Exame 1ª Época. Nº: Nome:

Tamanho: px
Começar a partir da página:

Download "Exame 1ª Época. Nº: Nome:"

Transcrição

1 Faculdade de Economa da Unversdade ova de Lsboa 04 Análse de Dados e Probabldade º Semestre 007/008 Fernando Brto Soares Erca Marujo Exame ª Época º: ome: Data: 6 de Junho de 008, 8:0 Duração: :0 horas ota: A utlzação de máqunas centífcas e gráfcas só será permtda depos de feto o respectvo reset. Atenção: Responda a todos os grupos no enuncado. ão desagrafe nenhuma folha. Apresente todos os cálculos e/ou justfcações para as suas respostas. I (0%). uma dada unversdade, para uma amostra de 000 alunos de Mestrado, verfcouse a segunte stuação: A B B B B Totas A A A Totas Em que o atrbuto A se refere ao Mestrado frequentado por cada aluno (A Economa; A - Gestão; A - Fnanças) e o atrbuto B se refere à regão de orgem de cada aluno (B orte; B Centro; B Sul). a) (5%) Escreva a dstrbução condconal do atrbuto B dada a modaldade A. b) (5%) Serão os atrbutos A e B ndependentes? Justfque.. A companha aérea SafeJet realzou um estudo, do qual foram retradas as seguntes nformações relatvas aos gastos totas mensas em combustíves, em mlhares de euros (G ) e às recetas mensas dessa empresa, também em mlhares de euros (R ): G R

2 Exame ª Época ln R 8,0495 ; ln G, ; ln R lng 9,764 ; ln R G = = ln R 46,948; ln G 8,58 ; = = a) (5%) Calcule a covarânca entre as duas varáves (G e R). = = 5,69 R = ; G =0809; G R =6750 = b) (5%) Calcule e nterprete o valor dos parâmetros da regressão de R em relação a G, assumndo uma função potênca. c) (5%) Calcule e nterprete o valor dos parâmetros da regressão de R em relação a G, assumndo uma função lnear. d) (5%) Qual destas regressões ajusta se melhor aos dados? Justfque recorrendo a um ndcador estatístco adequado. = = II (0%) A cadea hotelera Cílo recolheu os seguntes dados respetantes aos lucros semestras de uma das suas undades hoteleras, stuada numa lha do Oceano Atlântco, entre 004 e 007, em mlhares de euros: Anos º Semestre º Semestre a) (5%) Determne e estme a tendênca recorrendo ao método da regressão lnear. b) (0%) Determne e nterprete os índces de sazonaldade desta sucessão através do método multplcatvo. c) (5%) Calcule uma prevsão para a evolução dos lucros da cadea hotelera em 008, assumndo que se prevê a manutenção da tendênca de crescmento da ndústra do tursmo na lha onde está nstalada a undade hotelera em causa.

3 Exame ª Época III (5%) O stand 00 à Hora comercalza três marcas de carros: Ferrar (F), Lamborghn (L) e BMW (B). o seu relatóro anual de 007, foram dvulgadas as seguntes nformações, relatvas à evolução dos preços de cada um dos bens e às respectvas recetas entre 00 e 007, em mlhares de euros: Marca Preços Índces de preços Recetas Ferrar ,05, Lamborghn ,08, BMW ,06, OTA: Os índces de preços apresentados têm todos a mesma base. a) (5%) Construa um índce de preços com base em 00 para os BMW, para cada ano de 00 a 005, e calcule o índce das recetas obtdas para cada uma das marcas de carros em 007, com base em 006. b) (5%) Calcule o índce de Laspeyres e o índce de Paasche, ambos de preços, para o ano de 007, com base em 006. c) (5%) Sabe se que o aumento prevsto das recetas deste stand será de 5% em 008, avalado através do índce das recetas totas com base em 007. É também esperado para 008 um aumento de,5% nas recetas obtdas com as vendas dos Ferrars e um aumento de 4% nas recetas geradas pelas vendas dos BMW. Calcule o valor das recetas que o stand espera obter com a venda de Lamborghns, em 008. d) (0%) O índce de Fsher é reversível em relação aos factores? Justfque a sua resposta. IV (5%). (5%) Segundo as estatístcas ofcas da Academa da Força Aérea, são admtdos todos os anos em méda 50% dos alunos no curso de Ploto Avador, 0% nos cursos de Engenhara e 0% em Medcna. Apenas ngressam no curso de Ploto Avador os cadetes que passarem num teste básco de voo, obrgatóro para todos os alunos durante o período de recruta. A probabldade de um aluno que pretende segur o curso de Ploto Avador passar nesse teste é de 60%, enquanto que o valor dessa probabldade é de 45% para os alunos que pretendem segur Engenhara e de 0% para os que querem ngressar em Medcna. Qual a probabldade de ser admtdo um aluno no curso de Ploto Avador que não pretende segur esse curso?. Suponha que no fm do curso os plotos são destacados para as dferentes esquadras através de um sorteo, de tal forma que 0% dos plotos são destacados para a

4 Exame ª Época esquadra dos caças F 6, 0% para as esquadras de helcópteros, 5% para as esquadras dos avões de carga como os C 0 Hércules e 5% para as restantes esquadras. a) (5%) Qual a probabldade de, num grupo de 5 plotos, pelo menos 0 não serem selecconados para a esquadra dos caças? b) (5%) Sabendo que, em méda, são selecconados por ano plotos para a esquadra dos caças, qual a probabldade de serem selecconados pelo menos 8 plotos para esta esquadra no espaço de dos anos?. A quantdade utlzada de combustível por voo de um F 6 é uma varável aleatóra com dstrbução ormal, de parâmetros μ=800 e σ = A capacdade máxma de combustível de um F 6 é de 500 ltros, e a quantdade mínma de combustível que é necessára para o avão atngr a velocdade MACH (ultrapassar a barrera do som) durante um voo é de 00 ltros. a) (5%) Qual a probabldade de um F 6 ter combustível sufcente para ultrapassar a barrera do som? b) (5%) Qual devera ser a quantdade mínma de combustível necessára para atngr a velocdade MACH de modo a que a probabldade anteror seja de 5%? 4

5 Dstrbuções de probabldade de v. a. dscretas Dstrbução Função de probabldade Função de dstrbução X ~ DU(, j) j + {, +,..., j j} x. x 0 + j + x < x j 0 {, +,..., j j} x, x > j q = p x = 0 0 x < 0 X ~ Bernoull( p) p x = q = p 0 x < 0 outros casos x X ~ Bn( n, p) n x n x ( ) p ( p) x 0 x { 0,,,..., n} { 0,, n} x,..., 0 x < 0 x p = 0 n ( p) 0 x < n x n λ x e λ 0 x < 0 x {,,... } X ~ Posson( λ) x! x λ λ e x 0 x,,... 0 { } = 0! Análse de Dados e Probabldade Fernando Brto Soares

6 Dstrbuções de probabldade de v. a. contínuas Dstrbução Função densdade de probabldade Função de dstrbução X ~ U ( a, b) b a [ a b] x, 0 x [ a, b] 0 x < a x a x a, b b a x > b [ ] X ~ ( µ, σ ) Z ~ (0,) x µ σ t µ x σ e e πσ πσ z e π π z t e dt dt 0 x < 0 0 x < 0 X ~ Exp( β ) β β e x x 0 x β e x 0 0 x 0 0 x 0 X ~ Gama( α, β ) α β Γ ( α ) x α e x β x > 0 x α β = 0! x e x > 0 β 0 x 0 0 x 0 X ~ χ ( ν ) ν x ν Γ ν e x x > 0 e ν x = 0 x! x > 0 ν ν + ν + Γ X ~ T ( ν ) + x ν ν πν Γ Análse de Dados e Probabldade x R ão exste expressão Fernando Brto Soares

7 TABELA DISTRIBUIÇÃO BIOMIAL (Contnuação) A. Função probabldade B. Função de dstrbução θ θ n x x

8 TABELA DISTRIBUIÇÃO DE POISSO (Contnuação) A. Função probabldade B. Função de dstrbução x x x x x x

9 Tabela : Probabldades acumuladas da dstrbução ormal estandardzada Z~ ( µ = 0, σ = ) : φ() z = F() z = P( Z z) = e dt (f.d.) π z 0,00 0,0 0,0 0,0 0,04 0,05 0,06 0,07 0,08 0,09 0,0 0,5000 0,5040 0,5080 0,50 0,560 0,599 0,59 0,579 0,59 0,559 0, 0,598 0,548 0,5478 0,557 0,5557 0,5596 0,566 0,5675 0,574 0,575 0, 0,579 0,58 0,587 0,590 0,5948 0,5987 0,606 0,6064 0,60 0,64 0, 0,679 0,67 0,655 0,69 0,6 0,668 0,6406 0,644 0,6480 0,657 0,4 0,6554 0,659 0,668 0,6664 0,6700 0,676 0,677 0,6808 0,6844 0,6879 0,5 0,695 0,6950 0,6985 0,709 0,7054 0,7088 0,7 0,757 0,790 0,74 0,6 0,757 0,79 0,74 0,757 0,789 0,74 0,7454 0,7486 0,757 0,7549 0,7 0,7580 0,76 0,764 0,767 0,7704 0,774 0,7764 0,7794 0,78 0,785 0,8 0,788 0,790 0,799 0,7967 0,7995 0,80 0,805 0,8078 0,806 0,8 0,9 0,859 0,886 0,8 0,88 0,864 0,889 0,85 0,840 0,865 0,889,0 0,84 0,848 0,846 0,8485 0,8508 0,85 0,8554 0,8577 0,8599 0,86, 0,864 0,8665 0,8686 0,8708 0,879 0,8749 0,8770 0,8790 0,880 0,880, 0,8849 0,8869 0,8888 0,8907 0,895 0,8944 0,896 0,8980 0,8997 0,905, 0,90 0,9049 0,9066 0,908 0,9099 0,95 0,9 0,947 0,96 0,977,4 0,99 0,907 0,9 0,96 0,95 0,965 0,979 0,99 0,906 0,99,5 0,9 0,945 0,957 0,970 0,98 0,994 0,9406 0,948 0,949 0,944,6 0,945 0,946 0,9474 0,9484 0,9495 0,9505 0,955 0,955 0,955 0,9545,7 0,9554 0,9564 0,957 0,958 0,959 0,9599 0,9608 0,966 0,965 0,96,8 0,964 0,9649 0,9656 0,9664 0,967 0,9678 0,9686 0,969 0,9699 0,9706,9 0,97 0,979 0,976 0,97 0,978 0,9744 0,9750 0,9756 0,976 0,9767,0 0,977 0,9778 0,978 0,9788 0,979 0,9798 0,980 0,9808 0,98 0,987, 0,98 0,986 0,980 0,984 0,988 0,984 0,9846 0,9850 0,9854 0,9857, 0,986 0,9864 0,9868 0,987 0,9875 0,9878 0,988 0,9884 0,9887 0,9890, 0,989 0,9896 0,9898 0,990 0,9904 0,9906 0,9909 0,99 0,99 0,996,4 0,998 0,990 0,99 0,995 0,997 0,999 0,99 0,99 0,994 0,996,5 0,998 0,9940 0,994 0,994 0,9945 0,9946 0,9948 0,9949 0,995 0,995,6 0,995 0,9955 0,9956 0,9957 0,9959 0,9960 0,996 0,996 0,996 0,9964,7 0,9965 0,9966 0,9967 0,9968 0,9969 0,9970 0,997 0,997 0,997 0,9974,8 0,9974 0,9975 0,9976 0,9977 0,9977 0,9978 0,9979 0,9979 0,9980 0,998,9 0,998 0,998 0,998 0,998 0,9984 0,9984 0,9985 0,9985 0,9986 0,9986,0 0,9987 0,9987 0,9987 0,9988 0,9988 0,9989 0,9989 0,9989 0,9990 0,9990, 0,9990 0,999 0,999 0,999 0,999 0,999 0,999 0,999 0,999 0,999, 0,999 0,999 0,9994 0,9994 0,9994 0,9994 0,9994 0,9995 0,9995 0,9995, 0,9995 0,9995 0,9995 0,9996 0,9996 0,9996 0,9996 0,9996 0,9996 0,9997,4 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9998 z t Alguns valores crítcos z z,8,645,960,6,576,090,9,89 4,47 φ ( z) 0,90 0,95 0,975 0,99 0,995 0,999 0,9995 0, , [ φ( z)] 0,0 0,0 0,05 0,0 0,0 0,00 0,00 0,000 0,0000 9

10 Faculdade de Economa da Unversdade ova de Lsboa 04 Análse de Dados e Probabldade º Semestre 007/008 Fernando Brto Soares Erca Marujo Correcção Exame ª Época I (0%). uma dada unversdade, para uma amostra de 000 alunos de Mestrado, verfcou se a segunte stuação: A B B B B Totas A A A Totas Em que o atrbuto A se refere ao Mestrado frequentado por cada aluno (A Economa; A - Gestão; A - Fnanças) e o atrbuto B se refere à regão de orgem de cada aluno (B orte; B Centro; B Sul). a) (5%) Escreva a dstrbução condconal do atrbuto B dada a modaldade A. A dstrbução condconada do atrbuto B dada a modaldade A não é mas do que a restrção da amostra aos ndvíduos cuja modaldade do atrbuto A é A : f B /A n A,B 80 n.,a ,6; f B /A n A,B 50 n.,a 500 0,5;f B /A n A,B 70 n.,a 500 0,4 este caso, não podemos condensar toda a nformação relatva aos ndvíduos cuja modaldade do atrbuto A é A numa tabela, uma vez que tanto A como B são varáves quanttatvas, pelo que não podemos acumular frequêncas relatvas smples e acumuladas relatvas a estas varáves, apenas frequêncas absolutas. b) (5%) Serão os atrbutos A e B ndependentes? Justfque. Para que os atrbutos A e B sejam ndependentes, é necessáro que a dstrbução de A seja gual quando condconada em qualquer uma das modaldades do atrbuto B e anda quando não é condconada (o que acontece na sua dstrbução margnal). Quer sto dzer que a percentagem de ndvíduos com a modaldade A do atrbuto A tem que ser a mesma para o grupo de ndvíduos que apresentam B, B, B e anda para o conjunto de todos os ndvíduos (sendo que se as três prmeras forem guas, a últma é também forçosamente gual). Obvamente que o mesmo tem que se passar para a modaldade A e A do atrbuto A. f A /B n.,b ,474; f A /B ,595; n.,b f A /B 70 n.,b ,5; f A,. n A, ,5

11 Correcção Exame ª Época f A /B f A /B f A /B f A f A /B 50 n.,b 80 0,95; f A /B 0 0,6; n.,b 40 f A /B 90 n.,b 00 0,45; f A,. n A, ,5 f A /B f A /B f A /B f A f A /B 50 n.,b 80 0,; f A /B 60 n.,b 40 0,4; 7 f A /B 40 n.,b ,; f A,. n A, ,5 f A /B f A /B f A /B f A Por outro lado, podemos verfcar se as frequêncas relatvas são guas ao produto das frequêncas margnas: f A,. 0,5; f.,b n.,b f A,B f.,b n.,b f.,b n.,b 80 0,8; ,8 0,9 0,5.0,8 f A,..f.,B ,4; f A,B ,; f A,B f A,. 0,5; f.,b 0,8; f A,B f.,b 0,4; f A,B f.,b 0,; f A,B f A,. 0,5; f.,b 0,8; f A,B f.,b 0,4; f A,B f.,b 0,; f A,B ,5 0, 0,5.0,4 f A,..f.,B ,07 0, 0,5.0, f A,..f.,B ,5 0, 0,5.0,8 f A,..f.,B , 0,47 0,5.0,4 f A,..f.,B ,09 0,07 0,5.0, f A,..f.,B ,05 0,057 0,5.0,8 f A,..f.,B ,06 0,06 0,5.0,4 f A,..f.,B ,04 0,0 0,5.0, f A,..f.,B De qualquer das formas, podemos verfcar que os atrbutos A e B não são ndependentes.

12 Correcção Exame ª Época. A companha aérea SafeJet realzou um estudo, do qual foram retradas as seguntes nformações relatvas aos gastos totas mensas em combustíves, em mlhares de euros (G ) e às recetas mensas dessa empresa, também em mlhares de euros (R ): G R ln R 8,0495 ; ln G, ; ln R lng 9,764 ; ln R G = = ln R 46,948; ln G 8,58 ; = G G = a) (5%) Calcule a covarânca entre as duas varáves (G e R). = = 5,69 R = ; G =0809; G R =6750 = Para calcular a covarânca entre G e R, prmero é necessáro calcular a méda de cada uma das varáves: R R CovG,R , Assm, a covarânca entre G e R é dada por: G G R R G R = G R = 4, ,5 b) (5%) Calcule e nterprete o valor dos parâmetros da regressão de R em relação a G, assumndo uma função potênca. B. Função Potênca: R AG, onde A e B são os parâmetros que defnem a função. Uma vez que o método dos mínmos quadrados ou método da regressão lnear apenas pode ser utlzado drectamente se estver a ser assumda uma função lnear entre as varáves, não é possível aplcar esse método drectamente no caso da função potênca para estmar o valor dos parâmetros A e B que a defnem. Contudo, após tomarmos logartmos neperanos, a função potênca pode ser reduzda a uma função lnear: lnr lnab lng R ' a ' b ' G Onde: R ' lnr ;G ' lng ; a ' lna; b ' B b ' R' G ' R ' G ' G ' G ' ' Mas então, passemos à estmação da função potênca lnearzada, começando por calcular o coefcente de regressão b ' : lnr lng lnr.lng lng lng

13 Correcção Exame ª Época 9,7646 6,458,700 8,586,700,8094 Em que:c lnr lng lnr lng 8,0495 6,458 6,,700 6 Assm, o valor de a ' será dado por: a ' R' b ' G' lnr b' lng 6,458,8094,7000,449 Logo, a recta de regressão será dada por: R' 0,449,8094 G ' lnr0,449,8094 lng Calculados os logartmos das varáves ncas e ajustada a função lnear acma descrta, torna se smples em voltar à função potênca ncal, fazendo: Ae a' e lna e 0, ,6 e Bb ',8094. Assm, a função potênca estmada é dada por: R756707,6 G,8094 Em relação à nterpretação dos parâmetros, b ' é o coefcente de regressão da recta, e como neste caso tanto a varável explcada como a explcatva são os logartmos das varáves orgnas, então podemos nterpretar b ' como uma elastcdade entre R e G, sto é, podemos conclur que quando os gastos totas mensas em combustíves aumentam uma undade percentual (aumentam %), então as recetas mensas dessa empresa dmnuem,8094 undades percentuas em méda, ou seja, essas recetas decrescem,8094%. O parâmetro a ' corresponde à ordenada na orgem da recta de regressão, e corresponde, lteralmente, ao valor de recetas mensas obtdas pela SafeJet caso os gastos mensas totas em combustíves fossem nulos.tal nterpretação não faz muto sentdo, uma vez que caso esses gastos fossem nulos, não se efectuaram quasquer voos por parte da empresa, e consequentemente, o valor das recetas tera também que ser nulo ou até mesmo negatvo. c) (5%) Calcule e nterprete o valor dos parâmetros da regressão de R em relação a G, assumndo uma função lnear.. Função Lnear: R ab G este caso, podemos utlzar drectamente o método dos mínmos quadrados, porque o que se pretende é a estmação de uma recta de regressão, que logcamente assume uma relação lnear entre as duas varáves. Assm, temos: b G R G R G G , ,5 5,5 arb G7755,5 4,5996,646 Assm, a recta de regressão é dada por: R996,6465,5 G 4

14 Correcção Exame ª Época O parâmetro b corresponde ao coefcente de regressão, e o seu valor permte nos conclur que quando os gastos mensas em combustíves aumentam uma undade (neste caso, quando aumentam ml euros), as recetas mensas da companha aérea decrescem, em méda, 5,5 mlhares de euros. O parâmetro a corresponde à ordenada na orgem da recta de regressão, e dz nos que quando a SafeJet não efectua qualquer gasto mensal em combustíves as suas recetas são de 996,646 mlhares de euros, o que não faz sentdo, pelas mesmas razões já referdas na alínea b). d) (5%) Qual destas regressões ajusta se melhor aos dados? Justfque recorrendo a um ndcador estatístco adequado. Para determnarmos qual destas regressões se ajusta melhor aos dados, temos que calcular o coefcente de determnação, R, para cada uma delas. Assm, vamos começar por calcular o coefcente de determnação da função potênca: R FP b ' s lng sg ' s R ' lng slng 0,04797 B,8094 s lnr 0,85 0,85 Em que a varânca do logartmo da varável G e a varânca do logartmo da varável R são dadas respectvamente por: s lnr lnr R sg FL b s R lng 8,58,700 0, lnr 46,948 6,458 0,85 6 Vamos agora calcular o coefcente de determnação da função lnear: s G G 5,5 79,5 49,6 0,9769 Em que a varânca de G e a varânca de R são dadas respectvamente por: G ,5 79,5 s R R R ,6 6 Assm, temos que: R FP 0,850,9769R FL Como a regressão lnear apresenta um coefcente de determnação superor ao da função potênca, podemos conclur que a regressão que melhor se ajusta aos dados é a função lnear. 5

15 Correcção Exame ª Época II (0%) A cadea hotelera Cílo recolheu os seguntes dados respetantes aos lucros semestras de uma das suas undades hoteleras, stuada numa lha do Oceano Atlântco, entre 004 e 007, em mlhares de euros: Anos º Semestre º Semestre a) (5%) Determne e estme a tendênca recorrendo ao método da regressão lnear. Para determnarmos a tendênca desta sucessão pelo método da regressão lnear ou dos mínmos quadrados vamos ter que encontrar a recta de regressão que relacona a tendênca com a varável relatva ao tempo: T t ab t. Aplcando o método dos mínmos quadrados, obteríamos os valores dos parâmetros a e b da segunte forma: b t x t t x t t t t axb t Contudo, como queremos estmar uma recta de regressão em que a varável ndependente é o tempo, o somatóro das observações relatvas a esta varável não faz sentdo. Assm sendo, queremos encontrar uma varável que represente o tempo mas cujo somatóro seja gual a zero, ou seja, uma varável tal que: t ' 0 t t' t 0t' 0 Ou seja, vamos ter que fazer a mudança da varável t, que representa os anos, para a varável t, que também representa os anos, mas através de uma varável dscreta, centrada, com méda nula. A nova recta de regressão será então a segunte: T tab t '. Assm sendo, para encontrarmos os valores desta varável, temos que ter em conta se o número total de observações da amostra é par ou ímpar. Como =4 é par, temos que encontrar as duas observações centras da amostra da segunte forma: k4kk4as duas observações centras são xkx x 005 e x k x x 006. Assm sendo, para defnrmos t vamos começar por atrbur o valor t ' ao ano t006, depos atrbuímos t ' ao ano anteror, t005, atrbuímos t ' ao ano

16 Correcção Exame ª Época t004, e fnalmente atrbuímos t ' ao últmo ano, t007. Deste modo, obtvemos uma varável centrada cuja méda é zero, e cujos valores correspondem ao número de anos observados. O próxmo passo será, logcamente, estmar a recta de regressão através do método dos mínmos quadrados, cujas expressões para determnar os valores de a e b serão smplfcadas devdo ao facto da méda da varável t ser zerot ' 0. o quadro segunte, temos reundos os cálculos auxlares que nos permtem obtermos os valores de a e b: x t Méda Anual t ' ' Anos=t º S º S x t t t ' ,5 - -9, Σ - - 9,5 0 59,5 0 Em que, uma vez que temos semestres, fo necessáro calcular a varável xtcomo a méda anual dos dos semestres de cada ano: x t x t ºS ºS x t, t004, 005, 006, 007 Este procedmento é necessáro uma vez que a recta de regressão relacona os valores da tendênca com a varável t, que dz sempre respeto à varável tempo em anos. Assm sendo, os valores dos parâmetros a e b são os seguntes: b t t x t t ' x t ' t ' t ' axb t ' x t T t,5,975 t x t t t x t t ' t ' 9,5 4,5 59,5 0,975 Logo, a recta de regressão que determna a tendênca é dada por: ' Falta nos anda estmar a tendênca desta sucessão. Isso sgnfca que vamos ter que calcular uma estmatva da tendênca da sucessão para cada um dos semestres dos quatro anos que compõem a amostra. Sabemos que o coefcente de regressão, b, representa a varação verfcada na tendênca por cada ano que passa, ou seja, dz nos neste caso que, a cada ano que passa, os lucros semestras desta cadea hotelera aumentam em méda,975 mlhares de euros. Ou seja, b,975 é o acréscmo médo anual que se verfca nos lucros. Se qusermos encontrar o acréscmo semestral, teremos logcamente que dvdr este valor pelo número total de semestres exstentes num ano, ou seja, dos: 7

17 Correcção Exame ª Época Acréscmo semestral,975,4875 Ao estmarmos o valor da tendênca anual, ou seja, substtundo os valores de t na recta de regressão, estamos a determnar a estmatva da tendênca méda anual centrada a meo de cada um dos anos, ou seja, corresponderá à estmatva do valor da tendênca no da de Julho de cada ano. Assm, se qusermos encontrar as estmatvas da tendênca para cada um dos semestres de cada ano, teremos que subtrar e somar a essa estmatva da tendênca anual não o valor do acréscmo semestral, mas sm o valor do acréscmo de meo semestre, ou seja:,975 4 Acréscmo de meo semestre,4875 0,7475 Como o centro tanto do prmero semestre como do segundo semestre não concde exactamente com o centro ou meo do ano (ou seja, o da de Julho de cada ano), temos que subtrar ou somar à estmatva da tendênca anual o acréscmo de meo semestre, para permtr centrar essa estmatva exactamente a meo de cada um dos semestres. Caso fosse subtraído o valor do acréscmo semestral à estmatva anual, sso permtra stuar a estmatva para o níco do prmero semestre de cada um dos anos, e caso esse valor fosse somado à estmatva anual, essa estmatva correspondera ao fnal do segundo semestre de cada ano, o que não é o nosso objectvo. Como o objectvo é encontrar estmatvas para a tendênca que correspondam exactamente ao centro de cada subperíodo, terá que ser o valor do acréscmo de meo semestre que teremos que subtrar à estmatva da tendênca anual para encontrarmos a estmatva da tendênca para o prmero semestre de cada ano, e que teremos que somar para encontrar as estmatvas da tendênca para o segundo semestre de cada ano. Assm, as estmatvas da tendênca desta sucessão são as seguntes: T ºS 004,5,975 0,7475,4565 T ºS 004,5,975 0,74754,9475 T ºS 005,5,975 0,74759,4065 T ºS 005,5,975 0,74750,8975 T ºS 006,5,975 0,74755,565 T ºS 006,5,975 0,74756,8475 T ºS 007,5,975 0,7475,065 T ºS 007,5,975 0,7475,7975 O quadro segunte reúne todas as estmatvas quadrmestras da tendênca entre 005 e 007: 8

18 Correcção Exame ª Época Anos º Semestre º Semestre 004,4565 4, ,4065 0, ,565 6, ,065,7975 b) (0%) Determne e nterprete os índces de sazonaldade desta sucessão através do método multplcatvo. Para calcular os índces de sazonaldade desta sucessão através do método multplcatvo, temos, antes de mas, começar por elmnar a tendênca desta sucessão. Como estamos a utlzar ao método multplcatvo sso sgnfca que estamos a assumr que qualquer sucessão cronológca pode ser obtda como o produto das quatro componentes que a consttuem: x t T t E t C t e t Em que Tt corresponde à tendênca da sucessão, E t corresponde à sazonaldade, Ct corresponde à componente cíclca e e t corresponde à componente aleatóra ou ruído. Ora, se qusermos elmnar a tendênca utlzando este modelo, sgnfca que vamos dvdr as observações orgnas da sucessão pelas estmatvas da tendênca, para cada semestre, solando dessa forma, as restantes componentes: x t T t E t C t e 7,4565 t Assm, para o º semestre de 004, o valor da sucessão sem a tendênca será:,64. Para elmnarmos a tendênca para os restantes períodos procedemos de forma análoga. Assm, o quadro segunte reúne todos os valores da sucessão após a elmnação da tendênca: Anos º Quadrmestre º Quadrmestre 004,64 0, ,08 0, ,0648 0, ,086 0,9758 Para determnarmos os índces de sazonaldade, o próxmo passo consste em calcular o valor dos índces de sazonaldade não corrgdos, que não são mas do que as médas smples dos valores elmnados da tendênca para cada um dos semestres: Anos º Semestre º Semestre IS nc,4075 0, = IS nc,0565 9

