Atividade 4- Estatitica descritiva

Esta é uma pré-visualização de arquivo. Entre para ver o arquivo original

· Pergunta 1
1 em 1 pontos
	
	
	
	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:
	
	
	
	
		Resposta Selecionada:
	 
seus resultados poderem ser utilizados como aproximações de outras distribuições de probabilidade.
	Resposta Correta:
	 
seus resultados poderem ser utilizados como aproximações de outras distribuições de probabilidade.
	Feedback da resposta:
	Resposta correta. Um dos motivos pelos quais a distribuição normal é importante na inferência estatística é por seus resultados poderem ser utilizados como aproximações de outras distribuições de probabilidade.
	
	
	
· Pergunta 2
1 em 1 pontos
	
	
	
	No verão, especificamente nas férias escolares, uma  sorveteria vende 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?
	
	
	
	
		Resposta Selecionada:
	 
5%.
	Resposta Correta:
	 
5%.
	Feedback da resposta:
	Resposta correta. Como foi determinado que a média equivale a 54 sorvetes, logo , assim, basta determinar a venda para exatamente 50 sorvetes, logo: .
	
	
	
· Pergunta 3
1 em 1 pontos
	
	
	
	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:
	
	
	
	
		Resposta Selecionada:
	 
-2,0.
	Resposta Correta:
	 
-2,0.
	Feedback da resposta:
	Resposta correta. O valor de z correspondente aos retalhos que poderão medir menos que 6 cm será de -2 , de acordo com os cálculos abaixo:
	
	
	
· Pergunta 4
1 em 1 pontos
	
	
	
	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:
	
	
	
	
		Resposta Selecionada:
	 
um único valor é o bastante para determinar a probabilidade de um dado número de sucessos.
	Resposta Correta:
	 
um único valor é o bastante para determinar a probabilidade de um dado número de sucessos.
	Feedback da resposta:
	Resposta correta. Um único valor é o bastante para determinar a probabilidade de um dado número de sucessos na dinâmica de Poisson.
	
	
	
· Pergunta 5
1 em 1 pontos
	
	
	
	Após longo período de estudo, foi identificado que os prazos da gravidez têm distribuição normal com média de 39 semanas e desvio padrão de 2 semanas. Com base nessa informação, determine a probabilidade de uma gravidez permanecer por mais de 35 semanas.
	
	
	
	
		Resposta Selecionada:
	 
97,72%.
	Resposta Correta:
	 
97,72%.
	Feedback da resposta:
	Resposta correta. Inicialmente, é necessário realizar a conversão entre x para a escore z, logo: , de posse deste valor, é preciso consultar a tabela e verificar a área correspondente que equivale a 0,4772; contudo, é preciso atentar-se de que é necessário somar essa área a 0,5, por isso, a probabilidade solicitada equivale a 97,72%.
	
	
	
· Pergunta 6
1 em 1 pontos
	
	
	
	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.
 
 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:
	
	
	
	
		Resposta Selecionada:
	 
II e III, apenas.
	Resposta Correta:
	 
II e III, apenas.
	Feedback da resposta:
	Resposta correta. As afirmativas II e III são corretas; a asserção I é inválida, pois as tabelas de probabilidade normal são fundamentadas em uma distribuição normal de probabilidade, com e , e não o contrário, como foi declarado.
	
	
	
· Pergunta 7
1 em 1 pontos
	
	
	
	A distribuição normal é um modelo probabilístico que se aplica a diversas situações práticas. São diversas as aplicações no contexto da inferência estatística, em que decisões têm de ser tomadas com base nos resultados obtidos a partir de uma amostra.
 
Qual das situações a seguir pode ser solucionada por intermédio de uma Distribuição Normal?
	
	
	
	
		Resposta Selecionada:
	 
Pressão arterial sistólica e diastólica de um adulto.
	Resposta Correta:
	 
Pressão arterial sistólica e diastólica de um adulto.
	Feedback da resposta:
	Resposta correta. Quantidade arranhões por unidade de área e número de ligações por intervalo de tempo são solucionadas por uma distribuição binomial. Já o tempo de um componente elétrico falhar indica distribuição gama e a modelagem do comportamento de estoque por uma distribuição lognormal. Apenas a pressão arterial modela-se conforme os parâmetros de uma distribuição normal.
	
	
	
· Pergunta 8
1 em 1 pontos
	
	
	
	Se eventos ou sucessos seguem a distribuição de Poisson, podemos determinar a probabilidade que o primeiro evento ocorra dentro de um período de tempo designado, , como o tempo para percorrer certa distância pela distribuição de probabilidades exponencial. Como estamos tratando com o tempo neste contexto, a exponencial é uma:
	
	
	
	
		Resposta Selecionada:
	 
distribuição de probabilidade contínua.
	Resposta Correta:
	 
distribuição de probabilidade contínua.
	Feedback da resposta:
	Resposta correta. Uma distribuição exponencial é uma distribuição de probabilidade contínua, pois trabalha com as variáveis que assumem um intervalo infinito de valores, dentre os inúmeros exemplares deste tipo de variável há o tempo para percorrer certa distância.
	
	
	
· Pergunta 9
1 em 1 pontos
	
	
	
	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:
	
	
	
	
		Resposta Selecionada:
	 
o tempo de espera em uma fila de banco.
	Resposta Correta:
	 
o tempo de espera em uma fila de banco.
	Feedback da resposta:
	Resposta correta. O tempo de espera em uma fila de banco é um exemplo da aplicação da distribuição exponencial.
	
	
	
· Pergunta 10
1 em 1 pontos
	
	
	
	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:
	
	
	
	
		Resposta Selecionada:
	 
12,75%.
	Resposta Correta:
	 
12,75%.
	Feedback da resposta:
	Resposta correta. A probabilidade de que 5 crianças tornem-se obesas em 100 famílias obesas será de 12,75%. Os cálculos são obtidos
por meio da média esperada de crianças obesas e com a distribuição de Poisson, ou seja:
	
	
	
Quinta-feira, 22 de Outubro de 2020 10h04min27s BRT