questionei.comQuestões
Explore as questões disponíveis e prepare-se para seus estudos!
Ano: 2013Banca: CESPE / CEBRASPEOrganização: ANTTDisciplina: Estatística e ProbabilidadeTemas: Momentos e Função Geradora de Momentos | Teoria das Probabilidades
Considere que a função geradora de momentos de uma variável aleatória discreta X seja dada pela relação MX(q) = (0,8 + 0,2eq)2, em que q ∈ ℜ. Com base nessas informações, julgue o item a seguir.
A probabilidade de ocorrência do evento [X = 0] é igual a 0,64.
A probabilidade de ocorrência do evento [X = 0] é igual a 0,64.
Ano: 2014Banca: FGVOrganização: DPE-RJDisciplina: Estatística e ProbabilidadeTemas: Momentos e Função Geradora de Momentos | Teoria das Probabilidades
Suponha que, para estimar o coeficiente de variação de uma população qualquer, resolve-se utilizar o tradicional Método dos Momentos, para estimar o numerador e o denominador. Então, o estimador empregado será
Ano: 2013Banca: CONSULPLANOrganização: TRE-MGDisciplina: Estatística e ProbabilidadeTemas: Momentos e Função Geradora de Momentos | Teoria das Probabilidades | Análise de Séries Temporais
Marque V para as afirmativas verdadeiras e F para as falsas.
( ) Para ajustar um modelo ARIMA, é necessário considerar os estágios de identificação e estimação.
( ) Um processo autorregressivo de ordem p tem a função de autocovariância decrescente, na forma de exponenciais ou senoides amortecidas, finitas em extensão.
( ) Um processo de médias móveis de ordem q tem função de autocovariância finita, apresentando um corte após o “lag” q.
( ) Um processo autorregressivo e de médias móveis de ordem (p, q) tem função de autocovariância infinita em extensão, que decai de acordo com exponenciais e/ou senoides amortecidas após o “lag” q-p.
( ) Após a identificação provisória de um modelo de séries temporais, pode-se usar os métodos de mínimos quadrados ou de máxima verossimilhança, entre outros, para estimação dos parâmetros. Os estimadores obtidos pelo método dos momentos não têm propriedades boas quando comparadas com os dois já mencionados. Entretanto, podem ser utilizados para gerar os valores iniciais nos processos iterativos.
A sequência está correta em
( ) Para ajustar um modelo ARIMA, é necessário considerar os estágios de identificação e estimação.
( ) Um processo autorregressivo de ordem p tem a função de autocovariância decrescente, na forma de exponenciais ou senoides amortecidas, finitas em extensão.
( ) Um processo de médias móveis de ordem q tem função de autocovariância finita, apresentando um corte após o “lag” q.
( ) Um processo autorregressivo e de médias móveis de ordem (p, q) tem função de autocovariância infinita em extensão, que decai de acordo com exponenciais e/ou senoides amortecidas após o “lag” q-p.
( ) Após a identificação provisória de um modelo de séries temporais, pode-se usar os métodos de mínimos quadrados ou de máxima verossimilhança, entre outros, para estimação dos parâmetros. Os estimadores obtidos pelo método dos momentos não têm propriedades boas quando comparadas com os dois já mencionados. Entretanto, podem ser utilizados para gerar os valores iniciais nos processos iterativos.
A sequência está correta em
Ano: 2024Banca: CESPE / CEBRASPEOrganização: BACENDisciplina: Estatística e ProbabilidadeTemas: Variável Aleatória Discreta | Momentos e Função Geradora de Momentos | Funções de Massa e Densidade de Probabilidade | Teoria das Probabilidades
A média de X é igual a zero.
Ano: 2011Banca: CESPE / CEBRASPEOrganização: STMDisciplina: Estatística e ProbabilidadeTemas: Momentos e Função Geradora de Momentos | Teoria das Probabilidades
Texto associado
A respeito de estimadores, julgue os itens a seguir.
Qualquer estimador obtido pelo método dos momentos é uma função de estatística suficiente.
Ano: 2013Banca: FUMARCOrganização: PC-MGDisciplina: Estatística e ProbabilidadeTemas: Momentos e Função Geradora de Momentos | Distribuição Exponencial | Teoria das Probabilidades | Distribuições de Probabilidade
Considere uma variável aleatória que tem distribuição exponencial com média 10. Nessas condições, sua função geradora de momentos é dada por:
Ano: 2014Banca: FCCOrganização: TRT - 13ª Região (PB)Disciplina: Estatística e ProbabilidadeTemas: Momentos e Função Geradora de Momentos | Teoria das Probabilidades
Suponha que uma variável aleatória X é uniformemente distribuída no intervalo (a , b), em que nem a nem b são conhecidos. Utilizando o método dos momentos, com base em uma amostra de tamanho 10, obtiveram-se os valores 1 e 4 para a e b, respectivamente. O valor do momento de ordem 2, centrado na origem, correspondente aos elementos da amostra é
Ano: 2015Banca: FCCOrganização: TRT - 3ª Região (MG)Disciplina: Estatística e ProbabilidadeTemas: Momentos e Função Geradora de Momentos | Teoria das Probabilidades
Seja X uma variável aleatória uniformemente distribuída no intervalo (m , n) em que m e n são desconhecidos. Utiliza-se o método dos momentos para encontrar os estimadores para m e n (mˆ e nˆ , respectivamente). De uma amostra aleatória da respectiva população de tamanho 8, obteve-se uma média amostral igual a 6 e o momento de segunda ordem igual a 37,6875.
Com base nos resultados desta amostra, encontra-se que o resultado da divisão de mˆ por nˆ apresenta um valor igual a
Ano: 2025Banca: CESPE / CEBRASPEOrganização: TRF - 6ª REGIÃODisciplina: Estatística e ProbabilidadeTemas: Teoria das Probabilidades | Inferência Estatística | Máxima Verossimilhança | Momentos e Função Geradora de Momentos
Texto associado
Uma população de variáveis aleatórias independentes e
identicamente distribuídas segue a distribuição uniforme
Xi ~ Uniforme[0, θ] no intervalo [0, θ], em que f(x) = 1/ θ para
0 ≤ x ≤ θ e f(x) = 0, caso contrário. Uma amostra de tamanho
n será retirada dessa população, sendo X(i) a i-ésima estatística de
ordem da amostra.
Tendo como referência essas informações, julgue o item que se segue.
T(X1, ..., Xn) = X(n) não é uma estatística suficiente para θ.
Ano: 2024Banca: CESPE / CEBRASPEOrganização: BACENDisciplina: Estatística e ProbabilidadeTemas: Momentos e Função Geradora de Momentos | Teoria das Probabilidades | Variável Aleatória Discreta
P (X = 1) = 0,2. 2