Questões de Concurso Para analista - estatística

Considerando que a tabela acima mostra as alturas e as massas corporais de cinco pessoas participantes de um estudo nutricional, e que  e são a altura média e o peso médio, respectivamente , julgue o seguinte item acerca do modelo de regressão linear simples y_i = a + bx_i + ε_i , em que ε_i é um erro aleatório com média nula e variância constante, e a e b são os objetos da estimação.

A soma dos quadrados de regressão é igual a 650.

Considerando que a tabela acima mostra as alturas e as massas corporais de cinco pessoas participantes de um estudo nutricional, e que  e são a altura média e o peso médio, respectivamente , julgue o seguinte item acerca do modelo de regressão linear simples y_i = a + bx_i + ε_i , em que ε_i é um erro aleatório com média nula e variância constante, e a e b são os objetos da estimação.

A soma dos quadrados dos erros entre as massas corporais observadas e esperadas segundo o modelo ajustado é igual a 40.

Considerando que a tabela acima mostra as alturas e as massas corporais de cinco pessoas participantes de um estudo nutricional, e que  e são a altura média e o peso médio, respectivamente , julgue o seguinte item acerca do modelo de regressão linear simples y_i = a + bx_i + ε_i , em que ε_i é um erro aleatório com média nula e variância constante, e a e b são os objetos da estimação.

A soma dos quadrados total é igual a 680.

Suponha que x₁, ..., x_n seja uma sequência de cópias independentes retiradas de uma distribuição com função densidade de probabilidade , em que x ≥ 0 e α > 0 é seu parâmetro. Com base nessas informações, julgue o item a seguir.

A função de log-verossimilhança para a estimação do parâmetro α é

Suponha que x₁, ..., x_n seja uma sequência de cópias independentes retiradas de uma distribuição com função densidade de probabilidade , em que x ≥ 0 e α > 0 é seu parâmetro. Com base nessas informações, julgue o item a seguir.

Supondo que (x₁, ..., x₅) = (3, 4, 4, 6, 6), a estimativa de máxima verossimilhança do parâmetro α é inferior a 1/10 .

Considerando que x₁, ..., x_n representa uma amostra aleatória simples retirada de uma distribuição contínua X cuja função densidade de probabilidade é , em que x ≥ 0 e λ > 0, julgue o próximo item, acerca da estimação de máxima verossimilhança do parâmetro λ.

A função de verossimilhança é , em que é a média amostral.

Considerando que x₁, ..., x_n representa uma amostra aleatória simples retirada de uma distribuição contínua X cuja função densidade de probabilidade é , em que x ≥ 0 e λ > 0, julgue o próximo item, acerca da estimação de máxima verossimilhança do parâmetro λ.

O estimador de máxima verossimilhança do parâmetro λ é , em que é a média amostral.

Uma amostra aleatória simples X₁, X₂, ..., X_n foi retirada de uma distribuição contínua, em que θ é o parâmetro de interesse e S_n = S(X₁, X₂, ..., X_n) é o seu estimador. A respeito dessa amostra, julgue o próximo item.

Considerando-se que a amostragem tenha sido feita sobre uma população normal com média μ e variância σ² , e que S_n seja a mediana, a distribuição amostral da estatística S_n é assintoticamente normal com média μ e variância igual a .

Uma amostra aleatória simples X₁, X₂, ..., X_n foi retirada de uma distribuição contínua, em que θ é o parâmetro de interesse e S_n = S(X₁, X₂, ..., X_n) é o seu estimador. A respeito dessa amostra, julgue o próximo item.

Se S_n e θ forem as médias amostral e populacional, respectivamente, então — conforme a lei fraca dos grandes números — S_n converge quase certamente para θ, à medida que n cresce.

Uma amostra aleatória simples X₁, X₂, ..., X_n foi retirada de uma distribuição contínua, em que θ é o parâmetro de interesse e S_n = S(X₁, X₂, ..., X_n) é o seu estimador. A respeito dessa amostra, julgue o próximo item.

Se o estimador S_n converge em norma L₁ para o parâmetro θ à medida que o tamanho da amostra aumenta, então S_n converge em probabilidade para θ.

Uma amostra aleatória simples X₁, X₂, ..., X_n foi retirada de uma distribuição contínua, em que θ é o parâmetro de interesse e S_n = S(X₁, X₂, ..., X_n) é o seu estimador. A respeito dessa amostra, julgue o próximo item.

O teorema limite central trata da convergência em probabilidade do estimador S_n para o parâmetro θ.

A figura acima mostra a forma do gráfico da função de densidade de uma distribuição t de Student com 16 graus de liberdade (T₁₆), com a indicação de alguns valores x e de duas probabilidades associadas a esses quantis. Com base no gráfico e nas informações, julgue o seguinte item.

Se T₂₀ representa uma distribuição t de Student com 20 graus de liberdade, então P(T₂₀ < 2,921) > 0,99.

A figura acima mostra a forma do gráfico da função de densidade de uma distribuição t de Student com 16 graus de liberdade (T₁₆), com a indicação de alguns valores x e de duas probabilidades associadas a esses quantis. Com base no gráfico e nas informações, julgue o seguinte item.

P(2,12 < T₁₆ < 2,921) = 0,04.

A figura acima mostra a forma do gráfico da função de densidade de uma distribuição t de Student com 16 graus de liberdade (T₁₆), com a indicação de alguns valores x e de duas probabilidades associadas a esses quantis. Com base no gráfico e nas informações, julgue o seguinte item.

Se Y representa uma distribuição F de Snedecor com 1 grau de liberdade no numerador e 16 graus de liberdade no denominador, então P(0 < Y < 2,12² ) = 0,95.

A figura acima mostra a forma do gráfico da função de densidade de uma distribuição t de Student com 16 graus de liberdade (T₁₆), com a indicação de alguns valores x e de duas probabilidades associadas a esses quantis. Com base no gráfico e nas informações, julgue o seguinte item.

A sequência (T_n), em que T_n é a distribuição t de Student com n graus de liberdade, converge em distribuição para a distribuição normal padrão à medida que n aumenta.

A distribuição conjunta de dois indicadores de qualidade do ar, X e Y, é expressa por ƒ(x, y) = αxy, em que 0 ≤ x ≤ 1, 0 ≤ y ≤ 1 e α > 0. Para outros valores de x e de y, ƒ(x, y) = 0. Com base nessas informações, julgue o próximo item.

A média de é inferior a 1.

A distribuição conjunta de dois indicadores de qualidade do ar, X e Y, é expressa por ƒ(x, y) = αxy, em que 0 ≤ x ≤ 1, 0 ≤ y ≤ 1 e α > 0. Para outros valores de x e de y, ƒ(x, y) = 0. Com base nessas informações, julgue o próximo item.

Como 0 = ƒ(0, 0) < ƒ(1, 1) = α, é correto afirmar que X e Y se correlacionam positivamente.

A distribuição conjunta de dois indicadores de qualidade do ar, X e Y, é expressa por ƒ(x, y) = αxy, em que 0 ≤ x ≤ 1, 0 ≤ y ≤ 1 e α > 0. Para outros valores de x e de y, ƒ(x, y) = 0. Com base nessas informações, julgue o próximo item.

O valor esperado de é igual à variância de X.

A distribuição conjunta de dois indicadores de qualidade do ar, X e Y, é expressa por ƒ(x, y) = αxy, em que 0 ≤ x ≤ 1, 0 ≤ y ≤ 1 e α > 0. Para outros valores de x e de y, ƒ(x, y) = 0. Com base nessas informações, julgue o próximo item.

Os indicadores X e Y possuem médias iguais a .

A distribuição conjunta de dois indicadores de qualidade do ar, X e Y, é expressa por ƒ(x, y) = αxy, em que 0 ≤ x ≤ 1, 0 ≤ y ≤ 1 e α > 0. Para outros valores de x e de y, ƒ(x, y) = 0. Com base nessas informações, julgue o próximo item.

É correto afirmar que α é um parâmetro da distribuição que pode assumir qualquer valor real positivo, e, a partir de uma amostra aleatória simples, esse parâmetro pode ser estimado pelo método dos momentos.