

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.
Considere uma variável aleatória X, com distribuição normal, média igual a 3 e variância igual a 9, e uma variável aleatória Y, com distribuição exponencial e média igual a 3. Os quantis q(0,25) aproximados de X e Y são, respectivamente,
0,98 e -3ln(0,75).
1,50 e -3ln(0,25).
0,67 e -3ln(0,75).
0,98 e -ln(0,75)/3.
0,67 e -ln(0,25)/3.
Se X1, X2, ..., Xn é uma amostra aleatória simples de uma distribuição exponencial com parâmetro θ, ou seja,
f(x|θ) = θe-θx , θ > 0,
então, o estimador de θ pelo método dos momentos é
X=∑i=1nX1/ n.
X1=∑i=1nXin.
X2 .
∑i=1n=X1.
∑i=1n= Xi /2.

Considere que foram gerados dois números aleatórios, u1 = 0,409 e u2 = 0,119, com distribuição uniforme em (0,1). Deseja-se, a partir deles, simular duas observações de uma variável aleatória, X, com distribuição exponencial com média igual a 0,5, e duas observações de uma variável aleatória, W, com distribuição normal com média igual 1 e desvio padrão igual a 3. Os valores simulados são, respectivamente,
X1 = -log(0,591)/2, X2 = -log(0,881)/2, W1 = 0,31 e W2 = -2,54.
X1 = -2log(0,409), X2 = -2log(0,119)/2, W1 = 0,09 e W2 = -1,18.
X1 = -2log(0,591), X2 = -2log(0,881), W1 = 0,09 e W2 = -1,18.
X1 = -log(0,591)/2, X2 = -log(0,881)/2, W1 = 1,27 e W2 = -4,54.
X1 = -log(0,409/2), X2 = -log(0,119/2), W1 = 0,31 e W2 = -2,54.
A quantidade 10 kg corresponde ao valor mais provável da distribuição Y de modo que P(Y = 10 kg) ≥ 0,50.
Certo
Errado
P(Y ≥ 10 kg) > P(Y ≤ 10 kg).
Certo
Errado
Suponha uma amostra aleatória simples de tamanho 2 de uma densidade exponencial com parâmetro λ > 0, e seja Y a menor das observações.
Nesse caso, Y tem distribuição
exponencial (λ).
exponencial (2λ).
exponencial (λ/2).
gama (2, λ).
gama (2, 2λ).
Avalie se as seguintes famílias de distribuições são uma família exponencial:
I. A família de distribuições Poisson com média desconhecida.
II. A família de distribuições normais com média conhecida e variância desconhecida.
III. A família de distribuições Beta com parâmetro α conhecido e parâmetro β desconhecido.
IV. A família de distribuições Uniforme no intervalo (0, θ), θ parâmetro desconhecido.
São de fato famílias exponenciais
I e II, apenas.
III e IV, apenas.
I, II e IV, apenas.
I, II e III, apenas.
I, II, III e IV.
Selecione a alternativa que representa as primitivas de (2x +2) ex²+2x+1
X2 +2x +1 +C
ex²+2x+1 +C
e2x+1+C
ex²+2x+1
ex²+2x+1+1

O desvio padrão da variável aleatória Y é superior a 12 kg.
Certo
Errado
Suponha que o tempo de vida útil da lâmpada de um Scanner seja distribuído exponencialmente com parâmetro β=600 horas.
Se T representa a durabilidade da lâmpada, é correto afirmar que:
P (T > 600) = 0,50;
P (200 < T < 600) = 0,25;
P (T > 1500) = 1 - e-2;
P (T > 1200 ∣ T > 300) = P (Y > 900);
P (T < 450) = 1 - e-2/5.
Considere-se uma amostra aleatória 𝑋1 ,𝑋2 ,𝑋3 ,𝑋4 , em que 𝑋𝑘 represente o tempo gasto (em horas) na 𝑘–ésima obra de drenagem em determinado aterro sanitário (para 𝑘 = 1,2,3,4). Essas variáveis aleatórias são independentes e identicamente distribuídas e cada 𝑋𝑘 é exponencial com média igual a quarenta horas. Nessa situação, sendo 𝑀 uma variável aleatória que represente o tempo mínimo dessa amostra, ou seja, 𝑀 = min{𝑋1 ,𝑋2 ,𝑋3 ,𝑋4 }, o valor esperado da variável aleatória 𝑀 será igual a
8 h.
9 h.
10 h.
11 h.
12 h.
Considerando que X1, X2, ..., Xn represente uma amostra aleatória simples retirada de uma distribuição exponencial com média 𝜇 e variância 𝜎 2 e que X=n(X1+X2+...+Xn) , assinale a alternativa correta.
O estimador de máxima verossimilhança para a variância 𝜎 2 é σ^ 2=n∑i=1n=(Xi−X)2
O estimador de máxima verossimilhança para o coeficiente de variação μσ é X1 n−1∑i=1n=(Xi−X)2 .
O estimador de máxima verossimilhança para a média populacional 𝜇 é a mediana amostral.
A soma X1 + X2 + ... + Xn é uma estatística suficiente para a estimação da média 𝜇.
A variância amostral S2=n−1∑i=1n=(Xi−X)2 é o estimador de máxima verossimilhança para a variância populacional 𝜎 2 .