

Seu próximo nível começa aqui
Com a Assinatura Ilimitada, você tem tudo que precisa para sua aprovação.
Com a Assinatura Ilimitada, você combina prática, teoria e método em uma única assinatura com tudo que você precisa para sua aprovação.
Sejam X e Y, duas variáveis aleatórias, definidas como: Y = 2X.
Considere Var (X) = 1.
Logo, a Cov (X + Y, 2Y) é igual a:
1.
6.
10.
12.
144.
Sejam X e Y uma variável aleatória bidimensional discreta com a distribuição conjunta apresentada a seguir.
| -2 | 1 | 3 |
10 | 0,3 | 0,1 | 0,1 |
20 | 0,1 | 0,3 | 0,1 |
Com base nas informações acima, assinale a opção que apresenta o valor da covariância entre X e Y
0,2
0,4
0,5
3
6
Na estimação das componentes principais da estrutura de covariância de um vetor aleatório X, tem-se a matriz de covariância desse vetor a seguir. Determine a primeira componente principal Y1 e assinale a alternativa que apresenta o percentual da variância que cabe a essa componente.
Y1 = -0,538459X1 + 0,842652X2 e 4,226%
Y1 = -0,439558X1 + 0,732753X2 e 90,775%
Y1 = 0,439558X1 - 0,732753X2 e 4,226%
Y1 = 0,842652X1 + 0,538459X2 e 95,774%
Y1 = 0,678201X1 + 0,430912X2 e 90,254%
A ideia relativa à correlação entre os retornos das ações A e B, permite explicar uma série de efeitos na análise do risco e do retorno de uma carteira que contém essas ações A e B. Considerando que ρab é o coeficiente de correlação linear entre as ações A e B ; COVab é a covariância entre estas duas ações, σa é a volatilidade dos retornos da ação A; σb é a volatilidade dos retornos da ação B ; Xa é a proporção da ação Ana carteira e Xb é a proporção da ação B na carteira, assinale a alternativa que contém uma relação válida entre esses parâmetros estatísticos.
( ρab) = [ (Xa + Xb )2 ] ÷ [ (σa ) x (σb ) ]
( ρab) = [ (σa ) x (σb ) ] ÷ [ (Xa + Xb )2 ]
COVab = ( ρab) ÷ [ (σa ) x (σb ) ]
COVab = ( ρab) x (σa ) x (σb )
COVab = [ (Xa + Xb )2 ] ÷ [ (σa ) x (σb ) ]
Se satisfação no trabalho e saúde no trabalho forem indicadores com variâncias populacionais iguais a 8 e 2, respectivamente, e se a covariância populacional entre esses indicadores for igual a 3, então a correlação populacional entre satisfação no trabalho e saúde no trabalho será igual a
0,8125.
1.
0,1875.
0,30.
0,75.
A covariância entre as variáveis aleatórias X e 4X-2Y é
4,5
3,0
1,50
0,75
0
Como é possível, através de análises estatísticas, verificar se existe a correlação entre variáveis independentes e também a correlação entre variável independente e a dependente?
Através do Coeficiente de Determinação "R2 ", que é um número que vai de 0 a 1.
Através da ANOVA, utilizando o teste F.
Através da estimativa "r" do Coeficiente de Correlação, que é um número que pode tomar valores entre -1 e + 1.
Utilizando o Coeficiente de Variação que será dado em porcentagem.
Através do desvio-padrão.
Entende-se por correlação estatística, o grau de associação entre duas variáveis aleatórias. A dependência de duas variáveis X e Y é dada pelo coeficiente de correlação amostral, conhecido também por "Coeficiente r-de-Pearson", normalmente representado pela letra "r". A respeito do Coeficiente de Correlação, é correto afirmar que:
se r = 1, está-se perante uma correlação positiva, isto é, à medida que aumentam os valores de X, aumentam, proporcionalmente, os valores de Y.
ser= -1 , está-se perante a ausência de correlação total entre as variáveis X e Y.
o valor der pode variar entre 0 e 1.
ser= 0, então, existe uma correlação muito fraca entre as variáveis X e Y.
quanto mais próximo de zero for o valor de r, mais forte é o grau de correlação entre as variáveis X e Y.
A medida de precisão que expressa o quanto as variações da variável dependente são explicadas pela(s) variável(eis) independente(s) é chamada:
Medidas de tendência central.
Variância.
Coeficiente de correlação.
Medidas de dispersão.
Coeficiente de Determinação.
As variáveis X e Y possuem covariância negativa. Pode-se dizer então que:
o produto dos valores de X e Y tende a ser negativo
a soma dos valores de X e Y é negativa
quando o valor de X aumenta, o valor de Y tende a diminuir
quando X assume um valor positivo, Y assume um valor negativo
os valores de X e Y são sempre negativos
A função de densidade conjunta para as variáveis aleatórias X e Y é
X | Y = 1 | Y = 2 | Y = 4 |
0 | 0 | 0,2 | 0,6 |
1 | 0,2 | 0 | 0 |
A covariância entre X e Y é
– 0, 4.
– 1, 2.
– 2, 4.
– 3, 6.
Uma variável X tem desvio-padrão 6, enquanto uma variável Y desvio-padrão 10. A covariância entre X e Y é –50. Assim, a variância de X + Y [Var(X+Y)] é
– 84.
36.
86.
136.

A covariância entre X e Y é nula.
Uma transportadora promete entregar mercadorias em, no máximo, 24 horas, para qualquer endereço no país. Se o prazo das entregas segue distribuição de probabilidade normal, com média de 22 horas e desvio padrão de 40 minutos, o percentual de mercadorias que demoram mais do que as 24 horas prometidas para chegar ao seu destino é
0,135%
0,27%
0,375%
0,73%
0,95%
A covariância entre X e Y é expressa por 
Seja H a variável aleatória que representa as alturas dos cidadãos de certo país. Sabe-se que H tem distribuição normal com média 1,70 m e desvio padrão 0,04 m. A probabilidade de que um cidadão desse país tenha mais do que 1,75 m de altura é, aproximadamente,
9,9%
10,6%
22,2%
39,4%
40,6%