O método dos Mínimos Quadrados Ordinários (MQO) apresenta propriedades estatísticas que o tornam um dos métodos mais populares e eficientes de análise de regressão.

A eficiência desse método depende da validade da seguinte hipótese:

Uma população é constituída por N indivíduos, dos quais K têm uma certa característica A. Se sortearmos ao acaso n elementos diferentes dessa população, então a variável X = número de elementos que têm a característica A na amostra tem distribuição de probabilidades 

A prefeitura de uma cidade está preocupada com o elevado índice de acidentes automobilísticos que vêm acontecendo em determinada rodovia. 

O número de acidentes nesse local pode ser modelado por uma distribuição Poisson de média . A prefeitura decide registrar o número X de acidentes nessa rodovia ao longo de um mês para testar a hipótese de que o número médio de acidentes nesse intervalo é maior que 20.

Assim, foi definido que:

E a hipótese nula será rejeitada se X > 26.

É correto afirmar que a probabilidade de que seja cometido erro do Tipo I corresponde à

As massas M das laranjas produzidas em certa fazenda seguem distribuição normal de média 180 g e variância 25 g² . Seja Z uma outra variável aleatória com distribuição normal de média 0 e variância 1. 

Uma dessas laranjas é selecionada ao acaso. A probabilidade de que a massa da laranja escolhida seja maior que 175,8 g e menor que 184,2 g é

Dados: 

P (Z > 0,168) = 0,43

P (Z > 0,840) = 0,20

Sejam Z₁, Z₂, … , Z_n elementos de uma amostra aleatória simples, retirados de uma distribuição normal padronizada N (0,1). Podemos afirmar que a variável  tem Distribuição:

Considere as seguintes distribuições:

I. Normal 
II. Binomial 
III. Poisson 
IV. Uniforme 

Pertencem à família de distribuições exponenciais: 

    O conjunto de dados {0, 4, 3, 3, 0} é uma realização de uma amostra aleatória simples retirada de uma população binomial com parâmetros n e p, sendo n = 4 e p uma probabilidade desconhecida.

Com base nessas informações, é correto afirmar que a estimativa de máxima verossimilhança para a probabilidade de ocorrência do valor 2 na população em questão é igual a

Supondo-se que a variável aleatória X possa assumir valores 0, 1, 2 ou 3 conforme a função de distribuição de probabilidade P(X = h) =  na qual h ∈ {0, 1, 2, 3}, é correto afirmar que o valor esperado de X seja igual a

Dois analistas, Lucas e João, serão treinados para a identificação de erros de redação em documentos da área jurídica. Nesse treinamento, Lucas receberá 10 documentos para análise, enquanto João receberá 17 documentos. O número X de documentos com erros de redação que Lucas receberá segue a distribuição Binomial (n = 10,p = 0,25), enquanto o número Y de documentos com erros de redação que João receberá segue a distribuição Binomial (n = 17,p = 0,75).
Nessa situação hipotética, se as contagens X e Y f orem independentes, o desvio padrão da diferença Y - X será igual a

Considerando que numa distribuição normal a curva é simétrica em relação á origem, a relação verdadeira entre os valores da média aritmética (MA), moda (Mo) e mediana (Me) é

A figura precedente apresenta os gráficos de quatro possíveis distribuições normais para uma variável aleatória X, em que I corresponde à distribuição normal com parâmetros μ = 0 e σ² = 0,2; II, à distribuição normal com parâmetros μ = 0 e σ² = 1; III, à distribuição normal com parâmetros μ = 0 e σ² = 5; e IV, à distribuição normal com parâmetros μ = −2 e σ² = 0,5. Assinale a opção correta a respeito das propriedades dessas distribuições.

Seja uma população regida por uma distribuição de probabilidade com média θ e variância 25. A fim de se estimar o valor do parâmetro θ, propôs-se o estimador T(X₁ , X₂ ) = αX₁ + βX₂ a partir de uma amostra de tamanho 2, de tal forma que o estimador assim definido seja não tendencioso e tenha variância 13, com a α > 0 e β > 0 .
Qual o valor de α x β ?

É uma medida que nos ajuda a determinar quão grande é a diferença entre as médias de duas amostras, considerando a variabilidade nos dados. Acerca desse assunto, assinale a alternativa correta. 

Se a variável aleatória X tem distribuição normal com média μ e variância σ², ou seja, X ⁓ N(μ, σ²), _s2 = (x_i–x̄)²/n–1 (variância amostral) é a estimativa de σ² com base em uma amostra com n observações, [x₁, x₂, ... , x_n]. Assim, a variável T = X – μ/s  tem distribuição t de Student com n – 1 graus de liberdade, ou seja, T ~ t_n-1. Nesse caso, sabendo que P(T ≤ 2) = 0,968027 e P(T ≥ -2) = 0,031973, é correto afirmar que

Considere S_n o número de sucessos em n provas do tipo Bernoulli, ou seja, binomial, independentes com probabilidade θ de sucesso em cada prova, 0 < θ < 1 e considere também p = θ e q = 1 - θ. Então,  converge em distribuição, quando n vai para o infinito, para a Normal Padrão, ou seja, N(0, 1) na forma   Z ⁓ N(0, 1). O resultado de convergência que tem esse enunciado é

Quais os métodos abaixo são de estimação por métodos computacionais: 

Definida (o) por um vetor de médias e a matriz de variância-covariância. É uma extensão da distribuição normal univariada para aplicações com um grupo de variáveis que podem ser correlacionadas. Refere-se a: 

Qual das alternativas abaixo pode ser considerado um processo de Markov em tempo contínuo? 

Analise as afirmativas abaixo, referentes à geração de números aleatórios:

I. Os números gerados por um computador como aleatórios são considerados pseudoaleatórios, uma vez que existe um algoritmo que origina esses números.
II. Caso o algoritmo gere em algum momento o número usado como semente, a sequência de números pseudoaleatórios deverá se repetir.
III. O número que inicia o algoritmo de geração de números pseudoaleatórios é conhecido como semente.

Quais afirmativas estão corretas: