Questões de Concurso sobre Variância para Dados em Classe

A amostra a seguir representa o número de livros lidos por 15 estudantes e está organizada na tabela de distribuição de frequências:

A variância amostral (𝑠² ) é obtida calculando-se a média dos quadrados dos desvios de cada valor em relação à média amostral.

A variância amostral (𝑠² ) do número de livros lidos é

Analise a tabela a seguir.

Seja v uma amostra de uma variável aleatória gaussiana de média 0 e variância 1. A tabela acima mostra a probabilidade de v ser menor que alguns valores x entre 0,0 e 1,9.

Uma segunda variável aleatória w também é uma distribuição gaussiana, porém de média 1 e variância 4.

A probabilidade da soma de 16 amostras independentes de i ser maior que 24 é

As notas de todos os alunos de uma turma estão apresentadas na tabela a seguir.

Com base nesses dados, é correto afirmar que a variância das notas dessa turma é igual a

Com relação às medidas de dispersão, assinale a opção INCORRETA.

A variância de X é igual a 16.

A variância dos dados de uma amostra pode ser definida como a média dos quadrados dos desvios em torno da média.

Assim, a variância do número de filhos por casal é igual a

A variância de $\overline{W}$ é inferior a $\frac{1}{n}.$

A variância amostral do conjunto de dados {10, 12, 12, 18, 18} é igual a 14.

Considere uma variável aleatória X que representa o risco de desastres geo-hidrológicos.

Suponha que X possa ser modelada através da seguinte função densidade de probabilidade:

Determine a variância de X.

A variância de S_n tende para zero à medida que n aumenta.

Métodos de assimilação de dados clássicos são tradicionalmente classificados em sequenciais ou variacionais. Os métodos variacionais guardam semelhanças com a teoria de controle ótimo, por sua vez desenvolvida a partir do estabelecimento dos fundamentos do cálculo variacional.

Com relação à formulação variacional de assimilação de dados, analise as afirmativas a seguir e assinale (V) para a verdadeira e (F) para a falsa.

( ) Trata-se da busca por estados dos sistemas que minimizam um funcional de custo, em geral definido como um erro quadrático entre observações e predições correspondentes àqueles estados, calculadas por modelos matemáticos.

( ) Envolve a necessidade de aplicação de técnicas de localização e/ou inflação de covariâncias para eliminar correlações espurias entre possíveis soluções de problemas de otimização.

( ) Baseia-se em otimizações com restrições dinâmicas fortes, introduzidas no problema por uso de multiplicadores de Largrange; ou fracas, introduzidas no problema como termos ponderados de penalidades.

As afirmativas são, respectivamente,