Questões de Concurso

Suponha que para a realização de um determinado levantamento de campo foi fixado um erro amostral tolerado máximo de 0,04, partindo de uma população com tamanho arbitrariamente grande. Indiretamente, isso significa dizer que a estimativa inicial do tamanho da amostra seria

Suponha que para estimar uma proporção populacional com erro de 5%, através de um intervalo com probabilidade de 95,4%, sendo Ø ( -2 ) = 0,023 a função distribuição acumulada da normal, é planejada uma amostra. Se a expressão do intervalo é e essa mesma proporção era, anteriormente, igual a ¼, os tamanhos amostrais usando a variância passada e a variância máxima são, respectivamente

Uma amostra, planejada em dois estágios, será extraída com o objetivo de estimar o nível de escolaridade dos indivíduos que buscaram ajuda na Defensoria Publica do Estado, em certo período. Além da informação sobre o posto de atendimento ao qual o cidadão recorreu, estão disponíveis ainda o nível de renda e a sua idade. Se o primeiro estágio emprega conglomerados e o segundo emprega estratos, as variáveis que podem servir para as definições desses grupos são, respectivamente

Em determinado dia um postos da Defensoria Pública atendeu um total de 120 cidadãos. Para avaliar a qualidade do atendimento (QA) é realizada uma amostra aleatória sistemática, cujos primeiros passos da seleção podem ser visualizados na tabela a seguir, que transcreve uma parte ordenada do cadastro e dos selecionados (fundo em destaque).

                            

Então, pode-se afirmar que a amostra selecionada terá tamanho

Num modelo de regressão linear, que relaciona o número de atendimentos da Defensoria (explicada) com a renda e a faixa etária da população alvo (ambas explicativas), foram então estimados, com algumas omissões, os seguintes valores para fins de Análise da Variância

                        
Assim sendo, temos

Um modelo de regressão linear simples que relaciona a demanda por serviços da Defensoria Pública com a renda da população mais pobre das localidades, é estimado através da equação Ln ( D_Defensoria ) =  α + β. In ( Renda ). A tabela a seguir mostra as estimativas e a inferência resultantes da formulação, por meio dos dados de uma amostra de tamanho n = 22. 
                Parâmetros            Estimativas           Erro Padrão          t-Student           p-valor
                     α                              2,5                        1,06                     2,36                0,029                      β                             0,15                       0,08                     1,88                0,075

São conhecidos ainda dois valores da função distribuição acumulada da t-Student, quais sejam F_t ( 2;20 ) = 0,97 e F_t ( 1,5 ; 20 ) = 0,925 , onde o 1º argumento é o valor da t-Student e o 2º é o número de graus de liberdade. Assumidos os pressupostos clássicos do modelo, da análise da tabela acima é possível concluir que

Um modelo de regressão foi elaborado com o objetivo final de quantificar o efeito da componente demográfica sobre a demanda por serviços da Defensoria Pública, trabalhando com uma amostra grande (n>50), gerada a partir de diversos pontos de atendimento e da população residente no entorno correspondente. A equação adotada foi 
                              At_k = 4  +  0,25.Pop_k  +   ε_k               (5,47)            (0,003)

Onde At_k = Número de atendimento de pessoas no ponto k           Pop_k = População residente no entorno do ponto k           ε_k = resíduo da k - ésima observação


Se os números que aparecem entre parênteses, abaixo das estimativas, representam os erros padrão também estimados, pode-se afirmar que

Para verificar a significância, como um todo, de um Modelo de Regressão Múltipla, é realizada uma Análise da Variância, aplicando-se o teste da estatística F-Snedecor. Os seis parâmetros da regressão foram estimados através de uma amostra de tamanho n = 26 e o coeficiente de determinação calculado, igual a 0,50. Adicionalmente, a função distribuição acumulada da F tem tabelados os valores F(0,993, 5, 20) = 4,5 e F(0,980, 5, 20) = 3,5, tendo como argumentos a probabilidade, os graus de liberdade do numerador e os graus de liberdade do denominador, respectivamente. Contando apenas com as informações anteriores é concluir que ao nível de significância de

Em um modelo que tenta avaliar a eficiência relativa dos diversos postos de atendimento da Defensoria Pública, espalhados pelo território fluminense, foi utilizada a variável “número de atendimentos” (dependente) e as quantidades de funcionários e de defensores (ambas como independentes). Os resultados finais da estimação foram aparentemente satisfatórios, mas os testes de hipóteses constataram que a variância dos resíduos não era constante, sendo maior nos postos com menores fluxos de atendimentos. Diante de tal constatação, os estimadores de Mínimos Quadrados Ordinários deverão ser

Um dos resultados mais importantes para a qualidade dos estimadores de MQO é o Teorema de Gauss-Markov que, mediante alguns poucos pressupostos é capaz de garantir propriedades dos estimadores. São indispensáveis à aplicabilidade de Gauss-Markov

Suponha que no modelo de regressão linear múltipla Y_i = α + β.X_i + y.W εi +  , onde Y é a variável dependente, X e W são as ditas independentes, ε é o termo estocástico e α ,β  e y os parâmetros. Depois de estimados os parâmetros, por MQO, e obtidos os resíduos, a inferência detectou algumas divergências com relação aos pressupostos clássicos. Observou-se uma alta correlação entre X e W, a presença de causalidade de Y sobre W e variâncias dos resíduos não constantes. Consideradas nesta ordem e tudo mais constante, tais divergências implicam, respectivamente,

Suponha que para a realização de um teste de hipóteses sobre determinado parâmetro estão disponíveis duas alternativas. Na tabela abaixo são apresentadas as probabilidades de rejeição da hipótese nula quando ela é falsa.

                         Testes             Simulações do Valor Verdadeiro do Parâmetro
                    Alternativos                 θ1       θ2        θ3       θ4       θ5

                    Pr(alternativa 1)         0,73      0,84    0,92    0,95    0,98

                    Pr(alternativa 2)         0,68      0,80    0,85    0,91     0,97

Então, pode-se afirmar que