gab bioestatistica

Prévia do material em texto

A Estatística pode auxiliar em qualquer profissão por meio da análise de dados e modelos que contribuem para a previsão de resultados de forma assertiva.
Como exemplo de profissão que pode ser beneficiada com o uso da Estatística, podemos citar:
Médico - este profissional pode usar alguns conceitos da Estatística para entender melhor o seu público-alvo. Na prática, ele pode verificar a média de atendimentos realizados por dia. Para isso, basta dividir o total de atendimentos no mês pela quantidade de dias trabalhados.
B. 
Todo profissional, independentemente de sua área de atuação.
C. 
como obter e organizar dados numéricos.
E. 
auxiliem na compreensão de fatos passados e na tomada de decisão das mais variadas maneiras.
A. 
métodos e técnicas para avaliar uma série de dados.
B. 
a Teoria da Probabilidade.
1) Há quanto tempo é funcionário da empresa?
2) A que região atende?
3) Qual é o valor da sua comissão?
4) Quantos clientes foram visitados no último mês?
5) Qual é a sua satisfação com a nova política de comissionamento empregada?
6) Qual é o seu sexo?
D. 
quantitativa contínua.
A. 
Qualitativa nominal.
E. 
Não está correto, pois tínhamos uma variável qualitativa. Mesmo codificando, não podemos calcular a média, apenas as frequências.
D. 
Deve escolher a opção A, pois somente ela fornece uma média da nota de satisfação
A. 
Independente do tipo de variável, podemos realizar análises descritivas e análises inferenciais.
Número de irmãos dos 95 entrevistados
Resposta das questões
1 – 43 pessoas não têm irmãos.
2 – 34 pessoas têm 1 irmão.
3 – 10 pessoas têm 2 irmãos.
4 – 7 pessoas têm 3 irmãos.
5 – 1 pessoa tem 4 irmãos.
6 – Nenhuma pessoa tem 5 irmãos.
7 – 94 pessoas têm até 3 irmãos.
A. 
A variável em estudo. 
D. 
A variável em estudo e frequência absoluta simples
A. 
A frequência acumulada e frequência relativa.
E. 
A frequência relativa simples é o percentual de ocorrências do valor x, a proporção em que cada valor ocorre. Obtém-se esse valor dividindo-se cada valor de f pelo total de f.
A. 
A frequência acumulada indica quantos indivíduos têm frequência igual ou menor do que um determinado valor. Obtém-se esse valor somando-se a f da linha desejada com a f dos valores menores do que o desejado.
c
D. 
São organizados em tabelas de frequência agrupadas em intervalos de classe para condensar a informação, suprimir o número de linhas da tabela e tornar a estética visual mais agradável, facilitando a compreensão dos dados.
A
Tabela 
E
Tabela
C. 
13,90%
D. 
Intervalo aberto à esquerda, intervalo aberto à direita e intervalo fechado à direita e esquerda.
A solução mais simples seria fazer uma única pergunta, do tipo: você é uma pessoa do sexo masculino com idade entre 30 e 40 anos? As opções de resposta seriam apenas "sim" e não".
A solução mais elaborada seria fazer duas perguntas, do tipo:
a)Qual é o seu sexo? As opções de resposta seriam "feminino" ou "masculino".
b) Qual é a sua faixa etária? As opções de reposta teriam valores como: menos de 20 anos, 20 a 30 anos, 30 a 40 anos, 40 a 50 anos e mais de 50 anos. Observe que, embora as demais faixas possam variar, é obrigatório ter a opção 30 a 40 anos, pois isso é o que se procura descobrir.
B. 
Os meses de julho e outubro apresentam queda em relação ao seu mês anterior
C. 
Não, pois considerando os satisfeitos não atingimos o percentual de 80% de satisfação]
B. 
30,8%; 25,0%; 21,7%; 15,0%; 7,5%
B
Pode ser utilizado para quaisquer tipos de variáveis.
B
Tabela
A média de altura dos clientes é de 1475,3 cm com um desvio padrão (variabilidade) de 7,69 cm. Já a média de peso desses clientes é de 80,8 kg, com um desvio padrão de 12,44 kg
E. 
Digitar igual – digitar média – abrir parênteses – selecionar os dados de todas as idades – fechar parênteses – digitar enter.
C. 
Digitar igual – digitar desvpad.a – abrir parênteses – selecionar os dados de todas as perdas de gordura – fechar parênteses – digitar enter.
D. 
O educador pode concluir que o teste é significativo, já que existe diferença em pelo menos um dos protocolos quanto a eficiência de perda de peso.
E. 
Aba inserir – gráficos – pizza – selecionar dados – clicar ok.
C. 
Tabela dinâmica.
TABELA
D. 
2
B. 
8
C. 
Qualitativa nominal.
D. 
Encontrando o valor que separa dois grupos iguais, contendo 50% dos indivíduos cada um.
D. 
4, 2 e 3
Respostas do fornecedor A: média = 22,2, desvio padrão = 3,96 e CV = 17,84%.
̅= 20 + 21 + 22 + 29 + 19
5 = 22,2
= (20 − 22,2)2 + (21 − 22,2)2 + (22 − 22,2)2+(29 − 22,2)2 + (19 − 22,2)2
5 − 1 = 3,96
= 3,96
22,2 . 100 = 17,84%
Respostas do fornecedor B: média = 24, desvio padrão = 4,08 e CV = 17,01%.
̅= 20 + 21 + 27 + 28
5 = 24
= (20 − 24)2 + (21 − 24)2+(27 − 24)2+(28 − 24)2
4 − 1 = 4,08
= 4,08
24 . 100 = 17,01%
Embora o desvio padrão seja mais alto para o fornecedor B, este é o que tem o
menor CV e, consequentemente, tem as entregas mais homogêneas.
E. 
199,2 - 235 - 203
D. 
28,38%. 
B. 
2,85 litros
C. 
341 e 300. 
D. 
97.
Chamando um lado da moeda de Cara e outro de Coroa, temos quatro possibilidades em dois lançamentos: Cara e Cara, ou Cara e Coroa, ou Coroa e Cara, ou, finalmente, Coroa e Coroa. Lembrando que foi pedido o mesmo lado, mas não foi determinado qual deles. Queremos Cara e Cara ou Coroa e Coroa. Como temos dois eventos desejados em quatro possíveis, a probabilidade será: 2/4 = 0,50 ou 50%.
D. 
A ocorrência de um exclui (impede) a ocorrência do outro.
E. 
Aqueles em que a interseção entre eles é vazia e a união resulta no conjunto espaço amostral U.
A. 
A realização de um evento não afeta o resultado do outro.
B. 
A realização do primeiro evento afeta a probabilidade dos próximos
C. 
2,78%.
a) É a soma das probabilidades de não ter nenhuma peça com defeito e ter apenas uma com defeito, que é: 0,1074 + 0,2684 = 0,3758 ou 37,58%.
 
b) 9,75%
ANEXAR TABELA
B. 
1º grupo: 0; 8/8; 2 e 3 e 2º grupo: 1,1; 1,2; 1,3; 1,5 e 2.
D. 
Luizinho, pois a resposta correta é 1,56%.
E. 
Luizinho, pois o número que se deseja tirar não altera a probabilidade.
B. 
Huguinho. A nova probabilidade será 0,8%.
E. 
5,21%
Distribuição uniforme: utilizada quando a probabilidade pode ser calculada por meio de uma média entre dois valores.
Distribuição exponencial: utilizada quando a distribuição não é simétrica e possui valores de zero ao infinito.
Distribuição normal: utilizada quando queremos calcular uma faixa de probabilidades.
Distribuição binomial: utilizada quando temos as probabilidades de sucesso e fracasso de um evento.
C. 
294 salários.
D. 
783 pontos.
B. 
9,2%. O brinquedo é razoavelmente perigoso e deveria ser interditado.
B. 
762 horas.
C. 
31,74%
1.As melhores medidas de tendência central para expressar dados paramétricos é a média, e a melhor medida de dispersão e variabilidade é o desvio-padrão.
2.A média e os desvios-padrão consideram todos os dados em seus cálculos, são as medidas mais completas e com melhor possibilidade de análise e interpretação. Podem ser utilizadas sempre que os dados são paramétricos, mas não devem ser utilizadas se os dados fugirem da normalidade (não constituírem uma curva de Gauss).
3.Os principais testes para análise de dados paramétricos são:
- Teste t de Student para amostras independentes;
- Teste t de Student para amostras pareadas;
- Anova;
- Anova para medidas repetidas;
- Correlação de Pearson.
ANEXAR TABELA
B. 
b) 1,96 desvio-padrão.
D. 
d) 39,44%
A. 
a) 10,56%.
A. 
a) Teste t de Student para amostras independentes, teste t de Student para amostras pareadas e análise de variância.
E. 
e) Uma distribuição paramétrica é um conjunto de dados quantitativos que apresenta sua distribuição de frequências no formato de uma curva de Gauss. Tem propriedades específicas, o que permite algumas análises e limita outras.
Quanto aos termos estatísticos, população é um conjunto finito ou infinito, amostra é um subconjunto finito da população e erro amostral é a diferença entre o resultado da amostra e a realidade populacional. Já a diferença entre amostra probabilísticae não-probabilística está no critério de seleção dos elementos da amostra, enquanto a diferença entre quantitativo e qualitativo se encontra nos dados e na forma como eles são encarados.
População refere-se a um conjunto infinito ou finito de elementos que pode ser composto de pessoas, objetos ou informações. Já amostra refere-se a um conjunto finito de elementos que fazem parte da população, ou seja, a amostra é uma fração da população.
O erro amostral caracteriza-se por uma diferença no resultado obtido através da amostra e o resultado obtido através da população. Nesse sentido, a escolha ideal do tamanho da amostra reduz o erro amostral.
Já a diferença entre amostra probabilística e amostra não-probabilística está na seleção dos elementos que irão compor a amostra. Na amostra probabilística os elementos são selecionados aleatoriamente e todos os elementos da população possuem a mesma chance de serem selecionados para participarem da amostra. Já na amostra não-probabilística os elementos são selecionados de acordo com os critérios do pesquisador.
Por fim, a diferença entre os grupos de amostras qualitativo e quantitativo está nos elementos. Elementos de uma amostra qualitativa são encarados de maneira diferenciada a partir de suas características, enquanto os elementos de uma amostra quantitativa são encarados todos do mesmo modo.
D. 
O quarto amigo entende que as amostra devem conter, pelo menos, um elemento de uma população e não podem conter todos eles.
E. 
pode ser utilizada para análise estatística.
D. 
possui diversos usos, mas não pode ser utilizada para inferências estatísticas.
E. 
O último observou que só adianta ser mais rápido e mais barato trabalhar com amostras, se todas tiverem as mesmas características da população.
E. 
Pode-se dizer que amostra quantitativa preocupa-se mais com as características comuns ao total de elementos da amostra, enquanto a qualitativa preocupa-se com as características de cada elemento.
Em uma amostra quantitativa, cada elemento tem a mesma importância e poucas informações são obtidas. Nas qualitativas, diversas características do mesmo elemento são verificadas. Um exemplo típico é uma caixa com diversas bolas de cores diferentes. Uma amostra quantitativa se preocupa em saber quantas bolas de cada cor foram retiradas, e a qualitativa se interessa em saber se a pintura de cada bola está uniforme, se o peso e o formato estão dentro de padrões pré-estabelecidos
C. 
Amostragem por bola de neve. Você pedirá a cada funcionário que indique três pessoas com quem eles se relacionam bem. Os funcionários mais citados são os que efetivamente se relacionam bem com a maioria.
E. 
Pode ser utilizada para a análise estatística.
D. 
Possui diversos usos, mas não pode ser utilizada para inferências estatísticas
E. 
Será mais rápido e mais barato trabalhar com amostras se todas tiverem as mesmas características da população.
E. 
