Questões de Concurso Sobre inferência estatística em estatística

Os testes clássicos de inferência estão baseados na obtenção ou não de evidência estatística contrária à hipótese suposta, previamente, verdadeira. A construção está associada a uma série de conceitos e definições. Entre esses elementos estão:

Um teste de hipótese será feito com base numa distribuição normal, com média desconhecida e variância σ² =64 Uma amostra de tamanho n = 16 é extraída e sua média calculada,sendo X = 7 O conjunto de hipóteses a ser testado é:

Considere ainda que a região crítica do teste é RC = (9 ,+ ∞) que, caso Ho seja falsa, o μ verdadeiro seria igual a 8.Além disso, são fornecidos os seguintes dados sobre a função distribuição acumulada da normal-padrão.

Φ(0,5) ≅ 0,69       Φ(1) ≅ 0,84      Φ(1,5) ≅ 0,93      Φ(2) ≅ 0,98

Logo, as probabilidades dos erros do Tipo I, do Tipo II e do p-valor (bilateral) do teste são, respectivamente, iguais a:

Com o objetivo de estimar, por intervalo, a verdadeira média populacional de uma distribuição, é extraída uma amostra aleatória de tamanho n = 26. Sendo a variância desconhecida, calcula-se o valor de além da média amostral X = 8 de grau de confiança pretendido é de 95%. Somam-se a todas essas informações os valores tabulados:

Φ(1,65) ≅ 0,95 Φ(1,96) ≅ 0,975 T₂₅(1,71) ≅ 0,95

T₂₆(1,70) ≅ 0,95 T₂₅(2,06) ≅ 0,975 T₂₆(2,05) ≅ 0,975

Onde, = estimador não-viesado da variância populacional;

Φ(z) = fç distribuição acumulada da Normal-padrão;

T_n(t)= fç distribuição acumulada da T-Student com n graus de liberdade.

Então os limites do intervalo de confiança desejado são:

Com a finalidade de estimar a proporção p de indivíduos de certa população, com determinado atributo, através da proporção amostral   é extraída uma amostra de tamanho n, grande, compatível com um erro amostral de ɛ e com um grau de confiança de (1-α). Assim, é correto afirmar que:

Com o objetivo de utilizar as suas aeronaves de um modo mais eficiente, uma determinada empresa aérea deseja aplicar um mesmo modelo de otimização para as suas diferentes rotas. Entretanto, esse mesmo modelo só funcionará, principalmente, se as variâncias dessas diferentes rotas puderem ser consideradas as mesmas. Para simplificar, a empresa aérea decidiu comparar apenas duas das suas rotas, que possuem os seguintes dados anuais:

De acordo com os dados acima, foi realizado o seguinte teste de Hipóteses para um teste de significância α = 5%:

H₀ : σ₁² =σ₂²

H₁ : σ₁² ≠ σ₂²

^{Além disso, os tamanhos das amostras usadas para se obter as médias e desvios-padrões acima foram de 25 e 30 para as amostras 1 e 2, respectivamente. Aplicando o teste de Hipótese, pode-se então concluir que:}

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

A enfermeira que tem a função de fazer as compras para um hospital deseja verificar se o tubo que é rosqueado em certo equipamento tem realmente o diâmetro informado pelo fabricante, ou seja, μ₀ = 3,0 cm. Ela aceita que o desvio padrão σ informado pelo fabricante está correto e, então, resolve tomar uma amostra aleatória e fazer um teste estatístico para verificar se o fabricante está correto na sua afirmação quanto à média. Para isto, ela fixou: o nível de confiança da estimativa em 1 – α e o erro da estimativa em d. Nessas condições, o cálculo do tamanho da amostra, considerando a amostra infinita, deve partir

Uma oftalmologista tem razões para crer que existe um percentual de crianças com glaucoma em uma escola rural. Desejando estimar esse parâmetro para fins de logística operacional do tratamento, necessita de uma amostra aleatória do grupo de alunos da escola. O número de alunos é conhecido e igual a N. A oftalmologista, então, fixou: o nível de confiança da estimativa em 1 – α, o erro da estimativa em d e uma amostra piloto com tamanho η_o. Nessas condições, o cálculo do tamanho da amostra deve partir

Dados pareados consistem em duas amostras de igual tamanho, onde cada membro de uma das amostras está pareado com o membro correspondente da outra amostra. Este tipo de dados surge, por exemplo, em experimentos planejados para investigar o efeito de um tratamento. Dados pareados também surgem naturalmente quando, nas n unidades experimentais, existem duas medidas, ou seja, um valor pré-tratamento e outro valor pós-tratamento e se deseja saber se existe efeito do tratamento. Neste caso, cada indivíduo serve como o seu próprio controle. Então, é correto afirmar que

Existem duas versões para o teste “t” de Student aplicado a dois grupos, a versão clássica e a versão de Aspin-Welch. Geralmente, toma-se uma amostra de tamanho n₁ do primeiro grupo e outra de tamanho n₂ do segundo grupo. A seguir calculam-se as médias amostrais, os desvios padrões amostrais e a estatística do teste. Para decidir a versão do teste a ser aplicada, o correto é