Uma moeda viciada foi arremessada 100 vezes, oferecendo como estatística:

O parâmetro p de uma distribuição binomial que modela a probabilidade de se tirar uma cara foi estimado da tabela acima.

Assumindo que p foi uma boa estimativa, a probabilidade de tirar 2 caras e 1 coroa em 3 arremessos independentes é de 

Sabe-se que uma distribuição de Poisson é dependente do parâmetro À, onde a variável aleatória X, de média À, reflete o número de eventos em um determinado período de tempo. Tem-se que: 

Um vendedor recebe uma taxa média de 1 pedido por dia. Considerando os pedidos independentes entre si e que um dia com pelo menos 4 pedidos seja considerado espetacular, a probabilidade de um dia aleatório ser espetacular é 

Analise a tabela a seguir. 

Seja v uma amostra de uma variável aleatória gaussiana de média 0 e variância 1. A tabela mostra a probabilidade de v ser menor que alguns valores x entre 0,0 e 1,9.

Uma segunda variável aleatória w também é uma distribuição gaussiana, porém de média 1 e variância 4.

A probabilidade da soma de 16 amostras independentes de w ser maior que 24 é 

Determinada prefeitura pretende implantar um novo sistema digital de agendamento de consultas nas Unidades Básicas de Saúde (UBS). Estudos preliminares indicam que, aproximadamente, 30% da população é favorável à implementação imediata do sistema. Para avaliar a percepção dos cidadãos, um analista da secretaria municipal de planejamento seleciona aleatoriamente cinco moradores para uma entrevista. Considerando que as respostas sejam independentes, a probabilidade de que exatamente dois moradores se declarem favoráveis à implantação imediata do sistema é, aproximadamente, igual a:

Uma secretaria municipal de atendimento ao cidadão está avaliando o fluxo de pessoas que chegam a uma fila para emissão de documentos administrativos. Considere que o número de pessoas que chegam à fila seja uma variável aleatória cuja média, proporcional ao tempo, seja de quatro pessoas por hora. Considere, ainda, que as chegadas são independentes e a probabilidade de que duas pessoas cheguem à fila em um mesmo momento é nula. Com base nas informações fornecidas, a probabilidade de que exatamente duas pessoas cheguem à fila no período de meia hora é igual a:

Considere que determinada secretaria municipal de meio ambiente deseja avaliar se a concentração média de partículas poluentes emitidas por pequenas indústrias de uma região urbana está em conformidade com o limite histórico de 50 unidades estabelecido em norma ambiental do município. Admita que a concentração de poluentes siga uma Distribuição Normal com variância populacional conhecida igual a σ² = 64. Uma amostra aleatória de tamanho n = 16 foi coletada, obtendo-se média amostral igual a X̄ = 52. Deseja-se testar a hipótese nula H₀: μ = 50 contra a hipótese alternativa de que H₁: μ ≠ 50. Considere, ainda, que a região crítica do teste é dada por RC = { |X̄ - 50| > 4 } e que, caso H₀ seja falsa, o verdadeiro valor da média populacional seja μ = 52. Com base nessas informações, o valor-p bilateral e o poder do teste são, respectivamente, iguais a:

(Dados adicionais: Φ(0,5) = 0,69; Φ(1,5) = 0,93; Φ(2) = 0,98; e Φ(3) ≅ 1; em que Φ(z) representa a função de distribuição acumulada da Distribuição Normal Padrão no ponto z).

Considere que determinada prefeitura realizou um estudo sobre o tempo gasto pelos cidadãos na fila de atendimento de um posto presencial de serviços administrativos. Observou-se que a distribuição do tempo de espera, em minutos, pode ser aproximada por uma Distribuição Normal com média igual a 30 minutos e desvio-padrão igual a 5 minutos. Dados adicionais: Φ(1)= 0,84 e Φ(2) = 0,98, em que Φ(z) representa a função de Distribuição acumulada da distribuição Normal Padrão no ponto z. Com base nessas informações, a probabilidade de que um cidadão escolhido ao acaso espere entre 25 e 40 minutos para ser atendido é:

Uma seguradora observa que o número de segurados que acionam o seguro em determinado ano pode ser modelado por uma distribuição binomial, uma vez que cada segurado representa um ensaio independente com apenas dois resultados possíveis (acionar ou não acionar o seguro), sendo a probabilidade de acionamento igual a 20% para todos os segurados. Considerando um grupo de cinco segurados independentes, a probabilidade de exatamente dois deles acionarem o seguro durante o ano é: 

    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.

