CGA Março 2020 Online | Módulo I (https://fkpartners.talentlms.

com/learner/courseinfo/id:1404)


Você completou esse teste em 04/02/2020, 22:10
Sua nota é 36.84%

Infelizmente não foi dessa vez. Reveja os assuntos que tiver dúvidas e intensi que a rotina de estudos,
o segredo é foco e disciplina!

CORRETO

(#FK2331) Analise os resultados das regressões mensais de empréstimos imobiliários (RE) em

bilhões de dólares pelos bancos comerciais no período de janeiro de 2010 a setembro de 2013
no quadro seguinte:

Resultados da Regressão de Séries Temporais para Empréstimos Imobiliários

Modelo: REt = b0 + b1t + et = 1, 2, ..., 45

A intersecção e coeficiente de inclinação são significativamente diferentes de zero no nível de

5%?

 Ambos são estatisticamente signi cantes.

Apenas o b0 é estatisticamente signi cante.

Apenas o b1 é estatisticamente signi cante.

Nenhum deles é estatisticamente signi cante.

/
 A estatística-t testa a signi cância estatística da intersecção e do coe ciente angular é a
estimativa do parâmetro dividido pelo seu erro padrão. Nós rejeitamos a hipótese nula e
concluímos que os coe cientes são estatisticamente signi cativos se o valor absoluto da
estatística-t for maior que o bicaudal de 5% ao valor crítico t com 43 graus de liberdade, que é
2.02. tb0 = 1.195,6241/ 8,9704362 = 133,3 tb1 = 12.230448/0,3396717 = 36,0 Ambos a
intersecção e o coe ciente de inclinação são signi cativamente diferentes de zero para o nível
de 5%, porque ambas estatísticas-t são maiores do que o valor crítico t de 2,02.

CORRETO

    (#FK2319)   Um matemático está pesquisando a média salarial anual dos gerentes de
marketing da indústria hoteleira de São Paulo. Ele quer testar se a média salarial anual é
maior que 100 mil reais. Uma amostra com os salários anuais de 30 gerentes é analisada.
A média dos salários na amostra é de 102 mil reais. Assumindo um desvio padrão de 5 mil
reais, e sabendo que o valor crítico do teste para um nível de significância de 5% (one-
tail) é 1,69, podemos dizer que:

 Rejeitamos a hipótese nula e concluímos que a média salarial é superior a 100 mil reais anuais.

Não rejeitamos a hipótese nula e concluímos que a média salarial é superior a 100 mil reais anuais.

Rejeitamos a hipótese nula e concluímos que a média salarial é inferior a 100 mil reais anuais.

Não rejeitamos a hipótese nula e concluímos que a média salarial é inferior a 100 mil reais anuais.

Primeiro de nimos a hipótese nula. Ho: Salário Anual é igual ou menor que 100. A seguir
calculamos a estatística do teste: Test Stat = (102 - 100) / (5 / √30) = 2,19. Como a estatística do
teste é maior que o valor crítico para esse nível de signi cância, rejeitamos a hipótese nula.

ERRADO

(#FK2318) Um gerente do Departamento de Recursos Naturais de um determinado lago, é

responsável por determinar seus limites de pesca. Nos últimos dois meses ele tirou amostras
para determinar se a média de comprimento dos peixes nesse lago excede 18 polegadas
(usando um nível de significância de 0,05). Assuma que o valor p é 0,08. Quando ele conclui
que a média de tamanho do peixe excede 18 polegadas, ele:

 Comete um erro tipo II.

Está correto.

 Comete um erro tipo I.

Comete um erro tipo I e tipo II.

/
 Resposta C) Comete um erro tipo I. Isso é um exemplo de um erro Tipo I, ou rejeição de uma
hipótese quando ela é realmente verdadeira (também conhecido como nível de signi cância do
teste). Aqui, Ho: μ = 18 polegadas e Ha: μ > 18 polegadas. Quando o valor p é maior que o nível
de signi cância (0.08 > 0.05), nós não conseguimos rejeitar a hipótese nula. Como Jacobi
rejeitou Ho quando era verdadeiro, ele cometeu um erro Tipo I. As outras a rmações estão
erradas. Erro Tipo II ocorre quando você não rejeita uma hipótese quando ela é falsa (também
conhecido como força do teste). Não é possível cometer um erro tipo I e II ao mesmo tempo.

ERRADO

(#FK2317) Use os seguintes valores de distribuição t para estabelecer um intervalo de

confiança de 95% para a média da população dado um tamanho de amostra de 10, a média
amostral de 6,25 e um desvio padrão da amostra de 12. Suponha que a população da qual a
amostra é retirada é normalmente distribuída e a variância da população não é conhecida.

O intervalo de confiança de 95% é mais próximo de um limite inferior de:

 -0,71 e um limite superior de 13,21.

-2,20 e um limite superior de 14,70.

 -2,33 e um limite superior de 14,83.

-2,52 e um limite superior de 15,90.

Resposta C) 2,33 e um limite superior de 14,83. Com um tamanho de amostra 10, há nove graus
de liberdade. O conceito de intervalo de con ança desse exercício é baseado em uma
abordagem de duas caudas. Para um intervalo de con ança de 95%, 2,5% da distribuição será
em cada cauda. Assim, a estatística t a ser usada é 2,262. O intervalo de con ança é calculado
como 6,25 ± 2,262 × 12 / √10 = 6,25 ± 8,58369 ou -2,33 até 14,83.

CORRETO

(#FK2316) Quando um investigador pretende testar se um parâmetro é maior do que um

valor específico, a hipótese nula e alternativa são melhor definidas como:

 H0: θ ≤ θ0 contra Ha: θ> θ0

H0: θ ≥ θ0 contra Ha: θ <θ0

/
 H0: θ = θ0 contra Ha: θ ≠ θ0

Nenhuma das anteriores

Resposta A) H0: θ ≤ θ0 contra Ha: θ> θ0. Esta condição signi ca que a hipótese nula será
rejeitada (e a alternativa aceita) somente se as evidências indicarem que o parâmetro da
população é maior do que θ0. Assim, H0: θ ≤ θ0 contra Ha: θ> θ0 é a a rmação correta das
hipóteses nula e alternativa, respectivamente.

ERRADO

(#FK2333) Para se poder calcular se a média de QI dos empregados de uma organização é maior que 100,
uma amostra de 30 empregados é tirada e o valor da amostra da estatística computado,

tn-1  = 1,2. Se você optar por um nível de signi cância de 5% você deve:

 Rejeitar a hipótese nula e concluir que a média da população é maior que 100.

 Não rejeitar a hipótese nula e concluir que a média da população não é maior que 100.

Não rejeitar a hipótese nula e concluir que a média da população é maior que 100.

Rejeitar a hipótese nula e concluir que a média da população é menor que 100.

A um nível de signi cância de 5%, a estatística t crítica usando a tabela de distribuição do

Student t para um teste unicaudal e 29 graus de liberdade (tamanho da amostra de 30 menos
1) é 1.699 (com uma amostra grande a estatística z crítica de 1.645 pode ser usada). Porque a
estatística t crítica é maior que a estatística t calculada, ou seja, a estatística t calculada não está
na faixa de rejeição, nós não conseguimos rejeitar a hipótese nula e concluímos que a média da
população não é muito maior que 100.

ERRADO

(#FK2332) A hipótese mais apropriada para se usar quando um pesquisador está tentando demonstrar
que o retorno é maior que a taxa livre de risco seria moldar a hipótese nula como:

 Menor que a a rmativa e a hipótese alternativa como maior que ou igual à a rmativa.

Maior que a a rmativa e a hipótese alternativa como menor que ou igual à a rmativa.

 Menor que ou igual à a rmativa e a hipótese alternativa como maior que à a rmativa.

Maior que ou igual à a rmativa e a hipótese alternativa como maior que ou igual à a rmativa.

/
 Se um pesquisador está tentando mostrar que o retorno é maior do que a taxa livre de risco
então esta deve ser a hipótese alternativa. Então a hipótese nula tomaria a forma de uma
a rmação de menor que ou igual a.

ERRADO

(#FK5009) 10% dos alunos graduados de faculdades contratados permanecem em seu

primeiro emprego por mais de 5 anos. Numa amostra de 60 alunos contratados
recentemente, a probabilidade que exatamente 2 alunos ficarão no mesmo emprego por
mais de 5 anos será:

 0,0892

 0,0984

0,114.

0,184.

Sucesso em car 5 anos = [6!/ 2!(6-2)!]*(0,10)2 * (0,90)6-2 = 15*(0,01)(0,656) = 0,0984

CORRETO

(#FK5010) A partir de uma amostra de 64 debêntures high-yield um gestor encontrou um

retorno médio 14% e um desvio padrão de 25%. A inferência estatística válida para esses
retornos seria que o verdadeiro retorno da população está entre:

 7,8% e 20,1%, com 95% de con ança.

7,0% e 21,0%, com 95% de con ança.

6,5% e 22,3%, com 90% de con ança.

4,1% e 23,9%, com 99% de con ança.

Inferência estatística signi ca estimar qual é a verdadeira média da população, sem conhecê-la.
Se queremos 95% de con ança nessa estimativa, usamos um z-crítico de 1.96. Se queremos
90% de con ança, usamos um z-crítico de 1.64 e se queremos 99% de con ança, usamos um z-
crítico de 2.58. Com 95% de con ança, por exemplo, ela estaria no intervalo 14%1.96 * 25%/√64
= 7,88%≤Ret≤20.13. Com 90% con ança estaria entre 8.875% e 19.125%. Com 99% con ança
estaria entre 5.937% e 22.06%. A única alternativa que mostra um intervalo aceitável é A.

CORRETO

/
(#FK5011) O intervalo de confiança de 95% para uma população com uma média de 96
conhecidos, a variância de 9, e com 400 observações será:

 95.706 a 96.294.

95.613 a 96.387.

95.118 a 96.882.

95.324 a 96.567.

Porque nós podemos calcular o desvio padrão da população, nós usamos a estatística-z. Um
nível de con ança de 95% é calculado tomando a média da população e somando e subtraindo
o produto de con abilidade estatística-z (zα/2) fator vezes o desvio padrão conhecido da
população dividida pela raiz quadrada do tamanho da amostra (note que a variância da
população é dado e sua raiz quadrada positiva é o desvio padrão da população): x ± zα/2 × ( σ /
n1/2) = 96 ± 1.96 × (91/2 / 4001/2) = 96 ± 1.96 × (0.15) = 96 ± 0.294 = 95.706 to 96.294.

ERRADO

(#FK5012) Qual das seguintes afirmações sobre uma distribuição normal é menos precisa?

 Aproximadamente 68% das observações se encontram dentro de 1 desvio padrão (acima e abaixo) da média.

A média e a variância completamente de nem uma distribuição normal.

 A distribuição normal tem kurtosis superior a três.

Metade da população se encontra acima da média.

Mesmo que as curvas normais tenham tamanhos diferentes, todos eles têm características
idênticas na forma. A kurtosis para todas as distribuições normais é de três, um excesso de
kurtosis dos três poderia indicar uma distribuição leptocúrtica. Ambas as opções restantes são
verdadeiras.

ERRADO

(#FK3483) Em uma Distribuição Contínua Uniforme, X é uniformemente distribuído entre 2 e

12. Calcule a probabilidade em que X estará entre 4 e 10.

 50%

 60%

70%
/
 80%

p (x) = [(10 - 4) / (12 - 2)] = (6 / 10) = 0,60 = 60%.

CORRETO

(#FK3482) Considerando a seguinte distribuição de probabilidades de uma variável aleatória

discreta X, qual a probabilidade que X é maior que 1 e menor que 4?

X 0 1 2 3 4 5

P(X) 0,05 0,10 0,20 0,30 0,20 0,15

 0,50

0,65

0,85

1,00

A probabilidade de X > 1 e X < 4 é a soma das probabilidades de X = 2 e X = 3. Sendo assim, P (1

< X < 4) = 0,20 + 0,30 = 0,50

ERRADO

(#FK3487) Sobre a distribuição binomial, é possível afirmar que:

I. É discreta.

II. As tentativas são independentes.

III. Há somente duas tentativas.

Está correto apenas o que se afirma em:

 I.

 I e II.

III.

I, II e III.

As a rmativas I e II são corretas, pois a Distribuição Binomial é a distribuição de probabilidade

discreta do número de sucessos numa sequência de n tentativas independentes, ou seja, o
resultado de cada tentativa não afeta o resultado da tentativa seguinte. A a rmativa III é

/
 incorreta, pois poderá haver qualquer número de tentativas independentes, sendo que cada
uma delas apresentará somente dois possíveis resultados, isto é, sucesso ou fracasso.

ERRADO

(#FK3484) Inferências sobre a média da população podem ser feitas independentemente da

distribuição da população se o tamanho da amostra for maior ou igual a:

 10

20

25

 30

O Teorema do Limite Central ampara inferências sobre a média da população,

independentemente da distribuição da população, desde que o tamanho da amostra seja
su cientemente grande, isto é, maior ou igual a trinta (≥ 30).

CORRETO

(#FK3481) A média de idade de uma população é igual a 35 e a média de idade de uma

amostra de tamanho 64 é igual a 36. Sendo a variância da amostra igual a 16, o erro
padrão da média amostral é aproximadamente:

 0,50

0,75

1,00

2,00

o erro padrão da média amostral deve ser estimado pela divisão do desvio padrão da média
amostral (s) por √n. Sendo assim e considerando que o enunciado informou a variância da
amostra, e não o seu desvio padrão, temos: Erro padrão da média amostral = √16 / √64 = 4 / 8 =
0,50

ERRADO

(#FK3488) Sobre a distribuição t de Student, é possível afirmar que:

I. É definida por um único parâmetro, o tamanho da amostra.

II. Apresenta maiores probabilidades nas caudas que a distribuição normal.

/
III. Os intervalos de confiança sob a distribuição t de Student são comparativamente mais
largos, isto é, menos conservadores, que aqueles construídos com a distribuição normal.

Está correto apenas o que se afirma em:

 I.

 I e II.

III.

I, II e III.

A a rmativa I está correta, já que os fatores de con ança da distribuição t de Student variam em
função do tamanho da amostra. A a rmativa II também está correta, pois em face de possuir
caudas mais largas que a distribuição normal padronizada, os intervalos construídos sob a
distribuição t de Student são comparativamente mais largos. A a rmativa III é incorreta, pois
sendo mais largos, os intervalos de con ança sob a distribuição t de Student são mais
conservadores que aqueles construídos com sob a distribuição normal.

ERRADO

(#FK3489) Um analista está conduzindo um teste de hipótese visando verificar se o tempo

despendido dos agentes autônomos de investimento (AAIs) com atendimento a clientes é
inferior a seis horas por dia. O teste foi realizado com 95% de confiança e amostra com 81
AAIs, onde foi verificado que o tempo gasto foi de 5,5 horas, com desvio padrão de 1,0
hora. Qual a hipótese nula apropriada para o teste?

 H0: μ ≤ 6 horas

 H0: μ ≥ 6 horas

H0: μ < 6 horas

H0: μ > 6 horas

A hipótese nula é uma hipótese que é presumida verdadeira até que provas estatísticas sob a
forma de testes de hipóteses indiquem o contrário. É uma hipótese estabelecida como uma
simples a rmativa sobre o parâmetro populacional e onde há interesse em confrontar com os
fatos. Sendo assim, se o analista deseja confrontar a hipótese que os AAI despendem menos
que seis horas por dia atendendo clientes, a hipótese nula deve ser estabelecida como H0: μ ≥ 6
horas e a hipótese alternativa H1: μ < 6 horas.

ERRADO
/
(#FK3486) Qual dos seguintes valores não pode ser considerado uma probabilidade de
determinado evento?

 0,00

0,50

1,00

 1,50

As duas propriedades básicas de uma distribuição de probabilidades são: 1) Todas as

probabilidades de x se situam entre 0 e 1 2) A soma de todas as probabilidades que x pode
assumir vale 1.

Not passed. Click to try again.

Você pode tentar esse teste novamente até 49 vezes