Questões de Estatística - Estimativa de Máxima Verossimilhança para Concurso

A amostra 0,3; 1,2; 1,1; 0,9; 0,8; 0,5; procede de uma população com função densidade f(x) = 1/θ, 0 < x < θ. Os estimadores de máxima verossimilhança da média e da variância da população são, respectivamente,

De uma população infinita X, com distribuição normal, com média µ e variância 9, extraiu-se, aleatoriamente, a seguinte amostra de 4 elementos: {x: 1,2; 3,4; 0,6; 5,6}. Com base no estimador de máxima verossimilhança de µ, para um grau de significância de α, estimou-se o intervalo de confiança para a média em [-0,24; 5,64]. Da mesma população, extraiu-se uma amostra 100 vezes maior que a anterior e verificou-se que, para essa nova amostra, a estimativa da média amostral era igual à obtida com a primeira amostra. Com o mesmo grau de significância α, o intervalo de confiança estimado, com base na nova amostra, foi

Suponha que obteve-se uma amostra aleatória de uma variável aleatória X com função densidade de probabilidade


O estimador de máxima verossimilhança de ? é

Analise as seguintes afirmativas.
I. O Erro Quadrático Médio do estimador T₂ é igual ao módulo do viés de T₁. II. As variâncias de T₁ e T₂ são iguais aos seus respectivos Erros Quadráticos Médios. III. O Erro Quadrático Médio de T₁ é igual ao Erro Quadrático Médio de T₂. IV. O estimador T₁ apresenta maior eficiência em relação a T₂.
Estão corretas apenas as afirmativas

Sobre os estimadores T₁ e T₂ apresentados na situação problema, marque V para as afirmativas verdadeiras e F para as falsas.
( ) T1 e T2 são estimadores assintoticamente não-viesados para estimar o parâmetro θ. ( ) T1 apresenta menor variância que T₂ na estimação do parâmetro θ. ( ) O módulo do viés do estimador T₁ é maior que o modulo do viés do estimador T₂. ( ) A razão da variância do estimador pela variância do estimador determina a eficiência relativa dos dois estimadores.
A sequência está correta em

Os Modelos Lineares Generalizados (MLG) são definidos a partir de três características: o componente aleatório, que estabelece a distribuição da variável resposta; o componente sistemático, que determina as variáveis explicativas a serem utilizadas como preditoras no modelo e estabelece a equação de predição como linear; e, a função de ligação, que estabelece a relação entre o componente sistemático e a esperança matemática da variável resposta. Diante do exposto, analise.

I. O componente aleatório permite que a distribuição seja da família exponencial ou de suas generalizações, contemplando, entre outras, as distribuições: normal, Bernoulli, Poisson, Gama, Normal, Inversa, Exponencial, Binomial.
II. A função de ligação deve transformar o domínio da variável aleatória de forma a permitir que qualquer valor do componente sistemático seja admissível. As funções mais utilizadas são: identidade, inversa, inversa ao quadrado, logarítmica, logito, probito, complemento log-log, potência, Box-Cox e Aranda-Ordaz.
III. O ajuste de um MLG pode ser feito pelo método de máxima verossimilhança. As equações normais produzidas, em geral, precisam ser resolvidas por processos iterativos. Os mais utilizados são o método de Newton- Raphson e o de escore de Fisher. Eles são distintos, qualquer que seja a função de ligação.
IV. Para dados de contagem com distribuição de Poisson, o MLG corresponde ao modelo de regressão de Poisson. A função de ligação mais utilizada é a logarítmica. Quando existe superdispersão nos dados, adota-se uma generalização de MLG que admite o parâmetro de dispersão.
V. Vários tipos de resíduo podem ser utilizados para avaliar a qualidade do ajuste de um MLG, entre eles, resíduos ordinários, resíduos de Pearson, resíduos de Pearson padronizados e componente do desvio.

Estão corretas apenas as afirmativas