Questões de Concursos

Suponha que a variável aleatória X tenha distribuição binomial com média 3,5 e variância 1,75. Nesse caso, a probabilidade P(X ≥ 2) será igual a:

Considere que a função de densidade da variável aleatória contínua uniforme, X, no intervalo [13, 25] modela razoavelmente um fenômeno de interesse. Dessa forma, o valor esperado e a variância dessa variável aleatória serão respectivamente:

Considere X uma variável aleatória discreta, em queX ~ Binomial(n, p).
Sobre essa distribuição, é correto afirmar que

Seja uma população regida por uma distribuição de probabilidade com médiaθe variância 25. A fim de se estimar o valor do parâmetroθ, propôs-se o estimador T(X₁ , X₂ ) =αX₁ +βX₂ a partir de uma amostra de tamanho 2, de tal forma que o estimador assim definido seja não tendencioso e tenha variância 13, com aα> 0 eβ> 0 .
Qual o valor deα xβ?

Para testar H₀:μ≤ 30 versus H₁:μ> 30, em queμé a média de uma variável populacional suposta normalmente distribuída com variância 64, uma amostra aleatória simples de tamanho 100 será obtida.
Lembre-se de que, se Z tem distribuição normal padrão, P[ Z > 1,64 ] ≈ 0,05.
O teste uniformemente mais potente de tamanhoα= 0,05 rejeitará H₀ se o valor da média amostral observada for maior ou igual a

O tamanho da amostra aleatória simples necessário para que possamos garantir, com 99% de confiança, que o valor da média amostral não se afaste do valor da média populacional por mais de 5% do valor do desvio padrão populacional será, no mínimo, aproximadamente igual a
[Lembre-se de que, se Z tem distribuição normal padrão, então P [ Z < 2,58 ] = 0,995]

Uma amostra aleatória simples de tamanho 100 foi obtida para estimar uma proporção p populacional de indivíduos que apresentam uma característica A. Como resultado, 36 indivíduos amostrais apresentaram a característica A.
Lembre-se que de, se Z tem distribuição normal padrão, então P [ Z < 1.96 ] = 0,975. Usando a estimativa de p no lugar do valor desconhecido, um intervalo de 95% de confiança para p será dado aproximadamente por

Uma distribuição de probabilidades é usada para determinar a média de uma população, a partir de uma amostra. Nesse problema, não se sabe qual é a média ou o desvio padrão da população, mas ela deve ser normal. Considere que o tamanho da amostra é igual a nove, e se deseja testar uma hipótese com 5% de significância. Dois estatísticos utilizam duas distribuições diferentes. O estatístico Tiago utiliza a distribuição t de Student e o estatístico Nelson utiliza a distribuição normal.

Se o valor da estatística teste obtido é exatamente igual a 2 para o problema analisado, é correto afirmar que ao testar a hipótese estatística:


Obs. Considere os valores críticos da estatística t de Student t_8;5%=2,3 e da estatística normal Z_5%=1,96.

Durante a execução do plano de amostragem para inspeção de qualidade em um lote de produtos biotecnológicos, o gestor de qualidade utilizou as Curvas Características de Operação (CCO) da NBR 5426:1985 para avaliar a probabilidade de aceitação de lotes com base na qualidade do processo. Considerando que o Nível de Qualidade Aceitável (NQA) foi definido como 6 e o tamanho da amostra foi de 75 unidades, a distribuição estatística que deverá ser utilizada para interpretar as curvas características de operação nesse cenário é:

Seja X a variável aleatória que representa o número de ocorrências de um certo evento A em t unidades de tempo. A distribuição de probabilidade de X segue a distribuição de Poisson, isto é, a probabilidade de {X = x} é dada por:

e ⁻λ^t(λt) ^x/x!

em que λ é a taxa de ocorrência por unidade de tempo.
Considerando o exposto, o valor esperado do tempo entre duas ocorrências consecutivas do evento A, é

Em um dado sistema industrial de manufatura, o tempo médio entre falhas (MTBF) de um processo crítico é de 07 meses. Ao determinar a confiabilidade do sistema após 02 anos de uso, encontra-se:

Associe os modelos de distribuição discreta de probabilidades às suas características.

1. Distribuição de Bernoulli 2. Distribuição Binomial 3. Distribuição de Poisson
( ) A variável aleatória X é uma contagem do número de sucessos em n tentativas. Repetições independentes de um ensaio, com a mesma probabilidade de ocorrência de “sucesso”, dão origem ao modelo.
( ) Experimento aleatório com espaço amostral infinito enumerável. São exemplos: chamadas telefônicas por minuto; mensagens que chegam a um servidor por segundo; acidentes por dia.
( ) Uma variável assume apenas dois valores, 1 se ocorrer sucesso (S) e 0 se ocorrer fracasso (F), com probabilidade de sucesso. São exemplos: o resultado de um exame médico para detecção de uma doença é positivo ou negativo; um entrevistado concorda ou não com a afirmação feita; no lançamento de um dado ocorre ou não face 6.


Assinale a opção que indica a associação correta, na ordem apresentada.

Um vendedor tem duas reuniões de vendas no mesmo dia. Na primeira reunião, ele acredita ter 70% de chance de fazer uma venda que lhe renderá R$1000. Na segunda, ele acredita ter 40% de chance de fazer uma venda que se realizada lhe renderá R$1500. Assumindo que as vendas são independentes. Quanto de comissão ele espera ganhar em dias como este?
Assim, analise as afirmativas a seguir e assinale (V) para a verdadeira e (F) para a falsa.

( ) Podemos definir Y como sendo a v.a. comissão. Ω = {0, 1000, 1500, 2500}. ( ) A distribuição de probabilidade de Y para 0, 1000, 1500, 2500 é, respectivamente 0,18; 0,42; 0,12; e 0,28. ( ) O valor esperado é de R$ 1.050.

As afirmativas são, respectivamente,

Se X e Y são variáveis aleatórias independentes tais que

X ~ N(4, 4), Y ~ N(3, 4)

então X – Y tem distribuição normal com média e variância dadas, respectivamente, por

Uma população é constituída por N indivíduos, dos quais K têm uma certa característica A. Se sortearmos ao acaso n elementos diferentes dessa população, então a variável X = número de elementos que têm a característica A na amostra tem distribuição de probabilidades

Se U e V são variáveis aleatórias independentes com distribuições respectivas qui-quadrado com m e n graus de liberdade, então a variável X = nU/mV tem distribuição

Suponha que o número de ocorrências de determinado evento ocorra no tempo de acordo com um processo Poisson com uma taxa média de 5 ocorrências por dia. Suponha ainda que uma ocorrência tenha acabado de ocorrer.
Se X é o tempo decorrido até que a próxima ocorrência aconteça, então X tem distribuição

Definida (o) por um vetor de médias e a matriz de variância-covariância. É uma extensão da distribuição normal univariada para aplicações com um grupo de variáveis que podem ser correlacionadas. Refere-se a:

Qual das alternativas abaixo pode ser considerado um processo de Markov em tempo contínuo?