A) A medida de confiança na hipótese nula B) O nível de significância para aceitar a hipótese nula C) A probabilidade de obter resultados pelo menos tão extremos como os resultados observados, dado que a hipótese nula é verdadeira D) O parâmetro da população que está a ser testado
A) Teste de Kruskal-Wallis B) Teste U de Mann-Whitney C) teste t D) Teste de Wilcoxon de postos assinados
A) Para identificar valores anómalos num conjunto de dados B) Para examinar a relação entre as variáveis C) Para resumir dados categóricos D) Para testar diferenças nas médias
A) A difusão dos dados B) A força e a direção de uma relação linear entre duas variáveis C) A tendência central de um conjunto de dados D) A variabilidade dentro dos grupos
A) Para comparar dois grupos independentes B) Para estimar o intervalo dentro do qual o parâmetro populacional é suscetível de cair C) Para prever pontos de dados futuros D) Para determinar a probabilidade de ocorrência de um acontecimento
A) Amostragem sistemática B) Amostragem por conglomerados C) Amostragem aleatória simples D) Amostragem por conveniência
A) O nível de confiança na hipótese alternativa B) A medida de correlação entre duas variáveis C) A margem de erro da média da amostra D) A probabilidade de rejeitar a hipótese nula quando esta é efetivamente verdadeira
A) Teste T B) Análise de regressão C) ANOVA D) Teste do qui-quadrado
A) Regressão linear. B) Regressão polinomial. C) Regressão de cumeeira. D) Regressão logística.
A) Teste T. B) Análise de regressão. C) ANOVA. D) Teste do qui-quadrado.
A) Concentrar-se exclusivamente em amostras de tamanho reduzido. B) Transformar dados brutos em conhecimento, utilizando métodos que exigem grande poder de processamento computacional. C) Evitar o uso de computadores na análise estatística. D) Desenvolver novas teorias matemáticas sem aplicação prática.
A) Análise de séries cronológicas. B) Análise de agrupamento. C) Análise fatorial. D) Análise de regressão.
A) O método do "jackknife". B) Estimativa de densidade de kernel. C) Métodos de Monte Carlo com cadeia de Markov. D) Redes neurais artificiais.
A) Estimativa de máxima verossimilhança B) Método de Monte Carlo C) Método de Monte Carlo com Cadeias de Markov D) Método Bootstrap
A) Imputação. B) Deteção de outlier. C) Engenharia de recursos. D) Normalização.
A) A correlação mede a força de uma relação, enquanto a causalidade mede a direção B) A correlação é utilizada para dados categóricos, enquanto a causalidade é utilizada para dados contínuos C) A correlação refere-se a relações lineares, enquanto a causalidade se refere a relações não lineares D) A correlação indica uma relação entre variáveis, enquanto a causalidade implica que uma variável provoca uma alteração na outra
A) Soluções analíticas exatas B) Integração numérica C) Geração de amostras a partir de uma distribuição de probabilidade D) Otimização
A) Atualização Bayesiana B) Geração de amostras a partir de uma distribuição de probabilidade C) Integração numérica D) Otimização
A) Uma função de erro B) Uma densidade de probabilidade C) Uma função de verossimilhança D) Uma amostra aleatória
A) A hipótese que é testada utilizando um teste unilateral B) Uma declaração de que não existe diferença significativa entre populações específicas C) A hipótese que o investigador acredita ser verdadeira D) Uma afirmação que prevê um resultado numa experiência
A) Carlo Lauro B) William Sealy Gosset C) John Tukey D) RAND Corporation
A) Composição de música clássica. B) Artes culinárias. C) Física computacional. D) Técnicas tradicionais de pintura.
A) Sociedade Internacional de Linguística. B) Organização Mundial da Saúde. C) Associação Médica Americana. D) Associação Internacional para Computação Estatística.
A) Redes neurais artificiais B) Métodos de Monte Carlo baseados em cadeias de Markov C) Simulação do método de Monte Carlo D) Estimativa de densidade de kernel
A) Para calcular o intervalo de um conjunto de dados B) Para determinar a variabilidade dentro dos grupos C) Para comparar duas amostras diferentes D) Afirmar que a distribuição amostral da média da amostra se aproxima de uma distribuição normal à medida que o tamanho da amostra aumenta
A) Estritamente dentro da linguística computacional. B) Apenas na ciência de dados. C) Em econometria. D) Exclusivamente na ciência de dados social.
A) Tabelas da RAND Corporation B) Dispositivo de simulação de Monte Carlo C) Método "jackknife" de John Tukey D) ERNIE |