Questões de Concurso Sobre funções de probabilidade p(x) e densidade f(x) em estatística

A resistência (em toneladas) de vigas de concreto produzidas por uma empresa, comporta-se conforme a função de probabilidade abaixo:



Admite-se que essas vigas são aprovadas para uso em construções se suportam pelo menos 4 toneladas. De um grande lote de vigas fabricado pela empresa escolhemos ao acaso 4 vigas.
A probabilidade de pelo menos uma ser apta para construções é

Qual o limite de , onde x =0,1, 2,...,n, quando n ? ?, p ? 0, e np ? ?.

Sejam n variáveis aleatórias iid, isto é, independentes e identicamente distribuídas com função densidade de probabilidade f(x) e função de distribuição F(x), onde -? < x < ?. Considere uma nova variável aleatória se e somente se para todoObtenha , a função densidade de probabilidade da variável aleatória .

Se x é uma v. a. - variável aleatória com função densidade de probabilidade f(x), caracterizada pelo modelo normal, podemos afi rmar que:

Em um estudo sobre a economia informal de uma cidade, deseja-se determinar uma amostra para estimar o rendimento médio dessa população, com um grau de confiança de 95% de que a média da amostra aleatória extraída não difira de mais de R$ 50,00 da média do rendimento dessa população, cujo desvio padrão é R$ 400,00. Sabendo-se
onde f(z) é a função de densidade de probabilidade de z, pode-se concluir que o número de pessoas da amostra será

.Sobre séries temporais, analise as proposições a seguir.

I - Se um processo MA(1) for estacionário, ele pode ser representado como um processo autorregressivo (AR) de ordem infinita.

II - Se um processo AR(1) for estacionário, ele pode ser representado por um processo de médias móveis (MA) de ordem infinita.

III - Uma série de tempo é um conjunto ordenado de variáveis aleatórias, isto é, um processo estocástico, portanto uma série de tempo y(t) pode ser representada pela função de densidade conjunta dos yt ; assim, trabalhar com uma série de tempo é inferir sobre o processo estocástico com uma única realização desse processo.

É(São) correta(s) a(s) proposição(ões)

Seja Y = f(X), em que f(X) é a função linear obtida pelo método dos mínimos quadrados. A relação é igual a 20% quando X for igual a, em milhares de reais,

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


O estimador de máxima verossimilhança de ? é

O tempo de vida de um aparelho, em unidades de 1.000 horas, é uma variável aleatória X com distribuição exponencial com função densidade de probabilidade dada por


o custo de fabricação de um aparelho é R$ 500,00 e seu preço de venda é R$ 1.000,00. Sabendo que o fabricante garante a devolução do aparelho se x<0,2, o lucro esperado por aparelho, considerando que e

A probabilidade de que um cliente de banco, escolhido aleatoriamente, participe de um fundo multimercado promovido pelo banco é 0,20. Se cinco clientes são escolhidos aleatoriamente e com reposição, a probabilidade de que a proporção de participantes seja exatamente 0,40 é

A função densidade de probabilidade de uma variável aleatória contínua x é dada por:

Para esta função, a média de x, também denominada expectância de x e denotada por E(x) é igual a:

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