Foram encontradas 14.151 questões
Resolva questões gratuitamente!
Junte-se a mais de 4 milhões de concurseiros!
Julgue os itens a seguir, considerando que, a partir do desenvolvimento de um sistema preditivo para estimar a produção agrícola (X) com base em dados climáticos como precipitação (P) e temperatura (T), obteve-se a matriz de covariâncias referente à distribuição conjunta (X, P, T),
O valor de a é igual a 1,6.
Julgue os itens a seguir, considerando que, a partir do desenvolvimento de um sistema preditivo para estimar a produção agrícola (X) com base em dados climáticos como precipitação (P) e temperatura (T), obteve-se a matriz de covariâncias referente à distribuição conjunta (X, P, T),
A soma das variâncias de X, P e T é igual a 29.
Julgue os itens a seguir, considerando que, a partir do desenvolvimento de um sistema preditivo para estimar a produção agrícola (X) com base em dados climáticos como precipitação (P) e temperatura (T), obteve-se a matriz de covariâncias referente à distribuição conjunta (X, P, T),
A variância da soma P + T é igual a 20.
Julgue os itens a seguir, considerando que, a partir do desenvolvimento de um sistema preditivo para estimar a produção agrícola (X) com base em dados climáticos como precipitação (P) e temperatura (T), obteve-se a matriz de covariâncias referente à distribuição conjunta (X, P, T),
A covariância entre as variáveis temperatura e precipitação é igual a 1,6.
Um pesquisador está desenvolvendo um modelo estatístico para descrever a ocorrência de falhas em sensores em uma rede de equipamentos agrícolas. Com base em dados históricos, que incluem registros de falhas e fatores associados, tais como temperatura, umidade e frequência de transmissão dos sensores, o pesquisador obteve as seguintes informações:
• a probabilidade de um sensor falhar (F) em condições de alta umidade (U) é P(F | U) = 0,4;
• a incidência de eventos de alta umidade é dada pela probabilidade P(U) = 0,3;
• a probabilidade de um sensor falhar em condições de alta temperatura (T) é P(F | T) = 0,2;
• a incidência de falhas é P(F) = 0,2.
Com respeito a essa situação hipotética, e tendo em conta ainda que 0 < P(T) < 1, julgue o item subsequente.
Se 
denota o evento complementar de U, então 
= 0,6.
Um pesquisador está desenvolvendo um modelo estatístico para descrever a ocorrência de falhas em sensores em uma rede de equipamentos agrícolas. Com base em dados históricos, que incluem registros de falhas e fatores associados, tais como temperatura, umidade e frequência de transmissão dos sensores, o pesquisador obteve as seguintes informações:
• a probabilidade de um sensor falhar (F) em condições de alta umidade (U) é P(F | U) = 0,4;
• a incidência de eventos de alta umidade é dada pela probabilidade P(U) = 0,3;
• a probabilidade de um sensor falhar em condições de alta temperatura (T) é P(F | T) = 0,2;
• a incidência de falhas é P(F) = 0,2.
Com respeito a essa situação hipotética, e tendo em conta ainda que 0 < P(T) < 1, julgue o item subsequente.
Os eventos F e T são independentes.
Um pesquisador está desenvolvendo um modelo estatístico para descrever a ocorrência de falhas em sensores em uma rede de equipamentos agrícolas. Com base em dados históricos, que incluem registros de falhas e fatores associados, tais como temperatura, umidade e frequência de transmissão dos sensores, o pesquisador obteve as seguintes informações:
• a probabilidade de um sensor falhar (F) em condições de alta umidade (U) é P(F | U) = 0,4;
• a incidência de eventos de alta umidade é dada pela probabilidade P(U) = 0,3;
• a probabilidade de um sensor falhar em condições de alta temperatura (T) é P(F | T) = 0,2;
• a incidência de falhas é P(F) = 0,2.
Com respeito a essa situação hipotética, e tendo em conta ainda que 0 < P(T) < 1, julgue o item subsequente.
P(U | F) = 0,6.
Um pesquisador está desenvolvendo um modelo estatístico para descrever a ocorrência de falhas em sensores em uma rede de equipamentos agrícolas. Com base em dados históricos, que incluem registros de falhas e fatores associados, tais como temperatura, umidade e frequência de transmissão dos sensores, o pesquisador obteve as seguintes informações:
• a probabilidade de um sensor falhar (F) em condições de alta umidade (U) é P(F | U) = 0,4;
• a incidência de eventos de alta umidade é dada pela probabilidade P(U) = 0,3;
• a probabilidade de um sensor falhar em condições de alta temperatura (T) é P(F | T) = 0,2;
• a incidência de falhas é P(F) = 0,2.
Com respeito a essa situação hipotética, e tendo em conta ainda que 0 < P(T) < 1, julgue o item subsequente.
Se 
e 
denotarem, respectivamente, os eventos complementares de F e T, então 
= 0.
Com relação a imagens térmicas, tratamento e análise de sinais, processamento de imagens e espectroscopia de emissão por plasma induzido por laser (LIBS), julgue o próximo item.
Métodos como a análise de componentes principais (PCA) ou a análise de componentes independentes (ICA) são usados para reduzir a dimensionalidade de grandes conjuntos de dados espectrais, facilitar a visualização e identificar padrões ocultos para a caracterização de substâncias.
Considerando a relevância da bioestatística para a saúde animal, julgue o item seguinte.
A regressão estatística não é adequada para a quantificação das associações entre um fator de interesse (variável dependente) e fatores explicativos (variáveis independentes).
Modelos multivariados são essenciais para a análise de dados fotométricos em grandes amostras, o que permite a separação de variáveis correlacionadas.
Com base nas informações apresentadas, julgue o item a seguir.
O desvio padrão amostral da variável Y é igual a 10.
Com base nas informações apresentadas, julgue o item a seguir.
A estimativa do coeficiente β1 poderá ser considerada nula se o nível de significância do teste de hipóteses H0: β1 = 0 versus H1: β1 ≠ 0 for igual a 5%.
Com base nas informações apresentadas, julgue o item a seguir.
A estimativa do desvio padrão σ é igual ou superior a 6.
Com base nas informações apresentadas, julgue o item a seguir.
O coeficiente de explicação do modelo é igual a 0,80.
Julgue o item a seguir, em relação a técnicas de agrupamento, a técnicas de redução de dimensionalidade, e a processamento de linguagem natural.
A análise de componentes principais (PCA) é uma técnica usada para enfatizar a variação e trazer os padrões fortes em um conjunto de dados, e pode ser utilizada para facilitar a exploração e visualização dos dados, pois permite a redução do número de dimensões de um sistema.
A respeito de máquinas de vetores de suporte e de avaliação de modelos de regressão, julgue o próximo item.
MSE (mean squared error) é uma medida usada para a avaliação da acurácia de modelos de classificação e representa a métrica de fidelidade de acerto de um modelo em relação ao atributo alvo (target attributes), portanto, pode ser utilizada para avaliar o desempenho de assertividade do modelo.
Um programa de capacitação foi criado com a finalidade
de aumentar o rendimento dos trabalhadores. A tabela a seguir
mostra os valores dos rendimentos médios dos grupos de controle
e de tratamento ( T0 e T1 , respectivamente) para períodos antes e
depois do tratamento (T0 e T1 , respectivamente). A notação 
representa a média amostral da variável de resultado (rendimento
médio, em reais) por grupo e por período.
Considerando essas informações, julgue o item a seguir.
O efeito médio do tratamento sobre os tratados, que se dá pela diferença dos rendimentos médios de tratados e controles pós-tratamento, corresponde ao valor de R$ 1.200.
Para determinado programa, Y é a variável de resultado e
T, a variável binária de tratamento, sendo 1 para tratado e 0 para
não tratado. As seguintes médias populacionais da variável de
resultado foram obtidas para os grupos de tratados e não tratados. 
Com base nessas informações, julgue o item seguinte.
O efeito médio do programa sobre os não tratados é igual a D01 - D00.
Os autores do estudo apresentado no texto 77-A1-I também avaliaram as variáveis que pudessem explicar a eficiência técnica produtiva da agricultura de menor porte no Brasil. A tabela a seguir apresenta a correlação da eficiência técnica com as prováveis fontes de eficiência. A variável dependente foi a eficiência técnica no município de referência, enquanto as variáveis explanatórias foram analfabetismo, variáveis de educação, percentual de estabelecimentos que obtiveram crédito rural do Pronaf, percentual de estabelecimentos que tiveram orientação técnica, temperatura, precipitação e quatro variáveis binárias para especificar as regiões de planejamento do Brasil.
Idem, ibidem (com adaptações).
Tendo como referência esses resultados e, se necessário, os dados do texto 77-A1-I, julgue o item subsequente.
Os resultados comprovam que a eficiência técnica da agricultura familiar no Sul seria significativamente menor que a da produção familiar do Nordeste, dado que a variável binária do Nordeste foi negativa.
Conheça nossos planos