Sejam θ₁, θ₂ e θ₃ estimadores de um parâmetro populacional θ gerados a partir de uma amostra do tipo AAS de tamanho n.

Sabe-se ainda que é eficiente quando comparada com uma certa classe de estimadores, que θ₂ e θ₃ são tendenciosos, mas θ₂ não é assintoticamente tendencioso. Então:

Tratando de estimadores, pode-se dizer que um estimador Ɵ̂ é não viciado para Ɵ se:

Para uma amostra de tamanho n = 20, tem-se coletadas as informações de duas variáveis Y e X com as seguintes informações:

Assumindo que existe uma relação linear entre tais variáveis, o coeficiente angular da reta de regressão de mínimos quadrados será igual a

O valor estimado da média amostral será

Um instituto goiano de pesquisa de opinião deseja estimar o número de pessoas em um município do estado, no ano de 2018, que sofreram algum tipo de acidente de trabalho nos últimos seis meses. Uma pesquisa anterior realizada no ano de 2017 mostrou que 10% dos entrevistados sofreram algum tipo de acidente de trabalho. Qual será o número mínimo de pessoas que deverão ser entrevistadas nesta nova pesquisa, considerando um erro de estimação de 3% e um nível de 95% de confiança?

Um estatístico selecionou uma amostra aleatória de professores da UFG para aplicar um instrumento que mensura o nível de stress. No processo de inferência, ele se depara com a possibilidade de usar dois estimadores não viciados Nessa situação, qual dos estimadores é o mais eficiente?

Seja um parâmetro e seu correspondente estimador de máxima verossimilhança. A propriedade de invariância dessa classe de estimadores indica que

Segundo o livro de Bussab e Morettin: “O princípio da verossimilhança afirma que se deve escolher aquele valor do parâmetro desconhecido que maximiza a probabilidade de obter a amostra particular observada, ou seja, o valor que torna aquela amostra a “mais provável”. O uso desse princípio conduz a um método de estimação pelo qual se obtêm os chamados estimadores de máxima verossimilhança que, em geral, têm propriedades muito boas. Esse princípio foi enunciado por Fisher pela primeira vez em 1912 e, em 1922, deu-lhe forma mais completa, introduzindo a expressão “likelihood” (verossimilhança).”

Sendo assim, considere um vetor de variáveis aleatórias Independentes e identicamente distribuídas com distribuição Binomial dada por ~ . Assinale a alternativa que expressa a função de log verossimilhança para esse conjunto de variáveis aleatórias.

Suponha que o tempo de vida de uma bactéria segue uma distribuição Gama com média 0,0002 e desvio padrão igual a 0,0001. Considerando que foi observado o tempo de sobrevivência (em horas) destas bactérias no organismo e que são n = 5 bactérias. A alternativa que indica corretamente a função de máxima verossimilhança é dada por:

Um médico trabalha em um município com população de 1000 pessoas e está interessado em implantar um teste diagnóstico para uma doença cuja prevalência é 0,5% na comunidade. A sensibilidade do teste é 100% e a especificidade, 80%. Com a implantação desse teste, é esperado que um acerto diagnóstico (verdadeiro-positivo) seja acompanhado de resultados falso-positivos na razão de, aproximadamente:

Sobre propriedades dos estimadores, assinale a alternativa correta.

A inferência estatística é um processo de raciocínio

Com a finalidade de estimar a proporção p de indivíduos de certa população, com determinado atributo, através da proporção amostral   é extraída uma amostra de tamanho n, grande, compatível com um erro amostral de ɛ e com um grau de confiança de (1-α). Assim, é correto afirmar que:

Seja a amostra aleatória de tamanho n, [x₁, x₂, x₃, ... , x_n ], tomada de uma distribuição de Poisson com parâmetro θ, na busca do Estimador de Verossimilhança desse parâmetro θ, o logaritmo da Função de Verossimilhança é

O erro médio quadrático é uma medida do desempenho de um estimador de um parâmetro θ ou de uma função desse parâmetro, q(θ). A definição do erro médio quadrático é R(θ ,T) = E[T(x) - q(θ)]² , onde T(x) é o estimador de q(θ). Então, é possível afirmar que

Um produto eletrônico tem o seu tempo de garantia modelado por uma distribuição Exponencial. Uma amostra com tamanho n = 100 itens do produto, obtida da assistência técnica, forneceu média amostral de 3,505 anos. A direção da empresa deseja saber qual é o percentual de itens que receberiam manutenção por falha após a entrega do produto se fosse concedida uma garantia de 48 meses. O estatístico da empresa fez os cálculos e afirma que o percentual de itens sujeitos à manutenção é de

Seja o modelo de regressão linear , em que Y é o vetor das respostas (variável dependente) de dimensão n, X é matriz do modelo de ordem n x p, é o vetor de parâmetros de dimensão p e é o vetor dos erros de dimensão n. Então, admitindo que os erros são i.i.d. com distribuição Normal (Gaussiana) com média zero e variância σ², o estimador de mínimos quadrados ordinários do vetor de parâmetros e o pivô usado para testar a hipótese nula H_0i: β_i = 0 i = 0, 1, 2, ..... p-1 são, respectivamente,

Existem duas versões para o teste “t” de Student que pode ser aplicado a dois grupos, a versão clássica e a versão de Aspin-Welch. Geralmente, toma-se uma amostra de tamanho n₁ do primeiro grupo e outra de tamanho n₂ do segundo grupo. A seguir calculam-se as médias amostrais, os desvios padrões amostrais e a estatística do teste. Uma diferença entre as duas versões é

A verificação dos pressupostos do modelo de regressão linear múltipla é fundamental para a garantia das propriedades dos estimadores dos parâmetros, na dependência do método de estimação a ser empregado. Nesse contexto:

Seja X₁, X₂, ..., X_n uma amostra aleatória independente e identicamente distribuída de uma U(0, θ) onde X_(n) = max(X₁, X₂, ..., X_n). Qual o estimador não viciado para o parâmetro θ?