Todo paciente que chega a determinado posto hospitalar é imediatamente avaliado no que se refere à prioridade de atendimento. Suponha que o paciente seja classificado como “emergente” (Y = 0) ou como “não emergente” (Y = 1), e que as quantidades X, diárias, de pacientes que chegam a esse posto sigam uma distribuição de Poisson com média igual a 20. Considerando que W represente o total diário de pacientes emergentes, de tal sorte que , em que 0 ≤ w ≤ x e x ≥ 0, julgue o item subsequente.

Se, em determinado dia, 10 pacientes forem atendidos nesse posto hospitalar, então a probabilidade de se registrar, entre esses pacientes, exatamente um paciente emergente será igual a 0,1.

Todo paciente que chega a determinado posto hospitalar é imediatamente avaliado no que se refere à prioridade de atendimento. Suponha que o paciente seja classificado como “emergente” (Y = 0) ou como “não emergente” (Y = 1), e que as quantidades X, diárias, de pacientes que chegam a esse posto sigam uma distribuição de Poisson com média igual a 20. Considerando que W represente o total diário de pacientes emergentes, de tal sorte que , em que 0 ≤ w ≤ x e x ≥ 0, julgue o item subsequente.

O total diário W de pacientes emergentes segue uma distribuição de Poisson com média superior a 3.

Todo paciente que chega a determinado posto hospitalar é imediatamente avaliado no que se refere à prioridade de atendimento. Suponha que o paciente seja classificado como “emergente” (Y = 0) ou como “não emergente” (Y = 1), e que as quantidades X, diárias, de pacientes que chegam a esse posto sigam uma distribuição de Poisson com média igual a 20. Considerando que W represente o total diário de pacientes emergentes, de tal sorte que , em que 0 ≤ w ≤ x e x ≥ 0, julgue o item subsequente.

A curva de regressão de W em X = x é dada pela média condicional E(W|X = x) = 0,1x.

Todo paciente que chega a determinado posto hospitalar é imediatamente avaliado no que se refere à prioridade de atendimento. Suponha que o paciente seja classificado como “emergente” (Y = 0) ou como “não emergente” (Y = 1), e que as quantidades X, diárias, de pacientes que chegam a esse posto sigam uma distribuição de Poisson com média igual a 20. Considerando que W represente o total diário de pacientes emergentes, de tal sorte que , em que 0 ≤ w ≤ x e x ≥ 0, julgue o item subsequente.

A variável Y segue uma distribuição de Bernoulli, cuja probabilidade de sucesso é igual a 0,9.

Um analista da área de estatística da TELEBRAS tem a tarefa de verificar se a atuação dos órgãos de defesa do consumidor em um processo referente a cobranças abusivas feitas por empresas operadoras de telefonia móvel resultou em efetiva alteração no valor das contas apresentadas aos clientes. Para isso, o analista dispõe de dados de dois grupos distintos, um com 300 clientes cujos dados foram coletados antes da atuação dos órgãos de defesa do consumidor, e um segundo com outros 350 clientes e dados coletados após essa atuação.
Considerando essa situação hipotética e com base nos conceitos de inferência estatística, julgue o item a seguir.
Se o analista optar por utilizar um teste para diferenças de médias com dados independentes, ele deverá considerar que a estatística desse tipo de teste segue uma distribuição t de Student.

Para predizer a demanda por determinado tipo de serviço de comunicação de dados, um especialista em gestão de telecomunicações considerou um modelo de regressão linear múltipla na forma y = Xβ + ε, em que y é o vetor de respostas, X é a matriz de delineamento, β é o vetor de parâmetros, e ε denota o vetor de erros aleatórios independentes e identicamente distribuídos. Cada componente do vetor ε segue uma distribuição normal com média zero e variância v. O modelo ajustado é expresso por  , em que  representa a estimativa de máxima verossimilhança do vetor β. 
Considerando que 

em que X´ denota a transposta da matriz de delineamento, e que

,  julgue o item que se segue.

Se v = 20, entãoserá a matriz de covariância de .

A distribuição da resistência X de uma linha elétrica (em ohms) é N(μ, σ²). Por meio de 25 mensurações, foram determinadas as estatísticas amostrais  = 50 ohms (média amostral) e S = 5 ohms(desvio padrão amostral). Considerando que se T tiver distribuição t de Student com 24 graus de liberdade, então P(T ≤ 0,95) = 1,711;e que se T tiver distribuição t de Student com 25 graus de liberdade,então P(T ≤ 0,95) = 1,708, julgue o próximo item.

A estatística T = , em que n representa o tamanho da amostra, tem distribuição t de Student com n graus de liberdade.

A distribuição da resistência X de uma linha elétrica (em ohms) é N(μ, σ²). Por meio de 25 mensurações, foram determinadas as estatísticas amostrais  = 50 ohms (média amostral) e S = 5 ohms(desvio padrão amostral). Considerando que se T tiver distribuição t de Student com 24 graus de liberdade, então P(T ≤ 0,95) = 1,711;e que se T tiver distribuição t de Student com 25 graus de liberdade,então P(T ≤ 0,95) = 1,708, julgue o próximo item.

Nessa situação, o parâmetro μ satisfaz P(-1,711 ≤ 50 - μ ≤ 1,711) = 0,1.

Para estimar a porcentagem de eleitores que votariam a favor de um candidato presidencial, foi escolhida uma amostra aleatória de 200 pessoas. Dessa amostra, uma avaliação indicou que 60 eleitores votariam no referido candidato. Considerando que Φ(1,645) = 0,95 e que Φ(1,96) = 0,975 em que a função Φ representa a função distribuição acumulada da distribuição normal padronizada, julgue o seguinte item.

A estimativa pontual para o parâmetro p — proporção de eleitores na população favorável ao candidato — é superior a 25%.

Um vendedor de certo tipo de equipamento de telecomunicações pode visitar, em um dia, um ou dois clientes, com probabilidades de 1/3 e 2/3, respectivamente. De cada contato pode resultar a venda de um equipamento por R$ 50.000, com probabilidade de 1/10, ou nenhuma venda, com probabilidade de 9/10. Considerando que V seja a variável aleatória que indica o valor total de vendas diárias desse vendedor, em milhares de reais, julgue o item que se segue.

Supondo-se que X_i seja a variável aleatória que indica o número de visitas do vendedor a clientes no i-ésimo dia do mês de novembro, que Y_i = X_i – 1, e que Z = Y₁ + Y₂ + ... + Y₃₀, é correto afirmar que Z será uma distribuição binomial de parâmetros n = 30 e p = 2/3.