19 Correcção Exame ª Época Ou seja, para calcularmos os índces de sazonaldade não corrgdos do º semestre e do º semestre, respectvamente, fazemos: ºS,64,08,0648,086, IS nc ºS 0,86990,8650,85680,9758 0, IS nc Contudo, o nosso objectvo é encontrar índces de sazonaldade cuja soma seja exactamente gual ao número de subperíodos da amostra, que neste caso, é de dos uma vez que a amostra está dvdda em semestres. A esses índces de sazonaldade desgnamos por índces de sazonaldade corrgdos. Logcamente, a soma dos índces de sazonaldade não corrgdos não é exactamente gual ao número de subperíodos, pelo que teremos que calcular os índces corrgdos a partr destes. Para determnarmos os índces de sazonaldade corrgdos é necessáro prmero calcular o factor de correcção, que é obtdo da segunte forma: f c IS nc º de subperíodos,0565 0, A partr dos índces de sazonaldade não corrgdos e do factor de correcção, podemos fnalmente determnar os índces de sazonaldade corrgdos: IS c f c IS nc IS ºS c f c IS ºS nc 0, ,4075,54 IS ºS c f c IS ºS nc 0, , ,8846 Anos º Semestre º Semestre IS c,54 0,8846 IS c = Para nterpretar os índces de sazonaldade, é necessáro colocá los em termos percentuas, para uma mas fácl nterpretação: IS c ºS,54 00,54% IS c ºS 0, ,54% O índce de sazonaldade do º semestre sgnfca que a méda das observações do º semestre é, em méda,,54% superor à méda das observações dos dos semestres, ou seja, à tendênca; e de forma análoga, o índce de sazonaldade do º semestre sgnfca que a méda das observações do º semestre é, em méda,,54% nferor à méda das observações dos dos semestres, ou seja, à méda anual, a tendênca. 0

20 Correcção Exame ª Época c) (5%) Calcule uma prevsão para a evolução dos lucros da cadea hotelera em 008, assumndo que se prevê a manutenção da tendênca de crescmento da ndústra do tursmo na lha onde está nstalada a undade hotelera em causa. Para calcular uma prevsão para os lucros da cadera hotelera em 008, temos que começar por calcular uma estmatva da tendênca da sucessão para cada um dos semestres. Para sso,na recta de regressão, temos que substtur t pelo valor que corresponderá ao ano de 008, que será de t ' 5, neste caso. Assm, temos: T ºS 008,5,975 50,74757,565 T ºS 008,5,975 50,74758,7475 Agora, para determnarmos o valor total prevsto para os lucros da Cílo para 008, basta somar o lucro estmado para cada um dos semestres, corrgdo da sazonaldade (para corrgr a sazonaldade, basta multplcar o valor estmado da tendênca de cada um dos semestres pelo resctvo índce de sazonaldade corrgdo): ºS π 008 π 008 IS ºS ºS c π 008 IS ºS c 7,565,548,7475 0,884675,8845 III (5%) O stand 00 à Hora comercalza três marcas de carros: Ferrar (F), Lamborghn (L) e BMW (B). o seu relatóro anual de 007, foram dvulgadas as seguntes nformações, relatvas à evolução dos preços de cada um dos bens e às respectvas recetas entre 00 e 007, em mlhares de euros: Marca Preços Índces de preços Recetas Ferrar ,05, Lamborghn ,08, BMW ,06, OTA: Os índces de preços apresentados têm todos a mesma base. a) (5%) Construa um índce de preços com base em 00 para os BMW, para cada ano de 00 a 005, e calcule o índce das recetas obtdas para cada uma das marcas de carros em 007, com base em 006. Um índce de preços é um índce smples com base num ano, neste caso, 00. Um índce das recetas, ou índce de despesa, ou anda índce de rendmento, é um índce smples do produto de um determnado preço por uma determnado quantdade, neste caso calculado para o ano de 006 com base no ano de 006, em que R representa as recetas: p B p B 0 I 0/0 B p ; I 04/0 p B p B 04 B p ,5; I 05/0 p B p B 05 B p ,5

21 Correcção Exame ª Época R F Recetas 07 F Recetas 06 I 07/06 R L Recetas 07 L Recetas 06 R B Recetas 07 B Recetas 06 I 07/06 I 07/06 p p 07 I 07/t p t F p 07 F F q 07 F F q 06 p 06 L p 07 L L q 07 L L q 06 p 06 B p 07 B B q 07 B B q 06 p , , , b) (5%) Calcule o índce de Laspeyres e o índce de Paasche, ambos de preços, para o ano de 007, com base em 006. Sabendo que o índce de Laspeyres de preços é uma méda artmétca ponderada de índces smples de preços, em que os ponderadores são as percentagens da receta referentes a cada um dos bens, no ano base e que o índce de Paasche de preços é uma méda harmónca ponderada de índces smples de preços, em que os ponderadores são as percentagens da receta referentes a cada um dos bens, no ano corrente, o cálculo dos índces peddos é smples. Prmero temos que calcular o índce de preços smples para o ano de 007, com base em 006, para cada um dos bens, e para tal, sabemos que tanto o índce de preços smples de 007 como o de 006 têm ambos a mesma base, que nos é desconhecda, por sso basta fazer a segunte mudança de base: p F I p F 07/t I 07/06 p I F 06/t p 07 p t p06 p 06 p07 p 06 p06 p I p p 07/06 I 06/t I 07/06 t p p I 07/t Assm, o índce de preços em 007 com base em 006 para cada um dos bens é o segunte: p L 07/06 p 07 p 06 p I 06/t,,05,06; I p L 07/06 I p L 07/t,4 p I L,08,5; I 07/06 06/t.q 06.q 06 p B I p B 07/t,66 p B,06, I 06/t Assm, o índce de Laspeyres de preços de 007 com base em 006 será: %Recetas 06 p 06.q 06. p 07 p 06 Recetas 06 Recetas 06 Recetas 06 p.i 07/ I p F 07/ I p L 07/ ,06., ,,0994 p.i 07/06 p B 6500.I 07/06 E o índce de Paasche de preços de 007 com base em 006 é dado por: p P 7/06 p 07 0 p 06.q 07.q 07 Recetas 07 p 07.q 07. p 06 Recetas 07 p 07. p I 07/06 Recetas 07

22 Correcção Exame ª Época Recetas 07. Recetas 07 p I 07/06 R R I 08/07,05; I F 08/07,05; I 08/07,04 R p 08 p 07 I 08/07.q 08.q 07 R L p I 07/06 %Recetas 07 p 08.q 08. p 07 p 07 Recetas 07, ,06 080,5 080, c) (5%) Sabe se que o aumento prevsto das recetas deste stand será de 5% em 008, avalado através do índce das recetas totas com base em 007. É também esperado para 008 um aumento de,5% nas recetas obtdas com as vendas dos Ferrars e um aumento de 4% nas recetas geradas pelas vendas dos BMW. Calcule o valor das recetas que o stand espera obter com a venda de Lamborghns, em 008. Uma vez que se prevê que as recetas totas deste stand cresçam 5%, que as recetas obtdas com as vendas dos Ferrars aumentem,5% e que as recetas obtdas com os BMW aumentem 4%, de 007 para 008, podemos afrmar que: Sabendo que o índce das recetas totas de preços é uma méda artmétca ponderada de índces smples das recetas, em que os ponderadores são as percentagens da receta referentes a cada um dos bens, no ano base, temos:.q 07.q 07 Recetas 07 R.I Recetas 07 08/07 %Recetas 07.q 08.q 07 p 07.q 07. p 08 p 07 Recetas 06 R.I 08/07, , I R 08/ ,04, , Recetas L Recetas Recetas L 9500 F p t/0 L t/0 p p P t/0 Recetas L 089 L ,04 Logo, o valor das recetas esperadas com a venda de Lamborghns em 008 é de 089 mlhares de euros. d) (0%) O índce de Fsher é reversível em relação aos factores? Justfque a sua resposta. O índce de Fsher de preços e o índce de Fsher de quantdades são dados repctvamente pelas seguntes expressões: q L q q t/0 P t/0 ; F t/0 Para averguar se o índce de Fsher respeta o crtéro da reversão quanto aos factores, tem que verfcar a segunte condção: F p t/0 F q V t/0 I t/0 V t/0 Em que I representa o índce de valor, de rendmento ou da despesa, sto é:

23 Correcção Exame ª Época V k p t I t/0 q t k p 0 q 0 Assm, substtundo o índce de Fsher de preços e de quantdades pelas respectvas expressões temos: p t/0 F q t/0 L p p t/0 P t/0 F L t/0 q P q t/0 k p t q 0 k p k t q t k p 0 q 0 k p q. p0 q t k p t q t 0 k p t 0 q 0 k p t q 0 k p t q 0 k p t q t k p 0 q 0 k p 0 q k p 0 q t t k p q k pt q t k p t q t 0 k p 0 t q 0 k p 0 q k p t q t V I 0 k p 0 q t/0 0 Logo, podemos conclur que o índce de Fsher é reversível em relação aos factores. IV (5%). (5%) Segundo as estatístcas ofcas da Academa da Força Aérea, são admtdos todos os anos em méda 50% dos alunos no curso de Ploto Avador, 0% nos cursos de Engenhara e 0% em Medcna. Apenas ngressam no curso de Ploto Avador os cadetes que passarem num teste básco de voo, obrgatóro para todos os alunos durante o período de recruta. A probabldade de um aluno que pretende segur o curso de Ploto Avador passar nesse teste é de 60%, enquanto que o valor dessa probabldade é de 45% para os alunos que pretendem segur Engenhara e de 0% para os que querem ngressar em Medcna. Qual a probabldade de ser admtdo um aluno no curso de Ploto Avador que não pretende segur esse curso? PA: Ser admtdo no curso de Ploto Avador E: Ser admtdo no curso de Engenhara M: Ser admtdo no curso de Medcna T: Passar no teste básco de voo PPA0,5;PE0,;PM0, PT\PA0,6; PT\E0,45; PT\M0, PT\PA0,60,4; PT\E0,450,55; PT\M0,0,7 PA, E e M consttuem uma partção do espaço amostral já que não se ntersectam e, reundos, equvalem ao unverso, ou seja, um aluno da Academa da Força Aérea tem que estar no curso de Ploto Avador, no curso de Engenhara ou no curso de Medcna e não pode estar em mas do que um ao mesmo tempo. O acontecmento T ntersecta se com cada um dos acontecmentos anterores e a sua probabldade pode ser calculada através da soma das probabldades da ntersecção de T com estes acontecmentos, de acordo com o Teorema da Probabldade Total, ou seja, um aluno pode passar no teste básco de voo se for do curso de Ploto Avador, do curso de Engenhara ou do curso de Medcna: 4

24 Correcção Exame ª Época PTPTPATETMPPA.PT\PAPE.PT\EPM.PT\M 0,5 0,60, 0,450, 0,0,495 Contudo, a probabldade que se pretende não é a probabldade de um aluno passar no teste básco de voo, mas sm a probabldade de ser admtdo um aluno no curso de Ploto Avador que não pretende segur esse curso, ou seja, a probabldade de ter sdo admtdo um aluno que pretenda segur Engenhara ou Medcna sabendo que passou no teste básco de voo. Aplcando o Teorema de Bayes, faclmente obtemos a probabldade pedda: PPA \T PPA T PETMT PE.PT\EPM.PT\M PT PT PPA.PT\PAPE.PT\EPM.PT\M 0, 0,450, 0, 0,95 0,495 0,495 0,9 De gual modo, poderíamos obter a probabldade pedda pelo complementar do acontecmento em causa: PPA \TPPA\T PPAT PPA.PT\PA PT PPA.PT\PAPE.PT\EPM.PT\M 0,5 0,6 0,495 0, 0, 9 0,495. Suponha que no fm do curso os plotos são destacados para as dferentes esquadras através de um sorteo, de tal forma que 0% dos plotos são destacados para a esquadra dos caças F 6, 0% para as esquadras de helcópteros, 5% para as esquadras dos avões de carga como os C 0 Hércules e 5% para as restantes esquadras. a) (5%) Qual a probabldade de, num grupo de 5 plotos, pelo menos 0 não serem selecconados para a esquadra dos caças? A probabldade de, num grupo de 5 plotos, pelo menos 0 não serem selecconados para a esquadra dos caças é precsamente a mesma probabldade de, num grupo de 5 plotos, no máxmo 5 serem seleconados para essa esquadra. O que se pede é a probabldade de, numa experênca que consste em 5 tentatvas, todas com a mesma probabldade de sucesso, haver 5 bem suceddas. Recorrendo à dstrbução Bnomal, resolvemos o problema: X: úmero de plotos, em 5, que são selecconados para a esquadra dos caças X~Bnn5;p0, PX5F50,9978 b) (5%) Sabendo que, em méda, são selecconados por ano plotos para a esquadra dos caças, qual a probabldade de serem selecconados pelo menos 8 plotos para esta esquadra no espaço de dos anos? Pelo enuncado, percebemos mplctamente que estamos perante uma nova varável que segue uma dstrbução Posson, uma vez que nos dão o número de eventos durante um determnado ntervalo de tempo (ou seja, neste caso, dão nos o número médo de plotos selecconados para a esquadra dos caças durante um ano). A probabldade pedda refere se ao número de plotos selecconados para a esquadra dos caças no espaço de dos anos, por sso, sabendo se que, na dstrbução de Posson, o valor médo (número de plotos 5

25 Correcção Exame ª Época selecconados, neste caso) e a ampltude do ntervalo de contagem (número de anos, neste exemplo) são proporconas, concluímos que, sendo o número de anos multplcado por, o mesmo deve acontecer ao número médo de plotos selecconados: Y: úmero de plotos selecconados para a esquadra dos caças, num ano Y~Pλ W: úmero de plotos selecconados para a esquadra dos caças, no espaço de dos anos W~Pλ λ 6 PW8PW8PW7F70,77400,56. A quantdade utlzada de combustível por voo de um F 6 é uma varável aleatóra com dstrbução ormal, de parâmetros μ=800 e σ = A capacdade máxma de combustível de um F 6 é de 500 ltros, e a quantdade mínma de combustível que é necessára para o avão atngr a velocdade MACH (ultrapassar a barrera do som) durante um voo é de 00 ltros. a) (5%) Qual a probabldade de um F 6 ter combustível sufcente para ultrapassar a barrera do som? Q: Quantdade de combustível utlzada por voo de um F 6 Q~µ800;σ Z Qµ ;Z~µ σ Z 0;σ Z Um F 6 só atnge e ultrapassa a barrera do som se tver pelo menos a quantdade mínma de combustível necessára para atngr a velocdade MACH : PQ00PQ00P Qµ 00µ σ σ P Q PZ,5Φ,50,90, (5%) Qual devera ser a quantdade mínma de combustível necessára para atngr a velocdade MACH de modo a que a probabldade anteror seja de 5%? O que se pretende saber é qual a quantdade mníma de combustível que é necessára para que a probabldade de um F 6 ter combustível sufcente para ultrapassar a barrera do som seja de 5%. Desgne se esta quantdade mínma por q e tenha se em atenção que Φ é njectva, pelo que tem nversa: PQq0,05 PQq0,05 P Qµ σ qµ 0,95 σ P Z q800 q800 0,95 Φ q800 0,95 Φ 0, q80000 Φ 0,95 q 80000,645 q 9 6

Exame 1ª Época. Nº: Nome:

Exame 1ª Época. Nº: Nome: Faculdade de Economa da Unversdade Nova de Lsboa 104 Análse de Dados e Probabldade 1º Semestre 008/009 Fernando Brto Soares Cáta Fernandes Erca Marujo Danel Montero Nº: Nome: Data: 7 de Janero de 009,

Leia mais

Estatística I Licenciatura MAEG 2006/07

Estatística I Licenciatura MAEG 2006/07 Estatístca I Lcencatura MAEG 006/07 AMOSTRAGEM. DISTRIBUIÇÕES POR AMOSTRAGEM.. Em determnada unversdade verfca-se que 30% dos alunos têm carro. Seleccona-se uma amostra casual smples de 0 alunos. a) Qual

Leia mais

UNIVERSIDADE NOVA DE LISBOA Faculdade de Economia Análise de Dados e Probabilidade 2º Semestre 2008/2009 Exame Final 1ª Época. Grupo I (4 Valores)

UNIVERSIDADE NOVA DE LISBOA Faculdade de Economia Análise de Dados e Probabilidade 2º Semestre 2008/2009 Exame Final 1ª Época. Grupo I (4 Valores) UNIVERSIDADE NOVA DE LISBOA Faculdade de Economa Análse de Dados e Probabldade º Semestre 008/009 Exame Fnal ª Época Clara Costa Duarte Data: 8/05/009 Graça Slva Duração: h0 Grupo I (4 Valores) A gelatara

Leia mais

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.

É 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 entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das

Leia mais

INSTITUTO POLITÉCNICO DE VISEU ESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO

INSTITUTO POLITÉCNICO DE VISEU ESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO Área Centfca Curso Matemátca Engenhara Electrotécnca º Semestre º 00/0 Fcha nº 9. Um artgo da revsta Wear (99) apresenta dados relatvos à vscosdade do óleo e ao desgaste do aço maco. A relação entre estas

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRG Insttuto de Matemátca

Leia mais

Eventos coletivamente exaustivos: A união dos eventos é o espaço amostral.

Eventos coletivamente exaustivos: A união dos eventos é o espaço amostral. DEFINIÇÕES ADICIONAIS: PROBABILIDADE Espaço amostral (Ω) é o conjunto de todos os possíves resultados de um expermento. Evento é qualquer subconjunto do espaço amostral. Evento combnado: Possu duas ou

Leia mais

4 Critérios para Avaliação dos Cenários

4 Critérios para Avaliação dos Cenários Crtéros para Avalação dos Cenáros É desejável que um modelo de geração de séres sntétcas preserve as prncpas característcas da sére hstórca. Isto quer dzer que a utldade de um modelo pode ser verfcada

Leia mais

Escola Superior de Tecnologia de Viseu. Fundamentos de Estatística 2006/2007 Ficha nº 7

Escola Superior de Tecnologia de Viseu. Fundamentos de Estatística 2006/2007 Ficha nº 7 Escola Superor de Tecnologa de Vseu Fundamentos de Estatístca 006/00 Fcha nº. Um artgo da revsta Wear (99) apresenta dados relatvos à vscosdade do óleo e ao desgaste do aço maco. A relação entre estas

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia mais

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA CAPÍTULO DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA. A MÉDIA ARITMÉTICA OU PROMÉDIO Defnção: é gual a soma dos valores do grupo de dados dvdda pelo número de valores. X x Soma dos valores de x número de

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia mais

Curso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos

Curso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos Curso de extensão, MMQ IFUSP, feverero/4 Alguns exercíco báscos I Exercícos (MMQ) Uma grandeza cujo valor verdadero x é desconhecdo, fo medda três vezes, com procedmentos expermentas dêntcos e, portanto,

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia mais

7 - Distribuição de Freqüências

7 - Distribuição de Freqüências 7 - Dstrbução de Freqüêncas 7.1 Introdução Em mutas áreas há uma grande quantdade de nformações numércas que precsam ser dvulgadas de forma resumda. O método mas comum de resumr estes dados numércos consste

Leia mais

MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES

MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES 1. Obtenha os estmadores dos coefcentes lnear e angular de um modelo de regressão lnear smples utlzando o método

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia mais

CORRELAÇÃO E REGRESSÃO

CORRELAÇÃO E REGRESSÃO CORRELAÇÃO E REGRESSÃO Constata-se, freqüentemente, a estênca de uma relação entre duas (ou mas) varáves. Se tal relação é de natureza quanttatva, a correlação é o nstrumento adequado para descobrr e medr

Leia mais

UNIVERSIDADE NOVA DE LISBOA Faculdade de Economia Análise de Dados e Probabilidade 2º Semestre 2008/2009 Teste Intermédio A. Grupo I (5 Valores)

UNIVERSIDADE NOVA DE LISBOA Faculdade de Economia Análise de Dados e Probabilidade 2º Semestre 2008/2009 Teste Intermédio A. Grupo I (5 Valores) 1 UNIVERIDADE NOVA DE LIBOA Faculdade de Economa Análse de Dados e Probabldade º emestre 008/009 Teste Intermédo A Clara Costa Duarte Data: 01/04/009 Graça lva Duração: 1h Grupo I (5 Valores) uponha que

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ 1 É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das

Leia mais

Nome: Nº: Estatística para Economia e Gestão Licenciaturas em Economia e Gestão. 2.º Semestre de 2008/2009

Nome: Nº: Estatística para Economia e Gestão Licenciaturas em Economia e Gestão. 2.º Semestre de 2008/2009 Estatístca para Economa e Gestão Lcencaturas em Economa e Gestão.º Semestre de 008/009 Exame Fnal (.ª Época) 16 de Junho de 009; 17h30m Duração: 10 mnutos INSTRUÇÕES Escreva o nome e número de aluno em

Leia mais

ESTATÍSTICA APLICADA II ANO LECTIVO 2011/2012. Exame Final 26 de Julho de 2012

ESTATÍSTICA APLICADA II ANO LECTIVO 2011/2012. Exame Final 26 de Julho de 2012 ETATÍTICA APLICADA II ANO LECTIVO / Exame Fnal 6 de Julho de Duração : H 3 M Nota: Responder um grupo por folha (utlze frente e verso de cada folha) Em todas as questões apresentar os cálculos efectuados

Leia mais

2ª Atividade Formativa UC ECS

2ª Atividade Formativa UC ECS I. Explque quando é que a méda conduz a melhores resultados que a medana. Dê um exemplo para a melhor utlzação de cada uma das meddas de localzação (Exame 01/09/2009). II. Suponha que um professor fez

Leia mais

3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas

3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas 3.6. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas

Leia mais

REGRESSÃO NÃO LINEAR 27/06/2017

REGRESSÃO NÃO LINEAR 27/06/2017 7/06/07 REGRESSÃO NÃO LINEAR CUIABÁ, MT 07/ Os modelos de regressão não lnear dferencam-se dos modelos lneares, tanto smples como múltplos, pelo fato de suas varáves ndependentes não estarem separados

Leia mais

Regressão Múltipla. Parte I: Modelo Geral e Estimação

Regressão Múltipla. Parte I: Modelo Geral e Estimação Regressão Múltpla Parte I: Modelo Geral e Estmação Regressão lnear múltpla Exemplos: Num estudo sobre a produtvdade de trabalhadores ( em aeronave, navos) o pesqusador deseja controlar o número desses

Leia mais

O problema da superdispersão na análise de dados de contagens

O problema da superdispersão na análise de dados de contagens O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão

Leia mais

PRESSUPOSTOS DO MODELO DE REGRESSÃO

PRESSUPOSTOS DO MODELO DE REGRESSÃO PREUPOTO DO MODELO DE REGREÃO A aplcação do modelo de regressão lnear múltpla (bem como da smples) pressupõe a verfcação de alguns pressupostos que condensamos segudamente.. Os erros E são varáves aleatóras

Leia mais

Métodos Avançados em Epidemiologia

Métodos Avançados em Epidemiologia Unversdade Federal de Mnas Geras Insttuto de Cêncas Exatas Departamento de Estatístca Métodos Avançados em Epdemologa Aula 5-1 Regressão Lnear Smples: Estmação e Interpretação da Reta Tabela ANOVA e R

Leia mais

Universidade da Beira Interior Departamento de Matemática. Ficha de exercícios nº2: Distribuições Bidimensionais

Universidade da Beira Interior Departamento de Matemática. Ficha de exercícios nº2: Distribuições Bidimensionais Ano lectvo: 2006/2007 Unversdade da Bera Interor Departamento de Matemátca ESTATÍSTICA Fcha de exercícos nº2: Dstrbuções Bdmensonas Curso: Cêncas do Desporto 1. Consdere a segunte tabela de contngênca:

Leia mais

Associação entre duas variáveis quantitativas

Associação entre duas variáveis quantitativas Exemplo O departamento de RH de uma empresa deseja avalar a efcáca dos testes aplcados para a seleção de funconáros. Para tanto, fo sorteada uma amostra aleatóra de 50 funconáros que fazem parte da empresa

Leia mais

Testes não-paramétricos

Testes não-paramétricos Testes não-paramétrcos Prof. Lorí Val, Dr. http://www.mat.ufrgs.br/val/ val@mat.ufrgs.br Um teste não paramétrco testa outras stuações que não parâmetros populaconas. Estas stuações podem ser relaconamentos,

Leia mais

Gráficos de Controle para Processos Autocorrelacionados

Gráficos de Controle para Processos Autocorrelacionados Gráfcos de Controle para Processos Autocorrelaconados Gráfco de controle de Shewhart: observações ndependentes e normalmente dstrbuídas. Shewhart ao crar os gráfcos de controle não exgu que os dados fossem

Leia mais

Exercícios de CPM e PERT Enunciados

Exercícios de CPM e PERT Enunciados Capítulo 7 Exercícos de CPM e PERT Enuncados Exercícos de CPM e PERT Enuncados 106 Problema 1 O banco TTM (Tostão a Tostão se faz um Mlhão) decdu transferr e amplar a sua sede e servços centras para a

Leia mais

O problema da superdispersão na análise de dados de contagens

O problema da superdispersão na análise de dados de contagens O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão

Leia mais

Redução dos Dados. Júlio Osório. Medidas Características da Distribuição. Tendência Central (Localização) Variação (Dispersão) Forma

Redução dos Dados. Júlio Osório. Medidas Características da Distribuição. Tendência Central (Localização) Variação (Dispersão) Forma Redução dos Dados Júlo Osóro Meddas Característcas da Dstrbução Tendênca Central (Localzação) Varação (Dspersão) Forma 1 Meddas Característcas da Dstrbução Meddas Estatístcas Tendênca Central Dspersão

Leia mais

R X. X(s) Y Y(s) Variáveis aleatórias discretas bidimensionais

R X. X(s) Y Y(s) Variáveis aleatórias discretas bidimensionais 30 Varáves aleatóras bdmensonas Sea ε uma experênca aleatóra e S um espaço amostral assocado a essa experênca. Seam X X(s) e Y Y(s) duas funções cada uma assocando um número real a cada resultado s S.

Leia mais

1. CORRELAÇÃO E REGRESSÃO LINEAR

1. CORRELAÇÃO E REGRESSÃO LINEAR 1 CORRELAÇÃO E REGREÃO LINEAR Quando deseja-se estudar se exste relação entre duas varáves quanttatvas, pode-se utlzar a ferramenta estatístca da Correlação Lnear mples de Pearson Quando essa correlação

Leia mais

MODELOS DE REGRESSÃO PARAMÉTRICOS

MODELOS DE REGRESSÃO PARAMÉTRICOS MODELOS DE REGRESSÃO PARAMÉTRICOS Às vezes é de nteresse nclur na análse, característcas dos ndvíduos que podem estar relaconadas com o tempo de vda. Estudo de nsufcênca renal: verfcar qual o efeto da

Leia mais

8 - Medidas Descritivas

8 - Medidas Descritivas 8 - Meddas Descrtvas 8. Introdução Ao descrevemos um conjunto de dados por meo de tabelas e gráfcos temos muto mas nformações sobre o comportamento de uma varável do que a própra sére orgnal de dados.

Leia mais

Teoria Elementar da Probabilidade

Teoria Elementar da Probabilidade 10 Teora Elementar da Probabldade MODELOS MATEMÁTICOS DETERMINÍSTICOS PROBABILÍSTICOS PROCESSO (FENÓMENO) ALEATÓRIO - Quando o acaso nterfere na ocorrênca de um ou mas dos resultados nos quas tal processo

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. vall@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ Em mutas stuações duas ou mas varáves estão relaconadas e surge então a necessdade de determnar a natureza deste relaconamento. A análse

Leia mais

3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo

3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo 3 Metodologa de Avalação da Relação entre o Custo Operaconal e o Preço do Óleo Este capítulo tem como objetvo apresentar a metodologa que será empregada nesta pesqusa para avalar a dependênca entre duas

Leia mais

3 A técnica de computação intensiva Bootstrap

3 A técnica de computação intensiva Bootstrap A técnca de computação ntensva ootstrap O termo ootstrap tem orgem na expressão de língua nglesa lft oneself by pullng hs/her bootstrap, ou seja, alguém levantar-se puxando seu própro cadarço de bota.

Leia mais

UNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)

UNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC) UNDADE V DELNEAMENTO NTERAMENTE CASUALZADO (DC) CUABÁ, MT 015/ PROF.: RÔMULO MÔRA romulomora.webnode.com 1. NTRODUÇÃO Este delneamento apresenta como característca prncpal a necessdade de homogenedade

Leia mais

Estatística Espacial: Dados de Área

Estatística Espacial: Dados de Área Estatístca Espacal: Dados de Área Dstrbução do número observado de eventos Padronzação e SMR Mapas de Probabldades Mapas com taxas empírcas bayesanas Padronzação Para permtr comparações entre dferentes

Leia mais

Regressão Linear Simples by Estevam Martins

Regressão Linear Simples by Estevam Martins Regressão Lnear Smples by Estevam Martns stvm@uol.com.br "O únco lugar onde o sucesso vem antes do trabalho, é no dconáro" Albert Ensten Introdução Mutos estudos estatístcos têm como objetvo estabelecer

Leia mais

Análise de Regressão Linear Múltipla IV

Análise de Regressão Linear Múltipla IV Análse de Regressão Lnear Múltpla IV Aula 7 Guarat e Porter, 11 Capítulos 7 e 8 He et al., 4 Capítulo 3 Exemplo Tomando por base o modelo salaro 1educ anosemp exp prev log 3 a senhorta Jole, gerente do

Leia mais

Algarismos Significativos Propagação de Erros ou Desvios

Algarismos Significativos Propagação de Erros ou Desvios Algarsmos Sgnfcatvos Propagação de Erros ou Desvos L1 = 1,35 cm; L = 1,3 cm; L3 = 1,30 cm L4 = 1,4 cm; L5 = 1,7 cm. Qual destas meddas está correta? Qual apresenta algarsmos com sgnfcado? O nstrumento

Leia mais

Os modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência.

Os modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência. MODELO DE REGRESSÃO DE COX Os modelos de regressão paramétrcos vstos anterormente exgem que se suponha uma dstrbução estatístca para o tempo de sobrevvênca. Contudo esta suposção, caso não sea adequada,

Leia mais

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média. Estatístca Dscplna de Estatístca 0/ Curso de Admnstração em Gestão Públca Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos uns dos

Leia mais

Programa de Certificação de Medidas de um laboratório

Programa de Certificação de Medidas de um laboratório Programa de Certfcação de Meddas de um laboratóro Tratamento de dados Elmnação de dervas Programa de calbração entre laboratóros Programa nterno de calbração justes de meddas a curvas Tratamento dos resultados

Leia mais

Análise Descritiva com Dados Agrupados

Análise Descritiva com Dados Agrupados Análse Descrtva com Dados Agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas descrtvas

Leia mais

Exame final de Estatística 2ª Época - 24 de Junho de 2004

Exame final de Estatística 2ª Época - 24 de Junho de 2004 xame fnal de statístca ª Época - de Junho de Faculdade de conoma José Antóno nhero Unversdade Nova de Lsboa Mara Helena Almeda Note bem:. Resolva grupos dferentes em folhas dferentes;. IDNTIFIQU todas

Leia mais

Capítulo 1. Exercício 5. Capítulo 2 Exercício

Capítulo 1. Exercício 5. Capítulo 2 Exercício UNIVERSIDADE FEDERAL DE GOIÁS CIÊNCIAS ECONÔMICAS ECONOMETRIA (04-II) PRIMEIRA LISTA DE EXERCÍCIOS Exercícos do Gujarat Exercíco 5 Capítulo Capítulo Exercíco 3 4 5 7 0 5 Capítulo 3 As duas prmeras demonstrações

Leia mais

EXEMPLOS DO CURSO DE ESTATÍSTICA ENGENHARIA DE MATERIAIS

EXEMPLOS DO CURSO DE ESTATÍSTICA ENGENHARIA DE MATERIAIS EEMPLOS DO CURSO DE ESTATÍSTICA ENGENHARIA DE MATERIAIS Exemplo: Peso de 25 bolos ndustras Forma bruta: Dsposção ordenada 266 267 266 26 22 255 266 26 272 22 260 272 25 262 23 25 266 270 274 22 2 270 20

Leia mais

CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO 2 DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogério Rodrigues

CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO 2 DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogério Rodrigues CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogéro Rodrgues I) TABELA PRIMITIVA E DISTRIBUIÇÃO DE FREQÜÊNCIA : No processo de amostragem, a forma de regstro mas

Leia mais

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média. Estatístca Dscplna de Estatístca 0/ Curso Superor de tecnólogo em Gestão Ambental Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos

Leia mais

EXERCÍCIOS SUPLEMENTARES

EXERCÍCIOS SUPLEMENTARES PROBABILIDADES E ESTATÍSTICA PROBABILIDADES E ESTATÍSTICA I EXERCÍCIOS SUPLEMENTARES Secção de Estatístca e Aplcações Departamento de Matemátca Insttuto Superor Técnco 2004/2005 Adenda A1. De um lote de

Leia mais

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de

Leia mais

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional. ou experimental.

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional. ou experimental. Prof. Lorí Val, Dr. vall@mat.ufrgs.br http://www.mat.ufrgs.br/~vall/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal http://www.mat.ufrgs.br/~vall/ ou expermental. Numa relação

Leia mais

X = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha)

X = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha) Estatístca p/ Admnstração II - Profª Ana Cláuda Melo Undade : Probabldade Aula: 3 Varável Aleatóra. Varáves Aleatóras Ao descrever um espaço amostral de um expermento, não especfcamos que um resultado

Leia mais

2 Incerteza de medição

2 Incerteza de medição 2 Incerteza de medção Toda medção envolve ensaos, ajustes, condconamentos e a observação de ndcações em um nstrumento. Este conhecmento é utlzado para obter o valor de uma grandeza (mensurando) a partr

Leia mais

Covariância na Propagação de Erros

Covariância na Propagação de Erros Técncas Laboratoras de Físca Lc. Físca e Eng. omédca 007/08 Capítulo VII Covarânca e Correlação Covarânca na propagação de erros Coefcente de Correlação Lnear 35 Covarânca na Propagação de Erros Suponhamos

Leia mais

Estatística II Antonio Roque Aula 18. Regressão Linear

Estatística II Antonio Roque Aula 18. Regressão Linear Estatístca II Antono Roque Aula 18 Regressão Lnear Quando se consderam duas varáves aleatóras ao mesmo tempo, X e Y, as técncas estatístcas aplcadas são as de regressão e correlação. As duas técncas estão

Leia mais

Modelo linear normal com erros heterocedásticos. O método de mínimos quadrados ponderados

Modelo linear normal com erros heterocedásticos. O método de mínimos quadrados ponderados Modelo lnear normal com erros heterocedástcos O método de mínmos quadrados ponderados Varâncas homogêneas Varâncas heterogêneas y y x x Fgura 1 Ilustração da dstrbução de uma varável aleatóra y (condconal

Leia mais

3. Estatística descritiva bidimensional

3. Estatística descritiva bidimensional 3. Estatístca descrtva bdmensonal (Tabelas, Gráfcos e números) Análse bvarada (ou bdmensonal): avala o comportamento de uma varável em função da outra, por exemplo: Quantas TV Phlps são venddas na regão

Leia mais

AULA 4. Segundo Quartil ( Q observações são menores que ele e 50% são maiores.

AULA 4. Segundo Quartil ( Q observações são menores que ele e 50% são maiores. Estatístca Aplcada à Engenhara AULA 4 UNAMA - Unversdade da Amazôna.8 MEDIDA EPARATRIZE ão valores que separam o rol (os dados ordenados) em quatro (quarts), dez (decs) ou em cem (percents) partes guas.

Leia mais

Modelo linear clássico com erros heterocedásticos. O método de mínimos quadrados ponderados

Modelo linear clássico com erros heterocedásticos. O método de mínimos quadrados ponderados Modelo lnear clássco com erros heterocedástcos O método de mínmos quadrados ponderados 1 Varâncas homogêneas Varâncas heterogêneas y y x x Fgura 1 Ilustração da dstrbução de uma varável aleatóra y (condconal

Leia mais

RISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16%

RISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16% Análse de Rsco 1 RISCO Rsco possbldade de perda. Quanto maor a possbldade, maor o rsco. Exemplo: Empresa X va receber $ 1.000 de uros em 30 das com títulos do governo. A empresa Y pode receber entre $

Leia mais

DEFINIÇÃO - MODELO LINEAR GENERALIZADO

DEFINIÇÃO - MODELO LINEAR GENERALIZADO DEFINIÇÃO - MODELO LINEAR GENERALIZADO 1 Um modelo lnear generalzado é defndo pelos seguntes três componentes: Componente aleatóro; Componente sstemátco; Função de lgação; Componente aleatóro: Um conjunto

Leia mais

CAPÍTULO 2 - Estatística Descritiva

CAPÍTULO 2 - Estatística Descritiva INF 16 Prof. Luz Alexandre Peternell CAPÍTULO - Estatístca Descrtva Exercícos Propostos 1) Consderando os dados amostras abaxo, calcular: méda artmétca, varânca, desvo padrão, erro padrão da méda e coefcente

Leia mais

Análise de Regressão

Análise de Regressão Análse de Regressão método estatístco que utlza relação entre duas ou mas varáves de modo que uma varável pode ser estmada (ou predta) a partr da outra ou das outras Neter, J. et al. Appled Lnear Statstcal

Leia mais

Cap. IV Análise estatística de incertezas aleatórias

Cap. IV Análise estatística de incertezas aleatórias TLF 010/11 Cap. IV Análse estatístca de ncertezas aleatóras Capítulo IV Análse estatístca de ncertezas aleatóras 4.1. Méda 43 4.. Desvo padrão 44 4.3. Sgnfcado do desvo padrão 46 4.4. Desvo padrão da méda

Leia mais

Microeconomia I. Licenciaturas em Administração e Gestão de Empresas e em Economia

Microeconomia I. Licenciaturas em Administração e Gestão de Empresas e em Economia Mcroeconoma I Lcencaturas em Admnstração e Gestão de Empresas e em Economa Ano lectvo 010-011 Teste Intermédo 1º Semestre 5 de Outubro de 010 Regente: Fernando Branco (fbranco@ucppt) Catarna Slva, Danel

Leia mais

FUNDAMENTOS DE INVESTIGAÇÃO OPERACIONAL. 2.º teste 21 de Maio de Duração: 1h:30. Resolução indicativa

FUNDAMENTOS DE INVESTIGAÇÃO OPERACIONAL. 2.º teste 21 de Maio de Duração: 1h:30. Resolução indicativa INSIUO SUPERIOR ÉNIO LEGI (Lcencatura em Engenhara e Gestão Industral) FUNDAMENOS DE INVESIGAÇÃO OPERAIONAL 2.º teste 21 de Mao de 2016 Duração: 1h:30 Resolução ndcatva 1. Um estabelecmento de ensno superor

Leia mais

Introdução à Análise de Dados nas medidas de grandezas físicas

Introdução à Análise de Dados nas medidas de grandezas físicas Introdução à Análse de Dados nas meddas de grandezas físcas www.chem.wts.ac.za/chem0/ http://uregna.ca/~peresnep/ www.ph.ed.ac.uk/~td/p3lab/analss/ otas baseadas nos apontamentos Análse de Dados do Prof.

Leia mais

FACULDADE DE ECONOMIA DO PORTO. Licenciatura em Economia E C O N O M E T R I A II

FACULDADE DE ECONOMIA DO PORTO. Licenciatura em Economia E C O N O M E T R I A II FACULDADE DE ECONOMIA DO PORTO Lcencatura em Economa E C O N O M E T R I A II (LEC310) Avalação dstrbuída - Teste global 25 de Junho de 2007 NOTAS PRÉVIAS: 1. A prova tem duração de 2 horas. 2. Apenas

Leia mais

Variável discreta: X = número de divórcios por indivíduo

Variável discreta: X = número de divórcios por indivíduo 5. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas

Leia mais

Análise de Regressão Linear Múltipla VII

Análise de Regressão Linear Múltipla VII Análse de Regressão Lnear Múltpla VII Aula 1 Hej et al., 4 Seções 3. e 3.4 Hpótese Lnear Geral Seja y = + 1 x 1 + x +... + k x k +, = 1,,..., n. um modelo de regressão lnear múltpla, que pode ser escrto

Leia mais

NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES

NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES 1 O nosso objetvo é estudar a relação entre duas varáves quanttatvas. Eemplos:. Idade e altura das cranças.. v. Tempo de prátca de esportes e rtmo cardíaco

Leia mais

Medidas de Tendência Central. Prof.: Ademilson Teixeira

Medidas de Tendência Central. Prof.: Ademilson Teixeira Meddas de Tendênca Central Prof.: Ademlson Texera ademlson.texera@fsc.edu.br 1 Servem para descrever característcas báscas de um estudo com dados quanttatvos e comparar resultados. Meddas de Tendênca Central

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRGS Insttuto de Matemátca

Leia mais

CURSO de ESTATÍSTICA Gabarito

CURSO de ESTATÍSTICA Gabarito UNIVERSIDADE FEDERAL FLUMINENSE TRANSFERÊNCIA o semestre letvo de 010 e 1 o semestre letvo de 011 CURSO de ESTATÍSTICA Gabarto INSTRUÇÕES AO CANDIDATO Verfque se este caderno contém: PROVA DE REDAÇÃO com

Leia mais

Escola Secundária com 3º ciclo D. Dinis 10º Ano de Matemática A Estatística

Escola Secundária com 3º ciclo D. Dinis 10º Ano de Matemática A Estatística Escola Secundára com º cclo D. Dns 10º Ano de Matemátca A Estatístca Trabalho de casa nº 15 GRUPO I 1. Num referencal o.n. Oxyz, a undade é o cm e a esfera defnda por ( ) ( ) está nscrta num cubo. O volume

Leia mais

Variação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro.

Variação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro. Aplcação Por exemplo, se prepararmos uma área expermental com todo cudado possível e fzermos, manualmente, o planto de 100 sementes seleconadas de um mlho híbrdo, cudando para que as sementes fquem na

Leia mais

2. VARIÁVEIS ALEATÓRIAS

2. VARIÁVEIS ALEATÓRIAS VARIÁVEIS ALEATÓRIAS 0 Varável aleatóra Ω é o espaço amostral de um epermento aleatóro Uma varável aleatóra é uma função que atrbu um número real a cada resultado em Ω Eemplo Retra- ao acaso um tem produzdo

Leia mais

Prof. Cláudio Serra, Esp. 1. Produção de Leite x índice Pluviométrico y = 0.8x R 2 =

Prof. Cláudio Serra, Esp. 1. Produção de Leite x índice Pluviométrico y = 0.8x R 2 = Análse de Regressão Cap.. Introdução Análse de regressão é uma técnca de modelagem utlzada para analsar a relação entre uma varável dependente () e uma ou mas varáves ndependentes,, 3,..., n. O ojetvo

Leia mais

PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 2010/2011

PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 2010/2011 Instruções: PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 00/0 Cada uestão respondda corretamente vale (um) ponto. Cada uestão respondda ncorretamente vale - (menos um) ponto. Cada uestão

Leia mais

Análise Exploratória de Dados

Análise Exploratória de Dados Análse Exploratóra de Dados Objetvos Análse de duas varáves quanttatvas: traçar dagramas de dspersão, para avalar possíves relações entre as duas varáves; calcular o coefcente de correlação entre as duas

Leia mais

Problemas Propostos. Frações mássicas, volúmicas ou molares. Estequiometria.

Problemas Propostos. Frações mássicas, volúmicas ou molares. Estequiometria. Elementos de Engenhara Químca I II. Frações e Estequometra (problemas resolvdos) Problemas Propostos. Frações másscas, volúmcas ou molares. Estequometra.. Em 5 moles de Benzeno (C 6 H 6 ) quanto é que

Leia mais

Nº de pedidos: (n = 26) 5 ; 7 ; 8 ; 7 ; 6 ; 7 ; 8 ; 10 ; 6 ; 8 ; 7 ; 8 ; 7 ; 7 ; 8 ; 5 ; 6 ; 8 ; 7 ; 6 ; 7 ; 5 ; 6 ; 8 ; 7 ; 6

Nº de pedidos: (n = 26) 5 ; 7 ; 8 ; 7 ; 6 ; 7 ; 8 ; 10 ; 6 ; 8 ; 7 ; 8 ; 7 ; 7 ; 8 ; 5 ; 6 ; 8 ; 7 ; 6 ; 7 ; 5 ; 6 ; 8 ; 7 ; 6 EXEMPLOS ADICIONAIS DA ENGENHARIA ELÉTRICA 1)Suponha que a probabldade de que um engenhero elétrco utlze estatístca em seu exercíco profssonal seja 0,20 Se durante a vda profssonal, um engenhero tver cnco

Leia mais

Contabilometria. Aula 8 Regressão Linear Simples

Contabilometria. Aula 8 Regressão Linear Simples Contalometra Aula 8 Regressão Lnear Smples Orgem hstórca do termo Regressão Le da Regressão Unversal de Galton 1885 Galton verfcou que, apesar da tendênca de que pas altos tvessem flhos altos e pas axos

Leia mais

Ajuste de Curvas Regressão. Computação 2º Semestre 2016/2017

Ajuste de Curvas Regressão. Computação 2º Semestre 2016/2017 Ajuste de Curvas Regressão Computação 2º Semestre 2016/2017 Ajuste de Curvas Quando apenas sabemos alguns valores de uma função contínua e queremos estmar outros valores ntermédos Quando queremos obter

Leia mais

Gabarito da Lista de Exercícios de Econometria I

Gabarito da Lista de Exercícios de Econometria I Gabarto da sta de Exercícos de Econometra I Professor: Rogéro lva Mattos Montor: eonardo enrque A. lva Questão Y X y x xy x ŷ ˆ ˆ y ŷ (Y - Y ) (X - X ) (Ŷ - Y ) 360 00-76 -00 35.00 40.000 36-4 30.976 3076

Leia mais

INTRODUÇÃO À ESTATÍSTICA ECONÔMICA 2a. Prova 11/7/2006 Profa. Ana Maria Farias Turma A hs

INTRODUÇÃO À ESTATÍSTICA ECONÔMICA 2a. Prova 11/7/2006 Profa. Ana Maria Farias Turma A hs INTRODUÇÃO À ESTATÍSTICA ECONÔMICA 2a. rova /7/2006 rofa. Ana Mara Faras Turma A 4-6 hs. Consdere os dados da tabela abaxo, onde temos preços e uantdades utlzadas de materal de escrtóro. Item Undade reço

Leia mais

Classificação de Padrões

Classificação de Padrões Classfcação de Padrões Introdução Classfcadores Paramétrcos Classfcadores Sem-paramétrcos Redução da Dmensonaldade Teste de Sgnfcânca 6.345 Sstema de Reconhecmento de Voz Teora Acústca da Produção de Voz

Leia mais

Cap. 11 Correlação e Regressão

Cap. 11 Correlação e Regressão Estatístca para Cursos de Engenhara e Informátca Pedro Alberto Barbetta / Marcelo Menezes Res / Antono Cezar Borna São Paulo: Atlas, 2004 Cap. 11 Correlação e Regressão APOIO: Fundação de Apoo à Pesqusa

Leia mais