Distribuição de Amostragem e Teorema Central

O que é a distribuição de amostragem da média?

• A média de todos os dados em uma população.

• A distribuição das médias calculadas a partir de várias amostras de uma população.

• A distribuição de uma única amostra de dados.

• A distribuição dos dados sem amostragem.

Qual é o principal objetivo da estimativa de um valor médio?

• Calcular a moda de um conjunto de dados.

• Estimar a média de uma população com base em uma amostra.

• Determinar a variância de uma população.

• Encontrar o valor máximo em um conjunto de dados.

O que afirma o Teorema Central do Limite?

• A média de uma amostra é sempre igual à média da população.

• A soma de variáveis aleatórias independentes tem uma distribuição normal, independentemente da distribuição original, quando o tamanho da amostra é suficientemente grande.

• A distribuição de amostragem é sempre normal.

• A média de uma amostra não pode ser usada para estimar a média da população.

Qual é a implicação prática do Teorema Central do Limite para estatísticos?

• Eles podem usar a média de amostras para fazer inferências sobre a população.

• Eles devem sempre usar grandes amostras.

• Eles não podem usar a média se a distribuição não for normal.

• Eles devem evitar o uso de amostras.

Por que a distribuição de amostragem é importante na pesquisa estatística?

• Porque permite que os pesquisadores façam previsões sobre a população.

• Porque garante que os dados sejam sempre normais.

• Porque é a única maneira de coletar dados.

• Porque elimina a variabilidade dos dados.

Quando a distribuição de amostragem se aproxima de uma distribuição normal?

• Quando a população é normal.

• Quando o tamanho da amostra é pequeno.

• Quando o tamanho da amostra é grande, geralmente n ≥ 30.

• Quando a amostra é retirada aleatoriamente.

Qual é a relação entre o tamanho da amostra e a variabilidade da distribuição de amostragem?

• Quanto maior a amostra, maior a variabilidade.

• Quanto maior a amostra, menor a variabilidade.

• O tamanho da amostra não afeta a variabilidade.

• Variabilidade é sempre constante.

Qual é o que se entende por viés de seleção em amostragens?

• Quando todos os membros da população têm a mesma chance de serem selecionados.

• Quando a amostra não representa a população devido a um método de seleção inadequado.

• Quando a amostra é maior que a população.

• Quando a amostra é retirada aleatoriamente.

Qual é a diferença entre uma amostra aleatória simples e uma amostra estratificada?

• A amostra aleatória simples é retirada de toda a população, enquanto a amostra estratificada divide a população em grupos e retira amostras de cada grupo.

• A amostra estratificada é sempre maior que a amostra aleatória simples.

• Ambas são a mesma coisa.

• A amostra aleatória simples é retirada de grupos, enquanto a amostra estratificada é retirada aleatoriamente.

Qual é a consequência de usar uma amostra não representativa?

• A média da amostra será igual à média da população.

• As inferências feitas sobre a população podem ser imprecisas.

• A variabilidade dos dados será eliminada.

• Não haverá impacto nos resultados.