Questões de Concurso
Para estatística
Foram encontradas 14.102 questões
Resolva questões gratuitamente!
Junte-se a mais de 4 milhões de concurseiros!

I. Na análise de componentes principais a informação contida em um vetor aleatório
p-dimensional é substituída pela informação contida num vetor aleatório q-dimensional
(q < p), de variáveis aleatórias correlacionadas, denominadas pelo nome de componentes principais.
II. O escalonamento multidimensional é uma técnica matemática apropriada para representar n elementos num espaço de dimensão menor que o original, levando-se em consideração a similaridade que os elementos têm entre si.
III. Na análise de agrupamentos nenhuma variável é definida como dependente ou independente.
Dentre as afirmações acima são verdadeiras APENAS
I. Uma intervenção que afeta uma série temporal pode mudar o nível da série, podendo também afetar a sua variabilidade.
II. De um modo geral, a análise espectral de séries temporais estacionárias decompõe a série em componentes senoidais com coeficientes aleatórios não correlacionados.
III. Para o modelo
onde
é ruído branco de média zero e variância σ2, a previsão de origem t e horizonte 2 é igual 
IV. Se
é ruído branco de média zero e variância σ2 um modelo do tipo
, é estacionário de médias móveis sazonal. Dentre as afirmações acima são verdadeiras APENAS
a função densidade de probabilidade da variável aleatória bidi- mensional contínua (X,Y). A esperança condicional de Y dado que X vale 1, denotadapor E(Y | X = 1), é igual a

Sejam os vetores A = (2 , 0) e B = (1 , 1). Nessas condições, é verdade que a distribuição de
X = número de bolas amarelas selecionadas,
Y = número de bolas pretas selecionadas, f(x, y) a função de probabilidade da variável aleatória bidimensional (X,Y).
Nessas condições f(3,1) é igual a
onde
é o ruído branco de média zero e variância
é uma constante, considere as seguintes afirmações: I. O processo resultante desse modelo é sempre estacionário.
II. O processo resultante desse modelo só é estacionário se estiverem satisfeitas simultaneamente as condições


III. A função de autocorrelação parcial do processo resultante desse modelo é dominada por uma mistura de exponenciais ou senoides amortecidas.
IV. A função de autocorrelação do processo resultante desse modelo apresenta decaimento exponencial.
Dentre as afirmações acima são verdadeiras APENAS

A probabilidade condicional dada por: P(1 ≤ X ≤ 1,5
X ≤ 1,5) é igual a I. X tem distribuição exponencial com média µ.
II. Y tem distribuição uniforme contínua no intervalo [-a, a] e é tal que P(Y > 1) =
. III. µ é igual à variância de Y.
Nessas condições, P(X < 13,5) é igual a
Dados: e-1 = 0,37; e-1,2 = 0,30 e-1,4 = 0,25 e-2 = 0,14
Se Z tem distribuição normal padrão, então:
P(Z < 0,84) = 0,80, P(Z < 1,5) = 0,933, P(Z < 1,96) = 0,975, P(Z < 2,5) = 0,994.