Um estatístico conduziu um experimento para verificar se existem diferenças estatisticamente significativas entre os resultados quantitativos de três procedimentos aplicados em amostras independentes. Os resultados obtidos com o experimento são:

 Tabela da Análise da Variância – ANOVA 

Teste de Levene para hipótese de variâncias iguais

Teste de Normalidade para os resíduos da ANOVA 

Teste de Kruskal-Wallis para hipótese de medianas iguais

Estatística do Teste = 24,8078 Valor-p p = 0,0000041025

Então, é correto afirmar, em relação ao nível de significância de 5%, que

Na Análise de Agrupamento, os grupos são formados com base em medidas de “proximidade - distância” ou “similaridade” entre os itens que podem ser representados por vetores aleatórios quando suas características são quantitativas. Os agrupamentos podem ser do tipo Aglomerativo Hierárquico e do tipo Não Hierárquico, sendo que Dendrograma do Método Aglomerativo Hierárquico pode ser feito usando 

A Razão das Chances é definida pela razão entre a probabilidade de sucesso e a probabilidade de insucesso, ou seja, p/1–p. Então, assumindo y = β₀ + β₁X₁ + ... +  β_p-1X_p-1 = X' β , tem-se no Modelo Logístico p = p(X) = p(X₁, X₂, ... , X_p-1) = e^y/e^y+1 = 1/1+e^-y= 1/1+e^-x'β. Portanto, a Razão das Chances no Modelo Logístico é

O estatístico que trata da análise de dados referentes à Justiça Federal necessita conduzir um estudo que requer informações sobre determinada característica quantitativa, X, dos processados em determinada Vara Federal. Um dos objetivos é construir um intervalo de 95% de confiança para o valor médio da característica quantitativa do grupo de processados, com erro de amostragem ou precisão de 0,5 σ, meio desvio-padrão. Ele tomou, então, uma amostra aleatória piloto de tamanho n₀ = 5 que forneceu as seguintes estatísticas amostrais, média e variância, para a característica: x̄₀ = 127,6 e S = 1290,8. A respeito das informações anteriores, sabe-se que é possível assumir o modelo de distribuição normal para a característica quantitativa do grupo de processados, que é finito com N = 2000 indivíduos e com variância desconhecida. Assim, conhecendo o escore da distribuição t de t₄ (0,975) = 2,78, é correto afirmar que o tamanho definitivo da amostra n é

O estatístico de uma Vara Federal necessita verificar se a idade média dos condenados por prevaricação e a dos condenados por corrupção passiva são iguais. Para isso tomou amostras aleatórias de tamanhos: n₁ = 15 de condenados por prevaricação e n₂ = 20 condenados por corrupção passiva. As amostras forneceram as estatísticas: média amostral x̄₁ = 25 anos e desvio-padrão amostral s₁ = 2 anos do grupo da prevaricação e x̄₂ = 31 anos e desvio-padrão amostral s₂ = 3,5 anos do grupo da corrupção passiva. Verificou-se, aplicando os testes, que as amostras eram provenientes de distribuição normal, mas com variâncias desconhecidas e diferentes. Então, foi aplicado o teste adequado à situação e obteve-se, para a estatística do teste, o valor

Seja a amostra aleatória de variável aleatória X que tem distribuição normal com média μ e variância σ², N(μ, σ²), [x₁, x₂, ... , x_n], então, é correto afirmar que a Variância e o Erro Quadrático Médio do estimador de Máxima Verossimilhança (EMV) do parâmetro σ² são, respectivamente,

Seja [X₁, X₂, ... , X_n] uma amostra aleatória de uma variável aleatória com distribuição normal, com média μ e variância σ², ou seja, X ⁓ N(μ, σ²), em que os parâmetros são desconhecidos, então, os estimadores uniformemente de mínima variância não viciados, UMVU, da média μ e variância σ² são, respectivamente,

Suponha as variáveis aleatórias independentes X com distribuição Qui-quadrado com v = 5 graus de liberdade e Y com distribuição Gama com parâmetros α = 2 e β = 5. Então, a esperança e a variância da variável aleatória W = X + Y são, respectivamente,

Considere o vetor aleatório  X'= [X₁ X₂] cuja matriz de covariância é Σ = . Então, é correto afirmar que a matriz de correlação P do vetor é

Sendo a sequência de n ensaios binomiais independentes, tendo a mesma probabilidade θ de “sucesso” em cada ensaio, se S_n = X₁ + X₂ + ... + X_n é o número de sucessos nos n primeiros ensaios, então S_n /n  θ, ou seja, S_n /n converge em probabilidade para θ. O enunciado da Lei dos Grandes Números a que se exprime esse resultado é a Lei dos Grandes Números de

Considere os resultados do ajuste do modelo Y_i = β₁X_1i + β₂X_2i + ɛ_i  i = 1, 2, ... , n aos valores da variável dependente (resposta) Y e variáveis explicativas X₁ e X₂ nas tabelas a seguir. A variável ɛ_i é o erro aleatório e β_i i = 1, 2 são os parâmetros.

