Questões de Concurso Público TCE-ES 2023 para Auditor de Controle Externo - Auditoria Governamental

Uma maneira de detectar valores aberrantes (outliers) é considerar observações que estejam a uma distância de 1,5*IQR do primeiro (Q1) ou terceiro (Q3) quartis, onde IQR é o intervalo interquartil da amostra.

Considere a seguinte amostra de quantidade de cachorros-quentes vendidos durante dez dias:

                    11, 11, 12, 13, 9, 12, 9, 10, 11, 13.

Suponha que numa data posterior tenham sido vendidos cinco cachorros-quentes.

É correto afirmar que este é:

Suponha que observamos a seguinte amostra de quantidade de anos de estudo de adultos:

             7, 13, 9, 10, 6, 4, 13, 9, 10, 9.

A diferença entre a média e a moda dessa amostra é:

A seguinte amostra de acidentes de trânsito em um mês foi observada:

                 9, 15, 15, 11, 13, 16, 15, 13, 16, 18, 9.

Nesse caso, é correto afirmar, a respeito das principais medidas de tendência central desse conjunto, que:

O número de blocos de concreto vendidos por hora em uma loja de materiais de construção segue uma distribuição Poisson com taxa v > 0.

Supondo que as vendas a cada hora são independentes, a probabilidade de não observarmos nenhuma venda em cinco horas é:

A variável aleatória X tem distribuição normal com média 2 e variância 1. Considere a transformação Y = 2*(X – 2).

É correto afirmar que, aproximadamente:

Os gastos com combustível de uma empresa têm distribuição normal com média m e variância v. A gerente da empresa quer instituir um procedimento para detectar consumo muito acima ou abaixo do esperado.

Para isso, precisa construir uma regra para detectar outliers.

Isso é comumente feito estabelecendo limites L = Q1 – 1,5 * IQR e U = Q3 + 1,5 * IQR, onde Q1 e Q3 são o primeiro e terceiro quartis, respectivamente, e IQR = Q3 – Q1 é o intervalo interquartil. Valores fora do intervalo (L, U) são considerados outliers.

Sabendo-se que, para a normal padrão, o quantil 25% é, aproximadamente, – 0,67, podem ser considerados outliers:

A sobredispersão, isto é, a variância maior que a média, é uma característica de dados de contagem que não se adequam bem à distribuição de Poisson.

Suponha que os números de gols marcados por um jogador de futebol em dez temporadas tenham sido:

               3, 2, 8, 3, 12, 11, 17, 11, 15, 14. 

A variância desse conjunto de dados é 19,34.

Sobre a razão R entre a variância observada e a variância esperada sob o modelo Poisson, é correto afirmar que:

A distribuição do comprimento de pranchas de surfe fabricadas por um artesão segue uma distribuição uniforme em [t-1/2, t+1/2], com t > 0.

Suponha que uma amostra aleatória de 12 pranchas é medida, e a média amostral, X_b, é calculada. Nesse caso: