Sobre inferência estatística, mais precisamente sobre parâmetros e estimadores, é correto afirmar que um estimador θ é não viciado se
A
a sua moda coincide com o parâmetro θ de interesse. Além disso, um estimador θ é consistente se, à medida em que o tamanho da amostra aumenta, sua moda converge para o parâmetro θ de interesse e sua variância converge para zero.
B
o seu valor esperado coincide com o parâmetro θ de interesse. Além disso, um estimador θ é consistente se, à medida em que o tamanho da amostra aumenta, seu valor esperado converge para o parâmetro θ de interesse e sua variância converge para zero.
C
a sua mediana coincide com o parâmetro θ de interesse. Além disso, um estimador θ é consistente se, à medida em que o tamanho da amostra aumenta, sua mediana converge para o parâmetro θ de interesse e sua variância converge para zero.
D
o seu valor esperado coincide com o parâmetro θ de interesse. Além disso, um estimador θ é consistente se, à medida em que o tamanho da amostra aumenta, sua moda converge para o parâmetro θ de interesse e sua variância converge para zero.
E
a sua mediana coincide com o parâmetro θ de interesse. Além disso, um estimador θ é consistente se, à medida em que o tamanho da amostra aumenta, seu valor esperado converge para o parâmetro θ de interesse e sua variância converge para zero.
Seu próximo nível começa aqui
Seu desenvolvimento não pode ter limites. Garanta sua Assinatura
Ilimitada e libere uma
preparação completa com os melhores professores do Brasil.