CONHECIMENTOS ESPECÍFICOS

Tamanho: px
Começar a partir da página:

Download "CONHECIMENTOS ESPECÍFICOS"

Transcrição

1

2 CONHECIMENTOS ESPECÍFICOS Uma uversdade oferece um curso para capactação profssoal de joves caretes. Ao fal do curso, cada jovem partcpate será avalado por meo de uma prova teórca e de uma prova prátca, cujos resultados possíves são apresetados a tabela segute. prova teórca prátca resultados possíves satsfatóro (S) satsfatóro (I) bom (B) médo (M) fraco (F) Cosderado que a probabldade de um jovem obter resultado bom a prova prátca seja P(B) ' 0,50; a probabldade de um jovem obter resultado fraco a prova prátca seja P(F) ' 0,05; a probabldade de um jovem obter resultado satsfatóro a prova teórca seja P(S) ' 0,80; e as probabldades codcoas sejam P(S*B) ' 0,80 e P(S*F) ' 0, julgue os tes a segur. 5 Os resultados da prova teórca são depedetes dos resultados da prova prátca. 5 A uão S c I c B c M é gual ao espaço amostral. 53 A probabldade codcoal P(S*McF) é gual a 0,0. 54 Se um jovem obteve resultado M a prova prátca, etão a probabldade de ele obter resultado S a prova teórca é gual a 0,0. 55 P(I B ) = P(I) P(B). Um dcador de desempeho acadêmco X é uma varável aleatóra cuja fução de dstrbução acumulada tem a forma apresetada a segur. 0 se, x < 0; 00, se, 0 x < ; F( x) = 030, se, x < ; 050, se, x < 3; se, x 3. Cosderado esse dcador, julgue os próxmos tes. 6 A varável aleatóra X ão é dscreta. 63 A probabldade P(X ' 0) é ula. 64 P(X $ 5) '. 65 O valor esperado da varável aleatóra X é gual a. 66 A moda da dstrbução de X é gual a. 67 P(X ' 0) + P(X ' ) + P(X ' ) '. 68 A varâca de X é superor a. O tempo de espera (T, em mutos) em uma fla para atedmeto em um hosptal uverstáro segue uma dstrbução expoecal cuja fução de desdade de probabldade é dada por f(t) ' 0,5e!0,5t, em que t > 0. Cosderado essas formações e que e = 037,, julgue os tes subsequetes. 56 O tempo médo de espera a fla em questão é superor a muto. 57 O desvo padrão da dstrbução dos tempos de espera a fla é feror a muto ou é superor a 3 mutos. 58 A probabldade P(T > 4) é gual a P(T $ 4) e é feror a 0,5. 59 A medaa da dstrbução dos tempos de espera a fla é feror a mutos. 60 A taxa de atedmeto o referdo hosptal é de 0,5 pessoa/muto. 6 Em algum muto, a probabldade de a fla estar vaza é feror a 0,6. Cargo 3: Estatístco

3 Cosderado que {Z, Z,..., Z } seja um cojuto de varáves aleatóras cotíuas depedetes e que a fução geratrz de mometos q e da varável aleatóra Z k seja Mk ( q) =, em que k ',,..., e q q é um úmero real, e que S = k = Z k, julgue os tes que se seguem. 69 A méda de Z k é ula. 70 A varâca de S é gual a. 7 As varáves aleatóras Z, Z,..., Z são detcamete dstrbuídas. 7 A medaa de Z k é superor a 0,3 e é feror a 0,7. q e 73 A fução geratrz de mometos da soma S é gual a. q 74 Asstotcamete, a fução geratrz de mometos da varável S e q aleatóra é gual a. q Um pesqusador deseja comparar dos strumetos de avalação que serão utlzados para avalar as habldades pessoas dos estudates. Para sso, foram selecoados aleatoramete 50 estudates de certa escola, dspostos os grupos A e B. Para os 3 estudates do grupo A fo aplcado o strumeto de avalação A; para os 8 estudates do grupo B aplcou-se o strumeto B. Cada estudate obteve uma potuação, e um resumo dos resultados (méda e desvo padrão) ecotra-se a tabela abaxo. grupos de estudates úmeros de estudates méda artmétca desvo padrão amostral A 3 7,8 0,8 B 8 7,4 0,6 As potuações produzdas pelos strumetos A e B têm dstrbuções ormas com varâcas populacoas dferetes, e o pesqusador deseja efetuar o segute teste de hpóteses: H 0 : : A # : B versus H : : A > : B, em que : A e : B são as médas populacoas das dstrbuções das potuações os grupos A e B, respectvamete. Cosderado as formações acma, e os valores aproxmados M(,0) = 0,98 e M(3,0) = 0,99, em que M(z) represeta a fução de dstrbução acumulada da dstrbução ormal padrão, julgue os tes subsequetes. 75 O teste de hpótese pode ser escrto como H 0 : as dstrbuções das potuações os grupos A e B são detcamete dstrbuídas versus H : as dstrbuções das potuações os grupos A e B ão são detcamete dstrbuídas. 76 Como as potuações produzdas pelos strumetos A e B são ormas, é correto coclur que a dstrbução amostral da estatístca do teste em questão é ormal. 77 A estatístca do teste é superor a, O ível descrtvo do teste é superor a %. 79 Se o ível de sgfcâca do teste for gual a %, etão a hpótese ula H 0 será rejetada. 80 Os valores dos desvos padrão apresetados a tabela são estmatvas ão tedecosas dos respectvos desvos padrão populacoas. Cargo 3: Estatístco

4 Em um estudo realzado por uma sttução de eso superor foram selecoados aleatoramete 5 estudates de graduação. Cada estudate fo submetdo a duas provas de cohecmetos geras. A prmera prova ocorreu o mometo do gresso do estudate a uversdade e a seguda, o egresso. Os resultados dessas provas são apresetados a tabela abaxo. estudate otas a prmera prova (A) otas a seguda prova (B) Cosderado que : A e : B são as otas médas populacoas e que as otas seguem dstrbuções ormas, julgue os tes a segur. 8 O deleameto do estudo é característco de uma amostragem aleatóra estratfcada, em que as otas da prmera prova formam o prmero estrato e as otas da seguda prova formam o segudo estrato. 8 Se : A e : B são parâmetros descohecdos, a varâca do estmador da dfereça : B : A é gual a 0,0. 83 O teste t de Studet, com 4 graus de lberdade, pode ser aplcado para se testar a hpótese ula H 0 : : A : B = 0 cotra a hpótese alteratva H : : A : B Se : A for um parâmetro cohecdo e gual a 4,, etão o estmador de regressão para : B será gual a 7,. 85 Se : A for um parâmetro cohecdo e gual a 5, etão o estmador de razão para : B será superor a 8. Um audtor fo ecarregado de fazer uma avalação dos erros cometdos em preços as faturas emtdas por uma empresa. Utlzado métodos de amostragem que garatem a represetatvdade da amostra, ele regstrou o úmero de erros em preços de 60 faturas amostradas, coforme apresetado a segur A partr desses dados, o audtor costruu o gráfco abaxo. O audtor também realzou um teste de hpóteses e costruu um tervalo de cofaça para a o úmero médo de erros, utlzado um software estatístco, que foreceu a saída a segur, a qual os sas???? sgfcam que a formação ão estava dspoível. > t.test(erros) Oe Sample t-test data: erros t = , df = 59, p-value =?????? 95 percet cofdece terval: (.099;??????) sample estmates: mea of x Com base os dados forecdos e o gráfco acma e cosderado que X seja a méda dos dados, julgue os tes de 86 a O gráfco apresetado é do tpo dagrama de potos dotplot e permte vsualzar a dspersão dos dados quado se tem poucas observações. 87 O úmero medao de erros os preços é superor a. Cargo 3: Estatístco 3

5 88 O gráfco apreseta assmetra à dreta, a qual 85% das faturas apresetaram úmero de erros guas ou ferores a O coefcete de varação é superor a 90%, e a méda aparada a 0% é gual a. 90 Pelo tpo da varável que o audtor regstrou e com base o gráfco apresetado, a melhor dstrbução probablístca que descreve o comportameto aleatóro do úmero de erros é a dstrbução geométrca, cuja fução de probabldade é dada por f x p p x ( ) = ( ) I ( x ), em que p é a x {,,...} probabldade de ocorrer um erro de preço em uma fatura specoada e x é o úmero de erros ecotrados. 9 O estmador de máxma verossmlhaça para a probabldade de sucesso de uma dstrbução geométrca é $p = [ x]. 9 O teorema cetral do lmte garate que, depedetemete da dstrbução dos dados, uma vez aplcada a padrozação x x z =, em que s é o desvo padrão amostral, a s dstrbução dos dados amostras passa a ter dstrbução ormal com méda 0 e desvo padrão. 93 Cosderado uma amostra aleatóra X, X,..., X com méda : e varâca gual a F σ, etão Var( X ) =. 94 A hpótese ula testada é H 0 : : ' 0, sedo : a méda populacoal. 95 O lmte superor do tervalo de 95% de cofaça para o úmero médo de erros é feror a, e a probabldade de sgfcâca é feror a 0,%. Cosdere uma amostra aleatóra de tamaho para a varável aleatóra X, de esperaça matemátca E(X) ' µ e varâca fta Var(X) = F. Cosdere ( um parâmetro descohecdo da dstrbução de probabldade de X e ' = h(x, X,..., X ) uma estatístca que vsa estmar (. A partr dessas formações, julgue os segutes tes. 96 O erro quadrátco médo para um estmador ão vcado é dado por E[('!() ] = Var('). 97 O erro quadrátco médo de qualquer estmador é obtdo por Var( Γ) + B( Γ), em que B(') = E(')!( é o víco do estmador. [ ] 98 Se lm P( Γ γ ε ) = 0 para qualquer g $ 0, etão ' é um estmador cosstete para (. 99 Um tervalo de (!")00% de cofaça para ' pode ser costruído a partr da desgualdade P(L # ( # L ) $! ". A terpretação do tervalo [L, L ] pode ser expressa da forma: tem-se, pelo meos, (!")00% de cofaça que o parâmetro ( esteja cotdo detro do tervalo [L, L ]. 00 A dstrbução probablístca de X, X,..., X é chamada dstrbução amostral. Cargo 3: Estatístco 4

6 Em um estudo da relação etre a dade (X) e a codção físca de adultos, medu-se a força (Y) da mão dreta em um grupo de homes adultos. De uma amostra de 5 volutáros, foram obtdos as estatístcas e os gráfcos apresetados a segur. 5 = x 590; y =.9 ; x = ; =.70 ; = = y x y = 50. força x dade força dade Um software de aálse estatístca, utlzado para o processameto dos dados coletados, apresetou a segute saída. Coeffcets: Estmate Std. Error t value Pr(>t) (Itercept)??????? e-0 *** Idade Sgf. codes: 0 *** 0.00 ** 0.0 * Resdual stadard error:????? o 3 degrees of freedom Multple R-squared: 0.83, Adjusted R-squared: 0.94 F-statstc:.898 o ad 3 DF, p-value: 0.4 Com base essas formações e os gráfcos apresetados, julgue os tes de 0 a 0. 0 As equações ormas para um modelo de regressão lear smples são mostradas abaxo, em que SQE é a soma dos quadrados dos erros. ( SQE) = ( y α β x ) x α, ( SQE) = ( y α β x ) x β Cargo 3: Estatístco 5

7 0 Se o percetl superor 5% da dstrbução t for gual a,77, etão ão há evdêcas amostras de que a dade da pessoa flueca a força exercda pela mão dreta, ao ível de sgfcâca de 0%. 03 O valor do tercepto do modelo é um valor egatvo. 04 O quadrado médo do erro é superor a A aálse do coefcete de determação permte afrmar que 8,3% da varabldade total é determado pela varabldade resdual. 06 Os potos 9 e os gráfcos de aálse de resíduos são deomados potos de fluêca. ˆ 0 07 A estatístca do teste para a hpótese H 0 : $ ' 0 é t = β, s sedo S βˆ S XX a estmatva de $, s a varâca amostral e = x x XX = = 08 Somete quado um coefcete de correlação é estatstcamete sgfcatvo é possível estabelecer uma relação de causa e efeto etre duas varáves estatstcamete correlacoadas. 09 O coefcete de correlação etre os parâmetros dade e força está etre 0,5 e 0,6. 0 As coclusões com base o teste t para o coefcete agular e o teste F da aálse da varâca do modelo de regressão são sempre cocordates. Seja uma varável resposta Y e uma varável regressora X. Uma amostra de tamaho 0 fo coletada e as observações foram regstradas a segur.. 6 Em caso de heterogeedade da varâca, a matrz de varâcas-covarâcas pode ser modfcada para σ V = 0 σ 0 O σ0, em um método de estmação sob dados heterocedástcos chamado de mímos quadrados poderados. 7 A cada aumeto de uma udade o regressor X há um aumeto de 0,5 udades em Y. 8 O teste de Ma-Whtey é usualmete utlzado para avalar a preseça de depedêca temporal etre elemetos do vetor g, ou seja, avala se a hpótese de depedêca dos erros está sedo atedda. Juto com esse teste, podem ser utlzadas téccas gráfcas, tas como: costrução de gráfcos sequecas para os erros, gráfcos da fução de autocorrelação ou um dagrama de dspersão com os erros defasados em uma udade, buscado correlação etre os potos. 9 Na ecessdade de se ajustarem modelos polomas de grau superor a (modelos cúbcos, quártcos etc.), é acoselhável utlzar polômos ortogoas que garatem a depedêca etre os termos detro do predtor lear do modelo de regressão. X: Y: Cosderado uma abordagem matrcal para um modelo de regressão, y = x $ + g sedo g um vetor de erros aleatóros com dstrbução ormal com vetor de médas 0 e uma matrz de varâcas-covarâcas IF, julgue os tes de a 9. 3,6 A matrz de formação observada é. 0 3,6 6 O estmador do vetor $ é dado por b = (X'X)! Xy. 3 A soma de quadrados total corrgda para a méda, a tabela de aálse da varâca, pode ser escrta como y' y 0 y' II' y. 4 Cosderado um valor adcoal X 0, a predção do valor de y é dado por y ˆ = b' X com varâca Var( yˆ X ' 0 ) = X0 ( X'X' ) 0σ. 0 5 O coefcete de determação está lmtado aos valores 0 e (ou 0% a 00%). 0 Cargo 3: Estatístco 6

8 resduals resduals x ftted stadardzed vs resduals ormal Q - Q ftted values theoretcal quatles stadardzed vs resduals scale-locato stadardzed vs resduals resduals x leverage 5 0 cook s dstace ftted values leverage Cosderado os gráfcos acma, julgue o próxmo tem. 0 A partr dos gráfcos de dagóstcos dos resíduos e fluêca, é correto afrmar que, apesar de poucas observações, ão há evdêcas cotra as suposções de ormaldade e homogeedade da varâca; também ão há evdêcas de forte fluêca de potos extremos. Etretato, há evdêca de curvatura ão acomodada pelo modelo de regressão lear smples, sugerdo, assm, um modelo com um termo quadrátco o predtor lear. Cargo 3: Estatístco 7

REGRESSÃO LINEAR 05/10/2016 REPRESENTAÇAO MATRICIAL. Y i = X 1i + 2 X 2i k X ni + i Y = X + INTRODUÇÃO SIMPLES MÚLTIPLA

REGRESSÃO 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 mais

Macroeconometria Aula 3 Revisão de estatística e teste de hipótese

Macroeconometria Aula 3 Revisão de estatística e teste de hipótese Macroecoometra 008. Aula 3 Revsão de estatístca e teste de hpótese 3.5. Estmação No estudo das probabldades, o objetvo é calcular a probabldade de evetos préespecfcados. De agora em date o objetvo muda.

