Em pesquisas amostrais, a margem de erro representa:

    Um economista analisou uma região onde a distribuição de renda é sabidamente desigual e fortemente assimétrica. Em sua análise, o economista coletou uma amostra aleatória de 100 famílias (n = 100) e obteve, para essa amostra, média de R$ 3.500 e desvio padrão de R$ 1.200. Por fim, ele aplicou o nível de confiança de 95% (z = 1,96) e calculou um intervalo de confiança para a média populacional de [R$ 3.264,80, R$ 3.735,20].

Com base na situação hipotética apresentada e no teorema central do limite, assinale a opção correta.

Em uma auditoria tributária, foi selecionada uma amostra aleatória de 64 contribuintes para estimar o valor médio de determinada diferença de recolhimento. A média amostral encontrada foi de R$ 1.200,00, e o desvio-padrão populacional, conhecido a partir de estudos anteriores, é de R$ 320,00. Considerando um nível de confiança de 95% e adotando z = 2, assinale a alternativa que apresenta o intervalo de confiança aproximado para a média populacional.

Na comparação estatística entre grupos tratados com diferentes concentrações de um fármaco, o uso de software estatístico é adequado porque: 

O valor de p (p-valor) em um teste estatístico indica o(a):

Em relação à técnica de Bootstrap e suas aplicações em inferência estatística, julgue os itens a seguir:

I. A principal vantagem do Bootstrap é permitir estimar a distribuição amostral de uma estatística (ex.: média, mediana, coeficiente de correlação) sem assumir uma distribuição populacional específica, utilizando reamostragem com reposição a partir dos dados observados.

II. O Bootstrap reduz a necessidade de grandes amostras: com amostras muito pequenas (ex.: n = 5), o Bootstrap produz estimativas consistentes e não viesadas, mesmo quando a distribuição original é assimétrica.

III. O Bootstrap paramétrico assume uma forma paramétrica para a distribuição populacional (ex.: Normal) e reamostra a partir da distribuição estimada, enquanto o Bootstrap não paramétrico reamostra diretamente dos dados empíricos.

IV. O Bootstrap é computacionalmente mais eficiente que os métodos analíticos (ex.: fórmulas para erro padrão), pois requer apenas alguns segundos mesmo com milhões de reamostras, enquanto fórmulas analíticas exigem cálculos complexos e lentos.

V. O Bootstrap pode ser usado para construir intervalos de confiança (ex.: percentil, BCa), estimar viés de estimadores e calcular erros padrão, sendo especialmente útil quando a estatística de interesse não tem uma expressão analítica simples para sua variância.

Assinale a alternativa com a sequência CORRETA (V/F): 

Uma amostra aleatória de tamanho n = 100 de uma população normalmente distribuída com média μ e variância σ² forneceu os seguintes resultados: 

Deseja-se testar:

H₀: μ ≤ 80versus H₁: μ > 80,

ao nível de significância de 5%. A variância populacional é desconhecida.

Assinale a alternativa que apresenta corretamente o critério de decisão baseado na estatística t (ou equivalentemente na média amostral xˉ) e a decisão correspondente: 

Um gestor público de políticas de desenvolvimento agrícola deseja avaliar se três diferentes fórmulas de biofertilizante (F1, F2, F3) produzem efeitos distintos sobre o crescimento inicial de mudas de espécies nativas destinadas a projetos de recuperação de áreas degradadas. Para isso, foi conduzido um experimento completamente casualizado com 60 parcelas homogêneas. As parcelas foram aleatorizadas para receber um dos três fertilizantes (n = 20 por grupo). A variável resposta é o incremento em altura (cm) após 60 dias. Após a coleta dos dados, o gestor observa que a distribuição dos resíduos do modelo apresenta leve assimetria à direita e caudas ligeiramente mais pesadas que a distribuição normal. Ele decide testar a homogeneidade das variâncias entre os grupos (teste de Levene, p = 0,12). O tamanho amostral por grupo é razoável (n = 20), e o interesse primário é comparar as médias dos três grupos, controlando o erro tipo I em 5%.

Com base nesse cenário e nos princípios de estatística experimental, assinale a alternativa CORRETA quanto à técnica mais apropriada para a análise dos dados, justificando os pressupostos e possíveis alternativas.

Em uma avaliação de impacto de um novo programa de atenção primária à saúde, um gestor público modela a probabilidade de óbito em até 30 dias (variável resposta binária: 1 = óbito, 0 = sobrevida) usando regressão logística binária, com variáveis explicativas: idade, índice de comorbidades, adesão ao protocolo e condição socioeconômica. Em relação à teoria e prática da regressão logística, julgue os itens a seguir:

I. O modelo de regressão logística estima a probabilidade P(Y = 1 ∣ X) = 1 / 1+e^−Xβ, sendo que os parâmetros β são obtidos por máxima verossimilhança (MV), e diferentemente do modelo linear de probabilidade (MLP), os valores preditos ficam restritos ao intervalo [0,1].

II. Se o coeficiente estimado para idade for β_idade = 0,05, a interpretação é que um aumento de uma unidade na idade está associado a um aumento de 5% na probabilidade de óbito, mantendo as demais variáveis constantes.

III. O modelo logístico não requer normalidade dos resíduos nem homocedasticidade, mas exige independência das observações e ausência de multicolinearidade perfeita ou quase perfeita.

IV. A área sob a curva ROC (AUC) é uma medida de acurácia discriminativa do modelo: valores próximos a 0,5 indicam discriminação aleatória, enquanto valores acima de 0,8 sugerem bom poder discriminativo.

V. O teste de Hosmer-Lemeshow é frequentemente usado para avaliar a calibração do modelo logístico, ou seja, se as probabilidades preditas correspondem às frequências observadas. Um resultado não significativo (p > 0,05) indica boa calibração.

Assinale a alternativa com a sequência CORRETA (V/F): 

Ao realizar um teste de hipóteses para a média de uma população com amostras pequenas (n < 30) e desvio padrão populacional desconhecido, a distribuição t de Student é a mais apropriada para construir o intervalo de confiança ou calcular o valor p. Em relação à teoria da distribuição t e sua aplicação, julgue os itens a seguir:

I. A estatística de teste segue exatamente uma distribuição t de Student com n − 1 graus de liberdade se a população for normal. Se a população não for normal, mas for simétrica e com curtose moderada, o teste t ainda é razoavelmente robusto para amostras pequenas.

II. A distribuição t de Student tem caudas mais pesadas que a distribuição Normal padrão, mas à medida que os graus de liberdade aumentam, a t se aproxima da Normal. Para n ≥ 30, a diferença é geralmente considerada desprezível na prática.

III. O intervalo de confiança para a média usando a distribuição t é dado por  Se, erroneamente, usássemos o quantil da Normal (Z_α/2) no lugar do t, o intervalo seria mais estreito, aumentando a probabilidade de não conter o verdadeiro parâmetro (cobertura abaixo do nominal).

IV. Para testar a média de uma população com amostra pequena e desvio padrão desconhecido, a distribuição Qui-quadrado (X ²) seria apropriada se o interesse fosse na variância, não na média. Já a distribuição F é usada para comparação de duas variâncias ou em ANOVA.

V. A estatística t de Student para uma amostra pode ser derivada como razão entre uma Normal padrão e a raiz quadrada de uma Qui-quadrado dividida por seus graus de liberdade, assumindo independência. Essa relação justifica o nome “t” e a forma da densidade.

Assinale a alternativa com a sequência CORRETA (V/F): 

Um analista de confiabilidade está interessado em estudar o tempo médio entre falhas consecutivas (TBF – Time Between Failures) em equipamentos hospitalares de alta complexidade. Para modelar essa variável aleatória contínua e não negativa, a distribuição Exponencial é frequentemente utilizada. Em relação às propriedades da distribuição Exponencial e suas aplicações em análise de confiabilidade, julgue os itens a seguir:

I. Se T ~ Exponencial (λ) (com função densidade ƒ(t) = λ e^−λt , t ≥ 0, e média 1/λ), então a função de risco (taxa de falha) é constante e igual a λ, o que caracteriza ausência de memória: P (T > t + s ∣ T > s) = P (T > t).

II. A distribuição Exponencial é o único modelo contínuo com propriedade de falta de memória, e isso a torna inadequada para modelar equipamentos com desgaste (taxa de falha crescente), mas adequada para falhas aleatórias não relacionadas ao envelhecimento.

III. Se o número de falhas em um intervalo de tempo segue um processo de Poisson homogêneo com taxa λ, então o tempo entre falhas consecutivas segue uma distribuição Exponencial com média 1/λ. Além disso, o tempo até a k-ésima falha segue uma distribuição Gama (Erlang) com parâmetros k e λ.

IV. Para uma amostra aleatória T₁, T₂, … , T_n i.i.d. Exponencial(λ), o estimador de máxima verossimilhança de λ é λ = 1/Tˉ, que é um estimador não viesado para λ.

V. O coeficiente de variação (CV) da distribuição Exponencial é igual a 1, independentemente do valor de λ, o que significa que o desvio padrão é igual à média. Esse é um critério diagnóstico útil para verificar a adequação do modelo exponencial a dados empíricos.

Assinale a alternativa com a sequência CORRETA (V/F):

Em uma análise de desempenho institucional, um estatístico precisa comparar a dispersão de indicadores de produtividade entre departamentos com médias e escalas distintas. Ele utiliza inicialmente o desvio padrão amostral. Em relação às propriedades, limitações e relações do desvio padrão com outras medidas estatísticas, julgue os itens a seguir:

I. Se os dados de um departamento seguem uma distribuição assimétrica à direita, o desvio padrão é necessariamente maior do que o desvio médio absoluto (MAD), devido à maior ponderação dos desvios quadráticos.

II. O coeficiente de variação (CV) é uma medida adimensional que permite comparar dispersão entre variáveis com diferentes unidades, mas sua utilização é inadequada quando a média se aproxima de zero, independentemente da natureza dos dados.

III. Para uma amostra aleatória simples de uma população com variância finita, o desvio padrão amostral (com correção de Bessel) é um estimador não viesado do desvio padrão populacional.

IV. Se todos os valores de um indicador forem transformados por Y = α + bX, com b > 0, o desvio padrão de Y é igual a b vezes o desvio padrão de X, independentemente do valor de α.

V. Em qualquer distribuição com média finita e variância finita, a desigualdade de Chebyshev garante que a proporção de observações dentro de k desvios padrão da média é de pelo menos 1 − 1/k² , sendo essa uma cota superior para qualquer distribuição.

Assinale a alternativa com a sequência CORRETA (V/F):