Questões de Concurso
Para estatístico
Foram encontradas 4.584 questões
Resolva questões gratuitamente!
Junte-se a mais de 4 milhões de concurseiros!
Uma dúvida comum entre as pessoas ao observarem os resultados de uma pesquisa eleitoral é acerca da validade dos resultados obtidos com base em uma amostra muito menor frente ao tamanho da população. De fato, essa dúvida procede, pois o tamanho populacional é um dado relevante no cálculo do tamanho mínimo de uma amostra.
Na amostragem estratificada, a variância dentro dos estratos deve ser pequena, enquanto a variância entre os estratos deve ser grande. Na amostragem por conglomerados, por outro lado, é regra geral que a variância dentro dos conglomerados seja maior que a variância entre os conglomerados.
Na amostragem aleatória simples sem reposição (AASc), a probabilidade de seleção de elementos é praticamente igual à probabilidade de seleção caso a amostragem seja com reposição.
No cálculo do tamanho amostral para a comparação de proporções através da expressão
n ≥ 1/4 (z/m)2 em que m é a margem máxima de erro pretendida e z é o quantil da normal padrão que define a significância do teste, a tendência é que as amostras sejam maiores que aquelas calculadas considerando uma abordagem não conservativa.
Esse modelo é linear.
A variável Zi = exp(Yi ) tem uma distribuição log-Normal.
Se as variáveis X1 e X2 possuírem correlação próxima a 1, então os parâmetros β1 e β2 serão linearmente independentes.
Na análise de resíduos de um modelo de regressão, o diagrama de dispersão entre os resíduos do modelo ajustado e os valores preditos para a variável resposta permitem avaliar a ocorrência de heterocedasticidade.
A suposição de homocedasticidade pode ser verificada através de um gráfico de resíduos.
Considerando um modelo de regressão no qual a média da variável resposta é aproximadamente zero, se o coeficiente de correlação múltipla (R2 ) tende a 1, então
O coeficiente de correlação múltipla R2 pode ser calculado dividindo a soma de quadrados do resíduo pela soma de quadrado total.
Em um modelo de regressão linear simples, o quadrado médio associado ao modelo é menor que a respectiva soma de quadrados. O mesmo ocorre com o quadrado médio dos resíduos em comparação com a soma de quadrado dos resíduos.
Em uma tabela de análise de variância para a qualidade de ajuste do seguinte modelo de regressão
Yi = β0 + β1 X1 + β2 X2 + ∈i, ∈ i ~N ( 0; σ2 ) se a hipótese nula for rejeitada, então β0 = 0 mas β1 ≠ 0, β2 ≠ 0
Um critério utilizado para se verificar a qualidade de ajuste de um modelo de regressão é o AIC (critério de informação de Akaike), que é dado por AIC = 2(k – l (b; X)), em que k é o número de parâmetros do modelo e l (b; X) é a log-verossimilhança l(β; X) calculada em β = b. Considerando a classe dos modelos com k = κ parâmetros, então o AIC será mínimo se b for o estimador de máxima verossimilhança para β.
Uma medida de alavanca de um modelo de regressão é tal que
em que tij é o resíduo do modelo de regressão da variável Xi explicada pelas demais variáveis independentes do modelo para a observação j. Supondo um modelo de regressão com 2 variáveis dependentes, no qual apenas k-ésima observação amostral seja influente, se Ø1k > Ø2k então o valor X2k tem um impacto maior que o valor X1k na influência da k-ésima observação.Considerando um gráfico da distância de Cook para cada observação amostral que resultou de um ajuste por regressão linear, as observações influentes são aquelas que apresentam pequenas distâncias de Cook
Considere que Y seja uma variável binária e Z seja definida por Z = 1n ( p/1- p) = β 0 + β1X em que p = p( Y = 1) e X é uma covariável. Considere ainda que X assuma valores inteiros positivos, que β0= β1 = 0,2 e que 2,72 e 7,39 sejam os valores aproximados, respectivamente, de e e e2 Nessa situação, é correto afirmar que a chance de Y = 1 quando X = 10 é superior a 5 vezes a chance correspondente quando X = 0.
Considere que um modelo linear múltiplo com interação seja dado por Yi = β0 + β1 X1i + β2 X2i - β12 X1i X2i + ∈i, ∈i ~N ( 0; σ2) em que E ( Yi | X1i = 0, X2i= 0) = E ( Yi | X 1i = 1, X2i = k), k < ∞, β1 > 0, β2 > 0, β12 > 0 .Nessa situação, β2 ≠ β12.

