Questões Militares
Para estatística
Foram encontradas 1.039 questões
Resolva questões gratuitamente!
Junte-se a mais de 4 milhões de concurseiros!
Q1983555
Estatística
O comprimento X das fibras de algodão é uma das características determinantes da qualidade da produção na
indústria têxtil. Suponha que a variável X tenha distribuição Normal com média µ e desvio padrão σ que dependem do fornecedor. Uma indústria recebe um lote dessas fibras, que podem ter vindo do fornecedor A ou do
fornecedor B, cujos parâmetros na distribuição de X são,
respectivamente: (µA = 33; σA = 3) e (µB = 36; σA = 6).
Para decidir se o lote veio do fornecedor A (hipótese H0
)
ou do fornecedor B (hipótese H1
), a indústria resolve selecionar uma amostra de tamanho “n” das fibras do lote
e, se o comprimento médio das fibras selecionadas for
grande (
> k), onde k é uma constante, a indústria decide que o lote veio do fornecedor B; caso contrário, decide que veio do fornecedor A. Considere a seguinte tabela, que apresenta quantis da distribuição Normal de
média zero e desvio padrão um.
Quantis da distribuição Normal Z, de média zero e desvio padrão um.
Qual é o valor aproximado de “n” de forma que as probabilidades de cometer o Erro Tipo I e o Erro Tipo II sejam ambas iguais a 0,05?
> k), onde k é uma constante, a indústria decide que o lote veio do fornecedor B; caso contrário, decide que veio do fornecedor A. Considere a seguinte tabela, que apresenta quantis da distribuição Normal de
média zero e desvio padrão um. Quantis da distribuição Normal Z, de média zero e desvio padrão um.
Qual é o valor aproximado de “n” de forma que as probabilidades de cometer o Erro Tipo I e o Erro Tipo II sejam ambas iguais a 0,05?
Q1983554
Estatística
Sabe-se que, na última safra, o custo médio do frete de itens agrícolas, para distâncias em torno de 800 km, foi de
R$ 350,00 com um desvio padrão de R$ 75,00. Para a safra atual, os produtores adotaram novas estratégias no planejamento e na logística do transporte da produção, a fim de diminuir esse custo médio. Assumindo que as novas estratégias
não modificaram o desvio padrão do custo na safra atual e supondo normalidade na distribuição da variável custo, deseja-
-se verificar se as mudanças foram eficazes. Para o teste das hipóteses de interesse, foram registrados os custos do frete
na safra atual (para distâncias em torno de 800 km) de uma amostra de 25 produtores, cuja média e desvio padrão amostral foram, respectivamente, = R$ 305,00 e s = R$ 70,00. Assim, o p-valor (ou nível descritivo) do teste é aproximadamente p = 0,0013, e conclui-se que as mudanças foram eficazes na redução do custo. Seja Z uma variável com distribuição
Normal de média zero e desvio padrão um, e seja 
a estatística que representa a média amostral, o p-valor foi obtido
como a seguinte probabilidade:
= R$ 305,00 e s = R$ 70,00. Assim, o p-valor (ou nível descritivo) do teste é aproximadamente p = 0,0013, e conclui-se que as mudanças foram eficazes na redução do custo. Seja Z uma variável com distribuição
Normal de média zero e desvio padrão um, e seja a estatística que representa a média amostral, o p-valor foi obtido
como a seguinte probabilidade:
Q1983553
Estatística
João e Antônio são atletas de tiro esportivo, cujas chances de acertarem o alvo são 90% e 75%, respectivamente. Suponha que um deles é selecionado ao acaso e executa 6 tiros. Para decidir qual deles executou os tiros, adotou-se a regra:
se o atirador acertar o alvo nos 6 tiros, diremos que o João foi o atirador; caso contrário, diremos que foi o Antônio. Usando
a tabela da distribuição Binomial a seguir, obtenha as probabilidades dos Erros Tipo I e Tipo II, definidos como:
Erro Tipo I: dizer que os tiros foram dados pelo João, quando, na realidade, foram dados pelo Antônio.
Erro Tipo II: dizer que os tiros foram dados pelo Antônio, quando, na realidade, foram dados pelo João.
Distribuição Binominal: valores da função de probabilidade
As probabilidades dos Erros Tipo I e Tipo II são, respectivamente,
Distribuição Binominal: valores da função de probabilidade
As probabilidades dos Erros Tipo I e Tipo II são, respectivamente,
Q1983552
Estatística
A fim de combater o desperdício e diminuir o consumo (em kWh: Quilowatt-hora) de energia elétrica em empresas de
pequeno porte de uma região, uma consultoria especializada foi contratada e implementou algumas medidas para melhorar a eficiência energética. Para acompanhar a redução no consumo de energia com as novas medidas, a consultoria
selecionou uma amostra de n = 16 empresas da região e registrou o consumo antes (variável X) e após (variável Y) a
implementação das medidas propostas. Foram observados, antes das novas medidas, um consumo médio entre as empresas selecionadas = 350 kWh e, após as novas medidas, um consumo médio 
= 320 kWh. Suponha que a diferença
entre os consumos, D = X - Y, segue uma distribuição Normal, e que o desvio padrão dessas diferenças entre as empresas
selecionadas foi SD = 40 kW/h. Deseja-se testar a hipótese de que houve redução no consumo com as novas medidas.
Com base na tabela a seguir e adotando um nível de significância de 5%, qual é a região crítica do teste (RC) e a decisão tomada?
Distribuição t-Student com k graus de liberdade: valores de t tais que P(–t ≤ Tk ≤ t) = 1 – p.
= 350 kWh e, após as novas medidas, um consumo médio = 320 kWh. Suponha que a diferença
entre os consumos, D = X - Y, segue uma distribuição Normal, e que o desvio padrão dessas diferenças entre as empresas
selecionadas foi SD = 40 kW/h. Deseja-se testar a hipótese de que houve redução no consumo com as novas medidas.
Com base na tabela a seguir e adotando um nível de significância de 5%, qual é a região crítica do teste (RC) e a decisão tomada?
Distribuição t-Student com k graus de liberdade: valores de t tais que P(–t ≤ Tk ≤ t) = 1 – p.
Q1983551
Estatística
Uma forma de comparar as médias µx
e µy
de duas populações normais independentes X e Y, respectivamente, com variância comum e desconhecida σ2
, é através do Intervalo de confiança para a diferença entre as médias, dado por
comrepresentando a média observada em uma amostra aleatória de tamanho n da população X, a média observada
em uma amostra aleatória de tamanho m da população Y, Sp
é o desvio padrão amostral combinado observado nas amostras, e qt
é um quantil da distribuição t-Student. Se y é o coeficiente de confiança desejado no intervalo e Tc
representa a
distribuição t-Student com c graus de liberdade, o quantil qt
deve satisfazer a seguinte probabilidade:
com
representando a média observada em uma amostra aleatória de tamanho n da população X, a média observada
em uma amostra aleatória de tamanho m da população Y, Sp
é o desvio padrão amostral combinado observado nas amostras, e qt
é um quantil da distribuição t-Student. Se y é o coeficiente de confiança desejado no intervalo e Tc
representa a
distribuição t-Student com c graus de liberdade, o quantil qt
deve satisfazer a seguinte probabilidade:
Q1983550
Estatística
No processo de estimação de parâmetros associados à
distribuição de uma variável aleatória X, através de intervalos de confiança baseados no método da quantidade
pivotal, pode-se afirmar que
Q1983549
Estatística
Com relação às propriedades dos estimadores e aos diferentes métodos de estimação, pode-se afirmar que
Q1983548
Estatística
A fim de estimar a probabilidade θ de sucesso em uma
população X~Bernoulli (θ), foi conduzido o seguinte
experimento em duas etapas: inicialmente, observou-
-se uma amostra aleatória X1
, …, Xn
, de tamanho n e,
em seguida, observou-se uma nova amostra aleatória
Xn+1, …, Xn+m, de tamanho m, independentemente da primeira amostra. Suponha que os seguintes estimadores
estão sendo propostos para θ:
Uma das propriedades desejáveis de um estimador é que ele tenha um erro quadrático médio pequeno. O estimador
terá erro quadrático médio menor que o estimador 
se, e somente se:
Uma das propriedades desejáveis de um estimador é que ele tenha um erro quadrático médio pequeno. O estimador
terá erro quadrático médio menor que o estimador se, e somente se:
Ano: 2022
Banca:
CESPE / CEBRASPE
Órgão:
CBM-RO
Prova:
CESPE / CEBRASPE - 2022 - CBM-RO - Oficial Bombeiro Militar Complementar - Engenheiro Civil |
Q1969822
Estatística
Texto associado
Considere que, em uma central telefônica para
atendimento de urgência, tenha sido registrado, em certo dia,
entre 7 h e 12 h, o tempo de ligações em segundos e a quantidade
de ligações, conforme apresentado na tabela a seguir. Considere,
ainda, que, por questões operacionais, todas as ligações não
poderiam ultrapassar 2 min.
Considere que, em 3 ligações com duração entre 90 e 120 s, os
tempos de ligação tenham sido, respectivamente, iguais a 100 s,
101 s e 102 s. Nessa situação, o desvio padrão entre essas
ligações terá sido
Q1822391
Estatística
Suponha que a comissão técnica de uma modalidade es- R A SCUNHO
portiva de um clube tem que decidir, com base em um
teste de esforço físico, quais atletas serão inscritos ou
não em um torneio esportivo. Estudos anteriores indicam
que cerca de 40% dos atletas dessa modalidade mostram-se aptos (condição θ0
) a participar desses torneios,
e 60% não aptos (condição θ1
). As respostas (X) em testes de esforço, realizados anteriormente com um grupo
de atletas dessa modalidade, são mostradas na Tabela 1: Tabela 1: Resposta (em proporções)
dos atletas ao teste de esforço.
A decisão da comissão envolve perdas, estima-se que
a perda ao inscrever no torneio um atleta não apto é de
6 unidades, e a perda de não inscrever um atleta apto é
de 10 unidades. Admita, ainda, que não há perdas quando um atleta apto é inscrito no torneio, ou quando não se
inscreve um atleta não apto. Assim, o cenário de decisão
é composto pelo i) espaço paramétrico θ = {θ0
, θ1
}, em que
θ0
e θ1
correspondem a aptidão ou não do atleta, respectivamente; ii) pelas possíveis ações da comissão {a0
, a1
}, ou
seja, inscrever (a0
) ou não inscrever o atleta (a1
); e iii) as
perdas envolvidas. Considerando a distribuição a posteriori
apresentada na Tabela 2, podemos afirmar sobre a decisão
de Bayes da comissão: Tabela 2: Distribuição a Posterior
A decisão da comissão envolve perdas, estima-se que
a perda ao inscrever no torneio um atleta não apto é de
6 unidades, e a perda de não inscrever um atleta apto é
de 10 unidades. Admita, ainda, que não há perdas quando um atleta apto é inscrito no torneio, ou quando não se
inscreve um atleta não apto. Assim, o cenário de decisão
é composto pelo i) espaço paramétrico θ = {θ0
, θ1
}, em que
θ0
e θ1
correspondem a aptidão ou não do atleta, respectivamente; ii) pelas possíveis ações da comissão {a0
, a1
}, ou
seja, inscrever (a0
) ou não inscrever o atleta (a1
); e iii) as
perdas envolvidas. Considerando a distribuição a posteriori
apresentada na Tabela 2, podemos afirmar sobre a decisão
de Bayes da comissão: Tabela 2: Distribuição a Posterior
Q1822390
Estatística
Suponha que o comprimento X, em metros, das novas vigas fabricadas em uma indústria é uma variável aleatória
que segue uma distribuição Uniforme no intervalo (0, θ).
O fabricante deseja obter uma estimativa Bayesiana para
θ e adota a seguinte densidade a priori para o parâmetro 
Uma amostra aleatória de 6 vigas selecionadas da linha de produção apresentou os comprimentos (em metros): 3,5; 6,0; 7,0; 6,5; 4,5 e 2,5. A estimativa Bayesiana para θ, com relação à função perda
quadrática, é
Uma amostra aleatória de 6 vigas selecionadas da linha de produção apresentou os comprimentos (em metros): 3,5; 6,0; 7,0; 6,5; 4,5 e 2,5. A estimativa Bayesiana para θ, com relação à função perda
quadrática, é
Q1822389
Estatística
No estudo da relação entre duas variáveis X e Y em modelos de regressão, podemos afirmar que:
Q1822388
Estatística
Considerando duas amostras de tamanho independentes, extraídas de duas populações X e Y com possível
associação linear entre elas, desejamos testar a hipótese
H0
:ρ = 0 versus H1
:ρ ≠ 0 acerca do Coeficiente de Correlação populacional, através da Estatística 
,
onde r = corr(X, Y) é a correlação amostral de Pearson. O
teste baseia-se na distribuição:
,
onde r = corr(X, Y) é a correlação amostral de Pearson. O
teste baseia-se na distribuição:
Q1822387
Estatística
O número de casos confirmados de Covid-19 (Y) em função do número de dias a partir do primeiro caso (X) pode
ser ajustado pela função Y = 
Com base na tabela
e nos dados, onde Z = ln(Y), podemos afirmar que:
Com base na tabela
e nos dados, onde Z = ln(Y), podemos afirmar que:
Q1822386
Estatística
Um Estatístico está estudando a relação entre duas variáveis, o Nível Socioeconômico (X) e o Desempenho
no ENEM (Y), visando a ajustar uma função aos dados.
Pode-se estimar os parâmetros do modelo por: Evolução do Desempenho do ENEM
Q1822385
Estatística
O tempo (X) entre as chegadas de e-mails a uma conta
tem distribuição Exponencial com média de 1/α minutos,
dada pela f.d.p. f(x) = α exp(–αx). Observando uma
amostra de n=100 e-mails, e gerando a estatística 
,
podemos afirmar que:
,
podemos afirmar que:
Q1822384
Estatística
Em uma população finita de N indivíduos, ao considerarmos uma variável de interesse X, a média e a variância populacionais serão obtidas por 
, respectivamente. No entanto, ao obtermos uma amostra aleatória simples de tamanho n da v.a. X, e adotarmos as estatísticas 
, podemos afirmar que
, respectivamente. No entanto, ao obtermos uma amostra aleatória simples de tamanho n da v.a. X, e adotarmos as estatísticas , podemos afirmar que
Q1822383
Estatística
Um time de futebol está selecionando jogadores com
base em algumas propriedades dos atletas. Foram pré-selecionados 2 jogadores e solicitado que cada um chutasse 10 vezes uma bola em um alvo no canto superior
direito da trave. Os resultados estão ilustrados na figura
a seguir: 
Com base nos resultados, pode-se afirmar que o jogador
Com base nos resultados, pode-se afirmar que o jogador
Q1822382
Estatística
Consideremos uma população em que desejamos estudar uma variável X cuja distribuição depende de um parâmetro θ. Uma Estatística T, que visa a obter informação
sobre o parâmetro θ, é definida como
Q1822381
Estatística
Planeja-se selecionar uma amostra de duas escolas por amostragem aleatória proporcional ao número de alunos
matriculados. A população de dez escolas com a quantidade de alunos matriculados é apresentada a seguir: 
O objetivo é medir o total de horas dedicadas a atividades
lúdicas promovidas pelas escolas durante o ano. Suponha que foram selecionadas na amostra as escolas 2 e
9, e a pesquisa apontou 150 e 100 horas dedicadas a
atividades lúdicas, respectivamente. A estimativa do total
de horas dedicadas a atividades lúdicas na população de
escolas, considerando o plano amostral, é
O objetivo é medir o total de horas dedicadas a atividades
lúdicas promovidas pelas escolas durante o ano. Suponha que foram selecionadas na amostra as escolas 2 e
9, e a pesquisa apontou 150 e 100 horas dedicadas a
atividades lúdicas, respectivamente. A estimativa do total
de horas dedicadas a atividades lúdicas na população de
escolas, considerando o plano amostral, é
Conheça nossos planos