Questões Militares de Estatística - Inferência estatística

A inferência estatística tem por objetivo fazer generalizações sobre uma população com base nos dados de amostra. Um dos itens básicos nesse processo é a estimação de parâmetros, que pode ser realizado por ponto ou por intervalo. Um estimador  do parâmetro θ é qualquer função das observações de uma amostra aleatória de tamanho n da variável X com função de distribuição de probabilidade (ou função de probabilidade), f(X|θ), ou seja,  = f(X₁ , X₂, ..., X_n ). Logo, um estimador também é uma variável aleatória. Considerando que:
E(.) é a função esperança;
Var(.) é a função variância;
B(.) é a função viés; e
 é o limite da função quando n tende ao infinito.
Sobre as propriedades desejáveis dos estimadores, assinale a alternativa correta.

Um dos grandes desafios do uso da inferência Bayesiana é a especificação da distribuição a priori dos parâmetros do(s) modelo(s), pois cada problema é único e tem um contexto real próprio e os graus de conhecimento variam de pesquisador para pesquisador. No processo de elicitação (especificação de distribuições de probabilidade para os parâmetros baseado em crenças e conhecimentos de uma ou mais pessoas), sobre o uso de priori(s) é correto afirmar que

O comandante do exército solicita ao oficial, especialista  em estatística, uma análise dos dados obtidos em sua missão para poder tomar decisões em relação aos próximos passos. Nessa primeira conversa, o oficial pergunta ao comandante qual é o tipo de inferência que ele deseja que seja realizada. Em relação aos dois tipos de inferência (Clássica ou Bayesiana) é correto afirmar:

Há interesse em avaliar a resistência à compressão (em MPa) de concreto para uso em construção civil. Há quatro tipos específicos de cimento e uma infinidade de dosagens de aditivo plastificante (foram selecionadas aleatoriamente cinco dosagens). O objetivo é avaliar se a resistência à compressão é influenciada pelo tipo de cimento e pela dosagem de aditivo individualmente ou por alguma interação entre eles, havendo então pelo menos dois corpos de prova para cada combinação de fatores. O experimento foi realizado sob as mesmas condições através de ensaios em corpos de prova (todos com as mesmas dimensões e selecionados aleatoriamente), sendo estes produzidos com as diversas combinações possíveis de cimento e aditivo plastificante.
Com base nestas informações, o melhor método de inferência estatística para atingir o objetivo é a Análise de Variância de

Suponha que a comissão técnica de uma modalidade es- R A SCUNHO portiva de um clube tem que decidir, com base em um teste de esforço físico, quais atletas serão inscritos ou não em um torneio esportivo. Estudos anteriores indicam que cerca de 40% dos atletas dessa modalidade mostram-se aptos (condição θ₀ ) a participar desses torneios, e 60% não aptos (condição θ₁ ). As respostas (X) em testes de esforço, realizados anteriormente com um grupo de atletas dessa modalidade, são mostradas na Tabela 1: Tabela 1: Resposta (em proporções) dos atletas ao teste de esforço. A decisão da comissão envolve perdas, estima-se que a perda ao inscrever no torneio um atleta não apto é de 6 unidades, e a perda de não inscrever um atleta apto é de 10 unidades. Admita, ainda, que não há perdas quando um atleta apto é inscrito no torneio, ou quando não se inscreve um atleta não apto. Assim, o cenário de decisão é composto pelo i) espaço paramétrico θ = {θ₀ , θ₁ }, em que θ0 e θ1 correspondem a aptidão ou não do atleta, respectivamente; ii) pelas possíveis ações da comissão {a₀ , a₁ }, ou seja, inscrever (a₀ ) ou não inscrever o atleta (a₁ ); e iii) as perdas envolvidas. Considerando a distribuição a posteriori apresentada na Tabela 2, podemos afirmar sobre a decisão de Bayes da comissão: Tabela 2: Distribuição a Posterior