Computação das Medidas de Tendência Central e Dispersão Intervalares em Java
|
|
- Kátia Amorim
- 5 Há anos
- Visualizações:
Transcrição
1 V ERMAC-R o Ecotro Regoal de Matemátca Aplcada e Computacoal 9- de outubro de 00 Uersdade Potguar Natal/RN Computação das Meddas de Tedêca Cetral e Dspersão Iteralares em Jaa Laís M. Nees, Elaqum L. S. Neto, Eduardo W. M. Almeda, Daele P. Satos Thago A. S. Nascmeto, João G. Q. L. Marts, Marcíla A. Campos Cetro de Iformátca, CI, UFPE, , Recfe, PE (lm, els, ewma, dps, tas, jgqlm, mac)@féb.uesp.br Ale B. Loreto Depto de Matemátca, UNISC, , Sata Cruz do Sul, RS abl@usc.br Resumo: O presete trabalho tem como objeto computar as Meddas de Tedêca Cetral méda, medaa e moda e as Meddas de Dspersão ampltude, arâca, deso padrão, coefcete de aração, coarâca e coefcete de correlação a íel teralar. Para sso utlza-se a bbloteca de operações artmétcas teralares (+, -, *, /) deseolda o ambete de programação Jaa []. Palaras-chae: dcadores estatístcos, matemátca teralar, Jaa, artmétca de exatdão máxma. j Itrodução Uma forma de se cosderar ão somete os erros umércos, mas também os erros aleatóros eretes aos alores x,..., x e y,..., y é cosderar que, para,.., e j,...,, x [ x, x ] e y [ y, y ] j j. Neste caso, cosderamse os dados de etrada (as amostras) { x,..., x }, x Χ,..., x Χ, ou seja, domíos teralares ode Χ [ x, ],..., Χ x [ x, x ]. Nestas stuações, para dferetes alores possíes x Χ, obtém-se dferetes alores da méda me, moda mo, medaa md, ampltude am, arâca a, deso padrão dp, coefcete de aração c, coarâca co e coefcete de correlação cc. Cosderado que os dados de etrada são alores teralares, deseja-se cohecer quas são os teralos méda teralar ME, medaa teralar MD, moda teralar MO, arâca teralar VA, deso padrão teralar DP, coefcete de aração teralar CV, coarâca teralar Co, coefcete de correlação teralar CC e ampltude teralar AM dos possíes alores da méda me, moda mo, medaa md, arâca a, deso padrão dp, coefcete de aração c, coarâca co, coefcete de correlação cc e ampltude am. As defções dos dcadores méda teralar, moda teralar, arâca teralar e deso padrão teralar foram retradas de Campos e Fara [], os dcadores coarâca teralar e coefcete de correlação teralar foram pesqusadas em [7] e []. A defção do dcador coefcete de aração teralar fo formulada por []. Exemplo. Sejam os alores reas {; ; ; ; } e {; ; ; ; } amostras aleatóras de uma população. Represetado estes alores de forma teralar, com precsão ε 0 temos como dados de etrada os alo- res teralares {[0:99; :0]; [:99; :0]; [:99; :0]; [:99,,0], [.99,,0]} e {[:99; :0]; [:99; :0]; [0:99; :0]; [:99; :0]; [:99; :0]}. Vamos cosderar estes dados teralares para exemplfcar os cálculos de cada dcador teralar defdo a segur. As operações teralares eoldas os cocetos segutes podem ser ecotradas em Moore []. Os cálculos dos exemplos, de cada dcador teralar, foram realzados utlzado sstema de poto flutuate F(0,, -0,0) com arredodameto drecoado [].. Méda artmétca Iteralar Cosdere [ x, x ] [ x, Logo ME [ x, x ] x ] Esta últma expressão pode ser resolda de duas formas dsttas:
2 ) usado a multplcação de um real por um teralo, como / > 0 ão haerá alteração os lmtes do teralo resultate e ) defdo o teralo degeerado [/; /] e usado a multplcação de teralos. Em ambos os casos tem-se a Defção.. MÉDIA ARITMÉTICA INTERVA- LAR [ me( x ), me( x)] [ me,. ME Se for ecessáro um úco alor para a méda, calcular o poto médo do teralo, usado m ( x) ( x + x)/ Exemplo. Com os alores teralares [:99; :0], [:99; :0], [0:99; :0], [:99; :0] e [:99; :0], ão obtemos alor modal teralar MO pos ão exste, para estes dados teralares, teralos repetdos.. Varâca Iteralar Temos que x ME e [ x, x] [ me, [ x me, x Exemplo. Cosderado os alores teralares [0,99;,0], [,99;,0], [,99;,0], [,99;,0] e [,99;,0], obtemos ME [,78;,8].. Medaa Iteralar Prmeramete dee-se ordear os dados teralares de acordo com os segutes casos: TODOS OS INTERVALOS DISJUNTOS: cosdera-se a ordem teralar de Kulsch []:..., ode x x x x TODOS OS INTERVALOS ENCAIADOS: este caso, para a ordeação dos elemetos, cosdera-se a ordem de clusão [] :..., ode () ( ) () () x x ( ) x x A medaa teralar MD correspoderá ao teralo medao. A posção deste teralo é calculada como em alores reas. Defção.. MEDIANA INTERVALAR ME [ me( x ), me( x)] [ me,. Moda Iteralar Defe-se o teralo modal por Defção.. MODA INTERVALAR Se exste um alor modal para os dados reas, etão MO [ mo { x}, mo { x}] [ mo, mo ] Exemplo. Com os alores [0,99;,0], [,99;,0], [,99;,0], [,99;,0] e [,99;,0], obtemos MO [,99;,0]. Etão defmos a arâca teralar como Defção.. VARIÂNCIA INTERVALAR VA [ a, a] ( x ME) Exemplo. Cosderado os alores teralares do Exemplo [0,99;,0], [,99;,0], [,99;,0], [,99;,0] e [,99;,0], obtemos ME [,78;,8] e VA [,08;,].. Deso Padrão Iteralar Como o deso padrão é a raz quadrada posta da arâca, a obteção da raz quadrada de cada lmte do teralo VA, forecerá o teralo deso padrão DP: Defção.. DESVIO PADRÃO INTERVALAR DP VA + [ a, a] [ + a, + a] Exemplo 6. Cosderado o alor da arâca teralar, calculado o exemplo, VA [,08;,] obtemos DP [,;,0]. 6. Coefcete de Varação Iteralar Defção.6. COEFICIENTE DE VARIAÇÃO IN- TERVALAR Se 0 [ me,, etão CV [ c, c] DP ME [ dp, dp] [ me, [ dp, dp] [ me, Exemplo 7. Cosderado os mesmos alores teralares do exemplo da arâca teralar, Exemplo, e
3 o teralo do deso padrão teralar DP [,;,0], calculado o Exemplo, obtemos ME [,78;,8] e CV [0,; 0,]. 7. Coarâca Iteralar Temos que: x ME e y ME [ x, x] [ me, [ x me, x [ y, y] [ me, me ] [ y me, y me ] ode ME é a méda teralar dos alores de e ME a méda teralar dos alores de. Etão, defmos a coarâca teralar como: Defção.7. COVARIÂNCIA INTERVALAR CO [, ] ( )( ME co co x ME y ) Exemplo 8. Neste caso precsamos de dos cojutos de dados teralares. Cosderamos os mesmos alores teralares do Exemplo da arâca teralar [0,99;,0], [,99;,0], [,99;,0], [,99;,0] e [,99;,0],.., e os segutes dados teralares [,99; :0], [,99; :0], [0,99;,0], [,99;,0] e [,99;,0]. Obtemos ME [,78;,8], ME [,98;,00] e CO [,7;,87]. 8. Coefcete de Correlação Iteralar O coefcete de correlação teralar é defdo da segute maera: Defção.8. COEFICIENTE DE CORRELA- ÇÃO INTERVALAR Se 0 DP DP etão CC [ cc, cc] CO DPxDP y [ co, co] [ dp, dp ][ dp, dp ] (ode CO é coarâca teralar, DP o deso padrão teralar dos alores de e DP o deso padrão teralar dos alores de ). Exemplo 9. Cosdere os mesmos cojutos de alores teralares do Exemplo 7 da coarâca teralar. Obtemos os alores teralares de CO [,7;,87], DP DP [,0;,] e CC [0,8; 0,9]. 9. Ampltude Com os dados teralares ordeados segudo a ordem para teralos dsjutos " " ou teralos ecaxados " " (Item.), cosdera-se : Mímo Iteralar: MI [ m { x}, m { x}] [ m, m ] Máxmo Iteralar MO [ mo { }, { }] x mo x [ mo, mo ] Defe-se a ampltude total teralar como sedo: Defção.. AMPLITUDE TOTAL INTERVA- LAR [ma - m, ma - m], se ma m AT [ at, at] { [0, ma - m], se ma < m 0. Meddas de Erro Para erfcação de resultados e certfcação da ão ocorrêca de teralos superestmados (teralos com ampltude grade), cosderam-se as segutes meddas de erros [7]: ) x m ( Χ ) < ε, m ( Χ ) x + x, ode m( ) x + x / ; ) x m ( Χ ) < ) x x ; x m x ) x Χ w( Χ ), ode w( Χ ) ( w( Χ ), se m Χ 0, e realza-se uma comparação com os alores reas dos dcadores estatístcos descrtos acma. Estudo de Caso Como estudo de caso, amos cosderar o cálculo do IMC (Ídce de Massa Corporal) teralar dos aluos do eso fudametal de a. a 8a. sére da escola Nossa Sehora Imaculada Coceção, localzada a cdade de Cachoera do Sul, RS. O ídce de Massa Corporal (IMC) é uma fórmula que dca se uma pessoa está acma do peso, se está obeso ou com peso deal cosderado saudáel. A fórmula para calcular o Ídce de Massa Corporal é: IMC peso/(altura). Tabela.: Idade, IMC Meas e IMC Meos. Cosdera-se o IMC da turma de aluos da a. sére da escola Imaculada Coceção.
4 IMC das meas: {6.8786,.687, 0.78, 8.96, 9.879, 7.08,.66,.07, 6.97,.07,.609,.09, ,.86}. Represetação teralar: {[6.87, 6.88], [.6,.7], [0.778, 0.788], [8.9, 8.0], [9.8, 9.8], [7.0, 7.0], [.6,.66], [.066,.076], [6.908, 6.98], [.07,.07], [.60,.6], [.0,.], [6.06, 6.07], [.80,.80] }. Para calcular os dcadores estatístcos coarâca e coefcete de correlação precsa-se de dos cojutos de dados. Dessa forma, cosdera-se o IMC dos meos da a. sére da mesma escola (e algus alores do IMC das meas para completar o total de alores ecessáros): {6.8786,.06, 0.78, 9.0, 9.879, 7.69,.66,.7, 6.97, ,.07,.09, ,.86}. Represeta-se estes alores em teralos com a mesma precsão ± 0:00: {[6.87, 6.88], [.6,.6], [0.778, 0.788], [9.09, 9.09], [9.8, 9.8], [7., 7.], [.6,.66], [.79,.79], [6.908, 6.98],[0.88, 0.89], [.07,.07],[.0,.],[6.06, 6.07], [.80,.80]}. Na Tabela. apresetam-se os resultados dos dcadores estatístcos, reas e teralares, com IMC das meas da a. sére. Na Tabela. apreseta-se os erros obtdos ao calcular os dcadores estatístcos com alores teralares. Tabela.: Idcadores Estatístcos, dados com IMC reas (meas da a. sére) e dados com IMC teralares. Tabela.: Idcadores Estatístcos e erro relato (meas a. sére). Tabela.: Idcadores Estatístcos e erro relato (meos a.sére). IMC dos meos: {.06,.9, 9.0,.79, 7.69,.7, }. Represetação teralar: {[.6,.6], [.96,.96], [9.09, 9.09], [.69,.79], [7., 7.], [.79,.79], [0.88, 0.89]. Para os dcadores estatístcos coarâca e coefcete de correlação cosdera-se o IMC das meas da a. sére da mesma escola: {6.8786,.687, 0.78, 8.96, 9.879, 7.08,.66}. Represeta-se estes alores em teralos com a mesma precsão ± 0:00: {[6.87, 6.88], [.6,.7], [0.778, 0.788],[8.9, 8.0], [9.8, 9.8], [7.0, 7.0], [.6,.66]}. Na Tabela. apresetam-se os resultados dos dcadores estatístcos, reas e teralares, com IMC dos meos da a. sére. Na Tabela. apresetam-se os erros obtdos ao calcular os dcadores estatístcos com alores teralares.
5 Tabela.: Idcadores Estatístcos, dados com IMC reas (meos da a. sére) e dados com IMC teralares. [6] MOORE, R. E. Methods ad Applcatos of Iteral Aalyss. Socety for Idustral ad Appled Mathematcs, Phladelpha, PA, USA, 979. [7] RATSCHEK, H., ROKNE, J., New Computer Methods for Global Optmzato, Colls Horwood Lmted, Great Brta, 988. Implemetação As operações teralares aqu apresetadas, foram mplemetadas em lguagem de programação Jaa. Para realzar tas operações fo deseolda uma classe ode seus métodos recebem como etrada um cojuto de teralos e retoram como resultado um teralo que represeta a resposta da respecta operação realzada. É mportate ressaltar algumas peculardades da mplemetação, tas como o cálculo da Coarâca e do Coefcete de Correlação Iteralar, ode a etrada de dados para essas operações cosste em dos cojutos de teralo. No cálculo da Medaa e da Ampltude Iteralar, deemos assumr que os teralos pertecetes ao cojuto de etrada equadram-se em um dos casos de ordeação stos o Item. No cálculo da Moda Iteralar, quado a mesma ão exstr, será retorada uma saída ula. Agradecmetos Às professoras Marcíla A. Campos e Ale B. Loreto por todo o apoo dado ao osso trabalho. Às ossas famílas. Referêcas [] CAMPOS, M. A., FARIA, R. A. Defção de algus dcadores estatístcos usado teralos. I I Cogresso Nacoal de Matemátca Aplcada e Computacoal, Ouro Preto, MG, 988. [] FERREIRA, R. V., FERNANDES, B. T., CAMPOS, M. A., Ealuatg the floatg-pot Jaa Vrtual Mache, I Proceedgs ENNEMAC 00. [] KULISCH, U. W., MIRANKER, W. L., Computer Arthmetc Theory ad Practce. Academc Press, New or, New or, 98. [] LORETO, A. B., CAMPOS, M. A., CLAUDIO, D. M., TOSCANI, L. V. Aalsado a Complexdade Computacoal de Problemas de Meddas de Tedêca Cetral e Dspersão, CNMAC 00. [] MOORE, R. E., Iteral Aalyss. Pretce-Hall, Eglewood Clffs, New Jersey, 966.
Média. 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 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 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 maisEx: Cálculo da média dos pesos dos terneiros da fazenda Canoas-SC, à partir dos dados originais: x = 20
. MEDIDAS DE TENDÊNCIA CENTRAL (OU DE POSIÇÃO) Coceto: São aquelas que mostram o alor em toro do qual se agrupam as obserações.. MÉDIA ARITMÉTICA ( ) Sea (x, x,..., x ), uma amostra de dados: Se os dados
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 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 maisESTATÍSTICA APLICADA À ZOOTECNIA
ESTATÍSTICA APLICADA À ZOOTECNIA Eucldes Braga MALHEIROS *. INTRODUÇÃO.a) Somatóras e Produtóros Sejam,, 3,...,, valores umércos. A soma desses valores (somatóra) pode ser represetada por: = = = =. e o
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 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 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 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 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 maisESTATÍSTICA MÓDULO 3 MEDIDAS DE TENDÊNCIA CENTRAL
ESTATÍSTICA MÓDULO 3 MEDIDAS DE TEDÊCIA CETRAL Ídce. Meddas de Tedêca Cetral...3 2. A Méda Artmétca Smles ( μ, )...3 3. A Méda Artmétca Poderada...6 Estatístca Módulo 3: Meddas de Tedêca Cetral 2 . MEDIDAS
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 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 maisEstatística. 2 - Estatística Descritiva
Estatístca - Estatístca Descrtva UNESP FEG DPD Prof. Edgard - 0 0- ESTATÍSTICA DESCRITIVA Possblta descrever as Varáves: DESCRIÇÃO GRÁFICA MEDIDAS DE POSIÇÃO MEDIDAS DE DISPERSÃO MEDIDAS DE ASSIMETRIA
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 maisCentro de Ciências Agrárias e Ambientais da UFBA Departamento de Engenharia Agrícola
Cetro de Cêcas Agráras e Ambetas da UFBA Departameto de Egehara Agrícola Dscpla: AGR Boestatístca Professor: Celso Luz Borges de Olvera Assuto: Estatístca TEMA: Somatóro RESUMO E NOTAS DA AULA Nº 0 Seja
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 maisMÓDULO 8 REVISÃO REVISÃO MÓDULO 1
MÓDULO 8 REVISÃO REVISÃO MÓDULO A Estatístca é uma técca que egloba os métodos cetícos para a coleta, orgazação, apresetação, tratameto e aálse de dados. O objetvo da Estatístca é azer com que dados dspersos
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 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 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 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 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 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 maisMEDIDAS DE DISPERSÃO 9. MEDIDAS DE DISPERSÃO
Núcleo das Cêcas Bológcas e da Saúde Cursos de Bomedca, Ed. Físca, Efermagem, Farmáca, Fsoterapa, Fooaudologa, Medca Veterára, Muscoterapa, Odotologa, Pscologa MEDIDAS DE DISPERSÃO 9 9. MEDIDAS DE DISPERSÃO
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 mais9 Medidas Descritivas
1 9 Meddas Descrtvas Vmos aterormete que um cojuto de dados pode ser resumdo através de uma dstrbução de freqüêcas, e que esta pode ser represetada através de uma tabela ou de um gráfco. Se o cojuto refere-se
Leia maisMétodos iterativos. Capítulo O Método de Jacobi
Capítulo 4 Métodos teratvos 41 O Método de Jacob O Método de Jacob é um procedmeto teratvo para a resolução de sstemas leares Tem a vatagem de ser mas smples de se mplemetar o computador do que o Método
Leia maisRACIOCÍNIO LÓGICO / ESTATÍSTICA LISTA 2 RESUMO TEÓRICO
RACIOCÍIO LÓGICO - Zé Carlos RACIOCÍIO LÓGICO / ESTATÍSTICA LISTA RESUMO TEÓRICO I. Cocetos Icas. O desvo médo (DM), é a méda artmétca dos desvos de cada dado da amostra em toro do valor médo, sto é x
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 maisGrande Conjuntos de Dados. Organização; Resumo; Apresentação. Amostra ou População. Defeitos em uma linha de produção
Prof. Lorí Val, Dr. val@pucr.br http://www.pucr.br/~val/ Grade Cojuto de Dado Orgazação; Reumo; Apreetação. Amotra ou População Defeto em uma lha de produção Lacado Deeho Torto Deeho Torto Lacado Torto
Leia maisMatemática C Semiextensivo V. 2
Matemátca C Semetesvo V. Eercícos 0) Através da observação dreta do gráfco, podemos coclur que: a) País. b) País. c) 00 habtates. d) 00 habtates. e) 00 0 0 habtates. 0) C Através do gráfco, podemos costrur
Leia maisInstituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira INEP Ministério da Educação MEC. Índice Geral de Cursos (IGC)
Isttuto Nacoal de Estudos e Pesqusas Educacoas Aíso exera INEP stéro da Educação EC Ídce Geral de Cursos (IGC) O Ídce Geral de Cursos (IGC) é ua éda poderada dos cocetos dos cursos de graduação e pós-graduação
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 maisComplexidade Computacional da Determinação da Correspondência entre Imagens
Complexdade Computacoal da Determação da Correspodêca etre Images Adraa Karlstroem Laboratóro de Sstemas Embarcados Departameto de Egehara Mecatrôca Escola Poltécca da Uversdade de São Paulo adraa.karlstroem@pol.usp.br
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 maisVI - Integração Numérica
V - tegração Numérca C. Balsa & A. Satos. trodução São, este mometo, coecdos dos aluos métodos aalítcos para o cálculo do tegral dedo b ( d a sedo ( cotíua e tegrável o tervalo [ ab] ;. Cotudo, algumas
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 maisEstatística Básica - Continuação
Professora Adraa Borsso http://www.cp.utfpr.edu.br/borsso adraaborsso@utfpr.edu.br COEME - Grupo de Matemátca Meddas de Varabldade ou Dspersão Estatístca Básca - Cotuação As meddas de tedêca cetral, descrtas
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 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 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 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 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 maisAvaliação da qualidade do ajuste
Avalação da qualdade do ajuste 1 Alguma termologa: Modelo ulo: é o modelo mas smples que pode ser defdo, cotedo um úco parâmetro ( µ) comum a todos os dados; Modelo saturado: é o modelo mas complexo a
Leia maisx Ex: A tabela abaixo refere-se às notas finais de três turmas de estudantes. Calcular a média de cada turma:
Professora Jaete Perera Amador 1 9 Meddas Descrtvas Vmos aterormete que um cojuto de dados pode ser resumdo através de uma dstrbução de freqüêcas, e que esta pode ser represetada através de uma tabela
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 mais5 Critérios para Análise dos Resultados
5 Crtéros para Aálse dos Resultados Este capítulo tem por objetvos forecer os crtéros utlzados para aálse dos dados ecotrados a pesqusa, bem como uma vsão geral dos custos ecotrados e a forma de sua evolução
Leia maisMAE116 Noções de Estatística
Grupo C - º semestre de 004 Exercíco 0 (3,5 potos) Uma pesqusa com usuáros de trasporte coletvo a cdade de São Paulo dagou sobre os dferetes tpos usados as suas locomoções dáras. Detre ôbus, metrô e trem,
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 maisPROBLEMA DE INCERTEZA EM SISTEMAS DINÂMICOS UTILIZANDO DEFUZZIFICAÇÃO PELO CENTROIDE
POSMEC 205 Smpóso do Programa de Pós-Graduação em Egehara Mecâca Faculdade de Egehara Mecâca Uversdade Federal de Uberlâda 8 e 9 de Novembro de 205, Uberlâda - MG PROBLEM DE INCERTEZ EM SISTEMS DINÂMICOS
Leia maisAnálise da Informação Económica e Empresarial
Aálse da Iformação Ecoómca e Empresaral Aula 8: Redução de Dados: Meddas de Dspersão e Cocetração Aálse da Iformação Ecoómca e Empresaral Guão Aula 8: Redução de Dados: Meddas de Dspersão e Cocetração
Leia maisEstatística: uma definição
Estatístca: uma defção Coleção de úmeros estatístcas O úmero de aumetou em 30%. carros veddos o país A taa de desemprego atge, este mês, 7,5%. As ações da Telebrás subram R$,5, hoje. Resultados do Caraval
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 maisOrdenação: Introdução e métodos elementares. Algoritmos e Estruturas de Dados II
Ordeação: Itrodução e métodos elemetares Algortmos e Estruturas de Dados II Ordeação Objetvo: Rearrajar os tes de um vetor ou lsta de modo que suas chaves estejam ordeadas de acordo com alguma regra Estrutura:
Leia maisHIDROLOGIA E RECURSOS HÍDRICOS. Análise estatística aplicada à hidrologia
Aálse estatístca aplcada à hdrologa. Séres hdrológcas oções complemetares HIDROLOGIA E RECURSOS HÍDRICOS Aálse estatístca aplcada à hdrologa O Egehero HIDRÁULICO Echerá? Que população pode abastecer e
Leia maisCADERNO 1 (É permitido o uso de calculadora gráfica.)
Proposta de teste de avalação [mao 09] Nome: Ao / Turma: N.º: Data: - - Não é permtdo o uso de corretor. Deves rscar aqulo que pretedes que ão seja classfcado. A prova clu um formuláro. As cotações dos
Leia maisConceitos básicos de metrologia. Prof. Dr. Evandro Leonardo Silva Teixeira Faculdade UnB Gama
Prof. Dr. Evadro Leoardo Slva Teera Faculdade UB Gama Metrologa: Cêca que abrage os aspectos teórcos e prátcos relatvos a medção; Descreve os procedmetos e métodos para determar as certezas de medções;
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 maisCapítulo 8. Método de Rayleigh-Ritz
Grupo : Gustavo de Souza Routma; Luís Ferado Hachch de Souza; Ale Pascoal Palombo Capítulo 8. Método de Raylegh-Rtz 8.. Itrodução Nos problemas de apromação por dfereças ftas, para apromar a solução para
Leia maisIntrodução à Estatística
Itrodução à Estatístca Júlo Cesar de C. Balero Estatístca É a cêca que se preocupa com: () Orgazação; () Descrção; () Aálses; (v) Iterpretações. Estatístca Descrtva Estatístca Idutva ou Estatístca Ierecal
Leia maisIntrodução à Estatística. Júlio Cesar de C. Balieiro 1
Itrodução à Estatístca Júlo Cesar de C. Balero Estatístca É a cêca que se preocupa com: () Orgazação; () Descrção; () Aálses; (v) Iterpretações. Estatístca Descrtva Estatístca Idutva ou Estatístca Ierecal
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 maisRESUMO E EXERCÍCIOS NÚMEROS COMPLEXOS ( )
NÚMEROS COMPLEXOS Forma algébrca e geométrca Um úmero complexo é um úmero da forma a + b, com a e b reas e = 1 (ou, = -1), chamaremos: a parte real; b parte magára; e udade magára. Fxado um sstema de coordeadas
Leia maisINTRODUÇÃO A ESTATÍSTICA
Hewlett-Packard INTRODUÇÃO A ESTATÍSTICA Aulas 01 e 06 Elso Rodrgues, Gabrel Carvalho e Paulo Luz Sumáro Defções... 1 EXERCÍCIOS FUNDAMENTAIS... 1 Meddas de tedêca cetral... 1 Méda artmétca smples... 1
Leia mais( x) Método Implícito. No método implícito as diferenças são tomadas no tempo n+1 ao invés de tomá-las no tempo n, como no método explícito.
PMR 40 Mecâca Computacoal Método Implícto No método mplícto as dfereças são tomadas o tempo ao vés de tomá-las o tempo, como o método explícto. O método mplícto ão apreseta restrção em relação ao valor
Leia maisNúmeros Complexos. 2. (IME) Seja z um número complexo de módulo unitário que satisfaz a condição z 2n 1, onde n é um número inteiro positivo.
Números Complexos. (IME) Cosdere os úmeros complexos Z se α cos α e Z cos α se α ode α é um úmero real. Mostre que se Z Z Z etão R e (Z) e I m (Z) ode R e (Z) e I m (Z) dcam respectvamete as partes real
Leia maisESTATÍSTICA TÓPICO 6 MEDIDAS DE POSIÇÃO MEDIDAS DE DISPERSÃO
ESTATÍSTICA TÓPICO 6 MEDIDAS DE POSIÇÃO MEDIDAS DE DISPERSÃO. CONCEITO INICIAL. A Estatístca Descrtva ou Dedutva é o ramo da Estatístca que tem por objetvo descrever e aalsar fatos relacoados a determado
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 maisProjeto e Análise de Algoritmos Recorrências. Prof. Humberto Brandão
Projeto e Aálse de Algortmos Recorrêcas Prof. Humberto Bradão humberto@dcc.ufmg.br Uversdade Federal de Alfeas Laboratóro de Pesqusa e Desevolvmeto LP&D Isttuto de Cêcas Exatas ICEx versão da aula: 0.
Leia maisMomento Linear duma partícula
umáro Udade I MECÂNICA 2- Cetro de massa e mometo lear de um sstema de partículas - Mometo lear de uma partícula e de um sstema de partículas. - Le fudametal da dâmca para um sstema de partículas. - Impulso
Leia maisEstatística: uma definição
Prof. Lorí Val, Dr. val@pucrs.br http://.pucrs.br/faat/val/ Estatístca: ua defção Coleção de úeros estatístcas O úero de carros veddos auetou e 30%. o país A taa de deseprego atge, este ês, 7,%. As ações
Leia maisCAPITULO 1 CONCEITOS BÁSICOS
DISCIPLIA: ESTATÍSTICA PROFESSOR: JOSELIAS SATOS DA SILVA - joselas@uol.com.br ÍDICE CAPITULO 1 COCEITOS BÁSICOS... 3 1.1 ESTATÍSTICA... 3 1. ESTATÍSTICA DESCRITIVA... 3 1.3 ESTATÍSTICA IFERECIAL... 3
Leia mais( ) Editora Ferreira - Toque de Mestre. Olá Amigos!
Olá Amgos! Hoje coloco à dsposção de vocês aqu a seção Toque de Mestre da Edtora Ferrera (www.edtoraferrera.com.br) as questões de Matemátca Facera cobradas o últmo cocurso da axa Ecoômca Federal (EF),
Leia maisESTATÍSTICA- II DISTRIBUIÇÃO DE FREQUÊNCIA. 1- CONCEITO É a série estatística que tem o tempo, o espaço e a espécie como variáveis dependentes.
ESTATÍSTICA- II DISTRIBUIÇÃO DE FREQUÊNCIA 1- CONCEITO É a série estatística que tem o tempo, o espaço e a espécie como variáveis depedetes. - DISTRIBUIÇÃO DE FREQUÊNCIA a) Dados Brutos É um cojuto resultate
Leia maisA ciência de coletar, organizar, apresentar, analisar e interpretar dados numéricos com o objetivo de tomar melhores decisões.
.pucrs.br/faat/val/.at.ufrgs.br/~val/ Prof. Lorí Val, Dr. val@at.ufrgs.br val@pucrs.br Coleção de úeros estatístcas O úe ro de carros ve ddos o país auetou e 30%. A taa de deseprego atge, este ês, 7,%.
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 maisDifusão entre Dois Compartimentos
59087 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 4 Dfusão etre Dos Compartmetos A le de Fck para membraas (equação 4 da aula passada) mplca que a permeabldade de uma membraa a um soluto é dada pela razão
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 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 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 maisEstatística: uma definição
Prof. Lorí Val, Dr. val@at.ufrgs.br http://.at.ufrgs.br/~val/ Estatístca: ua defção Coleção de úeros estatístcas O úero de carros veddos o país auetou e 30%. A taa de deseprego atge, este ês, 7,%. As ações
Leia mais6.1 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS
7 6 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS A medção dreta é aquela cuja dcação resulta aturalmete da aplcação do sstema de medção sobre o mesurado Há apeas uma gradeza de etrada evolvda
Leia maisA ciência de coletar, organizar, apresentar, analisar e interpretar dados numéricos com o objetivo de tomar melhores decisões.
Prof. Lorí Val, Dr. val@at.ufrgs.br http://.at.ufrgs.br/~val/ Coleção de úeros estatístcas stcas O úero de carros veddos o país auetou e 30%. A taa de deseprego atge, este ês, 7,%. As ações a da Telebrás
Leia mais1. Revisão Matemática
1. Revsão Matemátca Dervadas Seja a fução f : R R, fxe x R, e cosdere a expressão : f ( x+ αe ) lmα 0 α f, ode e é o vector utáro. Se o lmte acma exstr, chama-se a dervada parcal de f o poto x e é represetado
Leia maisEstatística: uma definição
Coleção de úmeros estatístcas Estatístca: uma defção O úmero de carros veddos o país aumetou em 30%. A taa de desemprego atge, este mês, 7,5%. As ações da Telebrás subram R$,5, hoje. Resultados do Caraval
Leia maisNoções Básicas de Medidas e Algarismos Significativos
Noções Báscas de Meddas e Algarsmos Sgfcatvos Prof. Theo Z. Pava Departameto de Físca - Faculdade de Flosofa, Cêcas e Letras de Rberão Preto-USP Físca Acústca Motvações Quas são os padrões de meddas? Podemos
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 maisCap. 5. Testes de Hipóteses
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
Leia maisCapítulo V - Interpolação Polinomial
Métodos Numércos C Balsa & A Satos Capítulo V - Iterpolação Polomal Iterpolação Cosdere o segute couto de dados: x : x0 x x y : y y y 0 m m Estes podem resultar de uma sequêca de meddas expermetas, ode
Leia maisCapítulo 2. Aproximações de Funções
EQE-358 MÉTODOS NUMÉRICOS EM ENGENHARIA QUÍMICA PROFS. EVARISTO E ARGIMIRO Capítulo Aproações de Fuções Há bascaete dos tpos de probleas de aproações: ) ecotrar ua fução as sples, coo u polôo, para aproar
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 maisRepresentação dos padrões. Tipos de atributos. Etapas do processo de agrupamento. 7.1 Agrupamento clássico. 7. Agrupamento fuzzy (fuzzy clustering)
7. Agrupaeto fuzzy (fuzzy clusterg) 7. Agrupaeto clássco Agrupaeto é a classfcação ão-supervsoada de padrões (observações, dados, objetos, eeplos) e grupos (clusters). Itutvaete, padrões seelhates deve
Leia maisJosé Álvaro Tadeu Ferreira. Cálculo Numérico. Notas de aulas
UNIVERSIDADE FEDERAL DE OURO PRETO Isttuto de Cêcas Eatas e Bológcas Departameto de Computação José Álvaro Tadeu Ferrera Cálculo Numérco Notas de aulas Iterpolação Polomal Ouro Preto 3 (Últma revsão em
Leia maisCentro de massa, momento linear de sistemas de partículas e colisões
Cetro de massa, mometo lear de sstemas de partículas e colsões Prof. Luís C. Pera stemas de partículas No estudo que temos vdo a fazer tratámos os objectos, como, por exemplo, blocos de madera, automóves,
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 mais