Quanto à análise multivariada,

Considere a matriz de variância e covariância amostral \( \begin {bmatrix} 1 \,\, 0 \,\, 0 \\ 0 \,\, 1 \,\, 0 \\ 0 \,\, 0 \,\, 1 \end {bmatrix} \).

A variância amostral total e a variância amostral generalizada são, respectivamente,

Uma pessoa vai diariamente ao trabalho de ônibus ou de carro. Quando vai de ônibus em certo dia, há probabilidade de 80% de que no próximo dia de trabalho vá novamente de ônibus. Entretanto, se em determinado dia vai de carro, a probabilidade de que no dia seguinte de trabalho vá novamente de carro é de 50%.

Dessa forma, o número esperado de dias de trabalho indo de ônibus até o dia de ir de carro é:

Uma ação na Bolsa de Valores pode, em determinado dia de pregão (negociação), ter variação positiva ou negativa, exclusivamente. Suponha que nunca ocorre variação negativa em dois pregões sucessivos, mas se em certo pregão houve variação positiva, no pregão seguinte a probabilidade de variação positiva é igual à de ser negativa.

Em uma semana sem feriados ou suspensão de negociações na Bolsa, houve variação negativa na segunda-feira. A probabilidade de ocorrer variação positiva na quinta-feira é

Suponha que o valor ganho ou perdido de um apostador nas apostas n = 1, 2, 3, ... é dado pela variável aleatória \( X_n \, = \, \sum_{i=1}^n Z_i \) onde \( Z_i \, = \, \begin {cases} 1 \,\, unidade \,\, monet\acute{a}ria \,\, com \,\, probabilidade \,\, 0,6 \\ -1 \,\, unidade \,\, monet\acute{a}ria \,\, com \,\, probabilidade \,\, 0,4 \end {cases} \)

Assume-se que os resultados em cada aposta são independentes e X₀ = 0. A probabilidade de o jogador ter acumulado um ganho de 3 unidades monetárias ao final da aposta n = 5 é dada por

Uma vara trabalhista recebe expedientes segundo um processo de Poisson de taxa 0,3 expediente por minuto. O atendimento é prestado por um único servidor individualmente, conforme a ordem de chegada, as quais seguem uma distribuição de exponencial com média de 2 minutos. Considerando um modelo de fila no qual os tempos entre chegadas sucessivas e os tempos de atendimento seguem distribuições exponenciais, a taxa de ocupação do sistema, o número médio de expedientes do sistema, o número médio de expedientes na fila e a probabilidade do sistema estar vazio são, respectivamente,

Considere as linhas de comando da linguagem R a seguir:

install.packages(c("readxl","tidyverse","expm","matlib")) #linha 1
lapply(c("readxl","tidyverse","expm","matlib"),require,character.only = TRUE) #linha 2
DADOS <- data.frame(read_excel("C:/Users/fulano/Documents/dados.xlsx")) #linha 3
Modelo <- lm(Altura~Peso,DADOS) #linha 4
predict(Modelo, data.frame(Peso = c(70, 80, 90))) #linha 5
M1<-matrix(c(1,-0.3,-0.3,1.1,0,1,3,4,1,0,-1,4,-6,2),nrow=7,ncol=2,byrow=TRUE) #linha 6
M2 <- matrix(c(1,-0.3,1,3),nrow=2,ncol=2,byrow=TRUE) #linha 7
Matriz_Final<-M1%*%M2 #linha 8
setwd('C:/Users/fulano/Documents/dados') #linha 9
write.csv(Matriz_Final, "Matriz_Final.csv", row.names = FALSE) #linha 10

A respeito das linhas de comando, executadas na sequência das linhas enumeradas, é correto afirmar que o comando da linha

Seja U uma variável aleatória com distribuição uniforme no intervalo [0,1]. Para alguma função de distribuição acumulada F a variável aleatória X = F⁻¹(U) tem distribuição F. Esse é o método da transformação inversa para gerar valores aleatórios da distribuição F usando uma distribuição uniforme. Considere a função de densidade f(x) = e^−x, x > 0, da qual desejamos obter valores simulados. Foram obtidos 3 valores da U[0,1] : u₁ = 0,25; u₂ = 0,50; u₃ = 0,75. Dado que \( \iota \)n2 = 0,6931, \( \iota \)n3 = 1,0986.

Utilizando-se o método da transformação inversa, é possível simular, respectivamente, os seguintes valores de X

Uma vara do trabalho deseja fazer uma pesquisa sobre a proporção de processos relacionados à falta de vínculo trabalhista.

Considere o quadro correspondente à curva normal padrão (Z) tal que a probabilidade P(Z \( \le \) z) = \( \alpha \).

Adotando-se nível de confiança de 95%, erro máximo admissível de 2%, população infinita e condição de variância máxima, o tamanho da amostra aleatória necessária para atender tais requisitos é dado por

Referente aos planos de amostragem, considera-se como não probabilística a amostragem