Uma instituição está avaliando o gasto com o "cafezinho" de seus colaboradores. Foram observados três produtos e os dados estão apresentados na tabela a seguir.

I. O índice de preços foi mais alto para o café.

II. O índice de quantidades foi mais alto para o leite.

III. O índice de valores foi mais baixo para o açúcar.

Em relação às assertivas acima, pode-se afirmar que:

Um Número-Índice é um relativo percentual pelo qual uma medida em um dado período é expressa por meio de uma razão com a medida em um período base. As medidas podem ser referentes a quantidade (q), preço (p) ou valor(v). Sabe-se que:

I. O número-índice é simples quando representa uma comparação para um único bem ou variável. É composto quando é construído para um grupo de bens ou variáveis.

II. Os índices de Laspeyres e de Paasche são indicados para cálculo de números-índice simples.

III. O índice de Fisher é a média geométrica dos índices de Laspeyres e de Paasche.

Em relação às assertivas acima, pode-se afirmar que:

A análise de resíduos em Séries Temporais permite que o modelo seja avaliado por meio do componente aleatório ou irregular.

Séries Temporais são métodos utilizados para fazer a projeção de valores futuros de uma variável a partir, unicamente, de observações do passado e presente dessa variável. Inicialmente, busca-se observar graficamente a presença do componente Tendência para a seleção do método, sabe-se que:

I. Se na série houver a presença de Tendência então podem ser utilizados os modelos de tendência linear, quadrático e exponencial, por exemplo.

II. Caso contrário, pode-se aplicar o método de médias móveis e o ajuste exponencial.

Em relação às assertivas acima, pode-se afirmar que:

Nas últimas duas décadas houve um grande acesso a computadores pessoais e softwares com programas estatísticos. No Brasil, tal fato levou a uma maior utilização de métodos estatísticos multivariados de análise de dados, dentre eles pode-se citar:

I. Análise de Correspondência Múltipla utilizada para variáveis categóricas.

II. Análise Fatorial utilizada para variáveis numéricas.

III. Análise de Experimentos para variáveis mistas (categóricas e numéricas).

Em relação às assertivas acima, pode-se afirmar que:

A aplicação adequada de métodos estatísticos requer que os dados tenham alguns padrões de comportamento. No caso do teste ANOVA de um único fator sabe-se que os pressupostos são:

I. Aleatoriedade das observações.

II. Heterogeneidade de variância.

III. Normalidade.

Em relação às assertivas acima, pode-se afirmar que:

Uma instituição está avaliando se há relação entre o tempo de serviço dos colaboradores e seu grau de comprometimento institucional. Foram observados 30 colaboradores distribuídos em três grupos de tempo de serviço e os dados estão apresentados na tabela a seguir.

Informa-se que P(F _2;27 > 3,35)=0,05. Considerando um nível de significância de 5%, têm-se os seguintes resultados estatísticos:

I. Há homocedasticidade entre os grupos.

II. Aceita-se que o grau de comprometimento independe do tempo de serviço.

Em relação as assertivas acima, pode-se afirmar que:

Para investigar a relação entre o tempo diário de ginástica laboral (T) e o nível de stress (S) foram observados 10 colaboradores. Foram obtidos os seguintes resultados:

I. O tempo de ginástica laboral variou no intervalo [2; 20] minutos e o nível de stress de [1; 50] pontos.

II. A reta de regressão ajustada foi s' = 60 – 2t com R²=0,81.

Em relação aos resultados acima, pode-se afirmar que:

O coeficiente r de correlação de Pearson mede o grau de associação linear entre duas variáveis aleatórias. Sabe-se que:

I. O coeficiente r de Pearson é obtido considerando n pares de valores (Xi ; Yi).

II. A significância estatística de r é diretamente proporcional ao número de pares de observações.

III. O grau ou força da associação é expresso pelo valor numérico do coeficiente.

Em relação às assertivas acima, pode-se afirmar que:

Para ajustar uma curva a um conjunto de dados é usual utilizar o Método dos Mínimos Quadrados (MMQ). Sabe-se que:

I. O MMQ é uma técnica matemática de otimização que busca o melhor ajuste para um conjunto de dados.

II. O MMQ busca minimizar a soma dos erros quadráticos.

Considerando as assertivas acima, pode-se afirmar que: