1º encontro | INFERÊNCIA ESTATÍSTICA

Na Inferência Estatística, qual é o principal objetivo ao analisar dados?

• Obter informações de uma amostra para descrever apenas a amostra.

• Coletar dados de uma população inteira para uma pesquisa exaustiva.

• Obter informações sobre uma população a partir da análise de uma ou mais amostras dessa população.

• Gerenciar o grau de incerteza de cálculos matemáticos sem referência a dados empíricos.

Qual a diferença fundamental entre Parâmetros e Estimadores?

• Parâmetros são medidas de tendência central, enquanto Estimadores são medidas de dispersão.

• Parâmetros são calculados apenas em experimentos, enquanto Estimadores são calculados em pesquisas.

• Parâmetros são medidas numéricas que caracterizam uma População, enquanto Estimadores (ou estatísticas) são medidas numéricas que caracterizam uma Amostra.

• Não há diferença, são termos sinônimos utilizados em contextos distintos.

Em um experimento aleatório, o que representa o "Espaço Amostral (S)"?

• O resultado mais provável de ocorrer em um experimento.

• Um subconjunto dos resultados possíveis para um experimento.

• O conjunto de todos os resultados possíveis para um determinado experimento aleatório.

• A proporção de vezes que um resultado específico ocorreria em uma longa série de repetições.

Considerando um Espaço Amostral Equiprovável S, como é calculada a probabilidade de um Evento E ocorrer, denotada por P(E)?

• P(E) = n(S) / n(E)

• P(E) = n(S) - n(E)

• P(E) = n(E) / n(S)

• P(E) = 1 - (n(E) / n(S))

Se a probabilidade de um evento E ocorrer é P(E) = 0,75, qual é a probabilidade de esse evento não ocorrer?

• 0,75

• 0

• 1

• 0,25

Qual a principal diferença entre Modelos Probabilísticos Discretos e Modelos Probabilísticos Contínuos no que se refere ao cálculo de probabilidade?

• Modelos Discretos utilizam a distribuição Normal, enquanto Modelos Contínuos utilizam distribuições não paramétricas.

• Modelos Discretos atribuem probabilidade a intervalos, enquanto Modelos Contínuos atribuem a valores individuais.

• Modelos Discretos calculam probabilidade pela área sob a curva, enquanto Modelos Contínuos somam probabilidades de resultados individuais.

• Modelos Discretos referem-se a um número inteiro de eventos (resultados), enquanto Modelos Contínuos calculam probabilidade como a área sob uma curva de densidade para um intervalo de números reais.

Na Distribuição Normal, o que representa a Regra 68-95-99,7?

• A probabilidade de que um evento aleatório ocorra 68%, 95% ou 99,7% das vezes.

• O percentual de dados que se espera encontrar dentro de 1, 2 e 3 desvios-padrão, respectivamente, a partir da média em uma distribuição normal.

• A relação entre média, mediana e moda em uma distribuição simétrica.

• A área sob a curva normal totalizando 68%, 95% ou 99,7%.

Qual é a característica principal da Distribuição Normal Padronizada (ou Reduzida)?

• Média igual a 1 e desvio-padrão igual a 0.

• Média igual à média da população original e desvio-padrão igual ao desvio-padrão da população original dividido pela raiz quadrada do tamanho da amostra.

• Média igual a 0 e desvio-padrão igual a 1.

• É uma distribuição assimétrica utilizada para modelar eventos raros.

Para associar uma Distribuição Normal qualquer (com média μ e desvio-padrão σ) a uma Normal Padronizada, utilizamos qual transformação da variável x?

• z = x * μ / σ

• z = (x + μ) / σ

• z = (x - μ) / σ

• z = σ / (x - μ)

Em Modelos Probabilísticos Contínuos, o cálculo da probabilidade de um resultado estar dentro de um determinado intervalo é equivalente a quê?

• A soma dos resultados individuais dentro do intervalo.

• O ponto máximo da curva de densidade no intervalo.

• A frequência relativa dos resultados no intervalo.

• A área sob a curva de densidade correspondente a esse intervalo de valores.