Se os cinco fundos de investimento representarem uma
amostra de todos os fundos de investimento disponíveis no
mercado financeiro, então o teste Z com 4 graus de liberdade
poderá ser utilizado para verificar se a rentabilidade média de
todos os fundos é maior que um valor especificado,
considerando-se que os dados seguem uma distribuição
normal.
Considerando que os dados na tabela mostram salários de diferentes servidores que aderiram (1) ou não aderiram (0) a determinado plano de previdência complementar, julgue os itens subsecutivos.
Os dados na tabela estão desbalanceados em relação à
quantidade de servidores que aderiram ao plano de previdência
complementar.
Considerando que os dados na tabela mostram salários de diferentes servidores que aderiram (1) ou não aderiram (0) a determinado plano de previdência complementar, julgue os itens subsecutivos.
Um modelo de regressão logística só aceita variáveis
categóricas; um modelo de regressão linear só aceita
variáveis quantitativas.
O gráfico apresentado é um histograma.
Considerando que os dados na tabela mostram salários de diferentes servidores que aderiram (1) ou não aderiram (0) a determinado plano de previdência complementar, julgue os itens subsecutivos.
Os parâmetros de um modelo de regressão linear e logística
podem ser estimados por meio da técnica de máxima
verossimilhança.
A rentabilidade média dos fundos de investimento é maior
que 0,7.
Considerando que os dados na tabela mostram salários de diferentes servidores que aderiram (1) ou não aderiram (0) a determinado plano de previdência complementar, julgue os itens subsecutivos.
A média dos salários do grupo que aderiu ao plano de
previdência complementar é menor que a do que não aderiu
ao plano.
A probabilidade do fundo de investimento E é maior que a
probabilidade do fundo de investimento C.
Considerando que os dados na tabela mostram salários de diferentes servidores que aderiram (1) ou não aderiram (0) a determinado plano de previdência complementar, julgue os itens subsecutivos.
O método de Newton Raphson é uma forma numérica
que pode ser utilizada para estimar os parâmetros em um
modelo de regressão logística, visto que os estimadores não
possuem forma fechada. O mesmo pode ser feito em um
modelo de regressão linear, apesar de a forma deste ser
fechada para o estimador dos parâmetros.
