Questões de Estatística do ano 2012

Com os dados da questão 32, calcule o valor mais próximo da variação de Y explicada pela regressão.

• A. 250,6
• B. 154
• C. 110
• D. 424
• E. 215,6

Considere a cesta formada por cinco produtos A, B, C, D e E, com as seguintes relações entre seus preços e quantidades, onde p₀ representa os preços e q₀, as quantidades transacionadas dos produtos no início do ano e p1 os preços no fim do ano:

Calcule o valor mais próximo da variação de preços da cesta no ano obtida pelo Índice de Preços de Laspeyres.

• A. 31,4%
• B. 32,6%
• C. 34,75%
• D. 36,0%
• E. 37,4%

• A. “t” de Student com n-1 graus de liberdade.
• B. Qui quadrado com n -1 graus de liberdade.
• C. “t” de Student com 1 grau de liberdade.
• D. F com 1 grau de liberdade no numerador e n -1 graus de liberdade no denominador.F
• E. F com 1 grau de liberdade no denominador e n -1 graus de liberdade no numerador.

Em uma população de 50 empresas de uma região, 20 são empresas exportadoras. Retirando-se sem reposição uma amostra aleatória de tamanho 10 desta população de empresas, qual a probabilidade de que as 5 primeiras empresas escolhidas sejam empresas exportadoras e as 5 últimas não sejam exportadoras?

• A. (0,24)⁵
• B. 10!/(5!5!) (0,4)⁵ (0,6)⁵
• C. (20!/15!) (30!/25!) / (50!/40!)
• D. 10!/(5!5!) (20!/15!) (30!/25!) / (50!/40!)
• E. 0,5

Considerando a população de empresas da questão 36, qual o valor mais próximo do número esperado de empresas exportadoras em uma amostra aleatória de tamanho 20 retirada sem reposição da população?

• A. 10
• B. 8
• C. 7,5
• D. 6
• E. 4

• A. S²
• B.
• C.
• D.
• E.

Em situações práticas de pesquisa em que existe um grande número de variáveis correlacionadas, é possível aplicar uma técnica de Análise Multivariada que busca reduzir o número de variáveis sem perder muito da informação contida na matriz de covariâncias. Para isso, as variáveis originais são transformadas obtendo-se novas variáveis com propriedades ótimas de variância. Assim, a primeira nova variável é a combinação linear normalizada das variáveis originais com máxima variância. A segunda nova variável é a combinação linear normalizada das variáveis originais, não correlacionada com a primeira nova variável e com máxima variância. A terceira nova variável é ainda a combinação linear normalizada das variáveis originais agora não correlacionada com a primeira e a segunda novas variáveis e com máxima variância e assim por diante. Essa técnica de Análise Multivariada é denominada:

• A. Análise Discriminante.
• B. Análise Fatorial.
• C. Correlação Canônica.
• D. Análise de Componentes Principais.
• E. Distribuição Normal Multivariada.

• A.
• B.
• C.
• D.
• E.

Os dados da Tabela abaixo ilustram o que uma empresa produz para uma determinada linha de produto. Estes dados foram anotados durante quatro meses consecutivos. Tomando como base 100 em março, o índice de produtividade de horas trabalhadas em maio é igual a:

• A. 6,9
• B. 100
• C. 93,7
• D. 1590
• E. 80

Uma empresa da Indústria de chips deseja desenvolver um novo chip. Para o desenvolvimento deste novo chip, a empresa tem duas alternativas:

- alternativa 1: pesquisa e desenvolvimento (P&D) por sua própria conta;

- alternativa 2: desenvolver o chip por meio de um acordo com uma outra empresa de engenharia.

A tabela abaixo apresenta, em valor presente, os lucros esperados para os próximos 5 anos, dependendo da alternativa escolhida e do sucesso alcançado.

Com base em estudos de viabilidade e em estudos de diversas empresas de consultoria e de desenvolvimento, obteve-se as seguintes probabilidades para cada um dos estados da natureza: p1 = 0,2 (muito sucesso); p2 = 0,5 (razoável sucesso) e p3 = 0,3 (pouco sucesso). Portanto, a empresa deseja saber (em milhões de reais): qual o valor da decisão que corresponde ao Máximo Valor Esperado (MVE) e, qual o Ganho Esperado com Informação Perfeita (GEIP).

• A. MVE = 27 e GEIP= 12
• B. MVE = 40 e GEIP= 22
• C. MVE = 52 e GEIP= 22
• D. MVE = 27 e GEIP= 22
• E. MVE = 40 e GEIP= 12