A seguinte tabela de análise da variância foi disponibilizada, porém algumas informações estão faltando. Ovalor calculado da estatística F é:

Considere , o ponto onde uma reta ajustada corta o eixo da variável Y e b , a tangente do ângulo que a reta forma com uma paralela ao eixo da variável X. Se n=500, 250, 750 e a=0,15, então vale:

Uma variável aleatória X tem função de densidade dada por: f(x) = mx,para 0 < x < 4 e f(x) = 0, caso contrário o valor de m, a probabilidade P de X estar entre 2 e 4 e a função de distribuição da variável aleatória são dados por:

O atributo Z=(X-2)/3 tem média amostral 20 e variância amostral 9. Indique o coeficiente de variação amostral de X:

Considere uma amostra de 100 amortecedores produzidos por uma empresa submetida a diversas cargas, sendo obtida uma carga média, antes de seus rompimentos, de 1570 kg, com desvio padrão de 120 kg.
Sendo ? a carga média de todos os amortecedores produzidos pela empresa, pretende-se testar a hipótese H₀: ? = 1600 kg, face à hipótese alternativa H₁: ? ? 1600.

Para as informações dadas, pode-se afirmar que:

Uma variável aleatória X tem função de densidade de probabilidade dada por:



A esperança matemática é aproximadamente:

Dentre os argumentos lógicos apresentados abaixo, o único que é um silogismo é:

Considere que os eventos A, B, C, D, E e F são mutuamente exclusivos, calcule P(B D).

A análise dos componentes principais é um método de se expressarem os dados multivariados. Ela permite que o pesquisador reoriente os dados para que algumas poucas primeiras dimensões expliquem tantas informações quanto possível. A análise de componentes principais é também útil na identificação e compreensão dos padrões de associação entre as variáveis. Considere as cinco afirmações seguintes, sobre a análise dos componentes principais:

I. O primeiro componente principal, Z₁ é dado pela combinação linear das variáveis originais X = [ X₁ X₂, ..., X_p] com maior variância possível.

II. Todos os componentes principais subsequentes são escolhidos para que não sejam correlacionados a todos os componentes principais anteriores.

III. Em razão de a análise de componentes principais buscar maximizar a variância, ela pode ser altamente sensível às diferenças de escala entre variáveis. Assim, é uma boa ideia padronizar os dados e representá-los por X_s.

IV. A solução para o problema dos componentes principais é obtida realizando-se uma decomposição de autovalor da matriz de correlação. Cada autovetor, indicado por U_i, representa a direção de um desses eixos principais. O vetor u controla os pesos usados para formar a combinação linear de X_s, que resulta em z_i= X_s.U_i.

VI. No caso mais geral, só faz sentido utilizar a análise dos componentes principais quando os dados não são independentes. Barlett fornece um teste de qui- quadrado para determinar a esfericidade dos dados, 2 representado por X ² = - [ n - 1 + (2p + 6)/5]ln | R|, com 2 (p² - p)/2 graus de liberdade, onde p é o número de variáveis, n é o tamanho da amostra, e R é a matriz de correlação.

Dentre as seis afirmações dadas, quantas são falsas?

Considere a variável aleatória X que assume valores inteiros no intervalo [0,5] coma seguinte função densidade de probabilidade:



Calcule a P(2 < X 5) .

Se C representa o coeficiente de contingência para uma tabela de k x k, e r é o coeficiente de correlação correspondente, então:

A análise inicial dos dados levou o pesquisador responsável a afirmar que os números encontrados deveriam estar na proporção 9 : 3 : 3 : 1, e para testar tal afirmação encontrou que X² 0,470.

Sobre o descrito anteriormente, é possível concluir que:

Se uma amostra de tamanho n é desejada e a fração amostral da população, n/N, não é um inteiro, seu valor é arredondado para o número inteiro mais próximo. A seguir, conforme a lista é percorrida, cada k-ésima unidade consecutiva é selecionada. A lista NÃO pode estar ordenada por atributos.

As “dicas” referem-se ao tipo de amostragem:

A instabilidade dos coeficientes estimados em uma regressão e de seus erros-padrão, os quais, particularmente, tornam-se muito grandes, é um sintoma de um determinado problema ao estimar uma regressão.Trata-se:

Para uma amostra aleatória de tamanho 144 selecionada da população de um município brasileiro, a média de um atributo é 400. Com base na população, sabe-se que o valor médio desse atributo é 415 e variância 16. O valor da estatística mais adequada ao teste é:

Um profissional deseja estimar a renda média de uma população. O número de indivíduos que devem ser selecionados (n > 30), se o profissional deseja ter 95% de confiança para que a média amostral esteja a mais ou a menos $500 da verdadeira média populacional, é de: (por um estudo prévio, para tais rendas, 5.500. Considere

Uma amostra de 150 brocas de aço rápido da empresa SÓAÇO apresentou vida média de 1400 horas e desvio padrão de 120 horas. Outra amostra de 200 brocas do mesmo material, da empresa BROCAÇO, apresentou vida média de 1200 horas e desvio padrão de 80 horas. Para um limite de confiança de 95%, a diferença entre as vidas médias das brocas está contida no intervalo:

(Dados z_c = 1,96 e ?10 = 3,17)