Questões de Concursos | OAB | Enem | Vestibular

Acerca das propriedades dos estimadores de MQO em regressão linear simples, julgue o item subsequente.

De acordo com a hipótese de consistência do estimador de MQO, à medida que o número de observações aumenta, o valor esperado do estimador converge para o valor do parâmetro a ser estimado e a variância do estimador converge para zero.

Para avaliar o desempenho do transporte público por ônibus em determinada cidade, realizou-se um estudo estatístico mediante o uso de técnicas de análise multivariada de dados. Por meio desse estudo, foram identificados os grupos (homogêneos) de usuários, considerando-se a satisfação global dos serviços de transporte público, assim como os principais fatores que influenciam na opinião sobre esses serviços. O estudo identificou, por exemplo, aspectos como confiabilidade, segurança, tarifa e locais de parada como os mais importantes para se discriminar os usuários insatisfeitos daqueles que se consideram satisfeitos.

No que se refere aos métodos estatísticos de análise multivariada empregados na situação descrita acima, julgue o seguinte item.


Por meio da análise de correspondência, é possível representar as relações existentes em um conjunto de dados quantitativos com base em uma árvore de decisão. Essa técnica permite associar os aspectos confiabilidade, segurança, tarifa e locais de parada com o grau de satisfação dos usuários do serviço público de transporte.

Considerando que W(t) represente um processo gaussiano com E[W(t)] = 0 e Var[W(t)] = t, em que t > 0, julgue o próximo item.

O processo W(t) não é estacionário.

Considerando que W(t) represente um processo gaussiano com E[W(t)] = 0 e Var[W(t)] = t, em que t > 0, julgue o próximo item.

Se s < t, então a função de covariância desse processo será Cov[W(s), W(t)] = t -s.

Quanto a (algumas) técnicas de Análise Multivariada, é INCORRETO afirmar:

A análise fatorial tem como objetivo principal descrever a variabilidade original de um vetor aleatório X com m componentes

Quanto à análise multivariada,

O gestor de uma grande sociedade empresária, para definir metas e indicadores de desempenho, cria uma base de dados com os resultados da última avaliação realizada com os funcionários. Essa avaliação formou uma base que pretende ser utilizada para tomada de decisões como promoções, aumentos salariais, transferências e até demissões.
Cada funcionário foi avaliado segundo os critérios de pontualidade, assiduidade, motivação, satisfação no trabalho e cumprimento das tarefas designadas, recebendo uma nota de 0 a 10 pontos para cada critério. Para simplificar a análise, agruparam-se os funcionários por similaridade de acordo com os critérios mencionados.
A técnica de análise multivariada mais adequada para criar os grupos e analisar o desempenho dos funcionários é:

Em relação à distribuição Normal, assinale V para a afirmativa verdadeira e F para a falsa.
( ) Se X segue uma distribuição Normal, então a média é igual à mediana e igual à moda.
( ) Quando o tamanho da amostra é grande, a distribuição normal serve como aproximação da distribuição binomial.
( ) Quanto menor a variância, mais achatada é a função densidade de probabilidade da distribuição Normal.
As afirmativas são, respectivamente,

Uma formulação de Séries Temporais, definida por

zk = b₁.z_k-1 + r_k - c₁.r_k-1

onde a entrada (input) r_k é uma variável aleatória gaussiana e a saída atual (z_k) é uma combinação linear da saída passada e da entrada em dois instantes (k e k-1), é conhecida como processo

Uma das clássicas formulações para Séries Temporais é dada por

z_k = r_k - ∑_{i =1,p} c_ir_k-i
onde a entrada (input) r_k é uma variável aleatória gaussiana. Essa formulação para Séries Temporais, em que a saída atual (z_k) é uma combinação linear da entrada nos instantes atual e passados (r_k,r_k-1, ...z_k-p) é

A Análise de Séries Temporais consiste no estudo de sequências numéricas, que são realizações de Processos Estocásticos. Um processo estocástico é considerado

Sejam f(k), k = 1,2,3,... e g(k), k = 1,2.3,... as funções de autocorrelação (fac) e autocorrelação parcial (facp), respectivamente, de um modelo ARMA(p,q).
Considere as seguintes afirmações:

I. Para um ARMA(1,0), f(k) só difere de zero para k = 1 e g(k) decai exponencialmente.

II. Para um ARMA(1,1), f(k) só difere de zero para k = 1 e g(k) decai exponencialmente.

III. Para um ARMA(0,2), f(k) só difere de zero para k = 1 e k = 2 e g(k) é dominada por misturas de exponenciais ou senoides amortecidas.

IV. Para um ARMA(2,0), f(k) é dominada por misturas de exponenciais ou senoides amortecidas e g(k) = 0, somente para k = 1 e para k > 1 decai exponencialmente.

Está correto o que se afirma SOMENTE em

Suponha que uma série temporal sofra uma intervenção. Na sua manifestação essa intervenção pode ser de dois tipos:

Um fiscal deverá escolher aleatoriamente algumas áreas de certa floresta para serem visitadas. Com base em um mapa, o fiscal dividiu a floresta em regiões mutuamente exclusivas, formando uma partição. Essas regiões possuem áreas distintas.

Tendo como referência essa situação, julgue o item, com base nos conceitos de probabilidade e inferência estatística.
Considere que a floresta tenha sido dividida em 10 regiões e que a soma das probabilidades de seleção das 8 maiores regiões seja igual a 0,8. Nessa situação, a probabilidade de seleção da menor região é superior a 0,2.