Foram encontradas 1.128 questões.
Com relação à influência dos núcleos de condensação de nuvens (cloud condensation nuclei – CCN) sobre a concentração e a distribuição do tamanho de gotículas de nuvens, analise as afirmativas a seguir.
I. A concentração de gotículas é menor em nuvens cumulus produzidas em massas de ar continental do que em massas de ar marítimo.
II. O raio das gotículas das nuvens cumulus é menor nas massas de ar marítimo do que nas massas de ar continental.
III. A concentração de CCNs é maior no ar continental do que no ar marítimo.
Assinale:
Provas
O fato de a radiação solar ser concentrada nas regiões do espectro do visível (0,4-0,7 μm) e infravermelho próximo (0,7-4,0 μm), enquanto a radiação emitida pelos planetas e suas atmosferas é fortemente confinada no infravermelho (> 4 μm), é explicado pela
Provas
A partir de dados de uma radiossondagem observa-se, em certa camada da atmosfera, a variação da temperatura do ar com a altitude, denominada em inglês de temperature lapse rate (Γ). Analisando-se também a variação vertical da adiabática seca (dry adiabatic lapse rate ou Γd) e a variação vertical da adiabática úmida (saturated adiabatic lapse rate ou Γs), é correto afirmar que a camada atmosférica será absolutamente estável se
Provas
A Tabela de Análise de Variância com um fator, parcialmente apresentada a seguir, foi obtida com o intuito de se testar a hipótese de igualdade entre 5 médias populacionais.
|
Fonte de Variação |
Soma dos Quadrados |
Graus de liberdade |
Quadrados médios |
F |
|
Entre amostras |
4.400 | |||
|
Dentro das amostras |
||||
| Total | 9.400 | 24 |
O valor da estatística F é igual a
Provas
Para testar se a média de uma variável populacional normalmente distribuída é menor do que 20, uma amostra aleatória simples de tamanho 16 foi observada e forneceu os seguintes dados:
\( \overline{x} = 19,2, \sum\limits^{16}_{i=1} (x_i - \overline{x})^2 = 375. \)
O p-valor associado à estatística de teste t-Student usual é um número
Provas
Observação: Caso necessário, utilize a Tabela da Distribuição Normal Reduzida.
Para testar H0: µ \( \le \) 100 versus H1: µ > 100, em que µ é a média de uma variável populacional com variância 144, será obtida uma amostra aleatória de tamanho 100 e usado um critério de decisão que rejeitará a hipótese nula se a média amostral for maior do que 102,1.
O nível de significância desse teste é aproximadamente igual a
Provas
Para estimar o parâmetro \( \lambda \) de uma distribuição Poisson, uma amostra aleatória X1, X2, ..., X100 , de tamanho 100, foi observada e verificou-se que \( \mathrm{\,\sum\limits^{100}_{i=1}\,X_i\,=\,200} \).
Se usarmos uma distribuição gama com parâmetros \( \alpha \) = 1 e \( \beta \) = 2 a priori de \( \lambda \), então a distribuição a posteriori de \( \lambda \) será gama com parâmetros
Provas
Avalie se as seguintes famílias de distribuições são exponenciais:
I. Distribuições normais com média conhecida e variância desconhecida.
II. Distribuições Poisson com média desconhecida.
III. Distribuições Bernoulli com parâmetro desconhecido.
Assinale:
Provas
Com relação ao passivo ambiental em solo e água subterrânea, onde é necessária a realização de avaliação preliminar, assinale V para a afirmativa verdadeira e F para a falsa.
( ) A avaliação preliminar de que trata da NBR15515 – Parte 1 – se aplica à avaliação preliminar de passivo ambiental, visando a identificação de indícios de contaminação de solo e água subterrânea por resíduos sólidos, resíduo industrial perigoso, cemitérios, acidentes, substâncias radioativas, entre outras.
( ) Quando houver a possibilidade de que a água subterrânea tenha sido afetada por contaminação é necessário que se realize estudo hidrogeológico, com levantamento de informações sobre a geologia regional e local, o tipo de meio circulante, pressão a que o aquífero está submetido e área de recarga e descarga.
( ) A investigação preliminar e a confirmatória precedem à investigação detalhada.
As afirmativas são, respectivamente,
Provas
Considere uma amostra aleatória X1, X2, ..., Xn de uma distribuição geométrica
p(x) = \( \theta \)(1 – \( \theta \))x, x = 0, 1, ...
O estimador de máxima verossimilhança de \( \theta \) é:
Provas
Caderno Container