Uma população constituída por vinte elementos foi segmentada em três estratos, conforme a tabela a seguir. O desvio padrão refere-se a uma variável de interesse Y. A amostragem foi feita sem reposição.

Tendo como referência as informações precedentes, julgue o próximo item.

Na alocação proporcional ao tamanho dos estratos, se o tamanho total da amostra for igual a 5, a probabilidade de que os elementos 1, 5 e 6 sejam selecionados para essa amostra será igual a zero.

Uma população constituída por vinte elementos foi segmentada em três estratos, conforme a tabela a seguir. O desvio padrão refere-se a uma variável de interesse Y. A amostragem foi feita sem reposição.

Tendo como referência as informações precedentes, julgue o próximo item.

Na amostragem aleatória estratificada, cada estrato constitui uma unidade amostral.

Uma população constituída por vinte elementos foi segmentada em três estratos, conforme a tabela a seguir. O desvio padrão refere-se a uma variável de interesse Y. A amostragem foi feita sem reposição.

Tendo como referência as informações precedentes, julgue o próximo item.

Se o tamanho total da amostra estratificada for igual a 6 e a alocação for uniforme, a probabilidade de a amostra do estrato C ser composta pelos elementos 17 e 18 será igual a 0,25.

Uma população constituída por vinte elementos foi segmentada em três estratos, conforme a tabela a seguir. O desvio padrão refere-se a uma variável de interesse Y. A amostragem foi feita sem reposição.

Tendo como referência as informações precedentes, julgue o próximo item.

Os estratos com maiores números de elementos tendem a apresentar maiores variabilidades da variável de interesse.

Julgue o item seguinte, referente a regressão linear e séries temporais.

Considere que !$ \left \{ ( X_1, y_1), (x_2, y_2), \cdots, (x_n, y_n) \right \} !$ seja um conjunto de dados que pode ser modelado pelo modelo de regressão linear simples !$ Y = \beta_0 + \beta_1 X^2 + \varepsilon !$, com !$ \varepsilon\,\sim N(0, \sigma^2) !$. Nesse caso, se !$ e_i = y_i - ( \hat{ \beta}_0 + \hat{ \beta}_1 x^2_i) !$ é o resíduo para os coeficientes estimados !$ \beta_0 !$ e !$ \beta_1 !$, então !$ \sum_{i=1}^n\,e_i\,x_i^2 = 0 !$..

Julgue o item seguinte, referente a regressão linear e séries temporais.

Para o modelo de regressão linear simples !$ Y = \beta_0 + \beta_1 X + \varepsilon !$, em que !$ \varepsilon \sim N(0, \sigma^2) !$ é uma variável aleatória independente de X, se !$ Y^{ \prime} = \beta_0 + \beta_1\,X !$ então !$ E[ (Y - EY)^2 ] = E[( Y^{ \prime} - EY)^2 ] !$.

Julgue o item seguinte, referente a regressão linear e séries temporais.

O processo autorregressivo !$ X_t = { \large 3 \sqrt{2} -4 \over 6} X_{t-1}+ { \large \sqrt{2} \over 3} X_{t -2} + \varepsilon_t !$, com !$ \varepsilon_t \sim N (0,1) !$, de ordem 2, é estacionário.

Considerando !$ \phi^{-1} (0,95) = 1,65 !$ e!$ \phi^{-1}(0,975) = 1,96 !$, julgue o item a seguir, relativo à inferência estatística.

Se !$ X_1 = 11,5,\,X_2 = 14,25,\,X_3 = 17,75 !$ e !$ X_4 = 13,5 !$ são amostras aleatórias de uma distribuição normal !$ N( \mu, 9) !$ com média !$ \mu !$ desconhecida, então, nesse caso, para o teste com hipóteses !$ { }^{\prime}H_0: \mu = 12^{ \prime} !$ e !$ { }^{ \prime} H_1 : \mu \neq 12^{ \prime} !$ a hipótese nula deve ser aceita, considerando-se um nível de confiança de 95%.

Considerando !$ \phi^{-1} (0,95) = 1,65 !$ e!$ \phi^{-1}(0,975) = 1,96 !$, julgue o item a seguir, relativo à inferência estatística.

Considere que !$ X_1 = 1, X_2 = 2 !$ e !$ X_3 =4 !$ sejam amostras que satisfazem à condição de que !$ X_i \sim !$ binomial (5, θ), para i = 1, 2, 3. Nessa situação, a função de verossimilhança para estimação do parâmetro θ é dada por !$ \mathcal{L} (\theta | 1,2,4) = 50. \theta^7 (1 - \theta)^8 !$.

Considerando !$ \phi^{-1} (0,95) = 1,65 !$ e!$ \phi^{-1}(0,975) = 1,96 !$, julgue o item a seguir, relativo à inferência estatística.

No caso de Θ ser um estimador não viesado de uma variável !$ \theta !$, se T for uma variável aleatória qualquer, então o estimador !$ \Theta^{ \prime} =\Theta + T !$ é também um estimador não viesado.