Conceitos Essenciais de Probabilidade e Estatística: V ou F

Escrito em 23 de Junho de 2025 em português com um tamanho de 6,69 KB

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

Entradas relacionadas:

Etiquetas: