Um pesquisador avalia que as porcentagens de torcedores do Flamengo, do Vasco, do Fluminense e do Botafogo numa certa comunidade são, respectivamente, de 40%, 20%, 20% e 10%. Para testar essa suposição, obteve uma amostra de 100 torcedores que exibiu os seguintes resultados:
Fla Vasco Flu Bota Outros Total
N° de torcedores 45 20 15 15 5 100
O valor da estatística qui-quadrado usual para esses dados é
igual a:
40% das peças adquiridas por uma empresa provêm de um fornecedor A, 30% vêm de um fornecedor B, e as restantes, de um fornecedor C.
Das peças fornecidas por A, 2% são rejeitadas pelo controle de qualidade; das fornecidas por B, 1% é rejeitada e, das fornecidas por C, 2% são rejeitadas. A probabilidade condicional de que uma peça, escolhida ao acaso do estoque, tenha sido adquirida ao fornecedor A dado que foi rejeitada é aproximadamente igual a
Das trinta pessoas que moram num edifício, dez já tiveram dengue. Quatro moradores distintos serão sorteados para participar de um estudo clínico. A probabilidade de que ao menos dois desses moradores já tenham tido dengue é aproximadamente igual a
Suponha uma variável aleatória X normalmente distribuída com média 100 e variância 25. A probabilidade de que X seja maior do que 110 é aproximadamente igual a:
Duas variáveis aleatórias independentes X e Y são tais que X tem distribuição Normal com média 0 e variância 4 e Y pode ser escrita como Y = Z12 + Z22 + Z32 + Z42 , em que os Zi são independentes e identicamente distribuídos com distribuição normal padrão, i = 1, 2, 3, 4. Nesse caso, a seguinte variável tem distribuição t- Student
Considere uma amostra aleatória simples X1, X2, X3, X4, de tamanho 4, de uma variável populacional com média µ e os quatro estimadores de µ a seguir:
T1 = (X1 + X2 + X3 + X4)/4
T2 = X1
T3 = 3X1 – X2 + 2X3 – 4X4
T4 = X1 + X2 + X3 – 2X4
A quantidade de estimadores apresentados que são não
viesados para µ é igual a:
Considere uma amostra aleatória simples X1, X2, ..., Xn de uma densidade com parâmetro θ e imagine que você conheça um estimador T não viesado qualquer para θ e a estatística S, única estatística suficiente para essa densidade. Nesse caso, você pode obter um estimador não viesado de variância uniformemente mínima para θ definindo um novo estimador T* tal que
Considere que uma única observação aleatória x de uma densidade Uniforme no intervalo [ 0, θ ] seja obtida para testar
H0: θ ≤ 2 contra H1: θ > 2.
O teste uniformemente mais poderoso de tamanho α = 0,05
rejeitará H0 se x for maior do que:
Considere que para testar H0: µ ≤ 20 contra H1: µ > 20, em que µ é a média de uma distribuição normal com variância 1, uma amostra aleatória simples de tamanho 100 seja obtida e o critério uniformemente mais poderoso de tamanho α = 0,05 seja usado. O poder desse teste se µ = 20,3 é aproximadamente igual a:
Pacientes acometidos por uma certa doença serão aleatoriamente escolhidos e classificados, em uma tabela de contingências, de acordo com duas variáveis: grau de severidade da doença, dividido em cinco categorias, e idade, subdividida em sete categorias. O problema é testar a hipótese de que as proporções de pacientes em cada grau de severidade são homogêneas em cada nível de idades ou seja, se pij é a proporção de doentes com grau de severidade i na idade j, i = 1, 2, 3, 4, 5, j = 1, 2, 3, 4, 5, 6, 7 são tais que pi1 = pi2 = pi3 = ... = pi7, i = 1, 2, ..., 5.
Se Q é o valor observado da estatística qui-quadrado usual e se χ[](k, p) indica o percentil p da distribuição qui-quadrado com k graus de liberdade, então o teste de homogeneidade adequado, ao nível de significância α rejeitará a hipótese de homogeneidade se
Suponha que você obtenha as seguintes observações pareadas (x , y):
(23, 28), (31, 41), (37, 36), (40, 43), (28, 26), (30, 43), (36, 31), (28, 22)Você deseje testar a hipótese nula de que as observações provêm, de fato, de uma mesma função de densidade de probabilidade contínua simétrica. Um valor da estatística de Wilcoxon adequada para esse teste é igual a:
Suponha que a seguinte amostra aleatória simples de uma variável aleatória populacional bivariada contínua (X , Y) seja observada:
(30,2, 16,1), (20,5, 18,6), (42,5, 14,4), (29,0, 19,5)
Deseja-se testar a hipótese de que X e Y são independentes, mas não se pode supor normalidade para a distribuição de probabilidades populacional, de modo que uma alternativa é usar o coeficiente de Kendall como estatística de teste. O valor desse coeficiente para os dados apresentados é:
Para testar a hipótese de que a proporção de pessoas com certa anomalia numa população era maior do que 10%, uma amostra aleatória simples de 400 indivíduos foi observada e mostrou, que, dos 400, 48 mostravam a anomalia. O valor-p (significância) associado com esses dados, se usarmos a estatística de teste usual é aproximadamente igual a
No dia primeiro de janeiro de 2009, uma empresa contratou 100 novos funcionários com mais de 60 anos de idade. Na admissão, todos coletaram sangue para medida de glicemia em jejum, sendo que 12 deles apresentavam diabetes mellitus. Esses 100 funcionários fizeram exames de glicemia no primeiro dia de cada mês durante um ano, e 12 novos casos da doença foram diagnosticados no período até o dia primeiro de janeiro do ano seguinte (2010). Note que a diabetes mellitus é uma doença sem cura.
Quanto à incidência e prevalência do diabetes mellitus entre os funcionários contratados em 01/01/2009, analise as afirmativas a seguir:
I. a prevalência pontual em 01/01/2009 é igual a 12/88.
II. a prevalência pontual em 01/01/2010 é o dobro da incidência cumulativa no ano de 2009 (entre 02/01/2009 e 01/01/2010).
III. a incidência cumulativa no mês de janeiro (entre 02/01/2009 e 01/02/2009) é necessariamente menor que a incidência cumulativa nos meses de janeiro e fevereiro (entre 02/01/2009 e 01/03/2009);
Assinale:
Um instituto de pesquisa realiza um teste (teste A) para detectar a incidência do vírus HIV em uma determinada população, testando todos os indivíduos. Visando diminuir o número de falsos positivos, todos os indivíduos cujo resultado do teste A foi positivo são submetidos a outro teste (teste B), de mesma natureza, cujos resultados são independentes do teste A. Define-se o teste C como sendo uma combinação dos testes A e B: dizemos que um indivíduo teve resultado “positivo” de acordo com o teste C somente se foi “positivo” nos testes A e B.
Podemos afirmar que:
Com a finalidade de se investigar a associação entre um determinado poluente e doenças no trato respiratório, verificou-se a incidência deste tipo de doença em 100 indivíduos moradores de uma região A (poluída) e 100 indivíduos moradores de uma região B (não poluída). Obteve-se que 20 dos indivíduos moradores da região A apresentavam algum tipo de doença respiratória contra 5 da região B.
O risco relativo dos indivíduos moradores de local poluído é:
Um novo teste foi desenvolvido para detectar um tipo de doença genética. A probabilidade do teste detectar um caso positivo verdadeiro é de 90% e a probabilidade de acusar um falso positivo é de 10%. A probabilidade do teste acusar um falso negativo é de 1%, e de acusar um negativo verdadeiro é de 95%. Suponha que em uma determinada família, um em cada 10 indivíduos tem essa doença.
Se uma pessoa dessa família tem resultado positivo no teste, a probabilidade de que ela de fato tenha esse tipo de doença degenerativa é de:
20% dos indivíduos de uma cidade sofrem da doença A, 10% sofrem da doença B e 30% da doença C. Suponha que 10% sofrem das doenças A e B, e 10% das doenças B e C.
Assinale a afirmativa que indique a probabilidade de um indivíduo sofrer das três doenças ao mesmo tempo.
Em um estudo longitudinal, o peso de 100 crianças de cinco
anos de idade foi medido mensalmente durante um ano.
Concluiu-se com esse estudo que a variação de peso de
uma criança em um mês era independente das variações de
peso desta criança feitas anteriormente.
Se a probabilidade de uma criança perder peso em um mês
é de 5%, a probabilidade de uma determinada criança perder
peso em seis meses do ano é:
Um grupo de 100 crianças recém-nascidas toma uma vacina experimental desenvolvida para imunizá-las contra uma determinada doença infantil. Essas crianças foram acompanhadas até o final de sua infância, e verificou-se que 10% delas, em algum momento, contraíram a doença em questão.
Assinale a alternativa que apresenta a conclusão a que se pode chegar com relação à eficiência dessa vacina.
Os níveis de glicose foram medido em dois grupos de indivíduos, sendo o grupo 1 formado por indivíduos sedentários e o grupo 2 por indivíduos não sedentários. O nível médio de glicemia para o grupo 1 foi de 98 mg/dL e para o grupo 2 foi de 110 mg/dL. Para determinar se a diferença entre essas medidas é significativa, o teste estatístico mais apropriado é:
Um grupo de 1000 pessoas que trabalhavam em uma mina de carvão em 1950 foi investigado em 1970, e verificou-se que 100 destes indivíduos desenvolveram uma determinada doença pulmonar. Para comparação, um grupo de 1000 indivíduos que trabalhava em um hospital em 1930 foi investigado, verificando-se que entre 1930 e 1970, 38 desenvolveram esta doença. Esse estudo é um exemplo de:
Quanto ao modelo de regressão linear simples, com variável resposta Y e variável explicativa X, não é correto afirmar que:
Um programa de emagrecimento deseja verificar a relação entre perda de peso e peso inicial dos participantes do programa. Para isso observou-se o peso inicial (X) de 20 participantes e a quantidade de peso perdido (Y) ao final de um mês. O peso inicial e o peso perdido foram ambos medidos em kg. Obteve-se com esses dados a seguinte equação de regressão linear:
Y = –5 + 0.1 X
É possível afirmar que:
Assinale a alternativa que indique o problema mais apropriado para aplicação da regressão logística.
Quanto aos Modelos Mistos, analise as afirmativas a seguir:
I. são modelos estatísticos caracterizados por conter efeitos fixos e efeitos aleatórios
II. são usados para conjuntos de dados com estrutura hierárquica
III. são modelos Bayesianos
Assinale:
Assinale a alternativa que indique o modelo de regressão para análise de sobrevida cuja distribuição corresponda a uma função de risco com envelhecimento acelerado e riscos proporcionais.
Um estudo foi conduzido para relacionar o sexo do indivíduo com a existência ou não de complicações associadas a uma determinada doença crônica. Para isso, observou-se o sexo de 100 indivíduos (de características similares) que sofriam da doença (sexo=1 para mulheres e sexo=0 para homens), e se eles apresentavam ou não complicações associadas a ela (Y=1 em caso de complicação, e Y=0 caso contrário). Uma regressão logística foi conduzida.
O intercepto foi estimado em -0.6, e o coeficiente relacionado a sexo foi estimado em 0.8 (ambos significativos a nível de 1%). Quanto a esse resultado, podemos afirmar que:
Qual dos modelos abaixo não é um Modelo Linear Generalizado:
Qual dessas hipóteses não é uma hipótese do modelo de regressão de Poisson:
O teste Logrank pode ser utilizado para testar se duas curvas de sobrevida (de dois grupos de a serem comparados) são iguais. O teste torna-se inapropriado, entretanto, sob a seguinte circunstância:
Um dos principais estimadores utilizados em Análise de Sobrevida é o Estimador de Kaplan-Meier. Quanto a este estimador, não é correto afirmar que:
A vantagem do método de imputação múltiplo para o método de imputação simples no tratamento de dados faltantes é:
Um problema comum em investigações científicas na área de saúde é a ocorrência de dados faltantes. Em situações como essa, é comum ao analista restringir-se à análise dos sujeitos com dados completos, e retirar aqueles com alguma informação omissa.
O principal problema causado por essa prática quando observações são omissas sistematicamente é:
Verificou-se em um estudo que em uma certa amostra de pessoas, entre as pessoas que jogavam baralho todos os dias, 20 em cada 1000 tinham a doença A. Entre as pessoas que não jogavam baralho todos os dias, 5 em cada 1000 tinham a doença A.
A explicação mais plausível para esse resultado é:
Um estudo está sendo desenvolvido para comparar um tratamento tradicional para o câncer (controle) e um tratamento experimental. Dois grupos de pessoas são selecionados sendo que cada grupo é submetido a um tratamento diferente. O grupo I, constituído por 100 crianças, recebeu o tratamento experimental, e o grupo II, constituído por indivíduos adultos, recebeu o tratamento tradicional. Ao fim do período de condução do experimento, verificou-se quantos indivíduos estavam curados e foi feito um teste de hipóteses. Concluiu-se que o tratamento experimental é melhor que o tradicional com nível de significância de 1%.
Quanto à conclusão tirada, ela pode não estar correta se:
Verificou-se que 80% dos pacientes de câncer de mama de um hospital eram negros. Uma amostra representativa de indivíduos saudáveis foi também obtida na cidade onde o hospital ficava localizado, com o objetivo de comparar a composição racial dos dois grupos. O pesquisador concluiu com nível de significância de 5% que o câncer de mama afeta mais aos indivíduos da raça negra. A conclusão, entretanto, não estava correta, visto que o pesquisador não estava ciente da composição racial da população de indivíduos que frequentavam aquele hospital (80% eram negros).
A conclusão errada do pesquisador foi:
Um teste para detectar a presença de uma enfermidade é montado da seguinte forma: se a contagem de glóbulos brancos do indivíduo estiver abaixo de um patamar X, o teste acusa positivo, se estiver acima, acusa negativo. Sabe-se que a probabilidade de erro tipo I é 0.05, e a probabilidade de erro tipo II é 0.1 para esse teste. Deseja-se modificar o procedimento para aumentar o poder do teste. Como isso seria possível?
Um experimento é conduzido cuidadosamente para avaliar se o tratamento A é mais eficiente que o tratamento B em termos de redução de mortalidade. Para isso, dois grupos de pacientes são analisados, cada um recebendo um dos tipos de tratamento. Testa-se a hipótese nula de que não existe diferença entre os tratamentos A e B. Seja α a probabilidade de erro tipo I (falsos positivos), e β a probabilidade de erro tipo II (falsos negativos). Quanto ao teste descrito acima,podemos afirmar:
I. se existe diferença entre os tratamentos, a probabilidade disso ser detectado corretamente é igual a β
II. o p-valor do teste é igual a α
III. o poder do teste é dado por (1-β)
Assinale:
Deseja-se testar se a altura média de indivíduos de uma população A é igual a dos indivíduos de uma população B. Considere hipoteticamente que a variância das alturas é conhecida e igual a 10cm2 em ambas as populações. Seleciona-se amostras de n indivíduos de cada população. Seja x a média das alturas (em cm) na amostra de indivíduos da população A, e y a média das alturas (em cm) na amostra de indivíduos da população B. Um teste de hipóteses é montado da seguinte forma: se |x-y|>K, a hipótese de igualdade das médias é rejeitada.
Supondo normalidade dos dados, n deveria valer, para assegurar que o erro tipo I desse teste seja menor ou igual a 5%, aproximadamente:
Um novo tratamento é desenvolvido para uma doença antes incurável e fatal. Com este tratamento, apesar da doença permanecer sem cura, o tempo de vida dos indivíduos portadores da doença é aumentado consideravelmente. Com isso, é possível afirmar que: