Considere o modelo de média móvel de ordem q=2, MA(2), dado por Z_t = a_t − θ₁a_t-1 − θ₂a_t-2, t ∈ Z, com ruído branco a_t~N(0,σ²). Então o processo resultante será

Em uma modelagem de série temporal foi adotado o modelo auto-regressivo de ordem p = 1, AR(1), dado por Z_t = 0,8Z_t-1 + a_t, onde a_t é o ruído branco com média zero e variância unitária. Z_t depende apenas de Z_t-1 e do ruído branco no instante t, t ∈ Z. A variância do processo e o valor da função de auto-covariância Y_j para j = 2 são (adotando duas casas decimais), respectivamente,

Considere as variáveis aleatórias !$ X_1 !$ e !$ X_2 !$ com matriz de covariância !$ \sum=\begin{pmatrix}5 & 2 \\2 & 2 \end{pmatrix} !$. Em uma análise de componentes principais, as proporções de explicação dos componentes !$ Y_1 !$ e !$ Y_2 !$ são dadas por

Uma variável aleatória X possui média 0 e matriz de covariância !$ \sum=\begin{pmatrix}1 & 0 \\ 0 & 2 \end{pmatrix} !$. Seja !$ Y=X_1+X_2 !$. O valor da variância de Y é

Um médico atende seus pacientes segundo um processo de Poisson com taxa de 5 pacientes por hora. Considere que o tempo de consulta segue uma distribuição exponencial com média 1/6 de hora e com disciplina de atendimento FIFO. O número mínimo de lugares necessários na sala de espera para que a probabilidade do paciente chegar e ficar em pé seja inferior a 10% é dado por

Dados:
Log₁₀ 3 = 0,48 log₁₀ 5 = 0,70 log₁₀ 6 = 0,78

Um processo de Wiener _t (movimento browniano padrão) satisfaz as seguintes propriedades:

− W₀ = 0 com probabilidade 1.
− Para t > 0, W_t tem distribuição normal com média 0 e variância .
− Para s, t > 0, W_t+s − W_s tem a mesma distribuição de W_t.
− Se 0 ≤ q ≤ r ≤ s < t, então W_t − W_s e W_r − W_q são variáveis aleatórias independentes.
− A função t → W_t é contínua com probabilidade 1.

Considerando as propriedades apresentadas, a média e a variância de W_s + W_t são, respectivamente,

Considere uma partícula que faz um passeio aleatório simples, simétrico e com barreiras pelas posições {0, 1, 2, ..., 100}. Se a partícula estiver na posição 0, ela se moverá para a posição 1 no próximo passo. Se a partícula estiver na posição 100, ela se moverá para a posição 99 no próximo passo. Para as posições restantes, a partícula se move para a esquerda ou direita com igual probabilidade.

Se a partícula inicia o passeio na posição 0, a quantidade de passos necessários, em média, para ela retornar à posição 0 é

São métodos de simulação estática:

Considere a distribuição Beta!$ (1, \beta) !$ com função densidade de probabilidade !$ f(x)=\beta(1-x)^{\beta-1} !$, !$ x \, ∈ [0,1] !$. Usando o método da transformação inversa para gerar números aleatórios X de Beta!$ (1,\beta) !$ e considerando que a variável aleatória U é distribuída uniformemente no intervalo (0,1), temos que X é obtido por

Um grupo de N = 100 coelhos está sendo usado em um estudo nutricional. Os pesos antes do início do estudo são registrados para cada coelho. A média desses pesos é de 3,3 kg. Após dois meses, o experimentador deseja obter uma estimativa do peso médio dos coelhos. O pesquisador seleciona n = 10 coelhos aleatoriamente e os pesa. Os pesos originais e os pesos atuais desses 10 coelhos são apresentados na tabela a seguir.

Considere r como a estimativa resultante do estimador razão e !$ \hat{\mu}_y !$ a média estimada atual dos 100 coelhos com respectiva variância estimada !$ \hat{V}(\hat{\mu}_y)=({\large{N-m \over nN}})s^2_r !$

Com base nessas informações,