Conceitos Essenciais de Probabilidade e Estatística: V ou F
Classificado em Matemática
Escrito em 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.