Questões de Concurso

Usando a base de dados de indivíduos pertencentes ao Sistema de Saúde, um pesquisador desenvolveu um modelo logístico para prever a chance de um indivíduo ter ou não ter uma determinada doença em função do tempo de prática de esporte. O modelo ajustado pelo pesquisador apresentou o seguinte resultado:




Considerando-se que exp(-0,45) ≈ 0,65, com base no resultado obtido, a que conclusão chegou o pesquisador? 

Em uma nota técnica do Ipea sobre emprego público nos governos subnacionais brasileiros, no ano de 2016, aparece menção sobre o fato de as bases utilizadas possuirem outliers, ou valores atípicos.
A construção de um modelo preditivo a partir dos dados dessas bases, usando árvores aleatórias, Random Forests,  

Ao criar um índice para um corpus de notícias políticas, um pesquisador decidiu usar o modelo vetorial com a medida TF-IDF.
Descobriu, porém, que essa medida pode ser calculada de várias formas, com a característica comum de calcular o peso de cada termo a partir da ideia de que esse termo  

A noção de Padrões de Concorrência fornece um quadro conceitual mais amplo para a análise da evolução da competitividade das firmas em diferentes mercados, contemplando a

Em estudos sobre os diferenciais de salários entre homens e mulheres, há uma preocupação em entender o efeito do tempo dedicado aos afazeres domésticos (Td). Sabe-se que as mulheres dedicam a maior parte da sua jornada para essas atividades, dedicação maior do que a dos homens, e isso impacta no esforço dedicado ao trabalho.
Uma forma de calcular esse efeito é usar um banco de dados dos trabalhadores em painel balanceado e especificar a seguinte equação a ser estimada para homens e mulheres, separadamente:

In W_it = X_itβ + Td_itδ + ε_it

Nessa equação, In W_it é o logaritmo neperiano do salário-hora do trabalhador i no tempo t, X_it é uma matriz de variáveis explicativas observadas determinantes do salário, Td é o tempo dedicado aos afazeres domésticos. β é o vetor de parâmetros associados a X e d o parâmetro associado a Td, ambos a serem estimados pelo modelo. ε_it é o termo de erro aleatório não observado. 

Existem várias formas de estimar esse efeito, e, sobre elas, conclui-se o seguinte: