Questões de Concurso Sobre estatística
Foram encontradas 11.355 questões
Ano: 2014
Banca:
FCC
Órgão:
TRT - 13ª Região (PB)
Prova:
FCC - 2014 - TRT - 13ª Região (PB) - Analista Judiciário - Estatística |
Q457277
Estatística
Os diâmetros (em milímetros) de determinado tipo de arruela produzidos por uma grande fábrica formam uma população normalmente distribuída e considerada de tamanho infinito. Como a variância populacional é desconhecida, deseja-se obter um intervalo de confiança, ao nível de confiança de 95%, com base nos resultados de uma amostra de tamanho 9. A média amostral apresentou um valor igual a 5 mm com uma variância igual a 3,24 mm2. Considerando t 0,025 o quantil da distribuição t de Student para teste unicaudal tal que a probabilidade P(t > t0,025) = 0,025, com n graus de liberdade, obteve-se que a amplitude deste intervalo, em mm, é igual a
Dados: n 7 8 9 10 11 t0,025 2,36 2,31 2,26 2,23 2,20
Dados: n 7 8 9 10 11 t0,025 2,36 2,31 2,26 2,23 2,20
Ano: 2014
Banca:
FCC
Órgão:
TRT - 13ª Região (PB)
Prova:
FCC - 2014 - TRT - 13ª Região (PB) - Analista Judiciário - Estatística |
Q457276
Estatística
As variáveis aleatórias X e Y representam a altura (em centímetros) dos habitantes de uma cidade e o peso (em quilos) dos habitantes de uma outra cidade, respectivamente. Considera-se que as correspondentes populações de X e Y são normalmente distribuídas e de tamanho infinito. Uma amostra aleatória de tamanho 100 da população de X forneceu um intervalo de confiança, ao nível de confiança de 88%, para a média (μX), em cm, igual a [156,1 ; 163,9], sabendo-se que a variância populacional de X é igual a 625 cm2. Uma amostra aleatória de tamanho 400 da população de Y forneceu um intervalo de confiança, ao nível de confiança de 88%, para a média (μY), em kg, igual a [68,83 ; 71,17]. A variância populacional de Y, em kg2 , é igual a
Ano: 2014
Banca:
FCC
Órgão:
TRT - 13ª Região (PB)
Prova:
FCC - 2014 - TRT - 13ª Região (PB) - Analista Judiciário - Estatística |
Q457275
Estatística
Suponha que uma variável aleatória X é uniformemente distribuída no intervalo (a , b), em que nem a nem b são conhecidos. Utilizando o método dos momentos, com base em uma amostra de tamanho 10, obtiveram-se os valores 1 e 4 para a e b, respectivamente. O valor do momento de ordem 2, centrado na origem, correspondente aos elementos da amostra é
Ano: 2014
Banca:
FCC
Órgão:
TRT - 13ª Região (PB)
Prova:
FCC - 2014 - TRT - 13ª Região (PB) - Analista Judiciário - Estatística |
Q457274
Estatística
Em um estudo é considerada a distribuição binomial Pm(x) = Cmx px(1 − p)m−x, em que x é o número de ocorrências de um acontecimento em m provas, sabendo-se que na i-ésima experiência de uma série de n, comportando m provas cada uma, o acontecimento ocorreu xi vezes. Deseja-se encontrar, pelo método da máxima verossimilhança, a estimativa pontual do parâmetro p com a qual um acontecimento A ocorre em cada prova, sabendo-se que em 80 experiências de 5 provas cada uma forneceram a distribuição abaixo.
xi 0 1 2 3 4 5 Total ni 2 8 20 25 20 5 80
Observação: ni é o número de experiências nas quais o acontecimento A ocorreu xi vezes.
O valor da estimativa de p é então, em %, igual a
xi 0 1 2 3 4 5 Total ni 2 8 20 25 20 5 80
Observação: ni é o número de experiências nas quais o acontecimento A ocorreu xi vezes.
O valor da estimativa de p é então, em %, igual a
Ano: 2014
Banca:
FCC
Órgão:
TRT - 13ª Região (PB)
Prova:
FCC - 2014 - TRT - 13ª Região (PB) - Analista Judiciário - Estatística |
Q457273
Estatística
Os estimadores não viesados E1 = mX - mY + Z e E2 = (m - 12)X - mY + 13Z, em que m é um parâmetro real, são utilizados para a obtenção da média μ de uma população normal com variância unitária. (X, Y, Z) é uma amostra aleatória extraída desta população, com reposição. Considerando o maior valor inteiro m tal que E1 é mais eficiente que E2, tem-se que a variância de E1 é igual a
Ano: 2014
Banca:
FCC
Órgão:
TRT - 13ª Região (PB)
Prova:
FCC - 2014 - TRT - 13ª Região (PB) - Analista Judiciário - Estatística |
Q457272
Estatística
A média de uma variável aleatória contínua X, em que se desconhece sua distribuição, é igual a 10,4. Pelo teorema de Tchebichev obteve-se um intervalo igual a (7,4 ; 13,4) em que a probabilidade mínima de X pertencer a este intervalo é igual a 84%. O valor da variância (σ 2) da variável X é tal que
Ano: 2014
Banca:
FCC
Órgão:
TRT - 13ª Região (PB)
Prova:
FCC - 2014 - TRT - 13ª Região (PB) - Analista Judiciário - Estatística |
Q457271
Estatística
Seja X uma população { X1, X2, X3, ... , X100 } formada por 100 números estritamente positivos com um desvio padrão igual a 4 e com a soma dos quadrados de todos estes 100 números igual a 41.600. Seja Y uma outra população { Y1, Y2, Y3, ... , Y50 } formada por 50 números também estritamente positivos com uma média igual a da população anterior e com a soma dos quadrados de todos estes 50 números igual a 20.200. Os coeficientes de variação de X e de Y
Ano: 2014
Banca:
FCC
Órgão:
TRT - 13ª Região (PB)
Prova:
FCC - 2014 - TRT - 13ª Região (PB) - Analista Judiciário - Estatística |
Q457270
Estatística
Em uma determinada carreira profissional composta por 400 trabalhadores, verifica-se que a média aritmética das alturas de todos os trabalhadores é igual a 170 cm. Sabe-se que a média aritmética das alturas dos 250 trabalhadores do sexo masculino é igual à média aritmética das alturas dos 150 trabalhadores do sexo feminino. Os desvios padrões das alturas dos trabalhadores do sexo masculino e dos trabalhadores do sexo feminino são iguais a 12 cm e 20 cm, respectivamente. A variância (em cm2) das alturas de todos os trabalhadores desta carreira profissional é igual a
Ano: 2014
Banca:
FCC
Órgão:
TRT - 13ª Região (PB)
Prova:
FCC - 2014 - TRT - 13ª Região (PB) - Analista Judiciário - Estatística |
Q457269
Estatística
Texto associado
Em um treinamento destinado aos recém-formados de uma faculdade é realizado um levantamento com relação às idades (em anos) de seus participantes e obteve-se a seguinte tabela:
Em um treinamento destinado aos recém-formados de uma faculdade é realizado um levantamento com relação às idades (em anos) de seus participantes e obteve-se a seguinte tabela:
Idade (anos) 23 24 25 26 27 Total Número de participantes 5 35 20 15 5 80
Sendo Me, Md, e Mo os valores da média aritmética (em anos por participante), da mediana e da moda, respectivamente, observa-se, com relação à tabela, que
Idade (anos) 23 24 25 26 27 Total Número de participantes 5 35 20 15 5 80
Sendo Me, Md, e Mo os valores da média aritmética (em anos por participante), da mediana e da moda, respectivamente, observa-se, com relação à tabela, que
Ano: 2014
Banca:
FCC
Órgão:
TRT - 13ª Região (PB)
Prova:
FCC - 2014 - TRT - 13ª Região (PB) - Analista Judiciário - Estatística |
Q457268
Estatística
O histograma, abaixo, refere-se à distribuição dos salários dos funcionários lotados em um setor de um órgão público. No eixo das abscissas constam os intervalos de classe em R$ (todos fechados à esquerda e abertos à direita) e no eixo das ordenadas as respectivas densidades de frequências em (R$)−1. Define-se densidade de frequência de um intervalo como sendo o resultado da divisão da respectiva frequência relativa pela correspondente amplitude do intervalo.
Se o número de funcionários que tem um salário inferior a R$ 5.000,00 é igual a 56, então verifica-se que o número de funcionários que tem um salário igual ou superior a R$ 2.000,00 e inferior a R$ 8.000,00 é igual a
Se o número de funcionários que tem um salário inferior a R$ 5.000,00 é igual a 56, então verifica-se que o número de funcionários que tem um salário igual ou superior a R$ 2.000,00 e inferior a R$ 8.000,00 é igual a
Ano: 2014
Banca:
FCC
Órgão:
TRT - 13ª Região (PB)
Prova:
FCC - 2014 - TRT - 13ª Região (PB) - Analista Judiciário - Estatística |
Q457267
Estatística
A tabela de frequências absolutas, abaixo, corresponde à distribuição dos salários dos empregados em uma empresa, em que todos os intervalos de classe têm a mesma amplitude. O valor da mediana dos salários (obtido por interpolação linear) é igual a R$ 4.100,00 e pertence ao intervalo [c , d) em que c = R$ 3.500,00.
Calculando o valor da média aritmética destes salários, considerando que todos os valores incluídos em um certo intervalo de classe são coincidentes com o ponto médio deste intervalo, verifica-se que este valor pertence ao intervalo (em R$)
Ano: 2014
Banca:
FUNCAB
Órgão:
SEFAZ-BA
Prova:
FUNCAB - 2014 - SEMGE - BA - Auditor Fiscal - Tecnologia da Informação - Manhã |
Q457078
Estatística
Inicialmente, a média aritmética dos faturamentos dos últimos cinco meses de uma loja foi de R$ 126.000,00. Porém, após uma revisão, verificou-se que o faturamento do último mês, no valor de R$ 134.000,00, estava errado. Após a devida correção, a nova média dos faturamentos dos últimos cinco meses foi de R$ 125.000,00. Determine o valor correto do faturamento do último mês.
Ano: 2014
Banca:
FUNCAB
Órgão:
SEFAZ-BA
Prova:
FUNCAB - 2014 - SEMGE - BA - Auditor Fiscal - Tecnologia da Informação - Manhã |
Q457077
Estatística
A tabela a seguir contém o faturamento dos últimos cinco meses de um hotel. Pode-se afirmar que o desvio-padrão X, dos faturamentos na tabela, pertence ao intervalo:
Ano: 2014
Banca:
CESGRANRIO
Órgão:
Petrobras
Prova:
CESGRANRIO - 2014 - Petrobras - Engenheiro(a) de Produção Júnior |
Q454115
Estatística
Uma agência de viagens possui apenas um funcionário para atender a seus clientes. Como os vários pacotes turísticos comercializados diferem muito entre si, a taxa de atendimento é distribuída aleatoriamente, mas se aproxima da de Poisson. Em média, chegam dois clientes a cada 50 minutos, e são atendidos quatro a cada hora. Os clientes toleram aguardar, em média, 25 minutos na fila antes de desistir do atendimento.
Nesse caso, pode-se dizer que a agência corre
Nesse caso, pode-se dizer que a agência corre
Ano: 2014
Banca:
CESGRANRIO
Órgão:
Petrobras
Prova:
CESGRANRIO - 2014 - Petrobras - Engenheiro(a) de Equipamentos Júnior - Elétrica |
Q454081
Estatística
Uma tensão elétrica de natureza aleatória incide sobre um circuito elétrico, causando incertezas. A variável aleatória v tem a sua função densidade de probabilidade dada em volts assim definida para v:
Qual é o valor médio esperado dessa tensão, em volts?
Qual é o valor médio esperado dessa tensão, em volts?
Ano: 2013
Banca:
CONSULPLAN
Órgão:
TRE-MG
Prova:
CONSULPLAN - 2013 - TRE-MG - Analista Judiciário - Estatística |
Q452955
Estatística
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) = αß2.
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 ? graus de liberdade.
Estão corretas apenas as afirmativas
com parâmetros α > 0 e ß > 0.
Diante do exposto, analise as afirmativas.
I. Pode-se demonstrar que E(x) = αß e Var(x) = αß2.
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 ? graus de liberdade.
Estão corretas apenas as afirmativas
Ano: 2013
Banca:
CONSULPLAN
Órgão:
TRE-MG
Prova:
CONSULPLAN - 2013 - TRE-MG - Analista Judiciário - Estatística |
Q452954
Estatística
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 eα (eß ) 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
( ) 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 eα (eß ) 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
Ano: 2013
Banca:
CONSULPLAN
Órgão:
TRE-MG
Prova:
CONSULPLAN - 2013 - TRE-MG - Analista Judiciário - Estatística |
Q452952
Estatística
O modelo de análise fatorial representa a estrutura de cova- riância entre muitas variáveis aleatórias 
, através de poucas variáveis não observáveis F´ = [
] também conhecidas como fatores, construtos ou fatores comuns. Sendo E(X) = µ e V(X) = S, o modelo fatorial é expresso por X – µ = LF + e. A matriz 
é conhecida como matriz das cargas fatoriais e seus elementos, 
, carga da variável i no fator j e as variáveis aleatórias F e em + p são não observáveis. Analise as afirmativas, marque V para as verdadeiras e F para as falsas.
( ) No modelo fatorial ortogonal, as variáveis não observáveis F e e são independentes, E(F) = 0, V(F) = E(F´F) = I, E(e) = 0, V(e) = E(e´e) = ?. A matriz ? é não diagonal, V(X) = S = L´L + ? e Cov (X, F) = L.
( ) Um método de estimação para as cargas do modelo fatorial ortogonal é através de componentes principais, onde se utiliza a decomposição espectral da matriz S.
( ) Para se utilizar o método de máxima verossimilhança para estimar as cargas, é acrescida a suposição de que F e e têm distribuição normal multivariada. As comunalidades (elementos da diagonal LL´) têm como estimadores a proporção da variância total estimada pelo particular fator.
( ) Para melhorar a explicação do modelo fatorial, sem alterar a ortogonalidade dos fatores, muitas vezes, usa- se uma transformação ortogonal das cargas fatoriais, que, consequentemente, transforma os fatores. Esse procedimento é conhecido como rotação fatorial.
( ) Dependendo da natureza dos dados, os fatores não precisam ser ortogonais. Assim, para melhorar a explicação do modelo fatorial, pode-se utilizar a rotação oblíqua, onde cada variável é expressa em termos de um número máximo de fatores.
A sequência está correta em
, através de poucas variáveis não observáveis F´ = [ ] também conhecidas como fatores, construtos ou fatores comuns. Sendo E(X) = µ e V(X) = S, o modelo fatorial é expresso por X – µ = LF + e. A matriz é conhecida como matriz das cargas fatoriais e seus elementos, , carga da variável i no fator j e as variáveis aleatórias F e em + p são não observáveis. Analise as afirmativas, marque V para as verdadeiras e F para as falsas. ( ) No modelo fatorial ortogonal, as variáveis não observáveis F e e são independentes, E(F) = 0, V(F) = E(F´F) = I, E(e) = 0, V(e) = E(e´e) = ?. A matriz ? é não diagonal, V(X) = S = L´L + ? e Cov (X, F) = L.
( ) Um método de estimação para as cargas do modelo fatorial ortogonal é através de componentes principais, onde se utiliza a decomposição espectral da matriz S.
( ) Para se utilizar o método de máxima verossimilhança para estimar as cargas, é acrescida a suposição de que F e e têm distribuição normal multivariada. As comunalidades (elementos da diagonal LL´) têm como estimadores a proporção da variância total estimada pelo particular fator.
( ) Para melhorar a explicação do modelo fatorial, sem alterar a ortogonalidade dos fatores, muitas vezes, usa- se uma transformação ortogonal das cargas fatoriais, que, consequentemente, transforma os fatores. Esse procedimento é conhecido como rotação fatorial.
( ) Dependendo da natureza dos dados, os fatores não precisam ser ortogonais. Assim, para melhorar a explicação do modelo fatorial, pode-se utilizar a rotação oblíqua, onde cada variável é expressa em termos de um número máximo de fatores.
A sequência está correta em
Ano: 2013
Banca:
CONSULPLAN
Órgão:
TRE-MG
Prova:
CONSULPLAN - 2013 - TRE-MG - Analista Judiciário - Estatística |
Q452951
Estatística
O modelo de componentes principais é utilizado para representar a estrutura de variância-covariância em função de um número reduzido de combinações lineares das variáveis originais, com o objetivo de se ter uma redução de dados e uma melhor interpretação destes. Para o vetor aleatório 
com matriz de covariância S e autovalores iguais a 
, e as combinações lineares:
O modelo de componentes principais corresponde às combinações lineares não correlacionadas
com vetores de coeficientes 
de comprimento unitário, que apresentam as maiores variâncias Var 
. Diante do exposto, é correto afirmar que
I. o primeiro componente principal é a combinação linear
que maximiza Var 
sujeito a 
= 1.
II. o i-ésimo componente principal é a combinação linear
que maximiza Var 
= 1 e Cov (
, 
) = 0, para k < i.
III. sendo
os autovalores e ei os autovetores de S, o i-ésimo componente principal é dado por 
+ 
, onde i = 1, ··· p.
IV. Var
= 0, para i = 1,2, ···, p e i ≠ k.
V. a proporção da variância total devido ao k-ésimo componente principal é dada por
para k = 1, ···, p.
Estão corretas apenas as afirmativas
com matriz de covariância S e autovalores iguais a , e as combinações lineares: O modelo de componentes principais corresponde às combinações lineares não correlacionadas
com vetores de coeficientes de comprimento unitário, que apresentam as maiores variâncias Var . Diante do exposto, é correto afirmar que I. o primeiro componente principal é a combinação linear
que maximiza Var sujeito a = 1. II. o i-ésimo componente principal é a combinação linear
que maximiza Var = 1 e Cov (, ) = 0, para k < i. III. sendo
os autovalores e ei os autovetores de S, o i-ésimo componente principal é dado por + , onde i = 1, ··· p. IV. Var
= 0, para i = 1,2, ···, p e i ≠ k. V. a proporção da variância total devido ao k-ésimo componente principal é dada por
para k = 1, ···, p. Estão corretas apenas as afirmativas
Ano: 2013
Banca:
CONSULPLAN
Órgão:
TRE-MG
Prova:
CONSULPLAN - 2013 - TRE-MG - Analista Judiciário - Estatística |
Q452950
Estatística
“A análise de resíduos de um modelo de regressão linear múltipla pode ser utilizada para verificar se o modelo se adequa aos dados. Nesse sentido, gráficos e testes ajudam a identificar discrepâncias entre os valores observados da variável resposta e os valores preditos pelo modelo.” De acordo com o trecho anterior, marque V para as afirmativas verdadeiras e F para as falsas.
( ) Quando os pontos do diagrama de dispersão do resíduo padronizado versus variável explicativa apresentar uma tendência, a inclusão do logaritmo da variável explicativa pode melhorar o modelo.
( ) Quando os pontos do diagrama de dispersão do resíduo versus variável omitida no modelo apresentar uma tendência linear, a inclusão da variável omitida pode melhorar o modelo.
( ) Quando o desenho esquemático (boxplot) dos resíduos padronizados apresentar observações além dos limites superior ou inferior, existe uma forte indicação da presença de outliers que devem ser investigados.
( ) Quando o desenho esquemático dos resíduos tem a distância entre a mediana e o primeiro quartil e a distância entre a mediana e o terceiro quartil bem distintas, existe uma forte indicação de que a distribuição das observações são assimétricas e o componente aleatório do modelo pode não ter distribuição normal.
( ) A suposição de homocedasticidade dos resíduos pode ser avaliada através de: teste de Levéne; teste de Brown & Forsythe; gráfico de resíduos versus valores preditos pelo modelo; gráfico do resíduo versus cada uma das variáveis incluídas no modelo.
A sequência está correta em
( ) Quando os pontos do diagrama de dispersão do resíduo padronizado versus variável explicativa apresentar uma tendência, a inclusão do logaritmo da variável explicativa pode melhorar o modelo.
( ) Quando os pontos do diagrama de dispersão do resíduo versus variável omitida no modelo apresentar uma tendência linear, a inclusão da variável omitida pode melhorar o modelo.
( ) Quando o desenho esquemático (boxplot) dos resíduos padronizados apresentar observações além dos limites superior ou inferior, existe uma forte indicação da presença de outliers que devem ser investigados.
( ) Quando o desenho esquemático dos resíduos tem a distância entre a mediana e o primeiro quartil e a distância entre a mediana e o terceiro quartil bem distintas, existe uma forte indicação de que a distribuição das observações são assimétricas e o componente aleatório do modelo pode não ter distribuição normal.
( ) A suposição de homocedasticidade dos resíduos pode ser avaliada através de: teste de Levéne; teste de Brown & Forsythe; gráfico de resíduos versus valores preditos pelo modelo; gráfico do resíduo versus cada uma das variáveis incluídas no modelo.
A sequência está correta em
Conheça nossos planos