Questões de Concurso
Para stm
Foram encontradas 3.570 questões
Resolva questões gratuitamente!
Junte-se a mais de 4 milhões de concurseiros!
Uma amostra aleatória simples Y1, Y2, ..., Yn, retirada de uma população Bernoulli, é tal que
para y = 0 ou 1, 0 < θ < 1 e k = 1, 2, ..., n. O objetivo é efetuar
inferências acerca do parâmetro θ mediante aplicação de métodos
computacionais.
Considerando que para r ≥ 0, 
represente a estimativa de θ
obtida na r-ésima iteração de um algoritmo de estimação, julgue o seguinte item.
O método de Monte Carlo via cadeia de Markov (MCMC)
pertence à classe de algoritmos de estimação não sequencial,
em que 
forma um conjunto de valores mutuamente
independentes. Excluindo-se o valor inicial 
, uma
estimativa do parâmetro θ é dada por 
, na
qual q representa um valor suficientemente grande.
Considerando que Y, U e Q sejam mutuamente independentes, julgue o próximo item.
Caso W seja uma realização retirada de uma distribuição
normal com média nula e variância k, será correto afirmar que
o produto 
é realização de uma distribuição t de
Student com k graus de liberdade.
Considerando que Y, U e Q sejam mutuamente independentes, julgue o próximo item.
A transformação 
proporciona uma realização da
distribuição normal padrão.
Considerando que Y, U e Q sejam mutuamente independentes, julgue o próximo item.
Realizações G de uma distribuição gama com média 2m podem
ser obtidas com base na transformação G = Y - m × ln(U).
Considerando que Y, U e Q sejam mutuamente independentes, julgue o próximo item.
O produto 
segue uma distribuição normal com
média nula.
Considerando que Y, U e Q sejam mutuamente independentes, julgue os próximos item.
Suponha que Y1, Y2, ..., Yn sejam n realizações independentes
retiradas de uma distribuição exponencial com média m. Nessa
situação, a média 
representa uma estimativa da
integral 
A respeito da autocorrelação dos erros de um modelo de regressão linear, julgue o item subsequente.
Na presença de autocorrelação de erros, o estimador mais
eficiente da regressão por mínimos quadrados ordinários
continua sendo BLUE (best linear unbiased estimator), ou
seja, melhor estimador linear não viesado.
A respeito da autocorrelação dos erros de um modelo de regressão linear, julgue o item subsequente.
Ocorre autocorrelação dos erros caso os erros da regressão
sigam um processo autorregressivo de ordem 1, ou seja, um
AR(1).
A respeito da autocorrelação dos erros de um modelo de regressão linear, julgue o item subsequente.
Como regra geral, a presença de autocorrelação dos erros é um
problema que não pode ser corrigido, de modo que a
modelagem por regressão deve ser abandonada quando
detectado esse problema.
A respeito da autocorrelação dos erros de um modelo de regressão linear, julgue o item subsequente.
O teste de Durbin–Watson é um teste que permite identificar
a autocorrelação serial de primeira ordem.
A respeito da autocorrelação dos erros de um modelo de regressão linear, julgue o item subsequente.
A autocorrelação dos erros, desde que não seja unitária em
termos absolutos, insere um viés nas estimativas da variável
dependente.
Considerando um modelo de regressão linear com erros heteroscedásticos, julgue o item seguinte.
Para um modelo de regressão linear múltiplo, o teste de White
permite detectar a heteroscedasticidade a partir da regressão de
cada erro estimado da regressão original com as variáveis
explicativas e seus inversos.
Considerando um modelo de regressão linear com erros heteroscedásticos, julgue o item seguinte.
Para um modelo de regressão linear na forma Y = α + βX + e,
em que Y representa a variável resposta, X é a variável
regressora, e e denota o erro aleatório, o teste de
Goldfeld–Quandt consiste em fazer duas regressões: uma com
os maiores valores de X e outra com os menores valores de X,
e verificar se as variâncias são distintas.
Considerando um modelo de regressão linear com erros heteroscedásticos, julgue o item seguinte.
Para corrigir a heteroscedasticidade, como regra geral, é
suficiente fazer a regressão da variável dependente em função
das raízes quadradas das variáveis independentes.
A equação seguinte foi obtida de um modelo de regressão linear múltipla ajustado sobre 12 amostras, em que cada valor entre parênteses abaixo do coeficiente representa o erro-padrão desse coeficiente, e representa o erro, D é uma variável dummy que assume o valor 0 caso não ocorra determinado evento e 1 caso ocorra, e X1 e X2 são duas variáveis regressoras.
A tabela de análise de variância (ANOVA) proporcionada pelo referido modelo é apresentada a seguir.
Com base nas informações e na tabela apresentadas, julgue o próximo item.
O coeficiente de determinação ajustado dessa regressão,
, é
maior que o coeficiente de determinação R2
.
A equação seguinte foi obtida de um modelo de regressão linear múltipla ajustado sobre 12 amostras, em que cada valor entre parênteses abaixo do coeficiente representa o erro-padrão desse coeficiente, e representa o erro, D é uma variável dummy que assume o valor 0 caso não ocorra determinado evento e 1 caso ocorra, e X1 e X2 são duas variáveis regressoras.
A tabela de análise de variância (ANOVA) proporcionada pelo referido modelo é apresentada a seguir.
Com base nas informações e na tabela apresentadas, julgue o próximo item.
Fixando-se determinado ponto (X1 , X2), a ocorrência do
evento representado por D faz que a estimativa de Y diminua
em mais de 80 unidades.
A equação seguinte foi obtida de um modelo de regressão linear múltipla ajustado sobre 12 amostras, em que cada valor entre parênteses abaixo do coeficiente representa o erro-padrão desse coeficiente, e representa o erro, D é uma variável dummy que assume o valor 0 caso não ocorra determinado evento e 1 caso ocorra, e X1 e X2 são duas variáveis regressoras.
A tabela de análise de variância (ANOVA) proporcionada pelo referido modelo é apresentada a seguir.
Com base nas informações e na tabela apresentadas, julgue o próximo item.
A soma dos quadrados totais é igual a 2.016.000.
A equação seguinte foi obtida de um modelo de regressão linear múltipla ajustado sobre 12 amostras, em que cada valor entre parênteses abaixo do coeficiente representa o erro-padrão desse coeficiente, e representa o erro, D é uma variável dummy que assume o valor 0 caso não ocorra determinado evento e 1 caso ocorra, e X1 e X2 são duas variáveis regressoras.
A tabela de análise de variância (ANOVA) proporcionada pelo referido modelo é apresentada a seguir.
Com base nas informações e na tabela apresentadas, julgue o próximo item.
O valor de a reflete a quantidade de variáveis explicativas, e
deve ser igual a 3.
A equação seguinte foi obtida de um modelo de regressão linear múltipla ajustado sobre 12 amostras, em que cada valor entre parênteses abaixo do coeficiente representa o erro-padrão desse coeficiente, e representa o erro, D é uma variável dummy que assume o valor 0 caso não ocorra determinado evento e 1 caso ocorra, e X1 e X2 são duas variáveis regressoras.
A tabela de análise de variância (ANOVA) proporcionada pelo referido modelo é apresentada a seguir.
Com base nas informações e na tabela apresentadas, julgue o próximo item.
Dado o valor crítico da estatística t de Student para 8 graus de
liberdade a 5% de significância, t8;5% = 2,3, rejeita-se a hipótese
de que cada um dos coeficientes da regressão seja nulo.
Em um modelo de regressão linear simples na forma
yi
= a + bxi
+ εi
, em que a e b são constantes reais não nulas, yi
representa a resposta da i-ésima observação a um estímulo xi
e εi
é
o erro aleatório correspondente, para i = 1, ... , n, considere que
, em que 
, e que o desvio padrão
de cada εi
seja igual a 10, para i = 1, ..., n.
A respeito dessa situação hipotética, julgue o item que se segue.
Se
representar o estimador de mínimos quadrados ordinários
do coeficiente b, então 
Conheça nossos planos