Selecionar segmento
Estude com questões de diferentes segmentos
Atenção: Isso limpará todos os campos já preenchidos no filtro!
Foram encontradas 14.154 questões
Resolva questões gratuitamente!
Junte-se a mais de 4 milhões de concurseiros!
Ano: 2024
Banca:
FIOCRUZ
Órgão:
FIOCRUZ
Prova:
FIOCRUZ - 2024 - FIOCRUZ - Tecnologista em Saúde Pública - Análise, desenvolvimento e validação de metodologias para o controle físico-químico de produtos sujeitos à vigilância sanitária |
Q3341041
Estatística
O coeficiente de correlação (R2) entre a concentração
das soluções de MR de 2,3´-DHF e as absorbâncias encontradas foi de 0,99986. O valor do R2 é um dos parâmetros
utilizados para avaliar se a análise foi adequada. Sobre
esse valor pode-se dizer que:
Ano: 2024
Banca:
FIOCRUZ
Órgão:
FIOCRUZ
Prova:
FIOCRUZ - 2024 - FIOCRUZ - Tecnologista em Saúde Pública - Vigilância em Saúde |
Q3341013
Estatística
Para que o modelo de regressão linear seja confiável
e válido, os seguintes pressupostos devem ser satisfeitos,
EXCETO:
Ano: 2024
Banca:
FIOCRUZ
Órgão:
FIOCRUZ
Prova:
FIOCRUZ - 2024 - FIOCRUZ - Tecnologista em Saúde Pública - Controle de Qualidade de insumos e medicamentos |
Q3339202
Estatística
A linearidade é a capacidade de um método de gerar
respostas analíticas diretamente proporcionais à concentração de um analito em uma amostra. De acordo com a
RDC nº 166/17, sobre a avaliação estatística da linearidade,
avalie as afirmativas abaixo:
I. O coeficiente de correlação (r²) deve estar acima de 0,990.
II. O coeficiente angular deve ser igual a zero.
III. Nos testes estatísticos, deve ser utilizado um nível de significância de 5%.
IV. É esperado que o coeficiente linear seja estatisticamente diferente de zero.
V. Para avaliar se os dados são homocedásticos ou não, é recomendado aplicar o teste F da Anova.
Sobre as afirmativas acima, pode-se dizer que:
I. O coeficiente de correlação (r²) deve estar acima de 0,990.
II. O coeficiente angular deve ser igual a zero.
III. Nos testes estatísticos, deve ser utilizado um nível de significância de 5%.
IV. É esperado que o coeficiente linear seja estatisticamente diferente de zero.
V. Para avaliar se os dados são homocedásticos ou não, é recomendado aplicar o teste F da Anova.
Sobre as afirmativas acima, pode-se dizer que:
Ano: 2024
Banca:
FIOCRUZ
Órgão:
FIOCRUZ
Prova:
FIOCRUZ - 2024 - FIOCRUZ - Tecnologista em Saúde Pública - Taxonomia e sistemá ca de insetos vetores, com ênfase em simulídeos, ceraptopogonídeos e triatomíneos e curadoria de coleções entomológicas |
Q3337599
Estatística
Na inferência bayesiana, as incertezas associadas aos
parâmetros do modelo são tratadas de forma:
Ano: 2024
Banca:
FIOCRUZ
Órgão:
FIOCRUZ
Prova:
FIOCRUZ - 2024 - FIOCRUZ - Tecnologista em Saúde Pública - Gestão de Equipamentos e Metrologia Física, Química e Biológica |
Q3335976
Estatística
Considerando dois conjuntos (A e B) de resultados de
um mesmo material com desvio padrão diferentes: 0,29
para o conjunto A e 0,34 para o conjunto B, podemos
afirmar que:
Ano: 2024
Banca:
FIOCRUZ
Órgão:
FIOCRUZ
Prova:
FIOCRUZ - 2024 - FIOCRUZ - Tecnologista em Saúde Pública - Gestão de Equipamentos e Metrologia Física, Química e Biológica |
Q3335944
Estatística
A avaliação tipo B da incerteza é aplicada quando o
analista que realiza os ensaios não tem condições de gerar
os resultados de determinadas fontes, como por exemplo,
de calibração de equipamentos, de massas moleculares
etc. Nestes casos, os dados são fornecidos por certificados,
manuais ou literatura científica, e não podem ser alterados
pelo analista. Com base nas informações disponíveis sobre
as componentes da fonte de incerteza avaliada, deve-se
considerar a distribuição de probabilidade mais adequada
aos dados. Os tipos de distribuição de probabilidade geralmente utilizados são: retangular (ou uniforme), triangular
e normal (ou Gaussiana). (Fonte: Incerteza de medição
em ensaios físico-químicos: uma abordagem prática /
Oliveira, Camila Cardoso de ... [et al.]. - São Paulo: SESSP, 2015.140p)
Em relação aos tipos de distribuição de probabilidade, pode-se afirmar que:
I. A distribuição de probabilidade normal é expressa por um gráfico simétrico que possui a forma de sino, também chamado de curva Gaussiana.
II. Assume-se que os dados provêm de uma distribuição retangular quando há conhecimento específico dos possíveis valores da grandeza de entrada.
III. Em geral, aplica-se a distribuição triangular em medições realizadas em instrumentos de indicação digital.
Sobre as afirmativas acima, pode-se dizer que:
Em relação aos tipos de distribuição de probabilidade, pode-se afirmar que:
I. A distribuição de probabilidade normal é expressa por um gráfico simétrico que possui a forma de sino, também chamado de curva Gaussiana.
II. Assume-se que os dados provêm de uma distribuição retangular quando há conhecimento específico dos possíveis valores da grandeza de entrada.
III. Em geral, aplica-se a distribuição triangular em medições realizadas em instrumentos de indicação digital.
Sobre as afirmativas acima, pode-se dizer que:
Ano: 2024
Banca:
FIOCRUZ
Órgão:
FIOCRUZ
Prova:
FIOCRUZ - 2024 - FIOCRUZ - Tecnologista em Saúde Pública - Controle de qualidade toxicológico |
Q3334283
Estatística
Sobre a Precisão e a Exatidão, de acordo com a RDC
Nº 27, DE 17 DE MAIO DE 2012, é correto afirmar que:
Ano: 2024
Banca:
FIOCRUZ
Órgão:
FIOCRUZ
Prova:
FIOCRUZ - 2024 - FIOCRUZ - Tecnologista em Saúde Pública - Controle sanitário e genético de Animais de Laboratório |
Q3332694
Estatística
Em uma colônia contendo pelo menos 100 animais
da mesma linhagem, e mantidos em gaiolas abertas sob
procedimentos convencionais de manuseio, a chamada
‘fórmula ILAR’ pode ser usada para estimar o tamanho da
amostra necessária para a avaliação do status microbiológico. É correto afirmar que segue corretamente a fórmula
ILAR na estimativa do número amostral para avaliação do
status microbiológico:
Ano: 2024
Banca:
FIOCRUZ
Órgão:
FIOCRUZ
Prova:
FIOCRUZ - 2024 - FIOCRUZ - Tecnologista em Saúde Pública - Jornalista Web |
Q3332251
Estatística
Histogramas têm sido um dos recursos usados para
visualização de dados. Eles são diferentes de gráficos de
barras porque:
Ano: 2024
Banca:
FIOCRUZ
Órgão:
FIOCRUZ
Prova:
FIOCRUZ - 2024 - FIOCRUZ - Tecnologista em Saúde Pública - Citometria de fluxo |
Q3331594
Estatística
A análise que pode ser realizada para se calcular a
imprecisão de um resultado laboratorial é:
Ano: 2024
Banca:
FIOCRUZ
Órgão:
FIOCRUZ
Prova:
FIOCRUZ - 2024 - FIOCRUZ - Tecnologista em Saúde Pública - TE56 - Cientista de Dados em Saúde |
Q3331509
Estatística
Considere a seguinte implementação de um modelo de
regressão linear múltipla utilizando NumPy e scikit-learn,
usado para prever o financiamento de projetos com base
em características de projetos e pesquisadores. O código
abaixo foi executado e algumas métricas de desempenho
foram obtidas.
