Uma variável aleatória X tem função geradora de momentos dada por m_X(t, θ) = θ/ (θ - t), t < θ.

Nesse caso, X tem distribuição

Suponha que uma amostra aleatória X₁, X₂, ..., X₁₀, de tamanho n =10 será obtida de uma distribuição Bernoulli (θ), θ desconhecido.

Pretende-se usar uma densidade a priori Beta com parâmetros α = 2 e β = 2 e que será usada uma função de perda quadrática L(θ, a) = (θ – a)², com 0 < θ < 1 e 0 < a < 1.

Nesse caso, se forem observados 5 “sucessos”, a estimativa de Bayes para θ será igual a

Deseja-se testar H₀: μ ≥ 50 versus H₁: μ < 50 em que μ é a média populacional de uma variável aleatória contínua suposta normalmente distribuída com variância conhecida σ² = 100.

Se uma amostra aleatória simples de tamanho n = 36 for obtida, e se x̄é o valor observado da média amostral, então o critério uniformemente mais poderoso de tamanho α = 5% rejeitará H₀ se

Para testar H₀: p = 0,5 versus H₁: p = 0,8, em que p é o parâmetro de uma densidade Bernoulli (p), uma amostra X₁, X₂, X₃, X₄, de tamanho 4, será obtida e será usado o critério de decisão que rejeitará H0 se X₁ + X₂ + X₃ + X4 ≥ 3.

Nesse caso, a soma das probabilidades de erro tipo I e tipo II desse critério é aproximadamente igual a

Uma amostra aleatória simples de tamanho n será observada para fazermos inferências acerca de uma proporção de “sucessos” populacional p. Não temos informações prévias acerca do valor de p, de modo que teremos de trabalhar no pior caso.

O tamanho da amostra necessário para que possamos garantir, com 95% de confiança, que o valor da proporção de “sucessos” na amostra não diferirá da proporção de “sucessos” populacional por mais de 5% é, no mínimo, aproximadamente igual a

Um grupo de 10 executivos de uma empresa é composto por 6 mulheres e 4 homens.

Se 4 pessoas desse grupo serão sorteadas ao acaso para compor um Conselho Consultivo, a probabilidade de que o referido Conselho tenha mais mulheres do que homens é aproximadamente igual a

Considere uma amostra aleatória simples X₁, X₂, ..., X_n, de tamanho n, e as seguintes afirmativas acerca da estimação por máxima verossimilhança.

I. Se a variável aleatória populacional tem distribuição Bernoulli parâmetro p, o estimador de máxima verossimilhança de p é a média amostral.
II. Se a variável aleatória populacional tem distribuição exponencial parâmetro λ, o estimador de máxima verossimilhança de λ é a média amostral.
III. Se a variável aleatória populacional tem distribuição Poissonparâmetro λ, o estimador de máxima verossimilhança de λ é a média amostral.

Está correto o que se afirma em

Suponha um modelo de regressão linear p-variado dado por:

Y = Xβ + ε

em que Y é um vetor (n x 1), X é uma matriz (n x p) conhecida, β é um vetor de parâmetros (p x 1) e ε é um vetor de erros tal que E[ ε ] = 0, V[ε ] = Iσ², de modo que os elementos de ε são não correlacionados, I é a matriz identidade.

Nesse caso, se X’ é a matriz transposta da matriz X, a solução das equações normais é dada por

Uma aproximação para os possíveis valores assumidos por uma variável aleatória uniforme no intervalo (0,1) pode ser obtida usando-se o método congruencial multiplicativo (MCM).

Avalie se o MCM apresenta as seguintes características:

I. É um método simples e de uso extensivo.
II. O MCM gera uma sequência de números pseudoaleatórios.
III. O MCM parte de um valor inicial x₀ e calcula recursivamente os valores sucessivos x_n, n ≥ 1.

Está correto o que se afirma em

Os dados abaixo são a quantidade de filhos de um grupo de 6 casais:

0 1 1 2 0 2

O número médio de filhos dessa amostra é evidentemente igual a 1.
Já a variância amostral é igual a

Suponha que o número de ocorrências de certo fenômeno ocorra no tempo de acordo com um processo Poisson com uma taxa de ocorrência média v por unidade de tempo.

Nesse caso, se T é o intervalo de tempo entre duas ocorrências sucessivas, então T tem distribuição

Em relação à característica de estacionariedade de uma série temporal, avalie as afirmativas a seguir.

I. Uma série temporal é estacionária quando suas características estatísticas (média, variância, autocorrelação) são constantes ao longo do tempo.
II. Uma série é estacionária quando se desenvolve aleatoriamente no tempo em torno de uma média constante, refletindo algum equilíbrio estatístico, de modo que as leis de probabilidade que atuam no processo não mudam com o tempo.
III. Métodos de previsão usam transformações matemáticas para estacionarizar uma série; a seguir, são feitas previsões nessa série estável para, posteriormente, se inverter as transformações e obter as previsões para a série original.

Estão corretas as afirmativas

Se X tem distribuição normal p-variada com vetor de médias μ e matriz de covariâncias Σ então Z = DX, em que D é uma matriz q xp de posto q ≤ p tem distribuição normal com vetor de médias_____ e matriz de covariâncias _____.

Se D’ é a transposta de D, as lacunas ficam corretamentepreenchidas respectivamente por

Em relação ao índice de Gini, avalie as afirmativas a seguir e assinale (V) para a verdadeira e (F) para a falsa.

( ) Serve para medir a desigualdade de distribuição de renda em um território.
( ) Seu cálculo é feito pela curva de Lorenz.
( ) Os valores do índice de Gini variam de 0 a 1, sendo que 0 significa desigualdade total e 1 significa igualdade total.

As afirmativas são, respectivamente,

Os dados a seguir são as notas dos alunos de uma turma em uma prova de Estatística.

5,0 6,1 6,2 5,8 7,3 7,8 5,1 3,9 4,8 6,8 8,5 8,9 6,0

A mediana dessas notas é igual a

A urna I contém inicialmente 3 bolas brancas e 7 bolas azuis, e a urna II, 4 bolas brancas e 5 azuis. As bolas são todas de mesmo material e volume.

Se sortearmos aleatoriamente uma bola da urna I, passarmos essa bola para a urna II e, em seguida, sortearmos uma bola da urna II, a probabilidade de que essa bola seja azul é igual a

Em uma população muito grande, 20% das pessoas torcem pelo Flamengo.

Se quatro pessoas dessa população forem sorteadas ao acaso, a probabilidade de que ao menos duas torçam pelo Flamengo é aproximadamente igual a

Suponha que o número de carros que passam por uma estrada vicinal possa ser considerada uma variável aleatória com distribuição Poisson com taxa média de ocorrência de dois carros por dia.

A probabilidade de que, em um período de quatro dias, passem no máximo dois carros por essa estrada é, aproximadamente, igual a

[Se precisar, use e^-2 = 0,135, e^-4 = 0,02, e^-6 = 0,0025, e^-8 = 0,0003]

Suponha que os diâmetros com que determinadas esferas sejam produzidas num processo industrial sejam normalmente distribuídas com média de 10 mm e desvio padrão de 0,2 mm.

Nesse caso, a probabilidade de que uma esfera tenha diâmetro menor do que 10,3 mm é aproximadamente igual a

Em uma população, 10% das pessoas têm problemas auditivos.

Se 144 pessoas dessa população forem aleatoriamente sorteadas para compor uma amostra aleatória simples, então a probabilidade de que ao menos 20 tenham problemas auditivos é aproximadamente igual a