Questões de Concurso
Sobre estimativa de máxima verossimilhança em estatística
Foram encontradas 139 questões
Ano: 2015
Banca:
CESPE / CEBRASPE
Órgão:
Telebras
Prova:
CESPE / CEBRASPE - 2015 - Telebras - Analista Superior - Estatística |
Q611984
Estatística
Para predizer a demanda por determinado tipo de serviço de comunicação de dados, um especialista em gestão de telecomunicações considerou um modelo de regressão linear múltipla na forma y = Xβ + ε, em que y é o vetor de respostas, X é a matriz de delineamento, β é o vetor de parâmetros, e ε denota o vetor de erros aleatórios independentes e identicamente distribuídos. Cada componente do vetor ε segue uma distribuição normal com média zero e variância v. O modelo ajustado é expresso por 
, em que 
representa a estimativa de máxima verossimilhança do vetor β.
Considerando que
, julgue o item que se segue.
O fator de inflação da variância (VIF) é obtido com base nos elementos da diagonal principal da matriz (X’X)-1, sendo sua principal função detectar possíveis pontos influentes ou valores atípicos (outliers) no vetor de resposta y.
, em que representa a estimativa de máxima verossimilhança do vetor β. Considerando que
, julgue o item que se segue. O fator de inflação da variância (VIF) é obtido com base nos elementos da diagonal principal da matriz (X’X)-1, sendo sua principal função detectar possíveis pontos influentes ou valores atípicos (outliers) no vetor de resposta y.
Ano: 2015
Banca:
CESPE / CEBRASPE
Órgão:
Telebras
Prova:
CESPE / CEBRASPE - 2015 - Telebras - Analista Superior - Estatística |
Q611983
Estatística
Para predizer a demanda por determinado tipo de serviço de comunicação de dados, um especialista em gestão de telecomunicações considerou um modelo de regressão linear múltipla na forma y = Xβ + ε, em que y é o vetor de respostas, X é a matriz de delineamento, β é o vetor de parâmetros, e ε denota o vetor de erros aleatórios independentes e identicamente distribuídos. Cada componente do vetor ε segue uma distribuição normal com média zero e variância v. O modelo ajustado é expresso por , em que representa a estimativa de máxima verossimilhança do vetor β.
Considerando que
, julgue o item que se segue.
Conclui-se que
, em que representa a estimativa de máxima verossimilhança do vetor β. Considerando que
, julgue o item que se segue.
Conclui-se que
Ano: 2015
Banca:
CESPE / CEBRASPE
Órgão:
Telebras
Prova:
CESPE / CEBRASPE - 2015 - Telebras - Analista Superior - Estatística |
Q611982
Estatística
Para predizer a demanda por determinado tipo de serviço de comunicação de dados, um especialista em gestão de telecomunicações considerou um modelo de regressão linear múltipla na forma y = Xβ + ε, em que y é o vetor de respostas, X é a matriz de delineamento, β é o vetor de parâmetros, e ε denota o vetor de erros aleatórios independentes e identicamente distribuídos. Cada componente do vetor ε segue uma distribuição normal com média zero e variância v. O modelo ajustado é expresso por 
, em que
representa a estimativa de máxima verossimilhança do vetor β.
Considerando que
julgue o item que se segue.
O vetor de resíduos é dado por (I - H)y, em que H = X (X’X)-1 X’ é a matriz de projeção (hat matrix) e I é a matriz identidade.
, em que representa a estimativa de máxima verossimilhança do vetor β. Considerando que
julgue o item que se segue. O vetor de resíduos é dado por (I - H)y, em que H = X (X’X)-1 X’ é a matriz de projeção (hat matrix) e I é a matriz identidade.
Ano: 2015
Banca:
CESPE / CEBRASPE
Órgão:
Telebras
Prova:
CESPE / CEBRASPE - 2015 - Telebras - Analista Superior - Estatística |
Q611981
Estatística
Para predizer a demanda por determinado tipo de serviço de comunicação de dados, um especialista em gestão de telecomunicações considerou um modelo de regressão linear múltipla na forma y = Xβ + ε, em que y é o vetor de respostas, X é a matriz de delineamento, β é o vetor de parâmetros, e ε denota o vetor de erros aleatórios independentes e identicamente distribuídos. Cada componente do vetor ε segue uma distribuição normal com média zero e variância v. O modelo ajustado é expresso por 
, em que β representa a estimativa de máxima verossimilhança do vetor β.
Considerando que
em que X´ denota a transposta da matriz de delineamento, e que
julgue o item que se segue.
