RESOLUÇÃO TESTE Est II Gestão VersãoA
RESOLUÇÃO TESTE Est II Gestão VersãoA
RESOLUÇÃO TESTE Est II Gestão VersãoA
ii) A probabilidade de ser necessário escolher pelo menos duas viaturas para encontrar uma que abasteça
com gasolina normal é igual a
a) 0,16 b) 0,76 c) 0,24 d) 0,6
i)
𝑋 → 𝑛º 𝑑𝑒 𝑣𝑖𝑎𝑡𝑢𝑟𝑎𝑠, 𝑒𝑚 10, 𝑑𝑒 𝑢𝑚𝑎 𝑝𝑜𝑝𝑢𝑙𝑎çã𝑜 𝑑𝑒 200, 𝑞𝑢𝑒 𝑎𝑏𝑎𝑠𝑡𝑒𝑐𝑒𝑚 𝑐𝑜𝑚 𝑔𝑎𝑠ó𝑙𝑒𝑜
𝑋~𝐻𝑖𝑝𝑒𝑟𝑔𝑒𝑜𝑚𝑒𝑡𝑟𝑖𝑐𝑎(𝑁 = 200 , 𝑀 = 80 , 𝑛 = 10)
𝑛 10
Como 𝑁 = 200 = 0,05 ≤ 0,1 a distribuição Hipergeométrica é bem aproximada pela distribuição Binomial.
80
𝑋~𝐻𝑖𝑝𝑒𝑟𝑔𝑒𝑜𝑚𝑒𝑡𝑟𝑖𝑐𝑎(𝑁 = 200, 𝑀 = 80, 𝑛 = 10) ≈ 𝐵𝑖𝑛𝑜𝑚𝑖𝑎𝑙 (𝑛 = 10, 𝑝 = = 0.4)
200
2. Escolhida uma amostra aleatória (𝑋1 , 𝑋2 , … , 𝑋𝑛 ) , 𝑛 ∈ ℕ, de uma determinada população 𝑋 com valor
médio 𝜇 e variância 𝜎 2 < +∞, ambos conhecidos, assinale o valor lógico das seguintes afirmações:
a) 𝑉 𝐹 Para 𝑛 suficientemente grande, tem-se
𝑛
∑ 𝑋𝑖 ≈ 𝑁(𝑛𝜇 , √𝑛𝜎)
𝑖=1
a)
A população é desconhecida com valor médio, 𝜇, e variância, 𝜎 2 , conhecidos. O Teorema Limite Central
garante que, para 𝑛 suficientemente grande (𝑛 > 30), se tem ∑𝑛𝑖=1 𝑋𝑖 ≈ 𝑁(𝑛𝜇 , √𝑛𝜎).
A afirmação é verdadeira.
b)
Uma estatística é função dos valores da amostra, ou seja, é uma variável aleatória, que não envolve nenhum
parâmetro desconhecido. 𝜎 2 é conhecida, logo 𝑄 é uma estatística. Por outro lado, sendo a população
𝑋~𝑁(0 , 𝜎), tem-se que 𝑋1 , 𝑋2 , … , 𝑋𝑛 são i.i.d. com distribuição 𝑁(0 , 𝜎). Assim,
𝑋𝑖 − 0 𝑋𝑖
𝑍𝑖 = = ~𝑁(0 , 1)
𝜎 𝜎
𝑋 2
2
e, portanto, 𝑍𝑖2 = ( 𝜎𝑖 ) ~𝜒(1)
𝑛 𝑛 𝑛
1 2
𝑋𝑖2 𝑋𝑖 2 2
𝑄 = 2 ∑ 𝑋𝑖 = ∑ 2 = ∑ ( ) ~𝜒(𝑛)
𝜎 𝜎 𝜎
𝑖=1 𝑖=1 𝑖=1
A afirmação é verdadeira.
3. 𝑉 𝐹 A variabilidade do preço (diário) das ações de uma certa empresa é uma medida de risco que
lhes está associada. Suponha que um potencial investidor nas ações dessa empresa, antes de decidir
aplicar o seu capital, escolheu aleatoriamente 30 dias, dos últimos anos, e registou o preço das ações da
referida empresa. Assumindo a normalidade distribucional do preço das referidas ações, a probabilidade
da variância amostral corrigida ser superior a 1,4675 vezes a variância populacional é igual a 0,05.
definida com base numa amostra aleatória de dimensão 𝑛, recolhida de uma população Normal.