No planejamento de ações fiscais, modelos probabilísticos são frequentemente empregados para estimar riscos, avaliar amostras e subsidiar a tomada de decisões. Considerando os conceitos de espaço amostral, probabilidade e distribuições de probabilidades, assinale a alternativa INCORRETA. 

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):

Ao padronizar indicadores de desempenho institucional, um pesquisador transformou os dados para a escala Z.

Na distribuição normal padrão, a média e a variância são, respectivamente:

De acordo com o Relatório Anual Socioeconômico da Mulher (RASEAM) de 2024, 55,5% das violações de direitos contra a mulher registradas na Central do Ligue 180 em 2023 foram cometidas por companheiros ou excompanheiros. Suponha que três mulheres sejam escolhidas ao acaso e de forma independente entre as que fizeram denúncias nessa central. Qual é a probabilidade de exatamente duas dessas mulheres terem sido agredidas por companheiros ou ex-companheiros? 

Os valores de referência de exames laboratoriais são obtidos a partir de estudos estatísticos populacionais. Para isso, uma amostragem grande de indivíduos de uma determinada população é utilizada para avaliar os parâmetros para os quais se deseja obter os valores de referência. Pontos denominados “fora da curva” geralmente são descartados; os valores geralmente seguem uma curva de distribuição normal na população analisada, desprezando-se os valores correspondentes às amostras com menores valores (quartil 2,5) e às amostras com maiores valores (97,5), com intervalo de confiança de 95%. Isto significa que se um valor de referência segue distribuição normal em uma população, com intervalo de confiança de 95%,

Dizemos que a distribuição de uma variável aleatória X pertence à família exponencial de dimensão k se a função de probabilidade é dada por f (x;)=expc_j()T_j(x)+d()+S(x)}, x ∈ A, em que c_j(), T_j(x), d() e S (x) são funções reais para j = 1,...,k, e A é o suporte da distribuição. Se X é uma variável aleatória que segue a distribuição normal com média μ e variância ², ou seja, X ~ N (μ,²), então X pertence à família exponencial bidimensional e suas funções reais são dadas por:

Um estatístico foi questionado se o tempo de contratação de uma universidade estadual é maior que o tempo de contratação de uma universidade federal. Para verificar esse questionamento, ele tomou uma amostra aleatória simples de servidores e agente públicos, tanto da universidade estadual quanto da federal. Na universidade estadual, ele verificou o registro de 8 servidores e, na universidade federal, o registro de 12 servidores. A amostra da universidade federal forneceu um tempo médio de 15 anos com um desvio padrão de 2 anos de contratação, e a amostra da universidade federal forneceu um tempo médio de 12 anos com um desvio padrão de 3 anos de contratação. O estatístico verificou que as amostras provinham de uma variável aleatória que segue a distribuição Normal e que as variâncias não eram conhecidas, porém iguais. Então, ele aplicou o teste adequado e obteve para a estatística do teste qual valor?

Um estatístico deseja estimar o tempo contratação dos servidores e dos agentes públicos de uma universidade. Para isso, ele tomou uma amostra aleatória de 100 servidores e agentes públicos, que apresentou uma média de 10 anos de contratação, com uma variância de 36 anos. Supondo normalidade dos dados, qual é a estimativa por intervalo do tempo de contratação em anos, considerando um nível de 95% de confiança? 

Sabe-se que uma forma de construir intervalos de confiança para os parâmetros é utilizando quantidade pivotais. Sabe-se também que Q (X;) é uma quantidade pivotal, ou seja, uma função de (X₁,...,X_n) e , se a de distribuição Q(X;) não depende de . Então, é correto afirmar que a quantidade pivotal dada por
                                                              

segue a distribuição