Questões de Concurso
Para copeira
Foram encontradas 580 questões
Resolva questões gratuitamente!
Junte-se a mais de 4 milhões de concurseiros!
Para resolver as questões 29 e 30, tome o texto seguinte como motivador
Distribuição Normal
A distribuição normal é um modelo bastante útil na estatística, e não seria uma surpresa pois a soma de efeitos independentes (ou efeitos não muito correlacionados) deveriam, se houvesse muitos desses, se distribuir normalmente (sempre sujeito a certos pressupostos).
Nos séculos dezoito e dezenove, alguns matemáticos e físicos desenvolveram uma função densidade de probabilidade que descrevia os erros experimentais obtidos em medidas físicas. De certa forma todo e qualquer processo de mensuração está sujeito a um erro de medida. Esse erro pode ter diferentes fontes, desde a variação de temperatura, tempo, entre inúmeras outras características não identificáveis.
Na época (século dezoito) a sua aplicação inicial era apenas como uma conveniente aproximação da distribuição binomial, mais tarde no século XIX a distribuição normal ganhou importância com os trabalhos de Abraham de Moivre (em The Doctrine of Chances), Pierre Simon Laplace e Carl Friedrich Gauss.
A grande utilidade dessa distribuição (função densidade de probabilidade) está associada ao fato de que aproxima de forma bastante satisfatória as curvas de frequências de medidas físicas, essa curva é conhecida como distribuição normal ou gaussina.
(In: https://www.inf.ufsc.br/~andre.zibetti/probabilidade/normal.html. Adaptado. Acessado em 8/1/2023)
Considerando que numa distribuição normal a curva é simétrica em relação á origem, a relação verdadeira entre os valores da média aritmética (MA), moda (Mo) e mediana (Me) é
Para resolver as questões 29 e 30, tome o texto seguinte como motivador
Distribuição Normal
A distribuição normal é um modelo bastante útil na estatística, e não seria uma surpresa pois a soma de efeitos independentes (ou efeitos não muito correlacionados) deveriam, se houvesse muitos desses, se distribuir normalmente (sempre sujeito a certos pressupostos).
Nos séculos dezoito e dezenove, alguns matemáticos e físicos desenvolveram uma função densidade de probabilidade que descrevia os erros experimentais obtidos em medidas físicas. De certa forma todo e qualquer processo de mensuração está sujeito a um erro de medida. Esse erro pode ter diferentes fontes, desde a variação de temperatura, tempo, entre inúmeras outras características não identificáveis.
Na época (século dezoito) a sua aplicação inicial era apenas como uma conveniente aproximação da distribuição binomial, mais tarde no século XIX a distribuição normal ganhou importância com os trabalhos de Abraham de Moivre (em The Doctrine of Chances), Pierre Simon Laplace e Carl Friedrich Gauss.
A grande utilidade dessa distribuição (função densidade de probabilidade) está associada ao fato de que aproxima de forma bastante satisfatória as curvas de frequências de medidas físicas, essa curva é conhecida como distribuição normal ou gaussina.
(In: https://www.inf.ufsc.br/~andre.zibetti/probabilidade/normal.html. Adaptado. Acessado em 8/1/2023)
Considere que para se normalizar uma certa distribuição, um estatístico tinha a sua disposição uma média amostral de 3 e uma variância amostral de 25. Para utilizar o desvio padrão amostral, o estatístico deve utilizar o valor
Num certo experimento aleatório, uma moeda não viciada é lançada 5 vezes. Qual a probabilidade de que o resultado contenha 4 caras?
De quantas maneiras diferentes 5 pessoas podem sentarem-se numa mesa de 5 cadeiras?
Qual a soma dos termos de uma progressão aritmética (PA) de 50 termos abaixo?
PA = {2, 10, ..., a50}
Conheça nossos planos