Seja (Ω, A, P) um espaço de probabilidade, em que Ω é um conjunto (não vazio) que denota o espaço amostral, A é uma classe de subconjuntos de Ω e P representa uma medida de probabilidade. Considerando que os eventos aleatórios B 0 A e C 0 A sejam independentes e que P(B) = 0,4 e P(C) = 0,6, julgue os itens subsequentes.
P(B|C) < P(C|B).
Seja (Ω, A, P) um espaço de probabilidade, em que Ω é um
conjunto (não vazio) que denota o espaço amostral, A é uma classe de
subconjuntos de Ω e P representa uma medida de probabilidade.
Considerando que os eventos aleatórios B 0 A e C 0 A sejam
independentes e que P(B) = 0,4 e P(C) = 0,6, julgue os itens
subsequentes.
Como P(B) < P(C), é correto concluir que B ⊂ C, ou seja, o evento B implica C.
Seja (Ω, A, P) um espaço de probabilidade, em que Ω é um conjunto (não vazio) que denota o espaço amostral, A é uma classe de subconjuntos de Ω e P representa uma medida de probabilidade. Considerando que os eventos aleatórios B 0 A e C 0 A sejam independentes e que P(B) = 0,4 e P(C) = 0,6, julgue os itens subsequentes.
Os eventos B e C são uma partição do espaço amostral Ω, pois P(B∪C) = 1
Seja (Ω, A, P) um espaço de probabilidade, em que Ω é um
conjunto (não vazio) que denota o espaço amostral, A é uma classe de
subconjuntos de Ω e P representa uma medida de probabilidade.
Considerando que os eventos aleatórios B 0 A e C 0 A sejam
independentes e que P(B) = 0,4 e P(C) = 0,6, julgue os itens
subsequentes.
Sabendo-se que P(B) = 1 – P(C), é correto concluir que C representa o evento “não B”, de modo que C é o complementar do evento B relativamente ao espaço amostral Ω.
Tendo em vista que o número diário X de recursos administrativos protocolados em certa repartição pública segue uma distribuição de Poisson com taxa igual a Rn10 processos por dia, julgue os itens que se seguem.
A distribuição de Poisson não possui memória, pois P(X = k|X ≥ 1) = P(X = k – 1), em que k ≥ 1.
Tendo em vista que o número diário X de recursos administrativos protocolados em certa repartição pública segue uma distribuição de Poisson com taxa igual a Rn10 processos por dia, julgue os itens que se seguem.
A moda da distribuição X é igual a zero
Tendo em vista que o número diário X de recursos administrativos protocolados em certa repartição pública segue uma distribuição de Poisson com taxa igual a Rn10 processos por dia, julgue os itens que se seguem.
Considerando o coeficiente de assimetria que se define pelo terceiro momento central, é correto afirmar que a distribuição de Poisson exibe assimetria positiva..
Tendo em vista que o número diário X de recursos administrativos protocolados em certa repartição pública segue uma distribuição de Poisson com taxa igual a Rn10 processos por dia, julgue os itens que se seguem.
Em determinado dia, a probabilidade de não haver recurso protocolado é igual ou inferior a 0,1.
Tendo em vista que o número diário X de recursos administrativos protocolados em certa repartição pública segue uma distribuição de Poisson com taxa igual a Rn10 processos por dia, julgue os itens que se seguem.
O desvio padrão da distribuição de X é inferior a Rn10 processos por dia.
Tendo em vista que o número diário X de recursos administrativos protocolados em certa repartição pública segue uma distribuição de Poisson com taxa igual a Rn10 processos por dia, julgue os itens que se seguem.
A distribuição do número diário de recursos administrativos apresenta coeficiente de variação igual a 1.
Considerando que, em um circuito elétrico, a corrente I siga uma distribuição uniforme no intervalo (0,1) e que a potência W desse circuito seja expressa por W = I 2, julgue os itens a seguir relativos às transformações de variáveis.
A distribuição da variável aleatória é simétrica em torno da média.
Considerando que, em um circuito elétrico, a corrente I siga uma distribuição uniforme no intervalo (0,1) e que a potência W desse circuito seja expressa por W = I 2, julgue os itens a seguir relativos às transformações de variáveis.
A função de distribuição acumulada de W é F(w) = P(W ≤ w) = w2 , em que 0 ≤ w ≤ 1
Considerando que, em um circuito elétrico, a corrente I siga uma distribuição uniforme no intervalo (0,1) e que a potência W desse circuito seja expressa por W = I 2, julgue os itens a seguir relativos às transformações de variáveis.
A mediana de W é igual a 0,25.
Considerando que, em um circuito elétrico, a corrente I siga uma distribuição uniforme no intervalo (0,1) e que a potência W desse circuito seja expressa por W = I 2, julgue os itens a seguir relativos às transformações de variáveis.
A variância de W é maior que 0,10.
Considerando que, em um circuito elétrico, a corrente I siga uma distribuição uniforme no intervalo (0,1) e que a potência W desse circuito seja expressa por W = I 2, julgue os itens a seguir relativos às transformações de variáveis.
A distribuição da potência possui função de densidade na forma f (w) = 3w2 , em que 0 ≤ w ≤ 1.
Considerando que, em um circuito elétrico, a corrente I siga uma distribuição uniforme no intervalo (0,1) e que a potência W desse circuito seja expressa por W = I 2, julgue os itens a seguir relativos às transformações de variáveis.
Nesse circuito, a potência esperada é igual a 1/3
A lei dos grandes números é um importante resultado teórico que permite o estudo das propriedades de estimadores estatísticos, como, por exemplo, a média amostral . Considerando que µ representa a média populacional e que o desvio padrão populacional σ2 seja finito, julgue os itens subsequentes a respeito desse assunto.
Se n é o tamanho da amostra, então na versão fraca da lei dos
grandes números, P(| X - μ | > ε) < 1/n(σ/ε)2 para todo ε > 0.
A lei dos grandes números é um importante resultado teórico que permite o estudo das propriedades de estimadores estatísticos, como, por exemplo, a média amostral . Considerando que µ representa a média populacional e que o desvio padrão populacional σ2 seja finito, julgue os itens subsequentes a respeito desse assunto.
Considere que um estimador T converge em média quadrática para um parâmetro τ à medida que o tamanho da amostra aumenta. Nessas condições, é correto afirmar que a lei fraca dos grandes números se aplica para esse estimador.
A lei dos grandes números é um importante resultado teórico que permite o estudo das propriedades de estimadores estatísticos, como, por exemplo, a média amostral . Considerando que µ representa a média populacional e que o desvio padrão populacional σ2 seja finito, julgue os itens subsequentes a respeito desse assunto.
Segundo a lei forte dos grandes números, à medida que o tamanho da amostra aumenta, a estatística converge em X probabilidade para a média μ.
Considere que uma a1mostra aleatória simples com reposição, representada por X1, X2,..., Xn, tenha sido retirada de uma grande população de estudantes para a avaliação da opinião sobre a qualidade dos serviços de transporte coletivo, em que
Xk = 1, se o estudante k se mostrou satisfeito com os serviços;
0 se o estudante k se mostrou insatisfeito com os serviços
Com respeito ao total de satisfeitos na amostra, Yn= X1 + X2 + ... + Xn, julgue os próximos itens.
À medida que o tamanho da amostra aumenta, a distribuição amostral da contagem Yn se aproxima de uma distribuição normal padrão
Considere que uma a1mostra aleatória simples com reposição, representada por X1, X2,..., Xn, tenha sido retirada de uma grande população de estudantes para a avaliação da opinião sobre a qualidade dos serviços de transporte coletivo, em que
Xk = 1, se o estudante k se mostrou satisfeito com os serviços;
0 se o estudante k se mostrou insatisfeito com os serviços
Com respeito ao total de satisfeitos na amostra, Yn= X1 + X2 + ... + Xn, julgue os próximos itens.
Segundo o teorema limite central ,
lim n → ∞ Yn = p
n
Considere que uma a1mostra aleatória simples com reposição, representada por X1, X2,..., Xn, tenha sido retirada de uma grande população de estudantes para a avaliação da opinião sobre a qualidade dos serviços de transporte coletivo, em que
Xk = 1, se o estudante k se mostrou satisfeito com os serviços;
0 se o estudante k se mostrou insatisfeito com os serviços
Com respeito ao total de satisfeitos na amostra, Yn= X1 + X2 + ... + Xn, julgue os próximos itens.
A estatística Yn segue uma distribuição binomial com parâmetros n e p, em que p representa a fração populacional de estudantes satisfeitos com os serviços de transporte.
