Questões de Estatística - Funções de Probabilidade p(x) e Densidade f(x) para Concurso

A função de densidade de probabilidade de uma variável aleatória conjunta (X, Y) é dada por: Nesse caso, a função de densidade condicional de Y dado X é

Uma variável aleatória contínua X tem função densidade de probabilidade dada por: Nesse caso, a média da variável aleatória X é igual a

Um analista tem uma tabela com os valores assumidos pelas quantidades y e x. Ele deseja inspecionar por método gráfico se essas duas quantidades estão relacionadas pela função abaixo, dada em termos de três parâmetros A, B e C, ainda indeterminados.


Assinale a alternativa que representa a transformação algébrica a ser realizada nas quantidades y→y’ e x→x’ de maneira a se verificar a tendência de reta (por anamorfose) no plano y’ contra x’, e a relação entre os coeficientes da reta y’= ax’ + b, com os parâmetros originais A, B e C.

Seja X uma função densidade de probabilidade:

A probabilidade de P(X>1/3) é:

Seja X uma função densidade de probabilidade:

O valor da constante c tal que f seja uma função de probabilidade é>

Seja X uma variável aleatória com função de probabilidade dada por P(X = x) =(1 - )^x-1 para x = 1, 2, 3,..., onde p é um parâmetro desconhecido. Dispondo de uma amostra de tamanho n, x₁, x₂, x₃,...., x_n , o estimador de Máxima Verossimilhança de p é:

O responsável pelo planejamento de uma pesquisa acredita que, a priori, a probabilidade de que um indivíduo tenha uma determinada opinião, positiva, é de 80%. Para avaliar melhor essa crença, o responsável realiza um experimento no qual a opinião é positiva em 40% dos casos, quando o responsável julga a priori que não será assim; sendo positiva em 70% dos casos, quando ele prevê uma opinião positiva. No experimento, a opinião se mostrou positiva (ExpPos).

Portanto, a distribuição a posteriori, ou seja, após a realização do experimento, para a crença do responsável depois do experimento é:

Suponha que, ao propor um modelo de regressão linear, um pesquisador omitiu uma variável explicativa de tal forma que, ao invés de usar Y_i = 2,5 + 3X_i + 3W_i + ε_i empregou um modelo de regressão simples e, através de uma amostra com n = 10, obteve a reta de regressão estimada:

Estão disponíveis ainda as seguintes informações:

Var(X) = 12.

Seja R² = Coeficiente de Determinação da reta estimada, Tendenciosidade do estimador Variância estimada dos resíduos da regressão estimada.

Assim sendo:

As técnicas de interrogatório utilizadas para identificar se um suspeito está ou não falando a verdade têm evoluído bastante, mas ainda é impossível saber, ao certo, se um indivíduo está mentindo (β = 1) ou não (β = 0). Um investigador experiente, após um interrogatório, imagina que a probabilidade de o sujeito estar mentindo é de 80%. Para tentar melhorar sua percepção, ele faz o suspeito passar pelo detector de mentiras, que acerta em 90% dos casos quando o sujeito é mentiroso, mas em apenas 60% quando está falando a verdade. O teste do detector deu positivo para a mentira.

Incorporando esse resultado do teste no detector de mentiras, é correto afirmar que:

Seja X uma variável aleatória com parâmetro β e função de densidade de probabilidade dada por:

ƒ_x(x) = kx² · e^-x/β · β^-3, para x > 0 e Zero, caso contrário.

Para a estimação do parâmetro da distribuição, uma amostra de tamanho n é extraída e vários métodos são cogitados.

Sobre os possíveis estimadores, é correto afirmar que:

Seja X uma variável aleatória contínua cuja função densidade de probabilidade é expressa por:

ƒ_x(x)= para 0 < x < 4 e Zero; caso contrário.

Além disso, é definida uma outra variável como função de X:

Z =√X

Sobre essa nova variável, é correto afirmar que:

Pode-se afirmar que:

Avalie se as afirmativas a seguir, relacionadas à estimação por máxima verossimilhança de um parâmetro θ, são falsas (F) ou verdadeiras (V).

( ) A função de verossimilhança de um conjunto de variáveis aleatórias é definida como a função de densidade (ou de probabilidade) conjunta dessas variáveis olhada como função de θ.

( ) Se X₁, X₂, ..., X_n é uma amostra aleatória simples de uma densidade uniforme no intervalo (0, θ), o estimador de máxima verossimilhança de θ é máx{Xi}, ou seja, é a n-ésima estatística de ordem.

( ) Se X₁, X₂, ..., X_n é uma amostra aleatória simples de uma densidade N(µ, σ² ), σ conhecida, o estimador de máxima verossimilhança de µ é a média amostral.

Na ordem apresentada, as afirmativas são, respectivamente,

O coeficiente de correlação de X e Y é, aproximadamente, igual a

O valor da constante k é

Pode-se demonstrar que se X for uma variável aleatória contínua com função densidade de probabilidade f(x) e função de densidade acumulada F(x), então a variável aleatória U = F(x) tem distribuição uniforme no intervalo [0,1]. Considere uma variável aleatória Y com uma distribuição exponencial com média 0,5.
Foram simulados três valores de uma distribuição uniforme com o seguinte resultado: u₁ = 0,66; u₂ = 0,42; u₃ = 0,18.
Dado que In(0,34) = −1,79; In(0,58) = −0,545; In(0,82) = −0,2 e utilizando as informações disponíveis, é possível gerar três valores da variável aleatória Y. A soma aproximada desses três valores gerados é

A reforma trabalhista de 2017 estabelece limites para indenizações recebidas por dano extrapatrimonial na Justiça do Trabalho, ou seja, danos de caráter subjetivo tais como os danos morais, por exemplo. Em um Tribunal do Trabalho, o valor das indenizações, X, pode ser modelado por uma distribuição de probabilidades segundo uma função densidade de probabilidade do tipo f(x) = 3x², para 0 < x < 1. Para determinar o valor da indenização em reais, o valor resultante de X deve ser multiplicado por R$ 100 mil.
Se 10 indenizações são observadas, o valor esperado, em reais e desprezando-se os centavos, da segunda maior indenização é dado, em R$, por

Uma variável aleatória X tem a seguinte função de densidade:

Deseja-se obter, utilizando o método da máxima verossimilhança, a estimativa do parâmetro K, sabendo-se que da população correspondente de X foi extraída uma amostra aleatória, com reposição de 4 observações independentes, ou seja: (0,50; 0,70; 0,80; 0,72).
Obs.: Se ln(a) é o logaritmo neperiano de a então: ln(0,50) = −0,69, ln(0,70) = −0,36, ln(0,80) = −0,22 e ln(0,72) = −0,33.
A estimativa encontrada para K, com base na amostra, foi de

Em virtude de não se conhecer a função de densidade de uma variável aleatória X, com média 22, obteve-se um intervalo de confiança (20, 24), sabendo-se que existe a probabilidade mínima de 84% de X pertencer a este intervalo conforme o Teorema de Tchebichev. Considerando este mesmo teorema, obtém-se que a probabilidade de X não pertencer ao intervalo (22 − K, 22 + K) é no máximo 6,25%. A amplitude deste último intervalo é de