

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.
A estatística do teste de Kolmogorov-Smirnov definida por
é assintoticamente normal.
A estatística
é um estimador não-viciado (ou não-tendencioso) para
.
Um estimador de um dado parâmetro é dito ser não-viciado (ou não-viesado) se o seu valor esperado (médio) é igual ao verdadeiro valor do parâmetro.
Num modelo de regressão linear simples
n, em que a variável X é fixa, os erros têm média zero, mesma variância e são nãocorrelacionados, o estimador B de mínimos quadrados de
é dado por:

![]()
![]()
![]()
![]()
![]()
Seja X uma população normal, com média µ, variância σ2 e mediana θ. Seja Xi , i = 1, 2, ... n, uma amostra aleatória simples da população X, considere as seguintes estatísticas:
X e md, respectivamente média e mediana de Xi , i = 1, 2, ... n, e

Considere as seguintes afirmações sobre estas estatísticas:
I. S2 é um estimador não viciado de σ2.
II. X é um estimador consistente para µ.
III. σ^2 tem variância menor do que S2.
IV. X , como estimador de θ, é mais eficiente do que md.
I e II, apenas.
I, II e III, apenas.
I, II e IV, apenas.
II, III e IV, apenas.
I, II, III e IV.
A estimativa de F é igual a 2,5.
Seja X1, X2, ... Xn uma amostra aleatória simples de uma distribuição com parâmetro
unidimensional. Em relação ao método de estimação de
por máxima verossimilhança é INCORRETO afirmar que:
a função de verossimilhança L() é dada por L(
; x1,...,xn) =
;
em muitos casos, o estimador de máxima verossimilhança é dado pela solução de
como a função logarítmica é monótona crescente, o ponto do espaço paramétrico que faz com que L() seja máxima coincide com o ponto que faz com que logL(
) seja máxima, de modo que também é possível encontrar o estimador de máxima verossimilhança de pela solução de
se T é o valor de no espaço paramétrico que é a solução de
, então eT é o estimador de máxima verossimilhança de
.
com Sabe-se que x1, x2 e x3 representam, respectivamente, o primeiro, segundo e terceiro elemento de uma amostra de tamanho três, retirada de uma população com média μ e variância σ2. Sabe-se, também, que A e B são estimadores da média populacional, onde A = 3/4 x1 + 1/8 x2 + 1/8 x3 e B = 3/4 x1 + 1/8 x2. Com essas informações tem-se que
A é estimador não-tendencioso e variância de A é igual a 0,5 σ2.
A é estimador não-tendencioso e B é estimador tendencioso.
B é estimador não-tendencioso e variância de B é igual a 0,5 σ2.
B é estimador tendencioso e variância de B é igual à variância de A.
A e B são estimadores tendenciosos e possuem a mesma variância.
Suponha que na estimação de um parâmetro unidimensional você esteja pensando em usar um certo estimador T; você percebe que esse estimador é não viesado para
e que sua variância coincide com o limite inferior de Cramér-Rao. Nesse caso, avalie as seguintes afirmativas acerca desse estimador T:
I – Nenhum outro estimador de tem variância menor que a de T.
II – T é um estimador não viesado de variância uniformemente mínima para .
III – A densidade populacional parametrizada por pertence à classe exponencial.
A(s) afirmativa(s) correta(s) é/são somente:
Sabe-se que
é um estimador não tendencioso do parâmetro populacional y . Assim,





É correto afirmar:
Com 95% de confiança, a margem de erro para a estimação do percentual de auxiliares administrativos do sexo masculino é igual à margem de erro para a estimação do percentual de auxiliares administrativos do sexo feminino.
Para uma amostra aleatória de tamanho 20 da distribuição de Bernoulli com parâmetro θ ∈ (0,1) encontrou- se o valor 8 para a soma dos itens amostrais. O parâmetro θ tem distribuição a priori uniforme. Assinale a opção que dá o valor do estimador bayesiano de θ .
0,51
0,50
0,60
0,41
0,82
Para uma amostra aleatória de tamanho 21 da distribuição com densidade
f (θ,x)=θexp{−θx} , θ >0, x>0
encontrou-se o valor 100 para a soma dos itens amostrais. Assinale a opção que dá o valor, para a amostra, do estimador não-viezado de θ , de variância mínima uniformemente em θ .
0,200
0,210
0,250
0,300
0,350
Os estimadores de mínimos quadrados
e
tendem a mostrar que tipo de comportamento quando a média das observações de X é positiva?
São independentes.
Variam na mesma direção pois para uma amostra particular qualquer do modelo subestima-se ou superestima-se a reta de regressão verdadeira.
Variam em direções opostas dado o sinal negativo da covariância entre eles.
Variam na mesma direção se o sinal de
for positivo.
Variam na mesma direção se os sinais de
e
forem ambos positivos.