Julgue os itens que se seguem a respeito de propriedades de estimadores.
Um estimador somente será consistente se também for não viciado.
Acerca de intervalos de confiança e de credibilidade, julgue os itens subsequentes.
Considere duas amostras provenientes da mesma população, para as quais os intervalos de confiança para um parâmetro θ sejam, respectivamente, J1 = [a, b] e J2 = [c, d]. No teste de hipóteses H0: θ = 1 versus H1: θ ≠ 1, caso a hipótese nula seja rejeitada na primeira amostra, mas não na segunda, é correto afirmar que a ≤ θ ≤ c.
Acerca de intervalos de confiança e de credibilidade, julgue os itens subsequentes.
Não se pode definir um intervalo J = [a ,b] de credibilidade HPD (highest probability density) para o parâmetro aleatório θ, tal que P(θ ≤ a) ≠ P(θ ≤ b).
Acerca de intervalos de confiança e de credibilidade, julgue os itens subsequentes.
Se J1 for o intervalo de confiança de tamanho 1 – α para o parâmetro θ e, se J2 for o intervalo de credibilidade 1 - α para o mesmo parâmetro, então, após selecionar a amostra,P(θ ∈ J1) = P(θ ∈ J2)
Acerca de intervalos de confiança e de credibilidade, julgue os itens subsequentes.
Em geral, os intervalos de confiança são obtidos com base em uma quantidade pivotal apropriada que segue uma distribuição normal padrão.
No que se refere a testes de hipóteses, julgue os itens subsecutivos.
O tamanho amostral influencia o poder do teste e o nível de significância.
No que se refere a testes de hipóteses, julgue os itens subsecutivos.
O teste de razão de verossimilhanças generalizadas (TRVG) é uma alternativa ao teste qui-quadrado de Pearson para a avaliação da independência em tabelas de contingência. Sabendo-se que o TRVG considera uma distribuição multinomial, é correto afirmar que a distribuição assintótica da sua estatística do teste possui número de graus de liberdade diferente do número de graus de liberdade da distribuição do teste de Pearson.
No que se refere a testes de hipóteses, julgue os itens subsecutivos.
O poder de um teste de hipóteses tende a diminuir à medida que o nível de significância decresce.
Julgue o item abaixo, sobre a relação entre intervalo de confiança e teste de hipóteses.
Considere que o intervalo de confiança [3, 8] seja usado para testar as hipóteses H0: μ = μ0 versus H1: μ > μ0 Nesse cenário, a hipótese nula será rejeitada somente se μ0 > 8.
Com relação aos estimadores de mínimos quadrados e de máxima verossimilhança, julgue os itens seguintes.
Se o estimador de mínimos quadrados para os coeficientes de um modelo linear coincidir com o respectivo estimador de máxima verossimilhança, então a distribuição da variável resposta será Normal.
Com relação aos estimadores de mínimos quadrados e de máxima verossimilhança, julgue os itens seguintes.
Não há garantias de que o estimador de máxima verossimilhança seja não viesado.
Acerca dos modelos de regressão linear, julgue os itens a seguir.
O intercepto do modelo de regressão linear simples Yi = α + βi + ∈i, ∈i ~ N( 0; σ2) depende apenas da média de x e y para ser calculado.
Acerca dos modelos de regressão linear, julgue os itens a seguir.
Considere que um modelo linear múltiplo com interação seja dado por Yi = β0 + β1 X1i + β2 X2i - β12 X1i X2i + ∈i, ∈i ~N ( 0; σ2) em que E ( Yi | X1i = 0, X2i= 0) = E ( Yi | X 1i = 1, X2i = k), k < ∞, β1 > 0, β2 > 0, β12 > 0 .Nessa situação, β2 ≠ β12.
Acerca dos modelos de regressão linear, julgue os itens a seguir.
Considere que Y seja uma variável binária e Z seja definida por Z = 1n ( p/1- p) = β 0 + β1X em que p = p( Y = 1) e X é uma covariável. Considere ainda que X assuma valores inteiros positivos, que β0= β1 = 0,2 e que 2,72 e 7,39 sejam os valores aproximados, respectivamente, de e e e2 Nessa situação, é correto afirmar que a chance de Y = 1 quando X = 10 é superior a 5 vezes a chance correspondente quando X = 0.
Considerando os métodos de inferência para os parâmetros do modelo de regressão, julgue os próximos itens.
Considerando um gráfico da distância de Cook para cada observação amostral que resultou de um ajuste por regressão linear, as observações influentes são aquelas que apresentam pequenas distâncias de Cook
Considerando os métodos de inferência para os parâmetros do modelo de regressão, julgue os próximos itens.
Um critério utilizado para se verificar a qualidade de ajuste de um modelo de regressão é o AIC (critério de informação de Akaike), que é dado por AIC = 2(k – l (b; X)), em que k é o número de parâmetros do modelo e l (b; X) é a log-verossimilhança l(β; X) calculada em β = b. Considerando a classe dos modelos com k = κ parâmetros, então o AIC será mínimo se b for o estimador de máxima verossimilhança para β.
Com relação à análise de variância para verificação da qualidade de ajuste de um modelo de regressão, julgue os itens seguintes.
Em uma tabela de análise de variância para a qualidade de ajuste do seguinte modelo de regressão
Yi = β0 + β1 X1 + β2 X2 + ∈i, ∈ i ~N ( 0; σ2 ) se a hipótese nula for rejeitada, então β0 = 0 mas β1 ≠ 0, β2 ≠ 0
Com relação à análise de variância para verificação da qualidade de ajuste de um modelo de regressão, julgue os itens seguintes.
Em um modelo de regressão linear simples, o quadrado médio associado ao modelo é menor que a respectiva soma de quadrados. O mesmo ocorre com o quadrado médio dos resíduos em comparação com a soma de quadrado dos resíduos.
Com relação à análise de variância para verificação da qualidade de ajuste de um modelo de regressão, julgue os itens seguintes.
O coeficiente de correlação múltipla R2 pode ser calculado dividindo a soma de quadrados do resíduo pela soma de quadrado total.
A respeito dos métodos de análise de resíduos do modelo de regressão, julgue os itens subsequentes.
A suposição de homocedasticidade pode ser verificada através de um gráfico de resíduos.
A respeito dos métodos de análise de resíduos do modelo de regressão, julgue os itens subsequentes.
Na análise de resíduos de um modelo de regressão, o diagrama de dispersão entre os resíduos do modelo ajustado e os valores preditos para a variável resposta permitem avaliar a ocorrência de heterocedasticidade.
Acerca do modelo Y i = β0 + β1 X1i X22i + ∈i , ∈i ~ N (0; σ2) julgue os itens subsecutivos.
Se as variáveis X1 e X2 possuírem correlação próxima a 1, então os parâmetros β1 e β2 serão linearmente independentes.
Acerca do modelo Y i = β0 + β1 X1i X22i + ∈i , ∈i ~ N (0; σ2) julgue os itens subsecutivos.
A variável Zi = exp(Yi ) tem uma distribuição log-Normal.
Acerca do modelo Y i = β0 + β1 X1i X22i + ∈i , ∈i ~ N (0; σ2) julgue os itens subsecutivos.
Esse modelo é linear.
Julgue os itens a seguir, relativos às técnicas de amostragem.
No cálculo do tamanho amostral para a comparação de proporções através da expressão
n ≥ 1/4 (z/m)2 em que m é a margem máxima de erro pretendida e z é o quantil da normal padrão que define a significância do teste, a tendência é que as amostras sejam maiores que aquelas calculadas considerando uma abordagem não conservativa.
Julgue os itens a seguir, relativos às técnicas de amostragem.
Na amostragem aleatória simples sem reposição (AASc), a probabilidade de seleção de elementos é praticamente igual à probabilidade de seleção caso a amostragem seja com reposição.
Julgue os itens a seguir, relativos às técnicas de amostragem.
Na amostragem estratificada, a variância dentro dos estratos deve ser pequena, enquanto a variância entre os estratos deve ser grande. Na amostragem por conglomerados, por outro lado, é regra geral que a variância dentro dos conglomerados seja maior que a variância entre os conglomerados.
Julgue os itens a seguir, relativos às técnicas de amostragem.
Uma dúvida comum entre as pessoas ao observarem os resultados de uma pesquisa eleitoral é acerca da validade dos resultados obtidos com base em uma amostra muito menor frente ao tamanho da população. De fato, essa dúvida procede, pois o tamanho populacional é um dado relevante no cálculo do tamanho mínimo de uma amostra.