PUCRS FAMAT DEPTº DE ESTATÍSTICA Estimação e Teste de Hipótese- Prof. Sérgio Kato

Save this PDF as:
 WORD  PNG  TXT  JPG

Tamanho: px
Começar a partir da página:

Download "PUCRS FAMAT DEPTº DE ESTATÍSTICA Estimação e Teste de Hipótese- Prof. Sérgio Kato"

Transcrição

1 1 PUCRS FAMAT DEPTº DE ESTATÍSTICA Estimação e Teste de Hipótese- Prof. Sérgio Kato 1. Estimação: O objetivo da iferêcia estatística é obter coclusões a respeito de populações através de uma amostra extraída dessa população. Uma variável aleatória é caracterizada por sua distribuição de probabilidade. Em algus casos, o cotrole estatístico da qualidade, por exemplo, a distribuição de probabilidade é usada para descrever ou modelar alguma característica de qualidade, como por exemplo, uma dimesão crítica de um produto ou a proporção de defeituosos de um processo de maufatura. Assim, estamos iteressados em fazer iferêcias a respeito dos parâmetros da distribuição de probabilidade. Como estes parâmetros quase sempre são descohecidos, iremos estimá-los a partir dos dados de uma amostra. A Estatística Iferecial compreede a Estimação e os Testes de hipóteses. A estimação é um processo que cosiste em utilizar dados amostrais (retirados segudo amostragem probabilística) a fim de obter coclusões sobre os parâmetros da população que são descohecidos. A estimação pode ser feita por poto ou por itervalo. Pricipais estimadores por poto: Parâmetro Estimador µ X 2 π 2 S S P ESTIMAÇÃO POR INTERVALO DE CONFIANÇA A estimação por itervalo os forece um itervalo de valores cetrados a estatística amostral, o qual julgamos estar o parâmetro com uma probabilidade cohecida de erro. Vimos que para uma população podemos retirar K amostras diferetes para um determiado tamaho de amostra. Cada amostra possível tem um valor como estimativa e cada estimativa forecerá um itervalo diferete para o parâmetro. Assim, temos uma probabilidade (1-α) de que o valor do parâmetro esteja cotido o itervalo estimado, chamado ível de cofiaça. Por esta razão, chamamos de itervalos de cofiaça. O itervalo de cofiaça depederá da distribuição amostral do estimador que foi utilizado para estimar o parâmetro.

2 2 ESTIMAÇÃO POR INTERVALO PARA A MÉDIA POPULACIONAL Sabemos que as médias se distribuem segudo uma distribuição ormal com média µ e desvio-padrão quado estas médias provêm de uma distribuição populacioal ormal ou quado o tamaho da amostra é suficietemete grade. Quado retiramos uma amostra, a média X é uma das muitas médias possíveis de se obter de uma população. Assim, por exemplo, se adotarmos um ível de cofiaça de 95%, poderemos dizer que 95% das médias amostrais estarão detro de 1,96 erros padrão. Sabedo que o itervalo de cofiaça tem cetro a média amostral, é determiado da seguite maeira: [ ] ± ε X ode ε =z Quado é pequeo e descohecido, usamos a distribuição t-studet com -1 graus de liberdade, sedo ε =t. s CASO 1: INTERVALO DE CONFIANÇA PARA MÉDIA COM VARIÂNCIA POPULACIONAL CONHECIDA. Para uma variável aleatória X ormalmete distribuída, com média descohecida e variâcia cohecida 2, uma amostra aleatória é retirada e calculase X. O itervalo de cofiaça com ível de cofiaça 1 α é dado por: X Zα. µ X + Zα. 2 2 = X ± Zα. 2 Exemplo: Uma máquia eche pacotes de café com uma variâcia igual a 1 g 2. Ela estava regulada para echê-los com 5g, em média. Agora ela se desregulou, e queremos saber qual a ova média µ. Uma amostra de 25 pacotes apresetou média igual a 485g. Estime a média por itervalo de 95% de cofiaça. R: [481,8; 488,92]

3 3 CASO 2: INTERVALO DE CONFIANÇA PARA MÉDIA DE UMA DISTRIBUIÇÃO NORMAL COM VARIÂNCIA 2 DESCONHECIDA. Supoha que X seja uma variável aleatória de uma distribuição ormal com média µ descohecida e variâcia 2 descohecida, retira-se um amostra aleatória e calcula-se a média amostral X e a variâcia amostral s 2. Utilizado a distribuição t-studet tem-se: s s s X tα. µ X + t. = X ± t., 1 α, 1 α, OBS: Quado for grade, podemos utilizar a distribuição ormal. Exemplo: Um pesquisador está estudado a resistêcia de um determiado material sob determiadas codições. Ele sabe que essa variável é ormalmete distribuída. Foi retirado uma amostra de 9 uidades 4,9 ; 7, ; 8,1; 4,5 ; 5,6; 6,8 ; 7,2 ; 5,7; 6,2. a) Determie um itervalo de 9% de cofiaça para a resistêcia média populacioal. b) Determie um itervalo de 95% de cofiaça. para a resistêcia média populacioal. c) Verifique os resultados de a) e b), e coclua a respeito do erro de estimação e o ível de cofiaça. R: a) [5,5; 6,94] b) [5,33; 7,11] c) Quato maior o ível de cofiaça maior é o itervalo e meor é a precisão CASO 3: ESTIMAÇÃO POR INTERVALO DE CONFIANÇA PARA A PROPORÇÃO Para a estimativa potual da proporção (pˆ ), é utilizada a distribuição Biomial, ode pˆ é a razão etre o úmero de sucesso (ites que apresetam uma determiada característica) e o úmero total da amostra (). A estimativa itervalar da proporção populacioal (π), para grades amostras, é simétrica em relação à proporção amostral, tal como ocorre com o itervalo para a média populacioal em relação a média amostral. A pricipal difereça etre as estimativa de médias e de proporções está os desvios padrões das distribuições amostrais. O desvio padrão se baseia a distribuição biomial e é dada por: pˆ.(1 pˆ) = pˆ Se é grade e p>=,1, etão a aproximação Normal para Biomial pode ser usada, resultado: pˆ.(1 pˆ) pˆ.(1 pˆ) pˆ.(1 pˆ) pˆ Z pˆ + Z = pˆ α. π α. ± Zα Exemplo: De 8 etrevistados, 48 acreditam que o dólar estará com o preço mais baixo daqui a um mês. Costrua um itervalo de 95% de cofiaça para a verdadeira proporção de pessoas que acreditam que o dólar estará abaixo do valor atual. R: [,4926;,774]

4 4 LISTA DE ESTIMAÇÃO POR INTERVALO DE CONFIANÇA 1. O gerete de um baco em uma cidade pequea gostaria de determiar a proporção de seus corretistas que recebem salários semaalmete. Determie uma estimativa, com 9% de cofiaça, da proporção, a população, de corretistas do baco que são pagos por semaa, se uma amostra de 145 apresetou 29 que recebiam por semaa. R: [,1455;,2645]. 2. Uma moeda foi jogada 4 vezes, obtedo-se 136 caras. Costrua um itervalo de 95% e 99% de cofiaça para o resultado cara essa moeda. R: [,2936;,3864] e [,2789;,411] 3. Em uma pesquisa realizada com 2 habitates de uma cidade, 4 se mostraram favoráveis a pea de morte. Estime, por poto e por itervalo de 99% de cofiaça para a verdadeira proporção de moradores favoráveis a pea de morte esta cidade. R: [,127;,273] 4. A distribuição dos diâmetros de parafusos produzidos por uma certa máquia é ormal, com desvio padrão igual a,17mm. Uma amostra de 6 parafusos retiradas ao acaso da produção apresetou os seguites diâmetros (em mm): 25,4; 25,2; 25,6; 25,3; 25,; 25,4. Estime a média da população e costrua um itervalo de 95% de cofiaça para a média populacioal, iterprete estes resultados. R: [25,18; 25,45] 5. A largura itera de um etalhe usiado em um pistão apreseta variâcia igual a,15. Uma amostra aleatória de 12 pistões idicou média igual a 12,258mm. Costrua um itervalo de 99% de cofiaça para a largura média do etalhe. R: [12,23; 12,29] 6. Solicitou-se a uma amostra de 1 estudates de um colégio que aotassem suas despesas com alimetação e bebidas o período de uma semaa. O resultado foi uma despesa média de R$6, e desvio padrão de 5,. Costrua o itervalo de 98% de cofiaça para a despesa média de todos os aluos do colégio. R: [58,835; 61,165] 7. Em uma amostra de 4 leituras de um comercial de 3 segudos, um locutor levou em média 29,2 segudos com variâcia de 5,76 segudos. Costrua o itervalo de 9% de cofiaça para a média. R: [26,3764; 32,236] 8. A Idustrial ABC S/A, fabricate de lâmpadas elétricas, desejado cohecer o tempo médio de duração de seu produto, selecioou uma amostra aleatória de 1 uidades, apurado os seguites valores, em horas: Determie um itervalo de 95% de cofiaça para a estimação desejada. R. [ 226,74 ; 253,2] 9. Uma pesquisa em 17 ciemas de São Paulo, idicou que o igresso custava, em média, US$ 5,5, com um desvio padrão de US$,5. Com base esses resultados, determie a estimativa do preço médio dos igresso de ciema em São Paulo, em ível de cofiaça de 95% para a estimativa; R. [5,24 ; 5,76] 1. O Secretário de Saúde do Império Romao propôs-se a melhorar o atedimeto médico à plebe. Como ão há diheiro para cotratar mais médicos, ele decidiu torar o atedimeto mais eficiete. Para estimar o tempo médio gasto em cada cosulta ele sorteou 64 pacietes de um hospital público aleatoriamete escolhido: essa amostra idicou que o tempo médio de atedimeto era de 1 miutos, com um desvio padrão de 3 miutos. Com base isso, determie o tempo médio de atedimeto a um ível de cofiaça de 9%. R. [9,38 ; 1,62]

5 5 2. Teste de Hipótese: Trata-se de uma técica para se fazer iferêcia estatística, ou seja, a partir de um teste de hipóteses, realizado com os dados amostrais, pode-se iferir sobre a população. No caso das iferêcias através do Itervalo de Cofiaça, busca-se cercar o parâmetro populacioal descohecido. Aqui formula-se uma hipótese quato ao valor do parâmetro, e pelos elemetos amostrais faz-se um teste que idicará a aceitação ou rejeição da hipótese formulada. Hipótese Estatística: Hipótese, em estatística, é uma suposição formulada a respeito dos parâmetros de uma distribuição de probabilidade de uma ou mais populações. Esta hipótese será testada com base em resultados amostrais, sedo aceita ou rejeitada. Ela somete será rejeitada se o resultado da amostra for claramete improvável de ocorrer quado a hipótese for verdadeira. Cosideremos Ho a hipótese ula, e H 1 a hipótese alterativa a ser testada (complemetar de Ho). O teste pode levar a aceitação ou rejeição de Ho que correspode, respectivamete à egação ou afirmação de H 1. Exemplo: Supohamos que uma idústria compre de certo fabricate parafusos cuja a carga média de ruptura por tração é especificada em 5 Kg, o desvio-padrão das cargas de ruptura é suposto ser igual a 4 Kg. O comprador deseja verificar se um grade lote de parafusos recebidos deve ser cosiderado satisfatório, o etato existe alguma razão para se temer que a carga média de ruptura seja evetualmete iferior à 5 Kg. Se for superior ão preocupa o comprador pois este caso os parafusos seriam de melhor qualidade que a especificada. Neste exemplo, a hipótese do comprador é que a carga média da ruptura é iferior a 5 Kg. O comprador pode ter o seguite critério para decidir se compra ou ão o lote: Resolve tomar uma amostra aleatória simples de 25 parafusos e submetê-los ao esaio de ruptura. Se a carga média de ruptura observada esta amostra for maior que 48 Kg ele comprará o lote, caso cotrário se recusará a comprar. PASSOS PARA REALIZAR UM TESTE DE HIPÓTESE 1. HIPÓTESES: Hipótese Nula (H ): É um valor suposto para um parâmetro. No exemplo acima, H :µ=5. Hipótese Alterativa(H 1 ) : É uma hipótese que cotraria a hipótese ula, complemetar de H, o exemplo, H 1 : µ <5. ou seja, o exemplo, Ho: µ = 5 H 1 : µ < 5

6 6 Supodo H verdadeira, X da amostra aleatória de 25 valores será uma v.a com média também de 5 Kg e desvio padrão. No exemplo, 4 = = x 25, 8 Sabemos que X é aproximadamete ormal, etão podemos calcular a probabilidade de obtermos um valor iferior a 48. P(X <48) = P( x µ 48 5 < ) = (P(Z<-2,5) =,62, 8 Existe pois uma probabilidade de,62 de que, mesmo sedo a hipótese H verdadeira, X assuma um valor a região que leva à rejeição de H, coforme critério adotado ateriormete. 2. NÍVEL DE SIGNIFICÂNCIA DE UM TESTE: É a probabilidade máxima de rejeitar Ho. Se, por exemplo, utilizarmos o ível de sigificâcia de 5%, a hipótese ula (Ho) será rejeitada somete se o resultado da amostra for tão diferete do valor suposto que uma difereça igual ou maior ocorreria com uma probabilidade máxima de,5. Na prática, o valor de α é fixo. (Geralmete α =,1 ou,5 ou,1.) No exemplo, fixado α =,5, levaria à rejeição de Ho, pois,62 <,5. Uma outra maeira de tomar-se uma decisão é comparar o valor tabelado com a estatística do teste. 3. ESTATÍSTICA DO TESTE: É o valor calculado a partir da amostra que será usado a tomada de decisão. No exemplo, Z calc = -2,5. Z calc = valor da estimativa - valor alegado para o parâmetro desvio-padrão do estimador

7 7 4. REGIÃO CRÍTICA: Região ode os valores da estatística dos teste levam à rejeição da hipótese ula. A sua área é igual ao ível de sigificâcia, e sua direção é a mesma da hipótese alterativa. Uilateral à esquerda: H : µ = 5 H 1 : µ < 5 Uilateral à direita: H : µ = 5 H 1 : µ > 5 Bilateral: H : µ = 5 H 1 : µ 5 5. REGRA DE DECISÃO: Se o valor da estatística do teste cair detro da região crítica, rejeita-se H. Ao rejeitar a hipótese ula (H ) existe uma forte evidêcia de sua falsidade. Ao cotrário, quado aceitamos, dizemos que ão houve evidêcia amostral sigificativa o setido de permitir a rejeição de Ho. 6. CONCLUSÃO: O que sigifica, a situação de pesquisa, aceitar ou rejeitar Ho.

8 8 TIPOS DE ERROS Pelo fato de estarmos usado resultados amostrais para fazermos iferêcia sobre a população, estamos sujeito a erros. Digamos que existe uma probabilidade α de que mesmo sedo Ho verdadeiro, X assuma um valor que leva Z calc à rejeição de Ho. As probabilidades desses erros são chamadas α e β respectivamete. α = P(erro tipo I) = P(rejeitar H / H é verdadeiro) β = P(erro tipo II) = P(aceitar H / H é falso) DECISÃO REALIDADE H verdadeira H falsa Aceitar H Decisão Correta (1-α) Erro do tipo II (β) Rejeitar H Erro do tipo I (α) Decisão Correta (1-β) A probalidade de erro tipo I é determiada pelo pesquisador, mas para determiar a probabilidade de erro tipo II, devemos cosiderar a hipótese ula como falsa e, etão determiar qual a verdadeira distribuição da característica em estudo. Exemplo: O peso médio de litros de leite de embalages echidas em uma liha de produção está sedo estudado. O padrão prevê um coteúdo médio de 1 ml por embalagem. Sabe-se que o desvio padrão é de 1 ml e que a variável tem distribuição ormal. Para ecotrar a probabilidade de erro tipo II, quado testamos a média ser diferete de 1 ml ao ível de 5% de sigificâcia com 4 uidades amostrais, e sedo o real coteúdo médio da embalagem de 112 ml, temos: H : µ = 1 H 1 : µ 1 P (erro tipo II) = P (aceitar H / H é falsa) =? Z α/2 = Z,25 = 1,96 X 1 1,96 = X = 19,8 1 4

9 9, ,8 112 P (aceitar H / H é falsa) = P (X < 19,8 / µ = 112) = P ( x µ 19, < ) 1 4 = P ( Z < -,44) =,33 Ou seja, a probabilidade de ão rejeitarmos Ho, quado a média real da embalagem é de 112 ml é de,33. A partir dessa iformação podemos obter o poder do teste é de 1-β=1-,33=, Teste de Hipótese para uma Média com variâcia pop.cohecida HIPÓTESES: H : µ = µ H 1 : µ µ ou H 1 : µ > µ ou H 1 : µ < µ ESTATÍSTICA DO TESTE: x µ = cal Z Região crítica uilateral à esquerda: Rejeita-se H se Z calc < Z Região crítica uilateral à direita: Rejeita-se H se Z calc > Z 1- Região crítica bilateral: Rejeita-se H se Z calc < Z /2 ou Z calc > Z (1- /2) Exemplo 1: A resistêcia à tração do aço ioxidável produzido uma certa usia permaecia estável, com uma resistêcia média de 72 Kg/ mm 2 e um desvio padrão de 2, Kg/ mm 2. Recetemete, a máquia foi ajustada. A fim de determiar o efeito do ajuste, 1 amostras foram testadas. As resistêcias médias são apresetadas a seguir: 76,2 78,3 76,4 74,7 72,6 78,4 75,7 7,2 73,3 74,2. Presuma que o desvio padrão seja o mesmo que ates do ajuste. Podemos cocluir que o ajuste mudou a resistêcia à tração de aço? (Adote 5% de sigificâcia).

10 1 2. Teste de Hipótese para uma Média com variâcia pop. descohecida HIPÓTESES: H : µ = µ H 1 : µ µ ou H 1 : µ > µ ou H 1 : µ < µ ESTATÍSTICA DO TESTE: t cal x µ = s Região crítica uilateral à esquerda: Rejeita-se H se t calc < t α, 1 Região crítica uilateral à direita: Rejeita-se H se Z calc > t α, 1 Região crítica bilateral: Rejeita-se H se Z calc < t α, 1 ou Z calc > t α, Exemplo 2: A percetagem média da receita muicipal dos quase 6 muicípios de um estado têm sido 7%. O govero pretede melhorar este ídice e, para isso, está estudado algus icetivos. Para verificar os efeitos destes icetivos, sorteou 1 cidades e estudou quais seriam as percetages ivestidas eles. Os resultados foram: 8, 1, 9, 11, 8, 12, 16, 9, 12, 1. Admitido que estes úmeros veham a ocorrer, os dados trazem evidêcia de melhoria? (Adote 5% de sigificâcia). 3. Teste de Hipótese para a proporção HIPÓTESES: H : π = π H 1 : π π ou H 1 : π < π ou H 1 : > π π ESTATÍSTICA DO TESTE: Z cal = ^ π ) ^ ^ ( p p.(1 p) Região crítica uilateral à esquerda: Rejeita-se H se Z calc < Z Região crítica uilateral à direita: Rejeita-se H se Z calc > Z 1- Região crítica bilateral: Rejeita-se H se Z calc < Z /2 ou Z calc > Z (1- /2) Exemplo 3: O presidete do Clube A, afirma que 58% da população de sua cidade torce para seu time. O presidete do clube rival com o ituito de desmetir a afirmação, cotrata uma pesquisa que etrevistou 2 pessoas a qual 17 afirmaram realmete torcer para o clube A. Formule a hipótese e realize o teste ao ível de sigificâcia de 1%.

11 11 Lista Teste de Hipótese 1) Uma amostra de 25 elemetos resultou média 13,5 com desvio padrão de 4,4. Efetuar o teste ao ível de 1% para a hipótese que a média seja iferior a 16. 2) As estaturas de 2 recém ascidos foram tomadas o Departameto de Pediatria da FMRP, cujos resultados são em cm: a) supoha iicialmete que a população das estaturas é ormalmete distribuída com variâcia 2 cm 2 ; Teste a hipótese de que a média seja diferete de 5cm ( =,5) b) Faça o mesmo teste para a média, mas agora descohecedo a variâcia ( =,5). 3) Um processo deveria produzir mesas com,85m de altura. O egeheiro descofia que as mesas que estão sedo produzidas são meores que o especificado. Uma amostra de 8 mesas foi coletada e idicou média,847m. Sabedo que o desvio padrão é =,1m, teste a hipótese do egeheiro usado um ível de sigificâcia de 3%. 4) As codições de mortalidade de uma região são tais que a proporção de ascidos que sobrevivem até 6 aos é de,6. Testar essa hipótese ao ível de 5% se em 1 ascimetos amostrados aleatoriamete, verificou-se 53 sobrevivetes até 6 aos. 5) A experiêcia tem comprovado que mais de 4% dos estudates são reprovados em uma prova de estatística. Se 45 de 9 estudates amostrados fossem reprovados, o que se pode cocluir a respeito desta afirmação. Teste esta hipótese ao ível de sigificâcia de 4%.

12 12 Lista Complemetar de Teste de Hipótese 1) Na idústria de cerâmica, avalia-se sistematicamete a resistêcia de amostras de massas cerâmicas, após o processo de queima. Sabe-se que essas massas tem resistêcia mecâica com média igual a 53 e variâcia 16. Após a troca de forecedores de matéria prima, deseja-se verificar se houve alteração a média. Uma amostra de 15 corpos de prova de massa cerâmica acusou média igual 5. Teste a hipótese ao ível de sigificâcia de 5%. R: z=-2,9; Rejeita Ho 2) Fucioários de uma grade firma de cotabilidade alegam que seu salário médio aual é meor que o de seu cocorrete que é de R$ 45., sabe-se também que o desvio padrão de ambas as empresas são iguais a R$ 52. Uma amostra de 3 cotadores da empresa gera um salário médio de R$ 435. Teste a alegação dos empregados ao ível de sigificâcia de 1%. R: z=-1,58; Aceita Ho 3) A idústria ABC S/A, fabricate de certo equipameto eletrôico, substituiu certo compoete importado pelo similar acioal. Um comprador da referida idústria supõe que tal substituição teha dimiuído a duração do produto que ates era auciada como sedo, em média, 2 horas. Para julgar sua suposição, o comprador testou uma amostra de 1 uidades, verificado média de 197 horas, com desvio padrão de 6,32 h. Com α=5%, estabeleça a coclusão alcaçada pelo comprador. R: t=-1,5; Aceita Ho 4) Uma cadeia de lachoetes se propõe a istalar uma ova filial se, pelo local, passarem mais de 2 carros por hora, em certo período do dia. Em 2 horas escolhidas ao acaso, passaram pelo local, o período de iteresse, em média 28,5 carros com desvio padrão de 3 carros. Com α=5%, a ova filial deve ser istalada? R: t=1,267; Aceita Ho 5) Uma compahia de seguros está disposta a iiciar uma campaha de colocação de apólices o mercado se verificar que a quatia média segurada por família da região alvo é iferior a 1. u.m. Uma amostra casual de 2 famílias da referida região acusou média de 9.6 u.m., com desvio padrão de 1. u.m. Usado 5% de sigificâcia, decida sobre se a campaha deve ou ão iiciar, admitido ormalidade para a população. R: t=-1,789; Rej. Ho 6) Certo fabricate de parafusos aucia que 9% do seu produto ão apreseta qualquer tipo de defeito. Um comprador acredita que a percetagem de parafusos perfeitos é diferete da auciada pelo fabricate. Para verificar tal hipótese, examiou 4 parafusos, verificado que 344 eram perfeitos. Com α=2%, realize o teste correspodete. R: z=-2,3; Aceita. Ho 7) Certa orgaização médica afirma que um ovo medicameto é de qualidade superior ao até etão existete, que é 8% eficaz a cura de determiada doeça. Examiada uma amostra de 3 pessoas que sofriam da doeça, costatou-se que 249 ficaram curadas com o ovo medicameto. Com α=5%, teste a afirmação da orgaização. R: z=1,38; Aceita Ho 8) Uma agêcia de viages tem um tradicioal plao de férias que é oferecido a todos os possíveis clietes que procuram a agêcia. O ídice de respostas positivas é historicamete 2%. Este ao, uma amostra de 5 poteciais clietes mostrou que 15 adquiriam o plao de férias. Teste, α=6%, a hipótese de que o percetual de respostas positivas teha aumetado este ao. R. z=1.54 Aceita. Ho

ESTIMAÇÃO DE PARÂMETROS

ESTIMAÇÃO DE PARÂMETROS ESTIMAÇÃO DE PARÂMETROS 1 Estimação de Parâmetros uiverso do estudo (população) dados observados O raciocíio idutivo da estimação de parâmetros Estimação de Parâmetros POPULAÇÃO p =? AMOSTRA Observações:

Leia mais

Exame MACS- Inferência-Intervalos.

Exame MACS- Inferência-Intervalos. Exame MACS- Iferêcia-Itervalos. No iício deste capítulo, surgem algumas ideias que devemos ter presetes: O objectivo da iferêcia estatística é usar uma amostra e tirar coclusões para toda a população.

Leia mais

Estimativa de Parâmetros

Estimativa de Parâmetros Estimativa de Parâmetros ENG09004 04/ Prof. Alexadre Pedott pedott@producao.ufrgs.br Trabalho em Grupo Primeira Etrega: 7/0/04. Plao de Amostragem - Cotexto - Tipo de dado, frequêcia de coleta, quatidade

Leia mais

CAPÍTULO 6 ESTIMATIVA DE PARÂMETROS PPGEP. Introdução. Introdução. Estimativa de Parâmetros UFRGS

CAPÍTULO 6 ESTIMATIVA DE PARÂMETROS PPGEP. Introdução. Introdução. Estimativa de Parâmetros UFRGS CAPÍTULO 6 Itrodução Uma variável aleatória é caracterizada ou descrita pela sua distribuição de probabilidade. ETIMATIVA DE PARÂMETRO URG Em aplicações idustriais, as distribuições de probabilidade são

Leia mais

Objetivo. Estimar a média µ de uma variável aleatória X, que representa uma característica de interesse de uma população, a partir de uma amostra.

Objetivo. Estimar a média µ de uma variável aleatória X, que representa uma característica de interesse de uma população, a partir de uma amostra. ESTIMAÇÃO PARA A MÉDIAM Objetivo Estimar a média µ de uma variável aleatória X, que represeta uma característica de iteresse de uma população, a partir de uma amostra. Exemplos: µ : peso médio de homes

Leia mais

ESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p

ESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p ESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p Objetivo Estimar uma proporção p (descohecida) de elemetos em uma população, apresetado certa característica de iteresse, a partir da iformação forecida por uma amostra.

Leia mais

Objetivos. Testes não-paramétricos

Objetivos. Testes não-paramétricos Objetivos Prof. Lorí Viali, Dr. http://www. ufrgs.br/~viali/ viali@mat.ufrgs.br Testar o valor hipotético de um parâmetro (testes paramétricos) ou de relacioametos ou modelos (testes ão paramétricos).

Leia mais

Capítulo 5- Introdução à Inferência estatística.

Capítulo 5- Introdução à Inferência estatística. Capítulo 5- Itrodução à Iferêcia estatística. 1.1) Itrodução.(184) Na iferêcia estatística, aalisamos e iterpretamos amostras com o objetivo de tirar coclusões acerca da população de ode se extraiu a amostra.

Leia mais

Virgílio A. F. Almeida DCC-UFMG 1/2005

Virgílio A. F. Almeida DCC-UFMG 1/2005 Virgílio A. F. Almeida DCC-UFMG 1/005 !" # Comparado quatitativamete sistemas eperimetais: Algoritmos, protótipos, modelos, etc Sigificado de uma amostra Itervalos de cofiaça Tomado decisões e comparado

Leia mais

Hipótese Estatística. Tipos de Hipóteses

Hipótese Estatística. Tipos de Hipóteses Hipótese Estatística Hipótese, em estatística, é uma suposição formulada a respeito dos parâmetros de uma distribuição de probabilidade de uma ou mais populações. Podemos formular a hipótese que a produtividade

Leia mais

UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPTO. DE ESTATÍSTICA LISTA 1-ESTATÍSTICA II (CE003)

UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPTO. DE ESTATÍSTICA LISTA 1-ESTATÍSTICA II (CE003) UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPTO. DE ESTATÍSTICA LISTA -ESTATÍSTICA II (CE003) Prof. Beito Olivares Aguilera o Sem./6. Usado os dados da Tabela o Aexo (Seção Orçameto da MB),

Leia mais

MAE116 Noções de Estatística

MAE116 Noções de Estatística Exercício 1 A Secretaria de Saúde de um muicípio vem realizado um programa educativo etre as gestates mostrado a importâcia da amametação. Para averiguar a eficácia do programa pretede-se realizar uma

Leia mais

Revisando... Distribuição Amostral da Média

Revisando... Distribuição Amostral da Média Estatística Aplicada II DISTRIBUIÇÃO AMOSTRAL MÉDIA AULA 08/08/16 Prof a Lilia M. Lima Cuha Agosto de 016 Revisado... Distribuição Amostral da Média Seja X uma v. a. de uma população com média µ e variâcia

Leia mais

Objetivos. Os testes de hipóteses ser: Paramétricos e Não Paramétricos. Testes não-paramétricos. Testes paramétricos

Objetivos. Os testes de hipóteses ser: Paramétricos e Não Paramétricos. Testes não-paramétricos. Testes paramétricos Objetivos Prof. Lorí Viali, Dr. http://www.pucrs.br/famat/viali/ viali@pucrs.br Testar o valor hipotético de um parâmetro (testes paramétricos) ou de relacioametos ou modelos (testes ão paramétricos).

Leia mais

UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPTO. DE ESTATÍSTICA LISTA 4 PROBABILIDADE A (CE068) Prof. Benito Olivares Aguilera

UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPTO. DE ESTATÍSTICA LISTA 4 PROBABILIDADE A (CE068) Prof. Benito Olivares Aguilera UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EATAS DEPTO. DE ESTATÍSTICA LISTA 4 PROBABILIDADE A (CE068) Prof. Beito Olivares Aguilera 2 o Sem./09 1. Das variáveis abaixo descritas, assiale quais são

Leia mais

INFERÊNCIA. Fazer inferência (ou inferir) = tirar conclusões

INFERÊNCIA. Fazer inferência (ou inferir) = tirar conclusões INFERÊNCIA Fazer iferêcia (ou iferir) = tirar coclusões Iferêcia Estatística: cojuto de métodos de aálise estatística que permitem tirar coclusões sobre uma população com base em somete uma parte dela

Leia mais

MAE Introdução à Probabilidade e Estatística II Resolução Lista 1

MAE Introdução à Probabilidade e Estatística II Resolução Lista 1 MAE 229 - Itrodução à Probabilidade e Estatística II Resolução Lista 1 Professor: Pedro Moretti Exercício 1 (a) Fazer histograma usado os seguites dados: Distribuição de probabilidade da variável X: X

Leia mais

Mestrado Integrado em Engenharia Civil. Disciplina: TRANSPORTES. Sessão Prática 4: Amostragem

Mestrado Integrado em Engenharia Civil. Disciplina: TRANSPORTES. Sessão Prática 4: Amostragem Mestrado Itegrado em Egeharia Civil Disciplia: TRNSPORTES Prof. Resposável: José Mauel Viegas Sessão Prática 4: mostragem Istituto Superior Técico / Mestrado Itegrado Egª Civil Trasportes ulas Práticas

Leia mais

DETERMINANDO A SIGNIFICÂNCIA ESTATÍSTICA PARA AS DIFERENÇAS ENTRE MÉDIAS

DETERMINANDO A SIGNIFICÂNCIA ESTATÍSTICA PARA AS DIFERENÇAS ENTRE MÉDIAS DTRMINANDO A SIGNIFIÂNIA STATÍSTIA PARA AS DIFRNÇAS NTR MÉDIAS Ferado Lag da Silveira Istituto de Física - UFRGS lag@if.ufrgs.br O objetivo desse texto é apresetar através de exemplos uméricos como se

Leia mais

DISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL INTRODUÇÃO ROTEIRO POPULAÇÃO E AMOSTRA. Estatística Aplicada à Engenharia

DISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL INTRODUÇÃO ROTEIRO POPULAÇÃO E AMOSTRA. Estatística Aplicada à Engenharia ROTEIRO DISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL 1. Itrodução. Teorema Cetral do Limite 3. Coceitos de estimação potual 4. Métodos de estimação potual 5. Referêcias Estatística Aplicada à Egeharia 1 Estatística

Leia mais

População x Amostra. statística descritiva X inferência estatística. Revisão de Estatística e Probabilidade

População x Amostra. statística descritiva X inferência estatística. Revisão de Estatística e Probabilidade Revisão de Estatística e Probabilidade Magos Martiello Uiversidade Federal do Espírito Sato - UFES Departameto de Iformática DI Laboratório de Pesquisas em Redes Multimidia LPRM statística descritiva X

Leia mais

PROVA 1 27/10/ Os dados apresentados na seqüência mostram os resultados de colesterol

PROVA 1 27/10/ Os dados apresentados na seqüência mostram os resultados de colesterol PROVA 1 7/10/009 Nome: GABARITO 1. Os dados apresetados a seqüêcia mostram os resultados de colesterol mg /100ml em dois grupos de aimais. O grupo A é formado por 10 total ( ) aimais submetidos a um cotrole

Leia mais

5. ANÁLISE DE SISTEMAS DA CONFIABILIADE DE SISTEMAS SÉRIE-PARALELO

5. ANÁLISE DE SISTEMAS DA CONFIABILIADE DE SISTEMAS SÉRIE-PARALELO 5. ANÁLISE DE SISTEMAS DA CONFIABILIADE DE SISTEMAS SÉRIE-PARALELO 5.1 INTRODUÇÃO Um sistema é defiido como todo o cojuto de compoetes itercoectados, previamete determiados, de forma a realizar um cojuto

Leia mais

Caderno de Exercício 3

Caderno de Exercício 3 1 Cadero de Exercício 3 Esaios de Hipóteses e Regressão Liear 1. Exercícios Aulas 1. Exercício 10.11 do livro Statistics for Ecoomics ad Busiess 2. Exercício 10.27 do livro Statistics for Ecoomics ad Busiess

Leia mais

Amostras Aleatórias e Distribuições Amostrais. Probabilidade e Estatística: afinal, qual é a diferença?

Amostras Aleatórias e Distribuições Amostrais. Probabilidade e Estatística: afinal, qual é a diferença? Amostras Aleatórias e Distribuições Amostrais Probabilidade e Estatística: afial, qual é a difereça? Até agora o que fizemos foi desevolver modelos probabilísticos que se adequavam a situações reais. Por

Leia mais

Estudando complexidade de algoritmos

Estudando complexidade de algoritmos Estudado complexidade de algoritmos Dailo de Oliveira Domigos wwwdadomicombr Notas de aula de Estrutura de Dados e Aálise de Algoritmos (Professor Adré Bala, mestrado UFABC) Durate os estudos de complexidade

Leia mais

Universidade Federal do Pará Instituto de Tecnologia. Estatística Aplicada I

Universidade Federal do Pará Instituto de Tecnologia. Estatística Aplicada I 8/8/05 Universidade Federal do Pará Instituto de Tecnologia Estatística Aplicada I Prof. Dr. Jorge Teófilo de Barros Lopes Campus de Belém Curso de Engenharia Mecânica 8/08/05 06:55 ESTATÍSTICA APLICADA

Leia mais

3.4.2 Cálculo da moda para dados tabulados. 3.4 Moda Cálculo da moda para uma lista Cálculo da moda para distribuição de freqüências

3.4.2 Cálculo da moda para dados tabulados. 3.4 Moda Cálculo da moda para uma lista Cálculo da moda para distribuição de freqüências 14 Calcular a mediaa do cojuto descrito pela distribuição de freqüêcias a seguir. 8,0 10,0 10 Sabedo-se que é a somatória das, e, portato, = 15+25+16+34+10 = 100, pode-se determiar a posição cetral /2

Leia mais

DESIGUALDADES, LEIS LIMITE E TEOREMA DO LIMITE CENTRAL. todas as repetições). Então, para todo o número positivo ξ, teremos:

DESIGUALDADES, LEIS LIMITE E TEOREMA DO LIMITE CENTRAL. todas as repetições). Então, para todo o número positivo ξ, teremos: 48 DESIGUALDADES, LEIS LIMITE E TEOREMA DO LIMITE CENTRAL LEI DOS GRANDES NÚMEROS Pretede-se estudar o seguite problema: À medida que o úmero de repetições de uma experiêcia cresce, a frequêcia relativa

Leia mais

10 INFERÊNCIA ESTATÍSTICA Testes de Hipóteses Introdução Lógica dos Testes de Hipóteses

10 INFERÊNCIA ESTATÍSTICA Testes de Hipóteses Introdução Lógica dos Testes de Hipóteses INE 700 - Iferêcia Estatística Testes de Hipóteses 0 INFERÊNCIA ESTATÍSTICA Testes de Hipóteses 0. - Itrodução Viu-se ateriormete que uma determiada população pode ser descrita através de um modelo probabilístico,

Leia mais

Probabilidade II Aula 12

Probabilidade II Aula 12 Coteúdo Probabilidade II Aula Juho de 009 Desigualdade de Marov Desigualdade de Jese Lei Fraca dos Grades Números Môica Barros, D.Sc. Itrodução A variâcia de uma variável aleatória mede a dispersão em

Leia mais

Teorema do Limite Central, distribuição amostral, estimação por ponto e intervalo de confiança

Teorema do Limite Central, distribuição amostral, estimação por ponto e intervalo de confiança Teorema do Limite Cetral, distribuição amostral, estimação por poto e itervalo de cofiaça Prof. Marcos Pó Métodos Quatitativos para Ciêcias Sociais Distribuição amostral Duas amostrages iguais oriudas

Leia mais

Instituto Universitário de Lisboa

Instituto Universitário de Lisboa Istituto Uiversitário de Lisboa Departameto de Matemática Exercícios de Sucessões e Séries Exercícios: sucessões. Estude quato à mootoia cada uma das seguites sucessões. (a) (g) + (b) + + + 4 (c) + (h)

Leia mais

Testes de Comparação Múltipla

Testes de Comparação Múltipla Testes de Comparação Múltipla Quado a aplicação da aálise de variâcia coduz à reeição da hipótese ula, temos evidêcia de que existem difereças etre as médias populacioais. Mas, etre que médias se registam

Leia mais

Teorema do Limite Central, distribuição amostral, estimação por ponto e intervalo de confiança

Teorema do Limite Central, distribuição amostral, estimação por ponto e intervalo de confiança Teorema do Limite Cetral, distribuição amostral, estimação por poto e itervalo de cofiaça Prof. Marcos Pó Métodos Quatitativos para Ciêcias Sociais Distribuição amostral Duas amostrages iguais oriudas

Leia mais

Análise de Regressão Linear Múltipla I

Análise de Regressão Linear Múltipla I Aálise de Regressão Liear Múltipla I Aula 04 Gujarati e Porter, 0 Capítulos 7 e 0 tradução da 5ª ed. Heij et al., 004 Capítulo 3 Wooldridge, 0 Capítulo 3 tradução da 4ª ed. Itrodução Como pode ser visto

Leia mais

Elementos de Análise - Verão 2001

Elementos de Análise - Verão 2001 Elemetos de Aálise - Verão 00 Lista Thomas Robert Malthus, 766-834, foi professor de Ecoomia Política em East Idia College e em seu trabalho trouxe à luz os estudos sobre diâmica populacioal. Um de seus

Leia mais

06/02/2017. Teste de Hipóteses. Principais Conceitos. Teste de Hipóteses. Tipos de Erros. Tipos de Testes. Bioestatística

06/02/2017. Teste de Hipóteses. Principais Conceitos. Teste de Hipóteses. Tipos de Erros. Tipos de Testes. Bioestatística 6/2/217 Uiveridade Etadual do Oete do Paraá - Uioete Tete de Hipótee Curo de Medicia/Nutrição Bioetatítica Profeora Tete de Hipótee (TH) é uma ferrameta etatítica que também é utilizado para fazer iferêcia

Leia mais

A finalidade de uma equação de regressão seria estimar valores de uma variável, com base em valores conhecidos da outra.

A finalidade de uma equação de regressão seria estimar valores de uma variável, com base em valores conhecidos da outra. Jaete Pereira Amador Itrodução A aálise de regressão tem por objetivo descrever através de um modelo matemático, a relação existete etre duas variáveis, a partir de observações dessas viráveis. A aálise

Leia mais

Processos Estocásticos

Processos Estocásticos IFBA Processos Estocásticos Versão 1 Alla de Sousa Soares Graduação: Liceciatura em Matemática - UESB Especilização: Matemática Pura - UESB Mestrado: Matemática Pura - UFMG Vitória da Coquista - BA 2014

Leia mais

Métodos Numéricos e Estatísticos Parte II-Métodos Estatísticos Estimação pontual e intervalar

Métodos Numéricos e Estatísticos Parte II-Métodos Estatísticos Estimação pontual e intervalar potual por itervalos Métodos Numéricos e Estatísticos Parte II-Métodos Estatísticos potual e itervalar Lic. Eg. Biomédica e Bioegeharia-2009/2010 potual por itervalos A Teoria das Probabilidades cosiste

Leia mais

ITA Destas, é (são) falsa(s) (A) Apenas I (B) apenas II (C) apenas III (D) apenas I e III (E) apenas nenhuma.

ITA Destas, é (são) falsa(s) (A) Apenas I (B) apenas II (C) apenas III (D) apenas I e III (E) apenas nenhuma. ITA 00. (ITA 00) Cosidere as afirmações abaixo relativas a cojutos A, B e C quaisquer: I. A egação de x A B é: x A ou x B. II. A (B C) = (A B) (A C) III. (A\B) (B\A) = (A B) \ (A B) Destas, é (são) falsa(s)

Leia mais

de uma PA é justamente o valor da DIFERENÇA entre qualquer termo e o anterior.

de uma PA é justamente o valor da DIFERENÇA entre qualquer termo e o anterior. 0. PROGRESSÃO ARITMÉTICA: É toda sequêcia em que é SEMPRE costate a DIFERENÇA etre um termo qualquer da sequêcia (a partir do segudo, claro!) e seu aterior, logo dada a sequêcia a a a a a a R. A razão

Leia mais

TRABALHO1 MEDIÇÕES, ALGARISMOS SIGNIFICATIVOS E ERROS.

TRABALHO1 MEDIÇÕES, ALGARISMOS SIGNIFICATIVOS E ERROS. TRABALHO1 MEDIÇÕES, ALGARISMOS SIGNIFICATIVOS E ERROS. 1.1 Objectivos Medir gradezas físicas, utilizado os istrumetos adequados. Apresetar correctamete os resultados das medições, ao ível da utilização

Leia mais

MEDIDAS DESCRITIVAS DE POSIÇÃO, TENDÊNCIA CENTRAL E VARIABILIDADE

MEDIDAS DESCRITIVAS DE POSIÇÃO, TENDÊNCIA CENTRAL E VARIABILIDADE MEDIDAS DESCRITIVAS DE POSIÇÃO, TENDÊNCIA CENTRAL E VARIABILIDADE 1 Estatística descritiva (Eploratória) PRIMEIRO PASSO: Tabelas (distribuição de frequêcia) e Gráficos. SEGUNDO PASSO: Cálculo de medidas

Leia mais

Preliminares 1. 1 lim sup, lim inf. Medida e Integração. Departamento de Física e Matemática. USP-RP. Prof. Rafael A. Rosales. 8 de março de 2009.

Preliminares 1. 1 lim sup, lim inf. Medida e Integração. Departamento de Física e Matemática. USP-RP. Prof. Rafael A. Rosales. 8 de março de 2009. Medida e Itegração. Departameto de Física e Matemática. USP-RP. Prof. Rafael A. Rosales 8 de março de 2009. 1 lim sup, lim if Prelimiares 1 Seja (x ), N, uma seqüêcia de úmeros reais, e l o limite desta

Leia mais

AEP FISCAL ESTATÍSTICA

AEP FISCAL ESTATÍSTICA AEP FISCAL ESTATÍSTICA Módulo 0: Medidas de Dispersão (webercampos@gmail.com) MÓDULO 0 - MEDIDAS DE DISPERSÃO 1. Coceito: Dispersão é a maior ou meor diversificação dos valores de uma variável, em toro

Leia mais

MODELOS PROBABILÍSTICOS DISCRETOS (BINOMIAL e POISSON)

MODELOS PROBABILÍSTICOS DISCRETOS (BINOMIAL e POISSON) MODELOS PROBABILÍSTICOS DISCRETOS (BINOMIAL e POISSON) Modelos probabilísticos Algumas variáveis aleatórias (V.A.) aparecem com bastate frequêcia em situações práticas de eperimetos aleatórios (E.: peso,

Leia mais

Departamento de Informática. Modelagem Analítica. Modelagem Analítica do Desempenho de Sistemas de Computação. Disciplina: Algumas Distribuições

Departamento de Informática. Modelagem Analítica. Modelagem Analítica do Desempenho de Sistemas de Computação. Disciplina: Algumas Distribuições Deartameto de Iformática Discilia: do Desemeho de Sistemas de Comutação Algumas Distribuições Algumas Distribuições Discretas Prof. Sérgio Colcher colcher@if.uc-rio.br Coyright 999-8 by TeleMídia Lab.

Leia mais

CONCEITOS BÁSICOS E PRINCÍPIOS DE ESTATÍSTICA

CONCEITOS BÁSICOS E PRINCÍPIOS DE ESTATÍSTICA 1 CONCEITOS BÁSICOS E PRINCÍPIOS DE ESTATÍSTICA 1. Coceitos Básicos de Probabilidade Variável aleatória: é um úmero (ou vetor) determiado por uma resposta, isto é, uma fução defiida em potos do espaço

Leia mais

Distribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD

Distribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD Dstrbuções Amostras Estatístca 8 - Dstrbuções Amostras 08- Dstrbuções Amostras Dstrbução Amostral de Objetvo: Estudar a dstrbução da população costtuída de todos os valores que se pode obter para, em fução

Leia mais

Estatística para Economia e Gestão Licenciatura em Economia e Licenciatura em Gestão

Estatística para Economia e Gestão Licenciatura em Economia e Licenciatura em Gestão Estatística para Ecoomia e Gestão Liceciatura em Ecoomia e Liceciatura em Gestão NOVA School of Busiess ad Ecoomics Prof. Luís Catela Nues Eame Fial ª Época 8 de Juho de 011 Duração: horas Material autorizado:

Leia mais

Questão 1. Questão 2. Questão 4. Questão 3. alternativa C. alternativa B. alternativa D. alternativa A n 2 n! O valor de log 2. c) n. b) 2n.

Questão 1. Questão 2. Questão 4. Questão 3. alternativa C. alternativa B. alternativa D. alternativa A n 2 n! O valor de log 2. c) n. b) 2n. Questão 4 6 O valor de log :! a). b). c). d) log. e) log. Para iteiro positivo, 4 6 = = ( ) ( ) ( 3) ( ) = = ( 3 ) =! Portato 4 6! log = log!! = = log =. Questão Num determiado local, o litro de combustível,

Leia mais

Aula 11 - Questões Comentadas e Resolvidas

Aula 11 - Questões Comentadas e Resolvidas Curso Olie - Raciocíio Lógico-Quatitativo para Traumatizados em Exercícios, icluido Matemática, Matemática Fiaceira e Estatística Profs. Alexadre Lima e Moraes Juior Aula - Questões Cometadas e Resolvidas

Leia mais

Definição 1: Sequência é uma lista infinita de números reais ordenados.

Definição 1: Sequência é uma lista infinita de números reais ordenados. Cálculo I Egeharia Mecâica. Sequêcias Defiição : Sequêcia é uma lista ifiita de úmeros reais ordeados. 2º termo º termo Nome (x ) = (x, x 2, x,..., x,...) º termo º termo N R x Observação: Podemos pesar

Leia mais

Aumentou-se o número de crimes nas regiões onde foram construídos os presídios?

Aumentou-se o número de crimes nas regiões onde foram construídos os presídios? Aumetou-se o úmero de crimes as regiões ode foram costruídos os presídios? Guilherme Aparecido Satos Aguilar 1 Vilma Mayumi Tachibaa 1 1 Itrodução O Brasil tem a quarta maior população carcerária do mudo

Leia mais

Estatística Aplicada Medidas Resumo Apostila 4 Prof. Fábio Hipólito Aluno(a):

Estatística Aplicada Medidas Resumo Apostila 4 Prof. Fábio Hipólito Aluno(a): Medidas Resumo Apostila 4 Prof. Fábio Hipólito Aluo(a): # Objetivo desta aula: Calcular as medidas de tedêcia cetral: média, moda e mediaa para distribuições de frequêcias potuais e por itervalos de classes.

Leia mais

Capítulo 39: Mais Ondas de Matéria

Capítulo 39: Mais Ondas de Matéria Capítulo 39: Mais Odas de Matéria Os elétros da superfície de uma lâmia de Cobre foram cofiados em um curral atômico - uma barreira de 7,3 âgstros de diâmetro, imposta por 48 átomos de Ferro. Os átomos

Leia mais

Probabilidades e Estatística LEIC-A, LEIC-T, LEGM, MA, MEMec

Probabilidades e Estatística LEIC-A, LEIC-T, LEGM, MA, MEMec Duração: 90 miutos Grupo I Probabilidades e Estatística LEIC-A, LEIC-T, LEGM, MA, MEMec Justifique coveietemete todas as respostas! 2 o semestre 2015/2016 30/04/2016 9:00 1 o Teste A 10 valores 1. Uma

Leia mais

Aula 10. ANOVA Análise de Variância em SPSS

Aula 10. ANOVA Análise de Variância em SPSS Aula 10. ANOVA Aálise de Variâcia em SPSS Métodos stadísticos 008 Uiversidade de Averio Profª ladys Castillo Jordá Aálise de Variâcia Objectivo: comparar medidas de localização para mais do que dois grupos

Leia mais

Stela Adami Vayego DEST/UFPR

Stela Adami Vayego DEST/UFPR Resumo 3 Resumo dos dados uméricos por meio de úmeros 1. Medidas de Tedêcia Cetral A tedêcia cetral da distribuição de freqüêcias de uma variável em um cojuto de dados é caracterizada pelo valor típico

Leia mais

Séquências e Séries Infinitas de Termos Constantes

Séquências e Séries Infinitas de Termos Constantes Capítulo Séquêcias e Séries Ifiitas de Termos Costates.. Itrodução Neste capítulo estamos iteressados em aalisar as séries ifiitas de termos costates. Etretato, para eteder as séries ifiitas devemos ates

Leia mais

Exercício: Mediu-se os ângulos internos de um quadrilátero e obteve-se 361,4. Qual é o erro de que está afetada esta medida?

Exercício: Mediu-se os ângulos internos de um quadrilátero e obteve-se 361,4. Qual é o erro de que está afetada esta medida? 1. Tratameto estatísticos dos dados 1.1. TEORIA DE ERROS O ato de medir é, em essêcia, um ato de comparar, e essa comparação evolve erros de diversas origes (dos istrumetos, do operador, do processo de

Leia mais

AEP FISCAL ESTATÍSTICA

AEP FISCAL ESTATÍSTICA AEP FISCAL ESTATÍSTICA Módulo 04: Medidas de Posição (webercampos@gmail.com) . MÉDIA ARITMÉTICA : Para um cojuto de valores Média Aritmética Simples: xi p Média Aritmética Poderada: MÓDULO 04 - MEDIDAS

Leia mais

CONCEITOS FUNDAMENTAIS DA MATEMÁTICA FINANCEIRA

CONCEITOS FUNDAMENTAIS DA MATEMÁTICA FINANCEIRA CONCEITOS FUNDAMENTAIS DA MATEMÁTICA FINANCEIRA Coceito de taxa de juros Taxa de juro é a relação etre o valor dos juros pagos (ou recebidos) o fial de um determiado período de tempo e o valor do capital

Leia mais

Sequências, PA e PG material teórico

Sequências, PA e PG material teórico Sequêcias, PA e PG material teórico 1 SEQUÊNCIA ou SUCESSÃO: é todo cojuto ode cosideramos os seus elemetos colocados, ou dispostos, uma certa ordem. Cosiderado a sequêcia (; 3; 5; 7;...), dizemos que:

Leia mais

Prova Resolvida e Comentada Prof. Joselias (011 ) AFRF 2005 Matemática Financeira e Estatística

Prova Resolvida e Comentada Prof. Joselias (011 ) AFRF 2005 Matemática Financeira e Estatística Prova Resolvida e Cometada Prof. Joselias joselias@uol.com.br (0 )9654-53 FRF 005 Matemática Fiaceira e Estatística Soluções das Provas do FRF-005 de Matemática Fiaceira e de Estatística Prof. Joselias

Leia mais

Fundamentos de Análise Matemática Profª Ana Paula. Números reais

Fundamentos de Análise Matemática Profª Ana Paula. Números reais Fudametos de Aálise Matemática Profª Aa Paula Números reais 1,, 3, cojuto dos úmeros aturais 0,1,,3, cojuto dos úmeros iteiros p q /p e q cojuto dos úmeros racioais a, a 0 a 1 a a, a e a i 0, 1,, 3, 4,

Leia mais

5. Medidas de dispersão

5. Medidas de dispersão 5 Medidas de dispersão 00 Chamadas de medidas de variabilidade (dispersio ou variability) Quatificação das difereças etre os valores,,, Dispersão e cocetração (ou precisão) são coceitos opostos Redução

Leia mais

ESTATÍSTICA. PROF. RANILDO LOPES U.E PROF EDGAR TITO

ESTATÍSTICA. PROF. RANILDO LOPES  U.E PROF EDGAR TITO ESTATÍSTICA PROF. RANILDO LOPES http://ueedgartito.wordpress.com U.E PROF EDGAR TITO Medidas de tedêcia cetral Medidas cetrais são valores que resumem um cojuto de dados a um úico valor que, de alguma

Leia mais

GEOMETRIA BÁSICA GGM00161-TURMA M2. Dirce Uesu Pesco Geometria Espacial 18/11/2010

GEOMETRIA BÁSICA GGM00161-TURMA M2. Dirce Uesu Pesco Geometria Espacial 18/11/2010 GEOMETRIA BÁSICA 200-2 GGM006-TURMA M2 Dirce Uesu Pesco Geometria Espacial 8//200 Defiição : PRISMA Cosidere dois plaos paralelos α e β e um segmeto de reta PQ, cuja reta suporte r itercepta o plao α.

Leia mais

S É R I E : E s t a t í s t i c a B á s i c a T e x t o 3 : E S T I M A Ç Ã O SUMÁRIO 1. INTRODUÇÃO ESTIMAÇÃO POR PONTO...4

S É R I E : E s t a t í s t i c a B á s i c a T e x t o 3 : E S T I M A Ç Ã O SUMÁRIO 1. INTRODUÇÃO ESTIMAÇÃO POR PONTO...4 SUMÁRIO. INTRODUÇÃO...3. ESTIMAÇÃO POR PONTO...4.. NOTAÇÃO...4.. PROPRIEDADES DOS ESTIMADORES...5... Não-tedeciosidade...5... Precisão ou eficiêcia...7..3. Validade (ou Acurácia)...8..4. Coerêcia ou cosistêcia...8.3.

Leia mais

objetivo Exercícios Meta da aula Pré-requisitos

objetivo Exercícios Meta da aula Pré-requisitos Exercícios A U L A 6 Meta da aula Aplicar o formalismo quâtico estudado as Aulas a 5 deste módulo à resolução de um cojuto de exercícios. objetivo Esperamos que, após o térmio desta aula, você teha cosolidado

Leia mais

TESTES DE HIPÓTESES. HIPÓTESES: São suposições que fazemos para testar a fixação de decisões, que poderão ser verdadeiras ou não.

TESTES DE HIPÓTESES. HIPÓTESES: São suposições que fazemos para testar a fixação de decisões, que poderão ser verdadeiras ou não. TESTES DE HIPÓTESES HIPÓTESES: São suposições que fazemos para testar a fixação de decisões, que poderão ser verdadeiras ou não. HIPÓTESES ESTATÍSTICA: Hipótese Nula (H 0 ): a ser validada pelo teste.

Leia mais

Distribuição de Bernoulli

Distribuição de Bernoulli Algumas Distribuições Discretas Cálculo das Probabilidades e Estatística I Prof. Luiz Medeiros Departameto de Estatística UFPB Distribuição de Beroulli Na prática muitos eperimetos admitem apeas dois resultados

Leia mais

PROVA DE MATEMÁTICA DA UNIFESP VESTIBULAR 2011 RESOLUÇÃO: Profa. Maria Antônia Gouveia.

PROVA DE MATEMÁTICA DA UNIFESP VESTIBULAR 2011 RESOLUÇÃO: Profa. Maria Antônia Gouveia. PROVA DE MATEMÁTICA DA UNIFESP VESTIBULAR 0 Profa Maria Atôia Gouveia 6 A figura represeta um cabo de aço preso as etremidades de duas hastes de mesma altura h em relação a uma plataforma horizotal A represetação

Leia mais

Whats: PROGRESSÃO GEOMÉTRICA

Whats: PROGRESSÃO GEOMÉTRICA Questões Vídeos 1. As áreas dos quadrados a seguir estão em progressão geométrica de razão 2. Podemos afirmar que os lados dos quadrados estão em a) progressão aritmética de razão 2. b) progressão geométrica

Leia mais

DISTRIBUIÇÕES DE PROBABILIDADE

DISTRIBUIÇÕES DE PROBABILIDADE DISTRIBUIÇÕES DE PROBABILIDADE DISTRIBUIÇÃO DE PROBABILIDADE Seja uma v.a. que assume os valores,,..., com probabilidade p, p,..., p associadas a cada elemeto de, sedo p p... p diz-se que está defiida

Leia mais

Colégio FAAT Ensino Fundamental e Médio

Colégio FAAT Ensino Fundamental e Médio Colégio FAAT Esio Fudametal e Médio Coteúdo: Recuperação do 4 Bimestre Matemática Prof. Leadro Capítulos 0 e : Probabilidade. Adição e multiplicação de probabilidades. Biômio de Newto. Número Biomial.

Leia mais

Roteiro. Introdução. Introdução. Introdução. Introdução. Métodos de amostragem. Cálculo do tamanho de amostra. Introdução. Métodos de amostragem

Roteiro. Introdução. Introdução. Introdução. Introdução. Métodos de amostragem. Cálculo do tamanho de amostra. Introdução. Métodos de amostragem Uiversidade de São Paulo Faculdade de Medicia Veteriária e Zootecia VPS6 - Métodos Quatitativos em Medicia Veteriária Cálculo do tamaho de amostra Prof. Grisi e Prof. Mauro Borba (UFRGS) Roteiro População

Leia mais

Exame final de Estatística 1ª Época - 3 de Junho de Duração: 2h30m. Note bem:

Exame final de Estatística 1ª Época - 3 de Junho de Duração: 2h30m. Note bem: xame fial de statística ª Época 3 de Juho de 4 Faculdade de coomia José Atóio iheiro Uiversidade Nova de Lisboa aria Helea Almeida Duração: h3m Note bem:. Resolva grupos diferetes em folhas diferetes.

Leia mais

CAPÍTULO 8 - Noções de técnicas de amostragem

CAPÍTULO 8 - Noções de técnicas de amostragem INF 6 Estatística I J.I.Ribeiro Júior CAPÍTULO 8 - Noções de técicas de amostragem. Itrodução A Estatística costitui-se uma excelete ferrameta quado existem problemas de variabilidade a produção. É uma

Leia mais

Cap. VI Histogramas e Curvas de Distribuição

Cap. VI Histogramas e Curvas de Distribuição TLF /11 Capítulo VI Histogramas e curvas de distribuição 6.1. Distribuições e histogramas. 6 6.. Distribuição limite 63 6.3. Sigificado da distribuição limite: frequêcia esperada e probabilidade de um

Leia mais

FICHA DE TRABALHO 11º ANO. Sucessões

FICHA DE TRABALHO 11º ANO. Sucessões . Observe a sequêcia das seguites figuras: FICHA DE TRABALHO º ANO Sucessões Vão-se costruido, sucessivamete, triâgulos equiláteros os vértices dos triâgulos equiláteros já existetes, prologado-se os seus

Leia mais

ESCOLA SECUNDÁRIA COM 3º CICLO D. DINIS COIMBRA 12º ANO DE ESCOLARIDADE MATEMÁTICA A FICHA DE AVALIAÇÃO 12º A1. Grupo I

ESCOLA SECUNDÁRIA COM 3º CICLO D. DINIS COIMBRA 12º ANO DE ESCOLARIDADE MATEMÁTICA A FICHA DE AVALIAÇÃO 12º A1. Grupo I ESCOLA SECUNDÁRIA COM º CICLO D. DINIS COIMBRA º ANO DE ESCOLARIDADE MATEMÁTICA A FICHA DE AVALIAÇÃO º A Grupo I As três questões deste grupo são de escolha múltipla. Para cada uma delas são idicadas quatro

Leia mais

Exercícios Resolvidos

Exercícios Resolvidos Exercícios Resolvidos R10.1) Velocidade média na estrada Sergio afirma que Raquel dirige seu carro na estrada a uma velocidade média superior a 100 km/h, enquanto Raquel discorda, afirmando dirigir na

Leia mais

Prova-Modelo de Matemática

Prova-Modelo de Matemática Prova-Modelo de Matemática PROVA Págias Esio Secudário DURAÇÃO DA PROVA: miutos TOLERÂNCIA: miutos Cotações GRUPO I O quarto úmero de uma certa liha do triâgulo de Pascal é. A soma dos quatro primeiros

Leia mais

Questão 01) Na equação matricial, , calcule x e y. Questão 02) , determine o valor do módulo do elemento. Dadas as matrizes A = (3-4 6) e

Questão 01) Na equação matricial, , calcule x e y. Questão 02) , determine o valor do módulo do elemento. Dadas as matrizes A = (3-4 6) e Questão ) Na equação matricial, y, calcule e y. Questão ) Dadas as matrizes A = ( - 6) e B, determie o valor do módulo do elemeto a da matriz produto A por B. Questão ) Cosidere uma matriz A, de ordem,

Leia mais

MATEMÁTICA II. 01. Uma função f, de R em R, tal. , então podemos afirmar que a, b e c são números reais, tais. que. D) c =

MATEMÁTICA II. 01. Uma função f, de R em R, tal. , então podemos afirmar que a, b e c são números reais, tais. que. D) c = MATEMÁTCA 0. Uma fução f, de R em R, tal que f(x 5) f(x), f( x) f(x),f( ). Seja 9 a f( ), b f( ) e c f() f( 7), etão podemos afirmar que a, b e c são úmeros reais, tais que A) a b c B) b a c C) c a b ab

Leia mais

BINÔMIO DE NEWTON. O desenvolvimento da expressão 2. a b é simples, pois exige somente quatro multiplicações e uma soma:

BINÔMIO DE NEWTON. O desenvolvimento da expressão 2. a b é simples, pois exige somente quatro multiplicações e uma soma: 07 BINÔMIO DE NEWTON O desevolvimeto da epressão a b é simples, pois eige somete quatro multiplicações e uma soma: a b a b a b a ab ba b a ab b O desevolvimeto de a b é uma tarefa um pouco mais trabalhosa,

Leia mais

Exercícios de Aprofundamento Matemática Progressão Aritmética e Geométrica

Exercícios de Aprofundamento Matemática Progressão Aritmética e Geométrica Exercícios de Aprofudameto Matemática Progressão Aritmética e b. (Fuvest 05) Dadas as sequêcias a 4 4, b, c a a e d, b defiidas para valores iteiros positivos de, cosidere as seguites afirmações: I. a

Leia mais

Testes de Hipóteses. Júlio Osório. Os dois campos da Análise Estatística. Métodos Estatísticos. Inferência Estatística. Estatística Descritiva

Testes de Hipóteses. Júlio Osório. Os dois campos da Análise Estatística. Métodos Estatísticos. Inferência Estatística. Estatística Descritiva Testes de Hipóteses Júlio Osório Os dois campos da Aálise Estatística Métodos Estatísticos Estatística Descritiva Iferêcia Estatística Estimativa Testes de Hipóteses 1 Exemplo Ilustrativo Mediram-se os

Leia mais

TP010 ENGENHARIA DA QUALIDADE 1. VARIÁVEIS, DESCRIÇÃO E DISTRIBUIÇÕES DE PROBABILIDADE.

TP010 ENGENHARIA DA QUALIDADE 1. VARIÁVEIS, DESCRIÇÃO E DISTRIBUIÇÕES DE PROBABILIDADE. TP010 ENGENHARIA DA QUALIDADE 1. VARIÁVEIS, DESCRIÇÃO E DISTRIBUIÇÕES DE PROBABILIDADE. 1.1- TIPOS DE VARIÁVEIS A característica populacioal de iteresse é em geral classificada de qualitativa e quatitativa,

Leia mais

CORRELAÇÃO Aqui me tens de regresso

CORRELAÇÃO Aqui me tens de regresso CORRELAÇÃO Aqui me tes de regresso O assuto Correlação fez parte, acompahado de Regressão, do programa de Auditor Fiscal, até 998, desaparecedo a partir do cocurso do ao 000 para agora retorar soziho.

Leia mais

MEDIDAS DE TENDÊNCIA CENTRAL E MEDIDAS DE DISPERSÃO Í N D I C E

MEDIDAS DE TENDÊNCIA CENTRAL E MEDIDAS DE DISPERSÃO Í N D I C E MEDIDAS DE TENDÊNCIA CENTRAL E MEDIDAS DE DISPERSÃO Í N D I C E Medidas de Tedêcia Cetral Itrodução... 1- Média Aritmética... - Moda... 3- Mediaa... Medidas de Dispersão 4- Amplitude Total... 5- Variâcia

Leia mais

Da Definição 6.1 pode-se concluir que dada uma amostra aleatória X

Da Definição 6.1 pode-se concluir que dada uma amostra aleatória X Capítulo 6 Distribuições Amostrais A iferêcia estatística está iteressada em tomar decisões sobre uma populaçao, baseado-se apeas a iformação cotida em uma amostra aleatória da população de iteresse. Por

Leia mais

Ajuste de Curvas pelo Método dos Quadrados Mínimos

Ajuste de Curvas pelo Método dos Quadrados Mínimos Notas de aula de Métodos Numéricos. c Departameto de Computação/ICEB/UFOP. Ajuste de Curvas pelo Método dos Quadrados Míimos Marcoe Jamilso Freitas Souza, Departameto de Computação, Istituto de Ciêcias

Leia mais

Probabilidade II Aula 9

Probabilidade II Aula 9 Coteúdo Probabilidade II Aula 9 Maio de 9 Môica Barros, D.Sc. Estatísticas de Ordem Distribuição do Máximo e Míimo de uma amostra Uiforme(,) Distribuição do Máximo e Míimo caso geral Distribuição das Estatísticas

Leia mais

O QUE HÁ DE ERRADO COM O MERCADO ACIONÁRIO BRASILEIRO? - COMPARAÇÃO ENTRE OS RETORNOS MÉDIOS DO IBOVESPA E DO CDI NO PERÍODO DE 1986 A 2004

O QUE HÁ DE ERRADO COM O MERCADO ACIONÁRIO BRASILEIRO? - COMPARAÇÃO ENTRE OS RETORNOS MÉDIOS DO IBOVESPA E DO CDI NO PERÍODO DE 1986 A 2004 V I I S E M E A D P E S Q U I S A Q U A N T I T A T I V A F I N A N Ç A S O QUE HÁ DE ERRADO COM O MERCADO ACIONÁRIO BRASILEIRO? - COMPARAÇÃO ENTRE OS RETORNOS MÉDIOS DO IBOVESPA E DO CDI NO PERÍODO DE

Leia mais

PROBABILIDADE E ESTATÍSTICA APLICADAS À HIDROLOGIA

PROBABILIDADE E ESTATÍSTICA APLICADAS À HIDROLOGIA Aexo PROBABILIDADE E ESTATÍSTICA APLICADAS À HIDROLOGIA Uiversidade de Évora, Departameto de Egeharia Rural.. Itrodução Nehum processo hidrológico é puramete determiístico, isto é, ão é possível determiar

Leia mais