Em situações práticas de pesquisa em que existe um grande número de variáveis correlacionadas, é possível aplicar uma técnica de Análise Multivariada que busca reduzir o número de variáveis sem perder muito da informação contida na matriz de covariâncias. Para isso, as variáveis originais são transformadas obtendo-se novas variáveis com propriedades ótimas de variância. Assim, a primeira nova variável é a combinação linear normalizada das variáveis originais com máxima variância. A segunda nova variável é a combinação linear normalizada das variáveis originais, não correlacionada com a primeira nova variável e com máxima variância. A terceira nova variável é ainda a combinação linear normalizada das variáveis originais agora não correlacionada com a primeira e a segunda novas variáveis e com máxima variância e assim por diante. Essa técnica de Análise Multivariada é denominada:

Seja s² o estimador não tendencioso de σ2, a variância do termo estocástico εi no modelo de regressão linear simples Y_i = α+ βx_i + ε_i onde os εi são independentes e identicamente distribuídos com εi ~ N(0, σ2 ), i = 1,2, ..., n. Assim, o estimad

Em uma população de 50 empresas de uma região, 20 são empresas exportadoras. Retirando-se sem reposição uma amostra aleatória de tamanho 10 desta população de empresas, qual a probabilidade de que as 5 primeiras empresas escolhidas sejam empresas exportadoras e as 5 últimas não sejam exportadoras?

Considere n variáveis aleatórias independentes e identicamente distribuídas com distribuição e considere ainda
Dessa maneira, o quociente entre as variáveis aleatórias independentes é uma variável aleatória: