A função densidade de probabilidade da variável aleatória contínua X é dada por:



onde k é uma constante apropriada para garantir que f(x) seja uma função densidade de probabilidade. Selecionando-se, aleatoriamente e com reposição, 5 valores de X dentro do intervalo 0 < x < 2, a probabilidade de que exatamente 3 sejam inferiores a 1 é igual a

A função de distribuição acumulada da variável aleatória contínua X é dada por:



O valor da diferença entre a moda e a média de X é igual a

Durante uma semana, observa-se a quantidade de determinadas ocorrências, esperando que diariamente ocorram 20 destes tipos de ocorrências. Para esta análise, foram levantados os seguintes dados em uma semana escolhida aleatoriamente:


Deseja-se saber, ao nível de significância de α, se as frequências são iguais em todos os dias da semana, utilizando o teste do qui-quadrado. Foram formuladas as hipóteses H₀: as frequências são iguais em todos os dias da semana (hipótese nula) e H₁: as frequências são diferentes.

Observação: o valor crítico do qui-quadrado tabelado da distribuição qui-quadrado, ao nível de significância de α e com o respectivo número de graus de liberdade do teste, apresentou um valor superior ao valor do qui-quadrado observado.

O valor do qui-quadrado observado é

A variância de uma população normalmente distribuída e de tamanho infinito é desconhecida. Uma amostra aleatória de tamanho 9 é extraída desta população obtendo-se a média dos elementos da amostra igual a x e o respectivo desvio padrão amostral igual a 2,7. Considere o objetivo de testar a hipótese H₀ : μ =20 (hipótese nula) contra H₁ : μ ≠20 (hipótese alternativa), ao nível de significância de 5%, com a realização do teste t de Student. Sabe-se que t_0,025corresponde ao quantil da distribuição t de Student para o teste



A hipótese H₀ será rejeitada caso x

Um intervalo de confiança de 95% para a média μ de uma população normal de tamanho infinito e variância desconhecida foi construído com base em uma amostra aleatória de tamanho 16 e com a utilização da distribuição t de Student. Considere t_0,025 o quantil da distribuição t de Student para o teste unicaudal tal que a probabilidade P(t > t_0,025 ) =0,025, com n graus de liberdade.



Se a variância amostral foi igual a 4,84, então a amplitude do intervalo é igual a

Os estimadores E ₁ =mX+ (1 -m)Y e E ₂ =(m -1)X + (2 -m)Y são utilizados para estimar a média μ de uma população normal com variância unitária. O parâmetro m é real e (X, Y) corresponde a uma amostra aleatória com reposição da população. Dado que E ₂ é mais eficiente que E ₁ e que < 0, tem-se que o valor de m que satisfaz estas duas condições é tal que

Admite-se que o número de peças (x) que se danificam em um pacote com 4 peças cada um, durante o transporte do depósito até a fábrica, obedece à lei de Poisson . Observando, aleatoriamente, 400 destes transportes, decide-se estimar pelo método da máxima verossimilhança o parâmetro λ da distribuição. O quadro abaixo demonstra o resultado referente a estas observações:

x_i 0 1 2 3 4 TOTAL
n_i 220 130 35 10 5 400
Observação: n_i é o número de transportes contendo x_i peças danificadas.

Sendo então o número de peças danificadas uma variável aleatória X, com base na estimativa de λ, tem-se que a variância de X é

Analisando a quantidade diária de processos autuados em uma repartição pública, durante um período, obteve-se o seguinte gráfico em que as colunas representam o número de dias em que foram autuadas as respectivas quantidades de processos constantes no eixo horizontal.


A soma dos valores respectivos da mediana e da moda supera o valor da média aritmética (quantidade de processos autuados por dia) em

A tabela de frequências absolutas abaixo corresponde à distribuição dos valores dos salários dos funcionários de nível médio lotados em um órgão público no mês de dezembro de 2014.


O valor da mediana destes salários, obtido pelo método da interpolação linear, é, em R$, igual a

Considere as seguintes afirmações:

I. Na análise de componentes principais, quando a distribuição de probabilidade do vetor em estudo é normal multivariada, as componentes principais além de não correlacionadas são também independentes e têm distribuição normal.

II. é a matriz de covariâncias do vetor aleatório X de dimensão (2X1), então a matriz de correlações de X é P =

III. Na análise fatorial, quando a suposição de ortogonalidade dos fatores não puder ser considerada, pode-se utilizar o recurso da transformação ortogonal dos fatores originais na tentativa de se obter uma estrutura mais simples de ser interpretada.

IV. A análise de agrupamentos trabalha com medidas de similaridade e dissimilaridade, não comportando por isso o uso de variáveis qualitativas.

Está correto o que se afirma APENAS em