Foram encontradas 352 questões.
Considere os seguintes intervalos, respectivamente com probabilidades 0,95 e 0,90, para uma variável aleatória Z com distribuição de probabilidade normal com média nula e desvio padrão unitário \( N(0,1): P(−1,96 < 5 < 1,96)= 0,95 \) e \( P(−1,65 < Z < 1,65)= 0,90 \).
A partir dessas informações, julgue o item a seguir.
Considere os dados na tabela a seguir, relativos à distribuição de notas entre 0 e 10, obtidos de uma amostra aleatória de 256 estudantes que realizaram uma prova. Nesse caso, o intervalo de confiança, com 90% de confiança, para a percentagem de estudantes com nota superior ou igual a 6, tem tamanho inferior a 0,12.
intervalo das notas |
número de estudantes |
8 até 10 – [8, 10) |
26 |
6 até 8 – [6, 8) |
38 |
4 até 6 – [4, 6) |
64 |
2 até 4 – [2, 4) |
77 |
0 até 2 – [0, 2) |
51 |
total |
256 |
Provas
Considere os seguintes intervalos, respectivamente com probabilidades 0,95 e 0,90, para uma variável aleatória Z com distribuição de probabilidade normal com média nula e desvio padrão unitário \( N(0,1): P(−1,96 < 5 < 1,96)= 0,95 \) e \( P(−1,65 < Z < 1,65)= 0,90 \).
A partir dessas informações, julgue o item a seguir.
Considere que, em uma cidade, a renda dos trabalhadores do setor turístico tem desvio padrão de 500 reais e, em uma amostra aleatória desses 100 trabalhadores, obteve-se uma renda média de 2.000 reais. Nesse caso, o intervalo de confiança, com 95% de confiança, para a renda média dos trabalhadores do setor turístico dessa cidade é [1.902, 2.098].
Provas
No que se refere a técnicas de amostragem, julgue o item que se segue.
Considerando a população de trabalhadores de fábricas de roupas em determinada região, a seleção aleatória de algumas fábricas para se medir as características dos seus trabalhadores representa uma amostragem aleatória simples dos trabalhadores de fábricas de roupas da região.
Provas
No que se refere a técnicas de amostragem, julgue o item que se segue.
Em uma amostragem aleatória simples, qualquer amostra de determinado tamanho terá a mesma probabilidade de ser escolhida.
Provas
No que se refere a técnicas de amostragem, julgue o item que se segue.
Em uma população que se divide em estratos, não é possível obter resultados significativos para as inferências feitas a partir de uma amostragem aleatória simples, portanto, isso implica que se deve necessariamente escolher amostras estratificadas.
Provas
No que se refere a técnicas de amostragem, julgue o item que se segue.
O tipo de amostragem é sistemático se, em uma linha de produção, a cada 50 itens produzidos, o último é retirado para fazer uma amostra semanal e medir a quantidade de itens com defeitos; porém, se os itens retirados forem estatisticamente descorrelacionados, as propriedades de avaliação de erros inferenciais desse tipo de amostragem devem ser consideradas como equivalentes a amostragens aleatórias.
Provas
No que se refere a técnicas de amostragem, julgue o item que se segue.
Em uma amostragem estratificada, deve-se fixar a probabilidade de escolher um elemento do estrato como igual à porcentagem do estrato em relação à população.
Provas
Para uma variável aleatória X e um parâmetro \( \theta \) , associado à distribuição de probabilidade de X , pode-se utilizar um estimador \( \hat{ \theta} \) para testar a hipótese do parâmetro \( \theta \) assumir um valor específico \( \theta_0 \). A fim de construir um teste, é necessário conhecer a distribuição do estimador, que definirá uma estatística de teste, e supor como hipótese nula, H0, a hipótese de que \( \theta = \theta_0 \). Para esse teste, existem dois tipos de erros: tipo I, rejeitar a hipótese H0 quando ela é verdadeira; tipo II, não rejeitar a hipótese H0 quando ela é falsa.
Com base nessas informações, julgue o seguinte item.
Testes com probabilidade de erro de tipo I pequenos são significativos para provar a falsidade de hipótese nula H0.
Provas
Para uma variável aleatória X e um parâmetro \( \theta \) , associado à distribuição de probabilidade de X , pode-se utilizar um estimador \( \hat{ \theta} \) para testar a hipótese do parâmetro \( \theta \) assumir um valor específico \( \theta_0 \). A fim de construir um teste, é necessário conhecer a distribuição do estimador, que definirá uma estatística de teste, e supor como hipótese nula, H0, a hipótese de que \( \theta = \theta_0 \). Para esse teste, existem dois tipos de erros: tipo I, rejeitar a hipótese H0 quando ela é verdadeira; tipo II, não rejeitar a hipótese H0 quando ela é falsa.
Com base nessas informações, julgue o seguinte item.
Em alguns casos, dependendo do tipo de distribuição para o estimador \( \hat{ \theta} \) , é possível definir erros muito pequenos para os dois tipos de erros.
Provas
Para uma variável aleatória X e um parâmetro \( \theta \) , associado à distribuição de probabilidade de X , pode-se utilizar um estimador \( \hat{ \theta} \) para testar a hipótese do parâmetro \( \theta \) assumir um valor específico \( \theta_0 \). A fim de construir um teste, é necessário conhecer a distribuição do estimador, que definirá uma estatística de teste, e supor como hipótese nula, H0, a hipótese de que \( \theta = \theta_0 \). Para esse teste, existem dois tipos de erros: tipo I, rejeitar a hipótese H0 quando ela é verdadeira; tipo II, não rejeitar a hipótese H0 quando ela é falsa.
Com base nessas informações, julgue o seguinte item.
Se o estimador \( \hat{ \theta} \) tem intervalo de aceitação com probabilidade 1 − a, então a probabilidade do erro de tipo I será \( \alpha \).
Provas
Caderno Container