Questões de Concurso Para dpe-rj

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,

Considere a equação de regressão Y_i =  α + β. X_i + ε_i onde Y e X são as variáveis explicada e explicativa, respectivamente, ε  é o erro aleatório e  α e  β os parâmetros a estimar. São supostos válidos todos os pressupostos clássicos do Modelo de Regressão Linear Simples (MRLS). Além disso, para determinada amostra de pares (X,Y), foram calculadas as estatísticas p ( X, Y ) = 0,8 , = 6 . , = 15, DP (Y ) = 5 e DP ( X ) = 2 . Portanto, a partir do método de Mínimos Quadrados Ordinários os estimadores de α e β são

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