Deseja-se obter uma equação que descreva o comportamento da variável Y=salário dos funcionários da empresa A em função da variável X=tempo em que trabalha na empresa e verificar se essa relação é estatisticamente significativa. Dispõe-se do arquivo dados no formato RData no qual estão armazenadas as variáveis X e Y. A forma correta para obter a equação de uma regressão linear simples e verificar se o modelo ajustado é significativo, utilizando o software R é dada por:

Considere o conjunto de dados dos funcionários de uma empresa em que estão disponíveis as variáveis X e Y, sendo a variável X uma variável categórica que contém a função que o funcionário desempenha na empresa e a variável Y uma variável numérica com os salários dos funcionários. Para calcular o valor médio dos salários de acordo com a função desempenhada na empresa utilizando o software R pode-se executar o comando:

Um estatístico recém formado recebe uma demanda de análise de um banco de dados. Na dúvida sobre as condições do uso da regressão logística, busca nas referências a teoria dessa técnica. Sobre uma regressão logística binária é correto afirmar que seu uso

Na possibilidade de exemplificar o fenômeno de como os exercícios aeróbicos e a ingestão de calorias podem afetar o peso, quarenta oficiais recém ingressados no exército aceitaram participar de um estudo e, durante uma semana, anotou-se minuciosamente o número de minutos de exercícios aeróbicos que praticaram, junto com sua ingestão calórica (Kcal) diária. Desses dados, primeiramente, avaliou-se a associação entre as variáveis X = ‘tempo de exercício físico realizado’ e Y = ‘calorias ingeridas’ por meio de um gráfico de dispersão. Deste gráfico não se pode concluir muita coisa, por esse motivo, quantificou-se essa associação, resultando em um coeficiente de correlação r = – 0,2515. Para confirmar a existência de associação ou não entre as variáveis, aplicou- se o teste de hipótese para correlação zero, ou seja, H₀: !$ ρ !$ = 0 (sendo !$ ρ !$ o coeficiente de correlação linear de Pearson populacional), obtendo-se um valor-p de 0,4071. Considere que ambas as variáveis possuem distribuição normal e que para todas as análises necessárias fixou-se um nível de confiança de 95%. Assim, é possível afirmar corretamente que:

Fazer diversos treinamentos para saber como agir diante de situações de emergências é uma das principais exigências para se trabalhar em áreas em que a tomada de decisão deve ser feita com urgência. No intuito de reforçar e ilustrar esse conceito aos novos ingressantes no serviço militar, um estudo, com 10 alunos, foi realizado, associando o número de horas de treinamento de cada indivíduo (X) com o número de acidentes causados(Y). Supondo que todas as pressuposições necessárias para a obtenção de um modelo de regressão linear simples foram satisfeitas, e que esse modelo se ajustou bem aos dados, o modelo estimado obtido foi:

!$ \hat{y} !$= 7,72 – 0,04 x, para 0 ≤ x ≤ 54

Com relação ao exposto, é correto afirmar:

Para um estudo de saúde foram avaliadas as idades de 13 homens, relacionando-as com sua pressão arterial (mmHg). Devido ao comportamento e a associação dessas variáveis, foi inicialmente ajustado um modelo de regressão linear simples, sendo a idade a variável independente. O quadro da análise de variância deste modelo de regressão trouxe as informações a seguir:

* gl: graus de liberdade;

** SQ: Soma de quadrados

*** QM: Quadrado médio;

#F: Valor F calculado.

Com base no exposto, é correto afirmar que

Pensando na saúde dos novos cadetes, para avaliar a efetividade de uma dieta combinada com um programa de exercícios físicos no controle de triglicerídeos, 16 cadetes foram sorteados para participar de um estudo. Avaliou- se a taxa de triglicerídeos antes (ml/dL) de começar a dieta com o programa e eles foram reavaliados após a dieta com o programa. Deseja-se verificar se as taxas de triglicerídeos antes (X) e depois (Y) da dieta com esse programa de exercícios físicos são iguais. Considere as seguintes informações:

(i) Seja D_i = X_i – Y_i, onde i = 1, 2, ..., 16;

(ii) !$ \sum_{i=1}^{16} !$ D_i = 192;

(iii) A variância amostral sendo !$ S^2_D=6,25 !$;

(iv) P(T > 1,341) = 0,10; P(T > 1,753) = 0,05; P(T > 2,131) = 0,025, em que T é uma variável aleatória contínua com distribuição t de Student com 15 graus de liberdade.

O intervalo de confiança de 90% e a conclusão desse estudo foram, respectivamente:

As definições e outras propriedades de estimadores não fornecem qualquer orientação acerca de como bons estimadores podem ser obtidos. Por essa necessidade, surgem alguns métodos de estimação pontual; entre esses, os mais usados são o método dos momentos, o método dos mínimos quadrados e o método da máxima verossimilhança. Em relação a estes métodos de estimação, é correto afirmar:

A inferência estatística tem por objetivo fazer generalizações sobre uma população com base nos dados de amostra. Um dos itens básicos nesse processo é a estimação de parâmetros, que pode ser realizado por ponto ou por intervalo. Um estimador !$ \hat{θ} !$ do parâmetro !$ θ !$ é qualquer função das observações de uma amostra aleatória de tamanho n da variável X com função de distribuição de probabilidade (ou função de probabilidade), f(X|!$ θ !$), ou seja, !$ \hat{θ} !$= f(X1, X2, ..., X_n). Logo, um estimador também é uma variável aleatória. Considerando que:

E(.) é a função esperança;

Var(.) é a função variância;

B(.) é a função viés; e

!$ \underset{n\rightarrow \infty }{\lim } !$ é o limite da função quando n tende ao infinito.

Sobre as propriedades desejáveis dos estimadores, assinale a alternativa correta.

Para que novas estratégias de treinamento possam ser pensadas, uma escola de tiro gostaria de avaliar o treinamento dado aos seus alunos. Dessa forma, sorteou-se 64 alunos com o mesmo tempo de horas de treinamento e cada um destes realizou apenas um tiro. Destes, 32 acertaram o alvo. Considere que a probabilidade de um aluno acertar o alvo seja a mesma para todos e que os alunos são independentes entre si. Dado !$ \Phi !$(1,645)=0,95, !$ \Phi !$(1,96)=0,975, F(1,696)=0,95, F(2,04)=0,975; sendo !$ \Phi !$ a função de distribuição normal padrão e F a função de distribuição acumulada t de Student com 31 graus de liberdade. A estimativa intervalar clássica para essa situação, considerando um nível de significância de 5%, será: