A forma geral de representar uma classe de séries temporais não estacionárias é o modelo autorregressivo integrado médias móveis de ordem (p, d, q), ou seja, ARIMA(p, d, q), em que p é o grau do polinômio característico da parte autorregressiva ⌀(B), q é o grau do polinômio característico da parte média móveis ϴ(B) e d é o grau de diferenciação \( \triangledown^d \), ou seja, \( \phi (B) \triangledown^d Z_t = \theta (B)a_t \) em que \( \triangledown^d Z_t = \omega_t \). Desse modo, tem-se \( \phi(B) \omega_t = \theta(B)a_t \) que é um modelo ARMA(p, q).

A uma determinada série temporal, ajustou-se um modelo da classe ARIMA(p, d, q), e os resultados do ajuste estão expostos a seguir:

Modelo ARIMA ajustado à série temporal

Então, é correto afirmar, com aproximação de três (03) casas decimais, que

Considere a seguinte série temporal:

É correto afirmar que a média, a variância e a autocorrelação de defasagem 2 dessa série temporal, assumindo o estimador de máxima verossimilhança para a variância, são, respectivamente:

Seja a amostra aleatória de tamanho pequeno [X₁, X₂, ... , X₁₀] de uma variável aleatória X com distribuição de probabilidade normal com média \( \mu \) e variância \( \sigma^2 \), então, as estatísticas \( { \large \bar{x} - \mu \over ^\sigma/_ \sqrt{10}}, { \large \bar{x} - \mu \over ^s/_ \sqrt{10}}, { \large x - \mu \over \sigma} \) e \( { \large x - \mu \over s} \) têm quais distribuições, respectivamente?

Em uma amostra aleatória com n = 25, observações da variável aleatória X que representam uma característica quantitativa foram obtidas por um estatístico que precisa estimar a média \( \mu \) e o desvio -padrão \( \sigma \) da população (distribuição) de onde a amostra foi tomada por intervalo de nível 95% de confiança. A análise dos dados forneceu os seguintes resultados: média amostral \( \bar{x} = 21,980 \)e desvio- padrão amostral s = 2,11877. O teste de Shapiro- Wilk, para verificar a Normalidade dos dados, resultou em W = 0,972867 e valor-p p = 0,721053; o escore t_24,0975 = 2,0639 e os escores \( X_{24;0975}^2 \).

Então, é correto afirmar que os intervalos de confiança para a média \( \mu \) e o desvio- padrão \( \sigma \) são, respectivamente,

Se a variável aleatória X tem distribuição normal com média \( \mu \) e variância \( \sigma^2 \), ou seja, \( X\,\sim\,N ( \mu, \sigma^2), s^2 = { \large \sum_{i=1}^n ( x_i - \bar{x})^2 \over n-1} \) (variância amostral) é a estimativa de \( \sigma^2 \) com base em uma amostra com n observações, [x₁, x₂, .... , x_n]. Assim, a variável \( T = { \large X - \mu \over s} \) tem distribuição t de Student com n – 1 graus de liberdade, ou seja, \( T\,\sim\, t_{n-1} \). Nesse caso, sabendo que \( P (T \le -2) = 0,031973 \), é correto afirmar que

Um estatístico conduziu um experimento para verificar se existem diferenças estatisticamente significativas entre os resultados quantitativos de três procedimentos aplicados em amostras independentes. Os resultados obtidos com o experimento são:

Tabela da Análise da Variância – ANOVA

Teste de Levene para hipótese de variâncias

iguais

Teste de Normalidade para os resíduos da ANOVA

Teste de Kruskal-Wallis para hipótese de

medianas iguais

Estatística do Teste = 24,8078 Valor-p p = 0,0000041025

Então, é correto afirmar, em relação ao nível de significância de 5%, que

A Razão das Chances é definida pela razão entre a probabilidade de sucesso e a probabilidade de insucesso, ou seja, . Então, assumindo \( y = \beta_0 + \beta_1 X_1 + \cdots + \beta_{p-1} X_{p-1} = \underline{x}' \underline{ \beta} \), tem- se no Modelo Logístico \( p = p ( \underline{x}) = p(X_1, X_2, \cdots, X_{p-1}) = { \large e^y \over e^y +1} = { \large 1 \over 1 +e^{-y}}= { \large 1 \over 1+ e^{ - \underline{x}' \underline{ \beta}}} \) . Portanto, a Razão das Chances no Modelo Logístico é