Questões sobre Conhecimentos de estatística

Considere a figura e os textos a seguir, abordando um tema da área clínico-cirúrgica:
Pressão intraocular de 243 indivíduos, divididos em cinco grupos:



A figura apresenta cinco gráficos do tipo box-plot, lado a lado. São dados de pressão intraocular (em mmHg) de uma amostra de 243 indivíduos, que foram divididos em cinco grupos, segundo a condição clínica do glaucoma.
(Fonte: Barbetta, P.A. Estatística Aplicada a Ciências Sociais. Editora da UFSC,1994.) 

Glaucoma é uma doença ocular causada principalmente pela elevação da pressão intraocular que provoca lesões no nervo ótico e, como consequência, comprometimento visual. Se a doença não for tratada adequadamente, pode levar à cegueira. Ao descrever a figura, pode-se obter uma análise exploratória comparativa dos cinco grupos, com relação à pressão intraocular, conforme características identificáveis no box-plot: localização, dispersão e assimetria dos dados, bem como prováveis dados atípicos.
Considerando as informações apresentadas, assinale a alternativa correta.

Um estudo sobre a relação entre X: renda anual (em dólares) e Y: anos completos de estudo resultou em um coeficiente de correlação linear de Pearson entre X e Y, rXY = 0,907. Considerando as informações apresentadas, assinale a alternativa correta.

Considere a seguinte situação na área epidemiológica:
Durante os anos 1980, aproximadamente 22.000 médicos com mais de 40 anos concordaram em participar de um estudo de longo prazo chamado Physicians’ Health Study. Uma questão investigada foi se a aspirina ajuda a diminuir a ocorrência de enfarto. Os médicos foram aleatoriamente designados para tomar aspirina ou tomar placebo.

(Disponível em: Agresti, A.; Franklin, C. The Art and Science of Learning from Data. Pearson New International. Edição do Kindle.)

Sobre o delineamento do estudo apresentado, é correto afirmar:

Um problema comum no processamento de texto é o tratamento de termos compostos por mais de um token, tais como “Ministério Público”, tal que represente uma unidade linguística distinta, em particular na construção de modelos de linguagem.
Considerando o problema acima descrito, a alternativa que apresenta uma técnica usada para sua resolução é:

Um modelo semântico vetorial foi criado com a seguinte definição:

 v(w)i = tf(w, di) ? idf(w, D)

onde v é o vetor correspondente à palavra w, di é o i-ésimo documento da coleção D de artigos da Wikipédia, ordenados alfabeticamente por título, e tf e idf são, respectivamente, as funções de frequência de termo e inverso da frequência em documentos.
A alternativa que classifica corretamente o modelo acima descrito e apresenta a razão correta para a classificação é: