aAtividade 4 EAD

Prévia do material em texto

PERGUNTA 1
A Distribuição Normal também é conhecida como distribuição gaussiana e indica o comportamento de diversos processos nas empresas e muitos fenômenos comuns, além de poder ser usada com o intuito de aproximar distribuições discretas de probabilidade. 
  
LARSON, Ron; FARBER, Betsy. Estatística Aplicada. 6. ed. São Paulo: Pearson, 2016, p.201. 
  
  
Baseado nas características atribuídas a Distribuição Normal, avalie as afirmativas a seguir. 
  Uma vez que μ e σ geram uma distribuição normal, as tabelas de probabilidade normal são fundamentadas em uma distribuição normal de probabilidade com μ=0 e σ=1; 
 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, a distribuição das médias amostrais retiradas desta população também terá distribuição normal. 
  
III – Podem ser utilizadas como aproximações de outras distribuições de probabilidade, como a de Poisson e a Binomial. 
É correto o que se afirma em:
	
	
	I, apenas.
	
	
	I e II, apenas.
	
	
	I e III, apenas.
	
	
	II e III, apenas.
	
	
	I, II e III.
PERGUNTA 2
1. Na curva normal, uma vez que cada combinação de (média) e S (desvio padrão da distribuição) geraria uma distribuição normal de probabilidade diferente, as tabelas de probabilidades da distribuição normal baseiam-se em  e . Sendo assim, qualquer conjunto de valores X distribuídos normalmente podem ser convertidos em valores normais z padronizados. 
Desta forma, se uma caixa possuir um total de 500 retalhos e possuir uma distribuição normal com média de tamanho desses retalhos igual a 10 cm e desvio padrão igual a 2. O valor de z correspondente aos retalhos que poderão medir menos que 6 cm será:
	
	
	5,0.
	
	
	2,0.
	
	
	-2,0.
	
	
	4,0
	
	
	-4,0.
 
 
 
PERGUNTA 3
1. A distribuição de probabilidade contínua mais importante e mais utilizada é a distribuição normal, costumeiramente denominada como curva normal ou curva de Gauss. Seu estudo é muito importante, pois muitas técnicas estatísticas, como análise de variância, de regressão e alguns testes de hipótese, assumem e exigem a normalidade dos dados. 
  
Um dos motivos pelos quais a distribuição normal é importante na inferência estatística é por:
	
	
	nenhuma outra distribuição segue os padrões da distribuição normal.
	
	
	as medidas produzidas por processos aleatórios semelhantes seguirem essa distribuição.
	
	
	seus resultados poderem ser utilizados como aproximações de outras distribuições de probabilidade.
	
	
	apesar de receber o nome de distribuição normal, não tem haver com nenhuma padronização.
	
	
	na curva normal, a média, a moda e a mediana possuírem valores diferentes.
PERGUNTA 4
1. A Distribuição Exponencial assemelha-se com a Distribuição de Poisson, pois ambas descrevem o espaço ou o tempo. De acordo com o trecho acima e estudos realizados na Unidade 4 desta disciplina, um exemplo da aplicação da distribuição exponencial é:
	
	
	o tempo de espera em uma fila de banco.
	
	
	lançamento de uma moeda para obtenção de cara.
	
	
	jogar um dado para obter o valor 2 em uma única jogada.
	
	
	um parafuso defeituoso ser selecionado em um lote de peças para venda.
	
	
	um prêmio de loteria ser sorteado para um jogador com 10 apostas.
PERGUNTA 5
1. A probabilidade de uma criança tornar-se obesa em uma família de obesos é de 0,07. Deseja-se calcular a probabilidade de crianças nascerem obesas, numa amostra de 100 famílias obesas. 
Considerando , a probabilidade de que 5 crianças tornem-se obesas em 100 famílias obesas será de:
	
	
	5%.
	
	
	7%.
	
	
	323,3%.
	
	
	15,29% .
	
	
	12,75%.
PERGUNTA 6
1. Em meados dos séculos XVIII e XIX, matemáticos e físicos elaboraram uma equação que representa a distribuição de probabilidade de uma variável aleatória contínua, ou seja, função densidade de probabilidade. Essa função resultou em uma curva em forma de sino. 
  
Considerando os conhecimentos adquiridos nos estudos da unidade 4 da disciplina. O excerto acima refere-se à:
	
	
	Distribuição de Bernoulli.
	
	
	Distribuição Normal.
	
	
	Distribuição de Poisson.
	
	
	Probabilidade Condicional.
	
	
	Teorema de Bayes.
PERGUNTA 7
1. A função distribuição acumulada (FDA) calcula a probabilidade acumulada para um determinado valor de x. Utiliza-se a FDA para determinar a probabilidade de que uma observação aleatória extraída da população seja menor ou igual a um determinado valor, maior do que um determinado valor ou esteja entre dois valores. 
  
MARTINS, Gilberto de Andrade; DOMINGUES, Osmar. Estatística Geral e Aplicada. São Paulo: Atlas, 2017,p.130. 
  
A partir do texto, avalie as asserções a seguir e a relação proposta entre elas. 
  
Existem diferenças quanto ao uso da distribuição acumulada para variáveis contínuas ou discretas. 
  
PORQUE 
  
Para distribuições contínuas, a função de distribuição acumulada indica a área sob a função densidade de probabilidade, até o valor de x 
fixo e para distribuições discretas, a função de distribuição acumulada gera a probabilidade acumulada para os valores de xpreviamente estipulado. 
  
A respeito dessas asserções, assinale a opção correta.
	
	
	As asserções I e II são proposições verdadeiras e a II é uma justificativa correta da I.
	
	
	As asserções I e II são proposições verdadeiras, mas a II não é uma justificativa correta da I.
	
	
	A asserção I é uma proposição verdadeira e a II é uma proposição falsa.
	
	
	A asserção I é uma proposição falsa e a II é uma proposição verdadeira.
	
	
	As asserções I e II são proposições falsas.
PERGUNTA 8
1. O Teorema do Limite Central fundamenta o ramo inferencial da estatística. [...] esse é uma ferramenta importante que fornece a informação que necessárias ao usar estatísticas amostrais para fazer inferências sobre a média de uma população. 
  
LARSON, Ron; FARBER, Betsy. Estatística Aplicada. 6. ed. São Paulo: Pearson, 2016, p.221 
  
Assinale a alternativa correta que traz o que declara o Teorema do Limite Central?
	
	
	Na medida em que o tamanho da amostra diminui, a distribuição amostral das médias amostrais tende para uma distribuição normal.
	
	
	Quando o tamanho da amostra diminui, a distribuição amostral das médias amostrais tende para uma distribuição exponencial.
	
	
	A distribuição amostral das médias amostrais tende para uma distribuição binomial, quando o tamanho da amostra aumenta.
	
	
	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.
 9 - Distribuição de Probabilidade Acumulada.
1 pontos   
PERGUNTA 10
1. A Distribuição de Poisson é usada para determinar a probabilidade de um número de sucessos quando ocorre um grande número de fenômenos observáveis e aplicáveis a sequências de eventos. 
  
A respeito da Distribuição de Poisson, é correto afirmar que:
	
	
	no processo de Poisson, os eventos ocorrem em tentativas ou observações fixadas.
	
	
	um único valor é o bastante para determinar a probabilidade de um dado número de sucessos.
	
	
	em Poisson, são necessários os valores da probabilidade de sucessos, da probabilidade de insucessos e o número de tentativas.
	
	
	é necessário calcular a esperança matemática para se calcular a probabilidade por meio de Poisson .
	
	
	em Poisson, o processo é estacionário, assim como acontece em outros tipos de distribuição.