Analisando a quantidade diária de processos autuados em uma repartição pública, durante um período, obteve-se o seguinte gráfico em que as colunas representam o número de dias em que foram autuadas as respectivas quantidades de processos constantes no eixo horizontal.


A soma dos valores respectivos da mediana e da moda supera o valor da média aritmética (quantidade de processos autuados por dia) em

A tabela de frequências absolutas abaixo corresponde à distribuição dos valores dos salários dos funcionários de nível médio lotados em um órgão público no mês de dezembro de 2014.


O valor da mediana destes salários, obtido pelo método da interpolação linear, é, em R$, igual a

Considere as seguintes afirmações:

I. Na análise de componentes principais, quando a distribuição de probabilidade do vetor em estudo é normal multivariada, as componentes principais além de não correlacionadas são também independentes e têm distribuição normal.

II. é a matriz de covariâncias do vetor aleatório X de dimensão (2X1), então a matriz de correlações de X é P =

III. Na análise fatorial, quando a suposição de ortogonalidade dos fatores não puder ser considerada, pode-se utilizar o recurso da transformação ortogonal dos fatores originais na tentativa de se obter uma estrutura mais simples de ser interpretada.

IV. A análise de agrupamentos trabalha com medidas de similaridade e dissimilaridade, não comportando por isso o uso de variáveis qualitativas.

Está correto o que se afirma APENAS em

O treinamento de um corredor é composto por 4 etapas. Em geral, cada uma dessas 4 etapas é de 1.000 m. No entanto, para aprimorar sua forma física, em determinado dia o treinamento foi alterado de modo que a partir da 2 ^a etapa o corredor percorreu 10% a mais do que havia percorrido na etapa anterior. Desta maneira, em relação aos treinamentos usuais, o total da distância percorrida neste dia de treinamento, também realizado em 4 etapas, corresponde a um acréscimo de, aproximadamente,

Um novo automóvel em teste percorre 7 km com um litro de gasolina comum. Já com gasolina aditivada este mesmo automóvel percorre 10,5 km com um litro. Sabe-se que o preço por litro de gasolina comum é R$ 2,80 e o preço por litro da gasolina aditivada é R$ 3,10. Comparando-se a despesa com gasolina que esse novo automóvel em teste consumirá em um percurso de 525 km, a economia, em reais, ao ser utilizada a gasolina aditivada em relação ao uso da gasolina comum é, aproximadamente, igual a

Observe a sequência (10; 11; 13; 13; 12; 13; 15; 15; 14; 15; 17; 17; 16; 17; ... ) que possui uma lei de formação. A diferença entre o 149º e o 119º termos, dessa sequência, é igual a

Para responder à questão, considere o modelo linear Y_i = α + βX_i + ε _i sendo i a i-ésima observação, Y_i a variável dependente na observação i, X _i a variável explicativa na observação i e ε_i o erro aleatório com as respectivas hipóteses para a regressão linear simples. Os parâmetros α e β são desconhecidos e suas estimativas (a e b, respectivamente) foram obtidas pelo método dos mínimos quadrados e com base em 20 pares de observações ( X_i,Y_i), i = 1, 2, ... , 20. Sabe-se que os pontos (10 ; 9,8) e (40 ; 33,8) pertencem à reta de equação Y = a + bX.


O valor de S, em que é o valor médio dos 20 valores observados para X tal que S =

Para responder à questão, considere o modelo linear Y_i = α + βX_i + ε _i sendo i a i-ésima observação, Y_i a variável dependente na observação i, X _i a variável explicativa na observação i e ε_i o erro aleatório com as respectivas hipóteses para a regressão linear simples. Os parâmetros α e β são desconhecidos e suas estimativas (a e b, respectivamente) foram obtidas pelo método dos mínimos quadrados e com base em 20 pares de observações ( X_i,Y_i), i = 1, 2, ... , 20. Sabe-se que os pontos (10 ; 9,8) e (40 ; 33,8) pertencem à reta de equação Y = a + bX.



O valor médio ( Y ) dos 20 valores observados para Y é igual a

Seja o modelo linear Y_i= β X_i+ ε _i estabelecendo uma relação linear, sem intercepto, entre duas variáveis X e Y, em que Y _i é a variável dependente na observação i, X _i é a variável explicativa na observação i e ε_i o erro aleatório com as respectivas hipóteses para a regressão linear simples. O parâmetro ßdo modelo é desconhecido e sua estimativa foi obtida pelo método dos mínimos quadrados com base em 10 pares de observações (X_i, Y_i)



Considerando a equação da reta obtida pelo método dos mínimos quadrados, obtém-se que Y é igual a 24 quando X for igual a

O resultado da expressão numérica



é igual a