𝑛−2
1 1 1
= [∑ 𝐸(𝑋𝑖 ) + 2𝐸(𝑋𝑛 )] = [(𝑛 − 2)𝐸(𝑋) + 2𝐸(𝑋)] = [(𝑛 − 2)𝜇 + 2𝜇] =
𝑛 𝑛 𝑛
𝑖=1
1 1
= (𝑛𝜇 − 2𝜇 + 2𝜇) = × 𝑛𝜇 = 𝜇
𝑛 𝑛
𝑛−2 𝑛−2
∑𝑛−2
𝑖=1 𝑋𝑖 + 2𝑋𝑛 1 1
𝑉𝑎𝑟(𝑇) = 𝑉𝑎𝑟 ( ) = 2 𝑉𝑎𝑟 (∑ 𝑋𝑖 + 2𝑋𝑛 ) = 2 [𝑉𝑎𝑟 (∑ 𝑋𝑖 ) + 𝑉𝑎𝑟(2𝑋𝑛 )] =
𝑛 𝑛 𝑛
𝑖=1 𝑖=1
𝑛−2
1 1
= 2 [∑ 𝑉𝑎𝑟(𝑋𝑖 ) + 4 𝑉𝑎𝑟(𝑋𝑛 )] = 2 [(𝑛 − 2)𝑉𝑎𝑟(𝑋) + 4𝑉𝑎𝑟(𝑋)] =
𝑛 𝑛
𝑖=1
1 1
= 2
[(𝑛 − 2)𝜎 2 + 4𝜎 2 ] = 2 (𝑛 + 2)𝜎 2
𝑛 𝑛
1 1
𝑉(𝑇 ) = 2 (𝑛 + 2)𝜎 2 e lim 2 (𝑛 + 2)𝜎 2 = 0
𝑛 𝑛→+∞ 𝑛
Estão verificadas as condições suficientes para que 𝑇 seja um estimador consistente para 𝜇 (n > 2).
A afirmação é verdadeira.
5. A durabilidade dos rolamentos “xyz” para veículos motorizados, medido em milhares de Km, segue uma
distribuição Normal. Com o objetivo de estimar a durabilidade média destes rolamentos, o engenheiro
da empresa testou 10 rolamentos “xyz”, tendo obtido os seguintes valores: 𝑥̅ = 39,1 𝐾𝑚 e 𝑠 ′ =
19,03 𝐾𝑚.
i) Um intervalo de confiança a 95% para a durabilidade média pode ser dado por:
a) (25,692 ; 52,508) b) (25,488 ; 52,712) c) (27,305 ; 50,895) d) nenhum dos anteriores
ii) A dimensão mínima da amostra a recolher para que o 𝐼𝐶95% ( 𝜇 ) tenha amplitude máxima igual a
1 𝐾𝑚 é (assuma, à, partida, que a dimensão da amostra é superior a 30):
a) 5564 b) 7412 c) 5565 d) nenhum dos valores anteriores
i)
População: 𝑋~𝑁(𝜇 , 𝜎) com 𝜎 desconhecido
Amostra: 𝑛 = 10 ; 𝑥̅ = 39,1 ; 𝑠′ = 19,03
Variável fulcral
𝑋̅ − 𝜇
𝑇= ~𝑡(𝑛−1) ≡ 𝑡(9)
𝑆′⁄√𝑛
𝛼
1 − 𝛼 = 0,95 ⇔ 𝛼 = 0,05 ⇔ = 0,025 ⇒ 𝑡𝛼⁄2 = 2,262
2
19,03 19,03
𝐼𝐶95% (𝜇) = (39,1 − 2,262 × ; 39,1 + 2,262 × ) = (25,488 ; 52,712)
√10 √10
A resposta correcta é a b).
ii)
Amostra: 𝑛 > 30 (grande) ; 𝑥̅ = 39,1 ; 𝑠′ = 19,03
Variável fulcral:
𝑋̅ − 𝜇
𝑍= ~
⏟̇ 𝑁(0 , 1)
𝑆′⁄√𝑛 𝑎𝑝𝑟𝑜𝑥
1 − 𝛼 = 0,95 ⇒ 𝛼 = 0,05 ⇒ 𝑧𝛼⁄2 = 1,96 (observação directa da tabela 5)
𝑠′ 19,03
ℎ ≤ 1 ⇒ 2𝑧𝛼⁄2 ≤ 1 ⇒ 2 × 1,96 × ≤ 1 ⇒ √𝑛 ≥ 2 × 1,96 × 19,03 ⇒
√𝑛 √𝑛
⇒ 𝑛 ≥ (2 × 1,96 × 19,03)2 ⇒ 𝑛 ≥ 5564,802 ⇒ 𝑛 ≥ 5565
A resposta correcta é a c).
iii) O parâmetro 𝜎 passa a ser conhecido, pelo que se tem mais informação acerca do comportamento da
população. Consequentemente, a amplitude do intervalo de confiança irá diminuir e a inferência estatística
passa a ser mais precisa.
Variável fulcral:
𝑋̅ − 𝜇
𝑍= ~𝑁(0 , 1)
𝜎⁄√𝑛
1 − 𝛼 = 0,95 ⇒ 𝛼 = 0,05 ⇒ 𝑧𝛼⁄2 = 1,96 (observação directa da tabela 5)