Leia mais

Modelos de regressão linear: abordagem clássica

Modelos de regressão linear: abordagem clássica Modelos de regressão lear: abordagem clássca Prof. Marcelo Rubes mrubes@me.uerj.br Depto. Estatístca Aálse de Regressão Objetvo: Determar uma fução matemátca que descreva a relação etre uma varável cotíua

Leia mais

Nas Instituições de Ensino Superior(IES), há uma relação direta entre a qualidade do ensino e a taxa de inadimplência. A taxa de inadimplência das

Nas Instituições de Ensino Superior(IES), há uma relação direta entre a qualidade do ensino e a taxa de inadimplência. A taxa de inadimplência das CORRELAÇÃO Nas Isttuções de Eso Superor(IES), há uma relação dreta etre a qualdade do eso e a taxa de admplêca. A taxa de admplêca das IES que obtveram cocetos A e B o Provão é,%, as que obtveram C é 6%

Leia mais

a) 1,8 e 4,6. b) 2,0 e 2,2. c) 1,8 e 5,2. d) 2,0 e 4,6. e) 2,0 e 1,9.

a) 1,8 e 4,6. b) 2,0 e 2,2. c) 1,8 e 5,2. d) 2,0 e 4,6. e) 2,0 e 1,9. Questão : As otas de dez aluos, um exame, estão dadas a segur:, 5, 8, 3, 6, 5, 8, 7, 6, 0 O desvo médo e a varâca dessas otas podem ser expressos, respectvamete, por: a),8 e 4,6 b),0 e, c),8 e 5, d),0

Leia mais

Cap. 5. Testes de Hipóteses

Cap. 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 mais

Média. Mediana. Ponto Médio. Moda. Itabira MEDIDAS DE CENTRO. Prof. Msc. Emerson José de Paiva 1 BAC011 - ESTATÍSTICA. BAC Estatística

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 mais

Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento.

Em 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 mais

Regressão Linear e Multilinear

Regressão Linear e Multilinear Regressão Lear e Multlear Deleameto Expermetal Mestrado em Sstemas de Produção em Agrcultura Medterrâca Modelo de Regressão Lear Smples X Varável Idepedete Y Varável Depedete y =β +β x +ε β ordeada a orgem

Leia mais

Regressao Simples. Parte II: Anova, Estimação Intervalar e Predição

Regressao 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 mais

Parte 3 - Regressão linear simples

Parte 3 - Regressão linear simples Parte 3 - Regressão lear smples Defção do modelo Modelo de regressão empregado para eplcar a relação lear etre duas varáves (ajuste de uma reta). O modelo de regressão lear smples pode ser epresso a forma:

Leia mais

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Estimação Pontual

Estatística: 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 mais

Distribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD

Distribuições 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 mais

Estatística. 2 - Estatística Descritiva

Estatística. 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 mais

Estatística Descritiva. Medidas estatísticas: Localização, Dispersão

Estatística 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 mais

Probabilidades e Estatística LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBiol, MEBiom, MEEC, MEFT, MEMec, MEQ

Probabilidades e Estatística LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBiol, MEBiom, MEEC, MEFT, MEMec, MEQ Duração: 90 mutos Grupo I Probabldades e Estatístca LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBol, MEBom, MEEC, MEFT, MEMec, MEQ Justfque coveetemete todas as respostas 1 o semestre 018/019 10/01/019 09:00 o

Leia mais

ESTATÍSTICA Aula 7. Prof. Dr. Marco Antonio Leonel Caetano

ESTATÍSTICA Aula 7. Prof. Dr. Marco Antonio Leonel Caetano ESTATÍSTICA Aula 7 Prof. Dr. Marco Atoo Leoel Caetao Dstrbuções de Probabldade DISCRETAS CONTÍNUAS (Números teros) Bomal Posso Geométrca Hper-Geométrca Pascal (Números reas) Normal t-studet F-Sedecor Gama

Leia mais

Econometria: 3 - Regressão Múltipla

Econometria: 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 mais

CAPÍTULO 3 MEDIDAS DE TENDÊNCIA CENTRAL E VARIABILIDADE PPGEP Medidas de Tendência Central Média Aritmética para Dados Agrupados

CAPÍTULO 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 mais

Estudo do intervalo de confiança da regressão inversa utilizando o software R

Estudo 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 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. É o grau de assocação etre duas ou mas varáves. Pode ser: correlacoal ou Prof. Lorí Val, Dr. val@mat.ufrgs.r http://www.mat.ufrgs.r/~val/ expermetal. Numa relação expermetal os valores de uma das varáves

Leia mais

Lista de Exercícios #9 Assunto: Análise de Regressão Método de Mínimos Quadrados

Lista de Exercícios #9 Assunto: Análise de Regressão Método de Mínimos Quadrados Lsta de Exercícos #9 Assuto: Aálse de Regressão Método de Mímos Quadrados ANPEC 8 Questão 4 Cosdere o segute modelo de regressão lear smples: () y = β + β x + u Para uma amostra com 3 observações, foram

