Uma cadeia de Markov é denominada irredutível (ou ergódica) caso qualquer estado possa ser transformado em qualquer outro estado, não necessariamente em um único passo. Uma cadeia de Markov com matriz de transição P é regular caso exista um número inteiro positivo n tal que todos os elementos da matriz potência Pn sejam estritamente positivos.

Julgue os seguintes itens a respeito desses conceitos.

Algum elemento da matriz de transição P de uma cadeia de Markov regular pode ser zero.

Relativamente à Análise Multivariada de Dados, considere as afirmativas abaixo.

I. A análise fatorial é um exemplo de técnica de interdependência, o que significa que nenhuma variável ou grupo de variáveis é definida como sendo dependente ou independente.

II. A análise de correlação canônica não é adequada se as variáveis independentes são quantitativas.

III. A análise discriminante múltipla é adequada se a única variável dependente for categórica.

IV. A análise de correspondência não é adequada para teste de hipóteses.

Está correto o que se afirma APENAS em

Julgue os itens subsecutivos, acerca de análise multivariada e distribuições conjuntas.

Para dados não correlacionados, a distância de Mahalanobis é proporcional à distância euclidiana.

Julgue os itens subsecutivos, acerca de análise multivariada e distribuições conjuntas.

Se o vetor (X, Y) seguir uma distribuição normal bivariada, e se as distribuições marginais X e Y não forem correlacionadas, então a densidade conjunta de (X, Y) será igual ao produto das funções de densidade de X e de Y.

Julgue os itens subsecutivos, acerca de análise multivariada e distribuições conjuntas.

Considerando uma matriz P' tal que PN = P-1 e Y = P'X, é correto afirmar que o vetor das componentes principais relativo a um vetor de dados X será idêntico ao vetor dos desvios padrão caso os dados forem não correlacionados.

Considere que os valores abaixo representem as massas (em kg) de 10 unidades de determinado produto selecionadas aleatoriamente em uma linha de produção, em determinado momento: 7,56; 7,64; 5,81; 10,80; 10,07; 7,85; 9,29; 10,34; 10,16; 10,95. Considere também que os valores aproximados da média amostral e do desvio padrão desses valores sejam, respectivamente, 9,05 kg e 1,64 kg. Em face dessas informações, julgue os próximos itens, acerca de controle estatístico de qualidade.

Se a especificação do produto for 10 kg ± 1,5 kg, então Cpk > Cp.

Considere que os valores abaixo representem as massas (em kg) de 10 unidades de determinado produto selecionadas aleatoriamente em uma linha de produção, em determinado momento: 7,56; 7,64; 5,81; 10,80; 10,07; 7,85; 9,29; 10,34; 10,16; 10,95. Considere também que os valores aproximados da média amostral e do desvio padrão desses valores sejam, respectivamente, 9,05 kg e 1,64 kg. Em face dessas informações, julgue os próximos itens, acerca de controle estatístico de qualidade.

Se a especificação do produto for 10 kg ± 3 kg, então, embora o processo esteja sob controle, algumas unidades fora da especificação serão produzidas.

Com respeito ao método de Newton-Raphson para a obtenção de estimativas de máxima verossimilhança para determinado parâmetro, julgue os itens subsecutivos.

Com respeito ao método de Newton-Raphson para a obtenção de estimativas de máxima verossimilhança para determinado parâmetro, julgue os itens subsecutivos.

Se o algoritmo de Newton-Raphson for iniciado em um ponto P0 de máximo local da função logaritmo da função de verossimilhança, e se houver um ponto distinto, Pg, de máximo global, então o algoritmo não convergirá para Pg.