O gerenciamento moderno de projetos se refere à aplicação de conhecimentos, habilidades, ferramentas e técnicas, tendo por objetivo controlar o custo, desenvolver uma programação de atividades, alocar e adquirir recursos e gerenciar os riscos envolvidos em um projeto. Como resultados têm-se produtos melhores e serviços rápidos, que respondem melhor à pressão do mercado por uma maior eficiência. O gerenciamento de projetos, em geral, é detalhado em processos caracterizados em 5 grupos de processos e 9 áreas de conhecimento em gestão. São algumas das áreas de conhecimento em gestão

Segundo a Escola Nacional de Administração Pública (ENAP), os indicadores devem estar vinculados a uma estratégia e atrelados a metas claras. Indicadores quantitativos ou de produtividade retratam o esforço e dizem respeito ao modo de utilização de recursos e à eficiência. Eles apontam para “como” ou “com quanto” fazer. Indicadores de qualidade retratam o resultado e dizem respeito à satisfação e eficácia. Eles apontam “o que fazer” ou “fazer a coisa certa”. Relacione as classificações às respectivas características.
1. Indicadores de produtividade.
2. Indicadores de qualidade.
3. Indicadores de efetividade ou impacto.

( ) Ligados a processos que tratam a utilização de recursos para a geração de produtos e serviços. Permitem uma avaliação precisa do esforço empregado para gerar produtos e serviços.
( ) Medem as consequências dos produtos ou serviços em relação ao cliente ou à sociedade. Podem ser representados por “fazer a coisa certa do jeito certo”.
( ) Medem a forma como o produto ou serviço é percebido pelo cliente e, também, a capacidade do processo em atender os requisitos do cliente.

A sequência está correta em

Uma variável aleatória Gama é definida para valores reais e positivos e sua função densidade é dada por

com parâmetros α > 0 e ß > 0.

Diante do exposto, analise as afirmativas.
I. Pode-se demonstrar que E(x) = αß e Var(x) = αalpha;ß².

II. A função gama é dada por

III. Pode-se mostrar que G(α) = (α – 1) G(α – 1) e para α inteiro, G(α) = (α – 1)!.

IV. Quando α = 1, a função densidade da gama e igual à distribuição exponencial com parâmetro ß.

V. Quando α = v/2 e ß = 2, com v > 0 inteiro, a função densidade da gama é igual à distribuição Qui-quadrado com v graus de liberdade.

Estão corretas apenas as afirmativas

O modelo de regressão logística é um caso particular de um modelo linear generalizado em que o componente aleatório tem distribuição Bernoulli e a função de ligação é a logito. Diante do exposto, marque V para as afirmativas verdadeiras e F para as falsas.

( ) Para uma variável explicativa numérica, o modelo logístico tem uma forma linear para o logito da probabilidade: , ou seja, p(x) aumenta ou diminui como uma função linear de x.
( ) A chance ou odds é a razão entre as probabilidades de sucesso e fracasso e pode ser expressa como e^α (e^ß ) ^x . Quando a variável explicativa aumenta em uma unidade, a chance é aumentada multiplicativamente por ß.
( ) Para a avaliação do modelo de regressão com variáveis explicativas numéricas pode-se utilizar a estatística X² de Pearson ou a estatística G² do teste da razão de verossimilhança dadas, respectivamente, por:



( ) Para a análise de resíduos de um modelo de regressão logística com variáveis explicativas numéricas pode-se utilizar o resíduo de Pearson ou o resíduo ajustado de Pearson, dados, respectivamente, por:



( ) O modelo de regressão logística multicategorizada é uma generalização do modelo de regressão logística, onde a variável resposta assume mais de duas categorias. Quando as categorias são nominais, escolhe-se uma como sendo a base para se construir as chances e fazer as análises necessárias. No caso de categorias ordinais, a ordenação pode ser incorporada ao modelo na forma de probabilidades acumuladas, obtendo-se, então, o modelo logito acumulativo.

A sequência está correta em

Os Modelos Lineares Generalizados (MLG) são definidos a partir de três características: o componente aleatório, que estabelece a distribuição da variável resposta; o componente sistemático, que determina as variáveis explicativas a serem utilizadas como preditoras no modelo e estabelece a equação de predição como linear; e, a função de ligação, que estabelece a relação entre o componente sistemático e a esperança matemática da variável resposta. Diante do exposto, analise.

I. O componente aleatório permite que a distribuição seja da família exponencial ou de suas generalizações, contemplando, entre outras, as distribuições: normal, Bernoulli, Poisson, Gama, Normal, Inversa, Exponencial, Binomial.
II. A função de ligação deve transformar o domínio da variável aleatória de forma a permitir que qualquer valor do componente sistemático seja admissível. As funções mais utilizadas são: identidade, inversa, inversa ao quadrado, logarítmica, logito, probito, complemento log-log, potência, Box-Cox e Aranda-Ordaz.
III. O ajuste de um MLG pode ser feito pelo método de máxima verossimilhança. As equações normais produzidas, em geral, precisam ser resolvidas por processos iterativos. Os mais utilizados são o método de Newton- Raphson e o de escore de Fisher. Eles são distintos, qualquer que seja a função de ligação.
IV. Para dados de contagem com distribuição de Poisson, o MLG corresponde ao modelo de regressão de Poisson. A função de ligação mais utilizada é a logarítmica. Quando existe superdispersão nos dados, adota-se uma generalização de MLG que admite o parâmetro de dispersão.
V. Vários tipos de resíduo podem ser utilizados para avaliar a qualidade do ajuste de um MLG, entre eles, resíduos ordinários, resíduos de Pearson, resíduos de Pearson padronizados e componente do desvio.

Estão corretas apenas as afirmativas