Questões de Concurso Sobre estatística
Foram encontradas 11.338 questões
Define-se estatística descritiva como a etapa inicial da análise utilizada para descrever e resumir dados. Em relação às medidas descritivas, julgue o item a seguir.
A moda é o valor que apresenta a maior frequência da
variável entre os valores observados.
Define-se estatística descritiva como a etapa inicial da análise utilizada para descrever e resumir dados. Em relação às medidas descritivas, julgue o item a seguir.
A mediana é o valor que ocupa a posição central da série de
observações de uma variável, dividindo-se o conjunto de
valores ordenados em partes assimétricas desiguais.
Define-se estatística descritiva como a etapa inicial da análise utilizada para descrever e resumir dados. Em relação às medidas descritivas, julgue o item a seguir.
As medidas de tendência central são assim denominadas por
indicarem um ponto em torno do qual se concentram as
médias dos dados.
São medidas descritivas as medidas de posição (tendência central e separatrizes), as de dispersão, as de assimetria e as de curtose.
Suponha que, para se fazer inferências acerca de uma proporção populacional θ, 0 < θ < 1, uma amostra aleatória simples x1, x2, ..., xn, de tamanho n de uma distribuição Bernoulli (θ) deva ser observada; suponha, ainda, que se pretenda usar uma densidade Uniforme no intervalo (0, 1) a priori para θ.
Assim, se 
, então a função de densidade a posteriori
para θ terá distribuição Beta com parâmetros
Sobre as vantagens da amostragem por conglomerados, avalie as afirmativas a seguir.
I. O plano amostral é mais eficiente já que dentro dos conglomerados os elementos tendem a ser mais parecidos.
II. Não há necessidade de uma lista de identificação dos elementos da população.
III. Tem, em geral, menor custo por elemento, principalmente quando o custo por observação cresce se aumenta a distância entre os elementos.
Está correto o que se afirma em
Suponha que se deseja testar a hipótese nula de que k médias populacionais são iguais (não há efeito de tratamento) contra a alternativa de que nem todas as médias são iguais (há efeito de tratamento) por meio de uma análise da variância de 1 fator usual, com base em um conjunto de n observações.
Uma tabela ANOVA terá basicamente a seguinte estrutura:
Suponha que se deseja testar a hipótese nula de que k médias populacionais são iguais (não há efeito de tratamento) contra a alternativa de que nem todas as médias são iguais (há efeito de tratamento) por meio de uma análise da variância de 1 fator usual, com base em um conjunto de n observações.
Uma tabela ANOVA terá basicamente a seguinte estrutura:
Acerca da amostragem estratificada, analise as afirmativas a seguir.
I. Visa a produzir estimativas mais precisas, produzir estimativas para a população toda e para subpopulações.
II. Em geral, quanto menos os elementos de cada estrato forem parecidos entre si e também entre os estratos, maior será a precisão dos estimadores.
III. A estratificação produz necessariamente estimativas mais eficientes do que a amostragem aleatória simples.
Está correto o que se afirma em
Para testar H0: µ ≤ 20 contra H1: µ > 20, em que µ é a média de uma distribuição normal com variância desconhecida, uma amostra aleatória de tamanho 16 foi observada e exibiu as estatísticas a seguir.
Com base nesses dados, o valor da estatística de teste t-Student
usual, a regra de decisão a ela associada ao nível de significância
de 5% e a decisão são, respectivamente,
Para testar a hipótese nula H0 de que a proporção populacional de pessoas acometidas por certa doença virótica não é maior do que 10% contra a hipótese alternativa de que ela é maior do que 10%, uma amostra aleatória simples de tamanho 256 foi observada e revelou que, dessas 256 pessoas, 32 estavam acometidas pela referida doença.
Usando a proporção de acometidos na amostra como estatística
de teste e apoiado no teorema do limite central, o p-valor
aproximado associado a esses dados e a respectiva decisão a ser
tomada ao nível de significância de 5%, são
Para estimar a proporção p de eleitores que, em um dado momento, pretendiam votar em certo candidato em uma eleição futura, uma amostra de 625 eleitores foi observada e constatou-se que, na amostra, 312 eleitores disseram que pretendiam votar no candidato.
Um intervalo aproximado de 99% de confiança para p é dado por
Uma amostra aleatória simples de tamanho 400 foi obtida de uma variável aleatória populacional, com média µ desconhecida e apresentou os seguintes resultados:
Média amostral: 125
Variância amostral: 100
Um intervalo aproximado com 95% de confiança para µ será dado por
Avalie se 
é uma estatística suficiente para o parâmetro
indicado nos casos a seguir.
I. Uma distribuição Bernoulli para a qual o parâmetro p (0 < p < 1) é desconhecido.
II. Uma distribuição geométrica para a qual o parâmetro p (0 < p < 1) é desconhecido.
III. Uma distribuição normal com média conhecida e variância σ2 desconhecida.
Está correto o que se afirma em
Avalie se as seguintes famílias de distribuições são uma família exponencial:
I. A família de distribuições Poisson com média desconhecida.
II. A família de distribuições normais com média conhecida e variância desconhecida.
III. A família de distribuições Beta com parâmetro α conhecido e parâmetro β desconhecido.
IV. A família de distribuições Uniforme no intervalo (0, θ), θ parâmetro desconhecido.
São de fato famílias exponenciais
Avalie se as afirmativas a seguir, relacionadas à estimação por máxima verossimilhança de um parâmetro θ, são falsas (F) ou verdadeiras (V).
( ) A função de verossimilhança de um conjunto de variáveis aleatórias é definida como a função de densidade (ou de probabilidade) conjunta dessas variáveis olhada como função de θ.
( ) Se X1, X2, ..., Xn é uma amostra aleatória simples de uma
densidade uniforme no intervalo (0, θ), o estimador de
máxima verossimilhança de θ é máx{Xi}, ou seja, é a n-ésima
estatística de ordem.
( ) Se X1, X2, ..., Xn é uma amostra aleatória simples de uma densidade N(µ, σ2 ), σ conhecida, o estimador de máxima verossimilhança de µ é a média amostral.
Na ordem apresentada, as afirmativas são, respectivamente,
Suponha que X1, X2, ..., Xn seja uma amostra aleatória simples de uma variável aleatória populacional qualquer com média µ e variância finita. Considere os seguintes estimadores de µ:
T1 = X1
T2 = X1 + X2 + X3 – X4 – X5.
T3 = (X1 + X2 + X3)/3.
T4 = X1 – X2.
T5 = (X1 + X2 + X3 + X4 + X5)/5.
Suponha que X1, X2, ..., Xn seja uma amostra aleatória simples de uma variável aleatória populacional qualquer com média µ e variância finita. Considere os seguintes estimadores de µ:
T1 = X1
T2 = X1 + X2 + X3 – X4 – X5.
T3 = (X1 + X2 + X3)/3.
T4 = X1 – X2.
T5 = (X1 + X2 + X3 + X4 + X5)/5.
Conheça nossos planos