Pode-se dizer que a amostra quantitativa se preocupa mais com as características comuns ao total de elementos da amostra, enquanto a qualitativa se preocupa com as características de cada elemento.
Primeiro, vamos definir o tamanho da amostra: se são 1.000 peças e queremos 1% de amostras, basta calcular 1% de 1.000 que resulta em 10.
Para a amostragem aleatória simples, iremos numerar as 1.000 peças e sortear cada uma das 10 desejadas para compor nossa amostra. Já para a amostragem aleatória sistemática, também iremos numerar as 1.000 peças, mas sortearemos apenas o primeiro elemento da amostra. Os outros 9 serão obtidos adicionando-se 100 (obtido de 1.000/10) ao número do primeiro elemento.
D. 
O quarto entende que, para a amostra ser aleatória, é necessário que todo elemento da população tenha a mesma possibilidade de fazer parte da amostra.
E. 
O quinto acha que enquanto na amostragem aleatória simples todos os elementos são sorteados, na amostragem aleatória sistemática apenas o primeiro é sorteado. Os demais são obtidos adicionando “k”.
E. 
Todos os números da amostra precisam ter sidos sorteados. Não é possível a adição de nenhuma constante ao primeiro que foi sorteado, ou a amostra deixa de ser aleatória simples.
D. 
A 976ª.
A. 
A sexta
Considerando que você terá uma reunião com a diretoria da grande empresa em que trabalha, parte do argumento de que as pesquisas demonstram a viabilidade do projeto, sendo que as probabilidades dele dar certo são altas.
Com base nos dados pesquisados sobre o mercado, fica claro se tratar de um projeto com viabilidade econômica, que estatisticamente verifica-se a grande chance de retorno no curto, médio e longo prazo.
A. 
I. 148,3 e 155,5.
II. Entre 54% e 92%.
A. 
Entre 23,04 e 26,96.
A. 
1,60 m e 1,80 m
D. 
120 pessoas
C. 
A margem de erro é de 3%, ou seja, ele pode ganhar a eleição com 54% ou perdê-la com 48%, se os demais 52% votarem no outro candidato.
O erro amostral seria o padrão divergente do intervalo de confiança, ou seja, se os pesquisadores decidiram por 95% de confiança, o máximo de erro tolerável seria 5%. Este erro poderia estar relacionado com falta de respostas nas perguntas, padrões de clientes muito diferentes dos convencionais ou perdas ao longo do processo. Todas as dificuldades estatísticas nas medidas comporiam este erro de 5% aceito.
O intervalo de confiança de 95% neste caso significa que, dadas as dificuldades de chegar ao cliente ideal para consumir o novo produto, seria importante que o pesquisador conseguisse uma garantia de 95%. Esse número, por estar mais próximo do total (100%), auxiliaria em tomadas de decisões mais corretas.
Não será válido considerar 90% de intervalo de confiaça porque, no enunciado do desafio, é mencionado que a empresa tem dificuldade em encontrar o perfil ideal de clientes. Sendo assim, quanto mais intervalo de confiança, mais garantia de resultado. Se fosse aceito 10% de erro, talvez a empresa tivesse dificuldades futuras em classificar os clientes.
E. 
Intervalo de confiança: probabilidade de um intervalo de confiança conter o parâmetro populacional.
A. 
V - V- V - F - F.
B. 
O cálculo do intervalo de confiança envolve a determinação de uma distância abaixo (XL) e acima (XU), da média populacional (μ), que contém uma área especificada da curva normal.
C. 
Refere-se à taxa de ocorrência ou à porcentagem de pessoas em condições de participar do estudo.
A. 
Incentivos, notificação prévia e motivação dos entrevistados
ANEXAR TABELA
E. 
Teste t de Wilcoxon.
A. 
Teste U de Mann-Whitney.
D. 
Teste de Friedman.
B. 
Teste t de Wilcoxon
E. 
Correlação de Spearman.
O erro tipo I ocorre quando a hipótese nula é verdadeira, mas nós a rejeitamos, e o erro tipo II, quando a hipótese nula é falsa, mas nós NÃO a rejeitamos. Ou seja, no caso do juiz, o erro tipo I incorreria se determinada pessoa inocente fosse condenada, e o erro tipo II, se a pessoa culpada não fosse condenada. Já, quando a pessoa é culpada e condenada ou, por outro lado, ela é inocente e absolvida (ou não condenada), considera-se que as decisões tomadas são perfeitas.
D. 
se a hipótese não for rejeitada ao nível de 10%, necessariamente não será rejeitada ao nível de 5%.
A. 
A pessoa somente deve ser condenada se existir uma prova de sua culpa. A consequência é que uma pessoa culpada, se não existir prova, pode acabar não sendo condenada.
A. 
Uma amostra, duas amostras independentes, duas amostras dependentes e para várias amostras.
C. 
Não podemos afirmar o erro do tipo II no teste realizado.
D. 
 Promoveria o candidato A, pois ele apresentou a maior produtividade
A diferença entre testes relativos à média de testes relativos às proporções é que, nos primeiros, se busca testar especificamente a média, enquanto nos testes de proporções, busca-se identificar qual o percentual (ou proporção) de elementos de uma população atende a uma determinada premissa, ou seja, quais possuem uma determinada característica.
Sobre os testes relativos à média, a(s) principal(is) diferença(s), ao se trabalhar com pequenas ou com grandes amostras é (são) que, nas grandesamostras, considera-se a distribuição normal (e utiliza-se sua respectiva tabela) e, nas pequenas amostras, se utiliza outra distribuição que não a normal. A distribuição mais utilizada é a Student, pela facilidade de se encontrar sua tabela, mas isso não é obrigatório e o estudo de alguns eventos utiliza outras distribuições.
A. 
Não há evidências suficientes para recusar o lote, ou seja, ele deve ser aceito.
A. 
Você concorda que caiu, mas não ao nível de 5%
C. 
Sim, o treinamento melhorou, pois é feito em menos tempo
E. 
Existem evidências suficientes para afirmarmos que o peso médio é diferente de 500g.
D. 
Não, pois os habitantes não vivem além dos 60 anos, em proporção de 0,60.
O modelo é significativo, pois o valor de p para o teste foi igual a 2,59XE-16, ou seja, muito inferior ao nível de significância de 5%.
A equação da reta que estima os valores de y é dada por:
y = 79,06 + 91,29 x, e ambos os coeficientes são significativos.
Uma máquina com 12 anos tem gasto anual com manutenção estimado de R$ 1.174,54.
y = 79,06 + 91,29 * 12 = 1174,54
Uma máquina com 2 anos tem gasto anual com manutenção estimado de R$ 261,64.
y = 79,06 + 91,29 * 2 = 261,64
D. 
A significância do teste para a regressão é inferior a 5%
A. 
y = 88,41 x +13,69
D. 
Conforme aumenta o número de unidades, o custo diminui em 69,79 unidades.
E. 
-51,81.
B. 
R$ 5.990,28.
Variável dependente (quantidade de consumo do produto):
y = Consumo do produto
Variáveis independentes (tipos de consumidores):
x1 = consumidores vegetarianos
x2 = consumidores veganos
x3 = consumidores intolerantes a glúten ou lactose
x4 = consumidores adeptos do viés sustentável
x5 = consumidores indivíduos em dieta
x6 = consumidores que optam por se alimentar com maior qualidade
A situação poderia se aplicar em uma correlação no momento em que pudesse provar que existe uma relação entre cada um dos perfis dos consumidores (variáveis independentes) com o consumo do produto (variável dependente).
Para possibilitar e analisar estas correlações de forma correta e abrangente, é possível usar regressão, onde será possível ver o nível de correlação (r), para cada consumidor.
A. 
a) Correlação momento-produto (r) é uma estatística que resume a força de associação entre duas variáveis não métricas.
A. 
I, II e III estão corretas.
C. 
Procedimento de dedução de uma relação matemática, na forma de uma equação, entre uma única variável métrica dependente e uma única variável métrica independente ou previsora.
A. 
Tabela
E. 
Coeficiente bivariado.