Questões de Concurso

Julgue o item a seguir, considerando o par de variáveis aleatórias contínuas (U,V), cuja função de densidade conjunta é dada por f(u,v) = 12/11 (u² + uv + v²), em que c é uma constante positiva, 0 < u < 1 e 0 < v < 1, e  u e v representam, respectivamente, os suportes de U e V.

A função de densidade de probabilidade de U, para 0< u < 1, é f(u) = 12u² + 6u + 4/11.

Julgue o item a seguir, considerando o par de variáveis aleatórias contínuas (U,V), cuja função de densidade conjunta é dada por f(u,v) = 12/11 (u² + uv + v²), em que c é uma constante positiva, 0 < u < 1 e 0 < v < 1, e  u e v representam, respectivamente, os suportes de U e V.

Os valores esperados de U e de V são iguais a 7/11.

Julgue o item a seguir, considerando o par de variáveis aleatórias contínuas (U,V), cuja função de densidade conjunta é dada por f(u,v) = 12/11 (u² + uv + v²), em que c é uma constante positiva, 0 < u < 1 e 0 < v < 1, e  u e v representam, respectivamente, os suportes de U e V.

A variância de V é igual ou superior a 0,1.  

Com base nessas informações, julgue o seguinte item.

Com base nessas informações, julgue o seguinte item.

A estimativa de δ²  é igual ou inferior a 3,5.

Com base nessas informações, julgue o seguinte item.

A estimativa da variância de é igual ou superior a 0,05.

Considerando o modelo clássico de regressão linear e a importância das suas hipóteses no contexto de uso intensivo de dados, julgue o item a seguir.

Na presença de heterocedasticidade, os valores da estatística t são maiores que o esperado.

Considerando o modelo clássico de regressão linear e a importância das suas hipóteses no contexto de uso intensivo de dados, julgue o item a seguir.

Quando se adicionam variáveis explicativas ao modelo, espera-se redução da estatística R² .

Considerando o modelo clássico de regressão linear e a importância das suas hipóteses no contexto de uso intensivo de dados, julgue o item a seguir.

Na presença de multicolinearidade perfeita, os estimadores de mínimos quadrados ordinários não são únicos.

Considerando o modelo clássico de regressão linear e a importância das suas hipóteses no contexto de uso intensivo de dados, julgue o item a seguir.

Havendo heterocedasticidade, os estimadores de mínimos quadrados ordinários serão ineficientes. 

Acerca da avaliação de modelos de classificação, julgue o item que se segue.

A matriz de confusão, em problemas de classificação multiclasses, é uma tabela com duas linhas e duas colunas; na diagonal principal dessa matriz quadrada, estão os valores corretos e, na matriz secundária, os erros cometidos pelo modelo.

Julgue o próximo item, relativo a Naive Bayes e random forest. 

Nas árvores de decisão e em random forest, são utilizadas técnicas estatísticas com o objetivo de se produzir, a partir de um conjunto de observações, uma predição de valores em função de uma ou mais variáveis independentes contínuas e(ou) binárias.

Julgue o próximo item, relativo a Naive Bayes e random forest. 

O algoritmo de classificação Naive Bayes pode ser utilizado para o cálculo da probabilidade de ocorrência de um evento, com base em probabilidades obtidas em eventos numéricos passados, e, por isso, não pode ser empregado em atividades de classificação textual.

Julgue o próximo item, relativo a Naive Bayes e random forest. 

Random forest é um algoritmo de classificação que permite a realização de mineração dos dados por meio da criação de estruturas de aprendizagem a partir de uma base de dados na qual se utiliza uma única árvore de decisão para a classificação dos dados.

Julgue o próximo item, relativo a Naive Bayes e random forest. 

Naive Bayes é um algoritmo de classificação baseado na aprendizagem por reforço, em que um agente realiza uma ação e recebe uma recompensa de acordo com o resultado dessa ação por meio da implementação do teorema de Bayes, com o objetivo de encontrar a probabilidade a posteriori. 

Julgue o próximo item, relativo a Naive Bayes e random forest. 

Tamanho do nó, número de árvores e número de recursos amostrados, ou número de preditores amostrados, são parâmetros de algoritmos random forest. 

No que diz respeito ao estimador hipotético T_n  do parâmetro λ, julgue o seguinte item.

T_n  é estimador consistente.

No que diz respeito ao estimador hipotético T_n  do parâmetro λ, julgue o seguinte item.

O erro-padrão de T_n  é igual a 1.

No que diz respeito ao estimador hipotético T_n  do parâmetro λ, julgue o seguinte item.

T_n  é estimador de λ assintoticamente não viciado.

No que diz respeito ao estimador hipotético T_n  do parâmetro λ, julgue o seguinte item.

Se T_n  seguir uma distribuição normal, então a razão nT_n -(n+2)λ /√nλ   será normal padrão.