Baixe o app para aproveitar ainda mais
Prévia do material em texto
A4- ESTATÍSTICA DESCRITIVA 1- Se uma variável aleatória x é normalmente distribuída, você pode encontrar a probabilidade de x em determinado intervalo ao calcular a área sob a curva normal para um dado intervalo. Para encontrar a área sob qualquer curva normal, você pode, primeiramente, converter os limites inferiores e superiores do intervalo para z-escores e determinar a área sob a curva normal. Diante desse contexto, é correto afirmar que, se a quantidade de radiação cósmica a que uma pessoa está exposta ao atravessar o território brasileiro em um avião a jato é uma variável aleatória normal com e , então, a probabilidade de uma pessoa em tal voo estar exposta a mais de 5,00 mrem de radiação cósmica é igual a: • aproximadamente 0,13 • aproximadamente 0,14 • aproximadamente 0,15 • aproximadamente 0,17 • aproximadamente 0,16 aproximadamente 0,14 Resposta correta: é necessário calcular a área sob a curva normal em que e . Para tanto, vamos calcular o escore . A partir da tabela de escore z, encontramos que para a área é equivalente a 0,3643, portanto, uma pessoa estar exposta a mais de 5,00 mrem de radiação cósmica é equivalente a , ou aproximadamente 0,14. 2- Ao se trabalhar com variáveis aleatórias contínuas, a função em um determinado ponto é a soma das probabilidades dos valores de menores ou iguais a . Figura: Distribuição de probabilidade com variável aleatória x Fonte: NETO, P. L. O.; CYMBALISTA, M. Probabilidades. São Paulo: Edgard Blucher, 2012. A área hachurada correspondente ao valor p da figura anterior é calculada através da função: • Distribuição de probabilidade acumulada. • Distribuição de frequências acumuladas. • Distribuição de Bernoulli. • Distribuição binomial. • Distribuição de Poisson. Distribuição de probabilidade acumulada. Resposta correta: a área hachurada correspondente ao valor p da figura é calculada por meio da função da distribuição de probabilidade acumulada. 3- Conforme aponta Castanheira (2013), a distribuição normal de probabilidade é uma distribuição de probabilidade contínua, simétrica em relação à média e assintótica em relação ao eixo das abscissas, em ambas as direções. É também conhecida como distribuição gaussiana e modela o comportamento de diversas variáveis aleatórias que envolvem a análise de processos empresariais ou demais fenômenos naturais, além de poder ser usada com o intuito de aproximar distribuições discretas de probabilidade. CASTANHEIRA, N. P. Estatística aplicada a todos os níveis. Curitiba: Intersaberes, 2013. De acordo com as características atribuídas a uma distribuição normal, avalie as afirmativas a seguir. I. Uma vez que e geram uma distribuição normal, as tabelas de probabilidade normal são fundamentadas em uma distribuição normal de probabilidade, com e . II. Se uma população tem distribuição normal, conforme define o teorema central do limite, a distribuição das médias amostrais retiradas dessa população também terá distribuição normal. III. Pode ser utilizada como aproximações de outras distribuições de probabilidade, como a distribuição de Poisson e a distribuição binomial. É correto o que se afirma em: II e III, apenas. Resposta correta: de acordo com o estudo da distribuição normal, as tabelas de probabilidade normal são fundamentadas em uma distribuição normal de probabilidade, com média e desvio-padrão , e não o contrário. Estudamos também o teorema central do limite em que a distribuição das médias amostrais tende a uma distribuição normal e a distribuição normal pode ser utilizada como aproximações de outras distribuições, como a binomial e a de Poisson. 4- Se eventos ou sucessos seguem a distribuição de Poisson, podemos determinar a probabilidade de que o primeiro evento ocorra dentro de um período de tempo designado, , como o tempo para percorrer certa distância pela distribuição de probabilidade exponencial. Como estamos tratando com o tempo nesse contexto, a exponencial é uma: • distribuição de probabilidade variável. • distribuição de probabilidade contínua. • distribuição de probabilidade aleatória. • distribuição de probabilidade composta. • distribuição de probabilidade discreta. distribuição de probabilidade contínua. Resposta correta: a distribuição exponencial é um exemplo de distribuição de probabilidade contínua. Nesse tipo de distribuição, as variáveis assumem um intervalo infinito de valores. Entre os inúmeros exemplares desse tipo de variável, está o tempo para percorrer certa distância. 5- Para Martins e Domingues (2017), uma função de distribuição acumulada (FDA) calcula a probabilidade acumulada para um determinado valor de x, em que uma observação aleatória extraída da população é menor ou igual a um valor específico, maior do que um valor específico ou está entre dois valores específicos. MARTINS, G. A.; DOMINGUES, O. estatística geral e aplicada. São Paulo: Atlas, 2017. A partir do texto, avalie as asserções a seguir e a relação proposta entre elas. I. Existem diferenças quanto ao uso da distribuição acumulada para variáveis contínuas ou discretas. Porque, II. Para distribuições contínuas, a função de distribuição acumulada indica a área sob a função densidade de probabilidade, até o valor de x fixo; para distribuições discretas, a função de distribuição acumulada gera a probabilidade acumulada para os valores de x previamente estipulados. A respeito dessas asserções, assinale a opção correta. • A asserção I é uma proposição verdadeira e a II é uma proposição falsa. • As asserções I e II são proposições falsas. • As asserções I e II são proposições verdadeiras, mas a II não é uma justificativa correta da I. • As asserções I e II são proposições verdadeiras e a II é uma justificativa correta da I. • A asserção I é uma proposição falsa e a II é uma proposição verdadeira. As asserções I e II são proposições verdadeiras e a II é uma justificativa correta da I. Resposta correta: existem diferenças quanto ao uso da distribuição acumulada para variáveis contínuas ou discretas. Dessa maneira, para distribuições contínuas, a função de distribuição acumulada indica a área sob a função densidade de probabilidade, até o valor de x determinado; para distribuições discretas, a função de distribuição acumulada gera a probabilidade acumulada para os valores de x pré-definidos. 6- A distribuição normal é um modelo probabilístico muito usado para modelar fenômenos físicos, na natureza, na indústria e nos negócios. São muitas as aplicações no contexto da inferência estatística, em que decisões têm de ser tomadas com base nos resultados obtidos a partir de uma amostra. Considerando o contexto apresentado, avalie as seguintes proposições e a relação proposta entre elas. I. A análise da pressão arterial sistólica e diastólica de um adulto é um exemplo de distribuição de probabilidade contínua. Porque, II. Temos um fenômeno modelado por uma variável aleatória contínua, cujo gráfico em forma de sino se prolonga indefinidamente em ambas as direções. A respeito dessas proposições, assinale a opção correta. • As proposições I e II são falsas. • As proposições I e II são verdadeiras, e a II é justificativa da I. • As proposições I e II são verdadeiras, mas a II não é justificativa da I. • A proposição I é verdadeira e a proposição II é falsa. • A proposição I é falsa e a proposição II é verdadeira. As proposições I e II são verdadeiras, e a II é justificativa da I. Resposta correta: apenas a pressão arterial modela-se conforme os parâmetros de uma distribuição normal, que corresponde a uma distribuição de probabilidade contínua e não discreta. 7- Entre as várias aplicações citadas por Castanheira (2013), a distribuição de Poisson é frequentemente usada em pesquisa operacional e na solução de problemas administrativos, sendo possível encontrá-la quando desejamos determinar o número dechamadas telefônicas para uma empresa por hora, o número de clientes em uma fila de um banco ou ainda o número de acidentes de tráfego no cruzamento de uma cidade por semana. CASTANHEIRA, N. P. Estatística aplicada a todos os níveis. Curitiba: Intersaberes, 2013. Considere que são vendidos, no verão, em média 54 sorvetes diariamente, de acordo com uma variável aleatória x, que segue a distribuição de Poisson. Qual a probabilidade aproximada de que, em certo dia, sejam vendidos exatamente 50 sorvetes? • 5%. • 15%. • 0,5%. • 20%. • 10%. 5%. Resposta correta: de acordo com os cálculos da distribuição de Poisson, para que possamos determinar exatamente 50 sorvetes, temos a seguinte probabilidade: . 8- Uma equação que representa a distribuição de probabilidade de uma variável aleatória contínua é denominada de função densidade de probabilidade e resulta em uma curva em forma de sino. Com base no estudo da distribuição normal, apontamos o seguinte problema: após um longo período de estudo, foi identificado que a vida útil de determinado componente eletrônico tem distribuição normal com média de 39 semanas e desvio-padrão de 2 semanas. Diante essa definição, assinale V para as verdadeiras e F para as falsas, para a probabilidade de que a vida útil de um componente eletrônico seja maior que 35 semanas. I. Devemos considerar área à direita de . II. O valor do escore z é igual a 1,00. III. Devemos considerar o valor do escore z positivo igual a 2,00. IV. A área correspondente equivale a 0,4772. V. A área correspondente equivale a 0,9772. A sequência correta é: F, F, V, F, V. Resposta correta: primeiramente, vamos realizar a conversão do valor da variável x para o escore z, logo: . Tendo esse valor, consulte a tabela e verifique qual o valor da área correspondente que é igual a 0,4772. No entanto, atente-se ao fato de que é necessário somar essa área a 0,5, por isso, a probabilidade solicitada equivale a 97,72%. 9- Conforme expõe Triola (2017), na medida em que o tamanho da amostra aumenta, a distribuição das médias amostrais tende para uma distribuição normal com média e desvio-padrão , sendo n o tamanho da amostra, e a média e o desvio-padrão da população. TRIOLA, M. Introdução à Estatística. Rio de Janeiro: LTC, 2017 A respeito do teorema do limite central, analise as afirmativas a seguir. I. Amostras de tamanho n são extraídas aleatoriamente de uma população. II. Para amostras de tamanho n<30, a distribuição das médias amostrais pode ser aproximada por uma distribuição normal. III. O teorema do limite central envolve duas distribuições diferentes: a distribuição da população original e a distribuição das médias amostrais. IV. Os dados influenciados por muitos efeitos aleatórios pequenos e não relacionados têm distribuição aproximadamente normal. V. O teorema central do limite tem importância fundamental na estatística, porém é aplicado apenas em populações infinitas. Está correto o que se afirma em: apenas I, III e IV. Resposta correta: quando o tamanho da amostra aumenta, independentemente da forma da distribuição da população, a distribuição amostral da média de aproxima-se cada vez mais de uma distribuição normal. Esse resultado fundamental na teoria da Inferência Estatística é conhecido como teorema do limite central (TLC). O TLC afirma que a média de X aproxima-se de uma normal quando n tende para o infinito, sendo que a distribuição das médias amostrais é a mesma que a média da população, no entanto, o desvio-padrão da amostra é menor que o desvio- padrão da população, o que leva a uma menor dispersão em torno da média. Para amostras da ordem de 30 ou 50 elementos, a aproximação pode ser considerada boa. 10- O teorema central do limite fundamenta o ramo inferencial da estatística. O teorema é uma ferramenta importante que fornece a informação necessária ao usar estatísticas amostrais para fazer inferências sobre a média de uma população. LARSON, R.; FARBER, B. Estatística Aplicada. 6. ed. São Paulo: Pearson, 2016. Assinale a alternativa que apresenta o que declara o teorema do limite central? • Quando o tamanho da amostra aumenta, a distribuição amostral das médias amostrais tende para uma distribuição acumulada. • Na medida em que o tamanho da amostra aumenta, a distribuição amostral das médias amostrais tende para uma distribuição normal. • A distribuição amostral das médias amostrais tende para uma distribuição binomial quando o tamanho da amostra aumenta. • Quando o tamanho da amostra diminui, a distribuição amostral das médias amostrais tende para uma distribuição exponencial. • Na medida em que o tamanho da amostra diminui, a distribuição amostral das médias amostrais tende para uma distribuição normal. Na medida em que o tamanho da amostra aumenta, a distribuição amostral das médias amostrais tende para uma distribuição normal. Resposta correta: o teorema central do limite é um teorema fundamental de probabilidade e estatística. De acordo com o teorema, a média amostral tem a mesma média da população, no entanto, o desvio-padrão amostral é menor que o desvio-padrão da população, o que torna a distribuição mais concentrada. A4- ESTATÍSTICA DESCRITIVA
Compartilhar