Questões de Estatística - Cálculo de Probabilidades para Concurso
Foram encontradas 2.464 questões
P(Xt+1=1 | Xt=0)=0.4 e P(Xt+1=1 | Xt=1)=0.8
A probabilidade P(Xt+2=0 | Xt=1) é igual a
Acredita-se que a probabilidade (p) de ocorrência de um determinado evento em 1 dia seja igual a 50%. Para averiguar se essa informação é correta, foi extraída uma amostra aleatória de 10 dias de um levantamento e foram formuladas as hipóteses H0: p = 0,5 (hipótese nula) e H1: p ≠ 0,5 (hipótese alternativa). A regra estabelecida foi rejeitar H0 caso na amostra tenha se verificado um número de dias n tal que n < 2 ou n > 8. A probabilidade de se cometer um erro tipo I é igual a
Sobre as variáveis serem discretas ou contínuas, analise as afirmativas abaixo, dê valores Verdadeiro (V) ou Falso (F).
( ) A contagem do número de alunos dentro de uma sala de aula só pode ser uma variável discreta, pois é um número inteiro racional e positivo.
( ) A contagem da quilometragem de um corredor em uma pista circular é uma variável contínua, pois este valor pode assumir qualquer valor dentro do intervalo real, no caso múltiplos de π (pi).
( ) O caso do termômetro analógico (de mercúrio), a variável representada nele é uma variável discreta, pois aceita todos os valores intermediários entre duas temperaturas a e b.
Assinale a alternativa que traga, de cima para baixo, a sequência correta.
Para o caso de variáveis aleatórias quaisquer, existem diversas propriedades que se aplicam diretamente à esperança matemática e ao momento central de segunda ordem.
Dentre essas propriedades está:
Seja X uma variável aleatória com função de probabilidade dada por P(X = x) =(1 - )x-1 para x = 1, 2, 3,..., onde p é um parâmetro desconhecido. Dispondo de uma amostra de tamanho n, x1, x2, x3,...., xn , o estimador de Máxima Verossimilhança de p é:
Sejam X1, X2, X3, ..., X64 variáveis aleatórias discretas, com distribuição Binomial, todas com p = 0,25 e n = 12. Também são conhecidos valores da função distribuição acumulada da normal-padrão, mais especificamente:
ɸ(2) = 0,977, ɸ(1,5) = 0,933, ɸ(1,25) = 0,894
No caso da extração de uma amostra (n = 64), a probabilidade (desprezando o ajuste de continuidade) de que a soma dos valores seja superior a 207 é igual a:
O responsável pelo planejamento de uma pesquisa acredita que, a priori, a probabilidade de que um indivíduo tenha uma determinada opinião, positiva, é de 80%. Para avaliar melhor essa crença, o responsável realiza um experimento no qual a opinião é positiva em 40% dos casos, quando o responsável julga a priori que não será assim; sendo positiva em 70% dos casos, quando ele prevê uma opinião positiva. No experimento, a opinião se mostrou positiva (ExpPos).
Portanto, a distribuição a posteriori, ou seja, após a realização do experimento, para a crença do responsável depois do experimento é:
Seja (X, Y) uma variável aleatória bidimensional que em dada amostra assumiu o seguinte conjunto de valores:
(1,16), (5,8) e (9, 3)
PS: Use, nos cálculos, √43 ≅ 6,5 .
Logo, a estimativa para o coeficiente de correlação de Pearson para o par (X, Y) obtido pelo método dos momentos será aproximadamente:
Sejam X e Y variáveis aleatórias do tipo Bernoulli, assumindo valores x1, x2, y1 e y2 respectivamente. Também é sabido que P(X = x1 / Y = y2 ) = 0,60 e P(Y =y1 )= 0,75.
Então:
Sejam X e Y duas variáveis aleatórias com variâncias iguais a 21 e 17, respectivamente. Além disso, sabe-se que a variável Z representada pela diferença entre as duas tem variância igual a 44.
Com base em tais informações, é correto deduzir que:
Suponha que, ao propor um modelo de regressão linear, um pesquisador omitiu uma variável explicativa de tal forma que, ao invés de usar Yi = 2,5 + 3Xi + 3Wi + εi empregou um modelo de regressão simples e, através de uma amostra com n = 10, obteve a reta de regressão estimada:
Estão disponíveis ainda as seguintes informações:
Var(X) = 12.
Seja R2 = Coeficiente de Determinação da reta estimada, Tendenciosidade do estimador Variância estimada dos resíduos da regressão estimada.
Assim sendo:
As técnicas de interrogatório utilizadas para identificar se um suspeito está ou não falando a verdade têm evoluído bastante, mas ainda é impossível saber, ao certo, se um indivíduo está mentindo (β = 1) ou não (β = 0). Um investigador experiente, após um interrogatório, imagina que a probabilidade de o sujeito estar mentindo é de 80%. Para tentar melhorar sua percepção, ele faz o suspeito passar pelo detector de mentiras, que acerta em 90% dos casos quando o sujeito é mentiroso, mas em apenas 60% quando está falando a verdade. O teste do detector deu positivo para a mentira.
Incorporando esse resultado do teste no detector de mentiras, é correto afirmar que:
Seja X uma variável aleatória com parâmetro β e função de densidade de probabilidade dada por:
ƒx(x) = kx2 · e-x/β · β-3, para x > 0 e Zero, caso contrário.
Para a estimação do parâmetro da distribuição, uma amostra de tamanho n é extraída e vários métodos são cogitados.
Sobre os possíveis estimadores, é correto afirmar que:
Se X é uma variável aleatória contínua com função densidade de probabilidade representada por ƒx(x), considere a função dada por:
Então: