Conceitos Essenciais de Probabilidade e Estatística: V ou F

Classificado em Matemática

Escrito em em português com um tamanho de 6,69 KB

  1. O modelo binomial é caracterizado por uma variável dicotômica. V.
  2. A curva normal é assimétrica em relação à média. F.
  3. A teoria da probabilidade trabalha com experimentos deterministas. F.
  4. A teoria da probabilidade pode começar a construir um modelo a partir de um experimento aleatório. V.
  5. O domínio do modelo normal é definido em números reais positivos. F.
  6. As decisões baseadas na teoria das probabilidades são positivas. V.
  7. Um experimento aleatório é um processo de coleta de informações onde o resultado pode ser previsto com certeza, mesmo quando repetido várias vezes. F.
  8. A teoria da probabilidade fornece os procedimentos para o cálculo dos resultados possíveis. V.
  9. Em um experimento aleatório, o conjunto de resultados possíveis será sempre oito. F.
  10. Todos os possíveis resultados de um experimento aleatório são conhecidos por 'randomizado'. F.
  11. Os eventos são dependentes no modelo binomial. F.
  12. Se o experimento é lançar três moedas, o número de possíveis resultados será oito. V.
  13. Um evento é um subconjunto de um espaço amostral. V.
  14. O conjunto vazio é conhecido como evento impossível. V.
  15. Se a probabilidade de um evento está próxima de um, então o evento é muito provável que aconteça. V.
  16. O espaço amostral é denominado evento provável. F.
  17. A probabilidade pode ser definida como: frequentista e subjetiva. V.
  18. A probabilidade Bayesiana é o grau de certeza de um evento. V.
  19. O evento complementar é formado por todos os elementos que estão no espaço amostral. F.
  20. A notação P(A) significa a probabilidade de que um evento A ocorra. V.
  21. Um espaço amostral é finito e enumerável se ele tem um número finito de termos e estes pertencem aos números reais. F.
  22. A probabilidade do espaço amostral é igual a um. V.
  23. A probabilidade de um evento impossível é igual a meio. F.
  24. A probabilidade de um evento (subconjunto do espaço amostral) é a sua frequência relativa em relação ao total de resultados possíveis. V.
  25. Sejam A e A* (complemento de A) eventos, tal que P(A*) = 1 - P(A). V.
  26. Sejam A1 e A2 quaisquer eventos, tal que P(A1 - A2) = P(A1 ∪ A2*). F.
  27. A probabilidade de que um evento A ocorra é calculada por P(A) = #A / #S, onde #A é o número de resultados favoráveis ao evento A e #S é o número total de resultados no espaço amostral. V.
  28. Um evento é um conjunto formado por resultados experimentais. V.
  29. Para calcular a probabilidade condicional, deve-se calcular a interseção entre dois eventos. V.
  30. O modelo de Gauss (distribuição normal) tem uma curva em forma de sino e representa uma distribuição de probabilidade. V.
  31. De um evento é a frequência relativa de vezes que o evento ocorreria ao executar uma experiência repetida. F.
  32. Um sistema de eventos é abrangente e inclusivo se a união dos eventos é um espaço amostral e a intersecção entre quaisquer dois eventos é distinta da vazia. F.
  33. Dois eventos são independentes se a ocorrência de um não adiciona informações sobre a ocorrência do outro. V.
  34. O Teorema de Bayes calcula a probabilidade condicional de um evento, dadas novas informações (outro evento B). V.
  35. A especificidade é determinada pelas probabilidades de verdadeiro positivo. F.
  36. A prevalência é a porcentagem da população com a doença em um determinado momento. V.
  37. P(Doente | Positivo) = Valor Preditivo Positivo. V.
  38. Uma variável aleatória é uma função que atribui um número real a cada resultado de um experimento aleatório. V.
  39. As variáveis aleatórias podem ser descritas como discretas e contínuas. F.
  40. A função de densidade de probabilidade é uma função não-negativa cuja área sob a curva é igual a um. V.
  41. A incidência é a porcentagem de casos de doenças presentes na população. F.
  42. Em funções de densidade de probabilidade, a probabilidade de um intervalo é descrita por uma área específica sob a curva. V.
  43. O valor esperado é igual à mediana. F.
  44. A sensibilidade é determinada pelas probabilidades de verdadeiro negativo. F.
  45. Os parâmetros de um modelo normal são a média e a razão. F.
  46. Em um modelo normal, a média é o parâmetro de localização da curva. V.
  47. Carl Friedrich Gauss determinou a distribuição normal através de observações estelares. V.
  48. P(Doente | Negativo) = Valor Preditivo Negativo. F.
  49. O desvio padrão (ou variância) de um modelo normal determina a forma da curva. V.
  50. O evento interseção é aquele composto por elementos que estão em A ou em B. F.

Entradas relacionadas: