

Seu próximo nível começa aqui
Com a Assinatura Ilimitada, você tem tudo que precisa para sua aprovação.
Com a Assinatura Ilimitada, você combina prática, teoria e método em uma única assinatura com tudo que você precisa para sua aprovação.
Considere um experimento aleatório qualquer e dois resultados possíveis, denominados Evento A e Evento B, onde P(A) é a probabilidade de o evento A ocorrer e P(B) é a probabilidade de o evento B ocorrer.
É correto afirmar que
P(A|B)=P(A∪B)/P(B)=P(A).P(B|A)/P(B)
P(A|B)=P(A∩B)/P(A)=P(A).P(B|A)/P(A)
P(A|B)=P(A∩B)/P(B)=P(B).P(B|A)/P(B)
P(A|B)=P(A∪B)/P(B)=P(B).P(B|A)/P(B)
P(A|B)=P(A∩B)/P(B)=P(A).P(B|A)/P(B)
Um modelo financeiro indica as seguintes probabilidades a priori para a próxima decisão do Comitê de Política Monetária (COPOM) quanto à taxa de juros: redução (15%), manutenção (60%) e aumento (25%).
Às 9 horas de certo dia, o IBGE divulgou uma inflação muito acima do esperado (evento E), sendo as seguintes as verossimilhanças de essa inflação ocorrer em cada cenário: P(E | redução) = 5%; P(E | manutenção) = 30%; e P(E | aumento) = 80%.
Nessa situação hipotética, aplicando-se o teorema de Bayes, a probabilidade a posteriori de o COPOM decidir por um aumento da taxa de juros, dado que o evento E ocorreu no referido dia, é
igual ou superior a 20% e inferior a 45%.
igual ou superior a 45% e inferior a 60%.
igual ou superior a 60%.
inferior a 20%.
igual ou superior a 20% e inferior a 25%.
Na inferência bayesiana, a atualização das probabilidades ocorre à medida que novas evidências são incorporadas ao processo de análise estatística. Com base nessas informações, assinale a alternativa correta.
A distribuição a posteriori substitui a verossimilhança observada no cálculo, eliminando a influência da distribuição a priori.
A distribuição a posteriori combina a distribuição a priori com a verossimilhança dos dados, atualizando as crenças sobre os parâmetros.
A distribuição a priori corresponde à probabilidade condicional dos eventos observados, representando a evidência produzida pela amostra.
A verossimilhança representa uma distribuição de probabilidades sobre os parâmetros, resumindo a incerteza existente antes da observação.
A evidência constitui um parâmetro estimável do modelo matemático construído, determinando os valores da distribuição a priori.
P(Ax | Bx) = 0,75x
Certo
Errado
Leia o texto a seguir.
Uma empresa recebe mercadorias de 2 fornecedores (A e B). A empresa recebe 30% das mercadorias do fornecedor A e 70% do fornecedor B. Além disso, as chances que uma mercadoria do fornecedor A esteja com defeito é de 10% e do fornecedor B é de 5%.
Se uma mercadoria escolhida ao acaso está com defeito, o valor que mais se aproxima da probabilidade de que ela tenha vindo do fornecedor A é
0,4615.
0,4737.
0,4942.
0,5047.
Uma companhia de saneamento possui um sistema de monitoramento de qualidade da água. Durante uma inspeção, foi observado que a probabilidade de uma estação apresentar altos níveis de sólidos dissolvidos totais (A) é P(A) = 0,3, e que a probabilidade de essa mesma estação apresentar alto teor de nitratos (B) é P(B) = 0,4. Caso essa estação apresente altos níveis de sólidos dissolvidos totais, a probabilidade de ela apresentar altos níveis de nitratos aumentará para 0,5, ou seja, P(B|A) = 0,5.
Com base nessas informações, é correto concluir que a probabilidade condicional P(A|B) é igual a
0,375.
0,300.
0,500.
0,667.
0,750.
Considere o caso de um analista de segurança responsável por avaliar o risco de invasão em uma instalação industrial. Antes de qualquer alerta, o analista estima a probabilidade de invasão em 10%. Após receber uma notificação do sistema de vigilância, indicando movimento suspeito em uma área restrita, ele consulta o histórico:
• Quando houve invasão de fato, em 90% dos casos o sistema havia emitido esse tipo de notificação.
• Quando não houve invasão, em 5% dos casos o sistema também gerou falsos alertas semelhantes.
Com base no Teorema de Bayes, a probabilidade atualizada de que realmente esteja ocorrendo uma invasão, dado que o sistema emitiu o alerta é, aproximadamente
20%.
56%.
67%.
80%.
86%.
Todos os processos de uma certa repartição pública são recebidos em um sistema S. Tal sistema distribui os processos entre dois setores – A e B, com probabilidade 0,60 e 0,40, respectivamente. Um processo distribuído para o setor A pode ser finalizado com probabilidade 0,40, ser encaminhado ao setor B com probabilidade 0,20, ou ser encaminhado a um setor C com probabilidade 0,40. Um processo distribuído para o setor B pode ser finalizado com probabilidade 0,30, ou pode ser encaminhado ao setor C com probabilidade 0,70. Todo processo que chegar ao setor C será analisado e finalizado nesse setor. O gráfico a seguir exemplifica o esquema de distribuição dos processos entre os setores da repartição:

Com base nas informações fornecidas, qual é a probabilidade de que um processo tenha passado pelo setor A dado que ele passou pelo setor B?
0,12.
0,20.
0,23.
0,30.
0,52.
Uma empresa de laticínios implementará três estratégias para desenvolver um novo tipo de iogurte. Devido aos custos, essas estratégias serão implementadas em momentos distintos. Mais especificamente, as estratégias 𝐸1, 𝐸2 𝑒 𝐸3 serão aplicadas de acordo com a produção de uma demanda, sendo aplicadas, respectivamente, em 30%, 20% e 50% dos produtos. O índice de “fracassos” dessas estratégias é dado a seguir:
𝑃(𝐷 ∣ 𝐸1 ) = 0,01, 𝑃(𝐷 ∣ 𝐸2 )
= 0,03 𝑒 𝑃(𝐷 ∣ 𝐸3 ) = 0,02,
Sabendo-se que 𝑃(𝐷 ∣ 𝐸𝑖) é a probabilidade de uma estratégia fracassar, dada a estratégia 𝑗,𝑗 = 1,2,3 , isso garante que, ao se escolher aleatoriamente uma estratégia e avaliar que ela fracassou, a probabilidade de se ter escolhido a estratégia 𝐸2 é:
31,6%.
29,7%.
28,1%.
27,5%.
Uma grande e inovadora indústria de calçados lança novas linhas de produtos a cada ano, sendo que 60% das linhas lançadas apresentam taxa de retorno acima do esperado. Antes do lançamento de cada linha, a indústria realiza cuidadosos estudos de mercado para analisar sua viabilidade. Nos últimos 3 anos, 80% das linhas lançadas e bem-sucedidas receberam relatórios de análise de viabilidade favoráveis. Já 30% dos programas malsucedidos também receberam relatórios de análise de viabilidade favoráveis. Qual é a probabilidade de que uma nova linha seja bem-sucedida, considerando que ela recebeu uma análise de viabilidade favorável?
48%.
54%.
56%.
60%.
80%.
Para o teorema de Bayes ser aplicado para o cálculo de probabilidades, é necessário que o denominador seja uma partição. Dessa forma, o teorema de Bayes não se aplica para variáveis contínuas.
Certo
Errado
P(Q=1)=5⋅P(q=0).
Certo
Errado
P (A ∪ B) = 0,2.
Certo
Errado
O teorema de Bayes é um mecanismo formal para atualizar probabilidades. Considere o caso de um analista de mercado que, após o encerramento de um pregão, pretende divulgar informações sobre a probabilidade de queda de determinada ação. O analista tinha uma previsão inicial de queda dessa ação de 10% e recebeu novas informações sobre a economia, no que diz respeito a um aumento da taxa de juros. O analista tem registros de que, quando houve queda nessa ação, em 20% das vezes essa queda foi precedida pelo aumento dos juros e de que, nos dias em que a ação esteve em alta, apenas em 5% das vezes elas foram precedidas pela notícia de aumento da taxa de juros.
Levando-se em conta esse cenário, e com base no teorema de Bayes, a nova probabilidade de queda da ação será de
45%
40%
33%
31%
29%
Os Filtros Bayesianos são assim chamados por basearem-se na aplicação do Teorema de Bayes, que relaciona distribuições de probabilidade a priori com distribuições de probabilidade a posteriori.
Há dois passos fundamentais para a estimação de estados, onde o primeiro passo está associado ao modelo dinâmico do sistema ou processo, enquanto o segundo passo está associado ao modelo de observações ou sensoriamento.
Neste contexto, os passos são denominados, respectivamente,
Treinamento e Classificação.
Predição e Correção.
Atenuação e Geração.
Propagação Inversa e Propagação Direta.
Marginalização e Condicionamento.
Um instituto deseja estudar a incidência de certo evento em determinados intervalos de tempo. Seja X1,X2,...,Xn uma amostra aleatória independente e identicamente distribuída conforme uma distribuição de Poisson com parâmetro λ.
Sabe-se que λ tem distribuição Gama com parâmetros α e β e que Yy = ΣiXi.
Então, a distribuição a posteriori de λ é
Poisson com parâmetro λ.
Poisson com parâmetro nλ.
Gama com parâmetros (y+a;nβ+1β).
Gama com parâmetros (y−αnβ−1(β)).
Gama com parâmetros (α+ββ(nβ+1)⋅λ).
Assinale a alternativa que apresenta a diferença da estatística Bayesiana para a Estatística Clássica:
É o fato de a bayesiana não ser baseada em frequência de dados, ou seja, não precisa que um determinado evento tenha ocorrido várias vezes para que possa determinar a probabilidade deste evento voltar a ocorrer.
Comparada com a estatística clássica ou frequentista, a estatística bayesiana é significativamente mais complexa.
É porque a Teoria Bayesiana é baseada em vários Teoremas.
Não é possível utilizar a estatística bayesiana para análise de casos raros, como acontece na medicina.
Nenhuma das alternativas.
Uma pesquisa sobre a dispersão espacial do risco de ocorrência de um determinado fenômeno utilizou a estimação Bayesiana como método de estimação.
Sobre esse método de estimação, assinale a opção correta.
Considera inicialmente que o parâmetro a estimar é desconhecido.
Considera inicialmente que o parâmetro a estimar é conhecido levando em conta os dados coletados da amostra.
Considera inicialmente que o parâmetro é uma quantidade cuja variação pode ser descrita por uma distribuição de probabilidade somente depois da retirada da amostra.
Considera inicialmente que o parâmetro é uma quantidade cuja variação pode ser descrita por uma distribuição de probabilidade antes da retirada da amostra.
Considera inicialmente uma amostra aleatória que é retirada e uma população indexada pelo parâmetro a estimar, baseado nos valores observados da amostra.
E1⊂ E2.
Certo
Errado