Banco público de questões

Questões para Concursos

Pesquise questões reais por disciplina, assunto, tópico, banca, órgão, cargo, ano e modalidade.

Questões por banca

29 bancas disponíveis. Clique para visualizar todas.

Acesse diretamente as bancas disponíveis na QuestLab. As quantidades abaixo consideram as questões ativas do banco.

CEBRASPE 51.363 questões FGV 25.316 questões FCC 24.632 questões AOCP 23.456 questões IBFC 11.190 questões VUNESP 10.983 questões Instituto Quadrix 9.793 questões FUNDATEC 9.088 questões IBADE 7.820 questões CESGRANRIO 6.013 questões OBJETIVA 4.740 questões CONSULPLAN 4.174 questões FEPESE 3.585 questões IADES 3.439 questões IESES 2.627 questões SELECON 2.377 questões IDECAN 1.907 questões MS CONCURSOS 1.485 questões Instituto Legalle 1.281 questões FAFIPA 1.161 questões FUMARC 842 questões ACAFE 551 questões INSTITUTO AOCP 430 questões NUCEPE 378 questões FUNIVERSA 348 questões FAURGS 203 questões FIOCRUZ 48 questões MACKENZIE 48 questões CETRO 17 questões

Encontre as questões que procura

Palavra-chave

Disciplina

Assunto

Tópico

Banca

Órgão

Ano

Cargo

Modalidade

Limpar filtros

3 questões encontradas

ID 193760 Estatística Regressão CEBRASPE 2022

Texto associado

As métricas de avaliação de desempenho de um modelo de aprendizado de máquina, que é um componente integrante de qualquer projeto de ciência de dados, destinam-se a estimar a precisão da generalização de um modelo sobre os dados futuros (não vistos ou fora da amostra). Dentre as métricas mais conhecidas, estão a matriz de confusão, precisão, recall , pontuação, especificidade e a curva de características operacionais do receptor (ROC).

Acerca das características específicas dessas métricas, julgue os próximos itens.

As curvas ROC a seguir mostram a taxa de especificidade (verdadeiros positivos) versus a taxa de sensibilidade (falsos positivos) do modelo adotado; a linha tracejada é a linha de base da métrica de avaliação e define uma adivinhação aleatória.

C Certo

E Errado

ID 151573 Estatística Regressão AOCP 2019

Na estimação do vetor de parâmetros , em modelos lineares, podem ser utilizados vários métodos. Os mais comuns são o Método dos Mínimos Quadrados e o Método da Máxima Verossimilhança. O propósito desses métodos é encontrar um estimador para o vetor de parâmetros tal que o somatório dos quadrados das distâncias entre cada ponto observado e seu correspondente estimado pelo modelo seja mínimo. Para esses dois métodos citados, os estimadores obtidos são iguais, no entanto, pode ocorrer, que para métodos diferentes, resultam-se estimadores diferentes. Nesses casos, é necessário escolher o melhor estimador. Assinale a alternativa que apresenta o(s) principal(is) critério(s) utilizado(s) para avaliar um estimador de um parâmetro para um modelo linear.

Considere o seguinte:
1. Não viesado - E( ) = β i ;
2. Consistência - (| − β i | ≥ ε)= 0 para qualquer ε > 0 ;
3. Suficiência - quando a função de densidade de probabilidade conjunta condicional das
observações amostrais, dado , não depende do parâmetro ;
4. Variância Mínima - um estimador é de variância mínima de se para qualquer outro
estimador * var( ) ≤ var( ) para todo .
5. Normalidade – os parâmetros devem distribuir-se conforme a distribuição normal padrão.

A Não viesado.

B Não viesado, Consistência, Suficiência e Variância Mínima.

C Não viesado, Suficiência, Variância Mínima e normalidade.

D Não viesado, Variância Mínima e normalidade.

E Viesado, Consistência, Suficiência.

ID 182248 Estatística Regressão Instituto Quadrix 2016

Para se certificar de que os lançamentos refletem efetivamente a situação financeira de uma entidade, os livros caixa devem ser verificados, assim como pilhas de documentos originais, notas de venda, ordens de compra e requisições – só que consultar todos os originais seria um trabalho incalculável. Recorre-se, então, a uma amostra de documentos escolhidos aleatoriamente e, com base nessa amostra, fazem-se inferências sobre toda a população (todos os indivíduos ou todos os objetos do grupo em que se está interessado). É aí que entra a aplicação da estatística à administração. Sobre o tema, considere as seguintes afirmativas.

I. Para evitar predições imprecisas, é essencial que a amostra represente efetivamente a população da qual foi extraída.
II. Os exemplos de aplicação de técnicas estatísticas à administração incluem a utilização de amostras, para estimar as preferências ou inferir a qualidade de toda uma população, e o uso da análise de regressão, para separar efeitos de fatores diferentes.
III. Não há como saber com certeza se a amostra representa adequadamente a população, a menos que se faça um censo sobre toda ela. No entanto, podem ser usados os métodos da inferência estatística para estimar se a amostra é representativa da população.

Pode-se afirmar que:

A somente I está correta.

B somente II está correta.

C somente III está correta.

D há apenas duas afirmativas corretas.

E todas estão corretas.