Você está na página 1de 25

pcimarkpci MDAwMDowMDAwOjAwMDA6MDAwMDowMDAwOmZmZmY6YjE1Zjo4YmNi:V2VkLCAyMiBBdWcgMjAxOCAxNzoxOToyMCAtMDMwMA==

MARÇO / 2010
20 TARDE

ESTATÍSTICO(A) JÚNIOR
ESTA
CONHECIMENT
CONHECIMENTOSOS ESPECÍFICOS
LEIA ATENTAMENTE AS INSTRUÇÕES ABAIXO.
01 - Você recebeu do fiscal o seguinte material:
a) este caderno, com os enunciados das 70 questões objetivas, sem repetição ou falha, com a seguinte distribuição:

CONHECIMENTOS ESPECÍFICOS
Questões Pontos Questões Pontos Questões Pontos Questões Pontos
1 a 10 0,5 21 a 30 1,5 41 a 50 2,5 61 a 70 3,5
11 a 20 1,0 31 a 40 2,0 51 a 60 3,0 - -

b) 1 CARTÃO-RESPOSTA destinado às respostas às questões objetivas formuladas nas provas.


02 - Verifique se este material está em ordem e se o seu nome e número de inscrição conferem com os que aparecem no CARTÃO-
RESPOSTA. Caso contrário, notifique IMEDIATAMENTE o fiscal.
03 - Após a conferência, o candidato deverá assinar no espaço próprio do CARTÃO-RESPOSTA, a caneta esferográ-
fica transparente de tinta na cor preta.
04 - No CARTÃO-RESPOSTA, a marcação das letras correspondentes às respostas certas deve ser feita cobrindo a letra e
preenchendo todo o espaço compreendido pelos círculos, a caneta esferográfica transparente de tinta na cor preta,
de forma contínua e densa. A LEITORA ÓTICA é sensível a marcas escuras; portanto, preencha os campos de
marcação completamente, sem deixar claros.

Exemplo: A C D E

05 - Tenha muito cuidado com o CARTÃO-RESPOSTA, para não o DOBRAR, AMASSAR ou MANCHAR.
O CARTÃO-RESPOSTA SOMENTE poderá ser substituído caso esteja danificado em suas margens superior ou inferior -
BARRA DE RECONHECIMENTO PARA LEITURA ÓTICA.
06 - Para cada uma das questões objetivas, são apresentadas 5 alternativas classificadas com as letras (A), (B), (C), (D) e (E);
só uma responde adequadamente ao quesito proposto. Você só deve assinalar UMA RESPOSTA: a marcação em
mais de uma alternativa anula a questão, MESMO QUE UMA DAS RESPOSTAS ESTEJA CORRETA.
07 - As questões objetivas são identificadas pelo número que se situa acima de seu enunciado.
08 - SERÁ ELIMINADO do Processo Seletivo Público o candidato que:
a) se utilizar, durante a realização das provas, de máquinas e/ou relógios de calcular, bem como de rádios gravadores,
headphones, telefones celulares ou fontes de consulta de qualquer espécie;
b) se ausentar da sala em que se realizam as provas levando consigo o Caderno de Questões e/ou o CARTÃO-RESPOSTA;
c) se recusar a entregar o Caderno de Questões e/ou o CARTÃO-RESPOSTA quando terminar o tempo estabelecido.
09 - Reserve os 30 (trinta) minutos finais para marcar seu CARTÃO-RESPOSTA. Os rascunhos e as marcações assinaladas no
Caderno de Questões NÃO SERÃO LEVADOS EM CONTA.
10 - Quando terminar, entregue ao fiscal O CADERNO DE QUESTÕES E O CARTÃO-RESPOSTA e ASSINE A LISTA DE
PRESENÇA.
Obs. O candidato só poderá se ausentar do recinto das provas após 1 (uma) hora contada a partir do efetivo início das
mesmas. Por motivos de segurança, o candidato NÃO PODERÁ LEVAR O CADERNO DE QUESTÕES, a qualquer momento.
11 - O TEMPO DISPONÍVEL PARA ESTAS PROVAS DE QUESTÕES OBJETIVAS É DE 4 (QUATRO) HORAS, findo
o qual o candidato deverá, obrigatoriamente, entregar o CARTÃO-RESPOSTA.
12 - As questões e os gabaritos das Provas Objetivas serão divulgados no primeiro dia útil após a realização das
mesmas, no endereço eletrônico da FUNDAÇÃO CESGRANRIO (http://www.cesgranrio.org.br).
pcimarkpci MDAwMDowMDAwOjAwMDA6MDAwMDowMDAwOmZmZmY6YjE1Zjo4YmNi:V2VkLCAyMiBBdWcgMjAxOCAxNzoxOToyMCAtMDMwMA==

O
H
N
U
SC
A
R

2
ESTATÍSTICO(A) JÚNIOR
pcimarkpci MDAwMDowMDAwOjAwMDA6MDAwMDowMDAwOmZmZmY6YjE1Zjo4YmNi:V2VkLCAyMiBBdWcgMjAxOCAxNzoxOToyMCAtMDMwMA==

3
ESTATÍSTICO(A) JÚNIOR
pcimarkpci MDAwMDowMDAwOjAwMDA6MDAwMDowMDAwOmZmZmY6YjE1Zjo4YmNi:V2VkLCAyMiBBdWcgMjAxOCAxNzoxOToyMCAtMDMwMA==

4
ESTATÍSTICO(A) JÚNIOR
pcimarkpci MDAwMDowMDAwOjAwMDA6MDAwMDowMDAwOmZmZmY6YjE1Zjo4YmNi:V2VkLCAyMiBBdWcgMjAxOCAxNzoxOToyMCAtMDMwMA==

5
ESTATÍSTICO(A) JÚNIOR
pcimarkpci MDAwMDowMDAwOjAwMDA6MDAwMDowMDAwOmZmZmY6YjE1Zjo4YmNi:V2VkLCAyMiBBdWcgMjAxOCAxNzoxOToyMCAtMDMwMA==

CONHECIMENTOS ESPECÍFICOS Considere as informações a seguir para responder às


questões de nos 6 e 7.
1
Em uma grande empresa, 70% dos funcionários são do
A área entre o eixo X e o gráfico da função y =
x +1 sexo masculino, e a distribuição das idades, de ambos os
3 sexos, é normal com desvio padrão de 4 anos. Para o
desde x = 0 até x = 9 é igual a sexo masculino, a média é de 36 anos e, para o sexo
(A) 14 (B) 14/3 (C) 7/3 (D) 2 (E) 14/9 feminino, a média é menor, 33 anos.

2 6
Na sequência 15, 28, 43, 56, 71, 84, ... , o próximo número é Selecionou-se aleatoriamente uma ficha com dados
(A) 89 (B) 90 (C) 91 (D) 99 (E) 109 cadastrais de um funcionário. Essa ficha não estava
completamente preenchida, mas pôde-se observar que a
3 idade do funcionário era superior a 40 anos. A probabilidade
Seja X uma variável aleatória discreta com função geradora de ter sido selecionado um funcionário do sexo masculino
é, aproximadamente,
2 + exp (t ) + exp (-t )
de momentos dada por M X (t ) =
(A) 0,16
,
4 (B) 0,45
(C) 0,67
sendo t um número real. O valor esperado e a variância
(D) 0,80
de X, respectivamente, são
(E) 0,90
(A) 0 e 1/4
(B) 0 e 1/2
(C) 1/2 e 1/2 7
(D) 1/2 e 0 Selecionaram-se duas amostras independentes de tama-
(E) 1/4 e 1/2 nho 32 da população dos funcionários do sexo masculino
e do sexo feminino. A probabilidade de que a média amostral
4 do sexo masculino seja maior do que a do sexo feminino é
Seleciona-se aleatoriamente uma amostra de tamanho 100 (A) 0,9987
(B) 0,8413
de uma população uniforme [m - k ; m + k ] . Utilizando-se (C) 0,7734
(D) 0,1587
a desigualdade de Chebyshev para determinar, em função
(E) 0,0013
( )
de k, o limite superior de Pr X - m ³ 0,1 , encontra-se
8
(A) k2 (B) k Seja (X1,X2,...,Xn) uma amostra aleatória independente e
(C) k2/3 (D) 1/k
identicamente distribuída, de tamanho n, extraída de
(E) 300/k2
uma população, cuja característica estudada, X,
5 p o s sui distribuição de probabilidade FX(x, q), sendo
Recente pesquisa foi realizada para avaliar a presença ou æ
ç-

a ausência de saneamento básico nos municípios brasi-
FX (x, q ) = 1 - e è q ÷ø , x > 0 , q > 0.
leiros. O desenho amostral foi realizado de forma inde-
pendente em cada uma das 27 Unidades da Federação.
Os resultados da pesquisa foram divulgados com os Uma amostra aleatória de tamanho n = 5 foi selecionada, e
respectivos intervalos de 95% de confiança para cada os valores obtidos foram (8, 9, 11, 5, 6).
proporção de sim. A probabilidade de a verdadeira proporção As estimativas para o parâmetro q, utilizando o método da
populacional NÃO estar incluída no intervalo de confiança máxima verossimilhança e o método dos momentos, res-
divulgado para mais de uma Unidade da Federação é pectivamente, são
(A) (0,05)25(0,95)2 (A) 39/5 e 39/5
(B) (0,05)25 + (0,05)26(0,95) (B) 39/5 e 39
(C) 1− (0,05)26 + 27(0,95)25(0,95) (C) 39 e 39
(D) 1− (0,05)27 − 27(0,05)26(0,95) (D) 11 e 5
(E) 1− (0,95)27 − 27(0,95)26(0,05) (E) 11 e 39/5

6
ESTATÍSTICO(A) JÚNIOR
pcimarkpci MDAwMDowMDAwOjAwMDA6MDAwMDowMDAwOmZmZmY6YjE1Zjo4YmNi:V2VkLCAyMiBBdWcgMjAxOCAxNzoxOToyMCAtMDMwMA==

Um experimento foi conduzido para testar H 0 : m A = m B contra a alternativa H1 : m A ¹ m B , sendo mA e mB as médias

de duas populações infinitas, independentes e normalmente distribuídas, isto é, X A tem distribuição (


N m A , s A2 ),
X B tem distribuição N m B , s B2 ( ) e COV ( X A, X B ) = 0 . Amostras de tamanho nA = nB = 5 são extraídas das respectivas

å ( X i. - X .)
2
å Xi. 2
populações e as médias X . = e variâncias S . = i , calculadas para permitir a realização do teste.
n. n. - 1
Considerando que as variâncias das populações sejam desconhecidas e iguais, a estatística do teste e sua distribuição

de amostragem, respectivamente, são

( X A - X B ) - (m A - m B ) é 2 (nA - 1)S A2 + (nB - 1)S B2 ù


(A) 1 1 , com distribuição N (0,1) ê S p = ú
Sp + ë (nA + nB - 2 ) û
nA nB

( X A - X B ) - (m A - m B )
(B) S A2 S B2 , com distribuição N (0,1)
+
nA nB

( X A - X B ) - (m A - m B ) é 2 (n A - 1)S A2 + (nB - 1)S B2 ù


(C) 1 1 t
, com distribuição nA + nB -2 ê S p = ú
Sp + ë (nA + nB - 2 ) û
nA nB

( X A - X B ) - (m A - m B )
(D) S A2 S B2 , com distribuição
+
nA nB

( X A - X B ) - (m A - m B )
(E) S A2 S B2 , com distribuição T2 de Hotelling, com 1 e (nA + nB - 2 ) graus de liberdade
+
nA nB

7
ESTATÍSTICO(A) JÚNIOR
pcimarkpci MDAwMDowMDAwOjAwMDA6MDAwMDowMDAwOmZmZmY6YjE1Zjo4YmNi:V2VkLCAyMiBBdWcgMjAxOCAxNzoxOToyMCAtMDMwMA==

10
De acordo com o Modelo de Medidas, o escore obtido por um aluno em um teste, X, pode ser desmembrado em duas
parcelas indepedentes e não diretamente observadas: a verdadeira proficiência que o teste se propõe a mensurar, ou
Escore Verdadeiro, x , e o Erro de Medida, e , ou seja, X = x + e . Um teste é consistente quando reproduz os escores
dos alunos em sucessivas aplicações. A medida da consistência de um teste é conhecida como confiabilidade, expressa
pelo percentual da variância dos escores observados, explicado pela variância dos escores verdadeiros. Confiabilidade é
uma característica importante para a qualidade de um instrumento de medida.
A respeito de métodos de cálculo de confiabilidade de um teste, considere as afirmativas abaixo.

s e2
I - Uma possível forma de se calcular a confiabilidade do teste é por meio de r XX = 1 - , onde r XX representa a
s X2

2 2
confiabilidade do teste, s e a variância dos erros de medida e s X a variância dos escores observados dos alunos.
II - Se dividirmos o teste em dois subtestes, um com os itens pares, e o outro com os itens ímpares, e calcularmos a

correlação entre os escores obtidos pelos alunos nos dois subtestes, r pi , então a confiabilidade do teste pode ser

2 r pi
calculada por meio de r XX = , onde r pi é a correlação entre os escores nos dois subtestes, e r XX a
1 - r pi
confiabilidade do teste.
III - Se a mesma população de alunos for submetida a um outro teste, Y, equivalente ao anterior, X, então a confiabilidade
do teste X pode ser obtida pela correlação entre os escores nos dois testes.

É correto o que se afirma em


(A) I, apenas. (B) II, apenas. (C) III, apenas. (D) I e II, apenas. (E) I, II e III.

11
Sejam X1,X2,...,Xn variáveis aleatórias independentes e

identicamente distribuídas com distribuição Uniforme (0, q ).

ì H 0 : q = q0
Deseja-se testar í
î H1 : q ¹ q 0
n
Para isto, construiu-se a seguinte regra de decisão: Não rejeite H0 se X (n ) Î é d q 0 , q 0 ù , sendo X(n) o máximo da
ë û
amostra.

Se n d q 0 < q < q 0 , determine a probabilidade do erro do tipo I que é definido como a probabilidade de rejeitar

H0 sendo H0 verdadeira.
n
æ1ö
(A) 1 - (1 - d )ç ÷ (B) 1 - d
èq ø
n
æ1ö
(C) d (D) d ç ÷
èq ø
n
æ1ö
(E) (1 - d )ç ÷
èq ø

8
ESTATÍSTICO(A) JÚNIOR
pcimarkpci MDAwMDowMDAwOjAwMDA6MDAwMDowMDAwOmZmZmY6YjE1Zjo4YmNi:V2VkLCAyMiBBdWcgMjAxOCAxNzoxOToyMCAtMDMwMA==

12 15
Experimentos com mensurações repetidas são desenhos Escalas multidimensionais são, muitas vezes, fundamen-
nos quais as mesmas unidades amostrais são avaliadas tadas em métricas com origem e/ou unidade arbitrárias.
mais de uma vez nos mesmos fatores. A principal
Coombs (1967) concebeu uma escala de atitudes sem
vantagem desse desenho sobre os experimentos fatoriais é
unidade de medidas que denominou métrica ordenada, com
(A) propiciar maior poder do teste.
(B) garantir maior validade interna. estímulos e indivíduos representados conjuntamente no
(C) minimizar a probabilidade de se rejeitar Ho, quando mesmo contínuo. Seja Q j o posicionamento do estímulo j
verdadeira. e Ci o posicionamento do indivíduo i nesse contínuo. Uma
(D) permitir o controle dos erros devidos à omissão de situação ideal é aquela em que, em um contínuo de atitu-
fatores com maior precisão. de, por exemplo, o valor Ci de um indivíduo coincide com o
(E) controlar melhor os erros de respostas devidos à valor Q j que representa a escolha do indivíduo no contí-
fadiga das unidades amostrais. nuo. Se um indivíduo tiver que escolher entre dois estímu-
los, j ou k, de acordo com essa métrica, ele fará a escolha
13
Um experimento balanceado e completo do tipo 3x4x5 foi j > k (lê-se j preferível a k) se
delineado para avaliar os possíveis efeitos (principais e
interações) fixos dos fatores A, B e C sobre uma variável (A) Q j - Ci > Qk - Ci (B) Q j - Ci = Qk - Ci
numérica Y. Uma amostra de 240 unidades foi selecionada
e alocada randomicamente a cada combinação dos trata- (C) Q j - Ci < Qk - Ci (D) Q j - Ci ³ Qk - Ci
mentos. O modelo de análise foi definido como
(E) Q j - Ci £ Qk - Ci
Yijkl = m + a i + b j + g k + (ab )ij + (ag )ik + (bg ) jk + (abg )ijk + e ijkl
16
Para a realização dos testes dos efeitos, o número de graus Considere a seguinte sequência de comandos escritos em
de liberdade dos resíduos será linguagem R:
(A) 60 (B) 72
> x <- c(0, 1, 2)
(C) 180 (D) 239
> y <- c(-1, 0, 1)
(E) 240
> v <- t(x)%*%y
14 O valor da variável v, após a execução desta sequência de
Um exame é composto por dois testes: proficiência verbal
comandos, é
(V) e proficiência numérica (N). A confiabilidade do teste V
é de 0,90 com base em uma amostra de 110 candidatos (A) 1 (B) 2 (C) 3 (D) 4 (E) 5
recém-formados por uma escola de nível médio, enquanto
a confiabilidade do teste N é de 0,85 com base na 17
mesma amostra. A correlação entre os escores dos dois O pseudocódigo abaixo representa o algoritmo da função
testes é de 0,70. Os escores dos candidatos são expressos F, que recebe um vetor v como entrada. Esta função usa a
em uma escala comum para os dois testes, cuja média é função tamanho(v), que retorna o número de elementos
de 50 pontos e o desvio padrão 10 pontos. Nesse contex- do vetor v.
to, afirma-se que
(A) a confiabilidade da diferença dos escores (V-N) dos Função F(v)
candidatos nesses testes é alta, isto é, superior a 0,80. n <- tamanho(v)
(B) a confiabilidade da diferença dos escores (V-N) dos y <- v(1)
candidatos nesses testes é baixa, isto é, inferior a 0,40. para k de 2 até n
(C) um candidato que tenha obtido 74 pontos em V e 65, se v(k) > y
em N, tem a diferença dos escores devida ao acaso, y <- v(k)
considerando duas unidades de erro padrão de medida fim se
como critério. fim para
(D) um candidato que tenha obtido 50 pontos em V e 37, retorna y
em N, tem a diferença dos escores devida ao acaso,
considerando duas unidades de erro padrão de medida Esta função calcula a(o)
como critério. (A) média dos valores contidos em v.
(E) se um candidato obteve 67 pontos em V e 75, em N, (B) soma dos valores contidos em v.
sua proficiência numérica é maior do que a verbal, (C) mediana dos valores contidos em v.
(D) variância dos valores contidos em v.
considerando duas unidades de erro padrão de medida
(E) maior valor contido em v.
como critério.

9
ESTATÍSTICO(A) JÚNIOR
pcimarkpci MDAwMDowMDAwOjAwMDA6MDAwMDowMDAwOmZmZmY6YjE1Zjo4YmNi:V2VkLCAyMiBBdWcgMjAxOCAxNzoxOToyMCAtMDMwMA==

18
Considere a planilha representada na figura abaixo.

Nessa planilha são feitas alterações, na ordem a seguir.

• Na célula D1, é inserida a fórmula =$A$1+B1.


• A célula D1 é selecionada, e é usado o comando copiar (CTRL+C).
• A célula D2 é selecionada, e é usado o comando colar (CTRL+V).

O valor da célula D2, ao final dessas alterações, é


(A) 4 (B) 5 (C) 6 (D) 7 (E) 8

19
A figura abaixo mostra o resumo de uma regressão realizada no Excel por meio do suplemento Análise de Dados –
Regressão.

Deseja-se calcular na célula F3 o valor predito pelo modelo linear, quando a variável explicativa X1 é igual a 10.
A fórmula que deve ser escrita na célula F3, para fazer o cálculo desejado, é
(A) =B18*E3+B17 (B) =D17*10+E17 (C) =10*88,58 (D) =D18*10+D13 (E) =E3*6+7

10
ESTATÍSTICO(A) JÚNIOR
pcimarkpci MDAwMDowMDAwOjAwMDA6MDAwMDowMDAwOmZmZmY6YjE1Zjo4YmNi:V2VkLCAyMiBBdWcgMjAxOCAxNzoxOToyMCAtMDMwMA==

20 23
Dentre as variáveis numéricas apresentadas a seguir, qual A tabela a seguir apresenta a distribuição de frequências
NÃO está mensurada em uma escala de razão? dos funcionários promovidos e não promovidos de uma
(A) Altura, em centímetros. empresa, discriminados pela fluência no idioma inglês.
(B) Peso, em gramas.
(C) Gasolina, em litros. Fluência Não
(D) Salário, em reais. em Inglês Promovidos promovidos Total
(E) Temperatura, em graus Celsius. Sim 40 20 60
Não 44 36 80
21 total 84 56 140
A tabela a seguir apresenta a distribuição de frequências
associada à duração de chamadas telefônicas, em minu- O valor mais próximo da estatística c2 de Pearson, calcu-
tos, em uma determinada região. lada com base na tabela acima, é
(A) 0,5
(B) 1
Frequência Duração (em minutos)
(C) 2
2 5 3
(D) 3
5 8 7
(E) 5
8 11 6
11 14 10 24
14 17 3 O preço médio do barril de petróleo em 2009 era 40%
17 20 1 superior ao de 2008, 30% inferior ao de 2007 e 25%
Total 30 superior ao de 2010. Considerando 2008 como ano base,
os preços relativos do barril de petróleo em 2007 e 2010,
respectivamente, são
A mediana e o terceiro quartil, calculados com base na ta-
(A) 170 e 105
bela acima, são, respectivamente,
(B) 182 e 105
(A) 10,5 e 12,95
(C) 182 e 175
(B) 10,5 e 13,5
(D) 200 e 105
(C) 11 e 13,5
(E) 200 e 112
(D) 11 e 14,45
(E) 15 e 22,5
25
22 Uma unidade fracionadora de líquido de gás natural que
Uma pesquisa tem por objetivo avaliar a qualidade do com- hoje está funcionando perfeitamente pode, amanhã, apre-
bustível vendido em determinado município, utilizando, para sentar uma pequena avaria (que a permita continuar ope-
isto, uma amostra de tanques de combustível, seguindo rando), com probabilidade 0,3, ou quebrar completamen-
os seguintes passos: te, sem possibilidade de conserto, com probabilidade 0,2.
Por outro lado, se a unidade apresenta hoje uma pequena
1 - a partir de uma listagem (cadastro) de todos os avaria, a probabilidade de que amanhã ela esteja totalmente
postos revendedores do município, selecionam-se quebrada é 0,7. Suponha que o processo estocástico que
de forma aleatória 50 postos; descreve o estado da unidade (perfeita, levemente avaria-
2 - avaliam-se todos os tanques de combustível de cada da ou completamente quebrada) seja uma cadeia de
um dos 50 postos selecionados no passo 1. Markov homogênea. Se a unidade está perfeita em deter-
minado dia, a probabilidade de que ela esteja completa-
A amostragem descrita acima é mente quebrada dois dias depois é
(A) aleatória simples. (A) 0,10
(B) estratificada. (B) 0,21
(C) sistemática. (C) 0,24
(D) por cotas. (D) 0,31
(E) de conglomerados. (E) 0,51

11
ESTATÍSTICO(A) JÚNIOR
pcimarkpci MDAwMDowMDAwOjAwMDA6MDAwMDowMDAwOmZmZmY6YjE1Zjo4YmNi:V2VkLCAyMiBBdWcgMjAxOCAxNzoxOToyMCAtMDMwMA==

26 28
Em uma localidade, existem apenas 2 postos de gasolina Considere uma cadeia de Markov com espaço de estados
{0, 1, 2, 3} e a matriz de transição abaixo.
X e Y. Consumidores que já abasteceram em um dos pos-
tos podem, na próxima vez, optar por dois caminhos: ou
tornam a abastecer naquele posto ou mudam para o posto 0 1/2 1/2 0
concorrente. Suponha que as probabilidades associadas 1/2 1/3 0 1/6
a este processo de escolha sejam descritas por uma ca- P=
1/4 1/4 1/4 1/4
deia de Markov, com a seguinte matriz de transição:
1/3 0 1/3 1/3
X Y
X 0,8 0,2
A respeito desta cadeia, analise as afirmativas a seguir.
Y 0,1 0,9
I - Um dos estados é absorvente e os demais são
Após um número suficientemente grande de transições de
transientes.
estado, esta cadeia convergirá, ou seja, os percentuais de II - Todos os estados são positivo recorrentes e
consumidores que preferem cada posto passarão a ser cons- aperiódicos.
tantes. A preferência pelos postos X e Y após a convergên- III - A cadeia é irredutível e sua distribuição limite existe.
cia serão, em termos percentuais, respectivamente IV - Partindo do estado 1, a probabilidade de chegar ao
estado 2 em um número finito de transições é igual
(A) 33,33 e 66,67
a zero.
(B) 45 e 55
(C) 50 e 50 São corretas APENAS as afirmativas
(D) 55 e 45 (A) I e II.
(E) 66,67 e 33,33 (B) I e III.
(C) II e III.
(D) II e IV.
27 (E) III e IV.
Uma empresa realiza uma busca por petróleo em determi-
nada região. Uma perfuração é bem-sucedida, ou seja, leva 29
a um poço de petróleo com probabilidade 0,2. Neste caso, A respeito de eventos recorrentes e processos de nasci-
mento e morte, considere as afirmativas a seguir.
a empresa analisa se o poço encontrado é ou não econo-
micamente viável. A probabilidade de que um poço encon-
I - Um evento recorrente é classificado como persis-
trado seja economicamente viável é 0,5. Se uma perfura- tente se a probabilidade dele ocorrer mais do que k
ção é bem-sucedida e viável, a empresa explora aquele vezes é igual a zero, para algum k > 0.
poço e encerra sua atividade naquela região. Por outro lado, II - Um evento recorrente é classificado como transiente
se uma perfuração não é bem-sucedida, ou se é bem-su- se a probabilidade dele ocorrer mais do que k vezes
cedida mas inviável, a empresa tenta uma outra perfura- é igual a um, para algum k > 0.
III - O modelo de passeio aleatório é estacionário na
ção, até encontrar um poço economicamente viável. Isto
variância, mas não na média.
define uma cadeia de Markov com espaço de estados:
IV - Em um processo de Poisson com parâmetro l , a dis-
{1 - perfuração, 2 - poço encontrado, 3 - poço viável}. tribuição de probabilidade do tempo T entre 2 ocorrên-
O número esperado de perfurações necessárias até cias é exponencial, com valor esperado E(T) = 1/l.
encontrar um poço economicamente viável é
(A) 2 Está correto APENAS o que se afirma em
(A) III.
(B) 4
(B) IV.
(C) 5
(C) I e II.
(D) 10 (D) II e III.
(E) 20 (E) III e IV.

12
ESTATÍSTICO(A) JÚNIOR
pcimarkpci MDAwMDowMDAwOjAwMDA6MDAwMDowMDAwOmZmZmY6YjE1Zjo4YmNi:V2VkLCAyMiBBdWcgMjAxOCAxNzoxOToyMCAtMDMwMA==

30 Considere a situação a seguir para responder às


O número de poços de petróleo encontrados em determina- questões de nos 32 e 33.
do bloco exploratório segue um processo de Poisson com
taxa l = 0,01 poço/dia. A probabilidade de que demore mais Seleção de postos de gasolina, em território nacional, com
de 30 dias para se achar o primeiro poço é o objetivo de estimar o total de combustível vendido no país.
0,3 3
(A) 1 e (B) 1 e 32
Suponha que a variância populacional da variável que re-
1 presenta a quantidade de combustível vendida em cada
(C) 1 e 3
(D) e 3 posto seja igual a 10, e que a margem de erro desejada
seja, ao nível de confiança 95%, igual a 0,2. Considerando
que o plano amostral adotado seja amostragem aleatória
(E) e 0,3 simples sem reposição e que o tamanho da população seja
muito maior do que o da amostra a ser obtida, o tamanho
da amostra necessária será, aproximadamente,
31 (A) 100 (B) 160
Considere os esquemas de seleção descritos a seguir. (C) 400 (D) 1.000
(E) 1.600
I - Seleção de um número aleatório (ponto de partida),
tomando para a amostra cada k-ésima unidade a 33
partir daquele ponto, sendo k o intervalo de seleção. Suponha que se tenha a informação de que a quantidade
II - Seleção de n unidades de um cadastro, de tal forma de combustível vendida pelos postos em uma região apre-
que todas as amostras de tamanho n possíveis apre- sente valores bastante homogêneos dentro de cada região
(Sul, Nordeste, etc.), e bastante diferentes, em média, en-
sentem a mesma probabilidade de seleção.
tre as regiões. Nesse caso, uma alternativa mais eficiente
III - Divisão da população em subgrupos de unidades,
do que amostragem aleatória simples sem reposição será
seguida da seleção de uma amostra de subgrupos (A) amostragem estratificada.
e da posterior seleção de uma amostra de unidades (B) amostragem de conglomerados em um estágio.
dentro de cada um dos subgrupos selecionados. (C) amostragem de conglomerados em dois estágios.
IV - Divisão da população em subgrupos de unidades, (D) amostragem aleatória simples com reposição.
seguida da seleção de uma amostra de subgrupos (E) dupla amostragem.
e da posterior observação da característica de inte-
resse para todas as unidades dentro de cada 34
Considere um modelo de regressão linear simples, com
subgrupo selecionado.
intercepto, em que a variável dependente y seja a deman-
V - Divisão da população em subgrupos de unidades, da por petróleo em um país, e a variável explicativa x seja
seguida da seleção de uma amostra independente o nível de industrialização do país. Este modelo foi ajusta-
de unidades dentro de cada subgrupo, consideran- do a uma amostra de 122 países, fornecendo as seguintes
do todos os subgrupos que compõem a população,
estimativas de b (intercepto) e b (coeficiente de x), com
0 1
e não uma amostra deles.
os respectivos erros padrão estimados:
Associe os esquemas de seleção aos respectivos planos
b = 90 (erro padrão estimado = 40)
amostrais abaixo. 0
b = 66 (erro padrão estimado = 30)
1
P- amostragem aleatória simples
Q- amostragem sistemática A partir desses resultados, conclui-se que a regressão
R- amostragem estratificada (A) não é significante aos 3 níveis usuais: a = 0,01,
S- amostragem de conglomerados. a = 0,05, a = 0,1
(B) é significante aos 3 níveis usuais: a = 0,01, a = 0,05,
A associação correta é
a = 0,1
(C) é significante aos níveis a = 0,05 e 0,1, mas não ao
(A) I - P , II - Q , III - R , IV - R, V - S
nível a = 0,01
(B) I - P , II - Q , III - S , IV - S, V - R
(D) é significante ao nível a = 0,1, mas não aos níveis a = 0,01
(C) I - Q, II - P , III - R , IV - R, V - S e a = 0,05
(D) I - Q, II - P , III - S , IV - S, V - R (E) é significante aos níveis a = 0,01 e 0,05, mas não ao
(E) I - Q, II - P , III - S , IV - R, V - S nível a = 0,1

13
ESTATÍSTICO(A) JÚNIOR
pcimarkpci MDAwMDowMDAwOjAwMDA6MDAwMDowMDAwOmZmZmY6YjE1Zjo4YmNi:V2VkLCAyMiBBdWcgMjAxOCAxNzoxOToyMCAtMDMwMA==

35
Um modelo de regressão linear com intercepto e 2 variáveis explicativas foi ajustado a uma amostra de tamanho 43,
fornecendo coeficiente de determinação R2 = 0,8. O valor da estatística F que permite testar a significância deste modelo é
(A) 40 (B) 80 (C) 86 (D) 160 (E) 164

36
Um modelo linear generalizado deve ser adotado para estudar a relação entre o tempo Y (em dias) até a ocorrência de um
defeito em uma unidade de refino de petróleo e o investimento x (em reais) feito em supervisão da unidade. Se m = E(Y|x),
qual a função de ligação adequada?

m m
(A) ln(m) (B) em (C) mem (D) (E) ln 1-m
1-m

37
Um modelo de regressão logística foi utilizado para investigar a probabilidade de encontrar petróleo em um bloco exploratório
(área), utilizando duas variáveis explicativas: quantidade de matéria orgânica (em %) no entorno da região de perfuração e
tipo de solo (variável que assume valor 0 para tipo B e valor 1 para tipo A). Esse modelo foi ajustado a uma amostra de
blocos, sendo as estimativas (todas estatisticamente significantes ao nível considerado) apresentadas na tabela abaixo.

Variável Coeficiente Estimado b exp (b )


i i
intercepto - 2,15 0,12
% de matéria orgânica 0,35 1,42
tipo de solo 1,09 2,97

A partir dos resultados apresentados, analise as conclusões a seguir.

I - Fixado o tipo de solo, uma unidade percentual de matéria orgânica a mais implica 35% de probabilidade de achar
petróleo.
II - Para cada unidade percentual de matéria orgânica a mais, a chance de encontrar petróleo é 42% maior, fixado o tipo
de solo.
III - Cada unidade percentual de matéria orgânica a mais implica uma probabilidade menor de achar petróleo, fixado o
tipo de solo.
IV - Blocos com solo tipo A apresentam probabilidade 9% maior de conter petróleo, fixado o percentual de matéria
orgânica.
V - Em blocos com solo tipo A, a chance de encontrar petróleo é quase 3 vezes maior em relação a blocos com solo
tipo B, fixado o percentual de matéria orgânica.

São corretas APENAS as conclusões


(A) I e IV. (B) II e IV. (C) II e V. (D) III e IV. (E) III e V.

38
Considere um experimento de 2 fatores em que o fator A tem 2 níveis e o fator B tem 3 níveis. A tabela a seguir apresenta
dois modelos ajustados - saturado (com efeito de interação) e aditivo - com os respectivos valores de função desvio/
deviance obtidos.
Grau de Função
Modelo Liberdade Desvio/deviance
Modelo 1 (saturado): E(yjk) = m + aj + bj + (ab)jk 6 0,9
Modelo 2 (aditivo): E(yjk) = m + aj + bj 8 1,5

O valor da estatística F adequada para testar a hipótese de haver efeito de interação entre os fatores A e B é
(A) 1 (B) 2 (C) 3 (D) 4 (E) 6

14
ESTATÍSTICO(A) JÚNIOR
pcimarkpci MDAwMDowMDAwOjAwMDA6MDAwMDowMDAwOmZmZmY6YjE1Zjo4YmNi:V2VkLCAyMiBBdWcgMjAxOCAxNzoxOToyMCAtMDMwMA==

39
O número de itens defeituosos em uma linha de produção foi registrado ao longo de 4 semanas, resultando na série
temporal: y1 = 24, y2 = 8, y3 = 12 e y4 = 16 (16 é a observação mais recente, referente à última semana). Considere para
previsão 1 (um) passo à frente desta série o método da suavização exponencial, parametrizado como segue:

yˆ t +1 = ay t + (1 - a )yˆ t ,

com constante a de suavização igual a 0,75 e ŷ1 = y1 . A previsão do número de itens defeituosos na semana seguinte é
(A) 14
(B) 15
(C) 16
(D) 17
(E) 18

40
A respeito dos modelos ARIMA de Box & Jenkins, considere as afirmativas a seguir.

fk
I - No modelo AR(1): yt = fyt-1 + e t, e t ~ NID(0, s2), estacionário, a função de autocovariância é: s2 , k = 0, 1, 2, ...
1 - f2

II - No modelo MA(2): yt = e t-q1e t-1-q2e t-2, et ~ NID(0, s2), inversível, o valor da função de autocorrelação no lag/defasagem

q1(q2 - 1)
1 é: r = .
1 + q12 + q22

III - O modelo AR(2): yt = f1yt-1 + f2yt-2 + e t, e t ~ NID(0, s2) é estacionário somente se |f1|<1 e | f2|<1, e é inversível para

quaisquer valores de f1 e f2.

IV - O modelo MA(1): yt = e t - qet-1, et ~ NID(0, s2) é inversível somente se |q|<1, e estacionário para qualquer valor de q.

V - A função de autocorrelação parcial (FACP) de um modelo MA(q) é truncada no lag q, enquanto a FACP de um
modelo AR(p) é exponencialmente decrescente ou senoidal, dependendo dos sinais dos coeficientes.

São corretas APENAS as afirmativas

(A) I, II e IV. (B) I, III e IV. (C) I, III e V. (D) II, III e V. (E) II, IV e V.

41
Uma empresa estimou e utiliza o seguinte modelo ARIMA(1,1) para fazer previsões do seu nível de estoque no mês seguinte:

yt = 0,8yt-1 + e t − 0,5e t-1, e t ~ NID(m=0, σ2 = 0,4)

De acordo com este modelo, a estimativa da variância do nível de estoque desta empresa é
(A) 1/2
(B) 2/3
(C) 3/4
(D) 5/647
(E) 7/8

15
ESTATÍSTICO(A) JÚNIOR
pcimarkpci MDAwMDowMDAwOjAwMDA6MDAwMDowMDAwOmZmZmY6YjE1Zjo4YmNi:V2VkLCAyMiBBdWcgMjAxOCAxNzoxOToyMCAtMDMwMA==

42 44
Considere que seja estimado um modelo de regressão li- Considere o modelo de regressão linear a seguir.
near entre duas séries temporais econômicas: inflação e
taxa de juros. Sabe-se que estas séries são não estacio- y = b0 + b1x1 + b2 x 2 + b3 x3 + b4 x 4 + e , e ~NID(0, s2 ).
nárias de ordem um e cointegradas. A respeito desta situa-
ção, considere as afirmativas a seguir. Este modelo foi ajustado a uma amostra de 145 observa-
ções, sob as seguintes restrições:
I - O teste t de Student é aplicável, na forma usual.
3 b1 + b2 = 0
II - Há risco de os resultados obtidos serem espúrios.
III - Os resíduos desta regressão serão estacionários. b2 = -b3
b3 + 2b4 = 1
É correto o que se afirma em
(A) II, apenas. As somas dos quadrados dos erros com e sem as restri-
(B) I e II, apenas. ções são as seguintes:
(C) I e III, apenas.
(D) II e III, apenas. soma dos quadrados dos erros com as restrições = 100;
(E) I, II e III. soma dos quadrados dos erros sem restrições = 70.

O valor da estatística F adequada para testar a validade


43
das restrições é
Considere o seguinte sistema de equações simultâneas:
(A) 10
Qt = a 0 + a 1Pt + a 2 Xt + u1t (demanda) (B) 20
(C) 30
Qt = b0 + b1Pt + u2t (oferta) (D) 40
(E) 50
Xt é uma variável exógena
45
u1t e u2t são termos aleatórios, com médias zero e Para estimar de forma eficiente modelos de regressão
homocedásticos. linear na presença de autocorrelação serial, um método
adequado é o de
As equações, na forma reduzida, são apresentadas a seguir. (A) mínimos quadrados ordinários.
(B) mínimos quadrados em dois estágios.
(C) mínimos quadrados generalizados.
Pt = Õ0 + Õ1 Xt + n t e
(D) mínimos quadrados indiretos.
Qt = Õ2 + Õ3 Xt + wt . (E) variáveis instrumentais.

46
Os termos P 1 e P 2 e w t nas equações acima são:
Considere o modelo GARCH(2,1) para a volatilidade de
b1 - a 2 a b - a0b1 a u - b1u1t uma série temporal {yt, t = 1,2,...,T}. A equação da variância
(A) Õ1 = , Õ2 = 1 0 , wt = 1 2t condicional deste modelo é:
a1 - b1 a1 - b1 a1 - b1

-a 2 a b - a0b1 a u - b1u1t s2t = a0 + a1y 2t -1 + a 2 y 2t -2 + b1s2t -1.


(B) Õ1 = , Õ2 = 1 0 , wt = 1 2t
a1 - b1 a1 - b1 a1 - b1
O modelo acima foi ajustado à série de retornos financeiros
-a 2 a b - a0b0 u - u1t das ações de uma empresa, gerando as seguintes estimati-
(C) Õ1 = , Õ2 = 1 1 , wt = 2t
a1 - b1 a1 - b1 a1 - b1
vas dos coeficientes: aˆ 0 = 0,5, aˆ 1 = 0,3, aˆ 2 = 0,2, bˆ 1 = 0,1.
b1 - a 2 a b - a0b0 u - u1t
(D) Õ1 = , Õ2 = 1 1 , wt = 2t Qual a estimativa da variância incondicional desta série?
a1 - b1 a1 - b1 a1 - b1 (A) 2
(B) 1,25
-a 2 a b - a0b0 a u - b1u1t (C) 1,1
(E) Õ1 = , Õ2 = 1 1 , wt = 1 2t
a1 - b1 a1 - b1 a1 - b1 (D) 1
(E) 0,83

16
ESTATÍSTICO(A) JÚNIOR
pcimarkpci MDAwMDowMDAwOjAwMDA6MDAwMDowMDAwOmZmZmY6YjE1Zjo4YmNi:V2VkLCAyMiBBdWcgMjAxOCAxNzoxOToyMCAtMDMwMA==

47 50
Um máquina produz pacotes de café cujos pesos, em gra- Um gráfico de controle para fração de não conformes pos-
mas, seguem, por hipótese, distribuição normal com mé- sui linha central de 0,5. Qual o tamanho de amostra neces-
dia 500 e desvio padrão 9. Considerando um tamanho de sário para que sejam obtidos limites de controle de 2-sigma
iguais a 0,45 e 0,55?
amostra n = 9, os limites de controle para o gráfico de X
(A) 100
que conduzem a um risco a = 0,0198 (0,0099 para baixo e
(B) 200
0,0099 para cima) de indicar que o processo está fora de
(C) 400
controle, quando ele, na verdade, não está, são: (D) 800
(A) 493,01 e 506,99 (E) 1.000
(B) 495,14 e 504,86
(C) 496,32 e 503,68 51
(D) 497,25 e 502,75 A qualidade de um processo de produção é avaliada por
(E) 498,63 e 501,37 meio de um procedimento de amostragem por aceitação,
definido pelos seguintes passos:

48
• para cada lote, seleciona-se uma amostra de 5 itens pro-
Um gráfico de controle de X , com amostras de tamanho
duzidos e se observa o número de defeituosos;
n = 25, possui limites 3-sigma: 34,4 e 41,6. Suponha que a
• se a amostra não tem nenhum item defeituoso, aceita-se
variável X siga distribuição normal. Se a média do processo o lote. Se a amostra tem 2 ou mais itens defeituosos,
se alterar para 39,82, qual o poder de detecção deste grá- rejeita-se o lote. Se a amostra tem 1 defeituoso, aceita-
fico, caso seja adotado um tamanho de amostra n = 36? se o lote desde que não tenha havido itens defeituosos
(A) 11,9% nos 3 lotes inspecionados anteriormente.
(B) 27,4%
(C) 42,1% O procedimento acima é um exemplo de inspeção por
amostragem
(D) 61,8%
(A) geométrica.
(E) 85,6%
(B) sistemática.
(C) contínua.
49 (D) estratificada.
Uma empresa decide fugir um pouco aos padrões 2-sigma (E) em cadeia.
e 3-sigma e adota um gráfico de X com limites de
2,5-sigma (dois e meio desvios padrão) para controlar o 52
seu processo de produção. Supondo que a variável de in- Uma máquina produz peças cujos comprimentos (em mm)
teresse X siga distribuição normal, que as amostras su- são, por hipótese, normalmente distribuídos. Gráficos de
cessivas sejam independentes e que o processo perma- X e S são usados para monitorar o processo cuja média e
cujo desvio padrão são estimados em, respectivamente,
neça sob controle, o número médio aproximado de amos-
37,5 mm e 1 mm. De acordo com as especificações, o com-
tras a serem analisadas até que ocorra o primeiro alarme
primento da peça deve estar entre 33 mm e 39 mm. As
falso (sinalização de ausência de controle quando, na ver-
capacidades potencial e real desse processo, respectiva-
dade, o processo continua sob controle) é mente, são:
(A) 25 (A) 0,5 e 1
(B) 38 (B) 1 e 0,5
(C) 43 (C) 1 e 1,5
(D) 81 (D) 1,5 e 0,5
(E) 106 (E) 1,5 e 1

17
ESTATÍSTICO(A) JÚNIOR
pcimarkpci MDAwMDowMDAwOjAwMDA6MDAwMDowMDAwOmZmZmY6YjE1Zjo4YmNi:V2VkLCAyMiBBdWcgMjAxOCAxNzoxOToyMCAtMDMwMA==

53
O diretor de operação de uma Companhia está interessado em investigar a relação entre o número de falhas operacionais
ocorridas nas unidades sob sua responsabilidade e os respectivos tempos médios de experiência dos seus operadores.
A tabela abaixo apresenta o resultado de um levantamento, realizado no último mês, contendo o número de falhas operacionais
e o respectivo tempo médio de experiência, em meses, dos operadores nas sete unidades operacionais da Companhia.
Número de falhas operacionais e tempo médio de experiência dos
operadores em sete unidades operacionais da Companhia.

Unidades Número de falhas operacionais Tempo médio de experiência


operacionais ocorridas dos operadores (em meses)
1 17 17,5
2 22 5,1
3 3 26,5
4 18 25,0
5 14 12,3
6 29 3,2
7 7 48,1
Com base nos dados da tabela, qual o valor do coeficiente de correlação de Spearman entre as variáveis estudadas?
(A) 0,82 (B) 0,76 (C) 0 (D) -0,76 (E) -0,82

54
A área responsável pelas ações voltadas à saúde do trabalhador de uma grande Companhia promoveu, no último ano, um
programa de reeducação alimentar para os seus funcionários. A tabela abaixo apresenta uma amostra contendo as
medições dos pesos, em kg, de 10 funcionários antes e depois de participarem do referido programa.
Peso anterior (kg) Peso posterior (kg)
66 54
87 85
73 64
96 99
88 87
84 81
79 73
100 104
97 91
94 96

Com base nos dados da tabela, aplicou-se o teste não paramétrico do Sinal para testar as seguintes hipóteses:

H0: O programa não contribuiu para a redução do peso dos funcionários;


H1: O programa contribuiu para a redução do peso dos funcionários.

O p-valor associado ao teste é dado por

6 æ10 ö 10 6 æ10 ö 10
(A) å i =0 ç i ÷ (0,5) (B) 1 - å i =0 ç i ÷ (0,5)
è ø è ø

10 æ10 ö 10
(C) 1 - (0,5 ) (D) 1 - ç ÷ (0,5 )
è6ø

æ10 ö 10
(E) ç ÷ (0,5 )
è6ø

18
ESTATÍSTICO(A) JÚNIOR
pcimarkpci MDAwMDowMDAwOjAwMDA6MDAwMDowMDAwOmZmZmY6YjE1Zjo4YmNi:V2VkLCAyMiBBdWcgMjAxOCAxNzoxOToyMCAtMDMwMA==

Considere a descrição abaixo para responder às questões de nos 55 e 56.

Uma empresa fabrica 3 produtos A, B e C que lhe proporcionam lucros de R$ 7,00, R$ 7,00 e R$ 12,00 por quilograma. Para
produzi-los, utiliza dois tipos de matéria-prima M e N, cujas disponibilidades são 50 e 82 litros. A empresa, desejando maximizar
seu lucro e respeitando sua disponibilidade de matéria-prima, elabora um modelo de programação linear para determinar o
número de unidades de cada produto a ser fabricado. A solução do modelo, resolvido como um problema de minimização, é
apresentada abaixo, onde x1 e x2 são as folgas das restrições relativas a M e N, respectivamente.

max 7 x A + 7 xB + 12 xC xA xB xC x1 x2
ì3 x A + 1xB + 3 xC £ 50 recursorecurso M
ï xB -1 1 0 -1 1 32
s.a. í2 x A + 2 xB + 3 xC £ 82 recurso NN
ï x A , xB , xC ³ 0 xC 4 0 1 2 -1 6
î 3 3 3
2 0 0 1 3 296

55
Considerando que as variáveis duais sejam representadas por xM e xN , o problema dual é representado da seguinte forma:

min 50 xM + 82 xN min 50 xM + 82 xN min 50 xM + 82 xN


ì ì ì
ï 3x + 2 x £ 7 ï 3x + 2 x ³ 7 ï 3x + 2 x ³ 7
ïï M N ïï M N ïï M N
(A) s.a. í 1xM + 2 xN £ 7 (B) s.a. í 1xM + 2 xN ³ 7 (C) s.a. í 1xM + 2 xN ³ 7
ï3 x + 3 x £ 12 ï3 x + 3 x ³ 12 ï3 x + 3 x ³ 12
ï M N ï M N
ï M N

îï xM , xN ³ 0 ïî xM , xN £ 0 îï xM , xN ³ 0

max 50 xM + 82 xN max 50 xM + 82 xN
ì ì
ï 3x + 2 x £ 7 ï 3x + 2 x ³ 7
ïï M N ïï M N
(D) s.a. í M1x + 2 x N £7 (E) s.a. í M1x + 2 x N ³7
ï3 x + 3 x £ 12 ï3 x + 3 x ³ 12
ï M N
ï M N

îï xM , xN £ 0 îï xM , xN ³ 0

56
Aplicando o teorema das folgas complementares, conclui-se que o(a)
(A) preço-sombra do recurso M é R$ 3,00/litro.
(B) preço-sombra do recurso N é R$ 2,00/litro.
(C) recurso M é abundante e seu preço-sombra é R$ 1,00/litro.
(D) recurso N é escasso e seu preço-sombra é R$ 3,00/litro.
(E) oferta mínima obtida pela venda dos recursos é de R$ 192,00.

. 19
ESTATÍSTICO(A) JÚNIOR
pcimarkpci MDAwMDowMDAwOjAwMDA6MDAwMDowMDAwOmZmZmY6YjE1Zjo4YmNi:V2VkLCAyMiBBdWcgMjAxOCAxNzoxOToyMCAtMDMwMA==

57 59
Considere o modelo primal de programação linear. Uma refinaria, a partir da transformação do petróleo
bruto, produz diariamente gás, óleo e gasolina bruta. Para
Maximizar Z = C T x a sua produção, considera uma restrição em relação ao
sujeito a Ax £ B nível mínimo de produção diária (Recurso A) e uma com
relação à disponibilidade de matéria-prima (Recurso B).
X ³0 Com o objetivo de organizar o esquema de produção
ótima que maximize o lucro total por dia (em R$), a refinaria
onde A é uma matriz de ordem m × n, x Î Rn, B é um contratou um engenheiro de produção que desenvolveu
vetor linha com m componentes, C é um vetor linha com um modelo de programação linear.
n componentes constantes e CT indica o vetor transposto
do vetor C. x1 x2 x3 x4 x5
Acerca do modelo primal e das suas relações com o
1/2 1 3/2 5/2 0 9/2 (Recurso A)
modelo dual associado a ele, avalie as afirmativas a seguir.
2 0 −1 −1 1 6 (Recurso B)
−1/2 0 3/2 3/2 0 27/2
I - Se o primal for de maximização, o dual será de
minimização.
O tableau acima indica uma iteração qualquer do Algoritmo
II - A matriz A da forma dual será a matriz AT do primal.
Simplex na solução do problema, onde x1, x2 e x3 são as
III - Os coeficientes da função objetivo do primal são os quantidades produzidas de gás, óleo e gasolina bruta, res-
coeficientes da função objetivo do dual. pectivamente, e x3 e x4 são as folgas das restrições relati-
IV - O número de variáveis de folga de um problema vas aos recursos A e B. A partir do tableau afirma-se que
correspondem ao número de variáveis de folga do as variáveis
outro. (A) básicas são x1, x2 , x3 e a solução é ótima.
(B) básicas são x1, x3, x4 e a solução é ótima.
Estão corretas as afirmativas (C) básicas são x4, x5 e a solução é viável mas não ótima.
(A) I e II, apenas. (D) não básicas são x2, x5 e a solução é ótima.
(B) I e IV, apenas. (E) não básicas são x1, x3, x4 e a solução é viável mas não
ótima.
(C) II e III, apenas.
(D) III e IV, apenas. 60
(E) I, II, III e IV. Uma refinaria distribui seus produtos por intermédio
de caminhões, carregados no posto de carregamento.
58 São carregados tanto os caminhões da empresa como os
Dado o modelo de programação linear caminhões dos distribuidores independentes. As firmas
independentes reclamam que, às vezes, têm que esperar
em fila e perdem, assim, dinheiro ao pagarem um
Maximizar Z = 3x + 4 y caminhão e um motorista que só estão esperando. Foram
colhidos os seguintes dados:
s.a. 3 x + 2 y £ 12
4 x + 6 y £ 24 l = 2 caminhões/hora (Taxa média de chegada)
m = 3 caminhões/hora (Taxa média de atendimento)
2 x + 1y ³ 4
x³0 y³0 Supondo que estas taxas sejam aleatórias conforme uma
distribuição Poisson, a probabilidade que um caminhão tem
de esperar para ser atendido e o tempo médio de espera,
O par ordenado que maximiza a função Z é
respectivamente, são:
(A) (0,0)
(A) 0, 33 e 30 minutos.
(B) (0,4) (B) 0,33 e 1 hora.
(C) (2,0) (C) 0,33 e 2 horas.
(D) (4,0) (D) 0,66 e 1 hora.
(E) (12/5;12/5) (E) 0,66 e 2 horas.

20
ESTATÍSTICO(A) JÚNIOR
pcimarkpci MDAwMDowMDAwOjAwMDA6MDAwMDowMDAwOmZmZmY6YjE1Zjo4YmNi:V2VkLCAyMiBBdWcgMjAxOCAxNzoxOToyMCAtMDMwMA==

61 64
Em geoestatística, associado a um processo gaussiano Em relação à Análise Multivariada de dados, considere os
estacionário e isotrópico, podem distinguir-se os seguintes objetivos a seguir.
componentes constantes de um semivariograma:
(A) krigagem, amplitude e patamar. I – Redução de variáveis
(B) krigagem, alcance e amplitude. II – Interpretabilidade
(C) efeito pepita, amplitude e patamar. III – Separação das observações em grupos
(D) efeito pepita, krigagem e amplitude. IV – Determinação de relações através de variáveis não
(E) efeito pepita, krigagem e patamar. observáveis

62 São objetivos da análise de componentes principais


Em qual(is) das subdivisões da Estatística Espacial (A) I e II, apenas.
costuma-se empregar AMBOS os métodos de análise (B) I e III, apenas.
da distribuição da Distância ao Vizinho Mais Próximo e a (C) III e IV, apenas.
análise da Função K para exploração de efeitos espaciais (D) II, III e IV, apenas.
de segunda ordem? (E) I, II, III e IV.
(A) Dados de Área.
(B) Padrões de Pontos. 65
(C) Padrões de Pontos e Dados de Área. Sejam as variáveis aleatórias W, X, Y e Z com distribuição
(D) Geoestatística. conjunta normal multivariada de vetor de médias m e
(E) Geoestatística e Dados de Área. matriz de covariâncias Σ , onde m’ = (0, 2, 1, 2) e

63
Pesquisadores estão analisando a distribuição espacial do æ2 4 -1 1ö
indicador de produtividade de uma determinada matéria-pri- ç ÷
4 1 0 0÷
ma em um grande campo de produção. A partir de medi- S=ç
ções do indicador em pequenas sub-regiões do campo de
ç -1 0 3 9÷
çç ÷
produção, procedeu-se ao cálculo do Índice de Moran, ob- è1 0 9 2 ÷ø
tendo-se o valor 0,8.
Sabendo-se que foi utilizada uma Matriz de Vizinhanças
que considerava como regiões vizinhas apenas aquelas O par de variáveis aleatórias independentes é
que compartilhavam fronteiras entre si, analise as afirma- (A) W e Y
ções abaixo. (B) W/2 e Z
(C) (W+Z)/2 e –Y
I – A análise fornece evidências de que a produtividade (D) X e Z
da matéria-prima nas diferentes sub-regiões que (E) Y e Z/2
compõem o campo de produção está associada
positivamente com a produtividade das sub-regiões 66
vizinhas. Na aplicação da metodologia denominada Razão P/F,
II – O valor obtido do Índice de Moran pode ser interpre- proposta pelo professor William Brass, para obtenção de
tado como a proporção das sub-regiões do campo uma estimativa do nível da fecundidade total de uma
de produção que apresentam indicadores de produ- determinada região, quais são as informações censitárias
tividade similares. necessárias?
(A) Filhos tidos nascidos vivos, total de mulheres que
III – A análise fornece evidências de que a produtividade
tiveram filhos e filhos tidos.
de uma determinada sub-região está associada
(B) Filhos tidos nascidos vivos nos últimos 12 meses ante-
positivamente com o número de sub-regiões vizinhas riores à data de referência do censo, total de mulheres
existentes. e filhos tidos nascidos vivos.
(C) Filhos tidos nascidos vivos nos últimos 12 meses ante-
Está correto APENAS o que se afirma em riores à data de referência do censo, total de mulheres
(A) I. que tiveram filhos e filhos tidos nascidos vivos.
(B) II. (D) Total de mulheres, filhos tidos e filhos tidos nascidos
(C) I e II. vivos.
(D) I e III. (E) Total de mulheres que tiveram filhos, filhos tidos e
(E) II e III. filhos sobreviventes.

21
ESTATÍSTICO(A) JÚNIOR
pcimarkpci MDAwMDowMDAwOjAwMDA6MDAwMDowMDAwOmZmZmY6YjE1Zjo4YmNi:V2VkLCAyMiBBdWcgMjAxOCAxNzoxOToyMCAtMDMwMA==

67
O Censo Demográfico de 2000 da população brasileira, realizado em 01/08/2000, registrou um contigente de 8.920.685
mulheres no grupo de 15 a 19 anos.
Considere a hipótese de que a lei de sobrevivência dessa população, que está representada na tábua de mortalidade
feminina abaixo, tenha sido constante no período de 01/08/2000 a 01/08/2005.

O volume aproximado da população feminina do Brasil no grupo de 20 a 24 anos em 01/08/2005, na hipótese de população
fechada, em milhares, é
(A) 7.564,9
(B) 8.846,5
(C) 8.888,6
(D) 8.893,0
(E) 8.893,1

68
Em uma população hipotética, em que a taxa instantânea de mortalidade seja igual a uma constante a [mx = a (constante)],
qual é a expressão da probabilidade de um recém-nascido atingir uma idade x ?
(A) 1/e−ax
(B) eax
(C) e−2ax
(D) e−ax
(E) 1/eax

22
ESTATÍSTICO(A) JÚNIOR
pcimarkpci MDAwMDowMDAwOjAwMDA6MDAwMDowMDAwOmZmZmY6YjE1Zjo4YmNi:V2VkLCAyMiBBdWcgMjAxOCAxNzoxOToyMCAtMDMwMA==

69
x 15 16 17 18 19 20 30 40 50 60 70

lx 80,5 80,3 80,1 79,8 79,6 79,3 76,2 71,7 64,3 52,1 33,4

ex 48,6 47,7 46,8 45,9 45,1 44,2 35,8 27,7 20,3 13,8 8,5

Seja uma determinada população masculina sujeita à lei de mortalidade dada pelo trecho da tábua de vida acima
(valores de lx por 1.000). Qual o número total de anos vividos pelo conjunto de indivíduos do grupo de 15 a 19 anos?
(A) 79.900
(B) 80.050
(C) 80.500
(D) 399.500
(E) 400.250

70
Qual a diferença entre a Taxa Bruta de Reprodução (TBR) e a Taxa Líquida de Reprodução (TLR)?

Taxa Bruta de Reprodução (TBR) Taxa Líquida de Reprodução (TLR)

(A) Número médio de filhos (ambos os sexos) que teria uma Número médio de filhas que teria uma mulher (de uma
mulher (de uma coorte hipotética) ao final de seu período coorte hipotética) ao final de seu período fértil, estando
fértil, estando sujeita apenas a uma lei de fecundidade. sujeita apenas a uma lei de fecundidade.

(B) Número médio de filhos (ambos os sexos) que teria uma Número médio de filhos (ambos os sexos) que teria uma
mulher (de coorte hipotética) ao final de seu período mulher (de uma coorte hipotética) ao final de seu período
fértil, estando sujeita apenas a uma lei de fecundidade. fértil, estando sujeita a uma lei de fecundidade e de
mortalidade.

(C) Número médio de filhos (ambos os sexos) que teria uma Número médio de filhos (ambos os sexos) que teria uma
mulher (de uma coorte hipotética) ao final de seu período mulher (de uma coorte hipotética) ao final de seu período
fértil, estando sujeita a uma lei de fecundidade e de fértil, estando sujeita apenas a uma lei de fecundidade.
mortalidade.

(D) Número médio de filhas que teria uma mulher (de uma Número médio de filhas que teria uma mulher (de uma
coorte hipotética) ao final de seu período fértil, estando coorte hipotética) ao final de seu período fértil, estando
sujeita apenas a uma lei de fecundidade. sujeita a uma lei de fecundidade e de mortalidade.

(E) Número médio de filhas que teria uma mulher (de uma Número médio de filhos (ambos os sexos) que teria uma
coorte hipotética) ao final de seu período fértil, estando mulher (de uma coorte hipotética) ao final de seu período
sujeita a uma lei de fecundidade e de mortalidade. fértil, estando sujeita a uma lei de fecundidade e de
mortalidade.

23
ESTATÍSTICO(A) JÚNIOR
pcimarkpci MDAwMDowMDAwOjAwMDA6MDAwMDowMDAwOmZmZmY6YjE1Zjo4YmNi:V2VkLCAyMiBBdWcgMjAxOCAxNzoxOToyMCAtMDMwMA==

O
H
N
U
SC
A
R

24
ESTATÍSTICO(A) JÚNIOR
pcimarkpci MDAwMDowMDAwOjAwMDA6MDAwMDowMDAwOmZmZmY6YjE1Zjo4YmNi:V2VkLCAyMiBBdWcgMjAxOCAxNzoxOToyMCAtMDMwMA==

O
H
N
U
SC
A
R

25
ESTATÍSTICO(A) JÚNIOR