Questões de Concurso
Foram encontradas 35.939 questões
Resolva questões gratuitamente!
Junte-se a mais de 4 milhões de concurseiros!
Mévio é um agente de segurança recém-contratado para integrar a equipe de proteção de um alto dignitário em visitas oficiais. Durante o treinamento, ele recebeu orientações sobre os princípios básicos que devem guiar a atuação de todos os agentes de segurança, especialmente em situações que exigem alto grau de vigilância e resposta rápida. A coordenação do curso de formação enfatizou a importância de aderir estritamente a certos protocolos para garantir a segurança do dignitário. Nesse caso, são protocolos a serem utilizados:
I. estar em alerta permanente;
II. preparar-se para ficar entre o dignitário e a ameaça;
III. não se descuidar da atividade principal de proteger a autoridade; IV. limitar o acesso de dados e informações sobre a autoridade.
Está(ão) correto(s):
Um estudo tem o objetivo de verificar se existe independência entre tipos de crimes e regiões de um país. A seguinte Tabela de Contingência mostra os números observados em uma amostra aleatória de tamanho n = 789 casos registrados nas regiões.
Sabe-se que = 27,91 e P( > 27,91) = 0,0000.
Então, é correto afirmar que as frequências
esperadas das células (C1, R2) e (C3, R1), o
valor-p e a decisão quanto à relação entre Tipo de
Crime e Região, do teste da hipótese de
independência entre Tipo de Crime e Região,
serão:
A forma geral de representar uma classe de séries temporais não estacionárias é o modelo utorregressivo integrado médias móveis de ordem (p, d, q), ou seja, ARIMA(p, d, q), em que p é o grau do polinômio aracterístico da parte autorregressiva Φ(B), q é o grau do polinômio característico da parte média móveis θ(B) e d é o grau de diferenciação ▽d, ou seja, Φ(B)▽dZt = θ(B)at em que ⊽dZt = ωt. Desse modo, tem-se Φ(B)ωt = θ(B)at que é um modelo ARMA(p, q).
A uma determinada série temporal, ajustou-se um
modelo da classe ARIMA(p, d, q), e os resultados
do ajuste estão expostos a seguir:
Modelo ARIMA ajustado à série temporal
Então, é correto afirmar, com aproximação de três
(03) casas decimais, que
Considere a seguinte série temporal:
É correto afirmar que a média, a variância e a
autocorrelação de defasagem 2 dessa série
temporal, assumindo o estimador de máxima
verossimilhança para a variância, são,
respectivamente:
Se a variável aleatória X tem distribuição normal com média μ e variância σ2, ou seja, X ⁓ N(μ, σ2), s2 = (xi–x̄)2/n–1 (variância amostral) é a estimativa de σ2 com base em uma amostra com n observações, [x1, x2, ... , xn]. Assim, a variável T = X – μ/s tem distribuição t de Student com n – 1 graus de liberdade, ou seja, T ~ tn-1. Nesse caso, sabendo que P(T ≤ 2) = 0,968027 e P(T ≥ -2) = 0,031973, é correto afirmar que
Um estatístico conduziu um experimento para verificar se existem diferenças estatisticamente significativas entre os resultados quantitativos de três procedimentos aplicados em amostras independentes. Os resultados obtidos com o experimento são:
Tabela da Análise da Variância – ANOVA
Teste de Levene para hipótese de variâncias iguais
Teste de Normalidade para os resíduos da ANOVA
Teste de Kruskal-Wallis para hipótese de medianas iguais
Estatística do Teste = 24,8078 Valor-p p =
0,0000041025
Então, é correto afirmar, em relação ao nível de
significância de 5%, que
O estatístico que trata da análise de dados referentes à Justiça Federal necessita conduzir um estudo que requer informações sobre determinada característica quantitativa, X, dos processados em determinada Vara Federal. Um dos objetivos é construir um intervalo de 95% de confiança para o valor médio da característica quantitativa do grupo de processados, com erro de amostragem ou precisão de 0,5 σ, meio desvio-padrão. Ele tomou, então, uma amostra aleatória piloto de tamanho n0 = 5 que forneceu as seguintes estatísticas amostrais, média e variância, para a característica: x̄0 = 127,6 e S = 1290,8. A respeito das informações anteriores, sabe-se que é possível assumir o modelo de distribuição normal para a característica quantitativa do grupo de processados, que é finito com N = 2000 indivíduos e com variância desconhecida. Assim, conhecendo o escore da distribuição t de t4 (0,975) = 2,78, é correto afirmar que o tamanho definitivo da amostra n é
Suponha as variáveis aleatórias independentes X com distribuição Qui-quadrado com v = 5 graus de liberdade e Y com distribuição Gama com parâmetros α = 2 e β = 5. Então, a esperança e a variância da variável aleatória W = X + Y são, respectivamente,
Considere o vetor aleatório X'= [X1 X2] cuja matriz de covariância é Σ = . Então, é correto afirmar que a matriz de correlação P do vetor é
Sendo a sequência de n ensaios binomiais independentes, tendo a mesma probabilidade θ de “sucesso” em cada ensaio, se Sn = X1 + X2 + ... + Xn é o número de sucessos nos n primeiros ensaios, então Sn /n θ, ou seja, Sn /n converge em probabilidade para θ. O enunciado da Lei dos Grandes Números a que se exprime esse resultado é a Lei dos Grandes Números de
Considere os resultados do ajuste do modelo Yi = β1X1i + β2X2i + ɛi i = 1, 2, ... , n aos valores da variável dependente (resposta) Y e variáveis explicativas X1 e X2 nas tabelas a seguir. A variável ɛi é o erro aleatório e βi i = 1, 2 são os parâmetros.
Análise da Variância
Então, a estatística t e a razão F foram obtidas
usando-se os procedimentos:
A função densidade de probabilidade f(t) = t > 0, e α, β > 0 corresponde ao tempo até falhar de um equipamento eletrônico e corresponde à distribuição Weibull com parâmetros α e β. Essa distribuição é usada no dimensionamento do tempo de garantia de um produto eletrônico a ser adquirido por uma instituição judiciária. Então, a diretoria da instituição quer saber da equipe técnica a probabilidade de o equipamento falhar dentro do prazo de 1 ano. A equipe técnica pesquisa o banco de dados da rede de assistência técnica do fabricante do equipamento e, com os dados registrados do tempo de falha do produto, estima os parâmetros α e β em 2 e 5. Dessa forma, é correto afirmar que a probabilidade de falha dentro do prazo de 1 ano é
Um estatístico necessita relacionar uma variável aleatória dependente Y com duas outras variáveis explicativas X1 e X2. Ele observou n vezes os valores de Y em função de X1 e X2 e ajustou um modelo linear aos dados observados minimizando a Soma dos Quadrados dos Erros, (yi–ŷ)2 entre valores observados e valores ajustados pelo modelo para estimar os parâmetros por B̂ = (X'X)-1X'Y. Nessa expressão, B̂ é o vetor de estimativas dos parâmetros, X é a matriz do modelo de ordem nxp e Y é o vetor de respostas, ou seja, a variável dependente. Os resultados do ajuste estão nas tabelas a seguir:
Análise da Variância
Então, é correto afirmar que
Considere Sn o número de sucessos em n provas do tipo Bernoulli, ou seja, binomial, independentes com probabilidade θ de sucesso em cada prova, 0 < θ < 1 e considere também p = θ e q = 1 - θ. Então, converge em distribuição, quando n vai para o infinito, para a Normal Padrão, ou seja, N(0, 1) na forma Z ⁓ N(0, 1). O resultado de convergência que tem esse enunciado é
A estrutura de covariância de um vetor aleatório de dimensão p = 3, X’ = [X1 X2 X3] tem matriz de covariância estimada para n observações do vetor X por S = . Uma Análise de Componentes Principais foi desenvolvida e forneceu os resultados das tabelas a seguir:
Pesos das Componentes
Então, é correto afirmar que a componente
principal mais importante na análise tem
expressão: