

Seu próximo nível começa aqui
Com a Assinatura Ilimitada, você tem tudo que precisa para sua aprovação.
Com a Assinatura Ilimitada, você combina prática, teoria e método em uma única assinatura com tudo que você precisa para sua aprovação.
Uma amostra aleatória simples de tamanho n = 100, representada por X1, X2, ... X100, foi retirada de uma população Bernoulli. Considerando que S = X1 + X2 + ... + X100 e que a média populacional seja igual a 0,1, assinale a opção correta, de acordo com a aproximação proporcionada pelo teorema limite central.
P(S > 50) ≥ P(S < 5).
P(3S−10>0)=1.
P(S < 4) = P(S > 6).
P(3S−10<−2)=0
P(10S<1)<0,25.
Considere as variáveis aleatórias X1, X2, ..., Xn, independentes e identicamente distribuídas conforme a distribuição de Bernoulli, com parâmetro p. Seja Sn = ∑i=1nXi, em relação à probabilidade da média das variáveis aleatórias X1, X2, ..., Xn pertencer ao intervalo (p-c; p+c), é correto afirmar que
P(p − c ≤ nSn ≤ p + c) = P[|nSn − p| ≥ c] ≥ 1 − nc2P(1−p) → 1, quando n → ∞
P(p − c ≤ nSn ≤ p + c) = P[|nSn − p| ≤ c] ≥ 1 − nc2P(1−p) → 0, quando n → ∞
P(p − c ≤ nSn ≤ p + c) = P[|nSn − p| ≥ c] ≥ nc2P(1−p) → 0, quando n → ∞
P(p − c ≤ nSn ≤ p − c) = P[|nSn − p| ≤ c] ≥ 1 − nc2P(1−p) → 1, quando n → ∞
P(p − c ≤ nSn ≤ p + c) = P[|nSn − p| ≤ c] ≥ 1 − nc2P(1−p) → 1, quando n → ∞
O cálculo de intervalo de confiança para proporções é inviável quando se utiliza um processo de amostragem baseado nos ensaios de Bernoulli.
Uma AAS (X1,X2,...,Xn) de tamanho n, onde cada uma das variáveis Xi é de Bernoulli, tipo 0 ou 1, todas com o mesmo parâmetro p, é extraída.
Considerando as distribuições exatas e os principais teoremas de convergência em distribuição, é correto afirmar que:
se a extração da amostra só é finalizada quando Xk = 1, então K tem distribuição de Pascal com parâmetro p;
∑Xi/n também terá distribuição de Bernoulli;
∑Xi converge em distribuição para uma Normal;
se a extração da amostra só é encerrada quando Xk = 1, pela J-ésima vez, então K tem distribuição de Binomial Negativa com parâmetros J e p;
∑Xi terá distribuição aproximadamente normal com média p e variância p.(1-p).
Uma empresa financiadora de veículos constatou que 30% dos seus clientes não pagam as prestações mensais. Consultando os arquivos da empresa, foi observado que 85% dos não pagadores eram aqueles cujo valor da prestação representava 25% da renda familiar ou mais e que, para 75% dos bons pagadores, a mensalidade representava menos que 25% da renda familiar. Qual é a probabilidade de um cliente não pagar a prestação, dado que sua prestação é elevada em relação a sua renda familiar? (Definindo: P= “Pagar”; NP= “Não pagar”; E= “prestação em relação à renda é maior que 25%” e Ec= “prestação em relação à renda menor ou igual a 25%”).
0,59
0,85
0,43
0,25
0,20


Avalie se ∑i=1nXi é uma estatística suficiente para o parâmetro indicado nos casos a seguir.
I. Uma distribuição Bernoulli para a qual o parâmetro p (0 < p < 1) é desconhecido.
II. Uma distribuição geométrica para a qual o parâmetro p (0 < p < 1) é desconhecido.
III. Uma distribuição normal com média conhecida e variância σ 2 desconhecida.
Está correto o que se afirma em
I, apenas.
II, apenas.
I e II, apenas.
II e III, apenas.
I, II e III.
A variável Y segue uma distribuição de Bernoulli, cuja probabilidade de sucesso é igual a 0,9.
Certo
Errado
Um experimento consiste na realização de pesquisas por telefone, e o entrevistador obtém sucesso quando realiza a primeira entrevista completa. Esse experimento consiste em uma sequência de provas de Bernoulli - provas independentes e probabilidade de sucesso em cada prova constante igual a 0,2. O sucesso do experimento gera um lucro de 100 reais, e o fracasso, um custo de 20 reais. O experimento é repetido até haver sucesso, ou seja, até a obtenção de uma primeira entrevista completa.
A variância do lucro, em reais2, é de
320
400
480
8.000
8.120
Assinale a opção correta com relação à função de verossimilhança, log verossimilhança e o valor do estimador do parâmetro p de uma Bernoulli(p) considerando n = 5 e ∑i=1nx i = 11





Considere um experimento em laboratório de testes de vacinas, para isso são tomadas n realizações de Bernoulli com probabilidade p de sucesso. Sendo X o número de sucessos e considerando os estimadores:

Tomando a esperança e variância de cada estimador, é correto afirmar que:


![]()
![]()

Se X1, X2, ..., Xn é uma amostra aleatória simples de uma distribuição Bernoulli (p), então o estimador de máxima verossimilhança da variância populacional é
X.
∑i=1n(X1−X)2 /n.
∑i=1n=(Xi −X)2/ (n−1).
∑i=1n= (Xi −X)2/2n.
∑i=1n= Xi /2n.
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:
P(Positiva | ExpPos) = 0,56 e P(NÃO Positiva | ExpPos) = 0,44;
P(Positiva | ExpPos) = 0,68 e P(NÃO Positiva | ExpPos) = 0,32;
P(Positiva|ExpPos) = 0,875 e P(NÃO Positiva|ExpPos) = 0,125;
P(Positiva | ExpPos) = 0,68 e P(NÃO Positiva | ExpPos) = 0,32;
P(Positiva | ExpPos) = 2/3 e P(NÃO Positiva | ExpPos) = 1/3.
Lançam-se dois dados equilibrados e independentes ao mesmo tempo. Dado que Xi é o resultado do i-ésimo dado jogado, i = 1,2 e W=∣X1−X2∣ ,qual o resultado aproximado da operação a seguir
P(W = 5) - 2 * P(W = 2)?
-0,389
-0,489
0,389
0,489
-0,289
Sejam X e Y variáveis aleatórias do tipo Bernoulli, assumindo valores x1, x2, y1, e y2, respectivamente. Também é sabido que P(X = x1/ Y = y2) = 0,60 e P(Y = y1) = 0,75.
Então:
P(X = x2/ Y = y2) = 0,35;
P(X = x2; Y = y2) = 0,10;
P(X = x1; Y = y1) = 0,25;
P(Y = y2 / X = x1) = 0,40;
P(X = x2) = 0,17.