Questões de Concurso Sobre estatística

Foram encontradas 14.624 questões

Q3592309 Estatística
Um centro de pesquisa analisou, em 14 cidades brasileiras, a taxa de desemprego entre março de 2018 até abril de 2019.

Captura_de tela 2025-09-10 100934.png (602×381)

A mediana dessa taxa de desemprego, no período analisado, é de
Alternativas
Q3591821 Estatística
As medidas estatísticas são utilizadas para resumir e interpretar os dados obtidos em pesquisas. Entre elas, encontram-se as medidas de dispersão, que têm como função
Alternativas
Q3586616 Estatística

Considerando a estatística descritiva aplicada à auditoria de dados, julgue o item subsecutivo.  


A amplitude de uma amostra de dados é expressa pelo desvio padrão dividido pela média, sendo, portanto, classificada como medida de dispersão relativa. 

Alternativas
Q3586615 Estatística

Considerando a estatística descritiva aplicada à auditoria de dados, julgue o item subsecutivo.  


Em um conjunto de dados perfeitamente simétrico, média aritmética, mediana e moda tendem a assumir o mesmo valor, sendo todas essas medidas classificadas como de tendência central. 

Alternativas
Q3586119 Estatística

Julgue o item a seguir a respeito de técnicas de amostragem.  


A amostragem em múltiplos estágios requer que cada estágio use o mesmo método amostral (por exemplo, todos os estágios devem usar a amostragem aleatória simples) para manter a estrutura probabilística.  

Alternativas
Q3586118 Estatística

Julgue o item a seguir a respeito de técnicas de amostragem.  


Na amostragem sistemática com um elemento inicial escolhido ao acaso, o intervalo de seleção k deve sempre ser calculado como k = N/n  arredondado para o inteiro imediatamente anterior para evitar viés de seleção. 

Alternativas
Q3586117 Estatística

Julgue o item a seguir a respeito de técnicas de amostragem.  


A amostragem por conglomerados sempre produz estimativas mais precisas que a amostragem aleatória simples quando os conglomerados são internamente homogêneos e heterogêneos entre os conglomerados.  

Alternativas
Q3586116 Estatística

Julgue o item a seguir a respeito de técnicas de amostragem.  


Na amostragem estratificada, o tamanho amostral em cada estrato deve ser proporcional ao tamanho do estrato na população. 

Alternativas
Q3586115 Estatística
Para validar as suposições clássicas usuais e detectar potenciais violações de um modelo de regressão linear múltipla na forma y= β0 + βi x1 + β2 x2 +⋯+ βk xk + ε , será feita uma análise de resíduos, a partir dos dados a seguir.

• Resíduo: 

• Resíduos padronizados:    é o quadrado médio do resíduo.

• Resíduos estudentizados:  , em que ℎii é o i-ésimo elemento da diagonal da matriz hat. 

Considerando as informações precedentes, julgue o item que se segue.  


A estatística do teste de Durbin-Watson, calculada como Imagem associada para resolução da questão , é utilizada para testar as correlações de primeira ordem nos resíduos, com valores próximos de 2 indicando ausência de autocorrelação. 

Alternativas
Q3586114 Estatística
Para validar as suposições clássicas usuais e detectar potenciais violações de um modelo de regressão linear múltipla na forma y= β0 + βi x1 + β2 x2 +⋯+ βk xk + ε , será feita uma análise de resíduos, a partir dos dados a seguir.

• Resíduo: 

• Resíduos padronizados:    é o quadrado médio do resíduo.

• Resíduos estudentizados:  , em que ℎii é o i-ésimo elemento da diagonal da matriz hat. 

Considerando as informações precedentes, julgue o item que se segue.  


Os resíduos estudentizados são preferidos aos resíduos ordinários para a detecção de outliers, pois consideram o efeito alavanca de cada observação e possuem variâncias mais uniformes entre as observações.  

Alternativas
Q3586113 Estatística
Para validar as suposições clássicas usuais e detectar potenciais violações de um modelo de regressão linear múltipla na forma y= β0 + βi x1 + β2 x2 +⋯+ βk xk + ε , será feita uma análise de resíduos, a partir dos dados a seguir.

• Resíduo: 

• Resíduos padronizados:    é o quadrado médio do resíduo.

• Resíduos estudentizados:  , em que ℎii é o i-ésimo elemento da diagonal da matriz hat. 

Considerando as informações precedentes, julgue o item que se segue.  


A heteroscedasticidade pode ser detectada plotando-se os resíduos contra os valores ajustados e observando-se se a dispersão dos resíduos aumenta ou decresce sistematicamente com relação aos valores ajustados. 

Alternativas
Q3586112 Estatística
Para validar as suposições clássicas usuais e detectar potenciais violações de um modelo de regressão linear múltipla na forma y= β0 + βi x1 + β2 x2 +⋯+ βk xk + ε , será feita uma análise de resíduos, a partir dos dados a seguir.

• Resíduo: 

• Resíduos padronizados:    é o quadrado médio do resíduo.

• Resíduos estudentizados:  , em que ℎii é o i-ésimo elemento da diagonal da matriz hat. 

Considerando as informações precedentes, julgue o item que se segue.  


Se um gráfico de probabilidade normal (Q-Q plot) dos resíduos mostra pontos que seguem aproximadamente uma linha reta, isso indica que a suposição de normalidade não é satisfeita.

Alternativas
Q3586111 Estatística
Para validar as suposições clássicas usuais e detectar potenciais violações de um modelo de regressão linear múltipla na forma y= β0 + βi x1 + β2 x2 +⋯+ βk xk + ε , será feita uma análise de resíduos, a partir dos dados a seguir.

