Cap. 5. Testes de Hipóteses
|
|
- Larissa Alcântara Dreer
- 5 Há anos
- Visualizações:
Transcrição
1 Cap. 5. Testes de Hpóteses Neste capítulo será estudado o segudo problema da ferêca estatístca: o teste de hpóteses. Um teste de hpóteses cosste em verfcar, a partr das observações de uma amostra, se uma afrmação (deomada hpótese) sobre a dstrbução de uma ou mas varáves de determada população em estudo verdadera ou ão. Se a hpóteses se refere a um ou mas parâmetros de uma população, o teste é deomado teste paramétrco. Se a hpótese é acerca da atureza da dstrbução de uma varável da população em estudo, o teste é deomado teste ão paramétrco CONCEITOS BÁSICOS Para eteder os procedmetos de um teste de hpóteses, serão apresetados a segur algus cocetos báscos Hpótese ula e hpótese alteratva Deoma-se hpótese ula uma hpótese formulada com o tuto de ser testada sedo deotada por H 0. A hpótese alteratva é a hpótese cosderada se as formações da amostra forecerem formações que levem à rejeção da hpótese ula. Por eemplo, supoha que o preço médo de certo artgo uma localdade teha sdo hstorcamete gual a R$,00. Deseja-se saber se o preço do artgo cau após a etrada de um artgo cocorrete o mercado da localdade. Neste caso formula-se as segutes hpóteses: H 0 : = ; H 1 : <. Ao se desevolver um teste de hpóteses supõe-se calmete que a hpótese ula seja verdadera 5.1. Erro do tpo I e erro do tpo II Como a decsão em acetar ou rejetar H 0 se basea apeas as formações de uma amostra da população, é possível cometer um dos segutes erros: a) Erro do tpo I ou de prmera espéce: cosste em rejetar uma hpótese ula verdadera. b) Erro do tpo II ou de seguda espéce: cosste em acetar uma hpótese ula falsa. Como estes erros são evtáves, aturalmete um bom teste deve-se mmzar a probabldades de se cometer estes erros. Como o erro do tpo I é o mas séro, em geral preocupa-se apeas com a probabldade de se cometer este tpo de erro e o teste passa a ser deomado teste de sgfcâca Nível de sgfcâca de um teste Deoma-se ível de sgfcâca a probabldade máma admssível de se cometer um erro do tpo I. O ível de sgfcâca é especfcado ates de se aplcar o teste e seu valor depede das coseqüêcas de se cometer o erro do tpo I. Usualmete os valores do ível de sgfcâca são 1% e 5% Teste ulateral e teste blateral Com relação ao eemplo acma, a hpótese alteratva era H 1 : <. Neste caso o teste é ulateral. Um teste ulateral pode ser esquerdo (como o eemplo em foco) ou dreto se a hpótese ula fosse H 1 : >. Se a hpótese ula fosse H 1 :, o teste sera blateral Varável de teste Deoma-se varável teste uma varável aleatóra que é fução das observações da amostra, utlzada para a tomada de decsão em acetar ou rejetar H Regão de acetação e regão crítca
2 O estabelecmeto do ível de sgfcâca, dvde o domío da varável de teste um duas regões. Uma destas regões é costtuída de valores da varável teste que levam à acetação de H 0. Esta regão é deomada regão de acetação. A outra regão é costtuída do cojuto de valores da varável de teste que levam à rejeção de H 0. Esta regão é deomada regão crítca porque a hpótese ula pode ser rejetada mesmo sedo verdadera. Os lmtes que separam a regão de acetação da regão de rejeção são deomados valores crítcos. Num teste ulateral este apeas um valor crítco e o caso de um teste blateral estem dos valores crítcos smétrcos em relação ao valor esperado da varável de teste Valor da prova (p-valor) Dado um valor da varável teste obtdo a partr de uma determada amostra, deomase valor da prova como a probabldade de se ecotrar outra amostra que foreça uma estatístca de teste tão ou mas etrema do que o estete. 5.. CONSTRUÇÃO DE UM TESTE DE SIGNIFICÂNCIA NA PRÁTICA Em lhas geras, a costrução de um teste de hpóteses costa das segutes etapas: a) Formular as hpóteses H 0 e H 1. b) Escolher a estatístca de teste. c) Arbtrar o ível de sgfcâca. d) Determar a regões de acetação de H 0 e a regão crítca a partr do ível de sgfcâca arbtrado em (c). e) Decdr se aceta ou rejeta H 0 em com base o valor da varável de teste calculado a partr da amostra Tomada de Decsão em um Teste de Hpóteses Estem três procedmetos para se decdr se aceta ou rejeta H 0. Estes procedmetos serão apresetados a segur Valor da varável de teste Calcula-se o valor da varável teste a partr dos dados da amostra e adota-se a segute regra de decsão: se o valor da varável teste pertece à regão de acetação aceta-se H 0 o ível de sgfcâca adotado; caso cotráro rejeta-se H 0. Este procedmeto pode ser utlzado para testes paramétrcos e ão paramétrcos Itervalo de cofaça Costró-se um tervalo de cofaça para o parâmetro (ou combação de parâmetros: dfereça de parâmetros, razão de parâmetros) testado e adota-se a segute regra de decsão: se o tervalo de cofaça costruído cotver o valor do parâmetro (ou da combação de parâmetros) suposto a hpótese ula aceta-se H 0 ; caso cotráro rejeta-se H 0 o ível de sgfcâca adotado. O ível de cofaça deste tervalo é = Valor da prova (p-valor) Utlza-se a dstrbução de probabldade da varável teste para calcular o valor da prova e adota a segute regra de decsão: se o valor da prova for maor ou gual ao ível de sgfcâca aceta-se H 0 ; caso cotráro rejeta-se H 0 o ível de sgfcâca adotado.
3 Teste de Hpóteses para a Méda Populacoal No caso do teste da méda de uma população, as hpóteses são: H 0 : 0 0 (testeblateral) H 0 : 0 H1 : 0 (testeulateral esquerdo) H 0 : 0 H1 : 0 (testeulateral dreto) Nas hpóteses acma, 0 é valor de sob a hpótese ula H 0. Se a população da varável X tem dstrbução ormal, com desvo padrão populacoal cohecdo, a varável de teste é a varável ormal padrozada X 0 Z ~ N(0,1) (5.1) Se o desvo padrão da população ão é cohecdo, como ocorre a maora dos problemas, a varável teste é a varável padrozada X T 0 ~ t S 1 (5.) ode S é o estmador de. a) Pela Estatístca de Teste: a regra de decsão um ível de sgfcâca é a segute: Teste blateral (H 1 : 0 ): rejetar H 0 se a estatístca z > z / o ível de sgfcâca cosderado e acetar H 0 em caso cotráro. Teste ulateral esquerdo (H 1 : 0 ): rejetar H 0 o ível de sgfcâca cosderado se a estatístca z< z (ou T< t ) e acetar H 0 em caso cotráro. Teste ulateral dreto (H 1 : 0 ): rejetar H 0 o ível de sgfcâca cosderado se a estatístca z> z (ou T> t ) e acetar H 0 em caso cotráro. z é tal que P(Z < z ) = P(Z > z )=, t é tal que P(T < t ) = P(Z > t )=. Observação: Os valores costates os cabeçalhos da tabela t são guas ao ível de sgfcâca o caso de testes blateras e guas ao dobro do ível de sgfcâca o caso de testes ulateras. b) Por Itervalos de Cofaça: a regra de decsão um ível de sgfcâca é a segute: Teste blateral (H 1 : 0 ): se o desvo padrão populacoal é cohecdo, acetar H 0 se o tervalo abao cotém o valor 0 e rejetar H 0 em caso cotráro. z z /, / (5.3) Se o desvo padrão populacoal é descohecdo, acetar H 0 se o tervalo abao cotém o valor 0 e rejetar H 0 em caso cotráro. t s s /, t / (5.4)
4 4 Teste ulateral esquerdo (H 1 : 0 ): se o desvo padrão populacoal é cohecdo, acetar H 0 se o tervalo abao cotém o valor 0 e rejetar H 0 em caso cotráro., z Se o desvo padrão populacoal σ for descohecdo, acetar H 0 se o tervalo abao cotém o valor de μ 0 e acetar H 0 caso cotráro., t S Teste ulateral dreto (H 1 : 0 ): se o desvo padrão populacoal é cohecdo, acetar H 0 se o tervalo abao cotém o valor de μ 0 e rejetar caso cotráro. z, Se o desvo padrão populacoal σ for descohecdo, acetar H 0 se o tervalo abao cotém o valor de μ 0 e acetar H 0 caso cotráro. t S, c) Valor da prova: a regra de decsão um ível de sgfcâca é a segute: Teste blateral (H 1 : 0 ): rejetar H 0 o ível de sgfcâca cosderado se P(Z> z )</ ou P(T> t )</ e acetar H 0 em caso cotráro. Teste ulateral esquerdo (H 1 : 0 ): rejetar H 0 o ível de sgfcâca cosderado se P(Z<z)< ou P(T<t)< e acetar H 0 em caso cotráro. Teste ulateral dreto (H 1 : 0 ): rejetar H 0 o ível de sgfcâca cosderado se P(Z>z)< ou P(T>t)< e acetar H 0 em caso cotráro. Eemplo 5.1. Supõe-se que o preço de determado artgo os potos de veda de certa localdade tem dstrbução ormal com méda gual a R$5,00 e desvo padrão gual a R$,00. Suspeta-se que, devdo ao aumeto da demada, o preço do referdo artgo teha aumetado a regão. Para verfcar se sto ocorreu, um pesqusador aalsou os preços deste artgo em 40 potos de veda da localdade, escolhdos aleatoramete, costatado que os potos de veda pesqusados o preço médo do artgo é R$1,00. Qual é a coclusão do pesqusador, admtdo-se um ível de sgfcâca de 5%? Utlze o valor da varável teste, o tervalo de cofaça e o valor da prova. Solução Seja X a varável aleatóra que assoca a cada poto de veda a localdade. As hpóteses do teste são: H 0 : = 5; H 1 : > 5. A hpótese ula H 0 cosdera que o aumeto da demada ão provocou aumeto do preço equato que a hpótese alteratva H 1 admte que o aumeto da demada provocou aumeto do preço. Como X tem dstrbução ormal, a varável de teste é a varável ormal padrozada Z sedo seu valor dado por
5 5 z ode 1, 5 e =. Com estes dados tem-se que 0 0 z 1 5 3,16 40 O gráfco a segur lustra as regões de acetação e de rejeção de H 0 ( z 0, 05= 1,64). Fgura 5.1 a) Se for utlzado o valor da varável de teste para a tomada de decsão a regra de decsão é a segute: rejetar H 0 o ível de sgfcâca de 5% se z > z 0, 05 e rejetar H 0 em caso cotráro. Observado-se a fgura 5.1 tem-se da tabela do apêdce 1 que z 0, 05= 1,64. Como o valor da varável teste está a regão crítca (z = 3,16), rejeta-se H 0 o ível de sgfcâca de 5%, cocludo-se que o aumeto da demada provocou aumeto do preço do artgo a localdade. b) Se for utlzado o tervalo de cofaça para a tomada de decsão deve-se costrur um tervalo de cofaça para o preço médo a localdade. Sedo o desvo padrão populacoal cohecdo este tervalo é z, O tervalo de cofaça ulateral de 95% para o preço médo a localdade é 1 1,64*, R $7,41; 40 Como o este tervalo ão cotém o preço médo a localdade suposto em H 0 (=R$5,00), rejeta-se a hpótese ula o ível de sgfcâca de 5% cocludo-se que o aumeto da demada causou aumeto do preço do artgo a localdade. c) Utlzado-se o valor da prova para um teste ulateral dreto tem-se que: valor da prova = P(Z > z) ode z é o valor da varável teste que este caso é 3,16. Etão valor da prova = P(Z > 3,16) = 0,0008 Como o valor da prova (0,0008) é meor do que o ível de sgfcâca (0,05) rejetase H 0 o ível de sgfcâca de 5% cocludo-se que o aumeto da demada causou aumeto do preço do artgo a localdade. Eemplo 5.. O tempo gasto pelos operáros a motagem de determado equpameto produzdo por uma empresa tem dstrbução ormal com méda gual a 85 mutos. Os operáros foram
6 6 submetdos a um processo de recclagem com o objetvo de melhorar a produtvdade. Para verfcar se sso ocorreu, o pesqusador observou o tempo gasto a motagem de 5 udades deste equpameto, escolhdas ao acaso a lha de produção, obtedo os segutes valores, em mutos: 81, 84, 8, 78, 77, 83, 79, 79, 76, 85. Cosderado-se um ível de sgfcâca de 5%, pode-se afrmar que após a recclagem dos operáros houve aumeto da produtvdade? Solução As hpóteses do teste são: H 0 : = 85 H 1 : < 85 A hpótese ula H 0 cosdera que a produtvdade dos operáros ão aumetou equato que a hpótese alteratva H 1 admte que a produtvdade dos operáros aumetou porque acredtase que após a recclagem os operáros gastam em méda meos tempo para motar o equpameto em coseqüêca do aumeto da produtvdade dos mesmos. Neste caso, sedo descohecdo o desvo padrão populacoal, a estatístca de teste é a varável T sedo seu valor dado por t 0 s ode e s Pelos dados do problema tem-se que = e 1 Etão ( 1) s , ,1 1 ( 1) Ada pelos dados do problema tem-se que 0 85 Etão 80,4 85 t 4,69 3, Esta varável teste tem dstrbução t de Studet com = 1 = 1 = 9 graus de lberdade. O gráfco a segur lustra a esta stuação para o ível de sgfcâca de 5%.
7 7 Fgura 5.11 Na tabela do apêdce obtém-se o cruzameto da lha = 9 e colua 0,1 (o caso de teste ulateral o valor do cabeçalho da tabela é o dobro do ível de sgfcâca), obtém-se t =1,83. 0,05 a) Se for utlzado o valor da varável teste para a tomada de decsão, costata-se pelo gráfco acma que o valor da varável teste (t = 4,69) pertece à regão de rejeção e portato a decsão é rejetar a hpótese ula o ível de sgfcâca de 5%, cocludo-se que após a recclagem o tempo gasto pelos operáros a motagem do equpameto dmuu. b) Se for utlzado o tervalo de cofaça para a tomada de decsão deve-se costrur um tervalo de cofaça para o tempo médo gasto a motagem do equpameto. Sedo o desvo padrão populacoal descohecdo, o tervalo de cofaça de 95% para o tempo gasto pelos operáros é 3,1, t S ;80,4 1,83* ;8, Como o este tervalo ão cotém o tempo médo suposto em H 0 (=85) gasto a motagem do equpameto, rejeta-se a hpótese ula o ível de sgfcâca de 5% cocludo-se que após a recclagem dos operáros o tempo gasto pelos operáros a motagem do equpameto dmuu. c) Utlzado-se o valor da prova para um teste ulateral esquerdo tem-se que valor da prova = P(T < t) = P(T < 4,69) O gráfco a segur lustra o procedmeto Fgura 5.1 Observado a tabela do apêdce a lha = 9 costata-se que o valor 4,69 (o sal fo descosderado porque a dstrbução t é smétrca) está etre 3,69 (colua 0,005) e 4,78(colua0,001), cocluímos que P(T<-4.69)< Assm sedo, rejeta-se H 0 o ível de sgfcâca de 5% cocludo-se que o após a recclagem o tempo gasto a motagem do equpameto dmuu.
8 8 Apêdce 1) TABELA: Dstrbução ormal padrão. P(Z>z) área tabulada 0 z seguda decmal de z z 0,00 0,01 0,0 0,03 0,04 0,05 0,06 0,07 0,08 0,09 0,0 0,5000 0,4960 0,490 0,4880 0,4840 0,4801 0,4761 0,471 0,4681 0,4641 0,1 0,460 0,456 0,45 0,4483 0,4443 0,4404 0,4364 0,435 0,486 0,447 0, 0,407 0,4168 0,419 0,4090 0,405 0,4013 0,3974 0,3936 0,3897 0,3859 0,3 0,381 0,3783 0,3745 0,3707 0,3669 0,363 0,3594 0,3557 0,350 0,3483 0,4 0,3446 0,3409 0,337 0,3336 0,3300 0,364 0,38 0,319 0,3156 0,311 0,5 0,3085 0,3050 0,3015 0,981 0,946 0,91 0,877 0,84 0,8 0,776 0,6 0,743 0,709 0,676 0,643 0,611 0,578 0,546 0,514 0,483 0,451 0,7 0,40 0,389 0,358 0,37 0,96 0,66 0,36 0,06 0,177 0,148 0,8 0,119 0,090 0,061 0,033 0,005 0,1977 0,1949 0,19 0,1894 0,1867 0,9 0,1841 0,1814 0,1788 0,176 0,1736 0,1711 0,1685 0,1660 0,1635 0,1611 1,0 0,1587 0,156 0,1539 0,1515 0,149 0,1469 0,1446 0,143 0,1401 0,1379 1,1 0,1357 0,1335 0,1314 0,19 0,171 0,151 0,130 0,1 0,1190 0,1170 1, 0,1151 0,1131 0,111 0,93 0,75 0,56 0,38 0,0 0,03 0,0985 1,3 0,0968 0,0951 0,0934 0,0918 0,0901 0,0885 0,0869 0,0853 0,0838 0,083 1,4 0,0808 0,0793 0,0778 0,0764 0,0749 0,0735 0,07 0,0708 0,0694 0,0681 1,5 0,0668 0,0655 0,0643 0,0630 0,0618 0,0606 0,0594 0,058 0,0571 0,0559 1,6 0,0548 0,0537 0,056 0,0516 0,0505 0,0495 0,0485 0,0475 0,0465 0,0455 1,7 0,0446 0,0436 0,047 0,0418 0,0409 0,0401 0,039 0,0384 0,0375 0,0367 1,8 0,0359 0,035 0,0344 0,0336 0,039 0,03 0,0314 0,0307 0,0301 0,094 1,9 0,087 0,081 0,074 0,068 0,06 0,056 0,050 0,044 0,039 0,033,0 0,08 0,0 0,017 0,01 0,007 0,00 0,0197 0,019 0,0188 0,0183,1 0,0179 0,0174 0,0170 0,0166 0,016 0,0158 0,0154 0,0150 0,0146 0,0143, 0,0139 0,0136 0,013 0,019 0,015 0,01 0,0119 0,0116 0,0113 0,01,3 0,07 0,04 0,0 0,0099 0,0096 0,0094 0,0091 0,0089 0,0087 0,0084,4 0,008 0,0080 0,0078 0,0075 0,0073 0,0071 0,0069 0,0068 0,0066 0,0064,5 0,006 0,0060 0,0059 0,0057 0,0055 0,0054 0,005 0,0051 0,0049 0,0048,6 0,0047 0,0045 0,0044 0,0043 0,0041 0,0040 0,0039 0,0038 0,0037 0,0036,7 0,0035 0,0034 0,0033 0,003 0,0031 0,0030 0,009 0,008 0,007 0,006,8 0,006 0,005 0,004 0,003 0,003 0,00 0,001 0,001 0,000 0,0019,9 0,0019 0,0018 0,0017 0,0017 0,0016 0,0016 0,0015 0,0015 0,0014 0,0014 3,0 0, ,5 0, ,0 0, ,5 0, ,0 0,
9 ) 9
Macroeconometria Aula 3 Revisão de estatística e teste de hipótese
Macroecoometra 008. Aula 3 Revsão de estatístca e teste de hpótese 3.5. Estmação No estudo das probabldades, o objetvo é calcular a probabldade de evetos préespecfcados. De agora em date o objetvo muda.
Leia maisInferência Estatística e Aplicações I. Edson Zangiacomi Martinez Departamento de Medicina Social FMRP/USP
Iferêca Estatístca e Aplcações I Edso Zagacom Martez Departameto de Medca Socal FMRP/USP edso@fmrp.usp.br Rotero Parte I Escola frequetsta Defções: parâmetros, estmatvas Dstrbuções de probabldade Estmação
Leia maisESTATÍSTICA Exame Final 1ª Época 3 de Junho de 2002 às 14 horas Duração : 3 horas
Faculdade de cooma Uversdade Nova de Lsboa STTÍSTIC xame Fal ª Época de Juho de 00 às horas Duração : horas teção:. Respoda a cada grupo em folhas separadas. Idetfque todas as folhas.. Todas as respostas
Leia maisEm muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento.
Prof. Lorí Val, Dr. val@pucrs.r http://www.pucrs.r/famat/val/ Em mutas stuações duas ou mas varáves estão relacoadas e surge etão a ecessdade de determar a atureza deste relacoameto. A aálse de regressão
Leia maisEstatística - exestatmeddisper.doc 25/02/09
Estatístca - exestatmeddsper.doc 5/0/09 Meddas de Dspersão Itrodução ão meddas estatístcas utlzadas para avalar o grau de varabldade, ou dspersão, dos valores em toro da méda. ervem para medr a represetatvdade
Leia maisREGRESSÃO LINEAR 05/10/2016 REPRESENTAÇAO MATRICIAL. Y i = X 1i + 2 X 2i k X ni + i Y = X + INTRODUÇÃO SIMPLES MÚLTIPLA
REGRESSÃO LINEAR CUIABÁ, MT 6/ INTRODUÇÃO Relação dos valores da varável depedete (varável resposta) aos valores de regressoras ou exógeas). SIMPLES MÚLTIPLA (varáves depedetes,... =,,, K=,,, k em que:
Leia maisESTATÍSTICA Aula 7. Prof. Dr. Marco Antonio Leonel Caetano
ESTATÍSTICA Aula 7 Prof. Dr. Marco Atoo Leoel Caetao Dstrbuções de Probabldade DISCRETAS CONTÍNUAS (Números teros) Bomal Posso Geométrca Hper-Geométrca Pascal (Números reas) Normal t-studet F-Sedecor Gama
Leia maisProbabilidades e Estatística LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBiol, MEBiom, MEEC, MEFT, MEMec, MEQ
Duração: 90 mutos Grupo I Probabldades e Estatístca LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBol, MEBom, MEEC, MEFT, MEMec, MEQ Justfque coveetemete todas as respostas 1 o semestre 018/019 10/01/019 09:00 o
Leia maisÉ o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação etre duas ou mas varáves. Pode ser: correlacoal ou expermetal. Numa relação expermetal os valores de uma das varáves
Leia maisProbabilidades e Estatística
Departameto de Matemátca robabldades e Estatístca LEAN, LEE, LEGI, LERC, LMAC, MEAer, MEAmb, MEBol, MEEC, MEMec 2 o semestre 20/202 2 o Teste B 08/06/202 :00 Duração: hora e 30 mutos Justfque coveetemete
Leia maisDistribuições 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 maisNOTAS DE AULA DA DISCIPLINA CE076. ], T 2 = conhecido como T 2 de Hotelling
4 INFERÊNCIA SOBRE O VETOR DE MÉDIAS 4. TESTE PARA UM VETOR DE MÉDIAS µ Lembrado o caso uvarado: H : µ = µ H : µ µ Nível de sgfcâca: α Estatístca do teste: X µ t = s/ ~ t Decsão: se t > t - (α/) rejeta-se
Leia maisDistribuições de Probabilidades
Estatístca - aulasestdstrnormal.doc 0/05/06 Dstrbuções de Probabldades Estudamos aterormete as dstrbuções de freqüêcas de amostras. Estudaremos, agora, as dstrbuções de probabldades de populações. A dstrbução
Leia maisProbabilidades e Estatística LEGM, LEIC-A, LEIC-T, MA, MEMec
Duração: 90 mutos Grupo I Probabldades e Estatístca LEGM, LEIC-A, LEIC-T, MA, MEMec Justfque coveetemete todas as respostas 2 o semestre 2017/2018 14/06/2018 11:00 2 o Teste B 10 valores 1. Os dvíduos
Leia maisProbabilidades e Estatística LEAN, LEGI, LEGM, LMAC, MEAer, MEAmbi, MEC
Duração: 90 mutos Grupo I Probabldades e Estatístca LEAN, LEGI, LEGM, LMAC, MEAer, MEAmb, MEC Justfque coveetemete todas as respostas 1 o semestre 2018/2019 10/01/2019 11:00 2 o teste B 10 valores 1. Cosdere-se
Leia maisParte 3 - Regressão linear simples
Parte 3 - Regressão lear smples Defção do modelo Modelo de regressão empregado para eplcar a relação lear etre duas varáves (ajuste de uma reta). O modelo de regressão lear smples pode ser epresso a forma:
Leia maisFaculdade de Tecnologia de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL
Faculdade de Tecologa de Cataduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL 5. Meddas de Posção cetral ou Meddas de Tedêca Cetral Meddas de posção cetral preocupam-se com a caracterzação e a
Leia maisInterpolação. Exemplo de Interpolação Linear. Exemplo de Interpolação Polinomial de grau superior a 1.
Iterpolação Iterpolação é um método que permte costrur um ovo cojuto de dados a partr de um cojuto dscreto de dados potuas cohecdos. Em egehara e cêcas, dspõese habtualmete de dados potuas, obtdos a partr
Leia maisEstimação pontual, estimação intervalar e tamanho de amostras
Estmação potual, estmação tervalar e tamaho de amostras Iferêca: por meo das amostras, cohecer formações geras da população. Problemas de ferêca, em geral, se dvdem em estmação de parâmetros e testes de
Leia maisTabela 1 Números de acidentes /mês no Cruzamento X em CG/07. N de acidentes / mês fi f
Lsta de exercícos Gabarto e chave de respostas Estatístca Prof.: Nelse 1) Calcule 1, e para o segute cojuto de valores. A,1,8,0,11,,7,8,6,,9, 1 O úmero que correspode a 5% do rol é o valor. O úmero que
Leia maisa) 1,8 e 4,6. b) 2,0 e 2,2. c) 1,8 e 5,2. d) 2,0 e 4,6. e) 2,0 e 1,9.
Questão : As otas de dez aluos, um exame, estão dadas a segur:, 5, 8, 3, 6, 5, 8, 7, 6, 0 O desvo médo e a varâca dessas otas podem ser expressos, respectvamete, por: a),8 e 4,6 b),0 e, c),8 e 5, d),0
Leia maisProfessor Mauricio Lutz REGRESSÃO LINEAR SIMPLES. Vamos, então, calcular os valores dos parâmetros a e b com a ajuda das formulas: ö ; ø.
Professor Maurco Lutz 1 EGESSÃO LINEA SIMPLES A correlação lear é uma correlação etre duas varáves, cujo gráfco aproma-se de uma lha. O gráfco cartesao que represeta essa lha é deomado dagrama de dspersão.
Leia maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS Uma uversdade oferece um curso para capactação profssoal de joves caretes. Ao fal do curso, cada jovem partcpate será avalado por meo de uma prova teórca e de uma prova prátca,
Leia mais3. TESTES DE QUALIDADE DE AJUSTAMENTO
Testes da qualdade de ajustameto 3 TESTES DE QULIDDE DE JUSTMENTO 3 Itrodução formação sobre o modelo da população dode se extra uma amostra costtu, frequetemete, um problema estatístco forma da dstrbução
Leia maisTestes não-paramétricos
Testes não-paramétrcos Prof. Lorí Val, Dr. http://www.mat.ufrgs.br/val/ val@mat.ufrgs.br Um teste não paramétrco testa outras stuações que não parâmetros populaconas. Estas stuações podem ser relaconamentos,
Leia maisÉ o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.
É o grau de assocação etre duas ou mas varáves. Pode ser: Prof. Lorí Val, Dr. val@pucrs.br http://www.pucrs.br/famat/val www.pucrs.br/famat/val/ correlacoal ou expermetal. Numa relação expermetal os valores
Leia maisRegressao Simples. Parte II: Anova, Estimação Intervalar e Predição
egressao Smples Parte II: Aova, Estmação Itervalar e Predção Aálse de Varâca Nem todos os valores das amostras estão cotdos a reta de regressão, e quato mas afastados estverem por, a reta represetará a
Leia maisNas Instituições de Ensino Superior(IES), há uma relação direta entre a qualidade do ensino e a taxa de inadimplência. A taxa de inadimplência das
CORRELAÇÃO Nas Isttuções de Eso Superor(IES), há uma relação dreta etre a qualdade do eso e a taxa de admplêca. A taxa de admplêca das IES que obtveram cocetos A e B o Provão é,%, as que obtveram C é 6%
Leia mais6. Inferência para Duas Populações USP-ICMC-SME 2013
6. Iferêca ara Duas Poulações UP-ICMC-ME 3 8.. Poulações deedetes co dstrbução oral Poulação Poulação,,,, ~ N, ~ N, ~ N, Obs. e a dstrbução de e/ou ão for oral, os resultados são váldos aroxadaete. Testes
Leia maisx n = n ESTATÍSTICA STICA DESCRITIVA Conjunto de dados: Organização; Amostra ou Resumo; Apresentação. População
ESTATÍSTICA STICA DESCRITIVA Prof. Lorí Val, Dr. val@mat.ufrgs.br http://.ufrgs.br/~val/ Orgazação; Resumo; Apresetação. Cojuto de dados: Amostra ou População Um cojuto de dados é resumdo de acordo com
Leia maisEstudo do intervalo de confiança da regressão inversa utilizando o software R
Estudo do tervalo de cofaça da regressão versa utlzado o software R Llae Lopes Cordero João Domgos Scalo. Itrodução Na maora das aplcações evolvedo regressão, determa-se o valor de Y correspodete a um
Leia maisINFERÊNCIA ESTATÍSTICA PARA DUAS POPULAÇÕES
INFERÊNCIA ESTATÍSTICA PARA DUAS POPULAÇÕES . Populações depedetes co dstrbução oral População População,, Y,,Y ~ N, Y ~ N, Y ~ N, Obs. Se a dstrbução de e/ou Y ão for oral, os resultados são váldos aproxadaete.
Leia maisTESTES DE PROPORÇÕES TESTE DE UMA PROPORÇÃO POPULACIONAL
TESTES DE PROPORÇÕES TESTE DE UMA PROPORÇÃO POPULACIONAL As hpóteses a serem testadas serão: H 0 : p p 0 H : p p 0 p > p 0 p < p 0 Estatístca do Teste: pˆ p0 z c p ( p ) 0 0 EXEMPLOS. Uma máqua está regulada
Leia maisOrganização; Resumo; Apresentação.
Prof. Lorí Val, Dr. val@ufrgs.br http://www.ufrgs.br/~val/ Grade Cojutos de Dados Orgazação; Resumo; Apresetação. Amostra ou População Defetos em uma lha de produção Lascado Deseho Torto Deseho Torto Lascado
Leia mais8. INFERÊNCIA PARA DUAS POPULAÇÕES
8 INFERÊNCIA PARA UA POPULAÇÕE 8 Populações depedetes co dstrbução oral População População, L, Y, L,Y ~ N, σ Y ~ N, σ σ σ Y ~ N, Obs e a dstrbução de e/ou Y ão for oral, os resultados são váldos aproxadaete
Leia maisEconometria: 3 - Regressão Múltipla
Ecoometra: 3 - Regressão Múltpla Prof. Marcelo C. Mederos mcm@eco.puc-ro.br Prof. Marco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo de regressão
Leia maisConfiabilidade Estrutural
Professor Uversdade de Brasíla Departameto de Egehara Mecâca Programa de Pós graduação em Itegrdade Estrutural Algortmo para a Estmatva do Idce de Cofabldade de Hasofer-Ld Cofabldade Estrutural Jorge Luz
Leia maisEstatística: Aplicação ao Sensoriamento Remoto SER ANO Estimação Pontual
Estatístca: Aplcação ao Sesorameto Remoto SER 04 - ANO 08 Estmação Potual Camlo Daleles Reó camlo@dp.pe.br http://www.dp.pe.br/~camlo/estatstca/ Iferêca Estatístca Cosdere o expermeto: retram-se 3 bolas
Leia maisCurso de Graduação. Inferência I N F ERÊNCI A ESTAT ÍSTICA
Iferêca Estatístca I N F ERÊNCI A ESTAT ÍSTICA CAPÍTULO N O Ç Õ ES PRELIMINAR ES SOBR E AMOSTRAGEM A elaboração de um projeto de pesqusa por amostragem, objetvado a vestgação sobre um certo feômeo, evolve
Leia maisMédia. Mediana. Ponto Médio. Moda. Itabira MEDIDAS DE CENTRO. Prof. Msc. Emerson José de Paiva 1 BAC011 - ESTATÍSTICA. BAC Estatística
BAC 0 - Estatístca Uversdade Federal de Itajubá - Campus Itabra BAC0 - ESTATÍSTICA ESTATÍSTICA DESCRITIVA MEDIDAS DE CENTRO Méda Medda de cetro ecotrada pela somatóra de todos os valores de um cojuto,
Leia maisANÁLISE DE ERROS. Todas as medidas das grandezas físicas deverão estar sempre acompanhadas da sua dimensão (unidades)! ERROS
ANÁLISE DE ERROS A oservação de um feómeo físco ão é completa se ão pudermos quatfcá-lo. Para é sso é ecessáro medr uma propredade físca. O processo de medda cosste em atrur um úmero a uma propredade físca;
Leia mais50 Logo, Número de erros de impressão
Capítulo 3 Problema. (a) Sedo o úmero médo de erros por pága, tem-se: 5 + + 3 + 3 + 4 33,66 5 5 Represetado o úmero medao de erros por md, tem-se, pela ordeação dos valores observados, que os valores de
Leia maisAlguns Fundamentos Acerca dos Testes de Hipóteses
UNIVERSIDADE DA BEIRA INTERIOR Cêcas Algus Fudametos Acerca dos Testes de Hpóteses Adré Marques de Adrade Relatóro de Estágo para obteção do Grau de Mestre em Eso da Matemátca o 3º Cclo do Eso Básco e
Leia maisLista de Exercícios #9 Assunto: Análise de Regressão Método de Mínimos Quadrados
Lsta de Exercícos #9 Assuto: Aálse de Regressão Método de Mímos Quadrados ANPEC 8 Questão 4 Cosdere o segute modelo de regressão lear smples: () y = β + β x + u Para uma amostra com 3 observações, foram
Leia maisMEDIDAS DE POSIÇÃO: X = soma dos valores observados. Onde: i 72 X = 12
MEDIDAS DE POSIÇÃO: São meddas que possbltam represetar resumdamete um cojuto de dados relatvos à observação de um determado feômeo, pos oretam quato à posção da dstrbução o exo dos, permtdo a comparação
Leia maisMEDIDAS DE DISPERSÃO:
MEDID DE DIPERÃO: fução dessas meddas é avalar o quato estão dspersos os valores observados uma dstrbução de freqüêca ou de probabldades, ou seja, o grau de afastameto ou de cocetração etre os valores.
Leia maisÉ o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou. experimental.
É o grau de assocação etre duas ou mas varáves. Pode ser: correlacoal ou Prof. Lorí Val, Dr. val@mat.ufrgs.r http://www.mat.ufrgs.r/~val/ expermetal. Numa relação expermetal os valores de uma das varáves
Leia maisRevisão/Resumo de Inferência Estatística
Dscpla: Boestatístca Professor: Marcelo Rubes Revsão/Resumo de Iferêca Estatístca - Modelos Estatístcos/Probablístcos São modelos que se aplcam quado este claramete a preseça de uma compoete aleatóra ou
Leia maisForma padrão do modelo de Programação Linear
POGAMAÇÃO LINEA. Forma Padrão do Modelo de Programação Lear 2. elações de Equvalêca 3. Suposções da Programação Lear 4. Eemplos de Modelos de PPL 5. Suposções da Programação Lear 6. Solução Gráfca e Iterpretação
Leia maisREGESD Prolic Matemática e Realidade- Profª Suzi Samá Pinto e Profº Alessandro da Silva Saadi
REGESD Prolc Matemátca e Realdade- Profª Suz Samá Pto e Profº Alessadro da Slva Saad Meddas de Posção ou Tedêca Cetral As meddas de posção ou meddas de tedêca cetral dcam um valor que melhor represeta
Leia maisControle Estatístico de Qualidade. Capítulo 6 (montgomery)
Cotrole Estatístco de Qualdade Capítulo 6 (motgomery) Gráfcos de Cotrole para Atrbutos Itrodução Mutas característcas da qualdade ão podem ser represetadas umercamete. Nestes casos, classfcamos cada tem
Leia mais3 Experimento com Mistura com Respostas Não-Normais
Modelagem em Epermetos Mstura-Processo para Otmzação de Processos Idustras 5 Epermeto com Mstura com Respostas Não-Normas Neste capítulo é apresetado o plaejameto e aálse de um EM com respostas ão ormas,
Leia mais( ) ( IV ) n ( ) Escolha a alternativa correta: A. III, II, I, IV. B. II, III, I, IV. C. IV, III, I, II. D. IV, II, I, III. E. Nenhuma das anteriores.
Prova de Estatístca Epermetal Istruções geras. Esta prova é composta de 0 questões de múltpla escolha a respeto dos cocetos báscos de estatístca epermetal, baseada os lvros BANZATTO, A.D. e KRONKA, S.N.
Leia mais? Isso é, d i= ( x i. . Percebeu que
Estatístca - Desvo Padrão e Varâca Preparado pelo Prof. Atoo Sales,00 Supoha que tehamos acompahado as otas de quatro aluos, com méda 6,0. Aluo A: 4,0; 6,0; 8,0; méda 6,0 Aluo B:,0; 8,0; 8,0; méda 6,0
Leia maisESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO
Área Cetífca Matemátca Udade Curso Egehara do Ambete Ao º Semestre º Folha Nº 8: Aálse de Regressão e de Correlação Probabldades e Estatístca Ao 00/0. Pretede-se testar um strumeto que mede a cocetração
Leia maisRelatório 2ª Atividade Formativa UC ECS
Relatóro 2ª Atvdade Formatva Eercíco I. Quado a dstrbução de dados é smétrca ou apromadamete smétrca, as meddas de localzação méda e medaa, cocdem ou são muto semelhates. O mesmo ão acotece quado a dstrbução
Leia maisANÁLISE DE REGRESSÃO E CORRELAÇÃO
ANÁLISE DE REGRESSÃO E CORRELAÇÃO Quado se cosderam oservações de ou mas varáves surge um poto ovo: O estudo das relações porvetura estetes etre as varáves A aálse de regressão e correlação compreedem
Leia maisModelos de regressão linear: abordagem clássica
Modelos de regressão lear: abordagem clássca Prof. Marcelo Rubes mrubes@me.uerj.br Depto. Estatístca Aálse de Regressão Objetvo: Determar uma fução matemátca que descreva a relação etre uma varável cotíua
Leia maisProf. Janete Pereira Amador 1
Prof. Jaete Perera Amador 1 1 Itrodução Mutas stuações cotdaas podem ser usadas como expermeto que dão resultados correspodetes a algum valor, e tas stuações podem ser descrtas por uma varável aleatóra.
Leia mais( ) ( ) Es'mador de Máxima-Verossimilhança. ,θ i. L( Θ; X) = f ( X;Θ) = f (x i
5.. Esmador de Máxma-Verossmlhaça O prcípo básco do esmador de Máxma-Verossmlhaça cosste a obteção de esmavas de parâmetros populacoas de uma desdade de uma varável aleatóra a parr de um cojuto de formações
Leia maisCap. 5. Testes de Hipóteses
Cap. 5. Testes de Hipóteses Neste capítulo será estudado o segudo problema da iferêcia estatística: o teste de hipóteses. Um teste de hipóteses cosiste em verificar, a partir das observações de uma amostra,
Leia maisCAPÍTULO 3 MEDIDAS DE TENDÊNCIA CENTRAL E VARIABILIDADE PPGEP Medidas de Tendência Central Média Aritmética para Dados Agrupados
3.1. Meddas de Tedêca Cetral CAPÍTULO 3 MEDIDA DE TENDÊNCIA CENTRAL E VARIABILIDADE UFRG 1 Há váras meddas de tedêca cetral. Etre elas ctamos a méda artmétca, a medaa, a méda harmôca, etc. Cada uma dessas
Leia maisEstatística Descritiva. Medidas estatísticas: Localização, Dispersão
Estatístca Descrtva Meddas estatístcas: Localzação, Dspersão Meddas estatístcas Localzação Dspersão Meddas estatístcas - localzação Méda artmétca Dados ão agrupados x x Dados dscretos agrupados x f r x
Leia maisESTATÍSTICA MÓDULO 2 OS RAMOS DA ESTATÍSTICA
ESTATÍSTICA MÓDULO OS RAMOS DA ESTATÍSTICA Ídce. Os Ramos da Estatístca...3.. Dados Estatístcos...3.. Formas Icas de Tratameto dos Dados....3. Notação por Ídces...5.. Notação Sgma ()...5 Estatístca Módulo
Leia maisDISTRIBUIÇÃO HIPERGEOMÉTRICA
7 DISTRIBUIÇÃO HIPERGEOMÉTRICA Cosdere-se uma população fta costtuída por N elemetos dstrbuídos por duas categoras eclusvas e eaustvas de dmesões M e N M, respectvamete. Os elemetos da prmera categora
Leia maisApostila de Introdução Aos Métodos Numéricos
Apostla de Itrodução Aos Métodos Numércos PARTE III o Semestre - Pro a. Salete Souza de Olvera Buo Ídce INTERPOAÇÃO POINOMIA...3 INTRODUÇÃO...3 FORMA DE AGRANGE... 4 Iterpolação para potos (+) - ajuste
Leia maisMAE0229 Introdução à Probabilidade e Estatística II
Exercíco Cosdere a dstrbução expoecal com fução de desdade de probabldade dada por f (y; λ) = λe λy, em que y, λ > 0 e E(Y) = /λ Supor que o parâmetro λ pode ser expresso proporcoalmete aos valores de
Leia maisEconometria: 4 - Regressão Múltipla em Notação Matricial
Ecoometra: 4 - Regressão últpla em Notação atrcal Prof. arcelo C. ederos mcm@eco.puc-ro.br Prof. arco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo
Leia maisNOTAS DE AULA DA DISCIPLINA CE076 = 2. ], T 2 = conhecido como T 2 de Hotelling
NOTAS DE AULA DA DISCIPLINA CE76 4 INFERÊNCIA SOBRE O VETOR DE MÉDIAS 4. TESTE PARA UM VETOR DE MÉDIAS µ Lembrado o caso uvarado: H : µ µ H : µ µ Nível de sfcâca: α Estatístca do teste: t X µ s/ ~ t Decsão:
Leia maisEstatística. 8 Teste de Aderência. UNESP FEG DPD Prof. Edgard
Estatístca 8 Teste de Aderênca UNESP FEG DPD Prof. Edgard 011 8-1 Teste de Aderênca IDÉIA: descobrr qual é a Dstrbução de uma Varável Aleatóra X, a partr de uma amostra: {X 1, X,..., X n } Problema: Seja
Leia maisCálculo Numérico. Ajuste de Curvas Método dos Mínimos Quadrados. Profa. Vanessa Rolnik 1º semestre 2015
Cálculo Numérco Ajuste de Curvas Método dos Mímos Quadrados Profa. Vaessa Rolk º semestre 05 Ajuste de curvas Para apromar uma fução f por um outra fução de uma famíla prevamete escolhda (caso cotíuo)
Leia maisConstrução e Análise de Gráficos
Costrução e Aálse de Gráfcos Por que fazer gráfcos? Facldade de vsualzação de cojutos de dados Faclta a terpretação de dados Exemplos: Egehara Físca Ecooma Bologa Estatístca Y(udade y) 5 15 1 5 Tabela
Leia mais2 Procedimentos para Ajuste e Tratamento Estatístico de Dados Experimentais
48 Procedmetos para Ajuste e Tratameto Estatístco de Dados Expermetas. Itrodução Modelos matemátcos desevolvdos para descrever eômeos íscos a partr de observações expermetas devem ser baseados em dados
Leia maisMAE 5776 ANÁLISE MULTIVARIADA. Júlia M Pavan Soler
MAE 5776 ANÁLISE MULTIVARIADA Júla M Pava Soler ava@me.us.br º Semestre IME/09 Baco de Dados: Dados Multvarados Varáves Udades Amostras j j j j j j : Matrz de Dados resosta do -ésmo dvíduo a j-ésma varável
Leia maisCapítulo 5: Ajuste de curvas pelo método dos mínimos quadrados
Capítulo : Ajuste de curvas pelo método dos mímos quadrados. agrama de dspersão No capítulo ateror estudamos uma forma de ldar com fuções matemátcas defdas por uma taela de valores. Frequetemete o etato
Leia mais13 ESTIMAÇÃO DE PARÂMETROS E DISTRIBUIÇÃO AMOSTRAL
3 ESTIMAÇÃO DE PARÂMETROS E DISTRIBUIÇÃO AMOSTRAL Como vto em amotragem o prmero bmetre, etem fatore que fazem com que a obervação de toda uma população em uma pequa eja mpratcável, muta veze em vrtude
Leia maisEstatística: uma definição
Prof. Lorí Val, Dr. - val@pucrs.br http://www.pucrs.br/famat/val/ Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Estatístca: uma defção Coleç Coleção de ú úmeros estatí estatístcas O ú ú mero
Leia maisRegressão Simples. Parte III: Coeficiente de determinação, regressão na origem e método de máxima verossimilhança
Regressão Smples Parte III: Coefcete de determação, regressão a orgem e método de máxma verossmlhaça Coefcete de determação Proporção da varabldade explcada pelo regressor. R Varação explcada Varação total
Leia mais8 Programação linear 78
8 Programação lear 78 8 Programação lear A programação lear cosderou duas fuções objetvo: (a) maxmzação da comercalzação do gás e (b) mmzação das perdas (recetas e multas cotratuas). Foram dealzados dos
Leia mais3. ANPEC Questão 15 Ainda em relação à questão anterior pode-se concluir que, exceto por erro de arredondamento:
Lsta de Exercícos #9 Ass uto: Aáls e de Re gres s ão Mé todo de Mímos Quadrados. ANPEC 99 - Questão 8 A capacdade de produção stalada (Y), em toeladas, de uma frma, pode ser fução da potêca stalada (X),
Leia maisMEDIDAS DE TENDÊNCIA CENTRAL I
Núcleo das Cêcas Bológcas e da Saúde Cursos de Bomedca, Ed. Físca, Efermagem, Farmáca, Fsoterapa, Fooaudologa, edca Veterára, uscoterapa, Odotologa, Pscologa EDIDAS DE TENDÊNCIA CENTRAL I 7 7. EDIDAS DE
Leia maisESCOLA SUPERIOR DE TECNOLOGIA UNIVERSIDADE DO ALGARVE
SCOLA SUPIO D CNOLOGIA UNIVSIDAD DO ALGAV CUSO BIÁPICO M NGNHAIA CIVIL º cclo egme Duro/Nocturo Dscpla de COMPLMNOS D MAMÁICA Ao lectvo de 7/8 - º Semestre Ídce. egressão lear múltpla.... Itrodução....
Leia mais7 Análise de covariância (ANCOVA)
Plejameto de Expermetos II - Adlso dos Ajos 74 7 Aálse de covarâca (ANCOVA) 7.1 Itrodução Em algus expermetos, pode ser muto dfícl e até mpossível obter udades expermetas semelhtes. Por exemplo, pode-se
Leia maisApostla Básca de Estatístca Slvo Alves de Souza ÍNDICE Itrodução... 3 Software R... 4 Software SPSS... 5 Dstrbução ormal de probabldade... 6 Testes de Hpótese paramêtrco... Testes Não-Paramétrco...5 Dstrbução
Leia mais1. Conceito de variável aleatória Podemos estudar, por exemplo, algumas características dos alunos do Curso de estatística.
CAPÍTULO 7 VARIÁVEL ALEATÓRIA A probabldade teve íco com os jogos de azar (século XVII) com Cavalero de Nere, Fermat e Pascal, porém, coube a Beroull (73) laçar as bases da probabldade e a segur Laplace
Leia mais4 Critérios para Avaliação dos Cenários
Crtéros para Avalação dos Cenáros É desejável que um modelo de geração de séres sntétcas preserve as prncpas característcas da sére hstórca. Isto quer dzer que a utldade de um modelo pode ser verfcada
Leia maisEstudo das relações entre peso e altura de estudantes de estatística através da análise de regressão simples.
Estudo das relações etre peso e altura de estudates de estatístca através da aálse de regressão smples. Waessa Luaa de Brto COSTA 1, Adraa de Souza COSTA 1. Tago Almeda de OLIVEIRA 1 1 Departameto de Estatístca,
Leia maisUNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPARTAMENTO DE ESTATÍSTICA APOSTILA DE ESTATÍSTICA PARA CURSOS DE ENGENHARIA
UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EATAS DEPARTAMENTO DE ESTATÍSTICA APOSTILA DE ESTATÍSTICA PARA CURSOS DE ENGENHARIA SONIA ISOLDI MARTY GAMA MÜLLER 008 APRESENTAÇÃO A Estatístca é uma ferrameta
Leia maisAtividades Práticas Supervisionadas (APS)
Uversdade Tecológca Federal do Paraá Prof: Lauro Cesar Galvão Campus Curtba Departameto Acadêmco de Matemátca Cálculo Numérco Etrega: juto com a a parcal DATA DE ENTREGA: da da a PROVA (em sala de aula
Leia maisTESTE DO QUI-QUADRADO - Ajustamento
Exemplo 3: Avalar se uma moeda ou um dado é honesto; Em 100 lances de moeda, observaram-se 65 coroas e 35 caras. Testar se a moeda é honesta. 1 H 0 : a moeda é honesta; H 1 : a moeda não é honesta; 2 α
Leia maisComo CD = DC CD + DC = 0
(9-0 www.eltecampas.com.br O ELITE RESOLVE IME 008 MATEMÁTICA - DISCURSIVAS MATEMÁTICA QUESTÃO Determe o cojuto-solução da equação se +cos = -se.cos se + cos = se cos ( se cos ( se se.cos cos + + = = (
Leia maisRevisão de Estatística X = X n
Revsão de Estatístca MÉDIA É medda de tedêca cetral mas comumete usada ara descrever resumdamete uma dstrbução de freqüêca. MÉDIA ARIMÉTICA SIMPLES São utlzados os valores do cojuto com esos guas. + +...
Leia maisDescritiva. Francisco Cysneiros DE - UFPE
Noções de Estatístca Descrtva Dr. Fracsco Cyseros Profº. Adjuto do Departameto de Estatístca-CCEN/UFPE E-mal: cyseros@de.ufpe.br web-page: www.de.ufpe.br/~cyseros/dscpla/farmaca/farmaca.htm Foe: (8) 6
Leia maisTeoria Elementar da Probabilidade. a) Cada experiência poderá ser repetida indefinidamente sob condições essencialmente inalteradas.
Estatístca 47 Estatístca 48 Teora Elemetar da Probabldade SPECTOS PERTINENTES À CRCTERIZÇÃO DE UM EXPERIÊNCI LETÓRI MODELOS MTEMÁTICOS DETERMINÍSTICOS PROBBILÍSTICOS PROCESSO (FENÓMENO) LETÓRIO - Quado
Leia mais3 Análises Probabilísticas de Estabilidade
3 Aálses Probablístcas de Establdade 3.1 Itrodução Para facltar o etedmeto das metodologas de aálse de cofabldade serão apresetados este capítulo algus cocetos báscos de probabldade e estatístca. 3. Cocetos
Leia maisA análise de variância de uma classificação (One-Way ANOVA) verifica se as médias de k amostras independentes (tratamentos) diferem entre si.
Prof. Lorí Va, Dr. http://www. ufrgs.br/~va/ va@mat.ufrgs.br aáse de varâca de uma cassfcação (Oe-Way NOV) verfca se as médas de amostras depedetes (tratametos) dferem etre s. Um segudo tpo de aáse de
Leia maisAula 9. Aula de hoje. Aula passada. Self-normalized Importance Sampling Gerando amostras complicadas Variância amostral Simulação
Aula 9 Aula passada Método da rejeção (rejecto samplg) Exemplos Importace Samplg Exemplos Geeralzação Aula de hoje Self-ormalzed Importace Samplg Gerado amostras complcadas Varâca amostral Smulação Importace
Leia maisCritérios de correção e orientações de resposta exame
Mstéro da Cêca, Tecologa e Eso Superor U.C. 1037 Elemetos de Probabldade e Estatístca 1 de Juho de 011 Crtéros de correção e oretações de resposta eame Neste relatóro apresetam-se os crtéros e um eemplo
Leia maisEstatística: uma definição
Prof. Lorí Val, Dr. val@ufrgs.br http://www.ufrgs.br/~val/ Estatístca: uma defção Coleção de úmeros estatístcas O úmero de carros veddos o país aumetou em 30%. A taa de desemprego atge, este mês, 7,5%.
Leia maisSumário. Mecânica. Sistemas de partículas
umáro Udade I MECÂNICA 2- Cetro de massa e mometo lear de um sstema de partículas - stemas de partículas e corpo rígdo. - Cetro de massa. - Como determar o cetro de massa dum sstema de partículas. - Vetor
Leia mais