Com relação aos experimentos em blocos completos casualizados, julgue o item a seguir.

No delineamento em blocos completos casualizados, os tamanhos de amostras para os diferentes tratamentos podem ser diferentes, mas complicações na análise estatística podem ocorrer se houver perdas de dados dentro de um ou mais blocos.

Sabendo que, em determinado estudo, o volume de transmissão de dados foi considerado um modelo de séries temporais na forma

em que n ≥ 1, a_t representa um ruído branco com média nula e desvio padrão igual a 1, e t ∈ {..., -1, 0, 1...}, julgue o seguinte item.

A autocorrelação entre Z_t-n e Z_t+n é nula.

Sabendo que, em determinado estudo, o volume de transmissão de dados foi considerado um modelo de séries temporais na forma

em que n ≥ 1, a_t representa um ruído branco com média nula e desvio padrão igual a 1, e t ∈ {..., -1, 0, 1...}, julgue o seguinte item.

A função de densidade espectral desse processo é f(ω) = c[1,25 + cos(ω)]ⁿ , em que |ω| ≤ π e c é uma constante de normalização.

Sabendo que, em determinado estudo, o volume de transmissão de dados foi considerado um modelo de séries temporais na forma

em que n ≥ 1, a_t representa um ruído branco com média nula e desvio padrão igual a 1, e t ∈ {..., -1, 0, 1...}, julgue o seguinte item.

A série temporal segue um processo ARMA(0, n) com média nula.

Sabendo que, em determinado estudo, o volume de transmissão de dados foi considerado um modelo de séries temporais na forma 

em que n ≥ 1, a_t representa um ruído branco com média nula e desvio padrão igual a 1, e t ∈ {..., -1, 0, 1...}, julgue o seguinte item.

O processo pode ser escrito na forma invertida como  , em que B representa o operador de atraso.

Considerando a tabela acima, em que são evidenciados os resultados de levantamento feito para o estudo da relação preço-demanda em um serviço de comunicação de dados, e o modelo de regressão linear simples na forma D_i = αP_i + ε_i , em que ε_i representa um erro aleatório com média nula e variância residual V, e α é o coeficiente do modelo, julgue o item subsequente.

O erro padrão do estimador de mínimos quadrados do coeficiente α é igual ou superior a 0,4.

Considerando a tabela acima, em que são evidenciados os resultados de levantamento feito para o estudo da relação preço-demanda em um serviço de comunicação de dados, e o modelo de regressão linear simples na forma D_i = αP_i + ε_i , em que ε_i representa um erro aleatório com média nula e variância residual V, e α é o coeficiente do modelo, julgue o item subsequente.

A estimativa da variância residual V é igual ou superior a 15.

Considerando a tabela acima, em que são evidenciados os resultados de levantamento feito para o estudo da relação preço-demanda em um serviço de comunicação de dados, e o modelo de regressão linear simples na forma D_i = αP_i + ε_i , em que ε_i representa um erro aleatório com média nula e variância residual V, e α é o coeficiente do modelo, julgue o item subsequente.

A estimativa de mínimos quadrados ordinários do coeficiente α é superior a 1,4 e inferior a 1,5.

Considerando a tabela acima, em que são evidenciados os resultados de levantamento feito para o estudo da relação preço-demanda em um serviço de comunicação de dados, e o modelo de regressão linear simples na forma D_i = αP_i + ε_i , em que ε_i representa um erro aleatório com média nula e variância residual V, e α é o coeficiente do modelo, julgue o item subsequente.

O coeficiente α representa a correlação linear de Pearson entre as variáveis preço e demanda.

Considerando essas informações e as tabelas acima, que mostram resultados pertinentes ao referido modelo, cujos coeficientes foram obtidos com base no método de mínimos quadrados ordinários, julgue o item a seguir.

A variância de Y_i é igual a σ² , cuja estimativa corresponde à variância amostral de Y_i , ou seja, 

Considerando essas informações e as tabelas acima, que mostram resultados pertinentes ao referido modelo, cujos coeficientes foram obtidos com base no método de mínimos quadrados ordinários, julgue o item a seguir.

Suponha que X_1,i seja uma variável indicadora e que X_2,i seja uma variável quantitativa. Nesse caso, o modelo combinará aspectos da análise de variância e da análise de regressão, e seu estudo pode ser feito com técnicas da análise de covariância (ANCOVA).

Considerando essas informações e as tabelas acima, que mostram resultados pertinentes ao referido modelo, cujos coeficientes foram obtidos com base no método de mínimos quadrados ordinários, julgue o item a seguir.

O intercepto do modelo ajustado não tem significância estatística.

Considerando essas informações e as tabelas acima, que mostram resultados pertinentes ao referido modelo, cujos coeficientes foram obtidos com base no método de mínimos quadrados ordinários, julgue o item a seguir.

Com nível de significância de 5%, a hipótese nula H₀ :β₁ = β₂ = 0 é rejeitada, o que sugere que o modelo ajustado produz boas estimativas para o valor esperado da variável resposta em função das duas variáveis explicativas.

Considerando essas informações e as tabelas acima, que mostram resultados pertinentes ao referido modelo, cujos coeficientes foram obtidos com base no método de mínimos quadrados ordinários, julgue o item a seguir.

O coeficiente de determinação ou explicação (R² ) é igual ou superior a 55%.

Considerando essas informações e as tabelas acima, que mostram resultados pertinentes ao referido modelo, cujos coeficientes foram obtidos com base no método de mínimos quadrados ordinários, julgue o item a seguir.

A estimativa de máxima verossimilhança do coeficiente β₂ é inferior a -1 e superior a -2.

Considerando essas informações, julgue o próximo item.

As comunalidades são c₁ = 0,7; c₂ = 1,2; e c₃ = 0.

Considerando essas informações, julgue o próximo item.

O percentual da variação total explicada pelos dois fatores é inferior a 60% da variação total.

Considere uma amostra aleatória simples X₁, X₂, ..., X_n retirada de uma distribuição normal apresenta média μ e desvio padrão 1 e, para a estimação bayesiana dessa média, suponha que μ siga uma distribuição normal padrão e que a função de perda (loss function) seja expressa como L(μ, τ) = (μ - τ(X))² , em que X = (X₁, X₂, ..., X_n) e τ é uma função real da amostra. Com base nessas hipóteses, julgue o item seguinte.

A distribuição a priori conjugada da média μ é normal com média nula e variância unitária.

Considere uma amostra aleatória simples X₁, X₂, ..., X_n retirada de uma distribuição normal apresenta média μ e desvio padrão 1 e, para a estimação bayesiana dessa média, suponha que μ siga uma distribuição normal padrão e que a função de perda (loss function) seja expressa como L(μ, τ) = (μ - τ(X))² , em que X = (X₁, X₂, ..., X_n) e τ é uma função real da amostra. Com base nessas hipóteses, julgue o item seguinte.

Se n = 100, o valor do risco de Bayes é superior a 0,015.

Considere uma amostra aleatória simples X₁, X₂, ..., X_n retirada de uma distribuição normal apresenta média μ e desvio padrão 1 e, para a estimação bayesiana dessa média, suponha que μ siga uma distribuição normal padrão e que a função de perda (loss function) seja expressa como L(μ, τ) = (μ - τ(X))² , em que X = (X₁, X₂, ..., X_n) e τ é uma função real da amostra. Com base nessas hipóteses, julgue o item seguinte.

O estimador de Bayes (convencional) para a média μ é