Questões de Concurso Sobre inferência estatística em estatística

Observando a tabela abaixo para uma análise de variância ANOVA simples, o que se pode concluir a respeito das seguintes hipóteses?

H₀ = média dos tratamentos são iguais

H₁ = pelo menos duas médias não são iguais

Em um modelo de regressão linear múltipla com k variáveis independentes x₁, x₂, ..., x_k e n observações y₁, y₂, ..., y_n solução de mínimos quadrados para estimar o vetor de parâmetros é:

Qual opção informa a estimativa não viciada para a variância?

Qual opção informa as estimativas de mínimos quadrados de β₀ e β₁, respectivamente?

Seja a média amostral de uma variável aleatória de tamanho n de uma população com variância conhecida σ². O intervalo de confiança de 100(1 − α)% para média μ é dado por:

Seja S² a variância amostral de uma amostra aleatória de tamanho n proveniente uma distribuição N(μ, σ²). Neste caso tem distribuição:

Ainda tendo o texto como referência, se ε₁, ε₂, ..., ε₁₀ constitui uma sequência de erros aleatórios independentes e normais, com média zero e desvio padrão σ, então a estimativa de máxima verossimilhança do coeficiente β, do modelo de regressão na forma y_i = βx_i + ε_i, será

Com respeito ao teste cujas hipóteses nula e alternativa são, respectivamente, H₀: μ $ 7 horas e H_A: μ < 7 horas, assinale a opção correta.

Com 98% de confiança, a estimativa intervalar para a média μ, em horas, é igual a

Suponha que um estatístico necessita tomar uma amostra aleatória de uma população finita com tamanho N de modo a poder estimar um parâmetro θ com precisão d e com confiança de (1 - α) Seja z o escore normal padronizado correspondente ao nível de confiança, ou seja, a área até 1 - α/2 e admitindo por trabalhos anteriores que o desvio padrão populacional é conhecido e igual a σ, o tamanho da amostra é

Seja a amostra aleatória de tamanho n, [x₁, x₂, x₃, ... , x_n ], tomada de uma distribuição de Poisson com parâmetro θ, na busca do Estimador de Verossimilhança desse parâmetro θ, o logaritmo da Função de Verossimilhança é

O erro médio quadrático é uma medida do desempenho de um estimador de um parâmetro θ ou de uma função desse parâmetro, q(θ). A definição do erro médio quadrático é R(θ ,T) = E[T(x) - q(θ)]² , onde T(x) é o estimador de q(θ). Então, é possível afirmar que

Suponha que você quer comparar o consumo de combustível de carros americanos (1), coreanos (2) e japoneses (3) e obteve os resultados de um delineamento com modelo Y_ij = μ + α_i + ε_ij , onde i = 1, 2, 3 e j = 1, 2, ..., n com os parâmetros: μ média geral, α_i  i = 1, 2, 3 efeito do nível i do fator (origem do carro) e ε_ij o erro aleatório da observação do consumo do carro j no nível i. Então, para testar a hipótese nula  H₀ : μ₁ = μ₂ = μ₃ (na média, os carros de origem diferentes são iguais no consumo), a técnica estatística adequada e as condições necessárias à sua aplicação são

Um produto eletrônico tem o seu tempo de garantia modelado por uma distribuição Exponencial. Uma amostra com tamanho n = 100 itens do produto, obtida da assistência técnica, forneceu média amostral de 3,505 anos. A direção da empresa deseja saber qual é o percentual de itens que receberiam manutenção por falha após a entrega do produto se fosse concedida uma garantia de 48 meses. O estatístico da empresa fez os cálculos e afirma que o percentual de itens sujeitos à manutenção é de

A estrutura de correlação do vetor aleatório com dimensão é dada pela matriz Então, as componentes principais correspondentes são:

Seja o modelo de regressão linear , em que Y é o vetor das respostas (variável dependente) de dimensão n, X é matriz do modelo de ordem n x p, é o vetor de parâmetros de dimensão p e é o vetor dos erros de dimensão n. Então, admitindo que os erros são i.i.d. com distribuição Normal (Gaussiana) com média zero e variância σ², o estimador de mínimos quadrados ordinários do vetor de parâmetros e o pivô usado para testar a hipótese nula H_0i: β_i = 0 i = 0, 1, 2, ..... p-1 são, respectivamente,

A detecção de pontos com grande influência no ajuste de um modelo linear aos dados, Y = , é feita usando-se a denominada matriz chapéu H. No caso de se considerar apenas os valores das variáveis explicativas X_i i= 1, 2, ..... , p-1, trabalha-se com os elementos da diagonal principal. Então, a matriz chapéu é dada por:

No planejamento de uma carta de controle, é necessário especificar o tamanho da amostra que será tomada sistematicamente do processo de produção, bem como a frequência da amostragem. Em uma Curva Característica de Operação, CCO, é fácil ver que amostras com tamanhos maiores facilitarão a tarefa de detectar aumentos ou diminuição na média do processo. Considere a CCO para carta de controle  a três desvios padrões, com desvio padrão σ suposto conhecido. Se a média do processo salta do valor de controle μ₀, para outro valor μ1 = μ₀ + kσ, a probabilidade da carta não detectar esta mudança na primeira amostra após esta ocorrência é chamada de risco β (ou erro β) e é dada por

Quando se ajusta a uma série temporal um modelo da estrutura médias móveis, a condição fundamental é que a série seja

O Teorema de Neyman-Pearson é usado para determinar a Melhor Região Crítica, C, um conjunto do espaço amostral Rⁿ, de tamanho α, para testar