É correto afirmar que
, em que β representa a estimativa de máxima verossimilhança do vetor β. Considerando que
em que X´ denota a transposta da matriz de delineamento, e que
julgue o item que se segue.É correto afirmar que
Ano: 2015
Banca:
CESPE / CEBRASPE
Órgão:
Telebras
Prova:
CESPE / CEBRASPE - 2015 - Telebras - Analista Superior - Estatística |
Q611966
Estatística
Considerando que os principais métodos para a estimação pontual são o método dos momentos e o da máxima verossimilhança, julgue o item a seguir.
Para a distribuição normal, o método dos momentos e o da máxima verossimilhança fornecem os mesmos estimadores aos parâmetros μ e σ.
Para a distribuição normal, o método dos momentos e o da máxima verossimilhança fornecem os mesmos estimadores aos parâmetros μ e σ.
Ano: 2015
Banca:
CESPE / CEBRASPE
Órgão:
Telebras
Prova:
CESPE / CEBRASPE - 2015 - Telebras - Analista Superior - Estatística |
Q611965
Estatística
Considerando que os principais métodos para a estimação pontual
são o método dos momentos e o da máxima verossimilhança, julgue
o item a seguir.
O estimador da máxima verossimilhança para a variância da distribuição normal é expresso por
e
este estimador é não viciado.
O estimador da máxima verossimilhança para a variância da distribuição normal é expresso por
e
este estimador é não viciado.
Ano: 2015
Banca:
FCC
Órgão:
TRT - 3ª Região (MG)
Prova:
FCC - 2015 - TRT - 3ª Região (MG) - Analista Judiciário - Estatística |
Q556949
Estatística
Em um laboratório é realizada uma série de 40 experiências, consistindo em 4 provas cada uma. Em cada experiência foi anotado o número de sucessos (x) atingido e o quadro abaixo apresenta o resultado final.
Dado que o número de sucessos em cada experiência obedece a uma distribuição binomial, ou seja,
, obtém-se pelo método da verossimilhança, com base nos dados apresentados pelo quadro, que a estimativa pontual p* do parâmetro
p é tal que
Dado que o número de sucessos em cada experiência obedece a uma distribuição binomial, ou seja,
, obtém-se pelo método da verossimilhança, com base nos dados apresentados pelo quadro, que a estimativa pontual p* do parâmetro
p é tal que
Q548913
Estatística
Texto associado
Um analista avaliou, por meio de um modelo de regressão linear, se a quantidade de professores doutores formados no exterior — X — influenciava na quantidade de artigos publicados — Y.
Para isso, ele selecionou 10 universidades que ofertavam determinado curso no ano de 2014, conforme dados apresentados na tabela a seguir.
Com base nessas informações e sabendo que 
e 
e considerando que 58,42
e e considerando que 58,42
seja o valor aproximado de
.
.
Julgue o item que se segue.
Os coeficientes estimados do modelo linear seriam os mesmos, independentemente de serem estimados por mínimos quadrados ordinários ou por máxima verossimilhança.
Q548901
Estatística
Texto associado
Após a implementação de reserva de vagas para os cotistas nas universidades brasileiras, um estudo foi realizado com uma amostra de 500 estudantes de determinado curso, para ser avaliada a possível existência de uma relação entre o desempenho — Y —, medido pela média final na disciplina e a forma de ingresso na universidade — X. A tabela a seguir apresenta a análise de variância do modelo Y = α +βX + ε, em que Y varia de 0 a 10, X = 0 para cotas e X = 1 para ampla concorrência, α e β são os parâmetros do modelo e ε é o erro aleatório.
Com base nas informações e na tabela apresentadas, sabendo-se que
e Var(X) = 0,2487 e considerando que 3,84 seja o valor aproximado de 
.
e Var(X) = 0,2487 e considerando que 3,84 seja o valor aproximado de .Julgue o item a seguir.
Caso o modelo tivesse sido ajustado pelo método de máxima verossimilhança, então os graus de liberdade dos resíduos seriam iguais ao tamanho da amostra.
Q548895
Estatística
Texto associado
A quantidade, X, de trancamentos de alunos por semestre em uma universidade segue uma distribuição Poisson com parâmetro λ, que é expressa por 
para k = 0, 1, 2, þ.
para k = 0, 1, 2, þ.
Considerando que o estimador de máxima verossimilhança para λ seja denotado
e que a universidade perca receita proporcionalmente ao ln(X), julgue o item subsecutivo.
e que a universidade perca receita proporcionalmente ao ln(X), julgue o item subsecutivo.
Segue abaixo:
O estimador de máxima verossimilhança para λ, em uma amostra de tamanho n, é 
em que
.
Q548894
Estatística
Texto associado
A quantidade, X, de trancamentos de alunos por semestre em uma universidade segue uma distribuição Poisson com parâmetro λ, que é expressa por para k = 0, 1, 2, þ.
para k = 0, 1, 2, þ.
Considerando que o estimador de máxima verossimilhança para λ seja denotado e que a universidade perca receita proporcionalmente ao ln(X), julgue o item subsecutivo.
e que a universidade perca receita proporcionalmente ao ln(X), julgue o item subsecutivo.
Segue abaixo:
O estimador de ln(λ) via máxima verossimilhança é In 
.
Q548893
Estatística
Texto associado
A quantidade, X, de trancamentos de alunos por semestre em uma universidade segue uma distribuição Poisson com parâmetro λ, que é expressa por para k = 0, 1, 2, þ.
para k = 0, 1, 2, þ.
Considerando que o estimador de máxima verossimilhança para λ seja denotado e que a universidade perca receita proporcionalmente ao ln(X), julgue o item subsecutivo.
e que a universidade perca receita proporcionalmente ao ln(X), julgue o item subsecutivo.
Segue abaixo:
Os limites inferiores e superiores do intervalo de confiança de máxima verossimilhança para ln(λ) podem ser obtidos calculando-se a função logarítmica (ln), respectivamente, nos limites inferiores e superiores do intervalo de confiança de máxima verossimilhança para λ.
Q548883
Estatística
Texto associado
Um estatístico estimou a quantidade máxima, θ, de processos que um funcionário de sua empresa pode analisar durante um dia de trabalho, assumindo que as quantidades de processos X1, X2, þ Xn , analisados por cada um dos n funcionários dessa empresa, sejam estatisticamente independentes e sigam uma distribuição Uniforme[0,θ].
Considerando que o estimador de máxima verossimilhança,
seja viciado e que, consequentemente, o estimador 
não o seja, julgue o próximo item.
A estatística T({Xi}) = max(X1, þ, Xn) é suficiente para θ.
seja viciado e que, consequentemente, o estimador não o seja, julgue o próximo item.
A estatística T({Xi}) = max(X1, þ, Xn) é suficiente para θ.
Q548882
Estatística
Texto associado
Um estatístico estimou a quantidade máxima, θ, de processos que um funcionário de sua empresa pode analisar durante um dia de trabalho, assumindo que as quantidades de processos X1, X2, þ Xn , analisados por cada um dos n funcionários dessa empresa, sejam estatisticamente independentes e sigam uma distribuição Uniforme[0,θ].
Considerando que o estimador de máxima verossimilhança,
seja viciado e que, consequentemente, o estimador 
não o seja, julgue o próximo item.
um estimador assintoticamente não viciado de θ e o vício desse estimador diminui à medida que o tamanho da amostra aumenta.
seja viciado e que, consequentemente, o estimador não o seja, julgue o próximo item.
um estimador assintoticamente não viciado de θ e o vício desse estimador diminui à medida que o tamanho da amostra aumenta.
Q548881
Estatística
Texto associado
Um estatístico estimou a quantidade máxima, θ, de processos que um funcionário de sua empresa pode analisar durante um dia de trabalho, assumindo que as quantidades de processos X1, X2, þ Xn , analisados por cada um dos n funcionários dessa empresa, sejam estatisticamente independentes e sigam uma distribuição Uniforme[0,θ].
Considerando que o estimador de máxima verossimilhança,
seja viciado e que, consequentemente, o estimador 
não o seja, julgue o próximo item.
Nessa situação,
; e, em média, o estimador de máxima verossimilhança subestima a quantidade máxima de processos que o funcionário pode analisar durante um dia de trabalho.
seja viciado e que, consequentemente, o estimador não o seja, julgue o próximo item.
Nessa situação,
; e, em média, o estimador de máxima verossimilhança subestima a quantidade máxima de processos que o funcionário pode analisar durante um dia de trabalho.
Q548880
Estatística
Texto associado
Um estatístico estimou a quantidade máxima, θ, de processos que um funcionário de sua empresa pode analisar durante um dia de trabalho, assumindo que as quantidades de processos X1, X2, þ Xn , analisados por cada um dos n funcionários dessa empresa, sejam estatisticamente independentes e sigam uma distribuição Uniforme[0,θ].
Considerando que o estimador de máxima verossimilhança 
, seja viciado e que, consequentemente, o estimador 
não o seja, julgue o próximo item.
Um estimador de momentos para θ é
.
, seja viciado e que, consequentemente, o estimador não o seja, julgue o próximo item.
Um estimador de momentos para θ é
.
Ano: 2010
Banca:
CESPE / CEBRASPE
Órgão:
Banco da Amazônia
Prova:
CESPE - 2010 - Banco da Amazônia - Técnico Científico - Estatística |
Q537280
Estatística
Um banco deseja fazer um estudo sobre o tempo que as pessoas levam para pagar o limite utilizado no cheque especial. O estatístico responsável acredita que esse tempo pode ser modelado por uma distribuição exponencial. Entretanto, antes de prosseguir com o trabalho, ele decide fazer algumas simulações.
Considerando essa situação, julgue o item subsequente.
O estimador de máxima verossimilhança para o parâmetro λ de uma distribuição exponencial é 1/ 
em que 
é a média dos dados.
Q481306
Estatística
Admite-se que o número de peças (x) que se danificam em um pacote com 4 peças cada um, durante o transporte do depósito
até a fábrica, obedece à lei de Poisson
. Observando, aleatoriamente, 400 destes transportes, decide-se
estimar pelo método da máxima verossimilhança o parâmetro λ da distribuição. O quadro abaixo demonstra o resultado referente
a estas
observações:
xi 0 1 2 3 4 TOTAL
ni 220 130 35 10 5 400
Observação: ni é o número de transportes contendo xi peças danificadas.
Sendo então o número de peças danificadas uma variável aleatória X, com base na estimativa de λ, tem-se que a variância de X é
. Observando, aleatoriamente, 400 destes transportes, decide-se
estimar pelo método da máxima verossimilhança o parâmetro λ da distribuição. O quadro abaixo demonstra o resultado referente
a estas
observações:
xi 0 1 2 3 4 TOTAL
ni 220 130 35 10 5 400
Observação: ni é o número de transportes contendo xi peças danificadas.
Sendo então o número de peças danificadas uma variável aleatória X, com base na estimativa de λ, tem-se que a variância de X é
Ano: 2014
Banca:
FCC
Órgão:
TRT - 13ª Região (PB)
Prova:
FCC - 2014 - TRT - 13ª Região (PB) - Analista Judiciário - Estatística |
Q457274
Estatística
Em um estudo é considerada a distribuição binomial Pm(x) = Cmx px(1 − p)m−x, em que x é o número de ocorrências de um acontecimento em m provas, sabendo-se que na i-ésima experiência de uma série de n, comportando m provas cada uma, o acontecimento ocorreu xi vezes. Deseja-se encontrar, pelo método da máxima verossimilhança, a estimativa pontual do parâmetro p com a qual um acontecimento A ocorre em cada prova, sabendo-se que em 80 experiências de 5 provas cada uma forneceram a distribuição abaixo.
xi 0 1 2 3 4 5 Total ni 2 8 20 25 20 5 80
Observação: ni é o número de experiências nas quais o acontecimento A ocorreu xi vezes.
O valor da estimativa de p é então, em %, igual a
xi 0 1 2 3 4 5 Total ni 2 8 20 25 20 5 80
Observação: ni é o número de experiências nas quais o acontecimento A ocorreu xi vezes.
O valor da estimativa de p é então, em %, igual a
Ano: 2013
Banca:
CESGRANRIO
Órgão:
IBGE
Prova:
CESGRANRIO - 2013 - IBGE - Tecnologista - Estatística |
Q440562
Estatística
O método de seleção de modelos de Box-Jenkins consiste em três estágios: identificação, estimação e checagem de diagnóstico. Em cada estágio é feita uma análise com estatísticas, métodos e testes. Associe cada estágio com o elemento nele utilizado.
I – Estágio de Identificação
II – Estágio de Estimação
III – Estágio de Checagem de Diagnóstico
P – Erro de Previsão Quadrático Médio
Q – Máxima Verossimilhança
R – Critérios de Informação de AIC e SBC
S – Estimador de Efeitos Fixos (Intragrupos)
As associações corretas são:
I – Estágio de Identificação
II – Estágio de Estimação
III – Estágio de Checagem de Diagnóstico
P – Erro de Previsão Quadrático Médio
Q – Máxima Verossimilhança
R – Critérios de Informação de AIC e SBC
S – Estimador de Efeitos Fixos (Intragrupos)
As associações corretas são:
Conheça nossos planos