Questões de Concurso Público UFAC 2019 para Estatístico

Um fungo se prolifera na folha de uma planta em média na razão de 3 unidades a cada 2 milímetros quadrados, de acordo com uma distribuição de Poisson. Neste sentido, a probabilidade de encontrarmos 10 unidades deste fungo numa folha desta planta com área igual a 12 mm² é igual a:

Sugestão: Lembre-se que se X tem distribuição de Poisson com parâmetro λ, então a sua função densidade de probabilidade é dada por:

Considere que duas variáveis aleatórias quantitativas X e Y, se relacionam linearmente de acordo com um Coeficiente de Correlação de Pearson estimado = -0,9, para uma amostra de tamanho n = 100. Assinale a alternativa que apresenta o gráfico que melhor representa a relação entre estas duas variáveis [Considere que a variável X está representada no eixo horizontal e variável Y no eixo vertical]:

O índice de preços de Laspeyres para um conjunto de mercadorias, em um período t, é a média ponderada dos preços relativos dessas mercadorias, utilizando, como fatores de ponderação, os valores monetários das quantidades de cada mercadoria vendidas no período-base. Indicando por Q_i0 a quantidade da i-ésima mercadoria vendida no período-base, o seu valor monetário, considerando o preço nesse mesmo período, é P_i0Q_i0. Então, o índice ponderado de preços no período t, de acordo com o método de Laspeyres pode ser dado pela seguinte relação:

em que P_i0 representa o preço da i-ésima mercadoria no período base e Pit o preço da i-ésima mercadoria no período t.

[Fonte: HOFFMANN, R. Estatística para Economistas, 4ª Ed. São Paulo: Cengange Learning, 2011.]

Considere a tabela abaixo, com os preços e quantidades de alguns produtos relativos ao ano de 2016 e 2018 (suponha que os produtos sejam os mesmos e a pesquisa feita na mesma localidade):

Tomando por base estas informações, pode-se dizer que o índice de Laspeyres considerando como ano base o ano de 2016, é aproximadamente igual a:

Considere que duas variáveis Y_i e x_i  se relacionam de acordo com um modelo de regressão linear simples clássico Yi = α + βx_i + e_i, em que Y_i é a variável resposta, x_i a variável preditora e e_i são os erros supostamente normais, independentes, com média zero e variância constante. Suponha que num determinado experimento foram obtidas amostras de pares (x_i ,Y_i) . Para estes dados amostrais, tem-se o seguinte quadro da análise de variância na regressão:

Nos estudos que envolvem análise de regressão, sabe-se que a proporção da soma de quadrados total que é “explicada” pela regressão é denominada de coeficiente de determinação, comumente representada por r². Considerando as informações apresentadas neste enunciado, pode-se dizer que o valor de r² para os dados em questão é aproximadamente igual a: