PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE TRANSPORTES E GESTÃO TERRITORIAL PPGTG DEPARTAMENTO DE ENGENHARIA CIVIL ECV

Tamanho: px
Começar a partir da página:

Download "PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE TRANSPORTES E GESTÃO TERRITORIAL PPGTG DEPARTAMENTO DE ENGENHARIA CIVIL ECV"

Transcrição

1 PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE TRANSPORTES E GESTÃO TERRITORIAL PPGTG DEPARTAMENTO DE ENGENHARIA CIVIL ECV DISCIPLINA: TGT FUNDAMENTOS DE ESTATÍSTICA 8ª AULA: ESTIMAÇÃO POR INTERVALO Vimos que a estimação por poto usa uma estatística da amostra para estimar um parâmetro da população. Etretato, ão se pode esperar que uma estimação por poto produza o valor exato do parâmetro populacioal. Mesmo que ão seja possível obter o valor exato de um parâmetro populacioal a partir dos dados de uma amostra, vimos que a distribuição amostral de uma estatística pode os ajudar a verificar quão próximo do valor do parâmetro amostral está o valor da estatística da amostra. A partir de agora, vamos adicioar um valor ao estimador por poto, deomiado margem de erro, para produzir uma estimação por itervalo do parâmetro populacioal de iteresse. Esse itervalo mostrará o grau de cofiaça a ossa estimação além de evideciar a aproximação etre a estatística amostral e o parâmetro populacioal. De maeira geral a estimação por itervalo possui a seguite estrutura: Assim temos: Estimação por poto ± Margem de erro x ± Margem de erro, para estimar a média populacioal µ p ± Margem de erro, para estimar a proporção da população p O leitor já pode atever o papel fudametal que desempeham as distribuições amostrais de x e p. Do poto de vista coceitual já possuímos todas as iformações ecessárias para desevolver estimações por itervalo.

2 MÉDIA DA POPULAÇÃO: σ CONHECIDO A estimação por itervalo de uma média populacioal µ com desvio padrão σ cohecido é estabelecida usado a seguite expressão: x z /2. em que (1 α) é o coeficiete de cofiaça (ou ível de cofiaça ou grau de cofiaça) adotado a estimação; σ é o desvio padrão da população; é o tamaho da amostra; z α/2 é o valor de z que produz uma área de α/2 a cauda superior da distribuição ormal padrão de probabilidade. IMPORTANTE: A distribuição amostral mostra como os valores de estão distribuídos as proximidades da média populacioal µ; cosequetemete a distribuição amostral de x forece iformações sobre as possíveis difereças etre x e µ. Vamos usar a tabela de áreas da distribuição ormal padrão para verificar como determiar a margem de erro de ossa estimação. Vamos imagiar que osso ível de cofiaça (1 α) seja de 95%. Vamos pesquisar a tabela um valor de z, tal que o itervalo z a +z produza uma área sob a curva ormal padrão de 0,95. Ou seja, a área de (-z a 0) somada com a área de (0 a +z) seja igual a 0,95. Esse valor é z = 1,96 que produz a área de 0,4750. Por simetria, para que a área sob a curva ormal seja igual a 0,95, temos que cosiderar o itervalo [-z a +z], ou seja, 0, ,4750 = 0,950. x

3 A distribuição amostral de desvio padrão da média (erro padrão) igual a x segue uma distribuição ormal com x estabelecido o deomiado erro amostral, pela expressão: 1,96. 1,96. x. Assim, fica Geericamete, a margem de erro de uma estimação da média populacioal para o caso de σ cohecido é: z. x z. /2 /2 Com a margem de erro determiada pela expressão acima, a forma geral de uma estimação da média populacioal para o caso de σ cohecido é a seguite: x z /2. Algus valores para o ível de cofiaça ormalmete usados os processos de estimação: Nível de cofiaça α α/2 Zα/2 90% 0,10 0,05 1,645 95% 0,05 0,025 1,960 99% 0,01 0,005 2,576 Exemplo: A Lloyd s Store selecioa uma amostra aleatória simples de cem clietes para saber qual quatia eles gastam em cada ida às compras. Cosiderado a variável de iteresse x = a quatia gasta em cada ida às compras, a média amostral x forece uma estimação por poto de µ, que é a quatia média gasta em cada ida às compras pela população de todos os clietes da empresa. A empresa usa essa pesquisa semaal há vários aos. Baseado-se os dados históricos, a empresa assume um valor cohecido de σ = US$ 20 para o desvio padrão da população; além disso, os dados históricos idicam claramete que a população (!) segue uma distribuição ormal. Na última semaa a Lloyd s pesquisou 100 clietes ( = 100) e obteve a média x da amostra = US$ 82. Estabelecer uma estimação por itervalo da quatia média gasta pelos clietes em cada ida às lojas.

4 SOLUÇÃO: Trata-se de uma variável com distribuição amostral que segue uma distribuição ormal; além disso, o desvio padrão da população é cohecido. Resta etão estabelecer o ível de cofiaça a adotar e determiar a margem de erro da estimação. Supor (1 α) = 95% z / z /2. 2 Para (1 α) = 95% temos α = 0,05 e α/2 = 0,025. Assim, para uma área a aba superior da curva ormal igual a 0,025, ou para uma área etre 0 e z α/2 igual a 0,5 0,025 = 0,4750, verificamos a tabela que esse valor correspode a z = 1,96. Por simetria, esse valor de área correspode a z = -1,96. Assim, a margem de erro da estimação por itervalo com ível de cofiaça de 95% é: 821,96 x2 823,92

5 O itervalo [78,08 a 85,92] é dito itervalo de cofiaça e dizemos que temos 95% de cofiaça em que o itervalo [78,08 a 85,92] iclui a média populacioal µ. Refazer o exemplo usado íveis de cofiaça de 90% e 99%. Combiado os três resultados (marges de erro) correspodetes aos três íveis de cofiaça, o que dizer a respeito da margem de erro da estimação e da amplitude dos itervalos de cofiaça. MÉDIA DA POPULAÇÃO: σ DESCONHECIDO Quado desejamos fazer estimação por itervalo da média populacioal e ão temos uma boa estimativa do desvio padrão da população, precisamos laçar mão da amostra para estimar µ e σ. Essa situação represeta o caso de σ descohecido. Quado o desvio padrão da amostra s é usado para estimar σ a margem de erro e a estimação da média populacioal baseiam-se em uma distribuição de probabilidade cohecida como distribuição t. A distribuição t é utilizada em iúmeras aplicações, mesmo aquelas situações em que as populações se desviam da distribuição ormal. É a distribuição de probabilidade idicada quado os deparamos com amostras de tamaho pequeo. Matematicamete a distribuição t foi desevolvida baseado-se a suposição de uma distribuição ormal para a população da qual é extraída a amostra. A distribuição t possui como parâmetro o úmero de graus de liberdade, dada pela relação gl = ( 1), sedo o tamaho da amostra. A medida que gl aumeta, a difereça etre a distribuição t e a distribuição ormal padrão tora-se cada vez meor. A figura a seguir ilustra o caso de distribuições t com 10 e 20 graus de liberdade. Note que, aumetado o grau de liberdade meor é a variabilidade em relação à distribuição ormal; ote também que a média da distribuição t é igual a zero. Iserir aqui a figura 8.4 Do poto de vista prático, o uso da distribuição t os casos de desvio padrão populacioal descohecido é idêtica ao uso da distribuição ormal padrão. No caso de estimação com desvio padrão cohecido usamos a otação z α/2 para idicar o valor de z que produz uma área

6 de α/2 (0,025) a cauda superior de uma distribuição ormal padrão; o caso em tela, em que o desvio padrão é descohecido vamos usar a otação t α/2 para idicar o valor t que produz uma área α/2 (0,025) a cauda superior da distribuição t. A margem de erro e a estimação por itervalo de uma média populacioal o caso de σ descohecido é: xt /2. s Em que s é o desvio padrão da amostra, é o tamaho da amostra, t α/2 é o valor t que produz uma área igual a α/2 a cauda superior da distribuição t e gl = ( 1) graus de liberdade. Para se trabalhar com a distribuição t existem tabelas que forecem as áreas desejadas em fução do úmero de graus de liberdade gl = ( 1) e do α/2 adotado. Exemplo: Foi idealizado um estudo para estimar a média dos débitos de cartões de crédito da população de famílias de um país. Uma amostra de = 85 famílias foreceu os saldos de cartões de crédito mostrados a tabela a seguir. Nehuma iformação a respeito de estimativas do desvio padrão da população está dispoível. Saldos de cartões de crédito de uma amostra de 85 famílias

7 Realizar a estimação por itervalo da média dos débitos de cartões de crédito da população, adotado um ível de cofiaça de 95%. Resolução: Nesse caso, deveremos utilizar os dados da tabela (dados amostrais) para estimar a média e o desvio padrão da população. Para o cálculo da média utilizar a expressão: x x i os valores ecotrados foram: x s e para o desvio padrão: s ( 1 x i x) Com 95% de cofiaça e 1 = 84 graus de liberdade, (1 α) = 0,95, α = 0,05 e α/2 = 0,025, a tabela de distribuição t forece t 0,025 = 1,989. Podemos agora realizar a estimação por itervalo da média populacioal: , A estimação por poto da média populacioal é 5.900; a margem de erro é 660, e o itervalo de cofiaça é: = a = Desse modo os resultados mostram que temos 95% de cofiaça que a média dos saldos de cartões de crédito da população de todas as famílias está ete e ;

8 Tabela da distribuição t (um pequeo trecho...) Graus de Área a cauda superior Liberdade 0,20 0,10 0,05 0,025 0,01 0, ,376 3,078 6,314 12,706 31,821 63, ,920 1,476 2,015 2,571 3,365 4, ,883 1,383 1,833 2,262 2,821 3, ,873 1,356 1,782 2,179 2,681 3, ,865 1,337 1,746 2,120 2,583 2, ,861 1,328 1,729 2,093 2,539 2, ,856 1,316 1,708 2,060 2,485 2, ,854 1,311 1,699 2,045 2,462 2, ,854 1,310 1,697 2,042 2,457 2, ,851 1,303 1,684 2,021 2,423 2, ,850 1,301 1,679 2,014 2,412 2, ,849 1,299 1,676 2,009 2,403 2, ,848 1,298 1,674 2,006 2,399 2, ,846 1,292 1,664 1,990 2,374 2, ,846 1,292 1,663 1,989 2,372 2,636 Como trabalhar com amostras pequeas? Sabemos que a maioria dos casos um tamaho da amostra 30 produz resultados adequados para estimação por itervalo de uma média populacioal. Etretato se a distribuição for altamete icliada ou se cotiver potos fora da curva recomeda-se o uso de tamaho de amostra maiores. Se a distribuição ão está ormalmete distribuída, mas é mais ou meos simétrica, pode-se esperar que tamahos de amostra em toro de 15 elemetos produzam bos itervalos de cofiaça aproximados. De qualquer maeira, é sesato elaborar um histograma quado estamos diate de amostras de tamaho pequeo. O histograma pode auxiliar a aálise da distribuição da população. Vejamos um exemplo prático: A MotorAço Idustrial está iteressada em desevolver um ovo programa auxiliado por computador para treiar os empregados do setor de mauteção a fazer reparos as máquias. A fim de avaliar pleamete o programa, o diretor do departameto de maufaturas solicitou uma estimativa do tempo médio populacioal ecessário

9 para que os empregados do setor de mauteção cocluam o treiameto auxiliado por computador. Uma amostra de 20 empregados é selecioada, tedo cada empregado da amostra cocluído o programa de treiameto. Os dados coletados estão a tabela a seguir: Tempo de treiameto, em dias, correspodete à amostra de 20 empregados da MotorAço Na dúvida, o aalista da empresa elaborou um histograma para facilitar a aálise quato à distribuição populacioal de tempo de treiameto dos empregados do setor de mauteção da empresa MotorAço. O histograma é mostrado a seguir: Após a aálise dos dados e do histograma, efetuar a estimação do tempo médio populacioal utilizado um ível de cofiaça de 95%. Resultados: x 51,5 s 6,84 gl ( 1) 19 (1 ) 0,95 0,05 / 2 0,025 t /2 t0,025 2,093

10 A estimação por poto é 6,84 2,093. 3,2 20 x 51,5, a margem de erro, e o itervalo de cofiaça é: [48,3 a 54,7] dias. NOTA IMPORTANTE: Quado σ é cohecido, a margem de erro É FIXA E É A MESMA para todas as amostras de tamaho. Quado σ é descohecido, a margem de erro VARIA DE AMOSTRA PARA AMOSTRA; isso ocorre porque o desvio padrão varia, depededo da amostra selecioada. Aplicação: z /2 ( / ) t /2 ( s / ) 1) Para uma distribuição t com 16 graus de liberdade, ecotre a área ou probabilidade, em cada região apresetada a seguir: a) À direita de 2,120 b) À esquerda de 1,337 c) À esquerda de -1,746 d) À direita de 2,583 e) Etre -2,120 e 2,120 f) Etre -1,746 e 1,746 2) Ecotre os valores t em cada um dos seguites casos: a) Área da cauda superior igual a 0,025, com 12 graus de liberdade; b) Área da cauda iferior igual a 0,05, com 50 graus de liberdade; c) Área da cauda superior igual a 0,01, com 30 graus de liberdade; d) Em que 90% da área se situa etre esses dois valores t com 25 graus de liberdade; e) Em que 95% da área se situa etre esses dois valores t com 45 graus de liberdade. 3) Uma amostra aleatória simples com = 54 produziu uma média amostral igual a 22,5 e um desvio padrão da amostra igual a 4,4. a) Desevolva um itervalo de cofiaça de 90% para a média populacioal; b) Estabeleça um itervalo de cofiaça de 95% para a média populacioal; c) Estabeleça um itervalo de cofiaça de 99% para a média populacioal; d) O que acotece à margem de erro e ao itervalo de cofiaça, quado o grau de cofiaça é aumetado?

11 4) O úmero médio de horas de vôo dos pilotos da Cotietal Airlies equivale a 49 horas por mês. Supoha que essa média teha se baseado em tempos de vôo reais de uma amostra de 110 pilotos da Cotietal Airlies e que o desvio padrão da amostra teha sido de 8,5 horas. a) Com 95% de cofiaça, qual é a margem de erro? b) Qual é a estimação por itervalo, com 95% de cofiaça, do tempo de vôo médio da população de pilotos? c) O úmero médio de horas de vôo dos pilotos da Uited Airlies equivale a 36 horas por mês. Use os resultados que obteve o item (b) para discutir as difereças etre os tempos de vôo dos pilotos das duas empresas aéreas. Um relatório da Ifraero mostrou que a Uited Airlies tem o custo de mão-de-obra mais elevado etre todas as empresas aéreas. A iformação cotida esse exercício oferece subsídios para compreedermos por que a Uited Airlies poderia esperar custos de mão-de-obra mais elevados? COMO DETERMINAR O TAMANHO DA AMOSTRA Sabemos que a estimação por itervalo de uma média populacioal é dada pela expressão: x z /2 Chamado de E = a margem de erro, resolver a expressão para z /2. E z /2 E ( z ). E 2 2 /2 2 ; OBSERVAÇÃO: Note que o tamaho da amostra está depededo do valor do desvio padrão σ. Se σ ão é cohecido, deve-se provideciar um valor plaejado para o desvio padrão; a prática, pode-se adotar um dos seguites procedimetos: a) usar uma estimativa do desvio padrão da população, calculada a partir de dados de estudos ateriores; b) usar um estudo piloto para selecioar uma amostra prelimiar; o desvio padrão amostral poderá ser usado como valor plaejado; c) usar como aproximação tosca do desvio padrão, a difereça etre os maiores e os meores valores de dados da população. Muitas

12 vezes a amplitude dividida por 4 é sugerida como um valor plaejado de σ. Exemplos: 1) Um estudo sobre o custo de aluguel de automóveis revelou que o custo médio para alugar um carro de porte médio era de aproximadamete R$ 55 por dia com desvio padrão de R$ 9,65. Ao projetar um ovo estudo para saber a evolução do custo diário de aluguel de automóveis de tamaho médio, foi projetada uma margem de erro da média populacioal do custo de aluguel de R$ 2 e um grau de cofiaça de 95%. Qual o tamaho da amostra a ser selecioada para realizar tal estudo? ( z ). (1,96) (9,65) E /2 2 2 = 90 89,43 2) Estima-se que a amplitude de um cojuto de dados seja 36. Determiar: a) qual o valor plaejado vc usaria para o desvio padrão da população? (σ = 9) b) com 95% de cofiaça, qual seria o tamaho da amostra que foreceria uma margem de erro igual a 3? ( = 35) c) com 95% de cofiaça, qual seria o tamaho da amostra que foreceria uma margem de erro igual a 2? ( = 78) 3) A Satur forece iformações sobre o custo de peroites em quartos de hotel em todo o território catariese. Use R$ 2 como margem de erro desejada e R$ 22,50 como valor plaejado para o desvio padrão da população para ecotrar o tamaho de amostra recomedado a seguir: a) para uma estimação por itervalo de cofiaça de 90% do custo médio populacioal dos quartos de hotel. ( = 343) b) para uma estimação por itervalo de cofiaça de 95% do custo médio populacioal dos quartos de hotel. ( = 487) c) para uma estimação por itervalo de cofiaça de 99% do custo médio populacioal dos quartos de hotel. ( = 840) d) quado a margem de erro é fixada, o que acotece ao tamaho da amostra quado o grau de cofiaça aumeta? Você recomedaria

13 que a Satur utilizasse um grau de cofiaça de 99%? Discuta. (Não recomedaria!) ESTIMAÇÃO POR INTERVALO DA PROPORÇÃO DA POPULAÇÃO Vimos que a forma geral da estimação por itervalo de uma proporção populacioal é: p ± margem de erro Vimos também que a distribuição amostral de p pode ser aproximada por meio de uma distribuição ormal quado p 5 e (1-p) 5. A figura a seguir ilustra a distribuição amostral de p. A distribuição amostral de p é dado por: é a proporção p da população e o desvio padrão de p p p(1 p) Uma vez que a distribuição amostral de p está ormalmete distribuída, a estimação por itervalo da proporção populacioal possui uma margem de erro dada por: Margem de erro z /2 p(1 p) A expressão geral da estimação da proporção populacioal é:

14 p p z /2 p(1 p) Como determiar o tamaho da amostra: A exemplo da determiação do tamaho da amostra a estimação da média populacioal, aqui o raciocíio é o mesmo. Deotado por E a margem de erro e desevolvedo a expressão em fução de, teremos: 2 ( z /2). p(1 p) 2 E OBSERVE QUE ão poderemos usar a fórmula supra diretamete porque somete será cohecido depois de selecioarmos a p amostra. Precisamos, etão, de um valor plaejado para p que deotaremos por p*. Com isso usaremos a seguite expressão para o cálculo do tamaho da amostra: z p p E ( 2 /2). *(1 *) 2 com as seguites recomedações: a) use a proporção amostral de uma amostra aterior; b) use um estudo piloto para selecioar uma amostra prelimiar; a proporção dessa amostra prelimiar pode ser utilizada como p*; c) use o julgameto para atribuir o valor de p*; d) usar p*=0,50. Justificativa: Algus valores possíveis para o termo p*(1 p*) presete o umerador da expressão acima são: p* p*(1 p*) 0,10 0,10(0,90)=0,09 0,20 0,20(0,80)=0,16 0,30 0,30(0,70)=0,21 0,40 0,40(0,60)=0,24 0,50 0,50(0,50)=0,25 maior valor para p*(1 p*) 0,60 0,60(0,40)=0,24 0,70 0,70(0,30)=0,21 0,80 0,80(0,20)=0,16 0,90 0,90(0,10)=0,09 Isso mostra que ao adotarmos p* = 0,50 como valor plaejado, estaremos cietes que esse valor recomeda um tamaho de amostra maior. De fato, ficamos traquilos, pois se a proporção amostral vier

15 a ser um valor diferete de 0,50, a margem de erro será meor que o valor previsto. ASSIM, AO ADOTARMOS p* = 0,50, GARANTIMOS QUE O TAMANHO DA AMOSTRA SERÁ SUFICIENTE PARA OBTERMOS A MARGEM DE ERRO DESEJADA. NOTA: A margem de erro desejada para estimar uma proporção populacioal é, em geral, 0,10 ou meos. Em pesquisas de opiião pública realizadas por orgaizações como o Istituto Gallup, Harris e Ibope, uma margem de erro etre 0,02 e 0,03 é comum. Com essas marges de erro a expressão estudada forece sempre um tamaho da amostra que satisfaz a codição essecial p 5 e (1-p) 5 para que se possa usar a distribuição ormal como uma aproximação à distribuição amostral de x. APLICAÇÕES: 1) Qual o tamaho da amostra para efetuar uma estimativa da proporção populacioal cosiderado uma cofiaça de 95% e margem de erro igual a 0,03. Supoha que ão haja dados históricos dispoíveis para que se possa plaejar um valor para. p 2) Uma empresa realizou uma pesquisa etre 346 pessoas que procuravam emprego para saber porque as pessoas trocam de emprego tão frequetemete. A resposta mais escolhida (152 vezes) foi melhor remueração em outro lugar. a) qual é a estimação por poto da proporção de pessoas que procuram emprego que escolheriam melhor remueração em outro lugar como a razão para trocar de emprego? (0,4393) b) qual é a estimação por itervalo de cofiaça de 95% da proporção populacioal? (0,3870 a 0,4916) 3) Uma pesquisa realizada cojutamete pelo joral USA Today, CNN e Istituto Gallup para a presidêcia da república tomou como amostra 491 eleitores em potecial em juho/2000. Uma das pricipais fialidades da pesquisa era obter uma estimativa da proporção dos eleitores em potecial que eram favoráveis a cada cadidato. Supoha que, esta ocasião, o valor plaejado de p foi 0,50 e um grau de cofiaça de 95%.

16 a) em juho qual foi a margem de erro plaejada para a pesquisa? b) quato mais se aproximam as eleições de ovembro, maior precisão e meores marges de erro são desejadas. Supoha as seguites marges de erro sejam solicitadas para as pesquisas realizadas durate a campaha à Presidêcia da República. Calcule o tamaho da amostra recomedada para cada pesquisa: Pesquisa (Época) Margem de erro Tamaho da amostra Juho 0, Setembro 0, Outubro 0, Iício de Novembro 0, Véspera das eleições 0,

O erro da pesquisa é de 3% - o que significa isto? A Matemática das pesquisas eleitorais

O erro da pesquisa é de 3% - o que significa isto? A Matemática das pesquisas eleitorais José Paulo Careiro & Moacyr Alvim O erro da pesquisa é de 3% - o que sigifica isto? A Matemática das pesquisas eleitorais José Paulo Careiro & Moacyr Alvim Itrodução Sempre que se aproxima uma eleição,

Leia mais

ActivALEA. ative e atualize a sua literacia

ActivALEA. ative e atualize a sua literacia ActivALEA ative e atualize a sua literacia N.º 29 O QUE É UMA SONDAGEM? COMO É TRANSMIITIIDO O RESULTADO DE UMA SONDAGEM? O QUE É UM IINTERVALO DE CONFIIANÇA? Por: Maria Eugéia Graça Martis Departameto

Leia mais

CAPÍTULO 5 - INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA

CAPÍTULO 5 - INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA CAPÍTULO 5 - INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA 5. INTRODUÇÃO É freqüete ecotrarmos problemas estatísticos do seguite tipo : temos um grade úmero de objetos (população) tais que se fossem tomadas as medidas

Leia mais

INTRODUÇÃO. Exemplos. Comparar três lojas quanto ao volume médio de vendas. ...

INTRODUÇÃO. Exemplos. Comparar três lojas quanto ao volume médio de vendas. ... INTRODUÇÃO Exemplos Para curar uma certa doeça existem quatro tratametos possíveis: A, B, C e D. Pretede-se saber se existem difereças sigificativas os tratametos o que diz respeito ao tempo ecessário

Leia mais

Estatística stica para Metrologia

Estatística stica para Metrologia Estatística stica para Metrologia Aula Môica Barros, D.Sc. Juho de 28 Muitos problemas práticos exigem que a gete decida aceitar ou rejeitar alguma afirmação a respeito de um parâmetro de iteresse. Esta

Leia mais

DISTRIBUIÇÃO AMOSTRAL DA MÉDIA E PROPORÇÃO ESTATISTICA AVANÇADA

DISTRIBUIÇÃO AMOSTRAL DA MÉDIA E PROPORÇÃO ESTATISTICA AVANÇADA DISTRIBUIÇÃO AMOSTRAL DA MÉDIA E PROPORÇÃO Ferado Mori DISTRIBUIÇÃO AMOSTRAL DA MÉDIA E PROPORÇÃO ESTATISTICA AVANÇADA Resumo [Atraia o leitor com um resumo evolvete, em geral, uma rápida visão geral do

Leia mais

Testes de Hipóteses para a Diferença Entre Duas Médias Populacionais

Testes de Hipóteses para a Diferença Entre Duas Médias Populacionais Estatística II Atoio Roque Aula Testes de Hipóteses para a Difereça Etre Duas Médias Populacioais Vamos cosiderar o seguite problema: Um pesquisador está estudado o efeito da deficiêcia de vitamia E sobre

Leia mais

CAPÍTULO 8 - Noções de técnicas de amostragem

CAPÍTULO 8 - Noções de técnicas de amostragem INF 6 Estatística I JIRibeiro 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 ciêcia

Leia mais

Séries de Potências AULA LIVRO

Séries de Potências AULA LIVRO LIVRO Séries de Potêcias META Apresetar os coceitos e as pricipais propriedades de Séries de Potêcias. Além disso, itroduziremos as primeiras maeiras de escrever uma fução dada como uma série de potêcias.

Leia mais

Lista 9 - Introdução à Probabilidade e Estatística

Lista 9 - Introdução à Probabilidade e Estatística UNIVERSIDADE FEDERAL DO ABC Lista 9 - Itrodução à Probabilidade e Estatística Desigualdades e Teoremas Limites 1 Um ariro apota a um alvo de 20 cm de raio. Seus disparos atigem o alvo, em média, a 5 cm

Leia mais

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

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

Leia mais

VII Equações Diferenciais Ordinárias de Primeira Ordem

VII Equações Diferenciais Ordinárias de Primeira Ordem VII Equações Difereciais Ordiárias de Primeira Ordem Itrodução As equações difereciais ordiárias são istrumetos esseciais para a modelação de muitos feómeos proveietes de várias áreas como a física, química,

Leia mais

1.4- Técnicas de Amostragem

1.4- Técnicas de Amostragem 1.4- Técicas de Amostragem É a parte da Teoria Estatística que defie os procedimetos para os plaejametos amostrais e as técicas de estimação utilizadas. As técicas de amostragem, tal como o plaejameto

Leia mais

Jackknife, Bootstrap e outros métodos de reamostragem

Jackknife, Bootstrap e outros métodos de reamostragem Jackkife, Bootstrap e outros métodos de reamostragem Camilo Daleles Reó camilo@dpi.ipe.br Referata Biodiversa (http://www.dpi.ipe.br/referata/idex.html) São José dos Campos, 8 de dezembro de 20 Iferêcia

Leia mais

Carteiras de Mínimo VAR ( Value at Risk ) no Brasil

Carteiras de Mínimo VAR ( Value at Risk ) no Brasil Carteiras de Míimo VAR ( Value at Risk ) o Brasil Março de 2006 Itrodução Este texto tem dois objetivos pricipais. Por um lado, ele visa apresetar os fudametos do cálculo do Value at Risk, a versão paramétrica

Leia mais

5. A nota final será a soma dos pontos (negativos e positivos) de todas as questões

5. A nota final será a soma dos pontos (negativos e positivos) de todas as questões DEPARTAMENTO DE ESTATÍSTICA - UFMG PROVA DE ESTATÍSTICA E PROBABILIDADE SELEÇÃO - MESTRADO/ UFMG - 2013/2014 Istruções: 1. Cada questão respodida corretamete vale 1 (um) poto. 2. Cada questão respodida

Leia mais

SUMÁRIO 1. AMOSTRAGEM 4. 1.1. Conceitos básicos 4

SUMÁRIO 1. AMOSTRAGEM 4. 1.1. Conceitos básicos 4 SUMÁRIO 1. AMOSTRAGEM 4 1.1. Coceitos básicos 4 1.. Distribuição amostral dos estimadores 8 1..1. Distribuição amostral da média 8 1... Distribuição amostral da variâcia 11 1..3. Distribuição amostral

Leia mais

Probabilidades. José Viegas

Probabilidades. José Viegas Probabilidades José Viegas Lisboa 001 1 Teoria das probabilidades Coceito geral de probabilidade Supoha-se que o eveto A pode ocorrer x vezes em, igualmete possíveis. Etão a probabilidade de ocorrêcia

Leia mais

Faculdade de Engenharia Investigação Operacional. Prof. Doutor Engº Jorge Nhambiu

Faculdade de Engenharia Investigação Operacional. Prof. Doutor Engº Jorge Nhambiu Programação Diâmica Aula 3: Programação Diâmica Programação Diâmica Determiística; e Programação Diâmica Probabilística. Programação Diâmica O que é a Programação Diâmica? A Programação Diâmica é uma técica

Leia mais

Problema de Fluxo de Custo Mínimo

Problema de Fluxo de Custo Mínimo Problema de Fluo de Custo Míimo The Miimum Cost Flow Problem Ferado Nogueira Fluo de Custo Míimo O Problema de Fluo de Custo Míimo (The Miimum Cost Flow Problem) Este problema possui papel pricipal etre

Leia mais

A seguir, uma demonstração do livro. Para adquirir a versão completa em papel, acesse: www.pagina10.com.br

A seguir, uma demonstração do livro. Para adquirir a versão completa em papel, acesse: www.pagina10.com.br A seguir, uma demostração do livro. Para adquirir a versão completa em papel, acesse: www.pagia10.com.br Matemática comercial & fiaceira - 2 4 Juros Compostos Iiciamos o capítulo discorredo sobre como

Leia mais

INTRODUÇÃO A TEORIA DE CONJUNTOS

INTRODUÇÃO A TEORIA DE CONJUNTOS INTRODUÇÃO TEORI DE CONJUNTOS Professora Laura guiar Cojuto dmitiremos que um cojuto seja uma coleção de ojetos chamados elemetos e que cada elemeto é um dos compoetes do cojuto. Geralmete, para dar ome

Leia mais

Capitulo 6 Resolução de Exercícios

Capitulo 6 Resolução de Exercícios FORMULÁRIO Cojutos Equivaletes o Regime de Juros Simples./Vecimeto Comum. Descoto Racioal ou Por Detro C1 C2 Cm C1 C2 C...... 1 i 1 i 1 i 1 i 1 i 1 i 1 2 m 1 2 m C Ck 1 i 1 i k1 Descoto Por Fora ou Comercial

Leia mais

M = 4320 CERTO. O montante será

M = 4320 CERTO. O montante será PROVA BANCO DO BRASIL / 008 CESPE Para a veda de otebooks, uma loja de iformática oferece vários plaos de fiaciameto e, em todos eles, a taxa básica de juros é de % compostos ao mês. Nessa situação, julgue

Leia mais

PROBABILIDADES E ESTATÍSTICA

PROBABILIDADES E ESTATÍSTICA ESCOLA SUPERIOR DE TECNOLOGIA DE SETÚBAL DEPARTAMENTO DE MATEMÁTICA PROBABILIDADES E ESTATÍSTICA o Teste 7 o SEMESTRE 5/6 Data: Sábado, 7 de Jaeiro de 6 Duração: 9:3 às :3 Tópicos de Resolução. O úmero

Leia mais

A TORRE DE HANÓI Carlos Yuzo Shine - Colégio Etapa

A TORRE DE HANÓI Carlos Yuzo Shine - Colégio Etapa A TORRE DE HANÓI Carlos Yuzo Shie - Colégio Etapa Artigo baseado em aula miistrada a IV Semaa Olímpica, Salvador - BA Nível Iiciate. A Torre de Haói é um dos quebra-cabeças matemáticos mais populares.

Leia mais

O QUE SÃO E QUAIS SÃO AS PRINCIPAIS MEDIDAS DE TENDÊNCIA CENTRAL EM ESTATÍSTICA PARTE li

O QUE SÃO E QUAIS SÃO AS PRINCIPAIS MEDIDAS DE TENDÊNCIA CENTRAL EM ESTATÍSTICA PARTE li O QUE SÃO E QUAIS SÃO AS PRINCIPAIS MEDIDAS DE TENDÊNCIA CENTRAL EM ESTATÍSTICA PARTE li Média Aritmética Simples e Poderada Média Geométrica Média Harmôica Mediaa e Moda Fracisco Cavalcate(f_c_a@uol.com.br)

Leia mais

Introdução ao Estudo de Sistemas Lineares

Introdução ao Estudo de Sistemas Lineares Itrodução ao Estudo de Sistemas Lieares 1. efiições. 1.1 Equação liear é toda seteça aberta, as icógitas x 1, x 2, x 3,..., x, do tipo a1 x1 a2 x2 a3 x3... a x b, em que a 1, a 2, a 3,..., a são os coeficietes

Leia mais

Lista de Exercícios #4. in Noções de Probabilidade e Estatística (Marcos N. Magalhães et al, 4ª. edição), Capítulo 4, seção 4.4, páginas 117-123.

Lista de Exercícios #4. in Noções de Probabilidade e Estatística (Marcos N. Magalhães et al, 4ª. edição), Capítulo 4, seção 4.4, páginas 117-123. Uiversidade de São Paulo IME (Istituto de Matemática e Estatística MAE Profº. Wager Borges São Paulo, 9 de Maio de 00 Ferado Herique Ferraz Pereira da Rosa Bach. Estatística Lista de Exercícios #4 i Noções

Leia mais

Capítulo 2 Análise Descritiva e Exploratória de Dados

Capítulo 2 Análise Descritiva e Exploratória de Dados UNIVERSIDADE FEDERAL DE SÃO CARLOS C E N T R O D E C I Ê N C I A S E X A T A S E D E T E C N O L O G I A D E P A R T A M E N T O D E E S T A T Í S T I C A INTRODUÇÃO AO PLANEJAMENTO E ANÁLISE ESTATÍSTICA

Leia mais

Sistema Computacional para Medidas de Posição - FATEST

Sistema Computacional para Medidas de Posição - FATEST Sistema Computacioal para Medidas de Posição - FATEST Deise Deolido Silva, Mauricio Duarte, Reata Ueo Sales, Guilherme Maia da Silva Faculdade de Tecologia de Garça FATEC deisedeolido@hotmail.com, maur.duarte@gmail.com,

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

CURTOSE. Teremos, portanto, no tocante às situações de Curtose de um conjunto, as seguintes possibilidades:

CURTOSE. Teremos, portanto, no tocante às situações de Curtose de um conjunto, as seguintes possibilidades: CURTOSE O que sigifica aalisar um cojuto quato à Curtose? Sigifica apeas verificar o grau de achatameto da curva. Ou seja, saber se a Curva de Freqüêcia que represeta o cojuto é mais afilada ou mais achatada

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

Unesp Universidade Estadual Paulista FACULDADE DE ENGENHARIA

Unesp Universidade Estadual Paulista FACULDADE DE ENGENHARIA Uesp Uiversidade Estadual Paulista FACULDADE DE ENGENHARIA CAMPUS DE GUARATINGUETÁ MBA-PRO ESTATÍSTICA PARA A TOMADA DE DECISÃO Prof. Dr. Messias Borges Silva e Prof. M.Sc. Fabricio Maciel Gomes GUARATINGUETÁ,

Leia mais

Anexo VI Técnicas Básicas de Simulação do livro Apoio à Decisão em Manutenção na Gestão de Activos Físicos

Anexo VI Técnicas Básicas de Simulação do livro Apoio à Decisão em Manutenção na Gestão de Activos Físicos Aexo VI Técicas Básicas de Simulação do livro Apoio à Decisão em Mauteção a Gestão de Activos Físicos LIDEL, 1 Rui Assis rassis@rassis.com http://www.rassis.com ANEXO VI Técicas Básicas de Simulação Simular

Leia mais

Cálculo das Probabilidades e Estatística I. Departamento de Estatistica

Cálculo das Probabilidades e Estatística I. Departamento de Estatistica Cálculo das Probabilidades e Estatística I Departameto de Estatistica Versão - 2013 Sumário 1 Itrodução à Estatística 1 1.1 Coceitos básicos de amostragem..................................... 2 1.1.1

Leia mais

AULA: Inferência Estatística

AULA: Inferência Estatística AULA: Iferêcia Estatística stica Prof. Víctor Hugo Lachos Dávila Iferêcia Estatística Iferêcia Estatística é um cojuto de técicas que objetiva estudar uma oulação através de evidêcias forecidas or uma

Leia mais

Tabela Price - verdades que incomodam Por Edson Rovina

Tabela Price - verdades que incomodam Por Edson Rovina Tabela Price - verdades que icomodam Por Edso Rovia matemático Mestrado em programação matemática pela UFPR (métodos uméricos de egeharia) Este texto aborda os seguites aspectos: A capitalização dos juros

Leia mais

JUROS COMPOSTOS. Questão 01 A aplicação de R$ 5.000, 00 à taxa de juros compostos de 20% a.m irá gerar após 4 meses, um montante de: letra b

JUROS COMPOSTOS. Questão 01 A aplicação de R$ 5.000, 00 à taxa de juros compostos de 20% a.m irá gerar após 4 meses, um montante de: letra b JUROS COMPOSTOS Chamamos de regime de juros compostos àquele ode os juros de cada período são calculados sobre o motate do período aterior, ou seja, os juros produzidos ao fim de cada período passam a

Leia mais

SÉRIE: Estatística Básica Texto v: CORRELAÇÃO E REGRESSÃO SUMÁRIO 1. CORRELAÇÃO...2

SÉRIE: Estatística Básica Texto v: CORRELAÇÃO E REGRESSÃO SUMÁRIO 1. CORRELAÇÃO...2 SUMÁRIO 1. CORRELAÇÃO... 1.1. Itrodução... 1.. Padrões de associação... 3 1.3. Idicadores de associação... 3 1.4. O coeficiete de correlação... 5 1.5. Hipóteses básicas... 5 1.6. Defiição... 6 1.7. Distribuição

Leia mais

O poço de potencial infinito

O poço de potencial infinito O poço de potecial ifiito A U L A 14 Meta da aula Aplicar o formalismo quâtico ao caso de um potecial V(x) que tem a forma de um poço ifiito: o potecial é ifiito para x < a/ e para x > a/, e tem o valor

Leia mais

MAE 116 - Noções de Estatística Grupo A - 1 o semestre de 2014 Lista de exercício 8 - Aula 8 - Estimação para p - CASA

MAE 116 - Noções de Estatística Grupo A - 1 o semestre de 2014 Lista de exercício 8 - Aula 8 - Estimação para p - CASA MAE 116 - Noções de Estatística Grupo A - 1 o semestre de 2014 Lista de exercício 8 - Aula 8 - Estimação para p - CASA 1. (2,5) Um provedor de acesso à iteret está moitorado a duração do tempo das coexões

Leia mais

1. GENERALIDADES 2. CHEIA DE PROJETO

1. GENERALIDADES 2. CHEIA DE PROJETO Capítulo Previsão de Echetes. GENERALIDADES Até agora vimos quais as etapas do ciclo hidrológico e como quatificá-las. O problema que surge agora é como usar estes cohecimetos para prever, a partir de

Leia mais

MINISTÉRIO DAS CIDADES, ORDENAMENTO DO TERRITÓRIO E AMBIENTE Instituto do Ambiente PROCEDIMENTOS ESPECÍFICOS DE MEDIÇÃO DE RUÍDO AMBIENTE

MINISTÉRIO DAS CIDADES, ORDENAMENTO DO TERRITÓRIO E AMBIENTE Instituto do Ambiente PROCEDIMENTOS ESPECÍFICOS DE MEDIÇÃO DE RUÍDO AMBIENTE MINISÉRIO DAS CIDADES, ORDENAMENO DO ERRIÓRIO E AMBIENE Istituto do Ambiete PROCEDIMENOS ESPECÍFICOS DE MEDIÇÃO DE RUÍDO AMBIENE Abril 2003 . Equadrameto O presete documeto descreve a metodologia a seguir

Leia mais

APONTAMENTOS DE ÁLGEBRA LINEAR E GEOMETRIA ANALÍTICA

APONTAMENTOS DE ÁLGEBRA LINEAR E GEOMETRIA ANALÍTICA UNIVERSIDADE DO ALGARVE ESCOLA SUPERIOR DE TECNOLOGIA APONTAMENTOS DE ÁLGEBRA LINEAR E GEOMETRIA ANALÍTICA (III ) ÁREA DEPARTAMENTAL DE ENGENHARIA CIVIL Ídice Itrodução Aplicação do cálculo matricial aos

Leia mais

Lista 2 - Introdução à Probabilidade e Estatística

Lista 2 - Introdução à Probabilidade e Estatística UNIVERSIDADE FEDERAL DO ABC Lista - Itrodução à Probabilidade e Estatística Modelo Probabilístico experimeto. Que eveto represeta ( =1 E )? 1 Uma ura cotém 3 bolas, uma vermelha, uma verde e uma azul.

Leia mais

INE 5111- ESTATÍSTICA APLICADA I - TURMA 05324 - GABARITO LISTA DE EXERCÍCIOS SOBRE AMOSTRAGEM E PLANEJAMENTO DA PESQUISA

INE 5111- ESTATÍSTICA APLICADA I - TURMA 05324 - GABARITO LISTA DE EXERCÍCIOS SOBRE AMOSTRAGEM E PLANEJAMENTO DA PESQUISA INE 5111- ESTATÍSTICA APLICADA I - TURMA 534 - GABARITO LISTA DE EXERCÍCIOS SOBRE AMOSTRAGEM E PLANEJAMENTO DA PESQUISA 1. Aalise as situações descritas abaixo e decida se a pesquisa deve ser feita por

Leia mais

Pesquisa Operacional

Pesquisa Operacional Faculdade de Egeharia - Campus de Guaratiguetá esquisa Operacioal Livro: Itrodução à esquisa Operacioal Capítulo 6 Teoria de Filas Ferado Maris fmaris@feg.uesp.br Departameto de rodução umário Itrodução

Leia mais

EQUAÇÕES DIFERENCIAIS LINEARES DE ORDEM N

EQUAÇÕES DIFERENCIAIS LINEARES DE ORDEM N EQUAÇÕES DIFERENCIAIS LINEARES DE ORDEM N Estudaremos este capítulo as equações diereciais lieares de ordem, que são de suma importâcia como suporte matemático para vários ramos da egeharia e das ciêcias.

Leia mais

RESISTORES E RESISTÊNCIAS

RESISTORES E RESISTÊNCIAS ELETICIDADE CAPÍTULO ESISTOES E ESISTÊNCIAS No Capítulo estudamos, detre outras coisas, o coceito de resistêcia elétrica. Vimos que tal costitui a capacidade de um corpo qualquer se opôr a passagem de

Leia mais

1.5 Aritmética de Ponto Flutuante

1.5 Aritmética de Ponto Flutuante .5 Aritmética de Poto Flutuate A represetação em aritmética de poto flutuate é muito utilizada a computação digital. Um exemplo é a caso das calculadoras cietíficas. Exemplo:,597 03. 3 Este úmero represeta:,597.

Leia mais

somente um valor da variável y para cada valor de variável x.

somente um valor da variável y para cada valor de variável x. Notas de Aula: Revisão de fuções e geometria aalítica REVISÃO DE FUNÇÕES Fução como regra ou correspodêcia Defiição : Uma fução f é uma regra ou uma correspodêcia que faz associar um e somete um valor

Leia mais

O oscilador harmônico

O oscilador harmônico O oscilador harmôico A U L A 5 Meta da aula Aplicar o formalismo quâtico ao caso de um potecial de um oscilador harmôico simples, V( x) kx. objetivos obter a solução da equação de Schrödiger para um oscilador

Leia mais

Matemática Alexander dos Santos Dutra Ingrid Regina Pellini Valenço

Matemática Alexander dos Santos Dutra Ingrid Regina Pellini Valenço 4 Matemática Alexader dos Satos Dutra Igrid Regia Pellii Valeço Professor SUMÁRIO Reprodução proibida. Art. 84 do Código Peal e Lei 9.60 de 9 de fevereiro de 998. Módulo 0 Progressão aritmérica.................................

Leia mais

Fundamentos de Bancos de Dados 3 a Prova

Fundamentos de Bancos de Dados 3 a Prova Fudametos de Bacos de Dados 3 a Prova Prof. Carlos A. Heuser Dezembro de 2008 Duração: 2 horas Prova com cosulta Questão (Costrução de modelo ER) Deseja-se projetar uma base de dados que dará suporte a

Leia mais

Revisão 01-2011. Exercícios Lista 01 21/02/2011. Questão 01 UFRJ - 2006

Revisão 01-2011. Exercícios Lista 01 21/02/2011. Questão 01 UFRJ - 2006 Aluo(a): Professor: Chiquiho Revisão 0-20 Exercícios Lista 0 2/02/20 Questão 0 UFRJ - 2006 Dois estados produzem trigo e soja. Os gráficos abaixo represetam a produção relativa de grãos de cada um desses

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

Profa. Regina Maria Sigolo Bernardinelli. Estatística. Gestão Financeira / Gestão de Recursos Humanos / Logística / Marketing

Profa. Regina Maria Sigolo Bernardinelli. Estatística. Gestão Financeira / Gestão de Recursos Humanos / Logística / Marketing Profa. Regia Maria Sigolo Berardielli Estatística Gestão Fiaceira / Gestão de Recursos Humaos / Logística / Marketig REGINA MARIA SIGOLO BERNARDINELLI ESTATÍSTICA Esio a Distâcia E a D Revisão 09/008 LISTA

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

UM MODELO DE PLANEJAMENTO DA PRODUÇÃO CONSIDERANDO FAMÍLIAS DE ITENS E MÚLTIPLOS RECURSOS UTILIZANDO UMA ADAPTAÇÃO DO MODELO DE TRANSPORTE

UM MODELO DE PLANEJAMENTO DA PRODUÇÃO CONSIDERANDO FAMÍLIAS DE ITENS E MÚLTIPLOS RECURSOS UTILIZANDO UMA ADAPTAÇÃO DO MODELO DE TRANSPORTE UM MODELO DE PLANEJAMENTO DA PRODUÇÃO CONSIDERANDO FAMÍLIAS DE ITENS E MÚLTIPLOS RECURSOS UTILIZANDO UMA ADAPTAÇÃO DO MODELO DE TRANSPORTE Debora Jaesch Programa de Pós-Graduação em Egeharia de Produção

Leia mais

O TESTE DOS POSTOS ORDENADOS DE GALTON: UMA ABORDAGEM GEOMÉTRICA

O TESTE DOS POSTOS ORDENADOS DE GALTON: UMA ABORDAGEM GEOMÉTRICA O TESTE DOS POSTOS ORDENADOS DE GALTON: UMA ABORDAGEM GEOMÉTRICA Paulo César de Resede ANDRADE Lucas Moteiro CHAVES 2 Devail Jaques de SOUZA 2 RESUMO: Este trabalho apreseta a teoria do teste de Galto

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

APOSTILA MATEMÁTICA FINANCEIRA PARA AVALIAÇÃO DE PROJETOS

APOSTILA MATEMÁTICA FINANCEIRA PARA AVALIAÇÃO DE PROJETOS Miistério do Plaejameto, Orçameto e GestãoSecretaria de Plaejameto e Ivestimetos Estratégicos AJUSTE COMPLEMENTAR ENTRE O BRASIL E CEPAL/ILPES POLÍTICAS PARA GESTÃO DE INVESTIMENTOS PÚBLICOS CURSO DE AVALIAÇÃO

Leia mais

INTERVALOS DE CONFIANÇA ESTATISTICA AVANÇADA

INTERVALOS DE CONFIANÇA ESTATISTICA AVANÇADA INTERVALOS DE CONFIANÇA ESTATISTICA AVANÇADA Resumo Itervalos de Cofiaça ara médias e roorções com alicações a Egeharia. Ferado Mori Prof.fmori@gmail.com Itervallos de Cofiiaça ara Médiias e Proorções

Leia mais

ANDRÉ REIS MATEMÁTICA. 1ª Edição NOV 2013

ANDRÉ REIS MATEMÁTICA. 1ª Edição NOV 2013 ANDRÉ REIS MATEMÁTICA TEORIA 6 QUESTÕES DE PROVAS DE CONCURSOS GABARITADAS EXERCÍCIOS RESOLVIDOS Teoria e Seleção das Questões: Prof. Adré Reis Orgaização e Diagramação: Mariae dos Reis ª Edição NOV 0

Leia mais

Aula 2 - POT - Teoria dos Números - Fabio E. Brochero Martinez Carlos Gustavo T. de A. Moreira Nicolau C. Saldanha Eduardo Tengan

Aula 2 - POT - Teoria dos Números - Fabio E. Brochero Martinez Carlos Gustavo T. de A. Moreira Nicolau C. Saldanha Eduardo Tengan Aula - POT - Teoria dos Números - Nível III - Pricípios Fabio E. Brochero Martiez Carlos Gustavo T. de A. Moreira Nicolau C. Saldaha Eduardo Tega de Julho de 01 Pricípios Nesta aula apresetaremos algus

Leia mais

Fundamentos de Bancos de Dados 3 a Prova

Fundamentos de Bancos de Dados 3 a Prova Fudametos de Bacos de Dados 3 a Prova Prof. Carlos A. Heuser Dezembro de 2007 Duração: 2 horas Prova com cosulta Questão 1 (Costrução de modelo ER - Peso 3) Deseja-se costruir um sistema WEB que armazee

Leia mais

CAP. I ERROS EM CÁLCULO NUMÉRICO

CAP. I ERROS EM CÁLCULO NUMÉRICO CAP I ERROS EM CÁLCULO NUMÉRICO 0 Itrodução Por método umérico etede-se um método para calcular a solução de um problema realizado apeas uma sequêcia fiita de operações aritméticas A obteção de uma solução

Leia mais

Guia do Professor. Matemática e Saúde. Experimentos

Guia do Professor. Matemática e Saúde. Experimentos Guia do Professor Matemática e Saúde Experimetos Coordeação Geral Elizabete dos Satos Autores Bárbara N. Palharii Alvim Sousa Karia Pessoa da Silva Lourdes Maria Werle de Almeida Luciaa Gastaldi S. Souza

Leia mais

Prof. Eugênio Carlos Stieler

Prof. Eugênio Carlos Stieler http://wwwuematbr/eugeio SISTEMAS DE AMORTIZAÇÃO A ecessidade de recursos obriga aqueles que querem fazer ivestimetos a tomar empréstimos e assumir dívidas que são pagas com juros que variam de acordo

Leia mais

Probabilidade e Estatística. Probabilidade e Estatística

Probabilidade e Estatística. Probabilidade e Estatística Probabilidade e Estatística i Sumário 1 Estatística Descritiva 1 1.1 Coceitos Básicos.................................... 1 1.1.1 Defiições importates............................. 1 1.2 Tabelas Estatísticas...................................

Leia mais

AMOSTRAGEM. metodologia de estudar as populações por meio de amostras. Amostragem ou Censo?

AMOSTRAGEM. metodologia de estudar as populações por meio de amostras. Amostragem ou Censo? AMOSTRAGEM metodologia de estudar as populações por meio de amostras Amostragem ou Ceso? Por que fazer amostragem? população ifiita dimiuir custo aumetar velocidade a caracterização aumetar a represetatividade

Leia mais

Rejane Corrrea da Rocha. Matemática Financeira

Rejane Corrrea da Rocha. Matemática Financeira Rejae Corrrea da Rocha Matemática Fiaceira Uiversidade Federal de São João del-rei 0 Capítulo 5 Matemática Fiaceira Neste capítulo, os coceitos básicos de Matemática Fiaceira e algumas aplicações, dos

Leia mais

J. A. M. Felippe de Souza 9 Diagramas de Bode

J. A. M. Felippe de Souza 9 Diagramas de Bode 9 Diagramas de Bode 9. Itrodução aos diagramas de Bode 3 9. A Fução de rasferêcia 4 9.3 Pólos e zeros da Fução de rasferêcia 8 Equação característica 8 Pólos da Fução de rasferêcia 8 Zeros da Fução de

Leia mais

MATEMÁTICA FINANCEIRA

MATEMÁTICA FINANCEIRA MATEMÁTICA FINANCEIRA VALOR DO DINHEIRO NO TEMPO Notas de aulas Gereciameto do Empreedimeto de Egeharia Egeharia Ecoômica e Aálise de Empreedimetos Prof. Márcio Belluomii Moraes, MsC CONCEITOS BÁSICOS

Leia mais

Esta Norma estabelece o procedimento para calibração de medidas materializadas de volume, de construção metálica, pelo método gravimétrico.

Esta Norma estabelece o procedimento para calibração de medidas materializadas de volume, de construção metálica, pelo método gravimétrico. CALIBRAÇÃO DE MEDIDAS MATERIALIZADAS DE VOLUME PELO MÉTODO GRAVIMÉTRICO NORMA N o 045 APROVADA EM AGO/03 N o 01/06 SUMÁRIO 1 Objetivo 2 Campo de Aplicação 3 Resposabilidade 4 Documetos Complemetes 5 Siglas

Leia mais

A Inferência Estatística é um conjunto de técnicas que objetiva estudar a população através de evidências fornecidas por uma amostra.

A Inferência Estatística é um conjunto de técnicas que objetiva estudar a população através de evidências fornecidas por uma amostra. UNIVERSIDADE FEDERAL DA PARAÍBA Distribuição Amostral Luiz Medeiros de Araujo Lima Filho Departameto de Estatística INTRODUÇÃO A Iferêcia Estatística é um cojuto de técicas que objetiva estudar a população

Leia mais

Teste de Hipóteses VÍCTOR HUGO LACHOS DÁVILAD

Teste de Hipóteses VÍCTOR HUGO LACHOS DÁVILAD Teste de ióteses VÍCTOR UGO LACOS DÁVILAD Teste De ióteses. Exemlo. Cosidere que uma idustria comra de um certo fabricate, ios cuja resistêcia média à rutura é esecificada em 6 kgf (valor omial da esecificação).

Leia mais

PG Progressão Geométrica

PG Progressão Geométrica PG Progressão Geométrica 1. (Uel 014) Amalio Shchams é o ome cietífico de uma espécie rara de plata, típica do oroeste do cotiete africao. O caule dessa plata é composto por colmos, cujas características

Leia mais

LAYOUT CONSIDERAÇÕES GERAIS DEFINIÇÃO. Fabrício Quadros Borges*

LAYOUT CONSIDERAÇÕES GERAIS DEFINIÇÃO. Fabrício Quadros Borges* LAYOUT Fabrício Quadros Borges* RESUMO: O texto a seguir fala sobre os layouts que uma empresa pode usar para sua arrumação e por coseguite ajudar em solucioar problemas de produção, posicioameto de máquias,

Leia mais

Otimização e complexidade de algoritmos: problematizando o cálculo do mínimo múltiplo comum

Otimização e complexidade de algoritmos: problematizando o cálculo do mínimo múltiplo comum Otimização e complexidade de algoritmos: problematizado o cálculo do míimo múltiplo comum Custódio Gastão da Silva Júior 1 1 Faculdade de Iformática PUCRS 90619-900 Porto Alegre RS Brasil gastaojuior@gmail.com

Leia mais

2.1 Dê exemplo de uma seqüência fa n g ; não constante, para ilustrar cada situação abaixo: (a) limitada e estritamente crescente;

2.1 Dê exemplo de uma seqüência fa n g ; não constante, para ilustrar cada situação abaixo: (a) limitada e estritamente crescente; 2.1 Dê exemplo de uma seqüêcia fa g ; ão costate, para ilustrar cada situação abaixo: (a) limitada e estritamete crescete; (b) limitada e estritamete decrescete; (c) limitada e ão moótoa; (d) ão limitada

Leia mais

Computação Científica - Departamento de Informática Folha Prática 1

Computação Científica - Departamento de Informática Folha Prática 1 1. Costrua os algoritmos para resolver os problemas que se seguem e determie as respetivas ordes de complexidade. a) Elaborar um algoritmo para determiar o maior elemeto em cada liha de uma matriz A de

Leia mais

Aplicação de geomarketing em uma cidade de médio porte

Aplicação de geomarketing em uma cidade de médio porte Aplicação de geomarketig em uma cidade de médio porte Guilherme Marcodes da Silva Vilma Mayumi Tachibaa Itrodução Geomarketig, segudo Chasco-Yrigoye (003), é uma poderosa metodologia cietífica, desevolvida

Leia mais

Juros Simples e Compostos

Juros Simples e Compostos Juros Simples e Compostos 1. (G1 - epcar (Cpcar) 2013) Gabriel aplicou R$ 6500,00 a juros simples em dois bacos. No baco A, ele aplicou uma parte a 3% ao mês durate 5 6 de um ao; o baco B, aplicou o restate

Leia mais

Conceito 31/10/2015. Módulo VI Séries ou Fluxos de Caixas Uniformes. SÉRIES OU FLUXOS DE CAIXAS UNIFORMES Fluxo de Caixa

Conceito 31/10/2015. Módulo VI Séries ou Fluxos de Caixas Uniformes. SÉRIES OU FLUXOS DE CAIXAS UNIFORMES Fluxo de Caixa Módulo VI Séries ou Fluxos de Caixas Uiformes Daillo Touriho S. da Silva, M.Sc. SÉRIES OU FLUXOS DE CAIXAS UNIFORMES Fluxo de Caixa Coceito A resolução de problemas de matemática fiaceira tora-se muito

Leia mais

Capítulo 1. Teoria da Amostragem

Capítulo 1. Teoria da Amostragem Capítulo 1 Teoria da Amostragem 1.1 Itrodução A amostragem e em particular os processos de amostragem aplicam-se em variadíssimas áreas do cohecimeto e costituem, muitas vezes, a úica forma de obter iformações

Leia mais

Modelo Matemático para Estudo da Viabilidade Econômica da Implantação de Sistemas Eólicos em Propriedades Rurais

Modelo Matemático para Estudo da Viabilidade Econômica da Implantação de Sistemas Eólicos em Propriedades Rurais Modelo Matemático para Estudo da Viabilidade Ecoômica da Implatação de Sistemas Eólicos em Propriedades Rurais Josiae Costa Durigo Uiversidade Regioal do Noroeste do Estado do Rio Grade do Sul - Departameto

Leia mais

Universidade Federal do Maranhão Centro de Ciências Exatas e Tecnologia Coordenação do Programa de Pós-Graduação em Física

Universidade Federal do Maranhão Centro de Ciências Exatas e Tecnologia Coordenação do Programa de Pós-Graduação em Física Uiversidade Federal do Marahão Cetro de Ciêcias Exatas e Tecologia Coordeação do Programa de Pós-Graduação em Física Exame de Seleção para Igresso o 1º. Semestre de 2011 Disciplia: Mecâica Clássica 1.

Leia mais

CURSO ONLINE REGULAR ESTATÍSTICA BÁSICA PROF. SÉRGIO CARVALHO

CURSO ONLINE REGULAR ESTATÍSTICA BÁSICA PROF. SÉRGIO CARVALHO AULA 14 RESOLUÇÕES FINAIS DA LISTA DE QUESTÕES Olá, amigos! Espero que estejam todos bem! Apreseto-lhes, hoje, as vite e duas últimas resoluções da lista origial do osso Curso! Com elas, cocluímos o osso

Leia mais

PRESTAÇÃO = JUROS + AMORTIZAÇÃO

PRESTAÇÃO = JUROS + AMORTIZAÇÃO AMORTIZAÇÃO Amortizar sigifica pagar em parcelas. Como o pagameto do saldo devedor pricipal é feito de forma parcelada durate um prazo estabelecido, cada parcela, chamada PRESTAÇÃO, será formada por duas

Leia mais

Módulo 4 Matemática Financeira

Módulo 4 Matemática Financeira Módulo 4 Matemática Fiaceira I Coceitos Iiciais 1 Juros Juro é a remueração ou aluguel por um capital aplicado ou emprestado, o valor é obtido pela difereça etre dois pagametos, um em cada tempo, de modo

Leia mais

Solução de Equações Diferenciais Ordinárias Usando Métodos Numéricos

Solução de Equações Diferenciais Ordinárias Usando Métodos Numéricos DELC - Departameto de Eletrôica e Computação ELC 0 Estudo de Casos em Egeharia Elétrica Solução de Equações Difereciais Ordiárias Usado Métodos Numéricos Versão 0. Giovai Baratto Fevereiro de 007 Ídice

Leia mais

(1) Escola Politécnica da Universidade de São Paulo (2) E. J. Robba Consultoria & Cia. Ltda.

(1) Escola Politécnica da Universidade de São Paulo (2) E. J. Robba Consultoria & Cia. Ltda. Otimização da Qualidade de Forecimeto pela Localização de Dispositivos de Proteção e Seccioameto em Redes de Distribuição Nelso Kaga () Herá Prieto Schmidt () Carlos C. Barioi de Oliveira () Eresto J.

Leia mais

III Simpósio sobre Gestão Empresarial e Sustentabilidade (SimpGES) Produtos eco-inovadores: produção e consumo"

III Simpósio sobre Gestão Empresarial e Sustentabilidade (SimpGES) Produtos eco-inovadores: produção e consumo 4 e 5 de outubro de 03 Campo Grade-MS Uiversidade Federal do Mato Grosso do Sul RESUMO EXPANDIDO COMPARAÇÃO ENTRE REDES NEURAIS ARTIFICIAIS E REGRESSÃO LINEAR MÚLTIPLA PARA PREVISÃO DE PREÇOS DE HORTALIÇAS

Leia mais

UNIVERSIDADE ESTADUAL DE CAMPINAS FACULDADE DE ENGENHARIA MECÂNICA IM 317 METODOLOGIA PARA PLANEJAMENTO EXPERIMENTAL E ANÁLISE DE RESULTADOS

UNIVERSIDADE ESTADUAL DE CAMPINAS FACULDADE DE ENGENHARIA MECÂNICA IM 317 METODOLOGIA PARA PLANEJAMENTO EXPERIMENTAL E ANÁLISE DE RESULTADOS UNIVERSIDADE ESTADUAL DE CAMPINAS FACULDADE DE ENGENHARIA MECÂNICA PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA MECÂNICA IM 37 METODOLOGIA PARA PLANEJAMENTO EXPERIMENTAL E ANÁLISE DE RESULTADOS PROF. DR. SÉRGIO

Leia mais

Neste capítulo, pretendemos ajustar retas ou polinômios a um conjunto de pontos experimentais.

Neste capítulo, pretendemos ajustar retas ou polinômios a um conjunto de pontos experimentais. 03 Capítulo 3 Regressão liear e poliomial Neste capítulo, pretedemos ajustar retas ou poliômios a um cojuto de potos experimetais. Regressão liear A tabela a seguir relacioa a desidade (g/cm 3 ) do sódio

Leia mais