Considerando que !$ X_1, X_2, ... X_n !$ seja uma sequência de variáveis aleatórias independentes e identicamente distribuídas, tais que

!$ P(X_k=x)=p(1-p)^x !$ em que !$ x \in \{ 0,1,2,3, ... \}, 0 < p \le 1 !$ e !$ k \in \{ 1,2, ...,n\} !$, julgue o item a seguir.

!$ \overline{X}_n = \dfrac{1}{n} \sum\limits^n_{k-1}X_k !$, então, segundo a lei fraca dos grandes números, !$ \overline{X}_n !$ converge em probabilidade para !$ \dfrac{1}{p} !$.

Supondo que !$ P(Y=y|M=m)=\dfrac{e^{-m}m^y}{y!}, !$

para !$ y \in \{0,1,2,3 ... \} !$, em que !$ m > 0 !$, e !$ M !$ é uma variável aleatória contínua cuja função de densidade é dada por !$ f_M(m)= e^{-m} !$, julgue o item a seguir.

Y e M são variáveis aleatórias independentes.

Considerando que uma amostra aleatória simples !$ U_1 !$, …, !$ U_n !$ seja retirada de uma distribuição uniforme contínua no intervalo 0,1, em que !$ n !$ é número ímpar, e considerando que !$ \bar {U}_n !$ denote a média amostral e !$ \tilde {U}_n !$ represente a mediana amostral, julgue o item a seguir.

!$ 12n(\bar{U}_n-0,5) !$ converge para uma distribuição normal padrão.

Considerando que !$ \hat{y}_k !$ denote o valor ajustado - pelo método de mínimos quadrados ordinários - da variável resposta !$ y_k !$ de um modelo de regressão linear múltipla na forma !$ y_k=\beta_0+\beta_1x_{1,k}+\beta_2x_{2,k}+\epsilon_k !$ que, nesse modelo, !$ \{\epsilon_1, ... , \epsilon_{10}\} !$ seja um conjunto de erros aleatórios independentes com médias iguais a zero e variâncias iguais a !$ \sigma^2 !$; e que cada resíduo produzido pelo ajuste seja escrito como !$ r_k=y_k-\hat{y}_k !$, julgue o próximo item.

A distância X de Cook representa uma medida da influência.

Os valores da sequência !$ r_1,..., r_{10} !$ são mutuamente independentes.

Considerando que !$ \hat{y}_k !$ denote o valor ajustado - pelo método de mínimos quadrados ordinários - da variável resposta !$ y_k !$ de um modelo de regressão linear múltipla na forma !$ y_k=\beta_0+\beta_1x_{1,k}+\beta_2x_{2,k}+\epsilon_k !$ que, nesse modelo, !$ \{\epsilon_1, ... , \epsilon_{10}\} !$ seja um conjunto de erros aleatórios independentes com médias iguais a zero e variâncias iguais a !$ \sigma^2 !$; e que cada resíduo produzido pelo ajuste seja escrito como !$ r_k=y_k-\hat{y}_k !$, julgue o próximo item.

A distância X de Cook representa uma medida da influência.

A estatística !$ \sum\limits^{10}_{k=2}(r_k-r_{k-1})^2/r^2_k !$ é uma estatística qui-quadrado que permite avaliar a falta de ajuste (lack-of-fit) do modelo ajustado.

Considerando as informações apresentadas no quadro precedente, julgue o item subsequente, acerca de modelos de regressão linear.

A vantagem da medida C_p de Mallows em relação às outras medidas para a modelagem dos dados por regressão linear é sua robustez frente a presença de muitos pontos influentes na amostra.

Suponha que determinada população de tamanho N = 100 seja constituída pelos elementos x₁, ..., x₁₀₀. Para a realização de um levantamento amostral sobre essa população, cogitam-se duas possibilidades mostradas no quadro anterior, ambas pelo método de amostragem aleatória simples. Se o tipo I for o escolhido, então a amostragem será com reposição com n = 6. No entanto, se o escolhido for o tipo II, então a amostra será sem reposição com n = 5.

Com base nessas informações, julgue o item que se segue.

Na amostragem do tipo II, a fração amostral é igual a 0,05.

Suponha que determinada população de tamanho N = 100 seja constituída pelos elementos x₁, ..., x₁₀₀. Para a realização de um levantamento amostral sobre essa população, cogitam-se duas possibilidades mostradas no quadro anterior, ambas pelo método de amostragem aleatória simples. Se o tipo I for o escolhido, então a amostragem será com reposição com n = 6. No entanto, se o escolhido for o tipo II, então a amostra será sem reposição com n = 5.

Com base nessas informações, julgue o item que se segue.

Suponha que X1, X2, X3, X4, X5 sejam variáveis aleatórias que representam a amostra a ser obtida pela amostragem do tipo II. Nesse caso, é correto afirmar que essas variáveis aleatórias são mutuamente independentes.

Considere uma população formada pelos elementos x₁, ..., x_N, cuja média populacional é representada por \( \mu = \dfrac{\sum\limits^N_{i=1}x_i}{N} \). A amostra aleatória de tamanho simples n retirada dessa população é denotada por X₁, ..., X_N (com 1 < n < N), tal que a média amostral seja definida por

\( \sum\limits^n_{i=1}\dfrac{X_i}{n}=\sum\limits^N_{i=1}\dfrac{a_ix_i}{n} \)

em que {a₁, ..., a_N} forma uma sequência de variáveis aleatórias tais que \( a_i \) ~ Bernoulli \( \left(\dfrac{n}{N} \right) \) e \( \sum\limits^N_{i=1}a_i=n \). Considerando essas informações, julgue o próximo item.

{a₁, ..., a_N} forma uma sequência de variáveis aleatórias independentes e identicamente distribuídas.

Considere uma população formada pelos elementos x₁, ..., x_N, cuja média populacional é representada por \( \mu = \dfrac{\sum\limits^N_{i=1}x_i}{N} \). A amostra aleatória de tamanho simples n retirada dessa população é denotada por X₁, ..., X_N (com 1 < n < N), tal que a média amostral seja definida por

\( \sum\limits^n_{i=1}\dfrac{X_i}{n}=\sum\limits^N_{i=1}\dfrac{a_ix_i}{n} \)

em que {a₁, ..., a_N} forma uma sequência de variáveis aleatórias tais que \( a_i \) ~ Bernoulli \( \left(\dfrac{n}{N} \right) \) e \( \sum\limits^N_{i=1}a_i=n \). Considerando essas informações, julgue o próximo item.

A situação em tela representa uma amostragem aleatória simples com reposição.