import numpy as np from sklearn.model_selection import train_ test_split from sklearn.linear_model import LinearRegression from sklearn.metrics import mean_squared_error, mean_absolute_error, r2_score
X = np.array([[1, 50], [2, 60], [3, 70], [4, 80], [5, 90], [1, 55], [2, 65], [3, 75], [4, 85], [5, 95]]) y = np.array([100000, 120000, 150000, 200000, 250000, 110000, 130000, 170000, 230000, 290000]) X_train, X_test, y_train, y_test = train_ test_split(X, y, test_size=0.2, random_ state=0)
model = LinearRegression() model.fit(X_train, y_train) y_pred = model.predict(X_test)
r2 = r2_score(y_test, y_pred) mse = mean_squared_error(y_test, y_pred) rmse = np.sqrt(mse) mae = mean_absolute_error(y_test, y_pred)
print(f”R-Quadrado: {r2}, MSE: {mse}, RMSE: {rmse}, MAE: {mae}”)
Após executar o código, foram obtidas as seguintes métricas de desempenho:
R-Quadrado: 0.9020746527777778 , MSE: 156680555.5555556, R M S E : 1 2 5 1 7 . 2 1 0 3 7 4 3 4 2 8 2 3 , M A E : 10083.333333333343
Com base nessas informações, analise as observações abaixo.
I. O valor de R-Quadrado próximo de 1 indica que o modelo explica uma grande proporção da variância dos dados de financiamento. Isso sugere que o modelo tem um bom ajuste aos dados, sendo capaz de capturar uma grande parte da relação entre as variáveis independentes e a variável dependente.
II. Um valor de MSE de aproximadamente 156 milhões sugere que, em média, o quadrado dos erros das previsões do modelo em relação aos valores reais é significativo. Isso indica que o modelo tem um bom ajuste de acordo e não existem erros consideráveis nas previsões.
III. Um MAE de aproximadamente 10083 sugere que, em média, as previsões do modelo desviam cerca de 10083 unidades dos valores reais. Comparado ao RMSE, o MAE não dá um peso tão grande a erros maiores, o que sugere que o modelo pode ter um número relativamente consistente de pequenos a moderados erros de previsão.
IV.A diferença entre o RMSE e o MAE sugere que o modelo pode estar lidando com alguns outliers ou previsões particularmente imprecisas que afetam mais o RMSE, pois o RMSE penaliza mais erros maiores do que erros menores.
Sobre as afirmativas acima, pode-se dizer que:
import numpy as np from sklearn.model_selection import train_ test_split from sklearn.linear_model import LinearRegression from sklearn.metrics import mean_squared_error, mean_absolute_error, r2_score
X = np.array([[1, 50], [2, 60], [3, 70], [4, 80], [5, 90], [1, 55], [2, 65], [3, 75], [4, 85], [5, 95]]) y = np.array([100000, 120000, 150000, 200000, 250000, 110000, 130000, 170000, 230000, 290000]) X_train, X_test, y_train, y_test = train_ test_split(X, y, test_size=0.2, random_ state=0)
model = LinearRegression() model.fit(X_train, y_train) y_pred = model.predict(X_test)
r2 = r2_score(y_test, y_pred) mse = mean_squared_error(y_test, y_pred) rmse = np.sqrt(mse) mae = mean_absolute_error(y_test, y_pred)
print(f”R-Quadrado: {r2}, MSE: {mse}, RMSE: {rmse}, MAE: {mae}”)
Após executar o código, foram obtidas as seguintes métricas de desempenho:
R-Quadrado: 0.9020746527777778 , MSE: 156680555.5555556, R M S E : 1 2 5 1 7 . 2 1 0 3 7 4 3 4 2 8 2 3 , M A E : 10083.333333333343
Com base nessas informações, analise as observações abaixo.
I. O valor de R-Quadrado próximo de 1 indica que o modelo explica uma grande proporção da variância dos dados de financiamento. Isso sugere que o modelo tem um bom ajuste aos dados, sendo capaz de capturar uma grande parte da relação entre as variáveis independentes e a variável dependente.
II. Um valor de MSE de aproximadamente 156 milhões sugere que, em média, o quadrado dos erros das previsões do modelo em relação aos valores reais é significativo. Isso indica que o modelo tem um bom ajuste de acordo e não existem erros consideráveis nas previsões.
III. Um MAE de aproximadamente 10083 sugere que, em média, as previsões do modelo desviam cerca de 10083 unidades dos valores reais. Comparado ao RMSE, o MAE não dá um peso tão grande a erros maiores, o que sugere que o modelo pode ter um número relativamente consistente de pequenos a moderados erros de previsão.
IV.A diferença entre o RMSE e o MAE sugere que o modelo pode estar lidando com alguns outliers ou previsões particularmente imprecisas que afetam mais o RMSE, pois o RMSE penaliza mais erros maiores do que erros menores.
Sobre as afirmativas acima, pode-se dizer que:
Ano: 2024
Banca:
FIOCRUZ
Órgão:
FIOCRUZ
Prova:
FIOCRUZ - 2024 - FIOCRUZ - Tecnologista em Saúde Pública - Ciência de dados em saúde |
Q3331324
Estatística
Uma das dificuldades de se realizar agrupamentos de
dados é a definição do número de grupos. É correto afirmar
que contém apenas técnicas ou métricas que podem ser
úteis para automatizar a decisão do número K de grupos:
Ano: 2024
Banca:
FIOCRUZ
Órgão:
FIOCRUZ
Prova:
FIOCRUZ - 2024 - FIOCRUZ - Tecnologista em Saúde Pública - Ciência de dados em saúde |
Q3331323
Estatística
Sobre o algoritmo K-médias, é correto afirmar que:
Ano: 2024
Banca:
FIOCRUZ
Órgão:
FIOCRUZ
Prova:
FIOCRUZ - 2024 - FIOCRUZ - Tecnologista em Saúde Pública - Ciência de dados em saúde |
Q3331322
Estatística
Dentre as seguintes listas, NÃO contêm apenas algoritmos que podem ser usados para realizar uma regressão, é:
Ano: 2024
Banca:
FIOCRUZ
Órgão:
FIOCRUZ
Prova:
FIOCRUZ - 2024 - FIOCRUZ - Tecnologista em Saúde Pública - Ciência de dados em saúde |
Q3331315
Estatística
São algoritmos de classificação, EXCETO:
Ano: 2024
Banca:
FIOCRUZ
Órgão:
FIOCRUZ
Prova:
FIOCRUZ - 2024 - FIOCRUZ - Tecnologista em Saúde Pública - Ciência de dados em saúde |
Q3331313
Estatística
Considere o problema de calcular agrupamentos dos
objetos apresentados na figura abaixo:
Considerando a distribuição dos objetos no espaço de acordo com seus atributos ilustrada na figura, o algoritmo de agrupamento indicado para diferenciar os dois grupos seria:
Considerando a distribuição dos objetos no espaço de acordo com seus atributos ilustrada na figura, o algoritmo de agrupamento indicado para diferenciar os dois grupos seria:
Ano: 2024
Banca:
FIOCRUZ
Órgão:
FIOCRUZ
Prova:
FIOCRUZ - 2024 - FIOCRUZ - Tecnologista em Saúde Pública - Ciência de dados em saúde |
Q3331303
Estatística
Em muitas situações precisamos trabalhar com dados
muito volumosos. Imagine que se queira saber a média de
altura de todas as pessoas vivas no mundo e não houvesse
