O processo de depuração tem sempre como resultado a identificação da causa do problema, e, como consequência, a correção do problema.

O processo de depuração pode ser corretamente considerado como um caso de teste de software.

Considere uma amostra aleatória de tamanho n para a variável aleatória X, de esperança matemática E(X) = \( \mu \) e variância finita Var(X) = \( \sigma^2 \). Considere \( \gamma \) um parâmetro desconhecido da distribuição de probabilidade de X e \( \Gamma \) = h(X₁, X₂,..., X_n) uma estatística que visa estimar \( \gamma \). A partir dessas informações, julgue o seguinte item.

Um intervalo de (1 - \( \alpha \))100% de confiança para \( \Gamma \) pode ser construído a partir da desigualdade P(L₁ \( \le \) \( \gamma \) \( \le \) L₂) \( \ge \) 1 - \( \alpha \). A interpretação do intervalo [L₁, L₂] pode ser expressa da forma: tem-se, pelo menos, (1\( - \alpha \))100% de confiança que o parâmetro \( \gamma \) esteja contido dentro do intervalo [L₁, L₂].

O tipo de dados abstrado na SQL3 possibilita ao usuário criar tipos semelhantes ao conceito de classe.

Forte extensão do padrão SQL-92 é a incorporação das características de orientação a objeto.

Os tipos de dados no padrão SQL-92, disponíveis para atributos, incluem somente dados numéricos, string de caracteres e data.

No padrão SQL-86, as tabelas e os componentes que pertencem a uma mesma aplicação são agrupados em um conceito denominado esquema.

A padronização da linguagem SQL ocorreu após trabalho conjunto do ANSI e da ISO, o que resultou na primeira versão denominada SQL-86.

Considere uma amostra aleatória de tamanho n para a variável aleatória X, de esperança matemática E(X) = \( \mu \) e variância finita Var(X) = \( \sigma^2 \). Considere \( \gamma \) um parâmetro desconhecido da distribuição de probabilidade de X e \( \Gamma \) = h(X₁, X₂,..., X_n) uma estatística que visa estimar \( \gamma \). A partir dessas informações, julgue o seguinte item.

Se \( lim_{n\rightarrow \infty}P(|\Gamma - \gamma| \ge \epsilon)=0 \) para qualquer \( \epsilon \ge 0 \), então\( \Gamma \) é um estimador consistente para \( \gamma \).

Considere uma amostra aleatória de tamanho n para a variável aleatória X, de esperança matemática E(X) = \( \mu \) e variância finita Var(X) = \( \sigma^2 \). Considere \( \gamma \) um parâmetro desconhecido da distribuição de probabilidade de X e \( \Gamma \) = h(X₁, X₂,..., X_n) uma estatística que visa estimar \( \gamma \). A partir dessas informações, julgue o seguinte item.

O erro quadrático médio de qualquer estimador é obtido por \( Var(\Gamma)+\dfrac{1}{n}[B(\Gamma)]^2 \), em que \( B(\Gamma)-\gamma \) é o vício do estimador.