• Resíduo: 

• Resíduos padronizados:    é o quadrado médio do resíduo.

• Resíduos estudentizados:  , em que ℎii é o i-ésimo elemento da diagonal da matriz hat. 

Considerando as informações precedentes, julgue o item que se segue.  


A soma dos resíduos em um modelo de regressão com um intercepto é sempre igual a zero: ∑ ei = 0. 

Alternativas
Q3586110 Estatística
Para validar as suposições clássicas usuais e detectar potenciais violações de um modelo de regressão linear múltipla na forma y= β0 + βi x1 + β2 x2 +⋯+ βk xk + ε , será feita uma análise de resíduos, a partir dos dados a seguir.

• Resíduo: 

• Resíduos padronizados:    é o quadrado médio do resíduo.

• Resíduos estudentizados:  , em que ℎii é o i-ésimo elemento da diagonal da matriz hat. 

Considerando as informações precedentes, julgue o item que se segue.  


Em um modelo de regressão bem-ajustado, os resíduos devem mostrar padrões sistemáticos quando plotados contra os valores ajustados Imagem associada para resolução da questão 

Alternativas
Q3586109 Estatística
Para um modelo de regressão linear múltipla na forma y= β0 + βi x1 + β2 x2 +⋯+ βk xk + ε , em que são válidas as suposições clássicas usuais, a tabela de ANOVA decompõe a variação total na resposta (y) conforme a seguir.

• SQT (soma de quadrados totais) = 
• SQM (soma de quadrados do modelo) = 
• SQR (soma de quadrados do resíduo) = 

A partir dessas informações, e considerando que n denota o tamanho da amostra, julgue o item seguinte acerca do uso da ANOVA para avaliar regressões lineares.  


Quando comparados os modelos alinhados usando ANOVA, a estatística F para testar a significância de q regressores adicionais é  Imagem associada para resolução da questão o qual segue uma distribuição F(q, n – k – 1) sob a hipótese nula.  

Alternativas
Q3586108 Estatística
Para um modelo de regressão linear múltipla na forma y= β0 + βi x1 + β2 x2 +⋯+ βk xk + ε , em que são válidas as suposições clássicas usuais, a tabela de ANOVA decompõe a variação total na resposta (y) conforme a seguir.

• SQT (soma de quadrados totais) = 
• SQM (soma de quadrados do modelo) = 
• SQR (soma de quadrados do resíduo) = 

A partir dessas informações, e considerando que n denota o tamanho da amostra, julgue o item seguinte acerca do uso da ANOVA para avaliar regressões lineares.  


O erro quadrático médio é igual à SQR/(n − k − 1) e provê um estimador não viesado da variância do erro, independentemente dos regressores terem efeitos significantes.

Alternativas
Q3586107 Estatística
Para um modelo de regressão linear múltipla na forma y= β0 + βi x1 + β2 x2 +⋯+ βk xk + ε , em que são válidas as suposições clássicas usuais, a tabela de ANOVA decompõe a variação total na resposta (y) conforme a seguir.

• SQT (soma de quadrados totais) = 
• SQM (soma de quadrados do modelo) = 
• SQR (soma de quadrados do resíduo) = 

A partir dessas informações, e considerando que n denota o tamanho da amostra, julgue o item seguinte acerca do uso da ANOVA para avaliar regressões lineares.  


A estatística F para testar H0: β1 = β2 =⋯= βk = 0 é dada por Imagem associada para resolução da questão

Alternativas
Q3586106 Estatística
Para um modelo de regressão linear múltipla na forma y= β0 + βi x1 + β2 x2 +⋯+ βk xk + ε , em que são válidas as suposições clássicas usuais, a tabela de ANOVA decompõe a variação total na resposta (y) conforme a seguir.

• SQT (soma de quadrados totais) = 
• SQM (soma de quadrados do modelo) = 
• SQR (soma de quadrados do resíduo) = 
A partir dessas informações, e considerando que n denota o tamanho da amostra, julgue o item seguinte acerca do uso da ANOVA para avaliar regressões lineares.  
O coeficiente de determinação R² é igual à SQM/SQT, e incluir qualquer novo regressor (mesmo que estatisticamente insignificante) diminuirá o R².  
Alternativas
Q3586105 Estatística

A respeito da inferência do modelo de regressão linear múltipla da forma y = β0 + β1x1 +β2x2 +⋯+ βkxk + ε , julgue o item subsecutivo, considerando que valem as suposições clássicas, como linearidade nos parâmetros, independência entre observações, homoscedasticidade, normalidade e ausência de multicolinearidade perfeita.


O p-valor representa a probabilidade de que a hipótese nula seja verdadeira condicional aos dados observados.  

Alternativas
Q3586104 Estatística

A respeito da inferência do modelo de regressão linear múltipla da forma y = β0 + β1x1 +β2x2 +⋯+ βkxk + ε , julgue o item subsecutivo, considerando que valem as suposições clássicas, como linearidade nos parâmetros, independência entre observações, homoscedasticidade, normalidade e ausência de multicolinearidade perfeita.


Para testar H0: β1 + β2 = 1 usando um teste t, a estatística do teste é XXX , em que EP é o erro padrão, determinado por XXXXXXXXXX

Alternativas
Respostas
1581: B
1582: C
1583: E
1584: C
1585: E
1586: E
1587: E
1588: E
1589: C
1590: C
1591: C
1592: E
1593: C
1594: E
1595: C
1596: C
1597: C
1598: E
1599: E
1600: C