguintes afirmaes a respeito dos ndices de Laspeyres (IL) e de
Paasche (IP):

(0) O IP sempre inferior ao IL porque ele resulta de uma mdia harmnica e o IL de
uma mdia aritmtica.
(1) No IL os pesos so fixos.
(2) O custo de levantamento do ndice de Paasche maior que o do ndice de Laspayres.
(3) A multiplicao do IL de quantidade pelo IP de preo resulta no ndice de valor.
(4) O ndice do Custo de Vida sempre superestimado pelo IL e subestimado pelo IP.

Com relao construo de nmeros-ndices podemos afirmar que:

(0) O ndice de preos de Laspeyres uma mdia aritmtica ponderada de ndices
relativos, sendo os fatores de ponderao os valores dos bens considerados no
perodo base.
(1) O ndice real de Fisher a mdia harmnica dos nmeros-ndices de Laspeyres e de
Paasche.
(2) Deflator qualquer ndice de preos utilizados para equiparar, por reduo, valores
monetrios de diversas pocas ao valor monetrio de uma determinada poca
tomada como base.
(3) Se a produo de certo produto em 1991 foi de 520.000 toneladas e em 1992 foi de
503.000 toneladas, podemos afirmar que ocorreu um decrscimo de 5% na produo
entre esses dois anos.

4

O ndice Nacional de Preos ao Consumidor (INPC) tem as seguintes caractersticas:

(0) calculado mensalmente pela Fundao Getlio Vargas.
(1) Resulta da mdia aritmtica ponderada dos ndices de preos ao consumidor, preos
por atacado e preos da construo civil.
(2) Abrange todas as capitais de estado brasileiras.
(3) Mede perfeitamente a inflao do pas.
(4) uma verso modificada do ndice de preos de Laspeyres.

Considere as informaes sobre preos e quantidades consumidas por um conjunto de
famlias em dois perodos sucessivos dadas na tabela a seguir:

BEM PERODO 0 PERODO 1
Preo (em Reais) Quantidade (Kg) Preo (em Reais) Quantidade (Kg)
Feijo 1,00 4 1,50 2
Acar 1,00 2 2,00 1
Carne 1,00 2 0,50 2

Podemos afirmar que:

(0) A variao percentual do nvel de preos pelo ndice de Paasche foi de 20% e pelo
ndice de Laspeyres foi de 30%.
(1) A variao percentual do nvel de preos pelo ndice de Laspeyres foi maior que a
variao pelo ndice de Paasche.
(2) Ambas as variaes percentuais foram inferiores a, no mnimo, 30%.
(3) A variao percentual do nvel de preos pelo ndice de Laspeyres foi superior a
35%.
(4) A variao percentual do nvel de preos pelo ndice de Laspeyres foi exatamente de
37,5% e pelo ndice de Paasche foi superior a 25%.
(5) A variao percentual do nvel de preos pelo ndice de Laspeyres foi exatamente de
37,5% e pelo ndice de Paasche foi inferior a 25%.

Supondo que os dados a seguir referem-se ao consumo bsico de uma famlia de baixa
renda, determine a inflao (ou a variao dos preos) ocorrida no perodo especificado para
5
o conjunto de itens do consumo bsico, utilizando, para tanto, o mtodo de Laspeyres.
Coloque a resposta expressa em percentagem.

Preo por unidade

Itens
Participao relativa no
gasto em Jan/95
(%)
Janeiro/95 Janeiro/96
feijo 11 0,75 0,90
arroz 8 0,50 0,80
farinha 10 0,45 0,63
leo 6 0,75 1,05
po 18 1,00 2,00
leite 6 0,45 0,63
caf 7 4,50 6,75
acar 9 0,60 0,78
margarina 10 1,70 2,55
carne 15 1,80 2,16
Total 100 - -

QUEST0 12 (ANPEC-1998):
Com base na equao da Renda Nacional (Y =C +I +X - M) e nos dados a seguir, calcule
a Renda Nacional em 1996, a preos constantes de 1990.

RENDA NACIONAL A PREOS CORRENTES
(em milhes de unidades monetrias)
COMPONENTES 1990 1996
Consumo ( C ) 15,0 20,0
Investimento ( I ) 5,0 8,4
Exportao ( X ) 2,0 3,0
Importao ( M ) 1,0 1,8
Renda Nacional ( Y ) 21,0 29,6

DEFLATORES
(Base: 1990 = 100)
NDICES 1996
Custo de Vida 125
Investimento 105
Exportaes 150
Importaes 180

6
Com base na teoria dos Nmeros ndices, pode-se afirmar que:

(0) Os ndices de Laspeyres de preos e de quantidades podem ser obtidos ponderando-
se, respectivamente, os ndices simples relativos de preos e de quantidades aos
diferentes bens pelos valores no perodo base.
(1) Em relao ao ndice de Laspeyres e de Paasche, os de Fisher possuem duas
vantagens: observam a propriedade de reverso no tempo, e o ndice de preos vezes
o de quantidade igual ao ndice de valor.
(2) O ndice de preos de Laspeyres , em geral, maior do que o ndice de preos de
Paasche, pois para o primeiro, a ponderao fixa na poca base e para o segundo
varivel na poca atual.
(3) Os ndices de Fisher, definidos como a mdia geomtrica dos ndices de Laspeyres e
de Paasche, so sempre maiores do que estes dois ltimos.

A tabela abaixo apresenta, para os anos de 1994 e 1999, dados hipotticos sobre preos e
quantidades vendidas de 6 diferentes produtos comercializados por certa companhia. Calcule
a variao percentual dos preos dos produtos da companhia neste perodo, utilizando o
ndice de Paasche.

1994 1999
Tipo de
produto
Preo
Quantidade
Vendida
Preo
Quantidade
Vendida
A 5 80 20 100
B 7 100 6 1000
C 2 200 5 200
D 3 600 4 500
E 1 300 2 200
F 2 100 3 200

Em relao a ndices de preos, correto afirmar:

(0) Os ndices de Laspeyres e Paasche permitem comparar o custo de aquisio de uma
cesta de mercadorias no perodo t, com o custo de aquisio dessa mesma cesta de
mercadorias no perodo base.
(1) O ndice de Laspeyres subestima a variao do preo entre dois momentos enquanto
o ndice de Paasche superestima.
7
(2) O ndice de Fischer dado pela mdia harmnica dos ndices de Laspeyres e Paasche
e obedece ao critrio da decomposio das causas.
(3) Se o preo de determinado produto teve acrscimo de 16% e provocou crescimento
do ndice de custo de vida de 0,4%, ento esse produto representa 2,5% das
despesas da famlia tpica objeto da pesquisa de oramentos familiares.
(4) Tomando o ano zero como base, foram observados os seguintes valores para o ano
1: ndice do PIB nominal =120; ndice de quantidade de Laspeyres =80. Pode-se
ento concluir que a taxa de inflao no perodo, medida pelo deflator implcito do
PIB, foi de 50%.

Em relao a ndices e deflacionamento de preos correto afirmar:

(0) Os ndices de preos de Laspeyres e de Paasche geram, em geral, resultados
diferentes quando utilizados para avaliar a variao do nvel dos preos de um
conjunto de produtos, mas ambos atendem condio de reverso no tempo.
(1) Se um determinado ndice de preos com ano base em 1992 assume os valores I95 =
300 e I96 =400 em 1995 e 1996, respectivamente, ento um produto com preo
corrente de R$ 10,00 em 1996, tem preo de R$ 7,50, em moeda de 1995.
(2) Multiplicando-se um ndice de preos de Laspeyres por um ndice de quantidades de
Laspeyres, obtm-se um ndice relativo de valor das vendas (I(Vt|V0)).
(3) Se os preos dos automveis aumentam em 20% e isso se reflete em um aumento de
0,1% no ICV0-3SM (ndice de Custo de Vida de 0 a 3 salrios mnimos) e em um
aumento de 1,2% no ICV10-20SM, ento o peso dos automveis nas despesas dos
famlias tpicas com renda entre 10-20 SM 12 vezes maior do que nas famlias
tpicas com renda entre 0 a 3 SM.
(4) Para calcular o ndice de preos de Paasche para uma srie de anos requer-se menos
informao do que para calcular o ndice de Laspeyres.

Com relao aos nmeros ndice, correto afirmar que:

(0) O ndice de Fisher uma mdia harmnica dos ndices de Paasche e Laspeyres;
(1) O ndice de preos de Laspeyres uma mdia harmnica de relativos de preos
ponderados pelo valor dos bens no perodo base;
(2) O ndice de preos de Paasche uma mdia aritmtica de relativos de preos
ponderados pelo valor dos bens no perodo atual;
(3) Embora os ndices de Laspeyres e de Paasche no satisfaam ao critrio da
decomposio das causas, o produto cruzado de um Laspeyres de preo por um
Paasche de quantidade satisfaz;
8
(4) O ndice de Paasche de preos pode ser calculado pela diviso de um ndice de valor
por um ndice Laspeyres de quantidade.

Dadas as seguintes informaes:

Ep
1
q
0
=32 Ep
1
q
1
=48
Ep
0
q
0
=25 Ep
0
q
1
=41

correto afirmar que o valor dos ndices especificados abaixo, para o perodo t =1 (use
duas decimais) :

(0) Laspeyres de preo: 1,64.
(1) Paasche de preo: 1,17.
(2) Laspeyres de quantidade: 1,28.
(3) Paasche de quantidade: 1,20.
(4) Um ndice de valor que satisfaa ao critrio de decomposio de causas: 1,50.

A respeito de nmeros-ndice, correto afirmar:

(0) O ndice de quantidade de Fisher a raiz quadrada do produto dos ndices de
quantidade de Laspeyres e de Paasche.
(1) O ndice de preo de Laspeyres a mdia aritmtica de relativos de preos
ponderados pela participao do dispndio com cada bem na poca atual.
(2) O ndice de preo de Paasche a mdia aritmtica de relativos de preos ponderados
pelo valor de cada bem na poca base.
(3) Os ndices de Laspeyres e Paasche atendem ao critrio de reverso do tempo.
(4) A diferena entre os ndices de Laspeyres e Paasche est na forma como os relativos
so ponderados.

Com relao a nmeros ndices, so corretas as afirmativas:

(0) O clculo do ndice de preos de Laspeyres requer que preos e quantidades para
todos os perodos sejam apurados conjuntamente.
(1) O clculo do ndice de quantidades de Paasche requer que somente os preos ou as
quantidades sejam apurados em todos os perodos.
9
(2) O ndice de preos de Paasche compara o custo de uma cesta de produtos do
perodo atual, avaliada a preos correntes, com o custo da mesma cesta avaliada a
preos do perodo base.
(3) O ndice de preos de Fischer atende o critrio de reverso no tempo.
(4) Sendo negativa a correlao entre preos relativos e quantidades relativas, o ndice
de preos de Laspeyres maior que o ndice de preos de Paasche.

PROBABILIDADE E DISTRIBUIES

Probabilidade

Sejam X e Y variveis aleatrias contnuas com funo densidade de probabilidade (f.d.p.)
conjunta ](x,y). Ento podemos afirmar que:
(0) g(x) =
}
+

](x,y)dy sempre uma f.d.p. marginal de X.
(1) Se h(y) =
}
+

](x,y)dx a f.d.p. marginal de Y, ento atravs de g(x) e h(y) sempre
possvel obter a f.d.p. conjunta ](x,y).
(2) Se a distribuio normal pode-se caracterizar a f.d.p. ](x,y) pelos parmetros: (I)
mdia x e y; (II) varincias:
2
x
o e
2
y
o ; (III) correlao de X com Y: .
(3) Se X e Y forem independentes ento cov(X,Y) =0.
(4) Se cov(X,Y) =0 e a distribuio conjunta normal, ento X e Y so independentes.

Com respeito s distribuies de freqncia pode-se afirmar que:

(0) sempre verdade que a mdia est localizada entre a mediana e a moda.
(1) O coeficiente de variao, o/ sempre maior do que um.
(2) A mediana menos sensvel que a mdia a valores extremos (ou discrepantes).
(3) O coeficiente de correlao uma medida independente de escala.
(4) A diferena entre o terceiro e o primeiro quartil, chamada de intervalo interquartil,
uma medida de disperso.

10
Em uma universidade, 30% dos homens e 20% das mulheres estudam matemtica. Alm
disso, 45% dos estudantes so mulheres. Se um estudante escolhido aleatoriamente:

(0) A probabilidade de ele estudar matemtica 0,255.
(1) Se o estudante escolhido estuda matemtica, ento a probabilidade de que seja uma
mulher 0,09.
(2) Se o estudante escolhido estuda matemtica, ento a probabilidade de que seja um
homem de 0,647.
(3) A probabilidade dele no estudar matemtica de 0,65.
(4) No possvel obter as probabilidades acima.

Seja uma amostra aleatria
n
x x x ,..., ,
2 1
de uma populao com mdia e varincia
2
o .
Considere os estimadores para a mdia:

1
=
1
x ,
2
=
=
n
i
xi
n
1
1
,
3
=
) 2 / (n
x .

onde
) 2 / (n
x corresponde ao (n/2)-simo elemento da amostra aps a ordenao da mesma
em forma crescente.

(0) Os trs estimadores da mdia so no tendenciosos.
(1) Para n > 2 tem-se que a relao entre as varincias dada por: var(
1
) <var(
3
) s
var(
2
).
(2) Se o tamanho da amostra cresce o nico estimador consistente
2
.
(3) Se o tamanho da amostra cresce todos os estimadores tm distribuio normal.
(4) Se a distribuio da populao normal, para n fixo, as distribuies dos
estimadores
1
,
2
,
3
tambm so normais.

A demanda mensal de produtos de uma empresa normalmente distribuda com mdia de 10
unidades e varincia de 64. Se as demandas dos meses se comportam independentemente
pode-se afirmar que:

(0) A probabilidade de a demanda em abril ser superior a 16 unidades maior do que
20%.
(1) A probabilidade de a demanda no 2 trimestre ser inferior a 50 unidades maior do
que 70%.
11
(2) A probabilidade de a demanda no 1 semestre ficar entre 80 e 100 unidades menor
do que 10%.
(3) A probabilidade de a demanda anual ser maior ou igual a 200 unidades
aproximadamente 15%.
(4) No se pode calcular nenhuma das probabilidades acima.

Considere uma amostra aleatria
n
y y ,...,
1
de uma varivel normal Y de mdia e varincia
2
o . Definem-se os seguintes estimadores:

n
yi
y

= ,
n
y yi
s

=
2
2
) (

Pode-se ento afirmar que:

(0) E(
2
s ) =
2
o .
(1) Var(y) =2
2
s /n.
(2) y um estimador no tendencioso de e de varincia mnima.
(3) n
2
s /
2
o tem distribuio qui-quadrado com n-1 graus de liberdade.
(4) y tem distribuio normal.

Sejam X e Y variveis aleatrias independentes tais que:

E(X) =3, E(Y) =2, E(
2
X ) =10 e E(
2
Y ) =7.

Pode-se afirmar que:

(0) E(X,Y) =6.
(1) Var(X +Y) =4
(2) Var(Y - 3X) =6.
(3) O coeficiente de correlao entre X e Y igual a 1/9.
(4) E{[X - E(X)][Y - E(Y)]} no pode ser calculado.

O preo X de um produto considerado uma varivel aleatria com funo densidade de
probabilidade dada por:

12
](x) =
s s
x de valor outro qualquer para
x se kx
0
; 3 1
3

onde k uma constante positiva. Pode-se afirmar que:

(0) O preo mdio deste produto aproximadamente 2,42.
(1) A probabilidade de o preo ser menor que 1,5 e menor do que 70%.
(2) A probabilidade de o preo ser menor que 1,2 maior do que 0,5%.
(3) O valor de k 1/80.
(4) A varincia do preo deste produto 9,1.

Para um conjunto qualquer de dados pode-se afirmar que:

(0) A mdia geomtrica maior do que a mdia aritmtica que maior do que a mdia
harmnica.
(1) Se a mdia e a mediana desse conjunto de dados forem respectivamente 10 e 12
pode-se dizer que essa distribuio apresenta cauda esquerda.
(2) O coeficiente de variao pode ser perfeitamente substitudo pelo desvio padro.
(3) A varincia uma estatstica que independe da unidade de medida.
(4) A mdia quem melhor representa um conjunto de dados pois ela a nica medida
de tendncia central que leva em considerao todas as observaes existentes.

Com relao Teoria da Probabilidade pode-se afirmar que:

(0) O espao amostral de um experimento o conjunto de resultados possveis deste
experimento.
(1) O evento um resultado possvel do experimento.
(2) Se A e B so eventos independentes, ento P(A/B) =P(A).
(3) Se A e B so eventos mutuamente exclusivos, ento eles so independentes.
(4) A definio clssica de Probabilidade pressupe que todos os resultados de um
experimento so igualmente provveis.

Em uma universidade, 30% dos homens e 20% das mulheres estudam matemtica. Alm
disso, 45% dos estudantes so mulheres. Se um estudante escolhido aleatoriamente est
13
estudando matemtica, qual a probabilidade de que esse estudante seja mulher? (use duas
casas decimais e multiplique o resultado por 100).

Sejam X e Y duas variveis aleatrias contnuas, ento:

(0) Se elas forem independentes, E(XY) =E(X)E(Y).
(1) Se elas forem independentes, Cov(XY) =0.
(2) Se elas forem independentes, V(X/Y) =V(X)/V(Y).
(3) O coeficiente de correlao linear entre as variveis X e Y dado por
) ( ) ( / ) , ( Y V X V Y X Cov .
(4) Se o coeficiente de correlao for nulo, isto indica que X e Y so independentes.

Seja ](x,y) =
< < < <

contrario caso
y x quando
0
1 0 , 1 0 1

Calcule a probabilidade de x <0,5 e y <0,5. (Multiplique o resultado por 100).

Sejam duas variveis aleatrias X e Y quaisquer provenientes de distribuies com mdias
y x
e e varincias
2 2
y x
e o o respectivamente. Pode-se afirmar ento que:

(0) Se a correlao entre X e Y for zero, ento elas so independentes.
(1) Para verificar se o coeficiente de correlao significativo a estatstica do teste a ser
utilizado tem distribuio t de Student.
(2) Se as variveis X e Y forem independentes, ento a soma aleatria das distribuies
das duas variveis ter uma populao de mdia
y x y x
+ =
+
e varincia
2 2 2
y x y x
o o o + =
+
.
(3) Se as variveis X e Y forem independentes, ento a populao resultante da
diferena entre as duas variveis ter mdia
y x y x
=
e varincia
2 2 2
y x y x
o o o =
.
(4) Se admitirmos que , coeficiente de correlao populacional igual a zero ( =0), a
distribuio amostral de r, coeficiente de correlao amostral, simtrica em relao
zero.

14

Sejam X, Y e Z variveis aleatrias quaisquer. Ento:

(0) Var(X +Y +Z) =Var(X) +Var(Y) +Var(Z).
(1) Var(2X +4) =4Var(X) +16.
(2) E(X +Y) =E(X) +E(Y).
(3) Cov(X,Y) =E(XY) - E(X).E(Y).
(4)
2 2
)] ( [ ) ( X E X E = .

Seja a funo
< < < <

= ]
contrrio caso
y e x se c
y x
0
9 4 10 5
) , (

onde c uma constante. Pode-se afirmar que:

(0) O valor de c 1 (um).
(1) X e Y so variveis aleatrias independentes.
(2) A probabilidade de X >6 e Y <5 0,4.
(3) A funo de densidade de probabilidade marginal de X ](x) =0,20.

Suponha duas caixas de bombons. Na caixa A temos dois bombons com recheio e quatro
sem recheio. Na caixa B temos trs bombons com recheio e trs sem recheio. Um bombom
retirado de uma das caixas no tem recheio. Qual a probabilidade que tenha vindo da caixa
B? (Multiplique o resultado por 7).

Se a funo de distribuio de uma varivel aleatria X dada por:

>
e
e
<
=
2 1
] 2 , 1 [
2
) 1 , 0 [
2
1
0 0
) (
x se
x se
x
x se
x se
x F
15

pode-se dizer que:

(0) X uma varivel aleatria contnua.
(1) A probabilidade de X assumir um valor no intervalo [1/2,1] e 1/4.
(2) X assume valores uniformemente no intervalo [1,2].
(3) A esperana de X 3/2.

O vetor aleatrio (X,Y) toma valores com probabilidade 1 no quadrado [0,1]x[0,1] do
2
R ,
segundo a seguinte densidade:

> > s s
= ]
quadrado do pontos outros nos
x y e x ou x y e x se
y x
0
) 2 / 1 ( ) 2 / 1 ( 4
) , (


(0) E(X) =E(Y) e Var(X) =Var(Y).
(1) A funo de densidade de Y
s s
s s
=
1 2 / 1 2 2
2 / 1 0 2
) (
y se y
y se y
y h .
(2) P[X >3/4] igual a 1/8.
(3) P[1/4 <Y <3/4] =P[X <1/2].
(4) Para cada y, a densidade condicional de x dado y sempre a distribuio uniforme
no intervalo [0,1].

Com relao esperana, o segundo momento (no centrado) e a varincia de uma varivel
aleatria, pode-se dizer que:

(0) O segundo momento sempre menor que a esperana ao quadrado.
(1) A varincia pode ser menor ou maior do que o segundo momento.
(2) Se a esperana zero, o segundo momento maior do que a varincia.
(3) Se a varincia zero, o segundo momento igual esperana.
(4) O quadrado da esperana nunca pode ser igual varincia.

A varivel aleatria Z guarda com a varivel aleatria X a relao Z =5 +5X +U onde U
uma varivel aleatria, independente de X. Pode-se afirmar que:
16

(0) Z tem correlao 1 com X.
(1) Qualquer que seja o valor do termo constante na relao acima, a correlao de Z
com X no se altera.
(2) A covarincia de Z com X de 25 vezes a varincia de X.
(3) Se os desvios padro de X e de U forem idnticos e iguais a 2, a varincia de Z
valer 104.
(4) A correlao de U com Z independente dos coeficientes da relao acima.

Um comerciante atacadista vende determinado produto em sacas que deveriam conter 16
kg. A pesagem de uma amostra aleatria com 100 sacas revelou os resultados descriminados
na tabela a seguir:

PESOS (EM KG) NMERO DE SACAS
14,75 15,25 5
15,25 15,75 10
15,75 16,25 45
16,25 16,75 30
16,75 16,75 10
TOTAL 100

(0) A mdia da pesagem das sacas exatamente 16 kg.
(1) Sendo o desvio-padro da amostra de sacas igual a 0,477 kg, o valor do coeficiente
de variao 2,95%.
(2) A percentagem de sacas com peso inferior a 15,75 kg de 15%.
(3) Se o comerciante aumentar em 2,00 kg o contedo de cada saca, a mdia das 100
sacas pesadas no se alterar.
(4) Se o comerciante aumentar em 2,00 kg o contedo de cada saca, o desvio-padro
dessa amostra aumentar em 2,00 kg.

Uma grande empresa tem dois departamentos de produo: Produtos Martimos e Produtos
para Oficinas. A probabilidade de que a diviso de Produtos Martimos tenha, no corrente
ano fiscal, uma margem de lucros de no mnimo 10% estimada em 0.30; a probabilidade de
que a diviso de Equipamentos para Oficinas tenha uma margem de lucros de pelo menos
10% 0.20; e a probabilidade de que ambas as divises tenham uma margem de lucro de no
mnimo 10% 0.06. Determine a probabilidade de que a diviso de Equipamentos para
Oficinas tenha uma margem de lucro de no mnimo 10% dado que a diviso de Produtos
Martimos tenha alcanado tal nvel de lucro. (Multiplique o resultado por 100).
17

Suponha que um estudante sai de casa para a Universidade entre 07:00 e 07:30 da manh, e
que leva entre 40 e 50 minutos para chegar ao seu destino. Seja X a hora de sada do
estudante e Y o tempo de viagem. Assuma que estas variveis aleatrias sejam
uniformemente distribudas. Tipicamente, a que horas o estudante chega Universidade?

Um empresrio pergunta se valer pena fazer um seguro contra chuva, por ocasio de um
determinado acontecimento esportivo que ele est empresariando. Se no chover ele espera
obter $10.000 de renda, por ocasio do evento, mas s $2.000 se chover. Uma aplice de
seguro de $7.000 lhe custar $3.000. Determine a probabilidade p de chover, de tal modo
que sua expectativa seja a mesma, faa ele o seguro ou no. (Multiplique o resultado por 7).

As variveis aleatrias X e Y tm funo densidade conjunta

]
s > +
=
pontos outros
y x se y x
y x
0
1 , 0 ) ( 2 / 3
) , (
2 2

Calcule o valor esperado de Y quando X =2/3. (Multiplicar o resultado por 28).

Suponha que X seja uma varivel aleatria com valor esperado 10 e varincia 25. Quanto
deve ser a +b, a e b positivos, de forma que Y =a - bx tenha o valor esperado 0 e varincia
625?

Com relao teoria da Probabilidade pode-se afirmar que:

(0) Se A e B so eventos independentes, ento: ) ( ) ( ) ( B P A P B A P + = .
(1) Se A, B e C so eventos quaisquer com P(C) = 0, ento:
) | ( ) | ( ) | ( C B P C A P C B A P + = .

18
(2) Se A e B so eventos quaisquer ento: ) ( ) ( B A P B A P =
(3) 0 ) ( ) ( = + A P A P .
(4) A, B e C so eventos independentes se, e somente se,
) ( ). ( ). ( ) ( C P B P A P C B A P =
(5) A definio freqentista de Probabilidade fundamentada na idia de repetio do
experimento.

A probabilidade de que o preo dos combustveis aumente no ms vindouro estimada em
0,4. Se isto ocorrer, a probabilidade de que os preos dos transportes coletivos tambm
aumentem de 0,5; caso contrrio, esta probabilidade de 0,1. Se naquele ms o preo das
passagens, de fato, subirem, qual a probabilidade de os preos dos combustveis no terem
sofrido majorao? (Multiplique o resultado por 100 e considere apenas a parte inteira do
resultado).

Se X e Y so duas variveis aleatrias quaisquer, pode-se afirmar que:

(0) Se W =3X +4Y, ento Var(W) =3Var(X) +4Var(Y) +2Cov(X,Y).
(1) Se Cov(X,Y) =0, ento X e Y so variveis aleatrias independentes.
(2) Se X e Y so variveis aleatrias independentes, ento o coeficiente de correlao
entre elas zero.
(3) Se T =2X +Y +5, ento E(T) =2E(X) +E(Y) +5.
(4) Se X e Y so variveis aleatrias independentes, ento E(X,Y) =E(X).E(Y).

Seja X uma varivel aleatria contnua cuja funo densidade de probabilidade dada por
](x). Ento:
(0) A probabilidade de X assumir um valor no intervalo [a,b] dada por
}
b
a
dx x f . ) (
(1) E(X) =
}
+

. ) ( dx x xf
(2) Sendo k uma constante qualquer,
}
+

= . ) ( ) ( ) var(
2
dx x f x k kX
(3) A probabilidade de X assumir um determinado valor
i
x dada por ). (
i i
x f x
19
(4)
}
+

= C dx x f ) ( em que C pode assumir qualquer valor entre 0 e 1.

Seja { }
n
s s s S , , ,
2 1
= o espao amostral de um experimento aleatrio e
2 1
E e E dois
eventos de S. Ento:

(0) P(
1
s ) +... +P(
n
s ) =1 se
n
s s , ,
1
forem independentes.
(1) P(
2 1
E E ) =P(
1
E ). P(
2
E ) se
1
E e
2
E forem mutuamente exclusivos.
(2) P(
2 1
E E ) =P(
1
E ) +P(
2
E ) se
1
E e
2
E forem independentes.
(3) P(
1
E /
2
E ) =P(
2
E /
1
E ) se e somente se P(
1
E ) =P(
2
E ) = 0.


(0) O histograma relaciona graficamente duas variveis.
(1) A mdia aritmtica a medida de tendncia central mais utilizada na prtica por ser
insensvel disperso dos valores observados.
(2) O desvio-padro tem a mesma unidade de medida da varivel original.
(3) O coeficiente de assimetria adimensional.
(4) O coeficiente de variao a razo entre a mdia aritmtica e o desvio padro.

Certa liga formada da fundio do chumbo com outro metal. A porcentagem do chumbo
nesta liga - X - uma varivel aleatria com a seguinte funo de densidade de
probabilidade:

< <
=

X de valores outros quaisquer para
x se x x
x f
, 0
100 0 ), 100 ( 10
5
3
) (
5

Supondo que o lucro obtido na venda dessa liga, por unidade de peso, (L) seja dado pela
funo: L =10 +0,4X. Calcule o lucro esperado por unidade.

20
Suponha que 40% dos empregados de uma grande empresa estejam a favor de sua
representao sindical, e que se pea resposta annima a uma amostra aleatria de 10
empregados. Pode-se afirmar que:

(0) de 0,8 a probabilidade de 8 empregados, no mximo, responderem favoravelmente
representao sindical.
(1) O nmero mdio esperado de empregados favorveis representao, entre os 10
pesquisados, de 4.
(2) Se a pesquisa fosse realizada entre 1.000 empregados, o desvio padro dessa
amostra seria de 15,5 empregados, aproximadamente.
(3) A probabilidade das respostas segue a distribuio binomial h que o atributo
contnuo.
(4) A distribuio utilizada apresenta as seguintes caractersticas: o espao amostral do
experimento descreve apenas dois resultados possveis e o experimento repetido n
vezes.

Considere um espao amostral com a terna ) , , ( P O , onde C = O o conjunto universo,
o conjunto dos possveis eventos e P uma medida de probabilidade. Podemos afirmar
que:

(0) Se A, B e so dois eventos, ento A B um evento, isto , A B e .
(1) Se A, B e so dois eventos disjuntos, isto , A B =C, ento P(A B) =0.
(2) Se A e um evento tal que P(A) =0, ento A =C.
(3) Se A e um evento tal que P(A) =1, ento A =O.
(4) Dois eventos independentes A, B e so necessariamente disjuntos.
(5) Se A, B e so dois eventos quaisquer, ento P(A B) =P(A) +P(B).
(6) Se dois eventos A, B e so independentes, ento P(A B) =P(A) P(B).
(7) Dados dois eventos A, B e , se P(A B) =0, ento A e B so necessariamente
disjuntos.

Seja X uma varivel aleatria contnua com funo de densidade f e com mdia e varincia
finitas. Podemos afirmar que:

(0) Se X Normal ~ ( , ) o
2
, ento a mdia de X igual a sua mediana e a sua moda.
(1) Se Y =aX +b, onde a, b >0 so constantes, ento Y uma varivel aleatria e sua
funo de densidade g y
a
f
y b
a
( ) ( ) =
1
.
21
(2) Se Y =aX +b, onde a, b >0 so constantes, ento E(Y) =a E(X) +b e Var(Y) =a
Var(X), onde Var denota a varincia e E denota a expectncia.
(3) Se X Normal ~ ( , ) o
2
e Y
X
=

o
, ento Y ~Normal (0,1) e Y dita uma
padronizao de X.
(4) Seja Y =aX +b e sejam X* e Y* as padronizaes de X e Y, respectivamente.
Ento X* =Y*.
(5) A padronizao da varivel aleatria X elimina efeitos de origem, mas no
necessariamente elimina efeitos de escala.

Sejam X X eX
1 2 3
, variveis aleatrias independentes com varincias
o o o
1
2
2
2
3
2
1 2 4 = = = , e , respectivamente. Seja Y X X X = + + 2 2
1 2 3
. Calcule a varincia de
Y.

Seja X uma varivel aleatria com funo de densidade f(x).

(0) Se
)
`
s s
=
contrrio caso
x se x
x f
, 0
1 1 ,
) (
2
2
3
, ento E(X) =0.
(1) Se f x x
se x
caso contr rio
( ) ( )
,
,
= +
>
1
1
0
0
2
ento E X ( ) = .
(2) Se X ~U[a,b] uniforme em [a,b], onde a <b, ento: f x
x se a x b
caso contr rio
( )
, ;
, .
=
s s
0
.
(3) Se f x f x ( ) ( ) + = , para todo xe9 (9 o conjunto dos nmeros reais), onde
e9 fixo, ento ) ( ) ( x X P x X P s = + > , para todo xe9.


(0) O coeficiente de variao uma medida de tendncia central.
(1) Se uma distribuio bimodal, ento seu coeficiente de assimetria zero.
(2) A mdia aritmtica uma medida de tendncia central mais sensvel presena de
observaes aberrantes do que a mediana.
(3) O coeficiente de assimetria tem a mesma unidade que o desvio padro (amostral).

22

Trs lmpadas defeituosas foram misturadas com seis lmpadas boas. Se duas lmpadas so
escolhidas aleatoriamente, calcule a probabilidade de ambas serem boas. Multiplique o
resultado por 100 e considere apenas a parte inteira do resultado.

Se (X,Y) um vetor aleatrio, ento:

(0) X uma varivel aleatria.
(1) Se Var(Y)=0, ento Y constante.
(2) Se E(XY)>0, ento Cov(X,Y)>0.
(3) No possvel ter-se (X,Y)=1, onde designa probabilidade conjunta.

De uma populao de indivduos adultos, extraiu-se uma amostra de tamanho 100. A cada
um dos indivduos selecionados perguntaram-se seu estado civil e sexo, obtendo-se a tabela
de contingncia abaixo. Admita que, na populao, s existam indivduos casados ou
solteiros:

Homens Mulheres Total
Casados 30 10 40
Solteiros 15 45 60
Total 45 55 100

Podemos afirmar:

(0) 40% da populao composta por homens.
(1) Uma estimativa da proporo de mulheres solteiras dada por 45%.
(2) Defina X como sendo zero ou um, conforme o sexo de um indivduo selecionado ao
acaso da populao acima seja masculino ou feminino, respectivamente. Defina Y
como sendo zero ou um, conforme o estado civil de um segundo indivduo
(selecionado ao acaso e com reposio) seja casado ou solteiro, respectivamente.
Neste caso, X e Y so dependentes.
(3) Se Z zero ou um conforme o estado civil (zerocasado e um solteiro) do
primeiro indivduo selecionado como em (2) acima, ento uma estimativa de
P(Z=0|X=0) dada por 2/3.
(4) Uma estimativa de P(Y=0|X=0) dada por 2/3.

23

Considere a distribuio seguinte:

Valores de Y
0 1 F(x)
Valores
de X
1
2
3
0
1/3
0
1/3
0
1/3
1/3
1/3
1/3
F(y) 1/3 2/3 1

Calcule Cov(X,Y).

Com relao Estatstica Descritiva, podemos afirmar que:

(0) A mdia aritmtica, a mediana e o decil de ordem 2 so as principais medidas de
tendncia central.
(1) Sob condies de regularidade usuais, se quisermos minimizar a soma do quadrado
dos desvios em relao a um determinado parmetro, esse parmetro a mdia da
distribuio.
(2) Se a distribuio de um conjunto grande de dados simtrica, o intervalo
) ; ( o o + x x inclui aproximadamente 95% das observaes do conjunto, onde x =
mdia aritmtica e o =desvio padro.
(3) O conjunto {3, 3, 3, 4, 4, 9, 9, 18, 18, 18} um exemplo de distribuio bimodal.
(4) Se uma distribuio simtrica, ento a mdia, a mediana e a moda coincidem.

Seja S={s1,..., sN} o espao amostral de um experimento aleatrio e E1, E2, E3 eventos de
S. Ento:

(0) ( ) ( ) ( ) ) P(E E E P E E E P = E E E P
1 1 2 2 1 3 3 2 1
.
(1) P(E1) >P(E2) implica ( ) ( )
1 2 2 1
E E P E E P > , caso 0 ) (
2
= E P .
(2) ( ) ( ) ) ( ) ( E E P E E P
2 1 2 1 2 1
E P E P + s s .
(3) Se E1, E2, E3 forem eventos independentes, ento
( ) ) P(E ) P(E ) P(E = E E E P
3 2 1 3 2 1
.

24

Qual deve ser o valor de k, de modo que:

< |
.
|
\
|

=
contrario. caso em , 0
6 < 2 se , 1
2
.
) (
x
x
k
x f

seja uma funo de densidade de probabilidade? Multiplique o resultado encontrado por
100.

Seja X uma varivel aleatria com funo de densidade de probabilidade Uniforme no
intervalo | | b a, :

(0) Se a =-1 e b =2 ento E(X) =0,5.
(1) Se a =-1 e b =2 ento VAR(X) =2.
(2) Se a =1 e b =2 ento a distribuio assimtrica.
(3) X tem distribuio unimodal.

A funo de densidade de probabilidade conjunta das variveis aleatrias X e Y dada por:

< <
=
contrario. caso em , 0
1 y < 0 , 1 < 0 se , 6
) , (
2
x y x
y x f
XY


(0) A funo densidade de probabilidade marginal de X
2
X
3x = (x) f .
(1) A funo densidade de probabilidade marginal de Y y = (y) f
Y
.
(2) A funo densidade de probabilidade condicional de X dado Y
2
Y X
3x = y) (x, f .
(3) A funo densidade de probabilidade condicional de Y dado X y = y) (x, f
X Y
.
(4) X e Y so independentes.

25
Pode - se afirmar que:

(0) Multiplicando (ou dividindo) por um valor constante e arbitrrio, c, cada elemento
de um conjunto de nmeros, o desvio padro deste conjunto fica multiplicado (ou
dividido) pela constante c.
(1) No caso de dois conjuntos de
1
n e
2
n valores, onde
2
1
s e
2
2
s so, respectivamente,
suas varincias e
1
x e
2
x suas mdias, a varincia combinada,
2
s , destes dois
conjuntos quando,
2 1
x x x = = , igual a
2
) 1 ( ) 1 (
2 1
2
2 2
2
1 1 2
+
+
=
n n
s n s n
s .
(2) Quando dois conjuntos de valores so expressos em unidades de medidas diferentes,
mais justificvel o uso do desvio padro (disperso absoluta) do que o coeficiente
de variao de Pearson, para efeito de comparao.
(3) Quando uma distribuio de frequncia apresenta M
0
(Moda) >M
e
(Mediana) >
x (Mdia aritmtica), ela diz-se assimtrica direita e, assimtrica esquerda, em
caso contrrio.

Considere um espao amostral com a terna (O,I,P), onde O = C o conjunto Universo, I
o conjunto dos possveis eventos e, P, uma medida de probabilidade. Assim, pode-se
afirmar que:

(0) Se A, B e C so eventos de I, ento o evento exatamente um dos eventos ocorre
expresso na notao de conjunto como ) ( ) ( ) ( C B A C B A C B A .
(1 Se A e B so dois eventos quaisquer de I, ento P(AUB) > P(A) +P(B).
(2 Se A e B so dois eventos quaisquer de I, onde P(A)=1/2 , P(B)=1/3 e P(AB)
=3/4, ento P( A B)=1/4 e P( B A ) =1/4.
(3 Se A e B so dois eventos quaisquer de I, ento se P(A|B) >P(A) tem-se que
P(B|A) >P(B).

A tabela de contingncia a seguir apresenta os dados de uma amostra de 150 empresas,
classificados segundo quatro grupos industriais e se o retorno sobre o capital prprio
maior ou menor que o retorno mdio na amostra.

Retorno sobre o capital prprio Grupo
Industrial Acima da mdia (A) Abaixo da mdia (B)
Total
I 20 40 60
II 10 10 20
III 20 10 30
26
IV 25 15 40
Total 75 75 150

Com base nestas informaes, verifique as seguintes afirmaes:

(0) Se selecionarmos uma empresa ao acaso, a probabilidade da empresa ser do grupo
III ou ter o retorno sobre o capital prprio abaixo da mdia 40%.
(1 Se selecionarmos uma empresa ao acaso, a probabilidade da empresa ser do grupo I
de 40%.
(2 Se a empresa escolhida ao acaso for do grupo II, a probabilidade do retorno sobre o
capital prprio estar acima da mdia 50%.
(3 Se duas empresas diferentes so escolhidas ao acaso, a probabilidade de sair primeiro
uma empresa do grupo I e depois uma empresa do grupo III aproximadamente
igual a 8%.
(4 O evento grupo I independe estatisticamente do evento retorno sobre o capital
prprio acima da mdia.

Com relao s distribuies de probabilidade conjunta e marginais, pode-se afirmar que:

(0) Se a funo densidade conjunta de (X,Y), f(x,y), pode ser fatorada na forma f(x,y) =
f(x).g(y) , onde f(x) e g(y) so ,respectivamente, as funes densidade de X e Y,
ento as variveis aleatrias X e Y so independentes.
(1) Se a varivel aleatria bidimensional (X,Y) uniformemente distribuda, de acordo
com a funo densidade conjunta 2 ) , ( = y x f , para 1 0 < < < y x e,
0
fora deste
intervalo, ento E(X)=1/2.
(2) Se as variveis aleatrias X e Y so independentes, ento E(X|Y) =E(X) e E(Y|X) =
E(Y).
(3) Seja f(x) a funo de densidade de probabilidade da varivel aleatria contnua X,
ento
}

= = < < 1 ) ( ) ( dx x f X P .
(4) Seja f(x) a funo de densidade de probabilidade da varivel aleatria contnua X,
ento podemos definir o valor esperado de X como
}

= dx x f x X E ). ( . ) ( .

Seja X uma varivel aleatria com funo densidade f(x).

(0) Se X ~U[-o,o] uniforme em [-o,o] , onde o >0, ento possvel determinar o
de modo que P(x <1)=1/2.
27
(1) Se | uma constante entre 0 e 1 e f(x), g(x) funes densidades de probabilidades
definidas no mesmo intervalo, ento |f(x) +(1-|)g(x) tambm uma funo de
densidade de probabilidade da varivel x.
(2) Se a varivel aleatria X assumir os possveis valores 1, 2, 3, 4,... , de forma que sua
funo de probabilidade seja P(x=k )=c(1-|)
1 k
, 0< | < 1, ento o valor da
constante c igual a |.
(3) Se a varivel aleatria X segue uma distribuio exponencial, ento
P(x >(s+t) | x >s) =P(x >t), para quaisquer s, t >0.

Considere a distribuio de probabilidade conjunta de (X,Y), de acordo com a tabela abaixo:

X
-1 0 1
-1 1/8 1/8 1/8
0 1/8 0 1/8 Y
1 1/8 1/8 1/8


(0) O coeficiente de correlao,
xy
, entre X e Y igual a zero.
(1) As variveis aleatrias X e Y so independentes.
(2) Se b aX Z + = e d cY W + = onde c b a , , e
d
so constantes com 0 = a e 0 = c ,
ento o coeficiente de correlao,
ZW
, entre Z e W diferente de zero.
(3) As variveis aleatrias X e Y apresentam uma relao linear.

Seja a seguinte distribuio conjunta de probabilidade entre as variveis aleatrias X e Y.

Y
X
1 3 5
2 0,1 0,2 0,3
4 0,2 0,1 0,1


(0) A distribuio marginal de X

X 1 3 5
28
P(X) 0,3 0,3 0,4

(1) A varincia de Y 2,76.
(2) A covarincia entre X e Y -0,56.
(3) O coeficiente de correlao entre X e Y 0,344.
(4) O coeficiente de correlao exprime a medida de dependncia linear entre duas
variveis e pode assumir um valor qualquer no intervalo [0; 1].

Com relao s definies de Coeficiente de Correlao e de Esperana Matemtica, pode-
se afirmar que:

(0) Se X e Y so duas variveis aleatrias de forma que Y=aX+b, onde a e b so
constantes, ento o coeficiente de correlao entre X e Y igual a 1 se a <0 e igual
a -1 se a >0.
(1) Se
XY
o coeficiente de correlao entre as variveis X e Y onde W=aX+b e
Z=cY+d com a,b,c e d constantes, ento
XY WZ
ac
ac
= onde a e c so diferentes de
zero.
(2) Se o coeficiente de correlao entre as variveis X e Y igual a zero, ento
E(XY)=E(X)E(Y). Assim, pode-se concluir que X e Y so variveis aleatrias
independentes.
(3) Se a funo densidade de probabilidade de uma varivel aleatria X simtrica em
relao a um ponto X=a, ento E(X)=a.
(4) Dados os seguintes eventos:
X=1 se o evento A ocorre, e 0 em caso contrrio.
Y=1 se o evento B ocorre, e 0 em caso contrrio.
Se as probabilidades dos eventos A e B so, respectivamente, maiores do que zero,
ento o coeficiente de correlao entre X e Y igual a zero implica em que X e Y so
independentes.

Com relao Teoria das Probabilidades podemos afirmar que:

(0) Sendo A e B dois eventos independentes e se P(A) =0,5 e P(B) =0,4, ento
P(AB) =0,5.
(1) Sendo A e B dois eventos mutuamente exclusivos e se P(A) =0,5 e P(B) =0,4,
ento P(AB) =0,5.
29
(2) Seja S um espao amostral e A e B dois eventos quaisquer associados a S. Ento
1 ) | ( ) | ( = + B A P B A P , onde ) | ( B A P =probabilidade de ocorrncia do evento A
dado de ocorreu o evento B.
(3) Um projeto para ser transformado em lei deve ser aprovado pela Cmara dos
Deputados e pelo Senado. A probabilidade de ser aprovado pela Cmara dos
Deputados de 40%. Caso seja aprovado pela Cmara, a probabilidade de ser
aprovado no Senado 80%. Logo, a probabilidade desse projeto ser transformado
em lei de 32%.
(4) Num processo eletivo 55% dos votantes so homens. Sabe-se que dentre os homens
40% preferem o candidato A, 50% o candidato B e os 10% restantes votam nos
demais candidatos. Dentre as mulheres 60% preferem A, 25% preferem B e o
restante os demais candidatos. Se um voto escolhido ao acaso for para o candidato
A, a probabilidade de este voto ser de uma mulher de 55,1%.

Considere a terna (S,E,P), em que S = C o conjunto Universo, E o conjunto dos
possveis eventos e, P uma medida de probabilidade. Verifique quais das afirmativas abaixo
so verdadeiras (V) e quais so falsas (F):

(0) Se dois eventos so disjuntos, eles sero tambm independentes.
(1) Para dois eventos quaisquer A e B, Prob(A) =Prob(AB
c
) +Prob(AB), em que
B
c
o complemento de B.
(2) Sejam dois eventos A e B, em que Prob (A) =1/2 e Prob (B) =1/3. Se A e B so
eventos mutuamente exclusivos, ento Prob (BA
c
) igual a 1/6.
(3) Sejam os eventos A, B e C, tais que Prob(ABC) =Prob(A).Prob(B).Prob(C).
Pode-se ento afirmar que estes eventos so independentes.

Dados os seguintes enunciados envolvendo variveis aleatrias, correto afirmar que:

(0) Se X uma varivel aleatria com mdia finita e varincia o
2
=1, ento Pr ( |X -
| s 2) > 0.75.
(1) E( e
X
) s e
, em que E(X) =.
(2) {E[(X-E(X))(Y-E(Y))]}
2
> E[X-E(X)]
2
E[Y-E(Y)]
2
, desde que todos os momentos
necessrios ao clculo de cada uma destas expresses existam.
(3) E(Var(Y|X)) s Var(Y).
(4) Se Y e X so variveis aleatrias independentes, ambas com mdia e varincia
finitas, ento a varincia da varivel Z=Y/X ser dada por Var(Z) =Var(Y)/Var(X).

30
Seja uma funo de densidade de probabilidade:

Calcule a probabilidade de (0 s x s 1). Arredonde o resultado e multiplique por 100.

Os formandos de determinada faculdade de economia tomaram as seguintes decises para o
ano seguinte:

Deciso Homens Mulheres Totais
Fazer mestrado em economia 7 9 16
Fazer outros cursos 5 6 11
Procurar emprego 16 9 25
Totais 28 24 52

Com base nessas informaes, correto afirmar:

(0) A probabilidade de que as mulheres continuem estudando aproximadamente 46%
superior dos homens.
(1) Sabendo-se que algum optou por procurar emprego, a probabilidade de ser homem
64%.
(2) Se a probabilidade de ser aprovado no exame de seleo para mestrado em economia
de 30%, espera-se que 1/4 dos homens iniciem o curso no ano seguinte.
(3) Se a probabilidade de encontrar emprego de 40% e a de ser aprovado nos exames
de seleo de 30% e 45%, respectivamente, para o mestrado em economia e para
os outros cursos, espera-se que 9 mulheres atingiro seus objetivos.
(4) Entre os formandos que pretendem continuar estudando, 1/3 mulher que pretende
fazer mestrado em economia.

Seja X uma varivel aleatria, com funo densidade de probabilidade f(x) contnua, definida
sobre o espao amostral A, do universo U:

(0) Tanto A como U devem ser contnuos.
(1) A probabilidade P(Xs x
0
) dada por
}

o
x
dX X f ) ( .
)
`
s <
=
x de valores outros para
x para cx
x f
0
2 0
) (
2

31
(2) A probabilidade P(X =x
0
) dada por f(x
0
).
(3) A funo cumulativa de probabilidade pode ser discreta.
(4) A funo densidade de probabilidade de X calculada por f(x) = ) (x F
dx
d
em que,
F(x) a funo de distribuio acumulada.

Seja X uma varivel aleatria contnua, com funo densidade de probabilidade dada por
3 1 ,
2
1
) ( s s = X x f . Determine o valor da mediana dessa distribuio.

Seja uma varivel aleatria X com mdia E(X) =0 e varincia
2
x
o =25. Qual o limite de
probabilidade para que [X E(X)] >10? Resposta em percentagem.

Considere o espao amostral S, os eventos A e B referentes a S e a medida de probabilidade
P.

(0) Se P(A) =
2
1
, P(B) =
4
1
, e A e B so mutuamente exclusivos, ento P(AB)
=
8
1
.
(1) Se Ac B, ento P(A|B) s P(A).
(2) Se P(A) =
2
1
, P(B) =
3
1
e P(AB) =
4
1
, ento P(A
C
B
C
) =
12
5
, em que A
C

e B
C
indicam os eventos complementares.
(3) Se
k
B B B , ,......... ,
2 1
representam uma partio de um espao amostral S, ento para
A c S tem-se que
=
=
k
j
j j
i i
i
B A P B P
B A P B P
A B P
1
) | ( ) (
) | ( ) (
) | ( , k i ,... 2, , 1 =
(4) Se P(A|B) =0 ento A e B so independentes.

Considere um investidor cuja composio da carteira formada por dois ativos A e B.

32
(0) Se os retornos esperados de A e B so iguais a 10% e 5%, e as participaes de A e
B na carteira so de 40% e 60%, respectivamente, ento o retorno esperado da
carteira de 7,5%.
(1) Supondo-se que os retornos dos dois ativos referidos no quesito anterior sejam
independentes e que suas varincias sejam iguais a 10 e 20, respectivamente, ento a
varincia da carteira ser igual a 8,8.
(2) Supondo-se que os retornos de A e B tenham a mesma varincia, a diversificao
dessa carteira nestes dois ativos somente reduzir o risco total se o coeficiente de
correlao entre os respectivos retornos for negativo.
(3) No caso de correlao negativa perfeita, se a varincia de A duas vezes a varincia
de B, ento preciso investir duas vezes mais em A para eliminar o risco da carteira.
(4) Se existir uma correlao negativa perfeita entre os retornos dos ativos A e B,
haver uma particular composio desses ativos que eliminar completamente o risco
da carteira.

Suponha que a funo densidade de probabilidade conjunta da varivel aleatria
bidimensional (X,Y) seja uniformemente distribuda na regio de domnio,

2 0 , 2 0 ) ( ) , ( s s s s = y x y x x k y x f

Encontre E(X). Multiplique a resposta por 10 e transcreva somente a parte inteira do
nmero encontrado.

Uma companhia de seguros tem 400 segurados de certo tipo. O prmio do seguro R$
1.000,00 por ano. Caso ocorra um sinistro a seguradora indenizar R$ 8.000,00 a cada
acidentado. Sabe-se que a probabilidade de ocorrncia de sinistro, 0,1 por ano. Os custos
fixos da seguradora so de R$ 8.000,00 por ano. Qual a probabilidade da seguradora ter
prejuzo em certo ano? (Ignore o fator de correo para continuidade, multiplique sua
resposta por 100 e transcreva a parte inteira do nmero encontrado).

Sejam: X
1
, X
2
,..., X
n
variveis aleatrias independentes e normalmente distribudas com
mdia e varincia
2
;
=
n
i
i
X n X
1
1
; e
=
=
n
i
i
Y Z
1
2
, em que ( ) o =

X Y
i
1
. correto
afirmar que:

33
(0) X um estimador tendencioso da mdia ;
(1) Z uma varivel aleatria com distribuio
2
_ com n graus de liberdade;
(2) ( )
=
n
i
i
X X n s
1
2
1 2
um estimador tendencioso da varincia
2
;
(3) X n uma varivel aleatria normalmente distribuda com mdia n e varincia
2
;
(4) A varivel aleatria
n
Z
Y
W
i
i
= possui distribuio F com n
1
e n
2
graus de liberdade,
em que n
1
=1 e n
2
=2n.

O custo X de produo de certo bem uma varivel aleatria com funo densidade de
probabilidade

s s
=
contrrio caso 0
4 1
) (
2
x kx
x f

correto afirmar que:

(0) O valor de k 63;
(1) O custo mdio do produto aproximadamente 1,04;
(2) O custo menor do que 2 com probabilidade 1/9;
(3) A varincia do custo do produto aproximadamente 3,04;
(4) O custo maior do que 3 com probabilidade 8/9.

Sendo Y e X duas variveis aleatrias, correto afirmar que:

(0) Var(Y +X) =Var(Y) +Var(X) - 2Cov(Y, X);
(1) Var(Y - X) =Var(Y) - Var(X) - 2Cov(Y,X);
(2) Var (Y +X) =Var(Y) +Var(X), se Y e X forem independentes;
(3) Se Cov(Y, X) =0, ento Y e X so independentes;
(4) Se Cov(Y, X) =0 e se Y e X tm distribuio conjunta normal, ento Y e X so
independentes.

34
Suponha que a funo de densidade de probabilidade conjunta da varivel aleatria
bidimensional (X,Y) seja dada por:

contrrio caso 0
2 0 e 1 0
3
) , (
2
< < < < +

=
y x
xy
x
y x f

Calcule a P(Y<X). Multiplique o resultado por 48 e transcreva este produto para a folha de
resposta.

O retorno
C
R de uma carteira de investimentos com duas aes A e B e um papel de renda
fixa F dado por
F B A C
R a R a R a R
3 2 1
+ + = , em que a
1
, a
2
ea
3
so constantes. R
A
e R
B
so
variveis aleatrias normalmente distribudas com mdia zero, varincia 1 e covarincia 0,5 e
R
F
uma constante igual a 0,1. Julgue as afirmativas:

(0) A mdia do retorno da carteira ser igual a zero se, e somente se, a correlao entre
os retornos das aes A e B for nula.
(1) A mdia do retorno da carteira :
3 2 1
) ( a a a R E
C
+ + = .
(2) Se a covarincia entre o retorno das aes A e B for 0,5, a varincia do retorno da
carteira ser
2 1
2
2
2
1
) ( a a a a R Var
C
+ + = .
(3) O retorno
C
R uma varivel aleatria normalmente distribuda com mdia
3
1 , 0 a .
(4) O coeficiente de correlao entre R
A
e R
B
0,25.

Seja
64 3 2 1
........, , , , X X X X uma amostra aleatria independente da varivel X, que segue
distribuio de probabilidade exponencial, com funo densidade

0 , 2 ) (
2
> =

x para e x f
x
e, zero fora desse intervalo.

Usando o teorema central do limite e a tabela da distribuio normal, anexa, calcule a
probabilidade de que a mdia amostral X seja maior que ou igual a 0,5. (Multiplique o
resultado por 100).

35
As lmpadas coloridas produzidas por uma fbrica so 50% vermelhas, 30% azuis e 20%
verdes. Em uma amostra de 5 lmpadas, extradas ao acaso, encontre a probabilidade de
duas serem vermelhas, duas serem verdes e uma ser azul. Multiplique o resultado por 100.

Julgue as afirmativas. Em uma funo densidade de probabilidade conjunta f(x,y), para as
variveis aleatrias contnuas X e Y:

(0) A funo densidade de probabilidade marginal de X :
y
y x f
x f
c
c
=
) , (
) ( .
(1) Se F(y) a funo distribuio de probabilidade marginal de Y, ento f(y) =
dF(y)/dy, para F(y) derivvel em todo o y.
(2) X e Y sero independentes se f(x) = f(x | y).
(3) E
X
[E(Y | x ) ] =E[Y]
(4) Se X e Y so independentes, V
Y
[E(X | y ) ] =V[X],

Em uma regio, 25% da populao so pobres. As mulheres so sobre-representadas neste
grupo, pois constituem 75% dos pobres, mas 50% da populao. Calcule a proporo de
pobres entre as mulheres. Multiplique o resultado por 100 e omita os valores aps a vrgula.

Seja X uma varivel aleatria contnua com funo densidade

s s +
=
contrrio. caso 0
, 3 0 se
6
1
) (
x k x
x f
X

Calcule Prob(1s X s 2). Multiplique o resultado por 100 e desconsidere os valores aps a
vrgula.

Julgue as afirmativas:

(0) Trs eventos A, B e C so independentes se e somente se
P(ABC)=P(A)P(B)P(C).
36
(1) Se P(A) =(1/3) e P(B
c
) =1/5, A e B no so disjuntos.
(2) Se P(A) =0,4, P(B) =0,8 e P(A|B) =0,2, ento P(B|A) =0,4.
(3) Se P(B) =0,6 e P(A|B) =0,2, ento P(A
c
B
c
) =0,88.
(4) Se P(A) =0, ento A =| .

Considere a seguinte funo de densidade conjunta de duas variveis aleatrias contnuas X
e Y dada por

( )
s s s s
=
contrrio caso
y x y kx
y x f
XY
0
1 0 , 1 0 ,
,
2

(0) Para que ( ) y x f
XY
, satisfaa as propriedades de uma funo de densidade conjunta,
k=6.
(1) A densidade marginal de Y dada por ( )
2
3y y f
Y
= .
(2) A densidade de Y, condicional em X=2, igual a ( ) y X y f
X Y
2 2 |
|
= = .
(3) X e Y so variveis aleatrias no correlacionadas.
(4) A varincia de Y, condicional em X=2, igual a 1/9.

A varivel aleatria discreta X assume apenas os valores 0, 1, 2, 3, 4 e 5. A funo
densidade de probabilidade de X dada por

( ) ( ) ( ) ( ) a X P X P X P X P = = = = = = = = 3 2 1 0

( ) ( ) b X P X P = = = = 5 4

( ) ( ) 2 3 2 < = > X P X P

E[.] e V[.] denotam, respectivamente, esperana e varincia. Julgue as seguintes afirmativas:

(0) Para que a funo densidade de probabilidade seja vlida, a =1/4 e b =1/8.
(1) E[X] =3.
(2) V[X] =12.
(3) Defina Z =3 +4X. Ento a covarincia entre Z e X igual a 12.
(4) A probabilidade de que a soma de duas variveis independentes provenientes desta
distribuio exceda 7 1/8.

37
Num torneio de squash entre trs jogadores, A, B e C, cada um dos competidores enfrenta
todos os demais uma nica vez (isto , A joga contra B, A joga contra C e B joga contra C).
Assuma as seguintes probabilidades:

P(A vena B) =0,6, P(A vena C) =0,7, P(B vena C) =0,6

Assumindo independncia entre os resultados das partidas, compute a probabilidade de que
A vena um nmero de partidas pelo menos to grande quanto qualquer outro jogador.
Multiplique o resultado por 100.

Distribuies de Probabilidade

Com respeito s distribuies tericas de probabilidade pode-se afirmar que:

(0) A distribuio de Bernoulli corresponde ao experimento com dois valores possveis
sendo que um deles est associado ocorrncia de sucesso e o outro de fracasso.
(1) A distribuio binomial corresponde ao nmero de sucessos em n repeties
independentes de experimentos de Bernoulli.
(2) A distribuio hipergeomtrica corresponde ao experimento de extrao aleatria de
uma populao dividida segundo dois atributos.
(3) A distribuio geomtrica corresponde ao nmero de vezes que se deve replicar
experimentos de Bernoulli, supostos independentes, at que ocorra pela primeira vez
um sucesso.
(4) correto utilizar a distribuio de Poisson para aproximar a binomial qualquer que
seja o tamanho de n (tamanho da amostra) e p (probabilidade de sucesso).

Em relao s distribuies de probabilidade pode-se afirmar que:

(0) As medidas de localizao, mdia, moda e mediana coincidem na distribuio
normal.
(1) A soma de qui-quadrados independentes tem distribuio qui-quadrado.
(2) Uma varivel aleatria com distribuio F de Snedecor proporcional ao quociente
de qui-quadrados independentes.
(3) A distribuio t de Student caracterizada por um nico parmetro que representa
os seus graus de liberdade.
(4) A distribuio qui-quadrado simtrica.

38
As distribuies Normal, t, F e
2
x so muito utilizadas em Econometria. Sobre elas pode-se
afirmar que:

(0) Somente a Normal simtrica.
(1) Todas tm como parmetro o nmero de graus de liberdade.
(2) Todas so limitadas na reta real.
(3) A varivel
2
x resulta da soma de variveis aleatrias independentes que tm
distribuio Normal padronizada.
(4) A F , por definio, a razo de duas variveis qui-quadrado.

Em relao s distribuies de probabilidade pode-se afirmar que:

(0) A distribuio F uma razo entre dois t de Student independentes.
(1) A distribuio binomial uma distribuio definida por dois parmetros.
(2) A distribuio de Poisson descreve o comportamento de variveis aleatrias
discretas.
(3) A varivel t de Student quando elevada ao quadrado sempre igual a uma varivel
F.
(4) A distribuio qui-quadrado tende para a distribuio normal quando o tamanho da
amostra tende para o infinito.

O Teorema Central do Limite (TCL), resultado maior dentre os teoremas da teoria da
probabilidade, nas verses estudadas na graduao, estabelece condies que asseguram a
convergncia de somas de variveis aleatrias, convenientemente padronizadas,
distribuio normal.

(0) Esta convergncia se d em probabilidade, ou seja, a mesma da Lei Fraca dos
Grandes Nmeros.
(1) As variveis aleatrias utilizadas na composio da soma no precisam ser
independentes.
(2) Se as variveis aleatrias, atendendo s hipteses do TCL, tm a mesma mdia e
varincia
2
o , o teorema garante que a soma das n primeiras, subtradas de n, e
dividida por no, converge para uma distribuio normal com mdia 0 e varincia 1
(N(0,1)).
(3) A convergncia de uma distribuio binomial (n,p), onde n o nmero de ensaios de
Bernoulli e p a probabilidade de sucesso em cada um, quando n aumenta, pode ser
provada como um simples caso particular do TCL.
39

Quanto desigualdade de Tchebycheff, supondo-se que uma varivel aleatria tenha mdia
e varincia finita, ela assegura que a probabilidade:

(0) de a varivel assumir um valor maior ou igual a n menor ou igual varincia mais a
mdia divididos por
2
n .
(1) de a varivel ultrapassar a mdia de um valor maior ou igual n vezes o desvio padro
menor ou igual ao inverso de
2
n .
(2) de a varivel ultrapassar a mdia de um valor maior ou igual a n menor ou igual ao
inverso de
2
n .
(3) de a varivel ultrapassar a mdia de um valor maior ou igual a n menor ou igual ao
segundo momento dividido por
2
n .

Com relao s distribuies t, Qui-quadrado e F pode-se afirmar que:

(0) A soma de normais com mdia 0 e varincia 1 d sempre uma Qui-quadrado.
(1) Uma F com m e n graus de liberdade resulta da diviso de uma Qui-quadrado com m
graus de liberdade por uma Qui-quadrado com n graus de liberdade, sendo ambas
independentes.
(2) A Qui-quadrado com m graus de liberdade resulta da soma de m normais
independentes, de mdia zero, ao quadrado.
(3) A distribuio t de n graus de liberdade coincide com a de F com 1 e n graus de
liberdade.
(4) A raiz quadrada de uma Qui-quadrado com 2 graus de liberdade dividida por dois
distribui-se com uma distribuio normal com mdia 0 e varincia 1.

Seja X uma varivel aleatria que representa o valor das vendas de um determinado produto
em um ms. X normalmente distribuda com mdia $500 e desvio padro $50. Podemos
afirmar que:

(0) A probabilidade do valor das vendas ser superior a $600 5,3%.
(1) No intervalo (450 550) ento contidas 68,3% de todos os possveis valores das
vendas mensais do produto.
(2) Em 20% dos casos as vendas so inferiores a $458.
(3) A distribuio normal plenamente especificada pelo seu parmetro mdia.
40
(4) A distribuio contnua e simtrica em relao ao valor de vendas $500 e a moda
divide a rea sob a curva em duas metades iguais.

A respeito das distribuies de probabilidade, pode-se afirmar que:

(0) A distribuio qui-quadrado -
2
X - com n graus de liberdade definida como a
soma dos quadrados de n variveis aleatrias com distribuio normal padro.
(1) A distribuio de Poisson tem mdia igual varincia, que por sua vez igual ao
parmetro da distribuio.
(2) A distribuio F de Snedecor definida pelo quociente de duas variveis aleatrias
independentes e normalmente distribudas.
(3) A distribuio normal perfeitamente definida caso se conheam seus dois primeiros
momentos.
(4) A distribuio hipergeomtrica aplicada a variveis aleatrias discretas, quando se
consideram extraes aleatrias, sem reposio, de uma populao dividida segundo
dois atributos.

Uma companhia de teatro planeja a estria de uma nova pea para breve. Estima-se que o
pblico pagante no n-simo dia da temporada seja uma varivel de Poisson com parmetro
dado por n=400(1-n/200). Admita que o montante relativo aos custos fixos seja da ordem
de R$ 2050 por dia, enquanto que o preo do ingresso seja de R$10. Determine a durao
tima (isto , a que maximiza o lucro total esperado) da temporada.

Suponha que X1, X2,... , Xn sejam identicamente distribudas, tendo valor esperado e
varincias comuns dados por e o
2
, respectivamente. Defina a varincia amostral como

2
1
1
1
2
S
n
k
X
k
n
X

( ) ( ) ,

e considere as seguintes assertivas:

(I) A mdia amostral um estimador consistente de .
(II) A varivel (n-1)S
2
/o
2
tem distribuio de qui-quadrado com n-1 graus de liberdade.
(III) S
2
estimador no-tendencioso de o
2
.
(IV) A mdia amostral tem distribuio normal.
41


(0) Se X
1
, X
2
, ... , X
n
so normalmente distribudas, somente (II) est errada.
(1) A assertiva (III) correta mesmo sem a hiptese de normalidade de X
1
, X
2
,... , X
n
.
(2) A assertiva (I) conseqncia da Lei Fraca dos Grandes Nmeros.
(3) Se X
1
, X
2
,... , X
n
so normalmente distribudas, ento a varivel nX S
_
/
2
tem
distribuio t de Student com n-1 graus de liberdade, mesmo quando diferente de zero.

As aes das companhias X e Y so negociadas na bolsa de valores por R$ 1,00 cada em
um determinado dia. Os retornos de cada ao de X e Y, para 30 dias frente, denotados
respectivamente por ( )
'
y x
r r , , tm distribuio bi-variada Normal com mdia:
|
|
.
|
\
|
y
x
, e matriz de covarincia:
(
yy yx
xy xx
o o
o o
. O retorno total da carteira de um investidor
(
T
r ) dado pela combinao convexa entre os retornos dos diferentes ativos nesta. Se
apenas considerarmos X e Y, o retorno total dado por: ( )
y x T
r r r + = o o 1 , onde o a
proporo do valor da carteira investida na companhia X. Caso o investidor compre uma
ao de cada companhia, e as venda 30 dias depois, pode-se afirmar que:

(0) a varincia do retorno total do investidor
xy yy xx
o o o
2
1
+
4
1
+
4
1
.
(1) caso os retornos das aes tenham coeficiente de correlao unitrio, o desvio padro do
retorno total dado por
2 / 1 2 / 1
2
1
+
2
1

yy xx
o o .
(2) caso os retornos das aes tenham coeficiente de correlao menor que a unidade, o
retorno total esperado do investidor dado por
xy y x
o + +
2
1
2
1
.
(3) caso os retornos das aes tenham coeficiente de correlao menor que a unidade, o
desvio padro do retorno total necessariamente menor do que
2 / 1 2 / 1
2
1
+
2
1

yy xx
o o .
(4) caso o retorno das aes tenham coeficiente de correlao zero, o retorno esperado do
investidor dado por
y x

2
1
2
1
+ .

A nota mdia de um exame de seleo para um emprego foi de 50, com desvio padro de
10. Se os resultados esto normalmente distribudos e se a nota mnima para ser contratado
42
no emprego corresponde ao percentil de ordem 80, qual a nota mnima que o candidato deve
obter para conseguir o emprego? (Considere apenas a parte inteira da resposta)

Verifique quais das afirmaes abaixo so verdadeiras e quais so falsas.

(0) A varivel aleatria t definida como
) 1 (
2
1
n
Z
n
_
, onde Z tem distribuio
normal-padro e _
2
uma distribuio qui-quadrado com (n - 1) graus de liberdade.
(1) A distribuio t de Student tem mdia igual a (n - 1) e varincia igual a (n - 1)/(n -
3).
(2) A distribuio de uma razo de duas variveis aleatrias qui-quadrado
independentes, divididas cada uma pelo seu respectivo nmero de graus de liberdade,
chamada de distribuio F.
(3) A estatstica F pode ser utilizada para verificar a igualdade de duas varincias
provenientes de duas populaes quaisquer.


(0) A distribuio qui-quadrado muda de forma de acordo com o tamanho da amostra.
Para amostras pequenas, a distribuio se inclina para a direita assimetricamente e
torna-se cada vez mais simtrica medida que o tamanho da amostra cresce.
(1) A distribuio t sempre simtrica com mdia zero e medida que o tamanho da
amostra aumenta, a distribuio t aproxima-se da distribuio normal padro.
(2) A distribuio F uma razo entre duas variveis aleatrias t independentes,
cada uma delas dividida pelo respectivo nmero de graus de liberdade.
(3) A distribuio normal apresenta dois pontos de inflexo na sua funo de densidade
de probabilidade f(x) nos pontos x = - 2o e x = +2o, onde a mdia e o o
desvio padro.
(4) Se X uma varivel aleatria uniforme com a seguinte funo de densidade de
probabilidade.
< <
=
valores. outros quaisquer 0
se
) (
b x a k
x f
Ento k =b - a.

43
Sobre as distribuies de probabilidade podemos afirmar que:

(0) Na distribuio Binomial no possvel contar as no-ocorrncias do evento e a
mdia e a varincia so iguais ao parmetro da distribuio.
(1) As caractersticas da distribuio de Poisson so:
(i) n repeties de um experimento de Bernoulli;
(ii) as repeties so independentes;
(iii) cada experimento tem dois resultados possveis que so mutuamente
exclusivos;
(iv) a distribuio de probabilidade definida como
x n x
q p
x
n
x X P

|
|
.
|
\
|
= = . . ) ( , x =
1, 2,, n, onde n =nmero de repeties do experimento, p =probabilidade de
ocorrncia de sucesso e q =1 - p.
(2) A mdia de uma distribuio Geomtrica 1/p, onde p =probabilidade de ocorrncia
de sucesso.
(3) Um levantamento junto ao Setor de Contabilidade de uma loja de departamentos
mostrou que 30% dos clientes pagam suas mensalidades com atraso. Se em certo dia
selecionarmos ao acaso 10 pessoas que pagaram suas dvidas mensais, a
probabilidade de no mximo um cliente ter pago com atraso aproximadamente
15%.

Dados os seguintes enunciados envolvendo variveis aleatrias, correto afirmar que:

(0) Se Y* =a +bY
2
e X* =c +dX
2
, em que a, b, c, d so constantes reais, (b,d)>0,
E(X) =E(Y)=0, ento correlao (Y*, X*) =correlao (Y,X).
(1) Se (Y,X) possuem uma distribuio Normal bivariada, ento, segue-se que E(Y|X) =
a +b Y, em que a e b dependem dos momentos de Y e X.
(2) Se X~Normal(0,1) ento Y=e
X
tem distribuio lognormal com E(Y)=e
1/2
.
(3) Se (X,Y) possuem densidade conjunta f(x,y) =|
2
e
-| y
, | >0, e 0 s x s y, ento
E(X)=1/|.

Dados os seguintes enunciados, correto afirmar que:

(0) A Lei Fraca dos Grandes Nmeros diz que: dada uma varivel aleatria com
distribuio arbitrria e mdia e varincia finita, a mdia amostral obtida a partir de
uma amostra aleatria de tamanho n ter distribuio Normal.
44
(1) Se X
1
, X
2
,..., X
n
so variveis aleatrias independentes, com distribuio Poisson(u),
u >0, ento, para n "grande", vlida a seguinte aproximao: \n (
___
X - u) / u ~
N(0,1), em que
__
X a mdia amostral.
(2) Se X
1
, X
2
,..., X
n
so variveis aleatrias independentes, com distribuio Normal
(,o
2
), o
2
>0, ento, para qualquer tamanho de n, \n (
___
X - ) / o ~Normal (0,1),
em que
__
X a mdia amostral.

Em relao s distribuies de probabilidade discretas:

(0) Uma varivel aleatria X com distribuio binomial de parmetro p, baseada em n
repeties, aproxima-se de uma Poisson quando n e p permanece constante.
(1) Uma varivel aleatria Y, definida como o nmero de repeties necessrias para a
primeira ocorrncia de A, tem distribuio Geomtrica, desde que as repeties
sejam independentes e que P(A) =p e P(A
C
) =1-p.
(2) Pode-se utilizar a distribuio Binomial para, por exemplo, calcular a probabilidade
de se encontrar k peas defeituosas em um lote de n peas selecionadas ao acaso,
sem reposio.
(3) Se uma varivel aleatria segue uma distribuio Hipergeomtrica, sua distribuio
ser prxima da Binomial se o tamanho da populao for grande em relao ao
tamanho da amostra extraida .
(4) Se Z tiver distribuio de Poisson com parmetro o , ento, E(Z) =V(Z) =o .

Em relao s distribuies de probabilidade contnuas:

(0) Se X tem distribuio Normal(
2
,o ), ento a funo densidade de probabilidade de
X, f(x), atinge o seu valor mximo quando x = e nesse ponto
t o 2
1
) ( = x f .
(1) Se X tem distribuio Uniforme no intervalo [0,o ], o >0, ento, o tem que ser
igual a 4/3 para que P(X >1) =1/3.
(2) A distribuio t de Student assemelha-se Normal padro, N(0,1), mas possui
caudas mais pesadas, quando n, o tamanho da amostra, maior do que 30.
(3) Se uma varivel aleatria contnua tem funo de distribuio

0 se 0
0 se 1 ) (
< =
> =

x
x e x F
x

45
ento a funo densidade de probabilidade de X ser

. 0 se 0
0 se ) (
< =
> =

x
x e x f
x

(4) A varivel aleatria Z tem distribuio Lognormal se e somente se exp (Z) tiver
distribuio Normal.

Com relao s variveis aleatrias discretas correto afirmar que:

(0) Se X
1
,..., X
n
so variveis aleatrias identicamente distribudas com distribuio
Bernoulli com parmetro p, ento
=
=
n
i
i
X Z
1
ter uma distribuio Poisson quando
n for grande;
(1) Uma varivel aleatria com distribuio binomial representa o nmero de sucessos
em n experimentos de Bernoulli;
(2) A distribuio hipergeomtrica um caso especial da distribuio Normal;
(3) A distribuio Qui-quadrado possui mdia igual a n e varincia igual a 4n, em que n
o nmero de graus de liberdade;
(4) A distribuio binomial pode ser aproximada pela distribuio de Poisson para
valores grandes de n (tamanho da amostra) e pequenos de p (probabilidade de
sucesso).

Trs mquinas, A, B e C, produzem respectivamente 50%, 30% e 20% do nmero total de
peas de uma fbrica. As porcentagens de peas defeituosas na produo dessas mquinas
so respectivamente 3%, 4% e 5%. Uma pea selecionada ao acaso e constata-se ser ela
defeituosa. Encontre a probabilidade de a pea ter sido produzida pela mquina A. (Use
apenas duas casas decimais. Multiplique o resultado final por 100).

A probabilidade de um homem acertar um alvo . Quantas vezes ele deve atirar para que
a probabilidade de acertar pelo menos uma vez no alvo seja maior que 2/3?

46
Considere o vetor aleatrio X =(X
1
, X
2
, X
3
) com distribuio de probabilidade

s s s s s s
=
contrrio caso 0
2 0 , 1 0 , 1 0 6
) , , (
3 2 1 3
2
2 1
3 2 1
x x x x x x
x x x f
X

Encontre a probabilidade de 5 , 0 0
1
s s x . (Multiplique o resultado por 100).

Sobre coeficiente de correlao, covarincia e independncia de variveis aleatrias, so
corretas as afirmativas:

(0) Seja ) , ( y x o coeficiente de correlao entre as variveis x e y. Se ab>0, ento
) , ( ) , ( y x by ax = ; e se ab<0, ) , ( ) , ( y x by ax = .
(1) Se a funo densidade conjunta de x e y for
y x
e y x f

= ) , ( , x>0, y>0 e 0 ) , ( = y x f
para outros valores de x e y, ento ) , ( y x =0.
(2) Sejam A e B dois eventos independentes, com probabilidades positivas, associados a
um experimento aleatrio . Se as variveis aleatrias x e y so definidas como: x =
1, se ocorrer A e x =0, em caso contrrio; e y =1, se ocorrer B e y =0, em caso
contrrio, ento ) , ( y x = 0.
(3) Em relao ao quesito anterior, pode-se afirmar ainda que a covarincia entre x e y
diferente de zero.
(4) Se o coeficiente de correlao ) , ( y x =0, a covarincia entre x e y tambm zero.
Assim sendo, pode-se afirmar que x e y so variveis aleatrias independentes.

Um importador adquiriu vrios artigos ao preo mdio de US$ 15.00 com um desvio-
padro de US$ 1.00. Sabendo-se que a taxa de cmbio de R$ 3,00 por dlar, correto
afirmar:

(0) Convertendo-se o valor das compras para reais, o preo mdio dos produtos
adquiridos ser de R$ 45,00.
(1) Em reais, o desvio-padro ser de R$ 3,00.
(2) Se ao preo original de cada artigo, um intermedirio adicionar uma margem de
lucro fixa de R$ 10,00, o novo preo mdio ser R$ 55,00 com um desvio-padro de
R$ 6,00.
(3) Se a margem de lucro for de 20% sobre o preo em reais, o novo preo mdio ser
R$ 54,00 e o novo desvio-padro ser R$ 3,60.
(4) O coeficiente de variao calculado em reais, devido taxa de cmbio, ser 3 vezes
maior do que aquele calculado utilizando-se os valores em dlar.
47

Uma varivel aleatria continua x tem a sua funo densidade de probabilidade dada pelo
grfico:

So corretas as afirmativas:

(0) O valor da constante K
1
no poder ser maior do que 1.
(1) O valor da constante K
2
ser igual a (K
1
+2)/2K
1
.
(2) A funo densidade de probabilidade de x ser
s s
< s
=
. intervalos desses fora , 0
1 ,
1 0 ,
) (
2 1
1
K x K
x x K
x f
(3) A funo de distribuio acumulada de x ser
>
< s
< s
=
2
2 1
2
1
, 1
1 ,
1 0 , 2 /
) (
K x
K x x K
x x K
x F
(4) Supondo que K
2
=1, a esperana matemtica de x, E(x), ser 1/3.


(0) Se X uma varivel aleatria com distribuio normal de mdia e varincia
2
o ,
ento
( )
2
2
o

=
X
Z segue uma distribuio
2
_ com 1 grau de liberdade.
(1) Se X
1
,..., X
n
so variveis aleatrias identicamente distribudas com distribuio
Bernoulli com parmetro p, ento
=
=
n
i
i
X Z
1
segue uma distribuio Poisson.
(2) Se X uma varivel aleatria com distribuio t com n graus de liberdade, ento
2
X Z = segue uma distribuio F com 1 e n graus de liberdade.
(3) Se X uma varivel aleatria Poisson com mdia , ento a varincia de X
2
.
(4) Se a varivel X =lnY segue uma distribuio normal, ento Y segue uma distribuio
lognormal.

K
1
K
2
1
48


(0) Seja Y uma varivel aleatria com distribuio Binomial com parmetros n e p, em
que 1 0 s s p . Ento, sendo n grande e p pequeno, a distribuio de Y aproxima-se
de uma Poisson cuja mdia np.
(1) Se Y uma varivel aleatria Normal com mdia 0 e varincia 1; se X segue uma
Qui-quadrado com r graus de liberdade; e se Y so X independentes, ento
r
X
Y Z = segue uma distribuio t com r graus de liberdade.
(2) Sejam X e Y variveis aleatrias distribudas segundo uma Normal bivariada.
Suponha que E(X) =
X
, E(Y) =
Y
,
2
) (
X
X Var o = ,
2
) (
Y
Y Var o = e que a correlao
entre X e Y seja
XY
. Ento, Z =aX +bY, em que a e b so constantes diferentes de
0, segue uma distribuio Normal com mdia a
X
+ b
Y
+ ab
X
Y
e varincia a
2
X
2

+ b
2
Y
2
+ 2ab
XY
.
(3) Sejam Y e X variveis aleatrias com distribuies Qui-quadrado com p e q graus de
liberdade, respectivamente. Portanto, |
.
|
\
|
|
.
|
\
|
=
q
X
p
Y
Z segue uma distribuio F
com p e q graus de liberdade.
(4) Sejam X e Y variveis aleatrias conjuntamente distribudas segundo uma Normal
bivariada. Suponha que E(X) =
X
, E(Y) =
Y
,
2
) (
X
X Var o = ,
2
) (
Y
Y Var o = e que a
correlao entre X e Y seja
XY
. Ento, E(Y|X) =
Y
+
XY
(x
X
).

Julgue as afirmativas:

(0) Se a varivel aleatria Y segue uma distribuio Bernoulli com parmetro p, ento
E(Y) = p.
(1) Uma soma de variveis aleatrias Binomiais segue uma distribuio Bernoulli.
(2) A distribuio Geomtrica um caso especial da distribuio Binomial.
(3) Uma distribuio Lognormal assimtrica direita.
(4) A varincia de uma distribuio uniforme entre 0 e 2 igual a 0,5.

Sejam X
1
, X
2
,..., X
n
variveis aleatrias independentes e normalmente distribudas, com
mdia 0 e varincia .

49
(0) Se = 1, a varivel Y =(
2
1
X +
2
2
X )/(2
2
3
X ) possui uma distribuio F com n
1
e n
2

graus de liberdade, para n
1
=1 e n
2
=2.
(1) A varivel
( ) 2 /
2
3
2
1
1
X X
X
W
+
= possui uma distribuio t com 2 graus de liberdade.
(2) Defina Z =(
2
1
X +
2
2
X ) /. Ento E(Z - 2) =0.
(3) Suponha que = 1 e que H seja uma varivel aleatria independente de X
1
e que
P(H =1) =P(H =-1) =0,5. Ento Y =HX
1
~N(0,1).
(4) Sabemos que Pr(Z>5165,615)=0,05, onde Z uma varivel aleatria com
distribuio
2
5000
_ . Suponha que n = 5001. Defina

=
=
n
i
i
X n X
1
1
e
( ) ( ) 1 /
2
1
2
=
=
n X X S
n
i
i
. Se S =5,3, pode-se rejeitar a hiptese nula de que
=5 ao nvel de significncia de 5%.

Teoremas de Probabilidade

Qual o menor valor que k pode assumir, de acordo com o Teorema de Tchebycheff, para
que ] 06 , 0 ) ( [ > + s s o o k x k P , isto , a probabilidade de x estar entre o k e
o k + seja maior ou igual a 0,06?

Com relao desigualdade de Tchebycheff e ao Teorema Central do Limite, pode-se
afirmar que:

(0) Se uma varivel aleatria X tem mdia , E(X)=, e varincia igual a zero, Var(X)
=0, ento 1 } { = s c X P para todo 0 > c , ou seja, toda a probabilidade estar
concentrada na mdia E(X) =.
(1) Seja X uma varivel aleatria com mdia e varincia o
2
. Quando se considera o
evento complementar, uma das formas da desigualdade de Tchebycheff igual a
2
1
1 } {
k
k X P > > o , onde k um nmero real.
(2) Se a populao tem distribuio Normal, ento a distribuio das mdias amostrais
tambm ser Normal, independente do tamanho da amostra.
(3) Se X tem distribuio desconhecida com mdia 500 e varincia 2.500, para uma
amostra aleatria de tamanho 100 podemos afirmar que a mdia da amostra tem
distribuio aproximadamente normal com mdia 500 e varincia 25.

50

(0) Pelo Teorema do Limite Central podemos afirmar que se a varivel aleatria X tem
uma distribuio qualquer com mdia e varincia o
2
, ento a distribuio de X
(mdia da amostra) aproxima-se da distribuio normal com os mesmos parmetros
mdia e varincia o
2
, quando o tamanho da amostra aumenta.
(1) Sejam as variveis aleatrias
i
X (i=1, 2,, 10) independentes e normalmente
distribudas com mdia =10 e desvio padro o =2. Ento, se
=
=
10
1 i
i
X Y podemos
afirmar que, medida que n cresce, Y tende para uma distribuio normal com
mdia E(Y) =1 e V(Y) =0,2.
(2) Uma distribuio binomial tende a uma distribuio normal quando o nmero n de
provas independentes de Bernoulli cresce.
(3) Se a distribuio de probabilidade de uma varivel aleatria X conhecida, podemos
calcular sua esperana e sua varincia, se existirem. Embora a recproca no seja
verdadeira, poderemos estabelecer um limite superior (ou inferior) muito til para as
probabilidades da distribuio atravs do uso da desigualdade de Tchebycheff.
(4) Para qualquer tamanho de amostra, a distribuio amostral de propores de uma
amostra de sucessos mais dispersa quando a proporo populacional igual e
menos dispersa quando a proporo populacional igual a zero ou a um.

Indique se as seguintes consideraes sobre a Lei dos Grandes Nmeros, Desigualdade de
Tchebycheff e teorema do Limite Central so verdadeiras (V) ou falsas (F).

(0) De acordo com a desigualdade de Tchebycheff, se a varincia de uma varivel
aleatria X for muito prxima de zero, a maior parte da distribuio de X estar
concentrada prxima de sua mdia.
(1) O teorema do Limite Central afirma que,para uma amostra grande o suficiente, a
distribuio de uma amostra aleatria de uma populao Qui-quadrado se aproxima
da Normal.
(2) As condies suficientes para identificar a consistncia de um estimador so
baseadas na Lei dos Grandes Nmeros.
(3) Em n repeties independentes de um experimento, se
A
f a freqncia relativa da
ocorrncia de A, ento
2
) 1 (
1 } {
c
c
n
P P
P f P
A
s < , em que P a probabilidade

constante do evento A e c qualquer nmero positivo.
51
(4) Se uma varivel aleatria X tem distribuio Binomial com parmetros n =20 e P =
0,5, ento ( )
5
10
} {

u ~ s
a
a X P em que ) (- u a funo de distribuio
Normal padro.

Quantas vezes ter-se- de jogar uma moeda equilibrada de forma a se ter pelo menos 95%
de certeza de que a freqncia relativa do resultado cara fique a menos de 0,01 da
probabilidade terica , ou seja, de maneira que a amplitude do intervalo de confiana da
probabilidade terica seja 0,02? (Utilize o teorema de Tchebycheff. Divida a resposta por
1.000 e transcreva a parte inteira do nmero encontrado).

O nmero de clientes Y que passa diariamente pelo caixa de um supermercado foi
observado durante certo perodo. Constatou-se que o valor mdio de Y de 20 clientes,
com desvio padro igual a 2. Encontre o limite mnimo para a probabilidade de que o
nmero de clientes amanh se situe entre 16 e 24. (Pista: Utilize o teorema de Tchebycheff).


(0) Uma varivel aleatria X tem mdia zero e varincia 36. Ento, pela desigualdade de
Tchebychev, 36 , 0 ) 10 | (| s > X P .
(1) Pela Lei dos Grandes Nmeros a distribuio da mdia amostral de n variveis
aleatrias independentes, para n suficientemente grande, aproximadamente Normal.
(2) O estimador de um determinado parmetro dito consistente se convergir, em
probabilidade, para o valor do parmetro verdadeiro.
(3) A Lei dos Grandes Nmeros est relacionada com o conceito de convergncia em
probabilidade, enquanto que o Teorema Central do Limite est relacionado com
convergncia em distribuio.
(4) Um estimador dito no-tendencioso se a sua varincia for igual varincia do
parmetro estimado.

52

(0) O teorema de Tchebychev til para se calcular o limite inferior para a probabilidade
de uma varivel aleatria com distribuio desconhecida quando se tem apenas a
varincia da populao.
(1) Um estimador no-tendencioso pode no ser consistente.
(2) Um estimador consistente pode no ser eficiente.
(3) Sejam Y
1
,..., Y
n
variveis aleatrias independentes com mdia e varincia finita.
Pela Lei dos Grandes Nmeros, E(m) =, em que m =
=
n
i
i
Y
n
1
1
.
(4) Sejam Y
1
,..., Y
n
variveis aleatrias independentes com mdia e varincia finita.
Pelo Teorema do Limite Central, a distribuio da mdia amostral m converge para
uma distribuio Normal.

INFERNCIA ESTATSTICA

Com respeito aos testes de hipteses pode-se afirmar que:

(0) O nvel de significncia de um teste a probabilidade de cometer erro do tipo I, isto
, a probabilidade de aceitar a hiptese nula, quando ela falsa.
(1) O valor 1 - | o poder do teste, onde | a probabilidade do erro do tipo II, isto , a
probabilidade de rejeitar a hiptese nula quando ela verdadeira.
(2) Se
n
x x ,...,
1
uma amostra aleatria de uma populao normal com mdia e
varincia conhecida
2
o , para testar
0
H :
0
= contra
1
H :
0
= usa-se a
distribuio t de Student.
(3) Dada uma populao de indivduos de tamanho n, deseja-se verificar se a populao
de empregados de 0,5. Esta verificao pode ser feita atravs do teste de hipteses:
0
H : 2 / 1 = p contra
1
H : 2 / 1 = p usando-se, para tanto, a distribuio normal
como aproximao da binomial.
(4) Uma empresa afirma que 60% dos seus empregados so ligados produo. Para
verificar esta afirmativa, o sindicato decide usar uma amostra de 200 trabalhadores e
observa que 105 deles esto ligados produo. Ao nvel de significncia de 5%
pode-se afirmar que o nmero de empregados ligados produo inferior a 60%.

Considere
n
x x x , , ,
2 1
uma amostra aleatria extrada de uma populao que tem
distribuio Normal com mdia e varincia
2
o . Pode-se dizer que:

53
(0)
n
xi
x

=
_
um estimador no-viesado em .
(1)
1
) (
2
_
2
=

n
x xi
S um estimador no-viesado de
2
o .
(2)
_
x tem distribuio Normal com mdia e varincia unitria.
(3)
2
S tem distribuio qui-quadrado com n - 1 graus de liberdade.
(4) P[-
_
x < <
_
x ] =68%.

O intervalo de confiana permite avaliar a preciso de um estimador. Sobre ele possvel
afirmar que:

(0) O nvel de confiana indica a probabilidade de o parmetro populacional estar dentro
do intervalo estabelecido.
(1) O tamanho do intervalo varia inversamente com o tamanho da amostra.
(2) Dado um tamanho de amostra, quanto maior o nvel de confiana, menor o erro
amostral permitido.
(3) O intervalo com 100% de confiana para a varincia
2
o estende-se de - a +.

Economistas afirmam que o salrio mdio anual de advogado maior do que o salrio
mdio anual de economista.

(0) Para testar a afirmao dos economistas necessrio apenas a hiptese de que as
populaes originais sejam normais.
(1) A estatstica do teste tem distribuio normal.
(2) A hiptese alternativa dever ser
E A a
H = : .
(3) Rejeitar a hiptese nula implica em aceitar a veracidade da afirmativa.
(4) A hiptese nula dever ser
E A
H = :
0
.

Dada uma populao de 10 elementos, se dela se tirar, com reposio, todas as amostras
aleatrias de tamanho trs possveis, pode-se afirmar que:

(0) Ter-se- 720 amostras.
54
(1) O primeiro elemento de qualquer uma das amostras um estimador no viesado da
mdia da populao.
(2) O primeiro elemento de qualquer uma das amostras um estimador consistente da
mdia da populao.
(3) A mdia das mdias amostrais igual mdia da populao dividida por n (tamanho
da amostra).
(4) A mdia amostral um estimador eficiente da mdia da populao.

Suponha que se tenha usado dados de 12 plantaes para estimar a funo de produo:

Y =2,10 +0,32 X
(0,3) (0,08)

em que Y medido em toneladas de caf por hectare de X em centenas de quilo de
fertilizante por hectare. O erro-padro das estimativas
0 b
s e
1 b
s so dados entre parnteses.

(0) Ao nvel de 5% ambas estimativas so significantes.
(1) Se o desvio-padro da varivel X (
X
s ) 1 e o desvio-padro da varivel Y (
Y
s ) 1
ento o coeficiente de correlao entre X e Y, r, 0,32.
(2) Para fazer a anlise de varincia dessa regresso precisa-se conhecer apenas a
variao explicada pela regresso uma vez que os graus de liberdade j so
conhecidos.
(3) Se o caf custar $15 por tonelada e o fertilizante $3 por 100 quilos, no vale a pena
ao fazendeiro usar mais fertilizante para aumentar a produo, pois o custo marginal
excede a receita marginal.
(4) Um aumento de 100 quilos de fertilizante provoca um aumento de 2,42 toneladas na
produo de caf.

Dada uma populao finita, de tamanho N, e uma amostra aleatria de tamanho n,

(0) a mdia amostral um estimador no viesado da mdia da populao somente se a
amostragem for feita com reposio.
(1) a varincia da mdia amostral ser igual varincia da populao sobre n somente se
a amostragem for feita com reposio.
(2)
2
o multiplicado por
1 N
N
sempre um estimador no viesado da varincia da
populao.
55
(3) intervalos de confiana para a mdia da populao podem ser obtidos, na maioria
dos casos, i.e. n maior que 40, com o auxlio da distribuio normal.

De 50.000 vlvulas fabricadas por uma companhia, retirou-se uma amostra aleatria de 400
vlvulas e verificou-se que a vida mdia era de 800 horas, com um desvio-padro de 100
horas.

(0) A estimativa da mdia populacional pertence ao intervalo (787,1 812,9) com uma
confiana de 99%.
(1) Com uma confiana de 95% poderamos afirmar que a vida mdia est no intervalo
[(800 - 12) (800 +12)].
(2) Para que seja de 95% a confiana na estimativa [(800 - 7,84) (800 +7,84)] a
amostra deve ser composta por 625 vlvulas.
(3) O nvel de confiana na estimao por intervalo (por exemplo 95%) significa que,
construdos todos os intervalos possveis, 95% dos casos contero o parmetro
populacional.
(4) Quanto mais alto o grau de confiana, mais estreito o intervalo de confiana
correspondente.

Com relao aos testes de hipteses, podermos afirmar que:

(0) O erro tipo I ou de primeira espcie consiste em se aceitar a hiptese nula ) (
0
H
quando ela falsa.
(1) Os testes de hipteses dizem respeito a regras de deciso para aceitar ou rejeitar uma
hiptese estatstica com base nos elementos amostrais.
(2) A probabilidade | de cometer o erro tipo II aumenta medida que o valor do
parmetro se afasta do valor testado.
(3) Num teste de hipteses para a mdia, quando a varincia populacional
desconhecida, devemos utilizar a estatstica Z que tem distribuio N(0,1).
(4) Sejam duas amostras provenientes de duas populaes normais independentes. Se as
varincias populacionais so iguais, porm desconhecidas, a estatstica a ser utilizada
no teste de igualdade de mdias a t de Student com (n+m-2) graus de liberdade,
onde n e m so os tamanhos das amostras e (n +m) <30.

56
Deseja-se investigar a afirmao de que o salrio mdio anual dos economistas em So
Paulo maior do que o salrio mdio anual dos economistas no Rio de Janeiro. Pode-se
afirmar que:

(0) necessrio apenas que a amostra em cada populao inclua os economistas com
mais de 10 anos de profisso.
(1) necessrio assumir que os salrios em ambas as populaes seguem uma
distribuio normal.
(2) A hiptese nula dever ser
SP RJ
H < :
0
em que
RJ
a mdia populacional dos
salrios no Rio de Janeiro e
SP
a mdia populacional dos salrios em So Paulo.
(3) Se o teste for estatisticamente significante podemos concluir que os economistas
paulistas, na mdia, recebem um salrio significante superior aos seus colegas
cariocas.
(4) Quanto maior o tamanho da amostra, para um mesmo nvel de significncia, maior a
possibilidade de se rejeitar a hiptese nula.

Suponha que certa distribuio com mdia desconhecida tenha varincia igual a um. Quanto
deve ser o tamanho da amostra de forma que a probabilidade que a mdia amostral X difira
da mdia populacional em 1/2, seja pelo menos 0.95?

Sejam ) , , , (
2 1 n
X X X uma amostra aleatria com n elementos de certa populao e u um
parmetro dessa populao. Pode-se afirmar que:

(0) Um estimador T do parmetro u funo de ) , , , (
2 1 n
X X X .
(1) T ser um estimador no-viesado de u se E(T) =u.
(2) A varincia amostral, definida por
n
X X
n
i
i
=

1
2
) (
, um estimador no-viesado da
varincia populacional.
(3) {
n
T } ser uma seqncia consistente de estimadores de u se: 0 ) ( lim =

n
n
T E e
. 1 ) ( lim =

n
n
T Var
(4) Se
1
T e
2
T so dois estimadores no-viesados de um mesmo parmetro u, e se
Var(
1
T ) <Var(
2
T ), ento
1
T menos eficiente que
2
T .

57
Com relao aos testes de hipteses, pode-se afirmar que:

(0) A probabilidade do erro tipo I, ou de primeira espcie, denominada de nvel de
significncia do teste.
(1) O erro tipo II, ou de segunda espcie, consiste em aceitar a hiptese nula (
0
H )
quando esta falsa.
(2) Quanto menor for o nvel de significncia de um teste, mais extremo deve ser o valor
calculado da estatstica do teste para que se rejeite (
0
H ).
(3) Em um teste de hipteses para comparao de duas mdias provenientes de
populaes normalmente distribudas com varincias iguais e desconhecidas, a
estatstica utilizada a t de Student.

Quando se realiza um teste de hiptese, convm saber que:

(0) A concluso do teste sensvel forma como se define a hiptese nula.
(1) A regio de rejeio da hiptese nula deve abranger todos os valores que a estatstica
de teste no pode assumir.
(2) Sempre que possvel, deve-se adotar nvel de significncia de zero por cento.
(3) O poder do teste dado pela probabilidade de se rejeitar a hiptese nula quando esta
falsa.
(4) A estatstica do teste a ser utilizada depende da distribuio do estimador.

O representante de um grupo comunitrio informa a uma pessoa interessada em estabelecer
um centro comercial que a renda mdia familiar na rea de R$ 15.000. Suponha que, para
a rea em questo, seja possvel admitir que a renda mdia familiar tem distribuio
aproximadamente normal, e que se possa aceitar o desvio-padro como sendo R$ 2.000
(com base em um estudo anterior). Para uma amostra aleatria de 16 famlias, a renda mdia
familiar foi de R$ 15.500. O centro comercial s ser construdo se o nvel mdio de renda
familiar () for maior que o informado.

(0) A hiptese nula deve ser 000 . 15 $ :
0
R H = .
(1) A hiptese alternativa deve ser . 000 . 15 $ :
1
R H <
(2) No pode ser realizado qualquer teste, pois o nmero de elementos da amostra
pequeno.
(3) A estatstica que deve ser utilizada para a elaborao do teste a Z, que tem
distribuio N(0,1).
58
(4) Um teste feito ao nvel de significncia de 5% permite concluir que a condio para a
construo do centro ser satisfeita.

Sejam X1, X2,... , Xm e Y1, Y2,... , Yn variveis aleatrias independentes tais que Xi~N(,
o
2
) e Yj~N(v,t
2
). Podemos afirmar que:

(0) Se, num teste de hiptese com H0: =0 e H1: =0 e nvel de significncia de 5%,
rejeitamos H0, ento o intervalo de confiana para a mdia, com nvel de confiana
igual a 95%, no ir conter o nmero zero.
(1) Se dispomos de dois testes (T1 e T2, digamos) apropriados para testar a hiptese
H0: v e precisamos escolher um deles, ento se a potncia (ou poder) de T1
sempre superior do teste T2 e ambos tm o mesmo nvel de significncia,
prefervel usar o teste T2.
(2) S podemos testar a hiptese H0: =v quando m=n.
(3) S podemos usar o teste F para a hiptese H0: o
2
=t
2
quando sabemos de antemo
que =v

Seja X Normal ~ ( , ) o
2
. Considere o problema de estimao de a partir de uma amostra
aleatria
X X
n 1
, ,
e considere os trs estimadores abaixo:

M
n
X
k
k
n
1
1
1
=
=

M
n
X
k
k
n
2
1
1
1
=
+
=

M X
n
X
k
k
n
3 1
2
1
2
1
2
= +
=


(0) M
1
tendencioso.
(1) M
2
tendencioso e M
3
no-tendencioso.
(2) Somente M
1
no-tendencioso.
(3) M
2
o melhor estimador linear no-tendencioso.
(4) M
2
e M
3
so no-eficientes.
(5) M
1
consistente.

59
Com relao a um estimador u
do parmetro populacional u , pode-se afirmar que:

(0) u
dito consistente quando seu valor esperado igual a u , mesmo para amostras
de tamanho pequeno.
(1) O melhor estimador de u sob o critrio de erro quadrtico mdio mnimo no
necessriamente no-tendencioso.
(2) Um estimador de u chamado linear se uma funo linear das observaes
amostrais.
(3) Um estimador de u considerado relativamente eficiente se: a) consistente; b) sua
varincia menor do que a varincia de qualquer outro estimador consistente de u .

Com base na Teoria da Estimao, temos:

(0) Se u o parmetro populacional e u
seu estimador, dizemos que u
um estimador
no-tendencioso ou no-viesado de u se, e somente se, em mdia, u
tem o mesmo
valor de u .
(1) Com base numa amostra aleatria de duas observaes (
1
X e
2
X ) de uma
distribuio populacional com mdia , se
2 1
X 2/3 + X 1/3 = W , ento W um
estimador tendencioso de .
(2) Dada uma amostra aleatria de n observaes, dizemos que u
um estimador
consistente do parmetro populacional u se
| | c c u u qualquer para 1 |
| lim = <

P
n
>0.
(3) Seja X uma varivel aleatria com mdia e varincia o
2
. Pela desigualdade de
Tchebycheff temos que | | . 0 se | |
2
2
> s > k
k
k X P
o

Seja X1,..., XN uma amostra aleatria de uma populao com mdia e varincia
2
o .
Sejam W e Z estimadores de dados por:

=
=

=
N
i
N
i
i
i
X i
W
1
1
;
N
X
Z
N
i
i
=
=
1
.
60

(0) W no-tendencioso.
(1) W tendencioso, e Z no-tendencioso.
(2) Z consistente.
(3) W consistente.
(4) Se 2 > N , Z relativamente mais eficiente que W.

A vida til de um tubo de televiso tem distribuio Normal com desvio padro (conhecido)
de 500 horas. O fabricante afirma que a vida til mdia dos tubos de, no mnimo, 9.000
horas. Sabendo-se que a vida til mdia encontrada para uma amostra aleatria de 16 tubos
foi de 8.800 horas, podemos afirmar que:

(0) Para verificar a veracidade da informao do fabricante atravs de um teste
estatstico de hipteses, as hipteses so:
Hiptese nula : H
0
: =9.000 horas
Hiptese alternativa : H
1
: >9.000 horas
(1) Ao nvel de significncia de 5%, no podemos contestar a afirmao do fabricante.
(2) Se a informao amostral fosse obtida de uma amostra de 36 tubos, ao nvel de
significncia de 2,5% tambm no podemos contestar a afirmao do fabricante.
(3) O tamanho mnimo da amostra para uma estimativa por intervalo da vida mdia dos
tubos deveria ser de 50 tubos, de modo que o erro da estimativa no excedesse a
100 horas, com uma probabilidade de 95%.
(4) Caso desconheamos o desvio padro populacional impossvel testar a validade da
afirmao do fabricante.

Com base na Inferncia Estatstica, podemos fazer as seguintes afirmaes:

(0) A reduo da probabilidade de erro do tipo I no tem qualquer efeito sobre a
probabilidade de erro do tipo II.
(1) Sob condies bastante gerais, na medida em que o tamanho da amostra aumenta, a
distribuio de probabilidade da mdia da amostra torna-se mais concentrada em
torno da mdia populacional e o intervalo de confiana torna-se menos amplo e mais
preciso.
(2) Quando desejamos estimar a mdia populacional , se estamos trabalhando com
amostras pequenas, com a varincia populacional desconhecida, devemos utilizar a
estatstica t de Student, qualquer que seja a distribuio de probabilidade da
61
populao, sendo
n
S
X
t

= , onde X = mdia amostral; S = desvio padro
amostral; e n =tamanho da amostra.
(3) Sejam: H
0
a hiptese nula e H
1
a hiptese alternativa de um teste estatstico. Testar
H
0
consiste essencialmente em determinar uma regio crtica para a estatstica em
estudo, de forma que a probabilidade da estatstica cair na regio crtica, sendo H
0

verdadeira, um valor fixo o, concordando em rejeitar esta hiptese se, e somente
se, o valor da estatstica cair na regio crtica.
(4) possvel reduzir as probabilidades dos erros do tipo I e II com o aumento da
amostra.

Seja u
o estimador do parmetro u :

(0) O erro quadrtico mdio igual a varincia do estimador u
se u
for um estimador
no-tendencioso de u .
(1) Um estimador
1
u dito eficiente se
1
u for no-tendencioso e Var(

1
u ) s Var (
2
u ),
onde
2
u outro qualquer estimador no-tendencioso de u .

(2) Seja X uma varivel aleatria normalmente distribuda com mdia e varincia o
2
.
(3) Sejam x
1
e x
2
duas observaes de uma amostra aleatria de tamanho 2.
Podemos afirmar que
5
2 3
~ 2 1
x x +
= um estimador tendencioso de .
(4) Se u
consistente, ento no tendencioso.

Com base na teoria da estimao, pode-se fazer as seguintes afirmaes:

(0) Se u um parmetro populacional e u
seu estimador, a afirmao de que u
um
estimador consistente de u se lim {
} P u u c s = 1 para todo c > 0 quando

n , equivalente a afirmao de que se u u = )
( limE e lim (
) Var u = 0 quando
n , ento u
ser um estimador consistente de u .

(1) Se x uma varivel aleatria com E(X) = e varincia o
2
, ento a mdia amostral,
X , ser um estimador consistente da mdia populacional .
62
(2) A estatstica, S
x x
n
i
i
n
2
2
1
=

=
( )
, baseada em uma amostra aleatria x
1
, x
2
, x
3
,...,
x
n
um estimador no tendencioso da varincia populacional.
(3) A estatstica, S
x x
n
i
i
n
2
2
1
=

=
( )
, baseada em uma amostra aleatria x
1
, x
2
, x
3
,..., x
n

um estimador inconsistente da varincia populacional.

Uma mquina est sendo examinada com o objetivo de substituir a mquina antiga de certa
indstria. Segundo o fabricante da nova mquina, a proporo (P) de peas defeituosas
produzida de 3% ou menos. Uma amostra de 2.000 peas foi examinada e foram
encontradas 74 peas defeituosas.

(0) As hipteses para um teste estatstico de hipteses devem ser H
0
: P =0,03 e H
A
:
P <0,03.
(1) Ao realizarmos o teste de hipteses para o problema, ao nvel de significncia de 5%,
a hiptese nula deve ser rejeitada.
(2) Utilizando a proporo de peas defeituosas encontradas na amostra, a
estimativa por intervalo para a verdadeira proporo de peas defeituosas
produzida pela nova mquina, utilizando uma confiana de 95%, ( 2,87%;
4,53%).
(3) Admitindo que a verdadeira proporo de peas defeituosas seja 3%, seria
necessrio uma amostra de 3.000 peas para que o erro mximo admissvel entre a
proporo estimada e a verdadeira no excedesse a 1%, com probabilidade de 95%.
(4) Se a probabilidade de que um intervalo de confiana contenha o verdadeiro
parmetro populacional u igual a (1 - o), isto significa que se retirssemos um
nmero infinito de amostras da populao em estudo e se para cada uma das
amostras calculssemos o intervalo de confiana do parmetro u, ento em (1 - o)%
destes intervalos conteriam o verdadeiro parmetro u.

Com base na teoria da estimao, pode-se fazer as seguintes afirmaes:

(0) De acordo com o critrio de eficincia, medido pela comparao entre as varincias
dos estimadores, a mdia amostral X prefervel a primeira observao
1
X como
estimador da mdia populacional, supondo-se que
2
o seja a varincia da populao.
63
(1) Seja u
um estimador no-viciado de u . Se g(u
) uma funo do parmetro u ,

ento E[g(u
)]= g[E(u
)] com a igualdade ocorrendo somente quando g(u ) for

uma funo linear.
(2) A funo densidade de probabilidade da varivel aleatria x dada por
o
1
) ( = x f
para o s s x 0 e 0 para outros valores. Assim sendo, considerando-se uma amostra
aleatria de tamanho n ,
n
x x x x , , ,
3 2 1
, o estimador de Mxima Verossimilhana
de o ser igual ao Mnimo de
n
x x x x , , ,
3 2 1
.
(3) Dado que as varincias das estatsticas
1
) (
1
2
2
1
=

=
n
x x
S
n
i
i
e
n
x x
S
n
i
i
=

=
1
2
2
2
) (
so,
respectivamente, iguais a
1
2
4
n
o
e
2
4
)
1
(
1
2
n
n
n
o
, ento
2
2
S mais preciso do que
2
1
S embora seja uma estatstica viciada.

O candidato X a governador de certo estado afirma que detm mais de 45% das intenes
de voto do eleitorado na prxima eleio. Para verificar a veracidade da informao, o
candidato Y mandou realizar um levantamento estatstico utilizando, para tanto, uma
amostra aleatria de 625 eleitores. O resultado do levantamento foi o seguinte:

Candidato X Y Outros Total
Nmero de votos 255 265 105 625

Com as informaes dadas, podemos concluir que:

(0) A afirmao do candidato X verdadeira com base num teste de hipteses, para um
nvel de significncia de 5%.
(1) Com uma confiana de 90%, o intervalo de confiana para a verdadeira proporo
de intenes de voto para o candidato Y (39%; 46%), arredondando para nmeros
inteiros as percentagens encontradas.
(2) Com a mesma confiana de 90%, o intervalo estimado para a verdadeira proporo
de intenes de voto para o candidato X (38%; 44%), arredondando para nmeros
inteiros as percentagens encontradas.
(3) A afirmao de que o candidato Y detm mais de 42% das intenes de voto
verdadeira, com base num teste de hipteses com nvel de significncia de 1%.

64
Deseja-se estimar o faturamento mdio, , de uma empresa. A informao que se tem de
que o desvio padro dos valores das faturas desta empresa de R$25,00. Se existem 500
faturas desta empresa, encontre o tamanho da amostra necessrio para estimar, , com um
limite sobre o erro de estimao de R$5,00. Considere somente a parte inteira da resposta.

Com relao teoria de Teste de Hipteses, pode-se afirmar que:

(0) Se o objetivo testar a hiptese Nula,
0 0
: u u = H , contra a hiptese Alternativa de
que,
0
: u u =
a
H , ento deve-se rejeitar
0
H quando
2
1
0
0
(
o
u
u u
>
C
dp
onde, o
valor crtico,
2
1
o
C , determinado da distribuio t-Student ou da distribuio

Normal em funo do nvel de significncia o .
(1) Um teste de hiptese dito o mais poderoso se tem o maior poder do que qualquer
outro teste, ainda que os nveis de significncias sejam diferentes.
(2) Um teste de hiptese no-viciado se seu poder maior ou igual do que a
probabilidade do erro do tipo I para todos os valores dos parmetros.
(3) A estatstica t-Student utilizada nos testes de hipteses para a mdia populacional
quando a varincia dos elementos da populao,
2
o , no conhecida.

Seja X
1
, X
2
,..., X
n
uma amostra aleatria da densidade Normal(0,u) e seja T=1/n
=
n
i
i
X
1
2
.
(0) T o estimador de mxima verossimilhana (EMV) de u.
(1) T um estimador tendencioso de u.
(2) A varivel aleatria Z = u /
1
2
=
n
i
i
X tem distribuio qui-quadrado com n graus de
liberdade.
(3) E (
3
2
2
1
X X ) =u
2
.
(4) T um estimador eficiente de u.

Dadas as seguintes afirmativas sobre testes de hipteses, correto dizer que:

65
(0) A probabilidade do erro tipo I calculada utilizando-se a estatstica de teste, para
cujo clculo presume-se que a hiptese nula falsa.
(1) Uma vez definida a regio de confiana para um determinado parmetro da
populao, vrias hipteses nulas podem ser testadas utilizando-se este intervalo de
confiana.
(2) Quanto maior o p-valor, maior a credibilidade da hiptese alternativa.
(3) A aceitao de determinada hiptese nula implica que esta hiptese seja verdadeira.
(4) O poder de um teste a probabilidade de se rejeitar a hiptese nula quando esta for
falsa.

Seja Y uma varivel aleatria contnua com distribuio de probabilidade f(y;u), em que u =
(u
1
,u
2,
...,u
p
). Considere uma amostra aleatria de Y, com tamanho n. Com relao funo
de verossimilhana L(u), correto afirmar que:
(0) l(u)=ln L(u) =
=
n
i
i
y f
1
) ; ( log u , em que ln o logaritmo natural.
(1) A funo de verossimilhana tambm uma funo de densidade de probabilidade,
que possui, assim, todas as propriedades matemticas associadas a uma funo de
densidade de probabilidade.
(2) Uma condio necessria a que os estimadores de mxima verossimilhana devem
satisfazer que a matriz {
j i
l u u u c c c / ) (
2
} i,j =1, 2, ..., p, avaliada no ponto de
mximo, seja negativa definida.
(3) Sendo T
n
o estimador de mxima verossimilhana do parmetro escalar u
1,
segue-se
que T
n
apresenta a seguinte propriedade:
0 ) | Pr(|
1
lim
= >

c u
n
T
n
, c >0.
(4) Sendo |=g(u
1
), em que g(.) uma funo um a um de u
1
, e T
n
o estimador de
mxima verossimilhana de u
1,
segue-se que o estimador de mxima verossimilhana
de | ser G
n
=g(T
n
)[d|/du
1
] , em que a derivada avaliada em u
1
=T
n
.

Sejam pe p
~
dois estimadores do parmetro p da distribuio Binomial, em que Y a
varivel desta distribuio e n o tamanho da amostra:

.
1
1
~
+
+
= =
n
Y
p
n
Y
p ,
ondep o estimador de mxima verossimilhana do parmetro p. Sob o critrio do erro
quadrado mdio, para pequenas amostras, no h supremacia de um estimador sobre o
outro. O vis do estimador p
~
dado por )] 1 ( ) 1 [( n p + .
66

Uma urna contm bolas azuis e bolas verdes. Para testar a hiptese de que a proporo de
bolas azuis igual proporo de bolas verdes, obteve-se uma amostra de 64 bolas, com
reposio, anotando-se as cores das bolas retiradas e adotando-se a seguinte regra: aceitar a
hiptese de que a urna possui iguais propores de bolas azuis e verdes se forem retiradas
entre 28 e 36 (inclusive os extremos) bolas de uma mesma cor; rejeit-la caso contrrio.
Calcule a probabilidade de se cometer um erro do tipo I. (Multiplique o resultado por 100 e
arredonde).

Uma amostra de tamanho n foi selecionada de uma populao de m elementos. Pode-se
afirmar que:

(0) A mdia amostral

X
um estimador no tendencioso e eficiente da mdia
populacional se todos elementos de m tiverem a mesma probabilidade de serem
selecionados .
(1) A varincia da distribuio amostral de

X

2
n
o
se a populao for infinita ou se a
amostragem for com reposio.
(2) Se a populao for finita, a varincia da distribuio amostral de

X

2
1
(1 )
n n
o

porque as observaes da amostra so independentes.
(3) Se X for uma varivel aleatria qualquer a distribuio de

X
ser normal com mdia
e varincia

2
1 n
o
.
(4) Se

lim ( ) 0
n
E X
=
, ento

X
um estimador assintoticamente no tendencioso.

Em relao ao intervalo de confiana estatstico pode-se afirmar:

(0) Utiliza-se a distribuio normal z padronizada para estimar-se o intervalo de
confiana da mdia populacional somente quando a populao for normalmente
distribuda.
(1) Emprega-se um fator de correo para a estimativa do desvio-padro quando a
populao finita, ou a amostra extrada sem reposio.
67
(2) Para aumentar a preciso de uma estimativa por intervalo, o pesquisador deve
aumentar o intervalo de confiana de 95% para 99%, por exemplo.
(3) Aumentando-se o tamanho da amostra, aumenta-se a preciso de uma estimativa por
intervalo.
(4) Sendo x =14 a mdia de uma amostra aleatria de 36 elementos extrada de uma
populao normal cujo desvio padro o =2, o intervalo de confiana da mdia
populacional, a 95%, ser 14 0,55. Use a tabela da distribuio Normal em anexo.

Sobre testes de hipteses, pode-se afirmar que:

(0) O erro do tipo I consiste em rejeitar a hiptese nula quando ela verdadeira.
(1) Nvel de significncia a probabilidade de se cometer erro do tipo II.
(2) Por potncia do teste entende-se a probabilidade de se rejeitar a hiptese nula
quando esta for falsa.
(3) A opo pelo teste unilateral ou bilateral decorre da expectativa terica sobre o
parmetro que estiver sendo testado.
(4) Um intervalo de confiana de 100(1-o)% tambm pode ser utilizado para o teste de
significncia de um parmetro populacional, caso o teste seja bilateral.

Sabe-se que certa caracterstica de uma populao tem distribuio Qui-quadrado com 18
graus de liberdade. Tendo sido extrada uma amostra de 25 elementos desta populao,
estime a probabilidade de que a mdia amostral X esteja no intervalo 15 s s X 21. Use a
tabela da distribuio Normal em anexo. Resposta em percentagem, aproximando para o
inteiro superior mais prximo.

Seja X uma varivel aleatria com distribuio de probabilidade que dependa do parmetro
desconhecido u, tal que E(X) =u. Seja tambm x
1
, x
2
,..., x
n
uma amostra aleatria de X.

(0) Para amostras suficientemente grandes, o estimador de mxima verossimilhana de
u, caso exista, segue uma distribuio Normal.
(1) Se
=
=
n
i
i i
x c
1
u um estimador de u, este no ser viciado desde que 1

1
=
=
n
i
i
c . Alm
do mais, u
ter varincia mnima se c

i
=1/n para todo i.
68
(2) Se
=
=
n
i
i
x
n
1
1
u um estimador no viciado de u, ento

2
u tambm ser um
estimador no viciado de
2
u .
(3) Se a varivel aleatria X uniformemente distribuda no intervalo [0,u], com u >0,
ento
n
n 1
+
= u mximo[x
1
, x
2
, ..., x
n
] no um estimador consistente de u.
(4) Se
1
u e
2
u so dois estimadores do parmetro u em que E (

1
u ) =
1
e E (
2
u ) =
2

mas Var (
2
u ) <Var (
1
u ), ento o estimador
2
u deve ser prefervel a

1
u .

Indique se as seguintes consideraes sobre a teoria dos testes de hiptese so verdadeiras
(V) ou falsas (F).

(0) O erro do tipo II definido como a probabilidade de no se rejeitar uma hiptese
nula quando esta for falsa e o erro do tipo I definido como a probabilidade de se
rejeitar a hiptese nula quando esta for verdadeira.
(1) No teste de hiptese para propores, se a varincia da proporo populacional for
desconhecida, a estatstica t de Student com n-1 graus de liberdade (n o tamanho
da amostra) a indicada para o teste.
(2) Num teste de hiptese bi-caudal, o valor-p (ou valor de probabilidade) igual a duas
vezes a probabilidade da regio extrema delimitada pelo valor calculado da
estatstica do teste.
(3) No se pode realizar um teste de hiptese para a varincia populacional pois a
estatstica do teste, que segue uma distribuio Qui-quadrado com n -1 graus de
liberdade (n tamanho da amostra), no simtrica.
(4) No teste de hiptese para a mdia (H
0
: =0 contra H
a
: = 0), ao nvel de
significncia o, se o intervalo de confiana com 1-o de probabilidade no contiver
= 0, no se poder rejeitar H
0
.

Com relao a testes de hiptese, correto afirmar que:

(0) O p-valor de um teste representa a probabilidade de aceitao da hiptese nula;
(1) O nvel de significncia de um teste a probabilidade de se cometer o erro tipo I;
(2) A potncia do teste a probabilidade de se cometer o erro tipo II;
(3) Em um modelo de regresso linear utiliza-se um teste bilateral para verificar se
determinado coeficiente estatisticamente diferente de zero;
(4) O nvel de significncia de um teste de hiptese cresce com o tamanho da amostra.

69

Sejam X
1
, X
2
,..., X
n
variveis aleatrias independentes e normalmente distribudas com
mdia e varincia
2
. Em relao ao teste de hiptese da mdia
0 0
: = H contra
0
: <
a
H , so corretas as afirmativas:

(0) Se o p-valor do teste for menor que o nvel de significncia, , a hiptese
0
H deve
ser rejeitada.
(1) Se a varincia
2
o for conhecida, a estatstica do teste segue a distribuio t-Student.
Caso contrrio, a distribuio do teste ser a Normal Padro.
(2) Dados os parmetros da populao: 50
0
= e
2
o =900, suponha que a mdia de
uma amostra aleatria de tamanho 36 retirada desta populao seja 47 = X . Neste
caso, o nvel de significncia do teste, , ser igual a 0,2743.
(3) A funo-potncia para este teste de hiptese ser uma funo decrescente da
mdia .
(4) Se a hiptese alternativa fosse
0
: >
a
H , ainda assim a funo-potncia seria
decrescente com a mdia .

Seja X uma varivel aleatria normalmente distribuda com mdia e varincia conhecida
2
=1, da qual se obtm a amostra aleatria X
1
, X
2
,..., X
n
(com n observaes). correto
afirmar que:

(0) A mdia amostral uma varivel aleatria normalmente distribuda com mdia e
varincia 1/n.
(1) A probabilidade de o intervalo de confiana ] / 96 , 1 , / 96 , 1 [ n X n X + conter a
mdia da populao, , de 95%.
(2) A probabilidade de o intervalo de confiana ] / 96 , 1 , / 96 , 1 [ n X n X + conter a
mdia amostral de 95%.
(3) O intervalo de 95% para a mdia populacional independe do tamanho da amostra.
(4) Em um intervalo de confiana de 95% para a mdia populacional, , espera-se que,
extraindo-se todas as amostras de mesmo tamanho dessa populao, esse intervalo
conter 95% das vezes.

Com respeito a inferncia e estimao de parmetros populacionais, correto afirmar:

70
(0) Suponha que a varivel X tenha distribuio exponencial com densidade
0 , ) ( > =

x e x f
x |
| . As estatsticas X e mnimo[
n
X X X ,........, ,
2 1
] so estimadores
no-viciados de 1/|, mas a segunda prefervel primeira por apresentar menor
varincia.
(1) O valor esperado da estatstica
=

n
i
i
x x
n
1
2
) (
1
igual a
2
)
1
( o
n
n
, em que
2
o a
varincia da populao. Ento, um estimador no-tendencioso de
2
o ser
n
i
i
x x
n
1
2
) (
1
1
.
(2) Suponha que a varivel aleatria x seja uniformemente distribuda no intervalo [0, |],
em que | um parmetro desconhecido. O estimador de mxima verossimilhana de
| ser |
=mnimo[
n
x x x ,........, ,
2 1
].
(3) Se dois intervalos de confiana que esto sendo comparados apresentam o mesmo
coeficiente de confiana, ento se deve preferir aquele que apresenta a maior
amplitude.
(4) Suponha que x tenha distribuio N(
2
;o ) em que
2
o seja desconhecido. O
intervalo de confiana para a mdia da populao, , ser
1 ) ( 2 } { u = + s s z
n
z x
n
z x P
o
o
em que | (z) a funo de distribuio
Normal Padro.

Suponha que
32 2 1
,........, , x x x sejam 32 variveis aleatrias independentes, cada uma delas
tendo distribuio de Poisson com = 8. Empregando o teorema do limite central, estime a
probabilidade de que a mdia amostral seja 9 s x . Use a tabela da distribuio Normal
Padro anexa. Multiplique o resultado por 100 e transcreva a parte inteira.

Suponha que
n
x x x ,........, ,
2 1
sejam variveis aleatrias independentes, identicamente
distribudas, com mdia E(x
i
) = (i = 1,2,3,...n) e varincia
2
=10. Utilizando a lei dos
grandes nmeros responda questo. Qual dever ser o valor de n de modo que possamos
estar 95% seguros de que a mdia amostral x difira da mdia por menos de 0,1? Divida o
resultado final por 1000.

71
Duas fbricas, A e B, produzem determinado tipo de lmpada. Um comprador dessas
lmpadas decide verificar a origem de seu estoque. Para isso, seleciona uma amostra
aleatria de 100 unidades (de seu estoque) e verifica a durao de cada uma delas. Se a
durao mdia for maior do que 170 horas, conclui que a lmpada foi fabricada pela
empresa B; caso contrrio, que a lmpada veio da empresa A. Os dois fabricantes asseguram
que a durao de suas lmpadas segue distribuio normal: a de A com mdia
A
=169
horas e a da B com mdia
B
=171 horas. As duas distribuies tm o mesmo desvio padro
o =10 horas. Usando a tabela da normal padro, anexa, julgue as afirmativas:

(0) A probabilidade do erro Tipo I 0,1587.
(1) A probabilidade do erro Tipo II diferente de 0,1587.
(2) A regra de deciso, ao nvel de significncia de 5%, ser: se a durao mdia for
maior que 170,64 horas, as lmpadas foram fabricadas pela empresa B; do contrrio,
pela empresa A.
(3) A probabilidade do erro do Tipo II, para o nvel de significncia de 5%, 0,70.
(4) Para este teste de hiptese, a funo poder do teste crescente com a mdia , da
distribuio sob a hiptese nula.

Seja
n
X X X X ........, , , ,
3 2 1
uma amostra aleatria de tamanho n de uma populao normal
com mdia e varincia
2
o . Julgue as afirmativas:

(0) A probabilidade de a mdia populacional,
, estar contida no intervalo de confiana

] 96 , 1 , 96 , 1 [
n
X
n
X
o o
+ igual a 95%.
(1) Se a varincia
2
o desconhecida, o intervalo de confiana de 95% para a mdia
ser ] , [
n
s
t X
n
s
t X
c c
+ , em que s o desvio padro da amostra,
c
t calculado
de forma que 95 , 0 ) | (| = <
c
t t P , e t segue uma distribuio de Student com n -1
graus de liberdade.
(2) Se construirmos vrios intervalos de confiana para a mdia com amostras de
idntico tamanho, mesma varincia
2
o e mesma margem de confiana, estes tero
extremos aleatrios, mas todos tero a mesma amplitude.
(3) Num teste de hiptese:
0 0
: = H contra
0
: =
a
H , se o intervalo de confiana
estimado para a mdia no contiver o valor de
0
, ento deve-se aceitar a
hiptese de que
0
= .
(4) Se a amostra aleatria
n
X X X X ........, , , ,
3 2 1
no provm de uma distribuio
normal, no se pode construir um intervalo de confiana para a mdia , ainda que
a amostra seja muito grande.

72

Com relao a testes de hipteses, julgue as afirmativas:

(0) Em um teste de hipteses, comete-se um erro do tipo I quando se rejeita uma
hiptese nula verdadeira.
(1) O poder de um teste de hipteses medido pela probabilidade de se cometer o erro
tipo II.
(2) A soma das probabilidades dos erros tipo I e tipo II igual a 1.
(3) Quanto maior for o nvel de significncia de um teste de hipteses maior ser o
valor-p a ele associado.
(4) Se o valor-p de um teste de hipteses for igual 0,015, a hiptese nula ser rejeitada a
5%, mas no a 1%.

O tempo de utilizao de um telefone celular durante um dia qualquer uma varivel
aleatria normal com mdia desconhecida e desvio padro de 10 minutos. Por quantos dias
se deve anotar os tempos de utilizao do celular para que o intervalo de confiana de 95%
para a mdia tenha amplitude de 2 minutos? Transcreva para a folha de respostas apenas a
parte inteira do resultado.

Considere as seguintes afirmativas acerca de um teste de hiptese:

(0) O erro tipo I definido como a probabilidade de no rejeitar a hiptese nula quando
a hiptese nula falsa.
(1) O poder do teste definido como a probabilidade de no rejeitar a hiptese nula
quando a hiptese nula verdadeira.
(2) O erro tipo II definido como a probabilidade de no rejeitar a hiptese nula quando
a hiptese alternativa verdadeira.
(3) O p-valor de um teste a probabilidade, sob a hiptese nula, de obter um valor da
estatstica pelo menos to extremo quanto o valor observado.
(4) Se um intervalo de confiana de 95% para a mdia amostral, calculado a partir de
uma amostra aleatria, excluir o valor 0, pode-se rejeitar a hiptese de que a mdia
populacional seja igual a 0 ao nvel de significncia de 5%.

73

(0) Suponha que X
1
, X
2
,..., X
n
sejam variveis aleatrias independentes e identicamente
distribudas e que X
i
~ ( )
2
,o N . Ento
=
=
n
i
i
n X X
1
um estimador eficiente de
.
(1) Suponha que X
1
, X
2
,..., X
n
distribudas e que X
i
~ ( )
2
,o N . Ento, se definirmos
=
=
n
i
i
n X X
1
,
( )
2
2
c
o
c s > X P para 0 > c .
(2) Se um estimador
^
u
de um parmetro
u
no viesado e a varincia de
^
u
converge
para 0 medida que o tamanho da amostra tende a infinito, ento
^
u
consistente.
(3) Suponha que X
1
, X
2
,..., X
n
distribudas e que X
i
~ Poisson(), i . Seja
=
=
n
i
i
n X X
1
. Pela lei dos grandes
nmeros, medida que n , X converge para .
(4) Suponha que X
1
, X
2
,..., X
n
distribudas e que
2
~
v i
X _ , i . Seja
=
=
n
i
i
n X X
1
. medida que n ,
( ) ( ) n v v X / 2 / aproxima-se de uma distribuio normal padro.

ANLISE DE REGRESSO

Regresso Simples

A capacidade de produo instalada (Y), em toneladas, de uma firma, pode ser funo da
potncia instalada (X), em 1000KW, ou da rea construda (Z) em 100
2
m . Dados:

X =38, Y =80, Z =100,
2
X =182
2
Y =736,
2
Z =1048 XY =361, YZ =848

Sendo n =10, pode-se afirmar que:

(0) Ao fazer uma regresso da capacidade de produo instalada em funo da potncia
instalada (Y = o + |X) obtm-se como estimativas de o e |, 2,24 e 1,52,
respectivamente.
(1) O
2
R da regresso em (0) de 0,90.
74
(2) Ao fazer uma regresso da capacidade de produo instalada em funo da rea
construda (X =o +|Z) obtm-se como estimativas de o e |, -2,00 e 1,00,
respectivamente.
(3) O
2
R da regresso em (2) de 0,92.
(4) Pode-se dizer que o melhor (porque tem maior correlao) usar a potncia instalada
(X), do que a rea construda (Z) para estimar a capacidade de produo.

O lucro Y de uma empresa em funo do tempo, X, tem distribuio normal com mdia
seguindo a estrutura linear de regresso o +|X e varincia, por pressuposio, constante.
Ajustando-se esse modelo por mnimos quadrados a uma srie de 5 anos obtiveram-se os
somatrios abaixo:

X =15, Y =38,
2
X =55,
2
Y =362, XY =141.

Pode-se afirmar que, exceto por erro de arredondamento,

(0) A estimativa do termo constante -0,5.
(1) O quadrado do coeficiente de correlao mltipla
2
R 80%.
(2) A estimativa do coeficiente de X 1,4.
(3) A estimativa da varincia do erro estocstico 0,10.
(4) A soma dos quadrados explicada pelo modelo 85,6.

Ainda em relao questo anterior (14/1991) pode-se concluir que, exceto por erro de
arredondamento:

(0) O erro padro da estimativa de o igual a 0,77.
(1) O erro padro da estimativa de | igual a 0,10.
(2) A previso do lucro para X =10 26,5 milhes de cruzeiros.
(3) O coeficiente do tempo altamente significativo produzindo um valor observado da
estatstica t de Student de 27.
(4) A estatstica F de adequao do modelo 729.

O custo total, C, de uma indstria e sua produo, X, tm uma relao linear do tipo
X C
1 0
| | + = . Para se ajustar esse modelo por mnimos quadrados ordinrios preciso
assumir certas hipteses como:
75

(0) A varivel independente X seja aleatria.
(1) Os erros tenham mdia zero.
(2) A varincia dos erros no seja constante.
(3) Os erros sigam uma distribuio normal.
(4) A varivel independente X seja independente do temo erro.

Considere o modelo
i i i
u X Y + + = | o , estimado pelo mtodo dos Mnimos Quadrados
Ordinrios. Pode-se dizer que:

(0) Se o coeficiente | estimado for igual a um ( 1
= | ), a correlao linear entre X e Y

ser perfeita.
(1) A significncia de | ser testada tanto por meio de teste t quanto do teste F.
(2) Se o
2
R estimado for menor que 10%, o modelo dever ser abandonado.
(3) Se for introduzida mais uma varivel explicativa no modelo, o
2
R certamente no
diminuir.
(4) Se o coeficiente o estimado for inferior unidade ( 1 < o ), a reta passar pela
origem.

Dada a funo de produo
u
e L K P
2 1
0
| |
| = , tem-se que:

(0) Se houver correlao linear perfeita entre K e L, necessariamente o modelo no
poder ser estimado.
(1)
2 1
| | e so as elasticidades produto-capital e produto-trabalho respectivamente.
(2) Para verificar se a funo homognea de grau 1 deve-se testar a hiptese de que
1
2 1
= + | | .
(3) Se o teste t indicar que
1
| no significante, a varivel K dever ser retirada do
modelo.
(4) Se o
2
R ajustado for menor que
2
R , uma das variveis suprflua.

Quanto ao modelo de regresso linear simples da forma
i i i
u bX a Y + + = , em que Y
representa a produo de parafusos; X a quantidade de trabalho, medida em homens/hora de
trabalho; e u a perturbao aleatria; podemos afirmar que:

76
(0) O valor da varivel Y nunca pode ser previsto exatamente devido presena da
perturbao ocasionada pela varivel independente X.
(1) Para cada valor de
i
X , temos como pressuposto bsicos que o correspondente
i
u
tem distribuio normal com mdia zero.
(2) O pressuposto de homocesticidade significa que cada perturbao tem a mesma
varincia cujo valor desconhecido.
(3) Pelos seus pressupostos bsicos, as perturbaes
i
u so no correlacionadas e
estatisticamente dependentes.

Seja
i i i
x y c | o + + = uma equao de regresso e sejam a e b estimadores de mnimos
quadrados ordinrios (MQO) de o e |, respectivamente. Pode-se afirmar que:

(0) A hiptese de mdia zero do termo aleatrio imprescindvel para que b seja um
estimador no-viesado de |.
(1) A hiptese de no-autocorrelao dos resduos dignifica que x e c so
independentes.
(2) A hiptese de que x no-estocstica necessria para que a e b sejam estimadores
no-viesados.
(3) Se a hiptese de homoelasticidade for vlida, ento a e b sero estimadores eficientes
dentro da classe dos estimadores lineares no-viesados.
(4) A hiptese de normalidade do termo aleatrio necessria para garantir a eficincia
dos estimadores de MQO dentro da classe dos estimadores lineares no viesados.

Suponha que, num modelo de regresso linear simples, o regressor (varivel independente)
seja correlacionado com o termo erro. Sobre o estimador de MQO, podemos afirmar:

(0) , em geral, viesado.
(1) No possvel de ser obtido.
(2) no viesado, porm no eficiente.
(3) consistente.

Considere o seguinte modelo de regresso, em forma matricial, com T observaes
amostrais e k regressores (X):

77
c
|
1
1 1

+ =
T
k
k T
T
X
y
,

(0) Com regressores no-estocsticos, o estimador de mnimos quadrados ordinrios de
| uma funo linear das observaes amostrais.
(1) O estimador de mxima verossimilhana de | requer o pressuposto de mdia zero e
de varincia finita na estrutura de erros, dispensando a especificao de uma
distribuio paramtrica da mesma.
(2) O estimador de mxima verossimilhana de | enviesado, mas consistente.
(3) Os estimadores de mnimos quadrados ordinrios de | e de mxima verossimilhana
de | coincidem quando os erros so independentes e identicamente distribudos
com distribuio Normal.
(4) Caso c tenha distribuio multivariada Normal, com mdia zero, e matriz de
covarincia dada por
T
I
2
o , o estimador de mxima verossimilhana de
2
o
viesado para amostras finitas.

Seja o modelo de regresso linear clssico com duas variveis explicativas X
2
e X
3:
Y
i
=|
1
+
|
2
X
2i
+|
3
X
3i
+u
i
. correto afirmar que:

(0) Se a correlao entre X
2
e X
3
zero, ento o estimador de mnimos quadrados
ordinrios (MQO) de
2
|

i
i
i
i i
X X
Y Y X X
2
2
_
2
2
2
) (
) )( (
.

(1) Mesmo que a correlao entre X
2
e X
3
seja igual unidade, pode-se estimar |
2
+c|
3,

em que c uma constante conhecida.
(2) A eficincia relativa dos estimadores de MQO, dentro da classe dos estimadores
lineares no viesados, garantida pelo Teorema de Gauss Markov, necessita da
hiptese de normalidade do erro (u
i
).
(3) Se o erro (u
i
) heterocedstico, os estimadores de MQO sero viesados.
(4) Se as variveis explicativas so estocsticas, porm no correlacionadas com o erro
(u
i
), ento, os estimadores dos parmetros do modelo so no-viesados.

O seguinte modelo de regresso foi estimado utilizando-se dados trimestrais entre 1979 e
1998, inclusive:
^
i
Y =2.20+0.104X
2i
78

A soma total explicada foi 100,5. Quando esta equao foi re-estimada, adicionando-se trs
dummies sazonais, a soma total explicada aumentou para 114,5 e a soma do quadrado dos
resduos foi igual a 20,00. Suponha que deseja-se testar se a sazonalidade significativa.
Calcule a estatstica de teste adequada.

Considere o seguinte modelo de regresso linear clssico, relacionando as variveis
quantidade demandada (Q) e preo do produto (P). Admita que as duas variveis sejam
medidas em Reais, e que a estimao ser efetuada por MQO (ln logaritmo natural)

lnQ
i
= |
1
+|
2
lnP
i
+u
i
i =1,2,..., 100.


(0) Variando-se o preo em 1%, a quantidade demandada variar 10|
2
%, ceteris
paribus.
(1) Ignorando-se o termo aleatrio, se o preo ultrapassar determinado limite, ser
possvel obter quantidades demandadas negativas.
(2) Se mudarmos as unidades de Q e P para dlares americanos, ento a estimativa de |
2

na nova equao ser igual a sua estimativa obtida na equao em Reais.
(3) Se a varivel ln Y (Y =renda) for acrescentada ao modelo o coeficiente R
2
desta
nova regresso ser maior ou igual ao coeficiente R
2
da regresso original.
(4) Se o coeficiente R
2
ajustado da regresso com a varivel ln Y for maior do que o
coeficiente R
2
ajustado da regresso original, ento necessariamente, o coeficiente de
ln Y estatisticamente significante, ao nvel de significncia de 5%, em um teste bi-
lateral.

Ao testar a significncia do coeficiente angular de um modelo de regresso linear simples
encontrou-se valor-p =3x10
3
. Pode-se afirmar que:

(0) O erro tipo II ser igual a 3x10
3
.
(1) A probabilidade de o verdadeiro valor do parmetro encontrar-se no intervalo
|
|
S 99,7%.
(2) O mais baixo nvel de significncia ao qual a hiptese nula pode ser rejeitada
3x10
3
.
(3) O coeficiente significante a 99% de confiana.
(4) A potncia do teste definida por (1 0,003).

79

A partir de uma amostra de n elementos, foi estimada uma regresso linear simples, pelo
mtodo de mnimos quadrados, obtendo-se os resultados:

t t
X Y
1
| o + = 0 = o
1
2
1
K R =

A seguir, a mesma regresso foi estimada sabendo-se que a reta de regresso da populao
passa pela origem das coordenadas (termo constante =0), obtendo-se os resultados:

t t
X Y
2

| =
2
2
2
K R =


(0)
|
1
=
|
2

(1) ) de padro (desvio ) de padro (desvio
1 2
1 2
| |
| |
s s <
(2) A reta
X
2
|
passa pelo ponto mdio da amostra ( Y X, )
(3) (K
2
/ K
1
) >1
(4) A soma dos resduos de mnimos quadrados de ambas equaes estimadas zero.

Um econometrista estimou uma funo consumo usando 25 observaes anuais da renda
pessoal disponvel e consumo, a partir do modelo:

1 2 t t t
C Y u | | = + +
, em que:

t
C
=consumo em t;

t
Y
=renda pessoal disponvel em t;
i
u =erro aleatrio

Os resultados indicaram parmetros significativos a 5%, coeficiente de determinao de 0,94
e d de Durbin-Watson 0,5421. Com base nesses nmeros, o econometrista fez o teste de
Dickey-Fuller aumentado (ADF) para as sries de renda e de consumo, obtendo estimativas
de

t
menores que os valores crticos de

t
tabelados, a 1%, 5% e 10%.

Conseqentemente, o econometrista:

(0) Aceitou a hiptese nula do teste ADF, concluindo que as sries de renda e consumo
so no-estacionrias;
80
(1) Concluiu que os testes t e F no so vlidos.
(2) Concluiu que o teste t no vlido.
(3) Concluiu que a regresso estimada espria.
(4) Necessita fazer mais outros testes para verificar se a regresso estimada espria.

No modelo clssico de regresso linear:

1 2 i i i
Y X u | | = + +

(0) A hiptese de que o erro normalmente distribudo necessria para que os
estimadores de mnimos quadrados ordinrios tambm sejam normalmente
distribudos.
(1) Se a hiptese 0 ) , | , cov( =
j i j i
X X u u , i = j for violada, os estimadores de mnimos
quadrados ordinrios sero viesados e no eficientes.
(2) As hipteses de que o erro normalmente distribudo e de que
0 ) , | , cov( =
j i j i
X X u u , i=j asseguram que
i
u e
j
u se distribuem
independentemente.
(3) A hiptese
2
) | ( o =
i i
X Var necessria para que os estimadores de mnimos
quadrados ordinrios sejam no tendenciosos.
(4) Os estimadores de mnimos quadrados de
1
| e
2
| podem ser escritos como
combinaes lineares das observaes
i
Y .

Pode-se afirmar sobre o modelo de regresso linear clssico y
t
=
1
| +
2
| x
t
+u
t

(0) A reta de regresso passa pelas mdias amostrais de y e x, mesmo que o modelo no
tenha intercepto.
(1) Na presena de heterocedasticidade, o estimador de MQO viesado e no se pode
confiar nos procedimentos de testes usuais (F e t), j que o estimador alm de
viesado, ineficiente.
(2) Na presena de autocorrelao dos resduos, os estimadores de MQO so no
viesados e consistentes.
(3) Quanto maior for a variao da varivel explicativa, maior ser a preciso com que o
coeficiente angular pode ser estimado.
(4) Se R
2
(coeficiente de determinao) for zero, ento a melhor previso para um valor
de y sua mdia amostral.

81
O mtodo dos mnimos quadrados ordinrios foi empregado para estimar o modelo de
regresso abaixo, cujo objetivo explicar as variaes de renda entre 526 indivduos:

, 526 , 441 , 0
, 00058 , 0 029 , 0 080 , 0 297 , 0 417 , 0 ) log(
2
2
) 00010 , 0 ( ) 005 , 0 ( ) 007 , 0 ( ) 036 , 0 ( ) 099 , 0 (
= =
+ + + =
n R
u exper exper educ sexo renda

em que sexo uma varivel dicotmica (valor 1, se for homem e 0, caso contrrio), educ o
nmero de anos de escolaridade, exper experincia profissional, tambm medida em anos.
Os nmeros entre parnteses so os erros-padro das estimativas ) 4 ., ,.,.. 1 , 0 ( = i s
i
b
. Com
base nos resultados acima, correto afirmar:

(0) A regresso no estatisticamente significante pois o coeficiente de determinao
menor do que 0,5;
(1) A diferena de renda entre homens e mulheres no estatisticamente significante;
(2) Um ano a mais de escolaridade, mantidos constantes todos os demais fatores,
aumenta em 0,08% a renda de um indivduo do sexo feminino;
(3) A significncia conjunta das variveis educ e exper no pode ser medida por meio da
estatstica t. Para isto, o teste F deve ser utilizado;
(4) O modelo incapaz de captar diferenas nos retornos da educao entre homens e
mulheres.

Considere o modelo de regresso linear:

T t u Y C
t t t
, , 1 ,
1 0
= + + = o o ,

em que C
t
o consumo pessoal em t, Y
t
a renda pessoal em t e u
t
o termo aleatrio.

(0) Se C
t
e Y
t
so I(1), ento u
t
ser obrigatoriamente estacionrio;
(1) Se o C
t
e Y
t
so integradas, mas com ordens de integrao diferentes, ento a
regresso ser invlida;
(2) Se C
t
e Y
t
so I(1), ento o teste ADF aplicado aos resduos da regresso poder
identificar a presena de co-integrao entre as variveis;
(3) Se C
t
e Y
t
so I(1), mas os resduos so I(0), ento h co-integrao entre as
variveis;
(4) Se C
t
e Y
t
so I(1) e os resduos tambm so I(1), ento a regresso de C
t
em Y
t

invlida.

82
Considere a seguinte regresso entre y
t
e z
t
:

t t t
u z y + = o ,

em que u
t
o erro. So corretas as afirmativas:

(0) Se y
t
for I(1) e z
t
for I(0), ento y
t
e z
t
so co-integradas.
(1) Se y
t
for I(0) e z
t
for I(1), ento y
t
e z
t
so co-integradas.
(2) Se y
t
for I(1) e z
t
for I(1), ento y
t
e z
t
so co-integradas.
(3) Se y
t
for I(1), z
t
for I(1) e u
t
for I(0), ento y
t
e z
t
so co-integradas.
(4) Se u
t
for I(0) as sries y
t
e z
t
so necessariamente co-integradas.

Um pesquisador estima o seguinte modelo de regresso simples:
i i i
e X Y + + =
1 0
| | . Outro
pesquisador estima o mesmo modelo, mas com escalas diferentes para
i
Y e
i
X . O segundo
modelo :
* * *
1
*
0
*
i i i
e X Y + + = | | , em que:
i i
Y w Y
1
*
= ,
i i
X w X
2
*
= e
1
w e
2
w so
constantes maiores que zero.

(0) Os estimadores de Mnimos Quadrados Ordinrios de
0
| e
1
| so iguais aos de
*
0
|
e
*
1
| .
(1) Se
2 *
o a varincia estimada de
*
i
e e
2
o a varincia estimada de
i
e , ento
2 2
1
2 *
o o w = .
(2) As varincias dos estimadores dos parmetros do primeiro modelo so maiores do
que as varincias dos estimadores do segundo modelo.
(3) Os coeficientes de determinao so iguais nos dois modelos.
(4) A transformao de escala de (
i
Y ,
i
X ) para (
*
i
Y ,
*
i
X ) no afeta as propriedades dos
estimadores de Mnimos Quadrados Ordinrios dos parmetros.

Dois economistas usam os modelos abaixo para analisar a relao entre demanda de moeda
(m) e renda nacional (y). As variveis esto todas em logaritmos e a periodicidade mensal.

Economista A:
t t t
u y m 099 . 1
) 0086 . 0 (
+ = (Equao 1)
Economista B:
t t t
e y m 14 . 1
) 145 . 0 (
+ A = A (Equao 2)

Os valores entre parnteses so os erros-padro.

83
Testes Dickey-Fuller Aumentado (ADF), com nmero apropriado de defasagens maior que
zero em todos os casos, para as variveis e para os resduos dos dois modelos geram os
seguintes resultados:

Varivel m
t
y
t

t
Am
t
Ay
t

t

Estatstica-ADF -2.191 -1,952 -2.993 -5.578 -6.312 -8.456

O valor crtico da tabela Dickey-Fuller a 5% igual a 2,886. So corretas as afirmativas:

(0) Tanto a srie de demanda de moeda quanto a de renda nacional so integradas de
primeira ordem.
(1) As sries de demanda de moeda e de renda nacional no so cointegradas ao nvel de
significncia de 5%.
(2) Se a srie de demanda de moeda for estacionria na diferena (difference
stationarity) ela no pode ser estacionria na tendncia (trend stationary).
(3) Se as sries de demanda de moeda e de renda nacional forem cointegradas, o
Economista B deve incluir o erro defasado
t-1
em seu modelo.
(4) A srie de renda nacional um passeio aleatrio puro.

Considere o seguinte modelo de regresso:

y
i
=
1
+
2
x
i
+u
i,
i =1,...,n

Suponha que x
i
no estocstico e que

E[u
i
] =0, E[u
i
] = , E(u
i
, u
j
) =0 para todo i j

Considere os dois estimadores alternativos de
2
:

=
=
=
n
i
i
n
i
i i
x
y x
b
1
2
1
2
e
( )( )
( )
=
=

=
n
i
i
n
i
i i
x x
y y x x
1
2
1
2
| , onde
=
n
i
i
x n x
1
1
e
=
n
i
i
y n y
1
1
so as
mdias amostrais de x e y respectivamente. correto afirmar que:

(0) b
2
em geral um estimador no viesado de
2
.
(1)
2
| um estimador no viesado de
2
se e somente se
1
=0.
(2)
2
| mais eficiente do que b

2
se
1
=0.
(3) b
2
um estimador no viesado de
2
se, para qualquer amostra de tamanho n, 0 = x .
(4) b
2
um estimador no viesado de
2
se, para qualquer amostra de tamanho n, 0 = y .

84

Considere o seguinte modelo de regresso linear clssico em que as variveis so expressas
como desvios em relao s respectivas mdias:

y
i
= x
i
+u
i,
i =1,...,n
e

E[u
i
] =0, E[u
i
] = , E(u
i
, u
j
) =0 para todo i j

Suponha, por simplicidade, que x
i
um regressor escalar no estocstico. Prope-se estimar
atravs da razo entre as mdias amostrais de y
i
e x
i
:

x
y
= o

Calcule a varincia de o . Multiplique o resultado por 100. (Sabe-se que = 100, n = 100 e
5 /
1
= =
=
n x x
n
i
i
).

Considere a seguinte regresso

y

=X +c

em que y, X e c so vetores de dimenso nx1 e um escalar. Adicionalmente, suponha
que E(c |X) =0 e que

| |
(
(
(
(
(
(
=
(
(
(
(
(
(
=
(
(
(
(
(
(
= = O
0
0
5
7
0
1
1
1
1
1
,
8 0 0 0 0
0 6 0 0 0
0 0 4 0 0
0 0 0 3 0
0 0 0 0 1
|
'
y e X X E cc

Compute a varincia condicional em X do estimador de mnimos quadrados ordinrios de .

Regresso Mltipla

85
Considerando o modelo de regresso mltipla
j kj k j j j
X X X Y c | | | | + + + + + =
2 2 1 1 0
,

(0) A anlise de varincia da regresso testa se todos os coeficientes estimados da
regresso (
j
|
) so significantes simultaneamente.
(1) O vetor de solues para os parmetros
j
| expresso por Y X X X ' ) ' (
1
= | .
(2) Para estimar os parmetros
j
| da regresso necessrio que as variveis
explicativas sejam independentes entre si.
(3) O coeficiente de determinao mltipla corrigido para graus de liberdade (
2
R ) pode
ser negativo.

Em relao ao modelo de regresso mltipla

, 2 , 1 ,
2 2 1 1 0
= + = + + + = i e X X X Y
i ki k i i i
| | | |


(0) O mtodo, dos mnimos quadrados ordinrios (MQO), usado para estimar os
coeficientes k j
j
, , 1 , 0 , = | exige que o erro tenha distribuio normal.
(1) Se adicionarmos um novo regressor
1 + k
X equao acima ento o coeficiente de
determinao,
2
R pode ou no aumentar.
(2) Os estimadores de MQO dos coeficientes k j
j
, , 1 , 0 , = | so no viciados (ou no
viesados).
(3) Os coeficientes k j
j
, , 1 , 0 , = | podem ser interpretados como as elasticidades
entre os regressores
j
X e a varivel Y.

Em um modelo clssico de regresso linear mltipla:

(0) Uma das hipteses estabelece que as variveis explicativas so linearmente
independentes.
(1) Os testes t e F no so equivalentes.
(2) A comparao do poder explicativo de modelos envolvendo nmero diferente de
variveis explicativas deve ser feita com base no
2
R ajustado.
(3) Cada uma das variveis explicativas tem distribuio normal.
(4) A varincia da varivel dependente igual varincia do termo aleatrio.
86

Uma implementao emprica do modelo de capital humano feita com a seguinte
especificao:

( )
i i i i
S XPR XPR c | | | | + + + +
3
2
2 1 0 i
= lnY ,

onde
i
Y representa a renda do trabalho do i-simo indivduo, S
i
o nmero total de anos de
sua escolaridade,
i
A sua idade medida em anos, e,
i
S
i i
A = XPR , sua experincia de
trabalho, medida pela diferena entre sua idade e o total de anos de escolaridade.
Finalmente,
i
c um distrbio aleatrio do modelo de regresso associado ao i-simo
indivduo de uma amostra de N indivduos. Pode-se afirmar que:

(0) Se os erros so independentes e identicamente distribudos, a razo entre os
estimadores de mnimos quadrados ordinrios dos
i
| s e seus respectivos desvios-
padro tm distribuio assinttica Normal.
(1) O sinal do coeficiente
2
| indica a presena de retornos decrescentes ou crescentes
experincia de trabalho.
(2) Mesmo em presena de heterocedasticidade na estrutura de erros, o estimador de
mnimos quadrados ordinrios consistente.
(3) Mesmo em presena de heterocedasticidade na estrutura de erros, o estimador de
mnimos quadrados ordinrios relativamente eficiente.

Considere o seguinte modelo de Regresso Linear Mltiplo:

n t X X Y
t t t t
,.... 3 , 2 , 1 ,
2 2 1 1
= + + + = | | o

onde E(
t
) =0, Var(
t
) =
2
o e
t
X
1
,
t
X
2
so sries de valores fixos.

(0) Se,
t
X
1
=
t
X
2
, ainda assim possvel obter os estimadores de Mnimos Quadrados de
o,
1
| e
2
| .
(1) Se
s
e
t
so independentes para todo s t = , ento dentro da classe dos
estimadores lineares no tendenciosos, os estimadores de Mnimos Quadrados de o,
1
| e
2
| so os melhores.
87
(2) Caso
t
X
2
=Y
t-1
na equao acima, e os erros
t
sejam autocorrelacionados, o
estimador de Mnimos Quadrados de o,
1
| e
2
| mantm a propriedade de no-
tendenciosidade.
(3) Quando a varincia dos resduos, Var(
t
), varia para cada t , ento os estimadores
de Mnimos Quadrados de o,
1
| e
2
| ainda so no tendenciosos, mas ineficientes.
(4) No caso da existncia de autocorrelao e heterocedasticidade dos resduos, as
varincias amostrais dos estimadores de Mnimos Quadrados de o,
1
| e
2
| so
tendenciosas, fazendo com que os testes de hipteses destes parmetros fiquem
comprometidos.

Seja o seguinte modelo de regresso linear mltipla na forma matricial:

c | + = . X Y ,

onde as dimenses das matrizes e dos vetores envolvidos so: Y =>(n 1); X =>(n k);
| =>(k 1); e c =>(n 1). Ento, podemos fazer as seguintes afirmaes:

(0) Um dos pressupostos bsicos do modelo : Os elementos da matriz X so
estocsticos com valores fixados em amostras repetidas.
(1) Outro pressuposto bsico : nenhuma das variveis independentes deve estar
perfeitamente correlacionada com qualquer outra varivel independente ou com
qualquer combinao linear de outras variveis independentes.
(2) As equaes normais de mnimos quadrados para o modelo dado podem ser
apresentadas em notao matricial como |
) ' ( ) ' ( X X Y X = e a soluo para |
ser
) ' ( ) ' (
1
Y X X X

= | .
(3) Quando testamos a existncia do modelo de regresso, fazemos as seguintes
hipteses sobre os coeficientes | da regresso (admitindo que 0
1
= | , ou seja, a
regresso no passa pela origem):

Hiptese nula => H
0
: 0 ...
3 2
= = = =
k
| | |
Hiptese alternativa => H
1
: Todos os 0 =
i
| , para i =2, 3,, k.
(4) Os intervalos de confiana dos coeficientes da regresso podem ser calculados da
seguinte maneira:
) .
; .
(

i i
s t s t
k n i k n i
| |
| |

+

88
onde
i
|
=estimativa do coeficiente
i
| ;
k n
t

=abcissa de uma distribuio t com
(n - k) graus de liberdade, fixado o grau de confiana de intervalo; e
i
s
|
=erro
padro estimado de
i
|
.

Foram encontrados os seguintes resultados para estimar uma regresso linear com duas
variveis explicativas para uma amostra de tamanho 10.

Variveis
preditoras
Coeficiente
Desvio
padro
Estatstica
t
P-valor
Constante 223,3 254,8 0,88 0,410
X
1
-1,26 0,8263 -1,52 0,172
X
2
-1,03 3,213 -0,32 0,752

R
2
=81,2%; R
2
ajustado =76,1%; Valor calculado da estatstica F=15,1


(0) A equao de regresso estimada
2 1
. 03 , 1 . 26 , 1 3 , 223
X X Y = .
(1) A um nvel de significncia de 5% podemos afirmar que a regresso existe. Porm,
aps elaborarmos os testes de hipteses para os coeficientes individuais, aceitamos a
hiptese (a um nvel de significncia de 1%) de que o coeficiente para a varivel X
2

zero.
(2) O coeficiente de determinao indica que 81,2b% da variao amostral de Y podem
ser atribudos as variaes de X
1
e X
2
.
(3) O valor estimado para Y quando X
1
=15 e X
2
=80 220.
(4) Os valores tericos das estatsticas t utilizadas para testar os coeficientes das
variveis explicativas devem ser calculados para 7 graus de liberdade.

correto afirmar a respeito do modelo de regresso linear clssico multivariado:
c + = X Y , com n observaes e k >2 variveis explicativas, incluindo-se o intercepto.

(0) Os coeficientes de inclinao no se alteram quando se modificam as unidades de
medida de Y e X multiplicando-os por uma constante, por exemplo, transformando-
se seus valores de reais para dlares.
(1) Se o modelo for estimado com apenas k-1 variveis explicativas (mas mantendo o
intercepto), os coeficientes estimados podero ser viesados e inconsistentes.
89
(2) Quando os coeficientes s estimados forem altamente significativos,
individualmente, mas a estatstica F e o R
2
indicarem que o modelo como um todo
tem um baixo poder explicativo, pode-se desconfiar da presena de
multicolinearidade.
(3) Para testar a hiptese conjunta de que 0 ...
3 2
= = = =
k
, pode-se utilizar o teste
)] )( 1 [(
) 1 (
2
2
) ( ), 1 ( ;
k n R
k R
F
k n k

=
o
, em que R
2
o coeficiente de determinao do
modelo.
(4) Sempre que o modelo tiver pelo menos duas variveis explicativas alm do
intercepto, o R
2
ser maior ou igual ao R
2
ajustado.

Considere o modelo de regresso linear mltipla para dados seccionais

. , , 1 ,
2 2 1 1 0
n i u x x x y
i ki k i i i
= + + + + + = | | | |


(0) Para que os estimadores de mnimos quadrados sejam os melhores estimadores
lineares no-tendeciosos necessrio que os erros sejam normalmente distribudos;
(1) A hiptese que n i x x x u Var
ki i i i
, , 1 , ) , , , | (
2
2 1
= = o , no necessria para que
os estimadores de mnimos quadrados sejam consistentes;
(2) A incluso de uma nova varivel explicativa no modelo reduzir o coeficiente de
determinao R
2
;
(3) Para que as estatsticas t e F sejam vlidas assintoticamente necessrio que os erros
sejam normalmente distribudos;
(4) Se n i x x Cov
i i
, , 1 , 0 ) , (
3 1
= = os estimadores de mnimos quadrados ordinrios
da regresso n i u x x x y
i ki k i i i
, , 1 ,
2 2 1 1 0
= + + + + + = | | | | , sero
tendenciosos.

Considere o modelo de regresso linear mltipla para dados seccionais:

. , , 1 ,
2 2 1 1 0
n i u x x x y
i ki k i i i
= + + + + + = | | | |


(0) Para que os estimadores de mnimos quadrados sejam lineares no-tendeciosos de
menor varincia (BLUE) necessrio que os erros sejam homocedsticos.
90
(1) A hiptese que n i x x x u Var
ki i i i
, , 1 , ) , , , | (
2
2 1
= = o , necessria para que os
estimadores de mnimos quadrados sejam no-tendenciosos.
(2) As estatsticas t e F continuam vlidas assintoticamente mesmo que os erros da
regresso sejam heterocedsticos.
(3) Se n i x x Cov
i i
, , 1 , 0 ) , (
3 1
= = , os estimadores de mnimos quadrados ordinrios
da regresso n i u x x x x y
i ki k i i i i
, , 1 ,
4 4 2 2 1 1 0
= + + + + + + = | | | | | , sero
consistentes.
(4) Se n i x x Cov
i i
, , 1 , 0 ) , (
3 1
= = os estimadores de mnimos quadrados ordinrios
da regresso n i u x x x x y
i ki k i i i i
, , 1 ,
4 4 2 2 1 1 0
= + + + + + + = | | | | | , sero
consistentes.

Um pesquisador estimou uma regresso mltipla com 5 variveis independentes e n =56,
mas na pressa, no imprimiu os resultados e anotou apenas o valor do R
2
=0,90, o
coeficiente de determinao. Este pesquisador precisa verificar se a regresso significante.
Ajude-o, calculando o valor da estatstica do teste a ser empregado.

A respeito do modelo de regresso mltipla:

i i i i
e X X Y + + + =
2 2 1 1 0
| | |

em que
i
e tem mdia zero e varincia
2
o , so corretas as afirmativas:

(0) No caso de uma forte colinearidade entre
i
X
1
e
i
X
2
, tende-se a aceitar a hiptese
nula de que 0
2
= | , pois a estatstica t subestimada.
(1) Se os erros so autocorrelacionados, ainda assim os estimadores de Mnimos
Quadrados Ordinrios de
1
| e
2
| so lineares e no tendenciosos.
(2) Se os erros so heterocedsticos, ainda assim os testes usuais t e F podem, sem
prejuzo algum, ser empregados para se testar a significncia dos parmetros do
modelo, caso estes sejam estimados por Mnimos Quadrados Ordinrios.
(3) Erros de medida da varivel dependente reduzem as varincias dos estimadores de
Mnimos Quadrados Ordinrios de
1
| e
2
| .
(4) A omisso da varivel explicativa relevante, X
2
, para explicar a varivel dependente,
Y
i
, torna a estimativa dos coeficientes |
0
e |
1
tendenciosa e inconsistente, se somente
se, a varivel omitida X
2
, for correlacionada com a varivel includa, X
1
.

91
dada a seguinte funo de produo para determinada indstria:

i i i i
u K L Y + + + = ) ln( ) ln( ) ln(
2 1 0
| | | ,

em que Y o valor adicionado por firma (em reais), L o trabalho empregado, K o valor
do capital (em reais) e u o termo aleatrio. Uma amostra aleatria de 27 observaes leva
s seguintes estimativas:

76 , 0 R
84 , 0
) ln( 3856 , 0 ) ln( 6022 , 0 1755 , 1 ) ln(
2
27
1
2
=
= =
+ + =
= i
i
i i i
u SQR
K L Y


(0) Se Y passasse a ser medido em mil reais, somente o valor estimado do intercepto da
regresso seria alterado.
(1) Ao nvel de 5%, os coeficientes associados ao trabalho e ao capital so
conjuntamente iguais a zero.
(2) Se o desvio padro do estimador de
2
| for 0,0854, o intervalo de confiana a 95%
para o efeito sobre Y de um aumento de 1% no estoque de capital ser
0854 , 0
3856 , 0 95 , 0
.
(3) Os valores estimados permitem concluir que, para aquela indstria, a produtividade
marginal do trabalho menor que a produtividade mdia do mesmo fator.
(4) Qualquer outra forma funcional que leve a um R
2
maior que 0,76 ser prefervel
utilizada.

Considere o seguinte modelo para a populao: Y =2 +4X 5Z +u, em que u o termo
aleatrio e 0 ) ( ) , | ( = = u E Z X u E . A partir de uma amostra de n indivduos, estimaram-se
os parmetros deste modelo, tendo, todavia, sido omitida a varivel Z. Ou seja, o modelo
estimado foi:
i i
X Y
1 0

u u + = . Suponha ainda que, para amostra em questo, tenham sido
obtidos os seguintes resultados:

7 , 0
) (
) )( (
1
2
1
=
=
=
n
i
i
n
i
i i
X X
X X Z Z
, em que
=
=
n
i
i
X
n
X
1
1
e
=
=
n
i
i
Z
n
Z
1
1
.
92

Calcule ( ) X E |
1
u . Multiplique o resultado por 10.

Julgue as afirmativas. A respeito dos estimadores de Mnimos Quadrados Ordinrios
(MQO), em um modelo de regresso linear mltipla:

(0) Se a varincia do erro no for constante, as estimativas dos parmetros sero no-
viesadas.
(1) Se E(c) = 0, os estimadores de todos os parmetros, com exceo do intercepto,
sero viesados.
(2) Se o erro no seguir a distribuio Normal as estimativas por MQO so consistentes.
(3) Sob as hipteses do modelo de regresso clssica, com erros na forma de rudo
branco com distribuio Normal, os estimadores de MQO sero os mais eficientes
possveis.
(4) A presena de colinearidade imperfeita entre as variveis explicativas gera
estimadores viesados.

Em um modelo de regresso mltipla, com erros que seguem uma distribuio Normal,
identifique se os itens so corretos:

(0) Os testes de heterocedasticidade de Breush-Pagan e de White podem ser calculados
mediante regresses auxiliares com os quadrados dos resduos.
(1) Caso a forma funcional da heterocedasticidade seja conhecida, mnimos quadrados
ponderados, estimados de modo interativo, sero menos eficientes que o estimador
de Mxima Verossimilhana.
(2) Empiricamente no h como distinguir um modelo de expectativas adaptativas de
primeira ordem de um modelo de ajustamento parcial de primeira ordem.
(3) Se houver uma varivel dependente defasada entre as variveis explicativas, o teste
apropriado para a autocorrelao de primeira ordem dos resduos o h de Durbin, e
no o teste de Breush-Godfrey.
(4) Os mtodos de estimao do coeficiente de autocorrelao Cochrane-Orcutt e
Durbin so diferentes em pequenas amostras.

O mtodo dos mnimos quadrados ordinrios foi empregado para estimar o modelo de
regresso abaixo, cujo objetivo explicar as variaes de renda entre 526 indivduos de uma
amostra aleatria:
93

ln(renda) = 0,362+ 0,094 educ + 0,014 exper 0,178 sexo 0,010 exper x sexo + u
(0,128) (0,008) (0,002) (0,058) (0,002)

R
2
=0,368 n =526

em que sexo uma varivel dicotmica (valor 1, se for mulher e 0, caso contrrio), educ o
nmero de anos de escolaridade (0 s educ s 17), exper so anos de experincia profissional
(0 s exper s 40) e u a estimativa do erro. Os nmeros entre parnteses so os erros-
padro das estimativas, robustos heterocedasticidade. Com base nos resultados acima,
correto afirmar:

(0) Ao nvel de significncia de 5%, o efeito de um ano a mais de experincia
profissional para indivduos do sexo masculino estatisticamente maior do que o
efeito para mulheres.
(1) Para um indivduo com 10 anos de escolaridade, 1 ano adicional de estudo acarreta
um aumento da renda de aproximadamente 9%.
(2) O efeito na renda de um aumento de 1 ano na experincia profissional para as
mulheres 1% menor do que para os homens.
(3) Pela inspeo dos resultados da estimao fica claro que os erros do modelo so
heterocedsticos.
(4) Se a um nvel de significncia de 5%, o valor crtico do teste F para a regresso for
2,37, os coeficientes angulares sero conjuntamente diferentes de zero.

[Para a resoluo desta questo talvez lhe seja til saber que se Z tem distribuio normal
padro, ento Pr(|Z|>1,645)=0,10 e Pr(|Z|>1,96)=0,05.] Considere as seguintes estimativas
obtidas pelo mtodo de mnimos quadrados ordinrios para o modelo de regresso abaixo
(desvios-padres entre parnteses):

ln(salrio) = 0,600+0,175sindicato+0,090sexo+0,080educ+0,030 exper0,003 exper
2
+
u

(0,201) (0,100) (0,050) (0,032) (0,009) (0,001)

R
2
=0,36

em que educ e exper denotam, respectivamente, o nmero de anos de estudo e o nmero de
anos de experincia profissional, sindicato uma varivel dummy que assume o valor 1 se o
trabalhador for sindicalizado e 0 caso contrrio e sexo uma varivel dummy igual a 1 se o
trabalhador for do sexo masculino e igual a 0 se for do sexo feminino. O resduo da
regresso o termo
u
. Todas as suposies usuais acerca do modelo de regresso linear
clssico so satisfeitas. correto afirmar que:

94
(0) Supondo que o tamanho da amostra seja grande o suficiente para que aproximaes
assintticas sejam vlidas, possvel rejeitar, ao nvel de significncia de 5%, a
hiptese nula de que os salrios de trabalhadores sindicalizados e no sindicalizados
so iguais. A hiptese alternativa que os trabalhadores sindicalizados ganham mais
do que os no sindicalizados.
(1) Supondo que o tamanho da amostra seja grande o suficiente para que aproximaes
assintticas sejam vlidas, possvel rejeitar, ao nvel de significncia de 5%, a
hiptese nula de que os salrios de homens e mulheres so iguais. A hiptese
alternativa que os salrios de homens e mulheres so diferentes.
(2) Um ano adicional de experincia eleva o salrio em 3,00%.
(3) Se incluirmos um regressor adicional entre as variveis explicativas, o R no
diminuir.
(4) Supondo que os erros tenham distribuio normal e que o tamanho da amostra seja
206, possvel rejeitar, ao nvel de significncia de 5%, a hiptese de que os
coeficientes da regresso, com exceo do intercepto, so simultaneamente iguais a
zero (F
0,95; 5, 200
=2.2592).

Considere o modelo de regresso linear mltipla

y
t
=
1
x
1t
+
2
x
2t
+
t
c

no qual

( ) T t t N x x
d i i
t t t
,..., 1 , , , 0 ~ , |
' 2
. .
' 2 ' 1
= o c

Por simplicidade, assuma que as variveis so expressas como desvios em relao s
respectivas mdias. correto afirmar que:

(0) Se
2
= 0 e excluirmos x
2t
da regresso, o estimador de mnimos quadrados
ordinrios de
1
ser, em geral, inconsistente.
(1) Suponha que x
2t
seja medido com erro, isto , que
*
2t
x =x
2t
+u
2t
, e que E[u
2t
|x
1t
, x
2t
]=0, E[u
2t
t
c |x
1t
, x
2t
]

=0 e E[
2
2t
u

|x
1t
, x
2t
] =
2
u
o . Se substituirmos x
2t
por
*
2t
x , o
estimador de mnimos quadrados ordinrios de
1
ser inconsistente.
(2) Os estimadores de mnimos quadrados ordinrios de
1
e
2
sero no viesados,
porm no sero eficientes, se y
t
for uma varivel binria, assumindo apenas dois
valores, 0 ou 1, e = 1.
(3) Seja c uma constante diferente de zero. Defina
t
y
~
=cy
t,

t
x
1
~
=cx
1t
e
t
x
2
~
=cx
2t
. Os
estimadores de mnimos quadrados ordinrios (MQO) em uma regresso de
t
y
~

contra
t
x
1
~

e
t
x
2
~
coincidem com os estimadores de MQO em uma regresso de y
t

contra x
1t
ex
2t
.
95
(4) A hiptese de que o erro
t
c tem mdia 0 pode ser testada utilizando a estatstica
( )
=
T
i
t
T
1
/ 1 c , onde
t
c o resduo da regresso por mnimos quadrados ordinrios.

Outras

Considere o seguinte conjunto de equaes simultneas:

1 1 1 1
| o + + + = Y P Q : funo de demanda

2 2 2
| o + + = P Q : funo de oferta

onde Q (quantidade) e P (preos) so as variveis endgenas, Y (renda) a varivel
exgena e
1
,
2
, representam os resduos. Os valores
1
o ,
2
o ,
1
| ,
1
e
2
| so os
parmetros do modelo. Ento, pode-se afirmar que:

(0) As equaes na forma reduzida so definidas como:
1 2 1
v t t + + = Y Q
2 4 3
v t t + + = Y P
onde,
2 1
1 2 2 1
1
| |
o | o |
t
= , t
|
| |
2
1 2
1 2
=
, t
o o
| |
3
2 1
1 2
=

,
2 1
1
4
| |

t
= ,
v
1
1 2 2 1
1 2
=

| |
| |
e
2 1
2 1
2
| |

v
= .
(1) As funes de demanda e oferta so identificadas.
(2) A estimao dos parmetros das equaes na forma reduzida por Mnimos
Quadrados Ordinrios, produz estimadores consistentes.
(3) Os resduos v
1
e v
2
so independentes.

Com relao aos modelos Auto-Regressivo, Mdia-Mvel e Misto, pode - se afirmar que:

(0) No modelo
0 1 1
u u | + + + =
t t t t
a a Z Z , onde
o
u uma constante e
t
a um rudo
branco, a mdia do processo ser igual a zero se
o
u =0.
(1) No modelo Auto-Regressivo de ordem p,
t p t p t t t
a Z Z Z Z + + + + =

| | | ....
2 2 1 1
, se 0 ...... 1
2 1
=
p
| | | , o modelo no ser
estacionrio.
96
(2) O processo ARMA(p,q) (Auto-Regressivo Mdia-Mvel) ser estacionrio e
invertvel, se todas as razes dos operadores Auto - Regressivo e de Mdia Mvel
carem dentro do crculo unitrio.
(3) Se no modelo Auto-Regressivo de ordem 1,
t t t
a Z Z + =
1
, onde
t
a um rudo
branco, o verdadeiro valor de igual a um, ento
1 2 1
..... a a a a Z
t t t t
+ + + + =

,
desde que 0
0
= Z .

Com relao aos modelos Auto-Regressivo, Mdia-Mvel e Misto, pode-se afirmar que:

(0) No modelo AR(1), Zt =| Zt-1 +at , onde E(at)=0 , E(
2
t
a )=
2
a
o e bCov(
s t
a a , ) =0
se s t = , a varincia de
t
Z finita qualquer que seja o valor de | .
(1) No modelo MA(1) , Zt = + at - u at-1, onde E(at) =0 para todo t e
E(
2
t
a ) =
2
a
o , ento E(
t
Z ) = e Var(
t
Z ) =
2 2
) 1 (
a
o u + .
(2) O processo ARMA(p,q) (Auto-Regressivo Mdia-Mvel) pode ser escrito na forma
t t
a L Z L ) ( ) ( O = u , onde
p
p
L L L L | | | = u
2
2 1
1 ) ( e
q
q
L L L L u u u = O
2
2 1
1 ) ( so, respectivamente, os operadores auto-
regressivo e de mdia-mvel de ordem p e q onde,
n t t
n
Z Z L

= .
(3) Se o processo gerador de dados pode ser escrito como
t t
a Z L + = ) 1 ( , ento a
raiz de sua equao caracterstica ser diferente de um.

Considere um processo AR(1):

Y
t
= | Y
t -1
+ c
t
, c
t
~NID(0, o
2
), t =1,2...T,

em que, por hiptese, ||| <1, a no ser que seja dito o contrrio. Considere Y
o
fixo e que t
seja muito distante da origem.

(0) A condio ||| <1 necessria para que o processo apresente mdia e varincia
incondicionais independentes do tempo.
(1) A mdia incondicional do processo zero.
(2) A funo de autocorrelao deste processo diferente de zero para o "lag" 1, e
igual a zero para todos os outros "lags".
(3) A previso dois-passos frente dada por: E(Y
t+2
| Y
t
) =(| +1) +|
2
Y
t
, em que Y
t
={ Y
1
, Y
2
,..., Y
t
}.
(4) Se | =1, o processo ser no estacionrio.

97

No modelo de equaes simultneas:

1 1 1 1
u Y P Q
D
+ + + = | o (demanda)
2 2 2
u P Q
S
+ + = | o (oferta)
S D
Q Q =

em que: Q
D
a quantidade demandada; Q
S
, a quantidade ofertada; P, o preo; Y, a renda;

1
u
e

2
u
so os componentes aleatrios. Neste modelo:

(0) A aplicao do mtodo de mnimos quadrados ordinrios (MQO) a cada uma das
equaes do sistema, desconsiderando-se a outra, fornecer estimativas no
tendenciosas.
(1) A equao de demanda subidentificada.
(2) A equao de oferta exatamente identificada.
(3) Na equao de oferta, o estimador de MQO consistente.
(4) Caso seja subidentificada, a equao de demanda no pode ser estimada.

Seja o processo auto-regressivo:
t t t
y y c | + =
1 1
. Pode-se afirmar que:

(0) O processo estacionrio para

1
| <1.
(1) Se
1
|

=1, o processo dito um caminho aleatrio (random walk).
(2) O estimador de mnimos quadrados ordinrios do parmetro
1
| no tendencioso.
(3) A estatstica t-Student pode ser usada para testar a presena de raiz unitria.
(4) O processo pode ser escrito em uma forma alternativa como A
t t t
y y c o + =
1
em
que 1
1
= | o e A
t
y =
1
t t
y y .

Considere as seguintes equaes do modelo estrutural:

Equao de Demanda: Q
t
=
0
+
1
P
t
+
2
R
t
+u
1t

Equao de oferta: Q
t
=
0
+
1
P
t
+
2
P
t-1
+u
1t

em que no perodo t, Q
t
aquantidade de produto; P
t
, o preo (endgeno) do produto; R
t
,
arenda do consumidor; u
it
, o distrbio aleatrio da equao de demanda e u
2t
, o distrbio
98
aleatrio da equao de oferta. A partir destas equaes so obtidas as equaes na forma
reduzida:

P
t
=
0
+
1
R
t
+
2
P
t-1
+v
1t
e Q
t
=
3
+
4
R
t
+
5
P
t-1
+w
t
.

(0) Assim sendo,
1 1
0 0
0
| o
o |
t
= ,
1 1
2
1
| o
o
t
= e
1 1
2
2
| o
|
t
= .
(1) A condio de posto indica que a primeira e a segunda equaes so identificadas.
(2) Se multiplicarmos a equao de demanda por (0 < <1) e a equao de oferta por
(1- ) e som-las, desde que o resultado dessa soma seja diferente da equao de
oferta e da equao de demanda, as duas sero identificadas.
(3) O mtodo de mnimos quadrados ordinrios produz estimadores consistentes e
eficientes dos parmetros da forma estrutural.
(4) Para verificar se qualquer equao do sistema identificvel, basta aplicar a
condio de ordem.

Considere o modelo de equaes simultneas:

S
i
D
i
i i
S
i
i i
D
i
Q Q
u P Q
u P Q
=
+ + =
+ + =
(oferta)
(demanda)
2 2 2
1 ' 1
| o
| o

em que:
D
i
Q a quantidade demandada,
S
i
Q a quantidade ofertada, P
i
o preo, e u
1i
e u
2i

so termos aleatrios. correto afirmar que:

(0) O estimador de mnimos quadrados ordinrios aplicado a cada uma das equaes
consistente e no-tendencioso;
(1) No modelo acima a equao de demanda identificada mas a equao de oferta no
;
(2) Se a equao de demanda for definida por
i i i
D
i
u Y P Q
1 1 ' 1
+ + + = | o , em que Y
i
a
renda, a equao de oferta ser identificada;
(3) A equao de demanda ser identificada se for definida por
i i i
D
i
u Y P Q
1 1 ' 1
+ + + = | o ;
(4) A varivel renda, empregada nos dois itens anteriores, uma varivel instrumental.

Considere o modelo ARMA(1,1) definido por:

99
, , , 1 , 2 , 0 5 , 0
1 1
T t y y
t t t t
= + =

c c

em que a varincia de
t
igual a 1. Encontre a varincia de y
t
. (Multiplique o resultado final
por 10. Marque somente a parte inteira na folha de resposta).

So corretas as afirmativas. Em modelos de equaes simultneas:

(0) O problema da identificao precede o da estimao.
(1) Se a condio de ordem for satisfeita, a condio de posto tambm ser satisfeita.
(2) Os estimadores de mnimos quadrados indiretos e os de mnimos quadrados de dois
estgios so no-tendenciosas e consistentes.
(3) Se uma equao exatamente identificada, os mtodos de mnimos quadrados
indiretos e de dois estgios produzem resultados idnticos.
(4) O mtodo de mnimos quadrados indiretos pode ser aplicado tanto a equaes
exatamente identificadas quanto a equaes superidentificadas.

Considere o modelo de equaes simultneas:

t t t
d
t
e X P Q
1 2 1 0
+ + + = o o o (demanda)
t t
s
t
e P Q
2 1 0
+ + = | | (oferta)
s
t
d
t
Q Q = (condio de equilbrio)
s
t
d
t
Q e Q so, respectivamente, as quantidades demandadas e ofertadas do bem,
t
X uma
varivel exgena e
t
e
1
e
t
e
2
so os termos aleatrios, com mdias zero e varincias
constantes. So corretas as afirmativas:

(0) As equaes de demanda e oferta so exatamente identificadas.
(1) Os parmetros estruturais do modelo so consistentemente estimados por Mnimos
Quadrados Ordinrios.
(2) As equaes na forma reduzida so:
t t t
v X P + H + H =
1 0
e
t t t
w X Q + H + H =
3 2
,
em que
1 1
0 0
0
| o
o |
= H ;
1 1
2
1
| o
o
= H ;
1 1
2 1
| o
=
t t
t
e e
v ;
1 1
1 0 0 1
2
| o
| o | o
= H ;
1 1
1 2
3
| o
| o
= H e
1 1
1 1 2 1
| o
| o
=
t t
t
e e
w .
(3) As estimativas dos parmetros da forma reduzida descritos no quesito anterior, por
Mnimos Quadrados Ordinrios, so consistentes.
100
(4) Os parmetros das equaes estruturais, obtidos dos parmetros da forma reduzida,
so estimados por Mnimos Quadrados Ordinrios.


(0) No processo AR(1):
t t t
e y y + + =
1 1 0
| | , em que 1 < | e
t
e um rudo branco de
mdia zero e varincia
2
o , a varincia de
t
y ser
2
2
1 |
o
.
(1) Seja a funo de autocovarincia do processo AR(1) definido no quesito anterior
] ) )( E[( =
j t j t j
y y , em que ] E[
t
y = a mdia do processo
t
y .
correto afirmar que
( )
2
1
1 0
1 |
| |
+
=
j
j
.
(2) O processo AR(2),
t t t t
e y y y + + + =
2 2 1 1 0
| | | , em que
t
e um rudo branco de
mdia nula e varincia
2
o , ser estacionrio de segunda ordem se, e somente se,
1
1
< | e 1
2
< | .
(3) A mdia do processo MA(1),
1
+ =
t t t
e e y u , em que
t
e um rudo branco, igual a
zero.
(4) No modelo ARMA(1,1),
1 1 1 0
+ + + =
t t t t
e e y y u | | , em que
t
e um rudo branco
de mdia nula e varincia constante, a mdia de
t
y dada por
1
0
1 |
|
.

Considere o modelo:

Y
t
=Z
t
+Y
t-1
+e
1t
(equao I)
Z
t
=Z
t-1
+e
2t
(equao II)

em que , e so parmetros e

. para todo ,
0
0
) (
,
0
0
Normal ~
2
22 12
12
2
11
2
1
t k E
e
e
k t
t
t
t
=
|
|
.
|
\
|
=
(
(
|
|
.
|
\
|
|
|
.
|
\
|
|
|
.
|
\
|
=
e e
e
o o
o o

101
Suponha tambm que ||<1 e ||<1. So corretas as afirmativas:

(0) A condio | |<1 garante a estacionariedade de segunda ordem de Z
t
.
(1) O estimador de mnimos quadrados ordinrios de na equao II, no
consistente.
(2) Os estimadores de mnimos quadrados ordinrios de e na equao I, s sero
consistentes se
12
=1.
(3) Sem nenhuma restrio adicional sobre os parmetros do modelo, a equao I no
satisfaz a condio de ordem para identificao.
(4) Para testar se h endogeneidade na equao I, pode-se usar o teste de Hausman.

Considere o seguinte modelo de equaes simultneas:

y
1
=
1
z +u
1
(1)
y
2
=
1
y
1
+
2
z +u
2
(2)

em que
E[u
1
] =E[u
2
] =0
E[u
1
] =
2
1
o , E[u
2
] =
2
2
o , E[u
1
u
2
] =
2 , 1
o 0
E[u
1
z] =E[u
2
z] =0


(0) O estimador de mnimos quadrados ordinrios de
1
na equao (1) consistente.
(1) Os estimadores de mnimos quadrados ordinrios de
1
e
2
na equao (2) so no
viesados.
(2) A equao (1) exatamente identificada e a equao (2) sobreidentificada.
(3) Se
2 , 1
o

=0, tanto a equao (1) quanto a equao (2) so exatamente identificadas.
(4) Se
2 , 1
o =0, os estimadores de mnimos quadrados ordinrios de
1
e
2
na equao
(2) so consistentes.

Suponha que

y
1t
= y
2t
+
t
u
1
,
t
u
1
~N(0,
11
o ), t=1,...,T. (1)
y
2t
=| y
2t-1
+
t
u
2
,
t
u
2
~N(0,
22
o ), t=1,...,T. (2)
E[
t
u
1 t
u
2
] =0, t

102
Considere as seguintes afirmativas:

(0) O estimador de mnimos quadrados ordinrios |
de | na equao (2) no viesado

se 1 < | .
(1) O estimador de mnimos quadrados ordinrios
de na equao (1) consistente

se 1 < | e =0.
(2) y
2t
um processo estacionrio de segunda ordem se | =1.
(3) y
1t
um processo integrado de ordem um, I(1), se | =1 e 0 = .
(4) O estimador de mnimos quadrados ordinrios
de na equao (1) consistente

se | =1 e 0 = .

Julgue as seguintes afirmativas:

(0) O processo AR(2), y
t
=
1
y
t-1
+
2
y
t-2
+
t
c , em que
t
c um rudo branco com
mdia zero e varincia , estacionrio de segunda ordem se e somente se as razes
do polinmio x
2
-
1
x

+
2
esto fora do crculo unitrio.
(1) No processo MA(2), y
t
=
t
c +
1
1 t
c +
2
2 t
c , em que
t
mdia zero e varincia , a covarincia entre y
t
e y
t-3
igual a zero.
(2) No passeio aleatrio com drift, y
t
=c +y
t-1
+
t
c , y
0
=0, em que
t
c um rudo branco
com mdia zero e varincia , a mdia de y
t
varia com t.
(3) No processo MA(1), y
t
=
t
c +
1
1 t
c , em que
t
c um rudo branco com mdia zero
e varincia , a correlao entre y
t
e y
t-1
menor ou igual a 0,5 em valor absoluto.
(4) O processo ARMA(1,1), y
t
= y
t-1
+
t
c +
1 t
c , em que
t
mdia zero e varincia , estacionrio de segunda ordem se e somente se || < 1 e
|| < 1.

SRIES DE TEMPO

Uma srie temporal mensal de trs anos, de janeiro de 1995 a dezembro de 1997, para o
preo do produto agrcola Y, apresentou a seguinte tendncia linear Y =3 +0,25.X. Estime
o preo do produto Y para o ms de janeiro de 1998, sabendo que as variaes sazonais
calculadas com base num modelo aditivo para os trs anos considerados foram:

Ms Jan Fev Mar Abr Maio Jun
103
Variao sazonal -1,25 -0,52 0,84 1,50 3,00 3,85

Em relao aos modelos de Sries de Tempo pode-se afirmar:

(0) No modelo Autoregressivo de ordem 1,
0 1
u | + + =
t t t
u Z Z , 1 < | , em que u
t

um rudo branco, o parmetro
0
u a mdia do processo.
(1) O modelo misto Autoregressivo-Mdias Mveis, ARMA(1,1), pode ser representado
pela expresso Z
t
=| Z
t
+u
t
u
t-1
em que | e so parmetros e u
t
um rudo
branco.
(2) Se um processo estocstico possui uma tendncia determinstica, y
t
=
1
+
2
t +u
t
,
ento este dito no-estacionrio e sua no-estacionariedade pode ser detectada por
um teste para raiz unitria.
(3) Em uma regresso com duas sries temporais, se estas so I(1), ou seja, no
estacionrias, mas so cointegradas, pode-se empregar a estatstica t de Student para
testar a significncia dos coeficientes da regresso.
(4) O teste de Engle-Granger para co-integrao entre trs variveis consiste em utilizar
a estatstica e a tabela de valores crticos Dickey-Fuller nos resduos de uma
regresso entre estas variveis.

Em relao aos modelos de sries temporais, so corretas as afirmativas:

(0) No processo AR(1),
0 1
u | + + =
t t t
a Z Z , 1 < | , e
t
a um rudo branco, a mdia
de
t
Z ser
|
u
1
0
.
(1) O processo MA(1),
1
=
t t t
a a Z , em que
t
a um rudo branco, no estacionrio.
(2) O processo AR(1),
t t t
a Z Z + =
1
8 , 0 , em que
t
a um rudo branco, estacionrio.
(3) No processo AR(1),
t t t
a Z Z + =
1
| , em que
t
a um rudo branco com Var(
t
a ) =
2
a
o , a varincia de
t
Z
2
2
1 |
o
a
.
(4) No modelo ARMA(1,1),
1 1
+ + =
t t t t
a a Z Z u | , em que
t
a um rudo branco, a
mdia de
t
Z diferente de zero.

104
Com respeito teoria das sries temporais, so corretas as afirmativas:

(0) Considere uma srie temporal
t
Y auto-regressiva de ordem 1 com parmetro . No
modelo:
t t t t
u Y Y Y + =
1 1
o , em que
t
u um rudo branco e 1 = o , se o for de
fato igual a zero, a srie
t
Y ser no estacionria.
(1) Numa regresso linear simples de duas sries temporais no estacionrias de ordem
1, o teste usual t de Student ainda vlido.
(2) Numa regresso linear mltipla de sries temporais de ordem 1, mas cointegrveis,
no se corre o risco de os resultados serem esprios.
(3) Numa regresso linear mltipla de sries temporais de ordem 1, mas cointegrveis,
os resduos da regresso so estacionrios.
(4) Se uma srie temporal tiver que ser diferenciada n vezes antes de se tornar
estacionria, a srie original integrada de ordem n -1.

Uma srie temporal Y
t
, t =1,... T, foi gerada por um processo da classe ARIMA(p,d,q) e
apresenta os seguintes formatos para a Funo de Autocorrelao (FAC) e Funo de
Autocorrelao Parcial (FACP):

Supondo que a mdia da srie seja 100 e que Y
T-3
=35, Y
T-2
=28, Y
T-1
=38 e Y
T
=30, calcule
a previso para Y
T+1
feita no instante T , isto E(Y
T+1
|Y
T
,Y
T-1
,Y
T-2
,Y
T-3
,...).

105
TABELAS
Valores crticos ao nvel de significncia de 5%
Tabela F
Tabela t
Graus lib. - numerador
Graus lib.
Valor
crtico
1 2 3 4 5
1 12,71 1 161,45 199,50 215,71 224,58 230,16
2 4,30 2 18,51 19,00 19,16 19,25 19,30
3 3,18 3 10,13 9,55 9,28 9,12 9,01
4 2,78 4 7,71 6,94 6,59 6,39 6,26
5 2,57 5 6,61 5,79 5,41 5,19 5,05
6 2,45 6 5,99 5,14 4,76 4,53 4,39
7 2,36 7 5,59 4,74 4,35 4,12 3,97
8 2,31 8 5,32 4,46 4,07 3,84 3,69
9 2,26 9 5,12 4,26 3,86 3,63 3,48
10 2,23 10 4,96 4,10 3,71 3,48 3,33
11 2,20 11 4,84 3,98 3,59 3,36 3,20
12 2,18 12 4,75 3,89 3,49 3,26 3,11
13 2,16 13 4,67 3,81 3,41 3,18 3,03
14 2,14 14 4,60 3,74 3,34 3,11 2,96
15 2,13 15 4,54 3,68 3,29 3,06 2,90
16 2,12 16 4,49 3,63 3,24 3,01 2,85
17 2,11 17 4,45 3,59 3,20 2,96 2,81
18 2,10 18 4,41 3,55 3,16 2,93 2,77
19 2,09 19 4,38 3,52 3,13 2,90 2,74
20 2,09 20 4,35 3,49 3,10 2,87 2,71
21 2,08 21 4,32 3,47 3,07 2,84 2,68
22 2,07 22 4,30 3,44 3,05 2,82 2,66
23 2,07 23 4,28 3,42 3,03 2,80 2,64
24 2,06 24 4,26 3,40 3,01 2,78 2,62
25 2,06 25 4,24 3,39 2,99 2,76 2,60
26 2,06 26 4,23 3,37 2,98 2,74 2,59
27 2,05 27 4,21 3,35 2,96 2,73 2,57
28 2,05 28 4,20 3,34 2,95 2,71 2,56
29 2,05 29 4,18 3,33 2,93 2,70 2,55
30 2,04 30 4,17 3,32 2,92 2,69 2,53
40 2,02 40 4,08 3,23 2,84 2,61 2,45
50 2,01 50 4,03 3,18 2,79 2,56 2,40
60 2,00 60 4,00 3,15 2,76 2,53 2,37
70 1,99 70 3,98 3,13 2,74 2,50 2,35
80 1,99 80 3,96 3,11 2,72 2,49 2,33
90 1,99 90 3,95 3,10 2,71 2,47 2,32
100 1,98
G
r
a
u
d

l
i
b
.

-

d
e
n
o
m
i
n
a
d
o
r

100 3,94 3,09 2,70 2,46 2,31
106

Distribuio Normal Padro

z
.00 .01 .02 .03 .04 .05 .06 .07 .08 .09
0.0 .5000 .4960 .4920 .4880 .4840 .4801 .4761 .4721 .4681 .4641
0.1 .4602 .4562 .4522 .4483 .4443 .4404 .4364 .4325 .4286 .4247
0.2 .4207 .4168 .4129 .4090 .4052 .4013 .3974 .3936 .3897 .3859
0.3 .3821 .3783 .3745 .3707 .3669 .3632 .3594 .3557 .3520 .3483
0.4 .3446 .3409 .3372 .3336 .3300 .3264 .3228 .3192 .3156 .3121
0.5 .3085 .3050 .3015 .2981 .2946 .2912 .2877 .2843 .2810 .2776
0.6 .2743 .2709 .2676 .2643 .2611 .2578 .2546 .2514 .2483 .2451
0.7 .2420 .2389 .2358 .2327 .2296 .2266 .2236 .2206 .2177 .2l48
0.8 .2119 .2090 .2061 .2033 .2005 .1977 .1949 .1922 .1894 .1867
0.9 .1841 .1814 .1788 .1762 .1736 .1711 .1685 .1660 .1635 .1611
1.0 .1587 .1562 .1539 .1515 .1492 .1469 .1446 .1423 .1401 .1379
1.1 .1357 .1335 .1314 .1292 .1271 .1251 .1230 .1210 .1190 .1170
1.2 .1151 .1131 .1112 .1093 .1075 .1056 .1038 .1020 .1003 .0985
1.3 .0968 .0951 .0934 .0918 .0901 .0885 .0869 .0853 .0838 .0823
1.4 .0808 .0793 .0778 .0764 .0749 .0735 .0722 .0708 .0694 .0681
1.5 .0668 .0655 .0643 .0630 .0618 .0606 .0594 .0582 .0571 .0559
1.6 .0548 .0537 .0526 .0516 .0505 .0495 .0485 .0475 .0465 .0455
1.7 .0446 .0436 .0427 .0418 .0409 .0401 .0392 .0384 .0375 .0367
1.8 .0359 .0352 .0344 .0336 .0329 .0322 .0314 .0307 .0301 .0294
1.9 .0287 .0281 .0274 .0268 .0262 .0256 .0250 .0244 .0239 .0233
2.0 .0228 .0222 .0217 .0212 .0207 .0202 .0197 .0192 .0188 .0183
2.1 .0179 .0174 .0170 .0166 .0162 .0158 .0154 .0150 .0146 .0143
2.2 .0139 .0136 .0132 .0129 .0125 .0122 .0119 .0116 .0113 .0110
2.3 .0107 .0104 .0102 .0099 .0096 .0094 .0091 .0089 .0087 .0084
2.4 .0082 .0080 .0078 .0075 .0073 .0071 .0069 .0068 .0066 .0064
2.5 .0062 .0060 .0059 .0057 .0055 .0054 .0052 .0051 .0049 .0048
2.6 .0047 .0045 .0044 .0043 .0041 .0040 .0039 .0038 .0037 .0036
2.7 .0035 .0034 .0033 .0032 .0031 .0030 .0029 .0028 .0027 .0026
2.8 .0026 .0025 .0024 .0023 .0023 .0022 .0021 .0021 .0020 .0019
2.9 .0019 .0018 .0017 .0017 .0016 .0016 .0015 .0015 .0014 .0014
3.0 .00135
3.5 .000233
4.0 .0000317
4.5 .00000340
5.0 .000000287

107

GABARITOS

108

LISTA DE EXERCíCIOS DE ESTATÍSTICA PDF

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

LISTA DE EXERCíCIOS DE ESTATÍSTICA PDF

Uploaded by

Copyright:

Available Formats

1

< < < <

< < < <

< < < < +

s < , em que P a probabilidade

do parmetro populacional u , pode-se afirmar que:

seu estimador, dizemos que u

u for no-tendencioso e Var(

u outro qualquer estimador no-tendencioso de u .

consistente, ento no tendencioso.

seu estimador, a afirmao de que u

} P u u c s = 1 para todo c > 0 quando

ser um estimador consistente de u .

um estimador no-viciado de u . Se g(u

) uma funo do parmetro u ,

)] com a igualdade ocorrendo somente quando g(u ) for

C , determinado da distribuio t-Student ou da distribuio

u um estimador de u, este no ser viciado desde que 1

ter varincia mnima se c

u um estimador no viciado de u, ento

u so dois estimadores do parmetro u em que E (

u deve ser prefervel a

, estar contida no intervalo de confiana

= | ), a correlao linear entre X e Y

| mais eficiente do que b

) ' ( ) ' ( X X Y X = e a soluo para |

de | na equao (2) no viesado

de na equao (1) consistente

de na equao (1) consistente

You might also like