Análise da Variância

Então, a estatística t e a razão F foram obtidas usando-se os procedimentos:

A função densidade de probabilidade f(t) =  t > 0, e α, β > 0 corresponde ao tempo até falhar de um equipamento eletrônico e corresponde à distribuição Weibull com parâmetros α e β. Essa distribuição é usada no dimensionamento do tempo de garantia de um produto eletrônico a ser adquirido por uma instituição judiciária. Então, a diretoria da instituição quer saber da equipe técnica a probabilidade de o equipamento falhar dentro do prazo de 1 ano. A equipe técnica pesquisa o banco de dados da rede de assistência técnica do fabricante do equipamento e, com os dados registrados do tempo de falha do produto, estima os parâmetros α e β em 2 e 5. Dessa forma, é correto afirmar que a probabilidade de falha dentro do prazo de 1 ano é

Considere E1 e E2 dois eventos aleatórios associados a um experimento, supondo que P(E1) = 0,4 enquanto P(E1UE2) = 0,8 e P(E2) = p, então, o valor de p para que E1 e E2 sejam mutuamente exclusivos e o valor de p para que E1 e E2 sejam independentes são, respectivamente,

Um estatístico necessita relacionar uma variável aleatória dependente Y com duas outras variáveis explicativas X₁ e X₂. Ele observou n vezes os valores de Y em função de X₁ e X₂ e ajustou um modelo linear aos dados observados minimizando a Soma dos Quadrados dos Erros, (y_i–ŷ)² entre valores observados e valores ajustados pelo modelo para estimar os parâmetros por B̂ = (X'X)^-1X'Y. Nessa expressão, B̂ é o vetor de estimativas dos parâmetros, X é a matriz do modelo de ordem nxp e Y é o vetor de respostas, ou seja, a variável dependente. Os resultados do ajuste estão nas tabelas a seguir:

Análise da Variância 

Então, 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

Em uma pesquisa sobre caraterísticas de condenados em uma determinada Vara Federal, uma amostra aleatória de condenados de tamanho n foi tomada e investigou-se nos respectivos processos suas características. Os resultados observados recebiam avaliação dos psicólogos em notas em uma escala até 7 pontos. As notas se referem às características: C1, C2, C3, C4 e C5. Os resultados foram tabulados e a matriz de correlação R construída. Após ser aplicada a Análise Fatorial na matriz R, obtiveram-se os resultados tabelados a seguir:

Análise Fatorial

Pesos dos fatores após rotação Varimax 

Então, é correto afirmar que 

A estrutura de covariância de um vetor aleatório de dimensão p = 3, X’ = [X₁ X₂ X₃] tem matriz de covariância estimada para n observações do vetor X por S = . Uma Análise de Componentes Principais foi desenvolvida e forneceu os resultados das tabelas a seguir:

Pesos das Componentes 

Então, é correto afirmar que a componente principal mais importante na análise tem expressão:

Na Análise de Componentes Principais, conceitua-se algebricamente Componentes Principais como combinações lineares particulares não correlacionadas das p variáveis aleatórias X₁, X₂, ... , X_p que compõem o vetor aleatório X. Também é correto afirmar que

Considere a Análise de Correlação Canônica em que se tem os vetores X e Y de dimensões p e q, respectivamente, com matrizes de covariâncias Σ1 e Σ2, vetores médios μ₁ e μ₂ , respectivamente, e matriz de covariância cruzada Σ12. Ainda, tem-se as combinações lineares U = c '₁ X e V = c '₂ Y. Então, é correto afirmar que

Um Gráfico em Setores Circulares representa o percentual de processos em uma determinada Vara Federal por tipo de crime. A tabela mostra o tipo de crime e o percentual a seguir de processos.

Então, é correto afirmar que, no Gráfico em Setor, o ângulo do setor circular correspondente ao crime de peculato tem o valor em graus de