Este documento apresenta 11 exercícios sobre inferência estatística envolvendo estimadores de máxima verossimilhança e método dos momentos. Os exercícios abordam tópicos como estimação de parâmetros em distribuições de probabilidade discretas e contínuas, modelos de regressão linear e estimação conjunta de parâmetros em amostras mistas.
Este documento apresenta 11 exercícios sobre inferência estatística envolvendo estimadores de máxima verossimilhança e método dos momentos. Os exercícios abordam tópicos como estimação de parâmetros em distribuições de probabilidade discretas e contínuas, modelos de regressão linear e estimação conjunta de parâmetros em amostras mistas.
Este documento apresenta 11 exercícios sobre inferência estatística envolvendo estimadores de máxima verossimilhança e método dos momentos. Os exercícios abordam tópicos como estimação de parâmetros em distribuições de probabilidade discretas e contínuas, modelos de regressão linear e estimação conjunta de parâmetros em amostras mistas.
Este documento apresenta 11 exercícios sobre inferência estatística envolvendo estimadores de máxima verossimilhança e método dos momentos. Os exercícios abordam tópicos como estimação de parâmetros em distribuições de probabilidade discretas e contínuas, modelos de regressão linear e estimação conjunta de parâmetros em amostras mistas.
Baixe no formato PDF, TXT ou leia online no Scribd
Fazer download em pdf ou txt
Você está na página 1/ 2
4a Lista de Exercícios - Inferência Estatística I
ENCE/IBGE - Profa. Maria Luíza Toledo - 2021.1
1. Encontre o estimador de máxima verossimilhança de θ em cada caso:
1 a) X1 , ..., Xn é uma a.a. da densidade f (x|θ) = 2θ I[−θ,θ] (x), onde θ > 0. b) X1 , ..., Xn é uma a.a. da densidade f (x|θ) = θx−2 I[θ,∞) (x), onde θ > 0.
2. Encontre o estimador de θ pelo método dos momentos, considerando que X1 , ..., Xn é uma a.a. da seguinte distribuição:
a) Binomial (k, p), com θ = (k, p).
b) Gama (α, β), com √ θ = (α,√β). c) Uniforme (µ − 3σ, µ + 3σ), com θ = (µ, σ). d) Exponencial (θ).
3. Seja X1 , ..., Xn uma a.a. da distribuição Poisson (λ). Encontre o estimador de máxima verossimilhança para τ (λ) = (1 + λ)exp{−λ}.
4. Seja X1 , ..., Xn uma a.a. da distribuição com a seguinte função de probabilidade
f (x|θ) = θx (1 − θ)1−x I{0,1} (x), 0 < θ < 1.
a) Encontre o estimador de θ pelo método dos momentos.
b) Encontre o estimador de máxima verossimilhança de θ. θ c) Encontre o estimador de máxima verossimilhança de g(θ) = 1+θ . d) Assuma que a seguinte amostra de X tenha sido observada:
(1, 0, 0, 0, 1, 0, 1, 1, 0, 1)
Obtenha as estimativas correspondentes em cada caso, considerando as letras (a)-(c).
5. Sejam Y1 , ..., Yn v.a.’s independentes com Yi ∼ N (α + βxi , 1), onde xi é conhecido ∀i = 1, ..., n. Encontre os estimadores de máxima verossimilhança de α e β.
6. Sejam Y1 , ..., Yn v.a.’s independentes com Yi ∼ N (βxi , σ 2 xi ), onde xi > 0 é conhecido ∀i = 1, ..., n. Encontre os estimadores de máxima verossimilhança de β e σ 2 .
7. Seja X1 , ..., Xn uma a.a. da v.a. X com função densidade de probabilidade
1 (x + 1) −x/θ f (x|θ) = e , x > 0, θ > 0. θ(θ + 1) Obtenha um estimador para θ pelo método dos momentos.
8. Considere a v.a. X discreta com a seguinte função de probabilidade:
θ2 se x=1 2θ(1 − θ) se x=2 p(x|θ) = 2 (1 − θ) se x=3 0, caso contrário
a) Para uma amostra de n = 3 indivíduos, observou-se (x1 = 1, x2 = 2, x3 = 1). Qual é a estimativa de
máxima verossimilhança para θ?
b) Para uma amostra de n indivíduos, sejam n1 , n2 e n3 o número de elementos iguais a 1, 2 e 3,
respectivamente, onde n1 + n2 + n3 = n. Encontre o estimador de máxima verossimilhança de θ.
x −x/θ 9. Seja X1 , ..., Xn uma a.a. da densidade f (x|θ) = θ2 e , x > 0, onde θ > 0. Encontre o estimador de máxima verossimilhança de:
a) θ b) V ar(X) c) P (X > 2).
10. Sejam X1 , ..., Xn e Y1 , ..., Ym amostras aleatórias das distribuições de X e Y , respectivamente, em que X ∼ Gama(α1 , β) e Y ∼ Gama(α2 , β), e X e Y são independentes.
a) Escreva a verossimilhança correspondente à amostra conjunta.
b) Utilizando o teorema da fatoração, encontre uma estatística conjuntamente suficiente para θ = (α1 , α2 , β). c) Assuma que α1 = 2 e α2 = 3. Encontre o estimador de máxima verossimilhança de β.
11. Considere o modelo linear dado por Yi = θXi + εi . Determine o estimador de θ através do método dos mínimos quadrados, com base nas observações (xi , yi ), i = 1, ..., n.
