Questões de Concurso
Sobre amostragem em estatística
Foram encontradas 1.212 questões
Considere que um experimento consista em gerar uma amostra de tamanho n de uma distribuição de média µ e variância σ2 e que, para cada 1.000 amostras de tamanho n, toma-se o quantil de ordem 95% da distribuição da média das amostras. Nesse cenário, se K(n) for o resultado do experimento para amostras de tamanho n, então a distribuição assintótica de K(n)será uma distribuição normal.
O amostrador de Gibbs é um algoritmo que permite gerar amostras de distribuições multivariadas.
Suponha que um caso polêmico esteja sendo julgado por um tribunal e que, para avaliar a proporção de pessoas na população favoráveis ao resultado positivo nesse processo, o tribunal decida fazer uma enquete. Nesse caso, para se calcular o tamanho da amostra que responderá à enquete, será necessário conhecer o tamanho da população.
Considere que um tribunal pretenda pesquisar a respeito do tempo médio em que processos dos tipos A e B são solucionados. Nesse cenário, supondo que os processos do tipo A sejam solucionados quase todos no mesmo tempo , que os do tipo B sejam solucionados com maior variabilidade , que se escolham n processos de cada tipo e que o tamanho amostral seja desprezível com relação ao tamanho populacional, é correto afirmar que a amostragem estratificada minimiza a variância da estimativa da média de tempo dos processos se comparada com a amostragem aleatória simples com reposição.
Considerando os estimadores = média amostral; = estimador regressão para a média populacional e = estimador razão para a média populacional, e sabendo que e que ,é correto afirmar que , somente se cov(X, Y ) < 0,5R V(X),em que R é a razão populacional entre e Y e X.
De acordo com o teorema limite central, a soma segue uma distribuição normal.
A função de distribuição acumulada da estatística de ordem X(n) = max{X1, X2, ..., Xn} é P(X(n) ≤ x) = 1 -e-λnx .
Considere que T(X1, X2, ..., Xn) seja o estimador do tipo UMVUE ( uniformly minimum-variance unbiased estimator) de λ . Nessa situação, a variância da estatística T(X1 X2, ..., Xn) corresponde ao limite inferior de Cramer-Rao.
A média amostral é um estimador não tendencioso do parâmetro λ.
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.
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.
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.
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.
Uma medida de alavanca de um modelo de regressão é tal que em que tij é o resíduo do modelo de regressão da variável Xi explicada pelas demais variáveis independentes do modelo para a observação j. Supondo um modelo de regressão com 2 variáveis dependentes, no qual apenas k-ésima observação amostral seja influente, se Ø1k > Ø2k então o valor X2k tem um impacto maior que o valor X1k na influência da k-ésima observação.
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.
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
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
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 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.