uma maneira factível de medir todas as pessoas (população). Usualmente, extraímos um conjunto de dados menor
mas representativo e então analisamos este subconjunto
(amostra). Medimos alguns milhares de pessoas e esperamos que essa medida possa ser próxima o bastante da
medida que obteríamos se medíssemos todo mundo. Para
que essa medida seja confiável, precisamos calcular o intervalo de confiança. Para isto, precisamos selecionar diversas
amostras da população. Este tipo de técnica é chamada de:
Ano: 2024
Banca:
FIOCRUZ
Órgão:
FIOCRUZ
Prova:
FIOCRUZ - 2024 - FIOCRUZ - Tecnologista em Saúde Pública - Ciência de dados em saúde |
Q3331302
Estatística
Em relação a coleções de valores aleatórios gerados a
partir de distribuições de probabilidade:
I. Se selecionamos um valor, em seguida outro e outro formando uma lista, sua média é o valor esperado.
II. Variáveis independentes são aquelas que não dependem das outras variáveis ou seja não se influenciam.
III. Muitos algoritmos de aprendizado de máquina requerem variáveis independentes e identicamente distribuídas ou seja selecionadas da mesma distribuição.
De cima para baixo, a sequência correta é:
I. Se selecionamos um valor, em seguida outro e outro formando uma lista, sua média é o valor esperado.
II. Variáveis independentes são aquelas que não dependem das outras variáveis ou seja não se influenciam.
III. Muitos algoritmos de aprendizado de máquina requerem variáveis independentes e identicamente distribuídas ou seja selecionadas da mesma distribuição.
De cima para baixo, a sequência correta é:
Ano: 2024
Banca:
FIOCRUZ
Órgão:
FIOCRUZ
Prova:
FIOCRUZ - 2024 - FIOCRUZ - Tecnologista em Saúde Pública - Ciência de dados em saúde |
Q3331299
Estatística
Em relação ao nosso sistema de percepção visual e
cognição, é INCORRETO afirmar que:
Ano: 2024
Banca:
FIOCRUZ
Órgão:
FIOCRUZ
Prova:
FIOCRUZ - 2024 - FIOCRUZ - Tecnologista em Saúde Pública - Ciência de dados em saúde |
Q3331298
Estatística
Quando analisamos dados visualmente, buscamos
encontrar e compreender as partes da informação e como
elas se relacionam com outras. Por exemplo, em uma série
temporal, visamos analisar como determinadas variáveis
se relacionam com a variável tempo. Um análise de parte-todo ilustra como as partes se relacionam entre si e com
o todo. Séries temporais e parte-todo são dois exemplos
de relacionamentos quantitativos clássicos que podem ser
visualizados através de técnicas de visualização.
A coluna I mostra os relacionamentos quantitativos e a coluna II as técnicas de visualização. Estabeleça a correta correspondência entre as colunas I e II.
Coluna I
1. Série temporal. 2. Parte-todo.
Coluna II
( ) gráfico de linhas. ( ) gráfico de pizza. ( ) treemap. ( ) gráfico de radar. ( ) gráfico de marimekko.
A sequência correta, de cima para baixo, é:
A coluna I mostra os relacionamentos quantitativos e a coluna II as técnicas de visualização. Estabeleça a correta correspondência entre as colunas I e II.
Coluna I
1. Série temporal. 2. Parte-todo.
Coluna II
( ) gráfico de linhas. ( ) gráfico de pizza. ( ) treemap. ( ) gráfico de radar. ( ) gráfico de marimekko.
A sequência correta, de cima para baixo, é:
Conheça nossos planos