Questões de Concurso
Comentadas para trf - 2ª região
Foram encontradas 2.422 questões
Resolva questões gratuitamente!
Junte-se a mais de 4 milhões de concurseiros!
Se a variável aleatória X tem distribuição normal
com média μ e variância σ2, ou seja, X ⁓ N(μ, σ2), s2 =
(xi–x̄)2/n–1 (variância amostral) é a estimativa
de σ2 com base em uma amostra com n
observações, [x1, x2, ... , xn]. Assim, a variável T = X – μ/s tem distribuição t de Student com n – 1
graus de liberdade, ou seja, T ~ tn-1. Nesse
caso, sabendo que P(T ≤ 2) = 0,968027 e P(T ≥ -2) = 0,031973, é correto afirmar que
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
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
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 Sn = X1 + X2 + ... +
Xn é o número de sucessos nos n primeiros
ensaios, então Sn /n
θ, ou seja, Sn /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 Yi = β1X1i + β2X2i + ɛi i = 1, 2, ... , n aos valores da variável dependente (resposta) Y e variáveis explicativas X1 e X2 nas tabelas a seguir. A variável ɛi é o erro aleatório e βi 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
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, (yi–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 Sn 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
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: