Introdução à Inferência Estatística

Save this PDF as:
 WORD  PNG  TXT  JPG

Tamanho: px
Começar a partir da página:

Download "Introdução à Inferência Estatística"

Transcrição

1 Introdução à Inferência Estatística 1. População: conjunto de indivíduos, ou itens, com pelo menos uma característica em comum. Também será denotada por população objetivo, que é sobre a qual desejamos obter informações e/ou fazer inferências. Pode, ainda, ser chamada de Universo. Será denotada por: U u,u,u, u unidades elementares, i = 1,,..., N. i 1 3,u N N = n o de elementos, ou tamanho, da população. Exemplos: a) Residentes da cidade de São Carlos; b) Lote de peças produzido numa linha de produção de uma indústria; c) Eleitores do município de São Paulo, aptos a votar na eleição; d) Indivíduos do sexo masculino que sofrem de diabetes; etc, etc, etc Amostra: subconjunto, necessariamente finito, de uma população. é selecionada de forma que todos os elementos da população tenham a mesma chance de serem escolhidos Planejamentos Amostrais: são esquemas para coletas de dados numa pesquisa amostral. Existem vários tipos de planejamentos dos quais destacaremos: Amostra Aleatória Simples AAS Amostra Aleatória Estratificada AAE Amostra Aleatória por Conglomerados AAC

2 1.. Estudo Experimental: experimento no qual um tratamento é deliberadamente aplicado aos indivíduos (ou itens) a fim de observar a sua resposta. Exemplos: a) ensaios para se verificar a dureza de materiais; b) estudos caso-controle em epidemiologia; c) pesos de cobaias submetidas à diferentes dietas; Requer um Planejamento Experimental. No estudo experimental é muito importante determinar o número de elementos necessários, ou seja, o tamanho da amostra; É importante, também, planejar adequadamente a amostra de maneira a não interferir nos resultados.. Levantamentos de dados: a seguir, serão apresentadas algumas situações envolvendo levantamentos de dados..1. Uma amostra: sortear ao acaso n elementos de uma população para participar da amostra. Exemplos: a) dentre os eleitores de um município, sortear uma amostra para participar de uma pesquisa de intenção de votos; b) produzir uma amostra de peças de espuma, segundo uma específica formulação, para serem colocadas num teste de resistência à tração. Normalmente compara-se a amostra com um padrão já conhecido; Espera-se que a população seja homogênea (pouca variabilidade).

3 1 1 3 N n População Amostra.. Duas Amostras: amostras são retiradas de uma ou duas populações. quando dispomos de duas amostras, geralmente queremos realizar uma comparação entre as mesmas...1. Amostras independentes: nenhum elemento da primeira amostra interfere nos da segunda. a) dois tratamentos: tomar n elementos de uma única população e dividílos em dois grupos, de preferência de mesmo tamanho. (ou sortear, independentemente, duas amostras de uma mesma população) n 1 n 1 + n = n 1 N n População Amostras

4 b) Duas populações: sortear n 1 elementos da primeira população e n da segunda e aplicar o mesmo tratamento em ambas n 1 N 1 n 1 + n = n n N Populações Amostras... Amostras pareadas ou emparelhadas (dependentes): uma amostra observada em dois instantes diferentes: (antes/depois), (tempo 1, tempo ). 1 1 Fazer as diferenças: t d i = y i y i1 n n t 1 t Amostras

5 ..3. k amostras: quando se tem k 3 amostras para comparar. a) k grupos independentes: classificar, ao acaso, n elementos em k grupos tal que n = n 1 + n n k. O ideal é que todos os grupos sejam de mesmo tamanho: n 1 = n =... = n k A 1 : 1,,..., n 1 A : 1,,..., n k grupos independentes A k : 1,,..., n k A variável A é chamada de fator e os grupos A 1, A,..., A k são os tratamentos ou níveis do fator A. b) Medidas Repetidas: o mesmo grupo, de tamanho n, é observado em k instantes diferentes n n n n t 1 t t 3 t k

6 c) k grupos independentes com duas classificações: classificação de vários grupos quando se tem dois critérios (ou fatores) para a divisão dos mesmos. Considere, por exemplo, um fator com três níveis (A 1, A, A 3 ) e um segundo fator com dois níveis (B 1, B ), terem-se k = 3 = 6 grupos para serem comparados. A 1 B 1 A 1 B 1 B A 1 B A B 1 A B 1 B A B 6 grupos A 3 B 1 A 3 B 1 B A 3 B RESUMO 1 amostra 1 população amostras k amostras ( k 3 ) Independentes Dependentes Independentes Dependentes tratamentos (1 pop) 1 tratamento ( pop) dados pareados 1 fator fatores medidas repetidas

7 3. Conceitos em Inferência 3.1. Parâmetro Populacional Geralmente denotado por, é uma característica populacional de interesse que pode ser expressa através de uma quantidade numérica. É desconhecido e fixo. Exemplos: n o de desempregados, salário médio de uma categoria ou população, opinião a respeito de uma dada atitude, casos de dengue, tempo gasto com filhotes, tamanho da população tempo de vida n o de votos para um determinado candidato, produção agrícola, etc Espaço Paramétrico Denotado por, é o conjunto dos possíveis valores de. Exemplos: = { < < }; = { 0 < < }; = { 0 1 }; = { ( 1, ) < 1 < e 0 < < }.

8 3.3. Amostra aleatória: representada pelas iniciais aa, é formada pela observação de n variáveis aleatórias X 1, X,..., X n, independentes e identicamente distribuídas, iid. 1, X, X n F (x) X, iid 3.4. Variável aleatória: uma variável aleatória ou va, é uma característica desconhecida, que pode variar de um indivíduo para outro da população e que, ao ser observada ou mensurada, deve gerar uma única resposta. Tipos de variáveis: a) Variáveis qualitativas: variáveis cujos possíveis resultados são atributos ou qualidades. São NÃO NUMÉRICAS. Podem ser classificadas em: ORDINAIS, quando obedecem a uma ordem natural ou NOMINAIS, quando não seguem nenhuma ordem. b) Variáveis quantitativas: variáveis cujos possíveis resultados são valores NUMÉRICOS, resultantes de mensuração ou contagem. Podem ser classificadas em: DISCRETAS, quando assumem valores num espaço finito ou infinito enumerável ou CONTÍNUAS, quando assumem valores num conjunto não enuméral (conjunto dos números reais).

9 3.5. Estatística: é uma medida numérica, S(X), que descreve uma característica da amostra e que não depende de parâmetros desconhecidos. A estatística é uma função da amostra: S(X) = f (X 1, X,..., X n ) toda estatística S(X) é uma va Exemplos: n X i i X 1 média amostral, n s n i1 X i X n 1 variância amostral, X (1) = mínimo 1ª estatística de ordem, X (n) = máximo n-ésima estatística de ordem. PARÂMETROS E ESTATÍSTICAS ESTATÍSTICA PARÂMETRO Nome Amostra População Média X Variância s Correlação r X,Y X,Y Proporção pˆ p 3.6. Estimador: é uma quantidade, obtida a partir de uma amostra, que estima o valor de um parâmetro populacional. Será denotado por T(X).

10 { T(X) } { S(X) }, ou seja, todo estimador é uma função da amostra e, portanto, é uma estatística, porém, nem toda estatística é um estimador. todo estimador T(X) é uma va Notação: Como T(X) estima o parâmetro, uma notação simplificada para o estimador é dada por: T (X) ˆ Estimativa: estimativa é o valor de T(X) obtido de uma aa A Inferência Estatística: A Inferência Estatística busca obter informações de parâmetros populacionais por intermédio das características de uma amostra e de suas distribuições de probabilidade. Amostra aleatória = parâmetro ˆ = estimador Intervalos de Confiança Testes de Hipótese

11 ESQUEMATICAMENTE Questões que surgem: Quantos estimadores existem para um parâmetro populacional? Quais as qualidades que se deseja de um estimador? Como escolher o melhor estimador? Resposta: Teoria da Otimalidade.

12 3.8. O Estimador Ótimo A teoria da Otimalidade estuda as propriedades dos estimadores e define critérios para a escolha do estimador ótimo. Segundo essa teoria um estimador é ótimo basicamente se for: não viesado e de mínima variância Estimador não viesado (não viciado): o viés, do inglês bias, é definido pela diferença entre o valor esperado do estimador e o parâmetro o qual este está estimando. Seja ˆ, estimador de, então o viés de ˆ é definido por: B(ˆ ) = E(ˆ ) em que é o espaço paramétrico. Se E(ˆ ) =, ˆ é dito não viesado (ou não viciado) e B(ˆ ) = Precisão: uma propriedade importante para um estimador é que seja preciso, em outras palavras, que tenha baixa variabilidade ˆ deve ser escolhido tal que sua variância seja a menor possível ˆ Var (ˆ ) seja mínima

13 Consistência: além de ser não viesado e de variância mínima deseja-se que o estimador ˆ seja consistente. Um estimador ˆ é dito ser consistente para se lim E(ˆ) n e lim Var (ˆ) 0 n Conforme aumenta o tamanho da amostra, mais ˆ se aproxima de O Erro Quadrático Médio (EQM): o erro quadrático médio de um estimador ˆ é definido por Prova-se facilmente que EQM(ˆ )= E[(ˆ ) ] EQM(ˆ ) = Var(ˆ ) + [B()] Logo, se o estimador ˆ é não viesado, então, seu EQM é mínimo e EQM(ˆ ) = Var(ˆ ) Assim, a teoria da otimalidade procura, dentre os estimadores não viesados, aquele de menor variância.

14

15 Exemplo: estimadores para a média populacional -. 1) Estimar a média das alturas dos alunos da turma B de Estatística. Quais os estimadores possíveis? Vamos propor 4 estimadores: a) a média amostral: ˆ A X X n i b) o ponto médio entre os valores máximo e o mínimo da amostra: X( n ) X(1) ˆ B ~ c) a mediana da amostra: ˆ X d) a 5ª observação: ˆ D X5 C

16 4. Estimadores para a média A maioria das aplicações em estatística envolvem a estimação da média populacional. Quais os possíveis estimadores e qual deles é o melhor (estimador ótimo). Média aritmética ou média amostral ( X ); Média geométrica; Média harmônica; Média aparada; Média ponderada; Mediana amostral ( X ~ ); Extimadores do tipo ˆ e ˆ (ver exemplo). B D Qual desses estimadores é o melhor para estimar? a) 1º - escolher os não viesados; b) º - dentre os não viesados, encontrar o de menor variância. A teoria estatística (otimalidade) resolve esse problema e mostra qual o estimador ótimo para. Segundo essa teoria, o estimador ótimo para é a média amostral (aritmética) X.

17 Estudo das propriedades dos estimadores: média amostral, média harmônica, média geométrica e média ponderada ( X 1 /3 + *X /3 ) para amostras de tamanho n =, com reposição. População Parâmetros Populacionais Média = 4.8 Variância = 4.56 Tamanho N = 5 =.8 n Amostras Estimadores X1 X X M. Harm. M. Geom. M. Pond Médias Variâncias

18 Tabela resumo dos estimadores para a Média Populacional. Estimadores X M. Harm. M. Geom. M. Pond. Média do Estimador Vício Vício ao quadrado Variância do Estimador EQM Relação da variância de X com as demais

19 Métodos de Estimação: A teoria estatística define diversos métodos de estimação, dentre os quais destacamos: 4.1. Método da máxima verossimilhança: o estimador é dado pelo valor que maximiza a distribuição conjunta da amostra, também chamada de função de verossimilhança. n L( dados) f ( ) ˆ max[ L( )] i1 x i MV 4.. Métodos dos momentos: o estimador é obtido igualando os momentos amostrais com os momentos populacionais. Depende da distribuição de probabilidade da população O momento de ordem k de uma va é definido como k E( X ), k 1, se k = 1 E( ) k 1 X O momento amostral de ordem k de uma va é definido como m k k Xi, se k = 1 m1 X n Para estimar a média populacional, faz-se: ˆ ˆ1 m 1 ou seja, ˆ X

20 Para um parâmetro qualquer, se k k E( X ) f ( ) ˆ MM f 1 (ˆ k ). Se k = 1, f ( ) 1 e o estimador dos momentos para é ˆ MM f 1 ( X ) 4.3. Método mínimos quadrados: o estimador é aquele que minimiza uma soma de quadrados de erros entre os valores da amostra e uma função do parâmetro g (). Se queremos estimar a média, então g( ) E( X ). Nesse caso, o erro e para cada observação é calculado por e [ x g ( )], i = 1,,... n, e i i i n SQE( ) [ x i g i ( )]. i1 O estimador de mínimos quadrados é dado pelo valor de que minimiza SQE(): ˆ MQ min[ SQE( )] O estimador de mínimos quadrados é mais utilizado no ajuste de modelos de regressão linear.

21 4.4. Estimador Bayesiano: o estimador Bayesiano é obtido a partir de uma ponderação da função de verossimilhança por uma distribuição de probabilidade para. Seja uma distribuição de probabilidade (), denominada de distribuição a priori de, então ( dados) ()L( dados), ( dados) é a distribuição a posteriori de, dada a amostra. Um estimador Bayesiano muito utilizado é dado pelo valor que maximiza a posteriori, ou seja, pela moda de ( dados): ˆ Bay max[ ( dados)] 5. O Estimador para a média Mostrar que a média amostral X atende às propriedades de estimador ótimo para. 5.. A distribuição da média amostral X O Teorema do Limite Central (TLC) O estimador para a proporção p A distribuição da proporção amostral pˆ.

22 5.4. Determinação do tamanho da amostra na estimação da média 5.5. O estimador para a variância populacional A distribuição da variância amostral s. Exemplos: 1) Um elevador de capacidade 500kg serve um edifício. Se a distribuição do peso dos usuários for N(70, 100), determine: a) A probabilidade de que 7 passageiros ultrapassem esse limite. b) E 6 passageiros? ) Um produto da marca XIS é comercializado em pacotes de 1kg, sendo que a distribuição do peso dos pacotes, em gramas, é N(1000, 51.). A fiscalização inspeciona o produto por amostras de 5 pacotes e aplica uma multa se a média for menor do que 4g a menos do peso especificado. a) Qual a probabilidade de que o produto XIS seja multado? Os produtores de XIS pretendem diminuir essa probabilidade. Para isso o Estatístico da empresa deu duas sugestões: deslocar a média, aumentando o peso dos pacotes ou aplicar ações visando reduzir a variabilidade do processo de empacotamento. b) Para quanto deve ser regulada a nova média de tal forma que a probabilidade em (a) seja de no máximo 0.03? c) Caso se escolha a segunda opção, de quanto deve ser a nova variância para se obter o mesmo resultado?

23 Considere, agora, que a produtora tenha um custo adicional de 5 centavos por cada pacote com peso acima de 1008g. Qual a alteração no custo em cada um dos casos para um produção de 5 toneladas? 3) Para estimar o nível de dureza de peças de espuma injetada com boa precisão o técnico responsável decide selecionar uma amostra da produção para medição. Como os ensaios de medição são destrutivos, o número de peças para análise deve ser bem determinado para evitar gastos desnecessários. (dados históricos registram a variância do processo de produção como =.96). Inicialmente fixou-se como precisão = 0.5ud. a) Determinar o número de peças tal que a probabilidade de que a precisão seja alcançada seja de b) A gerência achou esse número muito elevado e decidiu reduzir a precisão para 0.75ud. Que o número de peças deve ser inspecionado com esse novo valor? 4) Numa pesquisa eleitoral foi realizada uma pré-amostra de tamanho 40 obtendo-se p ˆ 0. 4 de eleitores que votam no candidato do partido PX. a) Qual deve ser o tamanho da amostra para que, com probabilidade 0.95, a estimativa pˆ não se distancie de p mais do que 0.0? b) Refazer o cálculo do tamanho da amostra pelo método conservativo. 5) Seja uma população com 0 e a) Numa amostra de tamanho n = 9, qual a probabilidade de que a variância amostral seja superior a 4.3? b) Determine um limite inferior k para o qual a probabilidade de que ser menor do que k seja de s

24 Exercícios de Revisão 6) Um produto pesa em média 10g com desvio-padrão de 3g. Este é embalado em caixas de 150 unidades. A caixa vazia pesa, em média, 00g com desvio-padrão de 9g. Admitindo que as variáveis em questão tenham distribuições normais e que as 150 unidades que são colocadas em uma caixa são tomadas ao acaso, determine a probabilidade de uma caixa cheia pesar mais de 1610g. Resolução: Sejam as va s X P : peso do produto N( 10 ; 9 ) X C : peso da caixa N( 00 ; 81 ) X T : peso total da caixa cheia? Resultados: i) Se X 1 N( 1 ; 1 ) e X N( ; ), independentes, então X 1 ± X N( 1 ± ; 1 + ) ii) Se X 1, X,..., X n N( ; ), iid X 1 + X X n N(n ; n ) De (i) e (ii), temos que X T = X P1 + X P X P150 + X C e, X T N( T ; ou seja, X T N( 1700 ; 1431 ). T ), em que: T = = 1700g = = 1431g T P( X T 1610) P( Z.38)

25 7) Uma máquina automática enche latas, baseada no peso bruto das mesmas. O peso bruto tem distribuição normal com média 1.000g e desvio padrão 0g. As latas têm pesos distribuídos normalmente com média 90g e desvio padrão 10g. Qual a probabilidade de que uma lata escolhida ao acaso tenha de peso líquido: a) menor do que 830g? b) maior do que 870 g? c) entre 860 e 930g? Resolução: Sejam as va s X B : peso do produto N( 1000 ; 400 ) X L : peso da caixa N( 90 ; 100 ) X Q : peso total da caixa cheia N( Q ; De (i) temos que X Q = X B X L e, ou seja, X Q N( 910 ; 500 ). Q = = 910g Q ), Q = = 500g a) ( X 830) P( Z 3.58) P Q b) ( X 870) P( Z 1.79) P Q c) P( 860 X 930) P(.4 Z 0.89) Q P ( 860 X 930) 0.80 Q

26 8) Seja X uma única observação de uma va com distribuição Bernoulli(). Sejam ˆ 1= X e ˆ = 1/, dois estimadores para : a) verifique se os estimadores são não viesados para ; b) compare os EQM s construa um gráfico como função de. X Bernoulli( ), 0 1, tal que E (X ) e Var ( X ) (1 ) a) E ( ˆ 1 ) E( X ) ˆ 1 não é viesado para 1 E ( ˆ ) E(1/ ) ˆ é viesado para, sendo B ( ˆ ) [1/ b) ] EQM ( ˆ 1 ) Var(ˆ 1) [ B(ˆ 1)] EQM ( ˆ ) Var(1/ ) [ B(ˆ )] 0. 5 Os EQM s podem ser comparados obtendo-se os valores de tal que ˆ EQM ) EQM (ˆ ), ou seja,: 0.5 ( 1 Desta forma, se : 0 a ou b 1 ˆ 1 é melhor a b ˆ é melhor a ou b tanto faz

27 9) Sejam X 1, X,..., X n uma aa de tamanho n da distribuição uniforme no intervalo (0, ). Considere os estimadores ˆ 1 c 1 X e ˆ X 1 X c n. a) Ache c 1 e c tais que ˆ 1 e ˆ sejam não viesados para ; b) encontre os EQM s dos dois estimadores X U( 0, ), a) E (X ) e ˆ E ( 1) E( c1 X ) c1 para c 1, ˆ 1 não é viesado para Var ( X ) 1 ˆ X1 X n E( X1) E( X E ) Ec c para c, ˆ não é viesado para ( c ) Logo, ˆ1 X e ˆ X1 X não são viesados para. b) EQM ( ˆ) Var(ˆ) [ B(ˆ)] EQM (ˆ EQM (ˆ 1 1 ) Var(ˆ ) 3n 1 ) Var(X ) ( / n) 4 1 X1 X n EQM (ˆ ) 4Var EQM (ˆ ) 6 Var( X 1 ) Var( X ) 1

Cláudio Tadeu Cristino 1. Julho, 2014

Cláudio Tadeu Cristino 1. Julho, 2014 Inferência Estatística Estimação Cláudio Tadeu Cristino 1 1 Universidade Federal de Pernambuco, Recife, Brasil Mestrado em Nutrição, Atividade Física e Plasticidade Fenotípica Julho, 2014 C.T.Cristino

Leia mais

O que é a estatística?

O que é a estatística? Elementos de Estatística Prof. Dr. Clécio da Silva Ferreira Departamento de Estatística - UFJF O que é a estatística? Para muitos, a estatística não passa de conjuntos de tabelas de dados numéricos. Os

Leia mais

Universidade Federal Fluminense

Universidade Federal Fluminense Universidade Federal Fluminense INSTITUTO DE MATEMÁTICA E ESTATÍSTICA DEPARTAMENTO DE ESTATÍSTICA ESTATÍSTICA V Lista 9: Intervalo de Confiança. 1. Um pesquisador está estudando a resistência de um determinado

Leia mais

Probabilidade. Renata Souza. Introdução. Tabelas Estatísticas. População, Amostra e Variáveis. Gráficos e Distribuição de Freqüências

Probabilidade. Renata Souza. Introdução. Tabelas Estatísticas. População, Amostra e Variáveis. Gráficos e Distribuição de Freqüências Probabilidade Introdução Tabelas Estatísticas População, Amostra e Variáveis Gráficos e Distribuição de Freqüências Renata Souza Conceitos Antigos de Estatística stica a) Simples contagem aritmética Ex.:

Leia mais

Inferência Estatística

Inferência Estatística Universidade Federal Fluminense Instituto de Matemática e Estatística Inferência Estatística Ana Maria Lima de Farias Departamento de Estatística Conteúdo 1 Inferência estatística Conceitos básicos 1 1.1

Leia mais

Estatística Aplicada. Gestão de TI. Evanivaldo Castro Silva Júnior

Estatística Aplicada. Gestão de TI. Evanivaldo Castro Silva Júnior Gestão de TI Evanivaldo Castro Silva Júnior Porque estudar Estatística em um curso de Gestão de TI? TI trabalha com dados Geralmente grandes bases de dados Com grande variabilidade Difícil manipulação,

Leia mais

COMENTÁRIO AFRM/RS 2012 ESTATÍSTICA Prof. Sérgio Altenfelder

COMENTÁRIO AFRM/RS 2012 ESTATÍSTICA Prof. Sérgio Altenfelder Comentário Geral: Prova muito difícil, muito fora dos padrões das provas do TCE administração e Economia, praticamente só caiu teoria. Existem três questões (4, 45 e 47) que devem ser anuladas, por tratarem

Leia mais

PÓS GRADUAÇÃO EM CIÊNCIAS DE FLORESTAS TROPICAIS-PG-CFT INSTITUTO NACIONAL DE PESQUISAS DA AMAZÔNIA-INPA. 09/abril de 2014

PÓS GRADUAÇÃO EM CIÊNCIAS DE FLORESTAS TROPICAIS-PG-CFT INSTITUTO NACIONAL DE PESQUISAS DA AMAZÔNIA-INPA. 09/abril de 2014 PÓS GRADUAÇÃO EM CIÊNCIAS DE FLORESTAS TROPICAIS-PG-CFT INSTITUTO NACIONAL DE PESQUISAS DA AMAZÔNIA-INPA 09/abril de 2014 Considerações Estatísticas para Planejamento e Publicação 1 Circularidade do Método

Leia mais

CAPÍTULO 9 Exercícios Resolvidos

CAPÍTULO 9 Exercícios Resolvidos CAPÍTULO 9 Exercícios Resolvidos R9.1) Diâmetro de esferas de rolamento Os dados a seguir correspondem ao diâmetro, em mm, de 30 esferas de rolamento produzidas por uma máquina. 137 154 159 155 167 159

Leia mais

UNIVERSIDADE DE SÃO PAULO. Faculdade de Arquitetura e Urbanismo

UNIVERSIDADE DE SÃO PAULO. Faculdade de Arquitetura e Urbanismo UNIVERSIDADE DE SÃO PAULO Faculdade de Arquitetura e Urbanismo DISTRIBUIÇÃO AMOSTRAL ESTIMAÇÃO AUT 516 Estatística Aplicada a Arquitetura e Urbanismo 2 DISTRIBUIÇÃO AMOSTRAL Na aula anterior analisamos

Leia mais

Disciplinas: Cálculo das Probabilidades e Estatística I

Disciplinas: Cálculo das Probabilidades e Estatística I Introdução a Inferência Disciplinas: Cálculo das Probabilidades e Estatística I Universidade Federal da Paraíba Prof a. Izabel Alcantara Departamento de Estatística (UFPB) Introdução a Inferência Prof

Leia mais

Hipótese Estatística:

Hipótese Estatística: 1 PUCRS FAMAT DEPTº DE ESTATÍSTICA TESTE DE HIPÓTESE SÉRGIO KATO Trata-se de uma técnica para se fazer inferência estatística. Ou seja, a partir de um teste de hipóteses, realizado com os dados amostrais,

Leia mais

DISTRIBUIÇÃO NORMAL 1

DISTRIBUIÇÃO NORMAL 1 DISTRIBUIÇÃO NORMAL 1 D ensid ade Introdução Exemplo : Observamos o peso, em kg, de 1500 pessoas adultas selecionadas ao acaso em uma população. O histograma por densidade é o seguinte: 0.04 0.03 0.02

Leia mais

1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3.

1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3. 1 1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3. Modelo de Resultados Potenciais e Aleatorização (Cap. 2 e 3

Leia mais

Estatística I Aula 1. Prof.: Patricia Maria Bortolon, D. Sc.

Estatística I Aula 1. Prof.: Patricia Maria Bortolon, D. Sc. Estatística I Aula 1 Prof.: Patricia Maria Bortolon, D. Sc. Estatística Estatística

Leia mais

Primeira Lista de Exercícios de Estatística

Primeira Lista de Exercícios de Estatística Primeira Lista de Exercícios de Estatística Professor Marcelo Fernandes Monitor: Márcio Salvato 1. Suponha que o universo seja formado pelos naturais de 1 a 10. Sejam A = {2, 3, 4}, B = {3, 4, 5}, C =

Leia mais

CURSO ON-LINE PROFESSOR GUILHERME NEVES 1

CURSO ON-LINE PROFESSOR GUILHERME NEVES 1 CURSO ON-LINE PROFESSOR GUILHERME NEVES 1 Olá pessoal! Resolverei neste ponto a prova de Matemática e Estatística para Técnico Administrativo para o BNDES 2008 organizado pela CESGRANRIO. Sem mais delongas,

Leia mais

Estatística Aplicada às Ciências Sociais e Ambientais. Organização da Disciplina. Conteúdo da Aula. Contextualização. Farmácia Industrial UFPR

Estatística Aplicada às Ciências Sociais e Ambientais. Organização da Disciplina. Conteúdo da Aula. Contextualização. Farmácia Industrial UFPR Estatística Aplicada às Ciências Sociais e Ambientais Apresentação Aula 1 Prof. Daniel de Christo Farmácia Industrial UFPR Mestrado em Genética UFPR Lecionando no Ensino Superior desde 2003 Organização

Leia mais

A ESTATÍSTICA. Mas enfim, o que é Estatística?

A ESTATÍSTICA. Mas enfim, o que é Estatística? A ESTATÍSTICA A Estatística é uma ferramenta indispensável para qualquer profissional que precisa analisar informações, tomar decisões no trabalho ou mesmo na vida pessoal. Muitas vezes, essas decisões

Leia mais

Lista 09: Estimação de Parâmetros

Lista 09: Estimação de Parâmetros INSTITUTO TECNOLÓGICO DE AERONÁUTICA DIVISÃO DE ENGENHARIA MECÂNICA-AERONÁUTICA MB-210: Probabilidade e Estatística Lista 09: Estimação de Parâmetros Prof. Denise Beatriz Ferrari denise@ita.br 2 o Sem/2013

Leia mais

Estatística Aplicada ao Serviço Social

Estatística Aplicada ao Serviço Social Estatística Aplicada ao Serviço Social Prof a. Juliana Freitas Pires Departamento de Estatística Universidade Federal da Paraíba - UFPB juliana@de.ufpb.br Introdução O que é Estatística? Coleção de métodos

Leia mais

Valor Prático da Distribuição Amostral de

Valor Prático da Distribuição Amostral de DISTRIBUIÇÃO AMOSTRAL DA MÉDIA DA AMOSTRA OU DISTRIBUIÇÃO AMOSTRAL DE Antes de falarmos como calcular a margem de erro de uma pesquisa, vamos conhecer alguns resultados importantes da inferência estatística.

Leia mais

ESCOLA SECUNDÁRIA MANUEL DA FONSECA, SANTIAGO DO CACÉM GRUPO DISCIPLINAR: 500 Matemática Aplicada às Ciências Sociais

ESCOLA SECUNDÁRIA MANUEL DA FONSECA, SANTIAGO DO CACÉM GRUPO DISCIPLINAR: 500 Matemática Aplicada às Ciências Sociais ANO: 11º ANO LECTIVO : 008/009 p.1/7 CONTEÚDOS MODELOS MATEMÁTICOS COMPETÊNCIAS A DESENVOLVER - Compreender a importância dos modelos matemáticos na resolução de problemas de problemas concretos. Nº. AULAS

Leia mais

EXERCÍCIOS EXERCÍCIOS. Definições Básicas. Definições Básicas. Definições Básicas. Introdução à Estatística. Dados: valores de variáveis observadas.

EXERCÍCIOS EXERCÍCIOS. Definições Básicas. Definições Básicas. Definições Básicas. Introdução à Estatística. Dados: valores de variáveis observadas. Definições Básicas Introdução à Estatística ESTATÍSTICA: estudo dos métodos para coletar, organizar, apresentar e analisar dados. População: conjunto constituído por todos os indivíduos que apresentem

Leia mais

Distribuição Uniforme Discreta. Modelos de distribuições discretas. Distribuição de Bernoulli. Distribuição Uniforme Discreta

Distribuição Uniforme Discreta. Modelos de distribuições discretas. Distribuição de Bernoulli. Distribuição Uniforme Discreta Distribuição Uniforme Discreta Modelos de distribuições discretas Notas de Aula da Profa. Verónica González-López e do Prof. Jesús Enrique García, digitadas por Beatriz Cuyabano. Acréscimos e modicações:

Leia mais

Universidade Federal de Pernambuco Mestrado em Estatística

Universidade Federal de Pernambuco Mestrado em Estatística Universidade Federal de Pernambuco Mestrado em Estatística Lista 4 de Exercícios de Amostragem Prof. Cristiano Ferraz 1. Em relação ao plano amostral de Bernoulli: a) Explique como retirar uma amostra

Leia mais

AULAS 04 E 05 Estatísticas Descritivas

AULAS 04 E 05 Estatísticas Descritivas 1 AULAS 04 E 05 Estatísticas Descritivas Ernesto F. L. Amaral 19 e 28 de agosto de 2010 Metodologia de Pesquisa (DCP 854B) Fonte: Triola, Mario F. 2008. Introdução à estatística. 10 ª ed. Rio de Janeiro:

Leia mais

Análise descritiva de Dados. a) Média: (ou média aritmética) é representada por x e é dada soma das observações, divida pelo número de observações.

Análise descritiva de Dados. a) Média: (ou média aritmética) é representada por x e é dada soma das observações, divida pelo número de observações. Análise descritiva de Dados 4. Medidas resumos para variáveis quantitativas 4.1. Medidas de Posição: Considere uma amostra com n observações: x 1, x,..., x n. a) Média: (ou média aritmética) é representada

Leia mais

LISTA DE EXERCÍCIOS VARIÁVEIS ALEATÓRIAS

LISTA DE EXERCÍCIOS VARIÁVEIS ALEATÓRIAS LISTA DE EXERCÍCIOS VARIÁVEIS ALEATÓRIAS 1. Construir um quadro e o gráfico de uma distribuição de probabilidade para a variável aleatória X: número de coroas obtidas no lançamento de duas moedas. 2. Fazer

Leia mais

ESTATÍSTICA. aula 1. Insper Ibmec São Paulo. Prof. Dr. Marco Antonio Leonel Caetano

ESTATÍSTICA. aula 1. Insper Ibmec São Paulo. Prof. Dr. Marco Antonio Leonel Caetano ESTATÍSTICA aula 1 Prof. Dr. Marco Antonio Leonel Caetano Insper Ibmec São Paulo ESTATÍSTICA COISAS DO ESTADO ESTATÍSTICA: - Apresentação e Análise de dados - Tomadas de Decisões baseadas em análises -

Leia mais

Amostragem. Prof. Joel Oliveira Gomes. Capítulo 9. Desenvolvimento

Amostragem. Prof. Joel Oliveira Gomes. Capítulo 9. Desenvolvimento Capítulo 9 Amostragem Desenvolvimento 9.1 Introdução 9.2 Censo versus Amostra 9.3 Processo de planejamento de uma amostragem 9.4 Técnicas Amostrais 9.5 Amostragem Não-probabilística 9.6 Amostragem Probabilística

Leia mais

AULAS 13, 14 E 15 Correlação e Regressão

AULAS 13, 14 E 15 Correlação e Regressão 1 AULAS 13, 14 E 15 Correlação e Regressão Ernesto F. L. Amaral 23, 28 e 30 de setembro de 2010 Metodologia de Pesquisa (DCP 854B) Fonte: Triola, Mario F. 2008. Introdução à estatística. 10 ª ed. Rio de

Leia mais

Distribuições de Probabilidade Distribuição Normal

Distribuições de Probabilidade Distribuição Normal PROBABILIDADES Distribuições de Probabilidade Distribuição Normal BERTOLO PRELIMINARES Quando aplicamos a Estatística na resolução de situações-problema, verificamos que muitas delas apresentam as mesmas

Leia mais

Apresentação... 19 Prefácio da primeira edição... 21 Prefácio da segunda edição... 27 Introdução... 33

Apresentação... 19 Prefácio da primeira edição... 21 Prefácio da segunda edição... 27 Introdução... 33 Sumário Apresentação... 19 Prefácio da primeira edição... 21 Prefácio da segunda edição... 27 Introdução... 33 Capítulo I CIÊNCIA, CONHECIMENTOS E PESQUISA CIENTÍFICA... 37 1. Conceito de ciência e tipos

Leia mais

http://www.de.ufpb.br/~luiz/

http://www.de.ufpb.br/~luiz/ UNIVERSIDADE FEDERAL DA PARAÍBA MEDIDAS DESCRITIVAS Departamento de Estatística Luiz Medeiros http://www.de.ufpb.br/~luiz/ Vimos que é possível sintetizar os dados sob a forma de distribuições de frequências

Leia mais

Estatística: Conceitos e Organização de Dados. Introdução Conceitos Método Estatístico Dados Estatísticos Tabulação de Dados Gráficos

Estatística: Conceitos e Organização de Dados. Introdução Conceitos Método Estatístico Dados Estatísticos Tabulação de Dados Gráficos Estatística: Conceitos e Organização de Dados Introdução Conceitos Método Estatístico Dados Estatísticos Tabulação de Dados Gráficos Introdução O que é Estatística? É a parte da matemática aplicada que

Leia mais

O método científico método científico Fonte: Metodologia científica: Fonte:

O método científico método científico Fonte: Metodologia científica:  Fonte: O método científico O método científico refere-se a um aglomerado de regras de como se deve proceder a fim de produzir conhecimento dito científico, quer seja este um novo conhecimento, quer seja este

Leia mais

Métodos Estatísticos. 6 - Amostragem. Referencia: Estatística Aplicada às Ciências Sociais, Cap. 3 Pedro Alberto Barbetta. Ed. UFSC, 5ª Edição, 2002.

Métodos Estatísticos. 6 - Amostragem. Referencia: Estatística Aplicada às Ciências Sociais, Cap. 3 Pedro Alberto Barbetta. Ed. UFSC, 5ª Edição, 2002. Métodos Estatísticos 6 - Amostragem Referencia: Estatística Aplicada às Ciências Sociais, Cap. 3 Pedro Alberto Barbetta. Ed. UFSC, 5ª Edição, 2002. População x Amostra População - conjunto dos elementos

Leia mais

Curso: Logística e Transportes Disciplina: Estatística Profa. Eliane Cabariti. Distribuição Normal

Curso: Logística e Transportes Disciplina: Estatística Profa. Eliane Cabariti. Distribuição Normal Curso: Logística e Transportes Disciplina: Estatística Profa. Eliane Cabariti Distribuição Normal 1. Introdução O mundo é normal! Acredite se quiser! Muitos dos fenômenos aleatórios que encontramos na

Leia mais

O QUE É E COMO FUNCIONA O CREDIT SCORING PARTE I

O QUE É E COMO FUNCIONA O CREDIT SCORING PARTE I O QUE É E COMO FUNCIONA O CREDIT SCORING PARTE I! A utilização de escores na avaliação de crédito! Como montar um plano de amostragem para o credit scoring?! Como escolher as variáveis no modelo de credit

Leia mais

ANÁLISE DOS SISTEMAS DE MEDIÇÃO MSA SISTEMA DE MEDIÇÃO NÃO REPLICÁVEL

ANÁLISE DOS SISTEMAS DE MEDIÇÃO MSA SISTEMA DE MEDIÇÃO NÃO REPLICÁVEL ANÁLISE DOS SISTEMAS DE MEDIÇÃO MSA SISTEMA DE MEDIÇÃO NÃO REPLICÁVEL Vinicius Fechio Técnico de Metrologia Brasmetal Waelzholz S. A. Ind. e Com. Julho/ 2009 E-mail: vfechio@brasmetal.com.br / Site: www.brasmetal.com.br

Leia mais

DISTRIBUIÇÕES DE PROBABILIDADES de variável discreta BERNOULLI E BINOMIAL

DISTRIBUIÇÕES DE PROBABILIDADES de variável discreta BERNOULLI E BINOMIAL DISTRIBUIÇÕES DE PROBABILIDADES de variável discreta BERNOULLI E BINOMIAL Introdução Variável aleatória Discreta: assume um número finito ou infinito numerável de valores Contínua: assume todos os valores

Leia mais

NOTAS DE AULA Capítulo 1 Introdução à Análise Exploratória de dados

NOTAS DE AULA Capítulo 1 Introdução à Análise Exploratória de dados NOTAS DE AULA Capítulo 1 Introdução à Análise Exploratória de dados 1) Estatística: o O que é? o Para que serve? o Qual a importância para o meu trabalho? o Qual a importância no dia a dia?? 2) Abordagem:

Leia mais

Introdução à análise de dados discretos

Introdução à análise de dados discretos Exemplo 1: comparação de métodos de detecção de cárie Suponha que um pesquisador lhe apresente a seguinte tabela de contingência, resumindo os dados coletados por ele, oriundos de um determinado experimento:

Leia mais

Noções de Pesquisa e Amostragem. André C. R. Martins

Noções de Pesquisa e Amostragem. André C. R. Martins Noções de Pesquisa e Amostragem André C. R. Martins 1 Bibliografia Silva, N. N., Amostragem probabilística, EDUSP. Freedman, D., Pisani, R. e Purves, R., Statistics, Norton. Tamhane, A. C., Dunlop, D.

Leia mais

Pesquisa Aplicada à Estatística

Pesquisa Aplicada à Estatística Pesquisa Aplicada à Estatística Tatiene Correia de Souza / UFPB tatiene@de.ufpb.br September 14, 2014 Souza () Pesquisa Aplicada à Estatística September 14, 2014 1 / 23 Estatística: ideias gerais O que

Leia mais

Lista IV - Curva Normal. Professor Salvatore Estatística I

Lista IV - Curva Normal. Professor Salvatore Estatística I Lista IV - Curva Normal Professor Salvatore Estatística I 19/12/2011 Consulta à tabela Normal: 1. Estabeleça a área entre 0 (zero) e Zi igual a a. + 1,35 b. + 1,58 c. +2,05 d. +2,76 e. -1,26 f. -2,49 g.

Leia mais

CURSO ON-LINE PROFESSOR: VÍTOR MENEZES. Comentários sobre as provas de estatística e financeira ICMS RJ

CURSO ON-LINE PROFESSOR: VÍTOR MENEZES. Comentários sobre as provas de estatística e financeira ICMS RJ Comentários sobre as provas de estatística e financeira ICMS RJ Caríssimos, Acabei de voltar de uma longa auditoria em que visitamos inúmeros assentamentos federais do INCRA no interior do estado. Ou seja:

Leia mais

Vetores Aleatórios, correlação e conjuntas

Vetores Aleatórios, correlação e conjuntas Vetores Aleatórios, correlação e conjuntas Cláudio Tadeu Cristino 1 1 Universidade Federal Rural de Pernambuco, Recife, Brasil Segundo Semestre, 2013 C.T.Cristino (DEINFO-UFRPE) Vetores Aleatórios 2013.2

Leia mais

Pesquisa em Marketing

Pesquisa em Marketing Pesquisa em Marketing Aula 4 1. Identificar o tamanho da amostral ideal 2. Saber calcular a amostra O Processo de Amostragem TIPOS DE AMOSTRAGEM Amostra não-probabilística Amostra por Conveniência Amostra

Leia mais

Aula 4 Conceitos Básicos de Estatística. Aula 4 Conceitos básicos de estatística

Aula 4 Conceitos Básicos de Estatística. Aula 4 Conceitos básicos de estatística Aula 4 Conceitos Básicos de Estatística Aula 4 Conceitos básicos de estatística A Estatística é a ciência de aprendizagem a partir de dados. Trata-se de uma disciplina estratégica, que coleta, analisa

Leia mais

CURVA DE GAUSS. Bruno Vaz Hennemann (03) Gabriel Gustavo Ferrarini (10) Murillo Henrique de Mello Peteffi (25) Paulo Renan Schmitt Pereira (26)

CURVA DE GAUSS. Bruno Vaz Hennemann (03) Gabriel Gustavo Ferrarini (10) Murillo Henrique de Mello Peteffi (25) Paulo Renan Schmitt Pereira (26) FUNDAÇÃO ESCOLA TÉCNICA LIBERATO SALZANO VIEIRA DA CUNHA CURSO TÉCNICO EM MECÂNICA PRIMEIRA SÉRIE DO ENSINO MÉDIO Turma 3111 Grupo E Projeto Reconstrução de uma Experiência do MCT-PUC CURVA DE GAUSS Bruno

Leia mais

Lista de Exercícios 03 Algoritmos e Scilab Estrutura de Repetição 1) Escreva um algoritmo em Scilab que imprima todos os números inteiros de 0 a 50.

Lista de Exercícios 03 Algoritmos e Scilab Estrutura de Repetição 1) Escreva um algoritmo em Scilab que imprima todos os números inteiros de 0 a 50. Lista de Exercícios 03 Algoritmos e Scilab Estrutura de Repetição 1) Escreva um algoritmo em Scilab que imprima todos os números inteiros de 0 a 50. 2) Escreva um algoritmo em Scilab que imprima todos

Leia mais

Lista de Exercícios 03 Algoritmos e Scilab Estrutura de Repetição 1) Escreva um algoritmo em Scilab que imprima todos os números inteiros de 0 a 50.

Lista de Exercícios 03 Algoritmos e Scilab Estrutura de Repetição 1) Escreva um algoritmo em Scilab que imprima todos os números inteiros de 0 a 50. Lista de Exercícios 03 Algoritmos e Scilab Estrutura de Repetição 1) Escreva um algoritmo em Scilab que imprima todos os números inteiros de 0 a 50. 2) Escreva um algoritmo em Scilab que imprima todos

Leia mais

Revisão de Estatística Básica:

Revisão de Estatística Básica: Revisão de Estatística Básica: Estatística: Um número é denominado uma estatística (singular). Ex.: As vendas de uma empresa no mês constituem uma estatística. Estatísticas: Uma coleção de números ou fatos

Leia mais

MÓDULO 1. I - Estatística Básica

MÓDULO 1. I - Estatística Básica MÓDULO 1 I - 1 - Conceito de Estatística Estatística Técnicas destinadas ao estudo quantitativo de fenômenos coletivos e empíricamente observáveis. Unidade Estatística nome dado a cada observação de um

Leia mais

Estatística Aplicada

Estatística Aplicada INSTITUTO SUPERIOR POLITÉCNICO DE VISEU ESCOLA SUPERIOR DE TECNOLOGIA Estatística Aplicada Ano Lectivo 2006/2007 Ficha n.º1 1. O director comercial de uma cadeia de lojas pretende comparar duas técnicas

Leia mais

Bioestatística Aula 3

Bioestatística Aula 3 Aula 3 Castro Soares de Oliveira Probabilidade Probabilidade é o ramo da matemática que estuda fenômenos aleatórios. Probabilidade é uma medida que quantifica a sua incerteza frente a um possível acontecimento

Leia mais

Variáveis Aleatórias Discretas e Distribuições de Probabilidade

Variáveis Aleatórias Discretas e Distribuições de Probabilidade Variáveis Aleatórias Discretas e Distribuições de Probabilidade Objetivos do aprendizado a.determinar probabilidades a partir de funções de probabilidade b.determinar probabilidades a partir de funções

Leia mais

QUALITATIVA VARIÁVEL QUANTITATIVA

QUALITATIVA VARIÁVEL QUANTITATIVA NOMINAL ORDINAL QUALITATIVA VARIÁVEL QUANTITATIVA DISCRETA CONTÍNUA - Variável qualitativa nominal = valores que expressam atributos, sem nenhum tipo de ordem. Ex: cor dos olhos, sexo, estado civil, presença

Leia mais

CURSO ON-LINE PROFESSOR: VÍTOR MENEZES

CURSO ON-LINE PROFESSOR: VÍTOR MENEZES Caros concurseiros, Como havia prometido, seguem comentários sobre a prova de estatística do ICMS RS. Em cada questão vou fazer breves comentários, bem como indicar eventual possibilidade de recurso. Não

Leia mais

Teste de Hipótese para uma Amostra Única

Teste de Hipótese para uma Amostra Única Teste de Hipótese para uma Amostra Única OBJETIVOS DE APRENDIZAGEM Depois de um cuidadoso estudo deste capítulo, você deve ser capaz de: 1.Estruturar problemas de engenharia de tomada de decisão, como

Leia mais

CURSO ON-LINE PROFESSOR GUILHERME NEVES

CURSO ON-LINE PROFESSOR GUILHERME NEVES Olá pessoal! Neste ponto resolverei a prova de Matemática Financeira e Estatística para APOFP/SEFAZ-SP/FCC/2010 realizada no último final de semana. A prova foi enviada por um aluno e o tipo é 005. Os

Leia mais

Universidade Federal do Paraná Departamento de Informática. Reconhecimento de Padrões. Revisão de Probabilidade e Estatística

Universidade Federal do Paraná Departamento de Informática. Reconhecimento de Padrões. Revisão de Probabilidade e Estatística Universidade Federal do Paraná Departamento de Informática Reconhecimento de Padrões Revisão de Probabilidade e Estatística Luiz Eduardo S. Oliveira, Ph.D. http://lesoliveira.net Conceitos Básicos Estamos

Leia mais

INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA. Estatística II Prof. Salvatore

INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA. Estatística II Prof. Salvatore INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA Estatística II Prof. Salvatore O que é Estatística? A estatística pode ser considerada a Ciência que se preocupa com a organização, análise e interpretação de dados

Leia mais

CÁLCULO DO TAMANHO DA AMOSTRA PARA UMA PESQUISA ELEITORAL. Raquel Oliveira dos Santos, Luis Felipe Dias Lopes

CÁLCULO DO TAMANHO DA AMOSTRA PARA UMA PESQUISA ELEITORAL. Raquel Oliveira dos Santos, Luis Felipe Dias Lopes CÁLCULO DO TAMANHO DA AMOSTRA PARA UMA PESQUISA ELEITORAL Raquel Oliveira dos Santos, Luis Felipe Dias Lopes Programa de Pós-Graduação em Estatística e Modelagem Quantitativa CCNE UFSM, Santa Maria RS

Leia mais

AULAS 22, 23 E 24 A lógica da amostragem do survey

AULAS 22, 23 E 24 A lógica da amostragem do survey 1 AULAS 22, 23 E 24 A lógica da amostragem do survey Ernesto F. L. Amaral 03, 09 e 10 de junho de 2011 Metodologia (DCP 033) Fonte: Babbie, Earl. 1999. Métodos de Pesquisas de Survey. Belo Horizonte: Editora

Leia mais

Teorema Central do Limite e Intervalo de Confiança

Teorema Central do Limite e Intervalo de Confiança Probabilidade e Estatística Teorema Central do Limite e Intervalo de Confiança Teorema Central do Limite Teorema Central do Limite Um variável aleatória pode ter uma distribuição qualquer (normal, uniforme,...),

Leia mais

Distribuição de Freqüência

Distribuição de Freqüência Distribuição de Freqüência Representação do conjunto de dados Distribuições de freqüência Freqüência relativa Freqüência acumulada Representação Gráfica Histogramas Organização dos dados Os métodos utilizados

Leia mais

DESENVOLVIMENTO DE UM SOFTWARE NA LINGUAGEM R PARA CÁLCULO DE TAMANHOS DE AMOSTRAS NA ÁREA DE SAÚDE

DESENVOLVIMENTO DE UM SOFTWARE NA LINGUAGEM R PARA CÁLCULO DE TAMANHOS DE AMOSTRAS NA ÁREA DE SAÚDE DESENVOLVIMENTO DE UM SOFTWARE NA LINGUAGEM R PARA CÁLCULO DE TAMANHOS DE AMOSTRAS NA ÁREA DE SAÚDE Mariane Alves Gomes da Silva Eliana Zandonade 1. INTRODUÇÃO Um aspecto fundamental de um levantamento

Leia mais

Disciplina Estatística Prof. Msc Quintiliano Siqueira Schroden Nomelini LISTA DE DSITRIBUIÇÕES DE PROBABILIDADE DISTRIBUIÇÕES DISCRETAS

Disciplina Estatística Prof. Msc Quintiliano Siqueira Schroden Nomelini LISTA DE DSITRIBUIÇÕES DE PROBABILIDADE DISTRIBUIÇÕES DISCRETAS Disciplina Estatística Prof. Msc Quintiliano Siqueira Schroden Nomelini LISTA DE DSITRIBUIÇÕES DE PROBABILIDADE DISTRIBUIÇÕES DISCRETAS 1) Devido às altas taxas de juros, uma firma informa que 30% de suas

Leia mais

1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3.

1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3. 1 1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3. Modelo de Resultados Potenciais e Aleatorização (Cap. 2 e 3

Leia mais

Após essa disciplina você vai ficar convencido que a estatística tem enorme aplicação em diversas áreas.

Após essa disciplina você vai ficar convencido que a estatística tem enorme aplicação em diversas áreas. UNIVERSIDADE FEDERAL DA PARAÍBA INTRODUÇÃO Departamento de Estatística Luiz Medeiros http://www.de.ufpb.br/~luiz/ CONCEITOS FUNDAMENTAIS DE ESTATÍSTICA O que a Estatística significa para você? Pesquisas

Leia mais

Resoluções comentadas das questões de Estatística da prova para. ANALISTA DE GERENCIAMENTO DE PROJETOS E METAS da PREFEITURA/RJ

Resoluções comentadas das questões de Estatística da prova para. ANALISTA DE GERENCIAMENTO DE PROJETOS E METAS da PREFEITURA/RJ Resoluções comentadas das questões de Estatística da prova para ANALISTA DE GERENCIAMENTO DE PROJETOS E METAS da PREFEITURA/RJ Realizada pela Fundação João Goulart em 06/10/2013 41. A idade média de todos

Leia mais

UNIVERSIDADE FEDERAL DO PIAUÍ (UFPI) ENG. DE PRODUÇÃO PROBABILIDADE E ESTATÍSTICA 2

UNIVERSIDADE FEDERAL DO PIAUÍ (UFPI) ENG. DE PRODUÇÃO PROBABILIDADE E ESTATÍSTICA 2 UNIVERSIDADE FEDERAL DO PIAUÍ (UFPI) ENG. DE PRODUÇÃO PROBABILIDADE E ESTATÍSTICA 2 LISTA N O 2 Prof.: William Morán Sem. I - 2011 1) Considere a seguinte função distribuição conjunta: 1 2 Y 0 0,7 0,0

Leia mais

Guia do professor. Ministério da Ciência e Tecnologia. Ministério da Educação. Secretaria de Educação a Distância.

Guia do professor. Ministério da Ciência e Tecnologia. Ministério da Educação. Secretaria de Educação a Distância. números e funções Guia do professor Objetivos da unidade 1. Analisar representação gráfica de dados estatísticos; 2. Familiarizar o aluno com gráfico de Box Plot e análise estatística bivariada; 3. Utilizar

Leia mais

INTELIGÊNCIA ARTIFICIAL Data Mining (DM): um pouco de prática. (1) Data Mining Conceitos apresentados por

INTELIGÊNCIA ARTIFICIAL Data Mining (DM): um pouco de prática. (1) Data Mining Conceitos apresentados por INTELIGÊNCIA ARTIFICIAL Data Mining (DM): um pouco de prática (1) Data Mining Conceitos apresentados por 1 2 (2) ANÁLISE DE AGRUPAMENTOS Conceitos apresentados por. 3 LEMBRE-SE que PROBLEMA em IA Uma busca

Leia mais

PROVA ESCRITA DE ESTATÍSTICA VERSÃO A. 04 As classes de uma distribuição de freqüência devem ser mutuamente exclusivas para que

PROVA ESCRITA DE ESTATÍSTICA VERSÃO A. 04 As classes de uma distribuição de freqüência devem ser mutuamente exclusivas para que COMANDO DA AERONÁUTICA DEPARTAMENTO DE ENSINO DA AERONÁUTICA CENTRO DE INSTRUÇÃO E ADAPTAÇÃO DA AERONÁUTICA CONCURSO DE ADMISSÃO AO EAOT 00 EXAME DE CONHECIMENTOS ESPECIALIZADOS PROVA ESCRITA DE ESTATÍSTICA

Leia mais

ESTATÍSTICA BÁSICA COM ANÁLISE E TRATAMENTO ESTATÍSTICO DE DADOS EM SPSS

ESTATÍSTICA BÁSICA COM ANÁLISE E TRATAMENTO ESTATÍSTICO DE DADOS EM SPSS ESTATÍSTICA BÁSICA COM ANÁLISE E TRATAMENTO ESTATÍSTICO DE DADOS EM SPSS Escola de Enfermagem UFRGS Julho/2007 Juscelino Zemiacki Estatístico Programa Básico: AULA 1 Noções Básicas de Estatística AULA

Leia mais

CURSO DE ESTATÍSTICA APLICADA

CURSO DE ESTATÍSTICA APLICADA CURSO DE ESTATÍSTICA APLICADA Prof. Henrique Dantas Neder Instituto de Economia Universidade Federal de Uberlândia. SUMÁRIO 1. Introdução... 4. Estatística Descritiva... 8.1 Tipos de Variáveis... 8. Tabelas

Leia mais

UNIVERSIDADE FEDERAL DE UBERLÂNDIA FACULDADE DE MATEMÁTICA 4 a LISTA DE EXERCÍCIOS GBQ12 Professor: Ednaldo Carvalho Guimarães AMOSTRAGEM

UNIVERSIDADE FEDERAL DE UBERLÂNDIA FACULDADE DE MATEMÁTICA 4 a LISTA DE EXERCÍCIOS GBQ12 Professor: Ednaldo Carvalho Guimarães AMOSTRAGEM 1 UNIVERSIDADE FEDERAL DE UBERLÂNDIA FACULDADE DE MATEMÁTICA 4 a LISTA DE EXERCÍCIOS GBQ12 Professor: Ednaldo Carvalho Guimarães AMOSTRAGEM 1) Um pesquisador está interessado em saber o tempo médio que

Leia mais

Avaliando o que foi Aprendido

Avaliando o que foi Aprendido Avaliando o que foi Aprendido Treinamento, teste, validação Predição da performance: Limites de confiança Holdout, cross-validation, bootstrap Comparando algoritmos: o teste-t Predecindo probabilidades:função

Leia mais

MINISTE RIO DA EDUCAÇA O UNIVERSIDADE FEDERAL DE LAVRAS DEPARTAMENTO DE CIE NCIAS EXATAS

MINISTE RIO DA EDUCAÇA O UNIVERSIDADE FEDERAL DE LAVRAS DEPARTAMENTO DE CIE NCIAS EXATAS MINISTE RIO DA EDUCAÇA O UNIVERSIDADE FEDERAL DE LAVRAS DEPARTAMENTO DE CIE NCIAS EXATAS Programa de Pós-Graduação em Estatística e Experimentação Agropecuária Prova do Processo Seletivo para o Mestrado

Leia mais

BIOMETRIA:CURVA DE CRESCIMENTO

BIOMETRIA:CURVA DE CRESCIMENTO UNIVERSIDADE FEDERAL DO PARÁ INSTITUTO DE CIÊNCIAS EXATAS E NATURAIS FACULDADE DE ESTATÍSTICA BIOMETRIA:CURVA DE CRESCIMENTO TAYANI RAIANA DE SOUZA ROQUE Disciplina: Estatística Aplicada Professores: Héliton

Leia mais

Estatística Aplicada para Engenharia Inferência para Duas Populações

Estatística Aplicada para Engenharia Inferência para Duas Populações Universidade Federal Fluminense Instituto de Matemática e Estatística Estatística Aplicada para Engenharia Inferência para Duas Populações Ana Maria Lima de Farias Departamento de Estatística Conteúdo

Leia mais

Resoluções comentadas de Raciocínio Lógico e Estatística - SEPLAG-2010 - EPPGG

Resoluções comentadas de Raciocínio Lógico e Estatística - SEPLAG-2010 - EPPGG Resoluções comentadas de Raciocínio Lógico e Estatística - SEPLAG-010 - EPPGG 11. Em uma caixa há 1 bolas de mesmo tamanho: 3 brancas, 4 vermelhas e 5 pretas. Uma pessoa, no escuro, deve retirar n bolas

Leia mais

ESTATÍSTICA. Prof. Ari Antonio, Me. Ciências Econômicas. Unemat Sinop 2012

ESTATÍSTICA. Prof. Ari Antonio, Me. Ciências Econômicas. Unemat Sinop 2012 ESTATÍSTICA Prof. Ari Antonio, Me Ciências Econômicas Unemat Sinop 2012 1. Introdução Concepções de Estatística: 1. Estatísticas qualquer coleção consistente de dados numéricos reunidos a fim de fornecer

Leia mais

TEORIA DO RISCO. LUIZ SANTOS / MAICKEL BATISTA economia.prof.luiz@hotmail.com maickel_ewerson@hotmail.com

TEORIA DO RISCO. LUIZ SANTOS / MAICKEL BATISTA economia.prof.luiz@hotmail.com maickel_ewerson@hotmail.com TEORIA DO RISCO LUIZ SANTOS / MAICKEL BATISTA economia.prof.luiz@hotmail.com maickel_ewerson@hotmail.com 1 TARIFAÇÃO (FERREIRA, 2002) Diversos conceitos e metodologias envolvidos no cálculo do preço pago

Leia mais

Teorema do Limite Central e Intervalo de Confiança

Teorema do Limite Central e Intervalo de Confiança Probabilidade e Estatística Teorema do Limite Central e Intervalo de Confiança Teorema do Limite Central Teorema do Limite Central Um variável aleatória pode ter uma distribuição qualquer (normal, uniforme,...),

Leia mais

PROBABILIDADE E ESTATÍSTICA (SI)

PROBABILIDADE E ESTATÍSTICA (SI) PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO GRANDE DO SUL FACULDADE DE MATEMÁTICA DEPARTAMENTO DE ESTATÍSTICA Prof. Hélio Radke Bittencourt PROBABILIDADE E ESTATÍSTICA (SI) 1. CONCEITOS BÁSICOS DE ESTATÍSTICA

Leia mais

Exercícios Resolvidos sobre Amostragem

Exercícios Resolvidos sobre Amostragem Exercícios Resolvidos sobre Amostragem Observe agora, nestes Exercícios Resolvidos, como alguns parâmetros estatísticos devem ser construídos para formar amostras fidedignas de certas populações ou fenômenos

Leia mais

PE-MEEC 1S 09/10 118. Capítulo 4 - Variáveis aleatórias e. 4.1 Variáveis. densidade de probabilidade 4.2 Valor esperado,

PE-MEEC 1S 09/10 118. Capítulo 4 - Variáveis aleatórias e. 4.1 Variáveis. densidade de probabilidade 4.2 Valor esperado, Capítulo 4 - Variáveis aleatórias e distribuições contínuas 4.1 Variáveis aleatórias contínuas. Função densidade de probabilidade 4.2 Valor esperado, variância e algumas das suas propriedades. Moda e quantis

Leia mais

Aula 5 Distribuição amostral da média

Aula 5 Distribuição amostral da média Aula 5 Distribuição amostral da média Nesta aula você irá aprofundar seus conhecimentos sobre a distribuição amostral da média amostral. Na aula anterior analisamos, por meio de alguns exemplos, o comportamento

Leia mais

Análise Exploratória de Dados

Análise Exploratória de Dados Análise Exploratória de Dados Profª Alcione Miranda dos Santos Departamento de Saúde Pública UFMA Programa de Pós-graduação em Saúde Coletiva email: alcione.miranda@gmail.com Introdução O primeiro passo

Leia mais

Estatística II Aula 1. Prof.: Patricia Maria Bortolon, D. Sc.

Estatística II Aula 1. Prof.: Patricia Maria Bortolon, D. Sc. Estatística II Aula 1 Prof.: Patricia Maria Bortolon, D. Sc. Por que estudar estatística? Abordagem crescentemente quantitativa na análise dos problemas; Quantidade crescente de dados Com que qualidade?

Leia mais

Prova Escrita de Matemática Aplicada às Ciências Sociais

Prova Escrita de Matemática Aplicada às Ciências Sociais EXAME NACIONAL DO ENSINO SECUNDÁRIO Decreto-Lei n.º 74/2004, de 26 de Março Prova Escrita de Matemática Aplicada às Ciências Sociais 10.º/11.º Anos ou 11.º/12.º Anos de Escolaridade Prova 835/1.ª Fase

Leia mais

PLANIFICAÇÃO ANUAL. MACS Matemática Aplicada às Ciências Sociais. Curso de Línguas e Humanidades 2º ANO (11º ANO)

PLANIFICAÇÃO ANUAL. MACS Matemática Aplicada às Ciências Sociais. Curso de Línguas e Humanidades 2º ANO (11º ANO) PLANIFICAÇÃO ANUAL MACS Matemática Aplicada às Ciências Sociais Curso de Línguas e Humanidades º ANO (º ANO) Ano Lectivo 0/05 Planificação º Ano - MACS º Período Número de Aulas Previstas 0 Apresentação

Leia mais

Controle estatístico de processo: algumas ferramentas estatísticas. Linda Lee Ho Depto Eng de Produção EPUSP 2009

Controle estatístico de processo: algumas ferramentas estatísticas. Linda Lee Ho Depto Eng de Produção EPUSP 2009 Controle estatístico de processo: algumas ferramentas estatísticas Linda Lee Ho Depto Eng de Produção EPUSP 2009 Controle estatístico de Processo (CEP) Verificar estabilidade processo Coleção de ferramentas

Leia mais

UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPARTAMENTO DE ESTATÍSTICA CE003 ESTATÍSTICA II. (Notas de Aula) UFPR

UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPARTAMENTO DE ESTATÍSTICA CE003 ESTATÍSTICA II. (Notas de Aula) UFPR UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPARTAMENTO DE ESTATÍSTICA CE003 ESTATÍSTICA II (Notas de Aula) DEPARTAMENTO DE ESTATÍSTICA UFPR Curitiba, 27 de fevereiro de 2009 Sumário 1 Conceitos

Leia mais

Intervalo de Confiança e cálculo de tamanho de amostra. Henrique Dantas Neder

Intervalo de Confiança e cálculo de tamanho de amostra. Henrique Dantas Neder Intervalo de Confiança e cálculo de tamanho de amostra Henrique Dantas Neder Intervalo de confiança para a média da população µ X Até o momento discutimos as propriedades da distrbuição normal e vimos

Leia mais