Filtrar


Questões por página:

Um processo auto regressivo de ordem p, AR(p), pode ser escrito da forma:


Xt = ∅0 + ∅1Xt − 1 + ∅2Xt − 2 + ... + ∅pXt − p + εt onde ∅0, ∅1, ..., ∅p são parâmetros reais e εt uma sequência de variáveis aleatórias independentes e identicamente distribuídas com E(εt ) = 0 e var(εt ) = σ2.


Corresponde a um processo AR(p) estacionário:

Pode-se demonstrar que se X for uma variável aleatória contínua com função densidade de probabilidade f(x) e função de densidade acumulada F(x), então a variável aleatória U = F(x) tem distribuição uniforme no intervalo [0,1]. Considere uma variável aleatória Y com uma distribuição exponencial com média 0,5.
Foram simulados três valores de uma distribuição uniforme com o seguinte resultado: u1 = 0,66; u2 = 0,42; u3 = 0,18.
Dado que In(0,34) = −1,79; In(0,58) = −0,545; In(0,82) = −0,2 e utilizando as informações disponíveis, é possível gerar três valores da variável aleatória Y. A soma aproximada desses três valores gerados é
No período de 81 dias úteis, foram coletadas informações sobre o fluxo de conciliações em um Tribunal Regional do Trabalho. Considere que diariamente são realizados, em média,64 acordos de conciliação no Tribunal segundo uma distribuição de Poisson. Usando o Teorema Central do Limite, pode-se considerar que a média diária da amostra de 81 dias terá uma distribuição aproximadamente normal. Considere, abaixo, a tabela referente à distribuição normal padrão, Z:


Com base nessa aproximação e os dados fornecidos, a probabilidade de que a média amostral da amostra de 81 dias seja superior a 66 conciliações é, em %, igual a
Sejam X e Y variáveis aleatórias independentes, cada uma com distribuição exponencial de parâmetro λ. A probabilidade de X ≥ 2Y é:
A função geradora de momentos de uma variável aleatória X é definida como Mx(t) = E[etx] para todos os valores de t na qual a esperança seja finita.
No caso de uma variável aleatória discreta, a função geradora de momentos é definida como: Mx (t) = f (x) onde f(x) corresponde à função de probabilidade da variável aleatória X. Tem-se ainda que: , ou seja, a derivada de ordem k da função geradora de momentos, quando t = 0, gera o momento de ordem k. Considere que uma variável aleatória discreta X tenha uma função geradora de momentos igual a: Mx (t) = 1/6 (et + e2t + e3t + e4t + e5t + e6t). Os valores da média e variância de X são, respectivamente: