

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.

Se X1 , X2 , .., Xn denota uma amostra aleatória de tamanho n de uma distribuição N (μ, σ2), então os estimadores de máxima verossimilhança de μ e σ2 são respectivamente:
Xˉ e ∑i=1n(Xi−X)2 / n
Xˉ e ∑i=1n(Xi−X)2 /(n−1)
Xˉ e ∑i=1n(Xi− X)2 / (n+1)
∑i=1nXi e ∑i=1n(Xi−X)2 / n
∑i=1nXi e ∑i=1n(Xi−X)2 / (n−1)
Para se estimar a proporção de machos em uma ninhada, foram escolhidos aleatoriamente quatro elementos, e verificou- se que havia três machos. Um estimador de máxima verossimilhança para a proporção de machos é obtida maximizando- se a função de verossimilhança, que nesse caso é:
F(p) = p³(1 – p²)/3
F(p) = 2p²(1 – p)
F(p) =p³(1 – p)
F(p) = p² – 2p
F(p) = 2p³ – 3p
Qual o estimador não viciado de X(n) (máximo) para os dados da amostra {3,5,4,10,5,7,8,4,9,4}, sabendo que esse estimador é função do estimador de máxima verossimilhança?
12
11
10
9
8
Uma população tem distribuição regida pela função de densidade de probabilidade dada por


A região crítica definida pela razão entre as verossimilhanças sob a hipótese nula e a hipótese alternativa é aquela que minimiza a soma das probabilidades dos erros do tipo I e do tipo II.
A função linear estimada equivale a :
Os valores das estatísticas F e t (para b1 ) são, respectivamente:
795,1782 e 632.308,3697.
795,1782 e 28,1988.
28,1988 e 795,1782.
79,5178 e 8,9173.


4,000.
2,500.
0,625.
0,400.
0,250.
No estimador de máxima verossimilhança da variância residual, o denominador é igual a 100.
Seja Y uma variável aleatória N(α + βX, σ2) e considere os n pares de valores (X1 ,Y1), (X2 ,Y2),...,
(Xn,Yn) onde, para cada valor Xi predeterminado, um valor Yi é observado e sejam ∼α e ∼β
os estimadores de máxima verossimilhança de α e β, respectivamente. Determine o estimador de máxima verossimilhança da variância residual σ2.
∑i=1n (yi−∼α−∼βXi)2/(n−1)
∑i=1n (yi−∼α−∼βXi)2/(n−2)
[∑i=1n(yi−∼α−∼βXi)2/(n−1)]0,5
∑i=1n (yi−∼α−∼βXi)2
∑i=1n (yi−∼α−∼βXi)2/n