Uma população é formada pelo número de peças vendidas de um produto por uma indústria durante os 10 primeiros meses de um determinado ano e pode ser visualizada pela tabela a seguir. Esta tabela também fornece as informações dos respectivos valores do número de peças vendidas elevados ao quadrado.
Com relação aos dados desta tabela, o valor da soma da média aritmética (número de peças vendidas por mês) com a moda e com a mediana supera o valor do respectivo desvio padrão em
Para um estudo com o objetivo de previsão, optou-se pela utilização do modelo de regressão linear múltipla Yi = α + β1X1i + β2X2i + … + βkXki + ui, i = 1, 2, …, n. Tem-se que:
I. Y é a variável dependente,
II. X1, X2, …, Xk são as variáveis explicativas,
III. α, β1, β2, …, βK são os parâmetros desconhecidos do modelo com as respectivas estimativas obtidas pelo método dos mínimos quadrados,
IV. u é o erro aleatório,
V. i corresponde a i-ésima observação, n é o número de observações e k o número de variáveis explicativas.
Se foi detectado neste modelo um problema de multicolinearidade, então
Uma amostra aleatória (X1, X2) é extraída, com reposição, de uma população correspondente a uma variável aleatória X normalmente distribuída, com média μ e variância unitária. Dois estimadores não viesados, E1 = 4mX1 + 2nX2 e E2 = 2mX1 – 2nX2, são utilizados para estimar μ. Considerando somente esses 2 estimadores e sabendo que m e n são parâmetros reais, obtém-se que a variância do estimador mais eficiente é igual a
Considerando todos os funcionários de um setor de um órgão público que possuem nível superior, verificou-se que 20% são economistas, 30% são contadores e o restante são administradores. Sabe-se que, destes funcionários, 30% dos economistas são formados pela Faculdade X, 40% dos contadores são formados pela Faculdade X e 36% dos administradores são formados pela Faculdade X. Escolhendo um funcionário deste setor aleatoriamente, a probabilidade de ele ser economista, dado que não é formado pela Faculdade X, é igual a
