Métodos Quantitativos II

Prévia do material em texto

Questão 1Correta
Em uma telefonia para reclamação de produtos eletrônicos comprados pela internet, fez-se uma pesquisa com os consumidores sobre o tempo de espera até o atendimento por telefone. Os dados encontrados seguem uma distribuição normal. O tempo médio de espera é de 6 minutos e o desvio-padrão é de 2 minutos.
Considere a tabela de distribuição normal padrão mostrada a seguir:
Fonte: Larson; Farber (2010, p. A16 e 17).
Assinale a alternativa que mostra a probabilidade de uma pessoa ficar um tempo de espera menor que 7 minutos para ter um atendimento e a probabilidade de uma pessoa ficar entre 7 a 9 minutos em espera para o atendimento, respectivamente:
Sua resposta
69,15 e 24,17%.
Correto: Convertendo x em z tem-se que: $z=\frac{x-\mu}{\sigma}$z=x−μσ, onde x é o valor estudado, µ é a média e σ é o desvio-padrão. Assim, $z=\frac{7-6}{2}=\frac{1}{2}=0,50.$z=7−62=12=0,50. Observando a tabela de distribuição normal padrão para o valor de z = 0,50 a probabilidade do valor é 0,6915, ou seja, 69,15% de chance do tempo de espera ser menor que 7 minutos par o atendimento. Convertendo x em z tem-se que: Para o tempo de 9 minutos tem-se que: $z=\frac{9-6}{2}=\frac{3}{2}=1,50.$z=9−62=32=1,50. Observando a tabela de distribuição normal padrão para o valor de z = 1,50 a probabilidade do valor é de 0,9332, ou seja, 93,32%. Observando a tabela de distribuição normal padrão para o valor de z = 0,50 a probabilidade do valor é de 0,6915, ou seja, 69,15%. Portanto, a probabilidade do tempo de espera estar entre 7 a 9 minutos é de 0,9332 – 0,6915 = 0,2417 ou 24,17%.
Questão 2Correta
O teorema central do limite nos remete à convergência de somas de variáveis aleatórias para uma distribuição normal e é considerado, pela sua importância na teoria e em aplicações, como o teorema básico mais central da probabilidade. A palavra central para esse teorema limite foi dado pelo matemático George Polya. O nome mais usual é "Teorema Central do Limite" que deixa explícito que o adjetivo central se refere ao teorema e não ao limite.
Fonte:Disponível em:Acesso.04.Set.2018.
 
I - O Teorema Central do Limite (TLC)  afirma que a distribuição amostral da média aproxima-sede uma curva normal, e, além disso, essa distribuição tem a mesma média que a população e variância . 
PORQUE 
II -Quanto maior o número de amostras, mais precisão teremos para a média, pois  diminui conforme  aumenta.
A respeito dessas asserções, assinale a alternativa correta
Sua resposta
As asserções I e II são proposições verdadeiras, e a II é uma justificativa da I.
No teorema do limite central, para n amostras aleatórias simples, retiradas de uma população com média μ e variância σ2 finita, a distribuição amostral da média aproxima-se, para n grande, de uma distribuição normal, com média μ e variância  $\frac{\sigma^2}{n}$σ2n  . E quanto maior o número dados da amostra maior a precisão para a média, pois quanto maior for n menor é  $\frac{\sigma^2}{n}$σ2n .
Questão 3Correta
O objetivo do teste estatístico de hipóteses é fornecer uma metodologia que nos permita verificar se os dados amostrais trazem evidências que apoiem ou não uma hipótese (estatística) formulada. Com base em informações sobre os testes estatístico analise os itens que seguem.
I- Ao realizarmos um teste de hipótese para média em que a variância populacional é conhecida utilizamos a distribuição de Student.
II- Os testes de hipóteses podem ser utilizados para comparar uma estimativa com um parâmetro (valor de referência) ou, então, comparar duas estimativas entre elas, ou mais de duas estimativas.
III- Ao realizarmos um teste de hipótese para média em que a variância populacional é desconhecida utilizamos a distribuição normal padrão.
Assinale a alternativa correta.
Sua resposta
Apenas o item II está correto.
O item I está incorreto, pois ao realizarmos um teste de hipótese para média em que a variância populacional é conhecida utilizamos a distribuição normal padrão. O item II está correto. O item III está incorreto, pois, ao realizarmos um teste de hipótese para média em que a variância populacional é desconhecida utilizamos a distribuição de Student.
Questão 4Correta
Os jogos de cartas, na maioria das vezes envolvem probabilidades em relação a próxima que pode ser recebida ou jogada pelos jogadores.
Qual a probabilidade de tirar um rei ou uma dama ao retirar ao acaso uma carta de um baralho com 52 cartas, que possui quatro naipes (copas, paus, ouros e espadas) sendo 1 rei e 1 dama em cada naipe?
Assinale a alternativa correta.
Sua resposta
15,38 %.
O evento de interesse é tirar um rei ou uma dama do baralho. Se há quatro naipes e cada naipe possui um rei e uma dama, logo, o número de possibilidades de retirar um ás é igual a 8. O número de casos possíveis corresponde ao número total de cartas, que é 52. Substituindo na fórmula de probabilidade, temos: P = 8/52 = 0,1538 = 15,38 %
Questão 5Correta
Ao realizar uma estimativa é possível estimar o erro que se está cometendo com essa estimativa. O erro de estimação pode ser determinado por:
Considere uma situação onde foi realizada uma pesquisa populacional que resultou em uma variância σ² = 4 para uma amostra de n = 30.
Qual o erro máximo ao estimar a verdadeira média dessa população com uma precisão de 95 % (zγ = 1,96)?
Sua resposta
0,72.
Para se realizar a resolução do problema, deve ser aplicada a equação apresentada no enunciado, realizando a substituição dos valores como segue.  Portanto, com precisão de 95%, o erro máximo que cometemos ao estimar a verdadeira média dessa população com base em uma amostra de tamanho n = 30 é ε = 0,72