Questões de Concurso Público STM 2018 para Analista Judiciário - Estatística
Foram encontradas 120 questões
A respeito da autocorrelação dos erros de um modelo de regressão linear, julgue o item subsequente.
A autocorrelação dos erros, desde que não seja unitária em
termos absolutos, insere um viés nas estimativas da variável
dependente.
A respeito da autocorrelação dos erros de um modelo de regressão linear, julgue o item subsequente.
O teste de Durbin–Watson é um teste que permite identificar
a autocorrelação serial de primeira ordem.
A respeito da autocorrelação dos erros de um modelo de regressão linear, julgue o item subsequente.
Como regra geral, a presença de autocorrelação dos erros é um
problema que não pode ser corrigido, de modo que a
modelagem por regressão deve ser abandonada quando
detectado esse problema.
A respeito da autocorrelação dos erros de um modelo de regressão linear, julgue o item subsequente.
Ocorre autocorrelação dos erros caso os erros da regressão
sigam um processo autorregressivo de ordem 1, ou seja, um
AR(1).
A respeito da autocorrelação dos erros de um modelo de regressão linear, julgue o item subsequente.
Na presença de autocorrelação de erros, o estimador mais
eficiente da regressão por mínimos quadrados ordinários
continua sendo BLUE (best linear unbiased estimator), ou
seja, melhor estimador linear não viesado.
Considerando que Y, U e Q sejam mutuamente independentes, julgue os próximos item.
Suponha que Y1, Y2, ..., Yn sejam n realizações independentes
retiradas de uma distribuição exponencial com média m. Nessa
situação, a média 
representa uma estimativa da
integral 
Considerando que Y, U e Q sejam mutuamente independentes, julgue o próximo item.
O produto 
segue uma distribuição normal com
média nula.
Considerando que Y, U e Q sejam mutuamente independentes, julgue o próximo item.
Realizações G de uma distribuição gama com média 2m podem
ser obtidas com base na transformação G = Y - m × ln(U).
Considerando que Y, U e Q sejam mutuamente independentes, julgue o próximo item.
A transformação 
proporciona uma realização da
distribuição normal padrão.
Considerando que Y, U e Q sejam mutuamente independentes, julgue o próximo item.
Caso W seja uma realização retirada de uma distribuição
normal com média nula e variância k, será correto afirmar que
o produto 
é realização de uma distribuição t de
Student com k graus de liberdade.
Uma amostra aleatória simples Y1, Y2, ..., Yn, retirada de uma população Bernoulli, é tal que
para y = 0 ou 1, 0 < θ < 1 e k = 1, 2, ..., n. O objetivo é efetuar
inferências acerca do parâmetro θ mediante aplicação de métodos
computacionais.
Considerando que para r ≥ 0, 
represente a estimativa de θ
obtida na r-ésima iteração de um algoritmo de estimação, julgue o seguinte item.
O método de Monte Carlo via cadeia de Markov (MCMC)
pertence à classe de algoritmos de estimação não sequencial,
em que 
forma um conjunto de valores mutuamente
independentes. Excluindo-se o valor inicial 
, uma
estimativa do parâmetro θ é dada por 
, na
qual q representa um valor suficientemente grande.
Uma amostra aleatória simples Y1, Y2, ..., Yn, retirada de uma população Bernoulli, é tal que
para y = 0 ou 1, 0 < θ < 1 e k = 1, 2, ..., n. O objetivo é efetuar
inferências acerca do parâmetro θ mediante aplicação de métodos
computacionais.
Considerando que para r ≥ 0, 
represente a estimativa de θ obtida na r-ésima iteração de um algoritmo de estimação, julgue o seguinte item.
No algoritmo de Metropolis-Hastings tem-se a forma iterativa 
, na qual ƒ representa a função de
densidade a priori de θ, e ∈, > 0 representa um incremento
aleatório. Nesse algoritmo, a probabilidade de aceitação do
valor proposto 
como uma estimativa viável para o
parâmetro de interesse é constante.
Uma amostra aleatória simples Y1, Y2, ..., Yn, retirada de uma população Bernoulli, é tal que
para y = 0 ou 1, 0 < θ < 1 e k = 1, 2, ..., n. O objetivo é efetuar
inferências acerca do parâmetro θ mediante aplicação de métodos
computacionais.
Considerando que para r ≥ 0, 
represente a estimativa de θ obtida na r-ésima iteração de um algoritmo de estimação, julgue o seguinte item.
O amostrador de Gibbs, um algoritmo sequencial de Monte
Carlo, permite simular a distribuição a priori do parâmetro θ,
desde que a forma funcional da sua função de densidade, ƒ(θ),
seja conhecida.
Uma amostra aleatória simples Y1, Y2, ..., Yn, retirada de uma população Bernoulli, é tal que
para y = 0 ou 1, 0 < θ < 1 e k = 1, 2, ..., n. O objetivo é efetuar
inferências acerca do parâmetro θ mediante aplicação de métodos
computacionais.
Considerando que para r ≥ 0, 
represente a estimativa de θ obtida na r-ésima iteração de um algoritmo de estimação, julgue o seguinte item.
O método HPD (high probability density) é um algoritmo que
proporciona um intervalo de confiança clássico (frequentista)
para o parâmetro θ.
Um estudo acerca do tempo (x, em anos) de guarda de
autos findos em determinada seção judiciária considerou uma
amostragem aleatória estratificada. A população consiste de uma
listagem de autos findos, que foi segmentada em quatro estratos,
segundo a classe de cada processo (as classes foram estabelecidas
por resolução de autoridade judiciária). A tabela a seguir mostra os
tamanhos populacionais (N) e amostrais (n), a média amostral
e a variância amostral dos tempos (s2
) correspondentes a cada
estrato.
Considerando que o objetivo do estudo seja estimar o tempo médio populacional (em anos) de guarda dos autos findos, julgue o item a seguir.
No estudo em questão foi aplicada uma amostragem aleatória
estratificada com alocação proporcional ao tamanho dos
estratos.
Um estudo acerca do tempo (x, em anos) de guarda de
autos findos em determinada seção judiciária considerou uma
amostragem aleatória estratificada. A população consiste de uma
listagem de autos findos, que foi segmentada em quatro estratos,
segundo a classe de cada processo (as classes foram estabelecidas
por resolução de autoridade judiciária). A tabela a seguir mostra os
tamanhos populacionais (N) e amostrais (n), a média amostral
e a variância amostral dos tempos (s2
) correspondentes a cada
estrato.
Considerando que o objetivo do estudo seja estimar o tempo médio populacional (em anos) de guarda dos autos findos, julgue o item a seguir.
A fração amostral utilizada no estudo em tela foi igual ou
superior a 10%.
Um estudo acerca do tempo (x, em anos) de guarda de
autos findos em determinada seção judiciária considerou uma
amostragem aleatória estratificada. A população consiste de uma
listagem de autos findos, que foi segmentada em quatro estratos,
segundo a classe de cada processo (as classes foram estabelecidas
por resolução de autoridade judiciária). A tabela a seguir mostra os
tamanhos populacionais (N) e amostrais (n), a média amostral
e a variância amostral dos tempos (s2
) correspondentes a cada
estrato.
Considerando que o objetivo do estudo seja estimar o tempo médio populacional (em anos) de guarda dos autos findos, julgue o item a seguir.
A estimativa do tempo médio populacional da guarda dos autos
findos é maior ou igual a 12 anos.
Um estudo acerca do tempo (x, em anos) de guarda de
autos findos em determinada seção judiciária considerou uma
amostragem aleatória estratificada. A população consiste de uma
listagem de autos findos, que foi segmentada em quatro estratos,
segundo a classe de cada processo (as classes foram estabelecidas
por resolução de autoridade judiciária). A tabela a seguir mostra os
tamanhos populacionais (N) e amostrais (n), a média amostral
e a variância amostral dos tempos (s2
) correspondentes a cada
estrato.
Considerando que o objetivo do estudo seja estimar o tempo médio populacional (em anos) de guarda dos autos findos, julgue o item a seguir.
erro padrão referente à estimação do tempo médio x no
estrato D foi menor ou igual a 0,1.
Um estudo acerca do tempo (x, em anos) de guarda de
autos findos em determinada seção judiciária considerou uma
amostragem aleatória estratificada. A população consiste de uma
listagem de autos findos, que foi segmentada em quatro estratos,
segundo a classe de cada processo (as classes foram estabelecidas
por resolução de autoridade judiciária). A tabela a seguir mostra os
tamanhos populacionais (N) e amostrais (n), a média amostral
e a variância amostral dos tempos (s2
) correspondentes a cada
estrato.
Considerando que o objetivo do estudo seja estimar o tempo médio populacional (em anos) de guarda dos autos findos, julgue o item a seguir.
No desenho amostral em tela há duas unidades amostrais: a
primeira (unidade primária) corresponde à classe de cada
processo, e a segunda (unidade secundária) refere-se a auto
findo presente na listagem
Um estudo acerca do tempo (x, em anos) de guarda de
autos findos em determinada seção judiciária considerou uma
amostragem aleatória estratificada. A população consiste de uma
listagem de autos findos, que foi segmentada em quatro estratos,
segundo a classe de cada processo (as classes foram estabelecidas
por resolução de autoridade judiciária). A tabela a seguir mostra os
tamanhos populacionais (N) e amostrais (n), a média amostral
e a variância amostral dos tempos (s2
) correspondentes a cada
estrato.
Considerando que o objetivo do estudo seja estimar o tempo médio populacional (em anos) de guarda dos autos findos, julgue o item a seguir.
Combinando-se todos os estratos envolvidos, a estimativa da
variância do tempo médio amostral da guarda dos autos findos
é inferior a 0,005 ano2
.
Conheça nossos planos