Em um exame físico para selecionar um jogador de futebol é medido o peso de cada candidato; aqui também consideramos que o resultado pode ser qualquer número real positivo.
Passo 1
O enunciado dado é curto e só afirma que, num exame físico para selecionar um jogador, é medido o peso de cada candidato e que o resultado pode ser qualquer número real positivo.
Informações explícitas fornecidas:
Informações explícitas fornecidas:
- O peso de cada candidato é medido.
- O peso é um número real positivo (ou seja, pertence ao conjunto
).
O enunciado NÃO contém nenhuma pergunta: não diz o que quer que a gente calcule (por exemplo, média, probabilidade, estimativa, teste de hipóteses, modelagem da distribuição, etc.) e também não fornece dados numéricos (amostra) nem hipótese sobre a distribuição dos pesos. Portanto, com o enunciado atual não há uma tarefa matemática bem definida a ser resolvida.
Passo 2
Para eu não te deixar na mão, vou te explicar passo a passo o que costumam pedir em exercícios desse tipo e quais informações seriam necessárias. Assim você aprende o material e, quando vier a pergunta completa, resolve tranquilo.
-
Modelagem básica: tratamos o peso como uma variável aleatória contínua
com suporte em . Isso significa que podemos descrever por uma função densidade de probabilidade e por sua função de distribuição acumulada . - A densidade
é uma função não-negativa tal que . - A função
satisfaz e é usada para calcular probabilidades do tipo .
- A densidade
-
Medidas importantes:
- Esperança (média):
. Isso dá o “peso médio esperado”. - Variância:
. Dá uma ideia de dispersão dos pesos.
Essas fórmulas são fundamentais e aparecem muito em provas.
- Esperança (média):
Passo 3
Quais distribuições são comuns para pesos (variáveis positivas) e como elas se definem — uma mini-aula com as fórmulas e explicações simples:
-
Distribuição Lognormal: assume-se que
é normalmente distribuída, isto é, . - Densidade:
- Por que usar? Pesos são positivos e frequentemente apresentam leve assimetria; lognormal modela isso bem.
- Probabilidades: para qualquer
,
ondeé a função de distribuição da normal padrão. -
Distribuição Exponencial:
tem densidade - Tem suporte positivo e é simples; usada quando queremos um modelo com memória curta, mas raramente é perfeita para pesos humanos.
-
Distribuição Gama:
(forma , escala ) com densidade - Muito flexível; inclui exponencial como caso especial (
).
- Muito flexível; inclui exponencial como caso especial (
-
Normal truncada: às vezes usa-se
mas só para (truncada), se os pesos estiverem bem afastados de zero.
Qual escolher? Depende do formato dos dados (simetria, cauda, comportamento perto de zero). Em provas, o enunciado costuma indicar a distribuição ou fornecer uma amostra para justificar a escolha.
Passo 4
Estimadores e procedimentos que frequentemente aparecem — explico cada um com calma:
- Estimação por máxima verossimilhança (MLE) — ideia: dado um modelo
com parâmetro , usamos a amostra e formamos a verossimilhança
O MLE é o valor
que maximiza
(ou
). Depois, muitas vezes usamos
para calcular probabilidades e estimativas pontuais.
Exemplos práticos:
- Se
é Exponencial , o MLE de é
e a média do exponencial estimada é
.
- Se
é Lognormal, trabalhando com e , então e os MLEs são
A vantagem do lognormal é reduzir o problema a estimar média e variância da normal sobre os logaritmos.
-
Método dos Momentos: iguala momentos amostrais (média, variância) aos momentos teóricos para resolver parâmetros — é uma alternativa simples quando MLE é trabalhoso.
-
Cálculo de probabilidades usando estimadores: uma vez que você tem
para lognormal, calcula como indicado no Passo 3, usando tabela (normal padrão).
Passo 5
Vou mostrar um exemplo ilustrativo (apenas para demonstrar o passo a passo — não inventei nada do seu enunciado, é só didática):
Suponha que uma amostra hipotética seja
(valores positivos). Para modelar com lognormal e estimar
:
- Transforme: calcule
para cada . - Calcule
e . (Mostre isso com calma na prova, cada soma explicada.) - Para a probabilidade estimada:
- Procure na tabela da normal padrão o valor de
correspondente ao z calculado; se estiver numa prova sem calculadora, você geralmente usará tabela de .
Dica prática para prova: quando trabalharem com lognormal, anote sempre que você está transformando para a normal. Mostrar isso passo a passo rende pontos e evita erros bobos.
Passo 6
Resumo e conclusão prática sobre o que posso entregar agora:
- Com o enunciado atual não há uma pergunta a resolver nem dados numéricos; por isso NÃO dá para apresentar um “cálculo final” ou uma resposta numérica.
- O que eu te dei foi um mapa completo: como modelar, as distribuições mais apropriadas para pesos, como estimar parâmetros (MLE, momento), e um exemplo didático para quando tiveres uma amostra. Assim, na prova, quando aparecer a pergunta concreta, segue esse roteiro e resolve passo a passo.
Força aí — respira fundo! Se aparecer o enunciado completo (por exemplo: “calcule a probabilidade de um candidato pesar menos de
kg”, ou "estime a média dos pesos a partir da amostra
"), eu já sei exatamente o passo a passo pra te resolver em detalhe.
Resposta
Não é possível resolver numericamente: o enunciado está incompleto — falta a pergunta específica e/ou dados numéricos necessários para obter uma resposta.