Leia mais

Modelo de Regressão Simples

Modelo de Regressão Simples Modelo de Regressão Smples Hstora Hstóra Termo regressão fo troduzdo por Fracs Galto (8-9). Estudo sobre altura de pas e flhos. Karl Pearso coletou mas de ml regstros e verfcou a le de regressão uversal

Leia mais

Estatística - exestatmeddisper.doc 25/02/09

Estatística - 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 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 etre duas ou mas varáves. Pode ser: correlacoal ou expermetal. Numa relação expermetal os valores de uma das varáves

Leia mais

x n = n ESTATÍSTICA STICA DESCRITIVA Conjunto de dados: Organização; Amostra ou Resumo; Apresentação. População

x 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 mais

Inferência Estatística e Aplicações I. Edson Zangiacomi Martinez Departamento de Medicina Social FMRP/USP

Inferência Estatística e Aplicações I. Edson Zangiacomi Martinez Departamento de Medicina Social FMRP/USP Iferêca Estatístca e Aplcações I Edso Zagacom Martez Departameto de Medca Socal FMRP/USP edso@fmrp.usp.br Rotero Parte I Escola frequetsta Defções: parâmetros, estmatvas Dstrbuções de probabldade Estmação

Leia mais

Estudo das relações entre peso e altura de estudantes de estatística através da análise de regressão simples.

Estudo 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 mais

Tópicos Extras 2ª parte. Análise de Correlação e Regressão

Tópicos Extras 2ª parte. Análise de Correlação e Regressão Tópcos Extras ª parte Aálse de Correlação e Regressão 1 Defções báscas ANÁLISE DE CORRELAÇÃO Mesurar a força da assocação etre as varáves (geralmete através do cálculo de algum coefcete). ANÁLISE DE REGRESSÃO

Leia mais

Construção e Análise de Gráficos

Construção 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 mais

ESTATÍSTICA Exame Final 1ª Época 3 de Junho de 2002 às 14 horas Duração : 3 horas

ESTATÍSTICA 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

Regressão Simples. Parte III: Coeficiente de determinação, regressão na origem e método de máxima verossimilhança

Regressão Simples. Parte III: Coeficiente de determinação, regressão na origem e método de máxima verossimilhança Regressão Smples Parte III: Coefcete de determação, regressão a orgem e método de máxma verossmlhaça Coefcete de determação Proporção da varabldade explcada pelo regressor. R Varação explcada Varação total

Leia mais

3. ANPEC Questão 15 Ainda em relação à questão anterior pode-se concluir que, exceto por erro de arredondamento:

3. ANPEC Questão 15 Ainda em relação à questão anterior pode-se concluir que, exceto por erro de arredondamento: Lsta de Exercícos #9 Ass uto: Aáls e de Re gres s ão Mé todo de Mímos Quadrados. ANPEC 99 - Questão 8 A capacdade de produção stalada (Y), em toeladas, de uma frma, pode ser fução da potêca stalada (X),

Leia mais

7 Análise de covariância (ANCOVA)

7 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 mais

Introdução à Correlação e Regressão Linear

Introdução à Correlação e Regressão Linear Itrodução à Correlação e Regressão Lear Ru Carvalho Olvera rolv@st.utl.pt Estatístca Descrtva amostras bvaradas Amostras bvaradas: cada etdade (dvíduo/objecto é caracterzado por um par de varáves (atrbutos

Leia mais

Professor Mauricio Lutz REGRESSÃO LINEAR SIMPLES. Vamos, então, calcular os valores dos parâmetros a e b com a ajuda das formulas: ö ; ø.

Professor 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 mais

MEDIDAS DE POSIÇÃO: X = soma dos valores observados. Onde: i 72 X = 12

MEDIDAS 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 mais

Probabilidades e Estatística LEAN, LEGI, LEGM, LMAC, MEAer, MEAmbi, MEC

Probabilidades e Estatística LEAN, LEGI, LEGM, LMAC, MEAer, MEAmbi, MEC Duração: 90 mutos Grupo I Probabldades e Estatístca LEAN, LEGI, LEGM, LMAC, MEAer, MEAmb, MEC Justfque coveetemete todas as respostas 1 o semestre 2018/2019 10/01/2019 11:00 2 o teste B 10 valores 1. Cosdere-se

Leia mais

3 Experimento com Mistura com Respostas Não-Normais

3 Experimento com Mistura com Respostas Não-Normais Modelagem em Epermetos Mstura-Processo para Otmzação de Processos Idustras 5 Epermeto com Mstura com Respostas Não-Normas Neste capítulo é apresetado o plaejameto e aálse de um EM com respostas ão ormas,

Leia mais

RACIOCÍNIO LÓGICO / ESTATÍSTICA LISTA 2 RESUMO TEÓRICO

RACIOCÍNIO 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 mais

TESTES DE PROPORÇÕES TESTE DE UMA PROPORÇÃO POPULACIONAL

TESTES DE PROPORÇÕES TESTE DE UMA PROPORÇÃO POPULACIONAL TESTES DE PROPORÇÕES TESTE DE UMA PROPORÇÃO POPULACIONAL As hpóteses a serem testadas serão: H 0 : p p 0 H : p p 0 p > p 0 p < p 0 Estatístca do Teste: pˆ p0 z c p ( p ) 0 0 EXEMPLOS. Uma máqua está regulada

Leia mais

Confiabilidade Estrutural

Confiabilidade 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 mais

NOTAS DE AULA DA DISCIPLINA CE076. ], T 2 = conhecido como T 2 de Hotelling

NOTAS 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 mais

Capítulo 5: Ajuste de curvas pelo método dos mínimos quadrados

Capítulo 5: Ajuste de curvas pelo método dos mínimos quadrados Capítulo : Ajuste de curvas pelo método dos mímos quadrados. agrama de dspersão No capítulo ateror estudamos uma forma de ldar com fuções matemátcas defdas por uma taela de valores. Frequetemete o etato

Leia mais

Distribuições de Probabilidades

Distribuições 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

NOTA: ESCREVA AS RESPOSTAS COMO FRAÇÕES OU COM 4 CASAS DECIMAIS NOTA 2: O FORMULÁRIO ESTÁ NO FINAL DA PROVA

NOTA: ESCREVA AS RESPOSTAS COMO FRAÇÕES OU COM 4 CASAS DECIMAIS NOTA 2: O FORMULÁRIO ESTÁ NO FINAL DA PROVA IND 5 Iferêca Estatístca Semestre 007.0 Teste 4 //007 Nome: NOTA: ESCREVA AS RESPOSTAS COMO FRAÇÕES OU COM 4 CASAS DECIMAIS NOTA : O FORMULÁRIO ESTÁ NO FINAL DA PROVA PROBLEMA (5 potos) Em cada questão

Leia mais

tem-se que: b) Ao contrário, se pelo menos uma das derivadas parciais,, depender de

tem-se que: b) Ao contrário, se pelo menos uma das derivadas parciais,, depender de Porque se chama: modelo de regressão lear? Nos estudos de regressão busca-se, coforme dto aterormete, relacoar as varáves X e Y por meo da especfcação de uma fução f() Quado Y depede apeas de uma varável

Leia mais

Probabilidades e Estatística LEGM, LEIC-A, LEIC-T, MA, MEMec

Probabilidades e Estatística LEGM, LEIC-A, LEIC-T, MA, MEMec Duração: 90 mutos Grupo I Probabldades e Estatístca LEGM, LEIC-A, LEIC-T, MA, MEMec Justfque coveetemete todas as respostas 2 o semestre 2017/2018 14/06/2018 11:00 2 o Teste B 10 valores 1. Os dvíduos

Leia mais

MEDIDAS DE TENDÊNCIA CENTRAL I

MEDIDAS 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 mais

Regressão e Correlação

Regressão e Correlação Regressão e Correlação Júlo Osóro Regressão & Correlação: geeraldades Em mutas stuações de pesqusa cetífca, dspomos de uma amostra aleatóra de pares de dados (x, ), resultates da medda cocomtate de duas

Leia mais

Relatório 2ª Atividade Formativa UC ECS

Relatório 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 mais

REGESD Prolic Matemática e Realidade- Profª Suzi Samá Pinto e Profº Alessandro da Silva Saadi

REGESD 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 mais

MAE0229 Introdução à Probabilidade e Estatística II

MAE0229 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 mais

ANÁLISE DE REGRESSÃO E CORRELAÇÃO

ANÁLISE DE REGRESSÃO E CORRELAÇÃO ANÁLISE DE REGRESSÃO E CORRELAÇÃO Quado se cosderam oservações de ou mas varáves surge um poto ovo: O estudo das relações porvetura estetes etre as varáves A aálse de regressão e correlação compreedem

Leia mais

ESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO

ESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO Área Cetífca Matemátca Udade Curso Egehara do Ambete Ao º Semestre º Folha Nº 8: Aálse de Regressão e de Correlação Probabldades e Estatístca Ao 00/0. Pretede-se testar um strumeto que mede a cocetração

Leia mais

Probabilidades e Estatística

Probabilidades e Estatística Departameto de Matemátca robabldades e Estatístca LEAN, LEE, LEGI, LERC, LMAC, MEAer, MEAmb, MEBol, MEEC, MEMec 2 o semestre 20/202 2 o Teste B 08/06/202 :00 Duração: hora e 30 mutos Justfque coveetemete

Leia mais

O delineamento amostral determina os processos de seleção e de inferência do valor da amostra para o valor populacional.

O delineamento amostral determina os processos de seleção e de inferência do valor da amostra para o valor populacional. Curso Aperfeçoameto em Avalação de Programas Socas ª Turma Dscpla: Téccas quattatvas de levatameto de dados: prcpas téccas de amostragem Docete: Claudete Ruas Brasíla, ovembro/005 Pesqusa por amostragem

Leia mais

Faculdade de Tecnologia de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL

Faculdade 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 mais

Revisão de Estatística X = X n

Revisão 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 mais

Tabela 1 Números de acidentes /mês no Cruzamento X em CG/07. N de acidentes / mês fi f

Tabela 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 mais

Avaliação da qualidade do ajuste

Avaliação 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 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. É o grau de assocação etre duas ou mas varáves. Pode ser: Prof. Lorí Val, Dr. val@pucrs.br http://www.pucrs.br/famat/val www.pucrs.br/famat/val/ correlacoal ou expermetal. Numa relação expermetal os valores

Leia mais

6.1 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS

6.1 - 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 mais

Conceitos básicos de metrologia. Prof. Dr. Evandro Leonardo Silva Teixeira Faculdade UnB Gama

Conceitos 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 mais

5 Critérios para Análise dos Resultados

5 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 mais

( ) ( IV ) n ( ) Escolha a alternativa correta: A. III, II, I, IV. B. II, III, I, IV. C. IV, III, I, II. D. IV, II, I, III. E. Nenhuma das anteriores.

( ) ( IV ) n ( ) Escolha a alternativa correta: A. III, II, I, IV. B. II, III, I, IV. C. IV, III, I, II. D. IV, II, I, III. E. Nenhuma das anteriores. Prova de Estatístca Epermetal Istruções geras. Esta prova é composta de 0 questões de múltpla escolha a respeto dos cocetos báscos de estatístca epermetal, baseada os lvros BANZATTO, A.D. e KRONKA, S.N.

Leia mais

DISTRIBUIÇÃO HIPERGEOMÉTRICA

DISTRIBUIÇÃO 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 mais

Estatística Básica - Continuação

Estatística 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 mais

Modelos de Regressão Linear Simples e Múltipla. Fabio Antonio Avilla (Matemática) Profª Dra. Carine Savalli Redígolo (Orientadora)

Modelos de Regressão Linear Simples e Múltipla. Fabio Antonio Avilla (Matemática) Profª Dra. Carine Savalli Redígolo (Orientadora) Modelos de Regressão Lear Smples e Múltpla Fabo Atoo Avlla (Matemátca) Profª Dra. Care Savall Redígolo (Oretadora) Resumo Dversas áreas do cohecmeto cetífco procuram valdar suas hpóteses por meo de pesqusas

Leia mais

Regressão. Pedro Paulo Balestrassi

Regressão. Pedro Paulo Balestrassi Regressão Pedro Paulo Balestrass www.pedro.ufe.edu.br ppbalestrass@gmal.com 5-696 / 88776958 (cel) Questoametos comus: Como mplemetar a equação Y=f(X) a partr de dados hstórcos ou epermetas? Como fazer

Leia mais

ESTATÍSTICA APLICADA À ZOOTECNIA

ESTATÍSTICA 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 mais

Probabilidade II Aula 10

Probabilidade II Aula 10 Probabldade II Aula 0 Mao de 009 Môca Barros, D.Sc. Coteúdo Esperaça Matemá (Valores esperados) Mometos e Mometos Cetras Valores esperados de uma fução de Covarâca e Correlação Matrz de covarâca, matrz

Leia mais

MÓDULO 8 REVISÃO REVISÃO MÓDULO 1

MÓDULO 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 mais

DESEMPENHO DE ESTIMADORES DA MÉDIA POPULACIONAL DE DISTRIBUIÇÕES ASSIMÉTRICAS BASEADOS EM AMOSTRAGEM POR CONJUNTOS ORDENADOS

DESEMPENHO DE ESTIMADORES DA MÉDIA POPULACIONAL DE DISTRIBUIÇÕES ASSIMÉTRICAS BASEADOS EM AMOSTRAGEM POR CONJUNTOS ORDENADOS DESEMPENHO DE ESTIMADORES DA MÉDIA POPULACIONAL DE DISTRIBUIÇÕES ASSIMÉTRICAS BASEADOS EM AMOSTRAGEM POR CONJUNTOS ORDENADOS Fracsco Juor PIGATO Mara Cecíla Medes BARRETO RESUMO: Um deleameto amostral

Leia mais

AVALIAÇÃO DE GANHOS E PERDAS EM FUNDOS DE INVESTIMENTOS UTILIZANDO REGRESSÃO LINEAR. José Antonio Stark Ferreira

AVALIAÇÃO DE GANHOS E PERDAS EM FUNDOS DE INVESTIMENTOS UTILIZANDO REGRESSÃO LINEAR. José Antonio Stark Ferreira 1 AVALIAÇÃO DE GANHOS E PERDAS EM FUNDOS DE INVESTIMENTOS UTILIZANDO REGRESSÃO LINEAR José Atoo Stark Ferrera I - INTRODUÇÃO O presete estudo fo desevolvdo objetvado mesurar os gahos e perdas patrmoas

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

Prof. Janete Pereira Amador 1

Prof. Janete Pereira Amador 1 Prof. Jaete Perera Amador 1 1 Itrodução Mutas stuações cotdaas podem ser usadas como expermeto que dão resultados correspodetes a algum valor, e tas stuações podem ser descrtas por uma varável aleatóra.

Leia mais

3 Análises Probabilísticas de Estabilidade

3 Análises Probabilísticas de Estabilidade 3 Aálses Probablístcas de Establdade 3.1 Itrodução Para facltar o etedmeto das metodologas de aálse de cofabldade serão apresetados este capítulo algus cocetos báscos de probabldade e estatístca. 3. Cocetos

Leia mais

Relações entre variáveis: Regressão

Relações entre variáveis: Regressão Dscpla: 04 Relações etre varáves: Regressão Prof. a Dr. a Smoe Daela Sartoro de Mederos DTASeR-Ar Itrodução Cosdere uma varável aleatóra Y de teresse. Já vmos que podemos escrever essa varável como sedo:

Leia mais

ESCOLA SUPERIOR DE TECNOLOGIA UNIVERSIDADE DO ALGARVE

ESCOLA SUPERIOR DE TECNOLOGIA UNIVERSIDADE DO ALGARVE SCOLA SUPIO D CNOLOGIA UNIVSIDAD DO ALGAV CUSO BIÁPICO M NGNHAIA CIVIL º cclo egme Duro/Nocturo Dscpla de COMPLMNOS D MAMÁICA Ao lectvo de 7/8 - º Semestre Ídce. egressão lear múltpla.... Itrodução....

Leia mais

HIDROLOGIA E RECURSOS HÍDRICOS. Análise estatística aplicada à hidrologia

HIDROLOGIA 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 mais

CEDEPLAR - UFMG Nivelamento em Estatística 2013 Prof a Sueli Moro. Variáveis aleatórias

CEDEPLAR - UFMG Nivelamento em Estatística 2013 Prof a Sueli Moro. Variáveis aleatórias CEDEPLAR - UFMG Nvelameto em Estatístca 3 Prof a Suel Moro Varáves aleatóras Varável aleatóra resultado ou produto de um epermeto aleatóro com um resultado úco. Varável resultado = Espaço amostral cojuto

Leia mais

Dados Experimentais. Isto é chamado de experimento controlado. Uma das vantagens

Dados Experimentais. Isto é chamado de experimento controlado. Uma das vantagens Dados xpermetas Para medr a produção de certa varedade de mlho, faremos um expermeto o qual a varedade de mlho semete é platada em váras parcelas homogêeas com o mesmo fertlzate, pestcda etc. Depos mede-se

Leia mais

ANÁLISE DE ERROS. Todas as medidas das grandezas físicas deverão estar sempre acompanhadas da sua dimensão (unidades)! ERROS

ANÁLISE 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 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

MAE 5776 ANÁLISE MULTIVARIADA. Júlia M Pavan Soler

MAE 5776 ANÁLISE MULTIVARIADA. Júlia M Pavan Soler MAE 5776 ANÁLISE MULTIVARIADA Júla M Pava Soler ava@me.us.br º Semestre IME/09 Baco de Dados: Dados Multvarados Varáves Udades Amostras j j j j j j : Matrz de Dados resosta do -ésmo dvíduo a j-ésma varável

Leia mais

Estimação pontual, estimação intervalar e tamanho de amostras

Estimação pontual, estimação intervalar e tamanho de amostras Estmação potual, estmação tervalar e tamaho de amostras Iferêca: por meo das amostras, cohecer formações geras da população. Problemas de ferêca, em geral, se dvdem em estmação de parâmetros e testes de

Leia mais

50 Logo, Número de erros de impressão

50 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 mais

A análise de variância de uma classificação (One-Way ANOVA) verifica se as médias de k amostras independentes (tratamentos) diferem entre si.

A 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 mais

8. DISCRIMINAÇÃO, CLASSIFICAÇÃO E RECONHECIMENTO DE PADRÕES:

8. DISCRIMINAÇÃO, CLASSIFICAÇÃO E RECONHECIMENTO DE PADRÕES: NOTAS DE AULA DA DISIPLINA E76 8. DISRIMINAÇÃO, LASSIFIAÇÃO E REONHEIMENTO DE PADRÕES: 8. INTRODUÇÃO A técca multvarada cohecda como Aálse Dscrmate trata dos problemas relacoados com SEPARAR cojutos dsttos

Leia mais

Curso de Graduação. Inferência I N F ERÊNCI A ESTAT ÍSTICA

Curso de Graduação. Inferência I N F ERÊNCI A ESTAT ÍSTICA Iferêca Estatístca I N F ERÊNCI A ESTAT ÍSTICA CAPÍTULO N O Ç Õ ES PRELIMINAR ES SOBR E AMOSTRAGEM A elaboração de um projeto de pesqusa por amostragem, objetvado a vestgação sobre um certo feômeo, evolve

Leia mais

MEDIDAS DE DISPERSÃO:

MEDIDAS 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 mais

Hipóteses do Modelo de Regressão Linear Clássico

Hipóteses do Modelo de Regressão Linear Clássico Uversdade Federal da Baha Facldade de Cêcas coômcas Departameto de cooma CO 66 Itrodção à coometra Hpóteses do Modelo de Regressão Lear Clássco Gerváso F. Satos Propredades dos estmadores de MQO As estmatvas

Leia mais

Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística

Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Val, Dr. http://www.pucrs.br/famat/val/ val@pucrs.br Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Obetvos A Aálse de

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

? Isso é, d i= ( x i. . Percebeu que

? 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 mais

Interpolação. Exemplo de Interpolação Linear. Exemplo de Interpolação Polinomial de grau superior a 1.

Interpolação. 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 mais

CAPÍTULO 5. Ajuste de curvas pelo Método dos Mínimos Quadrados

CAPÍTULO 5. Ajuste de curvas pelo Método dos Mínimos Quadrados CAPÍTULO Ajuste de curvas pelo Método dos Mímos Quadrados Ajuste Lear Smples (ou Regressão Lear); Ajuste Lear Múltplo (ou Regressão Lear Múltpla); Ajuste Polomal; Regressão Não Lear Iterpolação polomal

Leia mais

Estatística: uma definição

Estatística: 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 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